自动驾驶车辆的故障智能分类方法和系统技术方案

本发明专利技术提供一种自动驾驶车辆的故障智能分类方法，该方法包括：S1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；S2:若车辆已退出自动驾驶状态，采集车辆行驶状况数据并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；S3:若车辆未退出自动驾驶状态，检测车辆在发生故障时的地图数据是否存在，若存在地图数据，对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。本发明专利技术还提供了一种故障智能分类系统，本发明专利技术可以判断出自动驾驶车辆发生故障的原因和车辆的故障类别，便于根据故障原因和类别来解决车辆的故障。

Intelligent fault classification method and system of autonomous vehicle

【技术实现步骤摘要】
自动驾驶车辆的故障智能分类方法和系统
本专利技术属于车辆
,具体涉及一种自动驾驶车辆的故障智能分类方法和系统。
技术介绍
近一个多世纪来，汽车的出现取代了传统交通运输方式，使得人们的生活更为便捷。近些年来，随着科技的发展，尤其是智能计算的飞速发展，自动驾驶汽车技术研究成为各行业聚焦的热点。麦肯锡发布的“决定未来经济的12项前沿技术”报告探讨了12项前沿技术对未来经济、社会的影响程度，分析估测了2025年12项技术各自的经济与社会影响力，其中自动驾驶汽车技术排在第6位，其2025年影响力估测为：经济效益每年约0.2-1.9万亿美元，社会效益每年可挽回3-15万个生命。通常，自动驾驶车辆的系统一般包括三个模块：一是感知模块，相当于人的眼睛，通过摄像头、毫米波雷达、激光雷达等传感器实时采集周边环境状态；二是决策模块，相当于人的大脑，根据环境状态计算出最优的驾驶决策规划；三是执行模块，相当于人的手与脚，用于执行决策命令，进行油门、刹车、转向等相应的驾驶操作。自动驾驶车辆目前还处在研发测试阶段，仍存在诸多的不稳定性，尤其在场景复杂中仍会出现诸多的不可预测的突发故障，准确及时地记录这些故障是推进自动驾驶的重要技术手段；但是截止目前，自动驾驶车辆还没有一个成熟的智能故障分类系统来将出现的故障进行自动分类，只是粗略的将出现的故障分为人工接管和非人工接管两个类别，从而导致用户在遇到故障后不能及时地判断出故障类型也无法检索出相应的数据，这样就导致用户在分析这些故障时的分析步骤繁琐、周期变长，从而使故障搁置，使车辆在每次自动驾驶时耗时、耗油，且浪费了大量的资源，因此也直接导致了自动驾驶车辆在分析故障时成本急剧增加。
技术实现思路
本专利技术提供一种自动驾驶车辆的故障智能分类方法和系统，以解决现有技术中的至少一个技术问题。第一方面，本专利技术实施例提供一种自动驾驶车辆的故障智能分类方法，该故障智能分类方法包括以下步骤：S1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；S2:若车辆已退出自动驾驶状态，则采集车辆行驶状况数据，并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；S3:若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。进一步的，根据车辆的动力指令数据、制动指令数据发出和转向指令数据判断当前车辆是否已退出自动驾驶状态。进一步的，所述步骤S2还包括以下子步骤：将所述车辆行驶状况数据与预设的阈值范围相比较，若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。进一步的，所述车辆行驶状况数据包括方向盘转动角度、刹车的力度、车辆未达到达指定终点的行驶速度、油门力度中的一种或多种。进一步的，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；车辆未到达指定终点而行驶速度在预设的时间内为零；所述油门力度在预设的时间内超出预设的油门力度阈值。进一步的，所述步骤S3中对车辆发生的故障进行分类以获得车辆的故障类别包括以下子步骤：若当前车辆的位置信息与车辆在发生故障时的地图数据中的位置信息不一致，则将车辆发生的故障判定为地图定位故障；若车辆未采集到车辆周围的障碍物的感知信息或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致，则将车辆发生的故障判定为感知异常故障；若车辆传感器的状态显示灯未正常开启，则将车辆发生的故障判定为硬件连接故障；若当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致，则将车辆发生的故障判定为驾驶操作有误的故障。第二方面，本专利技术实施例提供一种自动驾驶车辆的故障智能分类系统，该故障智能分类系统判断模块、确定模块、检测模块和分类模块；其中，当车辆在自动驾驶过程中遇到故障时，所述判断模块用于判断当前车辆是否已退出自动驾驶状态；若车辆已退出自动驾驶状态，则所述确定模块执行以下操作：采集车辆行驶状况数据，基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；若车辆未退出自动驾驶状态，则所述检测模块检测车辆在发生故障时的地图数据是否存在，若存在所述地图数据，则所述分类模块对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。进一步的，所述判断模块用于执行以下操作：根据车辆的动力指令数据、制动指令数据发出和转向指令数据判断当前车辆是否已退出了自动驾驶状态。进一步的，所述确定模块用于执行以下操作：将所述车辆行驶状况数据与预设的阈值范围相比较，若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。进一步的，所述车辆行驶状况数据包括方向盘转动角度、刹车的力度、车辆未达到达指定终点的行驶速度、油门力度中的一种或多种；其中，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；车辆未达到达指定终点而行驶速度在预设的时间内为零；所述油门力度在预设的时间内超出预设的油门力度阈值。进一步的，若所述检测模块检测到当前车辆的位置信息与车辆在发生故障时的地图数据中的位置信息不一致时，则所述分类模块将车辆发生的故障判定为地图定位故障类别；若所述检测模块检测到车辆未采集到车辆周围的障碍物的感知信息时或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致时，则所述分类模块将车辆发生的故障判定为感知异常故障类别；若所述检测模块检测到车辆传感器的状态显示灯未正常开启，则所述分类模块将车辆发生的故障判定为硬件连接故障类别；若所述检测模块检测到当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致时，则所述分类模块将车辆发生的故障判定为驾驶操作有误的故障类别。本专利技术的自动驾驶车辆的故障智能分类方法和系统，首先，判断当前车辆是否已退出自动驾驶状态；若车辆已退出自动驾驶状态，则基于车辆行驶状况数据确定车辆退出自动驾驶的类型；若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。通过这种故障智能分类方法可以判断出自动驾驶车辆发生本文档来自技高网...

【技术保护点】
1.一种自动驾驶车辆的故障智能分类方法，其特征在于，该故障智能分类方法包括以下步骤：/nS1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；/nS2:若车辆已退出自动驾驶状态，则采集车辆行驶状况数据，并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；/nS3:若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。/n

【技术特征摘要】
1.一种自动驾驶车辆的故障智能分类方法，其特征在于，该故障智能分类方法包括以下步骤：
S1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；
S2:若车辆已退出自动驾驶状态，则采集车辆行驶状况数据，并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；
S3:若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。


2.根据权利要求1所述的故障智能分类方法，其特征在于，根据车辆的动力指令数据、制动指令数据发出和转向指令数据判断当前车辆是否已退出自动驾驶状态。


3.根据权利要求1所述的故障智能分类方法，其特征在于，所述步骤S2还包括以下子步骤：
将所述车辆行驶状况数据与预设的阈值范围相比较，
若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；
若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。


4.根据权利要求3所述的故障智能分类方法，其特征在于，所述车辆行驶状况数据包括方向盘转动角度、刹车的力度、车辆未达到达指定终点的行驶速度、油门力度中的一种或多种。


5.根据权利要求4所述的故障智能分类方法，其特征在于，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：
所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；
所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；
车辆未到达指定终点而行驶速度在预设的时间内为零；
所述油门力度在预设的时间内超出预设的油门力度阈值。


6.根据权利要求1所述的故障智能分类方法，其特征在于，所述步骤S3中对车辆发生的故障进行分类以获得车辆的故障类别包括以下子步骤：
若当前车辆的位置信息与车辆在发生故障时的地图数据中的位置信息不一致，则将车辆发生的故障判定为地图定位故障；
若车辆未采集到车辆周围的障碍物的感知信息或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致，则将车辆发生的故障判定为感知异常故障；
若车辆传感器的状态显示灯未正常开启，则将车辆发生的故障判定为硬件连接故障；
若当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致，则将车辆发生的故障判定为驾驶操作有误的故障。


7.一种自动驾驶车辆的故障智...

【专利技术属性】
技术研发人员：焦子航，韩坪良，商伯涵，李志善，黄文俊，
申请(专利权)人：苏州智加科技有限公司，
类型：发明
国别省市：江苏;32