CN113060118A - 用于柔和降速的速度规划引导线 - Google Patents
用于柔和降速的速度规划引导线 Download PDFInfo
- Publication number
- CN113060118A CN113060118A CN202010475869.7A CN202010475869A CN113060118A CN 113060118 A CN113060118 A CN 113060118A CN 202010475869 A CN202010475869 A CN 202010475869A CN 113060118 A CN113060118 A CN 113060118A
- Authority
- CN
- China
- Prior art keywords
- speed
- autonomous vehicle
- natural deceleration
- cost function
- total
- 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 29
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 59
- 230000001133 acceleration Effects 0.000 claims description 19
- 230000036461 convulsion Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 7
- 230000007935 neutral effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000002379 ultrasonic velocimetry Methods 0.000 abstract description 63
- 238000010586 diagram Methods 0.000 description 20
- 230000008447 perception Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000004888 barrier function Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000002085 persistent effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/181—Preparing for stopping
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
-
- 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
- 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
-
- 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
-
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2552/50—Barriers
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0605—Throttle position
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
- B60W2720/106—Longitudinal acceleration
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了基于自动驾驶车辆(ADV)的自然减速方案规划减速轨迹的方法、装置和系统。在一个实施方式中,响应于以自然减速模式驾驶的请求,确定ADV的当前速度。根据ADV的当前速度,基于与ADV相关联的预定自然减速方案生成速度指引。通过基于速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶ADV的轨迹的多个轨迹点的速度。基于速度规划操作生成多个控制命令,以沿轨迹用规划的速度控制ADV,使得ADV根据预定自然减速方案自然降速。
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用于规划自动驾驶车辆的自然减速。
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。
人类驾驶员只需通过松开油门踏板而无需施用任何制动器即可使车辆降速。这种降速在下文中可称为自然减速。自动驾驶车辆通常很难规划和执行自然减速。因此,乘客舒适性可能会受到负面影响。
发明内容
根据本公开的一方面,提供了一种用于操作自动驾驶车辆的计算机实施的方法,所述方法包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
根据本公开的另一方面,提供了一种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自动驾驶车辆的操作,所述操作包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
根据本公开的又一方面,提供了一种一种数据处理系统,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自动驾驶车辆的操作,所述操作包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
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决策和规划系统的示例的框图。
图5是示出根据一个实施方式的站横向地图的框图。
图6A和6B是示出根据一些实施方式的站时间图的框图。
图7是示出根据一个实施方式的示例性自然减速方案的图。
图8是示出可用于本公开实施方式的各种模块的框图。
图9是示出根据一个实施方式的用于基于自动驾驶车辆(ADV)的自然减速方案规划减速轨迹的示例性方法的流程图。
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。
自动驾驶车辆通常很难规划和执行自然减速。典型的自动驾驶系统将规划和控制分为不同的模块。由于根据传统的规划方法没有考虑自然减速方案,因此规划的轨迹很少导致类似于人类驾驶员通常会执行的自然减速的控制行为。例如,如果规划的轨迹要求的减速比自然减速快,则会生成制动信号;如果规划的轨迹要求的减速比自然减速慢,则会生成加速信号。
根据某些实施方式,公开了基于自动驾驶车辆(ADV)的自然减速方案规划减速轨迹的方法、装置和系统。响应于以自然减速模式驾驶的请求,确定ADV的当前速度。根据ADV的当前速度,基于与ADV相关联的预定自然减速方案生成速度指引。通过基于速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶ADV的轨迹的多个轨迹点的速度。基于速度规划操作生成多个控制命令,以沿轨迹用规划的速度控制ADV,使得ADV根据预定自然减速方案自然降速。
在一个实施方式中,通过允许与ADV相同类型的样车在中性道路条件下(例如,在平坦、表面平整的道路上)从最大速度(例如,150km/h)自然减速至完全停止而不施用加速器或制动器、以及测量并记录自然减速期间的时间-速度关系,来生成预定的自然减速方案。在一个实施方式中,预定的自然减速方案包括近似地表示自然减速期间记录的时间-速度关系的参考线(例如曲线)。
在一个实施方式中,生成最小化总成本函数的规划轨迹包括使用二次规划(QP)来最小化总成本函数。在一个实施方式中,总成本函数还包括总路径成本函数。在一个实施方式中,当ADV被规划处于加速状态时,总速度成本函数至少包括加速成本项、急冲成本项和障碍物成本项。
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。例如,算法124可包括不同类型车辆的自然减速方案,其可用于自然减速驾驶场景期间的速度规划。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、路线安排模块307和自然减速模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如,这些模块可安装在永久性存储装置352中、加载到存储器351中,并且由一个或多个处理器(未示出)执行。应注意,这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可一起集成为集成模块。
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或自然减速方案313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接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。
在一个实施方式中,自然减速模块308被配置成规划自然减速轨迹,以基于与ADV相关联的自然减速方案313来控制ADV自然降速。自然减速方案313可以例如,通过数据分析系统103,基于大量类似于ADV的车辆的驾驶统计数据生成。自然减速模块308可以实施为规划模块305的一部分。
响应于以自然减速模式驾驶的请求,确定ADV的当前速度。根据ADV的当前速度,基于与ADV相关联的预定自然减速方案生成速度指引。通过基于速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶ADV的轨迹的多个轨迹点的速度。基于速度规划操作生成多个控制命令,以沿轨迹用规划的速度控制ADV,使得ADV根据预定自然减速方案自然降速。
在一个实施方式中,通过允许与ADV相同类型的样车在中性道路条件下(例如,在平坦、表面平整的道路上)从最大速度(例如,150km/h)自然减速至完全停止而不施用加速器或制动器、以及测量并记录自然减速期间的时间-速度关系,来生成预定的自然减速方案。在一个实施方式中,预定的自然减速方案包括近似地表示自然减速期间记录的时间-速度关系的参考线(例如曲线)。
在一个实施方式中,生成最小化总成本函数的规划轨迹包括使用二次规划(QP)来最小化总成本函数。在一个实施方式中,总成本函数还包括总路径成本函数。在一个实施方式中,当ADV被规划处于加速状态时,总速度成本函数至少包括加速成本项、急冲成本项和障碍物成本项。
图4是示出根据一个实施方式的决策和规划系统的示例的框图。系统400可以实施为图3A-3B的自动驾驶系统300的一部分,以执行路径规划和速度规划操作。参考图4,决策和规划系统400(也称为规划和控制或PnC系统或模块)除其他外包括定位/感知数据401、路径决策模块403、速度决策模块405、路径规划模块407、速度规划模块409、聚合器411和轨迹计算器413。
路径决策模块403和速度决策模块405可以实施为决策模块304的一部分。在一个实施方式中,路径决策模块403可以包括路径状态机、一个或多个路径交通规则和站横向地图生成器。路径决策模块403可以使用动态规划来生成粗路径方案作为路径/速度规划模块407和409的初始约束。
在一个实施方式中,路径状态机包括至少三种状态:巡航状态、改变车道状态和/或空闲状态。路径状态机提供先前的规划结果和重要信息,诸如ADV是巡航还是变道。路径交通规则(可以作为图3A的驾驶/交通规则312的一部分)包括可影响路径决策模块的结果的交通规则。例如,路径交通规则可以包括交通信息,诸如附近的施工交通标志,ADV可以避开带有此类施工标志的车道。根据状态、交通规则、路线安排模块307提供的参考线以及由ADV的感知模块302感知的障碍物,路径决策模块403可以决定如何处理感知的障碍物(即忽略、超车、让行、停车、通过),作为粗路径方案的一部分。
例如,在一个实施方式中,粗路径方案由成本函数生成,成本函数由基于以下的成本组成:路径曲率和从参考线和/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上的左侧或右侧,作为表示路径候选的候选移动。每个候选移动都有相关联成本。参考线上一个或多个点的候选移动的相关联成本可以使用动态规划来求解,一次一个点,顺序地获得最优成本。
在一个实施方式中,站横向(SL)图生成器(未示出)生成作为粗糙路径曲线的一部分的SL地图。SL地图是包含由ADV感知的障碍物信息的二维几何地图(类似于x-y坐标平面)。根据SL地图,路径决策模块403可以布置遵循障碍物决策的ADV路径。动态规划(也称为动态优化)是一种数学优化方法,它将待求解的问题分解为一系列值函数,只需一次求解这些值函数中的每一个并存储它们的解。下一次出现相同的值函数时,只需查找先前计算的解,从而节省了计算时间,而不是重新计算其解。
速度决策模块405包括速度状态机、速度交通规则和站时间图生成器(未示出)。速度决策过程405或速度决策模块可以使用动态规划来生成粗速度方案作为路径/速度规划模块407和409的初始约束。在一个实施方式中,速度状态机包括至少两种状态:加速状态和/或减速状态。速度交通规则(可以是图3A的驾驶/交通规则312的一部分)包括可以影响速度决策模块的结果的交通规则。例如,速度交通规则可以包括交通信息,诸如红/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、由决策模块403生成的粗路径方案/SL地图和感知的障碍物,速度决策模块405可以生成粗速度方案以控制何时使ADV提速和/或降速。ST图生成器可以生成作为粗速度方案的一部分的站时间(ST)图。
在一个实施方式中,路径规划模块407包括一个或多个SL地图、几何平滑器和路径成本模块(未示出)。SL地图可以包括由路径决策模块403的SL地图生成器生成的站横向地图。路径规划模块407可以使用粗路径方案(例如,站横向地图)作为初始约束,来使用二次规划重新计算最优参考线。二次规划(QP)涉及最小化或最大化受边界、线性等式和不等式约束的目标函数(例如,带有多个变量的二次函数)。
动态规划和二次规划的一个区别是,二次规划一次优化参考线上所有点的所有候选移动。几何平滑器可以将平滑算法(如B样条或回归)应用于输出站横向地图。路径成本模块可以使用路径成本函数重新计算参考线,以优化参考点的候选移动的总成本,例如,使用由QP模块(未示出)执行的QP优化。例如,在一个实施方式中,总路径成本函数可以定义如下:
路径成本=∑点(前进方向)2+∑点(曲率)2+∑点(距离)2,
其中路径成本在参考线上的所有点上求和,前进方向表示点相对于参考线之间的径向角(例如方向)的差,曲率表示这些点形成的曲线与该点的参考线的曲率之间的差,距离表示从点到参考线的横向(垂直于参考线的方向)距离。在一些实施方式中,距离表示从该点到参考线的目的地位置或中间点的距离。在另一实施方式中,曲率成本是在相邻点处形成的曲线的曲率值之间的变化。注意参考线上的点可以选择为与相邻点距离相等的点。基于路径成本,路径成本模块可以通过(例如,通过QP模块)使用二次规划优化最小化路径成本来重新计算参考线。
速度规划模块409包括站时间图、序列平滑器和速度成本模块。站时间图可以包括由速度决策模块405的ST图生成器生成的ST图。速度规划模块409可以使用粗速度方案(例如,站时间图)和路径规划模块407的结果作为初始约束来计算最优站时间曲线。序列平滑器可以对点的时间序列应用平滑算法(如B样条或回归)。速度成本模块可以使用速度成本函数重新计算ST图,以优化不同时间点的移动候选(例如,提速/降速)的总成本。
例如,传统上,总速度成本函数可以是:
速度成本=∑点(速度′)2+∑点(速度″)2+(距离)2,
其中,速度成本在所有时间累进点上求和,速度'表示加速度值或在两个相邻点之间改变速度的成本,速度”表示急冲值,或加速度值的导数或在两个相邻点之间改变加速度的成本,距离表示从ST点到目的地位置的距离。这里,速度成本模块通过使用二次规划优化(例如通过QP模块)最小化速度成本来计算站时间图。
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ST图和SL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SL参考线或ST曲线上的两个连续点来插值(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ADV510。例如,基于聚合器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ADC应在何时通过特定(x,y)坐标。
因此,路径决策模块403和速度决策模块405被配置成考虑障碍物和/或交通状况来生成粗路径方案和粗速度方案。在给定所有关于障碍物的路径和速度决策的情况下,路径规划模块407和速度规划模块409将使用QP规划根据障碍物优化粗路径方案和粗速度方案,以生成具有最小路径成本和/或速度成本的最优轨迹。
图5是示出根据一个实施方式的站横向地图的框图。参照图5,SL地图500具有S水平轴或站,和L垂直轴或横向。如上所述,站横向坐标系是相对的几何坐标系,其参照参考线上的特定固定点,并跟随参考线。例如,(S,L)=(1,0)坐标可以表示在参考线上的固定点(即,参考点)前方一米,具有零米横向偏移。(S,L)=(2,1)参考点可以表示沿参考线在固定参考点前面两米,以及距参考线一米的垂直横向偏移,例如左偏移。
参考图5,SL图500包括参考线501和ADV 510感知的障碍物503-509。在一个实施方式中,障碍物503-509可由ADV 510的雷达或LIDAR在不同坐标系中感知并转换为SL坐标系。在另一实施方式中,障碍物503-509可以是作为约束的人为形成的屏障,使得决策和规划模块不会在受约束的几何空间中搜索。在本示例中,路径决策模块可以为障碍物503-509中的每一个生成决策,诸如避开障碍物503-507和靠近(非常接近)障碍物509的决策(即,这些障碍物可以是其他汽车、建筑物和/或结构)。然后,路径规划模块可以使用QP规划基于针对障碍503-509的路径成本重新计算或优化参考线501,以如上所述的最小总成本微调参考线501。在本示例中,ADV从障碍物509的左侧靠近或非常接近障碍物509。
图6A和6B是示出根据一些实施方式的站时间图的框图。参考图6A,ST图600具有站(或S)竖直轴和时间(或T)水平轴。ST图600包括曲线601和障碍物603-607。如上所述,站时间图上的曲线601指示ADV距站点的时间和距离。例如,(T,S)=(10000,150)可以表示在10000毫秒内,ADV将距固定点(即,参考点)150米。在本示例中,障碍物603可以是要避开的建筑物/结构,障碍物607可以是与超过移动车辆的决定相对应的人工屏障。
参考图6B,在这种场景下,将人工屏障605作为约束添加到ST图610。人工屏障可以是距离站参考点大约S2的路径的红灯或行人的例子,如ADV所感知到的。屏障605对应于“停止”ADV的决策,直到稍后移除人工屏障(即,交通灯从红色变为绿色,或者行人不再位于路径中)。
参考图7,示出了图示根据一个实施方式的示例性自然减速方案700的图。自然减速方案700可对应于特定类型/型号的ADV。不同类型或型号的ADV与它们各自的、不同的自然减速方案相关联,这些自然减速方案需要针对每种类型或型号分别生成。通常,通过允许特定类型或型号的样车在中性道路条件下(例如,在平坦、表面平整的道路上)从最高速度(例如,150km/h)自然减速至完全停止而不施用加速器或制动器,以及测量并记录自然减速期间的时间-速度关系来生成预定自然减速方案。在所示的实施方式中,自然减速方案700包括参考线710,在本示例中,为速度曲线,其近似地表示自然减速期间记录的时间-速度关系。曲线710表示在自然减速驾驶期间速度随时间的变化。应当理解,由于在自然减速方案中记录了从最大速度到零速度的自然减速期间的时间-速度关系,因此可以使用自然减速方案确定任意两个速度之间的自然减速期间的时间-速度关系。
在一个实施方式中,参考图7,基于ADV的当前速度705,对速度曲线710执行查找操作以识别速度曲线的部分720。如上文所述,在从当前速度705开始的自然减速驾驶期间,速度曲线710的部分720用作速度规划的速度指引。
图8是示出根据一个实施方式的自然减速模块的示例的框图。参照图8,自然减速模块308除其他外包括速度指引生成器801和速度规划模块802。响应于自然减速的请求,速度指引生成器801基于ADV的当前速度在与ADV相关联的自然减速方案中执行查找。基于当前速度从自然减速方案获得自然减速速度曲线的一部分。在速度规划模块802执行的速度规划期间,将自然减速速度曲线的该部分用作速度参考的一部分,以确定沿被规划以驾驶ADV的路径的速度。此后,可以发出控制命令来控制ADV的速度,以便使ADV如在自然降速那样移动。
图9是示出根据一个实施方式的操作自动驾驶车辆的过程的流程图。处理900可以通过处理逻辑来执行,处理逻辑可以包括软件、硬件或其组合。例如,过程900可以由图3A的系统300执行,特别是由自然减速模块308、规划模块305和/或控制模块306执行。参照图9,在框901,响应于以自然减速模式驾驶的请求,确定ADV的当前速度。在框902,根据ADV的当前速度,基于与ADV相关联的预定自然减速方案生成速度指引。在框903,处理逻辑通过基于速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶ADV的轨迹的多个轨迹点的速度。在框904,基于速度规划操作生成多个控制命令,以沿轨迹用规划的速度控制ADV,使得ADV根据预定自然减速方案自然降速。
在一个实施方式中,总成本函数至少包括总速度成本函数。当ADV规划处于减速状态时,总速度成本函数至少包括偏离自然减速成本项和障碍物成本项。偏离自然减速成本项表示规划的减速方案和预定自然减速方案之间的差异。
例如,如果ADV的速度为50km/h,可以根据自然减速方案确定,从车辆以50km/h的速度行驶时算起,车辆以自然减速1秒后应以47km/s的速度行驶,以自然减速2秒后应以45km/s的速度行驶,等。规划的减速方案和自然减速方案之间的差异越大,偏离自然减速成本项越大。因此,应当认识到,与上述传统的总速度成本函数相比,传统总速度成本函数中的与障碍物无关的成本项(例如,加速成本,急冲成本)用总速度成本函数中的偏离自然减速成本项来代替,用于基于自然减速方案来规划减速轨迹。此外,由于在总速度成本函数中保留了障碍物成本项,因而规划的轨迹仍能避免潜在的碰撞。
在一个实施方式中,总成本函数还包括总路径成本函数。在一个实施方式中,当ADV被规划处于加速状态时,总速度成本函数至少包括加速成本项、急冲成本项和障碍物成本项。
因此,在本公开实施方式的帮助下,可以生成规划的轨迹,其允许ADV以自然方式减速,而无需施用任何加速或制动器。乘客的舒适度可以相应提高。
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。
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)
1.一种用于操作自动驾驶车辆的计算机实施的方法,所述方法包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
2.根据权利要求1所述的方法,其中,所述预定自然减速方案是通过允许与所述自动驾驶车辆相同类型的样车在中性道路条件下从最大速度自然减速至完全停止而不施用加速器或制动器,以及测量并记录在自然减速期间的时间-速度关系而产生的。
3.根据权利要求2所述的方法,其中,所述预定自然减速方案包括近似地表示所记录的在所述自然减速期间的时间-速度关系的参考线。
4.根据权利要求1所述的方法,其中,所述总成本函数至少包括总速度成本函数,当所述自动驾驶车辆在所述自然减速模式下操作时,所述总速度成本函数至少具有偏离自然减速成本项和障碍物成本项。
5.根据权利要求1所述的方法,其中,优化所述总成本函数包括使用二次规划来最小化所述总成本函数。
6.根据权利要求1所述的方法,其中,所述总成本函数还包括用来确定所规划的轨迹的总路径成本的总路径成本函数。
7.根据权利要求1所述的方法,其中,当所述自动驾驶车辆被规划处于加速状态时,所述总速度成本函数至少包括加速成本项、急冲成本项和障碍物成本项。
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自动驾驶车辆的操作,所述操作包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
9.根据权利要求8所述的机器可读介质,其中,所述预定自然减速方案是通过允许与所述自动驾驶车辆相同类型的样车在中性道路条件下从最大速度自然减速至完全停止而不施用加速器或制动器,以及测量并记录在自然减速期间的时间-速度关系而产生的。
10.根据权利要求9所述的机器可读介质,其中,所述预定自然减速方案包括近似地表示所记录的在所述自然减速期间的时间-速度关系的参考线。
11.根据权利要求8所述的机器可读介质,其中,所述总成本函数至少包括总速度成本函数,当所述自动驾驶车辆在所述自然减速模式下操作时,所述总速度成本函数至少具有偏离自然减速成本项和障碍物成本项。
12.根据权利要求9所述的机器可读介质,其中,优化所述总成本函数包括使用二次规划来最小化所述总成本函数。
13.根据权利要求9所述的机器可读介质,其中,所述总成本函数还包括用来确定所规划的轨迹的总路径成本的总路径成本函数。
14.根据权利要求8所述的机器可读介质,其中,当所述自动驾驶车辆被规划处于加速状态时,所述总速度成本函数至少包括加速成本项、急冲成本项和障碍物成本项。
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自动驾驶车辆的操作,所述操作包括:
响应于以自然减速模式驾驶的请求,确定所述自动驾驶车辆的当前速度;
根据所述自动驾驶车辆的当前速度,基于与所述自动驾驶车辆相关联的预定自然减速方案生成速度指引;
通过基于所述速度指引优化总成本函数来执行速度规划操作,以确定沿被规划以驾驶所述自动驾驶车辆的轨迹的多个轨迹点的速度;以及
基于所述速度规划操作生成多个控制命令,以沿所述轨迹用规划的速度控制所述自动驾驶车辆,使得所述自动驾驶车辆根据所述预定自然减速方案自然降速。
16.根据权利要求15所述的系统,其中,所述预定自然减速方案是通过允许与所述自动驾驶车辆相同类型的样车在中性道路条件下从最大速度自然减速至完全停止而不施用加速器或制动器,以及测量并记录在自然减速期间的时间-速度关系而产生的。
17.根据权利要求16所述的系统,其中,所述预定自然减速方案包括近似地表示所记录的在所述自然减速期间的时间-速度关系的参考线。
18.根据权利要求15所述的系统,其中,所述总成本函数至少包括总速度成本函数,当所述自动驾驶车辆在所述自然减速模式下操作时,所述总速度成本函数至少具有偏离自然减速成本项和障碍物成本项。
19.根据权利要求15所述的系统,其中,优化所述总成本函数包括使用二次规划来最小化所述总成本函数。
20.根据权利要求15所述的系统,其中,所述总成本函数还包括用来确定所规划的轨迹的总路径成本的总路径成本函数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/730,181 | 2019-12-30 | ||
US16/730,181 US11567506B2 (en) | 2019-12-30 | 2019-12-30 | Speed planning guidance line for mild slow down |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113060118A true CN113060118A (zh) | 2021-07-02 |
Family
ID=76546162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010475869.7A Pending CN113060118A (zh) | 2019-12-30 | 2020-05-29 | 用于柔和降速的速度规划引导线 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11567506B2 (zh) |
CN (1) | CN113060118A (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021183137A1 (en) * | 2020-03-13 | 2021-09-16 | Zenuity Ab | Methods and systems for vehicle path planning |
US11904890B2 (en) * | 2020-06-17 | 2024-02-20 | Baidu Usa Llc | Lane change system for lanes with different speed limits |
US20230115758A1 (en) * | 2021-10-11 | 2023-04-13 | Argo AI, LLC | Systems and methods for controlling speed of an autonomous vehicle |
US20240010203A1 (en) * | 2022-07-08 | 2024-01-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems, methods, and vehicles for classifying driving behavior of a target vehicle |
US20240051573A1 (en) * | 2022-08-15 | 2024-02-15 | Zoox, Inc. | Systems and methods for controlled deceleration |
CN115320636A (zh) * | 2022-08-31 | 2022-11-11 | 中汽创智科技有限公司 | 一种自动驾驶方法、装置及存储介质 |
CN115309170B (zh) * | 2022-10-12 | 2023-03-24 | 之江实验室 | 一种考虑舒适性约束的轨迹规划方法、装置和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012086797A (ja) * | 2010-10-22 | 2012-05-10 | Nissan Motor Co Ltd | 車両用走行制御装置 |
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
US20190079523A1 (en) * | 2017-09-11 | 2019-03-14 | Baidu Usa Llc | Dp and qp based decision and planning for autonomous driving vehicles |
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 |
US20190317509A1 (en) * | 2018-04-17 | 2019-10-17 | Baidu Usa Llc | Novel method on moving obstacle representation for trajectory planning |
CN110614998A (zh) * | 2019-08-21 | 2019-12-27 | 南京航空航天大学 | 一种激进型辅助驾驶弯道避障换道路径规划系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101628495B1 (ko) * | 2014-10-13 | 2016-06-08 | 현대자동차주식회사 | 친환경자동차의 타행 주행 유도 장치와 방법 |
US10745011B2 (en) * | 2018-05-31 | 2020-08-18 | Nissan North America, Inc. | Predicting yield behaviors |
-
2019
- 2019-12-30 US US16/730,181 patent/US11567506B2/en active Active
-
2020
- 2020-05-29 CN CN202010475869.7A patent/CN113060118A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012086797A (ja) * | 2010-10-22 | 2012-05-10 | Nissan Motor Co Ltd | 車両用走行制御装置 |
CN106926844A (zh) * | 2017-03-27 | 2017-07-07 | 西南交通大学 | 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法 |
US20190079523A1 (en) * | 2017-09-11 | 2019-03-14 | Baidu Usa Llc | Dp and qp based decision and planning for autonomous driving vehicles |
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 |
US20190317509A1 (en) * | 2018-04-17 | 2019-10-17 | Baidu Usa Llc | Novel method on moving obstacle representation for trajectory planning |
CN110614998A (zh) * | 2019-08-21 | 2019-12-27 | 南京航空航天大学 | 一种激进型辅助驾驶弯道避障换道路径规划系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US11567506B2 (en) | 2023-01-31 |
US20210200231A1 (en) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11567506B2 (en) | Speed planning guidance line for mild slow down | |
US11485360B2 (en) | Dynamic speed limit adjustment system based on perception results | |
US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
US11628858B2 (en) | Hybrid planning system for autonomous vehicles | |
CN113703436B (zh) | 用于路径规划的并行障碍物缓冲系统 | |
CN112149487A (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
US11880201B2 (en) | Fastest lane determination algorithm under traffic jam | |
US11656627B2 (en) | Open space path planning using inverse reinforcement learning | |
EP3925844B1 (en) | Relative speed based speed planning for buffer area | |
CN113619597B (zh) | 自动驾驶车辆速度限制变更的规划系统 | |
US20230391356A1 (en) | Dynamic scenario parameters for an autonomous driving vehicle | |
CN112829770B (zh) | 基于车道边界和车辆速度的绕行决策 | |
US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles | |
EP3838697A1 (en) | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles | |
WO2021189350A1 (en) | A point cloud-based low-height obstacle detection system | |
CN112601869B (zh) | 操作自主驾驶车辆的方法、机器可读介质及数据处理系统 | |
US20240140432A1 (en) | Long-distance autonomous lane change | |
US20240005066A1 (en) | Decoupled prediction evaluation | |
US20240166239A1 (en) | Trajectory planning for navigating small objects on road | |
US20240025442A1 (en) | Trajectory planning in autonomous driving vehicles for unforeseen scenarios | |
US20210155237A1 (en) | Method for optimizing three-point turn of autonomous driving vehicles | |
CN115933667A (zh) | 用于操作自主驾驶车辆的方法和系统 |
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 |