CN115220439A - 用于运载工具的***和方法以及存储介质 - Google Patents

用于运载工具的***和方法以及存储介质 Download PDF

Info

Publication number
CN115220439A
CN115220439A CN202111669297.7A CN202111669297A CN115220439A CN 115220439 A CN115220439 A CN 115220439A CN 202111669297 A CN202111669297 A CN 202111669297A CN 115220439 A CN115220439 A CN 115220439A
Authority
CN
China
Prior art keywords
vehicle
trajectory
constraints
cost
velocity
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.)
Withdrawn
Application number
CN202111669297.7A
Other languages
English (en)
Inventor
B·科内利斯·弗劳
M·D·禾木
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.)
Motional AD LLC
Original Assignee
Motional AD LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Motional AD LLC filed Critical Motional AD LLC
Publication of CN115220439A publication Critical patent/CN115220439A/zh
Withdrawn legal-status Critical Current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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • 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
    • 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
    • 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
    • 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
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2552/50—Barriers
    • 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
    • B60W2554/4042—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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/20—Lateral distance

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种用于运载工具的***和方法以及存储介质。提供了用于基于感知风险来为自主运载工具选择轨迹的***和方法。选择如下的轨迹，该轨迹满足目标安全约束，并且至少部分地基于表示轨迹的感知风险的成本分量来使总体成本最小化。根据所选择的(例如，优化的)轨迹来导航运载工具。

Description

用于运载工具的***和方法以及存储介质
技术领域
本说明书涉及用于基于感知风险来导航自主运载工具的技术。
背景技术
自主运载工具可用于将人和/或货物(例如，包裹、对象或其它物品)从一个地点运输到另一地点。例如，自主运载工具可以导航到某人的地点，等待该人登上该自主运载工具，并导航到指定的目的地(例如，由该人选择的地点)。为了在环境中导航，这些自主运载工具配备有各种传感器以检测周围的对象。
发明内容
本说明书中所述的主题涉及用于通过确定自主运载工具的轨迹来控制自主运载工具的***和技术。通常，***被配置为选择用于导航自主运载工具的轨迹。该轨迹基于对自主运载工具的感知风险，使得所选择的轨迹使包括感知风险成本分量的总体成本最小化。
根据本发明的一个方面，一种用于运载工具的***包括：一个或多于一个计算机处理器；以及一个或多于一个非暂时性存储介质，用于存储在由所述一个或多于一个计算机处理器执行时使得进行操作的指令，所述操作包括：在所述运载工具正在以自主模式操作期间，获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及根据所述轨迹来导航所述运载工具。
根据本发明的另一方面，一种用于运载工具的方法包括：在所述运载工具正在以自主模式操作期间，获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及根据所述轨迹来导航所述运载工具。
根据本发明的又一方面，一种非暂时性计算机可读存储介质，用于存储在由一个或多于一个计算装置执行时使得进行操作的指令，所述操作包括：在运载工具正在以自主模式操作期间，获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及根据所述轨迹来沿着所述路径导航所述运载工具。
这些和其它方面、特征和实现可被表示为方法、设备、***、组件、程序产品、用于进行功能的方法或步骤、以及其它方式。
附图说明
图1示出具有自主能力的自主运载工具的示例。
图2示出示例“云”计算环境。
图3示出计算机***。
图4示出自主运载工具的示例架构。
图5示出感知模块可以使用的输入和输出的示例。
图6示出LiDAR***的示例。
图7示出操作中的LiDAR***。
图8示出LiDAR***的操作的附加细节。
图9示出规划模块的输入和输出之间的关系的框图。
图10示出路径规划中所使用的有向图。
图11示出控制模块的输入和输出的框图。
图12示出控制器的输入、输出和组件的框图。
图13例示自主运载工具在存在各种障碍物的情况下在行车道上导航的示例。
图14A-14D例示自主运载工具在存在各种障碍物的情况下在行车道上导航的示例。
图15是用于由操作自主运载工具的***为自主运载工具选择轨迹的示例处理的流程图。
具体实施方式
在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，所公开的技术可以在没有这些具体细节的情况下实施将是明显的。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使所公开的技术模糊。
在附图中，为了便于描述，示出了示意要素(诸如表示装置、模块、指令块和数据要素的那些要素)的具体排列或次序。然而，本领域技术人员应当理解，附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外，在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。
此外，在附图中，连接要素、诸如实线或虚线或箭头用于例示两个或多于两个其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中示出，以便不使本公开内容模糊。此外，为了便于例示，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令的通信，本领域技术人员应理解，这种要素表示影响通信可能需要的一个或多于一个信号路径(例如，总线)。
现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地使实施例的方面模糊。
下面描述的若干特征各自可以彼此独立地使用，也可以与其它特征的任何组合一起使用。然而，任何个别特征可能不能解决以上所讨论的任何问题，或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。尽管提供了标题，但在本说明书的其它地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例：
1.总体概述
2.硬件概述
3.自主运载工具架构
4.自主运载工具输入
5.自主运载工具规划
6.自主运载工具控制
7.使用柱(pillar)的对象检测所用的计算***
8.示例点云和柱
9.用于检测对象并基于对象的检测来操作运载工具的示例处理
总体概述
在复杂环境(例如，城市环境)中驾驶的自主运载工具带来巨大的技术挑战。为了使自主运载工具在这些环境中导航，自主运载工具选择用于沿着路径导航的轨迹。尽管该轨迹客观上是安全的(例如，该轨迹满足对自主运载工具的速率和位置的安全约束)，但根据该轨迹进行导航可能存在感知风险。例如，轨迹可能规定自主运载工具以离障碍物更近的方式转向，这看上去好像自主运载工具会撞上障碍物一样。自主运载工具确定为轨迹满足横向约束集合和速率约束集合。只要轨迹客观上是安全的，就至少部分地基于轨迹的感知风险使用质量的目标测量结果(例如，成本计算)来选择优化的轨迹(例如，选择使包括感知风险成本分量的总体成本最小化的轨迹)。通过使用质量的目标测量结果，自主运载工具的轨迹表示考虑到该轨迹鉴于其它目标质量参数(例如，其它成本因素)而存在的感知风险的优化解决方案。
本文描述了用于通过选择自主运载工具应导航的轨迹来对感知风险起作用的***和技术。借助于这里所述的***、方法和计算机程序产品的实现，通过提供对轨迹的更细微和有用的评估以及通过基于该更细微和有用的评估做出导航决定来改进自主运载工具的操作。特别地，通过至少部分地基于根据轨迹进行导航的感知风险来优化轨迹，自主运载工具可以选择根据看起来风险较小的轨迹进行导航，这与人类操作员的操作一样，但不会牺牲目标安全性。此外，通过选择根据看起来风险较小的轨迹进行导航，减少了(例如，在即使轨迹客观上是安全的、人类乘员也感觉轨迹有风险的情况下)小汽车中的人类乘员承担手动控制或以其它方式纠正运载工具的动力，由此使用处理器更高效地做出导航决定。
特别地，示例性技术包括：在所述运载工具正在以自主模式操作期间，获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航的轨迹，其中选择所述轨迹包括：确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及根据所述轨迹来沿着所述路径导航所述运载工具。
这些和其它方面、特征和实现可被表示为方法、设备、***、组件、程序产品、用于进行功能的方法或步骤、以及其它方式。
硬件概述
图1示出具有自主能力的自主运载工具100的示例。
如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地操作，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。
如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。
如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。
如本文所使用的，“轨迹”是指将AV从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多于一个路段(例如，道路的数段)组成，并且各路段由一个或多于一个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。
如本文所使用的，“(一个或多于一个)传感器”包括一个或多于一个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如，图像传感器、生物特征传感器)、传输和/或接收组件(例如，激光或射频波发射器和接收器)、电子组件(诸如，模数转换器)、数据存储装置(诸如，RAM和/或非易失性存储器)、软件或固件组件和数据处理组件(诸如，专用集成电路)、微处理器和/或微控制器。
如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多于一个传感器检测到的一个或多于一个分类或标记的对象，或由AV外部的源提供的一个或多于一个分类或标记的对象。
如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的车行道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如，四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式定义为一条通道的物理区域。
如本文所使用的，“车道”是道路的可被运载工具穿过的部分，并且可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的部分空间(例如，小于50％)。例如，具有相距很远的车道标记的道路可能容纳两个或多于两个运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，因此可被解释为车道比车道标记之间的空间窄，或车道之间有两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如，农村地区的岩石和沿着大道的树木)来定义车道。
“一个或多于一个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。
还将理解的是，尽管在一些情况下，术语“第一”、“第二”等在本文中是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。除非另外说明，否则第一触点和第二触点两者都是触点，但它们不是相同触点。
在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还将理解的是，如本文所使用的“和/或”是指并且包括一个或多于一个相关清单项目的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多于一个其它特征、整数、步骤、操作、要素、组件、和/或其群组。
如本文所使用的，取决于上下文，术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地，取决于上下文，短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
如本文所使用的，AV***是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中，AV***并入在AV内。在实施例中，AV***跨若干地点分布。例如，AV***的一些软件是在类似于下面关于图2描述的云计算环境200的云计算环境中实现的。
一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶***相关术语的分类和定义，通过引用将其全部内容并入本文件，用于了解运载工具自主权等级的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具，诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶***相关术语的分类和定义)。在实施例中，一个或多于一个第1级、第2级、第3级、第4级和第5级运载工具***可基于对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。
参考图1，AV***120使AV 100沿着轨迹198操作，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。
在实施例中，AV***120包括用于从计算机处理器146接收操作命令并对其进行操作的装置101。在实施例中，计算处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。
在实施例中，AV***120包括用于测量或推断AV 100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度和角速度及线加速度和角加速度、以及航向(例如，AV 100的前端的方向)。传感器121的示例是GPS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速率传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器以及转向角度和角速率传感器。
在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122，LiDAR 123，RADAR，超声波传感器，飞行时间(TOF)深度传感器，速率传感器，温度传感器，湿度传感器和降水传感器。
在实施例中，AV***120包括数据存储单元142和存储器144，用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中，数据存储单元142与以下关于图3描述的ROM 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据从远程数据库134通过通信信道传输到AV 100。
在实施例中，AV***120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到AV 100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多于一个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。
在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、WiFi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV***120。在实施例中，远程数据库134嵌入在如图2中所描述的云计算环境200中。通信接口140将从传感器121收集的数据或与AV 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向AV 100传输与遥操作有关的信息。在一些实施例中，AV 100与其它远程(例如，“云”)服务器136通信。
在实施例中，远程数据库134还存储和传输数字数据(例如，存储诸如道路和街道地点的数据)。这些数据存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV 100。
在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速度分布)。在一个实现中，这种数据可以存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV100。
位于AV 100上的计算装置146基于实时传感器数据和先验信息两者以算法方式生成控制动作，允许AV***120执行其自主驾驶能力。
在实施例中，AV***120包括耦接到计算装置146的计算机***设备132，用于向AV100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，***设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。耦接是无线的或有线的。任意两个或多于两个接口装置可以集成到单个装置中。
图2例示示例“云”计算环境。云计算是一种服务交付模式，用于使得能够方便、按需地在网络上访问可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)的共享池。在典型的云计算***中，一个或多于一个大型云数据中心容纳用于交付云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机***206a、206b、206c、206d、206e和206f提供云计算服务。
云计算环境200包括一个或多于一个云数据中心。一般而言，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多于一个区域，其中包括一个或多于一个服务器房间。每个房间有一行或多行服务器，并且每行包括一个或多于一个机架。每个机架包括一个或多于一个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器基于数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)被排列成若干组。在实施例中，服务器节点类似于图3中描述的计算机***。数据中心204a具有许多分布在多个机架上的计算***。
云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算***206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多于一个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路耦接的网际网络的任意组合。通过网络交换的数据使用多种网络层协议(诸如，因特网协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(Frame Relay)等)进行传输。此外，在网络表示多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在一些实施例中，网络表示一个或多于一个互连网际网络(诸如公共因特网等)。
计算***206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中，计算***206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)装置、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算***206a-f在其它***中实现或作为其它***的一部分实现。
图3例示计算机***300。在实现中，计算机***300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多于一个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置，或可包括一个或多于一个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机***、便携式计算机***、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其它装置。
在实施例中，计算机***300包括总线302或用于传达信息的其它通信机制、以及与总线302耦接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机***300还包括主存储器306，诸如随机存取存储器(RAM)或其它动态存储装置，该主存储器306耦接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机***300变成一个专用机器，该机器被定制以执行指令中指定的操作。
在实施例中，计算机***300还包括只读存储器(ROM)308或耦接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置310，并且该存储装置310耦接到总线302以存储信息和指令。
在实施例中，计算机***300通过总线302耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器312。包括字母数字键和其它键的输入装置314耦接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，诸如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴(第一轴(例如，x轴)和第二轴(例如，y轴))上的两个自由度，这两个轴允许装置指定平面上的位置。
根据一个实施例，本文的技术由计算机***300响应于处理器304执行主存储器306中包含的一个或多于一个指令的一个或多于一个序列而执行。这些指令从诸如存储装置310的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所描述的过程步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。
如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。
存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，诸如在无线电波和红外数据通信过程中产生的声波或光波。
在实施例中，各种形式的介质涉及将一个或多于一个指令的一个或多于一个序列承载到处理器304以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机***300的本地调制解调器接收电话线路上的数据，并使用红外发射器将数据转换为红外信号。红外检测器接收红外信号中承载的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以可选地在处理器304执行之前或之后存储在存储装置310上。
计算机***300还包括耦接到总线302的通信接口318。通信接口318提供耦接到连接至本地网络322的网络链路320的双向数据通信。例如，通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。
网络链路320通常通过一个或多于一个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”328的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中这些信号承载了进出计算机***300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。
计算机***300通过(一个或多于一个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机***300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。
自主运载工具架构
图4示出用于自主运载工具(例如，图1所示的AV 100)的示例架构400。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在AV 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的AV***120的一部分。在一些实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多于一个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。
在使用中，规划模块404接收表示目的地412的数据，并且确定表示AV 100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。
感知模块402使用例如也如图1所示的一个或多于一个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。
规划模块404还从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块408使用来自GNSS(全球导航卫星***)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其它行驶信号等)的空间地点的地图。
控制模块406接收表示轨迹414的数据和表示AV位置418的数据，并且以将使得AV100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得AV 100左转，并且油门和制动将使得AV 100在进行转弯之前暂停并等待经过的行人或运载工具。
自主运载工具输入
图5示出感知模块402(图4)所使用的输入502a-502d(例如，图1中所示的传感器121)和输出504a-504d(例如，传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)***(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR***产生LiDAR数据作为输出504a。例如，LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。
另一输入502b是RADAR(雷达)***。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR***的视线内的对象有关的数据。RADAR***502b产生RADAR数据作为输出504b。例如，RADAR数据是用于构造环境190的表示的一个或多于一个射频电磁信号。
另一输入502c是照相机***。照相机***使用一个或多于一个照相机(例如，使用诸如电荷耦接器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机***产生照相机数据作为输出504c。照相机数据通常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中，照相机***具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机***能够感知深度。尽管照相机***所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在使用中，照相机***可被配置为“看见”远处的(例如，AV前方的远至1公里或更远的)对象。因此，照相机***可以具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。
另一输入502d是交通灯检测(TLD)***。TLD***使用一个或多于一个照相机来获得与交通灯、街道标志和提供视觉导航信息的其它物理对象有关的信息。TLD***产生TLD数据作为输出504d。TLD数据经常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD***与包含照相机的***的不同之处在于：TLD***使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉导航信息的物理对象有关的信息，使得AV 100能够访问这些对象所提供的所有相关导航信息。例如，TLD***的视角可以为约120度或更大。
在一些实施例中，使用传感器融合技术来组合输出504a-504d。因而，将个体输出504a-504d提供至AV 100的其它***(例如，提供至如图4所示的规划模块404)，或者可以采用相同类型的单个组合输出或多个组合输出(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式，将组合输出提供至其它***。在一些实施例中，使用早期融合技术。早期融合技术的特征在于：在将一个或多于一个数据处理步骤应用到组合输出之前，将输出组合。在一些实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多于一个数据处理步骤应用到个体输出之后，将输出组合。
图6示出LiDAR***602的示例(例如，图5所示的输入502a)。LiDAR***602从发光器606(例如，激光发射器)发射光604a-604c。LiDAR***所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如，运载工具)并且反射回到LiDAR***602。(从LiDAR***发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR***602还具有用于检测反射光的一个或多于一个光检测器610。在实施例中，与LiDAR***相关联的一个或多于一个数据处理***生成表示LiDAR***的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样，图像612用于确定AV附近的一个或多于一个物理对象的边界616。
图7示出操作中的LiDAR***602。在该图所示的情境中，AV 100接收采用图像702的形式的照相机***输出504c和采用LiDAR数据点704的形式的LiDAR***输出504a两者。在使用中，AV 100的数据处理***将图像702与数据点704进行比较。特别地，在数据点704中也识别在图像702中识别出的物理对象706。这样，AV 100基于数据点704的轮廓和密度来感知物理对象的边界。
图8示出LiDAR***602的操作的附加细节。如上所述，AV 100基于LiDAR***602所检测到的数据点的特性来检测物理对象的边界。如图8所示，诸如地面802等的平坦对象将以一致的方式反射从LiDAR***602发射的光804a-804d。换句话说，由于LiDAR***602使用一致的间隔发射光，因此地面802将以相同的一致间隔将光反射回到LiDAR***602。在AV100在地面802上行驶时，在没有东西阻挡道路的情况下，LiDAR***602将继续检测到由下一个有效地面点806反射的光。然而，如果对象808阻挡道路，则LiDAR***602所发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息，AV 100可以确定存在对象808。
路径规划
图9示出(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图900。一般而言，规划模块404的输出是从起点904(例如，源地点或初始地点)到终点906(例如，目的地或最终地点)的路线902。路线902通常由一个或多于一个路段定义。例如，路段是指要在街道、道路、公路、车行道或适合汽车行驶的其它物理区域的至少一部分上行驶的距离。在一些示例中，例如，如果AV 100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小卡车等的能够越野的运载工具，则路线902包括诸如未铺面路径或开阔田野等的“越野”路段。
除路线902之外，规划模块还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如，如果路线902包括多车道公路，则车道级路线规划数据908包括轨迹规划数据910，其中AV 100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个或多于一个车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素来从这多个车道中选择某车道。类似地，在一些实现中，车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如，如果该路段包括行人或非预期交通，则速率约束912可以将AV 100限制到比预期速率慢的行驶速率，例如基于该路段的限速数据的速率。
在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据914、当前地点数据916(例如，图4所示的AV位置418)、(例如，用于图4所示的目的地412的)目的地数据918和对象数据920(例如，如图4所示的感知模块402所感知的经分类的对象416)。在一些实施例中，数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在AV 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于AV 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。
图10示出在路径规划中(例如，由规划模块404(图4))使用的有向图1000。一般而言，如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中，分隔起点1002和终点1004的距离可能相对较大(例如，在两个不同的都市区域中)，或者可能相对较小(例如，毗邻城市街区的两个交叉口或多车道道路的两条车道)。
在实施例中，有向图1000具有表示起点1002和终点1004之间的AV 100可能占用的不同地点的节点1006a-1006d。在一些示例中，例如，在起点1002和终点1004表示不同的都市区域时，节点1006a-1006d表示道路的路段。在一些示例中，例如，在起点1002和终点1004表示相同道路上的不同地点时，节点1006a-1006d表示该道路上的不同位置。这样，有向图1000包括不同粒度级别的信息。在实施例中，具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如，起点1002和终点1004相距远(例如，相距许多英里)的有向图的大部分信息处于低粒度，并且该有向图是基于所存储的数据，但该有向图还包括用于该有向图中的表示AV 100的视场中的物理地点的一部分的一些高粒度信息。
节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中，在粒度低时，对象1008a-1008b表示汽车不能穿过的地区，例如无街道或道路的区域。在粒度高时，对象1008a-1008b表示AV 100的视场中的物理对象，例如其它汽车、行人、或AV 100不能与之共用物理空间的其它实体。在实施例中，对象1008a-1008b的一部分或全部是静态对象(例如，不改变位置的对象，诸如街灯或电线杆等)或动态对象(例如，能够改变位置的对象，诸如行人或其它小汽车等)。
节点1006a-1006d通过边1010a-1010c连接。如果两个节点1006a-1006b通过边1010a连接，则AV 100可以在一个节点1006a和另一节点1006b之间行驶，例如，而不必在到达另一节点1006b之前行驶到中间节点。(当提到AV 100在节点之间行驶时，意味着AV 100在由相应节点表示的两个物理位置之间行驶。)边1010a-1010c通常是双向的，从某种意义上，AV 100从第一节点行驶到第二节点，或者从第二节点行驶到第一节点。在实施例中，边1010a-1010c是单向的，从某种意义上，AV 100可以从第一节点行驶到第二节点，然而AV100不能从第二节点行驶到第一节点。在边1010a-1010c表示例如单向街道，街道、道路或公路的单独车道，或者由于法律或物理约束因而仅能沿一个方向穿过的其它特征的情况下，边1010a-1010c是单向的。
在实施例中，规划模块404使用有向图1000来识别由起点1002和终点1004之间的节点和边组成的路径1012。
边1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在AV 100选择该边的情况下将花费的资源的值。典型的资源是时间。例如，如果一个边1010a所表示的物理距离是另一边1010b所表示的物理距离的两倍，则第一边1010a的关联成本1014a可以是第二边1010b的关联成本1014b的两倍。影响时间的其它因素包括预期交通、交叉口的数量、限速等。另一典型的资源是燃料经济性。两个边1010a-1010b可以表示相同的物理距离，但例如由于道路条件、预期天气等，因此一个边1010a与另一边1010b相比需要更多的燃料。
在规划模块404识别起点1002和终点1004之间的路径1012时，规划模块404通常选择针对成本优化的路径，例如，在将边的个体成本相加到一起时具有最小总体成本的路径。
自主运载工具控制
图11示出(例如，如图4所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102而操作，该控制器1102例如包括：与处理器304类似的一个或多于一个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多于一个计算机处理器)；与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器，随机存取存储器或闪速存储器或这两者)；以及存储器中所存储的指令，这些指令在(例如，由一个或多于一个处理器)执行时执行控制器1102的操作。
在实施例中，控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度，例如速率和航向。期望输出1104例如可以基于从(例如，如图4所示的)规划模块404接收到的数据。根据期望输出1104，控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合AV 100的油门(例如，加速控制)以实现期望输出1104的大小。在一些示例中，油门输入1106还包括可用于接合AV 100的制动器(例如，减速控制)的数据。转向输入1108表示转向角度，例如AV的转向控制(例如，方向盘、转向角致动器或用于控制转向角度的其它功能)应被定位成实现期望输出1104的角度。
在实施例中，控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如，如果AV 100遇到诸如山丘等的干扰1110，则AV 100的测量速率1112降至低于期望输出速率。在实施例中，任何测量输出1114均被提供至控制器1102，使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和AV 100的传感器可测量的其它输出。
在实施例中，例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息，并且该信息被提供至预测性反馈模块1122。然后，预测性反馈模块1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如，如果AV 100的传感器检测到(“看见”)山丘，则控制器1102可以使用该信息来准备在适当时间接合油门，以避免显著减速。
图12示出控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如，速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈，来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。
控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如，横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈，来指示方向盘控制器1210调整转向角致动器1212的位置。
控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的若干输入。规划模块404提供控制器1102例如选择AV 100开始操作时的航向并确定在AV 100到达十字交叉路口时穿过哪个道路路段所使用的信息。定位模块408例如将描述AV 100的当前地点的信息提供至控制器1102，使得控制器1102可以确定AV 100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期的地点。在实施例中，控制器1102接收来自其它输入1214的信息，例如从数据库、计算机网络等接收到的信息。
为自主运载工具选择轨迹
图13例示AV 100在存在各种障碍物1300(例如，1302、1304、1306、1308和1310)的情况下在行车道上进行导航的示例。在一些示例中，障碍物1300可以存在于行车道的边界之外(诸如墙1302和行人1304等)，或者可以存在于行车道的边界之内(诸如小汽车1306、坑洼1308和停车线1310等)。在一些示例中，障碍物1300可以固定在诸如墙1302、坑洼1308和停车线1310等的地点，或者可以是移动的(例如，具有非零速度)(诸如行人1304和汽车1306等)。以上针对至少图1至图8说明了用于检测和分析诸如障碍物1300等的对象的示例***和技术。图13例示在实现图15的用于由操作自主运载工具的***确定自主运载工具的轨迹步长的处理1500时可能遇到的示例行车道环境。
图14A-14D例示AV 100在存在各种障碍物的情况下沿着路径1401在行车道上进行导航的示例，这些障碍物包括停放的小汽车1400和用于即将到来的交叉口的停车线1402。例如，路径1401可以表示行车道或车道的中心线(例如，在行车道无障碍物的情况下运载工具可以理想地导航所沿着的线)。图14A-14D例示在实现图15的用于由操作自主运载工具的***选择自主运载工具的轨迹的示例处理1500时可能遇到的示例导航情景。以下参考图13和图14A-14D来更详细地说明处理1500。
如图14A所示，AV 100根据包括第一轨迹段1404的第一轨迹沿着路径1401在行车道上导航。以上针对至少图8和图9说明了用于生成轨迹(诸如包括第一轨迹段1404的轨迹等)的示例***和技术。尽管为了例示性目的、第一轨迹段1404被描绘为长度为几码，但将理解，(例如，用以将自主运载工具从一个地理地点导航到另一地理地点的)总体轨迹可被细分为任何适当大小的轨迹段。
在一些实施例中，根据第一轨迹段1404进行导航满足某些目标安全准则。在一些实施例中，目标安全准则包括施加于AV 100的横向约束1406(也称为“管(tube)”约束)。也就是说，AV 100必须保持在安全行驶车道内，这要求在AV 100和障碍物(诸如车道标记、行车道的边缘或停放的小汽车1400等)之间维持最小横向间隔。横向约束1406可以部分地取决于AV 100的速度，使得AV 100行驶得越快，要求AV 100在AV 100和任何障碍物之间维持更大的最小横向间隔。例如，在AV 100正在公路上(例如，以高速率)导航的情况下，与AV100在停车库中(例如，以低速率)导航的情况相比，横向约束1406要求AV 100更远离障碍物。在初始时间i根据第一轨迹段1404进行导航的情况下，AV 100正以速度
Figure BDA0003452487790000241
行驶，AV 100的右侧相对于任何障碍物的距离为
Figure BDA0003452487790000242
并且AV 100的左侧相对于任何障碍物的距离为
Figure BDA0003452487790000243
考虑到速度
Figure BDA0003452487790000244
距离
Figure BDA0003452487790000245
和
Figure BDA0003452487790000246
超过由横向约束1406定义的最小距离。同样地，在后续时间i+1根据第一轨迹段1404进行导航的情况下，AV 100正以速度
Figure BDA0003452487790000247
行驶，AV 100的右侧相对于任何障碍物的距离为
Figure BDA0003452487790000248
并且AV 100的左侧相对于任何障碍物的距离为
Figure BDA0003452487790000249
考虑到速度
Figure BDA00034524877900002410
(例如，与
Figure BDA00034524877900002411
相比相对较低的速度)，距离
Figure BDA00034524877900002412
和
Figure BDA00034524877900002413
(例如，与
Figure BDA0003452487790000251
和
Figure BDA0003452487790000252
相比相对较小的距离)仍超过由横向约束1406定义的最小距离。因此，根据第一轨迹段1404进行导航满足对AV 100的横向运动进行约束的目标安全准则。
在一些示例中，目标安全准则包括与AV 100相关联的(例如，施加于AV 100的)速率约束。正如横向约束1406可以部分地取决于AV 100的速度一样，速率约束可以部分地取决于AV 100和任何障碍物之间的横向间隔，使得AV 100在非常接近障碍物时需要以较低的速度行驶。例如，在AV 100正在具有附近停放的小汽车和/或构造物(例如，具有AV 100和障碍物之间的最小横向间隔)的狭窄小巷上导航的情况下，与AV 100在宽阔空旷的道路上导航的情况相比，速率约束要求AV 100以更低的速度行驶。参考图14A，考虑到各个横向间隔距离
Figure BDA0003452487790000253
和
Figure BDA0003452487790000254
以各个速度
Figure BDA0003452487790000255
和
Figure BDA0003452487790000256
在第一轨迹段1404上导航满足速率约束。
在图14B中，AV 100根据包括第二轨迹段1408的第二轨迹沿着路径1401在行车道上导航。根据第二轨迹段1408进行导航也满足某些目标安全准则。例如，在根据第二轨迹段1408进行导航期间，距离
Figure BDA0003452487790000257
和
Figure BDA0003452487790000258
落在横向约束1406所要求的可接受范围内，并且速度
Figure BDA0003452487790000259
和
Figure BDA00034524877900002510
落在速率约束所要求的可接受范围内。因此，根据目标(例如，预定义的)标准，第一轨迹段1404和第二轨迹段1408这两者都可被认为是安全的。
然而，即使在根据目标标准、第一轨迹段1404和第二轨迹段1408这两者都被认为类似地(或同等地)安全的情形中，(例如，基于目标准则，诸如最接近对象的点、速率和/或加速度等)这两个轨迹段也可能不被AV 100感知为同等地安全。由AV 100确定为不安全的一些轨迹段可能导致驾驶员或乘员不舒适，或者可能偏离典型的人类运载工具操作员可能遵循的轨迹段(例如，AV 100确定为不安全的相对于对象的距离、速率和/或加速度与典型人类将发现不舒适的轨迹相对应)。例如，尽管第一轨迹段1404满足横向约束1406，但是当AV 100在后续时间i+1经过停放的小汽车1400时，针对第一轨迹段1404的
Figure BDA0003452487790000261
和
Figure BDA0003452487790000262
比针对第二轨迹段1408的
Figure BDA0003452487790000263
和
Figure BDA0003452487790000264
小得多。因此，人类运载工具操作员通常可以根据比第一轨迹段1404更类似于第二轨迹段1408的轨迹进行导航。如果AV 100是驾驶员辅助的运载工具，则根据人类驾驶员通常不会选择的轨迹段进行导航可能导致驾驶员承担运载工具的手动控制。如果AV 100是全自主运载工具，则根据第一轨迹段1404进行导航可能导致乘员变得不舒适。
作为另一示例，图14C-14D例示AV 100在相对于路径1401横向偏离的行车道上导航。在图14C中，AV 100根据包括第一轨迹段1410的第一轨迹进行导航，该第一轨迹满足某些目标安全准则。第一轨迹段1410还使得AV 100朝向行车道的下边缘导航(例如，如由速度
Figure BDA0003452487790000265
的方向所示)，直到AV 100相对于路径1401的横向偏离减小为止(例如，直到AV 100再次在行车道上居中为止)。
在图14D中，作为代替，AV 100根据包括第二轨迹段1412的第二轨迹(其也满足某些目标安全准则)进行导航，但沿直线向前导航(例如，如由速度
Figure BDA0003452487790000266
的方向所示)，从而维持相对于路径1401的横向偏离。尽管根据目标标准、第一轨迹段1410和第二轨迹段1412可被认为是类似地(或同等地)安全的，但由于停放的小汽车1400的存在，在AV 100朝向障碍物转向、而不是正如人类运载工具操作员可能通常选择的操作那样维持相对于障碍物的距离时，AV 100的驾驶员或乘员可能对在图14C中采取的路线(例如，使AV 100在行车道上重新居中)感到不舒适。因此，AV 100的驾驶员或乘员可能偏好第二轨迹段1412。
为了理解并对感知风险起作用，本文所述的***和技术可用于选择考虑到感知风险而优化的轨迹。可以通过使包括潜在轨迹的感知风险成本的总体成本函数最小化来进行该选择。通过根据这些***和技术选择自主运载工具的轨迹，自主运载工具能够根据不仅满足目标安全准则而且对于驾驶员或乘员而言更有可能感到安全的轨迹来进行导航。这进而阻止了驾驶员和/或乘员的非预期动作(例如，承担控制、以及/或者其他驾驶员违背驾驶规范等)，并由此提高了导航的效率和准确度。
用于为自主运载工具选择轨迹的示例处理
图15是用于由操作自主运载工具的***为自主运载工具选择轨迹的示例处理1500的流程图。在一些实施例中，处理1500的一部分由控制电路(例如，图4的控制模块406)进行，该控制电路可以包括具有嵌入式处理电路的微控制器。在一些实施例中，处理1500的一部分由规划器电路(例如，图4的规划模块404)进行。在一些实施例中，处理1500的一部分可以由位于一个或多于一个地点的一个或多于一个计算机的***(诸如图1的AV***1200(或其一部分)和/或服务器136等)进行。
在以自主模式操作运载工具(例如，AV 100)期间，在框1502处，***获得路径、横向约束集合和速率约束集合，该横向约束集合定义运载工具的第一(例如，右)侧和第一障碍物以及运载工具的第二(例如，左)侧(例如，与第一侧相反)和第二障碍物之间的距离，该速率约束集合定义运载工具的最大和/或最小速率。在一些实施例中，路径可以表示导航所用的基线，诸如行车道或车道的中心线等。在一些实施例中，第一障碍物和第二障碍物可以是相同的障碍物。例如，立即参考图14A，停放的小汽车1400位于离AV 100足够近的位置，使得将相对于停放的小汽车1400计算dRi+1和dLi+1这两者。在一些实施例中，路径、横向约束集合和速率约束集合是从规划器电路(例如，图4的规划模块404)接收到的。
在框1504处，选择用于沿着满足横向约束集合和速率约束集合的路径导航运载工具(例如，AV 100)的轨迹(例如，根据某些目标准则是安全的并且因此是有效轨迹的轨迹)。
在框1506处，选择轨迹包括：确定为该轨迹满足横向约束集合和速率约束集合(例如，确定为该轨迹根据某些目标准则是安全的，因此是有效的潜在轨迹)。
在框1508处，选择轨迹包括：确定为该轨迹使总体成本最小化。总体成本包括表示对运载工具的第一(例如，右)侧的感知风险的第一成本分量和表示对运载工具的第二(例如，左)侧的感知风险的第二成本分量。例如，如果如图14A所示、轨迹包括第一轨迹段1404，则轨迹的总体成本反映了通过沿着行车道的中央但以离停放的小汽车1400更近的方式导航AV 100所引起的对AV 100的左侧和右侧的感知风险。如果如图14B所示、轨迹包括第二轨迹段1408，则轨迹的总体成本反映了通过使AV 100以离停放的小汽车1400更远但离行车道的边缘更近的方式转向所引起的对AV 100的左侧和右侧的感知风险。作为另一示例，如果如图14C所示、轨迹包括第一轨迹段1410，则第一轨迹段1410的总体成本反映了通过使AV100沿停放的小汽车1400的方向转向以返回到行车道的中央所引起的对AV 100的左侧和右侧的感知风险。如果如图14D所示、轨迹包括第二轨迹段1412，则轨迹的总体成本反映了通过沿着行车道的边缘笔直地导航AV 100所引起的对AV 100的左侧和右侧的感知风险。
在一些实施例中，表示对运载工具的第一(例如，右)侧的感知风险的第一成本分量和表示对运载工具的第二(例如，左)侧的感知风险的第二成本分量可以各自包括权重因子。例如，感知风险的目标度量可以通过使用基于梯度的方法在不同目标之间(例如，如以下所述，在与感知风险相关联的成本和其它成本之间)进行加权权衡而以参数方式并入轨迹优化技术中，并且收敛到相应地反映感知风险的最优解。
例如，第一成本分量
Figure BDA0003452487790000281
和第二成本分量
Figure BDA0003452487790000282
可被定义为：
Figure BDA0003452487790000283
Figure BDA0003452487790000284
λright和λleft∈[0,1]
其中：
Figure BDA0003452487790000291
表示权重因子，λright和λleft分别表示在根据潜在轨迹进行导航时对运载工具的右侧和左侧的感知风险，并且
Figure BDA0003452487790000292
表示在根据潜在轨迹进行导航时运载工具和障碍物之间的间隙的时间导数(例如，其是使用运载工具的速度以及运载工具和障碍物之间的横向间隔所计算的)。例如，在λright(或λleft)等于0的情况下(例如，在参数在其预定义范围的最低极限的情况下)，不存在对运载工具的右(或左)侧的感知风险，而在λright(或λleft)等于1的情况下(例如，在参数在其预定义范围的最高极限的情况下)，对运载工具的右(或左)侧的感知风险最大。例如，λright和λleft可被表示为与横向约束(例如，横向约束1406)相关联的元数据，使得λright和λleft沿着横向约束的空间“管”随时间和运载工具的地点而变化。
在一些实施例中，各相应的第一成本分量(例如，
Figure BDA0003452487790000293
)和相应的第二成本分量(例如，
Figure BDA0003452487790000294
)基于所感知到的障碍物的速度。例如，立刻参考图13，步行的行人1304的速度朝向AV 100，并且移动的小汽车1306的速度远离AV 100。通过将这些障碍物的速度包括在第一成本分量和第二成本分量的计算中，第一成本分量和第二成本分量更好地反映了例如以离离开的障碍物(移动的小汽车1306)更近的方式转向以及以离接近的障碍物(步行的行人1304)更近的方式转向的感知风险。例如，除了运载工具的速度和运载工具与所感知到的障碍物之间的横向间隔之外，还可以使用所感知到的障碍物的速度来计算
Figure BDA0003452487790000295
的各个值。
在一些实施例中，使用控制电路(例如，图4的控制模块406)来确定第一成本分量和第二成本分量。在一些实施例中，使用规划器电路(例如，图4的规划模块404)来确定第一成本分量和第二成本分量。在一些实施例中，使用机器学习，例如通过使用诸如监督学习或逆强化学习等的机器学习模型，来确定第一成本分量和第二成本分量。例如，监督学习可用于基于构建的数据集(诸如用感知风险等级标注的示例驾驶数据的数据集、或者指示在示例驾驶期间收集的乘员舒适度(诸如心率等)的生物特征数据的数据集等)来学习行车道环境的特征与λright和λleft之间的映射函数。作为另一示例，逆强化学习可用于通过将专家驾驶数据的大数据集与行车道环境的特征相关来提取λright和λleft。
在一些实施例中，轨迹的总体成本可以进一步包括基于相对于路径的横向偏离的偏离成本分量。也就是说，在路径表示行车道的中心线的示例中，偏离成本将引入对沿着行车道的(与边缘相反的)中央驾驶的偏好。也可以对偏离成本进行加权，使得根据如何对偏离成本进行加权，所引入的偏好可以是强的或轻微的。
在一些实施例中，与轨迹相关联的总体成本可以进一步包括影响根据轨迹进行导航的愿望的一个或多于一个其它成本因素，诸如用于用户舒适度(例如，考虑到转向运动和加速度)、尊从性(例如，考虑到在轨迹违反交通法规的情况下的潜在罚款)、时间效率(例如，速率)、燃料效率等的目标成本因素等。还可以对多个总体成本中所包括的这些一个或多于一个其它成本因素进行加权，使得各其它成本因素的权重指示相对于其它成本因素(包括表示感知风险的第一成本分量和第二成本分量)的重要性。
在一些实施例中，使用控制电路(例如，图4的控制模块406)来确定总体成本。在一些实施例中，使用规划器电路(例如，图4的规划模块404)来确定总体成本。
由于总体成本可以包括各种成本分量(其包括但不限于上述成本分量)，因此在框1508处确定为轨迹使总体成本最小化不一定确定为轨迹使表示感知风险的第一成本分量和第二成本分量最小化。例如，由于与感知风险相关联的低成本可能带来低(例如，最小化)总体成本，因此所选择的(例如，优化的)轨迹可以具有表示对运载工具的第一侧的感知风险的最小化第一成本分量和表示对运载工具的第二侧的感知风险的最小化第二成本分量。然而，在其它示例中，所选择的(例如，优化的)轨迹可以不具有表示对运载工具的第一侧的感知风险的最小化第一成本分量或表示对运载工具的第二侧的感知风险的最小化第二成本分量，只要与感知风险相关联的成本仍足够低而使得包括这些成本分量的总体成本仍最小化即可。
在框1510处，根据轨迹(例如，具有最小化总体成本的轨迹)来导航运载工具。因此，在所有其它成本因素相等的情况下，运载工具根据与感知风险相关联的成本最低的轨迹(即，改进了的驾驶员或乘员舒适度、或者看起来更类似于典型人类运载工具驾驶员可能遵循的轨迹步长的轨迹)来在路径上导航。
将理解，在一些实施例中，在以自主模式导航运载工具期间，可以将示例处理1500并且特别是1504-1510迭代多次。例如，可以针对包括潜在轨迹的轨迹段进行框1504-1510。因此，由所选择的各个轨迹步长组成的轨迹表示考虑到各步长的总体成本的优化轨迹，这些总体成本包括运载工具逐渐向前移动时表示对运载工具的第一侧的感知风险的第一成本分量和表示对运载工具的第二侧的感知风险的第二成本分量。
在先前描述中，已经参考许多具体细节描述了实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。权利要求书范围的唯一且排他的指示、以及申请人期望是权利要求书范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

Claims (21)

1.一种用于运载工具的***，包括：
一个或多于一个计算机处理器；以及
一个或多于一个非暂时性存储介质，用于存储在由所述一个或多于一个计算机处理器执行时使得进行操作的指令，所述操作包括：
在所述运载工具正在以自主模式操作期间，
获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；
根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：
确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及
确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及
根据所述轨迹来导航所述运载工具。
2.根据权利要求1所述的***，其中，所述第一成本分量包括第一权重因子，以及其中，所述第二成本分量包括第二权重因子。
3.根据权利要求1所述的***，其中，所述第一成本分量和所述第二成本分量基于所感知到的障碍物的速度。
4.根据权利要求1所述的***，其中，所述总体成本还包括基于由所述轨迹引起的相对于所述路径的横向偏离的第三成本分量。
5.根据权利要求1所述的***，其中，所述第一成本分量和所述第二成本分量是使用控制电路确定的。
6.根据权利要求1所述的***，其中，所述第一成本分量和所述第二成本分量是使用规划器电路确定的。
7.根据权利要求1所述的***，其中，所述总体成本是使用控制电路确定的。
8.根据权利要求1所述的***，其中，所述总体成本是使用规划器电路确定的。
9.根据权利要求1所述的***，其中，所述路径、所述横向约束集合和所述速率约束集合是从规划器电路接收到的。
10.根据权利要求1所述的***，其中，所述第一成本分量和所述第二成本分量是使用机器学习技术确定的。
11.一种用于运载工具的方法，包括：
在所述运载工具正在以自主模式操作期间，
获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；
根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：
确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及
确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及
根据所述轨迹来导航所述运载工具。
12.根据权利要求11所述的方法，其中，所述第一成本分量包括第一权重因子，并且所述第二成本分量包括第二权重因子。
13.根据权利要求11所述的方法，其中，所述第一成本分量和所述第二成本分量基于所感知到的障碍物的速度。
14.根据权利要求11所述的方法，其中，所述总体成本还包括基于由所述轨迹引起的相对于所述路径的横向偏离的第三成本分量。
15.根据权利要求11所述的方法，其中，所述第一成本分量和所述第二成本分量是使用控制电路确定的。
16.根据权利要求11所述的方法，其中，所述第一成本分量和所述第二成本分量是使用规划器电路确定的。
17.根据权利要求11所述的方法，其中，所述总体成本是使用控制电路确定的。
18.根据权利要求11所述的方法，其中，所述总体成本是使用规划器电路确定的。
19.根据权利要求11所述的方法，其中，所述路径、所述横向约束集合和所述速率约束集合是从规划器电路接收到的。
20.根据权利要求11所述的方法，其中，所述第一成本分量和所述第二成本分量是使用机器学习技术确定的。
21.一种非暂时性计算机可读存储介质，用于存储在由一个或多于一个计算装置执行时使得进行操作的指令，所述操作包括：
在运载工具正在以自主模式操作期间，
获得路径、横向约束集合和速率约束集合，其中所述横向约束集合用于定义所述运载工具的第一侧和第一障碍物之间的第一距离以及所述运载工具的第二侧和第二障碍物之间的第二距离，以及所述速率约束集合用于定义所述运载工具的最大速率或最小速率；
根据满足所述横向约束集合和所述速率约束集合的路径来选择用于导航所述运载工具的轨迹，其中选择所述轨迹包括：
确定为所述轨迹满足所述横向约束集合和所述速率约束集合；以及
确定为所述轨迹使总体成本最小化，其中所述总体成本包括表示对所述运载工具的第一侧的感知风险的第一成本分量和表示对所述运载工具的第二侧的感知风险的第二成本分量；以及
根据所述轨迹来沿着所述路径导航所述运载工具。
CN202111669297.7A 2021-04-16 2021-12-31 用于运载工具的***和方法以及存储介质 Withdrawn CN115220439A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/233,298 US11958503B2 (en) 2021-04-16 2021-04-16 Techniques for navigating an autonomous vehicle based on perceived risk
US17/233,298 2021-04-16

Publications (1)

Publication Number Publication Date
CN115220439A true CN115220439A (zh) 2022-10-21

Family

ID=80038505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111669297.7A Withdrawn CN115220439A (zh) 2021-04-16 2021-12-31 用于运载工具的***和方法以及存储介质

Country Status (5)

Country Link
US (1) US11958503B2 (zh)
KR (1) KR20220144296A (zh)
CN (1) CN115220439A (zh)
DE (1) DE102021133744A1 (zh)
GB (2) GB2605858B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11738772B1 (en) * 2020-12-18 2023-08-29 Zoox, Inc. Object avoidance with perceived safety subgoal

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108431549B (zh) 2016-01-05 2020-09-04 御眼视觉技术有限公司 具有施加的约束的经训练的***
US10328935B2 (en) * 2016-06-08 2019-06-25 GM Global Technology Operations LLC Adaptive cruise control system and method of operating the same
KR102573303B1 (ko) 2016-09-01 2023-08-31 삼성전자 주식회사 자율 주행 방법 및 장치
US10121376B2 (en) * 2016-10-05 2018-11-06 Ford Global Technologies, Llc Vehicle assistance
US10515321B2 (en) * 2017-09-11 2019-12-24 Baidu Usa Llc Cost based path planning for autonomous driving vehicles
KR102374916B1 (ko) 2017-09-29 2022-03-16 주식회사 만도모빌리티솔루션즈 차선 유지 제어장치 및 제어방법
US10795367B2 (en) 2018-01-11 2020-10-06 Uatc, Llc Mapped driving paths for autonomous vehicle
EP3640105A1 (en) 2018-03-20 2020-04-22 Mobileye Vision Technologies Ltd. Modified responsibility sensitivity safety model
JP2021536599A (ja) * 2018-08-14 2021-12-27 モービルアイ ビジョン テクノロジーズ リミテッド 安全な距離でナビゲートするためのシステム及び方法
US11535262B2 (en) * 2018-09-10 2022-12-27 Here Global B.V. Method and apparatus for using a passenger-based driving profile
US11048260B2 (en) 2018-11-02 2021-06-29 Zoox, Inc. Adaptive scaling in trajectory generation
US11077878B2 (en) 2018-11-02 2021-08-03 Zoox, Inc. Dynamic lane biasing
US11353878B2 (en) * 2019-03-26 2022-06-07 Baidu Usa Llc Soft-boundary based path optimization for complex scenes for autonomous driving vehicles

Also Published As

Publication number Publication date
GB2605858B (en) 2023-09-06
GB202311397D0 (en) 2023-09-06
KR20220144296A (ko) 2022-10-26
GB202117359D0 (en) 2022-01-12
US11958503B2 (en) 2024-04-16
GB2605858A (en) 2022-10-19
DE102021133744A1 (de) 2022-10-20
US20220340169A1 (en) 2022-10-27

Similar Documents

Publication Publication Date Title
CN111915917B (zh) 计算机实现的方法、存储介质和运载工具
CN111121776B (zh) 用于对运载工具进行导航的最佳轨迹的生成
KR20210112293A (ko) 주석 달기를 위한 데이터 샘플의 자동 선택
CN112783151A (zh) 从预先计算的或动态生成的轨迹库的轨迹预测
CN111190418A (zh) 使用多维包络调整运载工具的横向间隙
CN113196011A (zh) 运动图构建和车道级路线规划
US11803184B2 (en) Methods for generating maps using hyper-graph data structures
CN112634633B (zh) 利用自主运载工具对多路停车交叉口进行导航
US11577754B2 (en) Autonomous vehicle operation using linear temporal logic
CN113359696A (zh) 用于自主运载工具的***、方法和存储介质
CN115328110A (zh) 用于自主运载工具的***和方法以及存储介质
US11814075B2 (en) Conditional motion predictions
CN112996703A (zh) 使用多个运动约束的运载工具的操作
CN115079687A (zh) 用于自主运载工具的***、方法和存储介质
US11970183B2 (en) AV path planning with calibration information
CN112394384A (zh) 基于环境的预定义特征的定位
CN112486163A (zh) 基于导航信息的可用性的自主运载工具的操作
CN113970924A (zh) 用于运载工具的方法和***
US20220340139A1 (en) Vehicle Route Modification to Improve Vehicle Location Information
CN115220439A (zh) 用于运载工具的***和方法以及存储介质
GB2616739A (en) Traffic light estimation
US20220258761A1 (en) Controlling an autonomous vehicle using variable time periods

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20221021

WW01 Invention patent application withdrawn after publication