CN110347166B - 用于自动驾驶系统的传感器控制方法 - Google Patents
用于自动驾驶系统的传感器控制方法 Download PDFInfo
- Publication number
- CN110347166B CN110347166B CN201910745049.2A CN201910745049A CN110347166B CN 110347166 B CN110347166 B CN 110347166B CN 201910745049 A CN201910745049 A CN 201910745049A CN 110347166 B CN110347166 B CN 110347166B
- Authority
- CN
- China
- Prior art keywords
- sensor
- target
- controllable
- controllable sensor
- tracked
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Abstract
本发明提供了一种用于自动驾驶系统的传感器控制方法,属于自动驾驶领域。该方法包括以下步骤:获取当前时刻同一坐标系下的车辆周围的待追踪目标的位置信息和速度信息以及可控传感器的位置信息和速度信息;根据当前时刻的待追踪目标的位置信息和速度信息以及可控传感器的位置信息和速度信息预测下一时刻待追踪目标相对于可控传感器的预测夹角值;根据预测夹角值计算可控传感器需要调节的期望角度;根据期望角度调节可控传感器,使得可控传感器的优势感知方向对准待追踪目标,优势感知方向为可控传感器的高性能感知区域中性能最高的方向之一。本发明的传感器控制方法能够使得自动驾驶系统稳定地跟踪待追踪目标。
Description
技术领域
本发明涉及自动驾驶领域,特别是涉及一种用于自动驾驶系统的传感器控制方法。
背景技术
自动驾驶技术是当前汽车产业的技术热点,根据SAE的自动驾驶分级,目前主要划分为L0-L5这六个自动驾驶分级,其中L0级指没有任何自动驾驶功能的车辆,L1-L2级自动驾驶本质上仍是驾驶辅助系统(ADAS),L3级自动驾驶可以称之为准自动驾驶系统,L4-L5级自动驾驶可以认为是真正有意义的自动驾驶系统。
传统的L1-L2级别自动驾驶车辆,主要利用车载传感器(GPS、IMU、轮速传感器等)和感知传感器(前向雷达、前视摄像头、超声波雷达等)实现简单场景的辅助驾驶功能,例如ACC(Adaptive Cruise Control),AEB,TJA,HWA等。随着自动驾驶功能和安全等级的提升,车辆需要具有更精确的感知定位能力,更加可靠稳定的决策控制能力,能够处理更复杂的场景。因此对于自车和周边环境感知能力提出了更高的要求,例如L3-L5的自动驾驶车辆通过增加前向激光雷达、多个角雷达和侧雷达、高像素前视摄像头、侧视摄像头、后视摄像头、高精度地图服务器等,来实现高精度地图/定位、动静态目标检测跟踪、车道路沿检测、交通标识识别等环境感知能力。
为了实现自动驾驶,可以通过控制车辆上可调节探测位置的可控传感器来完成对待追踪目标的追踪,调节传感器的优势感知方向来同步跟踪探测待追踪目标。
现有技术中,通过实时反馈测量所得的可控传感器和待追踪目标的角度给可控传感器,可控传感器根据反馈值进行调整。但是通过反馈控制,由于测量的角度值存在误差或者不断变化,造成可控传感器方向不停地调节变化去尝试消除稳态误差,使得待追踪目标相对于可控传感器的角度一致处于非稳态,因此导致系统不稳定。
发明内容
本发明的一个目的是提供一种用于自动驾驶系统的传感器控制方法,能够使得自动驾驶系统稳定地跟踪待追踪目标。
特别地,本发明提供了一种用于自动驾驶系统的传感器控制方法,所述自动驾驶系统包括多个可调节探测位置的可控传感器,所述方法包括以下步骤:
获取当前时刻同一坐标系下的所述车辆周围的待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息;
根据当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息预测下一时刻所述待追踪目标相对于所述可控传感器的预测夹角值;
根据所述预测夹角值计算所述可控传感器需要调节的期望角度;
根据所述期望角度调节所述可控传感器,使得所述可控传感器的优势感知方向对准所述待追踪目标,所述优势感知方向为所述可控传感器的高性能感知区域中性能最高的方向之一。
可选地,根据当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息预测下一时刻所述待追踪目标相对于所述可控传感器的预测夹角值,包括:
根据当前时刻所述待追踪目标的位置信息和所述可控传感器的位置信息获取所述待追踪目标相对于所述可控传感器的当前夹角的夹角表达式;
对所述夹角表达式进行求导获得导数表达式;
将当前时刻的所述待追踪目标的位置信息和所述可控传感器的位置信息代入所述夹角表达式获得当前夹角值;
将当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息代入所述导数表达式获得导数值;
根据所述当前夹角值、所述导数值和下一时刻与当前时刻的时间间隔通过一阶逼近法计算所述预测夹角值。
可选地,根据所述期望角度调节所述可控传感器,包括:
判断所述期望角度是否超出所述可调传感器的可调角度范围;
若是,将所述可控传感器调节至所述期望角度接近的所述可调角度范围的边界值;
否则,按照所述期望角度调节所述可控传感器。
可选地,根据所述期望角度调节所述可控传感器,还包括:
根据角度变化率阈值范围确定所述可控传感器的角度变化值的阈值范围;
判断所述可控传感器的角度变化值是否超出所述阈值范围;
若是,按照所述可控传感器的角度变化值接近的所述阈值范围的边界值调节所述可控传感器;
否则,按照所述期望角度调节所述可控传感器。
可选地,所述角度变化率阈值范围根据所述可控传感器的调节步长范围确定。
可选地,获取所述车辆周围的对所述车辆威胁性较大的待追踪目标的位置信息和速度信息,包括:
接收其他车辆和路基设备的发送的所述车辆周围的所述待追踪目标的位置信息和速度信息,且通过所述车辆的信息采集单元获取所述待追踪目标的位置信息和速度信息。
可选地,所述优势感知方向为所述可控传感器的感知视场的中轴线方向。
可选地,根据所述期望角度调节所述可控传感器之前,还包括:
获取所述系统的当前运行状态数据、资源调用的能力数据、正常功能的维持情况数据和目标检测跟踪的难易程度数据,并基于各项数据分别计算出所述系统的系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度;
将所述系统运转正常度、所述资源调用可行度、所述功能正常维持度和所述目标检测跟踪容易度按照预设算法计算出所述系统的整体可控度;
根据所述系统的整体可控度判断所述系统是否达到控制所述可控传感器的预设标准;
在所述系统达到控制所述可控传感器的预设标准时,根据所述期望角度调节所述可控传感器。
可选地,将所述系统运转正常度、所述资源调用可行度、所述功能正常维持度和所述目标检测跟踪容易度按照预设算法计算出所述系统的整体可控度,包括:
分别以第一系数、第二系数和第三系数对所述资源调用可行度、所述功能正常运行度和所述目标检测跟踪容易度进行加权后相加,取相加值与所述系统运转正常度中的较小值作为所述整体可控度,其中,所述第一系数、第二系数和第三系数的和等于1。
可选地,根据所述系统的整体可控度判断所述系统是否达到控制所述可控传感器的预设标准,包括:
在所述整体可控度大于第一阈值时判定所述系统达到控制所述可控传感器的预设标准。
本发明通过当前待追踪目标和可控传感器的位置和速度信息预测下一刻两者的预测夹角值,并根据该预测夹角值计算可控传感器的期望角度,即可控传感器跟踪待追踪目标所需要调节的角度。实际上提供了一种待追踪目标的轨迹预测方法,通过计算预测可控传感器各个时间的期望角度,并根据期望角度去调节可控传感器,而不是根据反馈的测量值进行非稳态调节,因此本方法可以更稳定地追踪待追踪目标,可控传感器不会频繁调节。
进一步地,本发明通过系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度四个维度去考量系统的整体可控度,根据整体可控度判断该系统的资源是否足够用来控制选定传感器。因此在控制选定传感器之前,对系统的进行了较为全面的预估,有利于后期对选定传感器控制。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的传感器控制方法的流程框图;
图2是根据本发明一个实施例的传感器控制方法中计算预测夹角值的流程框图;
图3是根据本发明一个实施例的传感器控制方法中调节可控传感器的流程框图;
图4是根据本发明另一个实施例的传感器控制方法的原理图;
图5是根据本发明另一个实施例的传感器控制方法的流程框图。
具体实施方式
图1是根据本发明一个实施例的传感器控制方法的流程框图。如图1所示,本发明提供了一种用于自动驾驶系统的传感器控制方法,该自动驾驶系统包括多个可调节探测位置的可控传感器。如图1所示,一个实施例中,方法包括以下步骤:
S10:获取当前时刻同一坐标系下的车辆周围的待追踪目标的位置信息和速度信息以及可控传感器的位置信息和速度信息。该待追踪目标的选择是出现在车辆周围且对车辆的安全行驶具有一定威胁性的目标,例如可能会与车辆发生碰撞的行人、其他车辆等。
S20:根据当前时刻的待追踪目标的位置信息和速度信息以及可控传感器的位置信息和速度信息预测下一时刻待追踪目标相对于可控传感器的预测夹角值。
S30:根据预测夹角值计算可控传感器需要调节的期望角度。
S40:根据期望角度调节可控传感器,使得可控传感器的优势感知方向对准待追踪目标,优势感知方向为可控传感器的高性能感知区域中性能最高的方向之一。
本实施例通过当前待追踪目标和可控传感器的位置和速度信息预测下一刻两者的预测夹角值,并根据该预测夹角值计算可控传感器的期望角度,即可控传感器跟踪待追踪目标所需要调节的角度。实际上提供了一种待追踪目标的轨迹预测方法,通过计算预测可控传感器各个时间的期望角度,并根据期望角度去调节可控传感器,而不是根据反馈的测量值进行非稳态调节,因此本方法可以更稳定地追踪待追踪目标,可控传感器不会频繁调节。
图2是根据本发明一个实施例的传感器控制方法中计算预测夹角值的流程框图。如图2所示,另一个实施例中,S20包括步骤S21、S22、S23和S24。
S21:根据当前时刻待追踪目标的位置信息和可控传感器的位置信息获取待追踪目标相对于可控传感器的当前夹角θts(t)的夹角表达式,如下面的公式(1)所示:
其中,(xs(t),ys(t))、(xt(t),yt(t))分别为当前时刻的某一可控传感器和待追踪目标的位置信息,即两者在同一坐标系下的坐标值。在其他实施例中,也可以使用其他方式获取两者的夹角表达式。
S22:对夹角表达式进行求导获得导数表达式。即对上述公式(1)进行求导得到导数表达式如下面公式(2)所示:
S23:将当前时刻的待追踪目标的位置信息和可控传感器的位置信息代入夹角表达式获得当前夹角值;将当前时刻的待追踪目标的位置信息和速度信息以及可控传感器的位置信息和速度信息代入导数表达式获得导数值。
S24:根据当前夹角值、导数值和下一时刻与当前时刻的时间间隔通过一阶逼近法计算预测夹角值。如下公式(3)所示:
可控传感器需要调节的期望角度等于预测夹角值,如下面的公式(4)所示:
θms(t+Δt)=θts(t+Δt) (4)
其中,θms(t+Δt)为可控传感器的期望角度。
本实施例通过一阶逼近的方法计算出下一时刻待追踪目标相对于可控传感器的预测夹角值,然后将该夹角值作为可控传感器的期望角度,可控传感器根据该期望角度实时追踪待追踪目标。
一个实施例中,该期望角度为传感器感知视场的中轴线方向,例如水平感知视场的中轴线方向,由于该中轴线方向一般为可控传感器的高性能感知区域中性能最高的方向之一,因此可以获取较为准确和清晰的数据。
另一个实施例中,S10包括:
接收其他车辆和路基设备的发送的车辆周围的待追踪目标的位置信息和速度信息,且通过车辆的信息采集单元获取待追踪目标的位置信息和速度信息。
也就是说待追踪目标的信息既可以是通过自车的传感器检测获得,也可以通过与其他车辆和路基设备的通信来获取,这样有效扩大了探测范围,尤其是当待追踪目标被遮挡导致自车无法有效探测时,通过其他车辆和路基设备的协同工作,为获取该区域的待追踪目标提供可能性。
图3是根据本发明一个实施例的传感器控制方法中调节可控传感器的流程框图。一个实施例中,如图3所示,S40包括S41至S43。
S41:判断期望角度是否超出可调传感器的可调角度范围。若是进入S42,否则进入S43。
S42:将可控传感器调节至期望角度接近的可调角度范围的边界值。
S43:按照期望角度调节可控传感器。
图4是根据本发明另一个实施例的传感器控制方法的原理图。如图4所示,这里以车辆(图4中的空心方框)前保险杠中心为坐标原点,以车辆纵向行驶方向为y轴(前向为正方向),以车辆横向运动方向为x轴(右向为正方向),建立车辆坐标系(右手坐标系),图4所示的可控传感器设置在车辆的左前角上,待追踪目标为实心方框所示。图4中的三角区域为可控传感器的感知探测范围,θls-min为该感知探测范围的左边界的最小角度,θls-max为该感知探测范围的左边界的最大角度,θrs-min为该感知探测范围的右边界的最小角度,θrs-max为该感知探测范围的右边界的最大角度,也就是S42中的边界值,θms(t+Δt)可以根据以下公式(5)计算:
由于可控传感器安装位置、机电控制系统的极限、机电控制系统的最大和最小调节步长等因素的限制,使得可控传感器的角度调节有个限制范围,因此设置了S41至S43,用于控制可控传感器在调节时不会超出传感器的可调范围。
另一个实施例中,如图3所示,S40还包括S44至S47。
S44:根据角度变化率阈值范围确定可控传感器的角度变化值的阈值范围。
S45:判断可控传感器的角度变化值是否超出阈值范围。若是,进入S46,否则进入S47。
S46:按照可控传感器的角度变化值接近的阈值范围的边界值调节可控传感器。
S47:按照期望角度调节可控传感器。
需要说明的是,S41至S43与S44至S47的执行顺序不做限制,可以两者同时执行,也可以其中一个先执行。
一个实施例中,角度变化率阈值范围根据可控传感器的调节步长范围确定。假设由可控传感器的调节步长确定该可控传感器的角度变化率阈值范围的下限为θms-rate-min,上限为θms-rate-max,也就是说,|θms(t+Δt)-θms(t)|最大不能超过最大变化率θms-rate-max×Δt,最小不能小于最小变化率θms-rate-min×Δt。
min(max((θms(t+Δt)-θms(t)),θms-rate-min×Δt),θms-rate-max×Δt)(6)
min(max((θms(t+Δt)-θms(t)),--θms-rate-max×Δt),-θms-rate-min×Δt) (7)
图5是根据本发明另一个实施例的传感器控制方法的流程框图。如图5所示,另一个实施例中,S40之前还包括S31至S33。
S31:获取系统的当前运行状态数据、资源调用的能力数据、正常功能的维持情况数据和目标检测跟踪的难易程度数据,并基于各项数据分别计算出系统的系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度。
S32:将系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度按照预设算法计算出系统的整体可控度。
S33:根据系统的整体可控度判断系统是否达到控制可控传感器的预设标准。
S34:在系统达到控制可控传感器的预设标准时,根据期望角度调节可控传感器。
本实施例通过系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度四个维度去考量系统的整体可控度,根据整体可控度判断该系统的资源是否足够用来控制选定传感器。因此在控制选定传感器之前,对系统的进行了较为全面的预估,有利于后期对选定传感器控制。
可选地,S31包括:
获取系统的不同功能模块的运转正常度和系统的协调运转正常度。
根据系统的不同功能模块的运转正常度和系统的协调运转正常度计算系统运转正常度。
系统是否运转正常是传感器可调节控制的前提条件,如果系统无法正常运转,则无法控制调节传感器完成相应的功能。这里的系统指的是自身的车路协同自动驾驶系统,包含感知、计算、存储、控制、通信、电源等不同功能模块的软硬件。每个模块的软硬件都有独立的运行状况监控子模块,用于监控该模块是否运转正常。这里的运转正常指的是该模块的硬件和软件工作正常且可完成既定功能,而且模块没有异常状况发生。同时整个系统还有一个整体运行状况监控模块,一方面用于汇总各模块监控子模块的信息,另一面用于监控整个系统是否运转正常。这里的运转正常指的是整个系统的硬件和软件工作正常且可完成既定功能,而且整个系统没有异常状况发生。
一个实施例中,可以通过下面的公式(8)计算系统运转正常度σopr:
σopr=min(σsysm,σsens,σcomp,σstog,σcntr,σcomm,σpowr) (8)
这里σsysm是系统的协调运行正常度,σsens是系统感知模块的运转正常度,σcomp是系统计算模块的运转正常度,σstog是系统存储模块的运转正常度,σcntr是系统控制模块的运转正常度,σcomm是系统通信模块的运转正常度,σpowr是系统电源模块的运转正常度。这些运转正常度都是在0和1之间变化的量,可以通过各个模块的运行健康度监控功能获得。
一个实施例中,S31包括:
获取系统内的可控传感器及与可控传感器相关设备的可调用情况信息,并根据可控传感器及与可控传感器相关设备的可调用情况信息计算硬件资源调用可行度;
获取系统内软件的可调用情况信息,并根据系统内软件的可调用情况信息计算软件资源调用可行度;
根据硬件资源调用可行度和软件资源调用可行度计算系统的资源调用可行度。
系统运转正常只是需要考虑的最基本的条件,系统是否具有足够的资源可以调用来完成传感器调节控制则是需要考虑的第二个问题。这里的资源主要包含两类,一类是硬件资源,另一类是软件资源。硬件资源包含自车所配备的各类可控制调节的传感器以及相关联的机械、电机、驱动、电源设备等。软件资源包含为了实现传感器控制调节的软件控制算法等的所需要占用的算力资源(例如,CPU使用率)、存储资源(例如,内存使用率)、通信资源(例如,网络通信带宽使用率)等。基本的原则是希望系统的硬件资源中存在至少一个可被调用的可供控制调节的传感器以及相关设备,同时系统的软件资源拥有足够空闲的计算、存储、通信资源以实现相关传感器控制调节的计算工作。
根据系统的硬件和软件资源状况,可以计算系统的资源调用可行度σreso。一个实施例中,取硬件资源调用可行度和软件资源调用可行度中的较小值作为资源调用可行度,见公式(9):
σreso=min(σhwr,σswr) (9)
这里σhwr是系统的硬件资源调用可行度,σswr是系统的软件资源调用可行度,这里的可行度都是在0和1之间变化的量。一种计算σhwr的方法可以是判断是否至少一个可被调用的可供控制调节的传感器以及关联设备,是则σhwr=1,否则σhwr=0。一种计算σswr的方法可按以下公式(10)获得:
σswr=min(σcpu,σmem,σbwt) (10)
这里σcpu是系统算力资源可行度,σmem是系统存储资源可行度,σbwt是系统存储资源可行度。一种计算σcpu、σmem、σbwt的方法可以是判断系统的CPU使用率、内存使用率、网络带宽使用率是否小于设定的阈值(例如,60%),如果是的话,则对应的资源可行度为1,否则资源可行度为0。这样判断的主要原因是,我们希望系统随时都有一定的运行余量以应对突发情况。
一个实施例中,S31包括:
获取除去选定传感器后的剩余传感器的环境监测功能正常运行度和系统冗余备份功能正常运行度。
并根据除去选定传感器后的剩余传感器的环境监测功能正常运行度和系统冗余备份功能正常运行度计算系统的功能正常维持度。
传感器调节控制功能只是自车基于车路协同的自动驾驶系统中的一个功能,为了实现这个功能,我们需要调用可供调节控制的传感器设备。需要注意的是,这些传感器设备除了用于调节控制以实现待追踪目标同步跟踪锁定这个功能外,同时还需要完成其他的自动驾驶系统功能,包括保证自动驾驶系统正常运作的环境监测功能,和实现自动驾驶系统高功能安全等级的冗余备份功能。保证自动驾驶系统正常运作的环境监测功能指的是普通目标感知检测功能、车道线检测功能、交通标识检测功能、环境地图构建功能等。实现自动驾驶系统高功能安全等级的冗余备份功能指的是,通过对同一视角范围安排多个感知传感器来进行环境监测功能,以实现功能的冗余备份防止其中一个传感器坏了导致整个系统失效。所以我们需要考虑如果被选定的(一个或多个)可供控制调节的传感器被调用后,剩下的感知传感器是否能满足最低的自动驾驶系统整体环境监测功能需求和冗余备份功能需求。
根据自车的感知传感器配置、最低环境监测功能需求、最低冗余备份功能需求,通过公式(11)可以计算系统的功能正常维持度σfunc:
σfunc=min(σenvr,σredn) (11)
这里σenvr是除去选定传感器后系统的环境监测功能正常运行度,σredn是除去选定传感器后系统冗余备份功能正常运行度,这里的可行度都是在0和1之间变化的量。
一个实施例中,S31包括:
获取可控传感器的检测识别特性信息、环境因素信息和目标属性信息,并根据可控传感器的检测识别特性信息、环境因素信息和目标属性信息计算目标的检测识别容易度。
获取可控传感器的机电控制特性信息和目标运动特性信息,并根据可控传感器的机电控制特性信息和目标运动特性信息计算得到目标的锁定跟踪容易度。
根据检测识别容易度和锁定跟踪容易度计算目标检测跟踪容易度。
由于自车的传感器检测识别特性已经固定,因此传感器的目标检测能力基本是确定的。同时由于自车的传感器机电控制特性已经固定,因此传感器的跟踪目标的能力也是基本确定的。对于不同的环境因素或目标属性,传感器的检测识别难易程度是不一样的。例如,大部分传感器在光照良好无雨雪天气对目标的检测识别率高;大部分传感器对于标称参考目标集合(例如,常规车辆、行人、自行车等)的目标识别概率高,对于非标称目标集合(例如,小推车、手扶拖拉机、轮胎等)的目标检测识别概率。对于不同的目标运动特性,通过控制调节传感器同步锁定跟踪目标的难易程度是不一样的。例如,对于做低速常规运动(例如,匀速直线/转向运动、匀加速直线/转向运动)的目标,调节控制传感器跟踪锁定该目标相对较容易;对于高速运动或做非常规运动(例如,匀速高速运动、高速加减速运动、做S型运动)的目标,调节控制传感器跟踪锁定高目标相对较难。
根据自身传感器检测识别特性信息、环境因素信息、目标属性信息,可以计算得到目标的检测识别容易度σdetc。根据自身传感器机电控制特性信息、目标运动特性信息,可以计算得到目标的锁定跟踪容易度σtrak。我们可以通过公式(12)计算目标检测跟踪容易度σtarg:
σtarg=min(σdetc,σtrak) (12)
这里σdetc是目标的检测识别容易度,σtrak是目标的锁定跟踪容易度,这里的可行度都是在0和1之间变化的量。
另一个实施例中,S32包括:
分别以第一系数、第二系数和第三系数对资源调用可行度、功能正常维持度和目标检测跟踪容易度进行加权后相加,取相加值与系统运转正常度中的较小值作为整体可控度,其中,第一系数、第二系数和第三系数的和等于1。
系统的整体可控度可以通过系统运转正常度、资源调用可行度、功能正常维持度、目标检测跟踪容易度来综合计算得到。系统的可控度综合反应了系统为了实现控制调节传感器的各方面能力和准备情况。我们这里提出了一种系统化方法来考虑是否可以控制调节传感器来同步跟踪锁定目标。该方法的核心是计算系统的可控度,当可控度高于设定的经验阈值时,则可以调节控制传感器;否则,则不可以调节控制传感器。系统的可控度可以通过下述公式(13)来计算:
σcntr=min(σopr,(αreso·σreso+αfunc·σfunc+αtarg·σtarg))(13)
这里系统的运转正常度σopr是最重要的,如果该值较小的话,则表明系统运转不正常,系统的整体可控度也将很低。同时,资源调用可行度、功能正常维持度、目标检测跟踪容易度都差不多重要,这里通过权重来区分其相对重要性,这里的权重0≤αreso≤1,0≤αfunc≤1,0≤αtarg≤1,而且αreso+αfunc+αtarg=1。当这几个值都比较大的时候,系统的可控度是比较大的。
一个实施例中,S33包括:
在整体可控度大于第一阈值时判定系统达到控制可控传感器的预设标准。即在整体可控度大于第一阈值时,判断系统有能力控制可控传感器。
可以根据经验选定一个阈值用于决定系统的整体可控度是否满足需求,也即系统的资源是否足够用以完成控制调节传感器的工作。例如,选择该阈值为如果则系统拥有足够资源供控制调节传感器跟踪待追踪目标。否则,系统当前没有足够资源,无法完成传感器控制调节的任务。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (9)
1.一种用于自动驾驶系统的传感器控制方法,所述自动驾驶系统包括多个可调节探测位置的可控传感器,其特征在于,所述方法包括以下步骤:
获取当前时刻同一坐标系下的车辆周围的待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息;
根据当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息预测下一时刻所述待追踪目标相对于所述可控传感器的预测夹角值;
根据所述预测夹角值计算所述可控传感器需要调节的期望角度;
根据所述期望角度调节所述可控传感器,使得所述可控传感器的优势感知方向对准所述待追踪目标,所述优势感知方向为所述可控传感器的高性能感知区域中性能最高的方向之一;
根据当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息预测下一时刻所述待追踪目标相对于所述可控传感器的预测夹角值,包括:
根据当前时刻所述待追踪目标的位置信息和所述可控传感器的位置信息获取所述待追踪目标相对于所述可控传感器的当前夹角的夹角表达式;
对所述夹角表达式进行求导获得导数表达式;
将当前时刻的所述待追踪目标的位置信息和所述可控传感器的位置信息代入所述夹角表达式获得当前夹角值;
将当前时刻的所述待追踪目标的位置信息和速度信息以及所述可控传感器的位置信息和速度信息代入所述导数表达式获得导数值;
根据所述当前夹角值、所述导数值和下一时刻与当前时刻的时间间隔通过一阶逼近法计算所述预测夹角值。
2.根据权利要求1所述的传感器控制方法,其特征在于,根据所述期望角度调节所述可控传感器,包括:
判断所述期望角度是否超出所述可调传感器的可调角度范围;
若是,将所述可控传感器调节至所述期望角度接近的所述可调角度范围的边界值;
否则,按照所述期望角度调节所述可控传感器。
3.根据权利要求2所述的传感器控制方法,其特征在于,根据所述期望角度调节所述可控传感器,还包括:
根据角度变化率阈值范围确定所述可控传感器的角度变化值的阈值范围;
判断所述可控传感器的角度变化值是否超出所述阈值范围;
若是,按照所述可控传感器的角度变化值接近的所述阈值范围的边界值调节所述可控传感器;
否则,按照所述期望角度调节所述可控传感器。
4.根据权利要求3所述的传感器控制方法,其特征在于,
所述角度变化率阈值范围根据所述可控传感器的调节步长范围确定。
5.根据权利要求1所述的传感器控制方法,其特征在于,获取所述车辆周围的对所述车辆威胁性较大的待追踪目标的位置信息和速度信息,包括:
接收其他车辆和路基设备的发送的所述车辆周围的所述待追踪目标的位置信息和速度信息,且通过所述车辆的信息采集单元获取所述待追踪目标的位置信息和速度信息。
6.根据权利要求1所述的传感器控制方法,其特征在于,
所述优势感知方向为所述可控传感器的感知视场的中轴线方向。
7.根据权利要求1-6中任一项所述的传感器控制方法,其特征在于,根据所述期望角度调节所述可控传感器之前,还包括:
获取所述系统的当前运行状态数据、资源调用的能力数据、正常功能的维持情况数据和目标检测跟踪的难易程度数据,并基于各项数据分别计算出所述系统的系统运转正常度、资源调用可行度、功能正常维持度和目标检测跟踪容易度;
将所述系统运转正常度、所述资源调用可行度、所述功能正常维持度和所述目标检测跟踪容易度按照预设算法计算出所述系统的整体可控度;
根据所述系统的整体可控度判断所述系统是否达到控制所述可控传感器的预设标准;
在所述系统达到控制所述可控传感器的预设标准时,根据所述期望角度调节所述可控传感器。
8.根据权利要求7所述的传感器控制方法,其特征在于,将所述系统运转正常度、所述资源调用可行度、所述功能正常维持度和所述目标检测跟踪容易度按照预设算法计算出所述系统的整体可控度,包括:
分别以第一系数、第二系数和第三系数对所述资源调用可行度、所述功能正常运行度和所述目标检测跟踪容易度进行加权后相加,取相加值与所述系统运转正常度中的较小值作为所述整体可控度,其中,所述第一系数、第二系数和第三系数的和等于1。
9.根据权利要求8所述的传感器控制方法,其特征在于,根据所述系统的整体可控度判断所述系统是否达到控制所述可控传感器的预设标准,包括:
在所述整体可控度大于第一阈值时判定所述系统达到控制所述可控传感器的预设标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910745049.2A CN110347166B (zh) | 2019-08-13 | 2019-08-13 | 用于自动驾驶系统的传感器控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910745049.2A CN110347166B (zh) | 2019-08-13 | 2019-08-13 | 用于自动驾驶系统的传感器控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110347166A CN110347166A (zh) | 2019-10-18 |
CN110347166B true CN110347166B (zh) | 2022-07-26 |
Family
ID=68184904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910745049.2A Active CN110347166B (zh) | 2019-08-13 | 2019-08-13 | 用于自动驾驶系统的传感器控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110347166B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113031612B (zh) * | 2021-03-10 | 2024-04-12 | 深圳市科服信息技术有限公司 | 一种基于智能控制的平衡车系统、控制方法及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023251A (zh) * | 2016-05-16 | 2016-10-12 | 西安斯凯智能科技有限公司 | 一种跟踪系统及跟踪方法 |
CN107111742A (zh) * | 2014-08-18 | 2017-08-29 | 无比视视觉技术有限公司 | 在导航中对车道限制和施工区域的识别和预测 |
WO2017197174A1 (en) * | 2016-05-11 | 2017-11-16 | H4 Engineering, Inc. | Apparatus and method for automatically orienting a camera at a target |
CN107608389A (zh) * | 2017-09-06 | 2018-01-19 | 南通大学 | 一种三维自动跟踪系统及其定位跟踪方法 |
WO2018020129A1 (fr) * | 2016-07-29 | 2018-02-01 | Institut Vedecom | Systeme de pilotage d'un vehicule autonome |
CN107992068A (zh) * | 2017-11-29 | 2018-05-04 | 天津聚飞创新科技有限公司 | 目标跟踪方法、装置及飞行器 |
CN108646741A (zh) * | 2018-05-31 | 2018-10-12 | 哈尔滨工程大学 | 一种基于视觉反馈的无人艇目标跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170097645A1 (en) * | 2013-12-05 | 2017-04-06 | Jeffrey Clyne Garland | Subject tracking system for autonomous vehicles |
-
2019
- 2019-08-13 CN CN201910745049.2A patent/CN110347166B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107111742A (zh) * | 2014-08-18 | 2017-08-29 | 无比视视觉技术有限公司 | 在导航中对车道限制和施工区域的识别和预测 |
WO2017197174A1 (en) * | 2016-05-11 | 2017-11-16 | H4 Engineering, Inc. | Apparatus and method for automatically orienting a camera at a target |
CN106023251A (zh) * | 2016-05-16 | 2016-10-12 | 西安斯凯智能科技有限公司 | 一种跟踪系统及跟踪方法 |
WO2018020129A1 (fr) * | 2016-07-29 | 2018-02-01 | Institut Vedecom | Systeme de pilotage d'un vehicule autonome |
CN107608389A (zh) * | 2017-09-06 | 2018-01-19 | 南通大学 | 一种三维自动跟踪系统及其定位跟踪方法 |
CN107992068A (zh) * | 2017-11-29 | 2018-05-04 | 天津聚飞创新科技有限公司 | 目标跟踪方法、装置及飞行器 |
CN108646741A (zh) * | 2018-05-31 | 2018-10-12 | 哈尔滨工程大学 | 一种基于视觉反馈的无人艇目标跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110347166A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983768B (zh) | 自动驾驶系统 | |
CN107792079B (zh) | 利用路径预测的自主车辆 | |
US11235757B2 (en) | Collision avoidance apparatus | |
CN108334077B (zh) | 确定自动驾驶车辆的速度控制的单位增益的方法和系统 | |
CN108973991B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US11565748B2 (en) | Driving assistance apparatus | |
JP2018206036A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
US11708069B2 (en) | Obstacle avoidance apparatus and obstacle avoidance route generating apparatus | |
CN104071157B (zh) | 车载设备 | |
US20180345930A1 (en) | Vehicle controller, vehicle control method, and storage medium | |
JP7125286B2 (ja) | 行動予測装置及び自動運転装置 | |
CN110347166B (zh) | 用于自动驾驶系统的传感器控制方法 | |
CN115092130A (zh) | 车辆碰撞预测方法、装置、电子设备、介质和车辆 | |
US11458992B2 (en) | Safe trajectory tracking in uncertain environments | |
CN111959482A (zh) | 自主驾驶装置及方法 | |
JP2022513511A (ja) | 完全性範囲を特定するための方法 | |
KR101930163B1 (ko) | 차로 유지 제어 장치 및 방법 | |
CN110427035B (zh) | 用于车辆的目标追踪方法 | |
JP2019164812A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN115303288A (zh) | 一种车辆控制方法、控制装置及摄像头装置 | |
EP4131203A1 (en) | Information processing device, and information processing method | |
CN116118770A (zh) | 面向稳健自动驾驶控制的车辆感知系统的自适应合理化器 | |
JP4923766B2 (ja) | 車両用制動力制御装置 | |
CN114817765A (zh) | 基于地图的目标航向消歧 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |