[go: up one dir, main page]

KR102099152B1 - 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘 - Google Patents

자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘 Download PDF

Info

Publication number
KR102099152B1
KR102099152B1 KR1020190009895A KR20190009895A KR102099152B1 KR 102099152 B1 KR102099152 B1 KR 102099152B1 KR 1020190009895 A KR1020190009895 A KR 1020190009895A KR 20190009895 A KR20190009895 A KR 20190009895A KR 102099152 B1 KR102099152 B1 KR 102099152B1
Authority
KR
South Korea
Prior art keywords
optimization
path
trajectory
speed
spline curve
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
KR1020190009895A
Other languages
English (en)
Other versions
KR20190095883A (ko
Inventor
리앙리앙 장
동 리
이페이 지앙
지앙타오 후
Original Assignee
바이두 유에스에이 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 바이두 유에스에이 엘엘씨 filed Critical 바이두 유에스에이 엘엘씨
Publication of KR20190095883A publication Critical patent/KR20190095883A/ko
Application granted granted Critical
Publication of KR102099152B1 publication Critical patent/KR102099152B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of the road
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—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
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—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
    • 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
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Landscapes

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

Abstract

일부 실시예에 따르면, 시스템은 맵 및 루트 정보에 기반하여 제1 궤적을 계산한다. 시스템은 제1 궤적, 교통 규칙 및 ADV에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행한다. 경로 최적화는 아래와 같은 과정으로 수행된다: 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고, 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고, 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고, 경로 최적화의 결과에 기반하여 속도 최적화를 수행하며, 경로 최적화 및 속도 최적화에 기반하여 ADV를 제어하기 위한 제2 궤적을 생성한다.

Description

자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘{PATH AND SPEED OPTIMIZATION FALLBACK MECHANISM FOR AUTONOMOUS VEHICLES}
본 개시의 실시예는 전체적으로 자율 주행 차량에 관한 것이다. 더욱 상세하게, 본 개시의 실시예는 자율 주행 차량(ADV)의 경로 및 속도 최적화 폴백 메카니즘에 관한 것이다.
자율 주행 모드에서(예를 들어, 운전자 없이) 운행하는 차량은 탑승자, 특히 운전자의 운전 관련 일부 책무를 덜어줄 수 있다. 자율 주행 모드에서 작동할 때, 차량은 온보드 센서를 사용하여 다양한 위치들로 내비게이트될 수 있고, 그 결과 최소한의 인간과의 상호 작용으로 또는 일부의 경우 승객 없이 차량이 이동하는 것이 허용된다.
차량은 계획된 주행 궤적에 따라 자율 주행 모드로 운행될수 있다. 주행 궤적은 경로 및 속도 계획 단계에서 생성될 수 있다. 경로 및 속도 계획 양자는 모두 최적화 문제를 해결함에 있어서 최적화 해법기에 크게 의존한다. 그러나, 최적화 문제는 수치상 문제로 인해 실패할 수 있는 바, 예를 들어, QP 문제는 유한 회수의 반복 또는 경과 시간 내에 수렴되지 않을 수 있다. 따라서, 최적화 해법기의 강건성을 향상시킴으로써 수치적 문제로 인한 일부 장애를 극복할 수 있는 폴백 메카니즘을 구비할 필요가 있다.
본 개시의 일 측면에서 자율 주행 차량(ADV)의 주행 궤적을 생성하기 위한 컴퓨터 실현 방법이 제공된다. 상기 방법은, 맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 단계; 및상기 제1 궤적, 교통 규칙 및 상기 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행하는 단계;를 포함하되, 상기 경로 최적화를 수행하는 단계는, 상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고;상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고; 상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고; 상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며; 상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함한다.
본 개시의 다른 일 측면에서 명령어가 저장된 비일시적 기계 판독 가능한 매체가 제공된다. 상기 명령어는 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서로 하여금 이하 동작들을 수행하도록 한다. 상기 동작들은, 맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 동작; 및 상기 제1 궤적, 교통 규칙 및 상기 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행하는 동작;을 포함하되, 상기 경로 최적화를 수행하는 동작은, 상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고; 상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고; 상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고; 상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며; 상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함한다.
본 개시의 또 다른 일 측면에서 데이터 처리 시스템이 제공되고, 상기 데이터 처리 시스템은 하나 또는 다수의 프로세서; 및 상기 하나 또는 다수의 프로세서에 연결되어 명령어를 저장하는 저장 장치를 포함한다. 상기 명령어는 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서로 하여금 이하 동작들을 수행하도록 한다. 상기 동작들은, 맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 동작; 및 상기 제1 궤적, 교통 규칙 및 상기 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행하는 동작;을 포함하되, 상기 경로 최적화를 수행하는 동작은, 상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고; 상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고; 상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고; 상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며; 상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함한다.
첨부된 도면의 각 도형에서 본 발명의 실시예들을 한정적으로 아니라, 예시적으로 도시하였고, 첨부된 도면에 있어서, 동일한 첨부 기호는 유사한 소자들을 지칭한다.
도 1은 일 실시예에 따른 네트워킹 시스템을 나타내는 블록도이다.
도 2는 일 실시예에 따른 자율 주행 차량에 사용되는 센서 및 제어 시스템의 일 예를 나타내는 블록도이다.
도 3a 내지 도 3b는 일부 실시예에 따른 자율 주행 차량와 함께 사용되는 인지 및 계획 시스템의 일 예를 나타내는 블록도이다.
도 4는 일 실시예에 따른 결정 및 계획 과정의 일 예를 나타내는 블록도이다.
도 5는 일 실시예에 따른 계획 모듈의 일 예를 나타내는 블록도이다.
도 6은 일 실시예에 따른 계획 주기의 일 예를 나타내는 블록도이다.
도 7은 일 실시예에 따른 스플라인 곡선 기반의 QP 최적화에 대한 SL 맵의 일 예이다.
도 8은 일 실시예에 따른 유한 요소 기반의 QP 최적화에 대한 SL 맵의 일 예이다.
도 9는 일 실시예에 따른 방법을 나타내는 블록도이다.
도 10은 일 실시예에 따른 데이터 처리 시스템의 블록도를 보여준다.
본 발명의 다양한 실시예 및 양태들은 이하 상세한 설명을 참조하여 설명되며, 첨부된 도면들은 다양한 실시예들을 나타낸다. 아래의 설명 및 도면들은 본 발명의 예시일 뿐, 본 발명을 한정하는 것으로 해석되어서는 안된다. 다수의 구체적인 세부 사항들이 본 발명의 각 실시예들에 대한 충분한 이해를 제공하기 위해 설명된다. 그러나, 특정 경우에 있어서, 본 발명에 대한 간결한 설명을 제공하기 위해, 공지된 또는 종래의 세부 사항들에 대한 설명은 생략되었다.
본 명세서에서 "일 실시예(one embodiment)" 또는 "실시예(an embodiment)"라고 지칭하는 것은 실시예에 관련하여 설명한 구체적인 특징, 구조 또는 특성이 본 발명의 적어도 하나의 실시예에 포함될 수 있음을 의미한다. 본 명세서의 여러 부분에서 관용구 "일 실시예에 있어서"가 기재될 경우, 이는 항상 동일한 실시예를 가리켜야만 하는 것은 아니다.
일부 실시예에 따르면, 시스템은 스플라인 곡선 기반의 경로 및 속도 최적화를 수행함으로써 경로 곡선 및 속도 곡선을 생성한다. 상기 시스템은 예를 들어, 경로 최적화 및 속도 최적화 중 각각의 최적화에서의 유한 요소 기반의 최적화와 같은, 폴백 메카니즘을 포함한다. 일 실시예에 있어서, 시스템은 맵 및 루트 정보에 기반하여, 대략적인(rough) 경로 프로필 및 대략적인 속도 프로필(제1 궤적을 표시함)을 산출한다. 시스템은 제1 궤적, 교통 규칙 및 ADV에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행한다. 경로 최적화는 아래와 과정으로 진행된다: 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고, 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하며, 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하며, 경로 최적화의 결과에 기반하여 속도 최적화를 수행하고, 경로 최적화 및 속도 최적화에 기반하여 ADV를 제어하기 위한 제2 궤적을 생성한다. 일 실시예에 있어서, 경로 최적화 및/또는 속도 최적화는 2차 계획법(QP; quadratic programming)최적화를 포함할 수 있다.
도 1은 본 개시의 일 실시예에 따른 자율 주행 차량 네트워크 구성을 나타내는 블록도이다. 도 1을 참조하면, 네트워크 구성(100)은, 네트워크(102) 상에서 하나 이상의 서버(103-104)와 통신 가능하게 결합될 수 있는 자율 주행 차량(101)을 포함한다. 하나의 자율 주행 차량이 도시되어 있으나, 다수의 자율 주행 차량이 서로 결합될 수 있고/있거나 네트워크(102)를 통해 서버들(103-104)에 결합될 수 있다. 네트워크(102)는 근거리 네트워크(LAN), 인터넷과 같은 광역 네트워크(WAN), 셀룰러 네트워크, 위성 네트워크 또는 이들의 조합과 같은 유선 또는 무선의 임의의 유형의 네트워크일 수 있다. 서버(들)(103-104)는 웹 또는 클라우드 서버, 애플리케이션 서버, 백엔드 서버 또는 이들의 조합과 같은 임의의 종류의 서버 또는 서버 클러스터일 수 있다. 서버(103-104)는 데이터 분석 서버, 콘텐츠 서버, 교통 정보 서버, 지도 및 관심 지점(MPOI: map and point of interest) 서버 또는 위치 서버 등일 수 있다.
자율 주행 차량은 차량이 운전자로부터의 입력이 거의 또는 전혀 없이 주변 환경을 내비게이트하는 자율 주행 모드로 구성될 수 있는 차량을 지칭한다. 이러한 자율 주행 차량은 차량이 운행되는 환경에 관한 정보를 검출하도록 구성된 하나 이상의 센서를 갖는 센서 시스템을 포함할 수 있다. 차량 및 관련 제어기(들)는 검출된 정보를 이용하여 주변 환경 사이로 내비게이트한다. 자율 주행 차량(101)은 수동 모드, 완전 자율 주행 모드 또는 부분 자율 주행 모드로 운행될 수 있다.
일 실시예에서, 자율 주행 차량(101)은 인지 및 계획 시스템(110), 차량 제어 시스템(111), 무선 통신 시스템(112), 사용자 인터페이스 시스템(113) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 자율 주행 차량(101)은, 예를 들어, 가속 신호 또는 명령, 감속 신호 또는 명령, 조향 신호 또는 명령, 제동 신호 또는 명령 등과 같은 다양한 통신 신호 및/또는 명령을 사용하여, 차량 제어 시스템(111) 및/또는 인지 및 계획 시스템(110)에 의해 제어될 수 있는, 엔진, 차륜(wheel), 스티어링 휠, 변속기 등과 같은, 일반 차량에 포함되는 특정 공통 구성 요소를 더 포함할 수 있다.
구성요소(110-115)는 인터커넥트(interconnect), 버스, 네트워크 또는 이들의 조합을 통해 서로 통신 가능하게 결합될 수 있다. 예를 들어, 구성요소(110-115)는, 제어기 영역 네트워크(CAN) 버스를 통해 서로 통신 가능하게 결합될 수 있다. CAN 버스는, 호스트 컴퓨터가 없는 어플리케이션들에서 마이크로 컨트롤러들과 장치들이 서로 통신할 수 있도록 설계된 차량 버스 표준이다. 그것은 메시지 기반 프로토콜로서, 원래는 자동차 내의 멀티플렉스(multiplex) 전기 배선을 위해 설계되었으나, 다른 많은 상황에서도 사용된다.
이제 도 2를 참조하면, 일 실시예에서, 센서 시스템(115)은, 하나 이상의 카메라(211), GPS(global positioning system) 유닛(212), 관성 측정 유닛(IMU)(213), RADAR 유닛(214) 및 광 검출 및 측정(LIDAR) 유닛(215)을 포함하나, 이에 한정되지 않는다. GPS 시스템 유닛(212)은 자율 주행 차량의 위치에 관한 정보를 제공하도록 동작 가능한 송수신기(트랜시버)를 포함할 수 있다. IMU 유닛(213)은, 관성 가속도에 기초하여 자율 주행 차량의 위치 및 방향(orientation) 변화를 감지할 수 있다. RADAR 유닛(214)은, 무선 신호를 활용하여 자율 주행 차량의 로컬 환경 내의 물체들을 감지하는 시스템을 나타낼 수 있다. 일부 실시예에 있어서, 물체를 감지하는 것 외에, RADAR 유닛(214)은 물체의 속력 및/또는 진로(heading)를 추가로 감지할 수 있다. LIDAR 유닛(215)은, 레이저를 사용하여 자율 주행 차량이 위치한 환경 내의 물체들을 감지할 수 있다. LIDAR 유닛(215)은, 여러 시스템 구성 요소들 중에서, 하나 이상의 레이저 소스, 레이저 스캐너 및 하나 이상의 검출기를 포함할 수 있다. 카메라(211)는 자율 주행 차량을 둘러싸는 환경의 이미지를 캡쳐하기 위한 하나 이상의 장치를 포함할 수 있다. 카메라(211)는 정지 화상 카메라 및/또는 비디오 카메라일 수 있다. 카메라는, 예를 들어, 카메라를 회전 및/또는 틸팅 플랫폼에 장착함으로써, 기계적으로 이동 가능할 수 있다.
센서 시스템(115)은, 소나(sonar) 센서, 적외선 센서, 스티어링(조향) 센서, 스로틀 센서, 제동 센서 및 오디오 센서(예를 들어, 마이크로폰)와 같은 기타 센서들을 더 포함할 수 있다. 오디오 센서는 자율 주행 차량을 둘러싸는 환경에서 소리(sound)를 캡쳐하도록 구성될 수 있다. 스티어링 센서는, 스티어링 휠, 차량의 차륜 또는 이들의 조합의 스티어링 각도를 감지하도록 구성될 수 있다. 스로틀 센서 및 제동 센서는, 차량의 스로틀 위치 및 제동 위치를 각각 감지한다. 일부 상황에서는, 스로틀 센서와 제동 센서가 통합 스로틀/제동 센서로 통합될 수 있다.
일 실시예에서, 차량 제어 시스템(111)은, 스티어링 유닛(201), 스로틀 유닛(202)(가속 유닛으로도 지칭됨) 및 제동 유닛(203)을 포함하나, 이에 한정되지 않는다. 스티어링 유닛(201)은, 차량의 방향 또는 진로(또는 진행 방향)을 조정하기 위한 것이다. 스로틀 유닛(202)은 모터 또는 엔진의 속력을 제어하여 차량의 속도 및 가속도를 순차적으로 제어하기 위한 것이다. 제동 유닛(203)은 차량의 차륜 또는 타이어를 감속시키도록 마찰을 제공함으로써 차량을 감속시키기 위한 것이다. 도 2에 도시된 구성 요소들은, 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다.
도 1을 다시 참조하면, 무선 통신 시스템(112)은, 자율 주행 차량(101)과, 장치들, 센서들, 기타 차량들 등과 같은 외부 시스템들 간의 통신을 가능하게 한다. 예를 들어, 무선 통신 시스템(112)은, 하나 이상의 장치들과 직접 또는 네트워크(102) 상의 서버들(103-104)과 같은 통신 네트워크를 통해 무선 통신할 수 있다. 무선 통신 시스템(112)은, 임의의 셀룰러 통신 네트워크 또는 무선 근거리 네트워크(WLAN)를 사용할 수 있으며, 예를 들어, 기타 구성 요소 또는 시스템과 통신하기 위해 WiFi를 사용할 수 있다. 무선 통신 시스템(112)은, 예를 들어, 적외선 링크, 블루투스 등을 사용하여, 장치(예를 들어, 승객의 모바일 장치, 디스플레이 장치, 차량(101) 내의 스피커)와 직접 통신할 수 있다. 사용자 인터페이스 시스템(113)은, 예를 들어, 키보드, 터치 스크린 디스플레이 장치, 마이크로폰 및 스피커 등을 포함하는 차량(101) 내에 구현되는 주변 장치들의 일부일 수 있다.
자율 주행 차량(101)의 일부 또는 모든 기능은, 특히 자율 주행 모드에서 운행될 때, 인지 및 계획 시스템(110)에 의해 제어되거나 관리될 수 있다. 인지 및 계획 시스템(110)은, 센서 시스템(115), 제어 시스템(111), 무선 통신 시스템(112) 및/또는 사용자 인터페이스 시스템(113)으로부터 정보를 수신하고, 수신된 정보를 처리하고, 출발점에서 목적지포인트까지의 루트(route) 또는 경로를 계획한 다음, 계획 및 제어 정보에 기반하여 차량(101)을 주행하기 위해, 필요한 하드웨어(예를 들어, 프로세서(들), 메모리, 저장 장치) 및 소프트웨어(예를 들어, 운영 체계, 계획 및 루트 배정(routing) 프로그램)을 포함한다. 대안적으로, 인지 및 계획 시스템(110)은 차량 제어 시스템(111)과 통합될 수 있다.
예를 들어, 승객인 사용자는, 예를 들어, 사용자 인터페이스를 통해 여행의 출발 위치 및 목적지를 지정할 수 있다. 인지 및 계획 시스템(110)은 여행 관련 데이터를 획득한다. 예를 들어, 인지 및 계획 시스템(110)은 서버들(103-104)의 일부일 수 있는 MPOI 서버로부터 위치 및 루트 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 맵 서비스와 특정 위치들의 POI들을 제공한다. 대안적으로, 이러한 위치 및 MPOI 정보는 인지 및 계획 시스템(110)의 영구 저장 장치 로컬에 캐시될 수 있다.
자율 주행 차량(101)이 루트를 따라 이동하는 동안, 인지 및 계획 시스템(110)은 교통 정보 시스템 또는 서버(TIS)로부터 실시간 교통 정보도 획득할 수 있다. 서버(103-104)는 제3자 엔티티에 의해 운영될 수 있다. 대안적으로, 서버들(103-104)의 기능들은 인지 및 계획 시스템(110)과 통합될 수 있다. 인지 및 계획 시스템(110)은, 실시간 교통 정보, MPOI 정보 및 위치 정보뿐만 아니라 센서 시스템(115)에 의해 검출 또는 감지된 실시간 로컬 환경 데이터(예를 들어, 장애물, 물체, 주변 차량)에 기반하여, 예를 들어, 제어 시스템(111)을 통해, 최적의 루트를 계획하고, 지정된 목적지에 안전하고 효율적으로 도착하기 위해 계획된 루트에 따라 차량(101)을 주행할 수 있다.
서버(103)은 다양한 클라이언트에 대해 데이터 분석 서비스를 제공하는 데이터 분석 시스템일 수 있다. 일 실시예에 있어서, 데이터 분석 시스템(103)은 데이터 컬렉터(121) 및 기계 학습 엔진(122)을 포함한다. 데이터 컬렉터(121)는 자율 주행 차량 또는 인간 운전자가 운전하는 일반적인 차량을 포함한 다양한 차량들로부터 주행 통계 데이터(123)를 수집한다. 주행 통계 데이터(123)는 내려진 주행 명령(예를 들어, 스로틀, 브레이크, 조향 명령)을 가리키는 정보 및 서로 다른 시점에서 차량의 센서에 의해 획득한 차량 응답(예를 들어, 속도, 가속, 감속, 방향)을 포함한다. 주행 통계 데이터(123)는 서로 다른 시점에서의 주행 환경, 예를 들어, 루트(시작 위치 및 목적지 위치를 포함함), MPOI, 도로 상황, 기상 상태 등을 반영하는 정보를 더 포함할 수 있다.
주행 통계 데이터(123)에 기반하여, 기계 학습 엔진(122)은 다양한 목적으로 규칙 집합, 알고리즘 및/또는 예측 모델(124)을 생성하고 트레닝한다. 일 실시예에 있어서, 예를 들어, 알고리즘(124)은 경로 계획 및 속도 계획에 대해 최적화하는 최적화 방법을 포함할 수 있다. 상기 최적화 방법은 경로 구간 또는 시간 구간을 표시하는 코스트 함수 및 다항식 함수의 집합을 포함할 수 있다. 이러한 기능들은 자율 주행 차량에 업로드되어, 실시간으로 평탄한 경로를 생성하는데 이용될 수 있다.
도 3a 및 도 3b는 일 실시예에 따른 자율 주행 차량과 함께 사용되는 인지 및 계획 시스템의 일 예를 나타내는 블록도이다. 시스템(300)은, 도 1의 자율 주행 차량(101)의 일부로서 구현될 수 있으며, 인지 및 계획 시스템(110), 제어 시스템(111) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 도 3a 및 도 3b을 참조하면, 인지 및 계획 시스템(110)은 로컬라이제이션(localization) 모듈(301), 인지 모듈(302), 예측 모듈(303), 결정 모듈(304), 계획 모듈(305), 제어 모듈(306) 및 루트 배정 모듈(307)을 포함하나, 이에 제한되지 않는다.
모듈들(301-307)의 일부 또는 전부는 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이들 모듈은 영구 저장 장치(352)에 설치되고, 메모리(351)에 로딩되며, 하나 이상의 프로세서(미도시)에 의해 실행될 수 있다. 이들 모듈 중 일부 또는 전부는, 도 2의 차량 제어 시스템(111)의 일부 또는 모든 모듈들과 통신 가능하게 결합되거나 통합될 수 있다. 모듈들(301-307) 중 일부는 통합 모듈로서 서로 통합될 수 있다. 예를 들어, 결정 모듈(304)과 계획 모듈(305)이 단일 모듈로 통합될 수 있다.
로컬라이제이션 모듈(301)은 예를 들어, GPS 유닛(212)을 이용하여 자율 주행 차량(300)의 현재 위치를 확정하고 사용자의 여정 또는 루트에 연관된 임의의 데이터를 관리한다. 로컬라이제이션 모듈(301)(맵 및 루트 모듈이라고도 함)은 사용자의 여정 또는 루트와 관련된 임의의 데이터를 관리한다. 사용자는, 예를 들어, 사용자 인터페이스를 통해 로그인하고 여행의 출발 위치 및 목적지를 지정할 수 있다. 로컬라이제이션 모듈(301)은, 맵 및 루트 정보(311)와 같은 자율 주행 차량(300)의 기타 구성 요소와 통신하여 여행 관련 데이터를 획득한다. 예를 들어, 로컬라이제이션 모듈(301)은 위치 서버, 및 맵 및 POI(MPOI) 서버로부터 위치 및 루트 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 맵 서비스와 특정 위치들의 POI들을 제공하며, 이는 맵 및 루트 정보(311)의 일부로서 캐시될 수 있다. 자율 주행 차량(300)이 루트를 따라 이동하는 동안, 로컬라이제이션(localization) 모듈(301)은 교통 정보 시스템 또는 서버로부터 실시간 교통 정보도 획득할 수 있다.
센서 시스템(115)에 의해 제공되는 센서 데이터 및 로컬라이제이션 모듈(301)에 의해 획득되는 로컬라이제이션 정보에 기반하여, 인지 모듈(302)에 의해 주변 환경의 인지(perception)가 결정된다. 인지 정보는 일반 운전자가 그가 주행하는 차량 주위를 어떻게 인지(perceive)하는지를 나타낼 수 있다. 인지(perception)는 예를 들어, 물체의 형태의 차로 구성(예를 들어 직선 차로 또는 곡선 차로), 신호등 신호, 기타 차량의 상대적 위치, 보행자, 건물, 횡단 보도 또는 기타 교통 관련 표지판(예를 들어, 정지 표지판, 양보(yield) 표지판) 등을 포함할 수 있다.
인지 모듈(302)은, 자율 주행 차량의 환경에서 물체 및/또는 특징을 식별하기 위해, 하나 이상의 카메라에 의해 캡쳐된 이미지를 처리 및 분석하는 컴퓨터 비전 시스템 또는 컴퓨터 비전 시스템의 기능을 포함할 수 있다. 물체는 교통 신호, 도로 경계, 다른 차량, 보행자 및/또는 장애물 등을 포함할 수 있다. 컴퓨터 비전 시스템은 물체 인식 알고리즘, 비디오 추적 및 다른 컴퓨터 비전 기술을 사용할 수 있다. 일부 실시예에서, 컴퓨터 비전 시스템은, 환경을 매핑하고, 물체를 추적하고, 물체의 속도 추정 등을 할 수 있다. 인지 모듈(302)은 RADAR 및/또는 LIDAR와 같은 별도의 센서에 의해 제공되는 기타 센서 데이터에 기반하여 물체를 검출할 수도 있다.
각각의 물체에 대해, 예측 모듈(303)은 다양한 상황에서 물체가 어떠한 동작을 진행할지에 대해 예측한다. 상기 예측은 지도/루트 정보(311) 및 교통 규칙(312)의 집합에 따라, 각 시점에서의 주행 환경을 인지함으로써 획득한 인지 데이터에 기반하여 실행된다. 예를 들어, 물체가 반대 방향에 위치한 차량이고 현재 주행 환경에는 교차로가 포함될 경우, 예측 모듈(303)은 상대 차량이 앞방향으로 직선 이동하거나 또는 선회할 것으로 예측한다. 인지 데이터가 교차로에 교통 신호등이 없음을 가리킬 경우, 예측 모듈(303)은 차량이 교차로에 진입하기 전에 완전히 멈춰야 할 수 있음을 예측할 수 있다. 인지 데이터가 차량이 현재 좌회전 차선 또는 우회전 차선에 위치함을 가리킬 경우, 예측 모듈(303)은 각각 차량이 좌회전 또는 우회전할 가능성이 높은 것으로 예측할 수 있다.
특정 물체(예를 들어, 교차 도로 중의 다른 한 차량) 및 해당 물체를 나타내는 메타 데이터(예를 들어, 속도, 방향, 조향 각도)에 대해, 결정 모듈(304)은 어떠한 방식으로 물체와 대면할지를 결정한다(예를 들어, 추월, 양보, 정지, 통과). 결정 모듈(304)은 영구 저장 장치(352)에 저장된 교통 규칙 또는 주행 규칙(312)과 같은 규칙 집합에 따라 이러한 결정을 내릴 수 있다.
인지된 물체들 각각에 대한 결정에 기반하여, 계획 모듈(305)은 자율 주행 차량에 대한 경로 또는 루트 뿐만 아니라 주행 파라미터(예를 들어, 거리, 속도 및/또는 회전 각도)를 계획한다. 즉, 주어진 물체에 대해, 결정 모듈(304)은 물체에 대한 처리를 결정하고, 계획 모듈(305)은 그것을 어떻게 수행할지를 결정한다. 예를 들어, 주어진 물체에 대해, 결정 모듈(304)은 물체를 지나가는 것으로 결정할 수 있는 반면, 계획 모듈(305)은 물체의 좌측 또는 우측으로 지나갈지를 결정할 수 있다. 계획 및 제어 데이터는 계획 모듈(305)에 의해 생성되고, 차량(300)이 다음 이동 주기(예를 들어, 다음 루트/경로 세그먼트)에서 어떻게 움직일 것인지를 기술하는 정보를 포함한다. 예를 들어, 계획 및 제어 데이터는, 차량(300)이 시속 30 마일(mph)의 속력으로 10m 이동한 다음 25 mph의 속력으로 우측 차로로 변경하도록 지시할 수 있다.
계획 및 제어 데이터에 기반하여, 제어 모듈(306)은 계획 및 제어 데이터에 의해 정의된 루트 또는 경로에 따라, 차량 제어 시스템(111)에 적절한 명령 또는 신호를 전송함으로써 자율 주행 차량을 제어 및 주행한다. 계획 및 제어 데이터에는, 경로 또는 루트 상의 시간에 따른 상이한 시점에서 적절한 차량 설정 또는 주행 파라미터(예를 들어, 스로틀, 제동 및 선회 명령)를 사용하여 루트 또는 경로의 제1 지점에서 제2 지포인트까지 차량을 주행할 수 있는 충분한 정보가 포함되어 있다.
일 실시예에 있어서, 계획 단계는 다수의 계획 주기(또는 주행 주기로 지칭됨)로 나뉘어 수행된다. 예를 들어, 100밀리세컨드(ms)의 시간 간격으로 수행될 수 있다. 다수의 계획 주기 또는 주행 주기 각각에 대해, 계획 및 제어 데이터에 기반하여 하나 또는 다수의 제어 명령을 내린다. 다시 말하면, 매 100ms마다, 계획 모듈(305)은 예를 들어 목적지 위치 및 ADV가 목적지 위치에 도달하기까지 소요되는 시간을 포함하여 다음 루트 구간 또는 경로 구간을 계획한다. 대안적으로, 계획 모듈(305)은 특정 속도, 방향 및/또는 조향 각도 등을 지정할 수도 있다. 실시예에 있어서, 계획 모듈(305)은 다음의 미리 정해진 기간(예를 들어, 5초)에 대한 루트 구간 또는 경로 구간을 계획한다. 각각의 계획 주기에 있어서, 계획 모듈(305)은 앞 주기에서 계획한 목적지 위치에 따라 현재 주기(예를 들어, 다음 5초)에 대한 목적지 위치를 계획한다. 그 다음, 제어 모듈(306)은 현재 주기의 계획 또는 제어 데이터에 기반하여 하나 또는 다수의 제어 명령(예를 들어, 스로틀, 브레이크, 조향 제어 명령)을 생성한다.
결정 모듈(304) 및 계획 모듈(305)은 통합 모듈로 통합될 수 있다. 결정 모듈(304)/계획 모듈(305)은, 자율 주행 차량에 대한 주행 경로를 결정하기 위한 내비게이션 시스템 또는 내비게이션 시스템의 기능들을 포함할 수 있다. 예를 들어, 네비게이션 시스템은, 자율 주행 차량이 주행하는 동안 인지된 장애물을 실질적으로 피하면서 최종 목적지에 이르는 도로 기반 경로를 따라 이동할 수 있도록, 일련의 속도 및 진행 방향(directional heading)을 결정한다. 목적지는, 사용자 인터페이스 시스템(113)을 통한 사용자 입력에 따라 설정될 수 있다. 내비게이션 시스템은, 자율 주행 차량이 운행되는 동안 주행 경로를 동적으로 업데이트할 수 있다. 네비게이션 시스템은, 자율 주행 차량을 위한 주행 경로를 결정하기 위해 GPS 시스템 및 하나 이상의 지도로부터의 데이터를 통합할 수 있다.
결정 모듈(304)/계획 모듈(305)은 충돌 방지 시스템 또는 충돌 방지 시스템의 기능을 더 포함함으로써, 자율 주행 차량의 환경 속의 잠재적인 장애물들을 평가하고 피면 또는 기타 방식으로 통과할 수 있다. 예를 들어, 충돌 방지 시스템은 아래와 같은 방식으로 자율 주행 차량의 네비게이션 중의 변화를 실현할 수 있다: 제어 시스템(111) 중의 하나 또는 다수의 서브 시스템을 작동하여 스워빙(swerving) 동작, 턴 동작 또는 브레이킹 동작 등을 수행한다. 충돌 방지 시스템은 주위의 교통 패턴, 도로 상황 등에 따라 자동적으로 가능한 장애물 회피 동작을 확정할 수 있다. 충돌 방지 시스템은 기타 선세 시스템이 자율 주행 차량이 스워빙하여 진입할 인접 영역 내에 위치한 차량, 건축 장애물 등을 감지할 경우 스워빙 동작을 수행하지 않도록 구성될 수 있다. 충돌 방지 시스템은 자동적으로 사용 가능할 뿐만 아니라 자율 주행 차량의 승객의 안전성을 최적화 할 수 있는 동작을 선택할 수 있다. 충돌 방지 시스템은 자율 주행 차량의 승객실 내에서 가장 적은 량의 가속도를 일으키는 것으로 예측되는 회피 동작을 선택할 수 있다.
루트 배정 모듈(307)은 예를 들어 지도 정보(예를 들어, 도로 구간, 도로 구간의 차선 및 차선으로부터 커브(curb)까지의 거리에 관한 정보)에 의해 기준 라인을 생성할 수 있다.예를 들어, 도로는 {A, B 및 C} 섹션 또는 구간으로 나뉘어 3개의 도로 구간을 표시할 수 있다. 도로 구간A의 3개의 차선은 {A1, A2 및 A3}으로 예시될 수 있다. 기준 루트는 기준 루트에 따라 기준점을 생성함으로써 형성된다. 예를 들어, 차선에 대해, 루트 배정 모듈(307)은 지도 데이터에 의해 제공된 차선의 서로 마주하는 2개의 커브 또는 도로 가장자리의 중심점을 연결할 수 있다. 과거 서로 다른 시점에서 해당 차선에서 주행하였던 차량에 대해 수집한 데이터 포인터를 표시하는 기계 학습 데이터 및 상기 중간점에 기반하여, 루트 배정 모듈(307)은 차선의 미리 정해진 인접 범위 내에서 수집한 데이터 포인트의 서브 집합을 선택하고 수집한 데이터 포인트의 서브 집합에 따라 상기 중간점에 대해 평활 함수(smoothing function)를 적용함으로써 기준점을 산출할 수 있다.
