CN113286732A - 用于确定机动车辆的可能轨迹的混合方法的控制系统和控制方法 - Google Patents
用于确定机动车辆的可能轨迹的混合方法的控制系统和控制方法 Download PDFInfo
- Publication number
- CN113286732A CN113286732A CN201980083443.2A CN201980083443A CN113286732A CN 113286732 A CN113286732 A CN 113286732A CN 201980083443 A CN201980083443 A CN 201980083443A CN 113286732 A CN113286732 A CN 113286732A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- trajectory
- control system
- current driving
- environmental data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 93
- 230000007613 environmental effect Effects 0.000 claims abstract description 102
- 238000005457 optimization Methods 0.000 description 60
- 230000006870 function Effects 0.000 description 30
- 230000001133 acceleration Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011437 continuous method Methods 0.000 description 2
- 238000011438 discrete method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000717 retained effect Effects 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
-
- 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
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- 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
- B60W2050/006—Interpolation; Extrapolation
-
- 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
- B60W2552/10—Number of lanes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种控制系统(10)适合于在机动车辆(12)中使用并且被配置成并旨在基于该机动车辆的环境数据来监测该机动车辆的当前驾驶状况,该环境数据是在当前驾驶状况下从布置在该机动车辆(12)上的至少一个环境传感器获取的。该控制系统被配置成并旨在:基于所提供的环境数据来确定与该机动车辆(12)的当前驾驶状况相关的信息;基于所提供的环境数据来确定与该机动车辆(12)的当前驾驶状况相关的信息;并且基于与该机动车辆(12)的当前驾驶状况相关的信息来确定该机动车辆(12)的未来驾驶操纵的分量。此外,该控制系统(10)被配置成并旨在:基于该机动车辆(12)的未来驾驶操纵的所确定的分量来确定该机动车辆(12)的多个模型轨迹;并且根据该机动车辆(12)的多个模型轨迹来确定该机动车辆(12)的轨迹,该机动车辆(12)在其进一步的行驶路线中要遵循该轨迹。最后,该控制系统(10)被配置成并旨在更新与该机动车辆(12)的当前驾驶状况相关的信息和/或所供应的环境数据,并且基于目标函数和基于更新的所供应的环境数据并且/或者基于与该机动车辆(12)的当前驾驶状况相关的更新的信息来调整该机动车辆(12)的轨迹。
Description
技术领域
这里描述了一种用于确定旨在由机动车辆作为对当前驱动系统的最佳可能反应而遵循的轨迹的控制系统和控制方法。该控制系统和控制方法尤其基于主题机动车辆中的环境传感器系统,并且辅助驾驶员或自主驾驶的机动车辆。在部分自主机动车辆和自主控制机动车辆的情况下,通过对要确定的轨迹使用高效和鲁棒的规划和优化方法,该控制系统和控制方法有助于提高机动车辆乘员的安全性和驾驶舒适性。
背景技术
自动驾驶机动车辆的功能越来越多样化导致对用于规划以至少部分自主的方式驾驶的机动车辆的运动(轨迹规划)的可靠且快速的控制系统和算法的需求增加。在日益复杂和动态变化的车辆环境中,越来越多的道路使用者尤其是巨大的挑战。在以部分自主或自主方式驾驶的机动车辆的控制系统架构中,除了检测和控制特定的交通状况之外,决策和运动规划尤其极大地影响对应机动车辆的整体性能。
近年来日益发展的用于规划(部分)自主机动车辆轨迹的控制系统和算法证明了自动驾驶的复杂性。与运动规划相关的挑战通常涉及基于鲁棒的计算模型来确定方便且无碰撞的轨迹,其中考虑了这些机动车辆的环境中的静态和动态目标。还期望尽可能快地计算该轨迹,并且在线优化该轨迹,或者使该轨迹适应于连续变化的车辆环境,以便由此确保机动车辆的部分(自主)系统在动态变化的环境中的实时性能。
过去已经开发了用于轨迹规划的各种方法。这些方法例如是用于基于采样的轨迹规划的运动规划算法或技术。为了计算和优化轨迹规划,在这些方法的范围内使用了例如(局部)连续或(全局)离散优化技术。
离散规划和优化技术提供了适当决策的可能性,但也有缺点,即由于要进行多种计算而花费大量的时间,这妨碍了对当前驾驶状况做出快速反应的在线或实时计算。
局部连续规划和优化技术通常提供快速优化的解决方案,但是必须以适当的方式进行初始化,以便处理在动态车辆环境中出现的组合任务。
在现代机动车辆中,驾驶员辅助系统(ADAS——高级驾驶员辅助系统)提供多种监测和指示功能,以使机动车辆的驾驶更加安全。在这种情况下,基于从机动车辆上的一个或多个环境传感器获得的环境数据,相对于机动车辆的行驶路线对机动车辆的环境进行监测。
已知的驾驶员辅助系统例如确定机动车辆是否在车道内以及驾驶员是无意中转向车道的一侧还是即将离开车道。这些驾驶员辅助系统根据获得的环境数据生成道路并且特别是车道的“图像”。在这种情况下,在驾驶期间会检测并跟踪目标,例如路缘、车道边界线、车道标记、方向箭头等。在驾驶(跟踪)期间还会检测并跟踪如其他机动车辆等移动目标。
此外,现代驾驶辅助系统中还包括所谓的“盲点监测器”。这些盲点监测器例如通过雷达、激光雷达、视频等来确定另一个机动车辆、道路使用者或目标是否在机动车辆的侧面和/或后面,从而造成主题机动车辆的变道或转弯可能导致与其碰撞的结果。
此外,在所谓的ACC系统(自适应巡航控制)中,机动车辆的自动速度控制与前方行驶的机动车辆的速度相适配。在这种情况下,应始终遵守与前方行驶的机动车辆之间的特定距离。为此目的,这种系统确定前方行驶的机动车辆的运动方向和/或速度,以避免机动车辆与前方行驶的机动车辆的路径交叉而发生危急情况。一方面,这与变道或转弯操作有关,而另一方面,这与追尾碰撞有关。
在由人控制的机动车辆中,驾驶员辅助系统通常提供指示功能,以便向驾驶员警告危急情况或对应的操纵,或者向驾驶员建议对机动车辆的合适操纵。驾驶员辅助系统同样也可以用于自主控制的机动车辆,以便为自主控制器提供适当的环境数据。
潜在问题
在道路交通中,可能会出现需要机动车辆的驾驶员或(部分)自主驾驶员辅助系统来执行驾驶操纵的情况。例如,弯曲的车道路线可能已经需要机动车辆的对应驾驶操纵。
然而,现实中主题机动车辆的当前状况并不是一成不变的,而是不断变化的。例如,其他道路使用者可能由于事故而有意或无意地执行变道或变速。另外,机动车辆的当前驾驶状况已经由于驾驶行为和/或变更车道路线而改变。对于常规驾驶员辅助系统和人类驾驶员两者来说,以适当的方式且及时地对当前状况的这种变化做出反应是巨大的挑战。为此目的,常规驾驶员辅助系统计算例如在当前驾驶状况下旨在由机动车辆遵循的运动路径(轨迹)。复杂且动态变化的交通状况和如今越来越密集的交通体现在这些常规驾驶员辅助系统对资源日益增加的使用中。另外,在常规驾驶员辅助系统中对计算轨迹的连续优化施加了关于执行速度的限制。
因此,目的是为机动车辆提供根据机动车辆的当前交通状况来鲁棒地增加机动车辆的驾驶安全性和驾驶舒适性的控制系统和控制方法。在这种情况下,意图还在于与常规控制系统和方法相比减少计算时间。
发明内容
此目的是通过具有权利要求1的特征的控制系统和具有权利要求11的特征的控制方法来实现的。
