CN116558469A - 距离误差评价方法、装置、电子设备及存储介质 - Google Patents
距离误差评价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116558469A CN116558469A CN202310432165.5A CN202310432165A CN116558469A CN 116558469 A CN116558469 A CN 116558469A CN 202310432165 A CN202310432165 A CN 202310432165A CN 116558469 A CN116558469 A CN 116558469A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sensor
- value
- distance
- data
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008447 perception Effects 0.000 claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points
- G01B21/042—Calibration or calibration artifacts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种距离误差评价方法、装置、电子设备及存储介质，包括：接收第一数据，第一数据为车辆的传感器测得的车辆与感知对象之间的测量值。获取传感器在理想环境下的测量标称值，并基于第一数据获取测量标称值与第一数据之间的差值。获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线。基于正态分布曲线获取传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，第一阈值用于评价传感器的测量值是否合格。对差值进行评价，若差值超过第一阈值，则评价传感器的测量值合格，否则评价为不合格。该方法从功能安全的角度对感知测距误差进行限制和评价，增强了传感器测距的准确性，保证车辆行驶的安全性。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种距离误差评价方法、装置、电子设备及存储介质。
背景技术
自动驾驶(Self-driving)又称无人驾驶，是一种通过计算机***实现的车辆驾驶方式。随着自动驾驶车辆的普及，使得自动驾驶车辆可作为出租车或公共交通工具使用，乘客在使用自动驾驶车辆时，需要输入目的地，自动驾驶车辆基于当前位置和目的地生成行驶路线，并按照生成的行驶路线进行行驶。行驶路线上的道路情况并不是一成不变的，在道路上行驶的其他车辆的行驶状态在不断变化，这就需要自动驾驶车辆在行驶过程中能够准确地判断周围车辆与自身之间的距离，使得自动驾驶车辆能够保证在安全区域内行驶，避免因碰撞其他行驶车辆或者碰撞障碍物而发生交通事故，对乘客以及其他人员造成伤害。
目前，传统的自动驾驶车辆虽然能通过车辆自带的传感***对周围车辆以及障碍物进行测距并使自动驾驶车辆及时躲避其他行驶车辆以及障碍物。但是，传感***在测量车距时存在一定的误差，使得自动驾驶车辆在行驶过程中容易因为传感测距误差的不稳定性与其他车辆或影响车辆安全的障碍物发生碰撞摩擦，进而在其规划路径中行驶的过程中易造成交通事故。
因此，传统的自动驾驶车辆在传感测距过程中较容易受到传感测距误差的影响，导致传感测距的准确性降低，进而影响自动驾驶车辆的安全行驶。
发明内容
本发明提供一种距离误差评价方法、装置、电子设备及存储介质，用以解决现有技术中传感测距准确性较差的缺陷，实现稳定的车辆传感测距，以保证自动驾驶车辆行驶的安全性。
本发明提供一种距离误差评价方法，所述方法包括：
接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；
获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；
获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；
基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；
对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
根据本发明提供的一种距离误差评价方法，所述接收第一数据，包括：
接收所述感知对象的横向速度和横向加速度；
基于所述横向速度和横向加速度计算所述车辆与感知对象之间的横向安全距离。
根据本发明提供的一种距离误差评价方法，所述接收第一数据，还包括：
接收所述感知对象的纵向速度和纵向加速度；
基于所述纵向速度和纵向加速度计算所述车辆与感知对象之间的纵向安全距离。
根据本发明提供的一种距离误差评价方法，所述方法还包括：
根据所述第一数据获取第一边界值，所述第一边界值为所述车辆与感知对象之间的横向安全距离和纵向安全距离；
基于所述横向安全距离和纵向安全距离获取所述车辆的第一行驶区域，所述第一行驶区域为所述第一边界值内用于车辆正常行驶的安全区域。
根据本发明提供的一种距离误差评价方法，所述方法还包括：
当所述传感器的感知范围内无所述感知对象时，获取第二行驶区域，所述第二行驶区域为无所述感知对象的安全行驶区域；
其中，所述第二行驶区域不受所述第一边界值的限制。
根据本发明提供的一种距离误差评价方法，所述获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线，包括：
获取与所述车辆的ASIL等级相对应的硬件失效率；
根据所述车辆的ASIL等级确定所述硬件失效率的置信度区间；
在所述置信度区间内构建所述硬件失效率的正态分布曲线。
根据本发明提供的一种距离误差评价方法，所述基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，包括：
获取所述第一边界值与所述车辆之间的边界距离；
从所述正态分布曲线中获取在所述第一数据大于所述边界距离的误差的概率，在所述概率的基础上进行逆累积分布运算，以获得逆累积分布值；
将所述边界距离与所述逆累积分布值之间的比值作为第一阈值。
根据本发明提供的一种距离误差评价方法，所述ASIL等级分为多个ASIL等级，且每个所述ASIL等级均具有相应的硬件失效率。
本发明还提供一种距离误差评价装置，所述装置包括：
数据接收模块，用于接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；
第一获取模块，用于获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；
第二获取模块，用于获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；
确定模块，用于基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；
评价模块，用于对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述距离误差评价方法。
本发明还提供一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述距离误差评价方法。
本发明提供的距离误差评价方法、装置、电子设备及存储介质，通过获取车辆上的传感器数据，来获取车辆与传感器感知对象之间的当前距离，并通过将车辆与感知对象之间的当前距离与传感器在理想环境下的测量标称值进行比较，来获取传感器的测量距离与测量标称值之间的差值，该差值即为传感器测距时所产生的误差。随后根据车辆的ASIL等级确定车辆的硬件失效率，并根据车辆的硬件失效率构建正态分布曲线，以获取硬件失效率与传感器测距的最大允许误差之间的数据关系，进而确定用于评价传感器测距可靠性的阈值范围。最后根据传感器测距的最大允许误差对车辆传感器测距时所产生的当前误差进行评价，若当前误差不超过传感器测距的最大允许误差的阈值范围，则评价传感器的测量值合格，若超过传感器测距的最大允许误差的阈值范围，则评价为不合格。该方法通过对车辆传感器测距时所产生的实时误差进行校验来生成相应的车辆感知***的评价结果，从功能安全的角度对传感器测距误差进行限制和评价，在一定程度上提高了传感器测距的准确性，避免车辆传感器测距不准确所带来的安全隐患，保证了车辆行驶的安全性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的距离误差评价方法的流程示意图之一；
图2是本发明提供的距离误差评价方法的流程示意图之二；
图3是本发明提供的距离误差评价方法的流程示意图之三；
图4是本发明提供的距离误差评价方法的流程示意图之四；
图5是本发明提供的距离误差评价方法的流程示意图之五；
图6是本发明提供的具体实施例中距离误差评价方法的流程示意图；
图7是本发明提供的具体实施例中距离误差评价方法的正态分布示意图；
图8是本发明提供的距离误差评价装置的结构示意图；
图9是本发明提供的电子设备的结构示意图。
附图标记：
810：数据接收模块；820：第一获取模块；830：第二获取模块；840：确定模块；850：评价模块；910：处理器；920：通信接口；930：存储器；940：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图9描述本发明的距离误差评价方法、装置、电子设备及存储介质。
如图1所示，在一个实施例中，一种距离误差评价方法，包括以下步骤：
步骤S110，接收第一数据，第一数据为车辆的传感器测得的车辆与感知对象之间的测量值。
其中，感知对象为车辆本身外其他车辆或道路使用者或障碍物，第一数据为车载传感器探测的车辆与感知对象之间的传感器测量距离。
具体的，车辆服务器接收车载传感器感知自动驾驶车辆周围环境中的其他目标所测得的距离数据，即传感器的测量值。
步骤S120，获取传感器在理想环境下的测量标称值，并基于第一数据获取测量标称值与第一数据之间的差值。
其中，测量标称值为车辆在理想环境下的传感器测量数据，用于对车辆在实际行驶过程中传感器测量数据进行校准，以获取车辆实际行驶过程中的传感器测距的误差，即将传感器安装于天气、光照、温度、湿度都正常的情况下，通过大量测量，最后基于对测量结果的统计值，作为传感器测量能力的基准，也可以认为该测量标称值为传感器测量的正确数据。差值即为在实际应用中传感器测量值所产生的误差。
具体的，车辆服务器根据步骤S110中获取的车载传感器测得的数据与理想环境下的测量标称值获取车载传感器测距时所产生的实时误差。
步骤S130，获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线。
其中，ASIL(Automotive Safety Integrity Level)等级，是指汽车安全完整性等级，是由ISO 26262标准定义的风险分类***，用于公路车辆的功能安全。该标准将功能安全定义为“由于电气或电子***的故障行为而导致的危害，不存在不合理的风险”。ASIL根据损害的可能性和可接受性确定安全要求，以使汽车零部件符合ISO 26262。且ISO 26262-A，B，C和D标识了四种ASIL，ASILA代表最低级别，而ASIL D代表最高的汽车危害等级。硬件失效率，简称PMHF(Probabilistic Metrics for Hardware Failure)，可作为ASIL不同等级对应的功能安全硬件度量，单位为FIT(Failure In Time)，相应ASIL等级均具有相应的硬件失效率。
具体的，车辆服务器根据车辆的ASIL等级构建与车辆ASIL等级相对应的硬件失效率，并通过该硬件失效率构建对应的硬件失效率正态分布曲线。
步骤S140，基于正态分布曲线获取传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，第一阈值用于评价传感器的测量值是否合格。
进一步地，所述基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，包括：
获取所述第一边界值与所述车辆之间的边界距离。
从所述正态分布曲线中获取在所述第一数据大于所述边界距离的误差的概率，在所述概率的基础上进行逆累积分布运算，以获得逆累积分布值。
将所述边界距离与所述逆累积分布值之间的比值作为第一阈值。
具体的，车辆服务器根据步骤S130中构建的硬件失效率正态分布曲线获取传感器测距的最大允许误差与硬件失效率之间的数据关系，进而通过该数据关系确定传感器测距的最大允许误差所对应的阈值范围，即第一阈值，该阈值范围用于对步骤S120中的传感器测距所产生的误差进行评价。
其中，最大允许误差与硬件失效率之间的数据关系为：
式中，σmin为传感测距(即第一数据)的最大允许误差阈值，AL为安全边界(即第一边界值)与自车之间的距离，F()为逆累积分布函数(ICDF)，p为在传感测距大于AL的误差的概率，且p由硬件失效率正态分布曲线所得。
步骤S150，对差值进行评价，若差值超过第一阈值，则评价传感器的测量值合格，否则评价为不合格。
具体的，车辆服务器根据步骤S140中获得的传感器测距最大允许误差对应的阈值范围对步骤S120中获得的传感器测距时产生的实时误差进行评价，若其他车辆或道路使用者或障碍物与传感器所在车辆之间的实时误差不超过传感器测距的最大允许误差对应的阈值范围，则评价对应传感器的测量值合格，传感器测量值评价合格说明该传感器的测距相对准确。若其他车辆或道路使用者或障碍物与传感器所在车辆之间的实时误差超过传感器测距的最大允许误差对应的阈值范围，则评价对应传感器的测量值不合格，传感器测量值评价不合格说明该传感器的测距较不准确，存在安全隐患，易与传感器的感知对象发生碰撞等危险。
上述距离误差评价方法，通过获取车辆上的传感器数据，来获取车辆与传感器感知对象之间的当前距离，并通过将车辆与感知对象之间的当前距离与传感器在理想环境下的测量标称值进行比较，来获取传感器的测量距离与测量标称值之间的差值，该差值即为传感器测距时所产生的误差。随后根据车辆的ASIL等级确定车辆的硬件失效率，并根据车辆的硬件失效率构建正态分布曲线，以获取硬件失效率与传感器测距的最大允许误差之间的数据关系，进而确定用于评价传感器测距可靠性的阈值范围。最后根据传感器测距的最大允许误差对车辆传感器测距时所产生的当前误差进行评价，若当前误差不超过传感器测距的最大允许误差的阈值范围，则评价传感器的测量值合格，若超过传感器测距的最大允许误差的阈值范围，则评价为不合格。该方法通过对车辆传感器测距时所产生的实时误差进行校验来生成相应的车辆感知***的评价结果，从功能安全的角度对传感器测距误差进行限制和评价，在一定程度上提高了传感器测距的准确性，避免车辆传感器测距不准确所带来的安全隐患，保证了车辆行驶的安全性。
如图2所示，在一个实施例中，本发明提供的距离误差评价方法，接收第一数据，包括以下步骤：
步骤S112，接收感知对象的横向速度和横向加速度。
具体的，车辆服务器通过传感器接收其感知对象的横向速度和横向加速度。
步骤S114，基于横向速度和横向加速度计算车辆与感知对象之间的横向安全距离。
具体的，车辆服务器通过对步骤S112中获取的传感器感知对象的横向速度和横向加速度的计算得到感知对象与自动驾驶车辆之间的横向安全距离。
如图3所示，在一个实施例中，本发明提供的距离误差评价方法，接收第一数据，包括以下步骤：
步骤S116，接收感知对象的纵向速度和纵向加速度。
具体的，车辆服务器通过传感器接收其感知对象的纵向速度和纵向加速度。
步骤S118，基于纵向速度和纵向加速度计算车辆与感知对象之间的纵向安全距离。
具体的，车辆服务器通过对步骤S116中获取的传感器感知对象的纵向速度和纵向加速度的计算得到感知对象与自动驾驶车辆之间的纵向安全距离。
如图4所示，在一个实施例中，本发明提供的距离误差评价方法，还包括以下步骤：
步骤S410，根据第一数据获取第一边界值，第一边界值为车辆与感知对象之间的横向安全距离和纵向安全距离。
具体的，车辆服务器根据车辆传感器的测量数据获取自动驾驶车辆与传感器感知对象之间的横向安全距离和纵向安全距离。
步骤S420，基于横向安全距离和纵向安全距离获取车辆的第一行驶区域，第一行驶区域为第一边界值内用于车辆正常行驶的安全区域。
其中，第一行驶区域为车辆与传感器感知对象之间的横向安全距离和纵向安全距离所包围的安全行驶区域，即车辆在该区域内不会与传感器感知对象发生摩擦和碰撞，而超过该区域则会与传感器感知对象发生摩擦或碰撞。
具体的，车辆服务器根据步骤S410中获取的横向安全距离和纵向安全距离确定车辆可正常行驶的安全区域。
步骤S430，当车辆传感器的感知范围内无感知对象时，获取第二行驶区域，第二行驶区域为无感知对象的安全行驶区域。
具体的，当车辆传感器的感知范围内没有感知对象，此时车辆服务器则会获取区别于步骤S420的行驶区域，在该行驶区域内无其他车辆或障碍物影响车辆的行驶，即不存在车辆与其他车辆或障碍物碰撞或摩擦的风险，不受第一边界值的限制。
如图5所示，在一个实施例中，本发明提供的距离误差评价方法，获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线，包括以下步骤：
步骤S510，获取与所述车辆的ASIL等级相对应的硬件失效率。
步骤S520，根据车辆的ASIL等级确定硬件失效率的置信度区间。
其中，不同ASIL等级对应的硬件失效率在其正态分布曲线中具有相应的置信度区间。
具体的，车辆服务器根据车辆的ASIL等级确定硬件失效率的置信度区间。
步骤S530，在置信度区间内构建硬件失效率的正态分布曲线。
具体的，车辆服务器在步骤S520中确定的置信度区间内构建并获取硬件失效率正态分布曲线。
在具体的实施例中，本发明提供一种距离误差评价方法，参见图6所示，自动驾驶车辆的车载服务器接收自动驾驶车辆传感器感知周围环境测得的传感器数据，随后根据接收到的传感器数据通过计算获取安全行驶区域中其他目标的状态信息，其他目标包括自动驾驶车辆周围环境中的其他车辆或道路使用者或影响自动驾驶车辆正常行驶的障碍物。车载服务器根据传感器数据确定安全行驶区域的边界值，并根据功能安全等级(ASIL等级)及其对应的硬件失效率(PMHF)确定自动驾驶车辆周围环境中其他车辆或道路使用者或障碍物与自动驾驶车辆之间距离的置信度区间，然后根据安全行驶区域的边界值和置信度区间确定由传感器获取的自动驾驶车辆与周围其他目标之间距离的最大允许误差阈值。
最后，车辆服务器根据得到的自动驾驶车辆与周围其他目标之间距离的最大允许误差阈值对传感器测距的误差进行校验评价，以生成相应的车辆传感***的评价结果，若传感器测距的误差超过最大允许误差阈值，则评价不合格，若传感器测距的误差不超过最大允许误差阈值，则评价合格。
在本实施例中，自动驾驶车辆的安全行驶区域边界包括自动驾驶车辆与其他目标之间的横向安全距离和纵向安全距离，若自动驾驶车辆周围无其他目标时，则无安全行驶区域边界值。如果其他目标在本车道行驶方向上，则纵向安全距离(dmin,lon)通过以下公式计算：
式中，v0为自动驾驶车辆的纵向速度，t为反应时间，a0为自动驾驶车辆的纵向加速度，(a0min,break)为自动驾驶车辆合理的最小纵向减速度，v1为其他目标的纵向速度，(a1max,break)为其他目标合理的最大纵向减速度。
如果其他目标在邻车道，则横向安全距离(dmin,lat)通过以下公式计算：
式中，u为预设的横向安全距离波动值，v2为自动驾驶车辆的横向加速度，t为反应时间，v2t为t时刻自动驾驶车辆的横向速度，(amin,break)为自动驾驶车辆与其他目标的合理最小横向减速度，v3为其他目标的横向速度，v3t为t时刻自动驾驶车辆的横向速度。
根据ISO26262:2018-5，ASIL等级对应的硬件失效率(PMHF)值为：ASILD:10FIT，ASILC:100FIT，ASILB:100FIT，根据硬件失效率(PMHF)值，获取置信度区间。传感器测距的误差分布遵循正态分布，即可得到硬件失效率(PMHF)值与传感器测距误差之间的关系。以ASILD等级为例，结合图7所示，sigma代表标准差，mu代表数学期望，百分比代表数学上的概率分布，即代表传感器测量结果的可信度，在95％的可信度上，传感器测量误差不会超过±0.2m，在99.999999％的可信度上，传感器测量误差不会超过±0.57m。10FIT对应的置信度区间为99.999999％，按照正态分布公式即5.73σ。那么，传感测距的最大允许误差阈值σmin的计算公式如下：
式中，AL为安全行驶边界与自动驾驶车辆之间的距离，F()为逆累积分布函数(ICDF)，p为在传感测距大于AL的误差的概率。
另外，σmin也可作为对传感器测距误差的功能安全需求，在传感测距的评价中，基于多次重复试验得到评价结果，若传感测距误差超过σmin，则评价结果不合格，若传感测距误差小于σmin，则评价结果合格。
上述距离误差评价方法，基于设置的感知模块获取目标传感器所采集的对应目标区域的车辆运动学信息，并根据车辆运动学信息确定车辆的纵向、横向安全距离。随后基于设置的ASIL等级确定置信度区间，并根据置信度区间确定纵向、横向感知距离(通过传感器感知获得，与安全距离不同)的最大允许误差阈值。最后，根据该最大允许误差阈值对自动驾驶车辆的传感测距误差进行校验评价，生成相应的车辆感知***的评价结果。该方法从功能安全角度提出了感知测距的最大允许误差范围，提供了对自动驾驶车辆感知***设计的评价思路，在一定程度上提高了车辆功能安全验证工作效率，增强车辆传感测距的准确性，以保证自动驾驶车辆行驶的安全性。
下面对本发明提供的距离误差评价装置进行描述，下文描述的距离误差评价装置与上文描述的距离误差评价方法可相互对应参照。
如图8所示，在一个实施例中，一种距离误差评价装置，包括数据接收模块810、第一获取模块820、第二获取模块830、确定模块840和评价模块850。
数据接收模块810用于接收第一数据，第一数据为车辆的传感器测得的车辆与感知对象之间的测量值。
第一获取模块820用于获取传感器在理想环境下的测量标称值，并基于第一数据获取测量标称值与第一数据之间的差值。
第二获取模块830用于获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线。
确定模块840用于基于正态分布曲线获取传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，第一阈值用于评价传感器的测量值是否合格。
评价模块850用于对差值进行评价，若差值超过第一阈值，则评价传感器的测量值合格，否则评价为不合格。
在本实施例中，本发明提供的距离误差评价装置，数据接收模块具体用于：
接收感知对象的横向速度和横向加速度。
基于感知对象的横向速度和横向加速度计算车辆与感知对象之间的横向安全距离。
在本实施例中，本发明提供的距离误差评价装置，数据接收模块具体还用于：
接收感知对象的纵向速度和纵向加速度。
基于感知对象的纵向速度和纵向加速度计算车辆与感知对象之间的纵向安全距离。
在本实施例中，本发明提供的距离误差评价装置，还包括第三获取模块、第四获取模块和第五获取模块。
第三获取模块用于根据第一数据获取第一边界值，第一边界值为车辆与感知对象之间的横向安全距离和纵向安全距离。
第四获取模块用于基于横向安全距离和纵向安全距离获取车辆的第一行驶区域，第一行驶区域为第一边界值内用于车辆正常行驶的安全区域。
第五获取模块用于当车辆传感器的感知范围内无感知对象时，获取第二行驶区域，第二行驶区域为无感知对象的安全行驶区域。
在本实施例中，本发明提供的距离误差评价装置，还包括构建模块，用于：
获取与所述车辆的ASIL等级相对应的硬件失效率；
根据车辆的ASIL等级确定硬件失效率的置信度区间。
在置信度区间内构建硬件失效率的正态分布曲线。
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行距离误差评价方法，该方法包括：接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的距离误差评价方法，该方法包括：接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的距离误差评价方法，该方法包括：接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种距离误差评价方法，其特征在于，所述方法包括：
接收第一数据，所述第一数据为车辆的传感器测得的所述车辆与感知对象之间的测量值；
获取所述传感器在理想环境下的测量标称值，并基于所述第一数据获取所述测量标称值与所述第一数据之间的差值；
获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线；
基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，所述第一阈值用于评价所述传感器的测量值是否合格；
对所述差值进行评价，若所述差值超过所述第一阈值，则评价所述传感器的测量值合格，否则评价为不合格。
2.根据权利要求1所述的距离误差评价方法，其特征在于，所述接收第一数据，包括：
接收所述感知对象的横向速度和横向加速度；
基于所述横向速度和横向加速度计算所述车辆与感知对象之间的横向安全距离。
3.根据权利要求2所述的距离误差评价方法，其特征在于，所述接收第一数据，还包括：
接收所述感知对象的纵向速度和纵向加速度；
基于所述纵向速度和纵向加速度计算所述车辆与感知对象之间的纵向安全距离。
4.根据权利要求3所述的距离误差评价方法，其特征在于，所述方法还包括：
根据所述第一数据获取第一边界值，所述第一边界值为所述车辆与感知对象之间的横向安全距离和纵向安全距离；
基于所述横向安全距离和纵向安全距离获取所述车辆的第一行驶区域，所述第一行驶区域为所述第一边界值内用于车辆正常行驶的安全区域。
5.根据权利要求4所述的距离误差评价方法，其特征在于，所述方法还包括：
当所述传感器的感知范围内无所述感知对象时，获取第二行驶区域，所述第二行驶区域为无所述感知对象的安全行驶区域；
其中，所述第二行驶区域不受所述第一边界值的限制。
6.根据权利要求1所述的距离误差评价方法，其特征在于，所述获取与所述车辆的ASIL等级相对应的硬件失效率的正态分布曲线，包括：
获取与所述车辆的ASIL等级相对应的硬件失效率；
根据所述车辆的ASIL等级确定所述硬件失效率的置信度区间；
在所述置信度区间内构建所述硬件失效率的正态分布曲线。
7.根据权利要求4所述的距离误差评价方法，其特征在于，所述基于所述正态分布曲线获取所述传感器的最大允许误差与硬件失效率之间的数据关系，以确定第一阈值，包括：
获取所述第一边界值与所述车辆之间的边界距离；
从所述正态分布曲线中获取在所述第一数据大于所述边界距离的误差的概率，在所述概率的基础上进行逆累积分布运算，以获得逆累积分布值；
将所述边界距离与所述逆累积分布值之间的比值作为第一阈值。
8.根据权利要求1至7任一项所述的距离误差评价方法，其特征在于，所述ASIL等级分为多个ASIL等级，且每个所述ASIL等级均具有相应的硬件失效率。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的距离误差评价方法。
10.一种计算机存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述的距离误差评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310432165.5A CN116558469A (zh) | 2023-04-20 | 2023-04-20 | 距离误差评价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310432165.5A CN116558469A (zh) | 2023-04-20 | 2023-04-20 | 距离误差评价方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116558469A true CN116558469A (zh) | 2023-08-08 |
Family
ID=87497456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310432165.5A Pending CN116558469A (zh) | 2023-04-20 | 2023-04-20 | 距离误差评价方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116558469A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117007083A (zh) * | 2023-09-22 | 2023-11-07 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其***、设备、介质 |
-
2023
- 2023-04-20 CN CN202310432165.5A patent/CN116558469A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117007083A (zh) * | 2023-09-22 | 2023-11-07 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其***、设备、介质 |
| CN117007083B (zh) * | 2023-09-22 | 2024-03-05 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其***、设备、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9704403B2 (en) | System and method for collision avoidance for vehicle | |
| US8954260B2 (en) | Method and system for collision assessment for vehicles | |
| US10019903B2 (en) | System and method for informing nearby vehicle to avoid a moving vehicle which is malfunctioning | |
| CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子*** | |
| EP3971526A1 (en) | Path planning in autonomous driving environments | |
| CN111710158B (zh) | 一种车辆数据处理方法及相关设备 | |
| CN111923914B (zh) | 机动车的路肩行驶的识别 | |
| US20220080962A1 (en) | Vehicle operation using a behavioral rule model | |
| US20220089153A1 (en) | Scenario identification in autonomous driving environments | |
| US11260876B2 (en) | Inter-vehicle sensor validation using senso-fusion network | |
| EP4083871A1 (en) | Method for automated development of a path planning module for an automated driving system | |
| EP3971864A1 (en) | Risk estimation in autonomous driving environments | |
| US20230180045A1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
| CN112046494B (zh) | 一种车辆控制方法、装置、设备及存储介质 | |
| CN116558469A (zh) | 距离误差评价方法、装置、电子设备及存储介质 | |
| CN111613060B (zh) | 一种数据处理方法以及设备 | |
| CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
| EP4082862A1 (en) | Platform for path planning system development for automated driving system | |
| CN110450788B (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
| CN112863177A (zh) | 一种基于数据分析的导航时长预测方法 | |
| KR20220153708A (ko) | 제어기를 제어하는 방법 및 이를 위한 차량용 통합제어기 | |
| CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
| CN112009496B (zh) | 用于自主车辆控制的安全架构 | |
| CN113538894B (zh) | 车辆定位数据处理方法、装置、计算机设备和存储介质 | |
| KR102636871B1 (ko) | 교통약자 모빌리티를 지원하는 자율주행차량의 안전운전 평가방법 |
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 |