CN114120687A

CN114120687A - 条件运动预测

Info

Publication number: CN114120687A
Application number: CN202011210360.6A
Authority: CN
Inventors: E·沃尔夫; S·凯特; B·塞尔纳
Original assignee: Motional AD LLC
Current assignee: Motional AD LLC
Priority date: 2020-08-26
Filing date: 2020-11-03
Publication date: 2022-03-01
Also published as: KR20220027702A; GB202015762D0; GB2598410B; US11731653B2; GB2615192B; GB202219011D0; DE102020128155A1; US20220063667A1; GB2598410A; KR20230110460A; US11814075B2; GB2615192A; KR102555318B1; US20220063663A1

Abstract

除其它事项之外，还描述了用于条件运动预测的技术。这些技术包括：利用规划电路，基于运载工具的可能宏动作来选择所述运载工具的一组候选轨迹；利用所述规划电路并且针对所述一组候选轨迹中的至少一部分轨迹，预测目标运载工具对相应轨迹的响应和所述目标运载工具的响应的概率；利用所述规划电路，至少部分地基于所述目标运载工具对轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性，来从所述一组候选轨迹中选择轨迹；以及利用控制电路，基于所选择的轨迹来操作所述运载工具。

Description

条件运动预测

技术领域

本说明书涉及针对运载工具的条件运动预测。

背景技术

诸如自主运载工具等的运载工具可以包括用于产生与该运载工具周围的区域中的对象或人有关的数据的传感器。

发明内容

一种运载工具，包括：计算机可读介质，用于存储计算机可执行指令；以及处理器，其通信地耦接至所述计算机可读介质，所述处理器被配置为执行所述计算机可执行指令以进行包括以下的操作：基于所述运载工具的可能宏动作来生成所述运载工具的一组候选轨迹；针对所述一组候选轨迹中的至少一部分轨迹，预测目标运载工具对相应轨迹的响应和所述目标运载工具的响应的概率；至少部分地基于以下内容来从所述一组候选轨迹中选择轨迹：所预测的所述目标运载工具对所述轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性；以及基于所选择的轨迹来操作所述运载工具。

一种方法，包括：利用规划电路，基于运载工具的可能宏动作来生成所述运载工具的一组候选轨迹；针对所述一组候选轨迹中的至少一部分轨迹，利用所述规划电路，预测目标运载工具对相应轨迹的响应和所述目标运载工具的响应的概率；利用所述规划电路，至少部分地基于以下内容来从所述一组候选轨迹中选择轨迹：所述目标运载工具对所述轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性；以及利用控制电路，基于所选择的轨迹来操作所述运载工具。

一种非暂时性计算机可读存储介质，包括供装置的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括指令，所述指令在由所述一个或多个处理器执行时，使得所述装置进行上述方法。

附图说明

图1示出具有自主能力的自主运载工具的示例。

图2例示示例“云”计算环境。

图3例示计算机系统。

图4示出自主运载工具的示例架构。

图5示出感知模块可以使用的输入和输出的示例。

图6示出LiDAR系统的示例。

图7示出操作中的LiDAR系统。

图8示出LiDAR系统的操作的附加细节。

图9示出规划模块的输入和输出之间的关系的框图。

图10示出路径规划中所使用的有向图。

图11示出控制模块的输入和输出的框图。

图12示出控制器的输入、输出和组件的框图。

图13、图14、图15和图16示出条件运动模块的输入、输出和组件的框图。

图17示出条件运动预测的示例处理的流程图。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，显而易见的是，本发明可以在没有这些具体细节的情况下实施。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本发明模糊。

在附图中，为了便于描述，显示了示意要素的具体安排或次序，例如表示设备、模块、指令块和数据要素的那些要素。然而，本领域技术人员应当理解，附图中示意要素的具体排序或安排并不意味着要求特定的处理顺序或序列、或处理过程的分离。此外，在附图中包含示意性要素并不意味着在所有实施例中都需要这种要素，也不意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。

此外，在附图中，连接要素、例如实线或虚线或箭头用于说明两个或两个以上其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中显示，以便不掩盖本发明。此外，为了便于说明，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接元件代表信号、数据或指令的通信，本领域技术人员应理解，该元件代表影响通信可能需要的一个或多个信号路径(例如，总线)。

现在将详细参考实施例，其示例在附图中示出。在下面的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地掩盖实施例的方面。

下面描述的若干特征可以彼此独立地使用，也可以与其它特征的任何组合一起使用。但是，任何个别特征可能不能解决上述任何问题，或者只能解决上述问题之一。上文讨论的一些问题可能不能通过本文所述的任何一个特征得到充分解决。虽然提供了标题，但在本说明的其它地方也可以找到与某一标题有关但在该标题部分未找到的信息。本文根据以下概要描述实施例：

1.总体概述

2.系统概述

3.自主运载工具架构

4.自主运载工具输入

5.自主运载工具规划

6.自主运载工具控制

7.条件运动预测

总体概述

运载工具(诸如自主运载工具等)可以基于作为机动动作的特性的动作来生成该机动动作的一组候选轨迹。例如，为了进行车道改变或车道合并机动动作，运载工具基于诸如跟随车道、改变车道或它们的一些组合等的动作来生成一组候选轨迹。该一组候选轨迹中的各轨迹均可应用于模型，以预测如果运载工具沿着轨迹行驶、则其它运载工具将如何响应(包括这样的响应的概率)。可以使用针对轨迹的预测响应和该轨迹本身的特性来向一组候选轨迹中的各轨迹指派得分。然后，运载工具可以选择最佳轨迹(例如，最高评分轨迹)，并且可以基于所选择的轨迹操作运载工具以进行机动动作。

这些技术的优点中的一些优点包括提高了运载工具机动动作的安全性和效率。例如，通过考虑轨迹对该运载工具和其它运载工具这两者的影响，可以选择使效率最大化且避免针对各行为者的碰撞或其它不安全事件的轨迹。另外，通过将一组候选轨迹限制到对于给定机动动作具有现实意义的轨迹，在维持高质量结果的同时，降低了预测响应并选择最佳规律的计算成本。

系统概述

图1示出具有自主能力的自主运载工具100的示例。

如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地运行，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具、部分自主运载工具和有条件自主运载工具。

如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。

如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。

如本文所使用的，“轨迹”是指从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。

如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件部件可包括感测部件(例如，图像传感器、生物测量传感器)、发送和/或接收部件(例如，激光或射频波发射器和接收器)、电子部件(例如，模数转换器)、数据存储装置(例如，RAM和/或非易失性存储器)、软件或固件部件和数据处理部件(例如，专用集成电路)、微处理器和/或微控制器。

如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由AV外部的源提供的一个或多个分类或标记的对象。

如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村地区的污物通道等)。因为有些运载工具(如四轮驱动的小卡车、越野车(SUV)等)能够穿越各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式界定为一条通道的物理区域。

如本文所使用的，“车道”是道路的可被运载工具穿越的部分。有时基于车道标记来识别车道。例如，车道可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的部分空间(例如，小于50％)。例如，具有相距很远的车道标记的道路可能容纳两个或两个以上的运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，因此可被解释为车道比车道标记之间的空间窄，或车道之间有两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如，农村地区的岩石和沿着大道的树木、或者例如在欠发达地区应避免的自然障碍物)来定义车道。也可以独立于车道标记或物理特征来解释车道。例如，可以基于原本缺少将会被解释为车道边界的特征的在区域中无障碍物的任意路径来解释车道。在示例情景中，AV可以解释通过田野或空地的无障碍物部分的车道。在另一示例情景中，AV可以解释通过不具有车道标记的宽(例如，足够两个或更多个车道宽)道路的车道。在该情景中，AV可以将与车道有关的信息通信至其它AV，使得其它AV可以使用相同的车道信息来协调AV之间的路径规划。

术语“空中下载(OTA)客户端”包括任何AV，或者嵌入在AV中、耦接至AV或与AV进行通信的任何电子装置(例如，计算机、控制器、IoT装置、电子控制单元(ECU))。

术语“空中下载(OTA)更新”意味着对使用专有和/或标准化的无线通信技术递送至OTA客户端的软件、固件、数据或配置设置或者它们的任何组合的任何更新、改变、删除或添加，其中该专有和/或标准化的无线通信技术包括但不限于：蜂窝移动通信(例如，2G、3G、4G、5G)、无线电无线区域网络(例如，WiFi)和/或卫星因特网。

术语“边缘节点”是指耦接至网络的一个或多个边缘装置，这些装置提供与AV进行通信所用的门户并且可以与其它边缘节点和基于云的计算平台进行通信，以调度OTA更新并将OTA更新递送至OTA客户端。

术语“边缘装置”是指实现边缘节点并提供向企业或服务提供商(如VERIZON、AT&T)核心网的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于：计算机、控制器、发送器、路由器、路由交换机、综合接入装置(IAD)、多路复用器、城域网(MAN)和广域网(WAN)接入装置。

“一个或多个”包括由一个要素执行的功能，由多个要素执行的功能、例如以分布式的方式，由一个要素执行的几个功能，由几个要素执行的几个功能，或上述的任意组合。

还将理解的是，尽管在某些情况下，术语“第一”、“第二”等是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所述实施例的范围的情况下，第一触点可被称为第二触点，并且同样，第二触点可被称为第一触点。第一触点和第二触点都是触点，但这两者不是相同触点。

此处描述的各种实施例的描述中使用的术语仅用于描述特定实施例，而不是意在限制。正如在所描述的各种实施例和所附权利要求书的描述中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还应理解，本文所用的"和/或"一词是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还应理解的是，在本说明中使用的术语“包括”、“包含”、“具备”和/或“具有”具体说明存在所述的特征、整数、步骤、操作、要素和/或组成部分，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组成部分、和/或上述的组。

如本文所使用的，“如果”一词可选择地理解为在该情况下、在当时、或者响应于检测到、或响应于确定为，视上下文而定。同样，“如果已确定”或“如果[所述条件或事件]已被检测到”这一短语，视情境而定，可以理解为“在确定时”或“响应于确定为“或”在检测到[所述条件或事件]时”或“响应于检测到[所述条件或事件]”。

如本文所使用的，AV系统是指AV以及实时生成的支持AV操作的硬件、软件、存储的数据和实时生成的支持AV运作的数据。在实施例中，AV系统并入在AV内。在实施例中，AV系统跨多个地点分布。例如，AV系统的一些软件是在类似于下面结合图3描述的云计算环境300的云计算环境中实现的。

一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，如所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义，通过引用将其全部内容纳入本说明，以了解运载工具自主权等级的更多详细信息)。本说明所述技术也适用于部分自主运载工具和驾驶员辅助运载工具，如所谓的2级和1级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义)。在实施例中，一个或多个1级、2级、3级、4级和5级运载工具系统可根据对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所述的技术可以使从完全自主运载工具到人类操作的运载工具的各级运载工具受益。

自主运载工具与需要人类驾驶员的运载工具相比存在优势。一个优势是安全性。例如，在2016年，美国经历了600万起汽车事故、240万人受伤、40000人死亡和1300万辆运载工具碰撞事故，估计社会成本为9100亿美元多。从1965年到2015年，每行驶1亿英里的美国交通事故死亡人数已从约6人减少到约1人，部分是由于运载工具中所部署的附加安全措施。例如，认为与将发生碰撞有关的额外半秒的警告减轻了60％的前后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改进该数字方面有可能已达到它们的极限。因而，诸如运载工具的自动控制等的主动安全措施是改进这些统计数据的可能的下一步。由于在95％的碰撞中认为人类驾驶员是造成严重碰撞前事件的原因，因此自动驾驶系统例如通过以下操作，有可能实现更好的安全结果：比人类更好地可靠地识别和避免紧急情况；做出比人类更好的决策，比人类更好地遵守交通法规，并且比人类更好地预测将来事件；并且比人类更好地可靠地控制运载工具。

参考图1，AV系统120使AV 100沿着轨迹198运行，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。

在实施例中，AV系统120包括用于从计算机处理器146接收操作命令并对其进行操作的装置101。使用术语“操作命令”来表示使得运载工具进行动作(例如，驾驶机动动作)的可执行指令(或指令集)。操作命令可以非限制性地包括用于使运载工具开始向前移动、停止向前移动、开始向后移动、停止向后移动、加速、减速、进行左转和进行右转的指令。在实施例中，计算处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。

在实施例中，AV系统120包括用于测量或推断AV 100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度及角速度和加速度、以及航向(例如，AV 100的前端的方向)。传感器121的示例是GPS、以及测量运载工具线性加速度和角速率的惯性测量单元(IMU)、用于测量或估计车轮滑移率的车轮速率传感器、车轮制动压力或制动扭矩传感器、引擎扭矩或车轮扭矩传感器以及转向角度和角速率传感器。

在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122、LiDAR 123、RADAR、超声波传感器、飞行时间(TOF)深度传感器、速率传感器、温度传感器、湿度传感器和降水传感器。

在实施例中，AV系统120包括数据存储单元142和存储器144，用于存储与计算机处理器146或由传感器121收集的数据相关的机器指令。在实施例中，数据存储单元142与以下结合图3描述的ROM 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据通过来自远程数据库134的通信通道传输到AV100。

在实施例中，AV系统120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线性和角速度、线性和角加速度以及线性和角航向等)的测量到或推断的属性传送到AV 100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者兼而有之进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声学介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。

在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV系统120。在实施例中，远程数据库134嵌入云计算环境200中，如图2中所述。通信接口140将从传感器121收集的数据或与AV 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向AV 100传输与远程操作有关的信息。在一些实施例中，AV 100与其它远程(例如，“云”)服务器136通信。

在实施例中，远程数据库134还存储和传输数字数据(例如，存储道路和街道地点等的数据)。这些数据存储在AV 100上的存储器144中，或者通过通信通道从远程数据库134传输到AV 100。

在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速率分布)。在一个实现中，这种数据可以存储在AV 100上的存储器144中，或者通过通信通道从远程数据库134传输到AV100。

位于AV 100上的计算装置146基于实时传感器数据和先验信息以算法方式生成控制动作，使得AV系统120能够执行其自主驾驶能力。

在实施例中，AV系统120包括连接到计算装置146的计算机外围设备132，用于向AV100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，外围设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。连接是无线的或有线的。任意两个或更多的接口设备可以集成到单个设备中。

在实施例中，AV系统120接收并强制执行例如由乘员指定的或者存储在与乘员相关联的简档中的乘员的隐私级别。乘员的隐私级别确定了如何许可使用存储在乘员简档中的以及/或者存储在云服务器136上且与乘员简档相关联的、与乘员相关联的特定信息(例如，乘员舒适度数据、生物测量数据等)。在实施例中，隐私级别指定了一旦搭乘完成则被删除的与乘员相关联的特定信息。在实施例中，隐私级别指定了与乘员相关联的特定信息，并且标识被授权访问该信息的一个或多个实体。被授权访问信息的所指定的实体的示例可以包括其它AV、第三方AV系统、或者可以潜在地访问该信息的任何实体。

可以在一个或多个粒度级别指定乘员的隐私级别。在实施例中，隐私级别标识要存储或共享的特定信息。在实施例中，隐私级别适用于与乘员相关联的所有信息，使得乘员可以指定不存储或共享她的个人信息。被许可访问特定信息的实体的指定也可以在各种粒度级别指定。被许可访问特定信息的各种实体集例如可以包括其它AV、云服务器136、特定第三方AV系统等。

在实施例中，AV系统120或云服务器136确定AV 100或另一实体是否可访问与乘员相关联的某些信息。例如，试图访问与特定时空地点有关的乘员输入的第三方AV系统必须例如从AV系统120或云服务器136获得授权，以访问与乘员相关联的信息。例如，AV系统120使用乘员的指定隐私级别来确定是否可以将与时空地点有关的乘员输入呈现给第三方AV系统、AV 100或另一AV。这使得乘员的隐私级别能够指定允许哪些其它实体接收与乘员的动作有关的数据或与乘员相关联的其它数据。

图2例示示例“云”计算环境。云计算是一种服务交付模式，可以方便、按需地在网络上访问共享的可配置计算资源池(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)。在典型的云计算系统中，一个或多个大型云数据中心容纳用于递送云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机系统206a、206b、206c、206d、206e和206f提供云计算服务。

云计算环境200包括一个或多个云数据中心。通常，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多个区域，其中包括一个或多个服务器房间。每个房间有一行或多行服务器，每行都包括一个或多个机架。每个机架包括一个或多个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器根据数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)分为若干组。在实施例中，服务器节点类似于图3中描述的计算机系统。数据中心204a具有许多分布在多个机架上的计算系统。

云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算系统206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路连接的网际网络的任意组合。通过网络交换的数据采用多种网络层协议(如Internet协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(FrameRelay)等)进行传输。此外，在网络代表多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在一些实施例中，网络代表一个或多个互连网际网络(例如公共互联网等)。

计算系统206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中，计算系统206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)设备、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算系统206a-f在其它系统中实现或作为其它系统的一部分实现。

图3例示计算机系统300。在实现中，计算机系统300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)等的被持久编程为进行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机系统、便携式计算机系统、手持设备、网络设备或包含硬线和/或程序逻辑以实现这些技术的任何其它设备。

在实施例中，计算机系统300包括总线302或用于通信信息的其它通信机制、以及与总线302连接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机系统300还包括主存储器306，例如随机存取存储器(RAM)或其它动态存储装置，连接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机系统300变成一个专用机器，该机器被定制以执行指令中指定的操作。

在实施例中，计算机系统300还包括只读存储器(ROM)308或连接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器等的存储装置310，并连接到总线302以存储信息和指令。

在实施例中，计算机系统300通过总线302连接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器等的显示器312。包括字母数字键和其它键的输入装置314连接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，例如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴线上的两个自由度，第一轴线(例如，x轴)和第二轴线(例如，y轴)，这两个轴线允许装置指定平面上的位置。

根据一个实施例，这里的技术由计算机系统300执行，以响应处理器304执行主存储器306中包含的一个或多个指令的一个或多个序列。这些指令从诸如存储装置310等的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所述的处理步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。

此处使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式运行。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310等的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306等。存储介质的常见形式包括例如软盘、软盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。

存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，如在无线电波和红外数据通信过程中产生的声波或光波。

在实施例中，各种形式的介质涉及向处理器304携带一个或多个指令序列以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机系统300的本地调制解调器接收电话线路上的数据，并使用红外发射机将数据转换为红外信号。红外检测器接收红外信号中携带的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以任选地在处理器304执行之前或之后存储在存储装置310上。

计算机系统300还包括连接到总线302的通信接口318。通信接口318提供耦合到连接至本地网络322的网络链路320多双向数据通信。例如，通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载代表各种信息的数字数据流的电、电磁或光信号。

网络链路320通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328都使用携带数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中通信接口318承载了进出计算机系统300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。

计算机系统300通过(一个或多个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机系统300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。

自主运载工具架构

图4示出用于自主运载工具(例如，图1所示的AV 100)的示例架构400。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在AV 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的AV系统120的一部分。在一些实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。模块402、404、406、408和410各自有时被称为处理电路(例如，计算机硬件、计算机软件、或者这两者的组合)。模块402、404、406、408和410中的任何或全部的组合也是处理电路的示例。

在使用中，规划模块404接收表示目的地412的数据，并且确定表示AV100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。

感知模块402使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。

规划模块404还从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块408使用来自GNSS(全球导航卫星系统)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如十字路口、交通标志或各种类型的其它行驶信号等)的空间地点的地图。在实施例中，高精度地图是通过将数据通过自动或手动注释添加到低精度地图所构建的。

控制模块406接收表示轨迹414的数据和表示AV位置418的数据，并且以将使得AV100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得AV 100左转，并且油门和制动将使得AV 100在进行转弯之前暂停并等待经过的行人或运载工具。

自主运载工具输入

图5示出感知模块402(图4)所使用的输入502a-502d(例如，图1中所示的传感器121)和输出504a-504d(例如，传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)系统(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR系统产生LiDAR数据作为输出504a。例如，LiDAR数据是用于构造环境190的表现的3D或2D点(也称为点云)的集合。

另一输入502b是RADAR(雷达)系统。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR系统的视线内的对象有关的数据。RADAR系统502b产生RADAR数据作为输出504b。例如，RADAR数据是用于构造环境190的表现的一个或多个射频电磁信号。

另一输入502c是照相机系统。照相机系统使用一个或多个照相机(例如，使用诸如电荷耦合器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机系统产生照相机数据作为输出504c。照相机数据通常采用图像数据的形式(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)。在一些示例中，照相机系统具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机系统能够感知深度。尽管照相机系统所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在使用中，照相机系统可被配置为“看见”远处的(例如，AV前方的远至1公里以上的)对象。因此，照相机系统可以具有为了感知遥远的对象而优化的诸如传感器和透镜等的特征。

另一输入502d是交通灯检测(TLD)系统。TLD系统使用一个或多个照相机来获得与交通灯、街道标志和提供视觉导航信息的其它物理对象有关的信息。TLD系统产生TLD数据作为输出504d。TLD数据经常采用图像数据的形式(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)。TLD系统与包含照相机的系统的不同之处在于：TLD系统使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉导航信息的物理对象有关的信息，使得AV 100有权访问这些对象所提供的所有相关导航信息。例如，TLD系统的视角可以为约120度以上。

在一些实施例中，使用传感器融合技术来组合输出504a-504d。因而，将个体输出504a-504d提供至AV 100的其它系统(例如，提供至如图4所示的规划模块404)，或者采用相同类型(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的单个组合输出或多个组合输出的形式，可以将组合输出提供至其它系统。在一些实施例中，使用早期融合技术。早期融合技术的特征在于：将输出组合，之后将一个或多个数据处理步骤应用到组合输出。在一些实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多个数据处理步骤应用到个体输出之后，将进行输出的组合。

图6示出LiDAR系统602的示例(例如，图5所示的输入502a)。LiDAR系统602从发光器606(例如，激光发射器)发射光604a-604c。LiDAR系统所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如，运载工具)并且反射回到LiDAR系统602。(从LiDAR系统发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR系统602还具有用于检测反射光的一个或多个光检测器610。在实施例中，与LiDAR系统相关联的一个或多个数据处理系统生成表示LiDAR系统的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样，图像612用于确定AV附近的一个或多个物理对象的边界616。

图7示出操作中的LiDAR系统602。在该图所示的情境中，AV 100接收采用图像702的形式的照相机系统输出504c和采用LiDAR数据点704的形式的LiDAR系统输出504a。在使用中，AV 100的数据处理系统将图像702与数据点704进行比较。特别地，在数据点704中也识别出在图像702中识别出的物理对象706。这样，AV 100基于数据点704的轮廓和密度来感知物理对象的边界。

图8示出LiDAR系统602的操作的附加细节。如上所述，AV 100基于LiDAR系统602所检测到的数据点的特性来检测物理对象的边界。如图8所示，诸如地面802等的平坦对象将以一致的方式反射从LiDAR系统602发射的光804a-804d。换句话说，由于LiDAR系统602使用一致的间隔发射光，因此地面802将以相同的一致间隔将光反射回到LiDAR系统602。在AV100在地面802上行驶时，在没有东西阻挡道路的情况下，LiDAR系统602将继续检测到由下一个有效地面点806反射的光。然而，如果对象808阻挡道路，则LiDAR系统602所发射的光804e-804f将以不符合预期一致方式的方式从点810a-810b反射。根据该信息，AV 100可以确定为存在对象808。

路径规划

图9示出(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图900。通常，规划模块404的输出是从起点904(例如，源地点或初始地点)到终点906(例如，目的地或最终地点)的路线902。路线902通常由一个或多个路段定义。例如，路段是指要行驶经过街道、道路、公路、行车道或适合汽车行驶的其它物理区域的至少一部分的距离。在一些示例中，例如，如果AV 100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小型卡车等的越野运载工具，则路线902包括诸如未铺面道路或开阔田野等的“越野”路段。

除路线902之外，规划模块还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如，如果路线902包括多车道公路，则车道级路线规划数据908包括轨迹规划数据910，其中AV 100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个以上的车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素，来从这多个车道中选择某车道。同样地，在一些实现中，车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如，如果该路段包括行人或非预期交通，则速率约束912可以将AV 100限制到比预期速率慢的行驶速率，例如基于该路段的限速数据的速率。

在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据914、当前地点数据916(例如，图4所示的AV位置418)、(例如，用于图4所示的目的地412的)目的地数据918和对象数据920(例如，如图4所示的感知模块402所感知的经分类的对象416)。在一些实施例中，数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在AV 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于AV 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。

图10示出在路径规划中(例如，由规划模块404(图4))使用的有向图1000。通常，如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中，分隔起点1002和终点1004的距离可能相对较大(例如，在两个不同的都市区域中)，或者可能相对较小(例如，毗邻城市街区的两个十字路口或多车道道路的两条车道)。

在实施例中，有向图1000具有表示起点1002和终点1004之间的AV 100可能占用的不同地点的节点1006a-1006d。在一些示例中，例如，在起点1002和终点1004表示不同的都市区域时，节点1006a-1006d表示道路的路段。在一些示例中，例如，在起点1002和终点1004表示相同道路上的不同地点时，节点1006a-1006d表示该道路上的不同位置。这样，有向图1000包括不同粒度级别的信息。在实施例中，具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如，起点1002和终点1004相距远(例如，相距许多英里)的有向图的大部分信息处于低粒度，并且该有向图是基于所存储的数据，但该有向图还包括供该有向图中的表示AV 100的视场中的物理地点的一部分用的一些高粒度信息。

节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中，在粒度低时，对象1008a-1008b表示汽车不能驶过的地区，例如无街道或道路的区域。在粒度高时，对象1008a-1008b表示AV 100的视场中的物理对象，例如其它汽车、行人、或AV 100不能与之共用物理空间的其它实体。在实施例中，对象1008a-1008b的一部分或全部是静态对象(例如，不改变位置的对象，诸如街灯或电线杆等)或动态对象(例如，能够改变位置的对象，诸如行人或其它小汽车等)。

节点1006a-1006d通过边缘1010a-1010c连接。如果两个节点1006a-1006b通过边缘1010a连接，则AV 100可以在一个节点1006a和另一节点1006b之间行驶，例如，而不必在到达另一节点1006b之前行驶到中间节点。(当提到AV100在节点之间行驶时，意味着AV 100在由相应节点表示的两个物理位置之间行驶。)边缘1010a-1010c通常是双向的，从某种意义上，AV 100从第一节点行驶到第二节点，或者从第二节点行驶到第一节点。在实施例中，边缘1010a-1010c是单向的，从某种意义上，AV 100可以从第一节点行驶到第二节点，然而AV 100不能从第二节点行驶到第一节点。在边缘1010a-1010c表示例如单向街道、街道、道路或公路的单独车道、或者由于法律或物理约束因而仅能沿一个方向驶过的其它特征的情况下，边缘1010a-1010c是单向的。

在实施例中，规划模块404使用有向图1000来识别由起点1002和终点1004之间的节点和边缘组成的路径1012。

边缘1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在AV 100选择该边缘的情况下将花费的资源的值。典型的资源是时间。例如，如果一个边缘1010a所表示的物理距离是另一边缘1010b所表示的物理距离的两倍，则第一边缘1010a的关联成本1014a可以是第二边缘1010b的关联成本1014b的两倍。影响时间的其它因素包括预期交通、十字路口的数量、限速等。另一典型的资源是燃料经济性。两个边缘1010a-1010b可以表示相同的物理距离，但例如由于道路条件、预期天气等，因此一个边缘1010a与另一边缘1010b相比需要更多的燃料。

在规划模块404识别起点1002和终点1004之间的路径1012时，规划模块404通常选择针对成本优化的路径，例如，在将边缘的各个成本相加到一起时具有最小总成本的路径。

自主运载工具控制

图11示出(例如，如图4所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102而工作，该控制器1102例如包括：与处理器304类似的一个或多个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多个计算机处理器)；与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器随机存取存储器或闪速存储器或这两者)；以及存储器中所存储的指令，这些指令在(例如，由一个或多个处理器)执行时执行控制器1102的操作。

在实施例中，控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度，例如速率和航向。期望输出1104例如可以基于从(例如，如图4所示的)规划模块404接收到的数据。根据期望输出1104，控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合AV 100的油门(例如，加速控制)以实现期望输出1104的大小。在一些示例中，油门输入1106还包括可用于接合AV100的制动器(例如，减速控制)的数据。转向输入1108表示转向角度，例如AV的转向控制(例如，方向盘、转向角致动器或用于控制转向角度的其它功能)应被定位成实现期望输出1104的角度。

在实施例中，控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如，如果AV 100遇到诸如山丘等的干扰1110，则AV 100的测量速率1112降至低于期望输出速率。在实施例中，任何测量输出1114均被提供至控制器1102，使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和AV 100的传感器可测量的其它输出。

在实施例中，例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息，并且该信息被提供至预测性反馈模块1122。然后，预测性反馈模块1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如，如果AV 100的传感器检测到(“看见”)山丘，则控制器1102可以使用该信息来准备在适当时间接合油门，以避免显著减速。

图12示出控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如，速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈，来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。

控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如，横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈，来指示方向盘控制器1210调整转向角致动器1212的位置。

控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的多个输入。规划模块404提供控制器1102例如选择AV 100开始操作时的航向并确定在AV 100到达十字交叉路口时驶过哪个道路路段所使用的信息。定位模块408例如将描述AV 100的当前地点的信息提供至控制器1102，使得控制器1102可以确定AV 100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期所处的地点。在实施例中，控制器1102接收来自其它输入1214的信息，例如从数据库、计算机网络等接收到的信息。

条件运动预测

图13示出条件运动模块1302的输入、输出和组件的框图1300。通常，条件运动模块1302模拟运载工具(例如，图1所示的AV 100)的一组候选运动轨迹，以预测环境(例如，环境190)中的一个或多个其它运载工具对各轨迹的响应。例如，条件运动模块1302响应于运载工具将进行机动动作(例如，车道改变、合并、转弯等)的(例如，来自规划模块404的)指示、按预定义的间隔(例如，时间步长)、或这两者等，来模拟运载工具的一组候选轨迹。然后，条件运动模块1302基于轨迹的特征和对轨迹的预测响应来为运载工具选择轨迹。以这种方式，条件运动模块1302以对运载工具和环境中的其它运载工具这两者最佳的方式规划运载工具的运动。

如图13所示，条件运动模块1302包括：候选轨迹生成器1304，用于生成运载工具的一组候选运动轨迹；条件预测器1306，用于预测另一运载工具(有时称为“目标运载工具”)对相应候选轨迹的可能响应；以及轨迹选择器1308，用于例如基于目标运载工具对候选轨迹的预测响应和候选轨迹的特性以及其它信息，来从运载工具的一组候选轨迹中选择轨迹。条件运动模块1302及其组件(例如，候选轨迹生成器1304、条件预测器1306和轨迹选择器1308)可以是运载工具系统(例如，AV系统120)的一部分，诸如运载工具系统的规划模块(例如，规划模块404)的一部分等。在实施例中，条件运动模块1302及其组件通过与处理器304类似的一个或多个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多个计算机处理器)、与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器随机存取存储器或闪速存储器或这两者)、以及存储器中所存储的指令来实现，在这些指令(例如，由一个或多个处理器)执行时，这些指令执行各个组件的操作。在实施例中，轨迹生成器1304响应于确定为运载工具将要进行机动动作(例如，车道改变、合并、转弯等)、按预定义的间隔(例如，时间步长)、或这两者等，来生成运载工具的一组候选轨迹。

通常，轨迹生成器1304生成运载工具的一组候选轨迹。各候选轨迹表示运载工具可以从初始地点(例如，开始或当前地点)朝向目的地地点(例如，结束或目标地点)行驶的路径或路线。在实施例中，各候选轨迹包括将该候选轨迹与一组候选轨迹中的其它候选轨迹区分开的至少一个特征或参数。例如，候选轨迹与其它候选轨迹的一部分或全部相比具有不同的初始地点或目的地地点或这两者。作为另一示例，候选轨迹具有与其它候选轨迹的一部分或全部相同的初始地点或目的地地点或这两者，但与其它候选轨迹的一部分或全部相比具有不同的速率分布、横向运动分布(例如，车道内或车道之间的横向运动)、或者其它运动参数。在实施例中，该组候选轨迹构成运载工具的起始地点(例如，起点904)和目的地地点(例如，终点906)之间的总体轨迹或路线(例如，路线902)的一段。

为了生成一组候选轨迹，候选轨迹生成器1304接收运载工具数据1310和环境数据1312。运载工具数据1310表示与运载工具有关的信息，包括运载工具的当前地点(例如，从定位模块408接收到的运载工具位置418)、运载工具的目的地(例如，目的地412)、与运载工具的状态或条件有关的信息(例如，运载工具的速度、加速度、航向等)、以及与运载工具的性质或能力(例如，运载工具的速率或加速度分布)有关的信息等。环境数据1312表示与运载工具的环境有关的信息，包括与运载工具或环境内的其它对象(例如，感知模块402所感知到的经分类的对象416)有关的信息、环境的地图数据(例如，从数据库模块410接收到的高清地图数据)、以及(例如，从数据库模块410接收到的)环境内的规划或操作所用的规则等。运载工具数据1310和环境数据1312各自均是从运载工具处的一个或多个传感器(例如，传感器121)、运载工具的一个或多个模块(例如，模块402、404、406、408)、与运载工具通信耦接的一个或多个数据库(例如，数据库134)、或者(例如，通过与其它运载工具或基础设施的V2X通信)与运载工具进行通信的其它来源、或者它们的组合接收到的。

参考图14，候选轨迹生成器1304使用运载工具数据1310和环境数据1312来生成运载工具的一组候选轨迹1400。例如，考虑到与运载工具有关的信息(例如，当前位置、目的地、速度等)以及运载工具的环境(例如，地图数据和对象数据)，候选轨迹生成器1304生成运载工具朝向其目的地可以行驶的一组候选轨迹1400。

在实施例中，轨迹生成器1304使用针对运载工具的一个或多个预定义行为或宏动作1402来生成一组候选轨迹1400。使用术语“宏动作”来从广义上指代运载工具可以进行的预定义动作或动作序列。例如，宏动作1402包括由下一车道动作定义的第一宏动作、由包括(1)改变车道和(2)跟随车道的一系列动作定义的第二宏动作、以及由包括(1)跟随车道、(2)改变车道和(3)跟随车道的一系列动作定义的第三宏动作等。宏动作1402可以对应于运载工具所要进行的机动动作、或者可适用于多个机动动作。

在实施例中，使用一个或多个参数1404来将宏动作1402参数化。例如，将由包括(1)跟随车道、(2)改变车道和(3)跟随车道的一系列动作定义的宏动作1402参数化，使得跟随车道动作由速度参数1404参数化，并且改变车道动作由用于为车道改变安排时间的时间参数1404参数化。在实施例中，各参数1404包括基于运载工具的性质或其环境或这两者所选择的一组可能值。例如，速度参数1404包括一组可能的速度值，选择这样的一组可能的速度值，使得运载工具能够以(例如，基于运载工具的当前速度和加速/减速能力)的速度行驶，或者该速度适合于运载工具的环境(例如，在限速内)，或者这两者。

为了生成一组候选轨迹1400，候选轨迹生成器1304将运载工具数据1310和环境数据1312应用于宏动作1402和参数1404。例如，候选轨迹生成器1304基于运载工具数据1310或环境数据1312或这两者对参数1404进行初始化以包括一组可能的值。然后，候选轨迹生成器1304针对一组参数值1404迭代宏动作1402中的一部分或全部，以生成从运载工具的当前地点朝向其目的地地点的一组候选轨迹1400。例如，对于由跟随车道动作定义且由速度参数1404参数化的宏动作1402，候选轨迹生成器1304生成运载工具可以以不同速度从其当前位置起跟随车道行驶的一组候选轨迹1400。通过基于针对运载工具可能的宏动作1402和参数1404生成一组有限的候选轨迹1400，候选轨迹的数量与在没有这种约束的情况下生成轨迹的实现相比减少。这反过来减少了为了生成轨迹和预测响应所消耗的资源量，同时维持了对大多数驾驶行为的覆盖。

参考图15，将轨迹生成器1304所生成的一组候选轨迹1400提供至条件预测器1306。通常，条件预测器1306预测目标运载工具针对各候选轨迹1400的响应1500(包括各响应的概率)。为此，条件预测器1306除了接收从轨迹生成器1304接收到的候选轨迹1400之外，还接收场景数据1502和目标运载工具数据1504。场景数据1502包括各目标运载工具(例如，由感知模块402感知到且包括在环境数据1312中的目标运载工具)的高清地图数据和背景数据(例如，周围环境、运动历史等)。在实施例中，将各目标运载工具的场景数据1502光栅化为鸟瞰图图像(例如，RGB图像)。目标运载工具数据1504包括各目标运载工具的状态或条件信息，诸如位置、速度、加速度、航向或偏航率、或者它们的组合等。

为了预测目标运载工具对特定候选轨迹1400的响应1500，将场景数据1502、目标运载工具数据1504和表示候选轨迹1400的数据(例如，候选轨迹的光栅化鸟瞰图图像)各自输入到模型1506中。在实施例中，模型1506是深度学习模型(例如，诸如卷积神经网络[CNN]等的神经网络模型)，其被训练为基于目标运载工具的数据1502、1504输出目标运载工具的多模态概率轨迹预测，并且以候选轨迹1400为条件。在实施例中，模型306以表示目标运载工具的预测轨迹(包括各轨迹的概率)的数据的形式输出预测响应1500。可以将多个目标运载工具的输入数据或候选轨迹或这两者并行地提供至模型1506，以获得多个运载工具对一组候选轨迹的各候选轨迹1400的预测响应1500。在全部内容通过引用而被包含于此的Phan-Minh,Tung等人的“CoverNet:Multimodal Behavior Prediction Using TrajectorySets”ArXiv:1911.1029中描述了与模型1506及其输入和输出有关的附加详情。

在实施例中，条件预测器1306对预测响应1500所针对的目标运载工具进行过滤。例如，条件预测器1306将目标运载工具过滤为仅包括候选轨迹期间在所有时间都在运载工具的阈值距离(例如，10米)内的目标运载工具、或者仅包括候选轨迹期间在某些时间在运载工具的阈值距离(例如，20米)内的目标运载工具、或者包括这两者。在实施例中，条件预测器1306将目标运载工具过滤为仅包括候选轨迹期间在某些或所有时间在运载工具的阈值距离和方向(例如，运载工具前方的20米)内的目标运载工具。通过过滤掉不会显著影响运载工具的轨迹的目标运载工具，条件预测器1306在质量不会显著损失的情况下减少了预测期间的计算资源的消耗。

参考图16，将预测响应1500及其相应概率提供至轨迹选择器1308。通常，轨迹选择器1308基于预测响应1500、预测响应的概率和轨迹的特性等来向各候选轨迹1400指派得分。然后，轨迹选择器1308基于该得分(例如，最高或最低评分候选轨迹)来从运载工具的一组候选轨迹1400中选择候选轨迹1600，并且将表示所选择的轨迹1604的数据提供至控制模块1314(例如，控制模块406)，以使得运载工具沿着该轨迹行驶。在实施例中，轨迹选择器1308根据如在标题为“Data Driven Rule Book”的美国专利申请16/996,785(其全部内容通过引用而被包含于此)中所述的一组规则(例如，规则手册)，从一组候选轨迹1400中选择候选轨迹1600。

在实施例中，轨迹选择器1308基于针对预测响应或候选轨迹或这两者的安全得分1602以及一个或多个启发式(heuristics)1604来计算候选轨迹的得分。例如，轨迹选择器1308基于候选轨迹或预测响应是否将使得运载工具或目标运载工具碰撞、经历近似碰撞、进行剧烈制动或加速、以高速或低速移动、或者它们的组合等，来计算候选轨迹或预测响应或这两者的安全得分1602。在实施例中，近似碰撞包括如下的情形：候选轨迹或预测响应将使得运载工具或目标运载工具进入彼此或另一对象的阈值距离(例如，约0.5米、约1米等)内，要不是运载工具或目标运载工具(或者运载工具或目标运载工具的驾驶员)的规避机动动作否则将导致碰撞，或者将导致运载工具或目标运载工具处的另一不安全条件(诸如这些运载工具中的一个或两个驾驶偏离道路等)。在实施例中，确定候选轨迹或预测响应是否将导致运载工具或目标运载工具进行剧烈制动或者加速或者以高速或低速移动包括：确定运载工具或目标运载工具处的加速度(或减速度)或速率的大小是否超过(或降至低于)阈值。在实施例中，该阈值考虑到运载工具的特性(例如，运载工具的类型，诸如卡车或跑车等)或环境(例如，天气、限速)或这两者。在实施例中，轨迹选择器1308在计算安全得分1602时考虑运载工具或目标运载工具的将来，诸如在轨迹或预测响应的终点(或另一点)处的碰撞时间或碰撞距离等。例如，轨迹选择器1308将更差的得分指派至在轨迹或预测响应结束处的碰撞之前给运载工具或目标运载工具留下较少的时间或距离的轨迹或预测响应。

轨迹选择器1308还针对候选轨迹或预测响应或这两者计算一个或多个启发式1604，诸如行驶经轨迹或预测响应(例如，预测轨迹)的距离量等。在实施例中，轨迹选择器1308将更好的(例如，更高或更低的)得分指派至行驶距离更大或者引起行驶距离更大的响应的候选轨迹。在实施例中，当确定候选轨迹的总体得分时，对安全得分1602和启发式1604应用权重。例如，轨迹选择器1308将更大的权重指派至安全得分1602以确保选择最安全的候选轨迹。作为另一示例，轨迹选择器1308将更大的权重指派至启发式1604，以优先使所行驶的距离最大化的轨迹。

图17示出条件运动预测的示例处理1700的流程图。在实施例中，运载工具是图1所示的AV 100，并且处理1700由诸如图3所示的处理器304等的处理器执行。

处理器基于运载工具的可能宏动作来生成(1702)运载工具的一组候选轨迹。在实施例中，一组候选轨迹包括图14所示的候选轨迹1400。在实施例中，可能宏动作包括图14所示的用参数1404参数化的宏动作1402。在实施例中，可能宏动作包括具有参数化速度的车道跟随动作或具有参数化车道改变时间的改变车道动作或这两者。在实施例中，处理器识别运载工具在路网上要进行的机动动作(例如，合并、车道改变、转弯)，并且生成用于在路网上进行该机动动作的一组候选轨迹。

对于一组候选轨迹中的至少一些轨迹，处理器预测(1704)目标运载工具对相应轨迹的响应和目标运载工具的响应的概率。在实施例中，预测响应是图15所示的预测响应1500其中之一。在实施例中，预测目标运载工具对轨迹的响应包括：(例如，通过应用深度学习模型，诸如图15所示的模型1506等)预测以运载工具的轨迹为条件的目标运载工具的轨迹。

处理器至少部分地基于所预测的目标运载工具对轨迹的响应、目标运载工具的响应的概率、以及轨迹的特性来从一组候选轨迹中选择(1706)轨迹。在实施例中，所选择的轨迹是图16所示的所选择的轨迹1600。在实施例中，从一组候选轨迹中选择轨迹包括：至少部分地基于目标运载工具对轨迹的响应、目标运载工具的响应的概率、以及轨迹的特性来确定一组候选轨迹中的各轨迹的得分；以及基于该得分来从一组候选轨迹中选择轨迹。在实施例中，确定分数例如包括：识别运载工具针对轨迹或目标运载工具响应于轨迹的加速度的大小；识别运载工具针对轨迹或目标运载工具响应于轨迹的碰撞或近似碰撞；确定运载工具针对轨迹或目标运载工具响应于轨迹的碰撞时间或碰撞距离；或者确定运载工具针对轨迹或目标运载工具响应于轨迹而行驶的距离；或者它们的组合等。在实施例中，基于针对候选轨迹或预测响应或这两者的安全得分1602或者一个或多个启发式1604或这两者来确定得分。

在实施例中，目标运载工具是第一目标运载工具，并且针对一组候选轨迹中的各轨迹，处理器预测不同的第二目标运载工具(例如，运载工具附近/轨迹中的另一个目标运载工具)对该轨迹的响应以及第二目标运载工具的响应的概率。处理器至少部分地基于第一目标运载工具对轨迹的响应、第一目标运载工具的响应的概率、第二目标运载工具对轨迹的响应、第二目标运载工具的响应的概率、以及轨迹的特性，来从一组候选轨迹中选择轨迹。

在从一组候选轨迹中选择轨迹之后，处理器基于所选择的轨迹来操作(1708)(或者使得操作)运载工具。

在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以授权权利要求的具体形式从本申请授权的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

Claims

1.一种运载工具，包括：

计算机可读介质，用于存储计算机可执行指令；以及

处理器，其通信地耦接至所述计算机可读介质，所述处理器被配置为执行所述计算机可执行指令以进行包括以下的操作：

基于所述运载工具的可能宏动作来生成所述运载工具的一组候选轨迹；

针对所述一组候选轨迹中的至少一部分轨迹，预测目标运载工具对相应轨迹的响应和所述目标运载工具的响应的概率；

至少部分地基于以下内容来从所述一组候选轨迹中选择轨迹：所预测的所述目标运载工具对所述轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性；以及

基于所选择的轨迹来操作所述运载工具。

2.根据权利要求1所述的运载工具，所述处理器被配置为执行所述计算机可执行指令以进行包括以下的操作：

识别所述运载工具在路网上要进行的机动动作；以及

生成用于在所述路网上进行所述机动动作的所述一组候选轨迹。

3.根据权利要求2所述的运载工具，其中，所述机动动作包括合并、车道改变和转弯至少之一。

4.根据权利要求1至3中任一项所述的运载工具，其中，所述可能宏动作包括具有参数化速度的车道跟随动作。

5.根据权利要求1至3中任一项所述的运载工具，其中，所述可能宏动作包括具有参数化车道改变时间的改变车道动作。

6.根据权利要求1至3中任一项所述的运载工具，其中，预测所述目标运载工具对所述轨迹的响应包括：预测以所述运载工具的所述轨迹为条件的所述目标运载工具的轨迹。

7.根据权利要求1至3中任一项所述的运载工具，其中，从所述一组候选轨迹中选择所述轨迹包括：

确定所述一组候选轨迹中的各轨迹的得分，其中所述得分是至少部分地基于所述目标运载工具对所述轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性而确定的；以及

基于所述得分从所述一组候选轨迹中选择所述轨迹。

8.根据权利要求7所述的运载工具，其中，确定所述得分包括：识别所述运载工具针对所述轨迹或者所述目标运载工具响应于所述轨迹的加速度的大小。

9.根据权利要求7所述的运载工具，其中，确定所述得分包括：识别所述运载工具针对所述轨迹或者所述目标运载工具响应于所述轨迹的碰撞或近似碰撞。

10.根据权利要求7所述的运载工具，其中，确定所述得分包括：确定所述运载工具针对所述轨迹或者所述目标运载工具响应于所述轨迹的碰撞时间或碰撞距离。

11.根据权利要求7所述的运载工具，其中，确定所述得分包括：确定所述运载工具针对所述轨迹或者所述目标运载工具响应于所述轨迹而行驶的距离。

12.根据权利要求1至3中任一项所述的运载工具，其中，所述目标运载工具包括第一目标运载工具，所述处理器被配置为执行所述计算机可执行指令以进行包括以下的操作：

针对所述一组候选轨迹中的各轨迹，预测第二目标运载工具对该轨迹的响应和所述第二目标运载工具的响应的概率，其中，所述第二目标运载工具不同于所述第一目标运载工具。

13.根据权利要求12所述的运载工具，所述处理器被配置为执行所述计算机可执行指令以进行包括以下的操作：

至少部分地基于所述第一目标运载工具对所述轨迹的响应、所述第一目标运载工具的响应的概率、所述第二目标运载工具对所述轨迹的响应、所述第二目标运载工具的响应的概率、以及所述轨迹的特性，从所述一组候选轨迹中选择所述轨迹。

14.一种方法，包括：

利用规划电路，基于运载工具的可能宏动作来生成所述运载工具的一组候选轨迹；

针对所述一组候选轨迹中的至少一部分轨迹，利用所述规划电路，预测目标运载工具对相应轨迹的响应和所述目标运载工具的响应的概率；

利用所述规划电路，至少部分地基于以下内容来从所述一组候选轨迹中选择轨迹：所述目标运载工具对所述轨迹的响应、所述目标运载工具的响应的概率、以及所述轨迹的特性；以及

利用控制电路，基于所选择的轨迹来操作所述运载工具。

15.一种非暂时性计算机可读存储介质，包括供装置的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括指令，所述指令在由所述一个或多个处理器执行时，使得所述装置进行根据权利要求14所述的方法。