기준점 또는 차선 기준점에 기반하여, 루트 배정 모듈(307)은 기준점에 대한 보간(interpolate)을 통해 기준 라인을 생성함으로써, 상기 생성된 기준 라인이 상기 차선 상의 ADV를 제어하기 위한 기준 라인으로 사용될 수 있도록 한다. 일부 실시예에 있어서, 기준 라인을 표시하는 기준점 테이블 및 도로 구간 테이블은 실시간으로 ADV에 다운로드됨으로써, ADV가 ADV의 지리적 위치 및 주행 방향에 따라 기준 라인을 생성한다. 예를 들어, 일 실시예에 있어서, ADV는 전방에 곧 나타날 도로 구간을 표시하는 경로 구간 식별자 및/또는 ADV의 GPS 위치에 기반하여 경로 구간에 대한 루트 배치 서비스를 요청함으로써, 기준 라인을 생성할 수 있다. 경로 구간 식별자에 기반하여, 루트 배치 서비스는 ADV 기준점 테이블에 리턴될 수 있고, 상기 ADV 기준점 테이블은 도로 구간 내의 모든 관심있는 차선의 기준점을 포함한다. ADV는 경로 구간의 차선의 기준점을 조회하여, 차선 상의 ADV를 제어하기 위한 기준 라인을 생성할 수 있다.
상기한 바와 같이, 경로 또는 루트 배정 모듈(307)은 사용자의 여정 또는 루트에 관한 임의의 데이터를 관리한다. ADV의 사용자는 시작점 위치 및 목적지 위치를 지정하여 여정 관련 데이터를 획득한다. 여정 관련 데이터는 루트 구간 및 루트 구간의 기준 라인 또는 기준점을 포함한다. 예를 들어, 루트 맵 정보(311)에 기반하여, 루트 모듈(307)은 루스 또는 도로 구간 테이블 및 기준점 테이블을 생성한다. 기준점은 도로 구간 테이블 중의 도로 구간 및/또는 차선과 관련된다. 기준점은 보간에 의해 ADV를 제어하기 위한 하나 또는 다수의 기준 라인을 형성할 수 있다. 기준점은 도로 구간 및/또는 도로 구간의 구체적인 차선에만 한정될 수 있다.
예를 들어, 도로 구간 테이블은 도로 구간(A 내지 D)의 이전 차선 및 다음 차선을 포함하는, 쌍으로 구성된 명칭-값일 수 있다. 예를 들어, 차선(1)을 구비한 도로 구간(A 내지 D)에 있어서, 도로 구간 테이블은 {(A1, B1), (B1, C1), (C1, D1)}일 수 있다. 기준점 테이블은 도로 구간 차선에 대한 x-y 좌표 형식의 기준점을 포함할 수 있다. 예를 들어{(A1, (x1, y1)), (B1, (x2, y2)), (C1, (x3, y3)), (D1, (x4, y4))}일 수 있고, 여기서, A1 내지 D1은 도로 구간(A 내지 D)의 차선(1)을 표시하고, (x1, y1) 내지 (x4, y4)은 상응한 현실 세계의 좌표이다. 일 실시예에 있어서, 도로 구간 및/또는 차선은 미리 정해진 길이, 예를 들어, 약 200 미터의 도로 구간/차선으로 분할될 수 있다. 다른 일 실시예에 있어서, 예를 들어 도로의 곡률과 같은 도로 상황에 따라, 도로 구간 및/또는 차선은 가변 길이의 구간/차선으로 나뉠수 있다. 일부 실시예에 있어서, 각각의 도로 구간 및/또는 차선은 다수의 기준점을 포함할 수 있다. 일부 실시예에 있어서, 기준점은 예를 들어, 경위도와 같은 기타 좌표계로 전환될 수 있다.
일부 실시예에 있어서, 기준점은 예를 들어, SL(station-lateral) 맵의 주행거리-횡편위(station-lateral) 좌표계와 같은 상대적 죄표계로 전환될 수 있다. 주행거리-횡편위 좌표계는 고정된 기준점을 참조하여 기준 라인을 따르는 좌표계이다. 예를 들어, (S, L)=(1, 0)좌표는 0미터의 횡편위를 갖는 기준 라인 상의 고정점(즉, 기준점)에 대해 앞방향으로 1미터를 가리킨다. (S, L)=(2, 1)기준점은 기준 라인을 따라 고정된 기준점에 대해 앞방향으로 2미터 및 기준 라인이 횡단방향으로 1미터, 예를 들어, 좌측으로 1미터 편위됨을 가리킨다. SL 맵은 SL 좌표계에서의 기준 라인 또는 주행 궤적에 기반한 주행거리-횡편위 맵을 가리킨다. SL 맵은 기준 라인 또는 주행 궤적을 2차원 실세계 경위도 좌표 맵에 매핑시킬 수 있다.
일 실시예에 있어서, 결정 모듈(304)은 루트 배정 모듈(307)에 의해 제공된 기준 라인 및 ADV에 의해 인지된 ADV 주위의 장애물 및/또는 교통 정보에 기반하여 대략적인(rough) 경로 프로필을 생성한다. 대략적인 경로 프로필은 경로/속도 프로필(313)의 일부분일 수 있고, 상기 대략적인 경로 프로필은 영구 저장 장치(352)에 저장될 수 있다. 대략적인 경로 프로필은 기준 라인을 따라 포인트를 선택함으로써 생성된다. 각각의 포인트에 대해, 기타 포인트가 안정된 상태를 유지하는 상태에서, 결정 모듈(304)은 상기 물체와 어떻게 대면할지에 대한 하나 또는 다수의 장애물 결정에 따라 해당 포인트를 기준 라인의 좌측 또는 우측(예를 들어, 후보자 이동(candidate movements))으로 이동시킨다. 상기 후보자 이동은 후보자 경로에 대해 동적 계획을 적용하여 반복적으로 수행될 수 있다. 여기서, 도 3a의 코스트 함수(315)의 일부분인 코스트 함수를 이용하여 최소 경로 코스트를 구비한 후보자 경로를 검색함으로써, 대략적인 경로 프로필을 생성한다. 코스트 함수의 예시에는: 루트 경로의 곡률, ADV에서 인지된 장애물의 거리 및 ADV로부터 기준 라인까지의 거리에 기반한 코스트가 포함된다. 일 실시예에 있어서, 생성된 대략적인 경로 프로필은 주행거리-횡편위 맵을 포함하고, 상기 주행거리-횡편위 맵은 SL 맵/ST 그래프(314)의 일부분으로서 영구 저장 장치(352)에 저장될 수 있다. ST 그래프 또는 주행거리-시간 그래프는 주행거리-시간 좌표계에서의 기준 라인 또는 주행 궤적을 묘사한다. ST 그래프는 경과 시간과 기준 라인에 따른 거리의 관계를 구성한다.
일 실시예에 있어서, 결정 모듈(304)은 생성된 대략적인 경로 프로필에 기반하여 대략적인 속도 프로필(경로/속도 프로필(313)의 일부분)을 생성한다. 대략적인 속도 프로필은 특정 시점에서 ADV를 제어하기 위한 최적의 속도를 가리킨다. 대략적인 경로 프로필과 유사하게, 동적 계획을 이용하여 서로 다른 시점에서의 후보자 속도를 반복함으로써, ADV에 의해 인지된 장애물이 코스트 함수(도 3a의 코스트 함수(315)의 일부분)에 기반하여 최소 속도 코스트를 갖는 후보자 속도(예를 들어, 가속 또는 감속)를 검색한다. 대략적인 속도 프로필은 ADV가 장애물을 추월해야 하는지 아니면 회피해야 하는지 및 , 장애물의 좌측으로 주행해야 하는지 아니면 그의 우측으로 주행해야 하는지를 결정한다. 일 실시예에 있어서, 대략적인 속도 프로필은 주행거리-시간(ST; station-time) 맵(SL 맵/ST 그래프(314)의 일부분)을 포함한다. 주행거리-시간 그래프는 주행한 거리와 시간의 관계를 나타낸다.
일 실시예에 있어서, 이차 계획법(QP; quadratic programming)에 의해 경로 코스트 함수(코스트 함수(315의 일부분)을 최적화함으로써 대략적인 경로 프로필을 다시 계산한다. 일 실시예에 있어서, 재산출된 대략적인 경로 프로필은 주행거리-횡편위 맵(SL 맵/ST 그래프(314)의 일부분)을 포함한다.
일 실시예에 있어서, 계획 모듈(305)은 이차 계획법(QP)을 이용하여 대략적인 속도 프로필을 다시 계산함으로써 속도 코스트 함수(코스트 함수(315)의 일부분)을 최적화한다. 일 실시예에 있어서, 재산출된 대략적인 속도 프로필은 주행거리-시간 그래프(SL ??/ST 그래프(314)의 일부분)를 포함한다.
상술된 도면의 구성 요소의 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이러한 구성 요소는 영구 기억 장치에 설치되고 저장되는 소프트웨어로서 구현될 수 있고, 이는 본 출원 전반에 걸쳐 기술된 프로세스 또는 동작들을 실행하기 위해 메모리에 로딩되고 프로세서(미도시)에 의해 실행될 수 있다. 대안적으로, 이러한 구성 요소는, 집적 회로(예를 들어, 주문형 집적 회로 또는 ASIC), 디지털 신호 처리기(DSP) 또는 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA)와 같은 전용 하드웨어에 프로그램되거나 내장된 실행 가능 코드로서 구현될 수 있으며, 이는 애플리케이션으로부터 대응하는 드라이버 및/또는 운영 체제를 통해 액세스될 수 있다. 또한, 이러한 구성요소는, 하나 이상의 특정 명령을 통해 소프트웨어 구성요소에 의해 액세스 가능한 명령어 세트의 일부로서, 프로세서 또는 프로세서 코어 내에 특정 하드웨어 로직으로서 구현될 수 있다. 룩업 테이블(500 및 600)은 영구 저장 장치에서 유지되고, 메모리에 로딩되며, 다음 계획 구간에 대한 모션 계획을 선택할 때 모션 계획 선택기(350)에 의해 액세스 될 수 있다.
도 4는 일 실시예에 따른 결정 및 계획 과정의 일 예를 나타내는 블록도이다. 도 5는 일 실시예에 따른 계획 모듈의 일 예를 나타내는 블록도이다. 도 4를 참조하면, 결정 및 계획 과정(400)은 로컬라이제이션/인지 데이터(401), 경로 결정 프로세스(403), 속도 결정 프로세스(405), 경로 계획 프로세스(407), 속도 계획 프로세스(409), 애그리게이터(411) 및 궤적 계산기(413)를 포함한다.
경로 결정 프로세스(403) 및 속도 결정 프로세스(405)는 각각 도 3a의 결정 모듈(304)에 의해 수행될 수 있다. 다시 도 4를 참조하면, 경로 결정 프로세스(403)는 동적 계획을 이용하여, 경로 계획 프로세스(407)/속도 계획 프로세스(409)의 초기 제약인 대략적인 경로 프로필를 생성할 수 있다. 동적 계획(또는 동적 최적화)는 수학적 최적화 방법으로서, 이는 해결하고자 하는 문제를 일련의 수치 함수로 분해하고, 이러한 수치 함수 중의 각각의 함수에 대해 한번씩 해답을 구하여 이들의 해답을 저정한다. 차후에 동일한 수치 함수가 나타날 경우, 다시 이들의 해답을 구할 필요가 없이 이전에 산출한 값을 조회하기만 하면 되므로 계산의 시간을 절약할 수 있다. 예를 들어, 대략적인 경로 프로필의 일부분으로서, 교통 규칙, 루트 배정 모듈(307)에 의해 제공된 기준 라인 및 ADV에 의해 인지된 장애물에 기반하여, 경로 결정 프로세스(403)는 인지된 장애물을 어떻게 대처할지(즉, 무시, 추월, 양보, 정지, 통과)를 결정할 수 있다.
일 실시예에 있어서, 대략적인 경로 프로필은 코스트 함수에 의해 생성되고, 상기 코스트 함수는 경로의 곡률 및 기준 라인 및/또는 기준점으로부터 인지된 장애물까지의 거리에 기반한 코스트를 포함한다. 기준 라인 상의 포인트를 선택하여 상기 포인트를 기준 라인의 좌측 또는 우측으로 이동시켜, 경로 후보 항목을 표시하는 후보자 이동으로 간주한다. 후보자 이동은 연관 코스트를 구비한다. 기준 라인 상의 하나 또는 다수의 포인트의 후보자 이동의 연관 코스트는 최적 코스트에 대한 동적 계획을 이용하여 순차적으로 한번에 한 포인트씩 해답을 구할 수 있다. 일 실시예에 있어서, 결정 모듈(304)은 대략적인 경로 프로필의 일부분인 주행거리-횡편위(SL) 맵을 생성한다. 여기서, 인지된 장애물은 SL 맵의 SL 경계선으로 모델화될 수 있다. SL 맵은 2차원 기하학 지도(x-y좌표 평면과 유사함)로서, ADV에 의해 인지된 장애물 정보(또는 SL 경계선)를 포함한다. 생성된 SL 맵에는 ADV를 제어하기 위한 ADV 경로가 배치된다.
속도 결정 프로세스(405)는 동적 계획을 이용하여, 경로 계획 프로세스(407)/속도 계획 프로세스(409)의 초기 제약인 대략적인 속도 프로필를 생성할 수 있다. 예를 들어, 속도 결정 프로세스(405)는 ADV의 속도 상태(예를 들어, 가속 또는 감속) 및 임의의 교통 정보에 기반하여 대략적인 속도 프로필을 생성함으로써, 언제 ADV가 가속 및/또는 감속할지를 제어할 수 있다. 결정 모듈(304)은 대략적인 속도 프로필313의 일부분인 주행거리-시간(ST)맵을 생성할 수 있다.
도 4 내지 도 5를 참조하면, 경로 계획 프로세스(407)는 경로 계획 모듈(521)에 의해 수행될 수 있다. 경로 계획 모듈(521)은 스플라인 곡선 기반의 QP 옵티마이저(525) 및 장애시 안전(failsafe) QP 옵티마이저(527)를 포함할 수 있다. 경로 계획 프로세스(407) 또는 경로 계획 모듈(521)은 대략적인 경로 프로필(예를 들어, 주행거리-횡편위 맵)을 초기 제약으로 이용하여 스플라인 곡선 기반의 QP 옵티마이저(525)를 통해 2차 계획법(QP)으로 최적 기준 라인을 다시 계산할 수 있다. 2차 계획법은 경계선, 선형 방정식 및/또는 부등식 제약 등에 따라 목표 함수(예를 들어, 다수의 변수를 갖는 2차 함수)를 최소화 또는 최대화한다. 동적 계획과 2차 계획법 사이의 차이점 중 하나는, 이차 계획법이 일차적으로 기준 라인 상의 모든 포인트의 모든 후보자 이동을 최적화한다는 것이다. 본 출원의 전체를 거쳐, QP 최적화를 경로 및/또는 속도 최적화의 예시로 사용하였으나, 기타 옵티마이저를 사용할 수도 있다는 자명할 것이다.
도 5를 참조하면, 스플라인 곡선 기반의 옵티마이저(525; optimizer)(QP 모듈(540)의 일부분임)는 경로 결정 프로세스(403)에 의해 제공된 대략적인 경로 프로필의 인접한 제어 포인트 또는 일부 보간 제어 포인트를 연결하는 구간적 다항식(piecewise polynomial)을 초기화할 수 있다. 스플라인 곡선 기반의 옵티마이저(525)는 합동 평활 제약 (joint smoothness constraint) 세트(예를 들어, 인접한 구간적 다항식을 연결하는 1차, 2차, 3차 등 제약)를 추가함으로써, 다수의 구간적 다항식의 평활도를 개선하여 인접한 제어 포인트 사이의 다항식 구간들이 평활하게 연결되는 것을 확보할 수 있다. 스플라인 곡선 기반의 옵티마이저(525)는 커널 또는 가중 함수 세트를 구비한 목표 함수를 선택하여 이러한 목표 함수를 목표로 설정할 수 있다. 상기 목표 코스트 함수에 기반하여, 옵티마이저(525)는 2차 계획법 최적화를 이용하여 경로 코스트를 최소화함으로써 최적 경로 곡선을 다시 계산할 수 있다.
도 5를 참조하면, 장애시 안전 QP 옵티마이저(527)(QP 모듈(540)의 일부분임)는 경로 결정 프로세스(403)에 의해 제공된 대략적인 경로 프로필의 제어 포인트 또는 일부 보간 제어 포인트에 대해 QP 최적화를 수행할 수도 있다. 일 실시예에 있어서, 장애시 안전 QP 옵티마이저(527)는 유한 요소 최적화를 수행하는 유한 요소 옵티마이저를 포함할 수 있다. 유한 요소법 또는 유한 요소 최적화란 상대적으로 큰 문제를 보다 작은 것으로 세분화하여 보다 간단한 방정식으로 문제를 해법하는 수치적 방법이다. 이어서, 보다 작은 부분 또는 유한 요소를 모델화하는 더 간단한 방정식은 전체 시스템을 모델화하기 위한 보다 큰 방정식 시스템으로 조합된다. 보다 큰 방정식 시스템에 대해 해를 구함으로써 해답에 접근할수 있다. 이때, 옵티마이저(527)는 인접한 제어 포인트 사이의 불연속성을 감소하는 QP 문제를 최적화 또는 해결할 수 있다. 일 실시예에 있어서, 옵티마이저(527)는 각각의 인접한 제어 포인트 사이의 곡률의 불연속성을 감소함으로써, 각각의 인접한 제어 포인트 사이의 곡률 불연속성을 전반적으로 최소화하는 해답에 접근한다. 다른 일 실시예에 있어서, 옵티마이저(527)는 인접한 제어 포인트 사이의 앵글의 변화를 감소함으로써, 인접한 제어 포인트 사이의 볼연속성 또는 앵글 변화를 전반적으로 최소화하는 해답에 접근한다. 이어서, 접근한 해답은 최적의 경로 곡선(예를 들어, SL 맵)으로 확정된다.
도 4를 참조하면, 속도 계획 프로세스(409)는 도 5의 속도 계획 모듈(523)에 의해 수행될 수 있다. 도 5를 참조하면, 속도 계획 모듈(523)은 스플라인 곡선 기반의 QP 옵티마이저(531) 및 장애시 안전 옵티마이저(533)를 포함할 수 있다. 속도 계획 프로세스(409) 또는 속도 계획 모듈(523)은 대략적인 속도 프로필(예를 들어, 주행거리-시간 그래프(531)의 일부분인 주행거리-시간 그래프) 및 경로 계획 프로세스(407)로부터 제공받은 결과(예를 들어, 최적 경로 곡선)을 최적 주행거리-시간 곡선을 계산하기 위한 초기 조건으로 사용할 수 있다.
도 5를 참조하면, 최적 경로 곡선을 고려하여, 스플라인 곡선 기반의 QP 옵티마이저(531)(QP 모듈(540)의 일부분임)는 속도 결정 프로세스(405)에 의해 제공된 대략적인 속도 프로필의 인접한 제어 포인트 또는 일부 보간 제어 포인트를 연결하는 구간적 다항식을 초기화할 수 있다. 스플라인 곡선 기반의 QP 옵티마이저(531)는 합동 평활 제약 세트(예를 들어, 인접한 구간적 다항식을 연결하는 1차, 2차, 3차 등 제약)를 추가함으로써, 다수의 구간적 다항식의 평활도를 개선하여 인접한 제어 포인트 사이의 다항식 구간들이 평활하게 연결되는 것을 확보할 수 있다. 스플라인 곡선 기반의 QP 옵티마이저(531)는 커널 또는 가중 함수 세트를 구비한 목표 함수를 선택하여 이러한 목표 함수를 목표로 설정할 수 있다. 상기 목표 코스트 함수에 기반하여, 옵티마이저(531)는 최적 속도 곡선(optimal speed curve)에 대해 스플라인 곡선 기반의 QP 최적화를 이용하여 속도 코스트를 최소화함으로써 스플라인 곡선을 다시 계산하여 최적 속도 곡선을 획득할 수 있다.
도 5를 참조하면, 최적 경로 곡선을 고려하여, 장애시 안전 옵티마이저(533)(QP 모듈(540)의 일부분임)는 속도 결정 프로세스(405)에 의해 제공된 대략적인 속도 프로필제어 포인트 또는 일부 보간 제어 포인트를 최적화할 수도 있다. 일 실시예에 있어서, 장애시 안전 옵티마이저(533)는 인접한 제어 포인트 사이의 변화를 감소함으로써 제어 포인트를 최적화하는 유한 요소 옵티마이저를 포함할 수 있다. 일 실시예에 있어서, 옵티마이저(527)는 인접한 제어 포인트 사이의 가속도 변화 및 속도 변화를 감소함으로써 예를 들어 최적 속도 곡선의 해답에 접근한다.
도 4를 참조하면, 애그리게이터(411)는 경로 계획 결과와 속도 계획 결과를 통합하는 기능을 수행한다. 예를 들어, 일 실시예에 있어서, 애그리게이터(411)는 ST 그래프(예를 들어, 최적 속도 곡선)와 SL 맵(예를 들어, 최적 경로 곡선)을 SLT 그래프으로 합성한다. 다른 일 실시예에 있어서, 애그리게이터(411)는 SL 맵 또는 ST 그래프 상의 2개의 연속적인 포인트에 기반하여 보간(또는 추가 포인트를 삽입하는 것)을 진행한다. 다른 일 실시예에 있어서, 애그리게이터(411)는 제어 포인트를 (S, L) 좌표로부터 (x, y) 좌표로 전환할 수 있다. 궤적 계산기(413)는 SLT 그래프 및 이의 전환된 동등항에 기반하여 ADV를 제어하기 위한 최종 궤적(예를 들어, 주행 궤적)을 계산할 수 있다. 예를 들어, 애그리게이터(411)에 의해 제공되는 SLT 맵에 기반하여, 궤적 계산기(413)는 ADV가 언제 특정 (x, y)좌표를 통과하는지를 가리키는 일련의 (x, y, T) 포인트를 계산한다.
따라서, 경로 결정 프로세스(403) 및 속도 결정 프로세스(405)는 장애물 및/또는 교통 상황을 고려한 상태에서 대략적인 경로 프로필 및 대략적인 속도 프로필을 생성한다. 장애물과 연관되는 모든 경로 결정 및 속도 결정을 고려해 볼때, 경로 계획 프로세스(407) 및 속도 계획 프로세스(409)는 QP 프로그래밍(스플라인 곡선 기반의 QP 옵티마이저 또는 장애시 안전 QP 옵티마이저, 예를 들어, 유한 요소 기반의 QP 옵티마이저)을 이용하여 대략적인 경로 프로필 및 속도 프로필을 최적화함으로써, 최소 경로 코스트 및/또는 속도 코스트를 갖는 최적의 궤적을 생성한다.
도 6은 일 실시예에 따른 장애시 안전 메커니즘을 구비한 최적화 알고리즘에 대한 계획 주기를 나타내는 일 예이다. 도 6을 참조하면, 계획 주기(600)는 프로세스(1) 내지 프로세스(5)를 포함한다. 프로세스(1) 내지 프로세스(2)는 도 4의 경로 계획 프로세스(407)의 일부분일 수 있다. 프로세스(1) 내지 프로세스(2)는 각각 도 5의 경로 계획 모듈(521)의 스플라인 곡선 기반의 QP 옵티마이저(525) 및 장애시 안전 QP 옵티마이저(527)에 의해 수행될 수 있다. 프로세스(3) 내지 프로세스(4)는 도 4의 속도 계획 프로세스(409)의 일부분일 수 있다. 프로세스(3) 내지 프로세스(4)는 각각 도 5의 속도 계획 모듈(523)의 스플라인 곡선 기반의 QP 옵티마이저(531) 및 장애시 안전 옵티마이저(533)에 의해 수행될 수 있다. 프로세스(5)는 도 4의 애그리게이터(411)에 의해 수행될 수 있다.
프로세스(1)에서, 프로세스 로직은 스플라인 곡선 기반의 경로 QP 최적화를 수행하고, 최적화가 성공할 경우(예를 들어, 출력이 기정 조건을 만족할 경우), 프로세스 로직는 프로세스(3)으로 계속 진행된다. 프로세스(1)에서 최적화가 실패할 경우(예를 들어, 최적화 문제가 기정 회수의 유한 반복에서 수렴되지 않고, 어떤 이유로든 최적화 알고리즘에 오류가 발생되거나 완료될 수 없을 경우), 프로세스 로직은 프로세스(2)로 계속 진행된다. 프로세스(2)에서, 프로세스 로직은 장애시 안전 최적화인 유한 요소 기반의 경로 QP 최적화를 수행하고, 프로세스(3)으로 계속 진행된다. 프로세스(3)에서, 프로세스 로직은 스플라인 곡선 기반의 속도 QP 최적화를 수행하고, 최적화가 성공할 경우, 프로세스 로직은 프로세스(5)로 계속 진행된다. 프로세스(3)에서의 최적화가 실패할 경우(예를 들어, 최적화 문제가 기정 회수의 유한 반복에서 수렴되지 않고, 어떤 이유로든 최적화 알고리즘에 오류가 발생되거나 완료될 수 없을 경우), 프로세스 로직은 프로세스(4)로 계속 진행된다. 프로세스(4)에서, 프로세스 로직은 장애시 안전 최적화인 유한 요소 기반의 속도 QP 최적화를 수행하고, 프로세스(5)로 계속 진행된다. 프로세스(5)에서, 프로세스 로직은 경로 및 속도 최적화로부터 생성된 계획 결과를 합산하여 주행 궤적을 생성한다.
도 7은 일 실시예에 따른 도로 구간의 대략적인 경로 프로필(SL 맵)을 나타내는 일 예이다. 도 7을 참조하면, S 경로(700)는 제어 포인트(701 내지 704)를 포함한다. 제어 포인트(701 내지 704)는 구간적 다항식(711 내지 713)을 제공함으로써, 도 5의 경로 계획 모듈(521)의 스플라인 곡선 기반의 QP 옵티마이저(525)에 의해 스플라인을 형성한다. 스플라인은 함께 연결되어 곡선을 이루는 하나 또는 다수의 (예를 들어, 구간적)다행식으로 표시된 곡선이다. 평활도 또는 불연속성에 대해, 스플라인 곡선(711 내지 713)의 경로 코스트는 QP 최적화를 이용하여 최적화를 진행한다. 예를 들어, 일 실시예에 있어서, 스플라인 내의 각각의 다항식 함수는 아래와 같은 수 있다:
Figure 112019009767452-pat00001
여기서, s, l은 다항식의 n차 주행거리-횡편위의 1차원 기하학 좌표(s, l)이고, p 0..n 는 해를 구하고자 하는 다항식의 계수이다.
구간적 다항식은 부등식 제약 또는 등식 제약에 의해 제한되어, 인접한 구간적 다항식을 연결함과 동시에 인접한 구간적 다항식 사이의 평활도를 확보할 수 있는 바, 상기 부등식 제약은 상기 다항식이 통과하여야 하는 공간을 제한한다. 시스템은 목표 함수의 전체 코스트가 최소값에 도달하면서 상기 제약 세트를 만족하여 최적 경로 곡선을 생성하도록 목표 함수에 대해 2차 계획법 (QP) 최적화를 수행할 수 있다.
경로가 최적화될 경우, 도 5의 속도 계획 모듈(523)의 스플라인 곡선 기반의 QP 옵티마이저(531)를 통해, 각각의 제어 포인트 사이의 차량 속도 곡선을 표시하는 속도 구간적 다항식은 통상적인 구간적 다항식에 의해 주행거리-시간(ST; station-time) 맵으로 모델화될 수 있다. 예를 들어, 일 실시예에 있어서, 속도 스플라인 내의 각각의 구간적 다항식은 아래와 같을 수 있다:
Figure 112019009767452-pat00002
여기서, a 0i ,…, a 5i 는 5차 다항식의 계수이고, t는 0 내지 구간 전체 길이의 범위를 갖는 구간에서의 시간이며, s는 t 시간 동안의 누적 거리이다. 구간적 다항식은 임의의 회수 또는 그 조합일 수 있고, 5차 다항식에 한정되는 것이 아니라는 것을 유의하여야 한다. 이어서, 인접한 제어 포인트의 구간적 다항식은 부등식 제약 및 등식 제약에 의해 제한되어 인접한 구간적 다항식을 연결함과 동시에 인접한 구간적 다항식 사이의 평활도를 확보할 수 있는 바, 상기 부등식 제약은 구간적 다항식이 만족하여야 하는 속도(예를 들어, 최대 또는 최소 속도 제한)을 제한한다. 시스템은 속도 목표 함수의 총 코스트가 최소값에 도달하면서 상기 제약 세트를 만족하여 최적 속도 곡선을 생성하도록 속도 목표 함수에 대해 2차 계획법 (QP) 최적화를 수해할 수 있다. 최적 속도 곡선가 생성될 경우, 최적화된 ST 그래프 및 SL 맵을 합산하여 ADV를 제어하기 위한 궤적을 생성할 수 있다.
그러나, 스플라인 곡선 기반의 QP 최적화는 유한 회수의 반복에서 수렴되지 않을 수 있거나 최적화 오차로 인해 실패할 수 있다. 도 8은 일 실시예에 따른 장애시 안전 메커니즘인 유한 요소 기반의 QP 최적화에 대한 SL 맵의 일 예를 보여준다. 도 8을 참조하면, 일 실시예에 있어서, 도 5의 경로 계획 모듈(521)의 장애시 안전 QP 옵티마이저(527)를 통해, SL 맵의 인접한 제어 포인트 사이의 곡률/방향/양글의 변화를 최소화함으로써 최적 경로 곡선을 생성할 수 있다. 이러한 경우에 있어서, 총 곡률의 변화는 제어 포인트(701 내지 704) 사이의 곡률 또는 앵글의 개별적 변화의 보다 작은 문제로 세분화될 수 있다. 각 쌍의 인접한 제어 포인트 사이의 불연속성 중의 전역 최소값에 대해, 이러한 개별적인 변화들에 대해 반복적으로 선회하여(iteratively traverse)전역 최소값에 도달할 수 있다. 예를 들어, 최소화하고자 하는 앵글 코스트 함수는 아래와 같을 수 있다:
Figure 112019009767452-pat00003
여기서,
Figure 112019009767452-pat00004
는 인접한 제어 포인트 pi+3 와 pi+2 사이의 앵글 변화를 표시한다. 이와 유사하게,
Figure 112019009767452-pat00005
는 인접한 제어 포인트 pi+1 와 pi 사이의 앵글 변화를 표시한다.
이어서, 인접한 포인트 사이의 곡률 또는 앵글의 불연속성에 있어서 전역 최소값을 갖는 경로가 최적화된 경로 곡선으로 확정된다. 최적화된 경로(장애시 안전 QP 옵티마이저(527) 또는 스플라인 곡선 기반의 QP 옵티마이저(525)로부터 제공됨)를 구비한 후, 최적화된 경로 및 대략적인 속도 프로필에 따른 제어 포인트에 기반하여, 도 5의 장애시 안전 옵티마이저(533)를 통해 유한 요소 기반의 속도 QP 최적화 문제를 설정할 수 있다. 유한 요소 기반의 속도 QP 최적화에 대해, 최소화하고자 하는 코스트 함수는 아래와 같을 수 있다:
Figure 112019009767452-pat00006
여기서, 속도 코스트는 모든 경과 시간 포인트 상에서의 총합이고, α 및 β는 가중치 인자이고, 가속도는 가속도값 또는 2개의 인접한 포인트 사이의 속도 변화의 코스트를 표시하고, 속도는 제어 포인트에서의 속도값을 표시하며, 속도 목표는 차량이 제어 포인트에서의 원하는 목표 속도를 표시한다. 이어서, 인접한 포인트 사이에서의 속도 코스트 중에서 전역 최소값을 갖는 속도 곡선이 최적화된 속도 곡선으로 확정된다. 최적화된 속도 곡선 및 최적화된 경로를 합산함으로써 ADV를 제어하기 위한 주행 궤적을 생성할 수 있다.
도 9는 일 실시예에 따른ADV의 제어 방법을 나타내는 블록도이다. 프로세스(900)는 소프트웨어, 하드웨어 또는 이들의 조합을 포함할 수 있는 프로세스 로직에 의해 실행될 수 있다. 예를 들어, 프로세스(900)는 도 3a 내지 도 3b의 계획 모듈(305)에 의해 실행될 수 있다. 도 9를 참조하면, 블록(901)에서, 프로세스 로직은 맵 및 루트 정보에 기반하여 제1 궤적(예를 들어, 경로 프로필 및 속도 프로필)표현을 계산한다. 블록(902)에서, 프로세스 로직은 제1 궤적, 교통 규칙 및 ADV에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여 경로 최적화를 수행한다. 경로 최적화는 블록(903)에서 수행되는, 제1 궤적 상에서의 스플라인 곡선 기반의 경로 2차 계획법(QP)최적화를 포함한다. 블록(904)에서, 스플라인 곡선 기반의 경로 QP 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단한다. 블록(905)에서, 스플라인 곡선 기반의 경로 QP 최적화의 결과가 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 제1 궤적 상에서 유한 요소 기반의 경로 QP 최적화를 수행한다. 블록(906)에서, 경로 QP 최적화의 결과에 기반하여, 속도 QP 최적화를 수행한다. 블록(907)에서, 경로 QP 최적화 및 속도 QP 최적화에 기반하여 ADV를 제어하기 위한 제2 궤적을 생성한다.
일 실시예에 있어서, 속도 QP 최적화를 수행하는 것은, 최적화된 경로에 따라 제1 궤적 상에서 스플라인 곡선 기반의 속도 QP 최적화를 수행하고, 스플라인 곡선 기반의 속도 QP 최적화의 결과가 제2 기정 조건을 만족하는지 여부를 판단하며, 스플라인 곡선 기반의 속도 QP 최적화의 결과가 제2 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 최적화된 경로에 따라 제1 궤적 상에서 유한 요소 기반의 속도 QP 최적화를 수행하는 것을 포함한다. 다른 일 실시예에 있어서, ADV의 초기 속도 및 속제 제한에 기반하여 속도 QP 최적화를 수행한다. 다른 일 실시예에 있어서, 최적화된 경로는 방사방향의 경로를 포함하고, 상기 방사방향의 경로의 반경에 따라 속도 QP 최적화를 수행한다.
일 실시예에 있어서, 스플라인 곡선 기반의 경로 QP 최적화가 제1 기정 조건을 만족하는지 여부를 판단하는 것은, 스플라인 곡선 기반의 경로 QP 최적화의 반복 계산의 회수가 기정 회수를 초과하는지 여부를 판단하는 것을 포함한다. 일 실시예에 있어서, 스플라인 곡선 기반의 경로 QP 최적화가 제1 기정 조건을 초과하는지 여부를 판단하는 것은, 스플라인 곡선 기반의 경로 QP 최적화에 소요되는 시간이 기정 기간을 초과하는지 여부를 판단하는 것을 포함한다. 일 실시예에 있어서, 유한 요소 기반의 경로 QP 최적화를 수행하는 것은, 제1 궤적을 다수의 경로 포인트로 분할하고, 다수의 경로 포인트 중 인접한 경로 포인트 사이의 불연속성을 최소화하는 것을 포함한다.
도 10은 본 개시의 일 실시예와 함께 사용할 수 있는 데이터 처리 시스템의 일 예를 나타내는 블록도이다. 예를 들어, 시스템(1500)은 상기 과정 또는 방법 중의 어느 하나의 임의의 데이터 처리 시스템, 예를 들어, 도 1의 인지 및 계획 시스템(110) 또는 서버(103 내지 104)를 표시할 수 있다. 시스템(1500)은 다양한 부재들을 포함할 수 있다. 이러한 구성 요소들은, 집적 회로(IC), 그 부분, 개별 전자 장치 또는 컴퓨터 시스템의 마더 보드 또는 애드-인 카드와 같은 회로 보드에 적용되는 다른 모듈로서 구현될 수 있거나, 컴퓨터 시스템의 샤시 내에 다른 방법으로 통합되는 구성 요소들로써 구현될 수 있다.
또한, 시스템(1500)은 컴퓨터 시스템의 많은 구성 요소들의 상위 레벨 뷰를 도시하기 위한 것이다. 그러나, 추가의 구성 요소가 특정 구현예에 존재할 수 있고, 또한, 도시된 구성 요소의 상이한 배열이 다른 구현예에서 나타날 수 있음을 이해해야 한다. 시스템(1500)은 데스크탑, 랩탑, 태블릿, 서버, 셀룰러 폰, 미디어 플레이어, PDA(personal digital assistant), 스마트 워치, 개인용 통신기, 게임 장치, 네트워크 라우터 또는 허브, 무선 액세스 포인트(AP) 또는 중계기(repeater), 셋톱 박스 또는 이들의 조합일 수 있다. 또한, 단지 하나의 기계 또는 시스템이 도시되어 있으나, "기계" 또는 "시스템"이라는 용어는, 본 출원에서 기술하는 방법들의 하나 이상을 실행하기 위해, 개별적으로 또는 공통적으로 명령어들의 세트(또는 다수의 세트)를 수행하는 임의의 기계 또는 시스템의 집합을 포함하도록 취급될 것이다.
일 실시예에서, 시스템(1500)은 버스 또는 인터커넥트(1510)를 통해 프로세서(1501), 메모리(1503) 및 디바이스들(1505-1508)을 포함한다. 프로세서(1501)는, 내부에 단일 프로세서 코어 또는 다중 프로세서 코어를 포함하는, 단일 프로세서 또는 다중 프로세서를 나타낼 수 있다. 프로세서(1501)는, 마이크로 프로세서, 중앙 처리 장치(CPU) 등과 같은 하나 이상의 범용 프로세서를 나타낼 수 있다. 구체적으로, 프로세서(1501)는 CISC(COMPLEX INSTRUCTION SET COMPUTING) 마이크로프로세서, RISC(REDUCED INSTRUCTION SET COMPUTING) 마이크로프로세서, VLIW(VERY LONG INSTRUCTION WORD) 마이크로프로세서, 또는 다른 명령어 세트를 구현하는 프로세서, 또는 명령어 세트의 조합을 구현하는 프로세서들일 수 있다. 프로세서(1501)는 주문형 집적 회로(ASIC), 셀룰러 또는 베이스 밴드 프로세서, 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서, 그래픽 프로세서, 통신 프로세서, 암호화 프로세서, 코-프로세서, 임베디드 프로세서, 또는 명령어를 처리할 수 있는 임의의 다른 유형의 로직 등과 같은 하나 이상의 특수 목적 프로세서일 수도 있다.
프로세서(1501)는, 초 저전압 프로세서와 같은 저전력 멀티 코어 프로세서 소켓일 수 있고, 시스템의 다양한 구성요소와의 통신을 위한 메인 프로세싱 유닛 및 중앙 허브로서 작동할 수 있다. 이러한 프로세서는 시스템 온 칩(SoC)으로서 구현될 수 있다. 프로세서(1501)는, 본 명세서에서 논의된 동작들 및 단계들을 수행하기 위한 명령어들을 실행하도록 구성된다. 시스템(1500)은, 디스플레이 제어기, 그래픽 프로세서 및/또는 디스플레이 장치를 포함할 수 있는, 선택적인 그래픽 서브 시스템(1504)과 통신하는 그래픽 인터페이스를 더 포함할 수 있다.
프로세서(1501)는, 일 실시예에서 주어진 양의 시스템 메모리를 제공하기 위한 다수의 메모리 장치를 통해 구현될 수 있는, 메모리(1503)와 통신할 수 있다. 메모리(1503)는, 랜덤 액세스 메모리(RAM), 다이나믹 RAM(DRAM), 동기식 DRAM(SDRAM), 스태틱 RAM(SRAM)와 같은 하나 이상의 휘발성 저장(또는 메모리) 장치 또는 기타 유형의 저장 장치를 포함할 수 있다. 메모리(1503)는, 프로세서(1501) 또는 임의의 기타 장치에 의해 실행되는 명령어들의 시퀀스를 포함하는 정보를 저장할 수 있다. 예를 들어, 다양한 운영 체제, 장치 드라이버, 펌웨어(예를 들어, 입출력 기본 시스템 또는 BIOS), 및/또는 애플리케이션의 실행 가능 코드 및/또는 데이터는 메모리(1503)에 로드되고 프로세서(1501)에 의해 실행될 수 있다. 운영 체제는, 예를 들어, 로봇 운영 체제(ROS), 마이크로소프트® 사의 윈도우즈® 운영 체제, 애플의 맥 OS®/iOS®, 구글®의 안드로이드®, LINUX, UNIX, 또는 다른 실시간 또는 임베디드 운영 체제와 같은 임의의 유형의 운영 체제일 수 있다.
시스템(1500)은, 네트워크 인터페이스 장치(들)(1505), 선택적인 입력 장치(들)(1506) 및 기타 선택적인 I/O 장치(들)(1507)를 포함하는 장치들(1505-1508)과 같은 I/O 장치들을 더 포함할 수 있다. 네트워크 인터페이스 디바이스(1505)는 무선 트랜시버 및/또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 무선 트랜시버는, WiFi 트랜시버, 적외선 트랜시버, 블루투스 트랜시버, WiMax 트랜시버, 무선 셀룰러 전화 트랜시버, 위성 트랜시버(예를 들어, GPS(Global Positioning System) 송수신기) 또는 다른 무선 주파수(RF) 트랜시버일 수 있으며, 또는 이들의 조합일 수 있다. NIC는 이더넷 카드(Ethernet card)일 수 있다.
입력 장치(들)(1506)는, 마우스, 터치 패드, (디스플레이 장치(1004)와 통합될 수 있는) 터치 감지 스크린, 스타일러스와 같은 포인터 장치 및/또는 키보드(예를 들어, 물리적 키보드 또는 터치 감지 스크린의 일부로 표시되는 가상 키보드)를 포함할 수 있다. 예를 들어, 입력 장치(1506)는, 터치 스크린에 결합되는 터치 스크린 제어기를 포함할 수 있다. 터치 스크린 및 터치 스크린 제어기는, 예컨대 다수의 터치 감도 기술 중 임의의 것을 사용하여 접촉(CONTACT) 및 이동(MOVE) 또는 중지(BREAK)를 검출할 수 있다. 터치 감도 기술은 예를 들어, 용량성, 저항성, 적외선 및 표면 탄성파 기술뿐만 아니라, 터치 스크린과의 하나 이상의 접촉점을 결정하기 위한 그 외의 근접 센서 어레이 또는 기타 요소를 포함하며, 이에 제한되지 않는다.
I/O 장치들(1507)은 오디오 장치를 포함할 수 있다. 오디오 장치는 음성 인식, 음성 복제, 디지털 녹음 및/또는 전화 기능과 같은 음성 작동 기능을 가능하게 하기 위해 스피커 및/또는 마이크를 포함할 수 있다. 기타 I/O 장치들(1507)은, USB(universal serial bus) 포트(들), 병렬 포트(들), 직렬 포트(들), 프린터, 네트워크 인터페이스, 버스 브리지(예를 들어, PCI-PCI 브리지), 센서(들)(예를 들어, 가속도계, 자이로스코프, 자력계, 광 센서, 나침반, 근접 센서 등과 같은 모션 센서) 또는 이들의 조합을 포함할 수 있다. 장치들(1507)은 이미징 프로세싱 서브 시스템(예를 들어, 카메라)를 더 포함할 수 있다. 이미징 프로세싱 서브 시스템은, 사진 및 비디오 클립 녹화와 같은 카메라 기능들을 가능하게 하는데 이용되는, CCD(CHARGE COUPLED DEVICE) 또는 CMOS(COMPLEMENTARY METAL-OXIDE SEMICONDUCTOR) 광학 센서와 같은 광학 센서를 포함할 수 있다. 특정 센서들은, 센서 허브(미도시)를 통해 인터커넥트(1510)에 연결될 수 있고, 키보드 또는 열 센서와 같은 기타 장치는 시스템(1500)의 구체적인 구성 또는 설계에 따라 내장형 제어기(미도시)에 의해 제어될 수 있다.
데이터, 애플리케이션, 하나 이상의 운영 체제 등과 같은 정보의 영구 저장을 제공하기 위해, 대용량 저장 장치(미도시)가 또한 프로세서(1501)에 연결될 수 있다. 다양한 실시예에서, 시스템 응답성을 향상하고 더 얇고 가벼운 시스템 설계를 가능하게 하기 위해, 이 대용량 저장 장치는 SSD(solid state device)를 통해 구현될 수 있다. 그러나, 기타 실시예들에서, 대용량 저장 장치는, 시스템 활동의 재가동 시에 빠른 파워 업이 일어나도록, 파워 다운 이벤트들 동안 컨텍스트 상태(context state) 및 다른 그러한 정보의 비 휘발성 저장을 가능하게 하기 위해 SSD 캐시로서 작용하는, 더 적은 양의 SSD 스토리지와 함께 하드 디스크 드라이브(HDD)를 사용하여 주로 구현될 수 있다. 또한, 플래시 장치는, 예를 들어, 직렬 주변 장치 인터페이스(SPI)를 통해 프로세서(1501)에 결합될 수 있다. 이 플래시 장치는, 시스템의 기타 펌웨어뿐만 아니라 BIOS를 포함하는, 시스템 소프트웨어의 비휘발성 저장 공간을 제공할 수 있다.
저장 장치(1508)는, 본 명세서에 기술된 방법들 또는 기능들의 하나 이상을 내장하는 하나 이상의 명령어 세트 또는 소프트웨어(예를 들어, 모듈, 유닛 및/또는 로직(1528)이 저장되는 컴퓨터 판독 가능 저장 매체(1509)(기계 판독 가능 저장 매체 또는 컴퓨터 판독 가능 매체로도 알려짐)을 포함할 수 있다. 프로세싱 모듈/유닛/로직(1528)은, 예를 들어, 도 3의 계획 모듈(305)및/또는 도 5의 스플라인 곡선 기반의 QP 옵티마이저(525) 및 장애시 안전 QP 옵티마이저 (527, 533)와 같은, 전술한 구성 요소들 중 임의의 것을 나타낼 수 있다. 프로세싱 모듈/유닛/로직(1528)은 또한 머신 액세스 가능 저장 매체를 또한 구성하는, 데이터 처리 시스템(1500), 메모리(1503) 및 프로세서(1501)에 의한 실행 중에 메모리(1503) 및/또는 프로세서(1501) 내에 완전히 또는 적어도 부분적으로 상주할 수 있다. 프로세싱 모듈/유닛/로직(1528)은 네트워크 인터페이스 장치(1505)를 통해 네트워크를 통해 더 송신되거나 수신될 수 있다.
또한, 컴퓨터 판독 가능 저장 매체(1509)는 전술한 일부 소프트웨어 기능을 지속적으로 저장하는데 사용될 수 있다. 컴퓨터 판독 가능 저장 매체(1509)는 예시적인 실시예에서 단일 매체로 도시되어 있으나, "컴퓨터 판독 가능 저장 매체"라는 용어는 하나 이상의 명령어 세트들을 저장하는 단일 매체 또는 다중 매체(예를 들어, 중앙 집중식 또는 분산형 데이터베이스 및/또는 연관된 캐시들 및 서버들)를 포함하도록 취급되어야 한다. "컴퓨터 판독 가능 저장 매체"라는 용어는, 또한 기계에 의한 실행을 위한 명령 세트를 저장 또는 인코딩할 수 있고, 본 개시의 방법들 중 하나 이상을 기계가 수행하게 하는 임의의 매체를 포함하도록 취급될 것이다. 따라서, "컴퓨터 판독 가능 저장 매체"라는 용어는, 솔리드 스테이트 메모리, 광학 및 자기 매체, 또는 임의의 기타 비 일시적 기계 판독 가능 매체를 포함하도록 취급되나, 이에 한정되는 것은 아니다.
프로세싱 모듈/유닛/로직(1528), 본 명세서에서 설명된 구성 요소들 및 다른 특징들은, 개별 하드웨어 구성 요소들로서 구현되거나, ASIC, FPGA, DSP 또는 유사한 장치와 같은 하드웨어 구성 요소들의 기능성에 통합될 수 있다. 또한, 프로세싱 모듈/유닛/로직(1528)은 하드웨어 장치 내의 펌웨어 또는 기능 회로로 구현될 수 있다. 또한, 프로세싱 모듈/유닛/로직(1528)은 임의의 조합 하드웨어 장치 및 소프트웨어 구성 요소로 구현될 수 있다.
시스템(1500)은, 데이터 처리 시스템의 다양한 구성 요소로 도시되어 있으나, 구성 요소들을 서로 연결시키는 임의의 특정 아키텍처 또는 방식을 나타내기 위한 것이 아니다. 이러한 세부 사항들은 본 개시의 특정 실시예들에 관련되는 것이 아니다. 네트워크 컴퓨터, 휴대식 컴퓨터, 셀룰러 폰, 서버 및/또는 더 적은 구성 요소 또는 더 많은 구성 요소를 갖는 기타 데이터 처리 시스템 또한 본 개시의 실시예들과 함께 사용될 수 있다.
전술한 상세 설명의 일부는, 컴퓨터 메모리 내의 데이터 비트에 대한 동작의 알고리즘 및 기호 표현의 방식으로 제시되었다. 이러한 알고리즘 설명 및 표현은, 데이터 처리 기술 분야의 당업자가 자신의 연구 내용을 다른 당업자에게 가장 효과적으로 전달하는데 사용되는 방법이다. 알고리즘은 본 명세서에서 그리고 일반적으로, 원하는 결과를 이끌어내는 일관된 동작 순서(self-consistent sequence)로 인식된다. 이 동작들은 물리량의 물리적인 조작을 요구하는 것들이다.
그러나 이러한 모든 용어 및 그와 유사한 용어들은 적절한 물리량과 관련되어야 하며 이러한 수량에 적용되는 편리한 레이블일 뿐이다. 상기 기재로부터 명백한 바와 같이, 특별히 달리 언급되지 않는 한, 명세서 전반에 걸쳐, 이하의 특허청구범위에서 제시된 것과 같은 용어들을 활용한 기재는, 컴퓨터 시스템의 레지스터 및 메모리 내의 물리(전자)량으로 표현되는 데이터를, 컴퓨터 시스템 메모리 또는 레지스터 또는 기타 그러한 정보 저장소, 전송 또는 디스플레이 장치 내에 물리량으로 유사하게 표현되는 기타 데이터로 조작하고 변형시키는, 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치의 동작 및 프로세스를 지칭한다.
본 개시의 실시예는 또한 본 명세서의 동작을 수행하기 위한 장치에 관한 것이다. 이러한 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체에 저장된다. 기계 판독 가능 매체는, 기계(예를 들어, 컴퓨터)에 의해 판독 가능한 형태로 정보를 저장하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계 판독 가능(예를 들어, 컴퓨터 판독 가능) 매체는 기계(예를 들어, 컴퓨터) 판독 가능 저장 매체(예를 들어, 읽기 전용 메모리(ROM)), 랜덤 액세스 메모리(RAM), 자기 디스 저장 매체, 광학 저장 매체, 플래시 메모리 장치)를 포함한다.
상기 도면들에 도시된 프로세스들 또는 방법들은, 하드웨어(예를 들어, 회로, 전용 로직 등), 소프트웨어(예를 들어, 비일시적인 컴퓨터 판독 가능 매체 상에 구현되는), 또는 이들의 조합을 포함하는 프로세싱 로직에 의해 수행될 수 있다. 프로세스들 또는 방법들이 다양한 순차적인 동작들과 관련하여 상술되었으나, 기술된 동작들 중 일부는 이와 상이한 순서로 수행될 수 있다. 또한, 어떠한 동작들은 순차적인 순서가 아니라 병행으로 수행될 수도 있다.
본 개시의 실시예는 임의의 특정 프로그래밍 언어를 참조하여 설명되지 않는다. 본 명세서에 설명된 본 개시의 실시예들의 교시를 구현하기 위해 다양한 프로그래밍 언어가 사용될 수 있다는 것을 이해할 것이다.
전술한 명세서에서, 본 발명의 실시예는 특정 실시예를 참조하여 설명되었다. 후술되는 특허청구범위에 기재된 더 넓은 사상 및 범위를 벗어나지 않으면서도 본 발명에 대해 다양한 변형이 가능하다는 것은 명백할 것이다. 따라서, 명세서 및 도면은 제한적인 의미가 아닌 예시적인 의미로 해석되어야 한다.

Claims (21)

  1. 자율 주행 차량(ADV)의 주행 궤적을 생성하기 위한 컴퓨터 실현 방법에 있어서, 상기 방법은,
    맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 단계; 및
    상기 제1 궤적, 교통 규칙 및 상기 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여, 경로 최적화를 수행하는 단계;를 포함하되, 상기 경로 최적화를 수행하는 단계는,
    상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고;
    상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며;
    상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함하는 컴퓨터 실현 방법.
  2. 제1항에 있어서,
    속도 최적화를 수행하는 단계는,
    최적화된 경로에 따라, 상기 제1 궤적 상에서 스플라인 곡선 기반의 속도 최적화를 수행하고;
    상기 스플라인 곡선 기반의 속도 최적화의 결과가 제2 기정 조건을 만족하는지 여부를 판단하며;
    상기 스플라인 곡선 기반의 속도 최적화의 상기 결과가 상기 제2 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 최적화된 경로에 따라, 상기 제1 궤적 상에서 유한 요소 기반의 속도 최적화를 수행하는 것;을 포함하는 컴퓨터 실현 방법.
  3. 제2항에 있어서,
    상기 자율 주행 차량의 초기 속도 및 속도 제한에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 컴퓨터 실현 방법.
  4. 제3항에 있어서,
    상기 최적화된 경로는 방사방향의 경로를 포함하고, 상기 방사방향의 경로의 반경에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 컴퓨터 실현 방법.
  5. 제1항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 단계는,
    상기 스플라인 곡선 기반의 경로 최적화의 반복 계산의 회수가 기정 회수를 초과하는지 여부를 판단하는 것을 포함하는 컴퓨터 실현 방법.
  6. 제1항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 단계는,
    상기 스플라인 곡선 기반의 경로 최적화에 소요되는 시간이 기정 기간을 초과하는지 여부를 판단하는 것을 포함하는 컴퓨터 실현 방법.
  7. 제1항에 있어서,
    유한 요소 기반의 경로 최적화를 수행하는 단계는,
    상기 제1 궤적을 다수의 경로 구간으로 분할하고;
    상기 다수의 경로 구간 중의 인접한 경로 구간 사이의 불연속성을 최소화하는 것;을 포함하는 컴퓨터 실현 방법.
  8. 명령어가 저장된 비일시적 기계 판독 가능한 매체에 있어서, 상기 명령어는 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 동작; 및
    상기 제1 궤적, 교통 규칙 및 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여, 경로 최적화를 수행하는 동작;을 포함하되, 상기 경로 최적화를 수행하는 동작은,
    상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고;
    상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며;
    상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함하는 비일시적 기계 판독 가능한 매체.
  9. 제8항에 있어서,
    속도 최적화를 수행하는 동작은,
    최적화된 경로에 따라, 상기 제1 궤적 상에서 스플라인 곡선 기반의 속도 최적화를 수행하고;
    상기 스플라인 곡선 기반의 속도 최적화의 결과가 제2 기정 조건을 만족하는지 여부를 판단하며;
    상기 스플라인 곡선 기반의 속도 최적화의 결과가 상기 제2 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 최적화된 경로에 따라, 상기 제1 궤적 상에서 유한 요소 기반의 속도 최적화를 수행하는 것;을 포함하는 비일시적 기계 판독 가능한 매체.
  10. 제9항에 있어서,
    상기 자율 주행 차량의 초기 속도 및 속도 제한에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  11. 제10항에 있어서,
    상기 최적화된 경로는 방사방향의 경로를 포함하고, 상기 방사방향의 경로의 반경에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 비일시적 기계 판독 가능한 매체.
  12. 제8항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 동작은,
    상기 스플라인 곡선 기반의 경로 최적화의 반복 계산의 회수가 기정 회수를 초과하는지 여부를 판단하는 것을 포함하는 비일시적 기계 판독 가능한 매체.
  13. 제8항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 동작은,
    상기 스플라인 곡선 기반의 경로 최적화에 소요되는 시간이 기정 기간을 초과하는지 여부를 판단하는 것을 포함하는 비일시적 기계 판독 가능한 매체.
  14. 제8항에 있어서,
    유한 요소 기반의 경로 최적화를 수행하는 동작은,
    상기 제1 궤적을 다수의 경로 구간으로 분할하고;
    상기 다수의 경로 구간 중의 인접한 경로 구간 사이의 불연속성을 최소화하는 것;을 포함하는 비일시적 기계 판독 가능한 매체.
  15. 데이터 처리 시스템에 있어서,
    하나 또는 다수의 프로세서; 및
    저장 장치;를 포함하되,
    상기 저장 장치는 상기 하나 또는 다수의 프로세서에 연결되어 명령어를 저장하고, 상기 명령어는 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서로 하여금 이하 동작들을 수행하도록 하되, 상기 동작들은,
    맵 및 루트 정보에 기반하여 제1 궤적을 계산하는 동작; 및
    상기 제1 궤적, 교통 규칙 및 자율 주행 차량에 의해 인지된 장애물을 묘사하는 장애물 정보에 기반하여, 경로 최적화를 수행하는 동작;을 포함하되, 상기 경로 최적화를 수행하는 동작은,
    상기 제1 궤적 상에서 스플라인 곡선 기반의 경로 최적화를 수행하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하고;
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 상기 제1 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 제1 궤적 상에서 유한 요소 기반의 경로 최적화를 수행하고;
    상기 경로 최적화의 결과에 따라 속도 최적화를 수행하며;
    상기 경로 최적화 및 상기 속도 최적화에 기반하여 상기 자율 주행 차량을 제어하기 위한 제2 궤적을 생성하는 것;을 포함하는 데이터 처리 시스템.
  16. 제15항에 있어서,
    속도 최적화를 수행하는 동작은,
    최적화된 경로에 따라, 상기 제1 궤적 상에서 스플라인 곡선 기반의 속도 최적화를 수행하고;
    상기 스플라인 곡선 기반의 속도 최적화의 결과가 제2 기정 조건을 만족하는지 여부를 판단하며;
    상기 스플라인 곡선 기반의 속도 최적화의 결과가 상기 제2 기정 조건을 만족하지 않음을 확정하는 것에 응답하여, 상기 최적화된 경로에 따라, 상기 제1 궤적 상에서 유한 요소 기반의 속도 최적화를 수행하는 것;을 포함하는 데이터 처리 시스템.
  17. 제16항에 있어서,
    상기 자율 주행 차량의 초기 속도 및 속도 제한에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 데이터 처리 시스템.
  18. 제17항에 있어서,
    상기 최적화된 경로는 방사방향의 경로를 포함하고, 상기 방사방향의 경로의 반경에 기반하여 상기 속도 최적화를 수행하는 것을 특징으로 하는 데이터 처리 시스템.
  19. 제15항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 동작은,
    상기 스플라인 곡선 기반의 경로 최적화의 반복 계산의 회수가 기정 회수를 초과하는지 여부를 판단하는 것을 포함하는 데이터 처리 시스템.
  20. 제15항에 있어서,
    상기 스플라인 곡선 기반의 경로 최적화의 결과가 제1 기정 조건을 만족하는지 여부를 판단하는 동작은,
    상기 스플라인 곡선 기반의 경로 최적화에 소요되는 시간이 기정 기간을 초과하는지 여부를 판단하는 것을 포함하는 데이터 처리 시스템.
  21. 제15항에 있어서,
    유한 요소 기반의 경로 최적화를 수행하는 동작은,
    상기 제1 궤적을 다수의 경로 구간으로 분할하고;
    상기 다수의 경로 구간 중의 인접한 경로 구간 사이의 불연속성을 최소화하는 것;을 포함하는 데이터 처리 시스템.
KR1020190009895A 2018-01-26 2019-01-25 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘 Active KR102099152B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/881,708 US10816977B2 (en) 2018-01-26 2018-01-26 Path and speed optimization fallback mechanism for autonomous vehicles
US15/881,708 2018-01-26

Publications (2)

Publication Number Publication Date
KR20190095883A KR20190095883A (ko) 2019-08-16
KR102099152B1 true KR102099152B1 (ko) 2020-07-06

Family

ID=65324154

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190009895A Active KR102099152B1 (ko) 2018-01-26 2019-01-25 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘

Country Status (5)

Country Link
US (1) US10816977B2 (ko)
EP (1) EP3517893B1 (ko)
JP (1) JP6845874B2 (ko)
KR (1) KR102099152B1 (ko)
CN (1) CN110083149B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220092660A (ko) * 2020-12-24 2022-07-04 주식회사 라이드플럭스 자율주행 차량의 주행 경로 생성 방법, 장치 및 컴퓨터프로그램

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US10795367B2 (en) 2018-01-11 2020-10-06 Uatc, Llc Mapped driving paths for autonomous vehicle
US10782699B2 (en) * 2018-03-10 2020-09-22 Baidu Usa Llc Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
US11378961B2 (en) * 2018-04-17 2022-07-05 Baidu Usa Llc Method for generating prediction trajectories of obstacles for autonomous driving vehicles
EP3824404A4 (en) 2018-07-20 2022-04-27 May Mobility, Inc. MULTI-PERSPECTIVE SYSTEM AND BEHAVIORAL POLICY SELECTION PROCESS BY AN AUTONOMOUS AGENT
US10809736B2 (en) * 2018-12-27 2020-10-20 Baidu Usa Llc ST-graph learning based decision for autonomous driving vehicle
US10969470B2 (en) 2019-02-15 2021-04-06 May Mobility, Inc. Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent
US11409284B2 (en) 2019-05-15 2022-08-09 Baidu Usa Llc Relaxation optimization model to plan an open space trajectory for autonomous vehicles
US11493926B2 (en) * 2019-05-15 2022-11-08 Baidu Usa Llc Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US11467591B2 (en) * 2019-05-15 2022-10-11 Baidu Usa Llc Online agent using reinforcement learning to plan an open space trajectory for autonomous vehicles
KR102739802B1 (ko) * 2019-08-29 2024-12-09 삼성전자주식회사 로봇 및 이의 제어 방법
DE102019123899B3 (de) * 2019-09-05 2020-11-12 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren für autonomes Fahren eines Fahrzeugs
DE102019123900B3 (de) * 2019-09-05 2020-11-12 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren für optimiertes autonomes Fahren eines Fahrzeugs
US11958183B2 (en) 2019-09-19 2024-04-16 The Research Foundation For The State University Of New York Negotiation-based human-robot collaboration via augmented reality
US11378967B2 (en) * 2019-09-25 2022-07-05 Baidu Usa Llc Enumeration based failure prevention QP smoother for autonomous vehicles
US11279349B2 (en) 2019-09-26 2022-03-22 Intel Corporation Safety module, automated driving system, and methods thereof
US20220258763A1 (en) * 2019-09-27 2022-08-18 Aisin Corporation Drive assistance device and computer program
US11754408B2 (en) 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
US11815891B2 (en) * 2019-10-22 2023-11-14 Baidu Usa Llc End dynamics and constraints relaxation algorithm on optimizing an open space trajectory
CN110850878B (zh) * 2019-11-19 2023-04-25 深圳市镭神智能系统有限公司 智能车辆控制方法、装置、设备及介质
CN111174790B (zh) * 2019-12-03 2023-08-01 河海大学 一种地形剖面跟踪路径的形成方法
WO2021120202A1 (en) * 2019-12-20 2021-06-24 Baidu.Com Times Technology (Beijing) Co., Ltd. Implementation of dynamic cost function of self-driving vehicles
US11520009B2 (en) * 2020-02-05 2022-12-06 Caterpillar Inc. Method and system for detecting an obstacle
TWI745879B (zh) * 2020-03-06 2021-11-11 宏碁股份有限公司 自動駕駛系統以及自動駕駛方法
US11656627B2 (en) * 2020-03-23 2023-05-23 Baidu Usa Llc Open space path planning using inverse reinforcement learning
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
CN112601869B (zh) * 2020-04-10 2022-10-28 百度时代网络技术（北京）有限公司 操作自主驾驶车辆的方法、机器可读介质及数据处理系统
US11520343B2 (en) * 2020-06-15 2022-12-06 Argo AI, LLC Methods and systems for performing inter-trajectory re-linearization about an evolving reference path for an autonomous vehicle
EP4165476A4 (en) 2020-07-01 2024-07-03 May Mobility, Inc. Method and system for dynamically curating autonomous vehicle policies
CN112185147B (zh) * 2020-10-14 2021-10-22 安徽江淮汽车集团股份有限公司 一种车辆行驶过程优化方法、装置、设备及存储介质
CN114527737B (zh) * 2020-11-06 2024-08-02 陕西世纪华耀科技有限公司 用于自动驾驶的速度规划方法、装置、设备、介质和车辆
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
EP4260009A4 (en) 2020-12-14 2024-11-20 May Mobility, Inc. AUTONOMOUS VEHICLE SAFETY PLATFORM SYSTEM AND METHOD
CN112666945B (zh) * 2020-12-18 2024-07-12 广东嘉腾机器人自动化有限公司 一种agv曲线路径优化方法
FR3118669A1 (fr) * 2021-01-04 2022-07-08 Psa Automobiles Sa Procédé et dispositif de détermination d’une trajectoire d’un véhicule autonome
WO2022212944A1 (en) 2021-04-02 2022-10-06 May Mobility, Inc. Method and system for operating an autonomous agent with incomplete environmental information
DE102021112119A1 (de) 2021-05-10 2022-11-10 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Trajektorienplanung für ein Fahrzeug
JP2024526037A (ja) 2021-06-02 2024-07-17 メイ モビリティー，インコーポレイテッド 自律エージェントの遠隔支援のための方法及びシステム
CN113085850B (zh) * 2021-06-08 2021-09-21 新石器慧通（北京）科技有限公司 车辆避障方法、装置、电子设备及存储介质
CN113568403A (zh) * 2021-07-02 2021-10-29 广州小鹏自动驾驶科技有限公司 处理方法、处理装置、车辆及存储介质
CN113715845A (zh) * 2021-09-07 2021-11-30 北京百度网讯科技有限公司 一种自动驾驶方法、装置及电子设备
US12012123B2 (en) 2021-12-01 2024-06-18 May Mobility, Inc. Method and system for impact-based operation of an autonomous agent
DE102022102118A1 (de) 2022-01-31 2023-08-03 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zum Erzeugen von Trajektorien auf einer gegebenen Strecke für mehrere Fahrzeuge mit gegebenen Leistungsspezifikationen
JP2025507391A (ja) 2022-02-14 2025-03-18 メイ モビリティー，インコーポレイテッド 自律エージェントの条件付き動作のための方法及びシステム
CN114701521A (zh) * 2022-04-27 2022-07-05 阿波罗智能技术(北京)有限公司 自动驾驶方法、装置、自动驾驶车辆和电子设备
CN114838736A (zh) * 2022-04-29 2022-08-02 深圳优地科技有限公司 避障路径规划方法、装置、无人车和存储介质
WO2024086049A1 (en) * 2022-10-17 2024-04-25 Motional Ad Llc Guided generation of trajectories for remote vehicle assistance
WO2024129832A1 (en) 2022-12-13 2024-06-20 May Mobility, Inc. Method and system for assessing and mitigating risks encounterable by an autonomous vehicle
WO2024134321A1 (ja) * 2022-12-22 2024-06-27 ７０４４２ ロベルト•ボッシュ•ゲゼルシャフト•ミト•ベシュレンクテル•ハフツング 処理装置および処理方法
CN116069031B (zh) * 2023-01-28 2023-08-11 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101063302B1 (ko) 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
KR101585504B1 (ko) 2014-03-05 2016-01-15 국방과학연구소 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
JP2017134724A (ja) 2016-01-29 2017-08-03 トヨタ自動車株式会社 車両操舵制御装置
KR101769786B1 (ko) 2016-02-17 2017-08-21 한국전자통신연구원 전방 시뮬레이션 기반 최적 주행 속도 예측 시스템 및 방법

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5615116A (en) * 1990-02-05 1997-03-25 Caterpillar Inc. Apparatus and method for autonomous vehicle navigation using path data
JP4407906B2 (ja) 2004-03-10 2010-02-03 関東自動車工業株式会社 線状柔軟物の経路公差評価装置
US8170739B2 (en) * 2008-06-20 2012-05-01 GM Global Technology Operations LLC Path generation algorithm for automated lane centering and lane changing control system
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US8146021B1 (en) * 2009-08-18 2012-03-27 Adobe Systems Incorporated User interface for path distortion and stroke width editing
EP2942250B1 (en) * 2014-05-08 2017-02-01 Volvo Car Corporation Method for determining an evasive path for a host vehicle
US9405293B2 (en) 2014-05-30 2016-08-02 Nissan North America, Inc Vehicle trajectory optimization for autonomous vehicles
US9457807B2 (en) * 2014-06-05 2016-10-04 GM Global Technology Operations LLC Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
US9499197B2 (en) * 2014-10-15 2016-11-22 Hua-Chuang Automobile Information Technical Center Co., Ltd. System and method for vehicle steering control
KR101669622B1 (ko) * 2015-07-15 2016-10-26 국방과학연구소 무인주행차량의 자율주행을 위한 최적화기반 경로계획 방법 및 그 장치
JP6485639B2 (ja) 2015-07-22 2019-03-20 本田技研工業株式会社 経路生成装置、経路生成方法、および経路生成プログラム
US9740202B2 (en) 2016-01-08 2017-08-22 Waymo Llc Fall back trajectory systems for autonomous vehicles
CN105551284A (zh) * 2016-01-29 2016-05-04 武汉光庭科技有限公司 一种开放式自动驾驶系统
JP6614025B2 (ja) * 2016-05-20 2019-12-04 アイシン・エィ・ダブリュ株式会社 自動運転支援装置及びコンピュータプログラム
US10303166B2 (en) * 2016-05-23 2019-05-28 nuTonomy Inc. Supervisory control of vehicles
CN106114507B (zh) * 2016-06-21 2018-04-03 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
CN109804223A (zh) * 2016-10-11 2019-05-24 御眼视觉技术有限公司 基于检测到的障碍物导航车辆
US10345812B2 (en) * 2017-01-10 2019-07-09 GM Global Technology Operations LLC Methods and apparatus for optimizing a trajectory for an autonomous vehicle
CN106909144A (zh) * 2017-01-22 2017-06-30 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的田间避障路径规划及其控制方法
CN108445750B (zh) * 2017-02-16 2022-04-08 法拉第未来公司 用于车辆运动规划的方法和系统
CN106940933B (zh) * 2017-03-08 2019-05-24 北京理工大学 一种基于智能交通系统的智能车辆决策换道方法
US10379538B1 (en) * 2017-03-20 2019-08-13 Zoox, Inc. Trajectory generation using motion primitives
CN106926844B (zh) * 2017-03-27 2018-10-19 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
CN106931986A (zh) * 2017-04-26 2017-07-07 电子科技大学 个性化路径导航方法和系统
CN107608344B (zh) * 2017-08-21 2020-02-14 上海蔚来汽车有限公司 基于轨迹规划的车辆运动控制方法、装置及相关设备
US10877476B2 (en) * 2017-11-30 2020-12-29 Tusimple, Inc. Autonomous vehicle simulation system for analyzing motion planners
US11126177B2 (en) * 2018-01-24 2021-09-21 Motional Ad Llc Speed behavior planning for vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101063302B1 (ko) 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
KR101585504B1 (ko) 2014-03-05 2016-01-15 국방과학연구소 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
JP2017134724A (ja) 2016-01-29 2017-08-03 トヨタ自動車株式会社 車両操舵制御装置
KR101769786B1 (ko) 2016-02-17 2017-08-21 한국전자통신연구원 전방 시뮬레이션 기반 최적 주행 속도 예측 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220092660A (ko) * 2020-12-24 2022-07-04 주식회사 라이드플럭스 자율주행 차량의 주행 경로 생성 방법, 장치 및 컴퓨터프로그램
KR102507804B1 (ko) * 2020-12-24 2023-03-09 주식회사 라이드플럭스 자율주행 차량의 주행 경로 생성 방법, 장치 및 컴퓨터프로그램
US11780467B2 (en) 2020-12-24 2023-10-10 Rideflux Inc. Method and apparatus for creating driving route of autonomous vehicle and computer program therefor

Also Published As

Publication number Publication date
US20190235516A1 (en) 2019-08-01
JP2019128962A (ja) 2019-08-01
KR20190095883A (ko) 2019-08-16
CN110083149B (zh) 2022-05-13
EP3517893B1 (en) 2020-11-18
JP6845874B2 (ja) 2021-03-24
US10816977B2 (en) 2020-10-27
EP3517893A1 (en) 2019-07-31
CN110083149A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
KR102099152B1 (ko) 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘
KR102211299B1 (ko) 곡선 투영을 가속화하기 위한 시스템 및 방법
CN109947090B (zh) 用于自动驾驶车辆规划的非阻塞边界
CN109491376B (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
CN109491377B (zh) 用于自动驾驶车辆的基于dp和qp的决策和规划
CN109521761B (zh) 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统
CN109521762B (zh) 用于生成自动驾驶车辆的最优参考线路的计算机实施的方法、介质及系统
US10579062B2 (en) Scalable smooth reference path generator for autonomous driving vehicles
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
US20200003564A1 (en) Reference line smoothing method using piecewise spiral curves with weighted geometry costs
CN109491378B (zh) 自动驾驶车辆的基于道路分段的路线引导系统
KR20180074676A (ko) 자율 주행 차량의 조향률의 동적 조정
CN110597243A (zh) 自动驾驶车辆的基于v2x通信的车辆车道系统
CN112009487B (zh) 确定自动驾驶车辆的速度
CN111380534A (zh) 用于自动驾驶车辆的基于st图学习的决策
CN111830959A (zh) 用于操作自动驾驶车辆的方法、系统和机器可读介质
CN111649751B (zh) 一种用于参考线平滑的超自由缝合方法
US20210188308A1 (en) A qp spline path and spiral path based reference line smoothing method for autonomous driving
CN112272805A (zh) 连接两条平滑参考线的基于多点增强的拼接方法

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20190125

A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20190128

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20190125

Comment text: Patent Application

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20200323

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20200403

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20200406

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20230306

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20240424

Start annual number: 5

End annual number: 5