CN113195327B - 确定自驾驶车辆上的车轮滑移 - Google Patents

Abstract

本技术涉及确定车辆的车轮与路面的当前摩擦状态。当车辆以自主模式操作时，这可以经由主动或被动测试或其他监测来完成(1302)。响应于检测到牵引力损失(1312)，车辆的控制系统能够使用所得信息来选择适当的制动级别或制动策略(1314)。这可以用于即时驾驶操作和规划正在进行的行程的未来部分两者。例如，车载系统能够评估通过自主制动和/或加速操作主动测试或被动评估牵引力的适当条件和情况。车载计算机系统可以利用远程辅助与附近的车辆共享滑移和其他路况信息，使得它可以用于更广泛的车队规划操作(图12A‑图12B)。

Description

确定自驾驶车辆上的车轮滑移

相关申请的交叉引用

本申请要求于2018年12月12日提交的第16/217,531号美国申请的权益，并且与于2018年12月12日提交的标题为“Detecting General Road Weather Conditions”的第16/217,235号美国申请相关，它们的全部公开内容通过引用并入本文。

背景技术

自主车辆，诸如不需要人类驾驶员的车辆，可以用于帮助将乘客或货物从一个位置运输到另一位置。这种车辆可以以完全自主模式或其中人可以提供一些驾驶输入的部分自主模式操作。为了以自主模式操作，车辆可以采用各种车载传感器来检测外部环境的特征，并使用接收到的传感器信息来执行各种驾驶操作。然而，如果车轮损失与路面的牵引力，这可能会对车辆的驾驶能力产生不利影响。滑移(slippage)可能由于各种环境因素而发生，并且被布置成自行检测环境中的对象的传感器可能不能够或缺乏正确评估牵引力损失所需的精度。

发明内容

本技术涉及确定车辆的车轮与路面的当前摩擦状态。在自主模式下操作时，车辆能够对此进行监测和主动或被动地测试。牵引力损失可能是由各种环境条件造成的，诸如路面上的冰、雪或水坑。这也可能是由于道路上的油脂、油或其他液体或碎屑造成的。响应于检测到的牵引力损失，车辆被配置为当在驾驶和/或规划行程的未来部分时选择适当的制动级别和制动策略时使用所得信息。

根据本技术的方面，提供了一种以自主驾驶模式操作车辆以检测牵引力状况的方法。该方法包括由车辆的一个或多个处理器在自主驾驶模式下的操作期间使车辆的子系统致动子系统的一个或多个部件；在子系统的一个或多个部件的致动期间获得车辆的姿态信息；由一个或多个处理器根据所获得的姿态信息确定车辆的实际姿态；由一个或多个处理器将实际姿态和预期姿态进行比较；由一个或多个处理器基于所述比较确定实际姿态和预期姿态之间的差异；基于差异确定车辆的一个或多个车轮的滑移；以及响应于确定车辆的滑移，执行校正驾驶动作或路线重新规划动作中的至少一个。在一个示例中，获得姿态信息包括从车辆的一个或多个传感器接收传感器数据。

校正驾驶动作可以包括执行选定制动技术或选定制动模式中的至少一个。校正驾驶动作可以包括调整车辆的制动曲线(braking profile)或期望停止点中的至少一个。并且校正驾驶动作可以包括降低沿道路的选定部分的最大驾驶速度。校正驾驶动作可以基于实际姿态来执行。

路线重新规划动作可以包括操纵到道路上的不同车道或选择替代路线中的至少一个。执行路线重新规划动作可以包括预测在当前路线的即将到来的部分处滑移的可能性。

在一种场景下，一个或多个部件中的给定部件可以是制动部件，并且子系统可以是减速系统。或者部件可以是加速部件，并且子系统可以是加速系统。或者部件可以是转向部件，并且子系统可以是转向系统。

基于差异确定车辆的一个或多个车轮的滑移可以包括确定差异超过阈值。差异可以指示与另一对象的相对距离、车辆的方位(orientation)或行驶方向(direction)中的一个或多个的差别。

使车辆的子系统致动子系统的一个或多个部件可以包括在自主驾驶模式下的操作期间执行制动操作或加速操作中的至少一个。

该方法还可以包括将关于滑移的信息发送到另一车辆或远程车队管理系统(remote fleet management system)中的至少一个。

根据本技术的其他方面，提供了一种被配置为以自主驾驶模式操作的车辆。该车辆包括驾驶系统、感知系统、定位系统和控制系统。驾驶系统包括转向子系统、加速子系统和减速子系统，以在自主驾驶模式下控制车辆的驾驶。感知系统包括被配置为检测车辆外部环境中的对象的一个或多个传感器。定位系统被配置为确定车辆的当前位置。控制系统包括一个或多个处理器。控制系统可操作地耦接到驾驶系统、感知系统和定位系统。控制系统被配置为在自主驾驶模式下的操作期间使车辆的子系统致动子系统的一个或多个部件。其还被配置为在子系统的一个或多个部件的致动期间从定位系统和感知系统中的至少一个获得车辆的姿态信息。控制系统还被配置为根据所获得的姿态信息确定车辆的实际姿态，将实际姿态和预期姿态进行比较，基于所述比较确定实际姿态和预期姿态之间的差异，基于差异确定车辆的一个或多个车轮的滑移，以及响应于确定车辆的滑移，使驾驶系统采取校正驾驶动作或执行路线重新规划动作。

在一种场景下，校正驾驶动作可以包括减速子系统，该减速子系统执行选定制动技术或选定制动模式中的至少一个。或者校正驾驶动作可以包括调整车辆的制动曲线或期望停止点中的至少一个。或者校正驾驶动作可以包括降低沿道路的选定部分的最大驾驶速度。

路线重新规划动作可以包括操纵到道路上的不同车道或选择替代路线中的至少一个、或者预测在当前路线的即将到来的部分处滑移的可能性。

一个或多个部件中给定的一个可以是制动部件，并且子系统可以是减速子系统。或者给定部件可以是加速部件，并且子系统可以是加速子系统。或者给定部件可以是转向部件，并且子系统可以是转向子系统。

该车辆还可以包括通信系统，该通信系统被配置为将关于滑移的信息发送到另一车辆或远程车队管理系统中的至少一个。

附图说明

图1A-图1B示出了配置为与本技术的方面一起使用的示例乘用型车辆。

图1C-图1D示出了被配置为与本技术的方面一起使用的示例货用型车辆。

图2是根据本技术的方面的示例乘用型车辆的系统框图。

图3A-图3B是根据本技术的方面的示例货用型车辆的系统的框图。

图4示出了根据本技术的方面检测传感器视场中的对象的示例。

图5示出了根据本公开的方面的乘用型车辆的示例传感器视场。

图6A-图6B示出了根据本公开的方面的用于货用型车辆的示例传感器视场。

图7A-图7D示出了根据本技术的方面的示例制动场景。

图8A-图8D示出了根据本技术的方面的示例加速场景。

图9A-图9B示出了根据本技术的方面的示例转弯场景。

图10A-图10B示出了根据本技术的方面为期望停止点调整制动曲线的示例。

图10C示出了根据本技术的方面对比速度曲线的示例。

图11A-图11B示出了根据本技术的方面的路线规划修改的示例。

图11C-图11D示出了根据本技术的方面的路线重新规划的示例。

图12A-图12B示出了根据本技术的方面的示例系统。

图13示出了根据本技术的方面的示例方法。

具体实施方式

本技术的方面包括评估通过制动和/或加速操作主动测试或被动评估牵引力的适当条件和情况。典型的牵引力控制系统能够在制动操作期间检测滑移，并在该时间点快速致动制动器。然而，针对当前条件的这种活动非常有限，并且对未来的驾驶没有影响。相比之下，本技术的其他方面能够利用从选定的条件或情况获得的所获取的牵引力信息，并将该信息馈送到车辆的规划系统中，用于即将到来的自主模式操作，并解决正在进行的驾驶情况。

示例车辆系统

图1A示出了示例乘用车辆100(诸如厢式车、运动型多功能车(sport utilityvehicle，SUV)或其他车辆)的透视图。图1B示出了乘用车辆100的俯视图。乘用车辆100可以包括用于获得关于车辆外部环境的信息的各种传感器。例如，车顶外壳102可以包括激光雷达传感器以及各种相机、雷达单元、红外和/或声学传感器。位于车辆100前端的外壳104和车辆的驾驶员侧和乘客侧的外壳106a、106b可以各自结合激光雷达、雷达、相机和/或其他传感器。例如，外壳106a可以沿车辆的后侧围板(quarter panel)位于驾驶员侧门的前面。如图所示，乘用车辆100还包括用于雷达单元、激光雷达和/或相机的外壳108a、108b，这些外壳也位于朝向车辆的后车顶部分。附加的激光雷达、雷达单元和/或相机(未示出)可以位于沿车辆100的其他地方。例如，箭头110指示传感器单元(图1B中的112)可以沿车辆100的后部定位，诸如在保险杠上或邻近保险杠。箭头114指示沿车辆的前向方向布置的一系列传感器单元116。在一些示例中，乘用车辆100还可以包括用于获得关于车辆内部空间(未示出)的信息的各种传感器。

图1C-图1D示出了示例货用车辆150，诸如牵引车-拖车卡车。卡车可以包括，例如，单拖车、双拖车或三拖车，或者可以是另一种中型或重型卡车，诸如处于商业重量等级4至8。如图所示，卡车包括牵引车单元152和单个货物单元或拖车154。取决于要运输的货物的类型，拖车154可以是完全封闭的、开放的(诸如平板式)、或者部分开放的。在该示例中，牵引车单元152包括发动机和转向系统(未示出)以及用于驾驶员和任何乘客的驾驶室156。在完全自主的布置中，驾驶室156可以不配备座椅或手动驾驶部件，因为可能不需要人。

拖车154包括被称为中枢销(kingpin)的挂接点158。中枢销158通常形成为实心钢轴，其被配置为可枢转地附接到牵引车单元152。具体地，中枢销158附接到被称为第五轮(fifth-wheel)、安装在驾驶室的后面的拖车耦接器160。对于双牵引车-拖车或三牵引车-拖车，第二和/或第三拖车可与前拖车简单挂接。或者，可替代地，每个拖车可以有其自己的中枢销。在这种情况下，至少第一和第二拖车可以包括被布置成耦接到下一个拖车的第五轮型结构。

如图所示，牵引车可以具有沿其设置的一个或多个传感器单元162、164。例如，一个或多个传感器单元162可以设置在驾驶室156的车顶或顶部，一个或多个侧面传感器单元164可以设置在驾驶室156的左侧和/或右侧。传感器单元也可以沿驾驶室106的其他区域定位，诸如沿前保险杠或发动机罩区域、在驾驶室的后部、邻近第五轮、在底盘的下面等。拖车154还可以具有沿其布置的一个或多个传感器单元166，例如沿拖车154的侧板、前部、后部、车顶和/或底架。

举例来说，每个传感器单元可以包括一个或多个传感器，诸如激光雷达、雷达、相机(例如，光学或红外)、声学(例如，麦克风或声纳型传感器)、惯性(例如，加速度计、陀螺仪等)或者其他传感器(例如，定位传感器，诸如GPS传感器)。虽然本公开的特定方面可能结合特定类型的车辆而特别有用，但是车辆可以是任何类型的车辆，包括但不限于汽车、卡车、摩托车、公共汽车、娱乐车辆等。

以部分或完全自主驾驶模式操作的车辆可能具有不同程度的自主性。美国国家公路交通安全管理局(National Highway Traffic Safety Administration)和汽车工程师协会(Society of Automotive Engineer)已经认定了不同的级别来指示车辆控制驾驶的多少。例如，级别0没有自动化，驾驶员做出所有与驾驶相关的决定。最低的半自主模式，级别1，包括一些驾驶辅助，诸如巡航控制。级别2具有对特定驾驶操作的部分自动化，而级别3涉及有条件的自动化，可以让驾驶座上的人在必要时进行控制。相比之下，级别4是高度自动化级别，其中车辆能够在选择条件下在没有辅助的情况下驾驶。级别5是完全自主模式，其中车辆能够在所有情况下在没有辅助的情况下驾驶。本文描述的架构、部件、系统和方法可以以任何半自主或全自主模式(例如级别1-5，本文称为自主驾驶模式)运行。因此，对自主驾驶模式的引用包括部分自主和完全自主两者。

图2示出了框图200，其中示例性车辆(诸如乘用车辆100)的各种部件和系统以自主驾驶模式操作。如图所示，框图200包括一个或多个计算设备202，诸如包含一个或多个处理器204、存储器206和通常存在于通用计算设备中的其他部件的计算设备。存储器206存储一个或多个处理器204可访问的信息，包括可由(多个)处理器204执行或以其他方式使用的指令208和数据210。当以自主驾驶模式操作时，计算系统可以控制车辆的整体操作。

存储器206存储处理器204可访问的信息，包括可由处理器204执行或以其他方式使用的指令208和数据210。存储器206可以是能够存储处理器可访问的信息的任何类型，包括计算设备可读介质。存储器是非暂时性介质，诸如硬盘驱动器、存储卡、光盘、固态等。系统可以包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。

指令208可以是由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如，指令可以作为计算设备代码存储在计算设备可读介质上。在这方面，术语“指令”、“模块”和“程序”在本文可以互换使用。指令可以以目标代码格式存储，以便由处理器直接处理，或者以任何其他计算设备语言存储，包括按需解释或预先编译的脚本或独立源代码模块的集合。数据210可以由一个或多个处理器204根据指令208来检索、存储或修改。在一个示例中，存储器206中的一些或全部可以是事件数据记录器或被配置为存储车辆诊断和/或检测到的传感器数据的其他安全数据存储系统，其可以在车辆上或是远程的，这取决于实施方式。

处理器204可以是任何传统的处理器，诸如商业上可获得的CPU。可替代地，每个处理器可以是专用设备，诸如AASIC或其他基于硬件的处理器。尽管图2功能性地示出了处理器、存储器和计算设备202的其他元件在同一块内，这样的设备实际上可以包括多个处理器、计算设备或存储器，它们可以存储在或可以不存储在同一物理外壳内。类似地，存储器206可以是位于不同于(多个)处理器204的外壳的外壳中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。

在一个示例中，计算设备202可以形成结合到车辆100中的自主驾驶计算系统。自主驾驶计算系统能够与车辆的各种部件通信。例如，计算设备202可以与车辆的各种系统通信，包括包含减速系统212(用于控制车辆的制动)、加速系统214(用于控制车辆的加速)、转向系统216(用于控制车轮的方位和车辆的方向)的驾驶系统、信令系统218(用于控制转弯信号)、导航系统220(用于将车辆导航到某个位置或对象周围)和定位系统222(用于确定车辆的位置，例如，包括车辆的姿态)。自主驾驶计算系统可以根据导航系统220、定位系统222和/或系统的其他部件采用规划器模块223，例如，用于确定从起点到目的地的路线或用于根据当前或预期的牵引力状况对各种驾驶方面进行修改。

计算设备202还可操作地耦接到感知系统224(用于检测车辆环境中的对象)、动力系统226(例如，电池和/或燃气或柴油发动机)和传动系统230，以便在不需要或需要来自车辆乘客的连续或周期性输入的自主驾驶模式下根据存储器206的指令208控制车辆的移动、速度等。车轮/轮胎228中的一些或全部耦接到传动系统230，并且计算设备202能够接收关于轮胎压力、平衡和可能影响自主模式下驾驶的其他因素的信息。

计算设备202可以例如经由规划器模块223，通过控制各种部件控制车辆的方向和速度。举例来说，计算设备202可以使用来自地图信息和导航系统220的数据完全自主地将车辆导航到目的地位置。计算设备202可以使用定位系统222来确定车辆的位置，并且当需要安全到达位置时，使用感知系统224来检测和响应对象。为此，计算设备202可以使车辆加速(例如，通过加速系统214增加提供给发动机的燃料或其他能量)、减速(例如，通过减速系统212减少供应给发动机的燃料、改变档位和/或施加制动)、改变方向(例如，通过转向系统216转动车辆100的前轮或其他车轮)，并信令通知这种改变(例如，通过点亮信令系统218的转弯信号)。因此，加速系统214和减速系统212可以是包括车辆的发动机和车辆的车轮之间的各种部件的动力传动系统或其他类型的传动系统230的一部分。同样，通过控制这些系统，计算设备202还可以控制车辆的传动系统230，以便自主操纵车辆。

导航系统220可以由计算设备202使用，以便确定和跟随到某个位置的路线。在这点上，导航系统220和/或存储器206可以存储地图信息，例如，计算设备202可以用来导航或控制车辆的高度详细的地图。作为示例，这些地图可以识别道路、车道标记、十字路口、人行横道、限速、交通信号灯、建筑物、标志、实时交通信息、植被或其他这样的对象和信息的形状和高度。车道标记可以包括诸如实线或虚线双车道线或单车道线、实线或虚线车道线、反光器等特征。给定车道可以与定义车道的边界的左和/或右车道线或其他车道标记相关联。因此，大多数车道可以由一条车道线的左边缘和另一条车道线的右边缘界定。

感知系统224包括用于检测车辆外部对象的传感器232。检测到的对象可以是其他车辆、道路上的障碍物、交通信号、标志、树木等。仅作为示例，感知系统224可以包括一个或多个光检测和测距(激光雷达)传感器、雷达单元、相机(例如，带有或不带有中性密度滤光器(ND)滤光器的光学成像设备)、定位传感器(例如，陀螺仪、加速度计和/或其他惯性部件)、红外传感器、声学传感器(例如，麦克风或声纳换能器)和/或记录可由计算设备202处理的数据的任何其他检测设备。感知系统224的这样的传感器可以检测车辆外部的对象及其特性，诸如位置、方位、尺寸、形状、类型(例如，车辆、行人、骑自行车的人等)、航向、相对于车辆的移动速度等。感知系统224还可以包括车辆内的其他传感器，以检测车辆内(诸如乘客厢中)的对象和条件。例如，这样的传感器可以检测，例如，一个或多个人、宠物、包裹等，以及车辆内部和/或外部的条件，诸如温度、湿度等。感知系统224的另外的传感器232可以测量车轮228的旋转速率、减速系统312的制动量或类型以及与车辆自身的装备相关联的其他因素。

来自传感器的原始数据和前述特性可以由感知系统224处理和/或在数据由感知系统224生成时被周期性地或连续地发送到计算设备202用于进一步处理。计算设备202可以使用定位系统222来确定车辆的位置，并且当需要安全到达位置时，使用感知系统224来检测和响应对象，例如，经由规划器模块223进行的调整。此外，计算设备202可以执行单个传感器、特定传感器组装中的所有传感器、或者不同传感器组装或其他物理外壳中的传感器之间的校准。

如图1A-图1B所示，感知系统224的特定传感器可以结合到一个或多个传感器组装或外壳中。在一个示例中，这些可以集成到车辆的侧视镜中。在另一示例中，其他传感器可以是车顶外壳102、或者其他传感器外壳或单元106a、106b、108a、108b、112和/或116的一部分。计算设备202可以与位于车辆上或以其他方式沿车辆分布的传感器组装通信。每个组装可以具有一种或多种类型的传感器，诸如上述的那些传感器。

回到图2，计算设备202可以包括通常与计算设备结合使用的所有部件(诸如上述处理器和存储器)，以及用户接口子系统234。用户接口子系统234可以包括一个或多个用户输入236(例如，鼠标、键盘、触摸屏和/或麦克风)和一个或多个显示设备238(例如，具有屏幕的监视器或可操作来显示信息的任何其他电子设备)。在这点上，内部电子显示器可以位于车辆的车厢内(未示出)，并且可以被计算设备202用来向车辆内的乘客提供信息。其他输出设备(诸如(多个)扬声器240)也可以位于乘用车辆内。

乘用车辆还包括通信系统242。例如，通信系统242还可以包括一个或多个无线配置，以促进与其他计算设备(诸如车辆内的乘客计算设备、车辆外部(诸如道路上的另一附近的车辆)的计算设备、和/或远程服务器系统)通信。网络连接可以包括短距离通信协议，诸如蓝牙^TM、蓝牙^TM低能量(LE)、蜂窝连接，以及各种配置和协议，包括互联网、万维网、内联网、虚拟专用网、广域网、本地网、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi和HTTP，以及前述的各种组合。

图3A示出了具有车辆(例如，图1C的车辆150)的各种部件和系统的框图300。举例来说，车辆可以是卡车、农业装备或建筑装备，被配置为以一种或多种自主操作模式操作。如框图300所示，车辆包括一个或多个计算设备的控制系统，诸如包含一个或多个处理器304、存储器306和类似于或等同于以上关于图2讨论的部件202、204和206的其他部件的计算设备302。控制系统可以构成货用车辆的牵引车单元的电子控制单元(electroniccontrol unit，ECU)。如同指令208一样，指令308可以是由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。类似地，数据310可以由一个或多个处理器304根据指令308来检索、存储或修改。

在一个示例中，计算设备302可以形成结合到车辆150中的自主驾驶计算系统。类似于上面关于图2讨论的布置，框图300的自主驾驶计算系统能够与车辆的各种部件通信，以便执行路线规划和驾驶操作。例如，计算设备302可以与车辆的各种系统通信，诸如包括减速系统312、加速系统314、转向系统316的驾驶系统、信令系统318、导航系统320和定位系统322，它们中的每一个都可以如上面关于图2讨论的那样运行。

计算设备302还可操作地耦接到感知系统324、动力系统326和传动系统330。车轮/轮胎228中的一些或全部耦接到传动系统230，并且计算设备202能够接收关于轮胎压力、平衡、旋转速率和可能影响自主模式下驾驶的其他因素的信息。如同计算设备202一样，计算设备302可以通过控制各种部件来控制车辆的方向和速度。举例来说，计算设备302可以使用来自地图信息和导航系统320的数据完全自主地将车辆导航到目的地位置。计算设备302可以结合定位系统322、感知系统324和其他子系统，采用规划器模块323，类似于以上针对图2所述的方式，在需要安全到达该位置时检测和响应对象。

类似于感知系统224，感知系统324还包括一个或多个传感器或其他部件，诸如上述用于检测车辆外部的对象、车辆内部的对象或条件和/或特定车辆装备(诸如车轮和减速系统312)的操作的那些。例如，如图3A所示，感知系统324包括一个或多个传感器组装332。每个传感器组装232包括一个或多个传感器。在一个示例中，传感器组装332可以被布置为集成到卡车、农业装备、建筑装备等上的侧视镜中的传感器塔。传感器组装332也可以定位在牵引车单元152或拖车154上的不同位置处，如上关于图1C-图1D所述。计算设备302可以与位于牵引车单元152和拖车154两者上的传感器组装通信。每个组装可以具有一种或多种类型的传感器，诸如上述的那些传感器。

图3A也示出了用于牵引车单元和拖车之间的连接的耦接系统334。耦接系统334可以包括一个或多个电力和/或气动连接(未示出)，以及牵引车单元处的用于连接到拖车处的中枢销的第五轮336。相当于通信系统242的通信系统338也被示出为车辆系统300的一部分。

图3B示出了拖车(诸如图1C-图1D的拖车154)的系统的示例框图340。如图所示，系统包括一个或多个计算设备的ECU 342，诸如包含一个或多个处理器344、存储器346和通常存在于通用计算设备中的其他部件的计算设备。存储器346存储一个或多个处理器344可访问的信息，包括可由(多个)处理器344执行或以其他方式使用的指令348和数据350。对来自图2和图3A的处理器、存储器、指令和数据的描述适用于图3B的这些元件。

ECU 342被配置为从拖车单元接收信息和控制信号。ECU 342的车载处理器344可以与拖车的各种系统通信，包括减速系统352、信令系统254和定位系统356。ECU 342还可以可操作地耦接到感知系统358，该感知系统358具有用于检测拖车环境中的对象的一个或多个传感器和向本地部件提供电力的动力系统260(例如，电池电源)。拖车的车轮/轮胎362中的一些或全部可以耦接到减速系统352，并且处理器344能够接收关于轮胎压力、平衡、车轮速度和可能影响自主模式下驾驶的其他因素的信息，并且将该信息中继到牵引车单元的处理系统。减速系统352、信令系统354、定位系统356、感知系统358、动力系统360和车轮/轮胎362可以以如以上关于图2和图3A所述的方式操作。

拖车还包括一组起落架366以及耦接系统368。起落架在与牵引车单元解耦接时为拖车提供支撑结构。耦接系统368可以是耦接系统334的一部分，它提供拖车和牵引车单元之间的连接。因此，耦接系统368可以包括连接部分370(例如，用于电力和/或气动链接)。耦接系统还包括中枢销372，该中枢销372被配置用于与牵引车单元的第五轮连接。

示例实施方式

鉴于以上描述和附图中示出的结构和配置，现在将根据本技术的方面来描述各个方面。

图4示出了其中车辆400使用传感器402和404来检测另一车辆406的存在的场景。如图所示，传感器402和404具有各自的视场(FOV)408和410，以检测车辆400前方的对象。在这个示例中，传感器402和404可以是，例如，激光雷达、雷达、图像和/或声学传感器。

各种传感器可以位于车辆周围的不同地方(参见图1A-图1D)，以从外部环境的不同部分收集数据。特定传感器可以具有不同的视场，这取决于它们在车辆周围的放置以及它们被设计来收集的信息的类型。例如，不同的激光雷达传感器可以用于邻近车辆的对象的近(短距离)检测(例如，小于2-10米)，而其他的可以用于车辆前方一百米(或多或少)的对象的远(长距离)检测。也可以采用中距离激光雷达。多个雷达单元可以定位朝向车辆的前部或后部，用于长距离对象检测。并且相机可以被布置成提供车辆周围的良好可视性。取决于配置，特定类型的传感器可以包括具有重叠视场的多个单独的传感器。可替代地，其他传感器可以提供冗余的360°视场。

图5提供了与图1B所示的传感器相关的传感器视场的一个示例500。这里，如果车顶外壳102包括激光雷达传感器以及各种相机、雷达单元、红外和/或声学传感器，则这些传感器中的每一个可以具有不同的视场。因此，如图所示，激光雷达传感器可以提供360°FOV502，而布置在外壳102内的相机可以具有单独的FOV 504。车辆前端处的外壳104内的传感器具有面向前方的FOV 506，而后端处的外壳112内的传感器具有面向后方的FOV 508。车辆的驾驶员侧和乘客侧的外壳106a、106b可以各自结合激光雷达、雷达、相机和/或其他传感器。例如，外壳106a和106b内的激光雷达可以具有各自的FOV 510a或510b，而外壳106a和106b内的雷达单元或其他传感器可以具有各自的FOV 511a或511b。类似地，位于朝向车辆后车顶部分的外壳108a、108b内的传感器各自具有各自的FOV。例如，外壳108a和108b内的激光雷达可以具有各自的FOV 512a或512b，而外壳108a和108b内的雷达单元或其他传感器可以具有各自的FOV 513a或513b。并且沿车辆的前向方向布置的一系列传感器单元116可以具有各自的视场514、516和518。这些视场中的每一个仅仅是示例性的，并且在覆盖范围方面没有按比例缩放。

对于货用型车辆(例如，图1C-图1D的车辆150)的激光雷达、相机和雷达传感器的示例以及它们的视场在图6A和图6B中示出。在图6A的示例600中，一个或多个激光雷达单元可以位于车顶传感器外壳602中，而其他激光雷达单元位于侧面传感器外壳604中。具体地，车顶传感器外壳602可以被配置为提供360°FOV。一对传感器外壳604可以位于牵引车单元驾驶室的任一侧，例如集成到侧视镜组装中，或者沿驾驶室的侧门或后侧围板。在一种场景下，长距离激光雷达可以沿传感器外壳602和604的顶部或上方区域定位。长距离激光雷达可以被配置为观察到车辆的发动机罩。短距离激光雷达可以位于传感器外壳602和604的其他部分。感知系统可以使用短距离激光雷达来确定诸如另一车辆、行人、骑自行车的人等对象是否靠近车辆的前部或侧面，并在确定如何驾驶或转弯时考虑该信息。两种类型的激光雷达可以共同位于外壳中，例如沿公共垂直轴对准。

如图6A所示，车顶传感器外壳602中的(多个)激光雷达可以具有FOV606。这里，如区域608所示，车辆的拖车或其他铰接部分可以提供信号返回，并且可以部分或完全阻挡外部环境的向后视图。牵引车单元的左侧和右侧的长距离激光雷达具有FOV 610。这些可以涵盖沿车辆侧面和前面的重要区域。如图所示，在车辆前方可能存在他们的视场的重叠区域612。重叠区域612为感知系统提供了关于牵引车单元正前方的非常重要的区域的附加信息。这种冗余还具有安全方面。如果其中一个长距离激光雷达传感器性能下降，冗余将仍然允许在自主模式下操作。左侧和右侧的短距离激光雷达具有更小的FOV 614。为了在附图中清楚，在不同视场之间示出了空间；然而，实际上覆盖可以没有中断。传感器组装的特定放置和视场仅仅是示例性的，并且可以取决于例如车辆类型、车辆尺寸、FOV要求等而不同。

图6B示出了牵引车-拖车(诸如图1C-图1D的车辆150)的车顶外壳中和两侧的雷达和相机传感器中的一个(或两个)的示例配置620。这里，在图6A的传感器外壳602和604中的每一个中可以有多个雷达和/或相机传感器。如图所示，在车顶外壳中可以有具有前方FOV622、侧面FOV 624和后方FOV 626的传感器。与区域608一样，拖车可能影响传感器检测车辆后面的对象的能力。传感器外壳604中的传感器可以具有面向前方的FOV 628(以及侧面和/或后方视场)。如上面参考图6A讨论的激光雷达一样，图6B中的传感器可以被布置成使得相邻的视场重叠，如重叠区域630所示。这里的重叠区域类似地可以提供冗余，并且在一个传感器性能下降的情况下具有相同的好处。

示例场景

如上所述，本技术的方面包括评估关于车辆及其外部环境的信息，以确定在自主模式下驾驶时观察到的(和预期的)牵引力。该信息可以用于管理或改变当前的驾驶操作。它还可以用于修改或重新规划路线的即将到来的部分。

牵引力信息可以以各种方式获得。例如，如下所述，车辆可以在预定义的场景期间被控制以特定的方式操作，这可以包括沿道路的特定部分的一个或多个制动和/或加速操作。这可以被认为是主动测试方法。或者，可替代地或结合主动方法，系统可以在不同的驾驶活动期间收集牵引力相关信息。这可以被认为是被动测试方法。

举例来说，在一个主动测试场景中，当车辆沿直线路径或其他恒定轨迹驾驶并且没有其他附近车辆或其他对象时，系统可以启动制动或增加制动级别，直到来自减速系统(例如，ABS制动部件)的反馈指示车轮开始失去与路面的牵引力。这包括在选定的时间段(例如，0.1-2.0秒，或多或少)内一次或多次施加制动。

对于这种类型的主动测试场景，关于附近车辆或其他对象的限制可以集中在车辆后面的对象上。例如，在启动制动测试之前，系统可能要求与尾随车辆的最小车头时距(headway)量(基于速度的当前速率，车辆与任何尾随车辆之间的时间)。在这种情况下，最小时间量可以是例如3-5秒或更多。可替代地，系统可以设置最小距离阈值，例如30-80米或更多。

在另一主动测试场景中，车辆可以选择从静止的加速量。举例来说，这可能发生在停止标志或停止灯处。一旦车辆开始加速，系统可以检测轮胎是否在自旋(spinning)。取决于条件，如果发生滑移，这种情况可能比第一个主动测试场景更容易或更难重新控制。

被动测试场景的一个示例发生在车辆在典型的驾驶过程期间减速时，诸如为红灯或即将到来的停止标志制动。被动测试场景的另一示例是在转弯操作期间减速。在任一情况下，系统可以使用本文描述的技术，在被动测试场景期间检测轮胎的性能(例如，滑移、到完全停止的时间或距离、在正常转弯速度下转弯期间紧密跟随轨迹的能力)。

在任何主动或被动场景下，可以执行一个或多个制动和/或加速动作。该过程在必要时可以重复，以收集关于道路牵引力的更多信息。

车载计算机系统可以使用在主动或被动测试中检测到的任何车轮滑移来改变车辆在自主驾驶模式下的驾驶控制。例如，车辆的规划器模块可以使用该信息来调整当前和未来的制动到其他驾驶操纵并选择路线。

从车载传感器套件获得的传感器数据可以帮助规划器系统。例如，从各种传感器(例如，惯性和陀螺仪、激光雷达等)获得的信息可以用于估计车辆的姿态，其中姿态可以包括例如位置、方位、曲率、曲率改变、纵向和横向加速度、速度等。加速度信息可以特别有用，因为它与路况直接相关。举例来说，在干燥的道路上，可以假设车辆能够以大约8m/s²的减速度制动。在潮湿的道路上，减速度可能要小得多，诸如大约5m/s²。在多雪的道路上，大约为2-3m/s²，并且在冰上，甚至更保守的减速度，大约为0.5m/s²。

车辆在道路上的实际(测量的)姿态是从先前的姿态和所获取的传感器数据导出的。规划器模块或车载计算机系统的另一部分可以将道路上的实际姿态和规划的(或预期的)姿态进行比较。在主动或被动测试操作期间，如果这些姿态之间不匹配，或者如果在数据中存在可检测的不一致或其他差别，则系统可以确定车辆已经失去牵引力。一个这样的不一致可以发生在报告的车轮速度和车辆姿态之间。其他不一致可以发生在与预期位置、方位和/或速度的偏差中。仅作为示例，如果实际纵向位置和预期纵向位置之间存在至少50cm的差异，则系统可以标记纵向位置的不一致。类似地，如果实际横向位置和预期横向位置之间至少存在30cm的差异，则系统可以标记横向位置的不一致。在另一示例中，如果车辆的方位偏离超过大约1度，则这可以指示方位不一致。在另一示例中，如果速度差超过大约1m/s，则这也可以被标记为不一致。这些不一致仅仅是示范性的。

图7A-图7B示出了在制动场景下比较预期和实际车辆姿态的一个示例。例如，如图7A的视图700所示，当车辆接近红灯时，减速系统(例如，图2中的212)接合制动器以使车辆停止。车载系统可以预期车辆在特定时间点具有如实线702所示的预期姿态。然而，系统可以检测不同于预期姿态的实际姿态。这在图7B的视图710中由虚线712示出。这可以包括，例如，横向和/或纵向定位的差异，和/或车辆偏航的改变，诸如使前端点更加朝向道路的右侧或左侧。例如，虚线箭头714示出了横向差别，并且虚线箭头716示出了与图7A中预期的纵向差别。图7C-图7D分别示出了预期场景和实际场景的鹰眼视图。

图8A-图8D示出了在加速场景下比较实际和预期车辆姿态的示例800。例如，图8A示出了当停止灯为红色(802)时车辆停止在十字路口。一旦停止灯变绿(804)，加速系统(例如，图2中的214)接合，使车轮转动，并且车辆向前移动，如图8B所示。图8C-图8D示出了预期场景和实际场景的鹰眼视图。具体地，图8C示出了预期场景810，其示出了车辆在特定时间点响应于加速的预期姿态。这里，虚线812示出了车辆预期遵循的线性路径。然而，图8D示出了实际场景820，其示出了车辆在特定时间点的实际姿态。在这种情况下，虚线箭头822示出了横向不一致，虚线箭头824示出了纵向不一致，并且弧形箭头826示出了车辆向左偏航。这些信息中的每一条都可以向车载系统指示车轮在加速过程中失去牵引力。

图9A-图9B示出了转弯示例900。这里，例如，车辆正在T字路口进行右转。在该示例中，可能没有停止标志和清晰的视线，并且车辆可能会减速来进行转弯，而不是从完全停止开始转弯。在图9A中，虚线箭头902示出了规划的转弯路径。然而，如图9B所示，点划线箭头912示出了从车载传感器(例如，激光雷达、雷达、相机和/或惯性传感器)检测到的实际转弯路径。从图9B中可以看出，车辆的后部已经朝左摆动，转弯路径已经沿主道路移动到更靠近双线。在这种情况下，检测到的信息可以向车载系统指示前轮和/或后轮在减速转弯时失去牵引力。

图7-图9中的示例描绘了相对极端的情况，其中测量了规划的姿态和观察到的姿态的总的不一致。实际上，对于检测车辆由于各种路况而滑移，这种不一致可以小得多(或大得多)。

取决于特定的路况和车辆类型，姿态的绝对位置可以开始缓慢偏离(例如，超过几秒或更多)。然而，系统可能能够检测高阶项的改变或不一致。例如，如果车辆的车轮被锁定(例如，车辆上没有ABS制动器或制动器故障)，减速系统将报告车辆当前正以0mph或0m/s的速度行驶。尽管如此，姿态速度将为非零，并可能高得多。类似地，在转弯期间，测得的偏航率与预期偏航率之间的差异可能比绝对车辆方位更能提供信息。

这种确定的结果可以反馈给规划器模块或车辆控制系统的另一部分，并且可以以各种方式使用。例如，取决于所确定的牵引力损失的量，系统可以调整在沿路线的给定部分的轨迹生成中使用的可允许减速(或加速)的量。如果在车辆的前方或后面检测到汽车或其他对象(例如，经由激光雷达、雷达、相机或其他传感器)，可以在驾驶规划中并入额外的车头时距。还可以执行先发制人的制动，以避开潜在的碰撞情况。也可以根据上述信息选择制动曲线和/或期望的停止点。

其一个示例在图10A-图10B中示出。具体地，图10A示出了接近十字路口的车辆100。规划器模块可以具有初始规划，用于车辆根据如虚线路径1002所示的默认制动曲线制动，以使车辆到达箭头1004所示的期望停止点。然而，鉴于如上所述的检测到的、观察到的或预期的降低的牵引力，规划器模块可以改变为修改的规划。例如，如图10B所示，虚线路径1012所示的二次制动曲线可以用于使车辆到达箭头1014所示的比期望的停止点1004距十字路口更远的更早的停止点。

图10C示出了对比速度曲线的示例1020。这里，两个速度曲线被选择为到达相同的停止点。第一速度曲线由虚线1022示出。这里，在第一时间段内，车辆的速度大致恒定。然后，当车辆接近停止点时，可以采用默认的制动曲线来使车辆完全停止。第二速度曲线由点划线1024示出。如同第一速度曲线一样，第一时间段期间的速度也可以大致恒定。然而，在检测到如箭头1026所示的湿滑路况时，系统可以开始主动或被动减速。然后在点1028处，系统可以更逐渐地降低速度，以便在停止点实现完全停止。第二速度曲线的后一种方法可以采用较少的制动，或者在道路湿滑的地方提前制动。

系统还可以基于传感器数据预测在沿路线的即将到来的部分滑移的可能性。这种预测还可以考虑其他信息作为因素，诸如接收到的天气数据、测量的温度和/或湿度信息、来自车载地图的地形数据等，以及其他车辆是如何驾驶穿过或沿特定路段驾驶的。其一个示例如图11A-图11B所示。具体地，图11A示出了诸如图1C的牵引车-拖车150的车辆沿高速公路的车道驾驶。规划器模块可能已经规划车辆停留在车道上，如直箭头1102所示。然而，在该示例中，车辆的传感器可以检测，或者车载计算机系统可以从另一车辆或外部系统接收前方车道中有冰或一些其他湿滑物质1104的信息。在这种情况下，如图11B所示，规划器模块改变路径，如斜箭头1112所示，使得车辆的驾驶系统改变车道。

系统的其他方面可以涉及即时校正动作和路线重新规划。即时校正动作可以包括特定的制动技术或模式，以避开打滑或从打滑中脱离出来。并且规划器模块可以对路线进行调整以避开或最小化滑移的可能性。例如，车辆可以改变车道以避开如图11B所示的即将到来的结冰片段，或者可以选择避开即将到来的道路丘陵部分的替代路线。在其他示例中，路线重新规划可以包括在高速公路上走更近或更远的出口，改变目的地位置(例如，落客点)等。此外，当速度是路况的函数时，车辆可以行驶得更慢，诸如比标示的速度低5-10mph或更多。在又一示例中，知道哪些车轮正在滑移将有助于绘制湿滑区域。这里，控制系统(例如，规划器模块)可以指示转向系统进行调整，使得车辆更多地移动到车道不湿滑或不太湿滑的一侧。

图11C-图11D示出了由于湿滑状况导致的路线重新规划的示例1120。如图11C所示，车辆可以检测或被告知沿规划路线1122的冰或一些其他湿滑区域1124。在该示例中，附加信息，诸如观察另一车辆1126的操作，可以支持对区域1124湿滑的确定。例如，如图所示，车辆1126的倾斜度可能与预期的不同。基于这样的信息，如图11D的示例1130所示，系统规划替代路线1132以避开湿滑区域。

如上所述，本技术适用于各种类型的轮式车辆，包括乘用车辆、公共汽车、RV和卡车或其他载货车辆。

除了将车轮滑移信息用于车辆操作之外，该信息还可以与其他车辆(诸如作为车队的一部分的车辆)共享。该信息可以用于实时地图更新，该实时地图更新也可以与车队车辆共享。

其一个示例在图12A和图12B中示出。具体地，图12A和图12B分别是示例系统1200的形象化图和功能图，该示例系统1200包括经由网络1216连接的多个计算设备1202、1204、1206、1208和存储系统1210。系统1200还包括车辆1212和1214，它们可以分别被配置为与图1A-图1B和图1C-图1D的车辆100和150相同或相似。车辆1212和/或车辆1214可以是车队的一部分。尽管为了简单起见，仅描绘了几个车辆和计算设备，但是典型的系统可以包括更多。

如图12B所示，计算设备1202、1204、1206和1208中的每一个可以包括一个或多个处理器、存储器、数据和指令。这种处理器、存储器、数据和指令可以类似于上面参考图2所描述的那些来配置。

各种计算设备和车辆可以经由一个或多个网络(诸如网络1216)进行通信。网络1216和中间节点可以包括各种配置和协议，包括短距离通信协议，诸如蓝牙^TM、蓝牙^TMLE、互联网、万维网、内部网、虚拟专用网、广域网、本地网、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi和HTTP，以及前述的各种组合。这种通信可以由能够向和从其他计算设备发送数据的任何设备来促进，诸如调制解调器和无线接口。

在一个示例中，计算设备1202可以包括具有多个计算设备的一个或多个服务器计算设备，例如负载平衡服务器群，它与网络的不同节点交换信息，目的是向和从其他计算设备接收、处理和发送数据。例如，计算设备1202可以包括能够经由网络1216与车辆1212和/或1214的计算设备以及计算设备1204、1206和1208通信的一个或多个服务器计算设备。例如，车辆1212和/或1214可以是能够由服务器计算设备调度到不同位置的车队的一部分。在这点上，计算设备1202可以用作调度服务器计算系统，其可以用于将车辆调度到不同的位置，以便接载和放下乘客或者接载和递送货物。此外，服务器计算设备1202可以使用网络1216向其他计算设备之一的用户或车辆的乘客发送和呈现信息。在这点上，计算设备1204、1206和1208可以被认为是客户端计算设备。

如图12A所示，每个客户端计算设备1204、1206和1208可以是供相应用户1218使用的个人计算设备，并且具有通常与包括一个或多个处理器(例如，中央处理器(CPU))、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视或其他设备(诸如可操作来显示信息的智能手表显示器))、以及用户输入设备(例如，鼠标、键盘、触摸屏或麦克风)的个人计算设备结合使用的所有部件。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备以及用于将这些元件彼此连接的所有部件。

尽管客户端计算设备可以各自包括全尺寸的个人计算设备，但是它们可以替代地包括能够通过诸如互联网的网络与服务器无线地交换数据的移动计算设备。仅作为示例，客户端计算设备1206和1208可以是移动电话或诸如支持无线的PDA、平板PC、可穿戴计算设备(例如，智能手表)或能够经由互联网或其他网络获得信息的上网本的设备。

在一些示例中，客户端计算设备1204可以是管理员或操作员用来与调度车辆的乘客通信的远程辅助工作站。尽管在图12A-图12B中仅示出了单个远程辅助工作站1204，在给定的系统中可以包括任意数量的这样的工作站。此外，尽管操作工作站被描绘为台式计算机，但是操作工作站可以包括各种类型的个人计算设备，诸如膝上型计算机、上网本、平板计算机等。

存储系统1210可以是能够存储服务器计算设备1202可访问的信息的任何类型的计算机化存储装置，诸如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、闪存驱动器和/或磁带驱动器。此外，存储系统1210可以包括分布式存储系统，其中数据存储在可以物理上位于相同或不同地理位置的多个不同存储设备上。存储系统1210可以经由网络1216连接到计算设备，如图12A-图12B所示，和/或可以直接连接到或结合到任何计算设备中。

存储系统1210可以存储各种类型的信息。例如，存储系统1210还可以存储将由诸如车辆1212或1214的车辆使用的自主车辆控制软件，以在自主驾驶模式下操作这些车辆。存储系统1210可以存储地图信息、路线信息、车辆1212和1214的制动和/或加速曲线、天气信息等。该信息可以与车辆1212和1214共享，例如帮助(多个)车载计算机系统进行实时路线规划和牵引力分析。远程辅助工作站1204可以访问存储的信息，并使用它来辅助单个车辆或车队的操作。举例来说，领头车辆可以检测到湿滑状况(诸如图11A的湿滑物质1104)，并向远程辅助工作站1204发送关于湿滑状况的信息。反过来，远程辅助工作站1204可以向车队中的其他车辆传播信息，使得它们可以改变它们的路线(参见例如图11B的斜箭头1112)。

远程辅助还可以请求沿给定路段的一个或多个车辆执行被动和/或主动牵引力测试，例如确认或验证另一车辆的先前检测。因此，如果路况改善(例如，由于道路上温度升高融化冰)或恶化(例如，由于积雪)，远程辅助可以相应地通知车队的其他车辆。

在有乘客的情况下，车辆或远程辅助可以直接或间接与乘客的客户端计算设备通信。这里，例如，可以向乘客提供关于当前驾驶操作、响应于情况的路线改变等的信息。

图13示出了根据上述讨论的示例操作方法1300。例如，在框1302，车辆的一个或多个处理器在自主驾驶模式下使车辆的子系统致动子系统的一个或多个部件。举例来说，这可以包括致动减速系统(例如，图2中的212)、加速系统(例如，图2中的214)、或转向系统(例如，图2中的216)中的一部分。在框1304，在一个或多个部件的致动期间获得车辆的姿态信息。

基于该姿态信息，在框1306，系统确定车辆的实际姿态。在框1308，将实际姿态信息与预期姿态进行比较。可以生成预期姿态，例如，通过车辆的规划器模块。鉴于此，在框1310，系统确定实际姿态和预期姿态之间的差异。例如，该差异可以反映到另一对象的相对距离、方位(例如，偏航)、行驶方向等的差别(差值(delta))。在框1312，基于该差异，系统确定车辆的一个或多个车轮的滑移。在一个示例中，在系统确定已经发生车轮滑移之前，差异可能需要超过阈值。在这种情况下，阈值可以是，例如，与预期基线的百分比偏差(例如，2-5％或更多或更少)、物理距离差值(例如，大于0.2-0.5m)或一些其他因素。因此，确定滑移的一种方法是通过差异超过阈值。该差异也可以以其他方式使用，诸如在具有与滑移相关的固定差异值的查找表中。其他方面可以采用机器学习方法或其他模型来确定差异指示滑移已经发生。然后，在框1314，系统响应于所确定的滑移执行校正驾驶动作或路线重新规划动作中的至少一个。

除非另有说明，否则前述替代示例并不相互排斥，而是可以以各种组合来实施，以获得独特的优点。由于在不脱离由权利要求限定的主题的情况下，可以利用上述特征的这些和其他变化和组合，所以实施例的前述描述应该通过说明的方式进行，而不是通过限制由权利要求限定的主题。此外，本文描述的示例的提供，以及措辞为“诸如”、“包括”等的从句，不应该被解释为将权利要求的主题限制到特定示例；相反，这些示例旨在仅说明许多可能实施例中的一个。此外，不同附图中的相同附图标记可以标识相同或相似的元件。过程或其他操作可以以不同的顺序或同时执行，除非本文另外明确指出。

Claims (19)

1.一种以自主驾驶模式操作车辆以检测所述车辆的子系统的一个或多个部件的牵引力状况的方法，所述方法包括：

由所述车辆的一个或多个处理器在道路上的自主驾驶模式下的操作期间使车辆的子系统致动所述子系统的所述一个或多个部件；

由一个或多个处理器从车辆的感知系统的一个或多个传感器在子系统的一个或多个部件的致动期间获得车辆的姿态信息；

由一个或多个处理器根据所获得的姿态信息确定在子系统的一个或多个部件的致动期间沿实际路径上的道路上的车辆的实际姿态；

识别由于子系统的一个或多个部件的致动而得到的沿车辆预期在道路上遵循的预期路径上的预期姿态；

由一个或多个处理器将所述实际姿态和道路上的车辆的所述预期姿态进行比较；

由一个或多个处理器基于所述比较确定所述实际姿态和所述预期姿态之间的差异；

由一个或多个处理器基于所述差异确定在子系统的一个或多个部件的致动期间车辆的一个或多个车轮的滑移是否已经发生；以及

当确定滑移已经发生并且所述差异超过阈值时，由一个或多个处理器引起校正驾驶动作或与车辆相关联的路线重新规划动作中的至少一个，其中，所述校正驾驶动作包括执行选定制动技术或降低沿道路的选定部分的驾驶速度中的至少一个。

2.根据权利要求1所述的方法，其中，所述校正驾驶动作还包括执行选定制动模式。

3.根据权利要求1所述的方法，其中，所述校正驾驶动作还包括调节车辆的制动曲线或期望停止点中的至少一个。

4.根据权利要求1所述的方法，其中，降低沿道路的选定部分的驾驶速度包括降低沿道路的选定部分的最大驾驶速度。

5.根据权利要求1所述的方法，其中，所述校正驾驶动作基于实际姿态来执行。

6.根据权利要求1所述的方法，其中，所述路线重新规划动作包括操纵到道路上的不同车道或选择替代路线中的至少一个。

7.根据权利要求1所述的方法，其中，引起路线重新规划动作包括预测在当前路线的即将到来的部分处滑移的可能性。

8.根据权利要求1所述的方法，其中，所述一个或多个部件中的给定一个是：

制动部件，并且子系统是减速系统；

加速部件，并且子系统是加速系统；或

转向部件，并且子系统是转向系统。

9.根据权利要求1所述的方法，其中，基于所述差异确定车辆的一个或多个车轮的滑移是否已经发生包括确定所述差异超过阈值。

10.根据权利要求1所述的方法，其中，所述差异指示车辆的方位的差别。

11.根据权利要求1所述的方法，其中，使车辆的子系统致动子系统的一个或多个部件包括在自主驾驶模式下的操作期间执行制动操作或加速操作中的至少一个。

12.根据权利要求1所述的方法，还包括将关于滑移的信息发送到另一车辆或远程车队管理系统中的至少一个。

13.一种被配置为以自主驾驶模式操作的车辆，所述车辆包括：

驾驶系统，包括转向子系统、加速子系统和减速子系统，以在道路上的自主驾驶模式下控制车辆的驾驶；

感知系统，包括一个或多个传感器；

定位系统，被配置为确定车辆的当前位置；和

控制系统，包括一个或多个处理器，所述控制系统可操作地耦接到驾驶系统、感知系统和定位系统，所述控制系统被配置为：

在自主驾驶模式下的操作期间使车辆的子系统致动子系统的一个或多个部件；

在子系统的一个或多个部件的致动期间，从定位系统和感知系统的一个或多个传感器中的至少一个获得车辆的姿态信息；

根据所获得的姿态信息确定在子系统的一个或多个部件的致动期间沿实际路径上的道路上的车辆的实际姿态；

识别由于子系统的一个或多个部件的致动而得到的沿车辆预期在道路上遵循的预期路径上的预期姿态；

将所述实际姿态和道路上的车辆的所述预期姿态进行比较；

基于所述比较确定所述实际姿态和所述预期姿态之间的差异；

基于所述差异确定在子系统的一个或多个部件的致动期间车辆的一个或多个车轮的滑移是否已经发生；以及

当确定滑移已经发生并且所述差异超过阈值时，使驾驶系统采取校正驾驶动作或执行与车辆相关联的路线重新规划动作，其中，所述校正驾驶动作包括减速子系统执行选定制动技术或者包括降低沿道路的选定部分的驾驶速度。

14.根据权利要求13所述的车辆，其中，所述校正驾驶动作还包括所述减速子系统执行选定制动模式。

15.根据权利要求13所述的车辆，其中，所述校正驾驶动作还包括调节车辆的制动曲线或期望停止点中的至少一个。

16.根据权利要求13所述的车辆，其中，降低沿道路的选定部分的驾驶速度包括降低沿道路的选定部分的最大驾驶速度。

17.根据权利要求13所述的车辆，其中，所述路线重新规划动作包括以下中的至少一个：

操纵到道路上的不同车道或选择替代路线；或

预测在当前路线的即将到来的部分处滑移的可能性。

18.根据权利要求13所述的车辆，其中，所述一个或多个部件中的给定一个是：

制动部件，并且子系统是减速子系统；

加速部件，并且子系统是加速子系统；或

转向部件，并且子系统是转向子系统。

19.根据权利要求13所述的车辆，还包括通信系统，所述通信系统被配置为将关于滑移的信息发送到另一车辆或远程车队管理系统中的至少一个。

Images