CN113247017A - 用于确保自动驾驶车辆的稳定绕行的双缓冲系统 - Google Patents
用于确保自动驾驶车辆的稳定绕行的双缓冲系统 Download PDFInfo
- Publication number
- CN113247017A CN113247017A CN202011017582.6A CN202011017582A CN113247017A CN 113247017 A CN113247017 A CN 113247017A CN 202011017582 A CN202011017582 A CN 202011017582A CN 113247017 A CN113247017 A CN 113247017A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- autonomous vehicle
- buffer
- obstacles
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000007853 buffer solution Substances 0.000 title abstract description 4
- 239000000872 buffer Substances 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 9
- 230000008447 perception Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change 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
- 230000006870 function 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
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002379 ultrasonic velocimetry Methods 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
- 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
-
- 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
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- 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
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4026—Cycles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/20—Lateral distance
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/30—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本文中描述的实施方式公开了用于双缓冲区系统的系统和方法,以确保自动驾驶车辆的稳定绕行。在一个实施方式中,系统感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物。对于一个或多个障碍中的每个,如果对于障碍物的先前规划决策不是绕行,则系统将第一缓冲区与障碍物相关联。否则,系统将第二缓冲区与障碍物相关联。基于用于障碍物的关联缓冲区,系统确定绕行障碍物的规划决策,以确保ADV与障碍物之间的缓冲距离。系统基于对一个或多个障碍物的规划决策生成用于ADV的轨迹。
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一种用于双缓冲系统的方法,以确保自动驾驶车辆的稳定绕行。
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。然而,传统的运动规划操作主要从它的曲率和速度来估计完成给定路径的难度,而不考虑不同类型车辆在特征上的差异。将相同的运动规划和控制应用于所有类型的车辆,这在某些情况下可能不准确和平滑。
自动驾驶车辆(ADV)依赖于由传感器检测的实时交通和本地环境数据来在每个规划阶段规划最佳路线。ADV的感知区域中的障碍物(例如,对象和附近的车辆)可影响ADV的规划。在车辆前方(例如,前左侧和右侧)感知到的障碍物可影响ADV的规划,从绕行决策到让行决策,反之亦然。如果规划决策处于边界条件,则规划决策可在规划周期之间从绕行快速地切换至不绕行,反之亦然。因此,期望消除在边界条件下快速切换的可能性以稳定绕行。
发明内容
在第一方面,本公开提供了一种用于操作自动驾驶车辆的计算机实施的方法,该方法包括:感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物;对于一个或多个障碍物中的每个:如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;否则,将第二缓冲区与该障碍物相关联;以及基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保ADV与该障碍物之间的缓冲距离;以及基于一个或多个障碍物的当前规划决策,生成ADV的轨迹。
在第二方面,本公开提供了一种存储有指令的非暂时性机器可读介质,指令在由处理器执行时致使处理器执行操作,该操作包括:感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物;对于一个或多个障碍物中的每个:如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;否则,将第二缓冲区与该障碍物相关联;以及基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保ADV与该障碍物之间的缓冲距离;以及基于一个或多个障碍物的当前规划决策,生成ADV的轨迹。
在第三方面,本公开提供了一种数据处理系统,该数据处理系统包括:处理器;以及存储器,联接至处理器以存储指令,指令在由处理器执行时致使处理器执行操作,该操作包括:感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物;对于一个或多个障碍物中的每个:如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;否则,将第二缓冲区与该障碍物相关联;以及基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保ADV与该障碍物之间的缓冲距离;以及基于一个或多个障碍物的当前规划决策,生成ADV的轨迹。
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示出根据一个实施方式的双缓冲绕行模块的框图。
图5A是示出根据实施方式的具有缓冲区的ADV的示例图。
图5B是示出根据实施方式的具有双缓冲区的ADV的示例图。
图6示出根据实施方式的用于操作自动驾驶车辆的方法。
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。
本文中描述的实施方式公开了用于双缓冲区系统的系统和方法,以确保自动驾驶车辆的稳定绕行。在一个实施方式中,系统感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物。对于一个或多个障碍中的每个,如果障碍物被第一次感知到或者对于障碍物的先前规划决策不是绕行时,则系统将第一缓冲区与障碍物相关联。否则,系统将第二缓冲区与障碍物相关联。基于用于障碍物的关联缓冲区,系统确定绕行障碍物的规划决策,以确保ADV与障碍物之间的关联缓冲区的缓冲距离。系统基于对一个或多个障碍物的规划决策生成用于ADV的轨迹。
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可包括用于使用双缓冲区来绕行障碍物的算法。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、路线安排模块307和双缓冲绕行模块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。
双缓冲绕行模块308可用于识别ADV的感知区域中的一组障碍物。双缓冲绕行模块308可跟踪双缓冲区(例如,第一缓冲区或第二缓冲区)并将其与障碍物相关联,以基于具有双缓冲区的障碍物来确定规划决策。双缓冲绕行模块308可以为ADV生成绕行或不绕行(例如,让行/跟随/避让/停止)障碍物的轨迹,以在当规划决策接近绕行和不绕行的边界条件时,避免在输出之间循环(例如,绕行或不绕行)。
图4示出了根据一个实施方式的双缓冲绕行模块的框图。双缓冲绕行模块308可以为障碍物应用双缓冲区。缓冲区可包括在障碍物的左边和右边具有第一预定缓冲尺寸的第一缓冲区,以及在障碍物的左边和右边具有第二预定缓冲尺寸的第二缓冲区。在一个实施方式中,双缓冲绕行模块308包括子模块,诸如感知子模块401、条件子模块403、缓冲区确定器子模块405、轨迹生成子模块407、障碍物跟踪子模块409和障碍物规划决策子模块411。感知子模块401可感知和识别ADV视野中的一个或多个障碍物。例如,感知子模块401可在ADV的规划方向上使用一个或多个图像捕获设备(诸如摄像机、飞行时间摄像机、LIDAR、雷达)来捕获障碍物。条件子模块403可确定是否满足一些条件,以便为所识别的障碍物应用双缓冲区。条件可包括障碍物被新识别的条件,或者与障碍物相关联的规划决策是用于前一规划周期的绕行。缓冲区确定器子模块405可确定一个或多个缓冲区的特性。缓冲区确定器子模块405可基于所确定的条件将一个或多个缓冲区中的第一缓冲区或第二缓冲区应用于所识别的障碍物,以避免在绕行/不绕行输出之间的快速循环。轨迹生成子模块407可基于ADV的规划决策生成轨迹。障碍物跟踪子模块409可跟踪由ADV识别的先前的和新近的障碍物。障碍物规划决策子模块411可确定是否要绕行与缓冲区相关联的障碍物。
图5A是示出根据实施方式的具有缓冲区的ADV的示例图。图5A示出了场景510,其中,ADV 101在双车道道路上的车道B 514中行进,双车道道路包括车道A 512和车道B 514以及多个车道边界505至509。
