CN116670609A - 用于预测自主车辆的未来状态的系统 - Google Patents
用于预测自主车辆的未来状态的系统 Download PDFInfo
- Publication number
- CN116670609A CN116670609A CN202180083699.0A CN202180083699A CN116670609A CN 116670609 A CN116670609 A CN 116670609A CN 202180083699 A CN202180083699 A CN 202180083699A CN 116670609 A CN116670609 A CN 116670609A
- Authority
- CN
- China
- Prior art keywords
- autonomous vehicle
- plan
- controllers
- vehicle
- predicted
- 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 44
- 239000013598 vector Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 11
- 230000033001 locomotion Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 230000000007 visual 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
在自主车辆的路径规划周期开始时,系统识别与自主车辆相关联的当前规划、定义在路径规划周期中随着时间推移自主车辆的一个或多个速度的速度规划以及自主车辆的当前状态。当前规划包括定义在路径规划周期中自主车辆的提议轨迹的空间规划。当前状态定义自主车辆的一个或多个动态状态。系统在预测视界周期内生成自主车辆的预测状态的序列,从序列中识别对应于自主车辆的更新规划的公布时间的预测状态;生成更新规划,以及使自主车辆执行更新规划。
Description
交叉引用和优先权声明
本专利文件要求2020年10月15日提交的美国专利申请号17/071,140的优先权,其全部内容通过引用的方式合并于此。
背景技术
典型的自主车辆(AV)分层路径规划系统通常具有规划从AV的当前状态开始的供路径跟随器系统遵循的轨迹的路径规划器系统。路径跟随器系统可以被调节以积极地遵循规划轨迹,因为通常假设与规划轨迹的初始偏差将很小。然而,规划轨迹的生成可能是时间和资源密集型的。此外,AV的状态可以在规划期间内显著偏离规划轨迹。因此,在规划轨迹公布的时候,AV状态可能已经显著地偏离规划轨迹中描述的状态,这可以导致不期望的AV行为,比如攻击性控制反应和振动行为。
某些AV路径规划系统通过使其规划轨迹从公布时的预测AV状态开始来解释规划期间。这些系统然后必须考虑到规划时的可用信息来准确地预测公布时的AV状态。
这些系统可以在规划期间内模拟AV的模型,模型在规划时基于在规划时间之前最后发送给车辆平台的驱动指令来初始化AV状态。然而,这些驱动指令可能是不准确的,因为如果在规划周期之间没有时间(如果路径规划器落后于计划则这可以发生),驱动指令可能没有考虑到最后规划的轨迹。
本文件描述了针对解决上面描述的问题和/或其他问题的方法和系统。
发明内容
在各种实施例中,用于预测自主车辆的状态的系统包括自主车辆的车载电子装置和具有一个或多个编程指令的计算机可读存储介质,一个或多个编程指令在执行时使车载电子装置执行某些动作。在自主车辆的路径规划周期开始时,系统识别与自主车辆相关联的当前规划、定义在路径规划周期中随着时间推移自主车辆的一个或多个速度的速度规划以及自主车辆的当前状态。当前规划包括定义在路径规划周期中自主车辆的提议轨迹的空间规划。当前状态定义自主车辆的一个或多个动态状态。系统在预测视界周期内生成自主车辆的预测状态的序列,从序列中识别对应于自主车辆的更新规划的公布时间的预测状态,生成更新规划,以及使自主车辆执行更新规划。更新规划是从识别的预测状态开始的。
当前状态可以包括以下中的一个或多个:自主车辆的位置状态,自主车辆的方向,自主车辆的一个或多个速度矢量,或自主车辆的一个或多个执行器状态。预测视界周期可以比路径规划周期长。
系统可以向与自主车辆的路径跟随器系统相关联的一个或多个控制器提供当前规划和当前状态。控制器可以包括一个或多个横向控制器以及一个或多个纵向控制器。控制器可以包括一个或多个模型预测控制器。
控制器可以包括一个或多个横向控制器,横向控制器配置成通过与横向控制器相关联的车辆动力学内部模型传递包括自主车辆的一个或多个方向盘角的一个或多个转向输入值。
控制器可以包括一个或多个纵向控制器,纵向控制器配置成通过与纵向控制器相关联的车辆动力学内部模型传递一个或多个扭矩输入值。
系统可以通过使车载电子装置向自主车辆的一个或多个横向控制器发送一个或多个指令来使自主车辆执行更新规划,指令使横向控制器使自主车辆转向以实现由更新规划的更新空间规划定义的更新轨迹。
系统可以通过基于自主车辆的当前规划和当前状态确定一个或多个控制输入值来使车载电子装置在预测视界周期内生成自主车辆的预测状态的序列,并且向车辆模型提供一个或多个控制输入值中的一个或多个以基于提供的控制输入值来生成预测状态的序列。序列中的每个预测状态可以是正在由一个或多个控制输入值驱动的自主车辆的状态的反映。
系统可以通过向自主车辆的一个或多个纵向控制器发送一个或多个指令来使自主车辆执行更新规划,指令使一个或多个纵向控制器调整自主车辆的速度以实现更新规划的速度规划。
系统可以用更新规划替换当前规划。
附图说明
图1是说明示例自主车辆系统的框图;
图2说明示例车辆控制器系统;
图3显示示例LiDAR(Light Detection and Ranging,激光雷达)系统;
图4和5各自说明估计自主车辆的未来状态的示例方法;
图6是说明AV的可能的电子系统、子系统、控制器和/或其他部件、和/或外部电子装置的各种元件的框图。
具体实施方式
如在本文件中所使用的,单数形式“一”、“一个”和“该”包括复数引用除非上下文另有明确规定。除非另有规定,在此使用的所有技术和科学术语具有与本领域普通技术人员通常所理解的含义相同的含义。如在本文件中所使用的,术语“包括”意指“包括,但不限于”。与本文件有关的附加术语的定义包括在本具体实施方式的末尾。
图1是说明示例系统100的框图,示例系统100包括通过网络110与一个或多个数据存储102和/或一个或多个服务器103通信的自主车辆101。尽管显示了一个自主车辆,但多个自主车辆可以通过网络110彼此连接和/或连接到数据存储102和/或服务器103。网络110可以是任何类型的网络,比如局域网(LAN)、比如因特网、蜂窝网络、卫星网络这样的广域网(WAN)、或其组合,并且可以是有线的或无线的。数据存储102可以是任何类型的数据存储,比如但不限于地图数据存储、交通信息数据存储、用户信息数据存储、兴趣点数据存储、或任何其他类型的内容数据存储。服务器103可以是任何类型的服务器或服务器集群,比如但不限于Web(World Wide Web,万维网)或云服务器、应用服务器、后端服务器或其组合。
如图1所示,自主车辆101可以包括传感器系统111、车载计算装置112、通信接口114和用户界面115。自主车辆101可以进一步地包括(例如,如在图2中说明的)包含在车辆中的比如发动机、车轮、方向盘、变速器等这样的某些部件,例如,可以由车载计算装置112使用比如加速信号或指令、减速信号或指令、转向信号或指令、制动信号或指令等这样的各种通信信号和/或指令来控制部件。
传感器系统111可以包括一个或多个连接到和/或包含在自主车辆101内的传感器。这种传感器的示例包括但不限于LiDAR系统、无线电探测和测距(RADAR,以下称为雷达)系统、激光探测和测距(LADAR)系统、声音导航和测距(SONAR,以下称为声纳)系统、一个或多个摄像机(例如,可见光谱摄像机、红外摄像机等)、温度传感器、定位传感器(例如,全球定位系统(GPS)等)、位置传感器、燃料传感器、运动传感器(例如,惯性测量单元(IMU)等)、湿度传感器、占用传感器等。传感器数据可以包括描述自主车辆101的周围环境中的物体的位置的信息、关于环境本身的信息、关于自主车辆101的运动的信息、关于自主车辆的路线的信息等。当自主车辆101在表面上行驶时,至少一些传感器可以收集与表面有关的数据。
LiDAR系统可以包括配置成感测或检测自主车辆101所位于的环境中的物体的传感器。通常,LiDAR系统是采用光学遥感技术的装置,光学遥感技术可以通过用光照亮目标来测量到目标的距离和/或目标(例如,地面)的其他性能。作为一示例,LiDAR系统可以包括配置成发射激光脉冲的激光源和/或激光扫描器以及配置成接收激光脉冲的反射的探测器。例如,LiDAR系统可以包括通过旋转镜反射的激光测距仪,并且激光在正被一维、二维或多维数字化的场景周围扫描,以指定的角度间隔收集距离测量值。例如,LIDAR系统可以配置成发射激光脉冲作为光束。可选地,光束可以被扫描以生成二维或三维距离矩阵。在一示例中,距离矩阵可以用于通过测量脉冲的传输和相应反射信号的检测之间的时间延迟来确定到给定车辆或表面的距离。在一些示例中,不止一个LiDAR系统可以连接到第一车辆以扫描第一车辆的完整360°视界。LiDAR系统可以配置成向计算装置提供表示被激光击中的表面的点数据云。点可以由LiDAR系统用除距离之外的方位角和仰角来表示,方位角和仰角可以转换为相对于附在车辆上的局部坐标系的(X、Y、Z)点数据。此外,LiDAR可以配置成提供从表面反射的光或激光的强度值,强度值可以指示表面类型。在示例中,LiDAR系统可以包括比如光(例如,激光)源、扫描仪和光学、光电探测器和接收器电子器件这样的部件,以及定位和导航系统。在一示例中,LiDAR系统可以配置成使用紫外线(UV)、可见光或红外光使物体成像并且可以用于包括非金属物体的广泛目标。在一个示例中,窄激光束可以用于以高分辨率映射物体的物理特征。
应该注意的是,用于收集与表面有关的数据的LiDAR系统可以包含在除自主车辆101之外的系统中,比如但不限于其他(自主或电动)车辆、机器人、卫星等。
图2说明用于比如图1自主车辆的自主车辆101这样的车辆201的示例系统架构。车辆201可以包括发动机或马达202以及用于测量车辆的各种参数和/或其环境的各种传感器。例如,对两种类型的车辆常见的运行参数传感器包括:比如加速度计、陀螺仪和/或惯性测量单元这样的定位传感器236;速度传感器238;以及里程表传感器240。车辆101也可以具有时钟242,系统架构使用时钟242来确定在运行期间的车辆时间。时钟242可以被编码到车辆车载计算装置212中,时钟242可以是单独的装置,或可能多个时钟是可用的。
车辆201也可以包括操作以收集关于车辆正在其中行驶的环境的信息的各种传感器。例如,这些传感器可以包括:比如GPS装置这样的位置传感器260;比如一个或多个摄像机262这样的物体检测传感器;LiDAR传感器系统264;和/或雷达和/或声纳系统266。传感器也可以包括比如降水传感器和/或环境温度传感器这样的环境传感器268。物体检测传感器可以使车辆201能够检测在车辆201的给定距离或范围内的在任何方向上的物体,而环境传感器收集关于车辆的行驶区域内的环境条件的数据。系统架构也将包括一个或多个用于捕获环境的图像的摄像机262。
在运行期间,信息从传感器通信到车载计算装置212。车载计算装置212分析由传感器捕获的数据并且可选地基于分析的结果控制车辆的运行。例如,车载计算装置212可以通过制动控制器222控制制动;通过转向控制器224控制方向;通过(气体动力车辆中的)节气门控制器226或马达转速控制器228(比如电动车辆中的电流电平控制器)控制速度和加速度;控制(具有变速器的车辆中的)差动齿轮控制器230;和/或控制比如辅助装置控制器254这样的其他控制器。
地理位置信息可以从位置传感器260通信到车载计算装置212,车载计算装置212然后可以访问对应于位置信息的环境地图以确定比如街道、建筑物、停车标志和/或停止/通行信号这样的已知环境固定特征。从摄像机262捕获的图像和/或从比如LiDAR系统264这样的传感器捕获的物体检测信息从那些传感器通信到车载计算装置212。物体检测信息和/或捕获的图像可以由车载计算装置212处理以检测车辆201附近的物体。此外或可替换地,车辆201可以将任何数据传输到远程服务器系统103(图1)以进行处理。可以在本文件中公开的实施例中使用基于传感器数据和/或捕获的图像进行物体检测的任何已知或将要已知的技术。
车载计算装置212可以获取、检索和/或创建提供关于自主车辆201的周围环境的详细信息的地图数据。例如,车载计算装置212也可以基于三维位置数据(例如,来自GPS的数据)、三维方向数据、预测位置等确定AV在环境中(定位)的位置、方向、姿势等。例如,车载计算装置212可以接收GPS数据以确定AV的纬度、经度和/或海拔位置。比如基于激光的定位系统、惯性辅助GPS、或基于摄像机的定位这样的其他位置传感器或系统也可以用于识别车辆的位置。车辆的位置可以包括比如纬度、经度和海拔这样的绝对地理位置以及比如相对于就在其周围的其他轿车的位置这样的相对位置信息,通常可以用比绝对地理位置更小的噪音确定位置。地图数据可以提供关于以下的信息:不同车行道、道路段、车道段、建筑物或其他项目的身份和位置;交通车道的位置、边界和方向(例如,停车车道、转弯车道、自行车车道或特定车行道内的其他车道的位置和方向)以及与交通车道相关联的元数据;交通控制数据(例如,标志、交通信号灯或其他交通控制装置的位置和指令);和/或提供协助车载计算装置212分析自主车辆201的周围环境的信息的任何其他地图数据。
在某些实施例中,地图数据也可以包括参考路径信息,参考路径信息对应于沿着一个或多个车道行驶的车辆的常见模式,使得物体的运动被参考路径(例如,物体通常在上面行驶的交通车道内的位置)限制。这样的参考路径可以是预定义的,比如交通车道的中心线。可选地,可以基于在一段时间内的车辆或其他物体的历史观察(例如,直线行驶、车道合并、转弯等的参考路径)来生成参考路径。
在某些实施例中,车载计算装置212也可以包括和/或可以接收与用户的行程或路线、路线上的实时交通信息等有关的信息。
车载计算装置212可以包括路由控制器231和/或可以与路由控制器231通信,路由控制器231为自主车辆生成从起始位置到目的地位置的导航路线。路由控制器231可以访问地图数据存储以识别可能的路线和车辆可以在上面行驶以从起始位置到目的地位置的道路段。路由控制器231可以给可能的路线评分并且识别到达目的地的首选路线。例如,路由控制器231可以生成使在路线期间行驶的欧几里得距离或其他成本函数减到最小的导航路线,并且可以进一步地访问可以影响在特定路线上行驶所花费的时间量的交通信息和/或估计。根据实施,路由控制器231可以使用比如迪杰斯特拉算法、贝尔曼-福特算法或其他算法这样的各种路由方法生成一条或多条路线。路由控制器231也可以使用交通信息以生成反映路线的预期条件(例如,一周中的今天或一天的当前时间等)的导航路线,使得为高峰时段行驶而生成的路线可以与为深夜行驶而生成的路线不同。路由控制器231也可以生成不止一条到目的地的导航路线并且向用户发送这些导航路线中的不止一条导航路线供用户从各种可能的路线中选择。
在各种实施例中,车载计算装置212可以确定自主车辆201的周围环境的感知信息。基于由一个或多个传感器提供的传感器数据和获得的位置信息,车载计算装置212可以确定自主车辆201的周围环境的感知信息。感知信息可以表示普通驾驶员将感知到的车辆的周围环境中的事物。感知数据可以包括与自主车辆201的环境中的一个或多个物体有关的信息。例如,车载计算装置212可以处理传感器数据(例如,LiDAR或RADAR数据、摄像机图像等)以便识别自主车辆201的环境中的物体和/或特征。物体可以包括交通信号灯、车行道边界、其他车辆、行人和/或障碍物等。车载计算装置212可以使用任何现在或以后已知的物体识别算法、视频跟踪算法和计算机视觉算法(例如,在若干时间段内逐帧迭代地跟踪物体)以确定感知。
在一些实施例中,车载计算装置212也可以关于环境中的一个或多个识别的物体确定物体的当前状态。每个物体的状态信息可以包括但不限于:当前位置;当前速度和/或加速度、当前行进方向;当前姿势;当前形状、大小或占地空间;类型(例如,车辆与行人与自行车与静止物体或障碍物);和/或其他状态信息。
车载计算装置212可以执行一个或多个预期和/或预测操作。例如,车载计算装置212可以预测一个或多个物体的未来位置、轨迹和/或行动。例如,车载计算装置212可以至少部分地基于感知信息(例如,包括如下面的讨论所确定的估计形状和姿势的每个物体的状态数据)、位置信息、传感器数据、和/或描述物体、自主车辆201、周围环境的过去和/或当前状态和/或它们的关系的任何其他数据来预测物体的未来位置、轨迹和/或行动。例如,如果物体是车辆并且当前行驶环境包括十字路口,则车载计算装置212可以预测物体将可能直线向前移动还是拐弯。如果感知数据指示十字路口没有交通信号灯,则车载计算装置212也可以预测车辆在进入十字路口前是否必须完全停止。
在各种实施例中,车载计算装置212可以确定自主车辆的运动规划。例如,车载计算装置212可以基于感知数据和/或预测数据来确定自主车辆的运动规划。具体地,考虑到关于邻近物体的未来位置的预测和其他感知数据,车载计算装置212可以确定相对于在它们的未来位置的物体最佳导航自主车辆的自主车辆201的运动规划。
在一个或多个实施例中,车载计算装置212可以接收预测并且做出关于如何应对自主车辆201的环境中的物体的决定。例如,关于特定物体(例如,具有给定速度、方向、转向角等的车辆),车载计算装置212基于例如交通状况、地图数据、自主车辆的状态等来决定是否超车、让路、停止和/或通过。此外,车载计算装置212也规划自主车辆201沿着给定路线行驶的路径,以及驾驶参数(例如,距离、速度和/或转向角)。也就是说,对于给定物体,车载计算装置212决定如何应对物体并且确定如何做。例如,对于给定物体,车载计算装置212可以决定经过物体并且可以确定在物体的左侧还是右侧经过(包括比如速度这样的运动参数)。车载计算装置212也可以评估检测的物体和自主车辆201之间碰撞的风险。如果风险超过可接受的阈值,则可以确定在自主车辆在预定义的时间段(例如,N毫秒)内执行遵循定义的车辆轨迹和/或实施一个或多个动态生成的紧急机动的情况下,是否可以避免碰撞。如果碰撞可以避免,则车载计算装置212可以执行一个或多个控制指令以执行谨慎的机动(例如,稍微放慢速度、加速、变换车道或突然转向)。相比之下,如果碰撞不可避免,则车载计算装置112可以执行一个或多个控制指令以执行紧急机动(例如,制动和/或改变行驶的方向)。
如上面所讨论的,生成关于自主车辆的运动的规划和控制数据以用于执行。例如,车载计算装置212可以通过制动控制器控制制动;通过转向控制器控制方向;通过(气体动力车辆中的)节气门控制器或马达转速控制器(比如电动车辆中的电流电平控制器)控制速度和加速度;控制(具有变速器的车辆中的)差动齿轮控制器;和/或控制其他控制器。
在本文件中讨论的各种实施例中,描述可以陈述车辆或包含在车辆中(例如车载计算系统中)的控制器可以执行使车辆和/或控制器做出决定并且使用决定来控制车辆的运行的编程指令。然而,实施例不限于这种布置,因为在各种实施例中,分析、决策和或操作控制可以全部或部分地由与车辆的车载计算装置和/或车辆控制系统电子通信的其他计算装置处理。这样的其他计算装置的示例包括与坐在车辆中的人相关联的电子装置(比如智能手机)、以及通过无线通信网络与车辆电子通信的远程服务器。任何这种装置的处理器可以执行将在下面讨论的操作。
返回参考图1,例如,通信接口114可以配置成允许自主车辆101和比如外部装置、传感器、其他车辆、服务器、数据存储、数据库等这样的外部系统之间的通信。通信接口114可以使用任何现在或以后已知的协议、保护方案、编码、格式、包装等,比如但不限于Wi-Fi(无线保真)、红外线链路、蓝牙等。用户界面系统115可以是在车辆101内实现的外围装置的一部分,包括例如关键字、触摸屏显示装置、麦克风和扬声器等。
图3显示如可以在各种实施例中使用的示例LiDAR系统201。如图3所示,LiDAR系统201包括可以围绕比如轮毂或轮轴218这样的中心轴旋转360°的壳体205。壳体可以包括由对光透明的材料制成的发射器/接收器孔211。尽管图3所示的示例具有单个孔,但在各种实施例中,可以提供用于发射和/或接收光的多个孔。无论哪种方式,当壳体205围绕内部部件旋转时,系统可以通过一个或多个孔211发出光并且接收朝向一个或多个孔211的反射光。在替代实施例中,壳体205的外壳可以是至少部分地由对光透明的材料制成的具有在壳体205内部的可旋转部件的静止半球形物。
光发射器系统204在旋转壳体或静止半球形物里面,光发射器系统204被配置和定位以通过一个或多个激光发射器芯片或其他发光装置生成光脉冲并且通过孔211或通过壳体205的透明半球形物发射光脉冲。发射器系统204可以包括任何数量的单独发射器,例如包括8个发射器、64个发射器或128个发射器。发射器可以发出基本上相同强度的光,或发出不同强度的光。由204发出的单独光束将具有明确的极化状态,在整个阵列中是不相同的。作为一示例,一些光束可以具有垂直极化并且其他光束可以具有水平极化。LiDAR系统也将包括包含定位并且配置成接收反射回系统中的光的光电探测器或光电探测器阵列的光探测器208。发射器系统204和探测器208将随着旋转壳体一起旋转,或它们将在壳体205的静止半球形物里面旋转。一个或多个光学元件结构209可以定位在发光单元204和/或探测器208的前面以用作聚焦和引导通过光学元件结构209的光的一个或多个镜头或波片。
一个或多个光学元件结构309可以定位在镜子302的前面以聚焦和引导通过光学元件结构309的光。如下所示,系统包括定位在镜子303前面并且连接到系统的旋转元件的光学元件结构309,因此光学元件结构309随着镜子302一起旋转。可选地或此外,光学元件结构309可以包括多个这样的结构(例如镜头和/或波片)。可选地,多个光学元件结构309可以以阵列设置在壳体部分311上或与壳体部分311构成整体。
可选地,每个光学元件结构309可以包括将系统从系统产生的光接收的光分离的分束器。例如,分束器可以包括四分之一波或半波波片以执行分离并且确保接收到的光被引导到接收器单元而不是被引导到发射器系统(这可以在没有这样的波片的情况下发生,因为发射的光和接收的光应该表现出相同或相似的极化)。
LiDAR系统将包括动力单元321以给激光发射器单元304、马达303和电子元件供电。LiDAR系统也将包括具有比如处理器322和包含编程指令的非暂时性计算机可读存储器323这样的元件的分析器315,编程指令配置成使系统能够接收由光探测器单元收集的数据、分析数据以测量接收到的光的特性、并且生成信息,连接的系统可以使用信息以做出关于在环境中操作的决定,从环境收集数据。可选地,如图所示分析器315可以与LiDAR系统301构成整体,或者部分或全部分析器315可以在LiDAR系统外面并且通过有线或无线通信网络或链路通信地连接到LiDAR系统。
本公开总体上涉及用于基于关于路径跟随器系统将如何遵循给定的AV路径的信息来估计AV(例如,AV未来在哪里)的未来状态的系统和方法。作为一示例,在路径跟随器系统内使用的一个或多个控制器可以用于基于AV的上一个规划轨迹来估计AV的状态。这些控制器可以使用车辆动力学的内部模型在它的预测视界内预测AV状态,预测视界可能比规划周期长。这个模型可以具有比用于路径规划目的的模型更高的保真度或准确性。
在各种实施例中,AV的一个或多个系统或子系统可以参与估计AV的未来状态。例如,路径规划系统、预测系统和/或其他系统/子系统或AV的系统/子系统的组合至少可以执行在本公开中描述的过程的一部分。
AV的路径规划系统可以使用路径规划器和路径跟随器。路径规划器可以实施为硬件、软件和/或硬件和软件的组合。路径规划器可以创建详细描述AV要遵循的轨迹的规划。规划可以包括识别AV要通过的一个或多个位置的空间规划。规划可以包括识别随着时间推移AV的速度(速率)的速度规划。
路径跟随器可以实施为硬件、软件和/或硬件和软件的组合。路径跟随器可以执行由路径规划期生成的规划使得AV遵循空间规划和速度规划。例如,路径跟随器可以包括一个或多个控制器,比如一个或多个横向控制器以及一个或多个纵向控制器。横向控制器可以通过生成AV执行规划所需的方向盘角来负责使AV的车轮转向。纵向控制器可以根据速度规划来调节AV的速度。横向控制器和/或纵向控制器可以实施为微控制器的一部分。
AV偏离规划是常见的。然而,这些偏离可能使其他AV系统难以预测在未来的时间AV将会在哪里。当检测到偏离规划时,可以派给路径规划器为AV开发新路径的任务。然而,在路径规划器正在开发新规划时,各种AV系统可能需要对AV的未来状态进行估计。下面的讨论描述系统可以执行这个估计的示例方式。
图4说明估计自主车辆的未来状态的示例方法。如图4所示,自主车辆的车载电子装置可以执行400路径规划周期以为AV生成新规划。路径规划周期指的是一段时间,在这段时间内自主车辆的车载电子装置分析和/或评估传感器以及与自主车辆和/或其环境有关的其他信息并且至少部分地基于这样的信息来为那个自主车辆准备规划。在各种实施例中,车载电子装置可以以有规律或基本上有规律的间隔执行400路径规划周期以确保规划过程使用关于环境的新信息。
车载电子装置可以识别402当前规划。例如,车载电子装置可以在AV的路径规划周期开始时识别402当前规划。当前规划可以定义在这个路径规划周期中AV的空间规划和/或速度规划。
例如,在每个规划周期中,路径规划系统可以确定从AV的当前位置开始的AV的一个或多个可能轨迹。例如,可以基于由自主车辆的一个或多个传感器收集的比如速度或与AV相关联的其他运动信息、由AV的传感器捕获的感知信息等这样的信息来确定这些轨迹。路径规划系统可以评估确定的轨迹以识别AV的优化轨迹。
车载电子装置可以识别404AV的当前状态。AV的状态指的是AV的一个或多个动态状态。例如,状态可以指的是AV的位置状态、AV的方向、AV的一个或多个速度矢量、执行器状态、横向偏移、行进方向偏移、横向速度、横摆率、方向盘角等中的一个或多个。
在各种实施例中,车载电子装置可以生成406AV的预测状态的序列。车载电子装置可以在预测视界周期内生成406这个序列。预测视界周期指的是进入未来的若干离散时间步长。在各种实施例中,预测视界周期可以具有比AV的路径规划周期长的持续时间。
车载电子装置可以通过向一个或多个控制器提供当前规划轨迹和当前状态来生成406预测状态的序列。在各种实施例中,一个或多个控制器可以包括横向控制器和/或纵向控制器。横向控制器和/或纵向控制器中的一个或多个可以是与路径跟随器相关联的相同的控制器。由于最近可用的输入可以与在路径跟随器中使用的相同的控制器连接使用,控制器的输出可以是在规划期间内由路径跟随器执行的过程的合理近似。因此,在公布时的预测AV状态将可能接近在公布时的实际AV状态。
在各种实施例中,一个或多个控制器可以是模型预测控制器,意味着控制器实施模型预测控制(MPC)。MPC响应于一个或多个控制动作使用系统的模型来预测系统的未来行为。MPC可以解决数值优化问题以找到预测的最佳控制动作。
MPC可以使用车辆动力学模型以预测AV的未来状态。数值优化问题可以被表述为具有编码车辆动力学模型的线性等式约束和对选择的方向盘角强制约束的线性不等式约束的二次规划问题。
数值优化问题可以具有相关的成本函数。成本函数可以是车辆动态状态(例如,与预期路径的横向偏移)的二次函数并且在预测视界内控制对车辆动力学模型(例如,方向盘角)的输入。
可以调整成本函数,以便一个或多个控制器产生预期的路径跟随行为。一个或多个控制器可以使用车辆动力学的线性化动态自行车模型。例如,横向控制器的输出可以是从现在开始且在其预测视界内延伸到未来并且使成本函数减到最小的转向输入值的序列。
一个或多个控制器可以在预测视界内生成预测状态的序列。例如,横向控制器可以生成通过横向控制器的车辆动力学内部模型传递转向输入值导致的一个或多个预测状态。作为另一示例,纵向控制器可以生成通过纵向控制器的车辆动力学内部模型传递扭矩输入值导致的一个或多个预测状态。一个或多个预测状态可以包括与在预测视界内的一个或多个未来时间的AV的一个或多个动态状态有关的信息。因此,车载电子装置可以通过向一个或多个控制器提供当前规划轨迹和当前状态来生成406预测状态的序列,这可以将车辆动力学模型应用于这些输入以生成AV的一个或多个预测未来状态。
当路径规划系统准备公布AV的新规划时,车载电子装置可以从生成序列的一个或多个预测状态采样408AV状态。车载电子装置可以采样408对应于公布时间的AV状态。路径规划系统可以将采样的AV状态用作为规划的初始AV状态。
车载电子装置可以生成410更新规划。更新规划可以从采样的AV状态开始。在各种实施例中,可以用更新规划替换412当前规划。
在各种实施例中,车载电子装置可以向一个或多个车辆控制器发送关于更新规划的一个或多个指令,指令可以使414自主车辆执行更新规划。例如,车载电子装置可以向一个或多个横向控制器发送关于更新规划的一个或多个指令,指令可以使AV的车轮以一定角度转向以实现由更新规划的空间规划定义的更新轨迹。
同样,车载电子装置可以向一个或多个纵向控制器发送关于更新规划的一个或多个指令,指令可以使AV加速和/或使用制动器以实现更新规划的速度规划。
在各种实施例中,可以在下一个路径规划周期中重复上面关于步骤400-414描述的过程。
图5说明估计自主车辆的未来状态的另一示例方法。如图5所示,自主车辆的车载电子装置可以执行500路径规划周期以生成AV的新规划。如上面所讨论的,车载电子装置可以以有规律或基本上有规律的间隔执行500路径规划周期以确保规划过程使用关于环境的新信息。
车载电子装置可以识别502当前规划。例如,车载电子装置可以在AV的路径规划周期的开始时识别502当前规划。当前规划可以定义在这个路径规划周期中AV的空间规划和/或速度规划。
车载电子装置可以识别504AV的当前状态。在各种实施例中,车载电子装置可以基于识别的AV当前规划和/或当前状态来确定506一个或多个控制输入值。例如,控制输入值可以是与输入相关联的值以驾驶AV,比如方向盘角、纵向扭矩等。
车载电子装置可以向车辆模型提供508一个或多个控制输入值。车辆模型可以基于控制输入值来生成510AV的一个或多个预测状态的序列。生成的预测状态可以是由通过适用的控制值驱动的AV产生的状态。可以在预测视界周期内生成510序列。
在各种实施例中,车辆模型可以生成由通过模型的控制输入值产生的一个或多个预测状态。一个或多个预测状态可以包括与在预测视界内的一个或多个未来时间的AV的一个或多个动态状态有关的信息。因此,可以通过向一个或多个车辆模型提供一个或多个控制输入值来生成预测状态的序列。
当路径规划系统准备公布AV的新规划时,车载电子装置可以从生成序列的一个或多个预测状态采样512AV状态。车载电子装置可以采样512对应于公布时间的AV状态。路径规划系统可以将采样的AV状态用作为规划的初始AV状态。
车载电子装置可以生成514更新规划。更新规划可以从采样的AV状态开始。在各种实施例中,可以用更新规划替换516当前规划。
在各种实施例中,车载电子装置可以向一个或多个车辆控制器发送关于更新规划的一个或多个指令,指令可以使518自主车辆执行更新规划。例如,车载电子装置可以向一个或多个横向控制器发送关于更新规划的一个或多个指令,指令可以使AV的车轮以一定角度转向以实现由更新规划的空间规划定义的更新轨迹。
同样,车载电子装置可以向一个或多个纵向控制器发送关于更新规划的一个或多个指令,指令可以使AV加速和/或使用制动器以实现更新规划的速度规划。
在各种实施例中,可以在下一个路径规划周期中重复上面关于步骤500-518描述的过程。
图6描述可以包括在比如AV的内部处理系统、外部监控和报告系统或远程服务器这样的系统的任何电子元件中的内部硬件的示例。电力总线600用作使硬件的其他图示组件互相连接的信息高速公路。处理器605是系统的中央处理装置,配置成执行计算和逻辑操作,计算和逻辑操作是执行编程指令所需的。如在本文件以及在权利要求中所使用的,术语“处理器”和“处理装置”可以指的是单个处理器或共同执行一组操作的一组处理器中的任何数量的处理器,比如中央处理单元(CPU)、图形处理单元(GPU)、远程服务器或这些的组合。只读存储器(ROM)、随机存取存储器(RAM)、闪存、硬盘驱动以及能够存储电子数据的其他装置构成存储装置625的示例。存储装置可以包括单个装置或装置集合,数据和/或指令存储在单个装置或装置集合中。本发明的各种实施例可以包括计算机可读介质,计算机可读介质包含配置成使一个或多个处理器执行在前面附图的背景下描述的功能的编程指令。
可选的显示界面630可以允许来自总线600的信息以视觉、图形或字母数字格式在比如车辆的仪表盘内显示系统这样的显示装置635上显示。也可以提供音频接口和音频输出(比如扬声器)。可以使用比如无线天线、射频识别(RFID)标签和/或短程或近场通信收发器这样的各种通信装置640发生与外部装置的通信,每一个通信装置可以可选地通过一个或多个通信系统与装置的其他部件通信连接。通信装置640可以配置成通信地连接到通信网络,比如因特网、局域网或蜂窝电话数据网络。
硬件也可以包括允许从比如键盘或小键盘、操纵杆、触摸屏、触摸板、遥控器、指向装置和/或麦克风这样的输入装置650接收数据的用户界面传感器645。也可以从可以捕获视频和/或静止图像的摄像机620接收数字图像帧。系统也可以从比如加速度计、陀螺仪或惯性测量单元这样的运动和/或位置传感器670接收数据。系统也可以从比如在本文件中前面描述的LiDAR系统这样的LiDAR系统660接收数据。
上述公开的特征和功能以及替代可以组合成许多其他不同的系统或应用程序。可以在硬件或软件或嵌入式软件中实施各种组件。可以由本领域的技术人员做出各种目前无法预见或未预料到的替代、修改、变化或改进,替代、修改、变化或改进中的每一个也旨在由公开的实施例包含。
上面提供的与本公开有关的术语包括:
“自动装置”或“机器人装置”指的是包括处理器、编程指令以及一个或多个物理硬件组件的电子装置,物理硬件组件可以在很少或没有人工干预的情况下响应于来自处理器的指令而移动。通过这样的运动,机器人装置可以执行一个或多个自动功能或功能集。这种操作、功能或任务的示例可以包括但不限于操作车轮或螺旋桨以实现驾驶、飞行或其他运输行动,操作机器人升降机进行装载、卸载、医疗相关过程、施工相关过程等。示例自动装置可以包括但不限于自主车辆、无人机和其他自主机器人装置。
术语“车辆”指的是能够运载一个或多个人类乘员和/或货物并且由任何形式的能量提供动力的任何移动形式的交通工具。术语“车辆”包括但不限于轿车、卡车、货车、火车、自主车辆、飞机、无人驾驶飞机等。“自主车辆”是具有处理器、编程指令和在不需要人类操作员的情况下可由处理器控制的传动系部件的车辆。自主车辆可以是完全自主的,因为大多数或所有的驾驶条件和功能都不需要人类操作员,或自主车辆可以是半自主的,因为在某些条件下或某些操作可能需要人类操作员,或因为人类操作员可以超驰控制车辆的自主系统并且可以控制车辆。自主车辆也包括自主系统增强车辆的人工操作的车辆,比如具有驾驶员辅助转向、车速控制、制动、停车和其他系统的车辆。
在本文件中,术语“街道”、“车道”和“十字路口”是通过在一条或多条道路上行驶的车辆为例进行说明的。然而,实施例旨在包括在比如停车区域这样的其他位置的车道和十字路口。此外,对于设计成在室内使用的自主车辆(比如仓库中的自动拾取装置),街道可以是仓库的走廊并且车道可以是走廊的一部分。如果自主车辆是无人机或其他飞行器,则术语“街道”可以表示空中航线并且车道可以是空中航线的一部分。如果自主车辆是船只,则术语“街道”可以表示水道并且车道可以是水道的一部分。
“电子装置”或“计算装置”指的是包括处理器和存储器的装置。每个装置可以具有其自己的处理器和/或存储器,或处理器和/或存储器可以与如虚拟机或容器设置中的他装置共享。存储器将包含或接收编程指令,当由处理器执行时,编程指令使电子装置根据编程指令执行一个或多个操作。
术语“存储器”、“存储装置”、“数据存储”、“数据存储设施”等各自指的是非暂时性装置,计算机可读数据、编程指令或两者存储在非暂时性装置上。除非另有明确规定,术语“存储器”、“存储装置”、“数据存储”、“数据存储设施”等旨在包括单个装置实施例,一起或共同存储一组数据或指令的多个存储装置以及这种装置内的单独扇区的实施例。
术语“处理器”和“处理装置”指的是配置成执行编程指令的电子装置的硬件组件。除非另有明确规定,单一术语“处理器”或“处理装置”旨在包括单个处理装置实施例和一起或共同执行过程的多个处理装置的实施例。
在本文件中,术语“通信链路”和“通信路径”意指有线或无线路径,第一装置通过有线或无线路径向一个或多个其他装置发送通信信号和/或从一个或多个其他装置接收通信信号。如果装置能够通过通信链路发送和/或接收数据,则装置是“通信地连接”。“电子通信”指的是无论通过有线还是无线网络以及无论直接还是间接通过一个或多个中间装置而在两个或两个以上电子装置之间通过一个或多个信号来传输数据。
在本文件中,当比如“第一”和“第二”这样的顺序的相关术语用于修饰名词时,这样的使用仅旨在将项目彼此区分开,并且不旨在要求顺序排列,除非明确规定。
此外,比如“垂直”和“水平”,或“前面”和“后面”这样的相对位置的术语在使用时旨在彼此相对并且不必是绝对的,并且只指的是与取决于装置的方向的那些术语相关联的装置的一个可能位置。当本文件使用术语“前面”、“后面”和“侧面”来提及车辆的区域时,它们指的是相对于车辆的默认行驶区域的车辆区域。例如,汽车的“前面”是与到车辆的尾灯相比更靠近车辆的前照灯的区域,而汽车的“后面”是与到车辆的前照灯相比更靠近车辆的尾灯的区域。此外,术语“前面”和“后面”不一定限于面向前方或面向后方的区域,而是分别包括与后面相比更靠近前面或反之亦然的侧面区域。车辆的“侧面”旨在提及在车辆的最前面部分和最后面部分之间的面向侧面的部分。
权利要求书(按照条约第19条的修改)
1.一种预测自主车辆的状态的方法,所述方法包括:
通过自主车辆的车载电子装置:
在自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
通过将车辆动力学模型应用于所述当前规划和所述当前状态而在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述预测状态的所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
2.根据权利要求1所述的方法,其中所述当前状态包括以下中的一个或多个:
所述自主车辆的位置状态;
所述自主车辆的方向;
所述自主车辆的一个或多个速度矢量;或
所述自主车辆的一个或多个执行器状态。
3.根据权利要求1所述的方法,其中所述预测视界周期比所述路径规划周期长。
4.根据权利要求1所述的方法,其中在预测视界周期内生成所述自主车辆的预测状态的序列,包括向与所述自主车辆的路径跟随器系统相关联的一个或多个控制器提供所述当前规划和所述当前状态。
5.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个横向控制器以及一个或多个纵向控制器。
6.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个模型预测控制器。
7.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个横向控制器,其中所述一个或多个横向控制器配置成通过与所述横向控制器相关联的车辆动力学内部模型传递包括所述自主车辆的一个或多个方向盘角的一个或多个转向输入值。
8.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个纵向控制器,其中所述一个或多个纵向控制器配置成通过与所述纵向控制器相关联的车辆动力学内部模型传递一个或多个扭矩输入值。
