CN113156927A

CN113156927A - 自动驾驶车辆的安全控制方法及安全控制装置

Info

Publication number: CN113156927A
Application number: CN202010075420.1A
Authority: CN
Inventors: 王超; 王新宇; 程思源
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2020-01-22
Filing date: 2020-01-22
Publication date: 2021-07-23

Abstract

本申请涉及人工智能，提供了一种自动驾驶车辆的安全控制方法及安全控制装置，该安全控制方法包括获取自动驾驶车辆的运动规划轨迹信息，运动规划轨迹信息是指自动驾驶车辆所在坐标系下的规划轨迹信息；根据运动规划轨迹信息与自动驾驶车辆的运动控制器，得到自动驾驶车辆的预测车辆位姿，预测车辆位姿是指运动控制器执行运动规划轨迹信息得到的车辆位姿；根据预测车辆位姿与障碍物信息预测碰撞检测结果，碰撞检测结果用于表示自动驾驶车辆是否将与障碍物发生碰撞，障碍物信息用于表示障碍物；在碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正运动规划轨迹信息。本申请的方案能够提高预测车辆位姿的准确性。

Description

自动驾驶车辆的安全控制方法及安全控制装置

技术领域

本申请涉及自动驾驶领域，特别涉及一种自动驾驶车辆的安全控制方法及安全控制装置。

背景技术

人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。

自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置；一些自动驾驶车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入；自动驾驶车辆准许操作者从手动模操作式切换到自动驾驶模式或者介于两者之间的模式，由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。

目前，自动驾驶车辆中的规划控制模块用于规划自动驾驶车辆的运动规划轨迹，规划控制模块认为自动驾驶车辆能够通过运动规划轨迹避免与道路边沿的行人发生碰撞风险，安全地在道路上行驶；但是，由于自动驾驶车辆在按照运动规划轨迹行驶时，下层的车辆执行机构可能会存在执行误差，从而导致自动驾驶车辆会偏离运动规划轨迹并与道路边沿的行人发生碰撞。因此，如何提供一种自动驾驶车辆的安全控制方法，使得自动驾驶车辆能够安全地行驶成为一个亟需解决的问题。

发明内容

本申请提供一种自动驾驶车辆的安全控制方法及安全控制装置，能够提高自动驾驶车辆的预测车辆位姿的准确性，从而避免自动驾驶车辆与障碍物发生碰撞。

第一方面，提供了一种自动驾驶车辆的安全控制方法，包括：获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；根据所述运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于表示所述障碍物；在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息。

其中，上述运动规划轨迹信息可以指由自动驾驶车辆的上层运动规划模块根据自动驾驶车辆周围的环境信息得到的自动驾驶车辆的行驶轨迹信息。

应理解，上述预测车辆位姿可以是基于运动规划轨迹信息以及模拟自动驾驶车辆的执行机构(例如，运动控制器)的执行误差预测的自动驾驶车辆在实际行驶时的车辆位姿。

还应理解，上述运动控制器必须确保与自动驾驶车辆实际驾驶时使用相同的控制器，以保证控制环节同源；这样才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制器引入的误差，得到自动驾驶车辆基于运动规划轨迹的预测行驶轨迹。

在一种可能的实现方式中，可以根据自动驾驶车辆的预测车辆位姿与环境感知结果中的障碍物信息进行碰撞检测，得到碰撞检测结果；其中，障碍物可以包括静态障碍物与动态障碍物，静态障碍物可以是指位置不会发生改变或者位置很少发改变的障碍物，比如，道路边上处于静止状态的障碍物；动态障碍物可以是指位置经常发生改变的障碍物，比如，运动的车辆或者运动的行人。

在本申请的实施例中，通过将运动规划轨迹信息输入自动驾驶车辆的运动控制器可以模拟得到自动驾驶车辆基于运动规划轨迹实际行驶时的预测车辆位姿；通过预测车辆位姿可以准确得到自动驾驶车辆未来时刻的车辆位姿，从而避免自动驾驶车辆与道路上的障碍物或者行人发生碰撞，能够确保自动驾驶车辆驾驶时的安全性，提高自动驾驶车辆的预测车辆位姿的准确性。

结合第一方面，在第一方面的某些实现方式中，所述安全控制方法还包括：保存所述自动驾驶车辆的车辆信息，其中，所述车辆信息包括所述自动驾驶车辆在全局坐标系下的规划轨迹信息；所述获取自动驾驶车辆的运动规划轨迹信息，包括：在监测到所述自动驾驶车辆处于异常状态的情况下，从保存的所述车辆信息中获取所述自动驾驶车辆在全局坐标系下的规划轨迹信息；将所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到所述运动规划轨迹信息。

应理解，上述自动驾驶车辆处于异常状态的情况下可以是指自动驾驶车辆中的任意一个或者多个部件失效的情况下，比如，可以是指自动驾驶车辆的计算平台故障，或者，可以是指自动驾驶车辆的部分传感器异常。

在一种可能的实现方式中，在自动驾驶车辆处于正常状态的情况下，可以保存上层规划模块或者传感器的输出的重要信息生成缓存数据，比如，记录环境感知结果、车辆信息以及运动规划结果。

在一种可能的实现方式中，在自动驾驶车辆处于异常状态的情况下，可能无法获取自动驾驶车辆的上层规划模块或者传感系统输出的信息，则可以从缓存数据中调用数据，从而进行自动驾驶车辆的规划与控制。

结合第一方面，在第一方面的某些实现方式中，所述车辆信息还包括所述自动驾驶车辆的行驶位置信息，所述安全控制方法还包络：在监测到所述自动驾驶车辆处于异常状态的情况下，根据所述行驶位置信息、所述自动驾驶车辆的状态信息与航位推算算法得到所述自动驾驶车辆的当前时刻的定位信息，其中，所述自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度以及当前时刻的方向盘转角；所述根据所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到所述运动规划轨迹信息，包括：根据所述自动驾驶车辆的当前时刻的定位信息与所述自动驾驶车辆在全局坐标系下的规划轨迹信息，得到所述运动规划轨迹信息。

其中，上述自动驾驶车辆处于异常的情况下可以是指自动驾驶车辆中的定位模块异常，即自动驾驶车辆无法实时获取车辆的定位信息。

在一种可能的实现方式中，可以根据航位推算算法进行车辆定位。比如，可以根据以下公式，得到自动驾驶车辆当前时刻的定位信息：

其中，x_k和y_k可以分别表示自动驾驶车辆在第k时刻在地面坐标系中的横坐标与纵坐标，x₀和y₀可以分别表示自动驾驶车辆起始时刻在地面坐标系中的横坐标与纵坐标，S_i表示第i个采样周期中自动驾驶车辆前进的距离，θ_i表示第i个采样周期中自动驾驶车辆的前进方向与地面坐标系x轴方向的夹角。

在本申请的实施例中，在监测到自动驾驶车辆出现异常状态时，可以迅速调用缓存数据并通过航位推算算法得到自动驾驶车辆的当前时刻的定位信息，进而基于定位信息将从缓存数据中获取的自动驾驶车辆在全局坐标系下的轨迹信息转换为局部坐标系下的轨迹信息即自动驾驶车辆所在坐标系下的轨迹信息；从而避免自动驾驶车辆在处于异常状态下无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故的问题，提高自动驾驶车辆行驶时的安全性。

结合第一方面，在第一方面的某些实现方式中，所述根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，以得到所述自动驾驶车辆的预测车辆位姿，包括：将所述运动规划轨迹信息输入所述自动驾驶车辆的运动控制器，得到控制指令，所述控制指令用于指示所述自动驾驶车辆的方向盘控制量、油门控制量以及刹车控制量的调整；将所述控制指令输入车辆动力学模型，得到所述预测车辆位姿。

在一种可能的实现方式中，可以将上述运动规划轨迹信息输入自动驾驶车辆的横向控制器中，得到指示调整所述自动驾驶车辆的方向盘控制量的控制指令；将上述运动规划轨迹信息输入自动驾驶车辆的纵向控制器中，得到指示调整所述自动驾驶车辆的油门控制量以及刹车控制量的控制指令。

需要说明的是，横向控制器与纵向控制器必须确保与自动驾驶车辆实际驾驶时使用相同的横向控制器以及纵向控制器，以保证控制环节同源；这样才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制引入的误差，预测准确地预测自动驾驶车辆的车辆位姿。

在本申请的实施例中，通过将运动规划轨迹信息输入自动驾驶车辆的横向控制器与纵向控制器可以模拟得到自动驾驶车辆基于运动规划轨迹实际行驶时的执行误差，从而得到自动驾驶车辆的运动参数，根据运动参数可以得到自动驾驶车辆的预测车辆位姿；通过预测车辆位姿可以准确得到自动驾驶车辆未来时刻的车辆位姿，从而避免自动驾驶车辆与道路上的障碍物或者行人发生碰撞，能够确保自动驾驶车辆驾驶时的安全性。

结合第一方面，在第一方面的某些实现方式中，所述在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹，包括：在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，根据所述自动驾驶车辆将与所述障碍物碰撞时的车辆位姿修正所述运动规划轨迹信息。

在一种可能的实现方式中，若检测到自动驾驶车辆的预测车辆位姿与障碍物存在碰撞风险，则可以记录下可能的碰撞时间以及碰撞位置，同时可以生成危险虚拟墙；其中，虚拟墙可以是对于前方车辆、终点、红灯停止线等不可通行区域的抽象表述，表明此处不允许自动驾驶车辆通过，从而使得自动驾驶车辆可以减速行驶甚至停车避让可能会发生碰撞的障碍物。

在本申请的实施例中，通过自动驾驶车辆与障碍物信息进行碰撞检测得到的碰撞检测结果为自动驾驶车辆会与障碍物发生碰撞的情况下，可以根据自动驾驶车辆与障碍物碰撞时的车辆位姿，对自动驾驶车辆的运动规划轨迹进行修正，从而使得自动驾驶车辆能够避让障碍物，避免于障碍物发生碰撞，提高自动驾驶车辆行驶时的安全性。

第二方面，提供了一种自动驾驶车辆的安全控制装置，包括：获取单元，用于获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；处理单元，用于根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于表示所述障碍物；在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息。

示例性地，上述自动驾驶车辆的安全控制装置可以是自动驾驶车辆中的车载装置，或者，可以是配置于自动驾驶车辆的车载装置中的芯片。

结合第二方面，在第二方面的某些实现方式中，所述处理单元还用于：保存所述自动驾驶车辆的车辆信息，其中，所述车辆信息包括所述自动驾驶车辆在全局坐标系下的规划轨迹信息；所述获取单元具体用于：在监测到所述自动驾驶车辆处于异常状态的情况下，从保存的所述车辆信息中获取所述自动驾驶车辆在全局坐标系下的规划轨迹信息；将所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标系转换得到所述运动规划轨迹信息。

结合第二方面，在第二方面的某些实现方式中，所述车辆信息还包括所述自动驾驶车辆的行驶位置信息，所述处理单元还用于：在监测到所述自动驾驶车辆处于异常状态的情况下，根据所述行驶位置信息、所述自动驾驶车辆的状态信息与航位推算算法得到所述自动驾驶车辆的当前时刻的定位信息，其中，所述自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度、当前时刻的方向盘转角、当前时刻的油门控制量以及所述当前时刻的刹车控制量；所述获取单元具体用于：根据所述自动驾驶车辆的当前时刻的定位信息与所述自动驾驶车辆在全局坐标系下的规划轨迹信息，得到所述运动规划轨迹信息。

在本申请的实施例中，在自动驾驶车辆出现异常状态时，可以迅速调用缓存数据并通过航位推算算法得到自动驾驶车辆的当前时刻的定位信息，进而基于定位信息将从缓存数据中获取的自动驾驶车辆在全局坐标系下的轨迹信息转换为局部坐标系下的轨迹信息即自动驾驶车辆所在坐标系下的轨迹信息；从而避免自动驾驶车辆在处于异常状态下无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故的问题，提高自动驾驶车辆行驶时的安全性。

结合第二方面，在第二方面的某些实现方式中，所述根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，以得到所述自动驾驶车辆的预测车辆位姿，包括：将所述运动规划轨迹信息输入所述自动驾驶车辆的运动控制器，得到控制指令，所述控制指令用于指示所述自动驾驶车辆的方向盘控制量、油门控制量以及刹车控制量的调整；将所述控制指令输入车辆动力学模型，得到所述预测车辆位姿。

在一种可能的实现方式中，可以将上述运动规划轨迹信息输入自动驾驶车辆的横向控制器中，得到指示调整所述自动驾驶车辆的方向盘控制量的控制指令；将上述运动规划轨迹信息输入自动驾驶车辆的纵向控制器中，得到指令调整所述自动驾驶车辆的油门控制量以及刹车控制量的控制指令。

结合第二方面，在第二方面的某些实现方式中，所述在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹，包括：在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，根据所述自动驾驶车辆将与所述障碍物碰撞时的车辆位姿修正所述运动规划轨迹信息。

第三方面，提供了一种自动驾驶车辆的安全控制装置，包括：存储器，用于存储程序；处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行以下过程：获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；根据所述运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于表示所述障碍物；在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息。

在一种可能的实现方式中，上述装置中包括的处理器还用于执行第一方面以及第一方面中的任意一种实现方式中安全控制方法。

可选地，上述存储器可以位于处理器内部，例如，可以是处理器中的高速缓冲存储器(cache)。上述存储器还可以位于处理器外部，从而独立于处理器。

应理解，在上述第一方面中对相关内容的扩展、限定、解释和说明也适用于第三方面中相同的内容。

第四方面，提供了一种自动驾驶车辆，包括上述第二方面以及第二方面中的任意一种实现方式中的安全控制装置。

第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述第一方面以及第一方面中的任意一种实现方式中的安全控制方法。

需要说明的是，上述计算机程序代码可以全部或者部分存储在第一存储介质上，其中，第一存储介质可以与处理器封装在一起的，也可以与处理器单独封装，本申请实施例对此不作具体限定。

第六方面，提供了一种计算机可读介质，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述第一方面以及第一方面中的任意一种实现方式中的安全控制方法。

第七方面，提供了一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，执行上述第一方面以及第一方面中的任意一种实现方式中的安全控制方法。

可选地，作为一种实现方式，所述芯片还可以包括存储器，所述存储器中存储有指令，所述处理器用于执行所述存储器上存储的指令，当所述指令被执行时，所述处理器用于执行上述第一方面以及第一方面中的任意一种实现方式中的安全控制方法。

附图说明

图1是本申请实施例提供的一种车辆的结构示意图；

图2是本申请实施例提供的一种计算机系统的结构示意图；

图3是本申请实施例提供的一种云侧指令自动驾驶车辆的应用示意图；

图4是本申请实施例提供的一种应用场景的示意图；

图5是本申请实施例提供的自动驾驶车辆的系统架构的示意图；

图6是本申请实施例提供的另一种应用场景的示意图；

图7是本申请实施例提供的自动驾驶车辆的安全控制方法的示意性流程图；

图8是本申请实施例提供的自动驾驶车辆的预测车辆位姿的示意性流程图；

图9是本申请实施例提供的自动驾驶车辆的预测车辆位姿的示意图；

图10是本申请实施例提供的自动驾驶车辆的进行运动规划轨迹修正的示意性流程图；

图11是本申请实施例提供的自动驾驶车辆进行运动规划轨迹修正的应用场景示意图；

图12是本申请实施例提供的虚拟墙的示意图；

图13是本申请实施例提供的自动驾驶车辆的异常处理方法的示意性流程图；

图14是本申请实施例提供的碰撞检测的示意图；

图15是本申请实施例提供的自动驾驶车辆的安全控制装置的示意性框图；

图16是本申请实施例提供的自动驾驶车辆的安全控制装置的硬件结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

图1是本申请实施例提供的车辆100的功能框图。其中，车辆100可以是人工驾驶车辆，或者可以将车辆100配置可以为完全或部分地自动驾驶模式。

在一个示例中，车辆100可以在处于自动驾驶模式中的同时控制自车，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。

车辆100中可以包括各种子系统，例如，行进系统110、传感系统120、控制系统130、一个或多个外围设备140以及电源160、计算机系统150和用户接口170。

可选地，车辆100可以包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

示例性地，行进系统110可以包括用于向车辆100提供动力运动的组件。在一个实施例中，行进系统110可以包括引擎111、传动装置112、能量源113和车轮114/轮胎。其中，引擎111可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合；例如，汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎111可以将能量源113转换成机械能量。

示例性地，能量源113可以包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源113也可以为车辆100的其他系统提供能量。

示例性地，传动装置112可以包括变速箱、差速器和驱动轴；其中，传动装置112可以将来自引擎111的机械动力传送到车轮114。

在一个实施例中，传动装置112还可以包括其他器件，比如离合器。其中，驱动轴可以包括可耦合到一个或多个车轮114的一个或多个轴。

示例性地，传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。

例如，传感系统120可以包括定位系统121(例如，GPS系统、北斗系统或者其他定位系统)、惯性测量单元122(inertial measurement unit，IMU)、雷达123、激光测距仪124以及相机125。传感系统120还可以包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

其中，定位系统121可以用于估计车辆100的地理位置。IMU122可以用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 122可以是加速度计和陀螺仪的组合。

示例性地，雷达123可以利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达123还可用于感测物体的速度和/或前进方向。

示例性地，激光测距仪124可以利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪124可以包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

示例性地，相机125可以用于捕捉车辆100的周边环境的多个图像。例如，相机125可以是静态相机或视频相机。

如图1所示，控制系统130为控制车辆100及其组件的操作。控制系统130可以包括各种元件，比如可以包括转向系统131、油门132、制动单元133、计算机视觉系统134、路线控制系统135以及障碍规避系统136。

