CN117280292A - 在杂乱环境中确定到车辆停靠位置的路径 - Google Patents
在杂乱环境中确定到车辆停靠位置的路径 Download PDFInfo
- Publication number
- CN117280292A CN117280292A CN202280032018.2A CN202280032018A CN117280292A CN 117280292 A CN117280292 A CN 117280292A CN 202280032018 A CN202280032018 A CN 202280032018A CN 117280292 A CN117280292 A CN 117280292A
- Authority
- CN
- China
- Prior art keywords
- asl
- dsl
- cost
- vehicle
- determining
- 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 abstract description 37
- 230000008447 perception Effects 0.000 claims abstract description 24
- 108700040193 Adenylosuccinate lyases Proteins 0.000 claims description 154
- 108700040066 Argininosuccinate lyases Proteins 0.000 claims description 154
- 230000033001 locomotion Effects 0.000 claims description 43
- 230000006870 function Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims 9
- 230000000903 blocking effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 230000001953 sensory effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000003032 molecular docking Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010003671 Atrioventricular Block Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- 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
-
- 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
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00253—Taxi operations
-
- 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
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00256—Delivery operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本文公开了用于使自主驾驶车辆(AV)能够确定到停车位置的路径的方法和系统。在接收到服务请求时,AV将确定期望停车位置(DSL)和服务请求的状态信息。AV使用DSL和状态信息来定义上车/下车间隔,上车/下车间隔包括将DSL包含在内的道路区域。当接近上车/下车间隔时,AV使用其感知系统确定对象是否遮挡DSL。如果没有对象遮挡DSL,则AV沿着朝向DSL的路径继续行进。然而,如果对象遮挡DSL,则AV识别上车/下车间隔内未被遮挡的备用停车位置(ASL)并向其移动。ASL必须满足一个或多个允许停车位置标准。
Description
相关申请的交叉引用
本申请要求了2021年4月29日提交的美国专利申请号为US 17/244,420的专利的优先权,该专利申请的公开全文通过引用并入本文。
背景技术
自主驾驶车辆(AV)可用作出租车、拼车服务、班车或用于接和/或送乘客或包裹的类似车辆。当AV在没有指定停车区域的位置(例如城市街道上的酒店或其他建筑物前面)执行上车或下车操作时,AV的导航系统必须确定道路上实施上车或下车的位置。在某些此类情况下,包裹或乘客尚未准备好,AV必须靠边停车,等待乘客或包裹为接站做好准备。在其他情况下,AV可能需要靠边停车,以便在AV等待时允许另一辆车通过。其他上车/下车位置可能没有停车区,而是需要在例如出租车排队车道或酒店入口前的车道的指定车道上停车。
发生这种情况时,AV必须智能地选择停车和/或靠边停车位置。在某些情况下,AV在其行驶车道上停下来甚至短暂并排停车是可以接受的。在其他情况下,车辆可能需要停在路边或其他位置以避免交通堵塞,同时执行较长的上车或保持其位置的操作。这是个计算上具有挑战性的问题,特别是在杂乱的城市环境中,在该环境中可用的停车空间可能有限,并且在车辆实施任何操作之前必须考虑许多其他参与者。
本文描述了旨在解决上述问题和/或其他问题的方法和系统。
发明内容
本文描述了使自主驾驶车辆(AV)能够确定到达停车位置的路径的方法和系统。AV可以包括具有各种传感器的感知系统、运动控制系统和运动规划系统。AV确定期望停车位置(DSL)以及与服务请求相关的状态信息。AV使用DSL和状态信息来定义上车/下车间隔,该上车/下车间隔包括将DSL包含在内的道路区域。AV识别到DSL的路径,其中该路径穿过上车/下车间隔的至少一部分。AV使运动控制系统促使车辆沿着该路径朝向上车/下车间隔移动。在接近或到达上车/下车间隔时,AV使用感知系统的一个或多个传感器来确定对象是否正在遮挡DSL。如果没有对象遮挡DSL,则AV使运动控制系统促使车辆沿着该路径朝向DSL移动。但是,如果对象遮挡DSL,则AV识别备用停车位置(ASL)。ASL是上车/下车间隔内未被遮挡且满足一个或多个允许的停车位置标准的位置。然后,AV的运动控制系统会使车辆朝向ASL移动。
在一些实施例中,为了识别上车/下车间隔内的ASL,AV先识别多个候选ASL。对于每个候选ASL,AV确定车辆停在该ASL处的成本。然后AV从候选ASL中选择具有最低确定成本的ASL。为了确定车辆停在ASL处的成本,AV可以确定ASL和DSL之间的距离、分配随着距离DSL的距离的增加而增加的成本系数、以及确定作为成本系数的函数的成本。此外或可选地,为了确定车辆停在ASL处的成本,对于每个候选ASL,AV可以:确定ASL与上车/下车间隔的起点之间的距离,分配随着距离起点的距离的增加而增加的成本系数,以及确定作为成本系数的函数的成本。此外或可选地,为了确定车辆停在ASL处的成本,对于每个候选ASL,AV可以:使用感知系统来识别上车/下车间隔中的对象;识别上车/下车间隔中每个连续成对对象之间的间隙;对于位于间隙之一中的每个ASL,确定作为间隙尺寸的函数的成本系数,其中成本系数随着间隙尺寸的增加而减小;以及确定作为成本系数的函数的成本。
在一些实施例中,为了定义上车/下车间隔,当服务请求包括下列请求中的任何一项时,AV可以要求ASL与DSL的距离不超过阈值距离:(i)接收超过阈值重量的包裹或(ii)搭载移动性受限的乘客。
在一些实施例中,在移动到DSL或ASL之前,AV可以确定移动到DSL或ASL是否会对接近车辆的另一参与者施加大于阈值的成本。如果移动到DSL或ASL将对其他参与者施加大于阈值的成本,则系统选择上车/下车间隔中对其他参与者不会施加大于阈值的成本的不同的ASL。然后,系统使运动控制系统促使车辆移动到该不同的ASL。
在一些实施例中,在移动到DSL或ASL之前,如果AV确定先前不存在的障碍物已进入DSL或ASL,则AV可以选择在上车/下车间隔中不包括障碍物的不同的ASL。然后,AV移动到该不同的ASL。
附图说明
图1示出了系统的示例部件,其中自主车辆(AV)从电子设备接收乘车服务请求;
图2示出了映射区域的上车/下车间隔,在该间隔内AV可以在期望的停车位置处或附近执行上车或下车服务;
图3是示出AV可以确定上车或下车服务请求的最终停车位置的示例步骤的流程图;
图4是示出使用用户偏好数据来确定乘车服务的搭载点的过程的流程图;
图5A-5B示出了用于选择乘车服务的搭载点停车位置的示例成本函数;
图6是示出某些AV子系统的高度概括的框图;
图7示出了自主车辆的示例系统和部件;
图8是示出AV和/或外部电子设备的可行的电子子系统的各种元件的框图。
具体实施方式
本文中使用的单数形式“一”、“一个”和“该”包括复数形式,除非上下文另有明确规定。除非另有定义,否则本文中使用的所有技术和科学术语与本领域普通技术人员通常理解的含义相同。本文中使用的术语“包括”(或“包含”)是指“包括(或包含)但不限于”。与本文相关的附加术语的定义包含在该具体实施方式的末尾。
本文描述了自主驾驶车辆(AV)在进行乘车服务行程时决定在何处和何时移动的过程,在此期间,AV将接、或送、或接送一个或多个乘客(可以是人或例如包裹的物体)。乘车服务可以包括以下任何或全部要素:(1)导航到上车位置,特别是AV可以停车以允许乘客按照允许的停车标准进入车辆的位置;(2)停车足以让乘客登车的时间以便乘客上车并(可选地)有时间完成一项或多项其他接站任务;(3)导航到下车位置,特别是AV可以停车以允许乘客按照允许的停车标准下车的位置;以及(4)停车足以让乘客离开车辆的时间以便乘客下车并(可选地)有时间完成一项或多项其他送站任务。如果车辆在固定初始点(例如搭载终点、停车场或未动态确定的其他预定位置)启动,则可以跳过要素(1)和(2)。
当在环境中导航时,AV依赖于高清(HD)地图。HD地图是一组数字文件,其中包含有关地理区域的物理细节的数据,如道路、道路内的车道、交通信号和标志、障碍物和路面标记。AV使用HD地图数据来增强AV的车载摄像机、激光雷达系统和/或其他传感器所感知到的信息。AV的车载处理系统可以快速搜索地图数据,以识别AV的环境特征和/或帮助验证AV的传感器感知到的信息。
在可用的HD地图中可以预定义并存储一些上车和下车位置。这些位置例如可以包括:酒店的车道;机场;出租车、拼车和/或班车停靠的其他位置;以及已确定乘客上车和/或下车位置的其他场所。在这些位置中,AV必须能够导航到预定义的位置,但如果乘客不在该位置,或如果有障碍物阻止AV到达预定义的位置,则会进行调整。在其他区域,如城市环境,上车或下车位置可能无法固定。对于非固定位置,在每种情况下,AV必须动态地确定何时以及何地可以按照允许的停车标准执行上车和下车操作。AV必须能够考虑到标准、乘客的方便性和AV停车对上车/下车位置附近行驶的其他车辆所造成的负担,从而做出这些决定。
为了解决此问题,本文中描述的流程将考虑“期望停车位置”(DSL)、“备用停车位置”(ASL)、“最终停车位置”(FSL)、“上车/下车间隔”(PDI)和“上车/下车队列”(PDQ)的概念。
正如本文中所使用的,期望停车位置(DSL)是指乘客提交的请求中的上车或下车操作的位置。换句话说,它是乘客要求进入或离开AV的位置。本文还可以使用术语“搭载点”作为DSL的同义词。
备用停车位置(ASL)是当DSL无法服务时AV执行上车或下车操作的适合的区域。
最终停车位置(FSL)是指AV实际停车执行上车或下车操作的位置。FSL可以是DSL、ASL或其他位置。
上车/下车间隔(PDI)是停车位置(DSL、ASL或FSL)周围的区域,在该区域允许AV停车以进行上车或下车操作,其中由一组存储的规则定义权限。PDI被用作帮助车辆动态地确定在哪里(如在车道内或路边)停车的指导。
上车/下车队列(PDQ)是映射区域的扇区,在该区域中允许AV停车以进行上车或下车操作,其中由包括DSL、ASL或FSL的多边形定义权限。该多边形将表示在AV可用的HD地图数据中。与动态确定的PDI不同,PDQ是预定义的。
与本文相关的附加术语的定义包含在该具体实施方式的末尾。
本文中描述的过程从传输和接收乘车服务请求开始,这在图1中通过示例说明,其中AV 105的收发器接收到通过无线通信网络103传输的乘客电子设备101的乘车服务请求。该请求显示为通过远程服务器104发送,该远程服务器104接收该请求,处理该请求,并通过网络103将其中继到AV。然而,乘车服务请求也可以从乘客电子设备101直接传输到AV 105,例如通过蓝牙或其他近场或短程通信来传输,其中该请求可以是启动新的乘车服务请求或改变现有的乘车服务请求。此外,乘车服务请求可以直接输入到AV的用户界面,如输入到仪表盘触摸屏显示设备或作为车辆语音到文本识别系统的一部分的麦克风。
乘客电子设备101是包含浏览器、专用乘车服务应用程序或其他应用程序的电子设备,通过该应用程序该设备的用户可以通过输入起点、目的地或两者来提交乘车请求。请求将以数据的形式通过数据包传输,数据中包括用于搭载操作的搭载点或PDI、用于卸载操作的卸载点或PDI,以及可选的其他信息,如关于乘客的识别信息以及上车时间。电子设备101的操作者可以是请求乘车的乘客,也可以是代表该乘客请求乘车的其他人。此外,在一些实施例中,“乘客”不需要是人,而可以是包裹、动物或电子设备101的操作者提交乘车服务请求所涉及的其他物品。在这种情况下,乘车服务请求实际上会是递送服务请求。为简单起见,除了特别表示之外,当本文使用术语“乘车服务”时,应该解释为包括乘客和包裹运输服务,并且术语“乘客电子设备”应解释为包括由乘客或代表乘客所操作的设备以及由寻求包裹递送的个人所操作的设备。
图2中现在以示例方式示出了上车/下车间隔、期望停车位置、备用停车位置和最终停车位置的概念,其中AV 105可以访问区域的地图,在这个示例中,该地图是包括街道210的几个城市街道街区的网格。街道210包括多条车道,其包括AV的行驶车道211和路边或停车车道213。地图通常将存储在车辆上的存储设备中,但它也可以存储在移动电子设备或与AV通信的车外服务器上。地图可以由远程服务器定期更新,和/或在AV 105通过该区域时被AV的感知系统检测到的信息增强。
AV 105接收了在DSL 202处让乘客201或包裹上车或下车的服务请求。然后,AV105确定将AV 105导航到DSL 202可以遵循的路径或路线。该路径可以是通向PDI 206的街道或车道的序列,在所示示例中是一个或多个车道段的集合,一个或多个车道段形成包括DSL 202以及AV 105在DSL 202之前可以到达的停车车道213的区域和AV 105经过DSL 202之后可以到达的停车车道213的区域的停车车道213的停车间隔。
如图2所示,任何数量的障碍物218A-218D可以定位在PDI 206中。障碍物218A-218D(本文中也可以可选地称为阻塞物或遮挡物)可以是其他车辆、人、结构、标志或阻止AV在障碍物位置进入PDI的其他物品。在该示例中,其中一个障碍物218C阻止AV停止在DSL202处。AV的感知系统将识别这些障碍物中的每一个并对其进行分类,由于DSL被阻塞,AV的运动规划系统将确定PDI内可以作为备用停车位置的一个或多个区域。最终,AV的运动规划系统将选择其中一个备用停车位置,作为FSL 227,将车辆导航到该位置并执行上车或下车操作。下面将描述AV确定备用停车位置和FSL 227的方法。
图3是示出AV确定用于上车或下车服务请求的FSL的示例步骤的流程图。在301处,AV将接收由乘客电子设备上的乘车服务应用发送到AV的乘车服务请求,或者直接通过远程服务器接收请求,处理请求,选择AV处理请求并将请求发送到AV。该请求是数据的形式,数据中包括用于搭载操作的PDI或DSL,用于卸载操作的PDI或DSL,以及可选的其他信息,例如关于乘客的识别信息以及上车时间。
在302处,AV将确定乘车服务请求的搭载或卸载操作的DSL。DSL将被确定为地图上的一个位置或与地图相关的一组地理坐标。AV可以接收服务请求中包含的坐标形式的DSL。可选地,AV或中间服务器可以使用来自服务请求的数据来识别DSL。例如,乘车服务请求可以包括乘客请求搭载操作的地址、地标或其他位置。这些位置可以包括例如指定建筑物的入口或过境站。然后,AV或中间车外服务器可以确定对应于服务请求位置的地图数据中的坐标,并且可以将这些坐标指定为DSL。
另外或可选地,如图4所示,在401处确定DSL,系统可以使用与乘客电子设备相关联的用户标识符来查询用户配置文件数据存储,以识别与相同用户标识符相关联的存储配置文件。用户配置文件数据存储可以是远程服务器(例如图1的服务器105)的一部分、存储在AV的车载存储器中、或者两者的组合。在402处,系统可以从识别的配置文件中提取关于用户的一个或多个位置偏好规则。在403处,系统将分析地图数据,并且只有当一个位置至少满足阈值数量的用户的位置偏好规则时,才考虑将该位置作为DSL。此外,系统可以根据各个位置满足位置偏好规则的数量或者通过为每个位置分配一个分数(其中一些位置偏好规则被给予比其他规则更高的权重)来对候选搭载点进行排序、打分和/或其他评级。例如,规则可以要求DSL定位在位于具有对应于电子设备的位置的建筑物的入口门前的车道段或一组车道段中,或者规则可以在评分算法中为这样的车道段分配相对较高的加权值。可选地,规则可以要求任何DSL位于按照交通方向的下一个十字路口之间的中途的位置或其附近,同时距离下一个十字路口保持至少6米(或另一个合适的阈值距离)远,或不超过从指定点的指定步行距离。这些规则还可以在评分算法中为这样的车道段分配相对较高的加权值。此外,如果用户配置文件包括来自以前乘车服务的存储DSL,规则可以要求系统为存储的DSL赋予第一优先级并使用存储的DSL作为当前拼车请求的搭载点。可选地,系统可以要求DSL同时满足用户偏好标准和一个或多个规则(如下面讨论的那些规则)。
返回图3,在303处,AV将状态信息与服务请求联系起来。状态信息是描述乘客或包裹状态的一个或多个特征,和/或描述AV本身状态的一个或多个特征,AV的导航系统在为服务请求定义FSL时必须考虑这些特征。示例状态信息可以包括:
-在服务请求期间要上车的包裹的重量。超过阈值重量值的包裹重量可能触发FSL与DSL的距离不能超过阈值距离的规则。
-乘客或包裹尚未准备好上车的指示。这样的指示可能会触发AV必须把车停在路边的FSL上而不能停在车道内的FSL上的规则。
-要上车的乘客活动受限的指示。这样的指示可能会触发FSL与DSL的距离不能超过阈值距离的规则。
-表明AV的一个或多个系统正在发出维护问题的信号(如低轮胎气压信号或检查发动机信号)的指示。这样的指示可能触发AV必须到最近的允许的路边FSL停车的规则。
在304处,系统将为乘车服务请求定义PDI。该系统可以通过任何可行数目的方法来做到这一点。例如,用于不同位置的标准PDI可以存储在地图数据中,并且系统可以从地图数据中提取包含搭载点的PDI。可选地,PDI可以是包括搭载点的预定队列位置(例如机场或火车站拼车队列区域)。可选地,系统可以根据一个或多个规则动态地确定PDI,例如从DSL之前和之后的阈值距离开始,然后根据例如下列规则中的一个或多个的需要修改间隔边界:
-由状态信息触发的规则(如上述步骤303的示例中讨论的规则);
-在PDI的车道段中的车道内或路边停车必须由法律允许;
-与PDI中的车道段相关的速度限制不得超过指定的阈值水平(例如每小时30英里或每小时50公里);
-PDI的边界与十字路口的距离不得小于指定距离(例如6米);
-PDI不得包括人行横道;
-PDI必须邻近其所在街道的路边;
-PDI不得邻近停车场的出口坡道;或
-PDI不得包括在地图数据中被指定为禁停区的区域。
在305处,AV将识别沿至少部分PDI行驶到DSL的路径。AV可以使用任何现在或将来的轨迹生成过程来做到这一点。例如,系统可以从外部服务器接收路径,也可以使用HD地图数据生成在AV的当前位置和DSL之间的包含一组相邻车道段的路径。下面将在图6的上下文中讨论其他的轨迹规划方法。在306处,车辆的运动控制子系统将使用如下面图6中所描述的过程使AV沿着朝向DSL的路径移动。当沿着路径移动时,AV的运动规划系统随着AV向DSL移动时使用任何现在或将来已知的路径规划过程动态地改变AV的路径,以避免在其移动时与其他参与者和对象发生冲突。
在307处,当车辆到达或接近PDI时,车辆的摄像机、激光雷达系统或其他感知系统传感器将扫描PDI,以确定是否有任何对象遮挡了DSL。例如,如图2所示,车辆218C可以停在DSL 202中,从而防止AV移动到DSL中。其他对象可能会全部或部分遮挡DSL。例如,感知系统可以确定:
-车辆或其他对象被放置在DSL的前面和后面的一些位置,这使得DSL不具有移动到DSL的位置的足够的空间;
-DSL包含至少为阈值尺寸的坑洞或水坑;
-邻近DSL的路边包括在位置上会干扰在DSL处AV车门打开的消防栓、邮箱、路标或其他物体;或
-另一个对象干扰AV进入DSL和/或干扰AV在DSL处执行上车或下车操作的能力。
如果没有遮挡物阻止AV在DSL中停止(308:否),那么AV的运动控制系统会使AV继续沿着路径移动进入DSL,并在DSL中停止。然而,如果遮挡物阻止AV在DSL中停止(308:是),那么在310处,AV的运动规划系统可以使用关于PDI的感知数据来识别PDI中的一个或多个备用停车位置。被认定为ASL的位置没有会阻止AV停止在那里的遮挡物。可选地,每个ASL还必须满足一个或多个允许的停车位置标准,例如:
与路边的距离:如果在停车车道中停车,ASL必须在距离路边的阈值距离内;如果在行驶车道中停车,ASL必须偏向车道的右侧,或者部分延伸到该车道外的区域。
剩余车道宽度:除了与路边的距离之外或代替与路边的距离,如果AV将停在其行驶的整个或部分车道上,可以考虑在其停车时将保持畅通的车道的数量或尺寸。如果AV会阻塞太多的车道,AV可能会给其他试图通过ASL的车辆造成交通阻塞。该系统会优先选择将允许相对更大的剩余车道宽度的ASL,而不是那些需要相对较小的剩余车道宽度的ASL,从而有助于减少造成交通阻塞的风险。
与DSL的距离:ASL与DSL的距离需要不超过阈值距离。阈值会根据指定的条件而变化。例如,如果服务请求包括重的包裹或移动性受限的乘客,则该阈值可以小于如上所述的默认值。在某些环境条件下,如雨或雪,也可以降低这个阈值。
与间隔起点的距离:AV在PDI中首先到达的ASL可能比AV稍后遇到的ASL被给予更高的优先级。这有助于确保AV在到达PDI终点之前找到合适的停车位置。
邻近DSL的对象对之间的间隔:大尺寸(由定位在ASL的前方和后方的一对对象的位置来限定)的ASL会优先于小尺寸的ASL,尤其是在小尺寸需要AV成角度地进入ASL且保持在部分突出到行驶的车道中的情况下。
车辆的运动学约束:车辆平台的转向限制可能会限制车辆在不超过阈值数量的多点转弯或前进/倒档变化的情况下行驶进入ASL的能力。系统可以优先考虑那些不需要超过阈值数量的多点转弯和/或前进/倒档变化或需要相对较少的多点转弯和/或前进/倒档变化的ASL。
减速限制:可以给予要求AV以高于阈值的速率减速以便停车的ASL更低的优先级或完全避免该ASL。系统可以通过下列方式来确定所需的减速度:考虑从AV到ASL的距离D和车辆的当前速度V,使用例如减速度=V2/2D的方程。该方程还可选地考虑舒适性参数和车辆状态的其他动态分量。
邻近ASL的对象或道路特征的类型和/或位置:某些类别的对象(如递送货车)比其他类别的对象(如坑洞或路标)更有可能移动或有人出现在其周围。该系统会给予邻近更有可能移动的对象的ASL较低的优先级。该系统也会给予下列ASL较低的优先级:(i)具有定位在会干扰AV的路边门打开的位置的对象,或(ii)在ASL处具有特定的道路特征,如存在行车道。
AV的对齐:系统可以偏好于AV可以自行定位从而使AV的一侧相对更平行于路边的ASL。这意味着偏好于路边为直的而不是弯曲的或较短且不能容纳AV的全宽的ASL。
上面列出的允许的停车位置标准只是示例。可以使用任何这些和/或其他允许的停车位置标准。
在步骤310中,当识别ASL时,系统可以识别多个候选ASL。如果是这样,那么可以使用几种可行的方法之一来选择候选的ASL作为车辆应该移动进入的FSL。例如,系统可以选择满足最大数量的允许停车位置标准的候选ASL作为FSL。一些允许的停车位置标准可以被指定为门槛标准,这样,如果一个位置不符合门槛标准,它甚至不会被认为是ASL。其他标准对候选ASL进行排序,并选择排名最高的ASL。
任何或所有允许的停车位置标准都可以加权或与成本要素相关联,这样成本函数对满足每个标准的成本要素进行加和或另外列为要素,并为每个候选ASL产生总成本。例如,如图5A-5E所示,成本函数可以将各种候选停车位置的各种成本函数要素相加。图5A示出了示例成本函数,该函数为相对靠近路边的停车位置分配较低的成本值(在某些情况下没有成本),为距离路边相对较远的停车位置分配较高的成本值。图5B说明了作为停车位置与PDI起点的距离的函数的示例成本,距离PDI起点相对较远的停车位置的成本值更高。图5C示出了作为停车位置与DSL的距离的函数的示例成本,距离DSL相对较远的停车位置具有更高的成本值。图5D示出了示例成本函数,该函数为允许相对较大的行驶车道部分保持通畅的停车位置分配较低的成本值(并且在某些情况下没有成本)。
最后,图5E示出了系统如何求解PDI中的停车位置,该PDI包括具有位于其中的多个障碍物(如障碍物518)的停车车道513。成本函数550将图5A-5D中所示的所有成本要素(以及可选的其他成本要素)相加,以确定在整个PDI中不同位置的候选停车位置的成本。DSL 502被阻塞,因此不能成为最终停车位置;系统必须选择ASL。障碍物518所在的位置具有相对较高的成本。第一候选ASL 531是成本最高的候选ASL,在该ASL中AV将阻塞行驶车道515的重要部分,且距离DSL最远,距离PDI的起点最远且距离路边最远。第二候选ASL 532是成本第二高的候选ASL,在该ASL中AV仅部分延伸到行驶车道515中,且其相对接近路边,但超过DSL。第三候选ASL 533允许AV完全避开行驶车道515,且最接近路边,并且最接近DSL的起点,具有最低的成本。因此,该系统选择了第三候选ASL 533,并将AV 505移动到该ASL533中。
返回图3,在将AV移动到DSL或ASL之前,然后在步骤309或311中,AV的运动规划系统可以确定在DSL或ASL附近的环境或交通条件在无需采取会造成该区域的其他参与者的成本超过阈值的行动的情况下是否阻止AV到达ASL。例如,如果另一车辆以速度S和距离D跟踪AV,该车辆在搭载操作的预期时间T期间不能停车而不撞击AV(即,如果D小于或等于S*T加上缓冲距离),或者如果上车/下车操作需要另一车辆以超过阈值进行减速,则可以确定另一车辆不能以非急刹车的方式停车。那么,系统不会选择该停车位置,而是可以识别出不会导致其他车辆遇到此类操作的ASL。
同样值得注意的是,AV的车载系统将评估AV在多个周期中的行驶环境,并不断地进行调整。AV的感知和运动规划系统可以持续监测对象和环境状况,以确定是否应该改变对ASL的选择。当其他对象进入或离开PDI时,改变的状况可能会阻止或阻碍AV到达停车位置(如上述步骤309和311)。AV将重新计算候选ASL,并在状况需要改变的情况下转移到不同的ASL。
图6示出了与上述讨论相关的AV子系统的高度概况图。这种系统中的具体部件将在本文后续图7的讨论中进行描述。这些子系统的某些部件可以实施在作为AV的车载计算系统601的一部分的处理器硬件和计算机可读的编程指令中。子系统可以包括感知系统602,该感知系统包括捕获关于存在于紧挨车辆周围环境中的移动的参与者和其他对象的信息的传感器。示例传感器包括摄像机、激光雷达传感器和雷达传感器。由这些传感器捕获的数据(如数字图像、激光雷达点云数据或雷达数据)被称为感知数据。
感知系统可以包括一个或多个处理器,以及具有在车辆行驶期间将处理感知数据以识别对象并且将分类标签和唯一标识符分配给在场景中检测到的每个对象的编程指令和/或训练过的人工智能模型的计算机可读存储器。分类标签可以包括比如车辆、骑行者、行人、建筑物等的类别。识别对象以及将分类标签分配给对象的方法在本领域是众所周知的,并且可以使用任何合适的分类程序,比如对场景中检测到的对象进行边界框预测并且使用卷积神经网络或其他计算机视觉模型的那些分类程序。在“尤尔特塞韦尔等人的自主驾驶调查:常见做法和新兴技术”(arXiv,2020年4月2日)中描述一些这样的程序(“Yurtsever et al.,A Survey ofAutonomous Driving:Common Practices andEmerging Technologies”(arXiv April 2,2020))。
车辆的感知系统602可以将感知数据传递到车辆的预测系统603。预测系统(也可称为预判系统)包括配置为处理从感知系统接收到的数据并对感知系统检测到的其他参与者的行为进行预测的处理器和计算机可读编程指令。
车辆的感知系统以及车辆的预测系统将数据和信息传递到车辆的运动规划系统604和运动控制系统605,以便接收系统可以评估这些数据并对这些数据发起任意数量的应对运动。运动规划系统604和控制系统605包括和/或共享一个或多个处理器和计算机可读编程指令,这些处理器和计算机可读编程指令配置为处理从其他系统接收的数据、确定车辆的轨迹、以及向车辆硬件输出命令以使车辆根据确定的轨迹移动。使车辆硬件采取的这些命令的示例操作包括促使车辆的制动控制系统启动、促使车辆的加速控制子系统提高车辆的速度、或促使车辆的转向控制子系统使车辆转向。各种运动规划技术都是众所周知的,例如,在下列中所描述的:Gonzalez等人,“自主车辆运动规划技术综述”,发表在IEEE智能交通系统汇刊,第17卷,第4期(2016年4月)(Gonzalez et al.,“A ReviewofMotionPlanning Techniques for Automated Vehicles,”published in IEEETransactions on Intelligent Transportation Systems,vol.17,no.4(April 2016))。
在AV部署期间,AV从AV感知系统的一个或多个传感器接收感知数据。感知数据可以包括代表环境中的一个或多个对象的数据。感知系统处理数据以识别对象,并为场景中检测到的每个对象分配分类标签和唯一标识符。
车辆的车载计算系统601与远程服务器606进行通信。远程服务器606是外部电子设备,该外部电子设备在车辆行驶时通过无线连接或在车辆停靠在对接设施或服务设施时通过有线或无线连接来与AV的车载计算系统601通信。远程服务器606可以接收AV在其行驶期间收集的数据,如感知数据和操作数据。远程服务器606还可以将如软件更新、高清(HD)地图更新、机器学习模型更新和其他信息的数据传输到AV。
图7示出了例如AV的车辆的示例系统架构799。车辆包括发动机或马达702和用于测量车辆和/或其环境的各种参数的各种传感器。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736;速度传感器738;以及里程表传感器740。车辆也可以具有时钟742,系统使用时钟742来确定在运行期间的车辆时间。时钟742可以被编码到车辆车载计算装置中,时钟742可以是单独的装置,或多个时钟是可用的。
车辆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:比如全球定位系统(GPS)装置这样的位置传感器760;比如一个或多个摄像机762、激光雷达(LIDAR)传感器系统764、和/或雷达和/或声呐系统766这样的对象检测传感器。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768。对象检测传感器可以使车辆能够检测在车辆799的给定距离范围内的在任何方向上的移动参与者和静止的对象,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。系统也包括用于捕获环境的图像的一个或多个摄像机762。这些传感器中的任何或所有传感器将捕获传感器数据,该传感器数据将使车辆的车载计算设备720和/或外部设备的一个或多个处理器执行使计算系统将感知数据中的对象进行分类的编程指令,并且所有这些传感器、处理器和指令可以被视为车辆的感知系统。车辆还可以通过诸如车辆到车辆、车辆到对象或其他V2X通信链路的这样已知的一种或多种无线通信链路从通信设备(例如收发器、信标和/或智能手机)接收关于其环境中的设备或对象的状态信息、描述性信息或其他信息。术语“V2X”是指车辆与车辆在其环境中可能遇到或影响的任何对象之间的通信。
在车辆运行期间,信息从传感器通信到车载计算设备720。车载计算设备720分析通过感知系统的传感器所捕获的数据,作为运动规划系统执行指令来确定车辆的轨迹。轨迹包括姿态和时间参数,车辆的车载计算设备将控制各种车辆部件的操作,以使车辆沿着轨迹移动。例如,车载计算设备720可以通过制动控制器722控制制动;通过转向控制器724控制方向;通过(气体动力车辆中的)节气门控制器726或马达速度控制器728(比如电动车辆中的电流电平控制器)控制速度和加速度;通过(具有变速器的车辆中的)差动齿轮控制器730控制齿轮;和/或控制其他控制器。
地理位置信息可以从位置传感器760传送到车载计算设备720,车载计算设备720随后可以访问与位置信息对应的环境地图,以确定环境的已知固定特征,如街道、建筑物、停车标志和/或停/走信号。从摄像机762捕获的图像和/或从诸如激光雷达系统764之类的传感器捕获的对象检测信息从那些传感器传送到车载计算设备720。对象检测信息和/或捕获的图像由车载计算设备720处理,以检测车辆700附近的对象。此外或可选地,AV可以将任何数据传输到外部服务器780以进行处理。在本文中公开的实施例中,可以使用基于传感器数据和/或捕获的图像来执行对象检测的任何已知或将要已知的技术。
此外,AV可以包括车载显示设备750,该设备可以产生输出接口,传感器数据、车辆状态信息或由本文中所述过程产生的输出在该接口上显示给车辆的乘员。显示设备可以包括以音频格式呈现此类信息的音频扬声器,或者单独的设备可以是以音频格式呈现此类信息的音频扬声器。
在本文讨论的各种实施例中,描述可以陈述车辆或车辆的车载计算设备可以执行使车辆的车载计算设备做出决定并且使用决定来控制一个或多个车辆系统运行的编程指令。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设备电子通信的其他计算设备处理。这样的其他计算设备的示例包括与坐在车辆中的人相关联的电子设备(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。
图8描述了可以包含在例如AV的内部处理系统、外部监视和报告系统的系统或远程服务器的任何电子部件中的内部硬件的示例。电力总线800用作连接硬件的其他图示部件的信息高速公路。处理器805是系统的中央处理设备,其被配置为实施为执行存储在一个或多个存储设备825上的编程指令所需的计算和逻辑操作。本发明的各种实施例可以包括包含编程指令的计算机可读介质,该编程指令配置为使一个或多个处理器执行在前面的图的上下文中描述的功能。
可选的显示接口830可以允许来自总线800的信息以视觉、图形或字母数字格式显示在显示设备835(例如在车辆的仪表盘显示系统)上。还可以设置音频接口和音频输出(例如扬声器)。与外部设备的通信可以使用各种通信设备840,如无线天线、射频识别(RFID)标签和/或短程或近场通信收发器,每个通信设备可选地通过一个或多个通信系统与设备的其他部件通信连接。通信设备840可以配置为通信地连接到通信网络,例如因特网、局域网或蜂窝电话数据网络。
硬件还可以包括用户接口传感器845,它允许从输入设备850接收数据,输入设备850例如是键盘或小键盘、操纵杆、触摸屏、触摸板、遥控器、指向设备和/或麦克风。也可以从可以捕捉视频和/或静止图像的摄像机820接收数字图像帧。该系统还可以从运动和/或位置传感器870(如加速度计、陀螺仪或惯性测量单元)接收数据。该系统还可以从如本文前面所描述的激光雷达系统860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:
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、自主驾驶车辆、飞机、无人驾驶飞机等。“自主驾驶车辆”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。自主驾驶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。可替代地,自主驾驶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。自主驾驶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、停车和其他先进驾驶员辅助系统的车辆。
术语“乘车”是指在现实世界中操作车辆从初始点到目的地,同时携带乘客或货物,乘客或货物在初始点上车或搭载到车辆上且在目的地下车或从车辆卸载。
在本文中,术语“街道”、“车道”、“道路”和“十字路口”以在一条或多条道路上行驶的车辆为例加以说明。然而,该实施例旨在包括在其他位置上的车道和十字路口,如停车场。此外,对于设计用于室内的自主车辆(如仓库中的自动分拣设备),街道可以是仓库的走廊,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机,术语“街道”或“道路”可以代表航线,而车道可以是航线的一部分。如果自主车辆是船舶,那么术语“街道”或“道路”可以代表水道,而车道可以是水道的一部分。
“电子设备”、“服务器”或“计算设备”指包含处理器和存储器的设备。每个设备可以具有其自己的处理器和/或存储器,或者该处理器和/或存储器可以与虚拟机或容器装置中的其他设备共享。存储器将包含或接收编程指令,当由处理器执行时,编程指令使电子设备根据编程指令执行一个或多个操作。
术语“存储器”、“存储设备”、“计算机可读介质”、“数据存储”、“数据存储设备”等均指存储计算机可读数据、编程指令或两者的非瞬态设备。计算机程序产品是存储了编程指令的存储设备。除非另有特别说明,否则术语“存储器”、“存储设备”、“计算机可读介质”、“数据存储”、“数据存储设备”等旨在包括单个设备实施例、多个存储设备一起或共同存储一组数据或指令的实施例、以及这些设备内的单个扇区。
术语“处理器”和“处理设备”是指被配置为执行编程指令的电子设备的硬件部件,例如微处理器或其他逻辑电路。处理器和存储器可以是微控制器、自定义可配置集成电路、可编程片上系统或可编程以执行各种功能的其他电子设备的元件。除非另有特别说明,否则单数术语“处理器”或“处理设备”旨在包括单个处理设备实施例和多个处理设备一起或共同执行过程的实施例。
在本文中,术语“通信链路”和“通信路径”表示第一设备经由其向一个或多个其他设备发送通信信号和/或从一个或多个其他设备接收通信信号的有线或无线路径。如果设备能够通过通信链路发送和/或接收数据,则设备是“通信连接”的。“电子通信”是指通过一个或多个信号在两个或更多个电子设备之间传输数据,无论是通过有线网络还是无线网络,以及直接或通过一个或多个中间设备间接传输。
在本文中,当如“第一”和“第二”这种顺序相关的术语用于修饰名词时,这种使用只是为了将一个项目与另一个项目区分开来,除非特别说明,否则不需要顺序。
Claims (21)
1.一种用于确定自主驾驶车辆到停车位置的路径的方法,所述方法包括:
在接收到服务请求时由自主驾驶车辆(AV)的处理器进行下列操作:
确定期望停车位置(DSL)和与所述服务请求相关的状态信息;
使用所述DSL和所述状态信息来定义上车/下车间隔,所述上车/下车间隔包括将所述DSL包含在内的道路区域;
识别到所述DSL的路径,其中所述路径穿过所述上车/下车间隔的至少一部分;
使所述AV的运动控制系统促使所述AV沿着所述路径朝向所述上车/下车间隔移动;
在接近或到达所述上车/下车间隔时,使用所述AV的感知系统的一个或多个传感器来确定对象是否正在遮挡所述DSL;以及
下列中的任一个:
在确定没有对象遮挡所述DSL时,使所述AV的所述运动控制系统促使所述AV沿着朝向所述DSL的路径移动,或
在确定存在遮挡所述DSL的对象时,识别备用停车位置(ASL),所述备用停车位置是位于所述上车/下车间隔内没有被遮挡且满足一个或多个允许停车位置标准的位置,并使所述AV的所述运动控制系统促使所述AV向所述ASL移动。
2.根据权利要求1所述的方法,其中识别所述上车/下车间隔内的所述ASL包括:
识别多个候选ASL;
对于每个所述候选ASL,确定所述AV停在所述ASL处的成本;以及
从所述候选ASL中选择具有最低确定成本的ASL。
3.根据权利要求2所述的方法,其中,对于每个所述候选ASL,确定所述AV停在所述ASL处的成本包括:
确定所述ASL和所述DSL之间的距离;
为所述距离分配成本系数,其中所述成本系数随着距离所述DSL的距离的增加而增加;以及
确定作为所述成本系数的函数的所述成本。
4.根据权利要求2所述的方法,其中,对于每个所述候选ASL,确定所述AV停在所述ASL处的成本包括:
确定所述ASL与所述上车/下车间隔的起点之间的距离;
为所述距离分配成本系数,其中所述成本系数随着距离所述起点的距离的增加而增加;以及
确定作为所述成本系数的函数的所述成本。
5.根据权利要求2所述的方法,其中,对于每个所述候选ASL,确定所述AV停在所述ASL处的成本包括:
通过所述AV的一个或多个传感器检测所述上车/下车间隔中的多个对象;
识别所述上车/下车间隔中每个连续成对对象之间的间隙;
对于位于所述间隙之一中的每个ASL,确定作为间隙尺寸的函数的成本系数,其中所述成本系数随着间隙尺寸增加而减小;以及
确定作为所述成本系数的函数的所述成本。
6.根据权利要求1所述的方法,其中使用所述DSL和所述状态信息来定义所述上车/下车间隔包括:
响应于所述服务请求包括接收超过阈值重量的包裹或要搭载移动性受限的乘客而要求所述ASL与所述DSL的距离不超过阈值距离。
7.根据权利要求1所述的方法,还包括,在使所述AV的所述运动控制系统促使所述AV移动到所述DSL或ASL之前:
确定移动到所述DSL或所述ASL是否会对接近所述AV的另一参与者施加大于阈值的成本;以及
响应于确定移动到所述DSL或所述ASL将对其他参与者施加大于阈值的成本时:
选择所述上车/下车间隔中对所述其他参与者不会施加大于所述阈值的成本的不同的ASL,以及
使所述AV的所述运动控制系统促使所述AV移动到所述不同的ASL。
8.根据权利要求1所述的方法,还包括,在所述AV移动到所述DSL或所述ASL之前:
响应于确定之前不存在的障碍物已经进入所述DSL或所述ASL:
选择在所述上车/下车间隔中不包括障碍物的不同的ASL,以及
使所述AV的所述运动控制系统促使所述AV移动到所述不同的ASL。
9.一种车辆,包括:
包括多个传感器的感知系统;
运动控制系统;以及
运动规划系统,所述运动规划系统包括处理器和存储器,所述存储器包括配置为使所述处理器执行下列操作的编程指令:
确定期望停车位置(DSL)和与服务请求相关的状态信息;
使用所述DSL和所述状态信息来定义上车/下车间隔,所述上车/下车间隔包括将所述DSL包含在内的道路区域;
识别到所述DSL的路径,其中所述路径穿过所述上车/下车间隔的至少一部分;
使所述运动控制系统促使所述车辆沿着所述路径朝向所述上车/下车间隔移动;
在接近或到达所述上车/下车间隔时,使用所述感知系统的一个或多个传感器来确定对象是否正在遮挡所述DSL;以及
下列中的任一个:
在确定没有对象遮挡所述DSL时,使所述运动控制系统促使所述车辆沿着朝向所述DSL的路径移动,或
在确定存在遮挡所述DSL的对象时,识别备用停车位置(ASL),所述备用停车位置是位于所述上车/下车间隔内没有被遮挡且满足一个或多个允许停车位置标准的位置,并使所述运动控制系统促使所述车辆向所述ASL移动。
10.根据权利要求9所述的车辆,其中识别所述上车/下车间隔内的所述ASL的所述指令包括下列指令:
识别多个候选ASL;
对于每个所述候选ASL,确定所述车辆停在所述ASL处的成本;以及
从所述候选ASL中选择具有最低确定成本的ASL。
11.根据权利要求10所述的车辆,其中对于每个所述候选ASL,确定所述车辆停在所述ASL处的成本的所述指令包括下列指令:
确定所述ASL和所述DSL之间的距离;
为所述距离分配成本系数,其中所述成本系数随着距离所述DSL的距离的增加而增加;以及
确定作为所述成本系数的函数的所述成本。
12.根据权利要求10所述的车辆,其中对于每个所述候选ASL,确定所述车辆停在所述ASL处的成本的所述指令包括下列指令:
确定所述ASL与所述上车/下车间隔的起点之间的距离;
为所述距离分配成本系数,其中所述成本系数随着距离所述起点的距离的增加而增加;以及
确定作为所述成本系数的函数的所述成本。
13.根据权利要求10所述的车辆,其中对于每个所述候选ASL,确定所述车辆停在所述ASL处的成本的所述指令包括下列指令:
通过所述感知系统检测所述上车/下车间隔中的多个对象;
识别所述上车/下车间隔中每个连续成对对象之间的间隙;
对于位于所述间隙之一中的每个ASL,确定作为间隙尺寸的函数的成本系数,其中所述成本系数随着间隙尺寸的增加而减小;以及
确定作为所述成本系数的函数的所述成本。
14.根据权利要求10所述的车辆,其中,使用所述DSL和所述状态信息来定义所述上车/下车间隔的指令包括下列指令:
响应于所述服务请求包括接收超过阈值重量的包裹或要搭载移动性受限的乘客而要求所述ASL与所述DSL的距离不超过阈值距离。
15.根据权利要求9所述的车辆,还包括在使所述运动控制系统促使所述车辆移动到所述DSL或ASL之前进行下列操作的附加指令:
确定移动到所述DSL或所述ASL是否会对接近所述AV的另一参与者施加大于阈值的成本;以及
响应于确定移动到所述DSL或所述ASL将对其他参与者施加大于阈值的成本时:
选择所述上车/下车间隔中对所述其他参与者不会施加大于所述阈值的成本的不同的ASL,以及
使所述运动控制系统促使所述车辆移动到所述不同的ASL。
16.根据权利要求9所述的车辆,还包括在使所述运动控制系统促使所述车辆移动到所述DSL或ASL之前进行下列操作的附加指令:
响应于确定之前不存在的障碍物已经进入所述DSL或所述ASL:
选择在所述上车/下车间隔中不包括障碍物的不同的ASL,以及
使所述运动控制系统促使所述车辆移动到所述不同的ASL。
17.一种用于确定自主驾驶车辆(AV)到停车位置的路径的计算机程序产品,所述计算机程序产品包括存储在存储设备上并配置为使所述AV的车载处理器执行下列操作的指令:
确定期望停车位置(DSL)和与服务请求相关的状态信息;
使用所述DSL和所述状态信息来定义上车/下车间隔,所述上车/下车间隔包括将所述DSL包含在内的道路区域;
识别到所述DSL的路径,其中所述路径穿过所述上车/下车间隔的至少一部分;
使所述AV的运动控制系统促使所述AV沿着所述路径朝向所述上车/下车间隔移动;
在接近或到达所述上车/下车间隔时,使用所述车辆的感知系统来确定对象是否正在遮挡所述DSL;以及
下列中的任一个:
在确定没有对象遮挡所述DSL时,使所述运动控制系统促使所述AV沿着朝向所述DSL的路径移动,或
在确定存在遮挡所述DSL的对象时,识别备用停车位置(ASL),所述备用停车位置是位于所述上车/下车间隔内没有被遮挡且满足一个或多个允许停车位置标准的位置,并使所述运动控制系统促使所述AV向所述ASL移动。
18.根据权利要求17所述的计算机程序产品,其中识别所述上车/下车间隔内的所述ASL的所述指令包括下列指令:
识别多个候选ASL;
对于每个所述候选ASL,利用下列中的一个或多个确定所述车辆停在所述ASL处的成本:
确定所述ASL和所述DSL之间的距离,分配成本系数,所述成本系数随着距离所述DSL的距离的增加而增加,以及确定作为所述成本系数的函数的所述成本,
确定所述ASL与所述上车/下车间隔的起点之间的距离,分配成本系数,所述成本系数随着距离所述起点的距离的增加而增加,以及确定作为所述成本系数的函数的所述成本,或
检测所述上车/下车间隔中的多个对象,识别所述上车/下车间隔中每个连续成对对象之间的间隙,对于位于所述间隙之一中的每个ASL,确定作为间隙尺寸的函数的成本系数,其中所述成本系数随着间隙尺寸的增加而减小;以及
从所述候选ASL中选择具有最低确定成本的ASL。
19.根据权利要求17所述的计算机程序产品,其中使用所述DSL和所述状态信息来定义所述上车/下车间隔的指令包括下列指令:
响应于所述服务请求包括接收超过阈值重量的包裹或要搭载移动性受限的乘客而要求所述ASL与所述DSL的距离不超过阈值距离。
20.根据权利要求17所述的计算机程序产品,还包括在使所述运动控制系统促使所述AV移动到所述DSL或所述ASL之前执行下列操作的附加指令:
确定移动到所述DSL或所述ASL是否会对接近所述车辆的另一参与者施加大于阈值的成本;以及
响应于确定移动到所述DSL或所述ASL将对其他参与者施加大于阈值的成本时:
选择所述上车/下车间隔中对所述其他参与者不会施加大于所述阈值的成本的不同的ASL,以及
使所述运动控制系统促使所述车辆移动到所述不同的ASL。
21.根据权利要求17所述的计算机程序产品,还包括在使所述运动控制系统促使所述车辆移动到所述DSL或所述ASL之前执行下列操作的附加指令:
响应于确定之前不存在的障碍物已经进入所述DSL或所述ASL:
选择在所述上车/下车间隔中不包括障碍物的不同的ASL,以及
使所述运动控制系统促使所述车辆移动到所述不同的ASL。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/244,420 | 2021-04-29 | ||
US17/244,420 US20220349721A1 (en) | 2021-04-29 | 2021-04-29 | Determination of path to vehicle stop location in a cluttered environment |
PCT/US2022/071952 WO2022232798A1 (en) | 2021-04-29 | 2022-04-27 | Determination of path to vehicle stop location in a cluttered environment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117280292A true CN117280292A (zh) | 2023-12-22 |
Family
ID=83808406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280032018.2A Pending CN117280292A (zh) | 2021-04-29 | 2022-04-27 | 在杂乱环境中确定到车辆停靠位置的路径 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220349721A1 (zh) |
CN (1) | CN117280292A (zh) |
DE (1) | DE112022002339T5 (zh) |
WO (1) | WO2022232798A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953538B1 (en) * | 2017-01-17 | 2018-04-24 | Lyft, Inc. | Autonomous vehicle notification system |
US20220371618A1 (en) * | 2021-05-19 | 2022-11-24 | Waymo Llc | Arranging trips for autonomous vehicles based on weather conditions |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6303784B2 (ja) * | 2014-05-09 | 2018-04-04 | 日産自動車株式会社 | 駐車支援装置及び駐車支援方法 |
US9836057B2 (en) * | 2016-03-24 | 2017-12-05 | Waymo Llc | Arranging passenger pickups for autonomous vehicles |
US10202118B2 (en) * | 2016-10-14 | 2019-02-12 | Waymo Llc | Planning stopping locations for autonomous vehicles |
US10681513B2 (en) * | 2016-10-20 | 2020-06-09 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US20180143641A1 (en) * | 2016-11-23 | 2018-05-24 | Futurewei Technologies, Inc. | Motion controlling method for an autonomous vehicle and a computer device |
US10423162B2 (en) * | 2017-05-08 | 2019-09-24 | Nio Usa, Inc. | Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking |
US10126138B1 (en) * | 2017-05-10 | 2018-11-13 | Lyft, Inc. | Dynamic geolocation optimization of pickup paths using curb segment data |
US10520941B2 (en) * | 2017-12-15 | 2019-12-31 | Waymo Llc | Suggesting alternative pickup and drop off locations for autonomous vehicles |
US10467581B2 (en) * | 2018-01-19 | 2019-11-05 | Udelv Inc. | Delivery management system |
US20200104770A1 (en) * | 2018-09-28 | 2020-04-02 | Ford Global Technologies, Llc | Rideshare with special need accommodations |
KR20200057819A (ko) * | 2018-11-13 | 2020-05-27 | 현대자동차주식회사 | 자율주행차량의 주차 관제 시스템 |
US11550324B2 (en) * | 2019-09-30 | 2023-01-10 | Zoox, Inc. | Parking zone detection for vehicles |
US11390300B2 (en) * | 2019-10-18 | 2022-07-19 | Uatc, Llc | Method for using lateral motion to optimize trajectories for autonomous vehicles |
US20220099450A1 (en) * | 2020-09-28 | 2022-03-31 | Waymo, LLC | Quality scoring for pullovers for autonomous vehicles |
US11408745B2 (en) * | 2020-10-29 | 2022-08-09 | Toyota Motor Engineering & Manufacturing North America, Inc | Methods and systems for identifying safe parking spaces |
JP7447859B2 (ja) * | 2021-04-13 | 2024-03-12 | トヨタ自動車株式会社 | 情報処理装置および情報処理方法 |
-
2021
- 2021-04-29 US US17/244,420 patent/US20220349721A1/en not_active Abandoned
-
2022
- 2022-04-27 WO PCT/US2022/071952 patent/WO2022232798A1/en active Application Filing
- 2022-04-27 CN CN202280032018.2A patent/CN117280292A/zh active Pending
- 2022-04-27 DE DE112022002339.2T patent/DE112022002339T5/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE112022002339T5 (de) | 2024-04-11 |
WO2022232798A1 (en) | 2022-11-03 |
US20220349721A1 (en) | 2022-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11754408B2 (en) | Methods and systems for topological planning in autonomous driving | |
CN112204633B (zh) | 概率性对象跟踪和预测框架 | |
US20220340201A1 (en) | Methods and systems for lane changes using a multi-corridor representation of local route regions | |
JP6923306B2 (ja) | 車両運転支援システム | |
US20220105959A1 (en) | Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area | |
US11656093B2 (en) | Method and system for navigating vehicle to pickup / drop-off zone | |
US20220349720A1 (en) | Method of navigating autonomous vehicle to passenger pickup / drop-off location | |
CN117280292A (zh) | 在杂乱环境中确定到车辆停靠位置的路径 | |
CN116745187B (zh) | 通过可行驶区域边界的语义分割来预测不确定道路使用者的轨迹的方法和系统 | |
US20200348668A1 (en) | Mobility Manager Trainer for Improved Autonomy in Exception Handling | |
EP4147933A1 (en) | System, method, and computer program product for trajectory scoring during an autonomous driving operation implemented with constraint independent margins to actors in the roadway | |
CN117836184A (zh) | 用于自主车辆的互补控制系统 | |
US20230043474A1 (en) | Systems and Methods for Prediction of a Jaywalker Trajectory Through an Intersection | |
US11731659B2 (en) | Determination of vehicle pullover location considering ambient conditions | |
EP4170450A1 (en) | Method and system for switching between local and remote guidance instructions for an autonomous vehicle | |
US20230043601A1 (en) | Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area | |
US20240011781A1 (en) | Method and system for asynchronous negotiation of autonomous vehicle stop locations |
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 |