阅读说明：本技术 停放自主驾驶车辆用于自主充电的方法 (Method of parking an autonomously driven vehicle for autonomous charging ) 是由 于宁 朱帆 薛晶晶 于 2020-03-20 设计创作，主要内容包括：在一个实施例中,对自主驾驶车辆进行自主充电的示例方法包括：从自主驾驶车辆(ADV)中的传感器接收ADV的电池水平低于阈值的指示；以及基于从云服务器接收到的信息,从高清地图上的多个充电桩中选择充电桩。方法还包括基于ADV的当前位置和选择的充电桩的位置生成第一轨迹,第一轨迹将表示ADV的当前位置的第一点连接到选择的充电桩处的第二点并且包括第一段和第二段。方法还包括当ADV沿着第一轨迹朝选择的充电桩驾驶时,沿着第一轨迹的第一段向前驾驶,以及沿着第一轨迹的第二段向后驾驶。(In one embodiment, an example method of autonomously charging an autonomously driven vehicle includes: receiving, from a sensor in an Autonomously Driven Vehicle (ADV), an indication that a battery level of the ADV is below a threshold; and selecting a charging pile from the plurality of charging piles on the high-definition map based on the information received from the cloud server. The method also includes generating a first trajectory based on the current location of the ADV and the location of the selected charging post, the first trajectory connecting a first point representing the current location of the ADV to a second point at the selected charging post and including a first segment and a second segment. The method also includes driving forward along a first segment of the first trajectory and driving backward along a second segment of the first trajectory while the ADV is driving along the first trajectory toward the selected charging post.)

具体实施方式

将参考下面讨论的细节描述本公开的各个实施例和方面，并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而，在某些情况下，为了提供对本公开的实施例的简要讨论，没有描述公知或常规的细节。

说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特别特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。

如以上描述的，对电动自主驾驶车辆自动充电需要精确的停车并且在没有人类干预的情况下进行自身充电。根据各种实施例，在本公开中提供一种用于对自主驾驶车辆进行自动充电的系统和方法，以减轻人类驾驶员对车辆充电的负担。

在一个实施例中，一种对自主驾驶车辆进行自动充电的示例性方法包括：从自主驾驶车辆(autonomous driving vehicle，ADV)中的传感器接收ADV的电池水平低于阈值的指示；以及基于从云服务器接收到的信息，从高清地图上的多个充电桩中选择充电桩。方法还包括基于ADV的当前位置和选择的充电桩的位置生成第一轨迹，第一轨迹将表示ADV的当前位置的第一点连接到选择的充电桩处的第二点并且包括第一段和第二段。方法还包括当ADV沿着第一轨迹朝选择的充电桩驾驶时，沿着第一轨迹的第一段向前驾驶，以及沿着第一轨迹的第二段向后驾驶。

在一个实施例中，充电桩处的第二点在与选择的充电桩相关联的停车空间的边缘上。一旦ADV到达第二点，可以生成第二轨迹以将第二点连接到停车空间中的指定点。ADV可以随后沿着第二轨迹向后驾驶到指定点以进行无线充电。

在一个实施例中，第二点可以在边缘的中间，并且第二轨迹可以是直线，使得ADV可以更容易地遵循轨迹。

在一个实施例中，第一轨迹和第二轨迹两者可以被存储在存储器中，使得当ADV检测到电池被完全充电或被充电到预定水平时，ADV可以使用预先存储的轨迹以从开放空间驶出到具有可见车道标记的区域。

在一个实施例中，使用软件应用集合生成第一轨迹和第二轨迹两者，软件应用集合与当ADV处于具有车道标记的区域时用于生成ADV的轨迹的应用集合不同。因此，ADV可以取决于ADV是在开放空间中行驶还是在具有可见车道标记的空间中行驶，在用于生成和平滑轨迹的两个软件应用集合之间进行切换。

在一个实施例中，关于充电桩中的每个的信息被存储在云服务器中，并且该信息包括每个充电桩的位置、充电桩的功能状态或充电桩的可用性中的一个或多个。

自主驾驶车辆

图1是图示根据本公开的一个实施例的自主车辆网络配置的框图。参考图1，网络配置100包括自主驾驶车辆(ADV)101，其可以通过网络102通信地耦接到一个或多个服务器103-104。尽管示出一个自主车辆，但是多个自主车辆可以通过网络102彼此耦接和/或耦接到服务器103-104。网络102可以是任何类型的有线或无线网络，诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络、或其组合。(一个或多个)服务器103-104可以是任何类型的服务器或服务器集群，诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和感兴趣点(MPOI)服务器或位置服务器等。

自主车辆指的是能够被配置为以自主模式操作的车辆，在自主模式中车辆在很少或没有驾驶员输入的情况下导航通过环境。该环境可以包括可能没有车道标记或路缘标记并且可能难以导航的“开放空间”环境。示例包括执行U形转弯、执行三点转弯、靠边停到路边或将汽车停在停车场。这样的开放空间环境通常可以低速导航，诸如小于每小时10英里(mph)。还存在自主车辆可能需要导航绕过的许多障碍物(移动和静止两种障碍物)。这种导航可以包括一个或多个急转弯，从前进档到倒车档的变化以及向后的变化，以试图在开放空间环境中导航自主车辆。这种自主车辆可以包括具有一个或多个传感器的传感器系统，一个或多个传感器被配置为检测关于车辆在其中操作的环境的信息。车辆及其相关的(一个或多个)控制器使用检测的信息以导航通过环境。自主车辆101可以以手动模式、全自主模式或部分自主模式操作。

在一个实施例中，自主车辆101包括但不限于感知和规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息娱乐系统114和传感器系统115。自主车辆101还可以包括在普通车辆中包括的某些常见组件，诸如引擎、车轮、转向盘、变速器等，这些组件可以被车辆控制系统111和/或感知和规划系统110使用各种通信信号和/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)控制。

组件110-115可以经由互连、总线、网络或其组合彼此通信地耦接。例如，组件110-115可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是一种车辆总线标准，其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议，最初被设计用于车辆内的多路复用电气布线，但是也用于许多其他环境中。

现在参考图2，在一个实施例中，传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和范围(LIDAR)单元215。GPS系统212可以包括可操作以提供关于自主车辆的位置的信息的收发器。IMU单元213可以基于惯性加速度感测自主车辆的位置和方位变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的对象的系统。在一些实施例中，除了感测对象之外，雷达单元214还可以额外地感测对象的速度和/或航向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215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，以及其他系统组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或摄像机。相机可以是机械可移动的，例如通过将相机安装在旋转和/或倾斜的平台上。

传感器系统115还可以包括其他传感器，诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测车辆的转向盘、车轮或其组合的转向角。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。在一些情况下，油门传感器和制动传感器可以集成为集成的油门/制动传感器。

在一个实施例中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调节车辆的方向或航向。油门单元202用于控制马达或引擎的速度，马达或引擎的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎变慢来使车辆减速。注意，图2所示的组件可以用硬件、软件或其组合来实现。

返回参考图1，无线通信系统112允许在自主车辆101和外部系统，诸如设备、传感器、其他车辆等之间的通信。例如，无线通信系统112可以直接或经由通信网络与一个或多个设备(诸如在网络102上的服务器103-104)无线通信。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与另一组件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等直接与设备(例如，乘客的移动设备、显示设备、车辆101内的扬声器)通信。用户接口系统113可以是在车辆101内实现的外围设备的一部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。

自主车辆101的功能中的一些或所有可以由感知和规划系统110控制或管理，尤其是当以自主驾驶模式操作时。感知和规划系统110包括必要的硬件(例如，(一个或多个)处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线程序)，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、处理接收的信息、规划从起点到目的地点的路线或路径、然后基于规划和控制信息驾驶车辆101。可替换地，感知和规划系统110可以与车辆控制系统111集成。

例如，作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。在开放空间环境中，用户可以命令自主驾驶车辆执行指定的功能，诸如定位停车空间(目的地)并从自主车辆的当前(起始)位置导航到该停车空间。类似地，在开放空间环境中，用户可以命令自主驾驶车辆从当前(起始)位置执行U形转弯或三点转弯。在已经执行U形转弯或三点转弯之后，用户可以输入自主车辆将其视为下一个目的地的附加目的地。感知和规划系统110获得与行程有关的数据。例如，感知和规划系统110可以从MPOI服务器获得位置和路线信息，MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI。可替换地，这种位置和MPOI信息可以本地缓存在感知和规划系统110的永久存储设备中。

当自主车辆101沿着路线移动时，感知和规划系统110还可以从交通信息系统或服务器(TIS)获得实时交通信息。注意，服务器103-104可以由第三方实体操作。可替换地，服务器103-104的功能可以与感知和规划系统110集成。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检测或感测的实时局部环境数据(例如，障碍物、对象、附近车辆)，感知和规划系统110可以规划最佳路线，并且例如经由控制系统111根据规划的路线驾驶车辆101，以安全且高效地到达指定目的地。

服务器103可以是用以执行用于各种客户端的数据分析服务的数据分析系统。在一个实施例中，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(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如，油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计123还可以包括描述不同时间点的驾驶环境的信息，诸如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。为了优化开放空间轨迹目标函数内的某些常数，可以收集用于开放空间驾驶场景的驾驶统计信息。

基于驾驶统计123，机器学习引擎122出于各种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施例中，算法/模型124可以包括为ADV的车辆动力学建模的自行车模型、在开放空间中规划ADV的轨迹的开放空间优化模型或RL代理/环境模型。然后可以将算法/模型124上载到ADV(例如，图3A的模型313)上，以由ADV实时地使用。

图3A和图3B是示出根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主车辆101的一部分，包括但不限于感知和规划系统110、控制系统111和传感器系统115。参考图3A-图3B，感知和规划系统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、路由模块307以及停车充电模块308。

模块301-308中的一些或全部可以以软件、硬件或其组合实现。例如，这些模块可以被安装在永久存储设备352中，加载到存储器351中，并由一个或多个处理器(未示出)执行。注意，这些模块中的一些或全部可以通信地耦接到图2的车辆控制系统111的一些或全部模块或与图2的车辆控制系统111的一些或全部模块集成。模块301-308中的一些可以被集成在一起作为集成模块。例如，规划模块305与停车充电模块308可以是集成的模块。

定位模块301确定自主车辆300的当前位置(例如，利用GPS单元212)并且管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户接口登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件(诸如地图和路线信息311)通信，以获得与行程有关的数据。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，以及MPOI服务器提供地图服务和某些位置的POI，它们可以作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时，定位模块301还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，由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可以包括车道配置、交通灯信号、例如以对象形式的另一车辆、行人、建筑物、人行横道或其他交通相关标志(例如，停止标志、让步标志)等的相对位置。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶离车道等。

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，以处理和分析由一个或多个相机捕获的图像，以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、车行道边界、其他车辆、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、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统可以映射环境、跟踪对象、并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。

对于对象中的每个，预测模块303预测对象将在环境下表现什么行为。根据一组地图/路线信息311和交通规则312，基于在该时间点的驾驶环境感知的感知数据，执行预测。例如，如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆将可能直线向前移动还是转弯。如果感知数据指示交叉路口没有交通灯，则预测模块303可以预测车辆在进入交叉路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅向左转弯车道或仅向右转弯车道，则预测模块303可以预测车辆将更可能分别左转弯或右转弯。

对于对象中的每个，决策模块304做出关于如何处理该对象的决策。例如，对于特定对象(例如，在交叉路线中的另一车辆)及其描述对象的元数据(例如，速度、方向、转角)，决策模块304决定如何遇到对象(例如，超车、让行、停止、通过)。决策模块304可根据一组规则(诸如交通规则或驾驶规则312)做出这些决策，这组规则可以存储于永久存储设备352中。

路由模块307被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程，路由模块307获得路线和地图信息311并且确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以为从起始位置到达目的地位置确定的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其他车辆、障碍物或交通状况的其他任何干扰的理想路线或路径。也就是说，如果在道路上没有其他车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线。然后，地形图被提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其他模块提供的其他数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)选择和修改最佳路线中的一个。取决于在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接近或不同于由路由模块307提供的参考线。

基于针对感知对象中的每个的决策，规划模块305使用由路由模块307提供的参考线作为基础规划自主车辆的路径或路线以及驾驶参数(例如，距离、速度和/或转角)。也就是说，对于给定对象，决策模块304决策对该对象做什么，而规划模块305确定如何做。例如，对于给定对象，决策模块304可以决策经过对象，而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300在下一个移动周期(例如，下一个路线/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以每小时30英里(mph)的速度移动10米，然后以25mph的速度改变到右车行道。

基于规划和控制数据，控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制系统111发送适当的命令或信号，控制和驾驶自主车辆。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时间点使用适当的车辆设置或驾驶参数(例如，油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施例中，在数个规划周期中执行规划阶段，规划周期也称为驾驶周期，诸如在100毫秒(ms)的每个时间间隔中。对于每个规划周期或驾驶周期，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块305规划下一个路线段或路径段，例如包括目标位置和ADV到达目标位置所需的时间。可替换地，规划模块305还可以指定具体速度、方向和/或转向角等。在一个实施例中，规划模块305为下一个预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在先前周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。然后控制模块306基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门控制命令、制动控制命令、转向控制命令)。

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，以确定用于自主车辆的驾驶路径。例如，导航系统可以确定一系列速度和方向航向，以影响自主车辆沿着基本上避开感知的障碍物的路径的移动，同时大体上使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统113的用户输入而被设置。当自主车辆在操作时，导航系统可以动态地更新驾驶路径。导航系统可以合并来自GPS系统的数据和一个或多个地图，以便确定用于自主车辆的驾驶路径。

以上描述的规划过程称为车道上规划过程，或者ADV以车道上模式操作。车道上模式是指基于车道配置(诸如车道标记和车道边界等)以及交通规则(例如，交通灯、让步标志、停车标志等)的轨迹规划。通常在车道边界内或遵循车道驾驶ADV。

停车充电模块308可以实现一种自主地对自主驾驶车辆充电的方法，包括搜索和定位充电桩，以及然后驾驶车辆并将车辆停在适当的位置用于对电池充电。停车充电模块308可以响应于需要对ADV充电的告警消息而从云服务器检索信息，基于该信息识别充电桩，以及使用两阶段停车方法将ADV停在充电桩的指定点处。

停车和无线充电

图4是图示根据实施例的用于停放ADV进行自动充电的系统的示例的框图。如图4所示，停车充电模块308可以与开放空间停车规划器408(也简称为开放空间规划器)、规划模块305和路由模块307交互。开放空间规划器408可以被实现为规划模块305的一部分。规划模块305可以包括车道上规划器和开放空间规划器。当以车道边界驾驶时，规划模块305可以切换到车道上规划，以及在开放空间中驾驶时，规划模块305可以切换到开放空间规划。开放空间是指没有车道配置、车道标记或车道边界的驾驶区域。

尽管规划模块305和路由模块307可以用于生成和平滑具有行车道(例如，高速公路)的区域中的轨迹，但是开放空间停车规划器408可以包括不同的软件组件/应用集合，用于生成在没有参考线或行车道的开放空间中的ADV的轨迹。开放空间停车规划器408的附加细节在图5中描述。

在一个实施例中，停车充电模块308可以包括充电桩定位器413、轨迹生成器开关415和无线充电组件417。充电桩定位器413可以从电池传感器412接收关于安装在ADV上的底盘或其他位置的电池中剩余电量水平的信息。如果传感器信息指示剩余电量低于阈值(例如，20％的电量)，则ADV可以联系云服务器414以检索关于最近充电站处的充电桩的信息。

在一个实施例中，云服务器414可以存储特定区域中的所有充电站的信息，包括每个充电站处的每个充电桩的标识信息、充电桩是否正常工作以及充电桩是否正在用于充电电动车辆还是闲置。

基于检索到的信息，充电桩定位器414可以从最近充电站选择充电桩以对ADV充电。充电桩定位器414可以考虑数个因素，包括充电站处的每个充电桩的可用性、充电桩的功能状态、ADV和充电桩之间的距离、以及ADV必须绕过以到达充电桩的静态障碍物的数量。

在一个实施例中，充电桩定位器414可以使用训练的机器学习模型来识别ADV可以在最短的时间内到达的充电桩。

在充电桩定位器414选择充电桩之后，ADV可以将充电桩的位置信息(例如，坐标)发送到轨迹生成器开关组件415。轨迹生成器开关415可以将充电桩的位置信息和ADV的当前位置发送到开放空间停车规划器408，开放空间停车规划器408可以生成和平滑ADV和充电桩之间的轨迹。

在一个实施例中，在生成到充电桩的轨迹之前，ADV可以沿着由规划模块305和路由模块307生成和平滑的现有轨迹行驶。在生成到充电桩的轨迹之后，ADV可以停止遵循现有轨迹，而是开始遵循到充电桩的轨迹。到充电桩的轨迹可以保存在存储器中，使得ADV在充电完成后可以使用该轨迹离开充电站和开放空间。

在一个实施例中，在ADV到达充电桩之后，控制系统111可以发出驾驶命令以将ADV停在充电桩处的指定点处的地面上的充电器上方，将充电器中的电磁线圈与安装至ADV的底盘的电磁线圈对齐。一旦检测到所需的精密测量的对齐，无线充电组件417可以操作以对ADV执行无线充电。在一种实现方式中，感应充电技术可以用于使电能够通过气隙从充电器中的电磁线圈传递到安装至ADV的电磁线圈。

在一个实施例中，在ADV上的电池被完全充电或被充电到预定水平之后，电池传感器412可以发送消息给停车充电模块308，停车充电模块308可以停止充电以及导航ADV离开充电站和开放空间回到具有车道标记的区域。

在一个实施例中，ADV可以使用预先存储的轨迹离开充电站和开放空间，或者使用开放空间停车规划器408生成另一轨迹，这取决于数个因素，包括ADV是否改变其目的地，以及沿着预先存储的轨迹的路况是否存在重大变化。

开放空间停车规划器408可以简单地称为开放空间规划器，开放空间规划器规划ADV以开放空间模式操作的开放空间中的轨迹。开放空间是指没有车道配置或地图信息的驾驶区域。车辆的运动是自由的以在任何方向移动。车辆不需要遵循车道或交通规则等。基于相对于车辆的当前位置的障碍物确定针对开放空间规划的轨迹。因此，规划模块305可以包括车道上规划器和开放空间规划器。取决于驾驶区域是否包括车道信息或由地图支持，可以在车道上模式或开放空间模式之间切换规划过程。

图5是图示根据一个实施例的开放空间停车规划器的示例的框图。开放空间停车规划器408可以在没有要遵循的参考线或行车道的开放空间中生成ADV的轨迹。开放空间的示例包括停车场或车辆进行平行停车、U形转弯或三点转弯的道路。

参考图5，在一个实施例中，开放空间停车规划器408包括环境感知模块501、目标函数确定器模块503、约束确定器模块505、双变量预热模块507、轨迹生成器模块509和混合A*(A星)搜索模块511。

可以被实现为感知模块302的一部分的环境感知模块501可以感知ADV的环境。目标函数确定器模块503可以确定进行优化的优化模型(例如，开放空间优化模型521(作为图3A的模型313的一部分))的目标函数。约束确定器模块505可以确定优化模型的约束。约束可以包括不平等、平等和边界约束。双变量预热模块507可以将二次编程(quadraticprogramming，QP)求解器应用于目标函数，以求解受某些约束影响的一个或多个变量(诸如双变量/两个变量)，其中目标函数是二次函数。轨迹生成器模块509可以基于求解的变量生成轨迹。混合A*搜索模块511可以使用诸如A*搜索算法或混合A*搜索算法的搜索算法搜索初始轨迹(在不考虑观察到的障碍物的情况下的之字形、非光滑轨迹)。

A*搜索算法是一种知情搜索算法。从具有数个网格单元的网格的起始节点开始(每个网格单元表示节点)，A*搜索的目的是寻找到具有最小成本(例如，行驶距离最小、时间最短等)的目的地节点的路线或路径。基于节点与ADV之间的相对关系(例如，相对距离或位置)以及搜索区域(例如，感兴趣区域或ROI)内的一个或多个障碍物，将每个网格单元或节点与成本相关联。A*搜索通过维护始于起始节点的路径树、并将这些路径每次扩展一个边直到满足其终止条件来做到这一点。在主循环的每次迭代中，A*搜索基于路径成本以及将路径一直延伸到目标节点所需成本的估算确定其待延伸的路径。在一个实施例中，A*搜索选择最小化作为成本函数的以下函数的路径：

f(n)＝g(n)+h(n)

其中n是路径上的下一个节点，g(n)是从起始节点到n节点的路径成本，以及h(n)是一种启发式函数，用于估计从n到目标节点的最短路径的成本。当A*搜索选择扩展的路径是从起始节点到目标节点的路径、或者没有可扩展的路径时，A*搜索将终止。

混合A*搜索算法是应用于ADV的3D(三维)运动状态空间的A*搜索算法的变型，但具有修改的状态更新规则，该规则捕获A*的离散搜索节点中的连续状态数据。就像在A*搜索算法中一样，搜索空间(x,y,θ)是离散的，但是与只允许访问单元的中心的传统A*不同，修改的或混合状态的A*搜索算法将车辆的连续3D状态与每个网格单元相关联。修改的或混合状态的A*搜索算法使用ADV的运动学模型。例如，可以在修改的或混合状态的A*搜索算法中模拟包括最大转向左、最大转向右和向前的三个角度。对于另一示例，可以在修改的或混合状态的A*搜索算法中考虑ADV的尺寸(例如，长度、宽度或高度)。从修改的或混合状态的A*搜索算法所得的路线或路径将是可驾驶的，而不是像A*搜索算法那样是分段线性的。

图6图示根据一个实施例的充电站600的示例和开放空间轨迹602的示例。如图6所示，充电站600可以包括数个充电桩606、608、610和612。每个充电桩可以具有电动ADV必须停在其处以便使用充电桩的指定点。每个指定点可以位于由可见停车线标记的停车空间中。

例如，充电桩606在停车空间601中具有指定点603，充电桩608在停车空间605中具有指定点607，充电桩610在停车空间609中具有指定点611以及充电桩612在停车空间613中具有指定点615。

在一个实施例中，每个停车空间可以是有角度的停车空间，类似于通常在停车场中找到的那些。这种有角度的停车空间允许车辆停在其中而不会产生急转弯。

在一个实施例中，关于充电站600和充电站600中的每个充电桩的信息可以存储在云平台中。例如，云服务器可以存储充电站的位置、每个充电桩的标识符、每个充电桩的功能状态、每个充电桩是正用于对电动车辆充电还是闲置、电动车辆已经使用充电桩的时间长度。

在一个实施例中，信息中的一些可以实时更新。例如，有关充电桩的信息可以实时更新，以准确反映充电桩的可用性。

沿着轨迹604行驶的电动或插电式混合动力自主驾驶车辆617可以在位置618处检测到其电池需要充电。轨迹604可以由规划模块(例如，规划模块305)和路由模块(例如，路由模块307)生成和平滑。

响应于接收到电池需要充电的指示，ADV可以从云服务器检索关于充电站600的信息，并识别充电桩610以用于对ADV 617充电。ADV 617可以随后使用开放空间停车规划器(例如，使用开放空间停车规划器408以开放空间规划模式操作)以将ADV 617停在识别的充电桩610的停车空间609中的指定点611。

在一个实施例中，开放空间停车规划器可以将停车过程分为两个阶段。在第一阶段，开放空间停车规划器可以设置临时目的地点P₂ 620，并使用混合A*算法生成将表示ADV617当前位置的初始点连接到临时目的地P₂ 620的轨迹。

在生成轨迹602之后，ADV 617可以停止遵循轨迹604，并开始遵循新生成的轨迹602。当遵循轨迹602时，ADV 617可以向前驾驶直到其到达点P₁ 619，其中ADV 617可以发出控制命令进行大半径转弯使得ADV 617可以沿着从点P₁ 619到点P₂ 620的段向后驾驶(即，倒车驾驶)。

当ADV 617到达临时目的地点P₂ 620时，ADV 617进入停车过程的第二阶段。在第二阶段中，ADV 617可以生成连接点P₂ 620和点P_e 611的轨迹621。ADV 617可以继续沿着轨迹621向后驾驶到指定点P_e 611。

在一个实施例中，轨迹621可以是将P₂ 620连接到P_e 611的直线。点P₂ 620可以是在停车空间609的入口处的点。该直线使得ADV 617能够以希望的精确度停车，因为ADV 617当向后驾驶时可以比遵循弯曲轨迹更好地遵循直线轨迹。

在一个实施例中，可以在指定点611处提供具有电磁线圈的充电器。当将ADV 617停在指定点611处时，充电器将位于ADV 617的下面。结果，充电器中的电磁线圈可以与ADV617底盘中的电磁线圈对齐。ADV 617检测到两个电磁线圈以预定精确度对齐之后，ADV617可以执行充电，这将使得电通过气隙从充电器传递到ADV。

图7图示根据一个实施例的充电桩处的停车空间的示例。如图7所示，停车空间703可以包括在开放空间700中的充电桩处的充电器。还示出由开放空间停车规划器(例如，图4中的开放空间停车规划器408)生成并平滑的轨迹701。停车空间703是有角度的以便于停车。开放空间区域700可以被网格化，使得开放空间停车规划器可以规划更容易遵循的轨迹。

在一种实现方式中，开放空间700包括用于实现多层网格搜索算法的多层网格。定义包括一个或多个节点的第一集合的第一层网格，其中第一层网格表示目标位置所在的开放空间。定义第二层网格。第二层网格包括一个或多个节点的第二集合，其对应于一个或多个节点的第一集合中的至少一部分。从起始节点到目标节点，将迭代地执行以下操作。通过在一个或多个节点的第一集合和一个或多个节点的第二集合中搜索，识别出下一节点候选集合。对于下一节点候选集合中的每个下一节点候选，使用成本函数确定成本。从下一节点候选集合中基于它们各自的成本选择具有最低成本的下一节点。基于起始节点、选择的节点和目标节点生成ADV的路径轨迹，以控制ADV根据路径轨迹将ADV自动定位在目标位置。

图8图示根据一个实施例的用于在开放空间中搜索轨迹的过程的示例。如图8所示，开放空间停车规划器可以在搜索区域805中搜索从ADV的当前位置到目的充电桩的轨迹。开放空间停车规划器可以将搜索区域805设置为具有较大尺寸，以增加在开放空间中找到可行轨迹的可能性。

在一个实施例中，一旦找到了可行轨迹，即使如果搜索整个搜索区域的话可以定位到更好的轨迹，开放空间停车规划器也会停止搜索。

因此，在图8所示的示例搜索场景中，即使搜索区域807是大的，实际搜索也可能限制在区域801中，在区域801中可以找到可行轨迹以允许ADV从当前位置803到达充电桩807，而无需搜索整个搜索区域805。

图9图示根据实施例的用于停放ADV进行自动充电的过程900的示例。可以通过处理逻辑执行过程900，处理逻辑可以包括软件、硬件或其组合。例如，过程900可以由如图4描述的停车充电模块408执行。

参考图9，在操作901中，处理逻辑从ADV上的传感器接收ADV的电池水平低于阈值的指示，该阈值可以预设为整个电量的百分比。

在操作903中，处理逻辑从云服务器检索关于最近充电站的信息，该信息可以包括关于特定区域中充电站的数量的信息以及每个充电站处的每个充电桩的信息。然后，处理逻辑可以基于数个因素选择用于对ADV进行充电的充电桩，这些因素包括ADV与充电桩之间的距离、ADV必须绕过以到达充电桩的静态障碍物的数量以及到达充电桩所需的转轮的数量。

在操作905中，处理逻辑可以基于ADV的当前位置和充电桩的位置生成第一轨迹。第一轨迹将表示ADV的当前位置的第一点连接到充电桩处的第二点。第二点可以是选择的充电桩的停车空间的边缘上的点。第一轨迹包括第一段和第二段。

在操作907中，当遵循第一轨迹到达用于充电的充电桩处的第二点时，ADV可以沿着第一段向前驾驶并且沿着第二段向后驾驶。

注意，如上所示和描述的组件中的一些或所有可以以软件、硬件或其组合实现。例如，这些组件可以被实现为安装并存储在永久存储设备中的软件，软件可以由处理器(未示出)在存储器中加载并执行以执行贯穿本申请所述的过程或操作。可替换地，这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码，专用硬件诸如集成电路(例如，专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)，其可经由来自应用的对应的驾驶器和/或操作系统访问。此外，这些组件可以被实现为处理器或中的特定硬件逻辑或处理器内核，作为经由一个或多个特定指令软件组件可访问的指令集的部分。

已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将其工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操作的那些操作。

然而，应当记住的是，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标记。除非另有特别声明，从以上讨论中显而易见的是，应当理解的是，在整个说明书中，使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程，该计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备内的类似表示为物理量的其他数据。

本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序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制。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、闪存设备)。

在前述附图中描述的过程或方法可以由包括硬件(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)或两者的组合的处理逻辑来执行。尽管以上关于一些顺序操作描述了过程或方法，应当理解的是，可以以不同的顺序执行所述的一些操作。此外，一些操作可以并行地而不是顺序地执行。

本公开的实施例不是参考任何特定编程语言描述的。将了解的是，可使用各种编程语言实施如本文所述的本公开的实施例的教示。

在前述说明书中，已经参考本公开的具体示例性实施例描述了本公开的实施例。显然，在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下，可以对其进行各种修改。因此，说明书和附图应被认为是说明性的而不是限制性的。