[发明专利]用于自动驾驶车辆的基于ST图学习的方法

说明书

在一个实施方式中，用于自动驾驶车辆(ADV)的数据处理系统包括处理器和联接至处理器以存储指令的存储器，所述指令在由处理器运行时致使处理器执行操作。所述操作包括：基于从ADV的一个或多个传感器获得的感知数据来生成距离‑时间(ST)图，ST图表示障碍物在不同时间点时的位置；基于ST图获取张量，所述张量包括多个层，多个层包括第一层，第一层具有表示位于ADV正在其中移动的路径上的一个或多个障碍物的数据；将机器学习模型应用于张量的多个层来生成多个数值，所述多个数值限定ADV的可能的路径轨迹；以及基于多个数值确定ADV的路径轨迹。

技术领域

本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及使用基于学习的ST图决策的自动驾驶决策。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘客(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，车辆可以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驾驶。

运动规划和控制是自动驾驶中的关键操作。然而，传统的运动规划操作主要根据其曲率和速度来估计完成给定路径的难度，而不考虑不同类型车辆的特征差异。相同的运动规划和控制应用于所有类型的车辆，这在某些情况下可能不准确且不平滑。

决策是自动驾驶中非常重要的部分，其用于根据安全性和舒适性参数来引导自动驾驶车辆的运动。在一个平台中，自动驾驶决策基于利用基于规则的编程方法(例如，动态编程和二次编程方法)的ST图进行。这种方法需要大量的实验和参数调整。此外，该方法没有利用大量的道路测试数据，并且需要许多实验来手动调整参数。

发明内容

根据本申请的一个方面，提供了一种用于确定自动驾驶车辆的路径轨迹的计算机实施方法。所述方法包括：基于从所述自动驾驶车辆的一个或多个传感器获得的感知数据生成距离-时间(ST)图，所述距离-时间图表示障碍物在不同时间点的可能位置；基于所述距离-时间图获取张量，所述张量包括多个层，所述多个层包括第一层，所述第一层具有表示位于所述自动驾驶车辆正在其中移动的路径上的一个或多个障碍物的数据；将机器学习模型应用于所述张量的多个层以生成多个数值，所述多个数值限定所述自动驾驶车辆的可能的路径轨迹；以及基于所述多个数值确定所述自动驾驶车辆的路径轨迹。

根据本申请的另一方面，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运行时使得所述处理器执行操作。所述操作包括：基于从自动驾驶车辆的一个或多个传感器获得的感知数据生成距离-时间(ST)图，所述距离-时间图表示障碍物在不同时间点的位置；基于所述距离-时间图获取张量，所述张量包括多个层，所述多个层包括第一层，所述第一层具有表示位于自动驾驶车辆正在其中移动的路径上的一个或多个障碍物的数据；将机器学习模型应用于所述张量的多个层以生成多个数值，所述多个数值限定所述自动驾驶车辆的可能的路径轨迹；以及基于所述多个数值确定所述自动驾驶车辆的路径轨迹。

根据本申请的又一方面，提供了用于自动驾驶车辆的数据处理系统。所述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运行时使得所述处理器执行操作。所述操作包括：基于从所述自动驾驶车辆的一个或多个传感器获得的感知数据生成距离-时间(ST)图，所述距离-时间图表示障碍物在不同时间点的可能的位置；基于所述距离-时间图获取张量，所述张量包括多个层，所述多个层包括第一层，所述第一层具有表示位于所述自动驾驶车辆正在其中移动的路径上的一个或多个障碍物的数据；将机器学习模型应用于所述张量的多个层以生成多个数值，所述多个数值限定所述自动驾驶车辆的可能的路径轨迹；以及基于所述多个数值确定所述自动驾驶车辆的路径轨迹。

附图说明

本公开的实施方式在附图的各图中以示例而非限制的方式示出，附图中相似的附图标记指示相似的元件。

图1是示出根据一个实施方式的网络化系统的框图。