CN113950020A - 用于自主车辆的车辆共乘定位和乘客识别 - Google Patents
用于自主车辆的车辆共乘定位和乘客识别 Download PDFInfo
- Publication number
- CN113950020A CN113950020A CN202110669706.7A CN202110669706A CN113950020A CN 113950020 A CN113950020 A CN 113950020A CN 202110669706 A CN202110669706 A CN 202110669706A CN 113950020 A CN113950020 A CN 113950020A
- Authority
- CN
- China
- Prior art keywords
- image
- passenger
- vehicle
- intended
- location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004807 localization Effects 0.000 title description 2
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000004044 response Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 14
- 238000013527 convolutional neural network Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282320 Panthera leo Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00253—Taxi operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Electromagnetism (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开涉及用于自主车辆的车辆共乘定位和乘客识别。各种公开的实施例包括定位机动车辆的预期乘客的方法和用于定位机动车辆的预期乘客的基于车辆的系统。在说明性实施例中,一种定位机动车辆的预期乘客的方法包括:基于通过无线网络接收的来自预期乘客的位置信号将机动车辆移动到预期乘客的近似位置;在移动到所述预期乘客的近似位置之后,由所述车辆从所述预期乘客的电子装置接收图像,所述图像是所述预期乘客的图像或所述预期乘客的局部物理环境的图像;基于对照一个或多个参考图像匹配所述图像来处理所述图像以确定所述预期乘客的附加位置信息;以及响应于图像处理由车辆接受所述预期乘客。
Description
背景技术
本公开涉及使用自主车辆的运输,并且更具体地涉及用于将自主车辆与其预期乘客配对的系统和方法。
此部分中的陈述仅提供与本公开相关的背景信息,并且可能不构成现有技术。
自主车辆对于运输应用有重要意义,并且可以为共乘(ride-sharing)行业提供益处。按惯例,当预期乘客提出共乘车辆的请求时,预期乘客可能必须联系驾驶员或与车辆的驾驶员进行人际互动以识别其特定车辆,特别是在诸如城市或机场的拥挤区域中。然而,当乘客试图在自主车辆池或有障碍物的拥挤区域内定位自主车辆时,这种交互即使可能实现也可能是有挑战的。
汽车工程师协会(SAE)已经定义了从0级(无自动化)到5级(全自动化)的五个等级的车辆自主性,这些等级已被美国国家高速公路交通安全管理局采纳。对于非自主车辆(0级),驾驶员执行所有驾驶任务。在具有1-3级自主性(分别是驾驶员辅助、部分自动化和有条件自动化)的车辆中,驾驶员可能需要在某些时间控制车辆,例如以便快速停止或操纵以避免障碍物。在具有4级自主性(高自动化)的车辆中,驾驶员的控制是可选的,并且因此驾驶员可能很少与车辆交互。在5级自主性(完全自动化)中,驾驶员可能根本不驾驶车辆(并且在这方面,驾驶员可以被视为乘客)。
发明内容
各种公开的实施例包括定位机动车辆的预期乘客的方法和用于定位机动车辆的预期乘客的基于车辆的系统。
在说明性实施例中,一种定位机动车辆的预期乘客的方法包括:基于通过无线网络接收的来自预期乘客的位置信号将机动车辆移动到预期乘客的近似位置;在移动到所述预期乘客的近似位置之后,由所述车辆从所述预期乘客的电子装置接收图像,所述图像是所述预期乘客的图像或所述预期乘客的局部物理环境的图像;基于对照一个或多个参考图像匹配所述图像来处理所述图像以确定所述预期乘客的附加位置信息;以及由所述车辆响应于图像处理而接受所述预期乘客。
在另一说明性实施例中,一种用于定位机动车辆的预期乘客的基于车辆的系统包括:无线收发器,所述无线收发器被配置成通过无线网络接收位置信号;图像传感器,所述图像传感器用于获取接近所述机动车辆的图像;导航系统,所述导航系统用于基于所述位置信号提供将所述车辆移动到所述预期乘客的近似位置的引导;以及计算机处理系统,所述计算机处理系统被配置成在所述车辆移动到所述预期乘客的近似位置之后从所述预期乘客的电子装置接收图像,所述图像是所述预期乘客的图像或所述预期乘客的局部物理环境的图像,并且基于对照一个或多个参考图像匹配所述图像来处理所述图像以确定所述预期乘客的附加位置信息,所述计算机处理系统被配置成响应于图像处理而接受所述预期乘客。
前述发明内容仅为例示性的,并且不旨在以任何方式进行限制。除了上文所描述的说明性方面、实施例和特征之外,通过参考附图和以下具体实施方式,另外的方面、实施例和特征将变得显而易见。
附图说明
在附图的参考图中示出了说明性实施例。旨在将本文公开的实施例和附图视为例示性而非限制性的。
图1是定位自主车辆的预期乘客的方法的说明性框架的部分示意形式的框图。
图2是定位自主车辆的预期乘客的说明性方法的流程图。
各个附图中的相同的附图标记指示相同的元件。
具体实施方式
在以下详细描述中,参考形成其一部分的附图。在附图中,除非上下文另有指示,否则类似符号通常标识类似部件。具体实施方式、附图和权利要求书中描述的说明性实施例并不意味着是限制性的。在不脱离本文所呈现的主题的精神或范围的情况下,可以利用其它实施例且可以作出其它改变。
通过非限制性概述给出并且如本文实例所述,本系统和方法提供了用于定位自主车辆的预期乘客的系统和方法。例如,当乘客例如使用乘客智能手机上的应用程序请求搭乘自主车辆时,该请求可以通过无线网络中继到后台系统,该后台系统接着通过无线网络将该请求中继到车辆。发送至车辆的请求可包括对应于预期乘客的近似位置的位置信号,例如全球定位系统(GPS)坐标。此位置信号允许车辆到达相对接近预期乘客的实际位置(例如,在10英尺内、在20英尺内、在50英尺内等等)。然而,车辆可能无法找到乘客和/或乘客可能无法找到车辆,例如,因为在该近似位置中可能有许多车辆和/或许多人。在一些配置中,预期乘客可以捕获紧邻例如建筑物、地标等的街道景观结构的二维或三维图像,并且通过无线网络将该图像传输到车辆。车辆可以使用该图像来识别和接受乘客,例如通过将该图像与存储在图像数据库中的参考图像相关,所述参考图像的元数据与更具体的位置相关联,以便更接近地确定预期乘客的实际位置,然后移动到该位置。附加地或替代地,预期乘客可以从其智能手机显示一个或多个信号图像(例如预定颜色、图案、光闪烁图案或颜色序列),并且保持其以便由车辆成像,使得车辆可以通过获得并处理所获取的由乘客提供的信号图像来识别预定信号图像,并且(例如,从一群人中)接受乘客。
图1示出了根据本公开的实例的定位自主车辆的预期乘客的方法的说明性框架100。框架100包括:车辆110,该车辆包括图像处理和控制系统120,并且可选地还包括图像传感器111;电子装置130;和后台系统140。图像处理和控制系统120可以被配置成以便通过后台系统140和无线网络与电子装置130无线通信,并且基于该无线通信控制车辆110。电子装置130可包括智能手机130,图像处理和控制系统120可以从该智能手机接收指示预期乘客的定位和/或物理环境的图像和/或信号,并且可以基于此信号和图像采取适当动作,诸如本文更详细地描述的。在一些配置中,车辆是自主车辆,例如,4级或5级自主车辆。然而,应了解,本系统和方法可适当地用于任何类型的车辆中,所述车辆包括0级车辆、1级车辆、2级车辆、3级车辆、4级车辆和/或5级车辆,以及使用不同自动化类别、完全非自动化的或具有任何合适自动化水平的车辆。
自主车辆可以配有传感器阵列,包括用于获取障碍物和其它车辆的实时视频图像的LIDAR(光检测和测距)和相机系统113,GPS(全球定位系统)114,用于实时发送和接收关于道路信息和交通的通信的无线通信系统,以及计算机,该计算机用于应用驾驶规则并基于从前述获取的数据和信息以合适的方式(例如本领域中常规已知的方式)作出驾驶决策。
在图1所示的实例中,图像处理和控制系统120包括:处理系统121,例如一个或多个中央处理单元(CPU);由处理系统121使用的一个或多个存储器,例如随机存取存储器(RAM)122、随机在线存储器(ROM)123和/或非易失性存储器124;以及接口125,车辆可经由该接口与乘员、电子装置130和/或后台系统140通信。非易失性存储器124可包括一个或多个软件模块,该一个或多个软件模块被配置成使处理系统121执行如本文所提供的一个或多个操作。例如,非易失性存储器124可包括程序指令,该程序指令被配置成使处理系统121处理经由通过无线收发器126接收的信号从车辆110的预期乘客接收的一个或多个局部街道景观或景观图像。
从预期乘客接收的局部图像接着可通过处理系统121处或后台系统140的处理系统141处的图像处理进行处理,以将所述图像与和特定位置元数据相关联的图像进行匹配。将在本文中进一步描述本领域中已知的用于此目的的合适的图像处理。
使用从已知图像元数据得出的该特定位置,处理系统121可以采取一个或多个动作,例如,将车辆110引导至预期乘客的特定位置,任选地例如通过文本消息传递或通过由请求车辆110的预期乘客使用的移动应用程序向预期乘客发信号通知车辆到达并且向预期乘客发送车辆110的图片。然后,车辆110可以基于车辆110对乘客的任何合适的认证手段来接受乘客。例如,车辆处理系统121可以拍摄被认为是预期乘客的人的图像,然后对该图像进行图像处理,以与(例如,由预期乘客请求车辆110使用的移动应用程序提供的)预期乘客的已知图像进行比较,从而确定特定的人是预期乘客。将在本文中进一步描述本领域中已知的用于此目的的合适的图像处理。备选地,可以使用预期乘客的电子装置提示预期乘客在车辆110的外表面处的触摸屏或触控板处输入由车辆110识别的预定代码。
在图1所示的配置中,图像处理和控制系统120包括无线收发器126和GPS单元114。无线收发器126可以被配置成通过无线通信连接到预期乘客的电子装置130和/或连接到后台系统140。例如,无线收发器126可包括蜂窝收发器,该蜂窝收发器被配置成通过蜂窝连接提供车辆110与预期乘客的电子装置130和/或后台系统140之间的通信。无线收发器126还可包括:蓝牙收发器,该蓝牙收发器被配置成允许通过蓝牙连接与电子装置130通信;和/或Wi-Fi收发器,该Wi-Fi收发器被配置成允许通过Wi-Fi连接与电子装置130和/或后台系统140通信。GPS单元114可以被配置成使得例如基于来自相应GPS卫星的信号获得车辆110的GPS定位。
后台系统140可用于控制车辆110是其成员的自主车辆池(未具体示出池中的其它车辆)。车辆110可以通过无线通信网络与一个或多个计算机服务器上托管的后台系统140交互。后台系统140的计算机处理系统141可以执行软件操作、程序指令或例程以实施如本文所提供的计算和分析。此类程序指令、累积的数据和经处理的数据可以存储在一个或多个非暂时性计算机可读存储器142和/或数据库143中的一个或多个数据存储器(例如图像储存库)。可以根据客户端服务器架构进行通信,由此乘客电子装置130和自主车辆110可以通过一个或多个无线和/或有线通信网络经由一个或多个服务器访问远程监测后台系统140。
例如,如上所述,乘客可以使用其电子装置130(例如智能手机)上的合适应用程序请求自主车辆。该请求可以包括位置信号,例如由电子装置130的GPS模块131提供的乘客的当前GPS坐标,并且可以通过无线网络发送到控制自主车辆池的后台系统140。后台系统140的计算机处理系统141被配置成使得例如响应于存储在存储器142中的合适指令而处理请求,并且通过无线网络将信号发送至车辆110,从而将位置信号提供至车辆以用于定位预期乘客。
基于车辆的图像处理和控制系统120的无线收发器126被配置成通过无线网络接收位置信号(例如,GPS坐标)。处理系统(例如处理系统121)接着可以处理位置信号,并且基于位置信号提供引导控制以将车辆110移动到预期乘客的所述位置。例如,处理系统121可以被配置成将车辆的当前GPS坐标与预期乘客的GPS坐标进行比较,并且使用LIDAR和相机系统113、GPS单元114和本领域已知的高清地图控制车辆沿合适路线移动到预期乘客的GPS坐标。然而,当车辆110到达相对接近预期乘客的位置时,由车辆110接收的乘客的GPS坐标(或其它位置信号或位置数据)可能不完全对应于预期乘客的精确定位。例如,预期乘客可能在其请求车辆与车辆到达之间的时间期间已经物理移动。附加地或替代地,由车辆110接收的GPS坐标(或其它位置信号)可能不准确,或其精度可能由于其它因素(例如接近高建筑物等)而受到限制。附加地或替代地,即使乘客的GPS坐标可能是准确的,并且即使车辆可以到达乘客的近似位置,GPS坐标本身也可能不能为车辆定位预期乘客提供足够的信息。
如本文所提供的,某些图像的使用和传输可以帮助车辆110定位其预期乘客。更具体地,在车辆110处的计算机处理系统121和/或在后台系统140处的计算机处理系统141可以被配置成在车辆移动到预期乘客的近似位置之后,接收由电子装置130在预期乘客的精确位置处拍摄的局部街道景观图像或景观图像,并且可以对该图像进行图像处理,以更精确地识别预期乘客的位置,并响应于接收到该图像而将车辆110移动到预期乘客的精确位置。例如,在某些配置中,乘客请求车辆使用的应用程序提示乘客拍摄预期乘客的物理环境的图像。电子装置130的图像传感器132获得图像并且通过无线网络,任选地通过后台系统140将图像传输到车辆110的收发器126。由计算机处理系统121执行的图像处理可以将(所接收的图像内的)视图与存储在图像数据库中的参考图像相关联,所述图像数据库的位置元数据是已知的,并且为景观视图或街道景观视图提供精确定位。
例如,数据库143可包括存储参考图像的储存库的数据库,其中相关联的位置元数据(例如,GPS坐标和/或街道地址)对应于此类图像。车辆可以使用参考图像与从预期乘客的智能手机获得的图像之间的相关性来识别乘客的实际位置,并且接受该预期乘客。例如,利用程序指令编程的计算机处理系统121和/或141可以被配置成通过无线网络向后台系统140的图像数据库143提交查询,以识别与所接收的图像内的视图相对应的参考图像。替代地,图像处理和控制系统120可以在本地例如在ROM 123或非易失性存储器124内存储此类储存库,并且适当地查询该储存库,而不需要访问后台系统140。从GPS坐标和/或无线通信三角测量获知的乘客的近似位置被传送到处理系统121和/或141。在已知这种近似位置信息的情况下,仅需要使相对较小的数据库图像(使用地理位置元数据进行标记)集合经历图像处理以更准确地识别乘客的定位。在这方面,可以从用于图像处理分析的室外场景的图像数据的数据库识别其地理位置元数据对应于乘客的近似位置的预定方差(半径)内的位置的室外场景的图像数据(例如,来自乘客拍摄图像时乘客智能手机的GPS坐标),以搜索乘客拍摄的图像与地理位置元数据落入预定距离内的所选择的场景图像的图像数据之间的匹配。图像处理技术在本领域中是已知的,其用于将一个图像与来自图像数据库的另一图像进行匹配,并且用于这种匹配的任何合适技术可用于实施本公开的这个方面。例如,使用在本领域中已知的尺度不变特征变换(SIFT)、加速稳健特征(SURF)和加速段测试特征(FAST)的图像处理可用于此方面,例如在下述文章中论述的,所述文章的全部内容以引用的方式并入本文:Lowe的“Object recognition from local scale-invariant features(从局部尺度不变特征的对象识别)”,国际计算机视觉会议论文集,1999年,第1150-1157页;Bay等人的“Speeded-Up Robust Features(SURF)(加速稳健特征)”,《计算机视觉图像了解》,第110卷,第3期,第346-359页,2008年6月;Rosten等人的“Machine Learning forHigh-Speed Corner Detection(高速角点检测的机器学习),计算机视觉欧洲会议,ECCV2006:《计算机视觉》,第430-443页。可能适用的另外的图像处理方法在Krishnan等人的“ASurvey On Image Matching Methods(图像匹配方法纵览)”中指出,工程技术最新研究国际期刊(IJLRET),2016年1月,第58-61页,其全部内容以引用的方式并入本文。应理解,室外场景的图像数据的数据库中的图像数据不一定需要被存储为像素化图像,并且此类图像数据可能已经以任何合适的方式被矢量化或以其它方式进行预处理,以便根据所采用的图像处理方法促进将乘客拍摄的图像与识别为在乘客的位置的位置方差(半径)内的图像数据进行匹配的有效和快速的图像处理。
作为另一实例,使用合适的变换(例如,零居中像素数据或图像归一化)来变换图像,使得由乘客的智能手机获得的图像基本上不受到与后台系统中的参考图像不同的时间照明条件的影响,并且可以使用深度学习和神经网络基于变换后的图像对图像数据库进行查询。例如,乘客的查询图像可以由深度神经网络处理,所述深度神经网络是后台系统的一部分,其已经被训练以检测在参考图像数据(其地理位置元数据对应于乘客的智能手机位置的预定方差内的位置)的数据库中发现的地标。此类地标的实例可以是建筑物立面、植被、街道标志、交通信号、雕像等等以及它们的组合。可以使用深度神经网络在乘客的查询图像中检测一个或多个地标,并且将其与已知地理位置的图像数据匹配以识别乘客的更准确位置。在以下参考文献中描述了用于识别匹配图像数据的卷积神经网络系统的实例的详细实施方式,所述卷积神经网络系统的实例可为此目的在本文公开的方法中使用,所述参考文献中的每一个的全部内容以引用的方式并入本文:Weyand等人的“PlaNeT:PhotoGeolocation with Convolutional Neural Networks(PlaNeT:使用卷积神经网络的图片地理定位),在Leibe等人(Eds.),《计算机视觉》-EECV 2016,第VIII部分,《计算机科学》9912,第37-55页(Springer,2016)中的演讲注释;等人的“NetVLAD:CNNarchitecture for weakly supervised place recognition(NetVLAD:用于弱监测的地点识别的CNN架构)”,2016年IEEE计算机视觉和模式识别会议(CVPR),拉斯维加斯,内华达州,第5297-5307页(2016);以及等人的“NetVLAD:CNN architecture forweakly supervised place recognition(NetVLAD:用于弱监测的地点识别的CNN架构)”,arXiv:1511.07247v3[cs.CV],2016年5月2日,17页(从https://arxiv.org/abs/1511.07247获得)。应了解,此类方法可涉及使用例如用谷歌街道视图时间机器和/或其它来源获得的室外场景图像(地点图像)的大型参考数据库来训练卷积神经网络(CNN)架构。此类参考图像数据可将相同位置的多个地点图像相关联,其中同一地点的多个图像是例如在一天的不同时间、从不同视角和距离拍摄的,并且具有不同量的附带杂物(汽车、行人等等)。此类图像可以被矢量化,例如本领域中已知的并且如上文参考的文章中所述的,并且CNN可以针对(例如上文参考的文章中所描述的)已知训练查询图像进行训练,以使CNN能够将实际查询图像与参考数据库的图像数据进行匹配。
当在乘客拍摄的查询图像中检测到多个地标时,这些地标在查询图像中彼此的相对位置可由处理系统121和/或141处理以确定乘客智能手机的准确位置。例如,所检测/匹配的地标的准确地理位置是已知的,并且所检测/匹配的地标的大小(例如,高度和/或宽度等等)也可以是已知的。在这种情况下,那些地标在乘客的查询图像中的相对大小和取向可以由处理系统121和/或141根据三维几何原理进行进一步图像处理,以识别乘客的查询图像的起始点来指示乘客智能手机的位置。可以通过处理系统121和/或141分析靠近智能手机地理位置的相关区域的先前创建的地图来确定用户智能手机的摄像头位置的估计,所述地图基于先前从先前扫描的图像中捕获的特征,并且所述地图的各个地标特征的位置在三维(3D)中是已知的。然后,处理系统121和/或141可以对乘客捕获的图像进行匹配分析,以例如通过执行3D地图的迭代增量旋转以生成可与乘客获取的图像进行比较的投影,来确定从乘客的智能手机图像到本地区域的先前构建的3D地图的已知特征的最佳对准。来自3D地图的将已知地标特征相对于乘客拍摄的图像的位置差异(例如,由特征检测分析图像比较确定的)最小化的图像投影与已知3D地图内的摄像头位置相关联,以为乘客拍摄的图片识别乘客的智能手机摄像头在已知3D环境中的位置。在这方面,从已知3D地图生成的图像投影的缩放可用于在已知3D地图内估计摄像头位置的距离。拍摄乘客为此目的获取的图片的智能手机功能可以被自动设置为拍摄乘客图片,而无需任何放大,从而促进此类图像分析以避免原本可能使分析复杂化的任何放大伪影。与具有已知大小和/或间隔的已知地标特征的距离(例如,两个或更多个已知地标特征之间的已知距离)也可以由处理系统121和/或141借助于给定智能手机摄像头的先前已知摄像头校准来估计,由此,例如,对于在无另外放大的情况下拍摄的图像,已知对象宽度或高度(例如,已知地标特征之间的已知距离)将与在距该对象的给定距离处的智能手机摄像头的图像传感器上的特定像素间隔相关。因此,在具有已知间隔的地标特征之间检测到的智能手机摄像头的图像传感器上的像素间隔可用于基于给定智能手机的特定摄像头的此类已知相关性来估计摄像头到已知地标特征的距离。此类信息可以容易地从先前针对各种智能手机的各种摄像头准备的校准表中检索。
因此,响应于所述查询,处理系统121和/或141将所接收的图像内的视图与参考图像数据相关联,所述参考图像数据具有已知地理位置信息。值得注意的是,对图像数据库的搜索不需要大量工作,因为预期乘客的近似位置如上文所提及的已经是已知的,例如从乘客的拍摄查询图像的智能手机的GPS定位已知。因此,仅需要搜索数据库中近似位置在预期乘客的近似位置的预定方差内的参考图像。这提高了图像处理的速度,并且降低了对计算资源和带宽的要求。
已经基于图像处理识别了预期乘客的更精确位置后,计算机处理系统121可以基于图像之间的相关性执行接受预期乘客的步骤。例如,基于该相关性,处理系统121可以使车辆110移动到接近预期乘客的实际位置的更精确位置(例如,在预期乘客的实际位置的两英尺、五英尺、十英尺、20英尺等等内或尽可能接近道路可允许的这些位置)并且打开车门以允许乘客进入车辆。
作为可单独使用或与本文提供的一个或多个其它选项组合使用的另一替代方案,由车辆110(例如,通过无线通信)接收的图像可包括预期乘客本人的第一视图。例如,在一些配置中,乘客请求车辆使用的应用程序提示乘客拍摄其自己的图像。电子装置130的图像传感器132获得图像并且通过无线网络,任选地通过后台系统140将图像传输到车辆110的收发器126。车辆110可包括图像传感器111,该图像传感器被配置成获得预期乘客的第二视图。例如,处理系统121可以控制图像传感器111以获得预期乘客的近似位置的一个或多个图像,这些图像中的至少一个包括预期乘客的视图。处理系统121接着可使第一视图和第二视图相关联,以识别预期乘客并且将车辆引导至预期乘客的精确位置。就此而言,与车辆的摄像头系统和引导系统相关联的位置传感器和方向传感器可基于车辆的已知取向和定位并且基于与所拍摄的对应于从预期乘客接收的图像的图像相关联的已知取向和LIDAR数据,来确定拍摄图像的乘客的位置。在基于图像的相关性确定了预期乘客的精确位置之后,处理系统121被配置成随后基于相关性接受乘客。例如,基于相关性,处理系统121可以使车辆110移动到接近预期乘客的精确位置的位置(例如,在预期乘客的实际位置的两英尺、五英尺、十英尺、20英尺等等内或尽可能接近道路可允许的这些位置),并且打开车门以允许乘客进入车辆。
作为可单独使用或与本文所提供的一个或多个其它选项组合使用的另一替代方案,可使用预期乘客的电子装置以产生车辆110可用于定位乘客的一个或多个图像。例如,图像可以由电子装置的显示屏133显示,并且车辆110可包括图像传感器111,该图像传感器被配置成通过获得该图像的图像而从电子装置接收图像。例如,处理系统121可以通过收发器126和无线网络(以及任选地还有后台系统140)将图像请求信号传输到电子装置130以显示预定图像(例如,处理系统121和/或141可以将预定图像本身提供到电子装置130),并且电子装置130接着可以响应于图像请求信号显示图像。图像可以包括例如所选择的颜色、所选择的图案、闪烁光图案或所选择的颜色序列,或可以用于唯一地将电子装置130识别为属于预期乘客的任何其它图像。与图像请求相关联,图像传感器111可以获取图像,并且处理系统121可以处理图像以确认其与预定图像相同,由此精确地定位预期乘客。
在一些配置中,响应于图像请求信号,乘客用于请求车辆的应用程序可以提示预期乘客以使得显示在装置的显示屏133上的图像可以由车辆110的图像传感器111成像的方式保持电子装置130。由处理系统121执行的图像处理将显示在显示屏133上的图像中的图像传感器111获得的图像与关于与图像请求相关联地获得的图像的信息进行比较。响应于图像和信息之间的匹配,处理系统121确定接受乘客。
在任何此类方法中,车辆接着可基于由车辆110认证乘客的任何合适的手段而接受乘客。例如,车辆处理系统121可以拍摄被认为是预期乘客的人的图像,然后对该图像进行图像处理,以与(例如,由预期乘客请求车辆110使用的移动应用程序提供的)预期乘客的已知图像进行比较,从而确定特定的人是预期乘客。上文提及了本领域中已知的用于此目的的合适图像处理,例如,尺度不变特征变换(SIFT)、加速稳健特征(SURF)和加速段测试特征(FAST)。替代地,可以使用预期乘客的电子装置130提示预期乘客在车辆110的外表面处的触摸屏或触控板处输入被车辆识别以进行认证的预定代码。在认证后,处理系统121和/或141可以解锁车辆110,从而允许预期乘客进入。
图2示出了根据本公开的实例的定位自主车辆的预期乘客的说明性方法200的流程图。应当理解,尽管参考图1中所示的框架100对如图2所示的方法200的操作进行了描述,但此类操作可以适当地与硬件和软件的任何适当组合,例如任何非自主或自主车辆一起使用。
图2中所示的方法200包括在框202处,由车辆基于通过无线网络接收的位置信号移动到预期乘客的近似位置。例如,响应于包括位置信号并且可在电子装置130处生成且可通过无线网络和可选的如图1所示的后台系统140处理的车辆请求,车辆110可以移动到预期乘客的近似位置,如本文先前所描述的。
再次参考图2,方法200可包括在框204处,在移动到预期乘客的近似位置之后,由车辆从预期乘客的电子装置接收图像,其中所述图像指示局部物理环境,例如,预期乘客的局部街道景观或景观。如参考图1更详细地描述的,车辆110可以通过任何合适的通信模式从电子装置130接收图像的任何合适的组合。例如,图像可以由电子装置130的成像传感器132获得,并由车辆110通过无线网络接收。图像可包括预期乘客的物理环境的视图或预期乘客的视图,车辆通过无线网络接收所述视图,和/或所述视图可由电子装置130显示并且由车辆经由图像传感器111接收。任何合适数目和类型的此类图像可适当地彼此组合使用。
方法200还可包括在框206处,基于对照包含与位置元数据相关联的图像的图像数据库图像匹配图像,处理图像以确定预期乘客的附加位置信息,例如预期乘客的更精确位置。本文中先前指出了用于执行图像匹配的说明性图像处理方法。
参考图2,方法200可包括在框208处,由车辆响应于接收到图像(206)而接受预期乘客。例如,在一些配置中,车辆110基于预期乘客的物理环境的视图与对应于存储在图像数据库中的参考图像的位置之间的相关性并且/或者基于预期乘客的视图与使用车辆的图像传感器111获得的预期乘客的视图之间的相关性,而接受乘客。附加地或替代地,图像可包括由电子装置130的显示装置133广播的所选择的颜色、所选择的图案、所选择的闪烁光图案或所选择的颜色序列,并且车辆110基于广播的图像与车辆110具有的关于电子装置130预期显示的图像的信息之间的匹配而接受乘客,如本文先前所描述的。车辆对乘客的接受还可涉及通过各种手段进行的其它信息交换。例如,乘客接受可以包括由车辆通过提供本文述的功能的智能手机应用程序上的文本消息或弹出消息发送至预期乘客的解锁代码的交换,用户可以通过任何合适的手指轻扫或按压来接受所述解锁代码以便打开车辆的车门。乘客的接受可涉及通过车辆的自动语音技术向预期乘客说出的可听消息,用户可以通过所述可听消息确认车辆实际上是指定给该预期乘客的适当车辆。还可以使用任何其它合适的交换信息的手段来确认和接受乘客。
本书面描述描述了说明性实施例,但其它变型也在本公开的范围内。例如,所述系统和方法可以包括并且利用经由网络(例如,局域网、广域网、互联网、其组合等等)、光纤介质、载波、无线网络等等传送的数据信号,以用于与一个或多个数据处理装置通信。数据信号可以携带本文所公开的提供给装置或从装置提供的任何或所有数据。
本文所述的方法和系统可以通过程序代码在许多不同类型的处理装置上实施,所述程序代码包括可由装置处理系统执行的程序指令。软件程序指令可包括源代码、目标代码、机器代码或可操作以使处理系统执行本文所述的方法和操作的任何其它存储的数据。可以使用任何合适的计算机语言,例如C、C++、Java等等,如本领域技术人员将理解的。然而,也可以使用其它实施方式,例如被配置成执行本文所述的方法和系统的固件或甚至适当设计的硬件。
在各种实施例中,用于执行说明性方法的非暂时性计算机可读介质可以包括适于使计算机处理系统执行上述步骤的程序指令。系统的数据和方法的数据(例如,关联、映射、数据输入、数据输出、中间数据结果、最终数据结果等等)可以存储在一种或多种不同类型的计算机实施的数据存储器中并且在所述数据存储器中实施,所述数据存储器是例如不同类型的存储装置和编程结构(例如,RAM、ROM、闪存、平面文件、数据库、编程数据结构、编程变量、IF-THEN(或类似类型)语句结构等等)。应注意,数据结构描述了用于组织数据并将其存储在数据库、程序、存储器或其它非暂时性计算机可读介质中以供计算机程序使用的格式。
本文所述的计算机部件、软件模块、功能、数据存储器和数据结构可以彼此直接或间接连接,以便允许其操作所需的数据流。还应注意,模块或处理器包括但不限于执行软件操作的代码单元,并且可以例如作为子例程代码单元,或作为软件功能代码单元,或作为对象(如以面向对象的范式),或作为小程序,或以计算机脚本语言,或作为另一类型的计算机代码实施。软件部件和/或功能可以位于单个计算机上,或根据当前情况分布在多个计算机上。
还应理解,如本文描述中以及随后的权利要求中所使用的,除非上下文另外明确指出,否则“一(a/an)”和“所述”的含义包括复数引用。此外,如本文的描述中和随后的权利要求中所使用的,除非上下文另有明确说明,否则“在……中”的含义包括“在……中”和“在……上”。最后,如本文的描述中和随后的权利要求中所使用的,“和”和“或”的含义包括结合和分隔,并且可以互换使用,除非上下文另有明确说明;短语“排他或”可用于指示仅适用分隔含义的情况。另外,如本文的描述中和下文的整个权利要求中使用的,除非另外指示,否则“约”和/或“大约”的含义是指指示量的±10%。
虽然已根据说明性实施例描述了本公开,但所属领域的技术人员将理解,在不脱离如权利要求书中所阐述的所要求保护的主题的范围的情况下,可以对本公开作出各种修改。
Claims (20)
1.一种定位机动车辆的预期乘客的方法,所述方法包括:
基于通过无线网络接收的来自预期乘客的位置信号将机动车辆移动到所述预期乘客的近似位置;
在移动到所述预期乘客的近似位置之后,由所述车辆从所述预期乘客的电子装置接收图像,所述图像是所述预期乘客的图像或所述预期乘客的局部物理环境的图像;
基于对照一个或多个参考图像匹配所述图像来处理所述图像以确定所述预期乘客的附加位置信息;以及
由所述车辆响应于图像处理而接受所述预期乘客。
2.根据权利要求1所述的方法,其中所述图像由所述电子装置的成像传感器获得,并且由所述车辆通过所述无线网络接收。
3.根据权利要求2所述的方法,其中所述图像包括所述预期乘客的位置处的局部街道景观或局部景观的视图。
4.根据权利要求3所述的方法,其中所述车辆基于来自所述预期乘客的图像与参考图像之间的相关性而接受所述乘客,所述参考图像与存储在图像数据库中的位置元数据相关联。
5.根据权利要求1所述的方法,其中所述图像包括所述预期乘客的第一视图。
6.根据权利要求5所述的方法,还包括由所述车辆使用所述车辆的图像传感器获得所述预期乘客的第二视图,其中所述车辆基于所述第一视图与所述第二视图之间的相关性而接受所述乘客。
7.根据权利要求1所述的方法,其中:
所述图像由所述电子装置的显示屏显示;并且
所述车辆通过使用所述车辆的图像传感器来接收所述图像以获得该图像的图像。
8.根据权利要求7所述的方法,其中:
所述车辆通过所述无线网络将图像请求信号传输到所述电子装置;并且
所述电子装置响应于所述图像请求信号而生成所述图像。
9.根据权利要求7所述的方法,其中所述图像包括所选择的颜色、所选择的图案、所选择的光闪烁图案,或所选择的颜色序列。
10.根据权利要求1所述的方法,其中所述位置信号包括所述预期乘客的全球定位系统(GPS)坐标。
11.一种用于定位机动车辆的预期乘客的基于车辆的系统,所述系统包括:
无线收发器,所述无线收发器被配置成通过无线网络接收位置信号;
图像传感器,所述图像传感器用于获取接近所述机动车辆的图像;
导航系统,所述导航系统用于基于所述位置信号提供将所述车辆移动到所述预期乘客的近似位置的引导;以及
计算机处理系统,所述计算机处理系统被配置成在所述车辆移动到所述预期乘客的近似位置之后从所述预期乘客的电子装置接收图像,所述图像是所述预期乘客的图像或所述预期乘客的局部物理环境的图像,并且基于对照一个或多个参考图像匹配所述图像来处理所述图像以确定所述预期乘客的附加位置信息,所述计算机处理系统被配置成响应于图像处理而接受所述预期乘客。
12.根据权利要求11所述的系统,其中所述图像由所述电子装置的成像传感器获得,并且由所述收发器通过所述无线网络接收。
13.根据权利要求12所述的系统,其中所述图像包括所述预期乘客的局部街道景观或局部景观的视图。
14.根据权利要求13所述的系统,其中:
所述计算机处理系统被配置成使所述视图与对应于存储在图像数据库中的参考图像的位置相关;并且
所述计算机处理系统被配置成基于相关而接受所述乘客。
15.根据权利要求11所述的系统,其中所述图像包括所述预期乘客的第一视图。
16.根据权利要求12所述的系统,其中:
所述图像传感器被配置成获得所述预期乘客的第二视图;
所述处理系统被配置成使所述第一视图与所述第二视图相关;并且
所述处理系统被配置成基于相关接受所述乘客。
17.根据权利要求11所述的系统,其中:
所述图像由所述电子装置的显示屏显示;并且
所述图像传感器被配置成获取显示在所述电子装置的显示屏上的所述图像的图像。
18.根据权利要求17所述的系统,其中:
所述处理系统被配置成使图像请求信号通过所述收发器和所述无线网络传输到所述电子装置;并且
所述电子装置响应于所述图像请求信号而生成所述图像。
19.根据权利要求17所述的系统,其中所述图像包括所选择的颜色、所选择的图案、所选择的光闪烁图案,或所选择的颜色序列。
20.根据权利要求11所述的系统,其中所述位置信号包括所述预期乘客的全球定位系统(GPS)坐标。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/917,440 | 2020-06-30 | ||
US16/917,440 US11377125B2 (en) | 2020-06-30 | 2020-06-30 | Vehicle rideshare localization and passenger identification for autonomous vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113950020A true CN113950020A (zh) | 2022-01-18 |
Family
ID=78827196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669706.7A Pending CN113950020A (zh) | 2020-06-30 | 2021-06-17 | 用于自主车辆的车辆共乘定位和乘客识别 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11377125B2 (zh) |
CN (1) | CN113950020A (zh) |
DE (1) | DE102021206075A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11624630B2 (en) * | 2019-02-12 | 2023-04-11 | International Business Machines Corporation | Using augmented reality to present vehicle navigation requirements |
KR20220168460A (ko) * | 2021-06-16 | 2022-12-23 | 현대자동차주식회사 | 자율 주행 차량 위치 제공 장치 및 그 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206045A (zh) * | 2015-09-28 | 2015-12-30 | 深圳中创未来科技有限公司 | 租车安全保障方法及系统和移动终端 |
CN106646566A (zh) * | 2017-01-03 | 2017-05-10 | 京东方科技集团股份有限公司 | 乘客定位方法、装置及系统 |
US20170153714A1 (en) * | 2016-03-03 | 2017-06-01 | Cruise Automation, Inc. | System and method for intended passenger detection |
CN107818684A (zh) * | 2016-09-13 | 2018-03-20 | 福特全球技术公司 | 使用自主往返运送车辆的乘客搭载系统和方法 |
CN111310550A (zh) * | 2018-12-12 | 2020-06-19 | 福特全球技术公司 | 用于基于周围环境改进位置决策的方法及设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201328340A (zh) * | 2011-12-27 | 2013-07-01 | Hon Hai Prec Ind Co Ltd | 乘客攔車提示系統及方法 |
US9157748B2 (en) * | 2012-07-31 | 2015-10-13 | Flatiron Apps LLC | System and method for hailing taxicabs |
US20160378303A1 (en) * | 2015-06-23 | 2016-12-29 | Todd Crilley | Mobile device system for hailing a taxi cab |
US10837788B1 (en) * | 2018-05-03 | 2020-11-17 | Zoox, Inc. | Techniques for identifying vehicles and persons |
DE102018222665B4 (de) * | 2018-12-20 | 2022-06-02 | Volkswagen Aktiengesellschaft | Autonom fahrendes Taxi sowie Verfahren zum Betrieb eines autonom fahrenden Taxis |
US11412350B2 (en) * | 2019-09-19 | 2022-08-09 | Apple Inc. | Mobile device navigation system |
US20210150419A1 (en) * | 2019-11-15 | 2021-05-20 | Lyft, Inc. | Systems and methods for determining rideable vehicle locations |
-
2020
- 2020-06-30 US US16/917,440 patent/US11377125B2/en active Active
-
2021
- 2021-06-15 DE DE102021206075.7A patent/DE102021206075A1/de active Pending
- 2021-06-17 CN CN202110669706.7A patent/CN113950020A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206045A (zh) * | 2015-09-28 | 2015-12-30 | 深圳中创未来科技有限公司 | 租车安全保障方法及系统和移动终端 |
US20170153714A1 (en) * | 2016-03-03 | 2017-06-01 | Cruise Automation, Inc. | System and method for intended passenger detection |
CN107818684A (zh) * | 2016-09-13 | 2018-03-20 | 福特全球技术公司 | 使用自主往返运送车辆的乘客搭载系统和方法 |
CN106646566A (zh) * | 2017-01-03 | 2017-05-10 | 京东方科技集团股份有限公司 | 乘客定位方法、装置及系统 |
CN111310550A (zh) * | 2018-12-12 | 2020-06-19 | 福特全球技术公司 | 用于基于周围环境改进位置决策的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
US11377125B2 (en) | 2022-07-05 |
US20210403055A1 (en) | 2021-12-30 |
DE102021206075A1 (de) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11604076B2 (en) | Vision augmented navigation | |
US11915099B2 (en) | Information processing method, information processing apparatus, and recording medium for selecting sensing data serving as learning data | |
JP5901779B2 (ja) | 画像データベース地図サービスからアシストシステム内にデータを移す方法 | |
US8929604B2 (en) | Vision system and method of analyzing an image | |
WO2022007198A1 (en) | Method and system for generating bird's eye view bounding box associated with object | |
US10909395B2 (en) | Object detection apparatus | |
US11127162B2 (en) | Method and apparatus for improved location decisions based on surroundings | |
EP3147884B1 (en) | Traffic-light recognition device and traffic-light recognition method | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN110869867B (zh) | 用于对车辆的数字地图进行验证的方法、设备和存储介质 | |
US11403947B2 (en) | Systems and methods for identifying available parking spaces using connected vehicles | |
CN113950020A (zh) | 用于自主车辆的车辆共乘定位和乘客识别 | |
US20230138487A1 (en) | An Environment Model Using Cross-Sensor Feature Point Referencing | |
US20210403053A1 (en) | Method for calling a vehicle to user's current location | |
JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
US20210171046A1 (en) | Method and vehicle system for passenger recognition by autonomous vehicles | |
CN113916241A (zh) | 在车辆导航系统处设置目的地的方法和系统 | |
JP6979005B2 (ja) | 道路側面に並ぶ店舗の訪問者数を推定する訪問者数推定装置、プログラム及び方法 | |
CN114761830A (zh) | 全球定位系统定位方法和计算机程序产品 | |
KR102309833B1 (ko) | 자율 주행 차량에서 자율 주행 중 광고 제공 장치 및 그 방법 | |
JP7241582B2 (ja) | 移動体位置検出方法及び移動体位置検出システム | |
CN114127514A (zh) | 机动车周围环境的位置数据的提供和传输 | |
CN117593503A (zh) | 基于来自远程摄像头的姿态校正的交通工具定位 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |