[發(fā)明專利]使用感知系統(tǒng)措施管理前進路徑的自動駕駛復(fù)雜度

有效

• 申請?zhí)枺?/td>: 201910073765.0
• 申請日: 2019-01-25
• 公開（公告）號: CN110103984B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計）人: D·K·格林姆;佟維;曾樹青;U·P·穆達里格
• 申請（專利權(quán)）人: 通用汽車環(huán)球科技運作有限責任公司
• 主分類號: B60W50/00
• 分類號: B60W50/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 王麗輝

描述了用于控制車輛的自動駕駛系統(tǒng)的技術(shù)方案。示例方法包括計算沿著車輛行駛的路線的即將到來的區(qū)域的復(fù)雜度度量。該方法進一步包括，響應(yīng)于復(fù)雜度度量低于預(yù)定的低復(fù)雜度閾值，使用車輛的計算系統(tǒng)確定車輛在即將到來的區(qū)域中行駛的軌跡。此外，該方法包括響應(yīng)于復(fù)雜度度量高于預(yù)定的高復(fù)雜度閾值，指示外部計算系統(tǒng)確定車輛在即將到來的區(qū)域中行駛的軌跡。如果軌跡不能由外部計算系統(tǒng)確定，則執(zhí)行車輛的最小風險條件操縱。

技術(shù)領(lǐng)域

本公開一般涉及車輛的自動駕駛系統(tǒng)，并且具體地涉及使用感知系統(tǒng)復(fù)雜度信息來支持有條件和高自動化水平。

背景技術(shù)

自主車輛可以以各種操作模式操作。例如，在“全自動”操作模式(有時被國家公路運輸安全局(NHTSA)稱為5級自動化)中，計算系統(tǒng)用于沿著行駛路線導(dǎo)航和/或操縱車輛而沒有來自人類駕駛員的輸入。在“半自動”操作模式(每個NHTSA的3級自動化)中，車輛可以執(zhí)行完全自動駕駛功能，但可能需要在各種情況下進行人為干預(yù)，或者可能要求駕駛員進行控制(在響應(yīng)中允許一些延遲)。存在各種其它操作模式，其有助于諸如防抱死制動、電子穩(wěn)定性控制、車道保持等功能。此外，在一個或多個操作模式中，組合多個功能，諸如自適應(yīng)巡航控制和車道保持的組合，以使汽車自身驅(qū)動但需要持續(xù)的人工監(jiān)視和快速干預(yù)；或從車輛外部監(jiān)視自行停車。

為了便于這種自動功能，車輛配備有傳感器，該傳感器被配置為檢測關(guān)于周圍環(huán)境的信息，包括環(huán)境中對象的存在?？梢詫z測到的信息發(fā)送到計算系統(tǒng)。不同的操作模式和駕駛場景可以使用不同類型和數(shù)量的計算資源。3級系統(tǒng)基于駕駛環(huán)境的增加復(fù)雜度來預(yù)測何時需要未來的駕駛員接管。由于當車輛遇到某些情況時涉及潛在的計算復(fù)雜度，4級自動駕駛系統(tǒng)目前僅限于小型地理圍欄區(qū)域和低速操作。因此，這些系統(tǒng)還使用關(guān)于即將到來的環(huán)境的復(fù)雜度的細節(jié)，以便以使系統(tǒng)能夠完成其任務(wù)的方式分配計算資源。

因此，期望提供改進的車輛自動化系統(tǒng)，其能夠跟蹤整體駕駛復(fù)雜度以預(yù)測何時自動駕駛功能可能變得不可用(為了駕駛員接管或利用彈性計算資源)。所提出的技術(shù)還可以用于根據(jù)所確定的操作模式自動確定使用哪種操作模式并分配計算資源，并且進一步基于可用的計算資源切換操作模式。

發(fā)明內(nèi)容

描述了用于控制車輛的自動駕駛系統(tǒng)的技術(shù)方案。示例方法包括計算沿著車輛行駛的路線的即將到來的區(qū)域的復(fù)雜度度量。該方法進一步包括，響應(yīng)于復(fù)雜度度量低于預(yù)定的低復(fù)雜度閾值，使用車輛的計算系統(tǒng)確定車輛在即將到來的區(qū)域中行駛的軌跡。此外，該方法包括響應(yīng)于復(fù)雜度度量高于預(yù)定的高復(fù)雜度閾值，指示外部計算系統(tǒng)確定車輛在即將到來的區(qū)域中行駛的軌跡。如果軌跡不能由外部計算系統(tǒng)確定，則執(zhí)行車輛的最小風險條件操縱。

在一個或多個示例中，該方法進一步包括：響應(yīng)于復(fù)雜度度量在低復(fù)雜度閾值和高復(fù)雜度閾值之間，通過重新分配車輛的計算系統(tǒng)的計算資源來調(diào)節(jié)車輛的計算系統(tǒng)，并且指示車輛的所調(diào)節(jié)的計算系統(tǒng)確定車輛在即將到來的區(qū)域中行駛的軌跡。如果計算系統(tǒng)不能確定軌跡，則執(zhí)行車輛的最小風險條件操縱。

在一個或多個示例中，計算復(fù)雜度度量包括基于由車輛的一個或多個傳感器捕獲的傳感器數(shù)據(jù)來計算個體傳感器的復(fù)雜度度量。此外，計算復(fù)雜度度量包括基于傳感器融合數(shù)據(jù)計算傳感器融合復(fù)雜度度量，該傳感器融合數(shù)據(jù)基于由車輛的一個或多個傳感器捕獲的傳感器數(shù)據(jù)確定。此外，計算復(fù)雜度度量包括基于來自傳感器數(shù)據(jù)的穩(wěn)定跟蹤的對象數(shù)量和由車輛的一個或多個傳感器跟蹤的對象的總數(shù)來計算對象跟蹤復(fù)雜度度量。在一個或多個示例中，復(fù)雜度度量被計算為其中p_i是包括使用來自車輛的一個或多個傳感器的傳感器數(shù)據(jù)計算的環(huán)境因子或復(fù)雜度值的第i個參數(shù)，w_i是與第i個參數(shù)相關(guān)聯(lián)的權(quán)重，并且m是參數(shù)的總數(shù)。在一個或多個示例中，基于由車輛的一個或多個傳感器捕獲的傳感器數(shù)據(jù)的時間序列分析，使用機器學習來計算復(fù)雜度度量。

此外，該方法包括生成針對車輛的駕駛員的警報，以在到達即將到來的區(qū)域之前至少在預(yù)定時間間隔內(nèi)控制車輛。