CN111857118A - 对停车轨迹分段以控制自动驾驶车辆停车 - Google Patents

对停车轨迹分段以控制自动驾驶车辆停车 Download PDF

Info

Publication number
CN111857118A
CN111857118A CN201911266199.1A CN201911266199A CN111857118A CN 111857118 A CN111857118 A CN 111857118A CN 201911266199 A CN201911266199 A CN 201911266199A CN 111857118 A CN111857118 A CN 111857118A
Authority
CN
China
Prior art keywords
trajectory
parking
autonomous vehicle
obstacles
parking 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.)
Granted
Application number
CN201911266199.1A
Other languages
English (en)
Other versions
CN111857118B (zh
Inventor
周金运
何润欣
罗琦
缪景皓
胡江滔
王禹
许稼轩
姜舒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN111857118A publication Critical patent/CN111857118A/zh
Application granted granted Critical
Publication of CN111857118B publication Critical patent/CN111857118B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—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
    • 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
    • B60W30/06—Automatic manoeuvring for parking
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space

Landscapes

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

Abstract

在一个实施方式中，一种自动停放自动驾驶车辆的计算机实施的方法，包括：生成描述自动驾驶车辆(ADV)周围的驾驶环境的环境描述符数据，包括识别停车位和在ADV的预定临近范围内的一个或多个障碍物；基于环境描述符数据生成ADV的停车轨迹以将ADV自动停入停车位内，根据一个或多个障碍物来优化停车轨迹；基于ADV的车辆状态将停车轨迹分段成一个或多个轨迹段；以及根据停车轨迹的一个或多个轨迹段控制ADV以将ADV自动停入停车位，而不与一个或多个障碍物碰撞。

Description

对停车轨迹分段以控制自动驾驶车辆停车
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 开的实施方式涉及自动驾驶车辆的自动停车。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、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，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人 机交互的情况下或在没有任何乘客的一些情况下行驶。
运动规划和控制是自动驾驶中的关键操作。运动规划和控制的一 个示例是在自动停车的区域。自动驾驶车辆停车涉及大量的计算，包 括轨迹生成和避免碰撞。所需要的是一种有效的计算方案，以提高自 动驾驶车辆的计算速度、鲁棒性和功能安全性，以在自动停车时控制 车辆。
发明内容
在本公开的一方面，提供了一种自动停放自动驾驶车辆的计算机 实施的方法，包括：
生成描述所述自动驾驶车辆(ADV)周围的驾驶环境的环境描述 符数据，包括识别停车位和在所述ADV的预定临近范围内的一个或 多个障碍物；
基于所述环境描述符数据生成所述ADV的停车轨迹以将所述 ADV自动停入所述停车位内，根据所述一个或多个障碍物来优化所述 停车轨迹；
基于所述ADV的车辆状态将所述停车轨迹分段成一个或多个轨 迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述ADV以将 所述ADV自动停入所述停车位，而不与所述一个或多个障碍物碰撞。
在本公开的另一方面，提供了一种存储有指令的非暂时性机器可 读介质，所述指令在由处理器执行时致使所述处理器执行操作，所述 操作包括：
生成描述所述自动驾驶车辆(ADV)周围的驾驶环境的环境描述 符数据，包括识别停车位和在所述ADV的预定临近范围内的一个或 多个障碍物；
基于所述环境描述符数据生成所述ADV的停车轨迹以将所述 ADV自动停入所述停车位内，根据所述一个或多个障碍物来优化所述 停车轨迹；
基于所述ADV的车辆状态将所述停车轨迹分段成一个或多个轨 迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述ADV以将 所述ADV自动停入所述停车位，而不与所述一个或多个障碍物碰撞。
在本公开的又一方面，提供了一种数据处理系统，包括：
处理器；以及
存储器，所述存储器联接至所述处理器，以存储指令，所述指令 在由所述处理器执行时致使所述处理器执行操作，所述操作包括：
生成描述所述自动驾驶车辆(ADV)周围的驾驶环境的环境 描述符数据，包括识别停车位和在所述ADV的预定临近范围内 的一个或多个障碍物；
基于所述环境描述符数据生成所述ADV的停车轨迹以将所 述ADV自动停入所述停车位内，根据所述一个或多个障碍物来 优化所述停车轨迹；
基于所述ADV的车辆状态将所述停车轨迹分段成一个或多 个轨迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述ADV 以将所述ADV自动停入所述停车位，而不与所述一个或多个障 碍物碰撞。
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， 附图中的相同参考标记指示相似元件。
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至图3B是示出根据一个实施方式的与自动驾驶车辆一起使 用的感知与规划系统的示例的框图。
]图4是示出根据一个实施方式的用于自动停放自动驾驶车辆的感 知与规划系统的传感器系统和示例性模块的框图。
图5A-5B是用于在不同停车场景中自动停放自动驾驶车辆的停车 轨迹的示例。
图6是根据一个实施方式的自动停放自动驾驶车辆方法的流程 图。
图7是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面， 附图将示出所述各种实施方式。下列描述和附图是本公开的说明，而 不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公 开的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。
根据一个实施方式，一种自动停放自动驾驶车辆的计算机实施的 方法，包括：生成描述所述自动驾驶车辆(ADV)周围的驾驶环境的 环境描述符数据，包括识别停车位和在所述ADV的预定临近范围内 的一个或多个障碍物；基于所述环境描述符数据生成所述ADV的停 车轨迹以将所述ADV自动停入所述停车位内，根据所述一个或多个 障碍物来优化所述停车轨迹；基于所述ADV的车辆状态将所述停车 轨迹分段成一个或多个轨迹段；以及根据所述停车轨迹的所述一个或 多个轨迹段控制所述ADV以将所述ADV自动停入所述停车位，而不 与所述一个或多个障碍物碰撞。
根据另一实施方式，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致使所述处理器执行操作，所述操作包括： 生成描述所述自动驾驶车辆(ADV)周围的驾驶环境的环境描述符数 据，包括识别停车位和在所述ADV的预定临近范围内的一个或多个 障碍物；基于所述环境描述符数据生成所述ADV的停车轨迹以将所 述ADV自动停入所述停车位内，根据所述一个或多个障碍物来优化 所述停车轨迹；基于所述ADV的车辆状态将所述停车轨迹分段成一 个或多个轨迹段；以及根据所述停车轨迹的所述一个或多个轨迹段控 制所述ADV以将所述ADV自动停入所述停车位，而不与所述一个或 多个障碍物碰撞。
根据另一实施方式，一种数据处理系统，包括：处理器；以及存 储器，所述存储器联接至所述处理器，以存储指令，所述指令在由所 述处理器执行时致使所述处理器执行操作，所述操作包括：生成描述 所述自动驾驶车辆(ADV)周围的驾驶环境的环境描述符数据，包括 识别停车位和在所述ADV的预定临近范围内的一个或多个障碍物； 基于所述环境描述符数据生成所述ADV的停车轨迹以将所述ADV自 动停入所述停车位内，根据所述一个或多个障碍物来优化所述停车轨 迹；基于所述ADV的车辆状态将所述停车轨迹分段成一个或多个轨 迹段；以及根据所述停车轨迹的所述一个或多个轨迹段控制所述ADV 以将所述ADV自动停入所述停车位，而不与所述一个或多个障碍物 碰撞。
根据本公开的一个方面，计算架构具有在后端运行的耗时轨迹生 成算法，其解析算法的结果，并实时生成自动驾驶车辆的鲁棒的和避 障碰撞的轨迹。它促进了极大的优化结果和实时碰撞检测两者。
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)服务器或位置服务器等。
自动驾驶车辆是指可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包括传感器系统，所述传感器系统具有 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可经由控制器局域网(CAN)总线通 信地联接到彼此。CAN总线是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单元212可包括收发器，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可另外感测对象的速度和/或前进方向。 LIDAR单元215可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。
返回参考图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、存储装置)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。可替代地，感知与规划系统110可与车 辆控制系统111集成在一起。
例如，作为乘客的用户可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。可替代地，此类 位置和MPOI信息可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 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可由第三方实体进行操作。可替代地，服务器103至104 的功能可与感知与规划系统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 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包括自动地将ADV停入车位中的停车算法。然后算法124可上传 到ADV上以在自动驾驶期间实时使用。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使 用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾 驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统 111和传感器系统115。参考图3A至图3B，感知与规划系统110包括 但不限于定位模块301、感知模块302、预测模块303、决策模块304、 规划模块305、控制模块306和路线安排模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。 例如，这些模块可安装在永久性存储装置352中、加载到存储器351 中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中 的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部 模块或者与它们集成在一起。模块301至307中的一些可一起集成为 集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS 单元212)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(又称作为地图与路线模块)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的诸如地图与路线信息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， 从而可作为地图与路线信息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、 单向或双向车道、合并或分开车道、出口车道等。
感知模块302可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。
路线安排模块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，路线安排模块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。路线安排模 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。根据时间点下的特定驾驶环境，用于控制ADV的实际路径或路线可能临近于或不同于由路线安排模块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 路线安排模块307提供的参考线作为基础，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可决定超过所 述对象，而规划模块305可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、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可集成为集成模块。决策 模块304/规划模块305可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。
图4是示出根据一个实施方式的用于自动停放自动驾驶车辆的感 知与规划系统的传感器系统和示例性模块的框图。如图4所示，控制 模块306、规划模块305、感知模块302和预测模块303可以分别对应 于如图3A-3B所示并且如上所述的控制模块306、规划模块305、感 知模块302和预测模块303。传感器系统115也可以对应于如图2和 图3A所示并且如上所述的传感器系统115。环境描述符模块410、412 生成描述自动驾驶车辆(ADV)周围的驾驶环境的环境描述符数据， 例如图1和图5A-5B所示的ADV 101。
环境描述符数据基于从传感器系统115中包括的一个或多个传感 器(例如，LIDAR、雷达和摄像机)接收的传感器数据，并且还基于 如上所述并如图4所示的地图和路径信息模块311获得的地图数据。 此外，环境描述符数据包括识别停车位和在ADV的预定临近范围内 的一个或多个障碍物。停车位的识别可以通过使用如上所述并如图4 所示的地图和路线信息模块311获得的地图数据来实现。来自环境描 述符模块410或412或两个模块410和412的数据被输入到包含在规 划模块305内的轨迹提供者模块404。注意，模块412可以是可选的， 其中感知模块302和预测模块303共享环境描述符模块410。
继续图4，规划模块305还包括轨迹优化器模块406和轨迹安全 检查模块408。轨迹提供者模块404将环境描述符数据提供给轨迹优 化器模块406，轨迹优化器模块406负责基于环境描述符数据生成停 车轨迹(例如，图5A所示的停车轨迹501或图5A所示的停车轨迹541)以自动将ADV停到停车位的计算密集型任务。用作“后端”的 轨迹优化器模块406在ADV的每一帧中从ADV的起始位置到结束位 置生成新的停车轨迹。在下一帧中，轨迹优化器模块406计算另一轨 迹，并该轨迹被分段并输出到控制模块306。
在一个实施方式中，轨迹优化器模块406当ADV在自动停车模 式下运行时，在每个帧中实时地连续生成停车轨迹。在一个实施方式 中，轨迹优化器模块406可以使用合适的轨迹生成算法来执行生成停 车轨迹的耗时计算任务。在一个实施方式中，轨迹优化器模块406可 以在比轨迹提供者模块404输出/输入其数据的时间段(例如，100ms) 更长的时间段(例如，1秒或更多)向轨迹提供器模块404输出停车 轨迹。换句话说，轨迹提供者模块404以比轨迹优化器模块406更高 的频率运行。在一个实施方式中，轨迹提供者模块404可以经由第一 处理线程来执行，而轨迹优化器模块可以独立地或并行地经由第二处 理线程来执行。因此，轨迹提供器模块404与轨迹优化器模块406解 耦，并且它们经由应用编程接口(API)彼此通信。可选地，轨迹优 化器模块406可以由另一个计算节点托管，该另一个计算节点具有单 独的一组处理资源(例如，处理器、存储器等)。
在一个实施方式中，如果轨迹优化器模块406尚未完成生成停车 轨迹，则轨迹提供器模块404使用轨迹优化器模块406生成的最后停 车轨迹来控制ADV的自动停车。轨迹优化器模块406生成停车轨迹， 包括根据一个或多个障碍物实时地优化停车轨迹。
继续图4，轨迹提供者模块404从轨迹优化器模块406接收停车 轨迹，并基于ADV的车辆状态将停车轨迹分段成一个或多个轨迹段。 轨迹提供者模块404从包括在控制模块306中的车辆状态模块402接 收ADV的车辆状态。车辆状态可包括ADV的合适的操作参数，如ADV的位置、前进方向和速度。轨迹提供器模块404随后可将轨迹段 一次一个的发送到控制模块306，以根据停车轨迹的一个或多个轨迹 段来控制ADV，以将ADV自动地停入停车位而不与一个或多个障碍 物碰撞。
在一个实施方式中，规划模块305内的轨迹安全检查模块408基 于环境描述符数据连续地对ADV的周围区域执行安全检查，同时 ADV沿着停车轨迹移动以在停车位中自动停车。在一个实施方式中， 轨迹优化器模块406基于安全检查在ADV的每个数据帧(例如，与每个规划周期相关联的数据)上生成停车轨迹，以便安全地停放ADV。 例如，如果轨迹安全检查模块408检测到停车轨迹的路径中的障碍物， 则它可以经由轨迹提供者模块404向轨迹优化器模块406发送信号以 重新计算停车轨迹，以避免与障碍物碰撞。
图5A-5B是用于在不同停车场景中自动停放自动驾驶车辆的停车 轨迹的示例。参考图5A，继续参照图4，示出停车场，该停车场包括 多个停车位，包括停车位500，其中ADV101(例如，图1所示的ADV 101)将自动地停车，同时避免与障碍物碰撞，例如车辆502和504。停车位500已由轨迹提供者模块404从地图数据中识别，如上所述。 障碍物可适当地包括当ADV自动停车时位于ADV附近的、除ADV 101以外的任何物体，移动或静止的。
例如，障碍物可包括其他车辆、自行车、摩托车、行人、动物、 建筑结构等。当ADV101自动停车(例如遵守至少级别4的自动驾驶) 时，ADV 101中的系统(例如，在图7中示出的系统)根据停车轨迹 501自动地停放ADV，该停车轨迹501已根据车辆502和504所代表 的障碍物而被优化。停车轨迹501包括一个或多个轨迹段，并且在图 5A所示的示例中，包括轨迹段506和轨迹段508，其中每个轨迹段均 已根据上述描述基于车辆状态被分段。轨迹段506从图5A所示ADV 的起始位置开始，终止于512，轨迹段508从512开始，终止于514。
继续图5A，车辆502最初是静止的，并且已如上所述生成了停车 轨迹501。如上所述，基于ADV 101的车辆状态，停车轨迹501被分 段为轨迹段506和508。根据车辆状态信息(例如ADV 101的位置、 前进方向、速度)，ADV 101确定它当前正在经过的轨迹段。当ADV101 根据停车轨迹501的轨迹段506和508自动停车时，轨迹安全检查模 块408基于环境描述符数据持续地执行ADV的周围区域的安全检查。 当ADV 101经过轨迹段508时，车辆502可以开始向前移动，使得轨 迹优化器模块406实时地在每个帧重新计算第二或新的停车轨迹，以 避免与车辆502发生碰撞。第二或新的停车轨迹包括轨迹段508的变 化，如虚线510所示，以避免与现在正向前移动的车辆502发生碰撞。 可选地，假设ADV 101和移动车辆502之间有足够的间隙，则ADV 502 可以停止，以便车辆502通过。ADV 101可以使用其他合适的碰撞避 免程序。
参考图5B，示出了停车场景的另一个示例，其中ADV 101正在 启动沿着街道一侧的并行停车。ADV 101根据停车轨迹541(包括轨 迹段544、548和552)在车辆540和542之间自动停车。轨迹段544 从如图5B中ADV 101的初始位置所示的起始位置开始并在546处终止，轨迹段548从546处开始并在550处终止，轨迹段552从550处 开始并在554处终止。如图5A和5B所示，停车轨迹可以包括前向驾 驶段(例如，轨迹段546)和反向驾驶段(例如，轨迹段548)。在一 个实施方式中，当ADV 101自动停入停车位(例如，停车位500)时， 轨迹优化器模块406基于环境描述符数据实时地持续计算或生成停车 轨迹，使得根据一个或多个障碍物优化停车轨迹。在一个实施方式中， 停车轨迹通过以下来优化：在ADV自动停车时，根据一个或多个障 碍物在ADV的每个帧生成停车轨迹；将每个停车轨迹分段成一个或 多个轨迹段；以及根据每个停车轨迹的一个或多个轨迹段控制ADV， 以使ADV在停车位内自动停车，而不与一个或多个障碍物发生碰撞。 在一个实施方式中，每个停车轨迹被更新以避免与移动ADV临近的 一个或多个障碍物的碰撞。
图6是根据一个实施方式的自动停放自动驾驶车辆的方法600的 流程图。方法600可以由处理逻辑来执行，该处理逻辑可以包括软件、 硬件或其组合。例如，方法600可以由图4所示的一个或多个模块执 行。参照图6，方法600包括在操作602中，生成描述自动驾驶车辆 (ADV)周围的驾驶环境的环境描述符数据，包括识别停车位和在 ADV的预定临近范围内的一个或多个障碍物，以及在操作604中，基 于环境描述符数据生成ADV的停车轨迹以自动地将ADV停入停车位 中，包括根据一个或多个障碍物优化停车轨迹。方法600还包括在操作606中，基于ADV的车辆状态将停车轨迹分段为一个或多个轨迹 段，以及在操作608中，根据停车轨迹的一个或多个轨迹段控制ADV 以将ADV自动停入停车位中，而不与一个或多个障碍物碰撞。
应注意，如上文示出和描述的部件中的一些或全部可在软件、硬 件或其组合中实施。例如，此类部件可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。可替代地， 此类部件可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，此类部件可实施为处理器或 处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特 定指令访问的指令集的一部分。
图7是示出可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 或者服务器103至104中的任一个。系统1500可包括许多不同的部件。 这些部件可实施为集成电路(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，某些实施例中可具有附加的部件，此外， 其它实施例中可具有所示部件的不同布置。系统1500可表示台式计算 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 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 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。这种处理器可实施为片上系统(SoC)。处理器1501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可包括显 示控制器、图形处理器和/或显示装置。
处理器1501可与存储器1503通信，存储器1503在一个实施方式 中可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/或数据可加载到存储器1503中并由处理器 1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作 系统(ROS)、来自
Figure BDA0002312910490000171
公司的
Figure BDA0002312910490000172
操作系统、来自苹果 公司的Mac
Figure BDA0002312910490000175
来自
Figure BDA0002312910490000173
公司的
Figure BDA0002312910490000174
LINUX、 UNIX，或者其它实时或嵌入式操作系统。
系统1500还可包括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可包括鼠标、触摸板、触敏屏幕(其可与显示装置 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，以及其它临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可包括音频装置。音频装置可包括扬声器和/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、临近传感器等)或者它们的组合。装置1507还可包括 成像处理子系统(例如，摄像机)，所述成像处理子系统可包括用于促 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，大容量存储装置(未示出)也可联接到处理器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， 这种大容量存储装置可经由固态装置(SSD)来实施。然而，在其它 实施方式中，大容量存储装置可主要使用硬盘驱动器(HDD)来实施， 其中较小量的SSD存储装置充当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可包括计算机可访问的存储介质1509(也称为机 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可表示上述部件中的任 一个，例如规划模块305、控制模块306感知模块302和预测模块303。 处理模块/单元/逻辑1528还可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也可用来永久性地存储以上描述的一 些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示 为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储 所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布 式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储 介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指 令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种 方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于 固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可实施 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 装置、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 按不同的顺序执行。此外，一些操作可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，可对本发明作出 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)

1.一种自动停放自动驾驶车辆的计算机实施的方法，包括：
生成描述所述自动驾驶车辆周围的驾驶环境的环境描述符数据，包括识别停车位和在所述自动驾驶车辆的预定临近范围内的一个或多个障碍物；
基于所述环境描述符数据生成所述自动驾驶车辆的停车轨迹以将所述自动驾驶车辆自动停入所述停车位内，根据所述一个或多个障碍物来优化所述停车轨迹；
基于所述自动驾驶车辆的车辆状态将所述停车轨迹分段成一个或多个轨迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述自动驾驶车辆以将所述自动驾驶车辆自动停入所述停车位，而不与所述一个或多个障碍物碰撞。
2.根据权利要求1所述的方法，其中，生成环境描述符数据经由第一处理线程来执行，并且生成所述自动驾驶车辆的停车轨迹经由第二处理线程来执行。
3.根据权利要求2所述的方法，其中，所述第一处理线程基于第一处理周期来执行，而所述第二处理线程基于比所述第一处理周期更长的第二处理周期来执行。
4.根据权利要求2所述的方法，还包括：
将描述所述停车轨迹的轨迹数据存储在存储器中，其中，响应于确定所述第二处理线程未能在预定时期内产生新的停车轨迹，所述停车轨迹的所存储的轨迹数据能够再次利用。
5.根据权利要求1所述的方法，其中，响应于所述一个或多个障碍物的移动，对所述停车轨迹进行更新，以避免在不同时间点与靠近移动的所述自动驾驶车辆的一个或多个障碍物发生碰撞。
6.根据权利要求1所述的方法，其中，所述一个或多个轨迹段包括前向驾驶段或反向驾驶段中的至少一个。
7.根据权利要求1所述的方法，还包括：
在所述自动驾驶车辆沿着所述停车轨迹移动以自动停放在所述停车位中时，基于所述环境描述符数据对所述自动驾驶车辆的周围区域进行安全检查。
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致使所述处理器执行操作，所述操作包括：
生成描述所述自动驾驶车辆周围的驾驶环境的环境描述符数据，包括识别停车位和在所述自动驾驶车辆的预定临近范围内的一个或多个障碍物；
基于所述环境描述符数据生成所述自动驾驶车辆的停车轨迹以将所述自动驾驶车辆自动停入所述停车位内，根据所述一个或多个障碍物来优化所述停车轨迹；
基于所述自动驾驶车辆的车辆状态将所述停车轨迹分段成一个或多个轨迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述自动驾驶车辆以将所述自动驾驶车辆自动停入所述停车位，而不与所述一个或多个障碍物碰撞。
9.根据权利要求8所述的机器可读介质，其中，生成环境描述符数据经由第一处理线程来执行，并且生成所述自动驾驶车辆的停车轨迹经由第二处理线程来执行。
10.根据权利要求9所述的机器可读介质，其中，所述第一处理线程基于第一处理周期来执行，而所述第二处理线程基于比所述第一处理周期更长的第二处理周期来执行。
11.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：
将描述所述停车轨迹的轨迹数据存储在存储器中，其中，响应于确定所述第二处理线程未能在预定时期内产生新的停车轨迹，所述停车轨迹的所存储的轨迹数据能够再次利用。
12.根据权利要求8所述的机器可读介质，其中，响应于所述一个或多个障碍物的移动，对所述停车轨迹进行更新，以避免在不同时间点与靠近移动的所述自动驾驶车辆的一个或多个障碍物发生碰撞。
13.根据权利要求8所述的机器可读介质，其中，所述一个或多个轨迹段包括前向驾驶段或反向驾驶段中的至少一个。
14.根据权利要求8所述的机器可读介质，其中，所述操作还包括：
在所述自动驾驶车辆沿着所述停车轨迹移动以自动停放在所述停车位中时，基于所述环境描述符数据对所述自动驾驶车辆的周围区域进行安全检查。
15.一种数据处理系统，包括：
处理器；以及
存储器，所述存储器联接至所述处理器，以存储指令，所述指令在由所述处理器执行时致使所述处理器执行操作，所述操作包括：
生成描述所述自动驾驶车辆周围的驾驶环境的环境描述符数据，包括识别停车位和在所述自动驾驶车辆的预定临近范围内的一个或多个障碍物；
基于所述环境描述符数据生成所述自动驾驶车辆的停车轨迹以将所述自动驾驶车辆自动停入所述停车位内，根据所述一个或多个障碍物来优化所述停车轨迹；
基于所述自动驾驶车辆的车辆状态将所述停车轨迹分段成一个或多个轨迹段；以及
根据所述停车轨迹的所述一个或多个轨迹段控制所述自动驾驶车辆以将所述自动驾驶车辆自动停入所述停车位，而不与所述一个或多个障碍物碰撞。
16.根据权利要求15所述的系统，其中，生成环境描述符数据经由第一处理线程来执行，并且生成所述自动驾驶车辆的停车轨迹经由第二处理线程来执行。
17.根据权利要求16所述的系统，其中，所述第一处理线程基于第一处理周期来执行，而所述第二处理线程基于比所述第一处理周期更长的第二处理周期来执行。
18.根据权利要求16所述的系统，其中，所述操作还包括：
将描述所述停车轨迹的轨迹数据存储在存储器中，其中，响应于确定所述第二处理线程未能在预定时期内产生新的停车轨迹，所述停车轨迹的所存储的轨迹数据能够再次利用。
19.根据权利要求15所述的系统，其中，响应于所述一个或多个障碍物的移动，对所述停车轨迹进行更新，以避免在不同时间点与靠近移动的所述自动驾驶车辆的一个或多个障碍物发生碰撞。
20.根据权利要求15所述的系统，其中，所述一个或多个轨迹段包括前向驾驶段或反向驾驶段中的至少一个。
CN201911266199.1A 2019-04-30 2019-12-11 对停车轨迹分段以控制自动驾驶车辆停车 Active CN111857118B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/399,579 US11485353B2 (en) 2019-04-30 2019-04-30 Segmenting a parking trajectory to control an autonomous driving vehicle to park
US16/399,579 2019-04-30

Publications (2)

Publication Number Publication Date
CN111857118A true CN111857118A (zh) 2020-10-30
CN111857118B CN111857118B (zh) 2024-04-26

Family

ID=72970775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266199.1A Active CN111857118B (zh) 2019-04-30 2019-12-11 对停车轨迹分段以控制自动驾驶车辆停车

Country Status (2)

Country Link
US (1) US11485353B2 (zh)
CN (1) CN111857118B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112810604A (zh) * 2021-01-15 2021-05-18 湖南大学 一种基于停车场场景下智能车辆行为决策方法及系统
CN114756019A (zh) * 2020-12-28 2022-07-15 伟摩有限责任公司 用于自主系统的外部指示处理

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11230273B2 (en) * 2019-05-02 2022-01-25 Liebherr Mining Equipment Newport News Co. Method for autonomously controlling a vehicle
US11148668B2 (en) * 2019-10-15 2021-10-19 Uatc, Llc Autonomous vehicle control for reverse motion
JP2021135881A (ja) * 2020-02-28 2021-09-13 セイコーエプソン株式会社 ロボットの制御方法
US11999344B2 (en) * 2022-02-20 2024-06-04 Beijing Jingdong Qianshi Technology Co., Ltd. System and method for selecting an intermediate parking goal in autonomous delivery
US20230288932A1 (en) * 2022-03-08 2023-09-14 Ford Global Technologies, Llc Dynamic automatic unparking
CN114670811B (zh) * 2022-04-08 2023-03-24 阿波罗智能技术(北京)有限公司 车辆控制方法、装置、系统、车辆和介质
DE102022122761A1 (de) 2022-09-08 2024-03-14 Valeo Schalter Und Sensoren Gmbh Verfahren zur wegplanung für ein automatisiertes kraftfahrzeug, computerprogrammprodukt, parkassistenzsystem und fahrzeug

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090088916A1 (en) * 2007-09-28 2009-04-02 Honeywell International Inc. Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles
CN105763845A (zh) * 2016-01-29 2016-07-13 腾讯科技（深圳）有限公司 车辆监控的方法和装置
CN106043293A (zh) * 2015-04-07 2016-10-26 大众汽车有限公司 用于安全地停放车辆的方法和装置
CN106853798A (zh) * 2015-12-08 2017-06-16 现代自动车株式会社 用于提供车辆周围图像信息的系统和方法
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
US20190118801A1 (en) * 2017-10-24 2019-04-25 Lg Electronics Inc. Device for automatically parking vehicle and method for controlling the same

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2257458B1 (de) * 2008-04-03 2012-03-07 Valeo Schalter und Sensoren GmbH Verfahren und vorrichtung zur unterstützung eines fahres eines fahrzeugs beim ausparken aus einer parklücke
US10336318B2 (en) * 2015-06-22 2019-07-02 Ford Global Technologies, Llc Systems and methods for vehicle park assist
WO2017058961A2 (en) * 2015-09-28 2017-04-06 Uber Technologies, Inc. Autonomous vehicle with independent auxiliary control units
US10325502B2 (en) * 2016-02-10 2019-06-18 Ford Global Technologies, Llc Parallel parking assistant
KR102395278B1 (ko) * 2016-12-02 2022-05-09 현대자동차주식회사 주차 경로 생성 장치, 그를 포함한 시스템 및 그 방법
US9969386B1 (en) * 2017-01-10 2018-05-15 Mitsubishi Electric Research Laboratories, Inc. Vehicle automated parking system and method
US10268201B2 (en) * 2017-02-28 2019-04-23 Mitsubishi Electric Research Laboratories, Inc. Vehicle automated parking system and method
US20190016331A1 (en) * 2017-07-14 2019-01-17 Nio Usa, Inc. Programming complex parking maneuvers for driverless vehicles
CN111133448A (zh) * 2018-02-09 2020-05-08 辉达公司 使用安全到达时间控制自动驾驶车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090088916A1 (en) * 2007-09-28 2009-04-02 Honeywell International Inc. Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles
CN106043293A (zh) * 2015-04-07 2016-10-26 大众汽车有限公司 用于安全地停放车辆的方法和装置
CN106853798A (zh) * 2015-12-08 2017-06-16 现代自动车株式会社 用于提供车辆周围图像信息的系统和方法
CN105763845A (zh) * 2016-01-29 2016-07-13 腾讯科技（深圳）有限公司 车辆监控的方法和装置
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
US20190118801A1 (en) * 2017-10-24 2019-04-25 Lg Electronics Inc. Device for automatically parking vehicle and method for controlling the same

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114756019A (zh) * 2020-12-28 2022-07-15 伟摩有限责任公司 用于自主系统的外部指示处理
CN112810604A (zh) * 2021-01-15 2021-05-18 湖南大学 一种基于停车场场景下智能车辆行为决策方法及系统

Also Published As

Publication number Publication date
US11485353B2 (en) 2022-11-01
CN111857118B (zh) 2024-04-26
US20200346637A1 (en) 2020-11-05

Similar Documents

Publication Publication Date Title
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
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
CN109489673B (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN109491375B (zh) 用于自动驾驶车辆的基于驾驶场景的路径规划
CN110347145B (zh) 用于自动驾驶车辆的感知辅助
CN109429518B (zh) 基于地图图像的自动驾驶交通预测
CN110597243B (zh) 自动驾驶车辆的基于v2x通信的车辆车道系统
CN111857118B (zh) 对停车轨迹分段以控制自动驾驶车辆停车
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
CN110621541B (zh) 用于生成轨迹以操作自动驾驶车辆的方法和系统
CN111247495A (zh) 用于自动驾驶车辆的低速场景的行人交互系统
CN111328411B (zh) 用于自动驾驶车辆的行人概率预测系统
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
WO2020062034A1 (en) A tunnel-based planning system for autonomous driving vehicles
CN111830959A (zh) 用于操作自动驾驶车辆的方法、系统和机器可读介质
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
CN111615476A (zh) 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN111328313A (zh) 用于自动驾驶车辆的控制占主导的三点转弯规划
WO2020132938A1 (en) Methods for obstacle filtering for non-nudge planning system in autonomous driving vehicle
CN111103876A (zh) 自动驾驶车辆的基于雷达通信的扩展感知
CN111328385A (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN111683851B (zh) 用于自动驾驶的自反向车道的相互避开算法
CN111649751A (zh) 一种用于参考线平滑的超自由缝合方法
CN111684379A (zh) 自动驾驶车辆的三点转弯的最优规划器切换方法

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