CN116533999A - 自动驾驶控制系统及其规避碰撞控制方法,可读存储介质 - Google Patents
自动驾驶控制系统及其规避碰撞控制方法,可读存储介质 Download PDFInfo
- Publication number
- CN116533999A CN116533999A CN202211455790.3A CN202211455790A CN116533999A CN 116533999 A CN116533999 A CN 116533999A CN 202211455790 A CN202211455790 A CN 202211455790A CN 116533999 A CN116533999 A CN 116533999A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- grid
- standard deviation
- grid cell
- 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 title claims abstract description 42
- 238000013016 damping Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 239000002245 particle Substances 0.000 description 15
- 238000001514 detection method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001151 other 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
- 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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2554/404—Characteristics
-
- 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
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及自动驾驶控制系统及其规避碰撞控制方法,可读存储介质。具有自动驾驶控制系统的实施例规避碰撞控制方法包括:通过将包括车辆的位置和速度向量的车辆信息和包括在车辆周围感测的对象的位置和速度向量的对象信息存储在对应于由车辆和对象所占用的区域的网格单元格中来生成网格地图,并且确定基于车辆信息设定的每个参考时间内由车辆占用的网格单元格与基于对象信息预测的每个参考时间内由对象占用的网格单元格重叠的区域作为碰撞风险区域,以控制规避碰撞风险区域。
Description
相关申请
本申请要求于2022年2月3日提交的韩国专利申请号10-2022-0014294的权益,该申请通过引证结合于此。
技术领域
实施例涉及自动驾驶控制系统及其规避碰撞控制方法。
背景技术
自动车辆是指能够通过自己掌握道路和周围条件行驶至目的地而无需驾驶员操作加速踏板、方向盘、制动器等的车辆。
自动车辆测量行驶环境并且基于测量的行驶环境控制行驶路径。在规划路径时,需要确定没有障碍物的区域,然后建立安全路径以规避与障碍物碰撞。
因此,研究继续通过在车辆行驶时预测碰撞风险区域来生成安全行驶路径。
发明内容
因此,实施例涉及基本上消除由于现有技术的限制和缺点引起的一个或多个问题的自动驾驶控制系统及其规避碰撞控制方法。
实施例提供了一种能够通过准确地预测车辆周围的动态对象的移动区域来执行规避碰撞的自动驾驶控制系统及其规避碰撞控制方法。
实施例不限于上述特征,并且本发明所属领域的技术人员从以下描述中可以清晰地理解本发明的实施例的其他特征。
实施例的其他优点、目的和特征将在下面的描述中部分地阐述,并且对于本领域普通技术人员在检查以下内容后将部分地变得明显,或者可以从本发明的实践中学习。本发明的实施例的特征和其他优点可以通过在书面说明书和其权利要求书以及附图中特别指出的结构来实现和获得。
根据本发明的实施例,提供了一种具有自动驾驶控制系统的规避碰撞控制方法,该方法包括:通过将包括车辆的位置和速度向量的车辆信息和包括在车辆的周围感测的对象的位置和速度向量的对象信息存储在对应于由车辆和对象占用的区域的网格单元格中来生成网格地图;以及将基于车辆信息设定的每个参考时间内由车辆占用的网格单元格与基于对象信息预测的每个参考时间内由对象占用的网格单元格重叠的区域确定为碰撞风险区域,以控制规避碰撞风险区域。
生成网格地图可包括:通过多个传感器获取感测信息,感测信息包括对象的位置信息和速度信息中的至少一个;将从多个传感器中的每一个获取的感测信息存储在该网格单元格中;基于车辆信息和感测信息估计每个网格单元格的位置、速度和占用概率;以及将估计的对象的位置、速度和占用概率存储为网格单元格中的对象信息。
在预测区域中,随着时间增加,对象的移动预测区域的范围可增加,并且分配给每个网格单元格的预测概率可减小。
基于车辆信息和感测信息估计每个网格单元格的位置、速度和占用概率可包括:基于存储在网格单元格中的感测信息计算每个网格单元格的代表速度向量;通过将代表速度向量和感测信息代入预设公式来计算每一次的预测标准差;以及使用预测标准差来估计网格单元格的占用概率。
在基于存储在网格单元格中的感测信息计算每个网格单元格的代表速度向量时,当使用网格单元格的X-Y坐标将存储在网格单元格中的感测信息的速度表达为时,该网格单元格的代表速度{vx,vy}可由以下公式1来计算:
公式1
其中n是存在于网格单元格中的感测信息的类型的数量。
通过将代表速度向量和感测信息代入预设的公式来计算每一次的预测标准差可包括:将表示为网格单元格的X-Y坐标的感测信息的速度转换成代表速度的坐标系X'-Y';以及通过将坐标系转换成的感测信息代入以下公式2来计算每一次的预测标准差。
公式2
α:标准差阻尼比
vx'标准差
vy'标准差
在k处预测的vx'标准差
在k处预测的vy'标准差。
使用预测标准差估计网格单元格的占用概率可以包括使用每一次的预测标准差生成高斯分布的预测区域。
在本发明的另一个实施例中,提供了一种非暂时性计算机可读存储介质,记录有用于执行具有自动驾驶控制系统的规避碰撞控制方法的程序的,程序被配置为实现:通过将包括车辆的位置向量和速度向量的车辆信息以及包括在车辆周围感测的对象的位置向量和速度向量的对象信息存储在对应于由车辆和对象占用的区域的网格单元格中来生成网格地图的功能;将基于车辆信息设定的每个参考时间内由车辆占用的网格单元格与基于对象信息预测的每个参考时间内由对象占用的网格单元格重叠的区域确定为碰撞风险区域,以控制规避碰撞风险区域的功能。
在本发明的又一实施例中,提供一种自动驾驶控制系统,该自动驾驶控制系统包括:地图生成单元,被配置为通过将包括车辆的位置和速度向量的车辆信息以及包括在车辆的周围检测出的对象的位置和速度向量的对象信息存储在对应于由车辆及对象占用的区域的网格单元格中来生成网格地图;风险区域检测单元,被配置为将基于车辆信息设定的每个参考时间内由车辆占用的网格单元格与在基于对象信息预测的每个参考时间内由对象占用的网格单元格重叠的区域确定为碰撞风险区域;以及驾驶控制单元,被配置为控制规避碰撞风险区域。
地图生成单元可通过多个传感器获取包括对象的位置信息和速度信息中的至少一个的感测信息,将从多个传感器中的每一个获取的感测信息存储在该网格单元格中,基于车辆信息和感测信息估计每个网格单元格的位置、速度和占用概率,并且将估计的对象的位置、速度和占用概率存储为网格单元格中的对象信息。
在预测区域中,随着时间增加,对象的移动预测区域的范围可增加,并且分配给每个网格单元格的预测概率可减小。
地图生成单元可以基于存储在网格单元格中的感测信息来计算每个网格单元格的代表速度向量,通过将代表速度向量和感测信息代入预设公式来计算每一次的预测标准差,并且使用预测标准差来估计网格单元格的占用概率。
地图生成单元被配置为使得当使用网格单元格的X-Y坐标将存储在网格单元格中的感测信息的速度表示为时,由以下公式式1计算网格单元格的代表速度{vx,vy}:
公式1
其中n是存在于网格单元格中的感测信息的类型的数量。
自动驾驶控制系统可进一步包括:对象路径预测单元,其被配置为:将表示为网格单元格的X-Y坐标的感测信息的速度转换成代表速度的坐标系X'-Y',并且通过将坐标系转换成的感测信息代入以下公式2来计算每一次的预测标准差。
公式2
α:标准差阻尼比
vx'标准差
vy'标准差
在k处预测的vx'标准差
在k处预测的vy'标准差。
对象路径预测单元可使用每一次的预测标准差生成高斯分布的预测区域。
应当理解,本发明的实施例的上述总体描述和以下详细描述是示例性和说明性的,并且旨在提供对所要求保护的本发明的进一步解释。
附图说明
被包括以提供对本发明的实施例的进一步理解并且被并入本申请并构成本申请的一部分的附图示出了本发明的实施例并且与说明书一起用于解释本发明的原理。在附图中:
图1是示意性示出根据实施例的自动驾驶控制系统的框图;
图2是用于说明图1中的DOGM的概念的示图;
图3是用于解释根据实施例的规避碰撞控制方法的概念的图;
图4是示出了根据实施例的具有规避碰撞控制方法的周围对象移动预测方法的流程图;
图5至图7是用于说明根据实施例的周围对象移动预测方法的图;
图8是示出了根据实施例的具有规避碰撞控制方法的碰撞区域预测方法的流程图;
图9为用于解释根据实施例的碰撞区域预测方法的示图;
图10是用于解释根据第一实施例的规避碰撞控制方法的图;以及
图11是用于解释根据第二实施例的规避碰撞控制方法的图。
具体实施方式
现在将详细参考本发明的优选实施例,这些实施例的实例在附图中示出。然而,本发明可体现为不同的形式并且不应被解释为局限于本文所阐述的实施例。相反,提供这些实施例使得本公开将是彻底和完整的,并且将本发明的范围充分地传达给本领域技术人员。
在以下描述中,将理解,当元件被称为形成在另一元件“之上(on)”或“之下(under)”时,其可直接形成在另一元件“之上”或“之下”,或者间接地形成有其间的一个或多个中间元件。
此外,将理解,元件“之上”或“之下”可表示元件的向上方向和向下方向。
本文中诸如“第一”和“第二”以及“之上”/“向上”/“上方”和“之下”/“向下”/“下方”的关系术语还可用于将一个实体或元件与另一个实体或元件区分开,而不必要求或暗示这些实体或元件之间的任何物理或逻辑关系或顺序。
在整个说明书中,将理解的是,当组件被称为“包含(comprising)”/“包括(including)”任何组件时,除非另外说明,其不排除其他组件,而是可以进一步包含/包括其他组件。为了在附图中清楚地示出本发明的实施例,在附图中可以省略与描述无关的部分,并且在整个说明书中相同的附图标记表示相同的元件。
根据本发明的实施例,通过使用存储车辆周围的对象的位置、速度和占用概率的动态占用网格地图来估计周围对象的移动,无论诸如车辆或行人的对象的类型如何,都可以预测车辆周围的对象的移动路径。可以通过将每一次由移动对象占用的区域与自主车辆驾驶区域进行比较来检测碰撞风险区域,并且生成行驶路径以规避碰撞。
在下文中,将参考附图描述根据本发明的实施例的自动驾驶控制系统及其规避碰撞控制方法。
图1是示意性示出根据实施例的自动驾驶控制系统的框图。
参考图1,根据实施例的自动驾驶控制系统包括传感器单元130、驾驶信息获取单元110、自主车辆路径预测单元120、动态占用网格地图(在后文中称为“DOGM”)、创建单元200、对象路径预测单元140、风险区域检测单元150、以及驾驶控制单元160。
传感器单元130检测自主车辆周围的对象的位置、速度、加速度等并且对其进行预处理以生成占用网格地图(以下称为“OGM”)。传感器单元130可包括诸如LiDAR、照相机、以及雷达的各种传感器,并且可通过将从每个传感器输入的感测数据集成到一个网格地图中来生成OGM。
驾驶信息获取单元110获取包括自主车辆的位置信息、速度信息和行驶路径信息的自主车辆信息。
自主车辆路径预测单元120使用自主车辆信息在网格地图上以生成每一次的行驶区域。
DOGM创建单元200可以接收由传感器单元130生成的OGM和自主车辆信息,并且为每个网格单元格生成包括对象的占用概率、占用位置、代表速度向量等的DOGM。DOGM创建单元200可以包括网格地图更新器、粒子过滤器和网格信息估计器。网格地图更新器接收由传感器单元130生成的OGM和自主车辆信息并且更新网格地图信息。粒子过滤器过滤包括在每个网格单元格中的粒子数据。粒子数据是指网格单元格中的感测数据。在网格单元格中可存在均具有位置、速度、方向等的多种类型的粒子数据。粒子过滤器可以过滤这些类型的粒子数据中的有意义的数据。网格信息估计器可基于过滤的粒子数据估计表示该网格单元格的位置、速度和占用概率。因而,针对每个网格单元格的对象的位置、速度和占用概率可以被存储在最终生成的DOGM中。
图2是用于说明DOGM的概念的图。如图2所示,在DOGM中,对象的位置信息存储在由自主车辆Ego和对象Obj1和Obj2占用的网格单元格中,并且每个单元格中的诸如速度、方向和占用概率的信息存储在其中。由于为每个网格单元格计算速度和方向(即,速度向量),所以可通过每个网格单元格的速度向量来预测对象的移动方向和速度,而不管对象的类型。
