车辆对车辆通信的认证的制作方法
本公开涉及执行经认证的车辆对车辆通信。
背景技术：
汽车为商业、政府和私人实体提供交通的很大一部分。目前正在开发和部署自主车辆和驾驶辅助系统以提供安全性，减少所需的用户输入量，或甚至完全消除用户参与。例如，一些驾驶辅助系统(诸如防撞系统)可在人驾驶时监测车辆的驾驶、位置和速度和其他对象。当系统检测到即将发生碰撞或撞击时，防撞系统可介入并应用制动、操纵车辆或执行其他避让或安全操作。作为另一示例，自主车辆可在很少或没有用户输入的情况下驾驶并导航车辆。自主车辆还可与其他自主车辆通信以便有助于防撞和安全操作。车辆身份的有效认证可有益于两辆或更多辆自主车辆之间的通信。
车辆技术的进步包括车辆对车辆(v2v)通信，所述车辆对车辆通信可能需要授权以确保车辆所有者或驾驶员的安全保障。已知车辆间通信在许多其他应用中用于改进每台车辆的安全特征。在v2v通信中，车辆身份的真实性由其数字证书来验证。考虑到数字证书在许多v2v应用中的安全关键含义，可通过公钥基础设施(pki)系统来保证数字证书的有效性。但是，在一些实现方式中，几乎不可能完全防止pki中的任何安全漏洞。如过去几十年所见，可能危及证书颁发机构(ca)颁发未授权证书，或甚至良性ca可能会向未授权方错误地颁发有效证书。此外，如果证书没有适当地存储在安全的地方，那么可能直接捕获证书的签名密钥。
技术实现要素：
根据一个方面，公开一种用于认证车辆对车辆通信的方法。所述方法包括从第一车辆接收传感器数据和从第二车辆接收辅助传感器数据。所述方法包括基于来自所述第一车辆的所述传感器数据和来自所述第二车辆的所述辅助传感器数据来提取认证。所述认证包括以下中的一个或多个：所述第二车辆与所述第一车辆的接近度；或由所述第一车辆的所述传感器数据和所述第二车辆的所述辅助传感器数据识别的共同对象。所述方法还包括确定所述认证是否满足所述第一车辆的信任阈值以证明所述第二车辆的认证。
根据本公开的另一方面，所述认证包括由所述第一车辆的传感器数据和所述第二车辆的所述辅助传感器数据识别的共同对象的相等检测地面速度。
根据本公开的另一方面，所述传感器数据包括从所述第一车辆的相机接收到的图像。所述传感器数据包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据。所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像。所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。所述方法还包括从所述第一车辆的所述相机接收到的所述图像提取认证点。所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。所述方法还包括基于所述测距数据来验证所述认证点。验证所述认证点包括从所述测距数据提取测距认证点。所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角。所述方法还包括用对应测距认证点来交叉检查从所述图像提取的所述认证点。所述方法还包括验证在误差界限内所述认证点等于所述对应测距认证点。
根据本公开的另一方面，所述方法还包括交换所述第一车辆或所述第二车辆的航向角以补偿所述第一车辆的所述传感器数据与所述第二车辆的所述辅助传感器数据之间的角度差异。
根据本公开的另一方面，所述方法还包括接收由所述第一车辆的一个或多个传感器捕获的对象图。所述方法还包括接收由所述第二车辆的一个或多个传感器捕获的辅助对象图并通过旋转和/或平移所述对象图或所述辅助对象图中的一个将所述辅助对象图与所述对象图对齐来生成重叠对象图。所述方法还包括基于所述重叠对象图来确定在所述对象图和所述辅助对象图中是否识别出一个或多个共同对象。所述方法还包括确定所述一个或多个共同对象是否满足所述第一车辆的应用的信任阈值并且如果所述一个或多个共同对象满足所述应用的所述信任阈值，则认证所述第一车辆的应用与所述第二车辆之间的通信。所述方法还包括如果所述一个或多个共同对象不满足所述应用的所述信任阈值，则拒绝所述第一车辆的应用与所述第二车辆之间的通信。
根据本公开的另一方面，确定所述认证是否满足所述第一车辆的所述信任阈值包括验证以下中的一个或多个：所述第二车辆的身份；所述第二车辆是否在所述第一车辆附近；由所述第一车辆的所述传感器数据和所述第二车辆的所述传感器数据感测到的一个或多个共同对象的存在；或基于所述第一车辆的所述传感器数据和所述第二车辆的所述辅助传感器数据的一个或多个共同对象的相等的确定地面速度。所述方法还可包括如果所述验证满足所述第一车辆的所述信任阈值，则准许所述第一车辆与所述第二车辆之间的通信。
根据一个方面，公开一种用于认证车辆对车辆通信的系统。所述系统包括第一车辆，所述第一车辆包括提供传感器数据的一个或多个传感器。所述系统包括与所述第一车辆的所述一个或多个传感器通信的车辆控制器。所述车辆控制器被配置来从第二车辆接收辅助传感器数据。所述车辆控制器包括存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器从所述第一车辆接收传感器数据并从所述第二车辆接收辅助传感器数据。所述指令还致使所述一个或多个处理器基于来自所述第一车辆的传感器数据和来自所述第二车辆的辅助传感器数据来提取认证。所述认证包括以下中的一个或多个：所述第二车辆与所述第一车辆的接近度；由所述第一车辆的所述传感器数据和所述第二车辆的所述辅助传感器数据识别的共同对象；或由所述第一车辆的所述传感器数据和所述第二车辆的所述辅助传感器数据识别的共同对象的相等检测地面速度。所述指令还致使所述一个或多个处理器确定所述认证是否满足所述第一车辆的信任阈值以证明所述第二车辆的认证。
附图说明
为了易于理解本公开的优点，将通过参考附图中所示的特定实施例来呈现以上简要描述的本公开的更具体的描述。应理解，这些图示只是描绘本公开的典型实施例，且因此不应视为限制其范围，将通过使用附图以另外的特异性和细节来描述和解释本公开，在附图中：
图1是根据本公开的教义和原理的自主车辆或辅助驾驶系统的示意性框图；
图2是根据本公开的教义和原理的适于实现方法的示例性计算装置的示意性框图；
图3是根据本公开的教义和原理示出执行认证的车辆的相对位置的示意图；
图4a、图4b、图5a和图5b是根据本公开的教义和原理的可进行处理的图像的图示；
图6是根据本公开的教义和原理示出执行认证的车辆之间的距离和角度的图示；
图7a是根据本公开的教义和原理示出从车辆相机测量的距离和角度的图示；
图7b是根据本公开的教义和原理示出车辆牌照在图像中的位置的图示；
图8是根据本公开的教义和原理示出用于认证车辆的处理流程的示意性框图；
图9是根据本公开的教义和原理示出捕获到图像时的车辆位置的平面图；
图10是根据本公开的教义和原理示出由附近车辆捕获的对象图的平面图；
图11是根据本公开的教义和原理示出用来确定由附近车辆捕获的对象图是否类似的平移和旋转的平面图；
图12是根据本公开的教义和原理示出附近车辆的用于在认证中使用的速度矢量图的平面图；
图13是根据本公开的教义和原理示出用于认证车辆的方法的示意性流程图；
图14是根据本公开的教义和原理示出用于认证车辆的方法的示意性流程图；并且
图15是根据本公开的教义和原理示出用于认证车辆的方法的示意性流程图。
具体实施方式
车辆技术的进步包括车辆对车辆(v2v)通信，所述车辆对车辆通信可能需要授权以确保车辆所有者或驾驶员的安全保障。已知车辆间通信在许多其他应用中用于改进每台车辆的安全特征。在v2v通信中，车辆身份的真实性由其数字证书来验证。考虑到数字证书在许多v2v应用中的安全关键含义，可通过公钥基础设施(pki)系统来保证数字证书的有效性。但是，在一些实现方式中，几乎不可能完全防止pki中的任何安全漏洞。如过去几十年所见，可能危及证书颁发机构(ca)颁发未授权证书，或甚至良性ca可能会向未授权方错误地颁发有效证书。此外，如果证书没有适当地存储在安全的地方，那么可能直接捕获证书的签名密钥。
虽然v2v通信意图增加车辆的安全保障，但它也为对手带来潜在威胁。攻击者可发起不同类型的攻击以使自己受益或恶意地对受害者造成伤害。例如，攻击者可传输不准确信息以影响邻近车辆从而使路径上的其他车辆转向来获得自由路径或伪造其传感器信息来规避事故责任。队列行驶的车辆也容易受到碰撞诱导的攻击。此外，通过使用多个不存在的身份或假名，也可进行女巫攻击(sybilattack)。因此，确保车辆间通信具有重要意义，并且可使用户免受危及生命的攻击。
在努力确保v2v通信中，事实上的v2v通信标准即专用短程通信(dsrc)利用公钥基础设施(pki)系统来认证车辆的公钥。虽然此解决方案旨在提供足够的安全保证，但仍有许多攻击可能。其中一个主要问题是由位置欺骗假冒攻击导致。在这些攻击中，内部攻击者(即具有正确证书的恶意车辆)传输具有伪造位置的消息。例如，攻击者通过向受害车辆伪造其位置来创建“幽灵车辆”。类似地，队列中的恶意车辆可通过伪造其在队列内的位置来假冒另一车辆的位置。
申请人认识到，除pki认证之外，还可为v2v通信提供补充机制。此类补充机制可利用在许多自主或驾驶辅助车辆中已普及的相机传感器。此类补充机制可包括两台车辆彼此拍摄快照、交换快照并通过例如从所接收图像提取车辆编号、车辆之间的相对距离、方位角来验证彼此的身份等。
但是，高级攻击者仍可能够通过以下来假冒车辆的身份：离线准备从各种位置拍摄的图像的字典并从字典中选择图像以冒充受害车辆周围的另一车辆。此外，攻击车辆可拍摄受害车辆的快照、从快照裁剪受害车辆并将受害车辆叠加到适当位置以误导受害车辆以相信所述图像是由攻击车辆拍摄的。由于计算机视觉的最新进展，新的相机图像修改技术可被攻击车辆利用。
本文申请人提出用于车辆对车辆认证和通信的系统、方法和装置，其克服了目前已知在pki系统和其他补充机制中可能易于受到先进车辆系统攻击的弱点。在本公开的实施例中，提供一种用于认证车辆对车辆通信的方法。所述方法包括从第一车辆接收传感器数据并从第二车辆接收辅助传感器数据。所述方法包括基于所述传感器数据和所述辅助传感器数据而提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度、或由所述传感器数据和所述辅助传感器数据识别的共同对象。所述方法还包括确定所述认证是否满足所述第一车辆的信任阈值。所述方法还可包括：如果所述认证满足所述信任阈值，那么准许所述第一车辆与所述第二车辆之间的通信。
将易于理解，如大体上在本文附图中所描述和说明的本公开的组件可被布置和设计在很多种不同的配置中。因此，如附图所示的对本公开的实施例的以下更详细的描述并不意图限制本公开的如所要求的范围，而仅是代表根据本公开的当前涵盖的实施例的某些示例。参考图示将最佳地理解当前所述的实施例，其中在各图中相同零件由相同标号标出。
根据本公开的实施例可体现为设备、方法或计算机程序产品。因此，本公开所采取的形式可以完全是硬件的实施例、完全是软件的实施例(包括固件、常驻软件、微代码等)、或组合软件方面和硬件方面的实施例，这些实施例在本文中通常全部可称作“模块”或“系统”。此外，本公开所采取的形式可以是在任何有形表达介质中体现的具有在介质中体现的计算机可用程序代码的计算机程序产品。
可利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，计算机可读介质可包括以下中的一个或多个：便携式计算机磁盘、硬盘、随机存取存储器(ram)装置、只读存储器(rom)装置、可擦除可编程只读存储器(eprom或闪存)装置、便携式光盘只读存储器(cdrom)、光学存储装置和磁存储装置。在所选实施例中，计算机可读介质可包括任何非暂时性介质，所述非暂时性介质可包含、存储、传达、传播或输送程序以供指令执行系统、设备或装置使用或与之结合使用。
用于进行本公开的操作的计算机程序代码可用一种或多种编程语言的任何组合来编写，所述编程语言包括面向对象的编程语言，诸如java、smalltalk、c++等，以及常规程序性编程语言，诸如“c”编程语言或类似的编程语言。程序代码可完全在计算机系统上作为独立的软件封装、在独立的硬件单元上、部分地在与计算机间隔开某一距离的远程计算机上、或完全在远程计算机或服务器上来执行。在后一种情景中，远程计算机可通过包括局域网(lan)或广域网(wan)的任何类型的网络连接到计算机，或可(例如，使用互联网服务提供商以通过互联网)与外部计算机形成连接。
下文参考根据本公开的实施例的方法、设备(系统)和计算机程序产品的流程图图示和/或框图来描述本公开。应理解，流程图图示和/或框图中的每一个框以及流程图图示和/或框图中的框的组合可通过计算机程序指令或代码来实现。这些计算机程序指令可提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以便产生一种机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中所指定的功能/动作的手段。
这些计算机程序指令也可存储在可引导计算机或其他可编程数据处理设备以特定方式起作用的非暂时性计算机可读介质中，使得存储在计算机可读介质中的指令产生一种制品，所述制品包括实现流程图和/或框图的一个或多个框中所指定的功能/动作的指令手段。
计算机程序指令还可加载到计算机或其他可编程数据处理设备上以使得在计算机或其他可编程设备上执行一系列操作步骤来产生计算机实现的过程，使得在计算机或其他可编程设备上执行的指令提供用于实现流程图和/或框图的一个或多个框中所指定的功能/动作的过程。
参考图1，控制器102可容纳在车辆内。车辆可包括本领域已知的任何车辆。车辆可具有本领域已知的任何车辆的所有结构和特征，包括车轮、联接到车轮的传动系、联接到传动系的发动机、转向系统、制动系统和本领域已知的包括在车辆中的其他系统。
如本文中更详细论述，控制器102可执行自主导航和防碰撞。具体地，根据本公开的实施例，控制器102可执行经认证的v2v通信。
控制器102可耦合到前置相机104和后置相机106。前置相机104可安装在车辆上具有面向前方的视野，而后置相机106可安装到车辆具有面向后方的视野。后置相机106可以是常规备用相机或具有不同视野的单独相机。相机104、106可如本文所公开的用于执行认证方法，并且可另外地用于执行障碍物检测。
控制器102可耦合到一个或多个其他感测装置108，所述一个或多个其他感测装置108可包括麦克风或用于检测障碍物的其他传感器，诸如雷达(radar)、激光雷达(lidar)、声纳(sonar)、超声等。例如，多个不同的传感器可附接到高级驾驶员辅助系统(adas)总线或系统。这些可用传感器中的任何一个可用于提供传感器数据，以用于辅助驾驶、自动驾驶和/或认证车辆对车辆(v2v)通信的目的。
控制器102可执行v2v模块110a。v2v模块110a包括位置验证模块112a。位置验证模块112a验证寻求使用v2v通信与控制器102通信的另一车辆实际上是接近控制器102的车辆。特别地，位置验证模块112a通过交换图像或其他传感器数据(例如，雷达、激光雷达、声纳、超声或其他传感器数据的帧)、对象图和/或速度图来验证另一车辆的位置，如以下更详细论述。
v2v模块110a还可包括认证模块112b。认证模块112b诸如使用diffie-hellman方法、公钥加密或某一其他认证技术来执行密钥交换。认证模块112b还可处理在控制器和另一车辆之间执行安全通信。以下更详细地描述执行认证和安全通信的方式。
控制器102还可执行障碍物识别模块110b、碰撞预测模块110c和决策模块110d。障碍物识别模块110b可分析来自相机104、106或其他相机的一个或多个图像流，并识别潜在的障碍物，包括人、动物、车辆、建筑物、路缘以及其他对象和结构。另外地，障碍物识别模块110b可从感测装置108的输出识别潜在障碍物，诸如使用来自激光雷达、雷达、超声或其他感测系统的数据。
碰撞预测模块110c基于其当前轨迹或当前预期路径来预测哪些障碍物图像可能与车辆碰撞。决策模块110d可做出停止、加速、转弯等的决策以避开障碍物。碰撞预测模块110c预测潜在碰撞的方式和决策模块110d采取行动以避免潜在碰撞的方式可根据自主车辆领域中已知的任何方法或系统。
决策模块110d可通过致动控制车辆的方向和速度的一个或多个致动器114来控制车辆的轨迹。例如，致动器114可包括转向致动器116a、加速器致动器116b和制动致动器116c。致动器116a-116c的配置可根据自主车辆领域中已知的此类致动器的任何实现方式。
图2是示出示例性计算装置200的框图。计算装置200可用于执行各种程序，诸如本文所论述的那些程序。控制器102可具有计算装置200的一些或全部属性。
计算装置200包括一个或多个处理器202、一个或多个存储器装置204、一个或多个接口206、一个或多个大容量存储装置208、一个或多个输入/输出(i/o)装置210、以及显示装置230，所有这些装置耦合到总线212。处理器202包括一个或多个处理器或控制器，所述一个或多个处理器或控制器执行存储在存储器装置204和/或大容量存储装置208中的指令。处理器202还可包括各种类型的计算机可读介质，诸如高速缓冲存储器。
存储器装置204包括各种计算机可读介质，诸如易失性存储器(例如，随机存取存储器(ram)214)和/或非易失性存储器(例如，只读存储器(rom)216)。存储器装置204还可包括可重写rom，诸如闪存。
大容量存储装置208包括各种计算机可读介质，诸如磁带、磁盘、光盘、固态存储器(例如，闪存)等。如图2所示，特定大容量存储装置是硬盘驱动器224。各种驱动器也可包括在大容量存储装置208中，以使得能够从各种计算机可读介质进行读取和/或写入各种计算机可读介质。大容量存储装置208包括可移动介质226和/或不可移动介质。
i/o装置210包括各种装置，所述各种装置允许将数据和/或其他信息输入到计算装置200或从计算装置200检索。示例性i/o装置210包括光标控制装置、键盘、小键盘、麦克风、监视器或其他显示装置、扬声器、网络接口卡、调制解调器、镜头、ccd或其他图像捕获装置等。
显示装置230包括任何类型的装置，所述任何类型的装置能够向计算装置200的一个或多个用户显示信息。显示装置230的示例包括监视器、显示终端、视频投影装置等。
接口206包括各种接口，所述各种接口允许计算装置200与其他系统、装置或计算环境进行交互。示例性接口206包括任何数量的不同网络接口220，诸如通向局域网(lan)、广域网(wan)、无线网络和互联网的接口。其他接口包括用户接口218和外围装置接口222。接口206还可包括一个或多个外围接口，诸如用于指向装置(鼠标、跟踪板等)、键盘等的接口。
总线212允许处理器202、存储器装置204、接口206、大容量存储装置208、i/o装置210和显示装置230彼此通信，与耦合到总线212的其他装置或组件进行通信。总线212表示若干类型的总线结构中的一种或多种，诸如系统总线、pci总线、ieee1394总线、usb总线等。
出于说明目的，程序和其他可执行程序组件在本文中示出为离散块，但应理解，此类程序和组件可在各种时间驻留在计算装置200的不同存储组件中，且由处理器202执行。可选地，本文所述的系统和程序可在硬件或者硬件、软件和/或固件的组合中实现。例如，可编程一个或多个专用集成电路(asic)以进行本文所述系统和程序中的一个或多个。
为增强对v2v通信的认证，本文所公开的系统、方法和装置提供具有物理身份和共现组件的加密凭证，以帮助推断一者的位置。本文公开一种车辆认证方法(“vauth”)，且该方法提供安全认证密钥协商方案，所述方案解决在车辆在道路上行驶时对v2v通信的上述问题。所述vauth方法包括使用相机作为将其物理身份与其共现绑定到另一车辆的手段来捕获汽车的视觉情境信息。具体地，道路上的两辆移动的车辆在给定的时间点将具有其他车辆无法经历的一对唯一的相对距离(d)和角度(φ)。
例如，图3示出vauth300的使用的实施例。在所述实施例中，车辆a和车辆b两者同时拍摄彼此的快照(例如，在一秒内，优选地在100ms内，更优选地在10ms内)并交换图像以证明它们的相对d和φ。具体地，vauth300利用加密承诺和解除承诺方案将车辆的加密密钥与其物理身份(牌照号码)及其共现(d和φ)绑定，这帮助推断位置。
由于这种绑定，vauth300消除前述位置欺骗假冒攻击。通过这种绑定，vauth300还可抵御可在密钥协商步骤期间出现的中间人(mitm)攻击。此外，vauth300还可限制图像伪造和欺骗攻击，因为每台车辆可使用共同观察的对象(例如，背景中的邻近车辆、道路标志、地形等)来验证所接收图像的有效性。
即使在存在以下约束的情况下，vauth300也能够在移动车辆之间建立自动密钥。第一，可能需要分散式信任管理，使得依赖远程和中央可信第三方(ttp)的传统方法存在问题。ttp会产生很大的管理成本，并且容易受到单点故障的影响。第二，可能不需要由于在交通中移动的车辆的快速动态而进行的人类交互和参与。在回路中包括驾驶员和乘客不仅降低可用性，而且可能显著地分散对驾驶任务的注意力。第三，可能需要使用车辆中的可用硬件来降低车辆成本。
vauth300的主要目标是通过绑定一对邻近汽车的物理身份和共现来防止v2v通信中的位置欺骗假冒攻击。我们将“邻近车辆”定义为彼此视线(即相机的视野)内的车辆。在此情况下，我们通过在车辆行驶时执行临时(ad-hoc)安全密钥协商来使一对车辆能够建立安全信道。此过程称为“配对”。密钥协商协议应该能够抵御诸如中间人(mitm)和图像欺骗攻击的主动攻击。vauth300增强了密钥协商消息的完整性和真实性。完整性和真实性保证密钥协商消息在来自声明的发送者的途中不会更改。
总而言之，本文所包括的vauth300的描述公开：(a)将物理身份和存在绑定到加密密钥的安全v2v密钥协商协议；(b)vauth协议的安全性分析，以证明其对mitm攻击的鲁棒性；(c)使用真实世界的车辆进行vauth的实现和评估。
攻击者的目标是打破两台合法车辆之间密钥协商方案的完整性和真实性。此应用考虑被动攻击者和主动攻击者两者。被动攻击者仅仅在尝试发起攻击(例如，窃听攻击)时观察无线通信。主动攻击者可对通信信道中的消息进行注入、重放、修改和删除。在本申请中，公开一种处理与合法实体(即沿着道路行驶的邻近车辆)共处一地的攻击者的方法。
vauth300利用车辆情境信息的视觉图像来验证配对过程中的真实性。任何一对邻近车辆且仅所述一对邻近车辆在没有其他车辆经历的特定时间处共享和经历唯一的相对距离(d)和角度(φ)(其中0≤φ≤2π)。例如，图3中的车辆a和车辆b共享相对距离和角度。应注意，另一对车辆(例如，车辆b和车辆c)可相对于彼此具有它们自己的d和φ，但不可能具有与相对车辆a相同的d和φ。
车辆通过彼此拍摄相机快照以呈现d和φ作为证据来证明它们的真实性。这对车辆通过发起周期性信标消息将彼此识别为要配对的“目标”车辆。两台车辆交换包含它们的标识符(即牌照号码)的信标消息。如果在每台车辆的本地“配对”列表中未找到标识符，那么两台车辆将彼此识别为要配对的“目标”车辆。
参考图3，在存在攻击者车辆m并且可能存在一台或多台良性车辆c的情况下，合法车辆a和合法车辆b可使用vauth300进行配对。每台车辆可具有前置相机104a、104b、104m和后置相机106a、106b、106m。
车辆a和车辆b可将彼此识别为v2v通信的目标。随后，两台车辆将彼此拍照并通过dsrc无线信道交换图像。具体地，车辆a的后方相机106a拍摄的快照包含车辆b的前方图像，且类似地，车辆b的前方相机104b包含车辆a的后方图像。
如果图像是由预期的车辆(而不是邻近车辆)拍摄的，那么图像应该共享相同的相对距离d。具体地，由车辆a使用包括车辆b的图像所测量的车辆a与车辆b之间的距离da应等于(即在一定公差内)使用从车辆b接收到的包括车辆a的图像所测量的距离db，且反之亦然。同样地，由车辆a使用包括车辆b的图像所测量的车辆a与车辆b之间的角度φa应等于(即在一定公差内)使用从车辆b接收到的包括车辆a的图像所测量的角度φb。此约束可表达为|da-db|＜∈d和|φa-φb|＜∈φ，其中∈d是距离公差而∈φ是角度公差。在此约束得不到满足的情况下，配对过程终止。
vauth300的安全性取决于一对车辆在特定时间点处的距离(da、db)和角度(φa、φb)的唯一性。但是，如图3所示，考虑攻击者，即车辆m与车辆a和车辆b一起行驶。为了发起mitm攻击，车辆m估计相对距离(dm～＝da)和角度(φm～＝φa并通过使用来自相对于车辆b具有变化的距离和角度的准备图像池的图像简单地假冒受害车辆(车辆b)的图像来向车辆b假冒车辆a。例如，当受害者的车辆(车辆b)停驻在街道上时，攻击者可离线准备图像的“字典”。
在一些实施例中，vauth300通过利用两台车辆的周围环境(例如，邻近车辆、道路标志、背景对象/视图等)应该大致相等的事实来防止此类攻击。因此，vauth300要求车辆a和车辆b既拍摄前置图像(
vauth300协议包括四个阶段：(1)同步；(2)快照；(3)密钥协商；(4)密钥确认阶段。下文关于下表1的算法详细论述每个阶段。对表1中算法的变量的定义包括在表2中。
表1.vauth协议。
表2.vauth协议的表示法。
在同步阶段，每台车辆传输周期性信标消息以尝试启动vauth300协议。信标消息仅仅是对其车辆标识符(即，牌照号码，ida、idb)的广播。继续图3的示例，车辆a广播其信标消息beacona并且车辆b接收此消息，如表1所描绘。在接收到beacona后，车辆b针对其“配对”列表进行检查。如果在列表中未找到ida，那么车辆b发送与车辆a进行配对的请求。类似地，车辆a针对其“配对”列表也检查车辆b的牌照(idb)(表1的步骤2至步骤4)。如果没有找到，那么车辆a向车辆b传输同步消息以启动同步快照阶段，使得两台车辆将彼此识别为要与之配对的“目标”车辆(表1的步骤5)。应注意，可进一步修改协议，使得如果车辆接收到多个配对请求，那么车辆可使用与请求一起发送的其他信息来优先级化请求(例如，gps位置信息以基于两台车辆的接近度来优先级化请求)。
在快照阶段，在同步阶段之后，并且响应于在同步阶段期间接收到的消息，车辆a和车辆b同时拍摄前视图和后视图的快照，如表1的步骤6中所示。由车辆a和车辆b拍摄的前置图像和后置图像分别标记为
图4a和4b分别示出
在密钥协商阶段，车辆a和车辆b首先交换它们的承诺(ca和cb)并稍后揭示它们的承诺解除(da和db)。每台车辆都利用承诺绑定diffie-hellman(dh)公共参数(ga或gb)与车辆id(ida或idb)(所述车辆id是牌照号码)以及通过图像的物理共现
在接收到承诺解除后，每台车辆都执行验证。表3描绘车辆b验证从车辆a接收的承诺解除(da)的逻辑。首先，车辆b验证da是否确实是ca的散列(表3的第2至第5行)。如果是，那么车辆b找出哪个图像(前视或后视)包含目标车辆的牌照号码(表3的第7至第9行)。例如，vb应指派给vbf，因为图像vbf包含车辆a的牌照(ida)，因为车辆a在车辆b的前面。
表3.承诺验证的伪代码
随后，车辆b继续验证车辆a与车辆b的相对距离和角度(表3的第11至第15行)。这是通过根据图像vb和va而计算距离和角度来实现的。因此，
一旦车辆b成功地验证a的承诺解除(da)，那么车辆b接受车辆a的dh参数ga，并计算出共享的对称密钥k＝(ga)b。类似地，车辆a也验证车辆b的承诺解除(db)且如果验证成功，则计算出共享的对称密钥k′＝(gb)a。
在密钥确认阶段，在计算出共享对称密钥后，车辆a和车辆b执行密钥确认以验证两车确实生成了相同的密钥。这在表1的步骤11至步骤14中进行描绘。车辆a向车辆b传输随机生成的η位随机数ηa(η＝256)和使用派生的对称密钥k′计算出的其消息认证代码(mac)(应注意，在此示例中，hmac-sha-3与256个散列位长度一起使用，但也可使用其他散列函数。)在接收到消息后，车辆b首先使用其派生的对称密钥k验证mac。如果成功，那么车辆b也向车辆a传输其随机生成的η位随机数(η＝256)ηb以及通过ηa||ηb使用其对称密钥k′计算出的mac。车辆a验证mac且如果成功，那么向车辆b发送通过接收的ηb与密钥k′计算的最终mac。最后，vauth300协议以车辆b的成功mac验证结束。现在，车辆a和车辆b使用所生成的共享对称密钥作为它们的会话密钥。
在实施例中，从在先前对复杂的图像欺骗攻击没有任何认识的情况下的随机猜测攻击开始估计攻击者的成功概率。攻击者的基本攻击可由完全控制无线信道的黑客执行。攻击者试图对车辆b假冒车辆a并伪造dh公钥。在表1步骤7和步骤9中，车辆a向车b传输其承诺和承诺解除(ca和da)。因此，攻击者即车辆m首先阻止车辆b接收da(例如，通过干扰)，并发送其自身伪造的
pcarm＝2-l
方程式1
在无法充分执行随机猜测攻击的情况下，攻击者可能尝试发起更复杂的攻击。攻击者试图伪造dh公钥(ga′)以及图像(
在第一种情况下，攻击者不知道d和φ且vauth300不检查图像欺骗攻击。在此情况下，假设攻击者不知道车辆a与车辆b之间的相对距离和角度。为了更简单地分析，我们假设vauth300协议不检查图像欺骗攻击(因此，在此情况下可省略表1的第26至第31行)。在此情况下，车辆m需要随机猜测d′和φ′来选择图像，使得值在误差界限(∈d和∈φ)内。因此，攻击者的成功概率如方程2所示，其中dmax是可见范围的最大距离，这取决于相机的能力。
在第二种情况下，攻击者知道d和φ而vauth300协议不检查图像欺骗攻击。假设攻击者与车辆a和车辆b一起行驶，且因此能够确定估计的距离和角度d和φ。
图6说明这种情景，其中汽车m试图找出相对距离dab和角度φa、φb。车辆m知道它与车辆a和车辆b的相对距离(dam和dbm)和相对角度(φx、φy、φm)。使用简单的三角法，车辆m计算出距离和角度，如方程3和方程4所示。在方程3和方程4中，指定为dxy的距离定义为点x与点y之间的距离。因此，攻击者成功的概率为一直(pcarm＝1)。
在第三种情况下，攻击者知道d和φ且vauth300检查图像欺骗攻击。为了防止攻击者成功发起攻击，如第二种情况所示，vauth300包括针对图像欺骗攻击的验证步骤(表1，第26至第31行)。方程5描绘攻击者的成功概率等于图像欺骗攻击成功的成功概率pspoofing。
psuccess＝pspoofing
方程5
为检测图像欺骗攻击(攻击者类型1)，vauth300利用常见的对象(例如，共同邻近的汽车的牌照)。车辆b从图像对
vauth300的示例性实现方式使用来自车辆相机拍摄的图像的牌照识别。特别地，vauth300可使用openalpr，即用于自动牌照识别的开源库。openalpr采用输入图像并遍历八个阶段，以输出识别的牌照号码、位置(角落、宽度和高度)和置信级(百分比)。openalpr实现以下阶段。阶段1(“检测阶段”)找到牌照的“潜在区域”。后续阶段将处理所有潜在区域。阶段2(“二值化阶段”)创建牌照区域的多个黑白图像以增加识别准确度。阶段3(“字符分析”)从牌照区域找到牌照号码/字符大小的区域或斑点(blob)。阶段4(“牌照边缘”)通过检测霍夫线来检测牌照的可能边缘。阶段5(“抗扭斜”)校正牌照图像的旋转和扭斜。阶段6和阶段7(“字符分割”和“ocr”)隔离牌照的字符并执行字符识别和置信级确定。最后，阶段8(“后处理”)输出以其置信级分类的n个潜在的候选牌照号码的列表。
在实施例中，为了从openalpr的输出计算出距离和角度，本公开的系统和方法利用用于计算机视觉中的图像纠正和透视校正的技术。所述算法通过利用已知对象的尺寸知识来利用以米为单位的真实世界对象(“世界平面”)与像素(“图像平面”)的比。类似地，拍摄校准图像vcalibration，这是远离车辆一米距离dinit或诸如来自vcalibration、所识别的牌照盒的高度(以像素为单位)hinit的某一其他已知距离处拍摄的车辆牌照的快照。其他图像中与牌照的距离可根据识别的牌照的高度比来计算出，如方程6所示。
应注意，不同的车辆可能配备有不同类型的相机，从而导致相机之间的hinit值不同。但是，每辆汽车可将它们的hinit值包括在承诺/承诺解除消息中。
可使用来自图像的已知距离来计算角度。在图7a和图7b中例示找到相对角度的问题。具体地，可以通过使用以米为单位的两个距离dimage和dshiftm来导出角度，如方程7所示。如图7b所示，φimage是牌照计算的角度，且dimage是从相机104、106到牌照的距离，dimage。
值dshift是汽车与相机最初位于同一直线上，即水平居中于相机视野中的情况下，汽车将会水平地移位的以米为单位的“假想”距离。为找到
虽然许多先前示例论述使用相机图像中的信息或从相机图像导出的信息进行认证，但可使用任何类型的传感器数据来认证车辆，包括其与父车辆的相对位置。在一个实施例中，可使用激光雷达、雷达、声纳或其他数据来检测其相应感测范围内的对象，并基于所述数据确定相对位置、角度等。在不同的实施例中，可单独使用任何类型的传感器数据来验证位置或身份，或者可一起使用多种类型的传感器数据以鲁棒地相互确认以及由潜在的v2v通信源做出的任何断言。例如，激光雷达或雷达数据可能无法检测车辆的牌照号码或颜色，但可使用它们来生成环绕父车辆的车辆的对象图。除对象图之外，还可确定每个对象相对于父车辆的速度矢量。可将这些对象图和/或速度矢量图与基于另一车辆传感器数据获得的那些进行比较，以确定所述另一车辆是否可被信任以用于v2v通信。
图8是示出用于基于相机图像、对象图、航向角和/或速度矢量图来认证车辆的方法800的示意性流程图。方法800在802处开始并且两台车辆都同意发起通信。在804处，两台车辆都捕获另一车辆的相机快照，用雷达/激光雷达传感器捕获周围地图，并且用罗盘捕获航向角。在806处，车辆进行检查以查看是否使用了速度矢量映射。如果在806处确定使用了速度矢量映射，那么在824处车辆收集在时间t期间周围对象的速度矢量图。在808处，两台车辆交换相机快照、对象图、航向角和/或速度矢量图。在810处，每台车辆从接收到的相机图像(或其他传感器数据或对象图)提取车辆编号、相对距离、方位角，并将航向角差与方位角相加。在812处，每台车辆验证所提取信息是否匹配其自身的。如果在812处确定所提取信息不匹配其自身，那么认证失败822。如果在812处确定确实匹配，那么在814处每台车辆从其自身的图和来自另一车辆的所接收对象图计数共同检测到的对象的数量。在816处，比较共同检测到的对象的数量以查看它是否满足系统信任阈值(例如，检测到的对象的百分比或检测到的对象的绝对整数值)。如果在816处确定的共同检测到的对象的数量不满足系统信任阈值，那么在822处认证失败。如果在816处确定的共同检测到的对象的数量确实满足系统信任阈值，那么在818处未使用速度矢量匹配的情况下在820处，认证成功。如果在818处确定使用了速度矢量匹配，那么在826处车辆通过将车辆速度矢量与每个共同检测到的对象的速度矢量相加来计算地面车辆速度图。在828处车辆进行检查以查看它们自身的地面速度图是否大致等于所接收速度图。如果在828处确定车辆自身的地面速度图大致等于所接收速度图，那么在820处认证成功。如果不是，那么在822处认证失败。
图9至图12示出可如何执行各种参数和比较以便执行图8的方法。图9是示出道路上的相对车辆位置以及包括其他车辆(车辆c906和车辆d908)和路边对象(对象e910和对象f912)的附近对象的平面图。示出车辆a902的航向角ha和车辆b904的航向角hb。还示出由车辆a902拍摄的相机图像，所述图像具有车辆a902与车辆b904之间的相对距离(da)和车辆b904的方位角(ab)。
图10是示出如图9所示的场景1002、车辆a902的adas对象图1004和车辆b904的adas对象图1006的平面图。车辆a902的对象图1004包括针对对象e910、车辆b904、车辆c906和车辆d908检测到的点或位置。对象图1004包括对象a902的方位角1012、对象e点或位置1020、车辆b点或位置1014、车辆c点或位置1016、以及车辆d点或位置1018。车辆b904的对象图1006包括针对对象f912、车辆a902、车辆c906和车辆d908检测到的点或位置。对象图1006包括对象b904的方位角1024、车辆c点或位置1026、车辆d点或位置1028、对象f点或位置1032、以及车辆a点或位置1022。应注意，车辆a902的对象图1004不包括对象f912。应注意，车辆b904的对象图1006不包括对象e910。这说明对象图1004、1006可能不是完美匹配。
图11是示出所得对象图以及试图匹配或重叠车辆a902的对象图1004和车辆b904的对象图1006的旋转和平移的平面图。在1102处示出旋转车辆b904的对象图1006达ha-hb的结果。在1104处示出平移车辆b904的对象图1006达dab且在车辆a902的对象图1004上重叠车辆b904的对象图1006的结果。对象图可旋转达方位角之间的差(例如，ha-hb)且然后平移达车辆或用于创建对象图的车辆传感器之间的距离dab。然后可通过计数匹配和非匹配对象来确定匹配对象的数量或百分比。只要数字或阈值超过信任阈值，差异就可能不会导致认证失败。
图12是示出基于速度矢量的匹配的平面图。图12示出车辆a相对速度矢量图1202、车辆b相对速度矢量图1204和地面速度矢量图1206。应注意，出于说明性目的，所有图都包括所有对象的矢量图。可通过将车辆的速度矢量与对象的速度矢量相加并确定是否与将另一车辆的速度矢量与同一对象的速度矢量相加的结果足够相似来比较每个对象的速度矢量。这可针对每个共同检测到的对象来进行。
根据以下方程9，当与对象的地面速度矢量相加时，车辆a的速度va1208等于车辆b的速度vb1210。
va+vx＝vb+vx
方程9
在地面速度矢量图1206中示出地面速度矢量，包括车辆a地面速度矢量121、车辆b地面速度矢量1214、车辆c地面速度矢量1216、车辆d地面速度矢量1218、和对象e地面速度矢量1220、以及对象f地面速度矢量1222。在车辆a相对速度矢量图1202中以虚线示出由车辆a902确定的各种车辆和对象的相对速度。在车辆b相对速度矢量图1204中示出由车辆b904确定的各种车辆和对象的相对速度。
图13示出用于认证车辆对车辆通信的方法1300的示意性流程图。方法1300可由任何合适的计算装置来执行，包括例如车辆的控制器102。方法1300在1302处开始且计算装置从第一车辆接收传感器数据。在1304处，计算装置从第二车辆接收辅助传感器数据。在1306处，计算装置基于传感器数据和辅助传感器数据提取包括以下中的一个或多个的认证：第二车辆与第一车辆的接近度；或由传感器数据和辅助传感器数据识别的共同对象。在1308处，计算装置确定所述认证是否满足第一车辆的信任阈值。
图14示出用于认证车辆对车辆通信的方法1400的示意性流程图。方法1400可由任何合适的计算装置来执行，包括例如车辆的控制器102。方法1400在1402处开始且计算装置接收来自第一车辆的传感器数据，其包括相机图像，以及包括雷达数据、激光雷达数据、声纳数据或超声数据中的一个或多个的测距数据。在1404处，计算装置接收来自第二车辆的辅助传感器数据，其包括辅助相机图像，以及包括雷达数据，激光雷达数据，声纳数据或超声数据中的一个或多个的辅助测距数据。在1406处，计算装置从相机图像提取认证点，其中认证点包括以下中的一个或多个：第二车辆相对于第一车辆的距离；第二车辆与第一车辆之间的方位角；或第二车辆的车辆识别。在1408处，计算装置基于测距数据验证认证点。在1410处，计算装置交换第一车辆或第二车辆的航向角以补偿传感器数据与辅助传感器数据之间的角度差异。在1412处，计算装置基于认证点、传感器数据和辅助传感器数据而提取包括以下中的一个或多个的认证：第二车辆与第一车辆的接近度；或由传感器数据和辅助传感器数据识别的共同对象。在1414处，计算装置确定所述认证是否满足第一车辆的信任阈值。
图15示出用于认证车辆对车辆通信的方法1500的示意性流程图。方法1500可由任何合适的计算装置来执行，包括例如车辆的控制器102。方法1500在1502处开始且计算装置接收由第一车辆的一个或多个传感器捕获的对象图。在1504处，计算装置接收由第二车辆的一个或多个传感器捕获的辅助对象图。在1506处，计算装置通过旋转和/或平移对象图或辅助对象图中的一个将辅助对象图与对象图对齐来生成重叠的对象图。在1508处，计算装置基于重叠的对象图来确定在对象图和辅助对象图中是否识别出一个或多个共同对象。在1510处，计算装置确定所述一个或多个共同对象是否满足第一车辆的信任阈值。在1512处，如果所述一个或多个共同对象满足所述信任阈值，那么计算装置认证第一车辆与第二车辆之间的通信。
除图像之外或图像的替代方式，使用传感器还可帮助减少潜在的攻击。例如，高级攻击者能够通过离线准备从各个位置拍摄的图像的字典并从字典中选择图像以伪装成受害车辆周围的其他车辆来假冒车辆的身份。或者，攻击者可拍摄受害车辆的快照，从快照中裁剪受害车辆，并将受害车辆叠加到用来误导受害者相信所述图像是从另一车辆上拍摄的位置。由于计算机视觉的最新进展，攻击者可使用更多相机图像修改技术。
为了克服先前基于相机图像的v2v认证中的潜在弱点，可以利用在现代车辆中迅速普及的其他adas传感器。这些其他adas传感器(包括雷达、激光雷达和其他传感器)能够检测周围对象(静止的和/或移动的)并且可用来提供增强的认证程序，如图8的处理流程800中所示。
实施例仍可检查从相机快照捕获的车辆身份(车辆编号)。另外，车辆从另一车辆的相机快照提取相对距离、方位角和车辆编号。但是，为防止图像修改攻击，此信息还会用来自其他adas传感器(如雷达和激光雷达)的信息进行交叉检查。虽然这些传感器不提供车辆编号信息，但它们仍提供周围对象的相对距离和方位角，其在误差界限内应该与来自相机快照的信息完全相同。在此过程中，还可交换每台车辆的航向角以补偿两台车辆未对齐时(例如，在弯曲道路中)的角度差异。周围对象可以是静止的(例如，地标、树木、建筑物、道路标志)或移动的(例如，其他周围车辆，和可能的行人)。
再次参考图10至图11，示出车辆a对象图1004，并且示出车辆b对象图1006。为了确定两台车辆是否彼此靠近(以进行认证)，算法旋转和/或平移两个对象图中的一个(如图11所示的车辆b对象图1006)以确定在任何检测到的对象之间是否存在可接受的匹配。
由于传感器噪声、不同的感测能力、障碍物，两台车辆检测到的周围对象在实践中无法相同。因此，如果两台车辆中共同检测到的对象的数量高于系统信任阈值，那么对后续通信授予认证。可在周围环境中凭经验确定系统信任阈值。例如，与农村地区相比，在具有高对象密度的城市地区，它将更高。其他实现方式可更多地为每个应用层而不是系统层产生信任决策选择。如此一来，对于两台车辆中给定数量的共同检测到的对象，一些安全关键应用不使用更严格的信任界限来认证通信，而其他非关键应用满足它。
在实现方式中，认证系统还可在短持续时间期间使用周围对象的速度矢量。车辆可通过将其速度与每个对象的速度矢量相加来计算周围对象的地面速度。比较两台车辆中共同检测到的对象的地面速度矢量将使攻击者甚至更难以在v2v通信中假冒车辆。与仅基于图像的认证相比，使用附加adas传感器数据使攻击者甚至更难绕过v2v认证系统。在此种实施例中，认证可包括由传感器数据和辅助数据识别的共同对象的相等检测地面速度。
示例
以下示例涉及其他实施例。
示例1是一种方法，其包括从车辆a接收传感器数据和从车辆b接收传感器数据。其中所述传感器数据包括雷达、激光雷达、图像、声纳、超声或其他传感器数据中的一个或多个。所述方法包括基于所述传感器数据验证所述车辆b接近所述车辆a。例如，所述方法可包括基于来自车辆a的所述传感器数据和来自车辆b的所述传感器数据来验证所述车辆b相对于所述车辆a的相对位置(距离和/或角度)。作为另一示例，所述方法可包括验证对象在基于来自车辆a的所述传感器数据而确定的车辆a对象图和基于来自车辆b的所述传感器数据而确定的车辆b对象图中的相对位置。作为另一示例，所述方法可包括基于来自车辆a的所述传感器数据和来自车辆b的所述传感器数据来验证检测到的对象的所确定地面速度。在一个实施例中，可交换对象图或矢量图，使得每台车辆不必确定另一车辆的对象图或矢量图。
在示例2中，如示例1所述的方法包括验证可确定对象图、速度矢量等之间的相似度在期望阈值内。
在示例3中，如示例1-2中任一项所述的方法包括将基于一种类型的传感器数据(例如，图像数据)而确定的相对位置与基于另一种类型的传感器数据(例如，雷达或激光雷达)的相对位置进行比较，以及验证所述相对位置是否足够相似。
在示例4中，如示例1-3中任一项所述的方法还包括：基于所述车辆a传感器数据来确定车辆a对象图；基于所述车辆b附加传感器数据确定车辆b对象图；以及验证所述车辆a对象图和所述车辆b对象图足够相似。所述认证所述车辆b包括响应于验证所述车辆a对象图和所述车辆b对象图足够相似而进行认证。
在示例5中，如示例4所述的方法包括旋转和/或平移所述车辆a对象图或所述车辆b对象图中的至少一个，以适应所述车辆a和所述车辆b的不同取向或位置。
在示例6中，在示例4-5中的任一项所述的验证所述车辆a对象图和所述车辆b对象图足够相似包括确定所述车辆a对象图和所述车辆b对象图中的共同检测到的对象的数量高于系统信任阈值。
在示例7中，如示例1-6中任一项所述的方法包括：基于所述车辆a附加传感器数据，确定车辆a附近的一个或多个对象的地面速度；基于所述车辆b附加传感器数据，确定车辆b附近的一个或多个对象的地面速度；以及验证所述车辆a附近的一个或多个对象的所述地面速度和所述车辆b附近的一个或多个对象的所述地面速度足够相似。
示例8是一种方法，其包括：从车辆a的相机接收第一图像：从车辆b接收第二图像；验证根据所述第一图像的所述车辆b与所述车辆a的相对位置对应于根据所述第二图像的所述车辆a与所述车辆b的相对位置；以及响应于所述验证，认证所述车辆b。
在示例9中，如示例8所述的，验证根据所述第一图像的所述车辆b与所述车辆a的相对位置对应于根据所述第二图像的所述车辆a与所述车辆b的相对位置包括由所述车辆a的控制器识别所述第一图像中的所述车辆b的图像，以及由所述车辆a的控制器识别所述第二图像中的所述车辆a的图像。所述方法包括由所述车辆a的所述控制器根据所述车辆b的所述图像在所述第一图像中的位置来确定从所述车辆a到所述车辆b的第一距离和从所述车辆a到所述车辆b的第一角度中的至少一个。所述方法还包括由所述车辆a的所述控制器根据所述车辆a的所述图像在所述第二图像中的位置来确定从所述车辆b到所述车辆a的第二距离和从所述车辆b到所述车辆a的第二角度中的至少一个。所述方法还包括由所述车辆a的所述控制器确定以下中的至少一个：(a)所述第二距离与所述第一距离在预先确定的距离公差内；以及(b)所述第二角度与所述第一角度在预先确定的角度公差内。
在示例10中，如示例8-9中任一项所述的，根据所述车辆b的所述图像在所述第一图像中的位置的，从所述车辆a到所述车辆b的所述第一距离和从所述车辆a到所述车辆b的所述第一角度中的至少一个包括根据所述车辆b的所述图像在所述第一图像中的位置的，从所述车辆a到所述车辆b的所述第一距离和从所述车辆a到所述车辆b的所述第一角度两者。根据所述车辆a的所述图像在所述第二图像中的位置的，从所述车辆b到所述车辆a的所述第二距离和从所述车辆b到所述车辆a的所述第二角度中的至少一个包括根据所述车辆a的所述图像在所述第二图像中的位置的，从所述车辆b到所述车辆a的所述第二距离和从所述车辆b到所述车辆a的所述第二角度两者。
在示例11中，如示例8-10中任一项所述的从所述车辆a的所述相机接收所述第一图像包括从安装到所述车辆a的前置相机接收第一前置图像，以及从安装到所述车辆a的后置相机接收第一后置图像。所述方法包括从安装到所述车辆b的所述前置相机接收第二前置图像，以及从安装到所述车辆b的所述后置相机接收第二后置图像。
在示例12中，如示例8-11中任一项所述的识别所述第一图像中的所述车辆b的图像包括识别所述第一图像中的所述车辆b的牌照号码，并且其中识别所述第二图像中的所述车辆a的图像包括识别所述第二图像中的所述车辆a的牌照号码。
在示例13中，如示例12所述的方法还包括由所述车辆a的所述控制器从所述车辆b接收包括所述车辆b的牌照号码的消息。
在示例14中，如示例12-13中任一项所述的根据所述车辆b的所述图像在所述第一图像中的位置，确定从所述车辆a到所述车辆b的所述第一距离和从所述车辆a到所述车辆b的所述第一角度中的至少一个包括：确定所述车辆b的牌照在所述第一图像中的以像素为单位的第一尺寸(himage1)；以及将所述第一距离(d1)确定为等于dinit*hinit/himage1，其中dinit是校准距离且hinit是位于距测试相机dinit处的测试牌照的测试尺寸(以像素为单位)。根据所述车辆a的所述图像在所述第二图像中的位置，确定从所述车辆b到所述车辆a的所述第二距离和从所述车辆b到所述车辆a的所述第二角度中的至少一个包括：确定所述车辆a的牌照在所述第二图像中的以像素为单位的第二尺寸(himage2)；以及将所述第二距离(d2)确定为等于dinit*hinit/himage。
在示例15中，如示例14所述的根据所述车辆b的所述图像在所述第一图像中的位置，确定从所述车辆a到所述车辆b的所述第一距离和从所述车辆a到所述车辆b的所述第一角度中的至少一个包括：确定以像素为单位的所述第一图像中的所述车辆b的牌照与所述第一图像的中心的第一像素偏移(dshift1)；将第一距离偏移(dshift1m)确定为等于(hm*dshift1/himage1)，其中hm是测试牌照的所测量尺寸；以及将所述第一角度确定为等于arccos(d1/dshift1m)。根据车辆a的图像在第二图像中的位置，确定从车辆b到车辆a的第二距离和从车辆b到车辆a的第二角度中的至少一个包括：确定以像素为单位的第二图像中的车辆a的牌照与第二图像的中心的第二像素偏移(dshift2)；确定等于(hm*dshift2/himage2)的第二距离偏移(dshift2m)；以及确定等于arccos(d2/dshift2m)的第二角度。
在示例16中，如示例8-15中任一项所述的所述车辆a的所述相机是第一相机。所述方法还包括响应于确定所述第二图像中的一个或多个背景对象对应于从安装到所述车辆a且面向与所述第一相机相反的方向的第二相机接收到的图像中的对象来认证所述车辆b。
在示例17中，如示例8-16中任一项所述的认证所述车辆b包括在所述车辆a与所述车辆b之间执行diffie-hellman密钥交换。
在示例18中，如示例8-17中任一项所述的方法还包括：接收车辆a附加传感器数据，包括雷达和激光雷达数据中的一个或多个；以及接收车辆b附加传感器数据，包括来自所述车辆b的雷达和激光雷达数据中的一个或多个。
在示例19中，如示例18所述的方法包括验证根据所述车辆a附加传感器数据的所述车辆b与所述车辆a的相对位置类似于根据所述车辆b附加传感器数据的所述车辆a与所述车辆b的相对位置，并且其中所述相对位置在基于所述第一图像和所述第二图像所确定的相对位置的误差界限内。
在示例20中，如示例18-19中任一项所述的方法包括：基于所述车辆a附加传感器数据来确定车辆a对象图；基于所述车辆b附加传感器数据来确定车辆b对象图；以及验证所述车辆a对象图和所述车辆b对象图足够相似。所述认证所述车辆b包括响应于验证所述车辆a对象图和所述车辆b对象图足够相似而进行认证。
在示例21中，如示例20所述的验证所述车辆a对象图和所述车辆b对象图足够相似包括旋转和/或平移所述车辆a对象图或所述车辆b对象图中的至少一个以适应所述车辆a和所述车辆b的不同取向或位置。
在示例22中，如示例20-21中任一项所述的验证所述车辆a对象图和所述车辆b对象图足够相似包括确定所述车辆a对象图和所述车辆b对象图中的共同检测到的对象的数量高于系统信任阈值。
在示例23中，如示例18-22中任一项所述的方法还包括：基于所述车辆a附加传感器数据，确定车辆a附近的一个或多个对象的地面速度；基于所述车辆b附加传感器数据，确定车辆b附近的一个或多个对象的地面速度；以及验证车辆a附近的一个或多个对象的所述地面速度和车辆b附近的一个或多个对象的所述地面速度足够相似。
示例24是存储指令的计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器实施如示例1-23中任一项所述的方法或实现其中所述的系统或设备。
示例25是用于认证车辆对车辆通信的方法。所述方法包括：从第一车辆接收传感器数据和从第二车辆接收辅助传感器数据。所述方法包括基于所述传感器数据和所述辅助传感器数据来提取包括以下中的一个或多个的认证：所述第二车辆与所述第一车辆的接近度；或由所述传感器数据和所述辅助传感器数据识别的共同对象。所述方法包括确定所述认证是否满足所述第一车辆的信任阈值。
示例26是如示例25中所述的方法，其中所述认证包括由所述传感器数据和所述辅助传感器数据识别的共同对象的相等检测地面速度。
示例27是如示例25-26中任一项所述的方法，其中：所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
示例28是如示例25-27中任一项所述的方法，其还包括从所述相机图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
示例29是如示例25-28中任一项所述的方法，其还包括基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点。所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；或所述第二车辆与所述第一车辆之间的方位角。所述方法还包括：用对应测距认证点来交叉检查从所述图像提取的认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
示例30是如示例25-29中任一项所述的方法，其还包括交换所述第一车辆或所述第二车辆的航向角以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
示例31是如示例25-30中任一项所述的方法，其还包括：接收由所述第一车辆的一个或多个传感器捕获的对象图；接收由所述第二车辆的一个或多个传感器捕获的辅助对象图；通过旋转和/或平移所述对象图或所述辅助对象图中的一个将所述辅助对象图与所述对象图对齐来生成重叠对象图；并且基于所述重叠对象图来确定在所述对象图与所述辅助对象图之间是否存在一个或多个对象匹配。
示例32是如示例25-31中任一项所述的方法，其还包括：确定所述对象图与所述辅助对象图之间的所述一个或多个对象匹配是否满足所述第一车辆的应用的信任阈值；如果所述一个或多个对象匹配满足所述应用的所述信任阈值，那么认证所述第一车辆的所述应用与所述第二车辆之间的通信；以及如果所述一个或多个对象匹配不满足所述应用的所述信任阈值，那么拒绝所述第一车辆的所述应用与所述第二车辆之间的通信。
示例33是如示例25-32中任一项所述的方法，其还包括：确定所述对象图与所述辅助对象图之间的所述一个或多个对象匹配是否满足所述第一车辆的全局信任阈值；如果所述一个或多个对象匹配满足所述全局信任阈值，那么认证所述第一车辆与所述第二车辆之间的通信。
示例34是如示例25-33中任一项所述的方法，其中确定所述认证是否满足所述第一车辆的所述信任阈值包括验证以下中的一个或多个：所述第二车辆的身份；所述第二车辆是否在所述第一车辆附近；由所述传感器数据和所述辅助传感器数据感测到的一个或多个共同对象的存在；或基于所述传感器数据和所述辅助传感器数据的一个或多个共同对象的相等的确定地面速度。
示例35是如示例25-34中任一项所述的方法，其还包括：如果所述验证满足所述第一车辆的所述信任阈值，那么准许所述第一车辆与所述第二车辆之间的通信。
示例36是一种用于认证车辆对车辆通信的系统。所述系统包括：第一车辆，所述第一车辆包括提供传感器数据的一个或多个传感器；以及车辆控制器，所述车辆控制器与所述一个或多个传感器通信且被配置来从第二车辆接收辅助传感器数据。所述系统由此使得所述车辆控制器包括存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从所述第一车辆的所述一个或多个传感器接收传感器数据；从所述第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据识别的共同对象；或由所述传感器数据和所述辅助传感器数据识别的共同对象的相等检测地面速度。所述指令还致使所述一个或多个处理器确定所述认证是否满足所述第一车辆的信任阈值。
示例37是如示例36所述的系统，其中：所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
示例38是如示例36-37中任一项所述的系统，其中所述指令还致使所述一个或多个处理器从所述相机图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
示例39是如示例36-38中任一项所述的系统，其中所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角。所述指令还致使所述一个或多个处理器：用对应测距认证点交叉检查从所述图像提取的所述认证点；并验证在误差界限内所述认证点等于所述对应测距认证点。
示例40是如示例36-39中任一项所述的系统，其中所述指令还致使所述一个或多个处理器交换所述第一车辆或所述第二车辆的航向角，以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
示例41是存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从第一车辆的一个或多个传感器接收传感器数据；从第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据识别的共同对象；或由所述传感器数据和所述辅助传感器数据识别的共同对象的相等检测地面速度。所述指令还致使所述一个或多个处理器确定所述认证是否满足所述第一车辆的信任阈值。
示例42是如示例41所述的非暂时性计算机可读存储介质，其中：所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
示例43是如示例41-42中任一项所述的非暂时性计算机可读存储介质，其中所述指令还致使所述一个或多个处理器从所述相机图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
示例44是如示例41-43中任一项所述的非暂时性计算机可读存储介质，其中所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角。所述指令还致使所述一个或多个处理器：用对应测距认证点交叉检查从所述图像提取的所述认证点；并验证在误差界限内所述认证点等于所述对应测距认证点。
示例45是一种包括用于实施示例1-44中任一项所述的方法或实现其系统或设备的手段的系统或装置。
本公开可在不背离其精神或基本特性的情况下以其他特定形式来体现。所描述的实施例应被视为在所有方面仅为说明性的而不是限制性的。因此,由所附权利要求而不是由前述描述来指示本公开的范围。处于权利要求书的等效意义和范围内的所有改变都应涵盖在权利要求书的范围中。
根据本发明，提供了一种方法，其接收来自第一车辆的传感器数据和来自第二车辆的辅助传感器数据；基于传感器数据和辅助传感器数据，提取包括以下中的一个或多个的认证：第二车辆与第一车辆的接近度；或由传感器数据和辅助传感器数据识别的共同对象；并且确定认证是否满足第一车辆的信任阈值。
根据实施例，所述认证包括由所述传感器数据和所述辅助传感器数据识别的共同对象的相等检测地面速度。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据实施例，上述发明的特征还在于：从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，本发明的特征还在于：基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或
所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点交叉检查从所述图像中提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
根据实施例，上述发明的特征还在于：交换所述第一车辆或所述第二车辆的航向角，以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
根据实施例，上述发明的特征还在于：接收由所述第一车辆的一个或多个传感器捕获的对象图；接收由所述第二车辆的一个或多个传感器捕获的辅助对象图；通过旋转和/或平移所述对象图或所述辅助对象图中的一个将所述辅助对象图与所述对象图对齐来生成重叠对象图；并且基于所述重叠对象图来确定在所述对象图和所述辅助对象图中是否识别出一个或多个共同对象。
根据实施例，上述发明的特征还在于：确定所述一个或多个共同对象是否满足所述第一车辆的应用的信任阈值；如果所述一个或多个共同对象满足所述应用的所述信任阈值，那么认证所述第一车辆的所述应用与所述第二车辆之间的通信；以及如果所述一个或多个共同对象不满足所述应用的所述信任阈值，那么拒绝所述第一车辆的所述应用与所述第二车辆之间的通信。
根据实施例，上述发明的特征还在于：确定所述对象图与所述辅助对象图中所识别的所述一个或多个共同对象是否满足所述第一车辆的全局信任阈值；如果所述一个或多个共同对象满足所述全局信任阈值，那么认证所述第一车辆与所述第二车辆之间的通信。
根据实施例，上述发明的特征还在于：确定所述认证是否满足所述第一车辆的所述信任阈值包括验证以下中的一个或多个：所述第二车辆的身份；所述第二车辆是否在所述第一车辆附近；由所述传感器数据和所述辅助传感器数据感测到的一个或多个共同对象的存在；或基于所述传感器数据和所述辅助传感器数据的一个或多个共同对象的相等的确定地面速度。
根据实施例，上述发明的特征还在于：如果所述验证满足所述第一车辆的所述信任阈值，那么准许所述第一车辆与所述第二车辆之间的通信。
根据本发明，提供一种系统，所述系统具有：第一车辆，所述第一车辆包括提供传感器数据的一个或多个传感器；以及车辆控制器，所述车辆控制器与所述一个或多个传感器通信且被配置来从第二车辆接收辅助传感器数据；其中所述车辆控制器包括存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从所述第一车辆的所述一个或多个传感器接收传感器数据；从所述第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据而识别的共同对象；或由所述传感器数据和所述辅助传感器数据而识别的共同对象的相等检测地面速度；以及确定所述认证是否满足所述第一车辆的信任阈值。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；
所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据实施例，所述指令还致使所述一个或多个处理器从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点来交叉检查从所述图像提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
根据实施例，所述指令还致使所述一个或多个处理器交换所述第一车辆或所述第二车辆的航向角，以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
根据本发明，存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从第一车辆的一个或多个传感器接收传感器数据；从第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据而识别的共同对象；或由所述传感器数据和所述辅助传感器数据而识别的共同对象的相等检测地面速度；以及确定所述认证是否满足所述第一车辆的信任阈值。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；
所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据本发明，提供了一种方法，其接收来自第一车辆的传感器数据和来自第二车辆的辅助传感器数据；基于传感器数据和辅助传感器数据，提取包括以下中的一个或多个的认证：第二车辆与第一车辆的接近度；或由传感器数据和辅助传感器数据识别的共同对象；并且确定认证是否满足第一车辆的信任阈值。
根据实施例，所述认证包括由所述传感器数据和所述辅助传感器数据识别的共同对象的相等检测地面速度。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据实施例，上述发明的特征还在于：从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，本发明的特征还在于：基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或
所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点交叉检查从所述图像中提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
根据实施例，上述发明的特征还在于：交换所述第一车辆或所述第二车辆的航向角，以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
根据实施例，上述发明的特征还在于：接收由所述第一车辆的一个或多个传感器捕获的对象图；接收由所述第二车辆的一个或多个传感器捕获的辅助对象图；通过旋转和/或平移所述对象图或所述辅助对象图中的一个将所述辅助对象图与所述对象图对齐来生成重叠对象图；并且基于所述重叠对象图来确定在所述对象图和所述辅助对象图中是否识别出一个或多个共同对象。
根据实施例，上述发明的特征还在于：确定所述一个或多个共同对象是否满足所述第一车辆的应用的信任阈值；如果所述一个或多个共同对象满足所述应用的所述信任阈值，那么认证所述第一车辆的所述应用与所述第二车辆之间的通信；以及如果所述一个或多个共同对象不满足所述应用的所述信任阈值，那么拒绝所述第一车辆的所述应用与所述第二车辆之间的通信。
根据实施例，上述发明的特征还在于：确定所述对象图与所述辅助对象图中所识别的所述一个或多个共同对象是否满足所述第一车辆的全局信任阈值；如果所述一个或多个共同对象满足所述全局信任阈值，那么认证所述第一车辆与所述第二车辆之间的通信。
根据实施例，上述发明的特征还在于：确定所述认证是否满足所述第一车辆的所述信任阈值包括验证以下中的一个或多个：所述第二车辆的身份；所述第二车辆是否在所述第一车辆附近；由所述传感器数据和所述辅助传感器数据感测到的一个或多个共同对象的存在；或基于所述传感器数据和所述辅助传感器数据的一个或多个共同对象的相等的确定地面速度。
根据实施例，上述发明的特征还在于：如果所述验证满足所述第一车辆的所述信任阈值，那么准许所述第一车辆与所述第二车辆之间的通信。
根据本发明，提供一种系统，所述系统具有：第一车辆，所述第一车辆包括提供传感器数据的一个或多个传感器；以及车辆控制器，所述车辆控制器与所述一个或多个传感器通信且被配置来从第二车辆接收辅助传感器数据；其中所述车辆控制器包括存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从所述第一车辆的所述一个或多个传感器接收传感器数据；从所述第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据而识别的共同对象；或由所述传感器数据和所述辅助传感器数据而识别的共同对象的相等检测地面速度；以及确定所述认证是否满足所述第一车辆的信任阈值。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；
所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据实施例，所述指令还致使所述一个或多个处理器从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点来交叉检查从所述图像提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
根据实施例，所述指令还致使所述一个或多个处理器交换所述第一车辆或所述第二车辆的航向角，以补偿所述传感器数据与所述辅助传感器数据之间的角度差异。
根据本发明，存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器：从第一车辆的一个或多个传感器接收传感器数据；从第二车辆接收辅助传感器数据；基于所述传感器数据和所述辅助传感器数据，提取包括以下中的一个或多个的认证：所述第二车辆相对于所述第一车辆的接近度；由所述传感器数据和所述辅助传感器数据而识别的共同对象；或由所述传感器数据和所述辅助传感器数据而识别的共同对象的相等检测地面速度；以及确定所述认证是否满足所述第一车辆的信任阈值。
根据实施例，所述传感器数据包括从所述第一车辆的相机接收到的图像；所述传感器数据还包括从所述第一车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的测距数据；
所述辅助传感器数据包括从所述第二车辆的相机接收到的辅助图像；并且所述辅助传感器数据还包括从所述第二车辆的雷达传感器、激光雷达传感器、声纳传感器或超声传感器中的一个或多个接收到的辅助测距数据。
根据实施例，所述指令还致使所述一个或多个处理器从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，上述发明的特征还在于：所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：
所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点交叉检查从所述图像中提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
根据实施例，所述指令还致使所述一个或多个处理器从所述第一车辆的所述相机接收到的所述图像提取认证点，其中所述认证点包括以下中的一个或多个：所述第二车辆相对于所述第一车辆的距离；所述第二车辆与所述第一车辆之间的方位角；或所述第二车辆的车辆识别。
根据实施例，上述发明的特征还在于：所述指令还致使所述一个或多个处理器基于所述测距数据来验证所述认证点，其中验证所述认证点包括：从所述测距数据提取测距认证点，其中所述测距认证点包括以下中的一个或多个：
所述第二车辆相对于所述第一车辆的所述距离；或所述第二车辆与所述第一车辆之间的所述方位角；用对应测距认证点交叉检查从所述图像中提取的所述认证点；以及验证在误差界限内所述认证点等于所述对应测距认证点。
- 还没有人留言评论。精彩留言会获得点赞！