CN114252066A - 运载工具、用于运载工具的方法以及存储介质 - Google Patents

Abstract

本发明涉及一种运载工具、用于运载工具的方法以及存储介质。描述了用于校准运载工具的传感器的技术。一种技术涉及识别用于校准运载工具的至少一个传感器的触发。响应于识别出触发，然后该技术涉及启动运载工具的校准路径规划模式。在校准路径规划模式下，该技术包括：生成多个校准认知路径，各个校准认知路径包括沿着至少一个道路的至少一个校准轨迹；以及从多个路径中选择运载工具的第一校准认知路径，其中，在运载工具沿着所选路径行驶时，该至少一个传感器被校准。

Description

运载工具、用于运载工具的方法以及存储介质

技术领域

本申请涉及利用校准信息的运载工具路径规划。

背景技术

由于各种原因，运载工具传感器的校准随着时间或里程而劣化。结果，由于在绘制地图、定位、规划、控制和感知方面的性能变差，运载工具可能变得不太安全。因此，运载工具传感器需要重新校准，以避免传感器功能上的错误。

发明内容

根据一方面，提供了一种运载工具，包括：至少一个传感器；至少一个计算机；以及存储指令的存储器，所述指令在由所述至少一个计算机执行时使所述至少一个计算机进行操作，所述操作包括：识别用于校准所述至少一个传感器的触发；响应于识别出所述触发，启动所述运载工具的校准路径规划模式；以及在所述校准路径规划模式下：生成多个校准认知路径，所述多个校准认知路径各自包括沿着至少一个道路的至少一个校准轨迹；以及从所述多个校准认知路径中选择用于所述运载工具的第一校准认知路径，其中，在所述运载工具沿着所述第一校准认知路径行驶时，所述至少一个传感器被校准。

根据另一方面，提供了一种运载工具中的方法，包括：识别用于校准所述至少一个传感器的触发；响应于识别出所述触发，启动运载工具的校准路径规划模式；以及在校准路径规划模式下：生成多个校准认知路径，所述多个校准认知路径各自包括沿着至少一个道路的至少一个校准目标和沿着至少一个道路的至少一个校准轨迹中至少之一；以及从所述多个校准认知路径中选择用于所述运载工具的第一校准认知路径，其中，在所述运载工具沿着所述第一校准认知路径行驶时，所述至少一个传感器被校准。

根据另一方面，提供了一种非暂时性计算机可读存储介质，其包括用于由第一装置的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括指令，所述指令在由所述一个或多个处理器执行时使所述第一装置进行上述方法。

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例示出示例“云”计算环境。

图3例示出计算机系统。

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以附加的细节示出LiDAR系统的操作。

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13A和图13B示出无约束校准路径和受约束校准路径之间的比较。

图14示出校准系统的框图。

图15示出运载工具的示例性校准认知路径。

图16示出用于生成运载工具的校准认知路径的处理的流程图。

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，显而易见的是，本发明可以在没有这些具体细节的情况下实施。在其它示例中，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，显示了示意要素的具体安排或次序，例如表示设备、模块、指令块和数据要素的那些要素。然而，本领域技术人员应当理解，附图中示意要素的具体排序或安排并不意味着要求特定的处理顺序或序列、或处理过程的分离。此外，在附图中包含示意性要素并不意味着在所有实施例中都需要这种要素，也不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、例如实线或虚线或箭头用于说明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显示，以便不掩盖本发明。此外，为了便于说明，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，如果连接元件代表信号、数据或指令的通信，本领域技术人员应理解，该元件代表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，其示例在附图中示出。在下面的详细描述中，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，以便不会不必要地掩盖实施例的方面。

下面描述的若干特征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。但是，任何个别特征可能不能解决上述任何问题，或者只能解决上述问题之一。上文讨论的一些问题可能不能通过本文所述的任何一个特征得到充分解决。虽然提供了标题，但在本说明的其它地方也可以找到与某一标题有关但在该标题部分未找到的信息。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.校准系统

总体概述

一种无监督校准系统通过利用运载工具的路径规划(例如，通过选择包括在校准中使用的特征的路径)来进行传感器校准和验证。通常，传感器校准需要探索参数空间，其中参数空间是与一组传感器参数相关的值的所有可能组合。校准系统利用道路网络，该道路网络固有地提供使得传感器能够有效地探索参数空间的各种运载工具轨迹。另外，沿着道路网络的结构提供也允许传感器探索参数空间的校准目标。当在校准模式下操作时，校准系统生成沿着道路网络的校准认知(calibration-aware)路径，其中各校准认知路径包括有助于传感器校准的运载工具轨迹和结构。系统根据驾驶因素和/或校准因素对各路径进行评分，并且基于评分选择路径之一。然后，随着运载工具沿着所选择的路径行驶，由于沿着路径的各种运载工具轨迹和结构允许传感器探索参数空间，因此传感器被校准。

校准系统的一些优点包括用以在不需要专用校准设施的情况下进行传感器校准的能力。此外，校准系统改善了由运载工具提供的服务的效率，这是因为运载工具的传感器校准可以在不将运载工具从部署中移除的情况下进行。另外，在部署运载工具的同时进行传感器校准的能力避免了传感器校准的任何不必要的延迟或推迟。参数的这种连续更新改善了运载工具的绘制地图、定位、规划、控制和感知，并且进而改善了乘客安全性。

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过的部分。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一些空间(例如，小于50％)。例如，具有相距远的车道标记的道路可能在标记之间容纳两个或更多个运载工具，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，并且因此可被解释为具有比车道标记之间的空间窄的车道，或具有车道之间的两个车道。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(例如乡村区域沿着通道的岩石和树木，或例如不发达区域中要避开的自然障碍物)来定义车道。车道也可以与车道标记或物理特征无关的方式来解释。例如，车道可以基于否则就缺少将被解释为车道边界的特征的区域中没有障碍物的任意路径来解释。在示例场景中，AV可以解释通过田地或空地的无障碍部分的车道。在另一示例场景中，AV可以解释通过没有车道标记的宽道路(例如，宽达两个或更多个车道)的车道。在该场景下，AV能够将与车道有关的信息传送给其它AV，以便其他AV能够使用同一车道信息来协调它们之间的路径规划。

术语“空中(OTA)客户端”包括嵌入、耦接到AV或与AV通信的任何AV或任何电子装置(例如，计算机、控制器、IoT装置、电子控制单元(ECU))。

术语“空中(OTA)更新”是指使用专有和/或标准化无线通信技术(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/或卫星互联网)递送到OTA客户端的对软件、固件、数据或配置设置或其任意组合的任何更新、改变、删除或添加。

术语“边缘节点”是指耦接到网络的一个或多个边缘装置，其提供用于与AV通信的门户，并且可以与其它边缘节点和基于云的计算平台通信，以用于向OTA客户端调度和递送OTA更新。

术语“边缘装置”是指实现边缘节点并提供到企业或服务提供商(例如，VERIZON、AT&T)核心网络中的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于：计算机、控制器、发射器、路由器、路由交换机、集成接入装置(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。

与需要人类驾驶员的运载工具相比，自主运载工具具有优势。一个优势是安全性。例如，在2016年，美国发生了600万起车祸，240万人受伤，4万人死亡，1300万运载工具碰撞，估计社会成本为9100+亿美元。从1965年到2015年，美国每1亿英里的交通死亡人数已经从大约6人减少到大约1人，部分原因是运载工具所部署有的附加的安全措施。例如，将发生碰撞的额外半秒的报警被认为可以减轻60％的前-后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改善这一数字方面可能已达到了极限。因此，诸如运载工具的自动控制的主动的安全措施可能是改善这些统计数据的下一步。因为在95％的碰撞中，人类驾驶员被认为是对严重的预碰撞事故有责任，所以自主驾驶系统可能会实现更好的安全结果，例如，比人类更可靠地识别和避免危急情形；比人类更好地做出更好的决策、遵守交通规则、并预测未来事件；以及比人类更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”来意指使运载工具进行动作(例如，驾驶机动)的可执行指令(或指令集)。操作命令可以包括但不限于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AV100。

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、WiFi、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接收并强制执行乘客的隐私级别(例如，由乘客指定或存储在与乘客相关联的简档中)。乘客的隐私级别确定如何允许对与乘客相关联的特定信息(例如，乘客舒适度数据、生物特征数据等)进行使用、存储在乘客简档中和/或存储在云服务器136上并与乘客简档相关联。在实施例中，隐私级别指定一旦乘车完成就删除的与乘客相关联的特定信息。在实施例中，隐私级别指定与乘客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。被授权访问信息的指定实体的示例可以包括其它AV、第三方AV系统或可以潜在地访问信息的任何实体。

乘客的隐私级别可以在一个或多个粒度级别上指定。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，隐私级别应用于与乘客相关联的所有信息，使得乘客可以指定其个人信息中的任何信息都不被存储或共享。被准许访问特定信息的实体的规范也可以在各种粒度级别上指定。被允许访问特定信息的实体的各集合可以包括例如其它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确定与乘客相关联的某些信息是否可由AV100或其它实体访问。例如，尝试访问与特定时空位置相关的乘客输入的第三方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客相关联的信息。例如，AV系统120使用乘客的指定隐私级别来确定与时空位置相关的乘客输入是否可以被呈现给第三方AV系统、AV 100或其它AV。这使得乘客的隐私级别能够指定允许哪些其它实体接收与乘客的动作有关的数据或与乘客相关联的其它数据。

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中的各个模块有时被称为处理电路(例如，计算机硬件、计算机软件或两者的组合)。模块402、404、406、408和410中的任何或所有模块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AV100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，高精度地图是通过经自动或手动的注释向低精度地图添加数据来构建的。

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，使用诸如电荷耦合器件[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AV100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AV100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。

校准系统

传感器校准需要探索传感器的参数空间，其中参数空间是与一组传感器参数相关的值(或其一部分)的所有可能组合。传统上，运载工具传感器校准在结构化环境(例如，指定的室内设施)中进行，在该结构化环境中，运载工具遵循允许传感器探索其参数空间的无约束路径。然而，该处理是昂贵且耗时的，特别是因为运载工具必须从道路上移除以进行校准。

为了更有效地进行运载工具传感器校准，所公开的校准系统生成沿着道路网络的受约束校准路径。道路网络固有地提供使得传感器能够有效地探索其参数空间的各种运载工具轨迹。受约束路径(也称为校准认知路径)包括使得传感器能够有效地探索其参数空间的校准轨迹。校准轨迹包括沿运载工具坐标系的轴的任何运载工具移动。校准轨迹的示例包括运载工具转弯(例如，90度转弯或圆形转弯)、高度变化(例如，沿着斜坡道路行驶)、加速、制动以及其它示例。另外，沿着道路网络的结构提供也允许传感器探索其参数空间的校准目标。因此，随着运载工具沿着校准认知路径行驶，运载工具的传感器可以使用校准轨迹和/或校准目标进行校准。通过沿着道路网络进行校准，所公开的校准系统减少了对专用校准设施的需要，并且使得能够更有效地进行传感器校准。

图13A和图13B示出无约束校准路径1300与受约束校准路径1302之间的比较。如图13A所示，当运载工具处于无约束环境时，运载工具可以沿着无约束校准路径1300行驶以校准运载工具的传感器。然而，运载工具在包括诸如道路和建筑物(例如，建筑物1304)等的基础设施的受约束环境中不能遵循无约束校准路径1300。如图13B所示，由于受约束环境中的基础设施和规定(例如，驾驶规则)，运载工具不能在指定道路上遵循无约束路径。为了在受约束环境中实现相同的校准，所公开的校准系统生成受约束校准路径1302。如图13B所示，受约束校准路径1302包括两个区段1306a、1306b，这两个区段组合地具有与无约束校准路径1300相似的总体轨迹。正因如此，尽管受约束校准路径1302受环境约束，但该路径实现与无约束校准路径1300相同的传感器校准。

图14示出校准系统1400的框图。校准系统1400被配置为生成校准认知路径以校准运载工具的至少一个传感器。如图14所示，校准系统1400包括控制器1402和路径生成器1404。尽管校准系统1400在图14中被描绘为独立系统，但是在一些示例中，校准系统1400是其它系统的一部分，诸如规划模块404(例如，如图4所示)等。此外，尽管后续描述将校准系统1400描述为生成校准认知路径以校准单个传感器，但是在一些示例中，使用校准认知路径来校准多个传感器。在这些示例中，校准认知路径可以被用于同时校准多个传感器，或者校准认知路径的不同区段可以被用于校准不同的传感器。例如，校准系统1400可以基于与多个传感器相关联的信息生成单个校准认知路径，或者可以针对各个传感器生成相应的校准认知路径，该相应的校准认知路径随后被组合以形成总体校准认知路径。

在实施例中，控制器1402识别用于校准运载工具的传感器的触发。在示例中，触发是自传感器的上次校准起已经经过的阈值时间量。在另一示例中，触发是从传感器或监视传感器的校准的系统接收的校准请求。响应于识别出触发，控制器1402可能基于诸如当前时间(例如，早上或晚上)和运载工具当前是否运输乘客等的因素来确定是否校准传感器。在示例中，控制器1402可以被配置为在一天中的某个时间或在某些条件下(例如，运载工具在乘客运输行程之间)校准传感器。

如果控制器1402确定为不校准该传感器，则控制器1402可以在后续时间重新调度校准。相反，如果控制器1402确定要进行校准，则控制器1402向路径生成器1404发送请求以生成运载工具的校准认知路径。该请求可以包括行程信息(例如，当前运载工具位置、行程目的地、以及优选行驶方向)和/或校准信息(例如，要校准的传感器的类型和当前传感器偏移)。

在实施例中，路径生成器1404接收来自控制器1402的请求作为输入，并且生成候选校准认知路径作为输出。如图14所示，路径生成器1404包括广域地图1410和校准认知路径数据库1412，路径生成器1404使用该广域地图1410和校准认知路径数据库1412以生成候选校准认知路径。注意，路径生成器1404可以与上述图4的规划模块404一起工作或者可以是图4的规划模块404的一部分。广域地图1410包括与地理区域相关联的信息，诸如标识各种对象(诸如道路、用于定义驾驶车道的特征、交叉口、十字路口、交通信号灯、建筑物、标志、植被或其他这样的对象和信息)的形状、地理位置坐标和高度的信息。校准认知路径数据库1412包括先前生成的校准认知路径(例如，由校准系统1400或其它系统生成)。各个校准认知路径可以包括标识信息，诸如与该路径相关联的道路的坐标、该路径被用于校准的传感器的类型、沿着该路径的校准轨迹和/或校准目标、以及使用该路径进行的校准的任何其它细节。

在实施例中，路径生成器1404使用两个处理之一生成候选校准认知路径。在第一处理中，路径生成器1404使用运载工具的行程信息和广域地图1410以确定从运载工具的当前位置起的可能路径。如果行程信息包括目的地，则路径生成器1404使用广域地图1410以确定到目的地的可能路径。并且如果请求不包括目的地，则路径生成器1404探测运载工具的所有可能路径，可能在阈值距离内或受到某些约束(例如，行驶的优选方向)。在一些场景中，路径生成器1404生成包括不沿着道路的区段的路径。例如，该区段可以通过停车位、停车结构或其它公共可访问区域。

一旦路径生成器1404生成了可能路径，路径生成器1404就对这些路径进行评价以确定哪些路径包括可以用于校准传感器的校准轨迹和/或校准目标。如果来自控制器1402的请求包括校准信息，则路径生成器1404使用校准信息以评价可能路径。并且如果请求不包括校准信息，则路径生成器1404基于预定的参考值来评价可能路径。基于校准轨迹的评价，路径生成器1404选择候选校准认知路径。例如，所选择的路径包括可以用于校准传感器的所有可能路径。

在一些实施例中，在生成可能路径之后，路径生成器1404确定校准认知路径数据库1412是否包括先前生成的与可能路径重叠的校准认知路径。如上所述，所存储的校准认知路径指示沿着路径进行的先前校准的校准信息。因此，路径生成器1404可以使用该信息以确定特定所存储的校准认知路径是否适合于校准。如果路径生成器1404识别出合适的校准认知路径，则路径生成器1404在候选校准认知路径中选择该路径。

在生成候选校准认知路径的第二处理中，如果请求包括校准信息，则路径生成器1404使用该校准信息以生成可以用于进行所期望的校准的校准轨迹。然后路径生成器1404使用广域地图1410以识别包括所生成的校准轨迹的可能路径。在一些示例中，路径生成器1404调整所生成的校准轨迹以拟合可能路径(例如，拟合如图13B中所示的受约束环境)。包括所生成的校准轨迹的可能路径被指定为候选校准认知路径。

在实施例中，在路径生成器1404生成候选校准认知路径之后，路径生成器1404将路径提供至控制器1402。控制器1402使用校准因素1406和/或驾驶因素1408来评价路径。校准因素的示例包括沿着路径的校准目标的数量、沿着路径的路面状况(例如，凸块、凹坑、减速块、道路不平坦)、沿着路径的校准轨迹的数量、或者沿着路径探索的参数空间的程度。驾驶因素的示例包括沿着路径的行驶持续时间、路径的距离、沿着路径的交通程度、或沿着路径的驾驶规则。基于对候选路径的评价，控制器1402向各个路径分配相应的得分。控制器1402基于得分选择用于运载工具的校准认知路径。在示例中，控制器1402选择具有最高总体得分的校准认知路径。在一些示例中，控制器1402可以给予各个路径不同类别的得分，诸如距离得分、驾驶员舒适度得分、校准得分和时间得分等。然后控制器1402可以(例如，基于预定指令)选择具有这些类别中任何类别的最高得分的路径。另外，控制器1402可以选择针对资源成本优化的路径，例如，当路径的各个成本被加在一起时具有最小总成本的路径。典型的资源是时间。影响时间的其它因素包括预期交通、交叉口的数量、限速等。另一种典型的资源是燃料经济性。两个路径可以表示相同的物理距离，但是例如由于道路状况、预期天气等，一个路径可能比另一个路径需要更多的燃料。

在运载工具运输乘客的场景中，控制器1402可以另外地和/或可选地基于用户反馈来评价候选路径。例如，控制器1402可以例如经由乘客装置向乘客提供指示候选校准认知路径的信息和与各个路径相关联的行程信息。行程信息可以包括行程长度、行程成本和乘客舒适度的指示。在一些示例中，控制器1402使用商业奖励(诸如折扣和奖赏等)来激励乘客选择校准认知路径(例如，具有最高总体得分的校准认知路径)。控制器1402使用用户选择的运载工具的路径。

图15示出在场景1500中生成的示例校准路径。在场景1500中，运载工具(图15中未示出)具有起始点1502和目的地1504之间的调度行程。如图15所示，行程是在包括道路、建筑物和其它结构的环境中。使用阴影方形(诸如方形1506、1508)来表示结构。

在实施例中，运载工具的校准系统识别用于校准运载工具传感器的触发。作为响应，校准系统生成用于运载工具的多个校准认知路径。如图15所示，校准系统生成被识别为路径1506(也被称为“路径1”)、路径1508(也被称为“路径2”)、和路径1510(也被称为“路径3”)的三个路径。校准系统基于校准因素和/或驾驶因素来评价所生成的路径。例如，校准系统基于包括沿着路径的强校准目标的数量、沿着路径的路面状况(例如，凸块、凹坑、减速块、道路不平坦)、沿着路径的校准轨迹(例如，90度转弯和高度变化)的数量、或者沿着路径探索的参数空间的程度来评价路径。在一些示例中，校准系统在强校准目标(例如，建筑物)与弱校准目标(例如，植被)之间进行区分。校准系统为各个路径分配相应的得分，并且基于得分选择用于运载工具的路径。在该场景中，控制器选择路径3，该路径3是三个路径中具有最高总体得分的路径。

图16示出用于生成包括至少一个传感器的运载工具所用的校准认知路径的处理1600的流程图。例如，该处理可以由图14的校准系统1400执行。在1602处识别用于校准至少一个传感器(例如，单目或立体摄像机、红外、热频谱、超声传感器、飞行时间(TOF)深度传感器、照相机、雷达、LiDAR、红外、加速度计)的触发(例如，自上次校准经过的时间，或来自传感器或监视传感器的系统的指示)。

响应于识别出触发，在1604处启动运载工具的校准路径规划模式。在1606处，生成各自包括沿着至少一个道路(例如，城市中的城市道路)的至少一个校准轨迹(例如，90度转弯、圆形转弯、斜坡轨迹)的多个校准认知路径。校准认知路径还可以包括校准目标(例如，诸如建筑物、广告牌和特别部署的校准目标等的结构)。在1608处，从多个校准认知路径中选择用于运载工具的第一校准认知路径。当运载工具沿着第一校准认知路径行驶时，至少一个传感器被校准。

在一些实现方式中，处理1600还涉及(例如，通过向运载工具的控制器发送指令)使运载工具沿着第一校准认知路径行驶。

在一些实施方式中，多个校准认知路径是第一多个校准认知路径，并且其中，处理1600还涉及：在运载工具已到达目的地之后，确定为至少一个传感器未完成校准(例如，通过检查第一行程期间的校准的细节、通过测试传感器)；响应于该确定，生成第二多个校准认知路径；以及使运载工具沿着该第二多个校准认知路径其中之一行驶。

在一些实现方式中，从多个校准认知路径中选择第一校准认知路径涉及：基于与校准认知路径中的各校准认知路径相关联的校准因素或驾驶因素中至少之一对该校准认知路径进行评分(例如，因素的加权得分)；以及选择具有最高得分的校准认知路径。

在一些实现方式中，驾驶因素包括沿着路径的行驶持续时间、路径的距离、沿着路径的交通程度、或者沿着路径的驾驶规则(例如，限速、道路规则)其中至少之一。

在一些实现方式中，校准因素包括沿着路径的校准目标的数量、沿着路径的路面状况(例如，坑洼、缓坡)、沿着路径的校准运载工具轨迹的数量、以及沿着路径探索的参数空间的程度其中至少之一。

在一些实现方式中，对多个校准认知路径中的各个校准认知路径进行评分还基于该至少一个传感器的类型(例如，通过确定哪些路径最佳地校准所期望的传感器来对这些路径进行评分)。

在一些实现方式中，处理1600还涉及将第一校准认知路径存储在校准认知路径的数据库(例如，地图数据库)中。

在一些实现方式中，生成多个校准认知路径涉及使用校准认知路径的数据库来生成多个校准认知路径其中至少之一。

在一些实现方式中，生成多个校准认知路径涉及：使用广域地图并基于运载工具的行程信息来分析运载工具的起始点和目的地之间的道路网络；以及基于该分析来确定包括阈值数量(例如，预定阈值)的校准目标和运载工具校准轨迹其中至少之一的路径。

在一些实现方式中，生成多个校准认知路径涉及：确定校准至少一个传感器的运载工具轨迹；以及基于运载工具轨迹，生成多个校准认知路径其中至少之一。

在一些实现方式中，调度运载工具以从起始点行驶至目的地(例如，在乘客行程过程中、在乘客行程之间)。

在一些实现方式中，起始点和目的地与乘客运输行程相关联，并且其中处理1600还涉及向乘客装置(例如，用户移动装置或运载工具内的装置)输出(i)指示多个校准认知路径的信息(例如，路线的视觉表示)；以及(ii)与多个校准认知路径中的各个校准认知路径相关联的行程信息，其中，行程信息包括乘客舒适度和行程成本(例如，采取校准认知路径的折扣)。

在一些实现方式中，从多个校准认知路径中选择用于运载工具的第一校准认知路径涉及经由乘客装置从该乘客接收指示第一校准认知路径的输入。

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。

Claims (16)

1.一种运载工具，包括：

至少一个传感器；

至少一个计算机；以及

存储指令的存储器，所述指令在由所述至少一个计算机执行时使所述至少一个计算机进行操作，所述操作包括：

识别用于校准所述至少一个传感器的触发；

响应于识别出所述触发，启动所述运载工具的校准路径规划模式；以及

在所述校准路径规划模式下：

生成多个校准认知路径，所述多个校准认知路径各自包括沿着至少一个道路的至少一个校准轨迹；以及

从所述多个校准认知路径中选择用于所述运载工具的第一校准认知路径，其中，在所述运载工具沿着所述第一校准认知路径行驶时，所述至少一个传感器被校准。

2.根据权利要求1所述的运载工具，其中，所述操作还包括：

使所述运载工具沿着所述第一校准认知路径行驶。

3.根据权利要求1所述的运载工具，其中，所述多个校准认知路径是第一多个校准认知路径，以及其中，所述操作还包括：

在所述运载工具到达目的地之后，确定为所述至少一个传感器未完成校准；

响应于所述确定，生成第二多个校准认知路径；以及

选择所述第二多个校准认知路径其中之一并且使所述运载工具沿着所述第二多个校准认知路径中的所选路径行驶。

4.根据权利要求1所述的运载工具，其中，从所述多个校准认知路径中选择所述第一校准认知路径包括：

基于与所述校准认知路径中的各校准认知路径相关联的校准因素或驾驶因素其中至少之一对该校准认知路径进行评分；以及

选择具有最高得分的校准认知路径。

5.根据权利要求4所述的运载工具，其中，所述驾驶因素包括沿着路径的行驶持续时间、所述路径的距离、沿着所述路径的交通程度、以及沿着所述路径的驾驶规定中至少之一。

6.根据权利要求4所述的运载工具，其中，所述校准因素包括沿着路径的校准目标的数量、沿着所述路径的路面状况、沿着所述路径的校准运载工具轨迹的数量、以及沿着所述路径探索的参数空间的程度中至少之一。

7.根据权利要求4所述的运载工具，其中，对所述多个校准认知路径中的各校准认知路径进行评分还基于所述至少一个传感器的类型。

8.根据权利要求1所述的运载工具，所述操作还包括：

将所述第一校准认知路径存储在校准认知路径的数据库中。

9.根据权利要求1所述的运载工具，其中，生成所述多个校准认知路径包括：

使用校准认知路径的数据库来生成所述多个校准认知路径中至少之一。

10.根据权利要求1所述的运载工具，其中，生成所述多个校准认知路径包括：

使用广域地图并基于所述运载工具的行程信息，分析所述运载工具的起始点和目的地之间的道路网络；以及

基于所述分析，确定包括阈值数量的运载工具校准轨迹的路径。

11.根据权利要求1所述的运载工具，其中，生成所述多个校准认知路径包括：

确定校准所述至少一个传感器的运载工具轨迹；以及

基于所述运载工具轨迹，生成所述多个校准认知路径中至少之一。

12.根据权利要求1所述的运载工具，其中，所述运载工具被调度为从起始点行驶至目的地。

13.根据权利要求12所述的运载工具，其中，所述起始点和所述目的地与乘客运输行程相关联，以及其中，所述操作还包括：

向乘客装置输出(i)指示所述多个校准认知路径的信息以及(ii)与所述多个校准认知路径中的各校准认知路径相关联的行程信息，其中，所述行程信息包括乘客舒适度和行程成本。

14.根据权利要求13所述的运载工具，其中，从所述多个校准认知路径中选择用于所述运载工具的第一校准认知路径包括：

经由所述乘客装置从乘客接收指示所述第一校准认知路径的输入。

15.一种用于运载工具的方法，包括：

识别用于校准至少一个传感器的触发；

响应于识别出所述触发，启动所述运载工具的校准路径规划模式；以及

在所述校准路径规划模式下：

生成多个校准认知路径，所述多个校准认知路径各自包括沿着至少一个道路的校准目标和沿着至少一个道路的校准轨迹中至少之一；以及

从所述多个校准认知路径中选择用于所述运载工具的第一校准认知路径，其中，在所述运载工具沿着所述第一校准认知路径行驶时，所述至少一个传感器被校准。

16.一种非暂时性计算机可读存储介质，其包括用于由第一装置的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括指令，所述指令在由所述一个或多个处理器执行时使所述第一装置进行根据权利要求15所述的方法。

Images