车辆驾驶辅助系统及其控制单元和方法与流程

1.本技术总体上涉及用于车辆的驾驶辅助的技术领域，尤其涉及一种用于驾驶辅助系统的控制单元以及包括该控制单元的车辆驾驶辅助系统，还涉及一种车辆驾驶辅助方法以及相应的机器可读存储介质。


背景技术：

2.定位技术可以提供基于位置的服务，其对于自动驾驶而言是必不可少的。在自动驾驶方面，定位技术例如可以采用基于视觉的定位技术、基于卫星的定位技术和基于高精地图的定位技术。这些定位技术各有优缺点，例如，极端的天气情况可能引起视觉的不足，遮挡可能引起gps信号的跳变。由此，单一的定位方案往往不足以使得车辆在复杂的环境和不同的路况下对环境进行定位，所以现有技术中提出了采用多种定位方案互为冗余来为自动驾驶车辆提供定位服务的方案。
3.关于用于自动驾驶的定位技术，研究得比较多的是如何弥补视觉不足以及如何消除gps信号不稳定的问题，而另一类问题，即，如何应对位置数据在被偏转和加密之后产生的非线性变形带来的定位挑战却尚不存在较佳的解决方案。


技术实现要素：

4.鉴于现有技术中的上述问题，本发明旨在提供了一种改进的驾驶辅助方案。
5.根据本发明第一方面的实施例，提供了一种用于驾驶辅助系统的控制单元，包括：基础差量确定模块，配置成基于处于自动驾驶模式下的本车的当前位置与相应的加偏位置计算出基础差量，所述当前位置是基于卫星信号确定的位置，所述相应的加偏位置是所述当前位置经由偏转插件加偏之后的位置；偏转差量确定模块，配置成基于本车的未加偏点的位置与经由偏转插件加偏之后的加偏点的位置之间的位置差计算偏转差量，所述偏转差量是从所述位置差中去除所述基础差量之后的值；以及决策模块，配置成基于所述偏转差量为本车确定自动驾驶策略。
6.根据本发明第二方面的实施例，提供了一种驾驶辅助系统，包括：定位装置，用于基于卫星信号确定本车的位置；以及控制装置，包括偏转插件和如上所述的控制单元，与所述定位装置连接，用于基于未加偏点的位置和经由偏转插件加偏之后的加偏点的位置之间的位置差确定偏转差量，并基于所述偏转差量确定自动驾驶策略。
7.根据本发明第三方面的实施例，提供了一种驾驶辅助方法，可选地，所述方法由如上所述的控制单元和/或如上所述的系统执行，所述方法包括：基于处于自动驾驶模式下的本车的未加偏点位置与经由偏转插件加偏之后的加偏点位置之间的位置差计算偏转差量；以及基于所述偏转差量为本车确定自动驾驶策略。
8.根据本发明第四方面的实施例，提供了一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得一个或多个处理器执行如上所述的方法。
9.由此可见，根据本发明的实施例，其能够监控车辆在自动驾驶模式下由于位置数
据被偏转和加密引起的非线性偏差(即，偏转差量)，还能够基于监控到偏差作出适合的自动驾驶策略，从而提升了车辆自动驾驶的安全性。
附图说明
10.图1示意性示出了具有根据本发明一实施方式的驾驶辅助系统的车辆。
11.图2是图1中的驾驶辅助系统的示意性框图。
12.图3是图1中的驾驶辅助系统的控制单元的示意性框图。
13.图4示意性示出了根据本发明一实施方式的驾驶辅助过程。
14.图5是根据本发明一实施方式的偏转差量确定过程的原理图。
15.图6是根据本发明一实施方式的驾驶辅助方法的流程图。
具体实施方式
16.用于车辆自动驾驶的数字地图可以为车辆感知环境提供辅助，提供道路信息和路况信息，并帮助车辆形成自动驾驶策略。但是，用于自动驾驶的数字地图必须经由偏转加密算法的处理，这样，车辆采用经加偏的地图执行自动驾驶时，对象在加偏之后的地图上的定位相对于其真实位置存在一偏差，该偏差包括基础差量(即，下文中描述的“基础差量”，例如，约几百米)和随机差量(也可以称为“非线性差量”，即，下文中描述的“偏转差量”)。
17.考虑到这样的随机偏差会使得本车对周围环境中的对象相对于真实道路的定位出现误差，从而引发危险事故。例如，本车对前车的定位出现的误差导致本车对前车所处车道的判断错误。本发明的发明人设计了一种用于驾驶辅助的控制策略，其能够计算并监控随机差量，还能够基于该差量确定相应的自动驾驶策略，提升了自动驾驶的安全性。
18.进一步地，发明人还基于该随机差量创建了系统误差模型，用于确定本车感知的对象位置相对于真实道路的误差，实现了对于该误差的定量计算。
19.以下结合附图来说明本发明的具体实施方式。
20.图1示意性示出了具有根据本发明一实施方式的驾驶辅助系统的车辆。图2是图1中的驾驶辅助系统的示意性框图。参见图1和图2，驾驶辅助系统100设置在车辆1中，主要包括定位装置10和控制装置20。
21.定位装置10用于确定车辆1(即，本车)的位置。定位装置10可以实现为车载gps定位器，其接收卫星信号并基于接收到的卫星信号来确定本车的位置。
22.控制装置30主要包括偏转插件21和控制单元22。
23.偏转插件21也叫做保密插件，可以设置在驾驶辅助系统的控制器中。偏转插件21可以将定位装置10确定的位置的坐标转换成偏转加密的坐标，这样可以与经偏转的数字地图相匹配。
24.控制单元22具有控制策略，其能够计算并监控由偏转加密算法带来的非线性偏差，并基本该非线性偏差确定合适的自动驾驶策略。进一步，该控制策略还能够提供系统误差模型，用于确定本车感知的对象相对于真实道路的误差。控制单元22的工作原理将在下面具体描述。
25.控制单元22可以采用硬件或者软件或者软件与硬件相结合的方式来实现。对于硬件实现的部分，可以在一个或多个专用集成电路(asic)、数字信号处理器(dsp)、数据信号
处理器件(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、被设计以执行其功能的电子单元、或它们的组合中实现。对于以软件实现的部分，可以借助于微代码、程序代码或代码段来实现，还可以将它们存储在诸如存储组件之类的机器可读存储介质中。
26.在一个实现方式中，控制单元22实现为包括存储器和处理器。存储器包含指令，该指令在被处理器执行时使得处理器执行根据本发明的实施例的控制策略/控制方法。
27.驾驶辅助系统100还可以包括感测装置30和数字地图40。
28.感测设备30用于感测车辆1周围环境情况并输出环境信息。感测设备30实现为环境传感器。环境传感器可以设置于车辆1的内部或者车辆1的一侧或多侧，即，实现为车载传感器。例如，环境传感器可以为以下一种或多种：车载摄像头(单目标或多目标)，激光雷达器，超声波雷达器(如毫米波雷达)，车载接收器等。车载摄像头可以采集包含环境信息图像或者视频；雷达器可以感测本车与周围对象之间的相对距离；车载接收器可以通过接收信号的时延，或者根据接收信号中的时间戳信息，判断本车周围对象与本车之间的相对位置关系。
29.感测设备30也可以实现为车辆1外部的传感器并能够通过无线通信将感测到的环境信息传送至车端。例如，摄像头、雷达、无线收发器可以设置在路侧，通过路边智能设备对收集到的信息进行分析并将分析结果发送至车端，以便在车端可以基于分析结果执行进一步的运算。换言之，在本发明中，环境信息可以来自车载的环境传感器，也可以来自车辆外部的环境传感器，还可以来自这两者并对来自两者的环境信息进行融合处理。
30.数字地图40可以辅助车辆1的自动驾驶。例如，数字地图40可以提供道路信息和路况信息，并帮助车辆1形成自动驾驶策略。数字地图40例如是高精地图(hd map)。数字地图40可以存储在车端，例如，存储在驾驶辅助系统100的存储器(未示出)中。数字地图40也可以存储在边缘服务器或云端服务器中，并经由车端的通信接口从边缘服务器或云端服务器获取数字地图40。用于自动驾驶的数字地图40中的地图数据是经由偏转加密的，即，数字地图40中体现的坐标是对真实坐标进行偏转加密处理后的偏转坐标。
31.下面，介绍控制单元22的构成及其工作原理。
32.参见图3，控制单元22主要包括基础差量确定模块221、偏转差量确定模块222、决策模块223和创建模块224。可以理解的是，控制单元22的各模块的命名应当被理解为逻辑上的描述，而不应理解为物理形态或设置方式的限定。换言之，确定模块221、偏转差量确定模块222、决策模块223和创建模块224中的一个或多个可以实现在同一芯片或电路中，它们也可以分别设置于不同的芯片或电路中，本发明对此不进行限定。
33.图4示意性示出了根据本发明一实施方式的驾驶辅助过程400。图5示意性示出了根据本发明一实施方式的偏转差量确定过程的原理。
34.在框402中，基础差量确定模块221基于本车的当前位置与相应的加偏位置计算出基础差量。该当前位置是基于卫星信号确定的位置，即，没有被加偏的位置。该相应的加偏位置是当前位置经由偏转插件加偏之后的位置。
35.参见图5，在一个实施例中，基础差量确定模块221从定位装置10获取本车的当前位置p1以及相应的加偏位置p1’。该加偏位置p1’是当前位置p1经由偏转插件加偏之后的位置。接着，计算当前位置p1与加偏位置p1’之间的位置差，作为基础差量δd
base
。
36.在框404中，偏转差量确定模块以当前位置为起点确定未加偏的预设轨迹l
lane-pre
并在该预设轨迹上采样多个未加偏点(例如，图5中的p2-p6)。多个未加偏点是在预设轨迹上采样的多个位置(例如，用多个位置坐标来表示)，这些位置是没有经由偏转插件加偏的位置。预设轨迹可以是直线路径，也可以是曲线路径，还可以包含直线路径与曲线路径的组合。预设轨迹可以具有预定的长度l。该长度l可以用预设轨迹的起点到终点之间的直线距离来表示。
37.以下，以示例的方式描述确定预设轨迹以及多个采样点(即，采样的多个未加偏点)的实施例。
38.在一个实施例中，以本车的当前位置(基于卫星信号的当前位置)为起点，从自动驾驶系统为本车规划的路径中选取一段路径作为预设轨迹l
lane-pre
。即，借助于自动驾驶系统的规划路径来获得预设轨迹。在所选取的路径上采样多个位置点作为多个未加偏点。
39.在另一个实施例中，以本车的当前位置(基于卫星信号的当前位置)为起点，沿本车前进方向取一段直线路径作为预设轨迹l
lane-pre
。在直线路径上采样多个位置点作为多个未加偏点。
40.在又一个实施例中，以本车的当前位置(基于卫星信号的当前位置)为起点，以偏离本车前进方向的多个方向取多个直线路径，并将这些直线路径作为预设轨迹l
lane-pre
。在多个直线路径采样多个位置点作为多个未加偏点
41.在又一个实施例中，以本车的当前位置(基于卫星信号的当前位置)为圆心，确定出一个或多个同心圆路径，并将一个或多个同心圆路径作为预设轨迹l
lane-pre
。在一个或多个同心圆路径上采样多个位置点作为所述多个未加偏点。
42.可以理解的是，预设轨迹还可以采样以上实施例中的多个相结合的方式来确定。
43.可以理解的是，在确定了预设轨迹之后，对于如何在预设路上采样未加偏的位置点，本发明不进行限定。
44.在框406中，偏转差量确定模块222基于多个未加偏点获得相应的多个加偏点。
45.在一个实施例中，将多个未加偏点分别作为输入，代入偏转插件，得到经由偏转插件加偏之后的多个输出，即，多个加偏点。例如，参见图5，将未加偏点p2-p6的坐标作为输出分别输入偏转插件，以获得加偏点p2
’-
p6’的坐标(即，加偏坐标)。
46.在框408中，偏转差量确定模块222基于未加偏点和加偏点之间的位置差计算偏转差量δd。该偏转差量δd是从该位置差中去除了基础差量δd
base
之后的值。可以理解的是，偏转差量δd和基础差量δd
base
均为矢量，对它们求差即将两个矢量相减，相减后的结果也为矢量，并且相减后得到的矢量的值是模长。
47.以下，以示例的方式描述偏转差量δd的实施例。
48.在一个实施例中，偏转差量确定模块222将最后一个未加偏点与相应的加偏点之间的位置差减去所述基础差量之后的值作为所述偏转差量δd。例如，参见图5，将采样的最后一个未加偏点p6与相应的加偏点p6’之间的位置差δd6减去所述基础差量δd
base
之后的值作为所述偏转差量δd。可以理解的是，与上面的矢量相减类似，位置差δd6与基础差量δdbase均为矢量，对它们求差即将两个矢量相减，相减后的结果也为矢量，并且相减后得到的矢量的值是模长。
49.在另一个实施例中，偏转差量确定模块222计算各未加偏点与相应的加偏点之间
的位置差，并将这些位置差中的最大值(即，最大位置差)减去基础差量δd
base
之后的值作为所述偏转差量δd。
50.在又一个实施例中，偏转差量确定模块222基于各未加偏点与相应的加偏点之间的位置差与该未加偏点距离起点的距离的比值来确定所述偏转差量δd。例如，偏转差量确定模块222可以基于如下公式计算所述偏转差量δd：
51.δd＝r(max)*l，r(max)是ri＝δdi/li中的最大值，
52.其中，li为一未加偏点距离起点的直线距离(l3是未加偏点p3距离起点p1的直线距离)，l为最后一个未加偏点距离起点的直线距离(例如，p1与p6之间的直线距离)，δdi是第i个未加偏点与第i个加偏点之间的位置差减去基础差量之后的值，δd为所述偏转差量。i为从1至n的自然数，n是采样的未加偏点的数量。
53.在又一个实施例中，偏转差量确定模块222将确定出的偏转差量沿着车辆行驶方向及其垂直方向分解，并将垂直方向的分量作为用于决策自动驾驶策略的偏转差量。换言之，在该实施例中，相比于纵向偏差(即，车辆行驶方向上的偏差)，更加关注的是横向偏差(即，与车辆行驶方向垂直的方向上的偏差)。
54.在框410中，决策模块223基于确定出偏转差量确定相应的自动驾驶策略。例如，决策模块223将偏转差量与偏转差量阈值相比较，并基于比较结果来确定自动驾驶策略。
55.可以理解的是，偏转差量阈值是预先确定的，可以考虑自动驾驶等级，道路等级，路况等因素来确定。偏转差量阈值还可以采用模型计算，并且结合实车试验。本发明对于该阈值的确定方式不进行限定。
56.在框412中，在偏转差量小于偏转差量阈值时，决策模块223使得本车继续处于自动驾驶模式。
57.在框414中，在偏转差量小于偏转差量阈值时，决策模块223创建包含所述偏转差量的误差模型。该误差模型用于确定本车感知到的物体相对于真实道路的误差。
58.在一个实施例中，决策模块223创建的误差模型为：
[0059][0060]
其中，δ
a_to_real_road
为本车感知的物体a相对于真实道路的误差，δ
per
为本车的自动驾驶系统的感知设备感知物体a时产生的误差(例如，摄像头或雷达感测前车a时产生的误差)，δ
loc@l
为本车对自身位置在数字地图上的定位误差，δ
map
为数字地图的地图数据的误差(例如，采用地图数据在描述位置时产生的误差)，δd为所述偏转差量。
[0061]
在该实施例中，δ
loc@l
可以通过如下公式获得：
[0062]
δ
loc@l
＝l
·
δ
loc-rot
δ
loc-t
[0063]
其中，l为第一个未加偏点与最后一个未加偏点之间的直线距离，δ
loc-t
为本车对自身位置在数字地图上的定位的平移误差，δ
loc-rot
为本车对自身位置在数字地图上的定位的旋转误差。
[0064]
在框416中，在所述偏转差量大于或等于所述偏转差量阈值时，决策模块223禁用用于自动驾驶的数字地图并生成警报信息。该报警信息可以以下一种或多种方式传递给车内驾驶人员：声光报警、座椅振动、hud上的警报信号。
[0065]
在框418中，在禁用所述数字地图之后无法实现自动驾驶的情况下，决策模块223
使得本车退出自动驾驶模式，并向服务器上报本车的当前位置以及相关诊断信息。这时，本车可以靠边停车或者交由人类驾驶员接管。
[0066]
本发明还提供一种驾驶辅助方法600。该方法可在上述控制单元22中执行，也可在上述驾驶辅助系统100中执行。因此，以上相关描述同样适用于此，不赘述。
[0067]
参见图6，在步骤s610中，基于处于自动驾驶模式下的本车的未加偏点位置与经由偏转插件加偏之后的加偏点位置之间的位置差计算偏转差量。
[0068]
在步骤s620中，基于计算出的偏转差量为本车确定自动驾驶策略。
[0069]
本发明还提供机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得一个或多个处理器执行上述驾驶辅助方法600。
[0070]
可以理解的是，以上描述的所有模块都可以通过各种方式来实施。这些模块可以被实施为硬件、软件、或其组合。此外，这些模块中的任何模块可以在功能上被进一步划分成子模块或组合在一起。
[0071]
可以理解的是，处理器可以使用电子硬件、计算机软件或其任意组合来实施。这些处理器是实施为硬件还是软件将取决于具体的应用以及施加在系统上的总体设计约束。作为示例，本发明中给出的处理器、处理器的任意部分、或者处理器的任意组合可以实施为微处理器、微控制器、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、状态机、门逻辑、分立硬件电路、以及配置用于执行在本公开中描述的各种功能的其它适合的处理部件。本发明给出的处理器、处理器的任意部分、或者处理器的任意组合的功能可以实施为由微处理器、微控制器、dsp或其它适合的平台所执行的软件。
[0072]
可以理解的是，软件应当被广泛地视为表示指令、指令集、代码、代码段、程序代码、程序、子程序、软件模块、应用、软件应用、软件包、例程、子例程、对象、运行线程、过程、函数等。软件可以驻留在计算机可读介质中。计算机可读介质可以包括例如存储器，存储器可以例如为磁性存储设备(如，硬盘、软盘、磁条)、光盘、智能卡、闪存设备、随机存取存储器(ram)、只读存储器(rom)、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、寄存器或者可移动盘。尽管在本公开给出的多个方面中将存储器示出为是与处理器分离的，但是存储器也可以位于处理器内部(如，缓存或寄存器)。
[0073]
虽然前面描述了一些实施方式，这些实施方式仅以示例的方式给出，而不意于限制本发明的范围。所附的权利要求及其等同替换意在涵盖本发明范围和主旨内做出的所有修改、替代和改变。