[发明专利]利用地图数据进行卡尔曼滤波器参数选择的方法和装置

说明书

本申请涉及一种方法和装置，其包括用于检测当前位置的传感器；用于存储与第一环境条件相关联的第一组卡尔曼滤波器参数和与第二环境条件相关联的第二组卡尔曼滤波器参数的存储器；处理器，用于根据第一组卡尔曼滤波器参数执行辅助驾驶算法，用于接收当前位置，用于响应于当前位置来确定第二组卡尔曼滤波器参数，用于根据第二组卡尔曼滤波器参数执行辅助驾驶算法，以及用于响应于根据第二组卡尔曼滤波器参数的辅助驾驶算法而生成控制信号；以及车辆控制器，其是可操作的，以响应于该控制信号来控制车辆。

技术领域

本公开总体上涉及对机动车辆控制系统进行编程。更具体地，本公开的各方面涉及用于响应于由车辆控制系统使用的环境特性而提供与高级驾驶辅助系统(ADAS)一起使用的卡尔曼滤波器的系统、方法和设备。

背景技术

现代车辆的操作变得越来越自动化，即能够以越来越少的驾驶员干预提供驾驶控制。车辆自动化已分类为从零(对应于全人为控制的无自动化)到五(对应于无人为控制的全自动)的数字水平。各种ADAS(例如巡航控制、自适应巡航控制和停车辅助系统)对应于较低的自动化水平，而真正的“无人驾驶”车辆则对应于较高的自动化水平。

已开发出自适应巡航控制系统，该系统不仅可以保持设定的速度，而且还可以在使用各种传感器(例如全球定位系统、雷达、激光雷达和相机检测到行驶速度较慢的前车时自动降低车辆的速度。此外，一些车辆系统试图将车辆保持在道路上车道的中心附近。当使用各种传感器时，系统中会引入噪声和不确定性，这会导致每次测量有些不可靠。为了补偿这种不可靠性，卡尔曼滤波器用于预测传感器或系统的值，然后将其与实际传感器测量值进行比较，以减少测量不确定性。然而，由于所涉及的随机性，针对一种环境调整的卡尔曼滤波器不适用于另一种环境。为了补偿这些环境差异，必须保持最坏情况的参数，这会对ADAS性能产生负面影响。为了在配备有ADAS的机动车辆中提供改善的性能，期望针对各种环境改善卡尔曼滤波器的性能。

在背景技术部分中公开的上述信息仅用于增强对本发明背景技术的理解，因此，其可能包含不构成该国本领域普通技术人员已知的现有技术的信息。

发明内容

本文公开了自动驾驶车辆控制系统训练系统和用于提供自动驾驶车辆控制的相关控制逻辑，其制造方法和用于操作这种系统的方法，以及配备有车载控制系统的机动车辆。通过示例而非限制的方式，提出了一种具有机载车辆控制学习和控制系统的汽车。

根据本发明的一方面，一种装置包括：传感器，其可操作以检测当前位置；存储器，用于存储与第一环境条件相关联的第一组卡尔曼滤波器参数以及与第二环境条件相关联的第二组卡尔曼滤波器参数；处理器，用于根据第一组卡尔曼滤波器参数执行辅助驾驶算法，用于接收当前位置，用于响应于当前位置确定第二组卡尔曼滤波器参数，用于根据第二组卡尔曼滤波器参数执行辅助驾驶算法，以及用于根据第二组卡尔曼滤波器参数响应于辅助驾驶算法生成控制信号；以及车辆控制器，其可操作以响应于控制信号来控制车辆。

根据本发明的另一方面，其中传感器包括全球定位系统。

根据本发明的另一方面，还包括用于检测第二环境条件的相机，并且其中第二组卡尔曼滤波器参数是响应于第二环境条件而确定的。

根据本发明的另一方面，其中第二环境条件是被遮挡的头顶视野条件。

根据本发明的另一方面，其中，所述车辆控制器是可操作的，以响应于所述控制信号减小油门输出。

根据本发明的另一方面，其中，当前位置是具有头顶树叶的多树木的位置。

根据本发明的另一方面，其中，第二组卡尔曼滤波器参数是用于处理来自传感器的当前位置的调谐参数。

根据本发明的另一方面，其中，卡尔曼滤波器用于提高当前位置的检测精度。