CN112009487A - 确定自动驾驶车辆的速度 - Google Patents
确定自动驾驶车辆的速度 Download PDFInfo
- Publication number
- CN112009487A CN112009487A CN201911264414.4A CN201911264414A CN112009487A CN 112009487 A CN112009487 A CN 112009487A CN 201911264414 A CN201911264414 A CN 201911264414A CN 112009487 A CN112009487 A CN 112009487A
- Authority
- CN
- China
- Prior art keywords
- speed
- environment
- path
- determining
- velocity
- 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 claims abstract description 81
- 230000006870 function Effects 0.000 claims description 195
- 238000012545 processing Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 description 54
- 230000008447 perception Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 230000002085 persistent effect Effects 0.000 description 6
- 230000001133 acceleration 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
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003068 static 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
- 238000011156 evaluation 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
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 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
- 239000002131 composite material Substances 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
- 239000006185 dispersion Substances 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
- 238000009499 grossing Methods 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
- 238000005192 partition Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response 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
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—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
- 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
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
- B60W30/146—Speed limiting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- G05D1/0231—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
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0021—Differentiating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0063—Manual parameter input, manual setting means, manual initialising or calibrating means
-
- 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
- B60W2552/30—Road curve radius
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
在一个实施方式中，提供了一种方法。该方法包括确定表示自动驾驶车辆通过环境的路径的第一参考线。该方法还包括基于与环境相关的速度限值集、路径曲率集和环境中的障碍物集来确定速度约束函数，其中，该速度约束函数包括连续函数。该方法还包括基于速度约束函数确定通过环境的路径的速度集。该方法还包括基于路径和速度集来控制自动驾驶车辆。
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确定自动驾驶车辆的速度。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
运动规划和控制是自动驾驶中的关键操作。路径描述自动驾驶车辆移动的几何形状。各种因素都会影响任何给定路径的可取性，包括与乘客舒适度和安全性有关的因素。
发明内容
本公开的一个方面提供了一种方法，该方法包括：确定表示自动驾驶车辆通过环境的路径的第一参考线；基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及基于所述路径和所述速度集控制所述自动驾驶车辆。
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：确定表示自动驾驶车辆通过环境的路径的第一参考线；基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及基于所述路径和所述速度集控制所述自动驾驶车辆。本公开的又一方面提供了一种数据处理系统，该系统包括处理器和联接到所述处理器以存储指令的存储器，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：确定表示自动驾驶车辆通过环境的路径的第一参考线；基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及基于所述路径和所述速度集控制所述自动驾驶车辆。
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决策和规划过程的示例的框图。
图5示出根据一个实施方式的ADV 500可位于其中的示例环境500。
图6A是示出根据一个实施方式的表示对ADV的速度的一个或多个约束的示例函数的图。
图6B是示出根据一个实施方式的示例速度约束函数的图形650。
图7是示出根据一个实施方式的速度约束函数确定过程中涉及的各种示例组件的框图。
图8是示出根据一个实施方式的用于控制ADV的示例方法的流程图。
图9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。
一些实施方式涉及用于控制自动驾驶车辆(ADV)的方法、装置和系统。ADV可以基于速度约束函数来确定速度集。速度约束函数可以表示与ADV所处环境相关联的速度限值集、ADV的路径曲率集以及环境中的障碍物集。速度约束函数可以是单个、连续、可微分函数。速度约束函数可以从多个单独的函数(例如，表示与ADV所处的环境相关联的速度限值集、ADV的路径曲率集以及环境中的障碍物集中的每个的一个函数)生成。至少一个单独的函数可以是不连续的和/或不可微分的；ADV可以通过离散化单独的函数、获取离散点处的函数值、形成分段并生成用于不同段的多项式函数来生成速度约束函数。
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。在下文中，术语“自动车辆”和“自动驾驶车辆”(ADV)可以互换使用。
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可以规划路径或路线，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，以安全且高效地到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析系统。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从各种车辆收集驾驶统计数据123，所述车辆可以是自动驾驶车辆，也可以是人类驾驶员驾驶的常规车辆。驾驶统计数据123包括指示所发出的驾驶命令(例如，油门、制动、转向命令)以及在不同的时间点由车辆的传感器捕获的车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计数据123还可包括描述不同时间点的驾驶环境的信息，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，机器学习引擎122出于各种目的而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可以包括路径算法，所述路径算法接收输入、约束和成本函数，并考虑与路径相关联的舒适度以及路径靠近车道中心线并远离带有缓冲的障碍物停留的偏好来生成用于ADV的路径。还可以将用于路径规划的成本函数生成为算法124的一部分。然后可以将算法124上传到ADV上，以在自动驾驶过程中实时使用。
图3A和图3B是示出根据本公开的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、静态障碍物映射器308以及路径规划器309。
模块301至309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309中的一些可以一起集成为集成模块。
定位模块301(例如，利用GPS单元212)确定自动驾驶车辆300的当前位置，并管理与用户的行程或路线有关的任何数据。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、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，例如，车道的形状(例如，笔直或弯曲)、车道的宽度、一条道路中有多少个车道、单向或双向车道、合流或分流车道、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。
对于每个对象，预测模块303预测该对象在所述情形下将表现出什么。根据一组地图/路线信息311和交通规则312，基于该时间点的感知驾驶环境的感知数据来执行预测。例如，如果对象是处于相反方向的车辆并且当前驾驶环境包括十字路口，则预测模块303将预测车辆是将可能直线向前移动还是进行转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测车辆在进入十字路口之前可能需要完全停止。如果感知数据表明车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块303可分别预测车辆将更可能向左转弯或向右转弯。
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。
路线制定模块307配置成提供从起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)，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可以以地形图的形式生成用于其确定的从开始位置至到达目的地位置的路线中的每个的参考线。参考线指的是理想的路线或路径，而不受诸如其他车辆、障碍物或交通状况的其他事物的任何干扰。即，如果道路上不存在其他车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线。然后，地形图被提供至决策模块304和/或规划模块305。根据由其它模块提供的其它数据(诸如，来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)，决策模块304和/或规划模块305检查所有可能的路线以选择和修改最优路线中的一个。用于控制ADV的实际路径或路线可与由路线制定模块307提供的参考线接近不同，这取决于该时间点的特定驾驶环境。
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。
作为规划过程的一部分，路径规划器309可以基于成本函数313生成多个规划的ADV状态，所述状态可以存储在永久性存储装置352中。
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，在多个规划周期(也被称为驾驶周期)(诸如，例如，在每100毫秒(ms)的时间间隔中)中执行规划阶段。针对规划周期或行驶周期中的每一个，将基于规划数据和控制数据发出一个或多个控制命令。即，对于每个100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。替代地，规划模块305还可指定具体速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一预定时间段(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基于先前周期中规划的目标位置来规划当前周期(例如，接下来的5秒)的目标位置。然后，控制模块306基于当前周期的规划数据和控制数据生成一个或多个控制命令(例如，油门命令、制动命令、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。
在一个实施方式中，在SL坐标系中规划路径。可以相对于参考线(道路/车道中心线)定义SL坐标系。纵向距离或s距离表示沿参考线的切线方向的距离。相应地，横向距离或l距离表示垂直于s方向的距离。假定车辆沿参考线行驶，SL空间中的纵向尺寸代表特定对象距车辆当前位置的纵向距离。SL空间中的横向尺寸表示由纵向尺寸表示的在特定时间或位置处对象与参考线之间的最短距离。SL空间中的这种图称为SL图。在一个实施方式中，横向距离可以简单地定义为距参考线的距离。因此，除了在笛卡尔坐标系(XY平面)中表示外，车辆位置(姿态)还可以在SL坐标系中表示为相对于参考线的有序对(纵向姿态/位置“s姿态”，横向姿态/位置“l姿态”)，或简单为(s，l)。
图4是示出根据一个实施方式的决策和规划过程400的示例的框图。决策和规划过程400包括定位/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、聚合器411和轨迹计算器413。
路径决策过程403和速度决策过程405可以由图3B中所示的决策模块304执行。参考图3B，决策模块304可以使用动态编程来生成粗略的路径轮廓作为路径规划过程407/速度规划过程409的初始约束。决策模块304可以使用路径状态机，路径状态机提供先前的规划结果和重要信息，诸如ADV是在巡航还是在改变车道，以及交通规则。根据状态、交通规则、由路线制定模块307提供的参考线以及由ADV感知的障碍物，路径决策过程403可以决定如何将感知到的障碍物处理为粗略的路径轮廓的一部分(即，忽略、超车、让道、停止、通过)。
例如，在一个实施方式中，由成本函数生成粗略路径轮廓，由成本构成的成本函数基于：路径的曲率以及从参考线和/或参考点到障碍物的距离。选择参考线上的点，并将其移动到参考线的左侧或右侧，作为表示路径候选项的候选移动。每个候选运动都有相关的成本。可以针对最优成本顺序地、一次一个点地使用动态编程来对参考线上的一个或多个点的候选运动的相关成本进行求解。动态编程(或动态优化)可以是一种数学优化方法，其可以将要解决的问题分解为一系列值函数，仅一次求解这些值函数中的每个并存储其解。下次出现相同的值函数时，简单地查找先前计算出的解即可，从而节省计算时间，而无需重新计算其解。
速度决策过程405可以使用速度状态机、速度交通规则以及一个或多个站点时间图。速度决策过程405可以使用动态编程来生成粗略的速度轮廓作为路径规划过程407/速度规划过程409的初始约束。根据速度状态机的状态、速度交通规则、由路径决策过程403生成的粗略路径轮廓以及感知到的障碍，速度决策过程405可以生成粗略速度轮廓以控制何时使ADV加速和/或减速。
路径规划过程407可以使用粗略的路径轮廓(例如，站-横向地图)作为初始约束，以使用二次规划来重新计算最优参考线。二次规划涉及使受边界、线性等式和/或不等式约束的目标函数(例如，具有多个变量的二次函数)最小化或最大化。动态编程和二次规划之间的区别是二次挂号一次优化参考线上所有点的所有候选运动。路径规划过程407可以将平滑算法(例如B样条或回归)应用于输出站-横向地图。路径成本可用于重新计算具有路径成本函数的参考线，以例如使用二次规划(QP)优化来优化参考点候选移动的总成本。
速度规划过程409可以使用粗略的速度轮廓(例如，站-时间图)和一个或多个S-T图来确定ADV的一个或多个速度。在一些实施方式中，S-T图可以包括S-T轨迹。如下面更详细地讨论的，S-T轨迹可以指示ADV沿着路径在不同时间点行进的距离。因此，(S-T图的)S-T轨迹可用于指示或确定车辆在不同时间点的速度。S-T图还可包括或指示一个或多个停止条件。例如，ST图还可以指示ADV应停下以避开障碍物的距离和时间，所述障碍物诸如行人、人行道、道路分隔栏(例如，中心分隔栏)、另一车辆等。虽然可以在图4中描述ST图，但在其他实施方式中可以使用其他类型的图(例如，SL图、使用笛卡尔坐标系的图等)。速度规划过程409还可使用一个或多个约束来确定ADV的一个或多个速度。约束可以是当速度规划过程409时确定速度集时应当满足的一个或多个条件。例如，约束可以是施加在候选解决方案应满足的QP优化问题上的条件。如下面更详细地讨论的，可以使用速度约束函数来表示一个或多个约束。
聚合器411执行聚合路径和速度规划结果的功能。例如，在一个实施方式中，聚合器411可以将二维S-T图和S-L地图组合成三维SLT图。在另一实施方式中，聚合器411可以基于S-L参考线或S-T曲线上的2个连续点进行插值(或填充附加点)。在另一实施方式中，聚合器411可以将参考点从(S，L)坐标转换为(x，y)坐标。轨迹生成器413可以计算最终轨迹以控制ADV。例如，基于由聚合器411提供的SLT图，轨迹生成器413计算(x，y，T)点的列表，该列表指示ADV应该在何时通过特定的(x，y)坐标。
因此，再次参考图4，路径决策过程403和速度决策过程405将生成考虑了障碍物和/或交通状况的粗略路径轮廓和粗略速度轮廓。给定与障碍物有关的所有路径和速度决策，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路径轮廓和速度轮廓，以生成具有最小路径成本和/或速度成本的最优轨迹。
图5示出根据一个实施方式的ADV 500可位于其中的示例环境500。环境500包括在道路510上行进的ADV 505和可以代表ADV 505沿着道路510的路径的参考线550。如上所讨论的，参考线550和/或路径可以由规划过程407或规划模块305确定(例如，可以先前已经确定、计算、生成等)。参考线550包括初始(例如，开始、出发等)位置501和目的地(例如，最终、结束等)位置503。初始位置501可以是ADV 505的当前位置，而目的地位置503可以是要到达的目标位置。环境500还包括另一车辆515。车辆515可能是ADV 500的障碍物。例如，参考线550可以避开车辆515，以帮助防止ADV与ADV500碰撞、撞击和/或接触。参考线550可以是由路线制定模块307生成的平滑参考线，或者可以基于地图几何信息(例如，从侧路缘和/或车道分隔栏/路径标记沿着车道追踪的中点值)来计算。图5中所示的参考线550、ADV 505、路径、道路510和/或其他元素可以使用如
图5中的X轴和Y轴所示的笛卡尔坐标系来表示。例如，可以使用二维几何坐标(例如，X-Y坐标，笛卡尔坐标等)来表示ADV 505的位置。
在一些实施方式中，(代表ADV的路径的)参考线550可以从x-y坐标转换为S-L坐标，使得路径可以表示在S-L图上。在其他实施方式中，(代表ADV的路径的)参考线550可以从x-y坐标转换为S-T坐标，使得路径可以表示在S-T图上。
如图5所示，参考线550可具有长度520。如图所示和在下面更详细地讨论，参考线550的长度520可以表示在S-T图的S轴(例如，垂直轴)上。参考线550可以被划分或分割为多个参考线段。例如，第一参考线段可以在ADV 505和距离S0之间，第二参考线段可以在距离S0和距离S1之间，第三参考线段可以在距离S1和距离S2之间等。
图6A是示出根据一个实施方式的示例功能610、620和630的图形600，示例功能610、620和630表示对ADV 505(在图5中示出)的速度的一个或多个约束(例如，限值、边界、上限、限制等)。图形600的X轴表示沿着参考线550的距离。如上所讨论的，ADV 505可以沿着由规划模块305和/或路线制定模块307选择和/或生成的参考线550行进。图形600的Y轴表示ADV的不同速度。
尽管(图5中示出的)参考线550可指示ADV 505可以在其上行驶或采用的路径，但是参考线550不可指示ADV 505在参考线550的不同部分、区段、段等处应该以什么速度行驶。如上所述，当ADV 505沿着参考线550的不同部分行驶时，规划模块305可以确定(例如，生成、获得、计算等)ADV 505的速度集(例如，一个或多个速度)。规划模块305可以使用速度规划函数来确定ADV 505沿参考线550的不同部分的速度集。
当确定ADV 505沿参考线550的不同部分的速度集时，计划模块305可以使用各种约束、限值、界限等。在一个实施方式中，一种类型的约束可以是沿着参考线550的一个或多个速度限值(例如，交通或法定速度限值)。例如，参考线550可以沿着环境中的道路(例如，沿着图5所示的环境500中的道路510)。道路沿道路的不同部分可能具有不同的速度限值。例如，道路的第一部分可具有45英里/小时(mph)的速度限值，道路的第二部分可具有25mph的速度限值，道路的第三部分可具有45mph的速度限值。速度限值(例如，交通或法定速度限值)可以指示ADV 505沿道路和/或参考线550的部分所允许的最大速度。在一些实施方式中，一个或多个速度限值可以用作约束以及用作目标和/或对象。例如，ADV 505不应以比速度限值快的速度(例如速率)行进，而应以尽可能接近速度限值的速度行进，以减少ADV 505到达目的地的总行驶时间。沿道路和/或参考线550的一个或多个速度限值由在图形600中用三条虚线表示的函数610指示。最左边的虚线可以指示45mph的速度限值，中间的虚线可指示25mph的速度限值，最右边的虚线可指示45mph的速度限值。
在一个实施方式中，参考线550和/或路径的曲率也可以是对ADV505的速度的约束(例如，限值、边界、上限、限制等)。例如，如果参考线550和/或路径的一部分具有较大的曲率(例如，更大弯曲)，则可以减小ADV 505沿着参考线550和/或路径的那部分行进的速度。如果参考线550和/或路径的一部分具有较小的曲率(例如，更小弯曲)，则可增加ADV 505沿着参考线550和/或路径的那部分行进的速度。参考线550和/或路径在参考线550的不同部分处可具有不同的曲率。由函数620示出了由于参考线550和/或路径的不同曲率(例如，曲率集)而允许的速度，函数620在图形600中表示为点划线。
在一个实施方式中，同样位于ADV 505所处环境中的障碍物也可能是约束。例如，各种静态(例如，不移动的)和/或移动的障碍物可能位于ADV 505所处的环境中。障碍物的示例可以包括障碍、分隔栏、立杆、行人、自行车、摩托车、车辆等。随着ADV 505沿参考线550和/或路径行驶，ADV 505到一个或多个障碍物的距离也可能会影响ADV 505应行驶的速度。移动的障碍物(例如，行人、自行车、摩托车、车辆等)可能具有意外行为(例如，可能靠近参考线550和/或路径移动)，这也可能导致ADV 505太靠近和/或撞到障碍物。另外，由ADV 505的传感器产生的传感器数据可能具有误差和/或不准确度(例如，由于传感器故障或未校准传感器，由于恶劣的天气状况等)。这些误差也可能导致ADV 505太靠近障碍物移动。如果ADV 505正在参考线550和/或路径的某些部分处的障碍物周围行驶，则降低ADV 505的速度可能是有用的。参考图5，由于车辆515(例如，障碍物)而允许的速度由函数630示出，其在图形600中表示为虚线。
如图6A所示，三个函数610、620和630是三个单独的函数。函数610和630可以是不连续的或非连续的函数(例如，可以是不连续的函数)。因为函数610和630是不连续的，所以函数610和630可能是不可微的(例如，可以是不可微的函数)。规划模块305可以被配置为使用平滑、连续和/或微分函数来表示对ADV 505的速度的约束、限值等。表示对ADV 505的速度的约束、限值等的单个平滑、连续和/或可微分函数可以允许规划模块305更快速和/或有效地确定ADV505的速度集。然而，由于函数610和630不连续，因此可能无法将函数610、620和630组合到连续的单个复合函数中。
如上所讨论的，图形600的X轴表示沿图5中所示的参考线550的距离。参考线550可以基于分辨率(例如，指定的或所需的分辨率)分为离散的段。例如，参考线550可以被分成分别为1英尺长、5英尺长、1米长、10米长或任何其他合适的长度的段或部分。每个段或部分的长度可以称为分辨率。每个段或部分的长度也可以称为Δs。配置文件或参数可以向规划模块305指示特定或期望的分辨率，或者用户可以经由用户输入来提供特定或期望的分辨率。在一个实施方式中，规划模块305还可基于分辨率或Δs划分由函数610、620和630表示的速度约束和/或限值。例如，规划模块可以识别沿X轴的离散距离(例如，Δs、2Δs、3Δs等)。规划模块305可以确定每个函数610、620和630在那些距离中的每个距离处的值。例如，规划模块305可以在Δs处确定函数610、620和630的第一组值(例如，在Δs处函数610的值，在Δs处函数620的值以及在Δs处函数630的值)，在2Δs处确定函数610、620和630的第二组值，在3Δs处确定函数610、620和630的第三组值，等。每个函数610、620和630在沿X轴的每个离散距离(例如，Δs，2Δs，3Δs等)处的值由图形中的点表示。函数610、620和630达到的值也可以称为速度值。换句话说，如果存在m个离散距离(或m个点)，则每个函数610、620和630在离散距离处的值可以表示为
确定每个函数610、620和630在沿X轴的每个离散距离处的值可以被称为离散化函数610、620和/或630(例如，离散化由函数610表示的速度限值集、由函数620表示的参考线曲率集和由函数630表示的障碍物)。
在一个实施方式中，规划模块305可以在沿X轴的每个离散距离处确定函数610、620和630的最低速度值。例如，规划模块305可以在Δs、2Δs、3Δs、4Δs、5Δs等处确定函数610、620和630的最低速度值。最低速度值在图形400中由点640表示。例如，在Δs处的最低速度值(例如，最低速度)来自函数630，在7Δs处的最低速度来自函数620，而在13Δs处的最低速度来自函数610。
图6B是示出根据一个实施方式的示例速度约束函数660的图形650。图形650的X轴表示沿着参考线550的距离。如上所述，ADV 505可以沿着由规划模块305和/或路线制定模块307选择和/或生成的参考线550行进。图形650的Y轴表示ADV的不同速度。
在一个实施方式中，规划模块305可以基于与环境相关联的速度限值集(例如，函数610)、沿参考线550和/或路径的曲率集(例如，函数620)以及一个或多个障碍物(例如，函数630)来确定、生成、获得、计算等速度约束函数
速度约束函数
可以是连续函数。由于速度约束函数
是连续函数，因此速度约束函数
也可以是微分函数。速度约束函数
可以是可微的，因为导数
(例如
)也是连续的。
如上所述，规划模块305可以确定函数610、620和630(图6A中所示)在沿X轴的每个离散距离(例如Δs、2Δs、3Δs等)处的最低速度值。在一个实施方式中，规划模块305可以连接每个速度值(例如，每个最低速度值)以形成段655。每个段655被表示为图形650中两个点之间的线。例如，可以通过将第一速度值(例如，图形650的左侧的第一点)与具有下一速度值的速度值之一的第二速度值(例如，图形650的左侧的第二点)连接而形成第一段655(从图形650的左侧开始)。在一个实施方式中，规划模块可以使用多项式函数来表示每个段655。多项式函数(其表示段655)可以是五次多项式函数。在其他实施方式中，可以使用其他类型的多项式函数(例如，二次多项式)。可以使用、组合、级联等多项式函数来生成、确定、获得等速度约束函数。例如，多项式函数中的每个可以形成速度约束函数的一部分。因此，速度约束函数可以是表示段655的不同多项式函数的分段组合。
如上所讨论的，速度约束函数可以是表示段655的不同多项式函数的组合。速度值(例如，点)可以将多个段655连接在一起。在一个实施方式中，规划模块可以使用常数第二项(例如，常数二阶项)
来连接连续的段655(例如，以执行表示段655的不同多项式函数的分段组合)。可以使用以下等式定义第二项：
规划模块可以执行使用以下等式定义的优化过程：
优化过程的目标可以是使等式的值最小化：
优化过程可受到以下约束：
其中Z是整数集。
优化步骤可利用等式(1)-(5)基于表示段655的多项式函数来确定、生成、获得、计算等速度约束函数
所基于的速度约束函数
可以是连续函数。速度约束函数
还可以是在速度值(例如，由在图形650中的点表示的每个速度值在连接处连接)处平滑连接的一阶微分分段函数。
这里描述的一个或多个实施方式可以允许ADV 505(例如，规划模块305)基于多个其他函数来生成、获得、确定等单个平滑、连续和/或可微分的函数，所述其他函数表示速度限值/限制，其中，其他函数中的至少一个不是连续的。通过将其中至少一个是不连续的多个函数组合成单个平滑、连续和/或可微分的函数，规划模块305能够使用单个函数来表示对ADV 505的速度的限值或限制，其允许ADV 505和/或规划模块305更快和/或更有效地确定ADV 505的速度集。另外，规划模块305可以被配置为在规划或确定ADV沿参考线550的速度集时，使用单个连续速度约束函数。更改或修正规划模块305以使用可能是不连续的多个单独的函数可能是困难的或耗时的。另外，如果速度约束函数是连续和/或可微函数，则这允许规划模块305直接使用速度约束函数(例如，直接将速度约束函数用作QP优化的一部分)。不连续和/或不可微函数不能直接由规划模块305使用。因此，生成平滑、连续和/或可微的单个速度约束函数可能比更改或修正规划模块305更有效。
图7是示出根据一个实施方式的优化过程中所涉及的各种示例组件的框图。如图7所示，规划模块包括函数生成器710。为函数生成器710提供输入720。输入720可以包括ADV的参考线和/或路径。约束730可包括速度限值约束(例如，合法速度限值)、曲率约束(例如，由于路径的一个或多个曲率而对ADV的速度的限值)以及障碍物约束(例如，由于一个或多个障碍而对ADV的速度的限值)。速度限值约束、曲率约束和障碍约束可使用单独的函数(例如，图6A中所示的函数610、620和630)来表示。函数生成器包括离散化模块711、评估模块712和组合模块713。如上所讨论的(例如，确定用于离散约束和/或函数的分辨率)，离散化模块711可以离散速度限值约束、曲率约束和障碍约束。如上所讨论的，评估模块712可以评估约束和/或函数并识别出最低值(例如，最低速度值)。如上所讨论的，组合模块715可以在不同速度值之间形成段，并可以生成速度约束函数。如上所讨论的，速度约束函数可以是基于表示多个段的多个多项式函数(例如，多个五次多项式函数)而生成的。所基于的速度约束函数可以是连续函数。如上所讨论的，速度约束函数也可以是一阶可微分段函数，该函数在不同的速度值处平滑连接。
图8是示出根据一个实施方式的用于控制ADV的示例方法的流程图。可通过可包括软件、硬件或其组合的处理逻辑来执行过程800。可通过可包括硬件(例如，电路、专用逻辑、可编程逻辑、处理器、处理设备、中央处理单元(CPU)、芯片上系统(SoC)等)、软件(例如，在处理设备上运行/执行的指令)、固件(例如，微代码)或它们的组合的处理逻辑来执行过程800。在一些实施方式中，过程800可以由规划模块(例如，图3B所示的规划模块305)执行。
在块810处，过程800确定ADV的参考线。如上所述，参考线可以指示ADV穿过环境的路径。在块820处，过程800基于速度限值集、路径曲率集(例如，由于该曲率集而导致的速度限值)以及环境中的障碍物集(例如，由于障碍物而导致的速度限值)来确定速度约束函数。为了确定速度约束函数，过程800可以执行块821至825。如上所讨论的，在块821处，过程800可以使约束和/或函数离散化。在块822处，如以上结合图6A所讨论的，过程800可以确定速度集。在块823处，如以上结合图6B所讨论的，过程800可在不同速度或速度值之间形成段。在块824处，过程800可以确定用于不同段的多项式函数。在块825处，如上所讨论的，过程800可组合多项式函数以生成速度约束函数。在块830处，过程可以基于速度约束函数确定速度集。在块840处，过程可基于参考线和速度集来控制ADV。
应注意，如上文示出和描述的部件中的一些或全部可以以软件、硬件或其组合实施。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9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可以表示以上描述的执行上述过程或方法中的任何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中的任一个以及图6的路径规划器309。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Mac
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何一个，例如规划模块305、控制模块306和路径计划器309。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发明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发明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)
1.一种方法，包括：
确定表示自动驾驶车辆通过环境的路径的第一参考线；
基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；
基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及
基于所述路径和所述速度集控制所述自动驾驶车辆。
2.根据权利要求1所述的方法，其中，确定所述速度约束函数包括：
基于指定的分辨率离散化以下中的一个或多个：与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集。
3.根据权利要求2所述的方法，其中，确定所述速度约束函数还包括：
基于与所述环境相关的所述速度限值集、所述路径曲率集、所述环境中的所述障碍物集和所述指定的分辨率，确定速度集。
4.根据权利要求3所述的方法，其中，确定所述速度约束函数还包括：
通过将所述速度集中的每个速度与所述速度集中的下一个速度连接，在所述速度集之间形成段集。
5.根据权利要求4所述的方法，其中，确定所述速度约束函数还包括：
确定一组多项式函数来表示所述段集，其中，所述一组多项式函数中的每个多项式函数表示所述段集中的相应段。
6.根据权利要求5所述的方法，其中，所述一组多项式函数包括一组五次多项式函数。
7.根据权利要求5所述的方法，其中，确定所述速度约束函数还包括：
结合所述一组多项式函数以生成所述速度约束函数。
8.根据权利要求1所述的方法，其中：
使用一组函数表示与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集；以及
所述一组函数中的至少一个包括不连续函数。
9.根据权利要求1所述的方法，其中：
使用一组函数表示与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集；以及
所述一组函数中的至少一个是不可微的。
10.根据权利要求1所述的方法，其中，所述速度约束函数包括可微函数。
11.一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：
确定表示自动驾驶车辆通过环境的路径的第一参考线；
基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；
基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及
基于所述路径和所述速度集控制所述自动驾驶车辆。
12.根据权利要求11所述的非暂时性机器可读介质，其中，确定所述速度约束函数包括：
基于指定的分辨率离散化以下中的一个或多个：与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集。
