用于自动驾驶系统的路径规划系统开发的平台技术方案

本发明专利技术涉及用于自动驾驶系统的路径规划系统开发的平台。本发明专利技术提供了一种方法(100)和装置(10)，该方法(100)和装置(10)利用量产车辆通过使用联合学习为自动驾驶系统(ADS)开发新的路径规划特征。为了实现这一点，“被测”路径规划模块的输出在开环中被评估，以便产生成本函数，该成本函数随后用于更新或训练路径规划模块(73)的路径规划模型。规划模块(73)的路径规划模型。规划模块(73)的路径规划模型。

【技术实现步骤摘要】
用于自动驾驶系统的路径规划系统开发的平台
[0001]相关申请的交叉引用
[0002]本专利申请要求2021年4月29日提交的名称为“用于自动驾驶系统的路径规划系统开发的平台”的第21171217号欧洲专利申请的优先权，本专利申请被转让给本专利申请的受让人，并通过引用明确地并入本文。


[0003]本公开涉及用于配备有自动驾驶系统(ADS)的车辆的路径规划模块的性能评估和开发的方法和系统。具体地，本专利技术涉及车辆的路径规划模块的开环评估及其后续更新。

技术介绍

[0004]在过去几年中，与自动驾驶汽车相关的研究和开发活动数量激增，并且正在探索许多不同的方法。越来越多的现代车辆配备了先进驾驶员辅助系统(ADAS)，以提高车辆安全性和更普遍的道路安全性。ADAS(例如可以由自适应巡航控制、ACC、防撞系统、前向碰撞警告等体现)是可以在驾驶时帮助车辆驾驶员的电子系统。当今，研究和开发在与ADAS和自动驾驶(AD)领域两者相关的许多
内正在进行。在本文中，ADAS和AD将参考与所有的不同级别的自动化相对应的通用术语自动驾驶系统(ADS)，如例如由驾驶自动化的SAE J3016级别(0
‑
5)定义的不同级别，特别是级别4和级别5。
[0005]在不远的将来，预计ADS解决方案将进入大多数投放市场的新的车辆中。ADS可以被解释为各种部件的复杂组合，这些部件可以被限定为由电子和机械而不是人类驾驶员来执行的车辆的感知、决策进行和操作的系统，并且可以被限定为将自动化引入到道路交通中。这包括对车辆、目的地以及对周围环境的获知的处理。虽然自动化系统具有对车辆的控制，但它允许人类操作者将所有或至少部分责任留给系统。ADS通常结合各种传感器来感知车辆的周围环境，例如雷达、激光雷达、声纳、相机、导航系统(例如，GPS)、里程表和/或惯性测量单元(IMU)，先进的控制系统可以在这些传感器的基础上解译感官信息(sensory information)，以识别适当的导航路径以及障碍物、自由空间区域(free
‑
space areas)和/或相关标志。
[0006]当前开发ADS的大部分努力都围绕着安全地向市场发布第一个系统。然而，一旦实现这一目标，以安全和有效的方式改进系统将是至关重要的，既可以实现成本降低，也可以提高性能。通常，与ADS(或“ADS特征(feature)”)的安全性开发、测试和验证相关的成本很高，特别是关联与现场测试和了解系统在交通中的行为方式。此外，不管是从数据存储、处理和带宽的角度还是从数据安全/隐私的视角来看，在管理配备ADS的车辆产生的大量数据以便开发、测试和验证各种ADS特征方面都存在额外的挑战。
[0007]因此，本领域需要新的解决方案来促进ADS的开发、测试和/或验证，以便能够持续提供更安全和性能更高的系统。与往常一样，最好在不对车载系统或平台的尺寸、功耗和成本产生重大影响的情况下进行改进。

技术实现思路

[0008]因此，本专利技术的一个目的是提供一种由车载式计算系统执行的用于车辆的路径规划模块的自动开发的方法，一种计算机可读存储介质，一种用于车辆的路径规划模块的自动开发的装置，以及包括这种装置的车辆，它们减轻、缓解或完全消除当前已知解决方案的所有或至少一些缺点。
[0009]提供用于促进ADS的开发、测试和/或验证的解决方案以便能够持续地提供更安全和更高性能的系统也是本专利技术的一个目的。
[0010]这些目的通过由用于车辆的路径规划模块的自动开发的车载式计算系统执行的方法、计算机可读存储介质、用于车辆的路径规划模块的自动开发的装置以及一种包括如所附权利要求中所限定的这种装置的车辆来实现。术语示例性在本上下文中被理解为用作实例、示例或图示。
[0011]根据本专利技术的第一方面，提供由车载式计算系统执行的用于配备有ADS的车辆的路径规划模块的自动开发的方法。该方法包括从路径规划模块获取候选路径。路径规划模块被配置为基于路径规划模型和指示车辆的周围环境的数据来生成车辆的候选路径。该数据例如可以是从车辆的感知系统获取的经过处理的传感器数据。此外，方法包括获取用于评估候选路径的参考框架。参考框架被配置为当候选路径被应用于参考框架中时指示与候选路径相关联的一个或多个风险值。方法进一步包括通过在参考框架中应用候选路径来评估所获取的候选路径，以便基于一个或多个风险值确定成本函数。成本函数指示在参考框架内的路径规划模块的性能。所指示的路径规划模块的性能例如可以是指示所生成的候选路径有多“安全”的度量。该方法进一步包括通过被配置为对所确定的成本函数进行优化的优化算法来更新路径规划模型的一个或多个参数。
[0012]因此，上述方法提供了一种用于自动驾驶车辆的学习平台，其中量产ADS的量产系统和传感器被利用来执行ADS的路径规划特征的下一个版本的联合学习。由此，很容易在成本和时间方面为自动驾驶车辆的路径规划特征的开发、测试和验证提供优势。
[0013]根据本专利技术的第二方面，提供一种存储一个或多个程序的(非暂时性)计算机可读存储介质，该一个或多个程序被配置为由车载式处理系统的一个或多个处理器执行，一个或多个程序包括用于执行根据本文中公开的任意实施例的方法的指令。对于本专利技术的该方面，存在与前面讨论的本专利技术的第一方面类似的优点和优选特征。
[0014]如本文中所用的术语“非暂时性”旨在描述不包括传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其他方式限制物理的计算机可读存储设备(由短语计算机可读介质或存储器涵盖的)的类型。例如，术语“非暂时性计算机可读介质”或“有形存储器”旨在涵盖不一定永久储存信息的存储设备类型，包括例如随机存取存储器(RAM)。以非暂时形式储存在有形计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或信号(例如电、电磁或数字信号)进行传输，其可以通过诸如网络和/或无线链接的通信介质传送。因此，本文中所使用的术语“非暂时性”是对介质本身的限制(即，有形的，不是信号)，而不是对数据存储持久性(例如，RAM与ROM)的限制。
[0015]此外，根据本专利技术的第三方面，提供了一种用于配备有ADS的车辆的路径规划模块的自动开发的装置。该装置包括被配置为从路径规划模块获取候选路径的控制电路。路径规划模块被配置为基于路径规划模型和指示车辆周围环境的数据来生成车辆的候选路径。
控制电路进一步被配置为获取用于评估候选路径的参考框架。参考框架被配置为当候选路径被应用于参考框架中时指示与候选路径相关联的一个或多个风险值。此外，控制电路被配置为通过在参考框架中应用候选路径来评估所获取的候选路径，以便基于一个或多个风险值确定成本函数。成本函数指示在参考框架内路径规划模块的性能。此外，控制电路被配置为通过被配置为对所确定的成本函数进行优化的优化算法来更新路径规划模型的一个或多个参数。对于本专利技术的该方面，存在与前面讨论的本专利技术的第一方面类似的优点和优选特征。
[0016]更进一步，根据本专利技术的另一方面，提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种由车载式计算系统执行的用于车辆的路径规划模块的自动开发的方法(100)，其中所述车辆配备有自动驾驶系统ADS，所述方法包括：从所述路径规划模块获取(101)候选路径，其中所述路径规划模块被配置为基于路径规划模型和指示所述车辆的周围环境的数据来生成所述车辆的所述候选路径；获取(102)用于评估所述候选路径的参考框架，所述参考框架被配置为当所述候选路径被应用于所述参考框架中时指示与所述候选路径相关联的一个或多个风险值；通过在所述参考框架中应用所述候选路径来评估(103)所获取的候选路径，以便基于所述一个或多个风险值确定成本函数，所述成本函数指示在所述参考框架内的所述路径规划模块的性能；并且通过被配置为对所确定的成本函数进行优化的优化算法来更新(104)所述路径规划模型的一个或多个参数。2.根据权利要求1所述的方法(100)，其中，获取参考框架的步骤包括：获取(108)所述车辆(1)的周围环境的风险地图(40)，其中所述风险地图是基于所述车辆的驱动能力和所述周围环境中的自由空间区域的位置形成的，所述驱动能力包括所述驱动能力的不确定性估计，并且所述自由空间区域的位置包括被估计的所述自由空间区域的位置的不确定性估计；其中，所述风险地图包括在所述车辆的所述周围环境中包括的多个区域段(51)中的每个的风险参数；其中，所述风险地图进一步具有时间分量，所述时间分量至少在由所述候选路径的预测持续时间限定的持续时间内基于所述自由空间区域的预测的时间演变而指示所述区域段的所述风险参数的时间演变；并且其中，所述风险地图形成所述参考框架。3.根据权利要求2所述的方法(100)，其中，评估所获取的候选路径的步骤包括：基于与所述候选路径交叉的区域段的集合的所述风险参数，确定(109)所述候选路径的聚合风险值，所述聚合风险值限定所述一个或多个风险值；并且基于所确定的聚合风险值确定(110)所述成本函数。4.根据前述权利要求中的任一项所述的方法(100)，其中，获取参考框架的步骤包括：存储(111)在一时间段期间从所述车辆的感知系统获取的感知数据的集合，所述感知系统被配置为基于在所述时间段期间从一个或多个车载传感器获取的传感器数据生成所述感知数据的集合；通过后处理所述感知数据的集合来形成(112)基准世界视图，所述基准世界视图指示在所述时间段期间在所述车辆的所述周围环境中的情景；并且其中，所述基准世界视图形成所述参考框架。5.根据权利要求4所述的方法(100)，其中，评估所获取的候选路径的步骤包括：比较(113)所述候选路径与所述基准世界视图，以便获取所述一个或多个风险值；并且基于所获取的所述一个或多个风险值确定(114)所述成本函数，每个风险值指示在所述时间段的至少一部分期间的所述候选路径的碰撞威胁度量的时间演变。6.根据权利要求1所述的方法(100)，进一步包括：将所述路径规划模块的所述路径规划模型的一个或多个更新后的参数传输(105)到远
程实体；从所述远程实体接收(106)所述路径规划模块的所述路径规划模型的全局更新后的参数的集合，其中所述全局更新后的参数的集合基于从包括相应路径规划模块的多个车辆获取的信息；并且基于接收到的所述全局更新后的参数的集合，更新(107)所述路径规划模块的所述路径规划模型。7.一种计算机可读存储介质，存储被配置为由车载式处理系统的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行根据前述权利要求中的任一项所述的方法的指令。8.一种用于车辆(1)的路径规划模块(73)的自动开发的装置(10)，其中所述车辆配备有自动驾驶系统ADS，所述装置...

【专利技术属性】
技术研发人员：芒努斯，
申请(专利权)人：哲晰公司，
类型：发明
国别省市：