自动驾驶控制器、包括其的系统及自动驾驶控制方法与流程

自动驾驶控制器、包括其的系统及自动驾驶控制方法
[0001]
相关申请的交叉引用
[0002]
本申请要求于2019年7月22日提交的申请号为10-2019-0088489的韩国专利申请的优先权和权益，该韩国专利申请的全部内容通过引用并入本文。
技术领域
[0003]
本公开涉及一种自动驾驶控制器、包括该自动驾驶控制器的系统及自动驾驶控制方法，并且更具体地，涉及学习驾驶员的驾驶倾向以改善转向感的技术。


背景技术：

[0004]
该部分中的陈述仅提供与本公开有关的背景信息，并且可能不构成现有技术。
[0005]
通常，自动驾驶控制器是用于辅助驾驶员驾驶其车辆的装置，并且是指示车辆的转向致动器连续产生转向扭矩从而使得车辆在车道的中央行驶的系统。
[0006]
换言之，当将电动助力转向系统(mdps)用作致动器时，转向扭矩连续产生。在这种情况下，系统的转向扭矩被传递到驾驶员的方向盘以发挥车道保持性能。因此，驾驶员感到转向异质感。
[0007]
这里，当通过扭矩传感器测量驾驶员的转向意图为预定值或更大时，在当前模式从车道保持模式改变为超驰(override)模式时，转向扭矩减小或所需扭矩值变为零(“0”)，以将控制权限移交给驾驶员。
[0008]
然而，随着自动驾驶装置的发展，自动驾驶装置的驾驶环境判断和控制响应性的比率增加，强调精确控制而不是转向辅助的重要性。因此，代替转向扭矩，转向角已经被用作控制输入。
[0009]
当将转向角用作控制输入时，因为能够对与转向扭矩相比对车辆的横向行为具有直接影响的车轮的转向角执行反馈控制，因此对干扰更稳健。
[0010]
然而，因为基于转向角输入的自动驾驶装置应根据特定条件执行转向超驰，所以异质感变大。已经发现，即使学习驾驶员的驾驶倾向对于辅助转向扭矩超驰的扭矩不是必需的，但是当控制转向角时，期望考虑驾驶员的驾驶倾向以减少驾驶员的不平稳转向感。


技术实现要素：

[0011]
本公开的一方面提供一种自动驾驶控制器、包括该自动驾驶控制器的系统及自动驾驶控制方法，该自动驾驶控制器学习驾驶员的驾驶倾向，基于学习到的数据和驾驶员信息来改变转向超驰基准值，并且将改变后的转向超驰基准值应用于自动驾驶控制以提高驾驶员的满意度。
[0012]
本发明构思要解决的技术问题不限于上述问题，并且本公开所属领域的技术人员将从以下描述中清楚地理解本文中未提及的任何其它技术问题。
[0013]
根据本公开的一方面，一种自动驾驶控制器可以包括：处理器，当车辆行驶时收集驾驶数据、基于收集的驾驶数据来计算作为判断超驰模式的基准的转向超驰基准值，并且
通过基于收集的驾驶数据或关于车辆的驾驶员的信息改变转向超驰基准值来控制自动驾驶；以及存储装置，存储收集的驾驶数据以及由处理器执行以使处理器计算转向超驰基准值的一组指令。
[0014]
在一种形式中，处理器可以通过将车辆的转向角和转向扭矩变化值与改变后的转向超驰基准值进行比较来判断自动驾驶模式或超驰模式，并且可以基于判断的自动驾驶模式或超驰模式来控制车辆。
[0015]
在另一形式中，当驾驶员坐在车辆的驾驶员座椅上时，处理器可以计算驾驶员的重量作为驾驶员信息。
[0016]
在另一形式中，当接收到指示驾驶员系紧其安全带的信号、指示安全带的长度变化的信号和指示由车辆的重量传感器检测的重量的变化的信号中的至少一个时，处理器可以计算驾驶员的重量。
[0017]
在一种形式中，驾驶数据可以包括转向角、转向角的变化量、转向扭矩和扭矩的变化量中的至少一个。
[0018]
在另一形式中，当驾驶员乘坐在车辆中时，处理器可以通过将驾驶员的面部数据与预先存储的驾驶员信息进行比较来识别驾驶员。
[0019]
在一种形式中，处理器可以判断自动驾驶模式是否被启用，并且当自动驾驶模式被禁用时，处理器可以计算转向超驰基准值。
[0020]
在另一形式中，当自动驾驶模式被启用时，处理器可以判断是否学习到驾驶员的转向倾向，并且当转向倾向的学习完成时，处理器可以基于学习到的转向倾向数据来计算转向超驰基准值。并且，当转向倾向的学习未完成时，处理器可以基于驾驶员的重量来计算转向超驰基准值。
[0021]
在一种形式中，自动驾驶控制器可以进一步包括：显示器，显示基于改变后的转向超驰基准值的自动驾驶控制状态。
[0022]
根据本公开的另一方面，一种用于车辆的车辆系统可以包括：感测装置，感测驾驶数据和关于车辆的驾驶员的信息；以及自动驾驶控制器，当车辆行驶时从感测装置收集驾驶数据，基于收集的驾驶数据来计算作为判断超驰模式的基准的转向超驰基准值，并且通过基于收集的驾驶数据或驾驶员信息改变转向超驰基准值来控制自动驾驶。
[0023]
在一种形式中，感测装置可以包括：重量传感器，测量车辆的驾驶员的重量；以及安全带传感器，感测驾驶员是否系紧其安全带或者安全带的长度是否改变。
[0024]
在另一形式中，自动驾驶控制器可以基于来自重量传感器和安全带传感器的输入值来判断驾驶员是否坐在车辆中的驾驶员座椅上，并且可以计算驾驶员的重量作为驾驶员信息。
[0025]
在另一形式中，感测装置可以包括：扭矩传感器，测量车辆的转向扭矩；以及电容传感器，测量车辆的转向扭矩的变化量。
[0026]
在另一形式中，自动驾驶控制器可以通过将车辆的转向角和转向扭矩变化值与改变后的转向超驰基准值进行比较来判断自动驾驶模式或超驰模式，并且可以基于判断的自动驾驶模式或超驰模式来控制车辆。
[0027]
在另一形式中，自动驾驶控制器可以判断自动驾驶模式是否被启用，当自动驾驶模式被禁用时可以计算转向超驰基准值，当自动驾驶模式被启用时可以判断是否学习到驾
驶员的转向倾向，当转向倾向的学习完成时可以基于学习到的转向倾向数据来计算转向超驰基准值，并且当转向倾向的学习未完成时可以基于驾驶员的重量来计算转向超驰基准值。
[0028]
根据本公开的另一方面，一种自动驾驶控制方法可以包括：当车辆行驶时，收集驾驶数据；基于收集的驾驶数据来计算作为判断超驰模式的基准的转向超驰基准值；以及通过基于收集的驾驶数据或关于车辆的驾驶员的信息改变转向超驰基准值来控制自动驾驶。
[0029]
在一种形式中，当自动驾驶模式被禁用时，可以计算转向超驰基准值。
[0030]
在另一形式中，通过改变转向超驰基准值来控制自动驾驶可以包括：当自动驾驶模式被启用时，判断是否学习到驾驶员的转向倾向；当转向倾向的学习完成时，基于学习到的转向倾向数据来计算转向超驰基准值；以及当转向倾向的学习未完成时，基于驾驶员的重量来计算转向超驰基准值。
[0031]
根据本文提供的描述，其它应用领域将变得显而易见。应理解的是，描述和特定示例仅旨在用于说明的目的，并不旨在限制本公开的范围。
附图说明
[0032]
为了可以充分地理解本公开，现在将参照附图描述通过示例的方式给出的本公开的各种形式，其中：
[0033]
图1是示出包括自动驾驶控制器的车辆系统的配置的框图；
[0034]
图2是示出传感器的安装示例的图；
[0035]
图3是示出用于自动驾驶控制的驾驶员识别以及学习信息处理的方法的流程图；
[0036]
图4是示出用于判断用于自动驾驶控制的基准值的方法的流程图；以及
[0037]
图5是示出计算系统的框图。
[0038]
本文描述的附图仅出于说明目的，并且不旨在以任何方式限制本公开的范围。
具体实施方式
[0039]
以下描述本质上仅是示例性的，并且不旨在限制本公开、应用或用途。应理解的是，在所有附图中，相应的附图标记表示相同或相应的部件和特征。
[0040]
此外，在描述本公开的示例性形式时，将排除对众所周知的特征或功能的详细描述，以免不必要地使本公开的主旨不清楚。
[0041]
在描述本公开的示例性形式的组件时，可以使用诸如“第一”、“第二”、“a”、“b”、“(a)”、“(b)”等术语。这些术语仅旨在将一个组件与另一组件区分开，并且这些术语不限制组成组件的性质、顺序或次序。除非另有定义，否则本文中使用的包括技术术语或科学术语的所有术语具有与本公开所属领域的技术人员通常理解的含义相同的含义。诸如在通用词典中定义的那些术语的术语将被解释为具有与相关领域中的上下文含义相同的含义，并且除非在本申请中明确定义为具有理想或过于形式化的含义，否则将不被解释为具有这种理想或过于形式化的含义。
[0042]
本公开的一种形式公开了以下技术：当基于转向角判断自动驾驶车辆中的驾驶员的超驰模式时，学习驾驶员的驾驶倾向，改变转向超驰基准值，并以适于驾驶员的方式将改变的转向超驰基准值应用于自动驾驶控制，以最小化转向超驰的异质感。
[0043]
在下文中，将参照图1至图5详细描述本公开的形式。
[0044]
图1是示出根据本公开的一种形式的包括自动驾驶控制器的车辆系统的配置的框图。图2是示出根据本公开的一种形式的传感器的安装示例的图。
[0045]
参照图1，根据本公开的一种形式的车辆系统可以包括自动驾驶控制器100、感测装置200、转向控制器300、制动控制器400、发动机控制器500和变速器控制器600。
[0046]
自动驾驶控制器100可以当车辆行驶时从感测装置200收集驾驶数据，可以基于收集的驾驶数据来学习作为用于判断超驰模式的基准的转向超驰基准值，并且可以通过基于学习到的数据或驾驶员信息改变转向超驰基准值来控制自动驾驶。在这种情况下，驾驶数据可以包括转向角、转向角的变化量、转向扭矩和扭矩的变化量中的至少一个或多个。
[0047]
自动驾驶控制器100可以包括通信装置110、存储装置120、显示器130和处理器140。
[0048]
通信装置110可以是利用各种电子电路实现并通过无线或有线连接传送和接收信号的硬件装置。在本公开的一种形式中，通信装置110可以通过控制器局域网(can)通信、本地互连网络(lin)通信等执行车辆间通信，并且可以与感测装置200、转向控制器300、制动控制器400、发动机控制器500或变速器控制器600通信。
[0049]
存储装置120可以存储通过感测装置200的感测结果而获得的驾驶数据以及由处理器140执行以使处理器计算转向超驰基准值的一组指令(例如，学习算法)等。存储装置120可以包括至少一种类型的存储介质，诸如闪存型存储器、硬盘型存储器、微型存储器、卡型存储器(例如，安全数字(sd)卡或极限数字(xd)卡)、随机存取存储器(ram)、静态ram(sram)、只读存储器(rom)、可编程rom(prom)、电可擦除prom(eeprom)、磁性ram(mram)、磁盘或光盘。
[0050]
显示器130可以显示自动驾驶控制状态(例如，自动驾驶模式、超驰模式等)。显示器130可以被实现为平视显示器(hud)、组合仪表、音频视频导航(avn)等。此外，显示器130可以包括液晶显示器(lcd)、薄膜晶体管-lcd(tft-lcd)、发光二极管(led)显示器、有机led(oled)显示器、有源矩阵oled(amoled)显示器、柔性显示器、弯曲显示器或三维(3d)显示器中的至少一种。其中一些可以被实现为透明显示器，该透明显示器被配置为透明类型或半透明类型以观看外部。此外，显示器130可以被实现为包括触摸面板的触摸屏以除了用作输出装置之外还用作输入装置。
[0051]
处理器140可以与通信装置110、存储装置120、显示器130等电连接，并且可以电控制各个组件。处理器140可以是执行软件指令的电路，并且可以执行以下描述的各种数据处理和计算。
[0052]
处理器140可以在车辆行驶时收集驾驶数据，可以基于收集的驾驶数据来学习作为用于判断超驰模式的基准的转向超驰基准值，并且可以通过基于学习到的数据或驾驶员信息改变转向超驰基准值来控制自动驾驶。
[0053]
处理器140可以将车辆的转向角和转向扭矩变化值与改变后的转向超驰基准值进行比较，以判断自动驾驶模式或超驰模式，并且可以基于判断的模式控制车辆。
[0054]
当判断驾驶员坐在车辆中的驾驶员座椅上时，处理器140可以计算驾驶员的重量作为驾驶员信息。当接收到指示驾驶员系紧其安全带的信号、指示安全带的长度变化的信号和指示由车辆中的重量传感器检测的重量的变化的信号中的至少一个时，处理器140可
以计算驾驶员的重量。
[0055]
当驾驶员乘坐在车辆中时，处理器140可以将驾驶员的面部数据与预先存储的驾驶员信息进行比较以识别驾驶员。
[0056]
处理器140可以判断自动驾驶模式是否被启用。当自动驾驶模式被禁用时，处理器140可以学习转向超驰基准值。
[0057]
当自动驾驶模式被启用时，处理器140可以判断是否学习到驾驶员的转向倾向。当学习完成时，处理器140可以基于学习到的数据来计算转向超驰基准值。当学习未完成时，处理器140可以基于驾驶员的重量来计算转向超驰基准值。
[0058]
这样，本公开的一种形式可以通过基于转向角控制的自动驾驶控制器100学习驾驶员的超驰倾向，将学习到的结果存储在存储装置120中，根据学习到的驾驶员的倾向确定超驰基准值以确定超驰模式或自动驾驶模式，并且根据确定的模式控制车辆，从而可以使驾驶员的异质感最小化。
[0059]
感测装置200可以包括用于拍摄驾驶员的面部的摄像机、扭矩传感器、电容传感器、重量传感器、安全带传感器等，并且可以将感测结果值传送到自动驾驶控制器100。如图2所示，扭矩传感器220和电容传感器230可以安装在车辆的方向盘上。摄像机可以包括在光线昏暗时使用的红外(ir)摄像机。扭矩传感器220可以感测车辆的扭矩值。电容传感器230可以测量车辆的转向扭矩的变化量。当驾驶员坐在驾驶员座椅上时，重量传感器可以测量驾驶员的重量。安全带传感器可以感测驾驶员是否系紧其安全带或安全带的长度。
[0060]
转向控制器300可以被配置为控制车辆的转向角，并且可以包括方向盘、与该方向盘联动的致动器以及用于控制该致动器的控制器。转向控制器300可以被实现为电动助力转向系统(mdps)。
[0061]
制动控制器400可以被配置为控制车辆的制动，并且可以包括用于控制制动器的控制器。制动控制器400可以被实现为电子稳定控制系统(esc)。
[0062]
发动机控制器500可以被配置为控制车辆的发动机驱动，并且可以包括用于控制车辆的速度的控制器。发动机控制器500可以被实现为发动机管理系统(ems)。
[0063]
变速器控制器600可以被配置为控制车辆的变速。变速器控制器600可以被实现为线控换挡控制单元(scu)等，并且可以控制目标变速挡(p/r/n/d)。
[0064]
在下文中，将参照图3和图4详细描述根据本公开的一种形式的自动驾驶控制方法。图3是示出根据本公开的一种形式的用于自动驾驶控制的驾驶员识别以及学习信息处理的方法的流程图。图4是示出根据本公开的一种形式的用于判断用于自动驾驶控制的基准值的方法的流程图。
[0065]
假设图1的自动驾驶控制器100执行图3和图4的过程。此外，在图3和图4的描述中，被描述为由设备执行的操作可以被理解为由自动驾驶控制器100的处理器140控制。
[0066]
参照图3，在s101中，设备可以通过安全带传感器或重量传感器来判断驾驶员是否坐在驾驶员座椅上，并且可以测量驾驶员的重量。换言之，设备可以使用驾驶员是否系紧其安全带、安全带的长度或者安装在驾驶员座椅的底部、靠背或头枕部分上的重量传感器来判断驾驶员是否坐在驾驶员座椅(例如，车辆的驾驶员座椅)上。
[0067]
在s102中，设备可以基于配备有自动驾驶控制器100的车辆的ir摄像机来识别驾驶员。在这种情况下，识别驾驶员可以以各种方法来执行。例如，设备可以从由ir摄像机拍
摄的面部图像数据中提取特征点，并且可以将所提取的特征点与预先存储的驾驶员的面部图像的特征点进行比较以识别驾驶员。在这种情况下，使用ir摄像机识别驾驶员只是一个示例。本公开的实施例不限于此。例如，能够以诸如指纹识别和语音识别的各种方式来识别驾驶员。在这种情况下，设备可以根据识别的驾驶员来存储并管理重量和面部识别信息。
[0068]
在s103中，设备可以基于识别驾驶员的结果来判断驾驶员是注册驾驶员还是未注册驾驶员。当驾驶员是未注册驾驶员时，在s104中，设备可以执行注册驾驶员信息的过程。在这种情况下，设备可以注册诸如驾驶员姓名和面部图像的信息以执行注册驾驶员信息的过程。
[0069]
当驾驶员是注册驾驶员时或当完成注册驾驶员信息的过程时，在s105中，设备可以判断是否启用车辆的自动驾驶模式。
[0070]
当启用车辆的自动驾驶模式时，设备可以进入用于判断转向超驰基准值的过程(s200)。
[0071]
另一方面，当禁用车辆的自动驾驶模式时，在s106中，设备可以获得驾驶员的驾驶数据。在s107中，设备可以基于学习算法来学习转向角和转向角的变化量。在这种情况下，驾驶员的驾驶数据可以包括各种学习数据，例如转向角的最大值和最小值、转向角的变化量、转向扭矩和扭矩的变化量。当驾驶员驾驶车辆时，设备可以使用安装在车辆方向盘上的扭矩传感器和电容传感器来学习使用的扭矩量和扭矩的变化量。在s108中，设备可以更新转向超驰基准值并且可以将更新后的转向超驰基准值存储在存储装置120中。这样，在自动驾驶模式被禁用的状态下，根据本公开的一种形式的自动驾驶控制器100可以学习驾驶员的转向倾向，即转向角和转向角的变化量，并且可以更新当前转向超驰基准值。此后，在s300中，设备可以在显示器130上显示更新后的转向超驰基准值，使得用户识别转向超驰基准值。
[0072]
当在s105中启用自动驾驶模式时，参照图4，在s201中，设备可以基于学习算法来判断是否学习到驾驶员的转向倾向。当驾驶员的转向倾向的学习未完成时，在s202中，设备可以基于驾驶员的重量将超驰基准值应用于自动驾驶控制。当驾驶员的转向倾向的学习完成时，在s203中，设备可以基于学习到的转向倾向数据将超驰基准值应用于自动驾驶控制。
[0073]
在这种情况下，学习算法可以被定义为基于驾驶员信息和驾驶员的扭矩使用历史信息来计算超驰基准值。
[0074]
在s301中，设备可以根据基准值判断是否转换超驰模式，并且可以在作为显示器130的人机界面(hmi)上显示自动驾驶模式，从而执行自动驾驶控制。例如，当转向角大于超驰基准值时，设备可以控制超驰模式(驾驶员模式)。当转向角小于或等于超驰基准值时，设备可以将车辆控制在自动驾驶模式中。
[0075]
这样，根据本公开的一种形式的自动驾驶控制器100可以在自动驾驶操作期间根据驾驶员信息(例如，重量、倾向等)来改变并控制转向超驰值。
[0076]
图5是示出根据本公开的一种形式的计算系统的框图。
[0077]
参照图5，计算系统1000可以包括经由总线1200彼此连接的至少一个处理器1100、存储器1300、用户界面输入装置1400、用户界面输出装置1500、存储装置1600和网络接口1700。
[0078]
处理器1100可以是处理存储在存储器1300和/或存储装置1600中的指令的中央处
理单元(cpu)或半导体装置。存储器1300和存储装置1600可以包括各种类型的易失性或非易失性存储介质。例如，存储器1300可以包括rom(只读存储器)1310和ram(随机存取存储器)1320。
[0079]
因此，结合本文公开的形式描述的方法或算法的操作可以直接实施为硬件或由处理器1100执行的软件模块或者硬件和软件模块的组合。软件模块可以驻留在诸如ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移除磁盘和cd-rom的存储介质(即，存储器1300和/或存储装置1600)中。
[0080]
示例性存储介质可以联接到处理器1100，并且处理器1100可以从存储介质中读取信息并且可以将信息记录在存储介质中。可选地，存储介质可以与处理器1100集成。处理器1100和存储介质可以驻留在专用集成电路(asic)中。asic可以驻留在用户终端内。在另一种情况下，处理器1100和存储介质可以作为单独的组件驻留在用户终端中。
[0081]
本技术可以通过基于车辆的转向扭矩和转向扭矩的变化量来学习驾驶员的转向倾向，基于学习到的数据和驾驶员信息改变转向超驰基准值并将改变后的转向超驰基准值应用于自动驾驶控制，以适于驾驶员的方式来减小转向超驰的异质感。
[0082]
另外，可以提供通过本公开直接或间接确定的各种效果。
[0083]
上文中，尽管参照示例性形式和附图描述了本公开，但是本公开不限于此，而是本公开所属领域的技术人员可以在不脱离所附权利要求书中要求保护的本公开的宗旨和范围的情况下，对本公开进行各种修改和改变。
[0084]
因此，提供本公开的示例性形式是为了解释本公开的宗旨和范围，而不是限制本公开的宗旨和范围，使得本公开的宗旨和范围不受这些形式的限制。本公开的范围应基于所附权利要求书来解释，并且在等同于权利要求书的范围内的所有技术思想都应包括在本公开的范围内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除