KR20190098914A - 자율 주행 차량을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체 - Google Patents
자율 주행 차량을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체 Download PDFInfo
- Publication number
- KR20190098914A KR20190098914A KR1020190012797A KR20190012797A KR20190098914A KR 20190098914 A KR20190098914 A KR 20190098914A KR 1020190012797 A KR1020190012797 A KR 1020190012797A KR 20190012797 A KR20190012797 A KR 20190012797A KR 20190098914 A KR20190098914 A KR 20190098914A
- Authority
- KR
- South Korea
- Prior art keywords
- reference point
- adv
- sampling distance
- distance
- point set
- Prior art date
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 136
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 13
- 230000002829 reductive effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 210000003918 fraction a Anatomy 0.000 claims 1
- 238000002379 ultrasonic velocimetry Methods 0.000 description 59
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G05D1/0231—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
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
-
- 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
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G05D1/02—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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
자율 주행 차량(ADV)을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체가 개시된다. 일부 실시예에 따르면, 시스템은 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하고, 상기 제1 기준점 집합은 상기 ADV가 따라야 할 기준선을 표시한다. 상기 시스템은 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하고, 이는, 상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계; 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및 ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함한다. 상기 시스템은 상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획한다.
Description
본 개시의 실시예는 전반적으로 자율 주행 차량을 작동하는 것에 관한 것이다. 더 구체적으로, 본 개시의 실시예는 자율 주행 차량(ADV)을 위한 동적으로 조정된 기준선 샘플링 점 밀도에 관한 것이다.
자율 주행 모드로 작동하는(예를 들어, 운전자가 없는) 차량은 탑승자, 특히 운전자를 일부 운전에 관련된 의무에서 해방하도록 할 수 있다. 자율 주행 모드로 작동할 경우, 차량은 차량용 센서를 이용하여 다양한 위치로 내비게이션할 수 있으므로, 차량이 인간과 컴퓨터 사이의 인터랙션이 가장 적은 상황 또는 승객이 전혀 없는 일부 상황에서 주행하는 것을 허용한다.
차량은 계획된 주행 궤적을 통해 자율 주행 모드로 작동할 수 있다. 계획된 주행 궤적은 "기준선"에 의존하는 ADV 계획 모듈에 의해 생성된다. 기준선은 기하학적 세계 지도 상의 평활한 선이다. 기준선은 도로 곡선을 따른 점 집합으로 표시된다. 전형적인 200 미터의 도로 곡선은 기준선을 위해 1000 개의 점을 사용한다. 많은 알고리즘(예를 들어, 기준선 투영, 및 주행 궤적 결정 및 계획)의 계산 시간은 점의 수량 또는 기준선의 밀도와 직접 관련된다.
본 개시의 실시예는 전반적으로 자율 주행 차량을 작동하는 것에 관한 것이다.
본 개시의 일 방면에 따르면, 자율 주행 차량(ADV)의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법은, 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 상기 ADV가 따라야 할 기준선을 표시하는 단계; 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및 상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함한다. 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는, 상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계; 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및 ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함한다.
본 개시의 다른 일 방면에 따르면, 비일시적인 기계 판독 가능한 매체에 명령어가 저장되고, 상기 명령어는 프로세서에 의해 실행될 경우 상기 프로세서로 하여금 조작을 수행하도록 한다. 상기 조작은, 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 상기 ADV가 따라야 할 기준선을 표시하는 단계; 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및 상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함한다. 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는, 상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계; 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및 ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함한다.
본 개시의 또 다른 일 방면에 따르면, 데이터 처리 시스템은 하나 또는 다수의 프로세서, 및 메모리를 포함하되, 상기 메모리는 명령어를 저장하도록 상기 하나 또는 다수의 프로세서에 연결된다. 상기 명령어는 상기 하나 또는 다수의 프로세서에 의해 실행될 경우 상기 프로세서로 하여금 조작을 수행하도록 한다. 상기 조작은, 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 상기 ADV가 따라야 할 기준선을 표시하는 단계; 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및 상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함한다. 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는, 상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계; 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및 ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함한다.
본 개시의 실시예는 자율 주행 차량(ADV)을 위한 동적으로 조정된 기준선 샘플링 점 밀도에 관한 것이다.
본 개시의 실시예는 첨부된 도면의 각 도면에서 한정적이 아니고 예를 드는 방식으로 도시되어 도면의 동일한 첨부기호가 유사한 부품을 가리킨다.
도1은 일 실시예에 따른 네트워크화된 시스템을 나타내는 블록도이다.
도2는 일 실시예에 따른 자율 주행 차량이 사용하는 센서 및 제어 시스템의 예시를 나타내는 블록도이다.
도3A 및 도3B는 일부 실시예에 따른 자율 주행 차량이 사용하는 감지 및 계획 시스템의 예시를 나타내는 블록도이다.
도4는 등거리의 예시적인 기준선점을 나타내는 블록도이다.
도5는 일 실시예에 따른 예시적인 동적으로 조정된 기준선 샘플링 점 밀도를 나타내는 블록도이다.
도6은 일 실시예에 따른 방법을 나타내는 흐름도이다.
도7은 일 실시예에 따른 데이터 처리 시스템을 나타내는 블록도이다.
도1은 일 실시예에 따른 네트워크화된 시스템을 나타내는 블록도이다.
도2는 일 실시예에 따른 자율 주행 차량이 사용하는 센서 및 제어 시스템의 예시를 나타내는 블록도이다.
도3A 및 도3B는 일부 실시예에 따른 자율 주행 차량이 사용하는 감지 및 계획 시스템의 예시를 나타내는 블록도이다.
도4는 등거리의 예시적인 기준선점을 나타내는 블록도이다.
도5는 일 실시예에 따른 예시적인 동적으로 조정된 기준선 샘플링 점 밀도를 나타내는 블록도이다.
도6은 일 실시예에 따른 방법을 나타내는 흐름도이다.
도7은 일 실시예에 따른 데이터 처리 시스템을 나타내는 블록도이다.
이하, 기술된 세부 사항들을 참조하여 본 개시의 다양한 실시예와 방면에 대해 설명하기로 하는 바, 첨부된 도면은 상기 다양한 실시예를 나타낸다. 이하의 설명과 도면은 본 개시에 대한 설명일 뿐, 본 개시를 한정하는 것으로 해석하여서는 아니된다. 본 개시의 다양한 실시예들에 대한 완전한 이해를 제공하기 위해 대량의 특정된 세부 사항들에 대해 설명하였다. 그러나, 일부 상황에서는, 본 개시의 실시예에 대한 간결한 기술을 제공하기 위해 널리 알려져 있거나 관습적인 세부 사항에 대해서는 설명하지 않는다.
본 명세서에 있어서, "일 실시예" 또는 "실시예"에 대한 언급은 해당 실시예를 결합하여 설명한 특정의 특징, 구조 또는 특성이 본 개시의 적어도 하나의 실시예에 포함될 수 있음을 의미한다. 본 개시의 여러 곳에 나타난 문구 "일 실시예에 있어서"는 전부 동일한 실시예를 가리켜야만 하는 것이 아니다.
일부 실시예에 따르면, 시스템은 기준선 샘플링 점 밀도를 동적으로 조정한다. 일 실시예에 있어서, 시스템은 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하고, 다수의 제1 기준점은 ADV가 따라야 할 기준선을 표시한다. 시스템은 기준선을 따라 제2 기준점 집합을 선택하고, 이는, 제1 기준점 집합에서 현재 기준점을 선택하는 단계; 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및 확정된 샘플링 거리를 기반으로 다음 기준점을 선택하여 ADV에 가까운 제2 기준점 집합의 밀도로 하여금 ADV에서 먼 선택된 기준점의 밀도보다 높도록 하는 단계를 반복적으로 수행하는 단계를 포함한다. 시스템은 ADV를 제어하도록 제2 기준점 집합을 이용하여 ADV를 위해 궤적을 계획한다.
도1은 본 개시의 일 실시예에 따른 자율 주행 차량 네트워크 구성을 나타내는 블록도이다. 도1을 참조하면, 네트워크 구성(100)은 네트워크(102)를 통해 통신적 방식으로 하나 또는 다수의 서버(103-104)에 연결될 수 있는 자율 주행 차량(101)을 포함한다. 비록 하나의 자율 주행 차량을 도시하였지만, 다수의 자율 주행 차량이 네트워크(102)를 통해 상호 연결되고 및/또는 서버(103-104)에 연결될 수 있다. 네트워크(102)는 임의 유형의 네트워크일 수 있고, 예를 들어, 유선 또는 무선의 근거리 통신망(LAN), 인터넷과 같은 광역 통신망(WAN), 셀룰러 네트워크, 위성 네트워크 또는 이들의 조합일 수 있다. 서버(103-104)는 임의 유형의 서버 또는 서버 클러스터일 수 있고, 예를 들어, 네트워크 또는 클라우드 서버, 애플리케이션 서버, 백엔드 서버 또는 이들의 조합일 수 있다. 서버(103-104)는 데이터 분석 서버, 콘텐츠 서버, 교통 정보 서버, 지도 및 관심 지점(MPOI) 서버 또는 위치 서버 등일 수 있다.
자율 주행 차량은 자율 주행 모드에 처하도록 구성될 수 있는 차량을 가리키고, 상기 자율 주행 모드에서, 차량은 운전자로부터의 입력이 극히 적거나 아예 없는 상황에서 내비게이션을 하고 환경을 통행한다. 이러한 자율 주행 차량은 센서 시스템을 포함할 수 있고, 상기 센서 시스템은 차량 작동 환경과 관련된 정보를 검측하도록 구성된 하나 또는 다수의 센서를 구비한다. 상기 차량과 그에 관련된 제어기는 검측된 정보를 이용하여 내비게이션을 하고 상기 환경을 통행한다. 자율 주행 차량(101)은 수동 모드, 완전 자율 모드 또는 부분 자율 모드에서 작동할 수 있다.
일 실시예에 있어서, 자율 주행 차량(101)은 감지 및 계획 시스템(110), 차량 제어 시스템(111), 무선 통신 시스템(112), 사용자 인터페이스 시스템(113), 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 자율 주행 차량(101)은 일반적인 차량 중에 포함된 일부 범용 부품(예를 들어, 엔진, 바퀴, 핸들 및 변속기 등)을 더 포함할 수 있고, 상기 부품은 차량 제어 시스템(111) 및/또는 감지 및 계획 시스템(110)에 의해 다양한 통신 신호 및/또는 명령(예를 들어, 가속도 신호 또는 명령, 감속도 신호 또는 명령, 조향 신호 또는 명령, 제동 신호 또는 명령 등)을 이용하여 제어될 수 있다.
부품(110-115)은 상호 연결 장치, 버스, 네트워크 또는 이들의 조합을 통해 통신적 방식으로 상호 연결될 수 있다. 예를 들어, 부품(110-115)은 계측 제어기 통신망(CAN)의 버스를 경유하여 통신적 방식으로 상호 연결될 수 있다. CAN 버스는 마이크로 제어기 및 장치로 하여금 호스트 컴퓨터가 없는 애플리케이션에서 상호 통신이 가능하도록 설계된 차량 버스 표준이다. 상기 CAN 버스는 정보 기반의 프로토콜이고, 처음엔 자동차 내의 멀티 플렉스 전기 배선을 위해 설계되었으나, 기타 다양한 상황에서도 사용된다.
도2를 참조하면, 일 실시예에 있어서, 센서 시스템(115)은 하나 또는 다수의 카메라(211), 위성 위치 확인 시스템(GPS) 유닛(212), 관성 측정 유닛(IMU; 213), 레이더 유닛(214)과 광탐지 및 거리측정(LIDAR) 유닛(215)을 포함하나, 이에 한정되지 않는다. GPS 시스템(212)은 송수신기를 포함할 수 있고, 상기 송수신기는 자율 주행 차량의 위치와 관련된 정보를 제공하도록 작동될 수 있다. IMU 유닛(213)은 관성 가속도를 기반으로 자율 주행 차량의 위치와 방향 변화를 감지할 수 있다. 레이더 유닛(214)은 라디오 신호를 이용하여 자율 주행 차량의 로컬 환경 내의 대상을 감지하는 시스템을 표시할 수 있다. 일부 실시예에 있어서, 대상 감지외에, 레이더 유닛(214)은 대상의 속도 및/또는 전진 방향을 더 감지할 수 있다. LIDAR 유닛(215)은 레이저를 이용하여 자율 주행 차량이 처하는 환경 중의 대상을 감지할 수 있다. 기타 시스템 부품 외에, LIDAR 유닛(215)은 하나 또는 다수의 레이저 소스, 레이저 스캐너, 및 하나 또는 다수의 탐지기를 더 포함할 수 있다. 카메라(211)는 자율 주행 차량 주변 환경의 이미지를 수집하기 위한 하나 또는 다수의 장치를 포함할 수 있다. 카메라(211)는 스틸 카메라 및/또는 비디오 카메라일 수 있다. 카메라는 기계적으로 이동 가능할 수 있고, 예를 들어, 카메라를 회전 플랫폼 및/또는 경사진 플랫폼에 설치함으로써 이동 가능할 수 있다.
센서 시스템(115)은 기타 센서를 더 포함할 수 있고, 예를 들어, 소나 센서, 적외선 센서, 조향 센서, 스로틀 센서, 제동 센서 및 오디오 센서(예를 들어, 마이크)를 포함할 수 있다. 오디오 센서는 자율 주행 차량 주변의 환경에서 소리를 캡처하도록 구성될 수 있다. 조향 센서는 핸들, 차량의 바퀴 또는 그들의 조합의 조향 각도를 감지하도록 구성될 수 있다. 스로틀 센서 및 제동 센서는 차량의 스로틀 위치 및 제동 위치를 각각 감지한다. 일부 상황에서, 스로틀 센서 및 제동 센서는 집적 스로틀/제동 센서로 통합될 수 있다.
일 실시예에 있어서, 차량 제어 시스템(111)은 조향 유닛(201), 스로틀 유닛(202; 가속 유닛으로도 지칭됨), 및 제동 유닛(203)을 포함하나, 이에 한정되지 않는다. 조향 유닛(201)은 차량의 방향 또는 전진 방향을 조정하도록 구성된다. 스로틀 유닛(202)은 모터 또는 엔진의 속도를 제어하도록 구성되고, 모터 또는 엔진의 속도는 차량의 속도와 가속도를 제어한다. 제동 유닛(203)은 마찰을 제공함으로써 차량의 바퀴 또는 타이어를 늦춤으로써 차량의 속도를 줄인다. 도2에 도시된 부품은 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있음을 유의하여야 한다.
도1을 다시 참조하면, 무선 통신 시스템(112)은 자율 주행 차량(101)과 외부 시스템(예를 들어, 장치, 센서, 기타 차량 등) 사이의 통신이 가능하도록 한다. 예를 들어, 무선 통신 시스템(112)은 하나 또는 다수의 장치와 무선 통신을 직접 진행할 수 있거나 통신 네트워크를 통해 무선 통신을 진행할 수 있고, 예를 들어, 네트워크(102)를 통해 서버(103-104)와 통신을 진행할 수 있다. 무선 통신 시스템(112)은 임의의 셀룰러 통신망 또는 무선 근거리 통신망(WLAN; 예를 들어, WIFI)을 이용하여 다른 일 부품 또는 시스템과 통신할 수 있다. 예를 들어, 무선 통신 시스템(112)은 적외선 링크, 블루투스 등을 이용하여 장치(예를 들어, 승객의 모바일 장치, 디스플레이 장치, 및 차량(101) 내의 스피커)와 직접 통신할 수 있다. 사용자 인터페이스 시스템(113)은 차량(101) 내에 구현된 주변 장치의 일부분일 수 있고, 예를 들어, 키보드, 터치 스크린 디스플레이 장치, 마이크로폰, 스피커 등을 포함한다.
특히 자율 주행 모드에서 작동할 경우, 자율 주행 차량(101)의 일부 또는 전부 기능은 감지 및 계획 시스템(110)에 의해 제어되거나 관리될 수 있다. 감지 및 계획 시스템(110)은 필요한 하드웨어(예를 들어, 프로세서, 메모리, 및 저장 장치)와 소프트웨어(예를 들어, 운영 체제, 계획 및 노선 배치 프로그램)를 포함하여 센서 시스템(115), 제어 시스템(111), 무선 통신 시스템(112) 및/또는 사용자 인터페이스 시스템(113)에서 정보를 수신하고, 수신된 정보를 처리하고, 시작점으로부터 목적지점까지의 노선 또는 경로를 계획하며, 다음, 계획 및 제어 정보에 기반하여 차량(101)을 운전한다. 선택적으로, 감지 및 계획 시스템(110)은 차량 제어 시스템(111)과 통합될 수 있다.
예를 들어, 승객으로서의 사용자가, 예를 들어, 사용자 인터페이스를 경유하여 트립의 시작 위치와 목적지를 지정할 수 있다. 감지 및 계획 시스템(110)은 트립에 관한 데이터를 획득한다. 예를 들어, 감지 및 계획 시스템(110)은 MPOI 서버에서 위치 및 노선 정보를 획득할 수 있고, 상기 MPOI 서버는 서버(103-104)의 일부분일 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 지도 서비스 및 일부 위치의 POI를 제공한다. 선택적으로, 이러한 위치 및 MPOI 정보는 감지 및 계획 시스템(110)의 영구 저장 장치에 로컬로 캐시될 수 있다.
자율 주행 차량(101)이 노선을 따라 이동할 경우, 감지 및 계획 시스템(110)은 교통 정보 시스템 또는 서버(TIS)에서 실시간 교통 정보를 더 획득할 수 있다. 서버(103-104)는 제3자 엔터티에 의해 작동될 수 있음을 유의하여야 한다. 선택적으로, 서버(103-104)의 기능은 감지 및 계획 시스템(110)과 통합될 수 있다. 실시간 교통 정보, MPOI 정보, 위치 정보 및 센서 시스템(115)에 의해 검측 또는 감지된 실시간 로컬 환경 데이터(예를 들어, 장애물, 대상 및 근처의 차량)에 기반하여, 감지 및 계획 시스템(110)은 지정된 목적지에 안전하게 효율적으로 도착하도록 최적 노선을 계획하고, 계획된 노선에 따라, 예를 들어, 제어 시스템(111)을 통해 차량(101)을 운전할 수 있다.
서버(103)는 다양한 클라이언트를 위해 데이터 분석 서비스를 수행하는 데이터 분석 시스템일 수 있다. 일 실시예에 있어서, 데이터 분석 시스템(103)은 데이터 수집기(121)와 기계 학습 엔진(122)을 포함한다. 데이터 수집기(121)는 다양한 차량(자율 주행 차량 또는 인간 운전자가 운전하는 상용 차량)에서 주행 통계 데이터(123)를 수집한다. 주행 통계 데이터(123)는, 내리는 주행 명령(예를 들어, 스로틀, 제동, 및 조향 명령)을 지시하는 정보 및 차량의 부동한 위치에 있는 센서가 바로 캡처하는 차량의 응답(예를 들어, 속도, 가속도, 감속도, 및 방향)을 포함한다. 주행 통계 데이터(123)는 상이한 시점에서의 주행 환경을 설명하는 정보를 더 포함할 수 있고, 예를 들어, 노선(시작 위치 및 목적지 위치를 포함함), MPOI, 도로 상태, 날씨 상태 등을 포함할 수 있다.
주행 통계 데이터(123)에 기반하여, 기계 학습 엔진(122)은 여러 가지의 목적에서 한 세트의 규칙, 알고리즘 및/또는 모델(124)을 생성 또는 훈련한다. 일 실시예에 있어서, 알고리즘/모델(124)은 기준선 샘플링 점 밀도를 동적으로 조정할 수 있는 샘플링 알고리즘/모델을 포함할 수 있다. 샘플링 모델은 최소 샘플링 거리, 최대 샘플링 거리 및 하나 또는 다수의 알고리즘을 포함하여 기준선 샘플링 점 밀도를 수정할 수 있다. 샘플링 모델은 자율 주행 차량에 업로드되어 실시간으로 기준선의 기준선 점 밀도를 동적으로 조정하는 데 사용될 수 있다.
도3A 및 도3B는 일 실시예에 따른 자율 주행 차량과 함께 사용되는 감지 및 계획 시스템의 예시를 나타내는 블록도이다. 시스템(300)은 도1의 자율 주행 차량(101)의 일부분으로 구현될 수 있고, 감지 및 계획 시스템(110), 제어 시스템(111) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 도3A 및 도3B를 참조하면, 감지 및 계획 시스템(110)은 위치 측정 모듈(301), 감지 모듈(302), 예측 모듈(303), 결정 모듈(304), 계획 모듈(305), 제어 모듈(306), 노정 배치/샘플링 모듈(307) 및 기준선 생성기(309)를 포함하나, 이에 한정되지 않는다.
모듈(301-309) 중의 일부 또는 전부는 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이 모듈들은 영구 저장 장치(352)에 설치될 수 있고, 메모리(351)에 로딩될 수 있고, 하나 또는 다수의 프로세서(미도시)에 의해 실행될 수 있다. 이 모듈들 중의 일부 또는 전부는 도2의 차량 제어 시스템(111)의 일부 또는 전부 모듈에 통신적 방식으로 연결되거나 그들과 통합될 수 있다. 모듈(301-309) 중의 일부는 집적 모듈로 통합될 수 있다. 예를 들어, 노정 배치/샘플링 모듈(307)과 기준선 생성기(309)는 단독적 모듈로 통합될 수 있다.
위치 측정 모듈(301)은 자율 주행 차량(300)의 현재 위치를 확정하고, 예를 들어, GPS 유닛(212)을 이용하여 확정하고, 사용자의 트립 또는 노선과 관련된 임의 데이터를 관리한다. 위치 측정 모듈(301; 지도 및 노선 모듈로도 지칭됨)은 사용자의 트립 또는 노선과 관련된 임의 데이터를 관리한다. 예를 들어, 사용자는 사용자 인터페이스를 경유하여 로그인하고 트립의 시작 위치 및 목적지를 지정할 수 있다. 위치 측정 모듈(301)은 지도 및 노선 정보(311)와 같은 자율 주행 차량(300)의 기타 부품과 통신하여 트립에 관한 데이터를 획득한다. 예를 들어, 위치 측정 모듈(301)은 위치 서버와 지도 및 POI(MPOI) 서버에서 위치 및 노선 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 지도 서비스 및 일부 위치의 POI를 제공하고, 따라서, 이는 지도 및 노선 정보(311)의 일부분으로 캐시될 수 있다. 자율 주행 차량(300)이 노선을 따라 이동할 경우, 위치 측정 모듈(301)은 교통 정보 시스템 또는 서버에서 실시간 교통 정보를 획득할 수도 있다.
센서 시스템(115)이 제공한 센서 데이터 및 위치 측정 모듈(301)이 획득한 위치 측정 정보에 기반하여, 감지 모듈(302)은 주변 환경에 대한 감지를 확정한다. 감지 정보는 보통 운전자가 운전하는 차량 주변에서 운전자가 감지하게 되는 것을 표시할 수 있다. 감지는 대상 형식을 이용하는 차도 구성(예를 들어, 직선 차도 또는 곡선 차도), 교통 신호, 다른 일 차량의 상대 위치, 보행자, 건물, 횡단 보도 또는 교통에 관한 기타 표지(예를 들어, 정지 표지, 양보 표지) 등과 같은 것을 포함할 수 있다.
감지 모듈(302)은 컴퓨터 시각 시스템 또는 컴퓨터 시각 시스템의 기능을 포함하여 하나 또는 다수의 카메라에 의해 수집된 이미지를 처리하고 분석할 수 있고, 따라서, 자율 주행 차량의 환경 중의 대상 및/또는 특징을 식별하게 된다. 상기 대상은 교통 신호, 도로 경계선, 기타 차량, 보행자 및/또는 장애물 등을 포함할 수 있다. 컴퓨터 시각 시스템은 대상 인식 알고리즘, 동영상 추적 및 기타 컴퓨터 시각 기술을 이용할 수 있다. 일부 실시예에 있어서, 컴퓨터 시각 시스템은 환경 지도를 제작하고 대상을 추적하고 대상의 속도를 추산할 수 있다. 감지 모듈(302)은 레이더 및/또는 LIDAR와 같은 기타 센서에 의해 제공된 기타 센서 데이터에 기반하여 대상을 검측할 수도 있다.
각 대상에 대하여, 예측 모듈(303)은 대상이 환경에서 어떻게 표현하는지를 예측한다. 상기 예측은 시점에서 주행 환경을 감지하는 감지 데이터에 기반하고 지도/노선 정보(311) 및 교통 규칙(312)의 집합을 감안하여 수행된다. 예를 들어, 대상이 반대 방향을 따른 차량이고 현재 주행 환경이 교차로를 포함할 경우, 예측 모듈(303)은 차량이 앞으로 직진할지, 회전을 할지를 예측하게 된다. 감지 데이터가 교차로에 신호등이 없는 것을 지시할 경우, 예측 모듈(303)은 차량이 교차로에 들어가기 전에 완전히 정지하여야 할 수 있는지를 예측할 수 있다. 감지 데이터가 차량이 현재 좌회전 전용 차도 또는 우회전 전용 차도에 처하는 것을 지시할 경우, 예측 모듈(303)은 차량이 좌회전 또는 우회전을 할 가능성이 더 높은 것을 각각 예측할 수 있다.
각 대상에 대하여, 결정 모듈(304)은 대상을 어떻게 처리하는지에 관한 결정을 내린다. 예를 들어, 특정 대상(예를 들어, 교차로 중의 다른 일 차량) 및 대상을 설명하는 메타데이터(예를 들어, 속도, 방향, 및 회전 각도)에 대하여, 결정 모듈(304)은 상기 대상과 어떻게 마주치는지(예를 들어, 추월, 양보, 정지, 및 초과)를 결정한다. 결정 모듈(304)은 교통 규칙 또는 주행 규칙(312)과 같은 규칙 집합에 따라 이러한 결정을 내릴 수 있고, 상기 규칙 집합은 영구 저장 장치(352)에 저장될 수 있다.
감지된 대상 중의 각각에 대한 결정에 기반하여, 계획 모듈(305)은 자율 주행 차량을 위해 경로 또는 노선, 및 주행 파라미터(예를 들어, 거리, 속도 및/또는 회전 각도)를 계획한다. 즉, 지정된 대상에 대하여, 결정 모듈(304)은 해당 대상에 대해 뭘 하는지를 결정하고, 계획 모듈(305)은 어떻게 할지를 확정한다. 예를 들어, 지정된 대상에 대하여, 결정 모듈(304)은 대상을 초과하는 것을 결정할 수 있고, 계획 모듈(305)은 대상의 왼쪽 또는 오른쪽에서 초과하는지를 확정할 수 있다. 계획 및 제어 데이터는 계획 모듈(305)에 의해 생성되고, 차량(300)이 다음 이동 사이클(예를 들어, 다음 노선/경로 세그먼트)에서 어떻게 이동할지를 설명하는 정보를 포함한다. 예를 들어, 계획 및 제어 데이터는 차량(300)이 시속 30마일(mph)의 속도로 10m를 이동하고, 다음, 25mph의 속도로 오른쪽 차도로 변경하도록 지시할 수 있다.
계획 및 제어 데이터에 기반하여, 제어 모듈(306)은 계획 및 제어 데이터에 의해 한정된 노선 또는 경로에 따라 적절한 명령 또는 신호를 차량 제어 시스템(111)에 발송함으로써 자율 주행 차량을 제어하고 운전한다. 상기 계획 및 제어 데이터는 충분한 정보를 포함하여, 경로 또는 노선을 따라 상이한 시점에서 적절한 차량 설정 또는 주행 파라미터(예를 들어, 스로틀, 제동 및 회전 명령)를 이용하여 차량을 노선 또는 경로의 제1 점으로부터 제2점에 운전하도록 한다.
일 실시예에 있어서, 계획 단계는 다수의 계획 주기(명령 주기로도 지칭됨)에서 수행되고, 예를 들어, 기간이 100 밀리초(ms)인 모든 주기에서 수행된다. 각 계획 주기 또는 명령 주기에 대하여, 하나 또는 다수의 제어 명령은 계획 및 제어 데이터를 기반으로 내리게 된다. 즉, 각 100ms에 대하여, 계획 모듈(305)은 다음 노선 세그먼트 또는 경로 세그먼트를 계획하고, 예를 들어, 목표 위치 및 ADV가 목표 위치에 도착하는 데 필요한 시간을 포함한다. 선택적으로, 계획 모듈(305)은 구체적인 속도, 방향 및/또는 조향 각도 등을 더 규정할 수 있다. 일 실시예에 있어서, 계획 모듈(305)은 다음 예정된 기간(예를 들어, 5초)의 노선 세그먼트 또는 경로 세그먼트를 계획한다. 각 계획 주기에 대하여, 계획 모듈(305)은 지난 주기에서 계획된 목표 위치에 기반하여 현재 주기(예를 들어, 다음 5초)의 목표 위치를 계획한다. 다음, 제어 모듈(306)은 현재 주기의 계획 및 제어 데이터에 기반하여 하나 또는 다수의 제어 명령(예를 들어, 스로틀, 제동, 조향 제어 명령)을 생성한다.
결정 모듈(304) 및 계획 모듈(305)은 집적 모듈로 통합될 수 있음을 유의하여야 한다. 결정 모듈(304)/계획 모듈(305)은 네비게이션 시스템 또는 네비게이션 시스템의 기능을 포함하여 자율 주행 차량의 주행 경로를 확정할 수 있다. 예를 들어, 네비게이션 시스템은 아래와 같은 경로를 따른 자율 주행 차량의 이동을 구현하기 위한 일련의 속도 및 전진 방향을 확정할 수 있다. 상기 경로는 자율 주행 차량로 하여금 최종 목적지에 향하고 차도 기반의 경로를 따라 전진하는 동시에 감지된 장애물을 기본적으로 피하도록 한다. 목적지는 사용자 인터페이스 시스템(113)을 통해 진행하는 사용자 입력에 따라 설정될 수 있다. 내비게이션 시스템은 자율 주행 차량이 작동하는 동시에 주행 경로를 동적으로 업데이트할 수 있다. 네비게이션 시스템은 GPS 시스템 및 하나 또는 다수의 지도로부터의 데이터를 병합하여 자율 주행 차량을 위한 주행 경로를 확정할 수 있다.
결정 모듈(304)/계획 모듈(305)은 충돌 회피 시스템 또는 충돌 회피 시스템의 기능을 더 포함하여 자율 주행 차량의 환경 중의 잠재적인 장애물을 식별하고 평가하고 회피하거나 기타 방식으로 넘어갈 수 있다. 예를 들어, 충돌 회피 시스템은 제어 시스템(111) 내의 하나 또는 다수의 서브 시스템을 작동하여 방향을 바꾸는 동작, 회전 동작, 제동 동작 등과 같은 방식을 통해 내비게이션에서 자율 주행 차량의 변화를 구현할 수 있다. 충돌 회피 시스템은 주변의 교통 패턴, 도로 상황 등에 기반하여 가능한 장애물 회피 동작을 자동적으로 확정할 수 있다. 충돌 회피 시스템은 자율 주행 차량이 방향을 바꿔 들어가는 근접 구역에 처하는 차량, 건축 장애물 등이 기타 센서 시스템에 의해 검측될 경우 방향을 바꾸는 동작을 채용하지 않도록 구성될 수 있다. 충돌 회피 시스템은 자율 주행 차량의 탑승자의 안전성을 최대화하고 사용 가능한 동작을 자동적으로 선택할 수 있다. 충돌 회피 시스템은 자율 주행 차량의 승객실 중에서 최소의 가속도가 나타나도록 하는 것으로 예측된 회피 동작을 선택할 수 있다.
예를 들어, 노정 배치 모듈(307)은 지도 정보(예를 들어, 도로 세그먼트 정보, 도로 세그먼트의 차도 및 차도부터 도로 가장자리까지의 거리)에서 기준선을 생성할 수 있다. 예를 들어, 도로는 구간 또는 세그먼트{A, B, 및 C}로 구분되어 3 개의 도로 세그먼트를 표시할 수 있다. 도로 세그먼트(A)의 3 개의 차도는 아래와 같이 열거될 수 있다: {A1, A2, 및 A3}. 기준선(A)은 기준선을 따르고 균일한 밀도를 구비하는 기준점을 생성함으로써 생성된다. 예를 들어, 차량 차도에 대하여, 노정 배치 모듈(307)은 지도 데이터에 의해 제공된 차량 차도의 2 개의 상대적 길가 또는 가장자리의 중간점을 연결할 수 있다. 상기 중간점 및 전에 상이한 시점에서 차량 차도에 주행하는 차량의 수집된 데이터 점을 표시하는 기계 학습 데이터에 기반하여, 노정 배치 모듈(307)은 차량 차도의 기정된 근접 구역 내에 있는 수집된 데이터 점의 서브 집합을 선택하고 수집된 데이터 점의 서브 집합에 기반하여 상기 중간점에 평활 함수를 적용함으로써 기준점을 계산할 수 있다.
기준점에 기반하여, 기준선 생성기(309)는 기준점을 삽입함으로써 기준선을 생성할 수 있고, 따라서, 생성된 기준선은 차량 차도 상의 ADV를 제어하기 위한 기준선으로 사용된다. 일부 실시예에 있어서, 기준선을 표시하는 기준점 테이블과 도로 세그먼트 테이블은 ADV에 실시간으로 다운로드되고, 따라서, ADV는 ADV의 지리적 위치 및 주행 방향에 기반하여 기준점 테이블과 도로 세그먼트 테이블에서 기준선을 생성할 수 있다. 예를 들어, 일 실시예에 있어서, ADV는 다가오는 앞쪽의 도로 구간을 표시하는 경로 세그먼트 식별자를 통하고 및/또는 ADV의 GPS 위치에 기반하여 경로 세그먼트를 위한 노정 배치 서비스를 요청함으로써 기준선을 생성할 수 있다. 경로 세그먼트 식별자에 기반하여, 노정 배치 서비스는 관심이 있는 도로 세그먼트의 전부 차도를 위한 기준점을 포함하는 ADV 기준점 테이블에 귀착될 수 있다. ADV는 경로 세그먼트를 위한 차도의 기준점을 조회하여 차량 차도 상의 ADV를 제어하기 위한 기준선을 생성할 수 있다.
일 실시예에 있어서, ADV의 계산량을 감소시키기 위해, 샘플링 모듈(307)은 한 도로의 길이를 위한 최소 샘플링 거리와 최대 샘플링 거리를 확정하여 불균일한 선 밀도를 구비하는 기준선을 위해 생성된 기준선의 밀도를 동적으로 조정할 수 있다. 예를 들어, 샘플링 모듈(307)은 샘플링 알고리즘(샘플링 알고리즘/모델(313)의 일부분으로 됨)을 적용하여 생성된 기준선의 밀도를 동적으로 조정할 수 있고, 따라서, 계산 리소스의 유용성을 기반으로 기준선의 기준점의 수량을 감소시키거나 일부의 객관적인 요구를 만족시키게 된다. 예를 들어, 샘플링 모듈(307)은 (사용자 인터페이스를 경유하여 설정을 변경하는 방식으로 또는 서버(104)를 통해 ADV에 다운로드된 업데이트를 통해) 감지 및 계획 시스템(110)에서 요청을 수신하여, ADV 근처의 기준선 점 밀도를 변경하지 않도록 기준점의 밀도를 대략 5할을 감소시킬 수 있다.
샘플링 모듈(307)은 시행착오를 통해 최대 샘플링 거리를 조정하고 새로운 기준선 점 밀도를 계산함으로써, 샘플링 모듈(307)이 계산의 객관적인 요구에 도달할 때까지 기준선 점 밀도를 동적으로 조정할 수 있다. 일 상황에서, 샘플링 모듈(307)은 최소 샘플링 거리, 최대 샘플링 거리 및 샘플링 길이를 입력으로 하는 샘플링 알고리즘 계산을 수행한다. 샘플링 모듈(307)은 0.9 미터, 1.0 미터, 1.1 미터, 1.2 미터 등의 최대 샘플링 거리를 시행하고, 동시에 0.2 미터의 최소 샘플링 거리(예를 들어, ADV 근처의 기준선 점 밀도가 점마다 대략 0.2 미터인 것은 확보됨) 및 200 미터의 도로 길이를 일정하게 유지하여, 점 밀도가 5할이 감소하는 새로운 기준선을 획득할 수 있다. 다음, 새롭게 획득된 최대 샘플링 거리는 후속의 불균일한 기준선 점을 생성하는 데 상응하게 사용될 수 있다.
전술한 바와 같이, 노선 또는 노정 배치 모듈(307)은 사용자의 트립 또는 노선과 관련된 임의 데이터를 관리한다. ADV의 사용자는 시작 위치 및 목적지 위치를 지정하여 트립에 관한 데이트를 획득한다. 트립에 관한 데이터는 노선 세그먼트 및 노선 세그먼트의 기준선 기준점을 포함한다. 예를 들어, 노선 지도 정보에 기반하여, 노선 모듈(307)은 노선 또는 도로 세그먼트 테이블 및 기준점 테이블을 생성한다. 기준점은 도로 세그먼트 테이블 중의 도로 세그먼트 및/또는 차도와 관련된다. 기준점은 삽입되어 ADV를 제어하기 위한 하나 또는 다수의 기준선을 형성할 수 있다. 기준점은 도로 세그먼트 및/또는 도로 세그먼트의 특정 차도에 전용될 수 있다.
예를 들어, 도로 세그먼트 테이블은 이름-값 쌍일 수 있고, 따라서, 도로 세그먼트(A-D)를 위한 이전 및 다음의 도로 차도를 포함한다. 예를 들어, 도로 세그먼트 테이블은 차도(1)를 구비하는 도로 세그먼트(A-D)를 위한 {(A1, B1), (B1, C1), (C1, D1)}일 수 있다. 기준점 테이블은 도로 세그먼트의 차도를 위한 x-y 좌표계에 위치하는 기준점을 포함할 수 있고, 예를 들어, {(A1, (x1, y1)), (B1, (x2, y2)), (C1, (x3, y3)), (D1, (x4, y4))}일 수 있으며, A1 ? D1은 도로 세그먼트(A-D)의 차도(1)를 가리키고, (x1, y1) ? (x4, y4)는 상응한 현실 세계 좌표이다. 일 실시예에 있어서, 도로 세그먼트 및/또는 차도는 기정된 길이로 구분되고, 예를 들어, 대략 200 미터의 세그먼트/차도로 구분된다. 다른 일 실시예에 있어서, 도로 세그먼트 및/또는 차도는 도로 곡률과 같은 도로 상황에 따라 가변 길이의 세그먼트/차도로 구분된다. 일부 실시예에 있어서, 각 도로 세그먼트 및/또는 차도는 몇 개의 점을 포함할 수 있다. 일부 실시예에 있어서, 기준점은 위도-경도와 같은 기타 좌표계로 전환될 수 있다. 다음, 샘플링 모듈(307)은 기준점의 밀도를 동적으로 조정할 수 있다.
위에 나타나고 설명된 부품 중의 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합에서 구현될 수 있음을 유의하여야 한다. 예를 들어, 이러한 부품은 영구 저장 장치에 설치되고 저장되는 소프트웨어로 구현될 수 있고, 상기 소프트웨어는 프로세서(미도시)를 통해 메모리에 로딩되고 메모리에서 실행되어 본 출원의 전문에 나타난 상기 프로세스 또는 조작을 구현할 수 있다. 선택적으로, 이러한 부품은 전용 하드웨어(예를 들어, 집적 회로(예를 들어, 전용 집적 회로(ASIC)), 디지털 신호 프로세서(DSP), 또는 필드 프로그램 가능한 게이트 어레이(FPGA))에 프로그래밍되거나 내장된 실행 가능한 코드로 수현될 수 있다. 상기 실행 가능한 코드는 애플리케이션으로부터의 상응한 드라이버 및/또는 운영 체제를 통해 액세스될 수 있다. 또한, 이러한 부품은 프로세서 또는 프로세서 코어 중의 특정 하드웨어 논리로 구현되어, 소프트웨어 부품에 의해 하나 또는 다수의 특정 명령어를 통해 액세스하는 명령어 집합의 일부분으로 사용될 수 있다.
도4는 샘플링 알고리즘/모델이 적용되기 전의 예시적인 기준선점을 나타내는 블록도이다. 도4를 참조하면, 기준선(401)은 ADV(101)로부터 시작하는 기준점(402)의 집합을 표시한다. 기준점(402)은 ADV의 현재 위치 및 도착할 목적지 위치에 기반하여 노정 배치 모듈(407)에 의해 제공될 수 있다. 기준점(402; 예를 들어, 제1 기준점 집합)은 (x, y) 현실 세계 좌표계 또는 경도-위도 좌표계에 위치할 수 있다. 일 예시에 있어서, 기준점(402; 초기점(403)으로부터 종점(404)까지)는 200 미터의 길이의 기준선(401)을 표시하는 대략 0.2 미터씩 떨어진 점을 구비할 수 있다.
도5는 일 실시예에 따른 예시적인 동적으로 조정된 기준선 샘플링 점 밀도를 나타내는 블록도이다. 일 실시예에 있어서, 도5를 참조하면, 기준선(401)은 불균일한 밀도를 구비하는 기준점(403, 및 502-506; 예를 들어, 제2 기준점 집합)을 포함한다. 기준점(502-506)은 샘플링 모듈(307)에 의해 샘플링 알고리즘/모델(샘플링 알고리즘/모델(313)의 일부분으로 됨)을 이용하여 기준선(401)을 따라 선택될 수 있다. 샘플링 알고리즘은 제공된 기준점의 불균일한 밀도(최소 샘플 점 거리, 최대 샘플 점 거리 및 기준선의 길이)를 계산할 수 있다. 일 실시예에 있어서, 샘플링 알고리즘은 다음과 같다:
여기서, s는 제1 기준점 집합을 따른 현재 샘플링 기준점의 ADV로부터의 거리이고, D max 는 최대 샘플링 점 거리이고, D min 은 최소 샘플링 점 거리이고, L은 기준선의 길이이고, σ는 소수(예를 들어, 1e-3)이다.
도5를 참조하면, 목적을 설명하기 위해, 기준선(401)은 불균일한 밀도를 구비하는 기준점(403 및 502-506)을 포함할 수 있다. 기준점(502-506)은 샘플링 모듈(307)에 의해 기준선(401) 또는 그에 대응되는 기준점을 따라 선택될 수 있다. 일 실시예에 있어서, 샘플링 모듈(307)은 초기점(403; 예를 들어, s = 0)으로부터 시작하고 초기점(s = 0)에서 샘플링 알고리즘을 적용하여 s = 0에서의 샘플링 점 거리(f (s); 514)를 계산한다. 다음, 샘플링 모듈(307)은 다음 샘플링 점(503)을 선택하고, 상기 샘플링 점(503)은 점(403)에서 샘플링 점 거리(514) 떨어져 있다. 샘플링 모듈(307)은 점(503)에서 샘플링 알고리즘을 적용하여 샘플링 점 거리(515)를 계산하여 점(504)을 선택한다. 샘플링 모듈(307)은 샘플링 알고리즘을 후속의 샘플링 점(504...506)에 적용하고, 샘플링 알고리즘을 종점(예를 들어, 점(506))에 적용할 때까지 후속의 샘플링 점 거리를 계산하여 후속의 샘플링 점을 선택한다. 이와 같이, ADV(101)를 제어하도록 불균일한 밀도의 기준점(예를 들어, 점(403 및 502-506))을 구비하는 기준선은 이어서 결정 및 계획 모듈(304-305)과 같은 기타 모듈에 의해 이용되어 주행 궤적을 계획할 수 있다. 기준점의 밀도를 제어하는 동기는 기준선 상의 점의 수량과 선형적으로 관련된 많은 알고리즘(예를 들어, 예측, 결정 및 계획 주기 중의 알고리즘)의 계산 시간을 단축할 수 있는 데에 있다. 적은 기준점을 구비하는 기준선은 더욱 효율적이고 빠른 주기를 초래할 수 있다. 그러나, 기준점의 수량을 줄이거나 기준점(특히 ADV에 가까움) 사이의 샘플링 간격을 늘리는 것은 오차를 유발할 수 있고, 예를 들어, 인접한 기준점 사이에 발생한 이벤트를 정확하게 캡처하지 못하고 기타 방식으로 캡처 가능한 오차를 유발할 수 있다. 따라서, 기준점의 밀도가 ADV에서 멀어질수록 점점 감소하게 되는 것은 ADV의 근접 주행 범위 근처에 이러한 오차를 유발하지 못하게 되고, 동시에 ADV에서 멀어질수록 계산 효율의 성능 형상을 보장하도록 허용한다.
이 기준점들은 차량에서 멀리 위치하고, 따라서, 이 기준점들은 현재 주기에서 ADV를 제어하는 데에 사용 불가능하게 된다. 다음 계획 주기가 올 경우, 새로운 기준선은 생성되고 이전의 계획 사이클의 이전의 기준선은 사용되지 않는다. 따라서, 더 높은 밀도 등급으로 차량 근처의 기준점을 샘플링함으로써 궤적이 정확하게 생성되는 것은 확보될 수 있다. 더 낮은 밀도 등급으로 차량에서 멀고 현재 샘플링 주기에서 ADV를 제어하는 데 사용되지 않는 기준점을 샘플링함으로써 계산 시간은 감소하게 될 수 있다.
도6은 일 실시예에 따른 ADV를 제어하는 방법을 나타내는 흐름도이다. 프로세스(600)는 처리 논리에 의해 수행될 수 있고, 상기 처리 논리는 소프트웨어, 하드웨어 또는 이들의 조합을 포함할 수 있다. 예를 들어, 프로세스(600)는 도3A 내지 도3B의 샘플링 모듈(307)에 의해 수행될 수 있다. 도6을 참조하면, 블록(601)에서, 처리 논리는 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 상기 ADV가 따라야 할 기준선을 표시한다. 블록(602)에서, 처리 논리는 상기 제1 기준점 집합에 대응되는 기준선을 따라 제2 기준점 집합을 선택하고, 이는 블록(603-605)의 조작을 반복적으로 수행하는 단계를 포함한다. 블록(603)에서, 제1 기준점 집합에서 현재 기준점을 선택한다. 블록(604)에서, 비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 제1 기준점 집합을 따른 샘플링 거리를 확정한다. 블록(605)에서, ADV에 가까운 제2 기준점 집합의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 제1 기준점 집합을 따라 다음 기준점을 선택한다. 블록(606)에서, 처리 논리는 ADV를 제어하도록 제2 기준점 집합을 이용하여 ADV를 위한 궤적을 계획한다.
일 실시예에 있어서, 샘플링 거리를 확정하는 단계는 최소 샘플링 거리 및 최대 샘플링 거리를 확정하는 단계를 포함한다. 샘플링 거리는 최소 샘플링 거리와 최대 샘플링 거리를 기반으로 확정된다. 다른 일 실시예에 있어서, 샘플링 거리는 기준선의 길이를 더 고려하여 확정된다.
일 실시예에 있어서, 제2 기준점 집합은 최소 샘플링 거리와 대략 같은 거리로 이격된 ADV 근처의 점 및 최대 샘플링 거리와 대략 같은 거리로 이격된 ADV에서 떨어진 점을 포함한다. 일 실시예에 있어서, 제2 기준점 집합의 밀도는 ADV에서 멀어질수록 점점 감소하게 된다.
일 실시예에 있어서, 비선형 알고리즘은 지수 함수의 역 함수를 가리킨다. 일 실시예에 있어서, 비선형 알고리즘은 
이며, A는 최대 샘플링 거리이고, C는 A의 대수를 최소 샘플링 거리로 나누고 1을 감법한 값이고, B는 (A/A-σ)-1의 대수에서 C를 뺀 것을 기준선의 길이로 나눈 몫이고, σ는 분수이다.
도7은 본 개시의 일 실시예와 함께 사용될 수 있는 데이터 처리 시스템의 예시를 나타내는 블록도이다. 예를 들어, 시스템(1500)은 상술한 상기 프로세스 또는 방법 중의 임의의 하나를 수행하는 임의 데이터 처리 시스템을 표시할 수 있고, 예를 들어, 도1의 감지 및 계획 시스템(110) 또는 서버(103-104) 중의 임의의 하나를 표시할 수 있다. 시스템(1500)은 다수의 상이한 부품을 포함할 수 있다. 이러한 부품들은 집적 회로(IC), 집적 회로의 부분, 분리된 전자 장치 또는 회로판(예를 들어, 컴퓨터 시스템의 메인보드 또는 플러그인 카드)에 적합한 기타 모듈로 구현될 수 있거나, 또는 기타 방식으로 컴퓨터 시스템의 섀시 내에 통합된 부품으로 구현될 수 있다.
시스템(1500)은 컴퓨터 시스템의 다수의 부품의 고차적 도면을 도시하는 것을 목적으로 함을 더 유의하여야 한다. 그러나, 일부 실시예에서 추가 부품이 존재할 수 있고, 또한, 기타 실시예에서는 도시된 부품의 상이한 배치가 나타날 수 있다는 것을 이해하여야 한다. 시스템(1500)은 데스크톱 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 서버, 이동 전화, 미디어 플레이어, 개인용 휴대 단말기(PDA), 스마트워치, 개인 통신기, 게임 장치, 네트워크 라우터 또는 허브, 무선 액세스 포인트(AP) 또는 리피터, 셋탑 박스, 또는 이들의 조합을 표시할 수 있다. 또한, 오직 하나의 기계 또는 시스템만 도시하였으나, 용어 "기계" 또는 "시스템"은 단독적으로 또는 공동으로 하나(또는 다수)의 명령어 집합을 실행하여 본 명세서에 설명된 임의의 하나 또는 다수의 방법을 수행하는 기계 또는 시스템의 임의의 집합을 포함한다는 것으로도 이해되어야 한다.
일 실시예에 있어서, 시스템(1500)은 버스 또는 상호 연결 장치(1510)를 통하여 연결된 프로세서(1501), 메모리(1503) 및 장치(1505-1508)를 포함한다. 프로세서(1501)는 하나의 프로세서 코어 또는 다수의 프로세서 코어를 포함하는 하나의 프로세서 또는 다수의 프로세서를 표시할 수 있다. 프로세서(1501)는 하나 또는 다수의 범용 프로세서를 표시할 수 있고, 예를 들어, 마이크로 프로세서, 중앙 처리 장치(CPU) 등을 표시할 수 있다. 더 구체적으로, 프로세서(1501)는 복잡 명령어 집합 컴퓨팅(CISC) 마이크로 프로세서, 축소 명령어 집합 컴퓨팅(RISC) 마이크로 프로세서, 훨씬 긴 명령어(VLIW) 마이크로 프로세서, 또는 기타 명령어 집합을 실현하는 프로세서, 또는 명령어 집합의 조합을 실현하는 프로세서일 수 있다. 프로세서(1501)는 하나 또는 다수의 전용 프로세서일 수도 있고, 예를 들어, 전용 집적 회로(ASIC), 셀룰러 또는 베이스밴드 프로세서, 필드 프로그램 가능한 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서, 그래픽 프로세서, 통신 프로세서, 암호화 프로세서, 코프로세서, 내장형 프로세서 또는 명령어를 처리할 수 있는 모든 기타 유형의 논리일 수 있다.
프로세서(1501)는 상기 시스템의 각종 부품들과 통신하기 위한 메인 처리 유닛 및 중앙 허브로 작용할 수 있으며, 상기 프로세서(1501)는 초저 전압 프로세서와 같은 저출력 다중 코어 프로세서 소켓일 수 있다. 이러한 프로세서는 시스템 온 칩(SoC)으로 구현될 수 있다. 프로세서(1501)는 본 명세서에 기재된 조작 및 단계를 수행하기 위한 명령어를 실행하도록 구성된다. 시스템(1500)은 선택적인 그래픽 서브 시스템(1504)과 통신하기 위한 그래픽 인터페이스를 더 포함할 수 있고, 상기 그래픽 서브 시스템(1504)은 디스플레이 제어기, 그래픽 프로세서 및/또는 디스플레이 장치를 포함할 수 있다.
프로세서(1501)는 메모리(1503)와 통신할 수 있고, 메모리(1503)는 일 실시예에 있어서 다수의 메모리 장치로 구현되어 기정 량의 시스템 메모리를 제공할 수 있다. 메모리(1503)는 랜덤 액세스 메모리(RAM), 동적 RAM(DRAM), 싱크로너스 DRAM(SDRAM), 스태틱 RAM(SRAM)과 같은 하나 또는 다수의 휘발성 저장(또는 메모리) 장치 또는 기타 유형의 저장 장치를 포함할 수 있다. 메모리(1503)는 프로세서(1501) 또는 기타 임의의 장치에 의해 실행되는 명령어 서열을 포함하는 정보를 저장할 수 있다. 예를 들어, 다양한 운영 체제, 장치 드라이버, 펌웨어(예를 들어, 기본 입출력 체계 또는 BIOS) 및/또는 애플리케이션의 실행 가능한 코드 및/또는 데이터는 메모리(1503)에 로딩되어, 프로세서(1501)에 의해 실행될 수 있다. 운영 체제는 임의의 유형의 운영 체제일 수 있으며, 예를 들어, 로봇 운영 체제(ROS), Microsoft®의 Windows® 운영 체제, 애플의 Mac OS®/iOS®, Google®의 Android®, Linux®, Unix®, 또는 기타 실시간 또는 내장형 운영 체제일 수 있다.
시스템(1500)은 네트워크 인터페이스 장치(1505), 선택적인 입력 장치(1506) 및 기타 선택적인 IO 장치(1507)를 포함하는 장치(1505-1508)와 같은 IO 장치를 더 포함할 수 있다. 네트워크 인터페이스 장치(1505)는 무선 트래시버 및/또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 무선 트랜시버는 WiFi 트랜시버, 적외선 트랜시버, 블루투스 트랜시버, WiMax 트랜시버, 무선 셀룰러 텔레포니 트랜시버, 위성 트랜시버(예를 들어, 위성 위치 확인 시스템(GPS) 트랜시버) 또는 기타 무선 주파수(RF) 트랜시버 또는 이들의 조합일 수 있다. NIC는 이더넷 카드일 수 있다.
입력 장치(1506)는 마우스, 터치 패드, 터치 감응식 스크린(디스플레이 장치(1504)에 통합될 수 있음), 스타일러스와 같은 포인터 장치, 및/또는 키보드(예를 들어, 물리적 키보드 또는 터치 감응식 스크린의 일부분으로 표시된 가상 키보드)를 포함할 수 있다. 예를 들어, 입력 장치(1506)는 터치 스크린에 연결된 터치 스크린 제어기를 포함할 수 있다. 터치 스크린 및 터치 스크린 제어기는, 예를 들어, 다수의 터치 감응 기술(용량성, 저항성, 적외선, 및 표면 탄성파 기술을 포함하나, 이에 한정되지 않음) 중 임의의 하나, 및 기타 근접각 센서 어레이 또는 터치 스크린과의 하나 또는 다수의 접촉점을 확정하기 위한 기타 부품을 이용하여 터치 스크린의 접촉 및 이동 또는 중단을 검측할 수 있다.
IO 장치(1507)는 오디오 장치를 포함할 수 있다. 오디오 장치는 스피커 및/또는 마이크로 폰을 포함하여, 음성 인식, 음성 복제, 디지털 녹음 및/또는 전화 기능과 같은 음성 지원 기능이 가능하도록 할 수 있다. 기타 IO 장치(1507)는 범용 직렬 버스 라인(USB) 포트, 병렬 포트, 직렬 포트, 프린터, 네트워크 인터페이스, 버스 브리지(예를 들어, PCI-PCI 브리지), 센서(예를 들어, 가속도계, 자이로스코프(gyroscope), 자력계, 광 센서, 나침판, 근접각 센서 등과 같은 동작 센서) 또는 이들의 조합을 더 포함할 수 있다. 장치(1507)는 이미징 처리 서브 시스템(예를 들어, 카메라)를 더 포함할 수 있고, 상기 이미징 처리 서브 시스템은 고체 촬상 소자(CCD) 또는 상보형 금속산화 반도체(CMOS) 광학 센서와 같이, 사진 및 비디오 클립을 기록하는 것과 같은 카메라 기능을 향상하도록 하기 위한 광학 센서를 포함할 수 있다. 일부 센서는 센서 허브(미도시)를 통해 상호연결 장치(1510)에 연결될 수 있고, 키보드 또는 온도 센서와 같은 기타 장치는 시스템(1500)의 구체적인 구성 또는 디자인에 따라 내장된 제어기(미도시)에 의해 제어될 수 있다.
데이터, 애플리케이션, 하나 또는 다수의 운영 체제 등과 같은 정보에 대한 영구 저장을 제공하기 위해, 프로세서(1501)에 대용량 저장 장치(미도시)가 연결될 수도 있다. 각종 실시예에 있어서, 더 얇고 가벼운 시스템 디자인을 실현하고 시스템 응답력을 향상시키기 위해, 상기 대용량 저장 장치는 고체 디바이스(SSD)를 통해 구현될 수 있다. 그러나, 기타 실시예에 있어서, 대용량 저장 장치는 주로 하드디스크 드라이브(HDD)를 이용하여 구현될 수 있으며, 비교적 적은 량의 SSD 저장 장치를 SSD 캐시로 작용하도록 하여 파워 다운 상황에서 맥락 상태 및 기타 유사한 정보에 대한 비휘발성 저장을 실현함으로써, 시스템 활동이 리부팅될 경우 빠른 파워 업을 실현할 수 있다. 또한, 플래시 장치는, 예를 들어, 직렬 주변 장치 인터페이스(SPI)를 통해 프로세서(1501)에 연결될 수 있다. 이러한 플래시 장치는 시스템 소프트웨어에 대한 비휘발성 저장을 제공할 수 있고, 상기 시스템 소프트웨어는 상기 시스템의 BIOS 및 기타 펌웨어를 포함한다.
저장 장치(1508)는 컴퓨터 액세스 가능한 저장 매체(1509; 기계 판독 가능한 저장 매체 또는 컴퓨터 판독 가능한 매체라고도 함)를 포함할 수 있고, 컴퓨터 액세스 가능한 저장 매체에는 본 명세서에 설명된 임의 하나 또는 다수의 방법 또는 기능을 구현하는 하나 또는 다수의 명령어 집합 또는 소프트웨어(예를 들어, 모듈, 유닛 및/또는 로직(1528))가 저장된다. 처리 모듈/유닛/로직(1528)은 전술된 부품 중의 임의의 하나를 표시할 수 있고, 예를 들어, 노정 배치/샘플링 모듈을 표시할 수 있다. 처리 모듈/유닛/로직(1528)은 데이터 처리 시스템(1500), 메모리(1503) 및 프로세서(1501)에 의해 실행되는 동안, 완전히 또는 적어도 부분적으로 메모리(1503) 및/또는 프로세서(1501) 내에 위치될 수도 있으며, 여기서 데이터 처리 시스템(1500), 메모리(1503) 및 프로세서(1501)는 기계 액세스 가능한 저장 매체를 구성하기도 한다. 처리 모듈/유닛/로직(1528)은 네트워크를 통해 네트워크 인터페이스 장치(1505)를 경유하여 발신 또는 수신될 수도 있다.
컴퓨터 판독 가능한 저장 매체(1509)는 상술한 일부 소프트웨어 기능을 영구적으로 저장하기 위한 것일 수도 있다. 예시적인 실시예에서 컴퓨터 판독 가능한 저장 매체(1509)는 단일 매체로 도시되였으나, 용어 "컴퓨터 판독 가능한 저장 매체"는 하나 또는 다수의 명령어 집합을 저장하는 단일 매체 또는 다수의 매체(예를 들어, 중앙 집중식 또는 분산형 데이터베이스 및/또는 관련된 캐시 및 서버)를 포함하는 것으로 이해해야 한다. 또한, 용어 "컴퓨터 판독 가능한 저장 매체"는 명령어 집합을 저장하거나 인코딩할 수 있는 임의의 매체를 포함하는 것으로 이해해야 하고, 상기 명령어 집합은 기계에 의해 실행되고, 기계로 하여금 본 개시의 하나 또는 다수의 방법을 실행하도록 한다. 따라서, 용어 "컴퓨터 판독 가능한 저장 매체"는 고체 메모리, 광학 매체 및 자기식 매체 또는 기타 임의의 비일시적인 기계 판독 가능한 매체를 포함하나, 이에 한정되지 않는 것으로 이해해야 한다.
본 명세서에 설명된 처리 모듈/유닛/로직(1528), 부품 및 기타 특징은 이산형 하드웨어 부품으로 구현되거나 ASICS, FPGA, DSP 또는 유사한 장치와 같은 하드웨어 부픔의 기능에 통합될 수 있다. 이외에, 처리 모듈/유닛/로직(1528)은 하드웨어 장치 내에서 펌웨어 또는 기능성 회로로 구현될 수 있다. 또한, 처리 모듈/유닛/로직(1528)은 하드웨어 장치 및 소프트웨어 부품의 임의의 조합으로 구현될 수 있다.
시스템(1500)은 데이터 처리 시스템의 각종 부품으로 도시되였으나, 이러한 세부 사항들은 본 개시의 실시예에 밀접히 관련되는 것이 아니므로, 부품들이 상호 연결되도록 하는 임의의 특정 체계 구조 또는 방식을 표시하는 것이 아님을 유의해야 한다. 또한, 더 적은 부품을 구비하거나 더 많은 부품을 구비할 수 있는 네트워크 컴퓨터, 휴대용 컴퓨터, 이동 전화, 서버 및/또는 기타 데이터 처리 시스템은 본 개시의 실시예와 함께 사용될 수 있음은 자명한 것이다.
상기 상세한 설명 중의 일부분은 이미 컴퓨터 메모리 내의 데이터 비트에 대한 연산의 알고리즘 및 기호적 표현에 따라 나타났다. 이러한 알고리즘적 설명 및 표현은 데이터 처리 분야의 당업자들이 그들 작업의 요지를 해당 분야의 기타 당업자들한테 효율적으로 전달하기 위해 사용하는 방식이다. 여기서, 알고리즘은 통상적으로 원하는 결과를 달성하기 위한 조작의 자기 부합적 시퀸스로 구상된다. 이러한 조작들은 물리량에 대한 물리적 조작을 필요로 하는 조작이다.
그러나, 이러한 용어 및 유사한 용어들은 모두 적당한 물리량에 연관되어야 하고, 단지 이러한 량에 적용된 편리한 라벨일 뿐이라는 것을 명기해야 한다. 상술한 기재로부터 명확히 알 수 있는 바와 같이 기타 구체적인 설명이 없는 한, 첨부된 청구항에 기재된 용어와 같은 용어를 사용하여 진행한 설명은 명세서 전체를 걸쳐 컴퓨터 시스템 또는 유사한 전자 계산 장치의 동작 및 처리를 가리킨다는 것은 자명한 것이며, 상기 컴퓨터 시스템 또는 전자 계산 장치는 컴퓨터 시스템의 레지스터 및 메모리 내의 물리(전자)량으로 표시된 데이터를 조작하고, 상기 데이터를 컴퓨터 시스템 메모리 또는 레지스터 또는 기타 유사한 정보 저장 장치, 전송 및 디스플레이 장치 내에서 유사하게 물리량으로 표시된 기타 데이터로 전환한다.
본 개시의 실시예는 본 명세서 중의 조작을 수행하기 위한 장치에 관련된다. 이와 같은 컴퓨터 프로그램은 비일시적인 컴퓨터 판독 가능한 매체에 저장된다. 기계 판독 가능한 매체는 정보를 기계(예를 들어, 컴퓨터)에 의해 판독 될수 있는 포맷으로 저장하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계 판독 가능한(예를 들어, 컴퓨터 판독 가능한) 매체는 기계(예를 들어, 컴퓨터) 판독 가능한 저장 매체(예를 들어, 읽기 전용 메모리("ROM"), 랜덤 액세스 메모리("RAM"), 자기 디스크 저장 매체, 광학 저장 매체, 플래시 메모리 장치)를 포함한다.
첨부된 도면에 도시된 과정 또는 방법은 하드웨어(예를 들어, 회로, 전용 논리 등), 소프트웨어(예를 들어, 비일시적인 컴퓨터 판독 가능한 매체에 내장됨) 또는 이들의 조합을 포함하는 처리 논리에 의해 실행될 수 있다. 비록 위에서 일부 순차적인 조작에 의해 상기 과정 또는 방법에 대해 설명하였으나, 설명된 조작 중의 일부는 상이한 순서로 실행될 수도 있음을 자명할 것이다. 또한, 일부 조작은 순차적인 순서가 아니라, 병행으로 수행될 수 있다.
본 개시의 실시예는 어떠한 특정 프로그래밍 언어를 참조하여 설명된 것도 아니다. 다양한 프로그래밍 언어를 사용하여 본 명세서에서 설명된 본 개시의 실시예들의 교시를 실현할 수 있음을 자명할 것이다.
상기 명세서에서, 본 개시의 상세한 예시적 실시예들을 참조하여 본 개시의 실시예에 대해 설명하였다. 첨부된 청구항에 기재된 본 개시의 더 넓은 사상 및 범위를 벗어나지 않으면서 각종 변경을 진행할 수 있음은 명백할 것이다. 따라서, 본 명세서 및 도면은 제한적인 의미가 아닌, 설명적인 의미로 이해하여야 한다.
Claims (21)
- 지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 자율 주행 차량(ADV)가 따라야 할 기준선을 표시하는 단계;
상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및
상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함하되,
여기서, 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는,
상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계;
비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및
ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함하는 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제1항에 있어서,
샘플링 거리를 확정하는 단계는,
최소 샘플링 거리를 확정하는 단계; 및
최대 샘플링 거리를 확정하되, 상기 샘플링 거리는 상기 최소 샘플링 거리와 상기 최대 샘플링 거리를 기반으로 확정되는 단계를 더 포함하는 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제2항에 있어서,
상기 샘플링 거리는 상기 기준선의 길이를 더 고려하여 확정되는 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제1항에 있어서,
상기 제2 기준점 집합은
상기 최소 샘플링 거리와 같은 거리로 이격된 상기 ADV 근처의 점 및
상기 최대 샘플링 거리와 같은 거리로 이격된 상기 ADV에서 떨어진 점을 포함하는 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제1항에 있어서,
상기 제2 기준점 집합의 밀도는 상기 ADV에서 멀어질수록 점점 감소하게 되는 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제1항에 있어서,
상기 비선형 알고리즘은 지수 함수의 역 함수인 것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 제1항에 있어서,
상기 비선형 알고리즘은이며,
s는 상기 ADV로부터 떨어진 거리이고, A는 최대 샘플링 거리이고, C는 A의 대수를 최소 샘플링 거리로 나누고 1을 감법한 값이고, B는 (A/A-σ)-1의 대수를 취하고 C를 감하고 상기 기준선의 길이로 나눈 값이고, σ는 분수인
것을 특징으로 하는 자율 주행 차량의 점진적 샘플링 거리를 이용하여 주행 궤적을 생성하는 컴퓨터 구현 방법.
- 비일시적인 기계 판독 가능한 매체에 있어서,
상기 비일시적인 기계 판독 가능한 매체에는 명령어가 저장되고, 상기 명령어는 프로세서에 의해 실행될 경우 상기 프로세서로 하여금 조작을 수행하도록 하며, 상기 조작은,
지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 자율 주행 차량(ADV)이 따라야 할 기준선을 표시하는 단계;
상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및
상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함하되,
여기서, 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는,
상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계;
비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및
ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함하는 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제8항에 있어서,
샘플링 거리를 확정하는 단계는,
최소 샘플링 거리를 확정하는 단계; 및
최대 샘플링 거리를 확정하되, 상기 샘플링 거리는 상기 최소 샘플링 거리와 상기 최대 샘플링 거리를 기반으로 확정되는 단계를 더 포함하는 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제9항에 있어서,
상기 샘플링 거리는 상기 기준선의 길이를 더 고려하여 확정되는 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제8항에 있어서,
상기 제2 기준점 집합은 상기 최소 샘플링 거리와 같은 거리로 이격된 상기 ADV 근처의 점 및 상기 최대 샘플링 거리와 같은 거리로 이격된 상기 ADV에서 떨어진 점을 포함하는 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제8항에 있어서,
상기 제2 기준점 집합의 밀도는 상기 ADV에서 멀어질수록 점점 감소하게 되는 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제8항에 있어서,
상기 비선형 알고리즘은 지수 함수의 역 함수인 것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 제8항에 있어서,
상기 비선형 알고리즘은이며,
s는 상기 ADV로부터 떨어진 거리이고, A는 최대 샘플링 거리이고, C는 A의 대수를 최소 샘플링 거리로 나누고 1을 감법한 값이고, B는 (A/A-σ)-1의 대수를 취하고 C를 감하고 상기 기준선의 길이로 나눈 값이고, σ는 분수인
것을 특징으로 하는 비일시적인 기계 판독 가능한 매체.
- 데이터 처리 시스템에 있어서,
하나 또는 다수의 프로세서; 및
메모리를 포함하되, 상기 메모리는 명령어를 저장하도록 상기 하나 또는 다수의 프로세서에 연결되고, 상기 명령어는 상기 하나 또는 다수의 프로세서에 의해 실행될 경우 상기 프로세서로 하여금 조작을 수행하도록 하며, 상기 조작은,
지도 및 노선 정보 기반의 제1 기준점 집합을 수신하되, 상기 제1 기준점 집합은 자율 주행 차량(ADV)이 따라야 할 기준선을 표시하는 단계;
상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계; 및
상기 ADV를 제어하도록 상기 제2 기준점 집합을 이용하여 상기 ADV를 위한 궤적을 계획하는 단계를 포함하되,
여기서, 상기 제1 기준점 집합에 대응되는 상기 기준선을 따라 제2 기준점 집합을 선택하는 단계는,
상기 제1 기준점 집합에서 현재 기준점을 선택하는 단계;
비선형 알고리즘을 이용하여 현재 선택된 기준점을 기반으로 상기 제1 기준점 집합을 따른 샘플링 거리를 확정하는 단계; 및
ADV에 가깝고 선택된 기준점의 밀도가 ADV에서 멀리 떨어지고 선택된 기준점의 밀도보다 높도록 확정된 샘플링 거리에 기반하여 상기 제1 기준점 집합을 따라 다음 기준점을 선택하는 단계;를 반복적으로 수행하는 단계를 포함하는 것을 특징으로 하는 데이터 처리 시스템.
- 제15항에 있어서,
샘플링 거리를 확정하는 단계는,
최소 샘플링 거리를 확정하는 단계; 및
최대 샘플링 거리를 확정하되, 상기 샘플링 거리는 상기 최소 샘플링 거리와 상기 최대 샘플링 거리를 기반으로 확정되는 단계를 더 포함하는 것을 특징으로 하는 데이터 처리 시스템.
- 제16항에 있어서,
상기 샘플링 거리는 상기 기준선의 길이를 더 고려하여 확정되는 것을 특징으로 하는 데이터 처리 시스템.
- 제15항에 있어서,
상기 제2 기준점 집합은 상기 최소 샘플링 거리와 같은 거리로 이격된 상기 ADV 근처의 점 및 상기 최대 샘플링 거리와 같은 거리로 이격된 상기 ADV에서 떨어진 점을 포함하는 것을 특징으로 하는 데이터 처리 시스템.
- 제15항에 있어서,
상기 제2 기준점 집합의 밀도는 상기 ADV에서 멀어질수록 점점 감소하게 되는 것을 특징으로 하는 데이터 처리 시스템.
- 제15항에 있어서,
상기 비선형 알고리즘은 지수 함수의 역 함수인 것을 특징으로 하는 데이터 처리 시스템.
- 제15항에 있어서,
상기 비선형 알고리즘은이며,
s는 상기 ADV로부터 떨어진 거리이고, A는 최대 샘플링 거리이고, C는 A의 대수를 최소 샘플링 거리로 나누고 1을 감법한 값이고, B는 (A/A-σ)-1의 대수를 취하고 C를 감하고 상기 기준선의 길이로 나눈 값이고, σ는 분수인 것을 특징으로 하는 데이터 처리 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/885,569 US10691129B2 (en) | 2018-01-31 | 2018-01-31 | Dynamically adjustable reference line sampling point density for autonomous vehicles |
| US15/885,569 | 2018-01-31 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190098914A true KR20190098914A (ko) | 2019-08-23 |
| KR102201045B1 KR102201045B1 (ko) | 2021-01-08 |
Family
ID=65234405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190012797A KR102201045B1 (ko) | 2018-01-31 | 2019-01-31 | 자율 주행 차량을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10691129B2 (ko) |
| EP (1) | EP3521963B1 (ko) |
| JP (1) | JP6667686B2 (ko) |
| KR (1) | KR102201045B1 (ko) |
| CN (1) | CN110096053B (ko) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6650545B1 (ja) | 2018-08-23 | 2020-02-19 | 三ツ星ベルト株式会社 | 摩擦伝動ベルト用心線および摩擦伝動ベルトならびにそれらの製造方法 |
| US11077878B2 (en) | 2018-11-02 | 2021-08-03 | Zoox, Inc. | Dynamic lane biasing |
| US11048260B2 (en) * | 2018-11-02 | 2021-06-29 | Zoox, Inc. | Adaptive scaling in trajectory generation |
| US11208096B2 (en) | 2018-11-02 | 2021-12-28 | Zoox, Inc. | Cost scaling in trajectory generation |
| US11110918B2 (en) | 2018-11-02 | 2021-09-07 | Zoox, Inc. | Dynamic collision checking |
| CN110377041B (zh) * | 2019-08-08 | 2022-03-29 | 腾讯科技（深圳）有限公司 | 参考线生成方法、装置、终端设备及存储介质 |
| CN110796707B (zh) * | 2019-09-10 | 2022-05-06 | 腾讯科技（深圳）有限公司 | 标定参数计算方法、装置以及存储介质 |
| 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 |
| US11841708B2 (en) * | 2020-02-28 | 2023-12-12 | Zoox, Inc. | System and method for adjusting a planned trajectory of an autonomous vehicle |
| USD980247S1 (en) * | 2020-06-18 | 2023-03-07 | Zoox, Inc. | Display screen or portion thereof having an animated graphical user interface |
| CN112700668B (zh) * | 2020-12-22 | 2022-08-02 | 北京百度网讯科技有限公司 | 自动驾驶的远程控制方法、自动驾驶车辆及云端设备 |
| US20220258761A1 (en) * | 2021-02-18 | 2022-08-18 | Motional Ad Llc | Controlling an autonomous vehicle using variable time periods |
| CN113177665B (zh) * | 2021-05-21 | 2022-10-04 | 福建盛海智能科技有限公司 | 一种提高循迹路线精度的方法及终端 |
| CN113390431B (zh) * | 2021-06-17 | 2022-09-30 | 广东工业大学 | 动态生成参考线的方法、装置、计算机设备和存储介质 |
| CN114379569B (zh) * | 2022-01-19 | 2023-11-07 | 浙江菜鸟供应链管理有限公司 | 一种生成驾驶参考线的方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017117079A (ja) * | 2015-12-22 | 2017-06-29 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1218355A (zh) * | 1998-11-24 | 1999-06-02 | 杨更新 | 汽车自动驾驶系统 |
| US8810437B2 (en) * | 2011-02-02 | 2014-08-19 | Mapquest, Inc. | Systems and methods for generating electronic map displays with points-of-interest information based on reference locations |
| DE102011014081A1 (de) * | 2011-03-16 | 2012-09-20 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Verfahren zum Erkennen eines Abbiegemanövers |
| JP5766076B2 (ja) * | 2011-09-13 | 2015-08-19 | アルパイン株式会社 | 方向距離マーク使用地図表示装置 |
| CN103162702B (zh) * | 2013-03-05 | 2016-04-06 | 中山大学 | 稀疏采样下基于多重概率匹配的车辆行驶轨迹重构方法 |
| CN105701555A (zh) * | 2014-11-28 | 2016-06-22 | 国际商业机器公司 | 用于划分路网的方法和系统 |
| CN204303169U (zh) * | 2014-12-02 | 2015-04-29 | 曹永飞 | 一种基于车联网概念的智能车载交通信号灯信息仪 |
| CN104575004A (zh) * | 2014-12-24 | 2015-04-29 | 上海交通大学 | 基于智能移动终端的城市环境车辆测速方法及系统 |
| US9804603B1 (en) * | 2015-03-18 | 2017-10-31 | Ag Leader Technology | Curved path approximation in vehicle guidance systems and methods |
| KR101843773B1 (ko) * | 2015-06-30 | 2018-05-14 | 엘지전자 주식회사 | 차량 운전 보조 장치, 차량용 디스플레이 장치 및 차량 |
| JP6520597B2 (ja) * | 2015-09-16 | 2019-05-29 | 株式会社デンソー | 車両位置補正装置 |
| JP6731234B2 (ja) * | 2015-10-30 | 2020-07-29 | 日立オートモティブシステムズ株式会社 | 車両運動制御装置及びその方法 |
| DE102016201667B4 (de) * | 2016-02-03 | 2019-06-19 | Volkswagen Aktiengesellschaft | Verfahren zum Bestimmen einer Solltrajektorie für einen ersten Verkehrsteilnehmer, insbesondere für ein Kraftfahrzeug, für einen Streckenabschnitt |
| CN107274744B (zh) * | 2016-04-07 | 2020-08-18 | 北京通汇定位科技有限公司 | 驾驶教学系统、方法和设备 |
| JP6901331B2 (ja) * | 2017-06-20 | 2021-07-14 | 株式会社東芝 | 情報処理装置、移動体、情報処理方法、およびプログラム |
| CN107462243B (zh) * | 2017-08-04 | 2019-09-20 | 浙江大学 | 一种基于高精度地图的云控自动驾驶任务生成方法 |
| US11126177B2 (en) * | 2018-01-24 | 2021-09-21 | Motional Ad Llc | Speed behavior planning for vehicles |
-
2018
- 2018-01-31 US US15/885,569 patent/US10691129B2/en active Active
-
2019
- 2019-01-09 CN CN201910020048.1A patent/CN110096053B/zh active Active
- 2019-01-22 EP EP19152965.0A patent/EP3521963B1/en active Active
- 2019-01-31 KR KR1020190012797A patent/KR102201045B1/ko active IP Right Grant
- 2019-01-31 JP JP2019015187A patent/JP6667686B2/ja active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017117079A (ja) * | 2015-12-22 | 2017-06-29 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US10691129B2 (en) | 2020-06-23 |
| KR102201045B1 (ko) | 2021-01-08 |
| CN110096053A (zh) | 2019-08-06 |
| JP6667686B2 (ja) | 2020-03-18 |
| JP2019135145A (ja) | 2019-08-15 |
| EP3521963B1 (en) | 2021-07-07 |
| US20190235505A1 (en) | 2019-08-01 |
| EP3521963A1 (en) | 2019-08-07 |
| CN110096053B (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102201045B1 (ko) | 자율 주행 차량을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체 | |
| CN109947090B (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
| JP7050025B2 (ja) | 自動運転車両のための計画運転感知システム | |
| US11143513B2 (en) | Labeling scheme for labeling and generating high-definition map based on trajectories driven by vehicles | |
| JP7141370B2 (ja) | 標準的なナビゲーション地図と車両の過去の軌跡に基づいて決定された車線構成を利用した自動運転 | |
| US10289110B2 (en) | Method to dynamically adjusting steering rates of autonomous vehicles | |
| KR102279078B1 (ko) | 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템 | |
| US10569651B2 (en) | Speed control and steering control assistant based on pitch status and roll status of autonomous driving vehicle | |
| US10921135B2 (en) | Real-time map generation scheme for autonomous vehicles based on prior driving trajectories | |
| US11260880B2 (en) | Map-less and localization-less lane following method for autonomous driving of autonomous driving vehicles on highway | |
| KR102309496B1 (ko) | 자율 주행 차량을 위한 자기 위치 측정 방법, 시스템 및 기계 판독 가능한 매체 | |
| KR20190098912A (ko) | 다수의 스레드를 이용하여 자율 주행 차량을 위한 기준선을 생성하기 위한 방법 및 시스템 | |
| WO2020062030A1 (en) | A spiral path based three-point turn planning for autonomous driving vehicles | |
| CN111328313A (zh) | 用于自动驾驶车辆的控制占主导的三点转弯规划 | |
| US11247700B2 (en) | Enumeration-based three-point turn planning for autonomous driving vehicles | |
| CN112041637B (zh) | 用于3级自动驾驶车辆的无地图且基于摄像机的车道标识取样方法 | |
| EP3697659B1 (en) | Method and system for generating reference lines for autonomous driving vehicles |
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 |