[go: up one dir, main page]

CN110389584A - 用于评估自动驾驶车辆的轨迹候选项的方法 - Google Patents

用于评估自动驾驶车辆的轨迹候选项的方法 Download PDF

Info

Publication number
CN110389584A
CN110389584A CN201910037452.XA CN201910037452A CN110389584A CN 110389584 A CN110389584 A CN 110389584A CN 201910037452 A CN201910037452 A CN 201910037452A CN 110389584 A CN110389584 A CN 110389584A
Authority
CN
China
Prior art keywords
track
cost
candidate item
track candidate
comfortable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910037452.XA
Other languages
English (en)
Inventor
张雅嘉
许珂诚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN110389584A publication Critical patent/CN110389584A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • 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
    • 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
    • G05D1/0212—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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

Landscapes

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

Abstract

在一个实施方式中，系统生产用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选。系统基于与起点相关联的ADV的当前状态和与终点相关联的ADV的结束状态来生成与驾驶场景相对应的参考轨迹，其中，参考轨迹与目标相关联。对于每个轨迹候选项，系统将轨迹候选项与参考轨迹进行比较以生成表示轨迹候选项与参考轨迹之间的相似性的目标成本。系统基于轨迹候选项的目标成本选择轨迹候选项中的一个作为用于驾驶ADV的目标轨迹。

Description

用于评估自动驾驶车辆的轨迹候选项的方法
技术领域
本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及用于评估自动驾驶车辆(ADV)的轨迹候选项的方法。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
ADV可使用驾驶轨迹进行自我导航。驾驶轨迹可划分为纵向分量和横向分量。纵向分量或纵向轨迹指的是沿预定路径(例如，站路径)纵向运行的车辆运动。纵向轨迹可确定在给定时间点的ADV的位置、速度和加速度。因此，纵向轨迹生成是半自动驾驶车辆或全自动驾驶车辆的关键组成。
纵向轨迹生成过程需要考虑几个因素。一些因素可能是：ADV的车上乘客和/或附近行人的安全性和舒适性，以及交通规则遵循的因素。为了实现ADV的安全操作，轨迹生成过程需要考虑周围环境中的障碍物。为了舒适的操作，轨迹需要是平滑且有效的轨迹，即，可以在合理的时间内将ADV从当前位置操纵到目的地的、具有平稳加速度的轨迹。最后，轨迹需要遵循当地的交通规则，即，在红色信号灯和停止标志等处停止。在适当考虑所有这些因素的情况下，缺乏有效的方法来生成轨迹。
发明内容
本公开的一个方面涉及一种用于确定操作自动驾驶车辆(ADV)的轨迹的计算机实施的方法。所述方法包括：生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；基于与所述起点相关联的所述ADV的当前状态以及与所述终点相关联的所述ADV的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述ADV的目标轨迹。
本公开的另一方面涉及一种存储有指令的非暂时性机器可读介质。所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行操作。所述操作包括：生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；基于与所述起点相关联的所述ADV的当前状态以及与所述终点相关联的所述ADV的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述ADV的目标轨迹。
本公开的又一方面涉及一种数据处理系统，其包括一个或多个处理器以及联接到所述一个或多个处理器以存储指令的存储器。所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行操作。所述操作包括：生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；基于与所述起点相关联的ADV的当前状态以及与所述终点相关联的ADV的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述ADV的目标轨迹。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同的附图标记指代相似的元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方式的轨迹生成模块的示例的框图。
图5是示出根据一个实施方式的ADV的示例场景的框图。
图6A是示出根据一个实施方式的多个轨迹的速度-时间图的示例。
图6B是示出根据一个实施方式的多个轨迹的站-时间图的示例。
图7是示出根据一个实施方式的轨迹评估模块的示例的框图。
图8是示出根据一个实施方式的轨迹候选项的站-时间图的示例。
图9A至图9C是根据一些实施方式的参考速度曲线的示例。
图10是示出根据一个实施方式的目标评估的速度-时间图的示例。
图11是示出根据一个实施方式的由ADV执行的方法的流程图。
图12是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，并且附图将示出各种实施方式。以下描述和附图是对本公开的说明，并且不应被解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指相同的实施方式。
根据一个方面，系统生成用于自动驾驶车辆(ADV)从特定驾驶场景的起点到终点的多个轨迹候选项。系统基于与起点相关联的ADV的当前状况和与终点相关联的ADV的结束状况来生成与驾驶场景相对应的参考轨迹，其中参考轨迹与目标相关联。对于每个轨迹候选项，系统将轨迹候选项与参考轨迹进行比较以生成表示轨迹候选项与参考轨迹之间的相似性的目标成本。系统基于轨迹候选项的目标成本选择轨迹候选项中的一个作为用于驾驶ADV的目标轨迹。
在将每个轨迹候选项与参考轨迹进行比较时，根据一个实施方式，轨迹候选项分段成多个候选段。参考轨迹被分段为多个参考段。对于每个轨迹段，确定候选段的速度与对应的参考段之间的速度差。即，比较候选段和对应于相同时间点的参考段的速度。基于候选段与相关的参考段之间的速度差，例如使用预定算法来计算目标成本。在具体实施方式中，通过对候选段与参考段之间的速度差的平方求和来计算目标成本。
根据另一方面，对于每个轨迹候选项，识别最接近轨迹候选项的障碍物。测量轨迹候选项与障碍物之间的距离。基于轨迹候选项与障碍物之间的距离，例如使用安全成本算法或函数来计算与轨迹候选项相关联的安全成本。然后基于目标成本和安全成本计算轨迹候选项的总轨迹成本。基于总轨迹成本(例如，最低总轨迹成本)从轨迹候选项中选择目标轨迹。
根据又一方面，对于每个轨迹候选项，确定沿轨迹候选项的加速度的变化率。可以基于沿轨迹候选项的速度的导数来确定加速度变化率。然后，基于加速度变化率，例如使用舒适成本算法或函数来计算轨迹候选项的舒适成本。然后基于目标成本和舒适成本计算总轨迹成本，并且可以基于总轨迹成本来选择目标轨迹。
在计算轨迹候选项的舒适成本时，根据一个实施方式，轨迹候选项被分段为多个候选段。对于每个候选段，基于与候选段相关联的加速度的变化率来计算候选段的段舒适成本。然后，基于所有候选段的段舒适成本，使用预定算法来计算舒适成本。在具体实施方式中，基于候选段的段舒适成本的总和(例如，平方和)计算舒适成本。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和方位变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可为用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从多种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表示在不同的时间点处由车辆的传感器捕获的所发出的驾驶命令(例如，油门命令、制动命令和转向命令)以及车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计数据123还可包括描述不同的时间点处的驾驶环境的信息，诸如，例如，路线(包括起点位置和目的地位置)、MPOI、天气状况和道路状况(诸如，高速公路上的缓行交通、交通堵塞、车祸、道路施工、临时绕行、未知障碍物等)。
基于驾驶统计数据123，机器学习引擎122针对各种目的生成或训练规则集、算法和/或模型124，包括确定由ADV传感器检测到的障碍物是停车标志还是交通信号灯的训练模型。规则/算法124还可包括ADV要遵循的交通规则和用于计算轨迹的四次和/或五次多项式的算法。算法124还可包括用于生成作为最终轨迹的轨迹候选项的算法。算法124还可包括计算用于从轨迹候选项中选择目标轨迹的轨迹成本的算法，包括计算目标成本、安全成本和舒适成本的算法。然后可将算法124上传到ADV上以用于自动驾驶的实时轨迹生成。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线制定模块307、轨迹生成模块308和轨迹评估模块309。
模块301至模块309中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至309中的一些可一起集成为集成模块。例如，轨迹生成模块308和/或轨迹评估模块309可实施为决策模块304和/或规划模块305的一部分。决策模块304和规划模块305可以是集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)并管理与用户的行程或路线相关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的开始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它组件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI，这些可作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测该对象在此情形下将表现什么。根据一组地图/路线信息311和交通规则312，基于在该时间点感知驾驶环境的感知数据来执行预测。例如，如果对象是处于相反方向的车辆并且当前驾驶环境包括十字路口，则预测模块303将预测车辆是将可能直线向前移动还是进行转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测车辆在进入十字路口之前可能需要完全停止。如果感知数据表明车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块303可分别预测车辆将更可能向左转弯或向右转弯。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。
路线制定模块307配置成提供从起点到目的点的一个或多个路线或路径。对于从开始位置到目的地位置的给定行程(例如，从用户接收的)，路线制定模块307获得路线和地图信息311，并且确定从开始位置至到达目的地位置的所有可能的路线或路径。路线制定模块307可以以地形图的形式生成用于其确定的从开始位置至到达目的地位置的路线中的每个的参考线。参考线指的是理想的路线或路径，而不受诸如其他车辆、障碍物或交通状况的其他事物的任何干扰。即，如果道路上不存在其他车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线。然后，地形图被提供至决策模块304和/或规划模块305。根据由其它模块提供的其它数据(诸如，来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)，决策模块304和/或规划模块305检查所有可能的路线以选择和修改最优路线中的一个。用于控制ADV的实际路径或路线可与由路线制定模块307提供的参考线接近或不同，这取决于该时间点的特定驾驶环境。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线制定模块307提供的参考线作为基础来为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。即，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
可在多个规划周期(也被称为命令周期)(诸如，例如，在每100毫秒(ms)的时间间隔中)中执行规划阶段。针对规划周期或命令周期中的每个，将基于规划数据和控制数据发出一个或多个控制命令。即，对于每个100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。替代地，规划模块305还可指定具体速度、方向和/或转向角等。例如，规划模块305可为下一预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于先前周期中规划的目标位置来规划当前周期(例如，接下来的5秒)的目标位置。然后，控制模块306基于当前周期的规划数据和控制数据生成一个或多个控制命令(例如，油门命令、制动命令、转向控制命令)。
应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
根据一个实施方式，轨迹生成模块308可以生成用于ADV 101的纵向轨迹候选项。可以考虑诸如安全性、舒适性和交通规则之类的因素来生成轨迹候选项。然后，轨迹评估模块309(也称为轨迹选择模块)可以基于评估标准315并使用成本函数316选择所生成的轨迹候选项中的一个作为轨迹来控制ADV。轨迹选择过程将在下文进一步详细描述。轨迹生成模块308可实施为决策模块304和/或规划模块305的一部分。在一个实施方式中，轨迹生成模块308可以响应于感知环境而实时生成站-时间图。然后，轨迹生成模块308可以将该实例中的任何感知的障碍物投射到站-时间图上。基于投射的障碍物的边界，可以列举结束状况。然后可以基于这些结束状况生成轨迹候选项。可以选择轨迹候选项作为最终轨迹来控制ADV。
图4是示出根据一个实施方式的轨迹生成模块的示例的框图。参考图4，轨迹生成模块308可包括初始状况确定器401、场景确定器403、图形生成器405、结束状况确定器407、轨迹候选项生成器409和轨迹候选项选择器411。初始状况确定器401可确定ADV的初始状况。场景确定器403可基于由ADV感知的障碍物来确定ADV的驾驶场景。图形生成器405可生成ADV的站-时间图和/或速度-时间图。结束状况确定器407可以基于驾驶场景和ADV的初始状况以及诸如安全性、舒适性和交通规则的其他因素来确定ADV的所有可能的结束状况。轨迹候选项生成器409可根据可能的结束状况生成轨迹候选项。轨迹候选项选择器411可从轨迹候选项池中选择轨迹候选项。
图5是示出根据一个实施方式的ADV的场景的示例的框图。参考图5，场景500包括沿路径505的ADV 101。路径505可以是由决策模块304和/或规划模块305预先确定的路径(或路径的一段)，其可以将ADV 101从初始点操纵到最终目的地。ADV 101可感知周围环境，包括前方车辆504、前方红色交通灯506和车辆502(可由ADV 101的预测模块303预测，以有机会在ADV 101的前面转向)。
参考图4和图5，在一个实施方式中，初始状况确定器(例如，ADV 101的初始状况确定器401)可基于当前车辆状态确定ADV 101的初始状况。车辆状态可包括ADV的位置、速度、加速度、曲率(例如，前进方向)和曲率变化率。这里，初始状况确定器401可确定ADV 101的纵向位置(s_init)、纵向速度(s_dot_init)和纵向加速度(s_ddot_init)的初始(例如，当前)状况。
基于初始状况，在一个实施方式中，图形生成器405生成具有预定时间段(即，当前规划周期的最大规划时间间隔)的纵向速度-时间(或速度-时间或VT)图。图6A是根据实施方式的速度-时间图的示例。图6A可以是由图形生成器405生成的、对应于图5的场景500的速度-时间图。参考图6A，VT图600包括初始点601和对应于多个可能的结束状况的多个结束点(诸如点603-605)。在一个实施方式中，可基于固定的时间间隔和/或速度增量来列举结束状况的数量。在另一实施方式中，可基于用户预定义的时间间隔来列举结束状况的数量。在另一实施方式中，结束状况的数量可由地图信息和/或交通规则(例如，一段道路的最大和/或最小速度限制)限制。
参考图6A，点601可对应于ADV 101在时间t＝0处的初始纵向速度(例如，s_dot_init)。点603和点605可对应于两个列举的结束状况，其可表示两个可能的轨迹候选项的结束点。点603可对应于在一段时间之后具有零速度的结束状况，而点605可对应于在一段时间之后具有比初始纵向速度更高的速度结束状况。使用速度-时间图生成的结束状况可表示结束状况的第一组(或第二组)。第一组(或第二组)中的每个结束状况可对应于结束纵向速度(s_dot_end)和结束纵向加速度(s_ddot_end)。应注意，在一些实施方式中，结束纵向加速度总是等于零。
接下来，场景确定器403确定ADV 101的当前驾驶场景。在一个实施方式中，可能的驾驶场景包括但不限于：巡航、跟随前方车辆、以及停止场景。可基于沿路径505的当前交通状况(例如，通过感知模块302和/或预测模块303)来确定当前的驾驶场景，其可基于沿路径505所识别的障碍物来确定。例如，如果ADV 101的规划路径没有任何障碍物，则驾驶场景可以是巡航场景。如果ADV 101的规划路径包括静态(例如，非移动)和动态(例如，移动)障碍物，例如停车标志和移动车辆，则驾驶场景可以是跟随前方车辆场景。如果规划路径仅包括静态障碍物，例如停车标志和/或交通灯，则驾驶场景可以是停止场景。这里，场景500包括静态和动态障碍物，并且当前驾驶场景可以被确定为跟随场景。
在一个实施方式中，图形生成器405生成用于跟随场景或停止场景(但不用于巡航场景)的站-时间图。巡航场景可能不与站-时间图(也称为路径-时间图或路径-时间空间)相关联，因为在巡航场景中没有感知到的障碍物。在一个实施方式中，针对跟随场景或停止场景，图形生成器405基于初始状况生成路径-时间(或站-时间)图。在预定时间段内生成站-时间图，使得有足够的时间来考虑ADV可能的纵向轨迹直到下一规划周期。在一个实施方式中，图形生成器405通过将这些障碍物投影到所生成的站-时间图上来生成用于由ADV101感知的障碍物的几何区域。路径-时间空间中的这些区域可包括用于静态和动态障碍物的投影，例如转向到路径505中的另一车辆(例如，车辆502)的预测轨迹。
图6B示出了根据实施方式的站-时间图的示例。图6B可以是由图形生成器405生成的对应于图5的场景500的站-时间图。参考图6B，例如，点611可对应于ADV 101的纵向位置s_init。图形生成器405可以生成站-时间障碍物(例如，区域)612、614和616。区域612可对应于可预测在ADV 101前面转向的障碍物(或车辆)502。区域614可对应于在ADV 101前方巡航的车辆504，以及区域616可对应于红色交通灯506。
接下来，结束状况确定器407可基于所生成的站-时间图来列举结束状况。在一个实施方式中，可基于站-时间图中的每个区域的边界来列举结束状况。在另一实施方式中，可仅基于站-时间图中的每个区域的上边界和/或下边界来列举结束状况。例如，沿着区域612的上边界和/或下边界的ST点621-622可被列举为区域612的结束状况。沿着区域614的下边界的ST点624可被列举为区域614的结束状况。沿着区域616的下边界的ST点626-627可被列举为区域616的结束状况。这里，因为如果ADV 101接触或交叉区域612、614、616，ADV101将违反交通规则和/或撞到障碍物，所以不需要列举位于区域612、614、616上的结束状况。在一个实施方式中，可基于固定的时间间隔来列举结束状况的数量。在另一个实施方式中，可基于用户预先确定的时间间隔来列举结束状况的数量。使用站-时间图生成的结束状况可表示结束状况的第二组(或第一集合)。第二组(或第一集合)中的每个结束状况可对应于最终的站位置(s_end)、纵向速度(s_dot_end)和纵向加速度(s_ddot_end)。注意到，在一些实施方式中，最终的纵向加速度总是等于零。
一旦确定了结束状况的第二组(或第一集合)，在一个实施方式中，轨迹候选项生成器409基于来自第一组(或第二集合)和第二组(或第一集合)的结束状况通过使用用于平滑的曲线拟合算法将这些结束状况与它们对应的初始状况曲线拟合到四次(四阶)和/或五次(五阶)多项式而生成多个轨迹候选。参考图6A(例如，VT图)例如，轨迹候选项生成器409可通过应用曲线拟合算法将四次多项式拟合到初始点601和结束点605来生成轨迹候选项609。在另一示例中，参考图6B(例如，ST图)，轨迹候选项生成器409可通过应用曲线拟合算法将五次多项式拟合到初始点611和结束点621来生成轨迹候选项615。对于该示例，轨迹候选项615与超过车辆502的预测轨迹的ADV 101对应。
一旦从所有可能的结束状况生成轨迹候选项，在一个实施方式中，评估模块(诸如图3A的评估模块309)评估每个轨迹候选项以获得最佳轨迹候选项。然后，轨迹候选项选择器411可选择该最佳轨迹候选项以控制ADV。
回到图3A，轨迹评估模块309可用软件、硬件或其组合来实施。例如，轨迹评估模块309可安装在永久存储设备352中、加载到存储器351中，并由一个或多个处理器(未示出)执行。轨迹评估模块309可通信地联接到图2的车辆控制系统111中的某些或全部模块或与图2的车辆控制系统111中的某些或全部模块集成。在一个实施方式中，轨迹评估模块309和轨迹生成模块308可以是集成模块。
图7是示出根据一个实施方式的轨迹评估模块的示例的框图。参考图7，轨迹评估模块309可基于成本函数来评估轨迹候选项，以评估用于选择最佳轨迹来控制ADV的轨迹候选项。轨迹评估模块309可包括轨迹分段器701、舒适成本确定器703、安全成本确定器705、参考速度曲线生成器707和目标/规则遵循成本确定器709。轨迹分段器701可将候选轨迹分段成多个段。舒适成本确定器705可确定候选轨迹的舒适成本。安全成本确定器703可确定候选轨迹的安全成本。参考速度曲线生成器707可生成参考速度-时间曲线(其遵循交通规则)，以评估候选轨迹的目标遵循成本。目标/规则遵循成本确定器709可确定候选轨迹的目标成本。
可以考虑许多标准(或成本)以评估轨迹候选项，例如，诸如安全性、舒适性、规则遵循和/或目标遵循标准，这些标准可被定义为评估标准315的一部分。可通过考虑轨迹候选项是否将引导自动车辆与道路中的其他车辆/障碍物碰撞来计算安全成本。可通过考虑当ADV使用轨迹候选项项时ADV上的乘客是否将具有舒适的乘坐体验来计算舒适成本。可通过考虑自动车辆是否遵从交通规则来计算规则遵循成本。例如，其需要车辆停止在某些地方，例如在停车标志和/或红色交通灯等之前。可通过考虑ADV是否将及时完成运输任务(即，轨迹候选项是否可在不花费过多时间的情况下将乘客运送到目的地)来计算目标遵循成本。在一个实施方式中，可将不同的评估标准建模为成本函数316。示例成本函数(或总成本函数)可以是cost_overall＝sum(成本*权重)，其中，成本可以是用于舒适性、安全性、规则遵循和/或目标遵循的成本，以及权重是每个相应成本的加权因子。
参考图7和图8，在一个实施方式中，可使用站-时间图(诸如图8的站-时间图800)来评估安全成本(通过安全成本确定器703)。站-时间图800可以是图6B的站-时间图610，其具有障碍物612、614、616以及待评估安全性的轨迹候选项615。在一个实施方式中，通过轨迹分段器701根据预定的时间分辨率将轨迹候选项615分段成多个段801。每个段801可具有相关联的结束点803(例如，时间戳)。然后，轨迹分段器701用框805界定结束点803(或时间戳)。框805可具有可表示ADV的宽度的预定宽度。在一个实施方式中，安全成本确定器703遍历每个方框805以确定方框805的任何边缘是否将与站-时间图800中的任何静态/动态障碍物(例如障碍物612、614、616)的边界相交。如果存在交叉点(例如，可能的碰撞)，则可从选择中移除轨迹候选项。在另一个实施方式中，可沿轨迹候选项615的所有时间戳计算从轨迹候选项615到障碍物612、614、616的任何边界的最近距离。安全成本可以是所计算的距离的倒数，例如，更近的距离具有更高的成本。在这种情况下，远离周围障碍物的轨迹候选项(例如，较低的成本)可被认为比可能更接近周围障碍物的轨迹候选项更安全。
通过计算每个时间段的加加速度的和值(例如，平方和)可确定舒适成本(通过舒适度成本确定器705)。加加速度被定义为ADV的加速度的变化。这里，可通过相邻时间戳(例如，结束点803)的时间段上的加速度的变化来计算加加速度值。然后，将每个时间段的加加速度值求平方并加在一起以获得舒适成本。
为了确定目标/规则遵循成本(也简称为目标成本)，在一个实施方式中，必须首先生成参考速度曲线。参考速度是没有任何障碍物时ADV的理想速度曲线。换言之，参考速度曲线是ADV应该努力实现的速度曲线。没有参考速度曲线，ADV 101将没有参考速度进行比较，并且ADV 101可处于静止状态且将仍然满足安全性和舒适性评估标准，例如，不运动的ADV 101将是安全和舒适的。然而，在遵循参考速度曲线的情况下，ADV 101可在最短的时间内努力到达预定的目的地，同时确保舒适的驾驶。
为了生成参考速度曲线，在一个实施方式中，存在至少两个要考虑的场景。第一场景是没有障碍物并且ADV的目标是以稳定的速度巡航，例如v_cruise。在这种情况下，参考曲线生成器707可将参考速度曲线生成为恒定速度曲线，例如，图9A的曲线901。在一个实施方式中，基于道路速度限制确定恒定速度或巡航速度。在另一个实施方式中，基于ADV的用户预定的速度确定恒定速度或巡航速度。对于存在与停止点相对应的障碍物的第二场景，即，ADV需要在具有已知位置的点处停止，参考曲线生成器707可确定舒适的减速度d_comf，其可以是车辆的最大减速度d_max乘以预定的舒适系数f。基于d_comf，参考曲线生成器707可计算减速轨迹(例如，图9B的912)，其可利用舒适的减速度(例如，d_comf)来减慢ADV并且在已知的停止点处停止ADV。
在一个实施方式中，基于计算的减速轨迹(例如，912)，如果ADV不能使用d_comf从巡航速度v_cruise减速，则参考曲线生成器707生成从ADV的当前位置到停止点的恒定减速轨迹。图9C的参考速度曲线921是这种参考速度曲线的示例。
在另一个实施方式中，基于计算的减速轨迹(例如，912)，如果ADV可使用d_comf从巡航速度v_cruise减速，则参考曲线生成器707在第一部分中生成具有恒定速度轨迹(例如，v_cruise)的曲线，然后是第二部分中的恒定减速轨迹(例如，912)。图9B的参考速度曲线911是这种参考速度曲线的示例。一旦为轨迹候选项生成参考速度曲线，则可确定目标/规则遵从成本。
图10是示出根据一个实施方式的目标评估的速度-时间图的示例。参考图10，速度-时间图1000包括速-时间轨迹1015和参考速度曲线911。轨迹1015可在速-时间域中表示图8的轨迹候选项615。参考速度曲线911可以是根据停止点(例如，图5的红色交通灯506)而为轨迹候选项615生成的参考速度曲线。
在一个实施方式中，目标/规则遵从成本确定器709首先基于轨迹1015在每个点(或时间戳)处与参考速度曲线911的差异(例如，1005)来计算差异曲线(例如，曲线1001)。然后，将每个时间戳处的差异曲线1005的速度值求和(例如，平方求和)以作为目标/规则遵从成本。这里，目标/规则遵从成本表示轨迹候选项与参考轨迹的“接近度”。
在一个实施方式中，考虑到安全成本、舒适成本、目标遵循成本和规则遵循成本，总成本或总成本函数可以是：cost_overall＝cost_safety*weight_safety+cost_comfort*weight_comfort+cost_obj*weight_obj。cost_safety是安全成本，以及weight_safety是安全成本的权重因子。cost_comfort是舒适成本，以及weight_comfort是舒适成本的权重因子。cost_obj是目标成本，以及weight_obj是目标成本的权重因子。注意，不同的权重因子可以是数值，以调整每个成本相对于其余成本的重要性。一旦针对每个轨迹候选项计算了总成本，就可以基于轨迹候选项中的最低总成本来选择最佳轨迹候选项。
图11是示出根据一个实施方式的由ADV执行的方法的流程图。过程1100可由处理逻辑执行，处理逻辑可包括软件、硬件或其组合。例如，过程1100可由图3A的轨迹生成模块308和/或轨迹评估模块309执行。参考图11，在框1101处，为自动驾驶车辆(ADV)生成从特定驾驶场景的起点到终点的多个轨迹候选项。在框1102处，处理逻辑基于与起点相关联的ADV的当前状态和与终点相关联的ADV的结束状况来生成与驾驶场景对应的参考轨迹，其中参考轨迹与目标相关联。在框1103处，对于每个轨迹候选项，处理逻辑将轨迹候选项与参考轨迹进行比较，以生成表示轨迹候选项与参考轨迹之间的相似性的目标成本。在框1104处，处理逻辑基于轨迹候选项的目标成本选择轨迹候选项中的一个作为用于驾驶ADV的目标轨迹。
在一个实施方式中，将轨迹候选项与参考轨迹进行比较包括将轨迹候选项分段成多个候选段，将参考轨迹分段成多个参考段，对于每个候选段，计算候选段的速度与对应参考段的速度之间的速度差，并基于候选段与参考段之间的速度差计算目标成本。在另一个实施方式中，通过对候选段与参考段之间的速度差的平方求和来计算目标成本。
在一个实施方式中，对于每个轨迹候选项，处理逻辑还识别最接近轨迹候选项的障碍物，测量轨迹候选项与障碍物之间的距离，基于轨迹候选项与障碍物之间的距离计算与轨迹候选项相关联的安全成本，并基于目标成本和安全成本计算轨迹候选项的总轨迹成本。然后可从轨迹候选项中选择目标轨迹，因为其具有最低的总轨迹成本。
在一个实施方式中，对于每个轨迹候选项，处理逻辑还确定沿轨迹候选项的加速度的变化率，基于沿轨迹候选项的加速度的变化率计算轨迹候选项的舒适成本，并基于目标成本和舒适成本计算轨迹候选项的总轨迹成本。然后可以从轨迹候选项中选择目标轨迹，因为其具有最低的总轨迹成本。在另一实施方式中，计算轨迹候选项的舒适成本包括将轨迹候选项分段成多个候选段，对于每个候选段，基于与候选段相关联的加速度的变化率来计算候选段的段舒适成本，并且基于候选段的段舒适成本计算舒适成本。在另一实施方式中，基于候选段的段舒适成本的总和来计算舒适成本。
应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图12是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。
还应注意，系统1500旨在示出计算机系统的许多部件的高阶视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX，或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如图3A的轨迹生成模块308和/或轨迹评估模块309。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本公开的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本公开的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (21)

1.一种用于确定操作自动驾驶车辆(ADV)的轨迹的计算机实施的方法，所述方法包括：
生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；
基于与所述起点相关联的所述自动驾驶车辆的当前状态以及与所述终点相关联的所述自动驾驶车辆的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；
对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及
基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述自动驾驶车辆的目标轨迹。
2.根据权利要求1所述的方法，其中，将所述轨迹候选项与所述参考轨迹进行比较包括：
将所述轨迹候选项分段成多个候选段；
将所述参考轨迹分段成多个参考段；
对于所述候选段中的每个，计算所述候选段的速度与相应参考段的速度之间的速度差；以及
基于所述候选段与所述参考段之间的速度差来计算所述目标成本。
3.根据权利要求2所述的方法，其中，通过对所述轨迹段与所述参考段之间的速度差的平方进行求和来计算所述目标成本。
4.根据权利要求1所述的方法，还包括：
对于所述轨迹候选项中的每个，
识别最接近所述轨迹候选项的障碍物，
测量所述轨迹候选项与所述障碍物之间的距离，
基于所述轨迹候选项与所述障碍物之间的距离，计算与所述轨迹候选项相关联的安全成本，以及
基于所述目标成本和所述安全成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
5.根据权利要求1所述的方法，还包括：
对于所述轨迹候选项中的每个，
确定沿所述轨迹候选项的加速度的变化率，
基于沿所述轨迹候选项的加速度的变化率，计算所述轨迹候选项的舒适成本，以及
基于所述目标成本和所述舒适成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
6.根据权利要求5所述的方法，其中，计算所述轨迹候选项的舒适成本包括：
将所述轨迹候选项分段成多个候选段；
对于所述候选段中的每个，基于与所述候选段相关联的加速度的变化率，计算所述候选段的段舒适成本；以及
基于所述候选段的段舒适成本，计算所述舒适成本。
7.根据权利要求6所述的方法，其中，基于所述候选段的段舒适度成本的总和来计算所述舒适成本。
8.一种存储有指令的非暂时性机器可读介质，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行操作，所述操作包括：
生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；
基于与所述起点相关联的所述自动驾驶车辆的当前状态以及与所述终点相关联的所述自动驾驶车辆的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；
对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及
基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述自动驾驶车辆的目标轨迹。
9.根据权利要求8所述的非暂时性机器可读介质，其中，将所述轨迹候选项与所述参考轨迹进行比较包括：
将所述轨迹候选项分段成多个候选段；
将所述参考轨迹分段成多个参考段；
对于所述候选段中的每个，计算所述候选段的速度与相应参考段的速度之间的速度差；以及
基于所述候选段与所述参考段之间的速度差来计算所述目标成本。
10.根据权利要求9所述的非暂时性机器可读介质，其中，通过对所述轨迹段与所述参考段之间的速度差的平方进行求和来计算所述目标成本。
11.根据权利要求8所述的非暂时性机器可读介质，还包括：
对于所述轨迹候选项中的每个，
识别最接近所述轨迹候选项的障碍物，
测量所述轨迹候选项与所述障碍物之间的距离，
基于所述轨迹候选项与所述障碍物之间的距离，计算与所述轨迹候选项相关联的安全成本，以及
基于所述目标成本和所述安全成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
12.根据权利要求8所述的非暂时性机器可读介质，还包括：
对于所述轨迹候选项中的每个，
确定沿所述轨迹候选项的加速度的变化率，
基于沿所述轨迹候选项的加速度的变化率，计算所述轨迹候选项的舒适成本，以及
基于所述目标成本和所述舒适成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
13.根据权利要求12所述的非暂时性机器可读介质，其中，计算所述轨迹候选项的舒适成本包括：
将所述轨迹候选项分段成多个候选段；
对于所述候选段中的每个，基于与所述候选段相关联的加速度的变化率，计算所述候选段的段舒适成本；以及
基于所述候选段的所述段舒适成本，计算所述舒适成本。
14.根据权利要求13所述的非暂时性机器可读介质，其中，基于所述候选段的段舒适度成本的总和来计算所述舒适成本。
15.一种数据处理系统，包括：
一个或多个处理器；以及
存储器，联接到所述一个或多个处理器以存储指令，所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行操作，所述操作包括：
生成用于自动驾驶车辆(ADV)的从特定驾驶场景的起点到终点的多个轨迹候选项；
基于与所述起点相关联的自动驾驶车辆的当前状态以及与所述终点相关联的自动驾驶车辆的结束状态，生成与所述驾驶场景对应的参考轨迹，其中，所述参考轨迹与目标相关联；
对于所述轨迹候选项中的每个，将所述轨迹候选项与所述参考轨迹进行比较，以生成表示所述轨迹候选项与所述参考轨迹之间的相似性的目标成本；以及
基于所述轨迹候选项的目标成本，选择所述轨迹候选项中的一个作为用于驾驶所述自动驾驶车辆的目标轨迹。
16.根据权利要求15所述的系统，其中，将所述轨迹候选项与所述参考轨迹进行比较包括：
将所述轨迹候选项分段成多个候选段；
将所述参考轨迹分段成多个参考段；
对于所述候选段中的每个，计算所述候选段的速度与相应参考段的速度之间的速度差；以及
基于所述候选段与所述参考段之间的速度差来计算所述目标成本。
17.根据权利要求16所述的系统，其中，通过对所述轨迹段与所述参考段之间的速度差的平方进行求和来计算所述目标成本。
18.根据权利要求15所述的系统，还包括：
对于所述轨迹候选项中的每个，
识别最接近所述轨迹候选项的障碍物，
测量所述轨迹候选项与所述障碍物之间的距离，
基于所述轨迹候选项与所述障碍物之间的距离，计算与所述轨迹候选项相关联的安全成本，以及
基于所述目标成本和所述安全成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
19.根据权利要求15所述的系统，还包括：
对于所述轨迹候选项中的每个，
确定沿所述轨迹候选项的加速度的变化率，
基于沿所述轨迹候选项的加速度的变化率，计算所述轨迹候选项的舒适成本，以及
基于所述目标成本和所述舒适成本，计算所述轨迹候选项的总轨迹成本；以及
从所述轨迹候选项中选择所述目标轨迹，其中，所述目标轨迹具有最低的总轨迹成本。
20.根据权利要求19所述的系统，其中，计算所述轨迹候选项的舒适成本包括：
将所述轨迹候选项分段成多个候选段；
对于所述候选段中的每个，基于与所述候选段相关联的加速度的变化率，计算所述候选段的段舒适成本；以及
基于所述候选段的所述段舒适成本，计算所述舒适成本。
21.根据权利要求20所述的系统，其中，基于所述候选段的段舒适度成本的总和来计算所述舒适成本。
CN201910037452.XA 2018-04-17 2019-01-15 用于评估自动驾驶车辆的轨迹候选项的方法 Pending CN110389584A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/955,584 US10996679B2 (en) 2018-04-17 2018-04-17 Method to evaluate trajectory candidates for autonomous driving vehicles (ADVs)
US15/955,584 2018-04-17

Publications (1)

Publication Number Publication Date
CN110389584A true CN110389584A (zh) 2019-10-29

Family

ID=68161727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910037452.XA Pending CN110389584A (zh) 2018-04-17 2019-01-15 用于评估自动驾驶车辆的轨迹候选项的方法

Country Status (3)

Country Link
US (1) US10996679B2 (zh)
JP (1) JP6831420B2 (zh)
CN (1) CN110389584A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523643A (zh) * 2020-04-10 2020-08-11 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
CN111559388A (zh) * 2020-03-26 2020-08-21 吉利汽车研究院（宁波）有限公司 一种目标车辆筛选方法、装置、设备及存储介质
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质
CN112829769A (zh) * 2020-09-15 2021-05-25 百度（美国）有限责任公司 自动驾驶车辆的混合规划系统
CN112896191A (zh) * 2021-03-08 2021-06-04 京东鲲鹏(江苏)科技有限公司 轨迹处理方法、装置、电子设备和计算机可读介质
CN112937569A (zh) * 2021-02-20 2021-06-11 福瑞泰克智能系统有限公司 一种面向车道边界的紧急转向辅助方法及装置
CN113050618A (zh) * 2019-12-27 2021-06-29 百度（美国）有限责任公司 用于操作自动驾驶车辆的计算机实现的方法
CN113494923A (zh) * 2020-04-08 2021-10-12 百度（美国）有限责任公司 基于微分动态规划的路径轨迹规划方法及系统
CN113511205A (zh) * 2020-03-25 2021-10-19 Aptiv技术有限公司 规划车辆的移动的方法和系统
CN114626285A (zh) * 2020-12-11 2022-06-14 动态Ad有限责任公司 轨迹评估方法、系统和计算机可读介质
CN114730523A (zh) * 2019-11-14 2022-07-08 大陆汽车有限公司 确定车辆在道路上的摩擦系数
CN114763158A (zh) * 2021-01-14 2022-07-19 通用汽车环球科技运作有限责任公司 用于控制自主车辆的轨迹选择
CN114861514A (zh) * 2021-02-03 2022-08-05 华为技术有限公司 一种车辆行驶方案的规划方法、装置和存储介质
CN116209611A (zh) * 2020-09-28 2023-06-02 埃尔构人工智能有限责任公司 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统
CN116323350A (zh) * 2020-09-11 2023-06-23 Uatc有限责任公司 用于针对自主交通工具运动控制生成基本路径的系统和方法

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
JP7073880B2 (ja) * 2018-04-19 2022-05-24 トヨタ自動車株式会社 進路決定装置
US11402227B2 (en) * 2018-08-14 2022-08-02 GM Global Technology Operations LLC Dynamic route adjustment
US11199847B2 (en) * 2018-09-26 2021-12-14 Baidu Usa Llc Curvature corrected path sampling system for autonomous driving vehicles
US11092458B2 (en) * 2018-10-30 2021-08-17 Telenav, Inc. Navigation system with operation obstacle alert mechanism and method of operation thereof
US10962381B2 (en) * 2018-11-01 2021-03-30 Here Global B.V. Method, apparatus, and computer program product for creating traffic information for specialized vehicle types
JP7253908B2 (ja) * 2018-12-03 2023-04-07 日立Astemo株式会社 車両制御装置
US11079761B2 (en) * 2018-12-12 2021-08-03 Ford Global Technologies, Llc Vehicle path processing
US10809736B2 (en) * 2018-12-27 2020-10-20 Baidu Usa Llc ST-graph learning based decision for autonomous driving vehicle
DE102019110217B4 (de) * 2019-04-17 2021-09-16 Zf Friedrichshafen Ag Verfahren zum automatisierten Steuern eines Kraftfahrzeugs
GB2585371B8 (en) * 2019-07-02 2022-01-19 Seyo Ltd Distributed event-based coordination model
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置
US20210064031A1 (en) * 2019-08-28 2021-03-04 Zenuity Ab Path planning for autonomous and semi-autonomous vehicles
JP2021062777A (ja) * 2019-10-15 2021-04-22 トヨタ自動車株式会社 車両制御システム
JP7259697B2 (ja) 2019-10-15 2023-04-18 トヨタ自動車株式会社 車両制御システム
CN110738688B (zh) * 2019-10-25 2022-05-13 中国人民解放军国防科技大学 一种红外超弱运动目标检测方法
RU2745804C1 (ru) * 2019-11-06 2021-04-01 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способ и процессор для управления перемещением в полосе движения автономного транспортного средства
JP2023509831A (ja) * 2019-12-30 2023-03-10 エヌビディア コーポレーション 自律マシン・アプリケーションにおける車線変更プランニング及び制御
US11673576B2 (en) * 2020-03-23 2023-06-13 Baidu Usa Llc Nested scenarios in planning for autonomous driving vehicles
CN113537445B (zh) * 2020-04-14 2024-04-09 北京京东乾石科技有限公司 一种轨迹预测方法、装置、设备和存储介质
US11181917B2 (en) * 2020-04-15 2021-11-23 Baidu Usa Llc Path planning system based on steering wheel self zeroing for autonomous vehicles
US11254326B2 (en) * 2020-06-01 2022-02-22 Baidu Usa Llc Automatic comfort score system based on human driving reference data
CN113954858A (zh) * 2020-07-20 2022-01-21 华为技术有限公司 一种规划车辆行驶路线的方法以及智能汽车
KR20220033077A (ko) * 2020-09-07 2022-03-16 주식회사 라이드플럭스 속력 프로파일을 이용한 자율주행 차량의 정지 제어 방법, 장치 및 컴퓨터프로그램
US11731651B2 (en) * 2020-09-30 2023-08-22 Baidu Usa Llc Automatic parameter tuning framework for controllers used in autonomous driving vehicles
CN114590267A (zh) * 2020-12-07 2022-06-07 长沙智能驾驶研究院有限公司 车辆运动规划方法、装置、设备及计算机存储介质
CN112630736B (zh) * 2020-12-21 2024-05-07 阿波罗智联(北京)科技有限公司 路侧雷达的参数确定方法、装置、设备及存储介质
CN114822078A (zh) * 2021-01-28 2022-07-29 武汉智行者科技有限公司 一种目标参考线切换控制方法、装置及存储介质
JP7258074B2 (ja) * 2021-04-26 2023-04-14 三菱電機株式会社 走行計画生成装置
US20220396289A1 (en) * 2021-06-15 2022-12-15 Nvidia Corporation Neural network path planning
DE102021206413A1 (de) * 2021-06-22 2022-12-22 Volkswagen Aktiengesellschaft Verfahren zum Bestimmen einer aktuell befahrbaren Trajektorie für ein zumindest teilweise assistiert betriebenes Kraftfahrzeug, sowie Assistenzsystem
US12005925B1 (en) * 2021-08-31 2024-06-11 Zoox, Inc. Collaborative action ambiguity resolution for autonomous vehicles
CN113963535B (zh) * 2021-09-30 2023-01-13 华为技术有限公司 行驶决策确定方法、装置、电子设备存储介质
CN115230688B (zh) * 2021-12-07 2023-08-25 上海仙途智能科技有限公司 障碍物轨迹预测方法、系统和计算机可读存储介质
CN114200943A (zh) * 2021-12-13 2022-03-18 哈尔滨工业大学芜湖机器人产业技术研究院 一种动态避让方法及移动机器人
US12162514B2 (en) * 2022-01-07 2024-12-10 Constructor Technology Ag Multi-layered approach for path planning and its execution for autonomous cars
US20250065953A1 (en) * 2022-02-07 2025-02-27 Gensol Electric Vehicles Private Limited An apparatus for the stationing of a locomotory device from outside the locomotory device
WO2023148777A1 (en) * 2022-02-07 2023-08-10 Strom Motors (India) Private Limited An apparatus for the patrolling of a manoeuvring locomotory device
US20230415772A1 (en) * 2022-06-24 2023-12-28 Motional Ad Llc Trajectory planning based on extracted trajectory features
CN115146478B (zh) * 2022-07-21 2024-08-16 合众新能源汽车股份有限公司 基于优化算法的行驶工况构建方法、装置及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685577A (zh) * 2008-09-25 2010-03-31 福特全球技术公司 在道路环境中评估车辆路径的方法和车辆路径评估系统
US20160375901A1 (en) * 2015-06-29 2016-12-29 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Semi-Autonomous Vehicles
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法
CN107567405A (zh) * 2015-05-12 2018-01-09 大众汽车有限公司 确定用于车辆的轨迹

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6341255B1 (en) * 1999-09-27 2002-01-22 Decell, Inc. Apparatus and methods for providing route guidance to vehicles
ATE390679T1 (de) * 2002-08-29 2008-04-15 Itis Holdings Plc Vorrichtung und verfahren zur verkehrsinformationsbereitstellung
CA2525015A1 (en) * 2003-06-11 2004-12-23 Matsushita Electric Industrial Co., Ltd. Digital map position information compressing method and device
US20050273250A1 (en) * 2004-05-18 2005-12-08 Bruce Hamilton System and method for dynamic navigational route selection
US20070208498A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Displaying road traffic condition information and user controls
JP5029329B2 (ja) 2007-12-05 2012-09-19 トヨタ自動車株式会社 走行軌跡生成方法及び走行軌跡生成装置
US20110098922A1 (en) * 2009-10-27 2011-04-28 Visteon Global Technologies, Inc. Path Predictive System And Method For Vehicles
JP5577126B2 (ja) 2010-03-24 2014-08-20 トヨタ自動車株式会社 走行支援装置
EP2681512B1 (en) * 2011-03-03 2021-01-13 Verizon Patent and Licensing Inc. Vehicle route calculation
JP5729480B2 (ja) * 2011-10-03 2015-06-03 トヨタ自動車株式会社 車両の運転支援システム
EP2950294B1 (en) * 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
JP6613563B2 (ja) * 2014-12-24 2019-12-04 アイシン・エィ・ダブリュ株式会社 経路探索システム、方法およびプログラム
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US10156454B2 (en) * 2015-11-18 2018-12-18 International Business Machines Corporation GPS navigation
AU2017204701A1 (en) * 2016-01-03 2018-07-19 Yosef Mintz System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities
US10162354B2 (en) * 2016-07-21 2018-12-25 Baidu Usa Llc Controlling error corrected planning methods for operating autonomous vehicles
JP6606610B2 (ja) * 2016-07-22 2019-11-13 日立オートモティブシステムズ株式会社 走路境界推定装置及びそれを用いた走行支援システム
US10640111B1 (en) * 2016-09-07 2020-05-05 Waymo Llc Speed planning for autonomous vehicles
US10216190B2 (en) * 2016-09-20 2019-02-26 International Business Machines Corporation Managing autonomous vehicles needing energy replenishment
US11619951B2 (en) * 2017-01-23 2023-04-04 Massachusetts Institute Of Technology On-demand high-capacity ride-sharing via dynamic trip-vehicle assignment with future requests
JP6769892B2 (ja) * 2017-02-22 2020-10-14 クラリオン株式会社 ナビゲーション装置、経路探索サーバ、および経路探索方法
US10220857B2 (en) * 2017-02-23 2019-03-05 Uber Technologies, Inc. Vehicle control system
US10293485B2 (en) * 2017-03-30 2019-05-21 Brain Corporation Systems and methods for robotic path planning
US10403133B1 (en) * 2017-07-27 2019-09-03 State Farm Mutual Automobile Insurance Company Vehicle roadway traffic density management systems for optimizing vehicle spacing
US20190204842A1 (en) * 2018-01-02 2019-07-04 GM Global Technology Operations LLC Trajectory planner with dynamic cost learning for autonomous driving
US10824153B2 (en) * 2018-04-16 2020-11-03 Baidu Usa Llc Cost design for path selection in autonomous driving technology

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685577A (zh) * 2008-09-25 2010-03-31 福特全球技术公司 在道路环境中评估车辆路径的方法和车辆路径评估系统
CN107567405A (zh) * 2015-05-12 2018-01-09 大众汽车有限公司 确定用于车辆的轨迹
US20160375901A1 (en) * 2015-06-29 2016-12-29 Mitsubishi Electric Research Laboratories, Inc. System and Method for Controlling Semi-Autonomous Vehicles
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114730523A (zh) * 2019-11-14 2022-07-08 大陆汽车有限公司 确定车辆在道路上的摩擦系数
CN113050618B (zh) * 2019-12-27 2024-06-25 百度（美国）有限责任公司 用于操作自动驾驶车辆的计算机实现的方法
CN113050618A (zh) * 2019-12-27 2021-06-29 百度（美国）有限责任公司 用于操作自动驾驶车辆的计算机实现的方法
CN113511205A (zh) * 2020-03-25 2021-10-19 Aptiv技术有限公司 规划车辆的移动的方法和系统
CN113511205B (zh) * 2020-03-25 2024-06-07 Aptiv技术股份公司 规划车辆的移动的方法和系统
CN111559388A (zh) * 2020-03-26 2020-08-21 吉利汽车研究院（宁波）有限公司 一种目标车辆筛选方法、装置、设备及存储介质
CN111559388B (zh) * 2020-03-26 2022-07-12 吉利汽车研究院（宁波）有限公司 一种目标车辆筛选方法、装置、设备及存储介质
CN113494923A (zh) * 2020-04-08 2021-10-12 百度（美国）有限责任公司 基于微分动态规划的路径轨迹规划方法及系统
CN111523643A (zh) * 2020-04-10 2020-08-11 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
CN111523643B (zh) * 2020-04-10 2024-01-05 商汤集团有限公司 轨迹预测方法、装置、设备及存储介质
US12001215B2 (en) 2020-09-11 2024-06-04 Uatc, Llc Systems and methods for generating basis paths for autonomous vehicle motion control
CN116323350A (zh) * 2020-09-11 2023-06-23 Uatc有限责任公司 用于针对自主交通工具运动控制生成基本路径的系统和方法
CN112829769A (zh) * 2020-09-15 2021-05-25 百度（美国）有限责任公司 自动驾驶车辆的混合规划系统
CN116209611B (zh) * 2020-09-28 2023-12-05 埃尔构人工智能有限责任公司 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统
CN116209611A (zh) * 2020-09-28 2023-06-02 埃尔构人工智能有限责任公司 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统
CN112498366B (zh) * 2020-11-20 2022-04-05 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质
CN112498366A (zh) * 2020-11-20 2021-03-16 苏州智加科技有限公司 自动驾驶车辆、控制方法、装置、设备及存储介质
CN114626285A (zh) * 2020-12-11 2022-06-14 动态Ad有限责任公司 轨迹评估方法、系统和计算机可读介质
CN114763158A (zh) * 2021-01-14 2022-07-19 通用汽车环球科技运作有限责任公司 用于控制自主车辆的轨迹选择
CN114861514A (zh) * 2021-02-03 2022-08-05 华为技术有限公司 一种车辆行驶方案的规划方法、装置和存储介质
CN112937569A (zh) * 2021-02-20 2021-06-11 福瑞泰克智能系统有限公司 一种面向车道边界的紧急转向辅助方法及装置
CN112896191A (zh) * 2021-03-08 2021-06-04 京东鲲鹏(江苏)科技有限公司 轨迹处理方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
JP6831420B2 (ja) 2021-02-17
US10996679B2 (en) 2021-05-04
JP2019194073A (ja) 2019-11-07
US20190317512A1 (en) 2019-10-17

Similar Documents

Publication Publication Date Title
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
US11493926B2 (en) Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
CN110389585B (zh) 用于自动驾驶车辆的基于学习的速度规划器
US11545033B2 (en) Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction
CN110389581A (zh) 用于为自动驾驶车辆生成障碍物的预测轨迹的方法
CN110388931A (zh) 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
EP3524934A1 (en) Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110239562A (zh) 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
CN109489675A (zh) 用于自动驾驶车辆的基于成本的路径规划
CN109521762A (zh) 用于自动驾驶车辆的基于2d约束平滑样条的平滑道路参考线路
CN109426256A (zh) 自动驾驶车辆的基于驾驶员意图的车道辅助系统
CN109491377A (zh) 用于自动驾驶车辆的基于dp和qp的决策和规划
CN110096053A (zh) 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质
CN109491376A (zh) 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划
CN109521763A (zh) 用于自动驾驶车辆的基于约束平滑样条的路径优化
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN109521761A (zh) 用于自动驾驶车辆的基于约束平滑样条的速度优化
CN108604095A (zh) 动态调整自动驾驶车辆的转向率的方法
CN108602509A (zh) 基于运动规划来操作自动驾驶车辆的方法和系统
CN110325935A (zh) 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线
CN108733046A (zh) 用于自动驾驶车辆的轨迹重新规划的系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination