车辆路径规划的制作方法
本公开总体涉及车辆导航，并且更具体地涉及车辆路径规划。
背景技术：
车辆可以被装备成以自主模式和乘员驾驶模式两者操作。车辆可以被装备有计算装置、网络、传感器和控制器，以采集关于车辆环境的信息并基于所述信息来操作车辆。车辆的安全且舒适的操作可以取决于采集关于车辆环境的准确且及时的信息。车辆传感器可以提供关于在车辆环境中要行驶的路线和要避开的物体的数据。车辆的安全且有效的操作可以取决于当车辆正在道路上操作时采集关于车辆环境中的路线和物体的准确且及时的信息。
技术实现要素：
车辆可以被装备成以自主模式和乘员驾驶模式两者操作。半自主模式或完全自主模式指的是一种操作模式，其中车辆可以由作为具有传感器和控制器的车辆信息系统的一部分的计算装置驾驶。所述车辆可以被占用或未被占用，但是在任一种情况下，车辆都可以在没有乘员辅助的情况下进行驾驶。出于本公开的目的，自主模式被定义为一种模式，其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者由一个或多个车辆计算机控制；在半自主模式下，所述一个或多个车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主车辆中，这些都不由计算机控制。
车辆中的计算装置可以被编程为采集关于车辆的外部环境的数据并且使用所述数据来确定用于以例如自主或半自主模式操作车辆的轨迹，其中所述计算装置可以向控制器提供信息以在包括其他车辆的交通道路上操作车辆。基于传感器数据，计算装置可以确定车辆在存在其他车辆和诸如行人等物体的道路上行驶到达目的地的安全路径，其中路径被定义为随着车辆从道路上的第一位置移动到道路上的第二位置或目的地位置将车辆的连续位置进行连接的线路。
车辆还可以从交通基础设施系统接收信息以在包括其他车辆的交通道路上操作车辆，其中交通基础设施系统可以是被称为“边缘区”或“雾区”的服务器计算机，其基于车辆地理位置经由包括车辆的v对i网络与车辆形成自组织网络。例如，交通基础设施网络可以基于沿着道路安装的蜂窝电话塔和蜂窝电话网络或网络接口和wi-fi网络。交通基础设施系统可以包括传感器，所述传感器可以基于固定激光雷达传感器数据来确定前景/背景数据，并且基于车辆地理位置将前景/背景信息传输到车辆。
本文公开了一种方法，包括在车辆中接收移动物体信息，所述移动物体信息通过处理由固定激光雷达传感器采集并使用典型性和偏心率数据分析(teda)处理的激光雷达传感器数据来确定；并且基于所述移动物体信息操作所述车辆。所述固定激光雷达传感器可以从左到右按顺序列采集激光雷达传感器数据，并且将所述激光雷达传感器数据传输到交通基础设施计算装置，所述交通基础设施计算装置在所述激光雷达传感器数据采集时按列处理所述激光雷达传感器数据，从而在所述固定激光雷达传感器完成采集激光雷达传感器数据之前在所述车辆中接收部分所述移动物体数据。teda可以包括处理所述固定激光雷达传感器数据，以确定移动时间窗口上的像素均值和像素方差，并且将当前像素值与像素均值和像素方差组合以基于偏心率确定前景像素。
确定移动物体信息是基于确定由teda形成的前景/背景图像中的前景像素的连接区域。确定前景/背景图像中的移动物体信息可以包括跟踪多个前景/背景图像中的前景像素的连接区域。基于3d激光雷达传感器姿势和激光雷达传感器视野和3d车辆姿势，可以将移动物体信息投射到以所述车辆为中心的地图上。操作所述车辆可以包括确定包括预测的车辆轨迹的多项式函数，其中预测的车辆轨迹包括位置、方向、速度以及横向和纵向加速度。确定所述多项式函数可以包括确定所述地图上的目的地位置。确定所述多项式函数可以包括避免与移动物体的碰撞或接近碰撞。确定所述多项式函数可以包括保持在横向(latitudinal)和纵向加速度的下限和上限内。3d车辆姿势可以基于包括gps和ins的车辆传感器数据。可以基于将从服务器计算机下载的地图数据与车辆传感器数据组合来确定所述地图。所述移动物体可以在车辆传感器的视野之外。
还公开了一种计算机可读介质，其存储用于执行上述方法步骤中的一些或全部的程序指令。还公开了一种被编程用于执行上述方法步骤中的一些或全部的计算机，包括计算机设备，其被编程为在车辆中接收移动物体信息，所述移动物体信息通过处理由固定激光雷达传感器采集并使用典型性和偏心率数据分析(teda)处理的激光雷达传感器数据来确定；并且基于所述移动物体信息操作所述车辆。所述固定激光雷达传感器可以从左到右按顺序列采集激光雷达传感器数据，并且将所述激光雷达传感器数据传输到交通基础设施计算装置，所述交通基础设施计算装置在所述激光雷达传感器数据采集时按列处理所述激光雷达传感器数据，从而在所述固定激光雷达传感器完成采集激光雷达传感器数据之前在所述车辆中接收部分所述移动物体信息。teda可以包括处理所述固定激光雷达传感器数据，以确定移动时间窗口上的像素均值和像素方差，并且将当前像素值与像素均值和像素方差组合以基于偏心率确定前景像素。
所述计算机设备可以被编程为操作所述车辆，包括基于确定由teda形成的前景/背景图像中的前景像素的连接区域来确定移动物体信息。确定所述前景/背景图像中的移动物体信息可以包括跟踪多个前景/背景图像中的前景像素的连接区域。基于3d激光雷达传感器姿势和激光雷达传感器视野和3d车辆姿势，可以将所述前景/背景图像中的移动物体信息投射到以所述车辆为中心的地图上。操作所述车辆可以包括确定包括预测的车辆轨迹的多项式函数，其中预测的车辆轨迹包括位置、方向、速度以及横向和纵向加速度。确定所述多项式函数可以包括确定所述地图上的目的地位置。确定所述多项式函数可以包括避免与移动物体的碰撞或接近碰撞。确定所述多项式函数可以包括保持在横向和纵向加速度的下限和上限内。3d车辆姿势可以基于包括gps和ins的车辆传感器数据。可以基于将从服务器计算机下载的地图数据与车辆传感器数据组合来确定所述地图。所述移动物体可以在车辆传感器的视野之外。
附图说明
图1是示例性交通基础设施系统的框图。
图2是包括固定激光雷达传感器的示例性交通场景的示图。
图3是示例性固定激光雷达传感器数据的示图。
图4是示例性固定激光雷达传感器数据的示图。
图5是示例性固定激光雷达传感器数据处理的示图。
图6是示例性车辆认知地图的示图。
图7是基于固定激光雷达传感器数据来操作车辆的示例性过程的流程图。
具体实施方式
图1是交通基础设施系统100的示图，所述系统100包括可以以自主(“自主”本身在本公开中意味着“完全自主”)模式和乘员驾驶(也称为非自主)模式操作的车辆110。车辆110还包括一个或多个计算装置115，其用于执行计算以用于在自主操作期间驾驶车辆110。计算装置115可以从传感器116接收关于车辆的操作的信息。计算装置115可以以自主模式、半自主模式或非自主模式来操作车辆110。出于本公开的目的，将自主模式被定义为一种模式，其中车辆110推进、制动和转向中的每一者由计算装置控制；在半自主模式下，计算装置115控制车辆110推进、制动和转向中的一者或两者；在非自主模式下，操作人员控制车辆的推进、制动和转向。
计算装置115包括诸如已知的处理器和存储器。此外，存储器包括一种或多种形式的计算机可读介质，并且存储能够由处理器执行的用于进行各种操作的指令，所述各种操作包括如本文所公开的。例如，计算装置115可以包括编程来操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆110的加速度)、转向、气候控制、内部和/或外部灯等中的一者或多者，以及确定计算装置115而不是操作人员是否控制此类操作和何时控制此类操作。
计算装置115可以包括多于一个计算装置(例如，包括在车辆110中以用于监测和/或控制各种车辆部件的控制器等(例如，动力传动系统控制器112、制动控制器113、转向控制器114等))，或例如经由如下文进一步描述的车辆通信总线通信地耦合到所述多于一个计算装置。计算装置115通常被布置为用于通过车辆通信网络(例如，包括车辆110中的总线，诸如控制器局域网(can)等)通信；车辆110网络可以另外地或可替代地包括诸如已知的有线或无线通信机制，例如以太网或其他通信协议。
经由车辆网络，计算装置115可以向车辆中的各种装置(例如，控制器、致动器、传感器(包括传感器116)等)传输消息和/或从各种装置接收消息。可替代地或另外地，在计算装置115实际上包括多个装置的情况下，车辆通信网络可以用于本公开中被表示为计算装置115的装置之间的通信。此外，如下所提及，各种控制器或感测元件(诸如传感器116)可以经由车辆通信网络向计算装置115提供数据。
另外，计算装置115可以被配置成用于经由网络130通过车辆对基础设施(v对i)接口111与远程服务器计算机120(例如，云服务器)进行通信，如下所述，所述接口111包括允许计算装置115经由网络130(诸如无线因特网(wi-fi)或蜂窝网络)与远程服务器计算机120进行通信的硬件、固件和软件。因此，v对i接口111可以包括处理器、存储器、收发器等，它们被配置成利用各种有线和/或无线联网技术，例如蜂窝、
如已经提及的，编程通常包括在存储于存储器中并可由计算装置115的处理器执行的指令中，所述编程用于在没有操作人员干预的情况下操作一个或多个车辆110部件(例如，制动、转向、推进等)。使用在计算装置115中接收的数据(例如，来自传感器116、服务器计算机120等的传感器数据)，计算装置115可以在没有驾驶员操作车辆110的情况下作出各种确定和/或控制各种车辆110部件和/或操作。例如，计算装置115可以包括编程来调节车辆110操作行为(即，车辆110操作的物理表现)，诸如速度、加速度、减速度、转向等，以及策略行为(即，通常以预期实现路线的安全且有效的行驶的方式进行的操作行为控制)，诸如在车辆之间的距离和/或在车辆之间的时间量、车道改变、在车辆之间的最小间隙、左转跨过路径最小值、在特定位置处的到达时间和为了通过十字路口的十字路口(无指示灯)最小到达时间。
控制器，在该术语在本文使用时，包括通常被编程为控制特定车辆子系统的计算装置。示例包括动力传动系统控制器112、制动控制器113和转向控制器114。控制器可以是诸如已知的电子控制单元(ecu)，可能包括如本文所描述的另外的编程。控制器可以通信地连接到计算装置115并且从计算装置115接收指令以根据指令致动子系统。例如，制动控制器113可以从计算装置115接收指令以操作车辆110的制动。
用于车辆110的一个或多个控制器112、113、114可以包括常规的电子控制单元(ecu)等，作为非限制性示例，包括一个或多个动力传动系统控制器112、一个或多个制动控制器113和一个或多个转向控制器114。控制器112、113、114中的每一者可以包括相应的处理器和存储器以及一个或多个致动器。控制器112、113、114可以被编程并连接到车辆110通信总线，诸如控制器局域网(can)总线或局域互连网(lin)总线，以从计算机115接收指令并基于所述指令控制致动器。
传感器116可以包括已知的各种装置以经由车辆通信总线提供数据。例如，固定到车辆110的前保险杠(未示出)的雷达可以提供从车辆110到车辆110前方的下一车辆的距离，或者设置在车辆110中的全球定位系统(gps)传感器可以提供车辆110的地理坐标。由雷达和/或其他传感器116提供的一个或多个距离和/或由gps传感器提供的地理坐标可以由计算装置115使用来自主地或半自主地操作车辆110。
车辆110通常是能够自主和/或半自主操作并且具有三个或更多个车轮的基于地面的车辆110(例如，客车、轻型卡车等)。车辆110包括一个或多个传感器116、v对i接口111、计算装置115和一个或多个控制器112、113、114。传感器116可以收集与车辆110和车辆110操作所处的环境相关的数据。以举例的方式但非限制，传感器116可以包括例如测高仪、相机、激光雷达、雷达、超声传感器、红外传感器、压力传感器、加速度计、陀螺仪、温度传感器、压力传感器、霍尔传感器、光学传感器、电压传感器、电流传感器、机械传感器(诸如开关)等。传感器116可以用来感测车辆110操作所处的环境，例如，传感器116可以检测诸如天气状况(降雨、外界环境温度等)等现象、道路坡度、道路位置(例如，使用道路边缘、车道标记等)或目标物体(诸如邻近车辆110)的位置。传感器116还可以用于收集数据，其包括与车辆110的操作相关的动态车辆110数据(诸如速度、横摆率、转向角、发动机转速、制动压力、油压、施加到车辆110中的控制器112、113、114的功率电平、部件之间的连接性以及车辆110的部件的准确且及时性能)。
图2是包括道路202、车辆204和安装在杆208上的固定激光雷达传感器206的示例性交通场景200的示图。固定激光雷达传感器206可以包括在交通基础设施系统100中，其中固定激光雷达传感器206可以经由网络与服务器计算机120进行通信，以将由固定激光雷达传感器206采集的激光雷达传感器数据传输到服务器计算机120，以进行处理并且经由基于基础设施的网络130传输到车辆110。固定激光雷达传感器206可以通过传输红外(ir)脉冲并且测量飞行时间或脉冲反射离开环境中的表面并返回到固定激光雷达传感器206的时间来操作。可以在由虚线指示的视野210上扫描发射脉冲的方向，其中多个激光器以线性阵列对准，以便沿着内径214和外径216之间的线212发射ir脉冲。在这个示例中，32个激光器以线性阵列布置，每个激光器发射与线212相交的脉冲。可以在视野210内径向扫描激光器线性阵列，同时依次脉冲以在视野中产生表面的距离测量，作为在内径214和外径216之间的视野210周围的同心圆中的激光雷达传感器点云数据，其中点云数据包括例如对应于道路202和车辆204表面的数据点。
固定激光雷达传感器206可以相对于地图数据来确定其真实世界3d姿势，其中真实世界3d姿势是呈x、y和z空间坐标和呈相对于真实世界3d坐标系统(如纬度、经度和高度)侧倾、俯仰和横摆旋转坐标的3d位置，并且地图数据可以是固定激光雷达传感器206周围环境的2d示图，例如googletm地图。可以从与作为交通基础设施系统100的一部分的固定激光雷达传感器206通信的服务器计算机120下载地图数据。固定激光雷达传感器206可以基于包括在固定激光雷达传感器206中的传感器(例如gps)确定其真实世界3d姿势，或者可以在真实世界中测量并且从服务器计算机120下载到固定激光雷达传感器206。固定激光雷达传感器206的真实世界3d姿势可以由车辆110中的计算装置115使用，以基于视野210中如道路202和车辆204的物体的位置在激光雷达传感器图像数据中确定物体相对于车辆110的位置，所述激光雷达传感器图像数据由计算装置115接收。
图3是示例性激光雷达图像数据(或激光雷达图像)300的示图。在激光雷达图像300中，由固定激光雷达传感器206采集的点云数据被显示为同心圆302，其中每个同心圆302包括响应于来自单个激光器的脉冲而采集的点云数据点。由固定激光雷达传感器206采集的点云数据点通过沿着同心圆302测量到环境中的表面的距离来对固定激光雷达传感器206周围的环境进行采样。激光雷达图像300包括对应于车辆304和物体(例如，行人)306、308、310、312、314、316的点云数据点，由参考标号318共同且单独地表示。采集包括在激光雷达图像300中的点云数据点的固定激光雷达传感器206位于杆208上，所述杆208位于同心圆302的中心在激光雷达图像300的中心。将固定激光雷达传感器206定位在观察道路上或附近的车辆和行人交通的适当位置可以向交通基础设施系统100提供关于车辆和物体(诸如行人)交通的信息，其中信息可以与车辆110通信，以提供信息以协助计算装置115操作车辆110。与车辆110通信的信息可以包括关于在车辆110周围的环境中的移动物体的信息，其中移动物体可以包括例如车辆、行人和动物。
图4是示例性展开的激光雷达图像400的示图。在这种情况下，“展开”意味着激光雷达传感器点云数据以2d阵列显示，而不是如图3中那样显示为同心环。展开的激光雷达图像400是以2d阵列布置的激光雷达传感器点云数据，其中列(y轴)对应于激光器线性阵列的角位移，对应于包括在固定激光雷达传感器206中的激光器线性阵列中的各个激光器的行(x轴)、信道，和像素值是距固定激光雷达传感器206的范围或距离。在展开的激光雷达图像400中包括表示车辆404和物体408、410、412、414、416的像素，由参考标号418共同且单独地表示。空白区域420对应于缺失数据，其中固定激光雷达传感器不能可靠地估计到环境中的表面的范围或距离。基于表示点云数据的展开激光雷达图像400范围地图的序列，可以通过像素值的变化来检测移动物体。对于特定的行和列位置，可以将这些细微变化视为跨时间发生的异常现象。本文描述的技术使用典型性和偏心率数据分析(teda)来检测与移动物体相关联的那些异常现象。将结合下面的图5讨论teda。使用teda来检测移动物体可以通过提供高效且基于输入像素数据而不是依赖于用户输入参数的技术来改善车辆110的操作。处理从多个展开的激光雷达图像400中检测到的移动物体可以允许计算装置115使用机器视觉技术以确定对应于例如多个teda输出图像中的移动物体的连接的像素区域的几何特性来确定移动物体的位置、速度和方向。
图5是应用于采集到展开的激光雷达图像504中的固定激光雷达传感器点云数据502的示例性teda处理500的示图。当固定激光雷达传感器206扫描激光器线性阵列同时发射和测量ir脉冲时，在对应于固定角度样本的列中采集固定激光雷达传感器点云数据502。可以在采集列后立即处理对应于激光雷达传感器点云数据502的像素数据。采集的像素数据506包括在扫描开始的时间和扫描结束的时间之间的中间时间由固定激光雷达传感器206采集的激光雷达传感器点云数据502的列。在采集的像素数据506的右侧是空数据区域508，标记为“暂无数据”，因为在中间时间，固定激光雷达传感器206尚未采集对应于空数据区域的像素的点云数据502。由于teda处理基于有限时间内的单个像素历史，因此激光雷达传感器点云数据的每列像素可以在采集后立即处理。
teda输出图像510示出了对从展开的激光雷达图像504采集的像素数据506执行teda处理的结果。teda处理包括基于与均值和方差进行比较的像素的当前值来确定像素的偏心率ε的值，所述均值μk和方差
μk＝(1-α)μk-1+αxk(1)
其中α是以经验确定的背景模型的恒定学习率(＝0.05)。常数α可以用于为像素xk分配一组指数减小的权重：
w＝[αα(1-α)k-1α(1-α)k-2…α(1-α)k-k+1…](3)
其中加权函数w有单位总和。加权函数w形成具有取决于α的指数减小的权重的加权平均型聚合运算符。w中具有大于k的幂的元素接近为零，由此限定宽度为k的移动窗口。移动窗口的宽度k约为等于k≈(1/α)的遗忘因子的倒数。
可以定义偏心率ε的表达式以用于时间点k之前的所有数据样本。然而，通过引入恒定的学习率，较旧数据点(超出k)的影响基本上被消除了。因此，偏心率ε可以用以下近似法表示：
对于固定激光雷达传感器流数据，
前景/背景图像518包括对应于移动物体520的前景像素的连接区域，其通过仅保留具有大于学习速率常数α的五倍的计算出的偏心率ε值的像素，对输出数据区域514的像素进行阈值化而形成。剩余像素变为背景像素。本文讨论的技术通过使用teda处理部分固定激光雷达传感器206扫描以在扫描完成之前获得移动物体520，从而将移动物体520从固定激光雷达传感器206提供给车辆110，从而改善车辆110的操作。可以在采集后立即处理激光雷达传感器点云数据的每一列，而无需等待进一步的数据采集。包括移动物体520的前景/背景图像518可以被输出522，以供服务器计算机120进一步处理或者传输到车辆110的计算装置115。
图6是示例性认知地图600的示图。认知地图600是车辆110周围环境的俯视图，并且可以基于例如从服务器计算机120下载到计算装置115的车辆110周围环境的2d地图数据，如谷歌地图。认知地图600包括在道路602上的车道604中行驶的车辆110。车辆110中的计算装置115可以通过确定路径多项式606来在道路602上操作车辆110。路径多项式606是车辆路径，如上所述，其中第三度或更小的多项式函数评估车辆矢量，所述车辆矢量是包括如上关于图2所定义的车辆3d姿势以及相对于每个轴的加速度和相对于3d坐标系例如纬度、经度和高度的旋转的矢量。车辆矢量还可以包括相对于道路602的车辆2d位置、车辆速度、2d中的车辆方向以及相对于车辆方向的车辆横向和纵向加速度。计算装置115可以通过确定当前车辆矢量和包括车辆位置、速度和方向的目标车辆矢量，以及计算包括车辆110的估计车辆矢量的多项式函数来确定路径多项式606，计算其以维持横向和纵向加速度的最小和最大极限。
计算装置115可以使用认知地图600通过使用包括例如gps和基于加速度计的惯性导航系统(ins)的传感器116来确定车辆110相对于认知地图600的位置，以及使用包括例如视频、激光雷达和雷达传感器的传感器116来确定另一车辆608的位置、速度和方向，在道路602上操作车辆110。计算装置115还可以使用从包括在交通基础设施系统100中的服务器计算机120接收的关于移动物体520的信息。交通基础设施系统100可以包括固定激光雷达传感器610，其在内径612和外径614之间具有视野616。交通基础设施系统100可以传输由固定激光雷达传感器610采集的移动物体信息520以及关于固定激光雷达传感器610的位置和视野616的位置的信息。通过将来自前景/背景图像518的移动物体信息520与关于固定激光雷达传感器610和视野614的位置的信息组合，计算装置可以将移动物体信息520从前景/背景图像准确地投射到认知地图600上。
将移动物体信息520从前景/背景图像投射到认知地图600上可以允许计算装置115将基于车辆传感器116检测到的移动物体与在固定激光雷达点云数据502中检测到的移动物体信息520相关，从而改善移动物体检测。在道路呈几何形状(如曲线和拐角)或者其他车辆可以使移动物体的清晰视图模糊的示例中，在固定激光雷达点云数据502中检测到的移动物体信息520还可以补充由车辆传感器116检测到的移动物体。还可以在车辆传感器116的范围之外检测移动物体信息520。通过接收由交通信息系统100服务器计算机120处理的包括移动物体信息520的固定激光雷达点云数据，可以改善在道路上操作车辆110。
将移动物体信息520投射到认知地图600上可以允许计算装置115确定移动物体信息520在认知地图600中的位置，且从而确定允许车辆110保持车辆速度的路径多项式606，例如，同时避开另一车辆608，其中其他车辆608被检测为前景/背景图像518中的移动物体信息520，所述前景/背景图像518由计算装置115经由交通基础设施系统100服务器计算机120从固定激光雷达传感器206、610接收。在这个示例中，计算装置115可以确定对应于车道变换操纵的路径多项式606，其中车辆110将从当前车道604行驶到相邻车道618以避免与另一车辆608的碰撞或接近碰撞。
图7是关于图1至图6描述的基于接收移动物体信息来操作车辆的过程700的流程图，其中通过使用teda处理固定激光雷达数据来生成移动物体信息。过程700可以通过计算装置115的处理器来实施，例如将来自传感器116的信息作为输入，并且经由控制器112、113、114执行命令和发送控制信号。过程700包括以所公开的次序进行的多个框。过程700还包括包含更少框的实现方式，或者可以包括按照不同次序进行的框。
过程700开始于框702，其中服务器计算机120可以从固定激光雷达传感器206、610接收激光雷达传感器点云数据。固定激光雷达传感器206、610可以从激光雷达传感器点云数据来确定前景/背景图像518，如上面关于图5所讨论的。服务器计算机还可以从固定激光雷达传感器206、610接收真实世界3d姿势数据，如上面关于图2所讨论的。
在框704处，车辆110中的计算装置115基于在框702处接收的前景/背景图像518和真实世界3d姿势数据来接收移动物体信息520。计算装置115可以通过将真实世界3d姿势数据与关于前景/背景图像518中的移动物体信息520的像素坐标中的位置的信息组合以将移动物体信息520投射到认知地图600上来确定移动物体520，且从而确定认知地图600中的移动物体信息520的位置。如上面关于图6所讨论的，移动物体信息520可以由交通信息系统100服务器计算机120基于来自固定激光雷达传感器206、610的激光雷达传感器数据来确定，且经由交通基础设施系统100传输到计算装置115，并且添加到认知地图600中，即使移动物体520可能不在包括在车辆110中的传感器116的视野中，且因此可能对车辆110不可见。
在框706处，计算装置115基于位于认知地图600中的移动物体信息520和其他车辆608来操作车辆110。计算装置115可以基于路径多项式606来操作车辆110，如上面关于图6所讨论的。路径多项式606可以部分地基于另一车辆608的位置来确定，所述车辆608的位置基于从交通信息系统100中的服务器计算机120下载的移动物体信息520。移动物体信息520由从固定激光雷达传感器206、610采集的激光雷达传感器数据生成，并且由交通基础设施系统100中的服务器计算机120处理。下载的移动物体信息520可以由计算装置115基于位于认知地图600中的移动物体信息520的位置、大小和移动被识别为另一个车辆608。在框706之后，过程700结束。
诸如本文所讨论的那些计算装置通常各自包括命令，所述命令能够由诸如上文标识的那些的一个或多个计算装置执行，并且用于执行上文描述的过程的框或步骤。例如，上文讨论的过程框可以被体现为计算机可执行命令。
计算机可执行命令可以由使用各种编程语言和/或技术创建的计算机程序来编译或解译，所述编程语言和/或技术包括但不限于以下的单一形式或组合形式：javatm、c、c++、visualbasic、javascript、perl、html等。一般而言，处理器(例如，微处理器)接收例如来自存储器、计算机可读介质等的命令，并且执行这些命令，从而执行一个或多个过程，包括本文所描述的过程中的一个或多个。可以使用多种计算机可读介质来将这种命令和其他数据存储在文件中并传输这种命令和其他数据。计算装置中的文件通常是存储在计算机可读介质(诸如存储介质、随机存储存储器等)上的数据的集合。
计算机可读介质包括参与提供可由计算机读取的数据(例如，命令)的任何介质。这种介质可以采用许多形式，包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘和其他持久性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(dram)。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、cd-rom、dvd、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、ram、prom、eprom、flash-eeprom、任何其他存储器芯片或盒式磁带，或计算机可从中读取的任何其他介质。
除非本文作出相反的明确指示，否则权利要求中使用的所有术语旨在给出如本领域技术人员所理解的普通和通常的含义。具体地，除非权利要求给出明确的相反限制，否则单数冠词诸如“一个”、“该”、“所述”等的使用应当被理解为引用所指示元件的一个或多个。
本文中使用的术语“示例性”是表示示例的意义，例如对于“示例性小部件”的提及应被解读为简单地指代小部件的示例。
修饰值或结果的副词“约”是指形状、结构、测量、值、确定、计算结果等可以因材料、加工、制造、传感器测量、计算、处理时间、通信时间等的缺陷而与确切描述的几何结构、距离、测量、值、确定、计算结果等有偏差。
在附图中，相同的参考标号指示相同的元件。此外，可以改变这些元件中的一些或全部。关于本文所描述的介质、过程、系统、方法等，应理解，尽管此类过程等的步骤或框已被描述为按照特定顺序的序列发生，但是此类过程可以通过以本文所描述的顺序以外的顺序执行的所描述步骤来实践。还应理解，可以同时执行某些步骤，可以添加其他步骤或者可以省略本文所描述的某些步骤。换句话说，本文对过程的描述出于示出某些实施例的目的而提供，而决不应将其理解为对要求保护的发明进行限制。
根据本发明，一种方法包括在车辆中接收移动物体信息，所述移动物体信息通过处理由固定激光雷达传感器采集并使用典型性和偏心率数据分析(teda)处理的激光雷达传感器数据来确定；并且基于所述移动物体信息操作所述车辆。
根据实施例，所述固定激光雷达传感器从左到右按顺序列采集激光雷达传感器数据，并且将所述激光雷达传感器数据传输到交通基础设施计算装置，所述交通基础设施计算装置在所述激光雷达传感器数据采集时按列处理所述激光雷达传感器数据，从而在所述固定激光雷达传感器完成采集激光雷达传感器数据之前在所述车辆中接收部分所述移动物体信息。
根据实施例，teda包括处理所述固定激光雷达传感器数据以确定移动时间窗口上的像素均值和像素方差，并且将当前像素值与像素均值和像素方差组合以基于偏心率确定前景像素。
根据实施例，确定移动物体信息基于确定由teda形成的前景/背景图像中的前景像素的连接区域。
根据实施例，确定所述前景/背景图像中的移动物体信息包括跟踪多个前景/背景图像中的前景像素的连接区域。
根据实施例，基于3d激光雷达传感器姿势和激光雷达传感器视野和3d车辆姿势，将移动物体信息投射到以所述车辆为中心的地图上。
根据实施例，操作所述车辆包括确定包括预测的车辆轨迹的多项式函数，其中预测的车辆轨迹包括位置、方向、速度以及横向和纵向加速度。
根据实施例，确定所述多项式函数包括确定所述地图上的目的地位置。
根据实施例，确定所述多项式函数包括避免与移动物体的碰撞或接近碰撞。
根据本发明，提供了一种系统，其具有处理器；存储器，所述存储器包括由所述处理器执行以下项的指令以：在车辆中接收移动物体信息，所述移动物体信息通过处理由固定激光雷达传感器采集并使用典型性和偏心率数据分析(teda)处理的激光雷达传感器数据来确定；并且基于所述移动物体信息操作所述车辆。
根据实施例，所述固定激光雷达传感器从左到右按顺序列采集激光雷达传感器数据，并且将所述激光雷达传感器数据传输到交通基础设施计算装置，所述交通基础设施计算装置在所述激光雷达传感器数据采集时按列处理所述激光雷达传感器数据，从而在所述固定激光雷达传感器完成采集激光雷达传感器数据之前在所述车辆中接收部分所述移动物体信息。
根据实施例，teda包括处理固定激光雷达传感器数据以确定移动时间窗口上的像素均值和像素方差，并且将当前像素值与像素均值和像素方差组合以确定偏心率。
根据实施例，确定移动物体信息基于确定由teda形成的前景/背景图像中的前景像素的连接区域。
根据实施例，确定所述前景/背景图像中的移动物体信息包括跟踪多个前景/背景图像中的前景像素的连接区域。
根据实施例，基于3d激光雷达传感器姿势和激光雷达传感器视野和3d车辆姿势，将移动物体信息投射到以所述车辆为中心的地图上。
根据实施例，操作所述车辆包括在所述地图上确定包括预测的车辆轨迹的的多项式函数，其中预测的车辆轨迹包括位置、方向、速度以及横向和纵向加速度。
根据实施例，确定所述多项式函数包括确定所述地图上的目的地位置。
根据实施例，确定所述多项式函数包括避免与移动物体的碰撞或接近碰撞。
根据本发明，提供了一种系统，其具有用于控制车辆转向、制动和动力传动系统的构件，以及用于以下项的计算机构件：在车辆中接收移动物体信息，所述移动物体信息通过处理由固定激光雷达传感器采集并使用典型性和偏心率数据分析(teda)处理的激光雷达传感器数据来确定；并且基于所述移动物体信息来操作所述车辆，和用于控制转向、制动和动力传动系统的构件。
根据实施例，所述固定激光雷达传感器从左到右按顺序列采集激光雷达传感器数据，并且将所述激光雷达传感器数据传输到交通基础设施计算装置，所述交通基础设施计算装置在所述激光雷达传感器数据采集时按列处理所述激光雷达传感器数据，从而在所述固定激光雷达传感器完成采集激光雷达传感器数据之前在所述车辆中接收部分所述移动物体信息。
- 还没有人留言评论。精彩留言会获得点赞！