CN113313933A - 用于自动驾驶车辆的基于车道的路线选择系统 - Google Patents

用于自动驾驶车辆的基于车道的路线选择系统 Download PDF

Info

Publication number
CN113313933A
CN113313933A CN202011018296.1A CN202011018296A CN113313933A CN 113313933 A CN113313933 A CN 113313933A CN 202011018296 A CN202011018296 A CN 202011018296A CN 113313933 A CN113313933 A CN 113313933A
Authority
CN
China
Prior art keywords
lane
reference line
road
autonomous vehicle
effective distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011018296.1A
Other languages
English (en)
Other versions
CN113313933B (zh
Inventor
朱帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN113313933A publication Critical patent/CN113313933A/zh
Application granted granted Critical
Publication of CN113313933B publication Critical patent/CN113313933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3658—Lane guidance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options
    • 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
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Abstract

实施方式公开了用于生成自动驾驶车辆的基于车道的参考线的系统和方法。在一个实施方式中，系统接收将自动驾驶车辆(ADV)从源位置路由到目标位置的请求。响应于该请求，系统识别ADV可导航的源位置和目标位置之间的道路段的集合，其中该集合中的道路段中的每个均包括一个或多个车道段。系统识别对应于道路段的集合的一个或多个车道路径。系统确定一个或多个车道路径中的每个的有效距离。系统基于所确定的有效距离来选择车道路径。系统基于所选择的车道路径生成基于车道的参考线。

Description

用于自动驾驶车辆的基于车道的路线选择系统
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自动驾驶车辆(ADV)的基于车道的路线选择系统。
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。
与全球定位系统类似的路线选择提供了一般水平的引导，其指示自动驾驶车辆的一般方向。基于道路的路线选择在搜索最佳路线时缺乏效率和灵活性。
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：识别能够由自动驾驶车辆(ADV)导航的源位置与目标位置之间的道路段的集合，其中，集合中的道路段中的每个均包括一个或多个车道段；基于道路段的集合的车道段确定一个或多个车道路径；根据ADV的当前位置确定一个或多个车道路径中的每个的有效距离；以及基于所确定的车道路径中的每个的有效距离从车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，基于车道的参考线用于将ADV从源位置路由到目标位置。
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，操作包括：识别能够由自动驾驶车辆(ADV)导航的源位置与目标位置之间的道路段的集合，其中，集合中的道路段中的每个均包括一个或多个车道段；基于道路段的集合的车道段确定一个或多个车道路径；根据ADV的当前位置确定一个或多个车道路径中的每个的有效距离；以及基于所确定的车道路径中的每个的有效距离从车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，基于车道的参考线用于将ADV从源位置路由到目标位置。
在第三方面，本公开提供了一种数据处理系统，包括处理器和存储器，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，操作包括：识别能够由自动驾驶车辆(ADV)导航的源位置与目标位置之间的道路段的集合，其中，集合中的道路段中的每个均包括一个或多个车道段；基于道路段的集合的车道段确定一个或多个车道路径；根据ADV的当前位置确定一个或多个车道路径中的每个的有效距离；以及基于所确定的车道路径中的每个的有效距离从车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，基于车道的参考线用于将ADV从源位置路由到目标位置。
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3C是示出根据一个实施方式的路线选择模块的示例的框图。
图4是示出可与实施方式一起使用的道路和车道配置的示例的框图。
图5A至图5E是示出根据一些实施方式的用于维护道路和车道配置信息的数据结构的示例的框图。
图6A至图6C是示出根据一些实施方式的合并车道、分开车道和实线车道的框图。
图7是示出根据一个实施方式的用于操作自动驾驶车辆的方法的流程图。
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。
实施方式公开了用于生成自动驾驶车辆的基于车道的参考线的系统和方法。在一个实施方式中，系统接收将自动驾驶车辆(ADV)从源位置路由到目标位置的请求。响应于该请求，系统识别ADV可导航的源位置和目标位置之间的道路段的集合，其中，该集合中的道路段中的每个均包括一个或多个车道段。该系统识别对应于道路段的集合的一个或多个车道路径。系统确定一个或多个车道路径中的每个的有效距离。系统基于所确定的有效距离来选择车道路径。该系统基于所选择的车道路径生成基于车道的参考线。
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、规划和路线选择程序)，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。这种捕获的命令和车辆响应可用于解释或确定驾驶员在不同时间点的意图，诸如试图直行、左转或右转，改变车道等。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，机器学习引擎122出于路线选择目的生成一组道路级别表和车道级别表，统称为路线选择表作为规则/模型/表124的一部分。可基于从路线与地图服务提供商获得的路线与地图信息来生成路线选择表。此外，路线选择表还可包括已经由许多车辆使用的道路和/或车道，这些道路和/或车道可包括或不包括在路线与地图信息(例如，新的道路和车道配置)中。
在一个实施方式中，路线选择表可包括道路连接表，该道路连接表在道路极别将一个道路连接至另一个道路。路线选择表可包括将特定道路映射到特定车道的道路/车道映射表，反之亦然。道路/车道映射表用于识别哪个车道属于哪个道路，或者哪个道路包括哪些车道等。路线选择表还可包括车道连接表。车道连接表包括多个条目。表示从第一车道到第二车道的车道连接的每个条目均可表示在第一车道与第二车道之间的车道改变点或位置(例如，车道存在和入口点)。路线选择表还可包括包含描述每个车道的信息的车道表，该信息包括车道的长度、宽度和地点或位置。路线选择表还可包括有效距离计算表，该有效距离计算表包括描述对于车道的距离惩罚/奖励和/或进入/退出车道所需的驾驶操纵的信息。然后，路线选择表可上载到自动驾驶车辆，以便实时地用于参考线生成。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306和路线选择模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器350中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可作为地图与路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
感知模块302可包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。
路线选择模块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，其可表示从开始到结束的整个行程或行程的一段。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，路线选择模块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。路线选择模块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选择模块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使用由路线选择模块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、制动和转弯命令)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(也称作为命令周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或命令周期中的每一个，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实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可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。
决策模块304/规划模块305还可包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
图3C是示出根据一个实施方式的路线选择模块的示例的框图。路线选择模块307包括路线选择请求接收器361、道路段确定器363、车道路径确定器365、有效距离确定器367、车道路径选择器369和参考线生成器371。路线选择请求接收器361可接收生成从源位置到目的地位置的路径路线(车道路径和/或道路路径)的请求。道路段确定器363可确定路径路线的道路段。车道路径确定器365可确定(或列出或列举)一序列道路段的车道路径。有效距离确定器367可确定车道路径和/或道路路径的有效距离。车道路径选择器369可基于成本最小化函数从多个车道路径中选择车道路径。参考线生成器371可基于所选择的车道路径和/或道路路径来生成平滑的参考线。
根据一个实施方式，路线选择模块307配置成利用路线选择表313(表313可以是地图与路线信息311的一部分)来生成参考线。路线选择表313可由服务器103基于路线与地图信息311进行离线编译。可替代地，路线选择表313可基于ADV在其中行驶的地图部分的路线与地图信息311动态地或在线地生成。在一个实施方式中，路线选择表313包括道路连接表351、道路/车道映射表352、车道连接表353、车道表354和有效距离表355，例如，如图5A至图5E中所示。
在一个实施方式中，参考图5A，道路连接表351包括多个道路连接条目，其中，每个道路连接条目均将特定道路501映射或连接到另一道路502。这种道路连接条目指示车辆可从特定道路移动至另一特定道路，包括可从起始道路到达结束道路的起始车道503和结束车道504。在一个实施方式中，参考图5B，道路/车道映射表352包括多个道路/车道映射条目，其中，每个道路/车道映射条目均将特定道路511与道路的一个或多个车道512进行映射或关联，反之亦然。这种道路/车道映射条目指定哪个车道与哪个道路相关联或属于哪个道路。
在一个实施方式中，参考图5C，车道连接表353包括多个车道连接条目，其中，每个车道连接条目均将特定车道521映射或连接到另一特定车道522，以及一种类型的车道连接523(例如，左转、右转、直行)。在该示例中，每个条目的车道连接均指示车辆可经由驾驶事务523从车道521到达车道522。在一个实施方式中，参考图5D，车道表354包括多个车道条目，每个车道条目均对应于特定车道531。每个车道条目均存储描述相应车道的信息，包括但不限于车道的长度532、车道的宽度533、车道的位置534(例如，车道中心点的地理位置或坐标(x，y))，以及有效距离标签535(例如，用于计算特定车道的有效距离)。在一个实施方式中，通过匹配车道ID及其位置，可确定一个车道与另一车道的连接是否可行，无论是竖直跟随当前车道还是横向更改车道。
图5D还可包括有效距离标签。例如，车道A1包括标签“左车道，直线，停止标记”。基于这些标记，车道特性(其可延长或缩短有效车道距离)可与相应的车道相关联。
在一个实施方式中，参考图5E，有效距离表355包括用于有效距离标签(或成本)的多个名称-值对，以基于车道/道路特性和/或车道转换类型来计算特定车道和/或道路的有效距离。有效距离成本/修改量中的一些包括但不限于：对于左转弯80米的惩罚、对于右转弯20米、对于U形转弯100米、以及对于车道改变50米。具有交通灯或停车标志的车道引起100米的惩罚。停留在左车道每100米花费5米，停留在右车道每100米花费20米。与另一车道合并的车道引起200米的惩罚，分成两个单独车道的车道被奖励50米的奖励。在任一侧具有实车道线的车道每100米奖励3米。考虑到行进速度，与备用车道相比，车道每多行驶一分钟要花费60米。即，需要4分钟完成的车道将花费4*60米，而需要3分钟完成的备用车道将花费3*60米。这里，有效距离成本可分类为交通辅助要素和交通延迟要素。要素中的一些与距离相关和/或与时间相关。应注意，图5E中的有效距离成本是为了说明性目的而示出的，并且不应被解释为限制。
在一个实施方式中，图5A至图5E或道路和/或车道配置的表经由标准路线与地图服务进行配置或限定，标准路线与地图服务由路线与地图服务提供商提供，经由标准应用编程接口(API)或通信协议获得。在另一实施方式中，这些道路和车道配置由图3A的地图与路线信息311提供。
根据一个实施方式，响应于从源位置(例如，源车道)到目标位置(例如，目标车道)的路线选择请求，路线选择模块307基于源道路/车道和目标位置(例如，目标车道)在道路/车道映射表352中搜索，以识别包括源车道的源道路和包括目标车道的目标道路。在另一实施方式中，识别路线选择请求中的源道路/目标道路。在一个实施方式中，基于源道路和目标道路，路线选择模块307在道路连接表351中搜索以识别从源道路通向到达目标道路的一个或多个道路段。道路段中的每个均包括一个或多个中间车道。生成道路级别的从源道路到目标道路的一个或多个道路路径。对于道路路径中的每个，路线选择模块307基于车道连接表353列举出一个或多个车道路径，每个车道路径均具有经由一个或多个中间车道将源车道连接至目标车道的一序列车道。然后，路线选择模块307为车道路径中的每个生成有效距离，并选择具有最低有效距离的车道路径，并基于该选择生成基于路径的参考线。
在另一实施方式中，路线选择模块307选择一组不同的道路段进行有效距离计算，以生成备用车道路径。这里，可以为车道路径和备用车道路径两者生成基于车道的参考线。向ADV的用户显示选择，以选择两个路线中的一个。即，可提示用户选择参考线。例如，诸如对局部道路或高速公路和局部道路的选择。
在另一实施方式中，路线选择模块307可基于交通拥堵的预定阈值(例如，>10％交通时间延迟)和/或道路状况自动选择使用基于道路的参考线还是基于车道的参考线。例如，为具有一个或两个车道的狭窄道路选择基于道路的参考线，而为具有三个或更多个车道的较宽道路选择基于车道的参考线。
在一个实施方式中，参考图4作为道路和/或车道配置的示例，该配置包括道路R1、R2、R3、R4和R5。每个道路均包括一个或多个车道。在该示例中，道路R1包括车道A1至A3、B1至B3和C1至C3。道路R2包括车道D1和D2。道路R3包括车道S1至S3和T1至T3。道路R4包括车道M1至M2和N1至N2。道路R5包括车道E。
响应于从源车道A1到目标车道N1的路线选择请求，路线选择模块307在如图5B中所示的道路/车道映射表352中搜索，以识别与车道A1相关联的源道路R1和与车道N1相关联的目标道路R4。在另一实施方式中，请求包括源道路R1和目标道路R4。基于源道路R1和目标道路R4，路线选择模块307在道路连接表351中搜索以识别将源道路R1连接至目标道路R4的道路段和车道。在该示例中，从条目551可知，道路R1经由车道C3连接至道路R5。如条目552所示，道路R5经由车道M1连接至道路R4。因此，为了从源道路R1到达目标道路R4，车辆必须经过道路段R5。在该示例中，道路连接或道路路径是R1-R5-R4，其是道路级连接。对于道路R1、R4和R5中的每个，路线选择模块307搜索车道连接表353以识别道路R1和R5的车道之间以及道路R5和R4的车道之间的车道连接。在该示例中，车道连接可识别为条目553处的C3-E和条目554处的E-M1。这意味着为了从道路R1到达道路R5，车辆必须经由车道C3离开道路R1并经由车道E进入道路R5。类似地，车辆必须经由车道E离开道路R5并经由车道M1进入道路R4。
在道路R1内，路线选择模块307识别从源车道A1到离开车道C3的所有可能的车道路径：(1)A1-B1-C1-C2-C3、(2)A1-B1-B2-C2-C3、(3)A1-B1-B2-B3-C3、(4)A1-A2-B2-C2-C3以及(5)A1-A2-A3-B3-C3。对于道路R5，在本例中，只有一个车道，即车道E。对于道路R4，从车道M1到N1，只有一个车道路径：M1-N1。基于上述车道路径，对于车道路径中的每个，路线选择模块307基于有效距离计算算法生成有效距离。考虑到与车道路径相关联的不同交通和道路状况，每个车道路径的有效距离可表征导航车道路径的有效距离。然后，路线选择模块307选择具有最低有效距离的车道路径，并使用所选择的车道路径生成基于车道的参考线。
可使用图5C至图5E基于车道转换的类型和车道配置来计算这些车道路径的有效距离。例如，车道路径A1-B1-C1-C2-C3的有效成本可计算为车道转换(A1-B1)、(B1-C1)、(C1-C2)和(C2-C3)的累积和；以及基础车道A1、B1、C1、C2和C3。
参考图4，对于车道转换(A1-B1)的有效距离计算的示例可以是：成本(跟随)＝0；车道转换(C1-C2)可以是：成本(车道改变)＝50。对于车道A1的有效距离计算的示例可以是：成本(距离)+成本(是左车道)+成本(直线)+成本(停车标志)＝1000+(-5)*1000/100+0+4*100＝1350。车道路径的有效距离可通过将转换和基础车道相加来计算。根据所列举的车道路径的有效距离计算，可选择具有最低有效距离(例如，最低成本)的车道路径来生成基于车道的参考线。
然后将基于车道的参考线作为初始轨迹提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305可根据由ADV感知的感知信息(例如，障碍物、交通状况)实时生成偏离初始轨迹的轨迹，以操纵ADV。
图6A至图6C是示出根据一些实施方式的合并车道、分开车道和实线车道的框图。合并车道的有效距离导致惩罚成本。激励因素是，当两个或更多个车道合并在一起时，由于来自两个或更多个车道的交通合并，交通流趋于拥塞或排队，从而导致惩罚成本。在合约中，分开车道和实车道线导致奖励成本。这里，激励因素是当车道分成两个或更多个车道时，交通流趋于缓和。类似地，实车道线(而不是道路边界线)倾向于指示不允许车辆在实车道线上变道，因此，实车道线倾向于改善交通流。
图7是示出根据一个实施方式的对用于驱动自动驾驶车辆的路径进行路线选择的过程的流程图。过程700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700可由路线选择模块307、决策模块304和/或规划模块305执行。参考图7，在操作701中，处理逻辑接收将自动驾驶车辆(ADV)从源位置路由到目标位置的请求。响应于路线选择请求，在操作702中，处理逻辑识别ADV可导航的源位置和目标位置之间的道路段的集合，其中，该集合中的道路段中的每个均包括一个或多个车道段。在一个实施方式中，请求识别道路段。
在操作703中，处理逻辑识别对应于该道路段的集合的一个或多个车道路径。在操作704中，处理逻辑确定一个或多个车道路径中的每个的有效距离。在操作705中，处理逻辑基于所确定的有效距离来选择车道路径。在操作706中，处理逻辑基于所选择的车道路径生成基于车道的参考线。
在一个实施方式中，处理逻辑还基于所生成的基于车道的参考线，考虑到由ADV的一个或多个传感器所感知到的障碍物来规划从源位置到目标位置的轨迹。在一个实施方式中，处理逻辑还识别ADV可导航的源位置和目标位置之间的备用道路段集合；识别与该备用道路段集合相对应的一个或多个备用车道路径；确定一个或多个备用车道路径中的每个的有效距离，基于该确定生成基于备用车道的参考线；确定选择基于车道的参考线或具有该备用道路段集合的基于备用车道的参考线的用户选择；以及基于用户选择规划从源位置到目标位置的轨迹。
在一个实施方式中，处理逻辑还使用相同道路段集合生成基于道路的参考线；基于预定的交通或道路状况自动选择使用基于车道的参考线还是基于道路的参考线；并基于自动选择规划从源位置到目标位置的轨迹。
在一个实施方式中，具有交通辅助要素的车道路径的有效距离相应于交通辅助要素被缩短或奖励。在一个实施方式中，具有分开车道的车道路径的有效距离包括第一预定奖励距离。在一个实施方式中，具有指示不允许车道变更的实车道线的车道路径的有效距离包括第二预定奖励距离。
在一个实施方式中，具有交通延迟要素的车道路径的有效距离相应于交通延迟要素被延长或惩罚。在一个实施方式中，具有合并车道的车道路径的有效距离包括第一预定惩罚距离。在一个实施方式中，具有左转弯、右转弯、U形转弯或车道改变的车道路径的有效距离分别包括第二、第三或第四预定惩罚距离。在一个实施方式中，具有交通延迟要素的车道路径的有效距离相应于车道段的长度被延长或惩罚。
在一个实施方式中，有效距离包括用于停留在左车道上的基于第五预定惩罚长度的距离成本和用于停留在右车道上的基于第六预定惩罚长度的距离成本。在一个实施方式中，车道路径的有效距离包括基于导航车道路径的估计时间长度的第七预定惩罚距离成本，例如基于时间的距离成本。
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 (21)

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：
识别能够由自动驾驶车辆导航的源位置与目标位置之间的道路段的集合，其中，所述集合中的道路段中的每个均包括一个或多个车道段；
基于所述道路段的集合的所述车道段确定一个或多个车道路径；
根据所述自动驾驶车辆的当前位置确定所述一个或多个车道路径中的每个的有效距离；以及
基于所确定的所述车道路径中的每个的有效距离从所述车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，所述基于车道的参考线用于将所述自动驾驶车辆从所述源位置路由到所述目标位置。
2.根据权利要求1所述的方法，还包括根据由所述自动驾驶车辆的一个或多个传感器感知到的障碍物，基于所生成的基于车道的参考线规划从所述源位置到所述目标位置的轨迹。
3.根据权利要求2所述的方法，还包括：
识别能够由所述自动驾驶车辆导航的所述源位置和所述目标位置之间的备用道路段集合；
识别与所述备用道路段集合相对应的一个或多个备用车道路径；
确定所述一个或多个备用车道路径中的每个的有效距离；
基于所述确定生成基于备用车道的参考线；
确定选择所述基于车道的参考线或具有所述备用道路段集合的所述基于备用车道的参考线的用户选择；以及
基于所述用户选择规划从所述源位置到所述目标位置的轨迹。
4.根据权利要求1所述的方法，还包括：
使用相同道路段的集合生成基于道路的参考线；
基于预定的交通或道路状况自动选择使用所述基于车道的参考线还是所述基于道路的参考线；以及
基于所述自动选择规划从所述源位置到所述目标位置的轨迹。
5.根据权利要求1所述的方法，其中，具有交通辅助要素的车道路径的所述有效距离相应于所述交通辅助要素被缩短或奖励。
6.根据权利要求1所述的方法，其中，具有分开车道的车道路径的所述有效距离包括第一预定奖励距离。
7.根据权利要求1所述的方法，其中，具有指示不允许车道变更的实车道线的车道路径的所述有效距离包括第二预定奖励距离。
8.根据权利要求1所述的方法，其中，具有交通延迟要素的车道路径的所述有效距离相应于所述交通延迟要素被延长或惩罚。
9.根据权利要求1所述的方法，其中，具有合并车道的车道路径的所述有效距离包括第一预定惩罚距离。
10.根据权利要求1所述的方法，其中，具有左转弯、右转弯，U形转弯或车道改变的车道路径的所述有效距离分别包括第二预定惩罚距离、第三预定惩罚距离或第四预定惩罚距离。
11.根据权利要求1所述的方法，其中，具有交通延迟要素的车道路径的所述有效距离相应于车道段的长度被延长或惩罚。
12.根据权利要求1所述的方法，其中，所述有效距离包括用于停留在左车道上的基于第五预定惩罚长度的距离成本和用于停留在右车道上的基于第六预定惩罚长度的距离成本。
13.根据权利要求1所述的方法，其中，所述车道路径的有效距离包括基于导航所述车道路径的估计时间长度的第七预定惩罚距离成本。
14.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作，所述操作包括：
识别能够由自动驾驶车辆导航的源位置与目标位置之间的道路段的集合，其中，所述集合中的道路段中的每个均包括一个或多个车道段；
基于所述道路段的集合的所述车道段确定一个或多个车道路径；
根据所述自动驾驶车辆的当前位置确定所述一个或多个车道路径中的每个的有效距离；以及
基于所确定的所述车道路径中的每个的有效距离从所述车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，所述基于车道的参考线用于将所述自动驾驶车辆从所述源位置路由到所述目标位置。
15.根据权利要求14所述的非暂时性机器可读介质，其中，所述操作还包括：根据由所述自动驾驶车辆的一个或多个传感器感知到的障碍物，基于所生成的基于车道的参考线规划从所述源位置到所述目标位置的轨迹。
16.根据权利要求15所述的非暂时性机器可读介质，其中，所述操作还包括：
识别能够由所述自动驾驶车辆导航的所述源位置和所述目标位置之间的备用道路段集合；
识别与所述备用道路段集合相对应的一个或多个备用车道路径；
确定所述一个或多个备用车道路径中的每个的有效距离；
基于所述确定生成基于备用车道的参考线；
确定选择所述基于车道的参考线或具有所述备用道路段集合的所述基于备用车道的参考线的用户选择；以及
基于所述用户选择规划从所述源位置到所述目标位置的轨迹。
17.根据权利要求14所述的非暂时性机器可读介质，其中，所述操作还包括：
使用相同道路段的集合生成基于道路的参考线；
基于预定的交通或道路状况自动选择使用所述基于车道的参考线还是所述基于道路的参考线；以及
基于所述自动选择规划从所述源位置到所述目标位置的轨迹。
18.一种数据处理系统，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：
识别能够由自动驾驶车辆导航的源位置与目标位置之间的道路段的集合，其中，所述集合中的道路段中的每个均包括一个或多个车道段；
基于所述道路段的集合的所述车道段确定一个或多个车道路径；
根据所述自动驾驶车辆的当前位置确定所述一个或多个车道路径中的每个的有效距离；以及
基于所确定的所述车道路径中的每个的有效距离从所述车道路径中选择车道路径，基于所选择的车道路径生成基于车道的参考线，其中，所述基于车道的参考线用于将所述自动驾驶车辆从所述源位置路由到所述目标位置。
19.根据权利要求18所述的系统，其中，所述操作还包括：
根据由所述自动驾驶车辆的一个或多个传感器感知到的障碍物，基于所生成的基于车道的参考线规划从所述源位置到所述目标位置的轨迹。
20.根据权利要求19所述的系统，其中，所述操作还包括：
识别能够由所述自动驾驶车辆导航的所述源位置和所述目标位置之间的备用道路段集合；
识别与所述备用道路段集合相对应的一个或多个备用车道路径；
确定所述一个或多个备用车道路径中的每个的有效距离；
基于所述确定生成基于备用车道的参考线；
确定选择所述基于车道的参考线或具有所述备用道路段集合的所述基于备用车道的参考线的用户选择；以及
基于所述用户选择规划从所述源位置到所述目标位置的轨迹。
21.根据权利要求18所述的系统，其中，所述操作还包括：
使用相同道路段的集合生成基于道路的参考线；
基于预定的交通或道路状况自动选择使用所述基于车道的参考线还是所述基于道路的参考线；以及
基于所述自动选择规划从所述源位置到所述目标位置的轨迹。
CN202011018296.1A 2020-02-27 2020-09-24 用于自动驾驶车辆的基于车道的路线选择系统 Active CN113313933B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/803,772 US11685398B2 (en) 2020-02-27 2020-02-27 Lane based routing system for autonomous driving vehicles
US16/803,772 2020-02-27

Publications (2)

Publication Number Publication Date
CN113313933A true CN113313933A (zh) 2021-08-27
CN113313933B CN113313933B (zh) 2023-07-21

Family

ID=77370621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011018296.1A Active CN113313933B (zh) 2020-02-27 2020-09-24 用于自动驾驶车辆的基于车道的路线选择系统

Country Status (2)

Country Link
US (1) US11685398B2 (zh)
CN (1) CN113313933B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114964284A (zh) * 2022-04-22 2022-08-30 合众新能源汽车有限公司 一种车辆路径的规划方法及装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018632B (zh) * 2018-06-22 2020-10-09 长城汽车股份有限公司 一种车辆变道控制方法和装置
CN113865600B (zh) * 2021-09-28 2023-01-06 北京三快在线科技有限公司 一种高精地图的构建方法及装置
CN114084129A (zh) * 2021-10-13 2022-02-25 武汉光庭信息技术股份有限公司 一种基于融合的车辆自动驾驶控制方法及系统
WO2024081191A1 (en) * 2022-10-14 2024-04-18 Motional Ad Llc Path selection for remote vehicle assistance

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033643A1 (en) * 2006-08-02 2008-02-07 Denso Corporation Route retrieval apparatus
DE102009027905A1 (de) * 2009-07-22 2011-01-27 Robert Bosch Gmbh Verkehrsführungsassistent
US20150345964A1 (en) * 2014-05-30 2015-12-03 Denso Corporation Evacuation travelling assistance apparatus
JP2017181150A (ja) * 2016-03-29 2017-10-05 株式会社ゼンリンデータコム ナビゲーション装置、ナビゲーション方法およびナビゲーションプログラム
US20180089563A1 (en) * 2016-09-23 2018-03-29 Apple Inc. Decision making for autonomous vehicle motion control
US20180284768A1 (en) * 2017-03-30 2018-10-04 Uber Technologies, Inc. Systems and Methods to Control Autonomous Vehicle Motion
JP2018185633A (ja) * 2017-04-25 2018-11-22 トヨタ自動車株式会社 自律移動体
US20190079514A1 (en) * 2017-09-13 2019-03-14 Baidu Usa Llc Driving scene based path planning for autonomous driving vehicles
US20190278277A1 (en) * 2018-03-10 2019-09-12 Baidu Usa Llc Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
US20190294167A1 (en) * 2016-08-02 2019-09-26 Pcms Holdings, Inc. System and method for optimizing autonomous vehicle capabilities in route planning
US20190317508A1 (en) * 2018-04-16 2019-10-17 Baidu Usa Llc Cost design for path selection in autonomous driving technology
JP2019184493A (ja) * 2018-04-13 2019-10-24 日立オートモティブシステムズ株式会社 経路生成装置、及び自動運転システム
US20190346851A1 (en) * 2018-05-11 2019-11-14 Uber Technologies, Inc. Initial Trajectory Generator for Motion Planning System of Autonomous Vehicles

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7899617B2 (en) * 2005-02-17 2011-03-01 Denso Corporation Navigation system providing route guidance in multi-lane road according to vehicle lane position
JP4501717B2 (ja) * 2005-02-17 2010-07-14 株式会社デンソー ナビゲーション装置およびプログラム
US20070239353A1 (en) * 2006-03-03 2007-10-11 David Vismans Communication device for updating current navigation contents
US8612139B2 (en) * 2010-11-30 2013-12-17 GM Global Technology Operations LLC Systems and methods for planning vehicle routes based on safety factors
KR20150128712A (ko) * 2013-03-15 2015-11-18 칼리퍼 코포레이션 차량 라우팅 및 교통 관리를 위한 차선 레벨 차량 내비게이션
KR101877553B1 (ko) * 2014-11-14 2018-07-11 한국전자통신연구원 차량 자율주행 시스템 및 이를 이용한 차량 주행 방법
JP6491929B2 (ja) * 2015-03-31 2019-03-27 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
US9672734B1 (en) * 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system
US10137896B2 (en) * 2016-12-30 2018-11-27 Baidu Usa Llc Method and system for operating autonomous driving vehicles using graph-based lane change guide
US10254121B2 (en) * 2017-01-23 2019-04-09 Uber Technologies, Inc. Dynamic routing for self-driving vehicles
US10074279B1 (en) * 2017-03-07 2018-09-11 Denso International America, Inc. Inference-aware motion planning
US11255679B2 (en) * 2018-04-19 2022-02-22 Uatc, Llc Global and local navigation for self-driving
CN109000678B (zh) * 2018-08-23 2020-11-17 武汉中海庭数据技术有限公司 基于高精度地图的驾驶辅助装置及方法
JP7135699B2 (ja) * 2018-10-12 2022-09-13 トヨタ自動車株式会社 経路探索システムおよび経路探索プログラム
JP7104651B2 (ja) * 2019-03-29 2022-07-21 本田技研工業株式会社 車両制御システム
US11466996B2 (en) * 2019-04-03 2022-10-11 Verizon Patent And Licensing Inc. Pathfinding through a road network with turn complexities
KR20210047048A (ko) * 2019-10-21 2021-04-29 엘지전자 주식회사 차량 정보 제공 방법 및 장치
WO2021168058A1 (en) * 2020-02-19 2021-08-26 Nvidia Corporation Behavior planning for autonomous vehicles
US11429107B2 (en) * 2020-02-21 2022-08-30 Argo AI, LLC Play-forward planning and control system for an autonomous vehicle

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033643A1 (en) * 2006-08-02 2008-02-07 Denso Corporation Route retrieval apparatus
DE102009027905A1 (de) * 2009-07-22 2011-01-27 Robert Bosch Gmbh Verkehrsführungsassistent
US20150345964A1 (en) * 2014-05-30 2015-12-03 Denso Corporation Evacuation travelling assistance apparatus
JP2017181150A (ja) * 2016-03-29 2017-10-05 株式会社ゼンリンデータコム ナビゲーション装置、ナビゲーション方法およびナビゲーションプログラム
US20190294167A1 (en) * 2016-08-02 2019-09-26 Pcms Holdings, Inc. System and method for optimizing autonomous vehicle capabilities in route planning
US20180089563A1 (en) * 2016-09-23 2018-03-29 Apple Inc. Decision making for autonomous vehicle motion control
US20180284768A1 (en) * 2017-03-30 2018-10-04 Uber Technologies, Inc. Systems and Methods to Control Autonomous Vehicle Motion
JP2018185633A (ja) * 2017-04-25 2018-11-22 トヨタ自動車株式会社 自律移動体
US20190079514A1 (en) * 2017-09-13 2019-03-14 Baidu Usa Llc Driving scene based path planning for autonomous driving vehicles
US20190278277A1 (en) * 2018-03-10 2019-09-12 Baidu Usa Llc Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
JP2019184493A (ja) * 2018-04-13 2019-10-24 日立オートモティブシステムズ株式会社 経路生成装置、及び自動運転システム
US20190317508A1 (en) * 2018-04-16 2019-10-17 Baidu Usa Llc Cost design for path selection in autonomous driving technology
US20190346851A1 (en) * 2018-05-11 2019-11-14 Uber Technologies, Inc. Initial Trajectory Generator for Motion Planning System of Autonomous Vehicles

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114964284A (zh) * 2022-04-22 2022-08-30 合众新能源汽车有限公司 一种车辆路径的规划方法及装置

Also Published As

Publication number Publication date
US20210269056A1 (en) 2021-09-02
CN113313933B (zh) 2023-07-21
US11685398B2 (en) 2023-06-27

Similar Documents

Publication Publication Date Title
US10915766B2 (en) Method for detecting closest in-path object (CIPO) for autonomous driving
CN112363492A (zh) 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统
CN112572451A (zh) 用于自主驾驶车辆执行的方法和装置
CN113313933B (zh) 用于自动驾驶车辆的基于车道的路线选择系统
US11485360B2 (en) Dynamic speed limit adjustment system based on perception results
CN113129624B (zh) 交通堵塞情况下的最快车道确定算法
US11225228B2 (en) Method for enhancing in-path obstacle detection with safety redundancy autonomous system
CN112180912A (zh) 用于为自动驾驶车辆规划路径的分级路径决策系统
CN112526960A (zh) 自动驾驶监控系统
CN113728212A (zh) 用于自动驾驶车辆的导航路线规划方法
CN113050618A (zh) 用于操作自动驾驶车辆的计算机实现的方法
CN113428172A (zh) 使用逆向强化学习的开放空间路径规划
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
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
US11904890B2 (en) Lane change system for lanes with different speed limits
CN112985825B (zh) 用于确定自动驾驶系统的乘坐稳定性的方法
US11254326B2 (en) Automatic comfort score system based on human driving reference data
CN113619597A (zh) 自动驾驶车辆速度限制变更的规划系统
CN112985435A (zh) 用于操作自主驾驶车辆的方法及系统
CN113247017A (zh) 用于确保自动驾驶车辆的稳定绕行的双缓冲系统
CN113060140A (zh) 基于中心线移位的变道前路径规划
CN113060118A (zh) 用于柔和降速的速度规划引导线
CN112598914B (zh) 基于历史的预计到达时间
US20210284195A1 (en) Obstacle prediction system for autonomous driving vehicles

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