对象路径预测单元140基于DOGM确定网格地图上被视为由动态对象占用的网格单元格。对象路径预测单元140通过使用由动态对象占用的网格单元格的代表速度向量和包括在网格单元格中的粒子数据的标准差来预测代表速度和路径。对象路径预测单元140基于预测的结果预测每一次的对象的移动区域。
风险区域检测单元150同时将自主车辆的驾驶预测区域与周围对象的移动预测区域进行比较,并且将重叠网格单元格设置为碰撞风险区域。风险区域检测单元150生成包括碰撞预测时间、碰撞风险网格单元格位置和碰撞概率的碰撞信息。
驾驶控制单元160可通过基于从风险区域检测单元150输出的碰撞信息确定自主车辆的行驶路径来控制驾驶状态。
图3是用于解释根据实施例的碰撞规避控制方法的概念的示图。
DOGM存储诸如自主车辆Ego的速度和位置的信息,其允许预测每一次的自主车辆Ego的行驶路径。另外,在DOGM中,将对象Ob的位置信息存储在网格单元格中,并且将诸如速度、方向和占用概率的信息存储在该单元格中。由于针对每个网格单元格计算速度和方向(即,速度向量),因此可预测对象Ob通过其的移动方向和速度。
当将自主车辆Ego的行驶路径与对象Ob的移动预测区域进行比较时,可以将两个区域同时重叠的区域确定为碰撞风险区域。当识别碰撞风险区域时,可以生成包括碰撞预测时间、碰撞风险网格单元格位置以及碰撞概率的碰撞信息。
因此,自动驾驶控制系统可控制自主车辆的驾驶状态,诸如,改变其路径或者减速或者加速,以规避碰撞风险区域中的碰撞。
将参考图4至图7详细描述根据实施例的使用DOGM预测周围对象的移动路径的方法。图4是示出根据实施例的周围对象移动预测方法的流程图。图5至图7是用于解释根据实施例的周围对象移动预测方法的示图。
参考图4,为了预测周围对象的移动路径,计算和预测DOGM的每个网格单元格的代表速度和占用概率(S110)。将参考图5描述计算网格单元格的代表速度和占用概率的方法。参考图5,在DOGM的每个网格单元格中可以存在均具有位置、速度、方向等的多种类型的粒子数据。“粒子数据”可以指存在于网格单元格中的一种或者多种类型的速度信息。当粒子速度被表示为时,可以通过以下公式1计算该网格单元格的代表速度{vx,vy}:
公式1
其中n是存在于该网格单元格中的粒子数据的类型的数量。
当计算代表速度时,根据X-Y坐标系(其是网格单元格的坐标系)表示的粒子被转换成代表速度的坐标系X'-Y'。代表速度的坐标系X'-Y'是其中代表速度的方向被设定为X'轴并且与X'轴垂直的轴被设定为Y'轴的坐标系。
然后,使用代表速度和转换成代表速度的坐标系X'-Y'的粒子数据计算每一次的预测标准差。可通过以下公式2计算每一次的预测标准差。
公式2
α:标准差阻尼比
vx'标准差
vy'标准差
在k处预测的vx'标准差
在k处预测的vy'标准差。
在此,如在图5的“随着时间推移的标准差阻尼比”的图表中示出的,标准差阻尼比α随着时间k逐渐减小。因此,通过公式2的(1)和(2)计算的预测标准差随着预测时间k的增加而增加。因而,随着时间的预测标准差可以被用于生成高斯分布的占用的预测区域。
参考图4,当计算每个网格单元格的占用概率时,确定占用概率是否等于或大于阈值(S120)。
当占用概率等于或大于阈值时,生成每一次的对象移动预测区域(S130)。图6是用于解释每一次的对象移动预测区域的创建的概念的示图。在图6中,网格单元格被占用的概率越高,其被显示为越暗。当网格单元格在时间k的代表速度为V时,移动预测区域被预测为在与V相同的方向上移动。然而,随着时间流逝,k+1、k+2、k+3,...,移动预测区域的范围增大,分配给该网格单元格的预测概率减小。
在生成每一次的对象移动预测区域之后,在每个预测区域中生成每一次的对象占用预测概率(S140)。参考图7,由DOGM估计的对象可以包括多个网格单元格。在时间k处估计的对象可位于三个网格单元格中,并且每个网格单元格可具有代表的速度和方向(V1k、V2k和V3k)。对象移动预测区域是包括在每个网格单元格中每一次计算的全部预测区域的区域。即,在时间k+1处预测的区域是包括基于V1k的V1k+1区域、基于V2k的V2k+1区域以及基于V3k的V3k+1区域的全部的区域。以相同的方式,在时间k+2处预测的区域是包括基于V1k的V1k+2区域、基于V2k的V2k+2区域以及基于V3k的V3k+2区域的全部的区域。
在每个预测区域中生成每一次的对象占用预测概率之后,确定每个网格单元格的预测概率是否等于或大于阈值(S150)。如果概率小于阈值,则移除该预测区域(S170)。
如果概率等于或大于阈值,则将该区域保持为对象移动预测区域(S160)。
通过上述处理,可通过将设置的每一次的对象移动预测区域与自主车辆路径进行比较来预测碰撞区域。
图8是示出了根据实施例的碰撞区域预测方法的流程图。图9为用于解释根据实施例的碰撞区域预测方法的示图。
参考图8,在网格地图上分配每一次的对象移动预测区域(S210),并且分配每一次的自主车辆驾驶区域(S220)。参考图9,在当前时间是k时,可在网格地图上分配在时间k+1、k+2和k+3处的每一次的自主车辆驾驶区域和对象移动预测区域。
确定自主车辆驾驶区域是否包括对象移动预测区域(S230)。参考图9,在时间k+1处,自主车辆驾驶区域不与对象移动预测区域重叠。即,在时间k+1处不存在碰撞风险区域。
当自主车辆驾驶区域包括对象移动预测区域时,可分配两个区域重叠的区域作为碰撞风险区域(S240)。参考图9,在时间k+2和k+3处,自主车辆驾驶区域与对象移动预测区域重叠。由于自主车辆和对象同时位于相同位置,所以每个时间k+2和k+3处的自主车辆驾驶区域可被确定为碰撞风险区域。
当分配碰撞风险区域时,生成碰撞信息(S250)。碰撞信息可以包括碰撞预测时间、碰撞风险网格单元格位置、以及碰撞概率。
图10是用于解释根据第一实施例的规避碰撞控制方法,具体地,切入(cut-in)情况下的规避碰撞控制方法的示图。
为了规避碰撞,每隔预设时间k、k+1、k+2、…预测周围对象Ob1和Ob2的移动路径,并且与自主车辆Ego的行驶路径相比较,从而能够确定碰撞风险区域。
可以根据由第一对象Ob1在时间k处占用的网格单元格R1的代表速度和方向来预测第一对象Ob1在时间k处的预测路径R3(步骤:K)。
可以根据第二对象Ob2在时间k处占用的网格单元格R1的代表速度和方向来预测第二对象Ob2在时间k处的预测路径R3(步骤:K)。
自主车辆Ego的路径R2不与第一对象Ob1的预测路径R3重叠,因此可以确定不存在碰撞的风险。
可以根据由第一对象Ob1在时间k+1处占用的网格单元格R1的代表速度和方向来预测第一对象Ob1在时间k+1处的预测路径R4(步骤:K+1)。
可根据第二对象Ob2在时间k+1处占用的网格单元格R1的代表速度和方向来预测第二对象Ob2在时间k+1的预测路径R4(步骤:K+1)。第二对象Ob2在时间k+1处的预测路径R4(步骤:K+1)具有与自主车辆Ego的行驶路径R2重叠的区域。第二对象Ob2的预测路径R4与自主车辆Ego的行驶路径R2重叠的区域可以被确定为风险区域。
因此,可以通过改变自主车辆Ego的路径以遵循路径R5来规避风险区域来规避碰撞。
图11是用于解释根据第二实施例的规避碰撞控制方法,具体地,在交叉路口驾驶情况下的规避碰撞控制方法的图。
为了规避碰撞,每隔预设时间k,k+1,k+2...预测周围对象Ob3的移动路径,并且与自主车辆Ego的行驶路径相比较,从而能够确定碰撞风险区域。
可以根据第三对象Ob3在时间k处占用的网格单元格R1的代表速度和方向来预测第三对象Ob3在时间k处的预测路径R3(步骤:K)。
自主车辆Ego在时间k处的路径R2(步骤:K)不与第三对象Ob3的预测路径R3重叠,因此可以确定不存在碰撞的风险。
可以根据第三对象Ob3在时间k+1处占用的网格单元格R1的代表速度和方向来预测第三对象Ob3在时间k+1处的预测路径R4(步骤:K+1)。在时间k+1处的第三对象Ob3的预测路径R4(步骤:K+1)具有与自主车辆Ego的行驶路径R2重叠的区域。第三对象Ob3的预测路径R4与自主车辆Ego的行驶路径R2重叠的区域可以被确定为危险区域。
因此,可以通过改变自主车辆Ego的路径以跟随在当前位置停止的路径R5来规避碰撞。
如上所述,本发明的实施例可以使用存储车辆周围的对象的位置、速度和占用概率的动态占用网格地图来预测车辆周围的对象的移动路径。在DOCM中,每个对象可以表示为由该对象占用的网格单元格的集合,并且每个网格单元格可以具有代表速度向量和占用概率。因而,可以通过计算每个网格单元格的每单位时间的移动路径和占用概率来预测对象每一次的移动路径。
通过将预测的对象移动路径与自主车辆驾驶路径进行比较,可以将两个路径同时重叠的区域设置为碰撞风险区域。因此,可以通过改变自主车辆驾驶路径以规避碰撞风险区域来规避与对象的碰撞。
从以上描述中显而易见的是,根据本发明的实施例的自动驾驶控制系统及其规避碰撞控制方法可使用存储车辆周围的对象的位置、速度和占用概率的动态占用网格地图来预测车辆周围的对象的移动路径。
根据本发明的实施例的自动行驶控制系统及其规避碰撞控制方法可通过将由每一次的移动对象占用的区域(使用动态占用网格地图预测)与自主车辆驾驶区域进行比较来预测碰撞区域,从而生成路径以规避碰撞。
本发明的实施例不限于上述效果,并且本发明所属领域的技术人员可以从上述描述中清楚地理解本发明的实施例的其他效果。
以上,根据附图所示的实施例说明了本发明,但对于本领域技术人员显而易见的是,这些实施例仅是以举例方式提供的。本领域技术人员应当理解的是,在不背离所附权利要求中限定的本发明的精神和范围的情况下,可以做出各种修改和应用。例如,可以修改和实现在此具体示出的每个部件。与这样的修改和应用相关的差异应当被解释为包括在所附权利要求中限定的本发明的范围内。
Claims (15)
1.一种具有自动驾驶控制系统的规避碰撞控制方法,所述规避碰撞控制方法包括:
通过将包括车辆的位置和速度向量的车辆信息和包括在所述车辆的周围感测的对象的位置和速度向量的对象信息存储在对应于由所述车辆和所述对象占用的区域的网格单元格中来生成网格地图;以及
将基于所述车辆信息设定的每个参考时间内由所述车辆占用的网格单元格与基于所述对象信息预测的每个参考时间内由所述对象占用的网格单元格重叠的区域确定为碰撞风险区域,以控制规避所述碰撞风险区域。
2.根据权利要求1所述的规避碰撞控制方法,其中,生成所述网格地图包括:
通过多个传感器获取感测信息,所述感测信息包括所述对象的位置信息和速度信息中的至少一个;
将从所述多个传感器中的每一个获取的所述感测信息存储在相应网格单元格中;
基于所述车辆信息和所述感测信息估计每个网格单元格的位置、速度和占用概率;以及
将估计的所述对象的位置、速度和占用概率存储为所述网格单元格中的所述对象信息。
3.根据权利要求2所述的规避碰撞控制方法,其中,在预测区域中,随着时间增加,对象的移动预测区域的范围增加,并且分配给每个网格单元格的预测概率减少。
4.根据权利要求2所述的规避碰撞控制方法,其中,基于所述车辆信息和所述感测信息估计每个网格单元格的所述位置、所述速度和所述占用概率包括:
基于存储在所述网格单元格中的所述感测信息计算每个网格单元格的代表速度向量;
通过将所述代表速度向量和所述感测信息代入预设公式来计算每一次的预测标准差;以及
使用所述预测标准差来估计所述网格单元格的所述占用概率。
5.根据权利要求4所述的规避碰撞控制方法,其中,在基于存储在所述网格单元格中的所述感测信息计算每个网格单元格的所述代表速度向量时,当使用所述网格单元格的X-Y坐标将存储在所述网格单元格中的所述感测信息的速度表达为时,所述网格单元格的代表速度{vx,vy}由以下公式计算:/>其中,n是存在于所述网格单元格中的感测信息的类型的数量。
6.根据权利要求5所述的规避碰撞控制方法,其中,通过将所述代表速度向量和所述感测信息代入预设公式来计算每一次的所述预测标准差包括:
将表示为所述网格单元格的所述X-Y坐标的所述感测信息的速度转换成代表速度的坐标系X'-Y';以及
通过将所述坐标系转换成的所述感测信息代入以下公式来计算每一次的所述预测标准差:
(1)
(2)
α:标准差阻尼比
vx'标准差
vy'标准差
在k处预测的vx'标准差
在k处预测的vy'标准差。
7.根据权利要求6所述的规避碰撞控制方法,其中,使用所述预测标准差估计所述网格单元格的所述占用概率包括使用每一次的所述预测标准差生成高斯分布的预测区域。
8.一种非暂时性计算机可读存储介质,记录有用于执行具有自动驾驶控制系统的规避碰撞控制方法的程序,当所述程序由包括所述非暂时性计算机可读存储介质的计算机的处理器运行时,执行:
通过将包括车辆的位置和速度向量的车辆信息和包括在车辆的周围感测的对象的位置和速度向量的对象信息存储在对应于由所述车辆和所述对象占用的区域的网格单元格中来生成网格地图的功能;以及
将基于所述车辆信息设定的每个参考时间内由所述车辆占用的网格单元格与基于所述对象信息预测的每个参考时间内由所述对象占用的网格单元格重叠的区域确定为碰撞风险区域,以控制规避所述碰撞风险区域的功能。
9.一种自动驾驶控制系统,所述自动驾驶控制系统包括:
地图生成器,被配置为通过将包括车辆的位置和速度向量的车辆信息以及包括在所述车辆的周围检测出的对象的位置和速度向量的对象信息存储在对应于由所述车辆及所述对象占用的区域的网格单元格中来生成网格地图;
风险区域检测器,被配置为将基于所述车辆信息设定的每个参考时间内由所述车辆占用的网格单元格与基于所述对象信息预测的每个参考时间内由所述对象占用的网格单元格重叠的区域确定为碰撞风险区域;以及
驾驶控制器,被配置为控制以规避所述碰撞风险区域。
10.根据权利要求9所述的自动驾驶控制系统,其中,所述地图生成器被配置为:
通过多个传感器获取感测信息,所述感测信息包括所述对象的位置信息和速度信息中的至少一个;
将从所述多个传感器中的每一个获取的所述感测信息存储在相应网格单元格中;
基于所述车辆信息和所述感测信息估计每个网格单元格的位置、速度和占用概率;以及
将估计的所述对象的位置、速度和占用概率存储为所述网格单元格中的所述对象信息。
11.根据权利要求10所述的自动驾驶控制系统,其中,在预测区域中,随着时间增加,所述对象的移动预测区域的范围增加,并且分配给每个网格单元格的预测概率减少。
12.根据权利要求10所述的自动驾驶控制系统,其中,所述地图生成器被配置为:
基于存储在所述网格单元格中的所述感测信息计算每个网格单元格的代表速度向量;
通过将所述代表速度向量和所述感测信息代入预设公式来计算每一次的预测标准差;以及
使用所述预测标准差来估计所述网格单元格的占用概率。
13.根据权利要求12所述的自动驾驶控制系统,其中,所述地图生成器被配置为使得当使用所述网格单元格的X-Y坐标将存储在所述网格单元格中的所述感测信息的速度表示为时,所述网格单元格的代表速度{vx,vy}由以下公式计算:其中,n是存在于所述网格单元格中的感测信息的类型的数量。
14.根据权利要求13所述的自动驾驶控制系统,进一步包括:对象路径预测器,被配置为:
将表示为所述网格单元格的所述X-Y坐标的所述感测信息的所述速度转换成所述代表速度的坐标系X'-Y';以及
由将所述坐标系转换成的所述感测信息代入以下公式来计算每一次的所述预测标准差:
(1)
(2)
α:标准差阻尼比
vx'标准差
vy'标准差
在k处预测的vx'标准差
在k处预测的vy'标准差。
15.根据权利要求14所述的自动驾驶控制系统,其中,所述对象路径预测器被配置为使用每一次的所述预测标准差生成高斯分布的预测区域。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2022-0014294 | 2022-02-03 | ||
KR1020220014294A KR20230117936A (ko) | 2022-02-03 | 2022-02-03 | 자율주행 제어 장치 및 그 충돌 회피 제어방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116533999A true CN116533999A (zh) | 2023-08-04 |
Family
ID=87451199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211455790.3A Pending CN116533999A (zh) | 2022-02-03 | 2022-11-21 | 自动驾驶控制系统及其规避碰撞控制方法,可读存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240157976A1 (zh) |
KR (1) | KR20230117936A (zh) |
CN (1) | CN116533999A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102643540B1 (ko) * | 2023-10-31 | 2024-03-06 | 주식회사 라이드플럭스 | 자율주행 차량의 충돌 방지 방법, 장치 및 컴퓨터프로그램 |
-
2022
- 2022-02-03 KR KR1020220014294A patent/KR20230117936A/ko unknown
- 2022-11-15 US US17/987,286 patent/US20240157976A1/en active Pending
- 2022-11-21 CN CN202211455790.3A patent/CN116533999A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20230117936A (ko) | 2023-08-10 |
US20240157976A1 (en) | 2024-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104554258B (zh) | 采用虚拟势场技术的避让转向操作的路径规划 | |
CN109829351B (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
US8233663B2 (en) | Method for object formation | |
JP6714513B2 (ja) | 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 | |
CN104554272B (zh) | 存在目标车辆和周围物体时的避让转向操作的路径规划 | |
US10867191B2 (en) | Method for detecting and/or tracking objects | |
US20210171025A1 (en) | Moving body behavior prediction device and moving body behavior prediction method | |
US20190012548A1 (en) | Unified deep convolutional neural net for free-space estimation, object detection and object pose estimation | |
CN111382768A (zh) | 多传感器数据融合方法和装置 | |
US20220080961A1 (en) | Control system and control method for sampling based planning of possible trajectories for motor vehicles | |
JP5620147B2 (ja) | 可動物予測装置及びプログラム | |
CN110789517A (zh) | 自动驾驶横向控制方法、装置、设备及存储介质 | |
JP2009237776A (ja) | 車両用運転支援装置 | |
US20210073321A1 (en) | Method for detecting an object | |
JP6418574B2 (ja) | 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム | |
Mouhagir et al. | Evidential-based approach for trajectory planning with tentacles, for autonomous vehicles | |
JP2022142165A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
CN116533999A (zh) | 自动驾驶控制系统及其规避碰撞控制方法,可读存储介质 | |
Braeuchle et al. | Maneuver decision for active pedestrian protection under uncertainty | |
CN111881245B (zh) | 能见度动态地图的产生方法、装置、设备及存储介质 | |
US20230271621A1 (en) | Driving assistance device, learning device, driving assistance method, medium with driving assistance program, learned model generation method, and medium with learned model generation program | |
US11541885B2 (en) | Location prediction for dynamic objects | |
CN115214570B (zh) | 一种结合距离和时间因素的车辆分级制动控制方法及系统 | |
CN115042787B (zh) | 一种无车道线下确定跟踪轨迹的方法及装置 | |
US11820351B2 (en) | Device and method for protecting a travel trajectory of an ego vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |