JP7785201B2 - 駐車場の動的環境において自律走行自車両を駐車するためのシステムおよび方法 - Google Patents

Description

本開示は、一般に、自律走行車両の駐車のための運動計画に関し、より具体的には、駐車場の動的環境において自律走行自車両を駐車するためのシステムおよび方法に関する。

駐車場内の駐車場所に自律走行車両を自動的に駐車するために、いくつかの駐車システムが自律走行車両において使用されている。駐車タスクは、初期状態から駐車場所を定義する目標状態までの自律走行車両の経路または運動を決定し、その後、自律走行車両が決定された経路または運動に確実に従うように自律走行車両のアクチュエータ、たとえば車両のアクセルペダルおよびハンドルを制御することとして、定式化することができる。

しかしながら、駐車場には、移動する障害車両または歩行者等の、自律走行車両が駐車場所に駐車中に衝突してはならない障害物が含まれている可能性がある。さらに、自律駐車は、狭い空間での運動計画を伴うこともある。さらに、道路または高速道路での運転とは対照的に、駐車場での車両運動には従うべき明確なルールのセットがなく、ドライバの意図またはさらには技量に大きく左右される。これらのことから、障害車両の運動予測と駐車のための自律走行車両の運動計画とは困難である。

運動予測、すなわち障害車両の将来の状態を予測することは、自律走行車両の計画モジュールおよび制御モジュールが考慮しなければならない安全制約を決定するため極めて重要であり、それゆえ、運動計画または経路の実現可能性および円滑性に影響を与える。特に、正確な短期運動予測によって、自律走行車両が安全に計画を立て、自律走行車両に対して反応することが可能になる一方で、長期計画／モード予測では、自律走行車両が効率的かつ円滑に計画を立てることが可能になる。駐車の際の短期軌道を予測するために相互作用多重モデル（ｉｎｔｅｒａｃｔｉｎｇ ｍｕｌｔｉｐｌｅ ｍｏｄｅｌ：ＩＭＭ）を使用するアプローチもあれば、短期運動予測を生成するために障害車両の動きから情報を抽出する分類器を使用するアプローチもある。しかしながら、このようなデータ駆動型方法は、データセットが異なると性能が安定せず、保証がないため好ましくなく、データセットの選択が悪いと予測誤差が大きくなる可能性がある。

さらに、一般的な運動計画アルゴリズムは、複雑な運転操作のための迅速な再計画を必要とする障害車両が存在する駐車には直接適していない。他方で、自律駐車に特化した運動プランナは、短期範囲計画と長期範囲計画とを統合できなかったり、駐車場に新たな障害物が発生した際のオンライン経路修復を適切に組み込むことができなかったりする。

したがって、駐車場の動的環境において自律走行車両を駐車するためのシステムおよび方法が依然として必要とされている。

いくつかの実施形態の目的は、駐車場の動的環境において自律走行自車両を駐車するためのシステムおよび方法を提供することである。さらに、いくつかの実施形態の目的は、自律走行車両を駐車するために、駐車場内の異なる状況に基づいて自律走行自車両の制御戦略を変更する戦略的運動プランナを提供することである。駐車場は、車両を駐車するための駐車場所を含む。駐車場はさらに、駐車場に駐車された静止車両と、駐車場内で移動する障害車両とを含み得る。

いくつかの実施形態の目的は、このような駐車場の動的環境において、静止車両、障害車両、および駐車場に存在し得る他の障害物と衝突することなく、自律走行自車両を駐車することである。たとえば、自律走行自車両は初期状態を有し、静止車両および障害車両と衝突することなく、目標状態によって定義された駐車場所に駐車する必要がある。各状態（たとえば、初期状態および目標状態）は、少なくとも自律走行自車両の２次元平面内の位置（ｘ，ｙ）および方位θを定義する。

このような目的を達成するために、いくつかの実施形態では、まず、駐車場内の利用可能な駐車場所を示す駐車場内の動的環境の状態と、各静止車両の状態と、障害車両の状態との測定値を収集する。一実施形態では、障害車両の状態は、障害車両の位置および方位と、障害車両の幾何学的情報、たとえばそのホイールベースとを含み得る。さらに、駐車場内の動的環境の状態に基づいて、自律走行自車両を駐車するための軌道を生成するために、経路プランナを実行する。

いくつかの実施形態は、駐車場において自律走行自車両の無衝突駐車を実現するために、障害車両の運動を考慮する必要があるという認識に基づいている。そのため、いくつかの実施形態は、障害車両の経路を予測することを目的としている。

しかしながら、いくつかの実施形態は、駐車場の動的環境を考慮すると、障害車両の経路を予測するだけでは不十分であり、障害車両の運動モードを決定することも有用であるという認識に基づいている。いくつかの実施形態は、障害車両が駐車場において巡航モードおよび操縦モードなどの様々なモードで走行するという観察に基づいている。巡航モードでは、障害車両のステアリング角は小さい、または安定している。障害車両が駐車場に入り、駐車場所に近づいているとき、または障害車両が駐車場から退出するときに、障害車両は巡航モードで走行する。操縦モードでは、障害車両は頻繁にステアリング角を変更し、経路を逸脱して駐車したり、狭い駐車場所から退出したりする。

そのため、いくつかの実施形態の目的は、障害車両の経路と運動モードとの両方を予測することである。障害車両の経路と運動モードとを予測するために、障害車両の経路と運動モードとを予測するように構成された環境予測装置が実行される。

さらに、障害車両の安全制約は、障害車両の予測された経路と運動モードとに基づいて決定される。たとえば、予測されたモードが巡航モードである場合、安全制約は、その経路に沿った障害車両の状態の周りで決定される。経路に沿った障害車両の状態の周りで決定される安全制約は、安全マージンと呼ばれる。巡航モードでは、障害車両の積極的な操縦動作が少なく、比較的高い信頼性で障害車両の運動を予測できるため、安全マージンを巡航モードの安全制約として決定する。しかしながら、操縦モードでは、障害車両の運動を予測することは困難であり、障害車両は、その方位を調整するために、より大きな空間を占有する傾向がある。そのため、操縦モードの場合、安全制約は、障害車両の状態の周りの全走行方向の安全範囲として決定される。したがって、予測モードが操縦モードである場合、障害車両に対して安全範囲が決定される。安全範囲は、障害車両が操縦モードである場合に自律走行自車両が回避すべき領域を定義する。

さらに、軌道と決定された安全制約とに基づいて自律走行自車両を制御することによって、自律走行自車両を駐車させる。

いくつかの実施形態は、駐車場における自律走行自車両の運動を、駐車場の環境の変化に応じて常に適応し得るという認識に基づいている。したがって、自律走行自車両の軌道が決定された後でも、軌道を調整する必要性が随時生じる可能性がある。そのため、自律走行自車両の駐車を制御するために、いくつかの実施形態では、駐車場の異なる状況に基づいて制御戦略を変更する戦略的運動プランナを使用する。

たとえば、いくつかの実施形態では、戦略的運動プランナは、異なる状況に基づいて３つの異なる戦略を使用する。戦略的運動プランナは、軌道追跡のためのモデル予測制御ベースの安全コントローラと、緊急時に回避経路を見つけるための探索ベースの退避プランナと、軌道の経路を修正するための最適化ベースの修復プランナとを含む。戦略的運動プランナは、最適化ベースアプローチと探索ベースアプローチとの利点を活用することによって、安全性、計画実現可能性、およびスムーズな操縦のバランスを取る。

したがって、一実施形態は、駐車場の動的環境において自律走行自車両を駐車するための統合システムを開示する。統合システムは、プロセッサと、命令を格納したメモリとを備え、命令は、プロセッサによって実行されると、統合システムに、駐車場の利用可能な駐車場所を示す駐車場内の動的環境の状態と、駐車場に駐車された１台以上の静止車両の状態と、駐車場において移動している１台以上の障害車両の状態との測定値を収集させ、駐車場における動的環境の状態に基づいて、自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行させ、障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行させ、障害車両の各々の経路と運動モードとに基づいて、障害車両の各々の安全制約を決定させ、障害車両が第１の運動モードである場合、安全制約は、障害車両の状態の周りでその経路に沿って決定され、障害車両が第２の運動モードである場合、安全制約は、障害車両の状態の周りで全ての走行方向において決定され、命令は統合システムにさらに、駐車のための軌道と、障害車両の各々の安全制約とに基づいて、自律走行自車両を駐車させる。

したがって、他の実施形態は、駐車場の動的環境において自律走行自車両を駐車するための方法を開示する。方法は、駐車場の利用可能な駐車場所を示す駐車場内の動的環境の状態と、駐車場に駐車された１台以上の静止車両の状態と、駐車場において移動している１台以上の障害車両の状態との測定値を収集することと、駐車場における動的環境の状態に基づいて、自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行することと、障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行することと、障害車両の各々の経路と運動モードとに基づいて、障害車両の各々の安全制約を決定することとを備え、障害車両が第１の運動モードである場合、安全制約は、障害車両の状態の周りでその経路に沿って決定され、障害車両が第２の運動モードである場合、安全制約は、障害車両の状態の周りで全ての走行方向において決定され、方法はさらに、駐車するための軌道と、障害車両の各々の安全制約とに基づいて、自律走行自車両を駐車することを備える。

したがって、さらに他の実施形態は、駐車場の動的環境において自律走行自車両を駐車するための方法を実行するためのプロセッサによって実行可能なプログラムを具現化した非一時的なコンピュータ読取可能記憶媒体を開示する。方法は、駐車場の利用可能な駐車場所を示す駐車場内の動的環境の状態と、駐車場に駐車された１台以上の静止車両の状態と、駐車場において移動している１台以上の障害車両の状態との測定値を収集することと、駐車場における動的環境の状態に基づいて、自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行することと、障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行することと、障害車両の各々の経路と運動モードとに基づいて、障害車両の各々の安全制約を決定することとを備え、障害車両が第１の運動モードである場合、安全制約は、障害車両の状態の周りでその経路に沿って決定され、障害車両が第２の運動モードである場合、安全制約は、障害車両の状態の周りで全ての走行方向において決定され、方法はさらに、駐車するための軌道と、障害車両の各々の安全制約とに基づいて、自律走行自車両を駐車する命令を格納することを備える。

現在開示されている実施形態について、添付の図面を参照してさらに説明する。図示された図面は、必ずしも縮尺通りではなく、一般に、現在開示されている実施形態の原理を説明することに重点が置かれている。

本開示のいくつかの実施形態に係る駐車場の例を示す図である。 本開示の一実施形態に係る、自律走行自車両の駐車のためのシステムを示すブロック図である。 本開示の一実施形態に係る、駐車場の動的環境において自律走行自車両を駐車するための方法を示すブロック図である。 本開示の一実施形態に係る、障害車両が駐車場から退出するために横断し得る異なる経路を示す概略図である。 本開示の一実施形態に係る、経路に沿った障害車両の状態の周りで決定される安全マージンを示す概略図である。 本開示の一実施形態に係る、安全範囲を示す概略図である。 本開示の一実施形態に係る環境予測装置を示す概略図である。 本開示の一実施形態に係る、多段階推定フレームワークに基づく運動推定部を示す概略図である。 本開示の一実施形態に係る、動的モデルに基づく運動推定のための概略図である。 本開示の一実施形態に係る、異なるモデルを用いて予測された障害車両の経路を示す概略図である。 本開示の一実施形態に係る、自転車モデルを用いた短期運動予測結果の例と、一輪車モデルを用いた短期運動予測結果の例とを示す図である。 本開示の一実施形態に係る、各モードの確率を推定するための長期モード予測部を示す概略図である。 本開示の一実施形態に係る、コストマップ策定のための概略図である。 本開示の一実施形態に係る、安全制約と安全集合とを決定するためのブロック図である。 本開示の一実施形態に係る、運動予測と計画フレームワークとを示すブロック図である。 本開示の一実施形態に係る、安全制約に違反し、退避プランナが起動されるシナリオ例を示す図である。 本開示の一実施形態に係る、現在位置と退避のための安全地点との間の経路を決定するための退避プランナの方法を示すブロック図である。 本開示の一実施形態に係る、ノードコストの評価を示す概略図である。 本開示の一実施形態に係る、退避プランナのプロセスを示す概略図である。 本開示の一実施形態に係る、障害車両が基準軌道上で停止するシナリオ例を示す図である。 本開示の一実施形態に係る、修復された経路の実現可能性を検証するためのブロック図である。 本開示のシステムおよび方法を実装するために使用することができるシステムを示す概略図である。

以下の記載では、説明の便宜上、本開示の完全な理解を提供するために、多数の具体的な詳細を記載する。しかしながら、当業者には、本開示がこれらの具体的な詳細がなくても実施され得ることは明らかであろう。他の例では、本開示を不明瞭にすることを避けるために、装置および方法をブロック図の形式のみで示す。

本明細書および特許請求の範囲で使用される場合、「たとえば」、「～など」、および「そのような」という用語、ならびに「備える」、「有する」、「含む」という動詞、およびそれらの他の動詞形は、１つもしくは複数の構成要素または他の項目のリストと共に使用される場合、各々、オープンエンドとして解釈され、そのリストは、他の追加の構成要素または項目を除外するとみなされるべきではないことを意味する。「～に基づく」という用語は、少なくとも部分的に基づくことを意味する。さらに、本明細書で使用される言い回しおよび用語は、説明を目的としたものであり、限定的なものとみなされるべきではないことを理解されたい。本明細書で使用されるいかなる見出しも、便宜上のものに過ぎず、法的または限定的な効果を有するものではない。

図１Ａは、本開示のいくつかの実施形態に係る駐車場１００の例を示す。駐車場１００は、場所１０１等の、車両を駐車するための駐車場所を含む。駐車場１００はさらに、駐車場１００に駐車された車両１０３、１０５、１０７などの１台以上の静止車両と、駐車場１００において移動している１台以上の障害車両、たとえば障害車両１０９とを含む。障害車両１０９は、経路１１１を辿ることによって駐車場１００を退出していく可能性がある。さらに、駐車場１００は、駐車場１００の壁１１３および／または柱などの静的障害物を含む。

いくつかの実施形態の目的は、駐車場１００のそのような動的環境において、静止車両１０３、１０５、１０７、障害車両１０９、壁１１３、および駐車場１００に存在し得る他の障害物に衝突することなく、自律走行自車両１１５を駐車することである。たとえば、自律走行自車両１１５は初期状態１１７を有し、静止車両１０３、１０５、１０７、障害車両１０９、および壁１１３と衝突することなく、目標状態１１９によって定義される駐車場所に駐車する必要がある。各状態、たとえば初期状態１１７および目標状態１１９は、少なくとも自律走行自車両１１５の２次元平面内の位置（ｘ，ｙ）と方位θとを定義する。

このような目的を達成するために、いくつかの実施形態は、自律走行自車両１１５を駐車するためのシステムを提供する。自律走行自車両１１５を駐車するためのシステムについて、図１Ｂで説明する。

図１Ｂは、本開示の一実施形態に係る、自律走行自車両１１５を駐車するためのシステム１２３を示すブロック図である。システム１２３は、プロセッサ１２５とメモリ１２７とを含む。プロセッサ１２５は、シングルコアプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、または任意の数の他の構成であり得る。メモリ１２７は、ランダムアクセスメモリ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ：ＲＡＭ）、読み取り専用メモリ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ：ＲＯＭ）、フラッシュメモリ、または任意の他の適切なメモリシステムを含み得る。さらに、いくつかの実施形態では、メモリ１２７は、ハードドライブ、光学ドライブ、サムドライブ、ドライブのアレイ、またはそれらの任意の組み合わせを使用して実装され得る。一実施形態において、システム１２３は、自律走行自車両１１５に統合され得る。プロセッサ１２５は、図１Ｃで説明したように、自律走行自車両１１５を駐車するための様々な機能を実行するように構成されている。

図１Ｃは、本開示の一実施形態に係る、駐車場１００の動的環境において自律走行自車両１１５を駐車するための方法１２９を示すブロック図である。ブロック１３１において、プロセッサ１２５は、駐車場１００内の利用可能な駐車場所を示す駐車場１００内の動的環境の状態と、静止車両１０３、１０５、１０７の各々の状態と、障害車両１０９の状態との測定値を収集する。一実施形態において、障害車両１０９の状態は、障害車両１０９の位置および方位と、障害車両１０９の幾何学的情報、たとえばそのホイールベースとを含み得る。

ブロック１３３において、プロセッサ１２５は、駐車場１００内の動的環境の状態に基づいて自律走行自車両１１５を駐車するための軌道を生成するように構成された経路プランナを実行する。たとえば、プロセッサ１２５は、目標状態１１９で自律走行自車両１１５を駐車するための、図１Ａに示す軌道１２１を生成するように経路プランナを実行する。一実施形態では、経路プランナはメモリ１２７に格納され得る。

いくつかの実施形態は、駐車場１００において自律走行自車両１１５の無衝突駐車を実現するために、障害車両１０９の運動を考慮する必要があるという認識に基づいている。そのため、いくつかの実施形態は、障害車両１０９の経路を予測することを目的としている。図１Ｄは、本開示の一実施形態に係る、障害車両１０９が駐車場１００から退出するために横断し得る異なる経路を示す概略図である。障害車両１０９は、たとえば、経路１０９ａおよび／または経路１０９ｂに沿って横断し得る。

いくつかの実施形態は、駐車場１００の動的環境を考慮すると、障害車両１０９の経路を予測するだけでは不十分であり、障害車両１０９の運動モードを決定することも有用であるという認識に基づいている。いくつかの実施形態は、障害車両１０９が、駐車場１００において巡航モードおよび操縦モードといった様々なモードで走行するという観察に基づいている。巡航モードでは、障害車両１０９のステアリング角は小さいか、または安定している。障害車両１０９は、障害車両１０９が駐車場１００に進入し、駐車場所に近づいているとき、または障害車両１０９が駐車場１００から退出しているときに、巡航モードで走行する。巡航モードは第１のモードとも呼ばれる。操縦モードでは、障害車両１０９は、頻繁にステアリング角を変更し、経路を逸脱して駐車したり、狭い駐車場から退出したりする。操縦モードは第２のモードとも呼ばれる。

そのため、いくつかの実施形態の目的は、障害車両１０９の経路と運動モードとの両方を予測することである。障害車両１０９の経路と運動モードとを予測するために、ブロック１３５において、プロセッサ１２５は、障害車両１０９の経路と運動モードとを予測するように構成された環境予測装置を実行する。一実施形態では、環境予測装置はメモリ１２７に格納され得る。

さらに、ブロック１３７において、プロセッサ１２５は、障害車両１０９の予測された経路と運動モードとに基づいて、障害車両１０９の安全制約を決定する。たとえば、予測された経路が経路１０９ｂであり、予測されたモードが巡航モードである場合、安全制約は、その経路に沿った障害車両１０９の状態の周りで決定される。経路に沿った障害車両１０９の状態の周りで決定される安全制約は、安全マージンと呼ばれる。図１Ｅは、本開示の一実施形態に係る、経路１０９ｂに沿った障害車両１０９の状態の周りで決定される安全マージン１４１を示す概略図である。巡航モードでは、障害車両１０９があまり積極的な操縦動作をとらず、その運動を比較的高い信頼度で予測できるため、安全マージン１４１は、巡航モードの安全制約として決定される。しかしながら、操縦モードでは、障害車両１０９の運動を予測することは困難であり、障害車両１０９は、その方位を調整するために、より広い空間を占有する傾向がある。そのため、操縦モードの場合、安全制約を、障害車両１０９の状態の周りの全走行方向における安全範囲として決定する。

したがって、たとえば、予測された経路が経路１０９ｂであり、予測されたモードが操縦モードである場合、安全範囲は、障害車両１０９について決定される。図１Ｆは、本開示の一実施形態に係る安全範囲１４３ａおよび１４３ｂを示す概略図である。安全範囲１４３ａおよび１４３ｂは、障害車両１０９が操縦モードで経路１０９ｂを横断している場合に自律走行自車両１１５が回避すべき領域１４５を定義する。

さらに、ブロック１３９において、プロセッサ１２５は、軌道１２１と決定された安全制約とに基づいて自律走行自車両１１５を制御することによって、自律走行自車両１１５を駐車する。

いくつかの実施形態では、運動学的モデルは、連続的な曲率を保証するための追加の状態変数を含み得る。他の実施形態では、運動学的モデルは、追加の状態変数として、縦方向速度、ステアリング角、およびステアリング角速度を含み得る。

一実施形態によれば、障害車両１０９の経路は、障害車両１０９の位置と速度とに基づいて決定することができる。しかしながら、いくつかの実施形態は、位置と速度とは、障害車両１０９の運動モードを推定するには不十分であるという認識に基づいている。なぜなら、任意の時間インスタンスにおいて同じ位置にあり、かつ同じ速度を有する車両が、異なるモードである可能性があるからである。そのため、いくつかの実施形態は、巡航モードの障害車両１０９の場合、ステアリング角は、操縦モードの障害車両１０９のステアリング角と比較して、障害車両１０９の速度および／または方位とより一致しているため、ステアリング角が運動モードをより示すことができるという認識に基づいている。

したがって、いくつかの実施形態では、環境予測装置は、異なる時間インスタンスにおける障害車両１０９の位置、速度、およびステアリング角を推定し、異なる時間インスタンスにおける障害車両１０９の位置および速度に基づいて、障害車両１０９の経路を推定する。環境予測装置はさらに、異なる時間インスタンスにおける障害車両１０９のステアリング角に基づいて、障害車両１０９の運動モードを推定する。さらに、または代替的に、いくつかの実施形態では、環境予測装置は、異なる時間インスタンスにおける障害車両１０９の方位とステアリング角とのずれに基づいて、障害車両１０９の運動モードを決定する。障害車両１０９の経路と運動モードとを決定するために使用される環境予測装置について、図２において以下で詳細に説明する。

図２は、本開示の一実施形態に係る環境予測装置を示す概略図２００である。測定値に基づいて、運動推定部２０１が障害車両１０９の現在の状態２０３を推定し、運動予測部２０５が有限の時間範囲にわたる経路２０７を予測する。測定値は、目標状態１１９と、地図情報と、障害車両１０９の位置および方位と、障害車両１０９の幾何学的情報とのうちの１つまたは組み合わせを含む。さらに、現在の状態２０３と予測経路２０７とに基づいて、長期モード予測部２０９が、障害車両１０９が属する可能性のある各モードの確率２１１を決定する。さらに、現在の状態２０３と予測経路２０７とモード確率２１１とに基づいて、プロセッサ１２５は安全制約２１３を決定する。

このような欠点に対処するために、いくつかの実施形態は、多段階推定フレームワークに基づく運動推定部２０１を提供する。多段階推定フレームワークに基づく運動推定部２０１について、図３Ａにおいて以下で説明する。

図３Ｃは、本開示の一実施形態に係る、異なるモデルを用いて予測された障害車両１０９の経路を示す概略図である。一輪車モデル（３）を用いて予測された経路の例を、３０９で表す。自転車モデル（４）を用いて予測された経路の例を、３１１で表す。動的モデル（７）を用いて予測された経路の例を、３１３で表す。

図３Ｄは、本開示の一実施形態に係る、自転車モデルに基づく短期運動予測結果３１５の例と、一輪車モデルに基づく短期運動予測結果３１７の例とを示す。境界ボックスのフットプリントは、３１９と３２１とである。自転車モデルが提供する一定のステアリングを使用する場合、グラウンドトゥルース３２３からの予測偏差は、一輪車モデルが提供する一定のヨーレートを使用する場合と比較して小さい。たとえば、一実施形態では、一定の入力を取り、一定期間を通して状態変化を記録する運動シミュレータを使用する。

いくつかの実施形態は、駐車場１００における障害車両１０９の長期的な運動は、（例として２０１ａおよび２０１ｂを含む）可能な経路と、可能なモード（経路ごとの操縦または巡航）と、障害車両１０９が特定のモードに従う確率とによって特徴付けることができるという認識に基づいている。経路とモード情報とを組み合わせると、Ｎ個の可能な経路を持つ障害車両１０９は、２Ｎ個の可能なモードを持つ可能性がある。一実施形態によれば、時間ステップｋにおける長期運動の予測は、長期モード予測部２０９による各モードの確率の推定に対応する。

いくつかの実施形態は、駐車場１００における自律走行自車両１１５の運動は、駐車場の環境の変化に応答して常に適合され得るという認識に基づいている。したがって、自律走行自車両１１５の軌道１２１が決定された後であっても、軌道１２１を調整する必要性がいつでも生じる可能性がある。そのため、自律走行自車両１１５の駐車を制御するために、いくつかの実施形態では、駐車場１００内の異なる状況に基づいて制御戦略を変更する戦略的運動プランナを使用する。

たとえば、いくつかの実施形態では、戦略的運動プランナは、異なる状況に基づいて３つの異なる戦略を使用する。戦略的運動プランナは、軌道追跡のためのモデル予測制御ベースの安全コントローラと、回避経路を見つけるための探索ベースの退避プランナと、基準軌道が無効になったときに新しい軌道／修復経路を計画するための最適化ベースの修復プランナとを含む。戦略的運動プランナは、最適化ベースのアプローチと探索ベースのアプローチとの利点を活用することによって、安全、計画の実現可能性、およびスムーズな操縦のバランスを取る。

さらに、いくつかの実施形態は、戦略的運動プランナを環境予測装置と統合して、統合された運動予測・計画フレームワークを形成することができるという認識に基づいている。そのようなフレームワークについて、図６において以下で説明する。

図６は、本開示の一実施形態に係る、運動予測・計画フレームワーク６００を示すブロック図である。運動予測・計画フレームワーク６００は、中央制御装置６０１と、環境予測装置６０３と、戦略的運動プランナ６０５とを含む。環境予測装置６０３は、図２で説明した環境予測装置６０３と同じである。一実施形態では、中央制御装置６０１と、環境予測装置６０３と、戦略的運動プランナ６０５とは、メモリ１２７に格納される。

さらに、戦略的運動プランナ６０５は、自律走行自車両１１５を停止させることなく更新された基準軌道を追跡することが可能かどうかを判定する。自律走行自車両１１５を停止させることなく更新された基準軌道を追跡することが可能であると判定された場合、モデル予測コントローラ（ｍｏｄｅｌ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌｌｅｒ：ＭＰＣ）ベースの安全コントローラ６２５が、更新された基準軌道を追跡するために実行される。一実施形態において、ＭＰＣベースの安全コントローラ６２５は、更新された基準軌道を追跡するために、制御コマンド、たとえば、ステアリング角および速度を自律走行自車両１１５に提出する。

修理プランナ６２３が正常に動作できない場合、たとえば、自律走行自車両１１５を停止させることなく更新された基準軌道を追跡することが不可能であると判定される場合、修理プランナ６２３は、駐車場マップ６０９を更新し、基準軌道を再び生成することによって、中央制御装置６０１に再計画６２７を要求する。

ブロック７０７において、プロセッサ１２５は、現在位置をルートノードとして優先順位キューに追加する。ブロック７０９において、プロセッサ１２５は、コストが最も低いノードを選択し、優先順位キューからポップし、事前計算された運動プリミティブの適用によって拡張する。さらに、ブロック７１１において、プロセッサ１２５は、全ての事前計算された運動プリミティブが適用されているかどうかをチェックする。全ての事前計算された運動プリミティブが適用されていない場合、ブロック７１３において、プロセッサ１２５は、新しい運動プリミティブを適用して、エッジ集合７１５を生成する。ブロック７１７において、プロセッサ１２５は、エッジ集合７１５が無衝突であるかどうかを判定する。エッジ集合が無衝突でない場合、新しいエッジ集合を生成するために再び新しい運動プリミティブが適用される。エッジ集合が無衝突である場合、ブロック７１９において、プロセッサ１２５は、エッジ集合が終了する子ノードを記録する。さらに、ブロック７２１において、プロセッサは、子ノードが安全限界を満たすかどうか、たとえば、ある距離離れているかどうかを判定する。子ノードが安全限界を満たさない場合、ブロック７２３において、プロセッサ１２５はノードコストを評価する。さらに、ブロック７２５において、プロセッサ１２５は、子ノードを優先順位キューにプッシュする。子ノードが安全限界を満たす場合、ブロック７２７において、プロセッサは、現在位置から子ノードまでの経路を計算する。子ノードまでの経路は、退避経路に対応する。

ブロック７２３で実行されるノードコストの評価について、図７Ｃにおいて以下に詳細に説明する。

図７Ｄは、本開示の一実施形態に係る退避プランナ６１９のプロセスを示す概略図である。退避プランナ６１９は、障害車両１０９との衝突につながりそうな現在位置７３７から開始する。当初、優先順位キューにはルートノードしか含まれていないため、退避プランナ６１９は、ルートノードを選択して展開する。運動プリミティブ７３９を適用すると、無衝突の新しいノード７４１ａが得られる。ルートノードで運動プリミティブの適用を繰り返すと、ツリーにさらに４つの新しいノード、７４１ｂ、７４１ｃ、７４１ｄ、７４１ｅが追加される。新しい５つのノード７４１ａ、７４１ｂ、７４１ｃ、７４１ｄ、７４１ｅは、すべて優先順位キューにプッシュされる。次の反復では、Ｘ_ｂｅｓｔ７４３が、ノードコストが最も低いことから最良のノードとして識別され、拡張のために選択される。このプロセスを繰り返すと、最終的に、安全限界を満たす新しいノード７４５が得られる。ツリー構築プロセスは停止し、退避プランナ６１９は、ノード７４５である退避目標と、ルートノードからノード７４５までの経路７４７とを返す。

図８Ａは、本開示の一実施形態に係る、障害車両１０９が基準軌道８０１上で停止するシナリオ例を示す。このようなシナリオでは、ＭＰＣベースの安全制御装置６２５は、前方の領域が実現不可能である場合、自律走行自車両１１５に、基準軌道８０１上で停止するように命令する。新たな基準軌道を受信しない限り、ＭＰＣベースの安全コントローラ６２５は、自律走行自車両１１５を停止させ、障害車両１０９が離れるのを待つ。しかしながら、障害車両１０９が長時間停止する場合、待つことは好ましくない。いくつかの実施形態は、障害車両１０９を静的障害物として扱うことができ、基準軌道８０１を修復プランナ６２３によって更新／修復して、自律走行自車両１１５が障害車両１０９を迂回して基準軌道８０１に合流して戻ることができるような修復経路８０３を形成することができるという認識に基づいている。

一実施形態によれば、修復された経路８０３は基準軌道８０１と同じホモトープクラスであり、最適化ベースの修復プランナが実行可能な解決策となる。最適化ベースの修復プランナは、初期化として本来のウェイポイント８０５を取り、それらを最適な無衝突位置８０７に移動させて、修復された経路８０３を形成する。

いくつかの実施形態は、修復された経路８０３は、衝突がないにもかかわらず、自律走行自車両１１５の運動学または動力学を満たさない可能性があり、自律走行自車両１１５が障害物に衝突する原因となるため、修復された経路８０３を常に正確に辿ることができないという理解に基づいている。したがって、修復された経路８０３を受け入れる前に、修復された経路８０３の実現可能性を検証する必要がある。

図８Ｂは、本開示の一実施形態に係る、修復された経路８０３の実現可能性を検証するためのブロック図である。ブロック８０９において、反復線形二次レギュレータ（ｉｔｅｒａｔｉｖｅ ｌｉｎｅａｒ ｑｕａｄｒａｔｉｃ ｒｅｇｕｌａｔｏｒ：ＩＬＱＲ）追跡コントローラが使用される。ＩＬＱＲは、修復された経路が運動学的に実現可能な軌道に近い場合、車の運動学に従って修復された経路を追跡する運動計画を生成するように構成された最適化ベースのコントローラである。ＩＬＱＲが失敗した場合、修復された経路を辿ることができないため、修復プランナが失敗したことを意味する。ＩＬＱＲは、ＬＱＲ制御を拡張したものであり、最適化問題を解くことにより、所与の時間範囲における制御シーケンスを決定する。

ブロック８１１において、プロセッサ１２５は、修復された経路８０３を正確に辿ることができるかどうかを判定する。修復された経路８０３を正確に辿ることができる場合、ブロック８１３において、プロセッサ１２５は、修復された経路８０３に基づいて基準軌道８０１を更新する。修復された経路８０３を正確に辿ることができないと判定された場合、ブロック８１５において、プロセッサ１２５は、中央制御装置６０１に新しい基準軌道を提供するように要求する。

図９は、本開示のシステムおよび方法を実装するために使用することができるシステムを示す概略図である。システム９００は、接続部９１３を介して互いに動作可能に結合された、送受信機９０１、慣性測定ユニット（ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ：ＩＭＵ）９０３、ディスプレイ９０５、センサ（複数可）９０７、メモリ９０９、およびプロセッサ９１１のうちの１つまたは組み合わせを含む。接続部９１３は、バス、ライン、ファイバー、リンク、またはそれらの組み合わせを含み得る。

送受信機９０１は、たとえば、１つ以上の種類の無線通信ネットワークを介して送信された１つ以上の信号の送信が可能な送信機と、１つ以上の種類の無線通信ネットワークを介して送信された１つ以上の信号を受信することが可能な送受信機とを含み得る。送受信機９０１は、フェムトセル、ＩＥＥＥ８０２．１１ファミリーの規格に基づき得るＷｉ－Ｆｉ（登録商標）ネットワークもしくは無線ローカルエリアネットワーク（Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋｓ：ＷＬＡＮｓ（登録商標））、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線パーソナルエリアネットワーク（Ｗｉｒｅｌｅｓｓ Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋｓ：ＷＰＡＮＳ）、近距離無線通信（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ：ＮＦＣ）、ＩＥＥＥ８０２．１５ｘファミリーの規格に基づき得るネットワーク、および／またはＬＴＥ、ＷｉＭＡＸなどの無線ワイドエリアネットワーク（Ｗｉｒｅｌｅｓｓ Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋｓ：ＷＷＡＮｓ）等の、様々な技術に基づくワイヤレスネットワークとの通信を可能にし得るが、これらに限定されない。システム９００はまた、有線ネットワークを介した通信用の１つ以上のポートを含み得る。

いくつかの実施形態では、システム９００は、ＣＣＤもしくはＣＭＯＳセンサなどの画像センサ、レーザおよび／またはカメラを含んでもよく、これらは、以下では「センサ９０７」と称される。たとえば、センサ９０７は、光学画像を電子画像またはデジタル画像に変換することができ、取得した画像をプロセッサ９１１に送信することができる。さらに、または代替的に、センサ９０７は、シーン内の対象物から反射された光を感知し、捕捉された光の強度をプロセッサ９１１に送信することができる。

たとえば、センサ９０７は、「色情報」を提供する色またはグレースケールのカメラを含み得る。本明細書で使用する「色情報」という用語は、色および／またはグレースケール情報を指す。一般に、本明細書で使用される場合、カラー画像またはカラー情報は、１～Ｎ個のチャンネルを含むと見なすことができ、Ｎは、画像を格納するために使用される色空間に依存するある整数である。たとえば、ＲＧＢ画像は３つのチャンネルを含み、赤、青、緑の情報に対して、各々１つのチャンネルを有する。

たとえば、センサ９０７は、「深度情報」を提供するための深度センサを含み得る。深度情報は、深度センサを用いて様々な方法で取得することができる。「深度センサ」という用語は、深度情報を独立して、および／または他のいくつかのカメラと組み合わせて取得するために使用され得る機能ユニットを指すために使用される。たとえば、いくつかの実施形態では、深度センサおよび光学カメラは、センサ９０７の一部であり得る。たとえば、いくつかの実施形態では、センサ９０７は、カラー（ＲＧＢ）画像に加えて、深度センサが有効である場合にピクセルごとの深度（Ｄ）情報を捕捉し得るＲＧＢＤカメラを含む。

別の例として、いくつかの実施形態では、センサ９０７は、３ＤＴＯＦ（３Ｄ Ｔｉｍｅ Ｏｆ Ｆｌｉｇｈｔ）カメラを含み得る。３ＤＴＯＦカメラを有する実施形態では、深度センサは、３ＤＴＯＦカメラに結合されたストロボ光の形態をとってもよく、このストロボ光は、シーン内の物体を照射することができ、反射光を、センサ４１０内のＣＣＤ／ＣＭＯＳセンサによって捕捉することができる。深度情報は、光パルスが物体に到着してセンサに戻るまでの時間を測定することによって得られる。

さらに別の例として、深度センサは、センサ９０７に結合された光源の形態をとることができる。一実施形態では、光源は、１つもしくは複数の狭い帯域の光を含み得る構造化されたまたはテクスチャ化された光パターンを、シーン内の物体に投影する。深度情報は、物体の表面形状によって生じる投影パターンの幾何学的歪みを利用することによって得られる。一実施形態では、赤外線構造化光プロジェクタとＲＧＢカメラに位置合わせされた赤外線カメラとの組み合わせなどのステレオセンサから、深度情報を決定する。

いくつかの実施形態では、センサ９０７は立体カメラを含む。たとえば、深度センサは、２台以上のカメラを使用してシーンの深度情報を取得し得るパッシブステレオビジョンセンサの一部を形成してもよい。捕捉されたシーン内の両方のカメラに共通する点の画素座標は、画素ごとの深度情報を得るために、カメラの姿勢情報および／または三角測量技術と共に使用され得る。

いくつかの実施形態では、システム９００は、デュアル前面カメラおよび／または前面カメラおよび背面カメラなどの複数のセンサ９０７に動作可能に接続することができ、様々なセンサを組み込むこともできる。いくつかの実施形態では、センサ９０７は、静止画像と動画像との両方を撮像することができる。いくつかの実施形態では、センサ９０７は、たとえば、毎秒３０フレーム（ｆｐｓ）で画像を捕捉することができるＲＧＢＤカメラまたは立体ビデオカメラを含み得る。一実施形態では、センサ９０７によって捕捉された画像は、生の非圧縮フォーマットであってもよく、処理される前および／またはメモリ９０９に格納される前に圧縮され得る。いくつかの実施形態では、画像圧縮は、可逆圧縮技術または非可逆圧縮技術を使用して、プロセッサ９１１によって実行され得る。

いくつかの実施形態では、プロセッサ９１１は、ＩＭＵ９０３からの入力を受信することもできる。他の実施形態では、ＩＭＵ９０３は、３軸加速度計（複数可）、３軸ジャイロスコープ（複数可）、および／または磁力計（複数可）を含み得る。ＩＭＵ９０３は、速度、方位、および／または他の位置関連情報をプロセッサ９１１に提供することができる。いくつかの実施形態では、ＩＭＵ９０３は、センサ９０７による各画像フレームの捕捉と同期して、測定された情報を出力することができる。いくつかの実施形態において、ＩＭＵ９０３の出力は、センサ測定値を融合するため、および／または融合された測定値をさらに処理するために、プロセッサ９１１によって部分的に使用される。

システム９００はまた、カラー画像および／もしくは深度画像などの画像をレンダリングするスクリーンまたはディスプレイ９０５を含み得る。いくつかの実施形態では、ディスプレイ９０５は、センサ９０７によって捕捉されたライブ画像、融合画像、拡張現実（ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ：ＡＲ）画像、グラフィカルユーザインターフェース（ｇｒａｐｈｉｃａｌ ｕｓｅｒ ｉｎｔｅｒｆａｃｅｓ：ＧＵＩ）、および他のプログラム出力を表示するために使用することができる。いくつかの実施形態では、ディスプレイ９０５は、仮想キーボード、アイコン、メニュー、または他のＧＵＩ、ユーザジェスチャ、ならびに／もしくはスタイラスおよび他の筆記具等の入力デバイスの何らかの組合せを介してユーザがデータを入力できるように、タッチスクリーンを含んでもよく、および／またはタッチスクリーンを収容し得る。いくつかの実施形態では、ディスプレイ９０５は、液晶ディスプレイ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ：ＬＣＤ）表示装置、または有機ＬＥＤ（ｏｒｇａｎｉｃ ｌｉｇｈｔ ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ：ＯＬＥＤ）ディスプレイ等の発光ダイオード（ＬＥＤ）ディスプレイを用いて実装することができる。他の実施形態では、ディスプレイ４８０は、ウェアラブルディスプレイであり得る。いくつかの実施形態では、融合の結果は、ディスプレイ９０５上にレンダリングされ得るか、またはシステム９００の内部もしくは外部であり得る異なるアプリケーションに提出され得る。

例示的なシステム９００はまた、図示された機能ブロックの１つ以上の追加、組み合わせ、または省略などによって、本開示と一致する態様で様々に変更することができる。たとえば、いくつかの構成では、システム９００は、ＩＭＵ９０３または送受信機９０１を含まない。さらに、特定の実装例では、システム９００は、周囲光センサ、マイクロフォン、音響センサ、超音波センサ、レーザ距離計などの様々な他のセンサ（図示せず）を含む。いくつかの実施形態では、システム４００の一部は、１つ以上のチップセットなどの形態をとる。

プロセッサ９１１は、ハードウェア、ファームウェア、およびソフトウェアの組み合わせを使用して実装され得る。プロセッサ９１１は、センサ融合に関連するコンピューティング手順もしくはプロセス、および／または融合された測定値をさらに処理するための方法の少なくとも一部を実行するように構成可能な１つ以上の回路を表し得る。プロセッサ９１１は、メモリ９０９から命令および／またはデータを取り出す。プロセッサ９１１は、１つ以上の特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ：ＡＳＩＣ）、中央処理ユニット（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔｓ）および／またはグラフィカル処理ユニット（ｇｒａｐｈｉｃａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔｓ）、デジタル信号プロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒｓ：ＤＳＰ）、デジタル信号処理デバイス（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｄｅｖｉｃｅｓ：ＤＳＰＤ）、プログラマブルロジックデバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅｓ：ＰＬＤ）、フィールドプログラマブルゲートアレイ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙｓ：ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ、組み込みプロセッサコア、電子デバイス、本明細書に記載される機能を実行するように設計された他の電子ユニット、またはそれらの組み合わせを使用して実装され得る。

メモリ９０９は、プロセッサ９１１の内部および／またはプロセッサ９１１の外部に実装することができる。本明細書で使用される場合、「メモリ」という用語は、任意のタイプの長期、短期、揮発性、不揮発性、または他のメモリを指し、特定のタイプのメモリもしくは数のメモリ、またはメモリが格納される物理的媒体の種類に限定されるものではない。いくつかの実施形態では、メモリ９０９は、自動駐車を容易にするプログラムコードを保持する。

たとえば、メモリ９０９は、静止画像、深度情報、ビデオフレーム、プログラム結果等のセンサの測定値、ならびにＩＭＵ９０３および他のセンサによって提供されるデータを格納することができる。メモリ９０９は、車両の幾何学、駐車スペースの地図、自律走行自車両の運動モデル、および自律走行自車両の動的モデルを格納するメモリを格納することができる。一般に、メモリ９０９は任意のデータ記憶機構を表し得る。メモリ９０９は、たとえば、一次メモリおよび／または二次メモリを含み得る。一次メモリは、たとえば、ランダムアクセスメモリ、読み取り専用メモリなどを含み得る。

二次メモリは、たとえば、一次メモリと同じもしくは類似のタイプのメモリ、および／または、たとえば、フラッシュ／ＵＳＢメモリドライブ、メモリカードドライブ、ディスクドライブ、光ディスクドライブ、テープドライブ、ソリッドステートドライブ、ハイブリッドドライブなどの１つ以上のデータ記憶デバイスもしくはシステムを含み得る。特定の実装例では、二次メモリは、リムーバブルメディアドライブ（図示せず）内の非一時的なコンピュータ読取可能媒体を動作可能に受けるか、または他の態様ではこれに構成することが可能である。いくつかの実施形態では、非一時的なコンピュータ読取可能媒体は、メモリ９０９および／またはプロセッサ９１１の一部を形成する。

以下の説明は、例示的な実施形態を提供するに過ぎず、本開示の範囲、適用性、または構成を限定することを意図するものではない。むしろ、例示的な実施形態の以下の説明は、１つ以上の例示的な実施形態を実装するための可能な説明を当業者に提供するものである。企図されるのは、添付の特許請求の範囲に記載されるように開示される主題の精神および範囲から逸脱することなく、要素の機能および配置においてなされ得る様々な変更である。

具体的な詳細は、実施形態の完全な理解を提供するために以下の説明で与えられる。しかしながら、当業者であれば、これらの具体的な詳細がなくても実施形態を実施することができると理解できる。たとえば、開示される主題におけるシステム、プロセス、および他の要素は、不必要な詳細で実施形態を不明瞭にしないために、ブロック図の形態で構成要素として示されることがある。他の例では、周知のプロセス、構造、および技術は、実施形態を不明瞭にしないために、不必要な詳細なしに示すことができる。さらに、様々な図面における同様の参照番号および名称は、同様の要素を示す。

また、個々の実施形態は、フローチャート、フロー図、データフロー図、構造図、またはブロック図として描かれるプロセスとして記述される場合がある。フローチャートは動作を逐次的なプロセスとして記述することができるが、動作の多くは並列的または同時並行的に実行することができる。さらに、動作の順序を並べ替えることもできる。プロセスは、その動作が完了した時点で終了することができるが、議論されていない、または図に含まれていない追加のステップを有する場合がある。さらに、特に説明したプロセスにおける全ての動作が、全ての実施形態において発生するとは限らない。プロセスは、方法、関数、手順、サブルーチン、サブルプログラムなどに対応する場合がある。プロセスが関数に対応する場合、関数の終了は、呼び出し関数またはｍａｉｎ関数への関数のリターンに対応し得る。

さらに、開示された主題の実施形態は、少なくとも部分的に、手動または自動のいずれかで実装され得る。手動または自動の実装例は、機械、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、もしくはそれらの任意の組み合わせの使用によって実行されるか、または少なくとも補助される。ソフトウェア、ファームウェア、ミドルウェア、またはマイクロコードで実装される場合、必要なタスクを実行するためのプログラムコードまたはコードセグメントは、機械読取可能媒体に格納され得る。プロセッサ（複数可）が必要なタスクを実行してもよい。

本明細書で概説する様々な方法またはプロセスは、様々なオペレーティングシステムまたはプラットフォームのいずれか１つを採用する１つもしくは複数のプロセッサ上で実行可能なソフトウェアとしてコード化することができる。さらに、そのようなソフトウェアは、多数の適切なプログラミング言語および／またはプログラミングツールもしくはスクリプトツールのいずれかを使用して記述されてもよく、また、フレームワークもしくは仮想マシン上で実行される実行可能な機械語コードまたは中間コードとしてコンパイルされ得る。プログラムモジュールの機能は、通常、様々な実施形態において所望のように組み合わせられたり、分散されたりしてもよい。

本開示の実施形態は、方法として具現化されてもよく、その例が提供されている。方法の一部として実行される行為は、任意の適切な方法で順序付けることができる。したがって、説明的な実施形態では連続的な行為として示されていても、いくつかの行為を同時に行うことを含む、図示とは異なる順序で行為が行われる実施形態が構成されてもよい。

本開示は、特定の好ましい実施形態を参照して説明されてきたが、本開示の精神および範囲内でさまざまな他の適合ならびに修正がなされ得ることが理解されるべきである。したがって、本開示の真の精神および範囲内に入るような全てのそのような変形および修正をカバーすることが、添付の特許請求の範囲の態様である。

Claims (18)

1. 駐車場の動的環境における自律走行自車両の駐車のための統合システムであって、プロセッサと、命令を格納したメモリとを備え、前記命令は、前記プロセッサによって実行されると、前記統合システムに、
   前記駐車場の利用可能な駐車場所を示す前記駐車場内の前記動的環境の状態と、前記駐車場に駐車された１台以上の静止車両の状態と、前記駐車場において移動している１台以上の障害車両の状態との測定値を収集させ、
   前記駐車場における前記動的環境の状態に基づいて、前記自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行させ、
   前記障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行させ、
   前記障害車両の各々の前記経路と前記運動モードとに基づいて、前記障害車両の各々の安全制約を決定させ、前記障害車両が前記第１の運動モードである場合、前記安全制約は、前記障害車両の状態の周りでその経路に沿って決定され、前記障害車両が前記第２の運動モードである場合、前記安全制約は、前記障害車両の状態の周りで全ての走行方向において決定され、前記命令は、前記統合システムにさらに、
   前記駐車するための軌道と、前記障害車両の各々の前記安全制約とに基づいて、前記自律走行自車両を駐車させる、統合システム。
2. 前記環境予測装置は、
   異なる時間インスタンスにおける前記障害車両の位置と、速度と、ステアリング角と、加速度と、ステアリング角速度とを推定し、
   前記異なる時間インスタンスにおける前記障害車両の前記位置と、前記速度と、前記ステアリング角と、前記加速度と、前記ステアリング角速度とに基づいて、前記障害車両の前記経路を推定し、
   前記異なる時間インスタンスにおける前記障害車両の前記ステアリング角に基づいて、前記障害車両の前記運動モードを推定するように構成されている、請求項１に記載の統合システム。
3. 前記環境予測装置はさらに、
   前記障害車両の前記位置の測定値を積分するカルマンフィルタを実行して、前記異なる時間インスタンスにおける前記障害車両の前記速度と前記加速度とを予測し、
   前記速度の推定値を時間で積分して、前記異なる時間インスタンスにおける前記障害車両の前記ステアリング角と前記ステアリング角速度との推定値を生成するように構成されている、請求項２に記載の統合システム。
4. 前記環境予測装置は、
   異なる時間インスタンスにおける前記障害車両の位置と、速度と、ステアリング角とを予測し、
   前記異なる時間インスタンスにおける前記障害車両の前記位置と前記速度とに基づいて、前記障害車両の前記経路を推定し、
   前記異なる時間インスタンスにおける前記障害車両の前記ステアリング角に基づいて、前記障害車両の前記運動モードを推定するように構成されている、請求項１に記載の統合システム。
5. 前記環境予測装置はさらに、前記異なる時間インスタンスにおける前記障害車両の方位と前記障害車両の前記ステアリング角とのずれに基づいて、前記障害車両の前記運動モードを決定するように構成されている、請求項４に記載の統合システム。
6. 前記環境予測装置はさらに、
   前記障害車両の前記位置の測定値を積分するカルマンフィルタを実行して、前記異なる時間インスタンスにおける前記障害車両の前記速度を推定し、
   前記異なる時間インスタンスにおける前記速度の推定値を時間で前方に積分して、前記異なる時間インスタンスにおける前記ステアリング角の推定値を生成するように構成されている、請求項４に記載の統合システム。
7. 前記駐車するための軌道と前記障害車両の各々の前記安全制約とに基づいて前記自律走行自車両を駐車するために、前記プロセッサはさらに、前記軌道の経路を追跡するためのモデル予測コントローラと、前記自律走行自車両の回避経路を探索するための探索ベースの退避プランナと、前記軌道の前記経路を修正するための最適化ベースの修復プランナとのうちの１つを選択するように構成された戦略的運動プランナを実行するように構成されている、請求項１に記載の統合システム。
8. 前記戦略的運動プランナはさらに、前記障害車両の各々の前記安全制約に対して前記軌道を評価し、前記自律走行自車両を停止させることなく前記軌道の前記経路を追跡することが可能な場合、前記モデル予測コントローラを実行するように構成されている、請求項７に記載の統合システム。
9. 前記モデル予測コントローラはさらに、前記安全制約を軌道最適化問題の制約として扱うように構成され、前記軌道最適化問題は、前記軌道を辿る少なくとも１つの実行可能で滑らかな軌道を最適化する、請求項７に記載の統合システム。
10. 前記戦略的運動プランナはさらに、前記障害車両の各々の前記安全制約に対して前記軌道を評価し、前記自律走行自車両を停止させることなく前記軌道の前記経路を追跡することが不可能な場合、前記修復プランナを実行して前記軌道を調整するように構成されている、請求項７に記載の統合システム。
11. 前記修復プランナは、前記軌道の本来のウェイポイントを最適な無衝突位置に移動させて、修復経路を生成するように構成されている、請求項１０に記載の統合システム。
12. 前記戦略的運動プランナはさらに、前記障害車両の各々の前記安全制約に対して前記軌道を評価し、前記軌道を辿る前記自律走行自車両の現在の状態が前記安全制約に違反している場合、前記退避プランナを実行するように構成されている、請求項７に記載の統合システム。
13. 前記退避プランナは、
    ルートノードに１つ以上の事前計算された運動プリミティブを適用することによって、１つ以上の新しいノードを取得し、
    前記１つ以上の新しいノードから最もコストが低いノードを選択し、選択された前記ノードにおいて１つ以上の事前計算された運動プリミティブを適用し、
    安全限界を満たす安全ノードが見つかるか、または時間切れになるまで、選択および適用を繰り返し、
    前記安全ノード、または時間切れの場合は最もコストが低い前記ノードまでの経路を、退避経路として計算するように構成されている、請求項１２に記載の統合システム。
14. 駐車場の動的環境において自律走行自車両を駐車するための方法であって、
    前記駐車場の利用可能な駐車場所を示す前記駐車場内の前記動的環境の状態と、前記駐車場に駐車された１台以上の静止車両の状態と、前記駐車場において移動している１台以上の障害車両の状態との測定値を収集することと、
    前記駐車場における前記動的環境の前記状態に基づいて、前記自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行することと、
    前記障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行することと、
    前記障害車両の各々の前記経路と前記運動モードとに基づいて、前記障害車両の各々の安全制約を決定することとを備え、前記障害車両が前記第１の運動モードである場合、前記安全制約は、前記障害車両の状態の周りでその経路に沿って決定され、前記障害車両が前記第２の運動モードである場合、前記安全制約は、前記障害車両の状態の周りで全ての走行方向において決定され、前記方法はさらに、
    前記駐車するための軌道と、前記障害車両の各々の前記安全制約とに基づいて、前記自律走行自車両を駐車することを備える、方法。
15. 前記環境予測装置は、
    異なる時間インスタンスにおける前記障害車両の位置と、速度と、ステアリング角とを推定し、
    前記異なる時間インスタンスにおける前記障害車両の前記位置と前記速度とに基づいて、前記障害車両の前記経路を推定し、
    前記異なる時間インスタンスにおける前記障害車両の前記ステアリング角に基づいて、前記障害車両の前記運動モードを推定するように構成されている、請求項１４に記載の方法。
16. 前記環境予測装置はさらに、前記異なる時間インスタンスにおける前記障害車両の方位と前記障害車両の前記ステアリング角とのずれに基づいて、前記障害車両の前記運動モードを決定するように構成されている、請求項１５に記載の方法。
17. 前記環境予測装置はさらに、
    前記障害車両の前記位置の測定値を積分するカルマンフィルタを実行して、前記異なる時間インスタンスにおける前記障害車両の前記速度を予測し、
    前記異なる時間インスタンスにおける前記速度の推定値を時間で前方に積分して、前記異なる時間インスタンスにおける前記ステアリング角の推定値を生成するように構成されている、請求項１６に記載の方法。
18. 駐車場の動的環境において自律走行自車両を駐車するための方法を実行するためのプロセッサによって実行可能なプログラムが具現化された非一時的なコンピュータ読取可能記憶媒体であって、前記方法は、
    前記駐車場の利用可能な駐車場所を示す前記駐車場内の前記動的環境の状態と、前記駐車場に駐車された１台以上の静止車両の状態と、前記駐車場において移動している１台以上の障害車両の状態との測定値を収集することと、
    前記駐車場における前記動的環境の状態に基づいて、前記自律走行自車両を駐車するための軌道を生成するように構成された経路プランナを実行することと、
    前記障害車両の各々の経路と、第１の運動モードまたは第２の運動モードを含む運動モードとを予測するように構成された環境予測装置を実行することと、
    前記障害車両の各々の前記経路と前記運動モードとに基づいて、前記障害車両の各々の安全制約を決定することとを備え、前記障害車両が前記第１の運動モードである場合、前記安全制約は、前記障害車両の状態の周りでその経路に沿って決定され、前記障害車両が前記第２の運動モードである場合、前記安全制約は、前記障害車両の状態の周りで全ての走行方向において決定され、前記方法はさらに、
    前記駐車するための軌道と、前記障害車両の各々の前記安全制約とに基づいて、前記自律走行自車両を駐車することを備える、非一時的なコンピュータ読取可能記憶媒体。