基于傳感器盲點和局限性來修改自主車輛的行為的制作方法
【專利說明】基于傳感器盲點和局限性來修改自主車輛的行為
[0001]相關申請的交叉引用
[0002]本申請是提交于2013年I月25日的、題為基于傳感器盲點和局限性來修改自主車輛的行為的美國專利申請13/749，793的繼續申請，在此通過引用并入其全部內容。
【背景技術】
[0003]自主車輛使用各種計算系統來幫助將乘客從一個位置運輸到另一個位置。一些自主車輛可能需要來自諸如領航員(Pilot)、駕駛員、或乘客的操作者的一些初始輸入或連續的輸入。例如自動駕駛系統的其它系統可以只有當該系統已參與時使用，這使得操作員從手動模式(其中操作者行使對車輛移動的高度控制)切換到自主模式(其中車輛基本上自己駕駛)到介于二者之間的模式。
[0004]這樣的車輛裝備有各種類型的傳感器以便檢測周圍的物體。例如，自主車輛可以包括激光、聲納、雷達、相機、和能夠從車輛周圍掃描并記錄數據的其它設備。這些設備的組合(在一些情況下是單獨的)可以用于構建在車輛的周圍中檢測到的物體的3D模型。
[0005]除了對在車輛的周圍中的物體進行建模和檢測之外，自主車輛還需要推導出未被這些傳感器看到的世界的部分(例如，由于阻塞(occlus1n))以安全地駕駛。不考慮這些傳感器的局限性，這可以導致危險的操縱(maneuvers)，諸如經過死角、移動到部分被其它物體阻塞的空間中等等。
【發明內容】
[0006]本公開的一個方面提供一種方法。所述方法包括為用于檢測在車輛的環境中的物體的多個傳感器中的每個給定的傳感器生成所述給定的傳感器的視場的3D模型；接收天氣信息，所述天氣信息包括報告、雷達信息、預報以及涉及在所述車輛的環境中的實際或預期的天氣狀況的實時測量中的一個或多個；基于所接收到的天氣信息調整所述多個3D模型的一個或多個特性，以考慮所述實際的或預期的天氣狀況對所述多個傳感器中的一個或多個的影響；在所述調整之后，由處理器聚集所述多個3D模型以生成全面的3D模型；組合所述全面的3D模型和詳細地圖信息；以及使用所述組合的全面的3D模型和詳細地圖信息以操縱所述車輛。
[0007]在一個示例中，每個給定的傳感器的視場的所述3D模型基于所述給定的傳感器的未被阻擋的視場的預先確定的模型。在另一個示例中，每個給定的傳感器的視場的所述3D模型基于所述給定的傳感器相對于所述車輛的位置和定向。在另一個示例中，所述天氣信息是經由網絡從遠程計算機接收的。在另一個示例中，所述天氣信息是從所述多個傳感器中的一個接收的。在另一個示例中，所述多個3D模型中的至少一個模型包括概率數據，所述概率數據指示在所述至少一個模型的給定位置檢測到物體的概率，以及所述概率數據在聚集所述多個3D模型以生成所述全面的3D模型時被使用。在另一個示例中，所述詳細地圖信息包括概率數據，所述概率數據指示在所述地圖的給定位置檢測到物體的概率，以及所述概率數據在組合所述全面的3D模型和詳細地圖信息時被使用。在另一個示例中，組合所述全面的3D模型與詳細地圖信息導致注釋有信息的所述車輛的環境的模型，所述信息描述所述環境的各部分是否被占用、未被占用、或未被觀察到。
[0008]本公開的另一個方面提供一種系統。所述系統包括處理器，所述處理器被配置成為用于檢測在車輛的環境中的物體的多個傳感器中的每個給定的傳感器生成所述給定的傳感器的視場的3D模型；接收天氣信息，所述天氣信息包括報告、雷達信息、預報以及涉及在所述車輛的環境中的實際或預期的天氣狀況的實時測量中的一個或多個；基于所述所接收到的天氣信息調整所述多個3D模型的一個或多個特性，以考慮所述實際的或預期的天氣狀況對所述多個傳感器中的一個或多個的影響；在所述調整之后，聚集所述多個3D模型以生成全面的3D模型；組合所述全面的3D模型和詳細地圖信息；以及使用所述組合的全面的3D模型和詳細地圖信息以操縱所述車輛。
[0009]在一個示例中，每個給定的傳感器的視場的所述3D模型基于所述給定的傳感器的未被阻擋的視場的預先確定的模型。在另一個示例中，每個給定的傳感器的視場的所述3D模型基于所述給定的傳感器相對于所述車輛的位置和定向。在另一個示例中，所述天氣信息是經由網絡從遠程計算機接收的。在另一個示例中，所述天氣信息是從所述多個傳感器中的一個接收的。在另一個示例中，所述多個3D模型中的至少一個模型包括概率數據，所述概率數據指示在所述至少一個模型的給定位置檢測到物體的概率，以及所述概率數據在聚集所述多個3D模型以生成所述全面的3D模型時被使用。在另一個示例中，所述詳細地圖信息包括概率數據，所述概率數據指示在所述地圖的給定位置檢測到物體的概率，以及所述概率數據在組合所述全面的3D模型和詳細地圖信息時被使用。在另一個示例中，組合所述全面的3D模型和詳細地圖信息導致注釋有信息的所述車輛的環境的模型，所述信息描述所述環境的各部分是否被占用、未被占用、或未被觀察到。
[0010]本公開的另外的方面提供有形的、非暫時性的計算機可讀存儲介質，其上存儲程序的計算機可讀指令。所述指令在由處理器所執行時使得所述處理器執行方法。所述方法包括為用于檢測在車輛的環境中的物體的多個傳感器中的每個給定的傳感器生成所述給定的傳感器的視場的3D模型；接收天氣信息，所述天氣信息包括報告、雷達信息、預報以及涉及在所述車輛的環境中實際或預期的天氣狀況的實時測量中的一個或多個；基于所述所接收到的天氣信息調整所述多個3D模型的一個或多個特性，以考慮所述實際的或預期的天氣狀況對所述多個傳感器中的一個或多個的影響；在所述調整之后，聚集所述多個3D模型以生成全面的3D模型；組合所述全面的3D模型和詳細地圖信息；以及使用所述組合的全面的3D模型和詳細地圖信息以操縱所述車輛。
[0011]在一個示例中，每個給定的傳感器的視場的所述3D模型基于所述給定的傳感器的未被阻擋的視場的預先確定的模型。在另一個示例中，所述多個3D模型中的至少一個模型包括概率數據，所述概率數據指示在所述至少一個模型的給定位置檢測到物體的概率，以及所述概率數據在聚集所述多個3D模型以生成所述全面的3D模型時被使用。在另一個示例中，所述詳細地圖信息包括概率數據，所述概率數據指示在所述地圖的給定位置檢測到物體的概率，以及所述概率數據在組合所述全面的3D模型和詳細地圖信息時被使用。
【附圖說明】
[0012]圖1是根據示例性實施例的系統的功能圖。
[0013]圖2是根據示例性實施例的自主車輛的內部。
[0014]圖3是根據本公開的方面的自主車輛的外部。
[0015]圖4A-D是根據本公開的方面的自主車輛的圖。
[0016]圖5是根據本公開的方面的詳細地圖信息的示例。
[0017]圖6是根據本公開的方面的詳細地圖信息的另一個示例。
[0018]圖7A是根據本公開的方面的系統的圖解圖。
[0019]圖7B是根據本公開的方面的系統的功能圖。
[0020]圖8A和SB是根據本公開的方面的用于傳感器的3D模型的組件的示例。
[0021]圖9A和9B是根據本公開的方面的用于傳感器的3D模型的組件的其它示例。
[0022]圖10是根據本公開的方面的用于多個傳感器的全面的3D模型的示例。
[0023]圖11是根據本公開的方面的用于多個傳感器的全面的3D模型的另一個示例。
[0024]圖12是根據本公開的方面的用于與詳細地圖信息相結合的多個傳感器的全面的3D模型的示例。
[0025]圖13是根據本公開的方面的示例流程圖。
【具體實施方式】
[0026]本公開的方面通常涉及對車輛的環境的當前視圖進行建模。該視圖不需要包括該車輛實際上正在看到什么物體或特征，而是包括在傳感器完全沒有被阻塞(un-occluded)的情況下該車輛能夠使用其傳感器觀察的那些區域。例如，對于物體檢測組件的多個傳感