不同横向加速度约束下的最优纵向轨迹生成制造技术

在一个实施方式中，公开了用于为自动驾驶车辆(ADV)规划轨迹的方法、设备和系统。所述方法包括：接收多个优化输入，该多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆(ADV)起始状态、道路形状函数、最大急动度和最大横向加速度；接收多个优化约束，该多个优化约束包括与最大急动度和最大横向加速度有关的约束；接收与优化目标相关联的成本函数，该成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；利用非线性优化生成多个规划的ADV状态作为优化结果，其中，该优化结果使成本函数的值最小化；以及基于多个规划的ADV状态生成控制ADV的控制信号。

Generation of optimal longitudinal trajectory with different lateral acceleration constraints

【技术实现步骤摘要】
不同横向加速度约束下的最优纵向轨迹生成
本公开的实施方式总体涉及自动车辆。更具体地，本公开的实施方式涉及在横向加速度约束下规划纵向轨迹。
技术介绍
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。运动规划和控制是自动驾驶中的关键。纵向轨迹是指定自动车辆沿道路/车道中心线的运动的轨迹。纵向轨迹生成对于例如自适应巡航控制系统的许多自动驾驶系统非常重要。这些自动驾驶系统通常处理车道内的驾驶场景，例如，巡航至目标速度、跟随引导车辆或在同一车道中的目标点处停下。在轨迹生成过程中必须考虑几个常见因素，例如安全性、舒适性、时间效率，使得轨迹生成成为难题。具体地，考虑到道路/车道的形状，自动驾驶车辆必须在弯道处减低速度以进行安全和舒适的行驶，并且在相对直的路段加速至期望的速度以节省时间。
技术实现思路
本申请一方面提供了一种计算机实施的方法，包括：接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；利用非线性优化生成多个规划的自动驾驶车辆状态作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。根据本申请实施方式，利用包括纵向维度和横向维度的SL坐标系，其中，所述纵向维度沿着参考线的切线方向，以及其中，所述横向维度垂直于所述纵向维度。根据本申请实施方式，所述自动驾驶车辆起始状态和所述多个规划的自动驾驶车辆状态中的每个状态均包括纵向姿态、纵向速度和纵向加速度。根据本申请实施方式，所述道路形状函数包括四次螺旋曲线的序列。根据本申请实施方式，所述成本函数还包括与所述第一项相关联的第一权重、与所述第二项相关联的第二权重，与所述第三项相关联的第三权重以及与所述第四项相关联的第四权重。根据本申请实施方式，所述多个规划的自动驾驶车辆状态对应于位于规划起始时间与规划结束时间之间的、由所述时间离散分辨率间隔开的时刻，以及其中，所述规划结束时间比所述规划起始时间晚所述轨迹时长。根据本申请实施方式，所述多个优化输入还包括目标自动驾驶车辆最终状态。本申请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：接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；利用非线性优化生成多个规划的自动驾驶车辆状态，作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。根据本申请实施方式，利用包括纵向维度和横向维度的SL坐标系，其中，所述纵向维度沿着参考线的切线方向，以及其中，所述横向维度垂直于所述纵向维度。根据本申请实施方式，所述自动驾驶车辆起始状态和所述多个规划的自动驾驶车辆状态中的每个状态均包括纵向姿态、纵向速度和纵向加速度。根据本申请实施方式，所述道路形状函数包括四次螺旋曲线的序列。根据本申请实施方式，所述成本函数还包括与所述第一项相关联的第一权重、与所述第二项相关联的第二权重，与所述第三项相关联的第三权重以及与所述第四项相关联的第四权重。根据本申请实施方式，所述多个规划的自动驾驶车辆状态对应于位于规划起始时间与规划结束时间之间的、由所述时间离散分辨率间隔开的时刻，以及其中，所述规划结束时间比所述规划起始时间晚所述轨迹时长。根据本申请实施方式，所述多个优化输入还包括目标自动驾驶车辆最终状态。本申请又一方面提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接至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以下操作，所述操作包括：接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；利用非线性优化生成多个规划的自动驾驶车辆状态，作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。根据本申请实施方式，利用包括纵向维度和横向维度的SL坐标系，其中，所述纵向维度沿着参考线的切线方向，以及其中，所述横向维度垂直于所述纵向维度。根据本申请实施方式，所述自动驾驶车辆起始状态和所述多个规划的自动驾驶车辆状态中的每个状态均包括纵向姿态、纵向速度和纵向加速度。根据本申请实施方式，所述道路形状函数包括四次螺旋曲线的序列。根据本申请实施方式，所述成本函数还包括与所述第一项相关联的第一权重、与所述第二项相关联的第二权重，与所述第三项相关联的第三权重以及与所述第四项相关联的第四权重。根据本申请实施方式，所述多个规划的自动驾驶车辆状态对应于位于规划起始时间与规划结束时间之间的、由所述时间离散分辨率间隔开的时刻，以及其中，所述规划结束时间比所述规划起始时间晚所述轨迹时长。根据本申请实施方式，所述多个优化输入还包括目标自动驾驶车辆最终状态。附图说明本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标记指示相似元件。图1是示出根据一个实施方式的网络化系统的框图。图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。图3A至图3B是示出根据一个实施方式的与自动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式的在XY平面下的SL坐标系下的车辆姿态的图示。图5是示出根据一个实施方式的优化过程中涉及的各种示例性部件的框图。图6是示出根据一个实施方式的用于规划ADV处的最优轨迹的示例性方法的流程图。图7是示出根据一个实施方式的数据处理系统的框图。具体实施方式将参本文档来自技高网...

【技术保护点】
1.一种计算机实施的方法，包括：/n接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；/n接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；/n接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；/n利用非线性优化生成多个规划的自动驾驶车辆状态作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及/n基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。/n

【技术特征摘要】
20181015 US 16/160,1991.一种计算机实施的方法，包括：
接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；
接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；
接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；
利用非线性优化生成多个规划的自动驾驶车辆状态作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及
基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。


2.根据权利要求1所述的方法，其中，利用包括纵向维度和横向维度的SL坐标系，其中，所述纵向维度沿着参考线的切线方向，以及其中，所述横向维度垂直于所述纵向维度。


3.根据权利要求2所述的方法，其中，所述自动驾驶车辆起始状态和所述多个规划的自动驾驶车辆状态中的每个状态均包括纵向姿态、纵向速度和纵向加速度。


4.根据权利要求2所述的方法，其中，所述道路形状函数包括四次螺旋曲线的序列。


5.根据权利要求2所述的方法，其中，所述成本函数还包括与所述第一项相关联的第一权重、与所述第二项相关联的第二权重，与所述第三项相关联的第三权重以及与所述第四项相关联的第四权重。


6.根据权利要求2所述的方法，其中，所述多个规划的自动驾驶车辆状态对应于位于规划起始时间与规划结束时间之间的、由所述时间离散分辨率间隔开的时刻，以及其中，所述规划结束时间比所述规划起始时间晚所述轨迹时长。


7.根据权利要求2所述的方法，其中，所述多个优化输入还包括目标自动驾驶车辆最终状态。


8.一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：
接收多个优化输入，所述多个优化输入包括轨迹时长、时间离散分辨率、自动驾驶车辆起始状态、道路形状函数、最大急动度和最大横向加速度；
接收多个优化约束，所述多个优化约束包括与所述最大急动度和所述最大横向加速度有关的约束；
接收与优化目标相关联的成本函数，所述成本函数包括与累积急动度有关的第一项、与最终纵向位置有关的第二项、与最终纵向速度有关的第三项以及与最终纵向加速度有关的第四项；
利用非线性优化生成多个规划的自动驾驶车辆状态，作为优化结果，其中，所述优化结果使所述成本函数的值最小化；以及
基于所述多个规划的自动驾驶车辆状态生成控制所述自动驾驶车辆的控制信号。


9.根据权利要求8所述的非暂时性机器可读介质，其中，利用包括纵向维度和横向维度的SL坐标系，其中，所述纵向维度沿着参考线的切线方向，以及其中，所述横向维度垂直于所述纵向维度。


10.根据权利要求9所述的非暂时性机器...

【专利技术属性】
技术研发人员：张雅嘉，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：美国;US