CN111240328A - 一种车辆行驶安全监控方法、装置和无人驾驶车辆 - Google Patents
一种车辆行驶安全监控方法、装置和无人驾驶车辆 Download PDFInfo
- Publication number
- CN111240328A CN111240328A CN202010047035.6A CN202010047035A CN111240328A CN 111240328 A CN111240328 A CN 111240328A CN 202010047035 A CN202010047035 A CN 202010047035A CN 111240328 A CN111240328 A CN 111240328A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- unmanned vehicle
- state
- level
- 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
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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Abstract
本申请实施例公开了一种车辆行驶安全监控方法、装置和无人驾驶车辆,其中,本申请实施例可以在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;基于所述内部状态信息,判定无人驾驶车辆的内部状态异常等级;获取无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据环境信息,判定无人驾驶车辆当前的外部状态异常等级;根据内部状态异常等级和外部状态异常等级,对无人驾驶车辆进行控制。从而可以提高无人驾驶车辆行驶的安全性。
Description
技术领域
本申请涉及无人驾驶的技术领域,具体涉及一种车辆行驶安全监控方法、装置和无人驾驶车辆。
背景技术
近年来,随着人工智能的发展,无人驾驶技术取得了较大的进步,无人驾驶车辆是智能车辆的一种,在国防和国民经济领域具有广阔的应用前景,无人驾驶车辆可以感知道路环境,并且根据道路环境自动规划路线并控制车辆到达预定目标。
无人驾驶车辆在道路上行驶时,需要实时监控车辆的运行状态,一旦出现运行状态异常,立即对车辆进行控制(主要是制动),但是,目前对于无人驾驶车辆的监控通常仅仅局限于被动监控车辆各节点发布消息的频率,对于车辆行驶状态的监控并不准确,不能确保车辆的行驶安全。
发明内容
有鉴于此,本申请实施例提供了一种车辆行驶安全监控的方法、装置、车载处理设备和无人驾驶车辆,可以提高无人驾驶车辆行驶的安全性。
第一方面,本申请实施例提供了一种车辆行驶安全监控的方法,包括:
在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;
获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
在一实施例中,所述内部状态信息包括车辆状态参数信息、节点运行状态
信息;获取当前所述无人驾驶车辆本身的内部状态信息,包括:
获取所述无人驾驶车辆当前的车辆状态参数信息;
获取所述无人驾驶车辆中控制软件中的关键节点的节点运行状态信息,所述关键节点为所述无人驾驶车辆中控制软件中实现对车辆的控制所需的必要子程序;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级;
获取所述无人驾驶车辆的预设第一局部路径信息;
根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级;
基于所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,所述内部状态信息还包括设备运行状态信息;
所述基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,还包括:
根据所述设备运行状态信息,判定所述无人驾驶车辆的设备状态异常等级;
基于所述节点运行异常等级、所述车辆状态异常等级与所述设备状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,所述外部信息包括碰撞环境信息、自然环境信息和交通信息;所述获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息,包括:
获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息;
获取所述无人驾驶车辆在所述外部驾驶环境中的自然环境信息和交通信息。
在一实施例中,所述外部状态异常等级包括:碰撞风险等级和环境异常等级;
根据所述外部信息,获取所述无人驾驶车辆当前的环境异常等级和碰撞风险等级,包括:
根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外部驾驶环境中发生碰撞的碰撞风险等级;
根据所述交通信息和所述自然环境信息,判定所述环境异常等级。
在一实施例中,所述碰撞环境信息包括第二局部路径信息,以及障碍物信息;
所述获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息,包括:
获取所述外部驾驶环境中其他车辆发布的预设第二局部路径信息;
获取所述外部驾驶环境中可能阻碍所述无人驾驶车辆行驶的障碍物的障碍物信息。
在一实施例中,根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外
部驾驶环境中发生碰撞的碰撞风险等级,包括:
根据所述无人驾驶车辆的预设第一局部路径信息,与所述第二局部路径信息,获取所述无人驾驶车辆与其他车辆发生碰撞的第一碰撞风险等级;
基于所述障碍物信息,获取所述无人驾驶车辆在所述外部驾驶环境中与障碍物发生碰撞的第二碰撞风险等级;
根据所述第一碰撞风险等级与所述第二碰撞风险等级,获取所述碰撞风险等级。
在一实施例中,所述节点运行状态信息包括进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率;
基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级,包括:
根据所述进程列表,判断所述关键节点对应的进程是否异常结束,得到进程判断结果;
对所述关键信息进行有效性判断,得到有效性判断结果;
根据所述发布频率和预设发布频率,对所述发布频率进行异常判断,得到频率异常判断结果;
基于所述进程判断结果、所述频率异常判断结果和所述有效性判断结果,判定所述关键节点的节点运行异常等级。
在一实施例中,根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级,包括:
根据所述第一局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,各个位置的预设车辆状态参数信息;
基于所述当前车辆状态参数信息与各个位置所述预设车辆状态参数信息,获取当前位置与所述局部路径中各位置之间的运行误差;
基于所述运行误差,确定所述局部路径中与当前位置对应的预设位置;
根据所述预设位置对应的运行误差,确定所述无人驾驶车辆在偏离所述局部路径的偏离参数;
根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
在一实施例中,所述无人驾驶车辆包括多组感知设备;
获取所述无人驾驶车辆在所述外部驾驶环境中的障碍物信息,包括:
基于所述多组感知设备,获取多组障碍物探测结果;
对所述多组障碍物探测结果进行滤波处理,得到所述外部驾驶环境中的障碍物信息。
在一实施例中,所述外部状态等级包括环境异常等级和碰撞风险等级,所述根据所述内部状态异常等级、所述环境异常等级和所述碰撞风险等级,对所述无人驾驶车辆进行控制,包括:
获取不同的内部状态异常等级、环境异常等级和碰撞风险等级与控制方式的预设对应关系,所述控制方式包括警告安全员、常规制动、紧急制动、靠边停车和远程接管;
根据所述对应关系,选取一种或者多种控制方式,对所述无人驾驶车辆进行控制。
在一实施例中,根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级,包括:
根据所述偏离参数与预设第一阈值,判断所述无人驾驶车辆的车辆状态参数是否异常;
若是,则根据所述偏离参数与预设第二阈值确定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
第二方面,本申请的实施例提供了一种车辆行驶安全监控装置,包括:
内部状态信息获取单元,用于在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
内部异常判定单元,用于基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级;
外部信息获取单元,用于获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
外部异常判定单元,用于根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
控制单元,用于根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
在一实施例中,所述车辆行驶安全监控装置还包括执行设备监控单元,用于:
获取所述车辆行驶的执行设备的设备运行状态信息;
基于所述设备运行状态信息,判定所述执行设备的设备异常类型;
基于所述设备异常类型,对所述无人驾驶车辆进行控制。
第三方面,本实施例还提供了一种车载处理设备,包括:处理器和存储器;所述存储器质存储有多条指令,所述处理器加载所述存储器存储的指令以执行如本申请任一实施例提供的车辆行驶安全监控方法中的步骤。
第四方面,本申请的实施例提供的存储介质,其上存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行如本申请任一实施例提供的车辆行驶安全监控方法。
第五方面,本申请还提供了一种无人驾驶车辆,包括车辆主体,所述车辆主体上设置有执行设备、感知设备和车载处理设备,所述车载处理设备与所述执行设备和所述感知设备通过总线相连,以使所述车载处理设备执行如本申请任一实施例提供的车辆行驶安全监控方法中的步骤。
本申请实施例可以在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,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他的附图。
图1是本发明实施例提供的车辆行驶安全监控方法的场景示意图;
图2a是本发明实施例提供的车辆行驶安全监控方法的第一种流程示意图;
图2b是本发明实施例提供的车辆行驶安全监控方法的第二种流程示意图;
图3a是本发明实施例提供的车辆行驶安全监控装置的第一种结构示意图;
图3b是本发明实施例提供的车辆行驶安全监控装置的第二种结构示意图;
图3c是本发明实施例提供的车辆行驶安全监控装置的第三种结构示意图
图4是本发明实施例提供的车载处理设备设备的结构示意图;
图5a是本发明实施例提供的车辆行驶安全监控装置的功能结构示意图;
图5b是本发明实施例提供的车辆行驶安全监控方法的控制方法选择的示意图。
图5c是本发明实施例提供的无人驾驶车辆的结构示意图。
具体实施方式
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,本领域技术人员在没有作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。
本发明实施例提供一种车辆行驶安全监控方法、装置和无人驾驶车辆。
其中,本发明的车辆行驶安全监控方法适用于无人驾驶车辆,其中,无人驾驶车辆是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能车辆。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。无人驾驶技术集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。
其中,安全监控是指对所述无人驾驶车辆的行驶状态进行检测,当行驶状态出现异常时,对所述无人驾驶车辆进行控制,以防止发生安全事故。
本发明的实施例提供了一种车辆行驶安全监控系统,包括本发明实施例任一提供的车辆行驶安全监控装置,其中,该车辆行驶安全监控装置具体可以集成在计算机设备,比如车载处理设备中。
此外,该车辆行驶安全监控系统还可以包括其他设备,比如传感器、摄像头等感知设备,刹车结构、动力电池等执行设备,还有服务器、其它车载处理设备等网络设备,其中,车载处理设备可以为:车载电脑、车载微型处理盒子等设备。其中,车载处理设备与其它设备可以通过总线或者网络连接。
例如,以该车辆行驶安全监控装置具体集成在车载电脑中为例,参见图1,该车载电脑可以在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
上述图1的例子只是实现本发明实施例的一个系统架构实例,本发明实施例不限于上述图1所示的系统结构,基于该系统架构,提出本发明各个实施例。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
本实施例将从车辆行驶安全监控装置的角度进行描述,该车辆行驶安全监控装置具体可以集成在无人驾驶车辆中的车载处理设备设备,比如车载电脑中。
如图2a所示,提供了一种车辆行驶安全监控方法,该方法可以由车载处理设备的处理器执行,下面将以车辆行驶安全监控装置集成在车载处理设备中为例,说明该车辆行驶安全监控方法,该车辆行驶安全监控方法的具体流程如下:
101、在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息。
其中,内部状态信息是指用来表示所述无人驾驶车辆本身的状态的信息,其中,无人驾驶车辆本身包括车辆主体、车辆中的控制软件、车辆装载的执行设备等。
在一实施例中,所述内部状态信息包括车辆状态参数信息、节点运行状态信息;获取当前所述无人驾驶车辆本身的内部状态信息,具体可以包括如下步骤:
获取所述无人驾驶车辆当前的车辆状态参数信息;
获取所述无人驾驶车辆中控制软件中的关键节点的节点运行状态信息,所述关键节点为所述无人驾驶车辆中控制软件中实现对车辆的控制所需的必要子程序;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级。
其中,车辆状态参数信息是表示车辆在行驶过程中的车辆主体状态的参数信息,可以包括车辆位置、车辆速度、车辆加速度、车辆转向角度等信息。
在本实施例中,可以通过多种不同的感知设备(包括传感器和摄像头)获取多种不同的车辆状态参数信息。从而可以通过实时监测多种参数来监控车辆的行驶状态,确保车辆的安全。
比如,为了确保无人驾驶车辆能够准确地到达预定目的地,无人驾驶车辆上装载有定位接收机,可以通过定位接收机实时获取车辆的位置信息。其中,定位接收机可以通过网络与空间中的导航卫星连接,定位接收机可以接收导航卫星发出的信号,并对信号进行计算,得到所述无人驾驶车辆的当前时刻的位置信息。
比如,为了确保无人驾驶车辆行驶的安全性,还可以通过车轮速计实时获取车辆的速度信息。
比如,为了尽量提高无人驾驶车辆的行驶过程中的舒适性,还可以实时监测车辆的加速度,具体地,可以根据当前时刻和上一时刻的实际速度,计算车辆在当前时刻的加速度。
比如,为了尽量减少车辆转向时的碰撞风险,可以通过方向盘上的转向角度测量仪器获取方向盘的实际转向角度。
其中,关键节点是指用于控制车辆行驶的车载电脑中的控制软件中必要的软件节点,可以理解为控制软件的子程序,所述软件节点包括高精度地图、感知节点、定位节点、规划节点、控制节点、硬件驱动节点、人机交互节点等。
在一实施例中,所述关键节点的节点运行状态信息包括进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率,可以通过以下步骤获取关键节点的节点运行状态信息:
获取所述控制软件的进程列表;
当所述进程列表中包含所述关键节点时,获取所述关键节点发布的关键信息;
对所述关键信息进行统计,得到所述关键节点发布所述关键信息的发布频率。
其中,进程列表是用于展示正在运行的子程序的存储表,当开启一种子程序(即软件节点)时,该子程序就会出现在任务管理器中,并在所述进程列表中写入该子程序的子程序标识,其中,子程序标识可以表现为子程度的编号、名称等。
在本实施例中,还需要根据所述进程列表判断所述关键节点是否已经异常结束。具体地,当所述进程列表中包含所述关键节点时,认为关键节点进程仍然存在,如果关键节点进程仍然存在,则继续获取关键节点发布关键信息的频率。
比如,硬件驱动节点是一种使车载电脑中的软件与车辆中的硬件设备进行通讯的特殊程序,可以完成硬件设备电子信息与软件的高级编程语言之间的相互翻译。若在进程列表中可以查到PCAN相关的进程,说明硬件驱动节点进程仍然存在,其中,PCAN也叫做CAN卡,是一个CAN转USB接口,可以将CAN网络中的报文,通过USB接口传输到车载电脑上,通过车载电脑中相关的软件来查看CAN报文。其中,CAN网络是指通过CAN总线连接的各种硬件设备和车载电脑组成的系统。
本实施例通过实时获取关键节点的运行状态信息,监测关键节点的运行状态,尽量避免因为关键节点运行异常导致的安全事故。
在一实施例中,所述内部状态信息还包括设备运行状态信息。
其中,所述车辆行驶的执行设备为所述无人驾驶车辆中,执行行驶功能的设备,包括发动机、变速箱、动力电池、轮胎、刹车等设备。
在一实施例中,可以通过获取发动机故障码、变速箱故障码、刹车系统警告、胎压异常警报等信息,作为所述设备运行状态信息。
具体地,可以通过轮胎内设置的胎压传感器、动力电池上设置的电流表等感知设备,获取所述发动机故障码、变速箱故障码、刹车系统警告、胎压异常警报等信息。
102、基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级。
其中,内部状态是指当所述无人驾驶车辆本身的运行状态。
其中,异常等级是指按照预定的标准,对同一类型的不同异常程度进行划分得到的等级,不同的异常等级表示不同的异常程度。根据异常等级,可以对车辆采取不同的控制方式进行控制,从而可以准确、有效地确保车辆的安全。
在一实施例中,判定所述无人驾驶车辆的内部状态异常等级,包括两个步骤,首先,确定所述是否存在异常,若存在异常,则继续判断异常等级,并根据异常等级,选择合适的方式,进行控制,若不存在异常,则无需对所述无人驾驶车辆进行控制。其中,所述异常等级可以包括“低”、“中”、“高”三个等级。
在另一实施例中,所述异常等级可以包括“无”、“低”、“中”、“高”四个等级,其中,“无”表示车辆行驶状态正常,无需对所述无人驾驶车辆进行控制,“低”、“中”、“高”表示车辆行驶状态异常,需要选择合理的控制方式,对所述无人驾驶车辆进行控制。
为了统一描述,在以下的描述中,除非有明确说明,否则均以所述异常等级可以包括“无”、“低”、“中”、“高”四个等级为例进行说明,但是本发明的实施例均可以适用于上述实施例中,所述异常等级包括“低”、“中”、“高”三个等级的情况。
在一实施例中,基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级,具体可以包括如下步骤:
基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级;
获取所述无人驾驶车辆的预设第一局部路径信息;
根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级;
基于所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
其中,第一局部路径信息为所述无人驾驶车辆中的规划节点根据感知节点所获得的道路、车辆位置和障碍物信息,以及预设目的地等信息,对行驶路径进行设计、规划得到的对预定时间段(或者预定距离)内的行驶信息,包括每个时刻对应的预设位置、由预设位置组成的局部路径,以及局部路径中各个位置对应的速度、加速度、转向角度等信息。
在一实施例中,根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级,具体可以包括如下步骤:
根据所述第一局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,各个位置的预设车辆状态参数信息;
基于所述当前车辆状态参数信息与各个位置所述预设车辆状态参数信息,获取当前位置与所述局部路径中各位置之间的运行误差;
基于所述运行误差,确定所述局部路径中与当前位置对应的预设位置;
根据所述预设位置对应的运行误差,确定所述无人驾驶车辆在偏离所述局部路径的偏离参数;
根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
其中,运行误差为当前位置车辆状态参数,与预设局部路径信息中各位置的预设车辆状态参数之间的差值。
其中,偏离参数为当前位置的车辆状态参数,与预设位置的预设车辆状态参数之间的差值。
在一实施例中,所述异常等级包括“低”、“中”、“高”三个等级,根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级,可以包括以下步骤:
根据所述偏离参数与预设第一阈值,判断所述无人驾驶车辆的车辆状态参数是否异常;
若是,则根据所述偏离参数与预设第二阈值确定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
比如,第一阈值将偏离参数可能取到的数值范围划分为异常区间和正常区间,第二阈值包括两个数值,这两个数值将异常数值区间划分为“低”、“中”、“高”三个等级,当所述偏离参数小于或者等于第一阈值时,确定所述车辆状态参数正常,当所述偏离参数大于第一阈值时,比较所述偏离参数与第二阈值的两个数值,从而确定车辆状态异常等级为“低”、“中”或“高”。
在另一实施例中,所述异常等级包括“无”、“低”、“中”、“高”三个等级,根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级,预设阈值包括三个数值,比较所述偏离参数与所述预设阈值的三个参数,从而确定车辆状态异常等级为“无”、“低”、“中”或“高”。
其中,关键节点包括高精度地图、感知节点、定位节点、规划节点、控制节点、硬件驱动节点、人机交互节点等,与关键节点相对应的,所述节点异常等级可以包括感知节点异常等级、规划节点异常等级、定位节点异常等级等多个异常等级。将所有的关键节点对应的异常等级,进行融合,得到所述节点运行异常等级。
在一实施例中,可以参照上面基于“所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级”的标准,将所有的关键节点对应的异常等级,进行融合,得到所述节点运行异常等级。
在一实施例中,所述节点运行状态信息包括进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率;基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级,具体可以包括如下步骤:
根据所述进程列表,判断所述关键节点对应的进程是否异常结束,得到进程判断结果;
对所述关键信息进行有效性判断,得到有效性判断结果;
根据所述发布频率和预设发布频率,对所述发布频率进行异常判断,得到频率异常判断结果;
基于所述进程判断结果、所述频率异常判断结果和所述有效性判断结果,判定所述关键节点的节点运行异常等级。
其中,对所述关键信息进行有效性判断的方式有多种,比如,关键节点包括规划节点,关键信息包括局部路径信息。规划节点可以发布局部路径信息,当获取局部路径信息后,可以查看局部路径信息是否为空,查看局部路径的长度等方式,来对局部路径信息进行有效性判断。再比如,关键节点包括控制节点,关键信息包括控制节点发布的指令,可以通过判断指令的合法性,来对指令进行有效性判断。
在一实施例中,当进程异常判断结果和频率异常判断结果均为“正常”,且所述有效性判断结果为“有效”时,确定所述关键节点的节点运行异常等级为“无”,否则,还需要根据所述进程判断结果、所述频率异常判断结果和所述有效性判断结果包含的信息确定所述节点运行异常等级,具体地,可以根据出现异常的关键节点的类型,发布频率偏离预设发布频率的程度,以及无效类型确定确定所述节点运行异常等级。
在另一实施例中,进程判断结果、所述频率异常判断结果和所述有效性判断结果对于节点运行异常等级的判定具有不同的权重,进程判断结果的权重最大,有效性判断结果的权重次之,频率异常判断结果的权重最小。其中,权重是指贡献程度或者重要程度。
比如,当在所述进程列表中不存在所述关键节点中时,认为所述关键节点运行状态异常,所述进程判断结果记为“异常”,当所述进程列表中存在所述关键节点时,所述异常结果记为“正常”。比如,将若在进程列表中无法查到PCAN相关的进程,说明硬件驱动节点异常退出,此时认为硬件驱动节点运行状态异常。
比如,若所述发布频率与所述预设发布频率一致,则将频率异常结果记为“正常”,若所述发布频率偏离所述预设发布频率,认为所述关键节点的节点运行状态异常,并根据所述发布频率偏离所述预设发布频率的程度,将频率异常判断结果记为“异常程度高”、“异常程度中”或者“异常程度低”。
比如,若有关键信息有有效,则有效性判断结果可以记为“有效”,若关键信息无效,则所述有效性判断结果还要体现无效类型,比如,有效性判断结果可以记为“路径长度无效”或者“信息内容为空”等。
其中,第一局部路径信息是所述无人驾驶车辆中的规划节点根据感知节点所获得的道路、车辆位置和障碍物信息,以及顶设目的地等信息,对行驶路径进行设计、规划得到的对预定时间段(或者预定距离)内的信息,包括由预设位置组成的局部路径,以及局部路径中各个位置对应的速度、加速度、转向角度等信息。
在一实施例中,无人驾驶车辆还包括无线通信模块,所述无人驾驶车辆可以基于所述无线通信模块与其他车辆进行通信,比如,可以接收其他车辆发布的第二局部路径信息,并向其他车辆发布第一预设局部路径信息。其中,无线通信模块可以基于5g通信协议进行通信,当然,也可以基于其它通信协议进行通信。
其中,其他车辆可以是无人驾驶车辆,也可以是普通社会车辆,特殊车辆(如救护车)等。
在一实施例中,所述异常等级包括“无”、“低”、“中”、“高”四个等级,可以按照如下标准,判定所述无人驾驶车辆的内部状态异常等级:
判断所述节点运行异常等级和所述车辆状态异常等级是否均为“无”;
若是,则确定所述内部状态异常等级为“无”;
若否,则判断所述节点运行异常等级和所述车辆状态异常等级的高低;
若所述节点运行异常等级较高,则确定所述内部状态等级与所述节点运行异常等级一致;
若所述车辆状态异常等级较高,则确定所述内部状态等级与所述车辆状态异常等级一致。
其中,与所述车辆状态参数信息一致地,所述车辆状态异常等级可以包括车辆位置异常等级、车辆速度异常等级、车辆加速度异常等级、车辆转向异常等级。比如,当车辆位置异常等级为“无”,车辆速度异常等级为“高”,车辆加速度异常等级为“低”,车辆转向异常等级为“中”,节点运行异常等级为“低”时,确定内部状态等级为“高”。
在另一实施例中,所述异常等级包括“低”、“中”、“高”三个等级,可以按照如下标准,判定所述无人驾驶车辆的内部状态异常等级:
判断所述节点运行状态和所述车辆状态参数是否均正常;
若是,则确定所述内部状态正常;
若否,则判断所述节点运行异常等级和所述车辆状态异常等级的高低;
若所述节点运行异常等级较高,则确定所述内部状态等级与所述节点运行异常等级一致;
若所述车辆状态异常等级较高,则确定所述内部状态等级与所述车辆状态异常等级一致。
在一实施例中,根据所述设备运行状态信息,判定所述无人驾驶车辆的设备状态异常等级,可以包括如下步骤:
根据所述设备运行状态信息,判断所述设备运行状态是否异常;
若是,则获取所述设备状态异常的执行设备的设备类型;
基于所述设备类型与设备运行异常等级之间的预设对应关系,确定所述设备运行异常等级。
比如,当得到发动机故障码、变速箱故障码、刹车系统警告或者胎压异常警报时,确定所述设备运行异常等级。
比如,当发动机异常时,确定所述设备运行状态异常等级为“高”,所述变速箱异常时,确定所述设备运行状态异常等级为“中”。
在另一实施例中,还可以根据所述发动机故障码、变速箱故障码、刹车系统警告或者胎压异常警报中的具体内容,确定所述设备运行异常等级。
103、获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息。
其中,外部驾驶环境是所述无人驾驶车辆当前所处位置周围某范围内的外部环境。
在一实施例中,所述外部驾驶环境的形状和范围是开发人员根据监控需求和设备的感知、通信能力预先设定的,对于不同的传感器和摄像头,所能感知到的外部驾驶环境的形状和范围不同,所述外部驾驶环境的形状和范围并不是唯一的、确定的一个数值,而是与不同感知设备、通信设备对应的多个数值。
在本发明实施例中,除了利用车载传感器、摄像头等感知设备获取环境信息外,还可以通过V2X技术,扩大车辆的感知范围,辅助车辆全面地、准确地了解外部驾驶环境。车载处理设备中包括V2X无线通信模块,可以用于与其他车辆、基础设施等进行通信。其中,环境信息包括其他车辆发布的信息、外部驾驶环境中行人、障碍物、交通信号等信息。
其中,V2X意为vehicle to everything,即车对外界的信息交换。V2X车联网,是基于无线通信技术(包括DSRC技术或者LTE-V技术),实现信息的交互。通过整合定位导航技术、车对车交流技术、无线通信及远程感应技术,实现V2V(Vehicle To Vehicle车与车连接),V2I(Vehicle To Infrastructure车与基础设施连接),V2P(Vehicle To Pedestrian车与行人连接),V2N(Vehicle To Network车与网络连接)等实时高效的双向通信,可以有效解决传统车载传感器、摄像头获取环境信息时等存在的距离、角度等缺陷,从而扩大所述无人驾驶车辆的感知范围,从而避免发生碰撞等安全事故。
其中,LTE-V技术是基于蜂窝网络的V2X通信技术,这种通信技术包括两种通信方式:集中式(LTE-V)和分布式(LTE-V-D)。其中,集中式也称为蜂窝式,需要基站作为控制中心;分布式也称为直通式,无需基站作为支撑。第五代移动通信技术(英语:5th generationmobile networks或5th generation wireless systems、5th-Generation,简称5G或5G技术),是目前最新一代蜂窝移动通信技术,具有更快的传输速率和更低的网络延迟。本发明实施例中的V2X通信模块可以采用基于第五代移动通信技术的LTE-V技术进行通信,从而可以提高通信速度、更好地进行安全监控。
以下分别详细解释V2V(Vehicle To Vehicle车车通信),V2I(Vehicle ToInfrastructure车与基础设施通信),V2P(Vehicle To Pedestrian车与行人通信),V2N(Vehicle To Network车与网络通信):
V2V车车通信技术是一种不受限于固定式基站的通信技术,为移动中的车辆提供直接的端到端的无线通信。即通过V2V通信技术,车辆彼此可以直接交换信息,无需通过基站转发。利用它可以获取街上行驶的其他车辆发布的第二局部路径信息,并且向其他车辆发布第一局部路径信息。其中,局部路径信息包括车辆在局部路径中每一时刻的位置、速度、加速度、转向等信息。当然,也可以通过V2V获取其他车辆通过车载传感器和摄像头感知到的其他环境信息。
V2I通信中的基础设施在此包含了交通信号灯、公交站、电线杆、大楼、立交桥、隧道、路障等交通设施设备。V2I通信功能采用车载处理设备的特定频段(比如,760MHz频段),可以在不影响车载传感器正常工作的情况下,获取交通信息。
V2P是为了实现车辆感知行人,可以通过行人使用的终端,如手机、平板、可穿戴设备等,来可以实现人与车辆的通信。
V2N中的网络就是指车联网。车辆联网可以使车辆获得更加丰富的信息。除去各种传感器、摄像头等感知设备,车联网也可以认为是一种感知技术的扩展。此外,V2N还能像手机连入互联网一样,提供导航、娱乐、防盗等功能。
在一实施例中,所述外部信息包括碰撞环境信息、自然环境信息和交通信息;所述获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息,包括:
获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息;
获取所述无人驾驶车辆在所述外部驾驶环境中的自然环境信息和交通信息。
其中,碰撞环境信息是指在所述外部驾驶环境中与所述无人驾驶车辆发生碰撞的可能性相关的信息。
其中,交通信息是指所述无人驾驶车辆周围的道路交通系统中用于干预、引导、指挥车辆交通行为的所有信息,包括道路信息(具体可以包括道路平整度、道路拥挤度等)、交通信号、交通标志等信息。
在一实施例中,除了通过本车装载的传感器、摄像头感知设备,还可以通过V2X技术获取交通信息,可以将本车感知到的交通信息与其他车辆发布的交通信息,进行融合,得到进行安全监控所需的交通信息。比如,可以应用V2I技术从交通设施设备中获取交通信息,再比如,还可以通过V2V车车通信技术获取其他车辆感知到的交通信息。
应用所述V2X技术可以提高安全监控的效果。比如,在阴雨天,或者某个摄像头被遮挡,或者在一些特定角度,或者感知设备损坏等情况,无法感知到交通信号,可以通过V2X技术,全面、及时地获取交通信息。
其中,自然环境信息包括无人驾驶车辆周围的自然环境内所有可以影响车辆行驶的信息,包括天气、海拔,当路经河流时,还可以获取河流深度、流速等信息。
在一实施例中,在一实施例中,除了通过本车装载的传感器、摄像头感知设备,还可以通过V2X技术获取自然环境信息,可以将本车感知到的自然环境信息与其他车辆发布的自然环境信息,进行融合,得到进行安全监控所需的自然环境信息。比如,可以应用V2N技术从网络中获取天气播报等自然环境信息,还可以通过V2V车车通信技术获取其他车辆感知到的自然环境信息。
应用所述V2X技术可以提高安全监控的效果。比如,在阴雨天,或者某个摄像头被遮挡,或者在一些特定角度,或者感知设备损坏等情况,无法感知自然环境信息,可以通过V2X技术,全面、及时地获取自然环境信息。而且,还可以获取网络中的天气预报等信息,从而及时规避极端天气。
在一实施例中,所述碰撞环境信息包括第二局部路径信息,以及障碍物信息;所述获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息,包括:
获取所述外部驾驶环境中其他车辆发布的预设第二局部路径信息;
获取所述外部驾驶环境中可能阻碍所述无人驾驶车辆行驶的障碍物的障碍物信息。
其中,其他车辆可以是无人驾驶车辆,也可以是普通社会车辆、特殊车辆(如救护车)等可以与所述无人驾驶车辆进行通信的车辆。
在一实施例中,所述无人驾驶车辆与其他车辆之间的通信,是基于V2V车车通信技术进行的。应用V2V车车通信技术可以提高安全监控的效果。比如,所述无人驾驶车辆可以通过传感器、摄像头等感知设备,得到外部驾驶环境中的其他车辆的位置,但是其他车辆的运动状态难以预知,而通过获取其他车辆发布的第二局部路径信息,可以预知其他车辆的未来的运动状态,从而避免发生碰撞,其中,V2V车车通信技术的说明参见上面的实施例,不再赘述。
其中,第二局部路径信息为其他车辆中的规划节点根据感知节点所获得的道路、车辆位置和障碍物信息,以及预设目的地等信息,对行驶路径进行设计、规划得到的对预定时间段(或者预定距离)内的信息,包括由预设位置组成的局部路径,以及局部路径中各个位置对应的速度、加速度、转向角度等信息。可以基于无人驾驶车辆中的无线通信模块获取第二局部路径信息。
其中,障碍物信息为外部驾驶环境中有可能与所述无人驾驶车辆发生碰撞的物体的信息,包括物体的位置、大小、运动状态等信息。
其中,有可能与所述无人驾驶车辆发生碰撞的物体称为障碍物,所述障碍物包括自车道和旁车道内的其它机动车、非机动车、行人、其它障碍物等各种静止或者运动的物体。
在一实施例中,获取所述障碍物信息,除了通过本车装载的传感器、摄像头感知设备,还可以通过V2X技术获取障碍物信息,比如,可以通过V2P技术感知行人,通过V2V车车通信技术获取其他车辆发布的障碍物信息。可以将本车感知到的障碍物信息与其他车辆发布的障碍物信息,进行融合,得到进行安全监控所需的障碍物信息。
在一实施例中,进行障碍物信息融合主要包括以下几种情景,第一,对于同一范围内的障碍物,不同的感知设备或者其他车辆可以得到不同的障碍物信息,对于本车感知到的多组障碍物探测结果进行滤波处理,得到本车的障碍物信息。第二,对于其他车辆的多组障碍物信息,可以将其转化到同一坐标内进行信息融合,从而基于不同的角度,全面地得到障碍物的形状、位置等信息。第三,在同一范围内,可以以本车感知的障碍物信息为主,以融合得到的其他车辆的障碍物信息为辅,对本车感知的障碍物信息进行调整,得到最终用于安全监控的障碍物信息。第四,当所述无人驾驶车辆本车感知范围被遮挡,或者本车的感知范围较小,可以通过V2V车车通信技术补充和扩大感知范围,从而获取本车未感知到的障碍物信息。
在一实施例中,所述无人驾驶车辆包括多组传感器,获取所述无人驾驶车辆本车感知的障碍物信息,可以包括如下步骤:
基于所述多组感知设备,获取多组障碍物探测结果;
对所述多组障碍物探测结果进行滤波处理,得到所述外部驾驶环境中的障碍物信息。
其中,多组传感器可以表现为多种不同的传感器,比如,所述无人驾驶车辆可以装载有激光雷达、超声波雷达、毫米雷达,不同的雷达,可以通过不同的方式对所述无人驾驶车辆周围一定范围内的障碍物进行探测,得到多组障碍物探测结果,对于同一个障碍物对应的多组障碍物探测结果,进行滤波处理,以去除噪声干扰,还原真实数据结果,得到所述外部驾驶环境中的障碍物信息。
104、根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级。
其中,外部状态为所述无人驾驶车辆周围环境中,影响所述无人驾驶车辆行驶状态的外部环境所处的状态。
在一实施例中,所述外部状态异常等级包括:碰撞风险等级和环境异常等级;根据所述外部信息,获取所述无人驾驶车辆当前的环境异常等级和碰撞风险等级,具体包括如下步骤:
根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外部驾驶环境中发生碰撞的碰撞风险等级;
根据所述交通信息和所述自然环境信息,判定所述环境异常等级。
其中,根据交通异常等级和自然环境异常等级,确定环境异常等级的具体步骤,参见上面关于所述“基于所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级”的方法,不再赘述。
在一实施例中,环境异常包括交通异常和自然环境异常,比如,当路况出现异常时,可以根据路况对所述无人驾驶车辆行驶的影响程度的确定交通异常等级,比如当天气出现异常时,可以根据天气对所述无人驾驶车辆行驶的影响程度的确定自然环境异常等级。可以根据交通异常等级和自然环境异常等级,确定环境异常等级。
在一实施例中,根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外部驾驶环境中发生碰撞的碰撞风险等级,具体可以包括如下步骤:
根据所述无人驾驶车辆的预设第一局部路径信息,与所述第二局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,与其他车辆发生碰撞的第一碰撞风险等级;
基于所述障碍物信息,获取所述无人驾驶车辆在所述外部驾驶环境中与障碍物发生碰撞的第二碰撞风险等级;
根据所述第一碰撞风险等级与所述第二碰撞风险等级,获取所述碰撞风险等级。
其中,第一碰撞风险等级是用于表示所述无人驾驶车辆与其他车辆发生碰撞的概率的信息。
其中,第二碰撞风险等级是用于表示所述无人驾驶车辆与障碍物发生碰撞的概率的信息。
在一实施例中,根据所述无人驾驶车辆的预设第一局部路径信息,与所述第二局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,与其他车辆发生碰撞的第一碰撞风险等级,具体可以包括如下步骤:
根据所述第一局部路径信息与所述第二局部路径信息,获取所述无人驾驶车辆与其他车辆之间的路径,判断路径是否有交叉点,若有交叉点,则计算所述无人驾驶车辆与其他车辆达到交叉点各自所需要的时间,根据时间之差与预设阈值,判定所述第一碰撞风险等级。
在一实施例中,所述异常等级包括“低”、“中”、“高”三个等级,根据所述时间之差与预设阈值,判定所述第一碰撞风险等级,可以包括以下步骤:
根据所述时间之差与预设第三阈值,确定所述无人驾驶车辆的车辆状态参数是否异常;
若是,则根据所述偏离参数与预设第四阈值确定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
比如,第三阈值将时间之差可能取到的数值范围划分为异常区间和正常区间,第四阈值包括两个数值,这两个数值将异常数值区间划分为“低”、“中”、“高”三个等级,当所述偏离参数小于或者等于第三阈值时,确定所述车辆状态参数正常,当所述偏离参数大于第三阈值时,比较所述偏离参数与第四阈值的两个数值,从而确定第一碰撞风险等级。
在一实施例中,基于所述障碍物信息,获取所述无人驾驶车辆在所述外部驾驶环境中与障碍物发生碰撞的第二碰撞风险等级,具体可以包括如下步骤:
判断所述障碍物是否是静止障碍物,若否,则根据所述第一局部路径信息与所述障碍物的运行轨迹,获取所述无人驾驶车辆与其他车辆之间的路径,判断路径是否有交叉点,若有交叉点,则计算所述无人驾驶车辆与所述障碍物达到交叉点各自所需要的时间,根据时间之差与预设阈值,判定所述第而碰撞风险等级;
若是,则判断所述障碍物是否在所述第一局部路径上,若是,则确定所述障碍物与所述无人驾驶车辆具有碰撞风险,继续基于所述障碍物信息与所述车辆状态参数信息,获取所述无人驾驶车辆与所述外部驾驶环境中的障碍物发生碰撞,所需的碰撞时间;基于所述碰撞时间与预设碰撞时间阈值,判定所述第二碰撞风险等级;
其中,基于所述碰撞时间与预设碰撞时间阈值,判定所述第二碰撞风险等级的具体步骤,参见上面关于“根据时间之差与预设阈值,判定所述第一碰撞风险等级”的实施例,不再赘述。
其中,碰撞时间是指无人驾驶车辆与外部驾驶环境中的障碍物发生碰撞所需要的时间,在一实施例中,可以通过所述障碍物信息与所述车辆状态参数信息,获取当前所述无人驾驶车辆与障碍物之间的相对距离和相对速度,计算相对距离与相对速度的比值,作为碰撞时间。
105、根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
参考图5b,在一实施例中,所述外部状态等级包括环境异常等级和碰撞风险等级,所述环境异常等级和所述碰撞风险等级,对所述无人驾驶车辆进行控制,具体可以包括如下步骤:
获取不同的内部状态异常等级、环境异常等级和碰撞风险等级与控制方式的预设对应关系,所述控制方式包括警告安全员、常规制动、紧急制动、靠边停车和远程接管;
根据所述对应关系,选取一种或者多种控制方式,对所述无人驾驶车辆进行控制。
以下详细说明控制方式的含义:
警告安全员。如果车辆上有安全员、工程人员或者乘客等,某些异常发生时需要对车上人员或远程监控人员以声音、图像或其他手段发出警告,让其采取必要手段控制车辆或解除异常状态,同时车辆打开双闪对后车发出警告。其中,必要手段包括控制车辆的刹车、油门、档位和方向盘等,使车辆按照远端操作人员的意图运行,实现对异常状态的处理。
常规制动。当车辆处于某些异常状态时,所述无人驾驶车辆采用一定的减速度进行制动,同时打开双闪对后车发出警告。
紧急制动(AEB)。所述无人驾驶车辆的碰撞风险等级较高时,需要采取紧急制动方式降速,避免事故的发生,同时车辆打开双闪对后车发出警告。
靠边停车。无人驾驶车辆产生靠边停车的局部路径,同时控制车辆靠边停靠,同时车辆打开双闪对后车发出警告。其中,靠边停车的局部路径是规划节点发布的从当前位置到路边可停车位置的局部路径。
远程接管。在某些异常状态下,可以采用远程接管的方式使车辆接触异常状态,远程接管是指远端操作人员通过5G通信技术远程控制车辆的刹车、油门、档位和方向盘等,使车辆按照远端操作人员的意图运行,实现对异常状态的处理。
在一实施例中,可以将警告安全员记为H1,常规制动记为H2,将紧急制动记为H3,将靠边停车记为H4,将远程接管记为H5。并将所述对应关系存储在表1所示的预设参照表中。
异常类型/风险等级 | 高 | 中 | 低 |
车辆碰撞风险 | H1/H3 | H1/H2 | H1 |
软件系统风险 | H1/H3/H4 | H1/H2/H4 | H1/H4 |
外部环境异常 | H1/H2/H3/H5 | H1/H2/H5 | H1/H5 |
表1异常状态处理对照表
由上可知,本申请实施例可以在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
根据上述实施例所描述的方法,以下将作进一步详细说明。
在本实施例中,将以车辆行驶安全监控装置集成在车载处理设备中,进行车辆行驶安全监控为例,参考图2b,对本发明实施例的方法进行详细说明。
201、在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息。
在本实施例中,内部状态信息包括车辆状态参数信息、节点运行状态信息和设备运行状态信息。
无人驾驶车辆中装载有多组传感器、摄像头、定位接收机等多种感知设备,从而在车辆行驶时,感知车辆运行状态信息,这些感知设备可以通过CAN总线和/或USB与车载处理设备相连接。
其中,车载处理设备可以是安装在所述无人驾驶车辆上的车载电脑,车载电脑也叫ECU(Electronic Control Unit)电子控制单元,又称“行车电脑”等。从用途上讲则是汽车专用微机控制器。它和普通的电脑一样,由处理器、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。用一句简单的话来形容就是“ECU就是汽车的大脑”。感知设备、执行设备都可以通过CAN总线和/或USB与车载处理设备的输入/输出接口(I/O)相连接。
其中,车辆状态参数信息可以包括车辆位置、车辆速度、车辆加速度、车辆转向角度等信息。其中,各种车辆状态参数信息的获取方法,参见上面的实施例,不再赘述。
其中,所述关键节点为所述无人驾驶车辆中控制软件中实现车辆驾驶控制的必要子程序。
在一实施例中,车载处理设备包括处理器、存储器(ROM、RAM),存储器中写有控制软件的程序,该程序包括多条指令,处理器可以读取存储器中的指令,并执行指令,从而完成对所述无人驾驶车辆的安全监控、行驶控制、通信等功能。其中,该控制软件在执行时包括多个关键节点和安全监控节点,各关键节点与安全监控节点之间通过TCP(传输控制协议,Transmission Control Protocol)进行通信,从而使安全监控节点可以获取各关键节点发布的关键信息,并基于此监控各关键节点的运行状态,其中,TCP是一种面向连接的、可靠的、基于字节流的传输层通信协议。它旨在适应支持多网络应用的分层协议层次结构,连接到不同但互连的计算机通信网络的主计算机中的成对进程之间依靠TCP提供可靠的通信服务。
其中,获取关键节点运行状态信息的方法参见上面的实施例,不再赘述。
其中,设备运行状态信息是对所述执行设备进行监测得到的信息,具体参见上面的实施例,不再赘述。
202、车载处理设备基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级。
在本实施例中,所述内部状态信息包括包括车辆状态参数信息、节点运行状态信息和设备运行状态信息。
参考图5a,在本实施例中,所述车辆状态参数信息包括车辆位置信息、车辆速度信息、车辆加速度信息和车辆转向信息,以下将具体说明获取车辆位置异常等级、车辆速度异常等级、车辆加速度异常等级和车辆转向异常等级的方法,如下:
(1)车辆位置异常监控。无人驾驶车辆车辆在正常运行时是由控制节点控制车辆跟踪规划节点产生的第一局部路径,当车辆出现异常的时候,车辆有可能会偏离预设的第一局部路径,此时车辆位置会出现异常,因此可以依据此来进行异常状态判定。举例说明实现方法为:
读取定位节点给出的当前车辆的位置信息,如A(x1,y1,z1)。
遍历规划节点给出的第一局部路径信息,将路径上的每个点与A点分别进行比较,得到多个距离误差Pe。
找出最小的Pe及其对应的点B,其中,点B为第一预设路径上的位置,把该最小的Pe作为当前车辆偏离预设轨迹的距离,如果该最小的Pe超过一定阈值,则判定其状态异常,并根据其与预设阈值Pk1/Pk2之间的大小关系确定其位置异常等级。
(2)车辆速度异常监控。在规划节点给出的第一局部路径信息中,每个点都包含速度信息,无人驾驶车辆的速度就是控制节点控制车辆跟踪第一局部路径中的速度,实现车辆的加速和减速,因此车辆当前的速度如果一定程度偏离了第一局部路径中预设的速度,则表明车辆出现了异常。车辆速度异常等级的判定方法示例如下:
将车辆轮速计反馈的速度信息和车载IMU(惯性测量单元)等其他传感器的速度,进行卡尔曼滤波得到比较可信的当前车辆速度V1。
遍历规划节点给出的局部路径信息,按照上述车辆位置异常监控方法在第一局部路径中找到与当前位置A对应的点B,读取B点预设的车辆速度V2。
计算速度跟踪误差为Ve=|V1-V2|,如果速度误差超过一定阈值,则判定为速度异常状态,并根据速度误差超出预设阈值的程度,确定车辆速度异常等级。
(3)车辆加/减速度异常监控。车辆在正常行驶过程中除了保证安全意外还会尽量追求舒适,因此常常会对车辆的加速度进行和加速度变化率进行限制,例如往往加速度值不会超过2.5~3。而在自动驾驶车辆在自动驾驶过程中如果出现异常的加速度,则有可能出现异常情况,因此可以根据当前时刻车速和上一时刻的车速信息,实时计算出车辆的加速度a,如果a超出一定的阈值,则判定其为异常状态,并根据所述加速度超出预设阈值的程度,确定车辆加速度异常等级。
(3)车辆转向异常监控。无人驾驶车辆除了控制车辆的油门和刹车做加减速动作,还会控制方向盘转动以实现变道、转弯、掉头等动作,但是车辆方向的改变意味着更高的碰撞风险,因此需要监控方向盘的跟踪效果,在方向盘跟踪偏离的时候进行异常处理防止意外发生。可以实时监控方向盘的位置控制误差、转速控制误差等实现对转向的监控,本发明以位置控制误差为例进行说明。
获取无人驾驶软件规划节点计算出的当前方向盘转向角度θ1。
根据方向盘转向监测仪器,从CAN总线中获取车辆实际的方向盘转向角度θ2。
计算方向盘位置跟踪误差为θe=|θ1-θ2|,如果θe超出一定的阈值,则判定其为异常状态,并根据所述θe超出阈值的程度确定车辆转向异常等级。
在本实施例中,车载处理设备可以通过进程列表中是否存在关键节点进程,关键节点发布关键信息的频率,以及关键信息的有效性来判断某一个关键节点是否处于异常状态,并根据出现异常的关键节点的类型、以及所述关键节点的异常情况,确定节点运行异常等级。综合所有关键节点的运行异常等级,确定节点运行异常等级。
比如,当进程列表中存在所述关键节点进程,且该关键节点发布关键信息的频率与开发人员预先设定的频率一致,且该关键节点发布的关键信息有效,则认为所述关键节点在当前时刻,运行状态正常,确定该关键节点的异常等级为“无”。否则,认为运行状态异常,此时,根据出现异常的关键节点的类型、以及所述关键节点的异常情况,确定节点运行异常等级,比如,当感知节点出现异常,且感知节点的发布信息的频率略低于预设频率,则确定该关键节点的异常等级为“中”。
根据设备状态信息确定内部状态异常等级的方法,参见上面的实施例,不再赘述。
203、车载处理设备获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息。
其中,环境信息包括第二局部路径信息、障碍物信息、自然环境信息和交通信息。
其中,无人驾驶车辆中除了装载有多组传感器、摄像头、定位接收机等多种感知设备外,还装载有与其他车辆进行通信的通信设备,这些感知设备和通信设备可以通过CAN总线和/或USB与车载处理设备相连接。
在本实施例中,环境信息包括第二局部路径信息、障碍物信息、自然环境信息和交通信息。
所述无人驾驶车辆包括多组传感器、摄像头、无线通讯设备等感知设备,可以用于获取环境信息。
下面将以获取障碍物信息为例,说明获取环境信息的方法,具体的步骤如下:
车载激光雷达通过点云聚类和滤波等方式获取一定范围内的障碍物列表L1。
车载毫米波雷达输出无人驾驶车辆周围一定范围内的障碍物的列表L2。
超声波雷达输出无人驾驶车辆周围的障碍物的列表L3。
将障碍物列表L1、L2、L3等统一转换到车身坐标系下进行对齐。
对同一个障碍物对应的多组探测结果进行滤波(如卡尔曼滤波),除去数据中的噪音和干扰,获得障碍物列表L4,将所述障碍物列表L4,作为所述障碍物信息。
204、车载处理设备根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级。
在本实施例中,外部状态异常等级包括碰撞风险等级和环境异常等级,其中,碰撞风险等级是由第一碰撞风险等级与第二碰撞风险等级,经过融合后得到的。以下将具体说明根据障碍物信息得到第二碰撞风险等级的步骤,如下:
遍历障碍物列表L4,根据障碍物和无人驾驶车辆的相对位置和速度关系,计算其碰撞时间,如果碰撞时间低于预设的阈值,则判定为有碰撞风险,再根据多个等级划分阈值,确定第二碰撞风险等级。
以下将举例说明环境异常等级的获取方法,如下:
根据所述交通信息,判定交通异常等级;
根据所述自然环境信息,判定自然环境异常等级;
融合所述交通异常等级与所述自然环境异常等级,得到环境异常等级。
比如,当前方施工导致临时封闭或者倒流,车辆无法按照第一局部路径信息对应的局部路径行驶时,可以确定此时交通异常等级为“高”。
比如,当红绿灯信号等失效,无法正确指导车辆通过路口时,可以确定此时交通异常等级为“高”;
比如,可通过摄像头和无线通信设备尽可能获取实际的自然环境状态,当遇到极端雨雪、高速团雾、高速横风、落石、以及其他自然灾害等情况时,可以确定此时自然环境异常等级为“高”。
205、车载处理设备根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
具体地,可以车载处理设备可以控制展示设备(包括显示屏、音响等)、通信设备或者执行设备,实施警告安全员、常规制动、紧急制动、靠边停车和远程接管等控制方式。
由上可知:可以监测所述无人驾驶车辆当前的车辆状态参数信息;获取所述无人驾驶车辆中关键节点的节点运行状态信息;基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级;获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
在一实施例中,还提供了一种车辆行驶安全监控装置,该车辆行驶安全监控装置具体可以集成在车载处理设备中如虚拟物品发放车载处理设备,如图3a所示,该车辆行驶安全监控装置可以包括:内部状态信息获取单元301、内部异常判定单元302、外部信息获取单元302、外部异常判定单元303和外部异常判定单元304,具体如下:
(1)内部状态信息获取单元301,用于在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息。
在一实施例中,所述内部状态信息包括车辆状态参数信息、节点运行状态
信息;内部状态信息获取单元301具体可以用于:
获取所述无人驾驶车辆当前的车辆状态参数信息;
获取所述无人驾驶车辆中控制软件中的关键节点的节点运行状态信息,所述关键节点为所述无人驾驶车辆中控制软件中实现对车辆的控制所需的必要子程序;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,所述车辆状态参数信息具体可以包括车辆位置信息、车辆速度信息、车辆加速度信息和车辆转向信息。
在一实施例中,所述节点运行状态信息具体可以包括:进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率。
在另一实施例中,所述内部状态信息获取单元301还可以用于获取设备运行状态信息。
(2)内部异常判定单元302,用于基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,参考图3b,所述内部异常判定单元302具体可以包括节点异常判定子单元3021、路径信息获取子单元3022、车辆异常判定子单元3023和内部异常判定子单元3024,如下:
A、节点异常判定子单元3021,用于基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级。
B、路径信息获取子单元3022,用于获取所述无人驾驶车辆的预设第一局部路径信息。
C、车辆异常判定子单元3023,用于根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级。
D、内部异常判定子单元3024,用于内部基于所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
在一实施例中,所述节点运行状态信息包括进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率,所述节点运行状态所述节点异常判定子单元3021,具体可以用于:
根据所述进程列表,判断所述关键节点对应的进程是否异常结束,得到进程判断结果;
对所述关键信息进行有效性判断,得到有效性判断结果;
根据所述发布频率和预设发布频率,对所述发布频率进行异常判断,得到频率异常判断结果;
基于所述进程判断结果、所述频率异常判断结果和所述有效性判断结果,判定所述关键节点的节点运行异常等级。
在一实施例中,所述车辆异常判定子单元3023,具体可以用于:
据所述第一局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,各个位置的预设车辆状态参数信息;
基于所述当前车辆状态参数信息与各个位置所述预设车辆状态参数信息,获取当前位置与所述局部路径中各位置之间的运行误差;
基于所述运行误差,确定所述局部路径中与当前位置对应的预设位置;
根据所述预设位置对应的运行误差,确定所述无人驾驶车辆在偏离所述局部路径的偏离参数;
根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
在一实施例中,根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级,具体可以包括:
根据所述偏离参数与预设第一阈值,判断所述无人驾驶车辆的车辆状态参数是否异常;
若是,则根据所述偏离参数与预设第二阈值确定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
在另一实施例中,所述内部异常判定单元302还包括设备异常判定子单元3025,用于根据所述设备运行状态信息,判定所述无人驾驶车辆的设备状态异常等级。
(4)外部信息获取单元303,用于获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息。
在一实施例中,所述外部信息包括第二局部路径信息、障碍物信息、自然环境信息和交通信息,所述外部信息获取单元303具体可以包括其它车辆信息获取子单元3031、障碍物信息获取子单元3032,以及自然和交通信息获取子单元3033,如下:
A、其它车辆信息获取子单元3031,用于获取所述外部驾驶环境中的其他车辆发布的预设第二局部路径信息;
B、障碍物信息获取子单元3032,用于获取所述无人驾驶车辆在所述外部驾驶环境中的障碍物信息;
C、自然和交通信息获取子单元3033,用于获取所述无人驾驶车辆在所述外部驾驶环境中的交通信息和自然环境信息。
在一实施例中,所述无人驾驶车辆包括多组感知设备,所述障碍物信息获取子单元3032,具体可以用于:
基于所述多组感知设备,获取多组障碍物探测结果;
对所述多组障碍物探测结果进行滤波处理,得到所述外部驾驶环境中的障碍物信息。
(5)外部异常单元304,用于根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级。
在一实施例中,参考图3c,所述外部状态异常等级包括:碰撞风险等级和环境异常等级;所述外部异常判定单元304具体可以包括第一碰撞风险等级判定子单元3041、第二碰撞风险等级判定子单元3042、碰撞风险等级判定子单元3043和环境异常等级判定子单元3044,如下:
A、第一碰撞风险等级判定子单元3041,用于根据所述无人驾驶车辆的预设第一局部路径信息,与所述第二局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,与其他车辆发生碰撞的第一碰撞风险等级;
B、第二碰撞风险等级判定子单元3042,用于基于所述障碍物信息,获取所述无人驾驶车辆在所述外部驾驶环境中与障碍物发生碰撞的第二碰撞风险等级。
C、碰撞风险等级判定子单元3043,用于根据所述第一碰撞风险等级与所述第二碰撞风险等级,获取所述碰撞风险等级;
D、环境异常等级判定子单元3044,用于根据所述交通信息和所述自然环境信息,判定所述环境异常等级。
(6)控制单元305,用于根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
在一实施例中,所述外部状态等级包括环境异常等级和碰撞风险等级,所述控制单元305具体可以用于:
获取不同的内部状态异常等级、环境异常等级和碰撞风险等级与控制方式的预设对应关系,所述控制方式包括警告安全员、常规制动、紧急制动、靠边停车和远程接管;
根据所述对应关系,选取一种或者多种控制方式,对所述无人驾驶车辆进行控制。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本发明实施例由参数信息获取单元,监测所述无人驾驶车辆当前的车辆状态参数信息;由状态信息获取单元,获取所述无人驾驶车辆中关键节点的节点运行状态信息;由内部异常判定单元,基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级;由外部信息获取单元,获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;由外部异常判定单元,根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;由控制单元,根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
本申请实施例还提供一种车载处理设备,该车载处理设备可以是车载电脑、车载微型处理盒子等等。如图4所示,其示出了本申请实施例所涉及的车载处理设备的结构示意图,具体来讲:
该车载处理设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403、输入模块404以及通信模块405等部件。本领域技术人员可以理解,图4中示出的车载处理设备结构并不构成对车载处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该车载处理设备的控制中心,利用各种接口和线路连接整个车载处理设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行车载处理设备的各种功能和处理数据,从而对车载处理设备进行整体监控。在一些实施例中,处理器401可包括一个或多个处理核心;在一些实施例中,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据车载处理设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器403的访问。
车载处理设备还包括给各个部件供电的电源403,在一些实施例中,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该车载处理设备还可包括输入模块403,该输入模块403可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该车载处理设备还可包括通信模块405,在一些实施例中,通信模块405可以包括无线子模块,车载处理设备可以通过该通信模块405的无线子模块进行短距离无线传输,从而提供无线的宽带互联网访问。比如,该通信模块405可以用于帮助用户收发电子邮件、浏览网页和访问流式媒体等。
尽管未示出,车载处理设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,车载处理设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;
获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本申请实施例可以在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。本发明通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种车辆行驶安全监控方法中的步骤。例如,该指令可以执行如下步骤:
在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;
获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种车辆行驶安全监控方法中的步骤,因此,可以实现本申请实施例所提供的任一种车辆行驶安全监控方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
本发明实施例还提供一种无人驾驶车辆,如图5c所示,其示出了本发明实施例所涉及的无人驾驶车辆的结构示意图,具体来讲:
该无人驾驶车辆可以包括车辆主体501、感知设备502、执行设备503和车载处理设备504,本领域技术人员可以理解,图5c中示出的电子设备结构并不构成对无人驾驶车辆的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
车辆主体501是无人驾驶车辆的车身结构,可以包括车架、车门、车身和内部的座椅等硬件结构。
感知设备502是无人驾驶车辆的感知结构,用于感知所述无人驾驶车辆的内部状态信息,以及所述外部驾驶环境中的环境信息。具体可以包括车轮速计、定位计、胎压计、传感器、摄像头等设备。
执行设备503是无人驾驶车辆用于执行行驶功能的结构,执行设备可以包括发动机、动力电池、变速箱、传动结构等动力设备,还可以包括显示屏、音响等展示设备,还可以包括方向盘等转向设备,以及轮胎等设备。
车载处理设备504是所述无人驾驶车辆的“大脑”,集成有用于控制车辆速度、方向、加速度转向等的车辆运行参数的控制装置、用于监控所述无人驾驶车辆行驶状态的车辆行驶安全监控装置、用于分析感知设备感知到的信息的信息获取装置、用于规划车辆行驶路线的规划装置等。
执行设备、感知设备和车载处理设备都装载在车辆主体上,所述车载处理设备与所述执行设备和所述感知设备通过总线相连,以使所述车载处理设备可以执行本申请实施例所提供的任一种车辆行驶安全监控方法中的步骤,因此,可以实现本申请实施例所提供的任一种车辆行驶安全监控方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
由上可知,在本发明实施例中,车载处理设备通过同时监测车辆外部驾驶环境和车辆内部状态,可以准确地判断车辆目前是否处于异常状态,通过判定异常类型(即内部异常或者外部异常)和异常等级,控制执行设备对无人驾驶车辆进行相应的控制。从而可以提高无人驾驶车辆行驶的安全性。
以上对本申请实施例所提供的一种车辆行驶安全监控方法、装置、车载处理设备以及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (15)
1.一种车辆行驶安全监控方法,其特征在于,适用于无人驾驶车辆,所述车辆行驶安全监控方法,包括:
在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级;
获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
2.如权利要求1所述的车辆行驶安全监控方法,其特征在于,所述内部状态信息包括车辆状态参数信息、节点运行状态信息;
获取当前所述无人驾驶车辆本身的内部状态信息,包括:
获取所述无人驾驶车辆当前的车辆状态参数信息;
获取所述无人驾驶车辆中控制软件中的关键节点的节点运行状态信息,所述关键节点为所述无人驾驶车辆中控制软件中实现对车辆的控制所需的必要子程序;
基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级。
3.如权利要求2所述的车辆行驶安全监控方法,其特征在于,基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级,包括:
基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级;
获取所述无人驾驶车辆的预设第一局部路径信息;
根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级;
基于所述节点运行异常等级与所述车辆状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
4.如权利要求3所述的车辆行驶安全监控方法,其特征在于,所述内部状态信息还包括设备运行状态信息;
所述基于所述内部状态信息,判定所述无人驾驶车辆的内部状态异常等级,还包括:
根据所述设备运行状态信息,判定所述无人驾驶车辆的设备状态异常等级;
基于所述节点运行异常等级、所述车辆状态异常等级与所述设备状态异常等级,判定所述无人驾驶车辆的内部状态异常等级。
5.如权利要求1所述的车辆行驶安全监控方法,其特征在于,所述外部信息包括碰撞环境信息、自然环境信息和交通信息;所述获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息,包括:
获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息;
获取所述无人驾驶车辆在所述外部驾驶环境中的自然环境信息和交通信息。
6.如权利要求5所述的车辆行驶安全监控方法,其特征在于,所述外部状态异常等级包括:碰撞风险等级和环境异常等级;
根据所述外部信息,获取所述无人驾驶车辆当前的环境异常等级和碰撞风险等级,包括:
根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外部驾驶环境中发生碰撞的碰撞风险等级;
根据所述交通信息和所述自然环境信息,判定所述环境异常等级。
7.如权利要求6所述的车辆行驶安全监控方法,其特征在于,所述碰撞环境信息包括第二局部路径信息,以及障碍物信息;
所述获取所述无人驾驶车辆在所述外部驾驶环境中与发生碰撞的可能性相关的碰撞环境信息,包括:
获取所述外部驾驶环境中其他车辆发布的预设第二局部路径信息;
获取所述外部驾驶环境中可能阻碍所述无人驾驶车辆行驶的障碍物的障碍物信息。
8.如权利要求7所述的车辆行驶安全监控方法,其特征在于,根据所述碰撞环境信息,判定所述无人驾驶车辆在所述外部驾驶环境中发生碰撞的碰撞风险等级,包括:
根据所述无人驾驶车辆的预设第一局部路径信息,与所述第二局部路径信息,获取所述无人驾驶车辆与其他车辆发生碰撞的第一碰撞风险等级;
基于所述障碍物信息,获取所述无人驾驶车辆在所述外部驾驶环境中与障碍物发生碰撞的第二碰撞风险等级;
根据所述第一碰撞风险等级与所述第二碰撞风险等级,获取所述碰撞风险等级。
9.如权利要求3所述的车辆行驶安全监控方法,其特征在于,所述节点运行状态信息包括进程列表、所述关键节点发布的关键信息和所述关键信息的发布频率;
基于所述节点运行状态信息,判定所述关键节点的节点运行异常等级,包括:
根据所述进程列表,判断所述关键节点对应的进程是否异常结束,得到进程判断结果;
对所述关键信息进行有效性判断,得到有效性判断结果;
根据所述发布频率和预设发布频率,对所述发布频率进行异常判断,得到频率异常判断结果;
基于所述进程判断结果、所述频率异常判断结果和所述有效性判断结果,判定所述关键节点的节点运行异常等级。
10.如权利要求3所述的车辆行驶安全监控方法,其特征在于,根据所述当前车辆状态参数信息和所述第一局部路径信息,判定所述无人驾驶车辆的车辆状态异常等级,包括:
根据所述第一局部路径信息,获取所述无人驾驶车辆在所述第一局部路径信息对应的局部路径中,各个位置的预设车辆状态参数信息;
基于所述当前车辆状态参数信息与各个位置所述预设车辆状态参数信息,获取当前位置与所述局部路径中各位置之间的运行误差;
基于所述运行误差,确定所述局部路径中与当前位置对应的预设位置;
根据所述预设位置对应的运行误差,确定所述无人驾驶车辆在偏离所述局部路径的偏离参数;
根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
11.如权利要求7所述的车辆行驶安全监控方法,其特征在于,所述无人驾驶车辆包括多组感知设备;
获取所述无人驾驶车辆在所述外部驾驶环境中的障碍物信息,包括:
基于所述多组感知设备,获取多组障碍物探测结果;
对所述多组障碍物探测结果进行滤波处理,得到所述外部驾驶环境中的障碍物信息。
12.如权利要求1所述的车辆行驶安全监控方法,其特征在于,所述外部状态等级包括环境异常等级和碰撞风险等级,所述根据所述内部状态异常等级、所述环境异常等级和所述碰撞风险等级,对所述无人驾驶车辆进行控制,包括:
获取不同的内部状态异常等级、环境异常等级和碰撞风险等级与控制方式的预设对应关系,所述控制方式包括警告安全员、常规制动、紧急制动、靠边停车和远程接管;
根据所述对应关系,选取一种或者多种控制方式,对所述无人驾驶车辆进行控制。
13.如权利要求10所述的车辆行驶安全监控方法,其特征在于,根据所述偏离参数与预设阈值,判定所述无人驾驶车辆在所述当前位置的车辆状态异常等级,包括:
根据所述偏离参数与预设第一阈值,判断所述无人驾驶车辆的车辆状态参数是否异常;
若是,则根据所述偏离参数与预设第二阈值确定所述无人驾驶车辆在所述当前位置的车辆状态异常等级。
14.一种车辆行驶安全监控装置,其特征在于,包括:
内部状态信息获取单元,用于在所述无人驾驶车辆行驶时,获取当前所述无人驾驶车辆本身的内部状态信息;
内部异常判定单元,用于基于所述车辆状态参数信息与所述节点运行状态信息,判定所述无人驾驶车辆的内部状态异常等级;
外部信息获取单元,用于获取所述无人驾驶车辆当前所处的外部驾驶环境中的环境信息;
外部异常判定单元,用于根据所述环境信息,判定所述无人驾驶车辆当前的外部状态异常等级;
控制单元,用于根据所述内部状态异常等级和所述外部状态异常等级,对所述无人驾驶车辆进行控制。
15.一种无人驾驶车辆,包括车辆主体,所述车辆主体上设置有执行设备、感知设备和车载处理设备,所述执行设备和所述感知设备分别与所述车载处理设备通过总线相连,以使所述车载处理设备执行如权利要求1至13中任一项所述车辆行驶安全监控方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047035.6A CN111240328B (zh) | 2020-01-16 | 2020-01-16 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010047035.6A CN111240328B (zh) | 2020-01-16 | 2020-01-16 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111240328A true CN111240328A (zh) | 2020-06-05 |
CN111240328B CN111240328B (zh) | 2020-12-25 |
Family
ID=70868448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010047035.6A Active CN111240328B (zh) | 2020-01-16 | 2020-01-16 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240328B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595597A (zh) * | 2020-06-30 | 2020-08-28 | 中汽院智能网联科技有限公司 | 一种复杂环境下aeb vru性能的测试方法 |
CN111832667A (zh) * | 2020-09-17 | 2020-10-27 | 中汽研(天津)汽车工程研究院有限公司 | 一种园区无人驾驶观光车的驾驶行为决策系统 |
CN111951552A (zh) * | 2020-08-11 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
CN111994094A (zh) * | 2020-08-10 | 2020-11-27 | 北京三快在线科技有限公司 | 远程遥控接管方法、装置、系统、介质及无人驾驶车辆 |
CN112141094A (zh) * | 2020-09-28 | 2020-12-29 | 北京汽车研究总院有限公司 | 车辆及其防撞方法和装置 |
CN112256033A (zh) * | 2020-10-30 | 2021-01-22 | 安徽江淮汽车集团股份有限公司 | 驾驶状态识别方法、设备、存储介质及装置 |
CN112258008A (zh) * | 2020-10-16 | 2021-01-22 | 恒大新能源汽车投资控股集团有限公司 | 一种处理车轮卷入异物的方法和装置 |
CN112363509A (zh) * | 2020-11-18 | 2021-02-12 | 重庆美沣秦安汽车驱动系统有限公司 | 基于无线通信汽车自动驾驶方法、系统、存储介质及终端 |
CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测系统及车辆行驶检测方法 |
CN112540599A (zh) * | 2020-12-28 | 2021-03-23 | 上海汽车集团股份有限公司 | 一种安全处理方法、安全处理系统及智能驾驶系统 |
CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
CN113311835A (zh) * | 2021-05-21 | 2021-08-27 | 深圳裹动智驾科技有限公司 | 降低自动驾驶车辆行驶风险的方法 |
CN113619576A (zh) * | 2021-09-07 | 2021-11-09 | 阿波罗智能技术(北京)有限公司 | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 |
CN113823012A (zh) * | 2021-09-13 | 2021-12-21 | 浙江众合科技股份有限公司 | 一种基于bim技术的轨道交通设施巡检方法和装置 |
CN113844465A (zh) * | 2021-12-02 | 2021-12-28 | 上海车右智能科技有限公司 | 一种自动驾驶方法及系统 |
CN113974633A (zh) * | 2021-10-12 | 2022-01-28 | 浙江大学 | 一种交通风险防控方法、装置、设备及电子设备 |
CN114200937A (zh) * | 2021-12-10 | 2022-03-18 | 新疆工程学院 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
CN114312828A (zh) * | 2021-11-30 | 2022-04-12 | 深圳元戎启行科技有限公司 | 风险管理方法、风险管理平台以及计算机可读存储介质 |
CN114475598A (zh) * | 2022-02-28 | 2022-05-13 | 肇庆市前沿德至智能汽车测试评估有限公司 | 一种无人驾驶汽车高速列队行驶系统及其列队方法 |
WO2022127720A1 (zh) * | 2020-12-18 | 2022-06-23 | 索尼集团公司 | 电子设备、无线通信方法和计算机可读存储介质 |
CN116125996A (zh) * | 2023-04-04 | 2023-05-16 | 北京千种幻影科技有限公司 | 一种无人驾驶车辆的安全监控方法及系统 |
WO2023098040A1 (zh) * | 2021-11-30 | 2023-06-08 | 驭势科技(北京)有限公司 | 诊断方法、控制方法、装置、介质、控制器及车辆 |
CN116394945A (zh) * | 2023-06-08 | 2023-07-07 | 北京集度科技有限公司 | 车辆行驶信息的检测方法、车辆、设备及介质 |
WO2023136022A1 (ja) * | 2022-01-17 | 2023-07-20 | いすゞ自動車株式会社 | 範囲設定装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004178380A (ja) * | 2002-11-28 | 2004-06-24 | Toshiba Corp | 監視装置 |
CN102541016A (zh) * | 2012-01-11 | 2012-07-04 | 沈阳中科正方新能源技术有限公司 | 一种智能车辆控制器 |
CN104816697A (zh) * | 2014-02-05 | 2015-08-05 | 丰田自动车株式会社 | 防碰撞控制装置 |
CN104290745B (zh) * | 2014-10-28 | 2017-02-01 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶系统的驾驶方法 |
CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
CN207473411U (zh) * | 2017-11-23 | 2018-06-08 | 深圳鼎识科技有限公司 | 巡更机器人、机器人充电坞及机器人系统 |
CN108482366A (zh) * | 2018-03-23 | 2018-09-04 | 重庆长安汽车股份有限公司 | 基于车辆自动驾驶的代客泊车系统及方法 |
CN108710368A (zh) * | 2018-05-23 | 2018-10-26 | 北京新能源汽车股份有限公司 | 一种无人驾驶系统及电动汽车 |
CN108944925A (zh) * | 2018-08-14 | 2018-12-07 | 张家港江苏科技大学产业技术研究院 | 一种新型智能车载监控系统及控制方法 |
CN109017975A (zh) * | 2018-07-02 | 2018-12-18 | 南京航空航天大学 | 一种智能转向系统的控制方法及其控制系统 |
CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
CN109521427A (zh) * | 2018-11-15 | 2019-03-26 | 上海赫千电子科技有限公司 | 车载以太网雷达系统 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN109727469A (zh) * | 2019-01-08 | 2019-05-07 | 南京航空航天大学 | 一种多车道下自动驾驶车辆综合危险度评估方法 |
CN109849919A (zh) * | 2017-11-30 | 2019-06-07 | 财团法人车辆研究测试中心 | 自动驾驶接管的安全警示系统及其方法 |
US20190286144A1 (en) * | 2018-03-16 | 2019-09-19 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
CN110262469A (zh) * | 2019-07-23 | 2019-09-20 | 江苏常发农业装备股份有限公司 | 一种应用于农机车辆的自动行驶控制系统和方法 |
CN110320898A (zh) * | 2018-03-28 | 2019-10-11 | 上海博泰悦臻电子设备制造有限公司 | 基于5g车联网的车辆交通事故远程接管救援方法及系统 |
CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
CN110377000A (zh) * | 2018-04-13 | 2019-10-25 | 北京智行者科技有限公司 | 一种自动驾驶车辆远程调配控制系统及方法 |
CN110488846A (zh) * | 2019-09-19 | 2019-11-22 | 广州文远知行科技有限公司 | 无人驾驶远程协助方法、装置、设备及储存介质 |
CN110562269A (zh) * | 2019-08-08 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 |
CN110568850A (zh) * | 2019-09-12 | 2019-12-13 | 东风汽车有限公司 | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 |
-
2020
- 2020-01-16 CN CN202010047035.6A patent/CN111240328B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004178380A (ja) * | 2002-11-28 | 2004-06-24 | Toshiba Corp | 監視装置 |
CN102541016A (zh) * | 2012-01-11 | 2012-07-04 | 沈阳中科正方新能源技术有限公司 | 一种智能车辆控制器 |
CN104816697A (zh) * | 2014-02-05 | 2015-08-05 | 丰田自动车株式会社 | 防碰撞控制装置 |
CN104290745B (zh) * | 2014-10-28 | 2017-02-01 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶系统的驾驶方法 |
CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
CN207473411U (zh) * | 2017-11-23 | 2018-06-08 | 深圳鼎识科技有限公司 | 巡更机器人、机器人充电坞及机器人系统 |
CN109849919A (zh) * | 2017-11-30 | 2019-06-07 | 财团法人车辆研究测试中心 | 自动驾驶接管的安全警示系统及其方法 |
US20190286144A1 (en) * | 2018-03-16 | 2019-09-19 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
CN108482366A (zh) * | 2018-03-23 | 2018-09-04 | 重庆长安汽车股份有限公司 | 基于车辆自动驾驶的代客泊车系统及方法 |
CN110320898A (zh) * | 2018-03-28 | 2019-10-11 | 上海博泰悦臻电子设备制造有限公司 | 基于5g车联网的车辆交通事故远程接管救援方法及系统 |
CN110377000A (zh) * | 2018-04-13 | 2019-10-25 | 北京智行者科技有限公司 | 一种自动驾驶车辆远程调配控制系统及方法 |
CN108710368A (zh) * | 2018-05-23 | 2018-10-26 | 北京新能源汽车股份有限公司 | 一种无人驾驶系统及电动汽车 |
CN109017975A (zh) * | 2018-07-02 | 2018-12-18 | 南京航空航天大学 | 一种智能转向系统的控制方法及其控制系统 |
CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
CN108944925A (zh) * | 2018-08-14 | 2018-12-07 | 张家港江苏科技大学产业技术研究院 | 一种新型智能车载监控系统及控制方法 |
CN109521427A (zh) * | 2018-11-15 | 2019-03-26 | 上海赫千电子科技有限公司 | 车载以太网雷达系统 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN109727469A (zh) * | 2019-01-08 | 2019-05-07 | 南京航空航天大学 | 一种多车道下自动驾驶车辆综合危险度评估方法 |
CN110379193A (zh) * | 2019-07-08 | 2019-10-25 | 华为技术有限公司 | 自动驾驶车辆的行为规划方法及行为规划装置 |
CN110262469A (zh) * | 2019-07-23 | 2019-09-20 | 江苏常发农业装备股份有限公司 | 一种应用于农机车辆的自动行驶控制系统和方法 |
CN110562269A (zh) * | 2019-08-08 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 |
CN110568850A (zh) * | 2019-09-12 | 2019-12-13 | 东风汽车有限公司 | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 |
CN110488846A (zh) * | 2019-09-19 | 2019-11-22 | 广州文远知行科技有限公司 | 无人驾驶远程协助方法、装置、设备及储存介质 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111595597B (zh) * | 2020-06-30 | 2022-09-27 | 中汽院智能网联科技有限公司 | 一种复杂环境下aeb vru性能的测试方法 |
CN111595597A (zh) * | 2020-06-30 | 2020-08-28 | 中汽院智能网联科技有限公司 | 一种复杂环境下aeb vru性能的测试方法 |
CN111994094B (zh) * | 2020-08-10 | 2021-12-31 | 北京三快在线科技有限公司 | 远程遥控接管方法、装置、系统、介质及无人驾驶车辆 |
CN111994094A (zh) * | 2020-08-10 | 2020-11-27 | 北京三快在线科技有限公司 | 远程遥控接管方法、装置、系统、介质及无人驾驶车辆 |
CN111951552A (zh) * | 2020-08-11 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
CN111832667A (zh) * | 2020-09-17 | 2020-10-27 | 中汽研(天津)汽车工程研究院有限公司 | 一种园区无人驾驶观光车的驾驶行为决策系统 |
CN112141094A (zh) * | 2020-09-28 | 2020-12-29 | 北京汽车研究总院有限公司 | 车辆及其防撞方法和装置 |
CN112258008A (zh) * | 2020-10-16 | 2021-01-22 | 恒大新能源汽车投资控股集团有限公司 | 一种处理车轮卷入异物的方法和装置 |
CN112256033A (zh) * | 2020-10-30 | 2021-01-22 | 安徽江淮汽车集团股份有限公司 | 驾驶状态识别方法、设备、存储介质及装置 |
CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测系统及车辆行驶检测方法 |
CN112363509A (zh) * | 2020-11-18 | 2021-02-12 | 重庆美沣秦安汽车驱动系统有限公司 | 基于无线通信汽车自动驾驶方法、系统、存储介质及终端 |
CN114721362B (zh) * | 2020-12-18 | 2023-11-03 | 索尼集团公司 | 电子设备、无线通信方法和计算机可读存储介质 |
WO2022127720A1 (zh) * | 2020-12-18 | 2022-06-23 | 索尼集团公司 | 电子设备、无线通信方法和计算机可读存储介质 |
CN114721362A (zh) * | 2020-12-18 | 2022-07-08 | 索尼公司 | 电子设备、无线通信方法和计算机可读存储介质 |
CN112540599A (zh) * | 2020-12-28 | 2021-03-23 | 上海汽车集团股份有限公司 | 一种安全处理方法、安全处理系统及智能驾驶系统 |
CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
CN112612287B (zh) * | 2020-12-28 | 2022-03-15 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
CN113311835A (zh) * | 2021-05-21 | 2021-08-27 | 深圳裹动智驾科技有限公司 | 降低自动驾驶车辆行驶风险的方法 |
CN113311835B (zh) * | 2021-05-21 | 2023-12-29 | 深圳安途智行科技有限公司 | 降低自动驾驶车辆行驶风险的方法 |
CN113619576A (zh) * | 2021-09-07 | 2021-11-09 | 阿波罗智能技术(北京)有限公司 | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 |
CN113823012A (zh) * | 2021-09-13 | 2021-12-21 | 浙江众合科技股份有限公司 | 一种基于bim技术的轨道交通设施巡检方法和装置 |
CN113974633A (zh) * | 2021-10-12 | 2022-01-28 | 浙江大学 | 一种交通风险防控方法、装置、设备及电子设备 |
CN113974633B (zh) * | 2021-10-12 | 2023-02-14 | 浙江大学 | 一种交通风险防控方法、装置、设备及电子设备 |
CN114312828A (zh) * | 2021-11-30 | 2022-04-12 | 深圳元戎启行科技有限公司 | 风险管理方法、风险管理平台以及计算机可读存储介质 |
WO2023098040A1 (zh) * | 2021-11-30 | 2023-06-08 | 驭势科技(北京)有限公司 | 诊断方法、控制方法、装置、介质、控制器及车辆 |
CN113844465A (zh) * | 2021-12-02 | 2021-12-28 | 上海车右智能科技有限公司 | 一种自动驾驶方法及系统 |
CN114200937B (zh) * | 2021-12-10 | 2023-07-14 | 新疆工程学院 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
CN114200937A (zh) * | 2021-12-10 | 2022-03-18 | 新疆工程学院 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
WO2023136022A1 (ja) * | 2022-01-17 | 2023-07-20 | いすゞ自動車株式会社 | 範囲設定装置 |
JP7396377B2 (ja) | 2022-01-17 | 2023-12-12 | いすゞ自動車株式会社 | 範囲設定装置 |
CN114475598A (zh) * | 2022-02-28 | 2022-05-13 | 肇庆市前沿德至智能汽车测试评估有限公司 | 一种无人驾驶汽车高速列队行驶系统及其列队方法 |
CN116125996A (zh) * | 2023-04-04 | 2023-05-16 | 北京千种幻影科技有限公司 | 一种无人驾驶车辆的安全监控方法及系统 |
CN116394945A (zh) * | 2023-06-08 | 2023-07-07 | 北京集度科技有限公司 | 车辆行驶信息的检测方法、车辆、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111240328B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240328B (zh) | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 | |
US10896122B2 (en) | Using divergence to conduct log-based simulations | |
CN109789777B (zh) | 非预期脉冲变化碰撞检测器 | |
CN115016474A (zh) | 用于车路协同自动驾驶的控制方法、路侧设备、云控平台和系统 | |
CN113286737A (zh) | 用于安全自主汽车操作的转向命令限制 | |
US10795804B1 (en) | Collision evaluation for log-based simulations | |
US10755565B2 (en) | Prioritized vehicle messaging | |
EP4086875A1 (en) | Self-driving method and related device | |
CN111768642A (zh) | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 | |
CN113692373B (zh) | 自动驾驶车辆服务的滞留和范围分析 | |
CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
US20210179141A1 (en) | System To Achieve Algorithm Safety In Heterogeneous Compute Platform | |
CN110562269A (zh) | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 | |
DE112022003364T5 (de) | Komplementäres steuersystem für ein autonomes fahrzeug | |
US10953871B2 (en) | Transportation infrastructure communication and control | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
US20230256999A1 (en) | Simulation of imminent crash to minimize damage involving an autonomous vehicle | |
CN110908367A (zh) | 一种基于scstsv的智能网联汽车计算平台 | |
CN115092159A (zh) | 一种车道线自主智能测绘系统和方法 | |
Wang et al. | Trajectory prediction for left-turn vehicles at T-shaped intersections based on location based service | |
EP4235211A1 (en) | Retroflector on autonomous vehicles for automated buddy camera, light detecting and ranging, and radio detection and ranging calibration | |
US20230221408A1 (en) | Radar multipath filter with track priors | |
US20230194697A1 (en) | Continuous radar calibration check | |
US20230280457A1 (en) | Radar detector with velocity profiling | |
CN115139999B (zh) | 车辆与行人防撞控制方法及装置、电子设备、存储介质 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200605 Assignee: Tianyi Transportation Technology Co.,Ltd. Assignor: CIIC Technology Co.,Ltd.|Zhongzhixing (Shanghai) Transportation Technology Co.,Ltd. Contract record no.: X2022980001515 Denomination of invention: A vehicle driving safety monitoring method, device and driverless vehicle Granted publication date: 20201225 License type: Common License Record date: 20220214 |
|
EE01 | Entry into force of recordation of patent licensing contract |