CN111684379A - 自动驾驶车辆的三点转弯的最优规划器切换方法 - Google Patents
自动驾驶车辆的三点转弯的最优规划器切换方法 Download PDFInfo
- Publication number
- CN111684379A CN111684379A CN201880014886.1A CN201880014886A CN111684379A CN 111684379 A CN111684379 A CN 111684379A CN 201880014886 A CN201880014886 A CN 201880014886A CN 111684379 A CN111684379 A CN 111684379A
- Authority
- CN
- China
- Prior art keywords
- travel
- segment
- point
- cost
- lane
- 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 description 30
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 17
- 230000008447 perception Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000002085 persistent effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 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
- 238000010845 search algorithm Methods 0.000 description 2
- 230000011218 segmentation 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
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program 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
- 238000011156 evaluation Methods 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
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect 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
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
-
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/10—Number of lanes
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Abstract
在自动驾驶车辆(ADV)的操作中规划并执行三点转弯。确定从起点并经过终点的候选路线,起点和终点位于与相反行进方向相关的车道中。候选路线被分类为部分重叠的第一段、第二段和第三段。与候选路线相关的总成本至少部分地基于第一段和第二段来确定。确定总成本是否低于阈值成本。响应于确定总成本低于阈值成本,基于候选路线规划三点转弯。此外,至少部分地基于规划的三点转弯来生成驾驶信号以控制ADV的操作。
Description
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规划自动驾驶车辆的三点转弯。
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。
三点转弯(即,车辆在地图上未指定为U形转弯的位置处的行进方向的反转)是自动驾驶车辆中的复杂运动。三点转弯的规划和路线安排可能非常不同于自动驾驶车辆的正常操作的规划和路线安排。决定是否在两种规划和路线安排的模式之间切换可能是一项具有挑战性的任务。
发明内容
在本公开的方面中,提供了用于在操作自动驾驶车辆(ADV)中规划三点转弯的计算机实施的方法。该方法包括:确定从起点到终点的候选路线,起点在与第一行进方向相关的第一车道内,并且终点在与第二行进方向相关的第二车道内,第二行进方向与第一行进方向相反;将候选路线分类为与第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与第二行进方向相关的第三段;至少部分地基于第一段和第二段确定与候选路线相关的总成本;以及响应于确定总成本低于阈值成本,基于候选路线规划三点转弯,以驾驶ADV进行三点转弯。
在本公开的另一方面中,提供了一种其中存储有指令的非暂时性机器可读介质,以执行在操作自动驾驶车辆(ADV)中规划三点转弯的操作,该操作包括确定从起点到终点的候选路线,起点在与第一行进方向相关的第一车道内,并且终点在与第二行进方向相关的第二车道内,第二行进方向与第一行进方向相反;将候选路线分类为与第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与第二行进方向相关的第三段;至少部分地基于第一段和第二段确定与候选路线相关的总成本;以及响应于确定总成本低于阈值成本,基于候选路线规划三点转弯,以驾驶ADV进行三点转弯。
在本公开的另一方面中,提供了一种数据处理系统。该系统包括处理器;以及存储器,联接至处理器以存储指令,该指令在由处理器执行时使处理器执行在操作自动驾驶车辆(ADV)中规划三点转弯的操作,所述操作包括:确定从起点到终点的候选路线,起点在与第一行进方向相关的第一车道内,并且终点在与第二行进方向相关的第二车道内,第二行进方向与第一行进方向相反;将候选路线分类为与第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与第二行进方向相关的第三段;至少部分地基于第一段和第二段确定与候选路线相关的总成本;以及响应于确定总成本低于阈值成本,基于候选路线规划三点转弯,以驾驶ADV进行三点转弯。
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是示出典型的三点转弯驾驶场景的图。
图5是示出根据一个实施方式的各种模块的框图。
图6是示出根据一个实施方式的规划的三点转弯路线的图。
图7是示出根据一个实施方式的在操作自动驾驶车辆(ADV)中规划三点转弯的示例性方法的流程图。
图8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,在自动驾驶车辆(ADV)的操作中规划并执行三点转弯。确定从起点且通过终点的候选路线,起点在与第一行进方向相关的第一车道内,并且终点在与第二行进方向相关的第二车道内,第二行进方向与第一行进方向相反。候选路线被分类为部分重叠的第一段、第二段和第三段,第一段与第一行进方向相关,第二段与三点转弯区域相关,第三段与第二行进方向相关。使用预定成本函数、至少部分地基于第一段和第二段来确定与候选路线相关的总成本。确定总成本是否低于阈值成本。响应于确定总成本低于阈值成本,基于候选路线规划三点转弯。此外,至少部分地基于规划的三点转弯来生成驾驶信号以控制ADV的操作。
在一个实施方式中,确定候选路线包括对地图数据执行搜索算法,例如A-Star搜索,其中,分别与第一行进方向和第二行进方向相关的第一车道和第二车道两者均被视为可搜索和可连接的。
在一个实施方式中,总成本至少包括障碍物成本和剩余车道长度成本。障碍物成本至少部分地基于ADV与候选路线附近的一个或多个障碍物中的每一个障碍物之间的距离来确定。剩余车道长度成本至少部分地基于第一段的长度来确定。剩余车道长度指的是当前车道段或路线段中剩余的车道长度。也就是说,剩余车道长度是车辆的当前位置与当前车道段的终点之间的距离。
在一个实施方式中,当ADV的前进方向与参考前进方向之间的差小于阈值前进方向差时,完成规划的三点转弯。在完成规划的三点转弯之后,ADV的操作切换回到正常操作模式中。
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可以包括三点转弯规划器算法和/或成本函数,以根据本公开的实施方式计算进行三点转弯的成本。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和三点转弯规划模块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,三点转弯模块308可实现或集成为规划模块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,三点转弯(TPT)模块308负责确定并向规划模块305提供三点转弯决策或推荐。如上所述,TPT模块308可以实现为规划模块305的一部分。一旦决策模块304确定进行三点转弯,TPT模块308配置成确定该时间点处的三点转弯是否可行,并且如果可行,则使用一个或多个TPT算法313确定如何进行三点转弯。
如图4所示,当决定是否进行三点转弯时,必须考虑各种因素。当ADV 330决定进行三点转弯时,它必须经由路径341朝向相对车道或交通的远车道曲线进行第一向前转弯。然后,它必须经由路径342朝向当前车道的近车道曲线进行向后移动。此后,它必须经由路径343进行另一向前移动,以完成三点转弯。可能存在其他障碍物,例如,相对车道上的朝向ADV 330的另一车辆335。如果两个车辆330和335之间的距离太近,则进行三点转弯可能是不安全的。类似地,如果剩余车道长度不足,则可能没有足够的空间进行三点转弯。在确定是否以及如何进行三点转弯时,必须将这些情景作为因素进行考虑。剩余车道长度指的是当前车道段或路线段中剩余的车道长度。也就是说,剩余车道长度是车辆的当前位置与当前车道段的终点之间的距离。
参考图5,示出了根据一个实施方式的三点转弯模块的各种模块的框图400。确定从起点且通过终点的候选路线。起点位于与第一行进方向(例如,当前前进方向)相关的第一车道内。终点位于与第二行进方向(例如,相对于当前方向的反向方向)相关的第二车道内,第二行进方向与第一行进方向相反。起点和终点可以统称为路线点410。在确定候选路线时,TPT模块308的搜索模块对地图数据执行A-Star(A*)搜索420,其中,分别与第一行进方向和第二行进方向相关的第一车道和第二车道被视为可搜索和可连接的。
A-Star搜索是广泛用于路径寻找和图遍历的计算机算法,其是在多个点(称为“节点”)之间寻找路径的过程。由于其性能和准确性,它得到广泛使用。A*是一种知情搜索算法,或最佳优先搜索,意味着其是根据加权图表制定的:从图的特定起始节点开始,其旨在找到具有最小成本的、到给定目标节点的路径(最小行进距离、最短时间等)。其通过以下方法实现这一点:通过维护源自起始节点的路径树并且一次一个地扩展那些路径直到满足其终止标准。在其主循环的每次迭代中,A*需要确定要扩展它的路径中的哪一条。其是基于路径的成本和将路径一直扩展到目标所需的成本估算来实现的。当其选择扩展的路径是从起点到目标的路径或者没有可以扩展的路径时,A*终止。
在一个实施方式中,TPT模块308包括路线分段器或分段模块321,以根据预定的分段算法或标准将路线候选分段成路线段并对路线段进行分类。候选路线被分类为部分重叠的第一段430、第二段432和第三段434,第一段430与第一行进方向相关,第二段432与三点转弯区域相关,并且第三段434与第二行进方向相关。
TPT模块308还包括成本计算器322,以使用预定成本函数计算用于进行三点转弯的成本,该预定成本函数可以是TPT算法313的一部分。具体地,与候选路线相关的总成本是至少部分地基于第一段430和第二段432,在成本评估模块440处确定的。确定总成本是否低于预定阈值成本。阈值成本是可以凭经验确定的可调参数。响应于确定总成本低于阈值成本,基于候选路线在三点转弯规划器模块442处规划三点转弯,其中TPT规划器模块442可以实现为规划模块305的一部分。此外,至少部分地基于规划的三点转弯来生成驾驶信号以控制ADV的操作。
在一个实施方式中,总成本至少包括障碍物成本和剩余车道长度成本。障碍物成本至少部分地基于ADV与候选路线附近的一个或多个障碍物(例如,其与候选路线的距离短于阈值的障碍物)中的每个障碍物之间的距离来确定。剩余车道长度成本至少部分地基于第一段的长度来确定。具体地,总成本可以基于成本函数确定:
Ctotal=α∑e-λ/dis+βe-δ/Δs
其中,α∑e-λ/dis表示障碍物成本,即,通过添加所有在预定接近度内的每个障碍物的单独障碍物成本获得的总障碍物成本。βe-δ/Δs表示剩余车道长度成本。参数dis表示车辆与障碍物之间的距离。Delta s(Δs)表示剩余车道长度。参数α、λ、β和δ是可以凭经验确定的可调参数。
如上述成本函数中所示,当车辆与障碍物之间的距离较短时,相应的障碍物成本将更高,这表明进行三点转弯可能是不安全的,因为附近存在障碍物。类似地,当剩余车道长度较短时,成本将更高,因为可能没有足够的空间进行三点转弯。
在一个实施方式中,可以基于由数据分析系统(诸如图1的服务器103)从类似行驶环境或场景中行驶的大量车辆收集的大量驾驶统计来确定上述成本函数和相关参数。当总成本低于预定阈值时,将调用TPT规划器442来规划和控制车辆以进行三点转弯。
在一个实施方式中,当完成条件检查模块450确定ADV的前进方向与参考前进方向之间的差小于阈值前进方向差时,完成规划的三点转弯。阈值前进方向差是可以凭经验确定的可调参数。在完成规划的三点转弯之后,ADV的操作切换回到正常操作模式460。
参考图6,示出了根据一个实施方式的规划的三点转弯路线500的图。路线500从起点510开始并经过终点512,起点在与第一行进方向相关的第一车道520内,并且终点在与和第一行进方向相反的第二行进方向相关的第二车道522内。第一车道520包括子段1至4,并且第二车道522包括子段5至7。路线500被分类为部分重叠的第一段、第二段和第三段,第一段与第一行进方向相关,第二段与三点转弯区域相关,并且第三段与第二行进方向相关。因此,这里,第一段包括子段1至4;第二段包括子段4和5;第三段包括子段5至7。
参考图7,示出了根据一个实施方式的在操作自动驾驶车辆(ADV)时用于规划三点转弯的示例性方法600的流程图。方法600可以用硬件、软件或其组合来实现。在块610处,确定从起点开始并经过终点的候选路线,起点在与第一行进方向相关的第一车道内,并且终点在与第二行进方向相关的第二车道内,第二行进方向与第一行进方向相反。在块620处,候选路线被分类为部分重叠的第一段、第二段和第三段,第一段与第一行进方向相关,第二段与三点转弯区域相关,并且第三段与第二行进方向相关。在块630处,至少部分地基于第一段和第二段确定与候选路线相关的总成本。在块640处,确定总成本是否低于阈值成本。在块650处,响应于确定总成本低于阈值成本,基于候选路线规划三点转弯。此外,在块660处,至少部分地基于规划的三点转弯生成驾驶信号以控制ADV的操作。
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)、来自公司的操作系统、来自苹果公司的来自公司的LINUX、UNIX,或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置,诸如装置1505至1508,包括网络接口装置1505、可选的输入装置1506,以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如,全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如,手写笔)和/或键盘(例如,物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如,输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种,以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风,以促进支持语音的功能,诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如,PCI-PCI桥)、传感器(例如,诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如,摄像机),所述成像处理子系统可以包括用于促进摄像机功能(诸如,记录照片和视频片段)的光学传感器,诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510,而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储,大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中,为了实现更薄且更轻的系统设计并且改进系统响应性,这种大容量存储设备可以经由固态装置(SSD)来实施。然而,在其它实施方式中,大容量存储设备可以主要使用硬盘驱动器(HDD)来实施,其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储,从而使得在系统活动重新启动时能够实现快速通电。另外,闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储,所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质),其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如,模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个,例如,规划模块305、控制模块306、三点转弯规划模块308等。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 (21)
1.一种在操作自动驾驶车辆(ADV)中规划三点转弯的计算机实施的方法,所述方法包括:
确定从起点到终点的候选路线,所述起点在与第一行进方向相关的第一车道内,并且所述终点在与第二行进方向相关的第二车道内,所述第二行进方向与所述第一行进方向相反;
将所述候选路线分类为与所述第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与所述第二行进方向相关的第三段;
至少部分地基于所述第一段和所述第二段确定与所述候选路线相关的总成本;以及
响应于确定所述总成本低于阈值成本,基于所述候选路线规划所述三点转弯,以驾驶所述ADV进行所述三点转弯。
2.根据权利要求1所述的方法,其中,确定所述候选路线包括对地图数据执行A-Star搜索,其中,分别与所述第一行进方向和所述第二行进方向相关的所述第一车道和所述第二车道两者均被视为可搜索和可连接的。
3.根据权利要求1所述的方法,其中,所述总成本至少包括障碍物成本和剩余车道长度成本。
4.根据权利要求3所述的方法,其中,所述障碍物成本至少部分地基于所述ADV与所述候选路线附近的一个或多个障碍物中的每一个障碍物之间的距离来确定。
5.根据权利要求3所述的方法,其中,所述剩余车道长度成本至少部分地基于所述第一段的长度来确定。
6.根据权利要求1所述的方法,还包括当所述ADV的前进方向与参考前进方向之间的差小于阈值前进方向差时,完成所规划的三点转弯。
7.根据权利要求6所述的方法,还包括在完成所规划的三点转弯之后,将所述ADV的操作切换回到正常操作模式中。
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在操作自动驾驶车辆(ADV)中规划三点转弯的操作,所述操作包括:
确定从起点到终点的候选路线,所述起点在与第一行进方向相关的第一车道内,并且所述终点在与第二行进方向相关的第二车道内,所述第二行进方向与所述第一行进方向相反;
将所述候选路线分类为与所述第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与所述第二行进方向相关的第三段;
至少部分地基于所述第一段和所述第二段确定与所述候选路线相关的总成本;以及
响应于确定所述总成本低于阈值成本,基于所述候选路线规划所述三点转弯,以驾驶所述ADV进行所述三点转弯。
9.根据权利要求8所述的机器可读介质,其中,确定所述候选路线包括对地图数据执行A-Star搜索,其中,分别与所述第一行进方向和所述第二行进方向相关的所述第一车道和所述第二车道两者均被视为可搜索和可连接的。
10.根据权利要求8所述的机器可读介质,其中,所述总成本至少包括障碍物成本和剩余车道长度成本。
11.根据权利要求10所述的机器可读介质,其中,所述障碍物成本至少部分地基于所述ADV与所述候选路线附近的一个或多个障碍物中的每一个障碍物之间的距离来确定。
12.根据权利要求10所述的机器可读介质,其中,所述剩余车道长度成本至少部分地基于所述第一段的长度来确定。
13.根据权利要求8所述的机器可读介质,所述操作还包括当所述ADV的前进方向与参考角度之间的差小于阈值前进方向差时,完成所规划的三点转弯。
14.根据权利要求13所述的机器可读介质,所述操作还包括在完成所规划的三点转弯之后,将所述ADV的操作切换回到正常操作模式中。
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在操作自动驾驶车辆(ADV)中规划三点转弯的操作,所述操作包括:
确定从起点到终点的候选路线,所述起点在与第一行进方向相关的第一车道内,并且所述终点在与第二行进方向相关的第二车道内,所述第二行进方向与所述第一行进方向相反,
将所述候选路线分类为与所述第一行进方向相关的第一段、与三点转弯区域相关的第二段以及与所述第二行进方向相关的第三段,
至少部分地基于所述第一段和所述第二段确定与所述候选路线相关的总成本,以及
响应于确定所述总成本低于阈值成本,基于所述候选路线规划所述三点转弯,以驾驶所述ADV进行所述三点转弯。
16.根据权利要求15所述的数据处理系统,其中,确定所述候选路线包括对地图数据执行A-Star搜索,其中,分别与所述第一行进方向和所述第二行进方向相关的所述第一车道和所述第二车道两者均被视为可搜索和可连接的。
17.根据权利要求15所述的数据处理系统,其中,所述总成本至少包括障碍物成本和剩余车道长度成本。
18.根据权利要求17所述的数据处理系统,其中,所述障碍物成本至少部分地基于所述ADV与所述候选路线附近的一个或多个障碍物中的每一个障碍物之间的距离来确定。
19.根据权利要求17所述的数据处理系统,其中,所述剩余车道长度成本至少部分地基于所述第一段的长度来确定。
20.根据权利要求15所述的数据处理系统,所述操作还包括当所述ADV的前进方向与参考角度之间的差小于阈值前进方向差时,完成所规划的三点转弯。
21.根据权利要求20所述的数据处理系统,所述操作还包括在完成所规划的三点转弯之后,将所述ADV的操作切换回到正常操作模式中。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/123953 WO2020132954A1 (en) | 2018-12-26 | 2018-12-26 | Optimal planner switch method for three point turn of autonomous driving vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111684379A true CN111684379A (zh) | 2020-09-18 |
CN111684379B CN111684379B (zh) | 2023-12-22 |
Family
ID=71126105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880014886.1A Active CN111684379B (zh) | 2018-12-26 | 2018-12-26 | 自动驾驶车辆的三点转弯的最优规划器切换方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11338855B2 (zh) |
EP (1) | EP3698228B1 (zh) |
JP (1) | JP6987150B2 (zh) |
CN (1) | CN111684379B (zh) |
WO (1) | WO2020132954A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11119494B2 (en) * | 2019-01-07 | 2021-09-14 | Wing Aviation Llc | Using machine learning techniques to estimate available energy for vehicles |
CN113494920A (zh) * | 2020-03-20 | 2021-10-12 | 深圳市超捷通讯有限公司 | 导航路线规划方法、装置及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5870303A (en) * | 1987-11-20 | 1999-02-09 | Philips Electronics North America Corporation | Method and apparatus for controlling maneuvers of a vehicle |
CN101311676A (zh) * | 2007-05-25 | 2008-11-26 | 佛山市顺德区汉达精密电子科技有限公司 | 卫星导航装置及其路线规划方法 |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN102607570A (zh) * | 2011-01-20 | 2012-07-25 | 泰为信息科技公司 | 具有调度意图训练机制的导航系统及操作导航系统的方法 |
CN105573323A (zh) * | 2016-01-12 | 2016-05-11 | 福州华鹰重工机械有限公司 | 自动驾驶轨迹生成方法及装置 |
WO2016091306A1 (en) * | 2014-12-10 | 2016-06-16 | Here Global B.V. | Apparatus and associated method for providing u-turn guidance |
JP2016188771A (ja) * | 2015-03-30 | 2016-11-04 | アイシン・エィ・ダブリュ株式会社 | 制御計画立案システム、制御計画立案方法および制御計画立案プログラム |
US20170356748A1 (en) * | 2016-06-14 | 2017-12-14 | nuTonomy Inc. | Route Planning for an Autonomous Vehicle |
CN107577227A (zh) * | 2016-07-05 | 2018-01-12 | 百度(美国)有限责任公司 | 操作无人驾驶车辆的方法、装置和数据处理系统 |
CN108139884A (zh) * | 2016-09-28 | 2018-06-08 | 百度(美国)有限责任公司 | 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法 |
US20180188059A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Line Creation for High Definition Maps for Autonomous Vehicles |
CN108463690A (zh) * | 2016-01-14 | 2018-08-28 | 福特全球技术公司 | 评估u形转弯可行性 |
US20180267537A1 (en) * | 2017-03-14 | 2018-09-20 | Uber Technologies, Inc. | Hierarchical motion planning for autonomous vehicles |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0375055B1 (en) | 1988-12-23 | 1995-03-22 | Koninklijke Philips Electronics N.V. | Method and apparatus for controlling maneuvers of a vehicle, and vehicle comprising such apparatus |
JP4665581B2 (ja) * | 2004-12-10 | 2011-04-06 | トヨタ自動車株式会社 | 方向転換支援システム |
JP2007156808A (ja) | 2005-12-05 | 2007-06-21 | Nissan Motor Co Ltd | 運転支援装置及び運転支援方法 |
CN108459588B (zh) * | 2017-02-22 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 自动驾驶方法及装置、车辆 |
JP2018138404A (ja) | 2017-02-24 | 2018-09-06 | マツダ株式会社 | 車両運転支援システム及び方法 |
JP2018149965A (ja) | 2017-03-14 | 2018-09-27 | アイシン・エィ・ダブリュ株式会社 | 表示装置 |
US10496362B2 (en) * | 2017-05-20 | 2019-12-03 | Chian Chiu Li | Autonomous driving under user instructions |
US10754339B2 (en) * | 2017-09-11 | 2020-08-25 | Baidu Usa Llc | Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles |
US20190113351A1 (en) * | 2017-10-12 | 2019-04-18 | Uber Technologies, Inc. | Turn Based Autonomous Vehicle Guidance |
CN107813820A (zh) * | 2017-10-13 | 2018-03-20 | 江苏大学 | 一种仿优秀驾驶员的无人车换道路径规划方法 |
CN107843267B (zh) * | 2017-10-25 | 2020-04-17 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
PL3492873T3 (pl) * | 2017-11-30 | 2021-10-18 | Einride Ab | Sposób planowania transportu optymalizacji pakietu akumulatorowego |
CN108831177B (zh) * | 2018-05-31 | 2021-03-19 | 苏州睿源科技信息有限公司 | 一种无人驾驶汽车掉头控制方法及装置 |
-
2018
- 2018-12-26 EP EP18907486.7A patent/EP3698228B1/en active Active
- 2018-12-26 JP JP2019555235A patent/JP6987150B2/ja active Active
- 2018-12-26 US US16/314,352 patent/US11338855B2/en active Active
- 2018-12-26 WO PCT/CN2018/123953 patent/WO2020132954A1/en unknown
- 2018-12-26 CN CN201880014886.1A patent/CN111684379B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5870303A (en) * | 1987-11-20 | 1999-02-09 | Philips Electronics North America Corporation | Method and apparatus for controlling maneuvers of a vehicle |
CN101311676A (zh) * | 2007-05-25 | 2008-11-26 | 佛山市顺德区汉达精密电子科技有限公司 | 卫星导航装置及其路线规划方法 |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN102607570A (zh) * | 2011-01-20 | 2012-07-25 | 泰为信息科技公司 | 具有调度意图训练机制的导航系统及操作导航系统的方法 |
WO2016091306A1 (en) * | 2014-12-10 | 2016-06-16 | Here Global B.V. | Apparatus and associated method for providing u-turn guidance |
JP2016188771A (ja) * | 2015-03-30 | 2016-11-04 | アイシン・エィ・ダブリュ株式会社 | 制御計画立案システム、制御計画立案方法および制御計画立案プログラム |
CN105573323A (zh) * | 2016-01-12 | 2016-05-11 | 福州华鹰重工机械有限公司 | 自动驾驶轨迹生成方法及装置 |
CN108463690A (zh) * | 2016-01-14 | 2018-08-28 | 福特全球技术公司 | 评估u形转弯可行性 |
US20170356748A1 (en) * | 2016-06-14 | 2017-12-14 | nuTonomy Inc. | Route Planning for an Autonomous Vehicle |
CN107577227A (zh) * | 2016-07-05 | 2018-01-12 | 百度(美国)有限责任公司 | 操作无人驾驶车辆的方法、装置和数据处理系统 |
CN108139884A (zh) * | 2016-09-28 | 2018-06-08 | 百度(美国)有限责任公司 | 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法 |
US20180188059A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Line Creation for High Definition Maps for Autonomous Vehicles |
US20180267537A1 (en) * | 2017-03-14 | 2018-09-20 | Uber Technologies, Inc. | Hierarchical motion planning for autonomous vehicles |
Non-Patent Citations (1)
Title |
---|
KUWATA Y ET AL: "real-time motion planning with applications to autonomous urban driving", vol. 17, no. 5, XP011271013, DOI: 10.1109/TCST.2008.2012116 * |
Also Published As
Publication number | Publication date |
---|---|
US11338855B2 (en) | 2022-05-24 |
JP2021511999A (ja) | 2021-05-13 |
EP3698228A1 (en) | 2020-08-26 |
CN111684379B (zh) | 2023-12-22 |
WO2020132954A1 (en) | 2020-07-02 |
JP6987150B2 (ja) | 2021-12-22 |
US20210188354A1 (en) | 2021-06-24 |
EP3698228A4 (en) | 2020-11-18 |
EP3698228B1 (en) | 2022-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491375B (zh) | 用于自动驾驶车辆的基于驾驶场景的路径规划 | |
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 | |
CN109489673B (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110325935B (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
CN110667591A (zh) | 用于自动驾驶车辆的规划驾驶感知系统 | |
CN110621541B (zh) | 用于生成轨迹以操作自动驾驶车辆的方法和系统 | |
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 | |
CN111328411B (zh) | 用于自动驾驶车辆的行人概率预测系统 | |
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 | |
CN111061261A (zh) | 使用标准导航地图与基于车辆的先前轨迹确定的车道配置的自动驾驶 | |
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 | |
CN111615476B (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 | |
CN110597243A (zh) | 自动驾驶车辆的基于v2x通信的车辆车道系统 | |
CN111712417A (zh) | 用于自动驾驶车辆的、基于隧道的规划系统 | |
CN111328313B (zh) | 用于自动驾驶车辆的控制占主导的三点转弯规划 | |
CN111857119A (zh) | 用于停放自动驾驶车辆的停车管理架构 | |
CN111615618A (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 | |
CN111328385A (zh) | 用于自动驾驶车辆的基于螺旋路径的三点转弯规划 | |
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 | |
CN111103876A (zh) | 自动驾驶车辆的基于雷达通信的扩展感知 | |
CN111683851B (zh) | 用于自动驾驶的自反向车道的相互避开算法 | |
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 |