9.根据权利要求1所述的方法,其中使所述自主车辆执行所述更新规划包括向所述自主车辆的一个或多个横向控制器发送使所述横向控制器使所述自主车辆转向以实现由所述更新规划的更新空间规划定义的更新轨迹的一个或多个指令。
10.根据权利要求1所述的方法,其中在预测视界周期内生成所述自主车辆的预测状态的序列包括:
基于所述自主车辆的所述当前规划和所述当前状态确定一个或多个控制输入值;以及
向车辆模型提供所述一个或多个控制输入值中的一个或多个以基于提供的控制输入值来生成所述预测状态的序列,其中所述序列中的每个预测状态是正在由所述一个或多个控制输入值驱动的所述自主车辆的状态的反映。
11.根据权利要求1所述的方法,其中使所述自主车辆执行所述更新规划包括向所述自主车辆的一个或多个纵向控制器发送使所述一个或多个纵向控制器调整所述自主车辆的速度以实现所述更新规划的速度规划的一个或多个指令。
12.根据权利要求1所述的方法,所述方法进一步地包括用所述更新规划替换所述当前规划。
13.一种用于预测自主车辆的状态的系统,所述系统包括:
所述自主车辆的车载电子装置;以及
包括一个或多个编程指令的计算机可读存储介质,所述一个或多个编程指令在执行时使所述车载电子装置:
在所述自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
通过将车辆动力学模型应用于所述当前规划和所述当前状态而在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述预测状态的所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
14.根据权利要求13所述的系统,其中所述当前状态包括以下中的一个或多个:
所述自主车辆的位置状态;
所述自主车辆的方向;
所述自主车辆的一个或多个速度矢量;或
所述自主车辆的一个或多个执行器状态。
15.根据权利要求13所述的系统,其中所述预测视界周期比所述路径规划周期长。
16.根据权利要求13所述的系统,其中在执行时使所述车载电子装置在预测视界周期内生成所述自主车辆的预测状态的序列的所述一个或多个编程指令包括在执行时使所述车载电子装置向与所述自主车辆的路径跟随器系统相关联的一个或多个控制器提供所述当前规划和所述当前状态的一个或多个编程指令。
17.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个横向控制器以及一个或多个纵向控制器。
18.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个模型预测控制器。
19.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个横向控制器,其中所述一个或多个横向控制器配置成通过与所述横向控制器相关联的车辆动力学内部模型传递包括所述自主车辆的一个或多个方向盘角的一个或多个转向输入值。
20.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个纵向控制器,其中所述一个或多个纵向控制器配置成通过与所述纵向控制器相关联的车辆动力学内部模型传递一个或多个扭矩输入值。
21.根据权利要求13所述的系统,其中在执行时使所述车载电子装置使所述自主车辆执行所述更新规划的所述一个或多个编程指令包括在执行时使所述车载电子装置向所述自主车辆的一个或多个横向控制器发送使所述横向控制器使所述自主车辆转向以实现由所述更新规划的更新空间规划定义的更新轨迹的一个或多个指令的一个或多个编程指令。
22.根据权利要求13所述的系统,其中在执行时使所述车载电子装置在预测视界周期内生成所述自主车辆的预测状态的序列的所述一个或多个编程指令包括在执行时使所述车载电子装置执行以下的一个或多个编程指令:
基于所述自主车辆的所述当前规划和所述当前状态确定一个或多个控制输入值;以及
向车辆模型提供所述一个或多个控制输入值中的一个或多个以基于提供的控制输入值来生成所述预测状态的序列,其中所述序列中的每个预测状态是正在由所述一个或多个控制输入值驱动的所述自主车辆的状态的反映。
23.根据权利要求13所述的系统,其中在执行时使所述车载电子装置使所述自主车辆执行所述更新规划的所述一个或多个编程指令包括在执行时使所述车载电子装置向所述自主车辆的一个或多个纵向控制器发送使所述一个或多个纵向控制器调整所述自主车辆的速度以实现所述更新规划的速度规划的一个或多个指令的编程指令。
24.根据权利要求13所述的系统,所述系统进一步地包括在执行时使所述车载电子装置用所述更新规划替换所述当前规划的一个或多个编程指令。
25.一种包括存储器和编程指令的计算机程序产品,所述编程指令配置成使所述处理器:
在自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
通过将车辆动力学模型应用于所述当前规划和所述当前状态而在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述预测状态的所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
说明或声明(按照条约第19条的修改)
国际检索单位(ISA)根据PCT第33条驳回权利要求。ISA评论鉴于Tschanz等人的美国专利申请号2019/0064825(D1),权利要求的主题变得显而易见。独立权利要求已经被修改以进一步把当前方案与D1区分开来。例如,权利要求1已经被修改以叙述方法包含通过将车辆动力学模型应用于当前规划和当前状态而在预测视界周期内生成自主车辆的预测状态的序列。这个特征没有被D1公开和/或暗示。D1确实教导它的系统可以基于自主车辆的当前状态和/或道路状况来生成基于未来时间的轨迹。然而,D1中没有提到如权利要求1中所定义的当前规划也用于这个目的。因此,认为克服了ISA的驳回。
请确认收到上述提到的权利要求修改。
Claims (25)
1.一种预测自主车辆的状态的方法,所述方法包括:
通过自主车辆的车载电子装置:
在自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
2.根据权利要求1所述的方法,其中所述当前状态包括以下中的一个或多个:
所述自主车辆的位置状态;
所述自主车辆的方向;
所述自主车辆的一个或多个速度矢量;或
所述自主车辆的一个或多个执行器状态。
3.根据权利要求1所述的方法,其中所述预测视界周期比所述路径规划周期长。
4.根据权利要求1所述的方法,其中在预测视界周期内生成所述自主车辆的预测状态的序列,包括向与所述自主车辆的路径跟随器系统相关联的一个或多个控制器提供所述当前规划和所述当前状态。
5.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个横向控制器以及一个或多个纵向控制器。
6.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个模型预测控制器。
7.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个横向控制器,其中所述一个或多个横向控制器配置成通过与所述横向控制器相关联的车辆动力学内部模型传递包括所述自主车辆的一个或多个方向盘角的一个或多个转向输入值。
8.根据权利要求4所述的方法,其中所述一个或多个控制器包括一个或多个纵向控制器,其中所述一个或多个纵向控制器配置成通过与所述纵向控制器相关联的车辆动力学内部模型传递一个或多个扭矩输入值。
9.根据权利要求1所述的方法,其中使所述自主车辆执行所述更新规划包括向所述自主车辆的一个或多个横向控制器发送使所述横向控制器使所述自主车辆转向以实现由所述更新规划的更新空间规划定义的更新轨迹的一个或多个指令。
10.根据权利要求1所述的方法,其中在预测视界周期内生成所述自主车辆的预测状态的序列包括:
基于所述自主车辆的所述当前规划和所述当前状态确定一个或多个控制输入值;以及
向车辆模型提供所述一个或多个控制输入值中的一个或多个以基于提供的控制输入值来生成所述预测状态的序列,其中所述序列中的每个预测状态是正在由所述一个或多个控制输入值驱动的所述自主车辆的状态的反映。
11.根据权利要求1所述的方法,其中使所述自主车辆执行所述更新规划包括向所述自主车辆的一个或多个纵向控制器发送使所述一个或多个纵向控制器调整所述自主车辆的速度以实现所述更新规划的速度规划的一个或多个指令。
12.根据权利要求1所述的方法,所述方法进一步地包括用所述更新规划替换所述当前规划。
13.一种用于预测自主车辆的状态的系统,所述系统包括:
所述自主车辆的车载电子装置;以及
包括一个或多个编程指令的计算机可读存储介质,所述一个或多个编程指令在执行时使所述车载电子装置:
在所述自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
14.根据权利要求13所述的系统,其中所述当前状态包括以下中的一个或多个:
所述自主车辆的位置状态;
所述自主车辆的方向;
所述自主车辆的一个或多个速度矢量;或
所述自主车辆的一个或多个执行器状态。
15.根据权利要求13所述的系统,其中所述预测视界周期比所述路径规划周期长。
16.根据权利要求13所述的系统,其中在执行时使所述车载电子装置在预测视界周期内生成所述自主车辆的预测状态的序列的所述一个或多个编程指令包括在执行时使所述车载电子装置向与所述自主车辆的路径跟随器系统相关联的一个或多个控制器提供所述当前规划和所述当前状态的一个或多个编程指令。
17.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个横向控制器以及一个或多个纵向控制器。
18.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个模型预测控制器。
19.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个横向控制器,其中所述一个或多个横向控制器配置成通过与所述横向控制器相关联的车辆动力学内部模型传递包括所述自主车辆的一个或多个方向盘角的一个或多个转向输入值。
20.根据权利要求16所述的系统,其中所述一个或多个控制器包括一个或多个纵向控制器,其中所述一个或多个纵向控制器配置成通过与所述纵向控制器相关联的车辆动力学内部模型传递一个或多个扭矩输入值。
21.根据权利要求13所述的系统,其中在执行时使所述车载电子装置使所述自主车辆执行所述更新规划的所述一个或多个编程指令包括在执行时使所述车载电子装置向所述自主车辆的一个或多个横向控制器发送使所述横向控制器使所述自主车辆转向以实现由所述更新规划的更新空间规划定义的更新轨迹的一个或多个指令的一个或多个编程指令。
22.根据权利要求13所述的系统,其中在执行时使所述车载电子装置在预测视界周期内生成所述自主车辆的预测状态的序列的所述一个或多个编程指令包括在执行时使所述车载电子装置执行以下的一个或多个编程指令:
基于所述自主车辆的所述当前规划和所述当前状态确定一个或多个控制输入值;以及
向车辆模型提供所述一个或多个控制输入值中的一个或多个以基于提供的控制输入值来生成所述预测状态的序列,其中所述序列中的每个预测状态是正在由所述一个或多个控制输入值驱动的所述自主车辆的状态的反映。
23.根据权利要求13所述的系统,其中在执行时使所述车载电子装置使所述自主车辆执行所述更新规划的所述一个或多个编程指令包括在执行时使所述车载电子装置向所述自主车辆的一个或多个纵向控制器发送使所述一个或多个纵向控制器调整所述自主车辆的速度以实现所述更新规划的速度规划的一个或多个指令的编程指令。
24.根据权利要求13所述的系统,所述系统进一步地包括在执行时使所述车载电子装置用所述更新规划替换所述当前规划的一个或多个编程指令。
25.一种包括存储器和编程指令的计算机程序产品,所述编程指令配置成使所述处理器:
在自主车辆的路径规划周期开始时,识别
与所述自主车辆相关联的当前规划,其中所述当前规划包括空间规划和速度规划,所述空间规划定义在所述路径规划周期中所述自主车辆的提议轨迹,所述速度规划定义在所述路径规划周期中随着时间推移所述自主车辆的一个或多个速度,以及
所述自主车辆的当前状态,其中所述当前状态定义所述自主车辆的一个或多个动态状态;
在预测视界周期内生成所述自主车辆的预测状态的序列;
从所述序列中识别对应于所述自主车辆的更新规划的公布时间的预测状态;
生成所述更新规划,其中所述更新规划是从识别的预测状态开始的;以及
使所述自主车辆执行所述更新规划。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/071,140 US20220121201A1 (en) | 2020-10-15 | 2020-10-15 | System for anticipating future state of an autonomous vehicle |
US17/071,140 | 2020-10-15 | ||
PCT/US2021/053874 WO2022081399A1 (en) | 2020-10-15 | 2021-10-07 | System for anticipating future state of an autonomous vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116670609A true CN116670609A (zh) | 2023-08-29 |
Family
ID=81186144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180083699.0A Pending CN116670609A (zh) | 2020-10-15 | 2021-10-07 | 用于预测自主车辆的未来状态的系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220121201A1 (zh) |
CN (1) | CN116670609A (zh) |
DE (1) | DE112021005427T5 (zh) |
WO (1) | WO2022081399A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11977440B2 (en) * | 2020-11-23 | 2024-05-07 | Ford Global Technologies, Llc | On-board feedback system for autonomous vehicles |
US20230391350A1 (en) | 2022-06-02 | 2023-12-07 | Ford Global Technologies, Llc | Systems and methods for hybrid open-loop and closed-loop path planning |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8355842B2 (en) * | 2005-09-15 | 2013-01-15 | Continental Teves Ag & Co. Ohg | Method and device for steering a motor vehicle |
US10071748B2 (en) * | 2015-09-17 | 2018-09-11 | Sony Corporation | System and method for providing driving assistance to safely overtake a vehicle |
US10657745B2 (en) * | 2016-04-19 | 2020-05-19 | Be Topnotch Llc | Autonomous car decision override |
US10248129B2 (en) * | 2017-04-19 | 2019-04-02 | GM Global Technology Operations LLC | Pitch compensation for autonomous vehicles |
US10571916B2 (en) * | 2017-07-14 | 2020-02-25 | Uatc, Llc | Control method for autonomous vehicles |
US10620634B2 (en) * | 2017-08-23 | 2020-04-14 | Uatc, Llc | Vehicle interface for autonomous vehicle |
US10671079B2 (en) * | 2017-10-24 | 2020-06-02 | Waymo Llc | Speed-dependent required lateral clearance for autonomous vehicle path planning |
US10908608B2 (en) * | 2018-01-18 | 2021-02-02 | Baidu Usa Llc | Method and system for stitching planning trajectories from consecutive planning cycles for smooth control execution of autonomous driving vehicles |
US11360482B2 (en) * | 2018-01-29 | 2022-06-14 | Baidu Usa Llc | Method and system for generating reference lines for autonomous driving vehicles using multiple threads |
US11392127B2 (en) * | 2018-10-15 | 2022-07-19 | Zoox, Inc. | Trajectory initialization |
US11567514B2 (en) * | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US11305765B2 (en) * | 2019-04-23 | 2022-04-19 | Baidu Usa Llc | Method for predicting movement of moving objects relative to an autonomous driving vehicle |
US11643010B2 (en) * | 2019-07-25 | 2023-05-09 | International Business Machines Corporation | Vehicle driver and autonomous system collaboration |
US11328602B2 (en) * | 2019-10-09 | 2022-05-10 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for navigation with external display |
US11551494B2 (en) * | 2019-12-23 | 2023-01-10 | Uatc, Llc | Predictive mobile test device control for autonomous vehicle testing |
EP3872710A1 (en) * | 2020-02-27 | 2021-09-01 | Aptiv Technologies Limited | Method and system for determining information on an expected trajectory of an object |
-
2020
- 2020-10-15 US US17/071,140 patent/US20220121201A1/en not_active Abandoned
-
2021
- 2021-10-07 WO PCT/US2021/053874 patent/WO2022081399A1/en active Application Filing
- 2021-10-07 CN CN202180083699.0A patent/CN116670609A/zh active Pending
- 2021-10-07 DE DE112021005427.9T patent/DE112021005427T5/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220121201A1 (en) | 2022-04-21 |
WO2022081399A1 (en) | 2022-04-21 |
DE112021005427T5 (de) | 2023-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116249644B (zh) | 由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统 | |
US11841927B2 (en) | Systems and methods for determining an object type and an attribute for an observation based on fused sensor data | |
US11880203B2 (en) | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries | |
CN116670609A (zh) | 用于预测自主车辆的未来状态的系统 | |
WO2022165498A1 (en) | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle | |
WO2022076157A1 (en) | Autonomous vehicle system for detecting pedestrian presence | |
WO2022108744A1 (en) | On-board feedback system for autonomous vehicles | |
EP4278151A1 (en) | Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections | |
CN116324662B (zh) | 用于跨自主车队执行结构化测试的系统 | |
US20220179082A1 (en) | Methods and system for analyzing dynamic lidar point cloud data | |
US20220212694A1 (en) | Methods and systems for generating a longitudinal plan for an autonomous vehicle based on behavior of uncertain road users | |
US11358598B2 (en) | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection | |
US20220067399A1 (en) | Autonomous vehicle system for performing object detections using a logistic cylinder pedestrian model |
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 |