CN113039097B - 车辆的低冲击撞车检测 - Google Patents

Abstract

用于检测车辆（100）的低冲击碰撞的系统和方法。该系统包括：至少一个传感器（99、110、111、115、120‑123、125‑136、140、141）和电子控制器（150）。电子控制器（150）被配置成从传感器（99、110、111、115、120‑123、125‑136、140、141）接收传感器数据，并且确定从至少一个传感器接收的传感器数据的一个或多个特征。电子控制器（150）进一步被配置成基于传感器数据的一个或多个特征来确定碰撞是否已经发生，并且响应于确定碰撞已经发生来采取至少一个动作。

Description

车辆的低冲击撞车检测

相关申请的交叉引用

本申请要求2018年11月1日提交的美国临时专利申请号62/754,299和2019年2月20日提交的美国临时专利申请号62/808,149的优先权，它们的全部内容通过引用整体地并入于此。

技术领域

实施例涉及用于车辆的低冲击撞车检测的系统和方法。

背景技术

在一些国家，诸如美国，即使损伤或损坏并不严重，也要求驾驶员在法律的制裁下要报告导致损伤或财产损坏的事故。附加地，如果车辆是自主车辆，则必须停车，直到事故被报告并由适当的当局处置为止。

当前用于检测车辆碰撞或其它安全隐患的车辆被动安全系统（例如，传感器和相关联的计算机或电子控制单元）不具有检测较低碰撞或非严重事故的能力，这给没有注意到碰撞的驾驶员或装备有这些系统的自主车辆创建了问题。例如，当前用于车辆的撞车感测系统仅可以检测导致大量损坏的重大碰撞，而不可以检测较小碰撞（诸如自行车撞上车辆、车辆的保险杠轻轻敲击路标、行人被车辆撞上等等）。

发明内容

因此，提供了一种用于检测车辆的低冲击撞车的系统（诸如自行车撞上车辆、车辆的保险杠轻轻敲击路标、行人被车辆撞上等等）。

一个实施例提供了一种用于检测车辆的低冲击撞车的系统。该系统包括：至少一个传感器，以及电子控制器，该电子控制器被配置成从传感器接收传感器数据，确定从至少一个传感器接收的传感器数据的一个或多个特征，基于传感器数据的一个或多个特征来确定碰撞是否已经发生，以及响应于确定碰撞已经发生来采取至少一个动作。

另一个实施例提供了一种用于检测车辆的低冲击碰撞的方法。该方法包括：利用电子控制器，接收来自至少一个传感器的传感器数据，以及利用电子控制器，确定从至少一个传感器接收的传感器数据的一个或多个特征。该方法进一步包括：利用电子控制器，基于传感器数据的一个或多个特征来确定碰撞是否已经发生，以及利用电子控制器，响应于确定碰撞已经发生来采取至少一个动作。

附图说明

图1图示了根据一个实施例的用于检测车辆的低冲击撞车的系统。

图2图示了根据一个实施例的电子控制器。

图3是图示了根据一个实施例的软件逻辑的框图。

图4图示了根据一个实施例的检测车辆的低冲击碰撞的方法。

图5图示了根据一个实施例的不同低冲击碰撞的特性。

图6图示了用于确定碰撞是否已经发生的贝叶斯（Bayes）分类器的示例。

图7A图示了根据一个实施例的传感器的第一配置。

图7B图示了图示根据一个实施例的冲击信号的检测的第一图表。

图7C图示了根据图7B的实施例的第一图表的延续。

图8A图示了根据一个实施例的传感器的第二配置。

图8B图示了图示根据一个实施例的冲击信号的检测的第二图表。

图8C图示了根据图8B的实施例的第二图表的延续。

图9A图示了根据一个实施例的传感器的第三配置。

图9B图示了图示根据一个实施例的冲击信号的检测的第三图表。

图9C图示了根据图9B的实施例的第三图表的延续。

图10图示了根据一个实施例的外部噪声比对低冲击音频信号。

图11图示了根据一个实施例的在外部噪声中的低冲击碰撞的检测。

具体实施方式

在详细解释任何实施例之前，要理解的是，本公开不意图将其应用限制于在以下描述中阐述的、或在以下附图中图示的构造细节和组件布置。实施例能够具有其它配置，并且能够以各种方式实践或执行。

可以使用多个基于硬件和软件的设备、以及多个不同的结构组件来实现各种实施例。此外，实施例可以包括硬件、软件和电子组件或模块，出于讨论的目的，所述电子组件或模块可以被图示和描述为好像大多数组件仅以硬件的形式实现。然而，本领域的普通技术人员、并且基于对该详细描述的阅读，将意识到，在至少一个实施例中，本发明的基于电子的方面可以在可由一个或多个处理器执行的（例如，存储在非暂时性计算机可读介质上的）软件中实现。例如，说明书中描述的“控制单元”和“控制器”可以包括一个或多个电子处理器、包括非暂时性计算机可读介质的一个或多个存储器模块、一个或多个输入/输出接口、一个或多个专用集成电路（ASIC）、以及连接各种组件的各种连接（例如，系统总线）。

此外，本文中所描述的由一个组件实行的功能可以由多个组件以分布式方式实行。同样地，由多个组件实行的功能可以合并，并且可以由单个组件实行。类似地，被描述为实行特定功能的组件也可以实行本文中没有描述的附加功能。例如，以某种方式“配置”的设备或结构至少以该方式配置，但是也可以以未列出的方式配置。另外，本文中所描述的一些实施例可以包括一个或多个电子处理器，其被配置成通过执行存储在非暂时性计算机可读介质中的指令来实行所描述的功能。类似地，本文中所描述的实施例可以被实现为存储可由一个或多个电子处理器执行以实行所描述的功能的指令的非暂时性计算机可读介质。如本申请中所使用的，“非暂时性计算机可读介质”包括所有计算机可读介质，但是不由暂时性传播信号组成。因此，非暂时性计算机可读介质可以包括例如硬盘、闪速存储器、光存储设备、磁存储设备、ROM（只读存储器）、RAM（随机存取存储器）、寄存器存储器、处理器高速缓存或其任何组合。

图1图示了根据一个实施例的用于检测车辆105的低冲击撞车的系统100。系统100包括：一个或多个外部麦克风110和111、内部麦克风115、一个或多个道路噪声传感器120-123、一个或多个加速度传感器125-136，以及一个或多个压力传感器140和141。

车辆105可以是汽车、摩托车、牵引式挂车、卡车、货车等等。图1中所示的车辆105的示例性实施例包括四个车轮。然而，车辆105的其它实施例可以包括更少车轮（例如，两个车轮的摩托车）或更多车轮（诸如每个轴具有多个车轮的牵引式挂车）。

一个或多个外部麦克风110和111被配置成收集车辆105之外的音频数据，例如，空气传播的或车身的声音。例如，一个或多个外部麦克风110和111收集冲击车辆105的物体的音频数据。一个或多个外部麦克风110和111位于例如车辆105前部上的牌照区域以及位于车辆105后部的第二牌照区域处。

内部麦克风115被配置成收集车辆105内部的音频数据。例如，当物体撞击车辆105时，内部麦克风115收集车辆105内部的音频数据。内部麦克风115位于例如车辆105内部的后视镜上。

一个或多个道路噪声传感器120-123被配置成利用加速度计收集由车辆105正在上面驾驶的驾驶表面经由车辆105的车轮引入到车辆105的车身中的低g力（g-force）数据。例如，道路噪声传感器120-123位于车辆105的轴上或轴附近，并且检测车辆105的车轮接触驾驶表面或驾驶表面上的其它驾驶障碍物（诸如减速带、碎片等等）的低g力数据。

一个或多个加速度传感器125-136可以是例如被配置成测量一个或多个移动轴上的加速度的惯性传感器。一个或多个加速度传感器125-136还可以包括陀螺仪来测量角速度。一个或多个加速度传感器125-136测量响应于与物体的碰撞而发生的车辆105或车辆105的部分（诸如侧板、保险杠等等）的加速度和/或角速度。一个或多个加速度传感器125-136可以被配置成检测低g力加速度，诸如每小时2至16公里的冲击（例如，行人与车辆105的一侧发生碰撞）。在一些实施例中，一个或多个加速度传感器125-136可以包括被配置成检测来自冲击的不同水平的g力的各种各样的传感器。在一个示例中，传感器被配置成检测低g力冲击（诸如上面所描述的那些）和中等g力冲击。中等g力冲击可能是由于以每小时16公里以上的速度行进的物体与车辆发生碰撞（例如，摩托车与车辆105的一侧发生碰撞）而产生的。在一个实例中，6D集群传感器被用来检测中等g力冲击。

一个或多个压力传感器140和141被配置成检测施加在车辆105的部分上的压力。例如，一个或多个压力传感器140和141可以位于车辆105的侧门上，并且被配置成测量施加到车辆侧门的压力。

要理解到，一个或多个外部麦克风110和111、内部麦克风115、一个或多个道路噪声传感器120-123、一个或多个加速度传感器125-136以及一个或多个压力传感器140和141可以位于车辆105的任何部分处或任何部分上，并且图1中提供的每个位置是系统100的示例性实施例的部分。

一个或多个外部麦克风110和111、内部麦克风115、一个或多个道路噪声传感器120-123、一个或多个加速度传感器125-136以及一个或多个压力传感器140和141电连接到电子控制器150，并且被配置成向电子控制器150发送数据。电子控制器150的实施例在图2中图示。

电子控制器150包括：向电子控制器150内的组件和模块提供电力、操作控制和保护的多个电气和电子组件。在所图示的示例中，电子控制器150包括：电子处理器205（诸如可编程电子微处理器、微控制器或类似设备）、存储器210（例如，非暂时性计算机可读存储器）和输入输出接口215。电子处理器205通信连接到存储器210和输入输出接口215。电子处理器205与存储在存储器210中的软件以及输入输出接口215相协调，被配置成实现除了其它事物之外的本文中所描述的方法。

在一些实施例中，电子控制器150可以在若干独立的控制器（例如，可编程电子控制单元）中实现，每个控制器被配置成实行特定的功能或子功能。附加地，电子控制器130可以包含子模块，该子模块包括附加的电子处理器、存储器或专用集成电路（ASIC），用于处置输入输出功能、信号的处理以及下面列出的方法的应用。在其它实施例中，电子控制器130包括附加的、更少的或不同的组件。

电子控制器150还可以包括集成的6D传感器集群220。在一个实施例中，集成的6D传感器集群220包括：3D加速度传感器、3D陀螺仪和中央2D车身声音传感器。中央2D车身声音传感器检测由来自驾驶表面的不同力（诸如车门打开和关闭）引入到车辆105的车身中的加速度。

图3是图示了根据一个实施例的系统100的软件逻辑300的一部分的框图。电子控制器150接收来自传感器（例如，一个或多个加速度传感器125-136、或一个或多个压力传感器140和141）的传感器数据305、从独立的传感器集群或集成在电子控制器150中的一个或多个车辆参数307（诸如偏航、俯仰、滚转，x、y、z轴上的加速度），以及来自一个或多个外部麦克风110和111（音频数据310）和内部麦克风115（音频数据311）的音频数据310和311。如下面所描述的，电子控制器150使用这四个输入315-318来使用接触检测软件320实行接触检测。如果基于四个输入315-318检测到接触，则电子控制器150被配置成采取至少一个动作（在325处）。

电子控制器150还可以包括额外合理性步骤软件。该额外合理性步骤软件包括以下指令，该指令用于处理传感器数据305、车辆参数307和音频数据310和311，以移除异常数据或实行传感器数据305、车辆参数307和/或音频数据310和311与已知的碰撞数据特性的初始比较，或者以其它方式处理传感器数据305、车辆参数307和音频数据310和311。例如，电子控制器150可以从一个或多个加速度传感器125-136接收指示加速度的数据，该加速度指示碰撞，但是一个或多个道路传感器120-123可以帮助将加速度作为来自坑洼或崎岖道路的噪声而过滤掉，这将不会被认为是引起损伤或损坏的低冲击碰撞。在另一个实施例中，一个或多个加速度传感器125-136可以将关门（door slam）检测为加速度，但是电子控制器150可以从辅助电子控制器接收指示门关闭的数据（例如，从辅助电子控制器接收指示门打开的布尔值的数据标志，例如，0为假，而1为真），并且将检测到的声音作为关门而非碰撞来过滤掉。

在另一个实施例中，一个或多个加速度传感器125-136可以将关门检测为加速度，但是电子控制器150可以从辅助电子控制器接收指示物体接近车辆的数据（例如，来自超声波传感器系统的数据、或者来自包括安装在车辆105上的一个或多个相机的视频系统的视频数据）。基于物体的接近，电子控制器150被配置成增加或减少接触检测软件320的灵敏度。例如，如果电子控制器150确定第二车辆紧密接近车辆105，则电子控制器150将（例如在额外合理性步骤软件的操作期间）通过不过滤掉关门来增加灵敏度。在这种情况下，关门可以是车辆105的门冲击第二车辆，这是低冲击碰撞。相比之下，如果没有物体紧密接近车辆105，则电子控制器150可以减小接触检测软件320的灵敏度，以忽略指示关门的所有传感器数据，因为指示关门的传感器数据将仅是车辆105上的门关闭。要理解到，关门的过滤仅是示例，并且来自本申请中所描述的其它传感器、或来自其它车辆系统的数据可以被用来增加或减小接触检测软件320的灵敏度。

接触检测软件320和额外合理性步骤软件可以存储在存储器210中。

图4图示了根据一个实施例并且例如由接触检测软件320实现的、检测车辆105的低冲击碰撞的方法400。方法400包括：利用电子控制器150，从至少一个传感器接收数据（在框405处）。例如，电子控制器150可以从一个或多个外部麦克风110和111、内部麦克风115、一个或多个道路噪声传感器120-123、一个或多个加速度传感器125-136、一个或多个压力传感器140和141或者这些传感器的任何组合接收数据。

在一些实施例中，来自一个或多个外部麦克风110和111和/或内部麦克风115的音频数据、或来自一个或多个道路噪声传感器120-123的加速度数据仅被用来验证或过滤从不同传感器接收的其它传感器数据（如下面关于合理性步骤所描述的）。在其它实施例中，由一个或多个外部麦克风110和111和/或内部麦克风115检测为可听噪声的任何冲击被用于（单独或与其它传感器数据结合）确认碰撞已经发生。

方法400还包括：利用电子控制器150，对所接收的传感器数据实行合理性步骤（在框410处）。如上面所描述的，关于额外合理性步骤软件，合理性步骤被用来过滤掉可能被误解为低冲击碰撞的不想要的数据。例如，如上面所讨论的，车辆105可以在崎岖不平的道路上行驶，并且一个或多个加速度传感器125-136可以检测加速度。当电子控制器150接收到该数据时，电子控制器150利用额外合理性步骤软件（例如，通过使用来自一个或多个道路噪声传感器120-123的数据）过滤掉崎岖不平的道路的噪声，而不是立即使用该数据来确定是否发生了低冲击碰撞。以这种方式，可以避免误报。

方法400还包括：利用电子控制器150，确定传感器数据的一个或多个特征（在框415处）。例如，电子控制器150可以确定传感器数据的振幅、确定传感器数据的信号能量、确定传感器数据的一个或多个频率、对传感器数据实行傅立叶变换以获得信号的频率表示（与信号的时间表示相反）、确定加速度的量和方向、确定角旋转等等。

在所提供的示例中，方法400还包括：利用电子控制器150，确定碰撞是否已经发生（在框420处）。为了确定碰撞已经发生，在一些实施例中，电子控制器150可以将传感器数据的所确定特征（来自框415）与不同冲击的已知特性进行比较。该已知特性可以是存储在存储器210中的数据集。例如，物体以每小时3公里的速度冲击车辆105的门可以具有已知的振幅、频率集、加速度量等等。如果所确定特征与该冲击的已知特性相匹配，则电子控制器150确定碰撞已经发生。

例如，图5图示了根据一个实施例的不同低冲击碰撞500的特性。列505、510和515图示了已知的低冲击碰撞（分别为敲车辆105的门、购物车滚进车辆105、以及螺丝刀刮擦车辆105的门），而行520、525和530图示了已知的低冲击碰撞的特性（分别为g力加速度、陀螺仪的旋转速率、以及压力）。电子控制器150将所接收的传感器数据与已知特性进行比较，并且如果传感器数据与已知的低冲击碰撞在一个或多个特性方面匹配到一定阈值水平，则电子控制器150确定碰撞已经发生。

在其它实施例中，电子控制器150可以利用机器学习来确定碰撞是否已经发生。例如，电子控制器150可以利用具有内核函数的贝叶斯分类器。贝叶斯分类器（或贝叶斯（Bayesian）分类器）是一种类型的概率分类器，在给定输入（所确定的特征）的情况下，其预测不同事件发生的概率集（而不是例如输出最有可能的事件）。贝叶斯分类器利用贝叶斯定理以及输入特征的强独立性假设。内核函数通过寻找数据集中数据点之间的关系来帮助集中贝叶斯分类器。所确定特征被输入到贝叶斯分类器中，并且基于内核函数和输入特征，电子控制器150输出不同事件发生的概率集。例如，基于正在处理的输入，电子控制器150可以输出有75%的可能已经发生损坏，23%的可能已经发生接触但没有损坏，以及2%的可能没有发生接触。贝叶斯分类器也可以被用来确定车辆上发生损坏的位置和已经发生的接触或损坏的类型。图6图示了用于确定碰撞是否已经发生（605）、碰撞的位置（610）和碰撞的类型（615）的贝叶斯分类器的示例600。

替代地，电子控制器150可以使用神经网络来确定碰撞是否已经发生。通过将包含多个特征的训练数据连同结果一起馈送到网络中来训练神经网络。神经网络具有处理各种输入特征以确定结果的一个或多个节点，该结果与实际结果进行比较来确定准确性，并且然后比较的结果（例如，正确标识或错误标识的）通过网络反向传播，以校正节点计算中的任何错误。经过时间的迭代以及利用大量变化的训练数据集（例如，大量不同的加速度、声音、压力、道路噪声等等），神经网络在预测是否发生损坏、损坏的位置以及发生的损坏的类型方面变得更加准确。在神经网络被训练之后（这可以基于工厂测试和输入到电子控制器150的存储器210中来完成），电子控制器150被配置成确定传感器数据的特征（在框415处），并且将所确定特征输入到神经网络中，以接收指示损坏已经发生或损坏没有发生的输出。

如果电子控制器150确定没有发生损坏（在框420处），则方法400返回以等待接收传感器数据（在框405处）。如果电子控制器150确定损坏已经发生，则电子控制器150采取至少一个动作作为响应（在框425处）。例如，电子控制器150可以被配置成向车辆105中的显示器输出信号，该信号指示已经发生损坏（例如，输出已经发生损坏的指示）。如果碰撞足够严重（例如，加速度高于基于位置的阈值），则电子控制器150可以被配置成将附加数据（例如，来自车辆105上的一个或多个相机的视频数据）存储在存储器210或单独的存储器中，该存储器诸如是事件数据记录器存储器，其位于电子控制器150内或单独的电子控制器中。

如果车辆105是自主车辆，则电子控制器150可以被配置成使用收发器天线或另一个无线通信设备向远程位置（诸如索赔的保险公司、向警察局、向汽车经销商、向修理厂等等）发送损坏通知，向驾驶控制器发送信号（或命令）以使车辆105减慢或使车辆105停止等等。电子控制器150还可以被配置成在存储器210中存储关于低冲击碰撞的任何传感器数据和相关联的确定，以供技术人员或车辆105的其它用户稍后访问。

图7A图示了根据一个实施例的第一传感器配置700。第一传感器配置700包括：电子控制器150和外围接触传感器701-711。传感器701和706位于车辆105的前保险杠的前中央面板的左边和右边。传感器702和707位于车辆105的引擎舱的左侧和右侧。传感器703和708位于车辆105的左右B柱处。柱（通常从车辆105的前部到后部为A-C）是车辆105的窗户区域的垂直支撑。传感器704和709位于车辆105的左右C柱处。传感器705和710位于车辆105后保险杠的左后角和右后角处。传感器711位于车辆105的后行李箱上。该第一传感器配置700覆盖了用于检测低冲击碰撞的大多数使用情况。通过在外围接触传感器701-711的所有位置处都具有传感器覆盖，可以在车辆105的所有点处准确地检测到低冲击。例如，如图7B和图7C中所示的第一图表715图示了在第一传感器配置700中、在车辆105上的不同冲击位置中、在不同冲击速度下，如何检测不同物体（篮球、撞车测试假人和轮胎噪声）的冲击信号。

图8A图示了根据一个实施例的第二传感器配置800。第二传感器配置800包括：电子控制器150和外围接触传感器801-808。传感器801和805位于车辆105的前保险杠的左前面板和右前面板处。传感器802和806位于车辆105的引擎舱的左侧和右侧。传感器803和807位于车辆105的左右C柱处。传感器804和808位于车辆105的后保险杠的左后角和右后角处。在第二传感器配置中，以高准确性水平检测到每小时6公里的低冲击碰撞，同时比第一传感器配置700需要更少传感器。例如，如图8B和图8C所示的第二图表图示了在第二传感器配置800中、在车辆105上的不同冲击位置中、在不同冲击速度下，如何检测不同物体（篮球、撞车测试假人和轮胎噪声）的冲击信号。

图9A图示了根据一个实施例的第三传感器配置900。第三传感器配置900包括：电子控制器150和恶劣环境麦克风901-904。麦克风901位于车辆105的前保险杠上。麦克风902和903位于车辆105的左侧和右侧。麦克风904位于车辆105的后保险杠上。恶劣环境麦克风901-904检测到大多数低冲击碰撞的使用情况，但是考虑到来自外部噪声（诸如道路噪声）的音频噪声频谱，不能够被可靠地使用。为了更好地判断外部麦克风音频数据，可以使用人工智能算法，诸如上述机器学习或贝叶斯分类算法。如图9B和9C中所示的第三图表图示了在第三传感器配置900中、在车辆105上的不同冲击位置中、在不同的冲击速度下，如何检测不同物体（篮球、撞车测试假人和轮胎噪声）的冲击信号。

从外部噪声（诸如道路噪声）分离真正的低冲击接触可能有些困难。然而，通过比较信号的不同频率窗口（频谱图）内的能量，可以从外部噪声中辨别低冲击接触。例如，在图10中，以每小时50英里的双车道改变的外部（观察到的）噪声1010是由车辆105的A柱处的传感器测量的。车辆105的侧面上的低冲击碰撞（每小时2公里）也是由A柱处的传感器测量的（信号1020）。如所示的，通过比较不同频率窗口的能量，可以独立于外部噪声来检测低冲击碰撞。例如，图11图示了区域1110，其中在外部噪声之中检测到低冲击碰撞。外部噪声指示之中的频率尖峰被电子控制器150确定为低冲击碰撞。

以下示例图示了本文中所描述的示例系统和方法。示例1：一种用于检测车辆的低冲击碰撞的系统，该系统包括：至少一个传感器，以及电子控制器，该电子控制器被配置成从传感器接收传感器数据，确定从至少一个传感器接收的传感器数据的一个或多个特征，基于传感器数据的一个或多个特征来确定碰撞是否已经发生，以及响应于确定碰撞已经发生来采取至少一个动作。

示例2：根据示例1的系统，其中，传感器数据的一个或多个特征包括：来自传感器数据的一个或多个频谱图的能量。

示例3：根据示例1-2中任一项的系统，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个外围接触传感器。

示例4：根据示例1-3中任一项的系统，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个麦克风。

示例5：根据示例1-4中任一项的系统，其中，电子控制器被配置成使用机器学习算法来确定碰撞是否已经发生。

示例6：根据示例1-4和示例5中任一项的系统，其中，机器学习算法是具有内核函数的贝叶斯分类器。

示例7：根据示例1-4和示例5中任一项的系统，其中，机器学习算法是被训练成基于传感器数据的一个或多个特征来检测碰撞的神经网络。

示例8：根据示例1-7中任一项的系统，其中，动作是从以下各项组成的组中选择的动作：向显示器输出损坏指示，以及将传感器数据存储在存储器中。

示例9：根据示例1-7中任一项的系统，其中，车辆是自主车辆，并且其中，动作是从以下各项组成的组中选择的动作：经由无线收发器向远程位置传输损坏通知，以及向车辆的驾驶控制器传输使车辆减慢或停止的命令。

示例10：根据示例1-9中任一项的系统，其中，电子控制器进一步被配置成从传感器数据过滤掉不想要的数据。

示例11：一种用于检测车辆的低冲击碰撞的方法，该方法包括：利用电子控制器，从至少一个传感器接收传感器数据；利用电子控制器，确定从至少一个传感器接收的传感器数据的一个或多个特征；利用电子控制器，基于传感器数据的一个或多个特征来确定碰撞是否已经发生；以及利用电子控制器，响应于确定碰撞已经发生来采取至少一个动作。

示例12：根据示例11所述的方法，其中，传感器数据的一个或多个特征包括：来自传感器数据的一个或多个频谱图的能量。

示例13：根据示例11-12中任一项的方法，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个外围接触传感器。

示例14：根据示例11-13中任一项的方法，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个麦克风。

示例15：根据示例11-14中任一项的方法，进一步包括：利用电子控制器，使用机器学习算法来确定碰撞是否已经发生。

示例16：根据示例11-14和15中任一项的方法，其中，机器学习算法是具有内核函数的贝叶斯分类器。

示例17：根据示例11-14和15中任一项的方法，其中，机器学习算法是被训练成基于传感器数据的一个或多个特征来检测碰撞的神经网络。

示例18：根据示例11-17中任一项的方法，其中，动作是从以下各项组成的组中选择的动作：利用电子控制器向显示器输出损坏指示，以及利用电子控制器将传感器数据存储在存储器中。

示例19：根据示例11-17中任一项的方法，其中，车辆是自主车辆，并且其中，动作是从以下各项组成的组中选择的动作：利用电子控制器经由无线收发器向远程位置传输损坏通知，以及利用电子控制器向车辆的驾驶控制器传输使车辆减慢或停止的命令。

示例20：根据示例11-19中任一项的方法，其中进一步包括：利用电子控制器，从传感器数据过滤不想要的数据。

因此，本文中所描述的实施例除其它事物之外提供了用于检测车辆的低冲击碰撞的系统和方法。

Claims (18)

1.一种用于检测车辆的低冲击碰撞的系统，所述系统包括：

至少一个传感器，以及

电子控制器，其被配置成

从传感器接收传感器数据，

确定从至少一个传感器接收的传感器数据的一个或多个特征，其中，传感器数据的一个或多个特征包括：来自传感器数据的一个或多个频率窗口的能量，

基于传感器数据的一个或多个特征通过比较不同频率窗口内的能量来确定碰撞是否已经发生，以及

响应于确定碰撞已经发生来采取至少一个动作。

2.根据权利要求1所述的系统，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个外围接触传感器。

3.根据权利要求1所述的系统，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个麦克风。

4.根据权利要求1所述的系统，其中，电子控制器被配置成使用机器学习算法来确定碰撞是否已经发生。

5.根据权利要求4所述的系统，其中，机器学习算法是具有内核函数的贝叶斯分类器。

6.根据权利要求4所述的系统，其中，机器学习算法是被训练成基于传感器数据的一个或多个特征来检测碰撞的神经网络。

7.根据权利要求1所述的系统，其中，动作是从以下各项组成的组中选择的动作：向显示器输出损坏指示，以及将传感器数据存储在存储器中。

8.根据权利要求1所述的系统，其中，车辆是自主车辆，并且其中，动作是从以下各项组成的组中选择的动作：经由无线收发器向远程位置传输损坏通知，以及向车辆的驾驶控制器传输使车辆减慢或停止的命令。

9.根据权利要求1所述的系统，其中，电子控制器进一步被配置成从传感器数据过滤掉不想要的数据。

10.一种用于检测车辆的低冲击碰撞的方法，所述方法包括：

利用电子控制器，从至少一个传感器接收传感器数据，

利用电子控制器，确定从至少一个传感器接收的传感器数据的一个或多个特征，其中，传感器数据的一个或多个特征包括：来自传感器数据的一个或多个频率窗口的能量，

利用电子控制器，基于传感器数据的一个或多个特征通过比较不同频率窗口内的能量来确定碰撞是否已经发生，以及

利用电子控制器，响应于确定碰撞已经发生来采取至少一个动作。

11.根据权利要求10所述的方法，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个外围接触传感器。

12.根据权利要求10所述的方法，其中，至少一个传感器是多个传感器中的一个，并且其中，多个传感器包括多个麦克风。

13.根据权利要求10所述的方法，进一步包括：利用电子控制器，使用机器学习算法来确定碰撞是否已经发生。

14.根据权利要求13所述的方法，其中，机器学习算法是具有内核函数的贝叶斯分类器。

15.根据权利要求13所述的方法，其中，机器学习算法是被训练成基于传感器数据的一个或多个特征来检测碰撞的神经网络。

16.根据权利要求10所述的方法，其中，动作是从以下各项组成的组中选择的动作：利用电子控制器向显示器输出损坏指示，以及利用电子控制器将传感器数据存储在存储器中。

17.根据权利要求10所述的方法，其中，车辆是自主车辆，并且其中，动作是从以下各项组成的组中选择的动作：利用电子控制器经由无线收发器向远程位置传输损坏通知，以及利用电子控制器向车辆的驾驶控制器传输使车辆减慢或停止的命令。

18.根据权利要求10所述的方法，其中，进一步包括：利用电子控制器，从传感器数据过滤不想要的数据。