CN113448329B - 减少用于规划自主驾驶车辆的路径的障碍物的方法及*** - Google Patents
减少用于规划自主驾驶车辆的路径的障碍物的方法及*** Download PDFInfo
- Publication number
- CN113448329B CN113448329B CN202011553366.3A CN202011553366A CN113448329B CN 113448329 B CN113448329 B CN 113448329B CN 202011553366 A CN202011553366 A CN 202011553366A CN 113448329 B CN113448329 B CN 113448329B
- Authority
- CN
- China
- Prior art keywords
- obstacles
- vehicle
- adv
- obstacle
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000015654 memory Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000008447 perception Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100295776 Drosophila melanogaster onecut gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/18154—Approaching an intersection
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- G05D1/0214—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
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2554/4044—Direction of movement, e.g. backwards
-
- 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
- B60W2554/801—Lateral distance
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种减少用于规划自主驾驶车辆的路径的障碍物的方法及***。在一个实施例中,在自主驾驶车辆的环境中感测多个障碍物。形成一个或多个表示以表示多个障碍物的对应的分组。根据一个或多个表示而不是单独地根据障碍物中的每个确定车辆路线。
Description
技术领域
本公开的实施例一般涉及操作自主车辆。更特别地,本公开的实施例涉及用于规划和路由自主驾驶车辆的障碍物的减少。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当在自主模式下操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
导航自主驾驶车辆(autonomous driving vehicle,ADV)可以通过生成ADV将遵循的路径,然后产生一系列控制命令(例如,油门、转向、制动)以实现ADV沿着路径的移动被执行。可以根据在ADV的环境中感测到的障碍物执行路径的生成。
自主驾驶车辆在生成ADV路径时单独地处理每个障碍物。每个障碍物都增加了ADV的计算负荷,因为ADV必须在不同的算法中考虑每个障碍物。在一些情况下,障碍物可以被分成多个障碍物,这可以进一步增加计算负荷。
发明内容
在第一方面中,提供一种用于操作自主驾驶车辆(ADV)的方法,所述方法包括:
感测所述ADV的环境中的多个障碍物;
根据所述障碍物之间的相对关系,基于一个或多个规则的集合形成所述多个障碍物的单个表示;
根据所述多个障碍物的所述单个表示确定车辆路线;以及
生成一个或多个控制命令以实现所述ADV沿着所述车辆路线的移动。
在第二方面中,提供一种非暂时性机器可读介质,具有存储在其中的指令,所述指令在由处理器执行时使得所述处理器执行如第一方面所述的方法的操作。
在第三方面中,提供一种数据处理***,包括:
处理器;以及
存储器,所述存储器耦接到所述处理器并且存储指令,所述指令在由所述处理器执行时使得所述处理器执行如第一方面所述的方法的操作。
在第四方面中,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如第一方面所述的方法的操作。
根据本发明,可以极大地提高计算效率并减少负荷。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是示出根据一个实施例的联网***的框图。
图2是示出根据一个实施例的自主车辆的示例的框图。
图3A-3B是示出根据一个实施例的与自主车辆一起使用的感知和规划***的示例的框图。
图4示出根据一个实施例的用于减少用于规划自主驾驶的障碍物的数量的方法。
图5示出根据一个实施例的对车辆障碍物进行分组和组合的示例。
图6示出根据一个实施例的对行人障碍物进行分组和组合的示例。
图7示出根据一个实施例的使用多个预测路径减少障碍物的示例。
图8示出根据一个实施例的具有组合的障碍物的多个表示的示例。
具体实施例
将参考以下讨论的细节描述本公开的各个实施例和方面,并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特别特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指相同的实施例。
如本公开中认识的,障碍物的数量可能显著地增加计算负荷并损害ADV的性能,因为每个障碍物在每个计算任务和与其相关联的算法中被计算和处理。这些计算任务和算法可包括规则、路径决策器、速度决策器、路径优化器、速度优化器等。因此,认识到障碍物的减少可以极大地提高计算效率并减少负荷。
根据一些实施例,自主驾驶车辆(ADV)可以感测多个障碍物。这些障碍物可以通过分组和组合被减少,以形成多个障碍物的单个表示。根据单个表示确定车辆路线,从而将多个障碍物当做单个障碍物并且因此减少计算负荷。在一些情况下,取决于一个或多个条件(例如,接近度、方向、类型),一些障碍物被分组并由一个表示来表示,以及其他障碍物被单独地分组并由不同的表示来表示。
图1是示出根据本公开的一个实施例的自主车辆网络配置的框图。参考图1,网络配置100包括自主车辆101,其可以通过网络102通信地耦接到一个或多个服务器103-104。尽管示出一个自主车辆,但是多个自主车辆可以通过网络102彼此耦接和/或耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络、或其组合。服务器103-104可以是任何类型的服务器或服务器群集,诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自主车辆指的是能够被配置为处于自主模式的车辆,在自主模式中,车辆在驾驶员很少或没有输入的情况下导航通过环境。这种自主车辆可包括具有一个或多个传感器的传感器***,传感器被配置为检测关于车辆操作其中的环境的信息。车辆及其相关联的控制器使用检测的信息导航通过环境。自主车辆101可以以手动模式、全自主模式或部分自主模式操作。
在一个实施例中,自主车辆101包括但不限于感知和规划***110、车辆控制***111、无线通信***112、用户接口***113、信息娱乐***114和传感器***115。自主车辆101还可包括在普通车辆中包括的某些常见组件,诸如引擎、车轮、转向盘、变速器等,这些组件可以被车辆控制***111和/或感知和规划***110使用各种通信信号和/或命令(例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等)控制。
组件110-115可以经由互连、总线、网络或其组合彼此通信地耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是车辆总线标准,其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议,最初被设计用于汽车内的多路电气布线,但是也用于许多其它环境中。
现在参考图2,在一个实施例中,传感器***115包括但不限于一个或多个相机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和范围(LIDAR)单元215。GPS***212可包括可操作以提供关于自主车辆的位置的信息的收发器。IMU单元213可基于惯性加速度感测自主车辆的位置和朝向变化。雷达单元214可以表示利用无线电信号感测自主车辆的局部环境内的对象的***。在一些实施例中,除了感测对象之外,雷达单元214还可以额外地感测对象的速度和/或航向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他***组件。相机211可包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器***115还可包括其它传感器,诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测转向盘、车辆的车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,车辆控制***111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调节车辆的方向或航向。油门单元202用于控制马达或引擎的速度,马达或引擎的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦力以使车辆的车轮或轮胎变慢来使车辆减速。注意,图2所示的组件可以以硬件、软件或其组合实现。
返回参考图1,无线通信***112允许在自主车辆101和外部***,诸如设备、传感器、其他车辆等之间的通信。例如,无线通信***112可以直接或经由通信网络与一个或多个设备(诸如在网络102上的服务器103-104)无线通信。无线通信***112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一组件或***通信。无线通信***112可以例如使用红外链路、蓝牙等直接与设备(例如,乘客的移动设备、显示设备、车辆101内的扬声器)通信。用户接口***113可以是在车辆101内实现的***设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
无线通信***112可包括车辆到所有事物(vehicle-to-everything,V2X)通信单元。通信单元通过无线通信协议(例如,蜂窝V2X(C-V2X))通信。通信单元可以与其它车辆和设备(V2V或V2I)诸如路边设备或服务器通信,并与V2X网络通信,ADV可以通过V2X单元接收关于对象、障碍物(例如,其它车辆、行人、杂物等)、道路信息和/或地图信息的数据。除了由ADV的车载传感器生成的传感器数据之外或者替代由ADV的车载传感器生成的传感器数据,可以由感知和规划***110处理这个数据,以评估和感知ADV周围的环境。
自主车辆101的一些或所有功能可以由感知和规划***110控制或管理,尤其是当以自主驾驶模式操作时。感知和规划***110包括必要的硬件(例如,处理器、存储器、存储设备)和软件(例如,操作***、规划和路线程序),以从传感器***115、控制***111、无线通信***112和/或用户接口***113接收信息、处理接收的信息、规划从起点到目的地点的路线或路径、然后基于规划和控制信息驾驶车辆101。可替换地,感知和规划***110可以与车辆控制***111集成。
例如,作为乘客的用户可以例如经由用户界面指定行程的起始位置和目的地。感知和规划***110获得行程有关的数据。例如,感知和规划***110可以从MPOI服务器获得位置和路线信息,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,以及MPOI服务器提供地图服务和某些位置的POI。可替换地,这种位置和MPOI信息可本地缓存在感知和规划***110的永久存储设备中。
当自主车辆101沿着路线移动时,感知和规划***110还可以从交通信息***或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替换地,服务器103-104的功能可以与感知和规划***110集成。基于实时交通信息、MPOI信息和位置信息,以及由传感器***115检测或感测的实时局部环境数据(例如,障碍物、对象、附近车辆),感知和规划***110可规划最佳路线,并例如经由控制***111根据规划路线驾驶车辆101,以安全且高效地到达指定目的地。
服务器103可以是用以执行用于各种客户端的数据分析服务的数据分析***。在一个实施例中,数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如,油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计123还可包括描述不同时间点的驾驶环境的信息,诸如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计123,机器学习引擎122出于各种目的而生成或训练一组规则、算法和/或预测模型124。例如,算法124可包括用于在感知过程期间分组障碍物的算法。然后,算法124可以被上传到ADV上以在自主驾驶期间实时地使用。
图3A和3B是示出根据一个实施例的与自主车辆一起使用的感知和规划***的示例的框图。***300可以被实现为图1的自主车辆101的一部分,包括但不限于感知和规划***110、控制***111和传感器***115。参考图3A-3B,感知和规划***110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路由模块307和障碍物分组模块308。
模块301-308中的一些或全部可以以软件、硬件或其组合实现。例如,这些模块可被安装在永久存储设备352中,加载到存储器351中,并由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信地耦接到图2的车辆控制***111的一些或全部模块或与之集成。模块301-308中的一些可以被集成在一起作为集成模块。
定位模块301确定自主车辆300的当前位置(例如,利用GPS单元212)并管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户界面登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件交流诸如地图和路线信息311,以获得与行程有关的数据。例如,定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务,以及MPOI服务器提供地图服务和某些位置的POI,它们可作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时,定位模块301还可以从交通信息***或服务器获得实时交通信息。
基于由传感器***115提供的传感器数据和由定位模块301获得的定位信息,由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可包括车道配置、交通灯信号、另一车辆、行人、建筑物、人行横道或例如以对象形式的其它交通相关标志(例如,停止标志、让步标志)等的相对位置。车道配置包括描述一个或多个车道的信息,诸如,例如车道的形状(例如,直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶出车道等。
感知模块302可包括计算机视觉***或计算机视觉***的功能,以处理和分析由一个或多个相机捕获的图像,以便识别自主车辆的环境中的对象和/或特征。对象可包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉***可使用对象识别算法、视频跟踪和其它计算机视觉技术。在一些实施例中,计算机视觉***可以绘制环境、跟踪对象、以及估计对象的速度等。感知模块302还可基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。
根据一个实施例,定位模块301和/或感知模块302可以与诸如路边设备的其他设备通信,以结合经由车载传感器获得的传感器数据确定车辆的定位并感知车辆周围的驾驶环境。例如,沿着道路设置的特定路边设备可以配备有传感器,诸如相机、LIDAR设备和/或RADAR设备。路边设备可包括类似于感知模块302的功能,以确定特定道路或车道段的驾驶环境,包括识别障碍物、交通灯等。这种信息可例如经由V2X链接通信到附近的车辆。车辆可以利用从路边设备接收的信息来感知驾驶环境。可替换地,车辆可以在感知驾驶环境时将其自身的感知过程与从路边设备接收的感知数据组合。
对于障碍物中的每个,预测模块303预测对象(可为障碍物)将在环境下的行为。根据一组地图/路线信息311和交通规则312,基于感知在时间点处的驾驶环境的感知数据,执行预测。例如,如果对象是在相反方向上的车辆并且当前驾驶环境包括十字路口,则预测模块303将预测车辆将可能直线向前移动还是转弯。如果感知数据指示十字路口没有交通灯,则预测模块303可以预测车辆在进入十字路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅左转弯车道或仅右转弯车道,则预测模块303可预测车辆将更可能分别进行左转弯或右转弯。
对于对象中的每个,决策模块304作出关于如何处理对象(可为障碍物)的决策。例如,对于特定对象(例如,在交叉路线中的另一车辆)以及描述该对象的元数据(例如,速度、方向、转向角),决策模块304决策如何遇到该对象(例如,超车、让行、停止、通过)。决策模块304可根据一组规则,诸如交通规则或驾驶规则312作出这些决策,这组规则可存储于永久存储设备352中。
路由模块307被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311并且确定从起始位置用以到达目的地位置的所有可能的路线或路径。路由模块307可以为其确定的从起始位置用以到达目的地位置的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其它车辆、障碍物或交通状况的其它者的任何干扰的理想路线或路径。也就是说,如果在道路上没有其它车辆、行人或障碍物,则ADV应该精确地或紧密地跟随参考线。然后,地形图被提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线,以鉴于由其它模块提供的其它数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)选择和修改最佳路线中的一个。取决于在时间点的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于对于每个感知的对象的决策,规划模块305使用由路由模块307或参考线生成器308提供的参考线作为基础规划自主车辆的路径或路线以及驾驶参数(例如,距离、速度和/或转向角)。也就是说,对于给定对象,决策模块304决策对该对象做什么,而规划模块305确定如何做。例如,对于给定对象,决策模块304可以决策经过对象,而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成,包括描述车辆300在下一个移动周期(例如,下一个路线/路径段)中将如何移动的信息。例如,规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米,然后以25mph的速度改变到右车行道。
基于规划和控制数据,控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制***111发送适当的命令或信号控制和驾驶自主车辆。规划和控制数据包括足够的信息以沿着路径或路线在不同时间点使用合适的车辆设置或驾驶参数(例如,油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,规划阶段在多个规划周期内执行,规划周期也称为驾驶周期,诸如在100毫秒(ms)的每个时间间隔内。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。也就是说,对于每100ms,规划模块305规划下一个路线段或路径段,例如包括目标位置和ADV到达目标位置所需的时间。可替换地,规划模块305还可指定具体速度、方向和/或转向角等。在一个实施例中,规划模块305为下一预定的时间段,诸如5秒规划路线段或路径段。对于每个规划周期,规划模块305基于在先前周期中规划的目标位置规划当前周期(例如,下一个5秒)的目标位置。然后控制模块306基于当前周期的规划和控制数据生成一个或多个控制命令(例如,油门、制动、转向控制命令)。
注意,决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可包括导航***或导航***的功能,以确定用于自主车辆的驾驶路径。例如,导航***可以确定一系列速度和方向航向,以影响自主车辆沿着基本上避开感知的障碍物的路径的移动,同时大体使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口***113的用户输入而被设置。当自主车辆在操作时,导航***可以动态地更新驾驶路径。导航***可以并入来自GPS***的数据和一个或多个地图,以便确定自主车辆的驾驶路径。
障碍物分组模块308可将ADV环境中的感测到的障碍物分组为一个或多个组。可以通过传感器***115和感知模块302执行障碍物的感测和识别。感测和/或识别数据也可以通过无线通信***112(例如,通过V2X)接收。例如,路边传感器(例如,使用LIDAR、相机等)可以感测和/或识别障碍物并且将此信息通信到ADV。另外,障碍物的每个预测路径也可以被当作单独的障碍物。这些预测路径可以由预测模块303生成。障碍物分组模块308可实施为规划模块305和/或控制模块306的部分。
可以为组中的每个形成单个表示。如先前的段落中所描述,决策模块304可基于单个表示(或多个表示)来做出决策,而不是分离地对待每个障碍物,从而减少计算负荷。类似地,然后,如先前的段落中所述,规划模块305可以规划路线,但是基于单个表示而非将多个障碍物当做分离的。
障碍物分组模块可具有基于一个或多个条件将障碍物分组为分离的组的分组逻辑309。例如,分组逻辑309可以基于多个障碍物中的每个之间的距离对多个障碍物进行分组。在彼此的阈值距离内的障碍物将由相同的障碍物表示来表示。当两个障碍物在阈值距离内时,它们可以通过距离来链接。此距离可以“纵向地”或沿着障碍物的移动的方向计算。这些链接可形成两个或多个障碍物的链,并且只要链的每个链接在阈值距离内,所有链接的障碍物可由相同的障碍物表示。图5中示出示例,即使障碍物A和D可以不位于彼此的阈值接近度内,它们也通过它们之间的障碍物链接,使得所有四个障碍物都可以由障碍物表示来表示。在其他段落中进一步讨论此示例。
在一些实施例中,分组逻辑可基于a)多个障碍物中的每个之间的距离,和/或b)多个障碍物的移动方向的共同性对多个障碍物进行分组。例如,分组逻辑可以要求障碍物通过阈值距离链接在一起,和/或要求它们在类似的预测方向上移动。如果预测障碍物将在不同方向上移动,那么将其分组在相同的表示中可不准确地反映ADV环境的现实且导致问题。为了简化,阈值距离可以测量为障碍物之间的纵向距离或空间,此距离沿着障碍物的共享方向和路径。再次参考图5,障碍物A-D沿着相同的驾驶车道移动,因此障碍物中的每个之间的距离是纵向距离或空间。
在一些实施例中,对多个障碍物进行分组是基于a)多个障碍物中的每个之间的距离,b)多个障碍物的移动方向的共同性,和/或c)障碍物的类型的共同性。例如,车辆可以仅与其他车辆进行分组,以及行人可以仅与其他行人进行分组。这利用了车辆的行为将类似(例如,根据相同的道路规则),而行人的行为将与其他行人类似,表现为不同于车辆的规则的假设。
除已描述的条件之外或作为其替代,分组逻辑还可基于a)障碍物的速度(例如,彼此在阈值速度内)和/或b)障碍物的预测路径的共同性对多个障碍物进行分组。当超过对应的阈值(例如,速度阈值、距离阈值、方向阈值等)时,这些条件中的每个可以被满足。这些阈值可以基于应用而变化,并且可以通过常规测试和实验来确定。例如,速度阈值可以是2、5、10或20mph。距离阈值可以是1、2、5或10米。另外,这样的阈值可以是彼此的函数,例如,由于车辆的较高的潜在的速度,距离阈值对于车辆可以比对于行人更大。在不脱离本公开的范围的情况下,可以实施其他条件以对障碍物进行分组和组合。
现在参考图4,示出用于利用减少数量的障碍物确定ADV的车辆路线的方法。方法可由感知和规划***110执行,包括例如障碍物分组模块308和分组逻辑309。
在操作401处,方法包括感测自主驾驶车辆的环境中的多个障碍物。ADV的环境可包括ADV的感测到的环境(例如,由传感器***115确定),以及可包括能够被可靠地感测的ADV周围的边界,例如5、10、20、30或50米。
在操作402处,方法包括形成在先前的操作处感测到的多个障碍物的单个表示。此操作可包括基于诸如障碍物类型、距离、速度、预测路径、驾驶车道和/或方向的共同性的一个或多个条件对多个障碍物进行分组,如其它段落中所描述的。
可以通过使用计算机视觉或其他等效技术处理感测到的数据(例如,由一个或多个相机产生的图像)来确定诸如障碍物类型(例如,行人、车辆、骑自行车的人等)和距离的分组条件。计算机视觉可包括对象识别、边缘检测、经训练的神经网络等的实现。
在操作403处,方法包括根据多个障碍物的单个表示确定车辆路线。可以生成控制命令(例如,油门、制动和转向)以实现ADV沿着车辆路线的移动。根据多个障碍物的单个表示确定车辆路线可包括a)基于多个障碍物的单个表示确定驾驶决策,包括让步决策、超车决策、通行决策和停止决策中的至少一个,和/或b)基于多个障碍物的单个表示和驾驶决策优化车辆路线。换句话说,可以做出驾驶决策以超越、通过、在其前面停止或让步于单个表示,而不是单独地超越、通过、在其前面停止或让步于每个障碍物。可基于决策优化车辆路线,同时将经分组的障碍物当做单个障碍物表示(例如,具有单个大小、单个方向、单个预测路径、单个速度和/或单个位置)。
应当理解的是,针对一组障碍物形成单个(例如,第一)表示,但可针对其它分组的障碍物形成额外的表示(例如,第二和/或第三表示)。另外,ADV可以对一些障碍物进行分组,而将其它障碍物留下,如果那些障碍物不满足条件。
在一些实施例中,仅针对移动障碍物执行此方法。由于诸如其他车辆、行人、骑自行车的人等移动障碍物的多个轨迹和固有不可预测性,移动障碍物可能比静态障碍物更多地增加计算负荷。在一些实施例中,这是针对移动和静态障碍物两者执行的。
在一些实施例中,方法400周期性地执行。例如,可以针对每个驾驶周期执行方法,或者以大于每个驾驶周期的间隔执行方法。
图5示出分组、组合和减少障碍物的示例。在一些实施例中,响应于多个障碍物是沿着相同的驾驶车道在彼此的阈值距离内驾驶的车辆时,执行形成多个障碍物单个表示。如所讨论的,此条件也可被计算为描述沿着障碍物的共享路径的长度的纵向距离。
在图5中,障碍物700沿着左车道行驶。在此示例中,ADV 500正在右行车道上行驶,但是希望将车道改变到左车道。如果障碍物501满足一个或多个条件(例如,在彼此的阈值距离内沿着相同的驾驶车道驾驶),则ADV可以形成障碍物表示502以表示障碍物501。以这种方式,当确定ADV的路线时,障碍物501被当做单个障碍物,从而提高ADV的效率,并且为其他任务分配资源。
当障碍物之间的阈值距离被满足时,障碍物可以被链接。然后,所有直接或间接链接的障碍物可以由相同的障碍物表示来表示。在此示例中,障碍物A链接到障碍物B,障碍物B链接到障碍物C,以及障碍物C链接到障碍物D。因此,所有障碍物A-D直接或间接链接并且由障碍物表示502表示。尽管不是必需的,障碍物表示可以具有覆盖表示的障碍物的区域的大小、形状和位置。
图6示出通过分组减少障碍物的另一示例。在此示例中,障碍物601是行人。响应于当多个障碍物是在彼此的阈值距离内的行人时,形成多个障碍物601的障碍物表示602。方法可基于具有单个虚拟墙壁的单个障碍物表示602生成ADV的路线,而不是单独地对待每个行人以及生成充当每个行人前面的虚拟墙壁的“停车围栏”。ADV可以基于障碍物表示的单个虚拟墙壁做出单个停止决策,此单个决策考虑所有行人。
在一些实施例中,除了其他讨论的特征之外,ADV可以预测对于一个或多个障碍物的多个潜在路径。这些预测路径中的每个可以潜在地成为ADV的障碍物。这些预测路径中的一些可以被丢弃,以进一步减少开销。图7示出这种特征的示例。
在图7中,障碍物701被示出为在左车道中行驶的车辆。ADV 500可预测障碍物的潜在障碍物路径P1、P2和P3。ADV可以丢弃预测路径中的一个或多个,而不是考虑每个预测的障碍物路径(P1、P2和P3)生成车辆路线,从而减少在任务和算法中要考虑的障碍物的数量。ADV可以基于预测路径中的一些(例如,P1和P3)确定车辆路线,但是忽略P2。当多个潜在路径中的另一个在ADV和将被忽略的多个潜在路径中的至少一个之间时,可以忽略此路径。在此示例中,P2被忽略,因为P3在ADV和P2之间。因此,通过在车辆路线确定中考虑P3,ADV不需要也考虑P2,因为P2在P3之后(相对于ADV)。换句话说,根据P3执行的驾驶决策和优化将考虑P2,使得额外考虑P2是冗余的。
图8示出不同的组合的障碍物的多个障碍物表示。在此示例中,ADV 500感测左车道中的障碍物804、与ADV相同的车道中的障碍物802、以及在ADV的感测的环境中行走的障碍物805。ADV可生成表示障碍物804的第一障碍物表示801。ADV可生成表示障碍物805的第二障碍物表示803。这些障碍物可基于描述的条件而分组为相应组,条件诸如但不限于位置、距离、类型、速度、车道和/或方向。例如,障碍物805是行人,而障碍物804是车辆。另外,障碍物802与障碍物804不在相同的车道中,不满足距离阈值,和/或预测路径与障碍物804的预测路径不同。在此示例中,ADV可以根据第一障碍物表示801、第二障碍物表示803和障碍物802确定车辆路线。虽然所有感测到的障碍物尚未被减少为单个表示,但是障碍物的数量大幅度被减少。ADV可以以灵活的方式减少障碍物的数量,而不需要一刀切的方法。
注意,如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),其可经由来自应用的对应的驱动程序和/或操作***访问。此外,这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑,作为经由一个或多个特定指令软件组件可访问的指令集的一部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操作的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非特别声明,否则从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机***或类似电子计算设备的动作和过程,所述计算机***或类似电子计算设备将计算机***的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机***存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似表示为物理量的其它数据。
本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上关于一些顺序操作描述了过程或方法,但是应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特定编程语言描述的。将了解的是,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (11)
1.一种用于操作自主驾驶车辆ADV的方法,所述方法包括:
感测所述ADV的环境中的多个障碍物;
根据所述障碍物之间的相对关系,基于一个或多个规则的集合形成所述多个障碍物的单个表示;
预测所述多个障碍物中的一个的多个潜在路径;
当所述多个潜在路径中的第一潜在路径在所述ADV与所述多个潜在路径中的第二潜在路径之间时,第二潜在路径被忽略;
根据所述多个障碍物的所述单个表示和不包含所述第二潜在路径的所述多个潜在路径确定车辆路线;以及
生成一个或多个控制命令以实现所述ADV沿着所述车辆路线的移动。
2.如权利要求1所述的方法,其中所述一个或多个规则的集合包括所述多个障碍物是否为沿着相同的驾驶车道在彼此的阈值距离内驾驶的车辆。
3.如权利要求1所述的方法,其中所述一个或多个规则的集合包括所述多个障碍物是否为在彼此的阈值距离内的行人。
4.如权利要求1所述的方法,其中所述一个或多个规则的集合包括所述多个障碍物中的每个之间的距离。
5.如权利要求1所述的方法,其中所述一个或多个规则的集合包括a)所述多个障碍物中的每个之间的距离,或者b)所述多个障碍物的移动方向的共同性中的至少一个。
6.如权利要求1所述的方法,其中所述一个或多个规则的集合包括a)所述多个障碍物中的每个之间的距离,b)所述多个障碍物的移动方向的共同性,或者c)所述障碍物的类型的共同性中的至少一个。
7. 如权利要求1所述的方法,还包括:
感测所述ADV的环境中的不同的多个障碍物;以及
形成所述不同的多个障碍物的第二表示;其中
所述不同的多个障碍物的所述第二表示也用于确定所述车辆路线。
8. 如权利要求1所述的方法,其中根据所述多个障碍物的所述单个表示确定车辆路线包括:
基于所述多个障碍物的所述单个表示确定驾驶决策,所述驾驶决策包括让步决策、超车决策、通行决策和停止决策中的至少一个;以及
基于所述多个障碍物的所述单个表示和所述驾驶决策优化所述车辆路线。
9.一种非暂时性机器可读介质,具有存储在其中的指令,所述指令在由处理器执行时使得所述处理器执行如权利要求1至8中任一项所述的方法的操作。
10. 一种数据处理***,包括:
处理器;以及
存储器,所述存储器耦接到所述处理器并且存储指令,所述指令在由所述处理器执行时使得所述处理器执行如权利要求1至8中任一项所述的方法的操作。
11.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至8中任一项所述的方法的操作。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/830,090 US11560159B2 (en) | 2020-03-25 | 2020-03-25 | Group and combine obstacles for autonomous driving vehicles |
US16/830,090 | 2020-03-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113448329A CN113448329A (zh) | 2021-09-28 |
CN113448329B true CN113448329B (zh) | 2023-12-22 |
Family
ID=77808670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011553366.3A Active CN113448329B (zh) | 2020-03-25 | 2020-12-24 | 减少用于规划自主驾驶车辆的路径的障碍物的方法及*** |
Country Status (2)
Country | Link |
---|---|
US (1) | US11560159B2 (zh) |
CN (1) | CN113448329B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220029859A (ko) * | 2020-09-01 | 2022-03-10 | 현대자동차주식회사 | 주행 제어 장치 및 방법 |
CN112085960A (zh) * | 2020-09-21 | 2020-12-15 | 北京百度网讯科技有限公司 | 车路协同信息处理方法、装置、设备及自动驾驶车辆 |
US11738772B1 (en) * | 2020-12-18 | 2023-08-29 | Zoox, Inc. | Object avoidance with perceived safety subgoal |
KR20220094831A (ko) * | 2020-12-29 | 2022-07-06 | 현대자동차주식회사 | 레인링크와 도로형상정보기반 편향주행시스템 및 레인링크와 도로형상정보기반 편향주행방법 |
CN113997943A (zh) * | 2021-10-28 | 2022-02-01 | 山东新一代信息产业技术研究院有限公司 | 一种基于语义聚类的自动驾驶车辆控制方法、设备及介质 |
CN114245343A (zh) * | 2021-12-27 | 2022-03-25 | 四川启睿克科技有限公司 | 基于v2x的车流预分配方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075964A (ja) * | 2007-09-21 | 2009-04-09 | Toyota Motor Corp | 移動体進路生成方法、および移動体進路生成装置 |
CN104541284A (zh) * | 2012-06-06 | 2015-04-22 | 谷歌公司 | 障碍物评估技术 |
CN108596012A (zh) * | 2018-01-19 | 2018-09-28 | 海信集团有限公司 | 一种障碍物框合并方法、装置及终端 |
CN110320902A (zh) * | 2018-03-30 | 2019-10-11 | 丰田自动车株式会社 | 路径计划装置、路径计划方法及计算机可读介质 |
CN110389585A (zh) * | 2018-04-16 | 2019-10-29 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于学习的速度规划器 |
CN110647142A (zh) * | 2018-06-27 | 2020-01-03 | 百度(美国)有限责任公司 | 使用优化方法规划自动驾驶车辆的停车轨迹生成 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9248834B1 (en) * | 2014-10-02 | 2016-02-02 | Google Inc. | Predicting trajectories of objects based on contextual information |
US9672446B1 (en) * | 2016-05-06 | 2017-06-06 | Uber Technologies, Inc. | Object detection for an autonomous vehicle |
EP3504602B1 (en) * | 2016-08-26 | 2022-03-16 | Crown Equipment Corporation | Materials handling vehicle path validation and dynamic path modification |
US10401862B2 (en) * | 2017-10-31 | 2019-09-03 | Waymo Llc | Semantic object clustering for autonomous vehicle decision making |
US11507090B2 (en) * | 2019-06-19 | 2022-11-22 | Uber Technologies, Inc. | Systems and methods for vehicle motion control with interactive object annotation |
-
2020
- 2020-03-25 US US16/830,090 patent/US11560159B2/en active Active
- 2020-12-24 CN CN202011553366.3A patent/CN113448329B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075964A (ja) * | 2007-09-21 | 2009-04-09 | Toyota Motor Corp | 移動体進路生成方法、および移動体進路生成装置 |
CN104541284A (zh) * | 2012-06-06 | 2015-04-22 | 谷歌公司 | 障碍物评估技术 |
CN108596012A (zh) * | 2018-01-19 | 2018-09-28 | 海信集团有限公司 | 一种障碍物框合并方法、装置及终端 |
CN110320902A (zh) * | 2018-03-30 | 2019-10-11 | 丰田自动车株式会社 | 路径计划装置、路径计划方法及计算机可读介质 |
CN110389585A (zh) * | 2018-04-16 | 2019-10-29 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于学习的速度规划器 |
CN110647142A (zh) * | 2018-06-27 | 2020-01-03 | 百度(美国)有限责任公司 | 使用优化方法规划自动驾驶车辆的停车轨迹生成 |
Non-Patent Citations (3)
Title |
---|
UAV-UGV协同***中智能小车的路径规划;胡秋霞;赵津;肖光飞;韩磊;;计算机仿真(第08期);全文 * |
基于RGB-D相机的移动机器人导航研究;王超;《信息科技辑》;第32-47页 * |
王超.基于RGB-D相机的移动机器人导航研究.《信息科技辑》.2019,第32-47页. * |
Also Published As
Publication number | Publication date |
---|---|
US20210300427A1 (en) | 2021-09-30 |
CN113448329A (zh) | 2021-09-28 |
US11560159B2 (en) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111775933B (zh) | 用于基于车辆周围障碍物的移动轨迹自主驾驶车辆的方法 | |
CN113448329B (zh) | 减少用于规划自主驾驶车辆的路径的障碍物的方法及*** | |
US10915766B2 (en) | Method for detecting closest in-path object (CIPO) for autonomous driving | |
CN112498365A (zh) | 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策 | |
CN112572451A (zh) | 用于自主驾驶车辆执行的方法和装置 | |
CN113129624B (zh) | 交通堵塞情况下的最快车道确定算法 | |
CN113552870A (zh) | 基于感知结果的动态速度限制调整***及方法 | |
CN112180912A (zh) | 用于为自动驾驶车辆规划路径的分级路径决策*** | |
CN113442945B (zh) | 用于自动驾驶车辆的使用反馈的增量式侧向控制*** | |
EP3757711A1 (en) | A vehicle-platoons implementation under autonomous driving system designed for single vehicle | |
CN113044058A (zh) | 自动驾驶车辆三点转弯 | |
CN112985435B (zh) | 用于操作自主驾驶车辆的方法及*** | |
CN113247017B (zh) | 用于确保自动驾驶车辆的稳定绕行的双缓冲*** | |
US11787440B2 (en) | Lane boundary and vehicle speed based nudge decision | |
US11904890B2 (en) | Lane change system for lanes with different speed limits | |
EP3838696A1 (en) | A post collision, damage reduction brake system | |
CN113060140A (zh) | 基于中心线移位的变道前路径规划 | |
EP4147936B1 (en) | Drive with caution under uncertainty for an autonomous driving vehicle | |
CN113428173A (zh) | 用于自动驾驶车辆的静态曲率误差补偿控制逻辑 | |
CN212391730U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
CN113753071A (zh) | 预防减速规划 | |
CN113815526A (zh) | 用于自动驾驶车辆的早期制动灯警告*** | |
CN212515471U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
CN112149487B (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
US20240005066A1 (en) | Decoupled prediction evaluation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |