[發(fā)明專利]用于自動駕駛車輛的基于ST圖學習的方法

有效

• 申請?zhí)枺?/td>: 201910858148.1
• 申請日: 2019-09-11
• 公開（公告）號: CN111380534B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設計）人: 許珂誠;樊昊陽;張雅嘉;羅琦;潘嘉誠;繆景皓
• 申請（專利權）人: 百度（美國）有限責任公司
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 馬曉亞;王艷春

在一個實施方式中，用于自動駕駛車輛(ADV)的數據處理系統(tǒng)包括處理器和聯接至處理器以存儲指令的存儲器，所述指令在由處理器運行時致使處理器執(zhí)行操作。所述操作包括：基于從ADV的一個或多個傳感器獲得的感知數據來生成距離?時間(ST)圖，ST圖表示障礙物在不同時間點時的位置；基于ST圖獲取張量，所述張量包括多個層，多個層包括第一層，第一層具有表示位于ADV正在其中移動的路徑上的一個或多個障礙物的數據；將機器學習模型應用于張量的多個層來生成多個數值，所述多個數值限定ADV的可能的路徑軌跡；以及基于多個數值確定ADV的路徑軌跡。

技術領域

本公開的實施方式總體涉及操作自動駕駛車輛。更具體地，本公開的實施方式涉及使用基于學習的ST圖決策的自動駕駛決策。

背景技術

以自動駕駛模式運行(例如，無人駕駛)的車輛可以將乘客(尤其是駕駛員)從一些駕駛相關的職責中解放出來。當以自動駕駛模式運行時，車輛可以使用車載傳感器導航到各個位置，從而允許車輛在最少人機交互的情況下或在沒有任何乘客的一些情況下駕駛。

運動規(guī)劃和控制是自動駕駛中的關鍵操作。然而，傳統(tǒng)的運動規(guī)劃操作主要根據其曲率和速度來估計完成給定路徑的難度，而不考慮不同類型車輛的特征差異。相同的運動規(guī)劃和控制應用于所有類型的車輛，這在某些情況下可能不準確且不平滑。

決策是自動駕駛中非常重要的部分，其用于根據安全性和舒適性參數來引導自動駕駛車輛的運動。在一個平臺中，自動駕駛決策基于利用基于規(guī)則的編程方法(例如，動態(tài)編程和二次編程方法)的ST圖進行。這種方法需要大量的實驗和參數調整。此外，該方法沒有利用大量的道路測試數據，并且需要許多實驗來手動調整參數。

發(fā)明內容

根據本申請的一個方面，提供了一種用于確定自動駕駛車輛的路徑軌跡的計算機實施方法。所述方法包括：基于從所述自動駕駛車輛的一個或多個傳感器獲得的感知數據生成距離-時間(ST)圖，所述距離-時間圖表示障礙物在不同時間點的可能位置；基于所述距離-時間圖獲取張量，所述張量包括多個層，所述多個層包括第一層，所述第一層具有表示位于所述自動駕駛車輛正在其中移動的路徑上的一個或多個障礙物的數據；將機器學習模型應用于所述張量的多個層以生成多個數值，所述多個數值限定所述自動駕駛車輛的可能的路徑軌跡；以及基于所述多個數值確定所述自動駕駛車輛的路徑軌跡。

根據本申請的另一方面，提供了一種存儲有指令的非暫時性機器可讀介質，所述指令在由處理器運行時使得所述處理器執(zhí)行操作。所述操作包括：基于從自動駕駛車輛的一個或多個傳感器獲得的感知數據生成距離-時間(ST)圖，所述距離-時間圖表示障礙物在不同時間點的位置；基于所述距離-時間圖獲取張量，所述張量包括多個層，所述多個層包括第一層，所述第一層具有表示位于自動駕駛車輛正在其中移動的路徑上的一個或多個障礙物的數據；將機器學習模型應用于所述張量的多個層以生成多個數值，所述多個數值限定所述自動駕駛車輛的可能的路徑軌跡；以及基于所述多個數值確定所述自動駕駛車輛的路徑軌跡。

根據本申請的又一方面，提供了用于自動駕駛車輛的數據處理系統(tǒng)。所述數據處理系統(tǒng)包括處理器以及存儲器。所述存儲器聯接至所述處理器以存儲指令，所述指令在由所述處理器運行時使得所述處理器執(zhí)行操作。所述操作包括：基于從所述自動駕駛車輛的一個或多個傳感器獲得的感知數據生成距離-時間(ST)圖，所述距離-時間圖表示障礙物在不同時間點的可能的位置；基于所述距離-時間圖獲取張量，所述張量包括多個層，所述多個層包括第一層，所述第一層具有表示位于所述自動駕駛車輛正在其中移動的路徑上的一個或多個障礙物的數據；將機器學習模型應用于所述張量的多個層以生成多個數值，所述多個數值限定所述自動駕駛車輛的可能的路徑軌跡；以及基于所述多個數值確定所述自動駕駛車輛的路徑軌跡。

附圖說明

本公開的實施方式在附圖的各圖中以示例而非限制的方式示出，附圖中相似的附圖標記指示相似的元件。

圖1是示出根據一個實施方式的網絡化系統(tǒng)的框圖。