CN116238542A - 一种自动驾驶中异常中断处理系统 - Google Patents

Abstract

本发明公开了一种自动驾驶中异常中断处理系统，包括：场景判断子系统和人工干预子系统；场景判断子系统包括数据分析模块、数据比较模块和数据判断模块；数据分析模块，用于对传感器组件所采集的场景数据进行分析；数据比较模块，用于将分析结果与现有样本进行相似度对比；数据判断模块，用于对相似度进行判断：若相似度大于预设阈值，则仍由汽车按照该场景的既定策略执行自动驾驶；若相似度低于预设阈值，则由人工干预子系统根据分析结果进行干预处理。通过该系统可以在汽车在自动驾驶过程中，当遇到没有训练过的场景或紧急情况时，快速有效对汽车驾驶进行人工干预。

Description

一种自动驾驶中异常中断处理系统

技术领域

本发明属于自动驾驶技术领域，特别是一种自动驾驶中异常中断处理系统。

背景技术

自动驾驶汽车是一种基于AI分析识别最终实现无人驾驶的智能汽车。现有技术在对无人驾驶模型进行训练过程中，都是基于现有大量采样数据，区分不同的场景，实现在不同场景不同紧急情况下自动决策及自动驾驶。但是现有的数据并不是十分全面的，而对于那些没有训练过的场景和紧急情况，如果仍然交由汽车自动驾驶，将可能会造成各种事故和灾难。

因此，汽车在自动驾驶过程中，当遇到没有训练过的场景或紧急情况时，如何对汽车自动驾驶进行异常中断处理，成为当前研究的关键问题。

发明内容

鉴于上述问题，本发明提供一种至少解决上述部分技术问题的一种自动驾驶中异常中断处理系统，通过该系统可以在汽车在自动驾驶过程中，当遇到没有训练过的场景或紧急情况时，快速有效对汽车驾驶进行人工干预。

本发明实施例提供了一种自动驾驶中异常中断处理系统，包括：场景判断子系统和人工干预子系统；

所述场景判断子系统包括数据分析模块、数据比较模块和数据判断模块；

所述数据分析模块，用于对传感器组件所采集的场景数据进行分析；

所述数据比较模块，用于将分析结果与现有样本进行相似度对比；

所述数据判断模块，用于对所述相似度进行判断：若所述相似度大于预设阈值，则仍由汽车按照该场景的既定策略执行自动驾驶；若所述相似度低于所述预设阈值，则由人工干预子系统根据所述分析结果进行干预处理。

进一步地，所述传感器组件包括高清摄像头、激光雷达和毫米波雷达。

进一步地，所述分析结果包括：主车当前车速、主车与正前方同一车道最近车辆的距离、主车盲区是否存在行人或车辆、正前方同一车道最近车辆的实时车速、前方路面状态和前方交通状态。

进一步地，所述人工干预子系统包括预警模块和自动学习模块；

所述预警模块，用于根据所述分析结果进行对应的预警；

所述自动学习模块，用于对当前场景及人工处理策略进行自动保存并学习。

进一步地，所述预警模块包括：前向碰撞预警子模块、盲区预警子模块、紧急制动预警子模块、异常车辆预警子模块、前方车辆失控预警子模块、前方道路危险预警子模块、限速预警子模块和前方拥堵预警子模块。

进一步地，所述预警模块包括声音预警、灯光预警和振动预警。

与现有技术相比，本发明记载的一种自动驾驶中异常中断处理系统，具有如下有益效果：通过该系统可以在汽车在自动驾驶过程中，当遇到没有训练过的场景或紧急情况时，快速有效对汽车驾驶进行人工干预，减少事故发生，减缓交通拥堵。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的自动驾驶中异常中断处理系统框架示意图。

图2为本发明实施例提供的前向碰撞预警子模块使用场景示意图。

图3为本发明实施例提供的盲区预警子模块使用场景示意图。

图4为本发明实施例提供的紧急制动预警子模块使用场景示意图。

图5为本发明实施例提供的异常车辆预警子模块使用场景示意图。

图6为本发明实施例提供的前方车辆失控预警子模块使用场景示意图。

图7为本发明实施例提供的前方道路危险预警子模块使用场景示意图。

图8为本发明实施例提供的前方拥堵预警子模块使用场景示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参见图1所示，本发明实施例提供了一种自动驾驶中异常中断处理系统，包括：场景判断子系统和人工干预子系统；其中：

场景判断子系统包括数据分析模块、数据比较模块和数据判断模块；

数据分析模块用于对传感器组件所采集的场景数据进行分析；该传感器组件包括高清摄像头、激光雷达和毫米波雷达；从测量范围上来讲，毫米波雷达的最大测量距离为1公里，而激光雷达只有300米。从测量效果上来讲，毫米波雷达的识别能力一般，但是因为其具有良好的穿透能力所以不容易受天气环境影响；激光雷达的测量精度高、反应速度快且不容易被干扰，但是激光雷达的穿透性较差、容易收到浓雾和雨雪天气的影响。基于此，本发明实施例中，同时采用了激光雷达和毫米波雷达，结合高清摄像头，确保所采集的场景数据具有较高的可信度。数据分析模块用于对传感器组件所采集的场景数据进行分析后，可以获得主车当前车速、主车与正前方同一车道最近车辆的距离、主车盲区是否存在行人或车辆、正前方同一车道最近车辆的实时车速、前方路面状态和前方交通状态。

数据比较模块用于将分析结果与现有样本进行相似度对比；

数据判断模块用于对相似度进行判断：若相似度大于预设阈值，则判断当前场景可靠（即现有样本中包括该场景及对应的执行策略），此时仍由汽车按照该场景的既定策略执行自动驾驶；若相似度低于预设阈值，则判断当前场景可疑（即现有样本中不包括该场景及对应的执行策略），此时由人工干预子系统根据分析结果进行干预处理；在本发明实施例中，将预设阈值设为90%。

人工干预子系统包括预警模块和自动学习模块；其中：

预警模块用于根据上述分析结果进行对应的预警；该预警模块包括以下几个子模块：

（1）前向碰撞预警子模块

参见图2所示，主车（HV）在车道上行驶过程中，若与在正前方同一车道的远车（RV）存在追尾碰撞危险时，前向碰撞预警子模块则对主车（HV）驾驶员进行预警。

（2）盲区预警子模块

参见图3所示，当主车（HV）准备实施变道操作时（例如开启转向灯等），若此时目标车道上有车辆（与主车同向行驶）进入或即将进入主车（HV）盲区，则盲区预警子模块对主车（HV）驾驶员进行预警。或者，当主车（HV）没有变道意图，但相邻车道上有远车（RV）（同向行驶）出现在主车（HV）盲区时，则盲区预警子模块对主车（HV）驾驶员进行提醒。

（3）紧急制动预警子模块

参见图4所示，主车（HV）行驶在道路上，与前方行驶的远车（RV）存在一定距离；当前方RV进行紧急制动时，紧急制动预警子模块会针对该现象进行预警。当主车（HV）检测到远车（RV）的紧急制动状态后，若判断该远车（RV）事件与主车（HV）相关，则对主车（HV）的驾驶员进行预警；该紧急制动预警子模块适用于城市郊区普通道路及高速公路可能发生制动追尾碰撞危险的预警。

（4）异常车辆预警子模块

参见图5所示，当远车（RV）在行驶中打开故障报警灯时，，对外广播消息中指示当前“故障报警灯开启”；主车（HV）根据收到的消息内容，识别出其属于异常车辆；或者主车（HV）根据远车（RV）广播的消息，判断远车（RV）的车速为静止或慢速(显著低于周围其他车辆)时，识别出其属于异常车辆。当识别出的异常车辆可能影响本车行驶路线时，异常车辆预警子模块提醒主车（HV）的驾驶员注意。

（5）前方车辆失控预警子模块

参见图6所示，当远车（RV）出现制动防抱死系统（ABS）、车身稳定性系统（ESP）、牵引力控制系统（TCS）、车道偏移预警系统（LDW）功能触发时，远车（RV）对外广播此类状态信息；若主车（HV）根据收到的消息识别出该车属于车辆失控，且可能影响自身行驶路线时，则前方车辆失控预警子模块对主车（HV）的驾驶员进行提醒；该前方车辆失控预警子模块适用于城市、郊区普通道路及高速公路可能发生车辆失控碰撞危险的预警。

（6）前方道路危险预警子模块

参见图7所示，当主车（HV）行驶到潜在道路危险状况（例如：桥下存在较深积水、路面有深坑、道路湿滑、前方急转弯等）路段时，存在发生事故风险，此时前方道路危险预警子模块对主车驾驶员进行预警。

（7）限速预警子模块

主车（HV）行驶过程中，在超出限定速度的情况下，限速预警子模块对主车（HV）驾驶员进行预警，提醒驾驶员减速行驶；该限速预警子模块适用于普通道路及高速公路等有限速的道路。

（8）前方拥堵预警子模块

参见图8所示，主车（HV）行驶前方发生交通拥堵状况，路侧单元（RSU, Road SideUnit）将拥堵路段信息发送给主车，前方拥堵预警子模块对主车驾驶员进行提醒；该前方拥堵预警子模块适用于城市及郊区普通道路及高速公路的拥堵路段的预警。

通过上述几个子模块，可以实现车与车之间、车与路之间、车与人之间和车与网络之间的交互，从而有效减少事故发生，减缓交通堵塞。

该预警模块包括声音预警、灯光预警和振动预警；例如通过车内音响喇叭发声、仪表（HUD）亮光闪烁、座椅或方向盘机械振动等方式，提示驾驶员当前自动驾驶场景判定可能失效，需要人工干预。

自动学习模块用于对当前场景及人工处理策略进行自动保存并学习，当下次遇到类似场景时将自动识别，免除人工干预。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种自动驾驶中异常中断处理系统，其特征在于，包括：场景判断子系统和人工干预子系统；

所述场景判断子系统包括数据分析模块、数据比较模块和数据判断模块；

所述数据分析模块，用于对传感器组件所采集的场景数据进行分析；

所述数据比较模块，用于将分析结果与现有样本进行相似度对比；

所述数据判断模块，用于对所述相似度进行判断：若所述相似度大于预设阈值，则仍由汽车按照该场景的既定策略执行自动驾驶；若所述相似度低于所述预设阈值，则由人工干预子系统根据所述分析结果进行干预处理。

2.如权利要求1所述的一种自动驾驶中异常中断处理系统，其特征在于，所述传感器组件包括高清摄像头、激光雷达和毫米波雷达。

3.如权利要求1所述的一种自动驾驶中异常中断处理系统，其特征在于，所述分析结果包括：主车当前车速、主车与正前方同一车道最近车辆的距离、主车盲区是否存在行人或车辆、正前方同一车道最近车辆的实时车速、前方路面状态和前方交通状态。

4.如权利要求1所述的一种自动驾驶中异常中断处理系统，其特征在于，所述人工干预子系统包括预警模块和自动学习模块；

所述预警模块，用于根据所述分析结果进行对应的预警；

所述自动学习模块，用于对当前场景及人工处理策略进行自动保存并学习。

5.如权利要求4所述的一种自动驾驶中异常中断处理系统，其特征在于，所述预警模块包括：前向碰撞预警子模块、盲区预警子模块、紧急制动预警子模块、异常车辆预警子模块、前方车辆失控预警子模块、前方道路危险预警子模块、限速预警子模块和前方拥堵预警子模块。

6.如权利要求4所述的一种自动驾驶中异常中断处理系统，其特征在于，所述预警模块包括声音预警、灯光预警和振动预警。

Images