CN116494967A - 行驶包络确定 - Google Patents
行驶包络确定 Download PDFInfo
- Publication number
- CN116494967A CN116494967A CN202310488189.2A CN202310488189A CN116494967A CN 116494967 A CN116494967 A CN 116494967A CN 202310488189 A CN202310488189 A CN 202310488189A CN 116494967 A CN116494967 A CN 116494967A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- travel
- environment
- envelope
- 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 claims description 85
- 230000033001 locomotion Effects 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 4
- 230000001902 propagating effect Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 description 23
- 230000009471 action Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000001953 sensory effect Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000237519 Bivalvia Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000020639 clam Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Control Of Transmission Device (AREA)
Abstract
描述了行驶包络确定。在示例中,车辆可以在穿行环境时捕获传感器数据,并且可以将传感器数据提供给计算系统(一个或多个)。传感器数据可以指示环境中的代理(一个或多个),并且计算系统(一个或多个)可以基于传感器数据确定相对于代理(一个或多个)通过环境的规划路径。计算系统(一个或多个)还可以确定从规划路径到代理(一个或多个)的横向距离(一个或多个)。在一个示例中,计算系统(一个或多个)可以至少部分地基于横向距离(一个或多个)和关于代理的信息来确定修改的距离(一个或多个)。计算系统可以基于修改的距离(一个或多个)来确定行驶包络,并且可以确定行驶包络中的轨迹。
Description
本申请是申请日为2019年05月15日、申请号为201980032596.4、发明名称为“驱动包络确定”的发明专利申请的分案申请。
相关申请的交叉引用
本PCT国际专利申请要求于2018年5月17日提交的美国专利申请No.15/982,694的优先权,其全部内容通过引用合并于此。
背景技术
规划系统利用环境中与代理相关联的信息来确定相对于代理的行动。例如,一些现有的规划系统考虑代理的距离和行动来确定通过环境的行驶路径。但是,传统模型导致对各个代理的离散考虑,通常使行驶更加分段化。例如,常规系统在确定在环境中行驶时的行动或反应时可能不考虑多个代理,由此导致效率和/或乘客舒适度和满意度低于最佳。
附图说明
详细说明参照附图描述。在附图中,附图标记的最左边的数字标识(一个或多个)该附图标记首次出现的附图。在不同附图中使用相同的附图标记表示相似或相同的组件或特征。
图1是示出如本文所述的在环境中产生行驶包络的示例实施方式的示意图。
图2是示出如本文所述的用于产生行驶包络的示例计算系统的框图。
图3是示出如本文所述的用于导航车辆通过环境的示例方法的流程图。
图4包括文本和视觉流程图,以示出用于在环境中产生行驶包络的示例方法。
具体实施方式
本文描述的技术旨在确定车辆在环境中能够行驶的行驶包络(驱动包络)。例如,在本文描述的实施方式中,可以通过考虑车辆环境中的多种不同的代理(例如,环境中的动态障碍物,包括但不限于行人、动物、骑自行车的人、卡车、摩托车、其他车辆等,环境中的静态障碍物,包括但不限于道路标志、路缘、道路标记、物理车道边界等,和/或其他可能已知或未知的障碍)和/或这些代理的预期行动。在至少一个示例中,行驶包络是环境中的虚拟表示,其通常定义约束和/或边界,在约束和/或边界内,车辆可以相对于代理安全地行驶以有效地到达预期目的地。在一些示例中,行驶包络由自动驾驶车辆上的计算设备(一个或多个)确定,并且可以被那些计算设备用来在环境中导航自动驾驶车辆。也就是说,自动驾驶车辆上的计算设备可以基于行驶包络的范围来确定轨迹和/或行驶路径。
作为非限制性示例,自动驾驶车辆的计算设备可以接收传感器数据并确定环境中的一个或多个对象和/或环境中的一个或多个对象的属性。在某些情况下,自动驾驶车辆可以利用对象(一个或多个)和/或对象的属性来确定哪些对象应被包括在行驶包络中,以确定行驶包络的范围,和/或确定在行驶包络中导航自动驾驶车辆的轨迹。
在一些实施方式中,可以通过融合或包括关于环境中的多个代理的数据来确定行驶包络。例如,可以确定相对于代理导航通过环境的预测路径。在沿着路径的离散点(或离散点处的线段)处,然后可以确定从路径到代理的横向距离。例如,射线投射技术可以用于确定在车辆沿着规划路径的姿态处的横向距离。基于这些距离和关于代理(一个或多个)的信息,然后可以确定调整后的距离。例如,关于代理的语义信息可以用于对代理进行分类并确定与其相关联的安全系数或安全等级。在一些情况下,车辆与代理的最小偏移距离或安全裕度可以与每个安全等级相关联。关于代理的概率信息也可以用于确定安全等级和/或车辆相对于代理的偏移距离。例如,概率滤波可以应用于距离确定,例如以解决与横向距离相关联的不确定性。例如,不确定性可以与测量值相关联,例如,与传感器和/或传感器组件的校准和/或公差相关联,与感测的代理的运动相关联,例如,关联于与代理的潜在将来的运动或表征运动的预测模型相关的不确定性,等等。
在一些示例中,一旦建立了行驶包络,则自动驾驶车辆的计算设备可以确定用于在行驶包络内进行的一个或多个轨迹。因此,例如,行驶包络可以限定车辆可以在其中行驶的区域的边界,并且轨迹可以是行驶包络内的离散区段,车辆将要据此行驶。因此,例如,虽然可以使用通过环境的规划的或预测的路径来计算行驶包络,但是轨迹可以是离散的、较短的区段,旨在由车辆执行以在行驶包络内穿行通过环境。
本文描述的技术针对于利用传感器和感知数据以使诸如自动驾驶车辆的车辆能够被导航通过环境,同时避开环境中的代理。本文描述的技术可以利用语义和/或概率信息来确定行驶包络,在该行驶包络内,车辆可以以比现有导航技术更有效的方式相对于那些代理行驶。例如,本文描述的技术可以比常规技术更快,因为它们可以将大量复杂的环境数据编码为单个表示以进行有效的优化。即,本文描述的技术提供了对现有预测和导航技术的技术改进。除了提高传感器数据可用于确定行驶包络的精度外,本文所述的技术可通过例如更准确地确定车辆可在其中操作以到达预期目的地的安全区域来提供更平稳的乘坐并改善安全结果。
图1-4提供了与本文描述的技术相关联的附加细节。
图1是示出如本文所述的确定用于行驶通过环境的行驶包络的示例实施方式的示意图。更具体地,图1示出了车辆102所处的示例环境100。在示出的示例中,车辆102在环境100中行车,尽管在其他示例中,车辆102可以是静止的和/或停在环境100中。一个或多个对象或代理也在环境100中。例如,图1示出了环境100中的附加车辆106a,104b和行人106a,106b。当然,环境100中可以附加地或替代地存在任何数量和/或类型的代理。
出于说明性目的,车辆102可以是配置为根据美国国家公路交通安全管理局发布的5级分类进行操作的自动驾驶车辆,其描述了能够在整个行程中执行所有安全关键功能的车辆,而驾驶员(或乘员)在任何时候都不被期望控制该车辆。在这样的示例中,由于车辆102可以被配置为控制从开始到停止的所有功能,包括所有停车功能,所以它可以是空的。这仅是示例,并且本文描述的系统和方法可以被结合到任何地面、空中或水上车辆中,包括从需要一直由驾驶员手动控制的车辆到那些部分或完全自主控制的车辆。下面描述与车辆102相关联的附加细节。
在图1的示例中,车辆102可以与一个或多个传感器系统108相关联。传感器系统(一个或多个)108可以产生传感器数据110,其可以被与车辆102相关联的车辆计算设备(一个或多个)112利用,以识别一个或多个代理,例如车辆104和行人106。传感器系统108可以包括但不限于光检测和测距(LIDAR)传感器,无线电检测和测距(RADAR)传感器,超声换能器,声音导航和测距(SONAR)传感器,位置传感器(例如,全球定位系统(GPS),指南针等),惯性传感器(例如,惯性测量单元,加速度计,磁力计,陀螺仪等),摄像机(例如RGB,IR,强度,深度等),车轮编码器,麦克风,环境传感器(例如,温度传感器,湿度传感器,光传感器,压力传感器等),等等。
在至少一个示例中,车辆计算设备112可以包括感知系统,其可以至少部分地基于从传感器系统108接收的传感器数据110来执行代理检测、分割和/或分类。例如,感知系统可以基于由传感器系统108产生的传感器数据110来检测环境100中的车辆104a,104b和/或行人106a,106b。另外,感知系统可以确定车辆104a,104b和/或行人106a,106b的范围(例如,身高,体重,长度等),车辆104a,104b和/或行人106a,l06b的姿态(例如,x坐标,y坐标,z坐标,俯仰,滚动,偏航)等。传感器系统108可以连续地(例如,近实时地)产生传感器数据110,该传感器数据110可以被感知系统(以及车辆计算设备112的其他系统)利用。
车辆计算设备112还可以包括行驶包络确定系统114,如本文进一步描述的,其可以确定行驶包络116。行驶包络116可以是环境100中的虚拟区域,在虚拟区域中,车辆102可以例如相对于包括车辆104a,104b和行人106a,106b的代理安全地行驶通过环境100。如图1所示并且在本文中进一步详细描述,行驶包络116可以由虚拟边界118限定。在图1所示的示例行驶包络116中,行驶包络116可以具有可变的包络宽度120,例如在车辆102的宽度或横向方向上。(图1示出第一包络宽度120a和第二包络宽度120b,它们一起以及与行驶包络116中其他位置的其他宽度一起被称为包络宽度120)。如本文所述,可以至少部分地基于传感器数据110和/或由感知系统做出的确定来确定包括包络宽度120的虚拟边界118的属性。例如,在一些实施方式中,可以基于代理信息122来确定虚拟边界118,该代理信息122可以包括关于语义分类和/或概率模型的信息。在至少一些示例中,虚拟边界118可以用信息(例如到最近代理的横向距离、最近代理的语义分类等)编码。
还如图1所示,在确定行驶包络118时,车辆计算设备112还可以确定车辆102可以沿着其行驶通过环境100的行驶路径124。规划系统可以至少部分地基于从传感器系统108接收的传感器数据110和/或感知系统做出的任何确定来确定用于控制车辆102的路线和/或轨迹。例如,规划系统可以确定相对于车辆104a,104b和行人106a,106b安全地导航通过环境的路线。
更具体地,图1示出了其中车辆102大体上沿箭头126的方向行驶通过环境100的情形。车辆102在具有第一车道130和第二车道132的道路128上行驶。车辆102在第二车道130中,在车辆104a的后面,并且在该示例中,行驶比车辆104a相对更快。例如,车辆104a可能正在减速以向左转,以在道路126的左侧平行停放,以在道路的左肩处放下乘客或运送货物,等等。在本公开的示例中,车辆102例如通过执行行驶包络确定系统114,可以将行驶包络116确定为确定车辆102是否可以安全地在减速的车辆104a周围导航的前导。更具体地,车辆计算设备112使用传感器数据110和/或对象信息122,可以确定关于环境100中的代理的信息,该代理可以包括车辆104a、车辆104b、行人106a、行人106b和/或其他代理。例如,并且如将在本文中进一步描述的,车辆计算设备112可以使用行驶包络确定系统114来融合或组合关于每个代理的信息,包括对象信息122,以配置行驶包络116。这样的行驶包络116可以进而用于确定车辆102可以沿着其行驶的一个或多个轨迹(例如,通过提供约束和/或边界)。
进一步参考图1,行驶包络116可以具有变化的宽度,例如,第一宽度120a和第二宽度120b,并且这些宽度至少部分地基于对象信息122来确定。例如,在箭头126所示的方向上紧靠车辆102的前方的位置处,宽度120a通常跨越道路126的整个宽度。在第一车道128和第二车道130的边缘处,可以提供相对于肩部的轻微偏移量,尽管在其他实施例中可以排除所述偏移量。沿箭头126的方向进一步沿着道路126,随着边界118逐渐移离左肩,行驶包络116开始变窄,直到行驶包络116完全限制在右车道130中。行驶包络116的这种变窄是车辆104a的存在和/或相对减速的结果。而且,紧邻车辆104a,行驶包络116可以进一步变窄,例如以相对于车辆104a提供最小的横向偏移量。类似地,在行驶包络116的右侧上,可以靠近第一行人106a和停在道路126的右肩上的车辆104b提供偏移量。在一些示例中,这种行驶包络116也可以基于诸如行人106a的代理的预测轨迹来确定。作为图1中描绘的非限制性示例,行驶包络116在行人106a继续沿行驶方向126行走的预期中在行人106a附近稍微缩进。这种缩进的长度可以基于例如车辆102和行人106a的速度。
如本文进一步所述,行驶包络116的宽度120由于关于环境中的代理的信息而变化。因此,例如,在车辆104a,车辆104b和行人106a附近提供偏移量。当车辆102在行驶包络116中行驶时,这些偏移量可用于提供车辆102与对象之间的安全裕度或最小距离。在一些实施方式中,偏移量和/或最小距离可在环境100中的代理之间不同。例如,关于代理的语义信息可以用于确定适当的偏移量。因此,在图1中,行人可以与第一分类相关联,而车辆可以与第二分类相关联。第一分类所对应的最小偏移量可以大于第二分类所对应的最小偏移量。而且,第二分类内的车辆可以进一步分类为静态的,例如在车辆104b的情况下,或者动态的,例如在车辆104a的情况下。例如,相对于移动的车辆104a的偏移量可以大于与停放的车辆104b相关联的偏移量。在另外的示例中,关于代理的概率信息也可以或者替代地用于确定偏移量。例如,可能存在与移动的行人106a和/或移动的车辆104a的行动相关联的一些不确定性,例如,因为行人106a或车辆104a的驾驶员可能改变路程。概率信息还可用于解决例如与传感器系统108相关联的传感器误差。
与传统的导航技术相比,行驶包络116可以允许在车辆104a周围更有效的导航。例如,在常规解决方案中,车辆102可以在其接近车辆104a时减速,例如,以维持车辆102与车辆104a之间的最小距离,并且只有在停车或减速至阈值速度时车辆102才可以开始寻找围绕车辆104a的替代路线。替代地,车辆102可以在车道130中怠速,直到车辆104a转弯,停车,移动,加速等。然而,在本公开的实施方式中,行驶包络116考虑多个代理以及对象信息122,以提供对环境100的更稳健的理解。这种理解可以增强决策,和/或在车辆102通过环境100行驶时允许对车辆102进行更有效且高效的控制。具体地参考图1,这种增强的决策可以允许车辆沿着行驶路径124穿行,而无需在车辆104a后面减速和/或等待附加决策。此外,行驶包络116为可用于安全地导航路径的一部分的各种可能的轨迹提供边界。通过提供如此广泛的安全轨迹,车辆102能够迅速克服任何危险,同时合并有关场景中所有代理的信息。
图1示出了使用行驶包络在环境中导航的单个示例。也可以考虑许多其他示例。例如,行驶包络可用于任何环境中以更好地导航代理。
图2是示出了如本文所述的用于生成和利用行驶包络的示例系统200的框图。在至少一个示例中,系统200可以包括车辆202,该车辆可以是与以上参考图1描述的车辆102相同的车辆。车辆202可以包括一个或多个车辆计算设备204,一个或多个传感器系统206,一个或多个发射器208,一个或多个通信连接210,至少一个直接连接212以及一个或多个驱动模块214。在至少一个示例中,传感器系统(一个或多个)206可以对应于以上参考图1描述的传感器系统108。此外,在至少一个示例中,车辆计算设备(一个或多个)204可以对应于上面参考图1描述的车辆计算设备112。
车辆计算设备204可以包括处理器(一个或多个)216和与处理器216通信地耦合的存储器218。在所示的示例中,车辆202是自动驾驶车辆;然而,车辆202可以是任何其他类型的车辆。在所示的示例中,车辆计算设备204的存储器218存储定位系统220,感知系统222,预测系统224,规划系统226,行驶包络确定系统228以及一个或多个系统控制器230。尽管示出了这些系统和组件,并且将在下面进行描述,但是为了便于理解,各种系统和控制器的功能可能与所讨论的不同。作为非限制性示例,归属于感知系统224的功能可以由定位系统220和/或预测系统224执行。此外,可以利用更少或更多的系统和组件来执行本文所述的各种功能。此外,尽管出于说明性目的在图2中描绘为驻留在存储器218中,但是可以预期,定位系统220,感知组件222,预测系统224,规划系统226,行驶包络确定组件228,和/或一个或多个系统控制器230可以附加地或替代地对于车辆202是可访问的(例如,存储在远离车辆202的存储器上或通过其他方式是可访问的)。
还如图2所示,存储器218可以包括可以存储一个或多个地图的地图存储装置232和/或可以存储代理信息122的代理信息存储装置232。地图可以是以二维或三维模型建模的任意数量的数据结构,这些数据结构能够提供有关环境的信息,例如但不限于拓扑(例如交叉路口),街道,山脉,道路,地形,和一般的环境。如本文中进一步讨论的,代理信息122可以是关于代理的任何信息,包括但不限于对解释传感器数据以分类或以其他方式理解环境中的代理有用的信息。
在至少一个示例中,定位系统220可以包括从传感器系统206接收数据以确定车辆202的位置和/或方位(例如,x,y,z位置,滚动,俯仰或偏航)。例如,定位系统220可以包括和/或请求/接收环境的地图(例如,从地图存储装置232),并且可以连续地确定自动驾驶车辆在地图内的位置和/或方位。在一些情况下,定位系统220可以利用SLAM(同时定位和映射),CLAMS(同时校准,定位和映射),相对SLAM,束调整,非线性最小二乘法优化,差分动态编程等,以接收图像数据,LIDAR数据,雷达数据,IMU数据,GPS数据,车轮编码器数据等,以准确地确定自动驾驶车辆的位置。在一些情况下,定位系统220可以将数据提供给车辆202的各个组件,以确定自动驾驶车辆的初始位置,以产生用于在环境中行驶的候选轨迹。
在某些情况下,感知系统222可以包括执行对象检测、分割和/或分类的功能。在一些示例中,感知系统222可以提供处理后的传感器数据,该传感器数据指示诸如车辆104a,104b和/或行人106a,106b的靠近车辆202的代理的存在。感知系统还可包括将实体分类为实体类型(例如,汽车,行人,骑自行车的人,动物,建筑物,树木,路面,路缘,人行道,未知等)。例如,感知系统222可以将传感器数据与代理信息数据库234中的代理信息120进行比较以确定分类。在另外的和/或替代的示例中,感知系统222可以提供处理后的传感器数据,该传感器数据指示与检测到的代理和/或代理所处的环境相关联的一个或多个特征。在一些示例中,与代理相关联的特征可以包括但不限于x位置(全局和/或局部位置),y位置(全局和/或局部位置),z位置(全局和/或局部位置),方位(例如,滚动,俯仰,偏航),代理类型(例如,分类),代理的速度,代理的加速度,代理的范围(大小)等。与环境相关的特征可以包括但不限于环境中另一代理的存在,环境中另一代理的状态,一天中的时间,一周中的一天,季节,天气状况,指示黑暗/明亮等。
预测系统224可以访问来自传感器系统206的传感器数据,来自地图存储装置232的地图数据,以及在一些示例中,从感知系统222输出的感知数据(例如,处理后的传感器数据)。在至少一个示例中,预测系统224可以至少部分地基于传感器数据,地图数据和/或感知数据来确定与代理相关联的特征。如上所述,特征可以包括代理的范围(例如,身高,体重,长度等),代理的姿态(例如,x坐标,y坐标,z坐标,俯仰,滚动,偏航),代理的速度,代理的加速度和代理的行驶方向(例如,航向)。此外,预测系统224可以被配置为确定代理与靠近的行车车道之间的距离,当前行车车道的宽度,与人行横道的接近度,语义特征(一个或多个),交互式特征(一个或多个)等。
预测系统224可以分析代理的特征以预测代理的未来行动。例如,预测系统224可以预测车道变化,减速度,加速度,转弯,方向变化等。预测系统224可以将预测数据发送到行驶包络确定系统228,使得行驶包络确定系统228可以利用预测数据来确定行驶包络的边界(例如,作为代理的语义分类的附加或替代,还基于位置、速度、加速度的不确定性中的一个或多个)。例如,如果预测数据指示沿着肩部行走的行人行为不规律,则行驶包络确定系统228可以确定靠近行人的行驶包络的增大的偏移量。在车辆202不是自动驾驶的一些示例中,预测系统224可以向驾驶员提供可能影响行驶的预测事件的指示(例如,音频和/或视觉警报)。
通常,规划系统226可以确定车辆202要遵循的穿行通过环境的路径。例如,规划系统226可以确定各种路线和轨迹以及各种细节水平。例如,规划系统226可以确定从第一位置(例如,当前位置)到第二位置(例如,目标位置)行驶的路线。为了便于讨论,路线可以是在两个位置之间行驶的一系列路点。作为非限制性示例,路点包括街道,十字路口,全球定位系统(GPS)坐标等。此外,规划系统226可以产生用于沿着从第一位置到第二位置的路线的至少一部分引导自动驾驶车辆的指令。在至少一个示例中,规划系统226可以确定如何将自动驾驶车辆从路点序列中的第一路点引导到路点序列中的第二路点。在一些示例中,指令可以是轨迹或轨迹的一部分。在一些示例中,可以根据滚动时域技术基本上同时(例如,在技术公差内)产生多个轨迹,其中选择多个轨迹之一供车辆202导航。因此,在本文描述的示例实施方式中,规划系统226可以产生轨迹,车辆可以沿该轨迹导航,并且这些轨迹包含在行驶包络内。
行驶包络确定系统228被配置为确定行驶包络,例如行驶包络116。尽管在存储器218中被示为单独的框,但是在一些示例和实施方式中,行驶包络确定系统228可以是规划系统226的一部分。行驶包络确定系统228可以访问来自传感器系统206的传感器数据,来自地图存储装置232的地图数据,来自代理信息存储器234的代理信息,来自一个或多个定位系统220、感知系统222和/或预测系统224的输出(例如,处理后的数据)。通过非限制性示例,行驶包络确定系统228可以访问(例如,检索或接收)一个或多个规划路径。规划路径可以表示导航环境的潜在路径,并且例如可以基于地图数据,代理信息和/或感知数据来确定。在一些示例中,规划路径可以被确定为用于执行任务的候选路径。例如,车辆计算设备204可以将任务定义或确定为到目的地的最高级别的导航,例如,用于导航到目的地的一系列道路。一旦确定了任务,就可以确定用于执行高级导航的一个或多个行动。行动可能包括更频繁地确定如何执行任务。例如,行动可以包括诸如“跟随车辆”,“从右侧通过车辆”等的任务。在一些示例中,可以针对每个行动确定本文描述的投影路径。
对于规划路径(一个或多个),行驶包络确定系统228可以在沿着规划路径的离散点处确定从路径到环境中的代理的横向距离。例如,距离可以作为由感知系统222产生的感知数据被接收,和/或可以使用数学和/或计算机视觉模型、例如射线投射技术确定距离。然后可以调整各种横向距离以解决其他因素。例如,可能期望在环境中保持车辆202与代理之间的最小距离。在本公开的实现中,关于代理的信息,包括语义分类,可以用于确定那些距离调整。此外,预测系统224还可以提供关于代理的预测运动的预测数据,并且可以基于那些预测进一步调整距离。例如,预测数据可以包括置信度分数,并且可以基于置信度分数来调整横向距离,例如,通过对较低置信度的预测进行较大的调整,而对较高置信度的预测进行较小的调整或不进行调整。使用调整后的距离,行驶包络确定系统228可以定义行驶包络的边界。在至少一些示例中,可以离散边界(例如,每10cm,50cm,1m等),并且可以编码关于边界的信息(例如,到最近代理的横向距离,最近代理的语义分类,置信度和/或与边界相关联的概率得分等)。如本文所述,由规划系统224确定的轨迹可以由并且根据行驶包络来限制。尽管行驶包络确定系统228被示为与规划系统226分离,但行驶包络系统228的一个或多个功能可以由规划系统226来执行。在一些实施例中,行驶包络确定系统228可以是规划系统226的一部分。
在至少一个示例中,定位系统220,感知系统222,预测系统224,规划系统226和/或行驶包络确定系统228可以如上所述处理传感器数据,并且可以通过网络(一个或多个)236发送它们各自的输出到计算设备(一个或多个)238。在至少一个示例中,在经过一段时间后,接近实时等,定位系统220,感知系统222,预测系统224和/或规划系统226可以以特定频率将它们各自的输出发送到计算设备238。
在至少一个示例中,车辆计算设备204可以包括一个或多个系统控制器230,其可以被配置为控制车辆202的转向,推进,制动,安全,发射器,通信和其他系统。这些系统控制器(一个或多个)230可以与驱动模块(一个或多个)214和/或车辆202的其他组件的相应系统通信和/或控制车辆模块202的其他系统。例如,系统控制器230可以使车辆沿着由规划系统226确定的行驶路径穿行,例如在由行驶包络确定系统228确定的行驶包络116中。
在至少一个示例中,传感器系统206可以包括LIDAR传感器,RADAR传感器,超声换能器,SONAR传感器,位置传感器(例如,GPS,指南针等),惯性传感器(例如,惯性测量单元,加速度计,磁力计,陀螺仪等),摄像机(例如RGB,UV,IR,强度,深度等),麦克风,车轮编码器,环境传感器(例如温度传感器,湿度传感器,光传感器,压力传感器等)等。传感器系统(一个或多个)306可以包括这些或其他类型的传感器中的每个的多个实例。例如,LIDAR传感器可以包括位于车辆202的拐角,前,后,侧面和/或顶部的单独的LIDAR传感器。作为另一个示例,摄像机传感器可以包括多个摄像机,其设置在车辆202的外部和/或内部周围的各个位置。传感器系统206可以向车辆计算设备204提供输入。附加地和/或替代地,在经过预定时间段之后,接近实时等,传感器系统306可以经由网络236以特定频率将传感器数据发送到计算设备238。
车辆202还可包括一个或多个用于发射光和/或声音的发射器208。在该示例中,发射器(一个或多个)208包括内部音频和视觉发射器以与车辆202的乘客通信。作为示例而非限制,内部发射器可以包括扬声器,灯,标志,显示屏,触摸屏,触觉发射器(例如,振动和/或力反馈),机械执行器(例如,安全带拉紧器,座椅定位器,头枕定位器等)等。在该示例中,发射器208还包括外部发射器。作为示例而非限制,该示例中的外部发射器包括:光发射器(例如,指示灯,标志,灯阵列等),以与行人,其他驾驶员,其他附近的车辆等视觉通信;一个或多个音频发射器(例如,扬声器,扬声器阵列,喇叭等),以与行人,其他驾驶员,附近的其他车辆等进行听觉通信。在至少一个示例中,发射器208可以被设置在车辆202的外部和/或内部周围的各个位置。
车辆202还可包括通信连接(一个或多个)210,通信连接210使能在车辆202与其他本地或远程计算设备(一个或多个)之间进行通信。例如,通信连接210可以促进与车辆202和/或驱动模块214上的其他本地计算设备(一个或多个)的通信。而且,通信连接(一个或多个)310可以允许车辆与其他附近的计算设备(一个或多个)(例如,其他附近的车辆,交通信号等)通信。通信连接210还使得车辆202能够与远程遥操作计算设备或其他远程服务通信。
通信连接210可以包括用于将车辆计算设备(一个或多个)204连接到另一计算设备或诸如网络(一个或多个)232的网络的物理和/或逻辑接口。例如,通信连接210可以使能基于Wi-Fi的通信,例如通过IEEE 802.11标准定义的频率,短距离无线频率,例如,或使相应的计算设备能够与其他计算设备(一个或多个)对接的任何合适的有线或无线通信协议。
在至少一个示例中,车辆202可包括驱动模块214。在一些示例中,车辆202可具有单个驱动模块214。在至少一个示例中,如果车辆202具有多个驱动模块214,则各个驱动模块214可以定位在车辆202的相对端(例如,前部和后部等)上。在至少一个示例中,驱动模块214可以包括传感器系统(一个或多个),以检测驱动模块214和/或车辆202的周围环境的状况。作为示例而非限制,传感器系统(一个或多个)206可以包括用于感测驱动模块的车轮的旋转的车轮编码器(一个或多个)(例如,旋转编码器),用于测量驱动模块的位置和加速度的惯性传感器(例如,惯性测量单元,加速度计,陀螺仪,磁力计等),摄像机或其他图像传感器,用于声学检测驱动模块周围环境中的对象的超声波传感器,LIDAR传感器,RADAR传感器等。某些传感器,例如车轮编码器对于驱动模块214可以是唯一的。在一些情况下,驱动模块214上的传感器系统可以重叠或补充车辆202的对应系统(例如,传感器系统206)。
驱动模块214可以包括许多车辆系统,包括高压电池,用于推动车辆202的电动机,将来自电池的直流电转换成交流电以供其他车辆系统使用的逆变器,包括转向电动机和转向齿条(可以是电动的)的转向系统,包括液压或电动执行器的制动系统,包括液压和/或气动组件的悬架系统,用于分配制动力以减轻牵引力损失和保持控制的稳定性控制系统,HVAC系统,照明(例如用于照亮车辆外部环境的照明,例如头/尾灯)以及一个或多个其他系统(例如冷却系统,安全系统,车载充电系统,其他电气组件,诸如DC/DC转换器,高压结,高压电缆,充电系统,充电端口等)。附加地,驱动模块214可以包括驱动模块控制器,该驱动模块控制器可以接收和预处理来自传感器系统的数据并控制各种车辆系统的操作。在一些示例中,驱动模块控制器可以包括处理器(一个或多个)以及与处理器通信耦合的存储器。存储器可以存储一个或多个模块以执行驱动模块214的各种功能。此外,驱动模块214还包括通信连接(一个或多个),该通信连接使得相应的驱动模块能够与其他本地或远程计算设备(一个或多个)通信。
如上所述,车辆202可以经由网络(一个或多个)236将传感器数据发送至计算设备(一个或多个)238。在一些示例中,车辆202可以将原始传感器数据发送至计算设备236。在其他示例中,车辆202可以将处理后的传感器数据和/或传感器数据的表示发送到计算设备238(例如,来自定位系统220,感知系统222,预测系统224和/或规划系统226的输出数据)。在一些示例中,在经过预定时间段之后,接近实时等,车辆202可以以特定频率将传感器数据发送到计算设备238。
计算设备238可以从车辆202和/或一个或多个其他车辆和/或数据收集设备接收(原始或处理后的)传感器数据,并且可以基于传感器数据和其他信息来确定行驶包络。在至少一个示例中,计算设备238可以包括处理器(一个或多个)240和与该处理器240通信耦合的存储器242。在所示的示例中,计算设备238的存储器242存储行驶包络确定组件244,其可以包括例如对象信息存储装置246。在至少一个示例中,代理信息存储装置246可以对应于代理信息存储装置230和/或代理信息存储装置122。
行驶包络确定组件244可以对应于上述行驶包络确定系统228。例如,行驶包络确定组件244可以处理数据以确定远离车辆的行驶包络。例如,可以在计算设备238处确定行驶包络(或多个行驶包络中的优选行驶包络),并且例如经由网络236将行驶包络传输回车辆202。此外,行驶包络确定组件244可以执行如上所述的并且赋予定位系统220,感知系统222,预测系统224和/或规划系统226的一个或多个操作。在至少一个示例中,行驶包络确定组件244可以分析传感器数据以确定环境中的代理的属性,以(1)确定所述代理(一个或多个)是否应被包括在行驶包络中和(2)配置行驶包络的边界。例如,行驶包络确定组件244可以将关于代理的信息与例如存储在代理信息存储装置246中的分类信息进行比较,以确定代理是否会受到车辆的影响,代理(或者代理的预期运动)是否影响车辆,和/或代理应影响行驶包络的程度。
行驶包络确定组件244还可以或替代地考虑代理的特征以表征行驶包络。特征可以包括代理的范围(例如,身高,体重,长度等),代理的姿态(例如,x坐标,y坐标,z坐标,俯仰,滚动,偏航),代理的速度,代理的加速度,代理的行驶方向(例如,航向),代理与靠近的行车车道之间的距离,代理的语义分类(汽车,行人,骑自行车的人等),当前行车车道的宽度,与人行横道的靠近度,语义特征(一个或多个),交互式特征(一个或多个)等。在一些示例中,特征中的至少一些特征(例如,范围,姿态等)可以由传感器数据源(例如,车辆202和/或其他车辆(一个或多个)和/或数据收集设备(一个或多个))上的感知系统确定,并且可以基于这样的特征和/或与环境的地图相关联的其他传感器数据和/或地图数据来确定其他特征。在一些示例中,可以将样本分成一个或更多较短的时间段,并且可以针对每个较短的时间段确定特征。可以基于来自每个较短时间段的总特征来确定样本的特征。
车辆202的处理器(一个或多个)216和计算设备236的处理器(一个或多个)240可以是能够执行指令以处理数据并执行本文所述的操作的任何合适的处理器。作为示例而非限制,处理器216和236可以包括一个或多个中央处理单元(CPU),图形处理单元(GPU)或任何其他设备或设备的一部分,其处理电子数据以将该电子数据转换为可以存储在寄存器和/或存储器中的其他电子数据。在一些示例中,只要将集成电路(例如,ASIC等),门阵列(例如,FPGA等)和其他硬件设备配置为实现编码指令,就可以将它们视为处理器。
存储器218和242是非暂时性计算机可读介质的示例。存储器218和242可以存储操作系统和一个或多个软件应用程序,指令,程序和/或数据,以实现本文描述的方法以及归属于各种系统的功能。在各种实施方式中,可以使用任何适当的存储技术来实现该存储器,例如静态随机存取存储器(SRAM),同步动态RAM(SDRAM),非易失性/闪存类型的存储器或能够存储信息的任何其他类型的存储器。本文描述的体系结构,系统和各个元件可以包括许多其他逻辑,程序和物理组件,附图中示出的那些仅仅是与本文的讨论有关的示例。
应当注意,尽管图2被示为分布式系统,但是在替代示例中,车辆202的组件可以与计算设备236相关联和/或计算设备236的组件可以与车辆202相关联。即,车辆202可执行与计算设备236相关联的一个或多个功能,反之亦然。此外,尽管将各种系统和组件图示为离散系统,但是这些图示仅是示例,并且更多或更少的离散系统可以执行本文所述的各种功能。
图3和图4是示出了如本文所述的涉及行驶包络确定的示例方法的流程图。具体地,图3示出了方法300,在方法300中使用环境中的对象来创建行驶包络,并且使用该行驶包络来确定通过环境的轨迹,例如,以便车辆可以沿着该轨迹行驶通过环境。图4示出了方法400,其更详细地描述和示出行驶包络确定。为了方便和易于理解,参照图1和图2所示的车辆102和/或202描述了图3和图4所示的方法。然而,图3和图4所示的方法不限于使用车辆102,202执行,并且可以使用本申请中描述的任何其他车辆以及本文所述之外的车辆来实施。此外,本文所述的车辆102,202不限于执行图3和图4所示的方法。
方法300,400被示为逻辑流程图中的框的集合,其表示可以以硬件,软件或其组合来实现的操作序列。在软件的上下文中,框表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,该计算机可执行指令在由处理器(一个或多个)执行时执行所陈述的操作。通常,计算机可执行指令包括执行特定功能或实现特定抽象数据类型的例程,程序,对象,组件,数据结构等。描述操作的顺序不旨在被理解为限制,并且可以以任何顺序和/或并行地组合任意数量的所描述的框以实现处理。在一些实施例中,可以完全省略该过程的一个或多个框。此外,方法300,400可以整体或部分地彼此组合或与其他方法组合。
图3示出了如本文所述的用于在使用行驶包络的环境中穿行的示例方法300的流程图。
框302示出了接收与环境相关联的传感器数据。如上所述,车辆202可以包括传感器系统(一个或多个)206。在至少一个示例中,传感器系统206可以包括LIDAR传感器,RADAR传感器,超声换能器,SONAR传感器,位置传感器(例如GPS,指南针等),惯性传感器(例如惯性测量单元,加速度计,磁力计,陀螺仪等),摄像机(例如RGB,IR,强度,深度等),麦克风,车轮编码器,环境传感器(例如,温度传感器,湿度传感器,光传感器,压力传感器等)等。传感器系统206可以向车辆计算设备204提供输入,并且车辆计算设备204的一个或多个系统可以利用该输入。例如,在至少一个示例中,车辆计算设备204可以接收输入以供定位系统220,感知系统222,预测系统224,规划系统226和/或行驶包络确定系统228处理。
如上所述,在至少一个示例中,车辆202可以经由网络236将传感器数据发送到计算设备238。在一些示例中,车辆202可以将原始传感器数据发送到计算设备238。在其他示例中,车辆202可以将处理后的传感器数据和/或传感器数据的表示发送到计算设备238(例如,来自定位系统220,感知系统222,预测系统224和/或规划系统226数据输出)。在一些示例中,车辆202可以在经过预定时间段之后,接近实时等,以特定频率将传感器数据发送到计算设备238。随着时间的推移收集的传感器数据可以对应于日志数据。
框304示出确定环境中的多个对象。例如,如上所述,在自动驾驶车辆正在行驶的环境中可以存在许多代理。在图1中,代理可以包括车辆104a,104b和行人106a,106b。基于在框302处接收到的传感器数据,车辆计算设备204可以例如经由图像处理、视觉检测、分类和/或分割,LIDAR检测,分割和/或分类和/或其他处理来识别代理。除了本文讨论的示例代理之外,框304还可以确定关于环境和/或环境中的特征的附加细节。
框306示出了确定关于每个对象的信息。例如,关于每个对象的信息可以包括与对象相关联的物理特征,包括但不限于对象的范围(例如,高度,重量,长度等),对象的姿态(例如,x坐标,y坐标,z坐标,俯仰,滚动,偏航),对象的速度,对象的加速度,对象的行驶方向(例如,航向),语义分类等,如上所述。附加地或替代地,这样的特征可以包括相对于传感器的方位(例如,该方向是面对行人),距地图特征的距离(例如,人行横道的起点,人行横道的终点,人行横道的侧面,路口的起点,路口的终点,路口的侧面等),语义特征(例如人行横道标志,交通信号灯等),执行意图的可行性(例如,人行横道的通行能力等)等。在一些示例中,可以在框306处使用来自定位系统,规划系统,预测系统和/或感知系统中的一个或多个的数据来确定特征。特征还可以包括代理(一个或多个)的预测轨迹和/或行动过程。在至少一个示例中,车辆可以分析传感器数据和/或地图数据以确定与代理相关联的事件(例如,切入事件,人行横道事件等)。
框308示出了确定行驶包络。例如,如本文所述,行驶包络可以表示环境的虚拟部分,在虚拟部分中,车辆可以相对于对象行驶。图4示出了用于确定行驶包络的示例行动,并且将在下面更详细地描述。
框310、212和314也可以示出在框308处为确定行驶包络而执行的行动。更具体地,框310示出确定是否在行驶包络中包括每个对象。例如,在框310处,基于对象的信息,车辆可以确定某些对象可能对车辆没有影响,并且因此可以从行驶包络中排除某些对象。例如,可以基于代理相对于车辆202的位置,基于代理相对于车辆的速度来排除代理。在图1的特定示例中,框308可以确定由于行人106b相对于车辆102b的位置和/或速度,行人106b应从行驶包络确定中被排除。在附加示例中,例如,如果确定代理在阈值距离之外和/或具有相对较高的速度,则可以排除考虑在行驶方向上位于车辆前方的代理。
在其他示例中,代理的预测运动可以用于确定是否要包括或排除代理。作为非限制性示例,当确定相邻车道中的代理很可能在车辆前方切入时,可以考虑对该代理进行附加处理,例如,因为其行动可能影响和/或潜在地干扰车辆的操作。在这样的示例实现中,可能期望单独考虑代理,包括使用更高阶的计算和处理。类似地,当确定在行驶包络确定中是否包括代理时,可以考虑对受控车辆的操纵。例如,当确定某种操纵将需要代理的行动时,例如,代理可能需要改变路程或速度以允许车辆操纵,则可以将代理从行驶包络确定中排除。这种操纵的一个示例可以是改变车道,在该车道中代理可能必须减速以为车辆腾出空间。因为该操纵需要就代理而言的某些行动,所以车辆计算设备可以更紧密地监视代理,而不是仅经由行驶包络来考虑代理。
如果在框310处确定不包括代理,则框312示出排除所述代理。替代地,框314示出使用在框310处被确定为包括的每个代理的信息来确定行驶包络。如本文所述,可以将行驶包络确定为车辆可以行驶的环境中的虚拟空间。行驶包络可以包括提供与代理的偏移量的边界,该偏移量可以基于代理的语义属性,概率模型(包括代理的运动模型,传感器测量值等)或其他信息来确定边界。在至少一些示例中,沿行驶包络边界的离散部分(例如,每10cm,50cm,1m等)可以用附加信息编码,例如但不限于距最近代理的距离,最近代理的语义分类,不确定性,置信度等。而且,在一些实施方式中,可以确定一个以上的行驶包络。例如,就像现实世界中的驾驶员可能具有避免代理的多种选择一样,例如在三车道道路上从右侧通过或从左侧通过,可以为一条以上的潜在规划路径确定多个行驶包络。在这些示例中,选择一个行驶包络用于实施。例如,行驶包络可能是优选的,因为它具有较大的面积,因为它更好地符合交通法规(例如,车辆从左侧而不是右侧通过),因为它避免了最多的代理,或者避免了一个或多个附加原因。下面结合图4进一步详细描述确定行驶包络的示例。
应当理解,随着车辆移动通过环境,环境中的代理不断变化。因此,方法300(和方法400)可以迭代地执行。例如,可以近似实时地(例如,以大约0.5秒至大约3秒的间隔)确定新的行驶包络。此外,当代理相对于车辆改变位置,速度,姿势等时,先前从行驶包络确定中排除的代理可以被包括并且可以排除先前包括的代理。而且,每个行驶包络可以基于例如车辆和/或代理的预测运动的传播。因此,例如,沿着确定横向距离的路径的位置可以包括车辆在该位置时代理将位于的位置的近似值。
框316示出了确定行驶包络中的一个或多个驱动轨迹。例如,规划系统226可以确定用于在行驶包络内导航车辆202的一个或多个轨迹(例如,作为对轨迹进行非线性最小二乘法优化的附加/或替代,还通过执行路径规划,例如,A*,RRT*,Dijkstra算法,等等),同时将行驶包络的边界和/或其中的任何编码信息用作约束。例如,如在图1的示例中,预测数据可以指示在车辆202前方的代理正在减速。作为响应,规划系统226可以确定行驶包络中的轨迹,该轨迹使车辆202响应于减速的车辆而改变车道。以这种方式,车辆202可以避免等待车辆清除当前车道。本文考虑了其他轨迹,并且这些示例并非旨在进行限制。
框318示出了执行轨迹。如上所述,车辆计算设备204可以包括一个或多个系统控制器230,其可以被配置为控制车辆202的转向,推进,制动,安全,发射器,通信和其他系统。这些系统控制器230可以与驱动模块214和/或车辆202的其他组件的相应系统通信和/或控制它们。在至少一个示例中,系统控制器228可以接收轨迹,并可以通信于和/或控制驱动模块214的对应系统和/或车辆202的其他组件,以使得车辆202沿着行驶包络中的轨迹导航。
图4是示出如本文所述的用于确定行驶包络的示例方法400的流程图。例如,方法400可以大体上对应于图3中的框308和/或框314,但是框308和/或314不限于示例方法400,并且方法400不限于包括在方法300中。
框402示出了确定通过环境的规划路径。例如,靠近框402提供了场景404,以示出图1中的环境100(为清楚起见,从图4中省略了大多数附图标记)。提供的场景404仅作为本文描述的技术的示例实现。取决于环境,环境中的代理,那些代理的预期行动等,其他情况也会有所不同。在场景404中,确定两个车辆104a,104b和两个行人106a,106b处于环境中。基于相对位置,相对运动和/或其他信息,规划系统226可以确定规划路径406,预测车辆102可以沿着该规划路径穿行。例如,规划路径406可以是这样的路径,该路径相对于环境中的代理偏移最小距离(例如,在方法300中被确定为包括在行驶包络计算中的代理),相对于道路的车道居中,相对于道路标记偏移,基于其他特征(例如交通规则,道路标志)来确定,等等。在一些示例中,规划路径406不是车辆打算沿着其行驶的路径,但是可以使用确定通过环境的实际行驶路径的相同系统中的许多(例如,规划系统226,预测系统224等)来确定规划路径406。尽管在场景404中仅示出了单个规划路径406,但是可以从多个规划路径中选择规划路径406。例如,规划系统226可以确定多个规划路径,其中规划路径406是从多个路径中选择的。在实施方式中,可以基于规划路径406与代理的靠近度来选择规划路径406,例如,相对于较接近于较少的代理行驶的路径,较接近于较多的代理行驶的路径可能是不利的。在其他实施方式中,较短的路径可能比较长的路径更受青睐。其他标准也可以或替代地用于做出最终确定。
框408示出了确定与环境中的多个对象的每个相关联的一个或多个属性。例如,如本文所述,与其属性相关联的多个对象可以是例如在图3的方法的框308处被确定为包括在行驶包络中的对象。属性可以包括和/或重叠于方法308中使用的信息,以确定在行驶包络确定中是否包括对象。例如,作为与任何一个或多个属性相关联的任何不确定性的附加,代理的当前属性还可以包括代理的语义分类,姿态,位置(例如,在局部或全局坐标系中和/或相对于车辆),范围,航向,速度和/或加速度。例如,可以基于关于对象的传感器数据和/或使用规划系统,预测系统等中的一个或多个来确定属性。
在示例实施方式中,属性可以包括与代理(一个或多个)相关联的语义信息。例如,基于传感器数据,车辆计算设备204(例如,定位系统220和/或感知系统222)可以将每个对象分类,例如,作为车辆,人,特定动物,交通标志等。此外,语义信息还可以包括其他子分类。例如,车辆可以被分类为移动的车辆或停放的车辆。代理信息还可以包括与代理相关联的概率和/或不确定性信息(例如,关于位置,速度,加速度,语义分类等)。在一些实施方式中,预测系统228可以确定代理的行动过程的预测可能性。例如,在场景404中,例如如果车辆104b中没有驾驶员,则车辆104b从其位置移动的可能性可以接近零。类似地,可以基于作为代理信息存储在代理数据库232中的经验数据来确定行人106b继续在与道路基本平行的路肩上的轨迹上的可能性。
框410示出了针对规划路径上的多个位置中的每个确定相应位置与该位置横向的一个或多个对象之间的第一距离。场景412是场景404的一部分,并且示出了框410的处理。具体地,距离414被示为规划路径406与行人106a之间的距离,距离416被示为规划路径与移动的车辆104a之间的距离,距离418被示为规划路径与静止车辆104b之间的距离。到行人106b的横向距离未被确定,因为行人106b不包括在行驶包络计算中。例如,由于车辆102的相对速度,行人106b即使做出激烈的操纵,例如跑到道路中也不会影响车辆102。横向距离414,416,418可以垂直于规划路径406的靠近每个位置的区段。因此,尽管未示出,但是当路径在车道之间交叉时沿路径406的横向距离将相对于行驶方向倾斜。换句话说,横向距离中的每个可以在车辆沿着规划路径406行驶时在多个离散姿态下沿车辆的横轴测量。此外,对每个离散姿态的考虑还可以包括环境中代理的传播。因此,例如,考虑沿规划路径前进5米的前进位置还可以包括当车辆前进5米时每个代理将在哪里的预测。在实施方式中,可以使用包括射线投射的图像处理技术来确定横向尺寸。
作为框410的一部分,可以确定沿着投影路径的任意数量的位置的横向尺寸。例如,可以确定沿规划路径每10cm至100cm的离散点的横向尺寸。然后可以对来自这些离散点的信息进行插值以创建行驶包络。此外,尽管离散点可以均匀地间隔开,但是在其他实现中,离散化可以是自适应的。例如,对于相对(横向)较接近的代理,可以增加所考虑的点的频率(例如,可以考虑每单位距离更多的点)。此外,可以基于代理的特征来确定点。例如,根据本公开的实施方式,可以使用在代理的拐角,前沿和/或后沿的点来确定行驶包络。同样如图所示,规划路径406的一部分没有横向设置的代理。在这些实施方式中,可以测量到其他物理对象的横向距离,包括但不限于道路标志,道路标记,路缘等。在一些实施方式中,地图数据还可以用于增强传感器数据,例如,当在该方向上没有检测到对象时,确定道路表面的横向范围。附加地或替代地,此类对象可以实时(及时)被传播(例如,根据概率模型),使得对象(代理)的未来特征(位置,速度,不确定性,语义分类和相应的不确定性)也被合并到行驶包络中。
框420示出了基于在框408处确定的属性和在框410处确定的第一距离来确定每个位置的第二距离。例如,可以为行人106a确定小于距离414的距离422,为移动车辆104a确定小于距离416的距离424,以及可以为固定车辆104b确定小于距离418的距离426。在本公开的示例中,距离422,424,426可以基于语义信息。例如,对象的不同分类可以具有不同的关联安全系数,并且最小偏移量可以与那些安全系数相关联。通过非限制性示例,行人可以具有与其相关联的第一安全系数,并且车辆应当保持的最小距离可以是相对较大的距离,例如,大约0.5米至大约0.8米。附加安全系数可能与其他代理相关联。例如,最小距离为0.1m或更小可能与静止的无生命对象有关,例如停放的汽车,建筑锥或道路标志。此外,在代理类别中,可能适用不同的安全系数。在其他实施方式中,这些“最小”距离可以是优选距离,其中车辆能够确定与低于那些最小距离相关联的成本。
距离422,424,426也可以基于概率信息来确定。例如,由于使用数学技术确定了横向距离414,416,418,所以在那些计算出的距离中将存在一些不确定性。而且,在确定距离422,424,426时,也可以考虑与提供传感器数据的传感器以及预测模型相关联的不确定性。在一个示例实现中,例如,可以基于高斯分布来确定距离414,416,418中的每个。此外,该分布的协方差可以提供允许进一步确定调整后的距离422,424,426的滤波。在各种示例中,横向距离,语义分类,对象特征以及与沿着行驶包络的离散长度相关联的相应不确定性可以被编码到边界中,以用于轨迹产生和优化(例如,作为上述用于路径规划的成本或约束条件)。
框428示出了确定在每个位置处具有等于第二距离的横向距离的行驶包络。例如,针对每个位置确定的第二距离422,424,426被融合在一起成为单个行驶包络430,车辆可以在单个行驶包络430中行驶通过环境。应当理解,行驶包络将具有变化的横向范围以适应不同的代理。如图所示,与移动车辆104a或固定车辆104b相比,行驶包络可以确定对于行人106b相对较大的偏移量。类似地,相对于移动车辆104a的横向偏移量可以大于固定车辆104b的横向偏移量。对于沿着投影路径的没有横向设置的代理的点,第二距离可以被计算为相对于环境中的车道标记和/或一些其他静态特征的标准偏移量,例如0.1米。
可以在计算机可执行指令或软件(例如程序模块)的上下文中实现本文所述的各种技术,所述计算机可执行指令或软件例如存储在计算机可读存储装置中,并且由一个或多个计算机或其他设备(例如图中所示的那些)的处理器(一个或多个)执行。通常,程序模块包括例程,程序,对象,组件,数据结构等,并定义用于执行特定任务或实现特定抽象数据类型的操作逻辑。
其他体系结构可以用于实现所描述的功能,并且意图在本公开的范围内。此外,尽管出于讨论目的在上面限定了具体的职责分配,但是可以根据情况以不同的方式分配和划分各种功能和职责。
类似地,可以以各种方式和使用不同的手段来存储和分布软件,并且可以以许多不同的方式来改变上述的特定软件存储装置和执行配置。因此,实现上述技术的软件可以分布在各种类型的计算机可读介质上,而不限于具体描述的存储器的形式。
示例条款
A:一种示例车辆包括:设置在车辆上的一个或多个传感器;一个或多个处理器;以及用于存储处理器可执行指令的存储器,所述指令在由一个或多个处理器执行时将车辆配置为:从所述一个或多个传感器中的传感器接收传感器数据,该传感器数据包括关于靠近车辆的环境中的对象的信息;确定车辆通过环境的规划路径;确定规划路径和对象之间的横向距离;确定对象的分类;至少部分地基于横向距离和分类来确定宽度;以及确定行驶包络,其中,行驶包络限定沿规划路径的环境的一部分的边界,车辆能够在环境的所述一部分中行驶,并且其中,包络的至少一部分从规划路径朝向对象横向地延伸所述宽度。
B:示例A的车辆,其中,分类包括静态对象或车道边界,并且其中,所述指令在由所述一个或多个处理器执行时还将车辆配置为:基于分类确定在车辆和对象之间保持的最小距离,并且横向距离和宽度之间的差异至少部分地基于最小距离。
C:示例A或B的车辆,其中,分类包括汽车、自行车、摩托车或行人,以及其中,所述指令在由一个或多个处理器执行时还将车辆配置为确定与对象的运动或传感器相关联的不确定性,其中,所述宽度至少部分地基于不确定性。
D:示例A到示例C中任何一个的车辆,其中,所述指令在由所述一个或多个处理器执行时还将车辆配置为:至少部分地基于行驶包络确定轨迹,所述轨迹限定车辆在环境中以及在行驶包络内的运动;以及根据所述轨迹控制车辆行驶通过环境。
E:一种示例方法包括:确定车辆通过环境的规划路径,该规划路径始于起点且终于目的地;至少部分地基于从车辆上的传感器获取的传感器数据来检测环境中的对象;确定沿规划路径的多个点;确定从所述多个点中的每个到对象的横向距离;确定对象的分类;至少部分地基于横向距离和分类来确定一个或多个宽度;以及至少部分地基于所述一个或多个宽度来确定通过环境的行驶包络,所述行驶包络包括沿规划路径的环境的一部分,车辆能够在环境的所述一部分中行驶。
F:示例E的方法,还包括:根据分类确定车辆与对象之间的最小距离,其中,确定所述一个或多个宽度包括:确定横向距离和最小距离之间的差异不满足或超过车道宽度;以及将所述差异确定为所述一个或多个宽度。
G:示例E或F的方法,其中,分类包括汽车、自行车、摩托车或行人,所述方法还包括:确定与环境中的对象的运动或传感器相关联的多个不确定性;以及将所述多个不确定性与所述多个点相关联;其中,所述多个宽度至少部分地基于所述多个不确定性。
H:示例E至示例G中任何一个的方法,其中,所述多个不确定性至少部分地基于与对象相关联的概率函数的协方差。
I:示例E至示例H中任何一个的方法,还包括:确定对象的预测运动;以及确定与预测运动相关联的概率,其中,所述确定行驶包络至少部分地基于与预测运动相关联的概率。
J:示例E至示例I中任何一个的方法,其中,所述多个点与分类、到对象的多个距离或多个不确定性相关联。
K:示例E至示例J中任何一个的方法,其中,所述多个不确定性与对象的运动相关联,并且其中,确定所述多个不确定性包括实时传播对象的概率模型。
L:示例E至示例K中任何一个的方法,还包括:根据滚动时域技术并且至少部分地基于行驶包络确定多个轨迹,所述多个轨迹与多个置信级相关联;选择所述多个轨迹中的与最高置信级相关联的轨迹作为优选轨迹;以及控制车辆沿优选轨迹并在行驶包络内通过环境行驶。
M:示例E至示例L中任何一个的方法,其中,确定所述多个轨迹包括使用在行驶包络中编码的信息作为成本的非线性最小二乘法优化或差分动态编程。
N:一种具有一组指令的示例性非暂时性计算机可读介质,所述一组指令在被执行时使一个或多个处理器执行操作,所述操作包括:从传感器接收传感器数据,该传感器数据包括关于车辆环境中的对象的信息;确定车辆通过环境的规划路径,该规划路径包括车辆从起点穿行到目的地的路径;至少部分地基于传感器数据来确定规划路径上的第一位置与对象之间的距离,在第一位置处在垂直于规划路径的方向上测量该距离;确定对象的分类;至少部分地基于距离和分类来确定宽度;以及确定环境中的行驶包络,该行驶包络包括沿规划路径的环境的表面,车辆可以在该表面上行驶而不与对象碰撞,包络的一部分在第一位置处从规划路径朝向第一对象横向延伸所述宽度。
O:示例N的非暂时性计算机可读介质,所述操作还包括:确定与对象的位置、对象的速度或对象的加速度相关联的不确定性;至少基于宽度和不确定性来确定轨迹;以及控制车辆沿着轨迹行驶通过环境。
P:示例N或示例O的非暂时性计算机可读介质,其中,规划路径是第一规划路径,并且行驶包络是第一行驶包络,操作还包括:确定与第一规划路径不同的第二规划路径;确定第二行驶包络,其包括沿着第二规划路径的环境的第二表面,车辆可以在该第二表面上行驶而不与对象碰撞;选择第一行驶包络或第二行驶包络中的一个作为优选的行驶包络;至少部分地基于优选的行驶包络确定轨迹,该轨迹限定车辆在环境中以及在优选的行驶包络内的离散运动;以及控制车辆沿着轨迹行驶通过环境。
Q:示例N至示例P中任何一个的非暂时性计算机可读介质,其中,分类包括汽车、行人或自行车,所述方法还包括:基于分类确定安全裕度。
R:示例N至示例Q中任何一个的非暂时性计算机可读介质,操作还包括:确定距离与安全裕度之间的差异;以及确定所述差异不满足或超过与第一位置相关联的车道宽度;以及将所述差异确定为所述宽度。
S:示例N至示例R中任何一个的非暂时性计算机可读介质,操作还包括:确定与对象的运动相关联的信息,该信息包括对象的预测的未来位置和与预测的未来位置相关联的不确定性,其中,确定所述宽度至少部分地基于对象的预测的未来位置和不确定性。
T:示例N至示例S中任何一个的非暂时性计算机可读介质,其中,确定行驶包络包括:对于沿规划路径的附加位置,确定行驶包络的附加宽度,所述附加宽度至少部分地基于对象的运动或与该运动相关联的概率。
示例方案
1、一种车辆,包括:
设置在车辆上的一个或多个传感器;
一个或多个处理器;以及
存储处理器可执行指令的存储器,所述指令在由所述一个或多个处理器执行时将车辆配置为:
从所述一个或多个传感器中的传感器接收传感器数据,所述传感器数据包括关于靠近车辆的环境中的对象的信息;
确定车辆通过环境的规划路径;
确定规划路径和对象之间的横向距离;
确定对象的分类;
至少部分地基于横向距离和分类来确定宽度;以及
确定行驶包络,其中,行驶包络限定沿规划路径的、车辆能够在其中行驶的环境的一部分的边界,并且其中,包络的至少一部分从规划路径朝向对象横向地延伸所述宽度。
2、根据方案1的车辆,其中,分类包括静态对象或车道边界,并且其中,所述指令在由所述一个或多个处理器执行时还将车辆配置为:
基于分类来确定在车辆和对象之间保持的最小距离,并且横向距离和所述宽度之间的差异至少部分地基于最小距离。
3、根据方案1的车辆,其中,分类包括汽车、自行车、摩托车或行人,以及
其中,所述指令在由所述一个或多个处理器执行时还将车辆配置为确定与对象的运动或传感器相关联的不确定性,
其中,所述宽度至少部分地基于不确定性。
4、根据方案1的车辆,其中,所述指令在由所述一个或多个处理器执行时还将车辆配置为:
至少部分地基于行驶包络来确定轨迹,所述轨迹限定车辆在环境中以及在行驶包络内的运动;以及
根据所述轨迹控制车辆行驶通过环境。
5、一种方法,包括:
确定车辆通过环境的规划路径,所述规划路径始于起点且终于目的地;
至少部分地基于从车辆上的传感器获取的传感器数据来检测环境中的对象;
确定沿规划路径的多个点;
确定从所述多个点中的每个到对象的横向距离;
确定对象的分类;
至少部分地基于横向距离和分类来确定一个或多个宽度;以及
至少部分地基于所述一个或多个宽度来确定通过环境的行驶包络,所述行驶包络包括沿规划路径的、车辆能够在其中行驶的环境的一部分。
6、根据方案5的方法,还包括:
基于分类来确定在车辆和对象之间保持的最小距离,
其中,确定所述一个或多个宽度包括:
确定横向距离和最小距离之间的差异不满足或超过车道宽度;以及
将所述差异确定为所述一个或多个宽度。
7、根据方案5的方法,其中,分类包括汽车、自行车、摩托车或行人,所述方法还包括:
确定与在环境中的对象的运动或传感器相关联的多个不确定性;以及
将所述多个不确定性与所述多个点相关联;
其中,所述多个宽度至少部分地基于所述多个不确定性。
8、根据方案7的方法,其中,所述多个不确定性至少部分地基于与对象相关联的概率函数的协方差。
9、根据方案5的方法,还包括:
确定对象的预测运动;以及
确定与预测运动相关联的概率,
其中,确定行驶包络至少部分地基于与预测运动相关联的概率。
10、根据方案5的方法,其中,规划路径是第一规划路径,且行驶包络是第一行驶包络,操作还包括:
确定不同于第一规划路径的第二规划路径;
确定第二行驶包络,所述第二行驶包络包括沿第二规划路径的、车辆能够在其中行驶而不与对象碰撞的环境的第二部分;
选择第一行驶包络或第二行驶包络中的一个作为优选的行驶包络;
至少部分地基于优选的行驶包络确定轨迹,所述轨迹限定车辆在环境中以及在优选的行驶包络内的离散运动;以及
控制车辆沿所述轨迹行驶通过环境。
11、根据方案7的方法,其中,所述多个不确定性与对象的运动相关联,以及
其中,确定所述多个不确定性包括及时传播对象的概率模型。
12、根据方案10的方法,还包括:
根据滚动时域技术并且至少部分地基于优选的行驶包络来确定多个轨迹,所述多个轨迹与多个置信级相关联;以及
选择所述多个轨迹中的与最高置信级相关联的轨迹作为所述轨迹。
13、根据方案12的方法,其中,确定所述多个轨迹包括使用在优选的行驶包络中编码的信息作为成本的非线性最小二乘法优化或差分动态编程。
14、根据方案5的方法,其中,分类包括汽车、行人或自行车,所述方法还包括:
根据分类来确定安全裕度。
15、根据方案14的方法,还包括:
确定距离和安全裕度之间的差异;
确定所述差异不满足或超过与第一位置相关联的车道宽度;以及
将所述差异确定为所述宽度。
结论
尽管已经描述了本文描述的技术的一个或多个示例,但是其各种改变,添加,置换和等同物也包括在本文描述的技术的范围内。
在示例的描述中,参考形成其一部分的附图,其通过说明的方式示出了所要求保护的主题的特定示例。应该理解,可以使用其他示例,并且可以进行诸如结构改变的改变或替换。这样的示例,改变或变更不一定相对于预期的所要求保护的主题偏离范围。尽管此处的步骤可以按一定顺序显示,但在某些情况下,可以更改顺序,以便在不更改所描述系统和方法功能的情况下,可以在不同时间或以不同顺序提供某些输入。所公开的过程也可以以不同的顺序执行。另外,本文描述的各种计算不必以所公开的顺序执行,并且使用计算的替代顺序的其他示例可以容易地实现。除了重新排序外,在某些情况下,计算还可以分解为具有相同结果的子计算。
Claims (20)
1.一种方法,包括:
执行以下内容中的一个或多个:确定或接收车辆将沿参考路径行驶通过的环境的区域;
至少部分地基于从与所述车辆相关联的传感器获得的传感器数据,检测所述环境中的对象;
至少部分地基于与所述对象相关联的属性,确定从沿参考路径的第一点横向地延伸至靠近所述对象的位置的宽度;以及
至少部分地基于所述宽度,确定通过所述环境的行驶包络,所述行驶包络包括所述区域的所述车辆将在其上行驶的一部分,所述行驶包络从沿参考路径的第一点横向地延伸所述宽度并从沿参考路径的第二点横向地延伸第二宽度。
2.根据权利要求1所述的方法,还包括:
基于所述属性,确定所述车辆与所述对象之间所保持的最小距离,
其中,确定所述宽度包括:
确定横向距离和最小距离之间的差异不符合或超过车道宽度;以及
将所述差异确定为所述宽度。
3.根据权利要求1所述的方法,还包括:
确定与所述环境中的所述对象的运动或与传感器相关联的一个或多个不确定性;
其中,确定所述宽度至少部分地基于所述一个或多个不确定性。
4.根据权利要求3所述的方法,其中,所述一个或多个不确定性至少部分地基于与所述对象相关联的协方差。
5.根据权利要求3所述的方法,其中,所述一个或多个不确定性与所述对象的运动有关联,以及
其中,确定所述一个或多个不确定性包括实时传播所述对象的概率模型。
6.根据权利要求1所述的方法,还包括:
确定所述对象的预测运动;以及
确定与预测运动相关联的概率,
其中,确定所述行驶包络至少部分地基于与预测运动相关联的概率。
7.根据权利要求1所述的方法,还包括:
确定沿参考路径的多个点,所述多个点包括第一点和第二点;以及
确定从所述多个点中的附加点横向地延伸的附加宽度,所述行驶包络至少部分地进一步基于附加宽度。
8.根据权利要求1所述的方法,还包括:
根据滚动时域技术并至少部分地基于行驶包络来确定多个轨迹,所述多个轨迹与多个置信级相关联;
作为优选轨迹并至少部分地基于非线性最小二乘法优化或差分动态编程,确定所述多个轨迹中的与最高置信级相关联的一轨迹;以及
控制所述车辆沿优选轨迹并在行驶包络内行驶通过所述环境。
9.一辆车辆,包括:
传感器;
一个或多个处理器;以及
存储处理器可执行指令的存储器,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行行动,所述行动包括:
执行以下内容中的一个或多个:确定或接收所述车辆将沿参考路径行驶通过的环境的区域;
至少部分地基于从所述传感器获得的传感器数据,检测所述环境中的对象;
至少部分地基于所述对象的属性,确定从沿参考路径的第一点靠近所述对象横向地延伸的距离;
确定通过环境的区域的行驶包络,行驶包络包括至少部分地基于所述距离在沿参考路径的第一点处的第一宽度、和在沿参考路径的第二点处的第二宽度;以及
控制所述车辆行驶通过在行驶包络中的环境的区域。
10.根据权利要求9所述的车辆,所述行动还包括:
基于所述属性,确定所述车辆与所述对象之间所保持的最小距离,
其中,确定所述距离包括:
确定所述距离和最小距离之间的差异不符合或超过车道宽度;以及
将所述差异确定为所述距离。
11.根据权利要求9所述的车辆,所述行动还包括:
确定通过环境的区域的参考路径,参考路径至少部分地基于所述车辆的当前位置和所述车辆的目的地。
12.根据权利要求9所述的车辆,所述行动还包括:
确定沿参考路径的多个点,所述多个点包括第一点和第二点;以及
确定从所述多个点中的附加点横向地延伸的附加距离,行驶包络至少部分地进一步基于附加距离。
13.根据权利要求12所述的车辆,所述行动还包括:
确定与在所述传感器的所述环境中的所述对象的运动相关联的多个不确定性;以及
将所述多个不确定性与所述多个点相关联,
其中,所述距离至少部分地基于所述多个不确定性。
14.根据权利要求9所述的车辆,所述行动还包括:
确定所述对象的预测运动;以及
确定与预测运动相关联的概率,
其中,确定行驶包络至少部分地基于与预测运动相关联的概率。
15.根据权利要求9所述的车辆,其中,控制车辆包括:
根据滚动时域技术并至少部分地基于行驶包络来确定多个轨迹,所述多个轨迹与多个置信级相关联;
选择所述多个轨迹中的与最高置信级相关联的轨迹作为优选轨迹;以及
控制所述车辆沿优选轨迹并在行驶包络内行驶通过所述环境。
16.一种具有一组指令的非暂时性计算机可读介质,所述一组指令在被执行时使一个或多个处理器执行操作,所述操作包括:
执行以下内容中的一个或多个:确定或接收车辆沿参考路径行驶通过的环境的区域;
从与所述车辆相关联的传感器接收传感器数据,所述传感器数据包括关于所述环境中的对象的信息;
至少部分地基于所述对象的属性,确定从参考路径上的第一点靠近所述对象横向地延伸的距离;以及
确定通过所述环境的行驶包络,行驶包络至少部分地基于所述距离在第一点处具有第一宽度且在参考路径上的第二点处具有第二宽度。
17.根据权利要求16所述的非暂时性计算机可读介质,所述操作还包括:
根据一个或多个属性,确定所述车辆与所述对象之间所保持的最小距离,
其中,确定所述距离包括:
确定所述距离和最小距离之间的差异不符合或超过车道宽度;以及
将所述差异确定为所述距离。
18.根据权利要求16所述的非暂时性计算机可读介质,所述操作还包括:
确定所述对象的预测运动;以及
确定与预测运动相关联的概率,
其中,确定所述距离至少部分地基于与预测运动相关联的概率。
19.根据权利要求16所述的非暂时性计算机可读介质,所述操作还包括:
确定沿参考路径的多个点,所述多个点包括第一点和第二点;以及
确定从所述多个点中的附加点横向地延伸的附加距离,行驶包络至少部分地进一步基于附加距离。
20.根据权利要求16所述的非暂时性计算机可读介质,所述操作还包括:
确定与所述对象的位置、所述对象的速度或所述对象的加速度相关联的不确定性;
至少部分地基于所述距离和所述不确定性,确定行驶包络中的轨迹;以及
控制所述车辆沿所述轨迹行驶通过所述环境。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/982,694 | 2018-05-17 | ||
US15/982,694 US10614717B2 (en) | 2018-05-17 | 2018-05-17 | Drive envelope determination |
CN201980032596.4A CN112204634B (zh) | 2018-05-17 | 2019-05-15 | 驱动包络确定 |
PCT/US2019/032401 WO2019222337A1 (en) | 2018-05-17 | 2019-05-15 | Drive envelope determination |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980032596.4A Division CN112204634B (zh) | 2018-05-17 | 2019-05-15 | 驱动包络确定 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116494967A true CN116494967A (zh) | 2023-07-28 |
Family
ID=67139789
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980032596.4A Active CN112204634B (zh) | 2018-05-17 | 2019-05-15 | 驱动包络确定 |
CN202310488189.2A Pending CN116494967A (zh) | 2018-05-17 | 2019-05-15 | 行驶包络确定 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980032596.4A Active CN112204634B (zh) | 2018-05-17 | 2019-05-15 | 驱动包络确定 |
Country Status (5)
Country | Link |
---|---|
US (3) | US10614717B2 (zh) |
EP (1) | EP3794572A1 (zh) |
JP (1) | JP7391879B2 (zh) |
CN (2) | CN112204634B (zh) |
WO (1) | WO2019222337A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496178B (zh) | 2016-01-05 | 2023-08-08 | 御眼视觉技术有限公司 | 用于估计未来路径的系统和方法 |
DE102017108107A1 (de) * | 2017-04-13 | 2018-10-18 | Volkswagen Aktiengesellschaft | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur schätzung einer pose eines kraftfahrzeugs |
US10795367B2 (en) | 2018-01-11 | 2020-10-06 | Uatc, Llc | Mapped driving paths for autonomous vehicle |
TWI688502B (zh) * | 2018-02-14 | 2020-03-21 | 先進光電科技股份有限公司 | 用於警告車輛障礙物的設備 |
US10614717B2 (en) | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
US10671070B2 (en) * | 2018-05-23 | 2020-06-02 | Baidu Usa Llc | PID embedded LQR for autonomous driving vehicles (ADVS) |
US11287814B2 (en) * | 2018-08-07 | 2022-03-29 | GM Global Technology Operations LLC | Lane change detection system and method for an autonomous vehicle |
US10882522B2 (en) * | 2018-09-13 | 2021-01-05 | Toyota Research Institute, Inc. | Systems and methods for agent tracking |
US11827241B2 (en) * | 2018-10-29 | 2023-11-28 | Motional Ad Llc | Adjusting lateral clearance for a vehicle using a multi-dimensional envelope |
DE102018008624A1 (de) * | 2018-10-31 | 2020-04-30 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge |
US11828837B2 (en) * | 2018-12-21 | 2023-11-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Method for improving radar measurements in a handheld device |
US11353878B2 (en) * | 2019-03-26 | 2022-06-07 | Baidu Usa Llc | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles |
EP3985355A4 (en) * | 2019-06-13 | 2022-09-07 | NISSAN MOTOR Co., Ltd. | VEHICLE MOVEMENT CONTROL METHOD AND DEVICE |
US11126891B2 (en) * | 2019-09-11 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for simulating sensor data using a generative model |
US11590984B2 (en) * | 2019-10-14 | 2023-02-28 | Bendix Commercial Vehicle Systems Llc | Control system for operator controlled vehicle subsystems |
US11841708B2 (en) * | 2020-02-28 | 2023-12-12 | Zoox, Inc. | System and method for adjusting a planned trajectory of an autonomous vehicle |
CN111583645B (zh) * | 2020-05-09 | 2021-08-03 | 北京京东乾石科技有限公司 | 车辆协同行驶的质量评估方法、装置、服务器及介质 |
US20220017112A1 (en) * | 2020-07-20 | 2022-01-20 | Uatc, Llc | Systems and Methods for Generating Vehicle Corridors to Improve Path Planning Efficiency |
US20220315047A1 (en) * | 2021-03-30 | 2022-10-06 | Honda Research Institute Europe Gmbh | Method, system and vehicle with an uncertainty-based lane positioning control |
CN113467508B (zh) * | 2021-06-30 | 2022-06-28 | 天津大学 | 面向围捕任务的多无人机智能协同决策方法 |
US11884304B2 (en) | 2021-09-08 | 2024-01-30 | Ford Global Technologies, Llc | System, method, and computer program product for trajectory scoring during an autonomous driving operation implemented with constraint independent margins to actors in the roadway |
CN114241762B (zh) * | 2021-12-14 | 2022-11-15 | 深圳市鹏城交通网络股份有限公司 | 一种基于物联网的智慧城市交通综合数据采集分析系统 |
US11851052B2 (en) * | 2022-01-31 | 2023-12-26 | Ford Global Technologies, Llc | Vehicle path verification |
GB2618341A (en) * | 2022-05-03 | 2023-11-08 | Oxa Autonomy Ltd | Controlling an autonomous vehicle |
Family Cites Families (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6332105B1 (en) * | 1999-05-21 | 2001-12-18 | Georgia Tech Research Corporation | Neural network based automatic limit prediction and avoidance system and method |
US6393362B1 (en) * | 2000-03-07 | 2002-05-21 | Modular Mining Systems, Inc. | Dynamic safety envelope for autonomous-vehicle collision avoidance system |
DE10159658A1 (de) * | 2001-12-05 | 2003-06-26 | Daimler Chrysler Ag | System zur automatischen Folgeführung eines Kraftfahrzeugs |
DE10254421A1 (de) * | 2002-11-21 | 2004-06-03 | Lucas Automotive Gmbh | System zur Beeinflussung der Geschwindigkeit eines Kraftfahrzeuges |
JP4042979B2 (ja) * | 2004-05-14 | 2008-02-06 | 本田技研工業株式会社 | 車両操作支援装置 |
DE102005039103A1 (de) * | 2005-08-18 | 2007-03-01 | Robert Bosch Gmbh | Verfahren für die Erfassung eines Verkehrsraums |
JP4867561B2 (ja) * | 2005-12-22 | 2012-02-01 | 日産自動車株式会社 | 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
JP4254821B2 (ja) * | 2006-08-15 | 2009-04-15 | トヨタ自動車株式会社 | 制動制御装置 |
JP2008191781A (ja) * | 2007-02-01 | 2008-08-21 | Hitachi Ltd | 衝突回避システム |
JP4412337B2 (ja) * | 2007-03-08 | 2010-02-10 | トヨタ自動車株式会社 | 周囲環境推定装置及び周囲環境推定システム |
US9260090B2 (en) * | 2009-09-04 | 2016-02-16 | Ford Global Technologies, Llc | Vehicle park assist system and method for parking a vehicle using such system |
DE102009046158A1 (de) * | 2009-10-29 | 2011-05-05 | Robert Bosch Gmbh | Verfahren zur Erkennung von Objekten mit geringer Höhe |
JP5696444B2 (ja) * | 2009-12-24 | 2015-04-08 | 日産自動車株式会社 | 走行制御装置 |
DE102010012954A1 (de) | 2010-03-25 | 2011-09-29 | Daimler Ag | Verfahren zum Betrieb einer Fahrerassistenzvorrichtung und Fahrerassistenzvorrichtung |
US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
JP5824968B2 (ja) * | 2011-08-24 | 2015-12-02 | 日産自動車株式会社 | 走行制御装置 |
DE102012208712A1 (de) * | 2012-05-24 | 2013-11-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Vermeiden oder Abmildern einer Kollision eines Fahrzeugs mit einem Hindernis |
DE102012212175A1 (de) * | 2012-07-12 | 2014-01-16 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs |
US8473144B1 (en) * | 2012-10-30 | 2013-06-25 | Google Inc. | Controlling vehicle lateral lane positioning |
US9523984B1 (en) * | 2013-07-12 | 2016-12-20 | Google Inc. | Methods and systems for determining instructions for pulling over an autonomous vehicle |
DE102013013867A1 (de) * | 2013-08-20 | 2015-03-12 | Audi Ag | Kraftfahrzeug und Verfahren zur Steuerung eines Kraftfahrzeugs |
JP5884794B2 (ja) * | 2013-08-29 | 2016-03-15 | 株式会社デンソー | 衝突可能性判定装置およびプログラム |
DE112013007674B4 (de) * | 2013-12-06 | 2022-11-03 | GM Global Technology Operations LLC | Vorwarnung bei Überschreiten eines Grenzwertes für ein Lenkdrehmoment eines LCC |
EP3176062B1 (en) * | 2014-07-28 | 2023-11-15 | Robert Bosch GmbH | Information providing device and program for motorcycle |
JP6280850B2 (ja) | 2014-09-29 | 2018-02-14 | 日立建機株式会社 | 障害物回避システム |
JP6321532B2 (ja) * | 2014-11-28 | 2018-05-09 | 株式会社デンソー | 車両の走行制御装置 |
JP6404722B2 (ja) * | 2015-01-21 | 2018-10-17 | 株式会社デンソー | 車両の走行制御装置 |
JP6323402B2 (ja) * | 2015-07-01 | 2018-05-16 | 株式会社デンソー | 車線内走行制御装置、車線内走行制御方法 |
JP6265179B2 (ja) * | 2015-08-03 | 2018-01-24 | トヨタ自動車株式会社 | 表示装置 |
JP6308186B2 (ja) * | 2015-08-28 | 2018-04-11 | トヨタ自動車株式会社 | 衝突回避支援装置 |
JP6387948B2 (ja) * | 2015-12-11 | 2018-09-12 | トヨタ自動車株式会社 | 車両の運転支援装置 |
DE102016000199A1 (de) * | 2016-01-11 | 2017-07-13 | Trw Automotive Gmbh | Steuerungs-System und Verfahren zum Ermitteln eines sicheren Spurwechsels durch Kraftfahrzeuge |
DE102016000185A1 (de) * | 2016-01-11 | 2017-07-13 | Trw Automotive Gmbh | Steuerungs-System und Verfahren zum Ermitteln einer Fahrspur eines nachfolgenden Kraftfahrzeugs |
JP6382887B2 (ja) * | 2016-06-03 | 2018-08-29 | 本田技研工業株式会社 | 走行制御装置 |
DE102016009305A1 (de) * | 2016-08-01 | 2018-02-01 | Lucas Automotive Gmbh | Steuerungs-System und Steuerungs-Verfahren zur Auswahl und Verfolgung eines Kraftfahrzeugs |
DE102016009760A1 (de) * | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Führen eines Kraftfahrzeugs entlang eines Pfades |
DE102016009763A1 (de) * | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen |
EP3291202B1 (en) | 2016-08-29 | 2019-04-17 | Volvo Car Corporation | Method of road vehicle trajectory planning |
US9889798B1 (en) * | 2016-08-31 | 2018-02-13 | Autoliv Asp, Inc. | Detection of a target object utilizing automotive radar |
JP6380919B2 (ja) * | 2016-09-01 | 2018-08-29 | マツダ株式会社 | 車両制御装置 |
JP6380920B2 (ja) * | 2016-09-05 | 2018-08-29 | マツダ株式会社 | 車両制御装置 |
CN106564495B (zh) * | 2016-10-19 | 2018-11-06 | 江苏大学 | 融合空间和动力学特性的智能车辆安全驾驶包络重构方法 |
US20180113450A1 (en) * | 2016-10-20 | 2018-04-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous-mode traffic lane selection based on traffic lane congestion levels |
KR102524851B1 (ko) * | 2016-10-31 | 2023-04-25 | 모빌아이 비젼 테크놀로지스 엘티디. | 차로 병합 및 차로 분리의 항법을 위한 시스템 및 방법 |
US10488863B2 (en) * | 2016-12-13 | 2019-11-26 | Ford Global Technologies, Llc | Autonomous vehicle post-fault operation |
CN107298100B (zh) * | 2017-05-16 | 2019-05-10 | 开易(北京)科技有限公司 | 一种基于高斯混合模型的车辆轨迹预测方法、系统 |
US10509410B2 (en) * | 2017-12-06 | 2019-12-17 | Zoox, Inc. | External control of an autonomous vehicle |
US11079753B1 (en) * | 2018-01-07 | 2021-08-03 | Matthew Roy | Self-driving vehicle with remote user supervision and temporary override |
US10614717B2 (en) * | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
-
2018
- 2018-05-17 US US15/982,694 patent/US10614717B2/en active Active
-
2019
- 2019-05-15 CN CN201980032596.4A patent/CN112204634B/zh active Active
- 2019-05-15 CN CN202310488189.2A patent/CN116494967A/zh active Pending
- 2019-05-15 EP EP19735424.4A patent/EP3794572A1/en active Pending
- 2019-05-15 JP JP2020564366A patent/JP7391879B2/ja active Active
- 2019-05-15 WO PCT/US2019/032401 patent/WO2019222337A1/en active Application Filing
-
2020
- 2020-03-27 US US16/832,940 patent/US10937320B2/en active Active
-
2021
- 2021-02-26 US US17/187,226 patent/US11875681B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021524410A (ja) | 2021-09-13 |
JP7391879B2 (ja) | 2023-12-05 |
US20190355257A1 (en) | 2019-11-21 |
CN112204634A (zh) | 2021-01-08 |
US20200226931A1 (en) | 2020-07-16 |
US11875681B2 (en) | 2024-01-16 |
US10937320B2 (en) | 2021-03-02 |
CN112204634B (zh) | 2023-05-30 |
WO2019222337A1 (en) | 2019-11-21 |
EP3794572A1 (en) | 2021-03-24 |
US20210256850A1 (en) | 2021-08-19 |
US10614717B2 (en) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112204634B (zh) | 驱动包络确定 | |
US11970168B2 (en) | Vehicle trajectory modification for following | |
CN112839853B (zh) | 响应式车辆控制 | |
US11532167B2 (en) | State machine for obstacle avoidance | |
CN112789481A (zh) | 对自上而下场景的轨迹预测 | |
JP2022527072A (ja) | 属性に基づく歩行者の予測 | |
CN112955358A (zh) | 轨迹生成 | |
EP3911548B1 (en) | Vehicle control | |
CN116670000A (zh) | 横向安全区域 | |
US11480962B1 (en) | Dynamic lane expansion | |
WO2024006115A1 (en) | Determining right of way | |
CN117545674A (zh) | 用于识别路缘的技术 | |
CN115515835A (zh) | 轨迹分类 | |
US20220073096A1 (en) | Vehicle control | |
US11772643B1 (en) | Object relevance determination |
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 |