13.根据权利要求12所述的非暂时性机器可读介质，其中，确定所述速度约束函数还包括：
基于与所述环境相关的所述速度限值集、所述路径曲率集、所述环境中的所述障碍物集和所述指定的分辨率，确定速度集。
14.根据权利要求13所述的非暂时性机器可读介质，其中，确定所述速度约束函数还包括：
通过将所述速度集中的每个速度与所述速度集中的下一个速度连接，在所述速度集之间形成段集。
15.根据权利要求14所述的非暂时性机器可读介质，其中，确定所述速度约束函数还包括：
确定一组多项式函数以表示所述段集，其中，所述一组多项式函数中的每个多项式函数表示所述段集中的相应段。
16.根据权利要求15所述的非暂时性机器可读介质，其中，所述一组多项式函数包括一组五次多项式函数集。
17.根据权利要求15所述的非暂时性机器可读介质，其中，确定所述速度约束函数还包括：
结合所述一组多项式函数以生成所述速度约束函数。
18.根据权利要求11所述的非暂时性机器可读介质，其中：
使用一组函数表示与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集；以及
所述一组函数中的至少一个包括不连续函数。
19.根据权利要求11所述的非暂时性机器可读介质，其中：
使用一组函数表示与所述环境相关的所述速度限值集、所述路径曲率集以及所述环境中的所述障碍物集；以及
所述一组函数中的至少一个是不可微的。
20.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致使所述处理器执行操作，所述操作包括：
确定表示自动驾驶车辆通过环境的路径的第一参考线；
基于与所述环境相关的速度限值集、路径曲率集和所述环境中的障碍物集来确定速度约束函数，其中，所述速度约束函数包括连续函数；
基于所述速度约束函数确定用于通过所述环境的所述路径的速度集；以及
基于所述路径和所述速度集控制所述自动驾驶车辆。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/424,224 | 2019-05-28 | ||
| US16/424,224 US11614740B2 (en) | 2019-05-28 | 2019-05-28 | Determining speeds for an autonomous vehicle |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112009487A true CN112009487A (zh) | 2020-12-01 |
Family
ID=73506457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911264414.4A Pending CN112009487A (zh) | 2019-05-28 | 2019-12-11 | 确定自动驾驶车辆的速度 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11614740B2 (zh) |
| CN (1) | CN112009487A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650608A (zh) * | 2021-09-14 | 2021-11-16 | 广州小鹏自动驾驶科技有限公司 | 一种基于自动驾驶的避障方法和装置 |
| CN113879336A (zh) * | 2021-10-18 | 2022-01-04 | 三一专用汽车有限责任公司 | 车辆行驶控制方法、装置及车辆 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2017208396A1 (ja) * | 2016-06-01 | 2019-03-14 | パイオニア株式会社 | 地物データ構造、記憶媒体、情報処理装置及び検出装置 |
| EP3994537A4 (en) * | 2019-07-19 | 2022-07-27 | Huawei Technologies Co., Ltd. | GLOBAL PATH PLANNING USING PIECE SIGMOID CURVES |
| US11080949B1 (en) * | 2020-05-04 | 2021-08-03 | Timothy Just | Predictive vehicle operating assistance |
| US20230115758A1 (en) * | 2021-10-11 | 2023-04-13 | Argo AI, LLC | Systems and methods for controlling speed of an autonomous vehicle |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9932038B1 (en) * | 2016-11-30 | 2018-04-03 | Baidu Usa Llc | Speed control for a full stop of an autonomous driving vehicle |
| CN109521761A (zh) * | 2017-09-18 | 2019-03-26 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的速度优化 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9457807B2 (en) * | 2014-06-05 | 2016-10-04 | GM Global Technology Operations LLC | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver |
| MX356732B (es) * | 2015-01-05 | 2018-06-12 | Nissan Motor | Dispositivo de generación de velocidad del vehículo objetivo y dispositivo de control de desplazamiento. |
| US10409283B2 (en) * | 2017-03-31 | 2019-09-10 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle motion control system and method |
| US10564643B2 (en) * | 2018-05-31 | 2020-02-18 | Nissan North America, Inc. | Time-warping for autonomous driving simulation |
| US11186276B2 (en) * | 2018-07-27 | 2021-11-30 | Baidu Usa Llc | Adjusting speeds along a path for autonomous driving vehicles |
-
2019
- 2019-05-28 US US16/424,224 patent/US11614740B2/en active Active
- 2019-12-11 CN CN201911264414.4A patent/CN112009487A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9932038B1 (en) * | 2016-11-30 | 2018-04-03 | Baidu Usa Llc | Speed control for a full stop of an autonomous driving vehicle |
| CN109521761A (zh) * | 2017-09-18 | 2019-03-26 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的速度优化 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650608A (zh) * | 2021-09-14 | 2021-11-16 | 广州小鹏自动驾驶科技有限公司 | 一种基于自动驾驶的避障方法和装置 |
| CN113879336A (zh) * | 2021-10-18 | 2022-01-04 | 三一专用汽车有限责任公司 | 车辆行驶控制方法、装置及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11614740B2 (en) | 2023-03-28 |
| US20200379474A1 (en) | 2020-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109947090B (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
| CN110083149B (zh) | 用于自动驾驶车辆的路径与速度优化后馈机制 | |
| EP3524934B1 (en) | Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle | |
| 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 | |
| CN110389581B (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
| CN109521762B (zh) | 用于生成自动驾驶车辆的最优参考线路的计算机实施的方法、介质及系统 | |
| CN109521763B (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
| CN109521761B (zh) | 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统 | |
| CN110533943B (zh) | 确定自动驾驶车辆的车道改变轨迹的方法 | |
| CN109955853B (zh) | 用于操作自动驾驶车辆的方法、系统和存储介质 | |
| US10515321B2 (en) | Cost based path planning for autonomous driving vehicles | |
| US10775801B2 (en) | Determining speeds along a path for autonomous driving vehicles | |
| CN110389580B (zh) | 用于规划自动驾驶车辆的路径的漂移校正的方法 | |
| US10816985B2 (en) | Method on moving obstacle representation for trajectory planning | |
| CN110728014A (zh) | 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法 | |
| 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 | |
| US20190315357A1 (en) | Novel method for speed adjustment of autonomous driving vehicles prior to lane change | |
| CN110955236A (zh) | 用于自动驾驶车辆的曲率校正路径采样系统 | |
| US11614740B2 (en) | Determining speeds for an autonomous vehicle | |
| CN111033422A (zh) | 操作自动驾驶车辆的规划阶段和控制阶段之间的漂移校正 | |
| CN111123906A (zh) | 不同横向加速度约束下的最优纵向轨迹生成 | |
| CN111830959A (zh) | 用于操作自动驾驶车辆的方法、系统和机器可读介质 | |
| CN112146680B (zh) | 基于特征图确定消失点 | |
| CN112149484B (zh) | 基于车道线确定消失点 |
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 |