CN110617815A - 一种自动驾驶监控告警的方法和装置 - Google Patents
一种自动驾驶监控告警的方法和装置 Download PDFInfo
- Publication number
- CN110617815A CN110617815A CN201810631819.6A CN201810631819A CN110617815A CN 110617815 A CN110617815 A CN 110617815A CN 201810631819 A CN201810631819 A CN 201810631819A CN 110617815 A CN110617815 A CN 110617815A
- Authority
- CN
- China
- Prior art keywords
- error
- longitude
- information
- latitude
- northeast
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Abstract
本发明公开了一种自动驾驶监控告警的方法和装置,该方法包括:基于车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;根据预期位置和预设最小安全距离,获得安全行驶范围;根据经纬度信息、经纬度误差、经纬度误差协方差矩阵、第一预设位置误差置信度和航向角,获得第一目标误差椭圆;若第一目标误差椭圆不在安全行驶范围内时;进行偏离规划路径告警。导航系统获得以经纬度信息为中心的误差椭圆,通过判断误差椭圆是否完全处于以预期位置为中心的安全行驶范围,对实际导航性能进行实时评估、监控及告警,提高车辆自动驾驶的安全性,避免交通事故。
Description
技术领域
本发明涉及汽车自动驾驶导航技术领域,尤其涉及一种自动驾驶监控告警的方法和装置。
背景技术
随着人工智能的快速发展,越来越多的行业重视人工智能技术,以便实现自动化和智能化,例如,在汽车行业自动驾驶成为发展重要方向。
在目前的自动驾驶过程中,车辆电子控制单元(英文:Electronic Control Unit,缩写:ECU)控制车辆按照规划路径行驶,确保车辆安全行驶是自动驾驶的核心任务。其中,车辆的导航系统接收多个车载传感器的信息,融合上述信息,实时估计提供当前时刻车辆的航向角、位置和速度等信息,因此,车辆的导航系统的精度直接影响自动驾驶时车辆行驶安全性。
发明人经过研究发现,在实际自动驾驶过程中,车载传感器的精度会受到周围环境影响,例如车载全球系统定位器(英文:Global Positioning System,缩写:GPS)会受到障碍物遮挡影响,车载相机会受光线影响等等。因此,在某些特定环境下车载传感器的精度会下降,有可能导致导航系统的性能无法满足自动驾驶的要求,进而继续利用导航系统进行自动驾驶,车辆的行驶安全性降低,容易产生驾驶风险。
发明内容
本发明所要解决的技术问题是,提供一种自动驾驶监控告警的方法和装置,以便对车辆自动驾驶过程中的各个复杂环境下的实际导航性能进行实时评估、监控及告警,提高了车辆自动驾驶的安全性,降低了交通事故发生的概率。
第一方面,本发明实施例提供了一种自动驾驶监控告警的方法,该方法包括:
根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;
根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;
根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;
若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警。
优选的,所述根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置根据车载传感器的测量信息和误差信息,具体为:
根据车载传感器的测量信息和误差信息,通过卡尔曼滤波融合方式获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置。
优选的,所述根据所述预期位置和预设最小安全距离,获得安全行驶范围,包括:
根据所述车速信息,确定对应的预设最小安全距离;
根据所述预期位置和所述预设最小安全距离,获得安全行驶范围。
优选的,所述根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆,包括:
根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差转换成东北向误差,所述东北向误差包括东向误差和北向误差;
根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆;
根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆。
优选的,所述根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆,包括:
根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差协方差矩阵转换成东北向误差协方差矩阵;
根据所述东北向误差和所述东北向误差协方差矩阵,获得所述东北向误差分布的第一概率密度函数;
根据所述第一概率密度函数和目标夹角,获得标准化东北向误差椭圆,所述目标夹角是基于所述东北向误差协方差矩阵获得的;
根据所述第一概率密度函数和所述标准化东北向误差椭圆,获得所述东北向误差分布的第二概率密度函数;
根据所述标准化东北向误差椭圆、所述第二概率密度函数和所述第一预设位置误差置信度,获得第一东北向误差椭圆。
优选的,所述根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆,包括:
以所述经纬度信息为椭圆中心移动所述第一东北向误差椭圆,获得第一误差椭圆;
将所述第一误差椭圆旋转所述航向角,获得第一目标误差椭圆。
优选的,所述第一预设位置误差置信度为95%。
优选的,还包括:
根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第二预设位置误差置信度和所述航向角,获得第二目标误差椭圆,所述第二预设位置误差置信度为预设的退出自动驾驶的位置误差不确定度的置信水平阈值,所述第二预设位置误差置信度小于所述第一预设位置误差置信度;
对应地,在所述若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警之后,还包括:
若所述第二目标误差椭圆不在所述安全行驶范围内,进行退出自动驾驶告警。
优选的,所述第二预设位置误差置信度为67%。
第二方面,本发明实施例提供了一种自动驾驶监控告警的装置,该装置包括:
第一获得单元,用于根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;
第二获得单元,用于根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;
第三获得单元,用于根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;
第一告警单元,用于若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警
与现有技术相比,本发明至少具有以下优点:
采用本发明实施例的技术方案,首先,基于车载传感器的测量信息和误差信息,可以获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;接着,基于车速信息确定包括前向最小安全距离和侧向最小安全距离的预设最小安全距离,并根据所述预期位置和预设最小安全距离,获得安全行驶范围;然后,根据所述经纬度信息、所述经纬度误差、所述经纬度误差协方差矩阵、预设的偏离规划路径的位置误差不确定度的第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;最后,判断得到所述第一目标误差椭圆不在所述安全行驶范围内时;进行偏离规划路径告警。由此可见,导航系统融合车载传感器信息得到当前经纬度信息和经纬度误差等信息,根据上述信息和预设位置误差置信度得到了以经纬度信息为中心的特定误差椭圆,通过判断特定误差椭圆是否完全处于以预期位置为中心的最小安全行驶范围,从而确定车辆是否偏离规划路径等。该方法可对车辆自动驾驶过程中的各个复杂环境下的实际导航性能进行实时评估、监控及告警,提高了车辆自动驾驶的安全性,降低了交通事故发生的概率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种应用场景所涉及的系统框架示意图;
图2为本发明实施例提供的一种自动驾驶监控告警的方法的流程示意图;
图3为本发明实施例提供的第一目标误差椭圆、第二目标误差椭圆和安全行驶范围的示意图;
图4为本发明实施例提供的一种自动驾驶监控告警的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
发明人经过研究发现,车辆装有GPS、陀螺加表、相机、毫米波雷达以及轮式里程计等车载传感器,车辆的导航系统接收多个车载传感器的信息,实时估计输出当前时刻车辆的航向角、位置和速度等信息,在车辆自动驾驶过程中,ECU基于导航系统输出信息控制车辆按照规划路径行驶,其中,车辆的导航系统的精度直接影响自动驾驶时车辆行驶安全性。然而,在实际自动驾驶过程中,车载传感器的精度会受到周围环境影响,例如车载GPS会受到障碍物遮挡影响,车载相机会受光线影响等等。因此,在某些特定环境下车载传感器的精度会下降,有可能导致导航系统的性能无法满足自动驾驶的要求,进而继续利用导航系统进行自动驾驶,车辆的行驶安全性降低,容易产生驾驶风险。
为了解决这一问题,在本发明实施例中,首先,基于车载传感器的测量信息和误差信息,可以获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;接着,基于车速信息确定包括前向最小安全距离和侧向最小安全距离的预设最小安全距离,并根据所述预期位置和预设最小安全距离,获得安全行驶范围;然后,根据所述经纬度信息、所述经纬度误差、所述经纬度误差协方差矩阵、预设的偏离规划路径的位置误差不确定度的第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;最后,判断得到所述第一目标误差椭圆不在所述安全行驶范围内时;进行偏离规划路径告警。由此可见,导航系统融合车载传感器信息得到当前经纬度信息和经纬度误差等信息,根据上述信息和预设位置误差置信度得到了以经纬度信息为中心的特定误差椭圆,通过判断特定误差椭圆是否完全处于以预期位置为中心的最小安全行驶范围,从而确定车辆是否偏离规划路径等。该方法可对车辆自动驾驶过程中的各个复杂环境下的实际导航性能进行实时评估、监控及告警,提高了车辆自动驾驶的安全性,降低了交通事故发生的概率。
举例来说,本发明实施例的场景之一,可以是应用到如图1所示的场景中,该场景包括车载传感器101、车辆ECU102和报警器103。车载传感器101实时获得测量信息,通过导航系统卡尔曼滤波融合车载传感器101的测量信息和误差信息,车辆ECU102获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;车辆ECU102根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;车辆ECU102根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;若车辆ECU102判断的到所述第一目标误差椭圆不在所述安全行驶范围内;控制报警器103进行偏离规划路径告警。
可以理解的是,在上述应用场景中,虽然将本发明实施方式的动作描述由ECU102执行,但是,本发明在执行主体方面不受限制,只要执行了本发明实施方式所公开的动作即可。
可以理解的是,上述场景仅是本发明实施例提供的一个场景示例,本发明实施例并不限于此场景。
下面结合附图,通过实施例来详细说明本发明实施例中自动驾驶监控告警的方法和装置的具体实现方式。
示例性方法
参见图2,示出了本发明实施例中一种自动驾驶监控告警的方法的流程示意图。在本实施例中,所述方法例如可以包括以下步骤:
步骤201:根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置。
需要说明的是,本实施例的目的为了能够评估确保自动驾驶过程中车辆能够自动安全行驶,首先应该确定当前时刻车辆的位置信息,该位置信息由多个传感器得到,由于该位置信息存在误差,涉及到相关的其他相关车辆行驶信息。具体地,由于车辆上安装有各种各样的传感器,例如,GPS、陀螺加表、相机、毫米波雷达以及轮式里程计等,每个传感器都会输出其测量信息以及自身的误差信息,多个传感器的测量信息和误差信息明显存在差异无法统一,此时,一般采取需要卡尔曼滤波融合方式多个传感器的测量信息误差信息,才能得到较为准确的相关车辆行驶信息,即,当前时刻车辆的经纬度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置等等。因此,在本实施例的一些实施方式中,所述步骤201例如具体可以为:根据车载传感器的测量信息和误差信息,通过卡尔曼滤波融合方式获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置。例如,选取的状态量为{Δλ,ΔL,ΔH,ΔVE,ΔVN,ΔVU,Xerrors......},ΔH为高度误差,{Xerrors......}为各个传感器自身误差量;经卡尔曼滤波融合后,可实时预估输出当前车辆的经度信息{λ,L}、高度信息H、经纬度误差{Δλ,ΔL}、速度信息V、航向角经纬度误差协方差矩阵和预期位置。其中,状态量中{ΔVE,ΔVN,ΔVU}为东、北、天三个方向上的测量速度误差,为测量航向角误差。
步骤202:根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离。
需要说明的是,通常为了确保车辆行驶安全性,避免发生碰撞等交通事故,在车辆行驶过程中存在最小安全距离;不同的速度对应的最小安全距离不同,所以预先设置了不同速度下的前向最小安全距离和侧向最小安全距离作为预设最小安全距离。基于步骤201中获得的当前时刻测量的车速信息,可以确定对应该车速的预设最小安全距离,又由于车辆需要规划路径行驶才能确保安全,所以,基于预期位置和预设最小安全距离,获得以预期位置为中心的安全行驶范围是真正能够确保车辆安全行驶的范围。因此,在本实施例的一些实施方式中,所述步骤202例如可以包括:
步骤A:根据所述车速信息,确定对应的预设最小安全距离;
步骤B:根据所述预期位置和所述预设最小安全距离,获得安全行驶范围。
例如,步骤201获得的车速信息对应的预设最小安全距离为[200cm,30cm],那么以预期位置为中心,其前后200cm,左右30cm的矩形为安全行驶范围。
步骤203:根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值。
需要说明的是,步骤201中即使卡尔曼滤波融合后的经纬度信息较为准确,但是仍然存在误差,其中,经纬度误差表示的是预估输出当前时刻车辆的经纬度信息存在的误差,即,当前时刻车辆的实际经纬度信息是由经纬度信息和经纬度误差决定的。具体地,由于步骤201获得的经纬度误差不能与实际的物理意义相联系,不便于实时评估监控,首先,需要将经纬度误差转换成东北向误差;然后,基于东北向误差分布特性和预先设置的偏离规划路径的位置误差不确定度的置信水平阈值,可以得到东北向误差范围,最后,将东北向误差范围与经纬度信息结合,并基于航向角,得到与预期位置坐标系相同的实际位置范围。因此,在本实施例的一些实施方式中,所述步骤203例如可以包括:
步骤C:根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差转换成东北向误差,所述东北向误差包括东向误差和北向误差。
例如,根据如下公式将经纬度误差{Δλ,ΔL}转换为东北向误差{ΔE,ΔN}:
ΔE=Δλπ(R2+H)cos(L)/180;
ΔN=ΔLπ(R1+H)/180;
R1=a[1-2b+3bsin2(L)];
R2=a[1+bsin2(L)];
其中,H为高度信息,a为地球赤道平面半径,a=6378137m;b为地球参考椭球的椭圆率,b=1/298.259;R1,R2为地球参考椭球主曲率半径。
步骤D:根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆。
其中,在本实施例的一些实施方式中,所述步骤D例如具体可以包括:
步骤D1:根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差协方差矩阵转换成东北向误差协方差矩阵。
例如,根据如下公式将经纬度误差协方差矩阵转换为东北向误差协方差矩阵
δ2x=[(R2+H)cos(L)π/180]2P(Δλ,Δλ);
δ2y=[(R1+H)π/180]2P(ΔL,ΔL);
δxy=[(R2+H)cos(L)π/180][(R1+H)π/180]P(Δλ,ΔL)。
步骤D2:根据所述东北向误差和所述东北向误差协方差矩阵,获得所述东北向误差分布的第一概率密度函数。
具体地,步骤C得到的东北向误差服从二维正态分布,其概率密度函数为:
X=(x,y)T;
μ=(μx,μy)T;
其中,x为东向误差ΔE,y为北向误差ΔN,μX为东向误差均值,μy为北向误差均值,A为东北向误差协方差矩阵。
步骤D3:根据所述第一概率密度函数和目标夹角,获得标准化东北向误差椭圆,所述目标夹角是基于所述东北向误差协方差矩阵获得的。
由上述可知该东北向误差分布曲线为椭圆形误差曲线,又由于两个方向上误差存在耦合,导致所产生的误差椭圆长短半轴与东向北向坐标系存在夹角θ,则旋转θ角可使椭圆长短半轴与东向北向轴对齐,则具有不确定度的标准化东北向误差椭圆为:
其中,kEr和kNr分别为标准化东北向误差椭圆的长半轴和短半轴,得到的标准化东北向误差椭圆的二维正态分布的相关系数为0。
步骤D4:根据所述第一概率密度函数和所述标准化东北向误差椭圆,获得所述东北向误差分布的第二概率密度函数。
具体地,由和可得东北向误差分布的第二概率密度函数为:
步骤D5:根据所述标准化东北向误差椭圆、所述第二概率密度函数和所述第一预设位置误差置信度,获得第一东北向误差椭圆。
由上述可知,东北向误差点落入标准化东北向误差椭圆内的概率P为:根据第一预设位置误差置信度,可以计算得到k值,从而代入k值可以得到第一东北向误差椭圆。
需要说明的是,常见的经典的不确定度为95%和67%,95%的不确定度相比于67%的不确定度所表示的不确定程度更大,则可以预先设置偏离规划路径的位置误差不确定度的置信水平阈值95%,即,在本实施例的一些实施方式中,所述第一预设位置误差置信度为95%,第一预设位置误差置信度越大,表示第一东北向误差椭圆范围越大。则P=95%,计算得到第一预设位置误差置信度为95%时标准化东北向误差椭圆的k=2.448,得到第一东北向误差椭圆为
步骤E:根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆。
其中,步骤D中获得的第一东北向误差椭圆实际上是东北向误差范围,若要得到实际位置范围,第一步,应该将第一东北向误差椭圆平移变为以经纬度信息为椭圆中心的误差椭圆,第二步,将平移后的误差椭圆与预期位置坐标系对齐,需要旋转一定角度,该角度为步骤201中获得的航向角。因此,在本实施例的一些实施方式中,所述步骤E例如可以包括:
步骤E1:以所述经纬度信息为椭圆中心移动所述第一东北向误差椭圆,获得第一误差椭圆;
步骤E2:将所述第一误差椭圆旋转所述航向角,获得第一目标误差椭圆。
可以理解的是,由第一东北向误差椭圆为可知,第一目标误差椭圆是以经纬度信息为椭圆中心,以2.448Er为长半轴,以2.448Nr短半轴,偏转角为航向角的椭圆。
步骤204:若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警。
可以理解的是,第一目标误差椭圆不在所述安全行驶范围内是指第一预设位置误差置信度为95%时实际位置范围超过了安全行驶范围,越大实际位置范围超过了安全行驶范围,表示导航系统性能下降程度较小,可能导致自动驾驶时实际位置偏离规划路径,此时,进行偏离规划路径告警。当然,若所述第一目标误差椭圆完全在所述安全行驶范围内,继续进行自动驾驶评估监控等。
需要说明的是,由上述可知,有可能导航系统性能下降的太多,不仅导致自动驾驶时偏离规划路径,还导致无法继续进行自动驾驶,即,当前时刻车辆较小实际位置范围超过了安全行驶范围。还可以预先设置退出小于偏离规划路径的位置误差不确定度的置信水平阈值的自动驾驶的位置误差不确定度的置信水平阈值为第二预设位置误差置信度。同理可得,基于该置信度可以得到对应的第二目标误差椭圆。因此,在本实施例的一些实施方式中,还包括:根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第二预设位置误差置信度和所述航向角,获得第二目标误差椭圆,所述第二预设位置误差置信度为预设的退出自动驾驶的位置误差不确定度的置信水平阈值,所述第二预设位置误差置信度小于所述第一预设位置误差置信度。
需要说明的是,第二目标误差椭圆的获得流程与第二目标误差椭圆的获得流程相似,在此不再赘述。
需要说明的是,常见的经典的67%的不确定度所表示的不确定程度更小,即,在本实施例的一些实施方式中,所述第二预设位置误差置信度为95%,则P=67%,计算得到第二预设位置误差置信度为67%时标准化东北向误差椭圆的k=1.485,则第二目标误差椭圆是以经纬度信息为椭圆中心,以1.485Er为长半轴,以1.485Nr短半轴,偏转角为航向角的椭圆。
对应地,在所述步骤204之后,还包括:若所述第二目标误差椭圆不在所述安全行驶范围内,进行退出自动驾驶告警。
可以理解的是,第二目标误差椭圆不在所述安全行驶范围内是指第二预设位置误差置信度为67%时实际位置范围超过了安全行驶范围,较小实际位置范围都超过了安全行驶范围,表示导航系统性能下降程度很大,继续自动驾驶行驶风险很大,极容易发生交通事故,此时,进行退出自动驾驶告警。当然,若所述第二目标误差椭圆完全在所述安全行驶范围内,继续进行自动驾驶评估监控等。
例如,如图3所示的第一目标误差椭圆、第二目标误差椭圆和安全行驶范围的示意图,其中,较大的虚线矩形为以预期位置为中心的安全行驶范围,倾斜的较大的虚线椭圆为以预期位置为中心的第一预设位置误差置信度为95%的第一目标误差椭圆;倾斜的较小的虚线椭圆为以预期位置为中心的第二预设位置误差置信度为67%的第一目标误差椭圆。
通过本实施例提供的各种实施方式,首先,基于车载传感器的测量信息和误差信息,可以获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;接着,基于车速信息确定包括前向最小安全距离和侧向最小安全距离的预设最小安全距离,并根据所述预期位置和预设最小安全距离,获得安全行驶范围;然后,根据所述经纬度信息、所述经纬度误差、所述经纬度误差协方差矩阵、预设的偏离规划路径的位置误差不确定度的第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;最后,判断得到所述第一目标误差椭圆不在所述安全行驶范围内时;进行偏离规划路径告警。由此可见,导航系统融合车载传感器信息得到当前经纬度信息和经纬度误差等信息,根据上述信息和预设位置误差置信度得到了以经纬度信息为中心的特定误差椭圆,通过判断特定误差椭圆是否完全处于以预期位置为中心的最小安全行驶范围,从而确定车辆是否偏离规划路径等。该方法可对车辆自动驾驶过程中的各个复杂环境下的实际导航性能进行实时评估、监控及告警,提高了车辆自动驾驶的安全性,降低了交通事故发生的概率。
示例性装置
参见图4,示出了本发明实施例中一种自动驾驶监控告警的装置的结构示意图。在本实施例中,所述装置例如具体可以包括:
第一获得单元401,用于根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;
第二获得单元402,用于根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;
第三获得单元403,用于根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;
第一告警单元404,用于若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警。
可选的,所述第一获得单元401具体用于:
根据车载传感器的测量信息和误差信息,通过卡尔曼滤波融合方式获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置。
可选的,所述第二获得单元402包括:
确定子单元,用于根据所述车速信息,确定对应的预设最小安全距离;
第一获得子单元,用于根据所述预期位置和所述预设最小安全距离,获得安全行驶范围。
可选的,所述第三获得单元403包括:
转换子单元,用于根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差转换成东北向误差,所述东北向误差包括东向误差和北向误差;
第二获得子单元,用于根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆;
第三获得子单元,用于根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆。
可选的,所述第二获得子单元包括:
转换模块,用于根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差协方差矩阵转换成东北向误差协方差矩阵;
第一获得模块,用于根据所述东北向误差和所述东北向误差协方差矩阵,获得所述东北向误差分布的第一概率密度函数;
第二获得模块,用于根据所述第一概率密度函数和目标夹角,获得标准化东北向误差椭圆,所述目标夹角是基于所述东北向误差协方差矩阵获得的;
第三获得模块,用于根据所述第一概率密度函数和所述标准化东北向误差椭圆,获得所述东北向误差分布的第二概率密度函数;
第四获得模块,用于根据所述标准化东北向误差椭圆、所述第二概率密度函数和所述第一预设位置误差置信度,获得第一东北向误差椭圆。
可选的,所述第三获得子单元包括:
第五获得模块,用于以所述经纬度信息为椭圆中心移动所述第一东北向误差椭圆,获得第一误差椭圆;
第六获得模块,用于将所述第一误差椭圆旋转所述航向角,获得第一目标误差椭圆。
可选的,所述第一预设位置误差置信度为95%。
可选的,所述装置还包括:
第四获得单元,用于根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第二预设位置误差置信度和所述航向角,获得第二目标误差椭圆,所述第二预设位置误差置信度为预设的退出自动驾驶的位置误差不确定度的置信水平阈值,所述第二预设位置误差置信度小于所述第一预设位置误差置信度;
对应地,所述装置还包括:
第二告警单元,用于若所述第二目标误差椭圆不在所述安全行驶范围内,进行退出自动驾驶告警。
可选的,所述第二预设位置误差置信度为67%。
通过本实施例提供的各种实施方式,首先,基于车载传感器的测量信息和误差信息,可以获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置;接着,基于车速信息确定包括前向最小安全距离和侧向最小安全距离的预设最小安全距离,并根据所述预期位置和预设最小安全距离,获得安全行驶范围;然后,根据所述经纬度信息、所述经纬度误差、所述经纬度误差协方差矩阵、预设的偏离规划路径的位置误差不确定度的第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;最后,判断得到所述第一目标误差椭圆不在所述安全行驶范围内时;进行偏离规划路径告警。由此可见,导航系统融合车载传感器信息得到当前经纬度信息和经纬度误差等信息,根据上述信息和预设位置误差置信度得到了以经纬度信息为中心的特定误差椭圆,通过判断特定误差椭圆是否完全处于以预期位置为中心的最小安全行驶范围,从而确定车辆是否偏离规划路径等。该方法可对车辆自动驾驶过程中的各个复杂环境下的实际导航性能进行实时评估、监控及告警,提高了车辆自动驾驶的安全性,降低了交通事故发生的概率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种自动驾驶监控告警的方法,其特征在于,包括:
根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;
根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;
根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;
若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警。
2.根据权利要求1所述的方法,其特征在于,所述根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置根据车载传感器的测量信息和误差信息,具体为:
根据车载传感器的测量信息和误差信息,通过卡尔曼滤波融合方式获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置。
3.根据权利要求1所述的方法,其特征在于,所述根据所述预期位置和预设最小安全距离,获得安全行驶范围,包括:
根据所述车速信息,确定对应的预设最小安全距离;
根据所述预期位置和所述预设最小安全距离,获得安全行驶范围。
4.根据权利要求1所述的方法,其特征在于,所述根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆,包括:
根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差转换成东北向误差,所述东北向误差包括东向误差和北向误差;
根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆;
根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆。
5.根据权利要求4所述的方法,其特征在于,所述根据所述东北向误差、所述经纬度误差协方差矩阵和所述第一预设位置误差置信度,获得第一东北向误差椭圆,包括:
根据地球赤道平面半径、地球参考椭球椭圆率、所述高度信息和所述纬度信息,将所述经纬度误差协方差矩阵转换成东北向误差协方差矩阵;
根据所述东北向误差和所述东北向误差协方差矩阵,获得所述东北向误差分布的第一概率密度函数;
根据所述第一概率密度函数和目标夹角,获得标准化东北向误差椭圆,所述目标夹角是基于所述东北向误差协方差矩阵获得的;
根据所述第一概率密度函数和所述标准化东北向误差椭圆,获得所述东北向误差分布的第二概率密度函数;
根据所述标准化东北向误差椭圆、所述第二概率密度函数和所述第一预设位置误差置信度,获得第一东北向误差椭圆。
6.根据权利要求4所述的方法,其特征在于,所述根据所述经纬度信息、所述航向角和所述第一东北向误差椭圆,获得所述第一目标误差椭圆,包括:
以所述经纬度信息为椭圆中心移动所述第一东北向误差椭圆,获得第一误差椭圆;
将所述第一误差椭圆旋转所述航向角,获得第一目标误差椭圆。
7.根据权利要求1-6任意一项所述的方法,其特征在于,所述第一预设位置误差置信度为95%。
8.根据权利要求1所述的方法,其特征在于,还包括:
根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第二预设位置误差置信度和所述航向角,获得第二目标误差椭圆,所述第二预设位置误差置信度为预设的退出自动驾驶的位置误差不确定度的置信水平阈值,所述第二预设位置误差置信度小于所述第一预设位置误差置信度;
对应地,在所述若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警之后,还包括:
若所述第二目标误差椭圆不在所述安全行驶范围内,进行退出自动驾驶告警。
9.根据权利要求8所述的方法,其特征在于,所述第二预设位置误差置信度为67%。
10.一种自动驾驶监控告警的装置,其特征在于,包括:
第一获得单元,用于根据车载传感器的测量信息和误差信息,获得当前时刻车辆的经纬度信息、高度信息、经纬度误差、经纬度误差协方差矩阵、航向角、车速信息和预期位置,所述经纬度信息包括经度信息和纬度信息,所述经纬度误差包括经度误差和纬度误差,所述预期位置是指按照规划路径当前时刻车辆预期所处位置;
第二获得单元,用于根据所述预期位置和预设最小安全距离,获得安全行驶范围,所述预设最小安全距离是基于所述车速信息确定的,所述预设最小安全距离包括前向最小安全距离和侧向最小安全距离;
第三获得单元,用于根据所述经纬度信息、所述高度信息、所述经纬度误差、所述经纬度误差协方差矩阵、第一预设位置误差置信度和所述航向角,获得第一目标误差椭圆;所述第一预设位置误差置信度为预设的偏离规划路径的位置误差不确定度的置信水平阈值;
第一告警单元,用于若所述第一目标误差椭圆不在所述安全行驶范围内;进行偏离规划路径告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810631819.6A CN110617815B (zh) | 2018-06-19 | 2018-06-19 | 一种自动驾驶监控告警的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810631819.6A CN110617815B (zh) | 2018-06-19 | 2018-06-19 | 一种自动驾驶监控告警的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110617815A true CN110617815A (zh) | 2019-12-27 |
CN110617815B CN110617815B (zh) | 2023-10-10 |
Family
ID=68920340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810631819.6A Active CN110617815B (zh) | 2018-06-19 | 2018-06-19 | 一种自动驾驶监控告警的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110617815B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161527A (zh) * | 2020-01-03 | 2020-05-15 | 财团法人车辆研究测试中心 | 自驾车远端监控系统及其方法 |
CN112258577A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种车端单目视觉建图测量置信度评估方法及系统 |
CN114563015A (zh) * | 2021-12-22 | 2022-05-31 | 四川大学 | 基于rf航段的实际导航性能实时计算方法 |
CN115900638A (zh) * | 2023-01-19 | 2023-04-04 | 禾多科技(北京)有限公司 | 障碍物航向角信息生成方法、装置、电子设备和可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101696886A (zh) * | 2009-10-29 | 2010-04-21 | 哈尔滨工业大学 | 一种在gps盲区内的电子地图辅助惯性导航方法 |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
CN105427669A (zh) * | 2015-12-04 | 2016-03-23 | 重庆邮电大学 | 一种基于dsrc车车通信技术的防撞预警方法 |
CN107110651A (zh) * | 2014-09-08 | 2017-08-29 | 应美盛股份有限公司 | 用于使用地图信息辅助的增强型便携式导航的方法和装置 |
-
2018
- 2018-06-19 CN CN201810631819.6A patent/CN110617815B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101696886A (zh) * | 2009-10-29 | 2010-04-21 | 哈尔滨工业大学 | 一种在gps盲区内的电子地图辅助惯性导航方法 |
CN107110651A (zh) * | 2014-09-08 | 2017-08-29 | 应美盛股份有限公司 | 用于使用地图信息辅助的增强型便携式导航的方法和装置 |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
CN105427669A (zh) * | 2015-12-04 | 2016-03-23 | 重庆邮电大学 | 一种基于dsrc车车通信技术的防撞预警方法 |
Non-Patent Citations (2)
Title |
---|
孙淑光: "多传感器组合导航系统性能评估", 《计算机工程》 * |
祁若龙等: "基于概率论的机器人高斯运动避障轨迹规划方法", 《机械工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161527A (zh) * | 2020-01-03 | 2020-05-15 | 财团法人车辆研究测试中心 | 自驾车远端监控系统及其方法 |
CN112258577A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种车端单目视觉建图测量置信度评估方法及系统 |
CN114563015A (zh) * | 2021-12-22 | 2022-05-31 | 四川大学 | 基于rf航段的实际导航性能实时计算方法 |
CN114563015B (zh) * | 2021-12-22 | 2023-10-10 | 四川大学 | 基于rf航段的实际导航性能实时计算方法 |
CN115900638A (zh) * | 2023-01-19 | 2023-04-04 | 禾多科技(北京)有限公司 | 障碍物航向角信息生成方法、装置、电子设备和可读介质 |
CN115900638B (zh) * | 2023-01-19 | 2023-05-23 | 禾多科技(北京)有限公司 | 障碍物航向角信息生成方法、装置、电子设备和可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110617815B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105937912B (zh) | 车辆的地图数据处理装置 | |
US11639853B2 (en) | Self-localization estimation device | |
US7920969B2 (en) | System for and method of determining a host vehicle lane change | |
US8775063B2 (en) | System and method of lane path estimation using sensor fusion | |
CN110617815B (zh) | 一种自动驾驶监控告警的方法和装置 | |
US20180087907A1 (en) | Autonomous vehicle: vehicle localization | |
CN109477728B (zh) | 用于确定车辆相对于路面行车道的横向位置的方法和装置 | |
JP2024050990A (ja) | 判定装置 | |
JP2019532292A (ja) | 車両位置特定の自律走行車両 | |
US11465646B2 (en) | Vehicle traveling control apparatus | |
US11608059B2 (en) | Method and apparatus for method for real time lateral control and steering actuation assessment | |
US20220032955A1 (en) | Vehicle control device and vehicle control method | |
US10095238B2 (en) | Autonomous vehicle object detection | |
CN114174137A (zh) | Adas或ad特征的源横向偏移 | |
US20220314984A1 (en) | Vehicle Control Device, Vehicle Control Method, Vehicle Motion Control System, and Lane Estimation Device | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
US11531349B2 (en) | Corner case detection and collection for a path planning system | |
US11834047B2 (en) | Traveling lane planning device, storage medium storing computer program for traveling lane planning, and traveling lane planning method | |
Tsogas et al. | Using digital maps to enhance lane keeping support systems | |
US11468767B2 (en) | Map information system | |
CN110869869A (zh) | 用于运行较高程度自动化的车辆(haf)、尤其是高度自动化的车辆的方法 | |
KR101764839B1 (ko) | 차선 인식 시스템 및 방법 | |
US20200386571A1 (en) | Vehicle control system and vehicle control program | |
CN113227831A (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
CN107092253B (zh) | 用于控制无人车的方法、装置及服务器 |
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 |