用于自动化车辆的人性化转向模型制造技术

用于自动化车辆(12)的人性化转向系统(10)包括可操作以转向车辆(12)的一个或多个转向轮(16)，被配置成确定转向轮(16)的转向角(18)的角度传感器(20)，由车辆(12)的操作者(14)用来影响转向角(18)并由此手动转向车辆(12)的手轮(22)，可操作以影响转向角(18)由此当操作者(14)不手动转向车辆(12)时转向车辆(12)的转向致动器(24)，可操作以指示接近车辆(12)的物体(30)的相对位置(28)的位置传感器(26)，以及控制器(32)。控制器(32)被配置成接收转向角(18)和相对位置(28)，使用深度学习技术，基于转向角(18)和相对位置(28)确定转向模型(34)，并当操作者(14)不手动转向车辆(12)时操作转向致动器(24)以根据转向模型(34)转向车辆(12)，由此以与操作者(14)如何手动转向车辆(12)相似的方式转向车辆(12)。辆(12)相似的方式转向车辆(12)。辆(12)相似的方式转向车辆(12)。

【技术实现步骤摘要】
用于自动化车辆的人性化转向模型
[0001]本申请是国际申请日为2016
‑
08
‑
24，国际申请号为PCT/US2016/048331，进入中国国家阶段的申请号为201680058254.6，题为“用于自动化车辆的人性化转向模型”的专利技术专利申请的分案申请。


[0002]本公开大体涉及用于自动化车辆的人性化转向(steering)系统，并且更具体地涉及使用深度学习技术来开发转向模型，该模型以与操作者如何手动转向(steer)车辆相似的方式转向车辆。

技术介绍

[0003]已经提出了在没有来自车辆的操作者的任何手动输入的情况下转向车辆的完全自动化的(即，自主)车辆。然而，控制车辆的转向的算法具有性能调整变量，该变量使得调整客户舒适度的算法复杂化。即使当考虑乘客舒适度时，算法的性能也仅在用于调整算法的特定转向场景期间提供优异的舒适性。需要的是模仿操作车辆的人的转向特性的算法或转向模型。

技术实现思路

[0004]根据一个实施例，提供一种用于自动化车辆的人性化转向系统。该系统包括可操作以转向车辆的一个或多个转向轮。该系统还包括被配置成确定转向轮的转向角的角度传感器。该系统还包括由车辆的操作者使用来影响转向角并由此手动转向车辆的手轮(hand
‑
wheel)。该系统还包括转向致动器，该转向致动器可操作以影响转向角，从而在操作者不手动转向车辆时转向车辆。该系统还包括可操作以指示接近车辆的物体的相对位置的位置传感器。该系统还包括被配置成接收转向角和相对位置的控制器。控制器被进一步配置成使用深度学习技术，基于转向角和相对位置确定转向模型，并当操作者不手动转向车辆时操作转向致动器以根据转向模型转向车辆，由此以与操作者如何手动转向车辆相似的方式转向车辆。
[0005]阅读优选实施例的下列详细描述并参考各个附图，进一步的特征和优点将更加显而易见，优选实施例只是作为非限制性示例给出的。
附图说明
[0006]现在将参考各个附图通过示例的方式来描述本专利技术，其中：
[0007]图1是根据一个实施例的用于自动化车辆的人性化转向系统的图；
[0008]图2是根据一个实施例的系统中的数据表；
[0009]图3是根据一个实施例的图1的系统中的数据的图；以及
[0010]图4是根据一个实施例的由图1的系统所执行的过程的数据的逻辑图。
具体实施方式
[0011]图1示出了人性化转向系统(下文称为系统10)的非限制性示例。尽管本文中呈现的系统10的描述通常针对完全自动化(即，自主)车辆(下文称为车辆12)，构想到本文呈现的教导适用于部分自动化车辆，部分自动化车辆可以瞬间地接管对车辆12的控制或瞬间地辅助操作者14手动地转向车辆12以例如避开另一车辆。
[0012]系统10，或更具体地车辆12，配备有一个或多个转向轮，下文称为转向轮16。转向轮16通常可以被表征为可操作以转向车辆12。虽然预期车辆12通常是四轮汽车，但构想到，本文呈现的教导也将适用于配备有单个转向轮的两轮或三轮车辆，通过改变车辆的前部和后部之间的相对角度转向的铰接式车辆、以及可能配备有多于四个车轮和/或多于两个转向轮的其他轮式车辆。
[0013]为了系统10确定转向轮16的角度或方向，系统包括角度传感器20，该角度传感器20被配置为确定和/或指示转向轮16的转向角18。角度传感器可以使用各种技术(诸如，可变电阻、可变磁阻或数字位置编码器)中的一种，来输出或提供指示转向角18的信号。
[0014]如稍后将更详细解释的，本文描述的系统10通常被配置成以模仿人类(即，操作者14)手动转向车辆12的方式操作或转向车辆12。通常，系统通过观察/记录影响操作者14可如何转向车辆12的各种方面来“学习”操作员14手动转向车辆12的方式，然后建立数学模型以力图复制观察到的行为。
[0015]为了使操作员14能够手动转向车辆12，系统10(或车辆12)配备有由车辆12的操作员14使用或可操作的手轮22以影响转向角18，从而手动转向车辆12。虽然术语手轮通常被解释为典型地在汽车中发现的相对圆形的手轮，但其他替代的转向手段例如操纵杆、手柄、缰绳、脚踏板、按钮、旋钮或滑动旋钮等也被构想并且被包括在手轮22的定义中。
[0016]系统10还包括转向致动器24，转向致动器24可用于或可操作为影响转向角18，因此当操作员14不手动转向车辆12时，系统10能够转向车辆12。在一个实施例中，转向致动器24可以导致手轮22随着转向角18变化而移动，这对于辅助转向式转向机构通常是这种情况。替代地，转向机构可以被表征为手轮22和转向致动器24之间不存在机械连接的线控转向式转向机构。即，在线控转向式系统中，可能只有电连接，因此当系统10而不是操作员14正在转向车辆12时，手轮22可能不响应于转向角18的变化而移动。
[0017]系统10还包括可操作以指示接近车辆12的物体30的相对位置28的位置传感器26。物体30的非限制性示例包括车辆12行驶的道路或行车道的表面上的车道标记、道路边缘、标志、标志杆、诸如护栏之类的屏障、建筑桶、行人、动物、和诸如汽车、摩托车、自行车等的其他车辆。位置传感器26可以包括但不限于相机26A，雷达单元26B和激光雷达单元26C中的一个或任意组合。
[0018]系统10还包括控制器32，其被配置为接收例如转向角18、相对位置28、和/或手动控制信号38以用于观察/学习当操作者14正在手动操作车辆12时操作者14操作(例如，转向)车辆12的方式。控制器32还被配置为当操作者14不在手动操作或转向车辆12时以与操作者14如何手动转向车辆12类似的方式操作或转向车辆12。
[0019]控制器32可包括诸如微处理器的处理器(未具体示出)或其它控制电路，诸如模拟和/或数字控制电路，包括如对本领域技术人员应显而易见的用于处理数据的专用集成电路(ASIC)。控制器32可包括用以存储一个或多个例程、阈值和所捕捉的数据的存储器(未具
体示出)，包括非易失性存储器，诸如电可擦除可编程只读存储器(EEPROM)。如本文所述，该一个或多个例程可以由处理器执行以执行用于确定操作者14手动操作或转向车辆12的方式以及以类似方式自主操作车辆12的步骤。
[0020]给定例如来自角度传感器20的转向角18、来自位置传感器26的关于物体30的相对位置28和其他信息(例如，尺寸、形状、运动、分类等)中存在的信息，控制器被配置为通过使用深度学习技术基于至少转向角18和相对位置28来确定转向模型34。使用深度学习技术相对基于控制理论的技术是有利的，因为深度学习放松了基于控制理论的模型构建技术所必需的预想概念或假设中的一些。深度学习技术容易包括实时条件的影响，诸如例如温度可以如何影响轮胎刚度和/或转向操纵如何影响乘客舒适度。可以使用递归神经网络(RNN)来构建或训练转向模型34，该递归神经网络(RNN)是可以在动态系统中实施的基于时间的深度学习方法。...

【技术保护点】

【技术特征摘要】
1.一种用于生成转向模型的系统，所述系统包括：控制器，所述控制器被配置成用于：对于一个或多个车辆正被手动转向的多个时间中的每一个时间：确定在相应时间处的参数，所述参数包括相应车辆相对于接近所述相应车辆的至少一个物体的相应相对位置；形成指示在所述相应时间处的所述参数的相应时间的输入数据；以及确定所述相应车辆在所述相应时间处的转向角，以及基于所述多个时间的所述输入数据和在各时间处的各转向角构建转向角的转向模型，所述转向模型被配置成用于：在车辆未被手动转向的时间处：接收针对该时间的输入数据，所述输入数据指示包括所述车辆在该时间处的相对位置的在该时间处的参数；并且基于针对该时间的所述输入数据生成针对该时间的期望转向角。2.根据权利要求1所述的系统，其中，所述输入数据包括二进制向量。3.根据权利要求2所述的系统，其中，所述二进制向量包含所述参数中的每一个参数的位。4.根据权利要求1所述的系统，其中，所述参数进一步包括天气条件。5.根据权利要求4所述的系统，其中，所述天气条件包括晴、多云、有雾、下雨、下雪、有风、和温度。6.根据权利要求1所述的系统，其中，所述参数进一步包括车辆状态。7.根据权利要求6所述的系统，其中，所述车辆状态包括车道位置、横向加速度、纵向加速度、或车辆速度中的一项或多项。8.根据权利要求1所述的系统，其中，所述参数进一步包括车辆规格。9.根据权利要求8所述的系统，其中，所述车辆规格包括车辆尺寸、车辆质量、转向响应时间、或发动机功率中的一项或多项。10.根据权利要求1所述的系统，其中，所...

【专利技术属性】
技术研发人员：孙鲁冬，M，
申请(专利权)人：安波福技术有限公司，
类型：发明
国别省市：