阅读说明：本技术 用于自动驾驶车辆在高速公路上的自动驾驶的无地图无定位的沿车道行驶方法 (Map-free and location-free lane-following driving method for the automatic driving of an autonomous vehicle on a highway ) 是由 朱帆 孔旗 潘余昌 蒋菲怡 许昕 付骁鑫 夏中谱 赵春明 张亮亮 朱伟铖 庄立 于 2018-04-18 设计创作，主要内容包括：代替使用地图数据,使用相对坐标系来帮助在一些驾驶场景下感知ADV周围的驾驶环境。所述驾驶场景的一种是在高速公路上驾驶。通常,高速公路具有较少的十字路口和出口。基于相对车道配置和相对障碍物信息在不使用地图数据的情况下使用相对坐标系来控制ADV简单地沿车道行驶并避免与在道路内发现的任意障碍物的潜在碰撞。一旦相对车道配置和障碍物信息被确定,则可执行常规的路径和速度规划和优化,以生成驾驶ADV的轨迹。这种定位系统被称为基于相对坐标系的相对定位系统。(Instead of using map data, a relative coordinate system is used to help perceive the driving environment around the ADV in some driving scenarios. One such driving scenario is driving on a highway. Typically, a highway has fewer intersections and exits. Controlling the ADV using a relative coordinate system based on relative lane configuration and relative obstacle information without using map data simply travels along the lane and avoids potential collisions with any obstacles found within the road. Once the relative lane configuration and obstacle information are determined, conventional path and speed planning and optimization may be performed to generate a trajectory for driving the ADV. Such a positioning system is referred to as a relative positioning system based on a relative coordinate system.)

用于自动驾驶车辆在高速公路上的自动驾驶的无地图无定位 的沿车道行驶方法

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自动驾驶的无地图无定位的沿高速公路行驶的方法。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、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行驶。

运动规划与控制是自动驾驶的关键操作。一般地，为了在道路的车道中驾驶自动驾驶车辆(ADV)，车道的车道配置已被确定并且车道内或附近的障碍物必须被识别。传统的自动驾驶系统利用地图数据确定车道配置(例如，车道的形状和车道宽度)，其在本文中被称为定位过程的一部分。这种定位系统被称为全球或绝对定位系统，在该系统中车道配置以全球或绝对坐标为基础被确定。然而，这样的地图数据有时候可能是不可用的。例如，假如车道或道路是新的且地图数据未被及时更新。在其他情况中，地图数据可能因网络业务拥塞而未被更新。

发明内容

本公开的实施方式提供了一种用于生成轨迹以操作自动驾驶车辆沿车道行驶的计算机实现方法、一种非暂时性机器可读介质和一种数据处理系统。

在本公开的一个方面，用于生成轨迹以操作自动驾驶车辆沿车道行驶的计算机实现方法包括：基于从多个传感器获得的传感器数据确定驾驶在车道上的自动驾驶车辆(ADV)周围的驾驶环境；基于驾驶环境的感知数据在不使用与车道相关联的地图的地图数据的情况下确定车道相对于ADV的当前位置的车道配置；确定障碍物相对于ADV的障碍物信息，包括障碍物相对于ADV的当前位置的相对位置；基于车道配置和障碍物信息生成本地视图帧，本地视图帧在没有地图信息的情况下从ADV的视角描述车道配置和障碍物；以及基于本地视图帧生成使ADV在下一驾驶周期沿车道行驶的轨迹。

在本公开的另一方面，非暂时性机器可读介质存储有指令，这些指令在由处理器执行时使处理器执行如下操作：基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据确定驾驶在车道上的ADV周围的驾驶环境，包括感知障碍物；基于驾驶环境的感知数据在不使用与车道相关联的地图的地图数据的情况下确定车道相对于ADV的当前位置的车道配置；确定障碍物相对于ADV的障碍物信息，包括障碍物相对于ADV的当前位置的相对位置；基于车道配置和障碍物的障碍物信息生成本地视图帧，本地视图帧在没有地图信息的情况下从ADV的视角描述车道配置和障碍物；以及基于本地视图帧生成使ADV在下一驾驶周期沿车道行驶的轨迹。

在本公开的又一方面，数据处理系统包括处理器和存储器，存储器联接到处理器以存储指令，这些指令在由处理器执行时使处理器执行如下操作：基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据确定驾驶在车道上的ADV周围的驾驶环境，包括感知障碍物；基于驾驶环境的感知数据在不使用与车道相关联的地图的地图数据的情况下确定车道相对于ADV的当前位置的车道配置；确定障碍物相对于ADV的障碍物信息，包括障碍物相对于ADV的当前位置的相对位置；基于车道配置和障碍物信息生成本地视图帧，本地视图帧在没有地图信息的情况下从ADV的视角描述车道配置和障碍物；以及基于本地视图帧生成使ADV在下一驾驶周期沿车道行驶的轨迹。

附图说明

本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示相似元件。

图1是示出根据一个实施方式的网络化系统的框图。

图2是示出根据本一个实施方式的自动驾驶车辆的示例的框图。

图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。

图4是示出根据一个实施方式的相对坐标系的示例的框图。

图5是示出根据一个实施方式的确定障碍物和车道配置信息的过程的框图。

图6是示出根据一个实施方式的操作自动驾驶车辆的处理阶段的处理流程图。

图7是示出根据一个实施方式的行驶距离-横向偏移地图的示例的示图。

图8是示出根据一个实施方式的行驶距离-时间图的示例的示图。

图9是示出根据一个实施方式的操作自动驾驶车辆的过程的流程图。

图10是示出根据一个实施方式的数据处理系统的框图。

具体实施方式

将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。

本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。

根据一些实施方式，代替使用地图数据，使用相对坐标系来帮助在一些驾驶情况下感知和/或定位ADV周围的驾驶环境。一种这样的驾驶情况是在高速公路上驾驶。典型地，高速公路具有较少的十字路口和出口。基于相对于ADV的相对车道配置和相对障碍物信息使用相对坐标系而不必使用地图数据来控制ADV简单地沿车道行驶并避免与在道路内发现的任何障碍物发送潜在的碰撞。一旦相对车道配置和障碍物信息被确定，则可像往常一样执行常规的路径和速度规划和优化以生成驾驶ADV的轨迹。这种定位系统被称为基于相对坐标系的相对定位系统。

根据一个实施方式，基于从安装在ADV上的各个传感器获得的传感器数据感知驾驶在车道上的ADV周围的驾驶环境，包括感知至少一个障碍物。基于驾驶环境的感知数据在不使用与车道相关联的地图的地图数据的情况下相对于ADV的当前位置确定车道的车道配置。基于感知数据确定描述至少一个障碍物的障碍物信息。障碍物信息包括障碍物相对于ADV的当前位置的相对位置信息(例如，位于本地驾驶环境中，如一个或多个车道内)。基于车道配置和障碍物信息生成本地视图帧。本地视图帧包括在没有地图信息的情况下从ADV的视角描述车道配置和障碍物信息的信息。基于本地视图帧生成控制ADV在下一驾驶周期沿车道行驶的轨迹。该轨迹是从ADV视角以相对坐标方式配置的。

在一个实施方式中，为每个驾驶周期反复执行上面的过程，为每个驾驶周期生成的本地视图帧被存储且保持在永久性存储装置(例如，硬盘)的数据库中，用于跟踪ADV和障碍物相对于彼此的移动、以及车道弯曲度和形状等。由此，ADV的驾驶环境可由不同时间点的本地视图帧序列表示。在一个实施方式中，响应于确定车道是高速公路的一部分，在不使用地图数据的情况下，使用本地视图帧生成驾驶ADV沿车道行驶的轨迹。

如果高速公路包括多个车道，则为每个车道生成本地视图帧且基于相应的本地视图帧为每个车道生成轨迹。基于与轨迹相关联的成本，选择轨迹中的一个作为最终轨迹来驾驶ADV。可使用一个或多个成本函数基于各个成本因素，例如与障碍物碰撞的潜在风险、乘客的舒适度等，计算轨迹成本。在一个实施方式中，在确定车道的车道配置时，分析由ADV的传感器采集的图像以测量ADV与车道的第一边缘之间的第一距离和测量ADV与车道的第二边缘之间的第二距离。使用第一距离和第二距离计算车道的车道宽度作为车道配置一部分。基于车道宽度，能够计算车道的中心点(也称为中点或参考点)。可使用本地视图帧序列的参考点来推导出车道的参考线。

在一个实施方式中，基于车道的参考线和ADV的当前位置，生成行驶距离-横向偏移(station-lateral，SL)地图以绘制障碍物相对于车道的参考线和ADV的当前位置的相对位置(例如，x、y坐标)。例如，坐标x可以表示障碍物与ADV的当前位置之间的纵向距离，而坐标y可以表示障碍物与车道的参考线之间的横向距离。可以使用SL地图规划和优化轨迹的形状以无碰撞地在障碍物之间导航，同时为乘客提供最大舒适度。根据另一实施方式，基于车道的参考线和ADV的当前位置，生成行驶距离-时间(station-time，ST)图以绘制在未来不同时间点处障碍物相对于ADV的当前位置的相对位置。因此，坐标y表示障碍物与ADV之间的距离，而坐标x表示时间。ST图可用于优化不同时间点处ADV的速度以无碰撞地导航通过障碍物，同时为乘客提供最大舒适度。

图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。

自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。

在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、娱乐资讯系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。

部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。

现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。

传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。

在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。

回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的***装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。

自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。

例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。

当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。

服务器103可以是数据分析系统以为各种客户执行数据分析服务。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由驾驶员驾驶的普通车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发布的驾驶命令(例如，油门、制动、转向命令)的信息和由车辆的传感器在不同时间点采集的车辆响应(例如，速度、加速度、减速度、方向)。驾驶统计数据123还可以包括描述不同时间点的驾驶环境的信息，例如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。

基于驾驶统计数据123，机器学习引擎122生成或训练一组规则、算法和/或预测模型124用于各种目的。算法124包括在不使用地图数据的情况下计算障碍物相对于ADV的当前位置的相对位置的相对坐标算法和确定车道相对于ADV的车道配置的算法。算法124还可以包括确定ADV当前是否驾驶在高速公路以唤醒相对或本地坐标系的算法。

图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路程安排模块307和相对坐标系308。

模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可以一起集成为集成模块。

定位模块301确定自动驾驶车辆(例如，利用GPS单元212)的相对位置并管理与用户的行程或路线相关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。

基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。

感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。

针对每个对象，预测模块303预测对象在环境下将会怎样表现。该预测鉴于地图/路线信息311和交通规则312的集合基于在时间点感知驾驶环境的感知数据而被执行。例如，如果对象是沿相反方向的车辆且当前驾驶环境包括十字路口，则预测模块303预测车辆可能直行还是转弯。如果感知数据指示十字路口没有交通灯，则预测模块303可以预测到车辆可能必须在进入十字路口之前完全停住。如果感知数据指示车辆当前位于只左转车道或只右转车道，则预测模块303可以预测到车辆更可能左转还是右转。

针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可以存储在永久性存储装置352中。

路程安排模块307被配置为提供从起始点到目的地点的一个或多个路线或路径。对于(例如，从用户接收的)从起始位置到目的地位置的给定行程，路程安排模块307获得路线和地图信息311并确定从起始位置开始的所有可能路线或路径以到达目的地位置。路程安排模块307可以为它确定从起始位置开始到达目的地位置的路线的每个生成地形图形式的参考线。参考线指没有来自例如车辆、障碍物或交通状况的其他事物的任何干扰的理想的路线或路径。也就是说，如果道路上没有其他车辆、行人或障碍物，ADV应该正确地或严密地遵循参考线。然后，地形图被提供给决策模块304和/或规划模块305。考虑到由其他模块提供的其他数据，例如来自定位模块301的交通状况、感知模块302感知的驾驶环境和预测模块303预测的交通状况，决策模块304和/或规划模块305检查所有可能的路线以选择和修改最佳路线之一。依赖于时间点的特定驾驶环境，用于控制ADV的实际路径或路线可以与由路程安排模块307提供的参考线接近或不同。

基于针对所感知到的对象中的每个的决定，规划模块305以由路程安排模块307提供的参考线为基础为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动周期(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。

基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转向命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施方式中，规划阶段在多个也称为驾驶周期的规划周期中执行，例如在每100毫秒(ms)时间段中执行。对于每个规划周期或驾驶周期，一个或多个控制命令将基于规划和控制数据被发出。也就是说，对于每100ms，规划模块305规划下一路线段或路径段，例如包括目标位置和ADV到达目标位置所需的时间。替代地，规划模块305还可以规定具体的速度、方向、和/或转向角度等。在一个实施方式中，规划模块305规划下一预定时间段例如5秒的路线段或路径段。对于每个规划周期，规划模块305基于前一周期中规划的目标位置规划当前周期(例如，下一5秒)的目标位置。然后，控制模块306生成一个或多个控制命令(例如，油门、制动、转向控制命令)。

应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。

典型地，定位模块301以全球(或绝对)坐标模式运行。当以全球坐标模式运行时，定位模块301依赖于例如地图和路线信息311的地图数据来确定ADV的位置、在道路上观察到的障碍物、以及车道的车道配置。这种全球定位过程可能消耗资源和时间，有时候地图数据不可用或未被及时更新来包括ADV正驾驶的车道或道路。定位模块301考虑到其他传感器数据(例如GPS和IMU数据)基于地图数据来确定车道内车辆和障碍物的位置。

根据一个实施方式，相对坐标系或模块308(也称为本地坐标系)可用于确定车道内对象(例如ADV、障碍物)的位置而不需要使用地图数据。相对坐标系308可以在不需要使用地图数据或地图数据不可用的某些特定环境下被唤醒。例如，当ADV驾驶在高速公路上时，相对坐标系308可以用于控制ADV仅简单地沿车道行驶，这是因为高速公路上具有较少数量的十字路口或出口。在这种情况下，不需要使用地图数据，因为地图数据会需要较多的处理资源和时间。在其他情况下，地图数据可能根本不可用或地图数据未被更新来反映高速公路的变化(例如，新的高速公路)。

在一个实施方式中，相对坐标系308确定障碍物相对于ADV的当前位置的相对位置和车道相对于ADV的当前位置的车道配置而不必使用地图数据。因为这种相对定位过程不依赖于地图数据，所以能被更快地执行。但是，障碍物的精确位置可能不会被精确地确定。然而，当驾驶在高速公路上时，由于高速公路往往具有较少数量的十字路口或出口，所以ADV可能在大部分时间仅需要沿车道行驶。因此，当驾驶在高速公路上时，唤醒相对坐标系308可能更有效。

图4是示出根据一个实施方式的相对坐标系的示例的框图。参考

图4，相对坐标系308包括相对障碍物模块411、相对车道模块412和本地视图模块413。相对障碍物模块411被配置为确定描述在车道或道路上检测到的一个或多个障碍物相对于ADV的当前位置的障碍物信息。每个障碍物用相对于ADV的当前位置的相对坐标(例如，x、y坐标)进行描述。相对车道模块412被配置为确定车道相对于ADV的当前位置的相对车道配置。车道可以包括ADV正驾驶的当前车道和与当前车道相邻的一个或多个车道。障碍物信息和车道配置信息基于由传感器采集的图像收集，而不需要使用例如地图数据311的地图数据。本地视图模块413被配置为基于障碍物信息和车道配置信息生成本地视图帧，本地视图帧具有相对于ADV的当前位置或从ADV的视角描述驾驶环境的信息。在一个实施方式中，对于每个驾驶周期，生成本地视图帧，生成的本地视图帧可以作为本地视图帧313的一部分被存储和保持在永久性存储装置中。

图5是示出根据一个实施方式确定障碍物和车道配置信息的过程的框图。参考图5，在此示例中，假设ADV 500沿X轴向前驾驶在位于相邻车道522与523之间的中心车道521上。障碍物501位于车道521内，障碍物502位于车道522内，障碍物503位于车道523内。基于车道521至523和障碍物501至503的图像，障碍物模块411被配置为确定障碍物501至503中的每个相对于ADV 500的预定参考点的相对地点或位置。在此示例中，选择后轴的中心点作为参考点550，然而其他参考点也是适用的。

在一个实施方式中，障碍物模块411对每个障碍物的图像执行图像处理以测量ADV500与障碍物之间的距离而不需要使用地图数据。例如，对于障碍物502，使用为此目的特别创建的预定图像处理算法测量障碍物502与参考点550之间的距离。为障碍物502确定相对坐标(x、y)。障碍物的坐标x表示在X轴上相对于参考点550的距离(例如，纵坐标)，障碍物的坐标y表示在Y轴上相对于参考点550的距离(例如，横坐标)。因此，在此示例中，障碍物的正y坐标指示障碍物位于ADV 500的左侧，而障碍物的负y坐标指示障碍物位于ADV 500的右侧。因此，在此示例中，障碍物502的y坐标是正的，而障碍物503的y坐标是负的。

另外，基于车道521至523的图像，车道模块412被配置为识别每个车道的边缘并测量参考点550与车道的边缘之间的距离。例如，对于车道521，车道模块421确定和测量参考点550与左车道边缘(或左车道边界)511之间的第一距离和参考点550与右车道边缘512之间的第二距离。可使用第一距离和第二距离计算车道521的宽度。假设车道的参考线位于车道的中心，还可确定具体时间点处参考线的参考点。类似地，可通过识别和测量参考点550与车道边界511和513之间的距离确定车道522的车道宽度和参考线的参考点。可通过识别和测量参考点550与车道边界512和514之间的距离确定车道523的车道宽度和参考线的参考点。

基于障碍物501至503的相对位置和车道521值523的车道配置(例如，车道宽度、参考点)，可创建本地视图帧，所述本地视图帧包含描述与驾驶周期对应的时间点处障碍物501至503的相对位置和车道配置。然后将本地视图帧存储在永久性存储装置中。如上所述，为每个驾驶周期反复执行自动驾驶过程。对于每个驾驶周期，创建本地视图帧。通过比较本地视图帧，可跟踪障碍物501至503的移动和车道配置(例如，宽度、形状/弯曲度)。由此，还可基于本地视图帧序列确定障碍物501-503的速度和前进方向。

根据一个实施方式，为车道511-513中的每个生成本地视图帧来表示车道的驾驶环境。因此，每个车道与在一系列驾驶周期中生成的本地视图帧序列相关联。一旦生成本地视图帧，将本地视图帧传递至下一处理阶段，例如规划和控制阶段。不管是以全球/绝对模式执行定位还是以本地/相对模式执行定位，规划和控制阶段都将以相同的方式运行。

图6是示出根据一个实施方式的操作自动驾驶车辆的处理阶段的处理流程图。参考图6，处理流程600包括感知阶段601、相对坐标处理阶段602、预测阶段603、规划阶段604、轨迹生成阶段605和控制阶段606等等。感知阶段601主要由感知模块302执行以感知ADV周围的驾驶环境，包括获得由各个传感器(例如，LID AR、RADAR、摄像机)采集的图像。相对坐标处理阶段602主要由相对坐标系308执行，相对坐标系308可以响应于例如驾驶在高速公路上等某些环境被唤醒。

如上所述，相对坐标处理阶段602基于由感知阶段601提供的感知信息确定障碍物信息和车道配置信息，并基于障碍物信息和车道配置信息生成本地视图帧。本地视图帧类似于定位模块301生成的定位数据，但是位于相对或本地坐标参考点且不必使用地图和路线信息。然后，预测阶段603和规划阶段604类似于如上关于图3A和图3B描述的普通的预测过程和规划过程，但是也在相对坐标上。规划的目标是基于本地视图帧规划轨迹605使得ADV能沿ADV当前行驶所在的车道行驶。

规划阶段604包括路径规划与优化阶段604A和速度规划与优化阶段604B。在路径规划与优化阶段604A，至少部分地基于本地视图帧生成行驶距离-横向偏移(SL)地图，例如图7所示的SL地图700。现在参考图7，SL地图700在两个维度中相对于ADV的当前位置采集障碍物。S维度指沿车道的参考线距ADV的当前位置的纵向距离。L维度指障碍物与参考线在关于ADV的当前位置的具体纵向位置处之间的横向距离。通常假设ADV正尝试沿参考线行驶，障碍物的正L值指示障碍物位于参考线或ADV的左侧。障碍物的负L值指示障碍物位于参考线或ADV的右侧。在此示例中，障碍物701位于参考线或ADV的左侧，而障碍物702位于参考线或ADV的右侧。SL图或曲线710表示在路径规划之后ADV将遵循的路径，在此示例中，以在障碍物701与702之间导航来避免碰撞。

在速度规划与优化阶段704B，至少部分地基于本地视图帧生成行驶距离-时间(ST)图，例如图8所示的ST图800。现在参考图8，ST图800考虑到在不同时间点距当前位置的距离而采集ADV的路径。S维度指距ADV的当前位置的距离，T维度指时间。因此，如图8所示，曲线810以距ADV的当前位置的距离形式指示在不同时间点的位置。ST图800还指示障碍物的相对位置，在此示例中，障碍物801至802在不同时间点相对于ADV的当前位置的相对位置。因此，基于曲线810，ADV被规划为以追踪障碍物801或给障碍物801让行，但是超过或越过障碍物802。由此，可基于本地视图帧生成SL地图700和ST图800，而不必使用地图数据和其他普通的定位过程。

图9是示出根据一个实施方式的在不使用地图数据和定位的情况下操作自动驾驶车辆的过程的流程图。过程900可以由处理逻辑执行，处理逻辑可以包括软件、硬件或其组合。例如，过程900可以由图3A的系统300执行。参考图9，在操作901中，处理逻辑基于由安装在ADV上的各个传感器提供的传感器数据确定正驾驶在车道上的ADV周围的驾驶环境，包括感知至少一个障碍物。在操作902中，处理逻辑基于驾驶环境的感知数据在不使用与车道相关联的地图的地图数据的情况下确定车道相对于ADV的当前位置的车道配置。在操作903中，处理逻辑确定障碍物相对于ADV的障碍物信息，包括障碍物相对于ADV的当前位置的相对位置。在操作904中，基于车道配置和障碍物的障碍物信息生成本地视图帧。本地视图帧包括在没有地图信息的情况下从ADV的视角描述车道配置和障碍物的信息。在操作905中，处理逻辑基于本地视图帧生成控制ADV在下一驾驶周期沿车道行驶的轨迹。

应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。

图10是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或***卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。

还应注意，系统1500旨在示出计算机系统的许多部件的高阶视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。

在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。

处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。

处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX，或者其它实时或嵌入式操作系统。

系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。

输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。

IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。

为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行***接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。

存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如规划模块305、控制模块306和/或相对坐标系308。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。

计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。

本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。

应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本公开的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本公开的实施方式一起使用。

前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。

然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。

本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。

前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。

本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。

在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。