该技术已申请专利。仅供学习研究，如用于商业用途，请联系技术所有人。

1.本发明涉及一种用于确定控制车辆的轨迹的方法。此外，本发明涉及用于执行该方法的车辆计算机、车辆系统、计算机程序以及计算机可读介质。


背景技术：

2.自动驾驶对车辆的控制组件的安全性提出了很高的要求。同时，应当保证尽可能舒适的驾驶体验。然而，影响驾驶体验的因素可能会因车辆环境的不同而有很大差异。因此期望能够在尽可能多的车辆状况下可靠地识别出这样的因素。在此应当继续满足对控制组件的安全性的要求。
3.车辆可以具有用于捕获车辆环境的传感器系统和用于处理传感器数据和控制车辆的车辆计算机。所述传感器系统例如可以包括多个不同类型的传感器。所述车辆计算机例如可以配置为合并各个传感器的传感器数据，也称为传感器数据融合，通过评估合并的传感器数据识别车辆环境中的对象，并且在考虑车辆和已识别对象两者的未来状态的情况下计算车辆的合适的轨迹。


技术实现要素：

4.在此背景下，利用这里提出的方案提出了根据独立权利要求的一种方法、一种车辆计算机、一种车辆系统、一种计算机程序和一种计算机可读介质。这里提出的方案的有利扩展和改进从说明书中得出并且在从属权利要求中加以描述。
5.本发明的优点
6.本发明的实施方式有利地使得可以将车辆计算机的体系架构细分为用于计算尽可能安全的轨迹的安全域和用于计算尽可能舒适的轨迹的舒适域。在此，例如可以对两个域中的每一个使用不同的算法来进行传感器数据处理和/或轨迹计算。这是有利的，因为相应的算法可以专门适配于这些域的相应要求——安全要求或舒适要求，由此可以一方面提高识别精度而另一方面提高计算效率。
7.本发明的第一方面涉及一种用于确定控制车辆的轨迹的计算机实现的方法，其中所述车辆配备有用于捕获所述车辆的环境的传感器系统和用于处理传感器数据并控制所述车辆的车辆计算机。该方法包括以下步骤：在所述车辆计算机的控制模块中接收由所述传感器系统产生的传感器数据；将所述传感器数据输入安全算法，所述安全算法已被配置为基于所述传感器数据识别安全相关对象；将所述传感器数据输入舒适算法，所述舒适算法已被配置为基于所述传感器数据识别舒适相关对象；使用表示所述车辆的环境的环境模型来估计已识别对象的未来状态，在所述环境模型中存储了已识别对象并且随着时间的推移跟踪已识别对象；基于已识别对象的估计的未来状态，在考虑安全规范的情况下计算安全轨迹并且在考虑舒适规范的情况下计算舒适轨迹；检查所述舒适轨迹是否满足所述安全规范；如果所述舒适轨迹满足所述安全规范则使用所述舒适轨迹来控制所述车辆；如果所述舒适轨迹不满足所述安全规范则使用所述安全轨迹来控制所述车辆。
8.车辆可以是例如乘用车、卡车、公共汽车或摩托车。替代地，车辆也可以理解为机器人。
9.该方法例如可以由所述车辆计算机自动执行。所述车辆计算机可以包括硬件模块和/或软件模块。因此，所述控制模块能够以硬件和/或软件来实现。此外，所述车辆计算机可以包括处理器、存储器和用于在所述处理器和所述存储器之间进行数据通信的总线系统。此外，所述车辆计算机可以包括一个或多个接口，用于与外部设备(例如也与其他车辆或基础设施)进行数据通信(也称为car-to_x通信)或与互联网进行数据通信。
10.所述传感器系统可以包括至少一个环境传感器，例如超声传感器、雷达传感器、激光雷达传感器或相机。此外，所述传感器系统可以包括至少一个驾驶动态传感器，例如横摆率传感器、加速度传感器、车轮转速传感器或方向盘转角传感器。此外，所述传感器系统可以包括位置传感器，以用于借助于全球导航卫星系统如gps、glonass等来确定车辆的绝对位置。车辆的绝对位置可以附加地或替代地基于来自一个或多个驾驶动态传感器的传感器数据来确定。
11.所述车辆计算机可以被配置为通过对应地操控车辆的致动器系统来部分或完全自动化地控制车辆，即转向、加速、制动或导航。所述致动器系统例如可以包括至少一个转向致动器、至少一个制动致动器和/或发动机控制设备。为了操控致动器系统，车辆例如可以配备有一个或多个驾驶员辅助功能。这种驾驶员辅助功能可以作为硬件和/或软件实现并且例如可以集成到所述车辆计算机中。
12.所述传感器数据可以是传感器系统的各个传感器的输出。例如，所述输出可以是通过过滤和/或变换传感器的原始数据而产生的数据。然而，所述传感器数据也可以是通过处理传感器的输出而产生的数据。
13.例如，在识别对象时可以在多个连续的时间步骤中识别出对象的对象类别，例如“迎面而来的车辆”、“行人”或“行驶道路标记”，以及所述对象的当前状态，例如其速度、位置和/或相对于车辆和/或其他已识别对象的取向。已识别对象，即例如它的对象类别、速度、位置和/或取向，可以存储在对象列表中并不断更新。
14.在此，也可以基于已识别对象的估计的当前状态来计算安全轨迹和舒适轨迹。
15.此外，可以使用数字地图来识别对象(见下文)。
16.为了随时间跟踪已识别对象，可以使用诸如贝叶斯滤波器、粒子滤波器或卡尔曼滤波器的状态估计器。
17.车辆的环境例如可以由环境模型来表示，该环境模型被配置为基于存储在对象列表中的对象来预测车辆和其他交通参与者在共享交通空间中的运动。交通空间可以通过诸如道路标记、自由通行区域、交通标志或交通信号系统的已识别对象来定义。
18.车辆和/或已识别对象可以例如通过将所述车辆或已识别对象的测量位置与存储在数字地图中的对象位置进行比较来定位。例如，存储在数字地图中的对象可以集成到环境模型中。
19.舒适算法和安全算法可以彼此不同。例如，舒适算法可以通过机器学习进行训练，而安全算法可以是其保护和发布更为简单的算法，例如在sotif(safety of the intended functionality；目标功能的安全性)或iso 26262标准的范围中。
20.例如，车辆在其上移动的行驶道路的性质可能与舒适度相关。例如，行驶道路是平
坦的还是不平坦的、弯道少还是弯道多、铺砌的还是未铺砌的、风景优美还是位置不佳、交通通畅或交通堵塞等，行人、骑自行车的人、玩滑板的人等是否在行驶道路旁边，是否存在诸如医院的特殊建筑，是否有诸如卡车、面包车、摩托车、街道清洁车辆的特殊车辆位于相邻或更远的车道上等等都与车辆乘员的舒适度相关。一般来说，舒适算法可以配置为识别和预测比安全的轨迹规划所需要的更大作用距离内明显更多数量的对象类别，例如在行驶道路旁更远处的对象。相反，为了其他交通参与者、特别是行人或骑自行车的人的舒适，例如车辆在其上移动的行驶道路是湿的还是干的、脏的还是干净的等可能是相关的。例如，应该避免的是其他交通参与者被过往车辆溅湿、弄脏或以其他方式干扰。
21.安全相关对象可以理解为决定性地影响或可能影响车辆和/或其他交通参与者的安全的对象。例如，这些对象可以是车辆不应碰撞的物体或其他交通参与者，或是行驶道路标记等。
22.安全相关对象也可以同时是舒适相关对象，反之亦然。
23.安全规范例如可以是车辆相对于安全相关对象(例如其他交通参与者、道路标记等)的预给定距离、预给定取向和/或预给定相对速度。
24.与此类似，舒适规范例如可以是车辆相对于舒适相关对象的预给定距离、预给定取向和/或预给定相对速度。舒适规范也可以例如采用诸如人工神经网络的机器学习算法的形式，该机器学习算法评估环境模型和/或传感器数据(例如相机图像)，并且已经在自然观察到的人们的驾驶行为的基础上进行了训练。
25.换句话说，该方法基于车辆计算机的体系结构，该体系结构分为舒适性和安全性的层面(或域)，从而在每一层面中都可以使用最适用于该体系结构的算法。从而例如为了相对复杂地识别舒适相关的特征可以使用诸如人工神经网络的经过对应训练的机器学习算法，而为了识别安全相关的特征可以使用更易于保护和发布的算法。
26.为了保持较低的编程耗费，对不同的层面可以例如至少部分地使用相同的软件组件。
27.本发明的第二方面涉及一种车辆计算机，其被配置为执行根据本发明第一方面的实施方式的方法。该方法的特征也可以是车辆计算机的特征，反之亦然。
28.本发明的第三方面涉及一种车辆系统，其包括用于捕获车辆环境的传感器系统和根据本发明第二方面的实施方式的车辆计算机。根据本发明第一方面的实施方式的方法的特征也可以是所述车辆系统的特征，反之亦然。
29.本发明的其他方面涉及一种计算机程序，当所述计算机程序由根据本发明第二方面的实施方式的车辆计算机执行时，所述计算机程序执行根据本发明第一方面的实施方式的方法，以及涉及一种计算机可读介质，其上存储有这种计算机程序。
30.所述计算机可读介质可以是易失性或非易失性数据存储器。例如，计算机可读介质可以是硬盘、usb存储设备、ram、rom、eprom或闪存。计算机可读介质还可以是使得能够下载程序代码的数据通信网络，例如互联网或数据云(cloud)。根据本发明第一方面的实施方式的方法的特征也可以是所述计算机程序和/或所述计算机可读介质的特征，反之亦然。
31.本发明的实施方式的想法可以被认为尤其是基于以下描述的想法和发现。
32.根据一个实施方式，还将安全算法的输出输入到舒适算法中，其中舒适算法已被配置为还基于安全算法的输出识别舒适相关对象。因此可以实现的是，在识别舒适相关对
象时注意一定的安全规范。换句话说，通过这种方式，安全算法可以使舒适算法更加安全。
33.还可以在没有专用对象识别的情况下，通过舒适算法来处理诸如图像的传感器原始数据。
34.根据一个实施方式，舒适算法是通过机器学习训练的，以基于传感器数据识别舒适相关对象和/或安全相关对象。由此可以实现相对高水平的自动驾驶性能。
35.根据一个实施方式，舒适算法基于人工神经网络。所述人工神经网络可以例如是多层感知器或卷积神经网络。
36.根据一个实施方式，基于已识别对象的估计的未来状态，在考虑另外的安全规范的情况下计算用于将车辆转换为安全状态的另外的安全轨迹。所述另外的安全轨迹可以理解为用于在安全的、即风险最小的状态下停止车辆的风险优化的轨迹。例如，可以借助于所述另外的安全轨迹将车辆停在行驶道路边缘。当安全轨迹的计算失败时，将所述另外的安全轨迹用于控制车辆。安全轨迹和另外的安全轨迹的不同之处可以例如在于，另外的安全轨迹将车辆转换为安全状态，而安全轨迹继续行驶并在合适的未来时间点与舒适轨迹配合。
37.根据一个实施方式，该方法还包括以下步骤：在所述车辆计算机的另外的控制模块中接收所述传感器数据，其中所述控制模块和所述另外的控制模块彼此独立地被供应电能；由所述另外的控制模块将所述传感器数据输入到所述安全算法中；由所述另外的控制模块使用所述环境模型来估计已识别对象的未来状态；由所述另外的控制模块在考虑另外的安全规范的情况下基于已识别对象的估计的未来状态来计算用于将所述车辆转换为安全状态的另外的安全轨迹；由所述另外的控制模块检查所述控制模块是否起作用；当所述控制模块不起作用时，由所述另外的控制模块使用所述另外的安全轨迹来控制所述车辆。由此可以创建冗余，以便在车辆计算机失效的情况下无事故地且安全地将车辆转换为安全状态。
38.根据一个实施方式，所述车辆系统包括被配置为执行根据本发明第一方面的实施方式的方法的控制模块，以及至少一个另外的控制模块，所述另外的控制模块可以独立于控制模块地被供应电能并且同样被配置为执行根据本发明第一方面的实施方式的方法。
39.根据一个实施方式，所述控制模块包括被配置为执行根据本发明第一方面的实施方式的方法的软件模块。此外，所述另外的控制模块也包括被配置为执行根据本发明第一方面的实施方式的方法的软件模块。在此，所述另外的控制模块的软件模块至少部分是所述控制模块的软件模块的副本。
附图说明
40.下面参考附图描述本发明的实施方式，其中附图和说明书均不应被解释为限制本发明。
41.图1示出了具有根据本发明实施例的车辆系统的车辆。
42.图2示出了图1中的车辆系统。
43.这些图仅仅是示意性的而不是真实的比例。在图中，相同的附图标记表示相同的或具有相同效果的特征。
具体实施方式
44.图1示出了车辆100，其配备有用于捕获车辆100的环境中的对象(这里示例性的是道路标记104)的传感器系统102、前方行驶的车辆106、水坑108和在水坑108附近停留的行人109、致动器系统110和车辆计算机112。致动器系统110可以包括例如一个或多个转向或制动致动器和发动机控制设备。车辆计算机112、传感器系统102和致动器系统110是车辆系统114的组件，所述车辆系统可以配置为以部分和/或完全自动化的方式控制车辆100。例如，车辆计算机112可以操控致动器系统110，使得车辆100被转向、加速或制动。
45.为此，车辆计算机112首先从传感器系统102的各个传感器接收传感器数据116，这里示例性地从相机102a和雷达传感器102b接收传感器数据116，并且通过评估传感器数据116计算车辆100的至少一个安全轨迹120和舒适轨迹122(由两个虚线箭头指示)。在此，车辆计算机112识别道路标记104、前方行驶的车辆106、水坑108和行人109。对于舒适轨迹122的计算，例如尤其是水坑108和行人109可能是相关的，而对于安全轨迹120的计算，除了行人109之外道路标记104和前方行驶的车辆106可能也是相关的。
