CN111667719B - 用于控制自动驾驶车辆的速度的设备和方法及存储介质 - Google Patents

Abstract

提供了用于控制自动驾驶车辆的速度的设备和方法。该方法包括以下步骤：当检测到障碍物位于车辆的规划路径上时，获取车辆周围的环境信息；获取车辆的初始参考速度分布；基于初始参考速度分布、环境信息和车辆的信息来确定安全系数，其中，安全系数至少包括使车辆跟随障碍物的车辆与障碍物之间的安全距离；基于环境信息、车辆的信息和安全系数来确定最佳参考速度分布；以及迭代地执行通过使用最佳参考速度分布作为初始参考速度分布来确定安全系数的步骤和确定最佳参考速度的步骤。

Description

用于控制自动驾驶车辆的速度的设备和方法及存储介质

技术领域

本公开总体涉及自动驾驶车辆，更具体地，涉及用于控制自动驾驶车辆的速度的设备和方法以及非易失性计算机可读存储介质。

背景技术

自动驾驶是汽车行业的相对新的技术领域。通过自动驾驶系统，车辆能够在没有人工操作的情况下感测其环境并进行导航。然而，当自动驾驶车辆遇到前方障碍物状态的突然变化时，自动驾驶车辆中的乘客可能经历突然的加速或减速。这是由于由自动驾驶系统确定的速度参考值的突然的跳动，并且可使乘客不舒服。

因此，有必要改进自动驾驶系统。

发明内容

根据本公开的实施例的第一方面，提供一种用于控制自动驾驶车辆的速度的方法。该方法可包括：当检测到障碍物位于车辆的规划路径上时，获取车辆周围的环境信息；获取车辆的初始参考速度分布；基于初始参考速度分布、环境信息和车辆的信息来确定安全系数，其中，安全系数至少包括使车辆跟随障碍物的车辆与障碍物之间的安全距离；基于环境信息、车辆的信息和安全系数来确定最佳参考速度分布；以及迭代地执行通过使用最佳参考速度分布作为初始参考速度分布来确定安全系数的步骤和确定最佳参考速度的步骤。

根据本公开的实施例的第二方面，提供一种用于控制自动驾驶车辆的速度的设备。该设备可包括：处理器；以及存储器，其用于存储可由处理器执行的指令；其中，处理器配置为执行以下步骤：当检测到障碍物位于车辆的规划路径上时，获取车辆周围的环境信息；获取车辆的初始参考速度分布；基于初始参考速度分布、环境信息和车辆的信息来确定安全系数，其中，安全系数至少包括使车辆跟随障碍物的车辆与障碍物之间的安全距离；基于环境信息、车辆的信息和安全系数来确定最佳参考速度分布；以及迭代地执行通过使用最佳参考速度分布作为所述初始参考速度分布来确定安全系数的步骤和确定最佳参考速度的步骤。

根据本公开的实施例的第三方面，提供一种非易失性计算机可读存储介质。该非易失性计算机可读存储介质可具有存储在其中的指令，当处理器执行该指令时，使得处理器执行用于控制自动驾驶车辆的速度的方法，其中，该方法包括以下步骤：当检测到障碍物位于车辆的规划路径上时，获取车辆周围的环境信息；获取车辆的初始参考速度分布；基于初始参考速度分布、环境信息和车辆的信息来确定安全系数，其中，安全系数至少包括使车辆跟随障碍物的车辆与障碍物之间的安全距离；基于环境信息、车辆的信息和安全系数来确定最佳参考速度分布；以及迭代地执行通过使用最佳参考速度分布作为初始参考速度分布来确定安全系数的步骤和确定最佳参考速度的步骤。

根据本公开的实施例的第四方面，提供一种车辆。该车辆可包括如上所述的设备。

将理解的是，前面的大体描述和下面的详细描述都仅仅是示例性和说明性的，并且不限制本发明。此外，结合在本说明书中并构成本说明书的一部分的附图示出了本发明的实施例，并且与说明书一起用于解释本发明的原理。

附图说明

本文所引用的附图形成了说明书的一部分。除非另有详细描述明确指示，否则附图中示出的特征仅示出了本公开的一些实施例，而没有示出本公开的所有实施例，并且本说明书的读者不应做出相反的暗示。

图1示出了根据本公开的一个实施例的用于控制自动驾驶车辆的速度的设备的框图；

图2示出了配备有图1的设备的车辆；

图3示出了根据本公开的一个实施例的用于控制自动驾驶车辆的速度的方法的流程图；以及

图4(a)和图4(b)、图5(a)和图5(b)、图6(a)和图6(b)以及图7示出了根据本公开的实施例的用于控制自动驾驶车辆的速度的过程中的安全距离和最佳参考速度分布的示例。

在整个附图中，将使用相同的附图标记表示相同或相似的部件。

具体实施方式

本公开的示例性实施例的以下详细描述参考形成本说明书的一部分的附图。附图示出了可实践本公开的特定示例性实施例。包括附图的详细描述足够详细地描述了这些实施例，以使本领域技术人员能够实践本公开。在不脱离本公开的精神或范围的情况下，本领域技术人员可进一步利用本公开的其他实施例，并且进行逻辑、机械和其他改变。因此，以下详细描述的读者不应以限制性的意义来解释该描述，并且所附权利要求仅限定本公开的实施例的范围。

在本申请中，除非另外特别说明，否则单数的使用包括复数。在本申请中，除非另有说明，否则“或”的使用表示“和/或”。此外，术语“包括”以及诸如“包括”和“被包括”的其他形式的使用不是限制性的。另外，除非另有特别说明，否则诸如“元件”或“部件”的术语涵盖包括一个单元的元件和部件以及包括一个以上的子单元的元件和部件。另外，本文使用的章节标题仅出于组织目的，并且不应被解释为限制所描述的主题。

图1示出了根据本公开的实施例的设备100的框图。设备100可安装在自动驾驶车辆上。自动驾驶车辆可指可配置为以如下自动驾驶模式运行的车辆：在该自动驾驶模式中，车辆在几乎没有来自驾驶员的输入的情况下在环境中导航。在一些实施例中，自动驾驶车辆还可以以手动模式或部分自动驾驶模式运行。

如图1中所描绘的，设备100包括存储器102、处理器104、传感器系统106、通信系统108和用户界面(UI)系统110。存储器102、处理器104、传感器系统106、通信系统108和UI系统110直接地或间接地彼此连接，用于数据和信号传输或交换。例如，这些部件可经由一个或多个通信总线或信号线(诸如控制器局域网(CAN)总线)彼此电连接。

设备100可包括至少一个程序功能模块，该至少一个程序功能模块以软件或固件的形式存储或嵌入在存储器102中并且由处理器104来执行。处理器104用于执行存储在存储器102中的可执行的指令和程序。存储器102用于存储设备100的各种类型的数据。存储器102可以是设备100的内部存储器(internal memory)，或者可移动存储器(removablememory)。例如，存储器102可包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除只读存储器(EPROM)、电可擦除只读存储器(EEPROM)等。

处理器104可以是具有信号和数据处理能力的集成电路芯片。如所描述的处理器104可以是通用处理器，包括中央处理器(CPU)、网络处理器(NP)等。处理器104还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、场可编程门阵列(FPGA)或其他可编程逻辑装置、离散门或晶体管逻辑、离散硬件部件。处理器104可执行或实现本公开的实施例中公开的方法、步骤和逻辑图。在一些实施例中，处理器104可生成和/或发送各种通信信号和/或命令(诸如，例如加速信号或命令、减速信号或命令、转向信号或命令、刹车信号或命令等)，用于控制自动驾驶车辆的引擎、车轮、方向盘、变速器。例如，通过传输各种命令，处理器104可调整车辆的方向或前进方向，控制发动机或引擎的速率，从而控制车辆的速率和加速度，通过提供摩擦来使车辆的车轮或轮胎减速来使车辆减速。

