CN117585009A - 检测车辆的自主操作 - Google Patents
检测车辆的自主操作 Download PDFInfo
- Publication number
- CN117585009A CN117585009A CN202310999085.8A CN202310999085A CN117585009A CN 117585009 A CN117585009 A CN 117585009A CN 202310999085 A CN202310999085 A CN 202310999085A CN 117585009 A CN117585009 A CN 117585009A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- operating
- autonomous
- computer
- operational
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 52
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 8
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 21
- 230000004044 response Effects 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- 238000010207 Bayesian analysis Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005259 measurement 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
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G05D1/81—
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- B60W40/08—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 drivers or passengers
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0051—Handover processes from occupants to vehicle
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- G05D2105/22—
-
- G05D2109/10—
Abstract
本公开提供了“检测车辆的自主操作”。一种计算机包括处理器和存储器,并且所述存储器存储指令,所述指令可由所述处理器执行以:接收由车辆的第一部件生成的操作数据;基于所述操作数据在不使用来自车载自主操作模块的输出的情况下确定所述车辆正在由所述车载自主操作模块自主操作;以及在确定所述车辆正在自主操作时,致动所述车辆的第二部件。
Description
技术领域
本公开涉及用于检测自主操作的车辆的技术。
背景技术
一些车辆是自主的或半自主的。计算机被编程为完全地或较小程度地独立于人类操作员的介入而操作车辆。计算机可以被编程为操作推进系统、制动系统、转向系统和/或其他车辆系统。自主操作意指计算机在没有来自人类操作员的输入的情况下控制推进系统、制动系统和转向系统;半自主操作意指计算机控制推进系统、制动系统和转向系统中的一者或两者,且人类操作员控制其余部分;以及非自主操作意指人类操作员控制推进系统、制动系统和转向系统。
车辆可以从工厂配备有自主操作,或者自主操作可以作为售后附件进行添加。作为售后附件,具有自主操作模块的新计算机可以连接到车辆,或者自主操作模块可以安装在已经在车辆上的计算机上。
发明内容
本公开描述了用于检测车辆正在例如利用售后自主操作模块自主地操作并且在检测到自主操作时致动部件的技术。例如,车辆可以向车辆的操作员输出消息或禁止来自售后自主操作模块的输入流。车辆上的计算机可以接收由车辆的第一部件生成的操作数据,并且基于操作数据在不使用来自车载自主操作模块的输出的情况下确定车辆正在由车载自主操作模块自主地操作。在如此确定时,计算机致动车辆的第二部件。因此,计算机可以防止车辆的未授权自主操作或将车辆的自主操作保持在授权条件或参数内。
计算机包括处理器和存储器,并且所述存储器存储指令,所述指令可由处理器执行以:接收由车辆的第一部件生成的操作数据;基于操作数据在不使用来自车载自主操作模块的输出的情况下确定车辆正在由车载自主操作模块自主操作;以及在确定车辆正在自主操作时,致动车辆的第二部件。
确定车辆正在自主操作可以包括执行机器学习分类器。可以训练所述机器学习分类器以将操作数据分类为多个操作分类中的一者,并且所述操作分类可以包括至少一个自主操作分类和至少一个非自主操作分类。
可以用训练数据来训练机器学习分类器,所述训练数据包括在使用至少一个第一自主操作模块操作车辆时生成的第一操作数据和在非自主地操作车辆时生成的第二操作数据。可以在相同环境中操作车辆时生成第一操作数据和第二操作数据。
训练数据可以包括在使用第二自主操作模块操作车辆时生成的第三操作数据。
确定车辆可能正在自主操作是以确定满足触发条件为条件的。触发条件可以包括车辆的操作员分心的指示。
触发条件可以包括在操作员向车辆提供输入的同时缺少操作员分心的指示,并且提供输入与操作员分心相关。
触发条件可以包括操作员分心的第一指示和缺少操作员分心的第二指示。
触发条件可以包括车辆处于预设地理位置。
触发条件可以包括车辆所经历的环境条件。
触发条件可以包括对对操作员的提示的预设响应。
第一部件可以包括推进系统、制动系统或转向系统中的至少一者。
第一部件可以包括返回关于车辆周围的外部环境的数据的至少一个传感器。
操作数据可以包括通过车辆的通信网络传输的数据。
致动第二部件可以包括指示用户界面向车辆操作员输出消息。
致动第二部件可以包括禁止来自车载自主操作模块的输入流。
致动第二部件可以包括指示收发器将操作数据传输到远程服务器。
一种方法包括:接收由车辆的第一部件生成的操作数据;基于操作数据在不使用来自车载自主操作模块的输出的情况下确定车辆正在由车载自主操作模块自主操作;以及在确定车辆正在自主操作时,致动车辆的第二部件。
附图说明
图1是示例性车辆的框图。
图2是用于确定车辆是否正在自主操作的示例性机器学习分类器的图示。
图3是用于确定车辆是否正在自主操作的示例性过程的过程流程图。
具体实施方式
参考附图,其中在几个视图中相同的数字表示相同的部分,计算机105包括处理器和存储器,并且所述存储器存储指令,所述指令可由处理器执行以:接收由车辆100的第一部件生成的操作数据205;基于操作数据205在不使用来自车载自主操作模块的输出的情况下确定车辆100正在由车载自主操作模块自主操作;以及在确定车辆100正在自主操作时,致动车辆100的第二部件。
参考图1,车辆100可以是任何乘用车或商用车,诸如汽车、卡车、运动型多用途车、跨界车、货车、小型货车、出租车、公共汽车、吉普尼车等。
计算机105是基于微处理器的计算装置,例如,通用计算装置(其包括处理器和存储器、电子控制器或类似装置)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、前述各者的组合等。通常,在电子设计自动化中使用诸如VHDL(VHSIC(超高速集成电路)硬件描述语言)的硬件描述语言来描述诸如FPGA和ASIC的数字和混合信号系统。例如,ASIC是基于制造前提供的VHDL编程而制造的,而FPGA内部的逻辑部件可基于例如存储在电连接到FPGA电路的存储器中的VHDL编程来配置。因此,计算机105可以包括处理器、存储器等。计算机105的存储器可以包括用于存储可由处理器执行的指令以及用于电子存储数据和/或数据库的介质,和/或计算机105可以包括诸如提供编程的前述结构的结构。计算机105可以是耦接在一起的多个计算机。
计算机105可以通过通信网络110(诸如控制器局域网(CAN)总线、以太网、WiFi、局域互连网(LIN)、车载诊断连接器(OBD-II))和/或通过任何其他有线或无线通信网络传输和接收数据。计算机105可以经由通信网络110通信地耦接到推进系统115、制动系统120、转向系统125、传感器130、用户接口135、收发器140、通信网络接口145和其他部件。
车辆100的推进系统115生成能量并且将能量转换成车辆100的运动。推进系统115可以为常规的车辆推进子系统,例如,常规的动力传动系统,其包括联接到将旋转运动传递到车轮的变速器的内燃发动机;电动动力传动系统,其包括电池、电动马达和将旋转运动传递到车轮的变速器;混合动力传动系统,其包括常规的动力传动系统和电动动力传动系统的元件;或任何其他类型的推进装置。推进系统115可以包括与计算机105和/或人类操作员通信并且从其或从车载自主操作模块(如果存在的话)接收输入的电子控制单元(ECU)等。人类操作员可以经由例如加速踏板和/或换挡杆来控制推进系统115。
制动系统120通常是常规的车辆制动子系统并且抵抗车辆100的运动,由此使车辆100减慢和/或停止。制动系统120可以包括摩擦制动器,诸如盘式制动器、鼓式制动器、带式制动器等;再生制动器;任何其他合适类型的制动器;或者它们的组合。制动系统120可以包括与计算机105和/或人类操作员通信并且从其或从车载自主操作模块(如果存在的话)接收输入的电子控制单元(ECU)等。人类操作员可以经由例如制动踏板来控制制动系统120。
转向系统125通常是常规的车辆转向子系统并且控制车轮的转弯。转向系统125可以是具有电动助力转向的齿条与小齿轮系统、线控转向系统(这两者是已知的)、或者任何其他合适的系统。转向系统125可以包括与计算机105和/或人类操作员通信并且从其或从车载自主操作模块(如果存在的话)接收输入的电子控制单元(ECU)等。人类操作员可以经由例如方向盘来控制转向系统125。
传感器130可以提供关于车辆100的操作的数据,例如,车轮速度、车轮取向以及发动机和变速器数据(例如,温度、燃料消耗等)。传感器130可以检测车辆100的位置和/或取向。例如,传感器130可以包括全球定位系统(GPS)传感器;加速度计,例如压电系统或微机电系统(MEMS);陀螺仪,例如速率陀螺仪、环形激光陀螺仪或光纤陀螺仪;惯性测量单元(IMU);以及磁力计。传感器130可以提供关于操作员和/或车辆100的其他乘客的数据,例如,瞄准操作员的相机、安装在方向盘上的电容传感器、耦接到方向盘的扭矩传感器等。传感器130可以检测外部世界,例如车辆100周围环境的对象和/或特性,诸如其他车辆、道路车道标记、交通信号灯和/或标志、行人等。例如,传感器130可以包括雷达传感器、超声波传感器、扫描激光测距仪、光探测和测距(lidar)装置以及图像处理传感器(诸如相机)。
用户界面135向车辆100的操作员呈现信息并从所述操作员接收信息。用户界面135可以位于例如车辆100的乘客舱中的仪表板上,或者位于操作员可以容易看到的任何地方。用户界面135可以包括用于向操作员提供信息的刻度盘、数字读出装置、屏幕、扬声器等,例如,诸如已知的人机界面(HMI)元件。用户界面135可以包括用于从操作员接收信息的按钮、旋钮、小键盘、传声器等。
收发器140可以适用于通过任何合适的无线通信协议(诸如蜂窝、低功耗(BLE)、超宽带(UWB)、WiFi、IEEE 802.11a/b/g/p、蜂窝-V2X(CV2X)、专用短程通信(DSRC)、其他RF(射频)通信等)无线地发射信号。收发器140可以适用于与远程服务器(即,与车辆100不同且间隔开的服务器)通信。远程服务器可以位于车辆100的外部。例如,远程服务器可以与另一个车辆(例如,V2V通信),基础设施部件(例如,V2I通信),紧急响应者,与车辆100的所有者相关联的移动装置、车队管理者等相关联。收发器140可以是一个装置或可以包括单独的发射器和接收器。
通信网络端口145允许外部装置直接地连接到(例如,插入到)通信网络110中。通信网络端口145的类型可以是用于与通信网络110物理(即,有线)连接的任何合适的端口,并且通常取决于通信网络110的类型。例如,如果通信网络110包括CAN总线,则通信网络端口145可以是连接到通信网络110的CAN总线的9针D-sub凹形连接器。对于另一个示例,如果通信网络110包括OBD-II,则通信网络端口145可以是连接到通信网络110的OBD-II的16针D型凹形连接器。
参考图2,计算机105被编程为接收由车辆100的第一部件生成的操作数据205。出于本公开的目的,“操作数据”被定义为指示车辆100的运动或车辆100与外部环境的关系的数据。例如,第一部件可以包括推进系统115、制动系统120或转向系统125中的至少一者,并且由那些第一部件生成的操作数据205可以包括加速度数据、方向盘角度、转向角度、制动力等。对于另一个示例,第一部件可以包括传感器130中的至少一者,所述传感器返回关于车辆100周围的外部环境的数据,例如雷达、相机、激光雷达、超声波传感器等,并且由传感器130生成的操作数据205可以包括点云、图像数据等和/或由其确定的值,诸如到车辆100前方的车辆的跟车距离、车道内的车辆100的横向位置等。对于另一个示例,操作数据205可以包括通过通信网络110(例如,通信网络110的CAN总线)传输的数据,例如来自推进系统115、制动系统杆120、转向系统125和传感器130的前述数据。对于另一个示例,操作数据205可以包括由收发器140接收的V2X数据,例如,来自已检测到车辆100的外部传感器的数据。
车辆100可以包括或可以不包括车载自主操作模块。车载自主操作模块被编程为完全地或在较小程度上独立于人类操作员的干预而操作车辆100。车载自主操作模块可以被编程为操作推进系统115、制动系统120、转向系统125和/或其他车辆系统。出于本公开的目的,完全自主操作意指车载自主操作模块在没有来自人类操作员的输入的情况下控制推进系统115、制动系统120和转向系统125;半自主操作意指车载自主操作模块控制推进系统115、制动系统120和转向系统125中的一者或两者,且人类操作员控制其余部分;以及非自主操作意指人类操作员控制推进系统115、制动系统120和转向系统125。自主操作包括完全自主和半自主操作。替代地或另外,车载自主操作模块可以通过改变预安装的自主操作模块(例如,由车辆100的制造商安装的自主操作模块)的输入或输出来实现自主操作。
车载自主操作模块可以是车辆100的售后附加物。例如,车载自主操作模块可以在制造商已出售车辆100之后安装在计算机105上。对于另一个示例,车载自主操作模块可以在制造商已出售车辆100之后安装在连接到通信网络110的外部装置上。外部装置可以例如插入通信网络端口145(例如,OBD-II加密狗)中或经由收发器140无线地连接到通信网络110。由于车载自主操作模块是售后,因此计算机105可能无法接收或识别来自车载自主操作模块的输出。例如,由车载自主操作模块发送的消息可以被寻址到被致动的部件而不是计算机105。在另一个示例中,车载自主操作模块可以通过网络连接或其他方式直接欺骗或伪造用户和/或传感器输入,以便实现车辆部件的一些所得行为。
计算机105被编程为基于操作数据205在不使用来自车载自主操作模块的输出的情况下确定车辆100是否正在由车载自主操作模块自主地操作。人如何操作车辆100与车载自主操作模块如何操作车辆100之间存在差异,并且计算机105可以搜索操作数据205以寻找与车载自主操作模块如何操作车辆100相匹配的数据。例如,计算机105可以分析跟车距离,即,从车辆100到车辆100前方的另一车辆的距离。车载自主操作模块可以具有随车辆100的速度线性增加的稳态跟车距离,并且人类操作员通常可以表现出稳态跟车距离与车辆100的速度之间的非线性关系。可以包括此类差异的其他操作数据可以包括车辆100相对于车道标记的横向位置、加速行为、制动行为等。可以单独地或共同地分析这些不同类型的操作数据。计算机105可以实时地分析操作数据,或者可以分析在最近的预设间隔(例如,过去三十秒)内收集的操作数据,所述操作数据可以记录在缓冲器中。
例如,确定车辆100是否正在自主操作可以包括执行机器学习分类器200。机器学习分类器200可以是用于分类的任何合适类型的机器学习程序,例如卷积神经网络。卷积神经网络包括一系列层,其中每个层使用前一层作为输入。每个层包含多个神经元,所述多个神经元接收由先前层的神经元的子集生成的数据作为输入,并且生成发送给下一层中的神经元的输出。层的类型包括:卷积层,所述卷积层计算权重和小区域的输入数据的点积;池化层,所述池化层沿着空间维度执行下采样操作;全连接层,所述全连接层基于前一层的所有神经元的输出而生成;以及递归层,所述递归层对后面层的输出进行操作。卷积神经网络的最后一层为每种潜在的分类生成分数,并且最后的输出是具有最高分数的分类。
可以训练机器学习分类器200以将操作数据205分类为多个操作分类中的一者。操作分类包括至少一个自主操作分类210和至少一个非自主操作分类215。例如,操作分类可以包括涵盖多个自主操作模块的单个自主操作分类210。替代地,操作分类可以包括多个自主操作分类210,每个自主操作分类指示不同的自主操作模块。对于另一个示例,操作分类可以包括单个非自主操作分类215。替代地,操作分类可以包括多个非自主操作分类215,每个非自主操作分类指示人类操作员的不同驾驶风格,例如,激进、谨慎等。
可以使用监督学习来训练机器学习分类器200,这是优选的,因为可以预先知道操作分类。机器学习分类器200用训练数据220进行训练,所述训练数据包括用已知操作分类预先标记的操作数据。训练数据220可以包括利用每个操作分类生成的操作数据,例如,在使用第一自主操作模块225操作车辆时生成的操作数据、在使用第二自主操作模块230操作车辆时生成的操作数据等,以及在非自主地操作车辆时(即,在人类操作员的非自主操作235期间)生成的操作数据。可以例如在制造和销售车辆100之前从不包括车辆100的操作员的操作员群体收集非自主操作数据,或者非自主操作数据可以包括来自车辆100的操作员的操作数据,例如,用于发送机器学习分类器200的更新。可以用任何合适的测试设置来收集操作数据,例如,软件在环(SIL)、处理器在环(PIL)、硬件在环(HIL)或真实世界驾驶。可以在相同环境中操作车辆时生成每个操作分类的操作数据。所述环境可以是用于真实世界驾驶的真实世界环境或用于SIL、PIL或HIL测试的虚拟环境。对于每个操作分类,相同的环境可以包括车辆所遵循的相同路线。使用相同的环境提供了用于不同操作分类的操作数据之间的更直接的比较。
作为其他示例,确定车辆100是否正在自主操作可以包括执行统计测试、执行贝叶斯分析、执行时间序列聚类等。计算机105可以确定操作数据是否不同于具有至少阈值(例如,标准统计阈值,诸如95%)的置信度的非自主操作数据。
计算机105可以被编程为连续地或周期性地确定车辆100是否正在自主操作。替代地或另外,确定车辆100是否正在自主操作可以是以确定满足触发条件为条件的。换句话说,计算机105可以被编程为响应于满足触发条件而确定车辆100是否正在自主操作。出于本公开的目的,“触发条件”被定义为在任何给定时间可能满足或可能不满足的一个标准或一组标准。下面依次讨论各示例。计算机105可以被编程有多个标准,并且确定是否满足触发条件可以包括确定是否满足标准中的至少一者。满足触发条件可以指示建议车辆100正在由车载自主操作模块自主地操作的条件,或者满足触发条件可以指示更有利于区分自主操作和非自主操作的条件。触发条件可以通过降低计算机105确定车辆100是否自主操作的频率来节省处理时间。
作为触发条件的示例,触发条件可以包括车辆100的操作员分心的指示。例如,计算机105可以被编程为确定操作员的注视方向是否向前瞄准,例如通过车辆100的前挡风玻璃,而不是侧向或向下朝向车辆100的仪表板。计算机105可以首先使用任何合适的眼睛检测算法来检测眼睛,例如,使用椭圆形眼睛模型或复杂眼睛模型的基于形状的技术;基于特征的技术,诸如检测局部特征、检测滤波器响应或检测瞳孔和虹膜;基于外观的技术;前述项的混合技术等。然后,计算机105可以使用任何合适的注视跟踪算法来检测所检测的眼睛的注视方向,例如,基于模型的技术、基于插值的技术、基于外观的技术、基于可见光的技术等。操作员分心的指示可能是注视方向在预设范围之外,例如对应于前挡风玻璃。对于另一个示例,计算机105可以被编程为例如基于从传感器130(例如,联接到方向盘的扭矩传感器和/或方向盘上的电容传感器)接收的数据来确定操作员的手是否在方向盘上。根据扭矩传感器和电容传感器中的一者或两者,操作员分心的指示可以是操作员的手不在方向盘上。计算机105还可以使用诸如前述技术的组合来确定操作员分心的指示。
对于触发条件的另一个示例,触发条件可以包括在操作员向车辆100提供输入的同时缺少操作员分心的指示,并且提供输入可以与驾驶员分心相关。例如,提供输入可以包括按下按钮、转动刻度盘、触摸用户界面135的触摸屏等,以提供非驾驶相关输入,诸如更换广播电台。当操作员提供输入的同时(即,同时)缺少上述操作员分心的指示中的一者(例如,注视方向穿过前方挡风玻璃或电容传感器指示两只手都在方向盘上)时,可以满足该触发条件。如果操作员在注视方向是通过前方挡风玻璃时更换广播电台,则操作员可能正在欺骗注视方向,从而增加操作员依赖车载自主操作模块而不是非自主地操作车辆100的可能性。同样地,如果操作员在根据电容传感器两只手都放在方向盘上时正在更换广播电台,则操作员可能正在欺骗手放在方向盘上。
对于触发条件的另一个示例,触发条件可以包括操作员分心的第一指示和缺少操作员分心的第二指示,例如,当手在方向盘上时注视方向不穿过前挡风玻璃,或者根据扭矩传感器手不在方向盘上而根据电容传感器手在方向盘上。该触发条件再次表明操作员可能正在欺骗缺少操作员分心的指示中的一者。
对于触发条件的另一个示例,触发条件可以包括车辆100处于预设地理位置。计算机105可以通过将根据传感器130中的GPS传感器的车辆100的位置与存储在存储器中的地理围栏区域进行比较来确定车辆100是否处于预设地理位置。可以基于更容易地检测到预设地理位置处的自主操作与非自主操作之间的一个或多个典型差异来选择预设地理位置。例如,预设地理位置可以包括宽转弯,这将利于分析转向数据;或包括降低在标示的速度限制中的一段道路,这将利于分析制动数据。
对于触发条件的另一个示例,触发条件可以包括车辆100所经历的环境条件。环境条件可以是诸如雨、雾等天气状况,或诸如砾石路的路况。计算机105可以经由收发器140接收天气数据。可以基于更容易地检测到环境条件中的自主操作与非自主操作之间的一个或多个典型差异来选择环境条件。例如,人类操作员在浓雾中可能比车载自主操作模块减速更多。替代地或另外,可以基于预安装的自主操作模块的限制来选择环境条件。例如,预安装的自主操作模块可以在晴朗天气而不是下雨或下雪天气期间提供自主操作。环境条件可以允许计算机105检测车载自主操作模块,所述车载自主操作模块迫使预安装的自主操作模块在其限制之外执行。
对于触发条件的另一个示例,触发条件可以包括对对操作员的提示的预设响应。计算机105可以周期性地指示用户界面135向操作员输出请求响应的提示。如果操作员提供预设响应而不是某个其他响应,则满足触发条件的该标准。例如,提示可以要求操作员确认车辆100正在非自主地操作,并且预设响应可以是否定回复或经过预设持续时间都没有接收到回复。
计算机105可以被编程为在确定车辆100正在自主操作时致动车辆100的第二部件。第二部件可以包括在从其接收操作数据205的第一部件中,或者第二部件可以不同于第一部件。
例如,致动第二部件可以包括指示用户界面135向车辆100的操作员输出消息。所述消息可以指示车辆100正在自主操作,例如,“检测到自主操作”。替代地或另外,所述消息可以命令操作员完全控制车辆100,即,开始非自主地操作车辆100,例如,“解除自主操作/控制车辆”。所述消息可以是视觉的、可听的或两者。
对于另一个示例,致动第二部件可以包括禁止负责车辆100自主操作的输入流。计算机105可以将通信网络端口145与通信网络110断开连接,或者阻止通信网络端口145与通信网络110之间的传输。计算机105可以指示推进系统115、制动系统120和/或转向系统125仅接受来自指定发送器的命令。
对于另一个示例,致动第二部件可以包括指示收发器140将操作数据205传输到远程服务器。远程服务器可以属于例如车辆100的制造商或车队管理者。
图3是示出用于确定车辆100是否正在自主操作的示例性过程300的过程流程图。计算机105的存储器存储用于执行过程300的步骤的可执行指令,和/或可以诸如上述的结构来实现编程。过程300可以响应于车辆100开启而开始。作为过程300的总体概述,计算机105接收传感器数据并且确定是否存在操作员分心的任何指示。如果满足触发条件,则计算机105从第一部件接收操作数据205并且确定车辆100是否正在自主操作。在确定车辆100正在自主操作时,计算机105致动第二部件。只要车辆100保持开启,过程300就继续。
过程300开始于框305,其中计算机105从传感器130接收数据。
接下来,在框310中,计算机105确定是否存在操作员分心的任何指示,如上所述。
接下来,在判定框315中,计算机105确定是否满足触发条件。计算机105可以确定是否满足上述触发条件的任何标准,例如,操作员分心的指示、在操作员提供输入的同时没有操作员分心的指示等。如果是,则过程300前进到框320。如果否,则过程300前进到判定框340。
在框320中,计算机105接收由车辆100的第一部件生成的操作数据205,如上所述。
接下来,在框325中,计算机105基于操作数据205在不使用来自车载自主操作模块的输出的情况下确定车辆100是否正在由车载自主操作模块自主地操作,如上所述。
接下来,在判定框330中,计算机105确定框325的输出。在确定车辆100正在自主操作时,过程300前进到框335。在确定车辆100不在自主操作时,过程300前进到判定框340。
在框335中,计算机105致动车辆100的第二部件,如上所述。在框335之后,过程300前进到判定框340。
在判定框340中,计算机105确定车辆100是否开启。如果车辆100仍开启,则过程300返回到框305以继续监测触发条件和自主操作。如果车辆100已关闭,则过程300结束。
一般来讲,所描述的计算系统和/或装置可采用多种计算机操作系统中的任一种,包括但决不限于以下版本和/或种类:Ford 应用;AppLink/Smart Device Link中间件;Microsoft />操作系统;Microsoft />操作系统;Unix操作系统(例如,由加利福尼亚州红杉海岸的Oracle公司发布的/>操作系统);由纽约州阿蒙克市的国际商业机器公司发布的AIX UNIX操作系统;Linux操作系统;由加利福尼亚州库比蒂诺市的苹果公司发布的Mac OSX和iOS操作系统;由加拿大滑铁卢的黑莓有限公司发布的BlackBerry操作系统;以及由谷歌公司和开放手机联盟开发的安卓操作系统;或由QNX软件系统公司提供的/> CAR信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、台式机、笔记本、膝上型计算机或手持计算机、或某一其他计算系统和/或装置。
计算装置通常包括计算机可执行指令,其中所述指令可由诸如以上列出的那些的一个或多个计算装置执行。可从使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行指令,所述编程语言和/或技术单独地或者组合地包括但不限于JavaTM、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Python、Perl、HTML等。这些应用程序中的一些可在诸如Java虚拟机、Dalvik虚拟机等虚拟机上编译和执行。通常,处理器(例如,微处理器)接收来自例如存储器、计算机可读介质等的指令,并执行这些指令,从而执行一个或多个过程,包括本文所述过程中的一者或多者。此类指令和其他数据可使用各种计算机可读介质来存储和传输。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据的集合。
计算机可读介质(也称为处理器可读介质)包括参与提供可由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。此类介质可采用许多形式,包括但不限于非易失性介质和易失性介质。指令可以通过一种或多种传输介质来传输,所述一种或多种传输介质包括光纤、电线、无线通信,包括构成耦接到计算机的处理器的系统总线的内部件。共同形式的计算机可读介质包括例如RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从中读取的任何其他介质。
本文所述的数据库、数据存储库或其他数据存储可包括用于存储、存取/访问和检索各种数据的各种机制,包括分层数据库、文件系统中的文件集、专用格式的应用程序数据库、关系型数据库管理系统(RDBMS)、非关系数据库(NoSQL)、图形数据库(GDB)等。每个这样的数据存储通常被包括在采用诸如以上提及中的一种的计算机操作系统的计算装置内,并且以各种方式中的任何一种或多种来经由网络进行访问。文件系统可以从计算机操作系统访问,并且可以包括以各种格式存储的文件。除了用于创建、存储、编辑和执行已存储的程序的语言(诸如上述PL/SQL语言)之外,RDBMS通常还采用结构化查询语言(SQL)。
在一些示例中,系统元件可以被实施为一个或多个计算装置(例如,服务器、个人计算机等)上、存储在与其相关联的计算机可读介质(例如,磁盘、存储器等)上的计算机可读指令(例如,软件)。计算机程序产品可以包括存储在计算机可读介质上的用于实施本文描述的功能的此类指令。
在附图中,相同的附图标记指示相同的要素。此外,可以改变这些元素中的一些或全部。关于本文描述的介质、过程、系统、方法、启发等,应理解,虽然此类过程等的步骤已被描述为按照某一有序的顺序发生,但是可以通过以与本文所述顺序不同的顺序执行所述步骤来实践此类过程。还应理解,可以同时执行某些步骤,可以添加其他步骤,或者可以省略本文所述的某些步骤。
除非本文作出相反的明确指示,否则权利要求中使用的所有术语意图给出如本领域技术人员所理解的普通和通常的含义。特别地,除非权利要求相反地叙述明确限制,否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的元件中的一个或多个。形容词“第一”、“第二”和“第三”贯穿本文档用作标识符,并且不意图表示重要性、次序或量。“响应于”和“在确定……时”的使用指示因果关系,而不仅是时间关系。
已经以说明性方式描述了本公开,并且应理解,已经使用的术语意在是描述性的词语的性质,而不是限制性的。鉴于以上教导,本公开的许多修改和变化是可能的,并且本公开可以不同于具体描述的其他方式来实践。
根据本发明,提供了一种计算机,所述计算机具有处理器和存储器,所述存储器存储指令,所述指令可由处理器执行以:接收由车辆的第一部件生成的操作数据;基于操作数据在不使用来自车载自主操作模块的输出的情况下确定车辆正在由车载自主操作模块自主操作;以及在确定车辆正在自主操作时,致动车辆的第二部件。
根据一个实施例,确定车辆正在自主操作包括执行机器学习分类器。
根据一个实施例,训练所述机器学习分类器以将操作数据分类为多个操作分类中的一者,并且所述操作分类包括至少一个自主操作分类和至少一个非自主操作分类。
根据一个实施例,用训练数据来训练机器学习分类器,所述训练数据包括在使用至少一个第一自主操作模块操作车辆时生成的第一操作数据和在非自主地操作车辆时生成的第二操作数据。
根据一个实施例,在相同环境中操作车辆时生成第一操作数据和第二操作数据。
根据一个实施例,训练数据包括在使用第二自主操作模块操作车辆时生成的第三操作数据。
根据一个实施例,确定车辆正在自主操作是以确定满足触发条件为条件的。
根据一个实施例,触发条件包括车辆的操作员分心的指示。
根据一个实施例,触发条件包括在操作员向车辆提供输入的同时缺少操作员分心的指示,并且提供输入与操作员分心相关。
根据一个实施例,触发条件包括操作员分心的第一指示和缺少操作员分心的第二指示。
根据一个实施例,触发条件包括车辆处于预设地理位置。
根据一个实施例,触发条件包括车辆所经历的环境条件。
根据一个实施例,触发条件包括对对操作员的提示的预设响应。
根据一个实施例,第一部件包括推进系统、制动系统或转向系统中的至少一者。
根据一个实施例,第一部件包括返回关于车辆周围的外部环境的数据的至少一个传感器。
根据一个实施例,操作数据包括通过车辆的通信网络传输的数据。
根据一个实施例,致动第二部件包括指示用户界面向车辆操作员输出消息。
根据一个实施例,致动第二部件包括禁止来自车载自主操作模块的输入流。
根据一个实施例,致动第二部件包括指示收发器将操作数据传输到远程服务器。
根据本发明,一种方法包括:接收由车辆的第一部件生成的操作数据;基于操作数据在不使用来自车载自主操作模块的输出的情况下确定车辆正在由车载自主操作模块自主操作;以及在确定车辆正在自主操作时,致动车辆的第二部件。
Claims (15)
1.一种方法,其包括:
接收由车辆的第一部件生成的操作数据;
基于所述操作数据在不使用来自车载自主操作模块的输出的情况下确定所述车辆正在由所述车载自主操作模块自主地操作;以及
在确定所述车辆正在自主操作时,致动所述车辆的第二部件。
2.如权利要求1所述的方法,其中确定所述车辆正在自主操作包括执行机器学习分类器。
3.如权利要求2所述的方法,其中训练所述机器学习分类器以将所述操作数据分类为多个操作分类中的一者,并且所述操作分类包括至少一个自主操作分类和至少一个非自主操作分类。
4.如权利要求2所述的方法,其中用训练数据来训练所述机器学习分类器,所述训练数据包括在使用至少一个第一自主操作模块操作车辆时生成的第一操作数据和在非自主地操作所述车辆时生成的第二操作数据。
5.如权利要求4所述的方法,其中在相同环境中操作所述车辆时生成所述第一操作数据和所述第二操作数据。
6.如权利要求4所述的方法,其中所述训练数据包括在使用第二自主操作模块操作所述车辆时生成的第三操作数据。
7.如权利要求1所述的方法,其中确定所述车辆正在自主操作是以确定满足触发条件为条件的。
8.如权利要求7所述的方法,其中所述触发条件包括所述车辆的操作员分心的指示。
9.如权利要求7所述的方法,其中所述触发条件包括操作员分心的第一指示和缺少所述操作员分心的第二指示。
10.如权利要求7所述的方法,其中所述触发条件包括所述车辆处于预设地理位置。
11.如权利要求1所述的方法,其中所述第一部件包括推进系统、制动系统或转向系统中的至少一者。
12.如权利要求1所述的方法,其中所述第一部件包括返回关于所述车辆周围的外部环境的数据的至少一个传感器。
13.如权利要求1所述的方法,其中致动所述第二部件包括指示用户界面向所述车辆的操作员输出消息。
14.如权利要求1所述的方法,其中致动所述第二部件包括禁止来自所述车载自主操作模块的输入流。
15.一种计算机,其包括处理器和存储器,所述存储器存储指令,所述指令能够由所述处理器执行以执行如权利要求1至14中的一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/819,430 | 2022-08-12 | ||
US17/819,430 US20240053747A1 (en) | 2022-08-12 | 2022-08-12 | Detection of autonomous operation of a vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117585009A true CN117585009A (zh) | 2024-02-23 |
Family
ID=89809257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310999085.8A Pending CN117585009A (zh) | 2022-08-12 | 2023-08-09 | 检测车辆的自主操作 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240053747A1 (zh) |
CN (1) | CN117585009A (zh) |
DE (1) | DE102023121485A1 (zh) |
-
2022
- 2022-08-12 US US17/819,430 patent/US20240053747A1/en active Pending
-
2023
- 2023-08-09 CN CN202310999085.8A patent/CN117585009A/zh active Pending
- 2023-08-10 DE DE102023121485.3A patent/DE102023121485A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102023121485A1 (de) | 2024-02-15 |
US20240053747A1 (en) | 2024-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11659038B2 (en) | Smart vehicle | |
US10424127B2 (en) | Controller architecture for monitoring health of an autonomous vehicle | |
US11526166B2 (en) | Smart vehicle | |
US20210089048A1 (en) | Smart vehicle | |
US20200172112A1 (en) | System and method for determining a change of a customary vehicle driver | |
US11150665B2 (en) | Smart vehicle | |
US10752253B1 (en) | Driver awareness detection system | |
US11423708B2 (en) | Synchronizing sensing systems | |
EP4137914A1 (en) | Air gesture-based control method and apparatus, and system | |
CN114763150A (zh) | 对故障状况进行排名 | |
CN116142185A (zh) | 自适应巡航控制激活 | |
US11584383B2 (en) | Vehicle feature availability detection | |
US20240053747A1 (en) | Detection of autonomous operation of a vehicle | |
CN115871632A (zh) | 车辆对象追踪 | |
US20220080968A1 (en) | Adaptive cruise control | |
US10838416B1 (en) | Vehicle control handoff | |
US20230316830A1 (en) | Vehicle data storage activation | |
US20220314792A1 (en) | Vehicle speed limiting | |
US20240127642A1 (en) | Vehicle fault prediction | |
US20230334914A1 (en) | Vehicle data storage activation | |
US20220324511A1 (en) | Takeover determination for a vehicle | |
US20230150496A1 (en) | Adaptive cruise control | |
US20230211753A1 (en) | Vehicle sensor control for optimized monitoring | |
US20230131124A1 (en) | Connected vehicle road-safety infrastructure insights | |
US20230219529A1 (en) | Vehicle sensor control for optimized monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |