[go: up one dir, main page]

CN113366400B - 自动驾驶车辆的动态成本函数的实现方法 - Google Patents

自动驾驶车辆的动态成本函数的实现方法 Download PDF

Info

Publication number
CN113366400B
CN113366400B CN201980006328.5A CN201980006328A CN113366400B CN 113366400 B CN113366400 B CN 113366400B CN 201980006328 A CN201980006328 A CN 201980006328A CN 113366400 B CN113366400 B CN 113366400B
Authority
CN
China
Prior art keywords
adv
distance
obstacle
speed
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201980006328.5A
Other languages
English (en)
Other versions
CN113366400A (zh
Inventor
许昕
朱帆
董瑜
马霖
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 com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
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 com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Publication of CN113366400A publication Critical patent/CN113366400A/zh
Application granted granted Critical
Publication of CN113366400B publication Critical patent/CN113366400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/103—Speed profile

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明的各种实施方式使ADV能够在ADV遇到障碍物时动态地调整其行为以模仿由人类驾驶员操作的车辆的行为。动态成本函数可用于收集一组参数的实时值，并使用实时值不断调整ADV能够在障碍物前方停止的优选安全距离。该方法包括：响应于检测到ADV前方的障碍物，确定到障碍物的第一距离；以及针对多个迭代中的每个，执行以下操作：收集一组参数中的每个的实时值，使用所述一组参数中的每个的实时值确定与第一距离的偏移量，基于第一距离和偏移量来计算第二距离，并且基于第二距离使用所述一组参数中的每个的预期值来控制ADV，使得ADV可以在距障碍物的第二距离处停止。

Description

自动驾驶车辆的动态成本函数的实现方法
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在自动驾驶车辆中使用动态成本函数来模仿由人类驾驶员操作的车辆的行为。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘客(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驾驶。运动规划与控制是自动驾驶中的关键操作，并且可以对在这些操作中做出的决策使用有限状态机。状态的选择通常可以使用具有固定参数的成本函数进行。
例如，在存在静态障碍物的情况下，车辆可以在计算出的安全距离处停止以避免与静态障碍物发生碰撞；在存在移动障碍物的情况下，车辆可以降低速度并跟随其后。但是，在一些情况下，这些预定义的动作是不够的，并且更希望像驾驶员那样的动作。
发明内容
根据第一方面，本公开的一些实施方式提供了用于操作自动驾驶车辆(ADV)的计算机实施方法，所述方法包括：响应于检测到所述ADV前方的障碍物，确定到所述障碍物的第一距离；以及针对多个规划周期中的每个，执行以下迭代操作：基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量；基于所述第一距离和所述偏移量计算第二距离，以及基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
根据第二方面，本公开的一些实施方式提供了一种其中存储有用于操作自动驾驶车辆(ADV)的指令的非暂时性机器可读介质，所述指令在由处理器运行时使得所述处理器执行操作，所述操作包括：响应于检测到所述ADV前方的障碍物，确定到所述障碍物的第一距离；以及针对多个规划周期中的每个，执行以下迭代操作：基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量；基于所述第一距离和所述偏移量计算第二距离，以及基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
根据第三方面，本公开的一些实施方式提供了一种数据处理系统，其包括处理器以及存储器，所述存储器联接至所述处理器并存储指令，所述指令在由所述处理器运行时使得所述处理器执行操作，所述操作包括：响应于检测到所述ADV前方的障碍物，确定到所述障碍物的第一距离；以及针对多个规划周期中的每个，执行以下迭代操作：基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量；基于所述第一距离和所述偏移量计算第二距离，以及基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
附图说明
本公开的实施方式以示例而非限制的方式示出在附图的各图中，在附图中类似附图标记指示类似元件。
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示出了根据实施方式的用于在ADV中使用动态成本函数在遇到障碍物时模仿由人类驾驶员操作的车辆行为的示例性系统。
图5A至图5C以图形方式示出了根据实施方式的通过动态成本函数执行的过程的示例。
图6示出了根据实施方式的在ADV中使用动态成本函数在遇到障碍物时模仿由人类驾驶员驾驶的车辆行为的示例性过程。
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，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。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”的引述意味着结合该实施方式所描述的特定特征、结构或特性可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”在本说明书中各处的记载不必全部指同一实施方式。
本发明的各种实施方式提供了用于在ADV遇到障碍物时动态地调整ADV的行为以模仿由人类驾驶员操作的车辆的行为的系统和方法。动态成本函数可以用于收集一组参数的实时值，并使用实时值来不断调整ADV能够在障碍物前方停止的优选安全距离。
在一个实施方式中，示例性方法包括以下操作：响应于检测到在ADV前方的障碍物而确定到障碍物的第一距离；以及针对多个迭代中的每个迭代，收集一组参数中的每个的实时值，使用所述一组参数中的每个的实时值确定与第一距离的偏移量，基于第一距离和偏移量来计算第二距离，并且基于第二距离使用所述一组参数中的每个的预期值来控制ADV，使得ADV可以在距障碍物的第二距离处停止。
在一个实施方式中，只要ADV正在运行，迭代次数就没有上限。在一种实施方式中，可以以闭环形式执行迭代，其中每次迭代在ADV的一个规划周期或多个规划周期中执行。
在一个实施方式中，第一距离是由固定参数成本函数使用一组参数在不考虑所述参数的实时值的情况下计算出的安全距离。所述一组参数包括ADV的速度、ADV到障碍物的距离以及在ADV周围的环境中的速度限制。ADV速度的实时值可以从ADV的发动机的每分钟转数(RPM)和/或ADV的一个或多个传感器的数据中获得。ADV到障碍物的距离的实时值从ADV的一个或多个传感器收集。
在一个实施方式中，速度限制可以从ADV用于路线规划的数字地图获得。障碍物可以是行人、车辆或其他人类对象或非人类对象。
以上概述不包括本发明所有方面的详尽列表。可以预期的是，本发明包括可以从以上概述的各个方面的所有合适的组合中实践出的所有系统、计算机介质和方法，并且也包括在本公开的详细说明中公开的系统、计算机介质和方法。
自动驾驶车辆
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彼此联接和/或联接到服务器103至104。网络102可以是任何类型的网络，诸如，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，Web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。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，这些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/或命令例如为加速信号或命令、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相机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单元212可包括收发器，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定向变化。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。相机211可包括用来收集自动驾驶车辆周围环境的图像的一个或多个装置。相机211可以是静物相机和/或视频相机。相机可以是可机械地移动的，例如，通过将相机安装在旋转和/或倾斜平台上。
