JP7003087B2 - 移動障害物を回避する自動運転のための運転経路の決定 - Google Patents

移動障害物を回避する自動運転のための運転経路の決定 Download PDF

Info

Publication number
JP7003087B2
JP7003087B2 JP2019097581A JP2019097581A JP7003087B2 JP 7003087 B2 JP7003087 B2 JP 7003087B2 JP 2019097581 A JP2019097581 A JP 2019097581A JP 2019097581 A JP2019097581 A JP 2019097581A JP 7003087 B2 JP7003087 B2 JP 7003087B2
Authority
JP
Japan
Prior art keywords
prediction
route
determining
self
points
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.)
Active
Application number
JP2019097581A
Other languages
English (en)
Other versions
JP2019204509A (ja
Inventor
キーチェン シュー
ジンハオ ミャオ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of JP2019204509A publication Critical patent/JP2019204509A/ja
Application granted granted Critical
Publication of JP7003087B2 publication Critical patent/JP7003087B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • 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
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera

Description

本発明の実施形態は、主に自動運転車両を動作させることに関する。より具体的に、本発明の実施形態は、自動運転車両のための経路又はルートの決定に関する。
自動運転モード（例えば、ドライバーレス）で走行している車両は、乗員、特に運転手を運転関連の責任から解放させることができる。車両は、自動運転モードで走行しているとき、搭載されたセンサを使用して様々な場所にナビゲートすることができ、ヒューマンコンピュータインタラクションが最小限に抑えられた場合、又は乗客がいない状況などで車両を走行させることができる。
運動計画及び制御は、自動運転における重要な動作である。具体的に、軌跡計画は、自動運転システムの重要な構成要素である。従来の軌跡計画技術は、安定した軌跡を生成するために高品質の基準線に大きく依存しており、前記基準線は、道路の中央線などのような自動運転車両のための案内経路である。
本願の一態様によると、自動運転車両を動作させるためのコンピュータ実施方法であって、
移動障害物の予測経路を確定するステップと、
前記移動障害物の前記予測経路に基づいて、前記予測経路を含む予測領域を確定するステップと、
前記予測領域に基づいて、前記予測領域を回避するように前記自動運転車両の経路を決定するステップと、
前記経路に基づいて、前記自動運転車両を制御するステップと、を含む、コンピュータ実施方法が提供される。
本願のもう一つの態様によると、命令が格納されている非一時的機械可読媒体であって、前記命令がプロセッサによって実行されると、
移動障害物の予測経路を確定するステップと、
前記移動障害物の前記予測経路に基づいて、前記予測経路を含む予測領域を確定するステップと、
前記予測領域に基づいて、前記予測領域を回避するように前記自動運転車両の経路を決定するステップと、
前記経路に基づいて、前記自動運転車両を制御するステップと、を含む、動作を前記プロセッサに実行させる、非一時的機械可読媒体が提供される。
本願のさらなる一態様によると、
プロセッサと、
命令を格納するために前記プロセッサに結合されたメモリであって、前記命令が前記プロセッサによって実行されると、
移動障害物の予測経路を確定するステップと、
前記移動障害物の前記予測経路に基づいて、前記予測経路を含む予測領域を確定するステップと、
前記予測領域に基づいて、前記予測領域を回避するように前記自動運転車両の経路を確定するステップと、
前記経路に基づいて、前記自動運転車両を制御するステップと、
を含む動作を前記プロセッサに実行させるメモリと、を備える、データ処理システムが提供される。
本発明の実施形態は、図面の各図において限定的ではなく例示的な形態で示され、図面における同じ図面符号が類似の素子を示す。
いくつかの実施形態に係るネットワークシステムを示すブロック図である。 いくつかの実施形態に係る自動運転車両の一例を示すブロック図である。 いくつかの実施形態に係る自動運転車両と共に使用される感知及び計画システムの一例を示すブロック図である。 いくつかの実施形態に係る自動運転車両と共に使用される感知及び計画システムの一例を示すブロック図である。 いくつかの実施形態に係る感知モジュールの一例を示すブロック図である。 いくつかの実施形態に係る予測モジュールの一例を示すブロック図である。 いくつかの実施形態に係る計画モジュールの一例を示すブロック図である。 いくつかの実施形態に係る例示的なグラフを示す図である。 いくつかの実施形態に係る例示的なグラフを示す図である。 いくつかの実施形態に係る例示的なグラフを示す図である。 いくつかの実施形態に係る例示的なグラフを示す図である。 いくつかの実施形態に係る道路を走行する自動運転車両の一例を示す図である。 いくつかの実施形態に係る道路を走行する自動運転車両の一例を示す図である。 いくつかの実施形態に係る自動運転車両の経路を決定するためのプロセスの一例を示すフローチャートである。 一実施形態に係るデータ処理システムを示すブロック図である。
以下、説明の詳細を参照しながら本発明の様々な実施形態及び態様を説明し、前記様々な実施形態が図面に示される。以下の説明及び図面は、本発明を例示するためのものであり、限定するものとして解釈されるべきではない。本発明の様々な実施形態を全面的に理解するために、多くの特定の詳細を説明する。なお、いくつかの場合、本発明の実施形態に対する簡潔的な説明を提供するように、周知又は従来技術の詳細について説明していない。
本明細書において、「一実施形態」又は「実施形態」とは、当該実施形態に組み合わせて説明された特定の特徴、構造又は特性が本発明の少なくとも一実施形態に含まれてもよいと意味する。「一実施形態において」という表現は、本明細書の全体において全てが同一の実施形態を指すとは限らない。
いくつかの実施形態によると、自動運転車両（ＡＤＶ）の経路を決定する新たな方法を使用した。様々な移動障害物／オブジェクトは、ＡＤＶが走行する／位置する領域と同一な地理的領域内に位置する可能性がある。これらの移動障害物は、予想外に移動する可能性がある。例えば、歩行者は経路に沿って移動しているかもしれないが、歩行者は突然方向を変える（例えば、左に曲がる）か、又は加速／減速する可能性がある。移動オブジェクトとの衝突、ぶつかり、又は衝撃を避けるために、移動オブジェクトの経路を予測しようとする時に、問題を引き起こす可能性がある。したがって、移動障害物が移動して到達する可能性のある位置を含む領域を確定（例えば、計算、演算、取得など）することは有用であり得る。
ＡＤＶは、移動障害物が移動して到達する可能性のある領域を含む予測領域を確定することができる。予測領域は、移動障害物が移動する可能性のある位置のうちの大きな割合（例えば、９９．７％）を含んでもよい。これにより、ＡＤＶは、予測領域を回避するＡＤＶのための経路を決定及び／又は計画することができる。ＡＤＶは、予測領域（移動障害物が移動する可能性のある領域）を回避する場合、移動障害物との衝突を避ける確率を高めることを可能にする。
図１は、本発明のいくつかの実施形態に係る自動運転車両のネットワーク構成を示すブロック図である。図１に示すように、ネットワーク構成１００は、ネットワーク１０２を介して１つ以上のサーバ１０３～１０４に通信可能に接続される自動運転車両１０１を含む。一台の自動運転車両のみが示されているが、複数の自動運転車両が、ネットワーク１０２を介して、互いに接続されるか、及び／又はサーバ１０３～１０４に接続されてもよい。ネットワーク１０２は、任意のタイプのネットワーク、例えば、有線又は無線のローカルエリアネットワーク（ＬＡＮ）、インターネットのようなワイドエリアネットワーク（ＷＡＮ）、セルラーネットワーク、衛星ネットワーク又はそれらの組み合わせであってもよい。サーバ１０３～１０４は、任意のタイプのサーバ又はサーバクラスタであってもよく、例えば、ネットワーク又はクラウドサーバ、アプリケーションサーバ、バックエンドサーバ、又はこれらの組み合わせが挙げられる。サーバ１０３～１０４は、データ解析サーバ、コンテンツサーバ、交通情報サーバ、地図及び関心地点（ＭＰＯＩ）サーバ、又は位置サーバなどであってもよい。図１は、本発明のいくつかの実施形態に係る自動運転車両のネットワーク構成を示すブロック図である。図１に示すように、ネットワーク構成１００は、ネットワーク１０２を介して１つ以上のサーバ１０３～１０４に通信可能に接続される自動運転車両１０１を含む。一台の自動運転車両のみが示されているが、複数の自動運転車両が、ネットワーク１０２を介して、互いに接続されるか、及び／又はサーバ１０３～１０４に接続されてもよい。ネットワーク１０２は、任意のタイプのネットワーク、例えば、有線又は無線のローカルエリアネットワーク（ＬＡＮ）、インターネットのようなワイドエリアネットワーク（ＷＡＮ）、セルラーネットワーク、衛星ネットワーク又はそれらの組み合わせであってもよい。サーバ１０３～１０４は、任意のタイプのサーバ又はサーバクラスタであってもよく、例えば、ネットワーク又はクラウドサーバ、アプリケーションサーバ、バックエンドサーバ、又はこれらの組み合わせが挙げられる。サーバ１０３～１０４は、データ解析サーバ、コンテンツサーバ、交通情報サーバ、地図及び関心地点（ＭＰＯＩ）サーバ、又は位置サーバなどであってもよい。
自動運転車両とは、自動運転モードになるように構成可能な車両を指し、前記自動運転モードにおいて、車両が運転手からの入力がほとんど又は全くない場合に環境を通過するようにナビゲートされる。このような自動運転車両は、車両の動作環境に関連する情報を検出するように構成された１つ以上のセンサを有するセンサシステムを含んでもよい。前記車両及びその関連コントローラは、検出された情報を使用して前記環境を通過するようにナビゲートする。自動運転車両１０１は、手動モード、全自動運転モード、又は部分自動運転モードで動作することができる。
一実施形態において、自動運転車両１０１は、感知及び計画システム１１０、車両制御システム１１１、無線通信システム１１２、ユーザインターフェースシステム１１３、並びにセンサシステム１１５を含むが、それらに限定されない。自動運転車両１０１は更に、エンジン、車輪、ステアリングホイール、変速機などの従来の車両に含まれるいくつかの共通構成要素を含んでもよい。前記構成要素は、車両制御システム１１１及び／又は感知及び計画システム１１０によって様々な通信信号及び／又はコマンドで制御されることができ、これらの様々な通信信号及び／又はコマンドは、例えば加速信号又はコマンド、減速信号又はコマンド、ステアリング信号又はコマンド、ブレーキ信号又はコマンドなどを含む。
構成要素１１０～１１５は、インターコネクト、バス、ネットワーク、又はこれらの組み合わせを介して互いに通信可能に接続することができる。例えば、構成要素１１０～１１５は、コントローラエリアネットワーク（ＣＡＮ）バスを介して互いに通信可能に接続することができる。ＣＡＮバスは、ホストコンピュータなしのアプリケーションでマイクロコントローラ及びデバイスが相互に通信できるように設計された車両バス規格である。それは、もともと自動車内の多重電気配線のために設計されたメッセージに基づくプロトコルであるが、他の多くの環境にも用いられる。
ここで図２を参照すると、一実施形態において、センサシステム１１５は、１つ以上のカメラ２１１、全地球測位システム（ＧＰＳ）ユニット２１２、慣性計測ユニット（ＩＭＵ）２１３、レーダユニット２１４並びに光検出及び測距（ＬＩＤＡＲ）ユニット２１５を含むが、それらに限定されない。ＧＰＳユニット２１２は、自動運転車両の位置に関する情報を提供するように動作可能な送受信機を含んでもよい。ＩＭＵユニット２１３は、慣性加速度に基づいて自動運転車両の位置及び配向の変化を検知することができる。レーダユニット２１４は、無線信号を利用して自動運転車両のローカル環境内のオブジェクトを検知するシステムを表すことができる。いくつかの実施形態において、オブジェクトを検知することに加えて、レーダユニット２１４は、オブジェクトの速度及び／又は進行方向を更に検知することができる。ＬＩＤＡＲユニット２１５は、レーザを使用して自動運転車両の所在環境内のオブジェクトを検知することができる。ＬＩＤＡＲユニット２１５は、他のシステム構成要素のほかに、１つ以上のレーザ源、レーザスキャナ、及び１つ以上の検出器を更に含むことができる。カメラ２１１は、自動運転車両の周囲の環境における画像を取り込むための１つ以上の装置を含むことができる。カメラ２１１は、スチルカメラ及び／又はビデオカメラであってもよい。カメラは、例えば、回転及び／又は傾斜のプラットフォームに取り付けることによって、機械的に移動されてもよい。
センサシステム１１５は、ソナーセンサ、赤外線センサ、ステアリングセンサ、スロットルセンサ、ブレーキセンサ、及びオーディオセンサ（例えば、マイクロホン）などの他のセンサを更に含むことができる。オーディオセンサは、自動運転車両の周囲の環境から音を取得するように構成されてもよい。ステアリングセンサは、ステアリングホイール、車両の車輪、又はそれらの組み合わせの操舵角を検知するように構成されてもよい。スロットルセンサ及びブレーキセンサそれぞれは、車両のスロットル位置及びブレーキ位置を検知する。場合によっては、スロットルセンサとブレーキセンサを統合型スロットル／ブレーキセンサとして一体化することができる。
一実施形態において、車両制御システム１１１は、ステアリングユニット２０１、スロットルユニット２０２（加速ユニットともいう）、及びブレーキユニット２０３を含むが、それらに限定されない。ステアリングユニット２０１は、車両の方向又は進行方向を調整するために用いられる。スロットルユニット２０２は、モータ又はエンジンの速度を制御するために用いられ、モータ又はエンジンの速度によって更に車両の速度及び加速度が制御される。ブレーキユニット２０３は、摩擦を与えることによって車両の車輪又はタイヤを減速させることで、車両を減速させる。なお、図２に示す構成要素は、ハードウェア、ソフトウェア、又はそれらの組み合わせで実現されてもよい。
図１を再び参照して、無線通信システム１１２は、自動運転車両１０１と、装置、センサ、他の車両などの外部システムとの間の通信を可能にするものである。例えば、無線通信システム１１２は、直接又は通信ネットワークを介して一つ以上の装置と無線通信することができ、例えば、ネットワーク１０２を介してサーバ１０３～１０４と通信することができる。無線通信システム１１２は、任意のセルラー通信ネットワーク又は無線ローカルエリアネットワーク（ＷＬＡＮ）を使用することができ、例えば、ＷｉＦｉを使用して別の構成要素又はシステムと通信することができる。無線通信システム１１２は、例えば、赤外線リンク、ブルートゥース（登録商標）などを使用して、装置（例えば、乗客のモバイルデバイス、表示装置、車両１０１内のスピーカ）と直接通信することができる。ユーザインターフェースシステム１１３は、車両１０１内に実現された周辺装置の部分（例えば、キーボード、タッチスクリーン表示装置、マイクロホン、及びスピーカなどを含む）であってもよい。
自動運転車両１０１の機能の一部又は全部は、特に自動運転モードで動作しているときに、感知及び計画システム１１０によって制御又は管理することができる。感知及び計画システム１１０は、必要なハードウェア（例えば、プロセッサ、メモリ、記憶装置）及びソフトウェア（例えば、オペレーティングシステム、計画及びルーティングプログラム）を備え、センサシステム１１５、制御システム１１１、無線通信システム１１２、及び／又はユーザインターフェースシステム１１３から情報を受信し、受信した情報を処理し、出発地から目的地までのルート又は経路を計画し、その後、計画及び制御情報に基づいて車両１０１を走行させる。あるいは、感知及び計画システム１１０は車両制御システム１１１と一体に統合されてもよい。
例えば、乗客としてのユーザは、例えば、ユーザインターフェースを介して、旅程の出発地位置及び目的地を指定することができる。感知及び計画システム１１０は、旅程関連データを取得する。例えば、感知及び計画システム１１０は、ＭＰＯＩサーバから位置及びルート情報を取得することができ、前記ＭＰＯＩサーバはサーバ１０３～１０４の一部であってもよい。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは地図サービス及びいくつかの位置のＰＯＩを提供する。あるいは、そのような位置及びＭＰＯＩ情報は、感知及び計画システム１１０の永続性記憶装置にローカルキャッシュされることができる。いくつかの実施形態において、感知及び計画システム１１０は、ＭＰＯＩ情報（例えば、地図データ）を有さなくてもよい。例えば、感知及び計画システム１１０は、他の環境又は地理的領域／位置に使用される地図データを有さなくてもよい。感知及び計画システム１１０は、自動運転車両１０１は、現在走行しているか又は位置する環境又は地理的領域／位置に使用される地図データを有さなくてもよい（例えば、感知及び計画システム１１０は、ある都市についての地図データを有していてもよいが、他の都市についての地図データを有していなくてもよい）。他の例において、感知及び計画システム１１０は、いかなる地図データ又はＭＰＯＩ情報を有さなくてもよい（例えば、感知及び計画システム１１０は、いかなる地図データを格納していない可能性がある）。
自動運転車両１０１がルートに沿って移動するとき、感知及び計画システム１１０は交通情報システム又はサーバ（ＴＩＳ）からリアルタイム交通情報を取得することもできる。なお、サーバ１０３～１０４は第三者機関によって動作されてもよい。あるいは、サーバ１０３～１０４の機能は、感知及び計画システム１１０と統合されてもよい。リアルタイム交通情報、ＭＰＯＩ情報、及び位置情報、並びにセンサシステム１１５によって検出又は検知されたリアルタイムローカル環境データ（例えば、障害物、オブジェクト、周辺車両）に基づいて、感知及び計画システム１１０は、指定された目的地までに安全かつ効率的に到着するように、最適なルートを計画し、計画されたルートに従って、例えば、制御システム１１１によって車両１０１を走行させる。
サーバ１０３は、様々なクライアントのためのデータ解析サービスを行うためのデータ解析システムであってもよい。一実施形態において、データ解析システム１０３は、データコレクタ１２１と、機械学習エンジン１２２とを含む。データコレクタ１２１は、様々な車両（自動運転車両又は人間の運転手によって運転される一般車両）から運転統計データ１２３を収集する。運転統計データ１２３は、発行された運転命令（例えば、スロットル、ブレーキ、ステアリングの命令）及び車両のセンサによって異なる時点で取得された車両の応答（例えば、速度、加速度、減速度、方向）を指示する情報を含む。運転統計データ１２３は更に、異なる時点における走行環境を記述する情報、例えば、ルート（出発地位置及び目的地位置を含む）、ＭＰＯＩ、道路状況、気候状況などを含んでもよい。
機械学習エンジン１２２は、運転統計データ１２３に基づいて、様々な目的でルール、アルゴリズム及び／又は予測モデル１２４のセットを生成するか又は訓練する。例えば、初期係数又はパラメータを使用して、５次多項式関数の集合を選択及び定義することができる。なお、運転統計データ１２３から取得可能なセンサの仕様及び特定の車両設計のようなハードウェアの特性に基づいて、制約の集合を定義することができる。
図３Ａ及び図３Ｂは、いくつかの実施形態に係る自動運転車両と共に使用される感知及び計画システムの一例を示すブロック図である。システム３００は、図１の自動運転車両１０１の一部として実現することができ、感知及び計画システム１１０、制御システム１１１、及びセンサシステム１１５を含むが、それらに限定されない。図３Ａ及び図３Ｂに示すように、感知及び計画システム１１０は、測位モジュール３０１、感知モジュール３０２、予測モジュール３０３、決定モジュール３０４、計画モジュール３０５、制御モジュール３０６及びルーティングモジュール３０７を含むが、これらに限定されない。
モジュール３０１～３０７のうちの一部又は全部は、ソフトウェア、ハードウェア又はそれらの組み合わせで実現されてもよい。例えば、これらのモジュールは、永続性記憶装置３５２にインストールされ、メモリ３５１にロードされ、１つ以上のプロセッサ（図示せず）によって実行されてもよい。なお、これらのモジュールの一部又は全部は、図２の車両制御システム１１１のモジュールの一部又は全部と通信可能に接続されるか、又は一体化されてもよい。モジュール３０１～３０７の一部は、集積モジュールとして一体化されてもよい。
測位モジュール３０１は、自動運転車両３００の現在の位置（例えば、ＧＰＳユニット２１２を利用して）を確定し、ユーザの旅程又はルートに関連する如何なるデータを管理する。測位モジュール３０１（地図及びルートモジュールともいう）は、ユーザの旅程又はルートに関連する如何なるデータを管理する。ユーザは、例えば、ユーザインターフェースを介してログインし、旅程の出発地位置及び目的地を指定することができる。測位モジュール３０１は、自動運転車両３００の地図及びルート情報３１１のような他の構成要素と通信して、旅程関連データを取得する。例えば、測位モジュール３０１は、位置サーバ並びに地図及びＰＯＩ（ＭＰＯＩ）サーバから位置及びルート情報を取得することができる。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは、地図サービス及びある位置のＰＯＩを提供し、地図及びルート情報３１１の一部としてキャッシュすることができる。自動運転車両３００がルートに沿って移動するとき、測位モジュール３０１は交通情報システム又はサーバからリアルタイム交通情報を得ることも可能である。一実施形態において、地図及びルート情報３１１は、事前に永続性記憶装置３５２に格納されてもよい。例えば、地図及びルート情報３１１は、事前に永続性記憶装置３５２にダウンロード又はコピーされてもよい。
感知モジュール３０２は、センサシステム１１５により提供されたセンサデータと、測位モジュール３０１により取得された測位情報とに基づいて、周囲環境への感知を特定する。感知情報は、一般的な運転手が運転手により運転されている車両の周囲で感知すべきものを表すことができる。感知は、例えばオブジェクトの形態を採用する車線構成（例えば、直進車線又はカーブ車線）、信号機信号、他の車両の相対位置、歩行者、建築物、横断歩道、又は他の交通関連標識（例えば、止まれ標識、ゆずれ標識）などを含んでもよい。
感知モジュール３０２は、１つ以上のカメラによって取り込まれた画像を処理及び解析して、自動運転車両の環境内のオブジェクト及び／又は特徴を認識するためのコンピュータビジョンシステム又はコンピュータビジョンシステムの機能を含むことができる。前記オブジェクトは、交通信号、道路境界、他の車両、歩行者及び／又は障害物などを含むことができる。コンピュータビジョンシステムは、オブジェクト認識アルゴリズム、ビデオトラッキング、及び他のコンピュータビジョン技術を使用することができる。いくつかの実施形態において、コンピュータビジョンシステムは、環境地図を描き、オブジェクトを追跡し、オブジェクトの速度などを推定することができる。感知モジュール３０２は、レーダ及び／又はＬＩＤＡＲのような他のセンサによって提供される他のセンサデータに基づいてオブジェクトを検出することもできる。
各オブジェクトについて、予測モジュール３０３は、その場合にオブジェクトがどのように挙動するかを予測する。この予測は、地図及びルート情報３１１と交通ルール３１２のセットを考慮した時点で運転環境を感知する感知データに基づいて実行される。例えば、オブジェクトが反対方向の車両であり、かつ現在の運転環境が交差点を含む場合、予測モジュール３０３は、車両が直進するか、又はカーブ走行するかを予測する。感知データが、交差点に信号機がないことを示す場合、予測モジュール３０３は、交差点に入る前に車両が完全に停止する必要があると予測する可能性がある。感知データが、車両が現在左折専用車線又は右折専用車線にあることを示す場合、予測モジュール３０３は、車両がそれぞれ左折又は右折する可能性がより高いと予測することができる。いくつかの実施形態において、環境又は地理的領域／位置に用いられる地図及びルート情報３１１は、以下で詳細に説明するように、自動運転車両が当該環境又は地理的領域／位置を通過する際に、動的に生成される（例えば、感知モジュール３０２によって生成される）ことが可能である。
それぞれのオブジェクトについて、決定モジュール３０４はオブジェクトをどのように処理するかを決定する。例えば、特定のオブジェクト（例えば、交差のルートにおける他の車両）及びオブジェクトを記述するメタデータ（例えば、速度、方向、操舵角）について、決定モジュール３０４は前記オブジェクトと遇うときに如何に対応するか（例えば、追い越し、道譲り、停止、追い抜き）を決定する。決定モジュール３０４は、永続性記憶装置３５２に記憶可能な、交通ルール又は運転ルール３１２のようなルールセットに基づいてそのような決定を行うことができる。
様々な移動障害物／オブジェクトは、予測不可能に移動する可能性がある。例えば、歩行者が経路に沿って移動しているが、突然方向を変える（例えば、左に曲がる）ことがあり、又は、加速／減速する可能性がある。移動オブジェクトとの衝突、ぶつかり、又は衝撃を避けるために、移動オブジェクトの経路を予測しようとする時に、問題を引き起こす可能性がある。したがって、移動障害物が移動して到達する可能性のある位置を含む領域を確定（例えば、計算、演算、取得など）することは有用であり得る。これにより、ＡＤＶは、移動障害物を回避する確率を高めることができる。
ルーティングモジュール３０７は、出発地から目的地までの１つ以上のルート又は経路を提供するように構成される。ルーティングモジュール３０７は、出発地位置から目的地位置までの特定の旅程（例えば、ユーザから受信された特定の旅程）について、ルート及び地図情報３１１を取得し、出発地位置から目的地位置までのすべての可能なルート又は経路を決定する。いくつかの実施形態において、地図及びルート情報３１１は、以下で詳細に説明されるように、感知モジュール３０２により生成されてもよい。ルーティングモジュール３０７は、出発地位置から目的地位置までの各ルートを特定する地形図の形の基準線を生成することができる。基準線とは、他の車両、障害物、又は交通状況などからの如何なる干渉を受けていない理想的なルート又は経路を指す。つまり、道路に他の車両、歩行者又は障害物がない場合、ＡＤＶは基準線に精確的に又は密接的に従うべきである。そして、地形図を決定モジュール３０４及び／又は計画モジュール３０５に提供する。決定モジュール３０４及び／又は計画モジュール３０５は、可能性のあるすべてのルートを調べて、他のモジュールによって提供される他のデータに基づいて最適なルートの１つを選択及び補正し、他のデータとは、測位モジュール３０１からの交通状況、感知モジュール３０２によって感知された走行環境、並びに予測モジュール３０３によって予測された交通状況などが挙げられる。特定時点における特定の走行環境に応じて、ＡＤＶを制御するための実際の経路又はルートは、ルーティングモジュール３０７によって提供される基準線に近いか又は異なっていてもよい。
感知されたオブジェクトのそれぞれに対する決定に基づいて、計画モジュール３０５は、ルーティングモジュール３０７によって提供される基準線をベースに、自動運転車両に対して経路又はルート並びに運転パラメータ（例えば、距離、速度及び／又は操舵角）を計画する。言い換えれば、特定のオブジェクトについて、決定モジュール３０４は当該オブジェクトに対して何をするかを決定し、計画モジュール３０５はどのようにするかを決定する。例えば、特定のオブジェクトについて、決定モジュール３０４は前記オブジェクトを追い抜くかを決定することができ、計画モジュール３０５は前記オブジェクトを左側から追い抜くか又は右側から追い抜くかを判定することができる。計画及び制御データは、計画モジュール３０５により生成され、車両３００が次の移動周期（例えば、次のルート／経路区間）にはどのように移動するかを記述する情報を含む。例えば、計画及び制御データは、車両３００に時速３０マイル（ｍｐｈ）で１０ｍ移動し、次に２５マイル（ｍｐｈ）で右車線に変更するように指示することができる。
制御モジュール３０６は、計画及び制御データに基づいて、計画及び制御データにより限定されたルート又は経路に応じて適当なコマンド又は信号を車両制御システム１１１に送信することにより自動運転車両を制御及び走行させる。前記計画及び制御データは、経路又はルートに沿って異なる時点で適切な車両配置又は運転パラメータ（例えば、スロットル、ブレーキ、及びステアリングコマンド）を使用して、車両をルート又は経路の第１の点から第２の点まで走行させるのに十分な情報を含む。
一実施形態において、計画段階は、例えば、時間間隔が１００ミリ秒（ｍｓ）の周期など、複数の計画周期（命令周期ともいう）で実行される。計画周期又は命令周期のそれぞれについて、計画及び制御データに基づいて１つ以上の制御命令を発する。すなわち、１００ｍｓごとに、計画モジュール３０５は、次のルート区間又は経路区間（例えば、目標位置及びＡＤＶが目標位置に到着するのに必要な時間が含まれる）を計画する。あるいは、計画モジュール３０５は、具体的な速度、方向、及び／又は操舵角などを更に指定することができる。一実施形態において、計画モジュール３０５は、次の所定期間（例えば、５秒）のルート区間又は経路区間を計画する。計画周期のそれぞれに対し、計画モジュール３０５は、前の周期で計画された目標位置に基づいて、現在の周期（例えば、次の５秒）のための目標位置を計画する。次に、制御モジュール３０６は、現在の周期の計画及び制御データに基づいて、１つ以上の制御命令（例えば、スロットル、ブレーキ、ステアリングの制御命令）を生成する。
なお、決定モジュール３０４及び計画モジュール３０５は、集積モジュールとして一体化されてもよい。決定モジュール３０４／計画モジュール３０５は、自動運転車両の走行経路を決定するためのナビゲーションシステム又はナビゲーションシステムの機能を含んでもよい。例えば、ナビゲーションシステムは、自動運転車両の以下の経路に沿った移動を達成するための一連の速度及び進行方向を決定することができる。前記経路では、自動運転車両が最終的な目的地に通じる走行車線ベースの経路に沿って前進するとともに、感知した障害物を実質的に回避できる。目的地は、ユーザインターフェースシステム１１３を介したユーザ入力に従って設定することができる。ナビゲーションシステムは、自動運転車両が走行している間に走行経路を動的に更新することができる。ナビゲーションシステムは、自動運転車両のための走行経路を決定するために、ＧＰＳシステム及び一つ以上の地図からのデータ（感知モジュール３０２により生成されてもよいし、事前に格納又はダウンロードされてもよい）を取り入れることができる。
決定モジュール３０４／計画モジュール３０５は、更に、自動運転車両の環境における潜在的な障害物を認識、評価、回避又は他の方法で通過するための衝突防止システム又は衝突防止システムの機能を含むことができる。例えば、衝突防止システムは、制御システム１１１の１つ以上のサブシステムを動作させて、ステアリング動作、旋回動作、ブレーキ動作などを行うことによって、自動運転車両のナビゲーション中の変更を実現することができる。衝突防止システムは、周囲の交通パターンや道路状況などに基づいて、実行可能な障害物回避動作を自動的に判定することができる。衝突防止システムは、他のセンサシステムが、自動運転車両が方向変更して進入しようとする隣接領域における車両、建築障害物などを検出したときに、ステアリング動作を行わないように構成されることができる。衝突防止システムは、自動運転車両の乗員の安全性を最大限にするとともに、利用可能な動作を自動的に選択することができる。衝突防止システムは、自動運転車両の客室内に最も少ない加速度を発生させると予測される回避動作を選択することができる。
ルーティングモジュール３０７は、地図情報（例えば、道路区間情報、道路区間の車線情報、及び車線から縁石までの距離の情報など）から基準ルートを生成することができる。例えば、道路は、３つの道路区間を表すために区間又はセグメント｛Ａ、Ｂ、及びＣ｝に分画できる。道路区間Ａの３車線は、｛Ａ１、Ａ２、及びＡ３｝を列挙することができる。基準ルートは、基準ルートに沿った基準点を生成することによって生成される。例えば、車両の車線について、ルーティングモジュール３０７は、地図データ（感知モジュール３０２により生成されてもよいし、事前に格納又はダウンロードされてもよい）によって提供される車両の車線の２つの対向する縁石又は端点の中間点を連結することができる。異なる時点で以前に車両の車線上を走行した車両の収集されたデータ点を表す中間点及び機械学習データに基づいて、ルーティングモジュール３０７は、車両車線の所定の近接範囲内に収集されたデータ点のサブセットを選択し、収集されたデータ点のサブセットに応じて中間点に平滑化関数を適用することによって、基準点を計算することができる。
基準点又は車線基準点に基づいて、ルーティングモジュール３０７は、生成された基準線が車両車線上のＡＤＶを制御するための基準線として使用されるように、基準点を補間することによって基準線を生成することができる。いくつかの実施形態において、基準線を表す基準点テーブル及び道路区間テーブルは、ＡＤＶがＡＤＶの地理的位置及び走行方向に基づいて基準線を生成できるように、ＡＤＶにリアルタイムでダウンロードされる。例えば、一実施形態において、ＡＤＶは、前方の今後の道路区間を表す経路区間識別子によって、及び／又はＡＤＶのＧＰＳ位置に基づいて、経路区間のルーティングサービスを要求することによって基準線を生成することができる。経路区間識別子に基づいて、ルーティングサービスは、関心のある道路区間の全ての車線に対する基準点を含むＡＤＶ基準点テーブルに戻ることができる。ＡＤＶは、車両車線上のＡＤＶを制御するための基準線を生成するために、経路区間のための車線に対する基準点を調べることができる。
図４Ａは、いくつかの実施形態に係る感知モジュール３０２の一例を示すブロック図である。図４Ａを参照すると、感知モジュール３０２は、センサ要素４１１及び障害物要素４１２を含むが、これらに限定されない。これらの要素４１１～４１２は、ソフトウェア、ハードウェア、又はそれらの組み合わせで実現されてもよい。センサ要素４１１は、ＡＤＶの一つ又は複数のセンサからセンサデータを取得してもよい。例えば、センサ要素４１１は、一つ又は複数のセンサからのセンサデータを定期的に要求又はポーリングしてもよい（例えば、数ミリ秒、毎秒、又は、特定の他の適当な時間セグメントごとに、センサからのセンサデータを要求することができる）。もう一つの例において、センサ要素４１１は、一つ又は複数のセンサからの受信待ちセンサデータを、モニタリングするか、又は待機してもよい。例えば、センサ要素４１１は、バス、通信チャネル（有線又は無線）、電線、ワイヤ、ピン、トレースなどを連続的にモニタリングするように配置されてもよく、それによってセンサ要素４１１は、一つ又は複数のセンサによってセンサデータが生成される際にセンサデータをすぐに受信できる。
一実施形態において、センサは、カメラ（例えば、デジタルカメラ、ビデオカメラ、ビデオレコーダなど）又は画像をキャプチャ又は記録できる他の何らかのデバイスであってもよい。カメラによって生成され、センサ要素４１１によって受信されたセンサデータは、ビデオデータともいう。ビデオデータの例としては、デジタル画像（例えば、ジェイペグ（ＪＰＥＧ）画像）、ビデオフレーム、ムービング・ピクチャー・エクスパーツ・グループ（ＭＰＥＧ）データ、又は、カメラによってキャプチャされた光学画像を表すのに適した他のデータを含んでもよいが、これらに限定されない。もう一つの実施形態において、センサは、レーダユニット（例えば、図２に示したレーダユニット２１４）又は無線電波（例えば、ＲＦ波又は信号）を使用してＡＤＶ周囲のオブジェクトの位置、範囲、角度、及び／又は、速度を確定できる何らかの他の機器であってもよい。レーダユニットによって生成されたセンサデータは、レーダデータともいう。レーダデータは、レーダユニットによって検出されたオブジェクトの位置、範囲、角度、及び／又は、速度を指すデータであってもよい。もう一つの実施形態において、センサは、ＬＩＤＡＲユニット（例えば、図２に示したＬＩＤＡＲユニット２１５）又は光（例えば、レーザ）を使用してＡＤＶ周囲のオブジェクトの位置、範囲、角度、及び／又は、速度を確定できる何らかの他の機器であってもよい。ＬＩＤＡＲユニットによって生成されたセンサデータは、ＬＩＤＡＲユニットによって検出されたオブジェクトの位置、範囲、角度、及び／又は、速度を指すデータであってもよい。他の実施形態において、他のタイプのセンサは、センサ要素４１１に提供できる他のタイプのデータを生成してもよい。環境又は地理位置／領域内のオブジェクト（例えば、歩行者、車両、バリケード、障害物、バリア、車線、標識、信号機など）の位置、範囲、角度、及び／又は、速度を検出するための任意のタイプのセンサは、いずれも本明細書で述べる実施形態、実現方法、及び／又は、例示で使用可能である。もう一つの実施形態において、センサは、ＧＰＳ受信機又はユニット（例えば、図２に示したＧＰＳユニット２１２）又はＡＤＶの位置（例えば、物理的又は地理的位置）を特定できる他のデバイスであってもよい。ＧＰＳ受信機によって生成されるセンサデータは、ＧＰＳデータ（ＧＰＳ座標ともいう）であってもよい。
一実施形態において、センサデータは、ＡＤＶが現在位置しているか又は走行している環境又は地理的領域もしくは位置に関する情報を示すことが可能である。例えば、センサデータは、オブジェクト（例えば、歩行者、車両、バリケード、障害物、バリア、車線、標識、信号機など）の位置、及び／又はレイアウトを示すことが可能である。もう一つの例において、センサデータは、環境又は地理的領域の道路条件（例えば、道路が、乾いた道路、湿った道路、平坦な道路、でこぼこ道路などであるか否か）を示すことが可能である。もう一つの例において、センサデータは、環境又は地理的領域の天気条件（例えば、温度、雨、風、雪、雹などがあるか否か）を示すことが可能である。
一実施形態において、障害物要素４１２は、センサ要素４１１によって取得又は受信されたセンサデータに基づいて、一つ又は複数の移動障害物を検出してもよい。例えば、障害物要素４１２は、カメラによってキャプチャされた画像又はビデオ（例えば、ビデオデータ）を解析することによって、ＡＤＶが位置している／走行している地理的領域内における移動障害物を識別可能である。もう一つの例において、障害物要素４１２は、レーダデータを解析することによって、ＡＤＶが位置している／走行している地理的領域内における移動障害物を識別可能である。もう一つの例において、障害物要素４１２は、ＬＩＤＡＲデータを解析することによって、ＡＤＶが位置している／走行している地理的領域内における移動障害物を識別可能である。
一実施形態において、障害物要素４１２は、様々な技術、方法、アルゴリズム、動作などを使用することによって、センサデータに基づいて移動障害物を識別可能である。例えば、障害物要素４１２は、画像又はビデオ処理／解析技術又はアルゴリズムを使用することによって、ビデオデータに基づいて移動障害物を識別可能である。もう一つの例において、障害物要素４１２は、様々なオブジェクト検出技術又はアルゴリズムを使用することによって、レーダ及び／又はＬＩＤＡＲデータに基づいて移動障害物を識別可能である。記述した例、実現方法及び／又は実施形態において、様々なタイプのセンサデータ及び／又は様々な関数、技術、方法、アルゴリズム、操作などによって、移動障害物を識別可能である。例えば、障害物要素４１２は、機械学習、人工知能、統計モデル、ニューラルネットワーク、クラスタリング技術などを使用可能である。
図４Ｂは、いくつかの実施形態に係る予測モジュール３０３の一例を示すブロック図である。図４Ｂを参照すると、予測モジュール３０３は、経路要素４３１と、変動要素４３２と、領域要素４３３とを含むが、これらに限定されない。これらの構成要素４３１～４３３は、ソフトウェア、ハードウェア、又はそれらの組み合わせで実現されてもよい。基準線ジェネレータ４０５は、ＡＤＶのための基準線を生成するように構成される。上記のように、感知モジュール３０２（例えば、図３Ａ、３Ｂ及び４Ａに示すように）は、ＡＤＶが位置している地理的領域内の移動障害物を検出可能である。例えば、感知モジュール３０２は、ＡＤＶが位置している／走行している街道もしくは道路上で歩く歩行者を検出可能である。もう一つの例において、感知モジュール３０２は、ＡＤＶが位置している／走行している街道もしくは道路上の自転車乗用者を検出可能である。上記のように、感知モジュール３０２は、一つ又は複数のセンサ（例えば、カメラ、レーダユニット、ＬＩＤＡＲユニットなど）によって生成されたセンサデータ（例えば、ビデオデータ、レーダデータ、ＬＩＤＡＲデータなど）に基づいて移動障害物を検出可能である。
一実施形態において、経路要素４３１は、移動障害物の経路を決定することができる。上記のように、感知モジュール３０２は、センサデータに基づいてＡＤＶが位置しているか又は走行している地理的領域内の移動障害物（例えば、歩行者、自転車乗用者など）を検出可能である。経路要素４３１は、センサデータに基づいて移動障害物が進行又は採用可能な経路を決定することができる。移動障害物が進行可能な経路は、予測経路、推定経路、可能な経路などともいう。
一実施形態において、経路要素４３１は、ＡＤＶが位置しているか又は走行している地理的領域内の１組又は複数の予測点を判定することによって、移動障害物の予測経路を決定することができる。例えば、経路要素４３１は、カルマンフィルタを使用して１組又は複数の予測点を特定することができる。カルマンフィルタは、経時的に観測された一連の測定結果によって、未知変数の推定又は予測を生成することができる。カルマンフィルタは、それぞれのタイムフレームの変数にわたる同時確率分布も推定することができる。カルマンフィルタは、線形二次推定（ＬＱＥ）ともいう。本発明は、カルマンフィルタに言及し得るが、他の実施形態において、様々な他のフィルタ、アルゴリズム、方法、関数、操作、プロセスなどによって１組又は複数の予測点を特定可能である。
一実施形態において、経路要素４３１は、一つ又は複数の多項式関数（例えば、５次多項式、３次多項式など）を定義及び／又は生成することによって、移動障害物の予測経路を表現又はモデル化することができる。例えば、多項式関数は、Ｘ－Ｙ平面上の予測点を含む線（例えば、予測点が多項式関数によって定義される線に位置し、線が予測する経路を表す）を定義してもよい。更に、様々な境界又は制約に基づいて、一つ又は複数の多項式関数を生成、確定又は計算可能である。境界又は制約は、図３Ａに示した制約３１３の一部として事前構成及び／又は格納されてもよい。経路要素４３１によって使用される多項式関数は、図３Ａに示した多項式関数３１４の一部として事前構成及び／又は格納されてもよい。
一実施形態において、領域要素４３３は、ＡＤＶの予測経路（経路要素４３１によって確定される）に基づいて、予測領域を確定してもよい。領域要素４３３は、以下で更に詳細に説明するように、一つ又は複数の予測点に基づいて、予測領域を確定してもよい。例えば、領域要素４３３は、予測経路を囲む領域を確定してもよい。上記のように、移動障害物のモーションは、予測不可能又は不確実なものである可能性がある。例えば、地理的領域（ＡＤＶが位置しているか又は走行している領域）内で歩く歩行者は、加速（例えば、もっと速く歩く）、減速（例えば、もっとゆっくりと歩く）、又は、方向を変える（例えば、左に曲がり、右に曲がり、旋回など）可能性がある。
一実施形態において、領域要素４３３は、変動要素４３２によって確定された複数の周囲領域に基づいて、予測領域を確定してもよい。変動要素４３２は、以下で更に詳細に説明するように、経路要素４３１によって特定（例えば、取得、計算、生成など）された予測点ごとについて、周囲領域を確定可能である。例えば、変動要素４３２は、経路要素４３１によって生成された予測点ごとの周囲領域を確定可能である。それぞれの周囲領域は、対応する予測点からの閾値標準偏差に基づいて確定可能である。例えば、周囲領域のサイズ（例えば、長さ、幅など）は、対応する予測点からの３つの標準偏差に等しくなってもよい。周囲領域は、Ｘ－シグマ（Ｘ－σ）領域ともいい、ただし、Ｘは対応する予測点からの標準偏差の数である。例えば、周囲領域のサイズ（例えば、長さ、幅など）が、対応する予測点からの３つの標準偏差に等しい場合、周囲領域は３－シグマ（３－σ）領域ともいう。３－σ領域は、移動障害物が当該３－σ領域の境界外に移動しない可能性（例えば、確率）が９９．７％である領域であってもよい。いくつかの実施形態において、異なる数の標準偏差を使用すると、周囲領域のサイズは異なる可能性がある。例えば、サイズが対応する予測点からの２つの標準偏差に等しい周囲領域（２－シグマ（２－σ）領域ともいう）は、サイズが対応する予測点からの３つの標準偏差に等しい周囲領域（例えば、３－σ領域）よりも小さくなってもよい。２－σ領域は、移動障害物が当該２－σ領域の境界外に移動しない可能性（例えば、確率）が９５％である領域であってもよい。
一実施形態において、変動要素４３２によって確定された周囲領域は、形状（例えば、幾何学的形状、規則形状、不規則形状など）を有してもよい。例えば、予測点の周囲領域は、円形の形状を有してもよい（例えば、円形でもよい）。もう一つの例において、予測点の周囲領域は、楕円体の形状を有してもよい（例えば、楕円形でもよい）。図面及び本発明は、円及び／又は楕円を指すことがあるが、他の実施形態において他の形状を使用してもよい。
一実施形態において、領域要素４３３は、変動要素４３２によって確定された一つ又は複数の周囲領域に基づいて、予測領域の一つ又は複数の境界点を確定してもよい。例えば、領域要素４３３は、周囲領域ごとに一つ又は複数の境界点を確定してもよい。境界点を連結して予測領域を形成する場合、周囲領域の最も外側のエッジが境界点内に含まれる可能性がある。領域要素４３３は、境界点に基づいて、予測領域を確定してもよい。例えば、予測領域は、境界点によって囲まれてもよい。もう一つの例において、境界点は、予測領域のエッジ又は境界を定義可能である。いくつかの実施形態において、予測経路は、予測領域内に位置してもよい。例えば、予測経路は、予測領域の中央領域又は中央エリアに位置してもよい。もう一つの例において、予測領域は、予測経路を含むか、又は、囲むことができる。
いくつかの実施形態において、予測領域は、移動障害物が移動する可能性がある可能な位置を含んでもよい。例えば、移動障害物は、歩行者である可能性がある。歩行者は地理的領域を移動／行進して通過する際に予想外に動くことがある。予測領域を確定するための周囲領域の閾値標準偏差に基づいて、予測領域には歩行者が移動する可能性がある可能な位置の割合が含まれてもよい。例えば、３－シグマ（３－σ）周囲領域を使用して予測領域を確定する場合、予測領域は、９９．７％の歩行者が移動する可能性がある可能な位置を含んでもよい。したがって、ＡＤＶが予測領域を回避すると、ＡＤＶは９９．７％の回避確率（例えば、移動障害物に当たらない）を有する可能性がある。これにより、ＡＤＶは、移動障害物の移動の不確実性又は予測不可能性を考慮、計画又は準備することができる。
図４Ｃは、いくつかの実施形態に係る計画モジュール３０５の一例を示すブロック図である。図４Ｃを参照すると、計画モジュール３０５は、セグメンタ４０１と、多項式関数ジェネレータ４０２と、サンプル点ジェネレータ４０３と、経路ジェネレータ４０４と、基準線ジェネレータ４０５とを含むが、これらに限定されない。これらのモジュール４０１～４０５は、ソフトウェア、ハードウェア、又はそれらの組み合わせで実現されてもよい。基準線ジェネレータ４０５は、ＡＤＶのための基準線を生成するように構成される。上記のように、安定な軌跡を生成するために、基準線は、道路の中央線などのようなＡＤＶのガイド経路であってもよい。基準線ジェネレータ４０５は、地図及びルート情報３１１（図３Ａ及び３Ｂに示す）に基づいて、基準線を生成可能である。上記のように、地図及びルート情報３１１は、事前に存在する地図データ（例えば、事前にダウンロード又は格納された地図データ）であってもよい。一実施形態において、基準線ジェネレータ４０５は、予測モジュール３０３によって確定（例えば、生成、計算、演算など）された予測領域及び／又は予測経路に基づいて、基準線を生成可能である。基準線ジェネレータ４０５は、予測領域及び／又は予測経路を回避する基準線を生成可能である。例えば、Ｘ－Ｙ平面で示される場合、基準線は、予測領域及び／又は予測経路を横切ったり交差したりしない可能性がある。
セグメンタ４０１は、基準線を複数の基準線セグメントに分割するように構成される。基準線は、基準線セグメントに分割されて、基準線の個別のセグメント又は区間を生成してもよい。多項式関数ジェネレータ４０２は、基準線セグメントごとに、多項式関数を定義及び生成して、対応する基準線セグメントを表す又はモデル化するように構成されてもよい。サンプル点ジェネレータ４０３は、基準線に基づいて、サンプル点を生成可能である。例えば、以下で更に詳細に説明するように、サンプル点ジェネレータ４０３は、基準線に概して従うことができる１組又は複数組のサンプル点（例えば、一つ又は複数のサンプル点のグループ）を生成することができる。一実施形態において、サンプル点ジェネレータ４０は、予測モジュール３０３によって確定（例えば、生成、計算、演算など）された予測領域及び／又は予測経路に基づいて、１組又は複数組のサンプル点を生成することができる。サンプル点ジェネレータ４０３は、予測領域及び／又は予測経路を回避するサンプル点の集合を生成することができる。例えば、Ｘ－Ｙ平面で示される場合、サンプル点の集合は、予測領域内に位置しないか、及び／又は、予測経路に位置しなくてもよい。
多項式関数ジェネレータ４０２は、複数組のサンプル点を互いに連結してもよい。例えば、以下で更に詳細に説明するように、多項式関数ジェネレータ４０２は、１組のサンプル点のうちのそれぞれのサンプル点と、次の組の隣接するサンプル点のうちのそれぞれのサンプル点との間で、一つ又は複数のセグメント（例えば、連結）を生成してもよい。多項式関数ジェネレータ４０２は、サンプル点間のセグメントを表すために使用可能な一つ又は複数の多項式を更に生成、計算又は確定することができる。例えば、多項式関数ジェネレータ４０２は、２つのサンプル点間のセグメントごとについて、多項式関数を生成、確定、又は計算などすることができる。様々な境界又は制約に基づいて、セグメントを表す多項式関数を生成、確定又は計算することができる。境界又は制約は、図３Ａに示した制約３１３の一部として事前構成及び／又は格納してもよい。計画モジュール３０５によって使用される（例えば、多項式関数ジェネレータ４０２によって使用される）多項式関数は、図３Ａに示した多項式関数３１４の一部として、事前構成及び／又は格納されてもよい。
以下で更に詳細に説明するように、経路ジェネレータ４０４は、サンプル点間のセグメントに基づいて、ＡＤＶの経路を決定することができる。例えば、経路ジェネレータ４０４は、それぞれのセグメントのコストを確定することができる。コストは、セグメントが基準線からどれだけ離れているか、セグメント内のサンプル点が基準線からどれだけ離れているか、セグメント又はセグメント内のサンプル点の曲率変化率、セグメントの曲率、サンプル点に位置する可能性がある障害物（例えば、車両、歩行者、障害物など）などのような、様々な要因又はパラメータを含むが、これらに限定されない。コストは、重みともいう。経路ジェネレータ４０４は、最も低い総コスト（最も低い総重み）を有する経路のセグメントを識別又は選択して形成してもよい。
図５Ａは、いくつかの実施形態に係る例示的なグラフ５００Ａを示す図面である。グラフ５００Ａは、図５ＡのＸ軸及びＹ軸によって示されるようにデカルト座標系を使用してＸ－Ｙ平面を表すことができる。例えば、Ｘ－Ｙ座標を使用してグラフ５００Ａ上の点の位置を表すことができる。もう一つの例において、一つ又は複数の式／関数（例えば、線形関数、３次多項式、５次多項式など）を使用して、グラフ５００Ａ上の線及び／又は領域を表すことができる。上記のように、ＡＤＶ（例えば、図３Ａ、図３Ｂ及び図４Ａに示した感知モジュール３０２）は、ＡＤＶが位置している地理的領域内の移動障害物を検出することができる。例えば、ＡＤＶは、センサデータに基づいて、ＡＤＶが位置している／走行している街道もしくは道路（例えば、地理的領域）で歩いている／走っている歩行者を検出することができる。図５Ａに示すように、ＡＤＶ（例えば、図３Ｂに示した予測モジュール３０２、図４Ｂに示した経路要素４３１など）は、センサデータに基づいて移動障害物の進行可能又は採用可能な経路を確定することができる。移動障害物の進行可能な経路は、予測経路、推定経路、可能な経路などともいう。移動障害物（例えば、歩行者）の予測経路は、線５０５で表される。線５０５（例えば、移動障害物の予測経路）は、点５１１、５１３、５１５、５１７及び５１９を含む（例えば、点５１１、５１３、５１５、５１７、５１９は、５０５に位置するか又は５０５上にある）。点５１１、５１３、５１５、５１７及び５１９は、予測点ともいう。
一実施形態において、上記のように、ＡＤＶは、カルマンフィルタを使用して線５０５（例えば、移動障害物の予測経路）及び／又は点５１１、５１３、５１５、５１７及び５１９（例えば、予測点）を確定することができる。本発明は、カルマンフィルタに言及し得るが、他の実施形態において、様々な他のフィルタ、アルゴリズム、方法、関数、操作、プロセスなどを使用して、１組／複数の予測点を確定することができる。線５０５は、上記のように、線形関数、多項式関数（例えば、３次多項式、５次多項式など）のような、関数／式によって表すことができる。
図５Ｂは、いくつかの実施形態に係る例示的なグラフ５００Ｂを示す図面である。上記のように、グラフ５００Ｂは、図５ＢのＸ軸及びＹ軸によって示されるように、デカルト座標系を使用してＸ－Ｙ平面を表すことができる。なお、上記のように、ＡＤＶは、ＡＤＶが位置する地理的領域（例えば、道路、街道など）内の移動障害物（例えば、歩行者、自転車乗用者など）を検出することができる。図５Ｂに示すように、ＡＤＶは、センサデータに基づいて、移動障害物の進行可能又は採用可能な経路を確定することができる。移動障害物の進行可能な経路は、予測経路、推定経路、可能な経路などともいう。移動障害物（例えば、歩行者）の予測経路は、線５０５によって表される。線５０５（例えば、移動障害物の予測経路）は、点５１１、５１３、５１５、５１７及び５１９（例えば、点５１１、５１３、５１５、５１７及び５１９は、５０５に位置するか又は５０５上にある）を含む。点５１１、５１３、５１５、５１７及び５１９は、予測点ともいう。
一実施形態において、ＡＤＶ（例えば、図３Ｂに示した予測モジュール３０２、図４Ｂに示した変動要素４３２など）は、点５１１、５１３、５１５、５１５、５１７及び５１９に基づいて（例えば、一つ又は複数の予測点に基づいて）、周囲領域５２３、５２５、５２７及び５２９（例えば、図５Ｂの楕円によって表される）を確定することができる。例えば、ＡＤＶは、点５１３について周囲領域５２３を確定し、点５１５について周囲領域５２５を確定し、点５１７について周囲領域５２７を確定し、点５１９について周囲領域５２９を確定することができる。
周囲領域５２３、５２５、５２７及び５２９は、楕円で示されているが、他の実施形態において、周囲領域５２３、５２５、５２７及び５２９は、他の形状を有してもよい。例えば、予測点の周囲領域は、円形の形状を有してもよい（例えば、円であってもよい）。もう一つの例において、予測点の周囲領域は、楕円形状を有してもよい（例えば、楕円であってもよい）。図面及び本発明は、円及び／又は楕円に言及し得るが、他の実施形態において、他の形状を使用してもよい。いくつかの実施形態において、周囲領域５２３、５２５、５２７及び５２９の長さ及び幅は、移動障害物の全経路（線５０５によって表される）に基づくことができる。例えば、線５０５のＸ軸に沿う距離がＹ軸に沿う距離よりも大きい（例えば、線の長さが線の幅よりも大きい）。したがって、周囲領域５２３、５２５、５２７及び５２９の長さ（例えば、楕円の長さ）が周囲領域５２３、５２５、５２７及び５２９の幅（例えば、楕円の幅）よりも大きくしてもよい。もう一つの例において、線が４５°の角度に接近するか又は４５°に近い場合（例えば、線の長さが線の幅と実質的に等しい）、周囲領域の長さと幅は等しくてもよい（例えば、周囲領域は、楕円形でなく、円形でもよい）。
一実施形態において、対応する予測点からの閾値標準偏差に基づいて、周囲領域５２３、５２５、５２７及び５２９のそれぞれを確定することができる。例えば、周囲領域５１７の長さ及び幅は、点５１７からの標準偏差の閾値の数と等しくてもよい。上記のように、周囲領域５２３、５２５、５２７及び５２９は、Ｘ－シグマ（Ｘ－σ）領域ともいい、ただし、Ｘは、対応する予測点からの標準偏差の数（例えば、３－シグマ（３－σ）領域は、周囲領域の長さ及び幅が点からの３つの標準偏差であることを示す）である。いくつかの実施形態において、周囲領域５２３、５２５、５２７及び５２９は、３－シグマ（３－σ）領域であってもよい。３－σ領域は、移動障害物が当該３－σ領域の境界外に移動しない可能性（例えば、確率）が９９．７％である領域である。他の実施形態において、周囲領域５２３、５２５、５２７及び５２９は、異なるＸ－シグマ領域であってもよい。例えば、周囲領域５２３、５２５、５２７及び５２９は、２－シグマ（２－σ）領域であってもよい。もう一つの例において、周囲領域５２３は、３－シグマ（３－σ）領域であってもよく、周囲領域５２９は、２－シグマ（２－σ）領域であってもよい。
図５Ｃは、いくつかの実施形態に係る例示的なグラフ５００Ｃを示す図面である。上記のように、グラフ５００Ｃは、図５ＣのＸ軸及びＹ軸によって示されるように、デカルト座標系を使用してＸ－Ｙ平面を表すことができる。なお、上記のように、ＡＤＶは、ＡＤＶが位置する地理的領域（例えば、道路、街道など）内の移動障害物（例えば、歩行者、自転車乗用者など）を検出することができる。図５Ｃに示すように、ＡＤＶは、センサデータに基づいて、移動障害物の進行可能又は採用可能な経路を確定することができる。移動障害物の進行可能な経路は、予測経路、推定経路、可能な経路などともいう。移動障害物（例えば、歩行者）の予測経路は、線５０５によって表される。線５０５（例えば、移動障害物の予測経路）は、点５１１、５１３、５１５、５１７及び５１９を含む（例えば、点５１１、５１３、５１５、５１７及び５１９は５０５に位置するか又は５０５上にある）。点５１１、５１３、５１５、５１７及び５１９は、予測点ともいう。同様に、図５Ｃに示すように、ＡＤＶは、周囲領域５２３、５２５、５２７及び５２９を確定することができる。周囲領域５２３、５２５、５２７、５２９のそれぞれは、上記のように、対応する予測点からの閾値標準偏差に基づいて確定することができる。例えば、周囲領域５１７の長さ及び幅は、点５１７からの標準偏差の閾値の数と等しくてもよい。
一実施形態において、ＡＤＶ（例えば、図３Ｂに示した予測モジュール３０３、図４Ｂに示した領域要素４３３など）は、変動要素４３２によって確定された一つ又は複数の周囲領域に基づいて、予測領域の一つ又は複数の境界点を確定することができる。例えば、ＡＤＶは、周囲領域５２３について境界点５３１、５３２を確定し、周囲領域５２５について境界点５３３、５３４を確定し、周囲領域５２７について境界点５３５、５３６を確定し、周囲領域５２９について境界点５３７、５３８を確定することができる。いくつかの実施形態において、以下で更に詳細に説明するように、境界点５３１～５３８は、境界点が連結されて領域（例えば、予測領域）を形成する場合、周囲領域５２３、５２５、５２７及び５２９の最も外側のエッジが境界点内に含まれるように確定されることができる。
図５Ｄは、いくつかの実施形態に係る例示的なグラフ５００Ｄを示す図面である。上記のように、グラフ５００Ｄは、図５ＤのＸ軸及びＹ軸によって示されるように、デカルト座標系を使用してＸ－Ｙ平面を表すことができる。なお、上記のように、ＡＤＶは、ＡＤＶが位置する地理的領域（例えば、道路、街道など）内の移動障害物（例えば、歩行者、自転車乗用者など）を検出することができる。ＡＤＶは、センサデータに基づいて、移動障害物の進行可能又は採用可能な経路を確定することができる。移動障害物の進行可能な経路は、予測経路、推定経路、可能な経路などともいう。ＡＤＶは、周囲領域５２３、５２５、５２７及び５２９を更に確定することができる。ＡＤＶは、周囲領域５２３、５２５、５２７及び５２９に基づいて境界点５３１～５３８を更に確定することができる。
一実施形態において、領域要素４３３は、境界点５３１～５３８に基づいて予測領域５５０（斜線領域で示す）を確定することができる。図に示すように、境界点５３１～５３８が連結されて予測領域５５０を形成する。例えば、点５１１は、境界点５３２、５３１に連結され、境界点５３１は、境界点５３３に連結され、境界点５３３は、境界点５３５に連結され、境界点５３５は、境界点５３７に連結され、境界点５３２は、境界点５３４に連結され、境界点５３４は、境界点５３６に連結され、境界点５３６は、境界点５３８に連結され、境界点５３７は、境界点５３８に連結されてもよい。連結された点（例えば、点５１１及び境界点５３１～５３８）は、予測領域５５０を形成してもよい。境界点５３１～５３８は、予測領域５５０内に包含又は含まれてもよい。例えば、境界点５３１～５３８は、予測領域５５０のエッジ又は境界周囲に位置してもよい。図５Ａ～図５Ｃに示した予測経路（例えば、線５０５）は、予測領域５５０内に位置してもよい。
いくつかの実施形態において、予測領域５５０は、移動障害物が移動する可能性のある可能な位置を包含又は含んでもよい。例えば、移動障害物は、予測経路（例えば、図５Ａ～図５Ｃに示した線５０５）に沿って進行可能な歩行者であってもよい。移動する障害物（例えば、歩行者）は地理的領域を移動／行進して通過する際に予想外に動くことがあるため、移動する障害物が移動可能性のある可能な位置を含む領域を確定することは、有用である可能性がある。予測領域を確定するための周囲領域の閾値標準偏差に基づいて、予測領域には、歩行者が移動する可能性のある可能な位置の割合が含まれてもよい。例えば、それぞれの周囲領域５２３、５２５、５２７及び５２９が３－シグマ（３－σ）周囲領域である場合、予測領域は、歩行者が移動する可能性のある可能な位置の９９．７％を含む可能性がある。したがって、ＡＤＶが予測領域５５０を回避すると、ＡＤＶは、９９．７％の回避可能性（例えば、移動障害物に当たらない）を有する可能性がある。これにより、ＡＤＶは、移動障害物の移動の不確実性又は予測不可能性を考慮、計画又は準備することができる。これにより、ＡＤＶが移動障害物との衝突、ぶつかり、又は衝撃を避ける可能性を増加させることで、ＡＤＶをもっと安全に動作させることができる。
図６Ａは、いくつかの実施形態に係る環境６００Ａ（例えば、地理的領域／位置）内を走行（例えば、移動、運転など）するＡＤＶ６０５の一例を示す図面である。環境６００Ａは、道路６１０（例えば、街道、車線、幹線道路、無料道路、高速道路など）及び車両６１５を含む。道路６１０は、車線６１１及び車線６１２の２つの車線を有する。２つの車線は、車線６１３によって分割され、道路の境界は、車線６１６、６１７によって限定される。環境６００Ａは、更に、歩行者６３０（例えば、移動障害物）を含み、歩行者６３０は移動して（例えば、歩く、走るなど）環境６００Ａを通過している。道路６１０、車線６１１、６１２、車線６１３、６１６、６１７、ＡＤＶ６０５の位置、歩行者６３０の位置、及び／又は、図６Ａに示された他の要素は、図６ＡのＸ軸及びＹ軸に示されるように、デカルト座標系を使用して表されてもよい。例えば、ＡＤＶ６０５の位置は、Ｘ－Ｙ座標で表されてもよい。
上記のように、ＡＤＶ６０５は、センサデータに基づいて（例えば、ビデオデータ、レーダデータ、ＬＩＤＡＲデータなどに基づいて）、歩行者６３０を検出及び／又は識別することができる。ＡＤＶ６０５は、上記のように、歩行者６３０の予測経路を確定することができる。ＡＤＶ６０５は、上記のように、更に、予測経路の点に基づいて複数の周囲領域を確定することができる。ＡＤＶ６０５は、上記のように、周囲領域について複数の境界点を確定し、複数の境界点に基づいて予測領域６３５を確定することができる。
いくつかの実施形態において、予測領域６３５は、歩行者６３０が移動する可能性のある可能な位置を包含又は含んでもよい。歩行者６３０が移動／行進して環境６００Ａを通過する時に、予想外に動く可能性があるため、移動障害物が移動する可能性のある可能な位置を含む領域を確定することは、有用である可能性がある。３－シグマ（３－σ）周囲領域を使用して予測領域６３５を確定する場合、予測領域６３５は、歩行者６３０が移動可能性のある可能な位置の９９．７％を含む可能性がある。したがって、ＡＤＶが予測領域６３５を回避すると、ＡＤＶは歩行者６３０を回避する確率が９９．７％である（例えば、衝突しない）。これにより、ＡＤＶが移動障害物との衝突、ぶつかり、又は衝撃を避ける可能性を増加させることで、ＡＤＶをもっと安全に動作させることができる。
図６Ｂは、いくつかの実施形態に係る環境６００Ｂ（例えば、地理的領域／位置）で走行（例えば、移動、運転など）するＡＤＶ６０５の一例を示す図面である。環境６００Ｂは、道路６１０、車線６１３、６１６、６１７及び車両６１５を含む。上記のように、基準線ジェネレータ４０５（図４に示す）は、基準線を生成可能である。基準線は、ＡＤＶ６０５の道路６１０の中央線のようなガイド経路であってもよい。同様に、上記のように、セグメンタ４０１（図４に示す）は、基準線を基準線セグメントに分割（例えば、区画、分離など）することができる。サンプル点ジェネレータ４０３は、上記のように、サンプル点６５０（図６Ｂの黒点で示す）を生成することができる。サンプル点６５０は、サンプル点のグループ又は組にグループ化されてもよい。図６Ｂに示すように、サンプル点６０７は、３組のサンプル点にグループ化される。道路６１０、サンプル点６５０、基準線６３０及び／又は図６Ｂに示された他の要素は、図６ＢのＸ軸及びＹ軸に示されるように、デカルト座標系を使用して表すことができる。例えば、ＡＤＶ６０５の位置は、Ｘ－Ｙ座標で示されてもよい。もう一つの例において、サンプル点６５０は、Ｘ－Ｙ座標で示されてもよい。他の実施形態において、異なる数の基準線セグメント、異なる数のサンプル点、異なる数の組、組に含まれる異なる数のサンプル点、異なる位置のサンプル点を使用してもよい。
一実施形態において、一つ又は複数の多項式関数を使用して、基準線を表すことができる。例えば、多項式関数ジェネレータ４０２は、基準線セグメントを表すことができる多項式関数を生成することができる。多項式関数ジェネレータ４０２は、基準線セグメントごとに一つの多項式関数を生成することができる。５次関数ジェネレータ４０２は、基準線セグメントごとについて５次多項式関数θ（ｓ）を生成することができる。一実施形態において、それぞれの５次多項式関数は、対応する基準線セグメントの開始基準点の方向を表す。５次多項式関数の導関数（例えば、１次導関数）は、基準線セグメントの開始基準点の曲率を表し、Ｋ＝ｄｓｈｉ－ｔａ／ｄｓである。５次多項式関数の２次導関数は、曲率変化又は曲率変化率を表し、ｄＫ／ｄｓである。
Figure 0007003087000001
各区分的螺旋経路は、開始方向（θ０）、開始曲率（ｄθ０）、開始曲率の導関数（ｄ２θ０）、終了方向（θ１）、終了曲率（ｄθ１）、終了曲率の導関数（ｄ２θ１）、及び、開始点と終了点との間の曲線長さ（Δｓ）からなる７つのパラメータによって決定される。一実施形態において、多項式関数は、５次多項式関数であってもよい。５次多項式関数は、式（１）（例えば、公式、関数など）によって以下のように定義されることができる。
Figure 0007003087000002
また、式（１）は、以下を満たす。
Figure 0007003087000003
もう一つの実施形態において、多項式関数は、３次多項式であってもよい。一つの３次多項式は、式（８）によって以下のように定義されることができる。
Figure 0007003087000004
また、３次多項式は、式（２）～（７）に示された同じ条件を満たす（５次多項式関数に関して上で示された）。
上記の制約に基づいて、すべての基準線セグメントのすべての多項式関数に対して最適化を行うことによって、ゼロセグメント長における基準線セグメント（ｉ）を表す多項式関数の出力が、対応する基準線セグメント（ｉ）の開始基準点における方向と同様又は類似するようになる。多項式関数の１次導関数は、基準線セグメント（ｉ）の開始基準点における曲率と同様又は類似すべきである。多項式関数の２次導関数は、基準線セグメント（ｉ）の開始基準点における曲率変化率と同様又は類似すべきである。同様に、全セグメント長における、基準線セグメント（ｉ）を表す多項式関数の出力は、次の基準線セグメント（ｉ+１）の開始基準点における方向と同様又は類似すべきである。前記開始基準点は、現在の基準線セグメント（ｉ）の終了基準点である。多項式関数の１次導関数は、次の基準線セグメント（ｉ+１）の開始基準点における曲率と同様又は類似すべきである。多項式関数の２次導関数は、次の基準線セグメント（ｉ+１）の開始基準点における曲率変化率と同様又は類似すべきである。
例えば、基準線セグメント５０１について、対応する多項式関数θ（０）の出力は、基準線セグメントの開始点の方向又は角度を表す。θ（Δｓ０）は、基準線セグメントの終了点の方向を表し、ここで、基準線セグメントの終了点は、次の基準線セグメントの開始点でもある。θ（０）の１次導関数は、基準線セグメントの開始点（x０, y０）における曲率を表し、θ（０）の２次導関数は、基準線セグメントの終了点における曲率変化率を表す。θ（ｓ０）の１次導関数は、基準線セグメントの終了点の曲率を表し、θ（ｓ０）の２次導関数は、基準線セグメントの終了点の曲率変化率を表す。
Figure 0007003087000005
θ（ｓ）＝ａｓ５＋ｂｓ４＋ｃｓ３＋ｄｓ２＋ｅｓ＋ｆ （９）
５次多項式関数の１次導関数は、経路の点における曲率を表す。
ｄθ＝５ａｓ４＋４ｂｓ３＋３ｃｓ２＋２ｄｓ＋ｅ （１０）
５次多項式関数の２次導関数は、経路の点における曲率変化率を表す。
ｄ２θ＝２０ａｓ３＋１２ｂｓ２＋６ｃｓ＋２ｄ （１１）
特定の螺旋経路又は基準線セグメントについて、開始点及び終了点の２つの点に関わり、ここで、各点の方向、曲率及び曲率変化率は、それぞれ上記の３つの式によって表すことができる。したがって、それぞれの螺旋経路又は基準線セグメントについて、合計で６つの式がある。これらの６つの式は、対応する５次多項式関数の係数ａ、ｂ、ｃ、ｄ、ｅ、ｆを決定するために使用可能である。
螺旋経路がデカルト空間内の連続基準点間の曲線を表す場合、螺旋経路曲線の長さとデカルト空間内の位置との間で、接続又はブリッジを構築する必要がある。{θｉ,ｄθｉ,ｄ２θｉ,θｉ+１,ｄθｉ+１,ｄ２θｉ+１,Δｓ}によって定義される螺旋経路θｉ（ｓ）、及び、経路開始点ｐｉ＝（ｘｉ,ｙｉ）が特定されると、点ｐ＝（ｘ,ｙ）の座標及び特定の如何なるｓ＝[０,Δｓ]を確定する必要がある。一実施形態において、特定の点の座標は、以下の式（例えば、公式、関数など）によって取得されることができる。
Figure 0007003087000006
ｓ＝Δｓである場合、曲線θｉ及び開始座標ｐｉ＝（ｘｉ，ｙｉ）を特定して、終了座標ｐｉ＋１を取得する。螺旋経路の関数の総出力が最小限になると同時に、上記の１組の制約を満たすように関数を最適化する。なお、最適化から導き出された終点の座標は、初期基準線の対応する座標に関して所定の範囲（例えば、許容誤差、誤差許容範囲）内にあることが要求される。即ち、それぞれの最適化された点と初期基準線の対応する点との間の差が、所定の閾値内にあるべきである。
いくつかの実施形態において、経路ジェネレータ４０４は、動的プログラミングアルゴリズム、関数、動作などによって、ＡＤＶ６０５の経路を決定することができる。例えば、経路ジェネレータ４０４は、Ｄｉｊｋｓｔｒａアルゴリズムを使用して、セグメントのコスト（例えば、重み）に基づいて、ＡＤＶ６０５のコストが最も低い経路を確定することができる。ＡＤＶの経路は、最も左側のサンプル点の組と中間のサンプル点の組との間の９つのセグメントのうちの一つ、及び、中間サンプル点の組と最も右側のサンプル点の組との間の９つのセグメントのうちの一つを含んでもよい。複数の経路が同一の最低のコストを有する場合、経路ジェネレータ４０４は、様々な要因に基づいて複数の経路のうちの一つを選択することが可能である。例えば、経路ジェネレータ４０４は、基準線に最も近い経路（例えば、基準線からの逸脱が最も少ない経路）を選択することが可能である。
図７は、いくつかの実施形態に係る自動運転車両（例えば、ＡＤＶ）の経路を確定するためのプロセス７００の一例を示すフローチャートである。プロセス７００は、処理ロジックによって実行可能であり、処理ロジックはソフトウェア、ハードウェア、又はそれらの組み合わせを含んでもよい。プロセス７００は、処理ロジックによって実行可能であり、処理ロジックは、ハードウェア（例えば、回路、専用ロジック、プログラマブルロジック、プロセッサ、処理装置、中央処理装置（ＣＰＵ）、システムオンチップ（ＳｏＣ）など）、ソフトウェア（例えば、処理装置で運行／実行される命令）、ファームウェア（例えば、マイクロコード）、又は、それらの組み合わせを含んでもよい。いくつかの実施形態において、プロセス７００は、図３Ｂ、図４Ａ、図４Ｂ及び図４Ｃに示された感知モジュール３０２、予測モジュール３０３及び計画モジュール３０５のうちの一つ又は複数によって実行可能である。図７を参照すると、ブロック７０５において、処理ロジックは、移動障害物を識別及び／又は検出する。例えば、処理ロジックは、センサデータに基づいて、移動障害物（例えば歩行者）を検出することができる。ブロック７１０において、処理ロジックは、移動障害物の予測経路を確定することができる。例えば、処理ロジックは、センサデータに基づいて予測経路を表す一つ又は複数の点（例えば、予測点）を確定することができる。
ブロック７１５において、処理ロジックは、予測点の周囲領域を確定することができる。例えば、上記のように、処理ロジックは、閾値標準偏差（例えば、３つの標準偏差）を確定し、閾値標準偏差に基づいて周囲領域を確定することができる。ブロック７２０において、処理ロジックは、周囲領域に基づいて、境界点を確定することができる。例えば、処理ロジックは、境界点が連結されると、周囲領域の最も外側のエージが境界点内に含まれるように境界点を確定することができる。ブロック７２５において、処理ロジックは、境界点に基づいて予測領域を確定することができる。例えば、上記のように、処理ロジックは、境界点を連結することによって、予測領域を形成することができる。
ブロック７３０において、処理ロジックは、予測領域に基づいてＡＤＶの経路を決定することができる。例えば、上記のように、処理ロジックは、予測領域を回避する基準線を確定することができる。処理ロジックは、基準線に基づいてサンプル点を確定することができる。上記のように、サンプル点は、予測領域を回避することもできる。上記のように、処理ロジックは、更にサンプル点に基づいて複数のセグメントを確定することができる。上記のように、処理ロジックは、更に、複数のセグメントに基づいてＡＤＶの経路を決定することができる。ブロック７３５において、処理ロジックは、経路に従ってＡＤＶを制御することができる。例えば、処理ロジックは、ＡＤＶを経路に従って移動及び／又は走行させることができる。
なお、以上に例示及び説明された構成要素の一部又は全ては、ソフトウェア、ハードウェア、又はそれらの組み合わせで実現されることが可能である。例えば、このような構成要素は、永続性記憶装置にインストールされるとともに記憶されるソフトウェアとして実現されてもよく、前記ソフトウェアは、本願にわたって記載されたプロセス又は動作を実現するように、プロセッサ（図示せず）によってメモリにロードして実行されてもよい。あるいは、このような構成要素は、集積回路（例えば、特定用途向け集積回路又はＡＳＩＣ）、デジタルシグナルプロセッサ（ＤＳＰ）、又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）のような専用ハードウェアにプログラミング又は埋め込まれた実行可能なコードとして実現されてもよく、前記実行可能なコードは、アプリケーションからの対応するドライバー及び／又はオペレーティングシステムを介してアクセスすることができる。また、このような構成要素は、ソフトウェア構成要素が一つ以上の特定の命令によってアクセス可能な命令セットの一部として、プロセッサ又はプロセッサコアにおける特定のハードウェアロジックとして実現されることができる。
図１１は、本発明の一実施形態と共に使用可能なデータ処理システムの一例を示すブロック図である。例えば、システム１５００は、前記プロセス又は方法のいずれかを実行する前記データ処理システムのいずれか（例えば、図１の感知及び計画システム１１０、又はサーバ１０３～１０４のいずれか）を表すことができる。システム１５００は、いくつかの異なる構成要素を含んでもよい。これらの構成要素は、集積回路（ＩＣ）、集積回路の一部、ディスクリート型電子デバイス、又は回路基板（例えば、コンピュータシステムのマザーボード若しくはアドインカード）に適するその他のモジュールとして実現されることができ、又は、他の形態でコンピュータシステムのシャーシ内に組み込まれる構成要素として実現されることが可能である。
なお、システム１５００は、コンピュータシステムのいくつかの構成要素の高レベルビューを示すことを意図している。しかしながら、特定の実施例において付加的構成要素が存在してもよく、また、その他の実施例において示された構成要素を異なる配置にすることが可能であると理解すべきである。システム１５００は、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、サーバ、携帯電話、メディアプレヤー、パーソナルデジタルアシスタント（ＰＤＡ）、スマートウォッチ、パーソナルコミュニケーター、ゲーム装置、ネットワークルーター又はハブ、無線アクセスポイント（ＡＰ）又はリピーター、セット・トップボックス、又はそれらの組み合わせを表すことができる。また、単一の機械又はシステムのみが示されたが、「機械」又は「システム」という用語は、本明細書で説明されるいずれか一種以上の方法を実現するための、単独で又は共同で１つ（又は複数）の命令セットを実行する機械又はシステムのいずれかの組み合わせも含まれると解釈されるものとする。
一実施形態において、システム１５００は、バス又はインターコネクト１５１０を介して接続される、プロセッサ１５０１と、メモリ１５０３と、装置１５０５～１５０８とを含む。プロセッサ１５０１は、単一のプロセッサコア又は複数のプロセッサコアが含まれる単一のプロセッサ又は複数のプロセッサを表すことができる。プロセッサ１５０１は、マイクロプロセッサ、中央処理装置（ＣＰＵ）などのような、一つ以上の汎用プロセッサを表すことができる。より具体的には、プロセッサ１５０１は、複雑命令セットコンピューティング（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、超長命令語（ＶＬＩＷ）マイクロプロセッサ、又はその他の命令セットを実行するプロセッサ、又は命令セットの組み合わせを実行するプロセッサであってもよい。プロセッサ１５０１は更に、例えば、特定用途向け集積回路（ＡＳＩＣ）、セルラー又はベースバンドプロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、ネットワークプロセッサ、グラフィックプロセッサ、通信プロセッサ、暗号化プロセッサ、コプロセッサ、組込みプロセッサ、又は命令を処理可能な任意の他のタイプのロジックのような、一つ以上の専用プロセッサであってもよい。
プロセッサ１５０１は、超低電圧プロセッサのような低電力マルチコアプロセッサソケットであってもよく、前記システムの様々な構成要素と通信するための主処理ユニット及び中央ハブとして機能することができる。このようなプロセッサは、システムオンチップ（ＳｏＣ）として実現されることができる。プロセッサ１５０１は、本明細書で説明される動作及びステップを実行するための命令を実行するように構成される。システム１５００は、更に所望によるグラフィックサブシステム１５０４と通信するグラフィックインターフェースを含むことができ、グラフィックサブシステム１５０４は、表示コントローラ、グラフィックプロセッサ、及び／又は表示装置を含むことができる。
プロセッサ１５０１は、メモリ１５０３と通信することができ、メモリ１５０３は、一実施形態では、所定量のシステムメモリを提供するための複数のメモリ装置によって実現されることができる。メモリ１５０３は、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、又はその他のタイプの記憶装置のような、一つ以上の揮発性記憶（又はメモリ）装置を含むことができる。メモリ１５０３は、プロセッサ１５０１又はその他の任意の装置により実行される命令シーケンスを含む情報を記憶することができる。例えば、様々なオペレーティングシステム、デバイスドライバ、ファームウェア（例えば、ベーシックインプット／アウトプットシステム又はＢＩＯＳ）、及び／又はアプリケーションの実行可能なコード及び／又はデータは、メモリ１５０３にロードされ、プロセッサ１５０１により実行されることができる。オペレーティングシステムは、例えば、ロボットオペレーティングシステム（ＲＯＳ）、Ｍｉｃｒｏｓｏｆｔ（登録商標）社のＷｉｎｄｏｗｓ（登録商標）オペレーティングシステム、アップル社のＭａｃＯＳ（登録商標）／ｉＯＳ（登録商標）、Ｇｏｏｇｌｅ（登録商標）社のＡｎｄｒｏｉｄ（登録商標）、ＬＩＮＵＸ（登録商標）、ＵＮＩＸ（登録商標）、又はその他のリアルタイム若しくは組込みオペレーティングシステムのような、任意のタイプのオペレーティングシステムであってもよい。
システム１５００は、更に、ネットワークインターフェース装置１５０５、所望による入力装置１５０６、及びその他の所望によるＩ／Ｏ装置１５０７を含む装置１５０５～１５０８のようなＩ／Ｏ装置を含むことができる。ネットワークインターフェース装置１５０５は、無線送受信機及び／又はネットワークインターフェースカード（ＮＩＣ）を含むことができる。前記無線送受信機は、ＷｉＦｉ送受信機、赤外線送受信機、ブルートゥース（登録商標）送受信機、ＷｉＭａｘ送受信機、無線携帯電話送受信機、衛星送受信機（例えば、全地球測位システム（ＧＰＳ）送受信機）、又はその他の無線周波数（ＲＦ）送受信機、又はそれらの組み合わせであってもよい。ＮＩＣは、イーサネット（登録商標）カードであってもよい。
入力装置１５０６は、マウス、タッチパネル、タッチスクリーン（表示装置１５０４と統合されてもよい）、ポインター装置（例えば、スタイラス）、及び／又はキーボード（例えば、物理キーボード又はタッチスクリーンの一部として表示された仮想キーボード）を含むことができる。例えば、入力装置１５０６は、タッチスクリーンと接続されるタッチスクリーンコントローラを含むことができる。タッチスクリーン及びタッチスクリーンコントローラは、例えば、様々なタッチ感応技術（コンデンサ、抵抗、赤外線、及び表面弾性波の技術を含むが、それらに限定されない）のいずれか、並びにその他の近接センサアレイ、又は、タッチスクリーンと接触する一つ以上の点を決定するためのその他の素子を用いて、それらの接触及び移動又は間欠を検出することができる。
Ｉ／Ｏ装置１５０７は、音声装置を含むことができる。音声装置は、音声認識、音声複製、デジタル記録、及び／又は電話機能のような音声サポート機能を促進するために、スピーカ及び／又はマイクロホンを含んでもよい。その他のＩ／Ｏ装置１５０７は、更に、ユニバーサルシリアルバス（ＵＳＢ）ポート、パラレルポート、シリアルポート、プリンタ、ネットワークインターフェース、バスブリッジ（例えば、ＰＣＩ－ＰＣＩブリッジ）、センサ（例えば、加速度計、ジャイロスコープ、磁力計、光センサ、コンパス、近接センサなどのモーションセンサ）、又はそれらの組み合わせを含むことができる。装置１５０７は、更に結像処理サブシステム（例えば、カメラ）を含むことができ、前記結像処理サブシステムは、写真及びビデオ断片の記録のようなカメラ機能を促進するための、電荷結合素子（ＣＣＤ）又は相補型金属酸化物半導体（ＣＭＯＳ）光学センサのような光学センサを含むことができる。いくつかのセンサは、センサハブ（図示せず）を介してインターコネクト１５１０に接続されることができ、キーボード又はサーマルセンサのようなその他の装置はシステム１５００の具体的な配置又は設計により、組込みコントローラ（図示せず）により制御されることができる。
データ、アプリケーション、一つ以上のオペレーティングシステムなどの情報の永続的記憶を提供するために、プロセッサ１５０１には、大容量記憶装置（図示せず）が接続されることができる。様々な実施形態において、より薄くてより軽量なシステム設計を可能にしながら、システムの応答性を向上するために、このような大容量記憶装置は、ソリッドステート装置（ＳＳＤ）によって実現されることができる。しかしながら、その他の実施形態において、大容量記憶装置は、主にハードディスクドライブ（ＨＤＤ）を使用して実現することができ、より小さい容量のＳＳＤ記憶装置をＳＳＤキャッシュとして機能することで、停電イベントの間にコンテキスト状態及び他のそのような情報の不揮発性記憶を可能にし、それによりシステム動作が再開するときに通電を速く実現することができる。また、フラッシュデバイスは、例えば、シリアルペリフェラルインターフェース（ＳＰＩ）を介してプロセッサ１５０１に接続されることができる。このようなフラッシュデバイスは、前記システムのＢＩＯＳ及びその他のファームウェアを含むシステムソフトウェアの不揮発性記憶のために機能することができる。
記憶装置１５０８は、コンピュータアクセス可能な記憶媒体１５０９（機械可読記憶媒体又はコンピュータ可読媒体ともいう）を含むことができ、前記コンピュータアクセス可能な記憶媒体１５０９には、本明細書で記載されたいずれか一種以上の方法又は機能を具現化する一つ以上の命令セット又はソフトウェア（例えば、モジュール、ユニット、及び／又はロジック１５２８）が記憶されている。処理モジュール／ユニット／ロジック１５２８は、計画モジュール３０５、制御モジュール３０６などの前記構成要素のいずれかを表すことができる。処理モジュール／ユニット／ロジック１５２８は、更に、データ処理システム１５００、メモリ１５０３、及びプロセッサ１５０１による実行中に、メモリ１５０３内及び／又はプロセッサ１５０１内に完全的に又は少なくとも部分的に存在してもよく、データ処理システム１５００、メモリ１５０３、及びプロセッサ１５０１も機械アクセス可能な記憶媒体を構成する。処理モジュール／ユニット／ロジック１５２８は、更に、ネットワークを介して、ネットワークインターフェース装置１５０５を経由して送受信可能である。
コンピュータ可読記憶媒体１５０９は、以上に説明されたいくつかのソフトウェア機能を永続的に記憶するために用いることができる。コンピュータ可読記憶媒体１５０９は、例示的な実施形態において単一の媒体として示されるが、「コンピュータ可読記憶媒体」という用語は、前記一つ以上の命令セットが記憶される単一の媒体又は複数の媒体（例えば、集中型又は分散型データベース、及び／又は関連するキャッシュとサーバ）を含むと解釈されるものとする。「コンピュータ可読記憶媒体」という用語は、更に、命令セットを記憶又は符号化できる任意の媒体を含むと解釈されるものであり、前記命令セットは機械により実行され、本発明のいずれか一種以上の方法を前記機械に実行させるためのものである。それゆえに、「コンピュータ可読記憶媒体」という用語は、ソリッドステートメモリ、光学媒体及び磁気媒体、又はその他の任意の非一時的な機械可読媒体を含むが、それらに限定されないと解釈されるものとする。
本明細書に記載の処理モジュール／ユニット／ロジック１５２８、構成要素及びその他の特徴は、ディスクリートハードウェア構成要素として実現されてもよく、又はハードウェア構成要素（例えば、ＡＳＩＣＳ、ＦＰＧＡ、ＤＳＰ又は類似の装置）の機能に統合されてもよい。また、処理モジュール／ユニット／ロジック１５２８は、ハードウェア装置におけるファームウェア又は機能性回路として実現されてもよい。また、処理モジュール／ユニット／ロジック１５２８は、ハードウェア装置とソフトウェア構成要素の任意の組み合わせで実現されてもよい。
なお、システム１５００は、データ処理システムの様々な構成要素を有するものとして示されているが、構成要素を相互接続する任意の特定のアーキテクチャ又は方式を表すことを意図するものではなく、そのような詳細は、本発明の実施形態とは密接な関係がない。また、より少ない構成要素又はより多くの構成要素を有するネットワークコンピュータ、ハンドヘルドコンピュータ、携帯電話、サーバ、及び／又はその他のデータ処理システムも、本発明の実施形態と共に使用することができることを理解されたい。
前記具体的な説明の一部は、既に、コンピュータメモリにおけるデータビットに対する演算のアルゴリズムと記号表現で示される。これらのアルゴリズムの説明及び表現は、データ処理分野における当業者によって使用される、それらの作業実質を所属分野の他の当業者に最も効果的に伝達する方法である。本明細書では、一般的に、アルゴリズムは、所望の結果につながるセルフコンシステントシーケンスと考えられる。これらの動作は、物理量の物理的処置が必要なものである。
しかしながら、念頭に置くべきは、これらの用語及び類似の用語の全ては、適切な物理量に関連付けられるものであり、これらの量を標識しやすくするためのものに過ぎない。以上の説明で他に明示的に記載されていない限り、本明細書全体を通じて理解するべきは、添付された特許請求の範囲に記載するもののような用語を利用する論述とは、コンピュータシステム、又は類似の電子計算装置の動作またはプロセスを指し、前記コンピュータシステムまたは電子計算装置は、コンピュータシステムのレジスタ及びメモリにおける物理（電子）量として示されるデータを制御するとともに、前記データをコンピュータシステムメモリ又はレジスタ又はこのようなその他の情報記憶装置、送信又はディスプレイデバイスにおいて同様に物理量として示される別のデータに変換する。
本発明の実施形態は、本明細書の動作を実行するための装置にも関する。このようなコンピュータプログラムは、非一時的なコンピュータ可読媒体に記憶される。機械可読媒体は、機械（例えば、コンピュータ）により読み取り可能な形式で情報を記憶するための任意のメカニズムを含む。例えば、機械可読（例えば、コンピュータ可読）媒体は、機械（例えば、コンピュータ）可読記憶媒体（例えば、読み出し専用メモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光学記憶媒体、フラッシュメモリ装置）を含む。
上述した図面において説明されたプロセス又は方法は、ハードウェア（例えば、回路、専用ロジックなど）、ソフトウェア（例えば、非一時的なコンピュータ可読媒体に具現化されるもの）、又は両方の組み合わせを含む処理ロジックにより実行されることができる。前記プロセス又は方法は、以上で特定の順序に応じて説明されたが、前記動作の一部が異なる順序で実行されてもよいことを理解されたい。また、一部の動作は、順番ではなく並行して実行されてもよい。
本発明の実施形態は、いずれの特定のプログラミング言語を参照することなく記載されている。理解すべきは、本明細書に記載の本発明の実施形態の教示を実現するために、様々なプログラミング言語を使用することができる。
前記明細書において、本発明の実施形態は、既にその具体的な例示的な実施形態を参照しながら記載された。明らかなように、添付された特許請求の範囲に記載された本発明のより広い趣旨及び範囲を逸脱しない限り、本発明に対して様々な変更を行うことができる。それゆえに、本明細書及び図面は、限定的な意味でなく、例示的な意味で理解されるべきである。

Claims (19)

  1. 自動運転車両を動作させるためのコンピュータ実施方法であって、
    移動障害物の予測経路を確定するステップと、
    前記移動障害物の前記予測経路に基づいて、前記予測経路を含む連続的な領域となる予測領域を確定するステップと、
    前記予測領域に基づいて、前記予測領域を回避するように前記自動運転車両の経路を決定するステップと、
    前記経路に基づいて、前記自動運転車両を制御するステップと、を含み、
    前記自動運転車両の前記経路を決定するステップは、
    前記予測領域に基づいて、前記予測領域を回避するように基準線を生成することと、
    前記基準線に基づいて、前記予測領域を回避するようにサンプル点集合を生成することと、
    前記サンプル点集合の間で、複数のセグメントを生成することと、
    前記複数のセグメントに基づいて、前記サンプル点集合のそれぞれからのサンプル点を含む前記自動運転車両の前記経路を決定することと、
    を含む、コンピュータ実施方法。
  2. 前記予測経路を確定するステップは、前記自動運転車両が位置する地理的領域内の複数の予測点を確定することを含み、
    前記予測経路は、前記複数の予測点を含む、
    請求項１に記載のコンピュータ実施方法。
  3. 前記予測領域を確定するステップは、前記複数の予測点の複数の周囲領域を確定することを含む、
    請求項２に記載のコンピュータ実施方法。
  4. 前記複数の周囲領域のそれぞれは、対応する予測点からの閾値標準偏差に基づいて確定される、
    請求項３に記載のコンピュータ実施方法。
  5. 前記予測領域を確定するステップは、
    前記複数の周囲領域に基づいて、複数の境界点を確定することを更に含む、
    請求項３に記載のコンピュータ実施方法。
  6. 前記予測領域は、前記複数の境界点内に含まれる、
    請求項５に記載のコンピュータ実施方法。
  7. 前記予測経路は、前記自動運転車両の一つ又は複数のセンサによって生成されたセンサデータに基づいて確定される、
    請求項１に記載のコンピュータ実施方法。
  8. 前記センサデータは、ビデオデータを含み、前記一つ又は複数のセンサは、カメラを含む、
    請求項７に記載のコンピュータ実施方法。
  9. 前記センサデータは、レーダデータを含み、前記一つ又は複数のセンサは、レーダユニットを含む、
    請求項７に記載のコンピュータ実施方法。
  10. 前記センサデータは、光検出及び測距（ＬＩＤＡＲ）データを含み、前記一つ又は複数のセンサは、光検出及び測距ユニットを含む、
    請求項７に記載のコンピュータ実施方法。
  11. 命令が格納されている非一時的機械可読媒体であって、前記命令がプロセッサによって実行されると、
    移動障害物の予測経路を確定するステップと、
    前記移動障害物の前記予測経路に基づいて、前記予測経路を含む連続的な領域となる予測領域を確定するステップと、
    前記予測領域に基づいて、前記予測領域を回避するように自動運転車両の経路を決定するステップと、
    前記経路に基づいて、前記自動運転車両を制御するステップと、を含み、
    前記自動運転車両の前記経路を決定するステップは、
    前記予測領域に基づいて、前記予測領域を回避するように基準線を生成することと、
    前記基準線に基づいて、前記予測領域を回避するようにサンプル点集合を生成することと、
    前記サンプル点集合の間で、複数のセグメントを生成することと、
    前記複数のセグメントに基づいて、前記サンプル点集合のそれぞれからのサンプル点を含む前記自動運転車両の前記経路を決定することと、
    を含む、
    動作を前記プロセッサに実行させる、非一時的機械可読媒体。
  12. 前記予測経路を確定するステップは、前記自動運転車両が位置する地理的領域内の複数の予測点を確定することを含み、前記予測経路は、前記複数の予測点を含む、
    請求項１１に記載の非一時的機械可読媒体。
  13. 前記予測領域を確定するステップは、前記複数の予測点の複数の周囲領域を確定することを含む、
    請求項１２に記載の非一時的機械可読媒体。
  14. 前記複数の周囲領域のそれぞれは、対応する予測点からの閾値標準偏差に基づいて確定される、
    請求項１３に記載の非一時的機械可読媒体。
  15. 前記予測領域を確定するステップは、前記複数の周囲領域に基づいて、複数の境界点を確定することを更に含む、
    請求項１３に記載の非一時的機械可読媒体。
  16. 前記予測領域は、前記複数の境界点内に含まれる、
    請求項１５に記載の非一時的機械可読媒体。
  17. 前記予測経路は、前記自動運転車両の一つ又は複数のセンサによって生成されたセンサデータに基づいて確定される、
    請求項１１に記載の非一時的機械可読媒体。
  18. プロセッサと、
    命令を格納するために前記プロセッサに結合されたメモリであって、前記命令が前記プロセッサによって実行されると、
    移動障害物の予測経路を確定するステップと、
    前記移動障害物の前記予測経路に基づいて、前記予測経路を含む連続的な領域となる予測領域を確定するステップと、
    前記予測領域に基づいて、前記予測領域を回避するように自動運転車両の経路を確定するステップと、
    前記経路に基づいて、前記自動運転車両を制御するステップと、
    を含み、
    前記自動運転車両の前記経路を決定するステップは、
    前記予測領域に基づいて、前記予測領域を回避するように基準線を生成することと、
    前記基準線に基づいて、前記予測領域を回避するようにサンプル点集合を生成することと、
    前記サンプル点集合の間で、複数のセグメントを生成することと、
    前記複数のセグメントに基づいて、前記サンプル点集合のそれぞれからのサンプル点を含む前記自動運転車両の前記経路を決定することと、を含む、
    動作を前記プロセッサに実行させるメモリと、を備える、データ処理システム。
  19. コンピュータプログラムであって、 前記コンピュータプログラムがプロセッサにより実行されると、請求項１～１０のいずれか一項に記載の方法を実現するコンピュータプログラム。
JP2019097581A 2018-05-24 2019-05-24 移動障害物を回避する自動運転のための運転経路の決定 Active JP7003087B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/988,901 US10800408B2 (en) 2018-05-24 2018-05-24 Determining driving paths for autonomous driving that avoid moving obstacles
US15/988,901 2018-05-24

Publications (2)

Publication Number Publication Date
JP2019204509A JP2019204509A (ja) 2019-11-28
JP7003087B2 true JP7003087B2 (ja) 2022-01-20

Family

ID=68614336

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019097581A Active JP7003087B2 (ja) 2018-05-24 2019-05-24 移動障害物を回避する自動運転のための運転経路の決定

Country Status (3)

Country Link
US (1) US10800408B2 (ja)
JP (1) JP7003087B2 (ja)
CN (1) CN110531749A (ja)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6574224B2 (ja) * 2017-08-30 2019-09-11 本田技研工業株式会社 車両制御装置、車両、車両制御方法およびプログラム
US10782699B2 (en) * 2018-03-10 2020-09-22 Baidu Usa Llc Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
US11126199B2 (en) * 2018-04-16 2021-09-21 Baidu Usa Llc Learning based speed planner for autonomous driving vehicles
US11155259B2 (en) * 2018-09-13 2021-10-26 Honda Motor Co., Ltd. System and method for egocentric-vision based future vehicle localization
US11199847B2 (en) * 2018-09-26 2021-12-14 Baidu Usa Llc Curvature corrected path sampling system for autonomous driving vehicles
US11079761B2 (en) * 2018-12-12 2021-08-03 Ford Global Technologies, Llc Vehicle path processing
US11733703B2 (en) * 2019-01-30 2023-08-22 Perceptive Automata, Inc. Automatic braking of autonomous vehicles using machine learning based prediction of behavior of a traffic entity
US10919543B2 (en) * 2019-01-30 2021-02-16 StradVision, Inc. Learning method and learning device for determining whether to switch mode of vehicle from manual driving mode to autonomous driving mode by performing trajectory-based behavior analysis on recent driving route
US11467579B2 (en) 2019-02-06 2022-10-11 Perceptive Automata, Inc. Probabilistic neural network for predicting hidden context of traffic entities for autonomous vehicles
US11221229B1 (en) * 2019-03-20 2022-01-11 Gm Cruise Holdings Llc Autonomous vehicle routing based on predicted location of a disruptive third-party vehicle
US11454971B2 (en) * 2019-08-29 2022-09-27 GM Global Technology Operations LLC Methods and systems for learning user preferences for lane changes
JP7460870B2 (ja) 2019-12-26 2024-04-03 パナソニックオートモーティブシステムズ株式会社 表示制御装置、表示システム、表示制御方法
US11661085B2 (en) * 2020-06-04 2023-05-30 Baidu Usa Llc Locked pedestrian detection and prediction for autonomous vehicles
CN111650945B (zh) * 2020-06-28 2023-10-24 北京智行者科技股份有限公司 动态障碍物防撞方法
CN113968216B (zh) * 2020-07-25 2023-11-17 华为技术有限公司 一种车辆碰撞检测方法、装置及计算机可读存储介质
KR20220039903A (ko) 2020-09-21 2022-03-30 현대자동차주식회사 자율주행 제어 장치 및 방법
CN114537381A (zh) * 2020-11-24 2022-05-27 郑州宇通客车股份有限公司 一种自动驾驶车辆的车道避障方法及装置
CN112529874A (zh) * 2020-12-14 2021-03-19 上海智蕙林医疗科技有限公司 基于三维雷达的障碍物检测方法、装置、介质和机器人
US11880203B2 (en) * 2021-01-05 2024-01-23 Argo AI, LLC Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries
KR102317430B1 (ko) * 2021-05-27 2021-10-26 주식회사 라이드플럭스 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램
US20230065284A1 (en) * 2021-09-01 2023-03-02 Baidu Usa Llc Control and planning with localization uncertainty
CN113951767A (zh) * 2021-11-08 2022-01-21 珠海格力电器股份有限公司 可移动设备的控制方法及装置
CN114440882B (zh) * 2022-02-07 2023-10-31 电子科技大学 一种多智能家居移动设备及其协作寻路防撞方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002260192A (ja) 2001-03-05 2002-09-13 Natl Inst For Land & Infrastructure Management Mlit 歩行者衝突防止支援方法及びその装置
JP2006154967A (ja) 2004-11-25 2006-06-15 Nissan Motor Co Ltd リスク最小軌跡生成装置およびこれを用いた危険状況警報装置
JP2008065755A (ja) 2006-09-11 2008-03-21 Hitachi Ltd 移動装置
JP2008158969A (ja) 2006-12-26 2008-07-10 Toyota Motor Corp 移動体周囲危険度判定方法、装置、およびプログラム
JP2009184497A (ja) 2008-02-06 2009-08-20 Nissan Motor Co Ltd 車両用運転操作支援装置
JP2011248445A (ja) 2010-05-24 2011-12-08 Toyota Central R&D Labs Inc 可動物予測装置及びプログラム
JP2012118909A (ja) 2010-12-03 2012-06-21 Nissan Motor Co Ltd 走行支援装置
JP2017013749A (ja) 2015-07-06 2017-01-19 トヨタ自動車株式会社 自動運転車両の制御装置
JP2018055141A (ja) 2016-09-26 2018-04-05 日立オートモティブシステムズ株式会社 移動体軌道予測システム
JP2018534205A (ja) 2016-02-11 2018-11-22 三菱電機株式会社 車両の運動を制御する方法、及び車両の制御システム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2337386B (en) * 1996-09-09 2001-04-04 Dennis J Dupray Location of a mobile station
CN1986306B (zh) * 2005-12-22 2013-01-09 日产自动车株式会社 车辆用驾驶操作辅助装置以及具备它的车辆
JP4148276B2 (ja) * 2006-05-09 2008-09-10 ソニー株式会社 位置推定装置、位置推定方法及びプログラム記録媒体
JP4893118B2 (ja) * 2006-06-13 2012-03-07 日産自動車株式会社 回避制御装置、この回避制御装置を備える車両および回避制御方法
JP4978494B2 (ja) * 2008-02-07 2012-07-18 トヨタ自動車株式会社 自律移動体、及びその制御方法
EP2681085B1 (de) * 2011-03-01 2017-05-10 Continental Teves AG & Co. oHG Verfahren und vorrichtung zur prädiktion und adaption von bewegungstrajektorien von kraftfahrzeugen
DE102013101639A1 (de) * 2013-02-19 2014-09-04 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands
WO2015068193A1 (ja) * 2013-11-05 2015-05-14 株式会社日立製作所 自律移動システム
WO2016077506A1 (en) * 2014-11-11 2016-05-19 Bent Image Lab, Llc Accurate positioning of augmented reality content
US9604639B2 (en) * 2015-08-28 2017-03-28 Delphi Technologies, Inc. Pedestrian-intent-detection for automated vehicles
US11262762B2 (en) * 2015-09-25 2022-03-01 Apple Inc. Non-solid object monitoring
KR101714273B1 (ko) * 2015-12-11 2017-03-08 현대자동차주식회사 자율 주행 시스템의 경로 제어 방법 및 그 장치
KR101795250B1 (ko) * 2016-05-03 2017-11-07 현대자동차주식회사 자율주행차량의 주행경로 계획장치 및 방법
US20180033318A1 (en) * 2016-07-29 2018-02-01 Ge Aviation Systems Llc Sense and avoid maneuvering
US10127818B2 (en) * 2017-02-11 2018-11-13 Clear Commute Ventures Pty Ltd Systems and methods for detecting and avoiding an emergency vehicle in the proximity of a substantially autonomous vehicle
US10449958B2 (en) * 2017-02-15 2019-10-22 Ford Global Technologies, Llc Feedback-based control model generation for an autonomous vehicle

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002260192A (ja) 2001-03-05 2002-09-13 Natl Inst For Land & Infrastructure Management Mlit 歩行者衝突防止支援方法及びその装置
JP2006154967A (ja) 2004-11-25 2006-06-15 Nissan Motor Co Ltd リスク最小軌跡生成装置およびこれを用いた危険状況警報装置
JP2008065755A (ja) 2006-09-11 2008-03-21 Hitachi Ltd 移動装置
JP2008158969A (ja) 2006-12-26 2008-07-10 Toyota Motor Corp 移動体周囲危険度判定方法、装置、およびプログラム
JP2009184497A (ja) 2008-02-06 2009-08-20 Nissan Motor Co Ltd 車両用運転操作支援装置
JP2011248445A (ja) 2010-05-24 2011-12-08 Toyota Central R&D Labs Inc 可動物予測装置及びプログラム
JP2012118909A (ja) 2010-12-03 2012-06-21 Nissan Motor Co Ltd 走行支援装置
JP2017013749A (ja) 2015-07-06 2017-01-19 トヨタ自動車株式会社 自動運転車両の制御装置
JP2018534205A (ja) 2016-02-11 2018-11-22 三菱電機株式会社 車両の運動を制御する方法、及び車両の制御システム
JP2018055141A (ja) 2016-09-26 2018-04-05 日立オートモティブシステムズ株式会社 移動体軌道予測システム

Also Published As

Publication number Publication date
US10800408B2 (en) 2020-10-13
US20190359205A1 (en) 2019-11-28
JP2019204509A (ja) 2019-11-28
CN110531749A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
JP7003087B2 (ja) 移動障害物を回避する自動運転のための運転経路の決定
JP7094250B2 (ja) 自動運転車両のための経路に沿った速度の調整
JP6845874B2 (ja) 自動運転車のための経路及び速度の最適化フォールバックメカニズム
CN109947090B (zh) 用于自动驾驶车辆规划的非阻塞边界
JP6906011B2 (ja) オブジェクトの二次元境界枠を自動運転車両の三次元位置に転換するための方法［ｍｅｔｈｏｄ ｆｏｒ ｔｒａｎｓｆｏｒｍｉｎｇ ２ｄ ｂｏｕｎｄｉｎｇ ｂｏｘｅｓ ｏｆ ｏｂｊｅｃｔｓ ｉｎｔｏ ３ｄ ｐｏｓｉｔｉｏｎｓ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｄｒｉｖｉｎｇ ｖｅｈｉｃｌｅｓ （ａｄｖｓ）］
JP6873170B2 (ja) 加速カーブの投影に用いられるシステム及び方法
JP6967051B2 (ja) 自動運転車両のための人間の運転行動を模倣する２段階基準線平滑化方法
US11520335B2 (en) Determining driving paths for autonomous driving vehicles based on map data
JP7108583B2 (ja) 自動運転車両のための曲率補正経路サンプリングシステム
US10823575B2 (en) Reference line smoothing method using piecewise spiral curves with weighted geometry costs
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
JP7072581B2 (ja) 自動運転車両の経路計画のための運転シナリオに基づく車線ガイドライン
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
US11199842B2 (en) Determining driving paths for autonomous driving using parallel processing
US11099017B2 (en) Determining driving paths for autonomous driving vehicles based on offset points
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
JP7043466B2 (ja) 自動運転車両のための以前の運転軌跡に基づくリアルタイムマップ生成方法
JP7001708B2 (ja) 自動運転車の高速計画のための多項式フィッティングベースの基準線平滑化方法
JP7149288B2 (ja) 自動運転車両のための螺旋曲線に基づく垂直駐車計画システム
CN112146680B (zh) 基于特征图确定消失点
CN112232104A (zh) 使用相对距离表示消失点
CN112149484A (zh) 基于车道线确定消失点
CN112020686A (zh) 用于自动驾驶的基于qp样条路径和螺旋路径的参考线平滑方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190529

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190529

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200730

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200804

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201104

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210525

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210824

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211221

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211228

R150 Certificate of patent or registration of utility model

Ref document number: 7003087

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150