CN115384552A - 自动驾驶车辆的控制方法、装置和自动驾驶车辆 - Google Patents
自动驾驶车辆的控制方法、装置和自动驾驶车辆 Download PDFInfo
- Publication number
- CN115384552A CN115384552A CN202211205442.0A CN202211205442A CN115384552A CN 115384552 A CN115384552 A CN 115384552A CN 202211205442 A CN202211205442 A CN 202211205442A CN 115384552 A CN115384552 A CN 115384552A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- detour
- determining
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000000903 blocking effect Effects 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 36
- 230000003993 interaction Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 14
- 230000002123 temporal effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 10
- 230000001953 sensory effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000035484 reaction time Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- 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
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种自动驾驶车辆的控制方法,涉及自动驾驶领域,尤其涉及智能交通领域。具体实现方案为:确定在车辆的规划距离内的目标障碍物序列;响应于车辆在当前车道内绕过目标障碍物序列所需空间不足,根据目标障碍物序列中多个目标障碍物各自的历史运动状态,确定多个目标障碍物各自的需绕行概率;根据多个目标障碍物各自的需绕行概率,确定车辆的借道绕行概率;以及根据借道绕行概率,确定车辆是否借道绕行。本公开还提供了一种自动驾驶车辆的控制装置、自动驾驶车辆、电子设备和存储介质。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及智能交通技术。更具体地,本公开提供了一种自动驾驶车辆的控制方法、装置、电子设备和存储介质。
背景技术
自动驾驶车辆能够基于感知到的车辆周围的环境信息进行运动决策和路径规划。运动决策例如包括绕行、制动、跟车等。
发明内容
本公开提供了一种自动驾驶车辆的控制方法、装置、设备以及存储介质。
根据第一方面,提供了一种自动驾驶车辆的控制方法,该方法包括:确定在车辆的规划距离内的目标障碍物序列;响应于车辆在当前车道内绕过目标障碍物序列所需空间不足,根据目标障碍物序列中多个目标障碍物各自的历史运动状态,确定多个目标障碍物各自的需绕行概率;根据多个目标障碍物各自的需绕行概率,确定车辆的借道绕行概率;以及根据借道绕行概率,确定车辆是否借道绕行。
根据第二方面,提供了一种自动驾驶车辆的控制装置,该装置包括:第一确定模块,用于确定在车辆的规划距离内的目标障碍物序列;第二确定模块,用于响应于车辆在当前车道内绕过目标障碍物序列所需空间不足,根据目标障碍物序列中多个目标障碍物各自的历史运动状态,确定多个目标障碍物各自的需绕行概率;第三确定模块,用于根据多个目标障碍物各自的需绕行概率,确定车辆的借道绕行概率;以及第四确定模块,用于根据借道绕行概率,确定车辆是否借道绕行。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据第四方面,提供了一种自动驾驶车辆,包括根据第三方面提供的电子设备。
根据第五方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据第六方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序存储于可读存储介质和电子设备其中至少之一上,所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的可以应用自动驾驶车辆的控制方法和装置的示例性场景图;
图2是根据本公开的一个实施例的自动驾驶车辆的控制方法的流程图;
图3是根据本公开的一个实施例的确定目标障碍物的需绕行概率的方法的流程图;
图4是根据本公开的一个实施例的确定目标障碍物的可绕行评估值的方法的示意图;
图5A是根据本公开的一个实施例的自动驾驶车辆进行借道绕行的示意图;
图5B是根据本公开的一个实施例的确定主车借道绕行的安全性的方法的流程图;
图5C是根据本公开的一个实施例的确定主车与位于被借车道的后方障碍物之间的时间安全性的示意图;
图6是根据本公开的一个实施例的绕行路径的扩展空间的示意图;
图7是根据本公开的一个实施例的自动驾驶车辆的控制装置的框图;
图8是根据本公开的一个实施例的自动驾驶车辆的控制方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在道路出现阻塞的场景下,大量的车辆由于阻塞而静止(或缓慢移动)排放在车道上。在该场景下,自动驾驶车辆可以执行绕行决策来确定是否要绕过这些阻塞车辆继续通行。但是,如果在自动驾驶车辆所在当前道路上绕过上述阻塞车辆所需空间不足时,自动驾驶车辆需进行借道绕行的决策。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
图1是根据本公开一个实施例的可以应用自动驾驶车辆的控制方法和装置的示例性场景图。需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,当前车道110例如是自动驾驶车辆111所在的车道,相邻车道120为与当前车道110相邻的车道。在当前车道110例如行驶有自动驾驶车辆111以及多个车辆112。在相邻车道120例如行驶有车辆121。
在当前车道111行驶的多个车辆112发生了阻塞,造成自动驾驶车辆111无法在当前车道继续通行。多个车辆112可以组成目标障碍物序列130。如果自动驾驶车辆111在当前车道110内绕过目标障碍物序列130所需的空间不足。此时,自动驾驶车辆111需决策是否借相邻车道120进行绕行。
例如,可以根据目标障碍物序列130中多个车辆112各自的历史运动状态确定每个车辆112是阻塞车辆的概率(可以称为阻塞概率、死车概率,死车指一直静止的车),根据每个车辆112侵入当前车道110的最大位置,确定该车辆112的绕行难易程度(可以称为绕行评估值),结合每个车辆112的阻塞概率和绕行评估值,确定自动驾驶车辆111需借道绕过该车辆112的概率(可以称为需绕行概率)。根据多个车辆112各自的需绕行概率,可以计算自动驾驶车辆111需借道绕过目标障碍物序列130的概率(可以称为借道绕行概率)。例如可以将多个车辆112的需绕行概率的乘积,作为自动驾驶车辆111的借道绕行概率。
例如,根据借道绕行概率可以确定借道绕行或者放弃借道绕行,能够避免不必要的运动决策造成的安全隐患,并且能够保证借道绕行的成功率。需要说明的是,在决策借道绕行时,还需判断与相邻车道120中的车辆121之间的安全性,保证借道绕行的安全性。
下面结合图2-图6对本公开提供的自动驾驶车辆的控制方法进行详细说明。
图2是根据本公开的一个实施例的自动驾驶车辆的控制方法的流程图。
如图2所示,该自动驾驶车辆的控制方法200可以包括操作S210~操作S240。
在操作S210,确定在车辆的规划距离内的目标障碍物序列。
例如,车辆是自动驾驶车辆(以下称为主车)。规划距离是主车的规划路径所达到的距离(例如100m)。确定规划距离内的目标障碍物序列的方式可以是先确定距离主车最近的第一障碍物,在第一障碍物前方一定范围内(例如主车超越该障碍物后能够回到原车道的纵向距离(例如10m))确定与该第一障碍物最近的静止障碍物,由该第一障碍物到该静止障碍物之间的所有障碍物(包含上述第一障碍物和静止障碍物)组成目标障碍物序列。因此,目标障碍物序列中可以包括至少2个目标障碍物。
可以理解,在阻塞场景下,第一障碍物也可以是静止的障碍物。也可以理解,目标障碍物序列中的每个目标障碍物都可以是静止的车辆,也可以是具有速度波动的车辆,速度波动可以是指车辆由静止转向运动,又由运动转向静止等。
可以理解,在阻塞场景下,主车可以借道绕行(跨线绕行),可以跨实线或虚线,也可以判断进行左绕行或右绕行。
在操作S220,响应于车辆在当前车道内绕过目标障碍物序列所需空间不足,根据目标障碍物序列中多个目标障碍物各自的历史运动状态,确定多个目标障碍物各自的需绕行概率。
例如,目标障碍物序列侵入当前车道的最大位置到当前车道的较远边界(远离目标障碍物的边界)之间的距离小于主车的车宽,可以确定主车在当前车道内绕过目标障碍物序列所需空间不足。在该场景下,需决策主车是否可以借道绕行。
例如,针对目标障碍物序列中的每个目标障碍物,可以追溯主车感知到该目标障碍物的时刻到当前时刻之间的历史时段内的该目标障碍物的历史运动状态。在历史时段内,主车可以针对该目标障碍物获取多帧感知数据(例如点云数据、图像数据等),每一帧感知数据具有时间戳,根据每一帧的感知数据,可以确定目标障碍物在该帧的运动状态。运动状态例如包括目标障碍物在该帧是静止还是运动,如果在该帧是运动状态,还可以确定目标障碍物在该帧的速度。
例如,针对每个目标障碍物,根据该障碍物的运动状态可以确定该目标障碍物的阻塞概率,阻塞概率可以表示目标障碍物是阻塞车辆(死车)的概率。例如,如果该目标障碍物在历史时段内一直处于静止状态,那么该目标障碍物的阻塞概率比较大。如果该目标障碍物在历史时段内处于静止-运动-静止的波动状态,那么可以根据该目标障碍物在每一帧的速度确定该目标障碍物在该帧的阻塞概率,目标障碍物在下一帧的阻塞概率可以根据该目标障碍物在下一帧的速度以及当前帧的阻塞概率确定。由此,可以确定目标障碍物在每一帧的阻塞概率,目标障碍物在当前帧的阻塞概率可以作为当前时刻的阻塞概率。
例如,针对每个目标障碍物,可以将目标障碍物的阻塞概率转换为主车需绕过该目标障碍物的概率,该概率可以称为目标障碍物的需绕行概率。可以理解,目标障碍物的阻塞概率越大,目标障碍物的需绕行概率也越大。因此,可以将目标障碍物的阻塞概率乘以一个加权系数(可以是常数),得到目标障碍物的需绕行概率。
在操作S230,根据多个目标障碍物各自的需绕行概率,确定车辆的借道绕行概率。
例如,主车借道绕行需绕过目标障碍物序列,因此,在得到多个目标障碍物各自的需绕行概率之后,可以基于多个目标障碍物各自的需绕行概率确定主车需借道绕过目标障碍物序列的概率(主车的借道绕行概率)。例如,可以计算多个目标障碍物各自的需绕行概率的乘积,作为主车的借道绕行概率。
在操作S240,根据借道绕行概率,确定车辆是否借道绕行。
例如,在借道绕行概率达到阈值(例如0.9)时,主车可以确定要借道绕行。否则,主车确定不借道绕行。可以理解,根据借道绕行概率来决策主车是否进行借道绕行,只有借道绕行概率比较大(例如大于0.9)的情况下确定要借道绕行,能够避免不必要的运动决策造成的安全隐患,并且可以提高借道绕行的成功率。
图3是根据本公开的一个实施例的确定目标障碍物的需绕行概率的方法的流程图。
如图3所示,该方法可以包括操作S321~操作S323。
在操作S321,根据目标障碍物的历史运动状态,确定目标障碍物的阻塞概率。
由上所述,针对每个目标障碍物,如果该目标障碍物在历史时段内一直处于静止状态,那么该目标障碍物的阻塞概率比较大。如果该目标障碍物在历史时段内处于静止-运动-静止的波动状态,那么可以根据该目标障碍物在每一帧的速度确定该目标障碍物在该帧的阻塞概率,目标障碍物在下一帧的阻塞概率可以根据该目标障碍物在下一帧的速度以及当前帧的阻塞概率确定。由此,可以确定目标障碍物在每一帧的阻塞概率,目标障碍物在当前帧的阻塞概率可以作为当前时刻的阻塞概率。
例如,可以根据如下公式(1)~(3)确定目标障碍物的阻塞概率。
α(t)=s*(tk-tk-1) (2)
其中,k为大于等于2的整数,tk表示第k帧的时间戳,tk-1表示第k-1帧的时间戳,t1表示第一帧的时间戳,pk表示目标障碍物在第k帧的阻塞概率,pk-1表示目标障碍物在第k-1帧的阻塞概率,k=2时,p1=0,α(t)表示与目标障碍物的运动状态相关的惩罚函数,s表示衰减系数,v表示目标障碍物在第k帧的速度。
可以理解,第一帧的时间戳可以是主车感知到目标障碍物的第一时刻(与目标障碍物见面的第一时刻),由于第一帧无历史数据,可以设置p1=0。从第二帧开始计算每一帧的阻塞概率。
例如,α(t)表示与目标障碍物的运动状态相关的惩罚函数,s表示衰减系数,s可以为常数,或者为了提高s的置信度,s也可以为指数函数或二次函数。
衰减系数s用于减小感知速度波动对目标障碍物运动意图的理解,能够在障碍物存在速度波动的情况下,平稳切换静转动(由静止转向运动)过程,使得障碍物阻塞概率维持平稳。
在操作S322,根据目标障碍物与当前车道的位置关系,确定目标障碍物的可绕行评估值。
例如,根据目标障碍物与当前车道的位置关系,还可以确定该目标障碍物的可绕行评估值。可以理解,目标障碍物侵入当前车道的位置越小,目标障碍物与主车的参考线(主车的规划路径的中心线)距离越远,目标障碍物越容易被绕行,目标障碍物的可绕行评估值越大。反之,目标障碍物侵入当前车道的位置越大,目标障碍物与主车的参考线距离越近,目标障碍物越不容易被绕行,目标障碍物的可绕行评估值越小。
因此,目标障碍物的可绕行评估值和目标障碍物侵入当前车道的位置相关,也和目标障碍物与主车的参考线之间的距离相关。目标障碍物与主车的参考线之间距离可以是目标障碍物侵入当前车道的最大位置到主车的参考线之间的距离,可以记为fabs(lobs)。因此,可以设计关于fabs(lobs)的函数作为可绕行评估函数,将实际的fabs(lobs)代入可绕行评估函数,可以得到可绕行评估值。
例如,可绕行评估函数可以是关于fabs(lobs)的单调递增函数,可以理解,fabs(lobs)越大,目标障碍物越容易被绕行,目标障碍物的可绕行评估值越大。反之,fabs(lobs)越小,目标障碍物越不容易被绕行,目标障碍物的可绕行评估值越小。
在操作S323,根据目标障碍物的阻塞概率和可绕行评估值,确定目标障碍物的需绕行概率。
例如,可以计算目标障碍物的阻塞概率和可绕行评估值的乘积,作为目标障碍物的需绕行概率。
图4是根据本公开的一个实施例的确定目标障碍物的可绕行评估值的方法的示意图。
如图4所示,主车411行驶在车道410上,在主车的规划距离内存在目标障碍物412,目标障碍物412侵入了车道410。
例如,沿主车411的参考线方向(S方向)和参考线的垂直方向(R方向)可以建立SR坐标系。在SR坐标系内,车道410的下边界到参考线之间的距离401表示为lane_bound,目标障碍物412侵入车道410的最大位置到主车的参考线之间的距离402表示为fabs(lobs)。
例如,基于fabs(lobs)与lane_bound的关系,可以确定关于fabs(lobs)的可绕行评估函数420。可绕行评估函数420可以用如下公式(4)表示。
其中,β(lobs)表示目标障碍物的可绕行评估值,fabs(lobs)表示目标障碍物侵入当前车道的最大位置到主车的参考线之间的距离,lane_bound表示当前车道的边界线到主车的参考线之间的距离,x=fabs(lobs),b、c、d均为常数。
可以理解,fabs(lobs)≤lane_bound表示目标障碍物412侵入了车道410,此时,fabs(lobs)越大,可绕行评估值β(lobs)越大,目标障碍物412越容易绕行。fabs(lobs)>lane_bound表示目标障碍物412未侵入车道410的情况,此时,可绕行评估值β(lobs)为常数d。在fabs(lobs)=lane_bound时,β(lobs)等于常数d。
根据本公开的实施例,在得到目标障碍物412的可绕行评估值β(lobs)之后,可以计算目标障碍物的阻塞概率和可绕行评估值的乘积,作为目标障碍物的需绕行概率。
例如,可以根据以下公式(5)计算目标障碍物的需绕行概率:
pobs=p*β(lobs) (5)
其中,pobs表示目标障碍物的需绕行概率,p表示目标障碍物在当前时刻的阻塞概率,β(lobs)表示目标障碍物可绕行评估值。
例如,在红绿灯场景下(停止线前50米),调整上述公式(4)的参数,使得可绕行评估值β(lobs)比价较小(例如将β(lobs)置为0或接近于0的数),从而降低主车的借道绕行概率。
例如,在得到目标障碍物序列中的多个目标障碍物各自的需绕行概率pobs之后,可以计算多个目标障碍物需绕行概率pobs的乘积,得到主车的借道绕行概率。
根据本公开实施例,根据目标障碍物与当前车道的位置关系,将目标障碍物的阻塞概率转换为需绕行概率,基于多个目标障碍物各自的需绕行概率,确定主车的借道绕行概率,能够提高主车的借道绕行概率的准确性,提高借道绕行成功率。
根据本公开实施例,在借道绕行概率符合绕行条件(例如借道绕行概率大于0.9)的情况下,可以进一步确定主车借道绕行的安全性,在确定主车借道绕行安全的情况下,可以控制主车进行借道绕行。
下面结合5A~5C对本公开提供的确定主车借道绕行的安全性的方法进行详细说明。
图5A是根据本公开的一个实施例的自动驾驶车辆进行借道绕行的示意图。
如图5A所示,主车511位于当前车道510,主车511前方有目标障碍物512。在判断主车511借道绕行的安全性时,需要确定主车511开始绕行的位置和速度(st,vt)、主车511开始绕行的时刻t,目标障碍物512的位置skeyobs以及主车511规划的借道绕行路径的扩展空间501。
例如,在相邻车道520(被借车道)与当前车道510为同向车道的情况下,需要确定主车511与位于相邻车道520的后方障碍物之间的安全性。具体安全判别包括根据主车511开始绕行的时刻t、目标障碍物512的位置skeyobs判断主车511在借道绕行的过程中是否给后方障碍物留有足够的反应时间(可以称为时间安全性的判别),使得在主车511侵入被借车道的最大位置(交互位置、目标障碍物512的位置skeyobs)时,后车障碍物能够与主车511错开。安全判别还包括判断主车511与后方障碍物的空间安全性。例如,后方障碍物在预设时间范围内(例如8s)是否进入扩展空间501的纵向扩展边界,相当于判断后方障碍物与主车511是否可以纵向交互。空间安全性判断还包括判断后方障碍物在预设时间范围内到达的位置与扩展空间的横向扩展边界之间的距离是否大于第一距离阈值(例如后方障碍物宽度+1m),相当于判断后方障碍物与主车511是否可以横向交互。
例如,在相邻车道520(被借车道)与当前车道510为对向车道的情况下,确定主车511与位于相邻车道520的前方障碍物之间的安全性。具体安全判别包括根据主车511开始绕行的时刻t、目标障碍物512的位置Skeyobs判断主车511在借道绕行的过程中是否给前方障碍物留有足够的反应时间(可以称为时间安全性的判别),使得在主车511侵入被借车道的最大位置(交互位置、目标障碍物512的位置skeyobs)时,前车障碍物能够与主车511错开。安全判别还包括判断主车与前方障碍物的空间安全性。例如,前方障碍物在预设时间范围内(例如8s)是否进入扩展空间501的纵向扩展边界,相当于判断前方障碍物与主车是否可以纵向交互。空间安全性判断还包括判断前方障碍物在预设时间范围内到达的位置与扩展空间的横向扩展边界之间的距离是否大于第二距离阈值(例如前方障碍物宽度+2m),相当于判断前方障碍物与主车是否可以横向交互。
图5B是根据本公开的一个实施例的确定主车借道绕行的安全性的方法的流程图。
如图5B所示,该方法包括操作S511~操作S514以及操作S521~操作S524。操作S511~操作S514是确定主车与位于同向车道的后方障碍物之间的安全性的步骤,操作S521~操作S524是确定主车与位于对向车道的前方障碍物之间的安全性的步骤。
在操作S511,确定后方障碍物的未来轨迹边界与主车绕行时侵入被借车道的最大位置之间的距离,作为第一判别距离,判断该第一距离是否符合重叠条件。如果符合,执行操作S512,否则执行操作S513。
例如,后方障碍物的未来轨迹边界与主车绕行时侵入被借车道的最大位置之间的距离如果小于30cm,可以确定后方障碍物的未来轨迹与主车的绕行路径有重叠。此时需要判断第一时间阈值thw是否符合要求。
在操作S512,判断第一时间阈值thw是否符合要求。如果符合,确定主车在借道绕行时与后方障碍物之间是安全的。否则执行操作S514。
例如,thw(time headway)是基于主车规划的绕行速度确定的时间阈值。例如基于主车规划的绕行速度,确定从开始绕行位置到交互位置skeyobs所需的时间,作为第一时间阈值thw。判断第一时间阈值thw是否符合要求相当于判断借道绕行的过程中是否给后方障碍物留有足够的反应时间。
可以理解,后方障碍物的反应时间应大于第一时间阈值thw,才能使得后方障碍物能够与主车在交互位置错开。因此,可以根据以下第一约束条件(公式(6)),判断第一时间阈值thw是否符合要求。
可以理解,在第一时间阈值thw满足上述第一约束条件的情况下,确定主车与后方障碍物之间具有时间安全性,主车在借道绕行时与后方障碍物之间是安全的。
在操作S513,判断主车与后方障碍物是否可以纵向交互。如果是,确定主车与后方障碍物之间具有空间安全性,主车在借道绕行时与后方障碍物之间是安全的。如果否,执行操作S514。
例如,判断在预设时间范围内(例如8s,正常行驶情况下主车可以感知到障碍物的最大时长)是否会进入扩展空间的纵向扩展边界,如果不会进入,可以确定主车与后方障碍物纵向交互安全,即主车在借道绕行时与后方障碍物之间是安全的。否则,需要进一步进行横向可交互判断。
在操作S514,判断主车与后方障碍物是否可以横向交互。如果是,确定主车与后方障碍物之间具有空间安全性,主车在借道绕行时与后方障碍物之间是安全的。如果否,确定主车在借道绕行时与后方障碍物之间是不安全的。
例如,判断后方障碍物在预设时间范围内(例如8s)到达的位置与扩展空间的横向扩展边界之间的距离是否大于第一距离阈值(例如后方障碍物的宽度+1m),如果是,可以确定主车与后方障碍物横向交互安全,即主车在借道绕行时与后方障碍物之间是安全的。否则,确定主车在借道绕行时与后方障碍物之间是不安全的。
例如,横向可交互判断还可以进一步判断后方障碍物在具有很小的加加速度(jerk,加速度的倒数,例如等于0.1)的情况下,后方障碍物是否可以与主车错开,如果是,可以确定主车在借道绕行时与后方障碍物之间是安全的。否则,确定主车在借道绕行时与后方障碍物之间是不安全的。
在操作S521,确定前方障碍物的未来轨迹边界与主车绕行时侵入被借车道的最大位置之间的距离,作为第二判别距离,判断该第二距离是否符合重叠条件。如果符合,执行操作S522,否则执行操作S523。
例如,前方障碍物的未来轨迹边界与主车绕行时侵入被借车道的最大位置之间的距离如果小于30cm,可以确定前方障碍物的未来轨迹与主车的绕行路径有重叠。此时需要判断第二时间阈值ttc是否符合要求。
在操作S522,判断第二时间阈值ttc是否符合要求。如果符合,确定主车在借道绕行时与前方障碍物之间是安全的。否则执行操作操作S524。
例如,ttc(time to collision)也是基于主车规划的绕行速度确定的时间阈值。例如基于主车规划的绕行速度,确定从开始绕行位置到交互位置skeyobs所需的时间,作为第二时间阈值ttc。判断第二时间阈值ttc是否符合要求相当于判断借道绕行的过程中是否给前方障碍物留有足够的反应时间。
例如,前方障碍物的反应时间可以等于前方障碍物的当前位置(sobs)与交互位置(skeyobs)之间的距离,除以主车和前方障碍物的相对速度。
可以理解,前方障碍物的反应时间应大于第二时间阈值ttc,才能使得前方障碍物能够与主车在交互位置错开。因此,可以根据以下第二约束条件(公式(7)),判断第二时间阈值ttc是否符合要求。
skeyobs-sobs>ttc*(vego-vobs) (7)
其中,skeyobs为需要绕行的目标障碍物的位置,sobs为前方障碍物在当前时刻的位置,vego为主车在当前时刻的速度,vobs为前方障碍物在当前时刻的速度,ttc为第二时间阈值。
可以理解,在第二时间阈值ttc满足上述第二约束条件的情况下,确定主车与前方障碍物之间具有时间安全性,主车在借道绕行时与前方障碍物之间是安全的。
在操作S523,判断主车与前方障碍物是否可以纵向交互。如果是,确定主车与前方障碍物之间具有空间安全性,主车在借道绕行时与前方障碍物之间是安全的。如果否,执行操作S524。
例如,判断在预设时间范围内(例如8s)是否会进入扩展空间的纵向扩展边界,如果不会进入,可以确定主车与前方障碍物纵向交互安全,即主车在借道绕行时与前方障碍物之间是安全的。否则,需要进一步进行横向可交互判断。
在操作S524,判断主车与前方障碍物是否可以横向交互。如果是,确定主车与前方障碍物之间具有空间安全性,主车在借道绕行时与前方障碍物之间是安全的。如果否,确定主车在借道绕行时与前方障碍物之间是不安全的。
例如,判断前方障碍物在预设时间范围内(例如8s)到达的位置与扩展空间的横向扩展边界之间的距离是否大于第一距离阈值(例如前方障碍物的宽度+2m),如果是,可以确定主车与前方障碍物横向交互安全,即主车在借道绕行时与前方障碍物之间是安全的。否则,确定主车在借道绕行时与前方障碍物之间是不安全的。
例如,横向可交互判断还可以进一步判断前方障碍物在具有很小的加加速度(jerk,加速度的倒数,例如等于0.1)的情况下,前方障碍物是否可以与主车错开,如果是,可以确定主车在借道绕行时与前方障碍物之间是安全的。否则,确定主车在借道绕行时与前方障碍物之间是不安全的。
图5C是根据本公开的一个实施例的确定主车与位于被借车道的后方障碍物之间的时间安全性的示意图。
如图5C所示,主车511位于当前车道510,主车511前方有目标障碍物512。相邻车道520与当前车道510同向,在相邻车道520中行驶有位于主车511后方的后方障碍物521。此时,需要确定主车511在借道绕行时与后方障碍物521之间的安全性。
例如,主车511开始绕行的位置和速度为(st,vt),后方障碍物521的未来轨迹边界与主车511的绕行路径扩展空间的上边界有重叠。因此,需要对主车511和后方障碍物521判断时间安全性(thw是否符合要求)。
例如,基于如下公式(8)~(9)可以确定主车开始绕行的时刻t。
st=sego+vego*t+0.5*a*t2 (8)
vt=vego+a*t (9)
其中,st为主车开始绕行的位置,vt为主车开始绕行的速度,sego为主车在当前时刻的位置,vego为主车在当前时刻的速度,a为主车的加速度。
例如,根据开始绕行时刻t以及后方障碍物521的当前位置和速度,可以确定后方障碍物521在t时刻的位置和速度根据主车规划的绕行速度确定的第一时间阈值thw。根据目标障碍物512的位置skeyobs、后方障碍物521在t时刻的位置和速度因此,可以代入如下公式(6)进行安全性判断。
可以理解,在第一时间阈值thw满足上述公式(6)的情况下,确定主车与后方障碍物之间具有时间安全性,主车在借道绕行时与后方障碍物之间是安全的。
图6是根据本公开的一个实施例的绕行路径的扩展空间的示意图。
如图6所示,当前车道610为主车所在车道,在当前车道610中存在目标障碍物611,主车决策出要借相邻车道620进行绕行,规划出绕行路径的扩展空间。该扩展空间具有横向距离extend_l和纵向距离extend_s。横向距离extend_l和纵向距离extend_s可以用如下公式(10)~(11)表示。
extend_l=l_obs+extend_buffer+ego_Width (10)
extend_s=obs_length+max(2*ego_v,2*ego_length) (11)
其中,extend_l表示扩展空间的横向距离,extend_s表示扩展空间的纵向距离,l_obs表示目标障碍物侵入当前车道的最大位置到主车的参考线之间的距离,extend_buffer表示安全阈值,ego_width表示主车的宽度,obs_length表示目标障碍物611长度,ego_length表示主车的长度,ego_v表示主车的速度。
例如,安全阈值extend_buffer的取值可以根据当前车道610和相邻车道620之间的线型确定。例如,线型为实线或者黄线(借对向车道或公交车道)时,安全阈值extend_buffer可以取为0.6m。线型为非实线(借同向车道),安全阈值extend_buffer可以取为1m。
可以理解,纵向距离extend_s等于目标障碍物611长度加上2个主车长度和2s内的主车形式距离中的最大值。横向距离extend_l中l_obs表示目标障碍物611侵入当前车道610的最大位置到主车的参考线之间的距离,该距离可以用如下公式(12)表示。
l_obs=fabs(obs_lmax-lane_bound) (12)
其中,fabs表示绝对值,obs_lmax表示目标障碍物611侵入当前车道610的最大位置到当前车道610的下边界之间的距离,lane_bound表示当前车道610的下边界到主车中心线之间的距离。
可以理解,l_obs可能会在主车进行借道绕行的过程中发生变化,例如目标障碍物611产生了横向运动,使得l_obs变大或变小。
本实施例可以对公式(10)约束l_obs的大小,使得l_obs允许变大,不允许变小。例如,在主车借道绕行过程中,主车感知目标障碍物611在第k帧的l_obs,比在第k-1帧的l_obs要小,此时,针对公式(10),l_obs仍取第k-1帧的l_obs。
本公开实施例通过约束l_obs,使得扩展空间的横向距离extend_l允许变大,不允许变小,能够保证主车绕行路径的空间容量,保证绕行安全性。
图7是根据本公开的一个实施例的自动驾驶车辆的控制装置的框图。
如图7所示,该自动驾驶车辆的控制装置700包括第一确定模块701、第二确定模块702、第三确定模块703和第四确定模块704。
第一确定模块701用于确定在车辆的规划距离内的目标障碍物序列。
第二确定模块702用于响应于车辆在当前车道内绕过目标障碍物序列所需空间不足,根据目标障碍物序列中多个目标障碍物各自的历史运动状态,确定多个目标障碍物各自的需绕行概率。
第三确定模块703用于根据多个目标障碍物各自的需绕行概率,确定车辆的借道绕行概率。
第四确定模块704用于根据借道绕行概率,确定车辆是否借道绕行。
第二确定模块702包括第一确定单元、第二确定单元和第三确定单元。
第一确定单元用于根据目标障碍物的历史运动状态,确定目标障碍物的阻塞概率。
第二确定单元用于根据目标障碍物与当前车道的位置关系,确定目标障碍物的可绕行评估值。
第三确定单元用于根据目标障碍物的阻塞概率和可绕行评估值,确定目标障碍物的需绕行概率。
历史运动状态是根据目标障碍物在历史时段内的多帧感知数据确定的,每帧感知数据具有时间戳,历史时段是从车辆感知到目标障碍物的时刻到当前时刻之间的时段;第一确定单元用于根据以下公式计算目标障碍物的阻塞概率:
α(t)=s*(tk-tk-1)
其中,k为大于等于2的整数,tk表示第k帧的时间戳,tk-1表示第k-1帧的时间戳,t1表示第一帧的时间戳,pk表示目标障碍物在第k帧的阻塞概率,pk-1表示目标障碍物在第k-1帧的阻塞概率,k=2时,p1=0,α(t)表示与目标障碍物的运动状态相关的惩罚函数,s表示衰减系数,v表示目标障碍物在第k帧的速度。
第二确定单元用于根据以下公式计算目标障碍物的可绕行评估值:
其中,β(lobs)表示目标障碍物的可绕行评估值,fabs(lobs)表示目标障碍物侵入当前车道的最大位置到车辆的参考线之间的距离,lane_bound表示当前车道的边界线到车辆的参考线之间的距离,x=fabs(lobs),b、c、d均为常数;
第三确定单元用于根据以下公式计算目标障碍物的需绕行概率:
pobs=p*β(lobs)
其中,pobs表示目标障碍物的需绕行概率,p表示目标障碍物在当前时刻的阻塞概率。
第三确定模块用于根据多个目标障碍物各自的需绕行概率的乘积,确定车辆的借道绕行概率。
自动驾驶车辆的控制装置700还包括第五确定模块。
第五确定模块用于响应于借道绕行概率符合绕行条件,确定车辆借道绕行的安全性。其中,在第五确定模块确定车辆借道绕行安全的情况下,控制车辆进行借道绕行。
第五确定模块包括第四确定单元、第五确定单元和第六确定单元。
第四确定单元用于确定车辆的开始绕行时刻、需要绕行的目标障碍物的位置以及绕行路径的扩展空间。
第五确定单元用于根据车辆的开始绕行时刻以及需要绕行的目标障碍物的位置确定车辆借道绕行的时间安全性。
第六确定单元用于根据绕行路径的扩展空间,确定车辆借道绕行的空间安全性。
第五确定模块还包括第七确定单元。
第七确定单元,用于在被借车道与当前车道为同向车道的情况下,确定位于被借车道的后方障碍物的未来轨迹边界与车辆绕行时侵入被借车道的最大位置之间的距离,作为第一判别距离;
其中,在第一判别距离符合重叠条件的情况下,第五确定单元用于确定车辆与后方障碍物之间的时间安全性。
在第一判别距离不符合重叠条件的情况下,第六确定单元用于确定车辆与后方障碍物之间的空间安全性。
根据本公开的实施例,在第一判别距离符合重叠条件的情况下,第五确定单元用于根据以下第一约束条件,确定车辆与后方障碍物之间的时间安全性:
其中,扩展空间包括纵向扩展边界和横向扩展边界;在第一判别距离不符合重叠条件的情况下,第六确定单元用于确定后方障碍物在预设时间范围内是否进入纵向扩展边界;在确定后方障碍物在预设时间范围内未进入纵向扩展边界的情况下,确定车辆与后方障碍物纵向交互安全;还用于确定后方障碍物在预设时间范围内与横向扩展边界之间的距离是否大于第一距离阈值;在确定后方障碍物在预设时间范围内达到的位置与横向扩展边界之间的距离大于第一距离阈值的情况下,确定车辆与后方障碍物横向交互安全。
第五确定模块还包括第八确定单元。
第八确定单元,用于在被借车道与当前车道为对向车道的情况下,确定位于被借车道的前方障碍物的未来轨迹边界与车辆绕行时侵入被借车道的最大位置之间的距离,作为第二判别距离;其中,在第二判别距离符合重叠条件的情况下,第五确定单元用于确定车辆与前方障碍物之间的时间安全性;在第二判别距离不符合重叠条件的情况下,第六确定单元用于确定车辆与前方障碍物之间的空间安全性。
根据本公开的实施例,在第二判别距离符合重叠条件的情况下,第五确定单元用于根据以下第二约束条件,确定车辆与前方障碍物之间的时间安全性:
skeyobs-sobs>ttc*(vego-vobs)
其中,skeyobs为需要绕行的目标障碍物的位置,sobs为前方障碍物在当前时刻的位置,vego为车辆在当前时刻的速度,vobs为前方障碍物在当前时刻的速度,ttc为第二时间阈值;
其中,扩展空间包括纵向扩展边界和横向扩展边界;在第二判别距离不符合重叠条件的情况下,第六确定单元用于确定前方障碍物在预设时间范围内是否进入纵向扩展边界;在确定前方障碍物在预设时间范围内未进入纵向扩展边界的情况下,确定车辆与前方障碍物纵向交互安全;还用于确定前方障碍物在预设时间范围内与横向扩展边界之间的距离是否大于第二距离阈值;在确定前方障碍物在预设时间范围内达到的位置与横向扩展边界之间的距离大于第二距离阈值的情况下,确定车辆与前方障碍物横向交互安全。
根据本公开的实施例,扩展空间表示为:
extend_l=l_obs+extend_buffer+ego_width
extend_s=obs_length+max(2*ego_v,2*ego_length)
其中,extend_l表示扩展空间的横向距离,extend_s表示扩展空间的纵向距离,l_obs表示目标障碍物侵入当前车道的最大位置到车辆的参考线之间的距离,extend_buffer表示安全阈值,ego_width表示车辆的宽度,obs_length表示目标障碍物长度,ego_length表示车辆的长度,ego_v表示车辆的速度。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如自动驾驶车辆的控制方法。例如,在一些实施例中,自动驾驶车辆的控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的自动驾驶车辆的控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行自动驾驶车辆的控制方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (28)
1.一种自动驾驶车辆的控制方法,包括:
确定在所述车辆的规划距离内的目标障碍物序列;
响应于所述车辆在当前车道内绕过所述目标障碍物序列所需空间不足,根据所述目标障碍物序列中多个目标障碍物各自的历史运动状态,确定所述多个目标障碍物各自的需绕行概率;
根据所述多个目标障碍物各自的需绕行概率,确定所述车辆的借道绕行概率;以及
根据所述借道绕行概率,确定所述车辆是否借道绕行。
2.根据权利要求1所述的方法,其中,所述根据所述目标障碍物序列中多个目标障碍物各自的历史运动状态,确定所述多个目标障碍物各自的需绕行概率包括:针对每个目标障碍物,
根据所述目标障碍物的历史运动状态,确定所述目标障碍物的阻塞概率;
根据所述目标障碍物与所述当前车道的位置关系,确定所述目标障碍物的可绕行评估值;以及
根据所述目标障碍物的阻塞概率和可绕行评估值,确定所述目标障碍物的需绕行概率。
3.根据权利要求2所述的方法,其中,所述历史运动状态是根据所述目标障碍物在历史时段内的多帧感知数据确定的,每帧感知数据具有时间戳,所述历史时段是从所述车辆感知到所述目标障碍物的时刻到当前时刻之间的时段;
所述根据所述目标障碍物的历史运动状态,确定所述目标障碍物的阻塞概率包括:
根据以下公式计算所述目标障碍物的阻塞概率:
α(t)=s*(tk-tk-1)
其中,k为大于等于2的整数,tk表示第k帧的时间戳,tk-1表示第k-1帧的时间戳,t1表示第一帧的时间戳,pk表示所述目标障碍物在第k帧的阻塞概率,pk-1表示所述目标障碍物在第k-1帧的阻塞概率,k=2时,p1=0,α(t)表示与目标障碍物的运动状态相关的惩罚函数,s表示衰减系数,v表示所述目标障碍物在第k帧的速度。
4.根据权利要求2或3所述的方法,其中,所述根据所述目标障碍物与所述当前车道的位置关系,确定所述目标障碍物的可绕行评估值包括:
根据以下公式计算所述目标障碍物的可绕行评估值:
其中,β(lobs)表示所述目标障碍物的可绕行评估值,fabs(lobs)表示所述目标障碍物侵入当前车道的最大位置到所述车辆的参考线之间的距离,lane_bound表示所述当前车道的边界线到所述车辆的参考线之间的距离,x=fabs(lobs),b、c、d均为常数;
所述根据所述目标障碍物的阻塞概率和可绕行评估值,确定所述目标障碍物的需绕行概率包括:
根据以下公式计算所述目标障碍物的需绕行概率:
pobs=p*β(lobs)
其中,pobs表示所述目标障碍物的需绕行概率,p表示所述目标障碍物在当前时刻的阻塞概率。
5.根据权利要求1至4中任一项所述的方法,其中,所述根据所述多个目标障碍物各自的需绕行概率,确定所述车辆的借道绕行概率包括:
根据所述多个目标障碍物各自的需绕行概率的乘积,确定所述车辆的借道绕行概率。
6.根据权利要求1所述的方法,还包括:
响应于所述借道绕行概率符合绕行条件,确定所述车辆借道绕行的安全性;
其中,在确定所述车辆借道绕行安全的情况下,控制所述车辆进行借道绕行。
7.根据权利要求6所述的方法,其中,所述确定所述车辆借道绕行的安全性包括:
确定所述车辆的开始绕行时刻、需要绕行的目标障碍物的位置以及绕行路径的扩展空间;
根据所述车辆的开始绕行时刻以及需要绕行的目标障碍物的位置确定所述车辆借道绕行的时间安全性;以及
根据所述绕行路径的扩展空间,确定所述车辆借道绕行的空间安全性。
8.根据权利要求7所述的方法,其中,所述确定所述车辆借道绕行的安全性包括在被借车道与当前车道为同向车道的情况下,确定所述车辆与位于所述被借车道的后方障碍物之间的安全性,包括:
确定所述后方障碍物的未来轨迹边界与所述车辆绕行时侵入被借车道的最大位置之间的距离,作为第一判别距离;
其中,在所述第一判别距离符合重叠条件的情况下,确定所述车辆与所述后方障碍物之间的时间安全性;
在所述第一判别距离不符合重叠条件的情况下,确定所述车辆与所述后方障碍物之间的空间安全性。
9.根据权利要求8所述的方法,其中,所述在所述第一判别距离符合重叠条件的情况下,确定所述车辆与所述后方障碍物之间的时间安全性包括:
根据以下第一约束条件,确定所述车辆与所述后方障碍物之间的时间安全性:
其中,所述扩展空间包括纵向扩展边界和横向扩展边界;所述在所述第一判别距离不符合重叠条件的情况下,确定所述车辆与所述后方障碍物之间的空间安全性包括:
在确定所述后方障碍物在预设时间范围内未进入所述纵向扩展边界的情况下,确定所述车辆与所述后方障碍物纵向交互安全;
在确定所述后方障碍物在预设时间范围内达到的位置与所述横向扩展边界之间的距离大于第一距离阈值的情况下,确定所述车辆与所述后方障碍物横向交互安全。
10.根据权利要求7所述的方法,其中,所述确定所述车辆借道绕行的安全性包括在被借车道与当前车道为对向车道的情况下,确定所述车辆与位于所述被借车道的前方障碍物之间的安全性,包括:
确定所述前方障碍物的未来轨迹边界与所述车辆绕行时侵入被借车道的最大位置之间的距离,作为第二判别距离;
其中,在所述第二判别距离符合重叠条件的情况下,确定所述车辆与所述前方障碍物之间的时间安全性;
在所述第二判别距离不符合重叠条件的情况下,确定所述车辆与所述前方障碍物之间的空间安全性。
11.根据权利要求10所述的方法,其中,所述在所述第二判别距离符合重叠条件的情况下,确定所述车辆与所述前方障碍物之间的时间安全性包括:
根据以下第二约束条件,确定所述车辆与所述前方障碍物之间的时间安全性:
skeyobs-sobs>ttc*(vego-vobs)
其中,skeyobs为需要绕行的目标障碍物的位置,sobs为所述前方障碍物在当前时刻的位置,vego为所述车辆在当前时刻的速度,vobs为所述前方障碍物在当前时刻的速度,ttc为第二时间阈值;
其中,所述扩展空间包括纵向扩展边界和横向扩展边界;所述在所述第二判别距离不符合重叠条件的情况下,确定所述车辆与所述前方障碍物之间的空间安全性包括:
在确定所述前方障碍物在预设时间范围内未进入所述纵向扩展边界的情况下,确定所述车辆与所述前方障碍物纵向交互安全;
在确定所述前方障碍物在预设时间范围内达到的位置与所述横向扩展边界之间的距离大于第二距离阈值的情况下,确定所述车辆与所述前方障碍物横向交互安全。
12.根据权利要求7至11中任一项所述的方法,其中,所述扩展空间表示为:
extend_l=l_obs+extend_buffer+ego_width
extend_s=obs_length+max(2*ego_v,2*ego_length)
其中,extend_l表示所述扩展空间的横向距离,extend_s表示所述扩展空间的纵向距离,l_obs表示目标障碍物侵入当前车道的最大位置到所述车辆的参考线之间的距离,extend_buffer表示安全阈值,ego_width表示所述车辆的宽度,obs_length表示所述目标障碍物长度,ego_length表示所述车辆的长度,ego_v表示所述车辆的速度。
13.一种自动驾驶车辆的控制装置,包括:
第一确定模块,用于确定在所述车辆的规划距离内的目标障碍物序列;
第二确定模块,用于响应于所述车辆在当前车道内绕过所述目标障碍物序列所需空间不足,根据所述目标障碍物序列中多个目标障碍物各自的历史运动状态,确定所述多个目标障碍物各自的需绕行概率;
第三确定模块,用于根据所述多个目标障碍物各自的需绕行概率,确定所述车辆的借道绕行概率;以及
第四确定模块,用于根据所述借道绕行概率,确定所述车辆是否借道绕行。
14.根据权利要求13所述的装置,其中,所述第二确定模块包括:
第一确定单元,用于根据所述目标障碍物的历史运动状态,确定所述目标障碍物的阻塞概率;
第二确定单元,用于根据所述目标障碍物与所述当前车道的位置关系,确定所述目标障碍物的可绕行评估值;以及
第三确定单元,用于根据所述目标障碍物的阻塞概率和可绕行评估值,确定所述目标障碍物的需绕行概率。
15.根据权利要求14所述的装置,其中,所述历史运动状态是根据所述目标障碍物在历史时段内的多帧感知数据确定的,每帧感知数据具有时间戳,所述历史时段是从所述车辆感知到所述目标障碍物的时刻到当前时刻之间的时段;所述第一确定单元,用于根据以下公式计算所述目标障碍物的阻塞概率:
α(t)=s*(tk-tk-1)
其中,k为大于等于2的整数,tk表示第k帧的时间戳,tk-1表示第k-1帧的时间戳,t1表示第一帧的时间戳,pk表示所述目标障碍物在第k帧的阻塞概率,pk-1表示所述目标障碍物在第k-1帧的阻塞概率,k=2时,p1=0,α(t)表示与目标障碍物的运动状态相关的惩罚函数,s表示衰减系数,v表示所述目标障碍物在第k帧的速度。
17.根据权利要求13至16中任一项所述的装置,其中,所述第三确定模块用于根据所述多个目标障碍物各自的需绕行概率的乘积,确定所述车辆的借道绕行概率。
18.根据权利要求13所述的装置,还包括:
第五确定模块,用于响应于所述借道绕行概率符合绕行条件,确定所述车辆借道绕行的安全性;
其中,在第五确定模块确定所述车辆借道绕行安全的情况下,控制所述车辆进行借道绕行。
19.根据权利要求18所述的装置,其中,所述第五确定模块包括:
第四确定单元,用于确定所述车辆的开始绕行时刻、需要绕行的目标障碍物的位置以及绕行路径的扩展空间;
第五确定单元,用于根据所述车辆的开始绕行时刻以及需要绕行的目标障碍物的位置确定所述车辆借道绕行的时间安全性;以及
第六确定单元,用于根据所述绕行路径的扩展空间,确定所述车辆借道绕行的空间安全性。
20.根据权利要求19所述的装置,其中,所述第五确定还模块还包括:
第七确定单元,用于在被借车道与当前车道为同向车道的情况下,确定位于所述被借车道的后方障碍物的未来轨迹边界与所述车辆绕行时侵入被借车道的最大位置之间的距离,作为第一判别距离;
其中,在所述第一判别距离符合重叠条件的情况下,所述第五确定单元用于确定所述车辆与所述后方障碍物之间的时间安全性;
在所述第一判别距离不符合重叠条件的情况下,所述第六确定单元用于确定所述车辆与所述后方障碍物之间的空间安全性。
21.根据权利要求20所述的装置,其中,在所述第一判别距离符合重叠条件的情况下,所述第五确定单元用于根据以下第一约束条件,确定所述车辆与所述后方障碍物之间的时间安全性:
其中,所述扩展空间包括纵向扩展边界和横向扩展边界;在所述第一判别距离不符合重叠条件的情况下,所述第六确定单元用于确定所述后方障碍物在预设时间范围内是否进入所述纵向扩展边界;在确定所述后方障碍物在预设时间范围内未进入所述纵向扩展边界的情况下,确定所述车辆与所述后方障碍物纵向交互安全;所述第六确定单元还用于确定所述后方障碍物在预设时间范围内与所述横向扩展边界之间的距离是否大于第一距离阈值;在确定所述后方障碍物在预设时间范围内达到的位置与所述横向扩展边界之间的距离大于第一距离阈值的情况下,确定所述车辆与所述后方障碍物横向交互安全。
22.根据权利要求19所述的装置,其中,所述第五确定模块还包括:
第八确定单元,用于在被借车道与当前车道为对向车道的情况下,确定位于所述被借车道的前方障碍物的未来轨迹边界与所述车辆绕行时侵入被借车道的最大位置之间的距离,作为第二判别距离;
其中,在所述第二判别距离符合重叠条件的情况下,所述第五确定单元用于确定所述车辆与所述前方障碍物之间的时间安全性;
在所述第二判别距离不符合重叠条件的情况下,所述第六确定单元用于确定所述车辆与所述前方障碍物之间的空间安全性。
23.根据权利要求22所述的装置,其中,所述在所述第二判别距离符合重叠条件的情况下,所述第五确定单元用于根据以下第二约束条件,确定所述车辆与所述前方障碍物之间的时间安全性:
skeyobs-sobs>ttc*(vego-vobs)
其中,skeyobs为需要绕行的目标障碍物的位置,sobs为所述前方障碍物在当前时刻的位置,vego为所述车辆在当前时刻的速度,vobs为所述前方障碍物在当前时刻的速度,ttc为第二时间阈值;
其中,所述扩展空间包括纵向扩展边界和横向扩展边界;在所述第二判别距离不符合重叠条件的情况下,所述第六确定单元用于确定所述前方障碍物在预设时间范围内是否进入所述纵向扩展边界;在确定所述前方障碍物在预设时间范围内未进入所述纵向扩展边界的情况下,确定所述车辆与所述前方障碍物纵向交互安全;所述第六确定单元还用于确定所述前方障碍物在预设时间范围内与所述横向扩展边界之间的距离是否大于第二距离阈值;在确定所述前方障碍物在预设时间范围内达到的位置与所述横向扩展边界之间的距离大于第二距离阈值的情况下,确定所述车辆与所述前方障碍物横向交互安全。
24.根据权利要求19至23所述的装置,其中,所述扩展空间表示为:
extend_l=l_obs+extend_buffer+ego_width
extend_s=obs_length+max(2*ego_v,2*ego_length)
其中,extend_l表示所述扩展空间的横向距离,extend_s表示所述扩展空间的纵向距离,l_obs表示目标障碍物侵入当前车道的最大位置到所述车辆的参考线之间的距离,extend_buffer表示安全阈值,ego_width表示所述车辆的宽度,obs_length表示所述目标障碍物长度,ego_length表示所述车辆的长度,ego_v表示所述车辆的速度。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至12中任一项所述的方法。
26.一种自动驾驶车辆,包括如权利要求25所述的电子设备。
27.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至12中任一项所述的方法。
28.一种计算机程序产品,包括计算机程序,所述计算机程序存储于可读存储介质和电子设备其中至少之一上,所述计算机程序在被处理器执行时实现根据权利要求1至12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211205442.0A CN115384552A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶车辆的控制方法、装置和自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211205442.0A CN115384552A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶车辆的控制方法、装置和自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115384552A true CN115384552A (zh) | 2022-11-25 |
Family
ID=84127699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211205442.0A Pending CN115384552A (zh) | 2022-09-29 | 2022-09-29 | 自动驾驶车辆的控制方法、装置和自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115384552A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116572960A (zh) * | 2023-06-27 | 2023-08-11 | 广州小鹏自动驾驶科技有限公司 | 绕行控制方法、装置、终端设备以及存储介质 |
-
2022
- 2022-09-29 CN CN202211205442.0A patent/CN115384552A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116572960A (zh) * | 2023-06-27 | 2023-08-11 | 广州小鹏自动驾驶科技有限公司 | 绕行控制方法、装置、终端设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727497B2 (en) | Safe state to safe state navigation | |
US11210744B2 (en) | Navigation based on liability constraints | |
US20220043456A1 (en) | Trajectory selection for an autonomous vehicle | |
EP3548846B1 (en) | Systems and methods for navigating with sensing uncertainty | |
US10606278B2 (en) | Constraint relaxation in a navigational system | |
US11738741B2 (en) | Navigation based on detected occlusion overlapping a road entrance | |
US20220227367A1 (en) | Systems and methods for vehicle navigation | |
WO2022057630A1 (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN114475585B (zh) | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN115384552A (zh) | 自动驾驶车辆的控制方法、装置和自动驾驶车辆 | |
CN116890876A (zh) | 车辆控制方法、装置、电子设备和自动驾驶车辆 | |
CN116149329A (zh) | 轨迹确定方法、装置、设备以及自动驾驶车辆 | |
CN115214722A (zh) | 自动驾驶方法、装置、电子设备、存储介质及车辆 | |
CN115469669A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN115285128A (zh) | 一种危险目标的确定方法、装置、设备及存储介质 | |
CN114299758A (zh) | 车辆控制方法及装置、设备、介质和产品 | |
CN118012047A (zh) | 轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN114132344A (zh) | 一种自动驾驶车辆的决策方法、装置、设备及存储介质 |
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 |