传感器系统106可包括一个或多个传感器，该一个或多个传感器配置为检测关于车辆在其中运行的环境的信息。车辆可使用所检测的信息在该环境中进行导航。在一些实施例中，传感器系统106包括但不限于相机、全球定位系统(GPS)单元、惯性测量单元(IMU)、雷达单元和光检测和测距(LiDAR)单元。在一些实施例中，传感器系统106可包括一个或多个相机，以拍摄自动车辆周围的环境的图像。相机可以是固定照相机或摄影机。例如，可通过将相机安装在旋转和/或倾斜平台上来使相机机械地可移动。在一些实施例中，GPS单元可包括收发器，该收发器可操作地提供关于自动驾驶车辆的位置的信息。在一些实施例中，IMU单元可基于惯性加速度感测自动车辆的位置和方向变化。在一些实施例中，雷达单元可利用无线电信号来感测处于自动驾驶车辆的局部环境内的对象，或者雷达单元除了感测对象之外还可感测对象的速率和/或前进方向。在一些实施例中，LiDAR单元可使用激光感测自动驾驶车辆所位于的环境中的对象。LiDAR单元可包括一个或多个激光源、激光扫描器和一个或多个检测器以及其他系统部件。

无线通信系统108配置为与外部系统(诸如装置、传感器、其他车辆等)通信。在一些实施例中，无线通信系统108可使用蜂窝通信网络或无线局域网(WLAN)来与一个或多个服务器通信。服务器可以是任意类型的服务器或一组服务器，诸如Web或云服务器、应用程序服务器、后端服务器或其组合。例如，服务器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)服务器或位置服务器等。在一些实施例中，无线通信系统108可使用例如红外链接、蓝牙等直接与装置(例如，乘客的移动装置、显示装置、车辆内的扬声器)通信。

UI系统110可以是在自动驾驶车辆内实现的外围设备的一部分，包括例如关键字、触摸屏显示装置、麦克风和扬声器等。例如，用户可例如经由用户界面110来指定行程的起始位置和目的地。在另一示例中，自动驾驶车辆可通过UI系统110从用户接收以手动驾驶模式、完全自动驾驶模式或部分自动驾驶模式操作的指令。

如图2中所示，设备100可安装在车辆200上，以控制车辆200的速度。在一些实施例中，车辆200是如上所述的自动驾驶车辆。在一些实施例中，除了设备100之外，车辆200还可包括被包括在普通车辆中的某些通用部件，诸如，引擎、车轮、方向盘、变速器等，这些通用部件可由设备100使用各种各样的通信信号和/或命令(诸如，加速信号或命令、减速信号或命令、转向信号或命令、刹车信号或命令等)来控制。

图3是用于控制自动驾驶车辆的速度的方法300的流程图。在一些实施例中，图1中示出的设备100的存储器102存储与方法300相对应的指令，并且通过读取和执行该指令，使得处理器104或处理器104配置为执行方法300的步骤，以控制图2中所示的自动驾驶车辆200的速度。在一些实施例中，用于控制车辆的速度的方法300可称为纵向规划、速率规划或速度规划。

如图3中所示，在步骤S302中，当检测到障碍物位于车辆的规划路径上时，获取车辆周围的环境的信息。

在一些实施例中，自动驾驶车辆可以以完全自动驾驶模式运行，并且自动驾驶车辆可在几乎没有来自驾驶员的输入的情况下在环境中导航。在完全自动驾驶模式下，如图1中所示的传感器系统106可检测车辆周围的环境的信息，例如，车道配置(例如，直行车道或弯曲车道)、交通灯信号、另一辆车的相对位置、行人、建筑物、人行横道或其他与交通相关的标志(例如，停车标志、让行标志(yield sign))。环境信息可由用于控制车辆的处理器104来接收和处理。例如，处理器可处理和分析由传感器系统106的一个或多个相机拍摄的图像，以识别自动驾驶车辆的环境中的对象和/或特征。对象可包括交通信号、道路边界、其他车辆、行人和/或障碍物等。处理器104可实现对象识别算法、视频跟踪和其他计算机视觉技术以获取环境信息。在一些实施例中，处理器104可基于环境信息进一步绘制环境地图，跟踪对象并估计对象的速度等。在一些实施例中，处理器104可通过通信系统108获取环境信息。例如，通信系统108可从地图服务器检索环境地图。

一旦检测到障碍物(例如，另一车辆)位于车辆的规划路径上时，可由设备获取并处理车辆周围的环境信息以避免碰撞。

在一些实施例中，环境信息包括用于规划路径的交通规则，例如速度限制。交通规则是政府为公共交通安全设计的，这样的规则也适用于自动驾驶车辆。自动驾驶车辆应始终遵循交通规则。除了安全要求之外，遵循交通规则还将使事故的风险最小化，并减小自动驾驶车辆的应急反应。在一些实施例中，环境信息还可包括规划路径的一个或多个曲率。

在一些实施例中，环境信息包括障碍物信息。例如，障碍物信息可包括障碍物的当前速度、障碍物的当前位置、障碍物的预测速度和障碍物的预测位置。在一些实施例中，环境信息可包括用于规划路径的交通规则、规划路径的曲率和障碍物的信息的组合。

应注意的是，即使以上描述了不同种类的环境信息，但本公开不限于此，并且可使用车辆周围的其他环境信息，例如，交通信号、道路边界等。

在步骤S304中，获取车辆的初始参考速度分布。

在自动驾驶模式下，车辆可生成用于在未来一段时间(例如，下一个8秒，下一个10秒等)的参考速度分布。当车辆根据参考速度分布行驶时，车辆应有足够的余量以在行驶期间保持安全。在一些实施例中，可检索或计算用于未来时段的参考速度分布，并将其用作初始参考速度分布。在其他实施例中，初始参考速度分布可设定为恒定的速度分布，例如，具有使车辆在下一个8秒保持其当前速度的分布。

在一些实施例中，可迭代地执行方法300的某些步骤以达到最佳分布。例如，可迭代地执行以下提及的方法300的步骤304至步骤310。如此，初始参考速度分布可以是在步骤S308中确定的最佳参考速度分布，这将在以下进行详细说明。在在步骤S308中进行确定之后，可将最佳参考速度分布存储在存储器中。然后，在下一轮迭代中，可检索最佳参考速度分布，并将其用作初始参考速度分布以用于下一轮迭代。

在示例中，参照图4(a)，示出了自动驾驶车辆200的初始参考速度分布v_ref0。初始参考速度分布v_ref0是恒定的速度分布，即，如果没有基于最新获得的环境信息来更新或调整规划路径，车辆200被初始地控制为以恒定的速度V₀在规划路径上行驶。可领会的是，在其他一些示例中，由于在规划路径中可能存在一些障碍物(包括行人、车辆等)，初始参考速度分布可以是逐渐变化的速度分布(即，平滑的曲线)。

在步骤S306中，基于初始参考速度分布、环境信息和车辆信息来确定安全系数。

在一些实施例中，安全系数可包括各种要素，例如，针对车辆的速度限制、允许经过弯曲道路的最大速率、车辆与障碍物之间的安全距离等。在一些实施例中，该要素的任意一种或组合可用于确定安全系数。

在一些实施例中，环境信息可包括车道配置、交通灯信号、另一车辆的相对的位置、行人、建筑物、人行横道或其他交通相关的标志(例如，停止标志、让行标志)，这些在以上已经进行了描述，并且将在此不进行阐述。

在一些实施例中，车辆的信息包括车辆的当前速度以及车辆的当前位置。在一些实施例中，车辆的信息还可包括车辆的加速度和/或颠簸度(jerk)。

可基于初始参考速度分布、环境信息和车辆信息来确定安全系数。例如，当安全系数包括速度限制时，可基于针对规划路径的交通规则来确定速度限制，因为自动驾驶车辆应始终遵循交通规则。当安全系数包括允许经过弯曲道路的最大速度时，可确定基于规划路径的曲率、由于车辆的最大功率限制(A_功率_最大)而允许的横向加速度限制(V_横向_最大)和/或最大加速度来确定该最大速度。

在一些实施例中，为了避免与障碍物碰撞，安全系数还包括车辆与障碍物之间的安全距离，以使车辆跟随障碍物。在一些实施例中，安全距离可通过比较本车辆的停止距离与前方障碍物(如果正在移动)的停止距离来确定。在一些实施例中，由于速度不确定性、反应时间等，安全距离可填充有更大的间距。

可领会的是，可考虑安全系数中的两个或更多个要素，以用于通过使用预定评估算法对两个或更多个要素进行加权来确定安全系数。

在示例中，参照图4(b)，用于使车辆200跟随障碍物400的车辆200与障碍物400之间的安全距离S_跟随示出为S₁。如从以上描述中可看出的，安全距离S₁与初始参考速度分布v_ref0有关。根据安全距离S₁和初始参考速度分布v_ref0，可预测车辆200可在时间T₁到达安全距离S1，如图4(a)中所示。

在一些实施例中，可使用以下式(1)来计算安全距离S_跟随：

其中，S_跟随表示安全距离，V_本车表示本车辆(例如，车辆200)的速度，a_本车表示本车辆的加速度/减速度，V_障碍物表示前方障碍物(例如，障碍物400)的速度，a_障碍物表示前方障碍物的预测加速度/减速度。由于基于本车辆和前方障碍物的速度和减速度来计算安全距离S_跟随，因此，即使前方障碍物以预测的减速度减速直至其停止，本车辆仍可具有足够的距离停止在前方障碍物后方。

应理解的是，式(1)是仅考虑本车辆的速度和减速度、前方障碍物的速度和减速度来确定安全距离的示例。在其他实施例中，可考虑本车辆、前方障碍物和环境的更多信息。例如，可执行对象识别算法来识别前方障碍物是行人、车辆、建筑物还是其他障碍物。可基于前方障碍物的身份信息来进一步确定安全距离。通常，本车辆与行人之间的安全距离应大于本车辆与车辆之间的安全距离。在实施例中，安全距离随后被用作安全系数。可领会的是，其他要素(诸如，车辆的最大功率限制)可单独用作安全系数或与任意其他期望的要素组合用作安全系数。

在步骤S308中，基于环境信息、车辆信息和安全系数来确定最佳参考速度分布。

在确定安全系数之后，处理器104可基于环境信息、车辆信息和安全系数来确定最佳参考速度分布。

在一些实施例中，车辆与障碍物之间的安全距离可用来确定最佳参考速度分布。例如，安全距离可用来确定当车辆到达安全距离时车辆的最终速度。然后，可基于车辆的当前速度和当车辆到达安全距离时的最终速度来确定最佳参考速度分布。可领会的是，安全系数中的其他要素(诸如，速度限制、允许经过弯曲道路的最大速度)还可用来确定最佳参考速度分布。例如，在最佳参考速度分布中的任意时间处的速度不应超过交通规则中规定的速度限制。

在一些实施例中，针对规划路径的交通规则、规划路径的曲率和/或前方障碍物的身份信息还用来确定最佳参考速度分布。例如，当将前方障碍物确定为行人时，自动驾驶车辆应缓慢地接近安全距离。也就是说，车辆的加速度应是小的。当将前方障碍物确定为建筑物时，自动驾驶车辆可快速地接近安全距离。也就是说，与行人相比，车辆接近建筑物的最佳参考速度分布中的加速度可更高。

参照图5(a)，示出了最佳参考速度分布v_ref1。如可看出的，车辆200被控制为从V₀减速到V₁(在时间T₂处)以避免与障碍物400碰撞。

可看出的是，图4(a)中示出的初始参考速度分布v_ref0与图5(a)中所示出的最佳参考速度分布v_ref1之间可能存在差。这样的差可导致车辆的速率在从图5(a)中所示出的时间0至时间T₂的时间段期间以加速(或减速)的形式突然变化。在一些实施例中，为了避免速率的变化引起乘客的不舒适，在最佳参考速度分布中，车辆的加速度可能不会突然改变。步骤310提供算法，以评估参考速度分布中的这样的差是否是令人满意的。

具体地，在步骤S310中，确定最佳参考速度分布与初始参考速度分布之间的差是否小于预定阈值。

在一些实施例中，从初始参考速度分布中采样在不同的时间处的一个或多个速度值，并且从最佳参考速度分布中采样相同的数量的在这些时间处的速度值。然后，计算初始参考速度分布的速度值与最佳参考速度分布的速度值之间的差的范数，并将其用作最佳参考速度分布与初始参考速度分布之间的差。例如，从初始参考速度分布中采样五个速度值a₁、a₂、a₃、a₄和a₅，并且从最佳参考速度分布中采样五个速度值b₁、b₂、b₃、b₄和b₅。然后，可根据下式(2)来计算初始参考速度分布的速度值与最佳参考速度分布的速度值之间的差的范数：

其中，N表示初始参考速度分布的速度值与最佳参考速度分布的速度值之间的差的范数。将领会的是，在一些其他实施例中，可从初始参考速度分布和最佳参考速度分布中采样其他数量的速度值。

在一些其他实施例中，在初始参考速度分布与最佳参考速度分布中确定当车辆到达安全距离时的速度，然后，可计算这两个速度之间的差，并将其用作最佳参考速度分布与初始参考速度分布之间的差。

如果最佳参考速度分布与初始参考速度分布之间的差小于预定阈值，则说明最佳参考速度分布是令人满意的，方法进行至步骤S312。如果最佳参考速度分布与初始参考速度分布之间的差等于或大于预定阈值，则说明最佳参考速度分布是不令人满意的，方法返回至步骤S304，以进行下一轮迭代。在一些实施例中，预定阈值为初始参考速度分布中的当前速度的5％、10％或15％。应注意的是，预定阈值可在不同的应用场景中变化。在一些实施例中，考虑到在加速值下所模拟的乘客感受，可基于这样的加速度值来配置预定阈值。

在图5(a)中所示的实施例中，车辆200被控制为减速以避免与障碍物400碰撞。如上所论述的，安全距离与参考速度有关。也就是说，安全距离可随着参考速度变化而变化。如果最佳参考速度分布v_ref1与初始参考速度分布v_ref0之间的差等于或大于预定阈值，则说明最佳参考速度分布可引起自动驾驶车辆的乘客的不舒适。因此，方法返回至步骤S304，然后迭代地执行步骤304、步骤S306和步骤S308，直至最佳参考速度分布v_ref1与初始参考速度分布v_ref0之间的差小于预定阈值。当迭代地执行步骤S306和步骤S308时，前一轮迭代的步骤S308中获取的最佳参考速度分布可用作当前一轮迭代的步骤S306的初始参考速度分布。

在第二轮的迭代中，如图5(b)中所示，基于最佳参考速度分布v_ref1、环境信息和车辆信息，将用于使车辆200跟随障碍物400的车辆200与障碍物400之间的安全距离S_跟随确定为S₂。当初始参考速度分布v_ref0减小至最佳参考速度分布v_ref1时，车辆到达安全距离的速度可从V₀减小至V₁。因此，安全距离可从S₁减小至S₂。当安全距离减小时，自动驾驶车辆可有更多的余量以使参考速度分布最佳化。随后，根据安全距离S₂和最佳参考速度分布v_ref1，可预测车辆200可在如图5(a)中所示的时间T₂到达安全距离S₂。然后，可基于环境信息、车辆信息和安全距离S₂来确定最佳参考速度分布v_ref2。最佳参考速度分布v_ref2的示例示出在图6(a)中。然后，确定最佳参考速度分布v_ref2与初始参考速度分布v_ref1之间的差。如果最佳参考速度分布v_ref2与初始参考速度分布v_ref1之间的差小于预定阈值，则方法进行至步骤S312。如果最佳参考速度分布v_ref2与初始参考速度分布v_ref1之间的差等于或大于预定阈值，则方法返回至步骤S304，并且可执行第三轮的迭代。

在第三轮的迭代中，如图6(b)中所示，基于最佳参考速度分布v_ref2、环境信息和车辆信息，将用于使车辆200跟随障碍物400的车辆200与障碍物400之间的安全距离S_跟随确定为S₃。根据安全距离S₃和最佳参考速度分布v_ref2，可预测车辆200可在如图6(a)中所示的时间T₃到达安全距离S₃。类似地，当参考速度分布v_ref1减小至参考速度分布v_ref2时，车辆到达安全距离的速度从V₁减小至V₂。因此，安全距离可从S₂减小至S₃。当安全距离减小时，自动驾驶车辆可有更多的余量来使参考速度分布进一步最佳化。随后，可基于环境信息、车辆信息和安全距离S₃来确定最佳参考速度分布v_ref3。最佳参考速度分布v_ref3的示例示出在图7中。然后，确定最佳参考速度分布v_ref3与初始参考速度分布v_ref2之间的差是否小于预定阈值。如果最佳参考速度分布v_ref3与初始参考速度分布v_ref2之间的差小于预定阈值，则方法进行至步骤S312。如果最佳参考速度分布v_ref3与初始参考速度分布v_ref2之间的差等于或大于预定阈值，则方法返回至步骤S304，并且可执行第四轮的迭代。可如同第二轮迭代和第三轮迭代来执行第四轮或下一轮的迭代，并且本文不详细阐述第四轮或下一轮的迭代。

如果确定最佳参考速度分布与初始参考速度分布之间的差小于预定阈值，则方法进行至步骤S312。在步骤S312中，将最佳参考速度分布确定为最终参考速度分布。例如，如果确定最佳参考速度分布v_ref3与初始参考速度分布v_ref2之间的差小于预定阈值，则将最佳参考速度分布v_ref3确定为最终参考速度分布。

然后，在确定最佳参考速度分布v_ref3之后，可执行步骤S314。在步骤S314中，车辆被控制为以最终参考速度分布跟随障碍物。

可看到的是，可对最佳参考速度分布的计算进行多次迭代，因为安全系数或特别地在以上示例中的安全距离可随着所计算出的最佳参考速度分布而改变，这反过来可影响最佳参考速度分布的计算。

应注意的是，在一些应用场景中，最佳参考速度分布与初始参考速度分布之间的差在两轮迭代或三轮迭代之后应小于预定阈值。因此，在这些应用场景中，确定安全距离的步骤和确定最佳参考速度分布的步骤可迭代地执行两次或三次，以获取最终参考速度分布。也就是说，在这些应用场景中，可省略方法S300的步骤310。

根据本公开的实施例，当自动驾驶车辆遇到前方障碍物的状态的突然变化时，可将针对在未来时间段(例如，下一个8秒、下一个10秒等)的参考速度分布及时地调整到最终参考速度分布。当自动驾驶车辆根据最终参考速度分布行驶以停止在障碍物处或跟随障碍物时，可减小由于前方环境的突然变化而导致的急剧的速度变化或不必要的紧急制动。此外，本公开的方法在数次迭代(数十毫秒)之后很快收敛到最终结果，因此规划的速度能够抵抗突然的变化。

应注意的是，本公开的实施例中公开的设备和方法可通过其他方式来实现。前述设备和方法实施例仅是说明性的。例如，附图中的流程图和框图示出了根据本公开的实施例中公开的多个设备、方法和计算机程序产品的架构和功能操作。在这方面，流程图或框图的每个框架可代表模块、程序段或程序代码的一部分。模块、程序段或程序代码的该一部分包括用于实现预定的逻辑功能的一个或多个可执行指令。还应当注意的是，在一些可替代的实施例中，在方框中描述的功能也可以以与附图描述不同的顺序发生。例如，实际上可基本上同时执行两个连续的方框。有时，根据功能，它们的执行顺序也可能相反。还应注意的是，框图和/或流程图框的每个方框以及框图和/或流程图框的方框组合可由执行预定功能或操作的专用基于硬件的系统或由专用硬件和计算机指令的组合来实现。

如果功能以软件模块的形式实现，并且作为独立产品被出售或使用，则功能可被存储在计算机可读存储介质中。基于该理解，可以以软件产品的形式来体现本公开的技术性质、对现有技术有贡献的一部分或技术解决方案的一部分。该计算机软件产品存储在存储介质中，该存储介质包括用于指示计算机装置(可以是个人计算机、服务器或网络设备)执行本公开的各个实施例的全部或部分步骤的若干指令。前述存储介质包括：可存储各种程序代码的U盘、可移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、软盘或CD-ROM。

本文已经参考附图描述了各种实施例。然而，将明显的是，在不脱离如以下权利要求书中所阐述的本发明的较宽范围的情况下，可对其进行各种修改和改变，并且可实现其他实施例。

此外，通过考虑说明书和本文公开的本发明的一个或多个实施例的实践，其他实施例对于本领域技术人员而言将是显而易见的。因此，本公开和本文的示例仅意在被认为仅是示例性的，本发明的真实范围和精神由以下所列的示例性权利要求来指示。

Claims (11)

1.一种用于控制自动驾驶车辆的速度的方法，包括以下步骤：

当检测到障碍物位于车辆的规划路径上时，获取所述车辆周围的环境信息；

获取所述车辆的初始参考速度分布；

基于所述初始参考速度分布、所述环境信息和所述车辆的信息来确定安全系数，其中，所述安全系数至少包括用于使所述车辆跟随所述障碍物的所述车辆与所述障碍物之间的安全距离；

基于所述环境信息、所述车辆的信息和所述安全系数来确定最佳参考速度分布；以及

迭代地执行通过使用所述最佳参考速度分布作为所述初始参考速度分布来确定所述安全系数的步骤和确定所述最佳参考速度分布的步骤，直至所述最佳参考速度分布与所述初始参考速度分布之间的差小于预定阈值，所述最佳参考速度分布与所述初始参考速度分布之间的差是由所述最佳参考速度分布的速度值与初始参考速度分布的速度值之间的差值的范数确定得到，所述初始参考速度属于所述初始参考速度分布。

2.根据权利要求1所述的方法，其特征在于，在所述确定的最佳参考速度分布中，所述车辆的加速度连续地改变。

3.根据权利要求1所述的方法，其特征在于，所述环境信息包括用于所述规划路径的交通规则、所述规划路径的曲率、所述障碍物的信息或其组合。

4.根据权利要求3所述的方法，其特征在于，所述障碍物的信息包括所述障碍物的当前速度、所述障碍物的当前位置、所述障碍物的预测速度和所述障碍物的预测位置。

5.根据权利要求1所述的方法，其特征在于，所述车辆的信息包括所述车辆的当前速度和所述车辆的当前位置。

6.根据权利要求1所述的方法，其特征在于，迭代地执行确定所述安全系数的步骤和确定所述最佳参考速度分布的步骤两次或三次，以获取最终参考速度分布。

7.根据权利要求6所述的方法，其特征在于，还包括以下步骤：

控制所述车辆以所述最终参考速度分布跟随所述障碍物。

8.根据权利要求1所述的方法，其特征在于，所述基于所述环境信息、所述车辆的信息和所述安全系数来确定最佳参考速度分布之后，所述方法还包括：

确定所述最佳参考速度分布与所述初始参考速度分布之间的差是否小于所述预定阈值；以及

如果所述最佳参考速度分布与所述初始参考速度分布之间的差小于所述预定阈值，则将所述最佳参考速度分布确定为最终参考速度分布。

9.根据权利要求1所述的方法，其特征在于，当所述安全系数还包括由于所述规划路径的曲率而导致的最大速率时，通过使用预定评估算法对所述由于所述规划路径的曲率而导致的最大速率以及所述安全距离进行加权确定得到所述安全系数。

10.一种用于控制自动驾驶车辆的速度的设备，包括：

处理器；

以及存储器，用于存储可由所述处理器执行的指令；

其中，所述处理器配置为执行以下步骤：

当检测到障碍物位于车辆的规划路径上时，获取所述车辆周围的环境信息；

获取所述车辆的初始参考速度分布：

基于所述初始参考速度分布、所述环境信息和所述车辆的信息来确定安全系数，其中，所述安全系数至少包括用于使所述车辆跟随所述障碍物的所述车辆与所述障碍物之间的安全距离；

基于所述环境信息、所述车辆的信息和所述安全系数来确定最佳参考速度分布；以及

迭代地执行通过使用所述最佳参考速度分布作为所述初始参考速度分布来确定所述安全系数的步骤和确定所述最佳参考速度分布的步骤，直至所述最佳参考速度分布与所述初始参考速度分布之间的差小于预定阈值，所述最佳参考速度分布与所述初始参考速度分布之间的差是由所述最佳参考速度分布的速度值与所述初始参考速度分布的速度值之间的差值的范数确定得到，所述初始参考速度属于所述初始参考速度分布。

11.一种存储有指令的非易失性计算机可读存储介质，当处理器执行所述指令时，使得所述处理器执行用于控制自动驾驶车辆的速度的方法，其中所述方法包括以下步骤：

当检测到障碍物位于车辆的规划路径上时，获取所述车辆周围的环境信息：获取所述车辆的初始参考速度分布：

基于所述初始参考速度分布、所述环境信息和所述车辆的信息来确定安全系数，其中，所述安全系数至少包括使所述车辆跟随所述障碍物的所述车辆与所述障碍物之间的安全距离：

基于所述环境信息、所述车辆的信息和所述安全系数来确定最佳参考速度分布；以及

迭代地执行通过使用所述最佳参考速度分布作为所述初始参考速度分布来确定所述安全系数的步骤和确定所述最佳参考速度分布的步骤，直至所述最佳参考速度分布与所述初始参考速度分布之间的差小于预定阈值，所述最佳参考速度分布与所述初始参考速度分布之间的差是由所述最佳参考速度分布的速度值与初始参考速度分布的速度值之间的差值的范数确定得到，所述初始参考速度属于所述初始参考速度分布。

Images