CN113533876A - 用于执行自主驾驶车辆的电磁兼容性测试的方法和系统 - Google Patents
用于执行自主驾驶车辆的电磁兼容性测试的方法和系统 Download PDFInfo
- Publication number
- CN113533876A CN113533876A CN202011549313.4A CN202011549313A CN113533876A CN 113533876 A CN113533876 A CN 113533876A CN 202011549313 A CN202011549313 A CN 202011549313A CN 113533876 A CN113533876 A CN 113533876A
- Authority
- CN
- China
- Prior art keywords
- module
- adv
- emc
- vehicle
- modified
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008447 perception Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000008713 feedback mechanism Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000002379 ultrasonic velocimetry Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L12/40006—Architecture of a communication node
- H04L12/40013—Details regarding a bus controller
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40208—Bus networks characterized by the use of a particular bus standard
- H04L2012/40215—Controller Area Network CAN
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种用于执行自主驾驶车辆的电磁兼容性测试的方法和系统。可以使用根据实施例的执行ADV的EMC测试的方法来在室内EMC测试环境中测试ADV中的软件和硬件组件如何受到影响。根据所述方法,ADV可以被定位在室内EMC测试环境中的固定位置处,并且可以以自主驾驶模式被驾驶预定时间段。修改ADV的一个或多个自主驾驶模块,以适应ADV在固定点的定位和室内EMC测试环境。ADV可以确定在预定时间段内多个性能参数中的每一个是否满足其性能指标。如果每个性能参数均符合其性能指标,则认为ADV已通过EMC测试。
Description
技术领域
本公开的实施例一般涉及自主驾驶车辆。更特别地,本公开的实施例涉及在室内环境中对自主驾驶车辆执行电磁兼容性(electromagnetic compatibility,EMC)测试。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
自主驾驶车辆(autonomous driving vehicle,ADV)依靠其自主驾驶系统来驾驶车辆。自主驾驶系统可以包括软件和硬件,其性能可能会受到强电磁干扰的影响。为了遵守政府法规或确保自主驾驶车辆的安全,车辆需要进行EMC测试,以在EMC测试环境下测试车辆中的软件和硬件受到何种影响。
发明内容
在第一方面中,提供一种执行ADV的EMC测试的方法,所述方法包括:
在表示特定驾驶场景的室内EMC测试环境中,在固定位置处驾驶ADV预定时间段;
使用EMC模拟器执行多个自主驾驶功能,其中EMC模拟器包括多个自主驾驶模块,其中多个自主驾驶模块中的一个或多个被修改以适应ADV在固定点处的定位和室内EMC测试环境,同时执行一个或多个自主驾驶功能,所述一个或多个自主驾驶功能将在实时驾驶过程中被执行;以及
确定多个自主驾驶模块中的每个的多个性能参数中的每个是否满足预定性能指标。
在第二方面中,提供一种非暂时性机器可读介质,具有存储于其上的用于执行自主驾驶车辆的电磁兼容性测试的指令,所述指令在由处理器执行时使处理器执行如第一方面所述的方法的操作。
在第三方面中,提供一种数据处理系统,包括:
处理器;以及
耦接到处理器的存储器,用于在其中存储用于执行自主驾驶车辆的电磁兼容性测试的指令,所述指令在由处理器执行时使处理器执行如第一方面所述的方法的操作。
根据本发明的方法,可以有效地执行ADV的EMC测试。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是示出根据一个实施例的联网系统的框图。
图2是示出根据一个实施例的自主驾驶车辆的示例的框图。
图3A-3B是示出根据一个实施例的与自主驾驶车辆一起使用的感知和规划系统的示例的框图。
图4是示出根据一个实施例的用于执行自主驾驶车辆的电磁兼容性(electromagnetic compatibility,EMC)测试的EMC模拟器的框图。
图5是示出根据一个实施例的EMC模拟器的示例的框图。
图6示出根据一个实施例的室内EMC测试环境的示例。
图7是示出根据实施例的执行自主驾驶车辆的EMC测试的过程的示例的框图。
具体实施方式
将参考以下讨论的细节描述本公开的各个实施例和方面,并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各个实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
通常很难找到合适的室外环境来执行自主驾驶车辆的EMC测试,因为室外的电磁干扰通常不足以对汽车的软件和硬件产生有意义的影响。因此,为了进行EMC测试,经常使用室内EMC测试环境,在该环境中可以人为创造期望水平的电磁干扰。
然而,可能存在与室内EMC测试环境相关的一些限制。例如,自主驾驶车辆不能像在室外环境中那样自由移动。因此,可能需要修改车辆的自主驾驶系统以适应限制,使车辆的EMC测试好像车辆通常在室外环境中行驶那样地进行。
根据一些实施例,执行ADV的EMC测试的方法可以用来在表示或模仿特定驾驶场景或驾驶场景的室内EMC测试环境中测试ADV中的软件和硬件组件如何受到影响。根据该方法,可以将ADV定位在室内EMC测试环境内的固定点,并且在预定时间段内以自主驾驶模式驾驶ADV。修改ADV的一个或多个自主驾驶模块,以适应ADV在固定点中的定位和室内EMC测试环境,同时模拟好像ADV在实时环境中驾驶的驾驶操作,例如,无需使用真实的GPS/IMU传感器或地图数据即可模拟定位。ADV可以确定在预定时间段内多个性能参数中的每个是否满足其性能指标。如果每个性能参数均符合其性能指标,则认为ADV已通过EMC测试。
在一个实施例中,每个自主驾驶模块的性能参数及其各自的性能指标可以由EMC测试器预定义。可替代地,对于整个自主驾驶模块可以存在一组性能参数和相关联的性能指标。这种性能参数的一个示例是自主驾驶模块的端到端延迟,这种性能指标的一个示例是端到端延迟。
在一个实施例中,可以在ADV中安装EMC模拟器。EMC模拟器包括ADV的每个自主驾驶模块的副本,一个或多个此类副本被修改以适应室内EMC测试环境及室内EMC测试环境对ADV的限制。如果不进行这样的修改,则某些副本自主驾驶模块将发生故障或以非期望方式运行。
限制的示例包括将ADV定位在固定位置,允许ADV的车轮前后移动,但防止其转弯,缺少一种或多种类型的传感器数据以及缺少有关室内EMC测试环境的地图信息。
在一个实施例中,被修改的自主驾驶模块包括定位模块、感知模块、规划功能、预测模块、冗余模块和控制器局域网(CAN总线)模块。修改定位模块,使得其可以基于给定的初始位置、给定的初始航向和多个驾驶命令来确定ADV在多个驾驶循环中的位置。车辆的定位是使用模拟算法从初始位置得出的,而不依赖于关于车辆的实际位置的GPS/IMU传感器。
在一个实施例中,修改感知模块,使得将发生以下改变中的一个或多个:仅利用预定距离内的物体对感知模块进行测试,ADV和预定距离之内的物体之间的相对速度的计算补偿ADV的固定位置,仅利用ADV的任一侧的物体对感知模块进行测试。
在一个实施例中,修改规划模块,使得对规划模块的反馈被禁用。冗余模块被修改,使得模块将不会监管一个或多个项目,以避免不必要的警告或报警消息。修改预测模块,使得仅自由运动被用于预测移动物体的下一动作。修改CAN总线模块,以便仅允许纵向车轮控制。
自主驾驶车辆
图1是示出根据本公开的一个实施例的自主车辆网络配置的框图。参照图1,网络配置100包括可以通过网络102通信耦接到一个或多个服务器103-104的自主车辆101。尽管示出了一个自主车辆,但是多个自主车辆可以彼此耦接和/或通过网络102耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,例如局域网(LAN)、广域网(WAN)(例如Internet)、蜂窝网络、卫星网络或其组合。服务器103-104可以是任何种类的服务器或服务器集群,例如Web或云服务器、应用程序服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自主车辆是指可以配置为处于自主模式的车辆,在自主模式下,车辆在驾驶员很少或没有驾驶的情况下在环境中导航。这种自主车辆可以包括具有一个或多个传感器的传感器系统,一个或多个传感器被配置为检测关于车辆在其中运行的环境的信息。车辆及其关联的控制器使用检测到的信息在环境中导航。自主车辆101可以在手动模式、完全自主模式或部分自主模式下操作。
在一个实施例中,自主车辆101包括但不限于感知和规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自主车辆101还可包括在普通车辆中包括的某些通用部件,例如发动机、车轮、方向盘、变速器等,可以由车辆控制系统111和/或感知和规划系统110使用各种通信信号和/或命令,例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等来控制这些部件。
组件110-115可以经由互连、总线、网络或其组合在通信上彼此耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信耦接。CAN总线是一种车辆总线标准,被设计为允许微控制器和设备在没有主机的应用中相互通信。它是基于消息的协议,最初是为车辆内的多路电气布线而设计的,但也用于许多其他情况。
现在参考图2,在一个实施例中,传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和测距(LIDAR)单元215。GPS系统212可以包括收发器,收发器可操作以提供关于自主车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自主车辆的位置和方向改变。雷达单元214可以表示利用无线电信号来感测自主车辆的局部环境内的对象的系统。在一些实施例中,除了感测对象之外,雷达单元214还可以感测对象的速度和/或前进方向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215可以包括一个或多个激光源、激光扫描仪以及一个或多个检测器以及其他系统组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静物照相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器系统115还可包括其他传感器,例如,声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如,麦克风)。音频传感器可以被配置为从自主车辆周围的环境捕获声音。转向传感器可以被配置为感测车辆的方向盘、车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在某些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调整车辆的方向或行驶方向。油门单元202用于控制电动机或发动机的速度,进而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎减速来使车辆减速。注意,图2中所示的组件可以以硬件、软件或其组合来实现。
再次参考图1,无线通信系统112允许自主车辆101与外部系统(例如设备、传感器、其他车辆等)之间的通信。例如,无线通信系统112可以直接或通过通信网络与一个或多个设备无线通信,例如,通过网络102与服务器103-104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一个组件或系统进行通信。无线通信系统112可以例如使用红外链路、蓝牙等与设备(例如,乘客的移动设备、显示设备、车辆101中的扬声器)直接通信。用户接口系统113可以是在车辆101内实现的外围设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
自主车辆101的某些或全部功能可以由感知和规划系统110控制或管理,特别是在以自主驾驶模式操作时。感知和规划系统110包括必要的硬件(例如,处理器、内存、存储器)和软件(例如,操作系统、规划和路由程序),以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息,处理接收到的信息,规划从起点到目的地点的路线或路径,然后基于规划和控制信息驾驶车辆101。可替代地,感知和规划系统110可以与车辆控制系统111集成。
例如,作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划系统110获得行程相关数据。例如,感知和规划系统110可以从MPOI服务器获得位置和路线信息,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI。可替代地,这样的位置和MPOI信息可以本地缓存在感知和规划系统110的永久性存储设备中。
当自主车辆101沿着路线行驶时,感知和规划系统110还可以从交通信息系统或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替代地,服务器103-104的功能可以与感知和规划系统110集成。基于实时交通信息、MPOI信息和位置信息以及由传感器系统检测或感测的实时本地环境数据(例如,障碍物、对象、附近的车辆),感知和规划系统110可以规划最佳路线,并例如经由控制系统111根据规划的路线驾驶车辆101以安全有效地到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析系统。在一个实施例中,数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆收集驾驶统计数据123,这些车辆是自主车辆或由人类驾驶员驾驶的常规车辆。驾驶统计数据123包括指示所发出的驾驶命令(例如,油门、制动、转向命令)以及由车辆的传感器在不同的时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计数据123可以进一步包括描述不同时间点的驾驶环境的信息,例如路线(包括起始位置和目的地位置)、MPOI、天气状况、道路状况等。
基于驾驶统计数据123,机器学习引擎122由于各种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施例中,算法124可包括可在EMC模拟期间使用的模拟算法。然后算法124可以上传到ADV上,以在自主驾驶中实时使用。
图3A和3B是示出根据一个实施例的与自主驾驶车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主驾驶车辆101的一部分,包括但不限于感知和规划系统110、控制系统111和传感器系统115。参照图3A-3B,感知和规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306和路由模块307。
模块301-307中的一些或全部可以以软件、硬件或其组合来实现。例如,这些模块可以被安装在永久性存储设备352中,加载到存储器351中,并且由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信耦接到图2的车辆控制系统111的一些模块或与之集成。模块301-307中的一些可以被集成为集成模块。
定位模块301确定自主车辆300的当前位置(例如,利用GPS单元212),并管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如通过用户接口登录并指定行程的开始位置和目的地。定位模块301与自主车辆300的其他组件通信,例如与地图和路线信息311通信,以获得与行程相关的数据。例如,定位模块301可以从位置服务器以及地图和POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI,可以将其缓存为地图和路线信息311的一部分。当自主车辆300沿路线行驶时,定位模块301还可从交通信息系统或服务器获取实时交通信息。
基于传感器系统115提供的传感器数据和定位模块301获得的定位信息,感知模块302确定对周围环境的感知。感知信息可以表示与普通驾驶员在驾驶该车辆时对周围车辆的感知相同的信息。所述感知可包括例如车道配置、交通信号灯、另一车辆的相对位置、行人、建筑物、人行横道或其他与交通有关的标志(例如禁止通行标志、让路标志)等,例如以对象的形式。车道配置包括描述一个或多个车道的信息,例如,车道的形状(例如笔直或弯曲)、车道的宽度、道路中有多少个车道、单向或双向车道、合并或拆分车道以及出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能,以处理和分析由一个或多个相机捕获的图像,以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频追踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统可以绘制环境、追踪对象并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据来检测对象。
对于每个对象,预测模块303预测在当前情况下对象将表现出什么。预测是基于感知数据根据一组地图/路线信息311和交通规则312进行的,感知数据感知在时间点处的驾驶环境。例如,如果对象是在相反方向行驶的车辆且当前驾驶环境包括交叉路口,则预测模块303将预测车辆是否将可能直线行驶或转弯。如果感知数据指示交叉路口没有交通灯,则预测模块303可以预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前位于仅左转车道或仅右转车道,则预测模块303可分别预测车辆将更可能左转或右转。
对于每个对象,决策模块304做出关于如何处理对象的决策。例如,对于特定对象(例如在十字路口中的另一辆车辆)及其描述对象的元数据(例如速度、方向、转弯角度),决策模块304决定处理如何遇到该对象(例如超车、让路、停止、通过)。决策模块304可以根据可以存储在永久性存储设备352中的一组规则(诸如交通规则或驾驶规则312)做出这样的决策。
路由模块307被配置为提供从起点到目的地的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311,并确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以针对其确定的从起始位置到达目的地位置的每条路线生成地形图形式的参考线。参考线是指理想的路线或路径,不受其他车辆、障碍物或交通状况等其他因素的干扰。也就是说,如果道路上没有其他车辆、行人或障碍物,则ADV应该准确或紧密地遵循参考线。然后将地形图提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305根据其他模块提供的其他数据,检测所有可能的路线以选择和修改最佳路线中的一个,其他模块提供的其他数据诸如来自定位模块301的交通状况,感知模块302感知的驾驶环境以及预测模块303预测的交通状况。根据时间点处的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于针对感知到的每个对象的决策,规划模块305利用路由模块307提供的参考线作为基础来规划自主车辆的路径或路线以及驾驶参数(例如距离、速度和/或转弯角度)。也就是说,对于给定的对象,决策模块304决定如何处理对象,而规划模块305确定怎么做。例如,对于给定的对象,决策模块304可以决定通过该对象,而规划模块305可以确定是在对象的左侧还是在右侧通过。规划和控制数据由规划模块305生成,规划和控制数据包括描述车辆300将如何在下一运动周期(例如下一路线/路径段)中移动的信息。例如,规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米,然后以25mph的速度改变到右车道。
基于规划和控制数据,控制模块306根据规划和控制数据所定义的路线或路径,通过向车辆控制系统111发送适当的命令或信号来控制和驾驶自主车辆。规划和控制数据包括足够的信息,以便在沿路径或路线的不同时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向指令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,在多个规划周期(也称为驾驶周期)中执行规划阶段,例如在每个100毫秒(ms)的时间间隔中。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。即,对于每100毫秒,规划模块305规划下一路线段或路径段,例如包括目标位置和ADV到达目标位置所需的时间。可替代地,规划模块305可以进一步指定特定的速度、方向和/或转向角等。在一个实施例中,规划模块305规划下一预定时间段(例如5秒)的路线段或路径段。对于每个规划周期,规划模块305基于在先前周期中规划的目标位置来规划当前周期(例如,接下来的5秒)的目标位置。然后,控制模块306基于当前周期的规划和控制数据来生成一个或多个控制命令(例如油门、制动、转向控制命令)。
注意,决策模块304和规划模块305可以被集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能,以确定用于自主车辆的驾驶路径。例如,导航系统可以确定一系列速度和前进方向,以在驱使自主车辆沿着通往最终目的地的基于道路的路径前进时,对沿着基本上避开感知到的障碍物的路径移动的自主车辆产生影响。可以根据经由用户接口系统113的用户输入来设置目的地。导航系统可以在自主车辆运行时动态地更新驾驶路径。导航系统可以合并来自GPS系统的数据和一个或多个地图,以便确定自主车辆的行驶路径。
如图3A-3B所示,可以提供冗余系统327监视感知和规划系统110,以检测任何异常。在一个实施例中,冗余系统327可以在一块单独的硬件上运行,例如,工业标准电子控制单元(ECU)。冗余系统327可以经由互联网集线器、局域网、基于消息的总线或其他通信方式与其他AD模块通信。在感知和规划系统110遇到不能由感知和规划系统110克服的严重错误的情况下,对ADV的控制将被传递给冗余系统327。为此,冗余系统327可以包括能够执行与感知和规划系统110相同功能的软件模块。在一个实施例中,冗余系统327可以包括感知和规划系统110的副本,以及监视感知和规划系统110的性能的一个或多个软件模块。
图3B中的自主驾驶系统(autonomous driving system,ADS)330中的每个模块可以以软件或硬件或其组合来实现。注意,根据一个实施例,ADV可以包括主ADS和冗余(或备份或次)ADS。主ADS和冗余ADS的每个可以具有如图3A所示的自主驾驶模块的部分或全部。在正常操作期间,主ADS负责驾驶车辆,而冗余ADS在待机模式下操作并用于监视主ADS的操作。响应于检测到主ADS不能正常运行,冗余ADS可以接管车辆的控制,例如,将车辆转换到更安全的状态,例如使车辆减速和/或停止行驶。在图3B所示的示例中,ADS 330可以表示除了冗余系统327之外的主ADS。冗余系统327可以表示冗余ADS。在该示例中,主ADS和冗余ADS将共享诸如定位模块301的一些传感器。主ADS和冗余ADS中的每个将运行类似的驾驶功能。但是,在正常操作期间,冗余ADS的结果可能不会用于控制车辆。冗余ADS可以监视主ADS的操作,并将数据与其自身的数据进行比较,以确定主ADS是否无法正常运行。
EMC模拟器
图4是示出根据实施例的用于执行自主驾驶车辆的电磁兼容性(EMC)测试的EMC模拟器的框图。如图4所示,可以在ADV 101中提供EMC模拟器401。EMC模拟器EMC 401可用于在室内EMC测试环境中执行ADV 101的EMC测试,在室内EMC测试环境中,ADV 101被定位在固定点。EMC测试是指测试特定驾驶场景的一个或多个自主驾驶功能。特别设置EMC环境,用于在特定的驾驶环境下测试相关的自主驾驶模块(例如,图3A中所示的模块)的性能,而无需车辆实际在道路上行驶。
在一个实施例中,EMC模拟器401可以包括自主驾驶(autonomous driving,AD)系统330的每个模块的副本,其中一个或多个AD模块被修改以适应由ADV 101的固定位置和室内EMC测试环境造成的各种限制。
例如,当在自主模式下操作时,ADV 101可以依靠高清地图、GPS信号和IMU单元来确定ADV 101的位置。但是,由于ADV 101位于在室内EMC测试环境中的固定位置,ADV 101不会检测到任何GPS信号或IMU信号。此外,高清地图上没有参考物体能用于估计ADV 101的位置,因为这样的高清地图可能不存在。
相应地,为了使ADV 101模拟其在室外环境中的行驶,对EMC模拟器401中的AD模块进行修改,以适应与室内EMC测试环境相关的各种限制。
图5是示出根据一个实施例的EMC模拟器的示例的框图。如图5所示,EMC模拟器401是软件级模拟器,表示AD系统330的修改版本。如图5所示,AD模块501-527中的每个在自主驾驶系统330中均具有对应的AD模块。
在一个实施例中,可以修改EMC模拟器401中的多个AD模块。经修改的AD模块的示例包括感知模块502、规划模块505、CAN总线模块521、预测模块503和冗余系统527。此外,定位模拟器501可以代替自主驾驶系统330中的定位模块301。
更具体地,在一个实施例中,定位模拟器可以适应ADV 101的固定位置以及一些传感器数据的缺失。在室内EMC测试环境中,由于墙壁和建筑物的阻挡,GPS信号和有用点云信息可能是不可用的。此外,正确的IMU和车辆反馈也是不可用的。没有传感器数据,定位模块301将无法按要求工作。
在一个实施例中,定位模拟器501可以包括具有一些修改的定位模块301的所有功能,使得定位模拟器501可以基于初始给定位置、初始给定航向、以及用于ADV 101的一组驾驶命令来估计ADV 101在每个驾驶周期中的位置。
在一个实施例中,ADV 101的位置和前进方向可以在第一驾驶周期内给出或配置。然后,可以基于先前的驾驶周期中的ADV 101的位置和前进方向以及一组给定的驾驶命令,来计算ADV 101在每个随后的驾驶周期中的位置和前进方向。定位模拟器501因此可以执行其定位功能,而无需在室外驾驶环境中将具有的传感器数据的类型。
在一个实施例中,感知模块502可以被修改,使得仅需要利用短距离物体(例如,室内环境中的物体,或位于ADV 101任一侧的物体)来测试该模块。利用修改的感知模块502,ADV 101将以不同的方式计算ADV 101与物体之间的相对速度。由于ADV 101的速度始终为零,因此感知模块502将物体的速度作为相对速度。修改后的感知模块502可以修整EMC测试环境中的EMC测试设备或一个或多个其他已知的静态物体。通过修整设备和物体,感知模块502会将它们视为障碍物,以防止ADV 101将它们与真实障碍物混淆。
在一个实施例中,可以将预测模块503修改为利用移动物体的自由移动来预测其下一动作。在被修改之前,预测模块503可以使用高清地图上的信息来预测物体的下一移动。
例如,ADV 101可以基于地图信息预测行人的下一步运动–如果地图显示行人前方有一堵墙,则行人必须在墙前停下来并改变其步行方向。
但是,地图可能没有室内环境的信息。因此,ADV需要依靠行人的自由移动来预测其下一步移动。例如,如果行人在ADV 101的一个驾驶周期中向东行走,则在没有指示其他的来自行人的信息的情况下,ADV 101可以预测他将在下一驾驶周期中继续向东行走。
在一个实施例中,可以将规划模块505修改为禁用或去除反馈机制。在修改之前,规划模块505在执行路线规划功能时,可以比较ADV 101的实际位置与规划/估计位置之间的差异。如果实际位置与规划位置之间的差异超过阈值,ADV 101可以调整驾驶命令以减小差值。规划模块505可以依靠反馈机制来确定这个差值。然而,在室内环境中,ADV 101的实际位置总是相同的,而规划位置在每个驾驶周期之间不断变化,实际位置和规划位置之间的差异几乎总是不同的。因此,反馈机制将不会有用。
在一个实施例中,可以修改冗余系统527以重新定义要监视的项目。否则,冗余系统527将不断发出警告和警报。因此,冗余系统527了解EMC测试情况,这样就可能不会发送某些警报。
例如,冗余系统527可以被修改为停止检查GPS信号或ADV的速度。GPS信号可以被墙壁阻挡,因此冗余系统527将不断产生关于GPS信号丢失的警告消息。室内EMC测试环境中的物体和行人只能在有限的空间内四处走动,而ADV 101则模拟其在室外环境下的行驶。在不进行修改的情况下,冗余系统527将确定ADV 101将撞击物体和行人,因此将不断发出警告消息。
在一个实施例中,在室内EMC测试环境中,ADV 101将被定位在固定位置,以使车轮只能向前和向后移动,而不能转弯。此设置是为了方便EMC测试。但是,需要修改CAN总线模块521,以仅允许纵向控制信号。
此外,与原始的CAN总线模块321不同,修改后的CAN总线模块521不将反馈消息从车辆控制系统523发送到其他AD模块。通常,CAN总线模块321向车辆控制系统523发送命令以执行。车辆控制系统523在执行命令之后将反馈消息发送到CAN总线模块527,CAN总线模块527将反馈消息转发到生成命令的AD模块。当AD模块未能从车辆控制系统523接收反馈消息时,ADV 101将以开环自主驾驶模式运行。
在一个实施例中,由于GPS时间同步信号不存在,车辆控制系统523可以被修改为伪造GPS时间同步信号。
图6示出根据一个实施例的室内EMC测试环境的示例。如图6所示,EMC测试环境包括多个EMC测试设备603和605,以及可发射强电磁干扰(EMI)的墙壁209。可以将自主驾驶车辆601定位在齿条上,以使ADV 601的车轮可以向前和向后移动,但不能转弯。
在一个实施例中,可以将图5中所述的EMC模拟器401安装在车辆601中,以在电磁干扰的影响下测试AD模块的性能。ADV 601将从其感知模块修整设备603和605,使得ADV601在执行其感知功能时将它们视为障碍。在一个实施例中,虚拟人物可用作EMC测试中的行人。
图7是示出根据实施例的执行自主驾驶车辆的EMC测试过程的示例的框图。可以通过处理逻辑来执行过程700,该处理逻辑可以包括软件、硬件或其组合。例如,过程700可以由图4中的EMC模拟器401执行。
参照图7,在操作701中,在室内EMC测试环境中,处理逻辑在固定位置处驾驶自主驾驶车辆预定时间段(例如2小时)。在操作702中,处理逻辑使用包括多个自主驾驶模块的EMC模拟器执行多个自主驾驶功能,其中,多个自主驾驶模块中的一个或多个被修改以适应ADV在固定位置处的定位以及室内EMC测试环境。在操作703中,处理逻辑确定用于多个驾驶模块中的每个的多个性能参数的每个是否满足预定的性能指标。自主驾驶模块的每个性能参数的性能指标可以由EMC测试器定义。
注意,如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),可执行代码可经由来自应用的对应驱动器和/或操作系统访问。此外,这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑,作为经由一个或多个特定指令软件组件可访问的指令集的一部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操纵的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非特别声明,否则从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程,所述计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似地表示为物理量的其它数据。
本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非瞬态计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上根据一些顺序操作描述了过程或方法,但是应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特别编程语言描述的。将了解,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (11)
1.一种执行自主驾驶车辆ADV的电磁兼容性EMC测试的方法,所述方法包括:
在表示特定驾驶场景的室内EMC测试环境中,在固定位置处驾驶ADV预定时间段;
使用EMC模拟器执行多个自主驾驶功能,其中EMC模拟器包括多个自主驾驶模块,其中多个自主驾驶模块中的一个或多个被修改以适应ADV在固定点处的定位和室内EMC测试环境,同时执行一个或多个自主驾驶功能,所述一个或多个自主驾驶功能将在实时驾驶过程中被执行;以及
确定多个自主驾驶模块中的每个的多个性能参数中的每个是否满足预定性能指标。
2.根据权利要求1所述的方法,其中,多个限制与室内EMC测试环境相关联,并且包括将ADV定位在固定位置、防止ADV的车轮转弯、缺少一种或多种类型的传感器数据,以及缺少针对室内EMC测试环境的对应地图信息。
3.根据权利要求1所述的方法,其中,一个或多个修改的自主驾驶模块包括定位模块、感知模块、规划模块、预测模块、冗余模块或控制器局域网CAN总线模块中的一个或多个。
4.根据权利要求3所述的方法,其中,所述定位模块被修改,使得所述定位模块基于给定的初始位置、给定的初始行驶方向和多个驾驶命令来确定所述ADV在多次驾驶循环的每个中的位置。
5.根据权利要求3所述的方法,其中,所述感知模块被修改,使得将发生以下改变中的一个或多个:
仅利用预定距离内的物体对感知模块进行测试;
ADV和预定距离内的物体之间的相对速度的计算为ADV的固定位置进行补偿;或者
仅利用ADV的任一侧的物体测试感知模块。
6.根据权利要求3所述的方法,其中,修改所述规划模块,使得禁用对所述规划模块的反馈。
7.根据权利要求3所述的方法,其中,所述预测模块被修改,使得仅自由移动被用于预测移动物体的下一动作。
8.根据权利要求3所述的方法,其中,所述冗余模块被修改,使得所述冗余模块停止检查一个或多个项目。
9.根据权利要求3所述的方法,其中,所述CAN总线模块修改,使得仅允许纵向车轮控制。
10.一种非暂时性机器可读介质,具有存储于其上的用于执行自主驾驶车辆的电磁兼容性测试的指令,所述指令在由处理器执行时使处理器执行如权利要求1至9中任一项所述的方法的操作。
11.一种数据处理系统,包括:
处理器;以及
耦接到处理器的存储器,用于在其中存储用于执行自主驾驶车辆的电磁兼容性测试的指令,所述指令在由处理器执行时使处理器执行如权利要求1-9中任一项所述的方法的操作。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/849,304 US11656262B2 (en) | 2020-04-15 | 2020-04-15 | Software simulation system for indoor EMC test |
US16/849,304 | 2020-04-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113533876A true CN113533876A (zh) | 2021-10-22 |
CN113533876B CN113533876B (zh) | 2024-06-14 |
Family
ID=78081613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011549313.4A Active CN113533876B (zh) | 2020-04-15 | 2020-12-24 | 用于执行自主驾驶车辆的电磁兼容性测试的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11656262B2 (zh) |
CN (1) | CN113533876B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114791728B (zh) * | 2022-06-23 | 2022-10-04 | 国汽智控(北京)科技有限公司 | 基于车载控制器的电磁兼容测试方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010058818A1 (ja) * | 2008-11-21 | 2010-05-27 | 株式会社 東芝 | 電波伝搬模擬装置および方法 |
CN102043101A (zh) * | 2009-10-19 | 2011-05-04 | 上海机动车检测中心 | 电驱动汽车电磁兼容(emc)测试方法 |
CN106325277A (zh) * | 2016-09-28 | 2017-01-11 | 关健生 | 基于分布式框架的自主导航巡检机器人的控制方法 |
CN106527490A (zh) * | 2017-01-18 | 2017-03-22 | 青岛欧森系统技术有限公司 | 油动多旋翼无人机自动驾驶仪 |
CN110243610A (zh) * | 2019-05-13 | 2019-09-17 | 北京航空航天大学 | 一种移动和固定组合的多维干扰自动驾驶测试系统及方法 |
CN110907739A (zh) * | 2019-12-12 | 2020-03-24 | 中国汽车工程研究院股份有限公司 | 一种用于智能网联汽车的电磁抗扰性能测试系统及方法 |
CN110988555A (zh) * | 2019-12-18 | 2020-04-10 | 长春汽车检测中心有限责任公司 | 基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5533388A (en) * | 1994-02-23 | 1996-07-09 | Kabushiki Kaisha Meidensha | Apparatus for electromagnetically isolating an automobile |
ES2843513T3 (es) * | 2015-12-16 | 2021-07-19 | Ranlos Ab | Método y aparato para probar comunicación inalámbrica con vehículos |
US10663505B2 (en) * | 2016-12-07 | 2020-05-26 | Rohde & Schwarz Gmbh & Co. Kg | Test system and test method for performing EMC test efficiently |
CN108333456B (zh) * | 2018-04-17 | 2024-03-29 | 珠海英搏尔电气股份有限公司 | 一种适用于旋转负载的emc测试系统及其测试方法 |
US11054452B2 (en) * | 2019-07-19 | 2021-07-06 | Steppir Communication Systems Inc. | EMC antenna system with automated tuning feature |
-
2020
- 2020-04-15 US US16/849,304 patent/US11656262B2/en active Active
- 2020-12-24 CN CN202011549313.4A patent/CN113533876B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010058818A1 (ja) * | 2008-11-21 | 2010-05-27 | 株式会社 東芝 | 電波伝搬模擬装置および方法 |
CN102043101A (zh) * | 2009-10-19 | 2011-05-04 | 上海机动车检测中心 | 电驱动汽车电磁兼容(emc)测试方法 |
CN106325277A (zh) * | 2016-09-28 | 2017-01-11 | 关健生 | 基于分布式框架的自主导航巡检机器人的控制方法 |
CN106527490A (zh) * | 2017-01-18 | 2017-03-22 | 青岛欧森系统技术有限公司 | 油动多旋翼无人机自动驾驶仪 |
CN110243610A (zh) * | 2019-05-13 | 2019-09-17 | 北京航空航天大学 | 一种移动和固定组合的多维干扰自动驾驶测试系统及方法 |
CN110907739A (zh) * | 2019-12-12 | 2020-03-24 | 中国汽车工程研究院股份有限公司 | 一种用于智能网联汽车的电磁抗扰性能测试系统及方法 |
CN110988555A (zh) * | 2019-12-18 | 2020-04-10 | 长春汽车检测中心有限责任公司 | 基于硬件在环的自动驾驶智能汽车电磁兼容性测试平台 |
Also Published As
Publication number | Publication date |
---|---|
US20210325439A1 (en) | 2021-10-21 |
CN113533876B (zh) | 2024-06-14 |
US11656262B2 (en) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11345359B2 (en) | Autonomous driving vehicles with dual autonomous driving systems for safety | |
US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
EP3882100A1 (en) | Method for operating an autonomous driving vehicle | |
US11702087B2 (en) | Autonomous driving monitoring system | |
US11613254B2 (en) | Method to monitor control system of autonomous driving vehicle with multiple levels of warning and fail operations | |
US11662730B2 (en) | Hierarchical path decision system for planning a path for an autonomous driving vehicle | |
US11225228B2 (en) | Method for enhancing in-path obstacle detection with safety redundancy autonomous system | |
CN115761686A (zh) | 用于检测自动驾驶系统中的意外控制状态的方法和装置 | |
CN112230645A (zh) | 用于控制无人驾驶车辆的操纵杆控制的安全机制 | |
US11608056B2 (en) | Post collision damage reduction brake system incorporating front obstacle avoidance | |
CN113533876B (zh) | 用于执行自主驾驶车辆的电磁兼容性测试的方法和系统 | |
EP4082856A2 (en) | E2e learning-based evaluator for an autonomous driving vehicle | |
EP4026747A1 (en) | Sound source detection and localization for autonomous driving vehicle | |
CN113548033B (zh) | 基于系统负载的安全操作员告警方法及系统 | |
US11851088B2 (en) | Method for determining capability boundary and associated risk of a safety redundancy autonomous system in real-time | |
US11679761B2 (en) | Forward collision warning alert system for autonomous driving vehicle safety operator | |
US20230060776A1 (en) | Decision consistency profiler for an autonomous driving vehicle | |
US11577644B2 (en) | L3-level auto-emergency light system for ego vehicle harsh brake | |
US20230406362A1 (en) | Planning-impacted prediction evaluation | |
US11440567B2 (en) | System to handle communication delays between an autonomous driving system and vehicle |
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 |