CN114312824A - 自主车辆中的行为计划 - Google Patents

自主车辆中的行为计划 Download PDF

Info

Publication number
CN114312824A
CN114312824A CN202110504170.3A CN202110504170A CN114312824A CN 114312824 A CN114312824 A CN 114312824A CN 202110504170 A CN202110504170 A CN 202110504170A CN 114312824 A CN114312824 A CN 114312824A
Authority
CN
China
Prior art keywords
actions
vehicle
action
trajectories
trajectory
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
Application number
CN202110504170.3A
Other languages
English (en)
Inventor
R.雷谢夫
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN114312824A publication Critical patent/CN114312824A/zh
Pending legal-status Critical Current

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
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • B60W2710/207—Steering angle of wheels
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/103—Speed profile
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

从参考状态在自主车辆中执行行为计划的系统和方法涉及根据预定义方法生成固定大小和固定顺序的一组动作。每个动作是用于车辆的下一运动的语义指令。从该组动作生成一组轨迹作为指示路径和速度曲线的指令，以生成由车辆实现的转向角和加速度。应用轨迹过滤器以过滤该组轨迹，使得未过滤轨迹是候选轨迹。应用轨迹过滤器包括评估由该组轨迹中的每个指示的路径和速度曲线。所选轨迹用于控制车辆，或者与所选轨迹相对应的动作在轨迹计划中用于生成用于控制车辆的最终轨迹。

Description

自主车辆中的行为计划
技术领域
本公开涉及自主车辆中的行为计划。
背景技术
自主车辆(例如汽车、卡车、建筑设备、农用设备、自动化工厂设备)使用传感器来获取有关车辆及其环境的信息。该信息与映射和定位信息一起使用，以在没有驾驶员干预的情况下将车辆从起点引导到目的地。即使在确定了从起点到目的地的一条路线(或一组潜在路线)之后，也必须针对中期(例如数十秒)和短期(例如3-4秒)持续时间在整个行驶中连续地进行行为计划和轨迹计划。行为计划是指计划车辆应采取的动作(即语义指令，比如“左转”或“停车”)。轨迹计划是指计划与作为行为计划的一部分而选择的动作相对应的路径和速度曲线。轨迹用于生成在车辆中实施的命令(例如转向角、加速/减速)，以遵循该轨迹并采取相应的动作。因此，期望提供自主车辆中的行为计划。
发明内容
在一示例性实施例中，一种从包括位置和定向的参考状态在自主车辆中执行行为计划的方法包括根据预定义方法生成固定大小和固定顺序的一组动作。该组动作中的每个动作是用于车辆的下一运动的语义指令。该方法还包括从该组动作生成一组轨迹。该组轨迹中的每个轨迹是车辆可实施指令，其向控制器指示路径和速度曲线，以生成要由车辆实现的转向角和加速度或减速度。应用轨迹过滤器以过滤该组轨迹，使得该组轨迹中的未过滤轨迹是候选轨迹，应用轨迹过滤器包括评估由该组轨迹中的每个指示的路径和速度曲线。候选轨迹中的所选轨迹用于控制车辆，或者该组动作中与所选轨迹相对应的动作在轨迹计划中用于生成用于控制车辆的最终轨迹。
除了本文所述的一个或多个特征之外，该方法还包括：在生成所述组轨迹之前，应用动作过滤器以过滤所述组动作，使得生成所述组轨迹包括生成与所述组动作中没有被动作过滤器过滤的每个动作相对应的轨迹。
除了本文所述的一个或多个特征之外，应用动作过滤器包括：基于车辆的参考状态，识别所述组动作中不适用的动作。
除了本文所述的一个或多个特征之外，应用动作过滤器包括掩蔽而不是去除所述组动作中的过滤动作，从而维持所述组动作的固定大小和固定顺序。
除了本文所述的一个或多个特征之外，应用轨迹过滤器包括掩蔽而不是去除所述组轨迹中的过滤轨迹，从而维持所述组动作的固定大小和固定顺序。
除了本文所述的一个或多个特征之外，生成所述组动作包括生成与九个单元格相对应的七个基本动态动作，九个单元格中的中心单元格是车辆的参考状态且九个单元格中的另外八个单元格围绕中心单元格，并且生成与三个车道相对应的三个基本固定动作，三个车道是车辆参考状态的车道和车辆参考状态的车道任一侧的车道。
除了本文所述的一个或多个特征之外，生成所述组动作包括从七个基本动态动作中的每个生成M个动态动作并且从三个基本固定动作中的每个生成M*K个固定动作，M是预定义数量紧急级别，K是预定义数量终极速度。
除了本文所述的一个或多个特征之外，生成所述组轨迹包括对于该组轨迹中的每个轨迹，通过优化从所述组动作中对应于该轨迹的动作生成的成本函数来确定最优时间持续T*，成本函数包括根据动作的预定义数量紧急级别中的紧急级别预定义的权重。
除了本文所述的一个或多个特征之外，生成轨迹包括使用最优时间持续T*和边界条件，其定义针对车辆的参考状态和与对应动作相关的车辆的最终状态的横向和纵向位置和速度。
除了本文所述的一个或多个特征之外，参考状态基于先前确定的候选轨迹来指示车辆的真实位置和定向或车辆的虚拟位置和定向。
在另一示例性实施例中，一种用于控制自主车辆的系统包括：一个或多个传感器，其配置为确定车辆的状态，该状态包括位置和定向；以及控制器。控制器根据预定义方法生成固定大小和固定顺序的一组动作。该组动作中的每个动作是用于车辆的下一运动的语义指令。控制器还从该组动作生成一组轨迹。该组轨迹中的每个轨迹是车辆可实施指令，其向控制器指示路径和速度曲线，以生成要由车辆实现的转向角和加速度或减速度。应用轨迹过滤器以过滤该组轨迹，使得该组轨迹中的未过滤轨迹是候选轨迹，应用轨迹过滤器包括评估由该组轨迹中的每个指示的路径和速度曲线。候选轨迹中的所选轨迹用于控制车辆，或者该组动作中与所选轨迹相对应的动作在轨迹计划中用于生成用于控制车辆的最终轨迹。
除了本文所述的一个或多个特征之外，一个或多个传感器包括惯性测量单元、雷达系统、相机或激光雷达系统。
除了本文所述的一个或多个特征之外，控制器在生成所述组轨迹之前应用动作过滤器以过滤所述组动作，使得生成所述组轨迹包括生成与所述组动作中没有被动作过滤器过滤的每个动作相对应的轨迹。
除了本文所述的一个或多个特征之外，控制器通过基于车辆状态识别所述组动作中不适用的动作来应用动作过滤器。
除了本文所述的一个或多个特征之外，控制器通过掩蔽而不是去除所述组动作中的过滤动作从而维持所述组动作的固定大小和固定顺序来应用动作过滤器。
除了本文所述的一个或多个特征之外，控制器通过掩蔽而不是去除所述组轨迹中的过滤轨迹从而维持所述组动作的固定大小和固定顺序来应用轨迹过滤器。
除了本文所述的一个或多个特征之外，控制器通过生成与九个单元格相对应的七个基本动态动作来生成所述组动作，九个单元格中的中心单元格是车辆的状态且九个单元格中的另外八个单元格围绕中心单元格，并且生成与三个车道相对应的三个基本固定动作，三个车道是车辆状态的车道和车辆状态的车道任一侧的车道。
除了本文所述的一个或多个特征之外，控制器通过从七个基本动态动作中的每个生成M个动态动作并且从三个基本固定动作中的每个生成M*K个固定动作来生成所述组动作，M是预定义数量紧急级别，K是预定义数量终极速度。
除了本文所述的一个或多个特征之外，控制器通过对于该组轨迹中的每个轨迹通过优化从所述组动作中对应于该轨迹的动作生成的成本函数来确定最优时间持续T*从而生成所述组轨迹，成本函数包括根据动作的预定义数量紧急级别中的紧急级别预定义的权重。
除了本文所述的一个或多个特征之外，控制器通过使用最优时间持续T*和边界条件来生成轨迹，边界条件定义针对车辆的状态和与对应动作相关的车辆的最终状态的横向和纵向位置和速度。
当结合附图考虑时，根据以下详细描述，本公开的以上特征和优点以及其他特征和优点将显而易见。
附图说明
其他特征、优点和细节仅通过示例的方式在下面的详细描述中出现，该详细描述参考附图，其中：
图1是根据一个或多个实施例的以自主驾驶模式实施轨迹计划的车辆的框图；
图2是根据一个或多个实施例的生成一组候选轨迹以在轨迹计划中考虑的方法的处理流程；
图3示出了解释用于生成一组动作的方法的示例性场景；以及
图4是详细描述根据一个或多个实施例的确定最优时间持续T*作为生成轨迹的过程的一部分的各方面的处理流程。
具体实施方式
以下描述本质上仅是示例性的，并且无意于限制本公开、其应用或用途。应当理解，在所有附图中，相应的附图标记表示相同或相应的零件和特征。
如前所述，从给定起点到预期目的地的路线选择本身不足以将自主车辆引导至目的地。在整个路线上，都要执行行为计划和轨迹计划，以最终确定必须执行的实际控制(例如转向、加速和减速(例如油门和制动))。这类似于通常由人类驾驶员执行的控制。尽管人类驾驶员可能会使用视觉和听觉做出导致方向盘和油门或制动踏板每次运动的判断，但自主车辆会使用传感器做出类似的判断。从沿路线的任何给定状态选择车辆应采取的下一动作(即行为计划)是顺序的。即，不同的动作导致不同的状态，因此，先前的动作影响未来动作的选择。
本文详述的系统和方法的实施例涉及自主车辆中的行为计划。详细地，从车辆的给定当前状态(例如位置、定向)，根据一个或多个实施例的行为计划从生成一组潜在动作开始，并且包括生成与至少一个子组潜在动作相对应的一组潜在轨迹。可以基于评估该组潜在轨迹来选择该组动作中的一个。决策树是在一组轨迹之间进行选择的示例性方法，从而有助于选择相应的动作。根据替代实施例，可以在根据一个或多个实施例生成该组轨迹之后使用其他方法(例如基于规则的方法、基于效用的方法、机器学习方法)进行选择。一旦通过评估该组潜在轨迹选择了动作，就可以使用所选择的轨迹。根据该示例性实施例，轨迹计划作为行为计划的一部分而完成。可替代地，可以针对所选动作进行后续的轨迹计划，以细化对应于该动作的轨迹，这最终将导致实现用于控制车辆操作的命令。如前所述，在整个路线中依次重复此过程。
根据示例性实施例，图1是在自主驾驶模式下实施行为计划的车辆100的框图。图1所示的示例性车辆100是汽车101。车辆100包括控制器110，其基于来自提供有关车辆100本身的信息的传感器120(例如惯性测量单元、加速度计)和提供有关车辆100周围环境的信息的传感器130(例如相机、雷达系统、激光雷达系统)的信息来促进自主操作。传感器120、130的数量和位置不受图1中示例性图示的限制。控制器110可以基于传感器120、130确定车辆100的状态，并且可以执行行为计划，如本文根据一个或多个实施例详述。
如前所述，根据示例性实施例，该行为计划可以排除随后的轨迹计划。根据替代实施例，控制器110还可以为根据行为计划选择的相应动作执行后续的轨迹计划。由轨迹计划产生(或与行为计划过程中的动作相对应)的轨迹是控制器110用来生成转向角和加速度/减速度的指令，以实现计划轨迹并执行相应动作。控制器110包括处理电路，其可以包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或组)和存储器、组合逻辑电路以及/或提供所述功能的其他合适部件。
图2是根据一个或多个实施例的执行行为计划的方法200的处理流程。根据示例性实施例，方法200的过程在车辆100的给定状态下执行一次。在这种情况下，评估获得(在框250)的一组候选轨迹，并且基于该评估来选择一个轨迹。与所选轨迹相对应的动作(在框210生成的一组动作中)是在给定状态下的行为计划的结果。根据另一示例性实施例(例如用于与决策树方法一起使用)，在车辆100的给定状态下迭代地执行方法200的过程。在这种情况下，为给定状态生成的初始组候选轨迹中的每个都会在下一级别产生车辆的一组虚拟状态(即如果实施了相对应轨迹将实现的状态)。然后，将这些虚拟状态中的每个用于生成另一组轨迹，且对于选定数量的级别以此类推。在这种情况下，初始组候选轨迹中的选择涉及所有级别。
在框210，根据参考图3详细描述的方法来执行生成一组动作。如前所述，动作指的是语义指令(例如“移至左车道”、“保持直行”、“停车”)，而轨迹则指定了可以通过车辆可实施指令实现的路径和速度曲线，该指令指定转向角和加速度或减速度以控制车辆100的操作。并非根据该方法所生成(在框210)的每个动作都适用于车辆100或其环境的状态(例如位置、定向)。根据替代实施例，该状态可以指代车辆100的真实状态或指代车辆100的虚拟状态。
在框220，该过程包括从在框210生成的一组动作过滤不适用动作。例如，“移至左车道”可以是在框210生成的一组动作中，但根据车辆100的真实或虚拟状态，在其所在车道的左侧可能没有车道，从而使该动作不适用。例如，框220的过滤可以依赖于来自传感器130的信息。同样参照图3进一步讨论不适用动作。
在框230，从过滤(在框220)之后的其余组动作生成轨迹使用将参考图4进一步讨论的最优时间持续T*。在框220的过滤可以指的是指示作为无效或掩蔽不适用动作，而不是从在框210生成的组去除不适用动作。也就是说，在框210生成的该组动作可以是根据示例性实施例的固定大小和固定顺序向量。可以通过掩盖被滤出(在框220和240)的条目而不是删除它们来在方法200的后续过程维持该固定大小和固定顺序。根据示例性实施例，当根据方法200的过程生成多个级别轨迹时，可以在各级别上(即在真实和虚拟状态下)维持固定大小和固定顺序向量。根据示例性实施例，当将机器学习方法用于选择轨迹作为行为计划的一部分时，这可能被证明是有利的。
固定大小和固定顺序向量也是为什么可能生成(在框210)甚至不适用于车辆100的当前(真实或虚拟)状态的动作的原因。在框220，第一过滤器防止使用控制器110的时间和资源以生成无论如何都不可行的轨迹(在框230)。一旦针对未滤出(在框220)的动作生成(在框230)轨迹，则在框240应用第二过滤器。
在框240，过滤不允许轨迹是指基于运动学、安全性、舒适性或不能针对相应动作评估的其他考虑进行的过滤。根据这些附加标准进行过滤的能力是在根据一个或多个实施例的行为计划中生成轨迹的原因之一。在动作方面评估这些考虑将不太准确。与轨迹相比，动作的更高抽象水平意味着在框240对过滤器的考虑需要生成轨迹(在框230)。在图4的讨论中，进一步讨论在框240的过滤以及轨迹生成(框230)。
在框250，获得要考虑的一组候选轨迹是指将未过滤轨迹视为可行轨迹。如前所述，根据示例性实施例，这些可行轨迹可以与车辆100的真实状态相关。在那种情况下，进一步的评估导致选择可行轨迹之一。所选可行轨迹可以用于生成由车辆100实施的命令。在这种情况下，根据示例性实施例，轨迹计划被作为行为计划的一部分来执行。根据替代实施例，与所选可行轨迹相对应的动作被用于执行轨迹计划。与由车辆100实施的所选可行轨迹相比，该轨迹计划可以导致更精细的轨迹。同样如先前指出，根据另一示例性实施例，可以在不同级别将这些可行轨迹与其他可行轨迹一起评估(例如以决策树方法)，以最终为车辆100的真实状态选择可行轨迹之一。
图3示出了示例性场景310、320，以解释用于在图2的框210生成该组动作的方法。场景310示出了构成该组动作的动态动作，而场景320示出了构成该组动作的固定动作。动态动作涉及其他车辆300。在示例性场景310中，如所指示，单元格编号1-9被分配给车辆100周围的位置。还指示了相对于车辆100的右车道R和左车道L。在编号单元格中的其他车辆300-1、300-2、300-6和300-7根据分配给它们位置的单元格编号被标记。不在任何单元格中的其他车辆300在生成动态动作时不被考虑。如图所示，车辆100在单元格5的中心。
对于围绕中心单元格(即单元格5)(其是车辆100的真实或虚拟位置)的每个单元格(即单元格1-4和6-9)，生成使车辆100相对于单元格中的最接近另一车辆300移动到预定义语义姿势(即位置和定向)的动作。该另一车辆300被称为该单元格的代表性车辆。例如，另一车辆300-1是单元格1的代表性车辆。例如，与每个单元格1-4和6-9相关的预定义语义姿势可以在单元格的代表性车辆之后。因此，例如，特定于单元格1的语义姿势是“到达单元格1的代表性车辆之后的指定车距”。这会导致包括向左改变车道的动态动作以及代表性车辆速度和位于车辆之后指定纵向距离处的位置的后续状态(在此阶段为虚拟状态)。
具体地，根据示例性实施例，尽管为了简洁起见在本文中通常使用缩写的描述(例如“移至左车道”)，但为给定的动态动作定义了六个条件。动态动作的这六个条件导致指定的语义姿势。如前所述，本文中用于说明目的的示例性语义姿势是在特定代表性车辆之后的指定车距(即时间空间)。定义给定动作的六个条件是横向位置、横向速度、横向加速度、纵向位置、纵向速度和纵向加速度。
通过动态动作要实现的横向位置是相关车道(即代表性车辆的车道)的中心。在每个动态动作结束时的横向速度和横向加速度为0。也就是说，即使需要车道变化，当车辆100已移动到代表性车辆之后的车距位置时，所有横向运动会停止。虽然纵向位置和纵向速度根据语义姿势(例如移至左车道或右车道)而有所不同，但动态动作始终以纵向加速度0结束。也就是说，一旦到达语义姿势指定的位置(例如代表性车辆之后的车距)，则车辆100不加速，而是与代表性车辆的纵向速度匹配。
继续对示例性动态动作的讨论，根据示例性语义姿势，将基于“到达单元格3的代表性车辆之后的指定车距”来生成与单元格3相关的动态动作。因为在单元格3中没有其他车辆300，所以在框220将滤出包括向右车道(即朝向单元格3)移动的动态动作作为不适用动作。如前所述，例如，在框220的过滤可以依赖于来自传感器130的信息。来自传感器130的信息可以指示存在的车道以及其他车辆300。
可以基于示例性语义姿势“到达单元格8的代表性车辆之后的指定车距”来生成与单元格8相关的动态动作，然后进行过滤(在框220)，因为即使在单元格8中有另一车辆300-8，向后且在该另一车辆300-8之后移动的动作将是不适用的。可替代地，可能根本不针对单元格8生成(在框210)动态动作。下表1中假定了这种替代。类似地，示例性语义姿势不适用于车辆100已经位于其中的单元格。因此，可以针对单元格5即车辆100的位置生成(在框220)动态动作，并进行过滤(在框220)，或者可替代地，可以不针对单元格5生成(在框210)动态动作，如表1中假定。在示例性场景310中，在框220将仅不过滤与单元格1、2、6和7相关的动态动作。
在其他场景中，大多数动态动作可被过滤(在框220)为不适用。例如，如果车辆100的真实或虚拟位置在单个车道道路上使得不存在右车道R或左车道L(即单元格1、3、4、6、7和9不是道路)，则在框220仅将不过滤与单元格2相关的动作，因为如果完全生成了与单元格5和8相关的动态操作则也始终对其进行过滤。不管在框220进行任何后续过滤，在框210，为围绕车辆100的七个单元格1-4、6、7和9生成动态动作。因此，总共生成了七个基本动态动作。
表1指示与每个单元格相关的基本动态动作。这些基本动态动作中的每个可以以M个不同级别的紧急或侵略重复进行。如参考图4讨论，M是预定义的，并且紧急表示为加权对。即，M个紧急级别中的每个与在与框230相关的过程中使用的预定义加权对wJ,wT相关。例如，M＝3。在那种情况下，关于单元格1的动态动作可以是“移至左车道L并以紧急级别1到达单元格1中的车辆之后”、“移至左车道L并以紧急级别2到达单元格1中的车辆之后”以及“移至左车道L并以紧急级别3到达单元格1的车辆之后”。因此，总共生成M*7个动态动作。
单元格编号 动态动作
1 移至左车道L并到达单元格1中的车辆之后
2 留在单元格2中的车辆之后的车道中
3 移动至右车道R并到达单元格3中的车辆之后
4 移至左车道L并到达单元格4中的车辆之后
6 移至右车道R并到达单元格6中的车辆之后
7 移至左车道L并到达单元格7中的车辆之后
9 移至右车道R并到达单元格9中的车辆之后
表1-基本动态动作
如前所述，场景320示出了固定动作。指示相对于车辆100的右车道R和左车道L。固定动作是指不考虑任何其他车辆300的动作。根据缩写描述，三个基本固定动作是“移至左车道L”、“留在车道中”和“移至右车道R”。更具体地，根据示例性实施例，针对每个固定动作(即针对通过动作实现的状态)定义五个条件。这五个条件是横向位置、横向速度、横向加速度、纵向速度和纵向加速度。纵向位置(例如车道内的位置)不受约束，但纵向速度由终极速度指定，终极速度是固定动作结束的状态下车辆100的速度，且纵向加速度为0。如果对于车辆100的给定真实或虚拟位置不存在左车道L和/或右车道R，则在框220将滤出与该车道相关的固定动作。
对于每个基本固定动作，可以考虑K个不同终极速度。即，可以将“移至左车道L”的基本固定动作扩展为“移至左车道L并达到K个终极速度之一”的K个固定动作。K个终极速度是预定义的，并且可被选择为在终极速度的范围内均匀地间隔开。例如，在每小时0到30英里(mph)范围内的四个(即K＝10)终极速度可以是0、10mph、20mph和30mph。可替代地，K个终极速度可以相对于与车辆100的当前(真实或虚拟)状态相关的静态度量(例如速度极限)。另外，类似于参考示例性场景310所讨论的动态动作，固定动作可以各自以M个紧急级别执行。因此，总共生成M*(K*3)个固定动作。
M*7个动态动作和M*(K*3)个固定动作共同生成M*(7+(K*3))个动作作为一组动作。如前所述，该数量动作和动作顺序可以是固定的。作为一示例，该顺序可以是单元格编号的每个动态操作，然后是每个固定动作。根据示例性实施例，在图2所示的整个过程中维持在框210生成的动作的大小和顺序。因此，例如，从框220得到的过滤动作与在框210生成的动作具有相同的大小向量并且具有相同的顺序，但掩蔽过滤动作。类似地，在框230生成的轨迹与在框210生成的动作具有相同的大小向量并且具有相同的顺序。即，所有未掩蔽动作(从框220得到)在总向量大小内具有对应的轨迹(从框230得到)，并且与在框210生成的动作具有相同的顺序。
图4是根据一个或多个实施例的详细描述在图2的框230确定最优时间持续T*作为生成轨迹的一部分的各方面的处理流程。轨迹计划通常是已知的，其涉及生成与动作(即语义指令)相对应的轨迹(即路径和速度曲线的指定)，并且可以根据许多不同的方法来实现。根据示例性实施例，在框230用来生成与在框220未被滤出的每个动作相对应的轨迹的轨迹计划方法被称为急动(jerk)最优轨迹计划。有利地，本文详述的实施例通过确定每个轨迹的最优时间持续T*而与先前的轨迹计划方法不同。
在框230使用一种类型的轨迹计划(例如急动最优轨迹计划)的事实是为什么根据替代实施例随后可以通过一种或多种其他方法来执行轨迹计划的原因。即，如前所述，通过评估并从在框240的处理产生的可行轨迹中选择且然后确定与所选可行轨迹相对应的动作来选择在框210生成的动作之一。根据一示例性实施例，可以实现所选可行轨迹以控制车辆100。然而，根据示例性实施例，可以针对所选动作再次进行轨迹计划。该随后的轨迹计划将可能使用与框230使用的方法(例如急动最优轨迹计划)不同的方法。
根据本文详述的一个或多个实施例，为轨迹确定最优时间持续T*，并将其额外地用于在框230的示例性急动最优轨迹计划过程中。对于给定动作(例如移入左车道)，直观上显而易见的是，快速动作和乘客舒适度成反比。也就是说，高急动(即加速度随时间的变化)对应于执行动作的小时间持续(乘客的舒适度较低)，而执行动作的长时间持续则对应于低急动且因此较高的乘客舒适度。在框420，求解成本函数以确定该轨迹的最优时间持续T*，以平衡急动和时间持续。
在框410，获得给定动作的边界条件和紧急级别是指一次获得针对动作之一(在框220未过滤)的该信息。针对在框220通过过滤器的每个动作执行图4所示的过程，以便在框230生成相应的轨迹。边界条件指示车辆100的当前(真实或虚拟)状态和终极状态(即车辆100所处状态并且将基于动作而所处状态)。具体地，获得在开始和结束状态下的横向和纵向位置和速度，它们在动态动作和固定动作指定的条件中。紧急级别在归因于每个基本动作的M个紧急级别中。
在框420，该过程包括求解成本函数以为要生成轨迹确定最优时间持续T*。在图4中，两个曲线图425a、425b分别示出了与两个不同动作相关的两个示例性成本函数f1(T)和f2(T)的成本对时间T(以秒(sec)为单位)。例如，曲线图425a可以涉及诸如“停止”的动作，而曲线图425b可以涉及不同的示例性动作(例如“移至右车道并达到终极速度”)。通过最小化适用的成本函数来确定与每个动作相对应的轨迹的最优时间持续T*。
具体地，成本函数f1(T)被最小化以确定与第一示例性动作相对应的轨迹的最优时间持续T1*，成本函数f2(T)被最小化以确定与第二示例性动作相对应的轨迹的最优时间持续T2*。在每个成本函数中，J(T)是将边界条件和执行时间T映射到针对边界条件的急动最优轨迹解上的累积急动平方和的函数。针对M个紧急级别中的每个预定义急动分量的权重wJ和时间分量的权重wT。换句话说，M个紧急级别中的给定紧急级别通过影响权重wJ和wT来影响为动作生成的轨迹。因此，如果与生成成本函数f1(T)的动作相关的紧急级别与生成成本函数f2(T)的动作相关的紧急级别相同，则成本函数f1(T)中使用的权重wJ,1和wT,1实际上将与成本函数f2(T)中使用的权重wJ,2和wT,2具有相同的值。
在框430，根据一个或多个实施例，生成与给定动作相对应的轨迹(即执行轨迹计划)将不仅使用由动作定义的边界条件，而且还将使用最优时间持续T*。例如，根据急动最优方法，轨迹计划本身是已知的。一旦针对在框220未滤出的每个动作执行了在框230的过程，则在框240对所得轨迹进行过滤以识别可行轨迹，如参考图2指出。因为给定轨迹指示路径和速度曲线，所以在框240的过滤可以考虑运动学、安全性、舒适性和预定义的其他因素。例如，如果速度曲线超过与车辆100的当前(真实或虚拟)状态相关的速度极限，则在框240可以过滤指定该速度曲线的轨迹。还可以考虑到乘客的安全性或舒适性来预定义速度曲线的阈值。
尽管已经参考示例性实施例描述了以上公开，但本领域技术人员将理解，在不脱离本发明范围的情况下，可以进行各种改变并且可以用等同物代替其要素。另外，在不脱离本公开的实质范围的情况下，可以做出许多修改以使特定情况或材料适应本公开的教导。因此，意图是本公开不限于所公开的特定实施例，而是将包括落入其范围内的所有实施例。

Claims (10)

1.一种从包括位置和定向的参考状态在自主车辆中执行行为计划的方法，该方法包括：
根据预定义方法生成固定大小和固定顺序的一组动作，该组动作中的每个动作是用于车辆的下一运动的语义指令；
从该组动作生成一组轨迹，该组轨迹中的每个轨迹是车辆可实施指令，其向控制器指示路径和速度曲线，以生成要由车辆实现的转向角和加速度或减速度；以及
应用轨迹过滤器以过滤该组轨迹，使得该组轨迹中的未过滤轨迹是候选轨迹，应用轨迹过滤器包括评估由该组轨迹中的每个指示的路径和速度曲线，其中，候选轨迹中的所选轨迹用于控制车辆，或者该组动作中与所选轨迹相对应的动作在轨迹计划中用于生成用于控制车辆的最终轨迹。
2.根据权利要求1所述的方法，还包括：在生成所述组轨迹之前，应用动作过滤器以过滤所述组动作，使得生成所述组轨迹包括生成与所述组动作中没有被动作过滤器过滤的每个动作相对应的轨迹。
3.根据权利要求2所述的方法，其中，应用动作过滤器包括：基于车辆的参考状态，识别所述组动作中不适用的动作，应用动作过滤器包括掩蔽而不是去除所述组动作中的过滤动作，从而维持所述组动作的固定大小和固定顺序，并且应用轨迹过滤器包括掩蔽而不是去除所述组轨迹中的过滤轨迹，从而维持所述组动作的固定大小和固定顺序。
4.根据权利要求1所述的方法，其中，生成所述组动作包括生成与九个单元格相对应的七个基本动态动作，九个单元格中的中心单元格是车辆的参考状态且九个单元格中的另外八个单元格围绕中心单元格，并且生成与三个车道相对应的三个基本固定动作，三个车道是车辆参考状态的车道和车辆参考状态的车道任一侧的车道，生成所述组动作包括从七个基本动态动作中的每个生成M个动态动作并且从三个基本固定动作中的每个生成M*K个固定动作，M是预定义数量紧急级别，K是预定义数量终极速度，生成所述组轨迹包括对于该组轨迹中的每个轨迹，通过优化从所述组动作中对应于该轨迹的动作生成的成本函数来确定最优时间持续T*，成本函数包括根据动作的预定义数量紧急级别中的紧急级别预定义的权重，并且生成轨迹包括使用最优时间持续T*和边界条件，其定义针对车辆的参考状态和与对应动作相关的车辆的最终状态的横向和纵向位置和速度。
5.根据权利要求1所述的方法，其中，所述参考状态基于先前确定的候选轨迹来指示车辆的真实位置和定向或车辆的虚拟位置和定向。
6.一种用于控制自主车辆的系统，该系统包括：
一个或多个传感器，其配置为确定车辆的状态，该状态包括位置和定向；以及
控制器，其配置为：
根据预定义方法生成固定大小和固定顺序的一组动作，该组动作中的每个动作是用于车辆的下一运动的语义指令；
从该组动作生成一组轨迹，该组轨迹中的每个轨迹是车辆可实施指令，其向控制器指示路径和速度曲线，以生成要由车辆实现的转向角和加速度或减速度；以及
应用轨迹过滤器以过滤该组轨迹，使得该组轨迹中的未过滤轨迹是候选轨迹，应用轨迹过滤器包括评估由该组轨迹中的每个指示的路径和速度曲线，其中，候选轨迹中的所选轨迹用于控制车辆，或者该组动作中与所选轨迹相对应的动作在轨迹计划中用于生成用于控制车辆的最终轨迹。
7.根据权利要求6所述的系统，其中，所述一个或多个传感器包括惯性测量单元、雷达系统、相机或激光雷达系统。
8.根据权利要求6所述的系统，其中，所述控制器还配置为：在生成所述组轨迹之前，应用动作过滤器以过滤所述组动作，使得生成所述组轨迹包括生成与所述组动作中没有被动作过滤器过滤的每个动作相对应的轨迹。
9.根据权利要求8所述的系统，其中，所述控制器配置为通过基于车辆状态识别所述组动作中不适用的动作来应用动作过滤器，所述控制器配置为通过掩蔽而不是去除所述组动作中的过滤动作从而维持所述组动作的固定大小和固定顺序来应用动作过滤器，并且所述控制器配置为通过掩蔽而不是去除所述组轨迹中的过滤轨迹从而维持所述组动作的固定大小和固定顺序来应用轨迹过滤器。
10.根据权利要求1所述的系统，其中，所述控制器配置为通过生成与九个单元格相对应的七个基本动态动作来生成所述组动作，九个单元格中的中心单元格是车辆的状态且九个单元格中的另外八个单元格围绕中心单元格，并且生成与三个车道相对应的三个基本固定动作，三个车道是车辆状态的车道和车辆状态的车道任一侧的车道，所述控制器配置为通过从七个基本动态动作中的每个生成M个动态动作并且从三个基本固定动作中的每个生成M*K个固定动作来生成所述组动作，M是预定义数量紧急级别，K是预定义数量终极速度，所述控制器配置为通过对于该组轨迹中的每个轨迹通过优化从所述组动作中对应于该轨迹的动作生成的成本函数来确定最优时间持续T*从而生成所述组轨迹，成本函数包括根据动作的预定义数量紧急级别中的紧急级别预定义的权重，并且所述控制器配置为通过使用最优时间持续T*和边界条件来生成轨迹，边界条件定义针对车辆的状态和与对应动作相关的车辆的最终状态的横向和纵向位置和速度。
CN202110504170.3A 2020-09-30 2021-05-10 自主车辆中的行为计划 Pending CN114312824A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/038,063 US11912300B2 (en) 2020-09-30 2020-09-30 Behavioral planning in autonomus vehicle
US17/038,063 2020-09-30

Publications (1)

Publication Number Publication Date
CN114312824A true CN114312824A (zh) 2022-04-12

Family

ID=80624542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110504170.3A Pending CN114312824A (zh) 2020-09-30 2021-05-10 自主车辆中的行为计划

Country Status (3)

Country Link
US (1) US11912300B2 (zh)
CN (1) CN114312824A (zh)
DE (1) DE102021111234A1 (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192749A1 (en) * 2003-10-07 2005-09-01 Flann Nicholas S. Point -to-point path planning
US20150046078A1 (en) * 2013-08-06 2015-02-12 GM Global Technology Operations LLC Dynamic safety shields for situation assessment and decision making in collision avoidance tasks
KR20180131154A (ko) * 2017-05-31 2018-12-10 현대엠엔소프트 주식회사 Mms 차량의 고정밀 주행 궤적을 이용한 차선 필터링 및 차선 지도 구축 방법
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
CN109964188A (zh) * 2016-11-03 2019-07-02 三菱电机株式会社 控制车辆的方法和系统
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质
WO2019166517A1 (en) * 2018-02-28 2019-09-06 Five AI Limited Path planning in mobile robots
CN110271556A (zh) * 2018-03-14 2019-09-24 通用汽车环球科技运作有限责任公司 自主车辆的基于云的场景规划的驾驶系统和控制逻辑
WO2020001700A1 (de) * 2018-06-27 2020-01-02 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur ermittlung einer aktualisierten trajektorie für ein fahrzeug
WO2020052587A1 (en) * 2018-09-14 2020-03-19 Huawei Technologies Co., Ltd. System and method for hierarchical planning in autonomous vehicles
US20200269843A1 (en) * 2019-02-27 2020-08-27 Zf Automotive Germany Gmbh Method and control unit for a system for controlling a motor vehicle
US20200276988A1 (en) * 2019-02-28 2020-09-03 Daniel Mark Graves Method and system for controlling safety of ego and social objects

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103842229A (zh) * 2011-10-03 2014-06-04 丰田自动车株式会社 车辆的驾驶辅助系统
WO2020055759A1 (en) * 2018-09-11 2020-03-19 Nvidia Corporation Future object trajectory predictions for autonomous machine applications
US11256260B2 (en) * 2018-10-05 2022-02-22 Waymo Llc Generating trajectories for autonomous vehicles
JP7154482B2 (ja) * 2019-03-29 2022-10-18 マツダ株式会社 車両運転支援システム
US11727690B2 (en) * 2020-04-03 2023-08-15 Waymo Llc Behavior prediction of surrounding agents

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192749A1 (en) * 2003-10-07 2005-09-01 Flann Nicholas S. Point -to-point path planning
US20150046078A1 (en) * 2013-08-06 2015-02-12 GM Global Technology Operations LLC Dynamic safety shields for situation assessment and decision making in collision avoidance tasks
CN109964188A (zh) * 2016-11-03 2019-07-02 三菱电机株式会社 控制车辆的方法和系统
KR20180131154A (ko) * 2017-05-31 2018-12-10 현대엠엔소프트 주식회사 Mms 차량의 고정밀 주행 궤적을 이용한 차선 필터링 및 차선 지도 구축 방법
WO2019166517A1 (en) * 2018-02-28 2019-09-06 Five AI Limited Path planning in mobile robots
CN110271556A (zh) * 2018-03-14 2019-09-24 通用汽车环球科技运作有限责任公司 自主车辆的基于云的场景规划的驾驶系统和控制逻辑
WO2020001700A1 (de) * 2018-06-27 2020-01-02 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur ermittlung einer aktualisierten trajektorie für ein fahrzeug
WO2020052587A1 (en) * 2018-09-14 2020-03-19 Huawei Technologies Co., Ltd. System and method for hierarchical planning in autonomous vehicles
US20200089245A1 (en) * 2018-09-14 2020-03-19 Peyman Yadmellat System and method for hierarchical planning in autonomous vehicles
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
US20200269843A1 (en) * 2019-02-27 2020-08-27 Zf Automotive Germany Gmbh Method and control unit for a system for controlling a motor vehicle
US20200276988A1 (en) * 2019-02-28 2020-09-03 Daniel Mark Graves Method and system for controlling safety of ego and social objects
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质

Also Published As

Publication number Publication date
US20220097727A1 (en) 2022-03-31
DE102021111234A1 (de) 2022-03-31
US11912300B2 (en) 2024-02-27

Similar Documents

Publication Publication Date Title
CN108919795B (zh) 一种自动驾驶汽车换道决策方法及装置
US10796507B2 (en) Image display system, image display method, and recording medium
US11260852B2 (en) Collision behavior recognition and avoidance
JP6964354B2 (ja) 最近の走行経路に対する軌跡基盤行動分析を遂行して、車両のモードを手動走行モードから自律走行モードに変更するか否かを判断する学習方法及び学習装置
US9552733B2 (en) Course evaluation apparatus and course evaluation method
JP2022514484A (ja) 自律運転のための個人運転スタイル学習
US20180284775A1 (en) Method for automatic movement controlling of a vehicle
CN111746557B (zh) 用于车辆的路径规划融合
CN111332283A (zh) 用于控制机动车的方法和系统
CN113370996B (zh) 自动驾驶换道跟驰决策方法及系统、自动驾驶车辆
CN111845766A (zh) 自动化控制汽车的方法
CN111413973A (zh) 车辆的换道决策方法及装置、电子设备、存储介质
Geyer et al. Development of a cooperative system behavior for a highly automated vehicle guidance concept based on the conduct-by-wire principle
US11427200B2 (en) Automated driving system and method of autonomously driving a vehicle
CN112440983A (zh) 驾驶辅助装置
CN115662131A (zh) 网联环境下道路事故路段的多车道协同换道方法
CN112689584B (zh) 自动驾驶控制方法以及自动驾驶控制系统
CN115176297A (zh) 用于训练用于机动车的控制器的至少一个算法的方法、计算机程序产品以及机动车
Kaur et al. Scenario-based simulation of intelligent driving functions using neural networks
CN114312824A (zh) 自主车辆中的行为计划
CN115447607A (zh) 用于规划车辆行驶轨迹的方法和装置
US20230394896A1 (en) Method and a system for testing a driver assistance system for a vehicle
US11460843B2 (en) Parallelized tree-based decision scheme for autonomous vehicle
CN115358415A (zh) 自动驾驶学习模型的分布式训练方法及自动驾驶方法
JP6443299B2 (ja) 電子制御装置

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