CN110536821A

CN110536821A - 车辆的电子控制装置

Info

Publication number: CN110536821A
Application number: CN201880025466.3A
Authority: CN
Inventors: 堀口辰也; 坂本英之; 广津铁平
Original assignee: Hitachi Automotive Systems Ltd
Current assignee: Hitachi Astemo Ltd
Priority date: 2017-04-24
Filing date: 2018-03-08
Publication date: 2019-12-03
Anticipated expiration: 2038-03-08
Also published as: JP2018184021A; US11352019B2; CN110536821B; US20200070847A1; DE112018001402T5; JP6815925B2; WO2018198547A1

Abstract

本发明提供一种能以相对简易的构成判定是否产生了异常状态的车辆的电子控制装置。本发明的车辆的电子控制装置具备：行动预测部(S2)，其根据从检测车辆的外界信息的外界信息检测部(21、22)获取的外界信息来预测车辆周边的物体的行动；以及检测部用判定部(S45)，其对与行动预测部的预测结果相对应的时刻下的从外界信息检测部获取到的外界信息与行动预测部的预测结果进行比较，由此判定外界信息检测部是否发生了异常。

Description

车辆的电子控制装置

技术领域

本发明涉及车辆的电子控制装置。

背景技术

控制自动驾驶的上位控制装置即自动驾驶ECU(Electronic Control Unit，电子控制单元)要求即便在自动驾驶系统发生了故障的情况下也要在将操作交接给驾驶员为止的一定期间内继续自动驾驶动作。作为这种故障的一例，例如有进行自动驾驶控制用的运算的运算处理装置上的运算中发生的异常、传感器发生的异常。

为了在发生故障时实现一定期间的继续动作，须检测出异常而切换至与异常相对应的控制。在这种故障或异常的检测时，通常使用将运算处理或传感器多重化而对输出进行比较的方式、以及使用别的传感器值或运算结果来验证运算结果或传感器输出值的妥当性的方式。但是，在将传感器或运算装置多重化的情况下，存在传感器数增大造成的系统构成的复杂化、运算处理负荷的增大等问题，因此需要验证妥当性的方式。

专利文献1揭示了如下装置：对检测自身车辆的状态量的传感器的偏值使用不同于该传感器的种类的传感器加以检测或修正。在专利文献1中，通过评价传感器输出值的妥当性来检测异常。

现有技术文献

专利文献

专利文献1：日本专利特开2009-061942号公报

发明内容

发明要解决的问题

在专利文献1记载的验证方式中，虽然可以使用与判定对象传感器不一样的验证用传感器对判定对象传感器发生的故障或异常进行检测，但并未展示对验证用传感器发生的异常进行检测的手段。

在自动驾驶ECU中，会通过同时使用多种传感器而对各传感器的特性进行补充来识别周边物体的位置、速度等，因此，需要使用各种传感器的互补的验证处理、异常检测处理。

本发明是鉴于上述问题而成，其目的在于提供一种能以相对简易的构成判定是否产生了异常状态的车辆的电子控制装置。

解决问题的技术手段

为了解决上述问题，本发明的车辆的电子控制装置具备：行动预测部，其根据从检测车辆的外界信息的外界信息检测部获取的外界信息来预测车辆周边的物体的行动；以及检测部用判定部，其对与行动预测部的预测结果相对应的时刻下的从外界信息检测部获取到的外界信息与行动预测部的预测结果进行比较，由此判定外界信息检测部是否发生了异常。

发明的效果

根据本发明，能够通过对根据来自外界信息检测部的外界信息预测出的车辆周边的物体的行动的结果和与该预测结果相对应的时刻下的来自外界信息检测部的外界信息进行比较来判定外界信息检测部是否发生了异常。

附图说明

图1为车辆的电子控制装置的系统构成图。

图2为表示整体处理的流程图。

图3为表示传感器融合处理的动作的框图。

图4为表示对自身车辆周边的物体的位置进行展示的自身车辆周边物体地图的时间变化与预测的差的说明图。

图5为判定传感器或微电脑的异常的自诊断功能的框图。

图6为自诊断处理的流程图。

图7为表示根据微电脑的判定结果和传感器数据的判定结果来进行综合判定的方法的说明图。

具体实施方式

下面，根据附图，对本发明的实施方式进行说明。在本实施方式中，根据由信息检测部(外界信息检测部20)检测到的第1信息进行规定的运算，并对第1运算结果与由信息检测部检测到的第2信息(第2信息在第1信息之后检测)或者根据第2信息进行规定运算得到的第2运算结果进行比较。由此，在本实施方式中，能够对信息检测部或者执行规定运算的运算处理部是否发生了异常进行自诊断。

根据本实施方式的一例，像以下详细叙述的那样，具备检测车辆1的外界信息的外界信息检测部20和预测位于车辆1周边的物体的行为(行动)的行动预测部(S2)，通过对利用行动预测部预测周边物体的行动得到的信息M2(T1)与从外界信息检测部20获得的外界信息进行比较来判断外界信息检测部20发生的异常。

根据本实施方式，能够通过对根据过去的外界信息预测出的信息(行动预测部的预测结果)与当前的外界信息进行比较来检测外界信息检测部20发生的异常。进而，根据本实施方式，也能够通过将根据来自外界信息检测部20的外界信息进行统合运算的统合运算部(S1)的运算结果与行动预测部的预测结果进行比较来检测综合运算部发生的异常。

因而，根据本实施方式，能够以相对简易的构成诊断外界信息检测部20和统合运算部(S1)是否发生了异常而无须将检测电路、运算处理电路、电脑程序多重化。

实施例1

使用图1～图7，对实施例进行说明。图1为本实施例的车辆的电子控制装置的系统构成图。

车辆1例如配备有车体、配置在车体的前后左右的车轮、搭载于车体的发动机、驾驶室(均未图示)等。自动驾驶ECU 10是用于自动驾驶车辆1的电子控制装置。自动驾驶ECU10例如具备运算处理装置(微型计算机，以下记作微电脑)11和由微电脑11使用的存储器12。

自动驾驶ECU 10上连接有检测车辆1的外界信息的外界信息检测部20。外界信息检测部20例如包括毫米波雷达21、相机22。除了这些传感器21、22以外，也可使用超声波传感器、红外线传感器等。在以下的说明中，有时将毫米波雷达21、相机22称为传感器21、22。

自动驾驶ECU 10上还连接有检测车辆1的内部状态的车辆状态检测部30。作为车辆状态检测部30，例如有地图信息31、自身车辆位置传感器32。自身车辆位置传感器32可为GPS(Global Positioning System，全球定位系统)，也可为GPS组合车速传感器或加速度传感器而成的位置检测系统。

自动驾驶ECU 10根据从外界信息检测部20给予的外界信息、地图信息31、以及来自自身车辆位置传感器32的信息而使用微电脑11来实施自动驾驶相关的运算处理。当经过运算、结果算出自身车辆的行驶轨迹时，自动驾驶ECU 10向由制动控制装置41、发动机控制装置42、转向控制装置43等构成的各种下位ECU群40分别发送控制指令值。由此，自身车辆1得以在安全的路径上自动行驶。

再者，从外界信息检测部20输入至自动驾驶ECU 10的数据可为从传感器21、22直接输出的原始数据，也可为经各传感器21、22专用的ECU(未图示)预处理后的数据。

图2的流程图展示自动驾驶ECU 10的主要处理。本处理由微电脑11以规定周期加以执行。

微电脑11分别执行如下运算：传感器融合处理S1，即，对从外界信息检测部20给予的各种外界信息进行统合；周边物体行动预测处理S2，即，使用传感器融合处理S1的结果获得的自身车辆周边物体地图来预测自身车辆周边物体的行动；自身车辆轨道计划处理S3，即，根据自身车辆周边物体的行动预测来生成自身车辆轨道；以及自诊断处理S4。

图3展示传感器融合处理S1的内部处理的概要。作为“统合运算部”的一例的传感器融合处理S1实施时刻同步处理S11和传感器统合处理S12。

在传感器融合处理S1内，从毫米波雷达21、相机22给予自动驾驶ECU 10的传感器数据的时刻是不同步的。因此，从外界信息检测部20接收赋予了时间戳的传感器数据而进行时刻同步处理S11。

将完成了时刻同步处理S11的数据称为同步毫米波雷达数据、同步相机数据。在传感器统合处理S12中，根据同步毫米波雷达数据和同步相机数据来运算位于自身车辆1周边的周边物体的位置坐标。除了各周边物体的位置坐标以外，传感器统合处理S12还使用自身车辆位置传感器32的传感器值从地图信息31引用自身车辆周边的地图，由此将自身车辆1的周边物体的位置映射到地图上。

图4展示如下例子：使用传感器融合处理S1对由毫米波雷达21及立体相机22检测到的自身车辆周边物体的位置、大小、移动速度信息进行统合，由此将各物体标绘在自身车辆周边物体地图M上。除了自身车辆位置101以外，自身车辆周边物体地图M上还映射有其他车辆位置102、自行车位置103、行人位置104。

自身车辆周边物体地图M1有表示现状的地图(表示当前状况的地图)和预测将来的某一时间点的状况的地图。对在时刻T1制作出的现实的地图标注符号M1(T1)。对在时刻T1预测将来的时刻T2的状况得到的地图标注符号M2(T1)。对在时刻T2制作出的现实的地图标注符号M2(T2)。预测出的地图有时称为预测地图。

图4的(1)展示通过传感器融合处理S1在时刻T1制作的、表示时刻T1的现状的自身车辆周边物体地图M1(T1)。自身车辆101(1)朝图中右侧行进。自身车辆101(1)的行进方向上有其他车辆102(1)、自行车103(1)、行人104(1)等物体。此处，物体的符号上附加的带括号的数字对应于图的4(1)～(3)的带括号的数字。在以下的说明中，在不区分制作时刻、预测时刻的情况下，简记作自身车辆101、其他车辆102、自行车103、行人104。

图4的(2)展示通过周边物体行动预测处理S2在时刻T1制作的、预测时刻T2的状况的自身车辆周边物体地图M2(T1)。周边物体行动预测处理S2是在微电脑11上根据自身车辆周边物体地图M1(T1)来预测自身车辆1的周边物体的行动。

在周边物体行动预测处理S2中，对自身车辆周边物体地图M1(T1)上映射的各种周边物体102(1)～104(1)的行动进行预测。作为预测方式，例如有根据当前的各周边物体的位置和速度、外推来求将来位置的方式。

通过周边物体行动预测处理S2，求出图4的(2)所示那样的表示自身车辆周边物体的将来预测的自身车辆周边预测地图M2(T1)。该自身车辆周边预测地图M2(T1)中映射自身车辆1的预测位置101(2)、其他车辆的预测位置102(2)、自行车的预测位置103(2)、行人的预测位置104(2)。

图4的(2)中，为了进行说明，以虚线表示周边物体行动预测处理S2得到的各物体的预测位置。以实线表示传感器融合处理S1的结果即当前时刻T1下的其他车辆位置102(1)、自行车位置103(1)、行人位置104(1)。但实际的周边物体行动预测处理S2的结果中未必包含实际位置。此外，图4的(2)中，各物体的预测位置仅展示了1个，但各物体的预测位置可以生成后面的自身车辆轨道计划处理S3所需的数量程度。

例如，在自身车辆轨道计划处理S3中以100毫秒为单位计划10秒内的自身车辆1的轨道的情况下，各物体(其他车辆、自行车、行人等)的预测位置最大会生成100个(100＝10000毫秒/100毫秒)。通过使用各物体的预测位置而在微电脑11上进行自身车辆轨道计划处理S3，生成自身车辆轨道。生成满足所生成的自身车辆轨道这样的对下位ECU群40的控制指令值并发送至下位ECU群40。由此，自动驾驶ECU 10的主功能的处理完成。

另一方面，自诊断处理S4在自动驾驶ECU 10的主功能处理流程中诊断传感器融合处理S1以及传感器21、22的输入值的异常。

图5展示自诊断处理S4的整体构成。但图5所示的自诊断处理(异常判定处理)是从图2所示的自动驾驶ECU 10的主功能处理流程中提取相关部分而得到的。

自动驾驶ECU 10的主功能处理是周期性的处理，在某一时刻T1开始的一系列处理的结束后，在下一时刻T2再次开始同样的处理。因此，图5中，在横向上展示这一系列处理的一部分，在纵向上展示开始一系列处理的时刻，展示了自动驾驶ECU 10中的处理的流程。处理的详情将在图6中于后文叙述。图5中记载有表示与图6的处理的对应关系的步骤编号。

通过在时刻T1开始的一系列处理S1(T1)、S2(T1)，分别求出时刻T1下的自身车辆周边物体地图M1(T1)和在时刻T1运算的时刻T2下的周边预测地图M2(T1)(图4的(1)、(2))。此外，通过在时刻T2开始的一系列处理S1(T2)，求出表示时刻T2下的周边物体的位置的地图即周边物体位置M2(T2)(图4的(3))。

即，通过对在时刻T1预测出的自身车辆周边预测地图M2(T1)与在时刻T2检测到的周边物体地图M2(T2)进行比较(S43)，能够判定传感器融合处理S1是否发生了异常。通过对在时刻T1预测出的自身车辆周边预测地图M2(T1)与在时刻T2从传感器21、22获取到的传感器数据(已进行过时刻同步处理的传感器数据)进行比较(S45)，能够判定传感器21、22是否发生了异常。

像图6、图7中后文叙述的那样，自诊断处理S4根据传感器融合处理S1的运算结果相关的诊断结果(判定结果)和传感器数据相关的诊断结果(判定结果)来做出最终的综合判定。继而，自动驾驶ECU 10按照该最终的综合判定来执行向驾驶员通知发现异常或者向驾驶员交付车辆1的驾驶等控制。

图6为表示微电脑11执行的自诊断处理S4的详细的一例的流程图。再者，当前时刻设为T2。

微电脑11从周边物体行动预测处理S2获取在时刻T1预测出的周边物体预测地图M2(T1)(S41)。微电脑11获取在时刻T2算出的自身车辆周边物体地图M2(T2)(S42)。继而，微电脑11对步骤S41中获取到的预测地图M2(T1)与步骤S42中获取到的当前的地图M2(T2)进行比较，由此判定传感器融合处理S1的运算结果是否发生了异常(S43)。

此处，对步骤S43中的比较方法的例子进行说明。例如，可列举对各周边物体的位置的背离幅度与事先规定的阈值进行比较的方式。图4的(2)中的在时刻T1运算的时刻T2下的自行车的预测位置103(2)与图4的(3)中的时刻T2下的自行车的位置103(3)之间产生了在图上的比1网格少一点的位置误差。

因此，例如当将用于检测异常的有无的阈值定为“半网格”时，可以判定时刻T2下的自行车位置103(3)发生了异常。由此，能够检测自动驾驶ECU 10的主功能处理流程中的、到传感器融合处理S1为止发生的异常的有无。步骤S43的判定结果送至综合判定步骤S46。

另一方面，微电脑11从传感器融合处理S1内的时刻同步处理S11获取同步毫米波雷达数据及同步相机数据(S44)。微电脑11对步骤S44中获取到的同步数据(同步毫米波雷达数据、同步相机数据)与在时刻T1运算出的时刻T2下的周边物体预测位置M2(T1)进行比较(S45)。

在步骤S45的比较处理中，以在时刻T1运算的时刻T2下的周边物体预测位置M2(T1)为正解数据，将与同步毫米波雷达数据及同步相机数据所示的各周边物体的实际位置的差异与规定阈值进行比较。在传感器数据产生的差异为阈值以上的情况下，微电脑11判定传感器数据发生了异常也就是传感器21、22是否发生了异常。

与前文所述的传感器融合处理S1的异常判定(S43)一样，传感器数据的异常的有无可以像上述那样使用阈值来判别。再者，用于比较的同步毫米波雷达数据及同步相机数据能以获得同步于时刻T2的数据的方式从时刻同步处理S11获得。或者，也可使用时刻同步处理S11的过程中获得的、最接近时刻T2的时刻的同步数据。步骤S45的判定结果送至综合判定步骤S46。

微电脑11根据步骤S43的判定结果(传感器融合处理S1相关的判定结果)和步骤S45的判定结果(传感器数据相关的判定结果)来进行综合判定(S46)，由此，能够分别检测传感器融合处理S1发生的异常、毫米波雷达21发生的异常、相机22发生的异常。

参考图7的表格120，对与步骤S43、S45中的各判定结果的模式相应的综合判定方法进行说明。综合判定表格120将传感器融合处理S1相关的判定结果S43、传感器数据相关的判定结果S45以及综合判定结果S46关联在一起。图7中，将传感器融合处理S1相关的判定结果S43表示为“运算结果判定”。

微电脑11根据传感器融合处理S1相关的判定结果S43来判定传感器融合处理S1是否发生了异常。在判定传感器融合处理S1有异常的情况下，微电脑11参考来自传感器21、22的传感器数据的判定结果S45。这时，微电脑11可以将与毫米波雷达21的异常或者相机22的异常均不相符的情况判定为传感器融合处理S1的异常。

对图7的判定方法进行说明。在步骤S43中判定有异常的情况下，若步骤S45中判定毫米波雷达数据21有异常，则其综合判定结果为“毫米波雷达异常”。同样地，在步骤S43中判定有异常的情况下，若步骤S45中判定相机22有异常，则其综合判定结果为“相机异常”。同样地，在步骤S43中判定有异常的情况下，若步骤S45中判定无异常，则其综合判定结果为“传感器融合处理异常”。

在步骤43中判定无异常的情况下，综合判定结果为“无异常”。传感器融合处理S1利用来自各传感器21、22的传感器数据，因此，若传感器融合处理S1未发生异常，则能够认为传感器数据也无异常。

返回至图6。微电脑11判定综合判定的结果是否为“有异常”(S47)，在判定有异常的情况下(S47：是)，向车辆1中乘坐的驾驶员通知检测到异常这一内容(S48)。微电脑11例如将“自动驾驶系统检测到了异常”等消息加以语音输出或者显示在显示器上。

此处，也可能存在因噪声等而导致传感器值发生瞬间异常的情况，因此，在步骤S47中，也可在综合判定结果判定“有异常”发生了预先定下的规定次数以上时进行步骤S48的通知。步骤S48的通知是从自动驾驶转移至手动驾驶的过程启动之前的、作为事先的提醒注意的通知。

在步骤S48中通知驾驶员之后，微电脑11判定异常状态是否在继续(S49)。例如，在综合判定结果判定“有异常”持续发生了预先定下的其他规定次数以上的情况下(S49：是)，微电脑11启动降级动作处理(S50)。

虽然图示从略，但在降级动作处理中例如执行如下处理：点亮危险警告灯、以进入事先定下的停止动作的方式变更行驶控制，忽略作出异常判定的传感器的输入、仅使用剩下的其他正常的传感器来继续自动驾驶模式并通知驾驶员，之后在一定时间后切换至手动驾驶。由此，在自动驾驶系统发生异常时确保乘员的安全。在通知处理(S46、S48)中，也可不仅通知车辆1内的驾驶员还通知例如周围的其他车辆，也可通知监视车辆的行驶的服务器(未图示)。表示自动驾驶时的各参数的变化的日志信息存放在存储器12中，可将异常检测时刻和异常的种类与日志信息加以关联来进行保存。由此，还能有助于查明异常的原因。

根据如此构成的本实施例，根据来自外界信息检测部20的传感器数据来预测自身车辆周边的物体的行动，并根据从外界信息检测部20获取的当前的传感器数据来判定其预测结果是否相符。因而，根据本实施例，能够以简易的构成进行自诊断而无须将外界信息检测部20、微电脑11等多重化，从而能够提高可靠性而不会增大制造成本。

即，根据本实施例，能够检测外界信息检测部20、传感器融合处理S1各自发生的异常而无须将自动驾驶ECU 10使用的外界信息检测部20(毫米波雷达21、相机22)多重化、无须将自动驾驶ECU 10中的传感器融合处理S1多重化。本实施例的异常的有无的判定方法是基于使用自动驾驶ECU 10的主功能处理的过程中获得的地图或信息的比较运算。因此，即便在将本实施例的异常的有无的判定方法(自诊断处理)追加部署到自动驾驶ECU 10中的情况下，也能抑制自动驾驶ECU 10的处理负荷的增大。

再者，本发明不限定于上述实施方式。只要是本领域技术人员，便可以在本发明的范围内进行各种追加或变更等。在上述实施方式中，不限定于附图中图示的构成例。在达成本发明的目的的范围内，实施方式的构成、处理方法可以酌情变更。

此外，本发明的各构成要素可以任意取舍选择，具备取舍选择得到的构成的发明也包含在本发明内。进而，权利要求书记载的构成在权利要求书中明示的组合以外也可以进行组合。

在所述实施例中，对通过对时刻T1及时刻T2下的2个地图信息进行比较来判定异常的有无的方法进行了说明。作为异常判定的方法，例如也可通过在时刻T1、T2、T3等3个以上的时刻之间对位置信息与预测位置信息进行比较来判定异常的有无而不是采用上述方法。

所述实施例中叙述过的异常检测方法(自诊断方法)是以某一时刻T1下的自动驾驶ECU处理正常这一内容为前提来验证下一时刻T2下的自动驾驶ECU处理的妥当性。因此，优选在例如发动机钥匙接通时或者自动驾驶ECU处理开始时确认自动驾驶ECU处理是正常的。

作为该确认方法，例如有在自动驾驶开始时刻和下一时刻分别进行同样的处理、通过这些处理的结果是否一致来加以确认的方法。进而，也可以在自动驾驶ECU 10的动作中进行相对于建筑物等位置已知的地标等物体的位置检测，对使用地图信息31和自身车辆位置传感器32的自身车辆1的移动量的推断值与地标等物体的位置进行比较，由此确认外界信息检测部20、传感器融合处理S1的妥当性。

符号说明

1 车辆

10 自动驾驶ECU

11 微电脑

20 外界信息检测部

21 毫米波雷达

22 相机

30 车辆状态检测部

31 地图信息

32 自身车辆位置传感器

40 下位ECU群。

Claims

1.一种车辆的电子控制装置，其特征在于，具备：

行动预测部，其根据从检测所述车辆的外界信息的外界信息检测部获取的外界信息来预测所述车辆周边的物体的行动；以及

检测部用判定部，其对与所述行动预测部的预测结果相对应的时刻下的从所述外界信息检测部获取到的外界信息与所述行动预测部的预测结果进行比较，由此判定所述外界信息检测部是否发生了异常。

2.根据权利要求1所述的车辆的电子控制装置，其特征在于，还具备：

统合运算部，其对所述外界信息进行统合运算；以及

运算部用判定部，其对与所述行动预测部的预测结果相对应的时刻下的所述统合运算部的运算结果与所述行动预测部的预测结果进行比较，由此判定所述统合运算部是否发生了异常。

3.根据权利要求2所述的车辆的电子控制装置，其特征在于，

还具备综合判定部，所述综合判定部根据所述检测部用判定部的判定结果和所述运算部用判定部的判定结果来执行综合判定。

4.根据权利要求3所述的车辆的电子控制装置，其特征在于，

还具备通知部，在所述综合判定部判定有异常的情况下，所述通知部向所述车辆的驾驶员输出表示检测到异常状态的异常通知。

5.根据权利要求4所述的车辆的电子控制装置，其特征在于，

在所述综合判定部判定有异常发生了预先设定的规定次数以上的情况下，所述通知部输出所述异常通知。

6.根据权利要求5所述的车辆的电子控制装置，其特征在于，

在所述通知部输出所述异常通知后，所述综合判定部判定有异常发生了预先设定的其他规定次数以上的情况下，开始将所述车辆的操作移交至驾驶员的处理。

7.根据权利要求1所述的车辆的电子控制装置，其特征在于，

所述外界信息检测部包括雷达或相机中的至少某一方。