FR3122920A1 - Procédé de localisation pour véhicule autonome. - Google Patents

Procédé de localisation pour véhicule autonome. Download PDF

Info

Publication number
FR3122920A1
FR3122920A1 FR2105131A FR2105131A FR3122920A1 FR 3122920 A1 FR3122920 A1 FR 3122920A1 FR 2105131 A FR2105131 A FR 2105131A FR 2105131 A FR2105131 A FR 2105131A FR 3122920 A1 FR3122920 A1 FR 3122920A1
Authority
FR
France
Prior art keywords
autonomous vehicle
trajectory
calculation
extrapolated
vehicle
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.)
Granted
Application number
FR2105131A
Other languages
English (en)
Other versions
FR3122920B1 (fr
Inventor
Andrea Ancora
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renault SAS
Original Assignee
Renault SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Renault SAS filed Critical Renault SAS
Priority to FR2105131A priority Critical patent/FR3122920B1/fr
Priority to PCT/EP2022/062901 priority patent/WO2022243151A1/fr
Priority to EP22728611.9A priority patent/EP4348179A1/fr
Publication of FR3122920A1 publication Critical patent/FR3122920A1/fr
Application granted granted Critical
Publication of FR3122920B1 publication Critical patent/FR3122920B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

Procédé de localisation d’un véhicule autonome. Procédé de localisation d'un véhicule autonome (100) comprenant des capteurs de position (2), un système de planification de trajectoire (33), et des actionneurs de mouvement (41), caractérisé en ce qu’il comprend une itération des étapes suivantes :- une étape (E1) de prédiction de la position courante du véhicule autonome (100) comprenant une réception (E11) d’une précédente position estimée (62) du véhicule autonome (100) issue d’une précédente itération du procédé, une réception (E12) de commandes appliquées (67) par les actionneurs de mouvement (41, 42, 43), un calcul (E13) d'une trajectoire commandée (74) en fonction des commandes appliquées (67), et un calcul (E14) d’une position extrapolée (71) du véhicule autonome (100) en fonction de ladite précédente position estimée (62), et de ladite trajectoire commandée (74),- une étape (E2) d’actualisation comprenant un calcul d’une position estimée actualisée (72) du véhicule autonome (100) prenant en compte une position mesurée (61) issue des capteurs de position (2) et la position extrapolée (71). Figure pour l’abrégé : Aucune

Description

Procédé de localisation pour véhicule autonome.
L’invention concerne un procédé de localisation pour véhicule autonome. L’invention porte encore sur un dispositif de localisation pour véhicule autonome. L’invention porte également sur un programme d’ordinateur mettant en œuvre le procédé mentionné. L’invention porte enfin sur un support d’enregistrement sur lequel est enregistré un tel programme.
Dans le contexte des systèmes de conduite autonome, la précision de la localisation du véhicule autonome conditionne sa fiabilité de fonctionnement et la sécurité des passagers.
La localisation du véhicule est généralement issue d’un système de positionnement par satellites de type GNSS et d’estimations de mouvements du véhicule à partir de capteurs placés sur le châssis.
Des technologies alternatives ont plus récemment été développées pour déterminer la position du véhicule autonome à partir de multiples capteurs, comme par exemple des caméras, radars ou lidars présents sur le véhicule.
Le brevet WO2018/175441A1 décrit un système de navigation pour véhicule autonome prenant en compte non seulement un positionnement par satellites et des capteurs (capteurs de vitesse, caméras, capteurs de suspensions) mais aussi la trajectoire planifiée pour le véhicule. La trajectoire planifiée est déterminée à partir des mesures de caméra, permettant par exemple d’estimer la forme de la route et de définir -en fonction de comportements appris par le véhicule- une trajectoire à court terme adaptée à la forme de la route. Ainsi le système décrit dans ce brevet prédit la localisation du véhicule autonome en appliquant un traitement aux données issues des capteurs (le traitement pouvant être l’application d’un filtre de Kalman ou une modélisation par réseau de neurones) pour estimer l’emplacement du véhicule le long d’une trajectoire planifiée à court terme.
Toutefois cette solution présente des inconvénients, notamment sa précision et sa fiabilité peuvent être améliorées.
Le but de l’invention est de fournir un dispositif et un procédé de localisation pour véhicule autonome remédiant aux inconvénients ci-dessus et améliorant les dispositifs et procédés de localisation pour véhicule autonome connus de l’art antérieur. En particulier, l’invention permet de réaliser un dispositif et un procédé qui soient simples et fiables.
A cet effet, l’invention porte sur un procédé de localisation d'un véhicule autonome comprenant des capteurs de position, un système de planification de trajectoire, et des actionneurs de mouvement.
Le procédé comprend une itération des étapes suivantes :
- une étape de prédiction de la position courante du véhicule autonome comprenant une réception d’une précédente position estimée du véhicule autonome issue d’une précédente itération du procédé, une réception de commandes appliquées par les actionneurs de mouvement, un calcul d'une trajectoire commandée en fonction des commandes appliquées, et un calcul d’une position extrapolée du véhicule autonome en fonction de ladite précédente position estimée, et de ladite trajectoire commandée,
- une étape d’actualisation comprenant un calcul d’une position estimée actualisée du véhicule autonome prenant en compte une position mesurée issue des capteurs de position et la position extrapolée.
Le procédé peut comprendre une étape de détermination d'une trajectoire planifiée par le système de planification de trajectoire, et le calcul d’une position extrapolée du véhicule autonome peut être réalisé en fonction de la trajectoire planifiée.
Le procédé peut comprendre une détermination d'un indice de confiance associé à la position extrapolée en fonction de l’écart calculé entre la trajectoire planifiée et la trajectoire commandée et l’étape de calcul de la position estimée actualisée peut tenir compte de l’indice de confiance.
L’étape de prédiction peut comprendre la mise en œuvre d’un filtre de Kalman auquel est associée une matrice de covariance de bruit calculée en fonction de l’écart entre la trajectoire planifiée et la trajectoire commandée.
Le calcul de l’indice de confiance peut dépendre de la matrice de covariance de bruit du filtre de Kalman.
La position estimée actualisée peut être une moyenne pondérée de la position mesurée et de la position extrapolée, les coefficients de pondération pouvant être fonction de l’indice de confiance de la position extrapolée.
L’invention porte en outre sur un dispositif de localisation pour véhicule autonome, le dispositif comprenant une unité de calcul, des capteurs de position un système de planification de trajectoire et des actionneurs de mouvement. Le dispositif comprend des éléments matériels et/ou logiciels mettant en œuvre le procédé tel que défini précédemment, notamment des éléments matériels et/ou logiciels conçus pour mettre en œuvre le procédé selon l’invention, et/ou le dispositif comprenant des moyens de mettre en œuvre le procédé tel que défini précédemment.
L’invention porte en outre sur un véhicule autonome comprenant un dispositif de localisation selon l’invention.
L’invention porte également sur un produit programme d’ordinateur comprenant des instructions de code de programme enregistrées sur un support lisible par ordinateur pour mettre en œuvre les étapes du procédé tel que défini précédemment lorsque ledit programme fonctionne sur un ordinateur. L’invention porte également sur un produit programme d’ordinateur téléchargeable depuis un réseau de communication et/ou enregistré sur un support de données lisible par un ordinateur et/ou exécutable par un ordinateur, comprenant des instructions qui, lorsque le programme est exécuté par l’ordinateur, conduisent celui-ci à mettre en œuvre le procédé tel que défini précédemment.
L’invention porte encore sur un support d’enregistrement de données, lisible par un ordinateur, sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme de mise en œuvre du procédé tel que défini précédemment. L’invention porte encore sur un support d'enregistrement lisible par ordinateur comprenant des instructions qui, lorsqu'elles sont exécutées par un ordinateur, conduisent celui-ci à mettre en œuvre le procédé tel que défini précédemment.
L’invention porte encore sur un signal d'un support de données, portant le produit programme d'ordinateur tel que défini précédemment.
Le dessin annexé représente, à titre d’exemple, un mode de réalisation d’un dispositif de localisation selon l’invention et un mode d’exécution d’un procédé de localisation selon l’invention.
La représente un véhicule autonome équipé d’un dispositif de localisation.
La représente un mode de réalisation du dispositif de localisation.
La représente un ordinogramme d’un mode d’exécution d’un procédé de localisation.
La représente une boucle d’itération d'étapes du procédé de localisation.
La représente une architecture d’un module de prédiction du procédé de localisation.
Un exemple d’un véhicule autonome 100 équipé d’un système de localisation est décrit ci-après en référence à la .
Le véhicule autonome 100 peut être un véhicule autonome de n’importe quel type, notamment un véhicule de tourisme, ou un véhicule utilitaire ou encore un véhicule de transport en commun.
Le véhicule autonome 100 comprend un châssis 4 et un système de localisation 10.
Le système de localisation 10 comprend principalement les éléments suivants :
- un ensemble de capteurs de position 2,
- un système de navigation 3,
- et une unité de calcul 7 comprenant un microprocesseur 1, une mémoire 5 et des interfaces de communication 6 permettant au microprocesseur 1 de communiquer avec l’ensemble de capteurs de position 2 et le système de navigation 3.
L’ensemble de capteurs de position 2 peut comprendre différents types de capteurs, parmi lesquels un système de positionnement par satellites ou GNSS, un ensemble de caméras et/ou lidars et/ou radars. Les caméras peuvent être placées sur le véhicule et également dans l’environnement du véhicule. D’autres modes de réalisation des capteurs de position 2 peuvent, par exemple, comprendre des systèmes de communication entre véhicules (système V2V).
Les mesures issues des capteurs de position 2 comprennent des mesures 61 de la position du véhicule. Les mesures de position 61 peuvent être absolues, par exemple lorsqu’elles sont issues d’un système de type GNSS. Les mesures de position 61 peuvent également des mesures relatives, notamment lorsqu’elles concernent un déplacement à partir d’une position initiale connue, le déplacement du véhicule pouvant être par exemple calculé à partir de mesures de rotation des roues du véhicule.
Les mesures issues des capteurs de position 2 comprennent des mesures 68 de l’environnement du véhicule autonome. Les mesures 68 comprennent des mesures de la position des différents éléments présents dans l’environnement du véhicule. Le traitement des mesures 68 peut fournir également d’autres paramètres détaillant l’état d’un objet de la scène : son attitude (position angulaire), son vecteur vitesse, mais aussi d’autres attributs comme sa classe (piéton, auto, camion, cycle, etc…) ou ses dimensions.
Le châssis 4 comprend les différents actionneurs qui mettent en œuvre le déplacement du véhicule autonome, notamment un actionneur de couple moteur 41, un actionneur de freins 42 et un actionneur de rotation des roues directrices 43.
Le châssis reçoit des commandes de contrôle 66 issues du système de navigation 3 afin de déplacer le véhicule selon une trajectoire planifiée 64 par le système de navigation 3.
Dans la suite du document, le terme de « trajectoire » est utilisé pour désigner l’évolution temporelle d’un vecteur d’état définissant les caractéristiques du déplacement du véhicule automobile 100. Dans un mode de réalisation préférentiel, le vecteur d’état comprend une localisation, notamment des coordonnées x, y, des vitesses longitudinales et latérales et/ou des accélérations longitudinales et latérales et/ou une vitesse de lacet. Dans la suite du document, le terme « position » est utilisé pour désigner soit les coordonnées x, y du vecteur d’état, soit le vecteur d’état dans son ensemble.
Les commandes réellement appliquées par les actionneurs 41, 42, 43, nommées dans la suite du document « commandes appliquées », peuvent toutefois différer des commandes de contrôle 66 reçues du système de navigation 3. En effet, certains paramètres peuvent perturber la mise en œuvre des ordres de commande 66. Par exemple, l’état de la route, l’usure des pneus, ou encore les conditions météorologiques peuvent interférer avec la mise en œuvre des ordres de commande 66. Le châssis 4 transmet en retour les commandes appliquées 70 au système de navigation 3.
Ainsi le système de navigation 3 a connaissance des commandes réellement appliquées par les actionneurs. De façon générale, les commandes appliquées 70 par les actionneurs 41, 42 et 43 sont très proches des ordres de commande 66. Toutefois, il existe des situations où les commandes appliquées 70 sont sensiblement différentes des ordres de commande 66. Dans ce cas, la trajectoire mise en œuvre par le véhicule autonome 100 s’éloigne sensiblement de la trajectoire planifiée 64. Le système de localisation 10 selon l’invention a pour objectif d’améliorer la localisation du véhicule autonome, notamment dans les situations où la trajectoire réelle du véhicule autonome s’éloigne sensiblement de la trajectoire planifiée.
Un mode de réalisation du système de navigation 3 est décrit en détails par la . Le système de navigation 3 reçoit en entrée, d’une part, les mesures 68 de l’environnement du véhicule autonome, et, d’autre part, une position estimée actualisée 72 du véhicule autonome 100.
Le système de navigation 3 comprend un module de fusion des données environnementales 31, qui agrège les données issues des différents capteurs et relatives à l’environnement du véhicule autonome 100.
Les données fusionnées 69 sont ensuite traitées dans un module d’analyse de situation 32, comprenant avantageusement la détermination d’un horizon électronique du véhicule. L’horizon électronique est une carte locale des éléments de la scène de conduite comprenant les informations de la zone utile pour la conduite. Autrement dit, l’horizon électronique comprend les positions précises par rapport au véhicule de tous les éléments de la scène de conduite qui vont permettre au véhicule de prendre les décisions pertinentes pour la conduite.
Les données 63 issues du module d’analyse de la situation 32 sont ensuite utilisées dans un module de planification d’une trajectoire à court terme 33, pour déterminer une trajectoire à court terme 64. L’ordre de grandeur de la durée de la trajectoire à court terme 64 est de quelques secondes.
La trajectoire à court terme 64 ainsi déterminée est transmise aux lois de commande 34, afin d’être transformée en ordre de commandes 66 transmis au châssis 4.
Comme cela a été précédemment expliqué, après transmission des ordres de commandes 66 au châssis 4, ce dernier transmet en retour les commandes appliquées 70 au système de navigation 3.
Les commandes appliquées 70 sont transmises au calculateur 1 par le système de navigation 3.
Dans un mode de réalisation, le calculateur 1 permet d’exécuter un logiciel comprenant les modules suivants :
- un module 10 de de détermination d'une trajectoire planifiée, qui collabore avec le module de navigation 3,
- un module 11 de prédiction d’une position courante du véhicule autonome 100, qui collabore avec le module de navigation 3,
- un module 12 d’actualisation, qui collabore avec l’ensemble de capteurs 2 et le module de navigation 3.
Un mode d’exécution du procédé de localisation pour véhicule autonome est décrit ci-après en référence aux figures 3 à 5. Le procédé comprend une étape E0, suivie d’une itération sur deux étapes E1 et E2.
Dans l’étape E0, on détermine une trajectoire planifiée 64. La trajectoire planifiée 64 est définie par le module de planification d’une trajectoire à court terme 33 en fonction des données issues du module d’analyse de la situation 32. La trajectoire planifiée 64 prévoit les déplacements du véhicule sur un intervalle de temps de l’ordre de quelques secondes, correspondant à la distance de visée du véhicule, c’est-à-dire la limite de détection des capteurs 2, ou de l’horizon électronique. La trajectoire planifiée suit une courbe idéale, c’est à dire une courbe représentant un déplacement théorique du véhicule autonome. Le déplacement théorique du véhicule peut être déterminé par des modèles statistiques.
La trajectoire planifiée 64 est mémorisée dans la mémoire 5 pour son utilisation ultérieure dans l’étape E1.
On enchaine ensuite sur une itération sur les étapes E1 et E2.
Comme cela est plus spécifiquement illustré par la ,
- l’étape E1 de prédiction prédit une position extrapolée 71 du véhicule autonome 100 à partir d’une précédente position estimée 62, d’une trajectoire planifiée 64 et d’une trajectoire commandée 67,
- l’étape E2 d’actualisation calcule une position estimée actualisée 72 à partir d’une position mesurée 61 et de la position extrapolée 71 issue l’étape E1 de prédiction.
Un mode d’exécution de l’étape E1 de prédiction est décrit en référence à la .
La première étape E1 comprend une sous-étape E11 de réception d’une position estimée 62 du véhicule provenant d’une précédente itération du procédé. La position estimée 62 comprend les coordonnées absolues du véhicule autonome 100 datées à un instant TN-1.
La première étape E1 comprend également une sous-étape E12 de réception des commandes 67 appliquées au véhicule par les actionneurs de mouvement 41, 42, 42. Les commandes 67 sont datées à un instant TCOMde commande du mouvement du véhicule.
La première étape E1 comprend par ailleurs une sous-étape E13 de calcul d'une trajectoire commandée 74 en fonction des commandes appliquées 67. Pour cela, un module de conversion 113 convertit les commandes 67 en une trajectoire commandée 74.
La trajectoire commandée 74 suit une courbe bruitée, c’est-à-dire qui diffère sensiblement de la courbe idéale définie par la trajectoire planifiée 64.
La première étape E1 comprend en outre une sous-étape E14 de calcul d’une position extrapolée 71. Dans le mode d’exécution décrit, le calcul d’une position extrapolée 71 prend en compte à la fois la trajectoire planifiée 64 et la trajectoire commandée 74.
Comme cela est plus spécifiquement décrit par la , le calcul d’une position extrapolée 71 peut mettre en œuvre un filtre 111, prenant en entrée une précédente position estimée 62, une trajectoire planifiée 64 et une matrice de covariance de bruit 73.
Un premier mode d’exécution du filtre 111 peut mettre en œuvre un filtre de Kalman étendu, c’est à dire un filtre de Kalman reposant sur un modèle non linéaire. On calcule alors un vecteur d’état prédit x’ selon la formule Math 1 suivante :
où :
- x est le vecteur d’état prédit lors de la précédente itération, c’est-à-dire la position 62 estimée lors d’une précédente itération,
- x’ est le vecteur d’état prédit lors de l’itération courante, correspondant à la position extrapolée 71,
- u est le vecteur d’état associé à la trajectoire planifiée, c’est-à-dire la trajectoire planifiée 64,
- f est la fonction de contrôle, c’est-à-dire une fonction non linéaire modélisant la transition entre deux itérations successives du filtre 111.
De plus, dans ce premier mode d’exécution du filtre 111, on calcule une matrice de covariance P’ associée au vecteur d’état prédit x’ selon la formule Math 2 suivante.
où :
- P est la covariance associée au vecteur d’état prédit lors de la précédente itération, c’est-à-dire la covariance associée à la position 62,
- P’ est la covariance associée au vecteur d’état prédit lors de l’itération courante, c’est-à-dire la covariance associée à la position extrapolée 71,
- B est le modèle de contrôle, c’est-à-dire la fonction qui convertit les commandes sur les actionneurs ou la trajectoire dans l’espace du vecteur d’état. Cette fonction est normalement connue à l’avance et constante dans le temps,
- W est la matrice de covariance de bruit 73.
Dans le premier mode d’exécution du filtre 111, la matrice de covariance de bruit 73 est utilisée pour modéliser l’incertitude de la prédiction liée à un écart mesuré entre la trajectoire planifiée 64 et la trajectoire commandée 74.
Afin de pouvoir mesurer l’écart existant entre la trajectoire planifiée 64 et la trajectoire commandée 74, il est nécessaire de synchroniser temporellement ces deux trajectoires via un module de synchronisation 112. A partir de la trajectoire planifiée 64, on calcule une trajectoire planifiée synchronisée 65, de sorte à pouvoir la comparer avec la trajectoire commandée 74.
Le premier mode d’exécution du filtre 111 comprend un calcul de la matrice de covariance de bruit W selon les expressions mathématiques Math 3 :
où :
- u est un vecteur d’état correspondant à la trajectoire planifiée 64,
- u’ est un vecteur d’état correspondant à la trajectoire appliquée 74,
- u’’ est un vecteur d’état correspondant à la trajectoire planifiée synchronisée 65,
- Z est la transformation mise en œuvre dans le module de synchronisation 112,
- E() est la fonction d’estimée.
Ainsi, selon le premier mode d’exécution du filtre 111, à l’issue de l’étape E1, on obtient une position extrapolée 71 et une covariance associée P’. La covariance P’ permet ainsi de calculer un indice de confiance IC1 associé à la position extrapolée. L’indice de confiance IC1 peut, par exemple, être calculé à partir de la matrice de covariance, en sélectionnant les valeurs sur la diagonale (ou une autre fonction similaire), ce qui permet de déterminer un indice de confiance par variable d’état du module de positionnement.
La position extrapolée 71 correspond à un point M appartenant à la trajectoire planifiée 64, et l’indice de confiance IC1 traduit la probabilité pour que le véhicule autonome 100 se situe effectivement au point M avec un niveau de précision donné.
Autrement dit, dans le premier mode d’exécution du filtre 111, la trajectoire commandée 74 influence uniquement l’indice de confiance IC1 associé à la position extrapolée 71 :
- plus la trajectoire commandée 74 est proche de la trajectoire planifiée 64, plus l’indice de confiance IC1 est élevé,
- plus la trajectoire commandée 74 est distante de la trajectoire planifiée 64, plus l’indice de confiance IC1 est faible.
D’autres modes d’exécution du filtre 111 pourraient être mis en œuvre, par exemple en utilisant un filtre de Kalman linéaire, ou un filtre à particules. Alternativement, le filtre de Kalman pourrait être remplacé par une intelligence artificielle utilisant par exemple des algorithmes de Machine Learning ou des réseaux de neurones.
En complément ou alternativement, dans d’autres modes d’exécution de l’étape E1, le calcul d’une position extrapolée 71 pourrait prendre en compte la trajectoire commandée 74 pour le calcul des coordonnées du véhicule autonome.
Dans une deuxième étape E2 d’actualisation, on calcule une position estimée actualisée 72 prenant en compte, d’une part, une position mesurée 61 issue des capteurs 2 et, d’autre part, la position extrapolée 71.
L’étape E2 comprend une sous-étape de réception de données issues des capteurs 2, et de détermination d’une position mesurée 61 à un instant donné TMES. La sous-étape de réception comprend une fusion des données issues de différents capteurs. Dans un mode d’exécution préférentiel, la fusion de données permet d’associer un indice de confiance IC2 à la position mesurée 61. L’indice de confiance tient compte notamment des différentes sources de données prises en compte dans la fusion de donnée. L’indice de confiance peut également tenir compte de conditions de visibilité en lien avec l’infrastructure routière (par exemple, la présence d’un tunnel ou d’un virage serré), ou en lien avec la luminosité ou les conditions météorologiques. L’indice de confiance peut en outre tenir compte de l’environnement du véhicule, notamment de zones de réflexion pouvant perturber les mesures des capteurs.
L’étape E2 comprend en outre une sous-étape de calcul d’une position estimée actualisée 72 à partir la position mesurée 61 issue des capteurs et de la position extrapolée 71 calculé dans l’étape E1.
Dans un mode d’exécution, la position estimée actualisée 72 est une moyenne pondérée de la position mesurée 61 et de la position extrapolée 71.
L’une et l’autre des positions mesurée 61 et extrapolée 71 sont avantageusement associées à un indice de confiance, IC2, IC1.
L’indice de confiance IC1 représente le degré de confiance associé à la trajectoire planifiée 64 ; notamment l’indice de confiance IC1 fournit une mesure de la cohérence entre la trajectoire planifiée 64 et la trajectoire commandée 74.
Avantageusement, les coefficients de pondération de la moyenne pondérée sont déterminés en fonction de l’indice de confiance IC1. Par exemple, si l’indice de confiance de IC1 est inférieur à un seuil donné alors le coefficient de pondération associé à la position extrapolée 71 est strictement inférieur au coefficient de pondération associé à la position mesurée 61. Autrement dit, si la trajectoire planifiée 64 est sensiblement éloignée de la trajectoire commandée 67, alors la position mesurée 61 aura plus de poids que la position extrapolée 71 dans le calcul de la position estimée actualisée 72.
En complément, le calcul des coefficients de pondération pourrait tenir compte des deux indices de confiance IC1, IC2, notamment du niveau relatif des indices de confiance IC1, IC2. Par exemple le coefficient de pondération de chaque position 61, 71 pourrait être proportionnel à l’indice de confiance IC2, IC1 respectivement associé à ladite position. En variante, ce mode de calcul pourrait s’appliquer uniquement si le ratio entre l’indice de confiance le plus élevé et l’indice de confiance le moins élevé est inférieur à un seuil donné, par exemple 120%. Au-delà du seuil donné, on pourrait par exemple affecter un coefficient très faible, voire nul, à la position de plus faible indice de confiance.
Ainsi, le calcul d’une moyenne pondérée entre ces deux positions a pour objectif d’améliorer la précision de la localisation, notamment en prenant en compte l’incertitude inhérente d’une part aux mesures des capteurs, et d’autre part à une position déterminée par extrapolation à partir d’une trajectoire planifiée.
Finalement, le procédé de localisation selon l’invention présente l’avantage de détecter et traiter au plus tôt des écarts entre la trajectoire planifiée et la trajectoire commandée, c’est-à-dire la trajectoire réellement mise en œuvre par les actionneurs de mouvement du véhicule. Autrement dit, au lieu de considérer que le véhicule se déplace sur une trajectoire idéale, définie selon des modèles statistiques par la planification de trajectoire, on évalue l’écart entre la trajectoire commandée et la trajectoire planifiée.
Ce traitement est d’autant plus pertinent que, contrairement à la trajectoire planifiée qui est définie sur une fenêtre temporelle de l’ordre de quelques secondes, la trajectoire commandée est actualisée toutes les 10 millisecondes, ce qui est comparable à la fréquence d’actualisation des mesures issues des capteurs.
Par ailleurs, alors que les données issues des capteurs décrivent une situation passée, la trajectoire commandée correspond à une extrapolation à très court terme de la position future du véhicule à partir des commandes appliquées par les actionneurs de mouvement.
Dans un contexte de véhicule autonome, l’objectif de l’invention est d’appliquer une trajectoire planifiée tout en améliorant la prédiction de la position du véhicule autonome. Ainsi, au lieu d’être dans un mode réactif (dans lequel on réagit à des mesures), l’invention permet d’être proactif en prenant en compte les manœuvres à venir.
Dans des modes de réalisation alternatifs, la trajectoire commandée pourrait être utilisée dans le calcul même de la position du véhicule.

Claims (10)

  1. Procédé de localisation d'un véhicule autonome (100) comprenant des capteurs de position (2), un système de planification de trajectoire (33), et des actionneurs de mouvement (41), caractérisé en ce qu’il comprend une itération des étapes suivantes :
    - une étape (E1) de prédiction de la position courante du véhicule autonome (100) comprenant une réception (E11) d’une précédente position estimée (62) du véhicule autonome (100) issue d’une précédente itération du procédé, une réception (E12) de commandes appliquées (67) par les actionneurs de mouvement (41, 42, 43), un calcul (E13) d'une trajectoire commandée (74) en fonction des commandes appliquées (67), et un calcul (E14) d’une position extrapolée (71) du véhicule autonome (100) en fonction de ladite précédente position estimée (62), et de ladite trajectoire commandée (74),
    - une étape (E2) d’actualisation comprenant un calcul d’une position estimée actualisée (72) du véhicule autonome (100) prenant en compte une position mesurée (61) issue des capteurs de position (2) et la position extrapolée (71).
  2. Procédé selon la revendication précédente, caractérisé en ce qu'il comprend une étape (E0) de détermination d'une trajectoire planifiée (64) par le système de planification de trajectoire (33), et en ce que ledit calcul (E14) d’une position extrapolée (71) du véhicule autonome (100) est réalisé en fonction de ladite trajectoire planifiée (64).
  3. Procédé selon la revendication précédente, caractérisé en ce qu'il comprend une détermination d'un indice de confiance (IC1) associé à la position extrapolée (71) en fonction de l’écart calculé entre la trajectoire planifiée (64) et la trajectoire commandée (74) et en ce que l’étape de calcul de la position estimée actualisée (72) tient compte de l’indice de confiance (IC1).
  4. Procédé selon la revendication 2 ou 3 caractérisé en ce que l’étape de prédiction (E1) comprend la mise en œuvre d’un filtre de Kalman (111) auquel est associée une matrice de covariance de bruit (73) calculée en fonction de l’écart entre la trajectoire planifiée (64) et la trajectoire commandée (74).
  5. Procédé selon les revendications 3 et 4, caractérisé en ce que le calcul de l’indice de confiance (IC1) dépend de la matrice de covariance de bruit du filtre de Kalman (111).
  6. Procédé selon la revendication 3 ou selon les revendications 3 et 4 ou selon la revendication 5, caractérisé en ce que la position estimée actualisée (72) est une moyenne pondérée de la position mesurée (61) et de la position extrapolée (71), les coefficients de pondération étant fonction de l’indice de confiance (IC1) de la position extrapolée (71).
  7. Dispositif (10) de localisation pour véhicule autonome, le dispositif comprenant une unité de calcul (7), des capteurs de position (2), un système de planification de trajectoire (33) et des actionneurs de mouvement (41, 42, 43) mettant en œuvre le procédé selon l’une des revendications précédentes, notamment une unité de calcul (7) apte à mettre en œuvre le procédé selon l’une des revendications précédentes.
  8. Véhicule autonome (100) comprenant un dispositif de localisation selon la revendication précédente.
  9. Produit programme d’ordinateur comprenant des instructions de code de programme enregistrées sur un support lisible par ordinateur pour mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 6 lorsque ledit programme fonctionne sur un ordinateur.
  10. Support (5) d’enregistrement de données, lisible par un ordinateur, sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme de mise en œuvre du procédé selon l’une des revendications 1 à 6.
FR2105131A 2021-05-17 2021-05-17 Procédé de localisation pour véhicule autonome. Active FR3122920B1 (fr)

Priority Applications (3)

Application Number Priority Date Filing Date Title
FR2105131A FR3122920B1 (fr) 2021-05-17 2021-05-17 Procédé de localisation pour véhicule autonome.
PCT/EP2022/062901 WO2022243151A1 (fr) 2021-05-17 2022-05-12 Procédé de localisation pour véhicule autonome
EP22728611.9A EP4348179A1 (fr) 2021-05-17 2022-05-12 Procédé de localisation pour véhicule autonome

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2105131A FR3122920B1 (fr) 2021-05-17 2021-05-17 Procédé de localisation pour véhicule autonome.
FR2105131 2021-05-17

Publications (2)

Publication Number Publication Date
FR3122920A1 true FR3122920A1 (fr) 2022-11-18
FR3122920B1 FR3122920B1 (fr) 2024-02-23

Family

ID=77519196

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2105131A Active FR3122920B1 (fr) 2021-05-17 2021-05-17 Procédé de localisation pour véhicule autonome.

Country Status (3)

Country Link
EP (1) EP4348179A1 (fr)
FR (1) FR3122920B1 (fr)
WO (1) WO2022243151A1 (fr)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018063245A1 (fr) * 2016-09-29 2018-04-05 The Charles Stark Draper Laboratory, Inc. Localisation de véhicule autonome
WO2018175441A1 (fr) 2017-03-20 2018-09-27 Mobileye Vision Technologies Ltd. Navigation par prédiction de chemin augmentée
US20200386555A1 (en) * 2019-06-10 2020-12-10 DeepMap Inc. Using map-based constraints for determining vehicle state

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018063245A1 (fr) * 2016-09-29 2018-04-05 The Charles Stark Draper Laboratory, Inc. Localisation de véhicule autonome
WO2018175441A1 (fr) 2017-03-20 2018-09-27 Mobileye Vision Technologies Ltd. Navigation par prédiction de chemin augmentée
US20200386555A1 (en) * 2019-06-10 2020-12-10 DeepMap Inc. Using map-based constraints for determining vehicle state

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MIN HAIGEN ET AL: "Kinematic and Dynamic Vehicle Model-Assisted Global Positioning Method for Autonomous Vehicles with Low-Cost GPS/Camera/In-Vehicle Sensors", SENSORS, vol. 19, no. 24, 9 December 2019 (2019-12-09), pages 5430, XP055864929, DOI: 10.3390/s19245430 *

Also Published As

Publication number Publication date
FR3122920B1 (fr) 2024-02-23
WO2022243151A1 (fr) 2022-11-24
EP4348179A1 (fr) 2024-04-10

Similar Documents

Publication Publication Date Title
US10077054B2 (en) Tracking objects within a dynamic environment for improved localization
FR2869985A1 (fr) Systeme de navigation pour vehicule
CN114274972A (zh) 自主驾驶环境中的场景识别
JP2022513511A (ja) 完全性範囲を特定するための方法
FR3103616A1 (fr) Procede et dispositif pour la determination de trajectoires d'elements mobiles
EP4348179A1 (fr) Procédé de localisation pour véhicule autonome
FR3005510A1 (fr) Procede ameliore de determination de la position et/ou de la vitesse d'un vehicule guide ; systeme associe.
US20230266768A1 (en) Methods and Systems for Dealiasing Radar Range Rate Measurements Using Machine Learning
WO2019197781A1 (fr) Apprentissage automatique prédictif pour la prédiction d'une vitesse future d'un véhicule automobile en mouvement sur une route
FR3062836A1 (fr) Procede et systeme de determination d'un indice de confiance associe a un objet d'un environnement d'un vehicule
FR3101044A1 (fr) Procédé d’aide à la conduite avec détermination d’une distance de sécurité multi-cibles.
WO2023110706A1 (fr) Procédé de supervision du fonctionnement d'un véhicule automobile
FR3102879A1 (fr) Système et procédé de gestion de la position d’un véhicule autonome.
FR3103579A1 (fr) Procédé de régulation du déplacement d’un véhicule automobile.
FR3097338A1 (fr) Système et procédé de prédiction de la trajectoire d’un véhicule égo en fonction de l’environnement dudit véhicule égo
EP4015332A1 (fr) Méthode de supervision pour le contrôle d'un véhicule automobile autonome
FR3117223A1 (fr) Système et procédé de contrôle de véhicule à base d’apprentissage machine
FR3117976A1 (fr) Dispositif de contrôle longitudinal pour véhicule
WO2022106545A1 (fr) Dispositif apprenant pour système cyber-physique mobile
EP4392843A1 (fr) Procédé de modélisation d'un environnement de navigation d'un véhicule automobile
WO2023222960A1 (fr) Procédé et dispositif de contrôle d'un système de régulation de vitesse d'un véhicule en approche d'un élément de signalisation routière
WO2023052692A1 (fr) Procédé et dispositif de détection d'insertion dans une voie de circulation d'un véhicule.
FR3117972A1 (fr) Méthode de contrôle pour contrôler le déplacement d’un véhicule automobile autonome
EP4337505A1 (fr) Procédé de gestion de la vitesse longitudinale d'un véhicule autonome
FR3090126A1 (fr) Procédé de localisation, dans un repère absolu, d’un dispositif, calculateur et véhicule associé.

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20221118

PLFP Fee payment

Year of fee payment: 3

CA Change of address

Effective date: 20230512

PLFP Fee payment

Year of fee payment: 4