CN113165648A - 用于基于采样对机动车辆的可能轨迹进行规划的控制***和控制方法 - Google Patents
用于基于采样对机动车辆的可能轨迹进行规划的控制***和控制方法 Download PDFInfo
- Publication number
- CN113165648A CN113165648A CN201980072429.2A CN201980072429A CN113165648A CN 113165648 A CN113165648 A CN 113165648A CN 201980072429 A CN201980072429 A CN 201980072429A CN 113165648 A CN113165648 A CN 113165648A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- control system
- trajectory
- determined
- lane
- 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
Links
- 238000000034 method Methods 0.000 title claims description 35
- 238000005070 sampling Methods 0.000 title description 30
- 230000007613 environmental effect Effects 0.000 claims abstract description 65
- 238000012360 testing method Methods 0.000 claims description 43
- 230000001133 acceleration Effects 0.000 claims description 38
- 230000003068 static effect Effects 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 230000036461 convulsion Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 30
- 230000008859 change Effects 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000013459 approach Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 230000009466 transformation Effects 0.000 description 7
- 239000003550 marker Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 101100518501 Mus musculus Spp1 gene Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W30/10—Path keeping
-
- 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future 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
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/006—Interpolation; Extrapolation
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种控制***(10),适合用在自身的机动车辆(12)中并且被配置并确定为用于:监测该自身的机动车辆和另外的机动车辆的当前行驶状况,并且基于在控制器上提供的该自身的机动车辆(12)的环境数据来确定用于该自身的机动车辆(12)的随后的行驶操作的最优轨迹,该自身的机动车辆(12)应跟随该最优轨迹。所述控制***被配置并确定为用于基于所提供的环境数据来获得关于自身的机动车辆(12)和/或至少一个另外的机动车辆的当前行驶状况的信息。所述控制***(10)还被配置并确定为用于基于关于自身的机动车辆和/或另外的机动车辆的当前行驶状况的信息来获得多个侧向位置和多个纵向位置和/或速度。最后,所述控制***(10)被配置并确定为用于由所述多个侧向位置和所述多个纵向位置和/或速度来获得用于最优轨迹的停止点,所述自身的机动车辆(12)应在实施行驶操作时跟随所述最优轨迹,并且借助于在所获得的停止点之间的基于样条的内插并且依据所述停止点处的侧向位置来确定所述自身的机动车辆(12)的所述最优轨迹。
Description
技术领域
在此说明了一种用于确定轨迹的控制***和控制方法,自身的机动车辆应跟随该轨迹以执行行驶操作。该控制***和控制方法尤其基于自身的机动车辆中的环境传感器并且对驾驶员或自主行驶的机动车辆进行辅助。在此,在半自主的机动车辆和自主控制的机动车辆中,该控制***和控制方法有助于提高机动车辆乘客的安全性和行驶舒适度。
背景技术
从人们对自动驾驶机动车辆的各种功能的越来越大的兴趣发展出了对可靠且快速的控制***和用于至少半自主行驶的机动车辆的运动规划(轨迹规划)的算法的提高的要求。在此,不只逐渐增长的交通参与者数量,而且还有在这些交通参与者的高度复杂交通场景中必须处理的认知任务都形成了巨大的挑战。在半自主或自主行驶的机动车辆的控制***的架构中,除了对某些交通状况的识别和控制以外,主要是决策和运动规划在很大程度上影响对应的机动车辆的总体性能。
近些年不断继续发展的用于半(自主)机动车辆的轨迹规划的控制***和算法证明了自动化驾驶的复杂度。在此,涉及运动规划的挑战一般在于,在有限的时间内获得舒适的且另外可实施且无碰撞的轨迹,以便由此在动态变化的环境中保证机动车辆的半(自主)***的实时性能。
过去已经开发了用于轨迹规划的不同方案。这例如涉及运动规划算法或者用于基于采样的轨迹规划的技术。后者一般用于以特定方式简化运动规划问题,以便满足对例如有限的计算时间的特定要求。在此,(简化)目标在于用无穷数量的样本(采样值)来覆盖一个连续空间。
在现今的机动车辆中,驾驶辅助***(ADAS-advanced driver assistancesystems)提供多个监测和提示功能,以使机动车辆的驾驶更安全。在此,基于由位于机动车辆处的一个或多个环境传感器获取的关于自身的机动车辆的行驶进程的环境数据来监测机动车辆的环境。
已知的驾驶辅助***例如得知,机动车辆是否位于车道之内以及驾驶员是不希望向车道一侧偏移还是准备离开该车道。这些驾驶辅助***从所获取的环境数据生成街道且尤其车道的“映像”。在此识别物体并且在行驶期间跟踪例如人行道边缘、车道边界线、方向箭头等。
现今的驾驶辅助***还包括所谓的“死角监测器”。这些死角监测器例如借助于雷达、激光雷达、视频等得知,是否有另外的机动车辆、交通参与者或物***于机动车辆的侧方和/或后方,使得自身的机动车辆的变道或转弯可能导致与其碰撞。
另外,在所谓的ACC***(自适应巡航控制)中,该自身的机动车辆的自动速度调节适配于在前方行驶的机动车辆的速度。在此总是与在前方行驶的机动车辆保持一定距离。为此,此类***获得在前方行驶的机动车辆的运动方向和/或速度,以便避免自身的机动车辆与在前方行驶的机动车辆的路径交叉而造成危险状况。这一方面涉及变道或转弯过程并且另一方面涉及追尾事故。
在由人驾驶的机动车辆中,驾驶员辅助***大多提供提示功能,以便在危险状况或对应的操作之前警告驾驶员,或者以便给驾驶员建议机动车辆的适当的操作。驾驶员辅助***同样还可以用在自主控制的机动车辆中,以便给自主控制器提供对应的环境数据。
基本问题
在街道交通中可能出现以下状况:由驾驶员或自身的机动车辆的(半)自主的驾驶员辅助***来实现行驶操作的实施。例如曲线形的车道走向可能已经要求自身的机动车辆的对应行驶操作。
然而,自身的机动车辆所处的当前状况不是恒定的,而是在现实中持续变化。于是其他交通参与者例如可能有意地或由于事故而无意地进行变道或变速。另外,自身的机动车辆的当前行驶状况由于自身的行驶行为和/或不断改变的车道走向而已经发生变化。对当前状况的此类变化合理地且及时地进行反应不仅对常规的驾驶员辅助***还对人类驾驶员提出了巨大挑战。另外,许多交通状况的动态和总是变得越来越密集的交通反映在常规驾驶员辅助***的不断增长的资源消耗中。
因此存在以下目的,即提供用于机动车辆的一种控制***和一种控制方法,所述控制***和控制方法根据机动车辆所处的当前交通状况提高了机动车辆的行驶安全性和行驶舒适性。另外,在此节约了用于控制***的资源,其方式为以高效的方式来计算用于机动车辆的后续行驶操作决策的轨迹。
提出的解决方案
这个目的通过具有权利要求1所述特征的控制***以及具有权利要求12所述特征的控制方法来实现。
从属权利要求2至11和13中以及下文描述中能够看出优选的实施方式。
一个方面涉及被配置且确定为用在自身的机动车辆中的控制***。这种控制***基于由指配给所述自身的机动车辆的至少一个环境传感器获取的环境数据来识别车道、道路边界、道路标志、另外的机动车辆和/或其他不同物体。所述至少一个环境传感器被配置为给所述控制***的电子控制器提供重现所述自身的机动车辆前方、侧方旁边和/或后方的区域的环境数据。所述控制***至少被配置并确定为用于:基于所提供的环境数据来获得关于所述自身的机动车辆和至少一个另外的机动车辆的当前行驶状况的信息。所述控制***还至少被配置并确定为用于:基于关于所述自身的机动车辆和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个侧向位置,并且基于关于所述自身的机动车辆和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个纵向位置和/或速度。最后所述控制***还被配置并确定为用于:由所述多个侧向位置和所述多个纵向位置和/或速度来获得用于所述自身的机动车辆的轨迹的停止点,所述自身的机动车辆应在实施行驶操作时跟随所述停止点,并且借助于在所获得的停止点之间的基于样条的内插并且依据所述停止点处的侧向位置来确定所述自身的机动车辆的轨迹。
在获得车道、道路边界、道路标志、另外的机动车辆和/或其他不同物体时,所述控制***例如可以被配置并确定为用于:获得所述自身的机动车辆所处的车道和在所述自身的机动车辆前方、侧方旁边和/或后方的区域中的另外的机动车辆所处的另外的车道,并且将在所述自身的机动车辆前方、侧方旁边和/或后方的区域中所述另外的机动车辆确定为待检测的其他机动车辆。另外的车道可以与自身的车道相对应或者与自身的车道相邻。由此可以保证,不仅可以将与自身的机动车辆在同一条车道上行驶的机动车辆而且还可以将与自身的机动车辆的车道相邻的车道上行驶的另外的机动车辆确定为待检测的其他机动车辆。
另外,尤其可以获得自身的机动车辆和/或另外的机动车辆(的纵向轴线)在自身的机动车辆和/或另外的机动车辆所处的车道的车道边界的方向上的侧方运动。在此尤其可以借助于控制***将如下的另外的机动车辆确定所述其他机动车辆:所述另外的机动车辆位于自身的机动车辆前方和/或后方和/或侧前方和/或侧后方并且在当前的行驶状况下(在相应的当前时间点)与自身的机动车辆具有最小距离。
控制***例如可以借助于所提供的环境特征(例如车道边界和/或车道标志)来得知自身的车道以及另外的车道。控制***同样可以基于由借助于所述至少一个环境传感器获取的环境数据来识别这些环境特征。此外,控制***还可以从外部***(例如从GPS***)获取环境特征以供使用。
可以借助于自身的机动车辆的所述至少一个环境传感器在预定的时间跨度上或连续地检测所述其他机动车辆,并且对应的数据可以提供给自身的机动车辆的控制***。在此,所述控制***还被配置并确定为用于:在预定的时间跨度期间或连续地获得在所述另外的机动车辆的纵向轴线与所述另外的机动车辆所处的相关车道的中线、至少一个车道边界或至少一个车道标志之间的距离变化。相关车道的中线以及车道边界在此可以为虚拟的、由控制***确定的、相关车道的当前中线或当前车道边界。控制***同样可以在预定的时间跨度期间或连续地获得在所述另外的机动车辆的纵向轴线与自身的机动车辆所处的虚拟或实际的车道标志或车道边界之间的距离变化。
所述控制***可以被配置并确定为用于:为了获得当前的交通状况,获得在自身的机动车辆与位于自身的机动车辆前方和/或侧方旁边和/或后方的另外的机动车辆之间的距离以及在自身的机动车辆与所述另外的机动车辆之间的速度差和/或加速度差,其中自身的机动车辆和所述另外的机动车辆可以处于同一车道上或处于相邻的车道上。
控制***可以将所获得的在自身的机动车辆与另外的机动车辆之间的距离、速度差和/或加速度差任意组合并且彼此关联。
应理解,控制***还可以被配置并确定为用于借助于所述至少一个环境传感器在预定的时间跨度上或连续地检测参与交通的其他机动车辆,以便获得当前交通状况。由此,控制***还可以在预定的时间跨度上或连续地获得先前说明的相对距离、速度差和/或加速度差的变化,确切地说相对于在当前交通状况下处于靠近自身的机动车辆的环境中的所有其他机动车辆或另外的物体。
在某些实施方式中,所述控制***还可以被配置并确定为用于:基于所提供的环境数据来获得基础行驶操作,所述自身的机动车辆应实施所述基础行驶操作,并且基于所获得的基础操作来确定所述多个侧向位置中的至少一个侧向位置和/或为所述侧向位置中的至少一个侧向位置指定数值,所述数值表示基础操作类型,其中所述基础操作类型被包含在基础操作类型集合中,所述基础操作类型集合至少由用于向左变道、向右变道和保持车道的基础操作组合成。
替代地或附加地,基础操作类型集合可以包含向左保持车道和/或向右保持车道的其他基础操作。
所述控制***还可以被配置并确定为用于:基于所述自身的机动车辆和/或所述另外的机动车辆的纵向加速度来确定所述多个纵向位置。
在此,例如可以涉及自身的机动车辆的以自身的机动车辆的发动机功率为基础的最大可能加速度。替代地或附加地,在此可以涉及出于安全性和舒适性考量而推导出的自身的机动车辆和/或另外的机动车辆的最大加速度值,所述最大加速度值可以基于当前的行驶状况或以其他适合的方式预先给定。
在某些实施方式中,所述控制***还可以被配置并确定为用于:借助于自适应离散化来确定所述多个纵向位置,其中所述自身的机动车辆和/或所述另外的机动车辆的加速度用作用于所述自适应离散化的控制参数。
在此,例如可以涉及上文描述的纵向和/或侧向加速度或者分别涉及其对应的最大值。
此外,在此尤其可以涉及在获得自身的机动车辆和/或另外的机动车辆的当前行驶状况的相应时间点存在的自身的机动车辆在行驶方向上的加速度和/或另外的机动车辆在行驶方向上的加速度。
借助于自适应离散化,可以建立自身的机动车辆和/或另外的机动车辆的线性采样的纵向位置和/或速度的非线性映射。
另外,借助于自适应离散化尤其可以在评估从匝道驶入高速公路和/或快速路情景时,在确定自身的机动车辆的轨迹时考虑到自身的机动车辆和/或另外的机动车辆的变化的纵向加速度。
所述控制***还可以被配置并确定为用于:在考虑到静态碰撞测试的情况下确定所述自身的机动车辆的轨迹,其中所述静态碰撞测试基于所述自身的机动车辆和/或所述另外的机动车辆的多个侧向位置。
所述控制***另外可以被配置并确定为用于:在考虑到动态碰撞测试的情况下确定所述自身的机动车辆的轨迹,其中所述动态碰撞测试基于所述自身的机动车辆和/或所述另外的机动车辆的所述多个侧向位置和/或基于所述多个纵向位置和/或速度。
在此,控制***还可以被配置并确定为用于:在考虑到所述自身的机动车辆和/或所述另外的机动车辆的最大加速度的情况下进行所述动态碰撞测试。
在此,所述控制***还可以被配置并确定为用于:在使用分离集合的情况下进行所述静态碰撞测试和/或所述动态碰撞测试。
所述控制***还可以被配置并确定为用于:借助于基于成本函数的目标函数来检验所述自身的机动车辆的轨迹。
在此可以为所述目标函数指配目标状态,并且可以将所述目标函数与所述目标状态的偏离用作所述目标函数的目标。替代地或附加地,可以将呈所述自身的机动车辆的侧向和/或纵向加速度的形式和/或呈所述自身的机动车辆的侧向和/或纵向急动度形式的所述目标函数的另外的目标用作所述目标函数的目标状态。
于是可以获得综合全面的目标函数,其各个项分别对于自身的机动车辆12的当前交通状况对避免动态碰撞、避免静态碰撞、可实现性以及驾驶舒适性进行建模,以便对于每一个当前行驶状况且对每一个操作类型选出自身的机动车辆的轨迹。
所述控制***还可以被配置并确定为用于:关于通过所述环境数据提供给所述自身的机动车辆的所述控制***的参考车道,在曲线坐标中确定所述自身的机动车辆和/或所述另外的机动车辆的所述多个侧向位置和/或速度,并且在正交坐标中检验所述自身的机动车辆的轨迹。
在此还可以进行在正交坐标中的内插。
由此可以与街道几何形状无关地进行轨迹规划用于在直线和弯曲的路段上行驶。
与在曲线坐标中的候选轨迹的评估相反,由此不需要时间密集地逐点地变换对于障碍物(例如另外的机动车辆)获得的轨迹。附加地,仅仅变换停止点与在正交坐标(机动车辆坐标)中内插和评估一起实现了无须变换每一个单独的轨迹点。出于精确性的原因,停止点的分辨率可以根据街道曲率来选择,由此使得由于内插造成的相对于参考车道(参考轨迹)的偏差最小。
所述控制***还可以被配置并确定为用于:借助于基于成本函数的目标函数来确定轨迹。
所述控制***还可以被配置并确定为用于:在确定所述自身的机动车辆的轨迹时进行静态碰撞测试。这种静态碰撞测试基于该多个第一采样值。
所述控制***还可以被配置并确定为用于:在确定所述自身的机动车辆的轨迹时进行动态碰撞测试。所述动态碰撞测试基于该多个第二采样值。
所述控制***还可以被配置并确定为用于:在考虑到所述自身的机动车辆的最大加速度的情况下进行所述动态碰撞测试。
在此,控制***还可以被配置并确定为用于:在使用分离集合的情况下进行所述静态碰撞测试和/或所述动态碰撞测试。
另一个方面涉及一种控制方法,所述控制方法在自身的机动车辆中基于指配给所述自身的机动车辆的至少一个环境传感器获取的环境数据来识别在所述自身的机动车辆前方、侧方旁边和/或后方的区域中的道路边界、道路标志、另外的机动车辆和/或物体,其中所述控制方法尤其借助于上文描述的控制***来实施。所述控制方法至少包括以下步骤:
-基于所提供的环境数据来获得关于所述自身的机动车辆和至少一个另外的机动车辆的当前行驶状况的信息,
-基于关于所述自身的机动车辆和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个侧向位置,
-基于关于所述自身的机动车辆和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个纵向位置和/或速度,
-获得用于所述自身的机动车辆的轨迹的停止点,所述自身的机动车辆应在实施行驶操作时跟随所述停止点,以及
借助于在所获得的停止点之间的基于样条的内插并且依据所述停止点处的侧向位置来确定所述自身的机动车辆的轨迹。
再另一个方面涉及一种机动车辆,所述机动车辆包括上述控制***。
相对于常规的驾驶员辅助***,此处提出的解决方案改进了对自身的机动车辆和其他机动车辆的当前行驶状况的正确预测和正确识别。另外提供了实时地实施的两级式轨迹候选项规划和评估方案,该方案可以实现精确且高效地获得对于自身的机动车辆的将来的行驶操作而言最佳可能的(最优的)轨迹。
即,这种最佳可能的轨迹可以作为对自身的机动车辆所处的当前交通状况的合理响应而确定。借助于所述至少一个环境传感器获取的环境数据在此根据实际的交通状况和行驶状况不断变化并且可以周期性更新。
如果使用对于自身的机动车辆的将来的行驶操作而言最佳可能的轨迹,则这提高自身的机动车辆的行驶舒适性和行驶安全性,因为不仅进行静态和动态碰撞测试,而且在确定轨迹时还考虑到自身的机动车辆的行驶动态特性。还可以用控制***来确保最佳可能的轨迹的行驶动态可实现性,这额外地提高了行驶安全性。另外,在所述控制***的其他实施方式中,在跟踪轨迹时,通过考虑到自身的机动车辆的行驶动态特征来优化自身的机动车辆的行驶行为。行驶动态特征在此例如应理解为自身的机动车辆的纵向加速度和横向加速度。
本领域技术人员可以看出,先前描述的方面和特征可以任意地在控制***和/或控制方法中组合。虽然上文描述的特征中的一些特征是关于控制***来描述的,但是应理解,这些特征还可以适用于控制方法。上文中参考控制方法描述的特征同样可以以对应方式适用于控制***。
附图说明
从参照附图对不应被理解为限制性的实施例的以下说明得出另外的目的、特征、优点和应用可能性。在此,所描述的和/或以图像展示的所有特征单独地或者任意组合地示出在此公开的主题。在此,在附图中示出的部件的尺寸和比例并不是按比例的。相同地或等效的部件设有同一附图标记。
图1示意性示出根据特定实施例的机动车辆,该机动车辆具有控制***和至少一个环境传感器。
图2示意性示出根据特定实施例的用于规划和评估候选轨迹的两级式方案的架构。
图3示意性示出根据特定实施例的用于五个不同侧方操作类型的侧方参考路径(参考轨迹)。
图4示意性示出根据特定实施例的用于在使用不同示例性加速度值作为控制参数的情况下从线性离散化到自适应离散化的非线性图像。
图5示意性示出根据特定实施例对于不同数量的纵向加速度而言与线性离散化相比的自适应离散化的相对成本的图像。
图6示意性示出根据特定实施例的从曲线坐标K到车辆坐标F的变换。
图7示意性示出根据特定实施例的对于直线路段(上图)和曲线路段(下图)所获得的候选轨迹的集合。
图8示意性示出根据特定实施例的从对于直线路段(上图)和曲线路段(下图)所获得的候选轨迹的集合中由控制***确定的最佳可能的(最优的)轨迹。
图9示意性展示根据特定实施例应用的分离集合。
图10示意性示出根据特定实施例的用于动态碰撞测试的平均运行时间。
图11示出根据特定实施例在使用分离集合的情况下动态碰撞测试的示意图。
图12示出根据特定实施例的两级式轨迹规划和评估方案的示意图,具有基于采样地获得候选轨迹的第一级(左侧)和碰撞测试的第二级(右侧)。
图13(从上到下)示意性示出根据特定实施例在使用两级式轨迹规划和评估方案的情况下从匝道驶入高速公路情景的前五个图示。
图14(从上到下)示意性示出根据特定实施例在使用两级式轨迹规划和评估方案的情况下从匝道驶入高速公路情景的接下来五个图示。
图15示意性示出在图13和14中所示的从匝道驶入高速公路情景期间机动车辆的速度。
具体实施方式
在以下公开的范围内主要关于该控制***描述了特定方面。然而这些方面在所公开的控制方法的范围内当然也是有效的,该控制方法例如可以由机动车辆的中央控制设备(ECU)来实施。这可以在对指配给该机动车辆的存储器进行适当的读写访问的情况下进行。该控制方法在该机动车辆之内既可以作为硬件也可以作为软件还可以作为硬件与软件的组合实现。对此还包括数字信号处理器、专用集成回路、现场可编程门阵列以及其他适合的开关部件和计算部件。
图1示意性示出机动车辆12(自身的机动车辆),该机动车辆包括控制***10。控制***10与位于机动车辆12处的至少一个环境传感器14、16、18联接,以便从所述至少一个传感器14、16、18得到环境数据。控制***10可以包括电子控制器ECU(Electronic ControlUnit,在图中未示出)。例如在此情况下的控制***10借助于ECU和/或其他电子控制***被配置和确定为用于获得机动车辆12的轨迹和/或获得另外的机动车辆的轨迹,在自身的机动车辆12的当前行驶状态下该另外的机动车辆位于自身的机动车辆的环境中。例如ECU接收来自环境传感器14、16、18的信号、处理这些信号和相关的环境数据并且产生控制信号和/或输出信号。
在图1中示出三个环境传感器14、16、18,这些环境传感器将对应的信号发送到控制***10或电子控制器ECU。在机动车辆12处尤其布置有在机动车辆12的行驶方向上向前指向的至少一个环境传感器14,该环境传感器检测机动车辆12前方的区域22。该至少一个环境传感器14例如可以布置在机动车辆12的前保险杠、前灯和/或前散热器格栅的区域中。环境传感器14由此检测机动车辆12正前方的区域22。
在机动车辆12的前车窗的区域中示出同样在机动车辆12的行驶方向上向前指向的至少一个附加的或替代的环境传感器16。例如,这个环境传感器16可以布置在机动车辆12的内部后视镜与机动车辆的前车窗之间。这样的环境传感器16检测机动车辆12前方的区域24,其中依据机动车辆12的构型,由于机动车辆12的前部区段(或其几何形状)无法检测在机动车辆12正前方的区域24。
此外,至少一个环境传感器18在侧方布置在机动车辆12处和/或布置在机动车辆的尾部处。这个任选的环境传感器18检测位于机动车辆12侧方和/或在机动车辆的行驶方向上位于机动车辆12后方的区域26。例如,该至少一个环境传感器18的数据或信号可以用于验证由另外的环境传感器14、16检测的信息和/或用于确定机动车辆12行驶的车道的曲率。
该至少一个环境传感器14、16、18可以任意地实现并且包括前部摄像头、尾部摄像头、侧面摄像头、雷达传感器、激光雷达传感器、超声波传感器和/或惯性传感器。例如环境传感器14可以以前部摄像头、雷达传感器、激光雷达传感器或超声波传感器的形式实现。前部摄像头尤其适合用于定位在较高处的环境传感器16,而布置在机动车辆12的尾部中的环境传感器18可以以尾部摄像头、雷达传感器、激光雷达传感器或超声波传感器的形式实现。
电子控制器ECU处理由位于机动车辆12处的环境传感器14、16、18获取的环境数据,以便得到关于机动车辆12的静态环境(不可移动的环境物体,例如道路边界)以及动态环境(可移动的环境物体,例如另外的机动车辆或交通参与者)的信息。
于是,电子控制器处理由位于机动车辆12处的环境传感器14、16、18获取的环境数据,以便检测在机动车辆12前方的带有第一侧方车道边界和第二侧方车道边界的、机动车辆12所行驶的车道。附加地,电子控制器ECU处理由位于机动车辆12处的环境传感器14、16、18获取的环境数据,以便检测被物体占据的车道(该车道与自身的车辆所行驶的车道相邻,其中相邻意味着在相邻的车道之间还可以有一条或多条其他车道)以及车道的在机动车辆12的前方、侧方旁边和/或后方的侧方车道边界。另外的物体在此为沿着与自身的机动车辆的车道相邻的车道运动的另外的机动车辆,或者为车道上在这个另外的机动车辆前方的任何其他可能的障碍物。
为此,电子控制器ECU的环境传感器14、16、18提供了重现车辆前方、侧方旁边和/或后方的区域的环境数据。为此,控制***10经由至少一个数据通道或总线(在图1中以虚线示出)与该至少一个环境传感器14、16、18相连。数据通道或总线可以借助于线缆或无线地实现。
替代地或附加地,控制***10或其电子控制器ECU还可以从一个或多个另外的辅助***20或机动车辆12的另外的控制器20得到数据,这些数据给出或者可以从这些数据中推导出自身的机动车辆12、另外的机动车辆和其他机动车辆所行驶的车道及其侧方车道边界。由此由另外的***获得的数据和信息已经可以被控制***10所使用。
另外,控制***10或其电子控制器ECU用环境传感器(也就是说基于借助于该至少一个环境传感器14、16、18获取的环境数据)获得行驶状况。替代地或附加地,已经存在的辅助***20或电子控制器20在此也可以传递数据和/或信息,这些数据和/或信息限定行驶状况或者从这些数据和/或信息可以快速推导出行驶状况。接着取决于所获得的行驶状况确定至少一个可能的轨迹,自身的机动车辆12应在进一步的行驶进程中跟随该轨迹。
驾驶员辅助***20或电子控制器20可以进一步被配置并确定为用于半(自主)地控制机动车辆。控制***10在此情况下被配置并确定为将数据输出到驾驶员辅助***20或电子控制器20以进行自主行驶。控制***10(或其ECU)尤其可以将如下数据输出到部件20:该数据给出自身的机动车辆12应在(在当前交通状况之后的)进一步的进程中跟随的特定轨迹的曲线。同样可以经由数据通道或总线以有线的方式或以无线的方式传输数据。
由环境数据获取并且提供给控制***10的信息例如包括自身的机动车辆12和/或另外的机动车辆分别在侧向中、在纵向中或在侧向与纵向方向的组合中的位置和/或速度和/或加速度。另外,这些信息例如包括自身的机动车辆12与另外的机动车辆在分别提及的方向上的相对速度和/或相对加速度。
图2提供了关于在此呈现的、以提供给控制***10的环境数据的实时采样为基础的方案的概览,以便规划自身的机动车辆12的一个或多个轨迹并且以便确定自身的机动车辆的进一步行驶进程的经规划轨迹中的最佳可能的(最优的)轨迹,该行驶进程尤其为此处呈现的控制***10和控制方法的基础。从中可以看出,首先通过控制***10来产生轨迹候选项。这些轨迹候选项基于侧方的(侧向的)操作类型:向左变道(SWL)、向左保持车道(SHL)、在中间保持车道(SHM)、向右保持车道(SHR)和向右变道(SWR)。然而本公开并不受限于此;替代地可以定义更多或更少或不同的操作类型。
然后控制***/控制方法基于操作类型在使用目标函数的情况下从轨迹候选项中选出最佳可能的轨迹候选项。目标状态被计入目标函数中,这些目标状态涉及在当前行驶状况中自身的机动车辆12的动态和静态环境以及最佳可能的轨迹候选项的行驶舒适性和可实施性。于是,在本公开的范围内,例如当自身的机动车辆12的行驶特性不能引起用于一条轨迹所需的加速度时,该轨迹就被认为是不可实现的。
然后执行静态和动态碰撞测试,以便确定在最佳可能的轨迹候选项中自身的机动车辆12的最优轨迹。于是自身的机动车辆12在当前交通状况的进一步进程中跟随这个最优轨迹。
所建议的采样策略还能够实现独立的纵向(在行驶方向上延伸的)运行策略。所希望的在更高层次上的运行特性通过目标状态形成。然而,借助于双层候选项选择策略来进行关于在轨迹规划层次上的最优轨迹的决定。在此上述目标函数形成第一层次,该目标函数提供来自操作类型的最佳可能的轨迹。第二层次的特征在于静态和动态碰撞测试。
然而在详细说明采样策略之前,下文将说明在轨迹规划时应用的数学基础。
在本公开的范围内呈现的控制***和控制方法适合于参考对应时间状态t1来产生停止点(也称为支撑点或结点)的示例状态(或样本状态)x1。换言之,为每个时间状态t1指配至少一个停止点。即,在停止点的获得中至少还计入自身的机动车辆和/或另外的机动车辆的侧向和纵向位置值。在以下的公开和附图的范围内,大地坐标系、机动车辆坐标系和曲线坐标系遵循标记E、F及K。大地坐标系和机动车辆坐标系遵循正交(例如笛卡尔)框架。在相应数值之前大写的对应字母表示对应的坐标系。
为了能够在所采样(经采样)的状态之间进行内插,确定描述自身的机动车辆12的运动Fx(t)和Fy(t)的样条,其中内插的x(t)如下定义。
对于η-1样条段而言并且在t∈{tl,tl+1}成立的前提下,样条s如下定义。
sl(t)=cv,l(t-tl)v+cv,l(t-tl)v-1+...+c1,l(t-tl)+c0,l。
样条的特性要求其延伸穿过停止点sl(tl)=xl。另一个要求在于样条总是在相应的样条区间之间,即满足sl(tl+1)=sl+1(tl+1)。
对于上述关系还成立的是N=(v-1)/2。为了确定从一个样条区间过渡到下一个样条区间的最优时间,在采样时使用时间实例(Zeitinstanzen)t i。总是基于样条进行公式表达还允许与支撑点l无关地并且与固定的预测范围TP无关地实现对在时间ΔT方面的分辨率的选择。出于这一原因,通过内插n=TP/ΔT+1获取了轨迹点xk=[Fxk,Fyk]T。然后将轨迹点如下汇总在轨迹中(该轨迹形成了候选轨迹)。
x最优=[x1,t1,x2,t2,...,xk,tk,...,xn,TP]T。
其中对于k=1...n使用了恒定的时间区间t∈[tk,tk+1]。
因此,在此呈现的用于轨迹规划和评估的两级式方案尤其优于常规方案,因为将上述基于样条的公式表达和用曲线坐标变换的轨迹生成相组合。在此对在曲线坐标中获得的停止点的侧向和纵向位置进行采样并且稍后变换到车辆坐标中。在此例如将当前行驶的车道的车道边界和/或车道标志用作用于变换到车辆坐标中的参照物。将经变换的停止点与上述基于样条的内插相关联。由此产生候选轨迹集合,然后在车辆坐标中评估该集合。
在图3中示出了自身的机动车辆12的示例性行驶状况。自身的机动车辆12在此在三车道的街道/道路(例如高速公路)32的中间车道30上运动。不存在如车道32上的另外的机动车辆的障碍物。另外,在图3中示出侧方的(侧向的)参考路径(参考轨迹)28a至28e,这些参考路径表示开篇说明的操作:向左变道(参考轨迹28a)、向左保持车道(参考轨迹28b)、在中间保持车道(参考轨迹28c)、向右保持车道(参考轨迹28d)和向右变道(参考轨迹28d)。
对自身的机动车辆12的侧向位置的采样类型首先基于自身的机动车辆12的当前环境的结构。采样的值由环境数据获得。所使用的侧向的(侧方的)操作类型集合基于在更高层次上对自身的机动车辆12的运行特性的规划(例如通过电子控制器20或自身的机动车辆12的任何另外适合的电子控制器)。所提及的操作类型向左变道(SWL)、向左保持车道(SHL)、在中间保持车道(SHM)、向右保持车道(SHR)和向右变道(SWR)形成了所选择的操作类型,但是本公开不限于此。控制***10(还有控制方法)例如还可以替代地用三个(例如向左变道、保持车道和向右变道)所选的操作类型来工作。
然而,通过更高数量的所包含的操作类型产生了机动车辆12的操作的更高可变性(与例如将操作仅按照SWL、SWR和保持车道分类的***相比),尤其关于其当前行驶的车道30。于是还可以(例如借助于SHM和SHR)将复杂的组合式操作分类。这样的操作形成了如自身的机动车辆12靠近另一个(处于当前行驶的车道的侧方左侧或右侧的)车道,以便例如在那里填补空缺。使用曲线坐标K在此可感知地简化了对侧方位置的采样,因为这五个操作类型中的每一个都直接与kyt的固定值相关联。换言之,在每个采样时间点对(静态)车辆环境的侧方采样提供了至少基于所获得的操作类型的值或指定给这个操作类型的值。
接下来参考图4说明在行驶方向上的采样(纵向采样)。该图中展示了线性离散化到自适应离散化的非线性映射。自适应离散化用在纵向采样时,即获得自身的机动车辆12和或另外的机动车辆的纵向位置(或位置值)和/或速度(或速度值)。
由于在半(自主)机动车辆中的有限的计算资源,需要产生无穷但仍然有意义的可能轨迹(轨迹候选项)集合。出于这一原因,在本公开的范围内,除了用于侧向采样的基于状态的采样策略之外还使用基于动作的采样策略,以便对纵向参数例如位置kxt和/或速度kvt进行采样。将自身的机动车辆和/或另外的机动车辆的(在机动车辆的行驶方向上的)纵向加速度kax(t)用作控制参数。使用二阶模型以便参考曲线坐标系K(在以下关系中再次在相应数值之前大写)根据以下关系来产生位置kxt和速度kvt的纵向样本。
接着对于自适应离散化获得无穷多个控制输入集合假定对于轨迹规划的当前待执行的规划步骤(规划循环)而言的最佳可能的控制输入在时间上接近于上一个规划步骤,则在实际的纵向加速度的范围内需要更高的分辨率。然而必须考虑到最小和最大的加速度值。
因此,如在图4中所示,在由此推导出的自适应(匹配于状况的)离散化策略中使用两个抛物线f1和f2,以便在线(也就是说实时地或者基本上实时地)并且取决于自身的机动车辆12和/或另外的机动车辆的最终加速度值Z当前来变换(由环境数据获得的)线性采样值z。从以下条件确定为此所需的系数:
在图4中示出了对于自身的机动车辆12和/或另外的机动车辆和a当前=0的当前(对于分别适用的采样状况)加速度值的自适应离散化结果。图中彼此并排紧挨的水平延伸的网格线显示了关于a当前=-2在当前值的范围内为了自适应离散化所希望的更高的分辨率。
从自适应离散化中获得的优点表现在从匝道驶入高速公路和/或快速路情景的评估中。这种情景包含变化的纵向加速度,需要该纵向加速度以便成功地处理动态的日常交通。相比之下,在图4中示出了具有几乎连续值的经线性离散化的参考轨迹,自适应离散化4记录在该参考轨迹上。于是,对在目标函数方面最佳可能的解进行近似。
从参考解Φ优化与具有对应纵向采样策略的方案的次优(下一个最佳可能的)解Φ之间的开环结果之差来计算相对成本ΔΦ。在此测试了四种变体,这些变体分别用于在所采样的纵向加速度ζ=5和ζ=10方面对线性离散化和自适应离散化进行对比。结果在图5中展示。从中可以看出自适应采样由于较低的相对成本而对线性采样有优势。
如果将自适应采样策略(图5的在ζ自适应=5和ζ自适应=10处的右侧两部分)互相比较,则在ζ自适应=10处出现的离群值数量减少可以如下进行解释:为了离散化,在当前规划步骤中使用了上一个(在当前规划步骤之前的上一个)所获得的最佳可能的加速度值。
要注意的是,成本函数Φ优化的参考解仅仅形成该最佳可能的(最优的)解的近似,以便能够实现小于零的相对成本。在动态环境中变化比规划循环的计算时间更慢(即需要相对更长的时间),使得控制***或控制方法毫无问题地匹配并且取决于当前的交通状况来找出次优的加速度。
作为控制***10一部分的两级式规划和评估方案被设计为用于同时规划纵向和侧向运动,因为自身的机动车辆12的待规划的轨迹应跟随任意的曲线进程并且同时要考虑到直接在自身的机动车辆12前方、侧方旁边和后方的交通状况。因此将侧向和纵向的采样状态变换并组合,以便产生轨迹候选项。
然后将参考图6说明在此使用的变换策略。为了将曲线坐标变换成车辆坐标,控制***10或其电子控制器选择由环境传感器识别出的参考车道标记(例如参见图3的道路标记32)。参考车道标记32被定义为方形的多边形f参考。为了计算弧长,对无穷积分进行近似并应用梯形法则。以此方式,在所识别的车道标记的区域之内对于间距相同的查询(英文:queries)生成查找表由此得出Kx到变换的初始解Fx0的映射。侧向部分的起始值(初始值)由Fy0=(fFx0)给出。利用正交斜率m⊥=-1/f′参考(Fx)得到在车辆坐标的x方向和y方向上的经变换的位置:
据此,图6展示了如何进行从曲线坐标系K到车辆坐标F的变换。对于Kx=L的查找表的评估提供了位置Fx0(在曲线坐标中x方向上的位置)。然后借助于对参考多边形的数值积分来计算弧长。于是获得了位置Fy0(在曲线坐标中的y方向上的位置)。在考虑到标准距离Ky=N的情况下,从三角法考量得到了所希望的在车辆坐标系F中的坐标。
在已经将位置变换到车辆坐标中之后,通过所谓的下采样(英文:subsampling)确定停止点(还称为支撑点或结点)并且借助于先前说明的样条-内插来计算轨迹候选项集合。在图7中在示例***通情景(还被称为行驶状况或交通状况)的范围内示出了所产生的这样的轨迹候选项集合(附图标记36)。在此可以分别看到自身的机动车辆12,该自身的机动车辆在两车道道路32'的右侧车道34上跟随另一个机动车辆28。图7的上部图像显示了对于直线路段具有另一个机动车辆28作为(静态的或动态的)障碍物的情景。在图7的下部图像中描述了对于曲线路段的对应情景。
换言之,图7显示了自身的机动车辆12的多个组合式的候选轨迹36(也被称为集合),也就是说由侧向和纵向样本(位置和/或速度)组合而成或由其获得的候选轨迹。组成候选轨迹36集合的单独的轨迹分别作为灰线示出并且通过以点的形式显示在线上的停止点相连。
基于采样的轨迹规划的一个重要的方面是准确且快速获得候选轨迹36。因此,在本公开的范围内使用了开篇提及的两级式规划和评估方案。于是将对于人类而言舒适的行驶与准确地避免碰撞的方面相结合。这在候选轨迹36(以及主要对于自身的机动车辆12的当前交通状况而言最终从候选轨迹中获得的最优轨迹)的背景下一方面应反映人类的驾驶行为,但另一方面还必须保证安全且精确的操作。因此,每个操作类型的候选轨迹36被综合的目标函数评估(检验),该目标函数对用于避免动态碰撞的在物理上受影响的安全距离进行建模,并且另外对于自身的机动车辆12的分别当前的交通状况考虑到避免静态碰撞、可行性目标(可实施性目标)和舒适性目标。于是,对于每个当前的行驶状况并对于每个操作类型选择最优的(最佳可能的)轨迹。
出于安全原因,利用参与的车辆的准确几何图像来寻找每个所选的最优轨迹。如果寻找失败,则可以更换成此处未详细说明的替代策略。
为了从轨迹候选项36中确定(在那里全局地)最优的轨迹,将单独的操作类型的最佳可能的轨迹互相比较。这种比较借助于所说明的成本函数Φ来进行,因此最优的轨迹同时代表对于自身的机动车辆12的当前行驶状况而言最佳的操作类型。下式代表用于确定最优轨迹的比较。
在此,Φ表示目标函数的成本。表达式bd和bs如下定义:
另外,表达式ωd和ωs形成用于准确的碰撞控制的加权参数。图8示出对于已经关于图7呈现的路段或行驶状况而言在轨迹候选项36中的全局最优轨迹的计算结果。在此,最优轨迹用于轨迹候选项36中的另外的轨迹相比加粗且加深的点来展示。
接下来将说明目标函数的计算,该目标函数被定义为综合目标函数以评估(确定)用于自身的机动车辆12的最佳可能的轨迹因此,目标函数的各个项借助于动态环境(场)考虑到避免动态碰撞、借助于静态环境(场)考虑到避免静态碰撞、考虑到在跟随最优轨迹时最佳可能的轨迹的可行性/可实施性和自身的机动车辆12的行驶舒适性。不仅在图8的上图中(其中评估了用于直线路段的最优轨迹),而且在图8的下图中(其中评估了用于曲线路段的最优轨迹),评估都导致向左变道操作,使得当自身的机动车辆12在当前交通状况的进一步进程中跟随这个所获得的最优轨迹时,自身的机动车辆可以超越另外的机动车辆28,例如因为该另外的机动车辆行驶得比自身的机动车辆12更慢和/或该另外的机动车辆必须实施制动过程(这迫使自身的机动车辆12进行避让操作)。
计入目标函数中的成本函数如下定义:
Φ=eTΩe。
e=[o1,o2,...,oz,χ(h1),χ(h2),...,χ(hn-1)]T
表达式oi在此分别形成了目标函数的目标。通过考虑到了不等条件。以此方式将分别由静态和动态的环境强加给自身的机动车辆12的当前行驶状况的条件也包含在内。另外检测关于自身的机动车辆12的车辆动态特征(例如其最大加速度,例如可以通过合力圆(Kammschen Kreis)来定义)的条件和非完整性的车辆特性。与所希望的目标状态的偏离也可以作为目标函数的目标用公式表达。这个目标状态被更高层次的规划模块定义并且在此不再详细说明。为了满足关于行驶舒适性的目标(oi),使在跟随最优轨迹时自身的机动车辆12的侧向方向和纵向方向上的侧方的(侧向的)加速度以及在行驶方向上出现的(纵向)加速度以及急动度(加速度根据时间的导数)最小化。
接下来参考图9说明在此使用的碰撞测试基础。为了保证对于自身的机动车辆12的候选轨迹36避免碰撞,在当前情况下自身的机动车辆12和另外的机动车辆28(即在一般情况下分别为潜在发生碰撞的机动车辆的模型)的准确的几何模型是重要的。在本公开的范围内使用边界框(英文:bounding boxes),以便形成自身的机动车辆12和另外的机动车辆28和/或参与当前交通状况的其他机动车辆的形状。这例如可以从图9中看出。矩形框尤其适合于以高准确度来映射凸形的形状(如在机动车辆车身中多次应用的)。