根据从属权利要求2至10和12以及以下描述,优选实施例将变得清楚。
一方面涉及一种用于机动车辆中的控制系统,所述控制系统被配置成并旨在基于从布置在所述机动车辆上的至少一个环境传感器获得的环境数据来检测所述机动车辆的前方区域、侧面区域和/或后方区域中的车道、道路边界、道路标记和/或另外的机动车辆,其中,所述至少一个环境传感器被配置成向所述控制系统的电子控制器提供表示所述机动车辆的前方区域、侧面区域和/或后方区域的所述环境数据。控制系统至少被配置成并旨在基于所提供的环境数据来确定与机动车辆的当前驾驶状况相关的信息,并基于与机动车辆的当前驾驶状况相关的信息来确定机动车辆的未来驾驶操纵的至少一个分量。控制系统还至少被配置成并旨在基于机动车辆的未来驾驶操纵的所确定的分量来确定机动车辆的多个模型轨迹,并根据机动车辆的多个模型轨迹来确定机动车辆的轨迹,该轨迹旨在由机动车辆在其进一步的行驶路线中遵循。最后,控制系统至少被配置成并旨在更新与机动车辆的当前驾驶状况相关的信息和/或所提供的环境数据,并使用目标函数和基于更新的所提供的环境数据并且/或者基于与机动车辆的当前驾驶状况相关的更新的信息来调整机动车辆的轨迹。
未来驾驶操纵的分量可以是未来驾驶操纵的侧向分量。其另外可以是纵向分量。未来驾驶操纵的分量还可以包括侧向分量和纵向分量的组合。
侧向分量可以包括例如车道保持、向左变道和/或向右变道,每个都是从机动车辆当前使用的车道开始的。
纵向分量可以包括例如机动车辆的纵向速度和/或纵向加速度。替代性地或另外地,纵向分量可以包括用于机动车辆的一个或多个电子控制系统的数据和/或控制信号,该一个或多个电子控制系统能够根据对应的输出信号执行或至少启动自适应巡航控制(ACC)和/或自适应底盘控制(DCC)和/或紧急制动。
控制系统可以被配置成并旨在做出驾驶操纵预选和/或驾驶操纵选择,以便确定模型轨迹并且另外地基于驾驶操纵预选和/或驾驶操纵选择来制作模型轨迹。
进一步的行驶路线的开始可以暂时指示当前驾驶状况的结束。
可以连续地或以特定的间隔使用目标函数并基于更新的所提供的环境数据并且/或者基于与当前驾驶状况相关的更新的信息对机动车辆的轨迹进行调整。在这种情况下,新的调整可能需要重新初始化目标函数。
控制系统可以被配置成并旨在使用目标函数根据多个模型轨迹来确定轨迹,该目标函数与用于调整机动车辆的轨迹的目标函数相同。
例如,当确定模型轨迹时,也可以使用相同的目标函数。
因此,在所讨论的目标函数的重新初始化期间可以提供比较选项。
例如,目标函数可以是成本函数。
根据特定的示例性实施例,与机动车辆的当前驾驶状况相关的信息至少包括机动车辆距其当前使用的车道的侧向距离。在这些情况下,控制系统还可以被配置成并旨在当车道保持或变道时基于机动车辆距其当前使用的车道的侧向距离来确定未来驾驶操纵的分量。
在这种情况下,侧向距离可以例如相对于车辆的纵向轴线进行测量。变道可以包括向左变道和向右变道。车道保持可以包括左侧车道保持、中间车道保持和/或右侧车道保持。
与机动车辆的当前驾驶状况相关的信息还可以包括在机动车辆的环境下一个或多个另外的机动车辆(或其相应的纵向轴线)距其当前使用的车道的侧向距离。
根据特定的示例性实施例,与机动车辆的当前驾驶状况相关的信息还可以包括机动车辆沿其当前使用的车道距另外的机动车辆的纵向距离。在这些情况下,控制系统可以被配置成并旨在基于未来驾驶操纵的所确定的分量和基于机动车辆距另外的机动车辆的纵向距离来确定未来驾驶操纵的另外的分量。
替代性地或另外地,与机动车辆的当前驾驶状况相关的信息可以包括机动车辆与另外的机动车辆之间的相对速度和/或相对加速度。在这种情况下,相对加速度可以但不必通过控制系统或机动车辆的另外的电子控制器从相对速度中得出。
另外的分量可以是上述纵向分量,但本公开不限于此。
另外的机动车辆可以是静止的(停驻的)或移动的机动车辆。
根据特定实施例,控制系统还可以被配置成并旨在基于以离散采样值形式提供的环境数据来确定与机动车辆的当前驾驶状况相关的信息。
在这种情况下,控制系统还可以被配置成并旨在确定多个或所有离散采样值作为图的节点和/或边,并根据所确定的节点和/或边确定连通图。这使得可以实施用于确定和处理离散采样值的基于图的方法。
在这种情况下,控制系统还可以被配置成并旨在选择图的节点和/或边作为轨迹的停止点,并通过所选停止点之间基于样条的插值来计算机动车辆的轨迹。
根据特定的示例性实施例,控制系统还可以被配置成并旨在确定呈连续值形式的更新的信息和/或更新的环境数据。
在本公开的范围内,连续值可以是例如准连续值,其中,测量时间被指配给这些值中的每个值,并且准连续值根据测量时间来组织。出于效率的原因,连续值可以仅由准连续值中的一些构成,例如每隔一个或每隔两个准连续值。
在这种情况下,控制系统还可以被配置成并旨在将呈连续值形式的更新的信息和/或更新的环境数据和与机动车辆的当前驾驶状况相关的呈离散采样值形式的信息组合,以便调整机动车辆的轨迹。
这使得可以对轨迹实施混合规划方法,该方法组合了离散和连续的规划和优化方法,并且因此补偿了单个规划和优化方法的固有缺点。
在这种情况下,将与机动车辆的当前驾驶状况相关的呈离散采样值形式的信息与呈连续值形式的更新的信息和/或更新的环境数据组合可以至少包括使用目标函数初始化和/或重新初始化对机动车辆的轨迹的调整。
替代性地或另外地,将与机动车辆的当前驾驶状况相关的呈离散采样值形式的信息与呈连续值形式的更新的信息和/或更新的环境数据组合可以包括基于更新的信息并且/或者基于更新的环境数据初始化和/或重新初始化对连续值的确定。
另外的方面涉及一种控制方法,所述控制方法在机动车辆中基于从布置在所述机动车辆上的至少一个环境传感器获得的环境数据来检测所述机动车辆的前方区域、侧面区域和/或后方区域中的车道、道路边界、道路标记和/或另外的机动车辆,其中,所述控制方法尤其通过以上所述的控制系统来执行。所述控制方法包括以下步骤:
-基于所提供的环境数据来确定与所述机动车辆的当前驾驶状况相关的信息,
-基于与所述机动车辆的当前驾驶状况相关的信息来确定所述机动车辆的未来驾驶操纵的至少一个分量,
-基于所述机动车辆的未来驾驶操纵的所确定的分量来确定所述机动车辆的多个模型轨迹,
-根据所述机动车辆的多个模型轨迹来确定所述机动车辆的轨迹,所述轨迹旨在由所述机动车辆在其进一步的行驶路线中遵循,
-更新与所述机动车辆的当前驾驶状况相关的信息和/或所提供的环境数据,以及
-使用目标函数并基于更新的所提供的环境数据并且/或者基于与所述机动车辆的当前驾驶状况相关的更新的信息来调整所述机动车辆的轨迹。
又另一方面涉及包括以上所述的控制系统的机动车辆。
与常规驾驶员辅助系统相比,这里提出的解决方案改进了对机动车辆和另外的机动车辆的当前驾驶状况的正确评估和正确检测。另外,提供了可以针对机动车辆的轨迹实时执行的规划和优化方法,并且通过组合离散和连续的规划方法,使得可以鲁棒地且快速地确定机动车辆的未来驾驶操纵的最佳可能轨迹。
因此,此最佳可能轨迹可以被确定为对机动车辆的当前交通状况的适当的反应。通过至少一个环境传感器获得的环境数据根据实际交通和驾驶状况不断地变化,并且可以周期性地更新。
如果使用主题机动车辆的未来驾驶操纵的轨迹,则由于机动车辆的驱动动力学和在调整轨迹时考虑的动态变化的环境而增加了机动车辆的驾驶舒适性和驾驶安全性。
对于本领域技术人员而言清楚的是,以上所述的方面和特征可以根据需要在控制系统和/或控制方法中进行组合。尽管以上所述特征中的一些特征是关于控制系统进行描述的,但不言而喻,这些特征也可以应用于控制方法。以上关于控制方法所述的特征同样可以以对应的方式应用于控制系统。
附图说明
参考相关附图,另外的目的、特征、优点和可能的用途在以下示例性实施例的描述中显现,这些示例性实施例不应以限制性的方式理解。在这种情况下,附图中单独地或以任何期望的组合形式描述和/或展示的所有特征示出了在此公开的主题。附图中所示的部件的尺寸和比例在此不按比例。相同或作用相同的部件提供有相同的附图标记。
图1示意性地示出了根据特定示例性实施例的具有控制系统和至少一个环境传感器的机动车辆。
图2示意性地将离散规划和优化方法与连续规划和优化方法进行比较。
图3示意性地示出了根据特定示例性实施例的用于规划和调整机动车辆的轨迹的混合方法架构。
图4示意性地示出了根据特定示例性实施例的用于确定侧向操纵分量(左侧)和用于确定纵向操纵分量(右侧)的图。
图5示意性地示出了根据特定示例性实施例的用于调整机动车辆的所选轨迹的图。
图6示意性地指示了根据特定示例性实施例的在用于规划和调整机动车辆的轨迹的混合方法的背景下图2所示的规划方法之间的关系。
图7示意性地示出了根据特定示例性实施例的机动车辆的模型轨迹和所选轨迹。
图8示意性地示出了根据特定示例性实施例的控制方法的流程图。
具体实施方式
在以下公开的范围内,主要参考控制系统描述某些方面。然而,不言而喻,这些方面在可以例如由机动车辆的中央控制设备(ECU)执行的所公开的控制方法的范围内也是有效的。这可以通过对指配给机动车辆的存储器执行适当的读写访问来进行。该控制方法可以使用硬件和软件以及硬件和软件的组合在机动车辆内部实施。这些还包括数字信号处理器、专用集成电路、现场可编程门阵列以及另外的合适的切换和计算部件。
图1示意性地示出了包括控制系统10的机动车辆12。控制系统10联接至机动车辆12上的至少一个环境传感器14、16、18,以便从该至少一个传感器14、16、18接收环境数据。控制系统10可以包括电子控制器ECU(电子控制单元;图中未展示)。例如,本控制系统10在ECU和/或另外的电子控制系统的帮助下可以至少被配置成并旨在确定机动车辆12的轨迹,该轨迹旨在由机动车辆12在其进一步的行驶路线中遵循。为此目的,ECU从环境传感器14、16、18接收信号,例如,处理这些信号和相关的环境数据,并生成对应的控制和/或输出信号。
图1展示了三个环境传感器14、16、18,这三个环境传感器向控制系统10或电子控制器ECU发射对应的信号。特别地,在机动车辆12上布置至少一个环境传感器14,该环境传感器面向机动车辆12的行驶方向并捕获机动车辆12前方的区域22。此至少一个环境传感器14可以布置在例如机动车辆12的前挡泥板、前灯和/或前散热器格栅区域中。因此,环境传感器14捕获机动车辆12正前方的区域22。
在机动车辆12的挡风玻璃区域中展示了同样面向机动车辆12的行驶方向的至少一个附加的或替代性的环境传感器16。例如,此环境传感器16可以布置在机动车辆12的内部后视镜与其挡风玻璃之间。这种环境传感器16捕获机动车辆12前方的区域24,其中,根据机动车辆12的形状,由于机动车辆12的前面部分(或其几何形状),无法捕获机动车辆12正前方的区域24。
此外,至少一个环境传感器18可以布置在机动车辆12的侧面和/或后面。此可选的环境传感器18捕获在机动车辆12的行驶方向上位于机动车辆12侧面和/或机动车辆12后方的区域26。例如,来自此至少一个环境传感器18的数据或信号可以用于验证由其他环境传感器14、16捕获的信息并且/或者用于确定机动车辆12所使用的车道的曲率。
至少一个环境传感器14、16、18可以以任何期望的方式实施,并且可以包括前摄像头、后摄像头、侧摄像头、雷达传感器、激光雷达传感器、超声波传感器和/或惯性传感器。例如,环境传感器14可以以前摄像头、雷达传感器、激光雷达传感器或超声波传感器的形式实施。特别地,前摄像头适合于较高的环境传感器16,而布置在机动车辆12后面的环境传感器18可以以后摄像头、雷达传感器、激光雷达传感器或超声波传感器的形式实施。
电子控制器ECU处理从机动车辆12上的(多个)环境传感器14、16、18获得的环境数据,以便获得与机动车辆12的静态环境(不可移动的环境目标,例如道路边界、车道标记、静止障碍物)和动态环境(可移动的环境目标,例如其他移动的机动车辆或道路使用者)相关的信息。
因此,电子控制器处理从机动车辆12上的(多个)环境传感器14、16、18获得的环境数据,以便捕获机动车辆12正在使用的并且具有在机动车辆12前方的第一侧向车道边界和第二侧向车道边界的车道。电子控制器ECU另外处理从机动车辆12上的(多个)环境传感器14、16、18获得的环境数据,以便捕获另外的道路使用者(例如另一机动车辆)正在使用的并且其侧向车道边界在机动车辆12前方的车道(该车道与主题车辆正在使用的车道邻近,其中,邻近意味着邻近车道之间还可以有一个或多个另外的车道)。在这种情况下,另一机动车辆或另外的道路使用者可以是静止的,也可以在机动车辆12的行驶方向上或相反的方向上移动。
为此目的,环境传感器14、16、18向电子控制器ECU提供表示车辆前方、侧面和/或后方区域的环境数据。为此目的,控制系统10通过至少一个数据通道或总线(在图1中用虚线展示)连接到该至少一个环境传感器14、16、18。数据通道或总线可以通过电缆或以无线方式建立。
替代性地或另外地,控制系统10或其电子控制器ECU还可以从一个或多个其他辅助系统20(以下也称为驾驶员辅助系统20)或机动车辆12的另外的控制器20接收数据,该数据指示主题机动车辆12和另外的道路使用者正在使用的车道及其侧向车道边界,或者可以从其中得出。因此,控制系统10可以使用已经由其他系统确定的数据和信息。
此外,控制系统10或其电子控制器ECU使用环境传感器(也就是说基于借助于至少一个环境传感器14、16、18获得的环境数据)来确定驾驶状况。也是在这种情况下,已经存在的驾驶员辅助系统20或电子控制器20可以替代性地或另外地提供定义驾驶状况或者可以从其中快速得出驾驶状况的数据和/或信息。根据所确定的驾驶状况,然后确定至少一个可能的轨迹,该轨迹旨在由机动车辆12在其进一步的行驶路线中遵循。此轨迹基本上实时地与机动车辆12的当前驾驶状况的变化相适配;换句话说,轨迹是优化的。
驾驶员辅助系统20或电子控制器20还可以被配置成并旨在以部分(自主)的方式控制机动车辆。在这种情况下,控制系统10被配置成并旨在向驾驶员辅助系统20或电子控制器20输出用于自主驾驶的数据。特别地,控制系统10(或其ECU)可以向部件20输出数据,该数据指示所确定的轨迹和/或旨在由机动车辆12在进一步的路线中遵循的经调整轨迹(例如,在调整之后或随着当前驾驶状况的结束立即开始)的路线。同样可以通过数据通道或总线以有线方式或无线方式发射数据。
在本公开的范围内提出的用于实时规划和调整机动车辆12的轨迹的方法基于提供给控制系统10的环境数据的离散(采样)值和连续值(或至少准连续值)的组合。图2比较了在特定示例性实施例中使用的基于离散值(上部图示)和连续值(下部图示)的用于轨迹规划和优化的方法。
在图2的上部图像中,机动车辆12被展示为处于双车道道路36的右侧车道上。右侧车道由右侧车道标记32和左侧车道标记32界定。车道标记32同时构成道路30的左侧车道的右侧车道标记,该左侧车道进而由左侧车道标记34在左侧界定。车道标记32可以但不一定是道路36的虚拟中心线。替代性地,车道标记32也可以实际存在于道路36上。在机动车辆12前方某一距离处,道路36的右侧车道上有另一辆(另外的)机动车辆28。在此示例中,另一机动车辆28可以是静止的,也可以同样在机动车辆12的行驶方向上移动。例如,机动车辆12可以在另一辆机动车辆28后方以基于速度控制(护航)始终遵守的距离行驶。例如,驾驶员辅助系统20可以为此目的输出适当的数据。
对于图2的上部图示中的机动车辆12的护航,机动车辆12的控制系统10使用至少一个环境传感器14、16、18来捕获另一机动车辆28并确定与另一机动车辆28相关的行驶相关信息。在本公开的范围内,与另一机动车辆28相关的此行驶相关信息可以包括在与机动车辆12的当前驾驶状况相关的信息中。与机动车辆12的当前驾驶状况相关的信息还包括例如机动车辆12的当前速度和/或当前加速度和/或当前摇晃,这些信息通过另外的控制系统或机动车辆12的ECU以适当的方式提供给控制系统10。当前速度可以是侧向速度和/或纵向速度。当前加速度也可以是侧向加速度和/或纵向加速度。最后,摇晃也可以是侧向摇晃和/或纵向摇晃。
此外,与机动车辆12的当前驾驶状况相关的信息可以包括机动车辆12与机动车辆28之间的距离和/或机动车辆12与机动车辆28之间的相对速度和/或机动车辆12与机动车辆28之间的相对加速度。距离、相对速度和相对加速度进而可以是侧向和/或纵向距离、相对速度和/或相对加速度。为了确定这些,控制系统10可以例如基于由至少一个环境传感器14、16、18提供的环境数据来确定到另一机动车辆28的侧向和纵向距离以及另一机动车辆28的侧向和纵向速度和加速度,并且可以将这些与机动车辆12的侧向和纵向速度相关联。
在图2的上部图像中,控制系统10根据由至少一个环境传感器14、16、18提供的环境数据来确定离散值(用黑色方块指示)。控制系统10使用这些离散值(以下也称为采样值)来确定图2的上部图示所示的轨迹(每个从机动车辆12的前面开始并遵循车道的当前路线或者指示向左或向右变道的曲线),并从这些轨迹中选择最佳可能轨迹38。因此,在这种情况下,涉及离散(基于采样的)规划和优化方法。
在这种情况下,例如使用目标函数,尤其是基于机动车辆12的驾驶员的驾驶舒适性和安全性规范来进行选择。在图2的上部图示的示例中,选择轨迹38,其中另一机动车辆28例如在当前驾驶状况下的速度比机动车辆12低,并且因此肯定会被超越。由于车道标记右侧没有道路36的另外的车道,因此机动车辆12必须驶出到道路36的左侧车道以进行超车。为使得这以对机动车辆12的驾驶员来说舒适的方式发生并且同时避免碰撞,在此选择轨迹38;这不需要任何不平稳的驾驶操纵(向左变道)并且在超车期间为前方行驶的机动车辆28留下足够的安全距离,这样至少最小化了追尾碰撞的风险。
对于状态空间的高维度,在当前驾驶状况下找到最佳可能解决方案可能会导致为此使用的控制系统的低效高计算时间。因此,可能有必要在机动车辆12的当前驾驶状况下找到(全局)最佳可能解决方案与用于此目的的计算时间之间找到折衷,因为增加的离散采样值数量和增加的要确定的模型轨迹数量以及最终从这些模型轨迹中选择最佳可能轨迹增加了必要的计算时间。另一方面,存在常规控制系统中可用资源太少而无法实际处理如此大量的数据或者至少无法高效地处理这些数据的风险。此外,考虑动态车辆环境和包括时间分量可能会增加计算复杂性,并且因此增加计算时间。
