CN115320635A - 评估自主驾驶车辆的规划功能的方法及系统 - Google Patents

Abstract

评估自主驾驶车辆的规划功能的方法包括在自主驾驶模拟平台处接收由ADV在路段上自主驾驶时记录的记录文件；基于记录文件，在自主驾驶模拟平台中模拟ADV的动态模型在路段上在一个或多个驾驶场景期间的操作。方法进一步包括在由动态模型的规划模块在初始时间段之后生成的每个规划轨迹与存储在缓冲器中的每个轨迹之间进行比较；并且基于比较的结果，修正由自主驾驶模拟平台中的规划性能分析器生成的性能分数。

Description

评估自主驾驶车辆的规划功能的方法及系统

技术领域

本公开的实施例一般涉及操作自主车辆。更特别地，本公开的实施例涉及评估自主驾驶车辆(autonomous driving vehicle，ADV)在多模式情况下生成规划轨迹的决策一致性。

背景技术

当以自主模式驾驶时，自主驾驶车辆(ADV)可以减轻乘坐者，尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时，车辆可以使用车载传感器导航到各种位置，从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。

ADV通常以规则的间隔生成规划的轨迹以引导ADV向前移动。有时，ADV可能会遇到多模式情况，其中有多个同样好的解决方案。例如，当遇到障碍物时，ADV可以生成规划路径，以从右侧通过障碍物、从左侧通过障碍物，或待在障碍物后面。这些决策在一些常规测量的规划功能方面，诸如舒适性、安全性、可控性和效率方面，可能同样好。

然而，如果ADV不能始终坚持一个决策，而是不断在几个同样好的策略之间切换，则可能会产生严重的后果，例如，ADV可能会与障碍物发生碰撞。因此，ADV在多模式情况下规划其轨迹时保持一致性是很重要的。

发明内容

一方面，提供一种评估自主驾驶车辆(ADV)的规划功能的方法，所述方法包括：

在自主驾驶模拟平台处接收由ADV在路段上自主驾驶时记录的记录文件；

在自主驾驶模拟平台中，基于记录文件模拟ADV的动态模型在路段上在一个或多个驾驶场景期间的操作；

将由动态模型的规划模块在初始时间段后生成的每个规划轨迹与存储在缓冲器中的每个轨迹进行比较；以及

基于比较的结果，修正由自主驾驶模拟平台中的规划性能分析器生成的性能分数。

另一方面，提供一种其中存储有指令的非暂时性机器可读介质，当所述指令由处理器执行时，使处理器执行如上所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

另一方面，提供一种数据处理系统，包括：

处理器；以及

存储器，耦接到处理器并存储指令，当由处理器执行指令时，使处理器执行如上所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

另一方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时使得所述处理器执行如上所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

根据本公开，可以评估ADV的规划模块在决策一致性以及诸如舒适度、时延、可控性和安全性等其他指标方面的性能，使得ADV在多模式情况下规划其轨迹时保持一致性，从而避免与障碍物发生碰撞。

附图说明

本公开的实施例通过示例的方式示出并且不限于附图中的图，在附图中相同的附图标记表示相似的元件。

图1示出了用于本发明的一些实施例的自主驾驶模拟平台的示例。

图2示出了根据一个实施例的评估ADV的规划功能的过程。

图3进一步示出了根据一个实施例的评估ADV的规划功能的过程。

图4是示出根据另一实施例的评估ADV的轨迹规划中的决策一致性的过程的流程图。

图5是示出根据本发明的一个实施例的自主驾驶车辆的框图。

图6示出根据本发明的一个实施例的车辆控制系统。

图7是示出根据一个实施例的与自主驾驶车辆一起使用的自主驾驶系统的示例的框图。

具体实施方式

将参考以下讨论的细节描述本公开的各个实施例和方面，并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各个实施例的全面理解。然而，在某些情况下，为了提供对本公开的实施例的简要讨论，没有描述公知或常规的细节。

说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。

根据各种实施例，本文描述的是用于评估ADV的规划模块在多模式情况下的轨迹规划中的一致性方面的性能的系统、方法和媒介，其中初始时间段之后的每个当前规划的轨迹与存储在缓冲器中的每个历史规划轨迹比较，并基于比较的结果修正规划模块的性能分数。

多模式情况下的决策一致性对于ADV的安全性至关重要。例如，当在舒适性、时延、可控性和安全性方面面临两个同样好的决策时，诸如改变车道以通过障碍物和轻推障碍物，如果ADV不断改变其决策，而不是坚持其中一个决策，它可能会与障碍物发生碰撞。本发明的实施例旨在评估ADV的规划模块在决策一致性以及诸如舒适度、时延、可控性和安全性等其他指标方面的性能。

在一个实施例中，示例性方法包括在自主驾驶模拟平台处接收由ADV在路段上自主驾驶时记录的记录文件；在自主驾驶模拟平台中，基于记录文件模拟ADV的动态模型在路段上的一个或多个驾驶场景期间的操作。方法进一步包括将由动态模型的规划模块在初始时间段后生成的每个规划轨迹与存储在缓冲器中的每个轨迹执行比较；基于比较的结果，修正自主驾驶模拟平台中的由规划性能分析器生成的性能分数。

在一个实施例中，当比较的结果指示相同的决策时，性能分数保持不变，并且当比较的结果指示不同的决策时，通过从性能分数中减去若干分来进行惩罚。

在一个实施例中，缓冲器具有预定大小，并且存储由ADV的动态模型在初始时间段期间生成的规划轨迹。此后，可以将每个规划轨迹与存储在缓冲器中的每个历史规划轨迹进行比较。一旦与缓冲器中的每个历史规划轨迹进行比较，可以将当前规划轨迹从一端插入缓冲器，并且同时从另一端从缓冲器中移出另一个规划轨迹。

在一个实施例中，当比较每对规划轨迹时，在它们的形状和动态模型在每个规划轨迹上的多个点中的每一个处的速度方面进行比较。

上述实施例并非穷举本发明的所有方面。预期本发明包括可以从上述总结的各种实施例的所有合适组合以及下文公开的那些实施例中实施的所有实施例。

性能评估

图1示出用于本发明的一些实施例的自主驾驶模拟平台的示例。

ADV的安全性和可靠性由大规模的功能和性能测试来保证，如果这些测试是在道路上使用物理车辆进行的，那么这些测试既昂贵又耗时。此图中所示的模拟平台101可用于以更低的成本和更高效的方式执行这些任务。

在一个实施例中，示例模拟平台101包括ADV的动态模型102、基于游戏引擎的模拟器105和记录文件播放器108。基于游戏引擎的模拟器105可以提供3D虚拟世界，其中传感器可以感知并为环境的每一部分提供精确的真值数据。记录文件播放器108可以回放真实世界中记录的用于测试动态模型102的各个模块的功能和性能的记录文件。

在一个实施例中，ADV动态模型102可以是包括多个核心软件模块的虚拟车辆，多个核心软件模块包括感知模块405、预测模块107、规划模块109、控制模块111、定位模块115，CAN总线模块123。这些模块的这些功能将在图7中详细描述。

如进一步所示，模拟平台101可以包括监护模块117，其是在监控器125检测到故障时执行动作中心的功能并且进行干预的安全模块。当所有模块按预期工作时，监护模块117允许控制流正常工作。当监控器125检测到其中一个模块中发生碰撞时，监护模块127可以阻止控制信号到达CAN总线123并且可以使ADV动态模型102停止。

模拟平台101可以包括人机接口(HMI)127，其是用于查看动态模型102的状态并实时控制动态模型102的模块。

图2示出了根据一个实施例的评估ADV的规划功能的过程。

如图2所示，评估过程可以在模拟平台101内执行，其中周围环境201通过上传到模拟平台101的记录文件输入。

在一个实施例中，记录文件可以包括自主驾驶模块在道路测试期间的每一帧的输出，并且可以被重放以重新创建用于模拟ADV的动态模型的操作的虚拟环境。虚拟环境可以包括静态场景和动态场景的信息。静态场景的信息可以包括各种静止的交通标志，诸如停车线、交通标志等。动态场景的信息可以包括ADV周围的动态交通流，诸如车辆、行人、交通灯等。

在一个实施例中，在模拟期间，动态模型的规划模块203可以每帧(例如，每100ms)生成规划轨迹205，其可以被馈送到规划性能分析器207中。规划性能分析器207可以在时延、可控性、安全性和舒适性方面评估规划轨迹205。

在一个实施例中，在时延方面，特征可以包括选择的轨迹时延、之字形轨迹时延和阶段完成时间。在可控性方面，特征可以包括非换档轨迹长度比、初始航向差比、归一化曲率比、曲率变化率比、加速度比、减速度比和纵向加加速度比。在舒适性方面，特征可以包括纵向加加速度比、横向加加速度比、纵向加速度比和横向加速度比、纵向减速度比、横向减速度比、边界距离比、障碍物距离比和碰撞时间比。在安全性方面，特征可以包括障碍物距离比，以及碰撞时间比。提供上述特征是为了说明的目的。可以针对上述四个方面中的每一个提取和计算不同的特征或附加特征。

基于以上特征，规划性能分析器207可以每帧为规划模块生成性能分数，并针对所有帧生成性能分数208。性能分数208可以是直到特定时间点的所有帧的数学平均值或加权平均值。如果使用加权平均值，则可以为每个帧分配权重，该权重指示动态模型的周围环境在特定时刻的复杂性。

例如，如果对于特定帧，ADV的动态模型周围存在大量流量，则可以给予该帧的性能分数更大的权重。

在一个实施例中，在模拟的初始时间段(例如，2分钟)期间生成的规划轨迹可以存储在缓冲器队列209中。给定ADV的动态模型的规划周期(例如100ms)，可以计算出动态模型在初始时间段内生成的规划轨迹的总数。缓冲器队列的大小可以基于初始时间段内生成的规划轨迹的总数来确定。缓冲器队列需要足够大以存储初始时间段内所有规划的轨迹。

在初始时间段之后，在生成帧的性能分数的同时，可以由决策比较模块211将该帧的规划轨迹与存储在缓冲器队列209中的每个历史规划轨迹进行比较。

在一个实施例中，决策比较模块211可以是软件模块或经训练的神经网络模型。当实现为神经网络模型时，决策比较模块211可以将两个语义图作为输入，并输出指示两个语义图之间的相似性的分数。语义图可以对要比较的一对规划轨迹进行编码。因此，两个语义图之间的差表示正在比较的一对规划轨迹之间的差。

在一个实施例中，每个语义图可以是对规划轨迹和车辆在规划轨迹上的多个点中的每一个处的速度进行编码的图像。不同色调的蓝色或其他颜色可用于表示语义图上的不同速度。

决策比较模块211作为神经网络模型，可以比较这对语义图以确定两个语义是否相似。基于比较，决策比较模块211可以输出指示该对规划轨迹代表相同决策还是两个不同决策的指示符。

例如，在模拟过程中，ADV的动态模型与另一车辆在同一车道上行驶并且另一辆车阻挡动态模型。如果在特定帧期间，动态模型的规划模块203生成规划的轨迹，其形状表明动态模型旨在从左侧通过阻挡车辆，并且在紧接的下一帧期间，规划模块203生成规划的轨迹，其形状表明动态旨在从右侧通过阻挡车辆，则决策比较模块211可以决定两个规划轨迹不同，因为它们的形状实质上不同。

作为另一示例，在上述场景中，即使规划轨迹实质相同，但是如果两个规划轨迹上对应点处的速度之间的差超过预定阈值，则决策比较模块211仍会确定：两个规划的轨迹代表了两种不同的决策。

因此，当当前规划轨迹与每个历史规划轨迹进行比较时，决策比较模块211可以输出比较结果。当比较结果表明相同的决策210时，决策比较模块211将不修正性能分数208；否则，决策比较模块211将通过从性能分数208中减去若干分来惩罚213性能分数208。在将当前规划轨迹与缓冲器队列209中的每个历史规划轨迹进行比较之后，保存当前规划轨迹到缓冲器队列209。

因此，当模拟完成时，性能分数208可用于指示在虚拟环境中在多模式情况下动态模型的决策一致性水平。

例如，性能分数208与从经验数据得出的适当阈值相结合，可以指示ADV的动态模型在其决策从特定侧通过阻挡车辆时是否一致。如果一致性水平较低，这可能表明动态模型旨在在一帧从左侧通过阻挡车辆，并且打算在另一帧从右侧通过阻挡车辆，则可能发生与阻挡车辆的碰撞。

图3进一步示出了根据一个实施例的评估ADV的规划功能的过程。更特别地，图3示出了用于存储历史规划轨迹的缓冲器队列209。

如图3所示，历史规划轨迹缓冲器队列209可以包括多个规划轨迹，例如，规划轨迹A301、规划轨迹B 303和规划轨迹N。存储在缓冲器队列209中的规划轨迹的数量可以基于测试运行的持续时间来确定。在一个实施例中，缓冲器队列209需要足够大以容纳在测试运行期间(其可以是模拟开始之后的初始时间段(例如，前2分钟))生成的所有规划轨迹，。

当前规划轨迹205可以与存储在缓冲器队列209中的每个规划轨迹进行比较，然后存储在缓冲器队列209中。当前规划轨迹205可以从一端推送到缓冲器队列209，并且在同时，可以从缓冲器队列209中弹出缓冲器队列209中最旧的规划轨迹。因此，规划轨迹的添加和移除是根据先进先出(FIFO)策略进行的。

图4是示出根据另一个实施例的评估ADV的轨迹规划中的决策一致性的过程的流程图。该过程可以由可以包括软件、硬件或其组合的处理逻辑来执行。例如，该过程可以由图2中描述的各种软件组件执行。

如图4所示，在操作401中，自主驾驶模拟平台处的处理逻辑接收由ADV在路段上自主驾驶时记录的记录文件。模拟平台可以有标准接口，其使得能够上传适当格式的记录文件。记录文件可以包括由在其上行驶的车辆记录的路段的静态场景和动态场景。记录文件还可以包括记录车辆的每个自主驾驶模块的实时输出消息。当自主车辆在路段上行驶时，输出消息可以包括每帧(例如，规划周期)的实时规划轨迹。记录可以由模拟平台重放，或者用于创建虚拟路段以模拟ADV的动态模型的操作。动态模型可以是虚拟的ADV，并且可以包括一个或多个要被测试和评估的自主驾驶模块。

在操作403中，处理逻辑操作以模拟ADV的动态模型在虚拟路段上的一个或多个驾驶场景期间的操作。一个或多个驾驶场景中的每一个可以是从记录文件得出的驾驶场景。驾驶场景的示例包括有交通灯的十字路口、有行人的场景以及有阻挡车辆的场景。动态模型包括其性能将被评估的规划模块。规划模块在在虚拟路段上通过一个或多个驾驶场景的模拟期间生成每帧的规划轨迹。

在操作405中，处理逻辑在由动态模型的规划模块在初始时间段之后生成的每个规划轨迹与存储在缓冲器中的每个轨迹之间执行比较。直到动态模型运行一段时间后才开始比较，在此期间处理逻辑用规划的轨迹填充缓冲器。缓冲器可以是缓冲器队列，其大小基于初始时间段的长度来设置。在初始时间段(也称为测试运行)之后，可以将由动态模型生成的每个规划轨迹与存储在缓冲器中的每个历史规划轨迹进行比较。比较可以由经训练的神经网络执行，经训练的神经网络将一对语义图作为输入。语义图对要比较的轨迹进行编码。神经网络基于这对语义图输出决策结果。每个语义图可以对规划轨迹的形状和轨迹上多个等距点中的每一个处的车辆的速度进行编码。速度可以用颜色的不同色调来表示。在比较当前轨迹和缓冲器中的历史轨迹的同时，处理逻辑可以从模拟开始就评估规划模块在舒适性、时延、可控性和安全性方面的性能；并输出性能分数。

在操作407中，处理逻辑可以基于每帧的比较结果来修正性能分数。因此，在初始时间段之后，当前规划轨迹和历史规划帧之间的每次比较都可能潜在地导致性能分数的变化。如果比较的结果表明相同的决策，则性能分数不会改变；否则，可以从性能分数中减去一分或多分。

因此，上述模拟过程的最终结果可以生成修正的性能分数，反映在多模式情况下规划模块的决策一致性。修正后的分数反映规划模块的安全性、可控性、时延和舒适性以及决策一致性。

自主驾驶车辆

图5是示出根据本发明一个实施例的自主驾驶车辆的框图。参考图5，自主驾驶车辆501可以通过网络通信地耦接到一个或多个服务器，网络可以是任何类型的网络，诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络或其组合，有线或无线。服务器可以是任何类型的服务器或服务器群集，诸如Web或云服务器、应用服务器、后端服务器或它们的组合。服务器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。

自主驾驶车辆指的是能够被配置为处于自主模式的车辆，在自主模式中，车辆在驾驶员很少或没有输入的情况下导航通过环境。这种自主驾驶车辆可包括具有一个或多个传感器的传感器系统，传感器被配置为检测关于车辆操作于其中的环境的信息。车辆及其相关联的控制器使用检测的信息导航通过环境。自主驾驶车辆501可以以手动模式、全自主模式或部分自主模式操作。

在一个实施例中，自主车辆501包括但不限于自主驾驶系统(ADS)510、车辆控制系统511、无线通信系统512、用户接口系统513和传感器系统515。自主驾驶车辆501还可包括在普通车辆中包括的某些常见组件，例如引擎、车轮、转向盘、变速器等，这些组件可以被车辆控制系统511和/或ADS 510使用各种通信信号和/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)控制。

组件510-515可以经由互连、总线、网络或其组合彼此通信地耦接。例如，组件510-515可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是一种车辆总线标准，其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议，最初被设计用于汽车内的多路电气布线，但是也用于许多其它环境中。

现在参考图6，在一个实施例中，传感器系统515包括但不限于一个或多个相机611、全球定位系统(GPS)单元612、惯性测量单元(IMU)613、雷达单元614以及光检测和测距(light detection and range，LIDAR)单元615。GPS系统612可包括可操作以提供关于自主驾驶车辆的位置的信息的收发器。IMU单元613可基于惯性加速度感测自主驾驶车辆的位置和朝向变化。雷达单元614可以表示使用无线电信号感测自主驾驶车辆的局部环境内的对象的系统。在一些实施例中，除了感测对象之外，雷达单元614还可以额外地感测对象的速度和/或航向。LIDAR单元615可以使用激光感测自主驾驶车辆所处的环境中的对象。LIDAR单元615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，以及其他系统组件。相机611可包括一个或多个设备以捕获自主驾驶车辆周围的环境的图像。相机611可以是静态相机和/或摄影机。相机可以是机械可移动的，例如通过将相机安装在旋转和/或倾斜的平台上。

传感器系统515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、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主驾驶车辆周围的环境的声音。转向传感器可以被配置为感测转向盘、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。在一些情况下，油门传感器和制动传感器可以集成为集成的油门/制动传感器。

在一个实施例中，车辆控制系统511包括但不限于转向单元601、油门单元602(也称为加速单元)和制动单元603。转向单元601用于调节车辆的方向或航向。油门单元602用于控制马达或引擎的速度，马达或引擎的速度转而控制车辆的速度和加速度。制动单元603通过提供摩擦力以使车辆的车轮或轮胎变慢来使车辆减速。注意，图6所示的组件可以以硬件、软件或其组合实现。

返回参考图5，无线通信系统512允许自主驾驶车辆501和外部系统，诸如设备、传感器、其他车辆等之间的通信。例如，无线通信系统512可以直接或经由通信网络与一个或多个设备无线通信。无线通信系统512可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如使用WiFi与另一组件或系统通信。无线通信系统512可以例如使用红外链路、蓝牙等直接与设备(例如，乘客的移动设备、显示设备、车辆501内的扬声器)通信。用户接口系统513可以是在车辆501内实现的外围设备的部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。

自主驾驶车辆501的一些或全部功能可以由ADS 510控制或管理，尤其是在以自主驾驶模式操作时。ADS 510包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路由程序)，以从传感器系统515、控制系统511、无线通信系统512和/或用户接口系统513接收信息，处理接收的信息，规划从起点到目的地点的路线或路径，然后基于规划和控制信息驾驶车辆501。可替换地，ADS 510可以与车辆控制系统511集成。

例如，作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。ADS510获得行程相关数据。例如，ADS 510可以从MPOI服务器获得位置和路线数据。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI。可替换地，这种位置和MPOI信息可本地缓存在ADS 510的永久存储设备中。

当自主驾驶车辆501沿着路线移动时，ADS 510还可以从交通信息系统或服务器(traffic information system or server，TIS)获得实时交通信息。注意，服务器可以由第三方实体操作。可替换地，服务器的功能可以与ADS 510集成。基于实时交通信息、MPOI信息和位置信息，以及由传感器系统515检测或感测的实时局部环境数据(例如，障碍物、对象、附近车辆)，ADS 510可规划最佳路线，并例如经由控制系统511根据规划路线驾驶车辆501，以安全且高效地到达指定目的地。

图7是示出根据一个实施例的与自主驾驶车辆一起使用的自主驾驶系统的示例的框图。系统700可以实现为图5的自主驾驶车辆501的一部分，包括但不限于ADS 510、控制系统511和传感器系统515。参考图7，ADS 510包括但不限于定位模块701、感知模块702、预测模块703、决策模块704、规划模块705、控制模块706、路由模块707。

模块701-706中的一些或全部可以以软件、硬件或其组合来实现。例如，这些模块可以安装在永久存储设备752中，加载到存储器751中，并由一个或多个处理器(未示出)执行。注意，这些模块中的一些或全部可以通信地耦接到图6的车辆控制系统511的一些或所有模块或与它们集成。模块601-606中的一些可以集成在一起作为集成模块。

定位模块701确定自主驾驶车辆501的当前位置(例如，利用GPS单元612)并管理与用户的行程或路线有关的任何数据。定位模块701(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户接口登录并指定行程的起始位置和目的地。定位模块701与自主驾驶车辆501的其他组件交流诸如地图和路线信息311，以获得与行程有关的数据。例如，定位模块701可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线数据。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI，它们可作为地图和路线数据711的部分被缓存。当自主驾驶车辆300沿着路线移动时，定位模块701还可以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515提供的传感器数据和由定位模块701获得的定位信息，由感知模块702确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可包括车道配置、交通灯信号、例如以对象形式的另一车辆、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让步标志)等的相对位置。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，直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶出车道等。

感知模块702可包括计算机视觉系统或计算机视觉系统的功能，以处理和分析由一个或多个相机捕获的图像，以便识别自主驾驶车辆的环境中的对象和/或特征。对象可包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪和其它计算机视觉技术。在一些实施例中，计算机视觉系统可以映射环境、跟踪对象、以及估计对象的速度等。感知模块702还可基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。

对于每个对象，预测模块703预测对象将在环境下表现什么。根据一组地图/路线信息711和交通规则712，基于感知在时间点处的驾驶环境的感知数据执行预测。例如，如果对象是在相反方向上的车辆并且当前驾驶环境包括十字路口，则预测模块803将预测车辆将可能直线向前移动还是转弯。如果感知数据指示十字路口没有交通灯，则预测模块803可以预测车辆在进入十字路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块703可预测车辆将更可能分别进行左转弯或右转弯。

对于每个对象，决策模块704作出关于如何处理该对象的决策。例如，对于特定对象(例如，在交叉路线中的另一车辆)以及描述该对象的元数据(例如，速度、方向、转向角)，决策模块704决策如何遇到该对象(例如，超车、让行、停止、通过)。决策模块704可根据一组规则，诸如交通规则或驾驶规则712作出这些决策，这组规则可存储于永久存储设备752中。

路由模块707被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程，路由模块707获得路线和地图信息711并且确定从起始位置用以到达目的地位置的所有可能的路线或路径。路由模块707可以为其确定的从起始位置用以到达目的地位置的每个路线生成地形图形式的参考线。参考线是指没有来自诸如其它车辆、障碍物或交通状况的其它者的任何干扰的理想路线或路径。也就是说，如果在道路上没有其它车辆、行人或障碍物，则ADV应该精确地或紧密地跟随参考线。然后，地形图被提供给决策模块704和/或规划模块705。决策模块704和/或规划模块705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701的交通状况、由感知模块702感知的驾驶环境和由预测模块703预测的交通状况)选择和修正最佳路线中的一个。取决于在时间点的特定驾驶环境，用于控制ADV的实际路径或路线可以接近或不同于由路由模块707提供的参考线。

基于对于每个感知的对象的决策，规划模块705使用由路由模块707提供的参考线作为基础规划用于自主驾驶车辆的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，对于给定对象，决策模块704决策对该对象做什么，而规划模块705确定如何做。例如，对于给定对象，决策模块704可以决策经过对象，而规划模块705可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块705生成，包括描述车辆501在下一个移动周期(例如，下一个路线/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512以30英里每小时(mph)的速度移动10米，然后以25mph的速度改变到右车道。

基于规划和控制数据，控制模块706通过根据由规划和控制数据限定的路线或路径向车辆控制系统511发送适当的命令或信号控制和驾驶自主驾驶车辆。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适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。

在一个实施例中，规划阶段在多个规划周期(也称为驾驶周期，诸如在100毫秒(ms)的每个时间间隔内)内执行。对于每个规划周期或驾驶周期，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块705规划下一个路线段或路径段，例如包括目标位置和ADV到达目标位置所需的时间。可替换地，规划模块705还可指定具体速度、方向和/或转向角等。在一个实施例中，规划模块705为下一预定的时间段，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805基于在先前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。然后控制模块706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)。

注意，决策模块704和规划模块705可以集成为集成模块。决策模块704/规划模块705可包括导航系统或导航系统的功能，以确定用于自主驾驶车辆的驾驶路径。例如，导航系统可以确定一系列速度和方向航向，以影响自主驾驶车辆沿着基本上避开感知的障碍物的路径的移动，同时大体使自主驾驶车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统513的用户输入而被设置。当自主驾驶车辆在操作时，导航系统可以动态地更新驾驶路径。导航系统可以并入来自GPS系统的数据和一个或多个地图，以便确定用于自主驾驶车辆的驾驶路径。

根据一个实施例，如上所述的自主驾驶系统的系统架构包括但不限于应用层、规划和控制(PNC)层、感知层、设备驱动层、固件层和硬件层。应用层可包括与自主驾驶车辆的用户或乘客交互的用户接口或配置应用，诸如例如与用户接口系统513相关联的功能。PNC层可包括至少规划模块705和控制模块706的功能。感知层可以包括至少感知模块702的功能。在一个实施例中，存在包括预测模块703和/或决策模块704的功能的附加层。可替换地，这样的功能可以包括在PNC层和/或感知层中。固件层可以至少代表传感器系统515的功能，其可以以现场可编程门阵列(FPGA)的形式实现。硬件层可以代表自主驾驶车辆的硬件，诸如控制系统511。应用层、PNC层和感知层可以经由设备驱动层与固件层和硬件层进行通信。

注意，如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如，这些组件可以被实现为安装并存储在永久存储设备中的软件，软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的过程或操作。可替换地，这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码，专用硬件诸如集成电路(例如，专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)，可执行代码可经由来自应用的对应驱动器和/或操作系统访问。此外，这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑，作为经由一个或多个特定指令软件组件可访问的指令集的一部分。

已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操纵的那些操作。

然而，应当记住的是，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标记。除非特别声明，否则从以上讨论中显而易见的是，应当理解的是，在整个说明书中，使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程，所述计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似地表示为物理量的其它数据。

本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非瞬态计算机可读介质中。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制。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、闪存设备)。

在前述附图中描述的过程或方法可以由包括硬件(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)或两者的组合的处理逻辑来执行。尽管以上根据一些顺序操作描述了过程或方法，但是应当理解的是，可以以不同的顺序执行所述的一些操作。此外，一些操作可以并行地而不是顺序地执行。

本公开的实施例不是参考任何特别编程语言描述的。将了解，可使用各种编程语言实施如本文所述的本公开的实施例的教示。

在前述说明书中，已经参考本公开的具体示例性实施例描述了本公开的实施例。显然，在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下，可以对其进行各种修正。因此，说明书和附图应被认为是说明性的而不是限制性的。

Claims (10)

1.一种评估自主驾驶车辆(ADV)的规划功能的方法，所述方法包括：

在自主驾驶模拟平台处接收由ADV在路段上自主驾驶时记录的记录文件；

在自主驾驶模拟平台中，基于记录文件模拟ADV的动态模型在路段上在一个或多个驾驶场景期间的操作；

将由动态模型的规划模块在初始时间段后生成的每个规划轨迹与存储在缓冲器中的每个轨迹进行比较；以及

基于比较的结果，修正由自主驾驶模拟平台中的规划性能分析器生成的性能分数。

2.如权利要求1所述的方法，其中性能分数的修正包括：当比较的结果表明相同的决策时，性能分数保持不变；当比较的结果表明不同的决策时，从性能分数中减去若干分。

3.如权利要求2所述的方法，其中，缓冲器具有预定大小，并且存储由ADV的动态模型在紧接在当前规划周期之前的时间段内生成的规划轨迹，所述时间段在长度上等于初始时间段。

4.如权利要求2所述的方法，其中，规划轨迹根据先进先出(FIFO)策略存储在缓冲器中。

5.如权利要求2所述的方法，其中，相同决策和不同决策中的每一个是基于被比较的规划轨迹的形状以及被比较的每个规划轨迹上的多个点中的每个点处的动态模型的速度做出的。

6.如权利要求1所述的方法，其中，由规划性能分析器生成的性能分数测量规划模块在舒适度、时延、可控性和安全性方面的性能。

7.如权利要求1所述的方法，其中，修正后的性能分数测量规划模块在舒适度、时延、可控性、安全性和决策一致性方面的性能。

8.一种其中存储有指令的非暂时性机器可读介质，当所述指令由处理器执行时，使处理器执行如权利要求1-7中任一项所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

9.一种数据处理系统，包括：

处理器；以及

存储器，耦接到处理器并存储指令，当由处理器执行指令时，使处理器执行如权利要求1-7中任一项所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时使得所述处理器执行如权利要求1-7中任一项所述的评估自主驾驶车辆(ADV)的规划功能的方法的操作。

Images