示例性地，转向系统131可以操作来调整车辆100的前进方向。例如，在一个实施例中可以为方向盘系统。油门132可以用于控制引擎111的操作速度并进而控制车辆100的速度。

示例性地，制动单元133可以用于控制车辆100减速；制动单元133可以使用摩擦力来减慢车轮114。在其他实施例中，制动单元133可以将车轮114的动能转换为电流。制动单元133也可以采取其他形式来减慢车轮114转速从而控制车辆100的速度。

如图1所示，计算机视觉系统134可以操作来处理和分析由相机125捕捉的图像以便识别车辆100周边环境中的物体和/或特征。上述物体和/或特征可以包括交通信号、道路边界和障碍物。计算机视觉系统134可以使用物体识别算法、运动中恢复结构(Structurefrom Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统134可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

示例性地，路线控制系统135可以用于确定车辆100的行驶路线。在一些实施例中，路线控制系统135可结合来自传感器、GPS和一个或多个预定地图的数据以为车辆100确定行驶路线。

如图1所示，障碍规避系统136可以用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

在一个实例中，控制系统130可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

如图1所示，车辆100可以通过外围设备140与外部传感器、其他车辆、其他计算机系统或用户之间进行交互；其中，外围设备140可包括无线通信系统141、车载电脑142、麦克风143和/或扬声器144。

在一些实施例中，外围设备140可以提供车辆100与用户接口170交互的手段。例如，车载电脑142可以向车辆100的用户提供信息；用户接口116还可操作车载电脑142来接收用户的输入；车载电脑142可以通过触摸屏进行操作。在其他情况中，外围设备140可以提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风143可以从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器144可以向车辆100的用户输出音频。

如图1所述，无线通信系统141可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统141可以使用3G蜂窝通信；例如，码分多址(codedivisionmultiple access，CDMA))、EVD0、全球移动通信系统(global system for mobilecommunications，GSM)/通用分组无线服务(general packet radio service，GPRS)，或者4G蜂窝通信，例如长期演进(long term evolution，LTE)；或者，5G蜂窝通信。无线通信系统141可以利用无线上网(WiFi)与无线局域网(wireless local area network，WLAN)通信。

在一些实施例中，无线通信系统141可以利用红外链路、蓝牙或者紫蜂协议(ZigBee)与设备直接通信；其他无线协议，例如各种车辆通信系统，例如，无线通信系统141可以包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

如图1所示，电源160可以向车辆100的各种组件提供电力。在一个实施例中，电源160可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源160和能量源113可一起实现，例如一些全电动车中那样。

示例性地，车辆100的部分或所有功能可以受计算机系统150控制，其中，计算机系统150可以包括至少一个处理器151，处理器151执行存储在例如存储器152中的非暂态计算机可读介质中的指令153。计算机系统150还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

例如，处理器151可以是任何常规的处理器，诸如商业可获得的CPU。

可选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器152可包含指令153(例如，程序逻辑)，指令153可以被处理器151执行来执行车辆100的各种功能，包括以上描述的那些功能。存储器152也可包含额外的指令，比如包括向行进系统110、传感系统120、控制系统130和外围设备140中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

示例性地，除了指令153以外，存储器152还可存储数据，例如，道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统150使用。

如图1所示，用户接口170可以用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口170可以包括在外围设备140的集合内的一个或多个输入/输出设备，例如，无线通信系统141、车载电脑142、麦克风143和扬声器144。

在本申请的实施例中，计算机系统150可以基于从各种子系统(例如，行进系统110、传感系统120和控制系统130)以及从用户接口170接收的输入来控制车辆100的功能。例如，计算机系统150可以利用来自控制系统130的输入以便控制制动单元133来避免由传感系统120和障碍规避系统136检测到的障碍物。在一些实施例中，计算机系统150可操作来对车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器152可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

可选地，车辆100可以是在道路行进的自动驾驶汽车，可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。

可选地，车辆100或者与车辆100相关联的计算设备(如图1的计算机系统150、计算机视觉系统134、存储器152)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰等等)来预测所述识别的物体的行为。

可选地，每一个所识别的物体都依赖于彼此的行为，因此，还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

在一种可能的实现方式中，上述图1所示的车辆100可以是自动驾驶车辆，下面对自动驾驶系统的进行详细描述。

图2是本申请实施例提供的自动驾驶系统的示意图。

如图2所示的自动驾驶系统包括计算机系统201，其中，计算机系统201包括处理器203，处理器203和系统总线205耦合。处理器203可以是一个或者多个处理器，其中，每个处理器都可以包括一个或多个处理器核。显示适配器207(video adapter)，显示适配器可以驱动显示器209，显示器209和系统总线205耦合。系统总线205可以通过总线桥211和输入输出(I/O)总线213耦合，I/O接口215和I/O总线耦合。I/O接口215和多种I/O设备进行通信，比如，输入设备217(如：键盘，鼠标，触摸屏等)，媒体盘221(media tray),(例如，CD-ROM，多媒体接口等)。收发器223可以发送和/或接受无线电通信信号，摄像头255可以捕捉景田和动态数字视频图像。其中，和I/O接口215相连接的接口可以是USB端口225。

其中，处理器203可以是任何传统处理器，比如，精简指令集计算(reducedinstruction set computer，RISC)处理器、复杂指令集计算(complex instruction setcomputer，CISC)处理器或上述的组合。

可选地，处理器203可以是诸如专用集成电路(application specificintegrated circuit，ASIC)的专用装置；处理器203可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。

可选地，在本文所述的各种实施例中，计算机系统201可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆无线通信。在其它方面，本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行，其它由远程处理器执行，包括采取执行单个操纵所需的动作。

计算机系统201可以通过网络接口229和软件部署服务器249通信。网络接口229可以是硬件网络接口，比如，网卡。网络227可以是外部网络，比如，因特网，也可以是内部网络，比如以太网或者虚拟私人网络(virtual private network，VPN)。可选地，网络227还可以是无线网络，比如wifi网络，蜂窝网络等。

如图2所示，硬盘驱动接口和系统总线205耦合，硬件驱动器接口231可以与硬盘驱动器233相连接，系统内存235和系统总线205耦合。运行在系统内存235的数据可以包括操作系统237和应用程序243。其中，操作系统237可以包括解析器239(shell)和内核241(kernel)。shell 239是介于使用者和操作系统之内核(kernel)间的一个接口。Shell可以是操作系统最外面的一层；shell可以管理使用者与操作系统之间的交互，比如，等待使用者的输入，向操作系统解释使用者的输入，并且处理各种各样的操作系统的输出结果。内核241可以由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互，操作系统内核通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。应用程序243包括控制汽车自动驾驶相关的程序，比如，管理自动驾驶的汽车和路上障碍物交互的程序，控制自动驾驶汽车路线或者速度的程序，控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。应用程序243也存在于软件部署服务器249的系统上。在一个实施例中，在需要执行自动驾驶相关程序247时，计算机系统201可以从软件部署服务器249下载应用程序。

例如，应用程序243还可以是控制自动驾驶车辆进行自动泊车的程序。

示例性地，传感器253可以与计算机系统201关联，传感器253可以用于探测计算机201周围的环境。

举例来说，传感器253可以探测动物，汽车，障碍物和人行横道等，进一步传感器还可以探测上述动物，汽车，障碍物和人行横道等物体周围的环境，比如：动物周围的环境，例如，动物周围出现的其他动物，天气条件，周围环境的光亮度等。

可选地，如果计算机201位于自动驾驶的汽车上，传感器可以是摄像头，红外线感应器，化学检测器，麦克风等。

在一个示例中，图1所示的计算机系统150还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者，从车辆100的传感系统120收集的传感器数据可以被转移到另一个计算机对此数据进行处理。

例如，如图3所示，来自计算机系统312的数据可以经由网络被传送到云侧的服务器320用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合；这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。

在一个示例中，服务器320可以包括具有多个计算机的服务器，例如负载均衡服务器群，为了从计算机系统312接收、处理并传送数据的目的，其与网络的不同节点交换信息。该服务器可以被类似于计算机系统312配置，具有处理器330、存储器340、指令350、和数据360。

示例性地，服务器320的数据360可以包括自动驾驶车辆周围道路情况的相关信息。例如，服务器320可以接收、检测、存储、更新、以及传送与自动驾驶车辆道路情况的相关信息。

下面结合图4至图14对本申请实施例提供的自动驾驶车辆的安全控制方法进行详细的描述。

首先，本申请实施例涉及的关于自动驾驶技术中的相关术语进行简要的说明。

1、平行系统

平行系统是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。

2、行为安全

行为安全是指自动驾驶车辆的行为决策和运动规划在遵守交通法规的同时可以保证无碰撞风险。

3、功能安全

功能安全是指指自动驾驶车辆在发生故障的情况下，指自动驾驶车辆仍然可以安全运行至停车。

4、可通行区域

可通行区域是指用栅格地图描述的物理世界，每个栅格可以为占据、未占据、未知等状态。

5、虚拟墙

虚拟墙是一种对于前方车辆、终点、红灯停止线等不可通行区域的抽象表述，设置虚拟墙可以表明该处不允许通过。

如图4所示的示意图，目前通过自动驾驶车辆的规划控制模块认为自动驾驶车辆能够通过预测行驶轨迹避免与道路边沿的行人发生碰撞风险，安全地在道路上行驶，如图4中的(a)所示的规划的自车轨迹即自动驾驶车辆的运动规划轨迹；但是自动驾驶车辆的实际行驶情况如图4中的(b)所示的实际的自车轨迹即自动驾驶车辆的真实运动轨迹，由于自动驾驶车辆在按照运动规划轨迹行驶时，下层的车辆执行机构可能会存在执行误差，从而导致自动驾驶车辆会偏离预测行驶轨迹并与道路边沿的行人发生碰撞，导致自动驾驶车辆在行驶过程中存在安全风险。

有鉴于此，本申请实施例提供了一种自动驾驶车辆的安全控制方法，使得在规划自动驾驶车辆的预测行驶轨迹时考虑到自动驾驶车辆运动控制与车辆执行机构可能存在的误差，从而准确的预测自动驾驶车辆未来时刻的车辆位姿，避免自动驾驶车辆与道路上的障碍物或者行人发生碰撞，从而能够确保自动驾驶车辆的安全性。

图5是本申请实施例提供的自动驾驶车辆的系统架构的示意图。如图5所示，在本申请的实施例中引入后备小系统可以承载在物理硬件上，比如承载在微控制单元(microcontroller unit，MCU)，MCU又称为单片微型计算机(single chip microcomputer)或者单片机MCU可以部署于运算平台与执行机构之间；其中，MCU中可以包括系统检测模块、异常处理模块、航位递推定位模块、平行系统安全保护模块以及运动控制模块。

应理解，计算平台410可以是指自动驾驶车辆中的计算模块，后备小系统420可以是自动驾驶车辆中的控制模块，后备小系统420可以与自动驾驶车辆中的其它控制模块部署于同一模块中，或者，后备小系统420也可以是与自动驾驶车辆中其它控制模块独立部署的模块。

例如，如图5所示，系统监测模块可以用于监测系统的健康状态，反馈给异常处理模块；异常处理模块可以接收系统监测模块的健康状态，生成平行系统安全保护模块所需数据；平行系统安全保护模块可以用于根据获取的数据(例如，计算平台传输的数据，或者异常处理模块生成的数据)，生成自动驾驶车辆未来时刻的预测位姿，根据预测位姿与感知检测结果进行碰撞检测，根据碰撞检测结果对自动驾驶车辆的车辆规划信息进行修正；航位递推定位模块可以用于在系统检测结果为异常的情况下，触发根据轮速计生成自动驾驶车辆的实时定位结果；运动控制模块可以用于根据平行系统安全保护模块生成的行为规划数据，生成自动驾驶车辆的控制指令(例如，挡位、油门、刹车或者方向盘)，发送至执行机构，其中，执行机构可以是指自动驾驶车辆的加速踏板、制动踏板及转向盘等操作机构。

在一个示例中，在计算机平台运行正常的情况下，上述异常处理模块可以透传计算平台发出的运动规划结果、车辆信息、环境感知结果等数据给后备小系统使用；与此同时，异常处理模块还可以生成缓存数据，比如，记录环境感知结果、车辆信息以及运动规划结果。

在另一个示例中，在计算机平台运行异常或者自动驾驶车辆的部分传感器异常的情况下，如图6中的(a)所示，异常处理模块可以迅速调用缓存数据，并利用航位递推定位模块采用航位推算方法对车辆进行定位，并通过平行系统安全保护模块预测自动车辆的车体位姿，从而后备小系统执行自动驾驶车辆后续的运动规划和控制。

例如，自动驾驶车辆行驶过程中，由于天气、光照、磁场、震动等多种环境因素以及自动驾驶车辆本身的工作状态的影响，可能会出现传感器工作异常，甚至是计算平台系统异常的情况。在这种情况下，自动驾驶车辆可能会出现车体定位异常，无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故。即使自动驾驶车辆可以进行准确定位，但是由于感知系统异常，也可能出现无法准确感知环境中的障碍物，尤其是无法准确预测动态障碍物的行进轨迹，有发生碰撞的风险。

针对上述使用场景，本申请实施例中的后备小系统可以监控车载计算平台和传感器工作状态，在车载计算平台正常运行的情况下将重要数据信息存入缓存；当监测到计算平台给出的数据异常时，将会调用缓存数据，以航位推算的方式进行车体定位；同时基于平行系统安全保护模块根据本申请实施例提供的自动驾驶车辆的安全控制方法从而准确地预测自动驾驶车辆的位姿，并与缓存中的障碍物信息进行碰撞预测，从而能够在自动驾驶车辆存在碰撞危险的情况下规划自动驾驶车辆减速停车，确保自动驾驶车辆的安全性。

下面结合图7对本申请实施例提供的自动驾驶车辆的安全控制方法进行详细的描述。图7所示的安全控制方法500可以由图1所示自动驾驶车辆，或者，图2所示的自动驾驶系统来执行，或者，图5所示的自动驾驶车辆的后备小系统420执行。图7所示的安全控制方法500包括步骤510至步骤540，下面分别对这些步骤进行详细的描述。

步骤510、获取自动驾驶车辆在的运动规划轨迹的信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息。

示例性地，运动规划轨迹可以是指由自动驾驶车辆的上层运动规划模块根据自动驾驶车辆周围的环境信息得到的期望自动驾驶车辆行驶的轨迹。比如，可以将运动规划模块规划的全局坐标下(例如，东北天坐标系)的轨迹信息结果自动驾驶车辆的定位信息转换至自动驾驶车辆所在坐标下的轨迹信息。

例如，如图5所示，运动规划轨迹可以是计算平台410计算得到的。

在一种可能的实现方式中，自动驾驶车辆的运动规划轨迹可以是通过透传上层运动规划模块输出的运动结果得到的。

进一步地，在透传上层计算平台的数据时，还可以生成缓存数据，比如，记录环境感知结果、车辆信息以及运动规划结果等重要数据。

在另一种可能的实现方式中，在监测到自动驾驶车辆处于异常的情况下，可以根据缓存数据得到运动规划轨迹。

应理解，自动驾驶车辆处于异常的情况下可以是指自动驾驶车辆中的任意一个或者多个部件失效的情况下，比如，可以是指自动驾驶车辆的计算平台故障，或者，可以是指自动驾驶车辆的部分传感器异常。

示例性地，上述安全控制方法还包括：保存自动驾驶车辆的车辆信息，其中，车辆信息可以包括自动驾驶车辆在全局坐标系下的规划轨迹信息；上述获取自动驾驶车辆的规划运动轨迹的信息可以包括：在监测到自动驾驶车辆处于异常状态的情况下，从保存的车辆信息中获取全局坐标系下的规划轨迹信息；将自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到运动规划轨迹信息。

在本申请的实施例中，在监测到自动驾驶车辆出现异常状态时，可以迅速调用保存的自动驾驶车辆的车辆信息(例如，缓存数据)，根据保存的车辆信息对自动驾驶车辆进行规划与控制，从而避免自动驾驶车辆在处于异常状态下无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故的问题，提高自动驾驶车辆行驶时的安全性。

示例性地，上述车辆信息还可以包括自动驾驶车辆的行驶位置信息，安全控制方法还包络：在监测到自动驾驶车辆处于异常的情况下，可以根据行驶位置信息、自动驾驶车辆的状态信息与航位推算算法得到自动驾驶车辆当前时刻的定位信息，其中，自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度、当前时刻的方向盘转角、当前时刻的油门控制量以及所述当前时刻的刹车控制量；上述根据自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到所述运动规划轨迹信息，包括：根据自动驾驶车辆的当前时刻的定位信息与自动驾驶车辆在全局坐标系下的规划轨迹信息，得到上述运动规划轨迹信息。

在本申请的实施例中，当自动驾驶车辆出现异常状态时，比如，自动驾驶车辆的定位模块出现异常的情况下，可以迅速调用缓存数据得到自动驾驶车辆的当前时刻的车辆位姿，进而对自动驾驶车辆进行规划与控制；从而避免自动驾驶车辆在处于异常状态下无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故的问题，提高自动驾驶车辆行驶时的安全性。

例如，如图5所示，自动驾驶车辆处于异常状态可能无法直接从计算平台410获取运动规划轨迹，则可以从缓存数据中获取自动驾驶车辆的状态信息，根据航位推算算法得到自动驾驶车辆在异常状态下行驶当前时刻的车辆位姿。

步骤520、根据运动规划轨迹信息与自动驾驶车辆的运动控制器，得到自动驾驶车辆的预测车辆位姿，其中，预测车辆位姿是指运动控制器执行运动规划轨迹信息得到的车辆位姿。

需要说明的是，运动规划轨迹信息可以是指期望自动驾驶车辆的行驶轨迹；预测车辆位姿可以是基于运动规划轨迹以及模拟自动驾驶车辆的执行机构(例如，运动控制器)的执行误差预测的自动驾驶车辆在实际行驶时的车辆位姿，或者接近实际行驶时的车辆位姿，多个时刻的预测车辆位姿组成的轨迹即自动驾驶车辆在实际行驶时的真实轨迹。

示例性地，预测车辆位姿可以是指预测车辆位置以及预测车辆姿态(roll pitchyaw)，其中，预测车辆姿态可以包括自动驾驶车辆的预测航向角。

应理解，上述运动控制器必须确保与自动驾驶车辆实际驾驶时使用相同的控制器，以保证控制环节同源；这样才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制引入的误差，预测自动驾驶车辆基于运动规划轨迹的真实运动轨迹。

上述根据运动规划轨迹与自动驾驶车辆的运动控制器得到自动驾驶车辆的预测车辆位姿的流程可以参见后续图8所示。

可选地，在一种可能的实现方式中，上述根据运动规划轨迹信息与自动驾驶车辆的运动控制器，得到自动驾驶车辆的预测车辆位姿，可以包括将运动规划轨迹信息输入自动驾驶车辆的运动控制器，得到控制指令，所述控制指令用于指示自动驾驶车辆的方向盘控制量、油门控制量以及刹车控制量的调整；将控制指令输入车辆动力学模型，得到预测车辆位姿。

需要说明的是，上述横向控制器与纵向控制器需要确保与自动驾驶车辆实际驾驶时使用相同的横向控制器以及纵向控制器，以保证控制环节同源；从而才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制引入的误差，得到准确地预测车辆位姿。

步骤530、根据预测车辆位姿与障碍物信息预测碰撞检测结果，其中，碰撞检测结果用于表示自动驾驶车辆是否将与障碍物发生碰撞，障碍物信息用于表示所述障碍物。

示例性地，可以根据自动驾驶车辆的预测车辆位姿与环境感知结果中的障碍物进行碰撞检测，其中，障碍物可以包括静态障碍物与动态障碍物，静态障碍物可以是指位置不会发生改变的障碍物，比如，道路边上处于静止状态的障碍物；动态障碍物可以是指位置会发生改变的障碍物，比如，运动的车辆或者运动的行人。

上述根据自动驾驶车辆的预测车辆位姿与障碍物信息得到碰撞检测结果的流程可以参见后续图10所示。

步骤540、在上述碰撞检测结果指示自动驾驶车辆将与障碍物碰撞的情况下，修正上述运动规划轨迹信息。

示例性地，在碰撞检测结果为自动驾驶车辆将与障碍物发生碰撞的情况下，可以根据自动驾驶车辆与障碍物碰撞时的车辆位姿，确定修正后的自动驾驶车辆的运动规划轨迹信息，从而使得自动驾驶车辆能够避让障碍物，避免于障碍物发生碰撞。

在本申请的实施例中，通过将运动规划轨迹信息输入自动驾驶车辆的运动控制器可以模拟得到自动驾驶车辆基于运动规划轨迹实际行驶时的执行误差，从而得到自动驾驶车辆的实际行驶时的车辆位姿；通过预测车辆位姿可以准确得到自动驾驶车辆未来时刻的车辆位姿，从而避免自动驾驶车辆与道路上的障碍物或者行人发生碰撞，能够确保自动驾驶车辆驾驶时的安全性。

此外，在本申请的实施例中，当自动驾驶车辆出现异常状态时，可以迅速调用缓存数据，根据缓存数据对自动驾驶车辆进行规划与控制，从而避免自动驾驶车辆在处于异常状态下无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故的问题，提高自动驾驶车辆行驶时的安全性。

图8是本申请实施例提供的自动驾驶车辆的预测车辆位姿的方法；图8所示的方法600可以由图1所示自动驾驶车辆，或者，图2所示的自动驾驶系统来执行，或者，图5所示的自动驾驶车辆的后备小系统420执行；其中，方法600可以包括步骤601至步骤609，下面分别对这些步骤进行详细的描述。

步骤601、获取运动规划结果；

其中，运动规划结果可以是指图5所示的运动规划信息。

示例性地，如图5所示，运动规划结果可以获取计算平台得到的运动规划结果。

例如，上层规划得到的规划结果可以为S^g＝{s_i(x,y,v)|i＝1,2,...,n}，S^g可以表示全局坐标系下(例如，东北天坐标系)的一条点列，其中，每个点的(x,y)可以用于表示位置，v可以用于表示该位置处对应的给定车速(例如，期望在该位置处的车速)。

举例说明，如图4中的(a)所示，上层规划环节认为不会与右前方的行人发生碰撞，因此，也不会有减速的行为；这里假设该轨迹的全部位置点给定车速v＝30km/h,即S^g＝{s_i(x,y,30)|i＝1,2,...,n}。

步骤602、获取自动驾驶车辆的车辆信息。

例如，自动驾驶车辆的车辆信息可以包括自动驾驶车辆的当前位置信息p₀(x,y,θ)，其中，(x,y)可以用于表示自动驾驶车辆的位置，θ可以用于表示自动驾驶车辆的朝向；当前挡位g₀，假设为前进挡D挡；当前车速v₀＝20km/h。

应理解，上述步骤601与步骤602可以是同时获取，也可以是一前一后执行，比如，先执行步骤601再执行步骤602，或者先执行步骤602再执行步骤601，本申请对此不作任何限定。

步骤603、预处理。

其中，用于对步骤601与步骤602获取的数据进行预处理，从而生成横向控制器与纵向控制器所需的输入数据。

例如，获取得到当前T₀时刻的自动驾驶车辆的车辆位姿p₀(x,y,θ)，获取T₀时刻自动驾驶车辆的档位g₀以及车速v₀；将上述全局坐标系下的轨迹S^g＝{s_i(x,y,v)|i＝1,2,...,n}通过将T₀时刻自动驾驶车辆的车辆位姿p₀(x,y,θ)转化到局部坐标系下，生成S₀＝{s_i(x,y,v)|i＝1,2,...,n}。

步骤604、将预处理的数据输入横向控制器。

例如，将上述通过步骤603预处理得到的T₀时刻的自动驾驶车辆的数据数据输入横向控制器，用于生成给定方向盘转角

需要说明的是，横向控制器必须确保与自动驾驶车辆实际驾驶时使用相同的横向控制器，以保证控制环节同源；这样才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制引入的误差。

示例性地，横向控制器可以采用用于自动驾驶车辆横向运动控制的任何方法；例如，基于模糊控制的横向控制策略、模型预测控制等方法。

步骤605、将预处理后的数据输入纵向控制器。

例如，将上述通过步骤603预处理得到的T₀时刻的自动驾驶车辆的数据数据输入纵向控制器，用于生成给定油门或刹车控制量C₀。

需要说明的是，纵向控制器必须确保与自动驾驶车辆实际驾驶时使用相同的纵向控制器，以保证控制环节同源；这样才能够模拟自动驾驶车辆在真实场景下的运动，从而得到运动控制引入的误差。

示例性地，纵向控制器可以采用用于自动驾驶车辆纵向运动控制的任何方法；例如，比例-积分-微分控制(PID控制)。

举例说明，当前车速v₀＝20km/h，该路点位置处的期望车速为v_g＝30km/h，根据PID控制策略，生成车辆给定油门或刹车控制量C₀＝+0.1；此处，给定油门或刹车控制量可以表示为比例系数，其中，+可以表示加速，-可以表示减速；比如，+0.1可以表示10％油门踏板量控制。

步骤606、将步骤604与步骤S605得到的运动参数输入动力学模型。

其中，运动参数可以包括通过上述步骤得到的方向盘转角

油门、或者刹车控制量C₀。

在一个示例中，可以将横向控制器与纵向控制器输出的运动参数(例如，又可以称为运动指令)输入动力学模型。

在另一个示例中，若动力学模型无法实现同时对横向控制器以及纵向控制器的输出参数同时进行处理，在本申请的实施中也可以将横向控制器输出的参数输入运动学模型，将纵向控制器输出的参数输入动力学模型。

示例性地，根据自动驾驶车辆的动力学特性，建立自动驾驶车辆的动力学模型。比如，可以根据上述纵向运动控制器生成的纵向控制量C₀，生成自动驾驶车辆的加速度a₀；根据T₀时刻的车速v₀，向前预测ΔT时间，生成T₁时刻的车速v₁。

示例性地，可以通过以下公式生成T₁时刻的车速v₁。

F_a＝F_T-F_w-F_r-F_i；

v₁＝v₀+a₀ΔT；

其中，F_T∝C₀是指自动驾驶车辆的驱动力；F_w表示空气阻力，与自动驾驶车辆的车速、迎风面积相关；F_r＝f·mg表示摩擦阻力，f为摩擦系数，mg表示自动驾驶车辆的车辆重力；F_i＝mg·sin(α)表示坡度阻力，α表示坡度。

举例说明，根据车辆的动力学特性，建立动力学模型；根据纵向运动控制器生成的纵向控制量C₀，生成车辆的加速度a₀＝3m/s²，根据T₀时刻的车速v₀＝20km/h，向前预测ΔT＝0.1s时间，生成T₁时刻的车速v₁＝20+3·0.1·3.6＝21.08km/h。

例如，根据阿克曼转向原理，建立自动驾驶车辆的运动学模型。基于上述横向运动控制器生成的方向盘转角

车辆动力学模型生成的车速v₁、自动驾驶车辆的初始位姿p₀(x,y,θ)，及根据运动学模型，可以生成得到T₁时刻的车辆位姿p₁(x₁,y₁,θ₁)。

示例性地，可以通过以下公式生成T₁时刻的车辆位姿。

步骤607、生成准确轮廓。

例如，根据T₁时刻自动驾驶车辆的车辆位姿与车辆外形包络，可以生成自动驾驶车辆的准确覆盖区域，比如，可以体现后视镜等轮廓外形的覆盖区域。

需要说明的是，在本申请的实施例中通过模拟自动驾驶车辆的运动控制器在执行运动规划轨迹时存在的执行误差，从而可以得到车辆行驶时的预测车辆位姿；该预测车辆位姿的准确性更高，从而可以获取更多的车辆信息，生成准确的覆盖区域的轮廓。

步骤608、判断是否达到预测时间。

若达到预测时间，则执行步骤609自动驾驶车辆的车辆位姿预测结束；若未达到预测时间，则返回执行步骤603。

例如，通过上述步骤601至步骤607可以根据T₀时刻的车辆信息可以生成T₁时刻的预测车辆位姿；根据T₁时刻的车辆信息预测生成T₂时刻的预测车辆位姿，以此类推，如图9所示，可以生成T₀至T_n时刻的预测车辆位姿列表。

示例性地，如图9中的(a)所示，为根据T₀时刻的车辆信息预测自动驾驶车辆T₁时刻的预测车辆位姿的示意图；如图9中的(b)所示，为根据T₁时刻的车辆信息预测自动驾驶车辆T₂时刻的预测车辆位姿的示意图；如图9中的(c)所示，为根据T₂时刻的车辆信息预测自动驾驶车辆T₃时刻的预测车辆位姿的示意图；以此类推，如图9中的(d)所示，为根据T_n-1时刻的车辆信息预测自动驾驶车辆T_n时刻的预测车辆位姿的示意图。

应理解，上述预测车辆位姿可以是指基于自动驾驶车辆的运动规划轨迹，考虑到自动驾驶车辆的执行机构所存在的执行误差，从而得到的自动驾驶车辆在实际行驶时的真实车辆位姿。

举例说明，可以将T₁时刻生成的自动驾驶车辆的运动参数信息作为步骤603预处理的输入数据，生成下一次迭代需要的输入数据。重复执行上述步骤604至步骤607，由T₁时刻的自动驾驶车辆的运动参数的信息预测生成T₂时刻的车辆位姿；以此类推，可以生成T₀至T_n时刻的车辆位姿，比如，P＝{p₀(x₀,y₀,20),p₁(x₁,y₁,21.08),...p_n(x_n,y_n,30)}。

通过上述图8与图9所示的行为规划方法可以生成自动驾驶车辆的预测车辆位姿的列表；进一步，在本申请的实施例中还可以根据得到的预测车辆位姿的列表与感知检测结果中包括的障碍物的信息进行障碍物的碰撞检测，得到碰撞检测结果；根据碰撞检测结果可以对生成的自动驾驶车辆的运动参数进行修正，得到修正后的自动驾驶车辆的车辆位姿。

示例性地，若检测到自动驾驶车辆的预测车辆位姿与障碍物存在碰撞风险，则可以记录下可能的碰撞时间以及碰撞位置，同时可以生成危险虚拟墙；其中，虚拟墙可以是对于前方车辆、终点、红灯停止线等不可通行区域的抽象表述，表明此处不允许自动驾驶车辆通过，从而使得自动驾驶车辆可以减速行驶甚至停车避让可能会发生碰撞的障碍物。

在本申请的实施例中，通过自动驾驶车辆与障碍物信息进行碰撞检测得到的碰撞检测结果为自动驾驶车辆会与障碍物发生碰撞的情况下，可以根据自动驾驶车辆与障碍物碰撞时的车辆位姿，对自动驾驶车辆的车辆位姿进行修正，从而使得自动驾驶车辆能够避让障碍物，避免于障碍物发生碰撞，提高自动驾驶车辆行驶时的安全性。

下面结合图10对自动驾驶车辆的进行运动规划轨迹修正的过程进行详细的描述。

图10是本申请实施例提供的自动驾驶车辆的运动规划轨迹进行修正的流程性示意图。图10所示的方法700可以由图1所示自动驾驶车辆，或者，图2所示的自动驾驶系统来执行，或者，图5所示的自动驾驶车辆的后备小系统420执行；图10所示的方法700可以在图5所示的后备小系统中执行，该方法700包括步骤701至步骤706，下面分别对这些步骤进行详细的描述。

步骤701、获取自动驾驶车辆的预测车辆位姿。

示例性地，上述预测车辆位姿可以是指预测车辆位姿列表。例如，可以通过上述图7或者图8所示的示意性流程图，得到自动驾驶车辆在行驶时的预测车辆位姿。

应理解，预测车辆位姿可以是基于运动规划轨迹以及模拟自动驾驶车辆的执行机构(例如，运动控制器)的执行误差得到的自动驾驶车辆在实际行驶时的车辆位姿，多个预测车辆位姿组成的轨迹可以是自动驾驶车辆在实际行驶时的行驶轨迹或者与自动驾驶车辆实际行驶时的行驶轨迹接近的轨迹。

步骤702、获取自动驾驶车辆的环境感知结果。

例如，可以通过自动驾驶车辆的传感系统感测自动驾驶车辆周围的环境信息。

示例性地，如图1所示的传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。

步骤703、静态碰撞检测。

示例性地，如图11中的(a)所示，可以根据自动驾驶车辆的感知融合模块检测到的环境感知结果，可以得到自动驾驶车辆的附近包括静态障碍物的可通行区域栅格地图信息；根据获取的预测车辆位姿的信息，可以预测在未来一段时间内，在可通行区域中自动驾驶车辆可能与静态障碍物发生的碰撞的位置。

步骤704、动态碰撞检测。

示例性地，如图11中的(b)所示，可以根据预测的自动驾驶车辆在未来各个时刻的预测车辆位姿信息与动态障碍物的运动预测结果在未来各个时刻进行对比，得到可能碰撞位置及碰撞时间。

步骤705、生成危险虚拟墙。

示例性地，若检测到自动驾驶车辆的预测车辆位姿与障碍物存在碰撞风险，则可以记录下可能的碰撞时间以及碰撞位置，同时可以生成危险虚拟墙；其中，虚拟墙可以是对于前方车辆、终点、红灯停止线等不可通行区域的抽象表述，表明此处不允许自动驾驶车辆通过，虚拟墙可以包括距离、速度与时间的信息，如图11中的(b)中所示的虚拟墙。

在本申请的实施例中，当检测到自动驾驶车辆可能与动态障碍物发生碰撞时，可以根据可能发生碰撞的位姿生成虚拟墙，使得自动驾驶车辆在未来的某个时刻不会通过该碰撞位置，从而能够有效的避免自动驾驶车辆与动态障碍物发生碰撞，确保自动驾驶车辆的安全性。

步骤706、生成目标运动参数(例如，又可以称目标运动指令)。

例如，可以根据自动驾驶车辆的预测车辆位姿、虚拟墙的信息从而生成自动驾驶车辆能够避免与障碍物发生碰撞的目标运动参数，该目标运动参数可以包括自动驾驶车辆的速度信息。

例如，假设在自动驾驶车辆的行驶区域中的障碍物为O＝{o_i|i＝1,2...,n}，其中n＝1，即自动驾驶车辆的行驶区域中只有一个行人，如图12所示；通过上述步骤703基于静态可通行区域的碰撞检测，确定可行驶区域内无障碍物，因此没有发生碰撞的风险。

通过上述步骤704基于动态障碍物的碰撞检测，对障碍物列表O＝{o_i|i＝1}和图8所示的预测车辆位姿P进行碰撞检测，比如，可以采用分离轴定理进行碰撞检测，发现自动驾驶车辆在P_m位置处存在与行人发生碰撞的风险，根据图9所示的预测车辆位姿列表可知，到达P_m位置处自动驾驶车辆的车速将达到30km/h。此时，可以在P_m位置处添加安全保护虚拟墙w(s,v,t)，其中，s表示自动驾驶车辆与行人的距离，v表示行人的速度，t表示发生碰撞的时间。

进一步，可以根据虚拟墙以及预测车辆位姿生成目标运动参数；比如，根据规划模块的给定车速和危险虚拟墙，生成新的给定车速，避免发生碰撞危险。

需要说明的是，此处的车速修正可以并非是指对预测车辆位姿P进行修正，而是对规划结果S^g＝{s_i(x,y,30)|i＝1,2,...,n}进行修正。

例如，速度修正方法可以采用基于经验公式的非线性速度生成方法，或者，还采用其他的修正方法，修正后的规划结果可以为S^g＝{s₀(x₀,y₀,20),s₁(x₁,y₁,19.0),...s_n(x_n,y_n,0)}，使得自动驾驶车辆行驶至P_m位置处车辆减速或者停车，从而避免与障碍物发生碰撞。

在本申请的实施例中，通过获取上层规划环节的轨迹规划结果、车辆的状态信息(例如，当前车速、挡位、方向盘转角等)、环境感知结果(例如，可通行区域、障碍物列表)等数据，通过引入自动驾驶车辆的执行机构存在的误差从而更加准确的预测自动驾驶车辆的预测车辆位姿，根据预测车辆位姿与环境感知结果进行碰撞检测，从而修正自动驾驶车辆的运动规划轨迹，使得自动驾驶车辆能够有效地避免与障碍物发生碰撞，从而确保自动驾驶车辆驾驶时的安全性。

在一个示例中，如图6中的(a)所示的自动驾驶车辆处于异常状态的场景下，比如，在自动驾驶车辆的传感系统出现故障，或者自动驾驶车辆的计算平台出现故障的情况下，自动驾驶车辆可能无法准确感知周围环境中的障碍物以及无法正确规划行进路径；此时，在本申请的实施例中可以通过自动驾驶车辆中的后备小系统进行异常处理。

例如，由于环境因素以及自动驾驶车辆本身的工作状态的影响，可能会出现传感器工作异常；甚至是自动驾驶车辆中的计算平台系统异常的情况。在这种情况下，自动驾驶车辆可能会出现车体定位异常，无法正确规划行进路径，从而导致自动驾驶车辆驶出目标道路或车道，引发交通事故；即使自动驾驶车辆可以进行准确定位，但是由于感知系统异常，也可能出现无法准确感知环境中的障碍物，尤其是无法准确预测动态障碍物的行进轨迹，从而导致自动驾驶车辆具有发生碰撞的风险。下面结合图13对自动驾驶车辆的异常处理的流程进行详细描述

图13是本申请实施例提供的自动驾驶车辆的异常处理方法的示意性流程图。图13所示的异常处理方法800可以由图1所示自动驾驶车辆，或者，图2所示的自动驾驶系统来执行，或者，图5所示的自动驾驶车辆的后备小系统420执行；该异常处理方法800可以包括步骤801至步骤806，下面分别对这些步骤进行详细的描述。

步骤801、开始。

例如，图5所示的系统监测模块开始监测自动驾驶车辆中是否处于正常工作的状态。

步骤802、判断自动驾驶车辆的系统是否正常。若系统正常，则执行步骤803；若系统异常，则执行步骤805。

步骤803、生成缓存。

例如，在将自动驾驶车辆的计算平台发出的运动规划结果、车辆信息、环境感知结果等数据透传至车辆执行单元时，可以根据环境感知结果、车辆信息与运动规划结果生成缓数据。

步骤804、调用缓存数据。

例如，在系统监测模块检测到自动驾驶车辆处于异常状态的情况下，可以调用缓存数据。

应理解，上述自动驾驶车辆处于异常状态可以是指自动驾驶车辆中的任意一个或者多个部件失效的情况下，比如，可以是指自动驾驶车辆的计算平台故障，或者，可以是指自动驾驶车辆的部分传感器异常。

示例性地，自动驾驶车辆行驶过程中，由于天气、光照、磁场、震动等多种环境因素以及自动驾驶车辆本身的工作状态的影响，可能会出现传感器工作异常，甚至是计算平台系统异常的情况。

举例说明，在T₀时刻系统监测模块发现了自动驾驶车辆定位结果发生大幅跳变，或者，定位噪声异常增大；此时，可以判断计算平台中的定位模块发生异常，无法为自动驾驶车辆提供精确定位。针对这种情况，在本申请的实施例中后备小系统可以迅速响应读取缓存数据，比如，定位正常时的缓存信息。

步骤805、启动航位递推定位。

例如，可以根据航位推算方法进行车辆定位。比如，可以根据以下公式得到第k时刻自动驾驶车辆的车辆位姿。

步骤806、将调用的缓存数据发送至平行系统预测自动驾驶车辆的预测车辆位姿。

例如，可以利用车辆航位推算的定位结果，系统基于车辆的动力学模型与运动学模型推算自动驾驶车辆在未来10s内的运行轨迹，如图14中的(b)中所示；同时，自动驾驶车辆可以调用系统缓存数据，分别进行动静态障碍物与静态障碍物的碰撞检测。具体流程可以参数上述图10所示，此处不再赘述。

举例说明，示例性地，如图14中的(a)所示，自动驾驶车辆可以行驶在一个右转弯道上，沿着运动规划模块给出的参考轨迹做前向运动，车辆通过车载传感器进行实时的环境感知、融合及车体的精确定位。自动驾驶车辆的感知、融合、定位和运动规划模块的数据处理均由高性能计算平台完成，通过总线将感知融合结果、车体定位信息和运动规划信息发送给后备小系统。若根据原始的运动规划轨迹，自动驾驶车辆可以继续沿着参考轨迹行驶，前向速度为30km/h；假设，自动驾驶车辆所在的坐标系的原点为自动驾驶车辆的后轴中点，x轴沿自动驾驶车辆的车头向前，y轴沿着自动驾驶车辆的车头向左，z轴沿着自动驾驶车辆的车头向上；自动驾驶车辆可以在x为[-20m,90m]，y为[-30m,30m]的二维平面区域内感知静态障碍物，生成栅格地图；利用栅格的状态值表示栅格的占有情况，得到考虑静态障碍物的可通行区域。当自动驾驶车辆的处于异常状态的情况下，可以调用后备小系统中的缓存数据利用车辆航位推算自动驾驶车辆的定位结果，平行系统可以根据缓存数据预测自动驾驶车辆的运行参数。

例如，如图14中的(b)所示，在未来10s内自动驾驶车辆在可通行区域内不会与静态障碍物发生碰撞；但是，自动驾驶车辆会在T₀+1.24s时刻可能与③号动态障碍物发生碰撞；比如，碰撞时的车辆原点在T₀时刻车体坐标系的[x＝10.34m,y＝-0.87m]位置，碰撞点在T₀时刻车体坐标系的[x＝13.46m,y＝-0.96m]位置。

进一步地，由于进行碰撞检测后发现自动驾驶车辆会与动态障碍物发生碰撞，则为了避免发生碰撞，后备小系统可以在车体坐标系[x＝13.46m,y＝-0.96m]的碰撞点生成了垂直于参考轨迹方向的危险虚拟墙，如图14中的(c)所示。由于危险虚拟墙的存在，后备小系统可以调用运动规划模块产生自动驾驶车辆的运动参数的修正策略，给出新的运动规划结果，进而通过控制器实现车辆的横纵向控制，在虚拟墙前方及时停车，从而避免了与动态障碍物发生碰撞。

例如，可以根据自动驾驶车辆的预测车辆位姿与虚拟墙的信息从而生成自动驾驶车辆能够避免与障碍物发生碰撞的目标运动参数，其中，该目标运动参数可以包括自动驾驶车辆的速度信息，虚拟墙可以是对于前方车辆、终点、红灯停止线等不可通行区域的抽象表述，表明此处不允许自动驾驶车辆通过，虚拟墙可以包括距离、速度与时间的信息。

此外，在车载计算平台正常运行的情况下将重要数据信息存入缓存；当监测到计算平台给出的数据异常时，将会调用缓存数据，以航位推算的方式进行车体定位；同时基于平行系统安全保护模块根据本申请实施例提供的自动驾驶车辆的行为规划方法从而准确地预测自动驾驶车辆的位姿，并与缓存中的障碍物信息进行碰撞预测，从而能够在自动驾驶车辆存在碰撞危险的情况下规划自动驾驶车辆减速停车，确保自动驾驶车辆驾驶时的安全性。

上文结合图1至图14，详细描述了本申请实施例提供的自动驾驶车辆的安全控制方法，下面将结合图15至图16，详细描述本申请的装置实施例。应理解，本申请实施例中的安全控制装置可以执行前述本申请实施例的各种自动驾驶车辆的安全控制方法，即以下各种产品的具体工作过程，可以参考前述方法实施例中的对应过程。

图15是本申请一个实施例提供的自动驾驶车辆的安全控制装置的示意性框图。应理解，图15示出的安全控制装置800仅是示例，本申请实施例的装置还可包括其他模块或单元。应理解，安全控制装置800能够执行图7至图14的方法中的各个步骤，为了避免重复，此处不再详述。

如图15所示，安全控制装置800可以包括获取单元810和处理单元820，其中，获取单元810用于获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；处理单元820用于根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于表示所述障碍物；在所述碰撞检测结果指示所述自动驾驶车辆会将与所述障碍物碰撞的情况下，修正所述运动规划轨迹。

可选地，在一种可能的实现方式中，所述处理单元820还用于：

保存所述自动驾驶车辆的车辆信息，其中，所述车辆信息包括所述自动驾驶车辆在全局坐标系下的规划轨迹信息；

所述获取单元810具体用于：

在监测到所述自动驾驶车辆处于异常状态的情况下，从保存的所述车辆信息中获取所述自动驾驶车辆在全局坐标系下的规划轨迹信息；

将所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到所述运动规划轨迹信息。

可选地，在一种可能的实现方式中，所述车辆信息还包括所述自动驾驶车辆的行驶位置信息，所述处理单元820具体用于：

在监测到所述自动驾驶车辆处于异常的情况下，根据所述行驶位置信息、所述自动驾驶车辆的状态信息与航位推算算法得到所述自动驾驶车辆的当前时刻的定位信息，其中，所述自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度、当前时刻的方向盘转角、当前时刻的油门控制量以及所述当前时刻的刹车控制量；

所述获取单元810具体用于：

根据所述自动驾驶车辆的当前时刻的定位信息与所述自动驾驶车辆在全局坐标系下的规划轨迹信息，得到所述运动规划轨迹信息。

将所述运动规划轨迹信息输入所述自动驾驶车辆的运动控制器，得到控制指令，所述控制指令用于指示所述自动驾驶车辆的方向盘控制量、油门控制量以及刹车控制量的调整；

可选地，在一种可能的实现方式中，在所述碰撞检测结果为所述自动驾驶车辆将与障碍物发生碰撞的情况下，所述处理单元820还用于：

在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，根据所述自动驾驶车辆将与所述障碍物碰撞时的车辆位姿修正所述运动规划轨迹信息。

需要说明的是，上述安全控制装置800以功能单元的形式体现。这里的术语“单元”可以通过软件和/或硬件形式实现，对此不作具体限定。

例如，“单元”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路(application specific integrated circuit，ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。

因此，在本申请的实施例中描述的各示例的单元，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

如图16所示，安全控制装置900(该安全控制装置900具体可以是一种计算机设备)包括存储器901、处理器902、通信接口903以及总线904。其中，存储器901、处理器902、通信接口903通过总线904实现彼此之间的通信连接。

存储器901可以是只读存储器(read only memory，ROM)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，RAM)。存储器901可以存储程序，当存储器901中存储的程序被处理器902执行时，处理器902用于执行本申请实施例的自动驾驶车辆的安全控制方法的各个步骤，例如，执行图7至图14所示的各个步骤。

应理解，本申请实施例所示的自动驾驶车辆的安全控制装置可以是车载装置，或者，也可以是配置于车载装置中的芯片。

处理器902可以采用通用的中央处理器(central processing unit，CPU)，微处理器，应用专用集成电路(application specific integrated circuit，ASIC)或者一个或多个集成电路，用于执行相关程序以实现本申请方法实施例的自动驾驶车辆的安全控制方法。

处理器902还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本申请的自动驾驶车辆的安全控制方法的各个步骤可以通过处理器902中的硬件的集成逻辑电路或者软件形式的指令完成。

上述处理器902还可以是通用处理器、数字信号处理器(digital signalprocessing，DSP)、专用集成电路(ASIC)、现成可编程门阵列(field programmable gatearray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器901，处理器902读取存储器901中的信息，结合其硬件完成本申请实施中图15所示的安全控制装置中包括的单元所需执行的功能，或者，执行本申请方法实施例的图7至图14所示的安全控制方法。

通信接口903使用例如但不限于收发器一类的收发装置，来实现安全控制装置900与其他设备或通信网络之间的通信。

例如，所示通信接口903可以与图15所示的安全控制装置中的获取单元810对应，可以通过通信接口903获取自动驾驶车辆的运动规划轨迹的信息。

总线904可包括在安全控制装置900各个部件(例如，存储器901、处理器902、通信接口903)之间传送信息的通路。

应注意，尽管上述安全控制装置900仅仅示出了存储器、处理器、通信接口，但是在具体实现过程中，本领域的技术人员应当理解，安全控制装置900还可以包括实现正常运行所必须的其他器件。同时，根据具体需要本领域的技术人员应当理解，上述安全控制装置900还可包括实现其他附加功能的硬件器件。

此外，本领域的技术人员应当理解，上述安全控制装置900也可仅仅包括实现本申请实施例所必须的器件，而不必包括图16中所示的全部器件。

应理解，上述举例说明是为了帮助本领域技术人员理解本申请实施例，而非要将本申请实施例限于所例示的具体数值或具体场景。本领域技术人员根据所给出的上述举例说明，显然可以进行各种等价的修改或变化，这样的修改或变化也落入本申请实施例的范围内。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种自动驾驶车辆的安全控制方法，其特征在于，包括：

获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；

根据所述运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；

根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于所表示所述障碍物；

在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息。

2.如权利要求1所述的安全控制方法，其特征在于，所述安全控制方法还包括：

所述获取自动驾驶车辆的运动规划轨迹信息，包括：

3.如权利要求2所述的安全控制方法，其特征在于，所述车辆信息还包括所述自动驾驶车辆的行驶位置信息，所述安全控制方法还包络：

在监测到所述自动驾驶车辆处于异常状态的情况下，根据所述行驶位置信息、所述自动驾驶车辆的状态信息与航位推算算法得到所述自动驾驶车辆当前时刻的定位信息，其中，所述自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度以及当前时刻的方向盘转角；

所述根据所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标转换得到所述运动规划轨迹信息，包括：

根据所述自动驾驶车辆当前时刻的定位信息与所述自动驾驶车辆在全局坐标系下的规划轨迹信息，得到所述运动规划轨迹信息。

4.如权利要求1至3中任一项所述的安全控制方法，其特征在于，所述根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，包括：

将所述控制指令输入车辆动力学模型，得到所述预测车辆位姿。

5.如权利要求1至4中任一项所述的安全控制方法，其特征在于，所述在所述碰撞检测结果指示所述自动驾驶车辆将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息，包括：

在所述碰撞检测结果指示所述自动驾驶车辆会将与所述障碍物碰撞的情况下，根据所述自动驾驶车辆将与所述障碍物碰撞时的车辆位姿修正所述运动规划轨迹信息。

6.一种自动驾驶车辆的安全控制装置，其特征在于，包括：

获取单元，用于获取自动驾驶车辆的运动规划轨迹信息，所述运动规划轨迹信息是指所述自动驾驶车辆所在坐标系下的规划轨迹信息；

处理单元，用于根据运动规划轨迹信息与所述自动驾驶车辆的运动控制器，得到所述自动驾驶车辆的预测车辆位姿，所述预测车辆位姿是指所述运动控制器执行所述运动规划轨迹信息得到的车辆位姿；根据所述预测车辆位姿与障碍物信息预测碰撞检测结果，其中，所述碰撞检测结果用于表示所述自动驾驶车辆是否将与障碍物发生碰撞，所述障碍物信息用于表示所述障碍物；在所述碰撞检测结果指示所述自动驾驶车辆会将与所述障碍物碰撞的情况下，修正所述运动规划轨迹信息。

7.如权利要求6所述的安全控制装置，其特征在于，所述处理单元还用于：

所述获取单元具体用于：

将所述自动驾驶车辆在全局坐标系下的规划轨迹信息进行坐标系转换得到所述运动规划轨迹信息。

8.如权利要求7所述的安全控制装置，其特征在于，所述车辆信息还包括所述自动驾驶车辆的行驶位置信息，所述处理单元还用于：

在监测到所述自动驾驶车辆处于异常状态的情况下，根据所述行驶位置信息、所述自动驾驶车辆的状态信息与航位推算算法得到所述自动驾驶车辆的当前时刻的定位信息，其中，所述自动驾驶车辆的状态信息包括所述自动驾驶车辆的当前时刻的速度以及当前时刻的方向盘转角；

所述获取单元具体用于：

9.如权利要求6至8中任一项所述的安全控制装置，其特征在于，所述处理单元具体用于：

10.如权利要求6至9中任一项所述的安全控制装置，其特征在于，所述处理单元具体用于：

11.一种自动驾驶车辆的安全控制装置，其特征在于，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令来执行权利要求1至5中任一项所述的安全控制方法。

12.一种自动驾驶车辆，其特征在于，包括权利要求6至10任一项所述的安全控制装置。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，当所述程序指令由处理器运行时，实现权利要求1至5中任一项所述的安全控制方法。

14.一种芯片，其特征在于，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，以执行如权利要求1至5中任一项所述的安全控制方法。