CN114056351A - 自动驾驶方法及装置 - Google Patents

Abstract

本发明实施例公开了一种自动驾驶方法及装置。其中装置包括自动驾驶模块和用于监控自动驾驶模块的监控模块。其中，自动驾驶模块包括：定位子模块用于对车辆进行定位；环境感知子模块用于对车辆所处的环境进行感知；路径规划子模块用于根据定位的结果和环境感知的结果，进行路径规划；以及运动控制子模块用于根据路径规划的结果，对车辆进行运动控制。其中，监控模块用于当监控到定位的结果、环境感知的结果、路径规划的结果和运动控制的结果中的至少一个异常时，控制车辆进入最小风险状态。本发明实施例，通过对定位、环境感知、路径规划和运动控制均进行监控，因此能够提高自动驾驶的安全性，满足高等级自动驾驶对安全的要求。

Description

自动驾驶方法及装置

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶方法及装置。

背景技术

自动驾驶(也称：自动化的驾驶，或者驾驶自动化)是指车辆以自动的方式持续地执行部分或全部动态驾驶任务。随着车辆的电子化程度越来越高以及人工智能等技术的发展，自动驾驶也由辅助驾驶向更加先进和智能的完全自动驾驶演变，例如在一些应用场景中，已能够实现完全无人的驾驶，即由自动驾驶系统完全接管车辆的控制权，无需在车辆中配置驾驶员。

对于汽车自动驾驶的等级，在《汽车自动化驾驶分级》(GB/T 40429-2021)中有详细分级，可参考。例如，该分级将自动驾驶的等级分为0～5级，其中0级为应急辅助驾驶，自动化程度较低；而4级为高度自动驾驶，5级为完全自动驾驶，均为高等级的自动化驾驶。对于等级越高的自动化驾驶而言，其对安全的要求越高，因为在这些等级中，车辆中可能未配置驾驶员且车辆完全由自动驾驶系统接管，一旦自动驾驶系统失效，将导致车辆处于完全失控的状态。

在现有技术中，为了保证车辆的安全性，在自动驾驶过程中，一般会选择对自动驾驶系统中的路径规划部分进行重点监控；当监控到上述部分出现故障时，控制车辆进入安全状态，以保证行车的安全。但是，本申请的发明人在实践中发现：对于高等级的自动驾驶，现有技术仅对比较重要的单一部分进行监控的方式，仍有可能不足以保证自动驾驶的安全性要求，尤其是针对高等级的自动驾驶，因此现有技术存在进一步改进的必要。

发明内容

本发明的主要目的在于提供一种自动驾驶方法及装置，在自动驾驶的过程中，能够提高行车的安全性。

为了实现上述发明目的，本发明实施例提供了一种自动驾驶装置，包括：自动驾驶模块和用于监控所述自动驾驶模块的第一监控模块；其中，所述自动驾驶模块包括：第一定位子模块，用于：对车辆进行第一定位；第一环境感知子模块，用于：对所述车辆所处的环境进行第一环境感知；路径规划子模块，用于：根据所述第一定位的结果以及所述第一环境感知的结果，进行路径规划；以及运动控制子模块，用于：根据所述路径规划的结果，对所述车辆进行运动控制；所述第一监控模块，具体用于：当监控到所述第一定位的结果，所述第一环境感知的结果，所述路径规划的结果和所述运动控制的结果中的至少一个异常时，控制所述车辆进入最小风险状态。

在一种实施方式中，所述第一监控模块，包括：第二定位子模块，用于：对所述车辆进行第二定位；和，第一判断子模块，用于：判断所述第一和第二定位子模块的定位结果是否相同，当判断到所述第一和第二定位子模块的定位结果不同时，认为所述第一定位的结果异常；所述第一和第二定位子模块从相互独立且异构的位置传感器获得数据，并基于获得的数据，进行定位。

在一种实施方式中，所述判断所述第一和第二定位子模块的定位结果是否相同，包括以下步骤：

基于第一预设网络模型对所述第一定位子模块的定位结果和所述第二定位子模块的定位结果进行处理，判断所述第一定位子模块的定位结果和所述第二定位子模块的定位结果是否相同。

在一种实施方式中，所述第一监控模块，包括：第二环境感知子模块，用于：对所述车辆所处的环境进行第二环境感知；和，第二判断子模块，用于：判断所述第一和第二环境感知的结果是否相同，当判断到所述第一和第二环境感知的结果不同时，认为所述第一环境感知的结果异常；所述第一和第二环境感知子模块从相互独立且异构的环境感知传感器获得数据，并基于获得的数据，进行环境感知。

在一种实施方式中，所述判断所述第一和第二环境感知的结果是否相同，包括以下步骤：

基于第二预设网络模型对所述第一环境感知的结果和所述第二环境感知的结果进行处理，判断所述第一环境感知的结果和所述第二环境感知的结果是否相同。

在一种实施方式中，所述第一监控模块包括：安全决策子模块，用于：提供所述车辆安全行驶的安全标准；和，第三判断子模块，用于：判断所述路径规划的结果是否符合所述安全标准，当判断到所述路径规划的结果不符合所述安全标准时，认为所述路径规划的结果异常。

在一种实施方式中，所述第一监控模块，包括：车辆状态子模块，用于：提供所述车辆的当前状态；和，第四判断子模块，用于：判断所述车辆的当前状态是否与所述路径规划的结果一致，当判断到所述车辆的当前状态与所述路径规划的结果不一致，认为所述运动控制的结果异常。

在一种实施方式中，所述自动驾驶装置进一步包括：第二监控模块，用于对支撑所述自动驾驶模块和所述第一监控模块工作的硬件进行监控，当监控到所述硬件出现异常时，控制所述车辆进入最小风险状态；所述自动驾驶模块、所述第一监控模块、所述第二监控模块部署在相互独立且异构的硬件中；所述自动驾驶模块、所述第一监控模块、所述第二监控模块进行时间同步。

本发明实施例还提供了一种自动驾驶方法，包括：对车辆进行定位和环境感知；根据所述定位的结果和所述环境感知的结果，进行路径规划；以及根据所述路径规划的结果，对所述车辆进行运动控制；对上述的定位的结果，环境感知的结果，路径规划的结果以及运动控制的结果进行监控；以及当监控到上述任一个结果异常时，控制所述车辆进入最小风险状态。

本发明实施例还提供了一种自动驾驶装置，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置为执行所述存储器中存储的所述计算机程序，以实现上述的自动驾驶方法。

本发明实施例的有益效果：

本发明实施例在自动驾驶的过程中，对定位的结果、环境感知的结果、路径规划的结果和运动控制的结果均进行监控，只要监控到上述任一个结果异常，就控制车辆进入最小风险状态，从而相比于现有技术单一的监控方式，能够实现对自动驾驶的全过程的监控，从而提高自动驾驶过程中的行车安全性，使其满足高等级的自动驾驶的要求。

附图说明

图1是本发明实施例的自动驾驶装置的结构示意图；

图2是本发明另一实施例的自动驾驶装置的结构示意图；

图3是本发明另一实施例的自动驾驶装置的结构示意图；

图4是本发明另一实施例的自动驾驶装置的结构示意图；

图5是本发明另一实施例的自动驾驶装置的结构示意图；

图6是本发明另一实施例的自动驾驶装置的结构示意图；

图7是本发明另一实施例的自动驾驶装置的结构示意图；以及

图8是本发明实施例的自动驾驶方法的流程示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

以下结合附图，通过实施例来对本发明进行说明。首先，如图1所示，是本发明实施例的自动驾驶装置1的结构示意图。其中，该自动驾驶装置1包括：自动驾驶模块10和用于监控自动驾驶模块10的监控模块20，例如监控模块20可以对自动驾驶模块10中各部分的功能进行监控，并在监控到任何部分的功能有问题时，控制车辆进行最小风险状态。在本实施例中，自动驾驶装置1可以布置于各式各样的车辆中，例如私家车，无人车等等，这些本实施例不做限制。

在图1中，自动驾驶模块10负责实现车辆的自动行驶功能，其可以由一系列的软件、硬件或他们的组合来实现。在本实施例中，自动驾驶模块10包括：定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108。

其中，定位子模块102用于对车辆进行定位，例如可以在车辆中布置一个或多个位置传感器，该一个或多个位置传感器采集车辆的位置数据，并传递给定位子模块102，定位子模块102基于位置传感器发来的数据，对车辆进行定位，以确定车辆位置等信息(例如，位置坐标、车道信息等)；其中，位置传感器的数据在传递至定位子模块之前，可以进行一系列的诸如滤波，放大，模数转换等操作。在现有中存在多式多样的定位技术，例如GPS(GlobalPosition System，全球定位系统)定位技术、IMU(Inertial Measurement Unit，惯性测量单元)导航定位技术，激光SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)地图匹配定位技术等；这些定位技术均可以被定位子模块102所使用；在具体实现时，定位子模块102可以使用上述定位技术中的一种或多种，当使用多种定位技术时，定位子模块102可以借助于融合定位算法将不同定位技术的位置数据进行融合，从而得到高精度的定位结果。举例而言，在一种实现中，在车辆中同时配置GPS传感器、IMU传感器和激光SLAM传感器，这些传感器同时工作以采集车辆的位置信息，并将采集到的位置信息以数据的形式提供至定位子模块102，定位子模块102通过调用融合定位算法来将这些位置数据融合，以实现车辆位置的精准定位。

其中，环境感知子模块104用于感知车辆所处的环境，从而得到车辆所处的环境信息。借助于环境感知技术，可以帮助自动驾驶模块10了解车辆周围的情况，例如车辆四周的障碍物情况，包括但不限于：车辆距前车的距离，车辆距离路边障碍物的距离等。对于环境感知技术，现有中也有多种可供选择，例如有基于激光雷达的环境感知技术，也有基于摄像机的环境感知技术，这些技术均可以应用于本发明实施例中。举例而言，在一种实施方式中，在车辆中同时布置多个激光雷达和多个摄像机，这些激光雷达和摄像机将采集的数据发送给环境感知子模块104，然后环境感知子模块104采用融合感知算法，将基于激光雷达的点云感知数据和基于摄像机的视觉感知数据进行融合，从而准确地感知车辆所处环境。借助于融合感知算法，可以将多个不同技术的感知数据进行融合，从而可以实现不同感知技术之间的互补，以提高环境感知的准确度。环境感知子模块通过传感器(如激光雷达和摄像机)获得车辆周围360度的环境信息，然后对这些环境信息进行处理。

其中，路径规划子模块106用于根据定位子模块102和环境感知子模块104的输出，来进行路径规划，从而提供车辆的路径规划信息；当然，在做路径规划时，可能还需要目的地等其他信息，但是这些信息是本领域技术员在设计路径规划算法时所熟悉的，在此不赘述。在本实施列中，路径规划信息包括车辆的行驶路径和预期的车速等信息；也就是说，路径规划子模块106负责规划车辆的行驶路线以及在该行驶路线上怎样行驶(行驶速度，何时变道等等)。需要说明的是，路径规划在车辆自动行驶的过程中，是根据车辆的位置和周围环境等信息做实时调整的。在进行路径规划时，路径规划子模块106可以借助于全局路径规划算法、行为决策算法和局部路径规划算法等技术中的一个或多个来实现路径规划。

其中，运动控制子模块108用于根据路径规划子模块106的路径规划的结果，对车辆进行运动控制；例如运动控制子模块10根据路径规划的结果，生成控制油门、制动和转向等执行机构的控制指号，然后将这些控制信号分别发送给对应的执行机构，从而实现车辆的控制，例如加速、减速、变道、调头等等。其中，在根据路径规划的结果生成控制信号的过程中，运动控制子模块108可以结合车辆当前的姿态、位置和环境等信息中的至少一个来生成控制信号。

继续如图1所示，监控模块20用于对定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108的功能结果(即定位的结果，环境感知的结果，路径规划的结果和运动控制的结果)进行监控；当监控到定位子模块102的定位结果、环境感知子模块104的环境感知结果、路径规划子模块106的路径规划结果和运动控制子模块108的运动控制结果中的任一个异常时，控制车辆进入最小风险状态。其中，最小风险状态是指车辆事故风险可接受的状态，其术语含义定义于《汽车自动化驾驶分级》(GB/T 40429-2021)中。在本实施例中，控制车辆进入最小风险状态例如可以是控制车辆靠边停车或者进行紧急制动，以此保障车辆的安全；举例而言，当监控模块20监控到定位子模块102的定位结果不准确时，可以生成控制车辆靠边停车的控制信号，并将控制信号发送给车辆的执行机构，以控制车辆实现靠边停车。

在本实施例中，自动驾驶模块10借助于定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108的功能来执行自动驾驶任务。而监控模块20通过对定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108均进行监控，从而实现对自动驾驶的全过程监控，例如既监控位于底层的定位和环境感知，也监控位于高层的路径规划和运动控制。同时，监控模块20在监控到上述子模块中任一个的功能结果出现异常时，均控制车辆进行最小风险状态，以保证自动驾驶过程中的行车安全性，从而能够满足相关标准中对自动驾驶中的行车安全的要求。

下面结合图2～5来分别说明监控模块20如何实现对定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108进行监控的。可以理解的是，图2～5仅是举例说明而不是对本发明的限制。

如图2所示，是本发明的自动驾驶装置1的另一实施例的结构示意图，此实施例主要用于说明对定位子模块102进行监控时，监控模块20的结构和功能。

在图2中，监控模块20包括：一个或多个定位子模块202，和判断子模块203。其中，判断子模块203用于判断定位子模块102和202之间的定位结果是否相同；当判断到定位子模块102和202的定位结果不同时，认为定位子模块102的定位结果异常，从而控制车辆进行入最小风险状态。在本实施例中，借助于定位子模块202的定位结果来检视定位子模块102的定位结果，从而确保自动驾驶模块10中使用的定位结果是安全的。当然，导致定位子模块102和202的定位结果不相同的原因可能是定位子模块102的问题，也可能是定位子模块202的问题，但是不论如何，出于最大化保证行车安全的考虑，均认为定位子模块102的定位结果异常。当然，定位子模块102和202的定位结果不相同可以是指定位子模块102和202的定位结果的不一致程序超出了预设的范围。另外，当判断子模块203判断到定位子模块102和202的定位结果相同时，例如均指向同一位置坐标，则判断子模块203可以向定位子模块102和202发送确认信号，以指示定位正常。

在图2中，示出了2个定位子模块202实施例，但是可以理解的是，该定位子模块202可以为一个，也可以为更多，这些本实施例不做限制。当定位子模块202为多个时，只要其中一个定位子模块202的定位结果与定位子模块102的结果不相同时，即可以认为定位子模块102的定位结果异常。在具体实现时，可以配置多个不同类型的定位子模块201，例如在图2中，上方的定位子模块202可以为基于GPS定位技术的定位子模块，其利用GPS传感器采集的位置数据来做定位；下方的定位子模块202可以为基于IMU定位技术的定位子模块，其利用IMU传感器的数据来做定位。在图1中，有提及定位子模块102是将多种技术的定位数据进行融合以实现融合定位的结果，在此情况下，判断子模块202是将定位子模块102的融合定位结果分别与上方的定位子模块202的GPS定位结果和下方的定位子模块202的IMU定位结果进行比较。当然，定位子模块202也可以为具有融合定位功能，此时可以只设置一个定位子模块202。

判断子模块203将定位子模块102的融合定位结果分别与上方的定位子模块202的GPS定位结果和下方的定位子模块202的IMU定位结果进行比较，通过以下方式进行比较。

在判断子模块202的硬件运行环境中(如ARM工控机)中部署第一预设网络模型。第一预设网络模型可以是神经网络，也可以是其它机器学习网络，如深度学习网络。具体网络模型本技术方案不进行限制。获取定位子模块102的融合定位结果和定位子模块202的定位结果，对这两种定位结果进行标注。这两种定位结果中，有些定位结果相同的；有些定位结果，定位子模块102的融合定位结果是异常的，即与定位子模块202的定位结果不一致。把标注后的定位结果输入第一预设网络模型(如深度学习模型A)进行训练。然后把训练好的第一预设网络模型(深度学习模型A)部署在判断子模块202的硬件运行环境中。

判断子模块203调用训练好的深度学习模型A对定位子模块102的融合定位结果分别与定位子模块202的GPS定位结果或定位子模块202的IMU定位结果进行比较，得到定位子模块202的定位结果与定位子模块102的定位结果是否相同。如果不相同，即可以认为定位子模块102的定位结果异常。通过第一预设网络模型进行判断，允许定位子模块202的定位结果与定位子模块102的定位结果有一定的偏差，具体偏差的大小，可以根据实际情况进行设置。通过数据标注时，把一些位置有一定偏差的数据标注为相同。

自动驾驶模块10、监控模块20之间进行时间同步，如通过NTP协议进行时间同步，也可以使用其他协议进行时间同步，本技术方案不限制具体的时间同步方案。确保自动驾驶模块10、监控模块20之间的时间是同步的。自动驾驶模块10的定位子模块102获取的位置信息，打上对应的时间戳信息；监控模块20的定位子模块202获取的位置信息，打上对应的时间戳信息，时间戳为从UTC时间1970年1月1日起到现在的毫秒数。如下表所示：

判断子模块203对定位子模块102的融合定位结果分别与定位子模块202的GPS定位结果或定位子模块202的IMU定位结果进行比较时，需要根据时间戳选择两者的时间戳相等或差值在一定范围内(如两者时间相差在100毫秒以内)的数据进行比较。

在图2中，定位子模块102和202所使用的位置传感器可以是相互独立和异构的，以减少位置传感器同时出错而导致判断出错的概率。其中异构的含义可以是指位置传感器的功能相同但是型号/结构/出厂批次等不同，例如定位子模块102和图2上方的定位子模块202均使用GPS传感器，但是两者所使用的GPS传感器的实现原理、厂商、出厂批次和型号等信息中的至少一个不同。

如图3所示，是本发明的自动驾驶装置1的另一实施例的结构示意图。此实施例主要用于说明对环境感知子模块104进行监控时，监控模块20的结构和功能。

在图3中，监控模块20包括：一个或多个环境感知子模块204，以及判断子模块205。其中，判断子模块205用于判断环境感知子模块104和204的环境感知结果是否相同(即环境感知子模块104和204是否认为车辆处于相同的环境中)；当判断到环境感知子模块104和204的环境感知结果不相同时，认为环境感知子模块104的环境感知结果异常，此时可以控制车辆进入最小风险状态；当判断到环境感知子模块104和204的环境感知结果相同时，可以向环境感知子模块104和204发送确认信号，以指示环境感知正常。在本实施例中，利用环境感知子模块204来检视环境感知子模块104的环境感知结果，从而提高环境感知结果的安全性，进而提高行车安全性。

判断子模块205对环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果，通过以下方式进行比较。

在判断子模块205的硬件运行环境中(如GPU平台)中部署第二预设网络模型。第二预设网络模型可以是神经网络，也可以是其它机器学习网络，如深度学习网络。具体网络模型本技术方案不进行限制。获取环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果，对这两种环境感知结果进行标注。这两种环境感知结果中，有些环境感知结果相同的；有些环境感知结果中环境感知子模块104的环境感知结果是异常的，即与环境感知子模块204的环境感知结果不一致。把标注后的环境感知结果输入第二预设网络模型(如深度学习模型B)进行训练。然后把训练好的第二预设网络模型(如深度学习模型B)部署在判断子模块202的硬件运行环境中。

判断子模块205调用训练好的深度学习模型B对环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果进行比较，得到环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果是否相同。如果不相同，即可以认为环境感知子模块104的环境感知结果异常。通过第二预设网络模型进行判断，允许环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果有一定的偏差，具体偏差的大小，可以根据实际情况进行设置。通过数据标注时，把一些环境感知结果有一定偏差的数据标注为相同。

环境感知子模块104的环境感知结果为车辆周围360度的环境信息，环境感知子模块204的环境感知结果为车辆周围360度的环境信息。如通过激光雷达获取的车辆周围360度的点云数据、通过摄像头获取的车辆周围360度的视频数据，根据车辆周围360度的点云数据和车辆周围360度的视频数据进行处理得到车辆周围360度的环境信息。环境感知子模块104和环境感知子模块204都同时获取车辆周围360度的环境信息，这样两者连接的传感器(如激光雷达、摄像头)对安装位置就没有要求，只要在相同时间范围内获取到车辆周围360度的环境信息，然后对两者的环境信息进行处理就可以判断环境感知子模块104获取的环境信息是否正常。

自动驾驶模块10的环境感知子模块104获取的环境感知结果，打上对应的时间戳信息；监控模块20的环境感知子模块204的环境感知结果，打上对应的时间戳信息。如下表所示：

判断子模块205对环境感知子模块104的环境感知结果和环境感知子模块204的环境感知结果进行比较时，需要根据时间戳选择两者的时间戳相等或差值在一定范围内(如两者时间相差在100毫秒以内)的数据进行比较。

需要说明的是，环境感知的结果不相同可以是指两个环境感知结果之间的差异程度超过了预设的范围，该范围可以由本领域技术人员根据经验或相关标准设置。另外，导致环境感知子模块104和204的环境感知结果不相同的原因可能是环境感知子模块104和204中任一个的原因，但是出于安全考虑，不论谁的原因，均认为环境感知子模块104的环境感知结果异常。

在图3实施例中，示出了2个环境感知子模块204的实施例。但是，环境感知子模块204可以为单个或者更多。在环境感知子模块204为多个时，判断子模块205将环境感知子模块104的环境感知结果与多个环境感知子模块204的环境感知结果依次或同时比较，当任一个环境感知子模块204的环境感知结果与环境感知子模块104的环境感知结果不相同时，即认为环境感知子模块104的结果异常。当设置多个环境感知子模块204时，他们的类型可以不同，例如在图2中，位于上方的环境感知子模块204可以为基于激光雷达的环境感知子模块，其利用激光雷达的数据来实现环境感知；位于下方的环境感知子模块204可以为基于摄像机的环境感知子模块，其利用摄像机的数据来实现环境感知。

在前述中，有提到环境感知子模块104可以具有融合感知的功能，其能够将激光雷达的数据和摄像机的数据进行融合来感知车辆所处的环境。此时，判断子模块205是将环境感知子模块104融合感知结果与环境感知子模块204的单一感知结果进行分别比较。当然，在监控模块20中也可以设置一个具有融合感知功能的环境感知子模块204，此时判断子模块205是将环境感知子模块104的融合感知结果与环境感知子模块204的融合感知结果进行比较。

在图3中，环境感知子模块104和204使用的感知传感器(如激光雷达，摄像机)可以是相互独立和异构的，以降低传感器同时出错导致的判断错误的概率。其中，异构的含义在前述也有说明，可参考前述内容。举例而言，对于采用激光雷达的方案，环境感知子模块104可以使用固态式激光雷达，而环境感知子模块204可以采用机械式的激光雷达。

如图4所示，是本发明的自动驾驶装置1的另一实施例的结构示意图。本实施例主要用于说明对路径规划的结果进行监控时，监控模块20的结构和功能。

在图4中，监控模块20包括：安全决策子模块206和判断子模块207。其中，安全决策子模块206用于提供车辆安全行驶的安全标准。判断子模块207用于判断路径规划子模块106的路径规划结果是否符合安全决策子模块206提供的安全标准；当判断子模块207判断到路径规划子模块106的路径规划结果不符合安全决策子模块206提供的安全标准时，认为路径规划子模块106的路径规划结果异常；当判断子模块207判断到路径规划子模块106的路径规划结果符合安全决策子模块206提供的安全标准时，可以向路径规划子模块106和安全决策子模块206发出确认指令，以指示路径规划正常。在本实施例中，利用安全决策子模块206来检视路径规划子模块106的路径规划的结果是否符合相关的安全标准，并在不符合标准时，控制车辆进入最小风险状态，从而提高自动驾驶的安全性。

其中，安全决策子模块206可以内置安全模型，此安全模型可以基于中国智能交通产业联盟发布的团体标准《T/ITS 0116-2019-自动驾驶车辆决策的安全保障技术要求》而设计。在工作时，安全决策子模块206通过该安全模型来计算安全行车的标准，例如车辆的横向和纵向安全距离，并作为安全标准提供给判断子模块207。判断子模块207通过判断路径规划的结果是否符合此安全标准以检视路径规划是否恰当。若判断子模块207判断到路径规划的结果符合安全标准，则认为路径规划的结果是安全的。若判断子模块207判断到路径规划的结果不符合安全标准，则认为路径规划的结果是危险的，需要控制车辆进入最小风险状态；例如，当路径规划中与前车的距离小于安全标准中提供的前车安全距离，则认为路径规划的结果异常。

如图5所示，是本发明的自动驾驶装置1的另一实施例的结构示意图。本实施例主要用于说明当对运动控制子模块的运动控制结果进行监控时，监控模块20的结构和功能。

在图5中，监控模块20，包括：车辆状态子模块208和判断子模块209。其中，车辆状态子模块208用于提供车辆当前的状态信息，例如当前车速、当前加速度、当前车道和当前位置等信息中的一个或多个。判断子模块109用于判断车辆状态子模块208提供的车辆的当前状态是否与路径规划子模块106提供的路径规划的结果(如，车辆的行驶路径和/或预期车速)一致；当判断到车辆的当前状态与路径规划的结果不一致(如车辆未按预期的行驶路径行驶，或未以预期的车速行驶)，则认为运动控制子模块108对车辆的运动控制结果并不符合预期，此时需要控制车辆进入最小风险状态。需要说明的是，在本实施例中，并非直接对运动控制子模块108的直接控制结果进行监控，例如监控油门的位置、车辆的转向角等参数。而是通过检视最终的控制结果(即车辆的当前状态)和车辆的预期状态(即路径规划)是否一致来对运动控制进行监控，此种方式，相比于直接监控执行机构的相关参数(如油门位置、转向角等)，实现难度更低。

以上结合图1～5，对自动驾驶模块10和监控模块20的结构和功能做了详细的说明。在上述实施例中，监控模块20主要是从软件层面进行的监控，因此监控模块20可以被称为软件监控层。然而，在本发明实施例，为了进一步保证自动驾驶的安全性，还可以对自动驾驶装置的硬件进行监控，下面结合图6进行说明。

如图6所示，是本发明的自动驾驶装置1的另一实施例的结构示意图。其包括：自动驾驶模块10、监控模块20和监控模块30。其中，自动驾驶模块10和监控模块20已在前面有详细描述，在此不赘述。下面主要对监控模块30的结构和功能进行描述。

如图6所示，监控模块30用于对支撑自动驾驶模块10和监控模块20工作的硬件进行监控；当监控到硬件出现异常时，控制车辆进入最小风险状态。具体地，监控模块30可以对I/O(input/output，输入/输出)电路、电源、内存、时钟和程序流等中的至少一个进行监控。对I/O电路的监控可以保证自动驾驶模块10和监控模块20的输入和输出信号采样的正确性。对电源的监控可以保证整个系统的供电正常以及急时排除风险，例如当监控到某分支过压或欠压时，可以关断该分支，以保护系统硬件安全或防止电源短接到地产生长时间的大电流危害。对内存的监控例如是对内存损坏和未经授权的内容篡改进行监控。对时钟的监控可以保证处理器(或控制器)内部时钟的准确性和一致性，保证处理器正常运行。对程序流的监控可以包括：对运行软件进行执行时间和执行顺序监控，保证自动驾驶模块10和监控模块20中执行的软件按照预期设计执行。

在本实施例中，监控模块20可以主要是从软件层面对自动驾驶模块10进行监控，而监控模块30主要是从硬件层面对支撑自动驾驶装置的硬件进行监控，从而实现软件和硬件监控相互结合的架构，因此在软件和硬件中的任一个发生问题时，均能够控制车辆进行最小风险状态，从而提高自动驾驶的安全性。此种架构将自动驾驶装置1分为三层，即位于第一层的自动驾驶执行层(由自动驾模块10负责)，位于第二层的软件监控层(由监控模块20负责)和位于第三层的硬件监控层(由监控模块30负责)，因此也可称为三层安全架构。

自动驾驶模块10、监控模块20和监控模块30部署在独立且异构的硬件平台上，如自动驾驶模块10部署在GPU硬件平台，监控模块20部署在ARM硬件平台，监控模块30部署在X86硬件平台。部署在不同的硬件平台可以防止这些硬件平台同时出现故障，从而提高可靠性。

下面再结合图7，对本发明实施例的自动驾驶装置的具体实现进行说明，以为本领域技术人员提供参考设计。如图7所示，是本发明实施例的自动驾驶装置的另一实施例的结构示意图。

如图7所示，该自动驾驶装置包括：域控制器70、冗余控制器71、硬件监视模块72和通信总线73。其中，定位子模块102、环境感知子模块104、路径规划子模块106和运动控制子模块108均在域控制器70中实现，即相当于图1～6中的自动驾驶模块10由域控制器70来实现。其中，定位监控701、环境感知监控702、路径规划监控703和运动控制监控704在冗余控制器71中实现，即图1～6中的监控模块20的功能由冗余控制器71负责。冗余控制器71中的I/O监控705、时钟监控706、内存监控708、ALU(arithmetic and logic unit，算术逻辑单元)监控709、SMU(Safety Management Unit安全管理单元)708、电压监控711和程序流程监控712，以及硬件监视模块72中的电压监控711和外部看门狗713共同实现图6中的监控模块30的功能；也就是说，监控模块30的一部分功能在冗余控制器71中实现，另一部分功能在硬件监控模块72中实现。在图7中，外部看门狗713主要是用于与程序流监控712配合，以对域控制器70和冗余控制器71中运行软件的执行时间和执行顺序进行监控。SMU708主要用于检测到硬件故障时，进行硬件安全处理，如Reset，中断执行，关断供电等。在图7中，通信总线73为安全相关的通信总线，其能够将来自域控制器70、冗余控制器71和硬件监控模块72的控制信号传递至相应的执行机构，以实现对车辆的控制。

以上对本发明的自动驾驶装置进行了说明，下面结合图8对本发明的自动驾驶方法进行说明，需要说明的是，下述方法的大部分步骤的详细描述已在上述装置实施例中有描述，因此为了简洁，不再赘述。

如图8所示，是本发明的自动驾驶方法的实施例的流程示意图，其包括如下步骤：

步骤801：对车辆进行定位和环境感知。

步骤802：根据步骤801的定位的结果和环境感知的结果，进行路径规划。

步骤803：根据步骤802进行路径规划的结果，对车辆进行运动控制。

步骤804：对步骤801的定位的结果和环境感知的结果，步骤802的路径规划的结果和步骤804的运动控制的结果进行监控。以及

步骤805：当在步骤804中监控到上述任一个结果异常时，控制车辆进入最小风险状态。

除此之外，本发明实施例还提供了一种自动驾驶装置，包括：存储器和处理器，其中存储器中存储有计算机程序，而处理器被配置为执行存储器中存储的计算机程序以实现上述的自动驾驶方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，控制器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种自动驾驶装置，其特征在于，包括：自动驾驶模块和用于监控所述自动驾驶模块的第一监控模块；其中，所述自动驾驶模块包括：

第一定位子模块，用于：对车辆进行第一定位；

第一环境感知子模块，用于：对所述车辆所处的环境进行第一环境感知；

路径规划子模块，用于：根据所述第一定位的结果以及所述第一环境感知的结果，进行路径规划；以及

运动控制子模块，用于：根据所述路径规划的结果，对所述车辆进行运动控制；

所述第一监控模块，具体用于：当监控到所述第一定位的结果、所述第一环境感知的结果、所述路径规划的结果和所述运动控制的结果中的至少一个异常时，控制所述车辆进入最小风险状态。

2.如权利要求1所述的自动驾驶装置，其特征在于，所述第一监控模块，包括：

第二定位子模块，用于：对所述车辆进行第二定位；和，

第一判断子模块，用于：判断所述第一和第二定位子模块的定位结果是否相同，当判断到所述第一和第二定位子模块的定位结果不同时，认为所述第一定位的结果异常；

所述第一和第二定位子模块从相互独立且异构的位置传感器获得数据。

3.如权利要求2所述的自动驾驶装置，其特征在于，所述判断所述第一和第二定位子模块的定位结果是否相同，包括以下步骤：

基于第一预设网络模型对所述第一定位子模块的定位结果和所述第二定位子模块的定位结果进行处理，判断所述第一定位子模块的定位结果和所述第二定位子模块的定位结果是否相同。

4.如权利要求1所述的自动驾驶装置，其特征在于，所述第一监控模块，包括：

第二环境感知子模块，用于：对所述车辆所处的环境进行第二环境感知；所述第一环境感知的结果为所述车辆周围的环境信息，所述第二环境感知的结果为所述车辆周围的环境信息；

和，

第二判断子模块，用于：判断所述第一和第二环境感知的结果是否相同，当判断到所述第一和第二环境感知的结果不同时，认为所述第一环境感知的结果异常；所述第一和第二环境感知子模块从相互独立且异构的环境感知传感器获得数据。

5.如权利要求4所述的自动驾驶装置，其特征在于，所述判断所述第一和第二环境感知的结果是否相同，包括以下步骤：

基于第二预设网络模型对所述第一环境感知的结果和所述第二环境感知的结果进行处理，判断所述第一环境感知的结果和所述第二环境感知的结果是否相同。

6.如权利要求1所述的自动驾驶装置，其特征在于，所述第一监控模块包括：

安全决策子模块，用于：提供所述车辆安全行驶的安全标准；和，

第三判断子模块，用于：判断所述路径规划的结果是否符合所述安全标准，当判断到所述路径规划的结果不符合所述安全标准时，认为所述路径规划的结果异常。

7.如权利要求1所述的自动驾驶装置，其特征在于，所述第一监控模块，包括：

车辆状态子模块，用于：提供所述车辆的当前状态；和，

第四判断子模块，用于：判断所述车辆的当前状态是否与所述路径规划的结果一致，当判断到所述车辆的当前状态与所述路径规划的结果不一致，认为所述运动控制的结果异常。

8.如权利要求1至7中任一项所述的自动驾驶装置，其特征在于，进一步包括：

第二监控模块，用于对支撑所述自动驾驶模块和所述第一监控模块工作的硬件进行监控，当监控到所述硬件出现异常时，控制所述车辆进入最小风险状态；

所述自动驾驶模块、所述第一监控模块、所述第二监控模块部署在相互独立且异构的硬件中；所述自动驾驶模块、所述第一监控模块、所述第二监控模块进行时间同步。

9.一种自动驾驶方法，其特征在于，包括：

对车辆进行定位和环境感知；

根据所述定位的结果和所述环境感知的结果，进行路径规划；以及

根据所述路径规划的结果，对所述车辆进行运动控制；

对所述定位的结果，环境感知的结果，路径规划的结果以及运动控制的结果进行监控；以及

当监控到上述任一个结果异常时，控制所述车辆进入最小风险状态。

10.一种自动驾驶装置，包括：存储器和处理器，其特征在于，所述存储器，用于存储计算机程序；所述处理器，被配置为执行所述存储器中存储的计算机程序；当所述计算机程序被所述处理器执行时，所述处理器能够实现如权利要求9所述的自动驾驶方法。

Images