面湿度和反射率、日光强度和方向和/或温度信息。这样的天气信息可以是报告、雷达信息、预测、实时测量等等的形式。在块1306，计算机然后基于所接收到的天气信息调整3D模型的一个或多个特性。这考虑实际的或所预期的天气状况对传感器中的一个或多个的影响。在此调整之后，在块1308，计算机将3D模型聚集到全面的3D模型中。在块1310，该全面的3D模型然后与详细地图信息相组合。如上面所述，这可以包括确定汽车的当前位置并且使用此信息来选择将要与全面的3D模型相组合的详细地图信息的相关部分。在块1312，计算机然后基于所组合的全面的3D模型和详细地图信息计算车辆的环境的模型。在块1314，车辆的环境的该模型然后被用于操纵该车辆。
[0074]由于可以在不脱离如权利要求限定的主题的情况下利用如上面讨论的特征的这些和其它变化以及组合，所以示例性实施例的前述描述应当被认为是说明性的，而不是对权利要求限定的主题的限制。还应该理解的是，此处所描述的示例的规定(以及措辞为“诸如”、“例如”、“包括”等等的分句)不应将所要求的主题限于特定示例；相反，这些示例旨在仅图示许多可能的方面中的一些。
[0075]工业实用性
[0076]本发明具有包括但不限于自主车辆的管理与控制的广泛的工业实用性。
【主权项】
1.一种方法，包括: 为用于检测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 使用所组合的全面的3D模型和详细地图信息来操纵所述车辆。2.根据权利要求1所述的方法，其中，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。3.根据权利要求1所述的方法，其中，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。4.根据权利要求1所述的方法，其中，所述天气信息是经由网络从远程计算机接收的。5.根据权利要求1所述的方法，其中，所述天气信息是从所述多个传感器中的一个接收的。6.根据权利要求1所述的方法，其中: 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。7.根据权利要求1所述的方法，其中: 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。8.根据权利要求1所述的方法，其中，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。9.一种系统，包括: 处理器，所述处理器被配置成: 为用于检测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，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 使用所组合的全面的3D模型和详细地图信息来操纵所述 车辆。10.根据权利要求9所述的系统，其中，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。11.根据权利要求9所述的系统，其中，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。12.根据权利要求9所述的系统，其中，所述天气信息是经由网络从远程计算机接收的。13.根据权利要求9所述的系统，其中，所述天气信息是从所述多个传感器中的一个接收的。14.根据权利要求9所述的系统，其中: 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。15.根据权利要求9所述的系统，其中: 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。16.根据权利要求9所述的系统，其中，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。17.一种有形的、非暂时性的计算机可读存储介质，所述计算机可读存储介质上存储程序的计算机可读指令，所述指令在被处理器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，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 使用所组合的全面的3D模型和详细地图信息来操纵所述车辆。18.根据权利要求17所述的介质，其中，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。19.根据权利要求17所述的介质，其中: 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。20.根据权利要求17所述的介质，其中: 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。
【专利摘要】本公开的方面通常涉及对车辆(101)的环境的视图建模。所述视图不需要包括所述车辆实际上正在看到的物体或特征，而是如果所述传感器完全没有被阻塞，则包括该车辆能够使用其传感器(310-311、320-323、330-331)观察的那些区域。例如，对于物体检测组件(148)的多个传感器中的每一个，计算机(110)可以采用该传感器的视场的个体3D模型。天气信息被接收并且被用于调整模型(图13中的1304、1306)中的一个或多个。在该调整之后，所述模型可以被聚集到全面的3D模型(图10，图13中的1308)。所述全面的模型可以和详细地图信息组合指示在不同位置(图11中的1100，图13中的1310)检测到物体的概率。车辆的环境的模型可以基于所组合的全面的3D模型和详细地图信息(图13中的1312)来计算，并且可以用于操纵车辆(图13中的1314)。
【IPC分类】H04N5/62, G06T17/00
【公开号】CN105009175
【申请号】CN201480010362
【发明人】德米特里·A·多尔戈夫, 克里斯多佛·保罗·厄姆森
【申请人】谷歌公司
【公开日】2015年10月28日
【申请日】2014年1月17日
【公告号】EP2948928A1, US20140214255, WO2014116512A1