用于低级别前馈车辆控制策略的系统和方法与流程

本发明总地涉及自主车辆，并且更具体地说涉及用于低级别前馈车辆控制的系统和方法。

背景技术：

自主车辆是能够在较少或没有用户输入的情形下感测其环境和导航的车辆。自主车辆使用诸如雷达、激光雷达、图像传感器之类的感测装置来感测其环境。自主车辆系统进一步使用来自全球定位系统(gps)技术、导航系统、车辆对车辆通信、车辆对基础设施技术和/或线控驱动系统的信息以导航车辆。

车辆自动化已分类成范围从零到五的数值等级，零对应于在完全人为控制情况下的无自动化，五对应于在不具有人为控制的情况下的全自动化。诸如巡航控制、自适应巡航控制以及停车辅助系统之类的各种自动驾驶员辅助系统对应于较低的自动化等级，而完全“无人驾驶”车辆对应于较高的自动化等级。

轨迹规划用于自动驾驶并且能对道路上的动态物体做出反应。计算出的轨迹应遵循交通规则、在道路边界内安全、满足动态约束等。然而，现有的运动规划算法要么是计算密集型的，要么不是针对城市和高速公路驾驶的多种不同可能场景而设计的。

因此，期望提供能够更有效地加速用于自动驾驶的运动计划的处理的系统和方法。此外，从结合附图和前文技术领域和背景技术的后续具体实施方式和所附权利要求中，本发明的其他期望特征和特点会变得显而易见。

技术实现要素：

提供用于控制自主车辆的系统和方法。在一个实施例中，系统和方法包括使用横向控制器系统来用于确定车辆的曲率。纵向控制器系统用于确定期望的车辆加速度。纵向控制器系统相对于速度误差和前馈项而使用控制环路。指令基于横向控制器系统和纵向控制器系统的输出而生成。

在其他实施例中，系统和方法包括由一个或多个处理器接收指示车辆本地规划的数据和指示车辆速度的数据。横向控制器系统用于基于车辆本地规划数据来确定车辆曲率。纵向控制器系统用于基于车辆速度数据来确定期望车辆加速度。纵向控制器系统基于速度误差和前馈项使用控制环路，以生成车辆加速度数据，该车辆加速度数据转换成节气门或制动数据。发送车辆转向控制指令，这些指令基于所确定的车辆曲率而生成。发送车辆制动器和发动机控制指令，这些指令基于所确定的节气门或制动数据而生成。

附图说明

之后会结合以下附图来描述示例性实施例，其中，类似的附图标记指代类似的元件，且附图中：

图1是说明根据各个实施例的自主车辆的功能性框图；

图2是说明根据各个实施例的具有图1中示出的一个或多个自主车辆的运输系统的功能性框图；

图3是说明根据各个实施例的与自主车辆相关联的自主驾驶系统(ads)的功能性框图；

图4和5是示出根据各个实施例的车辆路径控制系统的功能性框图；

图6是示出根据各个实施例的包含车辆路径规划的操作场景的流程图；

图7是示出根据各个实施例的车辆运动规划系统的功能性框图；

图8和9是示出根据各个实施例的用于车辆运动规划系统的优化模型的功能性框图；

图10是示出根据各个实施例的横向预处理操作的流程图；

图11是示出根据各个实施例的纵向预处理操作的流程图；

图12是示出根据各个实施例的用于车辆路径跟随器系统的功能性框图；

图13是示出根据各个实施例的车辆低级别控制系统的功能性框图；

图14是示出根据各个实施例的前馈控制系统的控制框图；以及

图15示出根据本发明的各个实施例的示例性车辆，该车辆包括绕车辆分布的多个雷达装置、照相机以及激光雷达装置。

具体实施方式

以下具体实施方式在本质上仅是示例性的，并不旨在限制应用和使用。此外，并不旨在受任何上述技术领域、背景技术、发明内容或下文具体实施方式提供的任何明确或暗示的理论所限制。如这里所使用的是，术语模块个别地或以任何组合指代任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，包括但不限于：专用集成电路(asic)、现场可编程门阵列(fpga)、电子电路、处理器(共享、专用或集群)以及执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所描述功能性的其他合适部件。

本发明的实施例在本文中可依照功能和/或逻辑方框部件和多种处理步骤予以描述。应当认识到，这些方框部件可由构造成执行特定功能的任意数量的硬件(例如，一个或多个数据处理器)、软件和/或固件部件来实现。例如，本发明的一个实施例可采用诸如存储器元件、数字信号处理元件、逻辑元件、查询表等等的各种集成电路部件，这些集成电路部件可在一个或多个微处理器或其他控制装置的控制下执行多种功能。此外，本领域技术人员会意识到的是，本发明的实施例可结合任何数量的系统来实践，且这里描述的系统仅仅是本发明的示例性实施例。

出于简化起见，此处可能并不详细描述与系统的信号处理、数据传输、信令、控制、机器学习、图像分析以及其他功能性方面(以及这些系统的各个操作部件)相关联的传统技术。此外，此处包含的各个附图中所示的连接线旨在表示各种元件之间的示例功能关系和/或物理联接。应当注意到的是，在本发明的各实施例中可提供很多替代或附加功能关系或物理连接。

参考图1，总体以100示出的用于执行自主车辆路径控制的系统与根据各种实施例的车辆10相关联。通常，系统100优化车辆路径规划，并且校正在规划过程期间可能出现的误差，以用于控制车辆10。

如图1中所示，车辆10通常包括底盘12、车体14、前车轮16以及后车轮18。车体14设置在底盘12上，并且基本上封围车辆10的部件。车体14和底盘12可共同地形成车架。车轮16-18各自在车体14的相应角部附近旋转地联接于底盘12。

在各种实施例中，车辆10是自主车辆，且系统100和/或其部件包含到自主车辆10(之后称为自主车辆10)中。自主车辆10例如是自动地受控以将乘客从一个位置运送至另一个位置的车辆。车辆10在所说明的实施例中示作乘用汽车，但应意识到的是，也可使用任何其他交通工具，包括摩托车、卡车、运动型多功能车辆(suv)、娱乐车辆(rv)、海洋船只、飞行器等等。

在一示例性实施例中，自主车辆10在汽车工程师协会(sae)“j3016”自动驾驶级别的标准分类下与级别四或级别五自动化系统相对应。使用该术语，级别四系统指示“高自动化”，其指代这样的驾驶模式，即使人类驾驶员并未适当地响应于干预请求，专门由自动驾驶系统执行动态驾驶任务的所有方面。另一方面，级别五系统指示“全自动化”，这指代在能由人类驾驶员管理的所有道路和环境条件下由自动驾驶系统执行动态驾驶任务的所有方面。然而，应意识到的是，根据本主题的实施例并不局限于任何特定的自动化类别的分类或规定。此外，根据本实施例的系统可结合任何自主车辆或利用导航系统和/或其他系统来提供路线引导和/或实施的其他车辆使用。

如图所示，自主车辆10通常包括推进系统20、变速器系统22、转向系统24、制动器系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34以及通信系统36。推进系统20在各种实施例中可包括内燃机、诸如牵引电机的电动机器和/或燃料电池推进系统。变速器系统22构造成根据可选择的速度比来将动力从推进系统20传递至车辆车轮16和18。根据各种实施例，变速器系统22可包括步进比率自动变速器、无级变速器或其他合适的变速器。

制动器系统26构造成将制动转矩提供给车辆车轮16和18。在各种实施例中，制动器系统26可包括摩擦制动器、线控制动器、诸如电动机器的再生制动系统和/或其他合适的制动系统。

转向系统24影响车辆车轮16和/或18的位置。虽然出于说明的目的示作包括方向盘25，但在本发明范围内所设想的一些实施例中，转向系统24可并不包括方向盘。

传感器系统28包括一个或多个感测装置40a-40n，这些感测装置感测自主车辆10的外部环境和/或内部环境的可观测状况。感测装置40a-40n可包括但不限于雷达、激光雷达、全球定位系统、光学照相机、热照相机、超声波传感器和/或其他传感器。致动器系统30包括一个或多个致动器装置42a-42n，这些致动器装置控制一个或多个车辆特征件，例如但不限于推进系统20、变速器系统22、转向系统24以及制动器系统26。在各种实施例中，自主车辆10还可包括图1中未说明的内部和/或外部车辆特征件，例如各种车门、后备箱以及诸如空气、音乐、照明、触摸屏部件的舱室特征(例如结合导航系统使用的那些)等等。

数据存储装置32存储用于自动地控制自主车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的限定图。在各种实施例中，限定图可由远程系统(参考图2进一步详细地描述)预先限定并且从该远程系统中获得。例如，限定图可由远程系统组装并且通信至自主车辆10(无线地和/或以有线的方式)并存储在数据存储装置32中。路线信息也可以存储在数据存储装置32中，即，一组路段(在地理上与一个或多个限定地图相关联)，这些路段一起限定用户从起始位置(例如，用户的当前位置)行驶至目标位置可采取的路线。此外，在各种实施例中，数据存储装置32存储用于处理三维点云的处理算法和数据，以逐帧地确定周围环境中的物体的速度。例如会意识到的是，数据存储装置32可以是控制器34的一部分、与控制器34分开、或者是控制器34的一部分以及是单独系统的一部分。

控制器34包括至少一个处理器44以及计算机可读存储装置或介质46。处理器44可以是任何客户定制或市场上可购得的处理器、中央处理单元(cpu)、图形处理单元(gpu)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片组的形式)、其任何组合或者通常是用于执行指令的任何装置。计算机可读存储装置或介质46可例如包括只读存储器(rom)、随机存取存储器(ram)和保活存储器(kam)中的易失性和非易失性存储器。kam是持久或非易失性存储器，其可用于在处理器44断电的同时存储各种操作变量。计算机可读存储装置或介质46可使用诸如prom(可编程只读存储器)、eprom(电prom)、eeprom(电可擦除prom)、闪速存储器或能够存储数据的任何其他电、磁性、光学或组合存储器装置的多个已知存储器装置的任何一个来实施，上述数据中的一些表示由控制器34用来控制自主车辆10的可执行指令。

这些指令可包括一个或多个分开的程序，每个程序均包括用于实施逻辑功能的可执行指令的有序列表。这些指令在由处理器44执行时、接收并处理来自传感器系统28的信号，执行逻辑、计算、方法和/或算法来用于自动地控制自主车辆10的部件，并且基于逻辑、计算、方法和/或算法生成控制信号，这些控制信号发送至致动器系统30，以自动地控制自主车辆10的各部件。虽然在图1中仅仅示出一个控制器34，但自主车辆10的实施例可包括任何数量的控制器34，这些控制器经由任何合适的通信介质或通信介质的组合来通信，并且协配以处理传感器信号、执行逻辑、计算、方法和/或算法，且生成控制信号来自动地控制自主车辆10的特征。在一个实施例中，例如下文详细讨论的是，控制器34构造成用于处理车辆10的周围环境的呈点云形式的三维成像数据，以逐帧地确定速度来用于车辆的自主控制。

通信系统36构造成将信息无线地通信至其他实体48以及从其他实体通信信息，这些实体例如但不限于其他车辆(“v2v”通信)、基础设施(“v2i”通信)、远程传输系统和/或用户装置(参考图2更详细地描述)。在一示例性实施例中，通信系统36是无线通信系统，该无线通信系统构造成经由使用ieee802.11标准的无线局域网(wlan)或者通过使用蜂窝数据通信来进行通信。然而，诸如专用短距离通信(dsrc)信道的附加或替代的通信方法也被认为落在本发明的范围内。dsrc信道指代专门针对汽车用途设计的单向或双向短距离至中距离无线通信信道以及对应的一组协议和标准。

现参考图2，在各个实施例中，关于图1描述的自主车辆10可以适用于特定地理区域(例如，城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或穿梭系统的情形中，或者可以简单地由远程系统管理。例如，自主车辆10可与基于自主车辆的远程运输系统相关联。图2说明总地以50示出的操作环境的示例性实施例，该操作环境包括基于自主车辆的远程运输系统(或简称为“远程运输系统”)52，该远程运输系统与关于图1描述的一个或多个自主车辆10a-10n相关联。在各种实施例中，操作环境50(所有或其一部分可对应于图1中示出的实体48)进一步包括一个或多个用户装置54，这些用户装置经由通信网络56与自主车辆10和/或远程运输系统52通信。

通信网络56支持由操作环境50支持的装置、系统和部件之间按需求的通信(例如，经由有形通信链路和/或无线通信链路)。例如，通信网络56可包括无线载波系统60，该无线载波系统例如是蜂窝电话系统，该蜂窝电话系统包括多个发射塔(未示出)、一个或多个移动交换中心(msc)(未示出)以及将无线载波系统60与陆地通信系统相连接所需的任何其他联网部件。每个发射塔均包括发送和接收天线以及基站，其中，来自不同发射塔的基站直接地或者经由诸如基站控制器的中间设备连接于msc。无线载波系统60能实施任何合适的通信技术，例如包括诸如cdma(例如，cdma2000)、lte(例如，4glte或5glte)gsm/gprs的数字技术或者其他当前或新兴的无线技术。其他发射塔/基站/msc布置也是可能的并且可用于无线载波系统60。例如，仅仅列举一些可能的布置，基站和发射塔可共同定位在相同部位或者他们可相对于彼此远程地定位，每个基站可用于单个发射塔或者单个基站可服务各个发射塔，或者各个基站可联接于单个msc。

除了包括无线载波系统60以外，可包括呈卫星通信系统64的形式的第二无线载波系统，以提供与自主车辆10a-10n的单向或双向通信。这可使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来进行。单向通信可例如包括卫星无线电服务，其中，节目内容(新闻、音乐等等)由发射站接收、打包上传且然后发送至卫星，该卫星将节目播送至用户。双向通信可例如包括使用卫星来中继车辆10和发射站之间的电话通信的卫星电话技术服务。卫星电话技术可附加于或替代无线载波系统60来使用。

可进一步包括陆地通信系统62，该陆地通信系统是连接于一个或多个路线电话的传统陆基电信网络，并且将无线载波系统60连接于远程运输系统52。例如，陆地通信系统62可包括公共交换电话网络(pstn)，例如用于提供硬接线电话技术、分组交换数据通信以及因特网基础设施的那种。陆地通信系统62的一个或多个区段可通过使用标准有线网络、光纤或其他光学网络、电缆网络、电源线、诸如无线局域网(wlan)的其他无线网络或提供宽带无线接入(bwa)的网络或任何其组合来实施。此外，远远程运输系统52无需经由陆地通信系统62连接，而是可包括无线电话技术设备，以使得其能与诸如无线载波系统60的无线网络直接地通信。

虽然在图2中示出仅仅一个用户装置54，但操作环境50的各实施例能支持任何数量的用户装置54，包括由一个人拥有、操作或以其他方式使用的多个用户装置54。由操作环境50支持的每个用户装置54可使用任何合适的硬件平台来实施。在这点上，用户装置54能以任何共同的规格来实现，包括但不限于：台式计算机；移动计算机(例如，平板电脑、膝上型电脑或上网本)；智能电话；视频游戏装置；数字媒体播放器；家庭娱乐设备的部件；数字照相机或视频照相机；可穿戴计算装置(例如，智能手表、智能眼睛、智能服装)；等等。由操作环境50支持的每个用户装置54实现为计算机实施的或基于计算机的装置，其具有执行这里描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑。例如，用户装置54包括呈可编程装置的形式的微处理器，该微处理器包括一个或多个指令，这些指令存储在内部存储器结构中并且施加以接收二进制输入来产生二进制输出。在一些实施例中，用户装置54包括gps模块，该gps模块能够接收gps卫星信号并且基于那些信号生成gps坐标。在其他实施例中，用户装置54包括蜂窝通信功能性，以使得该装置使用一个或多个蜂窝通信协议经由通信网络56来执行语音和/或数据通信。在各种实施例中，用户装置54包括诸如触摸屏图形显示器的可视显示器或者其他显示器。

远程运输系统52包括一个或多个后端服务器系统(未示出)，这些后端服务器系统可以是云基的、网络基的或者驻存在由远程运输系统52服务的特定校园或地理位置处。远程运输系统52能由现场提示器、自动提示器、人工智能系统或者他们的组合操控。远程运输系统52能与用户装置54和自主车辆10a-10n通信，以规划驾乘、调度自主车辆10a-10n等等。在各种实施例中，远程运输系统52存储账户信息，例如用户授权信息、车辆标识符、简档记录、生物识别数据、行为模式以及其他相关用户信息。在一个实施例中，例如下文进一步详细描述地是，远程运输系统52包括路线数据库53，该路线数据库存储与导航系统路线相关联的信息，包括沿着各种路线的道路的车道标记、以及特定路段是否以及在何种程度上受到施工区域或由一个或多个自主车辆10a-10n检测到的其他可能的危险或障碍所影响。

根据典型的使用情形工作流，远程运输系统52的注册用户会经由用户装置54产生驾乘请求。驾乘请求通常会指示乘客的期望搭乘位置(或当前gps位置)、期望的目的地位置(其可识别预定车辆停靠站和/或用户指定的乘客目的地)以及搭乘时间。远程运输系统52接收驾乘请求、处理该请求并调度自主车辆10a-10n的选定一个(当且如果一个车辆可用时)来在指定的搭乘位置并且在合适的时刻处搭乘乘客。运输系统52还可生成适当构造的确认消息或通知并将其发送至用户装置54，以使得乘客了解车辆正在途中。

例如能意识到的是，这里公开的主题为可被认为是标准或基线自主车辆10和/或基于自主车辆的远程运输系统52提供某些增强特征和功能性。为此，自主车辆和基于自主车辆的远程运输系统可得以修改、增强或以其他方式补充，以提供下文更详细描述的额外特征。

根据各个实施例，控制器34实施如图3中所示的自主驾驶系统(ads)70。也就是说，控制器34的合适软件和/或硬件部件(例如，处理器44和计算机可读存储装置46)用于提供结合车辆10使用的自主驾驶系统70。

在各种实施例中，自主驾驶系统70的指令可通过功能或系统来组织。例如，如图3中所示，自主驾驶系统70可包括传感器融合系统74、定位系统76、引导系统78以及车辆控制系统80。例如能意识到的是，在各种实施例中，指令可组织到任何数量的系统中(例如，组合、进一步划分等等)，因为本发明并非局限于本示例。

在各种实施例中，传感器融合系统74合成并且处理传感器数据，并预测车辆10的环境的对象和特征的存在、位置、分类和/或路径。在各种实施例中，传感器融合系统74能包含来自多个传感器的信息，这些传感器包括但不限于照相机、激光雷达、雷达和/或任何数量的其他类型传感器。

定位系统76处理传感器数据连同其他数据一起，以确定车辆10相对于环境的位置(例如，相对于地图的本地位置、相对于道路的车道的精确位置、车辆航向、速率等等)。引导系统78包括车辆路径控制系统100，以处理传感器数据连同其他数据一起，从而生成横向空间和纵向规划。这些规划融合以产生供车辆10跟随的路径。车辆控制系统80根据所确定的路径来生成用于控制车辆10的控制信号。

在各种实施例中，控制器34实施机器学习技术，以辅助控制器34的功能性，例如特征检测/分类、障碍物减少、路线穿越、测绘、传感器整合、地面真实情况确定等等。

图4以100示出根据各种实施例的车辆路径控制系统。车辆路径控制系统100包括规划系统102、运动规划器系统104以及路径跟随器系统106。车辆路径控制系统100与低级别控制系统108通信，该低级别控制系统例如是车辆控制系统80(图3)的一部分。车辆路径控制系统100通常优化路径规划并且校正可能在规划过程中出现的误差。规划系统102管理路径预规划操作。规划系统102生成针对车辆横向控制考虑(例如，转向控制)的预规划数据103以及针对纵向控制考虑(例如，制动器和节气门控制)的预规划数据103。预规划数据103可包括道路信息、所跟踪物体在车辆环境内的位置/大小等等。来自规划系统102的此种数据103从由车辆传感器系统、数据存储器(例如，地图信息)等提供的数据中得出。

运动规划器系统104将来自规划系统102的预规划数据103用作输入，以优化识别候选车辆路径规划的模型及其满足路径标准的成本105。例如，运动规划器系统104可构造成使用成本模型来生成车辆路径规划，该车辆路径规划表示车辆要在其内操作的可行区域。通过考虑车辆环境内的动态障碍物的位置和避让，可针对最平稳的无碰撞路径而求解成本模型。成本可包括轨迹平稳度、轨迹一致性等等。将产生的理想车辆路径规划和成本105提供给规划系统102。规划系统102基于成本将获胜的车辆路径规划107选择为理想的车辆路径规划。

路径跟随器系统106通过检查实际车辆位置与例如在获胜的车辆路径规划107中识别的理想车辆位置来评估理想的获胜车辆路径规划107。实际车辆位置由定位操作以及迭代最近点算法提供，该定位操作包含基于惯性传感器和车轮编码器的本地测距，而该迭代最近点算法将雷达返回与雷达返回的先前生成地面图相匹配。如果路径跟随器系统106将两个位置之间由于两个位置引起的相当大误差差异超过预定阈值数值，则路径跟随器系统106通过求解将车辆从当前位置带到获胜路径规划107的路径再入规划来对此进行校正。为了实施校正规划，路径跟随器系统106将横向(转向)和纵向(制动器和节气门)指令109提供给低级别控制系统108。低级别控制系统108将横向和纵向指令转换成期望的转向角度和节气门/制动转矩以跟踪规划。

图5说明能与车辆的各种控制单元交互的图4所示低级别控制系统108。这些可包括车辆的电动转向单元120、电动制动器控制模块122以及发动机控制模块124。交互(例如，指令的传输)可经由车辆的总线进行，该总线连接于电动转向单元120、电动制动器控制模块122以及发动机控制模块124。

图6以200示出车辆路径规划的方法，该方法可例如由车辆路径控制系统100执行。在过程框202处，来自规划系统的横向和纵向预规划数据用作向优化模型的输入。更确切地说，在该示例中，成本模型使用横向和纵向预规划数据来计算车辆路径的成本，以评估受车辆路径约束的成本函数。

在过程框204处，基于成本模型的结果来选择获胜车辆路径。本地规划在过程框206处基于横向和纵向路径再入数据生成以调节任何路径误差。本地规划在过程框208处转换成低级别控制指令，以将这些指令通信至车辆控制单元，例如与转向、制动等相关联的那些。

图7示出车辆运动规划器系统104内的部件的示例。车辆运动规划器系统104包括横向预规划器模块304、纵向预规划器模块306以及车辆路径构建器模块316。在该示例中，车辆运动规划器系统104的部件生成空间(横向)规划312和时间(纵向)规划314。空间(横向)规划312包括地图内的期望位置，且时间(纵向)规划314提供路径的期望定时信息。车辆路径构建器316将空间和时间规划312和314一起接合成用于由规划系统102使用的车辆路径。

为了生成规划312和314，横向预规划器模块304和纵向预规划器模块306接收来自规划系统102的输入数据。用于横向预规划器模块304的输入数据包括横向预规划数据(例如在图4中以103参考)，该横向预规划数据可包括来自纵向预规划器306的先前纵向解、道路信息、感知信息(例如，所跟踪物体的位置/大小等)等等。基于输入数据，横向预规划器模块304使用由求解器308提供的成本模型来生成车辆所要在其内操作的可行区域。在该区域内，横向预规划器模块304通过基于先前的纵向规划而考虑动态障碍物的位置来求解最平稳的无碰撞路径。横向预规划器模块304进一步确定车辆在特定时间内(行驶)的距离，以使得横向预规划器模块304可了解在生成特定cte(交叉跟踪误差)带时使用哪个占用电影帧。cte带用于指示可接受的操作区域。cte带以横向离散间隔出现，并且垂直于车道中心。cte带可被认为是车辆工作空间绕车道中心的线性化。下文参考图10来进一步讨论cte带生成。

纵向预规划器模块306接收来自规划系统102的输入(例如在图4中以103参考)以及来自横向预规划器模块304的空间规划，并且求解沿着横向路径的最平稳的无碰撞速度分布。这包含将空间量插值到时间离散化中以及考虑其他要求，例如跟车距离、横向加速度、速度极限等等。作为说明，通过由求解器310提供的成本模型来计算道路曲率和道路收窄影响速度，以使得车辆围绕曲线减速并且当障碍物/物体之间的空间变紧时减速。

如图7中所示，横向和纵向预规划器模块304和306单独地求解横向和纵向问题，以便于在规划生成过程中更计算有效地解决问题。这样，通过模块304和306对横向和纵向问题的计算松散地耦合(例如，间接地耦合)。

在一个实施例中，运动规划器系统104基于新的传感器信息以特定的时间间隔(例如，每100ms)生成空间和时间规划312和314。为了设置初始条件，先前的100ms连同当前规划一起用作用于优化的初始条件。一旦接合，运动规划器系统104在一个实施例中沿着先前的解插值(与使用平稳本地化姿势插值不同)。这允许理想运动车辆的轨迹能受到实际车辆应能够遵循的约束。

横向和纵向预规划器模块304和306为车辆路径构建器模块316提供空间和时间规划312和314。车辆路径构建器模块316将空间规划312(其包含地图内的路径位置)和时间规划314(其包含针对路径的定时信息)之间的信息融合，以创建沿着路径的一系列点。信息的融合通过插值来执行，该插值将横向和纵向信息以一致的时间间隔和/或空间打包在一起，其中每个点具有时间戳和沿着车道的行程。这导致沿着路径的每个点与时间、x位置、y位置、速度、加速度、曲率以及航向相关联，并且创建用作路径跟随器系统106的参考的轨迹。这样，运动规划器系统104的结果与路径跟随器系统106的处理相组合。这有助于确保在存在本地化跳跃、模型误差等等时的平稳性。这也可使得规划器和跟随器/低级别控制之间的验证和测试更为模块化。

图8和9以340和356示出优化的控制建模，其由横向和纵向预规划器模块304和306使用以生成他们的相应规划312和314。通过在未来短期内求解优化控制问题来执行优化。优化例如包括使用凸二次成本函数342和358。凸二次方法包括优化成本函数，其中，成本呈现如下形式：x^t*q*x，其中，x是决策变量的向量，而q是正定加权矩阵。每个变量均具有二次成本，如果q是具有大于或等于元素的对角阵，则该二次成本保持不变。

凸二次成本函数342和358包括例如以352和362指示的仿射约束(线性和常数约束)。仿射约束352和362可具有f<＝a*x+c的形式，其中，f是下限，a是约束矩阵，x是决策变量的向量，而c是常数。这些约束具有数学结构，该数学结构使得优化求解算法能相对于通用函数形式快速地求解。

例如在图8中针对横向预规划器模块304所示，凸二次成本函数342所要优化的成本354可包括平稳度(例如，使得横向抖动最小)，其中，50个点用于横向并且基于速度以0.5-2.5m离散化(25m-150m)。其他成本354可包括车辆中的期望横向放置。

能设置分辨率点，以足以捕获车辆和障碍物的动态。视野也可充分长，以足以在末端(例如，车道中心)附近达到“均衡”状态。关于车道中心的线性化公式可在某些情况中修改，以使得经修改的车道中心可能实际上不是所映射车道的中心。

约束352可包括cte(交叉跟踪误差)约束，例如避开障碍物、避开车道边界(考虑到可能违反某些边界类型，例如，“虚线”边界)等等。其他约束可包括使用先前的纵向解满足汽车的转弯半径(曲率)约束、转向车轮速度以及转向车轮加速度等等。

运动学模型350用于对自主车辆的区域内的物体运动进行建模。运动学模型350可描述物体位置、速度、加速度等等。该信息用于优化成本函数，例如在使得横向抖动最小的方面。运动学模型350可具有以下状态：偏离车道中心；航向；曲率；空间抖动(曲率的空间偏差)；等等。

以下提供对评估横向预规划器模块304的二次成本函数342的说明。规划系统102将输入数据提供给横向预规划器模块304。输入数据可包括来自地图的道路边界，例如虚线边界信息以及实线边界信息。在评估二次成本函数342时，如果需要，可更多地违反虚线边界。模型中的其他输入可包括：中心线(来自地图，包括关于车道的元数据)、速度极限、学校区域/减速带/道路坡度；感知信息(例如，所跟踪物体的位置/大小，规划范围上的物体轨迹预测)；以及停止点(例如，如果红灯亮或者存在停止标记时等等，则停在交叉路口处)。

图9示出纵向预规划器模块306的示例成本364。凸二次成本函数358进行优化的成本364可包括：轨迹的平稳度和一致性；速度和距离跟踪；平衡舒适度和合理的前向加速度分布；车辆的平稳跟车；拐弯的平稳减速；等等。分辨率可包括针对纵向设置24个点，以0.5秒离散化(即，12秒)。能设置分辨率，以足以捕获车辆和其他障碍物的相关动态。视野也可足够长，以足以看到远在我们和障碍物前方的曲率和交叉路口。

二次成本函数358的约束362可包括：

*速度极限，例如：基于横向路径满足横向加速度、转向车轮速度、以及转向车轮加速度的约束；基于cte带(例如，可接受操作区域)被障碍物减小的量的“道路收窄减速”；等等。

*加速度极限，例如基于车辆能力的“硬”极限；基于舒适度的“软”前向加速度极限；等等。

*基于车辆能力的抖动极限。

*满足诸如交叉路口或红灯的“停止线”。

*紧急约束以维持障碍物后面的安全跟随距离。

*软约束以维持障碍物后面的较长跟随距离，其中，通常违反软约束，以使得可能对引导车辆速度中的变化存在“弹性”响应。

运动学模型360生成关于自主车辆的区域内的物体运动的信息。该信息用于例如相对于加速度极限来优化二次成本函数358。运动学模型360可具有以下状态：行程(例如，沿着横向路径的弧长)；速度；加速度；抖动；等等。

图10以500示出与cte(“交叉跟踪误差”)带生成相关联的横向预处理操作。例如相对于图7讨论的是，cte(交叉跟踪误差)带用作横向预规划器模块的操作的一部分。cte带用于指示车辆操作的可接受区域。cte带基于车道中心和车道边界生成，并且在视觉上类似于火车轨道。这些以横向离散化间隔产生并且垂直于车道中心绘制。cte带可被认为是车辆工作空间绕车道中心的线性化。

参考图10，cte带在过程框502处通过相对于车道中心创建向外延伸至车道边界的垂直线。每个cte带在过程框504处从一个车道边界到另一个车道边界横向地分成一组多个点(例如，50个点)。在过程框506处，cte带根据自主车辆可以安全驾驶的区域而缩小。过程框508确定自主车辆在特定时间内预期(行驶)的距离。这通过使用先前的纵向解来执行。

过程框510发现沿着所述cte带在特定时间内所预测的障碍物位置。在过程框512处，cte带生成，以使得cte带表示自主车辆的后车轴能在没有所预测障碍物的情形下驾驶的位置。cte带上的任何点指示车辆形多边形(在后车轴处对中)没有碰撞。

图11以600示出用于沿着由横向预规划器模块提供的横向路径确定最平稳的无碰撞速度分布的纵向预处理操作。过程框602使用先前的纵向规划以及最近求解的横向规划，来将空间量插值到时间离散化中。这在过程框604处通过基于自主车辆到达空间中每个位置的预期时间而将道路曲率和道路收窄转换成时间。

过程框606通过查询物体在那时所预测的纵向规划范围中的每个步骤来识别沿着路径的障碍物。这通过沿着横向路径向前横穿来确定，直到识别碰撞为止。

过程框608在考虑其他约束(例如，跟车距离、横向加速度、速度极限等等)的情形下求解沿着横向路径的最平稳无碰撞速度分布。在该示例中，使用“内部迭代”来执行对速度分布的求解，其允许将空间量收敛到时间离散化中，例如过程框610所指示的那样。内部迭代包含一系列“纵向预处理”和然后的“纵向求解”，其重复直到空间量收敛为止。更确切地说，纵向预处理在第一次内部迭代中使用先前步骤的纵向解，并使用在后续交互中获得的先前迭代纵向解。纵向求解提供新的纵向解来用于预处理步骤的下个迭代。重复该过程(例如，高达3次)以允许收敛。

图12以106示出路径跟随器系统。路径跟随器系统106沿着规划将实际生活(例如，平稳本地姿势)与理想车辆位置(例如，“幽灵姿势”)相连接。如果定位系统702跳跃或者低级别控制系统108具有误差，则路径跟随器系统106通过求解从当前位置至实际规划的运动学可行再入规划来对此进行校正。

类似于运动规划器系统104，路径跟随器系统106也解耦成以712和716指示的纵向和横向处理，各个处理被表述为以714和718指示的二次优化问题。路径跟随器系统106以作为平稳本地姿势的频率的50hz运行。处理问题来自定位并且用于确定横向和纵向再入误差。

样条库710接收来自规划系统102、定位系统702以及里程计704的输入数据，以确定横向再入误差和纵向再入误差两者。样条库710通过计算沿着样条路径的距车辆当前位置的最近点来实现这一点。该点基于车辆的当前航向分解成横向和纵向分量。还可使用替代的插值方法(除了样条以外)。

横向再入规划器模块712使用空间离散优化以校正横向再入误差。优化确定最佳曲率、航向和cte轨迹以遵循细长车辆路径。横向再入规划器模块712使用与上文描述的横向预规划器模块类似的运动学模型以及类似的曲率约束(但以略微更“开放”或容许的水平)。

纵向再入规划器模块716使用时间离散优化以校正纵向再入误差。优化确定最佳加速度/速度/行驶轨迹以遵循车辆路径。纵向再入规划器模块716使用与上文描述的纵向预规划器模块类似的运动学模型以及类似的加速度和抖动约束(但以略微更“开放”或容许的水平)。

来自纵向和横向再入规划器模块712和716的解然后组合在一起，以在720处生成本地规划，该本地规划用作用于低级别控制系统108的参考。本地规划可包含时间、位置(x、y)、速度、加速度、航向、曲率以及曲率导数。

图13和14示出低级别控制系统108的部件。参考图13，低级别控制系统108求解期望的转向角度和节气门/制动转矩，以跟踪在720处生成的给定本地规划。低级别控制系统108以100hz运行。在低级别控制系统108内，横向控制器802采取本地规划并且求解期望的曲率。横向控制器802映射到转向角度，以用于控制电动转向120。

纵向控制器804使用pid(比例-积分-微分)以及下文参考图14描述的前馈方法求解期望的节气门或制动转矩。电动制动器控制模块122在其控制操作中使用所求解的期望制动转矩数据。发动机控制模块124以类似的方式使用所求解的期望节气门数值。纵向控制器804通过沿着本地规划向前看预期延迟量而考虑致动器延迟。纵向控制器804使用pid和例如图14中示出的前馈方法求解期望的节气门或制动转矩。

图14示出用于低级别控制系统108的纵向控制器804的控制系统。纵向控制器804接收参考速度和来自里程计704的速度评估，以求解期望的加速度。来自里程计704的数据基于来自车辆的imu(例如包含陀螺仪和加速度计的惯性测量单元)和车轮编码器的测量值。这些提供对于姿态(例如，横摇、纵倾以及侧倾)、速度、加速度等等的非线性状态评估。

控制系统具有关于速度误差的控制环路902(例如，比例-积分-微分(pid)环路)加上前馈项900，该前馈项考虑本地规划中的先行加速度以及来自里程计704的纵倾。期望加速度然后由模型904转换成用于车辆906的特定接口的期望输入。例如，用于特定车辆模型类型的输入可以是节气门或制动转矩，其使用模型基于车辆的车轮直径和质量而转换。针对不同的车辆模型类型，输入可以是制动器和节气门踏板位置的百分比，其由模型904从期望的加速度转换。针对模型904的额外参数包括车辆质量、车轮半径、传动系的集中惯性、空气动力学阻力项、滚动阻力项、在转弯时由于轮胎打滑引起的阻力等等。

由模型904生成的指令经由车辆的总线发送至推进和制动器控制单元。控制单元调节电机电流、再生制动负载以及摩擦制动器卡钳压力，以使得车辆906能遵循正确的所计算车辆路径。

规划系统102管理路径预规划操作。规划系统102生成针对车辆横向控制考虑(例如，转向控制)的预规划数据103以及针对纵向控制考虑(例如，制动器和节气门控制)的预规划数据103。预规划数据103可包括道路信息、所跟踪物体在车辆环境内的位置/大小等等。来自规划系统102的此种数据103从由车辆传感器系统、数据存储器(例如，地图信息)等提供的数据中得出。

例如相对于图4讨论的是，规划系统102管理路径预规划操作。规划系统102生成针对车辆横向控制考虑(例如，转向控制)的预规划数据103以及针对纵向控制考虑(例如，制动器和节气门控制)的预规划数据103。预规划数据103从由车辆传感器系统提供的数据中得出。图15以950示出用于示例性自主车辆952的车辆传感器系统的示例。以950指示的车辆传感器系统包括绕车辆952分布的多个雷达装置954a、绕车辆952分布的多个照相机954b以及绕车辆952分布的多个激光雷达装置954c。车辆的传感器系统28内的传感器的此种组合获得用于环境和物体检测和分析的信息。可使用许多不同类型的传感器构造，例如如图15中所示。

雷达装置954a设置在车辆952的不同位置处，而在一个实施例中绕车辆952的纵向轴线对称地设置以实现视差。每个雷达装置954a可包括或包含适当地构造成水平地且旋转地扫描环境的部件，以生成由其他系统消耗的雷达数据。

照相机954b也设置在不同位置处，并且定向成提供不同的视域，这些视域捕获车辆952附近的周围环境的不同部分。例如，第一照相机954b定位在车辆952的左前(或驾驶员)侧并且使得其视域沿前向方向相对于车辆952的纵向轴线以45°逆时针定向，而另一照相机954b可定位在车辆952的右前(或乘客)侧，并且使得其视域相对于车辆952的纵向轴线以顺时针45°定向。额外的照相机954b定位在车辆952的左后侧和右后侧处，并且相对于车辆纵向轴线以45°远离纵向轴线类似地定向，以及照相机954b定位在车辆952的左侧和右侧上并且垂直于车辆纵向轴线而远离纵向轴线定向。所说明的实施例还包括成对照相机954b，该成对照相机定位在车辆纵向轴线处或附近，并且定向成沿着基本上平行于车辆纵向轴线的视线捕获前视视域。

在示例性实施例中，照相机954b所具有的视角、焦距以及其他属性不同于一个或多个其他照相机954b的那些属性。例如，在车辆的右侧和左侧上的照相机954b所具有的视角可大于与定位在车辆的左前方、右前方、左后方或右后方处的照相机954b相关联的视角。在一些实施例中，选择照相机954b的视角，以使得不同照相机954b的视域至少部分地交迭，以确保照相机在相对于车辆952的特定位置或定向处覆盖。

激光雷达装置954c也设置在车辆952的不同位置处，而在一个实施例中绕车辆952的纵向轴线对称地设置以实现视差。每个激光雷达装置954c可包括或包含一个或多个激光器、扫描部件、光学结构、光电探测器以及适当地构造成以特定角频率或旋转速度水平地且旋转地扫描车辆952附近环境的其他部件。例如，在一个实施例中，每个激光雷达装置954c均构造成以10赫兹(hz)的频率水平地旋转并且扫描360°。如这里使用地是，激光雷达扫描应理解为指代激光雷达装置954c的单次旋转。

在这里描述的示例性实施例中，照相机954b捕获图像的频率或速率大于激光雷达装置954c的角频率。例如，在一个实施例中，照相机954b以30hz的速率捕获与新图像数据的响应视域相对应的新图像数据。因此，每个照相机954b可在每次激光雷达扫描时捕获多个图像，并且在不同时间捕获图像，而与激光雷达装置954c的定向或扫描内的角位置无关。因此，这里描述的主题选择或以其他方式识别每个相应照相机954b的图像，该图像基于由相应照相机954b相对于采样时间捕获的图像的时间戳而在时间上与来自特定激光雷达扫描的激光雷达点云数据相关联，激光雷达扫描的角位置在该采样时间处与激光雷达装置954c的视线相对应，该激光雷达装置基本上平行于相应照相机954b的视角的平分线(或视线)对准。

自主车辆952使用来自这些不同类型传感器的信息，以跟踪在车辆附近物体的三维位置和几何形状。在一个示例性实施例中，自主车辆952可生成或使用此种跟踪，例如物体的三维位置、物体距车辆的距离/深度、物体的尺寸和形状、物体的速度等等，用于确定车辆的路径。

虽然在前文详细描述中已呈现了至少一个示例性实施例，但应意识到的是存在各种各样变型。还应意识到的是，示例性实施例或多个示例性实施例仅仅是示例，但并不旨在以任何方式限制本发明的范围、可适用性或构造。而是，前文详细描述会为本领域技术人员提供用于实施示例性实施例或多个示例性实施例的便利指引图。应理解的是，可对元件的功能和结构做出各种改变，而不会偏离在所附权利要求及其法律等同物中阐述的本发明范围。