CN106840242B - 一种智能驾驶汽车的传感器自检***及多传感融合*** - Google Patents
一种智能驾驶汽车的传感器自检***及多传感融合*** Download PDFInfo
- Publication number
- CN106840242B CN106840242B CN201710057663.0A CN201710057663A CN106840242B CN 106840242 B CN106840242 B CN 106840242B CN 201710057663 A CN201710057663 A CN 201710057663A CN 106840242 B CN106840242 B CN 106840242B
- Authority
- CN
- China
- Prior art keywords
- sensor
- self
- fusion
- target
- checking
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B9/00—Safety arrangements
- G05B9/02—Safety arrangements electric
- G05B9/03—Safety arrangements electric with multiple-channel loop, i.e. redundant control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种智能驾驶汽车的传感器自检***,其为一个集成的多传感器自检***,在检测智能驾驶汽车各传感器状态时,综合了所有传感器的自检结果,并对检查结果进行了分类,利用多个同类别传感器带来的感知冗余,进一步地进行传感器验错检测,合理判断智能驾驶车辆的综合传感器状态。本发明同时提供一种基于传感器自检***的智能驾驶汽车多传感融合***,在传感器自检***完成集成的多传感器自检及状态判断的同时,利用了传感器自检***传送过来的自检信息进行信息融合处理,根据传感器自检的动态结果结合规划控制算法对误报和漏报的敏感程度进行智能融合,从而帮助智能驾驶***做出更加合理的规划与控制策略。
Description
技术领域
本发明属于智能驾驶技术(包括自动驾驶、无人驾驶)领域,具体涉及一种智能驾驶汽车的传感器自检***及基于传感器自检***的多传感融合***,实现智能驾驶汽车中多种传感器(毫米波雷达、激光雷达、超声波雷达、摄像头、GPS、惯导等)的算法融合以及自我校正,以确保智能驾驶汽车能正确地使用各传感器感知的环境信息,保证智能行驶的安全及用户体验。
背景技术
摄像头、毫米波雷达、激光雷达、超声波雷达等传感器是智能驾驶汽车的重要感知设备,这些传感器提供的信息对智能驾驶汽车感知外部世界以及决定规划和控制方案起着至关重要的作用。在智能驾驶汽车所使用的传感器中,大多数传感器都具有单独自动校正功能。这些传感器能够检测出自身在使用过程中可能造成的误差并自动校正,德尔福的毫米波雷达就是一个很好的例子。
然而,还没有一个统一的***来对智能驾驶汽车中所有的重要传感器状况进行检查,并进一步把状态检查的结果用到多传感融合算法中,这必然导致现在的智能驾驶***在一个传感器出问题时可能就会导致整个智能驾驶***不能正常工作。这种只要一个传感器出现问题就要求整个智能驾驶***停止工作的策略虽然保证了安全性,却没有充分利用多个同类别的传感器所带来的感知冗余。同类别传感器是指能够实现智能驾驶中同一感知功能的传感器,例如,前视摄像头和前向毫米波长距雷达可以是同类传感器,因为它们都可以探测智能驾驶汽车前面的障碍物,GPS和激光惯导由于都可以实现定位功能,所以也可以是同类别传感器。一个实用的多传感融合算法必须能够根据各传感器问题的轻重缓急、从而智能地做出合理的规划和控制。
由于智能驾驶汽车在行驶过程中可能对传感器的状态(功能、性能、准确性等)产生影响,出于安全性的考虑,智能驾驶的整体解决方案必须包含一个集成的传感器自检***。这个传感器自检***除了能够对各个传感器的状态进行检查以外,还能把检查结果以特定的方式“汇报”给多传感融合算法,以便多传感融合算法能够根据各传感器自检的结果并利用传感器感知信息的冗余做出合理的规划及控制,然而现有技术中还没有出现这样的***。
发明内容
为解决上述智能驾驶车辆遇到的技术问题,本发明提供一种智能驾驶汽车的传感器自检***,其为一个集成的多传感器自检***,在检测智能驾驶汽车各传感器状态时,综合了所有传感器的自检结果,并对检查结果进行了分类,以便智能驾驶***的其它子***能更好地利用所有传感器自检的结果;同时充分利用了多传感器的优势,即多个同类别传感器带来的感知冗余,其能在传感器单独自检的基础之上更进一步地进行传感器验错检测,从而合理判断智能驾驶车辆的综合传感器状态。
本发明的上述目的是通过以下技术方案实现的:
一种智能驾驶汽车的传感器自检***,其与智能驾驶汽车的各个目标传感器通讯连接,获取各传感器的状态数据;包括:
自检模块:其通过对各个目标传感器状态数据的分析处理判断出各目标传感器的运行状态;
状态再判断模块:其在自检模块判断出的传感器运行状态基础上,利用同类别传感器的感知冗余信息,对同类别的各目标传感器状态数据进行对比,给出最终的传感器运行状态判断结果。
进一步地,所述传感器的运行状态分为以下三种情况:
正常:代表此传感器工作正常;
有瑕疵:代表此传感器有问题,但不影响传感器的继续工作;
严重错误:代表此传感器有严重问题,不能正常工作。
更进一步地,所述传感器的三种运行状态的判断采用阈值分析方法。
进一步地,所述阈值分析方法为:根据各目标传感器的自身特征参数及历史数据,分别对其工作状态数据设定阈值,将选定的目标传感器的状态数据与其阈值进行比较,判断该目标传感器的运行状态。
进一步地,所述自检模块的工作过程为:
1.1)选定智能驾驶汽车中需要进行传感器自检的所有目标传感器;
1.2)采集当前目标传感器的状态数据,对状态数据进行分析处理,判断当前目标传感器的运行状态;
1.3)记录当前目标传感器的运行状态自检结果;
1.4)重复上述步骤1.2)至步骤1.3),直至所有目标传感器完成运行状态判断;
1.5)将所有目标传感器的状态数据信息转换成车身坐标系,连同运行状态判断结果一同发送给状态再判断模块。
进一步地,所述状态再判断模块的工作过程为:
2.1)接收自检模块发送的全部目标传感器的状态数据及运行状态判断结果;
2.2)选取一个自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器,将当前目标传感器的状态数据及当前目标传感器的其他冗余传感器的状态数据进行同类信息比较,进行当前目标传感器的运行状态的再判断;
2.3)记录当前目标传感器的运行状态再判断结果;
2.4)重复上述步骤2.2)和2.3),直至所有自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器完成运行状态再判断,生成最终的传感器自检结果;
2.5)将最终的传感器自检结果发送给智能驾驶汽车中的其他***。
本发明同时提供一种基于传感器自检***的智能驾驶汽车多传感融合***,在传感器自检***完成集成的多传感器自检及状态判断的同时,利用了传感器自检***传送过来的自检信息进行信息融合处理,可以根据传感器自检的动态结果结合规划控制算法对误报和漏报的敏感程度进行智能融合,从而帮助智能驾驶***做出更加合理的规划与控制策略,使智能驾驶***在某些传感器出现问题的情况下,仍然能为智能驾驶汽车提供一定程度的安全保障。
本发明的上述目的是通过以下技术方案实现的:
一种基于传感器自检***的智能驾驶汽车多传感融合***,其利用传感器自检***传送过来的自检信息进行信息融合处理,根据传感器自检的动态结果结合规划控制算法对误报和漏报的敏感程度进行融合。
进一步地,所述传感器自检***将目标传感器的运行状态分为以下三种情况:
正常:代表此传感器工作正常;
有瑕疵:代表此传感器有问题,但不影响传感器的继续工作;
严重错误:代表此传感器有严重问题,不能正常工作。
更进一步地,所述多传感融合***包括:
融合预判模块:其根据传感器自检***发送的结果,对传感器数据融合的可行性进行预判,决定是否要通过传感器融合模块对传感器数据进行融合;
传感器融合模块:其对接收到的传感器状态数据,根据各类型传感器的传感器状态敏感程度,分别进行数据融合。
进一步地,所述融合预判断模块的工作流程为:
根据传感器自检***发送的各传感器运行状态自检结果和状态数据,结合车辆当前环境等其他因素,判断如果忽略运行状态为“严重错误”的传感器的数据后,其他传感器的数据融合后是否足以支撑智能驾驶汽车生成正确的规划和控制策略,如果忽略运行状态为严重错误的传感器的数据后智能驾驶***无法生成正确的规划和控制策略,则通知智能驾驶***以安全的方式停止智能驾驶汽车的运行,否则进入传感器融合模块进行数据融合。
进一步地,所述传感器融合模块包括:
多个分类融合子模块:其按照不同的传感器类别分别对各类传感器进行数据融合;
传感器状态敏感子模块:其获取某一个目标分类融合子模块所需的各传感器的运行状态,依据各传感器的运行状态结果,并根据目标分类融合子模块的误报敏感程度及漏报敏感程度,对各传感器的状态数据进行处理,最后进行数据融合。
进一步地,所述传感器融合模块的工作流程为:
1.1)获取所有传感器运行状态判断结果及传感器状态数据,选定目标分类融合子模块;
1.2)查找目标分类融合子模块需要的所有传感器,获取各传感器的运行状态判断结果及传感器状态数据;
1.3)基于传感器敏感程度的状态数据处理:根据目标分类融合子模块的误报敏感程度及漏报敏感程度,通过传感器状态敏感子模块对上述步骤1.2)获取的各传感器的运行状态判断结果及传感器状态数据进行处理;
1.4)目标分类融合子模块根据上述步骤1.3)的各传感器的数据进行传感器数据融合;
1.5)选定下一个目标分类融合子模块,重复上述步骤1.2)至步骤1.4),直至所有分类融合子模块全部完成传感器状态数据融合。
进一步地,所述1.3)基于传感器敏感程度的状态数据处理具体包括以下过程:
1.3.1)选定某一个目标传感器,获取该目标传感器的运行状态自检结果;
1.3.2)如果所述目标传感器的运行状态自检结果为“正常”,则直接将其传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“严重错误”,则忽略其传感器状态数据,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“有瑕疵”,则进入步骤1.3.3);
1.3.3)判断目标分类融合子模块是否为漏报敏感算法子模块,如果目标分类融合子模块是漏报敏感算法子模块,则直接将该目标传感器的传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果目标分类融合子模块不是漏报敏感算法子模块,则进入步骤1.3.4);
1.3.4)判断目标分类融合子模块是否为误报敏感算法子模块,如果目标分类融合子模块是误报敏感算法子模块,则忽略该目标传感器的传感器状态数据,并进入步骤1.3.5);如果目标分类融合子模块不用是误报敏感算法子模块,则减少该目标传感器的状态数据的置信等级,并将该目标传感器的状态数据输入目标分类融合子模块,进入步骤1.3.5);
1.3.5)选定下一个目标传感器,重复上述步骤1.3.2)至步骤1.3.4),直至目标分类融合子模块中所有的传感器完成基于传感器敏感程度的状态数据处理。
与现有技术相比,本发明具有以下优点:
提高智能驾驶的安全性:本发明提供的智能驾驶汽车的传感器自检***及基于传感器自检***的多传感融合***在多传感信息的融合时综合考虑了各个传感器的状态,在某些传感器出问题或失效的情况下通过其它传感器所感知的信息提供了信息冗余,从而提高了智能驾驶的安全性。
提高智能驾驶的用户体验:从智能驾驶车乘客的角度上说,集成的多传感自检和传感器状态敏感的智能驾驶多传感融合提高了融合算法的准确性,这体现在智能驾驶车周围的目标检测和道路规划上,这些都有助于提高智能驾驶的用户体验。
提高智能驾驶汽车的使用效率:本发明提供的智能驾驶汽车的传感器自检***及基于传感器自检***的多传感融合***可以根据各传感器问题的轻重缓急从而智能地做出合理的规划和控制,而不是简单地让***停止运行,从某种角度上说这可以提高智能驾驶汽车的使用效率。
附图说明
图1为本发明的整体***框图
图2为本发明中传感器自检***的工作流程图
图3为本发明中基于传感器自检***的多传感融合***的工作流程图
具体实施方式
以下结合附图详细介绍本发明的技术方案:
如图1、图2所示,一种智能驾驶汽车的传感器自检***,其与智能驾驶汽车的各个目标传感器通讯连接,获取各传感器的状态数据。传感器自检***包括自检模块及状态再判断模块:自检模块通过对各个目标传感器状态数据的分析处理判断出各目标传感器的运行状态;状态再判断模块在自检模块判断出的传感器运行状态基础上,利用同类别传感器的感知冗余信息,对同类别的各目标传感器状态数据进行对比,给出最终的传感器运行状态判断结果。
传感器的运行状态分为以下三种情况:
正常:代表此传感器工作正常;
有瑕疵:代表此传感器有问题,但不影响传感器的继续工作;
严重错误:代表此传感器有严重问题,不能正常工作。
以上三种运行状态的判断通过对各传感器状态数据设定阈值的方式进行,根据各目标传感器的自身特征参数及历史数据,分别对其工作状态数据设定阈值,例如,对某一传感器设定阈值区间[a,b],当传感器状态数据小于端值a,判定其运行状态为正常,如果传感器状态数据处于区间[a,b],则判定其运行状态为有瑕疵,一旦传感器状态数据大于b,即判定其运行状态为严重错误。上述传感器阈值还可设定为动态阈值,如阈值表格,根据传感器特征参数、历史数据及干扰因素等设定动态阈值,结合当前实际情况查表判断传感器运行状态。此外,传感器状态数据跟阈值临届点的关系比较(大于、小于)也因不同传感器状态数据的特性不一样而不同。
所述自检模块的工作过程为:
1.1)选定智能驾驶汽车中需要进行传感器自检的所有目标传感器;
1.2)采集当前目标传感器的状态数据,对状态数据进行分析处理,判断当前目标传感器的运行状态;
1.3)记录当前目标传感器的运行状态自检结果(正常、有瑕疵、严重错误);
1.4)重复上述步骤1.2)和1.3),直至所有目标传感器完成运行状态判断;
1.5)将所有目标传感器的状态数据信息转换成车身坐标系,连同运行状态判断结果一同发送给状态再判断模块。
所述状态再判断模块的工作过程为:
2.1)接收自检模块发送的全部目标传感器的状态数据及运行状态判断结果;
2.2)选取一个自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器,将当前目标传感器的状态数据及当前目标传感器的其他冗余传感器的状态数据进行同类信息比较,进行当前目标传感器的运行状态的再判断;在此需要说明,只有在前一自检阶段中标记为“正常”或“有瑕疵”的传感器才需要进行状态再判断,一般来说,前一自检阶段中标记为“正常”的传感器进行状态再判断后的状态可能是“正常”、“有瑕疵”或“严重错误”,前一自检阶段中标记为“有瑕疵”的传感器进行状态再判断后的状态可能是“有瑕疵”或“严重错误”。
2.3)记录当前目标传感器的运行状态再判断结果(正常、有瑕疵、严重错误);
2.4)重复上述步骤2.2)和2.3),直至所有自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器完成运行状态再判断,生成最终的传感器自检结果;
2.5)将最终的传感器自检结果发送给智能驾驶汽车中的其他***。其他***是指智能驾驶汽车中需要或可能用到传感器自检信息的***,例如:障碍检测***、位置信息感知***以及本发明提供的多传感融合***等。
如果所有目标传感器的状态都是“正常”,说明智能驾驶汽车的其它模块可以信任所有传感器的数据;如果有某个目标传感器的状态是“有瑕疵”,此传感器的“有瑕疵”状态会被“通知”到其他***,其他在使用这个“有瑕疵”的传感器送过来的数据时就会“格外小心”。例如:某个传感器被检查出是“有瑕疵”状态,那么多传感融合***2在融合这个传感器的数据时会根据控制规划模块是False Positive(误报)敏感还是False Negative(漏报)敏感,而采用不同的策略来使用相关的瑕疵数据。
对于上述步骤2.2),所述的冗余传感器指与目标传感器属于同类别的其他传感器,例如,对于智能驾驶汽车而言,摄像头和毫米波雷达都可以用于获取车辆周围的障碍物信息,毫米波雷达即为摄像头的冗余传感器。状态再判断模块的设置,除了能够对自检模块的判定结果进行检查,更主要的作用是充分利用冗余传感器的信息比较和互补来综合判断传感器的状态数据对智能驾驶***的影响。
如图2、图3所示,本发明在提供的智能驾驶汽车的传感器自检***的基础上,进一步提供一种基于传感器自检***的多传感融合***,其利用传感器自检***传送过来的自检信息进行信息融合处理,可以根据传感器自检的动态结果结合规划控制算法对误报和漏报的敏感程度进行智能融合,从而帮助智能驾驶***在后续做出更加合理的规划与控制策略。
多传感融合***包括融合预判模块及传感器融合模块:融合预判断模块根据传感器自检***发送的结果,对传感器数据融合的可行性进行预判,决定是否要通过传感器融合模块对传感器数据进行融合。
融合预判断模块的工作流程为:
根据传感器自检***发送的各传感器运行状态自检结果和状态数据,结合车辆当前环境等其他因素,判断如果忽略运行状态为“严重错误”的传感器的数据后,其他传感器的数据融合后是否足以支撑智能驾驶汽车生成正确的规划和控制策略,如果忽略严重错误的传感器的数据后智能驾驶***无法生成正确的规划和控制策略,则通知智能驾驶***以安全的方式停止智能驾驶汽车的运行,否则进入传感器融合模块进行数据融合。
例如,通过传感器自检***判定智能驾驶汽车的车载摄像头的运行状态自检结果为“严重错误”,通过融合预判模块进行判断,该车辆当前所处环境为暗黑环境,位置和环境信息主要通过车载雷达获取,而车载雷达的运行状态不属于“严重错误”状态,则认为车载摄像头的运行状态并不影响智能驾驶车辆生成正确的规划和控制策略,智能驾驶汽车不需停止运行,直接进入传感器融合模块进行数据融合。融合预判断模块进行预判时,通常认为,当同一类传感器中至少应有一个传感器的运行状态自检结果为“正常”时,才能进入传感器融合模块进行状态数据融合。
传感器融合模块对接收到的传感器状态数据,根据各类型传感器的传感器状态敏感程度,分别进行数据融合,融合结果可帮助智能驾驶***在后续做出更加合理的规划与控制策略。
传感器融合模块包括传感器状态敏感子模块和多个分类融合子模块:多个分类融合子模块按照不同的传感器类别分别对各类传感器进行数据融合,例如障碍检测传感器和位置信息获取传感器分别有对应的分类融合子模块对其中的传感器数据进行融合;传感器状态敏感子模块获取某一个目标分类融合子模块所需的各传感器的运行状态,依据各传感器的运行状态结果,并根据目标分类融合子模块的误报(false positive)敏感程度及漏报(false negative)敏感程度,对各传感器的状态数据进行处理,最后进行数据融合。
传感器融合模块的工作流程为:
1.1)获取所有传感器运行状态判断结果及传感器状态数据,选定目标分类融合子模块;
1.2)查找目标分类融合子模块需要的所有传感器,获取各传感器的运行状态判断结果及传感器状态数据;
1.3)基于传感器敏感程度的状态数据处理:根据目标分类融合子模块的误报(false positive)敏感程度及漏报(false negative)敏感程度,通过传感器状态敏感子模块对上述步骤1.2)获取的各传感器的运行状态判断结果及传感器状态数据进行处理;
1.3.1)选定某一个目标传感器,获取该目标传感器的运行状态自检结果;
1.3.2)如果所述目标传感器的运行状态自检结果为“正常”,则直接将其传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“严重错误”,则忽略其传感器状态数据,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“有瑕疵”,则进入步骤1.3.3);
1.3.3)判断目标分类融合子模块是否为漏报敏感算法子模块,如果目标分类融合子模块是漏报敏感算法子模块,则直接将该目标传感器的传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果目标分类融合子模块不是漏报敏感算法子模块,则进入步骤1.3.4);
1.3.4)判断目标分类融合子模块是否为误报敏感算法子模块,如果目标分类融合子模块是误报敏感算法子模块,则忽略该目标传感器的传感器状态数据,并进入步骤1.3.5);如果目标分类融合子模块不用是误报敏感算法子模块,则减少该目标传感器的状态数据的置信等级(confidence level),并将该目标传感器的状态数据输入目标分类融合子模块,进入步骤1.3.5);
1.3.5)选定下一个目标传感器,重复上述步骤1.3.2)至步骤1.3.4),直至目标分类融合子模块中所有的传感器完成基于传感器敏感程度的状态数据处理;
1.4)目标分类融合子模块根据上述步骤1.3)的各传感器的数据进行传感器数据融合;
1.5)选定下一个目标分类融合子模块,重复上述步骤1.2)至步骤1.4),直至所有分类融合子模块全部完成传感器状态数据融合。
本发明通常可以有以下几种使用方式(但不限于以下几种方式):
一、单独使用传感器自检***:
智能驾驶汽车在所有传感器安装完毕后,运行多传感自检***1,以检查传感器的安装是否符合要求;
智能驾驶汽车在启动后正式开动前,运行多传感自检***1,以做出行前的安全检测;
智能驾驶汽车在行驶过程中,以预先设置的频度运行传感器自检***,确保运行过程中传感器的状态能被定期检查和记录,一旦某个传感器有瑕疵或严重错误,则该智能驾驶汽车以安全的方式停止运行。
二、传感器自检***与多传感融合***联用:
智能驾驶汽车在行驶过程中运行传感器自检***,确保运行过程中传感器的状态能被定期检查和记录,自检的结果同时被多传感融合***使用,确保智能驾驶汽车的安全和良好的用户体验。
Claims (13)
1.一种智能驾驶汽车的传感器自检***,其与智能驾驶汽车的各个目标传感器通讯连接,获取各传感器的状态数据;其特征在于,包括:
自检模块:其通过对各个目标传感器状态数据的分析处理判断出各目标传感器的运行状态;
状态再判断模块:其在自检模块判断出的传感器运行状态基础上,利用同类别传感器的感知冗余信息,对同类别的特定运行状态的各目标传感器状态数据进行对比,给出最终的传感器运行状态判断结果,其中,所述特定运行状态的各目标传感器为“正常”或“有瑕疵”的传感器;正常:代表此传感器工作正常;有瑕疵:代表此传感器有问题,但不影响传感器的继续工作;且“正常”、“有瑕疵”通过对各传感器状态数据设定阈值的方式进行判断。
2.如权利要求1所述的一种智能驾驶汽车的传感器自检***,其特征在于,所述传感器的运行状态还包括以下情况:
严重错误:代表此传感器有严重问题,不能正常工作。
3.如权利要求2所述的一种智能驾驶汽车的传感器自检***,其特征在于,所述传感器的三种运行状态的判断采用阈值分析方法。
4.如权利要求3所述的一种智能驾驶汽车的传感器自检***,其特征在于,所述阈值分析方法为:根据各目标传感器的自身特征参数及历史数据,分别对其工作状态数据设定阈值,将选定的目标传感器的状态数据与其阈值进行比较,判断该目标传感器的运行状态。
5.如权利要求2所述的一种智能驾驶汽车的传感器自检***,其特征在于,所述自检模块的工作过程为:
1.1)选定智能驾驶汽车中需要进行传感器自检的所有目标传感器;
1.2)采集当前目标传感器的状态数据,对状态数据进行分析处理,判断当前目标传感器的运行状态;
1.3)记录当前目标传感器的运行状态自检结果;
1.4)重复上述步骤1.2)至步骤1.3),直至所有目标传感器完成运行状态判断;
1.5)将所有目标传感器的状态数据信息转换成车身坐标系,连同运行状态判断结果一同发送给状态再判断模块。
6.如权利要求2所述的一种智能驾驶汽车的传感器自检***,其特征在于,所述状态再判断模块的工作过程为:
2.1)接收自检模块发送的全部目标传感器的状态数据及运行状态判断结果;
2.2)选取一个自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器,将当前目标传感器的状态数据及当前目标传感器的其他冗余传感器的状态数据进行同类信息比较,进行当前目标传感器的运行状态的再判断;
2.3)记录当前目标传感器的运行状态再判断结果;
2.4)重复上述步骤2.2)和2.3),直至所有自检模块自检后运行状态自检结果为“正常”或“有瑕疵”的目标传感器完成运行状态再判断,生成最终的传感器自检结果;
2.5)将最终的传感器自检结果发送给智能驾驶汽车中的其他***。
7.一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,其利用传感器自检***传送过来的自检信息进行信息融合处理,根据传感器自检的动态结果结合规划控制算法对误报和漏报的敏感程度进行融合。
8.如权利要求7所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述传感器自检***将目标传感器的运行状态分为以下三种情况:
正常:代表此传感器工作正常;
有瑕疵:代表此传感器有问题,但不影响传感器的继续工作;
严重错误:代表此传感器有严重问题,不能正常工作。
9.如权利要求8所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述多传感融合***包括:
融合预判模块:其根据传感器自检***发送的结果,对传感器数据融合的可行性进行预判,决定是否要通过传感器融合模块对传感器数据进行融合;
传感器融合模块:其对接收到的传感器状态数据,根据各类型传感器的传感器状态敏感程度,分别进行数据融合。
10.如权利要求9所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述融合预判模块的工作流程为:
根据传感器自检***发送的各传感器运行状态自检结果和状态数据,结合车辆当前环境的其他因素,判断如果忽略运行状态为“严重错误”的传感器的数据后,其他传感器的数据融合后是否足以支撑智能驾驶汽车生成正确的规划和控制策略,如果忽略运行状态为严重错误的传感器的数据后智能驾驶***无法生成正确的规划和控制策略,则通知智能驾驶***以安全的方式停止智能驾驶汽车的运行,否则进入传感器融合模块进行数据融合。
11.如权利要求9所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述传感器融合模块包括:
多个分类融合子模块:其按照不同的传感器类别分别对各类传感器进行数据融合;
传感器状态敏感子模块:其获取某一个目标分类融合子模块所需的各传感器的运行状态,依据各传感器的运行状态结果,并根据目标分类融合子模块的误报敏感程度及漏报敏感程度,对各传感器的状态数据进行处理,最后进行数据融合。
12.如权利要求11所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述传感器融合模块的工作流程为:
1.1)获取所有传感器运行状态判断结果及传感器状态数据,选定目标分类融合子模块;
1.2)查找目标分类融合子模块需要的所有传感器,获取各传感器的运行状态判断结果及传感器状态数据;
1.3)基于传感器敏感程度的状态数据处理:根据目标分类融合子模块的误报敏感程度及漏报敏感程度,通过传感器状态敏感子模块对上述步骤1.2)获取的各传感器的运行状态判断结果及传感器状态数据进行处理;
1.4)目标分类融合子模块根据上述步骤1.3)的各传感器的数据进行传感器数据融合;
1.5)选定下一个目标分类融合子模块,重复上述步骤1.2)至步骤1.4),直至所有分类融合子模块全部完成传感器状态数据融合。
13.如权利要求12所述的一种基于传感器自检***的智能驾驶汽车多传感融合***,其特征在于,所述1.3)基于传感器敏感程度的状态数据处理具体包括以下过程:
1.3.1)选定某一个目标传感器,获取该目标传感器的运行状态自检结果;
1.3.2)如果所述目标传感器的运行状态自检结果为“正常”,则直接将其传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“严重错误”,则忽略其传感器状态数据,并进入步骤1.3.5);如果所述目标传感器的运行状态自检结果为“有瑕疵”,则进入步骤1.3.3);
1.3.3)判断目标分类融合子模块是否为漏报敏感算法子模块,如果目标分类融合子模块是漏报敏感算法子模块,则直接将该目标传感器的传感器状态数据输入目标分类融合子模块,并进入步骤1.3.5);如果目标分类融合子模块不是漏报敏感算法子模块,则进入步骤1.3.4);
1.3.4)判断目标分类融合子模块是否为误报敏感算法子模块,如果目标分类融合子模块是误报敏感算法子模块,则忽略该目标传感器的传感器状态数据,并进入步骤1.3.5);如果目标分类融合子模块不是误报敏感算法子模块,则减少该目标传感器的状态数据的置信等级,并将该目标传感器的状态数据输入目标分类融合子模块,进入步骤1.3.5);
1.3.5)选定下一个目标传感器,重复上述步骤1.3.2)至步骤1.3.4),直至目标分类融合子模块中所有的传感器完成基于传感器敏感程度的状态数据处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057663.0A CN106840242B (zh) | 2017-01-23 | 2017-01-23 | 一种智能驾驶汽车的传感器自检***及多传感融合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057663.0A CN106840242B (zh) | 2017-01-23 | 2017-01-23 | 一种智能驾驶汽车的传感器自检***及多传感融合*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106840242A CN106840242A (zh) | 2017-06-13 |
CN106840242B true CN106840242B (zh) | 2020-02-04 |
Family
ID=59121236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710057663.0A Active CN106840242B (zh) | 2017-01-23 | 2017-01-23 | 一种智能驾驶汽车的传感器自检***及多传感融合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106840242B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101011A (zh) * | 2017-06-20 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的传感器监控方法、装置、设备及存储介质 |
US10503170B2 (en) * | 2017-08-28 | 2019-12-10 | GM Global Technology Operations LLC | Method and apparatus for monitoring an autonomous vehicle |
CN109677401A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种汽车自动预警主动安全*** |
CN109677399A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种电动汽车主动安全*** |
CN109677340A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种车辆主动安全告警*** |
CN109683581A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种新型智能汽车*** |
CN109683501A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种智能汽车行车提醒*** |
CN109677339A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种智能汽车行车告警*** |
CN109677374A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种电动汽车主动刹车*** |
CN107826092A (zh) * | 2017-10-27 | 2018-03-23 | 智车优行科技(北京)有限公司 | 先进驾驶辅助***和方法、设备、程序和介质 |
CN108036812A (zh) * | 2017-11-13 | 2018-05-15 | 深圳市易成自动驾驶技术有限公司 | 传感器状态检测方法、装置及计算机可读存储介质 |
CN108196260B (zh) * | 2017-12-13 | 2021-08-10 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合***的测试方法和装置 |
CN108458746A (zh) * | 2017-12-23 | 2018-08-28 | 天津国科嘉业医疗科技发展有限公司 | 一种基于多类型传感器自适应融合方法 |
CN108733032B (zh) * | 2018-06-05 | 2021-02-05 | 北京智行者科技有限公司 | 车辆的自检方法 |
WO2020133205A1 (zh) * | 2018-12-28 | 2020-07-02 | 驭势科技(北京)有限公司 | 一种分配数据处理资源的方法及装置 |
CN109739232B (zh) * | 2018-12-29 | 2022-06-07 | 百度在线网络技术(北京)有限公司 | 障碍物追踪方法、装置、车载终端及存储介质 |
CN109871385B (zh) * | 2019-02-28 | 2021-07-27 | 北京百度网讯科技有限公司 | 用于处理数据的方法和装置 |
CN110132290B (zh) * | 2019-05-20 | 2021-12-14 | 北京百度网讯科技有限公司 | 智能驾驶路侧设备感知信息融合处理方法、装置、设备 |
CN110501036A (zh) * | 2019-08-16 | 2019-11-26 | 北京致行慕远科技有限公司 | 传感器参数的标定检查方法及装置 |
CN110543850B (zh) * | 2019-08-30 | 2022-07-22 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN110658825A (zh) * | 2019-10-16 | 2020-01-07 | 北京小马智行科技有限公司 | 一种数据采集装置、方法及自动驾驶*** |
CN110781949B (zh) * | 2019-10-23 | 2020-12-25 | 福建汉特云智能科技有限公司 | 基于异步式串行多传感器的航迹数据融合方法及存储介质 |
CN112857419B (zh) * | 2019-11-28 | 2022-07-26 | 北京魔门塔科技有限公司 | 一种基于车辆多传感器的数据测试方法及装置 |
US11765067B1 (en) | 2019-12-28 | 2023-09-19 | Waymo Llc | Methods and apparatus for monitoring a sensor validator |
CN113553112B (zh) * | 2020-04-08 | 2023-07-14 | 比亚迪股份有限公司 | 车辆、驾驶辅助***及其程序的安全运行方法 |
CN111811560B (zh) * | 2020-05-29 | 2022-09-16 | 深圳元戎启行科技有限公司 | 自动驾驶传感器的检测方法、装置、***和计算机设备 |
CN112445667A (zh) * | 2020-12-11 | 2021-03-05 | 上海商汤临港智能科技有限公司 | 一种检测方法、装置、计算机设备及存储介质 |
CN112965083A (zh) * | 2021-02-02 | 2021-06-15 | 英飞拓(杭州)信息***技术有限公司 | 一种智能汽车的多传感信息融合*** |
CN113670360B (zh) * | 2021-08-31 | 2023-04-25 | 三一专用汽车有限责任公司 | 监测方法、***、装置、车辆、介质及产品 |
CN113997862B (zh) * | 2021-11-19 | 2024-04-16 | 中国重汽集团济南动力有限公司 | 一种基于冗余传感器的工程车盲区监测预警***及方法 |
CN114253124A (zh) * | 2021-12-22 | 2022-03-29 | 浙江中控技术股份有限公司 | 一种高可用性热备冗余***及方法 |
CN115203216B (zh) * | 2022-05-23 | 2023-02-07 | 中国测绘科学研究院 | 一种面向自动驾驶地图在线更新场景的地理信息数据分类分级及保护方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102022799B (zh) * | 2009-09-19 | 2014-03-26 | 袁恒杰 | 一种用于中央空调器***的节能控制方法 |
CN101949955B (zh) * | 2010-08-11 | 2012-05-16 | 北京交大资产经营有限公司 | 列车组合测速定位***的状态自检方法 |
US9346441B2 (en) * | 2010-09-24 | 2016-05-24 | Infineon Technologies Ag | Sensor self-diagnostics using multiple signal paths |
CN103391665B (zh) * | 2012-05-10 | 2015-05-20 | 交科院(北京)交通技术有限公司 | 智能led隧道灯无级调光控制***和控制方法 |
CN102963299B (zh) * | 2012-10-31 | 2015-10-28 | 樊红娟 | 一种高可靠低误报警率的高速公路汽车防撞方法 |
CN203063868U (zh) * | 2013-03-01 | 2013-07-17 | 陕西理工学院 | 汽车行驶状态自动检测与预警装置 |
-
2017
- 2017-01-23 CN CN201710057663.0A patent/CN106840242B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106840242A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106840242B (zh) | 一种智能驾驶汽车的传感器自检***及多传感融合*** | |
CN111077880B (zh) | 一种车辆故障的诊断***及方法 | |
US11338817B2 (en) | Detection of a decreasing performance of a sensor | |
US20170067764A1 (en) | Method and device for detecting at least one sensor malfunction of at least one first sensor of at least one first vehicle | |
CN105303886B (zh) | 交通信息的预警处理方法、装置、终端及预警服务器 | |
US10569785B2 (en) | Road water detection | |
EP3140777B1 (en) | Method for performing diagnosis of a camera system of a motor vehicle, camera system and motor vehicle | |
US20200319297A1 (en) | Method and control device for detecting a malfunction of at least one environment sensor of a motor vehicle | |
CN112693466A (zh) | 一种车辆环境感知传感器性能测评***及方法 | |
US10438492B2 (en) | Method for evaluating a hazardous situation which is sensed by at least one sensor of a vehicle, method for controlling reproduction of a hazard warning and method for reproducing a hazard warning | |
JPH11296799A (ja) | 走行路形状認識装置 | |
WO2023005638A1 (zh) | 辅助驾驶方法、装置、设备及存储介质 | |
CN111947669A (zh) | 用于将基于特征的定位地图用于车辆的方法 | |
CN113879324B (zh) | 智能驾驶车辆传感器故障处理方法及装置 | |
CN111800508B (zh) | 基于大数据的自动驾驶故障监测方法 | |
CN111800314B (zh) | 自动驾驶故障监测*** | |
CN113741388A (zh) | 一种基于自动驾驶感知失效的安全诊断***及方法 | |
US20220266864A1 (en) | Method and device for locating a vehicle in a surrounding area | |
CN116923451A (zh) | 自动驾驶车辆的异常控制方法、装置、设备及存储介质 | |
CN114879182A (zh) | 一种无人驾驶的场景诊断方法、电子设备及存储介质 | |
CN113884123A (zh) | 一种传感器校验方法及装置、车辆、存储介质 | |
KR20230028263A (ko) | 제어 장치, 제어 방법, 기억 매체 및 제어 시스템 | |
US20230184887A1 (en) | Method and unit for evaluating a performance of an obstacle detection system | |
US11577753B2 (en) | Safety architecture for control of autonomous vehicle | |
US20210061285A1 (en) | Method for generating a reference representation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |