CN117698759A - 用于紧急避障的迭代轨迹重新规划 - Google Patents
用于紧急避障的迭代轨迹重新规划 Download PDFInfo
- Publication number
- CN117698759A CN117698759A CN202311171621.1A CN202311171621A CN117698759A CN 117698759 A CN117698759 A CN 117698759A CN 202311171621 A CN202311171621 A CN 202311171621A CN 117698759 A CN117698759 A CN 117698759A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- trajectory
- trajectory plan
- plan
- optimal sequence
- 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 49
- 238000004364 calculation method Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 24
- 238000005312 nonlinear dynamic Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 23
- 238000002474 experimental method Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 101000606504 Drosophila melanogaster Tyrosine-protein kinase-like otk Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- 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
- B60W2520/14—Yaw
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/20—Tyre data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了用于自动驾驶车辆的轨迹规划的系统和方法。示例性实施方案可以:确定用于所述车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,所述第一轨迹规划为参考轨迹规划;计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
Description
技术领域
本公开总体上涉及控制自动驾驶车辆的操作,尤其是,一些实施方案可涉及用于紧急避障的迭代轨迹重新规划。
背景技术
自动驾驶车辆有潜力通过轨迹重新规划来提高紧急情况下的安全性,即使在车辆的极限情况下也是如此。然而,在紧急避障时,轨迹重新规划中使用的参考轨迹可能不再是最优的或甚至不再适用,并且在极端情况下,在搜索最优控制输入时还会产生冲突信息。这种复杂性导致了具有挑战性的轨迹控制问题,该问题的负担是通过轨迹重新规划保持轨迹模型保真度(从而允许车辆在整个具有挑战性的紧急情况下保持稳定性)和计算效率(例如,寻找全新轨迹的成本或受到因与不断变化的环境冲突而无效的信号影响)之间的平衡。需要更好的方法来整体改进自动驾驶车辆操作和避障策略。
发明内容
根据所公开技术的各个实施例,一种用于自动驾驶车辆的轨迹规划方法包括:确定用于车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划为参考轨迹规划;计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
在一些实施例中,所述车辆的非线性动力学特征被用于确定所述第一轨迹规划和计算所述最优序列。所述车辆的非线性动力学特征可对应于横摆率、速率、侧滑、车轮角度、后轮速度、横向误差、路线误差、发动机转矩、前制动器转矩、后制动器转矩和纵向重量转移状态中的至少一者。在一个实施例中,所述车辆的非线性动力学特征包括轮胎动力学特征。
在一些实施例中,所述第一轨迹规划包括不包含障碍物或环境变化的轨迹,并且所述第二轨迹规划包括包含障碍物或环境变化的轨迹。
在一些实施例中,所述第一轨迹规划是离线确定的,并且所述最优序列的计算是实时进行的,由此所述最优序列是当前最优序列。
在一些实施例中,所述第一轨迹规划相对于所述第二轨迹规划的计算被赋予较小的权重。
在一些实施例中,所述方法还包括:计算所述车辆在所述第二时间点之后的第三时间点沿第三空间位置行驶的另一最优序列;以及通过用来自计算出的另一最优序列的信息更新所述第二轨迹规划来计算所述车辆的第三轨迹规划,其中所述第二轨迹规划是与所述第三轨迹规划的计算相关的另一参考轨迹规划。
在一些实施例中,所述第二轨迹规划和所述第三轨迹规划包括包含障碍物或环境变化的轨迹。
在一些实施例中,所述第二轨迹规划相对于所述第三轨迹规划的计算被赋予较小的权重。
根据所公开技术的另外的实施例,一种用于自动驾驶车辆的轨迹规划的车辆控制系统包括:处理器;和联接到所述处理器以存储指令的存储器。所述指令在被所述处理器执行时使处理器执行操作。所述操作包括:确定用于所述车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划为参考轨迹规划;计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
在一些实施例中,所述车辆的非线性动力学特征被用于确定所述第一轨迹规划和计算所述最优序列。所述车辆的非线性动力学特征可对应于横摆率、速率、侧滑、车轮角度、后轮速度、横向误差、路线误差、发动机转矩、前制动器转矩、后制动器转矩和纵向重量转移状态中的至少一者。在一个实施例中,所述车辆的非线性动力学特征包括轮胎动力学特征。
在一些实施例中,所述第一轨迹规划包括不包含障碍物或环境变化的轨迹,并且所述第二轨迹规划包括包含障碍物或环境变化的轨迹。
在一些实施例中,所述第一轨迹规划是离线确定的,并且所述最优序列的计算是实时进行的,由此所述最优序列是当前最优序列。
在一些实施例中,所述第一轨迹规划相对于所述第二轨迹规划的计算被赋予较小的权重。
在一些实施例中,所述操作还包括:计算用于所述车辆在所述第二时间点之后的第三时间点沿第三空间位置行驶的另一最优序列;以及通过用来自计算出的另一最优序列的信息更新所述第二轨迹规划来计算所述车辆的第三轨迹规划,其中所述第二轨迹规划是与所述第三轨迹规划的计算相关的另一参考轨迹规划。
在一些实施例中,所述第二轨迹规划和所述第三轨迹规划包括包含障碍物或环境变化的轨迹。
在一些实施例中,所述第二轨迹规划相对于所述第三轨迹规划的计算被赋予较小的权重。
根据所公开的技术的又一些实施例,一种非暂时性机器可读介质包括存储在其中的指令。所述指令在被处理器执行时使所述处理器执行操作。所述操作包括:确定用于车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划是参考轨迹规划;计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
根据下面结合附图进行的详细描述,所公开技术的其他特征和方面将变得显而易见,附图通过示例的方式示出了根据所公开技术的实施例的特征。此概述并非旨在限制本文描述的任何发明的范围,所述发明仅通过所附权利要求来限定。
附图说明
参考附图详细描述根据一个或多个各种实施例的本公开。附图仅出于说明的目的而提供,并且仅描绘典型或示例性实施例。
