自主车辆数据记录器制造技术

用于收集在自主车辆中生成的传感器数据的系统、方法和设备。所述车辆中的传感器在所述车辆在道路上操作期间生成传感器数据流。所述车辆的高级驾驶员辅助系统(ADAS)使用所述传感器数据流来操作所述车辆并响应于对象检测、识别、标识或分类中的故障和/或响应于事故的检测/预测而生成触发信号。循环缓冲器缓冲所述传感器数据流的至少一部分。响应于所述触发信号，所述传感器数据流的选择段被存储到非易失性存储器中。所述选择段可以部分在所述触发信号之前，部分在所述触发信号之后；并且选择段可以长于可以在所述触发信号时完全缓冲在所述循环缓冲器中的段。在所述循环缓冲器中的段。在所述循环缓冲器中的段。

【技术实现步骤摘要】
【国外来华专利技术】自主车辆数据记录器
[0001]相关申请
[0002]本申请要求于2019年1月31日提交的题为“自主车辆数据记录器(Autonomous Vehicle Data Recorders)”的美国专利申请序列号16/263,403的优先权，其全部公开内容由此通过引用并入本文。
[0003]本申请涉及于2019年1月31日提交的题为“自主车辆的数据记录器(Data Recorders for Autonomous Vehicles)”的美国专利申请序列号16/263,359、于2018年3月16日提交的题为“自主驾驶车辆的黑盒子数据记录器(Black Box Data Recorder for Autonomous Driving Vehicle)”的美国专利申请序列号15/923,820、于2018年3月28日提交的题为“自主驾驶车辆中的具有人工智能处理器的黑盒子数据记录器(Black Box Data Recorder with Artificial Intelligence Processor in Autonomous Driving Vehicle)”的美国专利申请序列号15/938,504、于2018年6月18日提交的题为“响应于事件检测下载系统存储器数据(Downloading System Memory Data in Response to Event Detection)”的美国专利申请序列号16/010,646、于2017年12月29日提交的题为“用于增强人工神经网络的分布式架构(Distributed Architecture for Enhancing Artificial Neural Network)”的美国专利申请序列号15/858,143和于2017年12月29日提交的题为“用于增强人工神经网络的分布式架构中的自学习(Self
‑
Learning in Distributed Architecture for Enhancing Artificial Neural Network)”的美国专利申请序列号15/858,505，所述申请的全部内容通过引用并入本文。


[0004]本文公开的至少一些实施例涉及记录自主车辆的传感器数据以用于后续分析，例如事故回顾和/或更新由高级驾驶员辅助系统(ADAS)使用的数据、地图和人工神经网络模型。

技术介绍

[0005]自主车辆通常包含许多传感器以帮助控制自主车辆的操作。在涉及自主车辆的事故、碰撞或近似碰撞的情况下，回顾事故之前和/或期间记录的传感器数据可能会对潜在地帮助确定事故的原因和/或是否已存在设计缺陷和/或车辆故障有所帮助。
[0006]如果在事故期间断电，存储在易失性存储器中的车辆传感器数据可能会丢失。易失性存储器需要电力来维持存储在其中的数据。易失性存储器的实例包含动态随机存取存储器(DRAM)和静态随机存取存储器(SRAM)。
[0007]一些存储器集成电路是非易失性的，并且即使在很长一段时间(例如，数天、数月、数年)不供电时也能保留所存储的数据。非易失性存储器的实例包含闪速存储器、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)和电子可擦除可编程只读存储器(EEPROM)存储器等。
[0008]一些非易失性存储器的有用服务周期受限于编程和擦除以存储新数据的周期。编
程擦除(P/E)预算表示可以可靠地进行以替换可擦除媒体中的数据的预定数量的编程和擦除周期。在预定的擦除周期之后，此可擦除媒体的编程擦除(P/E)预算用完；并且因此，从统计学意义上讲，媒体可能变得不可靠并因此被视为处于其使用寿命的末期。例如，单层胞元(SLC)闪速存储器的P/E预算可以在近似100,000个周期之间；多层胞元(MLC)闪速存储器的P/E预算范围可以为10,000到30,000个周期；而三层胞元(TLC)或四层胞元(QLC)闪速存储器的P/E预算可以在3,000到5,000个周期之间。
附图说明
[0009]实施例通过实例而非限制在附图的图中示出，其中相似的附图标记指示相似的元件。
[0010]图1示出了系统，其中车辆配置有数据记录器以收集传感器数据以用于改进其高级驾驶员辅助系统(ADAS)和/或用于事故回顾。
[0011]图2示出了根据一个实施例的具有数据记录器的自主车辆。
[0012]图3示出了根据一个实施例的数据记录器。
[0013]图4示出了根据一个实施例的操作数据记录器的方法。
[0014]图5示出了根据一个实施例的操作数据记录器的另一种方法。
[0015]图6示出了根据一个实施例的另一种数据记录器。
[0016]图7示出了根据一个实施例的又一种数据记录器。
[0017]图8
‑
10示出了根据一些实施例的操作数据记录器的方法。
具体实施方式
[0018]本文公开的至少一些实施例提供了系统、方法和装置以在不同条件下并且出于不同目的收集和存储在自主车辆或具有高级驾驶员辅助系统(ADAS)的另一个车辆中生成的传感器数据。
[0019]在一个实例中，在事故(例如，碰撞或近似碰撞)或近似事故事件之后，可以回顾传感器数据以确定事件的原因。此传感器数据在本文中可以被称为事故传感器数据。事故传感器数据可以被分析以例如标识事故或近似事故事件的原因和/或自主车辆的不安全方面或设计。所述分析可以导致用于自主车辆和/或类似车辆的安全操作的改进的控制设计和/或配置。
[0020]在另一个实例中，在车辆的ADAS(例如，自主驾驶系统)检测到处理传感器数据时的故障/错误，或检测到标识来自传感器数据的对象时的失配，或无法标识/分类来自传感器数据的对象，或无法以最低置信水平识别、检测、标识或分类对象之后，可以使用传感器数据来改进高级驾驶员辅助系统(ADAS)。与事故或近似事故事件不相关的此类传感器数据在本文中可以被称为训练传感器数据。例如，可以通过使用传感器数据进行机器学习和/或更新ADAS中使用的数据模型以分类或标识对象来进行改进。此类数据模型可以包含自主车辆行驶所在的道路系统的高清晰度(HD)地图和/或用于对象检测、分类、识别和/或标识的人工神经网络。
[0021]高清晰度(HD)地图通常用于自主车辆中进行运动规划。此地图可以具有厘米级的高精度。HD地图可以提供有关车辆操作所在的环境(例如，道路系统)的几何和语义信息。HD
地图中提供的几何信息可以包含由光探测和测距(激光雷达)、雷达、摄像头、声纳、GPS等收集的原始传感器数据。语义信息可以标识对象，例如车道边界、交叉路口、停车位、停车标志、交通灯和其它信息(例如，车速、变道限制等)。
[0022]已经开发了一些技术以进一步使用HD地图来生成用于使用人工神经网络(ANN)进行的对象检测、分类、标识和/或识别的表示/输入。
[0023]可以将HD地图中标识的对象与经由由数码摄像头、激光雷达(光探测本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种自主车辆，其包括：传感器，其被配置成在所述自主车辆在道路上操作期间生成传感器数据流；高级驾驶员辅助系统，其被配置成基于所述传感器数据流在所述道路上操作所述自主车辆，其中所述高级驾驶员辅助系统进一步被配置成响应于对象检测、识别、标识或分类中的故障而生成训练信号；非易失性存储器；循环缓冲器，其被配置成缓冲所述传感器数据流；和控制器，其被配置成接收训练信号并且作为响应，将所述传感器数据流的第一段存储到所述非易失性存储器中，其中所述第一段长于在所述训练信号时缓冲在所述循环缓冲器中的所述传感器数据流的第二段。2.根据权利要求1所述的自主车辆，其中所述第一段包含所述第二段。3.根据权利要求2所述的自主车辆，其中所述控制器被配置成作为对所述训练信号的响应，将所述第二段从所述循环缓冲器拷贝到所述非易失性存储器并将第三段写入所述非易失性存储器中，所述第三段在所述传感器数据流中的所述第二段之后，而所述第二段不经过任何循环缓冲器。4.根据权利要求3所述的自主车辆，其中所述控制器被配置成作为对所述训练信号的响应，与将所述第三段写入所述非易失性存储器中并行地将所述第二段拷贝到所述非易失性存储器。5.根据权利要求2所述的自主车辆，其中所述控制器被配置成在从所述传感器数据流接收一部分的同时从所述循环缓冲器检索最旧部分，并且将所接收的部分缓冲到由所述最旧部分占用的存储器单元中。6.根据权利要求5所述的自主车辆，其中所述控制器被配置成作为对所述训练信号的响应，与将所接收的部分缓冲到所述循环缓冲器中并行地写入从所述循环缓冲器检索的所述最旧部分。7.根据权利要求1所述的自主车辆，其中所述传感器包含数码摄像头、雷达、激光雷达或超声波声纳或其任何组合。8.根据权利要求7所述的自主车辆，其中所述高级驾驶员辅助系统包含所述道路的地图和人工神经网络；并且所述高级驾驶员辅助系统被配置成经由在所述人工神经网络中应用所述传感器数据流来响应于所述道路地图中的对象的标识和相对应对象的标识之间的失配而生成所述训练信号。9.根据权利要求8所述的自主车辆，其中在所述训练信号之后，所述自主车辆被配置成将所述传感器数据流的所述第一段从所述非易失性存储器传输到远程服务器，所述远程服务器被配置成将所述传感器数据流的所述第一段用于至少更新所述道路地图、所述人工神经网络或所述地图和所述人工神经网络二者。10.根据权利要求9所述的自主车辆，其中所述高级驾驶员辅助系统进一步被配置成响应于事故的检测或预测而生成事故信号；并且所述控制器进一步被配置成接收所述事故信号并且作为响应，将所述循环缓冲器的内容拷贝到所述非易失性存储器中。11.根据权利要求10所述的自主车辆，其中所述控制器进一步被配置成响应于所...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：