基于车辆行为确定驾驶环境的改变的制作方法
【专利说明】基于车辆行为确定驾驶环境的改变
[0001]相关申请的交叉引用
[0002]本申请是2012年9月27日提交的美国专利申请N0.13/628, 905的连续申请，其公开内容以引用方式并入本文。
【背景技术】
[0003]自主车辆可使用各种计算系统来帮助将乘客从一个地点运输到另一地点。另外，自主车辆可能需要来自诸如引航员、驾驶员或乘客的操作者的初始输入或连续输入。例如自动驾驶系统的其它自主系统只有在该系统已被启用时才可使用，其允许操作者从手动模式(在该模式下由操作者对自主车辆的移动实行高度控制)切换到自主模式(在该模式下自主车辆基本上自己驾驶)到介于二者间的模式。
[0004]自主车辆可配备有各种类型的传感器，以便检测其环境中的对象。例如，自主车辆可包括从自主车辆的环境扫描并记录数据的诸如激光、声纳、雷达、相机的传感器以及其它传感器。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆的安全操作的关键功能。
[0005]为了对环境信赖且精确地导航，自主车辆可依赖于先前存储的环境(例如，道路、高速路等)的电子表示。环境的电子表示可被视为“地图”，其识别诸如车道标记、车道边沿、k_轨道式混凝土护栏、分道线、道路中间隔离带、交通安全锥标的特征以及其它此类特征。自主车辆可存储复杂环境和简单环境二者的地图。
[0006]然而，有时候这些先前存储的地图可能过时或不正确。例如，环境中可能存在施工或者道路上发生事故。结果，道路的车道可能相对于它们在先前存储的地图中先前指示的位置发生移位。在这些情况下，自主车辆必须能够识别道路中何时发生这些改变。
【发明内容】
[0007]公开了一种设备和方法。在一个实施例中，所述设备包括:传感器，其被配置为检测驾驶环境中的第一车辆；以及计算机可读存储器，其存储驾驶环境的详细地图信息以及所述第一车辆的第一状态信息，所述详细地图信息包括关于所述第一车辆行驶的道路的信息，所述第一状态信息识别所述第一车辆的位置、速度或行驶方向中的至少一个。所述设备还可包括与所述计算机可读存储器和所述传感器通信的处理器。所述处理器可被配置为从所述传感器接收传感器信息，所述传感器信息基于检测到所述驾驶环境中的所述第一车辆；基于所接收的传感器信息确定所述第一状态信息；基于所述第一状态信息确定第一轨迹；基于所述详细地图信息确定预期轨迹；以及通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定所述驾驶环境已改变。
[0008]在所述设备的另一实施例中，所述处理器还被配置为通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定偏离度量值，其中，当所述偏离度量值超过偏离度量阈值时，所述处理器确定所述驾驶环境已改变。
[0009]在所述设备的另一实施例中，所确定的偏离度量值包括表示所确定的第一轨迹与所确定的预期轨迹之间的最大差异的最大偏离度量值。
[0010]在所述设备的另一实施例中，所确定的偏离度量值包括平均带符号偏离度量值，所述平均带符号偏离度量值表示所确定的第一轨迹与所确定的预期轨迹之间的差异的大小和方向。
[0011]在所述设备的另一实施例中，所确定的第一轨迹包括平均轨迹，所述平均轨迹在预定时间段上取平均。
[0012]在所述设备的另一实施例中，所确定的预期轨迹基于与所述详细地图信息相对应的道路的中心线。
[0013]在所述设备的另一实施例中，所述计算机可读存储器还存储:概率模型，其基于从所确定的第一轨迹与所确定的预期轨迹的比较而确定的至少一个偏离度量值来限定所述驾驶环境相对于所述详细地图信息改变的概率；以及概率函数，其基于所述概率模型来确定所述驾驶环境相对于所述详细地图信息改变的概率。另外，所述处理器还可被配置为基于所述概率函数来确定所述驾驶环境相对于所述详细地图信息改变的概率。
[0014]在所述设备的另一实施例中，所述概率模型是多个概率模型中的一个，并且所述处理器还可被配置为基于第一地理位置从所述多个概率模型选择概率模型。
[0015]在所述设备的另一实施例中，所确定的第一轨迹包括多个轨迹，所述多个轨迹中的每一个轨迹对应于所述驾驶环境中的一个车辆，并且所述处理器还可被配置为基于至少一个合并因素将所述多个轨迹合并为所确定的第一轨迹。
[0016]在所述设备的另一实施例中，所述处理器还可被配置为:确定所述多个轨迹的合并轨迹质量值，所述合并轨迹质量值表示所确定的第一轨迹的质量；并且基于所确定的合并轨迹质量值确定所述驾驶环境相对于所述详细地图信息改变的概率。
[0017]在所述方法的一个实施例中，所述方法可包括:利用自主车辆的传感器来检测驾驶环境中的第一车辆；以及利用与所述传感器通信的处理器来接收基于检测到所述驾驶环境中的所述第一车辆的传感器信息。所述方法还可包括利用所述处理器来基于所接收的传感器信息确定第一状态信息，所述第一状态信息识别所述第一车辆的位置、速度或行驶方向中的至少一个。所述方法还可包括利用所述处理器来基于所述第一状态信息确定第一轨迹；以及利用所述处理器来基于详细地图信息确定预期轨迹，所述详细地图信息包括关于所述第一车辆所行驶的所述驾驶环境的信息。所述方法还可包括利用所述处理器，通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定所述驾驶环境已改变。
[0018]在所述方法的另一实施例中，所述方法可包括:利用所述处理器，通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定偏离度量值；以及当所述偏离度量值超过偏离度量阈值时利用所述处理器来确定所述驾驶环境已改变。
[0019]在所述方法的另一实施例中，所确定的偏离度量值包括表示所确定的第一轨迹与所确定的预期轨迹之间的最大差异的最大偏离度量值。
[0020]在所述方法的另一实施例中，所确定的偏离度量值包括平均带符号偏离度量值，所述平均带符号偏离度量值表示所确定的第一轨迹与所确定的预期轨迹之间的差异的大小和方向。
[0021]在所述方法的另一实施例中，所确定的第一轨迹包括平均轨迹，所述平均轨迹在预定时间段上取平均。
[0022]在所述方法的另一实施例中，所确定的预期轨迹基于与所述详细地图信息相对应的道路的中心线。
[0023]在所述方法的另一实施例中，所述方法包括利用所述处理器基于概率函数来确定所述驾驶环境相对于所述详细地图信息已改变的概率，其中，所述概率函数基于概率模型来确定所述驾驶环境相对于所述详细地图信息已改变的概率，并且所述概率模型基于从所确定的第一轨迹与所确定的预期轨迹的比较而确定的至少一个偏离度量值来限定所述驾驶环境相对于所述详细地图信息已改变的概率。
[0024]在所述方法的另一实施例中，所述概率模型是多个概率模型中的一个，并且所述方法还包括利用所述处理器基于第一地理位置从所述多个概率模型选择概率模型。
[0025]在所述方法的另一实施例中，所确定的第一轨迹包括多个轨迹，所述多个轨迹中的每一个轨迹对应于所述驾驶环境中的一个车辆。所述方法还可包括利用所述处理器基于至少一个合并因素将所述多个轨迹合并为所确定的第一轨迹。
[0026]在所述方法的另一实施例中，所述方法可包括:利用所述处理器来确定所述多个轨迹的合并轨迹质量值，所述合并轨迹质量值表示所确定的第一轨迹的质量；以及利用所述处理器基于所确定的合并轨迹质量值来确定所述驾驶环境相对于所述详细地图信息已改变的概率。
【附图说明】
[0027]附图并非旨在按比例绘制。在附图中，示出于各个图中的每个相同或接近相同的组件由相似的标号来表示。为了清晰起见，在每一个附图中可能没有标记每一个组件。附图中:
[0028]图1示出根据本公开的多方面的基于跟踪一个或多个车辆来确定驾驶环境是否已改变的自主车辆的示例。
[0029]图2示出根据本公开的多方面的自主车辆的内部的示例。
[0030]图3示出根据本公开的多方面的自主车辆上的一个或多个传感器的置放的示例。
[0031]图4A-4D示出根据本公开的多方面的自主车辆上的各种传感器的近似传感器场的各种视图。
[0032]图5示出依据本公开的多方面的可由自主车辆存储的详细地图信息的示例。
[0033]图6示出根据本公开的多方面的检测驾驶环境中的一个或多个车辆的自主车辆的示例。
[0034]图7示出根据本公开的多方面的确定驾驶环境中的被检测车辆的轨迹的自主车辆的示例。
[0035]图8A-8B示出根据本公开的多方面的利用轨迹来确定驾驶环境是否已改变的示例。
[0036]图9示出根据本公开的多方面的检测驾驶环境中的一个或多个车辆的自主车辆的另一不例。
[0037]图10示出根据本公开的多方面的对从图9检测的一个或多个车辆的确定的轨迹进行比较的自主车辆的示例。
[0038]图11示出根据本公开的多方面的对从图9检测的一个或多个车辆的合并轨迹进行比较的自主车辆的示例。
[0039]图12示出根据本公开的多方面的基于一个或多个被检测车辆来确定驾驶环境是否已改变的逻辑流程的第一示例。
[0040]图13示出根据本公开的多方面的基于一个或多个被检测车辆来确定驾驶环境是否已改变的逻辑流程的第二示例。
【具体实施方式】
[0041]本公开提供了用于确定先前存储的地图何时不准确的系统和方法。具体地，本公开提供了一种自主车辆，其评估驾驶环境(例如，道路、高速路、公园路、街道等)中的一个或多个被检测车辆的行为以确定自主车辆所存储的驾驶环境的地图何时或者是否准确。
[0042]在一个实施例中，自主车辆可监视并跟踪驾驶环境中的一个或多个车辆的位置并且确定所述一个或多个车辆的轨迹。利用地图差异(discrepancy)算法，自主车辆然后可比较确定的车辆轨迹与基于先前存储的地图中识别的车道的预期车辆轨迹。当自主车辆观察到一个或多个车辆以与基于先前存储的地图的预期行为不匹配的方式一致地移动时，自主车辆可识别出地图不再可靠(即不准确)。
[0043]例如，在施工区域，驾驶环境中的车道可移位以适应施工作业。在此示例中，车流可基于新建立的临时车道向右或向左移位，各种车辆的轨迹可能不再遵循驾驶环境的先前车道(即，存储在自主车辆的地图中的车道)。当自主车辆观察并识别出车流移位(例如，通过监视车辆轨迹的一致变化)时，自主车辆可断定先前存储的地图不准确。当自主车辆识别出先前存储的地图不准确时，自主车辆可停止依赖于其先前存储的地图信息。相反，自主车辆可依赖于另一机制来操纵通过改变的驾驶环境，例如通过从地图提供商服务器检索地图或者请求自主车辆中的乘客来控制。
[0044]图1示出基于确定的被检测车辆的轨迹来确定驾驶环境是否已改变的设备102。在一个实施例中，所述设备可包括自主车辆104。自主车辆104可被配置为在没有人驾驶员的帮助的情况下自主地操作，例如驾驶。此外，自主车辆104可被配置为在自主车辆104自主操作的同时检测各种车辆并且确定被检测车辆的轨迹。
[0045]尽管本公开的某些方面结合特定类型的车辆尤其有用，但是自主车辆104可以是任何类型的车辆，包括(但不限于)汽车、卡车、摩托车、公共汽车、船只、飞机、直升机、剪草机、休闲车、游乐园车辆、农机具、施工设备、有轨电车、高尔夫球车、火车和手推车。
[0