CN114089375A - 运载工具、用于运载工具的方法和存储介质 - Google Patents

Abstract

本发明涉及一种运载工具、用于运载工具的方法和存储介质。公开了使用LiDAR识别背景特征的技术等。该技术包括将点云信息建模为球面并且识别与所接收到的LiDAR点云信息的各个点簇相对应的面。生成图数据结构，该图数据结构包括与所识别的面中的各个面相对应的顶点，并且基于各个底层点的邻接性和对应面的特性来连接该图数据结构的顶点。分析与子图的顶点相对应的面的特性，并且基于该分析，识别与物理环境的背景特征相对应的子图。

Description

运载工具、用于运载工具的方法和存储介质

技术领域

本说明书涉及使用LiDAR识别背景特征。

背景技术

运载工具(诸如自主运载工具等)可以使用LiDAR来识别周围环境的特征。LiDAR使用一个或多个发射器来照明附近的对象。

发明内容

根据本发明的一方面，一种运载工具，包括：至少一个光检测和测距装置即至少一个LiDAR装置，其被配置为检测从接近所述运载工具的对象所反射的电磁辐射，并且基于所检测到的光来生成LiDAR点云信息；至少一个计算机可读介质，其存储计算机可执行指令；至少一个处理器，其通信地耦接到所述至少一个LiDAR装置，并且被配置为执行所述计算机可执行指令，所述执行进行操作，所述操作包括：从所述至少一个LiDAR装置接收LiDAR点云信息；将所述点云信息建模为球面；基于所述球面，识别与所接收到的LiDAR点云信息的各个点簇相对应的面；生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；基于所述图数据结构，识别子图，其中，各个子图包括所连接的顶点；针对各个子图，分析与该子图的顶点相对应的面的特性；以及基于所述分析，识别与物理环境的背景特征相对应的子图；以及控制电路，其通信地耦接到所述至少一个处理器，其中，所述控制电路被配置为基于所识别的背景特征来操作所述运载工具。

根据本发明的另一方面，一种运载工具，包括：至少一个光检测和测距装置即至少一个LiDAR装置，其被配置为检测从接近所述运载工具的对象所反射的电磁辐射，并且基于所检测到的光来生成LiDAR点云信息；至少一个计算机可读介质，其存储计算机可执行指令；至少一个处理器，其通信地耦接到所述至少一个LiDAR装置，并且被配置为执行所述计算机可执行指令，所述执行进行操作，所述操作包括：从所述至少一个LiDAR装置接收LiDAR点云信息；将所述点云信息建模为球面；基于所述球面，识别与所接收到的LiDAR点云信息的各个点簇相对应的面；生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；基于所述图数据结构，识别子图，其中，各个子图包括所连接的顶点；针对各个子图，分析与该子图的顶点相对应的面的特性；以及基于所述分析，识别与物理环境的背景特征相对应的子图；以及控制电路，其通信地耦接到所述至少一个处理器，其中，所述控制电路被配置为基于所识别的背景特征来操作所述运载工具。

根据本发明的又一方面，一种非暂时性计算机可读存储介质，包括用于由第一装置的至少一个处理器执行的至少一个程序，所述至少一个程序包括指令，所述指令在由所述至少一个处理器执行时进行包括以下操作的方法：从至少一个LiDAR装置接收LiDAR点云信息；使用至少一个处理器将所述点云信息建模为球面；使用所述至少一个处理器识别与所接收到的LiDAR点云信息的各个点簇相对应的面；使用所述至少一个处理器生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；使用所述至少一个处理器基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；使用所述至少一个处理器识别所述图数据结构的子图，其中，各个子图包括所连接的顶点；使用所述至少一个处理器分析与所述子图的顶点相对应的面的特性；使用所述至少一个处理器基于所述分析来识别与物理环境的背景特征相对应的子图；以及使用控制电路基于所识别的背景特征来操作运载工具。

附图说明

图1示出具有自主能力的自主运载工具的示例。

图2例示示例“云”计算环境。

图3例示计算机系统。

图4示出自主运载工具的示例架构。

图5示出感知模块可以使用的输入和输出的示例。

图6示出LiDAR系统的示例。

图7示出操作中的LiDAR系统。

图8示出LiDAR系统的操作的附加细节。

图9示出规划模块的输入和输出之间的关系的框图。

图10示出路径规划中所使用的有向图。

图11示出控制模块的输入和输出的框图。

图12示出控制器的输入、输出和组件的框图。

图13示出来自原始点云的部分网格。

图14示出表示地表面以及其它对象的面。

图15仅示出所识别的地表面。

图16仅示出非地面。

图17示出面F1-F5与图数据结构的对应关系。

图18是用于使用LiDAR识别背景特征的处理的处理流程图。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，本发明可以在没有这些具体细节的情况下实施将是明显的。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本发明模糊。

在附图中，为了便于描述，示出了示意要素(诸如表示装置、模块、指令块和数据要素的那些要素)的具体排列或次序。然而，本领域技术人员应当理解，附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外，在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。

此外，在附图中，连接要素、诸如实线或虚线或箭头用于例示两个或更多个其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中示出，以便不使本公开内容模糊。此外，为了便于例示，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令的通信，本领域技术人员应理解，这种要素表示影响通信可能需要的一个或多个信号路径(例如，总线)。

现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地使实施例的方面模糊。

下面描述的若干特征各自可以彼此独立地使用，也可以与其它特征的任何组合一起使用。然而，任何个别特征可能不能解决以上所讨论的任何问题，或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。虽然提供了标题，但在本说明书的其它地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例：

1.总体概述

2.系统概述

3.自主运载工具架构

4.自主运载工具输入

5.自主运载工具规划

6.自主运载工具控制

7.背景检测

总体概述

运载工具(诸如自主运载工具等)可以通过处理LiDAR点云来识别表面并确定哪些相邻表面与地面相对应来识别运载工具的环境中的地面。例如，运载工具可以生成图数据结构并且识别共享类似特性的相邻顶点，其中图形的各个顶点与点云数据的一部分相对应。

一些优点包括以比其它技术消耗更少的处理功率和能量的方式识别地面。LiDAR数据建模为球面而不是柱面，这使得能够更容易地识别相邻表面。可以使用来自多个LiDAR装置的数据，并且没有必要一定预先合并数据。不需要按特定顺序提供点云数据。

系统概述

图1示出具有自主能力的自主运载工具100的示例。

如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地操作，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。

如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。

如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。

如本文所使用的，“轨迹”是指将AV从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。

如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如，图像传感器、生物特征传感器)、传输和/或接收组件(例如，激光或射频波发射器和接收器)、电子组件(诸如，模数转换器)、数据存储装置(诸如，RAM和/或非易失性存储器)、软件或固件组件和数据处理组件(诸如，专用集成电路)、微处理器和/或微控制器。

如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由AV外部的源提供的一个或多个分类或标记的对象。

如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如，四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式定义为一条通道的物理区域。

如本文所使用的，“车道”是道路的可被运载工具穿越的部分。有时基于车道标记来识别车道。例如，车道可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的部分空间(例如，小于50％)。例如，具有相距很远的车道标记的道路可能容纳两个或两个以上的运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，因此可被解释为车道比车道标记之间的空间窄，或车道之间有两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如，农村地区的岩石和沿着大道的树木、或者例如在欠发达地区应避免的自然障碍物)来定义车道。也可以独立于车道标记或物理特征来解释车道。例如，可以基于原本缺少将会被解释为车道边界的特征的在区域中无障碍物的任意路径来解释车道。在示例情景中，AV可以解释通过田野或空地的无障碍物部分的车道。在另一示例情景中，AV可以解释通过不具有车道标记的宽(例如，足够两个或更多个车道宽)道路的车道。在该情景中，AV可以将与车道有关的信息通信至其它AV，使得其它AV可以使用相同的车道信息来协调AV之间的路径规划。

术语“空中下载(OTA)客户端”包括任何AV，或者嵌入在AV中、耦接至AV或与AV进行通信的任何电子装置(例如，计算机、控制器、IoT装置、电子控制单元(ECU))。

术语“空中下载(OTA)更新”意味着对使用专有和/或标准化的无线通信技术递送至OTA客户端的软件、固件、数据或配置设置或者它们的任何组合的任何更新、改变、删除或添加，其中该专有和/或标准化的无线通信技术包括但不限于：蜂窝移动通信(例如，2G、3G、4G、5G)、无线电无线区域网络(例如，WiFi)和/或卫星因特网。

术语“边缘节点”是指耦接至网络的一个或多个边缘装置，这些装置提供与AV进行通信所用的门户并且可以与其它边缘节点和基于云的计算平台进行通信，以调度OTA更新并将OTA更新递送至OTA客户端。

术语“边缘装置”是指实现边缘节点并提供向企业或服务提供商(如VERIZON、AT&T)核心网的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于：计算机、控制器、发送器、路由器、路由交换机、综合接入装置(IAD)、多路复用器、城域网(MAN)和广域网(WAN)接入装置。

“一个或多个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。

还将理解的是，尽管在一些情况下，术语“第一”、“第二”等在本文中是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点两者都是触点，但它们不是相同触点。

在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还将理解的是，如本文所使用的“和/或”是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组件、和/或其群组。

如本文所使用的，取决于上下文，术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地，取决于上下文，短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。

如本文所使用的，AV系统是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中，AV系统并入在AV内。在实施例中，AV系统跨若干地点分布。例如，AV系统的一些软件是在类似于下面关于图2描述的云计算环境200的云计算环境中实现的。

一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义，通过引用将其全部内容并入本文件，用于了解运载工具自主权等级的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具，诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义)。在实施例中，一个或多个第1级、第2级、第3级、第4级和第5级运载工具系统可基于对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。

自主运载工具与需要人类驾驶员的运载工具相比存在优势。一个优势是安全性。例如，在2016年，美国经历了600万起汽车事故、240万人受伤、40000人死亡和1300万辆运载工具碰撞事故，估计社会成本为9100亿美元多。从1965年到2015年，每行驶1亿英里的美国交通事故死亡人数已从约6人减少到约1人，部分是由于运载工具中所部署的附加安全措施。例如，认为与将发生碰撞有关的额外半秒的警告减轻了60％的前后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改进该数字方面有可能已达到它们的极限。因而，诸如运载工具的自动控制等的主动安全措施是改进这些统计数据的可能的下一步。由于在95％的碰撞中认为人类驾驶员是造成严重碰撞前事件的原因，因此自动驾驶系统例如通过以下操作，有可能实现更好的安全结果：比人类更好地可靠地识别和避免紧急情况；做出比人类更好的决策，比人类更好地遵守交通法规，并且比人类更好地预测将来事件；并且比人类更好地可靠地控制运载工具。

参考图1，AV系统120使AV 100沿着轨迹198操作，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。

在实施例中，AV系统120包括用于从计算机处理器146接收操作命令并对其进行操作的装置101。使用术语“操作命令”来表示使得运载工具进行动作(例如，驾驶机动动作)的可执行指令(或指令集)。操作命令可以非限制性地包括用于使运载工具开始向前移动、停止向前移动、开始向后移动、停止向后移动、加速、减速、进行左转和进行右转的指令。在实施例中，计算处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。

在实施例中，AV系统120包括用于测量或推断AV 100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度和角速度及线加速度和角加速度、以及航向(例如，AV 100的前端的方向)。传感器121的示例是GPS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速率传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器以及转向角度和角速率传感器。

在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122，LiDAR 123，RADAR，超声波传感器，飞行时间(TOF)深度传感器，速率传感器，温度传感器，湿度传感器和降水传感器。

在实施例中，AV系统120包括数据存储单元142和存储器144，用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中，数据存储单元142与以下关于图3描述的ROM 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据从远程数据库134通过通信信道传输到AV 100。

在实施例中，AV系统120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到AV 100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。

在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV系统120。在实施例中，远程数据库134嵌入在如图2中所描述的云计算环境200中。通信接口140将从传感器121收集的数据或与AV 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向AV 100传输与遥操作有关的信息。在一些实施例中，AV 100与其它远程(例如，“云”)服务器136通信。

在实施例中，远程数据库134还存储和传输数字数据(例如，存储诸如道路和街道地点的数据)。这些数据存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV 100。

在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速度分布)。在一个实现中，这种数据可以存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV100。

位于AV 100上的计算装置146基于实时传感器数据和先验信息两者以算法方式生成控制动作，允许AV系统120执行其自主驾驶能力。

在实施例中，AV系统120包括耦接到计算装置146的计算机外围设备132，用于向AV100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，外围设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。耦接是无线的或有线的。任意两个或更多个的接口装置可以集成到单个装置中。

在实施例中，AV系统120接收并强制执行例如由乘员指定的或者存储在与乘员相关联的简档中的乘员的隐私级别。乘员的隐私级别确定了如何许可使用存储在乘员简档中的以及/或者存储在云服务器136上且与乘员简档相关联的、与乘员相关联的特定信息(例如，乘员舒适度数据、生物测量数据等)。在实施例中，隐私级别指定了一旦搭乘完成则被删除的与乘员相关联的特定信息。在实施例中，隐私级别指定了与乘员相关联的特定信息，并且标识被授权访问该信息的一个或多个实体。被授权访问信息的所指定的实体的示例可以包括其它AV、第三方AV系统、或者可以潜在地访问该信息的任何实体。

可以在一个或多个粒度级别指定乘员的隐私级别。在实施例中，隐私级别标识要存储或共享的特定信息。在实施例中，隐私级别适用于与乘员相关联的所有信息，使得乘员可以指定不存储或共享她的个人信息。被许可访问特定信息的实体的指定也可以在各种粒度级别指定。被许可访问特定信息的各种实体集例如可以包括其它AV、云服务器136、特定第三方AV系统等。

在实施例中，AV系统120或云服务器136确定AV 100或另一实体是否可访问与乘员相关联的某些信息。例如，试图访问与特定时空地点有关的乘员输入的第三方AV系统必须例如从AV系统120或云服务器136获得授权，以访问与乘员相关联的信息。例如，AV系统120使用乘员的指定隐私级别来确定是否可以将与时空地点有关的乘员输入呈现给第三方AV系统、AV 100或另一AV。这使得乘员的隐私级别能够指定允许哪些其它实体接收与乘员的动作有关的数据或与乘员相关联的其它数据。

图2例示示例“云”计算环境。云计算是一种服务交付模式，用于使得能够方便、按需地在网络上访问可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)的共享池。在典型的云计算系统中，一个或多个大型云数据中心容纳用于交付云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机系统206a、206b、206c、206d、206e和206f提供云计算服务。

云计算环境200包括一个或多个云数据中心。一般而言，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多个区域，其中包括一个或多个服务器房间。每个房间有一行或多行服务器，并且每行包括一个或多个机架。每个机架包括一个或多个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器基于数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)被排列成若干组。在实施例中，服务器节点类似于图3中描述的计算机系统。数据中心204a具有许多分布在多个机架上的计算系统。

云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算系统206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路耦接的网际网络的任意组合。通过网络交换的数据使用多种网络层协议(诸如，因特网协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(Frame Relay)等)进行传输。此外，在网络表示多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在一些实施例中，网络表示一个或多个互连网际网络(诸如公共因特网等)。

计算系统206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中，计算系统206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)装置、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算系统206a-f在其它系统中实现或作为其它系统的一部分实现。

图3例示计算机系统300。在实现中，计算机系统300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机系统、便携式计算机系统、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其它装置。

在实施例中，计算机系统300包括总线302或用于传达信息的其它通信机制、以及与总线302耦接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机系统300还包括主存储器306，诸如随机存取存储器(RAM)或其它动态存储装置，该主存储器306耦接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机系统300变成一个专用机器，该机器被定制以执行指令中指定的操作。

在实施例中，计算机系统300还包括只读存储器(ROM)308或耦接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置310，并且该存储装置310耦接到总线302以存储信息和指令。

在实施例中，计算机系统300通过总线302耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器312。包括字母数字键和其它键的输入装置314耦接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，诸如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴(第一轴(例如，x轴)和第二轴(例如，y轴))上的两个自由度，这两个轴允许装置指定平面上的位置。

根据一个实施例，本文的技术由计算机系统300响应于处理器304执行主存储器306中包含的一个或多个指令的一个或多个序列而执行。这些指令从诸如存储装置310的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所描述的过程步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。

如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。

存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，诸如在无线电波和红外数据通信过程中产生的声波或光波。

在实施例中，各种形式的介质涉及将一个或多个指令的一个或多个序列承载到处理器304以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机系统300的本地调制解调器接收电话线路上的数据，并使用红外发射器将数据转换为红外信号。红外检测器接收红外信号中承载的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以可选地在处理器304执行之前或之后存储在存储装置310上。

计算机系统300还包括耦接到总线302的通信接口318。通信接口318提供耦接到连接至本地网络322的网络链路320的双向数据通信。例如，通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。

网络链路320通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”328的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中这些信号承载了进出计算机系统300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。

计算机系统300通过(一个或多个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机系统300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。

自主运载工具架构

图4示出用于自主运载工具(例如，图1所示的AV 100)的示例架构400。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在AV 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的AV系统120的一部分。在一些实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。模块402、404、406、408和410各自有时被称为处理电路(例如，计算机硬件、计算机软件、或者这两者的组合)。模块402、404、406、408和410中的任何或全部的组合也是处理电路的示例。

在使用中，规划模块404接收表示目的地412的数据，并且确定表示AV 100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。

感知模块402使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。

规划模块404还从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块408使用来自GNSS(全球导航卫星系统)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如十字路口、交通标志或各种类型的其它行驶信号等)的空间地点的地图。在实施例中，高精度地图是通过将数据经由自动或手动注释添加到低精度地图所构建的。

控制模块406接收表示轨迹414的数据和表示AV位置418的数据，并且以将使得AV100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得AV 100左转，并且油门和制动将使得AV 100在进行转弯之前暂停并等待经过的行人或运载工具。

自主运载工具输入

图5示出感知模块402(图4)所使用的输入502a-502d(例如，图1中所示的传感器121)和输出504a-504d(例如，传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)系统(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR系统产生LiDAR数据作为输出504a。例如，LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。

另一输入502b是RADAR(雷达)系统。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR系统的视线内的对象有关的数据。RADAR系统502b产生RADAR数据作为输出504b。例如，RADAR数据是用于构造环境190的表示的一个或多个射频电磁信号。

另一输入502c是照相机系统。照相机系统使用一个或多个照相机(例如，使用诸如电荷耦接器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机系统产生照相机数据作为输出504c。照相机数据通常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中，照相机系统具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机系统能够感知深度。尽管照相机系统所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在使用中，照相机系统可被配置为“看见”远处的(例如，AV前方的远至1公里或更远的)对象。因此，照相机系统可以具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。

另一输入502d是交通灯检测(TLD)系统。TLD系统使用一个或多个照相机来获得与交通灯、街道标志和提供视觉导航信息的其它物理对象有关的信息。TLD系统产生TLD数据作为输出504d。TLD数据经常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD系统与包含照相机的系统的不同之处在于：TLD系统使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉导航信息的物理对象有关的信息，使得AV 100能够访问这些对象所提供的所有相关导航信息。例如，TLD系统的视角可以为约120度或更大。

在一些实施例中，使用传感器融合技术来组合输出504a-504d。因而，将个体输出504a-504d提供至AV 100的其它系统(例如，提供至如图4所示的规划模块404)，或者可以采用相同类型的单个组合输出或多个组合输出(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式，将组合输出提供至其它系统。在一些实施例中，使用早期融合技术。早期融合技术的特征在于：在将一个或多个数据处理步骤应用到组合输出之前，将输出组合。在一些实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多个数据处理步骤应用到个体输出之后，将输出组合。

图6示出LiDAR系统602的示例(例如，图5所示的输入502a)。LiDAR系统602从发光器606(例如，激光发射器)发射光604a-604c。LiDAR系统所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如，运载工具)并且反射回到LiDAR系统602。(从LiDAR系统发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR系统602还具有用于检测反射光的一个或多个光检测器610。在实施例中，与LiDAR系统相关联的一个或多个数据处理系统生成表示LiDAR系统的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样，图像612用于确定AV附近的一个或多个物理对象的边界616。

图7示出操作中的LiDAR系统602。在该图所示的情境中，AV 100接收采用图像702的形式的照相机系统输出504c和采用LiDAR数据点704的形式的LiDAR系统输出504a两者。在使用中，AV 100的数据处理系统将图像702与数据点704进行比较。特别地，在数据点704中也识别在图像702中识别出的物理对象706。这样，AV 100基于数据点704的轮廓和密度来感知物理对象的边界。

图8示出LiDAR系统602的操作的附加细节。如上所述，AV 100基于LiDAR系统602所检测到的数据点的特性来检测物理对象的边界。如图8所示，诸如地面802等的平坦对象将以一致的方式反射从LiDAR系统602发射的光804a-804d。换句话说，由于LiDAR系统602使用一致的间隔发射光，因此地面802将以相同的一致间隔将光反射回到LiDAR系统602。在AV100在地面802上行驶时，在没有东西阻挡道路的情况下，LiDAR系统602将继续检测到由下一个有效地面点806反射的光。然而，如果对象808阻挡道路，则LiDAR系统602所发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息，AV 100可以确定存在对象808。

路径规划

图9示出(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图900。一般而言，规划模块404的输出是从起点904(例如，源地点或初始地点)到终点906(例如，目的地或最终地点)的路线902。路线902通常由一个或多个路段定义。例如，路段是指要在街道、道路、公路、行车道或适合汽车行驶的其它物理区域的至少一部分上行驶的距离。在一些示例中，例如，如果AV 100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小卡车等的能够越野的运载工具，则路线902包括诸如未铺面路径或开阔田野等的“越野”路段。

除路线902之外，规划模块还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如，如果路线902包括多车道公路，则车道级路线规划数据908包括轨迹规划数据910，其中AV 100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个或多个车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素来从这多个车道中选择某车道。类似地，在一些实现中，车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如，如果该路段包括行人或非预期交通，则速率约束912可以将AV 100限制到比预期速率慢的行驶速率，例如基于该路段的限速数据的速率。

在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据914、当前地点数据916(例如，图4所示的AV位置418)、(例如，用于图4所示的目的地412的)目的地数据918和对象数据920(例如，如图4所示的感知模块402所感知的经分类的对象416)。在一些实施例中，数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在AV 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于AV 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。

图10示出在路径规划中(例如，由规划模块404(图4))使用的有向图1000。一般而言，如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中，分隔起点1002和终点1004的距离可能相对较大(例如，在两个不同的都市区域中)，或者可能相对较小(例如，毗邻城市街区的两个十字路口或多车道道路的两条车道)。

在实施例中，有向图1000具有表示起点1002和终点1004之间的AV 100可能占用的不同地点的节点1006a-1006d。在一些示例中，例如，在起点1002和终点1004表示不同的都市区域时，节点1006a-1006d表示道路的路段。在一些示例中，例如，在起点1002和终点1004表示相同道路上的不同地点时，节点1006a-1006d表示该道路上的不同位置。这样，有向图1000包括不同粒度级别的信息。在实施例中，具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如，起点1002和终点1004相距远(例如，相距许多英里)的有向图的大部分信息处于低粒度，并且该有向图是基于所存储的数据，但该有向图还包括用于该有向图中的表示AV 100的视场中的物理地点的一部分的一些高粒度信息。

节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中，在粒度低时，对象1008a-1008b表示汽车不能穿过的地区，例如无街道或道路的区域。在粒度高时，对象1008a-1008b表示AV 100的视场中的物理对象，例如其它汽车、行人、或AV 100不能与之共用物理空间的其它实体。在实施例中，对象1008a-1008b的一部分或全部是静态对象(例如，不改变位置的对象，诸如街灯或电线杆等)或动态对象(例如，能够改变位置的对象，诸如行人或其它小汽车等)。

节点1006a-1006d通过边1010a-1010c连接。如果两个节点1006a-1006b通过边1010a连接，则AV 100可以在一个节点1006a和另一节点1006b之间行驶，例如，而不必在到达另一节点1006b之前行驶到中间节点。(当提到AV 100在节点之间行驶时，意味着AV 100在由相应节点表示的两个物理位置之间行驶。)边1010a-1010c通常是双向的，从某种意义上，AV 100从第一节点行驶到第二节点，或者从第二节点行驶到第一节点。在实施例中，边1010a-1010c是单向的，从某种意义上，AV 100可以从第一节点行驶到第二节点，然而AV100不能从第二节点行驶到第一节点。在边1010a-1010c表示例如单向街道，街道、道路或公路的单独车道，或者由于法律或物理约束因而仅能沿一个方向穿过的其它特征的情况下，边1010a-1010c是单向的。

在实施例中，规划模块404使用有向图1000来识别由起点1002和终点1004之间的节点和边组成的路径1012。

边1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在AV 100选择该边的情况下将花费的资源的值。典型的资源是时间。例如，如果一个边1010a所表示的物理距离是另一边1010b所表示的物理距离的两倍，则第一边1010a的关联成本1014a可以是第二边1010b的关联成本1014b的两倍。影响时间的其它因素包括预期交通、十字路口的数量、限速等。另一典型的资源是燃料经济性。两个边1010a-1010b可以表示相同的物理距离，但例如由于道路条件、预期天气等，因此一个边1010a与另一边1010b相比需要更多的燃料。

在规划模块404识别起点1002和终点1004之间的路径1012时，规划模块404通常选择针对成本优化的路径，例如，在将边的个体成本相加到一起时具有最小总成本的路径。

自主运载工具控制

图11示出(例如，如图4所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102而操作，该控制器1102例如包括：与处理器304类似的一个或多个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多个计算机处理器)；与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器，随机存取存储器或闪速存储器或这两者)；以及存储器中所存储的指令，这些指令在(例如，由一个或多个处理器)执行时执行控制器1102的操作。

在实施例中，控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度，例如速率和航向。期望输出1104例如可以基于从(例如，如图4所示的)规划模块404接收到的数据。根据期望输出1104，控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合AV 100的油门(例如，加速控制)以实现期望输出1104的大小。在一些示例中，油门输入1106还包括可用于接合AV 100的制动器(例如，减速控制)的数据。转向输入1108表示转向角度，例如AV的转向控制(例如，方向盘、转向角致动器或用于控制转向角度的其它功能)应被定位成实现期望输出1104的角度。

在实施例中，控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如，如果AV 100遇到诸如山丘等的干扰1110，则AV 100的测量速率1112降至低于期望输出速率。在实施例中，任何测量输出1114均被提供至控制器1102，使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和AV 100的传感器可测量的其它输出。

在实施例中，例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息，并且该信息被提供至预测性反馈模块1122。然后，预测性反馈模块1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如，如果AV 100的传感器检测到(“看见”)山丘，则控制器1102可以使用该信息来准备在适当时间接合油门，以避免显著减速。

图12示出控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如，速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈，来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。

控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如，横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈，来指示方向盘控制器1210调整转向角致动器1212的位置。

控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的若干输入。规划模块404提供控制器1102例如选择AV 100开始操作时的航向并确定在AV 100到达十字交叉路口时穿过哪个道路路段所使用的信息。定位模块408例如将描述AV 100的当前地点的信息提供至控制器1102，使得控制器1102可以确定AV 100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期的地点。在实施例中，控制器1102接收来自其它输入1214的信息，例如从数据库、计算机网络等接收到的信息。

背景检测

市区是杂乱的。诸如具有各种大小和形状的运载工具、非刚性运动的行人、快速变化的对象遮挡物、施工区域、树木和叶子等的动态实体只是造成杂乱的几个因素。动态实体还包括对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)。在某些情况下，由于数据的稀疏性，这常常使得难以从使用LiDAR所收集的点云数据中检测对象边界从而进行分割。从相对于传感器具有非零相对运动的对象进行的连续测量常常无法充分地重叠禁止时间数据关联。另一方面，LiDAR装置在测量距离方面比照相机更精确。稀疏点云处理流水线可以用于利用其早期阶段的LiDAR的精度来分割地表面。这便于流水线的后期阶段的前景对象分割和它们的时间关联。

在示例中，与其它类型的对象相比，地表面表现出易于建模的属性。由于市区环境中的几乎所有对象都位于地表面上，因此地平面实际上也将所有对象与其它对象连接起来。反过来，这意味着分割地表面断开了大多数对象的连接，从而便于绘制对象边界。由于这两个原因，点云处理流水线的第一阶段标记了地表面点。

地表面通常假定为平面的，但这种假定在现实世界中(诸如旧金山等的丘陵环境)并不总是成立。在一些示例中，可以基于诸如点/面法线、点对点距离等的度量来使用区域生长，从随机选择的种子点开始使得它们在种子点选择不良的情况下容易失败。

与照相机图像不同，LiDAR点云本身并不包含点(像素)邻域信息。尽管可以将LiDAR的驱动器(例如，接口)配置为发布有序点云数据，但是对于多LiDAR场景(例如，自主运载工具)仍然重建邻域关系。实现邻域搜索的两种方法是k最近邻(kNN)搜索和半径搜索(r搜索)。这些方法对均匀采样的点云有很好的效果。然而，由于LiDAR传感器的投影性质，点对点距离随着从地表面收集的数据的范围而指数地增加。在一些示例中，两种搜索方法利用在不同范围自适应地改变的不同参数来运行。

可以使用环境的2D网格。为此，将所有点投影在以(虚拟)传感器原点为中心的单位球面上，并且在球面上进行2D Delaunay三角剖分。然后将这些点反向投影到它们的原始范围以给出最终的三角形网格。球面旋转镶嵌用于生成“面”——点云中的点之间的平面。通常，球面的镶嵌以区块(tile)覆盖球面。在实施例中，区块是三角形的，没有重叠的区块或间隙。

球面Delaunay三角剖分可以与最初针对2D平面设计的Fortune的扫描线算法(sweep-line algorithm)的重构一起使用。通常，针对一般位置中的给定离散点集的Delaunay三角剖分是使得没有点在三角剖分的任何三角形的外接圆内的三角剖分。在实施例中，Delaunay三角剖分使三角剖分中的三角形的所有角度的最小角度最大化，并且趋于避免内角尖锐的三角形(sliver triangle)。在示例中，根据通过使用机载惯性测量单元(IMU)跟踪重力矢量的卡尔曼滤波器估计的先验地平面方向来初始化扫描圆。扫描圆的开始位置确定了Delaunay三角剖分的演化。例如，在利用定向为使得z轴与重力矢量重合的LiDAR收集的点云中，网格化将开始添加顶点在较高z坐标处的三角形。然而，网格的具有较高z坐标的部分可能不与地表面相对应，例如建筑物立面或树冠。因此，点云被转变为使得网格化从更可能与地表面相对应的点开始。在实施例中，网格化以地表面点开始。以这种方式，并不是所有的点都需要被处理，这是因为地表面位于扫描球面的北半球上(例如，在转变之后)。在一些示例中，这节省了CPU时间。此外，由于LiDAR传感器的投影性质和网格化的工作方式，许多条状、倾斜的伪面被添加到网格。假定适当地选择了(在使用多个LiDAR的情况下为虚拟的)传感器原点，则这样的面总是由非地面对象引起的。通过在适当的点初始化扫描圆，可以避免将这种面添加到网格中，否则这可能导致过多的噪声妨碍地表面检测。在实施例中，适当的点是基于所估计的地平面方向而可能为地表面点的点。

与环境的网格一起，同时构造顶点与网格面相对应的图。仅在方位和高度类似的面之间定义图的边。然后通过对该图进行连接成分的分析来对网格进行过分割。将具有多于阈值数量的元素的连接成分以及平均表面法线接近于先验地平面法线的连接成分识别为地表面。连接成分分析的替代方法是进行图切割，但是该技术可能使用更多的处理功率。

该技术使用诸如最大表面法线偏差和连接成分大小等的较少参数。该技术也不使用任何关于地表面的平面度的假设。此外，由于在网格化处理期间，通过算法构造邻域关系，因此可以使用多个LiDAR。例如，如下所述，根据所识别的面将点与其它点相关联。

在去除地表面点之后，点云处理流水线的较后阶段可以更容易地检测诸如小汽车和行人等的对象，这是因为各个这样的对象将与其环境隔离，使得能够使用简单的欧几里德距离进行分割。

图13示出来自原始点云的部分网格。在实施例中，本技术使得能够从至少一个LiDAR装置接收线或点云信息。在图13的示例中，通常，网格是应用于多个数据点的结构。诸如图1的LiDAR 123等的LiDAR输出二维(2D)或三维(3D)点1302的集合。在一些情况下，2D或3D点1302被称为用于构造环境190(图1)的表示的点云(例如，图5的输出504a)。

在实施例中，部分网格1300是从至少一个LiDAR装置接收到的线或点云信息。部分网格是环境中的点云数据点的二维(2D)表示。本技术可使用一个或多个LiDAR装置来操作。在具有多个LiDAR装置的示例中，在将点云信息建模为球面时适当地选择传感器原点。在实施例中，在从至少一个LiDAR装置获得点云信息之后，将点云信息建模为球面。

因此，本技术使得能够将点云信息建模为球面。在实施例中，为了将点云信息建模为球面，使用点云数据生成环境的二维网格。在示例中，为了生成环境的2D网格，将点云点投影到以(虚拟)传感器原点为中心的单位球面上。通常，点云数据具有X、Y和Z坐标的关联集。将点云数据投影到单位球面上使点云数据映射到球面坐标集合。在实施例中，球面坐标通过三个数字指定点的位置：该点相对于固定原点的径向距离、该点的从固定天顶方向测量的极角、以及该点在穿过原点并与天顶正交的基准平面上的正交投影的方位角(该方位角是从该平面上的固定基准方向测量的)。例如，球面坐标系可以实现为极坐标系的三维版本。在实施例中，为了将点云信息建模为球面，使用球面参数化来管理点云。在实施例中，球面上的簇用于识别如本文所述的点云数据中的面。

在实施例中，对单位球面进行2D三角剖分以生成多边形网格，也称为网格化。在实施例中，球面旋转镶嵌的输出是一个或多个面。如本文所使用的，面是点云中的点之间的平面。在实施例中，可以使用球面Delaunay三角剖分与Fortune的线扫描算法的重构来生成面。Fortune的线扫描算法最初设计为与二维平面一起使用。线扫描(和网格化)从更可能与地表面对应的点开始。通常，在从点云转变到球面之后，地表面位于扫描球面的北半球上。

图14示出表示地表面1402以及其它对象1404的面。通常，地表面1402由白色三角形表示，而其它对象1404由填充的/图案化的三角形表示。在实施例中，基于球面，识别与所接收的LiDAR点云信息的各个点簇相对应的面。面1402表示地表面。面1404表示其它对象。在实施例中，线用于将各个地点与其最近邻连接。用于形成网格化的三角剖分使所生成的三角形的退化最小化。

在生成网格1402时，点云被转变为使得网格化在更可能与地表面相对应的点处开始。以这种方式，并不是所有的点都需要被处理，这是因为地表面位于扫描半球的北半球上。在一些示例中，这节省了CPU时间。此外，由于LiDAR传感器的投影性质和网格化的工作方式，许多条状、倾斜的伪面被添加到网格。如果适当地选择了传感器原点，则可以避免将这种面添加到网格中，否则这可能导致过多的噪声妨碍地表面检测。在实施例中，当识别出地表面时，处理结束。

图15示出所识别的地表面1402。

图16示出所识别的非地面1404。

图17示出示例性面F1-F5与图数据结构的对应关系1700。面F1-F5可以是例如面1402或1404。例如，面F2-F4是相邻的(例如，共享LiDAR点云点，在图中表示为三角形)并且共享类似的特性，因此它们的对应图节点/顶点(表示为圆)属于连接图。面F1和F5虽然与其它面相邻，但不共享特性(例如，在类似度阈值内)，因此不连接到其它节点/顶点。

在实施例中，生成图结构1702，该图结构1702包括与所识别的网格面的各个面相对应的顶点。在实施例中，与环境的网格一起，同时构造具有与网格面相对应的顶点的图(具有环境的网格)。仅在方位和高度类似的面之间定义图的边。

在实施例中，本技术使得能够基于各个底层点的邻接性和对应面的特性来连接图数据结构的顶点。如本文所使用的，相邻的面共享一个或多个点云点。在图中，面F1-F5由节点表示。在实施例中，图17是面F1至F5 1702与图数据结构1704的对应关系的图示。在图结构1704中，各个面1702由节点表示。图的节点/顶点之间的连接可以至少部分地基于来自点云的各个底层点的邻接性。图的节点/顶点之间的连接可以至少部分地基于对应面的特性。特性例如可以是面在类似度的阈值内。如本文所使用的，类似度的阈值是指类似的方位或高度。例如，具有类似方位的面以大致类似的方向定向。具有类似高度的面以基本类似的高度定位。

在实施例中，基于图数据结构，识别一组图，其中各个子图包括所连接的顶点。子图生成基于仅在方位和高度类似的面之间定义的图的边。在实施例中，针对各个子图，分析与该子图的顶点相对应的面的特性。例如，然后通过对该图进行连接成分分析来对网格进行过分割。将具有多于阈值数量的元素的连接成分和具有接近于高优先级地平面法线的平均表面法线的连接成分识别为地表面。连接成分分析的替代方法是进行图切割，但是该技术可能使用更多的处理功率。在实施例中，基于该分析，识别与物理环境的背景特征相对应的子图。

图18是用于使用LiDAR识别背景特征的处理的处理流程图1800。在图18的示例中，该处理1800可以通过图1的计算处理器146来实现。该处理可以在类似于参照图2描述的云计算环境200的云计算环境中实现。另外，在图18的示例中，该处理可以由图3的计算机系统300实现。

在框1802，从至少一个LiDAR装置(例如，LiDAR 123)获得LiDAR点云信息(例如，输出504a)。在框1804，将点云信息建模为球面。在框1806，基于球面，识别与所接收的LiDAR点云信息的各个点簇相对应的面。例如，球面旋转镶嵌应用于球面以识别至少一个面。

在框1808，生成图数据结构，该图数据结构包括与所识别的面中的各个面相对应的顶点。在框1810，基于各个底层点的邻接性和对应面的特性来连接图数据结构的顶点。在框1812，基于图数据结构，识别子图，其中各个子图包括所连接的顶点。在框1814，针对各个子图，分析与该子图的顶点相对应的面的特性。在框1816，基于该分析，识别与物理环境的背景特征相对应的子图。在框1818，通信地耦接到至少一个处理器的控制电路被配置为基于所识别的背景特征来操作运载工具。

在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

相关申请的交叉引用

本申请要求于2020年6月2日提交的美国临时专利申请63/033,816的优先权，其全部内容通过引用结合在此。

Claims (20)

1.一种运载工具，包括：

至少一个光检测和测距装置即至少一个LiDAR装置，其被配置为检测从接近所述运载工具的对象所反射的电磁辐射，并且基于所检测到的光来生成LiDAR点云信息；

至少一个计算机可读介质，其存储计算机可执行指令；

至少一个处理器，其通信地耦接到所述至少一个LiDAR装置，并且被配置为执行所述计算机可执行指令，所述执行进行操作，所述操作包括：

从所述至少一个LiDAR装置接收LiDAR点云信息；

将所述点云信息建模为球面；

基于所述球面，识别与所接收到的LiDAR点云信息的各个点簇相对应的面；

生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；

基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；

基于所述图数据结构，识别子图，其中，各个子图包括所连接的顶点；

针对各个子图，分析与该子图的顶点相对应的面的特性；以及

基于所述分析，识别与物理环境的背景特征相对应的子图；以及

控制电路，其通信地耦接到所述至少一个处理器，其中，所述控制电路被配置为基于所识别的背景特征来操作所述运载工具。

2.根据权利要求1所述的运载工具，其中，包括将点云信息建模为球面的操作包括：将点云投影到单位球面上。

3.根据权利要求1或2所述的运载工具，其中，与所述点云信息相关联的稀疏性随着距LiDAR的距离的增加而增加。

4.根据权利要求1至3中任一项所述的运载工具，其中，所述点云信息不是均匀采样的。

5.根据权利要求1至4中任一项所述的运载工具，其中，包括识别与所接收到的LiDAR点云信息的各个点簇相对应的面的操作包括球面旋转镶嵌。

6.根据权利要求1至5中任一项所述的运载工具，其中，面是所述点云信息中的多个点之间的平面。

7.根据权利要求1至6中任一项所述的运载工具，其中，惯性测量单元用于确定重力矢量，其中，所述重力矢量用于估计用于初始化球面Delaunay三角剖分的扫描圆的地平面方向，其中，球面Delaunay三角剖分能够与Fortune的扫描线算法的重构一起使用以识别面。

8.根据权利要求7所述的运载工具，其中，在适当的点处初始化所述扫描圆使得能够消除杂乱进入网格。

9.根据权利要求1至8中任一项所述的运载工具，其中，包括识别与所接收到的LiDAR点云信息的各个点簇相对应的面的操作包括：在与地表面相对应的点处初始化网格化。

10.根据权利要求1至9中任一项所述的运载工具，其中，同时构造图数据结构和网格。

11.一种用于运载工具的方法，包括：

从至少一个LiDAR装置接收LiDAR点云信息；

使用至少一个处理器将所述点云信息建模为球面；

使用所述至少一个处理器识别与所接收到的LiDAR点云信息的各个点簇相对应的面；

使用所述至少一个处理器生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；

使用所述至少一个处理器基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；

使用所述至少一个处理器识别所述图数据结构的子图，其中，各个子图包括所连接的顶点；

使用所述至少一个处理器分析与所述子图的顶点相对应的面的特性；

使用所述至少一个处理器基于所述分析来识别与物理环境的背景特征相对应的子图；以及

使用控制电路基于所识别的背景特征来操作运载工具。

12.根据权利要求11所述的方法，包括：将点云投影到单位球面上。

13.根据权利要求11或12所述的方法，其中，与所述点云信息相关联的稀疏性随着距LiDAR的距离的增加而增加。

14.根据权利要求11至13中任一项所述的方法，其中，所述点云信息不是均匀采样的。

15.根据权利要求11至14中任一项所述的方法，包括球面旋转镶嵌以识别与所接收到的LiDAR点云信息的各个点簇相对应的面。

16.根据权利要求11至15中任一项所述的方法，其中，面是所述点云信息中的多个点之间的平面。

17.根据权利要求11至16中任一项所述的方法，其中，惯性测量单元用于确定重力矢量，其中，所述重力矢量用于估计用于初始化球面Delaunay三角剖分的扫描圆的地平面方向，其中，球面Delaunay三角剖分能够与Fortune的扫描线算法的重构一起使用以识别面。

18.根据权利要求17所述的方法，其中，在适当的点处初始化所述扫描圆使得能够消除杂乱进入网格。

19.一种非暂时性计算机可读存储介质，包括用于由第一装置的至少一个处理器执行的至少一个程序，所述至少一个程序包括指令，所述指令在由所述至少一个处理器执行时进行包括以下操作的方法：

从至少一个LiDAR装置接收LiDAR点云信息；

使用至少一个处理器将所述点云信息建模为球面；

使用所述至少一个处理器识别与所接收到的LiDAR点云信息的各个点簇相对应的面；

使用所述至少一个处理器生成图数据结构，所述图数据结构包括与所识别的面中的各个面相对应的顶点；

使用所述至少一个处理器基于各个底层点的邻接性和对应面的特性来连接所述图数据结构的顶点；

使用所述至少一个处理器识别所述图数据结构的子图，其中，各个子图包括所连接的顶点；

使用所述至少一个处理器分析与所述子图的顶点相对应的面的特性；

使用所述至少一个处理器基于所述分析来识别与物理环境的背景特征相对应的子图；以及

使用控制电路基于所识别的背景特征来操作运载工具。

20.根据权利要求19所述的非暂时性计算机可读存储介质，包括将点云投影到单位球面上。

Images