例如,为了在这方面获得更快的解决方案,可以使用连续规划或优化方法。图2的下部图示示出了这种方法的图。在这种情况下,在本示例中,参考图2的上部图示确定的轨迹38被优化或调整。因此,在图2的下部图示中,轨迹38基于当前驾驶状况的期望驾驶舒适性和必要的驾驶安全性得到进一步改进。在这种情况下,轨迹38上的黑点中的每个黑点表示此轨迹28的(准)连续值,并且可以在选择侧向(道路36的法向)和/或纵向(沿道路36)方向上的轨迹38之后由控制系统10进行调整,其方式使得机动车辆12可以实施超越另外的机动车辆28的更平稳且更安全的操作。在此示例中,最后一个准连续值与来自图2的上部图示的指示轨迹38的终点的黑色方块一致。图2的上部图示和下部图示中带有黑色边框的白点各自指示要在道路36上的侧向和纵向方向上确定和调整的轨迹的起点(位于机动车辆12的正前方)。如果使用连续规划和优化方法,则由于离散化的原因不会丢失信息,但这些方法通常是需要适当的初始化并且因此还需要适当的重新初始化的局部规划和优化方法。例如,以上参考图2的下部图示提及的起点可以表示连续规划和优化方法的初始化或重新初始化点。另外,这些方法在初始化和/或重新初始化点的区域中向局部最小值汇聚。因此,不充分的、不完全鲁棒的初始化或重新初始化可能进而导致计算复杂性增加。
在本公开的范围内,控制系统10被配置成并旨在将以上提出的离散规划和优化方法与以上提出的连续规划和优化方法组合,以便规划和优化旨在由机动车辆12在其进一步的行驶路线中遵循的轨迹。换句话说,控制系统10使用混合规划和优化方法,以便确定机动车辆12的未来行驶路线的最佳可能轨迹,并且至少基本上实时地(在线)使其与机动车辆12的当前驾驶状况相适配。在这种情况下,要组合的单个离散和连续规划和优化方法不限于以上参考图2描述的示例。相反,控制系统10被配置成并旨在将所有合适的离散规划和优化方法与所有合适的连续规划和优化方法组合。这些方法尤其包括决策树或随机森林、确定性离散化方法和/或通过三次多项式和/或通过四阶多项式或五阶多项式或更高阶多项式的(连续)基于样条的插值,在这种情况下,此列表不应被理解为结论性的。
图3提供了在本公开的范围内提出并且基于提供给控制系统10的环境数据的连续值和离散值的组合以便规划一个或多个轨迹并确定机动车辆12的进一步的行驶路线的规划轨迹的最佳可能轨迹的方法的概述,此处提出的控制系统10和控制方法尤其基于该轨迹。由此可以清楚地看出,操纵预选首先是由控制系统10在决策层上进行的。此操纵预选可以例如基于提供给控制系统10的环境数据来进行。在控制系统10所使用的规划和优化方法架构的描述范围内,在适当的时候另外参考图4和图5。
例如当通过控制系统10分析机动车辆12的当前驾驶状况时,如果显现由于在机动车辆12前方行驶的另一辆机动车辆严重制动而必须启动超车操作,则操纵预选可以涉及变道。通常,从中进行操纵预选的一组基本操纵可以至少包括变道和车道保持操纵。
图4提供了可以如何在本公开的范围内进行操纵预选的概述(这同样适用于稍后进行的操纵选择)。根据此示例,首先基于由至少一个环境传感器14、16、18提供给控制系统10的环境数据来选择侧向操纵(也称为侧向操纵分量)。在这种情况下,考虑机动车辆12的静态环境和动态环境两者。替代性地,也可以只考虑静态车辆环境或动态车辆环境。在上述机动车辆12的超车操纵期间,由于另一机动车辆28严重制动(参见图4),因此决定将在此提供变道侧向操纵。由于因双车道道路36而只有机动车辆12在道路36的左侧车道中超越另一机动车辆28的超车操作是可能的,因此控制系统10在较低的决策层上选择向左变道。在图4的左侧图示中示出的另外的替代方案表示车道保持,该车道保持可以用于除了以上所述情形之外的情形,例如在机动车辆28后方的机动车辆12的距离控制护航期间。车道保持还可以分为左侧车道保持、中间车道保持和右侧车道保持(图4中未示出),以便例如为机动车辆12的后续驾驶操纵做准备。然而,本公开不限于以上所述的侧向操纵类别。替代性地,可以定义从中预选操纵或操纵分量的更多或更少或不同的操纵。这同样可以适用于随后进行的操纵选择。
基于所确定的侧向操纵分量,然后在本示例中确定纵向操纵或纵向操纵分量。然而,本公开不限于此。侧向操纵分量和纵向操纵分量也可以替代性地由控制系统10彼此独立地确定。然而,在目前的情况下,如在图4的右侧图示中清楚看到的,控制系统10使用侧向操纵分量以及静态和/或动态环境来确定侧向操纵分量。侧向操纵分量可以例如以特定绝对距离或相对距离、速度和/或加速度规格结合沿着机动车辆12当前正在使用的道路的特定点的形式存在,要生成的轨迹旨在穿过该点运行。然后,这些规格可以例如通过机动车辆12的驾驶员辅助系统20和/或另外的电子控制器20来实施。为此目的,驾驶员辅助系统20可以表示或包括自适应巡航控制辅助装置和/或自适应底盘控制辅助装置和/或紧急制动辅助装置。
从图3中可以清楚地看出,操纵预选或对应的数据(即指示所选操纵的数据)作为操纵假设被传递到控制系统10的轨迹规划层。这些数据由规划模块(在图3中被称为基于采样的轨迹规划器)读取或捕获。这开始了对轨迹的规划,随后从该规划中为机动车辆12的进一步的行驶路线选择轨迹。换句话说,基于采样的轨迹规划器对以上参考图2的上部图示描述的候选轨迹(也称为模型轨迹)实施离散规划方法。
基于采样的轨迹规划器首先生成离散采样状态,这些离散采样状态由离散纵向值(在机动车辆12的行驶方向上)和离散侧向值(横向于机动车辆12的行驶方向)构成。换句话说,在此规划阶段,控制系统10的基于采样的轨迹规划器设置侧向和纵向状态,然后在生成轨迹时使用这些状态。这些侧向和纵向状态可以但不必对应于参考图4描述的侧向和纵向操纵分量。
轨迹处理同样也发生在轨迹规划层。在此,离散侧向和纵向状态或侧向和纵向操纵分量或这些侧向和纵向状态或操纵分量的组合被用作例如作为图3中的轨迹生成的一部分而生成的一个或多个模型轨迹的停止点。对于模型轨迹的停止点,控制系统10可以组合例如侧向状态和纵向状态,该侧向状态和纵向状态各自具有相同的时间实例,也就是说,在将来的某个特定时间,指示机动车辆12当前正在使用的道路的侧向和纵向方向上的点,要生成的模型轨迹旨在穿过该点运行。
可选地并因此在图3中用虚线矩形指示,在控制系统10的提示下,已经可以对生成的模型轨迹中的一个或多个模型轨迹进行缩短优化(预优化)或调整。这可以通过以下所述的优化方法或使用另一种适当的优化方法来进行。
最后,作为图3中所示的轨迹选择的一部分,从生成的模型轨迹中选择用于机动车辆12的当前驾驶状况或未来行驶路线的最佳可能轨迹。在本示例中,使用可以对应于成本函数的目标函数进行该选择。在确定模型轨迹时,也可以已经使用相同的目标函数。由于该选择迄今为止仅基于操纵假设,因此由基于采样的轨迹规划器生成的所有数据和/或轨迹被返回到决策层上的模块(参见图3中导向“操纵选择”的虚线箭头)。
例如,目标函数包括与当前驾驶状况下机动车辆12的动态环境和静态环境以及模型轨迹和/或从中选择的轨迹的驾驶舒适性和可行性相关的目标状态。一个或多个目标状态可以是例如机动车辆12在侧向和/或纵向方向上在当前道路上(或邻近车道中)的点,该点可能与一个或多个时间实例配对。
从图3中可以清楚地看出,由基于采样的轨迹规划器基于操纵假设生成的所有数据,即所有采样值和生成的(并且可能是预优化的)模型轨迹以及与轨迹选择相关的数据,均被另外地提供给控制系统10的轨迹优化模块。因此,已经可以对基于操纵预选或操纵假设选择的轨迹进行对变化的驾驶状况进行轨迹调整方面的优化。
作为实时结果获得的优化和调整数据适当地与由基于采样的轨迹规划器提供的数据组合,并且作为所评估的操纵假设的一部分进行检查。后者通过包括在线轨迹调整期间获得的数据来实现。相应的数据也可以被单独地提供给控制系统10的模块以检查操纵假设。
基于所评估的操纵假设,在决策层例如通过控制系统10的决策模块进行操纵选择。在此,与以上已经参考操纵预选描述的操纵相同的操纵可以但不必可供选择。然后,所选操纵和对应于该操纵的数据被依次供应给规划层上的基于采样的轨迹规划器。另外,作为操纵预选的一部分获得的数据在此可以包括在操纵选择中。
基于采样的轨迹规划器重复以上所述的生成采样状态和处理轨迹的操作,生成采样状态包括设置侧向和纵向状态和/或侧向和纵向操纵分量,处理轨迹包括轨迹选择和可能的模型轨迹和轨迹选择的缩短(预)优化。
所选轨迹(在图3中被称为起始轨迹)最终被供应给控制系统10的仍在轨迹规划层上的轨迹优化模块。此轨迹优化(在本公开的范围内也称为轨迹调整)在线进行(即实时地或至少基本上实时地进行)并且可以连续地和/或在特定离散时间进行初始化和/或重新初始化。然后将经优化的(经调整的)轨迹在控制层上提供给机动车辆12的电子控制器,例如驾驶员辅助系统20或另外的电子控制器20。提供轨迹的这种操作不仅适用于经调整的轨迹,而且还适用于首先确定的并且因此理想地预优化的起始轨迹(参见图3,在此由带点划线的箭头指示),结果是例如驾驶员辅助系统20已经能够使机动车辆12在起始轨迹的调整开始之前或者暂时在起始轨迹的调整开始时遵循此起始轨迹。
来自图3中实时进行的轨迹优化的数据进而与由基于采样的轨迹规划器提供的数据适当地组合,并作为所评估的操纵假设的一部分进行检查。因此,可以开始下一个规划周期,在该下一个规划周期中再次执行以上所述的一些或所有步骤,以便在控制层上为驾驶员辅助系统20提供适配于机动车辆12的相应驾驶状况的最佳可能轨迹。特别地,所选轨迹在机动车辆12的当前驾驶状况下被一次又一次地调整,以便能够快速(基本上实时地)和高效地对当前驾驶状况的变化做出反应。因此,提高了机动车辆12的驾驶员和/或另外的乘员的安全性和驾驶舒适性。
现在参考图5和图6再次描述此优化操作。从可以但不必执行的图5的更详细的流程图中可以看出,根据参考图3描述的示例的轨迹优化首先需要对优化问题进行公式化。除了避免与另外的道路使用者和/或其他目标碰撞之外,部分(自主)机动车辆的轨迹规划中的一个重要因素是确保机动车辆12的乘员驾驶舒适性高。这是通过这样的事实来实现的:当机动车辆12在其未来的行驶路线中遵循轨迹行驶时,没有过高的(负的或正的)加速力作用于该机动车辆。出于这个原因,优化问题基于加速度并且/或者基于机动车辆12在相应的当前驾驶状况下的摇晃来进行公式化。为此目的,在本示例中,从机动车辆12的当前驾驶状况的当前时间实例开始到随后的时间实例(其例如与轨迹的时间规划目标一致)的摇晃的时间积分被用作目标函数的一部分,例如成本函数。作为此目标函数的一部分,摇晃的相对成本应该被最小化,以便为机动车辆12的当前驾驶状况确定最佳可能轨迹。此外,除了摇晃之外,目标状态的偏差(例如,如果在所遵循的轨迹结束时发生变道则机动车辆12旨在位于当前使用的车道旁边的车道中心的事实)可以以附加成本的形式伴随地包括在所讨论的目标函数中。这种偏差可能不仅与目标状态的侧向偏差有关,而且还与目标状态的纵向偏差有关。替代性地和/或另外地,所讨论的间隔的长度(针对其规划轨迹)可以以成本的形式伴随地包括在目标函数中。因此,一个总体目标函数可以由侧向和纵向目标函数的组合产生,其中单个目标函数中的每一个或两者都可以进行加权。当规划模型轨迹和根据模型轨迹确定轨迹时,也可以已经使用此目标函数,以确保在必要的优化重新初始化的情况下可以比较对应的结果。
从图5中可以清楚地看出,优化问题是基于机动车辆的当前系统状态和提供给控制系统10的当前环境数据来解决的。对此优化问题的解决方案可以表示例如参考图3描述的轨迹优化。解决优化问题的结果为当前时间实例或从当前时间实例t开始并持续到时间实例t+Δt的当前规划周期提供了一个或多个参考轨迹点。控制系统10可以根据参考轨迹点创建参考轨迹。如果可能的话,此参考轨迹旨在由要确定的轨迹遵循,并且旨在由机动车辆12在其进一步的行驶路线中遵循。特别地,控制系统10可以确定轨迹的单个特定点和/或所有点与参考轨迹点的偏差,该轨迹将被确定并且旨在由机动车辆12在其进一步的行驶路线中遵循。然后,当调整机动车辆的轨迹时,可以使用这些偏差。
然后更新与动态车辆环境相关的车辆状态和环境信息,参见图5。为此目的,由至少一个环境传感器14、16、18提供给控制系统10并且从中获得与机动车辆12的当前驾驶状况相关的信息的环境数据被连续更新。这可以是对所提供的环境数据的周期性的、基于间隔的更新,或者替代性地是实时的连续更新(也称为在线更新)。与车辆状态(也称为机动车辆12的系统状态)和环境信息相关的更新的信息由控制系统10再次返回,并用于要解决的下一个优化问题。例如,更新的数据可以返回到基于采样的轨迹规划器(参见图3),并在此处用于调整确定的轨迹并且/或者用于生成新的模型轨迹。然后,可以进而从以这种方式新生成的模型轨迹中选择轨迹以进行进一步处理或调整。
由于以上所述的架构,在与所呈现的离散和连续规划和优化方法的交互中,结果是用于机动车辆12的轨迹的混合规划和优化方法,该混合规划和优化方法组合了这些方法并组合了这两种方法的优点,并且补偿或至少减少了这两种方法的缺点。
从图6中可以清楚地看出,全局最佳可能轨迹38’首先是在与参考图2描述的离散方法类似的混合规划和优化方法的范围内确定的。然后,使用此确定的轨迹38’和表征此轨迹38’的相关数据来初始化与参考图2描述的连续规划方法类似的连续规划方法。对于每种情况下的初始化,轨迹38’然后借助于连续规划和优化方法进一步与机动车辆12的当前驾驶状况相适配。
如果除了轨迹38’之外的轨迹旨在借助于连续优化方法与当前主要的驾驶状况相适配,则再次需要基于为此其他轨迹确定的数据来初始化(即重新初始化)连续优化方法作为离散规划方法的一部分。当与特定时间实例t相关联的规划和优化周期已经结束并且与机动车辆12的系统状态相关的数据和/或环境数据已经更新时,也可能需要重新初始化。然后,重新初始化是例如在时间t+Δt处开始并以相同的方式进行的后续规划和优化周期的初始化。
例如,对于初始化和/或重新初始化,要调整的轨迹38’的起始状态和/或结束状态可能连同与何时达到这些起始状态和/或结束状态相关的时间信息作为数据被传递到规划模块以执行连续规划方法。因此,起始状态和/或结束状态通常是道路36的侧向和纵向方向上与时间实例t(起始状态)和t+Δt(结束状态)相关的点。在优化(即,使轨迹38’与机动车辆12的当前驾驶状况相适配)的范围内,控制系统10使用连续方法(该连续方法通过来自离散方法的特定数据来初始化或重新初始化)将例如轨迹38’的特定(内插)点(参见图6的下部图示中的内插状态)与所确定的参考轨迹的点(图中未示出)进行比较,其中在每种情况下均比较具有相同或时间上连续的时间实例的点。如果例如沿道路36(纵向方向或x方向)或横向于道路36(侧向方向或y方向)产生例如大于预定值的特定偏差,则这些单个点在x方向和/或y方向上以至少符合或低于相对于参考轨迹的对应点的最大预定偏差的方式被调整。因此,调整不必意味着轨迹38’的偏离点被参考轨迹的点代替;它可以仅仅是偏离点相对于参考轨迹的对应点或者相对于参考轨迹的另一个合适点的局部近似(调整)。也是在这种情况下,驾驶动态以及因此舒适性相关或安全性相关的考虑发挥作用,以便为机动车辆12确定尽可能平稳并且如果可能的话在没有高加速力的情况下进行管理的未来驾驶操纵或指示此驾驶操纵的时间和局部过程的对应轨迹。
现在参照图7描述使用本公开的混合规划和优化方法的另外的示例性驾驶状况。上部图示再次展示了在另一机动车辆28后方的在护航中的机动车辆12。另外地,可以看到在当前驾驶状况下机动车辆12可以遵循的多个可能的轨迹。这些轨迹的确定可以基于例如通过离散规划和优化方法获得的离散值的样条插值。
在此处呈现但不应以限制性方式理解的示例中,图7的上部图示中轨迹的确定基于图论的考虑。在这方面,由控制系统10根据特定数量或根据所有离散采样值来确定图的节点和/或边,并且最终确定(连通)图本身。然后,这些图中的一些图或多个图或所有图表示模型轨迹,例如,这些模型轨迹由控制系统10的基于采样的轨迹规划器(例如,参见图3)确定,并且由控制系统10根据这些模型轨迹确定机动车辆12的未来行驶路线的最佳可能轨迹。节点/边还可以表示图或轨迹的基于样条的插值的停止点。因此,使用基于图的方法确定和处理离散采样值。
现在参考图8中所呈现的控制方法另外描述发生在图7中的场景或者机动车辆12在其当前驾驶状况下或者从其当前驾驶状况开始的最佳可能轨迹的确定和调整。
图8示出了控制方法的流程图,该控制方法基于从机动车辆12上的至少一个环境传感器14、16、18获得的环境数据来检测机动车辆12的前方区域、侧面区域和/或后方区域中的车道、道路边界、道路标记和/或另外的机动车辆,例如机动车辆28(参见图7)。该控制方法可以例如通过以上所述的机动车辆12的控制系统10来执行。作为控制系统10的一部分描述的所有特征在此也可以用于该控制方法。特别地,与目标函数、未来驾驶操纵的基于分量的确定、离散和连续规划和优化方法的使用和组合以及初始化和重新初始化相关的所有以上所述的特征可以应用于该控制方法。
在第一步骤S10中,确定与机动车辆12的当前驾驶状况相关的信息。
此信息可以尤其是机动车辆12的纵向轴线距左侧车道标记32或右侧车道标记30的侧向距离和/或机动车辆12与另一(另外的)机动车辆28之间的纵向距离和/或相对速度。
在第二步骤S12中,基于与机动车辆12的当前驾驶状况相关的信息来确定机动车辆12的未来驾驶操纵的分量。例如,如果机动车辆12大约位于当前使用车道(图7中道路36的右侧车道)的中心并且车辆12与车辆28之间的距离相对较短(例如相对于机动车辆12的当前主要速度),则分量将涉及车道保持和/或制动,以避免与机动车辆28碰撞。
在第三步骤S14中,基于机动车辆12的未来驾驶操纵的确定的分量来确定机动车辆12的多个模型轨迹。多个确定的模型轨迹在图7的上部图示中被指示为不同可能的模型轨迹的组合。因此,黑色方块表示分别在两个边/节点之间运行的相应部分轨迹的节点和/或停止点。在这种情况下,控制系统10可以以任何期望的方式组合单个部分轨迹,从而创建多个模型轨迹。
在第四步骤S16中,根据多个模型轨迹确定机动车辆12的轨迹,该轨迹旨在由机动车辆12在其进一步的行驶路线中遵循。在这种情况下,例如,由于由控制系统10基于所提供的环境数据执行的关于机动车辆12的环境中的可移动和不可移动目标和/或障碍物的动态和静态碰撞检查,排除了某些模型轨迹,并且因此确定了机动车辆12的最佳可能轨迹。例如,在图7的上部图示中可以看出,模型轨迹部分地在道路36外部运行,并且因此不可能作为进一步的行驶路线的轨迹。相反,道路36的左侧车道中的超车操作的轨迹和护航的轨迹仍然是机动车辆12的可能轨迹。
最终可以在图7的下部图示中看出,在多个模型轨迹中以粗体显示的轨迹被控制系统10确定为旨在由机动车辆12在其进一步的行驶路线中遵循的轨迹。在图7的下部图示中,控制系统10因此将指示向左变道的轨迹确定为当前驾驶状况下的最佳可能轨迹。机动车辆12较早驶出以及因此遵循另一轨迹的操作将损害机动车辆12的乘员的驾驶舒适性,因为机动车辆12将不得不快速加速。过晚驶出也是不可能的,否则可能会与另外的机动车辆28发生碰撞。通常,在图7中举例说明的情况下,控制系统10选择向左变道或遵循超车操作的轨迹,因为另一机动车辆28是静止的或者以比机动车辆12低得多的速度移动。另外,机动车辆12距车道边界32的侧向距离可能较短(特别是比图7所示的短,在图中机动车辆12大约位于其车道的中心),例如结果是当超车时机动车辆12到超车车道的驶出距离相对较短。此轨迹的选择可以基于例如以上所述的目标函数,如模型轨迹的确定。
在第五步骤S18中,更新与机动车辆的当前驾驶状况相关的信息和/或所提供的环境数据。
在第六步骤S20中,使用目标函数(例如以上所述的目标函数)并基于更新的所提供的环境数据并且/或者基于与机动车辆12的当前驾驶状况相关的更新的信息来调整机动车辆12的轨迹。基于图7的驾驶状况,这意味着如果假设机动车辆12打算在另外的机动车辆28后方以恒定距离执行速度控制护航,则首先选择用于车道保持的轨迹。这可以涉及例如在道路36的右侧车道上将四个方块组合成一条线。然而,当更新环境数据和/或与当前驾驶状况相关的信息时,确定当遵循此轨迹(在图7的顶部由穿过另外的机动车辆28的第三黑色方块与第四黑色方块之间的轨迹路线指示)行驶时可能与另一辆机动车28发生碰撞。然后,可以调整轨迹,其方式使得该轨迹对应于图7的下部图示中以粗体显示的运动路径。在这种情况下,规划轨迹的第一部分(图7中右侧车道的第一黑色方块与第二黑色方块之间)可以被特别地保留,并且只能调整此轨迹的进一步的路线,结果是例如在驾驶员辅助系统20的提示下,机动车辆12执行向左变道,并且然后执行超越另一机动车辆28的操作。
以上所述的规划和优化方法可以尤其在调整轨迹的范围内使用,以便至少优化轨迹的变化部分,并且为最佳可能轨迹找到在当前交通状况下增加机动车辆12的乘员的驾驶舒适性和驾驶安全性的更高效的解决方案。
在本公开的范围内,将用于认定和确定模型轨迹或者为机动车辆12的进一步的行驶路线选择轨迹的离散的例如基于图的方法与用于优化所选轨迹的连续方法组合,使得可以至少减少这两种方法的固有缺点。例如,与仅使用离散规划和优化方法相比,用于确定基于采样的轨迹规划器的模型轨迹所需的离散采样值的数量可以显著减少,这是因为随后的连续调整用一个或多个模型轨迹的结果(重新)初始化。
作为基于采样的轨迹规划器在轨迹规划开始之前在决策层进行操纵预选的结果,还可以进一步减少所讨论的离散采样值的数量。
因此,总体上为旨在由机动车辆12在其进一步的行驶路线中遵循的轨迹提供了一种高效(因为该方法可以快速执行并节省资源)且鲁棒的规划和优化方法。
不言而喻,以上解释的示例性实施例不是结论性的,并且不限制此处公开的主题。特别地,对于本领域技术人员而言清楚的是,在不脱离此处公开的主题的情况下,可以将各种实施例的特征彼此组合并且/或者可以省略实施例的各种特征。
Claims (12)
1.一种用于机动车辆(12)中的控制系统(10),所述控制系统被配置成并旨在基于从布置在所述机动车辆上的至少一个环境传感器(14,16,18)获得的环境数据来检测所述机动车辆(12)的前方区域、侧面区域、和/或后方区域(22,24,26)中的车道、道路边界、道路标记和/或另外的机动车辆,其中,所述至少一个环境传感器被配置成向所述控制系统(10)的电子控制器(20)提供表示所述机动车辆(12)的前方区域、侧面区域和/或后方区域的所述环境数据,并且其中,所述控制系统(10)至少被配置成并旨在进行以下操作:
-基于所提供的环境数据来确定与所述机动车辆(12)的当前驾驶状况相关的信息,
-基于与所述机动车辆(12)的当前驾驶状况相关的信息来确定所述机动车辆(12)的未来驾驶操纵的至少一个分量,
-基于所述机动车辆(12)的未来驾驶操纵的所确定的分量来确定所述机动车辆(12)的多个模型轨迹,
-根据所述机动车辆(12)的多个模型轨迹来确定所述机动车辆(12)的轨迹,所述轨迹旨在由所述机动车辆(12)在其进一步的行驶路线中遵循,
-更新与所述机动车辆(12)的当前驾驶状况相关的信息和/或所提供的环境数据,并且
-使用目标函数并基于更新的所提供的环境数据并且/或者基于与所述机动车辆(12)的当前驾驶状况相关的更新的信息来调整所述机动车辆(12)的轨迹。
2.如权利要求1所述的控制系统(10),所述控制系统被配置成并旨在使用目标函数根据所述多个模型轨迹来确定所述轨迹,所述目标函数与用于调整所述机动车辆(12)的轨迹的目标函数相同。
3.如权利要求1或2所述的控制系统(10),其中,与所述机动车辆(12)的当前驾驶状况相关的信息至少包括所述机动车辆(12)距其当前使用的车道的侧向距离,并且其中,所述控制系统(10)还被配置成并旨在当车道保持或变道时基于所述机动车辆距其当前使用的车道的侧向距离来确定所述未来驾驶操纵的分量。
4.如权利要求3所述的控制系统(10),其中,与所述机动车辆(12)的当前驾驶状况相关的信息还包括所述机动车辆(12)沿其当前使用的车道距另外的机动车辆(28)的纵向距离,并且其中,所述控制系统(10)被配置成并旨在基于所述未来驾驶操纵的所确定的分量并且/或者基于所述机动车辆(12)距另外的机动车辆(28)的纵向距离来确定所述未来驾驶操纵的另外的分量。
5.如前述权利要求之一所述的控制系统(10),所述控制系统还被配置成并旨在基于以离散采样值形式提供的环境数据来确定与所述机动车辆(12)的当前驾驶状况相关的信息。
6.如权利要求5所述的控制系统(10),其中,所述控制系统还被配置成并旨在确定多个或所有离散采样值作为图的节点和/或边,并且
根据所确定的节点和/或边创建连通图。
7.如权利要求6所述的控制系统,所述控制系统还被配置成并旨在
选择所述图的节点和/或边作为所述轨迹的停止点,并且
通过所选停止点之间基于样条的插值来计算所述机动车辆(12)的轨迹。
8.如前述权利要求之一所述的控制系统(10),所述控制系统还被配置成并旨在确定呈连续值形式的所述更新的信息和/或所述更新的环境数据。
9.如权利要求5和8所述的控制系统(10),其中,所述控制系统(10)还被配置成并旨在将呈连续值形式的所述更新的信息和/或所述更新的环境数据和与所述机动车辆(12)的当前驾驶状况相关的呈离散采样值形式的信息组合,以便调整所述机动车辆(12)的轨迹。
10.如权利要求9所述的控制系统(10),其中,将与所述机动车辆(12)的当前驾驶状况相关的呈离散采样值形式的信息与呈连续值形式的所述更新的信息和/或所述更新的环境数据组合至少包括使用所述目标函数初始化和/或重新初始化对所述机动车辆(12)的轨迹的调整。
11.一种控制方法,所述控制方法在机动车辆(12)中基于从布置在所述机动车辆(12)上的至少一个环境传感器(14,16,18)获得的环境数据来检测所述机动车辆(12)的前方区域、侧面区域和/或后方区域中的车道、道路边界、道路标记和/或另外的机动车辆,其中,所述控制方法尤其通过如前述权利要求之一所述的控制系统(10)来执行,并且其中,所述控制方法包括以下步骤:
-基于所提供的环境数据来确定与所述机动车辆(12)的当前驾驶状况相关的信息,
-基于与所述机动车辆(12)的当前驾驶状况相关的信息来确定所述机动车辆(12)的未来驾驶操纵的至少一个分量,
-基于所述机动车辆(12)的未来驾驶操纵的所确定的分量来确定所述机动车辆(12)的多个模型轨迹,
-根据所述机动车辆(12)的多个模型轨迹来确定所述机动车辆(12)的轨迹,所述轨迹旨在由所述机动车辆(12)在其进一步的行驶路线中遵循,
-更新与所述机动车辆(12)的当前驾驶状况相关的信息和/或所提供的环境数据,以及
-使用目标函数并基于更新的所提供的环境数据并且/或者基于与所述机动车辆(12)的当前驾驶状况相关的更新的信息来调整所述机动车辆(12)的轨迹。
12.一种包括如权利要求1至10之一所述的控制系统的机动车辆(12)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018009927.0A DE102018009927A1 (de) | 2018-12-17 | 2018-12-17 | Steuerungssystem und Steuerungsverfahren für einen hybriden Ansatz zum Ermitteln einer möglichen Trajektorie für ein Kraftfahrzeug |
DE102018009927.0 | 2018-12-18 | ||
PCT/EP2019/085300 WO2020127011A1 (de) | 2018-12-17 | 2019-12-16 | Steuerungssystem und steuerungsverfahren für einen hybriden ansatz zum ermitteln einer möglichen trajektorie für ein kraftfahrzeug |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113286732A true CN113286732A (zh) | 2021-08-20 |
Family
ID=69105792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980083443.2A Pending CN113286732A (zh) | 2018-12-17 | 2019-12-16 | 用于确定机动车辆的可能轨迹的混合方法的控制系统和控制方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220032952A1 (zh) |
EP (1) | EP3898371A1 (zh) |
JP (1) | JP2022515083A (zh) |
CN (1) | CN113286732A (zh) |
DE (1) | DE102018009927A1 (zh) |
WO (1) | WO2020127011A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201900023259A1 (it) * | 2019-12-06 | 2021-06-06 | Ferrari Spa | Metodo di assistenza per migliorare le prestazioni di un guidatore tramite suggerimenti di azioni correttive |
CN115734906A (zh) * | 2020-07-21 | 2023-03-03 | 松下知识产权经营株式会社 | 移动控制系统、移动控制方法、程序及移动体 |
US11814075B2 (en) * | 2020-08-26 | 2023-11-14 | Motional Ad Llc | Conditional motion predictions |
US11760379B2 (en) * | 2021-01-11 | 2023-09-19 | Toyota Research Institute, Inc. | Navigating an autonomous vehicle through an intersection |
DE102021117448A1 (de) | 2021-07-06 | 2023-01-12 | Bayerische Motoren Werke Aktiengesellschaft | Steuerverfahren für ein teleoperiertes kraftfahrzeug |
DE102021211164A1 (de) | 2021-10-04 | 2023-04-06 | Continental Autonomous Mobility Germany GmbH | Verfahren zur Planung einer Trajektorie eines Fahrmanövers eines Kraftfahrzeugs, Computerprogrammprodukt, Computerlesbares Speichermedium sowie Fahrzeug |
KR102556445B1 (ko) * | 2022-10-13 | 2023-07-17 | 한국건설기술연구원 | 교통류 최적화를 위한 인프라 기반의 주행 가이던스 제공 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013112069A (ja) * | 2011-11-25 | 2013-06-10 | Toyota Motor Corp | 走行進路生成装置および走行制御装置 |
DE102014223000A1 (de) * | 2014-11-11 | 2016-05-12 | Bayerische Motoren Werke Aktiengesellschaft | Einstellbare Trajektorienplanung und Kollisionsvermeidung |
DE102016205442A1 (de) * | 2016-04-01 | 2017-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung einer Pfadplanung eines Fahrzeugs |
CN107719363A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿着路径引导机动车辆的控制系统和控制方法 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
JP2018193039A (ja) * | 2017-05-22 | 2018-12-06 | 本田技研工業株式会社 | 車両制御装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10132386A1 (de) * | 2001-07-06 | 2003-01-16 | Volkswagen Ag | Fahrerassistenzsystem |
US20120022739A1 (en) * | 2010-07-20 | 2012-01-26 | Gm Global Technology Operations, Inc. | Robust vehicular lateral control with front and rear cameras |
DE102011081159A1 (de) * | 2011-08-18 | 2013-02-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Durchführung eines Ausweichmanövers |
DE102013219023A1 (de) * | 2013-09-23 | 2015-03-26 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Unterstützung eines Fahrers eines Fahrzeugs beim Spurwechsel |
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 |
DE102014215244A1 (de) * | 2014-08-01 | 2016-02-04 | Bayerische Motoren Werke Aktiengesellschaft | Kollisionsfreie Quer-/Längsführung eines Fahrzeugs |
DE102015208790A1 (de) * | 2015-05-12 | 2016-11-17 | Volkswagen Aktiengesellschaft | Bestimmen einer Trajektorie für ein Fahrzeug |
DE102015217891A1 (de) * | 2015-09-17 | 2017-03-23 | Volkswagen Aktiengesellschaft | Bestimmen einer Soll-Trajektorie für ein Fahrzeug |
CN108885152B (zh) * | 2017-03-10 | 2020-07-07 | 百度时代网络技术(北京)有限公司 | 解决自动驾驶车辆的转向不足的自动转向控制参考自适应 |
KR101994698B1 (ko) * | 2017-05-29 | 2019-07-01 | 엘지전자 주식회사 | 차량용 사용자 인터페이스 장치 및 차량 |
JP6521486B2 (ja) * | 2017-06-06 | 2019-05-29 | マツダ株式会社 | 車両制御装置 |
US10606277B2 (en) * | 2017-09-18 | 2020-03-31 | Baidu Usa Llc | Speed optimization based on constrained smoothing spline for autonomous driving vehicles |
US11066067B2 (en) * | 2018-06-29 | 2021-07-20 | Baidu Usa Llc | Planning parking trajectory for self-driving vehicles |
DE102018008624A1 (de) * | 2018-10-31 | 2020-04-30 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge |
US11460847B2 (en) * | 2020-03-27 | 2022-10-04 | Intel Corporation | Controller for an autonomous vehicle, and network component |
US20220234618A1 (en) * | 2021-01-28 | 2022-07-28 | Motional Ad Llc | Homotopic-based planner for autonomous vehicles |
-
2018
- 2018-12-17 DE DE102018009927.0A patent/DE102018009927A1/de active Pending
-
2019
- 2019-12-16 WO PCT/EP2019/085300 patent/WO2020127011A1/de unknown
- 2019-12-16 JP JP2021534979A patent/JP2022515083A/ja active Pending
- 2019-12-16 EP EP19832034.3A patent/EP3898371A1/de not_active Withdrawn
- 2019-12-16 US US17/413,982 patent/US20220032952A1/en active Pending
- 2019-12-16 CN CN201980083443.2A patent/CN113286732A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013112069A (ja) * | 2011-11-25 | 2013-06-10 | Toyota Motor Corp | 走行進路生成装置および走行制御装置 |
DE102014223000A1 (de) * | 2014-11-11 | 2016-05-12 | Bayerische Motoren Werke Aktiengesellschaft | Einstellbare Trajektorienplanung und Kollisionsvermeidung |
DE102016205442A1 (de) * | 2016-04-01 | 2017-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung einer Pfadplanung eines Fahrzeugs |
CN107719363A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿着路径引导机动车辆的控制系统和控制方法 |
JP2018193039A (ja) * | 2017-05-22 | 2018-12-06 | 本田技研工業株式会社 | 車両制御装置 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
Non-Patent Citations (2)
Title |
---|
XIAOHUI LI等: "《A Sampling-Based Local Trajectory Planner for Autonomous Driving along a Reference Path》", 《2014 IEEE INTELLIGENT VEHICLES SYMPOSIUM》, pages 376 - 381 * |
王富奎: "《高动态环境下智能车局部路径规划研究》", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, vol. 2018, no. 9, pages 035 - 37 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022515083A (ja) | 2022-02-17 |
DE102018009927A1 (de) | 2020-06-18 |
US20220032952A1 (en) | 2022-02-03 |
WO2020127011A1 (de) | 2020-06-25 |
EP3898371A1 (de) | 2021-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113286732A (zh) | 用于确定机动车辆的可能轨迹的混合方法的控制系统和控制方法 | |
CN107933560B (zh) | 车辆控制装置 | |
CN109649393B (zh) | 一种自动驾驶变换车道的路径规划方法及装置 | |
CN112292646B (zh) | 车辆的控制系统、用于控制车辆的方法和非暂时性计算机可读存储器 | |
CN113165648A (zh) | 用于基于采样对机动车辆的可能轨迹进行规划的控制系统和控制方法 | |
JP6935813B2 (ja) | 運転支援方法及び運転支援装置 | |
CN110877610B (zh) | 碰撞回避装置 | |
US20190377352A1 (en) | Method and system for assisting an operator of an ego-vehicle in controlling the ego-vehicle by determining a future behavior and an associated trajectory for the ego-vehicle | |
JP6610799B2 (ja) | 車両の走行制御方法および走行制御装置 | |
CN105292116A (zh) | 自动驾驶车辆的车道变换路径规划算法 | |
US11708069B2 (en) | Obstacle avoidance apparatus and obstacle avoidance route generating apparatus | |
CN110799402B (zh) | 车辆控制装置 | |
JP6631289B2 (ja) | 車両制御システム | |
CN112477884A (zh) | 自动驾驶控制方法、装置及车辆 | |
CN111547051A (zh) | 基于相互作用长时确定机动车的轨迹的控制系统和控制方法 | |
JP7156924B2 (ja) | 車線境界設定装置、車線境界設定方法 | |
US11912360B2 (en) | Vehicle control method, vehicle control system, and vehicle | |
CN112824995A (zh) | 用于控制机动车辆的方法以及控制装置 | |
EP3885238B1 (en) | An incremental lateral control system using feedbacks for autonomous driving vehicles | |
JP6291737B2 (ja) | 車両用走行制御装置及び隊列走行制御方法 | |
CN111626538A (zh) | 用于确定行驶策略的方法以及系统 | |
JP2017132422A (ja) | 車両制御システム | |
CN114721384A (zh) | 一种车道保持的轨迹规划方法 | |
JP2023505700A (ja) | 車両の軌道を予測するためのシステムおよび方法 | |
CN117944684B (zh) | 变道轨迹规划方法和装置、存储介质及电子设备 |
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 |