KR102211299B1 - 곡선 투영을 가속화하기 위한 시스템 및 방법 - Google Patents

곡선 투영을 가속화하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102211299B1
KR102211299B1 KR1020190013717A KR20190013717A KR102211299B1 KR 102211299 B1 KR102211299 B1 KR 102211299B1 KR 1020190013717 A KR1020190013717 A KR 1020190013717A KR 20190013717 A KR20190013717 A KR 20190013717A KR 102211299 B1 KR102211299 B1 KR 102211299B1
Authority
KR
South Korea
Prior art keywords
obstacle
adv
autonomous vehicle
distance
point
Prior art date
Application number
KR1020190013717A
Other languages
English (en)
Other versions
KR20190100856A (ko
Inventor
동 리
량량 장
이페이 지앙
지앙타오 후
Original Assignee
바이두 유에스에이 엘엘씨
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 바이두 유에스에이 엘엘씨 filed Critical 바이두 유에스에이 엘엘씨
Publication of KR20190100856A publication Critical patent/KR20190100856A/ko
Application granted granted Critical
Publication of KR102211299B1 publication Critical patent/KR102211299B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

본 출원에는 자율 주행 차량의 네비게이션을 조정하는 방법, 시스템 및 저장 매체가 제공된다. 상기 방법은 자율 주행 차량(ADV)의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 효율적으로 판단할 수 있다. 장애물의 궤적은 다수의 순서적인 포인트{P0..PM}로 표시되고, ADV의 기준 라인은 다수의 순서적인 포인트 {R0..RN}로 표시되며, 여기서, N＞M이다. 장애물과 ADV가 같은 방향에서 진행할 경우, 장애물 궤적 상의 제1 포인트 P0에 대해, ADV는 {R0..RN}에서 P0으로부터 기준 라인까지의 거리가 가장 작은 포인트 S0를 검색한다. 나머지 장애물 포인트 중의 각 포인트 Pi에 대해, 최소거리 포인트 Si에 대한 검색은 기준 라인 Si-1에서부터 RN까지의 부분에 제한된다. 장애물과 ADV가 반대 방향으로 진향할 경우, 상기 검색 과정은 유사한 방식으로 PM에서부터 P0까지 진행될 수 있다.

Description

곡선 투영을 가속화하기 위한 시스템 및 방법{SYSTEMS AND METHODS FOR ACCELERATED CURVE PROJECTION}
본 개시의 실시예는 전체적으로 자율 주행 차량의 동작에 관한 것이다. 더욱 상세하게, 본 개시의 실시예는 장애물의 궤적이 자율 주행 차량(ADV)의 기준 라인 상에서의 투영을 확저하는 것에 관한 것이다.
자율 주행 모드에서(예를 들어, 운전자 없이) 운행하는 차량은 탑승자, 특히 운전자의 운전 관련 일부 책무를 덜어줄 수 있다. 자율 주행 모드에서 작동할 때, 차량은 온보드 센서를 사용하여 다양한 위치들로 내비게이트될 수 있고, 그 결과 최소한의 인간과의 상호 작용으로 또는 일부의 경우 승객 없이 차량이 이동하는 것이 허용된다.
차량은 기준 라인을 이용하여 네비게이션을 진행할 수 있다. 기준 라인은 자율 주행 차량이 주위에 장애물이 없는 상태에서 주행하는 경로를 가리킨다. 도로 차선 상의 하나 또는 다수의 장애물은 각각의 궤적을 구비할 수 있다. 각각의 장애물에 대해, ADV는 장애물의 궤적이 ADV의 기준 라인 상에서의 투영을 확정함으로써, 장애물 궤적 상의 다수의 포인트에서 장애물과 ADV 기준 라인의 근접정도에 기반하여 주행 판단을 진행할 수 있다. 장애물의 궤적 상의 점(x，y)으로부터 ADV의 기준 라인 상의 포인트까지의 투영에 대한 계산의 시간 코스트는 O(n)에 근사하며, 여기서, n은 장애물의 궤적 상의 포인트의 수량을 표시한다. ADV의 계획 모듈은 각각의 장애물의 궤적을 ADV의 기준 라인 상에 투영하여 ADV가 도로 차선 상의 각각의 장애물과 안전 주행 거리를 유지하도록 확보하여야 한다. 차량과 같은 장애물이 ADV의 기준 라인 상에서의 투영은 계산적으로 비용이 많이 들고 각각의 장애물에 대해 투영을 수행하는 빈도를 제한할 수 있다. ADV의 부근에 대량의 장애물(예를 들어, 차량, 행인 및 기타 장애물)이 존재할 경우, 계산의 복잡성은 더욱 복합화된다.
본 출원의 일 측면에서 자율 주행 차량의 장애물의 궤적이 상기 자율 주행 차량의 네비게이션 조정을 요구하는지 여부를 판단하는 컴퓨터 실현 방법이 제공되고, 상기 방법은, 제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 단계; 제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비케이션의 기준 라인을 확정하는 단계; 상기 장애물과 상기 자동 주행 차량이 같은 방향으로 이동하는 것에 응답하여: P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인 S0∈{R0..RN}을 찾아내고, 각각의 포인트Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 단계; 및 임의의 i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 단계;를 포함한다.
본 출원의 실시예에 따르면, 상기 방법은, 상기 장애물과 상기 자동 주행 차량이 서로 반대 방향으로 이동하는 것에 응답하여: PM에서부터 SM까지의 거리가 PM에서부터 {R0..RN} 중 임의의 한 포인트까지의 최소거리인 SM∈{R0..RN}을 찾아내고, 각각의 포인트 Pi∈{P0..PM-1}(여기서, i=M-1 내지 0)에 대해, {R0..Si+1}에서 Pi에서부터 Si까지의 거리가 Pi에서부터 {R0..Si+1} 중 임의의 한 포인트까지의 최소거리인 포인트 Si를 찾아내는 단계;를 더 포함한다.
본 출원의 실시예에 따르면, 상기 장애물이 상기 자율 주행 차량에 대해 이동하는 방향은 이하 항목 중 적어도 하나에 의해 확정되되, 상기 항목은, 고해상도 지도를 이용하여 상기 장애물의 도로 차선의 방향 및 상기 자율 주행 차량의 도로 차선의 방향을 확정하고 상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물이 상기 장애물의 도로 차선의 방향을 따라 이동하는지 여부와 상기 자율 주행 차량이 상기 자율 주행 차량의 도로 차선의 방향을 따라 이동하는지 여부를 확정하는 것; 또는 상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물의 주행 방향 θOBS, 상기 자율 주행 차량의 주행 방향 θADV을 확정하고, 나아가: θADV - θOBS의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동함을 확정하고, θADV - θOBS - 180°의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동함을 확정하는 것;을 포함한다.
본 출원의 실시예에 따르면, 상기 주행 방향 한계값은 30° 내지 40° 범위를 갖는다.
본 출원의 실시예에 따르면, M=100이고, N=1000이다.
본 출원의 실시예에 따르면, 상기 방법은, i=1 내지 M-1에 대해, {P0..PM} 중 각각의 Pi와 Pi+1 사이에
Figure 112019013106364-pat00001
개의 포인트를 삽입하는 단계; 각각의 Pi(여기서, Pi∈{P1..PN}이고, i=1 내지 N)에 대한 Si를 찾아내도록 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 단계;를 더 포함하되, 상기 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 단계는, 각각의 포인트Pi∈{P1..PN}에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 것을 포함한다.
본 출원의 다른 일 측면에서 명령어가 저장된 비일시적 기계 판독 가능한 매체가 제공되고, 상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은, 제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작; 제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비케이션의 기준 라인을 확정하는 동작; 상기 장애물과 상기 자동 주행 차량이 같은 방향으로 이동하는 것에 응답하여: P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인S0∈{R0..RN}을 찾아내고, 각각의 포인트Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인Si∈{Si-1..RN}를 찾아내는 동작; 임의의i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함한다.
본 출원의 또 다른 일 측면에서 데이터 처리 시스템이 제공되고, 상기 데이터 처리 시스템은 프로세서 및 저장 장치를 포함하며, 상기 저장 장치는 상기 프로세서에 연결되어 명령어를 저장하고, 상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은, 제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작; 제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비케이션의 기준 라인을 확정하는 동작; 상기 장애물과 상기 자동 주행 차량이 같은 방향으로 이동하는 것에 응답하여: P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인 S0∈{R0..RN}을 찾아내고, 각각의 포인트 Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 동작; 임의의 i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함한다.
첨부된 도면의 각 도형에서 본 발명의 실시예들을 한정적으로 아니라, 예시적으로 도시하였고, 첨부된 도면에 있어서, 동일한 첨부 기호는 유사한 소자들을 지칭한다.
도 1은 일 실시예에 따른 네트워킹 시스템을 나타내는 블록도이다.
도 2는 일 실시예에 따른 자율 주행 차량의 일 예를 나타내는 블록도이다.
도 3A 내지 도 3B는 일부 실시예에 따른 자율 주행 차량와 함께 사용되는 인지 및 계획 시스템의 일 예를 나타내는 블록도이다.
도 4는 일 실시예에 따른 결정 및 계획 과정의 예시를 보여주는 블록도이다.
도 5A는 일 실시예에 따른 결정 모듈의 예시를 보여주는 블록도이다.
도 5B는 일 실시예에 따른 계획 모듈의 예시를 보여주는 블록도이다.
도 6A 내지 도 6C는 일 실시예에 따라 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 예시를 보여준다.
도 7A 내지 도 7C는 일 실시예에 따라 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 예시를 보여준다.
도 8은 일 실시예에 따른 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 방법의 흐름도를 보여준다.
도 9A 및 도 9B는 일 실시예에 따른 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 방법의 흐름도를 보여준다.
도 10은 일 실시예에 따른 데이터 처리 시스템의 블록도를 보여준다.
본 발명의 다양한 실시예 및 양태들은 이하 상세한 설명을 참조하여 설명되며, 첨부된 도면들은 다양한 실시예들을 나타낸다. 아래의 설명 및 도면들은 본 발명의 예시일 뿐, 본 발명을 한정하는 것으로 해석되어서는 안된다. 다수의 구체적인 세부 사항들이 본 발명의 각 실시예들에 대한 충분한 이해를 제공하기 위해 설명된다. 그러나, 특정 경우에 있어서, 본 발명에 대한 간결한 설명을 제공하기 위해, 공지된 또는 종래의 세부 사항들에 대한 설명은 생략되었다.
본 명세서에서 "일 실시예(one embodiment)" 또는 "실시예(an embodiment)"라고 지칭하는 것은 실시예에 관련하여 설명한 구체적인 특징, 구조 또는 특성이 본 발명의 적어도 하나의 실시예에 포함될 수 있음을 의미한다. 본 명세서의 여러 부분에서 관용구 "일 실시예에 있어서"가 기재될 경우, 이는 항상 동일한 실시예를 가리켜야만 하는 것은 아니다.
일부 실시예에 따르면, ADV는 장애물의 궤적이 ADV의 네비게이션에 대한 조정을 요구하는 지 여부를 확저하는 장애물 처리 모듈을 포함한다. 장애물은 ADV에 대해 네비게이션할 경우, ADV의 인지 및 계획 모듈이 고려하여야 할 물체(일반적으로 이동물체를 가리킴)를 표시한다. 장애물 처리 모듈은 단일 ADV에 대해 다수의 장애물을 처리할 수 있다. ADV의 인지 및 계획 모듈은 장애물을 추적하고 각각의 장애물 궤적라인으로부터 ADV까지의 거리를 확정한다. 장애물 궤적라인은 예를 들어 100개의 포인트로 표시할 수 있다. ADV의 인지 및 계획 모듈은 ADV에 대해 네비게이션 기준 라인을 생성할 수도 있다. 상기 네비게이션 기준 라인은 ADV에 대해 계획한 루트를 가리킨다. ADV 기준 라인은 예를 들어 1000개의 포인트로 표시될 수 있다. 장애물의 궤적 상의 각각의 포인트에 대해, 인지 및 계획 모듈은 ADV 기준 라인과 가장 가까운 포인트를 확정할 수 있고, 상기 포인트는 장애물 궤적 포인트로부터 ADV 기준 라인까지의 최소거리를 나타낸다. 수학적 용어로 설명하면, 장애물 궤적라인의 각각의 포인트는 ADV 기준 라인의 포인트에 투영된다. 장애물 궤적라인의 각각의 포인트에 대해, 장애물 궤적라인 포인트와ADV 기준 라인의 포인트 상에서의 상기 장애물 궤적라인 포인트의 투영 사이의 거리를 확정한다. 장애물이 그의 궤적라인을 따르고 ADV가 그의 네비게이션 기준 라인을 따른다고 가정할 경우, 장애물 궤적 포인트와 ADV 기준 라인의 포인트 상에서의 장애물 궤적 포인트의 투영 사이의 거리의 최소값은 장애물이 ADV에 가장 가까운 경우에 대응될 수 있다. 장애물이 ADV의 최소 거리 한계값 범위 내에 위치할 경우, ADV 네비게이션을 조정함으로써 장애물을 회피하여야 할 수 있다.
일 측면에 따르면, 장애물이 ADV와 실질적으로 같은 방향으로 이동하는지 여부를 판단하거나, 또는 장애물이 ADV와 실절적으로 반대되는 방향으로 이동하는지 여부를 판단하는 방법이 제시된다. 상기와 같은 경우 중 어느 하나에 있어서, ADV의 인지 및 계획 모듈은 장애물의 궤적 및 ADV의 네비게이션 기준 라인을 확정할 수 있고, 장애물이 그의 궤적라인을 따르고 ADV가 그의 네비게이션 기준 라인을 따르는 상태에서 장애물과 ADV가 이격될 수 있는 최소거리를 효율적으로 확정할 수 있다. 장애물과 ADV가 같은 방향 또는 반대 방향으로 이동되지 않을 경우, 인지 및 계획 시스템은 본 명세서에서 설명되는 장애물 회피 과정 이외의 장애물 회피 과정을 수행할 수 있다.
실시예에 있어서, 비일시적 컴퓨터 판독 가능한 매체에는 실행 가능한 명령어가 저장되고, 이러한 명령어가 프로세서에 의해 실행될 경우, 상기 임의의 기능을 수행할 수 있다.
다른 일 실시예에 있어서, 실행 가능한 명령어를 이용하여 프로그램화된 저장 장치에 연결된 처리 시스템은 이러한 명령어가 처리 시스템에 의해 실행될 경우 상기 임의의 기능을 수행할 수 있다. 실시예에 있어서, 처리 시스템은 적어도 하나의 하드웨어 프로세서를 포함한다.
도 1은 본 개시의 일 실시예에 따른 자율 주행 차량 네트워크 구성을 나타내는 블록도이다. 도 1을 참조하면, 네트워크 구성(100)은, 네트워크(102) 상에서 하나 이상의 서버(103-104)와 통신 가능하게 결합될 수 있는 자율 주행 차량(101)을 포함한다. 하나의 자율 주행 차량이 도시되어 있지만, 다수의 자율 주행 차량이 서로 결합될 수 있고/있거나 네트워크(102)를 통해 서버들(103-104)에 결합될 수 있다. 네트워크(102)는 근거리 네트워크(LAN), 인터넷과 같은 광역 네트워크(WAN), 셀룰러 네트워크, 위성 네트워크 또는 이들의 조합과 같은 유선 또는 무선의 임의의 유형의 네트워크일 수 있다. 서버(들)(103-104)는 웹 또는 클라우드 서버, 애플리케이션 서버, 백엔드 서버 또는 이들의 조합과 같은 임의의 종류의 서버 또는 서버 클러스터일 수 있다. 서버(103-104)는 데이터 분석 서버, 콘텐츠 서버, 교통 정보 서버, 지도 및 관심 지점(MPOI: map and point of interest) 서버 또는 위치 서버 등일 수 있다.
자율 주행 차량은 차량이 운전자로부터의 입력이 거의 또는 전혀 없이 주변 환경을 내비게이트하는 자율 주행 모드로 구성될 수 있는 차량을 지칭한다. 이러한 자율 주행 차량은 차량이 운행되는 환경에 관한 정보를 검출하도록 구성된 하나 이상의 센서를 갖는 센서 시스템을 포함할 수 있다. 차량 및 관련 제어기(들)는 검출된 정보를 이용하여 주변 환경 사이로 내비게이트한다. 자율 주행 차량(101)은 수동 모드, 완전 자율 주행 모드 또는 부분 자율 주행 모드로 운행될 수 있다.
일 실시예에서, 자율 주행 차량(101)은 인지 및 계획 시스템(110), 차량 제어 시스템(111), 무선 통신 시스템(112), 사용자 인터페이스 시스템(113) 및 센서 시스템(115)을 포함하지만, 이에 한정되지 않는다. 자율 주행 차량(101)은, 예를 들어, 가속 신호 또는 명령, 감속 신호 또는 명령, 조향 신호 또는 명령, 제동 신호 또는 명령 등과 같은 다양한 통신 신호 및/또는 명령을 사용하여, 차량 제어 시스템(111) 및/또는 인지 및 계획 시스템(110)에 의해 제어될 수 있는, 엔진, 차륜(wheel), 스티어링 휠, 변속기 등과 같은, 일반 차량에 포함되는 특정 공통 구성 요소를 더 포함할 수 있다.
구성요소(110-115)는 인터커넥트(interconnect), 버스, 네트워크 또는 이들의 조합을 통해 서로 통신 가능하게 결합될 수 있다. 예를 들어, 구성요소(110-115)는, 제어기 영역 네트워크(CAN) 버스를 통해 서로 통신 가능하게 결합될 수 있다. CAN 버스는, 호스트 컴퓨터가 없는 어플리케이션들에서 마이크로 컨트롤러들과 장치들이 서로 통신할 수 있도록 설계된 차량 버스 표준이다. 그것은 메시지 기반 프로토콜로서, 원래는 자동차 내의 멀티플렉스(multiplex) 전기 배선을 위해 설계되었지만, 다른 많은 상황에서도 사용된다.
이제 도 2를 참조하면, 일 실시예에서, 센서 시스템(115)은, 하나 이상의 카메라(211), GPS(global positioning system) 유닛(212), 관성 측정 유닛(IMU)(213), 레이더 유닛(214) 및 광 검출 및 측정(LIDAR) 유닛(215)을 포함하지만, 이에 한정되지 않는다. GPS 시스템유닛(212)은 자율 주행 차량의 위치에 관한 정보를 제공하도록 동작 가능한 송수신기(트랜시버)를 포함할 수 있다. IMU 유닛(213)은, 관성 가속도에 기초하여 자율 주행 차량의 위치 및 방향(orientation) 변화를 감지할 수 있다. 레이더 유닛(214)은, 무선 신호를 활용하여 자율 주행 차량의 로컬 환경 내의 물체들을 감지하는 시스템을 나타낼 수 있다. 일부 실시예들에서, 물체를 감지하는 것 외에, 레이더 유닛(214)은 물체의 속력 및/또는 진로(heading)를 추가로 감지할 수 있다. LIDAR 유닛(215)은, 레이저를 사용하여 자율 주행 차량이 위치한 환경 내의 물체들을 감지할 수 있다. LIDAR 유닛(215)은, 여러 시스템 구성 요소들 중에서, 하나 이상의 레이저 소스, 레이저 스캐너 및 하나 이상의 검출기를 포함할 수 있다. 카메라(211)는 자율 주행 차량을 둘러싸는 환경의 이미지를 캡쳐하기 위한 하나 이상의 장치를 포함할 수 있다. 카메라(211)는 정지 화상 카메라 및/또는 비디오 카메라일 수 있다. 카메라는, 예를 들어, 카메라를 회전 및/또는 틸팅 플랫폼에 장착함으로써, 기계적으로 이동 가능할 수 있다.
센서 시스템(115)은, 소나(sonar) 센서, 적외선 센서, 스티어링(조향) 센서, 스로틀 센서, 제동 센서 및 오디오 센서(예를 들어, 마이크로폰)와 같은 기타 센서들을 더 포함할 수 있다. 오디오 센서는 자율 주행 차량을 둘러싸는 환경에서 소리(sound)를 캡쳐하도록 구성될 수 있다. 스티어링 센서는, 스티어링 휠, 차량의 차륜 또는 이들의 조합의 스티어링 각도를 감지하도록 구성될 수 있다. 스로틀 센서 및 제동 센서는, 차량의 스로틀 위치 및 제동 위치를 각각 감지한다. 일부 상황에서는, 스로틀 센서와 제동 센서가 통합 스로틀/제동 센서로 통합될 수 있다.
일 실시예에서, 차량 제어 시스템(111)은, 스티어링 유닛(201), 스로틀 유닛(202)(가속 유닛으로도 지칭됨) 및 제동 유닛(203)을 포함하나, 이에 한정되지 않는다. 스티어링 유닛(201)은, 차량의 방향 또는 진로(또는 주행 방향)을 조정하기 위한 것이다. 스로틀 유닛(202)은 모터 또는 엔진의 속력을 제어하여 차량의 속도 및 가속도를 순차적으로 제어하기 위한 것이다. 제동 유닛(203)은 차량의 차륜 또는 타이어를 감속시키도록 마찰을 제공함으로써 차량을 감속시키기 위한 것이다. 도 2에 도시된 구성 요소들은, 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다.
도 1을 다시 참조하면, 무선 통신 시스템(112)은, 자율 주행 차량(101)과, 장치들, 센서들, 기타 차량들 등과 같은 외부 시스템들 간의 통신을 가능하게 한다. 예를 들어, 무선 통신 시스템(112)은, 하나 이상의 장치들과 직접 또는 네트워크(102) 상의 서버들(103-104)과 같은 통신 네트워크를 통해 무선 통신할 수 있다. 무선 통신 시스템(112)은, 임의의 셀룰러 통신 네트워크 또는 무선 근거리 네트워크(WLAN)를 사용할 수 있으며, 예를 들어, 기타 구성 요소 또는 시스템과 통신하기 위해 WiFi를 사용할 수 있다. 무선 통신 시스템(112)은, 예를 들어, 적외선 링크, 블루투스 등을 사용하여, 장치(예를 들어, 승객의 모바일 장치, 디스플레이 장치, 차량(101) 내의 스피커)와 직접 통신할 수 있다. 사용자 인터페이스 시스템(113)은, 예를 들어, 키보드, 터치 스크린 디스플레이 장치, 마이크로폰 및 스피커 등을 포함하는 차량(101) 내에 구현되는 주변 장치들의 일부일 수 있다.
자율 주행 차량(101)의 일부 또는 모든 기능은, 특히 자율 주행 모드에서 운행될 때, 인지 및 계획 시스템(110)에 의해 제어되거나 관리될 수 있다. 인지 및 계획 시스템(110)은, 센서 시스템(115), 제어 시스템(111), 무선 통신 시스템(112) 및/또는 사용자 인터페이스 시스템(113)으로부터 정보를 수신하고, 수신된 정보를 처리하고, 출발점에서 목적지포인트까지의 루트(route) 또는 경로를 계획한 다음, 계획 및 제어 정보에 기반하여 차량(101)을 주행하기 위해, 필요한 하드웨어(예를 들어, 프로세서(들), 메모리, 저장 장치) 및 소프트웨어(예를 들어, 운영 체계, 계획 및 루트 배정(routing) 프로그램)을 포함한다. 대안적으로, 인지 및 계획 시스템(110)은 차량 제어 시스템(111)과 통합될 수 있다.
예를 들어, 승객인 사용자는, 예를 들어, 사용자 인터페이스를 통해 여행의 출발 위치 및 목적지를 지정할 수 있다. 인지 및 계획 시스템(110)은 여행 관련 데이터를 획득한다. 예를 들어, 인지 및 계획 시스템(110)은 서버들(103-104)의 일부일 수 있는 MPOI 서버로부터 위치 및 루트 정보를 획득할 수 있다. 상기 루트는 자율 주행 차량이 따라야 할 네이케이션 루트를 포함할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 맵 서비스와 특정 위치들의 POI들을 제공한다. 대안적으로, 이러한 위치 및 MPOI 정보는 인지 및 계획 시스템(110)의 영구 저장 장치 로컬에 캐시될 수 있다.
자율 주행 차량(101)이 루트를 따라 이동하는 동안, 인지 및 계획 시스템(110)은 교통 정보 시스템 또는 서버(TIS)로부터 실시간 교통 정보도 획득할 수 있다. 서버(103-104)는 제3자 엔티티에 의해 운영될 수 있다. 대안적으로, 서버들(103-104)의 기능들은 인지 및 계획 시스템(110)과 통합될 수 있다. 인지 및 계획 시스템(110)은, 실시간 교통 정보, MPOI 정보 및 위치 정보뿐만 아니라 센서 시스템(115)에 의해 검출 또는 감지된 실시간 로컬 환경 데이터(예를 들어, 장애물, 물체, 주변 차량)에 기반하여, 예를 들어, 제어 시스템(111)을 통해, 최적의 루트를 계획하고, 지정된 목적지에 안전하고 효율적으로 도착하기 위해 계획된 루트에 따라 차량(101)을 주행할 수 있다. 상기 계획된 루트는 네비게이션 기준 라인을 포함할 수 있다.
서버(103)은 다양한 클라이언트에 대해 데이터 분석 서비스를 제공하는 데이터 분석 시스템일 수 있다. 일 실시예에 있어서, 데이터 분석 시스템(103)은 데이터 컬렉터(121) 및 기계 학습 엔진(122)을 포함한다. 데이터 컬렉터(121)는 자율 주행 차량 또는 인간 운전자가 운전하는 일반적인 차량을 포함한 다양한 차량들로부터 주행 통계 데이터(123)를 수집한다. 주행 통계 데이터(123)는 내려진 주행 명령(예를 들어, 스로틀, 브레이크, 조향 명령)을 가리키는 정보 및 서로 다른 시점에서 차량의 센서에 의해 획득한 차량 응답(예를 들어, 속도, 가속, 감속, 방향)을 포함한다. 주행 통계 데이터(123)는 서로 다른 시점에서의 주행 환경, 예를 들어, 루트(시작 위치 및 목적지 위치를 포함함), MPOI, 도로 상황, 기상 상태 등을 반영하는 정보를 더 포함할 수 있다.
주행 통계 데이터(123)에 기반하여, 기계 학습 엔진(122)은 다양한 목적으로 규칙 집합, 알고리즘 및/또는 예측 모델(124)을 생성하고 트레닝한다. 일 실시예에 있어서, 예를 들어, 알고리즘(124)은 경로 계획 및 속도 계획에 대해 최적화하는 최적화 방법을 포함할 수 있다. 상기 최적화 방법은 경로 구간 또는 시간 구간을 표시하는 코스트 함수 및 다항식 함수의 집합을 포함할 수 있다. 이러한 기능들은 자율 주행 차량에 업로드되어, 실시간으로 평탄한 경로를 생성하는데 이용될 수 있다.
도 3A 및 도 3B는 일 실시예에 따른 자율 주행 차량과 함께 사용되는 인지 및 계획 시스템의 일례를 나타내는 블록도이다. 시스템(300)은, 도 1의 자율 주행 차량(101)의 일부로서 구현될 수 있으며, 인지 및 계획 시스템(110), 제어 시스템(111) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 도 3A 및 도 3B을 참조하면, 인지 및 계획 시스템(110)은 로컬라이제이션(localization) 모듈(301), 인지 모듈(302), 예측 모듈(303), 결정 모듈(304), 계획 모듈(305), 제어 모듈(306), 루트 배정 모듈(307) 및 장애물 처리 모듈(308)을 포함하나, 이에 제한되지 않는다.
모듈들(301-308)의 일부 또는 전부는 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이들 모듈은 영구 저장 장치(352)에 설치되고, 메모리(351)에 로딩되며, 하나 이상의 프로세서(미도시)에 의해 실행될 수 있다. 이들 모듈 중 일부 또는 전부는, 도 2의 차량 제어 시스템(111)의 일부 또는 모든 모듈들과 통신 가능하게 결합되거나 통합될 수 있다. 모듈들(301-308) 중 일부는 통합 모듈로서 서로 통합될 수 있다. 예를 들어, 결정 모듈(304)과 계획 모듈(305)이 단일 모듈로 통합될 수 있고, 루트 배정 모듈(307)과 장애물 처리 모듈(308)이 단일 모듈로 통합될 수 있다.
로컬라이제이션 모듈(301)은 예를 들어, GPS 유닛(212)을 이용하여 자율 주행 차량(300)의 현재 위치를 확정하고 사용자의 여정 또는 루트에 연관된 임의의 데이터를 관리한다. 로컬라이제이션 모듈(301)(맵 및 루트 모듈이라고도 함)은 사용자의 여정 또는 루트와 관련된 임의의 데이터를 관리한다. 사용자는, 예를 들어, 사용자 인터페이스를 통해 로그인하고 여행의 출발 위치 및 목적지를 지정할 수 있다. 로컬라이제이션 모듈(301)은, 맵 및 루트 정보(311)와 같은 자율 주행 차량(300)의 기타 구성 요소와 통신하여 여행 관련 데이터를 획득한다. 예를 들어, 로컬라이제이션 모듈(301)은 위치 서버, 및 맵 및 POI(MPOI) 서버로부터 위치 및 루트 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 맵 서비스와 특정 위치들의 POI들을 제공하며, 이는 맵 및 루트 정보(311)의 일부로서 캐시될 수 있다. 자율 주행 차량(300)이 루트를 따라 이동하는 동안, 로컬라이제이션(localization) 모듈(301)은 교통 정보 시스템 또는 서버로부터 실시간 교통 정보도 획득할 수 있다.
센서 시스템(115)에 의해 제공되는 센서 데이터 및 로컬라이제이션 모듈(301)에 의해 획득되는 로컬라이제이션 정보에 기반하여, 인지 모듈(302)에 의해 주변 환경의 인지(perception)가 결정된다. 인지 정보는 일반 운전자가 그가 주행하는 차량 주위를 어떻게 인지(perceive)하는지를 나타낼 수 있다. 인지(perception)는 예를 들어, 물체의 형태의 차로 구성(예를 들어 직선 차로 또는 곡선 차로), 신호등 신호, 기타 차량의 상대적 위치, 보행자, 건물, 횡단 보도 또는 기타 교통 관련 표지판(예를 들어, 정지 표지판, 양보(yield) 표지판) 등을 포함할 수 있다. 물체는 ADV(101)에 대한 네비게이션 경로 상의 장애물일 수 있다.
인지 모듈(302)은, 자율 주행 차량의 환경에서 물체 및/또는 특징을 식별하기 위해, 하나 이상의 카메라에 의해 캡쳐된 이미지를 처리 및 분석하는 컴퓨터 비전 시스템 또는 컴퓨터 비전 시스템의 기능을 포함할 수 있다. 물체는 교통 신호, 도로 경계, 다른 차량, 보행자 및/또는 장애물 등을 포함할 수 있다. 컴퓨터 비전 시스템은 물체 인식 알고리즘, 비디오 추적 및 다른 컴퓨터 비전 기술을 사용할 수 있다. 일부 실시예에서, 컴퓨터 비전 시스템은, 환경을 매핑하고, 물체를 추적하고, 물체의 속도 추정 등을 할 수 있다. 인지 모듈(302)은 RADAR 및/또는 LIDAR와 같은 별도의 센서에 의해 제공되는 기타 센서 데이터에 기반하여 물체를 검출할 수도 있다.
각각의 물체에 대해, 예측 모듈(303)은 다양한 상황에서 물체가 어떠한 동작을 진행할지에 대해 예측한다. 상기 예측은 맵/루트 정보(311) 및 교통 규칙(312)의 집합에 따라, 각 시점에서의 주행 환경을 인지함으로써 획득한 인지 데이터에 기반하여 실행된다. 예를 들어, 물체가 반대 방향에 위치한 차량이고 현재 주행 환경에는 교차로가 포함될 경우, 예측 모듈(303)은 상대 차량이 앞방향으로 직선 이동하거나 또는 선회할 것으로 예측한다. 인지 데이터가 교차로에 교통 신호등이 없음을 가리킬 경우, 예측 모듈(303)은 차량이 교차로에 진입하기 전에 완전히 멈춰야 할 수 있음을 예측할 수 있다. 인지 데이터가 차량이 현재 좌회전 차선 또는 우회전 차선에 위치함을 가리킬 경우, 예측 모듈(303)은 각각 차량이 좌회전 또는 우회전할 가능성이 높은 것으로 예측할 수 있다.
특정 물체(예를 들어, 교차 도로 중의 다른 한 차량) 및 해당 물체를 나타내는 메타 데이터(예를 들어, 속도, 방향, 조향 각도)에 대해, 결정 모듈(304)은 어떠한 방식으로 물체와 대면할지를 결정한다(예를 들어, 추월, 양보, 정지, 통과). 결정 모듈(304)은 영구 저장 장치(352)에 저장된 교통 규칙 또는 주행 규칙(312)과 같은 규칙 집합에 따라 이러한 결정을 내릴 수 있다.
인지된 물체들 각각에 대한 결정에 기반하여, 계획 모듈(305)은 자율 주행 차량에 대한 네비게이션 경로 또는 루트 뿐만 아니라 주행 파라미터(예를 들어, 거리, 속도 및/또는 회전 각도)를 계획한다. 인지 및 계획 시스템(110)은 네비게이션 경로 또는 루트에 기반하여 자율 주행 차량에 대해 네비게이션 기준 라인을 생성할 수 있다. 즉, 주어진 물체에 대해, 결정 모듈(304)은 물체에 대한 처리를 결정하고, 계획 모듈(305)은 그것을 어떻게 수행할지를 결정한다. 예를 들어, 주어진 물체에 대해, 결정 모듈(304)은 물체를 지나가는 것으로 결정할 수 있는 반면, 계획 모듈(305)은 물체의 좌측 또는 우측으로 지나갈지를 결정할 수 있다. 계획 및 제어 데이터는 계획 모듈(305)에 의해 생성되고, 차량(300)이 다음 이동 주기(예를 들어, 다음 루트/경로 세그먼트)에서 어떻게 움직일 것인지를 기술하는 정보를 포함한다. 예를 들어, 계획 및 제어 데이터는, 차량(300)이 시속 30 마일(mph)의 속력으로 10m 이동한 다음 25 mph의 속력으로 우측 차로로 변경하도록 지시할 수 있다.
계획 및 제어 데이터에 기반하여, 제어 모듈(306)은 계획 및 제어 데이터에 의해 정의된 루트 또는 경로에 따라, 차량 제어 시스템(111)에 적절한 명령 또는 신호를 전송함으로써 자율 주행 차량을 제어 및 주행한다. 계획 및 제어 데이터에는, 경로 또는 루트 상의 시간에 따른 상이한 시점에서 적절한 차량 설정 또는 주행 파라미터(예를 들어, 스로틀, 제동 및 선회 명령)를 사용하여 루트 또는 경로의 제1 지점에서 제2 지포인트까지 차량을 주행할 수 있는 충분한 정보가 포함되어 있다.
일 실시예에 있어서, 계획 단계는 다수의 계획 주기(또는 주행 주기로 지칭됨)로 나뉘어 수행된다. 예를 들어, 100밀리세컨드(ms)의 시간 간격으로 수행될 수 있다. 다수의 계획 주기 또는 주행 주기 각각에 대해, 계획 및 제어 데이터에 기반하여 하나 또는 다수의 제어 명령을 내린다. 다시 말하면, 매 100ms마다, 계획 모듈(305)은 예를 들어 목적지위치 및 ADV가 목적지 위치에 도달하기까지 소요되는 시간을 포함하여 다음 루트 구간 또는 경로 구간을 계획한다. 대안적으로, 계획 모듈(305)은 특정 속도, 방향 및/또는 조향 각도 등을 지정할 수도 있다. 실시예에 있어서, 계획 모듈(305)은 다음의 미리 정해진 기간(예를 들어, 5초)에 대한 루트 구간 또는 경로 구간을 계획한다. 각각의 계획 주기에 있어서, 계획 모듈(305)은 앞 주기에서 계획한 목적지 위치에 따라 현재 주기(예를 들어, 다음 5초)에 대한 목적지 위치를 계획한다. 그 다음, 제어 모듈(306)은 현재 주기의 계획 또는 제어 데이터에 기반하여 하나 또는 다수의 제어 명령(예를 들어, 스로틀, 브레이크, 조향 제어 명령)을 생성한다.
결정 모듈(304) 및 계획 모듈(305)은 통합 모듈로서 통합될 수 있다. 결정 모듈(304)/계획 모듈(305)은, 자율 주행 차량에 대한 주행 경로를 결정하기 위한 내비게이션 시스템 또는 내비게이션 시스템의 기능들을 포함할 수 있다. 예를 들어, 네비게이션 시스템은, 자율 주행 차량이 주행하는 동안 인지된 장애물을 실질적으로 피하면서 최종 목적지에 이르는 도로 기반 경로를 따라 이동할 수 있도록, 일련의 속도 및 주행 방향(directional heading)을 결정한다. 목적지는, 사용자 인터페이스 시스템(113)을 통한 사용자 입력에 따라 설정될 수 있다. 내비게이션 시스템은, 자율 주행 차량이 운행되는 동안 주행 경로를 동적으로 업데이트할 수 있다. 네비게이션 시스템은, 자율 주행 차량을 위한 주행 경로를 결정하기 위해 GPS 시스템 및 하나 이상의 지도로부터의 데이터를 통합할 수 있다.
결정 모듈(304)/계획 모듈(305)은 충돌 방지 시스템 또는 충돌 방지 시스템의 기능을 더 포함함으로써, 자율 주행 차량의 환경 속의 잠재적인 장애물들을 평가하고 피면 또는 기타 방식으로 넘을 수 있다. 예를 들어, 충돌 방지 시스템은 아래와 같은 방식으로 자율 주행 차량의 네비게이션 중의 변화를 실현할 수 있다: 제어 시스템(111) 중의 하나 또는 다수의 서브 시스템을 작동하여 스워빙(swerving) 동작, 턴 동작 또는 브레이킹 동작 등을 수행한다. 충돌 방지 시스템은 주위의 교통 패턴, 도로 상황 등에 따라 자동적으로 가능한 장애물 회피 동작을 확정할 수 있다. 충돌 방지 시스템은 기타 선세 시스템이 자율 주행 차량이 스워빙하여 진입할 인접 영역 내에 위치한 차량, 건축 장애물 등을 감지할 경우 스워빙 동작을 수행하지 않도록 구성될 수 있다. 충돌 방지 시스템은 자동적으로 사용 가능할 뿐만 아니라 자율 주행 차량의 승객의 안전성을 최적화 할 수 있는 동작을 선택할 수 있다. 충돌 방지 시스템은 자율 주행 차량의 승객실 내에서 가장 적은 량의 가속도를 일으키는 것으로 예측되는 회피 동작을 선택할 수 있다.
루트 배정 모듈(307)은 예를 들어 지도 정보(예를 들어, 도로 구간, 도로 구간의 차선 및 차선으로부터 커브(curb)까지의 거리에 관한 정보)에 의해 기준 라인을 생성할 수 있다.예를 들어, 도로는 {A, B 및 C} 섹션 또는 구간으로 나뉘어 3개의 도로 구간을 표시할 수 있다. 도로 구간A의 3개의 차선은 {A1, A2 및 A3}으로 예시될 수 있다 네비게이션 기준 라인 또는 네비게이션 기준 라인은 기준 라인에 따라 기준점을 생성함으로써 형성된다. 예를 들어, 차선에 대해, 루트 배정 모듈(307)은 지도 데이터에 의해 제공된 차선의 서로 마주하는 2개의 커브 또는 도로 가장자리의 중심점을 연결할 수 있다. 과거 서로 다른 시점에서 해당 차선에서 주행하였던 차량에 대해 수집한 데이터 포인터를 표시하는 기계 학습 데이터 및 상기 중간점에 기반하여, 루트 배정 모듈(307)은 차선의 미리 정해진 인접 범위 내에서 수집한 데이터 포인트의 서브 집합을 선택하고 수집한 데이터 포인트의 서브 집합에 따라 상기 중간점에 대해 평활 함수(smoothing function)를 적용함으로써 기준점을 산출할 수 있다.
基于기준점 또는 차선 기준점에 기반하여, 루트 배정 모듈(307)은 기준점에 대한 보간(interpolate)을 통해 기준 라인을 생성함으로써, 상기 생성된 기준 라인이 상기 차선 상의 ADV를 제어하기 위한 기준 라인으로 사용될 수 있도록 한다. 일부 실시예에 있어서, 기준 라인을 표시하는 기준점 테이블 및 도로 구간 테이블은 실시간으로 ADV에 다운로드됨으로써, ADV가 ADV의 지리적 위치 및 주행 방향에 따라 기준 라인을 생성한다. 예를 들어, 일 실시예에 있어서, ADV는 전방에 곧 나타날 도로 구간을 표시하는 경로 구간 식별자 및/또는 ADV의 GPS 위치에 기반하여 경로 구간에 대한 루트 배치 서비스를 요청함으로써, 기준 라인을 생성할 수 있다. 경로 구간 식별자에 기반하여, 루트 배치 서비스는 ADV 기준점 테이블에 리턴될 수 있고, 상기 ADV 기준점 테이블은 도로 구간 내의 모든 관심있는 차선의 기준점을 포함한다. ADV는 경로 구간의 차선의 기준점을 조회하여, 차선 상의 ADV를 제어하기 위한 기준 라인을 생성할 수 있다.
장애물 처리 모듈(308)은 자율 주행 차량의 네비게이션 경로의 장애물이 자율 주행 차량의 네비게이션에 대한 조정을 요구하는지 여부를 판단할 수 있다. 요구할 경우, 인지 및 계획 시스템(110)은 적절한 네비게이션의 변화를 판단할 수 있다. 장애물 처리 모듈(308)은 인지 및 계획 시스템(110)에 의해 인지된 각각의 물체 또는 장애물에 대해 궤적라인을 생성할 수 있다. 실시예에 있어서, 장애물 궤적라인은 포인트의 집합(예를 들어, 100개의 포인트)로 표시될 수 있다. 상기한 바와 같이, 계획 모듈(305)은 자율 주행 차량에 대해 네비게이션 기준 라인을 생성할 수 있다. 네비게이션 기준 라인은 포인트의 집합(예를 들어, 1000개의 포인트)로 표시될 수 있다. 장애물 처리 모듈(308)은 장애물 궤적라인 중 각각의 포인트에 대해 네비게이션 기준 라인 상에서 장애물 궤적의 포인트와의 거리가 가장 작은 포인트를 확정할 수 있다. 수학적 용어로 설명하면, 장애물 처리 모듈(308)은 장애물 궤적라인 상의 각각의 포인트를 자율 주행 차량의 네비게이션 루트에 투영하는 것에 근사하다. 투영에 근사하다고 하는 것은, 네비게이션 루트이 연속적인 것이 아니라, 포인트의 집합으로 표시되기 때문이다. 따라서, 장애물 궤적 상에서 네비게이션 기준 라인 포인트 집합 상의 단일 포인트와의 거리가 가장 작은 포인트는 장애물 궤적의 포인트가 네비게이션 기준 라인 상에서의 투영에 근사하다. 장애물이 자율 주행 차량에 가장 근접할 때가 곧 장애물 궤적 포인트가 네비게이션 기준 라인 포인트로의 투영의 거리가 가장 작을 때이다. 상기 최소값이 한계값보다 작을 경우, 계획 모듈(305)은 자율 주행 차량의 네비게이션을 조정하여 장애물을 회피하여야 할 수 있다.
상기한 바와 같이, 경로 또는 루트 배정 모듈(307)은 사용자의 여정 또는 루트에 관한 임의의 데이터를 관리한다. ADV의 사용자는 시작점 위치 및 목적지 위치를 지정하여 여정 관련 데이터를 획득한다. 여정 관련 데이터는 루트 구간 및 루트 구간의 기준 라인 또는 기준점을 포함한다. 예를 들어, 루트 맵 정보(311)에 기반하여, 루트 모듈(307)은 루스 또는 도로 구간 테이블 및 기준점 테이블을 생성한다. 기준점은 도로 구간 테이블 중의 도로 구간 및/또는 차선과 관련된다. 기준점은 보간에 의해 ADV를 제어하기 위한 하나 또는 다수의 기준 라인을 형성할 수 있다. 기준점은 도로 구간 및/또는 도로 구간의 구체적인 차선에만 한정될 수 있다.
예를 들어, 도로 구간 테이블은 도로 구간(A 내지 D)의 이전 차선 및 다음 차선을 포함하는, 쌍으로 구성된 명칭-값일 수 있다. 예를 들어, 차선(1)을 구비한 도로 구간(A 내지 D)에 있어서, 도로 구간 테이블은 {(A1, B1), (B1, C1), (C1, D1)}일 수 있다. 기준점 테이블은 도로 구간 차선에 대한 x-y 좌표 형식의 기준점을 포함할 수 있다. 예를 들어{(A1, (x1, y1)), (B1, (x2, y2)), (C1, (x3, y3)), (D1, (x4, y4))}일 수 있고, 여기서, A1 내지 D1은 도로 구간(A 내지 D)의 차선(1)을 표시하고, (x1, y1) 내지 (x4, y4)은 상응한 현실 세계의 좌표이다. 일 실시예에 있어서, 도로 구간 및/또는 차선은 미리 정해진 길이, 예를 들어, 약 200 미터의 도로 구간/차선으로 분할될 수 있다. 다른 일 실시예에 있어서, 예를 들어 도로의 곡률과 같은 도로 상황에 따라, 도로 구간 및/또는 차선은 가변 길이의 구간/차선으로 나뉠수 있다. 일부 실시예에 있어서, 각각의 도로 구간 및/또는 차선은 다수의 기준점을 포함할 수 있다. 일부 실시예에 있어서, 기준점은 예를 들어, 경위도와 같은 기타 좌표계로 전환될 수 있다.
일부 실시예에 있어서, 기준점은 예를 들어, 주행거리-횡편위(station-lateral) 좌표계와 같은 상대적 죄표계로 전환될 수 있다. 주행거리-횡편위 좌표계는 고정된 기준점을 참조하여 기준 라인을 따르는 좌표계이다. 예를 들어, (S, L)=(1, 0)좌표는 0미터의 횡편위를 갖는 기준 라인 상의 고정점(즉, 기준점)에 대해 앞방향으로 1미터를 가리킨다. (S, L)=(2, 1)기준점은 기준 라인을 따라 고정된 기준점에 대해 앞방향으로 2미터 및 기준 라인이 횡단방향으로 1미터, 예를 들어, 좌측으로 1미터 편위됨을 가리킨다.
일 실시예에 있어서, 결정 모듈(304)은 루트 배정 모듈(307)에 의해 제공된 기준 라인 및 ADV에 의해 인지된 ADV 주위의 장애물 및/또는 교통 정보에 기반하여 러프(rough) 경로 프로필을 생성한다. 러프 경로 프로필은 경로/속도 프로필(313)의 일부분일 수 있고, 상기 러프 경로 프로필은 영구 저장 장치(352)에 저장될 수 있다. 러프 경로 프로필은 기준 라인을 따라 포인트를 선택함으로써 생성된다. 각각의 포인트에 대해, 기타 포인트가 안정된 상태를 유지하는 상태에서, 결정 모듈(304)은 상기 물체와 어떻게 대면할지에 대한 하나 또는 다수의 장애물 결정에 따라 해당 포인트를 기준 라인의 좌측 또는 우측(예를 들어, 후보자 이동(candidate movements))으로 이동시킨다. 상기 후보자 이동은 후부자 경로에 대해 동적 프로그래밍을 적용하여 반복적으로 수행된다. 여기서, 도 3A의 코스트 함수(315)의 일부분인 코스트 함수를 이용하여 최소 경로 코스트를 구비한 후보자 경로를 검색함으로써, 러프 경로 프로필을 생성한다. 코스트 함수의 예시에는: 루트 경로의 곡률, ADV에서 인지된 장애물의 거리 및 ADV로부터 기준 라인까지의 거리에 기반한 코스트가 포함된다. 일 실시예에 있어서, 생성된 러프 경로 프로필은 주행거리-횡편위 맵을 포함하고, 상기 주행거리-횡편위 맵은 SL 맵/SL 그래프(314)의 일부분으로서 영구 저장 장치(352)에 저장될 수 있다.
일 실시예에 있어서, 결정 모듈(304)은 생성된 러프 경로 프로필에 기반하여 러프 속도 프로필(경로/속도 프로필(313)의 일부분)을 생성한다. 러프 속도 프로필은 특정 시점에서 ADV를 제어하기에 최적의 속도를 가리킨다. 러프 경로 프로필과 유사하게, 동적 프로그래밍을 이용하여 서로 다른 시점에서의 후보자 속도를 반복함으로써, ADV에 의해 인지된 장애물이 코스트 함수(도 3A의 코스트 함수(315)의 일부분)에 기반하여 최소 속도 코스트를 갖는 후보자 속도(예를 들어, 가속 또는 감속)를 검색한다. 러프 속도 프로필은 ADV가 장애물을 추월해야 하는지 아니면 회피해야 하는지 및 , 장애물의 좌측으로 주행해야 하는지 아니면 그의 우측으로 주행해야 하는지를 결정한다. 일 실시예에 있어서, 러프 속도 프로필은 주행거리-시간(ST; station-time) 맵(SL 맵/ST 그래프(314)의 일부분)을 포함한다. 주행거리-시간 맵은 주행한 거리와 시간의 관계를 나타낸다.
일 실시예에 있어서, 계획 모듈(305)은 장애물 결정 및/또는 인위적인 장애에 기반하여 러프 경로 프로필을 다시 계산하여 계획 모듈(305)이 상기 장애물의 기하학적 공간에 대해 검색하는 것을 금지한다. 예를 들어, 러프 속도 프로필이 좌측에서 장애물을 추월하도록 결정할 경우, 계획 모듈(305)은 장애물의 우측에 장애(장애물 형식)를 설치하여 ADV가 우측에서 장애물을 추월하는 것에 대해 계산하는 것을 방지한다. 일 실시예에 있어서, 이차 계획법(QP; quadratic programming)에 의해 경로 코스트 함수(코스트 함수(315의 일부분)을 최적화함으로써 러프 경로 프로필을 다시 계산한다. 일 실시예에 있어서, 재산출된 러프 경로 프로필은 주행거리-횡편위 맵(SL 맵/ST 그래프(314)의 일부분)을 포함한다.
일 실시예에 있어서, 계획 모듈(305)은 이차 계획법(QP)을 이용하여 러프 속도 프로필을 다시 계산함으로써 속도 코스트 함수(코스트 함수(315)의 일부분)을 최적화한다. 유사한 속도 장애 제약을 추가하여 QP 해법기가 일부 금지된 속도를 검색하는 것을 금할 수 있다. 일 실시예에 있어서, 재산출된 러프 속도 프로필은 주행거리-시간 맵(SL ??/ST 그래프(314)의 일부분)을 포함한다.
상술된 도면의 구성 요소의 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이러한 구성 요소는 영구 기억 장치에 설치되고 저장되는 소프트웨어로서 구현될 수 있고, 이는 본 출원 전반에 걸쳐 기술된 프로세스 또는 동작들을 실행하기 위해 메모리에 로딩되고 프로세서(미도시)에 의해 실행될 수 있다. 대안적으로, 이러한 구성 요소는, 집적 회로(예를 들어, 주문형 집적 회로 또는 ASIC), 디지털 신호 처리기(DSP) 또는 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA)와 같은 전용 하드웨어에 프로그램되거나 내장된 실행 가능 코드로서 구현될 수 있으며, 이는 애플리케이션으로부터 대응하는 드라이버 및/또는 운영 체제를 통해 액세스될 수 있다. 또한, 이러한 구성요소는, 하나 이상의 특정 명령을 통해 소프트웨어 구성요소에 의해 액세스 가능한 명령어 세트의 일부로서, 프로세서 또는 프로세서 코어 내에 특정 하드웨어 로직으로서 구현될 수 있다. 룩업 테이블(500 및 600)은 영구 저장 장치에서 유지되고, 메모리에 로딩되며, 다음 계획 구간에 대한 모션 계획을 선택할 때 모션 계획 선택기(350)에 의해 액세스 될 수 있다.
도 4는 일 실시예에 따른 결정 및 계획 과정의 예시를 보여주는 블록도이다. 도 5A는 일 실시예에 따른 결정 모듈의 예시를 보여주는 블록도이다. 도 5B는 일 실시예에 따른 계획 모듈의 예시를 보여주는 블록도이다. 도 4를 참조하면, 결정 및 계획 과정(400)은 루트 배정 모듈(307), 장애물 처리 모듈(308)(루트 배정 모듈(307)과 집적될 수 있음), 로컬라이제이션/인지 데이터(401), 경로 결정 프로세스(403), 속도 결정 프로세스(405), 경로 계획 프로세스(407), 속도 계획 프로세스(409), 애그리게이터(411) 및 궤적 계산기(413)를 포함한다.
경로 결정 프로세스(403) 및 속도 결정 프로세스(405)는 각각 도 5A의 결정 모듈(304)의 경로 결정 모듈(501) 및 속도 결정 모듈(503)에 의해 수행될 수 있다. 도 4 및 도 5A를 참조하면, 경로 결정 프로세스(403) 또는 경로 결정 모듈(501)은 경로 상태 기계(505), 경로 교통 규칙(507) 및 주행거리-횡편위 맵 생성 장치(509)를 포함한다. 경로 결정 프로세스(403) 또는 경로 결정 모듈(501)은 동적 프로그래밍을 이용하여, 경로 계획 프로세스(407) 및 속도 계획 프로세스(409)에 대한 초기 제약으로서, 러프 경로 프로필을 생성할 수 있다. 일 실시예에 있어서, 경로 상태 기계(505)는 순항 상태, 변경 상태 및 아이들 상태 등 적어도 세가지 상태를 포함한다. 경로 상태 기계(505)는 예를 들어 ADV는 순항 중인지 아니면 차선 변경 중인지 등과 같은 이전의 계획 결과 및 중요한 정보를 제공한다. 도 3A의 주행/교통 규칙(312)의 일부분인 경로 교통 규칙(507)은 경로 결정 모듈의 결과에 영향줄 수 있는 교통 규칙을 포함한다. 예를 들어, 경로 교통 규칙(507)은 예를 들어, 건축공사 교통 표지와 같은 교통 정보를 포함하여, ADV가 이러한 건축공사 표지를 구비한 차선을 피면하도록 할 수 있다. 상태, 교통 규칙, 루트 배정 모듈(307)에 의해 제공된 기준 라인 및 ADV에 의해 인지된 장애물에 따라, 러프 경로 프로필의 일부분으로서, 경로 결정 프로세스(403)는 인지된 장애물을 어떠한 방식으로 처리할지(즉, 무시, 추월, 양보, 정지, 통과)를 결정할 수 있다.
예를 들어, 일 실시예에 있어서, 러프 경로 프로필은 코스트 함수를 통해 생성되고, 상기 코스트 함수는 경로의 곡률에 기반한 코스트, 및 기준 라인 및/또는 기준점으로부터 장애물까지의 거리에 기반한 코스트를 포함한다. 후보자 경로를 표시하는 후보자 이동으로서, 기준 라인 상의 포인트를 선택하고, 기준 라인 상의 포인트를 기준 라인의 좌측 또는 우측으로 이동시킨다. 각각의 후보자 이동은 연관 코스트를 구비한다. 기준 라인 상의 하나 또는 다수의 포인트의 후보자 이동의 연관 코스트는 동작 프로그래밍을 이용하여 순차적으로(한번에 하나의 포인트씩) 해법함으로써 최적의 코스트를 획득할 수 있다. 일 실시예에 있어서, SL 맵 생성 장치(509)는 러프 경로 프로필의 일부분인 주행거리-횡편위 맵을 생성한다. 상기 주행거리-횡편위 맵은 ADV에 의해 인지된 장애물 정보의 2차원 기하학 지도(x-y 좌표 평면과 유사함)이다. SL 맵으로부터, 경로 결정 프로세스(403)는 장애물 결정에 따른 ADV 경로를 배정할 수 있다. 동적 프로그래밍(또는 동적 최적화)는 수학적 최적화 방법으로서, 이러한 방법은 해결하고자 하는 문제를 일련의 가치 함수로 분해하여, 매번 이러한 가치 함수 중의 하나의 함수만을 해결하고 그 해답을 저장한다. 추후에 동일한 가치 함수가 나타날 경우, 다시 계산할 필요가 없이, 이전에 산출한 해답을 조회하면 되므로 계산적 코스트가 저감된다.
속도 결정 프로세스(405) 또는 속도 결정 모듈(503)은 속도 상태 기계(511), 속도 교통 규칙(513) 및 주행거리-시간 맵 생성 장치 (515)를 포함한다. 속도 결정 프로세스(405) 또는 속도 결정 모듈(503)은 동적 프로그래밍을 이용하여 경로 계획 프로세스(407) 및 속도 계획 프로세스(409)의 초기 제약으로서, 러프 속도 프로필을 생성한다. 일 실시예에 있어서, 속도 상태 기계(511)는 가속 상태 및 감속 상태 등 적어도 2가지 상태를 포함한다. 도 3A의 주행/교통 규칙(312)의 일부분인 속도 교통 규칙(513)은 속도 결정 모듈의 결과에 영향줄 수 있는 교통 규칙을 포함한다. 예를 들어, 속도 교통 규칙(513)은 예를 들어, 빨강/파란 교통 신호등, 교차로 차선 중의 다른 한 차량 등 교통 정보를 포함할 수 있다. 속도 상태 기계의 상태, 속도 교통 규칙, 결정 프로세스(403)에 의해 생성된 러프 경로 프로필/SL 맵 및 인지된 장애물에 따라, 속도 결정 프로세스(405)는 러프 속도 프로필을 생성하여 ADV가 언제 가속 및/또는 감속할지를 제어한다. 주행거리-시간 맵 생성 장치(515)는 러프 속도 프로필의 일부분인 주행거리-시간 맵을 생성한다.
도 4 및 도 5B를 참조하면, 경로 계획 프로세스(407) 또는 경로 계획 모듈(521)은 주행거리-횡편위 맵(525), 기하학 평활기(527) 및 경로 코스트 모듈(529)을 포함한다. 주행거리-횡편위 맵(525)은 경로 결정 프로세스(403)의 SL 맵 생성 장치(509)에 의해 생성된 주행거리-횡편위 맵을 포함할 수 있다. 경로 계획 프로세스(407) 또는 경로 계획 모듈(521)은 러프 경로 프로필(예를 들어, 주행거리-횡편위 맵)을 초기 제약으로 이용하여, 이차 계획법으로 최적 기준 라인을 다시 계산할 수 있다. 이차 계획법은 경계선, 선형 방정식 및/또는 부등식 제약 등에 따라 목표 함수(예를 들어, 다수의 변수를 갖는 2차 함수)를 최소화 또는 최대화한다. 동적 프로그래밍과 이차 계획법 사이의 차이점 중 하나는, 이차 계획법이 일차적으로 기준 라인 상의 모든 포인트의 모든 후보자 이동을 최적화한다는 것이다. 기하학 평활기(527)는 출력 주행거리-횡편위 맵에 대해 평활 알고리즘(예를 들어, B-spline 또는 회귀)를 적용할 수 있다. 경로 코스트 모듈(529)은 경로 코스트 함수(도 3A의 코스트 함수(315)의 일부분임)를 통해 기준 라인을 다시 계산하여, 예를 들어 QP 모듈(540)에 의해 수행되는 QP 최적화를 통해 기준점의 후보자 이동의 총 코스트에 대해 최적화를 진행할 수 있다.
속도 계획 프로세스(409) 또는 속도 계획 모듈(523)은 주행거리-시간 맵(531), 시간 서열 평활기(533) 및 속도 코스트 모듈(535)을 포함한다. 주행거리-시간 맵(531)은 속도 결정 프로세스(405)의 ST 맵 생성 장치(515)에 의해 생성된 주행거리-시간(ST) 맵을 포함할 수 있다. 속도 계획 프로세스(409) 또는 속도 계획 모듈(523)은 러프 속도 프로필(예를 들어, 주행거리-시간 맵) 및 경로 계획 프로세스(407)의 결과를 초기 제약으로 이용하여, 최적 주행거리-시간 곡석을 계산할 수 있다. 시간 서열 평활기(533)는 포인트의 시간 서열에 대해 평활 알고리즘(예를 들어, B-spline 또는 회귀)를 적용할 수 있다. 속도 코스트 모듈(535)은 속도 코스트 함수(도 3A의 코스트 함수(315)의 일부분)를 이용하여 ST 맵을 다시 계산하여, 서로 다른 시점에서의 후보자 이동(예를 들어, 가속/감속)의 총 코스트에 대해 최적화할 수 있다.
애그리게이터(411)는 경로 계획 결과와 속도 계획 결과를 통합하는 기능을 수행한다. 예를 들어, 일 실시예에 있어서, 애그리게이터(411)는 2차원의 ST 맵과 SL 맵을 3차원의 SLT 맵으로 합성한다. 다른 일 실시예에 있어서, 애그리게이터(411)는 SL 기준 라인 또는 ST 곡선 상의 2개의 연속적인 포인트에 기반하여 보간(또는 추가 포인트를 삽입하는 것)을 진행한다. 다른 일 실시예에 있어서, 애그리게이터(411)는 기준점을 (S, L)좌표로부터 (x, y)좌표로 전환한다. 궤적 생성 장치(413)는 ADV를 제어하기 위한 최종 궤적을 계산할 수 있다. 예를 들어, 애그리게이터(411)에 의해 제공되는 SLT 맵에 기반하여, 궤적 생성 장치(413)는 ADV가 언제 특정 (x, y)좌표를 통과하는지를 가리키는 일련의 (x, y, T) 포인트를 계산한다.
따라서, 다시 도 4를 참조하면, 경로 결정 프로세스(403) 및 속도 결정 프로세스(405)는 장애물 및/또는 교통 상황을 고려한 상태에서 러프 경로 프로필 및 러프 속도 프로필을 생성한다. 장애물과 연관되는 모든 경로 결정 및 속도 결정을 고려해 볼때, 경로 계획 프로세스(407) 및 속도 계획 프로세스(409)는 상기 장애물 따라QP 프로그래밍을 이용하여 러프 경로 프로필 및 속도 프로필을 최적화함으로써, 최소 경로 코스트 및/또는 속도 코스트를 갖는 최적의 궤적을 생성한다.
도 6A 내지 도 6C은 일 실시예에 따라 ADV에 대해 장애물 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 예시를 보여준다. 도 6A 내지 6C의 예시에서, 장애물의 주행 방향(612)과 ADV의 주행 방향(607) 실질적으로 같다. 이하 도 9A를 참조하여 도 6A 내지 도 6C에 따라 설명한 방법에 대해 설명한다.
도 6A를 참조하면, ADV(605)는 상기 도 1을 참조하여 설명한 ADV(101)일 수 있다. 예를 들어, 차량(610)과 같은 장애물은 포인트 P0, P1, P2, P3 ... PM으로 표시되는 장애물 궤적(615)을 구비할 수 있다. 실시예에 있어서, M은 100일 수 있다. 실시예에 있어서, 장애물 궤적(615)의 포인트 P0...PM은 순서 집합 {P0..PM}을 형성할 수 있다. ADV 인지 및 계획 시스템(110)은 장애물(610)의 궤적을 확정할 수 있다. ADV(605)는 ADV 인지 및 계획 시스템(110)을 이용하여 ADV(605)의 기준 네비게이션 루트(620)를 확정할 수 있다. ADV 기준 라인(620)은 포인트 R0..RN로 표시될 수 있다. 실시예에 있어서, N은 1000일 수 있다. 실시예에 있어서, ADV 기준 라인(620)의 포인트 R0..RN은 순서 집합 {R0..RN}을 형성할 수 있다.
ADV가 네비게이션을 조정하여 장애물(610)을 회피할 필요가 있는지를 판단하기 위하여, 장애물(610)이 궤적(615)에서 계속적으로 이동하고 ADV(605)가 기준 라인(620) 상에서 계속적으로 이동한다고 가정한 상태에서, 인지 및 계획 모듈(110)의 장애물 처리 모듈(308)은 장애물(610)이 ADV(605)와 얼마나 가까울 수 있는지를 판단한다. 장애물 궤적(615)의 {P0..PM} 중 각각의 포인트 Pi(i=0 내지 M)에 대해, 장애물 처리 모듈(308)은 {R0..RN}중의 포인트 Si를 확정할 수 있다. 상기 포인트 Si는 Pi로부터 ADV 기준 라인(620)의 {R0..RN} 중 임의의 한 포인트 Si까지의 최소거리를 갖는다. 장애물 궤적(615)의 포인트 P0에 대해, P0으로부터 {R0..RN} 중 각각의 포인트까지의 거리를 계산한다. ADV 기준 라인의 포인트 S0는 {R0..RN}중 P0와 거리가 가장 작은 포인트이다. 따라서, P0와의 거리가 가장 작은 S0을 찾아내기 위하여, {R0..RN} 중 모든 포인트에 대해 검색할 수 있다. ADV 기준 라인(620)의 후속 포인트 Si(i=1至M)에 대해, 이하 도 6B를 참조하여 설명한 바와 같이, ADV 기준 라인620의 {R0..RN}에서 보다 적은 양에 포인트에 대해 검색할 수 있다. {P0..PM} 중 각각의 포인트 Pi가 (x, y) 좌표쌍으로 표시되고, {R0..RN} 중 각각의 포인트 Si도 (x, y) 좌표쌍으로 표시된다고 가정할 경우, Pi와 Si 사이의 거리는
Figure 112019013106364-pat00002
으로 표시될 수 있다. 기타 좌표계에 있어서, 예를 들어 포인트의 극좌표로 표시되는 기사 거리 공식을 사용할 수 있다.
이어서 도 6B를 참조하면, 장애물 궤적(615)의 {P1..PM} 중의 후속 포인트 Pi(i=1 내지 M)에 있어서, {R0..RN} 중의 포인트 Si로부터 장애물 궤적의 포인트 Pi까지의 검색은 R0에서 시작될 필요가 없다. 반대로, 후속 포인트 Si에 대한 검색은 가장 마지막으로 확정한 Si(즉, Si-1)에서 시작될 수 있다. 예를 들어, 장애물 궤적라인(615)의 포인트 P1에 있어서, ADV 기준 라인(620) 상에서 장애물 궤적(615)의 P1까지의 거리가 가장 작은 포인트 S1에 대한 검색은, R0에서 ADV 기준 라인(620)의 시작부터 검색을 진행하는 것이 아니라, 가장 마지막으로 확정한 Si(즉, S0)에서부터 시작될 수 있다. 따라서, i=1 및 Pi=P1에 있어서, Si=S1에 대한 검색은 ADV 기준 라인(620) 상의 포인트 Si-1=S0에서 부터 시작될 수 있다. 검색 변수"i"의 각 값에 대해 상기 과정을 중복함으로써, 장애물 궤적(615)의 {P1..PM} 중 각각의 Pi에서부터 ADV 기준 라인(620) 상의 포인트 Si까지의 최소거리를 확정할 수 있다.
상기한 바와 같이, ADV(605)의 주행 방향(607)과 장애물(610)의 주행 방향(612)이 실질적으로 같은 방향일 경우, 도 6A 및 도 6B에서 설명한 과정이 사용된다. 장애물(610)의 주행 방향 θOBS에서 ADV(605)의 주행 방향 θADV을 감한 결과의 절대값이 한계값보다 작을 경우: |θOBS-θADV|＜한계값이면, ADV(605)와 장애물(610)은 실질적으로 같은 방향으로 이동한다. 실시예에 있어서, 한계값은 30° 내지 40°의 범위를 갖는다. 실시예에 있어서, ADV(605) 및 장애물(610) 양자가 고해상도(HD) 지도에서의 위치로부터, ADV(605) 및 장애물(610)이 도로 차선의 동일 측의 같은 또는 다른 차선에 위치하고, HD 지도로부터, 차선이 같은 방향으로 이동됨을 확인할 경우, ADV(605)와 장애물(610)이 같은 방향으로 이동됨을 확정할 수 있다. 이하 도 7A 및 도 7C를 참조하여 ADV(605)와 장애물(610)이 실질적으로 반대 방향으로 이동하는 실시예를 설명한다.
도 6C는 ADV 기준 라인(620)에서 포인트 집합 {S0..SM}을 찾아내는 과정의 완전한 반복을 보여준다. 여기서, i=0 내지 M에 대해, {S0..SM} 중 각각의 Si에서부터 {P0..PM}중의 Pi까지의 거리가 가장 작다.
도 7A 내지 도 7C는 일 실시예에 따라 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 예시를 보여준다. 도 7A 내지 도 7C의 예시에서, 장애물(710)의 주행 방향(712)과 ADV(705)의 주행 방향(707)은 실질적으로 반대된다. 이하 도 9B를 참조하여 도 7A 내지 도 7C에 따라 설명되는 방법에 대해 설명한다.
도 7A를 참조하면, ADV(705)는 상기 도 1을 참조하여 설명한 ADV(101)일 수 있다. 예를 들어, 차량(710)의 장애물은 포인트 P0, P1, P2, P3 ... PM로 표시되는 장애물 궤적(715)을 구비한다. ADV 인지 및 계획 시스템(110)은 장애물(710)의 궤적을 확정할 수 있다. ADV(705)는 ADV 인지 및 계획 시스템(110)을 이용하여 ADV(705)의 기준 네비게이션 루트(720)를 확정할 수 있다. 실시예에 있어서, 장애물 궤적(715)은 포인트 P0...PM로 표시되는 라인일 수 있다. 실시예에 있어서, M은 100일 수 있다. 실시예에 있어서, 장애물 궤적(715)의 포인트 P0...PM는 순서 집합 {P0...PM}을 형성할 수 있다. ADV 기준 라인(720)은 포인트 R0..RN로 표시될 수 있다. 실시예에 있어서, N은 1000일 수 있다. 실시예에 있어서, ADV 기준 라인(720)의 포인트 R0..RN는 순서 집합{R0..RN}을 형성할 수 있다.
ADV가 네비게이션을 조정하여 장애물(710)을 회피할 필요가 있는지 여부를 판단하기 위하여, 인지 및 계획 모듈(110)의 장애물 처리 모듈(308)은: 장애물(710)이 궤적(715) 상에서 계속적으로 이동하고, ADV(705)이 기준 라인(720)상에서 계속적으로 이동할 경우, 장애물(710)이 ADV(705)와 얼마나 가까울 수 있는지를 판단할 수 있다. 장애물 궤적(715)의 {P0..PM} 중 각각의 포인트 Pi(i=0 내지 M)에 대해, 장애물 처리 모듈(308)은 {R0..RN} 중의 포인트 Si를 확정할 수 있다. 상기 포인트 Si는 Pi로부터 ADV 기준 라인(720)의 {R0..RN} 중 임임의 한 포인트 Si까지의 최소거리를 갖는다. 장애물 궤적(715)의 포인트 PM에 대해, PM으로부터 {R0..RN} 중 각각의 포인트까지의 거리를 계산한다. ADV 기준 라인 포인트 SM은 {R0..RN}에서 PM와의 거리가 가장 작은 포인트이다. 따라서, PM와의 거리가 가장 작은 SM을 찾아내기 위하여, {R0..RN} 중의 모든 포인트에 대해 검색할 수 있다. {P0..PM-1} 중의 후속적인 포인트 Pi에 대해, ADV 기준 라인(720)의 후속 포인트 Si(i=M-1 내지 0)를 찾아내기 위하여, ADV 기준 라인(720)의 {R0..RN}에서 더 적은 양의 포인트에 대해 검색할 수 있다.
이어서 도 7B를 참조하면, 장애물 궤적(715)의 {P0..PM-1} 중의 후속 포인트 Pi(i=M-1 내지 0)에 대해, {R0..RN}에서 가장 근접한 포인트 Si에 대한 검색은 RN에서 시작할 필요가 없다. 반대로, 후속 포인트 Si에 대한 검색은 가장 마지막으로 확정한 Si(즉, Si+1)에서 시작될 수 있다. 예를 들어, 장애물 궤적라인(715)의 포인트 Pi=PM-1(여기서, i=M-1)에 대해, ADV 기준 라인(720)에서 장애물 궤적(715)의 PM-1까지의 거리가 가장 작은 포인트 Si=SM-1에 대한 검색은, RN에서 ADV 기준 라인(720)의 시작부터 검색하는 것이 아니라, 가장 마지막으로 확정한 Si+1=SM에서부터 시작될 수 있다. 따라서, i=M-1이고, Pi=PM-1이며, Si=SM-1에 대한 검색은 ADV 기준 라인(720) 상의 포인트 Si+1=SM에서부터 시작될 수 있다. 검색 변수"i"의 각 값에 대해 상기 과정을 중복함으로써, ADV 기준 라인(720) 상에서 장애물 궤적(715)의 {P0..PM-1} 중 각각의 Pi(여기서, i= M-1 내지 0)까지의 거리가 가장 작은 포인트 Si를 찾아낼 수 있다.
ADV(705)와 장애물(710)이 실질적으로 반대 방향으로 이동할 경우, 도 7A 및 도 7B에서 설명되는 과정이 사용된다. 실시예에 있어서, θOBS에서 θADV을 감한 후, 180°를 더 감한 결과의 절대값이 한계값보다 작을 경우: |θOBS-θADV-180°|＜한계값이면, 장애물(710)과 ADV(705)는 실질적으로 반대 방향으로 이동한다. 실시예에 있어서, ADV(705)와 장애물(710) 양자가 HD 지도 상에서의 위치로부터, ADV(705)가 제1 방향을 따라 진행되는 차선 중의 제1측 도로 차선의 차선에 위치하고 장애물(710)은 ADV(705)과 실질적으로 반대 방향으로 이동되는 차선 중 제2 측 도로 차선 상에 위치하는 것을 확인할 경우, ADV(705)와 장애물(710)가 반대 방향으로 이동함을 확정할 수 있다.
ADV(705)와 장애물(710)이 실질적으로 반대 방향으로 이동하는 실시예는 상기 도 7A 및 도 7B에서 설명된 과정과 유사하다. 이하 도 9A를 참조하여 도 6A 내지 도 6C의 과정에 대해 설명한다. 이하 도 9B를 참조하여 ADV와 장애물이 반대 방향으로 이동하는 경우의 과정에 대해 설명한다.
도 7C는 ADV 기준 라인(720)상에서 장애물 궤적라인(715)의 포인트의 집합 {P0..PM} 중 각각의 포인트까지의 거리가 가장 작은 포인트를 표시하는 포인트 집합{S0..SM}을 찾아내는 과저의 완전한 반복(iteration)을 보여준다.
도 8은 일 실시예에 따른 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 방법(800)의 흐름도를 보여준다. 동일한 장애물(610 또는 710)에 대해 방법(800)을 여러번 수행할 수 있다. ADV (605 또는 705)의 다수의 장애물(610 또는 710) 중의 각각에 대해 방법(800)을 한번 또는 여러번 수행할 수 있다.
동작(805)에서, 인지 및 계획 모듈(110)은 ADV의 장애물의 궤적을 확정할 수 있다. 궤적은 M개의 이산 포인트의 집합 {P0..PM}로 표시될 수 있다. 실시예에 있어서, M=100이다. 실시예에 있어서, M개의 이산 포인트의 집합은 포인트의 순서적인 집합을 형성한다.
동작(810)에서, 인지 및 계획 모듈(110)은 ADV의 네비게이션 기준 라인을 확정할 수 있다. 네비게이션 기준 라인은 N개의 이산 포인트 집합 {R0..RN}로 표시될 수 있다. 실시예에 있어서, N=1000이다. 실시예에 있어서, N개의 이산 포인트의 집합은 순서적인 집합일 수 있다.
동작(815)에서, 인지 및 계획 모듈(110)은 장애물이 ADV에 대한 상대적인 방향을 확정할 수 있다. 상기 도 6A 내지 도 6C, 및 도 7A 내지 7C에 따라 설명한 바와 같이. 장애물과 ADV의 상대적 방향은 다양한 방식으로 확정될 수 있다.
동작(815)에서, ADV와 장애물이 실질적으로 같은 방향인지, 실질적으로 반대 방향인지, 아니면 같은 방향도 반대 방향도 아닌 방향으로 이동하는 지를 확정할 수 있다. ADV의 주행 방향 θADV과 장애물의 주행 방향 θOBS 사이의 차이값의 절대값이 한계값보다 작을 경우, ADV와 장애물은 실질적으로 같은 방향으로 이동한다. 실시예에 있어서, ADV에 의해 검색된 고해상도(HD) 지도가 ADV와 장애물 양자 모두 같은 방향을 가리키는 차선에서 진행함을 표시할 경우, ADV와 장애물은 같은 방향으로 이동한다. 실시예에 있어서, θADV-θOBS-180°의 절대값이 한계값보다 작을 경우, ADV와 장애물은 실질적으로 반대 방향으로 이동할 수 있다. 실시예에 있어서, 한계값은 30°와 40° 사이의 범위를 갖는다. 실시예에 있어서, ADV에 의해 검색된 HD 지도가 ADV와 장애물이 반대 방향의 차선에 위치함을 표시할 경우, ADV와 장애물은 실질적으로 반대 방향으로 이동할 수 있다.
동작(820)에서, ADV와 장애물이 같거나 실질적으로 같은 방향으로 이동하는지 여부를 판단할 수 있다. "예"일 경우, 방법(800)은 동작(900)에서 계속되고, "아니오"일 경우, 방법(800)은 동작(825)에서 계속된다.
동작(825)에서, ADV와 장애물이 반대되거나 실질적으로 반대 방향으로 이동하는지 여부를 판단할 수 있다. "예"일 경우, 방법(800)은 동작(950)에서 계속되고, "아니오"일 경우, 방법(800)은 동작(830)에서 계속된다.
동작(830)에서, ADV와 장애물이 같은 방향도 아니고 반대 방향도 아닌 방향으로 이동됨을 판단한다. 따라서, 인지 및 계획 모듈(110)의 기타 처리(방법(800)에서 이부분 처리에 대해 설명하지 않음)을 통해 장애물이 ADV가 네비게이션을 조정할 것을 요구하는지 여부를 판단하고, 방법(800)은 종료된다.
동작(900)에서, 이하 도 9A를 참조하여 설명한 방법(900)에 따라 ADV 기준 라인 상에서 장애물의 상응한 포인트 {P0..PM}와의 거리가 가장 작은 포인트의 집합 {S0..SM}을 확정한다. 방법(800)은 동작(835)에서 계속된다.
동작(950)에서, 이하 도 9B를 참조하여 설명한 방법(950)에 따라 ADV 기준 라인 상에서 장애물의 상응한 포인트{P0..PM}와의 거리가 가장 작은 포인트의 집합{S0..SM}을 확정한다. 방법(800)은 동작(835)에서 계속된다.
동작(835)에서, 모든 Pi와 Si(여기서, i=0..M) 사이의 거리의 최소값을 확정한다. 장애물이 그의 궤적을 유지하고 ADV도 ADV 기준 라인에 따라 네비게이션을 유지한다고 가정할 경우, 최소거리는 장애물이 ADV와 가장 가까운 경우에 대응된다. 실시예에 있어서, 동작(835)에서 확정한 해당 최소값은 동작(900) 또는 동작(950)의 일부분으로서 확정될 수 있다.
동작(840)에서, 장애물과 ADV 사이의 최소거리가 안전 한계값보다 작은지 여부를 판단할 수 있다. "예"일 경우, 인지 및 계획 모듈(110)은 ADV의 네비게이션에 대해 조정을 진행하도록 확정한다. 방법(800)은 종료된다.
도 9A 및 도 9B는 일 실시예에 따른 ADV의 장애물의 궤적이 ADV가 네비게이션을 조정하는 것을 요구하는지 여부를 판단하는 방법의 흐름도를 보여준다.
도 9A는 장애물과 ADV가 실질적으로 같은 방향으로 이동할 경우 ADV 네비게이션 루트의 {S0..SM} 중의 포인트Si를 확정하는 방법(900)을 보여주고, 여기서, i=0..M 각각에 대해, {S0..SM}중의 임의의 포인트 Si는 모두 {P0..PM} 중의 Pi과의 최단거리를 구비한다.
동작(905)에서, {P0..PM}중의 제1 포인트 P0에 대해, 기준 라인 {R0..RN} 중의 모든 포인트에 대해 검색하여 {R0..RN}에서 P0과의 거리가 가장 작은 포인트 S0를 찾아낸다.
동작(910)에서, 각각의 i=1 내지 M에 있어서, 동작(915)을 수행할 수 있다. 순환이 종료될 경우, i＞M이면, 방법(900)은 방법(800)의 동작(835)으로 되돌아간다.
동작(915)에서, 순환 카운터(i)의 값 및 장애물 궤적 포인트 Pi에 대해, 네비게이션 기준 라인의 일부분을 검색하여 기준 라인의 검색된 부분 중의 임의의 포인트로부터 Pi까지의 거리가 가장 작은 Si을 찾아낸다. 기준 라인의 검색된 부분은 가장 마지막으로 찾아낸 Si(즉, Si-1)로부터 기준 라인의 말단(RN)까지이다. 따라서, 기준 라인의 Si에 대해 검색을 진행한 부분은 {Si-1..RN}이다.
도 9B는 장애물과 ADV가 실질적으로 반대 방향으로 이동할 경우 ADV 네비게이션 루트의 {SM..S0} 중에서 포인트 Si를 확정하는 방법(950)을 보여주고, 여기서, i=M..0 각각에 대해, 각 Si는 {R0..RN} 중의 임의의 포인트로부터 {PM..P0} 중의 Pi까지의 최소거리를 구비한다.
동작(955)에서, {PM..P0} 중의 제1 포인트 PM에 대해, 기준 라인 {R0..RN} 중의 모든 포인트를 검색하여 {R0..RN}에서 PM와의 거리가 가장 작은 포인트SM를 찾아낸다.
동작(960)에서, 각각의 i=M-1 내지 0이고, 동작(965)을 수행할 수 있다. 순환이 종료될 경우, i＜0이면, 방법(900)은 방법(800)의 동작(835)으로 되돌아간다.
동작(965)에서, 순환 카운터(i)의 값 및 장애물 궤적 포인트 Pi에 대해, 네비게이션 기준 라인의 일부분을 검색하여, 기준 라인의 검색 된 부분 중의 임의의 포인트로부터 Pi까지의 거리가 가장 작은 Si를 찾아낸다. 기준 라인의 검색된 부분은 가장 마지막으로 찾아낸 Si(즉, Si+1)로부터 기준 라인의 말단 R0까지이다. 따라서, 기준 라인에서 Si에 대해 검색을 진행한 부분은 {R0..Si+1}이다.
도 10은 본 개시의 일 실시예와 함께 사용할 수 있는 데이터 처리 시스템의 예시를 보여주는 블록도이다. 예를 들어, 시스템(1000)은 상기 과정 또는 방법 중의 어느 하나의 임의의 데이터 처리 시스템, 예를 들어, 도 1의 인지 및 계획 시스템(110) 또는 서버(103 내지 104) 중의 임의의 하나를 표시할 수 있다. 시스템(1000)은 다양한 부재들을 포함할 수 있다. 이러한 구성 요소들은, 집적 회로(IC), 그 부분, 개별 전자 장치 또는 컴퓨터 시스템의 마더 보드 또는 애드-인 카드와 같은 회로 보드에 적용되는 다른 모듈로서 구현될 수 있거나, 컴퓨터 시스템의 샤시 내에 다른 방법으로 통합되는 구성 요소들로써 구현될 수 있다.
또한, 시스템(1000)은 컴퓨터 시스템의 많은 구성 요소들의 상위 레벨 뷰를 도시하기 위한 것이다. 그러나, 추가의 구성 요소가 특정 구현예에 존재할 수 있고, 또한, 도시된 구성 요소의 상이한 배열이 다른 구현예에서 나타날 수 있음을 이해해야 한다. 시스템(1000)은 데스크탑, 랩탑, 태블릿, 서버, 셀룰러 폰, 미디어 플레이어, PDA(personal digital assistant), 스마트 워치, 개인용 통신기, 게임 장치, 네트워크 라우터 또는 허브, 무선 액세스 포인트(AP) 또는 중계기(repeater), 셋톱 박스 또는 이들의 조합일 수 있다. 또한, 단지 하나의 기계 또는 시스템이 도시되어 있으나, "기계" 또는 "시스템"이라는 용어는, 본 출원에서 기술하는 방법들의 하나 이상을 실행하기 위해, 개별적으로 또는 공통적으로 명령어들의 세트(또는 다수의 세트)를 수행하는 임의의 기계 또는 시스템의 집합을 포함하도록 취급될 것이다.
일 실시예에서, 시스템(1000)은 버스 또는 인터커넥트(1010)를 통해 프로세서(1001), 메모리(1003) 및 디바이스들(1005-1008)을 포함한다. 프로세서(1001)는, 내부에 단일 프로세서 코어 또는 다중 프로세서 코어를 포함하는, 단일 프로세서 또는 다중 프로세서를 나타낼 수 있다. 프로세서(1001)는, 마이크로 프로세서, 중앙 처리 장치(CPU) 등과 같은 하나 이상의 범용 프로세서를 나타낼 수 있다. 구체적으로, 프로세서(1001)는 CISC(COMPLEX INSTRUCTION SET COMPUTING) 마이크로프로세서, RISC(REDUCED INSTRUCTION SET COMPUTING) 마이크로프로세서, VLIW(VERY LONG INSTRUCTION WORD) 마이크로프로세서, 또는 다른 명령어 세트를 구현하는 프로세서, 또는 명령어 세트의 조합을 구현하는 프로세서들일 수 있다. 프로세서(1001)는 주문형 집적 회로(ASIC), 셀룰러 또는 베이스 밴드 프로세서, 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서, 그래픽 프로세서, 통신 프로세서, 암호화 프로세서, 코-프로세서, 임베디드 프로세서, 또는 명령어를 처리할 수 있는 임의의 다른 유형의 로직 등과 같은 하나 이상의 특수 목적 프로세서일 수도 있다.
프로세서(1001)는, 초 저전압 프로세서와 같은 저전력 멀티 코어 프로세서 소켓일 수 있고, 시스템의 다양한 구성요소와의 통신을 위한 메인 프로세싱 유닛 및 중앙 허브로서 작동할 수 있다. 이러한 프로세서는 시스템 온 칩(SoC)으로서 구현될 수 있다. 프로세서(1001)는, 본 명세서에서 논의된 동작들 및 단계들을 수행하기 위한 명령어들을 실행하도록 구성된다. 시스템(1000)은, 디스플레이 제어기, 그래픽 프로세서 및/또는 디스플레이 장치를 포함할 수 있는, 선택적인 그래픽 서브 시스템(1004)과 통신하는 그래픽 인터페이스를 더 포함할 수 있다.
프로세서(1001)는, 일 실시예에서 주어진 양의 시스템 메모리를 제공하기 위한 다수의 메모리 장치를 통해 구현될 수 있는, 메모리(1003)와 통신할 수 있다. 메모리(1003)는, 랜덤 액세스 메모리(RAM), 다이나믹 RAM(DRAM), 동기식 DRAM(SDRAM), 스태틱 RAM(SRAM)와 같은 하나 이상의 휘발성 저장(또는 메모리) 장치 또는 기타 유형의 저장 장치를 포함할 수 있다. 메모리(1003)는, 프로세서(1001) 또는 임의의 기타 장치에 의해 실행되는 명령어들의 시퀀스를 포함하는 정보를 저장할 수 있다. 예를 들어, 다양한 운영 체제, 장치 드라이버, 펌웨어(예를 들어, 입출력 기본 시스템 또는 BIOS), 및/또는 애플리케이션의 실행 가능 코드 및/또는 데이터는 메모리(1003)에 로드되고 프로세서(1001)에 의해 실행될 수 있다. 운영 체제는, 예를 들어, 로봇 운영 체제(ROS), 마이크로소프트® 사의 윈도우즈® 운영 체제, 애플의 맥 OS®/iOS®, 구글®의 안드로이드®, LINUX, UNIX, 또는 다른 실시간 또는 임베디드 운영 체제와 같은 임의의 유형의 운영 체제일 수 있다.
시스템(1000)은, 네트워크 인터페이스 장치(들)(1005), 선택적인 입력 장치(들)(1006) 및 기타 선택적인 I/O 장치(들)(1007)를 포함하는 장치들(1005-1008)과 같은 I/O 장치들을 더 포함할 수 있다. 네트워크 인터페이스 디바이스(1005)는 무선 트랜시버 및/또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 무선 트랜시버는, WiFi 트랜시버, 적외선 트랜시버, 블루투스 트랜시버, WiMax 트랜시버, 무선 셀룰러 전화 트랜시버, 위성 트랜시버(예를 들어, GPS(Global Positioning System) 송수신기) 또는 다른 무선 주파수(RF) 트랜시버일 수 있으며, 또는 이들의 조합일 수 있다. NIC는 이더넷 카드(Ethernet card)일 수 있다.
입력 장치(들)(1006)는, 마우스, 터치 패드, (디스플레이 장치(1004)와 통합될 수 있는) 터치 감지 스크린, 스타일러스와 같은 포인터 장치 및/또는 키보드(예를 들어, 물리적 키보드 또는 터치 감지 스크린의 일부로 표시되는 가상 키보드)를 포함할 수 있다. 예를 들어, 입력 장치(1006)는, 터치 스크린에 결합되는 터치 스크린 제어기를 포함할 수 있다. 터치 스크린 및 터치 스크린 제어기는, 예컨대 다수의 터치 감도 기술 중 임의의 것을 사용하여 접촉(CONTACT) 및 이동(MOVE) 또는 중지(BREAK)를 검출할 수 있다. 터치 감도 기술은 예를 들어, 용량성, 저항성, 적외선 및 표면 탄성파 기술뿐만 아니라, 터치 스크린과의 하나 이상의 접촉점을 결정하기 위한 그 외의 근접 센서 어레이 또는 기타 요소를 포함하며, 이에 제한되지 않는다.
I/O 장치들(1007)은 오디오 장치를 포함할 수 있다. 오디오 장치는 음성 인식, 음성 복제, 디지털 녹음 및/또는 전화 기능과 같은 음성 작동 기능을 가능하게 하기 위해 스피커 및/또는 마이크를 포함할 수 있다. 기타 I/O 장치들(1007)은, USB(universal serial bus) 포트(들), 병렬 포트(들), 직렬 포트(들), 프린터, 네트워크 인터페이스, 버스 브리지(예를 들어, PCI-PCI 브리지), 센서(들)(예를 들어, 가속도계, 자이로스코프, 자력계, 광 센서, 나침반, 근접 센서 등과 같은 모션 센서) 또는 이들의 조합을 포함할 수 있다. 장치들(1007)은 이미징 프로세싱 서브 시스템(예를 들어, 카메라)를 더 포함할 수 있다. 이미징 프로세싱 서브 시스템은, 사진 및 비디오 클립 녹화와 같은 카메라 기능들을 가능하게 하는데 이용되는, CCD(CHARGE COUPLED DEVICE) 또는 CMOS(COMPLEMENTARY METAL-OXIDE SEMICONDUCTOR) 광학 센서와 같은 광학 센서를 포함할 수 있다. 특정 센서들은, 센서 허브(미도시)를 통해 인터커넥트(1010)에 연결될 수 있고, 키보드 또는 열 센서와 같은 기타 장치는 시스템(1000)의 구체적인 구성 또는 설계에 따라 내장형 제어기(미도시)에 의해 제어될 수 있다.
데이터, 애플리케이션, 하나 이상의 운영 체제 등과 같은 정보의 영구 저장을 제공하기 위해, 대용량 저장 장치(미도시)가 또한 프로세서(1001)에 연결될 수 있다. 다양한 실시예에서, 시스템 응답성을 향상하고 더 얇고 가벼운 시스템 설계를 가능하게 하기 위해, 이 대용량 저장 장치는 SSD(solid state device)를 통해 구현될 수 있다. 그러나, 기타 실시예들에서, 대용량 저장 장치는, 시스템 활동의 재가동 시에 빠른 파워 업이 일어나도록, 파워 다운 이벤트들 동안 컨텍스트 상태(context state) 및 다른 그러한 정보의 비 휘발성 저장을 가능하게 하기 위해 SSD 캐시로서 작용하는, 더 적은 양의 SSD 스토리지와 함께 하드 디스크 드라이브(HDD)를 사용하여 주로 구현될 수 있다. 또한, 플래시 장치는, 예를 들어, 직렬 주변 장치 인터페이스(SPI)를 통해 프로세서(1001)에 결합될 수 있다. 이 플래시 장치는, 시스템의 기타 펌웨어뿐만 아니라 BIOS를 포함하는, 시스템 소프트웨어의 비휘발성 저장 공간을 제공할 수 있다.
저장 장치(1008)는, 본 명세서에 기술된 방법들 또는 기능들의 하나 이상을 내장하는 하나 이상의 명령어 세트 또는 소프트웨어(예를 들어, 모듈, 유닛 및/또는 로직(1028)이 저장되는 컴퓨터 판독 가능 저장 매체(1009)(기계 판독 가능 저장 매체 또는 컴퓨터 판독 가능 매체로도 알려짐)을 포함할 수 있다. 프로세싱 모듈/유닛/로직(1028)은, 예를 들어, 도 3B의 장애물 처리 모듈(308), 도 5B의 경로 계획 모듈(521) 속도 계획 모듈(523)과 같은, 전술한 구성 요소들 중 임의의 것을 나타낼 수 있다. 프로세싱 모듈/유닛/로직(1028)은 또한 머신 액세스 가능 저장 매체를 또한 구성하는, 데이터 처리 시스템(1000), 메모리(1003) 및 프로세서(1001)에 의한 실행 중에 메모리(1003) 및/또는 프로세서(1001) 내에 완전히 또는 적어도 부분적으로 상주할 수 있다. 프로세싱 모듈/유닛/로직(1028)은 네트워크 인터페이스 장치(1005)를 통해 네트워크를 통해 더 송신되거나 수신될 수 있다.
또한, 컴퓨터 판독 가능 저장 매체(1009)는 전술한 일부 소프트웨어 기능을 지속적으로 저장하는데 사용될 수 있다. 컴퓨터 판독 가능 저장 매체(1009)는 예시적인 실시예에서 단일 매체로 도시되어 있으나, "컴퓨터 판독 가능 저장 매체"라는 용어는 하나 이상의 명령어 세트들을 저장하는 단일 매체 또는 다중 매체(예를 들어, 중앙 집중식 또는 분산형 데이터베이스 및/또는 연관된 캐시들 및 서버들)를 포함하도록 취급되어야 한다. "컴퓨터 판독 가능 저장 매체"라는 용어는, 또한 기계에 의한 실행을 위한 명령 세트를 저장 또는 인코딩할 수 있고, 본 개시의 방법들 중 하나 이상을 기계가 수행하게 하는 임의의 매체를 포함하도록 취급될 것이다. 따라서, "컴퓨터 판독 가능 저장 매체"라는 용어는, 솔리드 스테이트 메모리, 광학 및 자기 매체, 또는 임의의 기타 비 일시적 기계 판독 가능 매체를 포함하도록 취급되나, 이에 한정되는 것은 아니다.
프로세싱 모듈/유닛/로직(1028), 본 명세서에서 설명된 구성 요소들 및 다른 특징들은, 개별 하드웨어 구성 요소들로서 구현되거나, ASIC, FPGA, DSP 또는 유사한 장치와 같은 하드웨어 구성 요소들의 기능성에 통합될 수 있다. 또한, 프로세싱 모듈/유닛/로직(1028)은 하드웨어 장치 내의 펌웨어 또는 기능 회로로 구현될 수 있다. 또한, 프로세싱 모듈/유닛/로직(1028)은 임의의 조합 하드웨어 장치 및 소프트웨어 구성 요소로 구현될 수 있다.
시스템(1000)은, 데이터 처리 시스템의 다양한 구성 요소로 도시되어 있으나, 구성 요소들을 서로 연결시키는 임의의 특정 아키텍처 또는 방식을 나타내기 위한 것이 아니다. 이러한 세부 사항들은 본 개시의 특정 실시예들에 관련되는 것이 아니다. 네트워크 컴퓨터, 휴대식 컴퓨터, 셀룰러 폰, 서버 및/또는 더 적은 구성 요소 또는 더 많은 구성 요소를 갖는 기타 데이터 처리 시스템 또한 본 개시의 실시예들과 함께 사용될 수 있다.
전술한 상세 설명의 일부는, 컴퓨터 메모리 내의 데이터 비트에 대한 동작의 알고리즘 및 기호 표현의 방식으로 제시되었다. 이러한 알고리즘 설명 및 표현은, 데이터 처리 기술 분야의 당업자가 자신의 연구 내용을 다른 당업자에게 가장 효과적으로 전달하는데 사용되는 방법이다. 알고리즘은 본 명세서에서 그리고 일반적으로, 원하는 결과를 이끌어내는 일관된 동작 순서(self-consistent sequence)로 인식된다. 이 동작들은 물리량의 물리적인 조작을 요구하는 것들이다.
그러나 이러한 모든 용어 및 그와 유사한 용어들은 적절한 물리량과 관련되어야 하며 이러한 수량에 적용되는 편리한 레이블일 뿐이다. 상기 기재로부터 명백한 바와 같이, 특별히 달리 언급되지 않는 한, 명세서 전반에 걸쳐, 이하의 특허청구범위에서 제시된 것과 같은 용어들을 활용한 기재는, 컴퓨터 시스템의 레지스터 및 메모리 내의 물리(전자)량으로 표현되는 데이터를, 컴퓨터 시스템 메모리 또는 레지스터 또는 기타 그러한 정보 저장소, 전송 또는 디스플레이 장치 내에 물리량으로 유사하게 표현되는 기타 데이터로 조작하고 변형시키는, 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치의 동작 및 프로세스를 지칭한다.
본 개시의 실시예는 또한 본 명세서의 동작을 수행하기 위한 장치에 관한 것이다. 이러한 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체에 저장된다. 기계 판독 가능 매체는, 기계(예를 들어, 컴퓨터)에 의해 판독 가능한 형태로 정보를 저장하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계 판독 가능(예를 들어, 컴퓨터 판독 가능) 매체는 기계(예를 들어, 컴퓨터) 판독 가능 저장 매체(예를 들어, 읽기 전용 메모리(ROM)), 랜덤 액세스 메모리(RAM), 자기 디스 저장 매체, 광학 저장 매체, 플래시 메모리 장치)를 포함한다.
상기 도면들에 도시된 프로세스들 또는 방법들은, 하드웨어(예를 들어, 회로, 전용 로직 등), 소프트웨어(예를 들어, 비일시적인 컴퓨터 판독 가능 매체 상에 구현되는), 또는 이들의 조합을 포함하는 프로세싱 로직에 의해 수행될 수 있다. 프로세스들 또는 방법들이 다양한 순차적인 동작들과 관련하여 상술되었으나, 기술된 동작들 중 일부는 이와 상이한 순서로 수행될 수 있다. 또한, 어떠한 동작들은 순차적인 순서가 아니라 병행으로 수행될 수도 있다.
본 개시의 실시예는 임의의 특정 프로그래밍 언어를 참조하여 설명되지 않는다. 본 명세서에 설명된 본 개시의 실시예들의 교시를 구현하기 위해 다양한 프로그래밍 언어가 사용될 수 있다는 것을 이해할 것이다.
전술한 명세서에서, 본 발명의 실시예는 특정 실시예를 참조하여 설명되었다. 후술되는 특허청구범위에 기재된 더 넓은 사상 및 범위를 벗어나지 않으면서도 본 발명에 대해 다양한 변형이 가능하다는 것은 명백할 것이다. 따라서, 명세서 및 도면은 제한적인 의미가 아닌 예시적인 의미로 해석되어야 한다.

Claims (18)

  1. 자율 주행 차량의 장애물의 궤적이 상기 자율 주행 차량의 네비게이션 조정을 요구하는지 여부를 판단하는 컴퓨터 실현 방법에 있어서,
    제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 단계;
    제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비게이션의 기준 라인을 확정하는 단계;
    상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동하는 것으로 확정되는 것에 응답하여:
    P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인 S0∈{R0..RN}을 찾아내고,
    각각의 포인트 Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 단계;
    임의의 i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터 실현 방법.
  2. 제1항에 있어서,
    상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동하는 것으로 확정되는 것에 응답하여,
    PM에서부터 SM까지의 거리가 PM에서부터 {R0..RN} 중 임의의 한 포인트까지의 최소거리인 SM∈{R0..RN}을 찾아내고,
    각각의 포인트 Pi∈{P0..PM-1}(여기서, i=M-1 내지 0)에 대해, {R0..Si+1}에서 Pi에서부터 Si까지의 거리가 Pi에서부터 {R0..Si+1} 중 임의의 한 포인트까지의 최소거리인 포인트 Si를 찾아내는 단계;를 더 포함하는 것을 특징으로 하는 컴퓨터 실현 방법.
  3. 제1항에 있어서,
    상기 장애물이 상기 자율 주행 차량에 대해 이동하는 방향은 이하 항목 중 적어도 하나에 의해 확정되되, 상기 항목은,
    고해상도 지도를 이용하여 상기 장애물의 도로 차선의 방향 및 상기 자율 주행 차량의 도로 차선의 방향을 확정하고 상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물이 상기 장애물의 도로 차선의 방향을 따라 이동하는지 여부와 상기 자율 주행 차량이 상기 자율 주행 차량의 도로 차선의 방향을 따라 이동하는지 여부를 확정하고; 혹은
    상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물의 주행 방향 θOBS, 상기 자율 주행 차량의 주행 방향 θADV을 확정하고,
    θADV-θOBS의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동함을 확정하고,
    θADV-θOBS-180°의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동함을 확정하는 것;을 포함하는 것을 특징으로 하는 컴퓨터 실현 방법.
  4. 제3항에 있어서,
    상기 주행 방향 한계값은 30° 내지 40° 범위를 갖는 것을 특징으로 하는 컴퓨터 실현 방법.
  5. 제1항에 있어서,
    M=100이고, N=1000인 것을 특징으로 하는 컴퓨터 실현 방법.
  6. 제1항에 있어서,
    i=1 내지 M-1에 있어서, {P0..PM} 중의 각각의 Pi와 Pi+1 사이에
    Figure 112019013106364-pat00003
    개의 포인트를 삽입하는 단계;
    각각의 Pi(여기서, Pi∈{P1..PN}이고, i=1 내지 N)에 대한 Si를 찾아내도록 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 단계;를 더 포함하되,
    상기 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 단계는, 각각의 포인트 Pi∈{P1..PN}(여기서, i=1 내지 N)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 것을 포함하는 것을 특징으로 하는 컴퓨터 실현 방법.
  7. 명령어가 저장된 비일시적 기계 판독 가능한 매체에 있어서,
    상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작;
    제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비게이션의 기준 라인을 확정하는 동작;
    상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동하는 것으로 확정되는 것에 응답하여:
    P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인 S0∈{R0..RN}을 찾아내고,
    각각의 포인트 Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 동작;
    임의의 i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함하는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  8. 명령어가 저장된 비일시적 기계 판독 가능한 매체에 있어서,
    상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작;
    제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비게이션의 기준 라인을 확정하는 동작;
    상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동하는 것으로 확정되는 것에 응답하여,
    PM에서부터 SM까지의 거리가 PM에서부터 {R0..RN} 중 임의의 한 포인트까지의 최소거리인 SM∈{R0..RN}을 찾아내고,
    각각의 포인트Pi∈{P0..PM-1}(여기서, i=M-1 내지 0)에 대해, {R0..Si+1}에서 Pi에서부터 Si까지의 거리가 Pi에서부터 {R0..Si+1} 중 임의의 한 포인트까지의 최소거리인 포인트 Si를 찾아내는 동작;
    임의의 i∈{0..M}에 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함하는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  9. 제7항에 있어서,
    상기 장애물이 상기 자율 주행 차량에 대해 이동하는 방향은 이하 항목 중 적어도 하나에 의해 확정되되, 상기 항목은,
    고해상도 지도를 이용하여 상기 장애물의 도로 차선의 방향 및 상기 자율 주행 차량의 도로 차선의 방향을 확정하고 상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물이 상기 장애물의 도로 차선의 방향을 따라 이동하는지 여부와 상기 자율 주행 차량이 상기 자율 주행 차량의 도로 차선의 방향을 따라 이동하는지 여부를 확정하고; 혹은
    상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물의 주행 방향 θOBS, 상기 자율 주행 차량의 주행 방향 θADV을 확정하고, 나아가:
    θADV-θOBS의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동함을 확정하고,
    θADV-θOBS-180°의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동함을 확정하는 것;을 포함하는 비일시적 기계 판독 가능한 매체.
  10. 제9항에 있어서,
    상기 주행 방향 한계값은 30° 내지 40° 범위를 갖는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  11. 제7항에 있어서,
    M=100이고, N=1000인 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  12. 제7항에 있어서,
    상기 동작들은,
    i=1 내지 M-1에 있어서, {P0..PM} 중의 각각의 Pi와 Pi+1 사이에
    Figure 112019013106364-pat00004
    개의 포인트를 삽입하는 동작; 및
    각각의 Pi(여기서, Pi∈{P1..PN}이고, i=1 내지 N)에 대한 Si를 찾아내도록 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 동작;을 더 포함하되,
    상기 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 동작은, 각각의 포인트 Pi∈{P1..PN}(여기서, i=1 내지 N)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 것;을 포함하는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  13. 데이터 처리 시스템에 있어서,
    프로세서; 및
    저장 장치;를 포함하되, 상기 저장 장치는 상기 프로세서에 연결되어 명령어를 저장하고, 상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작;
    제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비게이션의 기준 라인을 확정하는 동작;
    상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동하는 것으로 확정되는 것에 응답하여:
    P0에서부터 S0까지의 거리가 P0에서부터 {R0..RN}중 임의의 한 포인트까지의 최소거리인 S0∈{R0..RN}을 찾아내고,
    각각의 포인트 Pi∈{P1..PM}(여기서, i=1 내지 M)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 동작;
    임의의 i∈{0..M} 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함하는 것을 특징으로 하는 데이터 처리 시스템.
  14. 데이터 처리 시스템에 있어서,
    프로세서; 및
    저장 장치;를 포함하되, 상기 저장 장치는 상기 프로세서에 연결되어 명령어를 저장하고, 상기 명령어는 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    제1 순서의 다수의 포인트 {P0..PM}로 표시되는, 자율 주행 차량의 장애물의 궤적을 확정하는 동작;
    제2 순서의 다수의 포인트 {R0..RN}로 표시되는, 상기 자율 주행 차량의 네비게이션의 기준 라인을 확정하는 동작;
    상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동하는 것으로 확정되는 것에 응답하여,
    PM에서부터 SM까지의 거리가 PM에서부터 {R0..RN} 중 임의의 한 포인트까지의 최소거리인 SM∈{R0..RN}을 찾아내고,
    각각의 포인트 Pi∈{P0..PM-1}(여기서, i=M-1 내지 0)에 대해, {R0..Si+1}에서 Pi에서부터 Si까지의 거리가 Pi에서부터 {R0..Si+1} 중 임의의 한 포인트까지의 최소거리인 포인트 Si를 찾아내는 동작;
    임의의 i∈{0..M} 대한 Pi와 Si 사이의 거리가 거리 한계값보다 작은 것으로 확정되는 것에 응답하여, 상기 자율 주행 차량의 네비게이션을 조정하는 동작;을 포함하는 것을 특징으로 하는 데이터 처리 시스템.
  15. 제13항에 있어서,
    상기 장애물이 상기 자율 주행 차량에 대해 이동하는 방향은 이하 항목 중 적어도 하나에 의해 확정되되, 상기 항목은,
    고해상도 지도를 이용하여 상기 장애물의 도로 차선의 방향 및 상기 자율 주행 차량의 도로 차선의 방향을 확정하고 상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물이 상기 장애물의 도로 차선의 방향을 따라 이동하는지 여부와 상기 자율 주행 차량이 상기 자율 주행 차량의 도로 차선의 방향을 따라 이동하는지 여부를 확정하고; 혹은
    상기 자율 주행 차량의 인지 모듈을 이용하여 상기 장애물의 주행 방향 θOBS, 상기 자율 주행 차량의 주행 방향 θADV을 확정하고, 나아가:
    θADV-θOBS의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 같은 방향으로 이동함을 확정하고,
    θADV-θOBS-180°의 절대값이 주행 방향 한계값보다 작을 경우, 상기 장애물과 상기 자율 주행 차량이 서로 반대 방향으로 이동함을 확정하는 것;을 포함하는 데이터 처리 시스템.
  16. 제15항에 있어서,
    상기 주행 방향 한계값은 30° 내지 40° 범위를 갖는 것을 특징으로 하는 데이터 처리 시스템.
  17. 제13항에 있어서,
    M=100이고, N=1000인 것을 특징으로 하는 데이터 처리 시스템.
  18. 제13항에 있어서,
    상기 동작들은,
    i=1 내지 M-1에 있어서, {P0..PM} 중 각각의 Pi와 Pi+1 사이에
    Figure 112019013106364-pat00005
    개의 포인트를 삽입하는 동작;
    각각의 Pi(여기서, Pi∈{P1..PN}이고, i=1 내지 N)에 대한 Si를 찾아내도록 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 동작;을 더 포함하되,
    상기 M=N을 상기 장애물의 궤적의 반복 카운터로 설정하는 동작은, 각각의 포인트 Pi∈{P1..PN}(여기서, i=1 내지 N)에 대해, Pi에서부터 Si까지의 거리가 Pi에서부터 {Si-1..RN} 중 임의의 한 포인트까지의 최소거리인 Si∈{Si-1..RN}를 찾아내는 것을 포함하는 것을 특징으로 하는 데이터 처리 시스템.
KR1020190013717A 2018-02-07 2019-02-01 곡선 투영을 가속화하기 위한 시스템 및 방법 KR102211299B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/891,288 2018-02-07
US15/891,288 US10754341B2 (en) 2018-02-07 2018-02-07 Systems and methods for accelerated curve projection

Publications (2)

Publication Number Publication Date
KR20190100856A KR20190100856A (ko) 2019-08-29
KR102211299B1 true KR102211299B1 (ko) 2021-02-03

Family

ID=65138936

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190013717A KR102211299B1 (ko) 2018-02-07 2019-02-01 곡선 투영을 가속화하기 위한 시스템 및 방법

Country Status (5)

Country Link
US (1) US10754341B2 (ko)
EP (1) EP3524934B1 (ko)
JP (1) JP6873170B2 (ko)
KR (1) KR102211299B1 (ko)
CN (1) CN110119140B (ko)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10671075B1 (en) 2017-12-15 2020-06-02 Zoox, Inc. Trajectory generation using curvature segments
US10732632B2 (en) * 2018-01-31 2020-08-04 Baidu Usa Llc Method for generating a reference line by stitching multiple reference lines together using multiple threads
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
US10809736B2 (en) * 2018-12-27 2020-10-20 Baidu Usa Llc ST-graph learning based decision for autonomous driving vehicle
CN109814568B (zh) * 2019-02-19 2022-05-03 阿波罗智能技术(北京)有限公司 无人车速度轨迹的生成方法、装置和存储介质
US20220097692A1 (en) * 2019-04-01 2022-03-31 Mitsubishi Electric Corporation Vehicle path generation device, vehicle path generation method, and vehicle control device
FR3095099B1 (fr) * 2019-04-15 2021-09-03 Continental Automotive Procédé de prédiction d’une modification des conditions d’attachement d’un terminal à un réseau cellulaire
CN112572424B (zh) * 2019-09-11 2022-05-17 北京百度网讯科技有限公司 基于障碍物识别的车辆控制方法、装置、设备和介质
US11958183B2 (en) 2019-09-19 2024-04-16 The Research Foundation For The State University Of New York Negotiation-based human-robot collaboration via augmented reality
CN110654381B (zh) 2019-10-09 2021-08-31 北京百度网讯科技有限公司 用于控制车辆的方法和装置
US11754408B2 (en) * 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
CN110843776B (zh) * 2019-11-29 2022-04-15 深圳市元征科技股份有限公司 车辆防撞方法和装置
US11351998B2 (en) * 2020-03-18 2022-06-07 Denso Corporation Systems and methods for adapting activation of alerts according to curvature of a target path
CN111452786B (zh) * 2020-04-14 2021-03-19 北京理工大学 一种无人车辆避障方法及系统
JP7341941B2 (ja) * 2020-04-14 2023-09-11 日立Astemo株式会社 車両運動制御装置及び車両運転制御方法
US11835958B2 (en) * 2020-07-28 2023-12-05 Huawei Technologies Co., Ltd. Predictive motion planning system and method
CN112099493B (zh) * 2020-08-31 2021-11-19 西安交通大学 一种自主移动机器人轨迹规划方法、系统及设备
US11536586B2 (en) * 2020-09-17 2022-12-27 Here Global B.V. System, method, and computer program product for identifying a road object
CN114485627B (zh) * 2020-10-23 2023-10-31 广东博智林机器人有限公司 一种有轨小车的导航方法、装置、有轨小车及存储介质
CN112519797A (zh) * 2020-12-10 2021-03-19 广州小鹏自动驾驶科技有限公司 一种车辆安全距离预警方法、预警系统、汽车及存储介质
CN112649012A (zh) * 2020-12-15 2021-04-13 北京三快在线科技有限公司 一种轨迹规划方法、设备、介质及无人设备
CN113479198B (zh) * 2021-08-20 2022-12-02 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置
CN113650608A (zh) * 2021-09-14 2021-11-16 广州小鹏自动驾驶科技有限公司 一种基于自动驾驶的避障方法和装置
CN113916246B (zh) * 2021-09-26 2023-09-01 江苏徐工工程机械研究院有限公司 一种无人驾驶避障路径规划方法和系统
US20230115758A1 (en) * 2021-10-11 2023-04-13 Argo AI, LLC Systems and methods for controlling speed of an autonomous vehicle
CN113968235B (zh) * 2021-11-30 2023-03-28 广州文远知行科技有限公司 一种障碍物的区域层级确定方法、装置、设备和介质
CN114610044B (zh) * 2022-03-21 2024-03-22 广东工业大学 一种基于Lanelet框架的移动参考线避障方法和系统
CN116974286B (zh) * 2023-08-25 2024-06-21 上海木蚁机器人科技有限公司 调整无人车跟随控制点的避障方法、装置、设备和介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6232004B2 (ja) 2014-05-30 2017-11-15 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3238496B2 (ja) * 1992-11-06 2001-12-17 株式会社豊田中央研究所 車両用衝突防止装置
JP4082471B2 (ja) * 1997-04-04 2008-04-30 富士重工業株式会社 車外監視装置
JP4062353B1 (ja) * 2006-11-10 2008-03-19 トヨタ自動車株式会社 障害物進路予測方法、装置、およびプログラム
EP2280241A3 (en) * 2009-07-30 2017-08-23 QinetiQ Limited Vehicle control
CN102902269B (zh) * 2012-09-21 2015-07-01 北京邮电大学 预选择最小距离指标冗余机器人动态避障方法
CN103901892B (zh) * 2014-03-04 2016-12-07 清华大学 无人机的控制方法及系统
CN104392081A (zh) * 2014-06-30 2015-03-04 管小清 一种冗余机械臂运动障碍物避障算法
DE102015201209A1 (de) * 2015-01-26 2016-07-28 Robert Bosch Gmbh Valet Parking-Verfahren und Valet-Parking System
JP6638556B2 (ja) * 2016-05-20 2020-01-29 アイシン・エィ・ダブリュ株式会社 自動運転支援装置及びコンピュータプログラム
JP6551382B2 (ja) * 2016-12-22 2019-07-31 トヨタ自動車株式会社 衝突回避支援装置
CN110914777B (zh) * 2016-12-30 2023-05-26 辉达公司 用于自主车辆的高清地图以及路线存储管理系统
US20190061765A1 (en) * 2017-08-23 2019-02-28 Uber Technologies, Inc. Systems and Methods for Performing Lane Changes Around Obstacles

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6232004B2 (ja) 2014-05-30 2017-11-15 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物

Also Published As

Publication number Publication date
US20190243370A1 (en) 2019-08-08
JP6873170B2 (ja) 2021-05-19
CN110119140B (zh) 2022-05-17
KR20190100856A (ko) 2019-08-29
CN110119140A (zh) 2019-08-13
EP3524934A1 (en) 2019-08-14
JP2019138903A (ja) 2019-08-22
EP3524934B1 (en) 2021-04-07
US10754341B2 (en) 2020-08-25

Similar Documents

Publication Publication Date Title
KR102211299B1 (ko) 곡선 투영을 가속화하기 위한 시스템 및 방법
KR102099152B1 (ko) 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
US10948919B2 (en) Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
CN109947090B (zh) 用于自动驾驶车辆规划的非阻塞边界
CN109521761B (zh) 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统
EP3580625B1 (en) Driving scenario based lane guidelines for path planning of autonomous driving vehicles
CN111061261B (zh) 使用标准导航地图与基于车辆的先前轨迹确定的车道配置的自动驾驶方法
US10289110B2 (en) Method to dynamically adjusting steering rates of autonomous vehicles
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
KR102279078B1 (ko) 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
US10496098B2 (en) Road segment-based routing guidance system for autonomous driving vehicles
US20190315357A1 (en) Novel method for speed adjustment of autonomous driving vehicles prior to lane change
CN111328411A (zh) 用于自动驾驶车辆的行人概率预测系统
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
CN111328385A (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN111649751B (zh) 一种用于参考线平滑的超自由缝合方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant