CN108068792A - 用于自主车辆的自动协同驾驶控制 - Google Patents

用于自主车辆的自动协同驾驶控制 Download PDF

Info

Publication number
CN108068792A
CN108068792A CN201711114488.0A CN201711114488A CN108068792A CN 108068792 A CN108068792 A CN 108068792A CN 201711114488 A CN201711114488 A CN 201711114488A CN 108068792 A CN108068792 A CN 108068792A
Authority
CN
China
Prior art keywords
vehicle
vehicle attitude
controller
attitude
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711114488.0A
Other languages
English (en)
Inventor
U·P·穆达里戈
P·孙达拉姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108068792A publication Critical patent/CN108068792A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/023—Avoiding failures by using redundant parts
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0077—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements using redundant signals or controls
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/10—Change speed gearings
    • B60W2710/1005—Transmission ratio engaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

用于车辆的控制系统包括至少一个控制器。控制器被编程为从第一组传感器接收第一传感器读数，并且基于第一传感器读数提供第一车辆姿态。第一车辆姿态包括车辆的第一位置和第一定向。控制器还被编程为从第二组传感器接收第二传感器读数，并且基于第二传感器读数提供第二车辆姿态。第二车辆姿态包括车辆的第二位置和第二定向。控制器进一步被编程为响应于第一车辆姿态超出第二车辆姿态的预定范围而生成诊断信号。

Description

用于自主车辆的自动协同驾驶控制
技术领域
本公开涉及由自动驾驶系统、特别是配置为在没有人为干预的驾驶循 环期间自动控制车辆转向、加速和制动的自动驾驶系统控制的车辆。
背景技术
现代车辆的操作变得越来越自动化，即，能够提供越来越少驾驶员干 预的驾驶控制。车辆自动化已经被分类为从零(对应于全人为控制的非自 动化)至五(对应于无人为控制的全自动化)的范围中的数值等级。各种 自动驾驶员辅助系统(诸如巡航控制、自适应巡航控制以及驻车辅助系统) 对应于较低自动化等级，而真正的“无人驾驶”车辆对应于较高自动化等级。
发明内容
根据本公开的机动车辆包括多个传感器，其配置为检测机动车辆附近 的外部特征。该车辆另外包括致动器，其配置为控制车辆转向、加速、制 动或换挡。车辆进一步包括至少一个控制器，其与多个传感器中的相应传 感器和致动器进行电子通信。控制器利用自动驾驶系统控制算法进行编 程，并且配置为基于自动驾驶系统控制算法自动地控制致动器。自动驾驶 控制系统算法包括第一定位算法、第二定位算法和定位仲裁算法。第一定 位算法配置为从多个传感器中第一组相应传感器接收第一传感器读数，并 且基于第一传感器读数提供第一车辆姿态。第一车辆姿态包括车辆的第一 位置和第一定向。第二定位算法配置为从多个传感器中的第二组相应传感 器接收第二传感器读数，并且基于第二传感器读数提供第二车辆姿态。第 二车辆姿态包括车辆的第二位置和第二定向。定位仲裁算法配置为响应于 第一车辆姿态超出第二车辆姿态的预定范围而生成诊断信号。
在示例性实施例中，至少一个控制器进一步被编程为响应于第一车辆 姿态在第二车辆姿态的预定范围内，确定第一车辆姿态与第二车辆姿态之 间的主车辆姿态，并且基于主姿态根据自动驾驶系统控制算法来控制致动 器。
在示例性实施例中，诊断信号包括表示第一车辆姿态与第二车辆姿态 之间的差的参数。
在示例性实施例中，控制器进一步被编程为响应于诊断信号而根据后 退命令来控制致动器。
在示例性实施例中，至少一个控制器包括第一控制器和第二控制器。 第一控制器利用第一定位算法进行编程，且第二控制器利用第二定位算法 进行编程。
在示例性实施例中，第一定位算法包括视觉测距3D姿态估计，并且 第二定位算法包括激光雷达测距3D姿态估计。
根据本公开的控制车辆的方法包括向车辆提供多个传感器，其配置为 检测车辆附近的外部特征。该方法还包括向车辆提供致动器，其配置为控 制车辆转向、加速、制动或换挡。该方法另外包括向车辆提供至少一个控 制器，其与多个传感器中的相应传感器和致动器进行电子通信。控制器利 用自动驾驶控制系统算法进行编程。该方法进一步包括经由至少一个控制 器从多个传感器中的第一组相应传感器接收第一传感器读数。该方法包括经由至少一个控制器基于第一传感器读数确定第一车辆姿态。第一车辆姿 态包括车辆的第一位置和第一定向。该方法另外包括经由至少一个控制器 从多个传感器中的第二组相应传感器接收第二传感器读数。该方法进一步 包括经由至少一个控制器基于第二传感器读数确定第二车辆姿态。第二车 辆姿态包括车辆的第二位置和第二定向。该方法进一步包括响应于第一车 辆姿态超出第二车辆姿态的预定范围而自动地生成诊断信号。
在示例性实施例中，该方法另外包括响应于第一车辆姿态在第二车辆 姿态的预定范围内，经由至少一个控制器确定第一车辆姿态与第二车辆姿 态之间的主车辆姿态，并且经由至少一个控制器基于主姿态根据自动驾驶 系统控制算法来控制致动器。
在示例性实施例中，诊断信号包括表示第一车辆姿态与第二车辆姿态 之间的差的参数。
在示例性实施例中，该方法另外包括响应于诊断信号而根据后退命令 来自动地控制致动器。
在示例性实施例中，向车辆提供至少一个控制器包括向车辆提供第一 控制器和第二控制器。在这样的实施例中，经由第一控制器执行接收第一 传感器读数，经由第一控制器执行确定第一车辆姿态，经由第二控制器执 行接收第二传感器读数，且经由第二控制器执行确定第二车辆姿态。
在示例性实施例中，确定第一车辆姿态包括执行视觉测距3D姿态估 计，且确定第二车辆姿态包括执行激光雷达测距3D姿态估计。
根据本公开的用于车辆的控制系统包括至少一个控制器。控制器被编 程为从第一组传感器接收第一传感器读数，并且基于第一传感器读数提供 第一车辆姿态。第一车辆姿态包括车辆的第一位置和第一定向。控制器被 编程为从第二组传感器接收第二传感器读数，并且基于第二传感器读数提 供第二车辆姿态。第二车辆姿态包括车辆的第二位置和第二定向。该控制 器进一步被编程为响应于第一车辆姿态超出第二车辆姿态的预定范围而 生成诊断信号。
在示例性实施例中，该控制器进一步被编程为响应于第一车辆姿态在 第二车辆姿态的预定范围内，确定第一车辆姿态与第二车辆姿态之间的主 车辆姿态，并且基于主姿态根据自动驾驶系统控制算法来控制致动器。
在示例性实施例中，诊断信号包括表示第一车辆姿态与第二车辆姿态 之间的差的参数。
在示例性实施例中，至少一个控制器进一步被编程为响应于诊断信号 而根据后退命令来控制至少一个致动器。
在示例性实施例中，该至少一个控制器进一步被编程为响应于没有生 成诊断信号，确定第一车辆姿态与第二车辆姿态之间的主车辆姿态，并且 基于主姿态根据自动驾驶系统控制算法来控制至少一个致动器。
根据本公开的实施例提供了许多优点。例如，根据本公开的实施例可 实现自主车辆传感器读数的独立验证，以帮助诊断传感器和控制器中的软 件或硬件状况。因此，根据本公开的实施例可更加鲁棒，从而提高客户满 意度。
从以下结合附图取得的对优选实施例的详细描述中，本公开的上述优 点和其它优点和特征将变得显而易见。
附图说明
图1是根据实施例的包括自主控制车辆的通信系统的示意图；
图2是根据实施例的用于车辆的自动驾驶系统(ADS)的示意框图；
图3是根据本公开的实施例的定位系统的示意框图；以及
图4A至图4C是根据本公开的用于控制车辆的方法的流程图表示。
具体实施方式
本文描述了本公开的实施例。然而，应当理解的是，所公开实施例仅 仅是示例且其它实施例可呈现各种和替代性形式。图式不一定按比例绘 制；某些特征可被放大或最小化以示出特定部件的细节。因此，本文公开 的具体结构和功能细节并不解释为限制，而仅仅是代表性的。参考任何一 个图式说明并描述的各个特征可结合一个或多个其它图式中说明的特征 以产生未明确说明或描述的实施例。所说明的特征组合提供用于典型应用 的代表性实施例。然而，特定应用或实施方案可期望与本公开的教导一致 的特征的各个组合和修改。
图1示意地说明包括用于机动车辆12的移动车辆通信和控制系统10 的操作环境。用于车辆12的移动车辆通信和控制系统10通常包括一个或 多个无线载波系统60、陆地通信网络62、计算机64、联网无线装置57(不 限于智能手机、平板电脑或诸如手表等穿戴式设备)和远程存取中心78。
图1中示意地说明的车辆12包括推进系统13，其在各种实施例中可 以包括内燃机、诸如牵引电动机的电机和/或燃料电池推进系统。车辆12 在所说明的实施例中被描述为客车，但是应当明白的是，也可使用包括摩 托车、卡车、运动型多用途车(SUV)、娱乐车辆(RV)、船舶、飞机等任 何其它车辆。
车辆12还包括变速器14，其配置为根据可选速比将来自推进系统13 的动力传输至多个车轮15。根据各种实施例，变速器14可以包括分级传 动比自动变速器、无级变速器或其它适当的变速器。车辆12另外包括车 轮制动器17，其配置为向车轮15提供制动转矩。车轮制动器17在各种实 施例中可以包括摩擦制动器、再生制动系统(诸如电机)和/或其它适当的 制动系统。
车辆12另外包括转向系统16。虽然出于说明目的而被描绘为包括方 向盘，但是在本公开内预期的某些实施例中，转向系统16可不包括方向 盘。
车辆12包括配置为与其它车辆(“V2V”)和/或基础设施(“V2I”)无 线通信的无线通信系统28。在示例性实施例中，无线通信系统28配置为 经由使用IEEE 802.11标准的无线局域网(WLAN)或通过使用蜂窝数据 通信来进行通信。然而，诸如专用短程通信(DSRC)信道的附加或替代 通信方法也被认为在本公开的范围内。DSRC信道是指具体针对汽车使用和对应的一组协议和标准而设计的单向或双向短程至中程无线通信通道。
推进系统13、变速器14、转向系统16和车轮制动器17与至少一个 控制器22通信或在至少一个控制器22的控制下。虽然出于说明性目的而 被描绘为单个单元，但是控制器22另外可包括统称为“控制器”的一个或多 个其它控制器。控制器22可包括与各种类型的计算机可读存储装置或介 质通信的微处理器，诸如中央处理单元(CPU)或图形处理单元(GPU)。 计算机可读存储装置或介质可包括例如只读存储器(ROM)、随机存取存 储器(RAM)和磨损修正系数存储器(KAM)中的易失性和非易失性存 储器。KAM是一种持久或非易失性存储器，其可在CPU断电时用于存储 各种操作变量。计算机可读存储装置或介质可使用诸如PROM(可编程只 读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪速存 储器或能够存储数据的任何其它电动、磁性、光学或组合存储器装置的许 多已知存储器中的任何一种来实施，其中的某些数据表示由控制器22用 于控制车辆的可执行指令。
控制器22包括用于自动控制车辆中的各种致动器的自动驾驶系统 (ADS)24。在示例性实施例中，ADS 24是所谓的四级或五级自动化系 统。四级系统指示“高度自动化”，其指代自动驾驶系统在动态驾驶任务的 所有方面的驾驶模式所特有的性能，即使人类驾驶员对干预请求没有做出 适当响应。五级系统指示“全自动化”，其指代自动驾驶系统在可由人类驾 驶员管理的所有道路和环境条件下在的动态驾驶任务的所有方面的全面 性能。在示例性实施例中，ADS 24配置为经由多个致动器30响应来自多 个传感器26的输入而控制推进系统13、变速器14、转向系统16和车轮 制动器17以分别控制车辆加速度、转向和制动，而无需人为干预，该多 个传感器可适当地包括GPS、雷达、激光雷达、光学相机、热像仪、超声 波传感器和/或附加传感器。
图1说明可与车辆12的无线通信系统28通信的若干联网装置。可经 由无线通信系统28与车辆12通信的一个联网装置是联网无线装置57。联 网无线装置57可包括计算机处理能力、能够使用短程无线协议进行通信 的收发器，和可视显示器59。计算机处理能力包括呈可编程装置的形式的 微处理器，该可编程装置包括存储在内部存储器结构中并且施加成接收二 进制输入以创建二进制输出的一个或多个指令。在某些实施例中，联网无 线装置57包括能够接收GPS卫星信号并且基于那些信号生成GPS坐标的 GPS模块。在其它实施例中，联网无线装置57包括蜂窝通信功能性使得 联网无线装置57通过无线载波系统60使用一个或多个蜂窝通信协议(如 本文所讨论)实行语音和/或数据通信。可视显示器59还可包括触摸屏图 形用户界面。
无线载波系统60优选地是蜂窝电话系统，其包括多个手机信号塔70 (仅示出一个)、一个或多个移动交换中心(MSC)72以及将无线载波系 统60与陆地通信网络62连接所需要的任何其它联网部件。每个手机信号 塔70均包括发送和接收天线以及基站，其中来自不同手机信号塔的基站 直接或经由诸如基站控制器的中间设备连接至MSC 72。无线载波系统60 可实施任何合适的通信技术，包括(例如)诸如CDMA(例如，CDMA2000)、 LTE(例如，4G LTE或5G LTE)、GSM/GPRS或其它当前或新兴的无线技 术等数字技术。其它手机信号塔/基站/MSC布置是可能的并且可结合无线 载波系统60使用。例如，基站和手机信号塔可共同位于相同站点处或它 们可远离彼此，每个基站可负责单个手机信号塔或单个基站可服务于各个 手机信号塔，且各个基站可联接至单个MSC，这里仅列举几种可能布置。
除使用无线载波系统60外，可使用呈卫星通信的形式的第二无线载 波系统来提供与车辆12的单向或双向通信。这可使用一个或多个通信卫 星66和上行链路传输站67来进行。单向通信可包括(例如)卫星无线电 服务，其中节目内容(新闻、音乐等)是由传输站67接收、封装上传并 且然后发送至卫星66，从而向用户广播该节目。双向通信可包括(例如) 使用卫星66以在车辆12与站67之间中继电话通信的卫星电话服务。除 了或代替无线载波系统60，可利用卫星电话。
陆地网络62可以是连接至一个或多个陆线电话的常规陆基电信网络 并且将无线载波系统60连接至远程存取中心78。例如，陆地网络62可包 括诸如用于提供硬接线电话、分组交换数据通信和因特网基础设施的公共 交换电话网(PSTN)。一段或多段陆地网络62可通过使用标准有线网络、 光纤或其它光学网络、电缆网络、电力线、其它无线网络(诸如无线局域 网(WLAN))或提供宽带无线存取(BWA)的网络或其任何组合来实施。 另外，远程存取中心78不需要经由陆地网络62连接，反而可包括无线电 话设备使得其可直接与无线网络(诸如无线载波系统60)通信。
虽然在图1中示为单个装置，但是计算机64可包括可经由诸如因特 网的专用或公共网络存取的许多计算机。每个计算机64均可用于一个或 多个目的。在示例性实施例中，计算机64可被配置为可由车辆12经由无 线通信系统28和无线载波60存取的网络服务器。其它计算机64可包括 例如：服务中心计算机，其中可经由无线通信系统28从车辆上传诊断信 息和其它车辆数据；或第三方数据仓库，将车辆数据或其它信息提供至该 第三方数据仓库或从该第三方数据仓库提供车辆数据或其它信息，而无关 于是否与车辆12、远程存取中心78、联网无线装置57或这些的某个组合 进行通信。计算机64可维护可搜索数据库和数据库管理系统，其允许输 入、删除和修改数据以及接收将数据定位在数据库内的请求。计算机64 还可用于提供诸如DNS服务器或网络地址服务器的因特网连接性，该网 络地址服务器使用DHCP或其它合适协议来将IP地址分配至车辆12。
如图2中所示，ADS 24包括用于确定车辆附近的检测到的特征或对 象的存在、位置、分类和路径的多个不同的控制系统，至少包括感知系统 32。感知系统32配置为从各种传感器(诸如图1中所说明的传感器26) 接收输入，并且合成和处理传感器输入以生成用作ADS 24的其它控制算 法的输入的参数。
感知系统32包括处理和合成来自各种传感器26的传感器数据27的 传感器融合和预处理模块34。传感器融合和预处理模块34对传感器数据 27执行校准，包括(但不限于)激光雷达对激光雷达校准、相机对激光雷 达校准、激光雷达对底盘校准以及激光雷达光束强度校准。传感器融合和 预处理模块34输出经预处理的传感器输出35。
分类和分段模块36接收经预处理的传感器输出35并且执行对象分 类、图像分类、交通灯分类、对象分段、地面分段和对象跟踪处理。对象 分类包括(但不限于)识别和分类周围环境中的对象(包括交通信号和标 志的识别和分类)、雷达融合和跟踪以考虑传感器的放置和视野(FOV)， 以及经由激光雷达融合的误肯定排斥以消除城市环境中存在的许多误肯 定，诸如(例如)井盖、桥梁、高架桥大树或灯柱，以及障碍物，该障碍 物具有高雷达横截面但不影响车辆沿着其路线行驶的能力。由分类和分段 模型36执行的附加对象分类和跟踪处理包括(但不限于)融合来自雷达 轨迹的自由空间检测和高级跟踪、激光雷达分段、激光雷达分类、图像分 类、对象形状拟合模型、语义信息、运动预测、光栅图、静态障碍图和产 生高质量对象轨迹的其它来源。
分类和分段模块36另外利用车道关联和交通控制装置行为模型执行 交通控制装置分类和交通控制装置融合。分类和分段模块36生成包括对 象识别信息的对象分类和分段输出37。
定位和映射模块40使用对象分类和分段输出37来计算参数，包括(但 不限于)估计车辆12在典型和具有挑战性的驾驶场景中的姿态(例如， 位置和定向)。这些具有挑战性的驾驶场景包括(但不限于)具有许多车 辆的动态环境(例如，密集交通)、具有大规模障碍物的环境(例如，道 路工程或建筑工地)、丘陵、多车道道路、单车道道路、各种道路标记和建筑物(或没有)(例如，住宅vs.商业区)，以及桥梁和立交桥(车辆的当 前路段上方和下方)。
定位和映射模块40还引入由于经由在操作期间由车辆12执行的车载 映射功能获得的扩展地图区域而收集的新数据以及经由无线通信系统 28“推送”至车辆12的映射数据。定位和映射模块40利用新的信息(例如， 新的车道标记、新的建筑结构、建筑工地的添加或移除等)来更新先前的 地图数据，而不修改未受影响的地图区域。可生成或更新的地图数据的示 例包括(但不限于)屈服线分类、车道边界生成、车道连接、次要和主要 道路的分类、左右转弯的分类以及交叉车道创建。
在某些实施例中，定位和映射模块40使用同时定位和映射(“SLAM”) 技术来开发周围环境的地图。SLAM技术构造环境的地图，并且跟踪对象 在环境内的位置。GraphSLAM(SLAM的变型)采样稀疏矩阵，其用于产 生包含观察相关性的图。
地图内的对象位置由以物体的预测路径为中心的高斯概率分布来表 示。SLAM以其最简单的形式利用三个约束：初始位置约束；相对运动约 束，其是对象的路径；以及相对测量约束，其是对象至地标的一次或多次 测量。
初始运动约束是车辆的初始姿态(例如，位置和定向)，其是由车辆 在包括俯仰、侧倾和偏航数据的二维或三维空间中的位置组成。相对运动 约束是物体的位移运动，其包含一定程度的灵活性以适应地图的一致性。 相对测量约束包括从对象传感器至地标的一次或多次测量。初始位置约 束、相对运动约束和相对测量约束通常是高斯概率分布。传感器生成的地 图内的对象定位方法可采用卡尔曼滤波器、各种统计相关方法，诸如皮尔 逊积差相关和/或粒子滤波器。
在某些实施例中，一旦建立了地图，经由粒子滤波器实时地实现车辆 定位。与贝叶斯或卡尔曼滤波器不同，粒子滤波器适应非线性系统。为了 定位车辆，经由高斯概率分布围绕预期平均值生成粒子。每个粒子被分配 表示粒子位置对预测位置的精度的数值权重。考虑传感器数据，并调整粒 子权重以适应传感器数据。粒子与传感器调整位置的距离越接近，粒子权 重的数值就越大。
当发生动作命令时，将每个粒子更新为新的预测位置。在新的预测位 置处观察传感器数据，且为每个粒子分配表示粒子位置相对于预测位置的 的精度的新权重以及传感器数据。对粒子进行重新采样，选择具有最大数 值幅度的权重，因此提高预测和传感器校正对象位置的精度。通常，重采 样数据的均值、方差和标准差提供了新的对象位置似然。
粒子滤波处理被表达为：
P(Ht|Ht-1，At，Dt) 公式1
其中Ht是作为对象位置的当前假设。Ht-1是前次对象位置，At是通常 作为运动命令的动作，且Dt是可观察的数据。
在某些实施例中，定位和映射模块40通过引入来自如上文在扩展卡 尔曼滤波器(EKF)框架中讨论的多个源的数据来维护车辆的全局位置的 估计。卡尔曼滤波器是基于递归贝叶斯滤波器的线性滤波器。递归贝叶斯 滤波器(也称为递归贝叶斯估计)基本上将估计的后验替换为先前位置以 对新的估计迭代计算新的后验。这有效地产生：
P(Ht|Ht-1，Dt) 公式2
其中假设Ht的概率是由前次迭代Ht-1的假设和当前时间t的数据Dt来估计。
卡尔曼滤波器添加动作变量At，其中t是时间迭代，产生：
P(Ht|Ht-1，At，Dt) 公式3
其中假设Ht的概率是基于前次迭代Ht-1、当前时间t的动作At和数据 Dt。
卡尔曼滤波器估计作为联合概率分布的当前位置，且基于动作命令预 测也作为联合概率分布的新位置(称为状态预测)。获取传感器数据，并 计算分离的联合概率分布(称为传感器预测)。
状态预测被表达为：
X′t＝AXt-1+Bμ+εt 公式4
其中X't是基于前次状态AXt-1、Bμ和ξt的新状态。常数A和B是由 感兴趣的物理学定义，μ可以是机器人运动命令，且ξt是高斯状态误差预 测。
传感器预测被表达为：
Z′t＝CXt+εz 公式5
其中Z't是新的传感器估计，C是函数，且ξz是高斯传感器误差预测。
新的预测状态估计被表达为：
XEST＝X′t+K(Zt-Z′t) 公式6
其中乘积K(Zt-Z't)被称为卡尔曼增益因子。如果传感器预测Z't与实 际传感器数据Zt之间的差(即，Zt-Z't)充分接近于零，那么X't被认为是 新的状态估计。如果Zt-Z't充分大于零，那么添加K(Zt-Z't)因子以产生新 的状态估计。
当接收到车辆移动信息时，EKF更新车辆位置估计，同时也扩展估计 协方差。一旦传感器协方差集成至EKF中，定位和映射模块40生成定位 和映射输出41，其包括车辆12相对于检测到的障碍物和道路特征的位置 和定向。
车辆测距模块46从车辆传感器26接收数据27，并且生成车辆测距输 出47，其包括例如车辆航向、速度和距离信息。绝对定位模块42接收定 位和映射输出41以及车辆测距信息47，并且生成车辆位置输出43，其用 于如下文所讨论的单独计算。
对象预测模块38使用对象分类和分段输出37来生成参数，其包括(但 不限于)检测到的障碍物相对于车辆的位置、检测到的障碍物相对于车辆 的预测路径，以及交通车道相对于车辆的位置和定向。在某些实施例中可 使用贝叶斯模型来基于语义信息、前次轨迹和瞬时姿态来预测驾驶员或行 人意图，其中姿态是对象的位置和定向的组合。
贝叶斯定理(也称为贝叶斯滤波器)是条件概率的形式。下面在公式 7中所示的贝叶斯定理阐述了假设H(在给定数据D下)的概率等于假设 H的概率乘以数据D(在给定假设H下)的可能性除以数据P(D)的概率的 命题。
P(H/D)被称为后验，且P(H)被称为先验。贝叶斯定理衡量在考虑数据 D中实施的佐证之前(先验)和之后(后验)的命题中的概率置信度。贝 叶斯定理可在迭代时递归使用。在每次新的迭代中，前次后验变为先验以 生成新的后验直至迭代完成为止。输出关于对象(包括行人、周围车辆和 其它移动对象)的预测路径的数据作为对象预测输出39，并且在如下文所 讨论的单独计算中使用该数据。
ADS 24还包括观察模块44和解译模块48。观察模块44生成由解译 模块48接收的观察输出45。观察模块44和解译模块48允许远程存取中 心78存取。解译模块48生成解译输出49，其包括由远程存取中心78提 供的附加输入。
路径规划模块50处理和合成对象预测输出39、解译输出49和从在线 数据库或远程存取中心78接收的附加路线信息79，以确定要遵循的车辆 路径以维持车辆在期望路线上，并同时遵守交通规则和避开任何检测到的 障碍。路径规划模块50采用配置为避开车辆附近的任何检测到的障碍物、 维持车辆在当前交通车道中并且维持车辆在期望路线上的算法。路径规划 模块50使用姿态图优化技术(包括非线性最小二乘方姿态图优化)以依 六个自由度优化汽车轨迹的地图并且减小路径误差。路径规划模块50将 车辆路径信息作为路径规划输出51输出。路径规划输出51包括基于车辆 路线的命令的车辆路径、相对于路线的车辆位置、交通车道的位置和定向 以及任何检测到的障碍物的存在和路径。
第一控制模块52处理和合成路径规划输出51和车辆位置输出43以 生成第一控制输出53。在车辆的远程接管操作模式的情况下，第一控制模 块52还引入由远程存取中心78提供的路线信息79。
车辆控制模块54接收第一控制输出53以及从车辆测距46接收的速 度和航向信息47，并且生成车辆控制输出55。车辆控制输出55包括用于 实现来自车辆控制模块54的命令路径的一组致动器命令，其包括(但不 限于)转向命令、换挡命令、节气门命令和制动命令。
车辆控制输出55被传达至致动器30。在示例性实施例中，致动器30 包括转向控制、换挡器控制、节气门控制和制动器控制。转向控制可例如 控制如图1中所说明的转向系统16。换挡器控制可例如控制如图1中所说 明的变速器14。节气门控制可例如控制如图1中所说明的推进系统13。 制动器控制可例如控制如图1中所说明的车轮制动器17。
应当理解的是，所公开的方法可结合任何数量的不同系统使用并且不 具体限于这里所示的操作环境。另外，系统10和其个别部件的架构、构 造、设置和操作在本领域中是通常已知的。这里未示出的其它系统也可采 用所公开的方法。
现在参考图3，以示意图形式说明了定位和映射模块100的示例性实 施例。在示例性实施例中，定位和映射模块100可以与图2中所说明的模 块40类似的方式在自动驾驶系统中实施。
定位和映射模块100包括初始位置估计模块102和辅助位置估计模块 104。
初始位置估计模块102包括主定位模块106。定位模块106从卫星导 航系统(例如，GPS、GLONASS)或其它全球导航卫星系统或其组合接收 卫星导航数据108。定位模块106还从惯性测量单元(IMU)接收惯性数 据110。IMU是一种电子装置，其使用加速度计和陀螺仪的组合(有时也 使用磁力计)来测量和报告车身的比力、角速率(有时是车身周围的磁场)。卫星导航数据108和惯性数据110由卫星导航和航位推算算法112组合。 因此，IMU允许卫星导航接收机在卫星信号不可用时工作，诸如在隧道、 建筑物内部或当存在电子干扰时进行工作。
还接收校正因子以提高定位精度，如框114处说明。校正因子可例如 包括单频或多频实时运动(RTK)或差分全球定位系统(DGPS)校正。 DGPS使用固定的地基参考站网络来广播通过定位卫星系统指示的位置与 已知固定位置之间的差。这些站广播测量的卫星伪距与实际(内部计算的) 伪距之间的差，且接收机站可将它们的伪距校正相同的量。数字校正信号 通常在较短距离的地基发射机上进行本地广播。RTK使用信号载波相位的 测量，而不是信号的信息内容，并且依赖于单个参考站或内插虚拟站来提 供实时校正。校正因子114通过精确GNSS位置估计算法112与来自算法 112的卫星和航位推算位置组合。
辅助位置估计模块104从主位置估计模块102接收信号，并且经由第 一定位算法和第二定位算法进一步提高精度。
在第一定位算法中，激光雷达测距模块118从框112接收卫星和航位 推算位置。激光雷达测距模块118利用来自激光雷达阵列的传感器读数来 估计在给定时间段期间由车辆行驶的距离，并且基于所估计的行驶距离来 优化来自框112的卫星和航位推算位置。这将在下面关于图4B进一步详 细讨论。通常如上文所讨论，使用第一EKF 122对激光雷达测距输出连同 来自高分辨率车轮编码器算法120的距离测量值以及来自精确GNSS位置 估计算法116的估计位置进行滤波以获得第一车辆姿态。
第二定位算法与第一定位算法并行执行。在第二定位算法中，立体相 机测距模块124从精确GNSS位置估计算法116接收估计位置。立体相机 测距模块124利用由立体相机阵列获得的图像来估计在给定时间段期间由 车辆行驶的距离，并且基于所估计的行驶距离来优化精确GNSS位置估计 算法116中的估计位置。这将在下面关于图4C进一步详细讨论。通常如 上文所讨论，使用第二EKF 128对立体相机测距输出以及来自高分辨率车 轮编码器算法120的距离测量值以及来自精确GNSS位置估计算法116的 估计位置进行滤波以获得第二车辆姿态。
选择算法130从第一EKF 122接收第一车辆姿态并从第二EKF 128接 收第二车辆姿态，并且从第一车辆姿态与第二车辆姿态之间选择主车辆姿 态。作为示例，选择算法可基于第一车辆姿态与第二车辆姿态之间的较小 误差协方差矩阵来识别主车辆姿态，如下面将进一步详细讨论。
另外，选择算法130计算第一车辆姿态与第二车辆姿态之间的差。如 果差超过预定阈值，那么该选择算法生成指示第一车辆姿态和第二车辆姿 态的失配的诊断信号。失配可能暗示与自动驾驶系统相关联的至少一个传 感器或控制器中存在诊断条件。例如，诊断信号强度可表示第一姿态与第 二姿态之间的不一致水平。响应于诊断信号，可采取适当的诊断动作。在 示例性实施例中，响应于诊断信号，车辆可自主地执行替代操纵。替代操 纵可包括例如用于安全地停止车辆的后退命令。这种操纵可能被称为最小 风险状况操纵。
通常如上文所讨论，使用第三EKF 136对来自选择算法130的主姿态 以及可选精度改进(诸如在框132处说明的V2X通信)以及使用在框134 处说明的3D或2D语义地图数据库特征的定位进行过滤以获得最终车辆姿 态。然后，自动驾驶系统可使用最终车辆姿态以自主控制车辆。
现在参考图4A至图4C，以流程图形式说明了根据本公开的确定车辆 姿态的方法。算法开始于框150。
如框152处说明，从卫星导航接收机接收伪距/载波GNSS信号。然后 确定校正是否可用，如操作154处所说明。如上文所讨论，这种校正包括 RTK或DGPS。如框156处说明，如果操作154的确定为肯定，那么从卫 星、云端、自组织网络或本地基站接收GNSS校正。如框158处说明，下 载和解压缩来自基本集合的观察结果。如框160处说明，来自车辆卫星导 航接收机的观察结果与基站观察结果对准以形成二重差分。然后，如框162 处说明，使用递归最小二乘法确定车辆位置。
如果操作154的确定为否定，那么控制直接进行至框162，且使用递 归最小二乘法来确定车辆位置。
如框164处说明，使用来自惯性测量单元的传感器读数和车速(例如， 使用WGS-84坐标)来外推车辆的当前位置。
如操作166处说明，然后确定轮速数据是否可用。如框168处说明， 如果确定为肯定，那么当前车辆位置与轮速传感器数据融合。然后控制进 行至框170。如果操作166的确定为否定，那么控制直接进行至框170。
如框170处说明，从第一定位算法获得第一车辆姿态C，且从第二定 位算法获得第二车辆姿态D。这些算法将分别在下面关于图4B和4C更详 细地讨论。
如操作172处说明，确定第一车辆姿态C与第二车辆姿态D之间的差 的大小是否超过预定阈值。如果操作172的确定为肯定，那么如框174处 说明，生成诊断信号。例如，诊断信号强度可表示第一姿态与第二姿态之 间的不一致水平。如上文所讨论，响应于诊断信号，可采取适当的诊断动 作。
如果操作172的确定为否定(即，第一车辆姿态C与第二车辆姿态D 之间的差的大小小于预定阈值)，那么如操作176处说明，确定第一车辆 姿态C的误差协方差矩阵是否小于第二车辆姿态D的误差协方差矩阵。
如果该确定为肯定，那么如框178处说明，选择第一车辆姿态C作为 主姿态。如果该确定为否定，那么如框180处说明，选择第二车辆姿态D 作为主姿态。在这两种情况下，控制然后进行至操作182。
如操作182处说明，确定3D语义地图特征是否可用。如果该确定为 肯定，那么如框184处说明，使用3D语义特征来优化主车辆姿态。然后 控制进行至操作186。如果确定为否定，那么控制直接进行至操作186。
如操作186处说明，确定WiFi测距或V2X信息是否可用。如果该确 定为肯定，那么如框188处说明，使用WiFi测距或V2X信息来优化车辆 姿态。该算法然后在框190处结束。如果该确定为否定，那么算法在框190 处结束。
转至图4B，以流程图形式说明了第一定位算法。如框192处说明，接 收激光雷达扫描数据。如框194处说明，然后对激光雷达扫描数据执行扫 掠对扫掠点云(Sweep-to-sweeppoint cloud)优化和地图对齐。如框196 处说明，然后从点云数据中提取特征。如框198处说明，对所提取的特征 执行运动和测量更新。如框200处说明，然后将提取的特征与激光雷达图 数据库进行匹配。如框202处说明，然后估计最可能的3D姿态。
转至图4C，以流程图形式说明了第二定位算法。如框204处说明，接 收立体图像数据。如框206处说明，执行逐帧特征检测以找到3D提示。 如框208处说明，然后将检测到的特征与视觉特征数据库进行匹配或针对 虚拟特征数据库跟踪该检测到的特征。如框210处说明，然后执行运动和 姿态估计，其可包括3D对3D估计或3D对2D估计。如框212处说明， 然后对姿态执行局部优化，例如束调整。
虽然结合自主车辆讨论了上述示例性实施例，但是本领域技术人员将 明白，根据本公开的定位和映射系统可结合人控车辆(例如，结合自适应 巡航控制或自动紧急制动系统)来使用。
可以看出，根据本公开的实施例可实现自主车辆控制命令的独立验 证，以帮助诊断主控制系统中的软件或硬件状况。因此，根据本公开的实 施例可更加稳定，从而提高客户满意度。
本文所公开的过程、方法或算法可交付给处理装置、控制器或计算机 (可包括任何现有的可编程电子控制单元或专用电子控制单元)/由其实 施。类似地，该过程、方法或算法可存储为可由控制器或计算机执行的呈 许多形式的数据和指令，该形式包括(但不限于)永久地存储在诸如ROM 装置的不可写存储介质上的信息以及可变地存储在诸如软盘、磁带、CD、 RAM装置以及其它磁性和光学介质的可写存储介质上的信息。该过程、 方法或算法还可在软件可执行对象中实施。替代地，该过程、方法或算法 可全部或部分使用合适的硬件部件(诸如专用集成电路(ASIC)、现场可 编程门阵列(FPGA)、状态机、控制器或其它硬件部件或装置)或硬件、 软件和固件部件的组合来实施。这样的示例性装置作为车辆计算系统的部 分可以是车载的或可以是远程非车载的，并且与一个或多个车辆上的装置 进行远程通信。
如先前所述，各种实施例的特征可组合成形成可不明确描述或说明的 本发明的进一步实施例。虽然各种实施例就一个或多个期望特性而言可能 已经描述为提供优点或优于其它实施例或现有技术实施方案，但是本领域 一般技术人员认识到，可牺牲一个或多个特征或特性以实现取决于具体应 用和实施方案的期望整体系统属性。这些属性可包括(但不限于)成本、 强度、耐用性、生命周期成本、市场适销性、外观、包装、大小、服务能 力、重量、可制造性、便于组装等。因而，就一个或多个特性而言，描述 为期望性不及其它实施例或现有技术实施方案的实施例不在本公开的范 围之外并且对于特定应用可以是所期望的。
虽然上文描述了示例性实施例，但是并不希望这些实施例描述由权利 要求书涵盖的所有可能形式。用在说明书中的词汇是描述性词汇，而不是 限制性的词汇，且应当理解，可进行各种变化而并不脱离本公开的精神和 范围。如先前所述，各种实施例的特征可组合成形成可不明确描述或说明 的本发明的进一步实施例。虽然各种实施例就一个或多个期望特性而言可 能已经描述为提供优点或优于其它实施例或现有技术实施方案，但是本领 域一般技术人员认识到，可牺牲一个或多个特征或特性以实现取决于具体 应用和实施方案的期望整体系统属性。这些属性可包括(但不限于)成本、 强度、耐用性、生命周期成本、市场适销性、外观、包装、大小、服务能 力、重量、可制造性、便于组装等。因而，就一个或多个特性而言，描述 为期望性不及其它实施例或现有技术实施方案的实施例不在本公开的范 围之外并且对于特定应用可以是所期望的。

Claims (6)

1.一种机动车辆，包括：
多个传感器，其配置为检测所述机动车辆附近的外部特征；
致动器，其配置为控制车辆转向、加速、制动或换挡；以及
至少一个控制器，其与所述多个传感器中的相应传感器和所述致动器进行电子通信，所述至少一个控制器利用自动驾驶系统控制算法进行编程，并且配置为基于所述自动驾驶系统控制算法自动地控制所述致动器，所述自动驾驶控制系统算法包括：
第一定位算法，其配置为从所述多个传感器中的第一组相应传感器接收第一传感器读数，并且基于所述第一传感器读数提供第一车辆姿态，所述第一车辆姿态包括所述车辆的第一位置和第一定向，
第二定位算法，其配置为从所述多个传感器中的第二组相应传感器接收第二传感器读数，并且基于所述第二传感器读数提供第二车辆姿态，所述第二车辆姿态包括所述车辆的第二位置和第二定向，以及
定位仲裁算法，其配置为响应于所述第一车辆姿态超出所述第二车辆姿态的预定范围而生成诊断信号。
2.根据权利要求1所述的车辆，其中所述至少一个控制器进一步被编程为响应于所述第一车辆姿态在所述第二车辆姿态的所述预定范围内，确定所述第一车辆姿态于所述第二车辆姿态之间的主车辆姿态，并且基于所述主姿态根据所述自动驾驶系统控制算法来控制所述致动器。
3.根据权利要求1所述的机动车辆，其中所述诊断信号包括表示所述第一车辆姿态与所述第二车辆姿态之间的差的参数。
4.根据权利要求1所述的机动车辆，其中所述至少一个控制器进一步被编程为响应于所述诊断信号而根据后退命令来控制所述致动器。
5.根据权利要求1所述的机动车辆，其中所述至少一个控制器包括第一控制器和第二控制器，所述第一控制器利用所述第一定位算法进行编程，且所述第二控制器利用所述第二定位算法进行编程。
6.根据权利要求1所述的机动车辆，其中所述第一定位算法包括视觉测距3D姿态估计，且所述第二定位算法包括激光雷达测距3D姿态估计。
CN201711114488.0A 2016-11-17 2017-11-13 用于自主车辆的自动协同驾驶控制 Pending CN108068792A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/353852 2016-11-17
US15/353,852 US9971352B1 (en) 2016-11-17 2016-11-17 Automated co-pilot control for autonomous vehicles

Publications (1)

Publication Number Publication Date
CN108068792A true CN108068792A (zh) 2018-05-25

Family

ID=62026837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711114488.0A Pending CN108068792A (zh) 2016-11-17 2017-11-13 用于自主车辆的自动协同驾驶控制

Country Status (3)

Country Link
US (1) US9971352B1 (zh)
CN (1) CN108068792A (zh)
DE (1) DE102017126925A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110816510A (zh) * 2018-08-09 2020-02-21 卡特彼勒路面机械公司 用于机器的导航系统
WO2020093939A1 (zh) * 2018-11-09 2020-05-14 阿里巴巴集团控股有限公司 定位方法、装置以及电子设备
CN111497853A (zh) * 2019-01-23 2020-08-07 通用汽车环球科技运作有限责任公司 用于传感器诊断的系统和方法
CN111795692A (zh) * 2019-04-02 2020-10-20 通用汽车环球科技运作有限责任公司 经由多模式slam融合过程进行并行跟踪和定位的方法和设备
CN111858202A (zh) * 2019-07-12 2020-10-30 百度（美国）有限责任公司 诊断自主驾驶车辆的传感器处理单元的方法、装置和系统、及计算机可读介质
CN114440928A (zh) * 2022-01-27 2022-05-06 杭州申昊科技股份有限公司 激光雷达与里程计的联合标定方法、机器人、设备和介质

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10173698B2 (en) * 2015-02-09 2019-01-08 General Electric Company Communication system and method of a vehicle consist
US11150357B2 (en) * 2017-04-24 2021-10-19 The Charles Stark Draper Laboratory, Inc. Multi-source distributed navigation system architecture
US11043132B1 (en) 2017-02-17 2021-06-22 The Charles Stark Draper Laboratory, Inc. Systems and methods for determining quality and integrity of source information to determine navigation information of an object
US11774602B1 (en) * 2017-04-24 2023-10-03 The Charles Stark Draper Laboratory, Inc. Multi-source distributed navigation system architecture
US10762635B2 (en) 2017-06-14 2020-09-01 Tusimple, Inc. System and method for actively selecting and labeling images for semantic segmentation
US10902387B2 (en) * 2017-08-25 2021-01-26 The Boeing Company Aircraft digital event ledger
US10671083B2 (en) 2017-09-13 2020-06-02 Tusimple, Inc. Neural network architecture system for deep odometry assisted by static scene optical flow
US10552979B2 (en) * 2017-09-13 2020-02-04 TuSimple Output of a neural network method for deep odometry assisted by static scene optical flow
KR102561263B1 (ko) * 2018-04-04 2023-07-28 삼성전자주식회사 지도 데이터를 생성하는 전자 장치 및 그 동작 방법
DE102018206786A1 (de) * 2018-05-03 2019-11-07 Robert Bosch Gmbh Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors
US10434935B1 (en) * 2018-06-29 2019-10-08 Nissan North America, Inc. Interactive external vehicle-user communication
US10981578B2 (en) 2018-08-02 2021-04-20 GM Global Technology Operations LLC System and method for hardware verification in an automotive vehicle
DE102018122054A1 (de) 2018-09-10 2020-03-12 Wabco Gmbh Querlenkverfahren und Querlenkvorrichtung für das Bewegen eines Fahrzeugs in eine Zielposition, und Fahrzeug dafür
DE102018221945A1 (de) * 2018-12-17 2020-06-18 Continental Automotive Gmbh Sensordatensystem für ein Fahrzeug
CN109544964A (zh) * 2018-12-29 2019-03-29 同济大学 一种无人驾驶车的航线传输系统
JPWO2020189462A1 (ja) * 2019-03-15 2021-11-18 ヤマハ発動機株式会社 既定ルート走行車両
US20200311455A1 (en) * 2019-03-27 2020-10-01 GM Global Technology Operations LLC Methods and systems for correcting sensor information
US11835342B2 (en) * 2019-06-27 2023-12-05 Nvidia Corporation Calibration of inertial measurement units of vehicles using localization
US11500104B2 (en) * 2019-08-16 2022-11-15 Ford Global Technologies, Llc Localizing a moving object
US11262759B2 (en) * 2019-10-16 2022-03-01 Huawei Technologies Co., Ltd. Method and system for localization of an autonomous vehicle in real time
JP7074118B2 (ja) * 2019-11-08 2022-05-24 トヨタ自動車株式会社 制御装置、方法、プログラム、及び車両
US11107227B1 (en) * 2020-02-19 2021-08-31 GM Cruise Holdings, LLC Object detection based on three-dimensional distance measurement sensor point cloud data
DE102020107542A1 (de) 2020-03-19 2021-09-23 Bayerische Motoren Werke Aktiengesellschaft Bestimmen einer Position eines Fahrzeugs
DE102022101492A1 (de) * 2022-01-24 2023-07-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung von Posedaten in Bezug auf die Pose eines Fahrzeugs
DE102022110431A1 (de) 2022-04-28 2023-11-02 Bayerische Motoren Werke Aktiengesellschaft Steuerung eines Fahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100191391A1 (en) * 2009-01-26 2010-07-29 Gm Global Technology Operations, Inc. multiobject fusion module for collision preparation system
CN103648880A (zh) * 2011-07-04 2014-03-19 捷豹路虎有限公司 车辆控制系统和用于控制车辆的方法
CN103661370A (zh) * 2012-08-10 2014-03-26 株式会社万都 驻车辅助设备及其驻车辅助方法
US20160236679A1 (en) * 2015-02-18 2016-08-18 Toyota Jidosha Kabushiki Kaisha Vehicle driving support control device
CN106043281A (zh) * 2015-04-14 2016-10-26 大陆汽车系统公司 自动联结辅助系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2391556T3 (es) * 2002-05-03 2012-11-27 Donnelly Corporation Sistema de detección de objetos para vehículo
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
US7639841B2 (en) * 2004-12-20 2009-12-29 Siemens Corporation System and method for on-road detection of a vehicle using knowledge fusion
EP2615598B1 (en) * 2012-01-11 2017-12-06 Honda Research Institute Europe GmbH Vehicle with computing means for monitoring and predicting traffic participant objects
KR102388448B1 (ko) * 2015-06-09 2022-04-21 삼성전자주식회사 이동 로봇 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100191391A1 (en) * 2009-01-26 2010-07-29 Gm Global Technology Operations, Inc. multiobject fusion module for collision preparation system
CN103648880A (zh) * 2011-07-04 2014-03-19 捷豹路虎有限公司 车辆控制系统和用于控制车辆的方法
CN103661370A (zh) * 2012-08-10 2014-03-26 株式会社万都 驻车辅助设备及其驻车辅助方法
US20160236679A1 (en) * 2015-02-18 2016-08-18 Toyota Jidosha Kabushiki Kaisha Vehicle driving support control device
CN106043281A (zh) * 2015-04-14 2016-10-26 大陆汽车系统公司 自动联结辅助系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110816510A (zh) * 2018-08-09 2020-02-21 卡特彼勒路面机械公司 用于机器的导航系统
CN110816510B (zh) * 2018-08-09 2023-11-03 卡特彼勒路面机械公司 铺路系统
WO2020093939A1 (zh) * 2018-11-09 2020-05-14 阿里巴巴集团控股有限公司 定位方法、装置以及电子设备
CN111497853A (zh) * 2019-01-23 2020-08-07 通用汽车环球科技运作有限责任公司 用于传感器诊断的系统和方法
CN111497853B (zh) * 2019-01-23 2023-01-13 通用汽车环球科技运作有限责任公司 用于传感器诊断的系统和方法
CN111795692A (zh) * 2019-04-02 2020-10-20 通用汽车环球科技运作有限责任公司 经由多模式slam融合过程进行并行跟踪和定位的方法和设备
CN111858202A (zh) * 2019-07-12 2020-10-30 百度（美国）有限责任公司 诊断自主驾驶车辆的传感器处理单元的方法、装置和系统、及计算机可读介质
CN114440928A (zh) * 2022-01-27 2022-05-06 杭州申昊科技股份有限公司 激光雷达与里程计的联合标定方法、机器人、设备和介质

Also Published As

Publication number Publication date
DE102017126925A1 (de) 2018-05-17
US20180136665A1 (en) 2018-05-17
US9971352B1 (en) 2018-05-15

Similar Documents

Publication Publication Date Title
CN108068792A (zh) 用于自主车辆的自动协同驾驶控制
CN108073170B (zh) 用于自主车辆的自动化协同驾驶控制
CN108574929B (zh) 用于自主驾驶系统中的车载环境中的联网场景再现和增强的方法和设备
CN108528458B (zh) 用于车辆尺寸预测的系统和方法
CN108961320B (zh) 确定移动物体速度的方法和系统
US11085774B2 (en) System and method of matching of road data objects for generating and updating a precision road database
US10970317B2 (en) System and method of a two-step object data processing by a vehicle and a server database for generating, updating and delivering a precision road property database
EP3130945B1 (en) System and method for precision vehicle positioning
CN108761474A (zh) 用于具有高处理增益的脉冲重复序列的方法和装置
US11250576B2 (en) Systems and methods for estimating dynamics of objects using temporal changes encoded in a difference map
CN108693876A (zh) 目标跟踪
CN109144049A (zh) 用于控制感测装置视场的系统和方法
CN108372856A (zh) 来自自主驾驶系统中的感知流的有效情景意识
CN110435667A (zh) 用于控制自主车辆的系统和方法
CN109144050A (zh) 使用反射延迟传播进行物体表面估计的方法和装置
US10507841B1 (en) System and method for sensor diagnostics
CN110441790A (zh) 激光雷达系统中的方法和装置串扰和多径降噪
CN109552212A (zh) 用于自主车辆中的雷达定位的系统和方法
CN111532254B (zh) 用于控制自主车辆的系统和方法
CN109387856A (zh) 用于lidar阵列中的并行采集的方法和设备
CN110816547A (zh) 用于自主驾驶的实际感知系统的感知不确定性建模
US11747164B2 (en) Methods for multi-dimensional lane matching for autonomous vehicle localization
CN116977954A (zh) 车道定位的方法、装置、设备以及存储介质
CN113936058A (zh) 基于车辆的数据获取

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180525

WD01 Invention patent application deemed withdrawn after publication