[发明专利]用于停放障碍物附近的车辆的方法和系统

说明书

技术领域

本公开一般涉及车辆停放和在障碍物附近的车辆停放。

背景技术

路径规划和目标识别是在自主车辆驾驶系统中被实施的。这些系统能够从停放系统，诸如由丰田发动机公司研发的先进的停放引导系统（APGS），这是一种智能停放辅助系统，变化到没有结构和有结构的自主驾驶系统（autonomous driving system），诸如在2009年5月22日递交的美国申请No.12/471,079中讨论的那些系统。这些系统描述使用传感器的各方面，包含视觉和基于激光器的传感器，用于识别障碍物的位置和可通行空间的建筑物地图。至于停放受控的车辆，停放点被选择而路径规划器被产生，以起动车辆到达期望目的地（desired destination）。

发明内容

本公开识别和解决在与识别和选择车辆目的地相关联的这些领域中的问题，导致更安全的路线，同时增加完成无需重新发动的操纵的机会。虽然本公开涉及车辆性能的智能停放辅助系统，但应当明白，其他驾驶员辅助系统或全自主系统也将从本文描述的特征受益。

上面指出停放技术，可能由于诸多因素之一而失效，导致车辆控制的致动停止（亦称“重新发动”）。首先，车辆传感器可能不精确。具体说，被构建并一开始被认为可行的地图，可能实际上含有阻挡的障碍物，这些障碍物只在车辆路线或停放操纵导致重新发动时才变得可见/被察觉。其次，车辆位置可能不精确。尤其是，车辆运动的物理模型能够在构建的地图中引进误差。传感器在先前时间所作的局部测量，可能由于对自身运动估算不精确，而不对应于到障碍物的真正距离。这个问题还能够导致重新发动。此外，车辆的位置还可能在全球坐标中不精确，因而在全球地图，诸如全球定位系统（GPS）地图中带来误差。一个这样的问题是由于GPS漂移状况可能引起目标（goal）不能实现和/或被占据。例如目标可能出现已经“漂移”了相当于车辆的大小的距离。

本文描述的最佳化，包含选择受到许多约束的“最好”目的地的过程，该“最好”目的地被描述为最佳目的地。该最佳化过程选择：有来自局部障碍物危险的复杂估计的地点、到原来期望地点的接近度、以及结构的局部对准。这些考虑增加安全地走完车辆的路线而不要求重新发动的机会。

与之一致，本公开的一方面涉及使车辆目的地最佳化的方法。该方法包含，获得与该车辆期望目的地对应的地图、以及根据包含碰撞回避、驾驶时间、法律约束（legal constrain）、以及社会共识（social consensus）的多个参数，识别该地图中的目标。下一步，构建代价函数，以便根据对期望目的地的接近度和被识别的目标，确定最佳目的地。其后，通过使代价函数的值最小化，识别该最佳目的地。

在又一方面中，该方法包含，在车辆接近该最佳目的地的同时，使用来自多个传感器的更新的数据，更新该地图。更新地图信息的结果是，被识别的目标和代价函数也被更新。于是，新的最佳目的地，能够根据更新的代价函数被识别。

本公开的另外方面包含，响应于确定先前被识别的最佳目的地未能满足按照该更新的地图的被识别目标之一，放弃先前被识别的最佳目的地并选择并新近被识别的最佳目的地作为车辆的目的地。此外，响应于确定先前被识别的最佳目的地满足按照该更新的地图的被识别目标，以及响应于确定新近被识别的最佳目的地离开先前被识别的最佳目的地小于预定距离，放弃该新近被识别的最佳目的地并选择先前被识别的最佳目的地作为车辆的目的地，以减少与改变车辆的目的地相关联的若干重新发动。

在某些方面中，该地图由安装在车辆的传感器更新。各种不同的传感器，包含声纳、激光雷达、雷达和摄像机，能够与该车辆一起使用。

在另外的方面中，该法律约束参数包含停放限制，该停放限制包含车辆轮子到路缘的许可的距离以及车辆离消防栓或人行横道的许可的距离。此外，该社会共识参数包含反映对停放的社会共识的社会参数。例如，这些参数能够包含停车场中相邻车辆之间的一致的车辆对准、相对于路缘和平行的或相邻车辆之间的间隔的一致车辆对准、以及在停车场中车辆是否被平行或相邻停放。

在优选的方面中，该代价函数通过采用分支定界搜索技术（branch-and-bound search techniques）和共轭梯度最佳化（conjugate gradient optimization）被最小化，以限制用于确定最佳目的地所要求的计算时间。因此，处理时间能够被缩减，而新的最佳目的地能够在一秒中被考虑许多次。