CN112519770A - 用于自主和半自主车辆的路径规划 - Google Patents

用于自主和半自主车辆的路径规划 Download PDF

Info

Publication number
CN112519770A
CN112519770A CN202010831015.8A CN202010831015A CN112519770A CN 112519770 A CN112519770 A CN 112519770A CN 202010831015 A CN202010831015 A CN 202010831015A CN 112519770 A CN112519770 A CN 112519770A
Authority
CN
China
Prior art keywords
path
vehicle
time step
constraints
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010831015.8A
Other languages
English (en)
Inventor
松田拓郎
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.)
Zheneti
Zenuity AB
Original Assignee
Zheneti
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 Zheneti filed Critical Zheneti
Publication of CN112519770A publication Critical patent/CN112519770A/zh
Pending legal-status Critical Current

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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • 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
    • 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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • 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
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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

Landscapes

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

Abstract

本发明涉及用于自主和半自主车辆的路径规划。一种用于自主或半自主车辆的路径规划的方法包括：获得车辆的周围环境的可驾驶区域，以及基于预定约束集和路径的预定特性集在可驾驶区域内为时间步长t生成路径。预定约束集包括基于为先前时间步长生成的路径的至少一个约束。

Description

用于自主和半自主车辆的路径规划
技术领域
本公开涉及自主驾驶(AD)和高级驾驶员辅助***(ADAS)。更具体地，本公开涉及可驾驶区域内的车辆的路径规划。
背景技术
如今，许多车辆具有多种采取高级驾驶员辅助***(ADAS)的形式的驾驶员支持功能。此外，这些支持功能中的许多支持功能形成当前和将来自主驾驶(AD)功能的基础。ADAS特征或功能的示例包括车道偏离警告***、车道居中、车道保持辅助、驾驶员辅助、车道变换辅助、停车传感器、行人保护***、盲点监视器、自适应巡航控制(ACC)、防抱死制动***等。这些功能响应于某些场景而采用一个或多个警告或自动动作来补充车辆的传统的驾驶员控制。
在过去的几年里，自主车辆的发展突飞猛进，并且正在开发许多不同的方案。如今，自主驾驶(AD)和高级驾驶员辅助***(ADAS)(即，半自主驾驶)两者正在这些领域内的许多不同技术领域内不断发展。一个这样的领域是路径规划，即，如何为车辆规划路径以使车辆能在准确且与车辆乘员感到舒适的方式一致的情况下被安全地操控。
通常，传统的路径规划***为来自给定可驾驶区域的自主车辆生成目标路径，该可驾驶区域通常由感知***或模块提供。目标路径假设被发送给计算转向角的车辆控制设备，并且使得车辆沿该路径行进。传统路径规划方案的示意图在图1中被图示。自主或半自主车辆1’沿第一路径2’在路段4’上行驶(如由箭头5’所指示的)。此外，负责生成和更新车辆的目标路径的路径规划***生成从先前的路径2’横向移动(如由箭头6’所指示的)更新的路径3’。换句话说，更新的路径3’具有与在先前时间步长处的路径2’不同的形状，这可在自主或半自主车辆尝试沿更新的路径3’行进时导致车辆运动不稳定。
尽管目前已知的方案可以依据安全路径规划产生足够的结果，但始终需要改进本领域的技术，特别是依据舒适和整体的用户体验的改进。
发明内容
所以，本公开的目标在于：提供一种用于自主或半自主车辆的路径规划的方法、一种计算机可读存储介质、一种控制设备以及一种包括减轻当前已知方案的所有或至少一些缺陷的这种控制设备的车辆。
借助于一种用于自主或半自主车辆的路径规划的方法、一种计算机可读存储介质、一种控制设备以及一种包括如所附的权利要求中所限定的这种控制设备的车辆来达到这个目标。术语示例性应在本上下文中被理解为实例、示例或说明。
根据本公开的第一方面，提供了一种用于自主或半自主车辆的路径规划的方法。所述方法包括：获得所述车辆的周围环境的可驾驶区域，以及基于预定约束集和所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径。所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。
与传统方案相比，所提出的方法使用于自主和半自主车辆的路径规划模块能够更平滑和更稳定。更具体地，所建议的方法减轻了生成与先前的目标路径强烈地偏移(至少在靠近车辆的区域内)的目标路径且从而导致不舒适的操控的风险。
进一步，本发明人通过在更新路径时形成取决于先前的目标路径的约束，实现了可以降低导致不舒适的操控的风险，因为有效地降低了更新路径在车辆附近可能的横向位移。
根据本公开的示例性实施例，在所述可驾驶区域内为所述时间步长t生成路径包括以下步骤：
·计算成本函数，其中，所述成本函数是所述路径的所述预定特性集的数学表示，
·计算所述约束集，其中，所述约束集进一步包括：基于所述可驾驶区域的边界的至少一个约束和基于车辆特性的至少一个约束，
·基于所计算的成本函数和所计算的约束集求解优化问题，
·基于所求解的优化问题形成所述路径。
换句话说，路径规划被形成为二次规划问题。
相应地，通过使用该公式，可以采用高效但传统的优化算法实时推导出全局最优解。
而且，根据示例性实施例，基于为所述先前时间步长生成的所述路径的所述至少一个约束包括：从为所述先前时间步长生成的所述路径向所述车辆的形式方向延伸的两个侧边界。所述侧边界可被理解为左边界和右边界，并且它们一起限定彼此之间的区域，更新的路径被允许形成在该区域内。换句话说，为时间t生成的路径不被允许形成在侧边界的外部。
而且，根据另一个示例性实施例，所述两个侧边界具有第一部分，所述第一部分具有平行于从所述先前时间步长生成的所述路径的纵向延伸，并且其中，所述两个侧边界具有第二部分，所述第二部分具有在所述可驾驶区域内沿所述车辆的行进方向的基于预定函数的形状。例如，该函数可以远离所述车辆的距离而二次或常量扩展。通过扩展更新的路径可形成在其内的容许区域，区域中在时间步长t处的更新的路径可偏离为先前时间步长t-1生成的路径，但以稳定的方式降低了颠簸和不稳定行为(这对车辆乘员的舒适性产生负面影响)的风险。该函数可取决于当前车速、当前交通状况、车辆的当前地理位置、当前天气条件以及其他车辆特性(例如，车辆类型、用户设定等)中的至少一个。例如，用户设定可在诸如“舒适”、“运动”以及“竞速”的驾驶类型之间切换，其中，不同的设定允许不同的“颠簸”或横向加速度的幅度。关于取决于速度的预定函数，可考虑车辆例如以10km/h的速度行驶的场景以及当车辆以30km/h的速度行驶时的不同场景。在后一场景(30km/h)中，侧边界可以更靠近，并且从而为了降低由车辆控制***执行的不舒适的操控(升高的侧向加速度)的风险对更新的路径形成更严格的要求。
更进一步，根据又一示例性实施例，所述预定约束集进一步包括：所述车辆的最小转弯半径、所述车辆(纵向)长度、所述车辆的(横向)宽度、所述车辆的(垂直)高度、所述车辆的离地间隙以及至少一个车道边界中的至少一个。
根据本公开的第二方面，提供了一种存储一个或多个程序的(非瞬态)计算机可读存储介质，所述一个或多个程序被配置为由车辆控制***的一个或多个处理器执行，所述一个或多个程序包括用于执行根据本文所公开的实施例中的任何一个的方法的指令。与本公开的这个方面一起，提出了如在本公开的第一方面中先前所讨论的类似优势和优选的特征。
如本文所使用的，术语“非瞬态”意在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不意在另外对由短语计算机可读介质或存储器包含的物理的计机可读存储设的类型进行限制。例如，术语“非瞬态计算机可读介质”或“有形存储器”意在包含不必要永久存储信息的各种类型的存储设备，包括例如，随机存取存储器(RAM)。采取非瞬态形式存储在有形计算机可存取存储介质上的程序指令和数据可进一步由传输介质或诸如电的、电磁的或数字信号的信号(可经由诸如网络和/或无线连接的通信介质运送)传输。因此，如本文所使用的，术语“非瞬态”是对介质本身(例如，有形的而不是信号)的限制，而不是对数据存储永久性的限制(例如，RAM vs ROM)。
进一步，根据本公开的第三方面，提供了一种用于自主或半自主车辆的路径规划的控制设备。所述控制设备包括控制电路(也可被称作一个或多个处理器)和关联的存储设备。所述控制电路被配置为：获得所述车辆的周围环境的可驾驶区域，以及基于预定约束集的所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径。而且，所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。与公开的这个方面一起，提出了如在本公开的第一方面中先前所讨论的类似优势和优选的特征。
根据本公开的第四方面，提供了一种包括感知***的车辆，所述感知***包括用于监视所述车辆的周围环境的至少一个传感器。所述车辆进一步包括根据本文所公开的实施例中的任何一个的控制设备。与本公开的这个方面一起，提出了如在本公开的第一方面中先前所讨论的类似优势和优选的特征。
本公开的进一步的实施例被限定在从属权利要求中。应强调的是，当在本说明书中使用时，术语“包括/包含”用于规定所述的特征、整数、步骤或组件的存在。它不排除一个或多个其他特征、整数、步骤、组件或其群组的存在或添加。
以下将参照下文所描述的实施例进一步阐明本公开的这些和其他特征和优势。
附图说明
本公开的实施例的进一步的目标、特征和优势将从以下对附图做出参照的详细描述中显而易见，其中：
图1是根据现有技术示例的在路段上行驶的车辆的俯视示意图。
图2是根据本公开的示例性实施例的具有用于路径规划的控制设备的车辆的俯视示意图。
图3(a)至图3(c)是根据本公开的示例性实施例的具有用于路径规划的控制设备的车辆的俯视示意图。
图4是根据本公开的实施例的用于自主或半自主车辆的路径规划的方法的示意框图表示。
图5是根据本公开的实施例的用于自主或半自主车辆的路径规划的方法的示意流程图表示。
图6是根据本公开的实施例的具有用于自主或半自主车辆的路径规划的控制设备的车辆的侧视示意图。
具体实施方式
本领域技术人员将理解的是，本文所解释的步骤、服务和功能可使用单独的硬件电路、使用与编程的微处理器或通用计算机功能性结合的软件、使用一个或多个专用集成电路(ASIC)和/或使用一个或多个数字信号处理器(DSP)来实现。还将被理解的是，当本公开依据方法描述时，它也可嵌入在一个或多个处理器和耦接到一个或多个处理器的一个或多个存储器中，其中一个或多个存储器存储一个或多个程序，一个或多个程序当被一个或多个处理器执行时执行本文所公开的步骤、服务和功能。
在示例性实施例的以下描述中，相同的附图标记指示相同或类似的组件。车辆在本上下文中要被理解为道路车辆(诸如轿车、公交车、卡车、工程车辆等)。
通常，针对路径规划问题，存在两种主要方法。第一种是基于样本的方法，其中可驾驶区域被离散化成多个单元或节点。通过从开始区域到结束区域进行一类基于图形的搜索来找到目标路径。另一种方法是采用成本函数和约束集来求解优化问题。成本函数表示用户期望的路径特性，并且约束包括路径被允许存在其内的可驾驶区域的限制。相应地，找到的最优路径作为能够最小化成本函数的一个路径。本公开尤其涉及后一种方法。
图2是根据本公开的示意性实施例的行驶在路段4上的车辆1的俯视示意图。而且，图2用于根据本公开的示例性实施例至少大体上阐明用于自主或半自主车辆的路径规划的方法或过程。因此，所图示的车辆1要被解释为具有用于根据本公开的示例性实施例的路径规划的控制设备的自主车辆或半自主车辆(即，配备合适的高级驾驶员辅助***的车辆)。路径可以在本上下文中是以边界配置开始和结束的车辆配置序列。这些边界配置也可被称作起始和终止。换句话说，规划的路径可被理解为规划为由车辆1在可驾驶区域内假定的一系列位置或配置。
如所提及的，车辆1被认为是行驶在路段4上(如由沿着车辆延伸的箭头5所指示的)。车辆1被配置为在可驾驶区域内沿目标路径行进。可驾驶区域通常由车辆1的感知***或感知模块提供。感知***在本上下文中要被理解为负责从诸如摄像机、激光雷达(LIDAR)和雷达(RADAR)、超声波传感器的传感器获取原始传感器数据并且将该原始数据转换为场景理解力(scene understanding)的***。当然，可驾驶区域可由诸如高清(HD)地图数据、从定位***(例如，GNSS)获取的位置数据等的附加装置确定。
车辆1的路径规划模块(即，控制设备)获得周围环境的可驾驶区域。可驾驶区域例如可以是道路的一条或多条车道。然后，在可驾驶区域内采用预定采样率生成路径。如果采样率例如是10Hz，那么在车辆1行驶时路径生成模块每0.1秒更新目标路径一次。
更详细地，基于路径的预定特性集和进一步基于预定约束集为时间步长t生成路径，其中预定约束集包括基于(取决于)从先前时间步长t-1生成的路径的至少一个约束。预定特性集可被解释为施加的控制参数，以便在没有不必要的猛烈加速或颠簸的情况下生成平滑的路径，即，与物理的车辆约束相比，与用户体验更相关的标准。预定特性集例如可包括：路径平滑水平、到车道中心的距离以及路径的长度中的至少一个。另一方面，预定约束集可进一步包括：车辆1的最小转弯半径、车辆1的(纵向)长度、车辆1的(横向)宽度、车辆1的(垂直)高度、车辆1的离地间隙以及至少一个车道边界中的至少一个。
关于车道边界约束，它应被解释为更新的路径可在某些场景中不被允许伸展到路段4的车辆1正行驶的特定车道的外部，即使它将被基于先前的路径2形成的侧边界7、8(即，7a、7b、8a、8b)“允许”。在下面将进一步描述侧边界7、8。
当前公开的路径更新过程可被理解为因果过程，其中更新的路径3取决于为一个或多个先前时间步长生成的路径2。因此，可以说，在时间步长t生成的更新的路径3取决于为一个或多个先前时间步长t-N生成的路径2的位置，N是大于0的正整数。更具体地，基于为先前时间步长生成的路径2的至少一个约束包括：从为先前时间步长生成的路径2向车辆1的行驶方向5延伸的两个(虚拟的)侧边界7、8(即，7a、7b、8a、8b)。在一个示例性实施例中，基于(取决于)为先前时间步长生成的路径的至少一个约束基于为最接近的先前时间步长t-1生成的路径。
相应地，更新的路径只被允许存在于两个侧边界7、8之间的区域中，这将导致更新的路径3保持先前的路径2的形状中的至少一些，因此增强了稳定性。换句话说，两个侧边界7、8之间的区域限定时间步长t的路径的至少一部分被允许形成在其内的容许区域。作为示例，图示出违反上述约束的可替代的路径15。因此，由侧边界7、8强加的约束与如果没有施加取决于为先前时间步长生成的路径2的约束(如可替代的路径15所指示的)相比，更新的路径3更可能导致较平滑和较稳定的驾驶。
进一步，为先前时间步长生成的路径2和侧边界7、8之间的横向距离可以是动态的，即，侧边界7、8之间的距离可以是动态的。更具体的，如果时间步长t的路径3的部分不能形成在两个侧边界7、8之间的容许区域内，则它们之间的距离可被增大直到预定最大距离或直到路径的部分可形成在容许区域内为止。具体地，侧边界的第二部分7b、8b之间的距离可被增大。此外，两个侧边界7、8可具有第一部分7a、8a，第一部分7a、8a具有平行于从先前时间步长生成的路径2的纵向延伸，并且其中两个侧边界具有第二部分7b、8b，第二部分7b、8b具有在可驾驶区域4内沿车辆1的行进方向5的基于预定函数的形状。这里，侧边界的第二部分7b、8b具有沿车辆1的行进方向5的漏斗形状延伸。更具体地，漏斗形状延伸被设置为随着与车辆1的距离增加而扩展(远离彼此延伸)。因此，可以说侧边界进一步取决于相对于车辆1的距离。尽管在所图示的示例中侧边界的第一部分和第二部分在车辆1的后车轮处相交，但是本领域技术人员容易理解的是，这仅是可替代的，并且第二部分7b、8b相反可源于前轮、车辆1的质心、车辆1的前部或任意其他合适的起点。
进一步，更新的路径所基于的约束集可进一步包括车辆的最小转弯半径、车辆的(纵向)长度、车辆的(横向)宽度、车辆的(垂直)高度和车辆的离地间隙中的至少一个。换句话说，更新的路径是优选的，使得它不违反车辆1的物理性能。
图3(a)至图3(c)示出具有用于路径规划的控制设备的车辆1的三个不同的示例性实施例。图3(a)、图3(b)、图3(c)用于例示用于生成更新的路径3的约束的各种实现，该约束通过侧边界7b、8b、9a、9b施加。更具体地，图3(a)、图3(b)、图3(c)示出侧边界的第二部分7b、8b的各种可替代的形状，即，限定侧边界7、8的形状的可替代的函数。
在图3(a)中，侧边界的第二部分7b、8b具有抛物线形状。因此，可以说，基于为先前时间步长生成的路径的至少一个约束进一步基于二次函数。类似地，图3(b)图示其中侧边界的第二部分7b、8b具有漏斗形状的示例实施例(如在图2中)。换句话说，基于为先前时间步长生成的路径2的至少一个约束进一步基于线性函数。此外，图3(c)图示其中侧边界的第二部分7b、8b沿车辆1的纵向轴平行于彼此的示例实施例。更具体地，侧边界的第二部分7b、8b与为先前时间步长生成的路径2平行伸展，并且与为先前时间步长生成的路径2横向间隔预定距离。
换句话说，对于自我位置(即，自我车辆1的当前位置)后面的区域，约束围绕先前的路径2(即，在先前计算时间处生成的路径2)形成。选择约束的宽度使得更新的路径3只允许存在于先前的路径2的附近。对于自我位置前面的区域，约束的宽度向漏斗一样扩展(例如，图2和图3(b))，以允许更新的路径3基于例如成本函数和其他约束进行优化。可选地，这个约束只有在不违反就不能找到最优路径3时可被允许违反。
而且，漏斗扩展的速率可以是相对于与自我车辆1的距离的恒定值(例如，图2和图3(b))。如果该速率较小，则更新的路径3倾向于保持先前的路径2的形状，因此增强了稳定性。在特定情况下，可将速率设置为零(例如，图3(c))，意味着漏斗不扩展，相反，侧边界围绕先前的路径2形成，即使对于车辆1前面的区域。
图4是根据本公开的示例性实施例的用于自主或半自主车辆的路径规划的方法的示意框图400表示。框图400图示在每个时间步长t(t＝k,k＝[1,2…N])处生成的/更新的路径如何取决于在一个或多个先前时间步长t(t＝k–m,m＝[1,2...N–1],m≤k)处生成的路径。该方法包括获得402a-402d车辆的周围环境的可驾驶区域。这里的术语获得要被宽泛地解释且包括接收、检索、收集、获取等。
基于从被设置为监视车辆的周围环境的一个或多个传感器设备检索的传感器数据401来确定可驾驶区域。如所提到的，可驾驶区域可包括路段的一个或多个车道，诸如高速公路延伸段。进一步，该方法包括基于路径的预定特性集和预定约束集在可驾驶区域内为每个时间步长t(t＝k)生成403a-403d路径。如所提到的，路径的预定特性与舒适方面(车道平滑度、到其他目标的距离、到边界的距离、到车道中心的距离等)更相关，即，特性可被理解为优化参数。而且，特性可以是动态的(即，取决于当前场景，诸如以高速在高速公路上行驶或以低速在密集市区行驶)。在另一方面，约束与限制更相关，限制诸如车辆的物理限制(例如，转弯半径)、安全(例如，交通监控以避免碰撞)以及特别是如前文中所描述的由为先前时间步长生成的路径施加的限制。
约束在某种程度上可被解释为不应被违反的静态限制(例如，车辆不能大于其最小转弯半径而转弯，或车辆不能通过比车辆的宽度窄的区域)。然而，在一些示例性实施例中，基于为先前时间步长生成的路径的约束是软约束，即，如果满足一个或多个其他预定标准，则它可被违反(例如，为了避免碰撞)。换句话说，时间步长t的更新的路径在一些预定场景中可被允许形成在侧边界(参照图2中的7、8)的外部。
图5是根据本公开的实施例的用于自主或半自主车辆的路径规划的方法500的示意流程图表示。以下描述将关注于路径生成步骤502，然而，如前文中已例示的，可以说路径至少部分基于传感器数据501来生成，传感器数据501例如可由车辆的感知***提供。一旦生成了路径，方法可包括控制车辆来执行生成502路径。
接着，路径生成502被作为具有成本函数和约束集的优化问题来处理。成本函数表示用户期望的路径特性，并且约束包括路径被允许存在其中的可驾驶区域的限制。然后，找到的最优路径作为最小化成本函数的一个路径。
在许多情况下，并且在实际的实现方式中，该问题用公式表示为二次规划问题：
最小化成本函数：
Figure BDA0002637979120000091
受约束于：
Aw≤b (2)
其中，w是要优化的参数向量，Q是权重矩阵，c是权重向量，A是约束矩阵，并且b是约束向量。
参数向量确定目标路径的形状。例如，当路径由多项式建模时，向量是多项式系数。这种类型的方法的优势是采用有效算法，可实时找到最优解。以下将参照图5在下面讨论二次规划问题的特定实现方式的示例。
为了添加基于为先前时间步长生成的路径的约束，对上述优化问题的公式做出修改。更具体地，等式(1)、(2)被更新：
Figure BDA0002637979120000092
Aawa≤ba (4)
其中，wa是要优化的参数向量，并且其从等式(1)和(2)中的w增强：
Figure BDA0002637979120000093
Qa和ca分别是从等式(1)中的Q增强的成本矩阵和从等式(1)中的c增强的成本向量：
Figure BDA0002637979120000094
其中，ρ是基于为先前时间步长生成的路径的约束(软)的权重。Aa和ba分别是从等式(2)中的A增强的约束矩阵和从等式(2)中的b增强的约束向量：
Figure BDA0002637979120000095
接着，方法500包括计算成本函数矩阵和计算成本函数向量503。在本上下文中，成本函数可被理解为期望的目标路径特性的数学表示。例如，这些特性可以是路径的特定“平滑度”、到车道中心的接近度、路径的总长度等。为了计算上述二次规划问题的矩阵Q和向量c，在离散空间(或时间)中数值计算成本函数值。
更详细地，计算503成本函数矩阵和成本函数向量的步骤包括计算504“基础”矩阵和“基础”向量(Q，c)，并且然后形成增强的矩阵和增强的向量(Qa，ca)。
进一步，该方法包括计算506约束集，其中约束集进一步包括基于可驾驶区域的边界的至少一个约束和基于车辆特性的至少一个约束。更具体地，计算506约束矩阵和约束向量。一些约束源于可驾驶区域边界，为了确保最优路径存在于可驾驶区域内(例如，在路段上的一个或多个车道内)。此外，可需要路径的曲率低于某个阈值(例如，车辆的最小转弯半径)。
再进一步，计算506约束矩阵和约束向量的步骤，进一步包括基于为先前时间步长生成的路径和预定函数来推导507至少一个约束。这个约束也可被称作侧边界(例如，参见图2中的7、8)。因此，方法500进一步包括获得508基于先前时间步长的路径的侧边界，并且基于预定函数(参见图3(a)、图3(b)、图3(c)中的示例)为车辆前面的区域成形509侧边界。例如，如果车辆前面的区域的侧边界要成为漏斗形状，则侧边界之间的距离的扩展按照与车辆的距离成比例增加。
因此，一旦推导507出“漏斗”约束，就形成510增强的约束矩阵和增强的约束向量(Aa、ba)。接下来，求解511优化问题。这可被理解为最小化给定了预定特性集和预定约束集的成本函数。更具体地，这个步骤511求解前文中所讨论的二次规划问题。对于这项任务，也可以使用有效和数字稳定的传统算法。
进一步，从方案511构造512目标路径。取决于二次规划问题用公式表示的方式，优化511的输出可以是多项式系数集、向自我车辆运动模型的控制输入序列、或形成路径的形状的一些权重。
路径优化的传统方法可使用模型预测控制(MPC)，其中成本函数被设定为：
Figure BDA0002637979120000101
其中，
Figure BDA0002637979120000102
是估算的模型轨迹，r是参考轨迹，并且
Figure BDA0002637979120000103
是输入的改变。
模型预测控制给出最小化这个成本函数的控制输入。第一项是要求产生的运动接近目标运动(例如，参考轨迹)的性能指标。第二项是具有抑制控制输入随时间改变的作用的稳定指标，即，它尝试保持控制输入的当前水平，这导致稳定运动。
然而，成本函数具有性能指标和稳定指标之间的固有的权衡。例如，当优先级被置于具有较大权重因子的稳定性上时，性能被降级，导致来自先前的路径的更新的目标路径的改变被成功抑制、但路径不能保持期望的特性的情况。在本公开中，通过使用基于在先前时间步长处生成的路径(即，侧边界)的约束来充当仅在必要时可被违反的软约束，性能和稳定性之间的传统权衡可被克服。
可选地，用于执行这些功能的可执行指令包括在非瞬态计算机可读存储介质或被配置为由一个或多个处理器执行的其他计算机程序产品中。
图6是具有用于自主或半自主车辆1的路径规划的控制设备10的车辆的侧视示意图。车辆1进一步包括与控制设备通信连接的感知***66和定位***65。本上下文中的感知***66可被理解为负责从诸如摄像机、激光雷达和雷达、超声传感器的传感器67a、67b、67c获取原始传感器数据并将该原始数据转换为场景理解力的***。定位***65被配置为监视车辆的地理位置和行进，并且可以采取诸如GPS的全球导航卫星***(GNSS)的形式。然而，为了改进准确性，定位***可以可替代地实现为实时运动学(RTK)GPS。
控制设备10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可被称作控制电路11或控制电路装置11。控制电路11被配置为执行存储在存储器12中的指令，以根据本文所公开的实施例中的任何一个执行用于自主或半自主车辆的路径规划的方法。换句话说，控制设备10的存储器12可包括一个或多个(非瞬态)计算机可读存储介质，用于存储计算机可执行指令，例如，该指令在被一个或多个计算机处理器11执行时，可使得计算机处理器11执行本文所描述的技术。存储器12可选地包括高速随机存取存储器(诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器设备)，并且可选地包括非易失存储器(诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备或其他非易失固态存储设备)。
更详细地，控制电路11被配置为获得(经由传感器接口13或通信接口14)车辆1的周围环境的可驾驶区域。可驾驶区域例如可由道路边界或车道边界限定，道路边界或车道边界由感知***66和相关联的传感器设备67a-67c检测和确定。然而，在可替代的实施例中(未示出)，控制设备10可直接从一个或多个传感器设备67a-67c接收原始数据，并且可驾驶区域的确定可由控制设备10的专用模块基于所接收的传感器数据执行。控制电路11进一步被配置为基于预定约束集和路径的预定特性集在可驾驶区域内为时间步长t生成的路径。约束集包括基于为先前时间步长生成的路径的至少一个约束。
进一步，车辆1可经由例如无线链路连接到外部网络62(例如，用于检索地图数据)。相同的或一些其他无线链路可被用来与车辆附近的其他车辆或与本地基础设施元素通信。蜂窝通信技术可被用于(例如，到外部网络的)远程通信，并且如果所使用的蜂窝通信技术具有低延迟，则它也可用于车辆之间、车辆到车辆(V2V)和/或车辆到基础设施(V2X)的通信。蜂窝无线电技术的示例是GSM、GPRS、EDGE、LTE、5G、5G NR等，也包括未来蜂窝方案。然而，在一些方案中，使用了诸如无线局域网(LAN)的中短程通信技术，例如，基于IEEE802.11的方案。ETSI正致力于车辆通信的蜂窝标准，并且例如，5G由于低延迟和高带宽和通信信道的高效处理而被认为是合适的方案。
总之，为了减轻路径规划期间的不稳定的车辆行为的问题，本公开引入了具有以下属性的附加约束。
对于自我位置后面的区域，约束围绕作为在先前计算时间处生成的路径的先前的路径形成。约束(侧边界)的宽度被预定并且是窄的，使得更新的路径只允许存在于先前的路径的附近。
然而，对于自我位置前面的区域，约束(侧边界)的宽度像漏斗一样(或根据任何其他合适的函数)扩展，以允许更新的路径基于成本函数和其他约束被优化。此外，作为一种选择，这个约束只有在不违反就不能找到最优路径时被允许违反。
进一步，对于车辆前面的区域中的约束属性，可将漏斗扩展的速率设置为相对于与自我车辆的距离的恒定值。如果减小漏斗扩展的速率，则更新的路径趋向于保持先前的路径的形状，因此增强了稳定性。在示例性实施例中，漏斗扩展的速率为零，意味着漏斗不扩展，相反，约束围绕先前的路径形成，即使对于车辆前面的区域。本上下文中的车辆前面要被解释为在车辆行驶方向上的车辆前面的区域。因此，如果车辆正在反向移动，那么“车辆前面的区域”实际上是车辆“后面的”区域。
上面已参照特定的实施例提出了本公开。然而，除上述以外的其他实施例是可能的并且在本公开的范围内。可在本公开的范围内提供除上述那些步骤以外的由硬件或软件执行方法的不同方法步骤。因此，根据示例性实施例，提供了存储有被配置为由车辆控制***的一个或多个处理器执行的一个或多个程序的非瞬态计算机可读存储介质，一个或多个程序包括用于执行根据上述实施例中的任何一个的方法的指令。可替代地，根据另一个示例性实施例，云计算***可被配置为执行本文所提出的任何方法。云计算***可包括在一个或多个计算机程序产品的控制下共同执行本文所提出的方法的分布式云计算资源。
一般而言，计算机可存取介质可包括任何有形或非瞬态存储介质或存储器介质，诸如电的、磁的或光的介质，例如，经由总线耦接到计算机***的盘或CD/DVD ROM。如本文所使用的术语“有形”和“非瞬态”意在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不意在另外对由短语计算机可读介质或存储器包含的物理的计算机可读存储设备的类型进行限制。例如，术语“非瞬态计算机可读介质”或“有形存储器”意在包含不必要永久存储信息的各种类型的存储设备，包括例如，随机存取存储器(RAM)。采取非瞬态形式存储在有形计算机可存取存储介质上的程序指令和数据可进一步由传输介质或诸如电的、电磁的或数字信号的信号(可经由诸如网络和/或无线链路的通信介质运送)传输。
处理器11(与控制设备10相关联的)可以是或包括用于执行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件组件。设备10具有关联的存储器12，并且存储器12可以是用于存储用于完成或有助于本说明书中所描述的各种方法的数据和/或计算机代码的一个或多个设备。存储器可包括易失性存储器或非易失性存储器。存储器12可包括数据库组件、目标代码组件、脚本组件或用于支持本说明书的各种动作的任何其他类型的信息结构。根据示例性实施例，任何分布式或本地存储器设备可与本说明书的***和方法一起利用。根据示例性实施例，存储器12通信地连接到处理器11(例如，经由电路或任何其他有线、无线或网络连接)并且包括用于执行本文所描述的一个或多个过程的计算机代码。
应理解的是，传感器接口13也可提供直接或经由车辆中的专用传感器控制电路66获取传感器数据的可能性。通信/天线接口14可进一步提供借助于天线68向远程位置(例如，远程操作者或控制中心)发送输出的可能性。而且，车辆中的一些传感器可使用诸如CAN总线、I2C、以太网、光纤等的本地网络设置与控制设备10通信。通信接口14可被设置为与车辆的其他控制功能通信，并且可因此也被看作是控制接口；然而，可提供分离的控制接口(未示出)。车辆内的本地通信也可以是采用诸如WiFi、LoRa、Zigbee、蓝牙或类似中/短程技术的协议的无线类型。
相应地，应理解的是，所描述的方案的部分可实现在车辆中、位于车辆外部的***中，或可实现在车辆内部和外部的组合中；例如，在与车辆通信的服务器中，所谓的云方案。例如，传感器数据被发送给外部***，并且该***执行确定车辆1的周围环境的可驾驶区域的步骤。实施例的不同特征和步骤可被组合在除所描述组合之外的其他组合中。
在以下项目中列出了示例性方法、计算机可读存储介质、控制设备以及车辆：
1.一种用于自主或半自主车辆的路径规划的方法，所述方法包括：
获得所述车辆的周围环境的可驾驶区域；
基于预定约束集和所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径；
其中，所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。
2.根据项目1所述的方法，其中，在所述可驾驶区域内为所述时间步长t生成路径的步骤包括：
计算成本函数，其中，所述成本函数是所述路径的所述预定特性集的数学表示；
计算所述预定约束集，其中，所述预定约束集进一步包括基于所述可驾驶区域的边界的至少一个约束和基于车辆特性的至少一个约束；
基于所计算的成本函数和所计算的预定约束集求解优化问题；
基于所求解的优化问题形成所述路径。
3.根据项目2所述的方法，其中，计算成本函数的步骤包括：
计算成本函数矩阵Q和成本函数向量c；
形成增强的成本函数矩阵Qa和增强的成本函数向量ca。
4.根据项目2或3所述的方法，其中，计算所述预定约束集的步骤包括：
计算约束矩阵A和约束向量b；
基于为先前时间步长生成的路径和预定函数推导所述至少一个约束；
形成增强的约束矩阵Aa和增强的约束向量ba。
5.根据前述项目中的任一项所述的方法，其中，基于为所述先前时间步长生成的所述路径的所述至少一个约束包括：从为所述先前时间步长生成的所述路径向所述车辆的行驶方向延伸的两个侧边界。
6.根据项目5所述的方法，其中，所述两个侧边界之间的区域限定时间步长t的所述路径的至少一部分被允许形成在其内的容许区域。
7.根据项目6所述的方法，进一步包括：
如果时间步长t的所述路径的所述部分不能形成在所述两个侧边界之间的所述容许区域内，则增大所述侧边界之间的距离直到所述路径的所述部分能形成在所述容许区域内为止。
8.根据项目5至项目7中的任一项所述的方法，其中，所述两个侧边界具有第一部分，所述第一部分具有平行于从所述先前时间步长生成的所述路径的纵向延伸，并且其中，所述两个侧边界具有第二部分，所述第二部分具有在所述可驾驶区域内沿所述车辆的行进方向的基于预定函数的形状。
9.根据项目8所述的方法，其中，所述两个侧边界的所述第二部分具有在所述可驾驶区域内沿所述车辆的所述行进方向的漏斗形状延伸，所述漏斗形状延伸被设置为随着远离所述车辆的距离而扩展。
10.根据前述项目中的任一项所述的方法，其中，基于为先前时间步长生成的路径的所述至少一个约束是基于为最接近的先前时间步长t-1生成的路径。
11.根据前述项目中的任一项所述的方法，其中，所述预定特性集包括：路径平滑水平、到车道中心的距离、所述路径的长度中的至少一个。
12.根据前述项目中的任一项所述的方法，其中，所述预定约束集进一步包括：所述车辆的最小转弯半径、所述车辆的长度、所述车辆的宽度、所述车辆的高度、所述车辆的离地间隙以及至少一个车道边界中的至少一个。
13.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序被配置为由车辆控制***的一个或多个处理器执行，所述一个或多个程序包括用于执行根据前述项目中的任一项所述的方法的指令。
14.一种用于自主或半自主车辆的路径规划的控制设备，所述控制设备包括控制电路，所述控制电路被配置为：
获得所述车辆的周围环境的可驾驶区域；
基于预定约束集和所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径；
其中，所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。
15.根据项目14所述的控制设备，其中，所述控制电路被配置为通过以下步骤在所述可驾驶区域内为时间步长t生成所述路径：
计算包括所述路径的所述预定特性集的成本函数；
计算所述预定约束集，其中，所述预定约束集进一步包括：基于所述可驾驶区域的边界的至少一个约束和基于车辆特性的至少一个约束；
基于所计算的成本函数和所计算的预定约束集求解优化问题；
基于所求解的优化问题形成所述路径。
16.根据项目14或项目15所述的控制设备，其中，基于为所述先前时间步长生成的所述路径的所述至少一个约束包括：从为所述先前时间步长生成的所述路径向所述车辆的行驶方向延伸的两个侧边界。
17.根据项目16所述的控制设备，其中，所述两个侧边界具有第一部分，所述第一部分具有平行于从所述先前时间步长生成的所述路径的纵向延伸，并且其中，所述两个侧边界具有第二部分，所述第二部分具有在所述可驾驶区域内沿所述车辆的行进方向的基于预定函数的形状。
18.根据项目17所述的控制设备，其中，所述两个侧边界的所述第二部分具有在所述可驾驶区域内沿所述车辆的行进方向的漏斗形状延伸。
19.一种车辆，包括：
感知***，所述感知***包括用于监视所述车辆的周围环境的至少一个传感器；
根据项目14至项目18中的任一项所述的控制设备。
应注意的是，词语“包括”不排除所除列出的那些元素或步骤之外的其他元素或步骤的存在，并且元素前面的词语“一”不排除多个这样的元素的存在。进一步应注意的是，任何附图标记不限制权利要求的范围，本公开可以是至少部分借助于硬件和软件两者来实现，并且一些“装置”或“单元”可由同一硬件项表示。
尽管各图可示出方法步骤的特定顺序，但步骤的顺序可不同于所描绘的顺序。此外，两个或多个步骤可被同时执行或部分同时执行。例如，两个侧边界中的每一个侧边界的第二部分的形状可进一步取决于诸如车辆速度和车辆的地理位置的附加参数。这种变化将取决于所选择的软件和硬件***并且取决于设计者的选择。所有这些变化均在本公开的范围内。同样地，软件实现可采用具有基于规则的逻辑或其他用来完成各种连接步骤、处理步骤、比较步骤和判定步骤的逻辑的标准编程技术来完成。上面所提到的和所描述的实施例仅作为示例给出，并且不应对本公开进行限制。如在下面描述的专利实施例中所要求保护的本公开的范围内的其他解决方案、用途、目标和功能对本领域技术人员应是显而易见的。

Claims (15)

1.一种用于自主或半自主车辆的路径规划的方法，所述方法包括：
获得所述车辆的周围环境的可驾驶区域；
基于预定约束集和所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径；
其中，所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。
2.根据权利要求1所述的方法，其中，在所述可驾驶区域内为所述时间步长t生成路径的步骤包括：
计算成本函数，其中，所述成本函数是所述路径的所述预定特性集的数学表示；
计算所述预定约束集，其中，所述预定约束集进一步包括：基于所述可驾驶区域的边界的至少一个约束和基于车辆特性的至少一个约束；
基于所计算的成本函数和所计算的预定约束集求解优化问题；
基于所求解的优化问题形成所述路径。
3.根据权利要求2所述的方法，其中，计算成本函数的步骤包括：
计算成本函数矩阵Q和成本函数向量c；
形成增强的成本函数矩阵Qa和增强的成本函数向量ca。
4.根据权利要求2所述的方法，其中，计算所述预定约束集的步骤包括：
计算约束矩阵A和约束向量b；
基于为先前时间步长生成的路径和预定函数推导所述至少一个约束；
形成增强的约束矩阵Aa和增强的约束向量ba。
5.根据权利要求1所述的方法，其中，基于为所述先前时间步长生成的所述路径的所述至少一个约束包括：从为所述先前时间步长生成的所述路径向所述车辆的行驶方向延伸的两个侧边界。
6.根据权利要求5所述的方法，其中，所述两个侧边界之间的区域限定时间步长t的所述路径的至少一部分被允许形成在其内的容许区域。
7.根据权利要求6所述的方法，进一步包括：
如果时间步长t的所述路径的所述部分不能形成在所述两个侧边界之间的所述容许区域内，则增大所述侧边界之间的距离直到所述路径的所述部分能形成在所述容许区域内为止。
8.根据权利要求5所述的方法，其中，所述两个侧边界具有第一部分，所述第一部分具有平行于从所述先前时间步长生成的所述路径的纵向延伸，并且其中，所述两个侧边界具有第二部分，所述第二部分具有在所述可驾驶区域内沿所述车辆的行进方向的基于预定函数的形状。
9.根据权利要求8所述的方法，其中，所述两个侧边界的所述第二部分具有在所述可驾驶区域内沿所述车辆的所述行进方向的漏斗形状延伸，所述漏斗形状延伸被设置为远离所述车辆的距离而扩展。
10.根据权利要求1所述的方法，其中，基于为先前时间步长生成的路径的所述至少一个约束是基于为最接近的先前时间步长t-1生成的路径。
11.根据权利要求1所述的方法，其中，所述预定特性集包括：路径平滑水平、到车道中心的距离、所述路径的长度中的至少一个。
12.根据权利要求1所述的方法，其中，所述预定约束集进一步包括：所述车辆的最小转弯半径、所述车辆的长度、所述车辆的宽度、所述车辆的高度、所述车辆的离地间隙以及至少一个车道边界中的至少一个。
13.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序被配置为由车辆控制***的一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1所述的方法的指令。
14.一种用于自主或半自主车辆的路径规划的控制设备，所述控制设备包括控制电路，所述控制电路被配置为：
获得所述车辆的周围环境的可驾驶区域；
基于预定约束集和所述路径的预定特性集在所述可驾驶区域内为时间步长t生成路径；
其中，所述预定约束集包括基于为先前时间步长生成的路径的至少一个约束。
15.一种车辆，包括：
感知***，所述感知***包括用于监视所述车辆的周围环境的至少一个传感器；
根据权利要求14的控制设备。
CN202010831015.8A 2019-08-28 2020-08-18 用于自主和半自主车辆的路径规划 Pending CN112519770A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/553,874 2019-08-28
US16/553,874 US20210064042A1 (en) 2019-08-28 2019-08-28 Path planning for autonomous and semi-autonomous vehicles

Publications (1)

Publication Number Publication Date
CN112519770A true CN112519770A (zh) 2021-03-19

Family

ID=71737990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010831015.8A Pending CN112519770A (zh) 2019-08-28 2020-08-18 用于自主和半自主车辆的路径规划

Country Status (3)

Country Link
US (1) US20210064042A1 (zh)
EP (1) EP3786587B1 (zh)
CN (1) CN112519770A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113799797A (zh) * 2021-07-27 2021-12-17 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210094569A1 (en) * 2019-09-27 2021-04-01 Honda Motor Co., Ltd. System and method for providing accurate trajectory following for automated vehicles in dynamic environments
CN116539057B (zh) * 2023-04-28 2024-01-16 北京大数据先进技术研究院 一种最优路径确定方法、装置和电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9216745B2 (en) * 2013-09-16 2015-12-22 Disney Enterprises, Inc. Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios
US10725470B2 (en) * 2017-06-13 2020-07-28 GM Global Technology Operations LLC Autonomous vehicle driving systems and methods for critical conditions
US10606259B2 (en) * 2017-07-07 2020-03-31 Zoox, Inc. Interactions between vehicle and teleoperations system

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113799797A (zh) * 2021-07-27 2021-12-17 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
CN113799797B (zh) * 2021-07-27 2022-07-12 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
WO2023005223A1 (zh) * 2021-07-27 2023-02-02 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质、设备及计算机程序产品

Also Published As

Publication number Publication date
EP3786587A1 (en) 2021-03-03
EP3786587B1 (en) 2023-12-13
US20210064042A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
EP3524934B1 (en) Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle
US10948919B2 (en) Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
US10442435B2 (en) Speed control parameter estimation method for autonomous driving vehicles
JP6622148B2 (ja) 周辺環境認識装置
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
CN112440990A (zh) 用于自主和半自主车辆的路径规划
US10409280B2 (en) Control dominated planning and control system for autonomous driving vehicles
JP6628843B1 (ja) 障害物回避装置および障害物回避経路生成装置
CN112519770A (zh) 用于自主和半自主车辆的路径规划
WO2018101982A1 (en) Speed control for a full stop of an autonomous driving vehicle
US20190278276A1 (en) Emergency stop speed profile for autonomous vehicles
JP2020037339A (ja) 衝突回避装置
CN115701295A (zh) 用于车辆路径规划的方法和***
US11414096B2 (en) QP spline path and spiral path based reference line smoothing method for autonomous driving
JP7206970B2 (ja) 車両運動制御方法及び車両運動制御装置
JP7200712B2 (ja) 車両運動制御方法及び車両運動制御装置
JP7206971B2 (ja) 車両運動制御方法及び車両運動制御装置
CN112504289A (zh) 不确定环境中的安全轨迹跟踪
JP2021133689A (ja) 走行支援装置、走行支援方法、および走行支援プログラム
EP4270352A1 (en) Controlling a future traffic state on a road segment
JP6838769B2 (ja) 周辺環境認識装置、表示制御装置
JP2020053069A (ja) 車載用電子制御装置
US20230091276A1 (en) System and method for automated merging

Legal Events

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