图1示出了可用以实施所公开技术的实施例的用于自动驾驶车辆的轨迹规划的车辆控制系统的另一示例性架构。
图2A示出了没有检测到障碍物的示例性轨迹。
图2B示出了在使用车辆控制系统进行轨迹规划时在第一次检测到障碍物时用于避障的示例性迭代轨迹。
图2C示出了根据本文公开的实施例的用于在第一次检测到障碍物之后避障的示例性迭代轨迹。
图3示出了根据本文公开的实施例的用于描述示例性车辆的状态之间的关系的示例性单轨自行车模型。
图4是示出了根据本文公开的实施例的在测试配备有用于轨迹规划的车辆控制系统的示例性车辆时使用的赛道的示例性轨道区段的向东向北距离的图示。
图5是示出了利用空间迭代重新规划(顶部)和基线(底部)实验进行避障的图示,显示了每隔十个用于横向误差的模型预测控制解决方案。
图6是示出了利用空间迭代重新规划和基线实验进行避障的图示,显示了在测试轨道上的90%摩擦力下所选择的测量状态和输入的比较。
图7是示出了利用空间迭代重新规划实验进行避障的图示,显示了在测试轨道上的95%摩擦力下所选择的测量状态和输入的比较。
图8是示出根据本文公开的实施例的用于迭代轨迹重新规划的示例性操作的流程图。
图9是可用于实现本公开中所描述的实施例的各种特征的示例性计算部件。
附图不是排他性的,不会将本公开限制于所公开的精确形式。
具体实施方式
本文公开的系统和方法的实施例可为自动驾驶车辆提供轨迹规划。在一些示例中,本公开中描述的系统和方法甚至可为控制器参考轨迹提供在线轨迹规划(或重新规划),该控制器参考轨迹可能由于变化的环境条件或者在阻挡的障碍物突然出现在车辆路径中而变得不可行。
当前的技术依赖于离线参考轨迹规划,该规划不会随着环境变化或障碍物突然出现而更新。离线参考轨迹规划(或用于推导或计算规划的信息)例如可离线存储在本地存储(在车辆内)或远程存储(可经由互联网访问)的服务器(例如,云服务器)的存储器中。规划或用于推导规划的信息可以采用查找表的形式或能够被查找、访问和下载的其他分层数据形式,而不是存储在存储器中。在任何这些场景中,参考轨迹规划都是基于在先前时间点推导的信息,即,它不是实时数据。因此,如果在驾驶车辆时突然出现障碍物(或环境变化),则离线参考轨迹可能与障碍物相交,这可能导致车辆撞上突然出现的障碍物,或者至少可能导致车辆突然转向以避开障碍物,这本身可能导致车辆转向过度,从而导致另一种类型的碰撞或意外事件(例如,与另一车辆或其他道路或环境物体(例如树木、建筑物等)碰撞)。出现该问题的原因在于,离线参考轨迹是根据与过去(即,在障碍物出现在轨迹内之前)相对应的信息来计算或以其他方式获得的。因此,在大多数场景中,参考轨迹忽略了应对突然出现的障碍物。
或者,在线轨迹重新规划算法(即利用实时信息的算法)依赖于诸如在点质量轨迹模型中使用的简化。这些点质量轨迹模型的示例性用途是快速探索随机树(RRT)和A*。由于这些在线轨迹重新规划模型是简化,因此它们没有考虑车辆可能发生的复杂和非线性动力学特征,尤其是在紧急避障情况下。
本公开的实施例利用一种新颖的轨迹重新规划技术对传统的离线参考轨迹和在线轨迹重新规划算法加以改进,例如,当参考轨迹变得不可行时,该轨迹重新规划技术快速迭代以改进参考轨迹。这种新颖的轨迹重新规划技术还提供了一种轨迹控制解决方案,该轨迹控制解决方案通过轨迹重新规划来保持轨迹模型保真度(允许车辆在具有挑战性的紧急情况下始终保持稳定)并保持计算效率(例如,通过消除与寻找全新轨迹相关的成本并消除因与变化的环境冲突而无效的信号带来的影响)。
作为一种可选技术,模型预测控制(MPC)可以与快速迭代参考轨迹重新规划方案相结合。这样一来,可以实现与非线性MPC(NMPC)相关的动态性能的更多益处以及上述与快速迭代参考轨迹重新规划相关的优点。该可选实施方案的一个特征是可递进地在线重新规划参考轨迹,并减少冲突的参考轨迹信号的影响,同时实时考虑车辆的非线性动力学特征(包括轮胎动力学特征,例如轮胎饱和度、轮胎摩擦力等)。与NMPC结合,这种可选场景可以比现有的NMPC技术表现得更好,尤其是在紧急情况下,例如紧急避障。
本文公开的系统和方法可以用多种不同的自动驾驶车辆和车辆类型中的任何一种来实现。例如,本文公开的系统和方法可以与汽车、卡车、公共汽车、施工车辆和其他公路车辆和越野车辆一起使用。这些可包括用于运输人/人员、物料或其他物品的车辆。另外,本文公开的技术也可以扩展到其他车辆类型。图1中示出了其中可以实现所公开技术的实施例的示例性自动驾驶车辆(AV)。
图1示出了可用以实施所公开技术的实施例的示例性自动驾驶车辆。在本例中,车辆100包括计算系统110、传感器120、AV控制系统130和车辆系统140。车辆100可以包括更多或更少数量的系统和子系统,每个系统和子系统都可以包括多个元件。因此,本文所公开技术的一个或多个功能可以被划分为另外的功能或物理部件,或者组合为更少的功能或物理部件。另外,虽然图1中所示的系统和子系统被显示为以特定方式划分,但是车辆100的功能可以以其他方式划分。例如,各种车辆系统和子系统可以以不同的方式组合以共享功能。
传感器120可以包括多个不同的传感器以收集关于车辆100、其操作者、其操作及其周围环境的数据。在本例中,传感器120包括激光雷达111、雷达112或其他距离测量传感器、图像(相机/视觉)传感器113、节气门和制动器传感器114、3D加速计115(例如,用于检测侧倾/俯仰/横摆,或者可替代地,仅检测一种车辆取向,例如横摆)、转向传感器116以及GPS或其他车辆定位系统117。此示例还包括另外的传感器120,例如车速传感器119、侧滑传感器120(即,左右滑移率传感器)、车轮角度传感器121(例如,每个车轮一个)、后轮速度传感器122(例如,每个车轮一个)、横向误差传感器123、路线误差传感器124、发动机转矩传感器125、前制动器转矩传感器126(例如,每个前制动器一个)、后制动器转矩传感器127(例如,每个后制动器一个)和/或纵向重量转移状态传感器128。还可以包括可能适合于AV控制系统130的给定实施方案的另外的传感器。例如,传感器120可包括环境传感器(例如,用于检测道路/地面状况,例如地面湿度、冰或其他环境状况,包括例如大气条件,例如天气)。传感器120中的一个或多个可以收集数据并将该数据发送至车辆电子控制单元(ECU)145或其他处理单元。传感器120(和其他车辆部件)可以被复制以实现冗余。
诸如激光雷达111、雷达112、IR传感器和其他类似传感器的距离测量传感器可用于收集数据以测量与各种外部环境状况(诸如冰块)或诸如其他车辆、障碍物(例如图2A-2C所示的障碍物244)、交通标志、行人、动物、灯杆和其他物体的距离和接近率。图像传感器113可包括一个或多个相机或其他图像/视觉传感器以拍摄车辆周围环境的图像。来自图像传感器113的信息可用于确定关于车辆100周围的环境的信息,包括例如关于车辆100周围的其他物体的信息。例如,图像传感器113可能能够识别地标或其他特征(包括例如街道标志、交通灯等)、道路坡度、道路上的线条、路缘石、要避开的物体/障碍物/环境变化(例如其他车辆、行人、骑自行车的人等)以及其他地标或特征。来自图像传感器113的信息可与诸如地图数据或来自定位系统117的信息之类的其他信息结合使用以确定、细化或验证车辆位置。此外,来自图像传感器113的信息可以替代地或附加地与诸如来自激光雷达或雷达传感器112的其他信息结合使用,以确定、细化或验证任何上述条目(例如,障碍物/环境变化)相对于车辆的距离。
节气门和制动器传感器114可用于收集关于自主生成的节气门和制动器应用的数据。加速计115可以包括3D加速计以测量车辆的侧倾、俯仰和横摆(或者如果需要的话,仅测量一种车辆取向,例如横摆)。加速计115可以包括用于车辆的加速计和陀螺仪或车辆内的多个系统或子系统中的任何一个的任意组合,以基于惯性来感测位置和取向变化。
可包括转向传感器116(例如,转向角度传感器)以收集关于自主生成的车辆转向输入的数据。转向传感器可以包括位置编码器以监测转向输入的角度(以度为单位)。模拟传感器可以用于收集电压差,该电压差可用于确定有关角度和转弯方向的信息,而数字传感器可以使用LED或其他光源来检测转向输入的角度。转向传感器还可以提供有关方向盘转动速度的信息。在低车速行驶期间,方向盘快速转动一般是正常的,但在高速公路或以其他高速度行驶时一般是不正常的。过度的转向输入(例如,在车辆以如此高的速度行驶时快速转动方向盘)可能会导致车辆控制问题,由于例如轮胎与道路之间的轮胎摩擦力相对于车速不够低而导致轮胎打滑。换句话说,如果驾驶者在高速公路或以其他高速度行驶时快速转动方向盘,则车辆计算系统110可以将其解释为车辆失控的指示。转向传感器116还可以包括转向转矩传感器以检测驾驶者施加至方向盘的力的大小。
车辆定位系统117(例如,GPS或其他定位系统)可用于收集关于车辆的当前位置的位置信息以及其他定位或导航信息。
车速传感器119可用于收集关于车辆当前速度的速度信息。车速传感器119还可以例如实施在GPS(或其他定位系统)中,该GPS可用于通过使用多个车辆位置信息和定时信息(即,车辆在车辆位置之间行驶所花费的时间量)计算车速。或者,车速传感器119可以采用其他非车轮速度感测技术的形式,例如变速器速度传感器,变速器速度传感器是安装在车辆变速器上的部件,其让ECU 145和/或计算系统110了解车辆的当前速度。
侧滑传感器120(即左右滑移率传感器或车辆侧滑角传感器)测量车辆纵向方向与车辆重心的行进方向(即圆形路径的切线)之间的角度。它显示了在稳态转弯期间车辆关于圆形路径的姿态。侧滑角度可通过例如结合来自GPS、惯性测量单元(IMU)和卡尔曼滤波器框架中的磁力计的测量结果来推定。也称为线性二次推定(LQE)的卡尔曼滤波是一种算法,该算法使用随时间观察的一系列测量结果(包括统计噪声和其他不准确度),并产生未知变量的推定值,该推定值往往比基于单独进行的单次测量的推定值更准确。
车轮角度传感器121(例如,每个车轮一个)用于测量车轮处的转向角度。如果没有车轮角度传感器,则系统必须根据移动时车辆航向的变化来猜测车轮的角度/指向的方向。
后轮速度传感器122(例如,每个车轮一个)也被称为ABS传感器。车轮速度传感器允许ECU 145单独监测汽车上的每个车轮。这允许ECU 145在车辆稳定性控制(VSC)和防抱死制动(ABS)等安全系统中使用各个车轮速度数据。车轮速度传感器并不位于车轮本身中。它们通常安装在车辆的轮毂中。车轮速度传感器是一个简单的齿圈和拾取模块,它将电流发送到ABS或ECU 145进行分析。在ABS中,车轮速度传感器告诉AV控制系统130哪些车轮比其他车轮移动得更快或更慢。它们还告诉AV控制系统130一个或多个车轮在制动期间是否锁止。在VSC中,当一个或多个车轮由于牵引问题而减慢或加速时,车轮速度传感器通知AV控制系统130,从而允许AV控制系统130进行补偿并保持车辆稳定和受控。最后,在一些车辆中,车轮速度传感器向ECU 145提供信息,该信息可以变成由车速表显示的速度读数。来自后轮速度传感器122和车速传感器119的信息的比较还可用于判定后轮是否已经发生打滑,并且当打滑已经发生时通知ECU 145和/或计算系统110。
横向误差传感器123可用于测量车辆的横向误差。车辆的横向误差是车辆前轴中心到轨迹路径中最近路径点之间的距离。该相对距离例如通过GPS传感器来测量。
路线误差传感器124(例如,GPS或其他定位系统)指的是车辆航向角度的偏差。该车辆航向角度信息可被输入到计算系统110和/或车辆100的其他系统,计算系统110和/或车辆100的其他系统可以将车辆航向角度信息与有关参考航向角度的信息交叉引用,以判定是否已发生车辆航向偏离参考轨迹路径。如果判定为已经发生偏离,则可以测量并提供这种偏离的量。
发动机转矩传感器125的转矩是在寻求量化传动系统部件(例如传动轴或联轴器)上的真实机械转矩时的有效测量结果。用于测量发动机转矩和功率的最常见方法是通过测功机,该测功机测量发动机施加的转矩和速度。最终结果是发动机性能曲线,其用曲线图表示转矩、速度和功率。发动机制造商使用这种方法来制定特定发动机的规格。这也是量化汽车真实功率输出的常用方法。其他测量车辆发动机的真实转矩(和功率输出)的方式需要使用依赖于应变计传感器的表面贴装式转矩遥测系统。这种方法往往是最准确的选择,因为它可以快速准确地提供马力数据。
前制动器转矩传感器126(例如,盘式制动器安装支架转矩传感器,每个前制动器一个)可用于测量作用在车辆前轮的转子上的制动力。该传感器可以是例如位于前轮盘式制动器的制动钳中的压电传感器。
后制动器转矩传感器127(例如,盘式制动器安装支架转矩传感器,每个后制动器一个)可用于测量作用在车辆后轮的转子上的制动力。该传感器可以是例如位于后轮盘式制动器的制动钳中的压电传感器。
纵向重量转移状态传感器128检测由于车辆重心(CG)处的纵向加速度而引起的惯性力(或车轮处的负载力的变化),该惯性力导致重量转移至后车轴,从而提高后轮的抓地力(即,负载增加)并降低前轮的抓地力(即,负载减小)。相反,车辆的纵向减速会降低后轮的抓地力并提高前轮的抓地力。
尽管未示出,但是也可以设置其他传感器120。各种传感器120可以用于向计算系统110和车辆100的其他系统提供输入,使得系统具有对于在自主模式下操作有用的信息。
AV控制系统130可以包括多个不同的系统/子系统以控制车辆100的操作。在本例中,AV控制系统130包括转向单元136、节气门和制动器控制单元135、传感器融合模块131、计算机视觉模块134、路径规划模块138和避障模块139。
可包括传感器融合模块131以评估来自包括传感器120在内的多个传感器的数据。传感器融合模块131可以使用计算系统110或其自身的计算系统来执行算法以评估或以其他方式使用来自各种传感器的输入。
节气门和制动器控制单元135可用于控制车辆的节气门和制动机构的致动,以使车辆加速、减速、停止或以其他方式调节车辆的速度。例如,节气门单元可控制用于为车辆提供原动力的发动机或电机的运行速度。同样,制动器单元可用于致动制动器(例如,盘式制动器、鼓式制动器等)或接合再生制动(例如,在混合动力或电动车辆中)以使车辆减速或停止。
转向单元136可以包括多种不同机构中的任何一种以控制或改变车辆的航向。例如,转向单元136可以包括适当的控制机构来调节车辆的前轮和/或后轮的取向,以在运行期间实现车辆方向的改变。电子、液压、机械或其他转向机构可以由转向单元136控制。
可以包括计算机视觉模块134以处理图像数据(例如,从图像传感器113拍摄的图像数据或其他图像数据),从而评估车辆周围的环境。例如,作为计算机视觉模块134的一部分运行的算法可评估静止或运动图像以确定特征和地标(例如,路标、交通灯、车道标记和其他道路边界等)、障碍物(例如,本车辆路径中的动物、行人、骑自行车的人、其他车辆、其他障碍物)和其他物体。此系统可包括视频追踪和其他算法以识别诸如前述的物体、推定它们的速度和/或方向、绘制周围环境的地图等等。
可以包括路径规划模块138以基于来自各种传感器120和AV控制系统130的输入来计算车辆100的期望路径。例如,路径规划模块138可使用来自定位系统117、传感器融合模块131、计算机视觉模块134、避障模块139(下述)和其他系统的信息来确定沿着期望路线的一段导航车辆的安全路径。路径规划模块138还可以被配置为当从传感器120和其他AV控制系统130接收到实时信息时动态地更新车辆路径。该实时信息可以被用作用于计算车辆的最优序列/解决方案的输入。如下所述,然后可以通过用来自计算出的最优序列的信息更新参考轨迹规划(或先前优化的轨迹规划)来执行车辆的当前轨迹规划的计算。
可包括避障模块139以——根据任何下述迭代轨迹重新规划算法——确定为了避开由传感器120或AV控制系统130检测到的障碍物而控制车辆运动所需的控制输入(即,对车辆系统140的输入)。避障模块139可与路径规划模块138协同工作以确定适当的路径来避开检测到的障碍物。
车辆系统140可以包括多个不同的系统/子系统以控制车辆100的操作。在本例中,车辆系统140包括转向系统141、节气门系统142、制动器143、变速器144、ECU 145和推进系统146。这些车辆系统140在自主模式下可以由AV控制系统130控制。例如,在自主模式下,AV控制系统130可单独或与其他系统结合控制车辆系统140,从而以完全自主的方式操作车辆。
所示示例中的计算系统110包括处理器106和存储器103。车辆100的一些或全部功能可以由计算系统110控制。处理器106可包括一个或多个GPU、CPU、微处理器或任何其他合适的处理系统。处理器106可以包括一个或多个单核或多核处理器。处理器106执行存储在非暂时性计算机可读介质(例如存储器103)中的指令108。
存储器103可以包含可由处理器106执行以执行车辆100的各种功能(包括车辆系统和子系统的功能)的指令(例如,程序逻辑)。存储器103还可以包含另外指令,包括用于向传感器120、AV控制系统130和车辆系统140中的一者或多者发送数据、从它们接收数据、与它们交互和/或控制它们的指令。除所述指令外,存储器103可以存储数据(例如,与参考轨迹规划相关的数据)以及由车辆及其系统和子系统用于根据任何下述迭代轨迹重新规划算法进行操作(包括车辆100在自主模式下的操作)的其他信息。
尽管图1中示出了一个计算系统110,但是在各种实施例中可以包括多个计算系统110。另外,车辆100的一个或多个系统和子系统可包括其自己的专用或共享的计算系统110或其变型。因此,虽然计算系统110被图示为分立的计算系统,但这仅仅是为了便于说明,并且计算系统110可以分布在各种车辆系统或部件之间。在一些示例中,本文公开的各种实施例的计算功能可以完全在计算系统110上执行、分布在车辆100的两个或更多个计算系统110之间、在基于云的平台上执行、在基于边缘的平台上执行或在前述的组合上执行。
车辆100还可以包括无线通信系统(未示出),以使用包括例如V2V、V2I和V2X协议的多种通信协议中的任一种与其他车辆、基础设施元件、云部件和其他外部实体进行通信。这种无线通信系统可以允许车辆100接收来自其他对象的信息,包括例如地图数据、有关障碍物(例如图2A-2C所示的障碍物244)的数据、有关基础设施元件的数据、有关周边车辆的操作和意图的数据,等等。
图1的示例仅出于说明目的而被提供作为可用以实现所公开的技术的实施例的车辆系统的一个示例。阅读本说明书的本领域普通技术人员将理解如何利用该车辆平台和其他车辆平台来实现所公开的实施例。
用于避障的轨迹重新规划的示例性实施方案
在此示例性实施方案中,空间递进重新规划被呈现为这样一种方法,该方法在需要时(或者可选地,连续地)递进地更新参考轨迹,从而即使在预先计算出的轨迹不可行或不再可行时也能实现可靠的实时实施。尽管是可选的,但该方法是与高保真度NMPC配方结合实施的。MPC是一种紧急避障技术,因为它能够在考虑复杂的非线性车辆动力学特征(通过使用NMPC)的同时快速重新规划以找到无碰撞轨迹。虽然以前的方法考虑了MPC来避障,但此类技术由于没有考虑车辆的非线性动力学特征(尤其是轮胎动力学特征,例如轮胎饱和度和轮胎摩擦力)而忽略了车辆动力学的重要方面。MPC中的避障利用参考轨迹的追踪。然而,这些参考轨迹可能是粗略的近似值,并不意味着要明确遵循。特别地,这些参考轨迹实际上可能会与障碍物相交,从而为MPC优化器提供冲突的信息。其他参考轨迹追踪方法影响了MPC的行为,并形成了尽可能贴近参考轨迹地避障的解决方案。然而,这些其他方法通常会导致车辆方向突然/剧烈改变以避开障碍物。
此示例性实施方案采用新颖的重新规划例程,该例程在例如参考轨迹变得不可行时快速迭代以改进参考轨迹。为了证明该方法的有效性,此示例性实施方案考虑了NMPC在利用车辆的非线性动力学特征(例如,轮胎动力学特征,例如轮胎饱和度和轮胎摩擦力)时的集成。这种组合方法通过快速迭代的参考轨迹重新规划实现了NMPC的动态性能。在参考轨迹重新规划阶段(或进一步的迭代,如下所述),先前的NMPC解被用作下一次优化的参考轨迹,并与超出NMPC解范围的点的离线规划混合。这允许NMPC迭代地找到障碍物周围的最优路径,而不会负担寻找全新轨迹的计算成本,也不会受到因与变化的环境冲突而无效的信号影响。这也允许车辆在具有挑战的紧急情况下始终保持稳定性。
如果下一个轨迹规划仅考虑来自计算出的最优序列中的信息(即,在计算下一个轨迹规划时不依赖于原始/参考轨迹规划),则轨迹中突然出现的障碍物可能会导致将需要从原始轨迹立即/大幅调节的轨迹变化,从而导致车辆方向(以及因此车辆乘员)发生急剧移位以避开障碍物。而当参考轨迹被用于计算下一个轨迹规划时,可实现车辆轨迹方向变化的更渐进的效果。这种递进式重新规划引起从参考轨迹规划到下一个轨迹规划的更平滑的轨迹变化以及从车辆乘员的角度来看更平滑的体验。
空间迭代重新规划
例如,当检测到离线参考轨迹路径与当前环境之间存在冲突时,执行空间迭代重新规划(SpIRe)。虽然SpIRe被设想用于一般的参考轨迹不可行,此示例性实施方案论证了紧急避障方法。出于论证目的,此示例性实施方案应用于自动驾驶赛车。障碍物通过移动轨道边界以排除障碍物来表示,因此当参考地平线中的任何点位于无碰撞可导航管之外(即,在轨道边界内)时会发生冲突。用于执行SpIRe的示例性通用算法(即,就考虑成本函数权重而言)将在下一段中详细描述并归纳为:
如果未检测到冲突则
(A,B,C)←(A,B,C)nom
xref←xoffline
uref←uoffline
否则
(A,B,C)←(A,B,C)replan
xcontingent←[xprev,xoffline]
ucontingent←[uprev,uoffline]
xref←xcontingent
uref←ucontingent
结束如果
这里,矩阵(A、B、C、...)表示MPC优化问题的成本函数权重的归纳。当检测到冲突时,SpIRe会将这些矩阵更新为减小参考轨迹追踪的相对权重的配置replan。在下面的MPC配方小节的A部分中描述了一个具体示例,其中参考轨迹追踪权重(在成本函数中)被减小,从而允许MPC遵循(先前确定的/获得的)参考轨迹的负担减轻。这在参考轨迹变得不可行时是特别有利的。接下来,参考轨迹状态xref和输入uref从离线规划x,uoffline切换到应急规划x,ucontingent。对于超出解范围的点,该应急规划由先前的最优解xprev和uprev附带离线规划xoffline和uoffline组成。
重要的是,该应急规划用优化序列的新解(优选连续地)更新。只要参考轨迹规划与检测到的轨迹边界之间存在冲突,迭代就会继续。这允许控制器在参考轨迹在空间上移动时迭代地更新参考轨迹,这样,即使第一次检测时的解由于对参考轨迹的依赖而不是最优的,后续解对于紧急情况也变得越来越优。
图2A-2C中给出了该过程的图形表示,其中每个时间实例的最优解被示出为非粗体虚线,而当前参考轨迹被示出为粗体虚线。在检测到障碍物244之前,离线规划被视为参考轨迹路径(参见没有考虑障碍物的情况下的轨迹规划,如图2A中的场景200a所示)。参考图2B,在第一次检测到障碍物244时,将参考轨迹改变为之前的最优解(参见图2B中的场景200b中SpIRe下方的轨迹规划,其中示出了第一次检测到障碍物244)。这里,参考轨迹与图2A中的前一最优解相同,并且新的最优解被显示为图2B中的顶部虚线。参考图2C,稍后的时间实例迭代地改进参考轨迹以避开障碍物,同时仍然考虑车辆的非线性动力学特征和成本(参见图2C中的场景200c中SpIRe下方的轨迹规划,其中示出了考虑障碍物244检测的后续迭代)。最新的最优解完全避开了障碍物244,如图2C中的顶部虚线所示。以下结果部分中讨论的实验结果也证明了这种迭代参考轨迹的改进。
MPC配方
在验证SpIRe的效力的示例性实施方案中,SpIRe方案与高保真NMPC配方结合用于自动驾驶赛车,直至达到车辆操控的极限。为了完整起见,并说明动力学特征的复杂性,这里对控制器例程进行简洁的描述。
首先,优化问题的一般形式(即,用于计算轨迹的优化序列或解)是:
状态和输入分别为x和u。状态被限制在边界xmin和xmax内,输入被限制在umin和umax内。最后,初始状态xO等于传播的初始状态xlookahead。成本函数J和状态演化将在以下小节中描述。
A.成本函数
参考轨迹相对于后续轨迹规划的计算被赋予较小的权重(例如,权重小于10%)。减小参考轨迹规划的权重允许后续轨迹的计算对先前获得的(过时的)和非最优的参考轨迹规划的负担减轻。与权重赋予相关的成本函数J如下式(2)所示:
其中A是对角矩阵权重[e,V,τbrake,f,τbrake,r],B是对角矩阵权重[τbrake,f,τbrake,r],C是对角矩阵权重横向误差e、车速V、前制动器转矩和后制动器转矩取自下式4的车辆模型并且是(x-xref)中的因数;前制动器转矩和后制动器转矩率是(u-uref)中的因数;车轮角度和发动机转矩加速度也取自下式4的车辆模型并且是/>中的因数。此示例性SpIRe应用减小了横向误差e状态的成本/权重。成本函数变量Jslack包含偏离轨道、侧滑和摩擦圆边界方面的松弛成本,并且成本函数变量JsN对横向误差和侧滑的终端稳定性施加了成本。横向误差e状态的权重减小会产生较小的权重,用Jslack和JsN表示。应用该成本函数方程J的结果是相对于后续轨迹规划的计算而言较小权重的赋予。
B.车辆模型
为了便于理解,图3示出了根据本文公开的实施例的用于描述示例性车辆的状态之间的关系的示例性单轨自行车轨迹模型300。在本例中,车辆模型300使用曲线(Frenet)坐标系中的单轨布局。Frenet坐标系通常用于以比传统(x,y)笛卡尔坐标更直观的方式表示道路上的位置。对于Frenet坐标,变量s和d用于描述车辆在道路或参考轨迹路径上的位置。此示例由4个输入(前后制动器转矩率、发动机转矩率和车轮角度率)和11个导出的状态组成。这11个状态在下面的条目(3)中给出:
其中r代表横摆率,V代表车速,β代表侧滑等。
描述此车辆模型的相应状态导数分别在下式(4)中给出:
其中车辆参数在下表1中给出。轮胎力由分别用于前后纵向力Fxf,r和横向力Fyf,r的耦合滑移Fiala轮胎模型(用于车辆仿真)给出。差分侧向制动产生的横摆力矩为作为τbb给出。道路拓扑结构分别通过纵向和横向重力Fgx和Fgy来合并。最后,Kref是参考轨迹曲率。
表1:车辆参数
为了方便地表示障碍物、参考轨迹路径以及NMPC内部的轨迹状态,车辆动力学特征被转换为沿曲线坐标系相对于原始参考轨迹的空间项,如下面的微分方程(5)所示:
使用二阶隐式Runge-Kutta法对车辆动力学特征进行离散化,该方法是一种用于求解微分方程的广泛使用的迭代方法,可平衡精度与计算量。在一个示例中,为了提高地平线第一部分的积分精度,但仍保持足够长的前视距离以有效地对意外/突然的障碍物做出反应,由微分方程表示的地平线的前5个点的步长为ds=3m,其余地平线点的步长为ds=7m。例如,NMPC地平线中使用了20个点,总地平线距离为120m。
结果
图4是示出了根据本文公开的实施例的在测试配备有用于轨迹规划的车辆控制系统的示例性车辆中使用的赛道的示例性测试轨道区段450的向东向北距离(以米为单位)的图示400。测试是在美国加利福尼亚州Thunderhill赛道的西轨道上对实验车辆进行的。西轨道是一条两英里长的路线,由各种赛道特征组成,包括直道、高速转弯、减速弯、发夹弯和崎岖地形。图4中示出了测试轨道450的一部分以及障碍物455和MPC意识到障碍物455的点457。选择障碍物455的位置,即,紧在盲山之后,以提供真实且具有挑战性的避障场景。MPC意识到障碍物455的点位于s=871处(其中s表示以米为单位的路径距离,参见下面更全面讨论的图5),对应于障碍物变得肉眼可见的山峰。障碍物455长30m,高差为5m,起始于s=934处。在该视点处,车辆以近30m/s的速度行驶,障碍物455距离仅63m。
1)比较90%可用摩擦力下的避障:使用静态参考轨迹(基线)在SpIRe和MPC的摩擦力利用率高达90%的强加限制下进行比较测试。虽然对每个测试进行了多次重复并且结果证明了可重复性,但为了简洁起见,仅显示了每种情况的一个示例。图5是示出SpIRe实验(上图)和基线实验(下图)的避障的比较图500,示出了横向误差的每隔十个MPC解。图5以曲线坐标描绘了SpIRe实验(上图)和基线实验(下图)的每隔十个MPC解的规划路径。在SpIRe实验情况中(上图),车辆路径迭代地调节以避开障碍物,从而减少每次连续求解的重叠量,直到第40次迭代完全清除障碍物。这与基线实验情况(下图)形成鲜明对比,其中(恒定和未更新的权重)对参考轨迹的依赖导致规划路径始终保持相对恒定,并且始终与障碍物显著相交。
图6是示出了在图4中所示的测试轨道450上的摩擦力为90%时,利用SpIRe和基线实验针对所选测量状态和两个实验的输入进行避障的比较图600。除了更有效地避障之外,还表明了SpIRe还保持更高的速度(从上往下第二张图)。重要的是,SpIRe情况还需要不太剧烈的制动输入(从上往下第三和第四张图),从而防止在s=910和s=925之间的基线情况下看到ECU干预造成的压力峰。转向输入也截然不同(从上往下第五张图)。具体而言,与基线情况下延迟和剧烈的转向调节相比,SpIRe情况在操控早期要求更多的转向。这种更平滑的响应还引起SpIRe情况下的加速度比基线小(从上往下第六张图)。最后,虽然SpIRe情况通常优于基线情况,但求解时间仍然相对相似,展示了可靠的实时能力。
2)在95%的可用摩擦力(即,与90%的情况相比更接近车辆操纵的极限)下使用SpIRE进行避障:在图4所示的测试轨道450上以高达95%的可用摩擦力测试SpIRe。在该测试中,障碍物长度缩短至10m。由于攻击行为和在之前90%的实验中已经观察到的结果,未对基线MPC进行比较测试。图7是示出了在图4中所示的测试轨道450上以95%的摩擦力利用SpIRe实验针对所选的测量状态和输入进行避障的比较图700。尽管来自扩展的摩擦力利用的速度更高,但SpIRe成功地避开了障碍物。观察到的行为与90%的情况类似,只不过操纵是在稍高的速度、稍大的加速度和较少的制动输入下完成的。此外,尽管运行接近车辆操纵极限,但求解时间仍然稳定。这些结果进一步证明了SpIRe在接近车辆操纵极限的情况下成功运行的能力。
结论
本公开中提出的SpIRe方法可递进地在线重新规划不可行的参考轨迹。根据此示例性实施方案,在紧急避障场景(突然出现阻挡障碍物)演示了SpIRe方案,并在赛道上95%的可用摩擦力下进行了比较全面的实验。实验表明,SpIRe方法削弱了冲突的参考轨迹信号的影响,同时实时递进地更新考虑车辆非线性动力学特征(例如包括轮胎动力学特征,如轮胎饱和度和轮胎摩擦力)的参考轨迹规划。换句话说,实验证明,与基线配方方法相比,这种方法在摩擦力利用率高达95%的情况下实现了更高的安全性和性能。比较实验表明SpIRe尤其是在更高的速度下可更好地防止碰撞,并且比基线方法更平滑且所需的输入更少。
图8是示出了根据本文公开的一些实施例的可针对自动驾驶车辆的迭代轨迹规划执行的示例性操作的流程图。该过程的本质是能够实时提供迭代轨迹规划,以进行紧急避障或考虑环境变化。示例性方法800可以由图1-3中所示的车辆的相应系统执行。
在操作802,确定用于车辆在第一时间点沿第一空间位置行驶的第一轨迹规划。第一轨迹规划是参考轨迹规划。参考轨迹规划可离线存储在可经由互联网访问的服务器(例如,云服务器)的存储器中。与参考轨迹规划相关的信息是在先前时间点得到的,即,它不是实时数据,并且可以是查找表的形式或能够被查找、访问和下载的其他分层形式的数据。
在操作804,计算用于车辆在第一时间点之后的第二时间点沿第二空间位置行驶的最优序列。最优序列(或最优解)的计算是在线实时进行的,并且对应于新的最优解,该新的最优解优选地允许减小先前计算的或以其他方式获得的参考轨迹规划的相对权重。
在操作806,通过用来自计算出的最优序列的信息更新第一轨迹规划来计算车辆的第二轨迹规划。该方法在需要时递进地更新/改进参考轨迹,从而即使在预先计算出的参考轨迹不可行或变得不可行(例如,由于冰块等环境条件变化,或者车辆路径中突然出现阻挡障碍物)时,也能实现可靠的实时实施。如上面简要提到的,可以理解,如果第二轨迹规划仅考虑来自计算出的最优序列的信息(即,在第二轨迹规划的计算中不依赖于第一/参考轨迹规划),则轨迹中突然出现障碍物/环境变化可能会导致需要对之前的轨迹进行立即/大幅调节的轨迹变化,从而导致车辆方向(以及因此车辆乘员)发生剧烈变化,以便避开障碍物/环境变化。而当参考轨迹(或考虑进一步迭代时的先前最优轨迹,如下所述)用于第二轨迹规划的计算时,可实现车辆轨迹方向变化的更渐进的效果。这种递进重新规划引起从第一/参考轨迹规划到第二轨迹规划的更平滑的轨迹变化以及从车辆乘员的角度来看更平滑的体验。其他好处包括找到障碍物/环境变化周围的最优路径,而不会负担寻找全新轨迹的计算成本,也不会受由于与变化的环境冲突而无效的信号影响。
在一些示例中,车辆的非线性动力学特征被用于第一轨迹规划的确定和最优序列的计算。车辆的非线性动力学特征可对应于横摆率、速率、侧滑、车轮角度、后轮速度、横向误差、路线误差、发动机转矩、前制动器转矩、后制动器转矩和纵向重量转移状态中的至少一者。在一个示例中,车辆的非线性动力学特征包括轮胎动力学特征,例如轮胎饱和度、轮胎摩擦力等。将NMPC结合到轨迹规划中实现了快速迭代的参考轨迹重新规划,并且由于NMPC而具有额外的动态性能。
在一些示例中,第一轨迹规划包括不包含障碍物或环境变化的轨迹,并且第二轨迹规划包括包含障碍物或环境变化的轨迹。在这种情况下,第一轨迹规划是离线确定的(即,经由预先计算出的轨迹、查找表等),而最优序列的计算是实时进行的(即在线、在车辆上),由此最优序列是当前最优序列。
在一些示例中,第一轨迹规划相对于第二轨迹规划的计算被赋予较小的权重(例如,权重小于10%)。参考轨迹规划的减小的权重允许第二轨迹的计算对先前获得的(过时的)和非最优的参考轨迹规划的负担较轻。
在一些示例中,考虑到轨迹规划方案的进一步迭代,该方法还包括:计算用于车辆在第二时间点之后的第三时间点沿第三空间位置行驶的另一最优序列;以及通过用来自计算出的另一最优序列的信息更新第二轨迹规划来计算车辆的第三轨迹规划,其中第二轨迹规划是与第三轨迹规划的计算相关的另一参考轨迹规划。在该又一轨迹规划迭代中,第二轨迹规划(对应于先前的最优轨迹解)成为用于计算第三轨迹规划的新的参考轨迹规划。因此,可以以离线或在线方式存储和访问第二轨迹规划(之前已经计算为对应于先前的最优轨迹解)。而另一最优序列的计算是实时(即,在线、在车辆上)进行的,由此另一最优序列变成(新的)当前最优序列。在这种情况下,在一个示例中,第二轨迹规划和第三轨迹规划包括包含障碍物或环境变化的轨迹。可以进行该轨迹规划方案的进一步迭代,直到车辆绕过障碍物/环境变化。
在一些示例中,第二轨迹规划相对于第三轨迹规划的计算被赋予较小的权重(例如,权重小于10%)。第二轨迹规划(即,新的参考轨迹)的减小的权重使得第三轨迹的计算能够减轻先前获得的(过时的)且非最优的第二轨迹规划的负担。
如本文所使用的,用语“电路”和“部件”可以描述可根据本申请的一个或多个实施例执行的给定功能单元。如本文所使用的,部件可以利用任何形式的硬件、软件或其组合来实现。例如,可以实现一个或多个处理器、控制器、ASIC、PLA、PAL、CPLD、FPGA、逻辑部件、软件例程或其他机构来组成一个部件。本文描述的各种部件可以被实现为分立的部件,或者所描述的功能和特征可以在一个或多个部件之间部分或全部共享。换句话说,如本领域普通技术人员在阅读本说明书后将显而易见的,本文描述的各种特征和功能可以在任何给定应用中实现。它们可以以各种组合和排列在一个或多个单独或共享的部件中实现。尽管各种特征或功能元件可以被单独地描述或要求保护为单独的部件,但是应当理解,这些特征/功能可以在一个或多个公共软件和硬件元件之间共享。这样的描述不应要求或暗示使用单独的硬件或软件部件来实现这样的特征或功能。
在部件全部或部分使用软件实现的情况下,这些软件元件可被实现为与能够执行关于其描述的功能的计算或处理部件一起工作。图9中示出了一个这样的示例性计算部件。根据此示例性计算部件900描述了各种实施例。在阅读该描述之后,相关领域的技术人员将清楚如何使用其他计算部件或架构来实现该应用程序。
现在参照图9,计算部件900可以表示例如在自调节显示器、台式计算机、膝上型计算机、笔记本计算机和平板计算机内发现的计算或处理能力。它们可能存在于手持式计算设备(平板电脑、PDA、智能电话、手机、掌上电脑等)中。它们可以存在于工作站或具有显示器的其他设备、服务器或任何其他类型的专用或通用计算设备中,这对于给定应用或环境而言可能是需要的或适当的。计算部件900还可以表示嵌入在给定设备内或者以其他方式可供给定设备使用的计算能力。例如,计算部件可以存在于其他电子设备中,例如便携式计算设备以及可能包括某种形式的处理能力的其他电子设备。
计算部件900可以包括例如一个或多个处理器、控制器、控制部件或其他处理设备,例如处理器904。处理器904可以使用通用或专用处理引擎来实现,例如,微处理器、控制器或其他控制逻辑。处理器904可以连接到总线902。然而,可使用任何通信介质来促进与计算部件900的其他部件的交互或者与外部通信。
计算部件900还可以包括一个或多个存储器部件,文中简称为主存储器908。例如,随机存取存储器(RAM)或其他动态存储器可以用于存储信息和要由处理器904执行的指令。主存储器908也可以用于在执行要由处理器904执行的指令期间存储临时变量或其他中间信息。计算部件900同样可以包括用于存储处理器904的静态信息和指令的只读存储器(“ROM”)或联接到总线902的其他静态存储设备。
计算部件900还可以包括一个或多个各种形式的信息存储机构/设备910,其可以包括例如介质驱动器912和存储单元接口920。介质驱动器912可以包括驱动器或其他机构以支持固定的或可移除的存储介质914。例如,可以提供硬盘驱动器、固态驱动器、磁带驱动器、光驱动器、密盘(CD)或数字视频盘(DVD)驱动器(R或RW),或其他可移除的或固定的介质驱动器。存储介质914可以包括例如硬盘、集成电路组件、磁带、卡带、光盘、CD或DVD。存储介质914可以是由介质驱动器912读取、写入或访问的任何其他固定的或可移除的介质。如这些示例所说明的,存储介质914可包括其中存储有计算机软件或数据的计算机可用存储介质。
在替代实施例中,信息存储机构/设备910可以包括用于允许将计算机程序或其他指令或数据加载到计算部件900中的其他类似工具。这样的工具可以包括例如固定的或可移除的存储单元922和接口920。此类存储单元922和接口920的示例可以包括程序卡带和卡带接口、可移除存储器(例如,闪速存储器或其他可移除存储器部件)和存储器插槽。其他示例可以包括PCMCIA插槽和卡,以及允许将软件和数据从存储单元922传输到计算部件900的其他固定的或可移除的存储单元922和接口920。
计算部件900还可以包括通信接口924。通信接口924可以用于允许在计算部件900与外部设备之间传输软件和数据。通信接口924的示例可以包括调制解调器或软调制解调器、网络接口(例如以太网、网络接口卡、IEEE802.XX或其他接口)。其他示例包括通信端口(例如,USB端口、IR端口、RS232端口蓝牙接口或其他端口)或其他通信接口。经由通信接口924传送的软件/数据可以承载在信号上,所述信号可以是电子的、电磁的(包括光学的)或能够由给定的通信接口924交换的其他信号。这些信号可以经由信道928提供给通信接口924。信道928可以承载信号并且可以使用有线或无线通信介质来实现。信道的一些示例可以包括电话线、蜂窝链路、RF链路、光学链路、网络接口、局域网或广域网以及其他有线或无线通信信道。
在本文档中,用语“计算机程序介质”和“计算机可用介质”一般用来指暂时性或非暂时性介质。这样的介质可以是例如存储器908、存储单元922、介质914和信道928。这些和其他各种形式的计算机程序介质或计算机可用介质可以涉及将一个或多个指令的一个或多个序列传送到用于执行的处理设备。体现在介质上的此类指令一般被称为“计算机程序代码”或“计算机程序产品”(其可以以计算机程序或其他分组的形式分组)。当被执行时,此类指令可以使得计算部件900能够执行如本文所讨论的本申请的特征或功能。
应当理解,在一个或多个单独的实施例中描述的各种特征、方面和功能并不限于它们对所描述的特定实施例的适用性。相反,它们可以单独或以各种组合应用于一个或多个其他实施例,无论这些实施例是否被描述并且无论这些特征是否被呈现为所描述的实施例的一部分。因此,本申请的广度和范围不应受任何上述示例性实施例限制。
除非另有明确说明,本文中使用的用语和短语及其变型应被解释为开放式而非限制性的。作为前述的示例,用语“包括”应当被理解为“包括但不限于”等含义。用语“示例”用于提供所讨论的条目的示例性实例,而不是其详尽的或限制性的清单。用语“一”应被理解为“至少一个”、“一个或多个”等含义;并且诸如“常规”、“传统”、“通常”、“标准”、“已知”等形容词。类似含义的用语不应被解释为将所描述的条目限制为给定时间段或给定时间可用的条目。相反,它们应当被理解为涵盖现在或将来任何时间可能可用或已知的常规、传统、通常或标准技术。当本文涉及对本领域普通技术人员来说显而易见或公知的技术时,此类技术涵盖本领域技术人员现在或将来任何时间显而易见或公知的那些技术。
在某些情况下,诸如“一个或多个”、“至少”、“但不限于”等宽泛用词和短语的存在不应被理解为意味着在此类宽泛短语可能不存在情况下意图或需要使用较窄的情况。用语“部件”的使用并不意味着作为部件的一部分描述或要求保护的方面或功能全部配置在公共包件中。事实上,部件的各个方面中任何或所有方面,无论是控制逻辑还是其他部件,都可以组合在单个包件中或单独维护,并且可以进一步分布在多个分组或包件中或跨多个位置。
另外,本文阐述的各种实施例是根据示例性框图、流程图和其他图示来描述的。如本领域普通技术人员在阅读本文后将变得显而易见的,所说明的实施例及其各种替代方案可以在不限于所示示例的情况下实现。例如,框图及其随附的描述不应被解释为强制特定的架构或配置。
Claims (21)
1.一种用于自动驾驶车辆的轨迹规划的方法,包括:
确定用于所述车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划为参考轨迹规划;
计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及
通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
2.根据权利要求1所述的方法,其中,所述车辆的非线性动力学特征被用于所述第一轨迹规划的确定和所述最优序列的计算。
3.根据权利要求2所述的方法,其中,所述车辆的非线性动力学特征对应于横摆率、速率、侧滑、车轮角度、后轮速度、横向误差、路线误差、发动机转矩、前制动器转矩、后制动器转矩和纵向重量转移状态中的至少一者。
4.根据权利要求2所述的方法,其中,所述车辆的非线性动力学特征包括轮胎动力学特征。
5.根据权利要求1所述的方法,其中,所述第一轨迹规划包括不包含障碍物或环境变化的轨迹,并且所述第二轨迹规划包括包含障碍物或环境变化的轨迹。
6.根据权利要求1所述的方法,其中,所述第一轨迹规划是离线确定的,并且所述最优序列的计算是实时进行的,由此所述最优序列是当前最优序列。
7.根据权利要求1所述的方法,其中,所述第一轨迹规划相对于所述第二轨迹规划的计算被赋予较小的权重。
8.根据权利要求1所述的方法,其中,所述方法还包括:
计算用于所述车辆在所述第二时间点之后的第三时间点沿第三空间位置行驶的另一最优序列;以及
通过用来自计算出的另一最优序列的信息更新所述第二轨迹规划来计算所述车辆的第三轨迹规划,其中所述第二轨迹规划是与所述第三轨迹规划的计算相关的另一参考轨迹规划。
9.根据权利要求8所述的方法,其中,所述第二轨迹规划和所述第三轨迹规划包括包含障碍物或环境变化的轨迹。
10.根据权利要求8所述的方法,其中,所述第二轨迹规划相对于所述第三轨迹规划的计算被赋予较小的权重。
11.一种用于自动驾驶车辆的轨迹规划的车辆控制系统,包括:
处理器;和
联接到所述处理器以存储指令的存储器,所述指令在被所述处理器执行时使所述处理器执行操作,所述操作包括:
确定用于所述车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划为参考轨迹规划;
计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及
通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
12.根据权利要求11所述的车辆控制系统,其中,所述车辆的非线性动力学特征被用于所述第一轨迹规划的确定和所述最优序列的计算。
13.根据权利要求12所述的车辆控制系统,其中,所述车辆的非线性动力学特征对应于横摆率、速率、侧滑、车轮角度、后轮速度、横向误差、路线误差、发动机转矩、前制动器转矩、后制动器转矩和纵向重量转移状态中的至少一者。
14.根据权利要求12所述的车辆控制系统,其中,所述车辆的非线性动力学特征包括轮胎动力学特征。
15.根据权利要求11所述的车辆控制系统,其中,所述第一轨迹规划包括不包含障碍物或环境变化的轨迹,并且所述第二轨迹规划包括包含障碍物或环境变化的轨迹。
16.根据权利要求11所述的车辆控制系统,其中,所述第一轨迹规划是离线确定的,并且所述最优序列的计算是实时进行的,由此所述最优序列是当前最优序列。
17.根据权利要求11所述的车辆控制系统,其中,所述第一轨迹规划相对于所述第二轨迹规划的计算被赋予较小的权重。
18.根据权利要求11所述的车辆控制系统,其中,所述操作还包括:
计算用于所述车辆在所述第二时间点之后的第三时间点沿第三空间位置行驶的另一最优序列;以及
通过用来自计算出的另一最优序列的信息更新所述第二轨迹规划来计算所述车辆的第三轨迹规划,其中所述第二轨迹规划是与所述第三轨迹规划的计算相关的另一参考轨迹规划。
19.根据权利要求18所述的车辆控制系统,其中,所述第二轨迹规划和所述第三轨迹规划包括包含障碍物或环境变化的轨迹。
20.根据权利要求18所述的车辆控制系统,其中,所述第二轨迹规划相对于所述第三轨迹规划的计算被赋予较小的权重。
21.一种非暂时性机器可读介质,具有存储在其中的指令,所述指令在被处理器执行时使所述处理器执行操作,所述操作包括:
确定用于所述车辆在第一时间点沿第一空间位置行驶的第一轨迹规划,其中所述第一轨迹规划是参考轨迹规划;
计算用于所述车辆在所述第一时间点之后的第二时间点沿第二空间位置行驶的最优序列;以及
通过用来自计算出的最优序列的信息更新所述第一轨迹规划来计算所述车辆的第二轨迹规划。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202263406537P | 2022-09-14 | 2022-09-14 | |
US63/406537 | 2022-09-14 | ||
US18/176781 | 2023-03-01 | ||
US18/176,781 US20240083457A1 (en) | 2022-09-14 | 2023-03-01 | Iterative trajectory replanning for emergency obstacle avoidance |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117698759A true CN117698759A (zh) | 2024-03-15 |
Family
ID=90142583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311171621.1A Pending CN117698759A (zh) | 2022-09-14 | 2023-09-12 | 用于紧急避障的迭代轨迹重新规划 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240083457A1 (zh) |
JP (1) | JP2024041727A (zh) |
CN (1) | CN117698759A (zh) |
-
2023
- 2023-03-01 US US18/176,781 patent/US20240083457A1/en active Pending
- 2023-09-08 JP JP2023145997A patent/JP2024041727A/ja active Pending
- 2023-09-12 CN CN202311171621.1A patent/CN117698759A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2024041727A (ja) | 2024-03-27 |
US20240083457A1 (en) | 2024-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shadrin et al. | Experimental autonomous road vehicle with logical artificial intelligence | |
US9738284B2 (en) | Vehicle acceleration determination | |
US10108197B2 (en) | Deceleration determination of a vehicle | |
US10202144B2 (en) | Vehicle curvature determination | |
US9233692B2 (en) | Method to control a vehicle path during autonomous braking | |
US10488863B2 (en) | Autonomous vehicle post-fault operation | |
EP3336493B1 (en) | Determining control characteristics for an autonomous driving vehicle | |
US11975725B2 (en) | Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning | |
US10534364B2 (en) | Method and system for autonomous vehicle speed following | |
US20210325896A1 (en) | Braking control behaviors for autonomous vehicles | |
US20220105963A1 (en) | Systems and methods for imminent collision avoidance | |
US20220242401A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned controls parameters generated using simulations and machine learning | |
Choi et al. | Position estimation in urban u-turn section for autonomous vehicles using multiple vehicle model and interacting multiple model filter | |
JP7069624B2 (ja) | 位置演算方法、車両制御方法及び位置演算装置 | |
CN113561972A (zh) | 一种避障控制方法、装置、车辆和存储介质 | |
Garcia et al. | Design and simulation for path tracking control of a commercial vehicle using MPC | |
US20220242441A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned operational and vehicle parameters generated using simulations and machine learning | |
CN117698759A (zh) | 用于紧急避障的迭代轨迹重新规划 | |
CN115675481A (zh) | Gps增强摩擦估计 | |
US20240034302A1 (en) | Systems and methods for predictive control at handling limits with an automated vehicle | |
Kang | Development of predictive vehicle control system using driving environment data for autonomous vehicles and advanced driver assistance systems | |
EP3934947B1 (en) | A method for estimating vehicle motion state during a vehicle maneuver | |
US20230391350A1 (en) | Systems and methods for hybrid open-loop and closed-loop path planning | |
US11498564B2 (en) | Controlling a vehicle that is skidding | |
US11640716B2 (en) | Lane curvature determination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240326 Address after: Aichi Applicant after: Toyota Motor Corp. Country or region after: Japan Address before: California, USA Applicant before: Toyota Research Institute Co. Country or region before: U.S.A. |