CN108062094A - 基于处理器实现的自主***和方法 - Google Patents

基于处理器实现的自主***和方法 Download PDF

Info

Publication number
CN108062094A
CN108062094A CN201711063047.2A CN201711063047A CN108062094A CN 108062094 A CN108062094 A CN 108062094A CN 201711063047 A CN201711063047 A CN 201711063047A CN 108062094 A CN108062094 A CN 108062094A
Authority
CN
China
Prior art keywords
vehicle
path
road
method described
compared
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.)
Granted
Application number
CN201711063047.2A
Other languages
English (en)
Other versions
CN108062094B (zh
Inventor
S·R·J·塔夫提
曾树青
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108062094A publication Critical patent/CN108062094A/zh
Application granted granted Critical
Publication of CN108062094B publication Critical patent/CN108062094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • 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
    • G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—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
    • G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • 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

Landscapes

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

Abstract

提供了用于控制车辆的***和方法。在一个实施例中，一种方法包括接收车辆和目标环境数据。基于接收到的数据生成搜索图。搜索图包含用于对目标定位的网格点，用于确定用于车辆的合适轨迹。

Description

基于处理器实现的自主***和方法
技术领域
本公开通常涉及自主车辆，更具体而言，涉及用于自主车辆轨迹规划的***和方法。
背景技术
自主车辆是一种能感应其环境，在用户输入较少或无用户输入情形下进行导航的车辆。自主车辆通过使用传感装置，如雷达、激光雷达、图像传感器等感应其环境。自主车辆***还使用来源于全球定位***(GPS)技术、导航***、车对车通信技术、车辆对基础设施技术、和/或线控驾驶***的信息来为车辆导航。
已将车辆自动化分成0至5个数级，0级对应于完全人控的无自动化，5级对应于无人控的完全自动化。各种自动驾驶辅助***，如巡航控制、自适应巡航控制和停车辅助***，对应于较低级的自动化程度，而真正的“无人驾驶”车辆对应于更高级的自动化程度。
因此，需要提供用于各种自动驾驶辅助***的高效轨迹规划***和方法。还需要提供应对各种驾驶环境(如，城市道路和高速道路驾驶环境，但不局限于此)的轨迹规划方法和***。此外，结合附图和前面的技术领域和背景技术部分，从随后的详细描述内容和所附的权利要求书，将能明显看出所述***和方法的其他合适特征和特性。
发明内容
提供了用于控制第一车辆的***和方法。在一个实施例中，一种方法包括接收车辆和对象数据。根据接收到的数据生成搜索图。搜索图包含用于对对象定位的网格点，用于确定车辆的轨迹路径。
在另一实施例中，一种方法包括，接收车辆状态数据、驾驶场景规划和车辆对象环境数据。根据接收到的车辆状态数据和驾驶场景规划生成搜索图。搜索图包含用于相对于参考轨迹路径对对象定位的网格点。搜索图使用坐标系表示对象相对于参考轨迹路径的横向偏移。确定出相对于特定成本函数而言最优的轨迹路径。将最优轨迹路径提供给车辆中的控制器，用于实施驾驶场景规划。
附图说明
下面将结合附图描述典型实施例，附图中的类似数字标记表示类似部件，附图如下：
图1是根据各实施例的示出了具有轨迹规划***的自主车辆的框图；
图2是根据各实施例示出了具有图1中的一个或多个自主车辆的交通***的框图；
图3和4是根据各实施例示出了自主车辆的轨迹规划***的数据流程图；
图5示出了包括自主驾驶主车辆的若干车辆的地形图；
图6是示出生成参考轨迹的地形图；
图7是示出生成搜索图的地形图；
图8是示出生成优化轨迹路径的地形图；
图9是示出确定安全通道的地形图；
图10是示出生成平滑轨迹的地形图；
图11是示出生成局部轨迹的地形图；
图12是根据各实施例的流程图，示出了用于控制自主驾驶主车辆的操作场景；
图13是示出了一个实施例中生成平滑轨迹的地形图；
图14是示出了一个实施例中生成局部轨迹的地形图；
图15是示出了一个实施例中威胁评估的地形图。
具体实施方式
下面的详细描述本质上仅是示范性的，并未旨在限制本申请和应用。此外，没有通过在前面的技术领域、背景技术、发明内容或下面的详细说明部分中表达或暗含的任何理论来进行限制的目的。文中所使用的术语“模块”表示专用集成电路(ASIC)、电路、处理器(共享、专用处理器或处理器组)和执行一种或多种软件或固件程序的存储器、组合逻辑电路、和/或提供所述功能的其他合适部件。
文中在功能和/或逻辑块部件和各种处理步骤方面对本公开的实施例加以描述。应该理解到，可通过任意数量的被配置成执行特定功能的硬件、软件和/或固件部件来实现这类块部件。例如，本公开的某实施例可使用各种集成电路部件，如，存储部件、数字信号处理部件、逻辑部件、查找表等，其可在控制一个或多个微处理器或其他控制装置的情况下实现各种功能。此外，本领域的技术人员将意识到，本公开的实施例与任意数量的***相结合实施，文中所述的***仅为本公开的示范性实施例。
为简洁起见，文中不将详细描述与信号处理、数据传输、信号传递、控制和***的其他功能方面(以及***的各操作部件)相关的传统技术。此外，文中各图中所示的连接线旨在表示各部件之间的示范性功能关系和/或物理联接。请注意，许多替换的或其他功能关系或物理连接可出现在本公开的实施例中。
参照图1，根据各实施例，大体用标记100示出的轨迹规划***与车辆10联接。概括而言，***100确定用于自动驾驶的轨迹规划。
如图1所示，车辆10大体包括底盘12、车体14、前轮16和后轮18。车体14设置在底盘12上，基本上封闭车辆10的部件。车体14和底盘12共同形成框架。车轮16-18在车体14的相应角落附近均可旋转地联接至底盘12上。
在各实施例中，车辆10是自主车辆，轨迹规划***100并入自主车辆10(下文称之为自主车辆10)中。自主车辆10例如是被自动控制以将乘客从一个位置运送到另一位置的车辆。在所示的实施例中将车辆10描述为客车，但是应该意识到，还可使用其他任何车辆，包括摩托车、卡车、运动型多用途车(SUV)、休闲车辆(RV)、船舶、航空器等。在某示范性实施例中，自主车辆10是所谓的四级或五级自动化***。四级***表示“高程度自动化”，涉及即使人类驾驶员未合适响应干预请求，动态驾驶任务所有方面中的由自动驾驶***实现的特定驾驶模式性能。五级***表示“完全自动化”，涉及在可由人类驾驶员控制的所有道路和环境条件下，动态驾驶任务所有方面中的由自动驾驶***实现的全时性能。
如图所示，自主车辆10大体包括推进***20、传输***22、转向***24、制动***26、传感***28、驱动***30、至少一个数据存储装置32、至少一个控制器34和通信***36。推进***20在各实施例中可包括内燃机、电机(如，牵引电动机)和/或燃料电池推进***。传输***22被配置为根据可选的速度比将动力从推进***20传输至车轮16-18。根据各实施例，传输***22可包括级比自动变速器、无级变速器或其他的合适变速器。制动***26被配置为将制动力矩传递给车轮16-18。制动***26在各实施例中可包括摩擦制动器、线控制动器、再生制动***(如，电机)和/或合适的其他制动***。转向***24影响车轮16-18的位置。尽管为解释目的而将转向***24描述为包括方向盘，但是，在本公开范围内可预见到的一些实施例中，转向***24可以不包括方向盘。
传感***28包括一个或多个传感装置40a-40n，其感应自主车辆10的外部环境和/或内部环境的可观测条件。传感装置40a-40n可包括但不局限于，雷达、激光雷达、全球定位***、光学相机、热成像仪、超声传感器和/或其他传感器。驱动***30包括一个或多个致动***42a-42n，致动***控制一个或多个车辆特征，车辆特征例如为推进***20、传输***22、转向***24和制动***26，但不局限于此。在各实施例中，车辆特征还可包括车辆内部和/或外部特征，如，门、主体、诸如空气、音乐、灯光等舱室特征(未用数字标注)，但不局限于此。
数据存储装置32存储用于自动控制自主车辆10的数据。在各实施例中，数据存储装置32存储可导航环境的指定地图。在各实施例中，指定地图可由远程***(将参照图2进一步加以详细描述)预先设定，从远程***获取。例如，指定地图可通过远程***汇集，(以无线和/或有线方式)被传达至自主车辆10，存储在数据存储装置32中。将能意识到，数据存储装置32可以是控制器32的一部分，或可独立于控制器34，或者既是控制器34的一部分又是单独***的部件。
控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以是定制或市售的任何处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关联的几种处理器中的一种辅助处理器、基于半导体的微处理器(微芯片或芯片组的形式)、宏处理程序、上述器件的任何组合形式、或通常是用于执行指令的任何装置。计算机可读存储装置或介质46例如可包括采用只读存储器(ROM)、随机存储器(RAM)和保活存储器(KAM)形式的易失和非易失存储器。KAM是持续内存或非易失存储器，其可在断掉处理器44的电源时用于存储各种操作变量。可通过使用一些公知存储装置中的任意一种来执行计算机可读存储装置或介质46，所述公知存储装置例如是PROM(可编程只读存储器)、EPROM(电可擦除可编程只读存储器)、闪速存储器、或能存储数据的其他任何电、磁、光或其组合形式的存储设备，其中一些表示由控制自主车辆10的控制器34所使用的可执行指令。
所述指令可包括一个或多个单独的程序，其中的每个程序均包括用于执行逻辑函数的可执行指令的有序表。所述指令在由处理器44执行时，接收和处理来自于传感***28的信号，执行逻辑、计算、方法和/或用于自动控制自主车辆10的部件的算法，产生控制信号给驱动***30以基于逻辑、计算、方法和/或算法自动控制自主车辆10的部件。尽管图1中仅示出一个控制器34，但是自主车辆10的实施例可包括任意数量的控制器34，控制器34在合适的任何通信介质或通信介质组合体上进行通信，共同协作处理传感器信号，执行逻辑、计算、方法和/或算法，产生控制信号以自动控制自主车辆10的特征。
在各实施例中，控制器34的一个或多个指令集成于轨迹规划***100中，在由处理器44执行时生成显示环境的运动和动态约束的轨迹输出。例如，指令接收输入处理传感器和地图数据。指令通过自定义成本函数执行图基方法以处理城市和高速道路上的不同的路面场景。
