[发明专利]自动驾驶环境中的路径规划

说明书

公开了自动驾驶环境中的路径规划。本发明涉及一种用于车辆的路径规划方法和系统。方法包括获取车辆的周围环境的风险地图。风险地图基于车辆的致动能力和周围环境中的自由空间区域的位置形成，致动能力包括对致动能力的不确定性估计，并且自由空间区域的位置包括对自由空间区域的估计位置的不确定性估计。此外，风险地图包括包含在车辆的周围环境中的多个区域段中的每一个中的风险参数。方法进一步包括获取车辆的至少一条候选路径，基于与至少一条路径相交的一组区域段的风险参数来确定每条候选路径的总风险值，选择至少一条候选路径中的满足风险值标准的候选路径，以及在输出端生成表示所选择的候选路径的第一信号。

相关申请的交叉引用

本专利申请要求于2020年9月18日提交的标题为“自动驾驶环境中的路径规划”的第20196798.1号欧洲专利局申请的优先权，该申请已转让给本申请的受让人，并通过引用明确并入本文。

技术领域

本公开涉及自动驾驶系统，尤其涉及配备有自动驾驶系统的车辆的风险估计。

背景技术

在过去的几年里，自动驾驶汽车的发展突飞猛进，多种不同的方案正在被探索。越来越多的现代车辆具有高级驾驶者辅助系统(ADAS)，以提高车辆安全性和更广泛的道路安全性。例如，ADAS可以用自适应巡航控制、ACC、防撞系统、前向碰撞警告等来表示，是可以在驾驶时帮助车辆驾驶者的电子系统。如今，在这些领域的多种不同技术领域内，ADAS和自动驾驶(AD)都在不断发展。ADAS和AD在本文将被称为通用术语自动驾驶系统(ADS)，对应于所有不同的自动化等级，例如由SAE J3016驾驶自动化等级(0-5)定义的自动化等级。

因此，在不远的将来，ADS方案将在更大程度上进入现代车辆。ADS可以被解释为各种部件的复杂组合，这些部件可以被定义为由电子器件和机械代替人类驾驶者来执行车辆的感知、决策制定和操作的系统，以及将自动化引入道路交通的系统。这包括对车辆、目的地以及对周围环境的感知的处理。虽然自动化系统可以控制车辆，但它允许人类操作者将所有或至少部分责任留给系统。ADS通常结合各种传感器来感知车辆的周围环境，诸如雷达、LIDAR、声纳、照相机、导航系统(例如GPS、里程表和/或惯性测量单元(IMU))，基于这些传感器，高级控制系统可以解释传感信息，以识别适当的导航路径以及障碍物和/或相关标志。

然而，如上所述的ADS特征必须具有高度的完整性，以便为车辆乘员及其周围环境提供足够低的风险。保证风险足够低可能需要大量难以处理的数据来进行统计证明，并且根据一个示例，需要例如大约100辆汽车连续行驶五个世纪才能获取。在将ADS特征投放到公共道路之前，存在某些方法可以将ADS特征的风险降至最低。然而，除此之外，普遍认为，一旦ADS特征进入现场就应当对其进行监视，以保证它们符合所需要的安全等级。

保证ADS的安全是能够向市场发布此类系统的核心挑战之一。安全可以被视为没有风险，这也是最容易理解的看待方式之一。ADS面临的最大挑战之一是保证自动驾驶车辆能够安全地规划和执行路径和/或轨迹。

一般来说，传统的路径规划系统从给定的可驾驶区域为自动驾驶车辆生成目标路径，目标路径通常基于来自感知系统的数据来提供。假设目标路径被发送到车辆控制器，车辆控制器计算转向角，并且使得车辆跟随该路径。

存在多种不同的研究报告，其中包含所提出的各种方法，用于查找和执行这种安全可靠的路径，并且还存在更多的整体研究领域，致力于在给定的一组不同约束的情况下查找最优路径。分析方法侧重于根据车辆的周围物体的预测和状态查找路径。还存在另一类方法来获取自动驾驶车辆的路径，依靠机器学习或深度神经网络来选择合适的路径。多种目前已知的方法依赖于周围环境的详细建模，以便最终在以下查找最优路径的优化问题(复杂)的约束集合内捕获这些模型。然而，随着ADS的操作情况和操作领域越来越复杂，查找和执行这种“安全”路径即使不是不可能的，也可以被证明是极其困难的。