在动态碰撞测试的范围内,模型的高准确度还导致实施碰撞测试的控制***(在当前情况下为控制***10)的更高的计算工作量。为了避免这一点,例如可以进行对可能的碰撞的层级修剪(英文:hierarchical pruning),然而这进而造成准确碰撞测试的数量的减少。与之相反,多重干涉测试实现了每一个单独候选轨迹逐点针对所有的障碍物轨迹(即自身的机动车辆12对于例如另外的机动车辆28基于其当前行驶行为和自身的机动车辆12和/或另外的机动车辆28的当前行驶状况)的测试。这种逐点的测试在进行实施的控制***的计算资源方面对应于最严重的情况,但是其计算出于安全考量总是必需在可实施的时间中被考虑到。为了合理评估动态环境,在空间和时间中进行碰撞测试。在此使用分离集合(艾德海特(Eidelheit)集合),以便在两个矩形之间形成时间上的重叠。
图9展示了分离集合。可以看到,自身的机动车辆12与另外的机动车辆28(两者分别形成为矩形)在如下情况下不发生碰撞:存在这两个矩形(即物体)可以被投影到其上的直线并且这些物体在该直线上不重叠。在图9中所示的例子就是这种情况。在动态碰撞测试的范围内,对于每一个当前时间点tk,测试自身的机动车辆12的所有轨迹候选项36与由自身的机动车辆12获得的该另外的机动车辆28的轨迹数据是否重叠。
动态碰撞测试的运行时间在图10中示出。在当前的实施例中在使用边界框的情况下为了准确的动态碰撞测试采用已经对于具有由31个轨迹点组成的轨迹的10000次测试运行获得的平均运行时间。可以明显看出的是,平均运行时间取决于位于自身的机动车辆12的环境中的障碍物(例如另外的机动车辆)的数量。对于较大数量的障碍物(例如七个)本身产生了约100μs的平均运行时间。
图11展示了在使用分离集合的情况下在空间-时间域中的准确动态碰撞测试的例子。自身的机动车辆12和另外的机动车辆28作为矩形建模。在此,每一个单独的所示出的矩形12(在图11中的矩形,其位置随时间在x方向上变化)分别代表自身的机动车辆12在空间-时间域中的位置。堆叠的矩形28分别形成另外的机动车辆28在空间-时间域中的位置。在每个时间点tk针对对于另外的机动车辆28获得的一个或多个(自身的机动车辆12的控制***10被配置且确定为用于此)轨迹来测试最优的轨迹是否重叠。识别出的重叠在此显示可能的碰撞。
另外,进行静态碰撞测试,以便例如识别自身的机动车辆12与街道边界的即将到来的碰撞。这通过计算自身的机动车辆12的边界框与对应的车道标志的边界框之间的最小距离来实现。
在图12中为了清晰再次示出两级式或两层轨迹规划和评估方案或其两个规划级。在此,左侧的在圆中标有“1”的图片显示第一规划阶段。其中从目标函数确定轨迹候选项36(还参见图2和相关的说明)。第二规划步骤涉及刚刚说明的碰撞测试(静态和动态)并且在图12的右侧示出。
参考图13和14,现在借助于实际的交通情景来展示控制***10的工作方式或两级式轨迹规划和评估方案的工作方式。图13和14分别由五个图组成,要按从上向下的顺序来观看这些图。该交通情景涉及从匝道驶入高速公路,其中在匝道段的范围内多个其他机动车辆(在图13和14中没有用数字12标注的所有机动车辆),例如另外的机动车辆28。在图10和11中的五个图中的每一个图之间存在2秒。
对于具体说明的例子,在图13和14中示出的自身的机动车辆12在其前部、尾部和侧部配备有雷达传感器并且附加地具有监测自身的机动车辆12前方区域的摄像头。于是,以所说明的方式从提供给控制***10的环境数据获取静态和动态环境信息。在当前的行驶状况中自身的机动车辆12的控制***10基于摄像头数据来选择用于从曲线坐标K到正交车辆坐标F的变换的参考车道。在此,在当前行驶状况或采样状况下选择如下的车道标志作为参考车道标志:与存在的另外车道标志相比,自身的机动车辆12的摄像头可以从该车道标志中检测最大的区域。通过将地图数据进一步包含在内提高了结果的精确度并因此提高了结果的质量,该地图数据例如由在自身的机动车辆12中存在的导航***或以任何其他适合的方式无线地或有线地提供给控制***10。
控制***10例如利用模型预测控制(英文:receding horizon control(滚动时域控制))来工作,因为所使用的环境数据被周期性更新,以便进行轨迹规划和避免碰撞。
对于在此被看作控制***10的功能的非限制性例子,对于一百个轨迹的集合,对具有3.30GHz的时钟频率和6MB高速缓冲器的单独核心处理器使用40ms的平均运行时间。对于用于产生候选轨迹36的基于样条的内插,确定了v=5的阶数,对于预测范围TP选择了三秒。
将基础操作在中间保持车道(SM)的轨迹作为具有η=3个支撑点的样条建模,样条之间存在时间tl=2=1.5s。对于另外的操作类型的轨迹,支撑点的数量为η=2。
在图13和14中示出的从匝道驶入高速公路操作的范围内,首先由控制***10选择在图中以ID:7标识的车辆作为另外的机动车辆28。这种选择是基于对于自身的机动车辆12的当前行驶状况而言的所有另外的机动车辆的相关性,该当前行驶状况被控制***10获得。自身的机动车辆12在所示的状况下(图13中从上数第一张图)在同一个车道34上在另外的机动车辆28后方行驶并且当前具有比另外的机动车辆28更高的行驶速度。车道34为向高速公路上的曲线匝道。然后自身的机动车辆12和另外的机动车辆28从车道34变换到高速公路的右侧车道。
在这个时间点,自身的机动车辆12的驾驶员或驾驶员辅助***20希望将自身的机动车辆12的纵向速度提高到90km/h。在该行驶情景开始时,由自身的机动车辆12实施的超车过程是不可能的,即使另外的机动车辆28当前更慢地例如以70km/h行驶。向左变道所涉及的轨迹可能会以较高概率导致与本身在超车的另外的机动车辆36碰撞。在稍后的进程中(从图13的从上方数第四张图开始),自身的机动车辆12的超车操作被其他机动车辆38阻止。因此,控制***10选择用于保持车道(SHM)的轨迹并且自身的机动车辆12(例如被驾驶员辅助***20致使)制动,以便与在前方行驶的另外的机动车辆28保持恒定距离(参见图13的从上方数的第2至5张图)。
在图14的最上方的图中可以看到,控制***10对于当前的状况来考察超车过程。即控制***10从轨迹候选项36中选择向左保持车道的轨迹(SHL,还参见图3中的参考路径28b)作为最优轨迹即自身的机动车辆12实施如下行驶操作,在该行驶操作中自身的机动车辆接近位于其当前车道左侧的车道,以便启动超车过程。
然后在图14的从上方数第二个图中可以看到,控制***12再次从轨迹候选项36中选择在中间保持车道的轨迹。即超车操作(例如被控制***10和/或驾驶员辅助***20)取消并且自身的机动车辆12再次基本上位于其当前行驶的车道的中间。
其原因可以在图14的中间的图中看到。与自身的机动车辆12相比以更高速度行驶的机动车辆40在超车道上从后方接近自身的机动车辆12。在此,再次存在碰撞的危险,因此自身的机动车辆12的超车操作是不可能的。
在图14中从上方数第四个图中可以看到,较快速行驶的机动车辆40同时在纵向方向上(图13和14中的Ex)相对于自身的机动车辆12已经产生了相对较大的距离,使得自身的机动车辆12的超车操作现在是可能的。在此时间点,在超车道上也没有更快速行驶的其他机动车辆从后方接近。
因为自身的机动车辆12应加速到90km/h的示例性速度而另外的机动车辆28行驶得较慢,所以一旦可能进行超车操作,另外的机动车辆28就不再形成对于轨迹规划而言最相关的交通参与者。控制***10因此选择其他机动车辆40作为用于轨迹规划的参考(交通参与者)并且如上所述地计算来自向左变道的操作类型的最优轨迹(参见图14中从上方数的第三个和第四个图)。然后自身的机动车辆12借助于来自在中间保持车道的操作类型的最优轨迹在超车道上跟随其他的机动车辆40并且超过较慢行驶的另外的机动车辆28。
图15中示出自身的机动车辆12在图13和14的各个状况(各个图)中具有的速度。图13和14中展示的超车过程在图15的时间t=8s开始并且在图15的时间t=26s结束。如所提及的,在图13和14中的各个图之间分别存在两秒。如从图15中可以看到的,自身的机动车辆首先可以在达到t=26s之前不久加速,以便实现所希望的(例如由驾驶员辅助***10预先给定的)90km/h。这表示在图14的(从上方数)最后两张图中示出的由自身的机动车辆12实施的超车过程。
本公开专注于用于基于采样规划候选轨迹的控制***(10)。在此实时地生成并评估适合的轨迹候选项36。侧方的采样是基于侧方的基础操作类型。由此将车道的离散结构用于半自主行驶。与对在状态空间中的侧方值的这种侧方采样相反,从(动态)行动空间产生纵向样本(即在行驶方向上的采样值),其中将自身的机动车辆12的纵向加速度用作控制参数。通过自适应离散化提高了采样时的效率。
轨迹的基于样条的公式表达及其在曲线坐标中的应用提供了以下优点:控制***10可以(基本上)实施工作并且不仅可用于弯曲的路段还可用于直线路段。
用于规划和评估轨迹候选项36的两级式方案用于避免与其他交通参与者的轨迹的碰撞,这些交通参与者在当前行驶状况下位于自身的机动车辆12附近的环境中。这些轨迹也分别被控制***10获得。附加地,将所要求的行驶舒适性和可能的最优轨迹的可实施性计入评估中。
自身的机动车辆12的侧向以及纵向行驶特性不是由更高的控制层次来预先确定,因为该更高的控制层次仅仅提供目标状态。据此,除了侧向操作的轨迹规划(如变道)之外,所呈现的采样和评估策略固有地还能够执行另外的行驶操作(如跟随前车或在车道数量变少时汇入车道中)。
应理解的是,上文阐述的示例性的实施方式不是穷举的,并且不限制在此公开的主题。尤其对于本领域技术人员可以看出,不同的实施方式的特征可以相互组合并且/或者可以省去这些实施方式的不同特征,而在此不与这里公开的主题偏离。
Claims (14)
1.一种控制***(10),所述控制***被配置并确定为用在自身的机动车辆(12)中,所述控制***基于由指配给所述自身的机动车辆的至少一个环境传感器(14,16,18)获取的环境数据来识别在所述自身的机动车辆前方、侧方旁边和/或后方的区域(22,24,26)中的车道、道路边界、道路标志、另外的机动车辆和/或物体,其中所述至少一个环境传感器被配置为给所述控制***(10)的电子控制器提供重现所述自身的机动车辆前方、侧方旁边和/或后方的区域的环境数据,并且其中所述控制***至少被配置并确定为用于:
-基于所提供的环境数据来获得关于所述自身的机动车辆(12)和至少一个另外的机动车辆的当前行驶状况的信息,
-基于关于所述自身的机动车辆(12)和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个侧向位置,
-基于关于所述自身的机动车辆(12)和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个纵向位置和/或速度,
-由所述多个侧向位置和所述多个纵向位置和/或速度来获得用于所述自身的机动车辆(12)的轨迹的停止点,所述自身的机动车辆(12)应跟随所述停止点以实施行驶操作,以及
-借助于在所获得的停止点之间的基于样条的内插并且依据所述停止点处的侧向位置来确定所述自身的机动车辆(12)的轨迹。
2.根据权利要求1所述的控制***(10),所述控制***还被配置并确定为用于:
-基于所提供的环境数据来获得基础行驶操作,所述自身的机动车辆(12)应实施所述基础行驶操作,以及
-基于所获得的基础操作来确定所述多个侧向位置中的至少一个侧向位置和/或为所述侧向位置中的至少一个侧向位置指定数值,所述数值表示基础操作类型,其中所述基础操作类型被包含在基础操作类型集合中,所述基础操作类型集合至少由用于向左变道、向右变道和保持车道的基础操作组合成。
3.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:
-基于所述自身的机动车辆(12)和/或所述另外的车辆的纵向加速度来确定所述多个纵向位置。
4.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:借助于自适应离散化来确定所述多个纵向位置,其中所述自身的机动车辆(12)和/或所述另外的机动车辆的加速度用作用于所述自适应离散化的控制参数。
5.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:在考虑到静态碰撞测试的情况下确定所述自身的机动车辆(12)的轨迹,其中所述静态碰撞测试基于所述自身的机动车辆和/或所述另外的机动车辆的多个侧向位置。
6.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:在考虑到动态碰撞测试的情况下确定所述自身的机动车辆(12)的轨迹,其中所述动态碰撞测试基于所述多个侧向位置和/或基于所述多个纵向位置和/或速度。
7.根据权利要求7所述的控制***(10),所述控制***还被配置并确定为用于:在考虑到所述自身的机动车辆(12)和/或所述另外的机动车辆的最大加速度的情况下进行所述动态碰撞测试。
8.根据权利要求6至8之一所述的控制***(10),所述控制***还被配置并确定为用于:在使用分离集合的情况下进行所述静态碰撞测试和/或所述动态碰撞测试。
9.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:借助于基于成本函数的目标函数来检验所述自身的机动车辆(12)的轨迹。
10.根据权利要求10所述的控制***(10),其中为所述目标函数指配目标状态,并且其中将所述目标函数与所述目标状态的偏离用作所述目标函数的目标。
11.根据权利要求11所述的控制***(10),其中将呈所述自身的机动车辆(12)的侧向和/或纵向加速度的形式和/或呈所述自身的机动车辆的侧向和/或纵向急动度形式的所述目标函数的另外的目标用作所述目标函数的目标状态。
12.根据前述权利要求之一所述的控制***(10),所述控制***还被配置并确定为用于:关于通过所述环境数据提供给所述自身的机动车辆(12)的所述控制***(10)的参考车道,在曲线坐标中确定所述自身的机动车辆(12)和/或所述另外的机动车辆的所述多个侧向位置和/或速度,并且在正交坐标中检验所述自身的机动车辆的轨迹。
13.一种控制方法,所述控制方法在自身的机动车辆(12)中基于指配给所述自身的机动车辆(12)的至少一个环境传感器(14,16,18)获取的环境数据来识别在所述自身的机动车辆(12)前方、侧方旁边和/或后方的区域中的车道、道路边界、道路标志、另外的机动车辆和/或物体,其中所述控制方法尤其借助于根据前述权利要求之一所述的控制***(10)来实施,并且其中所述控制方法至少包括以下步骤:
-基于所提供的环境数据来获得关于所述自身的机动车辆(12)和至少一个另外的机动车辆的当前行驶状况的信息,
-基于关于所述自身的机动车辆(12)和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个侧向位置,
-基于关于所述自身的机动车辆(12)和/或所述另外的机动车辆的当前行驶状况的所述信息来获得多个纵向位置和/或速度,
-获得用于所述自身的机动车辆的轨迹的停止点,所述自身的机动车辆应在实施行驶操作时跟随所述停止点,以及
借助于在所获得的停止点之间的基于样条的内插并且依据所述停止点处的侧向位置来确定所述自身的机动车辆(12)的轨迹。
14.一种机动车辆,所述机动车辆包括根据权利要求1至11之一所述的控制***。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018008624.1 | 2018-10-31 | ||
DE102018008624.1A DE102018008624A1 (de) | 2018-10-31 | 2018-10-31 | Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge |
PCT/EP2019/079696 WO2020089311A1 (de) | 2018-10-31 | 2019-10-30 | Steuerungssystem und steuerungsverfahren zum samplingbasierten planen möglicher trajektorien für kraftfahrzeuge |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113165648A true CN113165648A (zh) | 2021-07-23 |
Family
ID=68536784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980072429.2A Pending CN113165648A (zh) | 2018-10-31 | 2019-10-30 | 用于基于采样对机动车辆的可能轨迹进行规划的控制***和控制方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220080961A1 (zh) |
EP (1) | EP3873784A1 (zh) |
JP (1) | JP2022509420A (zh) |
CN (1) | CN113165648A (zh) |
DE (1) | DE102018008624A1 (zh) |
WO (1) | WO2020089311A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113978465A (zh) * | 2021-09-28 | 2022-01-28 | 阿波罗智能技术(北京)有限公司 | 一种变道轨迹规划方法、装置、设备以及存储介质 |
CN115092177A (zh) * | 2022-06-22 | 2022-09-23 | 重庆长安汽车股份有限公司 | 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018009927A1 (de) * | 2018-12-17 | 2020-06-18 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren für einen hybriden Ansatz zum Ermitteln einer möglichen Trajektorie für ein Kraftfahrzeug |
DE102019206562A1 (de) * | 2019-05-07 | 2020-11-12 | Volkswagen Aktiengesellschaft | Verfahren zum Ermitteln einer Fahrzeugtrajektorie |
JP7194640B2 (ja) * | 2019-05-16 | 2022-12-22 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
DE102019129879A1 (de) | 2019-11-06 | 2021-05-06 | Zf Friedrichshafen Ag | Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs |
US11981349B2 (en) * | 2020-02-19 | 2024-05-14 | Nvidia Corporation | Behavior planning for autonomous vehicles |
JP7464425B2 (ja) * | 2020-03-31 | 2024-04-09 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
US11618476B2 (en) * | 2020-06-05 | 2023-04-04 | Toyota Research Institute, Inc. | Curvilinear coordinate systems for predicting vehicle behavior |
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 |
US11814075B2 (en) * | 2020-08-26 | 2023-11-14 | Motional Ad Llc | Conditional motion predictions |
DE102020214022A1 (de) | 2020-11-09 | 2022-05-12 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum automatischen Ausführen einer Fahrfunktion in einem Fahrzeug |
DE102020215771A1 (de) | 2020-12-14 | 2022-06-15 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Bestimmen einer Trajektorie eines Fahrzeugs |
CN112721952B (zh) * | 2021-01-29 | 2022-07-05 | 重庆长安汽车股份有限公司 | 一种l3级自动驾驶汽车的复杂路段行驶控制方法、装置、汽车及计算机存储介质 |
US12024204B2 (en) | 2021-04-09 | 2024-07-02 | Direct Cursus Technology L.L.C | Method of and system for predicting a maneuver of an object |
US20220371613A1 (en) * | 2021-05-21 | 2022-11-24 | Zoox, Inc. | Vehicle trajectory determination |
US20230159054A1 (en) * | 2021-11-24 | 2023-05-25 | Motional Ad Llc | Encoding homotopy constraints in spatio-temporal grids |
CN114291116B (zh) * | 2022-01-24 | 2023-05-16 | 广州小鹏自动驾驶科技有限公司 | 周围车辆轨迹预测方法、装置、车辆及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090117A1 (en) * | 2000-07-26 | 2004-05-13 | Ingo Dudeck | Automatic brake and steering system and method for a vehicle |
CN101636304A (zh) * | 2007-03-16 | 2010-01-27 | 罗伯特.博世有限公司 | 用于计算车辆的驾驶策略所用的避撞轨迹的方法 |
US20160059855A1 (en) * | 2014-09-01 | 2016-03-03 | Honda Research Institute Europe Gmbh | Method and system for post-collision manoeuvre planning and vehicle equipped with such system |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
US20170053532A1 (en) * | 2014-05-08 | 2017-02-23 | Volvo Car Corporation | Method for determining an evasive path for a host vehicle |
CN106548660A (zh) * | 2015-09-17 | 2017-03-29 | 大众汽车有限公司 | 确定车辆的理论轨迹 |
US20170261989A1 (en) * | 2016-03-14 | 2017-09-14 | Honda Motor Co., Ltd. | Vehicle control system, vehicle control method, and vehicle control program |
WO2017159539A1 (ja) * | 2016-03-15 | 2017-09-21 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
DE102016205442A1 (de) * | 2016-04-01 | 2017-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung einer Pfadplanung eines Fahrzeugs |
DE102016211129A1 (de) * | 2016-06-22 | 2017-12-28 | Kuka Roboter Gmbh | Verfahren zum Überprüfen einer Kollision zwischen zwei fahrerlosen Transportfahrzeugen, fahrerloses Transportfahrzeug und System mit mehreren fahrerlosen Transportfahrzeugen |
CN107672595A (zh) * | 2016-08-01 | 2018-02-09 | 卢卡斯汽车股份有限公司 | 用于选择和跟踪机动车辆的控制***和控制方法 |
CN107719363A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿着路径引导机动车辆的控制***和控制方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6128584B2 (ja) * | 2013-01-16 | 2017-05-17 | 株式会社Soken | 走行経路生成装置 |
US9244462B2 (en) * | 2014-05-30 | 2016-01-26 | Nissan North America, Inc. | Vehicle trajectory planning for autonomous vehicles |
JP6356585B2 (ja) * | 2014-11-28 | 2018-07-11 | 株式会社デンソー | 車両の走行制御装置 |
US9285805B1 (en) * | 2015-07-02 | 2016-03-15 | Geodigital International Inc. | Attributed roadway trajectories for self-driving vehicles |
JP6429217B2 (ja) * | 2015-07-22 | 2018-11-28 | 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 |
JP6344695B2 (ja) * | 2015-10-28 | 2018-06-20 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
JP2017207885A (ja) * | 2016-05-18 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
WO2018008085A1 (ja) * | 2016-07-05 | 2018-01-11 | 三菱電機株式会社 | 認知領域推定装置、認知領域推定方法および認知領域推定プログラム |
EP3291202B1 (en) * | 2016-08-29 | 2019-04-17 | Volvo Car Corporation | Method of road vehicle trajectory planning |
JP6600418B2 (ja) * | 2016-09-28 | 2019-10-30 | 本田技研工業株式会社 | 車両制御装置 |
CN109844669B (zh) * | 2016-09-29 | 2022-03-11 | 本田技研工业株式会社 | 车辆控制装置 |
JP6637400B2 (ja) * | 2016-10-12 | 2020-01-29 | 本田技研工業株式会社 | 車両制御装置 |
JP6558393B2 (ja) * | 2017-04-06 | 2019-08-14 | トヨタ自動車株式会社 | 進路設定装置及び進路設定方法 |
WO2018216177A1 (ja) * | 2017-05-25 | 2018-11-29 | 本田技研工業株式会社 | 車両制御装置 |
US11009884B2 (en) * | 2017-09-29 | 2021-05-18 | Direct Current Capital LLC | Method for calculating nominal vehicle paths for lanes within a geographic region |
EP3714291A4 (en) * | 2017-12-07 | 2021-08-11 | Ouster, Inc. | INSTALLATION AND USE OF A VEHICLE LIGHT TELEMETRY SYSTEM |
US20180150081A1 (en) * | 2018-01-24 | 2018-05-31 | GM Global Technology Operations LLC | Systems and methods for path planning in autonomous vehicles |
EP3546983B1 (en) * | 2018-03-28 | 2021-12-08 | Aptiv Technologies Limited | Method for identifying objects in a traffic space |
US10802492B2 (en) * | 2018-04-05 | 2020-10-13 | Ford Global Technologies, Llc | Vehicle path identification |
US10614717B2 (en) * | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
JP6958500B2 (ja) * | 2018-07-20 | 2021-11-02 | 株式会社デンソー | 移動物体検出装置 |
US11001256B2 (en) * | 2018-09-19 | 2021-05-11 | Zoox, Inc. | Collision prediction and avoidance for vehicles |
FR3086073B1 (fr) * | 2018-09-19 | 2020-12-11 | Transdev Group | Dispositif electronique de determination d'une trajectoire d'arret d'urgence d'un vehicule autonome, vehicule et procede associes |
US11041736B2 (en) * | 2018-09-20 | 2021-06-22 | Toyota Jidosha Kabushiki Kaisha | Generating real-time high-definition (HD) maps using wireless vehicle data of a remote vehicle |
GB2579414B (en) * | 2018-11-30 | 2021-11-17 | Thales Holdings Uk Plc | Method and apparatus for determining a position of a vehicle |
US11131993B2 (en) * | 2019-05-29 | 2021-09-28 | Argo AI, LLC | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout |
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 |
-
2018
- 2018-10-31 DE DE102018008624.1A patent/DE102018008624A1/de active Pending
-
2019
- 2019-10-30 EP EP19801736.0A patent/EP3873784A1/de active Pending
- 2019-10-30 CN CN201980072429.2A patent/CN113165648A/zh active Pending
- 2019-10-30 US US17/289,758 patent/US20220080961A1/en active Pending
- 2019-10-30 JP JP2021547930A patent/JP2022509420A/ja active Pending
- 2019-10-30 WO PCT/EP2019/079696 patent/WO2020089311A1/de unknown
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040090117A1 (en) * | 2000-07-26 | 2004-05-13 | Ingo Dudeck | Automatic brake and steering system and method for a vehicle |
CN101636304A (zh) * | 2007-03-16 | 2010-01-27 | 罗伯特.博世有限公司 | 用于计算车辆的驾驶策略所用的避撞轨迹的方法 |
US20170053532A1 (en) * | 2014-05-08 | 2017-02-23 | Volvo Car Corporation | Method for determining an evasive path for a host vehicle |
US20160059855A1 (en) * | 2014-09-01 | 2016-03-03 | Honda Research Institute Europe Gmbh | Method and system for post-collision manoeuvre planning and vehicle equipped with such system |
CN106548660A (zh) * | 2015-09-17 | 2017-03-29 | 大众汽车有限公司 | 确定车辆的理论轨迹 |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
US20170261989A1 (en) * | 2016-03-14 | 2017-09-14 | Honda Motor Co., Ltd. | Vehicle control system, vehicle control method, and vehicle control program |
WO2017159539A1 (ja) * | 2016-03-15 | 2017-09-21 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
DE102016205442A1 (de) * | 2016-04-01 | 2017-10-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Optimierung einer Pfadplanung eines Fahrzeugs |
DE102016211129A1 (de) * | 2016-06-22 | 2017-12-28 | Kuka Roboter Gmbh | Verfahren zum Überprüfen einer Kollision zwischen zwei fahrerlosen Transportfahrzeugen, fahrerloses Transportfahrzeug und System mit mehreren fahrerlosen Transportfahrzeugen |
CN107672595A (zh) * | 2016-08-01 | 2018-02-09 | 卢卡斯汽车股份有限公司 | 用于选择和跟踪机动车辆的控制***和控制方法 |
CN107719363A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿着路径引导机动车辆的控制***和控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113978465A (zh) * | 2021-09-28 | 2022-01-28 | 阿波罗智能技术(北京)有限公司 | 一种变道轨迹规划方法、装置、设备以及存储介质 |
CN115092177A (zh) * | 2022-06-22 | 2022-09-23 | 重庆长安汽车股份有限公司 | 一种无人驾驶车辆匝道目标场景的id分配方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
DE102018008624A1 (de) | 2020-04-30 |
EP3873784A1 (de) | 2021-09-08 |
WO2020089311A1 (de) | 2020-05-07 |
US20220080961A1 (en) | 2022-03-17 |
JP2022509420A (ja) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113165648A (zh) | 用于基于采样对机动车辆的可能轨迹进行规划的控制***和控制方法 | |
US11932284B2 (en) | Trajectory setting device and trajectory setting method | |
CN114074681B (zh) | 基于概率的车道变更决策和运动规划***及其方法 | |
US20220032952A1 (en) | Control system and control method for a hybrid approach for determining a possible trajectory for a motor vehicle | |
US11815891B2 (en) | End dynamics and constraints relaxation algorithm on optimizing an open space trajectory | |
CN110799402B (zh) | 车辆控制装置 | |
US11465627B2 (en) | Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program for controlling traveling of a vehicle | |
US10803307B2 (en) | Vehicle control apparatus, vehicle, vehicle control method, and storage medium | |
CN113848914B (zh) | 动态环境下碰撞系数人工势场法局部路径规划方法 | |
EP3925844B1 (en) | Relative speed based speed planning for buffer area | |
JP7341806B2 (ja) | 運転制御方法及び運転制御装置 | |
JP2019151261A (ja) | 運転特性推定方法及び運転特性推定装置 | |
CN112793568A (zh) | 车辆操作标签 | |
US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles | |
EP3857327B1 (en) | Implementation of dynamic cost function of self-driving vehicles | |
Probst et al. | Automated driving in complex real-world scenarios using a scalable risk-based behavior generation framework | |
Ghariblu et al. | Trajectory planning of autonomous vehicle in freeway driving | |
EP4151490B1 (en) | Safety guaranteed control when planning with uncertainty | |
CN113525510B (zh) | 自动将自主驾驶车辆的转向返回至中心位置的***和方法 | |
WO2023149003A1 (ja) | 車両制御装置 | |
Dutta et al. | Lane Change Control of Autonomous Vehicle on Highway Traffic | |
US20230322268A1 (en) | Determining Criticality for Autonomous Driving | |
US20240051549A1 (en) | Systems and methods for estimating lateral velocity of a vehicle | |
Yang et al. | A Hybrid Approach using an Adaptive Waypoint Generator for Lane-changing Maneuver on Curved Roads | |
Michalke et al. | Evolution in Advanced Driver Assistance: From Steering Support in Highway Construction Zones to Assistance in Urban Narrow Road Scenarios |
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 |