CN115892058A

CN115892058A - 自主前瞻方法和系统

Info

Publication number: CN115892058A
Application number: CN202210546322.0A
Authority: CN
Inventors: R.雷谢夫; Z.布纳亚; V.戈德纳
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2021-08-03
Filing date: 2022-05-18
Publication date: 2023-04-04
Also published as: DE102022111165A1; US20230044344A1; US12091060B2

Abstract

提供了用于控制自主车辆的方法和系统。在一实施例中，一种方法包括：由处理器识别对即将到来道路的纵向维度的至少一个约束；由处理器基于至少一个约束的类型来定义约束激活逻辑；由处理器执行约束激活逻辑，以将约束的状态确定为活动的和非活动的中的至少一个；当约束的状态是活动的时，由处理器基于约束来验证自主车辆的运动计划；以及基于运动计划的验证来选择性地控制自主车辆。

Description

自主前瞻方法和系统

技术领域总体涉及用于控制自主车辆的方法和系统，更具体地，涉及利用基于环境规则的前瞻来约束驾驶策略的方法和系统。

背景技术

自主车辆是一种能够感知其环境并在很少或没有用户输入的情况下导航的车辆。自主车辆使用诸如惯性测量单元、雷达、激光雷达、图像传感器等感测设备来感测其环境。自主车辆系统还使用来自全球定位系统(GPS)技术、导航系统、车对车通信、车对基础设施技术和/或线控系统的信息来导航车辆。

车辆自动化已经被分类为数字级别，范围从零到五，零对应于具有完全人工控制的无自动化，五对应于没有人工控制的完全自动化。各种自动化驾驶辅助系统如巡航控制、自适应巡航控制和停车辅助系统对应于较低的自动化水平，而真正的“无人驾驶”车辆对应于较高的自动化水平。

自主主体在他们必须遵守交通规则的环境中驾驶，比如：减速限速、停车标志、为交通让行等。因此，自主驾驶政策必须包括前瞻部件，以确保在其规划视距(horizon)内外遵守这些规则或约束。因此，期望提供一种框架，以基于环境条件或规则用前瞻来约束驾驶策略。此外，结合附图和前述技术领域和背景技术，从随后的详细描述和所附权利要求中，本发明的其他期望特征和特性将变得显而易见。

发明内容

在各种实施例中，验证包括基于运动计划的期望速度来验证自主车辆的限定视距内的运动计划。

在各种实施例中，验证还包括基于运动计划的终端姿态来验证自主车辆的限定视距外的运动计划。

在各种实施例中，验证还基于对终端姿态的约束的反向传播限制。

在各种实施例中，约束激活逻辑基于确定的不返回点将约束的状态定义为活动的，其中不返回点基于制动距离来确定，该制动距离基于自主车辆的所有可能速度和约束的位置。

在各种实施例中，当自主车辆尚未到达当前速度的不返回点时，约束激活逻辑将约束的状态定义为活动的。

在各种实施例中，当自主车辆已经到达或通过当前速度的不返回点并且计划被预测为对于确定的最坏情况场景是安全的时，约束激活逻辑将约束的状态定义为活动的。

在各种实施例中，该方法还包括将约束的约束类型识别为与停止标志相关的物理停止条。

在各种实施例中，约束激活逻辑将约束的状态定义为活动的，直到从驾驶员接收到反馈以超越计划。

在各种实施例中，约束激活逻辑将约束的状态定义为活动的，直到确定车辆停止预定时间。

在各种实施例中，该方法还包括由处理器将约束的约束类型识别为与交通控制设备相关的虚拟停止条。

在各种实施例中，当灯的状态为闪烁黄色或显示红色时，约束激活逻辑将约束的状态定义为活动的。

在各种实施例中，该方法包括由处理器将约束的约束类型识别为在让行交通操纵前方创建的虚拟条。

在各种实施例中，约束激活逻辑基于连接车道中其他车辆的预测将约束的状态定义为活动的。

在各种实施例中，由处理器将约束的约束类型识别为沿着限制最大驾驶速度的圆形曲线的点。

在另一实施例中，提供了一种用于控制车辆的系统。该系统包括：输入装置，其接收指示对即将到来道路的纵向维度的至少一个约束的信息；以及控制模块，其配置为由处理器基于至少一个约束的类型来定义约束激活逻辑，执行约束激活逻辑以确定约束的状态为活动的和非活动的中的至少一种，当约束的状态为活动的时，基于约束来验证自主车辆的运动计划，以及基于运动计划的验证来选择性地控制自主车辆。

在各种实施例中，控制模块还配置成由处理器将约束的类型确定为与停止标志相关的物理停止条、与交通控制设备相关的虚拟停止条、在让行交通操纵前方创建的虚拟条以及沿着限制最大驾驶速度的圆形曲线的点中的一个。

在各种实施例中，控制模块配置成基于运动计划的期望速度来验证自主车辆的限定视距内的运动计划，并且基于运动计划的终端姿态来验证自主车辆的限定视距外的运动计划。

在各种实施例中，控制模块配置成基于对终端姿态的约束的反向传播限制来验证限定视距外的运动计划。

在各种实施例中，控制模块配置为基于确定的不返回点将约束的状态定义为活动的，其中不返回点是基于制动距离确定的，该制动距离基于自主车辆的所有可能速度和约束的位置。

附图说明

下文将结合以下附图描述示例性实施例，其中相同的附图标记表示相同的元件，其中：

图1是示出根据各种实施例的具有运动计划验证系统的自主车辆的功能框图；

图2是示出根据各种实施例的具有图1的一个或多个自主车辆的运输系统的功能框图；

图3是示出根据各种实施例的自主车辆的自主驾驶系统并结合运动计划验证的功能框图；

图4是示出根据各种实施例的运动计划验证系统的示意图；以及

图5是示出根据各种实施例的用于验证自主车辆的运动计划的方法的流程图。

具体实施方式

下面的详细描述本质上仅仅是示例性的，并不旨在限制应用和使用。此外，没有意图被在前面的技术领域、背景、简要概述或下面的详细描述中提出的任何明示或暗示的理论所束缚。如本文所用，术语模块指的是任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，单独地或以任何组合的形式，包括但不限于：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(共享的、专用的或成组的)和存储器、组合逻辑电路和/或提供所述功能的其他合适部件。

本文可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解，这种块部件可以由配置成执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，它们可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。此外，本领域技术人员将理解，本公开的实施例可以结合任何数量的系统来实践，并且本文描述的系统仅仅是本公开的示例性实施例。

为了简洁起见，与信号处理、数据传输、信令、控制和系统的其他功能方面(以及系统的各个操作部件)相关的传统技术在此可能不详细描述。此外，本文包含的各个图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代的或附加的功能关系或物理连接。

参考图1，根据各种实施例，在100处总体示出的运动计划验证系统与车辆10相关。一般而言，运动计划验证系统100提供了基于环境条件或规则用前瞻来约束驾驶策略的框架。此外，不管采用什么样的规划方法，都要对策略进行评估、验证或无效。因此，运动规划系统基于此而智能地控制车辆10。

如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上，并基本包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16-18各自在车身14的相应拐角附近可旋转地联接到底盘12。

在各种实施例中，车辆10是自主车辆，并且运动计划验证系统100被结合到自主车辆10(以下称为自主车辆10)中。自主车辆10例如是被自动控制以将乘客从一个地点运送到另一个地点的车辆。在所示实施例中，车辆10描述为客车，但应当理解，也可以使用包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、海船、飞机等在内的任何其他交通工具。在示例性实施例中，自主车辆10是所谓的四级或五级自动化系统。四级系统指示“高度自动化”，指的是自动驾驶系统对动态驾驶任务的所有方面的驾驶模式特定性能，即使人类驾驶员没有对干预请求做出适当响应。五级系统表示“完全自动化”，指的是自动驾驶系统在人类驾驶员可以管理的所有道路和环境条件下动态驾驶任务的所有方面的全时性能。

如图所示，自主车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储设备32、至少一个控制器34和通信系统36。在各种实施例中，推进系统20可包括内燃机、电机如牵引电机和/或燃料电池推进系统。传动系统22配置成根据可选择的速度比将动力从推进系统20传递到车轮16-18。根据各种实施例，传动系统22可包括有级自动变速器、无级变速器或其他合适的变速器。制动系统26配置为向车轮16-18提供制动扭矩。在各种实施例中，制动系统26可包括摩擦制动器、线制动、再生制动系统如电机和/或其他合适的制动系统。转向系统24影响车轮16-18的位置。尽管出于说明的目的被描绘为包括方向盘，但在本发明范围内预期的一些实施例中，转向系统24可以不包括方向盘。

传感器系统28包括一个或多个感测设备40a-40n，其感测自主车辆10的外部环境和/或内部环境的可观测条件。感测设备40a-40n可以包括但不限于雷达、激光雷达、全球定位系统、光学相机、热感相机、超声波传感器、惯性测量单元和/或其他传感器。致动器系统30包括一个或多个致动器装置42a-42n，其控制一个或多个车辆特征，例如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各种实施例中，车辆特征可以进一步包括内部和/或外部车辆特征，例如但不限于门、行李箱和车厢特征，例如通风、音乐、照明等(未编号)。

通信系统36配置成向和从其他实体48无线传送信息，其他实体48例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程系统和/或个人设备(关于图2更详细地描述)。在示例性实施例中，通信系统36是配置成使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信的无线通信系统。然而，诸如专用短程通信(DSRC)信道的附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车应用设计的单向或双向短程到中程无线通信信道，以及相应的一组协议和标准。

数据存储设备32存储用于自动控制自主车辆10的数据。在各种实施例中，数据存储设备32存储可导航环境的定义地图。在各种实施例中，定义的地图可以由远程系统预定义并从远程系统获得(参考图2进一步详细描述)。例如，定义的地图可由远程系统组装并传送给自主车辆10(无线地和/或以有线方式)并存储在数据存储设备32中。可以理解，数据存储设备32可以是控制器34的一部分，与控制器34分离，或者是控制器34的一部分和独立系统的一部分。

控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或市场上可买到的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关的几个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器、它们的任何组合，或者通常是用于执行指令的任何设备。计算机可读存储设备或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储。KAM是永久性或非易失性存储器，当处理器44断电时，其可用于存储各种操作变量。计算机可读存储设备或介质46可以使用多种已知存储设备中的任何一种来实现，例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或任何其他能够存储数据的电、磁、光或组合存储设备，其中一些表示控制器34在控制自主车辆10时使用的可执行指令。

指令可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时，这些指令接收并处理来自传感器系统28的信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并向致动器系统30生成控制信号，以基于该逻辑、计算、方法和/或算法自动控制自主车辆10的部件。尽管在图1中仅示出了一个控制器34，但自主车辆10的实施例可以包括任何数量的控制器34，这些控制器通过任何合适的通信介质或通信介质的组合进行通信，并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法，并且生成控制信号以自动控制自主车辆10的特征。

在各种实施例中，控制器34的一个或多个指令体现在运动计划验证系统100中，并且当由处理器44执行时，识别道路纵向维度上的物理或虚拟约束(例如包括位置和速度约束的速率约束)。这可能是与附近的停止标志(始终打开)相关的物理停止条、与交通控制设备(根据设备状态切换)相关的虚拟停止条、沿着限制最大行驶速度的圆形曲线上的点或在让行交通操纵前方创建的虚拟停止条。此后，指令定义约束激活逻辑，并将激活状态标识为活动的或非活动的之一。如下面将更详细讨论，如果约束被确定为活动的，则指令对照约束的指定纵向位置处的限制来验证运动计划—在车辆的计划视距内和计划视距外，或者使不符合限制的运动计划无效。

现在参考图2，在各种实施例中，参考图1描述的自主车辆10可以适用于特定地理区域(例如城市、学校或商业校园、购物中心、游乐园、活动中心等)中的出租车或班车系统的环境中，或者可以简单地由远程系统管理。例如，自主车辆10可以与基于自主车辆的远程运输系统相关。图2示出了总体在50处示出的操作环境的示例性实施例，该操作环境包括基于自主车辆的远程运输系统52，其与一个或多个自主车辆10a-10n相关，如参考图1所述。在各种实施例中，操作环境50还包括经由通信网络56与自主车辆10和/或远程运输系统52通信的一个或多个用户设备54。

通信网络56根据需要支持由操作环境50支持的设备、系统和部件之间的通信(例如经由有形通信链路和/或无线通信链路)。例如，通信网络56可以包括无线载波系统60，例如包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)的蜂窝电话系统，以及将无线载波系统60与陆地通信系统连接所需的任何其他网络部件。每个蜂窝塔包括发送和接收天线以及基站，来自不同蜂窝塔的基站直接或通过诸如基站控制器的中间设备连接到MSC。无线载波系统60可以实现任何合适的通信技术，包括例如数字技术，诸如CDMA(例如CDMA2000)、LTE(例如4G LTE或5G LTE)、GSM/GPRS或其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置是可能的，并且可以与无线载波系统60一起使用。例如，基站和蜂窝塔可以共同位于同一地点，或者它们可以彼此远离，每个基站可以负责单个蜂窝塔，或者单个基站可以服务各种蜂窝塔，或者各种基站可以耦合到单个MSC，这仅是几个可能的布置。

除了包括无线载波系统60之外，可以包括卫星通信系统64形式的第二无线载波系统，以提供与自主车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来完成。单向通信可以包括例如卫星无线电服务，其中节目内容(新闻、音乐等)由发射站接收，打包上传，然后发送到卫星，卫星将节目广播给用户。双向通信可以包括例如卫星电话服务，其使用卫星来中继车辆10和站之间的电话通信。除了无线载波系统60之外，或者代替无线载波系统60，可以使用卫星电话。

还可以包括陆地通信系统62，其是连接到一个或多个陆线电话的传统基于陆地的电信网络，并且将无线载波系统60连接到远程运输系统52。例如，陆地通信系统62可以包括公共交换电话网(PSTN),例如用于提供硬连线电话、分组交换数据通信和互联网基础设施的网络。陆地通信系统62的一个或多个段可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络比如无线局域网(WLAN)或提供宽带无线接入(BWA)的网络或其任意组合来实现。此外，远程运输系统52不需要经由陆地通信系统62连接，而是可以包括无线电话设备，使得它可以直接与无线网络通信，例如无线载波系统60。

尽管在图2中仅示出了一个用户设备54，但操作环境50的实施例可以支持任何数量的用户设备54，包括由一个人拥有、操作或以其他方式使用的多个用户设备54。操作环境50支持的每个用户设备54可以使用任何合适的硬件平台来实现。在这点上，用户设备54可以任何常见的形式实现，包括但不限于：台式计算机；移动计算机(例如平板电脑、膝上型计算机或上网本计算机)；智能手机；视频游戏设备；数字媒体播放器；家庭娱乐设备；数码相机或摄像机；可穿戴计算设备(例如智能手表、智能眼镜、智能服装)等。由操作环境50支持的每个用户设备54被实现为计算机实现的或基于计算机的设备，其具有执行这里描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑。例如，用户设备54包括可编程设备形式的微处理器，该可编程设备包括存储在内部存储器结构中的一个或多个指令，并用于接收二进制输入以创建二进制输出。在一些实施例中，用户设备54包括能够接收GPS卫星信号并基于这些信号生成GPS坐标的GPS模块。在其他实施例中，用户设备54包括蜂窝通信功能，使得该设备使用一个或多个蜂窝通信协议通过通信网络56执行语音和/或数据通信，如本文所述。在各种实施例中，用户设备54包括视觉显示器，例如触摸屏图形显示器或其他显示器。

远程运输系统52包括一个或多个后端服务器系统，其可以是基于云的、基于网络的，或者驻留在由远程运输系统52服务的特定校园或地理位置。远程运输系统52可以由实时顾问或自动顾问或两者的组合来操纵。远程运输系统52可以与用户设备54和自主交通工具10a-10n通信，以安排乘坐、调度自主车辆10a-10n等。在各种实施例中，远程运输系统52存储账户信息，例如订户认证信息、车辆标识符、简档记录、行为模式和其他相关的订户信息。

根据典型的用例工作流程，远程运输系统52的注册用户可以通过用户设备54创建乘坐请求。乘坐请求通常将指示乘客期望的上车位置(或当前GPS位置)、期望的目的地位置(其可以识别预定义的车辆停靠点和/或用户指定的乘客目的地)以及上车时间。远程运输系统52接收乘坐请求，处理该请求，并调度自主车辆10a-10n中的选定一个(当且如果有一个可用时)在指定的上车地点和适当的时间搭载乘客。远程运输系统52还可以生成并向用户设备54发送适当配置的确认消息或通知，以让乘客知道车辆正在路上。

可以理解的是，本文公开的主题向可被认为是标准或基线自主车辆10和/或基于自主车辆的远程运输系统52提供了某些增强的特征和功能。为此，可以修改、增强或补充自主车辆和基于自主车辆的远程运输系统，以提供下面更详细描述的附加特征。

根据各种实施例，控制器34实施如图3所示的自主驾驶系统(ADS)70。也就是说，控制器34的合适软件和/或硬件部件(例如处理器44和计算机可读存储装置46)被用来提供与车辆10结合使用的自主驾驶系统70。

在各种实施例中，自主驾驶系统70的指令可以通过功能、模块或系统来组织。例如，如图3所示，自主驾驶系统70可以包括计算机视觉系统74、定位系统76、引导系统78和车辆控制系统80。如可以理解的，在各种实施例中，指令可被组织成任何数量的系统(例如组合、进一步划分等)，因为本公开不限于当前的示例。

在各种实施例中，计算机视觉系统74合成并处理传感器数据，并预测车辆10的环境的物体和特征的存在、位置、分类和/或路径。在各种实施例中，计算机视觉系统74可以结合来自多个传感器的信息，包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器。

定位系统76处理传感器数据以及其他数据以确定车辆相对于环境的位置(例如相对于地图的本地位置、相对于道路车道的精确位置、车辆航向、速度等)。引导系统78处理传感器数据以及其他数据，以确定车辆10要遵循的路径。车辆控制系统80根据所确定的路径产生用于控制车辆10的控制信号。

在各种实施例中，控制器34实施机器学习技术来辅助控制器34的功能，比如特征检测/分类、障碍缓解、路线遍历、绘图、传感器集成、地面实况确定等。

如上面简要提到，图1的运动计划验证系统100包括在ADS70内，例如作为单独的系统或作为引导系统78的一部分。在各种实施例中，如关于图4和继续参考图3更详细示出，运动计划验证系统100包括约束识别模块102、约束状态确定模块104和验证模块106。应当理解，根据本公开的运动计划验证系统100的各种实施例可包括嵌入控制器34内的任意数量的子模块，这些子模块可被组合和/或进一步划分以类似地实现本文所述的系统和方法。此外，运动计划验证系统100的输入可以从传感器系统28接收，从数据存储设备32检索，从与自主车辆10相关的其他控制模块(未示出)接收，从通信系统36接收，和/或由图1的控制器34内的其他子模块(未示出)确定/建模。此外，输入还可能经受预处理，例如子采样、降噪、归一化、特征提取、丢失数据减少等。

在各种实施例中，约束识别模块102识别道路纵向位置处的物理或虚拟速度相关约束，并基于此生成约束类型数据110和约束位置数据111。如上所述，约束类型可以是但不限于与附近的停止标志相关的物理停止条、与交通控制设备相关的虚拟停止条、沿着限制最大驾驶速度的圆形曲线上的点、在让出交通操纵前方创建的虚拟条等。在各种实施例中，约束识别模块102基于存储在车辆10的数据存储设备46中的地图数据112、基于从例如车辆10前方的其他车辆或基础设施接收的道路信息114和/或基于由车辆10的感测设备40a-40n产生的传感器数据116来确定约束类型和位置。

在各种实施例中，约束状态确定模块104基于约束类型数据110定义约束激活逻辑，并执行逻辑以识别约束状态118。在各种实施例中，约束激活逻辑将约束状态118定义为活动的或非活动的。例如，当约束类型数据110指示约束类型是在让出交通操纵前方创建的虚拟条时，约束状态确定模块104首先确定不返回点(PoNR)，然后基于该区域中的其他参与者确定最坏情况，并基于该最坏情况生成启发式计划。在各种实施例中，约束状态确定模块104将PoNR确定为虚拟位置s_i，其基于从由约束位置数据111指示的停止约束的实际位置的偏移。使用车辆10可能处于的每个可能的速度v_[T]从停止约束的位置向后计算偏移。偏移与制动距离D(v_[T],0)有关。

在各种实施例中，约束状态确定模块104确定车辆10可以安全地提交执行运动计划，并且因此当以下条件中的任一个适用于车辆的最终状态时，将约束状态118设置为非活动的：s_[T]+D(v_[T],0)<＝s_i(车辆还没有到达PoNR；或者s_[T]+D(v_[T],0)>s_i(车辆已经穿过PoNR)，并且在最坏情况预测下存在来自该终端状态的安全计划π。当在最坏情况预测下不存在来自该终端状态的安全计划π时，约束状态确定模块104将约束状态118设置为非活动的。

当约束类型数据110指示约束类型是沿着限制最大行驶速度的圆形曲线的点时，以某一频率对沿着行驶车道的经度的点进行采样。对于每个采样点i，存储沿车道s_i的经度和该车道的中心曲线(或沿该车道的任何基线曲线)的曲率κ_i(由道路的几何形状决定，因此可以离线缓存)。基于期望的最大横向加速度极限

曲率值被转换成纵向速度极限。这些纵向速度限制然后被用于计算制动距离和评估PoNR以设置如上所述的约束状态118。

当约束类型数据110指示约束类型是与交通控制设备相关的虚拟停止条时，为被确定为活动的交通控制设备收集位置和速度[(s₁,v₁)…(s_k,v_k)}。例如，诸如停车标志的交通控制设备总是被认为是活动的，直到来自驾驶员的反馈被发送以超越计划，或者可替代地，车辆10已经完全停止了某个足够的时间段。在另一示例中，基于连接车道中其他车辆的状态和预测，诸如让行标志的交通控制设备在活动的和非活动的之间动态切换。在又一示例中，只要交通灯闪烁黄色或显示全红色，就认为诸如交通灯的交通控制设备是活动的。

在各种实施例中，验证模块106对照在约束的指定纵向位置处的速度限制来验证运动计划—在其视距内和视距外。验证模块106使任何不符合限制的运动计划无效。例如，验证模块将来自运动计划数据122的期望速度与活动约束进行比较。当期望速度小于或等于限定视距内的所有活动约束时，针对该视距验证运动计划，并且生成视距验证数据124。然而，当期望速度大于限定视距内的至少一个活动约束时，对于该视距的运动计划无效。

在另一示例中，验证模块106基于由运动计划数据122指示的运动计划的最终姿态来验证视距外的运动计划。例如，运动计划在本质上是视距有限的。每个计划都有供车辆1瞄准的终端姿态。因此，(s_[T],v_[T])是在时间T的纵向位置和速度，其代表候选轨迹的末端姿态。如果在该终端姿态之外识别出活动约束，则包括所有k个速度相关约束集{(s₁,v₁)…(s_k,v_k)}的约束被传播回终端姿态(s_[T],v_[T])，以保证未来不会出现“死胡同”情况。预定义的减速运动学模型(例如反映紧急制动)用于传播。例如，D(v_[T],v_i)是使用预定义的减速曲线从速度v_[T]转换到v_i所需的最小行程距离。因此，当

s_[T]+D(v_[T],v_i)<＝s_i,(s_i>s_[T])时，运动计划被验证为“超视距”，并且生成超视距验证数据126。

现在参考图5，并继续参考图1-4，流程图示出了根据本公开的可以由图1的运动计划验证系统100执行的控制方法400。根据本公开可以理解，该方法中的操作顺序不限于如图5所示的顺序执行，而是可以按照适用的和根据本公开的一个或多个不同的顺序来执行。在各种实施例中，方法400可以基于一个或多个预定事件被调度运行，和/或可以在自主车辆10的操作期间连续运行。

在一实施例中，该方法可以开始于405。在410识别约束。此后，在420确定约束是否活动。例如，上面讨论的PoNR方法是基于约束类型来执行的，其中：当确定车辆没有通过PoNR时，状态被设置为不活动，当确定车辆已经通过PoNR时，确定最坏情况。然后确定是否可以建立针对这种最坏情况的安全计划。当针对最坏情况的安全计划可以建立时，状态被设置为不活动。当无法建立最坏情况下的安全计划时，状态被设置为活动。

当在430确定约束是活动的时，在440提取活动约束的运动学限制，并且在450确定是否存在其他约束。当在430确定约束不是活动的时，在450确定是否存在其他约束。

当在450存在其他约束时，该方法继续在410识别约束。当在450不存在附加约束时，例如如上所述，在460基于约束的运动学限制来验证视距内的运动计划，并且在470基于所有活动约束的运动学限制来验证视距外的运动计划。此后，该方法可以在480结束。

虽然在前面的详细描述中已经介绍了至少一个示例性实施例，但应该理解，存在大量的变化。还应当理解，一个或多个示例性实施例仅仅是示例，并不旨在以任何方式限制本公开的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供实施一个或多个示例性实施例的便利路线图。应当理解，在不脱离所附权利要求及其法律等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims

1.一种控制自主车辆的方法，包括：

由处理器识别对即将到来道路的纵向维度的至少一个约束；

由处理器基于至少一个约束的类型来定义约束激活逻辑；

由处理器执行约束激活逻辑，以将约束的状态确定为活动的和非活动的中的至少一个；

当约束的状态是活动的时，由处理器基于约束来验证自主车辆的运动计划；以及

基于运动计划的验证来选择性地控制自主车辆。

2.根据权利要求1所述的方法，其中，所述验证包括基于所述运动计划的期望速度，在所述自主车辆的限定视距内验证运动计划。

3.根据权利要求2所述的方法，其中，所述验证还包括基于所述运动计划的终端姿态来验证所述自主车辆的限定视距之外的运动计划。

4.根据权利要求3所述的方法，其中，所述验证还基于对所述终端姿态的约束的反向传播限制。

5.根据权利要求1所述的方法，其中，所述约束激活逻辑基于确定的不返回点将所述约束的状态定义为活动的，其中，所述不返回点基于制动距离确定，所述制动距离基于所述自主车辆的所有可能速度和所述约束的位置。

6.根据权利要求1所述的方法，还包括将所述约束的约束类型识别为与停止标志相关的物理停止条。

7.根据权利要求1所述的方法，还包括由所述处理器将所述约束的约束类型识别为与交通控制设备相关的虚拟停止条。

8.根据权利要求1所述的方法，还包括由所述处理器将所述约束的约束类型识别为在让行交通操纵前方创建的虚拟条。

9.根据权利要求1所述的方法，还包括由所述处理器将所述约束的约束类型识别为沿着限制最大驾驶速度的圆形曲线的点。

10.一种用于控制车辆的系统，包括：

输入装置，其接收指示对即将到来道路的纵向维度的至少一个约束的信息；以及

控制模块，其配置为由处理器基于至少一个约束的类型来定义约束激活逻辑，执行约束激活逻辑以确定约束的状态为活动的和非活动的中的至少一个，当约束的状态是活动的时，基于约束来验证自主车辆的运动计划，以及基于运动计划的验证来选择性地控制自主车辆。