JP2015535204A - 道路天候条件検出 - Google Patents

Abstract

本開示の態様は、一般に、道路天候条件を検出することに関する。レーザー３１０、３１１、降水量センサー３４０及び／又はカメラ３２０、３２２を含む車両センサーは、情報（例えば道路の輝度、道路の輝度における変化、地上の輝度、現在の降水量、並びに道路の検出された高さ）を検知するのに用いられることがある。ネットワーク型天候情報（予報、レーダー、降水報告など）のような他の源から受信された情報も考慮されることがある。受信して検出された情報の組合せは、例えば車道の水、雪又は氷などの降水確率を推定するのに用いられることがある。この情報は次いで、自律型車両１０１を（例えば、ステアリング、加速、又はブレーキをかけるために）操縦するか、危険な状況を特定するのに用いられることがある。【選択図】 図２２

Description

発明の詳細な説明

関連出願の相互参照
この出願は、２０１２年９月２０日出願の米国特許出願番号第１３/６２３,３９７号の継続及び２０１２年９月２０日出願の米国特許出願番号第１３/６２３,４２２号の継続であり、それらの全ての開示事項は参照によって本明細書に取り込まれている。
背景

自律型車両は、一つの場所から他の場所への乗客の移送に役立つ様々なコンピュータ・システムを用いる。或る自律型車両は、オペレーター、例えばパイロット、運転者又は乗客からの初期入力又は連続入力を必要とすることがある。他の自律型システム、例えば自動操縦システムは、このシステムが作動可能状態にされているときだけ用いられることがあり、これはオペレーターが、手動モード（オペレーターが車両の動作の全てに亘り高度な制御をなす）から自律型モード（車両がそれ自体を基本的に駆動する）へ、それらの間の何処かにあるモードへ切り換えることを可能にする。

通常、そのような車両は、周囲環境における物体を検出するために、様々な種類のセンサーを備えている。例えば、自律型車両は、レーザー、ソナー、レーダー、カメラ、及び車両の周囲環境からのデータを走査して記録する他のデバイスを含むことがある。これらのデバイスの一つ以上からのセンサー・データは、複数の物体及びそれらのそれぞれの特徴（位置、形状、機首方位、速度など）を検出するのに用いられることがある。この検出及び識別は、自律型車両の安全な操作のために重要な機能である。
概要

本開示の一つの態様は方法を与える。この方法は、車道に沿って車両が駆動されるにつれて、その車道について集められたレーザー・データを受信し、このレーザー・データは複数のレーザー・データ点を含み、この複数のレーザー・データ点の各々のデータ点はそれに関連する場所及び強度情報を含み、車道内の場所に関連した複数のレーザー・データ点の平均強度を判定し、平均強度を、乾燥した天候条件下で車道の期待される平均強度閾値と比較し、平均強度が閾値を下回るときは、車道が濡れているという指標を特定し、プロセッサにより、車道が濡れているという指標に基づいて車道の走行条件を推定し、及び、この推定を用いて、プロセッサにより、車両のための駆動決定をなすことを含む。

一例を挙げれば、乾燥した天候条件の下の車道の期待される平均強度は、車道の表面の組成に基づいている。他の例において、この方法は、車道についての強度値の分布を決定し、この決定された分布を乾燥状態について期待される分布と比較し、この決定された分布が、乾燥状態について期待される分布に対して、強度スケールのより暗い端部へ向かって移っているときに、車道が濡れているという第２の指標を特定し、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、車両の後部部分の近傍に位置する特定の構造を示さない複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、このクラウドが検出されたとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をプロセッサにより用いて、走行条件を推定することも含む。他の例においては、この方法は、複数のレーザー・データ点から車道における移動する物体を検出し、この移動する物体の近傍に位置する特定の構造を示さない複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、このクラウドが検出されたとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、車道の期待される標高を示している車道についての詳細な地図情報にアクセスし、車道の期待される表面の近傍の場所データに関連した受信されたレーザー・データ点からレーザー・データ点のクラウドを特定し、このクラウドのレーザー・データ点を期待される車道表面の上方の第１の閾値及び期待される車道表面の下方の第２の閾値と比較し、クラウドのレーザー・データ点が第１の閾値の上方の少なくとも一つのレーザー・データ点と第２の閾値の下方の少なくとも一つのレーザー・データ点とを含むとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、車両が車道に沿って駆動されるにつれて、カメラから撮られた画像を受信し、この画像に基づいて車道が湿った状況であるという更なる指標を特定し、及び、車道が濡れているという更なる指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、車両に関連した降水量センサーから降水量データを受信し、この降水量データに基づいて車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、走行条件を推定することは、ベイジアン推定を用いることを含む。他の例においては、この方法は、車道の期待される標高を示している車道についての詳細な地図情報にアクセスし、車道の一部についての平均標高を決定し、この車道の一部の平均標高が、期待された標高よりも高い少なくとも第２の閾値であるか否かに基づいて、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、ネットワーク上のサーバーから車両の現在位置についての気象情報を受信し、この気象関連情報に基づいて車道が濡れているという第２の指標を特定し、車道が濡れているという第２の指標をプロセッサにより用いて走行条件を推定することも含む。

開示の他の態様はシステムを与える。このシステムは、乾燥した天候条件の下に車道の期待される平均強度を記憶しているメモリとプロセッサとを含む。そのプロセッサは、車両が車道に沿って駆動されるにつれて車道について集められたレーザー・データを受信し、そのレーザー・データは複数のレーザー・データ点を含み、この複数のレーザー・データ点の各々のデータ点の各々は、それに関連した位置及び強度情報を含み、車道内の場所に関連した複数のレーザー・データ点の平均強度を決定し、この平均強度を、乾燥した天候条件下で車道の期待される平均強度に関連した閾値と比較し、平均強度が閾値よりも下方であるとき、車道が濡れているという指標を特定し、車道が濡れているという指標に基づいて車道の走行条件を推定し、及び、この推定を用いて車両についての駆動決定をなすように構成されている。

一例を挙げれば、乾燥した天候条件の下の車道の期待される平均強度は、車道の表面の組成に基づいている。他の例においては、プロセッサは、車道についての強度値の分布を決定し、この決定された分布を乾燥状態について期待される分布と比較し、この決定された分布が、乾燥状態について期待される分布に対して、強度スケールのより暗い端部へ向かって移っているときに、車道が濡れているという第２の指標を特定し、車道が濡れているという第２の指標をこのプロセッサにより用いて、走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車両の後部部分の近傍に位置する特定の構造を示さない複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、このクラウドが検出されたとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、複数のレーザー・データ点から車道における移動する物体を検出し、この移動する物体の近傍に位置する特定の構造を示さない複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、このクラウドが検出されたとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車道の期待される標高を示している車道についての詳細な地図情報にアクセスし、車道の期待される表面の近傍の場所データに関連した受信されたレーザー・データ点からレーザー・データ点のクラウドを特定し、このクラウドのレーザー・データ点を期待される車道表面の上方の第１の閾値及び期待される車道表面の下方の第２の閾値と比較し、クラウドのレーザー・データ点が第１の閾値の上方の少なくとも一つのレーザー・データ点と第２の閾値の下方の少なくとも一つのレーザー・データ点とを含むとき、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車両が車道に沿って駆動されるにつれて、カメラから撮られた画像を受信し、この画像に基づいて車道が湿った状況であるという更なる指標を特定し、及び、車道が濡れているという更なる指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車両に関連した降水量センサーから降水量データを受信し、この降水量データに基づいて車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、走行条件を推定するために、このプロセッサはベイジアン推定を用いるように構成されている。他の例においては、このプロセッサは、車道の期待される標高を示している車道についての詳細な地図情報にアクセスし、車道の一部についての平均標高を決定し、この車道の一部の平均標高が、期待された標高よりも高い少なくとも第２の閾値であるか否かに基づいて、車道が濡れているという第２の指標を特定し、及び、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、ネットワーク上のサーバーから車両の現在位置についての気象情報を受信し、この気象関連情報に基づいて車道が濡れているという第２の指標を特定し、車道が濡れているという第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。

本開示の一つの態様は方法を与える。この方法は、車両が車道に沿って駆動されるにつれて、車道について集められたレーザー・データを受信し、このレーザー・データは複数のレーザー・データ点を含み、複数のレーザー・データ点の各々のデータ点は、それに関連した場所及び強度情報を有し、車道内の場所に関連した複数のレーザー・データ点の平均強度を決定し、この平均強度を、乾燥した天候条件の下で車道の期待される平均強度に関連した閾値と比較し、その平均強度が閾値の上方であるときは、車道が少なくとも部分的に雪で覆われているという指標を特定し、この車道が少なくとも部分的に雪で覆われているという指標に基づいて、プロセッサにより、車道の走行条件を推定し、及び、この推定を用いて、プロセッサにより、車両についての駆動決定をなすことを含む。

一例を挙げれば、この方法は、車道についての強度値の分布を決定し、この決定された分布を、乾燥状態について期待される分布と比較し、決定された分布が、乾燥状態について期待される分布に対して、強度スケールのより明るい端部へ向かって移っているときに、車道が少なくとも部分的に雪で覆われているという第２の指標を特定し、及び、第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、詳細な地図情報は車道を越える領域の期待される平均強度を更に含み、かつ、この方法は、車道を越える一つ以上の領域から集められた第２のレーザー・データを受信し、その第２のレーザー・データは、複数の第２のレーザー・データ点を含み、複数の第２のレーザー・データ点の各々のデータ点は、それに関連する場所及び強度情報を含み、第２の複数のレーザー・データ点の平均強度を決定し、複数のレーザー・データ点の平均強度が、車道を越える領域の期待される平均強度の上方の閾値であるときは、積雪状態の指標を特定し、及び、この積雪状態の指標をプロセッサにより用いて走行条件を推定することを含む。他の例においては、この方法は、車両が車道に沿って駆動されるにつれて、カメラから撮られた画像を受信し、この画像に基づいて積雪車道状態の指標を特定し、及び、積雪車道状態の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、車両と関連した降水量センサーから降水量データを受信し、この降水量データに基づいて積雪車道状態の指標を特定し、及び、この積雪車道状態の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、走行条件を推定することは、ベイジアン推定を用いることを含む。他の例においては、車道についての詳細な地図情報にアクセスすることは車道の期待される標高を特定することを含み、かつ、この方法は、車道の平均標高を決定し、この車道の平均標高が、少なくとも、期待される標高よりも高い閾値であるとき、車道が少なくとも部分的に雪で覆われているという更なる指標を特定し、及び、この第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、この方法は、ネットワーク上のサーバーから車両の位置についての天候関連情報を受信し、この天候関連情報に基づいて雨天状態の指標を特定し、及び天候関連情報に基づく湿った車道状態の指標を用いて走行条件を推定することも含む。

本開示の他の態様は、プロセッサを含むシステムを与える。そのプロセッサは、車両が車道に沿って駆動されるにつれて車道について集められたレーザー・データを受信し、そのレーザー・データは複数のレーザー・データ点を含み、この複数のレーザー・データ点の各々のデータ点の各々は、それに関連した位置及び強度情報を含み、車道内の場所に関連した複数のレーザー・データ点の平均強度を決定し、この平均強度を、乾燥した天候条件下で車道の期待される平均強度に関連した閾値と比較し、平均強度が閾値よりも上方であるとき、車道が少なくとも部分的に雪で覆われているという指標を特定し、この車道が少なくとも部分的に雪で覆われているという指標に基づいて車道の走行条件を推定し、及び、この推定を用いて車両についての駆動決定をなすように構成されている。

一例を挙げれば、このプロセッサは、車道についての強度値の分布を決定し、この決定された分布を、乾燥状態について期待される分布と比較し、決定された分布が、乾燥状態について期待される分布に対して、強度スケールのより明るい端部へ向かって移っているときに、車道が少なくとも部分的に雪で覆われているという第２の指標を特定し、及び、第２の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、詳細な地図情報は車道を越える領域の期待される平均強度を更に含み、かつ、このプロセッサは、車道を越える一つ以上の領域から集められた第２のレーザー・データを受信し、その第２のレーザー・データは、複数の第２のレーザー・データ点を含み、複数の第２のレーザー・データ点の各々のデータ点は、それに関連する場所及び強度情報を含み、第２の複数のレーザー・データ点の平均強度を決定し、複数のレーザー・データ点の平均強度が、車道を越える領域の期待される平均強度の上方の閾値であるときは、積雪状態の指標を特定し、及び、この積雪状態の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車両が車道に沿って駆動されるにつれて、カメラから撮られた画像を受信し、この画像に基づいて積雪車道状態の指標を特定し、及び、積雪車道状態の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、車両と関連した降水量センサーから降水量データを受信し、この降水量データに基づいて積雪車道状態の指標を特定し、及び、この積雪車道状態の指標をこのプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、走行条件を推定するとき、このプロセッサは、ベイジアン推定を用いるようにも構成されている。他の例においては、車道についての詳細な地図情報にアクセスすることは車道の期待される標高を特定することを含み、かつ、このプロセッサは、車道の平均標高を決定し、この車道の平均標高が、少なくとも、期待される標高よりも高い閾値であるとき、車道が少なくとも部分的に雪で覆われているという更なる指標を特定し、及び、この第２の指標をプロセッサにより用いて走行条件を推定するようにも構成されている。他の例においては、このプロセッサは、ネットワーク上のサーバーから車両の位置についての天候関連情報を受信し、この天候関連情報に基づいて雨天状態の指標を特定し、及び天候関連情報に基づく湿った車道状態の指標を用いて走行条件を推定するようにも構成されている。

本開示の更なる態様は非一時的な実体的なコンピュータ可読記憶媒体を与え、これにはプログラムのコンピュータ可読指令が記憶されている。この指令は、プロセッサにより実行されるとき、このプロセッサに方法を実行させる。この方法は、車両が車道に沿って駆動されるにつれて、車道について集められたレーザー・データを受信し、このレーザー・データは複数のレーザー・データ点を含み、複数のレーザー・データ点の各々のデータ点は、それに関連した場所及び強度情報を有し、車道内の場所に関連した複数のレーザー・データ点の平均強度を決定し、この平均強度を、乾燥した天候条件の下で車道の期待される平均強度に関連した閾値と比較し、その平均強度が閾値の上方であるときは、車道が少なくとも部分的に雪で覆われているという指標を特定し、この車道が少なくとも部分的に雪で覆われているという指標に基づいて、プロセッサにより、車道の走行条件を推定し、及び、この推定を用いて、プロセッサにより、車両についての駆動決定をなすことを含む。

一例を挙げれば、この方法は、車道についての強度値の分布を決定し、この決定された分布を、乾燥状態について期待される分布と比較し、決定された分布が、乾燥状態について期待される分布に対して、強度スケールのより明るい端部へ向かって移っているときに、車道が少なくとも部分的に雪で覆われているという第２の指標を特定し、及び、第２の指標をプロセッサにより用いて走行条件を推定することも含む。他の例においては、詳細な地図情報は車道を越える領域の期待される平均強度を更に含み、かつ、この方法は、車道を越える一つ以上の領域から集められた第２のレーザー・データを受信し、その第２のレーザー・データは、複数の第２のレーザー・データ点を含み、複数の第２のレーザー・データ点の各々のデータ点は、それに関連する場所及び強度情報を含み、第２の複数のレーザー・データ点の平均強度を決定し、複数のレーザー・データ点の平均強度が、車道を越える領域の期待される平均強度の上方の閾値であるときは、積雪状態の指標を特定し、及び、この積雪状態の指標をプロセッサにより用いて走行条件を推定することを含む。他の例においては、車道についての詳細な地図情報にアクセスすることは車道の期待される標高を特定することを含み、かつ、この方法は、車道の平均標高を決定し、この車道の平均標高が、少なくとも、期待される標高よりも高い閾値であるとき、車道が少なくとも部分的に雪で覆われているという更なる指標を特定し、及び、この第２の指標をプロセッサにより用いて走行条件を推定することも含む。

図１は本開示の態様によるシステムの機能的線図である。

図２は本開示の態様による自律型車両の内部である。

図３Ａは本開示の態様による自律型車両の外側である。

図３Ｂは本開示の態様によるシステムの絵図である。

図３Ｃは本開示の態様によるシステムの機能的線図である。

図４は本開示の態様による地図情報の図である。

図５は実施例によるレーザー・データの図である。

図６は実施例によるレーザー・データの他の図である。

図７は実施例によるフロー図である。

図８は実施例による車道の図である。

図９Ａは実施例による車道及びデータの図である。

図９Ｂは実施例による例示的データのグラフである。

図１０は実施例による他のフロー図である。

図１１Ａ及び図１１Ｂは車両及びデータ点クラウドの図である。

図１２は実施例による更なるフロー図である。

図１３は実施例によるレーザー・データの図である。

図１４は実施例によるフロー図である。

図１５Ａは実施例による車道の他の図である。

図１５Ｂは実施例による例示的データのグラフである。

図１６は実施例による他のフロー図である。

図１７は実施例による車道の更なる図である。

図１８は実施例による更なるフロー図である。

図１９は実施例による更なるフロー図である。

図２０は実施例による例示的データの図である。

図２１は実施例によるフロー図である。

図２２は実施例による他のフロー図である。

詳細な説明
本開示の一つの態様においては、車道に沿って集められるデータ点を含むレーザー走査データは、コンピュータにより受信し得る。このレーザー走査データは、車道を含むレーザーの周囲環境、また或る例においては車道の境界を越える領域における物体、車道地物などの位置及び強度を示しているデータ点を含むことがある。この情報は、以下に詳細に説明されるように、一つ以上の車道天候条件を特定するのに用いられることがある。更に、カメラから撮られた画像がコンピュータにより受信されることがある。レーザー・データのように、画像は車道を含むカメラの周囲環境に関する情報を含むことがある。次いで画像は車道天候条件の指標を特定するのに用いられることがある。降水量センサーからのデータがコンピュータにより受信されることがあり、車道天候条件の指標を特定するのに用いられることがある。天候関連情報がネットワーク上のサーバーからコンピュータにより受信されることがある。この天候関連情報は、車道天候条件の指標を特定するのに用いられることがある。次いで、特定された指標は、車道の走行条件を推定するのに用いられることがある。この推定は、以下に更に詳細に説明するように、駆動決定をなすのに用いられることがある。

図１に示すように、本開示の一つの態様による自律型駆動システム１００は、様々な構成要素を有する車両１０１を含む。本開示の特定の態様は特に特定の種類の車両に関連して有益であり、この車両は、乗用車、トラック、オートバイ、バス、ボート、飛行機、ヘリコプター、芝刈り機、レクリエーショナル・ビークル、遊園地車両、路面電車、ゴルフ・カート、列車、及びトロリーを含めて任意の種類の車両である場合があるが、これらに限定されるものではない。車両は、一つ以上のコンピュータ（例えば、プロセッサ１２０、メモリ１３０、及び汎用コンピュータに典型的に存在する他の構成要素を包含するコンピュータ１１０）を有することがある。

メモリ１３０は、プロセッサ１２０によりアクセス可能な情報を記憶し、これはプロセッサ１２０により実行されることがあるか、さもなければプロセッサ１２０により使用されることがある指令１３２及びデータ１３４を含む。メモリ１３０は、プロセッサによりアクセス可能な情報を記憶することができる任意の種類とすることができ、これはコンピュータ可読媒体、或いは、電子的デバイスの支援により読み込まれることがあるデータを記憶する他の媒体、例えばハード・ドライブ、メモリ・カード、ＲＯＭ，ＲＡＭ、ＤＶＤ又は他の光ディスク並びに他の書き込み可能及び読出し専用メモリを含む。システム及び方法は、前述のものとは異なる組合せを含むことがあり、それによって指令及びデータの異なる部分は異なる種類の媒体に記憶される。

指令１３２は、プロセッサにより、直接に実行される（例えば機械語）か、間接的に実行される（例えばスクリプト）指令の任意のセットとし得る。例えば、この指令はコンピュータ可読媒体にコンピュータ・コードとして記憶し得る。その関連で、用語「指令」と「プログラム」とは本明細書では互換可能に用いられることがある。この指令は、プロセッサによる直接処理のためにオブジェクト・コード・フォーマットで、或いは、他の任意のコンピュータ言語（これは、スクリプト、或いは、要求に応じて解釈されるか、又は事前にコンパイルされる独立したソースコード・モジュールのコレクションを含む）で、記憶されることがある。この指令の機能、方法及びルーチンは以下に更に詳細に説明される。

データ１３４は、指令１３２に応じてプロセッサ１２０により検索され、記憶される、又は修正されることがある。例えば、システム及び方法は任意の特定のデータ構造により限定されないが、複数の異なるフィールド及び記録、ＸＭＬ文書又はフラット・ファイルを有するテーブルとしてのリレーショナル・データベースにおいて、データはコンピュータ・レジスタに記憶されることがある。このデータは、任意のコンピュータ可読フォーマットにフォーマット化されることもある。例示のみの更なる方式によれば、画像データは、フォーマットに従って記憶されるピクセルのグリッドからなるビットマップとして記憶されることがあり、そのフォーマットは、圧縮又は非圧縮、無損失性（例えば、ＢＭＰ）又は損失性（例えば、ＪＰＥＧ）、及びビットマップ又はベクトル型（例えば、ＳＶＧ）、並びにグラフィックを描くためのコンピュータ指令としてのものである。データは、関連した情報（例えば、数、説明文、プロプライアタリー・コード、同じメモリ又は異なるメモリ（他のネットワーク場所を含む）の他の領域に記憶されたデータへのリファレンス、又は関連したデータを計算するために機能により用いられる情報）を特定するのに充分な任意の情報から成ることがある。

プロセッサ１２０は、任意の従来のプロセッサ、例えば市販のＣＰＵである場合がある。これに代えて、プロセッサはＡＳＩＣのような専用デバイスである場合がある。図１は、コンピュータ１１０のプロセッサ、メモリ、及び他の要素を同一のブロック内にあるものとして機能的に図解しているが、プロセッサ及びメモリは、実際には、同一の物理的ハウジング内に格納されることもあればされないこともある複数のプロセッサ及びメモリからなる場合があることが理解されよう。例えば、メモリは、コンピュータ１１０のそれとは異なるハウジング内に位置しているハード・ドライブ又は他の記憶媒体である場合がある。従って、プロセッサ又はコンピュータへの言及は、並行に作動することもあればされないこともある複数のプロセッサ又は複数のコンピュータ又は複数のメモリのコレクションへの言及を含むものとして理解されよう。本明細書に記載されたステップを実行するのに単独のプロセッサを用いるよりはむしろ、幾つかの構成要素（例えば、ステアリング構成要素及び減速構成要素）は各々が、その構成要素の特定の機能に関連して計算を実行するのみであるそれら自身のプロセッサを有することがある。

ここに説明された様々な態様では、プロセッサは車両から離隔して位置し、この車両と無線で通信することがある。他の態様においては、ここに説明された処理の幾つかは車両内に配置されたプロセッサによりおいて実行され、一方、その他の処理は遠隔プロセッサにおいて実行され、これは単独の操作を実行するのに必要なステップをなすことを含む。

コンピュータ１１０は、コンピュータに関連して通常用いられる構成要素の全て、例えば中央演算処理装置（ＣＰＵ）、データ１３４及び指令（例えば、ウェブ・ブラウザ）を記憶するメモリ（例えば、ＲＡＭと内蔵ハード・ドライブ）、電子的ディスプレイ１４２（例えば、モニターであって、スクリーン、小型ＬＣＤタッチ・スクリーン又は情報を表示するように操作可能な任意の他の電子的デバイスを有するもの）、ユーザー入力１４０（例えば、マウス、キーボード、タッチ・スクリーン、及び／又はマイクロフォン）、並びに人の状態及び要求についての明確な（例えば、ジェスチャー）又は潜在的な（例えば、「人は眠っている」）情報を集めるための様々なセンサー（例えば、ビデオ・カメラ）を含むことがある。

一例を挙げれば、ある例では、コンピュータ１１０は、車両１０１に組み込まれた自律型駆動コンピュータ・システムである場合がある。図２は、自律型車両の内部の例示的な設計を描いている。自律型車両は、非自律型車両の特徴の全てを含むことがあり、例えば、ステアリング装置（例えばステアリング・ホイール２１０）、ナビゲーション・ディスプレイ装置（例えばナビゲーション・ディスプレイ２１５）、及びギア・セレクター装置（例えばギア・シフター２２０）である。車両は、一つ以上の自律型駆動モードを起動又は非能動化するために、また、運転者又は乗客２９０が情報（例えばナビゲーション目的地）を自律型駆動コンピュータ１１０に耐えるようにできるようにするために、様々なユーザー入力デバイス、例えばギア・シフター２２０、タッチ・スクリーン２１７、又はボタン入力２１９も備えていることがある。

車両１０１は、一つ以上の更なるディスプレイも含むことがある。例えば、車両は、自律型車両又はそのコンピュータの状態に関する情報を示すためにディスプレイ２２５を含むことがある。他の例においては、車両は、車両１０１の現在位置を示すステータス・バー２３０のような状態表示装置を含むことがある。図２の例においては、ステータス・バー２３０は「Ｄ」及び「３ｍｐｈ」を表示しており、車両が現在は駆動（ｄｒｉｖｅ）・モードにあり、毎時２マイル（３．２１８Ｋｍ）で移動していることを示す。その点で、車両は、電子ディスプレイで車両１０１の照明された部分、例えばステアリング・ホイール２１０にテキストを表示することがあり、又は様々な他の種類の指標を与えることがある。

自律型駆動コンピュータ・システムは車両の様々な構成要素と通信可能にされることがある。例えば、図１へ戻ると、コンピュータ１１０は車両の従来の中央処理装置１６０と交信することがあり、車両１０１の運動、速度などを制御する目的で、車両１０１の様々なシステム、例えばブレーキ１８０、加速器１８２、シグナリング１８４、ナビゲーション１８６などのシステムから、情報を送受信することがある。更に、使用中には、コンピュータ１１０は車両１０１のこれらの機能の一部若しくは全部を制御することがあり、このように完全に、又は、単に部分的に自律型のことがある。様々なシステム及びコンピュータ１１０が車両１０１内に図示されているが、これらの要素は車両１０１の外部であるか又はかなりな距離で物理的に離隔していることがあることが理解されよう。

車両は、デバイスの地理的な位置を測定するために、コンピュータ１１０と通信する地理的位置構成要素１４４も含むことがある。例えば、この位置構成要素は、デバイスの緯度、経度及び／又は高度位置を測定するために、ＧＰＳレシーバを含むことがある。他の場所システム、例えばレーザー型局所化システム、慣性支援ＧＰＳ、又はカメラ型局所化も車両の位置を特定するのに用いられることがある。車両の位置は絶対的な地理的な位置、例えば緯度、経度及び高度並びに相対的な場所情報、その直ぐ周辺の他の車両に対する位置であって、雑音を低減して絶対的地理的位置をしばしば決定することができるものを含むことがある。

車両は、コンピュータ１１０と通信する他の特徴、例えば加速度計、ジャイロスコープ或いは車両の方向及び速度又はその変化を測定する他の方向／速度検出デバイス１４６も含むことがある。例示のみとして、デバイス１４６は、重力の方向又はそれに垂直な面に対して、デバイスのピッチ、ヨー若しくはロール（又はその変化）を決定することがある。このデバイスは、速度の増減及びそのような変化の方向も追跡することがある。ここに記載された場所及び方位データのデバイスの提供は、ユーザー、コンピュータ１１０、他のコンピュータ、及びこれらの組合せへ自動的に提供し得る。

コンピュータは、様々な構成要素を制御することにより、車両の方向及び速度を制御することがある。例示のみとして、車両が完全に自律型モードで作動しているならば、コンピュータ１１０は、車両を加速（例えば、エンジンへ供給される燃料又は他のエネルギーを増加することによる）、減速（例えば、エンジンへ供給される燃料を減少させるか又はブレーキをかけることによる）、及び方向変化（例えば、前方の二つの車輪を回転させることによる）させることがある。

この車両は、車両の外部の物体及び状況、例えば他の車両、車道における障害物、交通信号、標識、樹木などを検出するための構成要素１４８も含むことがある。この検出システムは、レーザー、ソナー、レーダー、カメラ、降水量センサー又はコンピュータ１１０により処理可能なデータを記録する他の任意の検出デバイスを含み得る。例えば、車両が小型乗用車であるならば、この乗用車は屋根又は他の都合の良い場所に搭載されたレーザーを含むことがある。図３Ａに図示されるように、車両１０１は小型乗用車から成ることがある。この例においては、車両１０１のセンサーは、それぞれ車両の正面及び上面に搭載されたレーザー３１０及び３１１を含むことがある。レーザーは、市販のレーザー、例えばＶｅｌｏｄｙｎｅ ＨＤＬ−６４又は他のモデルを含むことがある。このレーザーは、一つ以上のレーザービームを含むことがあり、例えばＶｅｌｏｄｙｎｅ ＨＤＬ−６４レーザーは、６４のビームを含むことが可能である。一例を挙げれば、レーザー３１０のビームは、１５０メートルの範囲、３０度垂直視野及び３０度横視野を有することがある。レーザー３１１のビームは、５０-８０メートルの範囲、３０度垂直視野及び３６０度の横視野を有することがある。レーザーは車両に範囲及び強度情報を与えることがあり、これは車両周囲環境における様々な物体の位置と距離を特定するために、コンピュータが使用することがある。一つの態様においては、レーザーは、その軸でスピンしてそのピッチを変えることにより、車両とこの車両に対面する物体表面との間の距離を測定することがある。

上述したように、この車両は一つ以上のカメラも含むことがある。これらのカメラは予め定められた間隔で取り付けられて、二つ以上のカメラの画像からの視差が様々な物体までの距離を計算するのに用いられることがある。図３Ａに示すように、車両３００は、バックミラー（図示せず）の近傍でフロントガラス３３０の下方に装着された二つのカメラを含むことがある。一例を挙げれば、カメラ３２０は２００メートルのレンジと３０度横視野を含むことがある一方、カメラ３２１は１００メートルのレンジと６０度横視野を含むことがある。

車両は、一つ以上の降水量センサーを含むこともある。一例を挙げれば、典型的な車両と同様に、降水量センサー３４０はフロントガラス３３０に対して下方に装着されるか組み込まれることがある。降水量センサーは、様々な他の場所、例えばヘッドライト又はその近傍の位置などに装着されることがある。一例を挙げれば、降水量センサーは、一組の一つ以上の赤外線発光ダイオード（ＬＥＤ）とフォトダイオードのような光検出器とを含むことがある。ＬＥＤにより射出された光は、フロントガラスによって反射されて、フォトダイオードへ戻ることがある。少ない光でフォトダイオードは、車両の外側のより多くの降水を受信する。反射光の量又は検出された降水量の或る他の指標は、コンピュータ１１０を通過することがある。

前述のセンサーは車両に、乗客並びに環境における物体又は人々のために安全を最大化するために、その環境を把握して潜在的に応答することがある。車両形式、センサーの数及び種類、センサー場所、センサー位置、センサー視野、及びセンサーのセンサー分野は単に例示的であることが理解されよう。様々な他の構成も利用されることがある。

上述のセンサーに加えて、コンピュータは、典型的な非自律型車両のセンサーからの入力を用いることもある。例えば、これらのセンサーは、タイヤ圧センサー、エンジン温度センサー、ブレーキ熱センサー、ブレーキ・パッド状態センサー、タイヤ接地面センサー、燃料センサー、オイル・レベル及び品位センサー、空気質センサー（空気中における温度、湿気又は微粒子を検出するためのもの）等を含むことがある。

これらのセンサーの多くは、コンピュータで実時間に処理されるデータを提供しし、即ちそれらのセンサーは、それらの出力を連続的に更新して、時間の範囲において若しくは時間の範囲を越えて、感知されている環境を反映し、連続的に又は要請に応じて、その更新された出力をコンピュータへ与えて、コンピュータが、車両の当時最新の方向又は速度を感知された環境に応じて修正せねばならないか否かを決定することができるようにする。

様々なセンサーにより提供される処理データに加えて、コンピュータは、環境の車両の存在に関係なく、時間的に以前に得られて、持続することが予測される環境データに頼ることがある。例えば、図１に戻って、データ１３４は例えば詳細な地図情報１３６を含むことがあり、非常に詳細な地図が車道の形状及び高度、交差点、横断歩道、制限速度、交通信号、建物、標識、実時間交通情報、又はその他の物体及び情報など特定する。或る例においては、詳細な地図情報は、車道の異なる範囲について期待される明るさ又はレーザー強度データ値を記載するデータを含むことがある。

この詳細な地図情報１３６は、車線マーカーの位置、高度、及び形状を特定している車線マーカー情報も含むことがある。車線マーカーは、実線又は破線、二重又は単独の車線、実線又は破線の車線、反射体等などの特徴を含むことがある。所定の車線は、車線の境界を規定する左右の車線又は他の車線マーカーに関係している場合がある。このように、大部分の車線は一方の車線ラインの左縁と他方の車線ラインの右縁とにより囲まれていることがある。

図４は、同じ例の車道の区画（並びにレーザーの範囲の外側の情報）を含む詳細な地図４００を描いている。車道の区画の詳細な地図は、実線車線ライン４１０，破線車線ライン４２０、４４０、及び二重車線ライン４３０などの情報を含む。これらの車線ラインは、車線４５０及び４６０を規定する。各々車線はレール４５５、４６５に関係しており、これは車両が、それぞれの車線において一般に走行せねばならない方向を示す。例えば、車両は、車線４６０に沿って駆動するときはレール４６５に追従することがある。この例においては、車線４５０は右車線ライン４１０と左車線ライン４２０とに囲まれており、車線４６０は右車線ライン４２０と左車線ライン４３０とに囲まれている。車線４５０についての縁が縁４７０、４７２であり、車線４６０についての縁が縁４７４、４７６である。

また、詳細な地図情報はここでは画像型地図として描かれているが、この地図情報は完全に画像型（例えば、ラスター）である必要はない。例えば、詳細な地図情報は、情報（例えば道路、車線、交差点、及びとこれらの特徴の間の接続）の一つ以上の道路グラフ又はグラフ・ネットワークを含むことがある。各々の特徴はグラフ・データとして記憶されることがあり、地理的位置のような情報に関係している場合があり、これが他の関連した特徴に関連があるか否かに関わらず、例えば、停止信号は道路及び交差点などに関連していることがある。或る例においては、関連したデータは、道路グラフの格子型インデックスを含むことがあり、特定の道路グラフ特徴の効果的な検索を可能にする。

コンピュータ１１０は、他のコンピュータに対して情報を受信又は転送することもある。例えば、コンピュータ１１０により記憶された地図情報は他のコンピュータに対して受信又は転送されることがあり、及び／又は、ここに説明されたように、車両１０１のセンサーから集められたセンサー・データは処理のために他のコンピュータへ転送されることがある。図３Ｂ及び図３Ｃで示すように、コンピュータ１１０からのデータは、更なる処理のためにネットワークを介してコンピュータ３２０へ送信されることがある。ネットワーク及び介在ノードは、様々な構成及びプロトコルからなることがあり、これはインターネット、ワールド・ワイド・ウェブ、イントラネット、仮想プライベート・ネットワーク、ワイド・エリア・ネットワーク、ローカル・ネットワーク、一つ以上の会社への通信プロトコル・プロプライエタリーを使用するプライベート・ネットワーク、イーサネット、ＷｉＦｉ及びＨＴＴＰ、及び上述の様々な組み合わせを含む。このような通信は、他のコンピュータへデータを送信し、及びこの他のコンピュータからデータを送信することができる任意のデバイス、例えばモデム及び無線インタフェースにより促進されることがある。他の例においては、データは、コンピュータ１１０及び３２０によりアクセス可能であるか又はそれらに接続されたメモリに記憶することにより、転送されることがある。

一例を挙げれば、コンピュータ３２０は、複数のコンピュータを有するサーバーから成ることがあり、例えば、負荷分散サーバー・ファームであり、これはコンピュータ１１０からのデータを受信、処理、及び送信する目的のために情報をネットワークの異なるノードと交換する。このサーバーは、プロセッサ３３０、メモリ３５０、指令３６０及びデータ３７０を有するコンピュータ１１０と同様に構成されることがある。

一例を挙げれば、サーバー３２０のデータ３７０は、天候関連情報を与えることを含み得る。例えば、サーバー３２０は、天候に関連した様々な情報を受信、監視、記憶、更新、及び送信することがある。この情報は、例えば、報告、レーダー情報、予想等の携帯で降水、クラウド及び／又は温度情報を含むことがある。

上述して図面に図解した操作に加えて、ここで様々な操作について説明する。以下の操作は以下に説明された正確な順序で実行される必要はないことを理解されたい。むしろ、様々なステップを異なる順序で、又は、同時に取り扱うことができ、ステップは追加又は省略されることもある。

一つ以上のセンサーを含む車両は、車道に沿って駆動されることがある。例えば、これらのセンサーはレーザーを含むことがある。レーザーは、典型的車両又は自律型駆動システム、例えば車両１０１の一部に取り付けられた非搭載センサーであることがある。図５は、図４の詳細な地図情報に対応する車道５００の区画における車両１０１を描いている。この例においては、車道は実線車線ライン５１０、破線車線ライン５２０及び５４０、二重車線ライン５３０、並びに車線５５０及び５６０を含む。

車両の一つ又は複数のレーザーが移動するにつれて、車両は幾つかの方向から及び／又は異なる時間における同じ場所（点又は領域）についての範囲及び強度情報を含むデータ点を集めることがある。例えば、各々のデータ点は、光がレーザーにより受信された物体の反射率を示す強度値並びに場所情報を含むことがある。例えば、車線マーカーのような高反射性表面は、より低い反射性面（例えばアスファルト、セメント又は他の車道面）よりも大きい強度値に関係している。同様に、より多くの光を反射するより明るい色（白、クリーム、銀など）のついた物体よりも暗くてより多くの光を吸収する物体（黒、ネイビーブルー、茶色など）は、非常に低い強度値に関係している。このことについては、物体が濡れているとき、それは実際にはより暗くなることがあので、物体の強度値を増加するよりはむしろ、水は強度値を減少させることがある。

或る例においては、強度値は、例えば、０-２５０にスケール付けられることがあり、ここで０は非常に暗く、２５０は非常に明るい。このように、より反射してより明るい表面は２５０により近い強度値に関係する場合があり、一方、より反射しないより暗い表面は０により近い強度値に関係する場合がある。

例えば、レーザー走査データは、コンピュータ１１０（又はコンピュータ３２０）により受信されて処理されて、地理的位置座標を生成することがある。これらの地理的位置座標は、標高成分（ｚ）を有するＧＰＳ緯度及び経度座標（ｘ，ｙ）を含むことがあるか、又は他の座標系に関係している場合がある。この処理の結果は、データ点のセットである。このセットの各々のデータ点は、光がレーザーにより受信される物体の反射率を示す強度値、並びに場所情報（ｘ，ｙ，ｚ）を含むことがある。

図６は、交差点に接近している車両１０１の典型的な画像６００を描いている。この画像は、車両のレーザーによって車両の周囲環境の一回の３６０度の走査について集められたレーザー走査データから、例えば集められたレーザーのビームの全てのデータ点を用いて、生成された。その白線は、レーザーがその周囲環境をどのように「見ている」かを表している。複数のビームのデータ点が一緒に考慮されるとき、データ点は車両の周囲環境における他のアイテムの形状及び３次元（３Ｄ））位置（ｘ，ｙ，ｚ）を示すことがある。例えば、レーザー走査データは、様々な物体（例えば人々６１０、車両６２０、及び縁６３０）の輪郭、形状、及び車両１０１からの距離を示すことがある。

車両の周囲環境の物体及び車道特徴を特定することに加えて、コンピュータ１１０は、車両１０１を安全に制御する能力に影響を及ぼすことがある天候状態の指標（「車道天候条件」）も検出することがある。これらの車道天候条件は、例えば湿った又は凍結した状況、積雪状況、霧がかかった状況などの条件を含むことがある。

開示の或る態様においては、コンピュータ１１０は湿った車道状態の指標を検出することがある。一例を挙げれば、コンピュータは車道からのレーザー・データ点の平均強度を調べて、これを閾値と比較して、車道が濡れているか否かの指標を特定することがある。例えば、上述したように、車道の湿った又は凍結した領域を覆っている水は、車道の強度を減少させることがある。このように、湿った車道は、乾燥道路（例えばセメント、アスファルト、レンガなど）並びに車線マーカーなどのような地図情報に現れる他の期待される車道特徴のそれよりも若干低い平均強度値を有することがある。

レーザー・データ点の平均強度を測定するとき、レーザー・データ点の全てと車道又は車道の或る部分に関連した又はその範囲内の強度値が調べられることがある。例えば、車両は、車両の車線における車両の直接に前方の領域、車両の現在の車線と概ね同じ方向の交通を移動させる全ての車線に関連したデータ点、車両の一つ又は複数のレーザーの視野に関連した車道内の全てのデータ点等を調べることがある。調べられたレーザー・データ点の或るパーセンテージが特定の閾値よりも低い強度値を有するならば、コンピュータは車道が濡れていると判定することがある。例えば、上述の０乃至２５０のスケールを用いて、１０００のレーザー・データ点が車道にあり、かつ、これらの１０００点の少なくとも８５０（若しくはこれらのレーザー・データ点の少なくとも８５％）が１０の閾値よりも下の強度を有するならば、車道は非常に暗い。上述したように、低い強度値は、車道が濡れているという高い可能性を示すことがある。他の閾値及びパーセンテージも、期待される強度又は車道の組成に基づいて用いられることがある。このことについては、アスファルトのために用いられる閾値は、セメント又はレンガ車道のために用いられる閾値よりも低いことがある。

図７のフロー図７００は、コンピュータ１１０が如何にして車道の平均強度並びに閾値を用いて、車道が濡れているという指標を特定するかの例である。この例においては、ブロック７１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所及び強度情報を有する複数のレーザー・データ点を含む。ブロック７２０において、コンピュータ１１０は受信したレーザー・データから平均強度を測定する。ブロック７３０において、この平均強度は、車道についての閾値と比較される。ブロック７４０において、平均強度が閾値よりも低いとき、次いでコンピュータは車道が濡れているという指標を特定する。

他の例においては、コンピュータは、車道の強度における変化を調べて、車道が濡れているか否かの指標を特定することがある。例えば、コンピュータ１１０は車道の一部に沿って標準偏差又は強度値の分布を計算することがある。乾燥状態の間、強度値の分布は、乾燥車道について期待される強度値のあたりに中心を置くガウス・モデルの近似することがある。例えば、たとえ車道が何処に位置してようとも、乾燥状態においては、強度値は同程度の値の周りに集まることが予期される。強度値の分布が、乾燥状態について予期されるものへの近似から、低い強度へ向かって移ったならば、コンピュータは車道がより暗いと判定することがある。これは、例えば、車道が、水溜まり又は湿ったタイヤの轍などの車道の湿った領域を含むならば、車道が濡れていることを示すことがある。

図８は、湿った状態の様々な指標を有する車道５００の一つの例である。この例においては、車線５５０は、先の若しくは現在の降雨から幾つかの水溜まり８１０及び８１２を含む。他の車両がこれらの水溜まりを駆動して通り抜けた後、この車両は湿ったタイヤの轍８２０を背後に残すことがある。図９Ａは、図４の車道５００についての詳細な地図情報と比較された図８の例から処理されたレーザー・データ点の例を描いている。この例においては、特徴９１０、９１２、及び９２０は、水溜まり８１０、８１２、及び轍８２０についてのレーザー・データ点の概略的な位置をそれぞれ表す。これらの特徴９１０、９１２、及び９２０は、車線５５０の残りよりも若干低い平均強度値を有する強度値を伴うレーザー・データ点に関係していることがある。図９Ｂを参照すると、グラフ９６０は乾燥状態について期待される強度値の分布９６５の例を描いている。グラフ９７０は図９Ａのような例における強度値についての分布９７５の例を描いている。この例においては、分布は０又は強度スケールのより暗い端部へ移った（矢印９８０の方向）。上述したように、コンピュータ１１０は、この移動を用いて、車道が濡れているか、少なくとも或る湿った領域を含むものと判定することがある。

図１０のフロー図１０００は、コンピュータ１１０が如何にして車道の強度における変化を用いて車道が濡れているという指標を特定するかの例である。この例においては、ブロック１０１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０はこの車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所と強度情報を有する複数のレーザー・データ点を含む。ブロック１０２０において、コンピュータ１１０は、車道についての強度値の分布を特定するために、レーザー・データを処理する。ブロック１０３０において、次いでこの強度値の分布は、乾燥した天候条件の下に車道についての強度値の期待される分布と比較される。ブロック１０４０において、強度値の分布が、乾燥した天候条件の下の車道についての強度値の期待される分布から強度スケールのより暗い端部へ移ったとき、次いでコンピュータは車道が濡れているという指標を特定する。

更なる例においては、コンピュータは、水が車両のタイヤにより跳ね上げられているか否かを検出することにより、車道が濡れているという指標を特定することがある。例えば、車道面は水が自律型車両のタイヤで跳ね上げられるように濡れているとき、コンピュータ１１０は車輪の背後のランダムなレーザー点を検出することがある。このことについては、コンピュータ１１０は、図１１Ａ及び図１１Ｂに示すように車両１０１の後部タイヤ１１２０及び／又はバンパー１１３０の直後のランダムなデータ点の一つ又は複数のクラウド１１１０、１１１２を検出することがある。流れる水の結果として、クラウドの範囲内のデータ点の位置と数は、絶えず変化することがある。このように、水からのデータ点のクラウドには明確な構造がないのに対し、個体物体の一部、例えば車両の後部は非常により明瞭な表面を規定するデータ点に関係している。類似したデータ点クラウドは、他の車両の背後で観測されることもある。そのような観察は雨が降っているか又は地面が実際に濡れていることを示すことがある。

図１２のフロー図１２００は、コンピュータ１１０が如何にしてレーザー・データ点のクラウドを調べて車道が濡れているという指標を特定するかという例である。この例においては、ブロック１２１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められるレーザー・データを受信する。上述したように、レーザー・データは、場所情報を有する複数のレーザー・データ点を含む。ブロック１２２０において、コンピュータ１１０はレーザー・データを調べ、特定の構造を示さないデータ点の変化するクラウドを特定する。これらのデータ点は、車道で検出される車両１０１又は他の可動物体に関係していることもある。ブロック１２３０において、クラウドが特定されるとき、その結果、コンピュータは車道が濡れているという指標を特定する。

更に他の例においては、レーザー・データ点の位置は、車道が濡れているという指標を特定するために、コンピュータ１１０により用いられることがある。例えば、車道が非常に濡れているとき、例えば、深い水溜まりがある所で、水はガラスのような外観を有することがある。その際、水の一部がレーザー光を反射する鏡の働きをなすことがある一方、レーザー光の一部は水中を進行して車道面によって反射されることがある。図１３の例に示すように、レーザー光が濡れた車道面に当たって、水溜まりの領域ではレーザー・データ点クラウド１３１０を返すことがある。これらのレーザー・データ点の一部は、地面１３２０の上又は下に現れることがある。このように、コンピュータ１１０は、期待される車道面よりも上と下の両方で物体を観察することがある。データ点が詳細な地図情報における車道の期待される表面の僅かに上下で一般的に検出されるとすると、距離閾値１３３０及び１３４０（例えば車道面の上下の１５-２０ ｃｍ）は、水溜まりに関連したクラウドから乾燥した車道面に関連したデータ点のクラウドを特定するのに用いられることがある。このように、図１３のデータ点１３１０のクラウドが閾値１３３０の上方に及び閾値１３４０の下方にデータ点を含んでいると、データ点は水溜まりに関係している場合がある。コンピュータ１１０は、車道が濡れていると判定するために、そのような指標を用いることがある。

図１４のフロー図１４００は、コンピュータ１１０が如何にしてレーザー・データ点のクラウドを用いて車道が濡れているという指標を特定するかという他の例である。この例においては、ブロック１４１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所情報を有する複数のレーザー・データ点を含む。ブロック１４２０において、コンピュータ１１０は、車道の期待される表面（詳細な地図１３６から決定される如し）の近傍でレーザー・データ点のクラウドを特定する。ブロック１４３０において、クラウドのレーザー・データ点は、車道の期待される表面よりも上方に位置する第１の閾値及び車道の期待される表面の下方に位置する第２の閾値と比較される。ブロック１４４０において、クラウドが第１の閾値よりも上方の少なくとも一つのレーザー・データ点及び第２の閾値よりも下方の少なくとも一つのレーザー・データ点を含むとき、その結果、コンピュータは車道が濡れているという指標を特定する。

上で示されるように、車道が濡れているという指標を特定することに加えて、コンピュータ１１０は、車道が少なくとも部分的に雪で覆われているときのような積雪状態の指標を特定することもある。例えば、雪の色及び反射率のために、雪は車道の表面の強度よりも高い強度を有することがある。上述したように、乾燥状態の間、強度値の分布は、乾燥（雪で覆われていない）車道について期待される強度値のあたりに中心を置くガウス・モデルに近似することがある。例えば、車道が何処に位置しようとも、乾燥状態においては、強度値は同程度の値のまわりに集まることが予期される。このように、強度値の分布が、乾燥状態について予想されるものの近傍からより高い強度へ向かって移ったならば、コンピュータは車道がより明るいと判定することがある。これは、車道が少なくとも部分的に雪で覆われていることを示すことがある。

図１５は、積雪状態を有する車道５００の例である。この例においては、車道５００は或る領域１５１０、１５１２において雪及び／又は氷で軽く覆われている。図１５Ｂを参照すると、グラフ１５６０は乾燥状態（例えば車道が部分的に雪で覆われていないとき）について期待される強度値の分布１５６５の例を描いている。グラフ１５７０は、図１５Ａのような例における強度値についての分布１５７５の例を描いている。この例においては、分布は２５０即ち強度スケールのより明るい端部へ向かって（矢印１５８０の方向に）移っている。上述したように、コンピュータ１１０は、この移動を用いて、車道が積雪であるか若しくは若干の雪で覆われた領域を少なくとも含むと判定することがある。

図１６のフロー図１６００は、コンピュータ１１０が如何にして車道の強度における変化を用いて車道が少なくとも部分的に雪で覆われているという指標を特定するかという例である。この例においては、ブロック１６１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所及び強度情報を有する複数のレーザー・データ点を含む。ブロック１６２０において、コンピュータ１１０は、レーザー・データを処理して、車道についての強度値の分布を特定する。ブロック１６３０において、強度値のこの分布は、次いで乾燥した天候条件の下に車道についての強度値の期待される分布と比較される。ブロック１６４０において、強度値の分布が、乾燥した天候条件の下に車道についての強度値の期待される分布から強度スケールのより暗い端部へ向かって移ったとき、その結果としてコンピュータは、車道が少なくとも部分的に雪で覆われているという指標を特定する。

他の例においては、コンピュータ１１０は車道の平均強度を用いて、車道が少なくとも部分的に雪で覆われているという指標を特定することがある。例えば、図１７に示すように、車道５００全体は、雪及び／又は氷１７１０で覆われている。これらの表面を覆うものは、車道の表面よりも反射率がより高いことがあるので、雪又は氷は、車道から集められたレーザー強度データを、少なくとも、車道表面即ち詳細な地図情報から予期されるものよりも高い閾値にすることがある。また、この閾値は、車道の表面の組成（アスファルト、セメント、レンガなど）に基づくことがある。例えば、車道の平均強度が、少なくとも、車道（又は車道のその種類）の期待される強度よりも大きい閾値又は標準偏差であるならば、この情報は、車道が雪又は氷の被覆を有することを示し得る。

図１８のフロー図１８００は、コンピュータ１１０が如何にして車道並びに閾値の平均強度を用いて、車道が少なくとも部分的に雪で覆われているという指標を特定することがあるかという例である。この例においては、ブロック１８１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所と強度情報を有する複数のレーザー・データ点を含む。ブロック１８２０において、コンピュータ１１０は受信したレーザー・データから平均強度を測定する。ブロック１８３０において、この平均強度は、車道についての閾値と比較される。ブロック１８４０において、平均強度が閾値よりも大きいとき、その結果コンピュータは車道が少なくとも部分的に雪で覆われているという指標を特定する。

他の例においては、コンピュータ１０は、地上、換言すれば車道の外側をも含む領域の平均強度を用いて、積雪状態の指標を特定することがある。しばしば、雪は、車道自体に集まる前に、車道の境界を越えて集まることができる。例えば、車道の外側の地面（例えば車線の境界の向こう側、路肩、縁など）における雪は、より軽く、より明るく、車道肩、縁、歩道などよりも高い反射性である場合もある。この高い反射性の白い雪は、これらの領域から集められたレーザー強度データを詳細な地図情報から期待されるよりも相当に高くする場合がある。また、車道の外側の地上の平均強度が、少なくとも、詳細な地図情報において規定されたような期待される強度より大きい或る閾値又は標準偏差の数であるならば、これは地上が少なくとも幾らかの雪の覆いを有し、これは車道にも集められる（又は、すでに集まり始めている）傾向があることを示すことがある。

図１９のフロー図１９００は、コンピュータ１１０が如何にして車道並びに閾値の平均強度を用いて、車道が濡れているという指標を特定することがあるかという例である。この例においては、ブロック１９１０において、車両が車道に沿って駆動されるにつれて、コンピュータ１１０は、車道並びに車道の境界の外側の領域について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所及び強度情報を有する複数のレーザー・データ点を含む。ブロック１９２０において、コンピュータ１１０は、受信したレーザー・データから車道の境界の外側の領域の平均強度を測定する。ブロック１９３０において、この平均強度は、この領域について（例えば、詳細な地図１３６から）予想される閾値と比較される。ブロック１９４０において、平均強度が閾値よりも大きいとき、その結果としてコンピュータは積雪状態の指標を特定する。

明るさ又は強度値を考慮するのに加えて又はそれに代えて、コンピュータ１００は、車道の標高若しくは高度並びに閾値も調べて、道路天候条件の指標を特定することがある。例えば、車道の表面の標高が詳細な地図１３６から期待されるものよりも上方になるように検出されるならば、これは車道における雪又は浸水の蓄積を示すことがある。この際、コンピュータ１１０は、車道の領域についてレーザー、レーダー、ソナー、複数のカメラなどを含む様々な車両のセンサーにより与えられたか又は生成されたデータを用いて、車道表面の位置を決定することがある。次いで、この情報は、詳細な地図情報からの車道のその特定領域で予想される標高と比較されることがある。車道の平均高度が、少なくとも、期待される標高よりも情報の或る閾値又は標準偏差の数であるならば、これは車道が浸水しているか、積雪の覆いを有することを示すことがある。

図２０は、標高におけるこの差異の例である。表面２０１０は、車道５００の区画についての地表面の期待される標高若しくは位置を表す。表面２０２０は、閾値標高又は場所を表し、この上方は道路天候条件を示す。データ点２０３２は、レーザー、ソナー、レーダー、カメラ・データの一つ以上から決定された車道の位置の三次元投射である。表面２０３０は、車道５００の区画の平均検出面を表す。この例においては、車道５００の区画の路面の平均検出標高さ又は位置は、閾値面２０２０よりも大きい。従って、図２０の例は、車道が浸水しているか又は積雪の覆いを有することを示す。

図２１のフロー図２１００は、コンピュータ１１０が如何にして車道の平均標高並びに閾値を用いて車道が雪で覆われているか又は濡れているという指標を特定することがあるかの例である。この例においては、ブロック２１１０において車両が車道に沿って駆動されるにつれて、コンピュータ１１０は車道について集められたレーザー・データを受信する。上述したように、レーザー・データは、場所情報を有する複数のレーザー・データ点を含む。ブロック２１２０において、コンピュータ１１０は受信したレーザー・データから車道の平均標高を決定する。ブロック２１３０において、コンピュータは詳細な地図情報にアクセスし、車道の期待される標高を特定する。ブロック２１４０において、この平均標高は、車道の期待される標高よりも上方の閾値と比較される。ブロック２１５０において、平均標高が閾値よりも大きいとき、その結果としてコンピュータは車道が濡れているという指標を特定する。

雪及び濡れた道路天候条件に加えて、コンピュータ１１０は霧のような他の道路天候条件の指標も検出することがある。例えば、車両のレーダー・センサーは非常によく霧を貫通し得るが、レーザー光はそうではないことがある。コンピュータ１１０が、或る閾値期間に亘って特定の距離におけるレーザー障害物を観察するが、レーダー対象がないのであれば、コンピュータ１１０は車道に霧が出ているという指標を特定することがある。

他の例においては、レーザー・データに加えて又はそれに代えて、コンピュータ１１０は、カメラ情報に頼って、濡れているか交接している道路状態のような道路天候条件を特定することがある。例えば、明るさにおける変化、車道の輝度、及び地上の輝度もカメラ画像から判定されることがある。レーザー強度データに関する上述の例と同様に、カメラ３２０−２１により撮られた画像が処理されて、カメラにより撮られた車道の輝度又は反射率が、詳細な地図情報から期待されたものよりも大きい或る閾値又は標準偏差の数であるか否かを判定することがある。もしそうであるならば、これらのカメラ画像は、車道が濡れた、凍結、積雪その他であることを示すことがある。他の例においては、カメラ画像を用いて、他の車両のタイヤが車両１０１のカメラの範囲で水を跳ね上げているか否かを判定することがある。もしそうであるならば、これらのカメラ画像は、車道が濡れていることを示すことがある。

カメラ及びレーザーに加えて、他のセンサー（例えば上述の降水量センサー）からの情報も道路天候条件の指標を特定するためにコンピュータ１１０により用いられることがある。上述したように、降水量センサーは、降水に関する現在の情報を、例えば、光検出器又は降水の検出された量の或る他のインジケータにおいて受信され反射光の量を特定することにより、コンピュータ１１０へ与えることがある。輝度、標高、及び強度情報と同様に、一つ以上の降水量センサーからのデータも現在の降水のような道路天候条件の指標を特定するのに用いられることがある。

輝度、強度、標高、及び現在の降水情報は、コンピュータ３２０から受信された気象情報に組み合わせられることもある。受信された気象情報は道路天候条件を特定するのに用いられることがあり、例えば、今しがた降ってきたり、又は車両１０１が駆動（若しくは間もなく駆動する）領域で現在降っていたりするならば、コンピュータ１１０は、道路は濡れる、凍結等の傾向があることを判定することがある。

上述したように、コンピュータ１１０はコンピュータ３２０に対して情報を送受信することがある。このことについては、コンピュータ３２０はコンピュータ１０へ報告、レーダー情報、予想等の形態で降水、雲、及び／又は温度情報を与えることがある。この情報は定期的に、例えば数分ごとに、数時間ごとに、又は必要に応じて受信されることがあり、或いは要請に応じてコンピュータ１１０へ与えられることがある。例えば、コンピュータ１１０が道路天候条件を特定するならば、例えば上述の例におけるように、コンピュータ１１０は、車両１０１の現在の位置に関する情報を含む要請をネットワーク上でコンピュータ３２０へ送信することがある。この要請に応じて、コンピュータ３２０はコンピュータ１１０へ車両１０１の現在の位置について関連した天気関連情報を与えることがある。他の例においては、コンピュータ１１０は上述の要請を定期的に単純に送信することがある。更に他の例においては、コンピュータ３２０は、特定の地理的地域が関連するにつれて、その特定の地理的領域内の自律型車両に情報を放送することがある。これは特に、天候関連情報が厳しい天候警報などを提供するところで役立つ場合がある。

道路天候条件の様々な特定された指標は、車両が移動している車道の走行条件を推定するために、コンピュータ１１０により一組の入力として処理されることがある。一例を挙げれば、ベイズ推定は車道面の現在の状態を判定するのに用いられることがある。このことについては、車両は、現在若しくは今しがた降っている（降雨、みぞれが降る、降雪など）天候及びこの天候が車道の状態に如何に影響するか（水溜まり、濡れる、凍結、雪で覆われた、混合など）を判定することがある。

次いで、この予想は、様々な駆動決定をするためにコンピュータ１１０により用いられることがある。例えば、道路天候条件が存在するならば、車両１０１の安全な操縦のためにより情報に基づいた決定をするために、コンピュータ１１０はこの予想を用いることがある。例えば、コンピュータ１１０は、車両１１０を操縦し続けるが、また、車道における車両１０１と他の物体との間の距離も増やして、車両１０１を減速して、特定の車道を出るか、特定の車線へ移動することがある。例えば、コンピュータ１０１は、道路天候条件により影響を受けないと期待される中心車線又は側部車線へ移動することがある。他の例においては、特定の状況の下で、特定の駆動機能は無効にされ又は変えられることがある。例えば、雨が降っているならば、車両の車線変更及び通過能力は無効になることがある。同様に、降雨又は降雪であるならば、制動プロフィールを調節して、例えば定期的にブレーキを適用して、それらのブレーキを有効に保つことがある。

駆動決定をなすのに加えて又はそれに代えて、道路天候条件及び／又は路面状況を極端又は危険であると判定し、コンピュータ１１０は運転者へ警報を送ることがある。この警報は、運転者が車両１０１の制御をなすように要求することがある。この警報は、聴覚的信号、視覚的信号、触覚型若しくは触知型及び／又は運転者の注意を引く任意の他の信号とし得る。この警報も運転者が車両の制御をなうように要求することがある。この例においては、運転者に警戒を促した後に、コンピュータ１１０は運転者から入力を受け取ることがある。例えば、運転者はステアリング・ホイールを回し、ブレーキをかけ、アクセラレータを適用し、緊急シャットオフを押すなどにより、車両１０１の制御をなすことがある。コンピュータ１１０が運転者から入力（若しくは充分な入力）を受け取らないならば、コンピュータ１１０は車両１０１を道路の側部へ操縦し（即ち、車両を外側へ引きつける）、車両１０１の速度を減速し、又は車両１０１を完全な停止に至らせることがある。

図２２のフロー図２２００は、上述のようにコンピュータ１１０により実行されるステップの幾つかの例を与える。ここに説明されたステップは単に例示であって、これらのステップは異なる順序で生じる場合があり、ステップが加えられることがあり、またステップは省略されることがあるが理解されよう。この例においては、ブロック２２０２において、車道に沿って集められたデータ点を含むレーザー走査データが受信される。上述したように、レーザー走査データは、車道を含むレーザーの周囲環境において、かつ、或る例においては車道の境界を越える地上において、 物体及び車道特徴等の位置及び強度を示しているデータ点を含むことがある。ブロック２２０４において、この情報は一つ以上の道路天候条件を特定するのに用いられる（例えば、図７、図９、図１２、図１４、図１６、図１８、図１９、及び図２１のフロー図並びに上述の様々な例参照）。ブロック２２０６において、カメラから撮られた画像が受信される。レーザー・データのように、画像は車道を含むカメラの周囲環境に関する情報を含むことがある。ブロック２２０８において、次いで画像は道路天候条件の指標を特定するのに用いられる。ブロック２２１０において、降水量センサーからのデータが受信されて、ブロック２２１２において、道路天候条件の指標を特定するのに用いられる。ブロック２２１４において、天候関連情報は、ネットワーク上でサーバーから受信される。ブロック２２１６において、また、天候関連情報は、道路天候条件の指標を特定するのに用いられる。ブロック２２１８において、特定された指標は次いで車道の走行条件を推定するのに用いられる。ブロック２２２０において、この推定は、上述したように駆動決定をなすのに用いられる。

これらと他の変更例及び上述の特徴の組み合わせは請求項によって定義されたような主題から逸脱しない範囲で利用することができ、例示的実施例の前述の説明は請求項に規定されたような主題の制限としてよりもむしろ例示として解釈すべきである。ここに説明された例の条件（並びに「例えば」「含む」など条件的表現）は請求された主題を特定の例に限定するものと解釈すべきではなく、むしろ、これらの例は多くの可能性がある態様の幾つかのみを例示することを目的とする。
産業上の適用性

本発明は、車両操縦に関連して道路天候条件を検出することを含むが、これに限らず広範な産業上の適用性を享受する。

Claims (22)

1. 方法であって、
   車両が車道に沿って駆動するにつれて前記車道について集められたレーザー・データを受信し、このレーザー・データは複数のレーザー・データ点を含み、この複数のレーザー・データ点の各々は、それに関連した場所及び強度情報を有し、
   前記車道内の場所に関連した複数のレーザー・データ点の平均強度を測定し、
   前記平均強度を、乾燥した天候条件下における車道の期待される平均強度に関連した閾値と比較し、
   前記平均強度が前記閾値を下回るとき、前記車道が濡れているという指標を特定し、
   プロセッサにより、前記車道が濡れているという前記指標に基づいて前記車道の走行条件を推定し、及び、
   この推定を前記プロセッサにより用いて前記車両についての駆動決定をなすことを含む方法。
2. 請求項１の方法において、乾燥した天候条件下における前記車道の前記期待される平均強度が車道の表面の組成に基づく方法。
3. 請求項１の方法において、
   前記車道についての強度値の分布を決定し、
   この決定された分布を、乾燥状態について期待される分布と比較し、
   前記決定された分布が、乾燥状態について期待される分布に対して強度スケールのより暗い端部へ向かって移るとき、車道が濡れているという第２の指標を特定し、及び、
   前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定される方法。
4. 請求項１の方法において、
   前記車両の後部部分の近傍に位置する特定の構造を示さない前記複数のレーザー・データ点のレーザー・データのクラウドを検出し、
   前記クラウドが検出されたとき、前記車道が濡れているという第２の指標を特定し、及び、
   前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されることを更に含む方法。
5. 請求項１の方法において、
   前記複数のレーザー・データ点から前記車道における移動物体を検出し、
   その移動物体の近傍に位置する特定の構造を示さない前記複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、
   前記クラウドが検出されるとき、前記車道が濡れているという第２の指標を特定し、及び、
   前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されることを更に含む方法。
6. 請求項１の方法において、
   前記車道の期待される標高を示している前記車道についての詳細な地図情報にアクセスし、
   前記車道の期待される表面に近接する場所データに関連した前記受信されたレーザー・データ点からレーザー・データ点のクラウドを特定し、
   前記クラウドの前記レーザー・データ点を、前記期待される車道表面の上方の第１の閾値及び前記期待される車道表面の下方の第２の閾値と比較し、
   前記クラウドの前記レーザー・データ点が、第１の閾値の上方の少なくとも一つのレーザー・データ点と第２の閾値の下方の少なくとも一つのレーザー・データ点とを含むとき、車道が濡れているという第２の指標を特定し、及び、
   車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されることを含む方法。
7. 請求項１の方法において、
   前記車両が前記車道に沿って駆動されるにつれて、カメラから撮られた画像を受信し、及び、
   前記画像に基づいて前記車道が濡れている状態であるという更なる指標を特定し、
   前記車道が濡れているという更なる指標が前記プロセッサにより用いられて前記走行条件が推定されることを更に含む方法。
8. 請求項１の方法において、
   前記車両に関連した降水量センサーから降水量データを受信し、及び、
   前記降水量データに基づいて前記車道が濡れているという第２の指標を特定し、
   前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されることを更に含む方法。
9. 請求項１の方法において、前記走行条件を推定することはベイズ推定を用いることを含む方法。
10. 請求項１の方法において、
    前記車道の期待される標高を示している前記車道についての詳細な地図情報にアクセスし、
    前記車道の一部について平均標高を決定し、
    前記車道の前記一部の前記平均標高が、期待される標高よりも大きい少なくとも第２の閾値であるか否かに基づいて、前記車道が濡れているという第２の指標を特定し、及び、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されることを更に含む方法。
11. 請求項１の方法において、
    ネットワーク上のサーバーから前記車両の現在位置についての天候情報を受信し、及び、
    天候関連情報に基づいて前記車道が濡れているという第２の指標を特定し、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定される方法。
12. システムであって、
    乾燥した天候条件の下に車道の期待される平均強度を記憶しているメモリと、
    プロセッサとを備え、このプロセッサは、
    車両が車道に沿って駆動されるにつれて、この車道から集められたレーザー・データを受信し、このレーザー・データは複数のレーザー・データ点を含み、この複数のレーザー・データ点の各々のデータ点は、それに関連した場所及び強度情報を含み、
    前記車道内の場所に関連した前記複数のレーザー・データ点の平均強度を測定し、
    前記平均強度を、乾燥した天候条件下で前記車道の期待される平均強度に関連した閾値と比較し、
    前記平均強度が前記閾値の下方であるとき、前記車道が濡れているという指標を特定し、
    前記車道が濡れているという前記指標に基づいて前記車道の走行条件を推定し、及び、
    この推定を用いて前記車両についいての駆動決定をなすように構成されているシステム。
13. 請求項１２のシステムにおいて、乾燥した天候条件下で前記車道の前記期待される平均強度は、前記車道の表面の組成に基づいているシステム。
14. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車道についての強度値の分布を決定し、
    前記決定された分布を乾燥状態について期待される分布と比較し、
    前記決定された分布が乾燥状態について期待される分布に対して強度スケールのより暗い端部へ向かって移るとき、前記車道が濡れているという第２の指標を特定し、及び、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されるように構成されているシステム。
15. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車両の後部部分に近接して位置する特定の構造を示さない前記複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、
    前記クラウドが検出されるとき、前記車道が濡れているという第２の指標を特定し、及び、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されるように構成されているシステム。
16. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記複数のレーザー・データ点から前記車道における移動物体を検出し、
    前記移動物体の近傍に位置する特定の構造を示さない前記複数のレーザー・データ点のレーザー・データ点のクラウドを検出し、
    前記クラウドが検出されるとき、前記車道が濡れているという第２の指標を特定し、及び、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件が推定されるように構成されているシステム。
17. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車道の期待される標高を示している前記車道についての詳細な地図情報にアクセスし、
    前記車道の期待される表面に近接する場所データに関連した前記受信したレーザー・データ点からレーザー・データ点のクラウドを特定し、
    前記クラウドの前記レーザー・データ点を、前記期待される車道表面の上方の第１の閾値及び前記期待される車道表面の下方の第２の閾値と比較し、
    前記クラウドの前記レーザー・データ点が第１の閾値の上方の少なくとも一つのレーザー・データ点と第２の閾値の下方の少なくとも一つのレーザー・データ点とを含むとき、前記車道が濡れているという第２の指標を特定し、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件を推定するように構成されているシステム。
18. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車両が前記車道に沿って駆動されるにつれて、カメラから撮られる画像を受信し、及び、
    前記画像に基づいて前記車道が濡れている状況であるという更なる指標を特定し、
    前記車道が濡れているという更なる指標が前記プロセッサにより用いられて前記走行条件が推定されるように構成されているシステム。
19. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車両に関連した降水量センサーから降水量データを受信し、及び、
    前記降水量データに基づいて前記車道が濡れているという第２の指標を特定し、
    前記車道が濡れているという第２の指標を前記プロセッサにより用いて前記走行条件を推定するように構成されているシステム。
20. 請求項１２のシステムにおいて、前記走行条件を推定するとき、前記プロセッサはベイズ推定を用いるように構成されているシステム。
21. 請求項１２のシステムにおいて、前記プロセッサは更に、
    前記車道の期待される標高を示している前記車道についての詳細な地図情報にアクセスし、
    前記車道の一部についての平均標高を決定し、
    前記車道の前記一部の前記平均標高が、前記期待される標高よりも大きい少なくとも第２の閾値であるか否かに基づいて、前記車道が濡れているという第２の指標を特定し、及び、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられて前記走行条件を推定するように構成されているシステム。
22. 請求項１２のシステムにおいて、前記プロセッサは更に、
    ネットワーク上のサーバーから前記車両の現在位置についての天候情報を受信し、及び、
    天候関連情報に基づいて前記車道が濡れているという第２の指標を特定し、
    前記車道が濡れているという第２の指標が前記プロセッサにより用いられ前記走行条件を推定するように構成されているシステム。

Images