CN117405131B - 偏转算法误差评定方法、设备和存储介质 - Google Patents
偏转算法误差评定方法、设备和存储介质 Download PDFInfo
- Publication number
- CN117405131B CN117405131B CN202311713505.8A CN202311713505A CN117405131B CN 117405131 B CN117405131 B CN 117405131B CN 202311713505 A CN202311713505 A CN 202311713505A CN 117405131 B CN117405131 B CN 117405131B
- Authority
- CN
- China
- Prior art keywords
- evaluated
- error
- deflection
- deflection algorithm
- algorithm
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000036461 convulsion Effects 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000010354 integration Effects 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 230000010391 action planning Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/109—Lateral acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及数据处理领域,公开了一种偏转算法误差评定方法、设备和存储介质,该方法包括:根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景;在所述待评估偏转算法涉及风险场景的情况下,基于所述待评估偏转算法,获取最大感知距离对应的最大偏差距离;根据所述最大偏差距离与偏转算法误差限值,确定所述待评估偏转算法的评定结果。本发明的技术方案能够实现对偏转算法导致的风险场景进行分析,并对偏转算法进行误差评定的效果。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种偏转算法误差评定方法、设备和存储介质。
背景技术
随着自动驾驶汽车行业的发展,高精地图也在迅速发展,高精地图是一种用于自动驾驶的高精度地图,包含道路形状、道路标记、交通标志和障碍物等地图元素,其精度可以到厘米级别。
然而,为了保障国家安全,高精地图在发布商用之前必须经过加密偏转处理,其主要目的不是对GPS(Global Positioning System,全球定位系统)定位进行偏移,而是对高精度地图进行偏移,降低其精度。但是,通过偏转算法进行坐标偏转的过程中会产生误差,为了避免偏转算法的误差对实际的安全行驶产生影响,需要对偏转算法的安全性和可使用性进行评定。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种偏转算法误差评定方法、设备和存储介质,实现对偏转算法导致的风险场景进行分析,并对偏转算法进行误差评定。
本发明实施例提供了一种偏转算法误差评定方法,该方法包括:
根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景;其中,所述实际路线是基于所述待评估偏转算法以及所述规划路线行驶得到的路线;所述地图定位是基于所述待评估偏转算法以及高精地图确定的车辆位置;所述车辆横向加加速度是基于所述待评估偏转算法行驶时获取的横向加加速度;
在所述待评估偏转算法涉及风险场景的情况下,基于所述待评估偏转算法,获取最大感知距离对应的最大偏差距离;
根据所述最大偏差距离与偏转算法误差限值,确定所述待评估偏转算法的评定结果。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的偏转算法误差评定方法的步骤。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的偏转算法误差评定方法的步骤。
本发明实施例具有以下技术效果:
通过根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景,以初步对待评估偏转算法进行评定,进而,在待评估偏转算法涉及风险场景的情况下,基于待评估偏转算法,获取最大感知距离对应的最大偏差距离,根据最大偏差距离与偏转算法误差限值,确定待评估偏转算法的评定结果,实现了对偏转算法导致的风险场景进行分析,并对偏转算法进行误差评定的效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,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一种偏转算法误差评定方法的流程图;
图2是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例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,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的偏转算法误差评定方法,主要适用于对高精地图进行偏转的偏转算法的安全性和可实用性进行评定的情况。本发明实施例提供的偏转算法误差评定方法可以由电子设备执行。
图1是本发明实施例提供的一种偏转算法误差评定方法的流程图。参见图1,该偏转算法误差评定方法具体包括:
S110、根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景。
其中,待评估偏转算法是对高精地图进行偏转处理以避免地图信息泄露的算法,待评估偏转算法是需要评估安全性和可使用性的地图坐标偏转算法。规划路线是向车辆下发的需要行驶的路线。实际路线是基于待评估偏转算法以及规划路线行驶得到的路线,即通过进行偏转处理后的高精地图进行定位且跟随规划路线行驶得到的路线。地图定位是基于待评估偏转算法对高精地图进行偏转处理后,所能确定出的车辆位置。感知定位是通过车辆上的传感器等感知确定的车辆位置。不可跨越车道线位置可以包括经济损失的车道线位置,例如实线车道线,道路边缘线等。车辆横向加加速度是基于待评估偏转算法行驶时获取的横向加加速度。
具体的,基于待评估偏转算法对高精地图进行偏转处理后,获取的车辆定位坐标也是经过坐标偏转的,此种情况下,会引入随机误差,因此需要判断是否涉及风险场景。由于高精地图在自动驾驶系统中主要提供车辆定位作用,风险主要来自偏转处理后的高精地图上静态要素点和车辆定位的坐标点之间距离误差,因此,由于待评估偏转算法导致的距离误差与潜在的风险场景联系起来。通过规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度进行车辆定位和各静态障碍物、路线的实际位置等进行距离分析,以衡量待评估偏转算法是否涉及风险场景。
在上述示例的基础上,可以通过下述方式来根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景:
根据规划路线以及实际路线,判断待评估偏转算法是否涉及安全性风险场景;
根据地图定位所对应的感知定位以及不可跨越车道线位置,判断待评估偏转算法是否涉及经济性风险场景;
根据车辆横向加加速度,判断待评估偏转算法是否涉及舒适性风险场景;
在待评估偏转算法涉及安全性风险场景、经济性风险场景以及舒适性风险场景中的至少一种的情况下,确定待评估偏转算法涉及风险场景;
在待评估偏转算法均不涉及安全性风险场景、经济性风险场景以及舒适性风险场景的情况下,确定待评估偏转算法不涉及风险场景。
其中,安全性风险场景用于衡量行驶过程中的驾驶安全性的尝尽。经济性风险场景用于衡量行驶过程中造成的违反交通法规造成经济损失的场景。舒适性风险场景是用于衡量驾乘舒适性的场景。
具体的,将规划路线与实际路线进行比较,判断被待评估偏转算法处理后的高精地图对行驶路线规划和跟踪的影响,即为是否涉及安全性风险场景。根据地图定位所对应的感知定位以及不可跨越车道线位置,可以确定按照地图定位行驶确认安全的定位实际上与不可跨越车道线位置之间的距离,来判断是否涉及经济性风险场景,即是否会造成违反交通法规。基于待评估偏转算法对高精地图进行偏转处理后,会导致一定的误差漂移,使得车辆出现横向加速度突然变化的情况,因此可以通过车辆横向加加速度来判断是否涉及舒适性风险场景。进而,在待评估偏转算法涉及上述三种风险场景中的至少一种的情况下,确定待评估偏转算法涉及风险场景,需要进一步的对偏转误差进行评估。在待评估偏转算法不涉及任意一个风险场景的情况下,确定待评估偏转算法不涉及风险场景,由此可以确定待评估偏转算法的安全性和可使用性已通过评定。
在上述示例的基础上,可以通过下述方式来根据规划路线以及实际路线,判断待评估偏转算法是否涉及安全性风险场景:
根据规划路线以及实际路线,确定各时刻对应的路线偏差;
若存在至少一个时刻对应的路线偏差大于预设路线偏差,则确定待评估偏转算法涉及安全性风险场景;
若各时刻对应的路线偏差均小于或等于预设路线偏差,则确定待评估偏转算法不涉及安全性风险场景。
其中,路线偏差是各时刻对应的规划路线中的路线点与实际路线中的路线点之间的距离偏差。预设路线偏差是预先根据经验和试验标定的存在安全风险的路线偏差值。
具体的,规划路线会有效规避静态障碍物,且符合各种规定限制,但是实际路线如果与规划路线偏差过大,则会无法保证达到规划路线所对应的安全性。确定规划路线中各时刻的路线点,并确定实际路线中各相同时刻的路线点,将相同时刻对应的两个路线点的距离作为该时刻对应的路线偏差,由此可以得到各时刻对应的路线偏差。若存在至少一个时刻对应的路线偏差大于预设路线偏差,则表明受待评估偏转算法的影响,导致车辆的实际路线偏离规划路线过大,因此,确定涉及安全性风险场景。若各时刻对应的路线偏差均小于或等于预设路线偏差,则表明受到待评估偏转算法的影响,车辆的实际路线与规划路线之间仍是比较符合的,因此,确定不涉及安全性风险场景。
可以理解的是,基于高精地图的定位与自动驾驶车辆融合感知系统获取的车辆位置存在偏差,因此,车辆与道路边缘或车道线距离存在不一致的情况。若选择取信高精地图的定位来确定车辆与道路边缘或车道线距离,则其后续决策执行将会引入该距离误差,导致车辆在具体执行规划路线时,与实际路线之间存在偏差,即路线偏差(车辆行驶“画龙”),进而,可能导致车辆与道路边缘静态障碍物发生碰撞、驶出道路边缘发生危害或导致其他不符合规定的情况,如不符合UN-R157 ALKS(Automated Lane Keeping System,自动车道保持系统)联合国法规要求。
在上述示例的基础上,可以通过下述方式来根据地图定位所对应的感知定位以及不可跨越车道线位置,判断待评估偏转算法是否涉及经济性风险场景:
根据地图定位所对应的感知定位以及不可跨越车道线位置,确定各时刻对应的经济损失距离;
若存在至少一个时刻对应的经济损失距离小于预设安全距离,则确定待评估偏转算法涉及经济性风险场景;
若各时刻对应的经济损失距离均大于或等于预设安全距离,则确定待评估偏转算法不涉及经济性风险场景。
其中,经济损失距离是感知定位与不可跨越车道线位置之间的距离。预设安全距离是预先设定的与不可跨越车道线之间不会产生经济损失的最大距离。
具体的,在车辆行驶时,确定各采样时刻的地图定位所对应的感知定位,以及该采样时刻对应的各不可跨越车道线位置。将该采样时刻的感知定位与该采样时刻对应的各不可跨越车道线位置之间的距离的最小值确定为该采样时刻对应的经济损失距离。由此可以得到各时刻对应的经济损失距离。若存在至少一个时刻对应的经济损失距离小于预设安全距离,则表明存在受经济处罚的危险,因此,确定涉及经济性风险场景。若各时刻对应的经济损失距离均大于或等于预设安全距离,则表明即使受到待评估偏转算法的影响,车辆的定位也不会导致收到经济处罚,因此,确定不涉及经济性风险场景。
可以理解的是,基于高精地图的地图定位确定的车辆与不可跨越车道线距离与自动驾驶车辆融合感知系统获取的感知定位获取的不一致。因此,若选择取信高精地图的定位与不可跨越车道线距离,则可能会导致车辆与不可跨越车道线发生干涉,导致违反交通法规,造成经济损失。
在上述示例的基础上,可以通过下述方式来根据车辆横向加加速度,判断待评估偏转算法是否涉及舒适性风险场景:
若存在至少一个时刻的车辆横向加加速度大于预设横向加加速度,则确定待评估偏转算法涉及舒适性风险场景;
若各时刻的车辆横向加加速度均小于或等于预设横向加加速度,则确定待评估偏转算法不涉及舒适性风险场景。
其中,预设横向加加速度是预先根据经验和试验确定的会造成驾乘感到不舒适的横向加加速度的最小值。
具体的,若存在至少一个时刻的车辆横向加加速度大于预设横向加加速度,则表明存在横向急加速或者急减速的情况,导致车辆晃动明显,影响驾乘舒适性,因此,确定涉及舒适性风险场景。若各时刻的车辆横向加加速度均小于或等于预设横向加加速度,则表明即使收到待评估偏转算法的影响,车辆仍能够平稳驾驶,因此,确定不涉及舒适性风险场景。
可以理解的是,由于高精地图的地图定位确定的车辆与车道线存在距离误差漂移,会带来车辆控制的变化,进而,可能引起车辆横向运动加速度的突然变化,影响驾乘舒适性。
需要说明的是,自动驾驶系统车辆与其他动态障碍物(如:机动车、非机动车、行人等)的距离检测和决策执行,主要依赖融合感知系统,而非高精度地图,因此,待评估偏转算法带来的距离误差不会引起相关风险。
S120、在待评估偏转算法涉及风险场景的情况下,基于待评估偏转算法,获取最大感知距离对应的最大偏差距离。
其中,最大感知距离是车辆的摄像头和激光雷达等能够感知的最远距离,即受待评估偏转算法影响的最远距离。最大偏差距离是在最大感知距离下,使用受待评估偏转算法处理的高精地图进行定位所产生的偏差距离。
具体的,在待评估偏转算法涉及风险场景的情况下,需要进一步的对待评估偏转算法进行评估。由于探测距离越远,待评估偏转算法对高精地图的地图定位的影响越大,因此,将最大感知距离作为最远的探测距离,将该探测距离下的偏差距离,确定为车辆能够产生的最大偏差距离。
示例性的,确定摄像头和激光雷达等对应的最大感知距离为200m,将其作为探测距离,在200m处,获取高精地图的地图定位与实际定位之间的偏差距离,即最大偏差距离。
S130、根据最大偏差距离与偏转算法误差限值,确定待评估偏转算法的评定结果。
其中,偏转算法误差限值是限制待评估偏差算法所能够产生的最大误差。评定结果是用于标定待评估偏转算法是否安全的结果,可以包括安全或者不安全。
具体的,将最大偏差距离与偏转算法误差限值进行比较,判断最大偏差距离是否在偏转算法误差限值之内,若在,则表明即使是最大偏差距离也未超过偏转算法误差限值,确定待评估偏转算法的评定结果为安全,若不在,则表明若达到最大偏差距离,会造成安全风险,因此,确定待评估偏转算法的评定结果为不安全。
在上述示例的基础上,在根据最大偏差距离与偏转算法误差限值,确定待评估偏转算法的评定结果之前,可以通过下述方式来获取偏转算法误差限值:
获取高精地图的成图误差以及横向控制误差;
基于预设最大横向偏移距离、成图误差以及横向控制误差,确定偏转算法误差限值。
其中,成图误差是高精地图在偏转之前就存在的误差,即高精地图本身由于测量或者设备误差等形成的误差。横向控制误差是车辆控制器在控制车辆行驶时的误差。预设最大横向偏移距离是预先设定的允许的横向偏移距离中的最大值,例如:基于ALKS法规可知,若巡线过程中的横向偏移超过0.375米,则进入到危险区域,可将0.375米作为预设最大横向偏移距离,当然也可以使用其他规定、经验或者试验确定预设最大横向偏移距离,在此不做具体限定。
具体的,自动驾驶汽车规划控制过程中的横向偏转误差包括:偏转算法误差、成图误差和控制执行误差(横向控制误差)。因此,在得到预设最大横向偏移距离、成图误差以及横向控制误差之后,可以计算得到偏转算法误差限值。
示例性的,自动驾驶车辆在巡线行驶时,会产生横向控制误差。对车辆横向控制的设计有三种方法:第一种是完全基于控制层的上一级动作规划(Motion Planning)控制,没有考虑到道路几何特性,通常用PID做反馈控制;第二种是基于模仿驾驶员行为进行控制;最后一种是基于车辆动力学模型和控制理论。后两种也可融合使用,前两种方法不需要车辆动力学的精确知识,仅需要一个表达响应特性的车辆模型和一个模拟驾驶员行为的控制器。后一种方法通常需要一个较好的车辆动力学模型,然后用不同的控制算法来达到特定目标。据相关研究表明,自动驾驶车辆的横向控制误差绝对值为3~20cm,不超过30cm。
在上述示例的基础上,可以通过下述方式基于预设最大横向偏移距离、成图误差以及横向控制误差,确定偏转算法误差限值:
将成图误差与横向控制误差的和值,确定为极限误差和值;
将预设最大横向偏移距离与极限误差和值的差值,确定为偏转算法误差限值。
示例性的,基于ALKS法规结果,将0.375米作为预设最大横向偏移距离,以3.5米宽的道路为基准(ALKS法规),该横向偏移距离具体由以下误差导致,包括:偏转算法误差、成图误差/>以及横向控制误差/>。车辆横摆幅度超出预设最大横向偏移距离,如0.375m,会导致其他自动驾驶车辆进入Emergency braking area(紧急制动区)后触发AEB(Autonomous Emergency Braking,自动紧急刹车)功能,导致潜在危害发生。
在已知车辆真实位置以及已成的高清地图的条件下,若偏转后高精地图车道中心线坐标(根据已成的高清地图和偏转算法确定),实际车辆坐标/>,车辆偏转后位置坐标/>,车道实际中心线坐标/>。在此设定下,若在当前坐标精度下,定义实际车辆坐标与车辆偏转后坐标。
坐标偏转误差:;
横向控制误差:;
横向偏移距离:,为实际危险评估,即总体偏差;
成图误差:。
由此,
假设基于数据预估,若具备/>的极限误差,/>具有±7cm的极限误差,则/>,则坐标偏转误差/>可能会导致危险场景及偏离车道的场景,则偏转误差总计/>或者/>可能会导致危险场景及偏离车道的场景。
在上述示例的基础上,可以通过下述方式来获取高精地图的成图误差:
根据激光测距误差以及GPS定位误差,确定基础误差;
根据基础误差以及高精地图的系统集成误差,确定高精地图的成图误差。
其中,激光测距误差是构建高精地图时所使用的激光雷达采集点云数据的误差。GPS定位误差是构建高精地图时所使用的GPS的误差。基础误差是激光测距误差的绝对值与GPS定位误差的绝对值的和值。系统集成误差是构建高精地图时所使用的部件观测值集成过程中的系统集成误差。
具体的,将激光测距误差的绝对值与GPS定位误差的绝对值的和值作为基础误差。获取高精地图的系统集成误差,将基础误差与系统集成误差的绝对值的和值作为高精地图的成图误差。若无法获取系统集成误差,则可以将系统集成误差确定为固定值,可以是零或者接近零的数值,例如0.01cm等,具体数值可以根据需求设定。
示例性的,高精地图制作过程中,会产生各项误差,其中,传感器雷达系统是一个很复杂的集成系统,其精度受到系统内各个组成部分的共同影响,误差主要可以分为两个大的方面:测量误差以及集成误差。量测误差,主要包括激光测距误差、GPS定位误差,还包括IMU(Inertial Measurement Unit,惯性测量单元)姿态误差;集成误差,即系统各部件观测值集成过程中的系统集成误差,包括硬件安置误差和数据处理误差。硬件安置误差是雷达系统中各个子系统安置在一起时产生的误差,主要有偏心距误差、照准误差、角度步进误差、扭矩误差等。数据处理误差是各个子系统获取的数据进行整合处理过程中产生的误差,包括时间同步误差、内插误差、坐标转换误差等。但总体而言,高精地图的成图误差以激光测距误差和GPS定位误差为主。例如,激光雷达采集点云数据误差绝对值约2cm,GPS定位误差的误差绝对值最大5cm。
在上述示例的基础上,可以通过下述方式来获取横向控制误差:
基于目标控制器,对各目标路线进行跟踪,得到与每个目标路线对应的仿真路线;
根据各目标路线以及与每个目标路线对应的仿真路线,确定目标控制器的横向控制误差。
其中,目标控制器是车辆上搭载的控制器,用于规划和控制车辆行驶。目标路线是预先规划的行驶路线。仿真路线是目标控制器跟踪目标路线所得到的路线。横向控制误差可以是具有对应关系的目标路线和仿真路线之间的差值。
具体的,按照目标控制器中预先加载的控制算法等,对预先设定的各种目标路线进行跟踪,输出每个目标路线对应的仿真路线,若多次跟踪,会的得到多个仿真路线。进而,计算各目标路线和与每个目标路线对应的仿真路线之间的路线偏差,根据这些路线偏差确定目标控制器的横向控制误差。例如,将路线偏差中的最大值作为横向控制误差,当然也可以用其他方式确定横向控制误差。
示例性的,自动驾驶汽车的横向运动控制器(目标控制器)的输入为规划层传递过来的目标轨迹(目标路线),以及车辆过去时间段内的状态,经过横向运动控制器内写好的控制算法优化求解输出控制变量,也就是方向盘转角,使车辆能够在尽量小误差范围内实现对目标轨迹的跟踪。采用模型预测横向运动控制器中的控制算法实现对自动驾驶汽车横向运动控制的目的,在Matlab/Simulink中利用S函数实现对控制算法的代码编写,选取合适的目标轨迹用以仿真实验,在Carsim中搭建合适的汽车模型作为被控对象,选择合适的接口进行联合仿真实验,得到与各目标轨迹对应的仿真结果(仿真路线),最后对仿真结果进行理论分析,得到横向控制误差。
在上述示例的基础上,可以通过下述方式来根据最大偏差距离与偏转算法误差限值,确定待评估偏转算法的评定结果:
若最大偏差距离大于偏转算法误差限值,则确定待评估偏转算法的评定结果为不安全,并对待评估偏转算法进行更新,得到更新后的待评估偏转算法,返回执行根据规划路线、实际路线、地图定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景的步骤;
若最大偏差距离小于或等于偏转算法误差限值,则确定待评估偏转算法的评定结果为安全。
具体的,若最大偏差距离大于偏转算法误差限值,则表明当前的待评估偏转算法会导致整体的横向偏转误差过大,大于预设最大横向偏移距离,那么会导致车辆行驶至不安全区域,导致危险场景及偏离车道的场景,因此,确定待评估偏转算法的评定结果为不安全。进一步的,需要对待评估偏转算法进行调整,即对待评估偏转算法进行更新,得到更新后的待评估偏转算法,以再次对更新后的待评估偏转算法进行评估,即返回执行根据规划路线、实际路线、地图定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景的步骤,直至得到评估结果。若最大偏差距离小于或等于偏转算法误差限值,即在最大感知距离下的最大偏差距离也不大于偏转算法误差限值,则确定待评估偏转算法的误差在允许范围内,因此,确定待评估偏转算法的评定结果为安全。
本实施例具有以下技术效果:通过根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景,以初步对待评估偏转算法进行评定,进而,在待评估偏转算法涉及风险场景的情况下,基于待评估偏转算法,获取最大感知距离对应的最大偏差距离,根据最大偏差距离与偏转算法误差限值,确定待评估偏转算法的评定结果,实现了对偏转算法导致的风险场景进行分析,并对偏转算法进行误差评定的效果。
图2是本发明实施例提供的一种电子设备的结构示意图。如图2所示,电子设备200包括一个或多个处理器201和存储器202。
处理器201可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备200中的其他组件以执行期望的功能。
存储器202可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器201可以运行所述程序指令,以实现上文所说明的本发明任意实施例的偏转算法误差评定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备200还可以包括:输入装置203和输出装置204,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置203可以包括例如键盘、鼠标等等。该输出装置204可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置204可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图2中仅示出了该电子设备200中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备200还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的偏转算法误差评定方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的偏转算法误差评定方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。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、方法或者设备不仅包括那些要素,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、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种偏转算法误差评定方法,其特征在于,包括:
根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景;其中,所述实际路线是基于所述待评估偏转算法以及所述规划路线行驶得到的路线;所述地图定位是基于所述待评估偏转算法以及高精地图确定的车辆位置;所述车辆横向加加速度是基于所述待评估偏转算法行驶时获取的横向加加速度;
在所述待评估偏转算法涉及风险场景的情况下,基于所述待评估偏转算法,获取最大感知距离对应的最大偏差距离;
根据所述最大偏差距离与偏转算法误差限值,确定所述待评估偏转算法的评定结果。
2.根据权利要求1所述的方法,其特征在于,所述根据规划路线、实际路线、地图定位所对应的感知定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景,包括:
根据规划路线以及实际路线,判断所述待评估偏转算法是否涉及安全性风险场景;
根据地图定位所对应的感知定位以及不可跨越车道线位置,判断所述待评估偏转算法是否涉及经济性风险场景;
根据车辆横向加加速度,判断所述待评估偏转算法是否涉及舒适性风险场景;
在所述待评估偏转算法涉及所述安全性风险场景、所述经济性风险场景以及所述舒适性风险场景中的至少一种的情况下,确定所述待评估偏转算法涉及风险场景;
在所述待评估偏转算法均不涉及安全性风险场景、所述经济性风险场景以及所述舒适性风险场景的情况下,确定所述待评估偏转算法不涉及风险场景。
3.根据权利要求2所述的方法,其特征在于,所述根据规划路线以及实际路线,判断所述待评估偏转算法是否涉及安全性风险场景,包括:
根据规划路线以及实际路线,确定各时刻对应的路线偏差;
若存在至少一个时刻对应的所述路线偏差大于预设路线偏差,则确定所述待评估偏转算法涉及安全性风险场景;
若各时刻对应的所述路线偏差均小于或等于所述预设路线偏差,则确定所述待评估偏转算法不涉及安全性风险场景;
所述根据地图定位所对应的感知定位以及不可跨越车道线位置,判断所述待评估偏转算法是否涉及经济性风险场景,包括:
根据地图定位所对应的感知定位以及不可跨越车道线位置,确定各时刻对应的经济损失距离;
若存在至少一个时刻对应的所述经济损失距离小于预设安全距离,则确定所述待评估偏转算法涉及经济性风险场景;
若各时刻对应的所述经济损失距离均大于或等于所述预设安全距离,则确定所述待评估偏转算法不涉及经济性风险场景;
所述根据车辆横向加加速度,判断所述待评估偏转算法是否涉及舒适性风险场景,包括:
若存在至少一个时刻的车辆横向加加速度大于预设横向加加速度,则确定所述待评估偏转算法涉及舒适性风险场景;
若各时刻的所述车辆横向加加速度均小于或等于所述预设横向加加速度,则确定所述待评估偏转算法不涉及舒适性风险场景。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述最大偏差距离与偏转算法误差限值,确定所述待评估偏转算法的评定结果之前,还包括:
获取所述高精地图的成图误差以及横向控制误差;
基于预设最大横向偏移距离、所述成图误差以及所述横向控制误差,确定偏转算法误差限值。
5.根据权利要求4所述的方法,其特征在于,所述基于预设最大横向偏移距离、所述成图误差以及所述横向控制误差,确定偏转算法误差限值,包括:
将所述成图误差与所述横向控制误差的和值,确定为极限误差和值;
将预设最大横向偏移距离与所述极限误差和值的差值,确定为偏转算法误差限值。
6.根据权利要求4所述的方法,其特征在于,所述获取所述高精地图的成图误差,包括:
根据激光测距误差以及GPS定位误差,确定基础误差;
根据所述基础误差以及所述高精地图的系统集成误差,确定所述高精地图的成图误差。
7.根据权利要求4所述的方法,其特征在于,获取横向控制误差,包括:
基于目标控制器,对各目标路线进行跟踪,得到与每个所述目标路线对应的仿真路线;
根据各所述目标路线以及与每个所述目标路线对应的仿真路线,确定所述目标控制器的横向控制误差。
8.根据权利要求1所述的方法,其特征在于,所述根据所述最大偏差距离与偏转算法误差限值,确定所述待评估偏转算法的评定结果,包括:
若所述最大偏差距离大于偏转算法误差限值,则确定所述待评估偏转算法的评定结果为不安全,并对所述待评估偏转算法进行更新,得到更新后的待评估偏转算法,返回执行所述根据规划路线、实际路线、地图定位、不可跨越车道线位置以及车辆横向加加速度,判断待评估偏转算法是否涉及风险场景的步骤;
若所述最大偏差距离小于或等于所述偏转算法误差限值,则确定所述待评估偏转算法的评定结果为安全。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至8任一项所述的偏转算法误差评定方法的步骤。
10.一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存储程序或指令,所述程序或指令使计算机执行如权利要求1至8任一项所述的偏转算法误差评定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713505.8A CN117405131B (zh) | 2023-12-14 | 2023-12-14 | 偏转算法误差评定方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311713505.8A CN117405131B (zh) | 2023-12-14 | 2023-12-14 | 偏转算法误差评定方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117405131A CN117405131A (zh) | 2024-01-16 |
CN117405131B true CN117405131B (zh) | 2024-02-23 |
Family
ID=89489390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311713505.8A Active CN117405131B (zh) | 2023-12-14 | 2023-12-14 | 偏转算法误差评定方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117405131B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2159777A2 (en) * | 2008-05-30 | 2010-03-03 | Navteq North America, LLC | Data mining to identify locations of potentially hazardous conditions for vehicle operation and use thereof |
CN110462543A (zh) * | 2018-03-08 | 2019-11-15 | 百度时代网络技术(北京)有限公司 | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
CN112540365A (zh) * | 2020-12-10 | 2021-03-23 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
CN113033029A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 自动驾驶仿真方法、装置、电子设备及存储介质 |
CN116134292A (zh) * | 2020-10-30 | 2023-05-16 | 法弗人工智能有限公司 | 用于性能测试和/或训练自动驾驶车辆规划器的工具 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10860023B2 (en) * | 2018-06-25 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for safe decision making of autonomous vehicles |
-
2023
- 2023-12-14 CN CN202311713505.8A patent/CN117405131B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2159777A2 (en) * | 2008-05-30 | 2010-03-03 | Navteq North America, LLC | Data mining to identify locations of potentially hazardous conditions for vehicle operation and use thereof |
CN110462543A (zh) * | 2018-03-08 | 2019-11-15 | 百度时代网络技术(北京)有限公司 | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
CN116134292A (zh) * | 2020-10-30 | 2023-05-16 | 法弗人工智能有限公司 | 用于性能测试和/或训练自动驾驶车辆规划器的工具 |
CN112540365A (zh) * | 2020-12-10 | 2021-03-23 | 中国第一汽车股份有限公司 | 一种评估方法、装置、设备及存储介质 |
CN113033029A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 自动驾驶仿真方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于高精度地图的超高速公路虚拟轨道系统;何永明;《吉林大学学报》;20230731;第53卷(第7期);2016-2028页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117405131A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10488863B2 (en) | Autonomous vehicle post-fault operation | |
RU2721860C2 (ru) | Система и способ управления крутящим моментом рулевой колонки | |
CN102975716B (zh) | 用于在自动化车道对中过程中的速度自适应转向超驰检测的系统和方法 | |
CN112009499B (zh) | 一种车辆自动驾驶控制方法及装置 | |
CN111873991B (zh) | 一种车辆转向的控制方法、装置、终端及存储介质 | |
US11079761B2 (en) | Vehicle path processing | |
US20190389470A1 (en) | System and method for controlling a vehicle based on an anticipated lane departure | |
CN109664885A (zh) | 车载交通辅助 | |
US10095238B2 (en) | Autonomous vehicle object detection | |
CN114167470A (zh) | 一种数据处理方法和装置 | |
US20220176949A1 (en) | Method for controlling a vehicle | |
Solmaz et al. | A vehicle-in-the-loop methodology for evaluating automated driving functions in virtual traffic | |
CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
CN110617815A (zh) | 一种自动驾驶监控告警的方法和装置 | |
CN117130298A (zh) | 用于评估自动驾驶系统的方法、装置及存储介质 | |
Lee et al. | Automated driving control in safe driving envelope based on probabilistic prediction of surrounding vehicle behaviors | |
US20210170972A1 (en) | Information processing device, information processing method, and program | |
CN117405131B (zh) | 偏转算法误差评定方法、设备和存储介质 | |
US11548530B2 (en) | Vehicle control system | |
Yan et al. | Considering variable road geometry in adaptive vehicle speed control | |
JP2009101973A (ja) | 車両の走行制御装置 | |
JP2019066444A (ja) | 位置演算方法、車両制御方法及び位置演算装置 | |
CN109544648B (zh) | 一种标定方法及装置 | |
CN111123948A (zh) | 车辆多维感知融合控制方法、系统及汽车 | |
CN113561996B (zh) | 轨迹规划方法及装置 |
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 |