CN112805648A - 用于自主驾驶车辆的故障安全处理*** - Google Patents
用于自主驾驶车辆的故障安全处理*** Download PDFInfo
- Publication number
- CN112805648A CN112805648A CN202080005353.4A CN202080005353A CN112805648A CN 112805648 A CN112805648 A CN 112805648A CN 202080005353 A CN202080005353 A CN 202080005353A CN 112805648 A CN112805648 A CN 112805648A
- Authority
- CN
- China
- Prior art keywords
- adv
- fault
- vehicle
- hardware
- autonomous driving
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 abstract description 7
- 230000002159 abnormal effect Effects 0.000 description 14
- 230000008447 perception Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007257 malfunction Effects 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18109—Braking
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0225—Failure correction strategy
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/023—Avoiding failures by using redundant parts
-
- 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
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
用于可靠地检测自主驾驶车辆(ADV)(101)中的多个软件或硬件组件(405,407)的故障的方法及***。可以在ADV(101)中的独立计算装置上设置冗余***(327)以检查多个软件或硬件组件(405,407)中的故障。当在ADV(101)中没有发生故障时,ADV(101)中的自主驾驶***(ADS)(110)操作以驾驶ADV(101),而冗余***(327)可以以待机模式监控ADS(110)。在发生故障的情况下,冗余***(327)可以接管ADV(101)的控制,并且基于故障的严重等级采取适当的动作。
Description
技术领域
本公开的实施例一般涉及操作自主车辆。更特别地,本公开的实施例涉及自主驾驶车辆中的故障安全***。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
安全性在自主驾驶车辆(autonomous driving vehicle,ADV)中是关键的,因为ADV被设计为以最小的人为干预驾驶。但是,难以阻止在ADV中发生故障,因为ADV是由各种传感器、计算机、致动器和其他类型的设备以及模拟人类驾驶员在操作车辆时的动作的各种软件组件组成的复杂***。通常,在ADV中提供故障安全***以减轻确实发生故障时的影响。但是,现有的故障安全***或者不检查每个可能发生故障的组件,或者不能可靠地检测到故障的发生。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是示出根据一个实施例的联网***的框图。
图2是示出根据一个实施例的自主驾驶车辆的示例的框图。
图3A-3B是示出根据一个实施例的与自主驾驶车辆一起使用的自主驾驶***的示例的框图。
图4是示出根据一个实施例的ADV中的故障安全***的示例的框图。
图5是进一步示出根据一个实施例的图4的故障安全***的框图。
图6是进一步示出根据一个实施例的用于处理ADV中的故障的方法的示例的框图。
具体实施方式
将参考以下讨论的细节描述本公开的各个实施例和方面,并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各个实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
根据各种实施例,本文描述用于可靠地检测自主驾驶车辆(ADV)中的各种软件或硬件组件中的故障的方法及***。在一个实施例中,可以在ADV中的独立计算装置上设置冗余***以检查多个软件或硬件组件中的故障。当ADV中没有发生故障时,ADV中的自主驾驶***(ADS)操作以驾驶ADV,而冗余***可以以待机模式监控ADS。在发生故障的情况下,冗余***可以接管ADV的控制,并且基于故障的严重等级采取适当的动作。
在一个实施例中,一种处理ADV中的故障的方法可以包括以下操作:在运行在第一硬件上的冗余***处接收来自ADV中的多个组件的每个的实时参数,ADV使用运行在第二硬件上的自主驾驶***(ADS)以自主驾驶模式驾驶;以及通过冗余***基于参数的实时值和期望值之间的比较确定在组件中发生故障。方法还包括以下操作:基于预定算法确定故障的故障风险等级;以及响应于故障的故障风险等级,通过冗余***向ADV中的控制器局域网(CAN总线)直接发出一个或多个驾驶命令,以控制ADV。
在一个实施例中,实时参数是输出数据通道频率,中央处理单元(CPU)利用率,存储器利用率,磁盘空间,数据处理延迟,或总链接延迟超时中的一个。
在一个实施例中,可以存在三个故障风险等级:高、中或低。对于高风险等级,冗余***可以发出紧急刹车的驾驶命令,而对于中或者低风险等级,冗余***可以发出执行缓慢刹车的命令以驾驶ADV到最近安全地点停车。
在一个实施例中,在故障的情况下驾驶ADV时,冗余***依赖于传感器数据和定位信息,并且直接向CAN总线发送驾驶命令,而不使用当没有检测到故障时用于驾驶ADV的自主驾驶功能或控制功能。
自主驾驶车辆
图1是示出根据本公开的一个实施例的自主驾驶网络配置的框图。参照图1,网络配置100包括可以通过网络102通信耦接到一个或多个服务器103-104的自主驾驶车辆(ADV)101。尽管示出了一个ADV,但是多个ADV可以彼此耦接和/或通过网络102耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,例如局域网(LAN)、广域网(WAN)(例如Internet)、蜂窝网络、卫星网络或其组合。服务器103-104可以是任何种类的服务器或服务器集群,例如Web或云服务器、应用程序服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
ADV是指可以配置为处于自主模式的车辆,在自主模式下,车辆在驾驶员很少或没有驾驶的情况下在环境中导航。这种ADV可以包括具有一个或多个传感器的传感器***,一个或多个传感器被配置为检测关于车辆在其中运行的环境的信息。车辆及其关联的控制器使用检测到的信息在环境中导航。ADV 101可以在手动模式、完全自主模式或部分自主模式下操作。
在一个实施例中,ADV 101包括但不限于自主驾驶***(ADS)110、控制***111、无线通信***112、用户接口***113和传感器***115。ADV 101还可包括在普通车辆中包括的某些通用部件,例如发动机、车轮、方向盘、变速器等,可以由控制***111和/或ADS110使用各种通信信号和/或命令,例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等来控制这些部件。
组件110-115可以经由互连、总线、网络或其组合在通信上彼此耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信耦接。CAN总线是一种车辆总线标准,被设计为允许微控制器和设备在没有主机的应用中相互通信。它是基于消息的协议,最初是为车辆内的多路电气布线而设计的,但也用于许多其他情况。
现在参考图2,在一个实施例中,传感器***115包括但不限于一个或多个相机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和测距(LIDAR)单元215。GPS***212可以包括收发器,收发器可操作以提供关于ADV的位置的信息。IMU单元213可以基于惯性加速度来感测ADV的位置和方向改变。雷达单元214可以表示利用无线电信号来感测ADV的局部环境内的对象的***。在一些实施例中,除了感测对象之外,雷达单元214还可以感测对象的速度和/或前进方向。LIDAR单元215可以使用激光感测ADV所处的环境中的对象。LIDAR单元215可以包括一个或多个激光源、激光扫描仪以及一个或多个检测器以及其他***组件。相机211可以包括一个或多个设备以捕获ADV周围的环境的图像。相机211可以是静物照相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器***115还可包括其他传感器,例如,声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如,麦克风)。音频传感器可以被配置为从ADV周围的环境捕获声音。转向传感器可以被配置为感测车辆的方向盘、车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在某些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,控制***111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调整车辆的方向或行驶方向。油门单元202用于控制电动机或发动机的速度,进而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎减速来使车辆减速。注意,图2中所示的组件可以以硬件、软件或其组合来实现。
再次参考图1,无线通信***112允许ADV 101与外部***(例如设备、传感器、其他车辆等)之间的通信。例如,无线通信***112可以直接或通过通信网络与一个或多个设备无线通信,例如,通过网络102与服务器103-104通信。无线通信***112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一个组件或***进行通信。无线通信***112可以例如使用红外链路、蓝牙等与设备(例如,乘客的移动设备、显示设备、车辆101中的扬声器)直接通信。用户接口***113可以是在车辆101内实现的***设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
ADV 101的某些或全部功能可以由ADS 110控制或管理,特别是在以自主驾驶模式操作时。ADS 110包括必要的硬件(例如,处理器、内存、存储器)和软件(例如,操作***、规划和路由程序),以从传感器***115、控制***111、无线通信***112和/或用户接口***113接收信息,处理接收到的信息,规划从起点到目的地点的路线或路径,然后基于规划和控制信息驾驶车辆101。可替代地,ADS 110可以与控制***111集成。
例如,作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。ADS110获得行程相关数据。例如,ADS 110可以从MPOI服务器获得位置和路线数据,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI。可替代地,这样的位置和MPOI信息可以本地缓存在ADS 110的永久性存储设备中。
当ADV 101沿着路线行驶时,ADS 110还可以从交通信息***或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替代地,服务器103-104的功能可以与ADS 110集成。基于实时交通信息、MPOI信息和位置信息以及由传感器***检测或感测的实时本地环境数据(例如,障碍物、对象、附近的车辆),ADS 110可以规划最佳路线,并例如经由控制***111根据规划的路线驾驶车辆101以安全有效地到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析***。在一个实施例中,数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆收集驾驶统计数据123,这些车辆是ADV或由人类驾驶员驾驶的常规车辆。驾驶统计数据123包括指示所发出的驾驶命令(例如,油门、制动、转向命令)以及由车辆的传感器在不同的时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计数据123可以进一步包括描述不同时间点的驾驶环境的信息,例如路线(包括起始位置和目的地位置)、MPOI、天气状况、道路状况等。
基于驾驶统计数据123,机器学习引擎122出于各种目的生成或训练一组规则、算法和/或预测模型124。然后,算法124可以被上传到ADV上,以在自主驾驶期间被实时利用。
图3A和3B是示出根据一个实施例的与ADV一起使用的自主驾驶***的示例的框图。***300可以被实现为图1的ADV 101的一部分,包括但不限于ADS 110、控制***111和传感器***115。参照图3A-3B,ADS 110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306以及路由模块307。
模块301-307中的一些或全部可以以软件、硬件或其组合来实现。例如,这些模块可以被安装在永久性存储设备352中、被加载到存储器351中,并且由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信耦接到图2的控制***111的一些模块或与之集成。模块301-307中的一些可以被集成在一起,作为集成模块。
定位模块301确定ADV 300的当前位置(例如,利用GPS单元212),并管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如通过用户接口登录并指定行程的开始位置和目的地。定位模块301与ADV 300的其他组件通信,例如与地图和路线数据311通信,以获得与行程相关的数据。例如,定位模块301可以从位置服务器以及地图和POI(MPOI)服务器获得位置和路线数据。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI,可以将其缓存为地图和路线数据311的一部分。当ADV 300沿路线行驶时,定位模块301还可从交通信息***或服务器获取实时交通信息。
基于传感器***115提供的传感器数据和定位模块301获得的定位信息,感知模块302确定对周围环境的感知。感知信息可以表示与普通驾驶员在驾驶该车辆时对周围车辆的感知相同的信息。所述感知可包括例如车道配置、交通信号灯、另一车辆的相对位置、行人、建筑物、人行横道或其他与交通有关的标志(例如禁止通行标志、让路标志)等,例如以对象的形式。车道配置包括描述一个或多个车道的信息,例如,车道的形状(例如笔直或弯曲)、车道的宽度、道路中有多少个车道、单向或双向车道、合并或拆分车道以及出口车道等。
感知模块302可以包括计算机视觉***或计算机视觉***的功能,以处理和分析由一个或多个相机捕获的图像,以便识别ADV的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。计算机视觉***可以使用对象识别算法、视频追踪和其他计算机视觉技术。在一些实施例中,计算机视觉***可以绘制环境、追踪对象并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据来检测对象。
对于每个对象,预测模块303预测在当前情况下对象将表现出什么。预测是基于感知数据根据一组地图/路线信息311和交通规则312进行的,感知数据感知在时间点处的驾驶环境。例如,如果对象是在相反方向行驶的车辆且当前驾驶环境包括交叉路口,则预测模块303将预测车辆是否将可能直线行驶或转弯。如果感知数据指示交叉路口没有交通灯,则预测模块303可以预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前位于仅左转车道或仅右转车道,则预测模块303可分别预测车辆将更可能左转或右转。
对于每个对象,决策模块304做出关于如何处理对象的决策。例如,对于特定对象(例如在十字路口中的另一辆车辆)及其描述对象的元数据(例如速度、方向、转弯角度),决策模块304决定处理如何遇到该对象(例如超车、让路、停止、通过)。决策模块304可以根据可以存储在永久性存储设备352中的一组规则(诸如交通规则或驾驶规则312)做出这样的决策。
路由模块307被配置为提供从起点到目的地的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311,并确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以针对其确定的从起始位置到达目的地位置的每条路线生成地形图形式的参考线。参考线是指理想的路线或路径,不受其他车辆、障碍物或交通状况等其他因素的干扰。也就是说,如果道路上没有其他车辆、行人或障碍物,则ADV应该准确或紧密地遵循参考线。然后将地形图提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305根据其他模块提供的其他数据,检测所有可能的路线以选择和修改最佳路线中的一个,其他模块提供的其他数据诸如来自定位模块301的交通状况,感知模块302感知的驾驶环境以及预测模块303预测的交通状况。根据时间点处的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于针对感知到的每个对象的决策,规划模块305利用路由模块307提供的参考线作为基础来规划ADV的路径或路线以及驾驶参数(例如距离、速度和/或转弯角度)。也就是说,对于给定的对象,决策模块304决定如何处理对象,而规划模块305确定怎么做。例如,对于给定的对象,决策模块304可以决定通过该对象,而规划模块305可以确定是在对象的左侧还是在右侧通过。规划和控制数据由规划模块305生成,规划和控制数据包括描述车辆300将如何在下一运动周期(例如下一路线/路径段)中移动的信息。例如,规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米,然后以25mph的速度改变到右车道。
基于规划和控制数据,控制模块306根据规划和控制数据所定义的路线或路径,通过经由CAN总线321向控制***111发送适当的命令或信号来控制和驾驶ADV。规划和控制数据包括足够的信息,以便在沿路径或路线的不同时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向指令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,在多个规划周期(也称为驾驶周期)中执行规划阶段,例如在每个100毫秒(ms)的时间间隔中。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。即,对于每100毫秒,规划模块305规划下一路线段或路径段,例如包括目标位置和ADV到达目标位置所需的时间。可替代地,规划模块305可以进一步指定特定的速度、方向和/或转向角等。在一个实施例中,规划模块305规划下一预定时间段(例如5秒)的路线段或路径段。对于每个规划周期,规划模块305基于在先前周期中规划的目标位置来规划当前周期(例如,接下来的5秒)的目标位置。然后,控制模块306基于当前周期的规划和控制数据来生成一个或多个控制命令(例如油门、制动、转向控制命令)。
注意,决策模块304和规划模块305可以被集成为集成模块。决策模块304/规划模块305可以包括导航***或导航***的功能,以确定用于ADV的驾驶路径。例如,导航***可以确定一系列速度和前进方向,以在驱使ADV沿着通往最终目的地的基于道路的路径前进时,对沿着基本上避开感知到的障碍物的路径移动的ADV产生影响。可以根据经由用户接口***113的用户输入来设置目的地。导航***可以在ADV运行时动态地更新驾驶路径。导航***可以合并来自GPS***的数据和一个或多个地图,以便确定ADV的行驶路径。
如图3A-3B所示,冗余***327可以被提供作为备用或次级ADS。当ADS 110或ADV101中的另一软件/硬件组件不能正常工作时,冗余***327可以接管车辆的控制并且将ADV101转变到更安全的状况。
图3A和3B中的每个模块可以以硬件、软件或其组合实现。
故障安全***
图4是示出根据一个实施例的ADV中的故障安全***400的示例的框图。更具体地,附图示出故障安全***400的软件架构和硬件架构。如图4所示,故障安全***400可以包括运行在硬件组件407上的冗余***327,硬件组件407可以是工业标准电子控制单元(ECU)。硬件组件407可以是与主计算机***中401中的运行自主驾驶***(ADS)110的硬件组件405独立的硬件。两个硬件组件405和407可以经由网络集线器409、局域网、基于消息的总线或其他形式的通信而彼此通信。
在一个实施例中,冗余***327可以是ADS 110的备用。当ADS 110被配置为以正常操作驾驶车辆时,冗余***327以待机模式操作并且被配置为监控ADS 110中的每个模块的输出参数。冗余***327还可以监控传感器***115、控制***111、CAN总线组件321以及冗余***327自身的输出参数。除了冗余***327可以与CAN总线直接通信而不经过网络之外,待监控的每个软件或硬件组件的输出参数可以经由网络广播给冗余***327。冗余***327可以将输出参数与期望的输出参数比较以确定是否发生故障。在发生故障的情况下,冗余***327可以基于多个因子采取适当的动作,多个因子包括相同故障的发生频率以及其严重等级。
冗余***327采取的动作的类型的示例包括缓慢刹车和急刹车。当动作是缓慢刹车时,冗余***327可以缓慢地将ADV 101驾驶到路边并将其停在那,以避免阻塞交通。
在一个实施例中,冗余***327可以具有自主驾驶功能,其可以包括感知、规划和控制。冗余***327中的自主驾驶功能可以是ADS 110中的自主驾驶功能的主干版本。
在一个实施例中,冗余***327可以具有一些基本自主驾驶功能以将ADV 101驾驶到更安全地点,或者执行紧急刹车。例如,冗余***327可以仅依赖于相机以感知环境,并且因此不需要执行传感器数据融合。类似地,冗余***327不需要生成参考线并执行优化技术以平滑参考线。
图5是进一步示出根据一个实施例的图4的故障安全***的框图。如图5所示,冗余***327可以包括多个检查以基于来自多个硬件或软件组件的输出参数检测ADV 101中的故障。每个检查组件可以将来自软件或硬件组件的输出参数与其相应的期望参数比较。基于比较,检查组件可以检测软件或硬件组件中任何故障的存在。
在本公开中,在一个实施例中,可以互换地使用错误、故障或异常。每个术语指的是软件或硬件组件的操作不满足预定义规格的情况。
在一个实施例中,冗余***327可以使用故障评估器517以确定故障的故障风险等级518,即故障可能导致ADV 101停止其正常操作的可能性有多大。
在一个实施例中,故障评估器517可以使用预定算法来确定故障的故障风险等级。算法可以检查多个因子,包括故障的大体分类、发生故障的特定组件、故障的发生频率以及故障的检验数据的可用性。
在一个实施例中,故障的大体分类指的是发生故障的大体区域,例如硬件、软件或者车辆行为。硬件可以包括硬件传感器、主计算机***401中的硬件组件405以及冗余***327中的硬件组件407。软件可以包括ADS 110中的各种模块以及ADV 101中的其他软件组件。车辆行为可以包括当车辆以自主驾驶模式驾驶时发生的多个异常,例如异常速度和加速度、异常位置、和当车辆行驶时车门打开等。
特定组件的因子指的是故障发生的特定组件。例如,故障可以发生在LiDAR传感器中国,或者感知模块302中。因子提供故障的额外细节。故障的发生频率指的是特定故障在过去的时间段内发生的次数。可以在冗余***327中的计数器中保持数量。、
故障的检验数据的可用性指的是是否存在足够的信息可以用于进一步检验故障。例如,在ADV 101的初始化阶段,如果在ADS 110上电后但是在针对故障产生数据流之前发生故障,那么将不存在可用于进一步检验故障的数据。
在用于故障的故障风险等级的预定算法中,可以对上述因子中的每个给出权重。每个因子的权重可以基于用户经验。故障的故障风险等级可以是高、中或低。每个风险等级可以与值的范围相关联。使用算法,故障评估器517可以计算故障的风险值,然后将风险值分类为高、中或低中的一个。
可替换地,故障评估器517可以包括基于从人类驾驶员驾驶的ADV收集的驾驶统计数据以及标记数据训练的神经网络模型。训练的神经网络模型可以将故障的信息作为输入,并且生成故障的故障风险等级。例如,作为输入提供给训练的神经网络模型的故障信息可以包括上面描述的预定算法使用的因子。
在一个实施例中,高风险等级可以使得车辆紧急控制器521对车辆执行紧急刹车,而中或低风险等级将使得车辆紧急控制器521对制动***执行缓慢刹车。
在缓慢刹车模式中,ADV 101可以缓慢行驶到更安全的地方并且停在那。在这个模式中,车辆紧急处理器521可以使用传感器数据和定位信息来生成到附近安全地方(例如道路的路缘石)的路径,并且直接发送驾驶命令523到CAN总线组件321而不如ADS 110正常操作时一样发送驾驶命令523到控制模块306。
在一个实施例中,车辆紧急控制器521在执行自主驾驶操作时不使用ADS 110的功能。相反,车辆紧急控制器521可以实现其自己的自主驾驶算法以基于传感器数据和定位信息执行基本功能。这种基本功能将比ADS 110用于自主驾驶操作的复杂算法更可靠。车辆紧急处理器421使用的简单和基本算法可以更易于实时执行并且更不易于出错,这可以在检测到导致ADS 110故障的关键故障时提供可靠的备份。
在一个实施例中,冗余***327可以包括被配置为检查ADV 101中的传感器的故障的传感器检查器501。例如,传感器检查器501可以检查LiDAR传感器、IMU、单目相机或者毫米波雷达的数据通道的输出频率是否在对应类型传感器的特定范围内。每个硬件传感器具有其数据通道输出频率的正常范围。如果实时地,数据通道输出频率在范围外,传感器可能经历故障。
CAN总线检查器505可以检查用于CAN总线3321发送的刹车消息、驾驶消息或者转向消息的通道频率是否在特定范围内。
计算机硬件检查器503可以基于来自每种类型的硬件组件的心跳信号的存在,检查主计算机***401、人机接口(HMI)硬件和冗余***327中的故障。例如,计算机硬件检查器503可以检查主计算机***101是否已经上电并在正常工作,HMI硬件输出是否正常,冗余***327是否已经上电并在正常工作。
在一个实施例中,冗余***327还可以包括被配置为检查车辆的行为中的任何异常的车辆行为检查器511。车辆的异常行为可以包括车辆在运动中时车门打开,与相反的相邻车道中的车辆碰撞的风险,异常速度和加速度等。
ADS检查器513可以检查ADS 110中的任何故障。对于ADS 110中的感知模块302,故障可以包括异常输出数据通道频率,异常感知处理延迟,以及异常点云融合。对于定位模块301和预测模块303,故障可以包括异常输出数据通道频率。对于控制模块306,故障可以包括异常输出数据通道频率和异常总链接延迟超时。对于预测模块303,故障可以包括异常总链接延迟超时。
由于经由网络广播各种传感器、CAN总线321以及ADS 110中的各种模块的数据通道频率,冗余***327可以使用其相应的检查器来确定是否存在任何频率异常。
在一个实施例中,冗余***327可以包括计算机性能检查器507,计算机性能检查器507被配置为检查主计算机***401和冗余***407在硬件层面的异常时钟同步;异常CPU利用率,异常CPU温度,异常存储器利用率,主计算机***中的磁盘空间不足;以及冗余***327中的内核日志错误中的任何故障。
图6是进一步示出根据一个实施例的用于处理ADV中的故障的方法600的示例的框图。过程600可以由处理逻辑执行,处理逻辑可以包括软件、硬件或其组合。例如,过程600可以由如图4-6中所述的冗余***327执行。
参照图6,在操作601中,运行在第一硬件上的处理逻辑从ADV中的多个组件的每个接收实时参数,ADV使用运行在第二硬件上的自主驾驶***(ADS)以自主驾驶模式驾驶。第一硬件是电子控制单元(ECU)。
在操作602中,处理逻辑基于参数的实时值和期望值的比较确定组件中发生故障。
在操作603中,处理逻辑基于预定算法确定故障的故障风险等级。
在操作604中,处理逻辑响应于故障的故障风险等级,直接向ADV中的控制器局域网(CAN总线)发出一个或多个驾驶命令以控制ADV。
注意,如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),可执行代码可经由来自应用的对应驱动器和/或操作***访问。此外,这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑,作为经由一个或多个特定指令软件组件可访问的指令集的一部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操纵的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非特别声明,否则从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机***或类似电子计算设备的动作和过程,所述计算机***或类似电子计算设备将计算机***的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机***存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似地表示为物理量的其它数据。
本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非瞬态计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何介质。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上根据一些顺序操作描述了过程或方法,但是应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特别编程语言描述的。将了解,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (10)
1.一种处理自主驾驶车辆(ADV)中的故障的计算机实现的方法,包括:
在运行在第一硬件上的冗余***处接收来自ADV中的多个组件的每个的实时参数,其中ADV使用运行在第二硬件上的自主驾驶***(ADS)以自主驾驶模式驾驶;
通过冗余***基于参数的实时值和期望值之间的比较确定在组件中发生故障;
基于预定算法确定故障的故障风险等级;以及
响应于故障的故障风险等级,通过冗余***向ADV中的控制器局域网(CAN总线)直接发出一个或多个驾驶命令,以控制ADV。
2.根据权利要求1所述的方法,其中实时参数是输出数据通道频率,中央处理单元(CPU)利用率,存储器利用率,磁盘空间,数据处理延迟,或总链接延迟超时中的一个。
3.根据权利要求1或2所述的方法,其中故障的故障风险等级是高、中或低中的一个。
4.根据权利要求1-3中任一项所述的方法,其中,当故障的故障风险等级是高时,一个或多个命令使得ADV执行紧急刹车。
5.根据权利要求4所述的方法,其中,当故障的故障风险等级是中或者低时,一个或多个命令使得ADV执行缓慢刹车,其中执行缓慢刹车还包括驾驶ADV到最近的安全地点以停车。
6.根据权利要求5所述的方法,其中,冗余***使用传感器数据和地图数据来定位最近安全地点并生成到最近安全地点的轨迹。
7.根据权利要求1-6中任一项所述的方法,其中,预定算法包括与故障相关联的多个因子,每个因子具有权重。
8.根据权利要求1-7中任一项所述的方法,其中多个组件包括一个或多个硬件传感器,第二硬件,以及ADS中的多个自主驾驶模块。
9.一种非暂时性机器可读介质,具有存储在其中的用于处理自主驾驶车辆(ADV)中的故障的指令,所述指令在由处理器执行时使处理器执行如权利要求1-8中任一项所述的方法的操作。
10.一种数据处理***,包括:
处理器;以及
与处理器耦接的存储器,用于存储用于处理自主驾驶车辆(ADV)中的故障的指令,所述指令在由处理器执行时使处理器执行如权利要求1-8中任一项所述的方法的操作。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/095970 WO2021248499A1 (en) | 2020-06-12 | 2020-06-12 | A fail-safe handling system for autonomous driving vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112805648A true CN112805648A (zh) | 2021-05-14 |
Family
ID=75809265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080005353.4A Pending CN112805648A (zh) | 2020-06-12 | 2020-06-12 | 用于自主驾驶车辆的故障安全处理*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US11724708B2 (zh) |
CN (1) | CN112805648A (zh) |
WO (1) | WO2021248499A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386797A (zh) * | 2021-07-28 | 2021-09-14 | 北京百度网讯科技有限公司 | 用于控制自动驾驶车辆的方法、装置、设备、介质和产品 |
CN113879324A (zh) * | 2021-10-27 | 2022-01-04 | 三一专用汽车有限责任公司 | 智能驾驶车辆传感器故障处理方法及装置 |
CN114044000A (zh) * | 2021-11-05 | 2022-02-15 | 东风汽车集团股份有限公司 | 一种自动驾驶车辆hmi人机交互的安全冗余*** |
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 |
CN114537422A (zh) * | 2021-12-30 | 2022-05-27 | 中智行(上海)交通科技有限公司 | 一种用于自动驾驶的硬件架构及其执行方法 |
CN114755912A (zh) * | 2022-03-09 | 2022-07-15 | 国家能源集团国源电力有限公司 | 车载***以及无人驾驶车辆 |
WO2024050674A1 (en) * | 2022-09-05 | 2024-03-14 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Dual path ethernet-based sensor device fault monitoring |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220371607A1 (en) * | 2021-05-24 | 2022-11-24 | Ghost Locomotion Inc. | Failover system for autonomous vehicles |
US20230109877A1 (en) * | 2021-10-07 | 2023-04-13 | Sygnal Technologies, Inc. | Fail-Safe Signal Injection |
CN114348020B (zh) * | 2021-12-22 | 2023-09-19 | 东风悦享科技有限公司 | 一种5g远程与自动驾驶安全冗余***及控制方法 |
CN114940183B (zh) * | 2022-05-27 | 2024-05-07 | 重庆长安汽车股份有限公司 | 一种满足自动驾驶分布式动力备份控制***及车辆 |
WO2024036618A1 (en) * | 2022-08-19 | 2024-02-22 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Dynamic signal transfer configuration for driverless vehicle remote monitoring |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070040089A (ko) * | 2005-10-11 | 2007-04-16 | 삼성전자주식회사 | 시디엠에이 기지국에서 리던던시 시스템을 이용한 복구방법 |
JP2007280313A (ja) * | 2006-04-12 | 2007-10-25 | Yokogawa Electric Corp | 冗長化システム |
CN103080720A (zh) * | 2010-08-13 | 2013-05-01 | 迪尔公司 | 用于执行车辆的诊断或软件维护的方法和*** |
US20180348775A1 (en) * | 2017-06-06 | 2018-12-06 | Baidu Usa Llc | Data-based control error detection and parameter compensation system |
CN109895787A (zh) * | 2019-03-25 | 2019-06-18 | 新石器慧通(北京)科技有限公司 | 一种车辆驾驶的控制方法及控制装置 |
WO2019239395A1 (en) * | 2018-06-10 | 2019-12-19 | Osr Enterprises Ag | A system and method for enhancing sensor operation in a vehicle |
CN110667598A (zh) * | 2018-06-18 | 2020-01-10 | 百度(美国)有限责任公司 | 用于处理自动驾驶车辆中的传感器故障的方法 |
CN110737192A (zh) * | 2019-11-20 | 2020-01-31 | 东风商用车有限公司 | 汽车驾驶冗余控制***及其方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9195232B1 (en) * | 2014-02-05 | 2015-11-24 | Google Inc. | Methods and systems for compensating for common failures in fail operational systems |
CN104503272A (zh) * | 2014-11-20 | 2015-04-08 | 北京交控科技有限公司 | 基于双系热备冗余的列车自动驾驶*** |
US10185327B1 (en) * | 2016-01-22 | 2019-01-22 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle path coordination |
CN110682876B (zh) * | 2019-09-26 | 2021-12-28 | 坤泰车辆***(常州)有限公司 | 车辆自动驾驶方法、***、存储介质及自动驾驶汽车 |
US11180156B2 (en) * | 2019-12-17 | 2021-11-23 | Zoox, Inc. | Fault coordination and management |
-
2020
- 2020-06-12 WO PCT/CN2020/095970 patent/WO2021248499A1/en active Application Filing
- 2020-06-12 US US16/960,843 patent/US11724708B2/en active Active
- 2020-06-12 CN CN202080005353.4A patent/CN112805648A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070040089A (ko) * | 2005-10-11 | 2007-04-16 | 삼성전자주식회사 | 시디엠에이 기지국에서 리던던시 시스템을 이용한 복구방법 |
JP2007280313A (ja) * | 2006-04-12 | 2007-10-25 | Yokogawa Electric Corp | 冗長化システム |
CN103080720A (zh) * | 2010-08-13 | 2013-05-01 | 迪尔公司 | 用于执行车辆的诊断或软件维护的方法和*** |
US20180348775A1 (en) * | 2017-06-06 | 2018-12-06 | Baidu Usa Llc | Data-based control error detection and parameter compensation system |
WO2019239395A1 (en) * | 2018-06-10 | 2019-12-19 | Osr Enterprises Ag | A system and method for enhancing sensor operation in a vehicle |
CN110667598A (zh) * | 2018-06-18 | 2020-01-10 | 百度(美国)有限责任公司 | 用于处理自动驾驶车辆中的传感器故障的方法 |
CN109895787A (zh) * | 2019-03-25 | 2019-06-18 | 新石器慧通(北京)科技有限公司 | 一种车辆驾驶的控制方法及控制装置 |
CN110737192A (zh) * | 2019-11-20 | 2020-01-31 | 东风商用车有限公司 | 汽车驾驶冗余控制***及其方法 |
Non-Patent Citations (3)
Title |
---|
张戟 等: "整车控制器功能安全设计和研究", 《佳木斯大学学报(自然科学版)》 * |
张春风 等: "基于Storm的车联网数据实时分析***", 《计算机***应用》 * |
肖磊 等: "基于双冗余的混合动力车辆控制器设计", 《车辆与动力技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386797A (zh) * | 2021-07-28 | 2021-09-14 | 北京百度网讯科技有限公司 | 用于控制自动驾驶车辆的方法、装置、设备、介质和产品 |
CN113879324A (zh) * | 2021-10-27 | 2022-01-04 | 三一专用汽车有限责任公司 | 智能驾驶车辆传感器故障处理方法及装置 |
CN114044000A (zh) * | 2021-11-05 | 2022-02-15 | 东风汽车集团股份有限公司 | 一种自动驾驶车辆hmi人机交互的安全冗余*** |
CN114044000B (zh) * | 2021-11-05 | 2023-06-23 | 东风汽车集团股份有限公司 | 一种自动驾驶车辆hmi人机交互的安全冗余*** |
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 |
CN114537422A (zh) * | 2021-12-30 | 2022-05-27 | 中智行(上海)交通科技有限公司 | 一种用于自动驾驶的硬件架构及其执行方法 |
CN114755912A (zh) * | 2022-03-09 | 2022-07-15 | 国家能源集团国源电力有限公司 | 车载***以及无人驾驶车辆 |
WO2024050674A1 (en) * | 2022-09-05 | 2024-03-14 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Dual path ethernet-based sensor device fault monitoring |
Also Published As
Publication number | Publication date |
---|---|
WO2021248499A1 (en) | 2021-12-16 |
US11724708B2 (en) | 2023-08-15 |
US20210387631A1 (en) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
US11345359B2 (en) | Autonomous driving vehicles with dual autonomous driving systems for safety | |
EP3882100B1 (en) | Method for operating an autonomous driving vehicle | |
US11613254B2 (en) | Method to monitor control system of autonomous driving vehicle with multiple levels of warning and fail operations | |
US11702087B2 (en) | Autonomous driving monitoring system | |
US11662730B2 (en) | Hierarchical path decision system for planning a path for an autonomous driving vehicle | |
CN112977472A (zh) | 预测车辆的移动轨迹的方法及*** | |
US11225228B2 (en) | Method for enhancing in-path obstacle detection with safety redundancy autonomous system | |
WO2023010043A1 (en) | Complementary control system for an autonomous vehicle | |
CN115761686A (zh) | 用于检测自动驾驶***中的意外控制状态的方法和装置 | |
CN112230645A (zh) | 用于控制无人驾驶车辆的操纵杆控制的安全机制 | |
EP4082856A2 (en) | E2e learning-based evaluator for an autonomous driving vehicle | |
CN113533876B (zh) | 用于执行自主驾驶车辆的电磁兼容性测试的方法和*** | |
US11851088B2 (en) | Method for determining capability boundary and associated risk of a safety redundancy autonomous system in real-time | |
CN113548033B (zh) | 基于***负载的安全操作员告警方法及*** | |
CN113492848A (zh) | 用于自主驾驶车辆安全操作员的前方碰撞告警警报*** | |
US20230406362A1 (en) | Planning-impacted prediction evaluation | |
US20240101079A1 (en) | Activation of primary and secondary brake systems for autonomous vehicles | |
WO2023244994A1 (en) | Method for detecting an imminent collision of a vehicle | |
CN113353005A (zh) | 用于处理自动驾驶***与车辆之间的通信延迟的*** |
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 |