46.通常，也与安全轨迹120的计算相关的一切都可以与舒适轨迹122的计算相关(图1中所示的水坑的识别和绕开仅仅是示例)。
47.两个轨迹120、122可以彼此不同，因为安全轨迹120是在对安全规范进行了优先级确定的情况下计算的，而舒适轨迹122是在对舒适规范进行了优先级确定的情况下计算的，这将在下面基于图2更详细地描述。简而言之，舒适轨迹122被设计成使得车辆100的乘员具有尽可能愉快的驾驶体验并且同时其他交通参与者尽可能不会受到车辆100的不利影响。例如，与安全轨迹120相反，舒适轨迹122绕开水坑108，使得行人109在车辆100经过时不会被溅到。
48.车辆计算机112还检查舒适轨迹122是否足够安全，例如车辆100在绕开水坑108时是否没有撞到迎面而来的车辆。如果舒适轨迹122足够安全，则车辆计算机112控制致动器系统110以根据舒适轨迹122引导车辆100。否则，车辆计算机112使用安全轨迹120来控制车辆100。
49.图2示出了图1的车辆计算机112的可能体系架构。该体系架构包括安全层面200、舒适层面202和冗余层面204。层面200、202、204表示车辆计算机112的体系架构的彼此分开的域。安全层面200和舒适层面202在控制模块206中实现，控制模块206也可以称为主计算集群。冗余层面204在另外的控制模块208中实现，所述另外的控制模块可以独立于控制模块206地被供应电能。另外的控制模块208也可以称为辅助计算集群。在失效的情况下，例如在电压供应中断或控制模块206发生故障的情况下，另外的控制模块204接管对车辆100的控制。
50.车辆计算机112横跨所有三个层面200、202、204被细分为不同的功能区域，将在下面更详细地描述这些功能区域。包含在这些功能区域中的模块可以实现为硬件和/或软件。如果在不同层面上执行，具有相同附图标记的模块应理解为同一个模块。例如，另外的控制模块208的模块可以至少部分是控制模块206的模块的副本。模块之间的数据流用箭头标记。
51.第一功能区域210涉及感知车辆100的环境和通过合并多个连续时间步骤中的传感器数据116进行对象检测。为此，在安全层面200和冗余层面204上执行安全感知模块212，
该安全感知模块执行安全算法，传感器数据116被输入到该安全算法中，并且该安全算法提供已识别的安全相关对象作为输出，例如前方行驶的车辆106、道路标记104或行人109。与此并行地，在舒适层面202上执行舒适感知模块214，该舒适感知模块执行舒适算法，传感器数据116也被输入到该舒适算法中，并且该舒适算法提供已识别的舒适相关对象作为输出，例如行人109和水坑108。
52.舒适算法可以基于对应训练的分类器，例如人工神经网络。特别地，人工神经网络可以是深度神经网络，例如具有大量可训练卷积层(也称为convolutional layer)的卷积神经网络。
53.安全算法可以是比舒适算法需要更少计算的算法。安全感知模块212可能已经根据质量标准asil-b(d)或asil-d进行了开发。
54.第二功能区域216涉及在数字地图中对车辆100和已识别对象104、106、108、109进行定位，所述数字地图可以包括安全层218和舒适层220。安全层218和舒适层220的安全要求可以彼此不同。安全层218位于安全层面200和冗余层面204中。舒适层220位于舒适层面202中。所述定位由定位模块222执行，该定位模块可以在安全层面200和冗余层面204上执行。定位模块222的输出可以从安全层面200输入或集成到舒适层220中。
55.第三功能区域224涉及环境模型226，已识别对象104、106、108、109和车辆100作为模型存储在该环境模型中并不断更新。
56.环境模型226可以例如是根据asil-d开发的并且包含不同可靠性的数据。环境模型226驻留在安全层面200中并且可以包括安全子图228，该安全子图的数据可以在安全层面200和冗余层面204两者中使用。安全访问模块230控制对环境模型226的数据的访问。
57.舒适层面202包括舒适访问模块232，该舒适访问模块一方面可以将数据输入到环境模型226中，例如与已识别的舒适相关对象108、109有关的数据，另一方面可以从环境模型226读取数据，例如与已识别的安全相关对象104、106、109有关的数据。在这两种情况下，访问都是经由安全访问模块230进行的。
58.第四功能区域234涉及使用环境模型226中的对应模型预测已识别对象104、106、108、109或车辆100的运动。
59.为此，可以在舒适层面202上实现舒适预测模块236，该舒适预测模块在舒适方面估计环境模型226的未来状态。舒适预测模块236例如还可以为后续轨迹规划产生面向舒适的边界条件。这种边界条件例如可以是出于舒适原因应当遵循的相对于其他交通参与者的距离。
60.可以基于舒适预测模块236的输出在舒适状态估计器238中为轨迹规划确定环境模型226的面向舒适的目标状态。
61.与此类似地，可以在安全层面200和冗余层面204上实现安全预测模块240，该安全预测模块在安全方面估计环境模型226的未来状态。安全预测模块240例如可以为后续的轨迹规划产生面向安全的边界条件。这种边界条件例如可以是出于安全原因应当遵循的相对于其他交通参与者的距离。
62.可以基于安全预测模块240的输出在安全状态估计器242中为轨迹规划确定环境模型226的面向安全的目标状态。安全状态估计器242可以仅在安全层面200上实现。
63.此外，可以在另外的安全状态估计器244中确定环境模型226的风险优化的、面向
安全的目标状态，该目标状态代表对车辆100和/或其他交通参与者而言最低可能风险的状态。另外的安全状态估计器244可以在安全层面200和冗余层面204两者上实现。
64.在出现故障的情况下，轨迹规划例如可以基于风险优化的目标状态进行。
65.第五功能区域246涉及轨迹规划。在此情况下，可以在所有三个层面200、202、204上实现用于计算安全轨迹120或舒适轨迹122的求解器248。
66.边界条件评估器250评估相应的边界条件。基于相应的目标状态和边界条件评估器250的输出，求解器248计算多个可能的安全轨迹或舒适轨迹。
67.在安全层面200和冗余层面204上实现的安全轨迹加权器252基于安全成本函数将成本分配给每个可能的安全轨迹并且从中选择最合适的安全轨迹120。
68.与此类似，在舒适层面202上实现的舒适轨迹加权器254基于舒适成本函数将成本分配给每个可能的舒适轨迹并且从中选择最合适的舒适轨迹122。
69.所述安全成本函数和所述舒适成本函数可以是不同的函数并且例如可以在复杂性方面不同。
70.求解器248可以基于风险优化的目标状态计算另外的安全轨迹，所述另外的安全轨迹可以用于将车辆100转换为安全状态。可以类似于安全轨迹120的计算来计算另外的安全轨迹。所述另外的安全轨迹可以既在安全层面200上(即由控制模块206)又在冗余层面204上(即由另外的控制模块208)计算，并且因此是冗余计算的。
71.第六功能区域256涉及仲裁。在此，在安全层面200上实现的检查模块258也可以称为仲裁器，其检查舒适轨迹122是否与面向安全的边界条件兼容或违反面向安全的边界条件。如果舒适轨迹122与面向安全的边界条件兼容，则检查模块258输出舒适轨迹122。否则，检查模块258输出安全轨迹120或另外的安全轨迹。如果安全轨迹120的计算出于某种原因未成功，则可以输出所述另外的安全轨迹。
72.此外，状态监视器260可以监视控制模块206或另外的控制模块208的所有相关组件。状态监视器260可以在安全层面200和冗余层面204两者上实现。例如，如果冗余层面204的状态监视器260确定控制模块206的相关组件之一的异常状态，则另外的控制模块208接管基于另外的安全轨迹对车辆100的控制，所述另外的安全轨迹是由另外的控制模块208计算的。
73.第七功能部分262涉及对致动器系统110的控制，所述致动器系统例如是车辆100的驱动器264、制动系统266和转向系统268。为此，在安全层面200和冗余层面204上实现车辆控制模块270，该车辆控制模块向致动器系统110发送对应的控制命令。因此通过安全层面200和冗余层面204冗余地操控致动器系统110，其中只要状态监视器260没有检测到功能损害或安全层面200的失效，来自安全层面200的控制命令就优先于来自冗余层面204的控制命令。
74.最后要指出的是，诸如“具有”、“包括”等术语不排除其他元素或步骤，而诸如“一个”的术语不排除复数。权利要求中的附图标记不应被看做限制。