传感器系统115还可包括其它传感器，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收集声音。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用来控制马达或发动机的速度，马达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、其它车辆等的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一部分，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可以是为多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从各种车辆(自动驾驶车辆或由人类驾驶员所驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表明在不同的时间点时发出的驾驶命令(例如，油门命令、制动命令、转向命令)以及车辆的传感器所捕获的车辆的响应(例如速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述在不同的时间点时的驾驶环境的信息，诸如，例如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123，机器学习引擎122出于多种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施方式中，例如，算法124包括用于优化路径规划和速度规划的优化方法。优化方法可以包括一组成本函数(例如，动态成本函数)。这些功能可以上传到自动驾驶车辆上，以用于实时生成平滑路径。
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可以被实施为图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、路线安排模块307和平滑模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以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以通信地联接到图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308中的一些可以一起集成为集成模块。例如，决策模块304和规划模块305可以集成为单个模块；以及路线安排模块307和平滑模块308可以集成为单个模块。
定位模块301(例如，利用GPS单元212)确定自动驾驶车辆300的当前位置，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起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以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，并且MPOI服务器提供地图服务和某些位置的POI，这些服务和POI可以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也可以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事物。感知可包括例如采用对象形式的车道配置(例如，笔直的车道或弯曲的车道)、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相机捕获的图像，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、视频追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，追踪对象，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预测所述对象在所述情况下的行为。基于在某时间点感知的驾驶环境的感知数据根据地图和路线信息311与交通规则312的集合来执行所述预测。例如，如果对象是相反方向处的车辆且当前驾驶环境包括十字路口，则预测模块303将预测该车辆是可能向前直行还是可能转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测该车辆可能在进入十字路口之前必须完全停下。如果感知数据表明该车辆当前处于左转专用车道或右转专用车道，则预测模块303可分别预测该车辆更可能进行左转或右转。
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会(例如，超车、让行、停止、经过)。决策模块304可以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，所述规则集可以存储在永久性存储装置352中。
基于针对所感知到的对象中的每个的决定，规划模块305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可以决定经过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动周期(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、制动和转向命令)使车辆从路线或路径的第一点行驶到第二点。
在一个实施方式中，规划阶段以多个规划周期(也称为命令周期)执行，诸如，以例如每100毫秒(ms)的时间间隔执行。针对每个规划周期或命令周期，将基于规划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到达该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/或转向角度等。在一个实施方式中，规划模块305为下一预定的时间段(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基于先前周期中所规划的目标位置为当前周期(例如，下个5秒)规划目标位置。控制模块306随后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门控制命令、制动控制命令、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。
路线安排模块307可以例如根据地图信息(诸如，路段的信息、路段的车辆车道以及从车道到路缘的距离)生成参考路线。
基于参考点或车道参考点，路线安排模块307可以通过内插参考点来生成参考线，使得所生成的参考线被用作用于控制车辆车道上的ADV的参考线。
平滑模块308可以基于路线安排模块307提供的参考线来生成平滑道路参考线。例如，平滑模块308沿着参考线选择多个控制点。在一个实施方式中，控制点可以是由路线安排模块307提供的参考线的参考点，或者是沿着参考线的、彼此间距离近似相等的一些内插点。平滑模块308使用二次规划样条平滑器和螺旋平滑器的组合来生成平滑道路参考线。
在一些实施方式中，参考点可以转换成相对坐标系，例如基点-侧移(SL；station-lateral)坐标。基点-侧移坐标系是参考固定参考点来跟随参考线的坐标系。例如，(S，L)＝(1，0)坐标可以表示在参考线上的基准点(即，参考点)前方一米且侧向偏移为零。(S，L)＝(2，1)参考点可以表示沿着参考线在基准参考点前方两米，并且从参考线侧向偏移一米，例如向左偏移一米。
在一个实施方式中，平滑模块308基于表示由路线安排模块307提供的参考线的参考点来生成平滑参考线。可以在决策模块和/或规划模块(诸如，决策模块304和/或规划模块305)将平滑参考线与感知到的障碍物和/或交通信息合并之前，将平滑参考线转换成相对坐标系(例如，SL坐标系)。
在一个实施方式中，决策模块304基于路线安排模块307提供的参考线(如上所述，已由平滑模块308平滑的参考线)并且基于由ADV感知到的ADV周围的障碍物和/或交通信息来生成粗略路径轮廓。粗略路径轮廓可以是存储在永久性存储装置352中的路径/速度轮廓313的一部分。粗略路径轮廓通过沿着参考线选择点来生成。针对这些点中的每个，决策模块304基于与如何遇到对象相关的一个或多个障碍物决策，将该点移动到参考线的左侧或右侧(例如，候选移动)，而其余点保持不变。
例如，在一个实施方式中，粗略路径轮廓通过成本函数生成，所述成本函数由基于以下项的成本构成：路径的曲率以及从参考线和/或参考点到障碍物的距离。选择参考线上的点，并将其移动到参考线的左侧或右侧作为代表路径候选的候选移动。候选移动中的每个均具有相关的成本。可以顺序地使用动态规划来对参考线上的一个或多个点的候选移动的相关成本进行求解以获取最佳成本，每次求解一个点。
使用对路径候选的动态规划来迭代地执行候选移动，以通过成本函数(作为图3A的成本函数315的一部分)搜索具有最小路径成本的路径候选，从而生成粗略路径轮廓。成本函数的示例包括基于以下项的成本：路线路径的曲率、从ADV到感知到的障碍物的距离以及ADV到参考线的距离。在一个实施方式中，所生成的粗略路径轮廓包括可以存储在永久性存储装置352中的基点-侧移地图，其作为SL地图/ST图形314的一部分。
在一个实施方式中，基点-侧向(SL)地图生成器(未示出)生成SL地图作为粗略路径轮廓的一部分。SL地图是二维几何地图(类似于x-y坐标平面)，其包括ADV感知到的障碍物信息。根据SL地图，路径决策模块304可以布置出遵循障碍物决策的ADV路径。动态规划(也称为动态优化)是一种数学优化方法，其将待求解的问题分解成一系列值函数，对这些值函数中的每个仅求解一次并存储其解。下一次出现相同的值函数时，简单查找先前计算出的解即可，而无需重新计算其解，从而节省了计算时间。上述过程称为路径规划过程。
一旦完成路径规划并生成路径，就可以使用具有速度成本函数的ST图形来对沿着该路径的在不同时间点处的候选移动的总速度成本(例如，加速/减速)进行优化，这被称为速度规划。路径的每个点(也称为轨迹点或路径点)都与在该特定时间点处的车辆目标速度或规划速度相关联，这可以由与该时间点对应的速度成本表示。路径的总速度成本可以通过将各个点的所有速度成本求和来计算。
例如，在一个实施方式中，总速度成本函数可以是：
其中，速度成本是在所有时间进展点上求和而得到的，速度'表示加速度值或在两个相邻点之间改变速度的成本，速度”表示加加速度值(jerk value)或加速度值的导数或在两个相邻点之间改变加速度的成本，且距离表示从ST点到目标位置的距离。在此，速度成本模块通过使用二次规划优化而使速度成本最小化来计算基点-时间图形。
在一个实施方式中，参考图4，成本函数315可以包括实施闭环算法的动态成本函数316，在其中成本函数的参数实时地改变。当遇到障碍物时，ADV首先降低其速度，且动态成本函数将至少基于ADV的当前速度和与障碍物的距离来改变其参数。一旦改变参数，则ADV可根据新计算的成本而呈现不同表现。例如，ADV可以在障碍物前方降低其速度，此后ADV的速度和与障碍物之间的距离二者均减小；然后，动态成本函数可以改变其参数以计算新成本。随着新成本的增加，ADV将在其接近障碍物时行驶得更慢。动态成本函数将使ADV在遇到障碍物时采用“边驾驶边观察”的方法。
在一个实施方式中，决策模块304基于所生成的粗略路径轮廓来生成粗略速度轮廓(作为路径/速度轮廓313的一部分)。粗略速度轮廓表示在控制ADV的特定时间点时的最佳速度。类似于粗略路径轮廓，根据ADV感知到的障碍物，使用动态规划来迭代在不同时间点的候选速度，以基于成本函数(作为图3A的成本函数315的一部分)找到具有最低速度成本的候选速度(例如，加速或减速)。粗略速度轮廓决定出ADV应超越还是应避让障碍物，并决定在障碍物的左侧还是右侧。在一个实施方式中，粗略速度轮廓包括基点-侧移(ST)图形(作为SL地图/ST图形314的一部分)。基点-侧移图形表示相对于时间的行驶距离。
在一个实施方式中，规划模块305根据障碍物决策和/或人工屏障来重新计算粗略路径轮廓，以禁止规划模块305搜索这些屏障的几何空间。例如，如果粗略速度轮廓确定从左侧接近障碍物，则规划模块305可以在障碍物的右侧设置屏障(以障碍物的形式)，以防止计算ADV从右侧接近障碍物的情况。在一个实施方式中，通过使用二次规划(QP)和/或螺旋平滑器对路径成本函数(作为成本函数315的一部分)进行优化，来重新计算粗略路径轮廓。在一个实施方式中，重新计算的粗略路径轮廓包括基点-侧移地图(作为SL地图/ST图形314的一部分)。
动态成本函数
当由人类驾驶员驾驶的车辆遇到在车辆前方数米处的行人时，人类驾驶员可以采取边驾驶边观察的方法，并驾驶车辆缓慢驶向行人，以驱使行人为车辆让路。
在这种方法下，人类驾驶员首先可以降低车辆的速度，并确定车辆是否可以朝向行人前进；如果可以，则人类驾驶员可以以更低的速度继续驾驶车辆，直到车辆与行人相距非常近的距离(例如，2至3米)为止。使用具有固定参数的成本函数的车辆无法模仿使用“边驾驶边观察”方法所做出的车辆行为。
图4示出了根据实施方式的用于在ADV中使用动态成本函数来在遇到障碍物时模仿由人类驾驶员操作的车辆的行为的示例性系统。通过动态成本函数计算出的成本可以用作用于车辆的速度规划的速度成本的一部分。如上所述，使用上述速度成本函数计算的速度成本由一组固定参数或系数配置，而不考虑车辆的当前速度、车辆与障碍物之间的距离以及车辆正沿其行驶的道路的速度限制。
如图4所示，动态成本函数316可以使用参数的实时值来动态调整ADV的行为，该动态成本函数316可以在ADV 101启动时加载到存储器351中。当遇到障碍物时，ADV首先可以使用具有固定参数的成本函数来计算到障碍物的安全距离。成本函数不考虑参数的实时值，并且将在由这些参数限定的特定情况下始终生成相同的结果。
在一个实施方式中，这种成本函数可以使用有限状态机来实现，该有限状态机限定了ADV的多种可能的状态，例如，停留在高速公路的车道内；向左变道；向右变道；在障碍物前方n米处停止；以及超车。成本函数可以为每种可能的状态计算多种独立成本，并将它们相加。ADV可以选择总成本最低的状态。
例如，状态之一可以在障碍物前方6米处停止。只要ADV受固定参数成本函数控制，ADV就将在障碍物前方6米处停止。
该动作可能并不总是理想的。例如，障碍物是站在那里与人聊天的行人。如果ADV停在行人前方6米处，则可能出现僵局，即行人可能认为ADV无意向前行驶，因此会继续站立在那里，而ADV可能在障碍物前方6米处机械地等待。
然而，使用动态成本函数316，ADV可能不会在最初计算的安全距离处停止。而是，ADV可以执行动态成本函数316，该动态成本函数316执行闭环控制，并且使用用于动态成本函数316的一组参数的实时值，以不断地调整到障碍物的安全距离。由于对安全距离的调整，ADV可以逐渐接近障碍物，直到ADV到达距障碍物的预定距离，例如0.5米。
在一个实施方式中，当ADV到达预定距离时，行人可以察觉到ADV有意经过，因此可以为ADV让路。ADV可以检测新的障碍物，并重复上述操作，直到新障碍物为ADV让路，或者直到出现静态障碍物时ADV改变路线绕过障碍物为止。
在一个实施方式中，当遇到障碍物时，ADV可以首先降低其速度。动态成本函数316可以将ADV的当前速度和到障碍物的当前距离作为一组参数的实时值，以确定新的安全距离。考虑到新的安全距离和ADV到障碍物的实时距离/趋势，ADV可以更缓慢地行驶，并逐渐接近障碍物。ADV在动态成本函数316的控制下表现出的行为类型类似于由人类驾驶员驾驶的车辆的“边驾驶边观察”行为。
返回参考图4，动态成本函数316可以使用固定参数成本函数413来首先确定到障碍物的固定安全距离414。当在特定驾驶环境中遇到障碍物时，最先计算出的安全距离414可以表示与其他情景相比具有最低总成本的情景。
如本文中所使用的，安全距离是距障碍物的这样一种距离，该距离使得ADV可以在不撞到障碍物或以其他方式伤害障碍物的情况下能够停下。障碍物可以是人类对象，也可以是非人类对象；并且可以移动、站立或静止。
最初计算的安全距离414可以是固定的安全距离，其不随用于计算安全距离的参数的实时值而改变。考虑到特定的驾驶环境和最初计算的安全距离414，ADV可以向控制模块306发送一组驾驶命令，以期望ADV将以特定的预期速度行驶，使得ADV可以在最初计算的安全距离414处停止。
在一个实施方式中，实际速度可能是不同的；当ADV进入不同的驾驶环境时，速度限制也可能有所不同；并且当ADV接近障碍物时，当前距障碍物的距离也可能有所不同。ADV可以收集ADV的当前速度405、距障碍物的ADV当前距离407和当前速度限制409，并且使用实时值通过偏移量计算功能411来计算与最初计算的距离的偏移。ADV可以基于偏移量412和固定安全距离414来确定到障碍物的优选距离415，并且基于优选安全距离415来发送一组驾驶命令以控制ADV。
当ADV朝向与障碍物具有优选安全距离415的点移动时，动态成本函数316的一个或多个参数或系数的值可以再次改变。可以收集参数的实时值并将其输入到偏移量计算功能411中以计算新的偏移量，该新的偏移量可用于计算新的到障碍物的优选距离415。随后可以基于新的优选距离，使用一组新的驾驶命令来控制ADV。
以上过程可以以闭环形式重复。随着生成新的优选距离，ADV可以逐渐接近障碍物，而不是停在固定位置处，从而模仿由人类驾驶员操作的车辆的行为。
闭环中的每次迭代可以对应于ADV的规划周期或多个规划周期。根据实施方式，在式列1中示出了动态成本函数316的示例。
其中，以及
式列1
在式列1中，参数d0和vego-vehicle是从ADV中的传感器收集的：d0表示ADV(也称为自动驾驶车辆)与障碍物之间的距离；以及vego-vehicle表示ADV的当前速度。
参数dex、σ和cost是基于从传感器收集的参数或传感器数据计算得出的参数：dex表示到障碍物的优选安全距离(即，新的预期距离)；σ表示与dex相关的值，并且用于调整成本函数的形状或成本输出(增长速度)；以及cost表示用于根据计算出的dex确定自动驾驶车辆的速度的最终成本。
参数ddefault和Rf是固定参数：ddefault表示到障碍物的默认距离(例如，n米)；以及Rf用于线性调整dex与vego-vehicle之间的关系。参数ddefault和Rf是基于历史数据设置的值，并且一旦启动ADV系统即为固定的。
在一个实施方式中，dex可以基于ddefault和vego-vehicle计算得出。ADV系统启动后，其实时收集vego-vehicle和d0的值，使用这些值来确定dex和σ。使用式列1中的函数计算出的成本可用于控制自动驾驶车辆的速度。
图5A至图5C以图形方式示出了根据实施方式的由动态成本函数执行的过程的示例。在图5A中，ADV 501检测到ADV 501前方的人类障碍物509，并计算出固定安全距离505，固定安全距离505可以是在使用如图4所示的固定参数成本函数413控制ADV的情况下，ADV501停止处距人类障碍物509的距离。
然而，在使用动态成本函数的情况下，当ADV朝向与人类障碍物具有固定安全距离505的点502行驶时，可以收集多个参数的实时值，动态成本函数使用其来计算安全距离，其中多个参数包括速度限制508、ADV 501的当前速度以及ADV 501到人类障碍物的当前距离，这些参数可被实时地收集。基于所收集的实时值，动态成本函数可以计算偏移量A 505，该偏移量A 505是点502与点504之间的距离。偏移量A 505表示ADV 501可以从最初计算的固定安全距离505朝向人类障碍物509继续移动的距离。因此，使用最初计算的固定安全距离505和偏移量A 505，可以计算出优选安全距离A 506，以表示ADV 501基于在ADV 501的特定规划周期期间收集的一组实时值停止处距人类障碍物509的距离。
在不同于计算优选安全距离A 506的规划周期的规划周期期间，ADV 501可以收集速度限制508、ADV 501的当前速度和ADV 501距人类障碍物509的当前距离。如在该规划周期期间所示的那样，速度限制508没有改变，但是ADV的当前速度和当前距离已经改变。如图5A所示，当前速度(即，实际速度)高于预期速度，并且当收集参数的实时值时，ADV 501更靠近障碍物509。因此，在图5B中，动态成本函数可以基于参数的实时值基于新的偏移量B 510来计算成本，并且基于新的偏移量B 510和固定安全距离505来计算新的优选安全距离B511。该成本可以用作车辆的速度规划的一部分。速度规划表示沿着由规划模块305规划的路径确定车辆在不同轨迹点处的速度。
在该示例中，由于ADV 501的实际速度高于计算偏移量A 505时的预期速度，因而新的偏移量B 510小于图5A中计算出的偏移量A 505。由此，期望ADV在具有优选安全距离B511的点507处停止，而非在点504处停止。当ADV 501接近点507时，ADV可以收集ADV的当前速度、ADV的当前距离和速度限制以计算新的偏移量C 514和新的优选安全距离C 515。新的优选安全距离C 515可以用作成本函数的参数和系数之一的一部分，以计算新的用于ADV的速度规划的成本。由于成本函数是动态调整或动态修改的，并且在每个规划周期期间、根据驾驶环境(例如，车速、速度限制、障碍物与ADV之间的距离)使用最新更新的成本函数来执行速度规划，因此可以以模仿人类驾驶员在相同或相似情况下的操作的方式来控制ADV。
可以对每个规划周期或每n个规划周期重复以上过程，其中n可以是大于1的任何整数。当ADV 501移动到具有预定距离(例如1米)的点时，则该过程可以停止生成新的优选安全距离并使用动态成本函数等来计算成本。例如，基于ADV的速度、ADV与障碍物之间的距离以及道路的速度限制，调整成本函数并计算新成本。如果新成本太高(例如，高于预定阈值)，则该过程可以使车辆停在当前位置处。即，车辆不应再向前行驶。车辆的速度规划可以将车辆规划成速度为零。只要人类障碍物509为ADV让路，以上过程就可以重新开始，因为如上所述地动态计算的新成本可能下降(例如，低于预定阈值)。
图6是示出了根据实施方式的过程600的示例的流程图，在该过程600中，在遇到障碍物时使用动态成本函数模仿由人类驾驶员操作的车辆的行为。过程600可以通过处理逻辑来执行，该处理逻辑可以包括软件、硬件或其组合。例如，当动态成本函数316被图4的规划模块305调用时，可以通过动态成本函数316执行过程600。
参考图6，在操作601中，响应于检测到ADV前方的障碍物，处理逻辑确定到障碍物的第一距离。在操作602中，处理逻辑执行闭环控制602，其中在ADV的一个或多个规划周期中执行闭环的每次迭代。对于每次迭代，执行多项操作。在操作602.1中，处理逻辑收集一组参数中的每个的实时值。在操作602.2中，处理逻辑使用所述一组参数中的每个的实时值来确定与第一距离的偏移量。在操作602.3中，处理逻辑基于第一距离和偏移量来计算第二距离。在操作602.4中，处理逻辑基于第二距离使用所述一组参数中的每个的预期值来控制ADV，使得ADV可以在距障碍物的第二距离处停止。在一个实施方式中，基于ADV与障碍物之间的距离、ADV的速度以及ADV沿其行驶的道路的速度限制，来调整成本函数。然后，基于修改后的成本函数来计算成本，并基于该成本来为ADV执行速度规划。当成本高于预定阈值(例如，太高)时，该过程将使车辆停在当前位置处。
应注意，如上文示出和描述的部件中的一些或全部可以以软件、硬件或其组合实施。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，所述软件可以加载在存储器中并通过处理器(未示出)执行以实施本申请全文中所述的过程或操作。可替代地，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。
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。
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，实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发明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 (17)

1.用于操作自动驾驶车辆ADV的计算机实施方法，所述方法包括：
响应于检测到所述ADV前方的障碍物，确定到所述障碍物的第一距离；以及
针对多个规划周期中的每个，执行以下迭代操作：
基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量，所述参数的集合包括所述ADV的速度、
所述ADV到所述障碍物的距离、以及在所述ADV周围的环境中的速度限制；
基于所述第一距离和所述偏移量计算第二距离，以及
基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
2.根据权利要求1所述的方法，其中，多次迭代在闭环内执行，以及
其中，每次迭代以所述ADV的规划周期执行。
3.根据权利要求1所述的方法，其中，所述ADV到所述障碍物的所述第一距离是基于多个固定参数使用成本函数来确定的。
4.根据权利要求1所述的方法，其中，所述ADV的速度的实时值是根据所述ADV的发动机的每分钟转数(RPM)和根据所述ADV的一个或多个传感器收集的数据中的一项或多项获得的。
5.根据权利要求1所述的方法，其中，所述ADV到所述障碍物的距离的实时值是根据所述ADV的一个或多个传感器收集的。
6.根据权利要求1所述的方法，其中，所述速度限制是根据所述ADV用于路线规划的数字地图收集的。
7.根据权利要求1至6中任一项所述的方法，其中，所述障碍物是行人和车辆之一，其中，所述行人和车辆中的每一者是静止或移动的。
8.非暂时性机器可读介质，其中存储有用于操作自动驾驶车辆ADV的指令，所述指令在由处理器运行时使得所述处理器执行操作，所述操作包括：
响应于检测到所述ADV前方的障碍物，确定到所述障碍物的第一距离；以及
针对多个规划周期中的每个，执行以下迭代操作：
基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量，所述参数的集合包括所述ADV的速度、
所述ADV到所述障碍物的距离、以及在所述ADV周围的环境中的速度限制；
基于所述第一距离和所述偏移量计算第二距离，以及
基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
9.根据权利要求8所述的非暂时性机器可读介质，其中，多次迭代在闭环内执行，以及
其中，每次迭代以所述ADV的规划周期执行。
10.根据权利要求8所述的非暂时性机器可读介质，其中，所述ADV到所述障碍物的第一距离是基于多个固定参数使用成本函数来确定的。
11.根据权利要求8所述的非暂时性机器可读介质，其中，所述ADV的速度的实时值是根据所述ADV的发动机的每分钟转数(RPM)和根据所述ADV的一个或多个传感器收集的数据中的一项或多项获得的。
12.根据权利要求8所述的非暂时性机器可读介质，其中，所述ADV到所述障碍物的距离的实时值是根据所述ADV的一个或多个传感器收集的。
13.根据权利要求8所述的非暂时性机器可读介质，其中，所述速度限制是根据所述ADV用于路线规划的数字地图收集的。
14.根据权利要求8至13中任一项所述的非暂时性机器可读介质，其中，所述障碍物是行人和车辆之一，其中，所述行人和车辆中的每一者为静止或移动的。
15.数据处理系统，包括：
处理器；以及
存储器，所述存储器联接至所述处理器并存储指令，所述指令在由所述处理器运行时使得所述处理器执行操作，所述操作包括：
响应于检测到ADV前方的障碍物，确定到所述障碍物的第一距离；以及
针对多个规划周期中的每个，执行以下迭代操作：
基于多个参数的集合中的每个的实时值，确定与所述第一距离的偏移量，所述参数的集合包括所述ADV的速度、
所述ADV到所述障碍物的距离、以及在所述ADV周围的环境中的速度限制；
基于所述第一距离和所述偏移量计算第二距离，以及
基于所述第二距离执行速度规划，以控制所述ADV的进一步的速度，使得所述ADV能够减速并停止在与所述障碍物具有所述第二距离的点处。
16.根据权利要求15所述的系统，其中，多次迭代在闭环内执行，以及
其中，每次迭代以所述ADV的规划周期执行。
17.根据权利要求15所述的系统，其中，所述ADV到所述障碍物的第一距离是基于多个固定参数使用成本函数来确定的。
CN201980006328.5A 2019-12-20 2019-12-20 自动驾驶车辆的动态成本函数的实现方法 Active CN113366400B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/127126 WO2021120202A1 (en) 2019-12-20 2019-12-20 Implementation of dynamic cost function of self-driving vehicles

Publications (2)

Publication Number Publication Date
CN113366400A CN113366400A (zh) 2021-09-07
CN113366400B true CN113366400B (zh) 2023-07-21

Family

ID=76437776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980006328.5A Active CN113366400B (zh) 2019-12-20 2019-12-20 自动驾驶车辆的动态成本函数的实现方法

Country Status (5)

Country Link
US (1) US11724717B2 (zh)
EP (1) EP3857327B1 (zh)
JP (1) JP7256812B2 (zh)
CN (1) CN113366400B (zh)
WO (1) WO2021120202A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4118504A4 (en) * 2020-03-13 2023-12-06 Zenuity AB METHOD AND SYSTEMS FOR VEHICLE ROUTE PLANNING
JP7648453B2 (ja) * 2021-06-16 2025-03-18 日野自動車株式会社 運転モード制御装置
CN113479198B (zh) * 2021-08-20 2022-12-02 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置
CN115320616A (zh) * 2022-08-04 2022-11-11 重庆长安汽车股份有限公司 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN118981192A (zh) * 2024-08-06 2024-11-19 山东迈斯信息科技有限公司 一种应用于厂房环境的物料运输agv智能行进控制方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933218A (zh) * 2014-03-20 2015-09-23 宝马股份公司 车辆用的用于检测轨迹的方法和设备
CN105589472A (zh) * 2016-03-03 2016-05-18 深圳市智美达科技股份有限公司 无人驾驶设备避免障碍的方法、装置及系统
CN105710888A (zh) * 2014-10-17 2016-06-29 通用汽车环球科技运作有限责任公司 机器人系统中的动态避障
CN107168058A (zh) * 2017-05-27 2017-09-15 杭州电子科技大学 一种基于合作控制机制的机器人滚动优化控制方法
CN107748561A (zh) * 2017-09-25 2018-03-02 华南理工大学 一种基于多传感参数的无人船局部避障系统及方法
EP3342657A1 (en) * 2016-12-30 2018-07-04 Hyundai Motor Company Control apparatus and method for improving fuel efficiency in cacc system
CN109017786A (zh) * 2018-08-09 2018-12-18 北京智行者科技有限公司 车辆避障方法
CN109521756A (zh) * 2017-09-18 2019-03-26 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的障碍物运动信息生成方法和装置
CN109808686A (zh) * 2019-04-02 2019-05-28 上海快仓智能科技有限公司 车辆避障方法、装置和车辆
CN110032193A (zh) * 2019-04-30 2019-07-19 盐城工业职业技术学院 一种智能拖拉机田间避障控制系统及方法
CN110083149A (zh) * 2018-01-26 2019-08-02 百度（美国）有限责任公司 用于自动驾驶车辆的路径与速度优化后馈机制
CN110320809A (zh) * 2019-08-19 2019-10-11 杭州电子科技大学 一种基于模型预测控制的agv轨迹修正方法
CN110316185A (zh) * 2019-07-01 2019-10-11 百度在线网络技术（北京）有限公司 车辆速度的控制方法、装置、设备及可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163779A (ja) * 2000-11-27 2002-06-07 Natl Inst For Land & Infrastructure Management Mlit 複数台車両の停止制御方法及び装置
DE102015212751A1 (de) * 2015-07-08 2017-01-12 Continental Teves Ag & Co. Ohg Vorrichtung und Verfahren zur Fahrerassistenz für ein Kraftfahrzeug
JP6613774B2 (ja) 2015-09-30 2019-12-04 アイシン精機株式会社 周辺監視装置
JP6551377B2 (ja) 2016-12-15 2019-07-31 トヨタ自動車株式会社 車両用注意喚起装置
KR101996418B1 (ko) * 2016-12-30 2019-07-04 현대자동차주식회사 센서 융합 기반 보행자 탐지 및 보행자 충돌 방지 장치 및 방법
US10591926B2 (en) * 2017-09-18 2020-03-17 Baidu Usa Llc Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline
DE112017007906T5 (de) * 2017-10-05 2020-05-20 Honda Motor Co., Ltd. Fahrzeugsteuervorrichtung, fahrzeugsteuerverfahren und programm
CN109455180B (zh) * 2018-11-09 2020-10-16 百度在线网络技术（北京）有限公司 用于控制无人车的方法和装置
US11161502B2 (en) * 2019-08-13 2021-11-02 Zoox, Inc. Cost-based path determination

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933218A (zh) * 2014-03-20 2015-09-23 宝马股份公司 车辆用的用于检测轨迹的方法和设备
CN105710888A (zh) * 2014-10-17 2016-06-29 通用汽车环球科技运作有限责任公司 机器人系统中的动态避障
CN105589472A (zh) * 2016-03-03 2016-05-18 深圳市智美达科技股份有限公司 无人驾驶设备避免障碍的方法、装置及系统
EP3342657A1 (en) * 2016-12-30 2018-07-04 Hyundai Motor Company Control apparatus and method for improving fuel efficiency in cacc system
CN107168058A (zh) * 2017-05-27 2017-09-15 杭州电子科技大学 一种基于合作控制机制的机器人滚动优化控制方法
CN109521756A (zh) * 2017-09-18 2019-03-26 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的障碍物运动信息生成方法和装置
CN107748561A (zh) * 2017-09-25 2018-03-02 华南理工大学 一种基于多传感参数的无人船局部避障系统及方法
CN110083149A (zh) * 2018-01-26 2019-08-02 百度（美国）有限责任公司 用于自动驾驶车辆的路径与速度优化后馈机制
CN109017786A (zh) * 2018-08-09 2018-12-18 北京智行者科技有限公司 车辆避障方法
CN109808686A (zh) * 2019-04-02 2019-05-28 上海快仓智能科技有限公司 车辆避障方法、装置和车辆
CN110032193A (zh) * 2019-04-30 2019-07-19 盐城工业职业技术学院 一种智能拖拉机田间避障控制系统及方法
CN110316185A (zh) * 2019-07-01 2019-10-11 百度在线网络技术（北京）有限公司 车辆速度的控制方法、装置、设备及可读存储介质
CN110320809A (zh) * 2019-08-19 2019-10-11 杭州电子科技大学 一种基于模型预测控制的agv轨迹修正方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向自动驾驶的动态路径规划避障算法;周慧子 等;《计算机应用》;20170331(第03期);883-888 *

Also Published As

Publication number Publication date
EP3857327A4 (en) 2021-09-29
US11724717B2 (en) 2023-08-15
EP3857327A1 (en) 2021-08-04
JP7256812B2 (ja) 2023-04-12
CN113366400A (zh) 2021-09-07
WO2021120202A1 (en) 2021-06-24
JP2022517288A (ja) 2022-03-08
US20210188319A1 (en) 2021-06-24
EP3857327B1 (en) 2023-04-05

Similar Documents

Publication Publication Date Title
CN112572451B (zh) 用于自主驾驶车辆执行的方法和装置
CN112829769B (zh) 自动驾驶车辆的混合规划系统
CN113366400B (zh) 自动驾驶车辆的动态成本函数的实现方法
CN112149487B (zh) 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法
CN113494923B (zh) 基于微分动态规划的路径轨迹规划方法及系统
CN113703436B (zh) 用于路径规划的并行障碍物缓冲系统
CN113552870B (zh) 基于感知结果的动态速度限制调整系统及方法
US11878712B2 (en) Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN112985435B (zh) 用于操作自主驾驶车辆的方法及系统
CN113525406A (zh) 用于车辆运动控制器的基于贝叶斯全局优化的参数调谐
CN114026463A (zh) 基于部分点云的行人速度估计方法
US12055407B2 (en) Mixed regular and open-space trajectory planning method for autonomous driving vehicle
CN113821022B (zh) 基于相对速度的缓冲区的速度规划
CN113428174B (zh) 自动驾驶车辆规划中的嵌套情景
EP3914492B1 (en) A parking-trajectory generation method combined with offline and online solutions
CN112829770B (zh) 基于车道边界和车辆速度的绕行决策
CN112445223A (zh) 用于qp平滑器的动态参数架构
CN112947405B (zh) 使用用于自主驾驶车辆的怠速的速度规划准则的速度规划
CN113728324B (zh) 基于点云的低高度障碍物检测系统
CN112650975B (zh) 自动驾驶车辆的基于枚举的失败防止qp平滑器
CN113525510B (zh) 自动将自主驾驶车辆的转向返回至中心位置的系统和方法

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
GR01 Patent grant
GR01 Patent grant