用于车辆控制信号的异常检测器制造技术

本公开提供了“用于车辆控制信号的异常检测器”。一种车辆控制器接收传感器输出并识别所述传感器输出中的特征。所述控制器基于所述特征确定轨迹并且生成车辆致动器的控制信号以遵循所述轨迹。评估所述控制信号的离心度，并且如果所述控制信号的离心度满足阈值条件，则执行干涉，诸如丢弃或修改所述控制信号或者启动安全程序。可以使用无监督机器学习模型来确定离心度。所述阈值条件可以是诸如使用n‑sigma方法或Chebyshev不等式的动态阈值条件。

Anomaly detector for vehicle control signal

【技术实现步骤摘要】
用于车辆控制信号的异常检测器专利
本专利技术涉及自主车辆的控制系统。专利技术背景自主车辆是密集研发的领域。自主车辆的控制器通常接收诸如摄像机、RADAR传感器、激光雷达传感器等各种传感器的输出。然后，处理这些输出以识别路面、车道边界、其他车辆、行人和潜在的障碍物。这通常需要在非常短时间量内处理大量的数据，以便适当地对改变的状况做出反应。改善自主车辆的安全将是本领域中的一项进步。
技术实现思路
在本专利技术的一个方面中，一种方法包括车辆控制器执行：从车辆的传感器接收传感器输出；通过控制算法处理所述传感器输出以得到用于所述车辆的控制输出；共同地评估所述控制输出关于阈值条件的偏心度；以及当所述控制输出满足所述阈值条件时，生成干涉。在一些实施例中，通过所述控制算法处理所述输出包括：检测所述传感器输出中的特征；根据所述特征选择轨迹；以及使所述控制输出生成为有效穿越所述轨迹。在一些实施例中，所述控制输出包括转向致动器、制动致动器和加速致动器的控制信号。在一些实施例中，所述控制算法包括防抱死制动系统、稳定性控制系统和牵引力控制系统中的至少一个。在一些实施例中，所述传感器输出包括无线电探测和测距(RADAR)传感器、光探测和测距(LIDAR)传感器和摄像机中的至少一个的输出。在一些实施例中，评估所述控制输出关于所述阈值条件的偏心度包括：将所述控制输出输入到无监督机器学习模型中以得到偏心度度量。在一些实施例中，评估所述控制输出关于所述阈值条件的偏心度包括：关于n-sigma法则条件，随时间评估所述偏心度度量。在一些实施例中，评估所述控制输出关于所述阈值条件的偏心度包括：关于Chebyshev不等式，随时间评估所述偏心度度量。在一些实施例中，所述干涉包括生成警告。在一些实施例中，所述干涉包括以回退控制信号替换所述控制输出。还公开并要求保护对应的系统。附图说明为了易于理解本专利技术的优点，将通过参考附图中所示的特定实施例来呈现对上面简要描述的本专利技术的更具体的描述。在理解这些附图仅描绘了本专利技术的典型实施例并且因此不被认为是对其范围的限制之后，将通过使用附图来用附加的特性和细节来描述和解释本专利技术，在附图中：图1是根据本专利技术的实施例的实现车辆的部件的示意性框图；图2是适合于实现根据本专利技术的实施例的方法的示例性计算装置的示意性框图；图3示出了根据本专利技术的实施例的用于根据传感器输出生成控制信号的部件；并且图4是根据本专利技术的实施例的用于检测控制信号中的异常的过程流程图。具体实施方式参考图1，车辆可以包括本领域已知的任何车辆。车辆可以具有本领域已知的任何车辆的所有结构和特征，包括车轮、耦接到车轮的传动系、耦接到传动系的发动机、转向系统、制动系统和本领域已知的要包括在车辆中的其他系统。如本文中更详细地讨论，安装在车辆中的控制器102可以执行自主导航和碰撞避免。控制器102可以从一个或多个外部传感器104接收一个或多个输出。例如，可以将一个或多个摄像机106a安装到车辆上，并且所述摄像机将接收到的图像流输出到控制器102。在一些实施例中，外部传感器104组合起来提供围绕车辆的360度视图。在其他实施方案中，可以通过外部传感器104实现较小的视角，诸如在180度和270度之间的角度。外部传感器104可以包括超声传感器106b、RADAR(无线电探测和测距)传感器106c、LIDAR(光探测和测距)传感器106d、SONAR(声波导航和测距)传感器106e等传感器。控制器102可以执行自主操作模块108，该自主操作模块108接收外部传感器104的输出。自主操作模块108可以包括障碍物识别模块110a、碰撞预测模块110b和决策模块110c。障碍物识别模块110a分析外部传感器的输出并且识别潜在的障碍物，包括人、动物、车辆、建筑物、路沿以及其他物体和结构。特别地，障碍物识别模块110a可以识别在传感器输出中的车辆图像。碰撞预测模块110b基于其当前轨迹或当前预期路径来预测哪些障碍物图像可能与车辆碰撞。碰撞预测模块110b可以评估与通过障碍物识别模块110a识别的物体碰撞的可能性。决策模块110c可以做出停止、加速、转弯等决策，以便避免障碍物。碰撞预测模块110b预测潜在碰撞的方式和决策模块110c采取行动以避免潜在碰撞的方式可以根据自主车辆领域中已知的任何方法或系统。决策模块110c可以通过致动控制车辆的方向和速度的一个或多个致动器112来控制车辆的轨迹。例如，致动器112可以包括转向致动器114a、加速致动器114b和制动致动器114c。致动器114a至114c的配置可以根据自主车辆领域中已知的此种致动器的任何实现方式。决策模块110c或另一个模块可以根据一个或多个其他算法控制致动器112，诸如防抱死制动系统、稳定性控制系统、牵引力控制系统或其他车辆系统。在本文公开的各实施例中，自主操作模块108可以执行自主导航到指定的位置、自主驻车和本领域已知的其他自动驾驶活动。在一些实施例中，决策模块到致动器112的输出可以被评估用于如下文所述的异常。控制其他车辆系统(燃料输送、发动机、悬架等)的其他输出也可以以相同方式被评估用于异常。因此，自主操作模块108还可以包括异常检测模块110d，该异常检测模块110d执行如下面所述的异常检测。图2是示出示例性计算装置200的框图。计算装置200可以被用来执行各种程序，诸如本文所讨论的那些程序。控制器102可具有计算装置200的一些或全部属性。计算装置200包括一个或多个处理器202、一个或多个存储器装置204、一个或多个接口206、一个或多个大容量存储装置208、一个或多个输入/输出(I/O)装置210、以及显示装置230，所有这些装置都耦合到总线212。处理器202包括执行存储在存储器装置204和/或大容量存储装置208中的指令的一个或多个处理器或控制器。处理器202还可以包括各种类型的计算机可读介质，诸如高速缓冲存储器。存储器装置204包括各种计算机可读介质，诸如易失性存储器(例如，随机存取存储器(RAM)214)和/或非易失性存储器(例如，只读存储器(ROM)216)。存储器装置204还可以包括可重写ROM，诸如快闪存储器。大容量存储装置208包括各种计算机可读介质，诸如磁带、磁盘、光盘、固态存储器(例如，快闪存储器)等。如图2中所示，特定大容量存储装置是硬盘驱动器224。各种驱动器也可以包括在大容量存储装置208中，以实现从各种计算机可读介质进行读取和/或写入到各种计算机可读介质。大容量存储装置208包括可移除介质226和/或不可移除介质。I/O装置210包括允许将数据和/或其他信息输入到计算装置200中或从计算装置200检索数据和/或其他信息的各种装置。示例性I/O装置210包括光标控制装置、键盘、小键盘、传声器、监视器或其他显示器装置、扬声器、打印机、网络接口卡、调制解调器、镜头、CCD或其他图像捕获装置等。...

【技术保护点】
1.一种方法，其包括通过车辆控制器：/n从车辆的传感器接收传感器输出；/n通过控制算法处理所述传感器输出以得到用于所述车辆的控制输出；/n共同地评估所述控制输出的关于阈值条件的离心度；以及/n当所述控制输出满足所述阈值条件时，生成干涉。/n

【技术特征摘要】
20180710 US 16/031,7021.一种方法，其包括通过车辆控制器：
从车辆的传感器接收传感器输出；
通过控制算法处理所述传感器输出以得到用于所述车辆的控制输出；
共同地评估所述控制输出的关于阈值条件的离心度；以及
当所述控制输出满足所述阈值条件时，生成干涉。


2.如权利要求1所述的方法，其中通过所述控制算法处理所述输出包括：
检测所述传感器输出中的特征；
根据所述特征选择轨迹；以及
使所述控制输出生成为有效穿越所述轨迹。


3.如权利要求1所述的方法，其中所述控制输出包括转向致动器、制动致动器和加速致动器的控制信号；
其中所述控制算法包括防抱死制动系统、稳定性控制系统和牵引力控制系统中的至少一个；并且
其中所述传感器输出包括无线电探测和测距(RADAR)传感器、光探测和测距(LIDAR)传感器和摄像机中的至少一个的输出。


4.如权利要求1所述的方法，其中评估所述控制输出关于所述阈值条件的偏心度包括：将所述控制输出输入到无监督机器学习模型中以得到偏心度度量。


5.如权利要求4所述的方法，其中评估所述控制输出关于所述阈值条件的偏心度包括：关于n-sigma法则条件，随时间评估所述偏心度度量。


6.如权利要求4所述的方法，其中评估所述控制输出关于所述阈值条件的偏心度包括：关于Chebyshev不等式，随时间评估所述偏心度度量。


7.如权利要求1所述的方法，其中所述干涉包括生成警告。


8.如权利要求1所述的方法，其中所述干涉包括以回退控制信号替换所述控制输出。


9.一种车辆，其包括...

【专利技术属性】
技术研发人员：布鲁诺·贾尔斯科斯塔，高拉夫·潘迪，迪米塔尔·彼得罗夫·费尤伍，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国;US