[發(fā)明專利]自動駕駛控制裝置、方法及自動駕駛系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010791010.7
• 申請日: 2020-02-17
• 公開（公告）號: CN111942396B
• 公開（公告）日: 2021-12-24
• 發(fā)明（設計）人: 李華蘭
• 申請（專利權(quán)）人: 采埃孚汽車系統(tǒng)（上海）有限公司
• 主分類號: B60W40/08
• 分類號: B60W40/08;B60W60/00
• 代理公司: 上海領(lǐng)譽知識產(chǎn)權(quán)代理有限公司 31383
• 代理人: 車超平

本申請實施例提供一種自動駕駛控制裝置、方法及自動駕駛系統(tǒng)，通過按照預定的狀態(tài)類別對各個監(jiān)測區(qū)域下的狀態(tài)信息進行劃分，分別生成每個狀態(tài)類別的狀態(tài)匯總信息，從而能夠充分考慮到駕駛對象在自動駕駛過程中針對不同狀態(tài)類別的差異，并且通過有效區(qū)分不同駕駛員的特征狀態(tài)差異，從而考慮到駕駛員在自動駕駛過程中的區(qū)域特征點的浮動變化，并以此進一步結(jié)合駕駛員的歷史駕駛情況來進行自動駕駛決策，能夠提高自動駕駛策略的決策過程的數(shù)據(jù)準確性。

技術(shù)領(lǐng)域

本申請涉及自動駕駛技術(shù)領(lǐng)域，具體而言，涉及一種自動駕駛控制裝置、方法及自動駕駛系統(tǒng)。

背景技術(shù)

隨著科技的發(fā)展和社會的進步，自動駕駛技術(shù)成為交通領(lǐng)域的發(fā)展趨勢，在傳統(tǒng)自動駕駛技術(shù)中，通常會結(jié)合駕駛員的整體特征狀態(tài)以輸出一個統(tǒng)一的特征類別來適應性地調(diào)整自動駕駛策略，但是此種方案并未考慮到駕駛員在自動駕駛過程中針對不同狀態(tài)類別的差異，并且為了提高駕駛安全性，在自動駕駛過程中通常也會要求駕駛員處于駕駛狀態(tài)，然而由于不同的駕駛員的駕駛習慣不同，而且駕駛員的特征狀態(tài)本身是波動變化的，不同駕駛員的特征狀態(tài)差異也較大，從而造成自動駕駛策略的決策過程不夠充分。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)中的上述不足，本申請的目的在于提供一種自動駕駛控制裝置、方法及自動駕駛系統(tǒng)，能夠提高自動駕駛策略的決策過程的數(shù)據(jù)準確性。

第一方面，本申請?zhí)峁┮环N自動駕駛控制方法，應用于自動駕駛裝置，所述自動駕駛裝置與汽車內(nèi)的多個狀態(tài)監(jiān)測裝置通信連接，所述方法包括：

獲取駕駛對象在每個狀態(tài)監(jiān)測裝置的監(jiān)測區(qū)域下的狀態(tài)信息，并按照預定的狀態(tài)類別對各個監(jiān)測區(qū)域下的狀態(tài)信息進行劃分，分別生成每個狀態(tài)類別的狀態(tài)匯總信息；

根據(jù)所述駕駛對象的身份認證信息確定所述各個監(jiān)測區(qū)域內(nèi)的預設區(qū)域特征點，針對所述各個監(jiān)測區(qū)域內(nèi)的預設區(qū)域特征點，并分別確定出所述預設區(qū)域特征點的浮動區(qū)域在所對應的狀態(tài)類別的狀態(tài)匯總信息中的浮動變化信息，得到所述預設區(qū)域特征點的第一狀態(tài)浮動變化結(jié)果，所述預設區(qū)域特征點為與所述駕駛對象的身份認證信息預先匹配的區(qū)域特征點；

根據(jù)所述駕駛對象的歷史駕駛信息確定所述各個監(jiān)測區(qū)域內(nèi)的頻繁區(qū)域特征點，針對所述各個監(jiān)測區(qū)域內(nèi)的頻繁區(qū)域特征點，分別獲取所述頻繁區(qū)域特征點的浮動軌跡，并確定出所述浮動軌跡在所對應的狀態(tài)類別的狀態(tài)匯總信息中的浮動變化信息，得到所述頻繁區(qū)域特征點的第二狀態(tài)浮動變化結(jié)果，所述頻繁區(qū)域特征點為所述駕駛對象的歷史駕駛信息中的變化頻繁度大于設定頻繁度閾值的區(qū)域特征點，所述變化頻繁度用于表示所述區(qū)域特征點在單位時間內(nèi)的變化程度；

根據(jù)所述第一狀態(tài)浮動變化結(jié)果以及所述第二狀態(tài)浮動變化結(jié)果之間的匹配關(guān)系，生成對所述汽車的自動駕駛控制指令。

在第一方面的一種可能的設計中，所述按照預定的狀態(tài)類別對各個監(jiān)測區(qū)域下的狀態(tài)信息進行劃分，分別生成每個狀態(tài)類別的狀態(tài)匯總信息的步驟，包括：

獲取每個預定的狀態(tài)類別所對應的狀態(tài)類別特征點，形成每個預定的狀態(tài)類別的特征點集合，并獲取各個監(jiān)測區(qū)域的目標特征點數(shù)與所述特征點集合的特征點數(shù)的重合特征點信息；

根據(jù)所述目標特征點數(shù)與所述特征點集合的特征點數(shù)的重合特征點信息，計算每種目標狀態(tài)類別的關(guān)鍵特征點的數(shù)量，并根據(jù)每種目標狀態(tài)類別的關(guān)鍵特征點的數(shù)量，從所述特征點集合中選取狀態(tài)類別特征點，得到初始特征點矩陣；

若所述初始特征點矩陣的總特征點分布數(shù)量大于滿足所述總特征點分布數(shù)量要求的最大總特征點分布數(shù)量，則將所述初始特征點矩陣中的粗范圍關(guān)鍵特征點減少第一設定數(shù)量，并且將所述初始特征點矩陣中的細范圍關(guān)鍵特征點增加所述第一設定數(shù)量，其中，所述細范圍關(guān)鍵特征點是指關(guān)鍵特征點在所在的檢測區(qū)域的單位密集程度小于設定程度的關(guān)鍵特征點，所述粗范圍關(guān)鍵特征點是指關(guān)鍵特征點在所在的檢測區(qū)域的單位密集程度不小于設定程度的關(guān)鍵特征點；

計算本次更新后的初始特征點矩陣的總特征點分布數(shù)量；