用于控制自动化车辆的方法、控制装置和存储装置

技术领域

本发明涉及一种控制自动化车辆的方法。本发明还涉及一种用于执行该方法的控制装置，以及一种计算机程序和一种具有这种计算机程序的存储装置。

背景技术

高分辨率的(HD)规划地图和定位地图对于等级为2+的高度自动化的驾驶必不可少，其中，对此所需的系统性能和可靠性与较简单的辅助系统比大幅提高。对于定位，自动化车辆使用适当的定位地图，据此，车载定位模块可以使用该作为知识库的定位地图，通过将车载环境传感装置所检测到的特定的特征与地图进行比较，求取自动化车辆的当前地点和位置。定位地图的数据是通过特定的传感器，如雷达、激光雷达或摄像机，在同一路线上进行多次行驶收集。紧接该定位模块之后，车载规划模块根据事先收集的规划地图做出特定的行为和运动决定。与定位地图比，规划地图还包含车道表面的道路拓扑和几何信息以及语义背景，如交通标志和交通信号灯位置。这两种地图类型的信息精度和丰富性无疑超过目前的传感器性能。特别是在复杂的交通场景中，直接从原始传感器数据中实时提取全面的语义信息是大型挑战。在此，准备的HD地图对于从A点到B点的安全和智能化的操纵必不可少。

然而，即使借助于有连接服务和云资源也会出现HD地图不再是最新的，或者定位模块不再提供足够精度的状况。由于根据这种不再符合真实物理世界的数据的导航会产生致命的后果，目前大多数根据HD地图的规划系统要么简单地关断要么执行危险的机动动作，从而安全驾驶员必须接管控制。

发明内容

因此，本发明所基于的任务可以视为，即使在不能够基于HD地图以足够的精度进行定位的状况中也能够确保车辆的自动化驾驶功能的安全性。该任务借助一种控制自动化车辆的方法、一种用于执行该方法的控制装置，以及一种计算机程序和一种具有这种计算机程序的存储装置来解决。本发明的有利构型能够通过在优选实施方式中所列举的措施实现。

根据本发明设置一种用于控制自动化车辆的方法，其中，在第一方法部分中，借助车载环境传感装置检测自动化车辆的当前周围环境，并根据该环境传感装置的数据与先前提供的HD定位地图的比较对该自动化车辆进行定位。在代表正常模式的第二方法部分中，根据该自动化车辆的在该定位中所求取到的全球姿态和先前提供的HD规划地图产生该自动化车辆的当前周围环境的基于地图的周围环境模型，并将该基于地图的周围环境模型用于规划该自动化车辆的当前轨迹。此外，在代表安全模式的、相对于第一方法部分并行地或者选择地执行的第三方法部分中，借助车载环境传感装置检测该自动化车辆的周围环境，并根据在此所求取到的数据产生该自动化车辆的当前周围环境的无地图的周围环境模型，并将该无地图的周围环境模型用于规划该自动化车辆的当前轨迹。最后，输出在正常模式中或在安全模式中所计算的当前轨迹用于控制该自动化车辆沿着对应的轨迹的运动。通过附加的安全模式(备用(Fallback)模式)提供避让功能(Ausweichfunktion)，即使当没有提供HD地图时或者当根据所提供的HD地图不能够进行足够准确的定位时也使得能够实现该自动化车辆的继续行驶。正常模式由于HD地图而提供智能化的驾驶功能，而安全模式在此则聚焦于处理基本的物理状态。通过安全模式，自动化车辆能够在安全停下之前安全地进行机动动作，而不是在道路结构改变或定位功能故障的情况下执行草率的紧急制动。总而言之，在使用高度自动化的驾驶功能的情况下通过附加的安全模式提高驾驶安全性。

在一种实施方式中设置，在第四方法部分中检查来自第一方法部分的定位的精度。在此，如果在该定位中已经求取到该自动化车辆的准确的全球姿态，输出在第二方法部分中所计算的当前轨迹用于控制该自动化车辆的运动。在此，如果在该定位中没有求取到该自动化车辆的全球姿态或仅求取到该自动化车辆的不准确的全球姿态，输出在第三方法部分中所计算的当前轨迹用于控制该自动化车辆的运动。通过重复地检验定位结果，确保能够在出现故障的情况下特别快速且无缝地从正常模式切换到安全模式中。

在另一实施方式中设置，借助于车载测程装置来检测由该车辆驶过的路程。在此，如果当前方法周期内所进行的定位没有提供该自动化车辆的准确的全球姿态，根据该自动化车辆的在上一次精确定位中所求取到的全球姿态和自上一次精确定位以来借助测程装置所检测到的、该自动化车辆的路程来求取该自动化车辆的当前全球姿态。该方法能够使在安全模式中本地地产生的地图区段与可供使用的规划地图一致。因此使得能够实现特别无缝地切换到正常模式中。

在另一实施方式中设置，将在第三方法部分中所求取到的无地图的周围环境模型用于验证所提供的至少一个HD地图的正确性和/或用于检验来自第一方法部分的定位的结果。通过检验所提供的HD地图的正确性和检验定位的结果，能够更快地决定是否有必要切换到安全模式中。在这两种情况下，提高了自动化车辆的驾驶安全性。

在另一实施方式中设置，不仅聚焦于驾驶安全性而且聚焦于智能化且舒适的驾驶方式来进行第二方法部分中的对自动化车辆的行为的规划，而基本聚焦于驾驶安全性来进行第三方法部分中的对自动化车辆的行为的规划。通过将安全模式中对自动化车辆行为的规划降级来为用于确保驾驶安全性所需的计算操作提供更多的计算能力。因此能够借助于该方法提高自动化车辆的驾驶安全性。

在另一实施方式中设置，根据借助于车载环境传感装置所探测到的、当前行驶道路的行驶道路边界产生车道模型，

其中，在第三方法部分中将该车道模型用于产生本地规划地图的相应的区段，并且其中，随后将借助于车载环境传感装置在该自动化车辆的周围环境中所探测到的动态对象和障碍物添加到该本地规划地图的新产生的区段，以便产生无地图的周围环境模型。由此使得以特别高效的方式在安全模式中产生本地规划地图。

在另一实施方式中设置，在第三方法部分中在车辆约束的本地坐标系中生成无地图的周围环境模型。在此，将在该无地图的周围环境模型中所包含的对象从该车辆约束的本地坐标系变换到基于HD规划地图的全球坐标系中，以便确保从正常模式到安全模式中的无缝转换。该方法使得能够实现在正常模式与安全模式之间的特别快速的切换，由此提高驾驶安全性。

在另一实施方式中设置，如果定位在当前的方法周期内没有提供自动化车辆的准确的全球姿态，则暂停在第二方法部分中的以基于地图的周围环境模型为基础所执行的对自动化车辆的行为和轨迹的规划。由此能够提高提供给安全模式使用的计算能力。因此使得生成特别准确的无地图的周围环境模型并且优化基于该无地图的周围环境模型对行驶轨迹所进行的计算。由此提高自动化车辆的驾驶安全性。

根据另一方面，提供一种用于自动化车辆的控制装置，该控制装置设置为用于执行上述方法的至少一部分步骤。在此，该控制装置包括构造为用于根据数字化HD定位地图与车载环境传感装置数据的比较来求取该自动化车辆的全球姿态的定位模块，以及一级规划装置和二级规划装置。一级规划装置包括一级周围环境建模模块以及一级规划模块，该一级周围环境建模模块构造为用于在使用所提供的HD规划地图、车载环境传感装置数据和车载测程装置数据的情况下产生该自动化车辆的周围环境的基于地图的数字化模型，该一级规划模块构造为用于基于该自动化车辆的由定位模块所求取到的全球姿态和所提供的HD规划地图规划该自动化车辆的行为和轨迹。二级规划装置包括无地图的周围环境建模模块以及二级规划模块，该无地图的周围环境建模模块构造为用于根据由环境传感装置和测程装置提供的数据产生该自动化车辆的无地图的周围环境模型，该二级规划模块构造为用于基于该无地图的周围环境模型来规划该自动化车辆的行为和轨迹。通过该控制装置得出结合根据本发明的方法所描述的优点。

在一种实施方式中设置，控制装置还包括切换模块，该切换模块构造为用于检查自动化车辆的由定位模块所求取到的全球姿态的精度。在此，该切换模块还构造为用于将自动化车辆的运行从正常模式切换到安全模式，在该正常模式中，基于借助一级规划模块所提供的轨迹执行对该自动化车辆的控制，在安全模式中，只要检查得出定位模块没有求取到该自动化车辆的精确的全球姿态，则基于借助二级规划模块所提供的轨迹执行对该自动化车辆的控制。对于这种控制装置得出结合根据本发明的方法所描述的优点。

根据另一方面，还提供一种计算机程序，该计算机程序包括指令，所述指令在通过计算机执行该计算机程序时促使所述计算机实施上述方法。对于该计算机程序也得出结合根据本发明的方法所描述的优点。

最后，还提供一种计算机可读的存储介质，在该存储介质上存储有上述计算机程序。就此而言，对于该计算机可读的存储介质也得出结合根据本发明的方法所描述的优点。

附图说明

以下根据附图详细描述本发明。在此示出：

图1示意性地示出包括自动化车辆以及外部服务器的系统；

图2示出包括正常模式流水线、安全模式流水线以及切换模块的车辆内部的控制装置的方框图；

图3示出图2中的车辆内部的控制装置的更详细的方框图；

图4示出该方法中不同方法部分的流程图；

图5示出无地图的数字化周围环境模型与同一周围环境的基于地图的周围环境模型的叠加；

图6示出具有通过所述两个规划模块产生的轨迹的数字化周围环境模型；和

图7示出用于表明不同坐标系之间的变换的示图。

具体实施方式

图1示意性地示出在道路310上行驶的自动化车辆100。自动化车辆100具有用于检测在其周围环境300中的对象和结构的环境传感装置110以及用于控制自动化车辆100的控制设备120。在本示例中，环境传感装置110包括多个环境传感器，例如雷达传感器111、激光雷达传感器112和视频摄像机113。自动化车辆100此外还包括用于检测不同的测量参量和参数的传感器，例如用于检测自动化车辆100的当前运动状态的惯性传感器114、转向角传感器115、用于受卫星支持地求取自动化车辆100的全球位置的GNSS装置116，以及用于例如根据车辆车轮的旋转运动求取驶过的路程的测程装置117。自动化车辆100还包括用于建立与外部服务器210的无线通信连接201的无线通信设备190。如在图1中示出的那样，自动化车辆100和外部服务器是系统200的一部分，该系统可以包括另外的车辆和服务器并提供特定的服务(云服务)。在本示例中，服务器210具有存储装置211，在该存储装置中存储有不同的数字化HD地图400、410。在运行中，自动化车辆100从服务器210接收该自动化车辆100当前所在的对应的周围环境300的HD地图400、410。然后将这些数字式存在的HD地图400、410保存在控制设备120的存储装置122中。

如还可从图1看到的那样，控制设备120包括至少一个用于存储数字化HD地图400、410的存储装置122、用于求取优化轨迹412、422的控制装置121，以及用于控制自动化车辆100沿着所求取到的轨迹412、422运动的运动控制装置170。

图2示意性地示出图1中的控制装置121的另外的细节。据此，控制装置121包括定位模块130，该定位模块基于所提供的数字化HD定位地图400和由环境传感装置110提供的数据来求取自动化车辆100的当前全球姿态。控制装置121还包括配属给正常模式的一级规划装置140，该一级规划装置根据所求取到的全球姿态和所提供的数字化规划地图410为自动化车辆100求取适当的轨迹412。控制装置121还包括配属给安全模式的二级规划装置150，该二级规划装置仅仅根据由环境传感装置110提供的数据为自动化车辆100求取适当的轨迹422。控制装置121附加地包括切换模块160，该切换模块在正常模式与安全模式之间进行切换。为此，切换模块160检查定位模块130的定位的精度。当适当的定位结果可供使用时，切换模块160切换到正常模式，其中，在这种情况下，将由一级规划装置140基于地图所求取到的轨迹412传输到运动控制装置170。相反，如果没有适当的定位结果可供使用，则切换模块160切换到安全模式，其中，在这种情况下，将由二级规划装置150无地图地求取到的轨迹422传输到运动控制装置170。运动控制装置170随后对自动化车辆100执行相应的纵向控制和横向控制，以便沿着由分别所选择的规划装置140、150当前提供的轨迹412、422引导自动化车辆100。

图3示意性地示出图2中的两个规划装置140、150的另外的细节，这些规划装置分别包括周围环境建模模块141、151以及连接在该周围环境建模模块后面的规划模块142、152。一级规划装置140的一级周围环境建模模块141从存储装置122获得由外部服务器210提供的数字化HD规划地图410，从定位模块130获得根据数字化HD定位地图400当前所求取到的定位结果，从环境传感装置110获得相应的传感器数据和从测程装置117获得相应的测程数据。根据这些数据，周围环境建模模块141周期性地创建自动化车辆100的当前周围环境300的基于地图的周围环境模型411。根据该基于地图的周围环境模型411，一级规划模块142周期性地产生适当的轨迹412，其中，分别选择这些轨迹412中的一个轨迹用于传输到运动控制装置170。为此，一级规划模块142包括行为规划器143、连接在该行为规划器后面的参考线生成器144，以及连接在该参考线生成器后面的轨迹规划器145。

与此不同，二级规划装置150的二级周围环境建模模块151仅仅根据环境传感装置110的数据以及测程装置117的数据产生相应的无地图的周围环境模型421。如从图3可看出的那样，为此根据从传感器数据获得的车道模型156产生本地规划地图的区段420，基于该区段，通过用另外的传感器数据、例如在车辆环境中所识别到的动态代理者(Agent)进行补充来最终生成无地图的周围环境模型421。根据该基于地图的周围环境模型421，二级规划模块152也周期性地产生适当的轨迹422，其中，选择这些轨迹422中的一个轨迹用于传输到运动控制装置170。为此，一级规划模块142还包括相应的行为规划器153，连接在该行为规划器后面的参考线生成器154，以及连接在该参考线生成器后面的轨迹规划器155。

本方案提供附加的具有二级规划模块152的二级规划装置150，该二级规划模块在一级规划模块142由于上述状况而不能提供结果或不能提供有意义的结果的情况下接管控制。为此，自动化车辆100将车载环境传感装置111、112、113用于识别行驶道路标记314-317并由此创建本地规划地图的区段420。随后，将借助环境传感装置111、112、113所识别到的动态代理者330-335与本地规划地图的新创建的区段420关联，以便生成自动化车辆100的直接周围环境的无地图的周围环境模型421。如果定位模块130没有提供准确的定位结果，则将自上一次准确定位以来通过测程装置117所收集的测程数据用于估计自动化车辆100的当前全球姿态。紧接于此，将二级规划模块152内的行为规划器153降级到特殊模式中，该模式迫使自动化车辆100保持在当前行驶的通道内。与在正常模式中使用的一级规划模块142的行为规划器143相反，行为规划器153不为连接在其后面的轨迹规划器155提供语义信息，而是仅仅提供物理信息，以便规划安全轨迹422。二级规划模块152优选总是与一级规划模块142并列运行，而因此也作为监督者发挥作用，以便检验提供的HD地图400、410的数据的正确性。一旦触发正常模式与安全模式之间的切换，二级规划模块152就能够将其轨迹422粘附到先前的轨迹上，由此确保对自动化车辆100的顺利运动控制。

以预先收集的HD数字化地图400、410为依据的正常模式优选聚焦于舒适性和智能化。相反，安全模式优选聚焦于安全性和可被机载传感器检测到的近距离内的物理世界。这两个系统并不相互矛盾，而是在“为最坏的状况做好准备，但在状况允许时舒适且智能化地驾驶”的意义上共同作用。

图2和图3示出关于所提出的架构的在功能上的概况。在代表正常模式的规划流水线的一级规划装置140中，将来自定位装置、测程装置117和环境传感装置110的数据与先前收集的HD规划地图410一起馈入基于地图的一级周围环境建模模块141中。针对安全模式创建围绕自动化车辆100周围的另一周围环境模型421，该周围环境模型利用由传感器111、112、113所检测到的信息，以便在每个规划周期内创建一个本地规划地图的区段420。用于安全模式的周围环境模型421在此被称为“无地图的”，以便表明对此没有使用预先收集的地图。这两个周围环境建模模块141、152在两个平行的线程中启动。如果基于地图的正常模式到达故障状态，二级规划模块152将其当前计算的轨迹422发送到运动控制装置170。

在此描述的设备、装置和模块不仅可以以软件或硬件的形式实现，还可以以软件和硬件的组合的形式实现。

图4示出在此描述的方法的简化的流程图。该方法在此分为三个不同的方法支线601、602、603，这些方法支线彼此独立地并且在时间上至少部分重叠地执行。为更好地表示，将不同的方法步骤601、602、603并排地示出。在此，第一方法支线601代表正常模式，在正常模式中常规地、即基于HD地图进行轨迹规划。在第一方法部分610中进行方法步骤611，在该方法步骤中提供HD定位地图400。此外，在方法步骤612中借助环境传感装置110对自动化车辆300的环境进行探测。随后在方法步骤613中，根据环境传感装置110的数据与HD定位级别611的比较对自动化车辆100进行定位。在随后的第二方法部分620中，根据来自第一方法部分610的定位结果计算用于自动化车辆100的适合的轨迹。为此，在方法步骤621中进行基于地图的周围环境建模，在该周围环境建模中生成基于地图的周围环境模型411。在随后的方法步骤623中，基于地图生成参考线。最后，在方法步骤624中执行基于地图的轨迹规划，在该基于地图的轨迹规划中求取对于当前规划周期来说优化的轨迹422。

相反，第二方法支线602代表附加的安全模式，在附加的安全模式中，无HD地图地进行轨迹规划。在此仅仅使用第一方法部分610中的方法步骤612，该方法步骤代表借助环境传感装置110对车辆环境的探测。紧接于此，在方法步骤631中进行无地图的周围环境建模。在此，首先根据由环境传感装置110提供的数据产生本地规划地图的区段420，基于该区段，通过用环境传感装置110的另外的数据进行补充来生成无地图的周围环境模型421。此外，在方法步骤635中进行无地图的定位，在该无地图的定位中求取自动化车辆100在本地规划地图的区段420中或者说无地图的周围环境模型421中的位置或者说姿态。在随后的方法步骤632中进行无地图的行为规划。随后，在方法步骤633中无地图地生成适当的参考线。最后，在方法步骤634中进行无地图的轨迹规划，在该无地图的轨迹规划中计算针对当前规划周期优化的轨迹422。

在包括第四方法步骤640的第三方法支线603中决定应将在不同的模式中所求取到的两个轨迹412、442中的哪个用于控制自动化车辆100。为此，在方法步骤641中首先检查在方法步骤613中根据HD定位地图400所执行的定位的当前结果。根据该检查的结果，在随后的方法步骤642中选择对应的运行模式。在此决定，是激活正常模式并将借助一级规划装置140所求取到的轨迹412用于控制自动化车辆100，还是激活安全模式并将借助二级规划装置150所求取到的轨迹422用于控制自动化车辆100。最后，在方法步骤650中将在分别选择的运行模式中所计算的轨迹412、422输出到自动化车辆100的运动控制装置170。

图5示出根据由环境传感装置110提供的数据在本地产生本地规划地图区段420。因此能够例如将视频摄像机113集成到系统中，该视频摄像机已经能够识别到行驶道路标记314-317，并提供呈回旋曲线(Klothoiden)的高品质的行驶道路模型。在图5中，中间的线315、316表示自动化车辆100的当前车道312的边界线，外侧的线314、317代表邻接的车道311、313的边界线。此外，视频摄像机113能够识别可自由行驶的空间，这在下一阶段中为二级规划模块152提供附加的预给定。紧接于基于回旋曲线产生行驶道路模型之后，将数据转换成内部地图格式，以便二级规划模块152能够访问这些数据。这样产生的本地规划地图的区段420最初存在于车辆约束的坐标系统520中，并在每个规划周期中与车辆100一起运动。然而借助于结合图7所阐述的变换公式，不管定位模块130是否失效，本地规划地图420总是可以被变换到全球坐标系510中。

在图5中，阴影区域标记本地规划地图的当前由车辆100产生的区段420，该区段与所提供的HD规划地图410叠加。如果定位模块130能够完全发挥功能，本地规划地图的当前产生的区段420应与底层地图层中的预先获得的HD规划地图410对齐并良好地投影到该规划地图上。

由本地生成的规划地图区段420能够推导出所谓的“可行驶通道”，该“可行驶通道”示出自动化车辆100在当前状况下能够在其上运动的连续轨迹。该可行驶通道典型地通过Vector3D点的序列和在各点处测量到的宽度的序列来表示。然后可以根据这些信息执行优化过程，以便获得描述该可行驶通道的更密、更平滑的曲线。由于在自动化车辆100的近距离区域中的可行驶通道从一个规划周期到另一规划周期通常仅略微发生变化，所以并非对于每个规划周期都需要新的优化过程。因此可以设置一种算法，该算法仅当自动化车辆100进行显著的向前运动时才触发优化过程，该算法可被参数化。

如已结合图2所说明的那样，在正常模式中，将由一级规划模块142针对正常模式创建的轨迹412传输到自动化车辆100的运动控制装置170，以便控制车辆运动。还为两个规划模块142、152存储该轨迹412用于接下来的规划周期，从而规划模块142、152能够将其分别新求取到的轨迹412、422粘附到先前的轨迹上。当触发从正常模式到安全模式的转换时，可以暂停针对在正常模式中的周围环境建模的线程，跳过正常模式中的轨迹生成，而针对安全模式的周围环境建模和轨迹生成继续进行。在正常模式与安全模式之间的转换周期中，二级规划模块152继续使用来自先前的规划周期的、一级规划模块142的在正常模式中所求取到的轨迹412来创建该二级规划模块的当前轨迹422。在该转换周期之后，二级规划模块152使用先前由其自身所产生的轨迹422来创建该二级规划模块的当前轨迹422。为示出从正常模式到安全模式的转换，图6示出基于地图的周围环境模型411具有在多车道道路310上行驶的车辆100。该周围环境模型411还包括另一车辆330，其行驶方向和速度借助箭头被可视化。对于正常模式，通常由一级规划模块142产生一束不同的轨迹，其中，这些轨迹与行驶道路表面的垂直距离典型地显示对应的车辆速度。在图6中示出的单个轨迹412是由一级规划模块142作为计算出的轨迹束中的最佳轨迹所求取的那个轨迹，自动化车辆100的运动控制装置直至该时间点遵循该轨迹。第二个线表示当前由二级规划模块152当前计算的轨迹422，该轨迹被粘附到至今为止的轨迹412上，并且现在在从正常模式转换到安全模式之后自动化车辆100的运动控制装置遵循该轨迹422。

图7示出该方法中所使用的不同坐标系以及基本的坐标变换。就此而言，在正常模式中，HD规划地图410提供在被称为map_enu frame的全球坐标系统510中的信息，如行驶道路标记314-317上的点。相反，传感器系统110提供在固定配属给车辆100的本地坐标系520中的周围代理者(自动化车辆的周围环境中的对象)的状态，该本地坐标系被称为vehicle_origin frame。为融合来自不同坐标系510、520的数据，一级规划模块142必须在各个规划周期中计算两个坐标系510、520之间的以下变换：

map_T_vehicle_origin＝map_T_ecef×ecef_T_vehicle_origin

在此，map_T_ecef相当于从被称为ECEF-frame(Earth Centered Erath Fixed，地心地固)的地心地固坐标系500到HD地图410的全球坐标系510的静态变换501。此外，cef_T_vehicle_origin是指从地心地固坐标系500到车辆约束的坐标系520的变换502，该变换相当于当前的定位结果或可以从当前的定位结果推导出。

如果定位模块130没有提供全球车辆位置或仅提供不准确的全球车辆位置，则必须基于自动化车辆100的最近得知的准确全球定位来求取结果。这同样借助ecef_T_vehicle_origin变换502进行，但在这种情况下如下计算该变换：

坐标系530的准确变换504，该测程坐标系配属给自动化车辆100的上一次精确位置的地点。在正常模式中，变换505总是按照标准被记录，并且只要不存在新的准确的定位结果就不改变。相反，ogm_T_vehicle_origin是指从测程坐标系530到车辆约束的坐标系520的变换503。该变换503根据在每个规划周期中被更新的测程数据得出。测程数据相当于自上一次准确定位以来由车辆100驶过的路程440，该路程借助于车载测程设备117被检测。由上述公式为从全球坐标系510到车辆约束的坐标系520的变换还得出以下换算：

map_T_odom＝ecef_T_map.inv x ecef_T_vehicle_origin x

odom_T_vehicle_origin.inv

因此，即使在定位模块发生功能故障后，自动化车辆100仍然能够将在其周围环境300中感知到的代理者(例如其他交通参与者)、行驶道路标记和障碍物从车辆约束的坐标系520(vehilce_origin)变换到配属给全球地图的全球坐标系510，这使得能够实现从正常模式到安全模式的顺利转换。

除了基于HD地图进行高度自动化驾驶功能的正常模式外，在此提出的方案还设置附加的安全模式，该安全模式使高度自动化的驾驶功能(HAD，Highly AutonomousDriving，高度自主驾驶)即使在不能确保借助HD地图充分定位的状况下也对于用户来说是安全的。正常模式在基于地图的定位发挥功能的情况下由于HD地图而还能够实现智能化的驾驶功能，而安全模式在此则优选聚焦于为确保驾驶安全性所必需的必要物理状态。

该新方案能够被用于等级3以上的HAD系统，在这些HAD系统中不要求通过驾驶员持续进行监控。这例如涉及如拥堵领航(Traffic Jam Pilot)、高速公路领航(HighwayPilot)或城市机器人出租车等功能。该方案还能够被用于改善基于HD地图的L2+ADAS系统的性能，例如免提功能。

尽管通过优选实施例在细节上对本发明进行了详细的说明和描述，但本发明不受限于所公开的示例，并且可以由本领域的技术人员在不脱离本发明的保护范围的情况下从中导出其他变型方案。