ADV 101可识别和跟踪ADV 101的视野内的一个或多个障碍物。ADV 101还可识别影响ADV 101的规划决策的障碍物的子集。在该示例中,障碍物A 513和障碍物B 515已被识别为影响ADV 101的规划决策的障碍物。障碍物A 513可以是位于车道A 512中的巨石、阻挡物、车辆、人/行人、自行车、摩托车或移动对象等。障碍物B 515是ADV 101前面的车辆。如图5A中所示,障碍物A 513和障碍物B 515与缓冲区2 503相关联。缓冲区2对相应障碍物的左边和右边可具有预定尺寸延伸。在一个实施方式中,缓冲区2包括向相应障碍物的左边延伸约60厘米和向相应障碍物的右边延伸约60厘米。在一个实施方式中,尺寸延伸对于左侧和右侧可以是不均匀的。基于缓冲区2 503,ADV 101具有足够的间距来绕行(或接近/通过障碍物B 515的左边或障碍物A 513的右边)障碍物A 513和/或障碍物B 515,或者不绕行障碍物A 513和/或障碍物B 515。不绕行的规划决策包括避让、跟随、停止、为障碍物让行的规划决策。在这种情况下,不绕行障碍物A 513/障碍物B 515包括跟随障碍物B 515的规划决策。跟随障碍物B 515的是以近似障碍物B 515的速度的速度操纵ADV 101跟随障碍物B515的路径。
虽然任何一种条件(绕行或不绕行)都是令人满意的,但是如果障碍物B 515减慢或移动得比道路的速度极限慢得多,或者地图信息(诸如图3A的地图信息311)指示ADV 101应绕行,则ADV 101可选择绕行的规划决策。如果障碍物A 513和障碍物B 515的缓冲区2503之间存在微小间距以进行绕行,则ADV 101的定位模块301和感知模块302(在执行其各自的计算时具有一定的误差)可能会使ADV在规划周期之间在绕行和不绕行的规划决策之间切换。
图5B是示出根据实施方式的具有双缓冲区的ADV的示例图。参照图5B,场景520示出了障碍物A 513和障碍物B 515各自均与缓冲区1 501相关联,而不是与缓冲区2 503相关联。在这种情况下,缓冲区1包括向相应障碍物的左边延伸约70厘米,向相应障碍物的右边延伸约70厘米。例如,缓冲区1 501比缓冲区2 503长大约10厘米的预定长度。与缓冲区1相关联的条件可包括相应障碍物第一次出现(例如,前一规划周期没有障碍物)或路径决策的上一规划周期是不绕行的条件。这里,绕行障碍物的规划决策在障碍物的下一规划决策周期中继续进行。否则,障碍物可与缓冲区2相关联。
在这种情况下,障碍物周围的扩展缓冲区1(例如,与缓冲区2 503相比较的缓冲区1 501)确保了绕行条件是真实的,例如,不是由ADV101的计算误差容限引起的,例如,ADV101的定位模块301和/或感知模块302具有一些误差容限。此外,不绕行的规划决策导致扩大的缓冲区,例如缓冲区1 501,这又导致规划决策保持为“不绕行”。这样,即使在用于绕行的边界间距条件下,规划决策也不会使规划输出在绕行与不绕行之间振荡。
在一个实施方式中,障碍物的缓冲区可包括表示相应障碍物的多边形表示(例如,矩形、正方形、六边形、八边形等)。该表示确保在障碍物和ADV 101之间存在安全距离。在一个实施方式中,ADV 101在预定时间段内跟踪所有感知到的障碍物或影响规划决策的障碍物的子集。这样,ADV 101可确定是否第一次识别出感知到的障碍物。诸如图3A的障碍物信息313的跟踪信息还可存储在ADV 101的存储器或永久性存储装置中。在一个实施方式中,影响规划决策的任何识别的障碍物被标记有障碍物标识符。在一个实施方式中,可将在预定时间段内消失并从ADV 101的视野重新出现的障碍识别为新障碍。在一个实施方式中,在一个或两个规划周期中消失并重新出现的障碍物可被视为相同的障碍物。
图6示出了根据实施方式的用于操作自动驾驶车辆的方法。过程600可由可包括软件、硬件或其组合的处理逻辑来执行。例如,过程600可由图4的双缓冲绕行模块308执行。参照图6,在框601处,处理逻辑感知自动驾驶车辆(ADV)周围的驾驶环境,包括感知ADV的视野内的一个或多个障碍物。在框602处,对于一个或多个障碍物中的每个,如果对于障碍物的先前规划决策不是绕行,则处理逻辑将第一缓冲区(例如,图5B的缓冲区1 501)与障碍物相关联。否则,在框603处,处理逻辑将第二缓冲区(例如,图5A的缓冲区2 503)与障碍物相关联。在框604处,基于障碍物的关联缓冲区(例如,缓冲区1或缓冲区2),处理逻辑确定绕行障碍物的规划决策,以确保ADV与障碍物之间的关联缓冲区的缓冲距离。在框605处,处理逻辑基于对一个或多个障碍物的规划决策生成ADV的轨迹。
在一个实施方式中,绕行障碍物的规划决策在障碍物的下一规划决策周期中继续进行。在一个实施方式中,处理逻辑还在预定数量的规划周期内跟踪障碍物,或者跟踪障碍物直到障碍物不再处于ADV的视野内。处理逻辑确定是否第一次感知到障碍物。如果障碍物是第一次被感知到,则处理逻辑将第一缓冲区(例如,图5B的缓冲区1 501)与障碍物相关联。
在一个实施方式中,第一缓冲区将障碍物向障碍物的左边延伸约70厘米,以及向障碍物的右边延伸约70厘米,以提供ADV与障碍物之间的缓冲距离。在一个实施方式中,第二缓冲区将障碍物向障碍物的左边延伸约60厘米,以及向障碍物的右边延伸约60厘米,以提供ADV与障碍物之间的不同于第一缓冲区的缓冲距离。
在一个实施方式中,绕行障碍物的规划决策包括穿过障碍物的左边或右边的规划决策。在一个实施方式中,不绕行障碍物的规划决策包括对障碍物让行、避让、跟随或停止的规划决策。在一个实施方式中,与障碍物相关联的第一缓冲区或第二缓冲区对于ADV呈现为多边形。
在一个实施方式中,一个或多个障碍中的每个均是车辆、人、自行车、摩托车或移动对象中的一个。在一个实施方式中,ADV至少基于ADV的地图信息来确定ADV是否绕行障碍物。
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公开所述的过程或操作。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:
感知自动驾驶车辆周围的驾驶环境,包括感知所述自动驾驶车辆的视野内的一个或多个障碍物;
对于所述一个或多个障碍物中的每个,
如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;
否则,将第二缓冲区与该障碍物相关联;以及
基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保所述自动驾驶车辆与该障碍物之间的缓冲距离;以及
基于所述一个或多个障碍物的当前规划决策,生成所述自动驾驶车辆的轨迹。
2.如权利要求1所述的方法,其中,所述绕行该障碍物的当前规划决策在该障碍物的下一规划决策周期中继续进行。
3.如权利要求1所述的方法,还包括:
在预定数量的规划周期内跟踪障碍物,或者跟踪障碍物直到该障碍物不再处于所述自动驾驶车辆的视野内;
确定是否第一次感知到该障碍物;以及
如果是第一次感知到该障碍物,则将第一缓冲区与该障碍物相关联。
4.如权利要求1所述的方法,其中,所述第一缓冲区将该障碍物向该障碍物的左边延伸约70厘米,以及向该障碍物的右边延伸约70厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
5.如权利要求1所述的方法,其中,所述第二缓冲区将该障碍物向该障碍物的左边延伸约60厘米,以及向该障碍物的右边延伸约60厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
6.如权利要求1所述的方法,其中,所述绕行障碍物的规划决策包括穿过该障碍物的左边或右边的规划决策。
7.如权利要求1所述的方法,其中,所述不绕行障碍物的规划决策包括对该障碍物进行让行、避让、跟随或停止的规划决策。
8.如权利要求1所述的方法,其中,与障碍物相关联的所述第一缓冲区或所述第二缓冲区对所述自动驾驶车辆呈现为多边形。
9.如权利要求1所述的方法,其中,所述一个或多个障碍物中的每个均是车辆、人、自行车、摩托车或移动对象中的一个。
10.如权利要求1所述的方法,其中,所述自动驾驶车辆至少基于所述自动驾驶车辆的地图信息来确定所述自动驾驶车辆是否绕行障碍物。
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使所述处理器执行操作,所述操作包括:
感知自动驾驶车辆周围的驾驶环境,包括感知所述自动驾驶车辆的视野内的一个或多个障碍物;
对于所述一个或多个障碍物中的每个,
如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;
否则,将第二缓冲区与该障碍物相关联;以及
基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保所述自动驾驶车辆与该障碍物之间的缓冲距离;以及
基于所述一个或多个障碍物的当前规划决策,生成所述自动驾驶车辆的轨迹。
12.如权利要求11所述的非暂时性机器可读介质,其中,所述绕行该障碍物的当前规划决策在该障碍物的下一规划决策周期中继续进行。
13.如权利要求11所述的非暂时性机器可读介质,其中,所述操作还包括:
在预定数量的规划周期内跟踪障碍物,或者跟踪障碍物直到该障碍物不再处于所述自动驾驶车辆的视野内;
确定是否第一次感知到该障碍物;以及
如果是第一次感知到该障碍物,则将第一缓冲区与该障碍物相关联。
14.如权利要求11所述的非暂时性机器可读介质,其中,所述第一缓冲区将该障碍物向该障碍物的左边延伸约70厘米,以及向该障碍物的右边延伸约70厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
15.如权利要求11所述的非暂时性机器可读介质,其中,所述第二缓冲区将该障碍物向该障碍物的左边延伸约60厘米,以及向该障碍物的右边延伸约60厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
16.一种数据处理系统,包括:
处理器;以及
存储器,联接至所述处理器以存储指令,所述指令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:
感知自动驾驶车辆周围的驾驶环境,包括感知所述自动驾驶车辆的视野内的一个或多个障碍物;
对于所述一个或多个障碍物中的每个,
如果对于该障碍物的先前规划决策不是绕行决策,则将第一缓冲区与该障碍物相关联;
否则,将第二缓冲区与该障碍物相关联;以及
基于该障碍物的所关联的缓冲区,确定绕行该障碍物的当前规划决策,以确保所述自动驾驶车辆与该障碍物之间的缓冲距离;以及
基于所述一个或多个障碍物的当前规划决策,生成所述自动驾驶车辆的轨迹。
17.如权利要求16所述的系统,其中,所述绕行该障碍物的当前规划决策在该障碍物的下一规划决策周期中继续进行。
18.如权利要求16所述的系统,其中,所述操作还包括:
在预定数量的规划周期内跟踪障碍物,或者跟踪障碍物直到该障碍物不再处于所述自动驾驶车辆的视野内;
确定是否第一次感知到该障碍物;以及
如果是第一次感知到该障碍物,则将第一缓冲区与该障碍物相关联。
19.如权利要求16所述的系统,其中,所述第一缓冲区将该障碍物向该障碍物的左边延伸约70厘米,以及向该障碍物的右边延伸约70厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
20.如权利要求16所述的系统,其中,所述第二缓冲区将该障碍物向该障碍物的左边延伸约60厘米,以及向该障碍物的右边延伸约60厘米,以提供所述自动驾驶车辆与该障碍物之间的缓冲距离。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/788,300 US11535277B2 (en) | 2020-02-11 | 2020-02-11 | Dual buffer system to ensure a stable nudge for autonomous driving vehicles |
US16/788,300 | 2020-02-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113247017A true CN113247017A (zh) | 2021-08-13 |
CN113247017B CN113247017B (zh) | 2024-01-19 |
Family
ID=77178211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011017582.6A Active CN113247017B (zh) | 2020-02-11 | 2020-09-24 | 用于确保自动驾驶车辆的稳定绕行的双缓冲系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11535277B2 (zh) |
CN (1) | CN113247017B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11904890B2 (en) * | 2020-06-17 | 2024-02-20 | Baidu Usa Llc | Lane change system for lanes with different speed limits |
US20230202516A1 (en) * | 2021-12-29 | 2023-06-29 | Baidu Usa Llc | Planning under prediction with confidence region for an autonomous driving vehicle |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1977946A1 (de) * | 2007-04-02 | 2008-10-08 | Robert Bosch GmbH | Fahrerassistenzsystems für die Umfeld-Erkennung und Erfassung einer Solltrajektorie |
CN108572643A (zh) * | 2018-01-16 | 2018-09-25 | 蔚来汽车有限公司 | 在自动驾驶中使用的避障方法和避障系统、以及记录介质 |
CN109664881A (zh) * | 2019-01-08 | 2019-04-23 | 广州小鹏汽车科技有限公司 | 一种紧急转向辅助驾驶方法、系统及电子设备 |
CN109947090A (zh) * | 2017-12-21 | 2019-06-28 | 百度(美国)有限责任公司 | 用于自动驾驶车辆规划的非阻塞边界 |
WO2019131903A1 (ja) * | 2017-12-28 | 2019-07-04 | マツダ株式会社 | 車両制御装置 |
JP2019172168A (ja) * | 2018-03-29 | 2019-10-10 | アイシン・エィ・ダブリュ株式会社 | 自動運転システムおよび自動運転プログラム |
CN110647140A (zh) * | 2018-06-26 | 2020-01-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶控制方法及控制器 |
CN110667576A (zh) * | 2019-10-18 | 2020-01-10 | 北京百度网讯科技有限公司 | 自动驾驶车辆的弯道通行控制方法、装置、设备和介质 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6521486B2 (ja) * | 2017-06-06 | 2019-05-29 | マツダ株式会社 | 車両制御装置 |
-
2020
- 2020-02-11 US US16/788,300 patent/US11535277B2/en active Active
- 2020-09-24 CN CN202011017582.6A patent/CN113247017B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1977946A1 (de) * | 2007-04-02 | 2008-10-08 | Robert Bosch GmbH | Fahrerassistenzsystems für die Umfeld-Erkennung und Erfassung einer Solltrajektorie |
CN109947090A (zh) * | 2017-12-21 | 2019-06-28 | 百度(美国)有限责任公司 | 用于自动驾驶车辆规划的非阻塞边界 |
WO2019131903A1 (ja) * | 2017-12-28 | 2019-07-04 | マツダ株式会社 | 車両制御装置 |
CN108572643A (zh) * | 2018-01-16 | 2018-09-25 | 蔚来汽车有限公司 | 在自动驾驶中使用的避障方法和避障系统、以及记录介质 |
JP2019172168A (ja) * | 2018-03-29 | 2019-10-10 | アイシン・エィ・ダブリュ株式会社 | 自動運転システムおよび自動運転プログラム |
CN110647140A (zh) * | 2018-06-26 | 2020-01-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶控制方法及控制器 |
CN109664881A (zh) * | 2019-01-08 | 2019-04-23 | 广州小鹏汽车科技有限公司 | 一种紧急转向辅助驾驶方法、系统及电子设备 |
CN110667576A (zh) * | 2019-10-18 | 2020-01-10 | 北京百度网讯科技有限公司 | 自动驾驶车辆的弯道通行控制方法、装置、设备和介质 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20210245782A1 (en) | 2021-08-12 |
US11535277B2 (en) | 2022-12-27 |
CN113247017B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210027629A1 (en) | Blind area processing for autonomous driving vehicles | |
US10915766B2 (en) | Method for detecting closest in-path object (CIPO) for autonomous driving | |
CN112498365A (zh) | 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策 | |
CN113448329B (zh) | 减少用于规划自主驾驶车辆的路径的障碍物的方法及系统 | |
US11880201B2 (en) | Fastest lane determination algorithm under traffic jam | |
US11662730B2 (en) | Hierarchical path decision system for planning a path for an autonomous driving vehicle | |
US11661085B2 (en) | Locked pedestrian detection and prediction for autonomous vehicles | |
CN113442945A (zh) | 用于自动驾驶车辆的使用反馈的增量式侧向控制系统 | |
CN113748059A (zh) | 离线和在线解决方案相结合的停车轨迹生成方法 | |
CN113247017B (zh) | 用于确保自动驾驶车辆的稳定绕行的双缓冲系统 | |
CN112230646A (zh) | 设计用于单车运行的自动驾驶系统下的车辆队列实施 | |
US11787440B2 (en) | Lane boundary and vehicle speed based nudge decision | |
US11904890B2 (en) | Lane change system for lanes with different speed limits | |
US11407419B2 (en) | Central line shifting based pre-change lane path planning | |
US11608056B2 (en) | Post collision damage reduction brake system incorporating front obstacle avoidance | |
CN112985435A (zh) | 用于操作自主驾驶车辆的方法及系统 | |
CN113428173A (zh) | 用于自动驾驶车辆的静态曲率误差补偿控制逻辑 | |
EP4147936A1 (en) | Drive with caution under uncertainty for an autonomous driving vehicle | |
CN212391730U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
US11679761B2 (en) | Forward collision warning alert system for autonomous driving vehicle safety operator | |
US20210284195A1 (en) | Obstacle prediction system for autonomous driving vehicles | |
CN212515471U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
US20230202516A1 (en) | Planning under prediction with confidence region for an autonomous driving vehicle | |
CN113815525A (zh) | 用于车辆强制制动的l3级自动应急灯系统 | |
CN113859111A (zh) | 用于未来紧急制动的l4紧急状态灯光系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |