CN111830959A - 用于操作自动驾驶车辆的方法、系统和机器可读介质 - Google Patents
用于操作自动驾驶车辆的方法、系统和机器可读介质 Download PDFInfo
- Publication number
- CN111830959A CN111830959A CN201911147002.2A CN201911147002A CN111830959A CN 111830959 A CN111830959 A CN 111830959A CN 201911147002 A CN201911147002 A CN 201911147002A CN 111830959 A CN111830959 A CN 111830959A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- cost
- discrete point
- path
- path trajectory
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000006870 function Effects 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 53
- 230000008447 perception Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000007405 data analysis Methods 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
- 230000008672 reprogramming Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication 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
- 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
- 238000012887 quadratic function Methods 0.000 description 1
- 230000010076 replication 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
- 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
- G05D1/0217—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, 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0261—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic plots
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal 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
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了用于操作自动驾驶车辆的方法、系统和机器可读介质。根据实施方式,ADV包括一种规划路径的方法。所述方法选择路径的多个离散点为所述路径确定障碍物成本。针对不与障碍物重叠的离散点,所述方法使用第一成本函数从起始离散点开始通过依次远离所述起始点的离散点累加所述路径的障碍物成本,直到确定与障碍物重叠的第一离散点。所述方法使用第二成本函数为所述第一离散点计算重叠的障碍物成本。所述第二成本函数是以从所述路径的所述起始点到所述第一离散点的距离为基础。所述方法将所述重叠的障碍物成本累加到所述障碍物成本以为与障碍物重叠的所述路径确定所述障碍物成本。
Description
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地,本公开的实施方式涉及通过为自动驾驶车辆(ADV)调整路径长度的用于复杂场景的路径规划。
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。
运动规划与控制是自动驾驶中的关键操作。运动规划与控制可以包括路径规划和速度规划。传统的路径规划操作基于由车辆感知的障碍物、交通状况、道路边界等来估计完成多个轨迹的难度,以确定优化的路径轨迹,其中优化的路径轨迹满足车辆的一组路径规划标准。然而,一些复杂场景可能使车辆不能成功地确定路径轨迹或可能导致车辆选择非优化的路径轨迹。
发明内容
本公开旨在提供复杂场景下的路径优化方案。
根据本公开的一个方面,一种用于操作自动驾驶车辆ADV的计算机实现的方法,所述方法包括:针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
根据本公开的另一方面,一种非暂时性机器可读介质,存储有指令,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:针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;以及基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
根据本公开的又一方面,一种数据处理系统,包括:处理器;以及存储器,联接至所述处理器以存储指令,所述指令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:针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;以及基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
根据本公开的实施方式,能够在复杂场景下提供优化的路径轨迹规划。
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示相似元件。
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和图3B是示出根据一些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决策与规划过程的示例的框图。
图5是示出根据一个实施方式的决策模块的示例的框图。
图6是示出根据一个实施方式的用于路径规划的场景的图示。
图7是示出根据一个实施方式的在场景内通过路径规划操作确定的路径轨迹的图示。
图8是示出根据一个实施方式的用于确定障碍物成本的障碍物碰撞函数的图示。
图9是示出根据一个实施方式的路径规划的方法的流程图。
图10是示出根据另一实施方式的路径规划的方法的流程图。
图11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,附图将示出所述各种实施方式。下列描述和附图是对本公开的说明,而不应当解释为限制本公开。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同一实施方式。
根据一些实施方式,ADV包括一种规划路径轨迹的方法。该方法选择路径轨迹的多个离散点来确定该路径轨迹的障碍物成本。从起始离散点开始并沿该路径轨迹逐步通过依次远离起始点的离散点,该方法确定任意离散点是否与障碍物重叠。针对不与障碍物重叠的离散点,该方法使用第一成本函数从起始离散点开始通过依次远离起始点的离散点为离散点累加该路径轨迹的障碍物成本,直到确定与障碍物重叠的第一离散点。在一个实施方式中,如果无离散点与任意障碍物重叠,则该方法使用第一函数为该路径轨迹的全部离散点累加该路径轨迹的障碍物成本。如果第一离散点被确定与障碍物重叠,则该方法为使用第二成本函数为第一离散点计算重叠障碍物成本。第二成本函数是以该路径轨迹的第一离散点与其起始离散点的距离为基础。该方法将计算出的重叠障碍物成本累加到障碍物成本以确定与障碍物重叠的路径轨迹的障碍物成本。
根据一个实施方式,针对从起始离散点开始的为ADV规划的路径轨迹的离散点中的每个,确定离散点是否与障碍物重叠。如果离散点不与障碍物重叠,则使用第一成本函数确定与该离散点相关联的障碍物成本。否则,使用与第一障碍物函数不同的第二成本函数确定离散点的障碍物成本。然后基于路径轨迹的全部离散点的障碍物成本计算总障碍物成本。随后利用路径轨迹的总障碍物成本确定该路径轨迹是否可以用于驾驶ADV。
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还可以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、气候状况等。
基于驾驶统计数据123,机器学习引擎122生成或训练用于各种目的的一组规则、算法和/或预测模型124。在一个实施方式中,例如,算法124可以包括优化方法以优化路径规划和速度规划。路径规划优化方法可以选择具有最低成本函数的路径轨迹。成本函数的一个分量是障碍物成本。路径轨迹可以被离散化成多个离散点。每个离散点的障碍物成本可以使用第一成本函数从路径轨迹上的起始离散点开始逐步通过依次远离起始点的离散点进行累加,直到发现与障碍物重叠的第一离散点。
针对不与障碍物重叠的离散点,离散点离障碍物越远,离散点的障碍物成本越低。被发现与障碍物重叠的第一离散点的障碍物成本使用第二成本函数基于第一离散点与起始离散点的距离进行计算。第一离散点离起始离散点越远,第一离散点的障碍物成本可能越低。被发现与障碍物重叠的第一离散点的障碍物成本可以加到第一离散点之前的其余离散点的累加的障碍物成本上以确定路径轨迹的障碍物成本。包括路径规划优化方法的算法124可以被上传到自动驾驶车辆以用于实时为车辆生成路径轨迹。
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可以被实施为图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和图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、以及路线模块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,这些模块可以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以通信地联接到图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中的一些可以一起集成为集成模块。例如,决策模块304和规划模块305可以集成为单个模块。
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)以及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起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信,以获得行程相关数据。例如,定位模块301可以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,并且MPOI服务器提供地图服务和某些位置的POI,从而可以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也可以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(例如,直线车道或弯曲车道)、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车道或多个车道的信息,例如车道的形状(直线或弯曲)、车道的宽度、道路中的车道数、单行或双行车道、合流或分流车道、离去车道等。
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。预测是根据一组地图/路线信息311和交通规则312、基于感知在该时间点的驾驶环境的感知数据执行的。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304将预测车辆可能会向前直行还是转弯。如果感知数据表明十字路口没有交通灯,则预测模块304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仅左转车道或仅右转车道,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可以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,所述规则集可以存储在永久性存储装置352中。
基于针对所感知到的对象中的每个的决定,规划模块305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)。换言之,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、制动和转弯命令)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(也称作为指令周期)中执行,例如,在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或指令周期中的每一个,将基于规划和控制数据发出一个或多个控制指令。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。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指令(例如,油门、制动、转向控制指令)。
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实现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。
决策模块304/规划模块305还可以包括防撞系统或防撞系统的功能,以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如,防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化:操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
路线模块307被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。对于从起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,路线模块307获得路线与地图信息311,并确定从起始位置至到达目的地位置的所有可能路线或路径。路线模块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。取决于时间点下的特定驾驶环境,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模块307提供的参考线。
在一个实施方式中,决策模块304基于由路线模块307提供的参考线和基于由ADV感知的障碍物和/或交通信息生成粗略的路径曲线。粗略的路径曲线可以是可以存储在永久性存储装置352中的路径/速度曲线313的一部分。粗略的路径曲线通过沿参考线选择点来生成。针对每个点,决策模块304基于关于如何与对象相遇的一个或多个障碍物决策来将该点移到参考线的左侧或右侧(例如,候选移动),而其余的点保持不动。所述候选移动是在使用作为图3A的成本函数315一部分的成本函数搜索具有最低路径成本的路径候选的过程中通过对路径候选动态编程来迭代地执行,由此生成粗略的路径曲线。成本函数的示例包括基于下列项的成本:路线路径的曲率、ADV到感知的障碍物的距离、以及ADV到参考线的距离。
在一个实施方式中,决策模块304基于生成的粗略的路径曲线生成粗略的速度曲线(作为路径/速度曲线313的一部分)。粗略的速度曲线指示在具体时间点控制ADV的最佳速度。类似于粗略的路径曲线,不同时间点下的候选速度使用动态编程进行迭代以根据由ADV感知的障碍物基于作为图3A的成本函数315一部分的成本函数找到具有最低速度成本的速度候选(例如,加速或减速)。粗略的速度曲线决定ADV应该超车还是避让障碍物,以及避让到障碍物的左侧还是右侧。
在一个实施方式中,规划模块305根据障碍物决策和/或人为屏障重新计算粗略的路径曲线,以禁止规划模块305搜索屏障的几何空间。例如,如果粗略的速度曲线确定从左侧趋近障碍物,则规划模块305可以将屏障(障碍物形式)设置在障碍物的右侧,从而防止对ADV的计算从该右侧趋近障碍物。在一个实施方式中,通过使用二次编程(QP)优化(作为函数315的一部分的)成本函数来重新计算粗略的路径曲线。
在一个实施方式中,规划模块305使用二次编程(QP)优化(作为成本函数315的一部分的)速度成本函数来重新计算粗略的速度曲线。类似的速度屏障约束可以被添加,以禁止QP求解器搜索一些禁止的速度。
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4是示出根据一个实施方式的决策与规划过程的示例的框图。图5是示出根据一个实施方式的决策模块304的示例的框图。参考图4,决策与规划过程400包括路线模块307、定位/感知数据401、路径决策过程403、速度决策过程405、路径规划过程407、速度规划过程409和轨迹计算器413。
路径决策过程403和速度决策过程405可以分别由图5中的决策模块304的路径决策模块501和速度决策模块503执行。参考图4和图5,路径决策过程403或路径决策模块501包括路径状态机505和路径交通规则507。路径决策过程403或路径决策模块501可以使用动态编程生成粗略的路径曲线作为路径/速度规划过程407和409的初始约束。在一个实施方式中,路径状态机505包括至少三个状态:巡航、变换车道和空闲状态。路径状态机505提供先前的规划结果和重要的信息,例如ADV是巡航还是变换车道。作为图3A的驾驶/交通规则312的一部分的路径交通规则507包括可能影响路径决策模块结果的交通规则。例如,路径交通规则507可以包括交通信息,例如建筑交通标志,由此ADV可以避开具有这些建筑标志的车道。根据由路径状态机504提供的状态、交通规则、由路线模块307提供的参考线和由ADV感知的障碍物,路径决策过程403可以决定所感知的障碍物如何被处理(即,忽略、超车、让行、停止、超过),作为粗略的路径曲线的一部分。
例如,在一个实施方式中,粗略的路径曲线通过由基于下列项的成本构成的成本函数生成:路径的曲率、以及从参考线和/或参考点到障碍物的距离。参考线上的点被选择和移动至参考线的左侧或右侧作为表示路径候选的候选移动。每个候选移动具有相关联的成本。参考线上的一个或多个点的候选移动的相关联的成本可以使用动态编程以每次一个点的方式顺序地求解最佳成本。动态编程(或动态优化)是数学优化方法并且分解问题以被求解成一系列值函数,一次性求解这些值函数的每个并存储它们的解。下一次同一值函数出现时,代替重新计算其解,简单地查找先前计算的解以节省计算时间。
速度决策过程405或速度决策模块503包括速度状态机511和速度交通规则513。速度决策过程405或速度决策模块503可以使用动态编程生成粗略的速度曲线作为路径/速度规划过程407和409的初始约束。在一个实施方式中,速度状态机511包括至少两个状态:加速状态和减速状态。作为图3A的驾驶/交通规则312的一部分的速度交通规则513包括可以影响速度决策模块结果的交通规则。例如,速度交通规则513可以包括交通信息例如红/绿交通灯、交叉路线中的另一车辆等。根据速度状态机的状态、速度交通规则、由决策过程403生成的粗略的路径曲线、以及感知的障碍物,速度决策过程405可以生成粗略的速度曲线来控制ADV何时加速和/或减速。
参考图4,路径规划过程407可以使用粗略的路径曲线作为初始约束以使用二次编程重新计算最佳参考线。二次编程涉及根据边界、线性等式、和/或不等式约束来最小化或最大化目标函数(例如,具有若干变量的二次函数)。动态编程与二次编程的一个区别是二次编程立刻优化参考线上的所有点的全部候选移动。路径规划过程407可以用作为图3A的成本函数315一部分的路径成本函数重新计算参考线以例如使用执行的QP优化来优化参考点的候选移动的总成本。
速度规划过程409可以使用粗略的速度曲线和路径规划过程407的结果作为初始约束来计算最佳站-时间曲线作为图3A的成本函数315的一部分,从而优化不同时间点的移动候选(例如,加速/减速)的总成本。轨迹生成器413可以计算控制ADV的最终轨迹。例如,轨迹生成器413可以计算一系列点(x,y,T),这一系列点指示ADV应该在什么时候经过具体的(x,y)坐标。
因此,使用路径决策过程403和速度决策过程405生成考虑了障碍物和/或交通状况的粗略的路径曲线和粗略的速度曲线。给定关于障碍物的全部路径决策和速度决策,路径规划过程407和速度规划过程409将使用QP编程根据障碍物来优化粗略的路径曲线和速度曲线,以生成具有最小路径成本和/或速度成本的最佳轨迹。
图6是示出根据一个实施方式的用于路径规划的场景的图示。该场景在站-横向坐标中表示,在该坐标中原点表示车辆的当前位置、x坐标表示前向距离以及y轴表示从车辆当前位置起的横向距离。第一边界线601和第二边界线602可以表示道路边界或车道边界。图6中描绘的场景显示第一障碍物603位于车辆前向某一距离、第一边界线601附近的正横向距离处。第二障碍物605位于第一障碍物603前向一定距离、第二边界线602附近的负横向距离处。三个附加的障碍物607、609和611沿前向方向位于更远处。所述障碍物可以是对象、车辆、行人、屏障、或车辆将要避让的其它障碍。障碍物可以被比该障碍物的物理尺寸大的区域包围,其中该车辆也要避让该区域。
如上讨论的,路径决策过程可以基于成本函数为车辆生成参考线,其中该成本函数考虑了道路的曲率、参考线到障碍物的距离等。在一个实施方式中,参考线可以在道路的中间或车道的中间。路径规划过程可以优化参考线以基于路径成本函数从多个候选轨迹中找到具有最低成本的路径轨迹。因此所生成的路径轨迹在一些区段偏离参考线以操纵车辆绕过障碍物。路径规划过程可以沿从车辆的当前位置起的一定前向距离的路径长度为车辆规划路径。在一个实施方式中,路径长度可以是150米至200米。在一个实施方式中,路径长度可以是车辆的当前速度的函数从而对于速度较快的车辆,路径长度增加。
在图6中,路径长度可以比障碍物607、609和611与车辆的距离更长。当路径规划过程为该路径长度规划路径时,它可以检测到尽管路径A(615)允许车辆操纵绕过附近的障碍物603和605,但是远处的障碍物607、609和611会阻挡车辆在道路或车道上继续行驶。因为路径规划过程不能成功地找到路径(即,满足由成本函数施加的留在道路边界内但不与障碍物碰撞或不进入障碍物的安全距离内的约束的路径),所以路径规划过程可以默认至备用路径613。备用路径613可以是沿道路或车道中间的路径。在一个实施方式中,备用路径613可以是路径决策过程403的参考线。然而,备用路径613可能穿过障碍物603或障碍物603周围的区域。因此,车辆可能会停在障碍物603前面,而不是沿路径A(615)行驶以操纵绕过障碍物603和605直到它被障碍物607、609和611阻挡继续行驶。
图7是示出根据一个实施方式的由路径规划操作确定的路径轨迹的图示。图7中的场景与图6中的场景相同。为了即使在可能由于被远处的障碍物阻挡而无法生成贯穿路径长度全长的可行路径时也允许车辆进一步行驶,希望与离车辆的当前位置较远的障碍物重叠的路径具有较低的成本。路径的成本函数可以具有两个分量:作为路径特性(例如,路径的长度、曲率、曲率变化度等)的函数的路径成本分量、以及障碍物成本分量。路径的障碍物成本分量可以是路径与障碍物接近度的函数。例如,与离障碍物近的路径相比,离障碍物远的路径倾向于具有较低的障碍物成本。在一个实施方式中,到非重叠障碍物的距离与路径的障碍物成本之间的反比关系可以扩展至从车辆的当前位置到重叠障碍物的距离同与障碍物重叠的路径的障碍物成本之间的关系。
在一个实施方式中,路径规划过程可以将路径离散化成多个离散点来确定路径的障碍物成本。路径规划过程可以通过从路径的起始离散点(例如,表示车辆当前位置的离散点)开始为多个离散点累加障碍物成本来计算路径的障碍物成本。从起始离散点开始逐步通过依次远离起始离散点的离散点,路径规划函数可以使用第一成本函数为多个离散点计算和累加障碍物成本,直到离散点中的一个与障碍物重叠。对于不与障碍物重叠的离散点的第一成本函数,可以具有障碍物成本与离散点到非重叠障碍物的距离之间的反比关系。例如,图7中的路径A 715显示的轨迹最初沿负横向方向弯曲以增加与障碍物603的距离然后在其经过障碍物603之后沿正横向方向弯曲以增加与障碍物605的距离,以最小化轨迹上的离散点的障碍物成本。路径规划过程可以将路径A 715上的离散点的每个离散点的障碍物成本计算为离散点到最近的障碍物603或605的距离的函数。在一个实施方式中,路径规划过程可以优化参考线的障碍物成本以从参考线的多个候选移动生成路径A 715。例如,与其它候选路径相比,路径A 715可以具有其轨迹上离散点的最低的累加障碍物成本。应注意,路径A 715在经过障碍物605之后朝向备用路径613稳定以最小化障碍物成本。
路径规划过程使用第一成本函数为路径A 715上的多个离散点累加障碍物成本,直到发现与障碍物重叠的第一离散点,例如障碍物重叠点717。针对障碍物重叠点717,路径规划过程使用第二成本函数确定其障碍物成本。用于障碍物重叠离散点的第二成本函数是障碍物重叠离散点与路径的起始离散点的距离的函数。例如,障碍物重叠点717的障碍物成本是障碍物重叠点717与车辆当前位置的距离、或阻挡障碍物609与车辆当前位置的距离的函数。希望当障碍物重叠点与起始离散点的距离增加时障碍物重叠点的障碍物成本减少。
图8是示出根据一个实施方式用于为障碍物重叠点确定障碍物成本的障碍物碰撞函数的图示。x轴显示障碍物重叠点与起始点的距离,y轴显示障碍物成本。如图所示,在0与第一距离(例如20m)之间的距离,成本函数固定为高水平。正因如此,离车辆的当前位置小于20m的阻挡障碍物可能导致路径轨迹具有高障碍物成本。在第一距离与第二距离之间,例如在20m与220m之间,成本函数从高水平单调递减直到它到达低水平。在此范围内的阻挡障碍物的障碍物成本随着阻挡障碍物远离车辆的当前位置而下降。针对超出第二距离(例如220m)的距离,由于该距离处的阻挡障碍物可能对障碍物成本没有任何实质影响,所以障碍物成本可保持在低水平。
回到图7,路径规划过程使用第二成本函数为障碍物重叠点717计算障碍物成本,并将计算的障碍物重叠点717的障碍物成本加到路径A 715的障碍物成本。在发现第一障碍物重叠离散点之后,路径规划过程可以终止沿路径的离散点的障碍物成本的累加。正因如此,被多于一个障碍物阻挡或在多于一个离散点处与障碍物重叠的路径可能不会使其障碍物成本增加。这防止了具有位于较远处的多个障碍物重叠离散点的路径与具有离车辆当前位置较近的仅一个障碍物重叠离散点的第二路径相比具有更高的障碍物成本。
路径规划过程可以为多个路径计算障碍物成本,以挑出具有最低障碍物成本的路径。图7示出了路径B 713。路径规划过程可以将路径B 713离散化并且可以为离散点计算和累加障碍物成本直到发现与第一障碍物重叠离散点719。因为第一障碍物重叠离散点719在车辆的当前位置的附近,所以该点的成本函数高。因此,路径B 713的障碍物成本可能高于路径A 715的障碍物成本。在一个实施方式中,当路径的障碍物成本高于阈值时,可以将路径默认至备用路径,例如备用路径613。因此,路径规划过程选择路径A 715来操纵车辆绕过附近的非阻挡障碍物603和605以允许车辆停在远处的阻挡障碍物607、609和611的前面,而不是停在非阻挡障碍物603和605的前面。
图9是示出根据一个实施方式的路径规划过程的流程图。过程800可以由处理逻辑执行,所述处理逻辑可以包括软件、硬件或其组合。参考图9,在框801,针对从起始离散点开始的、为ADV规划的路径轨迹的离散点中的每个离散点,处理逻辑确定离散点是否与障碍物重叠。在框802,响应于确定离散点不与障碍物重叠,处理逻辑使用第一成本函数为该离散点确定障碍物成本。在框803,响应于确定离散点与障碍物重叠,处理逻辑使用第二成本函数为该离散点确定障碍物成本。在框804,处理逻辑基于离散点的障碍物成本计算路径轨迹的总障碍物成本。利用总障碍物成本确定路径轨迹是否可以用于驾驶ADV。
图10是示出根据另一实施方式的路径规划方法的流程图。路径规划方法900可以由处理逻辑执行,所述处理逻辑可以包括软件、硬件或其组合。例如,路径规划方法800可以由自动驾驶车辆的决策模块304、规划模块305、或规划决策模块501执行。在框901,方法900通过将路径轨迹离散化成多个离散点来执行路径规划。在框903,方法900选择路径轨迹上的起始离散点(例如车辆的当前位置)作为当前的离散点。
在框905,方法900确定当前的离散点是否与障碍物重叠。在框907,如果当前的离散点不与障碍物重叠,则方法900使用第一障碍物成本函数为当前的离散点计算障碍物成本。在框909,方法900确定路径轨迹上是否存在更多的离散点。在框911,如果路径轨迹上存在更多的离散点,则方法900选择离起始点更远的下一离散点作为当前的离散点。然后方法900重复确定当前的离散点是否与障碍物重叠,并计算和累加离散点的成本函数,直到发现与障碍物重叠的第一离散点。
在框913,如果发现与障碍物重叠的第一离散点,方法900计算从第一离散点到起始离散点的距离。在915,方法900使用第二障碍成本函数计算障碍物重叠离散点的障碍物成本。在917,方法900将障碍物重叠离散点的障碍物成本累加到该障碍物重叠离散点之前的路径的障碍物成本。
在框919,方法900确定累加的障碍物成本是否大于阈值。如果累加的障碍物成本不大于阈值,在框923,方法900指派累加的障碍物成本作为路径轨迹的障碍物成本。否则,在框921,方法900使用备用的路径轨迹。
图11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1000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的包括图3A和图3B的决策模块304、规划模块305的、图5的路径决策模块501的感知与规划系统110或者服务器103至104中的任一个。系统1000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1000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,某些实施例中可以具有附加的部件,此外,其它实施例中可以具有所示部件的不同布置。系统1000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1000包括通过总线或互连件1010连接的处理器1001、存储器1003以及装置1005至1008。处理器1001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1001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1001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1001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1001(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1001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1000还可以包括与可选的图形子系统1004通信的图形接口,图形子系统1004可以包括显示控制器、图形处理器和/或显示装置。
处理器1001可以与存储器1003通信,存储器1003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1003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1003可以存储包括由处理器1001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1003中并由处理器1001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Mac 来自公司的LINUX、UNIX,或者其它实时或嵌入式操作系统。
系统1000还可以包括IO装置,诸如装置1005至1008,包括网络接口装置1005、可选的输入装置1006,以及其它可选的IO装置1007。网络接口装置1005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1006可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1004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1006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1007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1007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1007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1010,而诸如键盘或热传感器的其它装置可以根据系统1000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1001。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1001。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1008可以包括计算机可访问的存储介质1009(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1028)。处理模块/单元/逻辑1028可以表示上述部件中的任一个,例如图3A和图3B的决策模块304或规划模块305或图5的路径决策模块501。处理模块/单元/逻辑1028还可以在其由数据处理系统1000、存储器1003和处理器1001执行期间完全地或至少部分地驻留在存储器1003内和/或处理器1001内,数据处理系统1000、存储器1003和处理器1001也构成机器可访问的存储介质。处理模块/单元/逻辑1028还可以通过网络经由网络接口装置1005进行传输或接收。
计算机可读存储介质1009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1009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1028、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1028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1028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1000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ADV的计算机实现的方法,所述方法包括:
针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;
响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;
响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;
基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
2.根据权利要求1所述的方法,其中所述第一成本函数包括具体的离散点的障碍物成本与所述具体的离散点到非重叠障碍物的距离之间的反比关系。
3.根据权利要求1所述的方法,其中使用所述第二成本函数确定障碍物成本包括:
如果第一离散点与所述起始离散点之间的距离小于第一距离阈值,则将第一重叠障碍物成本指派给所述第一离散点;以及
如果所述第一离散点与所述起始离散点之间的距离在所述第一距离阈值与第二距离阈值之间,则基于所述距离将第二重叠障碍物成本指派给所述第一离散点。
4.根据权利要求3所述的方法,还包括如果所述距离大于所述第二距离阈值,则将第三重叠障碍物成本指派给所述第一离散点。
5.根据权利要求3所述的方法,其中当所述第一离散点与所述起始离散点之间的距离在所述第一距离阈值与所述第二距离阈值之间增加时,所述第二重叠障碍物成本减少。
6.根据权利要求1所述的方法,还包括:
将所述路径轨迹的所述总障碍物成本与成本阈值进行比较;以及
当所述路径轨迹的所述总障碍物成本大于所述成本阈值时,使用备用的路径轨迹。
7.根据权利要求1所述的方法,其中所述路径轨迹是多个路径轨迹候选中待被选择作为驾驶所述ADV的期望的路径轨迹的一个路径轨迹,其中所述方法还包括:
比较所述多个路径轨迹候选各自的总障碍物成本;以及
选择所述路径轨迹候选中具有最低的总障碍物成本的一个路径轨迹作为所述期望的路径轨迹。
8.根据权利要求1所述的方法,还包括:
基于所述路径轨迹的长度或曲率为所述路径轨迹确定路径成本;以及
基于所述路径轨迹的所述总障碍物成本和所述路径成本计算所述路径轨迹的总成本,其中所述总成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
9.一种非暂时性机器可读介质,存储有指令,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:
针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;
响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;
响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;以及
基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
10.根据权利要求9所述的机器可读介质,其中所述第一成本函数包括具体的离散点的障碍物成本与所述具体的离散点到非重叠障碍物的距离之间的反比关系。
11.根据权利要求9所述的机器可读介质,其中使用所述第二成本函数确定障碍物成本包括:
如果第一离散点与所述起始离散点之间的距离小于第一距离阈值,则将第一重叠障碍物成本指派给所述第一离散点;以及
如果所述第一离散点与所述起始离散点之间的距离在所述第一距离阈值与第二距离阈值之间,则基于所述距离将第二重叠障碍物成本指派给所述第一离散点。
12.根据权利要求11所述的机器可读介质,其中所述操作还包括如果所述距离大于所述第二距离阈值,则将第三重叠障碍物成本指派给所述第一离散点。
13.根据权利要求11所述的机器可读介质,其中当所述第一离散点与所述起始离散点之间的距离在所述第一距离阈值与所述第二距离阈值之间增加时,所述第二重叠障碍物成本减少。
14.根据权利要求9所述的机器可读介质,其中所述操作还包括:
将所述路径轨迹的所述总障碍物成本与成本阈值进行比较;以及
当所述路径轨迹的所述总障碍物成本大于所述成本阈值时,使用备用的路径轨迹。
15.根据权利要求9所述的机器可读介质,其中所述路径轨迹是多个路径轨迹候选中待被选择作为驾驶所述ADV的期望的路径轨迹的一个路径轨迹,其中所述操作还包括:
比较所述多个路径轨迹候选各自的总障碍物成本;以及
选择所述路径轨迹候选中具有最低的总障碍物成本的一个路径轨迹作为所述期望的路径轨迹。
16.根据权利要求9所述的机器可读介质,其中所述操作还包括:
基于所述路径轨迹的长度或曲率为所述路径轨迹确定路径成本;以及
基于所述路径轨迹的所述总障碍物成本和所述路径成本计算所述路径轨迹的总成本,其中所述总成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
17.一种数据处理系统,包括:
处理器;以及
存储器,联接至所述处理器以存储指令,所述指令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:
针对从起始离散点开始的、为ADV规划的路径轨迹的多个离散点中的每个离散点,确定所述离散点是否与障碍物重叠;
响应于确定所述离散点不与障碍物重叠,使用第一成本函数为所述离散点确定障碍物成本;
响应于确定所述离散点与障碍物重叠,使用第二成本函数为所述离散点确定所述障碍物成本;以及
基于所述离散点的所述障碍物成本为所述路径轨迹计算总障碍物成本,其中所述总障碍物成本用于确定所述路径轨迹是否能够用于驾驶所述ADV。
18.根据权利要求17所述的系统,其中所述第一成本函数包括具体的离散点的障碍物成本与所述具体的离散点到非重叠障碍物的距离之间的反比关系。
19.根据权利要求17所述的系统,其中使用所述第二成本函数确定障碍物成本包括:
如果第一离散点与所述起始离散点之间的距离小于第一距离阈值,则将第一重叠障碍物成本指派给所述第一离散点;以及
如果所述第一离散点与所述起始离散点之间的距离在所述第一距离阈值与第二距离阈值之间,则基于所述距离将第二重叠障碍物成本指派给所述第一离散点。
20.根据权利要求19所述的系统,其中所述操作还包括如果所述距离大于所述第二距离阈值,则将第三重叠障碍物成本指派给所述第一离散点。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/365,559 | 2019-03-26 | ||
US16/365,559 US11353878B2 (en) | 2019-03-26 | 2019-03-26 | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111830959A true CN111830959A (zh) | 2020-10-27 |
Family
ID=72605778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911147002.2A Pending CN111830959A (zh) | 2019-03-26 | 2019-11-21 | 用于操作自动驾驶车辆的方法、系统和机器可读介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11353878B2 (zh) |
CN (1) | CN111830959A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506194A (zh) * | 2020-12-03 | 2021-03-16 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN114620058A (zh) * | 2020-12-10 | 2022-06-14 | 华为技术有限公司 | 轨迹规划方法、装置、计算设备、移动体以及存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230019462A1 (en) * | 2019-12-10 | 2023-01-19 | Zf Friedrichshafen Ag | MPC-Based Trajectory Tracking of a First Vehicle Using Trajectory Information on a Second Vehicle |
US20220119012A1 (en) * | 2020-10-19 | 2022-04-21 | Lyft, Inc. | Systems and methods for configuring autonomous vehicle operation |
US11958503B2 (en) * | 2021-04-16 | 2024-04-16 | Motional Ad Llc | Techniques for navigating an autonomous vehicle based on perceived risk |
US11975742B2 (en) * | 2021-05-25 | 2024-05-07 | Ford Global Technologies, Llc | Trajectory consistency measurement for autonomous vehicle operation |
CN113031629B (zh) * | 2021-05-27 | 2022-11-04 | 德阳恒博秸油科技有限公司 | 一种餐饮行业的智能传送终端及其工作方法 |
US20230115758A1 (en) * | 2021-10-11 | 2023-04-13 | Argo AI, LLC | Systems and methods for controlling speed of an autonomous vehicle |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075964A (ja) * | 2007-09-21 | 2009-04-09 | Toyota Motor Corp | 移動体進路生成方法、および移動体進路生成装置 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN105599764A (zh) * | 2014-11-12 | 2016-05-25 | 现代自动车株式会社 | 用于自主车辆的行车路线规划装置及方法 |
CN106094833A (zh) * | 2016-07-19 | 2016-11-09 | 重庆邮电大学 | 一种基于混沌萤火虫算法的移动机器人路径规划方法 |
CN109059944A (zh) * | 2018-06-06 | 2018-12-21 | 上海国际汽车城(集团)有限公司 | 基于驾驶习惯学习的运动规划方法 |
CN109278746A (zh) * | 2017-07-19 | 2019-01-29 | 大众汽车有限公司 | 确定自主行驶的机动车的轨迹的方法、控制装置和机动车 |
CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8352174B2 (en) * | 2004-01-15 | 2013-01-08 | Algotec Systems Ltd. | Targeted marching |
JP4978494B2 (ja) * | 2008-02-07 | 2012-07-18 | トヨタ自動車株式会社 | 自律移動体、及びその制御方法 |
JP2017019421A (ja) * | 2015-07-13 | 2017-01-26 | 日立オートモティブシステムズ株式会社 | 周辺環境認識装置、及び周辺環境認識プログラム |
CN107851375B (zh) * | 2015-07-21 | 2021-01-05 | 日产自动车株式会社 | 驾驶计划装置、行驶辅助装置、驾驶计划方法 |
US10031525B2 (en) * | 2016-06-10 | 2018-07-24 | Cnh Industrial America Llc | Swath tracking system for an off-road vehicle |
US10268201B2 (en) * | 2017-02-28 | 2019-04-23 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle automated parking system and method |
CA3090668C (en) * | 2018-02-26 | 2022-09-13 | Fedex Corporate Services, Inc. | Systems and methods for enhanced collision avoidance on logistics ground support equipment using multi-sensor detection fusion |
US10614717B2 (en) * | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
US10569773B2 (en) * | 2018-05-31 | 2020-02-25 | Nissan North America, Inc. | Predicting behaviors of oncoming vehicles |
CN111045422A (zh) * | 2018-10-11 | 2020-04-21 | 顾泽苍 | 一种自动驾驶导入“机智获得”模型的控制方法 |
US11208096B2 (en) * | 2018-11-02 | 2021-12-28 | Zoox, Inc. | Cost scaling in trajectory generation |
US11110922B2 (en) * | 2018-11-05 | 2021-09-07 | Zoox, Inc. | Vehicle trajectory modification for following |
-
2019
- 2019-03-26 US US16/365,559 patent/US11353878B2/en active Active
- 2019-11-21 CN CN201911147002.2A patent/CN111830959A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075964A (ja) * | 2007-09-21 | 2009-04-09 | Toyota Motor Corp | 移動体進路生成方法、および移動体進路生成装置 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN105599764A (zh) * | 2014-11-12 | 2016-05-25 | 现代自动车株式会社 | 用于自主车辆的行车路线规划装置及方法 |
CN106094833A (zh) * | 2016-07-19 | 2016-11-09 | 重庆邮电大学 | 一种基于混沌萤火虫算法的移动机器人路径规划方法 |
CN109278746A (zh) * | 2017-07-19 | 2019-01-29 | 大众汽车有限公司 | 确定自主行驶的机动车的轨迹的方法、控制装置和机动车 |
CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
CN109059944A (zh) * | 2018-06-06 | 2018-12-21 | 上海国际汽车城(集团)有限公司 | 基于驾驶习惯学习的运动规划方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506194A (zh) * | 2020-12-03 | 2021-03-16 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN112506194B (zh) * | 2020-12-03 | 2022-03-29 | 中山大学 | 一种移动机器人集群分布式安全学习控制方法 |
CN114620058A (zh) * | 2020-12-10 | 2022-06-14 | 华为技术有限公司 | 轨迹规划方法、装置、计算设备、移动体以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11353878B2 (en) | 2022-06-07 |
US20200310446A1 (en) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947090B (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
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 | |
CN110389581B (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN110119140B (zh) | 用于加速曲线投影的系统和方法 | |
CN109489673B (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110667591B (zh) | 用于自动驾驶车辆的规划驾驶感知系统 | |
CN110389583B (zh) | 生成自动驾驶车辆的轨迹的方法 | |
CN109491377B (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
CN109491376B (zh) | 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划 | |
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 | |
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 | |
CN110389580B (zh) | 用于规划自动驾驶车辆的路径的漂移校正的方法 | |
CN108733046B (zh) | 用于自动驾驶车辆的轨迹重新规划的系统和方法 | |
CN110597243B (zh) | 自动驾驶车辆的基于v2x通信的车辆车道系统 | |
CN110096054B (zh) | 用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统 | |
CN110647142A (zh) | 使用优化方法规划自动驾驶车辆的停车轨迹生成 | |
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 | |
CN109491378B (zh) | 自动驾驶车辆的基于道路分段的路线引导系统 | |
US11353878B2 (en) | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles | |
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 | |
CN110955236A (zh) | 用于自动驾驶车辆的曲率校正路径采样系统 | |
CN111830958B (zh) | 用于操作自动驾驶车辆的方法、系统和机器可读介质 | |
CN111857118A (zh) | 对停车轨迹分段以控制自动驾驶车辆停车 |
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 |