自驾驶载具的车道搜索制造技术

方法、系统和装置包括编码在计算机存储介质上的计算机程序，其根据车道图拓扑创建车道图几何。方法之一包括接收表示通过可驾驶区域的多个单元的拓扑车道路径的数据。根据拓扑车道路径，可以生成穿过与拓扑车道路径相同的多个单元的初始多段线。初始多段线可以由位于可驾驶区域的三角分解的边上的顶点来定义。可以根据优化标准对初始多段线执行几何优化过程，以生成最终多段线。根据最终多段线，可以生成表示穿过可驾驶区域的可驾驶车道的几何的几何车道路径。何车道路径。何车道路径。

【技术实现步骤摘要】
自驾驶载具的车道搜索


[0001]本说明书涉及自驾驶汽车，并且更具体地，涉及用于生成表示可驾驶空间区域中的交通车道的预测的车道路径的技术。

技术介绍

[0002]安装在自驾驶载具上的导航系统通常使用预先生成的地图进行导航。这些地图是使用数字地图数据、卫星数据和先前旅行期间进行的观察而预先生成的。这种地图可以存储在自驾驶载具的存储器中、或者存储在与载具通信的数据中心中。
[0003]然而，在一些情况下，自驾驶载具可能会遇到一些道路尚未被绘制在地图上的区域。此外，即使已经在地图上绘制了道路，当出现新的障碍时(例如由于道路上的施工或车道调整)，地图也可能不准确。这种不准确性会给自主导航(也就是说，没有驾驶员的指导)的载具带来挑战。

技术实现思路

[0004]一般地，本说明书描述的主题的创新方面涉及创建车道图拓扑，以及根据车道图拓扑创建车道图几何(geometry)。
[0005]可以实现本说明书描述的主题的特定实施例，以实现以下优点中的一个或多个。
[0006]下述技术可以确定性地枚举通过可驾驶区域的所有车道图拓扑。这种完整性特性保证了生成与真实的车道图相对应的车道图拓扑。事实上，在可以选择最优拓扑和随后的最优几何之前，至少保证正确的拓扑在被考虑的拓扑列表中，因此完整性是重要的。
[0007]此外，该技术可以产生与每个车道图相关联的分数，该分数指示每个车道图正确地反映实际车道位置的预测的可能性，并且该分数可以用于基于从最有可能到最不可能的预测对可能的车道图进行排序。这样的分数可以用于选择车道图或者首先选择车道图拓扑，例如，通过评估与枚举中的每个车道图相关联的分数并且选择具有最高分数的车道图。
[0008]搜索方法可以进一步利用分数，通过以首先考虑最高分数拓扑的次序探索所有可能的车道图拓扑的空间来确定最优车道图。在时间有限且无法完成完整枚举的情况下，这种搜索方法增加了找到真实的车道图的机会，就像实际上已经完成了枚举一样。
[0009]下述技术也不需要依赖于机器学习技术，诸如深度神经网络。由于深度网络在计算上是昂贵的，需要大量的训练数据，并且可以产生近似的结果，所以确定性方法可能是有利的。
[0010]下述技术进一步使用车道图拓扑使用涉及凸空间上对分数的局部优化的优化、来创建通过可驾驶区域的车道图几何。这种优化允许现代计算机运行各种高效的局部优化算法，因此这些技术使自驾驶汽车能够实时地做出路线决策。在本说明书中，实时地计算车道图意味着载具的车载计算系统可以在完全自驾驶所需的时间段内计算车道图。换句话说，车载计算系统不需要参考预先存储的道路上的车道表示。相反，该计算系统可以在导航载具时，在行进中生成车道表示。在一些实现方式中，自驾驶汽车的计算系统可以在导航通过
区域时不断地重新生成车道图，这允许完全自主地导航通过在预先存储的地图数据中可能没有完全或部分表示的区域。因此，本说明书中描述的技术可以允许完全自主导航，即使是在从未被绘制到地图上的道路(例如，刚建成的道路)上。
[0011]下述技术还允许便于整合外部证据(例如“禁止左转”或“靠左”标志)。候选拓扑可以被确定为与这样的证据兼容或不兼容，并且在本说明书中描述的技术可以用于取消与证据不兼容的任何拓扑的资格。结果，该技术将返回最有可能的拓扑，该拓扑也满足预先存储的约束或从外部证据(包括道路标志)导出的约束。相比于尝试使用纯机器学习的方法，对约束的基于规则的整合是主要优势。例如，在不探索特征空间的情况下，这种实时学习的外部证据不能容易地用于神经网络。
[0012]下述技术还整合了已知的或预先存储的约束。例如，车道图的一部分可能是已知的，因为可以确定自上次被绘制在地图以来该区域中没有任何改变、或者因为观察到的交通，这确定了车道方向。此外，约束可以规定区域必须至少具有所配置的最小大小以包含车道，并且车道不能穿过小于该最小大小的区域。
[0013]下述技术进一步施加了全局一致性不变量。例如，在靠右行驶的国家，车道图决不能包含在其右侧有一条反向行驶的相邻车道的车道。通过适当的训练，机器学习方法可能能够学习产生这种不一致的结果，但它不能提供确定性的保证。
[0014]此外，下述技术可以使系统在以前未遇到的情况下操作。即使在几何不同于以前遇到的或很少遇到的空间区域中，这些技术仍然枚举可能的拓扑。相比之下，机器学习方法只能在与它们的训练数据相似的情况下有效地应用；否则，其性能会迅速下降。
[0015]一个方面的特征在于接收表示通过可驾驶区域的多个单元的拓扑车道路径的数据。根据该拓扑车道路径，可以生成与拓扑车道路径穿过相同多个单元的初始多段线。该初始多段线可以由位于可驾驶区域的三角分解的边上的顶点来定义。可以对该初始多段线执行几何优化过程，以根据优化标准来生成最终多段线。根据该最终多段线，可以生成表示穿过可驾驶区域的可驾驶车道的几何的几何车道路径。
[0016]可以包括以下特征中的一个或多个。同一条三角剖分(triangulation)线上的顶点可以满足方向约束。几何优化过程可以向较短的多段线分配优选的分数。几何优化可以包括执行梯度下降。生成几何车道路径可以包括平滑最终多段线以形成平滑的最终多段线。平滑的最终多段线可以是最终多段线的样条(spline)。该方法可以包括对照约束评估最终多段线；以及响应于确定不满足约束，拒绝最终多段线。
[0017]在附图和以下描述中阐述了本说明书主题的一个或多个实现方式的细节。根据说明书、附图和权利要求书，本申请的主题的其他特征、方面和优点将变得清楚。
附图说明
[0018]图1A
‑
图1D示出了可驾驶区域。
[0019]图1E示出了无交叉路口且有单个入口的简单示例。
[0020]图1F
‑
图1J示出了枚举路径和枚举车道图拓扑之间的区别。
[0021]图2是空间区域的拓扑表示的图。
[0022]图3A
‑
图3C是示出为可驾驶空间区域创建搜索树的方法的图。
[0023]图4是可驾驶区域的单元分解(cellular decomposition)的图。
[0024]图5示出了具有若干条路径的车道图拓扑。
[0025]图6示出了可以通过可驾驶空间区域确定车道图拓扑的示例系统。
[0026]图7是用于枚举并对车道图拓扑评分的示例过程的流程图。
[0027]图8示出了可以根据车道拓扑确定车道几何的示例系统。
[0028]图9A示出了通过可驾驶空间区域的路径。
[0029]图9B示出了通过可驾驶空间区域的车道几何。
[0030]图10是确定通过可驾驶空间区域的车道几何的示例过程的流程图。
[0031]图11示出了可驾驶空间区域。
[0032]各图中相同的附图标记和名称指示相同的元素。
具体实施方式
[0033]本说明书描述了用于确定可用于自驾驶载具在潜在包含障碍的空间区域(或“区域”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的方法，包括：接收表示通过可驾驶区域的多个单元的拓扑车道路径的数据；根据拓扑车道路径生成初始多段线，所述初始多段线穿过与拓扑车道路径相同的多个单元，其中，所述初始多段线是由位于可驾驶区域的三角分解的边上的多个顶点定义的；根据一个或多个优化标准对初始多段线执行几何优化过程以生成最终多段线；以及根据最终多段线生成几何车道路径，所述几何车道路径表示穿过可驾驶区域的可驾驶车道的几何。2.根据权利要求1所述的方法，其中，同一条三角剖分线上的顶点满足方向约束。3.根据权利要求1所述的方法，其中，所述几何优化过程向较短的多段线分配优选的分数。4.根据权利要求1所述的方法，其中，所述几何优化包括执行梯度下降。5.根据权利要求1所述的方法，其中，生成几何车道路径包括平滑最终多段线以形成平滑的最终多段线。6.根据权利要求5所述的方法，其中，所述平滑的最终多段线是最终多段线的样条。7.根据权利要求1所述的方法，还包括：对照约束评估最终多段线；以及响应于确定不满足约束，拒绝最终多段线。8.一种系统，包括一个或多个计算机和存储指令的一个或多个存储设备，当被一个或多个计算机执行时，所述指令使得一个或多个计算机执行操作，所述操作包括：接收表示通过可驾驶区域的多个单元的拓扑车道路径的数据；根据拓扑车道路径生成初始多段线，所述初始多段线穿过与拓扑车道路径相同的多个单元，其中，所述初始多段线是由位于可驾驶区域的三角分解的边上的多个顶点定义的；根据一个或多个优化标准对初始多段线执行几何优化过程以生成最终多段线；以及根据最终多段线生成几何车道路径，所述几何车道路径表示穿过可驾驶区域的可驾驶车道的几何。9.根据权利要求8所述的系统，其中，同一条三角剖分线上的顶点满足方向约束。10.根据权利要求8所述的系...

【专利技术属性】
技术研发人员：RJ蒂鲍克斯，PP乔达里，J萧，
申请(专利权)人：伟摩有限责任公司，
类型：发明
国别省市：