CN113748059A - 离线和在线解决方案相结合的停车轨迹生成方法 - Google Patents
离线和在线解决方案相结合的停车轨迹生成方法 Download PDFInfo
- Publication number
- CN113748059A CN113748059A CN202080003334.8A CN202080003334A CN113748059A CN 113748059 A CN113748059 A CN 113748059A CN 202080003334 A CN202080003334 A CN 202080003334A CN 113748059 A CN113748059 A CN 113748059A
- Authority
- CN
- China
- Prior art keywords
- parking
- adv
- trajectory
- predetermined
- trajectories
- 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 48
- 230000004044 response Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims 3
- 230000008569 process Effects 0.000 description 23
- 230000008447 perception Effects 0.000 description 19
- 238000010845 search algorithm Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 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
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002379 ultrasonic velocimetry Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 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
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Computer Interaction (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
响应于将ADV(101、300、603、803)停在停车场(601、801)中的请求,可获得与停车场(601、801)中的一个或多个停车位(602、802)附近的预定位置集(611、612、613、614、615、616、811)相关联的停车轨迹集(621、622、623、624、625、626、821),其中停车轨迹集(621、622、623、624、625、626、821)是基于前期采集的停车场(601、801)的规划和控制数据而预先生成的。停车轨迹集(621、622、623、624、625、626、821)的每个停车轨迹可对应于停车场(601、801)中的一个或多个停车位(602、802)中的一个停车位。可基于ADV(101、300、603、803)的当前位置(810)从停车轨迹集(621、622、623、624、625、626、821)中选择停车轨迹。可根据所选择的停车轨迹来控制ADV(101、300、603、803)在相应的停车位停车。
Description
技术领域
本公开的实施方式一般涉及操作自动车辆。更具体地,本公开的实施方式涉及为自动驾驶车辆(ADV)生成轨迹。
背景技术
以自动模式(例如,无人驾驶)操作的车辆可将乘坐者(尤其是驾驶员)从一些驾驶相关的职责中解放出来。当以自动模式操作时,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驾驶。
运动规划和控制是自动驾驶中的关键操作。时间是许多自驾驶场景中的重要关键因素。尽管自驾驶车辆通常需要以实时方式生成轨迹,但是实时轨迹生成经常需要大量的计算资源。因此,实时轨迹生成对宝贵的计算资源要求非常高,并且在复杂的场景中可能花费一定量的时间。
发明内容
本公开的实施方式提供了用于操作自动车辆(ADV)的计算机实现的方法、非暂时性机器可读介质以及数据处理系统。
根据第一方面,本公开的一些实施方式提供了用于操作自动驾驶车辆(ADV)的计算机实现的方法,该方法包括:响应于将ADV停在停车场中的请求,获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期规划和控制数据而预先生成的,每个停车轨迹对应于停车场内的一个或多个停车位中的一个;基于ADV的当前位置从停车轨迹集中选择停车轨迹;并根据所选择的停车轨迹控制ADV停在相应的停车位中。
根据第二方面,本发明的一些实施方式提供了其中存储有指令的非暂时性机器可读介质,该指令在由处理器执行时使得处理器执行操作,该操作包括:响应于将自动驾驶车辆(ADV)停在停车场中的请求,获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期规划和控制数据而预先生成的,每个停车轨迹对应于停车场内的一个或多个停车位中的一个;基于ADV的当前位置从停车轨迹集中选择停车轨迹;并根据所选择的停车轨迹控制ADV在相应的停车位停车。
根据第三方面,本公开的一些实施方式提供了数据处理系统,该系统包括:处理器;以及存储器,联接到处理器以存储指令,该指令在由处理器执行时使得处理器执行操作,该操作包括:响应于将ADV停在停车场中的请求,获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期规划和控制数据而预先生成的,每个停车轨迹对应于停车场内的一个或多个停车位中的一个;基于ADV的当前位置从停车轨迹集中选择停车轨迹;并根据所选择的停车轨迹控制ADV在相应的停车位停车。
附图说明
在附图的各图中以举例而非限制的方式示出了本公开的实施方式,附图中相同的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车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方式的规划模块的示例的框图。
图5是根据一个实施方式的规划模块的处理流程图。
图6A是示出离线生成的停车轨迹的示例的图。
图6B示出了存储离线生成的停车轨迹集的表的示例。
图7是示出根据一个实施方式的离线生成停车轨迹集的过程的示例的流程图。
图8示出了根据一些实施方式的通过结合离线和在线轨迹生成以将ADV停在停车位中的方法的示例。
图9是示出了根据一些实施方式的通过结合离线和在线轨迹生成以将ADV停在停车位中的过程的示例的流程图。
图10是示出了根据一些实施方式的通过结合离线和在线轨迹生成以将ADV停在停车位中的过程的详细示例的流程图。
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,且附图将示出各种实施方式。以下描述和附图是本公开的说明,而不应解释为对本公开的限制。为提供对本公开的各种实施方式的透彻理解,描述了大量的具体细节。然而,在某些情况下,为了提供对本公开的实施方式的简洁讨论,并未描述公知的或常规的细节。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式,可首先通过采集停车场的规划和控制数据来生成离线高清晰度数字地图。一旦生成数字地图,就可通过使用数字地图离线生成停车场中的停车位的停车轨迹。对于数字地图中的每个停车位,可为许多可行的预定位置(离线计算的位置)生成朝向停车位的停车轨迹。如果ADV处于与预定位置(离线计算的位置)不同的位置,则仅需要以实时方式生成ADV从该位置驾驶到最近的预定位置(离线计算的位置)的轨迹。一旦ADV到达最近的预定位置(离线计算的位置),ADV可能仅需要抓取离线生成的从最近的预定位置到相应的停车位的相应的停车轨迹,并遵循所抓取的停车轨迹。通过结合在线和离线轨迹生成方法,提供了停车场景的低成本的轨迹生成解决方案。
根据一些实施方式,响应于将ADV停在停车场中的请求,可获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期采集的规划和控制数据而预先生成的,停车轨迹集的每个停车轨迹可对应于停车场中的一个或多个停车位中的一个停车位;可基于ADV的当前位置从停车轨迹集中选择停车轨迹。可根据所选择的停车轨迹控制ADV在相应的停车位停车。
图1是示出根据本公开的一个实施方式的自动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的自动车辆101。尽管示出了一辆自动车辆,但多辆自动车辆可通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是有线或无线的任何类型的网络,诸如,局域网(LAN)、广域网(WAN)(诸如,互联网、蜂窝网络、卫星网络),或其组合。服务器103至104可以是任何种类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。
自动车辆指的是可配置为自动模式的车辆,在该自动模式中,车辆在驾驶员很少输入或没有输入的情况下导航通过环境。这种自动车辆可包括:具有一个或多个传感器的传感器系统,该传感器配置为探测关于车辆操作环境的信息。车辆及其相关联的控制器使用所探测的信息来导航通过环境。自动车辆101可在手动模式、全自动模式或部分自动模式下操作。
在一个实施方式中,自动车辆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以及传感器系统115。自动车辆101还可包括普通车辆中包括的某些常用组件,诸如:发动机、车轮、方向盘、变速器等,组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(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)进行控制。
组件110至115可经由互连件、总线、网络或其组合彼此通信地联接。例如,组件110至115可经由控制器局域网(CAN)总线彼此通信地联接。CAN总线是设计成允许微控制器和装置在没有上位机的应用中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。
现在参照图2,在一个实施方式中,传感器系统115包括但不限于:一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可包括:收发器,可操作以提供关于自动车辆的位置的信息。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车辆所处的环境中的对象。除其它系统组件之外,LIDAR单元215还可以包括:一个或多个激光源、激光扫描器以及一个或多个探测器。摄像机211可包括用来捕获自动车辆周围环境的图像的一个或多个装置。摄像机211可以是静态摄像机和/或视频摄像机。摄像机可以是机械上可移动的,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)。音频传感器可配置为从自动车辆周围的环境中捕获声音。转向传感器可配置为感测方向盘、车辆的车轮或其组合的转向角。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,电动机或发动机进而控制车辆的速度和加速度。制动单元203通过提供摩擦减慢车辆的车轮或轮胎的速度而使车辆减速。应注意,如图2所示的组件可以以硬件、软件或其组合实现。
返回参考图1,无线通信系统112允许自动车辆101与诸如装置、传感器、其它车辆等的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,或者经由通信网络与一个或多个装置进行无线通信,诸如,通过网络102与服务器103至服务器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以与另一组件或系统通信。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内实现的外围装置的一部分,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。或者,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,MPOI服务器可以是服务器103至服务器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。或者,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至服务器104可由第三方实体进行操作。或者,服务器103至服务器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探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:数据采集器121和机器学习引擎122。数据采集器121从各种车辆(自动车辆或由人类驾驶员驾驶的常规车辆)采集驾驶统计数据123。驾驶统计数据123包括指示所发布的驾驶命令(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获到的车辆的响应(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:根据基于停车场的前期规划和控制数据的数字地图生成停车轨迹集的算法或模型、获得与停车场中的一个或多个停车位附近的预定位置集相关联的停车轨迹集的算法、基于ADV的当前位置从停车轨迹集中选择停车轨迹的算法,和/或根据所选择的停车轨迹控制ADV在相应的停车位停车的算法或预测模型,这将在下面进一步详细描述。然后,算法124可被上载到ADV(例如,图3A的模型313)上,以在自动驾驶过程中实时使用。
图3A和图3B是示出根据一个实施方式的与自动车辆一起使用的感知与规划系统的示例的框图。系统300可实现为图1的自动车辆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和路线安排模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合实现。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图2的车辆控制系统111的一些或全部模块集成在一起。模块301至307中的一些可一起集成为集成模块。
定位模块301确定自动车辆300的当前位置(例如,利用GPS单元212)并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与自动车辆300的其它组件(诸如,地图与路线信息311)进行通信,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将感知到驾驶员正在驾驶的车辆周围的东西。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,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捕获的图像,从而识别自动车辆环境中的对象和/或特征。该对象可包括: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也可基于由其它传感器(诸如雷达和/或LIDAR)提供的其它传感器数据来探测对象。
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。鉴于一组地图/路线信息311和交通规则312,基于在时间点处感知驾驶环境的感知数据执行预测。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将预测车辆可能会笔向前直行还是转弯。如果感知数据指示十字路口没有交通灯,则预测模块303可预测车辆在进入十字路口之前可能不得不完全停车。如果感知数据指示车辆目前处于仅左转弯车道或仅右转弯车道,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作出关于如何处理对象的决定。例如,针对特定对象(例如,交叉路线中的另一车辆)及其描述该对象的元数据(例如,速度、方向、转向角),决策模块304决定如何与对象相遇(例如,超车、让行、停止、超过)。决策模块304可根据诸如可能存储在永久性存储装置352中的交通规则或驾驶规则312的规则集来作出此类决定。
路线安排模块307配置为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可为它确定的从起始位置到达目的位置的每条路线生成地形图形式的参考线。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。也就是说,如果道路上没有其它车辆、行人或障碍物,则ADV应精确地或紧密地遵循参考线。然后,将地形图提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线,以鉴于由其它模块提供的其它数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境以及由预测模块303预测的交通状况)选择和修改最佳路线之一。取决于时间点处的特定驾驶环境,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。
基于对所感知的每个对象的决策,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,为自动车辆规划路径或路线以及驾驶参数(例如,距离、速度和/或转向角)。也就是说,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可决定超过该对象,而规划模块305可确定在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,规划模块305包括描述车辆300在下一移动周期(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以每小时30英里(mph)的速度移动10米,随后以25mph的速度变到右车道。
基于规划和控制数据,控制模块306根据由规划和控制数据定义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来控制并驾驶自动车辆。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恰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。对于每个规划周期或每个驾驶周期,将基于规划和控制数据发布一个或多个控制命令。也就是说,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。或者,规划模块305还可指定具体的速度、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当前周期(例如,下一个5秒)的目标位置。然后控制模块306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,以确定自动车辆的驾驶路径。例如,导航系统可确定用于影响自动车辆沿着以下路径移动的一系列速度和前进方向:路径在使自动车辆沿着通往最终目的地的基于道路的路径前进的同时,基本上避免感知到的障碍物。可根据经由用户接口系统113的用户输入来设定目的地。导航系统可在自动车辆正在操作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,以确定自动车辆的驾驶路径。
在一个实施方式中,可采集停车场的信息,该信息包括停车场中的车道和一个或多个停车位。可基于停车场的前期规划和控制数据来生成高清晰度数字地图。可根据数字地图生成与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集。对于停车场中的每个停车位,可为停车位附近的预定位置集的子集生成停车轨迹集的子集。停车轨迹集可存储在地图和路线信息311中的停车轨迹信息314中。
根据一个实施方式,规划模块305可配置为:响应于将ADV停在停车场中的请求,获得与停车场中的一个或多个停车位附近的预定位置集相关联的停车轨迹集(例如,从停车轨迹信息314获得)。停车轨迹集可基于停车场的前期规划和控制数据预先生成,并且其中停车轨迹集的每个停车轨迹对应于停车场中的一个或多个停车位的一个停车位。规划模块305还可配置为基于ADV的当前位置从停车轨迹集中选择停车轨迹。控制模块306可配置为根据所选择的停车轨迹控制ADV在相应的停车位停车。
图4是示出规划模块305的示例的框图,以及图5是根据一个实施方式的规划模块305的处理流程图。参照图4和图5,规划模块305包括但不限于:确定模块401、抓取模块402、选择模块403、轨迹模块404以及障碍物模块405,它们使用所存储的停车轨迹信息314一起工作,以根据所选择的停车轨迹将ADV停在相应的停车位中。注意,模块401至模块405可集成到更少数量的模块或单个模块中。
根据一个实施方式,响应于将ADV停在停车场中的请求,抓取模块402可配置为获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中停车轨迹集是基于停车场的前期规划和控制数据预先生成,并且其中停车轨迹集中的每个停车轨迹对应于停车场内的一个或多个停车位中的一个停车位。选择模块403可配置为基于ADV的当前位置从停车轨迹集中选择停车轨迹。
在一个实施方式中,确定模块401可配置为在停车场处激活停车功能时确定ADV的当前位置。确定模块401还可配置为确定当前位置是否与预定位置集中的一个位置相匹配。
在一个实施方式中,确定模块401可配置为确定当前位置与预定位置集中的预定位置相匹配,其中所选择的停车轨迹与所匹配的预定位置相关联。控制模块306可配置为根据所选择的停车轨迹控制ADV驶离匹配的预定位置在相应的停车位停车。
在一个实施方式中,确定模块401可配置为确定当前位置与预定位置集中的任何一个位置都不匹配。确定模块401还可配置为确定预定位置集中的到当前位置最近的预定位置,其中所选择的停车轨迹与最近的预定位置相关联。轨迹模块404可配置为生成从当前位置到最近的预定位置的轨迹。控制模块306可配置为根据所生成的轨迹控制ADV从当前位置驾驶到最近的预定位置,并且根据所选择的停车轨迹控制ADV驶离最近的预定位置在相应的停车位停车。
在一个实施方式中,感知模块302可配置为基于从安装在ADV上的多个传感器获得的传感器数据来探测阻塞所选择的停车轨迹的障碍物。障碍物模块405可配置为响应于探测到障碍物而发送使ADV停止的命令。控制模块306可配置为当障碍物移开时控制ADV恢复所选择的停车轨迹。
时间在许多自驾驶场景中是重要因素。尽管ADV通常可能需要以实时方式生成轨迹。然而,实时轨迹生成经常需要大量的计算资源。因此,实时轨迹生成对宝贵的计算资源要求非常高,并且在复杂的场景中可能花费一定量的时间。
要求较低的实时轨迹生成方法可以为其他组件节省宝贵的计算资源,并加快轨迹生成过程。可能需要开发使用离线和在线停车轨迹生成算法的方法来实现低成本、快速且实时的停车解决方案。
图6A是示出离线生成的停车轨迹的示例的图600a。在停车场601中,可采集诸如停车位(例如,602)、车道、静态障碍物、停车场中的驾驶限制等规划和控制数据。可基于所采集的停车场601中的规划和控制数据来生成离线高清晰度数字地图(未示出)。数字地图包括自驾驶车辆可驻留的停车场601内的所有停车位。一旦建立了数字地图,就可离线生成停车场601中的停车轨迹(例如,621)。
在离线处理中,数字地图可以被分成网格,如图6A所示。可设置网格的分辨率以平衡计算时间和停车轨迹的质量。通常,分辨率越高,计算时间越长,并且生成的停车轨迹越好。因此,在计算时间和生成的停车轨迹的质量之间存在折衷。例如,对于每个停车轨迹,网格的分辨率可设置为在1-2秒内的计算时间。
在一个实施方式中,可使用混合A-star(A*)搜索算法或A*搜索算法来搜索停车轨迹。网格中的节点可表示预定的/可行的位置。A*搜索算法是信息搜索算法。从图的起始节点开始,A*旨在查找具有最小成本(最小行进距离、最短时间等)的到目的地节点的路线或路径。A*搜索通过维护起始于起始节点处的路径树并一次一个边地延伸那些路径直到满足其终止准则来完成此目的。在其主循环的每次迭代时,A*基于路径的成本以及将路径一直延伸到目的节点所需的成本估计来确定延伸其路径中的哪些路径。混合A*搜索算法是应用于车辆的三维(3D)运动状态空间的A*搜索算法的变体,但是具有捕获A*的离散搜索节点中的连续状态数据的修改的状态更新规则。正如在A*搜索算法中一样,搜索空间(x,y,θ)被离散,但是与仅允许访问单元的中心的传统A*不同,混合A*搜索算法将车辆的连续3D状态与每个网格单元相关联。混合A*搜索算法可使用ADV的运动模型。从混合A*搜索算法得到的路线或路径是可驾驶的,而不是像在A*搜索算法的情况下那样是分段线性的。
对于地图中的每个停车位(例如,602),可生成针对作为预定位置的一个或多个可行位置(例如,611、612、613、6145、615、616)的朝向停车位(例如,602)的停车轨迹。例如,对于停车位602,可以有一个或多个可行的位置/预定位置,以从其位置驾驶到停车位602。停车位602附近的一个或多个可行位置/预定位置可包括:预定位置611、612、613、614、615、616等。对于每个停车位,可基于到停车位的预定阈值距离来确定停车位附近的预定/可行位置。例如,到停车位的预定阈值距离可以是5米、10米、15米、20米,或它们之间的任何值。数字地图的分辨率越高,停车场中一个或多个停车位附近的预定位置越多。例如,对于停车场中的每个停车位,停车场附近的预定位置的数量/质量可以是10、20、30、50、80、100,或它们之间的任何值。对于每个预定位置,可生成从预定位置起始到相应的停车位的停车轨迹。
作为示例,对于预定位置611,可通过使用混合A*搜索算法生成停车轨迹621。起始节点可以是表示预定位置611的节点,以及目的地节点可以是表示停车位602的节点。混合A*搜索算法可用于查找从预定位置611到相应的停车位602的停车轨迹621。类似地,混合A*搜索算法可用于查找从预定位置的子集(例如,611、612、613、614、615、616)到相应的停车位(例如,602)的停车轨迹的子集(例如,621、622、623、624、625、626,如图6B所示)。因此,可离线(例如,可通过使用混合A*搜索算法)生成从预定位置集到停车场内所有停车位的停车轨迹集。
图6B示出了存储离线生成的停车位轨迹集的表600b的一部分的示例,该停车轨迹可存储在诸如所示的停车轨迹表的数据结构中。对于每个停车位(例如,602),可离线生成并存储停车位(例如,602)附近的预定位置的子集(例如,611、612、613、614、615、616)的停车轨迹的子集(例如,621、622、623、624、625、626)。一旦生成网格中的所有可行位置/预定位置的停车轨迹(这通常花费几分钟或甚至几小时),则可以将这些轨迹存储在表中,例如,如图6B所示。因此,可生成停车场中的所有停车位附近的预定位置集的停车轨迹集,并将其存储在表中。停车轨迹表可作为停车轨迹信息314的一部分被存储。
图7是示出根据一个实施方式的离线生成停车轨迹集的过程的示例的流程图。过程700可由可包括软件、硬件或其组合的处理逻辑来执行。过程700可以由ADV、计算机或任何类型的计算装置来执行。参照图7,在操作701中,处理逻辑采集停车场的规划和控制数据。在操作702中,处理逻辑基于所采集的停车场的规划和控制数据生成数字地图。在操作703中,处理逻辑基于数字地图生成与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中每个停车轨迹对应于停车场内的一个或多个停车位中的一个停车位。在操作704中,处理逻辑存储与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集。
图8示出了根据一些实施方式的通过将离线和在线轨迹生成结合来将ADV停在停车位中的方法的示例。在该方法中,将离线和在线轨迹生成算法相结合,以实现低成本、快速且实时的停车解决方案。
参照图8,在在线步骤中,ADV 803可到达停车场801并决定激活停车功能。一旦被激活,ADV 803可配置为确定ADV的实时当前位置810(例如,从定位模块301确定)。ADV 803可配置为将当前位置810与离线存储的预定位置集(例如,811)进行比较,其中,离线存储的预定位置集与离线生成的停车轨迹集(例如,821)相关联。例如,离线存储的预定位置集和离线生成的停车轨迹集可存储在表中,如图6B所示。ADV 803可配置为获得(例如,通过抓取模块402)与离线存储的预定位置集相关联的离线生成的停车轨迹集。
在一个实施方式中,如果ADV的当前位置匹配与停车轨迹集中的一个轨迹相关联的预定位置,则选择(例如,由选择模块403选择)与匹配的预定位置相关联的相应的停车轨迹。相应的停车轨迹可被发送到控制模块306。
在一个实施方式中,如果ADV 803的当前位置810与存储表中的任何预定位置都不匹配,则可确定存储表的最近的预定位置811或可行位置。可选择(例如,通过选择模块403选择)与最近的预定位置811相关联的停车轨迹821。ADV 803可配置为生成将ADV 803引导向最近的预定位置811的轨迹820。一旦到达存储在表中的最近的预定位置811,与最近的预定位置811相关联的相应的停车轨迹821可被发送到控制模块306。
在该方法中,ADV 803只需要生成轨迹820,其中,该轨迹820以实时方式使ADV 803从当前位置810朝向预定位置811驾驶,预定位置811是离线计算的位置。一旦ADV 803到达预定位置811(离线计算的位置),ADV 803仅需抓取相应的离线生成的停车轨迹821,并遵循停车轨迹821以在相应的停车位802停车。通过结合在线和离线轨迹生成方法,提供了停车场景的快速、低成本且实时的停车轨迹生成解决方案。
在一个实施方式中,基于数字地图的离线生成的停车轨迹集(例如,821)不包括关于障碍物的任何信息,这是理想的情况。如果在实际停车期间存在障碍物804,则感知模块302可配置为基于从安装在ADV 803上的多个传感器获得的传感器数据来探测正在阻塞所选择的停车轨迹821的障碍物804。响应于探测到障碍物804,障碍物模块405可配置为发送使障碍物804前方的ADV 803停止的命令,而不是绕障碍物804驾驶。一旦障碍物804移开,控制模块306可配置为控制ADV 803恢复所选择的停车轨迹821,直到将ADV 803停在停车位802中。
图9是示出根据一些实施方式的通过将离线和在线轨迹生成结合以将ADV停在停车位中的过程的示例的流程图。过程900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900可以由规划模块305和控制模块306执行。参照图9,在操作901中,响应于将ADV停在停车场中的请求,处理逻辑获得与停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期规划和控制数据预先生成的,每个停车轨迹对应于停车场内的一个或多个停车位中的一个。在操作902中,处理逻辑基于ADV的当前位置从停车轨迹集中选择停车轨迹。在操作903中,处理逻辑根据所选择的停车轨迹控制ADV在相应的停车位停车。
在一个实施方式中,处理逻辑可在停车场处激活停车功能时确定ADV的当前位置,并确定当前位置是否与预定位置集中的一个位置相匹配。
在一个实施方式中,处理逻辑可确定当前位置与预定位置集中的预定位置相匹配,其中,所选择的停车轨迹与所匹配的预定位置相关联。
在一个实施方式中,处理逻辑可确定当前位置与预定位置集中的任何一个位置都不匹配,并确定预定位置集中的到当前位置最近的预定位置,其中所选择的停车轨迹与最近的预定位置相关联。处理逻辑可生成从当前位置到最近的预定位置的轨迹根据生成的轨迹控制ADV从当前位置驾驶到最近的预定位置。
在一个实施方式中,根据基于停车场的前期规划和控制数据的数字地图预先生成停车轨迹集。在一个实施方式中,停车场的前期规划和控制数据包括:与停车场内的一个或多个停车位和车道相关的信息。在一个实施方式中,对于一个或多个停车位的每个停车位,为停车位附近的预定位置的子集生成停车轨迹的子集。
在一个实施方式中,处理逻辑可基于从安装在ADV上的多个传感器获得的传感器数据来探测阻塞所选择的停车轨迹的障碍物。处理逻辑可响应于探测到障碍物而发送使ADV停止的命令。当障碍物移开时,处理逻辑可控制ADV恢复所选择的停车轨迹。
图10是示出根据一些实施方式的通过将离线和在线轨迹生成结合以将ADV停在停车场中的过程的详细示例的流程图。过程1000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1000可以由规划模块305和控制模块306执行。参照图10,在操作1001中,响应于在将ADV停在停车场中的请求,处理逻辑获得与在停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,停车轨迹集是基于停车场的前期规划和控制数据而预先生成的,每个停车轨迹对应于停车场内的一个或多个停车位中的一个。
在操作1002中,处理逻辑在停车场处激活停车功能时可确定ADV的当前位置。在操作1003中,处理逻辑可确定当前位置是否与预定位置集中的一个位置相匹配。
在操作1004中,处理逻辑可确定当前位置与预定位置集中的任何一个位置都不匹配。在操作1005中,处理逻辑可确定预定位置集中的到当前位置最近的预定位置。在操作1006中,处理逻辑可生成从当前位置到最近的预定位置的轨迹。在操作1007中,处理逻辑可根据所生成的轨迹控制ADV从当前位置驾驶到最近的预定位置。
在操作1008中,处理逻辑从停车轨迹集中选择停车轨迹,其中所选择的停车轨迹与最近的预定位置相关联。在操作1009中,处理逻辑可确定当前位置与预定位置集中的预定位置相匹配。在操作1010中,处理逻辑从停车轨迹集中选择停车轨迹,其中,所选择的停车轨迹与匹配的预定位置相关联。在操作1012中,处理逻辑根据所选择的停车轨迹控制ADV在相应的停车位停车。
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,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,可执行代码可经由来自应用的对应驱动程序和/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,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,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,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.用于操作自动驾驶车辆(ADV)的计算机实现的方法,所述方法包括:
响应于将所述ADV停在停车场中的请求,获得与所述停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,所述停车轨迹集是基于所述停车场的前期规划和控制数据而预先生成的,所述停车轨迹中的每一个对应于所述停车场内的所述一个或多个停车位中的一个;
基于所述ADV的当前位置从所述停车轨迹集中选择停车轨迹;以及
根据所选择的停车轨迹,控制所述ADV在相应的停车位停车。
2.根据权利要求1所述的方法,还包括:
在所述停车场处激活停车功能时,确定所述ADV的当前位置;以及
确定所述当前位置是否与所述预定位置集中的一个位置相匹配。
3.根据权利要求2所述的方法,还包括:确定所述当前位置与所述预定位置集中的预定位置相匹配,其中,所选择的停车轨迹与所匹配的预定位置相关联。
4.根据权利要求2所述的方法,还包括:
确定所述当前位置与所述预定位置集中的任何一个都不匹配,以及
确定所述预定位置集中到所述当前位置的最近的预定位置,
其中所选择的停车轨迹与所述最近的预定位置相关联。
5.根据权利要求4所述的方法,还包括:
生成从所述当前位置到所述最近的预定位置的轨迹;以及
根据所生成的轨迹控制所述ADV从所述当前位置驾驶到所述最近的预定位置。
6.根据权利要求1所述的方法,其中,所述停车轨迹集是根据基于所述停车场的所述前期规划和控制数据的数字地图而预先生成的。
7.根据权利要求6所述的方法,其中,所述停车场的所述前期规划和控制数据包括:与所述停车场内的所述一个或多个停车位和车道相关的信息。
8.根据权利要求1所述的方法,其中,对于所述一个或多个停车位的每个停车位,为所述停车位附近的预定位置的子集生成停车轨迹的子集。
9.根据权利要求1至8中任一项所述的方法,还包括:
基于从安装在所述ADV上的多个传感器获得的传感器数据探测阻塞所选择的停车轨迹的障碍物;
响应于探测到所述障碍物,发送使得所述ADV停止的命令;以及
当所述障碍物移开时,控制所述ADV恢复所选择的停车轨迹。
10.其中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:
响应于将ADV停在停车场中的请求,获得与所述停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,所述停车轨迹集是基于所述停车场的前期规划和控制数据而预先生成的,所述停车轨迹中的每一个对应于所述停车场内的所述一个或多个停车位中的一个;
基于所述ADV的当前位置从所述停车轨迹集中选择停车轨迹;以及
根据所选择的停车轨迹,控制所述ADV在相应的停车位停车。
11.根据权利要求10所述的介质,其中,所述操作还包括:
在所述停车场处激活停车功能时,确定所述ADV的当前位置;以及
确定所述当前位置是否与所述预定位置集中的一个相匹配。
12.根据权利要求11所述的介质,其中,所述操作还包括:确定所述当前位置与所述预定位置集中的预定位置相匹配,其中,所选择的停车轨迹与所匹配的预定位置相关联。
13.根据权利要求11所述的介质,其中,所述操作还包括:
确定所述当前位置与所述预定位置集中的任何一个都不匹配,以及
确定所述预定位置集中到所述当前位置最近的预定位置,
其中所选择的停车轨迹与所述最近的预定位置相关联。
14.根据权利要求13所述的介质,其中,所述操作还包括:
生成从所述当前位置到所述最近的预定位置的轨迹;以及
根据所生成的轨迹控制所述ADV从所述当前位置驾驶到所述最近的预定位置。
15.根据权利要求10所述的介质,其中,所述停车轨迹集是根据基于所述停车场的所述前期规划和控制数据的数字地图而预先生成的。
16.根据权利要求10至15中任一项所述的介质,其中,所述操作还包括:
基于从安装在所述ADV上的多个传感器获得的传感器数据探测阻塞所选择的停车轨迹的障碍物;
响应于探测到所述障碍物,发送使所述ADV停止的命令;以及
当所述障碍物移开时,控制所述ADV恢复所选择的停车轨迹。
17.数据处理系统,包括:
处理器;以及
存储器,联接到所述处理器以存储指令,所述指令在由所述处理器执行时,使得所述处理器执行操作,所述操作包括:
响应于将所述ADV停在停车场中的请求,获得与所述停车场内的一个或多个停车位附近的预定位置集相关联的停车轨迹集,其中,所述停车轨迹集是基于所述停车场的前期规划和控制数据而预先生成的,所述停车轨迹中的每一个对应于所述停车场内的所述一个或多个停车位中的一个;
基于所述ADV的当前位置从所述停车轨迹集中选择停车轨迹;以及
根据所选择的停车轨迹,控制所述ADV在相应的停车位停车。
18.根据权利要求17所述的系统,其中,所述操作还包括:
在所述停车场处激活停车功能时,确定所述ADV的当前位置;以及
确定所述当前位置是否与所述预定位置集中的一个相匹配。
19.根据权利要求18所述的系统,其中,所述操作还包括:确定所述当前位置与所述预定位置集中的预定位置相匹配,其中,所选择的停车轨迹与所匹配的预定位置相关联。
20.根据权利要求18所述的系统,其中,所述操作还包括:
确定所述当前位置与所述预定位置集中的任何一个都不匹配,以及
确定所述预定位置集中到所述当前位置的最近的预定位置,
其中所选择的停车轨迹与所述最近的预定位置相关联。
21.根据权利要求20所述的系统,其中,所述操作还包括:
生成从所述当前位置到所述最近的预定位置的轨迹;以及
根据所生成的轨迹控制所述ADV从所述当前位置驾驶到所述最近的预定位置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/082398 WO2021195951A1 (en) | 2020-03-31 | 2020-03-31 | A parking-trajectory generation method combined with offline and online solutions |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113748059A true CN113748059A (zh) | 2021-12-03 |
Family
ID=77857399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080003334.8A Pending CN113748059A (zh) | 2020-03-31 | 2020-03-31 | 离线和在线解决方案相结合的停车轨迹生成方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210300333A1 (zh) |
EP (1) | EP3914492B1 (zh) |
JP (1) | JP2022531030A (zh) |
CN (1) | CN113748059A (zh) |
WO (1) | WO2021195951A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111976717B (zh) * | 2019-11-29 | 2022-07-08 | 长城汽车股份有限公司 | 一种智能泊车方法和装置 |
US11999344B2 (en) * | 2022-02-20 | 2024-06-04 | Beijing Jingdong Qianshi Technology Co., Ltd. | System and method for selecting an intermediate parking goal in autonomous delivery |
US20230288932A1 (en) * | 2022-03-08 | 2023-09-14 | Ford Global Technologies, Llc | Dynamic automatic unparking |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013015348A1 (de) * | 2013-09-17 | 2014-04-10 | Daimler Ag | Verfahren und Vorrichtung zum Betrieb eines Fahrzeugs |
CN108284831A (zh) * | 2018-03-23 | 2018-07-17 | 威马智慧出行科技(上海)有限公司 | 自动停车方法及系统 |
US20180265130A1 (en) * | 2015-09-08 | 2018-09-20 | Volkswagen Aktiengesellschaft | Method and device for carrying out an automatic drive of a vehicle |
CN108973987A (zh) * | 2018-08-09 | 2018-12-11 | 北京智行者科技有限公司 | 一种泊车控制方法 |
CN110654376A (zh) * | 2018-06-29 | 2020-01-07 | 百度(美国)有限责任公司 | 自动驾驶车辆的停车轨迹的规划 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007009745A1 (de) * | 2007-02-28 | 2008-09-04 | Continental Automotive Gmbh | Einparkhalbautomat |
DE102011086210A1 (de) * | 2011-11-11 | 2013-05-16 | Robert Bosch Gmbh | Verfahren zur Unterstützung eines Fahrers eines Kraftfahrzeugs sowie Vorrichtung zur Durchführung des Verfahrens |
JP6025063B2 (ja) * | 2013-10-04 | 2016-11-16 | アイシン精機株式会社 | 駐車支援装置 |
JP5669998B1 (ja) * | 2014-07-04 | 2015-02-18 | マミヤ・オーピー・ネクオス株式会社 | 作業機械、作業機械の走行経路生成のための装置、方法、プログラム、プログラムを記録した記録媒体、作業機械の走行制御装置 |
DE102015204359A1 (de) * | 2015-03-11 | 2016-09-15 | Robert Bosch Gmbh | Führen eines Kraftfahrzeugs auf einem Parkplatz |
JP6579441B2 (ja) * | 2016-01-12 | 2019-09-25 | 三菱重工業株式会社 | 駐車支援システム、駐車支援方法及びプログラム |
JP6692209B2 (ja) * | 2016-05-11 | 2020-05-13 | 株式会社日立製作所 | 駐車管理システム及びその制御方法 |
KR102395278B1 (ko) * | 2016-12-02 | 2022-05-09 | 현대자동차주식회사 | 주차 경로 생성 장치, 그를 포함한 시스템 및 그 방법 |
RU2740111C1 (ru) * | 2017-12-20 | 2021-01-11 | Ниссан Мотор Ко., Лтд. | Способ управления парковкой и устройство управления парковкой |
JP7155596B2 (ja) * | 2018-05-02 | 2022-10-19 | 愛知製鋼株式会社 | 自動駐車システム |
US11117569B2 (en) * | 2018-06-27 | 2021-09-14 | Baidu Usa Llc | Planning parking trajectory generation for self-driving vehicles using optimization method |
CN109466546B (zh) * | 2018-11-20 | 2020-09-18 | 广州小鹏汽车科技有限公司 | 自动泊车方法及系统 |
CN109785652A (zh) * | 2019-01-29 | 2019-05-21 | 广州大学 | 一种自动停车控制方法、装置、系统、介质和设备 |
CN109828591A (zh) * | 2019-03-21 | 2019-05-31 | 上海赛摩物流科技有限公司 | 一种自动导引车及其自动导引方法和具有存储功的装置 |
-
2020
- 2020-03-31 CN CN202080003334.8A patent/CN113748059A/zh active Pending
- 2020-03-31 US US16/759,062 patent/US20210300333A1/en active Pending
- 2020-03-31 JP JP2020570181A patent/JP2022531030A/ja active Pending
- 2020-03-31 WO PCT/CN2020/082398 patent/WO2021195951A1/en unknown
- 2020-03-31 EP EP20816079.6A patent/EP3914492B1/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013015348A1 (de) * | 2013-09-17 | 2014-04-10 | Daimler Ag | Verfahren und Vorrichtung zum Betrieb eines Fahrzeugs |
US20180265130A1 (en) * | 2015-09-08 | 2018-09-20 | Volkswagen Aktiengesellschaft | Method and device for carrying out an automatic drive of a vehicle |
CN108284831A (zh) * | 2018-03-23 | 2018-07-17 | 威马智慧出行科技(上海)有限公司 | 自动停车方法及系统 |
CN110654376A (zh) * | 2018-06-29 | 2020-01-07 | 百度(美国)有限责任公司 | 自动驾驶车辆的停车轨迹的规划 |
CN108973987A (zh) * | 2018-08-09 | 2018-12-11 | 北京智行者科技有限公司 | 一种泊车控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3914492A4 (en) | 2021-12-29 |
WO2021195951A1 (en) | 2021-10-07 |
JP2022531030A (ja) | 2022-07-06 |
US20210300333A1 (en) | 2021-09-30 |
EP3914492A1 (en) | 2021-12-01 |
EP3914492B1 (en) | 2023-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10915766B2 (en) | Method for detecting closest in-path object (CIPO) for autonomous driving | |
CN111775933B (zh) | 用于基于车辆周围障碍物的移动轨迹自主驾驶车辆的方法 | |
US11560159B2 (en) | Group and combine obstacles for autonomous driving vehicles | |
CN113129624B (zh) | 交通堵塞情况下的最快车道确定算法 | |
CN113050618B (zh) | 用于操作自动驾驶车辆的计算机实现的方法 | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
EP3914492B1 (en) | A parking-trajectory generation method combined with offline and online solutions | |
US20210262819A1 (en) | A mixed regular and open-space trajectory planning method for autonomous driving vehicle | |
CN112230645A (zh) | 用于控制无人驾驶车辆的操纵杆控制的安全机制 | |
CN113247017B (zh) | 用于确保自动驾驶车辆的稳定绕行的双缓冲系统 | |
US20220041183A1 (en) | Lane boundary and vehicle speed based nudge decision | |
EP3838696A1 (en) | A post collision, damage reduction brake system | |
US12017681B2 (en) | Obstacle prediction system for autonomous driving vehicles | |
US20210394786A1 (en) | Lane change system for lanes with different speed limits | |
CN112985435A (zh) | 用于操作自主驾驶车辆的方法及系统 | |
US11288528B2 (en) | Differentiation-based traffic light detection | |
CN112598914B (zh) | 基于历史的预计到达时间 | |
CN212391730U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
EP4140848A2 (en) | Planning under prediction with confidence region for an autonomous driving vehicle | |
US11242057B2 (en) | Method for optimizing three-point turn of autonomous driving vehicles | |
US20240005066A1 (en) | Decoupled prediction evaluation | |
CN113525510A (zh) | 自动将自主驾驶车辆的转向返回至中心位置的系统和方法 |
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 |