CN114084169B - 智能网联汽车的内生安全裁决方法、***和存储介质 - Google Patents
智能网联汽车的内生安全裁决方法、***和存储介质 Download PDFInfo
- Publication number
- CN114084169B CN114084169B CN202111447908.3A CN202111447908A CN114084169B CN 114084169 B CN114084169 B CN 114084169B CN 202111447908 A CN202111447908 A CN 202111447908A CN 114084169 B CN114084169 B CN 114084169B
- Authority
- CN
- China
- Prior art keywords
- decision
- perception
- information
- sensing
- decision unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008447 perception Effects 0.000 claims abstract description 191
- 230000005856 abnormality Effects 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims description 55
- 230000001360 synchronised effect Effects 0.000 claims description 16
- 238000007667 floating Methods 0.000 claims description 14
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 31
- 230000000694 effects Effects 0.000 abstract description 6
- 230000001133 acceleration Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 210000001638 cerebellum Anatomy 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能网联汽车的内生安全裁决方法、***和存储介质,裁决方法包含以下步骤:在车辆上部署多个异构感知决策单元以实现动态异构冗余构造,车辆行驶过程中,裁决模块对其中三个感知决策单元功能交集部分的输出结果进行时空同步、感知裁决、决策裁决、迭代裁决;最终根据裁决模块的不同裁决结果,车辆执行CAN命令,或者替换异常感知决策单元,或者按照故障模式运行直至停车。本本发明通过对多个异构感知决策模块功能交集部分的输出结果进行裁决,达到异构感知决策模块之间基本感知功能和基本决策功能相互监督的效果,从而一体化增强智能网联汽车功能安全和网络安全、实现智能网联汽车底线安全。
Description
技术领域
本发明属于智能网联汽车领域,具体涉及一种用于智能网联汽车的裁决技术。
背景技术
智能网联汽车通过“感知-决策-执行”一体化***实现辅助驾驶或自动驾驶功能,其中感知和决策是关键部分,简称感知决策单元。现有智能网联汽车一般装载一套自动驾驶***,即一个感知决策单元,车辆行驶过程中,该***对摄像头、激光雷达、毫米波雷达等传感器获取的外部环境信息包括行人、车辆、障碍物等进行计算和分析,输出车辆驾驶决策,并将该决策信息转化为CAN指令形式发送至车辆CAN总线完成车辆控制,以达到自动驾驶或辅助驾驶的目的。然而,一套自动驾驶***获取的感知信息以及输出的决策其安全性都无法自证。
通过在汽车上配置多个异构冗余的感知决策单元,实现动态异构冗余构造,可以获得感知决策单元功能安全和网络安全一体化增强的效果。其中动态异构冗余架构的表决机制,即多个感知决策单元相比对的过程是该架构的关键环节,简称裁决。
相比同构,感知决策单元异构意味着产品硬件形式、内部算法等不完全相同。如何对多个异构感知决策模块输出的结果进行有效的裁决面临着巨大挑战。首先,异构的感知决策单元有独立的通讯格式,无法对输出直接比较。其次,异构的感知决策单元有独立的时钟***和坐标***,加大了比较的难度。最后,异构的感知决策单元所具备的功能参差不齐,其输出的内容不完全相同。
通常来说,由于多个异构的感知决策单元天然时空不同步,对同一环境的感知信息不可能完全相同,对同一感知信息输出的决策信息也不尽相同,如何对异构感知决策单元的输出信息进行有效比对以判断感知决策单元是否正常工作是智能网联汽车安全领域面临的一个难题。
发明内容
为了解决上述难题,本发明的目的在于克服已有技术无法对异构感知决策模块输出结果进行有效比对的窘况,针对智能网联汽车感知决策单元动态异构冗余架构中表决环节的任务特性,首次提供一种智能网联汽车异构冗余感知决策单元裁决技术。该方法通过对多个异构感知决策模块功能交集部分的输出结果进行时空同步操作,并根据不同输出内容采取不同的裁决模块进行相互比对,达到各异构感知决策模块在基本感知功能和基本决策功能上呈现彼此监督的效果,以及时发现已知和未知的***异常,从而一体化增强智能网联汽车功能安全和网络安全的能力,实现汽车行驶底线安全。
为达到上述发明创造目的,本发明采用如下技术方案:
一种用于智能网联汽车的内生安全裁决方法,所述方法包括以下步骤:
步骤一,部署异构感知决策模块,所述异构感知决策模块包含多个相互异构的感知决策单元,选取各感知决策单元交集部分的数据信息,结合车载状态信息构成输出信息;
步骤二,对所述输出信息进行统一化处理得到同步输出信息;
步骤三,比对同步输出信息中分别属于不同感知决策模块的同一类型数据,得到各感知决策单元是否异常的裁决结果。
进一步的,所述步骤二中的统一化处理包含对各感知决策单元的输出信息进行格式统一化、空间同步和时间同步处理。
进一步的,对各感知决策单元的输出信息进行格式统一化,得到预设时间内各感知决策单元的事件信息,所述感知决策单元的事件信息表示为(ti,si,pi,di>,其中i为感知决策单元序号, ti,si,pi,di分别表示第i个感知决策单元事件信息的时间、状态信息、感知信息以及决策信息。
更进一步的,第i个感知决策单元的状态信息表示为Si={e1,e2,...,en,en+1},其中,e1,e2,...,en分别表示该感知决策单元出现第n种异常的可能,en+1表示该感知决策单元出现的异常种类的总数;
第i个感知决策单元的感知信息表示为pi={mi,ni|oi1,oi2,...,oim|li1,li2,...,lin},其中,mi表示第i个感知决策单元感知到的障碍物个数,{oi1,oi2,...,oim}分别表示第mi个障碍物的信息;ni表示第i个感知决策单元感知到的表示道路边缘的曲线个数,{li1,li2,...,lin}表示第ni条曲线的信息;
所述感知决策单元的决策信息表示为di={αi,βi,γi,δi,εi|ai,bi,ci},其中αi,βi,γi,δi,εi以及 ai,bi,ci分别表示基于不同类型数据所得到的的决策信息。
进一步的,所述感知决策单元具有不同的安全等级。
作为本申请的一种优选实施方案,将所述的输出信息进行时间同步包括:根据动力学公式将所有输出信息统一到同一时间戳内。
进一步的,所述步骤三具体包括以下过程:
步骤3.1,对各感知决策单元的感知信息进行裁决,如果存在某感知决策单元的感知信息与其余感知决策单元的感知信息不一致,则认为存在感知异常的感知决策单元,输出第一异常元Ψ,同时对各感知决策单元的感知信息进行融合,得到决策场景Γ;
步骤3.2,在所述决策场景Γ中,对各感知决策单元的决策信息进行裁决,如果各感知决策单元的决策信息不一致,则认为存在决策异常的感知决策单元,输出第二异常元Ω;
步骤3.3,将所述第一异常元Ψ和第二异常元Ω输入到基于滑动窗口的异常统计队列中进行迭代裁决,裁决模块根据队列的异常统计结果输出最终裁决结果所述裁决结果/>中的信息包含:裁决时间,是否存在异常,异常个数,每个异常对应的感知决策单元序号以及异常种类。
更进一步的,所述步骤3.1具体包括以下过程:
步骤3.1.1,根据车载状态信息动态初始化裁决参数;首先将获取的车前方区域由远及近划分成k个区域Δ1,Δ2,...,Δk,同时各个区域设置不同的感知容错系数r1,r2,...,rk,和区域感知权重w1,w2,...,wk;
步骤3.1.2,对感知决策单元的感知结果进行比对;首先裁决模块根据所述感知容错系数计算各感知决策单元感知信息中障碍物的关联关系T,根据所述障碍物关联关系T和所述区域感知权重判断各感知决策单元中的感知信息是否一致,如果不一致,则认为存在感知异常的感知决策单元,输出第一异常元Ψ;
步骤3.1.3,对各感知决策单元的感知信息进行融合,输出决策场景Γ。
进一步的,所述步骤2.2具体包括以下过程:
步骤2.2.1,根据所述决策场景Γ判断是否需要执行设定动作,若判定需要执行设定动作,则裁决模块判断各感知决策单元的决策信息是否一致,如果不一致,则认为存在决策异常的感知决策单元,输出第二异常元Ω。
作为本申请的一种优选实施方案,所述裁决方法还包括步骤四:
裁决模块根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度、迭代裁决中判定异常的累积数值等裁决参数进行动态调整。
进一步的,所述步骤四具体包括以下过程:
根据各感知决策单元的在环时间调整参与裁决过程的感知决策单元,使所有感知决策单元在环时间近似相等;
若设定时间内,所述第一异常元和第二异常元为预设异常,且所述裁决结果为非异常的情况超过设定数值,则根据预设异常类别,下调感知裁决中的感知容错系数,或下调决策裁决中浮点型决策信息的偏差度,或下调迭代裁决中判定异常的累积值。
更进一步的,所述步骤四还包括:
若设定时间内,所述裁决结果为只包含感知异常的情况超过设定次数时,上调感知裁决中的感知容错系数,或上调决策裁决中浮点型决策信息的偏差度,或上调迭代裁决中判定异常的累积值。
本申请还提供一种用于智能网联汽车的内生安全裁决***,所述***包括:
异构感知决策模块,所述异构感知决策模块包含多个相互异构的感知决策单元,选取各感知决策单元交集部分的数据信息,结合车载状态信息构成输出信息;
处理模块,所述统一化处理对所述输出信息进行统一化处理得到同步输出信息;
裁决模块,所述裁决模块比对同步输出信息中分别属于不同感知决策模块的同一类型数据,得到各感知决策单元是否异常的裁决结果。
进一步的,所述统一化处理模块用于对各感知决策单元的输出信息进行格式统一化、空间同步和时间同步处理。
更进一步的,所述裁决模块还用于根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度、迭代裁决中判定异常的累积数值等裁决参数进行动态调整。
以及本申请还提供一种计算机可读存储介质,所述存储介质中含有上述一种用于智能网联汽车的内生安全裁决方法。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著优点:
1.本发明采用降级裁决的思路,通过对多个异构感知决策模块功能交集部分的输出结果进行裁决,不裁决高级功能和特有功能的输出结果,达到异构感知决策模块之间基本感知功能和基本决策功能相互监督的效果,以实现智能网联汽车底线安全;
2.本发明通过建立一系列同步操作,将多个异构感知决策模块的部分输出结果等价转换成统一格式的信息,构建了一个相对公平的可比较环境;同时裁决过程考虑可容忍的偏差、历史裁决结果等因素,使得输出的裁决结果可靠性大大提升。
附图说明
图1为本发明方法的流程图;
图2为本发明用于智能网联汽车的内生安全裁决***的整体架构示意图;
图3为本发明用于智能网联汽车的内生安全裁决***的硬件架构图;
图4为本发明用于智能网联汽车的内生安全裁决***的***架构图。
具体实施方式
以下结合具体的实施例子对上述方案做进一步说明,本发明的优选实施例详述如下:
实施例1
在本实施例中,参见图1和图2,本实施例为一种智能网联汽车的内生安全裁决方法,所述方法包括以下步骤:
步骤一,部署异构感知决策模块,所述异构感知决策模块包含多个相互异构的感知决策单元,选取各感知决策单元交集部分的数据信息,结合车载状态信息构成输出信息;
步骤二,对所述输出信息进行统一化处理得到同步输出信息;
步骤三,比对同步输出信息中分别属于不同感知决策模块的同一类型数据,得到各感知决策单元是否异常的裁决结果。
基于上述过程,本发明采用了降级裁决的思路,通过对多个异构感知决策模块功能交集部分的输出结果进行裁决,不裁决高级功能和特有功能的输出结果,达到异构感知决策模块之间基本感知功能和基本决策功能相互监督的效果,以实现智能网联汽车底线安全。
下面对本实施例的具体过程完整的说明:
所述步骤一具体包括以下过程:
步骤1.1,根据不同等级感知决策单元的功能,获取各车载传感装置以及底层整车控制器的输出数据信息,设计并实现多个异构感知决策模块同步操作,将感知决策单元输出的原始报文信息转换成事件信息,包括感知决策单元输出的感知信息和车载决策信息,得到各感知决策单元的输出信息。
在本实施例中,该异构感知决策模块包含一个高等级感知决策单元和2个相对低等级的感知决策单元;所述的高等级感知决策单元作为整车自动驾驶的主大脑,支持SAEL3、L4或L5 自动驾驶,相对低等级的感知决策单元作为小脑,支持SAE L3或L2自动驾驶,用于为裁决提供异构执行体支持。
高等级感知决策单元和相对低等级感知决策单元在传感器使用方面存在共用关系;多个传感器的输出数据将通过CAN总线或者以太网传输方式以广播的形式分发给共用的感知决策单元;各感知决策单元在处理传感器输出数据时相互独立,不会影响其他共用的感知决策单元。
步骤2,将所述的输出信息进行格式统一化,输出信息格式统一化将多个感知决策单元功能交集部分的感知决策信息转化成统一结构的事件信息;输出信息空间同步和输出信息时间同步处理,空间同步将多个感知决策单元的感知信息转化成统一车体坐标系,时间同步将多个感知决策单元的感知信息进行时间校准和极短时间的预测,使得参与裁决的多个感知决策单元的感知决策信息均在同一时间段内。选取状态正常的3个感知决策单元,将其输出信息和车载状态信息共同组成裁决基本单元。
本实施例中所述高等级感知决策单元是一个L3+级自动驾驶感知决策单元,所述相对低等级感知决策单元为L2级自动驾驶单元和L2+级自动驾驶单元,设其功能依次为 F1={x,y,z,u,v,w,...},F2={x,y,z,...},F3={x,y,z,u,...},其中,x,y,z,u,v,w,...分别代表障碍物检测功能、车道偏离预警、前车碰撞预警、自动泊车、避障、运动规划等。
存在如下关系成立:且F1∩F2∩F3=Λ={x,y,z,...},其中Λ表示多个异构感知决策模块的功能交集。
上述将所述的输出信息进行格式统一化的过程为:所述多个感知决策单元的输出信息格式转化分别在各自独立的数据管道中执行,互不干扰;并当接收到关键数据报文时将接收缓冲区保存的结构化信息完整拷贝一份到各自的镜像缓冲池中供后续裁决使用,输出信息格式统一化的特征在于:
步骤2.1.1,定义设定时间内异构感知决策模块的事件信息,所述感知决策单元的事件信息表示为(ti,si,pi,di>,其中i为不同等级感知决策单元,ti,si,pi,di分别表示该感知决策单元中事件发生时间、该感知决策单元的状态信息、该感知决策单元的感知信息以及该感知决策单元的决策信息;
步骤2.1.2,所述感知决策单元的状态是一个n+1维向量,被表示为Si={e1,e2,...,en,en+1},其中n是感知决策单元可能出现的异常类别总数,e1,e2,...,en为真值类型数据,分别表示是否出现第一种异常、是否出现第二种异常、...、是否出现第n种异常;en+1是一个整型数据,表示感知决策单元出现的异常类别总数;
步骤2.1.3,所述感知决策单元的感知信息是一个多维向量,被表示为 pi={mi,ni|oi1,oi2,...,oim|li1,li2,...,lin};其中i=1,2,3;mi表示第i个感知决策单元感知到的障碍物个数,{oi1,oi2,...,oim}分别表示mi个障碍物的具体信息;ni表示第i个感知决策单元感知到的曲线个数,{li1,li2,...,lin}表示ni条曲线的具体信息;障碍物的具体信息表示为 O={id,class,x,y,w,h,vx,vy,ax,ay};其中id,class为整型数据,分别表示障碍物序号和障碍物类别,x,y,w,h,vx,vy,ax,ay为浮点型数据,分别表示感知的障碍物尾部中心横坐标,纵坐标,障碍物宽度,障碍物高度,障碍物横向速度,障碍物纵向速度,障碍物横向加速度,障碍物纵向加速度;曲线表达方式为L=c3x3+c2x2+c1x+c0,其中{c3,c2,c1,c0}为各项系数。
步骤2.1.4,定义所述感知决策单元的决策信息,所述感知决策单元的决策信息表示为 di={αi,βi,γi,δi,εi|ai,bi,ci},其中αi,βi,γi,δi,εi以及ai,bi,ci为不同类型数据表示的决策信息,如αi,βi,γi,δi,εi为真值类型数据,分别表示是否出现行人碰撞预警、是否出现车道偏离预警、是否出现前车碰撞预警、是否制动、是否转向;ai,bi,ci为浮点型数据,分别表示碰撞预测时间,制动力,方向盘转向角度。
为了将构建了一个相对公平的可比较环境,本实施将所述的输出信息进行空间同步,该过程具体为:调节各感知决策单元的标定参数,使其输出位置信息的参考坐标系相同;所述空间同步在感知决策单元安装时就已完成,通过调整各感知决策单元的标定参数,将感知结果中的位置信息由相机坐标系转化成统一的车体坐标系。
进一步的,由于接收的事件信息时间并非完全一致,采用动力学公式S=S0+V0*t+1/2a*t*t,已知过去某时刻的位置S0、速度V0和加速度a信息以及时间戳差值t,为了将构建了一个相对公平的可比较环境,预测在时间戳最大时刻的位置、速度。本实施将将所述的输出信息进行时间同步。感知决策单元输出信息时间同步在裁决前完成,时间同步操作具体分成两个阶段,该过程具体为:
步骤2.2.1,粗粒度时间同步阶段
在此阶段,当感知决策单元输出完当前时刻所有的感知信息以及决策信息时,完整拷贝一份该感知决策单元的感知信息和决策信息供后续裁决使用;
完整的接收一帧感知信息(m个障碍物的具体信息,n条车道线的具体信息)是需要一段时间的,一般在50ms~100ms之间,由感知决策单元自身决定。复制感知信息和决策信息复制一份参与裁决,是为了防止数据读写冲突。
步骤2.2.2,细粒度时间同步阶段
在此阶段,比对多个镜像缓冲池中感知决策信息的时间戳,以最大的时间戳为基准,将多个异构感知决策模块的感知决策信息预测到基准时间,完成细粒度的时间同步。
具体的说,细粒度时间同步通过如下步骤实施:比对参与所述裁决基本单元组成的多个感知信息的时间戳,对时间戳为过去某时刻的事件信息根据动力学公式进行预测更新,对相对旧的事件信息进行预测处理后,参与裁决的多个事件信息时间戳就是一样的,以此达到时间同步。
本实施例提供的智能网联汽车异构冗余感知决策单元裁决方法经过上述一系列同步操作,将多个异构感知决策模块的部分输出结果等价转换成统一格式的信息,构建了一个相对公平的可比较环境;同时裁决过程考虑可容忍的偏差、历史裁决结果等因素,使得在不确定的环境中输出确定的裁决结果。
彼此同步的三个感知决策单元的信息与车载状态信息组成裁决基本单元进入裁决过程;裁决基本单元包含了三个感知决策单元的感知决策信息和底层整车控制器反馈的车载状态信息,车载状态信息被表示为<v,u,w>,其中v,u,w分别表示车速、制动力反馈值和转向角反馈值等。
所述步骤三具体包括以下过程:
步骤2.1,对各感知决策单元的感知信息进行裁决,如果各感知决策单元的感知信息不一致,则认为存在感知异常的感知决策单元,输出异常元Ψ,同时对各感知决策单元的感知信息进行融合,得到决策场景Γ。
所述步骤2.1具体包括以下过程:
步骤2.1.1,根据车载状态<v,u,w>动态初始化裁决参数;首先将车前方区域由远及近划分成k个区域Δ1,Δ2,...,Δk,同时各个区域设置不同的感知容错系数r1,r2,...,rk,和区域感知权重w1,w2,...,wk;
步骤2.1.2,对感知决策单元的感知结果进行比对;首先裁决模块根据所述步骤2.1.1中的感知容错系数计算各感知决策单元感知信息中障碍物的关联关系T,T由多个三元组 (o1i,o2j,o3k)组成,其中o1i,o2j,o3k分别是各感知决策单元对真实世界中同一个障碍物的观测值或者为空;然后裁决模块根据所述障碍物关联关系T和所述区域感知权重判断p1≈p2≈p3是否成立,若成立,则认为感知信息一致,否则认为存在感知异常的感知决策单元,输出异常元Ψ;在本实施例中,为k个区域定义不同的权重,在不同区域内,对存在的物体进行障碍物关联,根据该关联关系T以及障碍物所在区域的权重,感知决策单元可能感知某物体为障碍物,将各感知决策单元对障碍物的感知信息进行对比,即判断p1≈p2≈p3是否成立,实现感知决策单元的感知结果进行比对。若存在某个感知决策单元的感知信息与其他两个不同,则认为该感知决策单元输出异常,得到异常元Ψ。
步骤2.1.3,对各感知决策单元的感知信息进行融合,输出决策场景Γ。
本实施中所提供的感知信息融合指,将传感器检测到的障碍物外形尺寸信息和障碍物的运动状态信息相融合,得到车辆所处环境的决策场景。
步骤2.2,在所述决策场景Γ中,对各感知决策单元的决策信息进行裁决,如果各感知决策单元的决策信息不一致,则认为存在决策异常的感知决策单元,输出异常元Ω;
所述步骤2.2具体包括以下过程:
步骤2.2.1,根据所述决策场景Γ判断是否需要执行设定动作,若判定需要执行设定动作,则裁决模块判断
等式1(α1,β1,γ1,δ1,ε1)=(α2,β2,γ2,δ2,ε2)=(α3,β3,γ3,δ3,ε3),以及
等式2(a1,b1,c1)≈(a2,b2,c2)≈(a3,b3,c3)是否成立,若等式均成立,认为决策一致;否则认为存在决策异常的感知决策单元,输出异常元Ω。
步骤2.3,将所述2.1和步骤2.1中单次裁决输出的异常元Ψ和Ω,输入到基于滑动窗口的异常统计队列中进行迭代裁决,裁决模块根据队列的异常统计结果输出最终裁定结果
进一步的,在得到裁决结果后,所述裁决方法还包括步骤三:裁决模块根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度、迭代裁决中判定异常的累积数值等裁决参数进行动态调整。当裁决模块输出一个裁决结果时,根据情况做出如下处理:
具体的说,所述步骤三具体包括以下过程:
步骤3.1,根据各感知决策单元的在环时间调整参与裁决过程的感知决策单元,使所有感知决策单元在环时间近似相等;车上部署多个感知决策单元,启动时所有工作的感知决策单元为在线状态;在执行裁决过程时,会从在线状态的感知决策单元按一定规则选取其中的3个进行裁决,参与裁决的3个感知决策单元为在环状态。
步骤3.2,若设定时间内,所述步骤2.1、步骤2.2的输出为某种特定异常,但步骤2.3的输出为非异常的情况超过设定数值,则根据异常类别,下调感知裁决中的感知容错系数,或下调决策裁决中浮点型决策信息的偏差度,或下调迭代裁决中判定异常的累积值;
步骤3.3,若设定时间内,所述步骤2.3的输出为只包含感知异常的情况超过设定次数时,上调感知裁决中的感知容错系数,或上调决策裁决中浮点型决策信息的偏差度,或上调迭代裁决中判定异常的累积值。
在实际工作过程中,裁决结果显示裁决模块发现L3+主大脑决策异常,则根据异常等级发出报警,同时触发预设的底线安全程序,执行L2+小脑的自动泊车或其他停车程序或有人员介入为止;
裁决结果显示裁决模块发现高等级感知决策单元感知异常,则根据异常等级发出报警;否则,利用在线但不参与裁决的感知决策单元替换异常的感知决策单元。
本发明通过建立一系列同步操作,将多个异构感知决策模块的部分输出结果等价转换成统一格式的信息,构建了一个相对公平的可比较环境;同时裁决过程考虑可容忍的偏差、历史裁决结果等因素,使得在不确定的环境中输出确定的裁决结果。
实施例2
如图3、图4所示,本实施例为一种智能网联汽车的内生安全裁决***,所述***包括:异构感知决策模块,所述异构感知决策模块包含不同等级的感知决策单元,获取各感知决策单元的输出信息,将各感知决策单元的输出信息进行同步操作,得到裁决基本单元。
该异构感知决策模块包含1个高等级感知决策单元和2个相对低等级的感知决策单元;所述的高等级感知决策单元作为整车自动驾驶的主大脑,支持SAE L3、L4或L5自动驾驶,相对低等级的感知决策单元作为小脑,支持SAE L3或L2自动驾驶,用于为裁决提供异构执行体支持。
本实施例中所述高等级感知决策单元是一个L3+级自动驾驶感知决策单元,所述相对低等级感知决策单元为L2级自动驾驶单元和L2+级自动驾驶单元,设其功能依次为 F1={x,y,z,u,v,w,...},F2={x,y,z,...},F3={x,y,z,u,...},其中,x,y,z,u,v,w,...分别代表障碍物检测功能、车道偏离预警、前车碰撞预警、自动泊车、避障、运动规划等。
所述高等级感知决策单元和相对低等级感知决策单元在传感器使用方面存在共用关系;多个传感器的输出数据将通过CAN总线或者以太网传输方式以广播的形式分发给共用的感知决策单元;各感知决策单元在处理传感器输出数据时相互独立,不会影响其他共用的感知决策单元。
裁决模块,所述裁决模块将各感知决策单元的输出信息进行比对,依次进行感知裁决、决策裁决、迭代裁决,得到判定各感知决策单元是否异常的裁决结果。
所述裁决模块还用于根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度、迭代裁决中判定异常的累积数值等裁决参数进行动态调整。
在车辆上部署多个异构感知决策模块以实现异构冗余构造,车辆行驶过程中,裁决模块对其中三个感知决策单元功能交集部分的输出结果进行时空同步、感知裁决、决策裁决、迭代裁决;最终根据裁决模块的不同裁决结果,车辆执行CAN命令,或者按照故障模式运行直至停车。本实例采用降级裁决的思路,通过对多个异构感知决策模块功能交集部分的输出结果进行裁决,不裁决高级功能和特有功能的输出结果,达到异构冗余感知决策单元之间基本感知功能和基本决策功能相互监督的效果,以实现智能网联汽车底线安全。本发明***简单易行,成本低,适合推广使用。
实施例3
本申请还提供一种计算机可读存储介质,所述存储介质中含有上述智能网联汽车的内生安全裁决方法。
上面对本发明实施例结合附图进行了说明,但本发明不限于上述实施例,还可以根据本发明的发明创造的目的做出多种变化,凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化,均应为等效的置换方式,只要符合本发明的发明目的,只要不背离本发明的技术原理和发明构思,都属于本发明的保护范围。
Claims (16)
1.一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述方法包括以下步骤:
步骤一,部署异构感知决策模块,所述异构感知决策模块包含多个相互异构的感知决策单元,选取各感知决策单元交集部分的数据信息,结合车载状态信息构成输出信息;
步骤二,对所述输出信息进行统一化处理得到同步输出信息;
步骤三,比对同步输出信息中分别属于不同感知决策模块的同一类型数据,对各感知决策单元的感知信息进行裁决,当存在某感知决策单元的感知信息异常时,得到第一异常元和决策场景,在决策场景中对各感知决策单元的决策信息进行裁决,当存在某感知决策单元的决策信息异常时,得到第二异常元,将所述第一异常元和第二异常元进行迭代裁决,得到异常的感知决策单元序号以及异常种类,得到各感知决策单元是否异常的裁决结果。
2.根据权利要求1所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤二中的统一化处理包含对各感知决策单元的输出信息进行格式统一化、空间同步和时间同步处理。
3.根据权利要求2所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,
对各感知决策单元的输出信息进行格式统一化,得到预设时间内各感知决策单元的事件信息,所述感知决策单元的事件信息表示为<ti,si,pi,di>,其中i为感知决策单元序号,ti,si,pi,di分别表示第i个感知决策单元事件信息的时间、状态信息、感知信息以及决策信息。
4.根据权利要求2所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,第i个感知决策单元的状态信息表示为Si={e1,e2,...,en,en+1},其中,e1,e2,...,en分别表示该感知决策单元出现第n种异常的可能,en+1表示该感知决策单元出现的异常种类的总数;
第i个感知决策单元的感知信息表示为pi={mi,ni|oi1,oi2,...,oim|li1,li2,...,lin},其中,mi表示第i个感知决策单元感知到的障碍物个数,{oi1,oi2,...,oim}分别表示第mi个障碍物的信息;ni表示第i个感知决策单元感知到的表示道路边缘的曲线个数,{li1,li2,...,lin}表示第ni条曲线的信息;
所述感知决策单元的决策信息表示为di={αi,βi,γi,δi,εi|ai,bi,ci},其中αi,βi,γi,δi,εi以及ai,bi,ci分别表示基于不同类型数据所得到的决策信息。
5.根据权利要求1所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述感知决策单元具有不同的安全等级。
6.根据权利要求2所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,将所述的输出信息进行时间同步包括:根据动力学公式将所有输出信息统一到同一时间戳内。
7.根据权利要求2所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤三具体包括以下过程:
步骤3.1,对各感知决策单元的感知信息进行裁决,如果存在某感知决策单元的感知信息与其余感知决策单元的感知信息不一致,则认为存在感知异常的感知决策单元,输出第一异常元Ψ,同时对各感知决策单元的感知信息进行融合,得到决策场景Γ;
步骤3.2,在所述决策场景Γ中,对各感知决策单元的决策信息进行裁决,如果各感知决策单元的决策信息不一致,则认为存在决策异常的感知决策单元,输出第二异常元Ω;
步骤3.3,将所述第一异常元Ψ和第二异常元Ω输入到基于滑动窗口的异常统计队列中进行迭代裁决,裁决模块根据队列的异常统计结果输出最终裁决结果所述裁决结果/>中的信息包含:裁决时间,是否存在异常,异常个数,每个异常对应的感知决策单元序号以及异常种类。
8.根据权利要求7所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤3.1具体包括以下过程:
步骤3.1.1,根据车载状态信息动态初始化裁决参数;首先将获取的车前方区域由远及近划分成k个区域Δ1,Δ2,...,Δk,同时各个区域设置不同的感知容错系数r1,r2,...,rk,和区域感知权重w1,w2,...,wk;
步骤3.1.2,对感知决策单元的感知结果进行比对;首先裁决模块根据所述感知容错系数计算各感知决策单元感知信息中障碍物的关联关系T,根据所述障碍物关联关系T和所述区域感知权重判断各感知决策单元中的感知信息是否一致,如果不一致,则认为存在感知异常的感知决策单元,输出第一异常元Ψ;
步骤3.1.3,对各感知决策单元的感知信息进行融合,输出决策场景Γ。
9.根据权利要求7所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤3.2具体包括以下过程:
步骤3.2.1,根据所述决策场景Γ判断是否需要执行设定动作,若判定需要执行设定动作,则裁决模块判断各感知决策单元的决策信息是否一致,如果不一致,则认为存在决策异常的感知决策单元,输出第二异常元Ω。
10.根据权利要求1所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述裁决方法还包括步骤四:
裁决模块根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度以及迭代裁决中判定异常的累积数值进行动态调整。
11.根据权利要求10所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤四具体包括以下过程:
根据各感知决策单元的在环时间调整参与裁决过程的感知决策单元,使所有感知决策单元在环时间近似相等;
若设定时间内,所述第一异常元Ψ和第二异常元Ω为预设异常,且所述裁决结果为非异常的情况超过设定数值,则根据预设异常类别,下调感知裁决中的感知容错系数,或下调决策裁决中浮点型决策信息的偏差度,或下调迭代裁决中判定异常的累积值。
12.根据权利要求10所述的一种用于智能网联汽车的内生安全裁决方法,其特征在于,所述步骤四还包括:
若设定时间内,所述裁决结果为只包含感知异常的情况超过设定次数时,上调感知裁决中的感知容错系数,或上调决策裁决中浮点型决策信息的偏差度,或上调迭代裁决中判定异常的累积值。
13.一种用于智能网联汽车的内生安全裁决***,其特征在于,所述***包括:
异构感知决策模块,所述异构感知决策模块包含多个相互异构的感知决策单元,选取各感知决策单元交集部分的数据信息,结合车载状态信息构成输出信息;
统一化处理模块,所述统一化处理模块对所述输出信息进行统一化处理得到同步输出信息;
裁决模块,所述裁决模块比对同步输出信息中分别属于不同感知决策模块的同一类型数据,对各感知决策单元的感知信息进行裁决,当存在某感知决策单元的感知信息异常时,得到第一异常元和决策场景,在决策场景中对各感知决策单元的决策信息进行裁决,当存在某感知决策单元的决策信息异常时,得到第二异常元,将所述第一异常元和第二异常元进行迭代裁决,得到异常的感知决策单元序号以及异常种类,得到各感知决策单元是否异常的裁决结果。
14.根据权利要求13所述的一种用于智能网联汽车的内生安全裁决***,其特征在于,所述统一化处理模块用于对各感知决策单元的输出信息进行格式统一化、空间同步和时间同步处理。
15.根据权利要求13所述的一种用于智能网联汽车的内生安全裁决***,其特征在于,所述裁决模块还用于根据所述裁决结果和各感知决策单元的工作状态,对参与裁决的感知决策单元序号、感知裁决中的感知容错系数、决策裁决中浮点型决策信息的偏差度以及迭代裁决中判定异常的累积数值进行动态调整。
16.一种计算机可读存储介质,其特征在于,所述存储介质中包含如权利要求1至12任一项所述的一种用于智能网联汽车的内生安全裁决方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111283768 | 2021-11-01 | ||
CN2021112837680 | 2021-11-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114084169A CN114084169A (zh) | 2022-02-25 |
CN114084169B true CN114084169B (zh) | 2024-04-30 |
Family
ID=80306353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111447908.3A Active CN114084169B (zh) | 2021-11-01 | 2021-11-29 | 智能网联汽车的内生安全裁决方法、***和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114084169B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101188014A (zh) * | 2007-09-28 | 2008-05-28 | 北京邮电大学 | 基于二维码的自行车防盗及查询管理***和方法 |
CN101216777A (zh) * | 2008-01-11 | 2008-07-09 | 华中科技大学 | 一种多虚拟机环境下的快速部署*** |
CN111628978A (zh) * | 2020-05-21 | 2020-09-04 | 河南信大网御科技有限公司 | 一种拟态归一化裁决***、方法及可读存储介质 |
CN112406892A (zh) * | 2020-11-03 | 2021-02-26 | 上海大学 | 一种智能网联汽车感知决策模块功能安全和网络安全内生保障方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPR511301A0 (en) * | 2001-05-18 | 2001-06-14 | Mastersoft Research Pty Limited | Parsing system |
-
2021
- 2021-11-29 CN CN202111447908.3A patent/CN114084169B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101188014A (zh) * | 2007-09-28 | 2008-05-28 | 北京邮电大学 | 基于二维码的自行车防盗及查询管理***和方法 |
CN101216777A (zh) * | 2008-01-11 | 2008-07-09 | 华中科技大学 | 一种多虚拟机环境下的快速部署*** |
CN111628978A (zh) * | 2020-05-21 | 2020-09-04 | 河南信大网御科技有限公司 | 一种拟态归一化裁决***、方法及可读存储介质 |
CN112406892A (zh) * | 2020-11-03 | 2021-02-26 | 上海大学 | 一种智能网联汽车感知决策模块功能安全和网络安全内生保障方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114084169A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101963422B1 (ko) | 자율 주행 가능 차량용 충돌-회피 시스템 | |
CN111332309B (zh) | 驾驶员监视***及其操作方法 | |
DE112020002166T5 (de) | Simulation realistischer testdaten aus transformierten sensordaten der realen welt für autonome maschinenanwendungen | |
CN112805648A (zh) | 用于自主驾驶车辆的故障安全处理*** | |
EP3882100B1 (en) | Method for operating an autonomous driving vehicle | |
US20220264081A1 (en) | Sensing performance evaluation and diagnosis system and sensing performance evaluation and diagnosis method for external-environment recognition sensor | |
WO2021060018A1 (ja) | 信号処理装置、信号処理方法、プログラム、及び、移動装置 | |
CN114330473A (zh) | 感知***错误检测和重新验证 | |
US20240195716A1 (en) | Validation of Time Synchronization | |
CN117015493A (zh) | 自动紧急制动*** | |
CN113734193A (zh) | 用于估计接管时间的***和方法 | |
CN115918101A (zh) | 摄像装置、信息处理装置、摄像***和摄像方法 | |
CN114084169B (zh) | 智能网联汽车的内生安全裁决方法、***和存储介质 | |
CN113212444B (zh) | 车辆用控制装置 | |
CN111204298B (zh) | 车辆运动自适应***和方法 | |
CN112550313A (zh) | 通过云计算的容错嵌入式汽车应用程序 | |
CN117087685A (zh) | 用于车辆中的环境感知的方法、计算机程序以及设备 | |
US20040247158A1 (en) | System and method for detecting vehicle seat occupancy | |
US20230251846A1 (en) | Information processing apparatus, information processing method, information processing system, and program | |
US20230244471A1 (en) | Information processing apparatus, information processing method, information processing system, and program | |
EP3985635A1 (en) | Outside environment recognition device | |
EP4012603A1 (en) | Method for classifying a tracked object | |
US20230410531A1 (en) | Determining Correctness of Image Data of Camera System | |
US20230410486A1 (en) | Information processing apparatus, information processing method, and program | |
US20240182079A1 (en) | Autonomous vehicle path prediction system and autonomous vehicle path prediction method while encountering emergency vehicle |
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 |