CN115698637B - 执行关于自动驾驶车辆的演进参考路径的轨迹间重新线性化的方法和系统 - Google Patents

Abstract

一种对关于参考路径的自动驾驶车辆轨迹进行线性化的系统，该系统包括计算装置和计算机可读存储介质。该计算机可读存储介质包含一个或更多个编程指令，所述编程指令在被执行时使得计算装置接收自动驾驶车辆的参考路径，其中该参考路径在笛卡尔参考系中定义自动驾驶车辆的推荐轨迹，基于接收的参考路径识别目标，其中该目标包括纵向分量和侧向分量，将目标投影到由接收的参考路径描述的曲线坐标系中，对纵向分量和侧向分量进行解耦，对关于参考路径的侧向分量进行线性化，通过融合线性化的纵向分量和线性化的侧向分量为自动驾驶车辆生成新参考路径，并且将新参考路径映射回笛卡尔参考系。

Description

执行关于自动驾驶车辆的演进参考路径的轨迹间重新线性化 的方法和系统

对相关申请的引用

本专利文件要求于2020年6月15日提交的美国临时专利申请16/901,322的优先权，该临时专利申请的公开内容通过引用完整并入本文。

背景技术

传统的自动驾驶车辆路径规划系统使用高维笛卡尔坐标系进行规划。但是，将规划活动分解成较低维度的曲线坐标系通常是有利的。这样做允许侧向分量(例如转向)与纵向分量(例如速度)解耦，使得能够对车辆动力学进行线性化并构建用于优化路径规划的凸公式。

本文说明一种旨在解决上述问题和/或其它问题的方法和系统。

发明内容

在各种实施例中，一种对关于参考路径的自动驾驶车辆轨迹进行线性化的系统包括计算装置和计算机可读存储介质。该计算机可读存储介质包含一个或更多个编程指令，所述编程指令在被执行时使得计算装置接收自动驾驶车辆的参考路径，其中该参考路径在笛卡尔参考系中定义自动驾驶车辆的推荐轨迹，基于接收的参考路径识别目标，其中该目标包括纵向分量和侧向分量，将目标投影到由接收的参考路径描述的曲线坐标系中，对纵向分量和侧向分量进行解耦，对关于参考路径的侧向分量进行线性化，通过融合线性化的纵向分量和线性化的侧向分量为自动驾驶车辆生成新参考路径，并且将新参考路径映射回笛卡尔参考系。

所述目标可以包括考虑到路径规划决策的自动驾驶决策准则。所述目标可以包括以下项目中的一项或更多项：一条或更多条交通规则、在一个或更多个道路边界内行驶、碰撞规避、保持安全距离、或者超车。

所述系统可以确定接收到的参考路径的受目标影响的一个或更多个顶点，并且对于所述受目标影响的一个或更多个顶点中的每一个确定满足目标的与自动驾驶车辆相关联的侧向位置和满足目标的与自动驾驶车辆相关联的速度，由此将目标投影到由接收到的参考路径描述的曲线坐标系中。

所述系统可以生成沿着参考路径的速度曲线并在一个或更多个点处对该速度曲线进行采样，由此对关于参考路径的侧向分量进行线性化，所述速度曲线指示作为时间的函数的与自动驾驶车辆相关联的曲率和速度。

所述系统可以通过识别与曲线坐标系对应的参考曲线来融合线性化的纵向分量和线性化的侧向分量，识别曲线坐标系中沿着参考曲线的一个或更多个纵向位置处的障碍物，其中该障碍物由作为沿着参考曲线的纵向距离的函数的距障碍物的侧向距离表示，确定代表自动驾驶车辆的表示将在该处与障碍物接触的侧向偏移的余量，并使用该余量生成新参考路径，由此为自动驾驶车辆生成新参考路径。

所述系统可以确定新参考路径与新参考路径的先前版本之间的差异是否满足收敛测度；并且响应于确定新参考路径与新参考路径的先前版本之间的差异满足收敛测度而返回新参考路径。返回新参考路径可以包括将新参考路径返回给自动驾驶车辆的运动规划系统。

所述新参考路径可能与接收到的参考路径不同。

所述系统可以通过基于新参考路径调整自动驾驶车辆的一个或更多个操作参数来使自动驾驶车辆实施新参考路径。

附图说明

图1示出了机器人装置监控系统的示例性部件。

图2示出了自动驾驶车辆的示例性系统和部件。

图3示出了激光雷达(LiDAR)系统的示例性部件。

图4示出了与参考路径相比的自动驾驶车辆的示例性路径。

图5示出了执行关于参考路径的轨迹间线性化的示例性方法。

图6A示出了自动驾驶车辆的示例性原始参考曲线。

图6B和6C分别示出了物体相对于参考曲线的余量的示例性直观描绘图。

图6D示出了侧向偏移的示例性界限。

图7A和7B分别示出了物体相对于参考曲线的余量的示例性直观描绘图。

图7C示出了侧向偏移的示例性界限。

图8示出了生成替代参考曲线的示例性方法。

图9是示出自动驾驶车辆(AV)和/或外部电子装置的可能电子子系统的各种元件的框图。

具体实施方式

除非上下文另行明确规定，否则在本文中使用的单数形式“一”、“一个”和“所述”包括复数指代。除非另行限定，否则在本文中所用的所有技术和科学术语应理解为具有本领域普通技术人员所通常理解的含义。如本文中所用的术语“包括”意指“包括但不限于”。与本文相关的其它术语的定义包含在“具体实施方式”一节的结尾处。

图1示出了一个实施例的用于机器人系统的示例性监控系统。如图1所示，监控系统可以包括负责执行一种或更多种任务或功能的一个或更多个子系统。例如，图1示出了具有传感器子系统102、检测子系统104、跟踪子系统106、定位子系统108、运动规划子系统110、路径跟随子系统112和诊断子系统114的监控系统100。

如图1所示，所述子系统可以与本地监控器116、118、120通信。本地监控器116、118、120可以使用硬件、软件或者硬件的组合来实现。例如，本地监控器116、118、120可以实现为微控制器的一部分。本地监控器116、118、120可以包括一个或更多个用于临时存储数据的寄存器或数据存储器、用于比较数据的比较器、用于执行一个或更多个密码操作的编程电路、等等。本地监控器116、118、120可以接收与子系统执行的一个或更多个功能相关的数据，并且可以使用该信息来验证与该功能相关的执行流程的至少一部分，如下文中所进一步详述。

图1还示出了示例性非易失性存储器(NVM)122、124、126，这些非易失性存储器可用于存储信息，如本公开中所进一步详述。在各种实施例中，NVM 122、124、126可以包括主哈希表。主哈希表指存储与一个或更多个功能相关联的加密和/或编码信息的数据结构，如下文中所进一步详述。

如图1所示，监控系统100可以包括全局监控器128。全局监控器128可以使用硬件、软件或硬件的组合来实现。例如，全局监控器128可以实现为微控制器的一部分。全局监控器128可以包括一个或更多个用于临时存储数据的寄存器或数据存储器、用于比较数据的比较器、用于执行一个或更多个密码操作的编程电路、等等。全局监控器128可以与一个或更多个本地监控器116、118、120通信。如下文中所进一步详述，本地监控器116、118、120可以向全局监控器128发送关于由它们的一个或更多个相关子系统执行的功能或任务的信息。全局监控器128可以使用该信息在更高的系统级别上监视、检测或跟踪模式。换句话说，本地监控器116、118、120可以检测本地级的错误或异常，而全局监控器128可以检测一段时间内的系统级的错误。在各种实施例中，全局监控器128可以与诊断系统(未示出)通信。

在各种实施例中，运动规划子系统110可以包括纵向控制器130和侧向控制器132。纵向控制器130和/或侧向控制器132可以使用硬件、软件或硬件的组合来实现。例如，纵向控制器130和/或侧向控制器132可以实现为微控制器的一部分。纵向控制器130可以调控自动驾驶车辆的速度。侧向控制器132可以控制自动驾驶车辆的车轮的转向以进行路径跟踪。

应理解，在本公开的范围内，可以使用附加或替代的子系统、以及每一个子系统的更多或更少的本地监控器、NVM和/或配置。

图2示出了用于车辆(例如自动驾驶车辆(AV))的示例性系统架构200。图1的AV102可以具有与图2所示的AV相同或相似的系统架构。因此，系统架构200的以下论述足以理解图1的车辆102。

如图2所示，所述车辆包括发动机或电动机202和用于测量车辆的各种参数的各种传感器204-218。在具有燃料驱动的发动机的燃气动力或混合动力车辆中，传感器例如可以包括发动机温度传感器204、电池电压传感器206、发动机每分钟转数(RPM)传感器208和节气门位置传感器210。如果车辆是电动车辆或混合动力车辆，那么车辆可以具有电动机，并且相应地会具有诸如电池监测系统212(用于测量电池的电流、电压和/或温度)传感器、电动机电流214和电压216传感器、以及电动机位置传感器(例如解算器和编码器218)等传感器。

两种类型的车辆所共有的运行参数传感器例如包括：位置传感器236，例如加速度计、陀螺仪和/或惯性测量单元；速度传感器238；以及里程表传感器240。所述车辆还可以具有时钟242，系统在运行期间使用该时钟242来确定车辆时间。时钟242可以被编码到车辆的车载计算装置中，所述时钟可以是独立装置，或者也可以有多个时钟。

所述车辆还会包括用于收集关于车辆的行驶环境的信息的各种传感器。这些传感器例如可以包括：地点传感器260(例如全球定位系统(GPS)装置)；物体检测传感器，例如一个或更多个摄像头262；激光雷达(LiDAR)传感器系统264；和/或雷达和/或声纳系统266。所述传感器还可以包括环境传感器268，例如降雨传感器和/或环境温度传感器。所述物体检测传感器可以使车辆能够检测任何方向上在车辆200的给定距离范围内的物体，同时所述环境传感器收集关于车辆的行驶区域内的环境条件的数据。

在操作期间，信息被从传感器传送至车载计算装置220。车载计算装置220分析由传感器收集的数据，并可选地基于分析结果控制车辆的操作。例如，车载计算装置220可以经由制动控制器222控制制动；经由转向控制器224控制方向；经由节气门控制器226(在燃气动力车辆中)或电动机速度控制器228(例如电动车辆中的电流水平控制器)；差速齿轮控制器230(在具有变速器的车辆中)；和/或其它传感器控制速度和加速度。

可以将地理位置信息从位置传感器260传送至车载计算装置220，车载计算装置220然后可以访问与地点信息对应的环境地图，以确定环境的已知固定特征，例如街道、建筑物、停止标志和/或停止/通行信号灯。从摄像头262采集的图像和/或从传感器(例如LiDAR 264)采集的物体检测信息被从这些传感器传送至车载计算装置220。车载计算装置220处理物体检测信息和/或采集的图像，以检测车辆200附近的物体。用于基于传感器数据和/或采集的图像进行物体检测的任何已知或将来的技术都可以用在本文所公开的实施例中。

在车载计算装置220检测到移动物体时，车载计算装置220会为检测到的物体生成一个或更多个可能的物体轨迹，并分析可能的物体轨迹以评估物体与AV之间碰撞的风险。若风险超过可接受阈值，则车载计算装置220进行操作以确定如果AV遵循限定的车辆轨迹和/或在预定的时间段(例如N毫秒)内实施一次或更多次动态生成的紧急机动是否能够避免碰撞。如果能够避免碰撞，那么车载计算装置220可以使车辆200执行谨慎的机动(例如适度减速、加速或转向)。相反，如果无法避免碰撞，那么车载计算装置220会使车辆200进行紧急机动(例如制动和/或改变行驶方向)。

在本文所论述的各种实施例中，在说明中可能陈述车辆或车辆的车载计算装置可以实施编程指令，该编程指令使得车辆的车载计算装置做出决策并使用该决策来控制一个或更多个车辆系统的操作。但是，实施例不限于这种布置，因为在各种实施例中，分析、决策和/或操作控制可以全部或部分地由与车辆的车载计算装置进行电子通信的其它计算装置处理。这种其它计算装置的例子包括与乘坐在车辆中的人相关联的电子装置(例如智能手机)、以及经由无线通信网络与车辆进行电子通信的远程服务器。任何此类装置的处理器可以执行将在下文中论述的操作。

图3示出了可以在各种实施例中使用的示例性激光雷达(LiDAR)系统301。如图3所示，LiDAR系统301包括壳体305，该壳体305可以围绕中心轴线(例如轮毂或轴318)旋转360°。所述壳体可以包括由透光材料制成的发射器/接收器孔口311。虽然图3所示的实例具有单个孔口，但是在各种实施例中，可以提供用于发射和/或接收光的多个孔口。无论采用哪种方式，在壳体305围绕内部部件旋转时，所述系统可以通过一个或更多个孔口311发射光，并且接收朝向一个或更多个孔口311返回的反射光。在一个替代实施例中，壳体305的外壳可以是固定的圆顶，至少部分地由对光透明的材料制成，在壳体305内设有可旋转的部件。

在旋转壳体或固定圆顶内设有光发射器系统304，该光发射器系统304被配置和布置成经由一个或更多个激光发射器芯片或其它发光装置产生光脉冲，并穿过孔口311或穿过壳体305的透明圆顶发射该光脉冲。发射器系统304可以包括任何数量的独立发射器，例如包括8个发射器、64个发射器或128个发射器。发射器可以发射具有基本上相同或不同的强度的光。由304发射的各个光束会具有明确限定的偏振状态，该偏振状态对于整个阵列是不相同的。例如，一些光束可以具有垂直偏振，而其它光束可以具有水平偏振。LiDAR系统还会包括光检测器308，该光检测器308包含被布置和配置成接收反射回系统的光的光电检测器或光电检测器阵列。发射器系统304和检测器308会随着旋转壳体旋转，或者它们会在壳体305的固定圆顶内旋转。在发光单元304和/或检测器308的前面可以布置一个或更多个光学元件结构309，作为聚焦和导引穿过光学元件结构309的光的一个或更多个透镜或波片。

在反射镜302的前面可以布置一个或更多个光学元件结构309，以聚焦和导引穿过光学元件结构309的光。如下文所示，所述系统包括位于反射镜303的前面的光学元件结构309，该光学元件结构309连接至系统的旋转元件，从而光学元件结构309与反射镜302一起旋转。或者或另外，光学元件结构309可以包括多个这样的结构(例如透镜和/或波片)。可选地，多个光学元件结构309可以在壳体部分311上排列成阵列或者与壳体部分311集成。

可选地，每个光学元件结构309可以包括分束器，该分束器将系统接收的光与系统产生的光分开。分束器例如可以包括四分之一波长或半波长波片，以进行分离并确保接收到的光被导向接收器单元而不是被导向发射器系统(在没有这种波片的情况下会发生这种情况，因为发射光和接收光应表现出相同或相似的偏振)。

所述LiDAR系统会包括为激光发射器单元304、电动机303和电子部件供电的电源单元321。所述LiDAR系统还会包括分析器315，该分析器315具有诸如处理器322和包含编程指令的非暂时性计算机可读存储器323等元件，所述编程指令被配置成使得系统能够接收由光检测器单元收集的数据，对该数据进行分析以测量所接收的光的特性，并且产生可以由连接的系统用于做出关于在收集数据的环境中操作的决策的信息。可选地，分析器315可以如图所示地与LiDAR系统301集成，或者可以部分地或全部位于LiDAR系统外部，并且经由有线或无线通信网络或链路与LiDAR系统通信连接。

将规划活动分解到低维曲线空间中通常是有利的，而不是在高维平面笛卡尔空间中进行自动驾驶车辆的运动规划。图4示出了一个实施例的与参考路径相比的自动驾驶车辆的示例性路径。在图4中，s代表沿着参考路径的距离，e代表相对于参考路径的侧向偏移，ΔΨ代表与参考路径相比的前进方向偏移。

基于沿着参考路径的时变距离处的目标，由自动驾驶车辆进行的纵向规划可以简化为相对于时间的规划速度的一维问题。可以选择这些目标，以构造凸优化问题，从而允许高效且最优地生成速度曲线。类似地，侧向规划可以被近似为在沿着参考路径的预定距离处相对于参考路径规划侧向偏移和前进方向偏移的二维问题。

相对于曲线参考路径将纵向规划与侧向规划解耦能够提供利用凸优化技术来实现计算加速的能力。因此，在给定的路径规划执行周期中连续多次优化轨迹变得容易处理。

图5示出了一个实施例的执行关于参考路径的轨迹间线性化的示例性方法。如图5所示，运动规划系统可以接收500自动驾驶车辆的参考路径。可以从规划系统或其它系统接收参考路径。可以参考笛卡尔坐标来描述接收到的参考路径。接收到的参考路径可以用作初始坐标系，并且可能不是自动驾驶车辆在现实世界中执行的可行路径。例如，接收到的参考路径可能包含自动驾驶车辆不可能在其中进行导航或导航不可行的一个或更多个部分，例如穿过建筑物或其它永久性结构。

接收到的参考路径可以限定一个或更多个适用的目标。目标指将自动驾驶车辆的路径规划决策考虑在内的准则。示例性的目标可包括但不限于交通规则、在限定的道路边界内行驶、碰撞规避、舒适的通过或超车、保持安全距离等。

在各种实施例中，目标可以具有侧向分量和/或纵向分量。如上文所述，侧向分量可以指用于实现目标的与自动驾驶车辆的转向有关的一个或更多个指令、指标、测量值等。纵向分量可以指用于实现目标的与自动驾驶车辆的速度有关的一个或更多个指令、指标、测量值等。例如，如果目标是超过另一辆车，那么它可以具有侧向分量(例如机动进入左车道以超过该车)、以及纵向分量(例如提速以超过该车)。在本公开的范围内，可以使用另外的和/或替代的目标和/或分量。

如图5所示，所述系统可以从接收到的参考路径识别502一个或更多个目标。所述系统可以将一个或更多个识别的目标投影504到由接收的参考路径描述的曲线坐标系中。在各种实施例中，对于识别的目标中的一个或更多个，所述系统可以确定沿着参考路径的哪些顶点受到影响。对于每个受影响的顶点，所述系统可以确定自动驾驶车辆应该在侧向上处于哪个位置和/或自动驾驶车辆应该有什么样的速度来满足目标。例如，如果目标在静态物体的左侧通过，那么系统可以将该目标转换成曲线坐标系作为约束条件，该约束条件指示自动驾驶车辆应在侧向上处于哪个位置和/或自动驾驶车辆对于沿着参考路径的每个受影响的顶点应该有什么样速度来满足在静态物体的左侧通过的目标。类似地，如果目标在静态物体之前停止，那么系统可以将该目标转换成曲线坐标系作为约束条件，该约束条件指示自动驾驶车辆应该在侧向上处于哪个位置和/或自动驾驶车辆对于沿着参考路径的每个受影响的顶点应该具有什么样的速度来满足在静态物体之前停止的目标。

对于目标中的一个或更多个，系统可以将目标的侧向分量与目标的纵向分量解耦506。在各种实施例中，速度曲线可以在时间上限定一个或更多个纵向位置。侧向问题可以基于相对于时间的纵向位置来确定。从解决这个解耦规划问题获得的解可以用于影响速度曲线的一次或更多次后续迭代。通过迭代，解耦的规划问题/侧向问题可以收敛于最优耦合解。

所述系统可以对关于参考路径的一个或更多个侧向分量进行线性化508。纵向分量不能作为参考路径的函数进行线性化。相反，它们可以是全局线性的。所述系统可以基于一个或更多个线性化侧向分量和/或一个或更多个纵向分量生成510速度曲线和偏离参考路径的路径。

所述系统可以为自动驾驶车辆生成512新参考路径。所述系统可以通过融合一个或更多个侧向分量和/或纵向分量来生成新参考路径，以产生融合解。所述系统可以将融合解从曲线坐标系映射回笛卡尔坐标系。

可以解决纵向优化问题以确定速度曲线。沿着参考路径的速度曲线可以提供作为时间的函数的曲率和速度。可以在感兴趣的时间点对该曲率和速度曲线进行采样，并且可以形成侧向线性化的平衡点。可以构建(利用新生成的速度曲线)和求解侧向优化问题，这可以生成更新的路径。

可以相对于参考曲线来定义曲线坐标系。在曲线坐标系中，物体可以由到物体的侧向距离来表示，该侧向距离是沿着参考曲线的纵向距离的函数。对于移动物体，该侧向距离还可以是时间的函数。这样，所述系统可以考虑曲线坐标中的自动驾驶车辆的配置空间。例如，在沿着参考曲线的每个纵向位置(和时间)，自动驾驶车辆的表示(例如其矩形足迹)将在什么样的侧向偏移处与物体接触？该侧向偏移在本公开中被称为余量。

图6A示出了一个实施例的自动驾驶车辆的示例性原始参考曲线。如图6A所示，自动驾驶车辆602的参考曲线600与其中有两个物体的车道604对准：物体1 606和物体2 608。

图6B示出了一个实施例的相对于参考曲线600的物体2 608的余量的示例性直观描绘图。如图6B所示，在沿着参考曲线600的采样点(610、612、614、616)，自动驾驶车辆的足迹602从参考曲线侧向滑动，直到它与物体2 608接触，由此导致余量(618、620、622、624)。附图标记642示出了一个实施例的自动驾驶车辆通过采样点的示例性路径。

图6C示出了一个实施例的相对于参考曲线600的物体1 606的余量的示例性直观描绘图。如图6C所示，在沿着参考曲线的采样点(626、628、630、632)，自动驾驶车辆的足迹602从参考曲线侧向滑动，直到它与物体1606接触，由此导致余量(634、636、638、640)。附图标记644示出了一个实施例的自动驾驶车辆通过采样点的示例性路径。

图6D示出了一个实施例的基于物体1 606和物体2 608的余量的侧向偏移相对于与车道对准的参考曲线600的示例性左边界646和右边界648。在曲线空间中的传统规划中，参考曲线是与车道对准的。例如，如图6A-6D所示，参考曲线近似沿着车道中心线，并且处于行驶方向的取向。但是，相对于与车道对准的参考曲线的余量计算可能会使车道看起来被阻挡，但实际上它并没有被阻挡。

例如，请再次参考图6D，基于距物体1 606的余量的左边界646和基于距物体2的余量的右边界648是重叠的，这表明两个边界不能被满足。但是，存在穿过障碍物的可行路径，采用更适当的参考曲线时，这很明显，如图7A、7B和7C所示。

图7A示出了一个实施例的物体1 606的距替代参考曲线650的示例性余量(652、654、656、658)。图7B示出了一个实施例的物体2 608距替代参考曲线650的示例性余量(660、662、664、666)。图7C示出了一个实施例的物体1 606和物体2 608相对于替代参考曲线650的余量的示例性左边界668和右边界670。

图8示出了一个实施例的生成替代参考曲线的示例性方法。可以通过迭代地改进初始参考曲线并使用改进的参考曲线来更新余量和边界确定来生成替代参考曲线。替代参考曲线可以被视为轨迹，因为它包含可用于计算距物体的余量的时间分量。

如图8所示，所述系统可以接收800参考轨迹。接收到的参考轨迹不需要以任何方式将障碍物考虑在内。所述系统可以根据接收到的参考轨迹和沿着该轨迹的一个或更多个障碍物来确定802一个或更多个余量。所述系统可以使用一个或更多个确定的余量来生成804替代轨迹。所述系统可将替代轨迹与该轨迹的先前版本(例如接收到的参考轨迹或先前确定的替代轨迹)进行比较，以确定806它们是否实质上不同。所述系统可以确定808适用的时间段是否已经期满。例如，所述时间段可以是分配给规划阶段的时间量。

如果轨迹实质上不同，并且适用的时间段还没有期满，那么所述系统可以重复步骤802-808。如果轨迹不是实质上不同或者适用的时间段已经期满，那么系统可以返回当前的替代轨迹。

在各种实施例中，在达到或满足收敛测度时，轨迹可以稳定下来。例如，当生成的轨迹在迭代之间不再有实质性的变化时。

在各种实施例中，可以将新生成的轨迹投影到先前迭代的轨迹上，以生成侧向差异测度序列。在这种情况下，所述收敛测度可以是侧向差异测度的均方根小于某个阈值和/或差异测度的最大绝对值小于某个阈值。在本公开的范围内，可以使用另外的和/或替代的收敛测度。

作为另一个例子，在与规划阶段相关联的时间段到期时，轨迹可以稳定下来，此时，可以使用替代轨迹的当前版本。

在各种实施例中，可以将所述替代轨迹提供给运动规划子系统、路径跟随子系统和/或另一个系统或子系统。这种系统可以通过基于替代轨迹调整自动驾驶车辆的一个或更多个操作参数来使自动驾驶车辆(或模拟的自动驾驶车辆)实施替代轨迹。所述一个或更多个操作参数可以涉及速度、转向等。例如，替代轨迹可以指示应将转向方向向右调整20度，并且应将速度降低至少10英里/小时。电子装置(例如车载计算装置)可以使自动驾驶车辆向右转向20度，并将其速度降低至少10英里/小时。作为另一个例子，模拟系统可以利用替代轨迹来调整模拟的自动驾驶车辆的一个或更多个操作参数。

替代轨迹的精确性(例如替代轨迹反映自动驾驶车辆的实际行驶地点的程度)会随着每次迭代而提高。在新参考路径已经稳定时，会获得能够生成可能显著偏离推荐的参考路径但不会导致显著误差的轨迹的路径规划公式。由于每次系统完成图5中所述的过程时都能提供解，因此可以为任何时间的规划部署该例程，并且可以在整个路径规划执行周期中持续改进该解。这样，新的参考路径可以以很小的误差偏离参考路径，当在某些环境或情况下(例如在密集的城市环境中)操作时，这能够为自动驾驶车辆提供显著的优势。

图9示出了可以包含在系统的任何电子部件(例如AV的内部处理系统、外部监控和报告系统或远程服务器)中的内部硬件的一个实例。电气总线900作为将所示的其它硬件部件互连起来的信息高速公路。处理器905是系统的中央处理装置，它被配置成进行执行程序指令所需的计算和逻辑操作。如本文和权利要求中所用的术语“处理器”和“处理装置”可以指单个处理器或共同执行一组操作的一组处理器中的任何数量的处理器，例如中央处理单元(CPU)、图形处理单元(GPU)、远程服务器、或这些装置的组合。只读存储器(ROM)、随机存取存储器(RAM)、闪存、硬盘驱动器和能够存储电子数据的其它装置构成存储装置925的实例。存储器装置可以包括单个装置或者装置的集合，数据和/或指令横跨该集合中的装置存储。本发明的各种实施例可以包括包含编程指令的计算机可读介质，所述编程指令被配置成使一个或更多个处理器执行在前面的附图的上下文中说明的功能。

可选的显示接口930可以允许来自总线900的信息以可视、图形或字母数字的格式显示在显示装置935上，例如显示在车辆的仪表板内显示系统上。还可以提供音频接口和音频输出(例如扬声器)。与外部设备的通信可以使用各种通信装置940来进行，例如无线天线、射频识别(RFID)标签和/或短程或近场通信收发器，这些通信装置中的每一种都可以可选地经由一个或更多个通信系统与所述装置的其它部件通信连接。通信装置940可以配置成通信地连接至通信网络，例如互联网、局域网或蜂窝电话数据网。

所述硬件还可以包括用户接口传感器945，该用户接口传感器945允许从诸如键盘或小键盘、操纵杆、触摸屏、触摸板、遥控器、定点装置和/或麦克风等输入装置950接收数据。还可以从能够采集视频和/或静止图像的摄像头920接收数字图像帧。所述系统还可以接收来自运动和/或位置传感器970的数据，例如加速度计、陀螺仪或惯性测量单元。所述系统还可以接收来自LiDAR系统960的数据，例如在本文的前面部分所述的LiDAR系统。

上面公开的特征和功能以及其替代形式可以结合到许多其它不同的系统或应用中。各种部件可以在硬件或软件或嵌入式软件中实现。本领域技术人员可能做出各种目前无法预料或未预料到的替换、修改、变化或改进，但任何此类替换、修改、变化或改进也被公开的实施例所涵盖。

与在上文中提供的公开内容相关的术语包括：

“自动化装置”或“机器人装置”指包括处理器、编程指令和一个或更多个部件的电子装置，这些部件基于来自处理器的命令能够在最少或没有人工干预的情况下执行至少一些操作或任务。例如，自动化装置可以执行一个或更多个自动功能或功能集。这种操作、功能或任务的例子可以包括但不限于导航、运输、驾驶、交付、装载、卸载、与医疗相关的过程、与建造相关的过程等。示例性的自动化装置可以包括但不限于自动驾驶车辆、无人驾驶飞机和其它自主机器人装置。

术语“车辆”指能够运载一个或更多个乘员和/或货物并且由任何形式的能量驱动的任何移动形式的运输工具。术语“车辆”包括但不限于汽车、卡车、货车、火车、自动驾驶汽车、飞机、无人驾驶飞机等。“自动驾驶车辆”是具有处理器、编程指令和传动系统部件的车辆，这些传动系统部件可以由处理器控制，而不需要人类操作员。自动驾驶车辆可以是完全自主的，因为它不需要人类操作员来处理大多数或所有的驾驶状况和功能，或者，自动驾驶车辆可以是半自主的，因为在某些条件下或某些操作可能需要人类操作员，或者人类操作员可以超越车辆的自主系统并且可以接管车辆的控制。自动驾驶车辆还包括其中的自主系统增强车辆的人工操作的车辆，例如具有驾驶员辅助转向、速度控制、制动、停车和其它系统的车辆。

在本文中，术语“街道”、“车道”和“交叉路口”是通过在一条或多条道路上行驶的车辆的例子来说明的。但是，这些实施例意图包括其它地点(例如停车场)的车道和交叉口。此外，对于被设计成室内使用的自动车辆(例如仓库中的自动拣选装置)，街道可以是仓库的过道，而车道可以是过道的一部分。如果自动驾驶车辆是无人驾驶飞机或其它飞行器，那么术语“街道”可以表示航路，而车道可以是航路的一部分。如果自动驾驶车辆是船只，那么术语“街道”可以代表航道，而车道可以是航道的一部分。

“电子装置”或“计算装置”指包含处理器和存储器的装置。每个装置可以具有其自己的处理器和/或存储器，或者处理器和/或存储器可以是与其它装置共享的，如在虚拟机或容器布置形式中。存储器会包含或接收编程指令，该编程指令在被处理器执行时使得电子装置根据编程指令执行一个或更多个操作。

术语“存储器”、“存储装置”、“数据存储装置”、“数据存储设施”等分别指在其上存储计算机可读数据、编程指令或这两者的非暂时性装置。除非特别声明，否则术语“存储器”、“存储装置”、“数据存储装置”、“数据存储设施”等意图包括单个装置的实施例、多个存储装置一起或共同存储一组数据或指令的实施例、以及这些装置内的各个扇区。

术语“处理器”和“处理装置”指电子装置的被配置成执行编程指令的硬件部件。除非特别声明，否则单数术语“处理器”或“处理装置”意图包括单个处理装置的实施例和多个处理装置一起或共同执行过程的实施例。

在本文中，术语“通信链路”和“通信路径”指有线或无线路径，第一装置通过该路径向一个或更多个其它装置发送通信信号和/或从一个或更多个其它装置接收通信信号。如果装置能够经由通信链路发送和/或接收数据，那么该装置是“通信连接的”。“电子通信”指在两个或更多个电子装置之间通过一个或更多个信号传输数据，无论是通过有线或无线网络，也无论是直接传输还是通过一个或更多个中间装置间接传输。

“自动化装置监控系统”是通信地和/或电气地连接至自动化装置的各种部件(例如传感器)以从这些部件收集状态或操作参数值的一组硬件。自动化装置监控系统可以包括或连接至数据记录装置，该数据记录装置包括数据输入(例如无线接收器)，该数据输入被配置成直接或间接地从装置的部件接收装置操作数据。所述监控系统还可以包括处理器、发射器和具有编程指令的存储器。监控系统可以包括用于向外部电子设备和/或远程服务器发送命令和/或数据的发送器。在各种实施例中，监控系统可以嵌入在自动化装置的其它计算系统部件中或者与自动化装置的其它计算系统部件集成在一起，或者可以是与一个或更多个其它本地系统(例如，在自动驾驶车辆的背景下，是车载诊断系统)通信的独立装置。

在本文中，除非特别声明，否则在使用诸如“第一”和“第二”等相对顺序术语来修饰名词时，这种使用仅仅是为了将一个项目与另一个项目区分开来，而不是意图要求顺序。

“参考路径”指自动驾驶车辆的轨迹。参考路径可以由自动驾驶车辆的运动规划子系统确定。

“目标”指将自动驾驶车辆的路径规划决策考虑在内的准则。示例性的目标可包括但不限于交通规则、在限定的道路边界内行驶、碰撞规避、舒适的通过或超车、保持安全距离等。

此外，诸如“竖直”和“水平”或“前”和“后”等相对位置术语在使用时是相对于彼此而言的，不一定必须是绝对的，并且仅指与这些术语相关联的装置的一个可能位置，这取决于装置的取向。当本文使用术语“前面”、“后面”和“侧面”来指代车辆的某个区域时，它们指相对于车辆的默认行驶区域的车辆区域。例如，汽车的“前面”是较靠近车辆的头灯而不是车辆的尾灯的区域，而汽车的“后面”是较靠近车辆的尾灯而不是车辆的头灯的区域。此外，术语“前面”和“后面”不一定限于面向前或面向后的区域，而是还分别包括较靠近前面而不是后面的侧面区域或者较靠近后面而不是前面的侧面区域。车辆的“侧面”指车辆的最前部与最后部之间的面向侧面的部分。

Claims (13)

1.一种更新自动驾驶车辆的参考路径的方法，该方法包括:

由计算设备执行一个过程，该过程包括:

接收自动驾驶车辆的参考路径，其中该参考路径在笛卡尔参考系中定义自动驾驶车辆的推荐轨迹，

基于接收的参考路径识别目标，其中该目标包括纵向分量和侧向分量，并且所述目标是考虑到路径规划决策的自动驾驶决策准则，

将目标从笛卡尔参考系投影到曲线坐标系中，

对纵向分量和侧向分量进行解耦，

对关于接收的参考路径的侧向分量进行线性化以获得侧向问题，

求解侧向问题以获得曲线坐标系中的精细侧向路径；

将所述精细侧向路径从所述曲线坐标系映射到所述笛卡尔参考坐标系，以生成所述自动驾驶车辆的新参考路径；

由计算设备将新参考路径投影到接收到的参考路径上，以获得至少一个差异测度；

由所述计算设备基于所述差异测度选择重复由所述计算设备执行的整个过程；和

使用不同于所接收到的参考路径的新参考路径重复至少包括识别、投影、解耦、线性化、求解、映射操作的所述过程。

2.如权利要求1所述的方法，其中所述目标包括以下项目中的一个或更多个：

一条或更多条交通规则；

在一个或更多个道路边界内行驶；

碰撞规避；

保持安全距离；或者

超越另一辆车。

3.如权利要求1所述的方法，其中将目标投影到曲线坐标系中包括：

确定接收到的受目标影响的参考路径的一个或更多个顶点；并且

对于受目标影响的所述一个或更多个顶点中的每一个，确定：

满足目标的与自动驾驶车辆相关联的侧向位置，以及

满足目标的与自动驾驶车辆相关联的速度。

4.如权利要求1所述的方法，其中对关于接收到的参考路径的侧向分量进行线性化包括：

生成沿着接收到的参考路径的速度曲线，该速度曲线指示作为时间的函数的与自动驾驶车辆相关联的曲率和速度；并且

在一个或更多个点对速度曲线进行采样。

5.如权利要求1所述的方法，其中新的参考路径通过以下生成：

识别与曲线坐标系对应的参考曲线；

识别曲线坐标系中的障碍物，其中该障碍物由距障碍物的侧向距离表示，该侧向距离是沿着参考曲线的纵向距离的函数；

在沿着参考曲线的一个或更多个纵向位置处，确定代表自动驾驶车辆的表示将在该处与障碍物接触的侧向偏移的余量；并且

使用余量生成新的参考路径。

6.如权利要求1所述的方法，还包括通过基于新参考路径调整自动驾驶车辆的一个或更多个操作参数来使自动驾驶车辆实施新参考路径。

7.一种更新自动驾驶车辆的参考路径的系统，包括：

计算设备；和

计算机可读存储介质，该计算机可读存储介质包含一个或更多个编程指令，所述编程指令在被执行时使得计算设备执行以下操作：

接收自动驾驶车辆的参考路径，其中该参考路径在笛卡尔参考系中定义自动驾驶车辆的推荐轨迹；

基于接收的参考路径识别目标，其中该目标包括纵向分量和侧向分量，所述目标是考虑到路径规划决策的自动驾驶决策准则；

将目标从笛卡尔参考系投影到曲线坐标系中；

对纵向分量和侧向分量进行解耦；

对关于接收的参考路径的侧向分量进行线性化以获得侧向问题；

求解侧向问题以获得曲线坐标系中的精细侧向路径；

将所述精细侧向路径从所述曲线坐标系映射到所述笛卡尔参考坐标系，以生成所述自动驾驶车辆的新参考路径；

将新的参考路径投影到接收到的参考路径上，以获得至少一个差异测度；

基于所述差异测度选择重复由所述计算设备执行的整个操作；和

使用不同于所接收到的参考路径的新参考路径重复至少包括识别、投影、解耦、线性化、求解、映射操作的所述操作。

8.如权利要求7所述的系统，其中所述目标包括以下项目中的一个或更多个：

一条或更多条交通规则；

在一个或更多个道路边界内行驶；

碰撞规避；

保持安全距离；或者

超越另一辆车。

9.如权利要求7所述的系统，其中一个或更多个编程指令在被执行时使得计算设备将目标投影到曲线坐标系中包括一个或更多个编程指令，所述一个或更多个编程指令在被执行时使得计算设备：

确定接收到的受目标影响的参考路径的一个或更多个顶点；并且

对于受目标影响的所述一个或更多个顶点中的每一个，确定：

满足目标的与自动驾驶车辆相关联的侧向位置，以及

满足目标的与自动驾驶车辆相关联的速度。

10.如权利要求7所述的系统，其中一个或更多个编程指令在被执行时使得计算设备对关于接收的参考路径的侧向分量进行线性化包括一个或更多个编程指令，所述一个或更多个编程指令在被执行时使得计算设备：

生成沿着接收的参考路径的速度曲线，该速度曲线指示作为时间的函数的与自动驾驶车辆相关联的曲率和速度；并且

在一个或更多个点对速度曲线进行采样。

11.如权利要求7所述的系统，其中新参考路径通过以下生成：

识别与曲线坐标系对应的参考曲线；

识别曲线坐标系中的障碍物，其中该障碍物由距障碍物的侧向距离表示，该侧向距离是沿着参考曲线的纵向距离的函数；

在沿着参考曲线的一个或更多个纵向位置处，确定代表自动驾驶车辆的表示将在该处与障碍物接触的侧向偏移的余量；并且

使用余量生成新的参考路径。

12.如权利要求7所述的系统，其中计算机可读存储介质还包含一个或更多个编程指令，所述一个或更多个编程指令在被执行时使得计算设备通过基于新参考路径调整自动驾驶车辆的一个或更多个操作参数来使自动驾驶车辆实施新参考路径。

13.一种存储指令的非暂时性计算机可读介质，所述指令被配置为当由至少一个计算设备执行时，使得所述至少一个计算设备执行包括如下项目的操作：

接收自动驾驶车辆的参考路径，其中该参考路径在笛卡尔参考系中定义自动驾驶车辆的推荐轨迹；

基于接收的参考路径识别目标，其中该目标包括纵向分量和侧向分量，所述目标是考虑到路径规划决策的自动驾驶决策准则；

将目标从笛卡尔参考系投影到曲线坐标系中；

对纵向分量和侧向分量进行解耦；

对关于接收的参考路径的侧向分量进行线性化以获得侧向问题；

求解侧向问题以获得曲线坐标系中的精细侧向路径；

将所述精细侧向路径从所述曲线坐标系映射到所述笛卡尔参考坐标系，以生成所述自动驾驶车辆的新参考路径；

将新参考路径投影到接收到的参考路径上，以获得至少一个差异测度；

基于所述差异测度选择重复由所述至少一个计算设备执行的操作；和

使用不同于所接收到的参考路径的新参考路径重复包括至少识别、投影、解耦、线性化、求解、映射的所述操作。