CN115320634A - 操作自主驾驶车辆的方法和*** - Google Patents

操作自主驾驶车辆的方法和*** Download PDF

Info

Publication number
CN115320634A
CN115320634A CN202211030743.4A CN202211030743A CN115320634A CN 115320634 A CN115320634 A CN 115320634A CN 202211030743 A CN202211030743 A CN 202211030743A CN 115320634 A CN115320634 A CN 115320634A
Authority
CN
China
Prior art keywords
adv
uncertainty
planning
probability
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211030743.4A
Other languages
English (en)
Inventor
姜舒
林玮曼
曹昱
王禹
罗琦
胡江滔
缪景皓
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.)
Baidu USA LLC
Original Assignee
Baidu USA 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 Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN115320634A publication Critical patent/CN115320634A/zh
Pending legal-status Critical Current

Links

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
    • B60W30/09—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
    • 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
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—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
    • 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
    • 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
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/25—Data precision
    • 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)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

操作自主驾驶车辆的方法和***将ADV的定位不确定性作为因素引入其规划和控制过程。定位不确定性可能由传感器不准确性、地图匹配算法不准确性和/或速度不确定性引起。定位不确定性可能对轨迹规划和车辆控制产生负面影响。本文描述的实施例旨在通过在轨迹规划和车辆控制中考虑定位不确定性来增加ADV的安全性。示例性方法包括基于定位不确定性和速度不确定性确定在路段上自主驾驶的ADV的置信区域；确定对象在置信区域内，以及基于对象与ADV的距离确定对象与ADV的碰撞概率；基于碰撞概率规划轨迹，以及基于碰撞概率控制ADV。

Description

操作自主驾驶车辆的方法和***
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确定定位中的噪声以及在轨迹规划和车辆控制中使用该噪声。
背景技术
当以自主模式驾驶时，自主驾驶车辆(ADV)可以减轻乘坐者，尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时，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。
ADV需要生成规划的轨迹并控制车辆沿着规划的轨迹移动。ADV的规划和控制依赖于它的状态，诸如位置、速度、加速度和航向角，这些可以基于安装在车辆上的传感器从定位模块中获得。
然而，与定位模块相关联的传感器可能会由于硬件限制而遭受不确定性和噪声的影响。这些不确定性和噪声可能导致定位不确定性，从而可能导致自主驾驶中的安全问题。
发明内容
一方面，提供一种操作自主驾驶车辆(ADV)的方法，所述方法包括：
基于定位不确定性和速度不确定性确定在路段上自主驾驶的ADV的置信区域；
确定对象在所述置信区域内，以及基于所述对象与所述ADV的距离确定所述对象与所述ADV的碰撞概率；
基于所述碰撞概率规划轨迹；以及
根据所述轨迹控制所述ADV，以避免碰撞。
另一方面，提供一种其中存储有指令的非暂时性机器可读介质，当所述指令由处理器执行时，使所述处理器执行如上所述的操作ADV的方法。
另一方面，提供一种数据处理***，包括：
处理器；以及
存储器，耦接到所述处理器且存储指令，所述指令在由所述处理器执行时，使所述处理器执行如上所述的操作ADV的方法。
另一方面，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使得所述处理器执行如上所述的操作ADV的方法。
根据本公开，可以增加ADV的安全性。
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在轨迹规划和车辆控制中使用定位不确定性的***。
图5示出根据一个实施例的置信区域。
图6示出根据另一个实施例的置信区域。
图7是示出根据一个实施例的在ADV的规划和控制功能中使用位置不确定性的过程的流程图。
图8是示出根据一个实施例的操作自主驾驶车辆的过程的流程图。
具体实施方式
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个实施例的全面理解。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定特征、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”不一定都指同一实施例。
根据各种实施例、***、方法和媒介，将ADV的定位不确定性因素引入到其规划和控制过程中以增加ADV的安全性。定位的不确定性可能由传感器不准确性、地图匹配算法不准确性和/或速度不确定性引起。定位不确定性可能对轨迹规划和车辆控制产生负面影响。本文描述的实施例旨在通过在轨迹规划和车辆控制中考虑定位不确定性来增加ADV的安全性。
示例性方法可以包括以下操作：基于定位不确定性和速度不确定性确定在路段上自主驾驶的ADV的置信区域；确定对象在置信区域内，以及基于对象与ADV的距离确定与ADV的碰撞概率；基于碰撞概率规划轨迹，以及基于碰撞概率控制ADV。
在一个实施例中，置信区域可以是圆形区域，当ADV移动时ADV在圆形区域的中心或在另一个位置，使得速度不确定性对置信区域的大小产生影响。
在一个实施例中，置信区域的半径是定位不确定性半径与速度不确定性半径、速度不确定性比和规划更新比的乘积之和。定位不确定性半径、速度不确定性半径和速度不确定性比中的每一个可以基于安装在ADV上的用于定位的一个或多个传感器的规格来确定。规划更新比是生成规划轨迹的时间间隔。
在一个实施例中，置信区域中的每个点具有测量ADV在该点的可能性的不确定性概率。不确定性概率是基于点到ADV的距离确定的。
在一个实施例中，基于概率的轨迹的规划进一步包括生成避免ADV和对象之间的碰撞的规划轨迹。基于概率对ADV的控制进一步包括调整一个或多个控制命令以避免ADV与对象之间的碰撞，或者降低ADV与对象之间的碰撞的概率。
上述实施例并非穷举本发明的所有方面。预期本发明包括可以从上面总结的各种实施例的所有合适组合以及下文公开的那些实施例中实施的所有实施例。
自主驾驶车辆
图1是示出根据本公开的一个实施例的自主驾驶网络配置的框图。参考图1，网络配置100包括自主驾驶车辆(ADV)101，自主驾驶车辆(ADV)101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ADV，但是多个ADV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，有线或无线。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(map andpoint of interest，MPOI)服务器或位置服务器等。
ADV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ADV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于其中的环境的信息。车辆及其相关联的控制器使用检测的信息导航通过环境。ADV 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，ADV 101包括但不限于自主驾驶***(ADS)110、车辆控制***111、无线通信***112、用户接口***113和传感器***115。ADV 101还可包括在普通车辆中包括的某些常见组件，例如引擎、车轮、转向盘、变速器等，这些组件可以被车辆控制***111和/或ADS 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总线是一种车辆总线标准，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以及光检测和测距(light detection and range，LIDAR)单元215。GPS***212可包括可操作以提供关于ADV的位置的信息的收发器。IMU单元213可基于惯性加速度感测ADV的位置和朝向变化。雷达单元214可以表示使用无线电信号感测ADV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ADV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ADV周围的环境的图像。相机211可以是静态相机和/或摄影机。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ADV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ADV 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无线通信，诸如经由网络102与服务器103-104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***设备的部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
ADV 101的一些或所有功能可以由ADS 110控制或管理，尤其是当以自主驾驶模式操作时。ADS 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***、规划和路由程序)，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，ADS 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接口指定行程的起始位置和目的地。ADS110获得行程相关数据。例如，ADS 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ADS 110的永久存储设备中。
当ADV 101沿着路线移动时，ADS 110还可以从交通信息***或服务器(trafficinformation system or server，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ADS 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)，ADS 110可规划最优路线，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(ADV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的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还可包括描述不同的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为各种目的生成或训练一组规则、算法和/或预测模型124。然后可以将算法124上传到ADV上，以便在自主驾驶期间实时使用。
图3A和3B是示出根据一个实施例的与ADV一起使用的自主驾驶***的示例的框图。***300可以实现为图1的ADV 101的一部分，包括但不限于ADS 110、控制***111和传感器***115。参考图3A-3B，ADS 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和定位置信区域计算器308。
模块301-308中的一些或全部可以以软件、硬件或其组合来实现。例如，这些模块可以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与图2的车辆控制***111的一些或所有模块通信地耦接或集成。模块301-308中的一些可以作为集成模块集成在一起。
定位模块301确定ADV 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接口登录并指定行程的起始位置和目的地。定位模块301与ADV 300的其他组件交流诸如地图和路线数据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数据。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数据311的部分被缓存。当ADV 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、例如以对象形式的另一车辆、行人、建筑物、人行横道或其它交通相关标志(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ADV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***可以映射环境、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。
对于每个对象，预测模块303预测对象将在环境下表现什么。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可分别预测车辆将更可能进行左转弯或右转弯。
对于每个对象，决策模块304作出关于如何处理该对象的决策。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，以根据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)选择和修正最优路线中的一个。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提供的参考线作为基础规划用于ADV的路径或路线或轨迹以及驾驶参数(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轨迹(也指路线或路径)经由CAN总线模块321向车辆控制***111发送适当的命令或信号控制和驾驶ADV。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的时间点使用适当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，也称为驾驶周期，诸如例如在100毫秒(ms)的每个时间间隔内执行。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进一步可指定特定速度、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用于当前周期(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ADV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ADV沿着基本上避开感知的障碍物的路径的移动，同时大体使ADV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ADV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，以便确定用于ADV 101的驾驶路径。
定位置信区域计算器308可用于确定ADV的置信区域(即，不确定性区域)。ADV有概率(0<a<1.0)在区域内的某个位置，但ADV在置信区域内的具***置是不确定的。置信区域的大小和/或置信区域的形状基于车辆速度和传感器精度。规划模块305和控制模块306可以使用概率来规划轨迹和控制ADV。
定位置信区域
图4示出了根据一个实施例的用于在轨迹规划和车辆控制中使用定位不确定性的***。
如图中所示，在ADS 110中提供定位置信区域计算器308以确定托管ADS 110的ADV101的置信区域。置信区域可以由规划模块308在规划轨迹中使用，并由控制模块使用以控制ADV 101遵循规划的轨迹。
定位置信区域计算器308是计算ADV 101对于每个规划周期(例如，100ms，并且在本公开中也称为帧)可能位于的区域的软件模块。
在一个实施例中，置信区域可以是基于与定位过程相关联的误差确定的圆形区域。定位模块301可以使用传感器和/或地图在任何特定时刻建立ADV 101的位置。
例如，LIDAR传感器可用于测量到附近对象的距离，从而创建ADV 101附近的局部地图。该局部地图然后可以用于针对预建地图进行注册，以使用地图匹配算法获取ADV的位置。因此，LIDAR传感器和地图匹配算法都可能是定位误差的来源。高质量的LIDAR传感器和更好的地图匹配算法可以减少定位误差。利用大量的经验证据，这些误差是可以量化的。
因此，对于安装在ADV上的任何特定传感器组和在定位过程中使用的特定地图匹配算法，可以确定定位模块301的误差范围。误差范围可用于确定置信区域的大小。
在一个实施例中，对于每个规划周期，定位模块301为该规划周期生成ADV的位置，并且还生成ADV的位置周围的置信区域。对于该规划周期，ADV可以位于置信区域内的任何位置。对于该规划周期，位置越接近ADV的当前位置，ADV就越有可能处于该位置，反之亦然。因此，定位置信区域计算器308还可以计算针对置信区域内每个点的概率。
当为规划周期生成规划轨迹时，规划模块301可以考虑置信区域。例如，如果障碍物在置信区域内，并且由障碍物占据的位置有50％的概率，这表明ADV 101本身有50％的机会在此位置，那么ADV 101有50％的机会与障碍物相撞。
规划模块301可以在轨迹规划中考虑这种碰撞概率。在一个实施例中，规划模块可以生成用于ADV 101跟随以完全避开障碍物的轨迹。这样做的一种方式是确保障碍物在任何特定时刻都在ADV 101的置信区域之外。当障碍物在置信区域之外时，ADV 101与障碍物之间的碰撞概率降低为0。在另一个实施例中，不是完全避免与障碍物的碰撞，规划模块301可以生成减少碰撞概率的规划轨迹。这种类型的实现可以部署到在不会危及人类生命的地方中行驶的车辆上。
类似地，控制模块306在控制ADV 101跟随规划轨迹时，可以考虑碰撞概率。例如，如果严格遵循规划策略可能导致置信区域内ADV 101与障碍物发生碰撞，则控制模块306可以调整控制命令(例如，油门、制动、转向控制命令)以偏离规划轨迹以免有与障碍物发生碰撞的风险。
图5示出了根据一个实施例的置信区域507。更特别地，置信区域507由不移动或移动非常缓慢的本车501生成。因此，本车501近似位于置信区域507的中心。
置信区域507也称为本车501的不确定性区域。本车501的当前位置是理论位置，这意味着如果硬件传感器和相关联的地图匹配算法完美运行，则本车501将位于该位置。然而，实际上，由于误差幅度，本车501可以在置信区域内的任何地方，尽管它的特定位置在置信区域内是不确定的。
在一个实施例中，圆形置信区域507的半径可以使用以下公式计算：r_u+v_u*dt，其中r_u是不确定性半径，v_u是速度不确定性半径，dt是规划更新比(例如，～0.1秒)。不确定性半径和速度不确定性半径中的每一个都可以基于传感器规格和/或经验证据来确定。
置信区域507可以被划分为许多不同的较小区域，每个区域与不同的概率相关联，概率是区域到ADV 101的当前位置(即，理论位置)的距离的函数。较小的区域内的任何点可以有相同的概率。
例如，区域A 503中的任何点具有5％的概率，这意味着本车501具有5％的概率位于区域A 503中，而ADV具有85％的概率位于区域B 505中，因为区域A 503比区域B 505更远离ADV 501的当前位置。
图6示出了根据另一个实施例的置信区域607。更特别地，在考虑速度不确定性的情况下计算置信区域607。
在图6中，本车501向由箭头604所指的方向移动。本车501的速度产生额外的定位不确定性，这将对本车的规划功能和预测功能产生负面影响。
如图5中所示，本车501不在圆形置信区域607的中心，因为存在由本车501的移动速度引起的额外不确定性。
在一个实施例中，当考虑到由本车501的移动速度引起的不确定性时，圆形置信区域607的半径可以使用以下公式计算：r_u+(v*v_u_ratio)*dt，其中r_u是不确定性半径，v_u是速度不确定性半径，v是移动速度，v_u_ratio是不确定性比(例如5％)，dt是规划更新比(例如，～0.1s)。
图7是示出根据一个实施例的在ADV的规划和控制功能中使用位置不确定性的过程的流程图。该过程可以由可以包括软件、硬件或其组合的处理逻辑来执行。例如，该过程可以由图4中描述的定位置信区域计算器308、定位模块301和控制模块305以及控制模块306来执行。
在操作701中，处理逻辑基于从与传感器规范和/或地图匹配算法相关联的大量经验数据得出的参数组确定特定规划周期期间的置信区域。该参数组表示ADV的定位模块的误差范围。
例如，参数组可以包括不确定性半径、速度不确定性半径和不确定性比。这些参数结合ADV的当前速度和规划更新比(即规划周期的持续时间)可用于确定置信区域的大小，该置信区域可以是圆形区域。
在操作703中，处理逻辑检测障碍物，该障碍物可以是移动的车辆、行走的行人或静止的对象。
在操作705中，处理逻辑确定障碍物是否在ADV的置信区域内。如果它在置信区域之外，则处理逻辑在操作707中确定ADV在特定时刻(即，在规划周期期间)与障碍物碰撞的概率为0。
在操作709中，如果障碍物在置信区域内，则处理逻辑基于障碍物与ADV的当前位置之间的距离来计算概率。当前位置可以是如果定位模块完美运行，ADV所在的位置。
在操作711中，处理逻辑以碰撞概率作为因素生成规划轨迹，使得ADV可以避免与障碍物碰撞或降低与障碍物碰撞的概率。
在操作713中，处理逻辑基于概率发出控制命令。如果严格遵循规划轨迹可能有与障碍物发生碰撞的概率，则处理逻辑可以调整控制命令以偏离规划轨迹以降低碰撞概率。
图8是示出根据一个实施例的操作自主驾驶车辆(ADV)的过程的流程图。例如，该过程可以由图4中描述的定位置信区域计算器308、定位模块301和控制模块305以及控制模块306来执行。
如图8中所示，在操作801中，处理逻辑基于定位不确定性和速度不确定性确定在路段上自主驾驶的ADV的置信区域。在操作803中，处理逻辑确定对象在置信区域内，并且基于对象与ADV的距离确定与ADV的碰撞的概率。在操作805中，处理逻辑基于碰撞概率规划轨迹，并基于碰撞概率控制ADV。
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)，可执行代码可经由来自应用的对应驱动器和/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纵的那些操作。
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地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瞬态计算机可读介质中。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。尽管以上根据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别编程语言描述的。将了解，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正。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 (10)

1.一种操作自主驾驶车辆(ADV)的方法，所述方法包括：
基于定位不确定性和速度不确定性确定在路段上自主驾驶的ADV的置信区域；
确定对象在所述置信区域内，以及基于所述对象与所述ADV的距离确定所述对象与所述ADV的碰撞概率；
基于所述碰撞概率规划轨迹；以及
根据所述轨迹控制所述ADV，以避免碰撞。
2.如权利要求1所述的方法，其中，所述置信区域是圆，所述ADV位于所述圆的中心。
3.如权利要求2所述的方法，其中所述置信区域的半径是第一元素和第二元素的和，其中所述第一元素是定位不确定性半径，并且其中所述第二元素是速度不确定性半径、速度不确定性比和规划更新比的乘积。
4.如权利要求3所述的方法，其中，所述定位不确定性半径、所述速度不确定性半径和所述速度不确定性比中的每一个是基于安装在所述ADV上用于定位的一个或多个传感器的规格来确定的，并且其中所述规划更新比是用于生成规划轨迹的时间间隔。
5.如权利要求3所述的方法，其中所述置信区域中的每个点具有测所述量ADV在所述点的可能性的不确定性概率，其中所述不确定性概率是基于所述点到所述ADV的距离来确定的。
6.如权利要求1所述的方法，其中，基于所述概率规划轨迹进一步包括生成避免所述ADV和所述对象之间的碰撞的规划轨迹。
7.如权利要求1所述的方法，其中，基于所述概率控制所述ADV进一步包括调整一个或多个控制命令以避免所述ADV与所述对象之间的碰撞，或降低所述ADV与所述对象之间的碰撞概率。
8.一种其中存储有指令的非暂时性机器可读介质，当所述指令由处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的操作自主驾驶车辆(ADV)的方法。
9.一种数据处理***，包括：
处理器；以及
存储器，耦接到所述处理器且存储指令，所述指令在由所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的操作自主驾驶车辆(ADV)的方法。
10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时使得所述处理器执行如权利要求1-7中任一项所述的操作自主驾驶车辆(ADV)的方法。
CN202211030743.4A 2021-09-01 2022-08-26 操作自主驾驶车辆的方法和*** Pending CN115320634A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/446,652 2021-09-01
US17/446,652 US20230065284A1 (en) 2021-09-01 2021-09-01 Control and planning with localization uncertainty

Publications (1)

Publication Number Publication Date
CN115320634A true CN115320634A (zh) 2022-11-11

Family

ID=83927024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211030743.4A Pending CN115320634A (zh) 2021-09-01 2022-08-26 操作自主驾驶车辆的方法和***

Country Status (2)

Country Link
US (1) US20230065284A1 (zh)
CN (1) CN115320634A (zh)

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9707961B1 (en) * 2016-01-29 2017-07-18 Ford Global Technologies, Llc Tracking objects within a dynamic environment for improved localization
JP6857728B2 (ja) * 2016-11-22 2021-04-14 アマゾン テクノロジーズ インコーポレイテッド 制御されていない交差点及び制御されている交差点を自律的に走行する方法
US10558871B2 (en) * 2017-09-25 2020-02-11 Continental Automotive Systems, Inc. System and method for improving the performance of an in-vehicle sensor system
US20190094865A1 (en) * 2017-09-27 2019-03-28 Toyota Research Institute, Inc. Autonomous vehicle control systems and methods of operating a vehicle using the same
US11163309B2 (en) * 2017-11-30 2021-11-02 Direct Current Capital LLC Method for autonomous navigation
WO2019139815A1 (en) * 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
US11378956B2 (en) * 2018-04-03 2022-07-05 Baidu Usa Llc Perception and planning collaboration framework for autonomous driving
US10800408B2 (en) * 2018-05-24 2020-10-13 Baidu Usa Llc Determining driving paths for autonomous driving that avoid moving obstacles
US20180348771A1 (en) * 2018-07-26 2018-12-06 GM Global Technology Operations LLC Stop contingency planning during autonomous vehicle operation
DK180657B1 (en) * 2018-08-02 2021-11-11 Motional Ad Llc REMOTE CONTROL OF AUTONOMIC VEHICLES
US11367208B2 (en) * 2019-06-25 2022-06-21 Nvidia Corporation Image-based keypoint generation
US11703869B2 (en) * 2019-11-26 2023-07-18 Zoox, Inc. Latency accommodation in trajectory generation
CN113873426A (zh) * 2020-06-30 2021-12-31 罗伯特·博世有限公司 用于决策车辆的地理围栏事件的***、控制单元和方法
CN113298044B (zh) * 2021-06-23 2023-04-18 上海西井信息科技有限公司 基于定位补偿的障碍物检测方法、***、设备及存储介质

Also Published As

Publication number Publication date
US20230065284A1 (en) 2023-03-02

Similar Documents

Publication Publication Date Title
EP3822142A1 (en) Confidence levels along the same predicted trajectory of an obstacle
CN111775945B (zh) 用于自动驾驶的用于检测最接近的路径内对象的方法和装置
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
US20210316755A1 (en) Method for real-time monitoring of safety redundancy autonomous driving system (ads) operating within predefined risk tolerable boundary
US11880201B2 (en) Fastest lane determination algorithm under traffic jam
CN113552870A (zh) 基于感知结果的动态速度限制调整***及方法
CN113064143A (zh) 用于具有多LiDAR传感器的自动驾驶车辆的再校准确定***
US11661085B2 (en) Locked pedestrian detection and prediction for autonomous vehicles
CN113508350B (zh) 基于反馈的实时转向校准***
US11479265B2 (en) Incremental lateral control system using feedbacks for autonomous driving vehicles
US11787440B2 (en) Lane boundary and vehicle speed based nudge decision
US11518404B2 (en) Static-state curvature error compensation control logic for autonomous driving vehicles
US11491976B2 (en) Collision warning system for safety operators of autonomous vehicles
US12017681B2 (en) Obstacle prediction system for autonomous driving vehicles
CN113815640A (zh) 用于具有不同速度限制的车道的车道变更***
CN112985435A (zh) 用于操作自主驾驶车辆的方法及***
EP4147936B1 (en) Drive with caution under uncertainty for an autonomous driving vehicle
CN113060140A (zh) 基于中心线移位的变道前路径规划
CN114764022B (zh) 用于自主驾驶车辆的声源检测和定位的***和方法
US11679761B2 (en) Forward collision warning alert system for autonomous driving vehicle safety operator
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***
US20230065284A1 (en) Control and planning with localization uncertainty
US20230202516A1 (en) Planning under prediction with confidence region for an autonomous driving vehicle
CN112601869B (zh) 操作自主驾驶车辆的方法、机器可读介质及数据处理***

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