用于自动驾驶系统特征的评估和开发的方法和系统与流程

1.本公开涉及用于车辆的ads特征的性能评估和开发的方法和系统。具体地，一些实施例涉及用于分配资源以用于车辆的ads特征的性能评估和开发的仲裁架构。

背景技术：

2.在过去几年中，与自主车辆相关的研究和开发活动已经呈爆发式增长，并且正在探索许多不同的方法。越来越多的现代车辆具有先进的驾驶员辅助系统(adas)以提高车辆安全性以及更普遍地道路安全性。adas是可以在驾驶时帮助车辆驾驶员的电子系统，adas例如可以由自适应巡航控制(acc)、防碰撞系统、前向碰撞警告等表示。如今，在与adas和自主驾驶(ad)领域两者相关联的许多技术领域内，正在进行研究和开发。adas和ad在本文中将被称为与例如由驾驶自动化的sae j3016级别(0-5)所定义的所有不同自动化级别相对应的通用术语自动驾驶系统(ads)，并且具体地用于级别4和5。
3.在不久的将来，ads解决方案预计将应用于大部分投放市场的新车。ads可以被理解为各种部件的复杂组合，其能够被定义为其中车辆的感知、决策和操作由电子器件和机械而不是人类驾驶员来执行的系统，并且被定义为将自动化引入道路交通。这包括对车辆的处理、目的地以及对周围环境的了解。虽然自动化系统可以控制车辆，但它允许人类操作员将全部或至少一些职责留给系统。ads通常组合各种传感器以感知车辆的周围环境，传感器诸如例如雷达、激光雷达、声纳、摄像头、导航系统(例如gps)、里程表和/或惯性测量单元(imu)，高级控制系统可以基于这些传感器来解释传感信息以识别适当的导航路径以及障碍物、自由空间区域和/或相关标志。
4.当前为了ads特征或功能的开发所做的大量工作都围绕着将第一系统安全地推向市场。然而，一旦实现了这一点，那么以安全且高效的方式改进系统以实现成本降低和性能改进将是至关重要的。通常，与ads安全性的开发和验证相关联的成本和工作量巨大，尤其是与现场测试和了解系统在交通中的行为方式有关的成本和工作量巨大。因此，期待有效地利用每个车辆上的可用资源，无论是用于开发目的的车辆车队(测试车辆)还是已投放市场的车辆车队(量产车辆)。与专用测试车辆相比，利用量产车辆来开发和/或验证新的ads特征(例如，新的感知功能/特征)的优势在于，存在大量的可用车辆(以及因此而产生的大量的潜在训练数据)。
5.相应地，期待能够利用量产平台的现有硬件，以便使用与量产平台中存在的感测输出相同的感测输出来开发新的或更高性能的ads特征。然而，仍然存在着需要克服的技术挑战，这是因为量产平台可能在以下四个方面受到限制：可用功率、可用计算能力、数据存储容量以及用于数据传输的可用带宽。
6.本领域相应地需要新的解决方案来促进ads的开发和验证，以便能够持续地提供更安全且更高性能的系统。

技术实现要素：

7.因此，本发明的目的是提供方法、计算机可读存储介质、系统以及包括这种系统的车辆，它们减轻了目前已知的系统和方法的上述缺点中的全部或至少一部分。
8.该目的通过如所附独立权利要求中定义的方法、计算机可读存储介质、系统以及包括这种系统的车辆来实现。术语示例性在本上下文中将被理解为用作实例、示例或说明。
9.根据本发明的第一方面，提供了一种用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法。该方法包括：在一时间段期间将指示车辆的周围环境的传感器数据存储在车辆的数据储存设备中；并且获取指示车辆的平台约束的集的数据。该方法进一步包括：获取指示针对多个ads特征中的每一个的需求集的数据；获取指示针对多个ads特征的优先级方案的数据；以及获取指示车辆的周围环境中的当前场景或情境的数据。此外，该方法包括：基于平台约束、需求集、优先级方案以及当前场景或情境来生成仲裁信号，该仲裁信号指示针对多个ads特征中的至少一个的车辆平台的资源分配。
10.根据本发明的第二方面，提供了一种(非暂时性)计算机可读存储介质，其存储一个或多个程序，该一个或多个程序被配置为由处理系统(例如，车辆内处理系统)的一个或多个处理器执行，该一个或多个程序包括用于执行根据本文中公开的任何一个实施例的方法的指令。对于本发明的这个方面，存在与前面讨论的本发明的第一方面类似的优点及优选特征。
11.如本文中所使用的术语“非暂时性”旨在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制短语计算机可读介质或存储器所涵盖的物理计算机可读存储设备的类型。例如，术语“非暂时性计算机可读介质”或“有形的存储器”旨在涵盖不必永久地存储信息的存储设备的类型，包括例如随机存取存储器(ram)。以非暂时性形式存储在有形的计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或可以经由通信介质(诸如网络和/或无线链路)传送的信号(诸如电信号、电磁信号或数字信号)来传输。因此，如本文中使用的术语“非暂时性”是对介质本身的限制(即，有形的，而不是信号)，而不是对数据存储持久性的限制(例如，ram对比rom)。
12.根据本发明的第三方面，提供了一种用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统。该系统包括控制电路和仲裁模块。控制电路被配置为：在一时间段期间将指示车辆的周围环境的传感器数据存储在车辆的数据储存设备中。仲裁模块被配置为：获取指示车辆的平台约束的集的数据；以及获取指示针对多个ads特征中的每一个的需求集的数据。该仲裁模块进一步被配置为：获取指示针对多个ads特征的优先级方案的数据；以及获取指示车辆的周围环境中的当前场景或情境的数据。此外，该仲裁模块被配置为：基于平台约束、需求集、优先级方案以及当前场景或情境来生成仲裁信号，该仲裁信号指示针对多个ads特征中的至少一个的车辆平台的资源分配。对于本发明的这个方面，存在与前面讨论的本发明的第一方面类似的优点及优选特征。
13.根据本发明的第四方面，提供了一种包括一组车载传感器的车辆，该组车载传感器被配置为监测车辆的周围环境。该车辆进一步包括：根据本文所公开的实施例中的任何一个的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统。对于本发明的这个方面，存在与前面讨论的本发明的第一方面类似的优点及优选特征。
14.一些实施例的优点在于，以优化方式分配可用平台资源用以将所需开发资源供应
给当前正在开发的多个ads特征。
15.一些实施例的优点在于，提高了(有限的)量产平台资源用于开发新的ads特征的利用率。
16.一些实施例的优点在于，可以实现ads特征的针对性开发并且减少需要存储并传输的数据总量。
17.一些实施例的优点在于，可以以及时且成本有效的方式进行ads特征的开发，这是因为可以向多个开发人员或开发团队提供对量产车辆中的“影子模式”测试的访问。
18.一些实施例的优点在于，仅考虑针对ads特征的开发/评估/测试有价值的场景/情境，因此可以减少量产平台的功耗，这是因为忽略了非相关的场景/情境。
19.在从属权利要求中限定了本发明的其它实施例。应强调，术语“包括/包含”当在本说明书中使用时用来指明所陈述的特征、整体、步骤或部件的存在。它不排除一个或多个其它特征、整体、步骤、部件或它们的组的存在或添加。
20.本发明的这些和其它特征和优点将在下面参考下文中描述的实施例进一步阐明。
附图说明
21.本发明的实施例的其它目的、特征和优点将从以下参考附图的详细描述中显现，在附图中：
22.图1是根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统的示意性框图表示。
23.图2是车辆朝向外部对象沿道路部分移动的一系列示意性俯视图。
24.图3是根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法的示意性流程图表示。
25.图4是根据一些实施例的用于ads特征的开发、评估和/或测试的方法的示意性流程图表示。
26.图5是根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法的示意性过程图。
27.图6是根据一些实施例的用于训练和使用聚类算法以用于生成仲裁决策的方法的示意图，该仲裁决策用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试。
28.图7是根据一些实施例的包括用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统的车辆的示意性侧视图。
具体实施方式
29.在以下的详细描述中，将描述本发明的实施例。然而，应理解，不同实施例的特征在实施例之间是可互换的，并且可以以不同的方式来组合，除非另外明确地指示。尽管在以下描述中阐述了许多具体细节以提供对本发明的更透彻的理解，但是对于本领域技术人员而言显而易见的是，可以在没有这些具体细节的情况下对本发明加以实践。在其它情况下，未详细描述众所周知的结构或功能，以免模糊本发明。
30.本领域技术人员将理解，本文中所解释的步骤、服务和功能可以使用单独的硬件电路、使用与编程微处理器或通用计算机一起工作的软件、使用一个或多个专用集成电路
(asic：application specific integrated circuit)、现场可编程门阵列(fpga：field programmable gate arrays)和/或使用一个或多个数字信号处理器(dsp：digital signal processor)来实现。还将理解，当采用方法的形式来描述本公开时，本公开还可以体现在一个或多个处理器以及与一个或多个处理器耦接的一个或多个存储器中，其中一个或多个存储器存储一个或多个程序，当由一个或多个处理器执行时，一个或多个程序执行本文中公开的步骤、服务和功能。
31.如所提及的，期待能够利用量产平台的现有硬件，以便使用与量产平台中存在的感测输出相同的感测输出来开发新的或更高性能的ads特征。然而，仍然存在着需要克服的技术挑战，这是因为量产平台可能在以下四个方面受到限制：可用功率、可用计算能力、数据存储容量以及用于数据传输的可用带宽。此外，车辆所面临的大部分状况或情境不太可能产生任何新的信息或数据以帮助进一步开发ads的感知系统所使用的算法/模型。然而，确保提供新信息的那些状况得到利用可能对于实现各种ads特征尤其是ads感知特征(诸如，例如对象检测、对象分类、自由空间估计和可驱动区域估计等)的有效开发过程而言是非常重要的。
32.在本上下文中，“ads特征”可以被理解为ads功能，诸如例如对象检测算法、对象分类算法、自由空间估计算法、车道跟踪算法、道路边缘跟踪算法、对象移动预测算法、自由空间估计算法和可驾驶区域估计算法等。“自由空间估计”可以被理解为对自由空间区域的确定，即，对不存在外部对象(静态对象和动态对象)的区域的估计。人们可以以类似的方式来考虑对“可行驶区域”的估计，其中除了对不存在对象的区域(如在自由空间的情况下)的估计之外，“可行驶区域”估计还包括路面的存在。
33.一些实施例提供了一种架构或平台，其中如果输入数据是可用的，则可以开环(或者直接在车辆中—也被称为影子模式)或者追溯地进行ads特征的评估和/或学习。本发明提供了在量产平台的约束下提高多个ads特征的开发效率的手段。具体地，一些实施例提供了用于针对适用的ads特征的模块化开发(例如，评估和学习/训练)的方法和系统，以相对于特征的开发需求，在考虑到平台限制的同时，以最高效且有效的方式来利用量产平台。应注意，本文中所公开的实施例不必限于感知特征，而是任何消耗由量产平台提供的数据的相关ads特征都可以根据本文中的教导来开环评估。
34.此外，用于开发、评估和测试目的的数据收集和管理可以被论证为用于实现高性能ads特征的成本最高的部分之一。通过使用已经在客户手中的车辆(在本文中，被称为量产车辆)来提供这些数据，既可以减轻对庞大的专用开发车辆车队的需求，又可以充分利用量产车辆(即，量产平台)中存在的可用资源。然而，由于量产平台的限制且当考虑到可能同时针对新的或改进的ads特征进行多项持续开发工作时，不可能允许所有这些特征同时收集数据进行评估或改进。相应地，本文中所公开的一些实施例提供了一种解决方案，用于在任何给定时间有效地决定应为哪些ads特征分配资源以用于开发、测试或验证。
35.图1是根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统10的示意性框图表示。具体地，系统10适用于在车辆中分配平台资源以用于配备了ads的车辆的感知特征或功能的开发、评估和/或测试。
36.简言之，系统10被提供有平台约束121、针对每个ads特征的算法开发需求123、ads特征当中的开发优先级(即，优先级方案)122以及指示车辆周围的当前场景/情境的传感器
数据124。系统10具有仲裁模块27(其可以具有不同的复杂性，如稍后描述的)，仲裁模块27使用这些输入来提供关于应将车辆平台的哪些资源分配给哪些ads特征的决策。例如，可以为第一ads特征(例如，对象分类算法)分配资源以传输输入数据的缓冲区内容以供非车载开发，为第二ads特征(例如，车道标记跟踪算法)分配资源以用于车辆内评估，而为第三ads特征(例如，自由空间估计算法)分配资源以进行车辆内学习。
37.更详细地，系统10包括控制电路，该控制电路被配置为在一时间段期间存储指示车辆周围环境的传感器数据124。术语“传感器数据”在本文中被广义地解释，并且可以包括从ads的感知模块125获取的原始的传感器数据和/或处理后的传感器数据(例如，对象级数据)(即，感知数据)。换言之，所存储的传感器数据可以例如是从第一时间点t1到第二时间点t2连续地和/或间歇地导出的、检测到的对象或对象的状态和/或车辆的定位和/或未来状态的统计和物理模型预测。传感器数据可以存储在数据储存设备126(诸如数据缓冲器)中。该时间段以及相应的可选数据缓冲区的长度可以是任何被认为可行的任意大小，例如，考虑到数据容量限制和/或ads的特性，范围可以例如从不到一秒到几分钟，或者更优选地，从几秒到少于一分钟。
38.术语“存储”一系列数据可以指“存储在一个或多个存储器中”、“存储在该车辆上”、“存储在该车辆上的一个或多个存储器中”和/或“以数字和/或电子方式存储”一系列数据，并且进一步指“收集”和/或“获取”一系列数据。另一方面，术语“一系列”数据可以指数据的“数量”、“系列”、“连续流和/或间歇流”和/或“收集”，而“数据”可以指“持续地和/或间歇地收集的数据”。此外，术语“感知”数据可以指“环境评估”数据、“感测”数据和/或“时间依赖性”数据，而“数据”可以指“信息”和/或“估计”。短语在一时间段“期间”存储可以指“针对”一时间段进行存储，而“范围”从第一时间点到第二时间点的时间段可以指从第一时间点“延伸”和/或“发生”到第二时间点的时间段。“时间段”可以指“可预定的时间段”和/或“预定的时间段”。另一方面，“时间点”可以指“时间上的点”，而“从第一时间点到第二时间点”可以指“从第一时间点到随后的第二时间点”。
39.进一步地，系统10包括仲裁模块127，仲裁模块127被配置为获取指示车辆的平台约束集的数据121、获取指示针对多个ads特征中的每一个的需求集的数据123并且获取指示针对多个ads特征的优先级方案的数据122。在一些实施例中，平台约束集包括可用功率、可用计算资源、可用数据存储容量和用于数据传输的可用带宽中的至少一个。在一些实施例中，针对多个ads特征中的每一个的需求集包括估计的功耗、估计的计算资源需求、估计的数据存储需求和估计的带宽需求。在一些实施例中，优先级方案包括每个ads特征相对于多个ads特征中的其它ads特征的预定义开发优先级。
40.仲裁模块进一步被配置为获取指示车辆周围环境中的当前场景或情境的数据。“情境”可以被理解为在时间段期间的一个或多个时间点处的一个或多个瞬时场景，包括检测到的对象的位置、对象类别/类型、车道标记的位置、车道标记的延伸、自由空间检测和/或检测到的对象的轨迹。应注意，该列表仅用于举例说明“情境”中包括的参数，并且如本领域技术人员容易理解地可以包括可由车辆的感知模块125检测到的其它参数。
41.更进一步地，仲裁模块127被配置为基于平台约束、需求集、优先级方案以及当前场景或情境来生成仲裁信号，该仲裁信号指示针对多个ads特征中的至少一个的车辆平台的资源分配。
42.相应地，关于当前场景或情境的信息(或条件)被用于确定哪些ads特征将从提供来自该状况(在当前状况下进行评估)的数据中获得最大收益。这可以例如通过将先前被用于开发算法的数据与新场景或情境进行比较来进行确定。提供给仲裁模块127的来自当前场景或情境的信息可以是由ads特征的算法所使用的输入数据的格式(实际上是量产传感器的输出或其子集)，或者可以是可被用于确定最有效的资源分配的任何其它类型的测量值，例如，地理、路况、天气、自我车辆速度等。
43.进一步地，根据正在开发的ads特征的类型，将需要不同的平台资源集。此外，可以在线(即，在车辆中)评估和/或更新在量产平台中存在的针对检测能力的改进(例如，在计算足迹、执行时间等方面)的ads特征(例如，ads感知特征/功能)。另一方面，一些ads特征需要训练数据，这些训练数据无法通过与量产输出的比较“被注释”，并且因此为了更新ads特征将需要进行非车载处理。然而，这些仍然可以通过使用量产输出导出性能指标来在线评估。
44.因此，本文中针对ads特征提出了三种不同的可能轨迹：(1)传输数据以用于非车载处理和更新；(2)在线评估；以及(3)在线更新，例如根据联合学习方案。附加地，在(2)中，可以考虑(i)仅发送评估结果，或者(ii)发送整个输入数据(用于评估)以用于非车载处理，例如，如果评估中满足特定阈值。此外，在一些实施例中，本文中所讨论的ads特征被限定为仅使用在量产平台中存在的传感器数据，即，源自车辆所安装的传感器(量产传感器)的数据，以用于执行如本文中所公开的方法。然而，如本领域技术人员容易理解的，ads特征当然可以利用其它数据源(诸如例如用于获取天气预报、事故或危险数据以及道路工程等的远程服务器)以用于各种目的。
45.根据一些实施例，仲裁信号被输出到车辆的开发引擎/模块130。开发引擎/模块130可以包括评估引擎/模块131，评估引擎/模块131被配置为根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来评估至少一个ads特征的输出。此外，开发引擎/模块130可以包括学习引擎/模块132，学习引擎/模块132被配置为根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来更新至少一个ads特征。此外，在一些实施例中，控制电路被配置为将所存储的传感器数据124中的至少一部分传输到远程实体以用于离线处理。数据的传输可以例如由通信模块133经由诸如蜂窝网络(例如4g、nr/5g)的外部通信网络来执行。
46.参考前面提及的“第二轨迹”，评估过程可以例如根据通过引用被并入本文的、标题为“车辆adas或自动驾驶特征的性能监控和评估(performance monitoring and evaluation of a vehicle adas or autonomous driving feature)”的欧洲专利申请第ep19204278.6号的教导来进行。此外，在线更新过程可以例如根据通过引用被并入本文的、标题为“用于自动驾驶系统的感知系统开发的平台(platform for perception system development for automated driving systems)”的欧洲专利申请第ep21158017.0号的教导来进行。
47.简言之，对于评估过程，将所评估的ads特征的输出与“量产基本事实”(也可以被称为“基线世界视图”)即ads世界视图的后处理后的版本进行比较。前面提及的“第三轨迹”(即更新过程)基于类似的方法，其中，后处理后的世界视图，即“量产基本事实”或“基线世界视图”，可以被用作“被注释”的数据或自我监督训练方案中的监督信号。参考图2来进一
步地举例说明后处理。
48.更具体地，图2描绘了车辆1朝向外部对象24沿道路部分移动的一系列(a)-(d)示意性俯视图。每个图示与范围从第一时刻t1到第二时刻t2的时间段21内的时间点相关联。
49.在第一个图示(a)中，车辆1(也可以被称为自我车辆1)正在朝向外部对象移动，在此，外部对象采用卡车24的形式，并且在道路部分的相邻车道上沿相同方向行驶。然而，由于到卡车24的距离，车辆的感知系统/模块可能无法以足够高的精确度来确定该外部对象的位置并将其分类为卡车。这由包围卡车24的框22a以及卡车24的“模糊化的”表示来指示，该“模糊化的”表示被用于示意性地指示检测和分类的“不确定性”。
50.在随后的时刻，即图2的图示(b)，车辆1更靠近该外部对象，与图示(a)中的情况相比，关于外部对象24的位置及类别/类型的不确定性减少，如由框22b的缩小尺寸以及“模糊”的汇聚所指示的。
51.在随后的另一时刻，即图2的图示(c)，车辆1的感知系统/模块能够准确地确定外部对象2的位置并将其分类为卡车2。更具体地，与自我车辆1距离卡车更远时相比，自我车辆1现在离卡车2足够近，能够对其进行分类并以更高的精确度来估计该卡车在道路上的位置。
52.然后，通过适当的过滤技术并基于“情境”的时间进展，人们能够在t1和t2之间的中间时间点23处建立“世界视图”，如图2中的底部图示中所指示的，即在图2的图示(d)中。更详细地，该过滤可以例如基于轨迹、位置等的时间进展，并结合车辆1和外部对象2的预定义模型(例如，运动模型)。该建立的世界视图随后可被用作“基本事实”，用于对各种感知输出进行训练和/或验证，并且具体地用于对从本文中的一个或多个ads特征获取的输出进行训练和/或验证。因此，在一些实施例中，后处理后的世界视图构成针对ads特征的输出的基本事实。
53.根据一些实施例，时间段的范围从第一时间点到第二时间点，并且在该时间段期间存储由ads的感知系统输出的感知数据。相应地，对感知数据进行后处理的步骤可以包括：基于对从第二时间点回到第一时间点t1与第二时间点t2之间的中间时间点的范围内的感知数据的一部分进行后处理来确定训练数据，该训练数据指示车辆周围环境的鸟瞰视图。相应地，后处理后的感知数据取决于感知数据的该部分。此外，根据一些实施例，对感知数据的该部分的后处理包括通过反向过滤器来运行感知数据的该部分。在此，反向过滤器被配置为基于感知数据的一组感知参数从中间时间点到第二时间点t2的状态的进展，在中间时间点将该组感知参数对齐。术语“感知参数”可以例如包括一个或多个对象类、对象位置/边界框、道路边缘估计、道路几何估计等。
54.换言之，随着时间从中间时间点23到第二时间点t2的推移，对车辆1的周围环境的了解不断增加，并且通过在反向时间方向上分析数据，人们可以能够在中间时间点以比在“运行时间”时所能达到的更高的精确度来确定车辆1的周围环境中的对象的“状态”(即，类别、位置、轨迹等)。更详细地，后处理可以例如包括通过反向过滤器来运行感知数据，该反向过滤器被配置为例如将对象当前的和预测的未来状态与未来(即，从中间时间点到第二时间点t2)发生的情况对齐。后处理可以包括相较于通过反向过滤器对其进行运行更进一步的处理步骤。更具体地，后处理可以包括融合来自各种传感器的数据，以及对融合后的信息应用反向和前向过滤。用于此目的的适当过滤器可以是例如粒子过滤器或不同类型的卡
尔曼过滤器(kalman filter)(例如，扩展的卡尔曼过滤器)。
55.相应地，当获取到特定时间段的后处理后的世界视图时，可以根据所生成的仲裁信号来比较来自当前“正在开发”的或需要更新/评估的一个或多个ads特征的相应输出(即，基于源自同一时间段的输入数据的输出)。然而，感知数据的后处理并不是用于执行评估或更新过程的基本要求，这是因为在某些情况下，仅使用来自量产平台的感知模块/系统的输出与主题ads特征的输出进行比较就足够了。
56.继续，图3描绘了根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法s100的示意性流程图表示。方法s100包括在一时间段期间将指示车辆周围环境的传感器数据存储s101在车辆的数据储存设备中。存储s101的传感器数据可以包括由一个或多个车辆所安装的传感器(诸如例如单目摄像机、立体摄像机、激光雷达设备、雷达设备和超声波设备等)输出的原始传感器数据。附加地或可替代地，存储s101的传感器数据可以包括处理后的传感器数据(例如，来自ads的感知模块/系统的输出)。
57.进一步地，方法s100包括获取s102指示车辆的平台约束集的数据；以及获取s103指示针对多个ads特征中的每一个的需求集(也可以被称为算法开发需求)的数据。在一些实施例中，平台约束集包括可用功率、可用计算资源、可用数据存储容量和用于数据传输的可用带宽中的至少一个。在一些实施例中，针对多个ads特征中的每一个的需求集包括估计的功耗、估计的计算资源需求、估计的数据存储需求和估计的带宽需求。术语“获取”在本文中被广义地解释，并且涵盖接收、检索、收集和获得等。
58.方法s100进一步包括获取s104指示针对多个ads特征的优先级方案的数据。在一些实施例中，优先级方案包括每个ads特征相对于多个ads特征中的其它ads特征的预定义开发优先级。更具体地，优先级方案可以被理解为一种约束，该约束控制多个ads特征中的每一个的优先级以被分配车辆的平台资源用于ads特征的开发、评估和/或测试。由此，可以动态地控制优先级以开发/评估/测试ads特征。
59.更进一步地，方法s100包括获取s105指示车辆周围环境中的当前场景或情境(即，时间段的场景或情境)的数据。当前场景或情境可以例如从由车辆的感知模块/系统在该时间段期间生成的传感器数据中导出。在更有说明性的示例中，特定场景或情境可以例如是在一天中的特定时间(例如，晚上)在特定天气条件(例如，大雨)下的高速公路或控制进入的快速路。类似地，特定场景或情境可以例如是在交通高峰期具有阳光条件的城市环境。场景或情境的另一示例可以是白天有野生动物穿过马路的乡村道路。场景或情境的又一示例可以是当外部车辆表现出攻击性行为(例如，在拥挤的交通中超越自我车辆并以低边距在自我车辆前面切入)时。情境可以被理解为多个“场景”的时间进展。
60.进一步地，方法s100包括基于获取s102的平台约束、获取s103的需求集、获取s104的优先级方案以及获取s105的当前场景或情境来生成s106仲裁信号，该仲裁信号指示针对多个ads特征中的至少一个的车辆平台的资源分配。
61.然后，根据一些实施例，方法s100进一步包括基于由仲裁信号指示的资源分配来执行以下项中的至少一项：
62.●
将所存储的传感器数据中的至少一部分传输s107到远程实体以用于离线处理。
63.●
根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来评估s106至少一个ads特征的输出。
64.●
根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来更新/训练s109至少一个ads特征。
65.此外，根据一些实施例，方法s100进一步包括评估s110当前场景或情境以便确定分数，该分数指示针对多个ads特征中的每一个使用所存储的传感器数据中的至少一部分的潜在开发收益。当前场景或情境的评估s110可以例如通过使用启发式算法或聚类算法来执行。相应地，方法s100可以进一步包括基于获取s102的平台约束和获取s103的需求集来生成s106仲裁信号，该仲裁信号指示根据所确定的分数和所获取s104的优先级方案针对多个ads特征中的至少一个的车辆平台的资源分配。
66.启发式仲裁器(即，基于规则的仲裁器)可以例如通过建立其中仲裁模块根据所获取的优先级方案来对每个ads特征运行启发式评估的过程来加以实现。更详细地，第一步可以是检查所获取的场景/情境是否提供了任何新的或其它有价值的数据以便根据优先级方案来评估/开发/测试“第一”ads特征。对所获取的场景或情境的这种检查可以例如通过建立一系列子过程来执行，其中通过形成一系列问题并导出指示潜在开发收益的分数来评估当前场景或情境。例如：
67.●
场景/情境是否适合评估/训练主题ads特征？
68.○
更详细地，如果主题ads特征是车道跟踪算法，并且在当前场景/情境中没有可见的车道标记，则当前场景/情境可能被认为是不合适的。
69.●
场景/情境是否提供了ads特征尚未接触到的新的信息？
70.●
数据质量是否高于阈值？
71.○
更详细地，一些数据质量指标可以例如是噪声水平和障碍等。
72.如果“场景/情境检查”的答案是否定的，则该过程循环返回并根据优先级方案选择下一个ads特征。然而，如果答案是肯定的，则下一步可以是检查ads特征是否需要存储输入(例如传感器数据)，并且如果答案是肯定的，则该过程可以继续到检查所需资源是否是可用的。如果必要的存储资源是可用的，则存储输入，并且该过程可以循环返回以根据优先级方案来选择下一个ads特征并从头开始运行该过程。如果所需的存储资源是不可用的，则该过程也可以循环返回以根据优先级方案选择下一个ads特征。
73.接下来，如果ads特征不需要存储输入，则该过程可以继续检查是否有可用于训练ads特征的底层模型/算法的平台资源，并且如果学习/训练资源可用，则可以启动并执行学习/训练过程。然而，如果没有可用于学习/训练的平台资源，则该过程可以继续到检查是否有可用于评估ads特征的平台资源，并且如果有，则可以启动并执行评估过程。然而，如果没有可用于评估ads特征的平台资源，则该过程可以循环返回以根据所获取的优先级方案选择下一个ads特征。
74.图6是如何使用聚类算法41对来自每个ads特征的训练数据进行编码并随后使用这些训练数据聚类与当前场景或情境之间的距离d1、d2、d3作为针对训练影响的预测器(即，指示潜在开发收益的分数)的示意图。
75.图6的顶部示意性地描绘了如何配置聚类算法41来将用于训练每个ads特征的算法的训练数据42a-42c进行聚类。聚类算法41可以是本领域技术人员容易理解的任何适当的算法，诸如例如k均值聚类算法、均值偏移聚类算法和基于密度的有噪声的空间聚类应用(dbscan：density-based spatial clustering of applications with noise)聚类算法
等。
76.一旦聚类算法41针对多个ads特征形成了“训练聚类”(也可以被称为子聚类)44a-44c，就可以处理新的场景或情境40，并将其放置在同一“聚类空间”43中。然后，在一些实施例中，基于所放置的当前场景或情境40在聚类空间中相对于每个子聚类44a-44c的位置(参见图6的底部)来确定指示潜在开发收益的分数。换言之，距离d1-d3可以被用于确定指示潜在开发收益的分数，其中较小距离指示相比较大距离更高的开发收益。需要注意的是，这仅仅是如何配置用于评估当前场景的聚类算法的一个示例。在一些实施例中，较大距离可以指示相比较小距离更高的开发收益。例如，如果两个ads特征共享公共操作设计域(odd：operational design domain)，但是这两个特征中的第一个尚未“暴露”于雪况，而第二个ads特征已经暴露于雪。在这种情况下，到第一个ads特征的子聚类的距离比到第二个ads特征的子聚类的距离“大”，但是“下雪的”场景可能对于第一个ads特征而言更有价值(即，具有更高的潜在开发收益)。操作设计域(odd)应被理解为对自动或半自动驾驶系统(即，ad或adas)被设计为在其下运行的操作条件的描述，包括但不限于地理、道路(例如，类型、表面、几何形状、边缘和标记)、环境参数、连通性、周围对象、交通参数和速度限制。
77.换言之，评估当前场景或情境的步骤可以相应地包括通过聚类算法41来处理当前场景或情境40，以便将当前场景或情境40放置在聚类空间43中。聚类空间指示基于被用于多个ads特征中的每个ads特征的训练数据而形成的子聚类(训练聚类)44a-44c。进一步地，该方法可以包括基于在聚类空间43中放置的当前场景或情境相对于每个子聚类44a-44c的位置来确定指示潜在开发收益的分数。
78.仲裁器模块的架构的另一示例实施例是区分与场景相关的数据的聚类，并且优化模块做出适当的仲裁决策。如前所述，可以使用训练数据来训练第一部分(聚类)，该训练数据用于所考虑到的ads特征中的每一个(及其底层算法)。之后当聚类模块暴露于新的场景或情境时，它可以被配置为指示哪个算法将从暴露于该新场景中而获得最大收益(例如根据前面给出的聚类示例)。另一方面，优化模块可以被配置为将该信息与平台约束、开发需求和算法之间的优先级一起加权，以提供优化的仲裁决策。在优化模块的训练期间，可随后针对被提供给每个算法的学习效果来评估这种决策(例如，通过分析该输入对每个算法的影响函数)，并且然后，可以确定成本函数以训练/更新优化模块。
79.进一步地，在一些实施例中，通过聚类算法和启发式算法来执行当前场景或情境的评估。换言之，可以将聚类与基于规则的逻辑组合来形成仲裁器。这在特征共享公共odd的情况下可能是有用的，并且可以使用检查来查看当前场景是否是任何ads特征的“新的”场景，以便在ads特征之间进行优先级排序。
80.继续到图4，其描绘了根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法的子过程s300的示意性流程图表示。更具体地，图4描绘了使用传感器数据的先进先出(fifo：first-in first-out)缓冲区来实现上述针对ads特征的三个可能的开发轨迹。
81.如本文所教导的仲裁架构建议使用当前场景或情境作为用于决定平台资源分配的手段，即使一些ads特征可能需要初始化时间以及收敛期。因此，根据一些实施例，传感器数据被连续存储s301在fifo缓冲区(例如，以诸如随机存取存储器(ram：random access memory)的快速存取存储器的形式)中。传感器数据可以是在车辆平台上产生的所有传感器
数据。因此，如果要在线(即，在车辆中)评估ads特征，则该评估可以从fifo缓冲区的开头开始或者从fifo缓冲区中的任何适当(稍后)的位置开始。类似地，由于相关数据存在于fifo缓冲区中，因此还可以存储并传输这些数据以用于非车载处理，而不会丢失所需信息。此外，在一些实施例中，仅传输存储在fifo缓冲区中的数据的子部分(即，与ads特征的开发相关的数据)而不是整个fifo缓冲区。
82.因此，在一时间段期间存储s101传感器数据的步骤可以包括在fifo缓冲区中连续存储s301传感器数据，该传感器数据指示车辆的周围环境。然后，一旦接收到针对一个或多个ads特征的“肯定”仲裁信号(即，指示用于执行数据传输s107、评估s108、更新过程s109的指令的仲裁信号)，则该方法进一步包括做出s303 fifo缓冲区的临时副本。然后，根据由仲裁信号指示的资源分配，针对ads特征执行上述三种不同的可能轨迹中的一个。即，(1)传输s107数据以用于非车载处理和更新；(2)评估s108一个或多个ads特征的输出；以及(3)更新s109一个或多个ads特征(或者更具体地，更新ads特征的底层模型/算法)。附加地，作为对第二轨迹的扩展(即，一旦评估过程s108已经完成或以其它方式停止)，则在一些实施例中，该方法进一步包括发送s110评估结果和/或如果例如在评估中违反了特定阈值则发送(在评估中使用的)整个输入数据以用于非车载处理。
83.此外，在一些实施例中，在一个或多个ads特征被评估s108之后，执行一个或多个ads特征的更新s109(假设有可用的平台资源)。由此有效地添加了“检查”以查看当前批次的数据(即，缓冲区的临时副本)是否会在使用例如反向传播(或类似的训练方法)处理数据之前产生有价值的更新。因此，基于对ads特征的输出的评估s108的这种“检查”允许更有效地使用平台资源。
84.图5是根据一些实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法的示意性过程图。更详细地，图5描绘了该架构如何在一时间段内处理多个连续的仲裁决策。
85.在此，第一仲裁信号指示针对用于第一ads特征的输入数据(例如，传感器数据)传输的车辆平台的资源分配。此外，由于所有必要输入数据在缓冲区中都是快捷可用的，因此传输/评估/更新过程可以在缓冲区开始与主题ads特征的当前时间实例之间的任何时间处开始。在所描绘的示例中，第一仲裁信号(在t1接收)指示针对用于第一ads特征的输入数据传输和用于第二ads特征的评估的资源分配。如前所述，由于必要的输入数据被缓存，因此可以针对第一ads特征和第二ads特征使用源自t-b
与t1之间的任何时间的数据来执行传输和评估。然后，在时间实例ti接收到第二仲裁信号，其中第二仲裁信号指示第一ads特征将被停止传输，第二ads特征将被继续评估，并且第三ads特征将被更新。如前所述，针对第三ads特征的更新过程可以针对第三ads特征使用源自t-(b-i)
与ti之间的任何时间的数据来执行。然后，在时间实例tj接收到第三仲裁信号，该第三仲裁信号指示不对三个ads特征中的任何一个分配任何平台资源。
86.可选地，用于执行这些功能的可执行指令被包括在非暂时性计算机可读存储介质中或者在被配置为由一个或多个处理器执行的其它计算机程序产品中。
87.图7是根据一些实施例的车辆1的示意性侧视图图示，车辆1包括用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的系统10。车辆1进一步包括感知系统6(也可以被称为感知模块或感知块)和定位系统5。感知系统6在本上下文中被理解为如下系
统，该系统负责从车载传感器6a、6b、6c(诸如摄像头、激光雷达和雷达、超声波传感器)获取原始传感器数据并将该原始数据转换为场景理解。定位系统5被配置为监测车辆的地理位置和行驶方向，并且可以采用全球导航卫星系统(gnss)的形式，诸如gps(或它的任何其它区域性变体)。然而，定位系统可以可替代地被实现为实时动态(rtk：real time kinematics)gps，以提高准确性。
88.更详细地，感知系统/块6可以指代任何公知的系统和/或功能，例如被包括在车辆1的一个或多个电子控制模块和/或节点中，并且被自适应为和/或被配置为对与车辆1的驾驶相关的感测信息进行解释，用以识别例如障碍物、车道、相关标志物、适当的导航路径等。因此，示例性的感知系统6可以被自适应为依赖并获取来自多个数据源(诸如汽车成像、图像处理、计算机视觉和/或车内网络等)的输入，并与感测信息相结合。这种示例性的感测信息可以例如从一个或多个可选的周围检测传感器6a-6c导出，周围检测传感器6a-6c被包括在车辆1中和/或设置在车辆1上。周围检测传感器6a-6c可以由被自适应为对车辆1的周围环境和/或行踪位置进行感测和/或感知的任意传感器来表示，并且例如可以指雷达、激光雷达、声纳、摄像头、导航系统(例如，gps)、里程表和/或惯性测量单元中之一或者它们中的一个或多个的组合。
89.系统10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可被称为控制回路11或控制电路11。控制电路11被配置为执行存储在存储器12中的指令，以执行根据本文中公开的任一实施例的用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法。换言之，控制设备10的存储器12可以包括用于存储计算机可执行指令的一个或多个(非暂时性)计算机可读存储介质，计算机可执行指令在由一个或多个计算机处理器11执行时例如可以使计算机处理器11执行本文中描述的技术。存储器12可选地包括高速随机存取存储器，诸如dram、sram、ddr ram或其它随机存取固态存储器设备；并且可选地包括非易失性存储器，诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备或其它非易失性固态存储设备。
90.控制电路11被配置为在一时间段期间将指示车辆周围环境的传感器数据存储在车辆的数据储存设备中。系统10进一步包括仲裁模块，该仲裁模块被配置为获取指示车辆的平台约束集的数据，并且获取指示针对多个ads特征中的每一个的需求集的数据。仲裁模块进一步被配置为获取指示针对多个ads特征的优先级方案的数据，并且获取指示车辆周围环境中的当前场景或情境的数据。此外，仲裁模块被配置为基于平台约束、需求集、优先级方案以及当前场景或情境来生成仲裁信号，该仲裁信号指示针对多个ads特征中的至少一个的车辆平台的资源分配。仲裁模块可以通过本领域技术人员容易理解的硬件和软件来实现。
91.根据一些实施例，控制电路11进一步被配置为基于由仲裁信号指示的资源分配来执行以下项中的至少一项：
92.●
将所存储的传感器数据中的至少一部分传输到远程实体以用于离线处理。
93.●
根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来评估至少一个ads特征的输出。
94.●
根据资源分配，使用所存储的传感器数据中的至少一部分作为输入来更新至少一个ads特征。
95.进一步地，车辆1可以经由例如无线链路连接到外部网络2(例如，用于检索地图数据、一个或多个ads特征的“全局”更新或者与ads特征相关联的任何方案/需求的更新)。相同的或一些其它的无线链路可被用于与车辆附近的其它车辆或与本地基础设施元件进行通信。蜂窝通信技术可被用于远程通信，诸如与外部网络的通信，并且如果所使用的蜂窝通信技术具有低时延，则它也可被用于车辆之间、车辆到车辆(v2v)之间和/或车辆到基础设施(v2x)之间的通信。蜂窝无线电技术的示例是gsm、gprs、edge、lte、5g和5g nr等，还包括未来的蜂窝解决方案。然而，在一些解决方案中，使用了中短程通信技术，诸如无线局域网(lan)，例如基于ieee802.11的解决方案。etsi正在制定用于车辆通信的蜂窝标准，并且例如，由于低时延以及对高带宽和通信通道的高效处理，5g被认为是适当的解决方案。
96.以上已经参考具体实施例呈现了本发明。然而，除了以上描述的实施例之外的其它实施例也是可能的并且在本发明的范围内。在本发明的范围内，可以提供与以上描述的方法步骤不同的、通过硬件或软件执行该方法的方法步骤。因此，根据示例性实施例，提供了一种非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质存储一个或多个程序，该一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行，该一个或多个程序包括用于执行根据以上讨论的实施例中的任一个实施例的方法的指令。可替代地，根据另一示例性实施例，云计算系统可以被配置为执行本文中呈现的任何方法。云计算系统可以包括分布式云计算资源，该分布式云计算资源在一个或多个计算机程序产品的控制下联合地执行本文中呈现的方法。
97.一般而言，计算机可访问介质可以包括任何有形的或非暂时性存储介质或存储器介质，诸如电子介质、磁性介质或光学介质(例如经由总线耦合到计算机系统的磁盘或cd/dvd-rom)。如本文中所使用的，术语“有形的”和“非暂时性”旨在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制短语计算机可读介质或存储器所涵盖的物理计算机可读存储设备的类型。例如，术语“非暂时性计算机可读介质”或“有形的存储器”旨在涵盖不必永久地存储信息的存储设备的类型，包括例如随机存取存储器(ram)。以非暂时性形式存储在有形的计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或可以经由通信介质(诸如网络和/或无线链路)传送的信号(诸如电信号、电磁信号或数字信号)来传输。
98.(与系统10相关联的)处理器11和仲裁模块可以是或包括用于进行数据或信号处理或者用于执行存储在存储器12中的计算机代码的任何数量的硬件部件。设备10具有相关联的存储器12，并且存储器12可以是用于存储数据和/或计算机代码的一个或多个设备，该数据和/或计算机代码用于完成或促进本说明书中描述的各种方法。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括数据库部件、对象代码部件、脚本部件或用于支持本说明书的各种活动的任何其它类型的信息结构。根据示例性实施例，任何分布式的或本地的存储器设备可以与本说明书的系统和方法一起使用。根据示例性实施例，存储器12(例如，经由电路或任何其它有线连接、无线连接或网络连接)可通信地连接到处理器11，并且包括用于执行本文中描述的一个或多个过程的计算机代码。
99.应理解，传感器接口14还可以提供直接地或通过车辆中的专用传感器控制电路6来获取传感器数据的可能性。通信/天线接口13可以进一步提供通过天线8将输出发送到远程位置(例如，远程操作者或控制中心)的可能性。此外，车辆中的一些传感器可以使用本地
网络设置(诸如can总线、i2c、以太网和光纤等)与系统10进行通信。通信接口13可以被布置为与车辆的其它控制功能进行通信，并且因此也可以被视为控制接口；然而，可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有诸如wifi、lora、zigbee、蓝牙或类似的中/短程技术的协议的无线类型。
100.相应地，应理解，描述的解决方案的部分可以在车辆中、在位于车辆外部的系统中或者在车辆内部与外部的组合中实现；例如在与车辆通信的服务器中，即所谓的云解决方案。例如，传感器数据或感知数据可以被发送到外部系统，并且该系统执行用于评估当前场景或情境的步骤。实施例的不同特征和步骤可以以不同于所描述的组合方式的其它组合方式来进行组合。
101.应注意，词语“包括”并不排除所列出的元件或步骤之外的其它元件或步骤的存在，并且元件之前的词语“一”并不排除多个这种元件的存在。应进一步注意，任何附图标记都不限制权利要求的范围，本发明可以至少部分地借助于硬件和软件两者来实现，并且若干“装置”或“单元”可以由硬件的相同项来表示。
102.尽管附图可以示出方法步骤的特定顺序，但是步骤的顺序可以与所描绘的顺序不同。另外，两个或更多个步骤可以同时地或部分同时地被执行。这种变化将取决于所选择的软件系统和硬件系统以及设计者的选择。所有这些变化都在本发明的范围内。同样地，软件实施方案可以利用具有基于规则的逻辑和其它逻辑的标准编程技术来完成，以完成各种连接步骤、处理步骤、比较步骤和判定步骤。以上提及的和描述的实施例仅作为示例给出，而不应限制本发明。在描述的专利实施例中所要求保护的本发明的范围内的其它解决方案、用途、目的和功能对于本领域技术人员来说应是显而易见的。

技术特征：

1.一种用于在车辆中分配平台资源以用于ads特征的开发、评估和/或测试的方法(s100)，所述方法包括：在一时间段期间将指示所述车辆的周围环境的传感器数据存储(s101)在所述车辆的数据储存设备中；获取(s102)指示所述车辆的平台约束的集的数据；获取(s103)指示针对多个ads特征中的每一个的需求集的数据；获取(s104)指示针对所述多个ads特征的优先级方案的数据；获取(s105)指示所述车辆的所述周围环境中的当前场景或情境的数据；基于所述平台约束、所述需求集、所述优先级方案以及所述当前场景或情境来生成(s106)仲裁信号，所述仲裁信号指示针对所述多个ads特征中的至少一个的所述车辆的所述平台的资源分配。2.根据权利要求1所述的方法(s100)，其中，所述方法进一步包括：评估(s110)所述当前场景或情境以确定(s111)分数，所述分数指示针对所述多个ads特征中的每一个使用所存储的传感器数据中的至少一部分的潜在开发收益；并且根据所确定的分数和所述优先级方案，基于所述平台约束和所述需求集，生成(s106)所述仲裁信号，所述仲裁信号指示针对所述多个ads特征中的至少一个的所述车辆的所述平台的资源分配。3.根据权利要求2所述的方法(s100)，其中，评估所述当前场景或情境的步骤通过启发式算法来执行。4.根据权利要求2所述的方法(s100)，其中，评估所述当前场景或情境的步骤通过聚类算法来执行。5.根据权利要求4所述的方法(s100)，其中，评估所述当前场景或情境的步骤包括：通过所述聚类算法来处理所述当前场景或情境，以便将所述当前场景或情境放置在聚类空间(43)中，其中，所述聚类空间指示基于用于所述多个ads特征中的每个ads特征的训练数据(42a、42b、42c)而形成的子聚类(44a、44b、44c)；基于在所述聚类空间(43)中放置的所述当前场景或情境相对于每个子聚类的位置，确定指示所述潜在开发收益的所述分数。6.根据权利要求1至5中的任一项所述的方法(s100)，进一步包括：基于由所述仲裁信号指示的所述资源分配来执行以下项中的至少一项：将所存储的传感器数据中的至少一部分传输(s107)到远程实体以用于离线处理；根据所述资源分配，使用所存储的传感器数据中的至少一部分作为输入来评估(s108)至少一个ads特征的输出；以及根据所述资源分配，使用所存储的传感器数据中的至少一部分作为输入来更新(s109)至少一个ads特征。7.根据权利要求1-5中的任一项所述的方法(s100)，其中，平台约束的所述集包括可用功率、可用计算资源、可用数据存储容量和用于数据传输的可用带宽中的至少一个。8.根据权利要求1-5中的任一项所述的方法(s100)，其中，针对所述多个ads特征中的每一个的所述需求集包括估计的功耗、估计的计算资源需
求、估计的数据存储需求和估计的带宽需求。9.根据权利要求1-5中的任一项所述的方法(s100)，其中，所述优先级方案包括每个ads特征相对于所述多个ads特征中的其它ads特征的预定义开发优先级。10.一种计算机可读存储介质，存储一个或多个程序，所述一个或多个程序被配置为由车辆内处理系统的一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-9中的任一项所述的方法的指令。11.一种用于在车辆(1)中分配平台资源以用于ads特征的开发、评估和/或测试的系统(10)，所述系统包括：控制电路(11)，被配置为：在一时间段期间将指示所述车辆的周围环境的传感器数据(124)存储在所述车辆的数据储存设备(126)中；以及仲裁模块(127)，被配置为：获取指示所述车辆的平台约束(121)的集的数据；获取指示针对多个ads特征中的每一个的需求集(123)的数据；获取指示针对所述多个ads特征的优先级方案(122)的数据；获取指示所述车辆的所述周围环境中的当前场景或情境(40)的数据；基于所述平台约束、所述需求集、所述优先级方案以及所述当前场景或情境来生成仲裁信号，所述仲裁信号指示针对所述多个ads特征中的至少一个的所述车辆的所述平台的资源分配。12.根据权利要求11所述的系统，其中，所述仲裁模块(127)进一步被配置为：评估所述当前场景或情境(40)以确定分数，所述分数指示针对所述多个ads特征中的每一个使用所存储的传感器数据中的至少一部分的潜在开发收益；并且根据所确定的分数和所述优先级方案，基于所述平台约束和所述需求集，生成所述仲裁信号，所述仲裁信号指示针对所述多个ads特征中的至少一个的所述车辆的所述平台的资源分配。13.根据权利要求11或12所述的系统，其中，所述控制电路(11)进一步被配置为：基于由所述仲裁信号指示的所述资源分配来执行以下项中的至少一项：将所存储的传感器数据中的至少一部分传输到远程实体以用于离线处理；根据所述资源分配，使用所存储的传感器数据中的至少一部分作为输入来评估至少一个ads特征的输出；以及根据所述资源分配，使用所存储的传感器数据中的至少一部分作为输入来更新至少一个ads特征。14.一种车辆(1)，包括：一个或多个传感器(6a、6b、6c)，被配置为监测所述车辆(1)的周围环境；根据权利要求11-13中的任一项所述的系统(10)。

技术总结

本发明涉及用于自动驾驶系统特征的评估和开发的方法和系统，具体涉及用于在车辆中分配平台资源以用于ADS特征的开发、评估和/或测试的方法和系统。方法包括：在一时间段期间将指示车辆的周围环境的传感器数据存储在车辆的数据储存设备中；并且获取指示车辆的平台约束的集的数据。方法进一步包括：获取指示针对多个ADS特征中的每一个的需求集的数据；获取指示针对多个ADS特征的优先级方案的数据；以及获取指示车辆的周围环境中的当前场景或情境的数据。此外，方法包括：基于平台约束、需求集、优先级方案以及当前场景或情境来生成仲裁信号，该仲裁信号指示针对多个ADS特征中的至少一个的车辆平台的资源分配。少一个的车辆平台的资源分配。少一个的车辆平台的资源分配。