CN112585550A - 基于神经网络的驾驶功能监控 - Google Patents

基于神经网络的驾驶功能监控 Download PDF

Info

Publication number
CN112585550A
CN112585550A CN201980054303.2A CN201980054303A CN112585550A CN 112585550 A CN112585550 A CN 112585550A CN 201980054303 A CN201980054303 A CN 201980054303A CN 112585550 A CN112585550 A CN 112585550A
Authority
CN
China
Prior art keywords
vehicle
control
control instruction
control command
artificial intelligence
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
CN201980054303.2A
Other languages
English (en)
Other versions
CN112585550B (zh
Inventor
H·法伊费尔
M·瓦格纳
S·施拉布勒
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.)
Continental Zhixing Germany Co ltd
Original Assignee
Continental Teves AG and Co OHG
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 Continental Teves AG and Co OHG filed Critical Continental Teves AG and Co OHG
Publication of CN112585550A publication Critical patent/CN112585550A/zh
Application granted granted Critical
Publication of CN112585550B publication Critical patent/CN112585550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0053—Handover processes from vehicle to occupant
    • 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
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0077—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements using redundant signals or controls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/54—Audio sensitive means, e.g. ultrasound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种用于控制自主或自动驾驶车辆制动、转向和/或驱动的控制***。在此，以通过基于简单计算值确定行驶情形临界性的方式对基于人工智能的第一控制装置加以监控，其中，在行驶情形特定临界性或第一控制装置对行驶情形的不当反应情况下，则可切换到第二控制装置，第二控制装置基于确定性计算规则接管车辆的控制。

Description

基于神经网络的驾驶功能监控
技术领域
本发明涉及一种用于控制自主或自动驾驶车辆的控制***，以及一种方法和一计算机程序。
背景技术
在自主或自动驾驶车辆的控制中，对行驶情形的识别越来越多地由人工智能所接管。人工智能还用于决定，是否应对行驶情形作出反应以及基于人工智能的决定应采取何种行动对行驶情形作出反应。出于这一目的，经常使用根据实际行驶情形数据用相关决定加以训练的神经网络。然而，在道路交通中使用人工智能的缺点是，不能或很难理解人工智能所做的决定。这表示的是非确定性***，在该***中，不能根据输入数据可靠地确定做出什么决定。在故障情况下，尤其是如果自动控制车辆卷入事故中，因此不能再现事故过程以及不能再现自主或自动驾驶车辆的可能的错误行为。这具有法律后果，因为尤其在发生严重事故情况下，必须明确界定责任和保修方面的责任问题。
发明内容
因此，本发明的一项任务是，提出一种用于控制自主或自动驾驶车辆的改进型控制***。
该任务通过独立权利要求的主题解决。有益的实施方式是从属权利要求、下列描述以及附图的主题。
所述实施方式同样适用于控制自主或自动驾驶车辆的制动、转向和/或驱动的控制***，适用于用于控制自主或自动驾驶车辆的制动、转向和/或驱动的方法，适用于计算机程序以及适用于计算机可读媒介。即使未详细描述，实施方式的各种组合也可产生协同效应。
此外，还要指出的是，本发明的方法所涉及的所有实施方式都可按照所述步骤顺序执行。尽管如此，这不是所述方法步骤所要求步骤顺序的唯一可能性。除非下文明确指出的相反情况，否则本文所述方法可不偏离所述方法的相应实施方式，以不同于所公布步骤的顺序执行。
根据本发明第一观点，提出了一种用于控制自主或自动行驶车辆制动、转向和/或驱动的控制***。在此，控制***具有检测装置，它设置用于，从车辆周围环境中检测目标并提供相应的目标数据。此外，控制***具有人工智能模块和后备装置，人工智能模块设置用于，由目标数据生成用于车辆的至少一个第一控制指令，后备装置设置用于，借助确定性计算规则由目标数据生成用于车辆的至少一第二控制指令。此外，控制***还具有一个安全装置和一个安全门，安全装置设置用于，基于目标数据确定计算值，并从中计算出临界值，安全门设置用于，接收人工智能模块的第一控制指令，后备装置的第二控制指令以及安全装置的临界值。此外，安全门还设置用于，基于临界值向车辆发送第三控制指令，其中，该第三控制指令是人工智能模块的第一控制指令或后备装置的第二控制指令，或与人工智能模块的第一控制指令或后备装置的第二控制指令相对应。
在根据本发明所述用于自主或自动驾驶车辆的控制***中，由用于监控车辆周围环境的传感器获得的目标数据被转送给至少三个子单元。第一子单元是用于车辆自动控制的单元。它对目标数据进行分析，并基于人工智能对要启动的驾驶动作做出决定。第二子单元也同样是用于车辆自动控制的单元，但它启动的驾驶动作以确定性编程算法为基础，在该算法中准确预定，哪些输入值应输出哪些输出值。第三子单元同样对目标数据进行分析，但仅涉及易于获取的计算值。从这些计算值计算出临界值，该临界值表示当前行驶情形下事故发生概率的数值。
三个子单元的各相应输出值，尤其是第一或第二子单元用于车辆制动、转向和/或驱动的第一和第二控制指令，以及第三子单元的临界值被传输给安全门。所述安全门对接收到的信息加以处理，并将第三控制指令转送给车辆。该第三控制指令可优选基于第一控制指令或基于第二控制指令或与第一控制指令或第二控制指令相对应。所述安全门用于对基于人工智能子单元的第一控制指令进行监控，并确保在人工智能明显误判行驶情形的情况下，通过确定性编程算法接管车辆的控制。由此确保，在发生事故情况下，可再现事故进程。但是，大多数行驶情形中临界值在正常的中间范围内运动时，安全门会让人工智能模块进行车辆控制。
人工智能模块可是一个单元，它借助典型情况下包括一组自由参数的内部处理链，从一个或多个输入，计算一个或多个输出。所述内部处理链可分为从输入到输出过程中，一层又一层通过的、彼此相连的层。许多人工智能模块的设置方法是，将具有较高维数的输入转换为具有较低维数的输出。人工智能模块的一项常见任务是对交通情形的一个或多个类别图像进行分配，并根据图像是否包含以及在哪些位置包含特定目标对其进行诠释。这些目标可标记道路走向，可是道路上的其它交通参与者或障碍，也可是交通标志或交通信号灯。输出例如可为每个要确定目标给出一个目标显示在输入图像中的概率，它与有关目标处于车辆周围环境中哪个区域的信息一起，决定车辆是否应对此作出反应以及作出何种反应。这样的一种模块被称为“智能”，因为它能被“训练”。这种模块可使用源于训练数据的数据组进行训练。源于训练数据的一数据组包括训练输入数据和相应的训练输出数据。源于训练数据的数据组训练输出数据是将源于训练数据相同数据组的训练输入数据作为输入传输到模块时，对于模块所期望的结果。该所期望结果和模块实际生成结果之间的偏差被予以记录，并借助“损失函数”进行分析评估。该损失函数用作反馈，以调整模块内部处理链的参数。该训练的结果是，使训练数据中相对较小的给定数据组作为“基本事实”，所述模块能执行其任务，即能根据图像所包含目标，针对源于输入数据组的数量等级要大得多的数据组进行良好的图像分类。人工智能模块例如可是神经网络、遗传算法、支持向量机、k均值聚类算法、核回归或判别分析。
在本发明一实施方式中，所述人工智能模块设置用于，借助神经网络由目标数据生成用于车辆的至少第一控制指令。
神经网络是人工智能模块内部处理链的范例。它由若干层组成，其中，每一层包含一个或多个神经元。相邻层神经元的连接方式是，第一层神经元的输出是相邻第二层中一个或多个神经元的输入。这类连接中的每一个都被赋予一个“加权”，通过该加权，相应输入将包含在“激活函数”中，该激活函数表明神经元的输出是其输入的函数。典型情况下，激活函数是输入的非线性函数。例如，激活函数可包括“预激活函数”，它是输入的加权总数或其他线性函数，以及要构成阈值的函数或其他非线性函数，该函数从预激活函数的数值生成神经元的最终输出。
在本发明的该实施方式中，神经网络可用于，基于接收到的目标数据诠释行驶情形，并做出有关车辆控制的决定。在此，决定是基于先前用合适数据对神经网络的训练作出的，这些数据模拟了真实情形，并为将来要做的实际决定进行神经网络的准备。
在本发明的一实施方式中，安全门设置用于，在计算出的临界值高于预定的第一阈值情况下，将后备装置的第二控制指令转送给车辆。
如果临界值高于预定的第一阈值，则表明存在可能发生碰撞的临界行驶情形。在此情况下，安全门识别到需要采取行动，并可直接封锁人工智能的第一控制指令，并可使用确定性算法切换到后备装置。或安全门首先检查，人工智能的反应是否适合所述情形，还可通过对第一控制指令与第二控制指令的比较进行检查。在例如明显制动或适当的转向干预等适宜反应时，本发明所述该实施方式中的安全门可继续让人工智能掌控车辆。但是，如果人工智能无法对临界行驶情形做出适当响应时，安全门会将车辆控制权转交给后备装置。
在本发明的一实施方式中，安全门设置用于，在计算出的临界值低于预定的第二阈值的情况下，进行结束自动驾驶模式的操控。
如果临界值低于预定的第二阈值，这表明所述行驶情形明显是亚临界行驶情形，例如是不适合低速行驶或过强制动干预的行驶情形。在此情况中，安全门同样也识别到要采取行动，并可直接封锁人工智能的第一控制指令，或使用确定性算法切换到后备装置。或安全门先检查，人工智能的反应是否适用于指定情形，可能还通过将第一控制指令与第二控制指令的比较进行检查。在例如加速或较弱制动干预等适当反应情况下，安全门可继续让人工智能掌控车辆。但是，如果人工智能无法对亚临界行驶情形做出适当反应，则安全门将车辆掌控转交给后备装置。此外，在该本发明所述实施方式中，安全门还可用于结束自动驾驶模式的操控。
在本发明的一实施方式中，用于结束自动驾驶模式的操控是对车辆驾驶员的接管请求或最小风险操控。
要结束自动驾驶模式，控制***可请求车辆驾驶员接管车辆控制。如果驾驶员例如在预定的时间段内未对请求作出反应，则控制***可安排车辆通过最小风操控结束自动驾驶模式，通过最小风险操控，车辆例如停在下一安全位置。
在本发明的一实施方式中，检测装置设置用于，借助摄像装置、雷达传感器、激光雷达传感器和/或超声波传感器在车辆周围环境中检测目标。
为检测车辆周围环境和相应行驶情形，可在车辆中安装大量不同的传感器和摄像装置，在本发明该实施方式中，这些传感器例如可借助光学、声学、电磁学或其他方法扫描周围环境或记录相应信息。
在本发明的一实施方式中，第一控制指令、第二控制指令和第三控制指令设置用于，至少控制车辆的制动、转向和/或驱动。
在车辆控制中，尤其是在避免事故发生的控制指令方面，制动、转向和驱动属于最重要的功能。但是，在本发明该实施方式中，当然也可通过控制指令控制例如转向灯、喇叭或雨刷等其它车辆功能。
在本发明的一实施方式中，安全装置设置用于，将车辆的自身速度、目标车辆速度、直至可能发生碰撞的时间、直至必要制动操控或必要减速的时间作为计算值。
本发明该实施方式中，为计算临界值，安全装置简单使用目标数据获取计算值。这些计算值例如不必以借助成像方法对行驶情形进行综合全面的分析为基础，而是可以有益的方式简单地从例如速度传感器和距离传感器的数据中获取。
本发明的另一方面包括一种用于控制自主或自动驾驶车辆的制动、转向和/或驱动的方法，其中，该方法具有以下步骤：第一步骤包括在车辆周围环境检测目标，并提供相应的目标数据。第二步骤包括借助人工智能模块由目标数据生成用于车辆的至少一个第一控制指令。第三步骤包括借助确定性计算规则由目标数据生成用于车辆的至少一个第二控制指令。第四步骤包括基于目标数据检测计算值，并以此为基础计算临界值。第五步骤包括接收第一控制指令、第二控制指令和临界值，并向车辆发送基于临界值的第三控制指令，其中，第三控制指令是人工智能模块的第一控制指令或确定性计算规则的第二控制指令，或与人工智能模块的第一控制指令或确定性计算规则的第二控制指令相对应。
自主或自动驾驶车辆根据可分为不同步骤的方法进行控制。从周围环境中检测目标数据是第一步骤，优选同时实施第二步骤、第三步骤和第四步骤。在此，相应进行目标数据的分析以及以各种方式的处理。在第二步骤中，借助人工智能生成第一控制指令。在第三步骤中，借助确定性计算规则生成第二控制指令。并在第四步骤中，计算驾驶情形的临界值。在优选与步骤二、步骤三和步骤四同时进行的第五步骤中，生成第三控制指令。根据临界值，并以有益的方式也根据第一控制指令和第一控制指令对行驶情形的适当反应，第三控制指令由第一控制指令或第二控制指令构成或对应于第一控制指令或第二控制指令。但要注意的是，也可不同于这里所述步骤顺序。尤其要注意的是，所述步骤顺序不应理解为是一种限制。
在本发明的一实施方式中，在计算得到的临界值高于预定的第一阈值情况下，转送借助确定性计算规则所确定的第二控制指令。
如果临界值超出了预定的第一阈值，则在本发明该实施方式中，可直接使用第二控制指令并以第三控制指令的形式转送，以便进行例如适当的制动干预或实现可再现的控制行为。或先可将第一控制指令与第二控制指令加以比较，检查第一控制指令的可信度。在此情况下，只有当第一控制指令的行为不可信时才切换到第二控制指令。在第一控制指令适合指定情形时，该控制指令以第三控制指令的形式用于车辆的控制。
本发明的另一方面包括计算机程序，如果在处理器上执行该计算机程序，则该计算机程序使根据上述实施方式之一所述的控制***执行根据上述实施方式之一所述的方法。
下面参考以下附图解释本发明的其他实施例：
附图说明
图1展示用于控制自主或自动驾驶车辆的、根据本发明所述控制***的示意结构。
图2展示用于控制一自主或自动驾驶车辆的、根据本发明所述方法的方框图。
具体实施方式
图1展示用于控制自主或自动驾驶车辆160的根据本发明所述控制***100的示意结构。检测装置110设置用于，在车辆160的周围环境中检测目标并提供相应的目标数据111。这些目标数据111可供人工智能模块120、收回控制权装置/后备装置130和安全装置140使用。人工智能模块120从目标数据111生成至少一个用于控制车辆160的第一控制指令121。后备装置130借助确定性计算规则从目标数据111生成用于控制车辆160的至少一个第二控制指令131。安全装置140从目标数据111检测计算值并从中计算出临界值141。这些第一控制指令121、第二控制指令131以及临界值141被转送给安全门150。安全门设置用于，基于临界值141生成第三控制指令151，其中，第三控制指令151是人工智能模块120的第一控制指令121或后备装置130的第二控制指令131或者以它们为基础，或与人工智能模块的第一控制指令或与后备装置的第二控制指令相对应。在此，人工智能模块120的第一控制指令121的监控用于能使用确定性编程的后备装置130的第二控制指令131，确保车辆160的控制***100对临界行驶情形做出适当的反应，或在发生事故情况下可再现事故过程并澄清有关责任问题。
图2展示用于控制自主或自动驾驶车辆160的、根据本发明所述方法的方框图。在车辆160的周围环境中检测目标并提供相应目标数据111的第一步骤S1后实施步骤S2、S3和S4，优选同时实施这些步骤。在第二步骤S2中，借助人工智能模块120生成用于车辆160的至少一个第一控制指令121。在第三步骤S3中，借助确定性计算规则生成用于车辆160的至少一个第二控制指令131。在第四步S4中，基于目标数据111检测/确定计算值，并计算出基于此的临界值141。在优选与步骤S2、S3和S4同时实施的第五步骤S5中，接收第一控制指令121、第二控制指令131和临界值141，并将基于临界值141的第三控制指令151发送给车辆160，其中，第三控制指令151是人工智能模块120的第一控制命令121或是确定性计算规则的第二控制指令131或与人工智能模块的第一控制命令或确定性计算规则的第二控制指令相对应。
在此需要补充指出的是，“包含”不排除其他元素或步骤，并且“一”不排除多数。此外还应指出，引用上述实施例之一所述特征或步骤，也可与上述其他实施例的其他特征或步骤组合使用。权利要求中的附图标记不得被视为限制。
附图标记列表
100 控制***
110 检测装置
111 目标数据
120 人工智能模块
121 第一控制指令
130 后备装置
131 第二控制指令
140 安全装置
141 临界值
150 安全门
151 第三控制指令
160 车辆

Claims (11)

1.用于控制自主或自动驾驶车辆(160)的制动、转向和/或驱动的控制***(100)，该控制***(100)包括：
检测装置(110)，它设置用于，在车辆(160)的周围环境中检测目标并提供相应的目标数据(111)；
人工智能模块(120)，它设置用于，由目标数据(111)生成用于车辆(160)的至少一个第一控制指令(121)；
后备装置(130)，它设置用于，借助确定性计算规则由目标数据(111)生成用于车辆(160)的至少一个第二控制指令(131)；
安全装置(140)，它设置用于，确定基于目标数据(111)的计算值，并从中计算临界值(141)；以及
安全门(150)，它设置用于，接收人工智能模块(120)的第一控制指令(121)，接收后备装置(130)的第二控制指令(131)以及接收安全装置(140)的临界值(141)，
其中，安全门(150)设置用于，基于临界值(141)向车辆(160)发送第三控制指令(151)，其中，第三控制指令(151)是人工智能模块(120)的第一控制指令(121)或后备装置(130)的第二控制指令(131)或与人工智能模块的第一控制指令或后备装置的第二控制指令相对应。
2.根据权利要求1所述的控制***(100)，其中，人工智能模块(120)设置用于，借助神经网络从目标数据(111)至少生成用于车辆(160)的第一控制指令(121)。
3.根据权利要求1或2所述的控制***(100)，
其中，安全门(150)设置用于，在计算得到的临界值(141)超越预定的第一阈值情况下，将后备装置(130)的第二控制指令(131)转送给车辆(160)。
4.根据上述权利要求中任一权利要求所述的控制***(100)，其中，安全门(150)设置用于，在计算得到的临界值(141)低于预定的第二阈值时，进行结束自动驾驶模式的操控。
5.根据权利要求4所述的控制***(100)，其中，结束自动驾驶模式的操控是对车辆(160)驾驶员的接管请求或最小风险操控。
6.根据上述权利要求中任一权利要求所述的控制***(100)，其中，检测装置(110)设置用于，借助摄像装置、雷达传感器、激光雷达传感器和/或超声波传感器在车辆(160)的周围环境中检测目标。
7.根据上述权利要求中任一权利要求所述的控制***(100)，其中，第一控制指令(121)、第二控制指令(131)和第三控制指令(151)设置用于，至少控制车辆(160)的制动，转向和/或驱动。
8.根据上述权利要求中任一权利要求所述的控制***(100)，其中，安全装置(140)设置用于，将车辆(160)的自身速度、目标车辆速度、直至可能发生碰撞的时间、直至必要制动操控或必要减速的时间作为计算值。
9.用于控制自主或自动驾驶车辆(160)的制动、转向和/或驱动的方法，该方法包括以下步骤：
-在车辆(160)的周围环境中检测目标并提供相应的目标数据(111)(S1)，
-借助人工智能模块(120)由目标数据(111)生成用于车辆(160)的至少一个第一控制指令(121)(S2)，
-借助确定性计算规则，由目标数据(111)生成用于车辆(160)的至少一个第二控制指令(131)(S3)，
-确定基于目标数据(111)的计算值，并计算基于该计算值的临界值(141)(S4)，以及
-接收第一控制指令(121)、第二控制指令(131)和临界值(141)，并向车辆(160)发送基于临界值(141)的第三控制指令(151)(S5)，其中，第三控制指令(151)是人工智能模块(120)的第一控制指令(121)或确定性计算规则的第二控制指令(131)或与人工智能模块的第一控制指令或确定性计算规则的第二控制指令相对应。
10.根据权利要求9所述的方法，其中，在计算得到的临界值(141)高于预定的第一阈值情况下，转送借助确定性计算规则所确定的第二控制指令(131)。
11.计算机程序，当在处理器上执行该程序时，使根据权利要求1至8中任一权利要求所述的控制***(100)执行根据权利要求9或10所述的方法。
CN201980054303.2A 2018-12-21 2019-12-13 基于神经网络的驾驶功能监控 Active CN112585550B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018222720.9 2018-12-21
DE102018222720.9A DE102018222720B4 (de) 2018-12-21 2018-12-21 Überwachung von auf neuronalen Netzwerken basierten Fahrfunktionen
PCT/DE2019/200146 WO2020125875A1 (de) 2018-12-21 2019-12-13 Überwachung von auf neuronalen netzwerken basierten fahrfunktionen

Publications (2)

Publication Number Publication Date
CN112585550A true CN112585550A (zh) 2021-03-30
CN112585550B CN112585550B (zh) 2024-07-09

Family

ID=

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113589937A (zh) * 2021-08-04 2021-11-02 浙江大学 一种基于孪生网络核回归的侵入式脑机接口解码方法
CN114056351A (zh) * 2021-11-26 2022-02-18 文远苏行(江苏)科技有限公司 自动驾驶方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105579320A (zh) * 2013-09-05 2016-05-11 李斯特内燃机及测试设备公司 一种用于优化驾驶员辅助***的方法和设备
CN106794842A (zh) * 2014-10-14 2017-05-31 罗伯特·博世有限公司 用于车辆的自主行驶***或用于执行运行的方法
WO2017155598A2 (en) * 2016-01-05 2017-09-14 Philip Koopman A safety architecture for autonomous vehicles
CN107850894A (zh) * 2015-07-14 2018-03-27 高通股份有限公司 用于无人驾驶自主式***的控制规范化
US20180275657A1 (en) * 2017-03-27 2018-09-27 Hyundai Motor Company Deep learning-based autonomous vehicle control device, system including the same, and method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105579320A (zh) * 2013-09-05 2016-05-11 李斯特内燃机及测试设备公司 一种用于优化驾驶员辅助***的方法和设备
CN106794842A (zh) * 2014-10-14 2017-05-31 罗伯特·博世有限公司 用于车辆的自主行驶***或用于执行运行的方法
CN107850894A (zh) * 2015-07-14 2018-03-27 高通股份有限公司 用于无人驾驶自主式***的控制规范化
WO2017155598A2 (en) * 2016-01-05 2017-09-14 Philip Koopman A safety architecture for autonomous vehicles
US20180275657A1 (en) * 2017-03-27 2018-09-27 Hyundai Motor Company Deep learning-based autonomous vehicle control device, system including the same, and method thereof

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113589937A (zh) * 2021-08-04 2021-11-02 浙江大学 一种基于孪生网络核回归的侵入式脑机接口解码方法
CN113589937B (zh) * 2021-08-04 2024-04-02 浙江大学 一种基于孪生网络核回归的侵入式脑机接口解码方法
CN114056351A (zh) * 2021-11-26 2022-02-18 文远苏行(江苏)科技有限公司 自动驾驶方法及装置
CN114056351B (zh) * 2021-11-26 2024-02-02 文远苏行(江苏)科技有限公司 自动驾驶方法及装置

Also Published As

Publication number Publication date
US11753048B2 (en) 2023-09-12
JP7421544B2 (ja) 2024-01-24
US20220032965A1 (en) 2022-02-03
WO2020125875A1 (de) 2020-06-25
DE102018222720A1 (de) 2020-06-25
EP3899682B1 (de) 2023-04-05
EP3899682A1 (de) 2021-10-27
EP3899682B8 (de) 2023-05-10
JP2022510748A (ja) 2022-01-28
DE102018222720B4 (de) 2022-01-05

Similar Documents

Publication Publication Date Title
US11940790B2 (en) Safe hand-off between human driver and autonomous driving system
EP3807735A1 (en) Processing system for evaluating autonomous vehicle control systems through continuous learning
US11713056B2 (en) Autonomous vehicle system for detecting safety driving model compliance status of another vehicle, and planning accordingly
US11753048B2 (en) Monitoring of neural-network-based driving functions
CN112041213B (zh) 用于可自主运行的设备的运行方法和可自主运行的设备
CN110663042A (zh) 交通参与者朝着自动化驾驶的车辆的方向的通信流
CN111186433A (zh) 用于选择和加速实施动作响应的方法
US20210089018A1 (en) Method for controlling a motor vehicle remotely
US20200033863A1 (en) Adaptation of an evaluable scanning area of sensors and adapted evaluation of sensor data
CN115176287A (zh) 识别自动驾驶***的环境内的对象的装置、***及方法
CN113544611A (zh) 用于运行自动化车辆的方法和设备
CN112585550B (zh) 基于神经网络的驾驶功能监控
US11398087B2 (en) Event-based identification and tracking of objects
US20240208514A1 (en) Method for Determining a Value of a Controller Variable
US11488481B2 (en) Method for assisting a motor vehicle
CN116075867A (zh) 用于对道路交通中的对象进行检测和分类的方法
US20230373498A1 (en) Detecting and Determining Relevant Variables of an Object by Means of Ultrasonic Sensors
WO2023228722A1 (ja) 画像認識システム
EP4292900A1 (en) Method for operating a vehicle and vehicle
US20220153301A1 (en) Control Unit and Method for Detecting, Classifying and Predicting an Interaction Requirement of an Automatically Driven Vehicle
US20240067216A1 (en) Verification of vehicle prediction function
CN112009496B (zh) 用于自主车辆控制的安全架构
US20230377385A1 (en) Method for validating safety precautions for vehicles moving in an at least partially automated manner
Tadjine et al. New methods and tools for the development and verification of safety functions during development of pedestrian detection systems
KR20230157514A (ko) 차량의 제어 장치용 소프트웨어의 평가 방법

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
TA01 Transfer of patent application right

Effective date of registration: 20230111

Address after: Germany Ingolstadt

Applicant after: Continental Zhixing Germany Co.,Ltd.

Address before: Frankfurt, Germany

Applicant before: CONTINENTAL TEVES AG & Co. OHG

TA01 Transfer of patent application right
GR01 Patent grant