感应回路检测系统和方法与流程

本公开涉及车辆系统，并且更具体地涉及检测道路中一个或多个感应回路的存在的系统和方法。

背景技术

机动车辆和其他车辆为商业、政府和私人实体提供了相当大的运输部分。许多车辆道路包括感应回路系统，例如，其测量交通流量并感测道路上的车辆位置，诸如感测等待在左转车道转弯的车辆或者在桥或高速公路入口坡道的入口处等待的车辆。为了确保感应回路系统的准确感测，有必要当车辆在感应回路上方或附近行驶时适当定位车辆。此外，为了支持驾驶员辅助系统和/或自主驾驶系统的功能，检测感应回路很重要，因此驾驶员辅助系统和自主驾驶系统可以正确定位由感应回路系统感测到的车辆。

技术实现要素：

根据本发明，提供一种方法，包括：

通过车辆中的驾驶辅助系统接收识别车辆附近的多个感应回路的信息；

确定车辆正在接近的第一感应回路；

确定车辆的当前轨迹是否将激活第一感应回路；和

响应于确定车辆的当前轨迹将不激活第一感应回路，调整车辆的轨迹以启用第一感应回路的激活。

根据本发明的一个实施例，该方法进一步包括接收识别沿着车辆的计划路线的感应回路的信息。

根据本发明的一个实施例，该方法进一步包括在激活第一感应回路的位置处停止车辆。

根据本发明的一个实施例，其中识别车辆附近的多个感应回路的信息包括感应回路在道路的车道内的位置。

根据本发明的一个实施例，其中识别车辆附近的多个感应回路的信息包括感应回路在道路的转弯车道内的位置。

根据本发明的一个实施例，该方法进一步包括：

通过驾驶辅助系统检测车辆正在行驶的车道的车道边界；和

通过驾驶辅助系统调整车辆的轨迹，以保持在车道边界内和经过第一感应回路两者。

根据本发明的一个实施例，该方法进一步包括：

通过驾驶辅助系统存储车辆的可检测区域的相对位置；

其中调整车辆的轨迹以启用第一感应回路的激活包括调整车辆的轨迹，使得车辆的可检测区域经过第一感应回路。

根据本发明的一个实施例，该方法进一步包括：

通过驾驶辅助系统检测车辆正在行驶的车道的车道边界；和

通过驾驶辅助系统调整车辆的轨迹，以保持在车道边界内并且使可检测区域经过第一感应回路两者。

根据本发明的一个实施例，该方法进一步包括使车辆在十字路口处停车使得可检测区域位于第一感应回路上。

根据本发明的一个实施例，该方法进一步包括通过以下步骤确定可检测区域：

在与测试车辆的各种相对位置处测量感应线圈检测系统的输出；

确定感应线圈检测系统的输出满足阈值条件的一个或多个相对位置；和

将包括一个或多个相对位置的区域存储为可检测区域。

根据本发明的一个实施例，该方法进一步包括通过以下步骤确定可检测区域：

在与建模近似车辆的电磁特性的测试车辆的模型的各种相对位置处计算感应线圈检测系统的模拟输出；

确定感应线圈检测系统的模拟输出满足阈值条件的一个或多个相对位置；

将包括一个或多个相对位置的区域存储为可检测区域。

根据本发明，提供一种系统，包括：

车辆；和

控制器，控制器安装在车辆内并且包括一个或多个处理设备，处理设备被编程为：

接收识别车辆附近的多个感应回路的信息；和

如果发现车辆轨迹沿多个感应回路的感应回路经过，则调整车辆的轨迹以启用感应回路的激活。

根据本发明的一个实施例，其中一个或多个处理设备进一步被编程为：

将车辆的计划路线传输到服务器系统；和

接收识别沿着车辆的计划路线的感应回路的信息。

根据本发明的一个实施例，其中一个或多个处理设备被进一步编程为使车辆停止在有效激活感应回路的位置处。

根据本发明的一个实施例，其中识别车辆附近的多个感应回路的信息包括感应回路在道路的车道内的位置。

根据本发明的一个实施例，其中识别车辆附近的多个感应回路的信息包括感应回路在道路的转弯车道内的位置。

根据本发明的一个实施例，该系统进一步包括连接到控制器的一个或多个传感器；

其中一个或多个处理设备被进一步编程为：

在一个或多个传感器的输出中检测车辆正在行驶的车道的车道边界；和

调整车辆的轨迹，以保持在车道边界内和经过第一感应回路两者。

根据本发明的一个实施例，其中一个或多个处理设备进一步被编程为：

存储车辆的可检测区域的相对位置；

通过调整车辆的轨迹使得车辆的可检测区域通过感应回路来调整车辆的轨迹以启用感应回路的激活。

根据本发明的一个实施例，其中一个或多个处理设备进一步被编程为：

检测车辆正在行驶的车道的车道边界；和

调整车辆的轨迹，以保持在车道边界内和使可检测区域经过感应回路两者。

根据本发明的一个实施例，其中一个或多个处理设备进一步被编程为：

使车辆在十字路口处停车使得可检测区域位于第一感应回路上。

附图说明

参考以下附图来描述本公开的非限制性和非穷尽性实施例，其中除非另有说明，否则相同的附图标记在各个附图中指代相同的部分。

图1是示出了包括自动驾驶/辅助系统的车辆控制系统的实施例的框图；

图2a和2b示出了安装在道路上的示例感应回路系统；

图3是示出了具有多个摄像机的车辆的实施例的俯视图；

图4是示出了用于识别和分配与感应回路的位置相关联的信息的方法的实施例的流程图；

图5是示出了用于调整车辆的轨迹以激活接近的感应回路的方法的实施例的流程图；

图6是示出了用于识别转弯车道信息和转弯车道内的感应回路的位置的方法的实施例的流程图；

图7是示出了描绘感应回路检测器的实施例的框图；

图8是示出了车辆相对于位置的可检测性的图；

图9是使用车辆的可检测区域的位置来激活感应回路系统的过程流程图；

图10是根据可检测区域和感应回路的位置来控制车辆的轨迹的方法的过程流程图。

具体实施方式

在下面的说明书中，参考形成其一部分的附图，并且其中通过图示的方式示出了可以实施本公开的特定示例性实施例。足够详细地描述这些实施例以使得本领域技术人员能够实践本文公开的构思，并且应该理解，可以对各种公开的实施例进行修改，并且可以利用其他实施例，而不脱离本公开的范围。因此，下面的详细说明书不应被认为是限制性的。

贯穿本说明书对“一个实施例”、“实施例”、“一个示例”或“示例”的引用意味着结合该实施例或示例描述的特定特征、结构或特性被包括在本公开的至少一个实施例中。因此，贯穿本说明书各处出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，特定特征、结构、数据库或特性可以以一个或多个实施例或示例中的任何合适的组合和/或子组合来组合。此外，应该理解，因此提供的附图是为了向本领域普通技术人员解释的目的，并且附图不一定按比例绘制。

根据本公开的实施例可以体现为设备、方法或计算机程序产品。因此，本公开可以采取完全由硬件形成的实施例、完全由软件形成的实施例(包括固件、驻留软件、微代码等)或组合软件和硬件方面的实施例(在本文中可以大体上被称为“电路”、“模块”或“系统”)。此外，本公开的实施例可以采用体现在具有体现在介质中的计算机可用程序代码的任何有形的表达介质中的计算机程序产品的形式。

可以使用一个或多个计算机可用或计算机可读介质的任何组合。例如，计算机可读介质可以包括便携式计算机磁盘、硬盘、随机存取存储器(ram)设备、只读存储器(rom)设备、可擦除可编程只读存储器(eprom或闪速存储器)设备、便携式光盘只读存储器(cdrom)、光存储设备和磁存储设备中的一个或多个。用于执行本公开的操作的计算机程序代码可以用一种或多种程序设计语言的任何组合来编写。这种代码可以从源代码编译成计算机可读汇编语言或适用于代码将在其上执行的设备或计算机的机器代码。

实施例也可以在云计算环境中实现。在本说明书和以下权利要求中，可以将“云计算”定义为用于实现经由虚拟化可以快速配置的并以最少的管理工作或服务提供商交互进行释放然后进行相应的缩放的可配置计算资源(例如，网络、服务器、存储装置、应用和服务)的共享池的普遍的、方便的、按需网络访问的模型。云模型可以由各种特征(例如，按需自助服务、广泛的网络访问、资源池、快速弹性和测量的服务)、服务模型(例如，软件即服务(“saas”)、平台即服务(“paas”)和基础设施即服务(“iaas”))以及部署模型(例如，私有云、社区云、公共云和混合云)组成。

附图中的流程图和框图示出了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。就此而言，流程图或框图中的每个框可以表示包括用于实现特定的逻辑功能的一个或多个可执行指令的模块、段或代码部分。还将注意到，框图和/或流程图中的每个框以及框图和/或流程图中的框的组合可以由执行特定功能或动作的基于专用硬件的系统或专用硬件和计算机指令的组合来实现。这些计算机程序指令还可以存储在计算机可读介质中，该计算机可读介质可以指导计算机或其他可编程数据处理装置以特定方式运行，使得存储在计算机可读介质中的指令产生包括实现在流程图和/或框图框或框中指定的功能/动作的指令装置的一件制品。

本公开大体上涉及用于自动驾驶或辅助驾驶的方法、系统和设备，并且更具体地涉及关于道路、停车场或其他表面中的感应回路的识别和导航。感应回路(也称为“感应线圈”)用于检测经过或到达道路或其他表面上的特定点的车辆。例如，感应回路用于检测接近十字路口、进入左转车道和进入高速公路入口坡道的车辆。此外，感应回路用于通过计算在特定时间段内行驶通过感应回路的车辆数量来监控交通流量和交通密度。该交通流量和交通密度信息对计量道路上的新的交通流量并且当交通密度超过特定水平时将交通分流到不同的道路很有用。

感应回路是安装在路面或其他行驶表面中的导电回路。数据收集系统(或其他设备)将能量传输到导电回路中。当车辆通过感应回路或停在感应回路上时，车辆会导致由数据收集系统感测到的电感降低。在某些情况下，车辆必须相对于感应回路正确定位，以“激活”回路，使得数据收集系统感测到车辆。例如，旨在检测等待交通信号的车辆的感应回路需要车辆至少部分地定位在感应回路上方。如果车辆离感应回路太远(例如，车辆没有行驶到足够接近交通信号)，则车辆不能激活感应回路，并且数据收集系统无法检测到等待车辆的存在。因此，对于自主车辆和驾驶辅助车辆来说，了解感应回路的位置是重要的，所以车辆可以被导航以确保适当的感应回路的激活。

本公开描述了用于检测道路或其他表面中的感应回路的系统、方法和设备。根据一个实施例，一种方法从车辆的至少一个摄像机接收图像数据。该方法还确定车辆的地理位置。基于图像数据和车辆的地理位置，该方法确定道路中感应回路的位置。感应回路的位置存储在车辆内的存储装置中。感应回路的位置也可以传送到可由多个其他车辆访问的中央存储系统。

图1是示出了可以用于检测道路中的感应回路的车辆控制系统100的实施例的框图。自动驾驶/辅助系统102可以用于自动化或控制车辆的操作或向人类驾驶员提供帮助。例如，自动驾驶/辅助系统102可以控制车辆的制动、转向、加速、灯光、警报、驾驶员通知、无线电或任何其他辅助系统中的一个或多个。在另一个示例中，自动驾驶/辅助系统102可能不能够提供对驾驶的任何控制(例如，转向、加速或制动)，但可以提供通知和警报以帮助人类驾驶员安全驾驶。自动驾驶/辅助系统102可以包括感应回路检测器104，其使用神经网络或其他模型或算法来确定感应回路存在于道路中并且还可以确定感应回路的位置。在一个实施例中，自动驾驶/辅助系统102可以确定驾驶操纵或驾驶路径，以确保车辆当车辆在感应回路上行驶时激活感应回路。

车辆控制系统100还包括用于检测附近物体的存在或确定母车辆(例如包括车辆控制系统100的车辆)的位置的一个或多个传感器系统/设备。例如，车辆控制系统100可以包括雷达系统106、一个或多个lidar(激光雷达)系统108、一个或多个摄像机系统110、全球定位系统(gps)112和/或超声系统114。车辆控制系统100可以包括用于存储用于导航和安全的相关或有用数据(诸如地图数据、驾驶历史或其他数据)的数据存储器116。车辆控制系统100还可以包括用于与移动电话或无线网络、其他车辆、基础设施或任何其他通信系统进行无线通信的收发器118。在图1的实施例中，收发器118可以将数据传送到中央存储系统126和从中央存储系统126传送数据，诸如与感应回路和其他道路相关信息相关联的数据。

车辆控制系统100可以包括车辆控制致动器120，以控制诸如电动马达、开关或其他致动器的车辆的行驶的各个方面，以控制制动、加速、转向等。车辆控制系统100还可以包括一个或多个显示器122、扬声器124或其他设备，以便可以向人类驾驶员或乘客提供通知。显示器122可以包括可以由车辆的驾驶员或乘客看到的抬头显示器、仪表板显示器或指示器、显示屏或任何其他视觉指示器。扬声器124可以包括车辆的音响系统的一个或多个扬声器，或者可以包括专用于驾驶员通知的扬声器。

应该理解，图1的实施例仅作为示例给出。在不脱离本公开的范围的情况下，其它实施例可以包括更少或附加的部件。另外，所示部件可以被组合或被包括在其他部件中而没有限制。

在一个实施例中，自动驾驶/辅助系统102被配置为控制母车辆的驾驶或导航。例如，自动驾驶/辅助系统102可以控制车辆控制致动器120以在道路、停车场、车道或其他位置上的路径驾驶。例如，自动驾驶/辅助系统102可以基于由部件106至118中的任何部件提供的信息或感知数据来确定路径。传感器系统/设备106至110和114可以用于获得实时传感器数据，使得自动驾驶/辅助系统102可以实时辅助驾驶员或驾驶车辆。自动驾驶/辅助系统102可以实现算法或使用诸如深度神经网络的模型来处理传感器数据并识别感应回路的存在和位置。

图2a和2b示出了安装在道路中的示例感应回路系统。图2a示出了包括由车道标记204和206限定的车道202的道路200。在该示例中，车道标记204分离逆向车道中的交通并且车道标记206识别道路200的边缘。感应回路208位于车道202的中间，使得当车辆在感应回路上行驶时，在车道202中行驶的车辆激活感应回路208。数据收集系统210连接到感应回路208并且感测在感应回路208上行驶或停止的车辆，使得车辆位于感应回路208的至少一部分上。在一些实施例中，数据收集系统210对在特定时间段期间行驶经过感应回路208的车辆的数量进行计数。在其他实施例中，数据收集系统210感测车辆何时停在感应回路208的至少一部分上，并且作为响应，激活交通信号、门、量灯等。

图2b示出了包括由车道标记224和226限定的车道222的道路220。在该示例中，车道标记224分离逆向车道中的交通并且车道标记226标识道路220的边缘。两个感应回路228和230定位在车道222的中间，使得当车辆在感应回路上行驶时，在车道222中行驶的车辆激活感应回路228和230。数据收集系统232连接到感应回路228和230。数据收集系统232感测在感应回路228和230上行驶或者停止的车辆，使得车辆位于感应回路228或230的至少一部分上。

虽然图2a和2b示出了特定的感应回路形状和位置，其他实施例可以包括具有任何形状并定位在路面的任何部分中的感应回路。例如，感应回路可以具有圆形、椭圆形、正方形、矩形或五边形、六边形、八边形等的形状。另外，感应回路的形状可能是不规则的。在一些实施例中，感应回路位于道路的多个车道中。此外，任何数量的感应回路可以紧密连续地定位。如图2b所示，两个感应回路228和230彼此靠近定位。在其他实施例中，可以将任何数量的电感回路定位成彼此靠近。

图3是示出了具有多个摄像机的车辆300的实施例的俯视图。在图3的实施例中，车辆300具有四个摄像机302、304、306和308。如图所示，摄像机302是捕捉车辆300前方的道路的图像的前向摄像机。摄像机304和306是捕捉车辆300的左和右侧的图像的侧向摄像机。例如，摄像机304可以捕捉车辆300左侧的相邻车道的图像，并且摄像机306可以捕捉车辆300的右侧的相邻车道的图像。在特定实施例中，摄像机304和306安装在车辆300的外后视镜中(或附近)。摄像机308是捕捉车辆300后面的道路的图像的后向摄像机。摄像机308还可以被称为倒车摄像机。如本文所讨论的，摄像机302、304、306和308连接到自动驾驶/辅助系统102。

尽管图3中示出了四个摄像机302至308，但是特定车辆可以具有定位在车辆上的任何位置处的任何数量的摄像机。摄像机302至308能够捕捉车辆300正在行驶的道路的图像。如本文所讨论的，可以分析这些被捕捉的图像以识别定位在道路中的感应回路。

在一些实施例中，摄像机302至308中的一个或多个在车辆300正在移动时连续捕捉附近道路的图像。分析这些被捕捉的图像以识别道路中的感应回路，并且基于gps数据记录感应回路的地理位置。如本文所讨论的，该记录的关于感应回路的信息被传送到中央存储系统126供其他车辆使用。在其它实施例中，捕捉的图像数据和gps数据被传送到中央存储系统126，并且与中央存储系统126相关联的计算系统(例如，服务器)分析所捕捉的图像以识别在所捕捉的图像数据中的感应回路。随着时间的推移，中央存储系统126为整个地区或整个国家的道路开发感应循环信息的数据库。该感应回路信息被多个车辆使用以识别接近的感应回路并且沿着车辆的计划路线定位感应回路。因此，多个车辆对感应回路信息的数据库有贡献并且获得由其他车辆产生的感应回路信息的益处。

图4是示出了用于识别和分配与感应回路的位置相关联的信息的方法400的实施例的流程图。最初，在402处，感应回路检测器(例如，图1中示出的感应回路检测器104)从一个或多个车辆摄像机接收图像数据。在404处，感应回路检测器还接收与车辆相关联的地理位置信息。例如，由gps112提供的地理位置信息可以被确定并且在图像数据被捕捉时与图像数据相关联。在406处，感应回路检测器还接收车辆车轮速度数据。车辆车轮速度数据可以从车辆的can(控制器局域网)总线或直接从车辆上的车轮速度传感器获得。

在408处，感应回路检测器存储图像数据、地理位置信息和车轮速度数据。例如，数据和信息可以存储在车辆内的存储设备上和/或存储在中央存储系统126上。在410处，感应回路检测器还基于图像数据和地理位置信息来确定道路中的感应回路的位置。例如，摄像机可以捕捉道路的图像数据，并且gps同时确定车辆的位置。在一些实施例中，摄像机的取向是已知的，使得在图像数据中捕捉的道路的区域是与车辆的特定的距离和角度。例如，特定的摄像机可以被定向为使得捕捉车辆后方大约5至8英尺的区域。

方法400继续，在412处，感应回路检测器将感应回路的位置、图像数据、地理位置信息和车轮速度数据传送到中央存储系统。在414处，道路中的感应回路的位置从中央存储系统传送到其他车辆，从而允许其他车辆知道感应回路的位置并进行驾驶，使得车辆适当地激活期望的感应回路。

在一些实施例中，所描述的系统和方法还确定与特定道路相关联的类别，诸如高速公路、入口坡道、桥、左转车道、地面街道和十字路口。该类别信息被用图像数据标记(或以其他方式与图像数据相关联)，并有助于识别感应回路的“类型”。例如，高速公路的行车道中的感应回路可能用于监控高速公路交通流量或交通密度。入口坡道上的感应回路可能用于计量交通(即，限制车辆进入入口坡道的速率)。在左转车道中或在具有交通信号的十字路口附近的感应回路可能用于通知交通信号车辆正在等待转弯或继续通过十字路口。

在一些实施例中，所描述的系统和方法使用深度神经网络，其学习以识别由多个车辆捕捉的图像数据内的感应回路。例如，可以使用表示不同类型的感应回路的多个图像(例如，示例感应回路图像)来训练深度神经网络。当深度神经网络被训练并且收集更多数据时，它们在捕捉的图像数据内识别感应回路变得更加精确。在具体的实现方式中，深度神经网络由人类操作者员在知道图像内容的情况下进行训练。人类操作者可以识别每个图像中任何感应回路的位置。训练期间使用的图像数据包含不同形状、大小、方向和道路的车道内的位置的感应回路。

在深度神经网络被训练之后，它们被实现在特定的车辆和/或单独的计算系统(例如，服务器)中以识别图像中的感应回路。在一些实施例中，感应回路识别算法首先使用例如车道检测算法、数字地图和驾驶历史信息来识别道路图像中的车道。基于识别的车道信息，算法定义感应回路可能位于的感兴趣的区域(例如，限定车道的线之间的区域)。该感兴趣的区域被提供给深度神经网络，该深度神经网络经过专门训练以识别感应回路。深度神经网络然后提供感应回路是否位于感兴趣的区域内的指示。如果检测到感应回路，则深层神经网络提供位置信息(即，感兴趣的区域内的感应回路的特定位置)。

本文讨论的许多示例实施方式使用由一个或多个车辆摄像机捕捉的图像来检测道路中的感应回路。在替代实施例中，可以使用其他车辆传感器来检测感应回路，诸如雷达、lidar(光检测和测距)、超声等。在一些实施例中，可以组合使用一个或多个车辆传感器和/或车辆摄像机来检测感应回路。例如，可以将车辆摄像机与车辆的lidar系统结合使用，以提高检测道路中感应回路的精确度并确定道路中感应回路的具体位置。

图5是示出了用于调整车辆的轨迹以激活接近的感应回路的方法500的实施例的流程图。最初，在502处，车辆接收识别车辆附近的和沿着车辆的计划路线的感应回路的信息。在一些实施例中，车辆从中央存储系统接收包括感应回路的地理位置的感应回路信息。在504处，车辆中的自动驾驶/辅助系统确定车辆正在接近的一个或多个感应回路。例如，基于车辆的当前位置和轨迹(或计划路线)，自动驾驶/辅助系统可以识别基于其计划路线即将到来的车辆感兴趣的感应回路。

在506处，自动驾驶/辅助系统确定车辆的当前轨迹是否将激活正在接近的感应回路。在508处，如果车辆将激活感应回路，则方法返回到504，其中自动驾驶/辅助系统继续识别接近的感应回路。在508处，如果车辆不会激活感应回路，则在510处，自动驾驶/辅助系统调整车辆的轨迹以启用正在接近的感应回路的激活。例如，如果车辆正在接近交通信号，则方法500确保车辆适当地激活负责感测车辆并改变交通信号以允许车辆通过十字路口的感应回路。

图6是示出了用于识别转弯车道信息和该转弯车道内的感应回路的位置的方法600的实施例的流程图。最初，在602处，感应回路检测器从一个或多个车辆摄像机接收图像数据。在604处，感应回路检测器还接收与车辆相关联的地理位置信息。另外，在606处，感应回路检测器接收车辆车轮速度数据。在608处，图像数据、地理位置信息和车轮速度数据由感应回路检测器存储。

方法600继续，在610处，感应回路检测器识别道路中正在接近的左转车道。虽然图6的示例讨论了左转车道，但是可以关于右转车道、计量车道、桥接进入车道、十字路口处的交通信号等使用类似的方法。在612处，关于所识别的左转车道，感应回路检测器基于图像数据确定左转车道中的感应回路的位置。此外，在614处，感应回路检测器基于车轮速度数据确定左转车道的长度。

虽然图6中未示出，但感应回路检测器可以将感应回路的位置、左转车道的长度以及其他数据传送到中央存储系统。然后将感应回路的位置和左转车道的长度从中央存储系统分配到其他车辆，由此允许其他车辆知道感应回路的位置和左转车道的大小，使得车辆能够正确激活所需的感应回路。

图7是示出了描绘感应回路检测器104的实施例的框图。如图7所示，感应回路检测器104包括通信管理器702、处理器704和存储器706。通信管理器702允许感应回路检测器104与诸如自动驾驶/辅助系统102的其他系统通信。处理器704执行各种指令以实现由感应回路检测器104提供的功能。存储器706存储这些指令以及由处理器704和包含在感应回路检测器104中的其他模块使用的其他数据。

另外，感应回路检测器104包括图像分析模块708，其识别来自附接到车辆的一个或多个摄像机所捕捉的图像的感应回路、车道边界和其他信息。地理位置模块710确定当由摄像机捕捉图像时车辆的地理位置，并将地理位置与捕捉的图像相关联。车轮速度分析模块712识别车辆的车轮速度，并且基于车轮速度和图像数据确定道路的转弯车道或其他部分的尺寸。驾驶操纵管理器714确定车辆的轨迹(如果有的话)的变化是必要的，以确保车辆激活一个或多个感应回路。

参考图8，感应回路系统检测由于由感应回路产生的电磁场中的导电或铁磁材料的存在而引起的感应回路的电感变化。这种相互作用可能是由于导电材料中的涡电流或铁磁材料引起的感应线圈周围的磁导率的变化。因此，对于给定的车辆800，感应回路802对车辆的可检测性在车辆下方和周围的各个位置处变化。这是由于车辆的组成的变化。例如，阴影区域模拟相对于车辆的各个位置处的可检测性，其中较暗的阴影指示较高的可检测性。由于大量的金属，发动机缸体和变速器下的可检测性可能更强，而其他位置是不可检测的。此外，对于特定车辆800的区域804指示车辆最可检测的位置。

图9示出了用于确定特定车辆的型号或种类(例如，轿车、小型货车、轻型卡车等)的可检测区域804的方法900。如本文所使用的，可检测区域804并不意味着车辆800的其他区域不可检测。而是，可检测区域804是相对于不包括在可检测区域804中的车辆800的区域具有更高可检测性的区域。可检测区域804可以是单个位置或位置范围，例如，正方形、圆形或其他形状的类型。

方法900可以包括测量或计算车辆下侧上方的电感变化的步骤902。这可以包括将车辆300停放在相对于感应回路802的各个位置处并且测量每个位置处的感应回路802的输出。然后这将导致感应回路输出的二维映射，诸如图8所示。或者，步骤902可以通过建模来执行。例如，可以使用电磁建模技术(诸如有限差分时域(fdtd)建模或其他类型的建模技术)来确定存在于车辆的模型中的感应回路的模型的响应。在该方法中，可以为该模型定义车辆部件的电磁特性，从而能够以足够的精度对车辆响应进行建模。可以针对感应回路的模型的各个位置计算感应回路对存在于车辆模型中的激励的模拟响应，从而获得类似于图8中所示的感应回路响应的映射。

方法900可以进一步包括确定可检测区域的位置和可能的程度的步骤904。例如，可以确定地图中输出高于阈值的位置。可以将包括这些位置的区域识别为可检测区域。或者，可以将这些位置的平均值计算为用作可检测区域的位置的点。或者，“质量”所在的地图的“质量中心”由给定位置处的输出表示。例如，可检测区域的位置由加权平均位置确定，应用于每个位置的权重是该位置处的输出或该位置处的输出的函数。

在步骤906，然后可以将该可检测区域(定义区域的点或顶点任一)与车辆的位置相关。例如，车辆的gps接收器可以位于车辆内的特定位置处。因此，可检测区域可被限定为与该位置的偏移。在其他情况下，车辆的位置可以由传感器(例如，lidar(光距离和测距)、radar(无线电距离和测距)或其他传感器)来限定。因此，可检测区域的位置可以与这些传感器中的一个或多个的坐标系统或者这些传感器的输出被平移的通用坐标系统相关。

在步骤908，可检测区域的相对位置然后可以被上传到与方法900的主题的车辆的型号或种类对应的一个或多个实际车辆的车辆控制器。例如，可检测区域可以是在制造期间存储在可由控制器访问的非临时性存储设备中，或者在制造和/或销售车辆给消费者之后的某个时间通过无线或有线连接传输到车辆。

参考图10，所示出的方法1000可以由车辆控制器执行。方法1000对于自主车辆特别有用。然而，其也可以用在半自主车辆中，诸如在提供各种驾驶员辅助功能的车辆中，诸如可以由驾驶员激活和停用的自主操作模式。

方法1000可以包括确定车辆的地理轨迹的步骤1002。这可以包括确定穿过的街道、进行的转向以及车辆当前位置与期望目的地或通往目的地的路径上的路点之间的路径的其他大规模属性。因此，步骤1002可以包括执行本领域已知的任何导航算法，诸如使用gps(全球定位系统)接收器和路由数据。

方法1000可以进一步包括检测沿着车辆正在行驶的道路的车道边界的步骤1004，和维持车辆在一对车道边界内的步骤1006。这可以包括自主和半自主车辆领域中已知的任何技术。基于导航数据可以选择多条可用车道中的哪条车道，并且可以使用摄像机、lidar、radar或其他数据来执行调整以将车辆保持在该车道内，以比导航数据更精确地确定车道的位置。

方法1000可以进一步包括评估感应回路是否位于车辆正在行驶的车道中的步骤1008，例如，在沿着其当前轨迹的车辆前方x英尺内，其中x是诸如100米的值或某个其他值，诸如随着车辆速度而增加的值。根据上述方法可以确定感应回路的位置并将其提供给车辆。

如果在步骤1008确定感应回路在车道内，则方法1000可以包括调整车道内的车辆的轨迹，使得可检测区域经过感应回路的步骤1010。在车辆在十字路口停车的情况下，步骤1010可以包括使车辆停车使得可检测区域在感应回路上。例如，在车辆位置已知的情况下，感应回路的位置是已知的，并且可检测区域的相对位置是已知的，车辆的轨迹可以被调整，使得车辆位置将相对于感应回路定位成使可检测区域在感应回路上或在感应回路的某个阈值距离内。

虽然根据某些优选实施例描述了本公开，但是鉴于本公开的益处，其他实施例对于本领域普通技术人员将是显而易见的，包括不提供本文阐述的所有益处和特征的实施例，这也在本公开的范围内。应该理解，在不脱离本公开的范围的情况下可以使用其他实施例。