CN117980847A - 用于对机动车辆的导航环境进行建模的方法 - Google Patents
用于对机动车辆的导航环境进行建模的方法 Download PDFInfo
- Publication number
- CN117980847A CN117980847A CN202280062199.3A CN202280062199A CN117980847A CN 117980847 A CN117980847 A CN 117980847A CN 202280062199 A CN202280062199 A CN 202280062199A CN 117980847 A CN117980847 A CN 117980847A
- Authority
- CN
- China
- Prior art keywords
- information
- decision
- vehicle
- environment
- selection
- 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 title claims abstract description 60
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 230000009471 action Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 10
- 230000008447 perception Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/243—Means capturing signals occurring naturally from the environment, e.g. ambient optical, acoustic, gravitational or magnetic signals
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/60—Intended control result
- G05D1/644—Optimisation of travel parameters, e.g. of energy consumption, journey time or distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the 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
- 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
- B60W40/02—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 ambient conditions
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2101/00—Details of software or hardware architectures used for the control of position
- G05D2101/10—Details of software or hardware architectures used for the control of position using artificial intelligence [AI] techniques
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2109/00—Types of controlled vehicles
- G05D2109/10—Land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
一种用于对车辆(100)的导航环境进行建模的方法,该车辆配备有环境感知装置(1)、决策模块(2)和用于对该车辆进行自主控制的自主控制装置(20),其特征在于,该方法包括以下步骤:‑将车辆的全局环境模型(M_ENV_G)定义为由环境感知装置(1)提供的数据构建的结构化信息集的步骤(E1);‑以及从决策模块(2)接收对与由自主控制装置(20)控制该车辆所要做出的决策(DP)相关的信息的请求(RDP)的步骤(E2)。
Description
技术领域
本发明涉及一种用于对机动车辆的导航环境进行建模的方法。本发明进一步涉及一种用于对机动车辆的导航环境进行建模的设备。本发明还涉及一种实施上述方法的计算机程序。最后,本发明涉及一种存储有这种程序的存储介质。
背景技术
自主车辆需要不断地就其当前情况做出决策。因此,确定自主车辆的当前情况对于决策至关重要。车辆的当前情况通常是通过用于感知车辆环境的装置(比如激光雷达、雷达或相机)来获得的。这些装置提供了大量的数据,这些数据中的大部分对于描述车辆当前情况以做出决策并无用处。这些数据的另一部分可能包含错误或不准确之处。最后,尽管机动车辆安装了越来越多的环境感知装置,但仍可能缺少一些用于描述情况的数据。
从文献US10860022中已知一种方法,该方法适应自主车辆的当前情况,尤其是通过识别源自车辆感知装置的数据中所包含的关键信息。然而,这种解决方案存在缺点,特别是在管理信息的一致性和可靠性方面。
发明内容
本发明的目的是提供一种用于对机动车辆的导航环境进行建模的设备和方法,从而克服上述缺点并改进现有技术中已知的用于对机动车辆的导航环境进行建模的设备和方法。特别地,本发明制造出的设备和方法简单且可靠,并且允许对机动车辆的导航环境进行可靠、一致且适宜的建模。
为此,本发明涉及一种用于对车辆的导航环境进行建模的方法,该车辆配备有环境感知装置、决策模块和用于对该车辆进行自主控制的自主控制装置,该方法包括以下步骤:
-将该车辆的整体环境模型定义为由该环境感知装置提供的数据构建的结构化信息集的步骤;
-从该决策模块接收对与该自主控制装置控制该车辆所要做出的决策相关的信息的请求的步骤;
-从定义该环境模型的该结构化信息集中确定为做出所述决策而要查询的信息的选择的步骤;
-从该整体环境模型中查询来自所述选择的信息的步骤;
-确定与所述选择中的每个信息项相关联的完整性指数的步骤;
-向所述决策模块提供选择性环境模型的步骤,该选择性环境模型包含来自所述选择的信息和对应的完整性指数。
该方法可以包括使用第一环境感知装置和第二环境感知装置从所述信息选择中获取至少一个第一信息项的步骤,并且与所述至少一个第一信息项相关联的完整性指数可以根据由该第一感知装置和该第二感知装置提供的数据之间的一致性来确定。
该方法可以包括在第一时刻和该第一时刻之后的第二时刻使用环境感知装置从所述信息选择中获取至少一个第二信息项的步骤,并且与所述至少一个第二信息项相关联的完整性指数可以根据由该感知装置在该第一时刻和该第二时刻提供的数据之间的一致性来确定。
该要做出的决策可以包括该自主车辆在给定最后期限内要进行的给定动作,其中,该给定最后期限能够是短期的、中期的或长期的,
并且对于相同的给定动作,该确定步骤可以确定以下各项:
-在该给定最后期限为短期的情况下,确定对要查询的信息的第一选择;或者
-在该给定最后期限为中期的情况下,确定对要查询的信息的第二选择;或者
-在该给定最后期限为长期的情况下,确定对要查询的信息的第三选择,
并且该第一选择、该第二选择和该第三选择可以彼此不同。
该方法可以包括向所述决策模块提供选择性环境模型的子步骤,该选择性环境模型包括表征车辆在应用该要做出的决策之后的情况的一组信息。
该方法可以包括:
-配置该方法所考虑的有限决策列表;
-为该有限决策列表中的每个决策配置要查询的信息选择,并配置必须要查询所述信息的顺序;
-配置用于查询要查询的每个信息项的至少一种方法。
本发明还涉及一种用于对自主车辆的导航环境进行建模的设备,该自主车辆配备有自主控制装置。该设备包括实施如上文所定义的方法的硬件元件和/或软件元件、尤其是被设计成实施根据本发明的方法的硬件元件和/或软件元件,和/或该设备包括用于实施如上文所定义的方法的装置。
本发明进一步涉及一种自主车辆,该自主车辆包括如上文所定义的用于对自主车辆的导航环境进行建模的设备。
本发明还涉及一种计算机程序产品,该计算机程序产品包括存储在计算机可读介质上的程序代码指令,这些指令用于当所述程序在计算机上运行时实施如上文所定义的方法的步骤。本发明还涉及一种可以从通信网络下载和/或存储在计算机可读数据介质上和/或可以由计算机执行的计算机程序产品,该计算机程序产品包括当该程序由计算机执行时使所述计算机实施如上文所定义的方法的指令。
本发明进一步涉及一种计算机可读数据存储介质,该计算机可读数据存储介质存储计算机程序,该计算机程序包括用于实施如上文所定义的方法的程序代码指令。本发明还涉及一种计算机可读存储介质,该计算机可读存储介质包括在由计算机执行时使该计算机实施如上文所定义的方法的指令。
本发明还涉及一种来自数据介质的信号,该信号传达如上文所定义的计算机程序产品。
附图说明
附图通过示例的方式示出了用于对机动车辆的导航环境进行建模的设备的实施例。
[图1]图1示出了配备有建模设备的车辆。
[图2]图2示意性地展示了自主车辆要做出的各种级别的决策。
[图3]图3展示了建模设备部件之间的交换顺序。
[图4]图4示出了建模方法的实施例的流程图。
[图5]图5展示了建模方法实施预测的第一种情况。
[图6]图6展示了建模方法实施预测的第二种情况。
具体实施方式
下文参考图1描述机动车辆100的示例,该机动车辆配备有用于对机动车辆的导航环境进行建模的设备的实施例。
机动车辆100可以是任何类型的机动车辆,尤其是客车、多用途车、卡车或者甚至公共运输车辆(比如公共汽车或摆渡车)。根据所描述的实施例,机动车辆100是自主车辆,并且在本说明书的其余部分将被称为“自主车辆”。
因此,该展示是以非限制性方式提供的。应注意的是,机动车辆可以是非自主车辆,配备有驾驶辅助系统,尤其是对应于的级别高于或等于自主级别2级(即,对应于车辆的部分自主性)的驾驶辅助系统。
自主车辆100在给定环境中沿给定IT路线移动。自主车辆100包括驾驶辅助系统10和用于对自主车辆100进行自主控制的自主控制装置20。
驾驶辅助系统10向自主控制装置20发送自主车辆100的移动命令C。移动命令C可以包括纵向移动命令和/或横向移动命令。纵向移动命令可以包括旨在用于车辆动力传动系的第一扭矩设定点和/或旨在用于车辆制动致动器的第二扭矩设定点。横向移动命令包括自主车辆100的方向盘的旋转角度。
驾驶辅助系统10尤其包括以下元件:
-环境感知装置1;
-决策模块2;
-计算单元3,该计算单元包括微处理器31、本地电子存储器32和通信接口33,该通信接口允许微处理器与感知装置1和决策模块2进行通信。
可选地,驾驶辅助系统10可以包括人机界面4,旨在用于显示或发送与从感知装置1接收的数据的一致性相关的通知。
在本文献的其余部分中,术语“数据”用于表示从环境感知装置1接收的原始数据,并且术语“信息”用于表示在数据汇总的基础上构建的解释。
该解释在计算单元3中执行。例如,它允许在本车辆的环境中识别关注对象(车辆、行人、障碍物、路标)。
环境感知装置1可以包括以下装置中的全部或一些:
-用于观察车辆状态的装置11;和/或
-用于感知车辆附近环境的装置12;和/或
-用于对车辆进行地理定位的装置13;和/或
-用于将车辆与道路基础设施和/或其他车辆进行链接的装置14;和/或
-用于连接到互联网的装置15。
用于观察车辆状态的装置11可以包括用于观察车辆内的例如CAN总线类型的数据网络的装置。经由内部数据网络传输的数据可以包括例如自主车辆100的速度和/或加速度和/或加加速度的瞬时测量值,或者甚至包括方向盘的旋转角度和速度、制动踏板或加速踏板的状态等。
用于感知车辆附近环境的装置12可以包括雷达和/或激光雷达和/或相机。可以设想感知装置12的其他实施例。
用于对车辆进行地理定位的装置13可以包括数字导航地图和源自定位系统(例如,GPS类型的定位系统)的数据,从而可以在数字导航地图上对自主车辆进行定位,并因此访问与道路网络相关的信息,尤其是与道路网络的拓扑和几何描述相关的信息。与道路网络相关的信息可以进一步包括语义信息。其可以例如是指示在某段道路上应遵守的规则的标志(最高速度、禁止超车),或是指示存在危险(动物、山体滑坡等风险)的标志。
用于将车辆与道路基础设施和/或其他车辆进行链接的装置14还可以获得关于由道路基础设施设备和/或其他车辆感知到的一组对象的数据。该数据尤其包括用于对对象及其尺寸、位置以及相关联的速度进行分类的数据。
互联网连接装置15还允许获得情境数据,比如天气、路况和交通状况。
为了控制自主车辆100,尤其是为了确定其移动,决策模块2不断做出决策。这些决策包括旨在通过发送到自主控制装置20的命令C来实施的用于对自主车辆进行自主控制的一些决策。
一般来说,与动作相关的术语“决策”可以定义为与实施所述动作或不实施所述动作的自愿行为相关的商议结果。
根据该定义,对以下各项进行了区分:
-与决策相关的动作;
-决策本身,其对应于关于是否执行动作的选择。
在本文献中,与决策相关的动作可以例如是超车、继续沿同一方向行驶、制动以避开障碍物、修改路线。
为了确定关于是否执行动作的选择,决策模块2可以向计算单元3发送信息请求。
在本文的其余部分中:
-应信息请求而做出的决策被称为“要做出的决策”;
-信息请求也称为信息请求RDP,是对与决策相关的动作相关的信息的请求,所述信息允许决策模块2做出决策。
在图2所展示的实施例中,在每个时刻t,决策模块2能够根据三个级别来确定要做出的决策:
-第一决策级别N1,称为操作级别,涉及短期决策,例如,在当前时刻t与未来t+1秒的时刻之间要做出的决策;
-第二决策级别N2,称为战术级别,涉及中期决策,例如,在t+1秒的时刻与t+10分钟的时刻之间要做出的决策;
-第三决策级别N3,称为战略级别,涉及长期决策,例如,相对于当前时刻超过10分钟要做出的决策。
第一决策级别N1确定车辆对其周围环境的响应性,例如,精确地遵循轨迹或避开障碍物。决策模块2不断确定第一级别的决策。这些决策应该在最多几百毫秒内做出。
第二决策级别N2涉及机动操作,例如,自主车辆100在交叉路口处根据优先规则和穿过所述交叉路口或接近所述交叉路口的其他道路使用者的存在而做出的承诺。这些决策是定期做出的,并且对应于一组明确定义的情况。
第三决策级别N3涉及车辆的整体移动。例如,对于自主车辆,其可能涉及确定连接A点和B点的路线。这些决策直接取决于车辆的任务,而且很少做出(一次是在任务开始时,有时是在任务期间)。
图3展示了自主车辆做出决策的顺序,即,计算单元3、决策模块2和用于控制自主车辆100的自主控制装置20之间的交换顺序。
在给定时刻t,由决策模块2定义要做出的决策DP(尤其是根据自主车辆被命令移动所沿的路线IT)。
要做出的决策DP在以命令C的形式被发送到自主控制装置20之前,涉及决策模块2与计算单元3之间的至少一次信息交换。
信息交换包括:
-首先从决策模块2向计算单元3发送对与源自决策模块2的要做出的决策DP相关的信息的信息请求RDP;然后,
-其次,从计算单元3向决策模块2发送选择性环境模型M_ENV_S(t),其中,该环境模型M_ENV_S(t)是在时刻t处根据要做出的决策DP来定义的;然后,
-可选地,第三,从计算单元3向决策模块2发送选择性环境模型M_ENV_S(t+Δt),其中,该环境模型M_ENV_S(t+Δt)是在时刻t+Δt处根据要做出的决策DP来定义的;然后,
-第四,从决策模块2向自主控制装置20发送命令C以使车辆移动,从而应用决策DP。
在本文献的其余部分中,由决策模块2发送到计算单元3的与要做出的决策相关的信息请求被称为“信息请求RDP”。
计算单元能够接收源自决策模块的信息请求RDP,并创建自主车辆100的特定环境模型M_ENV_S,其中,该特定环境模型M_ENV_S包括评估决策模块2要做出的决策DP所需的与车辆当前情况相关的信息。
在本文献的其余部分中,术语“车辆情况”用于表示从经由感知装置1可以感知到的所有元素中选择的驾驶场景的元素。元素可以是另一个道路使用者、对象、表面、导航路径等。驾驶场景的元素是根据这些元素与要做出的决策DP的相关性来选择的。情况还取决于车辆必须遵循的路线IT。例如,当穿过交叉路口时,车辆情况取决于是直行还是左转而有所不同。事实上,根据车辆要行驶的方向,车辆情况不会考虑位于交叉路口区内的相同使用者。车辆情况还可以包括驾驶场景的各种元素之间的关系。例如,车辆情况可以包括障碍物与附近车辆之间的链接,其中,附近车辆随后能够修改其轨迹以避开障碍物,这可能会干扰自主车辆100的决策。
特定环境模型M_ENV_S包括对车辆情况进行建模所需的与要做出的决策DP相关的信息。因此,计算单元3对信息请求RDP进行的分析包括确定对要查询的信息或参数的选择。基于从感知装置1取得的数据并通过对要查询的参数的选择,计算单元3构建自主车辆100所处环境的选择性环境模型M_ENV_S。
在本发明的实施例中,计算机31允许执行包括以下相互通信的模块的软件:
-用于定义自主车辆100的整体环境模型M_ENV_G的模块311,该模块与环境感知装置1、决策模块2和人机接口4通信;
-用于接收与要做出的决策DP相关的信息请求RDP的模块312,该模块与决策模块2通信;
-用于确定对要查询的信息BP或参数的选择的模块313;
-用于获取所述信息选择以形成选择性环境模型M_ENV_S的模块314;
-用于确定与环境模型M_ENV_S的每个信息项相关联的完整性指数的模块315;以及
-发送信息选择M_ENV_S的步骤316,该步骤与决策模块2协作。
下文参考图3描述执行用于控制自主车辆的方法的模式。该方法包括六个步骤E1至E6。
在第一步骤E1中,将自主车辆100的整体环境模型M_ENV_G被定义为包括通过环境感知装置提供的数据而确定的一组信息。
整体环境模型M_ENV_G是根据以下目标构建的:
-提供关于自主车辆环境的一组足够准确和完整的信息,以允许决策模块2操作,尤其是允许识别要做出的决策;
-确保信息的一致性。
为此,对模型M_ENV_G的每个信息项分配计算的完整性指数IC。指数IC的计算可以考虑数据的初始完整性指数,其中,该初始完整性指数由用于感知所述数据的装置提供。
指数IC还考虑了数据的一致性。特别地,对于可以由至少两个不同且独立的感知装置提供的每个数据,根据各个感知装置的相应测量值之间的差异和/或根据分配给每个测量值的置信度指数来确定指数IC。
一致性检查还涉及每个数据的时间演变。例如,检测到对象的突然出现或消失,甚至是场景中元素的极不可能的轨迹。例如,一致性检查可以涉及车辆或行人的移动速度的数量级。
一致性检查可以更广泛地涉及驾驶辅助系统10的操作限制。实际上,驾驶辅助系统10被定义为在符合非常具体的标准的交通环境中操作,这些标准在称为ODD(运行设计域)的文献中被正式规定。例如,驾驶辅助系统10可以被设计成在受控环境中操作,在这种环境中行人不应该移动。在这种情况下,决策模块2没有被设计成能够与行人交互;然而,感知系统能够检测行人。因此,行人的存在在步骤E1中将被检测为与设计自主车辆100所处的交通环境不兼容。
检测到数据或信息不兼容会触发向决策模块2和/或人机界面4发送警告消息。警告消息可以指定不兼容的(多个)数据项。
因此,在步骤E1中,每次从感知装置接收数据时,整体环境模型M_ENV_G就会得到增强和更新,然后将其存储在存储器32中。
只要决策模块2没有发送信息请求RDP,该方法就循环回到定义整体环境模型M_ENV_G的步骤E1。
如果决策模块2发送了信息请求RDP,则该方法转变到接收与对车辆进行控制而要做出的决策相关的信息请求的步骤E2。
在步骤E2中,分析接收到的信息请求RDP的内容。
有利地,预定义的决策列表LD存储在存储器32中。事实上,车辆可以做出的决策数量是有限的。例如,在战术级别上,决策可以是穿过交叉路口、变更行车道、保持在同一车道上等。
在一个实施例中,列表LD使用标识符iDP来标识要做出的每个决策,并且信息请求RDP有利地包括决策标识符iDP。
信息请求RDP还可以包括指定决策级别的信息项:战术级别、操作级别或战略级别。
信息请求RDP还可以包括与自主车辆100所遵循的路线IT相关的信息。
信息请求RDP中包含的不同信息可以存储在存储器32中,并在执行后续步骤E3至E6时使用。
在步骤E3中,确定对做出决策DP所需的信息的选择,其中,该选择是整体环境模型M_ENV_G中包含的信息集的子集。
有利地,存储器32包括(一方面)要做出的决策的标识符iDP与(另一方面)包含做出由指数iDP指定的决策所需的信息的列表之间的对应关系表。因此,该对应关系表允许确定决策模块2做出决策DP所需的信息BP列表。
在本文献的其余部分中,所述信息BP列表被称为“蓝图”。蓝图BP与要做出的每个决策DP相关联,即,与每个决策标识符iDP相关联。其正式规定并结构化决策模块2评估决策并随后向自主控制装置20发送用于控制自主车辆100的命令所需的每个信息项。蓝图可以被视为空白表格,其中的每个字段都应该填写,其中,要填写的字段特定于每个蓝图,即,要做出的每个决策DP。
蓝图可能取决于决策的级别(战术级别、操作级别或战略级别)。应注意的是,对于给定决策,每个决策级别可以存在一个蓝图。
例如,在决定进入交叉路口的情况下,第一战术级别蓝图BP1定义了在车辆到达交叉路口时决定进入交叉路口所需的信息。该蓝图可以包括以下信息:
-自主车辆100的行驶车道中的交通状况;
-关注区的列表(例如,进入交叉路口的其他车道)以及这些关注区中的交通状况;
-相对于自主车辆100的优先车辆列表;
-相对于自主车辆100的非优先车辆列表;
-交通灯的存在以及这些交通灯的状态。
进一步参考决定进入交叉路口的情况,可以为操作级别定义不同于第一蓝图BP1的第二蓝图BP2,并且可选地可以为战略级别定义不同于第一蓝图BP1和第二蓝图BP2的第三蓝图BP3。例如,蓝图BP3(战略级别)可以考虑到可能影响任务开始时计算的路线的拥堵路段或阻塞道路。
所需信息的列表或蓝图可以包括预测。在本文献的其余部分中,术语“预测”用于表示可能影响自主车辆100做出决策的可预测事件。例如,预测可以涉及附近车辆的可预测行为,其可能影响自主车辆100的行为。因此,术语“预测”不仅仅涉及轨迹预测。其还可以涉及例如对附近车辆的意图预测或附近车辆的路线预测。
做出决策DP所需的信息列表可以包括表征车辆在应用要做出的决策DP之后的情况的一组信息。
然后,该预测可以将由决策模块2提供的路线IT与要做出的决策DP相关联地考虑。
图5所示的情况展示了在蓝图中包括与要做出的决策DP相关联的预测的优势。
图5包括:
-第一简图(位于附图左侧),示出了在时刻t自主车辆100向应以直线穿过的十字路口移动的情况;以及
-第二简图(位于附图右侧),示出了在时刻t+Δt处自主车辆100几乎已经到达十字路口的情况。
在每个简图上示出了自主车辆100的三个关注区Z1、Z2、Z3,以及分别在时刻t和t+Δt处自主车辆在这三个关注区上的可见度Visi(t)或Visi(t+Δt)。
在第一简图(示出了自主车辆在时刻t的情况)中,位于十字路口拐角处的建筑物遮挡了自主车辆100在位于其右侧的关注区Z3上的可见度Visi(t)。
在第二简图(示出了自主车辆在t+Δt时的情况)中,位于其右侧的关注区Z3现在处于可见区Visi(t+Δt)中。
因此,虽然在时刻t处关于关注区Z3的信息缺失,但是在t+Δt处的预测可使决策模块确保当自主车辆100到达十字路口时,所有关注区都将被感知装置1所覆盖。
预测还允许决策模块预期在应用决策DP之后可能发生的事件。
例如,在图6所展示的情况下:
-在评估要做出的决策的时刻t,由位于左侧的简图所示的自主车辆100的导航路径是完全自由的,并且第二车辆在相反车道上行驶;
-在预测时刻t+Δt,为了避开障碍物,第二车辆移动到了自主车辆100的车道内并产生了碰撞风险。
因此,虽然在时刻t处情况是安全的,但重要的是,决策模块2知道第二车辆可能会避开障碍物并侵入自主车辆100的车道,并估计该风险何时可能发生。
如果确定了对与要做出的决策DP(换言之,蓝图)相关联的信息的选择,则该方法进行到步骤E4。
在步骤E4中,所述信息选择是从源自环境感知装置的数据中获取的。换句话说,蓝图是基于环境模型M_ENV_G的信息进行查询的,它是一种包含要查询的字段的表格。
在有利的实施例中,根据相同的方法获取数据,而与蓝图无关。
在该实施例中,定义一组单一函数。通过非限制性示例的方式,单一函数可以分别定义用于:
-识别关注区;
-识别在其行车道上先于自主车辆100的车辆;
-识别在交叉路口处优先于自主车辆100的一个或多个车辆;
-预测附近车辆的轨迹等。
每个单一函数使用整体环境模型M_ENV_G中的信息,以构建自主车辆100的部分当前情况的结构化表示。
为了完成蓝图,需要执行一系列单一函数,每个单一函数允许查询关于蓝图的信息。此外,单一函数可能需要以正确定义的顺序执行。例如,为了在战术级别查询交叉路口的表示,可能需要在识别优先于自主车辆100的道路使用者之前识别关注区。
为此,道路图表与每个蓝图相关联,以描述用于执行用于查询蓝图数据的单一函数的顺序。监控功能(或编排程序)将按照道路图表定义的顺序来执行单一函数。
例如,当要做出的决策DP涉及自主车辆100在交叉路口做出的承诺时,道路图表可以确定用于执行单一函数的以下顺序:
-获得自主车辆100的状态(位置、速度等);
-获得感知系统的视野状态;
-获得关于自主车辆100周围其他道路使用者的存在及其状态的信息;
-获得交叉路口的关注区、这些区的位置和/或其空间分布;
-对关注区进行情境分析(即,其是否可见、隐藏、超出范围等);
-对关注区内存在的其他道路使用者进行情境分析;
-识别应被给予优先权的道路使用者;
-识别应让出优先权的道路使用者;
-等等。
该组单一函数是可扩展的,即,每个函数可以进行修改而不会破坏系统的整体架构。此外,例如,为了考虑新的情况,可以添加新的函数。
在优选实施例中,对于每个单一函数,连续执行获取步骤E4和完整性指数确定步骤E5。换句话说,对于每个单一函数,该方法循环回到步骤E4和E5。每个单一函数可以例如根据与步骤E1中定义的整体环境模型M_ENV_G的每个信息项相关联的完整性指数来计算完整性指数。
在该实施例中,对于道路图表的每个步骤,编排程序能够估计由执行所述步骤的单一函数收集的信息的质量和完整性。
基于每个单一函数返回的完整性指数,编排程序更新整体完整性指数。
此外,编排程序可以分析在道路图表的该阶段执行的单一函数返回的完整性指数是否足够高以继续执行道路图表。这种分析至关重要,因为如果其中一个单一函数收集的信息不完整或不够准确,那么接下来的单一函数就有可能受到影响。
根据具体情况,编排程序可以通过各种方式来管理信息完整性的缺失:
-可以完全执行道路图表,然后可以经由编排程序所计算的整体完整性指数向决策模块2通知信息的低完整性级别;或者
-编排程序可以应用停止应用道路图表的条件;例如,如果整体完整性指数低于与蓝图相关联的预定义完整性阈值,则编排程序可以中断道路图表的进度。
在道路图表执行完成后,由单一函数收集的信息一起形成选择性环境模型M_ENV_S。
在步骤E6中,向决策模块2提供选择性环境模型M_ENV_S,其中,模型M_ENV_S包括与数据相关联的单一指数和整体完整性指数。
最后,根据本发明的建模方法实施根据自主车辆100要做出的决策对自主车辆100的情况进行有效且可靠的解释。
事实上:
-根据本发明的建模仅考虑决策所需的信息;
-其保证了被确定为所需的信息将尽可能完整,并且信息的可靠性将为人所知;
-根据应该做出决策的最后期限,即,根据决策级别(操作级别、战术级别或战略级别),要做出的决策将产生不同的模型;
-建模可以包括预测,用于预期在应用要做出的决策之后可能发生的事件;
-以各种方式检查信息的一致性:源自多个来源的信息项的一致性、信息的时间一致性、以及信息与系统操作限制的一致性。
此外,所提出的建模方法是通用的,并且可以适应各种驾驶辅助和/或自主驾驶系统的要求。事实上,该方法可以配置为各种级别:
-第一总体配置级别在可能的决策列表LD上实施;
-每个决策的第二配置级别通过将蓝图与每个可能的决策(即一组要查询的信息)进行关联来实施,对于同一决策,每个决策级别(操作级别、战术级别和战略级别)可以使用不同的蓝图;
-第三配置级别通过定义一组单一函数来实施,每个单一函数允许获取信息项并将其与完整性指数相关联;
-第四配置级别涉及获取信息的顺序(即,执行单一函数的顺序)以及信息的整体完整性指数的计算。通过定义与每个蓝图相关联的道路图表来执行第四配置级别。
这种模块化架构允许根据每个决策通过修改决策列表和/或与每个决策相关联的(多个)蓝图和/或与每个蓝图相关联的道路图表和/或用于获取信息的单一函数,对建模进行简单地配置。
自然地,从以上描述可以看出,所实施的建模应该从自动理解车辆环境的实际意义上理解,目的是以可靠、合理且优化的方式辅助车辆驾驶。因此,它不是一个抽象或虚拟的构造。换句话说,本发明应该被理解为一种用于辅助机动车辆驾驶的方法和设备,无论该机动车辆是否是自主的,该设备实施如上所述的用于对导航环境进行建模的方法,以便在用于引导车辆或者甚至辅助车辆驾驶员进行驾驶的一个或多个自主决策中将该环境考虑在内。
Claims (10)
1.一种用于对车辆(100)的导航环境进行建模的方法,该车辆配备有环境感知装置(1)、决策模块(2)和用于对该车辆进行自主控制的自主控制装置(20),其特征在于,该方法包括以下步骤:
-将该车辆的整体环境模型(M_ENV_G)定义为由该环境感知装置(1)提供的数据构建的结构化信息集的步骤(E1);
-接收对与由该自主控制装置(20)控制该车辆所要做出的决策(DP)相关的信息的请求(RDP)的步骤(E2),该请求由该决策模块(2)发送;
-从定义该环境模型的该结构化信息集中确定为做出所述决策(DP)而要查询的信息的选择(BP)的步骤(E3);
-从该整体环境模型(M_ENV_G)中查询来自所述选择的信息的步骤(E4);
-确定与所述选择中的每个信息项相关联的完整性指数的步骤(E5);
-向所述决策模块(2)提供选择性环境模型(M_ENV_S)的步骤(E6),该选择性环境模型包含来自所述选择的信息和对应的完整性指数。
2.如前一权利要求所述的用于对自主车辆的导航环境进行建模的方法,其特征在于,该方法包括使用第一环境感知装置和第二环境感知装置从所述信息选择中获取至少一个第一信息项的步骤,并且与所述至少一个第一信息项相关联的完整性指数是根据由该第一感知装置和该第二感知装置提供的数据之间的一致性来确定的。
3.如前述权利要求中任一项所述的用于对自主车辆的导航环境进行建模的方法,其特征在于,该方法包括在第一时刻和该第一时刻之后的第二时刻使用环境感知装置从所述信息选择中获取至少一个第二信息项的步骤,并且与所述至少一个第二信息项相关联的完整性指数是根据由该感知装置在该第一时刻和该第二时刻提供的数据之间的一致性来确定的。
4.如前述权利要求中任一项所述的用于对自主车辆的导航环境进行建模的方法,其特征在于,该要做出的决策(DP)包括该自主车辆在给定最后期限内要进行的给定动作,其中,该给定最后期限能够是短期的、中期的或长期的,
其中,对于相同的给定动作,该确定步骤(E3)确定以下各项:
-在该给定最后期限为短期的情况下,确定对要查询的信息的第一选择(BP1);或者
-在该给定最后期限为中期的情况下,确定对要查询的信息的第二选择(BP2);或者
-在该给定最后期限为长期的情况下,确定对要查询的信息的第三选择(BP3),
并且该第一选择、该第二选择和该第三选择彼此不同。
5.如前述权利要求中任一项所述的用于对自主车辆的导航环境进行建模的方法,其特征在于,该方法包括向所述决策模块(2)提供选择性环境模型(M_ENV_S)的子步骤,该选择性环境模型包括表征车辆在应用该要做出的决策(DP)之后的情况的一组信息。
6.如前述权利要求中任一项所述的用于对自主车辆的导航环境进行建模的方法,其特征在于,该方法包括:
-配置该方法所考虑的有限决策列表(LD);
-为该有限决策列表中的每个决策配置要查询的信息选择(BP),并配置必须要查询所述信息的顺序;
-配置用于查询要查询的每个信息项的至少一种方法。
7.一种用于对自主车辆的导航环境进行建模的设备(10),该自主车辆配备有自主控制装置(20),该设备包括实施如权利要求1至5中任一项所述的方法的硬件和/或软件元件(1,2,3,4,10,11,12,13,14,15,20,31,32,33,311,312,313,314,315,316),尤其是被设计为实施如前述权利要求中任一项所述的方法的硬件和/或软件元件(1,2,3,4,10,11,12,13,14,15,20,31,32,33),和/或该设备包括用于实施如前述权利要求中任一项所述的方法的装置。
8.一种计算机程序产品,包括存储在计算机可读介质上的程序代码指令,这些指令用于当所述程序在计算机上运行时实施如权利要求1至6中任一项所述的方法的步骤,或者一种能够从通信网络下载和/或存储在计算机可读数据介质上和/或能够由计算机执行的计算机程序产品,其特征在于,该计算机程序产品包括指令,这些指令在该计算机执行该程序时使该计算机实施如权利要求1至6中任一项所述的方法。
9.一种计算机可读数据存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括用于实施如权利要求1至6中任一项所述或如权利要求8所述的方法的程序代码指令,或者一种计算机可读存储介质,该计算机可读存储介质包括当由计算机执行时使该计算机实施如权利要求1至6中任一项所述的方法的指令。
10.一种来自数据介质的信号,该信号传达如权利要求8所述的计算机程序产品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FRFR2108909 | 2021-08-25 | ||
FR2108909A FR3126386B1 (fr) | 2021-08-25 | 2021-08-25 | Procédé de modélisation d’un environnement de navigation d’un véhicule automobile. |
PCT/EP2022/070730 WO2023025490A1 (fr) | 2021-08-25 | 2022-07-25 | Procédé de modélisation d'un environnement de navigation d'un véhicule automobile |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117980847A true CN117980847A (zh) | 2024-05-03 |
Family
ID=80225314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280062199.3A Pending CN117980847A (zh) | 2021-08-25 | 2022-07-25 | 用于对机动车辆的导航环境进行建模的方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4392843A1 (zh) |
KR (1) | KR20240055023A (zh) |
CN (1) | CN117980847A (zh) |
FR (1) | FR3126386B1 (zh) |
WO (1) | WO2023025490A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3054684B1 (fr) * | 2016-07-29 | 2018-08-24 | Institut Vedecom | Systeme de pilotage d’un vehicule autonome |
US11263549B2 (en) * | 2018-03-22 | 2022-03-01 | Here Global B.V. | Method, apparatus, and system for in-vehicle data selection for feature detection model creation and maintenance |
US10860022B2 (en) | 2018-04-11 | 2020-12-08 | GM Global Technology Operations LLC | Method and apparatus for automatical rule learning for autonomous driving |
US11537944B2 (en) * | 2020-01-09 | 2022-12-27 | Here Global B.V. | Method and system to generate machine learning model for evaluating quality of data |
-
2021
- 2021-08-25 FR FR2108909A patent/FR3126386B1/fr active Active
-
2022
- 2022-07-25 CN CN202280062199.3A patent/CN117980847A/zh active Pending
- 2022-07-25 EP EP22757264.1A patent/EP4392843A1/fr active Pending
- 2022-07-25 KR KR1020247009996A patent/KR20240055023A/ko unknown
- 2022-07-25 WO PCT/EP2022/070730 patent/WO2023025490A1/fr active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023025490A1 (fr) | 2023-03-02 |
EP4392843A1 (fr) | 2024-07-03 |
KR20240055023A (ko) | 2024-04-26 |
FR3126386B1 (fr) | 2023-09-29 |
FR3126386A1 (fr) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11932284B2 (en) | Trajectory setting device and trajectory setting method | |
CN109421742B (zh) | 用于监测自主车辆的方法和设备 | |
CN111688663B (zh) | 机动交通工具及控制其自动驾驶操作的方法 | |
US10963462B2 (en) | Enhancing autonomous vehicle perception with off-vehicle collected data | |
CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
CN110834644B (zh) | 一种车辆控制方法、装置、待控制车辆及存储介质 | |
Noh et al. | Decision-making framework for automated driving in highway environments | |
US11370435B2 (en) | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving | |
EP2942687B1 (en) | Automated driving safety system | |
US10800427B2 (en) | Systems and methods for a vehicle controller robust to time delays | |
US11537127B2 (en) | Systems and methods for vehicle motion planning based on uncertainty | |
RU2760046C1 (ru) | Способ помощи при вождении и устройство помощи при вождении | |
US20150251666A1 (en) | Messaging via vehicle steering wheel | |
CN110998469A (zh) | 对具有自主驾驶能力的车辆的操作进行干预 | |
CN108597223B (zh) | 一种用于智能车辆行为描述的数据处理方法和系统 | |
CN113076897B (zh) | 智能网联汽车的博弈动态行驶安全测控方法及调控终端 | |
US11260875B2 (en) | Systems and methods for road surface dependent motion planning | |
EP3869341A1 (en) | Play-forward planning and control system for an autonomous vehicle | |
KR20110059239A (ko) | 네트워크를 이용한 차량 제어 방법 및 시스템 | |
Morales et al. | Proactive driving modeling in blind intersections based on expert driver data | |
WO2018199941A1 (en) | Enhancing autonomous vehicle perception with off-vehicle collected data | |
CN110426215B (zh) | 一种用于车辆平顺性测试的模型建立方法及智能驾驶系统 | |
CN113272750A (zh) | 一种交通拥堵辅助驾驶方法、系统、车载设备和存储介质 | |
WO2023076343A1 (en) | Autonomous vehicle trajectory determination based on state transition model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |