检测公路天气状况的制作方法
【专利说明】检测公路天气状况
[0001]相关申请交叉引用
[0002]本申请是2012年9月20日提交的美国专利申请N0.13/623, 397的继续申请，是2012年9月20日提交的美国专利申请N0.13/623，422的继续申请，其全部公开内容在此援引加入进来。
【背景技术】
[0003]自动车辆使用各种计算系统来帮助乘客从一个位置运送到另一位置。一些自动车辆可能需要来自诸如飞行员、驾驶员或乘客的操作者的初始输入或连续输入。其他自动系统，例如自动驾驶系统，可能只在系统已接合(engage)时使用，其允许操作员从手动模式(其中操作者对车辆的运动实施高度控制)切换为自动模式(其中车辆基本上自己驾驶)到位于其间的模式。
[0004]这样的车辆通常配备有各种类型的传感器以便检测周围物体。例如，自动车辆可以包括激光、声纳、雷达、相机以及扫描和记录来自车辆周围的数据的其他设备。来自一个或多个这些设备的传感器数据可以用于检测物体及其相应的特性(位置、形状、航向、速度等等)。这个检测和识别是自动车辆安全操作的关键功能。
【发明内容】
[0005]本公开的一个方面提供一种方法。所述方法包括随着车辆沿着道路驾驶，接收为所述道路收集的激光数据，其中，所述激光数据包括多个激光数据点，所述多个激光数据点的每个数据点具有与之相关联的位置和亮度信息；确定与所述道路内的位置相关联的所述多个激光数据点的平均亮度；将所述平均亮度和与干燥天气状况下所述道路的所述预期平均亮度相关联的阈值相比较；当所述平均亮度低于所述阈值时，识别所述道路为潮湿的指示；由处理器基于所述道路为潮湿的所述指示而估计所述道路的驾驶状况；以及由所述处理器使用所述估计为所述车辆做出驾驶决策。
[0006]在一个示例中，干燥天气状况下所述道路的预期平均亮度基于所述道路的表面的组成成分。在另一示例中，所述方法还包括:确定所述道路的亮度值的分布；将所确定的分布和用于干燥状况的预期分布相比较；当所确定的分布已相对于用于干燥状况的预期分布朝向亮度标度的较暗端迀移时，识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括检测所述多个激光数据点中不指示位于接近所述车辆的后部的特定结构的激光数据点的云；当检测到所述云时，识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:从所述多个激光数据点检测所述道路中的移动物体；检测所述多个激光数据点中不指示位于接近所述移动物体的特定结构的激光数据点的云；当检测到所述云时，识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:访问指示所述道路的预期海拔的所述道路的详细地图信息；从与接近所述道路的预期表面的位置数据相关联的所接收到的激光数据点中识别激光数据点的云；将所述云的所述激光数据点与所述预期道路表面之上的第一阈值和所述预期道路表面之下的第二阈值相比较；当所述云的所述激光数据点包括所述第一阈值之上的至少一个激光数据点和所述第二阈值之下的至少一个激光数据点时，识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:随着所述车辆沿着所述道路驾驶，接收从相机捕捉的图像；基于所述图像识别所述道路为潮湿的附加指示；以及其中，所述道路为潮湿的所述附加指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:从与所述车辆相关联的降水传感器接收降水数据；以及基于所述降水数据识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，估计所述驾驶状况包括使用贝叶斯估计。在另一示例中，所述方法还包括:访问指示所述道路的预期海拔的所述道路的详细地图信息；确定所述道路一部分的平均海拔；基于所述道路一部分的平均海拔是否是比预期海拔大至少第二阈值来识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:通过网络从服务器接收所述车辆的当前位置的天气信息；基于天气相关信息识别所述道路为潮湿的第二指示；以及其中，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。
[0007]本公开的另一方面提供一种系统。所述系统包括:存储器，所述存储器存储干燥天气状况下道路的预期平均亮度；以及处理器。所述处理器被配置为:随着车辆沿着所述道路驾驶，接收为道路收集的激光数据，其中，所述激光数据包括多个激光数据点，所述多个激光数据点的每个数据点具有与之相关联的位置和亮度信息；确定与所述道路内的位置相关联的所述多个激光数据点的平均亮度；将所述平均亮度和与干燥天气状况下所述道路的预期平均亮度相关联的阈值相比较；当所述平均亮度低于所述阈值时，识别所述道路为潮湿的指示；基于所述道路为潮湿的指示而估计所述道路的驾驶状况；以及使用所述估计为所述车辆做出驾驶决策。
[0008]在一个示例中，干燥天气状况下所述道路的预期平均亮度基于所述道路的表面的组成成分。在另一示例中，所述处理器还被配置为确定所述道路的亮度值的分布；将所确定的分布和用于干燥状况的预期分布相比较；当所确定的分布已相对于用于干燥状况的预期分布朝向亮度标度的较暗端迀移时，识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:检测所述多个激光数据点中不指示位于接近所述车辆的后部的特定结构的激光数据点的云；当检测到云时，识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:从所述多个激光数据点检测所述道路中的移动物体；检测所述多个激光数据点中不指示位于接近所述移动物体的特定结构的激光数据点的云；当检测到所述云时，识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:访问指示所述道路的预期海拔的所述道路的详细地图信息；从与接近所述道路的预期表面的位置数据相关联的所接收到的激光数据点中识别激光数据点的云；将所述云的所述激光数据点与所述预期道路表面之上的第一阈值和所述预期道路表面之下的第二阈值相比较；当所述云的所述激光数据点包括所述第一阈值之上的至少一个激光数据点和所述第二阈值之下的至少一个激光数据点时，识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:随着所述车辆沿着所述道路驾驶，接收从相机捕捉的图像；基于所述图像识别所述道路为潮湿的附加指示；以及，所述道路为潮湿的所述附加指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:从与所述车辆相关联的降水传感器接收降水数据；基于所述降水数据识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，当估计所述驾驶状况时，所述处理器被配置为使用贝叶斯估计。在另一示例中，所述处理器还被配置为:访问指示所述道路的预期海拔的所述道路的详细地图信息；确定所述道路一部分的平均海拔；基于所述道路一部分的平均海拔是否是比预期海拔大至少第二阈值来识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述处理器还被配置为:通过网络从服务器接收所述车辆的当前位置的天气信息；基于天气相关信息识别所述道路为潮湿的第二指示；以及，所述道路为潮湿的所述第二指示被所述处理器用来估计所述驾驶状况。
[0009]本公开的一个方面提供一种方法。所述方法包括随着车辆沿着道路驾驶，接收为所述道路收集的激光数据，其中，所述激光数据包括多个激光数据点，所述多个激光数据点的每个数据点具有与之相关联的位置和亮度信息；确定与所述道路内的位置相关联的所述多个激光数据点的平均亮度；将所述平均亮度和与干燥天气状况下所述道路的预期平均亮度相关联的阈值相比较；当所述平均亮度高于所述阈值时，识别所述道路至少部分被雪覆盖的指示；由处理器基于所述道路至少部分被雪覆盖的指示而估计所述道路的驾驶状况；以及由所述处理器使用所述估计为所述车辆做出驾驶决策。
[0010]在一个示例中，所述方法还包括:确定所述道路的亮度值的分布；将所确定的分布和用于干燥状况的预期分布相比较；当所确定的分布已相对于用于干燥状况的预期分布朝向亮度标度的较亮端迀移时，识别所述道路至少部分被雪覆盖的第二指示；以及，所述第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，详细地图信息进一步包括超越道路的区域的预期平均亮度，并且所述方法还包括接收从超越道路的一个或多个区域收集的第二激光数据，其中，所述第二激光数据包括多个第二激光数据点，所述多个第二激光数据点的每个数据点具有与之相关联的位置和亮度信息；确定第二多个激光数据点的平均亮度；当多个激光数据点的平均亮度是高于超越道路的区域的预期平均亮度的阈值时，识别下雪状况的指示；以及该下雪状况的指示被所述处理器用于估计驾驶状况。在另一示例中，所述方法还包括:随着所述车辆沿着所述道路驾驶，接收从相机捕捉的图像；基于所述图像识别下雪道路状况的指示；以及，该下雪道路状况的指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:从与所述车辆相关联的降水传感器接收降水数据；基于所述降水数据识别下雪道路状况的指示；以及，该下雪道路状况的指示被所述处理器用来估计所述驾驶状况。在另一示例中，估计所述驾驶状况包括使用贝叶斯估计。在另一示例中，访问所述道路的详细地图信息包括识别道路的预期海拔，并且所述方法还包括确定所述道路的平均海拔；当道路的平均海拔是大于预期海拔的至少阈值时，识别道路至少部分被雪覆盖的附加指示；以及，第二指示被所述处理器用来估计所述驾驶状况。在另一示例中，所述方法还包括:通过网络从服务器接收所