用于规划机动车辆的路径和/或轨迹的设备制造技术

本发明专利技术涉及一种用于规划机动车辆(4)的路径和/或轨迹的设备(2)，该设备包括用于接收输入变量序列的模块(6)、以及用于根据所接收的输入变量序列确定与该路径和/或该轨迹相对应的控制律的硬件和软件装置。该设备(2)包括呈紧凑表示集合的形式的时间分类装置(8)。

【技术实现步骤摘要】
【国外来华专利技术】用于规划机动车辆的路径和/或轨迹的设备
本申请涉及用于规划机动车辆的路径和/或轨迹的设备和方法、以及用于实施这种方法的计算机程序的领域。
技术介绍
目前，机动车辆配备有性能水平不断提高的高级驾驶辅助设备。高级驾驶辅助设备旨在允许机动车辆的自主驾驶，即，在没有驾驶员的干预下进行驾驶。特别地，高级驾驶辅助设备可以用于规划机动车辆的路径和/或轨迹。在本申请中，术语“规划”及其派生词将按照它们在高级驾驶辅助设备领域中的通常定义进行解释，即意思是路径或轨迹的规划表示机动车辆未来的一系列状态(位置、速度、加速度)对应于从一个状态到另一期望状态的路径或轨迹。在本申请中，车辆的路径将被理解为与车辆在出发点与到达点之间的行进相对应的几何形状。车辆的轨迹将被理解为车辆在出发点与到达点之间的位置随时间的变化。用于规划机动车辆的路径和/或轨迹的方法的已知示例特别地包括通过求解基于一阶拉格朗日力学方程建模的最优控制问题来进行规划的方法。用于生成路径和/或轨迹的方法通常旨在找到车辆乘员的舒适度与安全之间的良好折衷。可以在M.Werling、J.Ziegler、S.Kammel和S.Thrun的论文“OptimaltrajectorygenerationfordynamicstreetscenariosinaFrenétframe,IEEEInternationalConferenceonRoboticsandAutomation[在Frenét坐标系中针对动态街道场景的最优轨迹生成，IEEE机器人与自动化国际会议]”[1]中找到一种用于生成轨迹的方法的示例(下文称为“Werling方法”)。Werling方法涉及用于求解最优控制问题的间接方法。根据此方法，选择一些输入参数，通过仅考虑所选的输入参数来部分地求解最优控制问题，并且使用未被选择的输入参数和所选的输入参数对解进行后验验证。然而，使用间接方法由于要考虑大量的输入参数而缺少鲁棒性。而且，防撞约束是后验验证的事实可能导致最终由于碰撞风险而拒绝对大量路径和/或轨迹的规划，使得许多资源被用于大量的被拒绝计算。在T.Mercy、W.VanLoock、G.Pipeleers和J.Swevers的论文“Time-optimalmotionplanninginthepresenceofmovingobstacles[在存在移动障碍物的情况下的时间最优运动规划]”[2]中描述了轨迹规划方法的另一个示例(下文称为“Mercy方法”)。该示例使用直接方法来求解最优控制问题。根据直接方法，在求解该问题时考虑了所有约束。因此，本专利技术更接近于Mercy方法而不是Werling方法。然而，与Mercy方法相关联的算法的复杂度使得不可能将其结合到机动车辆的车载设备中。路径和/或轨迹规划方法的其他示例包括势场方法，在势场方法中，每个障碍物都会产生倾向于阻止车辆接近它的反重力场。然而，这种方法存在陷入局部最小值的风险，并且因此可能无法生成针对路径和/或轨迹规划问题的最佳解。
技术实现思路
鉴于以上内容，本专利技术的目的是使得能够规划机动车辆的路径和/或轨迹，同时克服上述缺点。更具体地，本专利技术提出使得能够实施足够鲁棒的路径和/或轨迹生成，同时降低计算复杂度。出于此目的，提出了一种用于规划机动车辆的路径和/或轨迹的设备，该设备包括用于接收一系列输入变量的模块、以及用于根据所接收的一系列输入变量确定与该路径和/或该轨迹相对应的控制律的硬件和软件装置。根据其一般特性之一，该设备包括呈紧凑表示集合的形式的时间分类装置。通过使用时间分类装置，可以基于历史记录来规划路径和/或轨迹。与Mercy方法一样，这种方法使得能够考虑所有输入参数，同时具有相对较低的复杂度。事实上，时间分类装置的使用需要大量的工作来设计和调整算法，但是需要少量的工作用于规划的推断阶段。因此，计算资源需求从在线推断情况转移到离线训练阶段。在本申请中，表述“控制律”将在以下意义上进行解释：与路径或轨迹相对应的控制律包括操作致动器以使车辆遵循该路径或轨迹同时对底盘的物理约束进行建模所需的命令集。表述“时间分类”表示对作为时间的函数的多个输入序列进行分类的动作。表述“紧凑表示集合”表示由经历了变为紧凑状态的操作(即，例如丢掉输入序列中的时间概念、或删除输入序列中的某些点，目的是减少它们的存储器占用)的输入序列形成的集合。根据一个实施例，该时间分类装置被配置用于限定由可变长度的不同输入变量序列组成的输入集合到由可变长度的不同输出变量序列组成的输出集合的满射。特别地，这种特性是由于时间分类装置的使用而成为可能。因此，时间分类装置不会选择预定义长度的输入变量序列，而是持续接收输入变量，直到它具有足够的数据来确定令人满意的解为止，从而增加了序列的长度。输入集合与输出集合之间的满射是与所存储的不同类别的轨迹相对应的输入轨迹集合到输出轨迹集合的满射应用。例如，该应用可能属于其中所使用的系统还能够对学习期间未看到的轨迹进行内插或外推的分组。在本申请中，序列的长度可以是时间性的，即对应于该序列的采样周期，或者是度量性(metric)的，即对应于该序列的采样距离。类似地，时间分类装置在其输出端处生成可以取任何长度的变量序列。优选地，该输入集合包括时间输入变量序列和/或度量输入变量序列。根据这种变体，通过时间分类将各种类别的轨迹存储在存储器中的输入集合中，但是轨迹具有不同长度，以便更好地表示可能的情况。有利地，该输入集合包括选自以下各项的至少一个输入变量序列：从传感器获得的原始变量序列、用于合并表示该车辆的外部环境的变量序列、用于表示该车辆的内部参数的变量序列、用于表示代理的行为的变量序列、以及用于表示代理的意图的变量序列。在本申请中，使用术语“表示”是指代表事件、参数、状态等的数据集。“合并表示”是通过对从不同传感器和/或估计器获得的数据进行合并而获得的数据集。在一个实施例中，该输出集合包括时间输出变量序列和/或度量输出变量序列。优选地，该输出集合至少包括选自以下各项的输出序列：路线点的坐标对序列、路线点的横坐标序列、以及路线点的纵坐标序列。在另一实施例中，该时间分类装置被配置用于使用联结主义时间分类函数。时间分类函数可以具有各种类型，诸如：隐马尔可夫场、RNN-LSTM、RNN-LSTM-CTC(联结主义)。通过使用这种函数，可以实施对时间分类装置的高效训练。根据又另一实施例，该时间分类装置包括隐马尔可夫链模型和/或循环神经网络、优选地是具有长短期记忆的循环神经网络。这种示例特别地适合于形成时间分类装置，因为可以在离线训练阶段期间容易地对这些装置进行训练。根据另一方面，提出了一种用于规划机动车辆的路径和/或轨迹的方法，该方法包括接收输入变量序列、以及基于该输入变量序列确定与该机动车辆的路径和/或轨迹相对应的控制律。根据其一般特性之一，该方法包括使用呈紧凑表示集合的形式的时间分类装置。根据一个实施例，该本文档来自技高网...

【技术保护点】
1.一种用于规划机动车辆(4)的路径和/或轨迹的设备(2)，该设备包括用于接收输入变量序列的模块(6)、以及用于基于所接收的输入变量序列确定与该路径和/或轨迹相对应的控制律的硬件和软件装置，其特征在于，该设备包括呈紧凑表示集合的形式的时间分类装置。/n

【技术特征摘要】
【国外来华专利技术】20180928 FR 18589801.一种用于规划机动车辆(4)的路径和/或轨迹的设备(2)，该设备包括用于接收输入变量序列的模块(6)、以及用于基于所接收的输入变量序列确定与该路径和/或轨迹相对应的控制律的硬件和软件装置，其特征在于，该设备包括呈紧凑表示集合的形式的时间分类装置。


2.如权利要求1所述的设备(2)，其中，该时间分类装置被配置用于限定由可变长度的不同输入变量序列组成的输入集合到由可变长度的不同输出变量序列组成的输出集合的满射。


3.如权利要求2所述的设备(2)，其中，该输入集合包括时间输入变量序列和/或度量输入变量序列。


4.如权利要求2或3所述的设备(2)，其中，该输入集合包括选自以下各项的至少一个输入变量序列：从传感器获得的原始变量序列、用于合并表示该车辆的外部环境的变量序列、用于表示该车辆的内部参数的变量序列、用于表示代理的行为的变量序列、以及用于表示代理的意图的变量序列。


5.如权利要求2至4中任一项所述的设备(2)，其中，该输出集合包括时间输出变量序列和/或度量输出变量序列。


6.如权利要求2至5中任一项所述的设备(2)，其中，该输出集合至少包括选自以下各项的输出序列：路线点的坐标对序列、路线点的横坐标序列、以及路线点的纵坐标序列。


7.如权利要求1至6中任一项所述的设备(2)，其中，该时间分类装置包括隐马尔可夫链模型和/或循环神经网络、优选地是长短期记忆循环神经网络(8)。


8.如权利要求1至7中任一项所述的设备(2)，...

【专利技术属性】
技术研发人员：S·奥伯特，JP·贾卡洛内，P·温格特纳，
申请(专利权)人：雷诺股份公司，日产自动车株式会社，
类型：发明
国别省市：法国;FR