基于传感器盲点和局限性来修改自主车辆的行为的制作方法
【专利说明】基于传感器盲点和局限性来修改自主车辆的行为
[0001]相关申请的交叉引用
[0002]本申请是提交于2013年I月25日的、题为基于传感器盲点和局限性来修改自主车辆的行为的美国专利申请13/749，793的继续申请，在此通过引用并入其全部内容。
【背景技术】
[0003]自主车辆使用各种计算系统来帮助将乘客从一个位置运输到另一个位置。一些自主车辆可能需要来自诸如领航员(Pilot)、驾驶员、或乘客的操作者的一些初始输入或连续的输入。例如自动驾驶系统的其它系统可以只有当该系统已参与时使用，这使得操作员从手动模式(其中操作者行使对车辆移动的高度控制)切换到自主模式(其中车辆基本上自己驾驶)到介于二者之间的模式。
[0004]这样的车辆装备有各种类型的传感器以便检测周围的物体。例如，自主车辆可以包括激光、声纳、雷达、相机、和能够从车辆周围扫描并记录数据的其它设备。这些设备的组合(在一些情况下是单独的)可以用于构建在车辆的周围中检测到的物体的3D模型。
[0005]除了对在车辆的周围中的物体进行建模和检测之外，自主车辆还需要推导出未被这些传感器看到的世界的部分(例如，由于阻塞(occlus1n))以安全地驾驶。不考虑这些传感器的局限性，这可以导致危险的操纵(maneuvers)，诸如经过死角、移动到部分被其它物体阻塞的空间中等等。
【发明内容】
[0006]本公开的一个方面提供一种方法。所述方法包括为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；基于所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，由处理器聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
[0007]在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。在另一个示例中，所述天气信息是经由网络从远程计算机接收的。在另一个示例中，所述天气信息是从所述多个传感器中的一个接收的。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。在另一个示例中，组合所述全面的3D模型与详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
[0008]本公开的另一个方面提供一种系统。所述系统包括处理器，所述处理器被配置成为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；基于所述所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
[0009]在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。在另一个示例中，所述天气信息是经由网络从远程计算机接收的。在另一个示例中，所述天气信息是从所述多个传感器中的一个接收的。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。在另一个示例中，组合所述全面的3D模型和详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
[0010]本公开的另外的方面提供有形的、非暂时性的计算机可读存储介质，其上存储程序的计算机可读指令。所述指令在由处理器所执行时使得所述处理器执行方法。所述方法包括为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中实际或预期的天气状况的实时测量中的一个或多个；基于所述所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
[0011]在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。
【附图说明】
[0012]图1是根据示例性实施例的系统的功能图。
[0013]图2是根据示例性实施例的自主车辆的内部。
[0014]图3是根据本公开的方面的自主车辆的外部。
[0015]图4A-D是根据本公开的方面的自主车辆的图。
[0016]图5是根据本公开的方面的详细地图信息的示例。
[0017]图6是根据本公开的方面的详细地图信息的另一个示例。
[0018]图7A是根据本公开的方面的系统的图解图。
[0019]图7B是根据本公开的方面的系统的功能图。
[0020]图8A和SB是根据本公开的方面的用于传感器的3D模型的组件的示例。
[0021]图9A和9B是根据本公开的方面的用于传感器的3D模型的组件的其它示例。
[0022]图10是根据本公开的方面的用于多个传感器的全面的3D模型的示例。
[0023]图11是根据本公开的方面的用于多个传感器的全面的3D模型的另一个示例。
[0024]图12是根据本公开的方面的用于与详细地图信息相结合的多个传感器的全面的3D模型的示例。
[0025]图13是根据本公开的方面的示例流程图。
【具体实施方式】
[0026]本公开的方面通常涉及对车辆的环境的当前视图进行建模。该视图不需要包括该车辆实际上正在看到什么物体或特征，而是包括在传感器完全没有被阻塞(un-occluded)的情况下该车辆能够使用其传感器观察的那些区域。例如，对于物体检测组件的多个传感