自动驾驶车辆运动规划和可重新配置的运动规划处理器制造技术

一种用于自动驾驶车辆的运动规划的系统，该系统包括多个传感器，与多个传感器电通信的多个检测器，以及与多个检测器和自动驾驶车辆的计算系统电通信的运动规划模块。运动规划模块存储一规划图，其中每个节点隐式地或显示地表示时间和变量，所述时间和变量定义自动驾驶车辆的一状态和/或一操作环境。可重新配置的处理器可包括碰撞检测模块和，可选的一最短路径模块。可在编程阶段将预先计算的碰撞数据和反应逻辑/物理节点映射的规划图数据传送至处理器，同时可在运行期间使用该预先计算的碰撞数据和规划图数据。

Motion Planning and Reconfigurable Motion Planning Processor for Automated Vehicles

A motion planning system for automatic driving vehicles includes multiple sensors, multiple detectors communicating electronically with multiple sensors, and motion planning module communicating electronically with multiple detectors and computing systems of automatic driving vehicles. The motion planning module stores a plan graph in which each node implicitly or explicitly represents time and variables that define a state and/or an operating environment of an autonomous vehicle. The reconfigurable processor may include a collision detection module and an optional shortest path module. Pre-computed collision data and response logic/physical node mapping planning data can be transmitted to the processor at the programming stage, and the pre-computed collision data and planning data can be used during operation.

【技术实现步骤摘要】
【国外来华专利技术】自动驾驶车辆运动规划和可重新配置的运动规划处理器相关申请的交叉引用本申请要求于2016年6月10日提交的美国临时申请序列号No.62/348,230和于2017年1月30日提交的美国临时申请序列号No.62/451,816的优先权，其全部内容，包括所有附图、表格和图形，均通过引用并入本文。
技术介绍
运动规划是确定机器人如何在真实世界操作的一个过程。它是在机器人的起始位置到目标状态之间找到一条无碰撞路径。例如，机器人可能想要移动其手臂来抓取想要的物体，而不与其自身或任何其它物体产生碰撞。执行运动规划以驾驭和操纵物体的能力对应对那些不受严格控制或设计复杂的自然环境而言是至关重要的。机器人首先感知其周围的物理世界的信息，然后计算机确定如何控制物理机器人，使得机器人可在感知的环境中自如行走。对于包括自动驾驶车辆在内的许多技术而言，高速和低功率的运动规划是一项重要且具有挑战性的任务。自动驾驶车辆面临的挑战包括避免与静态(例如，道路上留下的吊杆或东西)和动态(例如，骑自行车者、行人或其它车辆)障碍物碰撞的能力，高频率重新计划的能力以及处理动态障碍物会如何移动等不确定性问题的能力。在许多情况下，机器人(包括自动驾驶车辆)的主要限制因素是它们能否在有障碍物的环境中进行实时运动规划。运动规划算法往往是计算密集型的，需要对每个运动进行大量的碰撞检查。
技术实现思路
提供了用于自动驾驶车辆的专用机器人运动规划硬件。除了用于自动车辆和其他机器人的运动规划的系统和设备之外，还描述了一种可重新配置的处理器，其可以实现用于自动车辆和其他机器人的各种专用机器人运动规划硬件。可重新配置的处理器可以执行特定机器人和/或特定场景的运动规划，然后被重新配置以解决不同机器人和/或场景的运动规划。所述专用机器人运动规划硬件可以完全在硬件电路，或硬件处理器执行的软件中，或硬件电路和由硬件处理器执行的软件的结合中，执行碰撞检测和/或找到最短路径的运动规划操作。可以认为硬件和/或软件功能由“运动规划模块”体现。用于自主车辆的运动规划的系统可包括多个传感器，与多个传感器电通信的多个检测器，以及与多个检测器电通信的运动规划模块和自动驾驶车辆的计算系统。运动规划模块存储规划图，其中每个节点隐式地或明确地表示时间和变量，所述时间和变量定义自动驾驶车辆的状态和/或操作环境。运动规划模块从多个检测器接收感知数据和样本轨迹，调整沿着规划图中的每个边缘的碰撞概率以解释所述样本轨迹，其中碰撞概率导致与感知数据中的障碍物碰撞，以及确定一条考虑到成本和碰撞概率的路径，并将该路径输出至计算系统。多个检测器可包括物体检测器和障碍物跟踪器。可以包括成本网格，成本网格从物体检测器接收由体素流给出的障碍物位置，并为每个体素分配一个成本修饰器，然后将成本修饰器发送给运动规划模块。运动规划模块可以包括硬件处理器和存储器。内存存储器可以存储在实时运动规划之前离线生成的规划图，例如网格或其他概率道路图。在一些情况下，运动规划模块包括用于执行并行碰撞检测的硬件碰撞检测单元。在一些情况下，运动规划模块包括可重配置的碰撞检测加速度。预先计算的碰撞数据可以存储在运动规划模块的存储器中，使得在运动规划期间，当接收到感知数据时，运动规划模块的硬件处理器将感知数据与存储在存储器中的预先计算的碰撞数据进行比较以确定碰撞。在即时操作期间，可以为规划图的边缘分配一个或多个变量的信息。一个变量可以是成本，第二个变量可以是风险。可以从与环境中的物体检测(静态和可选地具有可计算轨迹的运动物体)相关联的成本网格中获得成本信息。可以通过对物体跟踪器的输出进行采样来获得风险信息。然后，运动规划模块生成考虑了成本和风险的路径，表示合法的运动规划，并输出该运动规划，使得机器人可以根据运动规划实现运动。运动规划模块可以编程用于各种机器人和预期的任务场景。可以针对不同的机器人重新使用、重新编程运动规划模块(即，可重新配置的)或者可以针对特定机器人设计运动规划模块。机器人的一种类型可以为自动驾驶车辆。提供本
技术实现思路
是为了以简化的形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本
技术实现思路
不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在限制所要求保护的主题的范围。附图说明图1示出了在一般静态环境中的运动规划问题的示例图示。图2示出了用于自动驾驶车辆的运动规划的实时系统的示例。图3示出了根据本专利技术某些实施例的运动规划模块的示例架构。图4示出了用于单个运动的示例，可重新配置的碰撞检测架构。图5示出了使用框而不是体素的策略的示例碰撞检测架构。图6A-6D示出了PRM中单个运动的扫描体积的表示如何随表示策略而变化。图6A示出了实际的扫描体积。图6B包括用于运动的所有单独体素。图6C示出了使用87个框而不是单个体素描述的相同扫描体素。图6D示出了在允许增加10％的体积的情况下，仅由38个框覆盖的体积。图7示出了用于示例实现的BellmanFord计算单元的基本微体系结构布局。图8示出了用于示例实现的片上网络的示例路由器微体系结构。图9示出了用于示例实现的互连网络的平面图。图10示出了在5,000个采样环境中模拟的两种尺寸的路线图在不同时间完成的概率。图11A示出了碰撞检查延迟数量与路线图中的边缘数量的关系图。图11B示出了最短路径搜索延迟与路线图中的边缘数量的关系图图12示出了硬件预算与表示的体积增加之间产生平衡的可视化。具体实施方式提供了用于自动驾驶车辆的专用机器人运动规划硬件。用于自动驾驶车辆的机器人运动规划硬件涉及风险感知机器人运动规划。除了用于自动驾驶车辆和其他机器人的运动规划的系统和设备之外，还描述了一种可重新配置的处理器，其可以实现用于自动驾驶车辆和其他机器人的各种专用机器人运动规划硬件。可重新配置的处理器可以执行特定机器人和/或场景的运动规划，然后可对可重新配置的处理器进行重构以解决不同机器人和/或场景的运动规划。如本文所用，“场景”是指一类环境，例如“其上具有物体的桌子”或“其上具有物体的书架”。场景包括障碍物数量及其位置、大小和形状的分布。场景还包括机器人起始姿势和具有各种机器人部件位置的目标姿势的分布。在任何特定时间，机器人需要为从一个场景中抽取的一个任务执行运动规划。例如，如果场景是“其上有物体的3英尺高的桌子”-给出了障碍物数量、障碍物位置、障碍物大小/形状以及机器人开始姿势和目标姿势的分布–预计机器人不需要具备将其臂移动到桌子下面的能力。作为另一个示例，在许多场景中，机器人不太可能需要能够将其臂移动到其自身后面。这种场景的先验知识可以节省资源(并给予更多硬件)来解决预期的运动规划问题。如果在给定环境中可能有多个场景，则可以使用一个合成场景，该合成场景实际上是可能场景的合并，或者当场景变化时可重新配置该机器人运动规划硬件。如本文所用，“车辆”是指可以在地面上，在水上或水中，在天空中或其任何组合中行进的任何移动机器。地面车辆的示例包括火车、公共汽车、小汽车、卡车、摩托车和轻便摩托车。水上交通工具的示例包括潜水艇、船只和休闲船只。空中运载工具的示例包括无人机、飞机、直升机和四旋翼飞行器。只要车辆具有动力并且可以自主控制，地面车辆、水上交通工具和空中运载工具都被认为在“车辆”的范围内。自动驾驶车辆是本文档来自技高网...

【技术保护点】
1.一种用于自动驾驶车辆的运动规划的系统，其特征在于，所述系统包括：多个传感器；多个检测器，其与所述多个传感器电通信；以及一运动规划模块，其与所述多个检测器电通信，还与自动驾驶车辆的一计算系统电通信，其中所述运动规划模块存储一规划图，所述规划图包括多个由边缘连接的节点，其中每个节点隐式地或明确地表示时间和变量，所述时间和变量定义所述自动驾驶车辆的一状态和/或一操作环境。

【技术特征摘要】
【国外来华专利技术】2016.06.10 US 62/348,230;2017.01.30 US 62/451,8161.一种用于自动驾驶车辆的运动规划的系统，其特征在于，所述系统包括：多个传感器；多个检测器，其与所述多个传感器电通信；以及一运动规划模块，其与所述多个检测器电通信，还与自动驾驶车辆的一计算系统电通信，其中所述运动规划模块存储一规划图，所述规划图包括多个由边缘连接的节点，其中每个节点隐式地或明确地表示时间和变量，所述时间和变量定义所述自动驾驶车辆的一状态和/或一操作环境。2.根据权利要求1中所述的系统，其特征在于，所述运动规划模块从所述多个检测器接收感知数据和样本轨迹，调整沿着所述规划图中的每个边缘的碰撞概率以解释所述样本轨迹，其中所述边缘导致与所述感知数据中的障碍物碰撞，以及确定一条考虑到成本和碰撞概率的路径，并将所述路径输出至所述计算系统。3.根据权利要求2所述的系统，其特征在于，所述多个检测器包括一物体跟踪器，所述物体跟踪器识别所述环境中的动态物体并输出所述动态物体的未来轨迹的概率分布，以供所述运动规划模块采样。4.根据权利要求2所述的系统，其特征在于，所述多个检测器包括一物体检测器，所述物体检测器生成感知数据，所述感知数据包括表示环境中的识别物体的障碍物的体素。5.根据权利要求4所述的系统，其特征在于，还包括成本网格，所述成本网格从所述物体检测器接收障碍物的体素，为每个体素分配一成本修改器，并将所述体素和分配的成本修改器输出到所述运动规划模块。6.根据权利要求1所述的系统，其特征在于，所述运动规划模块包括硬件处理器、存储器和表示所述规划图的边缘的碰撞检测单元。7.根据权利要求1所述的系统，其特征在于，所述运动规划模块包括一可重新配置的架构。8.根据权利要求1至5中任一项所述的系统，其特征在于，所述运动规划模块包括：一硬件处理器；一存储器，其中所述规划图存储在所述存储器中；以及存储在所述存储器中的预先计算的碰撞数据，使得在运行期间，当接收到感知数据时，所述硬件处理器将所述感知数据与存储在所述存储器中的预先计算的碰撞数据进行比较以确定碰撞。9.根据权利要求8所述的系统，其特征在于，利用新车辆或新场景的新预先计算的碰撞数据来更新所述预先计算的碰撞数据。10.一种运动规划设备，其特征在于，包括：一硬件处理器；存储器；和存储在所述存储器中的一规划图，所述规划图包括多个由边缘连接的节点，其中每个节点隐式地或明确地表示时间和变量，所述时间和变量定义一机器人的一状态和/或一操作环境。11.根据权利要求10所述的运动规划设备，其特征在于，所述规划图包括与所述边缘相关联地存储的至少一个通道。12.根据权利要求12所述的运动规划设备，其特征在于，所述至少一个通道包括成本。13.根据权利要求10或12所述的运动规划设备，其特征在于，所述至少一个通道包括风险。14.根据权利要求10所述的运动规划设备，其特征在于，所述硬件处理器接收表示环境中的识别的物体的障碍物的体素和表示所述环境中的识别的动态物体的障碍物的样本轨迹；调整沿着所述规划图中的每个边缘的碰撞概率以解释所述样本轨迹，其中所述边缘导致与障碍物的体素碰撞；以及确定一条考虑到成本和碰撞概率的路径。15.根据权利要求14所述的运动规划设备，其特征在于，还包括碰撞检测单元，所述碰撞检测单元识别所述障碍物的体素与所述规划图的边缘之间的碰撞。16.一种为自动驾驶车辆执行运动规划的方法，其特征在于，包括：接收表示环境中的...

【专利技术属性】
技术研发人员：丹尼尔·J·索林，乔治·D·康尼达里斯，威廉姆·弗洛伊德琼斯，肖恩·默里，
申请(专利权)人：杜克大学，
类型：发明
国别省市：美国,US