CN111752825B - 一种面向智能电动汽车的即插即用软件平台及其检测方法 - Google Patents
一种面向智能电动汽车的即插即用软件平台及其检测方法 Download PDFInfo
- Publication number
- CN111752825B CN111752825B CN202010454803.XA CN202010454803A CN111752825B CN 111752825 B CN111752825 B CN 111752825B CN 202010454803 A CN202010454803 A CN 202010454803A CN 111752825 B CN111752825 B CN 111752825B
- Authority
- CN
- China
- Prior art keywords
- software platform
- sensing module
- pnp
- platform
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 230000006978 adaptation Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims 2
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 10
- 230000006855 networking Effects 0.000 description 5
- 239000004743 Polypropylene Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000004952 Polyamide Substances 0.000 description 1
- -1 Polypropylene Polymers 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 229920002647 polyamide Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/366—Software debugging using diagnostics
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3644—Software debugging by instrumenting at runtime
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种面向智能电动汽车的即插即用软件平台及其检测方法,包括环境感知传感模块区、平台检测中心、PnP软件平台和底层硬件平台;环境感知传感模块区提供智能电动汽车上搭载的摄像头模块、超声波雷达模块、毫米波雷达、激光雷达模块;平台检测中心为平台与环境传感模块区提供安全检测方法与防护策略;PnP软件平台实现模块功能PnP、服务PnP、通信PnP;底层硬件平台为软件平台提供并行计算与高速存储资源。本发明的软件平台及其检测方法,可解决智能电动汽车多类型、多来源环境感知传感模块的即插即用及故障分析,大大提升模块入网时间效率,降低驾乘人员技术维护门槛,并为下阶段数据融合提供测试方案。
Description
技术领域
本发明属于新能源汽车技术领域,具体涉及一种面向智能电动汽车的即插即用软件平台及其检测方法。
背景技术
近年来,智能化、电动化已成为汽车行业发展的两大主要趋势,配合网联化、共享化共同形成汽车“新四化”。智能电动汽车通过环境感知传感模块进行车辆周边环境融合感知,常见包括摄像头、毫米波雷达、激光雷达、GPS/IMU、V2X等,再集合自车状态参数经由域控制器综合决策并完成车辆路径规划,最后针对车辆前后轴多电机实现协调控制,从而提高驾驶安全性及舒适性。当前,智能电动汽车对环境感知传感器的依赖性不断增加,这对传感器模块的可靠性、稳定性、可扩展性及易组网性提出了更高的要求。
目前,多传感器融合感知需人为预先设置传感模块组合,时间效率低下、扩展性表现较差,无法真正实现即插即用且感知准确性严重依赖于标定精度高低。而目前传感器模块标定主要通过人工进行手动标定,完成内、外参的求解。主要存在以下不足:(1)标定手续较为繁杂,且需周期性调校以保证误差;(2)标定结果易受技术人员主观因素影响,且标定精度无法保证;(3)专业性要求相对较高,对驾乘人员自行维护调校不够友善。针对上述不足,国内外研究人员提出了系列解决方法,比如,汪霖等利用雷达扫描点在图像上的投影约束建立目标函数,通过粒子群优化算法实现传感器自标定;国外Pandey等提出了一种基于信息论的以数据驱动且无需任何基准物的自标定算法;然而上述主动标定方法目前仅应用在机器人的位姿估计等方面,尚未在环境感知传感模块使用日趋频繁的智能电动汽车上实现应用。因此,建立一种面向智能电动汽车的即插即用软件平台,并搭载自标定算法实现模块的自动识别、主动标定等功能需求以及制定基于此平台的模块安全检测方法有其必要性。
发明内容
有鉴于此,本发明提供了一种面向智能电动汽车的即插即用软件平台及其检测方法,实现智能电动汽车环境感知模块组网便捷性、全系列产品兼容性以及测试模块即插即用性,在此基础上建立一套针对传感模块全生命周期的检测方法,可保证该平台在功能测试及实车装配期间的可靠性及稳定性。
本发明是通过以下技术手段实现上述技术目的的。
一种面向智能电动汽车的即插即用软件平台,包括环境感知传感模块区、PnP软件平台及底层硬件平台;环境感知传感模块区的传感模块***PnP软件平台,底层硬件平台为PnP软件平台提供计算与存储资源,实现功能PnP、服务PnP、通信PnP;
所述底层硬件平台包括域控制器以及数据中心,所述域控制器用于PnP软件平台的并行计算,包括摄像头畸变内参标定和各传感模块坐标矩阵外参标定、传感模块误差补偿以及环境感知传感模块信息融合;所述数据中心用于平台日志记录以及感知信息留档;
所述功能PnP,包括底层操作***RT LINUX、AUTOSAR规范、驱动程序适配池,所述底层操作***RT LINUX为一种可即时任务执行的实时操作***;所述AUTOSAR规范指一种通用的汽车电子软件设计规范,用于行业内复杂软件***的综合统一管理;所述驱动程序适配池提供多种类全系列环境感知传感模块的应用驱动程序,并适配PnP软件平台当前连接的传感模块,用于实现模块的自动识别以及后期与车体坐标系的主动标定;
所述服务PnP,为服务方与服务提供方的即时联系;所述服务方提供传感模块故障代码、新型工况下的服务需求及环境感知传感模块区生成的数据本地储存服务;所述服务提供方基于服务方提供系列服务,系列服务包括实时状态检测、在线升级及服务备份;
所述通信PnP包括标准命名适配池、协议转换适配池、通用接口适配池;所述标准命名适配池通过对传感模块统一命名可实现协同管理;所述协议转换适配池利用中间件实现不同协议之间的相互转化;所述通用接口适配池为不同环境感知传感模块与PnP软件平台的软连接通道,实现模块节点在感知网络的生成。
上述技术方案,还包括平台检测中心,平台检测中心对PnP软件平台进行全阶段状态检测与维护。
上述技术方案,所述全阶段包括初始阶段、运行阶段以及失效阶段;所述初始阶段指传感模块第一次接入PnP软件平台或拔插后再次接入的时间段,完成基础功能检查、内外参调校和信道检测;所述运行阶段指传感模块在进行正常环境感知时检测中心工作的时间段,完成功能复检、参数补偿和丢包率检查;所述失效阶段指在传感模块在工作异常或完全失效后的时间段,完成初始化、主动安全和用户提醒。
上述技术方案,所述自动识别,具体为:
S1,在目标模块节点接入至即插即用软件平台后,域控制器在模块区内广播报文,搜索并记录报文经过的节点,并在得到各节点响应后更新感知网络节点图;
S2,确认更新后,目标节点利用更新后的节点网络发送基于目标节点基础参数的报文信息至域控制器,并在数据库存储记录;
S3,域控制器识别目标节点,并对目标节点实现复位操作。
上述技术方案,所述主动标定包括摄像头畸变内参标定和各传感模块坐标矩阵外参标定、传感模块误差补偿,所述误差补偿,包括传感模块实时坐标系较预设坐标系x、y、z方向误差偏移值dx、dy、dz,以及实时坐标系绕预设坐标系x、y、z轴旋转误差值dθ、dω,基于坐标反算确定偏移值,具体如下:
其中:[Xij,Yij,Zij]、[Xik,Yik,Zik]为当前补偿模块i在同一时刻采集的第j、k个有效目标坐标值。
上述技术方案,所述实时状态检测、在线升级及服务备份,具体如下:
(1)在传感模块接入初始阶段,建立服务双方联系通道,实时上传功能、感知数据至服务提供方信息中心,便于状态管理及紧急通知释放;
(2)平台检测中心在对异常数据进行故障评估及漏洞检测,适时推送修复版本至PnP软件平台在线升级;
(3)除本地数据库存储外,服务提供方提供云存储服务,保证数据安全并为特殊情况下的场景还原提供支撑。
上述技术方案,所述环境感知传感模块信息融合,具体为:
S1,传感模块在被自动识别及主动标定基础上,根据其功能特性对环境目标分别进行探测与定位,并经过时空校准后与既有模块融合为最终定位点:
其中,ei、ej、ek分别为3类雷达经卡尔曼滤波后的协方差矩阵,其中m、n、p为3类雷达参与识别定位的传感模块数;/>为3类雷达中第i、j、k个模块输出定位点;
S2,定位完成后,域控制器综合摄像头识别信息与定位点坐标,将3D道路信息投影到2D图像中进行判断并分类;
S3,利用目标跟踪算法对范围内标记目标持续跟踪,并输出行车信息。
一种面向智能电动汽车的即插即用软件平台的检测方法,包括初始、运行、失效三个阶段;具体为:
S1,PnP软件平台对各环境感知传感模块状态进行实时感知,判断模块所处阶段期并记录,包括初始阶段、运行阶段、失效阶段;
S2,针对三种阶段,PnP软件平台实施差异化的检测方法;
S3,若确定功能正常后,PnP软件平台根据传感模块在当前车体坐标系下的坐标位置与投射方位,实现即插传感模块与智能电动汽车的主动标定,包括内参及外参求解;若检测为摄像头模块时,平台需完成畸变校正;
S4,标定完成后,在初始阶段,PnP软件平台寻找异常节点并对其通信信道检测并修复;在运行阶段,域控制器需周期性侦测节点之间报文的丢包率,基于不同阈值定义风险等级及制定相应响应方案;
S5,若遇紧急情况,PnP软件平台实行类似丢包率过高的紧急策略,在适当时机介入并触发人工驾驶模式,再与特定ADAS协同管理,同时平台将故障信息推送至驾乘人员及远程终端。
进一步,所述差异化的检测方法,具体为:
初始阶段:对于首次接入的传感模块,平台需完成对模块功能的全面性检查并记录存档;
运行阶段:智能电动汽车正常工作时,环境感知传感模块将持续频繁地进行车辆周边环境感知与信息交互,PnP软件平台周期性地对模块主要功能参数进行复检,包括探测有效率和相对精度比;所述探测有效率其中PPi表示为第i个传感模块单位时间探测总数,/>表示为同一单位时间除第i个传感模块外、n个传感模块在相同区域的平均探测数;所述相对精度比/>其中CAi表示为第i个传感模块当前精度值,PAi表示为第i个传感模块出厂预设精度值;
失效阶段:当环境感知传感模块处在异常状态或失效状态,PnP软件平台即时完成该模块的初始化,并评估其当前状态的好坏及确定下一步的动作决策。
进一步,所述基于不同阈值定义风险等级及制定相应响应方案,具体为:
当丢包率在[0,0.1%]时,风险等级较低,PnP软件平台可忽略此影响,并持续监控;
当丢包率处于(0.1%,10%]时,风险等级适中,在服务网络中实现段节点扫描并筛选出故障节点与网段,由域控制器发起修复;
当丢包率在(10%,100%]时,风险等级过高,PnP软件平台发送预警信息经整车控制器至车内提醒装置,并在得到用户反馈后选择退出自动驾驶模式;若无任何反馈,域控制器基于不同驾驶场景协调相应ADAS实现紧急换道以及制动泊车,同时将故障信息本地存储并报备至整车供应商或信息中心等待处理。
本发明采用上述技术方案后,具有的优点是:
(1)本发明不仅可以实现智能电动汽车环境感知传感模块的自动识别与主动标定,同时提供一套针对传感模块全生命周期的检测方法,确保平台的稳定、可靠、高效运行;
(2)本发明环境感知传感模块区提供多种类的硬件转换接口,具有强大的扩展性,可用于验证不同智能电动汽车平台下多种传感模块搭配的即插即用有效性和信息融合准确性;
(3)本发明平台检测中心为PnP软件平台提供传感模块在三个阶段的检测方法,保证PnP软件平台在不同时期针对传感模块状态变化能够作出正确且实时响应;
(4)本发明底层硬件平台利用分布式多核域控制器进行整个PnP软件平台的指令发送及标定、融合计算;利用数据中心为软件平台提供环境信息、模块标定信息等服务存储;
(5)本发明功能PnP中软件平台利用RT LINUX操作***进行任务的即时运行,大大提高了运行的效率;另外该平台可兼容符合AUTOSAR标准的汽车电子软件,适应性强;
(6)本发明通过建立服务方与服务提供方的通道,一方面可通过增加监管管理员提升平台的安全性,另一方面通过收集用户的服务需求,实现在线升级并生成服务;
(7)本发明通信PnP中,对传感模块实行标准命名,便于数据中心管理及网络节点通信;利用中间件实现不同通信协议的相互转换,保证了模块之间正常通信与信息交换;利用通同接口适配池实现模块与域控制器的软连接;
(8)本发明整车及零部件厂商可利用平台兼容性进行相关算法测试开发及应用,包括模块自搜索、目标识别及跟踪算法、失效时机介入等,适配范围广,测试成本较低。
附图说明
图1为本发明所述一种面向智能电动汽车的即插即用软件平台框架图;
图2为本发明一种自动识别方法示意图;
图3为本发明实时状态检测、在线升级OTA及服务备份方法示意图;
图4为本发明一种信息融合方法示意图;
图5为本发明所述即插即用软件平台检测方法流程图;
图6为本发明所述即插即用软件平台相对传统传感模块入网时间效率对比示意图。
具体实施方式
为了对发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式,在各图中相同的标号表示相同或相似的部分。附图仅用于说明本发明,不代表发明的实际结构和真实比例。
图1所示为本发明所述面向智能电动汽车的即插即用软件平台的一种实施方式,所述即插即用软件平台,包括环境感知传感模块区、平台检测中心、PnP(Plug-and-Play,即插即用)软件平台、底层硬件平台及各类线束(如CAN-FD、CAN、FlexRay等总线,用于环境感知传感模块与域控制器之间的信号传输)。环境感知传感模块区为PnP软件平台提供市面上Tier1的系列产品及系列产品的通用硬件转换接口,平台检测中心对PnP软件平台进行全阶段状态检测与维护,PnP软件平台负责环境感知传感模块的安全接入并实现功能PnP、服务PnP、通信PnP,底层硬件平台为上层PnP软件平台提供计算与存储资源。
所述环境感知传感模块区包括智能电动汽车上搭载的摄像头模块、超声波雷达模块、毫米波雷达、激光雷达模块等,所述摄像头模块指安装在车辆前、后以及侧方的摄像头模组,可用于交通信号以及车道线识别;所述超声波模块指利用收发超声波产生的时间差进行近距离测量的设备,常用于车辆周边盲点障碍物探测以及泊车辅助等;所述毫米波雷达模块指安装在智能电动汽车前后保险杠中,可实现中远距离探测的传感器模组,常用于高速公路上ACC巡航、紧急制动以及移动点检测等;所述激光雷达模块指主要安装在车辆顶部,可完成360°全方位环境感知的多线程传感器,常用于3D环境建模分析。
所述平台检测中心将环境感知传感模块区的传感模块接入PnP软件平台分成三个阶段,包括初始阶段、运行阶段以及失效阶段;所述初始阶段指传感模块第一次接入PnP软件平台或拔插后再次接入的时间段,其主要完成基础功能检查(以摄像头模块为例,包括摄像头解像力、亮度均匀性、噪点、杂光等参数指标常规性检查)、内外参调校(以摄像头模块为例,包括摄像头畸变矫正算法、坐标转换矩阵)、信道检测(同样以摄像头模块为例,包括以摄像头为始端至域控制器为末端的通道或者以域控制器为始端至摄像头为末端的通道以及中间件转换协议);所述运行阶段指传感模块在进行正常环境感知时检测中心工作的时间段,其主要需完成包括功能复检(模块周期性基础功能参数指标检测)、参数补偿(针对行车过程中因车体振动引起传感器位移并导致的外参误差,域控制器需进行误差计算从而补偿部分影响)、丢包率检查(检测中心需统计运行时间段的丢包率,当丢包率≤0.1%,PnP软件平台判断在正常误差范围并忽略此影响;当丢包率>0.1%,节点需进行自检,且在必要时进行PnP软件平台干预并通知驾乘人员);所述失效阶段指在传感模块在工作异常或完全失效后的时间段,其主要需完成初始化(以摄像头模块为例,为避免因驱动程序或其他因素引起的失效问题,摄像头将进行初始化以重置传感设备)、主动安全(在初始化失败后且确认为硬件故障原因时,智能电动汽车可通过高级驾驶辅助***ADAS实现紧急制动及泊车以保护驾乘人员安全)、用户提醒(在紧急情况下,PnP软件平台同时发送故障指令至整车控制器,最终将通过执行器提醒驾乘人员,包括方向盘振动电机、抬头显示、指示灯闪烁等)。
上述平台检测中心将传感模块接入PnP软件平台分成三个阶段过程,每个阶段完成的工作均以摄像头模块为例,其他传感模块的参数指标参见表2。
所述PnP软件平台以需求划分为三类,包括功能PnP、服务PnP、通信PnP。
所述功能PnP,包括底层操作***RT LINUX、AUTOSAR规范、驱动程序适配池;所述底层操作***RT LINUX指一种可即时任务执行的实时操作***;所述AUTOSAR规范指一种通用的汽车电子软件设计规范,用于行业内复杂软件***的综合统一管理;所述驱动程序适配池指底层操作***RT LINUX与符合AUTOSAR规范电子软件的桥梁,主要提供多种类全系列环境感知传感模块的应用驱动程序,并适配PnP软件平台当前连接的传感模块,可用于实现模块的自动识别以及后期与车体坐标系的主动标定。
上述自动识别方法如图2所示,详细步骤如下:
S1,以摄像头模块为例,在目标模块节点接入至即插即用软件平台后,域控制器在模块区内广播报文,搜索并记录报文经过的节点,包括目标节点、中间件节点以及网络中既有节点,并在得到各节点响应后更新感知网络节点图;
S2,确认更新后,目标节点利用更新后的节点网络发送基于目标节点基础参数的报文信息至域控制器,并在数据库存储记录;
S3,域控制器识别目标节点,包括网络地址、传输路径、中间节点、网络协议转换及传输速度等,并对目标节点实现复位操作。
上述主动标定方法,详细步骤如下:
S1,平台标定可分为摄像头畸变内参标定以及各传感模块坐标矩阵外参标定;
S2,若识别为摄像头模块,因光学透镜而引起的透视失真校正算法如下,涉及参数R:
式中:(Xv,Yv)为校正后径向坐标;(Xo,Yo)为校正前畸变点原始坐标;R为畸变点(Xo,Yo)至成像中心的距离;P1、P2为径向畸变系数;
式中:(Xt,Yt)为校正后切向坐标;(Xo,Yo)为校正前畸变点原始坐标;R为畸变点(Xo,Yo)至成像中心的距离;K1、K2、K3为切向畸变系数;
S3,摄像头畸变校正完成后,平台还需完成外参校正,即传感模块坐标系与车体坐标系的相对旋转矩阵、平移矩阵参数求解(包括θ、ω、/>六自由度参数求解方法可依赖现有技术求得,此处不作赘述)以及传感模块误差补偿,旋转矩阵如下:
a.旋转矩阵:
式中:R1、R2、R3分别为绕车体坐标系x、y、z轴旋转θ、ω角度的矩阵;
b.平移矩阵:
式中:为传感模块坐标系中心至车体坐标系中心在车体坐标系x方向上的偏移;为传感模块坐标系中心至车体坐标系中心在车体坐标系y方向上的偏移;/>为传感模块坐标系中心至车体坐标系中心在车体坐标系z方向上的偏移。
对于在行车过程中由于车体振动、横向侧风等引起的环境感知传感模块偏移需进行部分误差补偿,包括传感模块实时坐标系较预设坐标系x、y、z方向误差偏移值dx、dy、dz,以及实时坐标系绕预设坐标系x、y、z轴旋转误差值dθ、dω;补偿算法基于坐标反算确定偏移值,具体如下:
其中:[Xij,Yij,Zij]、[Xik,Yik,Zik]为当前补偿模块i(传感模块)在同一时刻采集的第j、k个有效目标坐标值。
所述服务PnP,即服务方(搭载PnP软件平台的车辆或测试平台)与服务提供方(整车供应商或零部件供应商)的即时联系;所述即时联系利用基于5G的OBU模块实现,可保证服务提供方对服务方的远程实时监控。
所述服务方提供传感模块故障代码、新型工况下的服务需求及环境感知传感模块区生成的数据本地储存服务;所述服务提供方基于服务方提供系列服务,系列服务包括实时状态检测、在线升级OTA及服务备份;所述实时状态检测包括传感模块各项功能参数,若参数指标值超出预定阈值,则PnP软件平台将在下一阶段对该指标持续监控,分析异常原因,必要时作出方案响应,并推送给用户以及供应商;所述在线升级OTA针对环境感知传感模块算法更新、驱动程序适配池新增,并在平台已有硬件基础上对新型服务需求可扩展;所述服务备份指对本地数据中心数据存储的再备份,通过云端数据管理保证数据安全及多方检测,确保行车安全。
所述通信PnP包括标准命名适配池、协议转换适配池、通用接口适配池;所述标准命名适配池通过对传感模块统一命名可实现协同管理;所述协议转换适配池利用中间件实现不同协议之间的相互转化,包括CAN-FD、CAN、FlexRay等总线协议,保证不同环境感知传感模块的正常通信;所述通用接口适配池即不同环境感知传感模块与PnP软件平台的软连接通道,可实现模块节点在感知网络的生成。
上述实时状态检测、在线升级OTA及服务备份方法,如图3所示,详细步骤如下:
(1)在传感模块接入初始阶段,利用标准基于5G的车载OBU建立服务双方联系通道,实时上传功能、感知数据至服务提供方信息中心,便于状态管理及紧急通知释放;
(2)平台检测中心在对异常数据进行故障评估及漏洞检测,利用充电桩或泊车间隙适时推送修复版本至PnP软件平台在线升级;此外针对服务方产生的特定服务需求,如违法车辆标记、超远距离感知等,亦可给予支持;
(3)在数据存储方面,除本地数据库存储外,服务提供方可提供云存储服务,保证数据安全并为特殊情况下的场景还原提供支撑。
上述统一命名及协同管理方式如表2所示:
表1统一命名表
针对传感模块,PnP软件平台预先利用临时类命名,在域控制器获知传感模块基础信息后,释放临时类,并依据制定的统一命名表更正类别。
所述底层硬件平台包括分布式多核域控制器以及数据中心;所述分布式多核域控制器用于PnP软件平台的并行计算,涉及摄像头模块畸变方程及矩阵参数求解、环境感知传感模块信息融合等;所述畸变方程及矩阵参数与模块安装点位置及方位姿态相关;所述信息融合涉及多模块融合目标识别及目标跟踪等算法,相关整车及零部件服务厂商可进行自定义开发实现平台测试及应用;所述数据中心主要用于平台日志记录以及感知信息留档。
上述信息融合方法,如图4所示,详细步骤如下:
S1,基于平台即插即用特性,传感模块(涉及临时命名类X-Z)在被自动识别及主动标定基础上,根据其功能特性对环境目标分别进行(雷达)探测与定位(如标识为P-X01,P-Y02),并经过时空校准后与既有模块(涉及模块命名类B、C、D,定位点标识如P-B01、P-C02、P-D03)融合(域控制器主导)为最终定位点(如P-01、P-02、P-03…);算法如下:
其中,P为最终定位点,ei、ej、ek分别为3类雷达经卡尔曼滤波后的协方差矩阵,其中m、n、p为3类雷达参与识别定位的传感模块数(由域控制器记录);/> 为3类雷达中第i、j、k个模块输出定位点(基于传感器自身坐标系的定位点);
S2,定位完成后,域控制器综合摄像头识别信息(涉及既有命名类A,如标识为P-A01、P-A02,与临时命名类X-Z)与定位点坐标(车体坐标系下),将3D道路信息投影到2D图像中进行判断并分类,如Type1、Type2等;
S3,在S1、S2基础上,利用目标跟踪算法(域控制器)对范围内标记目标持续跟踪,并输出行车信息至动力、制动及转向***等。
如图5所示,本发明提供一种基于即插即用软件平台安全性的检测方法,包含初始、运行、失效三个阶段;具体步骤如下:
S1,PnP软件平台对各环境感知传感模块状态进行实时感知,判断模块所处阶段期并记录,包括初始阶段、运行阶段、失效阶段。
S2,针对三种阶段,PnP软件平台实施差异化的检测方法,具体方法如下:
A.初始阶段:对于首次接入的传感模块,平台需完成对模块功能的全面性检查并记录存档,包括传感模块类别及其重要指标,如表2所示。
表2初始阶段部分传感模块及其参数指标
B.运行阶段:智能电动汽车正常工作时,环境感知传感模块将持续频繁地进行车辆周边环境感知与信息交互,其感知精度高低将影响融合准确性的高低。为保证环境信息获取的可靠及行车安全,此时PnP软件平台需周期性地对模块主要功能参数进行复检,包括探测有效率与相对精度比,定义如下:
其中,De表示为探测有效率,PPi表示为第i个传感模块单位时间探测总数,由传感模块输出的目标ID累加获取;表示为同一单位时间除第i个传感模块外,n个传感模块在相同区域的平均探测数,获取方式同PPi,并进行综合平均;
其中,Ac表示为相对精度比,CAi表示为第i个传感模块当前时刻Ti(n)的精度值,其值由时间序列(Ti(n-1)-Ti(n))传感模块观测值与综合观测值的平均误差确定;PAi表示为第i个传感模块出厂预设精度值。
C.失效阶段:当环境感知传感模块无法正常工作时,即处在异常状态或失效状态,PnP软件平台可即时完成该模块的初始化,并评估其当前状态的好坏及确定下一步的动作决策。
S3,若确定功能正常(初始阶段、运行阶段)后,PnP软件平台需根据传感模块在当前车体坐标系下的坐标位置与投射方位,实现即插传感模块与智能电动汽车的主动标定,包括内参及外参求解;若检测为摄像头模块时,平台需完成畸变(径向、切向)校正。
S4,标定完成后,为实现传感模块与传感模块、传感模块与PnP软件平台的正常通信,在初始阶段,PnP软件平台可利用域控制器广播报文搜索建立域中的环境感知传感模块网络节点图,寻找异常节点并对其通信信道检测并修复;所述网络节点图可利用常规搜索算法或基于整车厂商自定义实现;在运行阶段,域控制器需周期性侦测节点之间报文的丢包率,基于不同阈值定义风险等级及制定相应响应方案,如表3所示,具体如下:
表3阈值设定
A.PnP软件平台预先对阈值分级管理,当丢包率在[0,0.1%]时,风险等级较低,PnP软件平台可忽略此影响,并持续监控;
B.当丢包率处于(0.1%,10%]时,风险等级适中,需在服务网络中实现节点扫描并筛选出故障节点及网段,其中包括服务方、基于5G的车载OBU、基站或路侧RSU、服务提供方等,异常情况包括线路故障、节点故障、网络拥塞、传输速率等。故障判定后,车辆需通过域控制器实现传感模块初始化并自动切换通信信道实现外部网络通信,若丢包率持续,则判定为硬件故障,车辆可在冗余传感模块感知下继续行驶并且在条件允许时自行更换维护。
C.当丢包率在(10%,100%]时,大概率存在漏检风险,并导致融合效果差,此时风险等级过高,PnP软件平台必须进行主动干预,包括车主提醒、驾驶模式切换、主动安全、故障报备等;首先PnP软件平台发送预警信息经整车控制器至车内提醒装置(包括灯光、方向盘等),并在得到用户反馈后选择退出自动驾驶模式,若无任何反馈域控制器可基于不同驾驶场景(包括驾驶路段、车道数、车流密度、失效模块数等)协调相应ADAS实现紧急换道以及制动泊车,同时将故障信息本地存储并报备至整车供应商或信息中心等待处理。
S5,若遇紧急情况如环境感知传感模块失效,PnP软件平台实行类似丢包率过高的紧急策略,在适当时机介入并触发人工驾驶模式(为现有技术),再与特定ADAS协同管理,包括自动紧急制动***(AEB)及自动泊车辅助***(APA)等,确保驾乘人员及车辆安全,同时平台通过提醒装置将故障信息推送至驾乘人员及远程终端。
图6为本发明所述即插即用软件平台相对传统传感模块入网时间效率对比示意图。所述示意图将传统环境感知传感模块入网大致分成两部分,包括辅助识别及手动标定;其中识别时间占比为0.6左右,标定时间占比为0.4左右。统计300组有效实验,其中150组为传统入网实验,150组为利用本发明所述即插即用软件平台入网实验,分别记录平均时间占比。实验结果表明,相比于传统手段,本发明所述即插即用软件平台在时间效率上可提升30%-40%,初步具备一定的可行性与便捷性。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (10)
1.一种面向智能电动汽车的即插即用软件平台,其特征在于,包括环境感知传感模块区、PnP软件平台及底层硬件平台;环境感知传感模块区的传感模块***PnP软件平台,底层硬件平台为PnP软件平台提供计算与存储资源,实现功能PnP、服务PnP、通信PnP;
所述底层硬件平台包括域控制器以及数据中心,所述域控制器用于PnP软件平台的并行计算,包括摄像头畸变内参标定和各传感模块坐标矩阵外参标定、传感模块误差补偿以及环境感知传感模块信息融合;所述数据中心用于平台日志记录以及感知信息留档;
所述功能PnP,包括底层操作***RT LINUX、AUTOSAR规范、驱动程序适配池,所述底层操作***RT LINUX为一种可即时任务执行的实时操作***;所述AUTOSAR规范指一种通用的汽车电子软件设计规范,用于行业内复杂软件***的综合统一管理;所述驱动程序适配池提供多种类全系列环境感知传感模块的应用驱动程序,并适配PnP软件平台当前连接的传感模块,用于实现模块的自动识别以及后期与车体坐标系的主动标定;
所述服务PnP,为服务方与服务提供方的即时联系;所述服务方提供传感模块故障代码、新型工况下的服务需求及环境感知传感模块区生成的数据本地储存服务;所述服务提供方基于服务方提供系列服务,系列服务包括实时状态检测、在线升级及服务备份;
所述通信PnP包括标准命名适配池、协议转换适配池、通用接口适配池;所述标准命名适配池通过对传感模块统一命名可实现协同管理;所述协议转换适配池利用中间件实现不同协议之间的相互转化;所述通用接口适配池为不同环境感知传感模块与PnP软件平台的软连接通道,实现模块节点在感知网络的生成。
2.根据权利要求1所述的面向智能电动汽车的即插即用软件平台,其特征在于,还包括平台检测中心,平台检测中心对PnP软件平台进行全阶段状态检测与维护。
3.根据权利要求2所述的面向智能电动汽车的即插即用软件平台,其特征在于,所述全阶段包括初始阶段、运行阶段以及失效阶段;所述初始阶段指传感模块第一次接入PnP软件平台或拔插后再次接入的时间段,完成基础功能检查、内外参调校和信道检测;所述运行阶段指传感模块在进行正常环境感知时检测中心工作的时间段,完成功能复检、参数补偿和丢包率检查;所述失效阶段指在传感模块在工作异常或完全失效后的时间段,完成初始化、主动安全和用户提醒。
4.根据权利要求1所述的面向智能电动汽车的即插即用软件平台,其特征在于,所述自动识别,具体为:
S1,在目标模块节点接入至即插即用软件平台后,域控制器在模块区内广播报文,搜索并记录报文经过的节点,并在得到各节点响应后更新感知网络节点图;
S2,确认更新后,目标节点利用更新后的节点网络发送基于目标节点基础参数的报文信息至域控制器,并在数据库存储记录;
S3,域控制器识别目标节点,并对目标节点实现复位操作。
5.根据权利要求1所述的面向智能电动汽车的即插即用软件平台,其特征在于,所述主动标定包括摄像头畸变内参标定和各传感模块坐标矩阵外参标定、传感模块误差补偿,所述误差补偿,包括传感模块实时坐标系较预设坐标系x、y、z方向误差偏移值dx、dy、dz,以及实时坐标系绕预设坐标系x、y、z轴旋转误差值dθ、dω;基于坐标反算确定偏移值,具体如下:
其中:[Xij,Yij,Zij]、[Xik,Yik,Zik]为当前补偿模块i在同一时刻采集的第j、k个有效目标坐标值。
6.根据权利要求1所述的面向智能电动汽车的即插即用软件平台,其特征在于,所述实时状态检测、在线升级及服务备份,具体如下:
(1)在传感模块接入初始阶段,建立服务双方联系通道,实时上传功能、感知数据至服务提供方信息中心,便于状态管理及紧急通知释放;
(2)平台检测中心在对异常数据进行故障评估及漏洞检测,适时推送修复版本至PnP软件平台在线升级;
(3)除本地数据库存储外,服务提供方提供云存储服务,保证数据安全并为特殊情况下的场景还原提供支撑。
7.根据权利要求1所述的面向智能电动汽车的即插即用软件平台,其特征在于,所述环境感知传感模块信息融合,具体为:
S1,传感模块在被自动识别及主动标定基础上,根据其功能特性对环境目标分别进行探测与定位,并经过时空校准后与既有模块融合为最终定位点:
其中,ei、ej、ek分别为3类雷达经卡尔曼滤波后的协方差矩阵,其中
m、n、p为3类雷达参与识别定位的传感模块数;/>为3类雷达中第i、j、k个模块输出定位点;
S2,定位完成后,域控制器综合摄像头识别信息与定位点坐标,将3D道路信息投影到2D图像中进行判断并分类;
S3,利用目标跟踪算法对范围内标记目标持续跟踪,并输出行车信息。
8.一种根据权利要求1-7任一项所述的面向智能电动汽车的即插即用软件平台的检测方法,其特征在于,包括初始、运行、失效三个阶段;具体为:
S1,PnP软件平台对各环境感知传感模块状态进行实时感知,判断模块所处阶段期并记录,包括初始阶段、运行阶段、失效阶段;
S2,针对三种阶段,PnP软件平台实施差异化的检测方法;
S3,若确定功能正常后,PnP软件平台根据传感模块在当前车体坐标系下的坐标位置与投射方位,实现即插传感模块与智能电动汽车的主动标定,包括内参及外参求解;若检测为摄像头模块时,平台需完成畸变校正;
S4,标定完成后,在初始阶段,PnP软件平台寻找异常节点并对其通信信道检测并修复;在运行阶段,域控制器需周期性侦测节点之间报文的丢包率,基于不同阈值定义风险等级及制定相应响应方案;
S5,若遇紧急情况,PnP软件平台实行类似丢包率过高的紧急策略,在适当时机介入并触发人工驾驶模式,再与特定ADAS协同管理,同时平台将故障信息推送至驾乘人员及远程终端。
9.根据权利要求8所述的面向智能电动汽车的即插即用软件平台的检测方法,其特征在于,所述差异化的检测方法,具体为:
初始阶段:对于首次接入的传感模块,平台需完成对模块功能的全面性检查并记录存档;
运行阶段:智能电动汽车正常工作时,环境感知传感模块将持续频繁地进行车辆周边环境感知与信息交互,PnP软件平台周期性地对模块主要功能参数进行复检,包括探测有效率和相对精度比;所述探测有效率其中PPi表示为第i个传感模块单位时间探测总数,/>表示为同一单位时间除第i个传感模块外、n个传感模块在相同区域的平均探测数;所述相对精度比/>其中CAi表示为第i个传感模块当前精度值,PAi表示为第i个传感模块出厂预设精度值;
失效阶段:当环境感知传感模块处在异常状态或失效状态,PnP软件平台即时完成该模块的初始化,并评估其当前状态的好坏及确定下一步的动作决策。
10.根据权利要求8所述的面向智能电动汽车的即插即用软件平台的检测方法,其特征在于,所述基于不同阈值定义风险等级及制定相应响应方案,具体为:
当丢包率在[0,0.1%]时,风险等级较低,PnP软件平台可忽略此影响,并持续监控;
当丢包率处于(0.1%,10%]时,风险等级适中,在服务网络中实现段节点扫描并筛选出故障节点与网段,由域控制器发起修复;
当丢包率在(10%,100%]时,风险等级过高,PnP软件平台发送预警信息经整车控制器至车内提醒装置,并在得到用户反馈后选择退出自动驾驶模式;若无任何反馈,域控制器基于不同驾驶场景协调相应ADAS实现紧急换道以及制动泊车,同时将故障信息本地存储并报备至整车供应商或信息中心等待处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010454803.XA CN111752825B (zh) | 2020-05-26 | 2020-05-26 | 一种面向智能电动汽车的即插即用软件平台及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010454803.XA CN111752825B (zh) | 2020-05-26 | 2020-05-26 | 一种面向智能电动汽车的即插即用软件平台及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111752825A CN111752825A (zh) | 2020-10-09 |
CN111752825B true CN111752825B (zh) | 2024-03-19 |
Family
ID=72674276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010454803.XA Active CN111752825B (zh) | 2020-05-26 | 2020-05-26 | 一种面向智能电动汽车的即插即用软件平台及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111752825B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596417A (zh) * | 2020-11-06 | 2021-04-02 | 禾多科技(北京)有限公司 | 自动驾驶运行域控制器及控制*** |
CN112937556B (zh) * | 2021-03-08 | 2022-08-09 | 重庆长安汽车股份有限公司 | 一种远程挪车***及远程挪车方法 |
CN113899405A (zh) * | 2021-10-20 | 2022-01-07 | 中煤科工集团沈阳设计研究院有限公司 | 一体化在线边坡智能监测预警***及预警方法 |
CN114913494B (zh) * | 2022-04-28 | 2024-06-18 | 重庆长安汽车股份有限公司 | 自动驾驶视觉感知冗余***危险度评估的自诊断校准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541987A (zh) * | 2018-10-17 | 2019-03-29 | 同济大学 | 一种具有冗余结构的即插即用型智能汽车域控制器及方法 |
CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
-
2020
- 2020-05-26 CN CN202010454803.XA patent/CN111752825B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
CN109541987A (zh) * | 2018-10-17 | 2019-03-29 | 同济大学 | 一种具有冗余结构的即插即用型智能汽车域控制器及方法 |
Non-Patent Citations (1)
Title |
---|
基于开源硬件的物联网网关中间件的即插用方案设计与实现;古宗海;CNKI优秀硕士学位论文全文库;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111752825A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752825B (zh) | 一种面向智能电动汽车的即插即用软件平台及其检测方法 | |
CN106840242B (zh) | 一种智能驾驶汽车的传感器自检***及多传感融合*** | |
US10137903B2 (en) | Autonomous vehicle diagnostic system | |
US11513189B2 (en) | Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent | |
CN111077880B (zh) | 一种车辆故障的诊断***及方法 | |
CN109839281A (zh) | 一种实车测试采集***和方法 | |
US11524695B2 (en) | Interface for harmonizing performance of different autonomous vehicles in a fleet | |
CN109544725B (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
CN111209956A (zh) | 传感器数据融合方法、车辆的环境地图生成方法及*** | |
US11481579B2 (en) | Automatic labeling of objects in sensor data | |
EP3439920A1 (en) | Determining mounting positions and/or orientations of multiple cameras of a camera system of a vehicle | |
CN113743709A (zh) | 用于自主和半自主车辆的在线感知性能评估 | |
US20230242132A1 (en) | Apparatus for Validating a Position or Orientation of a Sensor of an Autonomous Vehicle | |
Liu | Engineering autonomous vehicles and robots: the dragonfly modular-based approach | |
KR20180058046A (ko) | 차량 주행 정보를 이용한 이미지 분석 방법, 장치, 시스템, 프로그램 및 저장 매체 | |
CN111405526A (zh) | 一种信息获取方法、装置、平台、车载设备及路侧设备 | |
CN113401116A (zh) | 用于自主驾驶车辆的方法和*** | |
CN112835029A (zh) | 面向无人驾驶的多传感器障碍物探测数据融合方法及*** | |
EP4173918A1 (en) | Control device, control method, storage medium, and control system | |
Li et al. | ForeSight: Mapping vehicles in visual domain and electronic domain | |
CN110341723B (zh) | 一种车辆控制方法、装置及*** | |
CN109017634B (zh) | 车载网络*** | |
WO2022153838A1 (ja) | 情報処理装置、情報処理システム、および方法、並びにプログラム | |
US20230228592A1 (en) | System and Method for Updating High-Definition Maps for Autonomous Driving | |
CN113345248B (zh) | 非信控交叉口安全预警和管控方法和*** |
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 |