一种自动驾驶车辆故障检测方法及系统与流程

本发明涉及自动驾驶、网络安全及车辆检测领域，特别涉及一种自动驾驶车辆故障检测方法及系统。

背景技术：

随着科技的发展，很多知名科技厂商都在研发自己公司的自动驾驶汽车，英特尔联合一家研究公司近期发布报告预计，全球自动驾驶汽车市场规模将在2050年达到7万亿美元。波士顿咨询公司则称，到2035年全球自动驾驶汽车销量将达1200万辆，其中超过1/4在中国售出。

与此同时，自动驾驶汽车安全性广受大众关注。美国的部分司法管辖区(somejurisdictions)正致力于将自动驾驶技术引入客车或接驳车服务中，但美国汽车协会调研发现，76％的受访者表示，即使该地区有提供这类服务，他(她)们不会选择搭乘无人驾驶轿车、客车或接驳车。

如果有一种独立与车厂的三方电子设备实时检测自动驾驶车辆的安全性，一旦自动驾驶车辆因为故障或者网络入侵，该电子设备能够及时提醒用户，可以降低交通事故概率，同时提升用户对自动驾驶汽车的认可程度。

技术实现要素：

为了解决上述问题，本发明提供了一种自动驾驶车辆故障检测方法及系统。

一种自动驾驶车辆故障检测方法，包括：

1车载传感器采集周围路况信息；

2摄像模块采集自动驾驶车辆仪表盘画面和方向盘画面，计算车辆行驶数据；

3车载电脑根据所述路况信息及所述车辆行驶数据，根据系统预设的车辆理论控制决策判断自动驾驶车辆是否安全；

4若车载电脑判断自动驾驶汽车不安全，提醒用户切换至手动驾驶模式，并将所述自动驾驶车辆安全隐患和位置信息上传服务器。

优选的，车载传感器为毫米波雷达、视觉摄像头、激光雷达及微光传感器。

优选的，所述摄像模块为智能眼镜、ar头盔及车载摄像头。

优选的，所述自动驾驶车辆安全隐患和位置信息上传至服务器后，所述服务器提醒所述位置附近其他车辆或行人减速缓行，避免车祸发生。

一种自动驾驶车辆故障检测系统，包括：车载传感器、车载电脑、摄像模块和服务器。

所述车载传感器，用于采集周围路况信息；

所述车载电脑，用于判断自动驾驶车辆安全性；

所述摄像模块，用于实时拍摄自动驾驶车辆仪表盘画面和方向盘画面，采集车辆行驶数据；

所述服务器，用于存储车辆的安全隐患和位置信息。

本发明提供的一种自动驾驶车辆故障检测方法及系统，能够实时的监测自动驾驶车辆的安全性，一旦自动驾驶汽车因为网络入侵或故障出现安全隐患，用户可以切换至手动驾驶模式或提前有所准备，降低交通事故发生概率或降低交通事故危害程度，保证用户的生命安全。

附图说明

图1是一种自动驾驶车辆故障检测方法流程示意图；

图2是一种自动驾驶车辆故障检测系统结构示意图。

具体实施方法

下面，结合附图对本发明的具体实施例进行详细的描述，但不作为本发明的限定。

应理解的是，可以对此处公开的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。

当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。

请参考图1，图1是一种自动驾驶车辆故障检测方法流程示意图，如图1所示，一种车辆故障检测方法流程包括s1到s4的四个步骤：

s1、车载传感器采集周围路况信息。

车载传感器可以为自动驾驶汽车的激光雷达、视觉传感器、毫米波雷达及微光传感器。

激光雷达具有高精度、高分辨率的优势，同时具有建立周边3d模型的前景，然而其劣势在于对静止物体如隔离带的探测较弱且目前技术落地成本高昂。激光雷达可广泛应用于adas系统，例如自适应巡航控制(acc)、前车碰撞警示(fcw)及自动紧急制动(aeb)。

视觉传感器具有从一整幅图像捕获光线的数以千计的像素。图像的清晰和细腻程度通常用分辨率来衡量，以像素数量表示。banner工程公司提供的部分视觉传感器能够捕获130万像素。因此，无论距离目标数米或数厘米远，传感器都能“看到”十分细腻的目标图像。在捕获图像之后，视觉传感器将其与内存中存储的基准图像进行比较，以做出分析。

毫米波雷达，是工作在毫米波波段(millimeterwave)探测的雷达。通常毫米波是指30～300ghz频域(波长为1～10mm)的。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。同厘米波导引头相比，毫米波导引头具有体积小、质量轻和空间分辨率高的特点。与红外、激光、电视等光学导引头相比，毫米波导引头穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的特点。另外，毫米波导引头的抗干扰、反隐身能力也优于其他微波导引头。毫米波雷达能分辨识别很小的目标，而且能同时识别多个目标。

微光传感器利用红外技术，如可在雾、雨、雪的天气下工作，作用距离远。

s2、摄像模块采集自动驾驶车辆仪表盘画面和方向盘画面，计算车辆行驶数据。

自动驾驶车辆仪表盘可以提供车辆的行驶速度信息；

自动驾驶车辆转弯时方向盘会自动旋转；

摄像模块可以为带摄像头的电子设备，包括智能眼镜、ar头盔及车载摄像头，摄像模块采集仪表盘的车辆速度及方向盘的旋转方向获得自动驾驶车辆的行驶数据。

同时摄像模块也采集仪表盘中其他数据，如采集车辆剩余油量判断自动驾驶车辆行驶方式是否为最优选择等。

s3、车载电脑根据所述路况信息及所述车辆行驶数据，根据系统预设的车辆理论控制决策判断自动驾驶车辆是否安全。

自动驾驶汽车的车辆理论控制决策与本发明提供的系统采用的车辆理论控制决策不是同一套系统，这样可以用两种不同的系统同时计算车辆控制方法，降低车辆安全隐患。

s4、若车载电脑判断自动驾驶汽车不安全，提醒用户切换至手动驾驶模式，并将所述自动驾驶车辆安全隐患和位置信息上传服务器。

提醒用户的方式可以为智能眼镜或ar眼镜给出的视觉提醒和声音提醒，或车载电脑给出的声音提醒。

下面用一个具体的实施例解释本发明，请参考图2，图2一种自动驾驶车辆故障检测系统结构示意图，如图2所示，a11是毫米波雷达，a12是激光雷达，b11为智能眼镜，c11为车载电脑，d11为服务器。

自动驾驶车辆车载传感器a11和a12采集周围路况数据；

智能眼镜b11采集仪表盘和方向盘画面，计算自动驾驶车辆的行驶数据；

车载电脑c11根据所述路况数据和行驶数据，根据系统预存的车辆理论控制决策，判断所述自动驾驶车辆是否安全，这里假设所述车辆存在安全隐患；

b11智能眼镜视觉提醒和声音提醒用户，自动驾驶车辆存在安全隐患，切换至手动控制车辆，同时将所述自动驾驶车辆的安全隐患和位置信息发送至d11服务器；

d11服务器存储安全隐患并提醒所述位置附近行人车辆注意安全。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。