用于车辆路径规划的方法和系统

摘要

提供了用于操作具有ADS和回退停止特征的车辆的方法，该方法通过基于传感器数据和定位数据，确定车辆的周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径。每个候选路径与基于至少一个成本参数的标称成本函数值相关联。此外，该方法包括确定位于车辆的周围环境中的目标车辆的针对预测时间范围的预期轨迹，并且基于回退停止特征的在预测时间范围内的预测的执行，针对每个候选路径确定关于目标车辆的预期轨迹与车辆的一组停止位置之间的重叠的重叠成本参数。

权利要求

1.一种用于操作具有自动驾驶系统ADS和回退停止特征的车辆的方法，所述方法包括：获取传感器数据和定位数据，所述传感器数据和定位数据包括关于所述车辆的周围环境的信息；

基于所述传感器数据和所述定位数据，确定所述车辆的所述周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径，每个候选路径与基于至少一个成本参数的标称成本函数值相关联；

基于所获取的传感器数据和定位数据，确定位于所述车辆的所述周围环境中的目标车辆的针对所述预测时间范围的预期轨迹；

基于所述回退停止特征的在所述预测时间范围内的预测的执行，针对每个候选路径确定关于所述目标车辆的预期轨迹与所述车辆的一组停止位置之间的重叠的重叠成本参数；

通过基于所述标称成本函数值和所述重叠成本参数计算成本函数来从所述多个候选路径中选择候选路径；以及在输出端生成控制信号，以控制所述车辆遵循所选择的所述候选路径。

2.根据权利要求1所述的方法，其中，所述回退停止特征的所述预测的执行包括所述回退停止特征的在每个候选路径内的预测的执行。

3.根据权利要求1或2所述的方法，其中，所述一组停止位置包括基于所述回退停止特征的在所述预测时间范围内的预测的执行的至少两个停止位置。

4.根据前述权利要求中的任一项所述的方法，其中，所述至少一个成本参数基于与路点的接近程度、路径距离和路径平滑度中的至少一个。

5.根据前述权利要求中的任一项所述的方法，其中，从所述多个路径中选择所述候选路径的步骤包括：基于所述标称成本函数值和所述重叠成本参数来确定每个候选路径的总成本函数值；

选择与最低总成本函数值相关联的所述候选路径。

6.根据前述权利要求中的任一项所述的方法，进一步包括：基于所获取的传感器数据和定位数据，从多个预定义场景中确定场景；

其中，针对每个候选路径确定所述重叠成本参数的步骤进一步基于所确定的场景。

7.一种计算机可读存储介质，所述计算机可读存储介质存储被配置为由车辆控制系统的一个或多个处理器执行一个或多个程序，所述一个或多个程序包括用于执行根据前述权利要求中的任一项所述的方法的指令。

8.一种用于操作具有自动驾驶系统ADS和回退停止特征的车辆的控制装置，所述控制装置包括控制电路，所述控制电路被配置为：获取传感器数据和定位数据，所述传感器数据和定位数据包括关于所述车辆的周围环境的信息；

基于所述传感器数据和所述定位数据，确定所述车辆的所述周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径，每个候选路径与基于至少一个成本参数的标称成本函数值相关联；

基于所获取的传感器数据和定位数据，确定位于所述车辆的所述周围环境中的目标车辆的针对所述预测时间范围的预期轨迹；

基于所述回退停止特征的在所述预测时间范围内的预测的执行，针对每个候选路径确定关于所述目标车辆的预期轨迹与所述车辆的一组停止位置之间的重叠的重叠成本参数；

通过基于所述标称成本函数值和所述重叠成本参数计算成本函数来从所述多个候选路径中选择候选路径；以及在输出端生成控制信号，以控制所述车辆遵循所选择的所述候选路径。

9.根据权利要求8所述的系统，其中，所述回退停止特征的所述预测的执行包括所述回退停止特征的在每个候选路径内的预测的执行。

10.根据权利要求8或9所述的系统，其中，一组累积停止位置包括基于所述回退停止特征的在所述预测时间范围内的预测的执行的至少两个停止位置。

11.根据权利要求8至10中的任一项所述的系统，其中，所述至少一个成本参数基于与路点的接近度、路径距离和路径平滑度中的至少一个。

12.根据权利要求8至11中的任一项所述的系统，其中，所述控制电路被配置为通过以下步骤从所述多个路径中选择所述候选路径：基于所述标称成本函数值和所述重叠成本参数确定每个候选路径的总成本函数值；

选择与最低总成本函数值相关联的所述候选路径。

13.根据权利要求8至12中的任一项所述的系统，其中，所述控制电路进一步被配置为基于所获取的传感器数据和定位数据从多个预定义场景中确定场景；并且其中，对于每个候选路径，所述重叠成本参数进一步基于所确定的场景确定。

14.一种车辆，包括：

感知系统，包括被配置为监视所述车辆的周围环境的至少一个传感器；

定位系统，被配置为监视所述车辆的地理地图位置；

根据权利要求8至13中的任一项所述的控制装置。

说明书

用于车辆路径规划的方法和系统

技术领域

[0001] 本公开涉及自动车辆，并且更具体地，涉及自动驾驶车辆的路径规划。

背景技术

[0002] 在过去的几年，自动驾驶车辆的发展呈爆炸式增长，多种不同的解决方案正在探索之中。如今，在这些领域的多种不同技术领域内，自动驾驶(AD)和高级驾驶员辅助系统(ADAS)即半自动驾驶都在不断发展。ADAS和AD可以统称为具有不同自动化等级的自动驾驶系统(ADS)，例如由SAE J3016驾驶自动化等级所定义。一个这样的领域是如何准确和一致地移动车辆，因为当车辆在交通中移动时，这是重要的安全方面。

[0003] 换句话说，自动驾驶车辆的发展迅速，并且经常存在令人印象深刻的技术进步的新闻和演示。然而，ADS面临的最大挑战之一是确保自动驾驶车辆能够安全地规划并执行路径和/或轨迹。

[0004] 一般而言，传统的路径规划系统从给定的可驾驶区域为自动车辆生成目标路径，给定的可驾驶区域通常基于来自感知系统的数据提供。假设目标路径被发送到车辆控制器，该车辆控制器计算转向角，使得车辆遵循该路径。

发明内容

[0005] 因此，本公开的一目的是提供用于操作具有ADS和回退停止特征的车辆的方法、计算机可读存储介质、控制装置，以及包括这种控制装置的车辆，其减轻了目前已知系统的所有或至少一些缺点。

[0006] 更具体地，本公开的目的是提供路径规划或轨迹规划解决方案，其不仅关注物体的避开和舒适性，而且降低在自主车辆辆意外停止的情况下与其他车辆碰撞的风险。

[0007] 这一目的是借助于如所附权利要求中定义的用于操作具有ADS和回退停止特征的车辆的方法、计算机可读存储介质、控制装置以及包括这种控制装置的车辆来实现的。术语“示例性”在本上下文中被理解为用作实例、示例或说明。

[0008] 根据本公开的第一方面，提供了用于操作具有ADS和回退停止特征的车辆的方法。该方法包括获取传感器数据和定位数据(该传感器数据和定位数据包括关于车辆的周围环境的信息)，并且基于传感器数据和定位数据，确定车辆的周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径。每个候选路径与基于至少一个成本参数的标称成本函数值相关联。此外，该方法包括基于所获取的传感器数据和定位数据，确定位于车辆的周围环境中的目标车辆的针对预测时间范围的预期轨迹，以及基于回退停止特征的在预测时间范围内的预测的执行，针对每个候选路径确定关于目标车辆的预期轨迹与车辆的一组停止位置之间的重叠的重叠成本参数。该方法还包括，通过基于标称成本函数值和重叠成本参数计算成本函数来从多个候选路径中选择候选路径，并在输出端生成控制信号以控制车辆遵循所选择的候选路径。

[0009] 因此，提供了用于自主车辆执行这样的路径的方法：具有最小的自主车辆的一部分处于潜在的迎面而来的交通的车道上(意外停车可能会使自主车辆乘客和迎面而来的车辆乘客处于碰撞风险中)持续时间。从而提高了自动车辆的路径规划和/或轨迹规划特征的整体安全性。

[0010] 根据本公开的第二方面，提供了(非暂时性)计算机可读存储介质，该计算机可读存储介质存储被配置为由车辆控制系统的一个或多个处理器执行的一个或多个程序，该一个或多个程序包括用于执行根据本文公开的任何一个实施例的方法的指令。对于本公开的这一方面，存在与先前讨论的本公开的第一方面类似的优点和优选特征。

[0011] 本文使用的术语“非暂时性”，旨在描述不包括传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其他方式限制由词语计算机可读介质或存储器包含的物理计算机可读存储装置的类型。例如，术语“非暂时性计算机可读介质”或“有形存储器”旨在涵盖不一定永久存储信息的存储装置类型，例如包括随机存取存储器(RAM)。以非暂时形式存储在有形计算机可访问存储介质上的程序指令和数据还可以通过传输介质或诸如电气、电磁或数字信号等信号来传输，这些信号可以经由诸如网络和/或无线链路等通信介质来传送。因此，本文使用的术语“非暂时性”是对介质本身的限制(即有形的，而不是信号)，而不是对数据存储持久性的限制(例如RAM还是ROM)。

[0012] 此外，根据本公开的第三方面，提供了用于操作具有ADS和回退停止特征的车辆的控制装置。控制装置包括控制电路，该控制电路被配置为获取传感器数据和定位数据(该传感器数据和定位数据包括关于车辆的周围环境的信息)，基于传感器数据和定位数据，确定车辆的周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径。每个候选路径与基于至少一个成本参数的标称成本函数值相关联。此外，控制电路被配置为基于所获取的传感器数据和定位数据来确定位于车辆的周围环境中的目标车辆的预期轨迹，并且基于回退停止特征的在预测时间范围内的预测的执行，针对每个候选路径确定关于目标车辆的预期轨迹与车辆的一组停止位置之间的重叠的重叠成本参数。控制电路还被配置为，通过基于标称成本函数值和重叠成本参数计算成本函数来从多个候选路径中选择候选路径，并在输出端生成控制信号，以控制车辆遵循所选择的候选路径。对于本公开的这一方面，存在与先前讨论的本公开的第一方面类似的优点和优选特征。

[0013] 根据本公开的第四方面，提供了车辆感知系统，车辆感知系统包括被配置为监视车辆的周围环境的至少一个传感器、被配置为监视车辆的地理地图位置的定位系统、以及根据本文公开的实施例中任一个的用于操作具有ADS和回退停止特征的车辆的控制装置。对于本公开的这一方面，存在与先前讨论的本公开的第一方面相似的优点和优选特征。

[0014] 本公开的其他实施例在从属权利要求中定义。应当强调的是，术语“包括/包含”在本说明书中使用时，用来指定所陈述的特征、整体、步骤或部件的存在。它并不排除一个或多个其他特征、整体、步骤、部件或其组合存在或添加。

[0015] 本公开的以上和其他特征和优点将在下文中参考下文描述的实施例来进一步阐明。

附图说明

[0016] 本公开实施例的进一步的目的、特征和优点将从下文参考附图进行详细描述，其中：

[0017] 图1是根据本公开实施例的用于操作具有自动驾驶系统(ADS)和回退停止特征的车辆的方法的示意性流程图表示。

[0018] 图2是根据本公开实施例的用于操作具有自动驾驶系统(ADS)和回退停止特征的车辆的系统的示意性框图表示。

[0019] 图3a是根据本公开实施例的具有两个候选路径的车辆的示意性俯视图。

[0020] 图3b是示出根据本公开的实施例确定车辆的预测时间范围内的一组停止位置的示意图。

[0021] 图4a是根据本公开实施例的车辆和第一候选路径的停止位置集合的累积的示意性俯视图。

[0022] 图4b是根据本公开实施例的车辆和第二候选路径的停止位置集合的累积的示意性俯视图。

[0023] 图5a是根据本公开实施例的具有两个候选路径的车辆的示意性俯视图。

[0024] 图5b是示出根据本公开实施例的确定车辆的预测时间范围内的一组停止位置的示意图。

[0025] 图6是根据本公开实施例的车辆的示意性侧视图。

具体实施方式

[0026] 本领域技术人员将会理解，本文解释的步骤、服务和特征可以使用单独的硬件电路、使用软件特征结合编程的微处理器或通用计算机，使用一个或多个专用集成电路(ASIC)和/或使用一个或多个数字信号处理器(DSP)来实现。还将意识到，当本公开根据方法描述时，它也可以在一个或多个处理器和耦合到该一个或多个处理器的一个或多个存储器中实现，其中该一个或多个存储器存储一个或多个程序，当由一个或多个处理器执行时，一个或多个程序执行本文公开的步骤、服务和特征。

[0027] 在示例性实施例的以下描述中，相同的附图标记表示相同或相似的部件。

[0028] 在本公开中，假设自动驾驶系统(ADS)需要用户/驾驶员的监督。因为假设自动驾驶能力并非在每个场景下都可用，所以假设ADS仅在有限的操作设计域(ODD)可用，因此用户/驾驶员接管驾驶任务的能力始终被评估。当确定在发出移交请求后的一段时间内用户没有准备好接管驾驶时(例如由于持续疏忽)，ADS(或任何相关的安全系统)通过使车辆减速并最终完全停止来执行回退措施。

[0029] 当自动驾驶系统由于其故障不再可操作并且驾驶员不接管车辆控制(根据请求)时，也可以执行回退措施。此外，假设即使其余的ADS由于安全设计而不可操作，回退系统和车辆控制也是可用的，这可以通过硬件冗余和“基于ASIL”的设计来实现。此外，为了本申请的简单和简明，由本文的回退停止执行得到的减速近似具有预定义的曲线，诸如恒定的减速。

[0030] 图1a示出了用于操作具有自动驾驶系统(ADS)和回退停止特征的车辆的方法100的示意流程图。回退停止特征也可以被称为“安全停止”特征。ADS例如可以是具有由SAEJ 3016自动化等级定义的第3级或更高的自动化等级。

[0031] 方法100包括获取101传感器数据和定位数据，该传感器数据和定位数据包括关于车辆的周围环境的信息的。传感器数据例如可以从车辆的感知系统获取。感知系统在本文中被理解为负责从诸如照相机、LIDAR和RADAR、超声波传感器等车载传感器获取原始传感器数据，并将这些原始数据转换为场景理解的系统。自然地，传感器数据可以直接从一个或多个合适的传感器(诸如照相机、LIDAR传感器、雷达、超声波传感器等)接收。定位数据优选地包括车辆的地理位置和航向，以及地图数据(例如HD地图数据)。换句话说，定位数据指示车辆在地图上的位置和方向。例如，可以从车辆的定位系统获取定位数据。定位系统是被配置为监视车辆的地理位置和航向的系统，并且可以是全球导航卫星系统(GNSS)的形式，诸如GPS。然而，定位系统也可以实现为实时运动学(RTK)GPS，以提高精度。术语“获取”在本文被广义地解释，包括接收、检索、收集、获得等。

[0032] 此外，方法100包括基于传感器数据和定位数据确定102车辆的周围环境中的可驾驶区域内的针对预测时间范围(也可称为规划范围)的多个候选路径。此外，每个候选路径与基于至少一个成本参数的标称成本函数值相关联。

[0033] 更详细地，在一些实施例中，基于HD地图数据和车辆位置，生成一系列或一组路点，其中路点的目的是定义车辆在预测/计划时间范围内经过的期望的点。然后，基于这些生成的路点周围的传感器数据生成可驾驶区域。给定路点，候选路径通过对量化一组标准(例如路径与路点的接近度、路径平滑度、路径总距离等)的成本函数进行评价来规划。此外，每个路径被优选地规划，使得其被约束在所生成的可驾驶区域内。此外，在一些实施例中，对轨迹进行规划，因此可以考虑纵向规划诸如速度曲线，或纵向未来目标位置。然后，在成本函数和约束条件下，可以利用传统的优化方法，诸如基于样本的方法(例如快速探索随机树、RRT、RRT*)或最优控制方法(例如模型预测控制、MPC)。因此，最终产物是一组具有标称成本函数值的候选轨迹。

[0034] 此外，方法100包括基于获取的传感器数据和定位数据，确定103位于车辆的周围环境中的目标车辆(外部车辆)的针对预测时间范围的预期轨迹。换句话说，基于传感器数据和地图数据进行外部车辆相对于自主车辆的轨迹的预测103。更详细地，确定103预期轨迹的步骤可以包括，基于传感器数据和定位数据来确定目标车辆的当前状态，其中目标车辆的当前状态包括目标车辆的地理/地图位置、目标车辆的航向、目标车辆的速度、目标车辆的尺寸(例如目标车辆的宽度)，以及基于当前状态和定位数据(例如目标车辆车道的车道几何形状、障碍物、交通规则等。然后，基于当前状态和预测的未来状态，可以确定预期轨迹。

[0035] 例如，如果目标车辆在自主车辆的相邻车道上以相对于自主车辆相反的方向行驶，则给定目标车辆的初始状态(例如位置、航向、速度)和环境参数，诸如交通规则、(目标车辆的车道的)车道几何形状、障碍物等，对该车道内的目标车辆的轨迹进行预测103。

[0036] 给定所确定103的预期轨迹，确定104每个所确定102的候选路径的重叠成本参数。重叠成本参数指示目标车辆的预期轨迹与自主车辆的一组停止位置之间的重叠，其中该组停止位置基于回退停止特征的在预测时间范围内的预测的执行。假定在预测时间范围内的多个时间点进行多次执行，该组停止位置可以被理解为自主车辆的“累积停止位置”。本文中，假设回退停止特征的在车辆生成的路径内执行停止，即我们假设不存在“安全区”，其中当执行回退停止函数时，自主车辆将移动到该安全区。例如，如果预测时间范围是10秒，则“一组停止位置”可以是当在0秒、2秒、4秒、6秒、8秒和10秒执行回退停止特征时自主车辆的停止位置的预测。因此，在每个候选路径内，我们有六个自主车辆的停止位置，并且这些停止位置与所确定103的目标车辆的预期轨迹进行比较，以计算重叠成本参数。

[0037] 此外，方法100包括通过基于标称成本函数值和重叠成本参数计算成本函数来从多个候选路径中选择105候选路径，并且在输出端生成106控制信号，以控制车辆遵循所选择的候选路径。这也可以被称为采用成本最小化控制策略的约束受控技术，即给定一组约束，生成多个候选路径或轨迹，然后选择关联成本最小的候选路径。

[0038] 效果是，自主车辆被配置为选择导致自主车辆的一部分处于潜在迎面而来的交通的车道上的最短持续时间(意外停车可能会使自主车辆乘客和迎面而来的车辆乘客处于碰撞风险中)的路径或轨迹。此外，本发明人认识到，以前的路径规划解决方案集中于避开物体、可能的速度曲线和/或选择轨迹的效率，因此提供了新的解决方案，其利用附加参数补充了这些问题。即与穿越停车不安全的区域或从观察者的角度意外停车相关联的风险。

[0039] 因此，本文提出的解决方案断言，在任何给定的时间，在自动驾驶系统内发生故障的风险是非零的。在一些情况下，大多数对这种故障的理想反应是以安全的方式使车辆立即停止。给定这些条件，期望将自动系统的处于以下状态的时间量最小化：立即停止车辆可能会不安全。因此，提出了影响候选路径(或轨迹)的加权因子(或成本函数)的手段，使得惩罚(或奖励)与受控车辆预计处于这种状态(即立即停车将会不安全的状态)的持续时间相对应。

[0040] 用于执行这些特征的可执行指令可选地包括在非暂时性计算机可读存储介质或被配置为由一个或多个处理器执行的其他计算机程序产品中。

[0041] 图2是描述包括用于操作具有自动驾驶系统(ADS)和回退停止特征的车辆的控制装置10的系统架构的示意性框图。ADS以路径/轨迹规划器26(下文将称为路径规划器)、具有路径/轨迹选择器27(下文将称为路径选择器)形式的附加模块，以及运动预测器28的形式示出。换句话说，本文公开的方法可以被实现为传统路径/轨迹规划特征的软件更新。因此，控制装置10包括控制电路(借助于多个软件/硬件模块26、27、28实现)。

[0042] 继续，系统架构还包括路点生成器24，其可以被理解为被配置为生成路点序列的特征，该路点序列期望在预测/计划时间范围内经过。路点生成器24接收HD地图数据22和自主车辆位置21形式的输入，以生成路点。此外，基于HD地图数据22和传感器数据23，“可驾驶区域限制器”在期望的路点周围生成可驾驶区域。换句话说，它为路径规划器26生成“约束”。

[0043] 系统还具有路径规划器26，路径规划器26被配置为基于传感器数据23和定位数据21、22，确定车辆的周围环境中的可驾驶区域内的针对预测时间范围的多个候选路径。更详细地，给定(由路点生成器24生成的)路点，路径规划器26通过评价成本函数来确定多个候选路径，该成本函数量化一组标准，即成本参数，诸如路径与路点的接近度、路径平滑度、总路径距离等。此外，确定多个候选路径，使得它们被约束在可驾驶区域内。在轨迹规划的情况下，进一步的标准可以是与设定速度的接近度、速度曲线和纵向未来目标位置。在成本函数、成本参数和约束下，使用数值优化方法。因此，来自路径规划器26的输出是一组候选路径，其中每个候选路径与标称成本函数值相关联。

[0044] 此外，运动预测器模块28被配置为基于传感器数据23和定位数据21、22，确定或预测位于车辆的周围环境中的目标车辆的针对预测时间范围的轨迹。更详细地，可以在目标车辆运动的保守假设下执行预测，例如通过扩展目标车辆的速度向量。尽管目标车辆可能进行缓慢减速或逐渐规避机动，但这种假设不包括其较大加速度的突然防撞机动。此外，路径选择器27被配置为通过基于标称成本函数值和重叠成本参数计算成本函数来从多个候选路径中选择候选路径。更详细地，路径选择器27被配置为选择候选路径，使得其将目标车辆的预期轨迹与由回退停止执行引起的自主车辆的累积停止位置之间的重叠区域最小化。然后，路径选择器27被配置为在输出端生成控制信号，以控制车辆遵循所选择的候选路径。

[0045] 所生成的控制信号由车辆控制系统30接收，车辆控制系统30被配置为控制转向角、加速度和制动，使得自主车辆遵循所选择的候选路径。此外，车辆控制系统30可以进一步被配置为在存储器中保留最近选择的路径/轨迹，使得它能够在回退停止执行期间跟踪横向目标位置，即使在系统出现故障的情况下路径规划器无法提供目标路径时。系统还具有回退停止执行器29，回退停止执行器29向车辆控制系统29生成命令信号，以执行回退停止，即预定义的减速请求。回退停止执行器29例如可以被配置为在驾驶员/乘客确定在一定时间段内不能接管驾驶任务的情况下，或在ADS中的硬件/软件故障而驾驶员/乘客不能响应移交请求的情况下，生成命令信号。在一些实施例中，回退停止执行器是ADS软件的一部分。

[0046] 应当注意，图2中所示的系统架构的模块仅仅是本公开的范围涵盖的几种可能性中的一个示例。例如，路径/轨迹规划器26和路径/轨迹选择器可以集成到单个模块中。因此，组合模块可以获取标称成本函数值和重叠成本参数，并且被配置为直接选择最优候选路径(即与最低总成本函数值相关联的候选路径)。

[0047] 此外，运动预测器模块28可以是控制装置10外部的独立模块，使得控制装置10被配置为通过从“外部”运动预测器模块(未示出)获取目标车辆的轨迹来“确定”位于车辆的周围环境中的目标车辆的轨迹。取决于整个系统架构、规范和预期的应用的以上以及其他明显的修改被认为是本领域技术人员容易理解的，并且包括在本公开的范围内。

[0048] 以上公开的方法和系统的各种细节和特征将参考图3a、图3b、图4a、图4b、图5a和图5b中描述的示例场景进一步阐述，即，当自主车辆将要在交叉路口左转，从而穿过潜在的迎面而来的交通的车道时。

[0049] 图3a是自主车辆1接近交叉路口32的示意性俯视图，自主车辆1的意图是左转，从而穿过具有迎面而来的交通31车道。自主车辆1具有ADS、回退停止特征和控制装置(未示出)，该控制装置包括控制电路，其被配置为执行一个或多个程序，该程序包括用于执行根据本文公开的实施例中的任一个的方法的指令。更详细地，控制电路被配置为获取传感器数据和定位数据(该传感器数据和定位数据包括关于车辆的周围环境的信息)。如前所述，定位数据可以是通过例如车辆1的全球导航卫星系统(GNSS)获取的HD地图数据和车辆地理位置的形式。

[0050] 此外，控制电路被配置为基于传感器数据、地图数据和位置数据来确定针对预测时间范围的多个候选路径33、34。为每个候选路径33、34提供基于一个或多个成本参数计算的标称成本函数值。在所示的示例中(图3a)，第一候选路径33得到比第二候选路径34更小的标称成本函数值。此外，控制电路被配置为基于传感器数据和定位数据确定位于车辆1的周围环境32中的一个或多个目标车辆31的针对预测时间范围的预期轨迹39。更详细地，在一些实施例中，目标车辆31的预期轨迹39的预测是在给定的目标车辆的运动的一些假设的情况下进行的，例如通过扩展目标车辆31的速度向量。

[0051] 更进一步地，控制电路被配置为基于回退停止特征的在预测时间范围内的预测的执行，针对每个候选路径33、34确定关于目标车辆31的预期轨迹39与自主车辆1的一组停止位置之间的重叠的重叠成本参数。

[0052] 图3b是示出根据本公开的实施例在预测时间范围42内以“累积停止位置”41的形式确定车辆1的一组停止位置的示意图。预测时间范围42在本文被表示为从时间t0延长到时间tN。更详细地，给定回退减速曲线、当前车辆速度和未来目标速度曲线的先验知识，控制电路可以被配置为在预测时间范围[t0，tN]内的任意时间点执行回退之后预测自主车辆的停止位置。设t0代表当前时刻，由t0开始的回退所导致的停止位置被预测为停止位置SP1。类似地，针对tN即预测时间范围42的结束，预测由在tN开始的回退所导致的第二停止位置SP2。如上所述，预测范围42是可以预定义的常数。因此，自主车辆的累积停止位置被定义为从当前时间t0到时间范围t1之间导致的回退执行所预期的停止位置的范围。

[0053] 针对每个候选路径33、34，目标车辆31的预期轨迹与一组停止位置(更具体地，累积停止位置)之间的结果重叠在图4a至图4b中示出。更详细地，图4a‑图4b是第一候选路径(图4a)的一组停止位置41a的累积和第二候选路径(图4b)的一组停止位置41b的累积的示意性俯视图。

[0054] 此外，在图4a中示出了目标车辆31的预期轨迹39和第一候选路径的累积停止位置41a之间的第一重叠42a，而在图4b中示出了目标车辆31的预期轨迹39与第二候选路径的累积停止位置41b之间的第二重叠42b。如图所示，第一候选路径的重叠大于第二候选路径，即第一重叠42a大于第二重叠42b(如双向箭头43a，43b所示)。因此，第一候选路径的重叠成本参数相应地大于第二候选路径的重叠成本参数。

[0055] 此外，控制电路还被配置为考虑自主车辆1的尺寸以确定多个候选路径33、34，并且特别是当确定每个候选路径的重叠参数时。类似地，控制电路被配置为在确定目标车辆的预期轨迹39时考虑目标车辆31的尺寸/大小。换句话说，自主车辆1的尺寸(或至少自主车辆1的长度)以及目标车辆的尺寸(或至少目标车辆39的宽度)用于确定重叠成本参数。通过至少考虑目标车辆39的宽度和自主车辆1的长度，可以实现目标车辆31的预期轨迹39与自主车辆1的候选路径之间的重叠42a、42b的更精确的估计。

[0056] 替代地，可以认为目标车辆31的预期轨迹39还可以包括由目标车辆31的宽度定义的宽度。类似地，每个候选路径可以包括由自主车辆1的宽度定义的宽度。

[0057] 因此，控制装置的控制电路被配置为通过基于标称成本函数值和与每个候选路径相关联的重叠成本参数计算成本函数来从多个候选路径中选择候选路径(参考图3a中的33，34)。换句话说，当选择候选路径时，控制电路被配置为从多个候选路径中选择在目标车辆31的预期轨迹39与车辆1的一组停止位置41a、41b之间具有最小重叠区域42a、42b的候选路径，作为回退停止特征的在预测时间范围内的预测的执行的结果。因此，在图3a‑图3b和图4a‑图4b所示的示例中，第一候选路径33的标称成本小于第二候选路径34的标称成本。然而，第二候选路径34的总成本函数值(即标称成本+重叠成本参数)小于第一候选路径33的总成本函数值。因此，控制电路被配置为选择第二候选路径33，并在输出端生成控制信号，以控制车辆遵循所选择的候选路径(即第二候选路径34)。

[0058] 图5a是根据本公开的另一实施例的具有两个候选路径33、34的自主车辆1的示意性俯视图。更详细地，图5a用于示出如何基于回退停止特征的在预测时间范围内的预测的执行来确定关于目标车辆31的预期轨迹39与自主车辆1的一组停止位置之间的重叠的重叠成本参数的另一示例。如参考图3a‑图3b和图4a‑图4b在先前示例中所讨论的，使用相同的两个示例候选路径33、34。

[0059] 图5b是示出根据本公开的实施例在预测时间范围42[t0，tN]内确定自主车辆1的一组停止位置44的示意图。更详细地，给定回退减速曲线、当前车辆速度和未来目标速度曲线的先验知识，控制电路可以被配置为在预测时间范围42内的多个时间点执行回退之后预测自主车辆的停止位置，本文选择七个等距时间点。设t0代表当前时刻，由在t0发起的回退导致的停止位置被预测为第一停止位置SP1。类似地，对于时间t1的第二时刻，预测由在t2发起的回退导致的第二停止位置SP2等，直到第七停止位置SP7被确定为由在tN发起的回退的结果。

[0060] 在图5a中为每个候选路径33、34指示一组停止位置44的图形表示。因此，为了确定重叠成本参数，可以为每个候选路径33、34计算多少个停止位置44与目标车辆31的预期轨迹44重叠。对于第一候选路径33，存在四个完全重叠的停止位置44和一个部分重叠的停止位置44，而对于第二候选路径34，存在三个完全重叠的停止位置44。因此，结果与第一候选路径33相关联的重叠成本参数大于第二候选路径34的重叠成本参数。如上所述，当确定目标车辆31的预期轨迹39时，可以考虑目标车辆31的宽度。换句话说，目标车辆31的预期轨迹39可以具有由目标车辆31的宽度定义的宽度。此外，自主车辆的长度可用于计算停止位置
44是否与目标车辆31的预期轨迹39重叠。例如，如果自主车辆1的参考点是后轮轴的中心点，则接近预期轨迹39的第一边界的停止位置(即接近中心车道标记的停止位置)仍可能导致重叠，相比之下，接近预期轨迹39的对侧边界的停止位置可能是“清晰的”(即非重叠)。

[0061] 此外，上述示例实施例尽管已经参考关于交叉路口的场景，更具体地是在交叉路口左转的场景来做出，但是还存在自主车辆的规划候选路径与目标车辆的预期轨迹相交叉的其他场景。例如，这种情况可能发生在自主车辆从小巷并入主路的第二车道，同时目标车辆正在主路的第一车道中接近。另一个示例场景是当目标车辆在具有多条车道的道路上跟随自主车辆时，多条车道用于在相同方向上行驶的交通。

[0062] 参考后一个示例场景，基于如前所述的候选路径选择的相同原理，由于目标车辆从后面接近，自主车辆可以选择导致车道切换的候选路径。如果自主车辆意外停止(即如果执行回退停止)，则车道变更将导致碰撞风险降低。

[0063] 然而，在一些实施例中，控制电路还被配置为基于传感器数据和定位数据，从多个预定义场景(例如接近交叉路口、在多车道的车道上行驶、车道合并等)中确定场景。在一些实施例中，可以利用被配置为基于传感器数据和定位数据来确定当前场景的机器学习模型或预定义特征。例如，给定车辆的位置和HD地图数据，可以确定自主车辆是否在“交叉路口场景”或“车道合并场景”中，由此重叠成本参数可以根据当前场景进行不同的加权。因此，针对每个候选路径，重叠成本参数可以进一步基于所确定的场景。换句话说，根据车辆的当前场景，当计算每个候选路径的总成本函数值时，重叠成本参数可以被不同地加权。这可能有利于在各种情况下避免不必要的车道变更，从而提高乘客的舒适度。

[0064] 类似地，重叠成本参数可以根据交通密度进行不同的加权，交通密度是用于定义车辆当前场景的另一个“场景参数”。更详细地，与具有低交通密度的场景相比，成本参数可以对具有高交通密度场景中的总成本函数值具有更大的影响。类似地，用于定义标称成本函数值的路径平滑度可以根据路面条件(另一个场景参数)而被不同地加权，使得与非湿滑条件(如干燥路面)相比，在湿滑条件下(例如路面上的冰)路径平滑度对标称成本函数值具有更高的影响，以避免自主车辆的横向滑动。

[0065] 继续，图6是车辆1的示意性侧视图，车辆1包括根据本公开实施例的用于操作车辆1的控制装置10。车辆1还包括感知系统6和定位系统5。感知系统6在本文中被理解为负责从诸如照相机、LIDAR和RADAR、超声波传感器的传感器6a、6b、6c获取原始传感器数据并将该原始数据转换成场景理解的系统。定位系统5被配置为监视车辆的地理位置和航向，并且可以是全球导航卫星系统(GNSS)的形式，诸如GPS。然而，定位系统也可以实现为实时运动学(RTK)GPS以提高精确度。此外，定位系统还可以包括HD地图数据形式的地图数据(或被配置为从相关联的存储器获取地图数据)。

[0066] 控制装置10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可以被称为控制电路11或控制线路11。控制电路11被配置为执行存储在存储器12中的指令，以执行根据本文公开的任何一个实施例的用于控制车辆的方法。换句话说，控制装置10的存储器12可以包括一个或多个(非暂时性的)计算机可读存储介质，用于存储计算机可执行指令，例如，该指令当由一个或多个计算机处理器11执行时，可以使计算机处理器11执行本文所描述的技术。替代地，存储器12包括高速随机存取存储器，诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器装置；并且替代地包括非易失性存储器，诸如一个或多个磁盘存储装置、光盘存储装置、闪存装置或其他非易失性固态存储装置。

[0067] 此外，车辆1可以经由例如无线链路连接到外部网络2(例如用于检索地图数据)。相同的或一些其他的无线链路可以用于与车辆附近的其他车辆或本地基础设施元件通信。
蜂窝通信技术可以用于诸如到外部网络的远程通信，并且如果所使用的蜂窝通信技术具有低延迟，则它也可以用于车辆之间、车辆到车辆(V2V)和/或车辆到基础设施V2X之间的通信。蜂窝无线电技术的示例是GSM、GPRS、EDGE、LTE、5G、5G NR等，也包括未来的蜂窝解决方案。然而，在一些解决方案中使用了中短程通信技术，诸如无线局域网(LAN)，例如基于IEEE 
802.11的解决方案。ETSI正在致力于车辆通信的蜂窝标准，并且例如5G因其低延迟和高带宽和通信信道的高效处理而被视为合适的解决方案。

[0068] 本公开在上文已经参考具体实施例来呈现。然而，除了上述之外的其他实施例也是可能的，并且在本公开的范围内。在本公开的范围内可以提供与上述不同的方法步骤，通过硬件或软件来执行该方法。因此，根据示例性实施例，提供了存储一个或多个程序的非暂时性计算机可读存储介质，该一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行，该一个或多个程序包括用于执行根据上述实施例中任一个的方法的指令。替代地，根据另一示例性实施例，云计算系统可以被配置为执行本文呈现的任何方法。云计算系统可以包括分布式云计算资源，这些资源在一个或多个计算机程序产品的控制下共同执行本文呈现的方法。

[0069] 一般而言，计算机可访问介质可以包括任何有形的或非暂时性的存储介质或存储介质，诸如电子、磁性或光学介质，例如经由总线耦接到计算机系统的磁盘或CD/DVD‑ROM。本文使用的术语“有形的”和“非暂时性的”，旨在描述不包括传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其他方式限制由词语计算机可读介质或存储器包含的物理计算机可读存储装置的类型。例如，术语“非暂时性计算机可读介质”或“有形存储器”旨在涵盖不一定永久存储信息的存储装置类型，例如包括随机存取存储器(RAM)。以非暂时形式存储在有形计算机可访问存储介质上的程序指令和数据还可以通过传输介质或诸如电气、电磁或数字信号等信号来传输，这些信号可以经由诸如网络和/或无线链路等通信介质来传送。

[0070] 处理器11(与控制系统10相关联)可以是或包括任意数量的硬件部件，用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码。装置10具有相关联的存储器12，并且存储器12可以是用于存储数据和/或计算机代码的一个或多个装置，该数据和/或计算机代码用于完成或实现本说明书中描述的各种方法。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括数据库部件、目标代码部件、脚本部件或用于支持本说明书的各种活动的任何其他类型的信息结构。根据示例性实施例，任何分布式或本地存储装置都可以与本描述的系统和方法一起使用。根据示例性实施例，存储器12可通信连接到处理器11(例如经由电路或任何其他有线、无线或网络连接)，并且包括用于执行本文描述的一个或多个过程的计算机代码。

[0071] 应当理解，传感器接口13还可以提供直接或经由车辆中的专用传感器控制电路6获取传感器数据的可能性。通信/天线接口14还可以提供借助于天线8向远程位置(例如远程操作员或控制中心)发送输出的可能性。此外，车辆中的一些传感器可以使用诸如CAN总线、I2C、以太网、光纤等本地网络设置与控制系统进行通信。通信接口14可以被布置成与车辆的其他控制特征进行通信，并且因此也可以被视为控制接口；然而，可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有诸如Wi‑Fi、LoRa、Zigbee、蓝牙或类似中/短程技术的协议的无线类型。

[0072] 因此，应当理解，所描述的解决方案的部分可以在车辆1中、在位于车辆1外部的系统中或在车辆1内部和外部的组合中实现；例如在与车辆1通信的服务器即所谓云解决方案中实现。例如，传感器数据可以被发送到外部系统，并且该系统执行一些或所有必要的步骤来选择最佳候选路径。实施例的不同模块和步骤可以以与所描述不同的其他组合来合并。

[0073] 尽管附图可能示出了方法步骤的特定顺序，但是步骤的顺序可以与描述的不同。此外，两个或更多个步骤可以同时或部分同时执行。这种变型将取决于所选择的软件和硬件系统以及设计者的选择。所有这些变型都在本公开的范围内。同样，软件实现可以利用标准编程技术来完成，该标准编程技术具有基于规则的逻辑和其他逻辑来实现各种连接步骤、处理步骤、比较步骤和决策步骤。上文提到和描述的实施例仅作为示例给出，并且不应当限于本公开。对于本领域技术人员而言，在下述专利实施例所要求的公开范围内的其他解决方案、用途、目标和特征应当是显而易见的。