通信***36被配置成将信息无线通信至其他实体48，从其他实体48无线通信信息，实体48例如是其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程***和/或个人装置(将参照图2更详细加以描述)。在某示范性实施例中，通信***36是被配置成通过使用IEEE802.11标准或移动数据通信，借助无线局域网(WLAN)通信的无线通信***。但是，其他或替换的通信方法，如，专用短程通信(DSRC)通道也认为在本公开的范围内。DSRC通道指的是被特别设计用于车辆和相应的协议和标准组的单向或双向短程至中程无线通信通道。
现在参照图2，在各实施例中，针对图1所述的自主车辆10适用于一定地理区域(如，城市、学校或商业学校、购物中心、游乐园、活动中心等)中出租车或往返穿梭***环境下，或可仅由远程***控制。例如，自主车辆10可与基于自主车辆的远程运输***联接。图2示出了大体由标记50表示的操作环境的示范性实施例，操作环境50包括基于自主车辆的远程运输***52，远程运输***52与针对图1所述的一个或多个自主车辆10a-10n联接。在各实施例中，操作环境50还包括一个或多个通过通信网络56与自主车辆10和/或远程运输***52通信的用户装置54。
通信网络56支持由操作环境50(如，通过有形通信链接和/或无线通信链接)支持的装置、***和部件之间所需的通信。例如，通信网络56可包括无线载波***60(如，包括多个手机发射塔(未示出)的移动电话***)、一个或多个移动交换中心(MSC)(未示出)、以及将无线载波***60与地面通信***连接所要求的任何其他网络部件。每个手机发射塔包括发送和接收天线、以及基站，不同手机发射塔的基站直接或通过中间设备(如，基站控制器)连接至MSC。无线载波***60执行合适的任何通信技术，例如包括诸如CDMA(如CDMA2000)的数字技术、LTE(如，4G LTE或5G LTE)、GSM/GPRS、或当前或未来新兴的其他无线技术。可采用其他手机发射塔/基站/MSC配置，其可与无线载波***60一起使用。在此仅列举一些可能的配置，例如，基站和手机发射塔可以同地协作，或它们彼此可相距较远，每个基站对单一的手机发射站负责，或单一的基站可服务于各个手机发射站，或者各个基站可联接至单个MSC。
除了包括无线载波***60之外，还可包括为卫星通信***64形式的第二无线载波***，以与自主车辆10a-10n进行单向或双向通信。这可通过使用一个或多个通信卫星(未示出)和上行传输站(未示出)实现。单向通信例如可包括卫星广播服务，其中节目内容(新闻、音乐等)由传输站接收，被打包上传，然后被发送至卫星，卫星将节目播放给用户。双向通信例如可包括使用卫星以在车辆10和站之间中继转送电话通信的卫星电话服务。除使用无线载波***60以外，还可使用卫星电话；或者使用卫星电话代替无线载波***60。
还可包括地面通信***62，其是连接至一个或多个固定电话的传统路基远程通信网络，将无线载波***60连接至远程运输***52。例如，地面通信***62可包括公用交换电话网(PSTN)(如，其用于提供硬连线电话)、分组交换数据通信和互联网基础设施。地面通信***62中的一个或多个部分可通过使用标准有限网络、光纤或其他光学网络、电缆网络、电力线、诸如无线局域网络(WLAN)的其他无线网络、或提供宽带无线接入(BWA)的网络、或它们的任何组合形式来实施。此外，远程运输***52不需要通过地面通信***62连接，但是可包括无线电话设备，这样其可直接与无线网络(如，无线载波***60)通信。
尽管图2中仅示出一个用户装置54，但是操作环境50的实施例可支持任意数量的用户装置54，包括由一个用户控制、操作或以其他方式使用的多个用户装置54。由操作环境50支持的每个用户装置54可通过使用合适的任何硬件平台执行。在此方面，用户装置54可用普通的任何形式实现，包括但不局限于台式电脑、移动电脑(如，平板电脑、膝上型电脑或上网本)、智能手机、视频游戏装置、数字媒体播放器、家用娱乐设备、数码相机或摄像机、可穿戴计算装置(如，智能手表、智能眼镜、智能服饰)等。由操作环境50支持的每个用户装置54的实现形式是用计算机实施或基于计算机的装置，其具有硬件、软件、固件和/或对执行文中所述的各种技术和方法逻辑所需的逻辑加以处理。例如，用户装置54包括为可编程装置形式的微处理器，所述可编程装置包括一个或多个存储在内存结构中，用于接收二进制输入以生成二进制输出的指令。在一些实施例中，用户装置54包括接收GPS卫星信号和基于这些信号生成GPS坐标的GPS模块。在其他实施例中，用户装置54包括移动通信功能，使得装置通过使用一个或多个移动通信协议在通信网络56上执行声音和/或数据通信，如文中所述。在各实施例中，用户装置54包括视觉显示器，如触屏图形显示器或其他显示器。
远程运输***52包括一个或多个后端服务器***，这种后端服务器***可以基于云、基于网路，或位于由远程运输***52提供服务的特定校区或地理位置。远程运输***52可由实景真人或自动化顾问操作，或两种方式相结合操作。远程运输***52可与用户装置54和自主车辆10a-10n通信以计划行程、派遣自主车辆10a-10n等。在各实施例中，远程运输***52存储账号信息，如用户身份验证信息、车辆标识符、配置记录、行为模式和相关的其他用户信息。
根据典型的用例流程，远程运输***52的注册用户可通过用户装置54生成乘车请求。乘车请求通常显示乘客期望的搭载位置(或当前的GPS位置)、期望的目的位置(其可确定预设的停车站和/或用户指定的乘客目的地)和搭载时间。远程运输***52接收乘车请求、处理乘车请求，派遣在自主车辆10a-10n中选定的一辆车辆(如果有一辆可利用的话)，以在合适时间在指定的搭载位置搭载乘客。交通***52还可生成被合适配置的确认信息或通知，并将其发送给用户装置54，以让乘客知道车辆正在途中。
将能意识到，文中所公开的主题提供了一些改进的特征和功能，从而可认为其是标准的或基线自主车辆10和/或基于自主车辆的远程运输***52。因此，可对自主车辆和基于自主车辆的远程运输***加以调整、改进或以其他方式进行增补以提供下面将更详细所述的其他特征。
参照图3，并继续参照图1，数据流程图示出了可嵌入控制器34内的轨迹规划***100的各种实施例。根据本公开的轨迹规划***100的各实施例可包括嵌入在控制器34内的任意数量的子模块。将能意识到，图3中所示的子模块可组合和/或进一步被划分，以采用类似方式执行轨迹规划。轨迹规划***100的输入可从传感***28、与自主车辆10联接的其他控制模块(未示出)、通信***36接收，和/或通过控制器34内的其他子模块(未示出)加以确定和/或模型化。
在各实施例中，控制器34包括轨迹规划***100，其接收作为输入的主车辆数据、道路几何结构、地图属性和远程对象，为车辆生成可行的无碰撞轨迹，以适应不久的将来情形。更具体而言，在对象融合处理器102已经执行融合处理过程之后，轨迹规划器100接收自由空间约束。融合过程涉及对来自于一个或多个传感器的融合数据加以处理，以提供环境中的对象的整体图。来自于对象融合处理器102的自由空间约束包括环境中的对象列表，如远程道路使用者和道路上的障碍物。
场景规划处理器104将使用地图数据和路面融合的道路边界约束以及假定无障碍环境的参考轨迹作为输入提供给轨迹规划***100。行为控制处理器106提供考虑了所有交通参与者和场景的高级行为指令。此外，主车辆(HV)状态处理器108提供主车辆当前状态的位置和动态约束。通过使用这类输入数据，可确保轨迹规划器100全面了解当前场景。
轨迹规划器100处理输入信息以生成轨迹输出，在一个实施例中，轨迹输出满足主车辆运动和动态约束，以及环境的自由空间和道路边界约束。所生成的轨迹包括在自动驾驶中由纵向和横向控制器110使用的道路路径点列表和速度图。
图4示出了根据各实施例的、用于自主车辆的轨迹规划器100内的部件。轨迹规划器100通过部件120生成参考轨迹。部件120使用场景规划数据、行为控制数据和主车辆状态数据，以生成假定无障碍情形下的参考轨迹。参考轨迹相对于主车辆生成，可让轨迹处理器100评估主车辆相对于其他障碍物(如其他车辆)在何处。
部件122使用所生成的参考轨迹来生成搜索图。搜索图包含网格点，网格点在被连接时提供各种轨迹路径。所述点偏离于参考轨迹。将对象与网格上的某些点相关联以显示障碍物相对于参考轨迹的横向偏移。
部件124从对象融合处理器102获取自由空间约束，以确定优化的轨迹路径。为了执行优化，部件124包括考虑涉及下列一个或多个因素的成本函数：路面上的静态和动态对象的碰撞避免、相对于参考轨迹的偏移度等。
部件126根据由部件124确定的优化路径平滑化轨迹路径。部件126在优化路径周围指定安全通道，以避免与其他对象碰撞。执行曲线平滑化操作以在修正轨迹路径过程中降低曲度和曲率。部件128还通过生成满足某些标准的局部轨迹来完善轨迹路径，以到达期望的目的点。这种标准包括轨迹持续时间、偏移轨迹等。
将所生成的局部轨迹提供给车辆的纵向和横向控制器110，以执行轨迹路径规划。由于图4中所示的输入和处理过程，轨迹输出满足主车辆的运动和动态约束、和环境的自由空间和道路边界约束。
进一步参照图4，通过图5-11的直观实例，进一步描述通过轨迹规划处理器100生成和完善轨迹路径的过程。
图5示出了包括主车辆(HV)202和几个对象车辆(TV)(204，206，208)的多个车辆的地形图。主车辆202以35千米/小时的速度行进在中间车道上。两个对象车辆(204，206)停止，如图中用注释“0km/h”所示。在该实例中，第三个对象车辆28以与主车辆202相同的速度行进，即速度为35千米/小时。通过图4中的场景规划处理器104、行为控制处理器106和主车辆状态处理器108提供的数据对障碍物环境加以描述。
图6示出了通过部件120生成参考轨迹的过程300。参考轨迹302包括参考路径(如，将遵循的初始路径)，在假定无障碍情形下生成。将X-Y坐标系强加于环境中，将主车辆202定位在原点，对环境中的对象沿X轴和Y轴进行数字定位。在该实例中，两轴以距离单位(如，米)计量。
轨迹规划器100使用另一种坐标系来相对于其他对象进一步评估主车辆202。基站-横向(S-L)坐标系相对于“基站”沿参考路径确定对象，横向距离是对象相对于参考轨迹302的偏移。以这种方式相对于主车辆202标明对象，有助于处理难度更高的驾驶场景，如道路上有急弯曲线、十字路口、环形交叉路口、U形转弯等。
在S-L坐标系内，参考轨迹302包括在不同基站的速度图。速度图表示主车辆202在不同路径点处的速度。例如，主车辆202在第十个中心线路径点处的速度图(用参考数字210表示)显示在该点的速度比沿参考轨迹302更靠前的另一站点的速度更慢，以避免对象车辆204。在该实例中，根据一个或多个因素，如，对象车辆在道路上的速度、加速/减速限制、道路速度限制等确定速度图。
图7示出了由部件122生成搜索图的过程400。搜索图包含在横向方向上偏离于中心线路径基站的节点。线段将节点连接到其邻近节点上。例如，节点402通过线段连接至邻近节点404。通常，假定每个节点处的速度与在其相应的参考轨迹点处的速度相同。
图8示出了通过部件124生成优化路径的过程500。优化路径是在给定约束和环境因素情况下，最佳到达期望目的地的路径。优化方法使用成本函数来帮助确定出经过节点且相对于一个或多个驾驶因素而言最优的路径502。这些因素包括：与道路上的静态和动态对象可能发生的碰撞相关联的成本、相对于参考轨迹的偏移度、要求的转向动作、相对于先前生成的轨迹的偏离度等。下面提供了搜索图中的每条路径的成本函数实例。
其中：
相对于参考轨迹的偏移
转向动作成本
线段相对于先前规划好的轨迹的偏移
保持路径远离障碍物的实际势场值
如果移动的对象在主车辆封闭区域内，该值无限大，否则该值为零。
调整α值以满足特定的驾驶和性能要求，如HV动态约束、驾驶者舒适度、安全、环保驾驶。
选择Dmax值将距离成本标准化至[0 1]范围内。
如成本函数所表示，主车辆202经过节点504的路径成本高，原因在于，与对象车辆208碰撞的可能性高。相比较而言，路径502的成本要低得多，原因在于可避免环境内的各种对象。
图9示出了由界定优化路径502的线602和604所示的安全通道的确定过程600。在安全通道限定的范围内，随后完善的路径可以安全方式变化。更具体而言，线602和604是优化路径502两侧上的连接点，这些点与周围的所有障碍物保持安全距离。
图10示出了由部件126生成平滑轨迹702的过程。平滑轨迹702是安全通道内曲度和曲率最小的路径。除其他方面以外，这样还可避免出现最大横向加速/急速驾驶情形。
图11示出了由部件128生成局部轨迹802的过程800。规划出满足连续性条件的多个轨迹以在未来的不同时间到达平滑轨迹上的目的点。局部轨迹与平滑轨迹的不同之处在于，其满足主车辆的运动约束，如位置连续性、行进方向、曲度和速度。通过增加局部轨迹处理过程，对于主车辆可满足这些约束。
可根据下列一个或多个成本项确定局部轨迹：轨迹持续时间、相对于平滑轨迹的偏移、最大横向加速和碰撞可能性。将局部轨迹802提供给纵向和横向控制器110，以用于驾驶主车辆202。
图12示出的流程图900显示了用于轨迹规划的场景。在该实例中，操作场景900在决策块904开始，如开始块902所示。决策块904询问自最后的轨迹规划决策做出后是否已经过去充足时间。例如，根据车辆环境，可将规划时间设定为每20-50毫秒一次。
如果还未到达规划时间点，那么等待处理，直到到达下一规划时间点，如处理块906所示。如果已经到达规划时间点，那么处理块908从各传感器和装置获取输入。这包括对象融合输入数据以及文中所述的其他输入数据项。决策块910检测输入是否有效，如果无效，处理程序返回至决策块904。如果输入有效，那么在处理块901继续执行处理程序。
处理块901生成参考轨迹，从而建立基站-横向坐标系。决策块914检测参考轨迹是否有效。如果无效，那么在决策块904继续执行处理程序。如果参考轨迹有效，那么在处理块916继续执行处理程序。
处理块916生成搜索图。如果在决策块918确定的搜索图无效，那么在决策块904继续执行处理程序。如果搜索图有效，那么在处理块902确定优化路径，以沿中心线路径基站构建横向偏移不同的节点。如果在决策块922确定的优化路径无效，那么在决策块904重新开始处理程序。
如果优化路径有效，那么在处理块924继续执行处理程序。处理块924生成平滑轨迹，平滑轨迹试图使沿安全通道内的路径的曲度和曲率最小。在处理块926，在试图满足连续性条件的前提下，根据平滑轨迹确定局部轨迹，以在未来的不同时间到达目的点。连续位置可包括诸如位置连续性、行进方向、曲度以及主车辆的速度和加速度等项目。如果由决策块928确定的局部轨迹失效，那么在决策块904继续执行处理程序。如果局部轨迹有效，那么处理块930将该局部轨迹提供给控制器。
根据本公开将意识到，该方法的操作顺序不局限于图12所示的顺序执行，而是可用根据本公开的一种或多种可应用的不同顺序执行。在各实施例中，可规划操作场景900以基于一种或多种预定情形运行，和/或可在自主车辆的操作期间连续运行。
图12中所示的操作场景包括一种轨迹规划方法，该方法通过其几何法达到的计算效率高，该方法也是通用方法，可应用于范围广泛的道路场景，包括城市道路急弯/转弯下的低速驾驶以及高速道路上的高速驾驶。此外，操作场景的规划方法对主车辆的动态变化以及道路上的其他动态对象变化做出反应。这种操作场景下的最终轨迹遵循交通规则，在道路边界范围内是安全的，考虑了主车辆非完整运动约束和动态约束(如，最大横向加速/急速)。
图12中的操作场景可配置有大量变量。例如，处理块924可被配置为根据下列步骤，在安全通道内生成曲度和曲率最小的平滑轨迹：
步骤1：找到相应的通道点、每个图层的Li和ui。
步骤2：将安全通道内沿每个图层的路径点定义为：
PiX＝Lix+λi(uix-Lix),PiY＝Liy+λi(uiy-Liy)，λi∈[0,1]
步骤3：对每个路径点Pi，定义成本函数：
其中，Ci和ΔCi是估计的曲度和曲率：
其中，κi是笛卡尔坐标系中的道路曲度
步骤4：求出λi
步骤5：以如下方式更新路径点：
步骤6：重复步骤2-5，直到沿路径的曲度和曲率小于阈值为止。
图13用1100直观示出了已经根据步骤1-6平滑化的轨迹路径1102。在图13中，已平滑化的轨迹路径1102表示在曲度和曲率方面比更早生成的路径1104更平滑的路径。已平滑化的轨迹路径1102还位于由线1106限定的安全通道内。
作为广泛变型的另一实例，处理块926可包括用于相对于已平滑化的轨迹路径1102确定局部轨迹的下列步骤：
第一步骤：通过使用下列用于路径和速度图的多项式求出几条候选轨迹：
y＝p0+p1x+p2x2+p3x3+p4x4+p5x5
v＝q0+q1t+q2t2+q3t3
要满足下列边界条件：
(xi,yi,θi,ki)＝(0,0,0,k0)
(vi,ai)＝(v0,a0)
图14用1200直观示出了根据第一步骤确定的几条候选轨迹(1202，1204和1206)。
第二步骤：根据下列成本函数确定优化轨迹：轨迹持续时间、相对于平滑轨迹的偏移、最大横向加速和碰撞可能性。
作为广泛变型的另一实例，包含在图12的操作场景中的处理过程可被配置成，通过考虑道路上的其他车辆的动态，保证无碰撞路径。图15直观示出了对道路上的其他车辆的评估过程1300。
在图15所示的该实例中，主车辆1302以70km/小时的速度行进，希望超过正以30km/小时行进的对象车辆1306。碰撞检测处理过程检测车辆1302和1306随时间的移动情况。例如，主车辆1302将在车辆1306到达位置1308时到达目的位置1304。还包括对其他动态对象(如，正以30km/小时的速度行进的车辆对象1310)的评估。可通过执行下列的一个或多个操作步骤对车辆位置随时间的变化加以评估，以进行碰撞检测：
对于图12中的处理块920，优化路径的生成可评估：对于搜索图的每个线段，根据正在移动的动态对象，相对于主车辆到达该线段所花费的时间计算实际势场。安全通道的计算可评估：对于每个最短的路径线段，相对于主车辆到达该线段的时间应对动态对象。
对于图12中的处理块926，局部轨迹的生成可评估：对于每个候选的局部轨迹，根据正在移动的动态对象，相对于主车辆到达此处的时间执行碰撞检测。
尽管在前面的详细描述中已经阐释了至少一个示范性实施例，但是应该能理解到，可存在大量的变形形式。也应该能理解到，所述示范性实施例仅为实例，不旨在以任何方式限制本公开的范围、应用或配置。更确切地说，前面的详述内容为本领域的技术人员提供了一种用于实施示范性实施例的较为方便的路线图。应该理解到，在不超出本公开范围的情况下，可在功能和部件配置方面进行各种改进，本公开的范围由所附的权利要求书及其合法的等同形式限定。

Claims (10)

1.一种用于自主驾驶车辆的基于处理器实现的方法，其包括：
通过一个或多个数据处理器接收车辆状态数据、驾驶场景规划、行为控制数据和车辆对象环境数据；
通过所述一个或多个数据处理器，根据接收到的车辆状态数据和驾驶场景规划生成搜索图；
其中，所述搜素图包含用于相对于参考轨迹路径对对象定位的网格点；
其中，所述搜索图使用指示对象相对于参考轨迹路径基站横向偏移的坐标系；和
通过所述一个或多个数据处理器，确定出相对于特定成本函数而言最优的轨迹路径；
其中，将所述最优轨迹路径提供给车辆中的控制器，用于执行驾驶场景规划。
2.根据权利要求1所述的方法，其中，所述对象包括所述道路上的其他车辆。
3.根据权利要求1所述的方法，其中，确定所述轨迹路径包括：在优化轨迹路径期间使用成本函数，其中所述成本函数包含对车辆和道路上的对象的动态变化做出反应的因素。
4.根据权利要求3所述的方法，其中，成本函数包括相对于参考轨迹路径的偏移、转向动作成本、相对于先前规划好的轨迹路径的偏移、以及车辆相对于一个或多个所述对象的碰撞成本因素。
5.根据权利要求1所述的方法，其中，通过使用所述坐标系生成搜索图，以确定不同道路场景下的轨迹路径，其中，所述道路场景包括急弯、U形转弯、城市环境下的急弯和高速道路上的高速驾驶。
6.根据权利要求1所述的方法，其还包括以下步骤：
基于对与搜索图相关联的安全通道内的曲度和曲率最小化处理，使优化的轨迹路径平滑化；
其中，所述安全通道限定与优化路径的距离范围，使得车辆在所述距离范围内与对象保持安全距离。
7.根据权利要求6所述的方法，其还包括以下步骤：
基于已平滑化的轨迹路径生成局部轨迹，其中，基于满足在未来的不同时间到达优化轨迹上的对象点的连续性条件，确定局部轨迹。
8.根据权利要求7所述的方法，其中，局部轨迹满足车辆的运动和动态约束以及环境的自由空间和道路边界约束，并由车辆中的纵向和横向控制器直接使用。
9.根据权利要求8所述的方法，其中，局部轨迹遵循交通规则，在道路边界内是安全的，并考虑了车辆非完整运动约束和动态约束。
10.根据权利要求1所述的方法，其中，搜索图包含一些节点，所述节点表示沿参考轨迹路径基站横向偏移不同的点，其中，搜索图包括将所述节点连接到邻近节点上的线段，其中，在每个节点处的速度与在其相应参考轨迹点处的速度相同，其中，所述节点相对于参考轨迹路径与速度图相关联，其中，根据道路上的对象速度、加速和减速限制以及道路速度限制确定所述速度图。
CN201711063047.2A 2016-11-09 2017-11-02 基于处理器实现车辆行驶轨迹规划的自主***和方法 Active CN108062094B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/347,546 US10146224B2 (en) 2016-11-09 2016-11-09 Processor-implemented systems and methods for automated driving
US15/347546 2016-11-09

Publications (2)

Publication Number Publication Date
CN108062094A true CN108062094A (zh) 2018-05-22
CN108062094B CN108062094B (zh) 2021-07-06

Family

ID=62003287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711063047.2A Active CN108062094B (zh) 2016-11-09 2017-11-02 基于处理器实现车辆行驶轨迹规划的自主***和方法

Country Status (3)

Country Link
US (1) US10146224B2 (zh)
CN (1) CN108062094B (zh)
DE (1) DE102017126021A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109987098A (zh) * 2019-04-09 2019-07-09 莫日华 基于路面分析进行安全驾驶控制的方法及装置
CN111176268A (zh) * 2018-10-23 2020-05-19 百度（美国）有限责任公司 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法
CN111615618A (zh) * 2018-12-26 2020-09-01 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
CN111856923A (zh) * 2019-04-30 2020-10-30 百度（美国）有限责任公司 加速对复杂驾驶场景的规划的参数学习的神经网络方法
CN111845766A (zh) * 2019-04-17 2020-10-30 采埃孚公司 自动化控制汽车的方法
CN112236352A (zh) * 2018-06-27 2021-01-15 宝马汽车股份有限公司 用于确定车辆的经更新的轨迹的方法
CN112334368A (zh) * 2018-06-24 2021-02-05 三菱电机株式会社 车辆控制***及控制车辆运动的控制方法
CN113418522A (zh) * 2021-08-25 2021-09-21 季华实验室 Agv路径规划方法、跟随方法、装置、设备及存储介质

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6431594B2 (ja) * 2015-03-31 2018-11-28 日立オートモティブシステムズ株式会社 自動運転制御装置
US10994729B2 (en) * 2017-03-29 2021-05-04 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling lateral motion of vehicle
US10948919B2 (en) * 2017-09-11 2021-03-16 Baidu Usa Llc Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) * 2017-09-11 2020-08-25 Baidu Usa Llc Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US10816990B2 (en) * 2017-12-21 2020-10-27 Baidu Usa Llc Non-blocking boundary for autonomous vehicle planning
US11099017B2 (en) * 2018-02-13 2021-08-24 Baidu Usa Llc Determining driving paths for autonomous driving vehicles based on offset points
US10775801B2 (en) * 2018-03-08 2020-09-15 Baidu Usa Llc Determining speeds along a path for autonomous driving vehicles
US10884422B2 (en) * 2018-04-16 2021-01-05 Baidu Usa Llc Method for generating trajectories for autonomous driving vehicles (ADVS)
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
US10860023B2 (en) * 2018-06-25 2020-12-08 Mitsubishi Electric Research Laboratories, Inc. Systems and methods for safe decision making of autonomous vehicles
US10990099B2 (en) * 2018-11-16 2021-04-27 Great Wall Motor Company Limited Motion planning methods and systems for autonomous vehicle
DK201970148A1 (en) * 2018-12-10 2020-07-06 Aptiv Tech Ltd Motion graph construction and lane level route planning
JP7045393B2 (ja) * 2018-12-26 2022-03-31 バイドゥドットコム タイムズ テクノロジー （ベイジン） カンパニー リミテッド 自動運転車両の基準線を生成するための方法およびシステム
CN109814568B (zh) * 2019-02-19 2022-05-03 阿波罗智能技术(北京)有限公司 无人车速度轨迹的生成方法、装置和存储介质
CN111796588A (zh) * 2019-03-22 2020-10-20 北京京东尚科信息技术有限公司 路径规划方法、路径规划装置及计算机可读存储介质
CN110196592B (zh) * 2019-04-26 2023-07-28 纵目科技（上海）股份有限公司 一种轨迹线的更新方法、***、终端和存储介质
US11493926B2 (en) 2019-05-15 2022-11-08 Baidu Usa Llc Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US11409284B2 (en) * 2019-05-15 2022-08-09 Baidu Usa Llc Relaxation optimization model to plan an open space trajectory 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
JP7339796B2 (ja) * 2019-07-16 2023-09-06 フォルシアクラリオン・エレクトロニクス株式会社 車載処理装置
US11875678B2 (en) 2019-07-19 2024-01-16 Zoox, Inc. Unstructured vehicle path planner
DE102020215780A1 (de) * 2020-12-14 2022-06-15 Continental Automotive Gmbh Verfahren zur Auswahl eines automatisierten Fahrvorgangs mittels eines Fahrassistenzsystems
CN112578672B (zh) * 2020-12-16 2022-12-09 吉林大学青岛汽车研究院 基于底盘非线性的无人驾驶汽车轨迹控制***及其轨迹控制方法
CN113009922B (zh) * 2021-04-23 2024-03-26 元通智能技术(南京)有限公司 一种机器人行走路径的调度管理方法
CN113276858A (zh) * 2021-05-13 2021-08-20 际络科技(上海)有限公司 一种节油驾驶控制方法及装置、计算设备和存储介质
KR102317430B1 (ko) * 2021-05-27 2021-10-26 주식회사 라이드플럭스 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램
DE102021002909A1 (de) * 2021-06-07 2022-12-08 Mercedes-Benz Group AG Verfahren zur Ermittlung eines Fahrverhaltens und Verfahren zur Anpassung von Regelalgorithmen automatisierter Fahrsysteme
US20230094975A1 (en) * 2021-09-29 2023-03-30 Waymo Llc Lane search for self-driving vehicles
DE102022204317A1 (de) 2022-05-02 2023-11-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Betreiben eines Assistenzsystems eines Fahrzeugs
CN115774455B (zh) * 2023-02-13 2023-04-21 北京大学 复杂障碍环境下避免死锁的分布式无人集群轨迹规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102612709A (zh) * 2009-07-09 2012-07-25 通腾科技股份有限公司 导航装置及用于依赖于时间的路线计算的方法
CN104590259A (zh) * 2015-01-07 2015-05-06 福州华鹰重工机械有限公司 一种轨迹搜寻方法和***
US20150331423A1 (en) * 2012-12-24 2015-11-19 Agco International Gmbh Path planning method for vehicle guidance
CN105270410A (zh) * 2014-07-16 2016-01-27 通用汽车环球科技运作有限责任公司 用于自主驾驶车辆的路径规划的精确曲率估计算法
CN105292116A (zh) * 2014-06-05 2016-02-03 通用汽车环球科技运作有限责任公司 自动驾驶车辆的车道变换路径规划算法
US20160129907A1 (en) * 2014-11-12 2016-05-12 Hyundai Motor Company Driving path planning apparatus and method for autonomous vehicle

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5648901A (en) * 1990-02-05 1997-07-15 Caterpillar Inc. System and method for generating paths in an autonomous vehicle
US7079943B2 (en) * 2003-10-07 2006-07-18 Deere & Company Point-to-point path planning
JP2012513587A (ja) * 2008-12-22 2012-06-14 テレ アトラス ノース アメリカ インコーポレイテッド 低燃費経路指定のための方法、装置及び地図データベース
US10161758B2 (en) * 2009-01-16 2018-12-25 Tomtom Global Content B.V. Method for creating speed profiles for digital maps
US20130046466A1 (en) * 2011-08-18 2013-02-21 Sermet Yücel Selecting a Route to Optimize Fuel Efficiency for a Given Vehicle and a Given Driver
US20130052614A1 (en) * 2011-08-31 2013-02-28 Pulsar Informatics, Inc. Driver Performance Metric
US20160362118A1 (en) * 2011-08-31 2016-12-15 Pulsar Informatics, Inc. Driver performance metric
US9165477B2 (en) * 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102612709A (zh) * 2009-07-09 2012-07-25 通腾科技股份有限公司 导航装置及用于依赖于时间的路线计算的方法
US20150331423A1 (en) * 2012-12-24 2015-11-19 Agco International Gmbh Path planning method for vehicle guidance
CN105292116A (zh) * 2014-06-05 2016-02-03 通用汽车环球科技运作有限责任公司 自动驾驶车辆的车道变换路径规划算法
CN105270410A (zh) * 2014-07-16 2016-01-27 通用汽车环球科技运作有限责任公司 用于自主驾驶车辆的路径规划的精确曲率估计算法
US20160129907A1 (en) * 2014-11-12 2016-05-12 Hyundai Motor Company Driving path planning apparatus and method for autonomous vehicle
CN104590259A (zh) * 2015-01-07 2015-05-06 福州华鹰重工机械有限公司 一种轨迹搜寻方法和***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MIHAIL PIVTORAIKO 等: "Differentially Constrained Mobile Robot Motion Planning in State Lattices", 《JOURNAL OF FIELD ROBOTICS》 *
SHUQING ZENG 等: "Tracking objects of arbitrary shape using expectation-maximization algorithm", 《2011 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 *
姜岩 等: "基于运动微分约束的无人车辆纵横向协同规划算法的研究", 《自动化学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112334368A (zh) * 2018-06-24 2021-02-05 三菱电机株式会社 车辆控制***及控制车辆运动的控制方法
CN112236352A (zh) * 2018-06-27 2021-01-15 宝马汽车股份有限公司 用于确定车辆的经更新的轨迹的方法
CN111176268A (zh) * 2018-10-23 2020-05-19 百度（美国）有限责任公司 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法
CN111615618A (zh) * 2018-12-26 2020-09-01 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
CN111615618B (zh) * 2018-12-26 2023-08-29 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
CN109987098A (zh) * 2019-04-09 2019-07-09 莫日华 基于路面分析进行安全驾驶控制的方法及装置
CN111845766A (zh) * 2019-04-17 2020-10-30 采埃孚公司 自动化控制汽车的方法
CN111856923A (zh) * 2019-04-30 2020-10-30 百度（美国）有限责任公司 加速对复杂驾驶场景的规划的参数学习的神经网络方法
US11731612B2 (en) 2019-04-30 2023-08-22 Baidu Usa Llc Neural network approach for parameter learning to speed up planning for complex driving scenarios
CN113418522A (zh) * 2021-08-25 2021-09-21 季华实验室 Agv路径规划方法、跟随方法、装置、设备及存储介质

Also Published As

Publication number Publication date
DE102017126021A1 (de) 2018-05-09
US20180129203A1 (en) 2018-05-10
CN108062094B (zh) 2021-07-06
US10146224B2 (en) 2018-12-04

Similar Documents

Publication Publication Date Title
CN108062094A (zh) 基于处理器实现的自主***和方法
CN108268034B (zh) 用于车辆的专家模式
US11168994B2 (en) Managing autonomous vehicles
US10427676B2 (en) Trajectory planner for autonomous driving using bézier curves
US11762392B2 (en) Using discomfort for speed planning in autonomous vehicles
CN110068346B (zh) 用于自主车辆中不受保护的操纵缓解的***和方法
CN109521764B (zh) 车辆远程辅助模式
CN109085820A (zh) 临界条件的自主车辆驾驶***和方法
US10365652B2 (en) Feasible lane routing
CN108725446A (zh) 用于自主车辆的俯仰角补偿
CN106004860B (zh) 车辆行驶控制装置
US9805605B2 (en) Using autonomous vehicles in a taxi service
CN110069060A (zh) 用于自动驾驶车辆中路径规划的***和方法
CN107798861A (zh) 一种车辆协作式编队行驶方法及***
Parent Advanced urban transport: Automation is on the way
CN110126825A (zh) 用于低级别前馈车辆控制策略的***和方法
CN108430052A (zh) 基于车载基站的智能网联汽车通信网络架构
CN110126837A (zh) 用于自主车辆运动规划的***和方法
CN109814543A (zh) 道路廊道
US20180004215A1 (en) Path planning of an autonomous vehicle for keep clear zones
CN109144049A (zh) 用于控制感测装置视场的***和方法
US10466704B2 (en) Autonomous vehicle localization
CN109598927A (zh) 基于v2x技术的路权分配方法、***、设备及存储介质
CN110027558B (zh) 自主车辆的可放松转弯边界
Parent et al. Cybercars: Past, present and future of the technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant