[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN108268033B - 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统 - Google Patents

使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统 Download PDF

Info

Publication number
CN108268033B
CN108268033B CN201710786187.6A CN201710786187A CN108268033B CN 108268033 B CN108268033 B CN 108268033B CN 201710786187 A CN201710786187 A CN 201710786187A CN 108268033 B CN108268033 B CN 108268033B
Authority
CN
China
Prior art keywords
node
lane
source
unmanned vehicle
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710786187.6A
Other languages
English (en)
Other versions
CN108268033A (zh
Inventor
庄立
杨光
王京傲
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 CN108268033A publication Critical patent/CN108268033A/zh
Application granted granted Critical
Publication of CN108268033B publication Critical patent/CN108268033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/28—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver
    • 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
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3658—Lane guidance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
    • B60K2360/16—Type of output information
    • B60K2360/175—Autonomous driving

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

在一个实施方案中，提供无人驾驶控制，以便无人驾驶车辆从源车道变换到目标车道。使用拓扑地图，在源车道中选择参考节点。相对于参考节点，在源车道中确定车辆首先有可能变换车道所在的最早节点，并且在源车道中确定在此之后不再有可能变换车道的最后节点。确定车辆可以变换车道的源车道的范围。

Description

使用基于图的车道变换指导来操作无人驾驶车辆的方法和 系统
技术领域
本公开的实施方案总体涉及操作无人驾驶车辆。更具体地，本文中的实施方案涉及使用基于图的车道变换指导来操作无人驾驶车辆。
背景技术
以自主模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自主模式运行时，车辆可以使用车载传感器导航到各种位置，从而允许车辆在最少人机交互的情况下或在一些没有任何乘客的情况下行驶。
运动规划和控制是无人驾驶的关键操作。然而，传统的运动规划操作主要从路径的曲率和速度来估算完成给定路径的难度，而没有考虑不同类型车辆的特征差异。通常，将相同的运动规划和控制应用于所有类型的车辆，而这在一些情况下可能并不准确和平稳。
发明内容
根据本公开的一方面，提供了一种操纵无人驾驶车辆从源车道变换到目标车道的计算机实施的方法，所述方法包括：
选择与所述源车道相关联的拓扑图的第一参考节点，所述第一参考节点是所述无人驾驶车辆能够变换到所述目标车道中的第二参考节点所在的所述源车道中的节点；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最后节点，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道；以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
根据本公开的另一方面，提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作，所述操作包括：
选择与所述源车道相关联的拓扑图的第一参考节点，所述第一参考节点是所述无人驾驶车辆能够变换到所述目标车道中的第二参考节点所在的所述源车道中的节点；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最后节点，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道；以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
根据本公开的再一方面，提供了一种数据处理系统，其包括：
处理器；以及
存储器，所述存储器联接到所述处理器，以存储指令，所述指令在由所述处理器执行时，致使所述处理器执行操作，所述操作包括：
选择与所述源车道相关联的拓扑图的第一参考节点，所述第一参考节点是所述无人驾驶车辆能够变换到所述目标车道中的第二参考节点所在的所述源车道中的节点，
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道，
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最后节点，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道，以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
附图说明
本公开的实施方案在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示类似元件。
图1是示出根据一个实施方案的网络化系统的框图。
图2是示出根据一个实施方案的无人驾驶车辆的示例的框图。
图3是示出根据一个实施方案的与无人驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方案的拓扑图的示例的表示图。
图5是示出根据一个实施方案的感知与规划系统的示例布置的框图。
图6是示出根据一个实施方案的示例路线模块的框图。
图7是示出根据一个实施方案的用于确定无人驾驶车辆可以变换车道的范围的示例过程的流程图。
图8是示出根据一个实施方案的示例图构建器的框图。
图9是示出根据一个实施方案的数据处理系统的框图。
具体实施方式
以下将参考所讨论的细节来描述各种实施方案和方面，附图将示出所述各种实施方案。以下描述和附图是对实施方案的说明，而不应当解释为限制。描述了许多特定细节以便提供对本文中公开的各种实施方案的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以便提供对实施方案的简洁讨论。
本说明书中对“一个实施方案”或“实施方案”的提及意味着结合该实施方案所描述的特定特征、结构或特性可以包括在至少一个实施方案中。短语“在一个实施方案中”在本说明书中各个地方的出现不必全部是指同一实施方案。
根据本文中的一些实施方案，提供无人驾驶控制，以便无人驾驶车辆从源车道变换到目标车道。使用拓扑地图，在源车道中选择参考节点。相对于参考节点，在源车道中确定车辆首先有可能变换车道所在的最早节点，并且在源车道中确定在此之后不再有可能变换车道的最后节点。确定车辆可以变换车道的源车道的范围。
图1是示出根据一个实施方案的无人驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的无人驾驶车辆101。尽管示出一个无人驾驶车辆，但多个无人驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网、蜂窝网络、卫星网络的广域网(WAN)或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。在图1的实施方案中，服务器103包括机器学习引擎122、数据收集器121、驾驶统计数据123以及算法与模型124。例如，算法与模型124可以包括基于图的车道变换指导，所述基于图的车道变换指导用于确定车辆可以从中适当地变换车道到目标车道的源车道的范围。以下将进一步详细描述创建和使用基于图的车道变换指导的技术。
无人驾驶车辆是指可以被配置成处于自主模式下的车辆，在所述自主模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种无人驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。无人驾驶车辆101可以在手动模式下、在全自主模式下或者在部分自主模式下运行。
在一个实施方案中，无人驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户界面系统113、信息娱乐系统114以及传感器系统115。无人驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如，引擎、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，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。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是基于消息的协议，最初是为汽车内的多路电线设计的，但也用于许多其他环境。
现在参考图2，在一个实施方案中，系统200可以实施为无人驾驶车辆101的一部分。系统200可以包括传感器系统115和控制系统111。传感器系统115包括，但不限于，一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作来提供关于无人驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测无人驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测无人驾驶车辆的本地环境内的对象的系统。在一些实施方案中，除感测对象之外，雷达单元214另外可以感测对象的速度和/或前进方向。LIDAR单元215可以使用激光器来感测无人驾驶车辆所处环境中的对象。除其他系统部件之外，LIDAR单元215还可以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。摄像机211可以包括用来捕获无人驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其他传感器，诸如，声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从无人驾驶车辆周围的环境中捕获声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。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。在一些情形下，油门传感器和制动传感器可以整合为集成式油门/制动传感器。
在一个实施方案中，车辆控制系统111包括，但不限于，转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或引擎的速度，继而控制车辆的速度和加速度。制动单元203用来通过提供摩擦使车辆的车轮或轮胎慢下来而使车辆减速。应注意，如图2所示的部件可以在硬件、软件或其组合中实施。
回到图1，无线通信系统112允许无人驾驶车辆101与诸如装置、传感器、其他车辆等的外部系统之间的通信。例如，无线通信系统112可以直接或者经由通信网络与一个或多个装置无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统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，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户界面系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
根据一个实施方案，无人驾驶车辆101还可以包括信息娱乐系统114，以将信息和娱乐提供给车辆101的乘客。可以基于本地和/或远程存储的内容信息来接收、编译和呈现所述信息和娱乐内容(例如，由服务器103至104提供)。例如，信息可以通过网络102实时从服务器103至104中的任一个流出，并且显示在车辆101的显示装置上。所述信息可以利用例如由一个或多个摄像机实时捕获的本地信息进行增强，并且增强的内容随后可以以虚拟现实方式显示。
无人驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在无人驾驶模式下操作时。感知与规划系统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，操作系统、规划和路线程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户界面系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。或者，感知与规划系统110可以与车辆控制系统111整合在一起。
例如，作为乘客的用户可以例如经由用户界面来指定行程的起始位置和目的地。起始位置和目的地位置可以分别表示为图4的拓扑地图上的节点，诸如，节点422和408。也可以支持多目的地程序设计。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。或者，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当无人驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。或者，服务器103至104的功能可以与感知与规划系统110整合在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全有效地到达指定目的地。
最佳路线的规划和车辆101的驾驶还可以包括规划从源车道到目标车道的车道变换。为了规划此类车道变换的路线，在一个实施方案中，基于来自地图的信息构建拓扑图。所述拓扑图也可以被视作道路图，可以由数据分析系统(诸如，数据分析系统103)离线生成。由于所述图包括拓扑信息，因此，它的尺寸可小于地图本身。所述图随后可以用来生成车道变换信息。参考图8更详细地讨论拓扑地图的生成，并且参考图4更详细地讨论拓扑图的一个示例。
在一个实施方案中，生成拓扑图(例如，图400)以包括大约在所述图中的每个车道的中央的线(例如，中央线402、404)。在一个实施方案中，中央线可以包括沿着车道的中央、位于一定间隔处的节点。例如，中央线可以包括每3.5米间隔开的节点。为了确定变换车道的路线，可以在源车道中选择与源车道中的节点对应的点(例如，410)。这个点随后可以投射到目标车道B中的节点。在一个实施方案中，所投射的节点是车辆101可以从源车道A变换位置而到达的目标车道B中的最近节点(例如，412)。
从源车道中的第一节点到目标车道中的最近节点的边缘可以被视作车辆101变换车道的路线。因此，第一节点可以被视作车辆101变换车道所在的源车道中的点。然而，在一些情况下，可能有益的是提供其中车辆101可以变换车道的源车道的范围，而不是单个节点。例如，实际上，车辆101也许不可能在确切的点处变换车道。此外，鉴于由传感器系统115检测或感测到的实时交通和实时本地环境数据，规划的路线可以需要重新制定路线。另外，基于实时交通和实时本地环境数据，可取的是让车辆101在所选择的第一节点之前或所选择的第一节点之后变换车道，诸如，在下列情况下：车辆101减慢速度以允许另一车辆在目标车道中通过，或者车辆101增加速度以在目标车道中的另一车辆前面变换车道。
借助本文所述的实施方案，通常有可能提供加权拓扑图，从所述加权拓扑图中有可能确定车道中的点之间的车道级路线。包括每次车道变换的指导信息的精确路线信息可以提供到感知与规划系统110，以便比传统方法更容易、更高速且更有效地规划从起始点到目的地点的路径。在一个实施方案中，车道变换指导信息包括车辆101有可能从源车道变换车道到目标车道的源车道的范围。在一个实施方案中，车道变换指导信息包括车辆101有可能从源车道变换车道到目标车道的目标车道的范围。通常也有可能提供重新制定路线(例如，如果检测到交通拥挤的话)的路线模块，以及考虑到能源利用而具有经停点(例如，加油站或充电点)的智能路线。在一个实施方案中，可由用户定制路线偏好。
图3是示出根据一个实施方案的与无人驾驶车辆101一起使用的感知与规划系统300的示例的框图。系统300可以被实施为图1的无人驾驶车辆101的一部分，包括但不限于，感知与规划系统110、控制系统111和传感器系统115。参考图3，感知与规划系统110包括，但不限于，定位模块301、感知模块302、决定模块303、规划模块304、控制模块305以及路线模块306。
模块301至306中的一些或全部可以在软件、硬件或其组合中实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们整合在一起。模块301至306中的一些可以一起整合为集成模块。
定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户界面登录并且指定行程的起始位置和目的地。定位模块301与系统300的其他部件通信，诸如，地图和路线信息311，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当包括系统300的无人驾驶车辆沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括车道配置(例如，直道或弯道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道，或例如采用对象形式的其他交通相关标志(例如，停止标志、让路标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机捕获的图像，以便识别无人驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其他计算机视觉技术。在一些实施方案中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达单元214和/或LIDAR单元215的其他传感器提供的其他传感器数据来检测对象。
针对对象中的每个，决定模块303作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决定模块303决定如何遇到所述对象(例如，超车、让路、停止、超过)。决定模块303可以根据诸如驾驶/交通规则312的一套规则来作出此类决定，所述规则可以存储在永久性存储装置352中。
基于针对所感知到的每个对象的决定，规划模块304为无人驾驶车辆规划路径或路线，以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决定模块303决定如何处理该对象，而规划模块304确定如何做。例如，针对给定的对象，决定模块303可以决定超过所述对象，而规划模块304可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块304生成，包括描述包括系统300的车辆101在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示包括系统300的车辆101以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块305根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶无人驾驶车辆。所述规划和控制数据包括足够的信息，以便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、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
应注意，决定模块303和规划模块304可以整合为集成模块。决定模块303/规划模块304可以包括导航系统或导航系统的功能，以确定无人驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现无人驾驶车辆沿着以下路径移动的一系列速度和定向前进方向：所述路径在大体上使无人驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户界面系统113进行的用户输入来设定。导航系统可以在无人驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以便确定用于无人驾驶车辆的驾驶路径。
决定模块303/规划模块304还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其他方式绕过无人驾驶车辆环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现无人驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取转向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其他传感器系统检测到位于无人驾驶车辆将转向进入的相邻区域中的车辆、建筑障碍物等时不采取转向操纵。防撞系统可以自动选择既可用又使得无人驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择被预测为使无人驾驶车辆的乘客舱中出现最小量的加速度的避免操纵。
路线模块306可以接收地图和路线信息311作为输入。由路线模块306提供的路线信息可以包括路线中的每个车道变换的指导信息，包括车辆有可能变换车道的源车道和目标车道的范围。在一个实施方案中，拓扑图400中的车道中的每个的中央线分成区段。路线模块306可以根据拓扑图400中包括的额外信息大体上将车道的中央线的区段合并，所述额外信息包括车道变换的方向。因此，由路线模块306根据地图和路线信息311来提供用于源车道与目标车道之间的车道变换的车道变换指导信息。在一个实施方案中，路线模块306生成拓扑图313。路线模块306检测车辆可以变换车道的源车道和目标车道的范围。路线模块306将有关所述范围的信息与地图和路线信息311进行组合，并且将组合的信息输出到格式化单元。
结合图6更详细地讨论可以实施为路线模块306的一部分的系统600的一个示例实施方案。如图6所示，路线模块306可以包括图API602、指导单元604以及格式化单元606。指导单元604接收路线结果作为输入，并且执行本文中参考图7详细描述的过程。格式化单元606接收结合图7描述的过程的结果输出作为输入，将它转换成与感知与规划系统110兼容的格式，并且将所转换的输出传送回到感知与规划系统110。
在一个实施方案中，当请求到达路线模块306时，路线模块306可以解析上下文并且将所有的论据传送到图API 602，随后将路线结果传送到指导单元604。图API 602可以包括被构建成根据图类型来建立节点和边缘的图加载器，被构建成以统一的输入/输出来执行图7的算法的策略部件，以及被构建成经由具体主题来公布路线结果的banshee部件。在一个实施方案中，图API 602可以包括将地图数据转换成拓扑图(例如，图400)的离线转换器。
图8中示出可以实施为图API 602的一部分的系统800的一个示例。如图8所示，系统800可以包括接收地图801作为输入的车道处理器802、节点构建器803和边缘构建器804，以生成图805(例如，可以是图400)。在一个实施方案中，基于地图801，车道处理器802提取车道的特征并且通过标识符给车道编索引。节点构建器803以一定的间隔对每个车道取样，选择地理信息，构建拓扑图的节点，并且将标识符分配给节点中的每个。在一个实施方案中，间隔可以是3.5米。边缘构建器804确定每个车道的通过性(即，确定车辆是否有可能横过所述车道)、画出两个可行节点(即，车辆有可能在它们之间变换车道的一对节点)之间的边缘，并且计算边权。
更具体地，针对每个车道，如果车道的边界中的一个可通行，那么在距离上的一定间隔处生成节点。如果车道的长度小于间隔的长度，那么车道的端点可以被指示为它的节点。在一个实施方案中，针对每个车道，在最后节点与它后继车道的第一节点之间画出边缘。在一个实施方案中，针对每个车道，将节点分类，随后在源车道的节点与目标车道的相邻节点之间画出边缘。在一个实施方案中，针对每个车道，将车道和所述车道的后继车道存储成检查表或表格。
在一个实施方案中，所述检查表或表格也可以存储车道中的每个的车道标识符，并且可以存储每个车道的节点以及对应的节点标识符。在一个实施方案中，针对源车道中的每个节点，考虑到节点间隔将所述节点投射到目标车道中的节点。在一个实施方案中，如果投射成功并且已经确定该方向上的车道边界可通行，那么画出从源车道节点到目标车道节点的边缘。在一个实施方案中，所述检查表或表格可以使用正向和反向上的二分搜索进行优化。
来自边缘构建器804和节点构建器803的信息进行组合，以生成图805。在一个实施方案中，图805可以是诸如图400的图。
在一个实施方案中，系统800离线生成图805。在一个实施方案中，包括额外信息作为图中的边缘属性，所述额外信息表明两个可行节点之间的车道变换的方向。图805随后可以由路线模块306使用。
现在参考图5，图5是示出根据一个实施方案的可以与无人驾驶车辆101一起使用的示例系统500的框图。具体而言，系统500示出结合图3的系统300讨论的部件中的一些部件之间的通信联接的一个示例。如图5所示，决定模块303从传感器模块115、感知模块302和路线模块306接收输入。定位模块301、感知模块302和规划模块304也从路线模块306接收输入。控制模块305从规划模块304接收输入，以控制并驾驶车辆。尽管未在图5中示出，但路线模块306可以接收地图和路线信息311作为输入，如本文中先前讨论。另外，在一个实施方案中，路线模块306输出到地图库，所述地图库与决定模块303和规划模块304通信。
应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以由处理器(未示出)在存储器中加载并执行以实施贯穿本申请所述的过程或操作。或者，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的对应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图7是用于说明根据一个实施方案的确定无人驾驶车辆可以变换车道的范围的过程的流程图。过程700可以由处理逻辑执行，所述处理逻辑包括硬件(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)或其组合。例如，过程700可以由图3的路线模块306执行。
参考图4和图7，无人驾驶车辆可以在从起始位置(诸如，位置422)到目的地位置(诸如，位置408)的路径上。当沿着所述路径运动时，车辆可能想要从具有中央线402的源车道A变换车道到具有中央线404的目标车道B。在框701处，在源车道A中选择第一参考节点(例如，节点410)。第一参考节点410可以经过选择使得它是从源车道A变换车道到目标车道B中的对应节点(例如，节点412)的理想或最佳点。例如，第一参考节点410可以是变换车道到对应节点412对系统来说成本最低所在的点。在一个实施方案中，使用最低成本算法或最短路径算法来选择第一参考节点410，以找出车道变换的最佳点。在一个实施方案中，使用红黑树来选择第一参考节点，以找出车道变换的最佳点。在一个实施方案中，将曼哈顿距离用作启发式函数来选择第一参考节点，以找出车道变换的最佳点。在一个实施方案中，将欧几里得距离用作成本函数来选择第一参考节点。
在框702处，确定源车道A中的最后节点(例如，节点414)，在所述最后节点之后车辆不再有可能变换车道。在一个实施方案中，针对第一参考节点410之后的源车道A中的每个节点相继地执行有条件的宽度优先搜索，直至找到不具有目标车道B中的对应节点的源车道A中的节点(例如，节点414)，所述对应节点是无人驾驶车辆可以从源车道A中的节点变换到的目标车道B中的节点。换言之，执行搜索，直至找到这样的源车道A中的节点，即，其在目标车道B中的对应节点不在目标车道B的路线中。因此，在以第一参考节点410开始的正向上搜索源车道A的节点，直至当前节点不具有通往目标车道B的中央线404上的节点的可行边缘。
在车道已经分成区段的实施方案中，源车道A的区段在第一参考节点410与最后节点414之间合并。在一个实施方案中，目标车道B的长度上的区段与区段中的每个的对应标识符一起存储在表格中。所述表格也可以存储车辆可以从目标车道A变换车道而到达的目标车道B中的节点。在一个实施方案中，所述表格可以是散列表。在一个实施方案中，节点的搜索顺序也在表格中表明。
在框703处，确定源车道A中的最早节点(例如，416)，在所述最早节点处车辆首先有可能变换车道。基于源车道A的合并区段，确定源车道A的长度。在一个实施方案中，在与源车道的合并区段的长度对应的长度上，针对节点412之前的目标车道B中的每个节点相继地执行有条件的宽度优先搜索。针对所述长度在节点412之前搜索的目标车道B中的每个节点与对应的节点标识符一起存储在查找表中。源车道A的节点在以节点414开始的反向上迭代，直至找到不具有存储在查找表中的目标车道B中的对应节点的源车道A中的节点(例如，416)。这就是车辆可以变换车道的最早节点416。
在框704处，确定无人驾驶车辆可以从源车道变换到目标车道的源车道A的范围，所述范围被限定为从在框703处确定的源车道中的最早节点到在框702处确定的源车道中的最后节点。在一个实施方案中，基于源车道A的范围，确定车辆有可能变换车道的目标车道B的范围。源车道的范围随后可以由规划模块304和/或控制模块305用来控制车辆从源车道变换到目标车道。例如，规划模块304和/或控制模块305可以基于所确定的源车道的范围来决定何时变换车道、车道变换的速度以及变换车道的距离等。
图9是示出可以与本文中的实施方案一起使用的数据处理系统的示例的框图。例如，系统900可以表示以上所述的执行上述过程或方法中的任一个(例如，由路线模块306执行的过程和结合图7讨论的方法)的任一数据处理系统。系统900可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、离散电子装置或适于电路板的其他模块(诸如，计算机系统的主板或插入卡)，或者实施为以其他方式并入计算机系统的机壳内的部件。
还应注意，系统900旨在示出计算机系统的许多部件的高级视图。然而，应当理解的是，某些实施方式中可以具有附加的部件，此外，其他实施方式中可以具有所示部件的不同配置。系统900可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方案中，系统900包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其他指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协同处理器、嵌入式处理器，或者能够处理指令的任何其他类型的逻辑。
处理器1501(其可以是低功率多核处理器插座，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行指令以执行本文所讨论的操作和步骤。系统900还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方案中可以经由多个存储器装置实施以提供给定量的系统存储器。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)，或者其他类型的存储装置。存储器1503可以存储包括由处理器1501或任何其他装置执行的指令序列的信息。例如，多种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自
Figure BDA0001398102940000171
公司的
Figure BDA0001398102940000172
操作系统、来自苹果公司的Mac
Figure BDA0001398102940000173
来自
Figure BDA0001398102940000174
公司的
Figure BDA0001398102940000175
LINUX、UNIX，或者其他实时或嵌入式操作系统。
系统900还可以包括I/O装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其他可选的I/O装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其他射频(RF)收发器，或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504整合在一起)、指示装置(诸如，指示笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触摸灵敏度技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及用于确定与触摸屏的一个或多个接触点的其他接近传感器阵列或其他元件来检测其接触和移动或间断。
I/O装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其他I/O装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，运动传感器，诸如加速度计、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)，或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用来促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其他装置可以由嵌入式控制器(未示出)控制，这取决于系统900的具体配置或设计。
为了提供信息(诸如数据、应用、一个或多个操作系统等)的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方案中，为了实现更薄且更轻的系统设计并且改进系统响应能力，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其他实施方案中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其他此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其他固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现任何一种或多种如本文所述方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示任一上述部件，例如，定位模块301、感知模块302、决定模块303、规划模块304、控制模块305以及路线模块306。处理模块/单元/逻辑1528还可以在它由数据处理系统900执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，存储器1503和处理器1501还构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505被传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的软件功能中的一些或全部。虽然计算机可读存储介质1509在示例性实施方案中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且导致所述机器执行本文中公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其他非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其他特征可以实施为离散硬件部件或整合在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统900被示出为具有数据处理系统的各种部件，但是并不旨在表示互连部件的任何特定架构或方式；因为此类细节和本文中的实施方案没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其他数据处理系统也可以与本文中的实施方案一起使用。
前述详细描述中的一些部分已经依据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以便最有效地将他们的工作实质传达给本领域中的其他技术人员。这里，算法通常被认为是导致所期望结果的前后一致的操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均意图与适当的物理量关联，并且仅仅是应用于这些量的实用标记。除非在以上讨论中另外明确地说明清楚，否则应当了解，贯穿本说明书的利用术语(诸如所附权利要求书中所阐述的术语)的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其他此类信息存储设备、传输或显示装置内类似地表示为物理量的其他数据。
本文中的实施方案还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。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、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(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。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本文中的实施方案并未参考任何特定的编程语言进行描述。将认识到的是，可以使用多种编程语言来实施如本文描述的实施方案的教导。
在以上的说明书中，已经参考本文中的具体示例性实施方案对本文中的实施方案进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的更宽泛精神和范围的情况下，可以对其做出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (18)

1.一种操纵无人驾驶车辆从源车道变换到目标车道的计算机实施的方法，所述方法包括：
选择与所述源车道相关联的拓扑图的第一参考节点，所述第一参考节点是所述无人驾驶车辆能够变换到所述目标车道中的第二参考节点所在的所述源车道中的节点；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道；
针对所述第一参考节点之后的所述源车道中的节点执行有条件的宽度优先搜索，直至找到不具有所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点，其中所述源车道的区段在所述源车道中的所述第一参考节点与所述最后节点之间合并，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道；以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
2.如权利要求1所述的方法，其中使用最低成本算法、所述无人驾驶车辆的最初起始位置以及所述无人驾驶车辆的最终目的地位置来选择所述第一参考节点。
3.如权利要求1所述的方法，其中所述第一参考节点、所述最早节点以及所述最后节点全部位于表示在所述拓扑图上的所述源车道的中央轴上，并且其中所述第二参考节点位于表示在所述拓扑图上的所述目标车道的中央轴上。
4.如权利要求3所述的方法，其中所述源车道和所述目标车道的中央轴包括沿着所述中央轴位于预定间隔处的节点。
5.如权利要求1所述的方法，其中确定所述最早节点包括：
在与所述源车道的合并区段的长度对应的长度上，针对所述第二参考节点之前的所述目标车道中的节点执行有条件的宽度优先搜索，其中针对所述长度在所述第二参考节点之前搜索的所述目标车道中的每个节点存储在查找表中。
6.如权利要求5所述的方法，其中确定所述最早节点还包括：
在以所述第一参考节点开始的反向上检查所述源车道中的节点，直至找到不具有存储在所述查找表中的所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点。
7.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作，所述操作包括：
选择与源车道相关联的拓扑图的第一参考节点，所述第一参考节点是无人驾驶车辆能够变换到目标车道中的第二参考节点所在的所述源车道中的节点；
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道；
针对所述第一参考节点之后的所述源车道中的节点执行有条件的宽度优先搜索，直至找到不具有所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点，其中所述源车道的区段在所述源车道中的所述第一参考节点与所述最后节点之间合并，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道；以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
8.如权利要求7所述的非暂时性机器可读介质，其中使用最低成本算法、所述无人驾驶车辆的最初起始位置以及所述无人驾驶车辆的最终目的地位置来选择所述第一参考节点。
9.如权利要求7所述的非暂时性机器可读介质，其中所述第一参考节点、所述最早节点以及所述最后节点全部位于表示在所述拓扑图上的所述源车道的中央轴上，并且其中所述第二参考节点位于表示在所述拓扑图上的所述目标车道的中央轴上。
10.如权利要求9所述的非暂时性机器可读介质，其中所述源车道和目标车道的所述中央轴包括沿着所述中央轴位于预定间隔处的节点。
11.如权利要求10所述的非暂时性机器可读介质，其中确定所述最早节点包括：
在与所述源车道的合并区段的长度对应的长度上，针对所述第二参考节点之前的所述目标车道中的节点执行有条件的宽度优先搜索，其中针对所述长度在所述第二参考节点之前搜索的所述目标车道中的每个节点存储在查找表中。
12.如权利要求11所述的非暂时性机器可读介质，其中确定所述最早节点还包括：
在以所述第一参考节点开始的反向上检查所述源车道中的节点，直至找到不具有存储在所述查找表中的所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点。
13.一种数据处理系统，其包括：
处理器；以及
存储器，所述存储器联接到所述处理器，以存储指令，所述指令在由所述处理器执行时，致使所述处理器执行操作，所述操作包括：
选择与源车道相关联的拓扑图的第一参考节点，所述第一参考节点是无人驾驶车辆能够变换到目标车道中的第二参考节点所在的所述源车道中的节点，
相对于所述拓扑图的所述第一参考节点来确定所述源车道中的最早节点，在所述最早节点处，所述无人驾驶车辆首先有可能从所述源车道变换车道到所述目标车道，
针对所述第一参考节点之后的所述源车道中的节点执行有条件的宽度优先搜索，直至找到不具有所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点，其中所述源车道的区段在所述源车道中的所述第一参考节点与所述最后节点之间合并，在所述最后节点之后，所述无人驾驶车辆不再有可能从所述源车道变换车道到所述目标车道，以及
确定所述无人驾驶车辆能够从所述源车道变换到所述目标车道的所述源车道的范围，其中所述范围是从所述源车道中的所述最早节点到所述源车道中的所述最后节点。
14.如权利要求13所述的数据处理系统，其中使用最低成本算法、所述无人驾驶车辆的最初起始位置以及所述无人驾驶车辆的最终目的地位置来选择所述第一参考节点。
15.如权利要求13所述的数据处理系统，其中所述第一参考节点、所述最早节点以及所述最后节点全部位于表示在所述拓扑图上的所述源车道的中央轴上，并且其中所述第二参考节点位于表示在所述拓扑图上的所述目标车道的中央轴上。
16.如权利要求15所述的数据处理系统，其中所述源车道和目标车道的所述中央轴包括沿着所述中央轴位于预定间隔处的节点。
17.如权利要求13所述的数据处理系统，其中确定所述最早节点包括：
在与所述源车道的合并区段的长度对应的长度上，针对所述第二参考节点之前的所述目标车道中的节点执行有条件的宽度优先搜索，其中针对所述长度在所述第二参考节点之前搜索的所述目标车道中的每个节点存储在查找表中。
18.如权利要求17所述的数据处理系统，其中确定所述最早节点还包括：
在以所述第一参考节点开始的反向上检查所述源车道中的节点，直至找到不具有存储在所述查找表中的所述目标车道中的对应节点的所述源车道中的节点，所述目标车道中的对应节点是所述无人驾驶车辆能够从所述源车道中的节点变换到所述目标车道中的节点所在的节点。
CN201710786187.6A 2016-12-30 2017-09-04 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统 Active CN108268033B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/396,211 US10137896B2 (en) 2016-12-30 2016-12-30 Method and system for operating autonomous driving vehicles using graph-based lane change guide
US15/396,211 2016-12-30

Publications (2)

Publication Number Publication Date
CN108268033A CN108268033A (zh) 2018-07-10
CN108268033B true CN108268033B (zh) 2021-09-21

Family

ID=59811108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710786187.6A Active CN108268033B (zh) 2016-12-30 2017-09-04 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统

Country Status (4)

Country Link
US (1) US10137896B2 (zh)
EP (1) EP3342666B1 (zh)
JP (1) JP6498246B2 (zh)
CN (1) CN108268033B (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11009868B2 (en) * 2017-07-20 2021-05-18 Nuro, Inc. Fleet of autonomous vehicles with lane positioning and platooning behaviors
US11360475B2 (en) * 2017-12-05 2022-06-14 Waymo Llc Real-time lane change selection for autonomous vehicles
DE112019000070T5 (de) 2018-01-07 2020-03-12 Nvidia Corporation Führen von fahrzeugen durch fahrzeugmanöver unter verwendung von modellen für maschinelles lernen
CN110352153B (zh) 2018-02-02 2024-07-19 辉达公司 自主车辆中用于障碍物躲避的安全程序分析
US11966838B2 (en) 2018-06-19 2024-04-23 Nvidia Corporation Behavior-guided path planning in autonomous machine applications
CN110376594B (zh) * 2018-08-17 2022-02-01 北京京东叁佰陆拾度电子商务有限公司 一种基于拓扑图的智能导航的方法和系统
US11199847B2 (en) * 2018-09-26 2021-12-14 Baidu Usa Llc Curvature corrected path sampling system for autonomous driving vehicles
US10921135B2 (en) * 2018-10-12 2021-02-16 Baidu Usa Llc Real-time map generation scheme for autonomous vehicles based on prior driving trajectories
US11073831B2 (en) * 2018-10-17 2021-07-27 Baidu Usa Llc Autonomous driving using a standard navigation map and lane configuration determined based on prior trajectories of vehicles
CN109606377B (zh) * 2018-12-29 2020-06-23 安徽中科美络信息技术有限公司 一种紧急驾驶行为防御提示方法及系统
US11520345B2 (en) 2019-02-05 2022-12-06 Nvidia Corporation Path perception diversity and redundancy in autonomous machine applications
CN109871017B (zh) * 2019-02-20 2022-09-13 阿波罗智能技术(北京)有限公司 自动驾驶参考线调用方法、装置和终端
US11066069B2 (en) * 2019-03-04 2021-07-20 Baidu Usa Llc Extra-freedom stitch method for reference line smoothing
CN110426966A (zh) * 2019-07-31 2019-11-08 驭势（上海）汽车科技有限公司 一种虚拟车辆寻路的方法、装置、存储介质和电子设备
CN110234029B (zh) * 2019-07-31 2021-12-17 上海商汤临港智能科技有限公司 多传感器数据的播放处理方法、装置、设备和存储介质
US11608083B2 (en) * 2019-09-18 2023-03-21 Honda Motor Co., Ltd. System and method for providing cooperation-aware lane change control in dense traffic
US11414130B2 (en) 2019-10-09 2022-08-16 Argo AI, LLC Methods and systems for lane changes using a multi-corridor representation of local route regions
US11754408B2 (en) * 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
CN112683287A (zh) * 2019-10-18 2021-04-20 上海商汤临港智能科技有限公司 路径生成方法及装置、电子设备和存储介质
CN110941271B (zh) * 2019-11-26 2023-04-18 北方工业大学 一种自动驾驶换道模型、自动驾驶换道方法及其系统
US11061403B2 (en) * 2019-12-12 2021-07-13 Baidu Usa Llc Path planning with a preparation distance for a lane-change
US11407419B2 (en) * 2019-12-30 2022-08-09 Baidu Usa Llc Central line shifting based pre-change lane path planning
US11685398B2 (en) * 2020-02-27 2023-06-27 Baidu Usa Llc Lane based routing system for autonomous driving vehicles
CN113511204B (zh) * 2020-03-27 2022-11-11 华为技术有限公司 一种车辆换道行为识别方法及相关设备
US12077190B2 (en) 2020-05-18 2024-09-03 Nvidia Corporation Efficient safety aware path selection and planning for autonomous machine applications
US12110040B2 (en) 2020-05-29 2024-10-08 Toyota Research Institute, Inc. Navigation cost computation for lane changes before a critical intersection
JP7405012B2 (ja) * 2020-06-19 2023-12-26 株式会社アイシン 運転支援装置及びコンピュータプログラム
US11783178B2 (en) * 2020-07-30 2023-10-10 Toyota Research Institute, Inc. Systems and methods for corridor intent prediction
CN113264065B (zh) * 2021-05-13 2022-12-02 京东鲲鹏(江苏)科技有限公司 一种车辆换道方法、装置、设备及存储介质
US11908200B2 (en) 2021-07-13 2024-02-20 Canoo Technologies Inc. System and method in the prediction of target vehicle behavior based on image frame and normalization
US11891059B2 (en) 2021-07-13 2024-02-06 Canoo Technologies Inc. System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving
US12017661B2 (en) 2021-07-13 2024-06-25 Canoo Technologies Inc. System and method in vehicle path prediction based on full nonlinear kinematics
US11840147B2 (en) 2021-07-13 2023-12-12 Canoo Technologies Inc. System and method in data-driven vehicle dynamic modeling for path-planning and control
US11891060B2 (en) 2021-07-13 2024-02-06 Canoo Technologies Inc. System and method in lane departure warning with full nonlinear kinematics and curvature
US11845428B2 (en) * 2021-07-13 2023-12-19 Canoo Technologies Inc. System and method for lane departure warning with ego motion and vision
US20230031251A1 (en) * 2021-07-30 2023-02-02 GM Global Technology Operations LLC Vehicle lateral dynamics estimation using telemetry data
CN113375689B (zh) * 2021-08-16 2021-11-05 腾讯科技（深圳）有限公司 导航方法、装置、终端和存储介质
CN115797899A (zh) * 2021-09-09 2023-03-14 华为技术有限公司 一种车道线检测方法及装置
US20230099772A1 (en) * 2021-09-29 2023-03-30 Waymo Llc Lane search for self-driving vehicles
CN114475246B (zh) * 2021-12-31 2024-03-26 浙江零跑科技股份有限公司 一种带有显示保护的智能座舱仪表显示系统和显示方法
CN114543825B (zh) * 2022-01-12 2024-07-16 华为技术有限公司 引导车辆行驶的方法、地图生成方法及相关系统
CN114670836A (zh) * 2022-04-15 2022-06-28 阿波罗智能技术(北京)有限公司 一种变道触发方法、装置、电子设备及自动驾驶车辆
US20240001958A1 (en) * 2022-06-30 2024-01-04 Zoox, Inc. System for Generating Scene Context Data Using a Reference Graph

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013210894A (ja) * 2012-03-30 2013-10-10 Mitsubishi Heavy Ind Ltd 車線内物体検知装置
CN103935361A (zh) * 2013-01-21 2014-07-23 通用汽车环球科技运作有限责任公司 用于自主的车道变换、经过和超越行为的有效数据流算法
CN105374212A (zh) * 2015-12-14 2016-03-02 上海交通大学 基于智能终端传感的高速公路车辆车道识别方法及系统
DE112015000783T5 (de) * 2014-03-20 2016-11-10 Aisin Aw Co., Ltd. Selbstfahrunterstützungsvorrichtung, Selbstfahrunterstützungsverfahren und Programm
CN106248392A (zh) * 2016-07-28 2016-12-21 百度在线网络技术（北京）有限公司 一种无人车变道时间的测试方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3908425B2 (ja) * 1999-12-24 2007-04-25 アルパイン株式会社 ナビゲーション装置
US7708493B2 (en) * 2005-08-26 2010-05-04 Searete, Llc Modifiable display marker
US8392117B2 (en) * 2009-05-22 2013-03-05 Toyota Motor Engineering & Manufacturing North America, Inc. Using topological structure for path planning in semi-structured environments
KR101214474B1 (ko) * 2009-09-15 2012-12-24 한국전자통신연구원 네비게이션 장치 및 이를 이용한 주행 경로 정보 제공 방법, 자동 주행 시스템 및 그 방법
JP6451111B2 (ja) * 2014-07-10 2019-01-16 日産自動車株式会社 走行支援装置及び走行支援方法
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
JP6308233B2 (ja) * 2016-02-29 2018-04-11 トヨタ自動車株式会社 車両制御装置及び車両制御方法
JP2017181391A (ja) * 2016-03-31 2017-10-05 アイシン・エィ・ダブリュ株式会社 コスト算出データのデータ構造

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013210894A (ja) * 2012-03-30 2013-10-10 Mitsubishi Heavy Ind Ltd 車線内物体検知装置
CN103935361A (zh) * 2013-01-21 2014-07-23 通用汽车环球科技运作有限责任公司 用于自主的车道变换、经过和超越行为的有效数据流算法
DE112015000783T5 (de) * 2014-03-20 2016-11-10 Aisin Aw Co., Ltd. Selbstfahrunterstützungsvorrichtung, Selbstfahrunterstützungsverfahren und Programm
CN105374212A (zh) * 2015-12-14 2016-03-02 上海交通大学 基于智能终端传感的高速公路车辆车道识别方法及系统
CN106248392A (zh) * 2016-07-28 2016-12-21 百度在线网络技术（北京）有限公司 一种无人车变道时间的测试方法及装置

Also Published As

Publication number Publication date
JP6498246B2 (ja) 2019-04-10
CN108268033A (zh) 2018-07-10
EP3342666A1 (en) 2018-07-04
US20180186378A1 (en) 2018-07-05
US10137896B2 (en) 2018-11-27
JP2018108799A (ja) 2018-07-12
EP3342666B1 (en) 2019-12-18

Similar Documents

Publication Publication Date Title
CN108268033B (zh) 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统
US11003183B2 (en) Driving scene based path planning for autonomous driving vehicles
US10807599B2 (en) Driving scenario based lane guidelines for path planning of autonomous driving vehicles
US11117569B2 (en) Planning parking trajectory generation for self-driving vehicles using optimization method
US10884422B2 (en) Method for generating trajectories for autonomous driving vehicles (ADVS)
KR102070530B1 (ko) 모션 계획에 기초한 자율 주행 차량의 운행 방법 및 시스템
KR102279078B1 (ko) 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템
CN109491378B (zh) 自动驾驶车辆的基于道路分段的路线引导系统
US10054945B2 (en) Method for determining command delays of autonomous vehicles
CN110096054B (zh) 用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统
US20190315357A1 (en) Novel method for speed adjustment of autonomous driving vehicles prior to lane change
US10732632B2 (en) Method for generating a reference line by stitching multiple reference lines together using multiple threads
CN111328385A (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN112272805B (zh) 连接两条平滑参考线的基于多点增强的拼接方法
CN112041637B (zh) 用于3级自动驾驶车辆的无地图且基于摄像机的车道标识取样方法
EP3697659B1 (en) Method and system for generating reference lines for autonomous driving vehicles

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant