JP2020020793A - ライダー強度に基づく物体検出 - Google Patents

Abstract

【課題】ライダー強度値に基づいて物体の反射率特性を決定するためのシステム、方法、および装置を提供する。【解決手段】システムは、機械の１つまたは複数のプロセッサと、命令を格納する機械記憶媒体とを含み、命令は、１つまたは複数のプロセッサによる実行時に、機械に、車両の動作中に、ライダーユニットによって出力された入力データ点にアクセスすることを含む処理を行わせる。処理はさらに、反射率推定モデルを使用して、入力データ点に基づいて物体の反射率値を推定することを含み得る。反射率推定モデルは、関連する距離値および未処理の強度値を使用して、以前に収集されたデータ点の座標系へのマッピングを含む。処理はさらに、推定反射率値に基づいて物体の１つまたは複数の特性を決定することを含み得る。【選択図】 図９Ａ−９Ｂ

Description

（優先権主張）
この出願は、全体が本明細書に参照として組み込まれる２０１８年７月３１日に出願された米国特許仮出願第６２／７１２，４７９号の優先権の利益を主張する。

本明細書に開示される主題は、光検出および測距（ライダー（Ｌｉｄａｒ：ｌｉｇｈｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｒａｎｇｉｎｇ））システムに関する。特に、例示的な実施形態は、ライダーシステムによって出力された未処理の強度値に基づく物体検出のためのシステムおよび方法に関し得る。

ライダーは、レーザーを使用して周囲環境の三次元表現を作成するレーダーに類似したシステムである。ライダーユニットは、検出器と対になって１つのチャネルを形成する少なくとも１つのレーザーエミッタを含んでいるが、ライダーユニットの視野を拡大するためにチャネルのアレイが使用されてもよい。動作時には、各チャネルは、周囲環境から反射されて検出器に戻るレーザー信号を周囲に放射する。単一のチャネルは、単一点の測距情報を提供する。チャネルは、集合的に組み合わされて周囲環境の三次元表現に対応する点群を作成する。ライダーユニットはまた、飛行時間（ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ）、即ち、レーザー信号を放射してから戻り信号を検出するまでの経過時間を測定するための回路を含む。飛行時間は、検出された物体までのライダーユニットの距離を決定するために使用される。

いくつかのライダーユニットは、戻り信号の強度をも測定する。戻り信号の強度は、信号を反射する表面の反射率についての情報を提供し、かつ物体検出のために使用することができる。戻り信号の強度は、検出された物体までのライダーユニットの距離、放射されたレーザー信号の入射角、周囲環境の温度、および検出された物体の実際の反射率など、多くの要因に依存する。エミッタと検出器との対の調整のような他の要因は、各チャネルによって出力される強度値の均一性にさらに影響を及ぼし得る信号ノイズを付加する。

増加的に、ライダーは、部分的または完全自律型自動車などの自律型車両（ＡＶ：ａｕｔｏｎｏｍｏｕｓ ｖｅｈｉｃｌｅ）への用途が見出されている。多くの場合、各ライダーチャネルから戻される強度値は、これらの信号が検出された物体の反射率に関連する情報を提供するため、ＡＶの自己位置推定（ｌｏｃａｌｉｚａｔｉｏｎ）、認識（ｐｅｒｃｅｐｔｉｏｎ）、予測（ｐｒｅｄｉｃｔｉｏｎ）、および運行計画（ｍｏｔｉｏｎ ｐｌａｎｎｉｎｇ）に使用される。しかしながら、上述の戻り信号の強度に影響を与える信号ノイズおよび他の要因によって引き起こされるライダー強度値の均一性の欠如があるとすると、ライダーユニットによって提供される未処理の強度値の使用は、自律型および半自律型車両の自己位置推定、認識、予測、および運行計画に関する不正確さおよび他の問題をもたらす。

添付の図面の様々なものは、本発明の主題の例示的な実施形態を単に例示するものであり、その範囲を限定するものと見なすことができるものではない。
いくつかの実施形態による、例示的な自律型車両（ＡＶ）システムを示すブロック図である。 いくつかの実施形態による、ＡＶシステムの一部として含まれ得るライダーユニットを示すブロック図である。 いくつかの実施形態による、未処理のライダー強度値に基づいて推定された反射率値に基づいて物体の特性を決定するための方法の一部として実行される例示的な処理を示すフローチャートである。 いくつかの実施形態による、未処理のライダー強度値に基づいて推定された反射率値に基づいて物体の特性を決定するための方法の一部として実行される例示的な処理を示すフローチャートである。 いくつかの実施形態による、未処理のライダー強度値に基づいて推定された反射率値に基づいて物体の特性を決定するための方法の一部として実行される例示的な処理を示すフローチャートである。 いくつかの実施形態による、未処理のライダー強度値に基づいて推定された反射率値に基づいて物体の特性を決定するための方法の一部として実行される例示的な処理を示すフローチャートである。 いくつかの実施形態による、未処理のライダー強度値に基づいて推定された１つまたは複数の反射率値に基づいて自己位置推定を実行するための方法の一部として実行される例示的な処理を示すフローチャートである。 いくつかの実施形態による、未処理のライダー強度値に基づいて反射率値を推定するためのモデルを生成する際に使用するためのデータセットを収集するためのプロセスの一部として複数のターゲットが配置されている例示的な環境を示す概略図である。 いくつかの実施形態による、入力ライダーデータ点に基づいて反射率値を推定するための例示的なプロセスを示す概念図である。 いくつかの実施形態による、入力ライダーデータ点に基づいて反射率値を推定するための例示的なプロセスを示す概念図である。 本明細書で説明する方法のうちの任意の１つまたは複数を機械に実行させるための一組の命令を実行することができるコンピュータシステム内の例示的な形態の機械の概略図である。

本発明の主題を実施するための特定の例示的な実施形態について詳細に説明する。主題の完全な理解を提供するために、これらの特定の実施形態の例が添付の図面に示されており、特定の詳細が以下の説明に記載されている。これらの事例は、特許請求の範囲を図示の実施形態に限定することを意図するものではないことが理解されるであろう。それとは逆に、それら事例は、本開示の範囲内に含まれ得るような代替形態、修正形態、および均等物を網羅することを意図している。

本開示の態様は、ライダーユニットから取得された未処理の強度値に基づいて物体の反射率を決定するためのシステム、方法、および装置を含む。物体の反射率を決定するための方法は、較正段階と車両動作段階とに分けられ得る。較正段階の間、ライダー較正システムは、ライダーユニットによって出力された複数のデータ点を含むデータセットを収集し、収集したデータに基づいてライダーユニットに固有の反射率推定モデルを生成する。収集したデータセット内の各データ点は、未処理の強度値と距離値とを含み、かつ複数の既知の反射率値のうちの１つに対応する。反射率推定モデルは、ライダーユニットによって出力された入力データ点（ｉｎｃｏｍｉｎｇ ｄａｔａ ｐｏｉｎｔｓ）に基づいて物体の反射率を推定するために、車両動作段階中に自律型車両（ＡＶ）コンピュータシステムによって使用され得る。反射率推定モデルの生成は、各データ点の未処理の強度値および距離値を使用して各データ点を座標系にマッピングすることを含む。データ点のマッピングは、ライダーユニットの各チャネルの各電力レベルに対して生成されてもよい。従って、反射率推定モデルの生成は、複数のマッピングを生成することを含み得る。

車両動作段階では、ＡＶコンピュータシステムの反射率推定システムは、ＡＶの動作中にライダーユニットによって出力される入力データ点に基づいて反射率推定モデルを使用して１つまたは複数の物体の反射率値を推定する。推定反射率値は、物体の反射率（例えば、物体に当たり物体から反射される光の割合の量）を示す。反射率推定システムは、推定反射率値に基づいて物体の１つまたは複数の特性を決定する。例えば、反射率推定システムは、推定反射率値に基づいて物体の反射率を決定し得る。別の例として、推定反射率値を、拡散反射率特性または鏡面反射率特性を決定するためのベースとして使用することができる。

車両動作段階中に、物体の推定反射率値はまた、下流における認識、予測、および運行計画において使用され得る。例えば、ＡＶコンピューティングシステムの構成要素は、物体の推定反射率値に基づいてＡＶのための運行計画を決定し得る。運行計画は、ＡＶの運行を制御する。さらに、ＡＶコンピューティングシステムの構成要素は、物体の推定反射率値に基づいて物体を記述する状態データを生成し得る。

いくつかの実施形態では、推定反射率値も自己位置推定プロセスで使用され得る。例えば、推定反射率の表示を含むようにマップを生成し、１つまたは複数のＡＶの自己位置推定システムは、他のセンサデータと共にマップを使用して、ＡＶの位置および向きを記述する車両の姿勢を生成することができる。

反射率推定モデルを生成するために使用されるデータセットの収集は、ライダーユニットから様々な距離において複数のターゲットを配置すること、ライダーユニットから各ターゲットに対応するデータ点を収集することを含み得る。各ターゲットは、既知の反射率を有し、各データ点は、関連する既知の反射率値を有する。各ターゲットについて収集したデータ点は、ライダーユニットの各電力レベルでライダーユニットの各チャネルによって出力されたデータ点を含む。いくつかの実施形態では、ライダーユニットはジンバルに取り付けられてもよく、ジンバルは、ライダーユニットを複数のターゲットに対して様々な角度で方向付けて、複数の角度の方向で各ターゲットに関するデータ点を取得するために使用され得る。

いくつかの実施形態では、反射率値の推定は、ＡＶの動作中にライダーユニットによって出力された入力データ点にアクセスすること、および入力データ点を座標系にマッピングすることを含む。入力データ点は、データ点を出力するチャネルの電力レベルに対応する特定のマッピング内にマッピングされ得る。データ点が対応する物体の反射率値は、マッピングから識別された２個以上の最近傍のデータ点からの補間によって推定される。

他の実施形態では、反射率推定モデルの生成は、ライダーユニットの各チャネルの各電力レベルに対する距離値および未処理の強度値の複数の組み合わせに対する複数の反射率値を含むルックアップテーブルを生成することを含む。反射率値は、マッピングされたデータ点からの補間を通じて決定され得る。ルックアップテーブルは、ＡＶのコンピューティングシステムに格納される前に圧縮されてもよく、それによって、このデータを格納するのに必要とされるメモリの量が低減される。これらの実施形態と一致して、ＡＶ動作中の反射率値の推定は、ルックアップテーブルにアクセスすること、距離値、未処理の強度値、電力レベル、およびデータ点に対応するチャネルに基づいてルックアップテーブルから反射率値を決定することを含む。車両動作中に反射率値を推定するのではなく較正段階中に反射率値を事前計算することによって、物体の反射率を推定する際のＡＶコンピュータシステムの処理時間が上述の実施形態と比較して短縮され、したがってＡＶシステムの反応時間（例えば、物体を回避することにおける）が改善され得る。

図１を参照すると、いくつかの実施形態による例示的な自律型車両（ＡＶ）システム１００が示されている。不必要な詳細内容で本発明の主題を曖昧にすることを避けるために、本発明の主題の理解していることを伝えることに密接に関係しない様々な機能的構成要素は、図１から省略されている。しかしながら、当業者は、様々な追加の機能的構成要素がＡＶシステム１００の一部として含まれて、本明細書で具体的に説明されていない追加の機能を可能にし得ることを容易に認識するであろう。

ＡＶシステム１００は、車両を制御する役割を果たす。ＡＶシステム１００は、周囲を感知し、人による入力なしにナビゲートすることができる。ＡＶシステム１００は、地上ベースの自律型車両（例えば、自動車、トラック、バスなど）、航空機ベースの自律型車両（例えば、飛行機、無人機、ヘリコプター、または他の航空機）、または他の種類の車両（例えば、船舶）を含むことができる。

ＡＶシステム１００は、車両コンピューティングシステム１０２、１つまたは複数のセンサ１０４、および１つまたは複数の車両制御１１６を含む。車両コンピューティングシステム１０２は、ＡＶシステム１００の制御を支援することができる。特に、車両コンピューティングシステム１０２は、１つまたは複数のセンサ１０４からセンサデータを受信し、センサ１０４によって収集されたデータに対して様々な処理技術を実行することによって周囲環境を把握することを試み、そのような周囲環境を通過する適切な運行経路を生成することができる。車両コンピューティングシステム１０２は、運行経路に従ってＡＶシステム１００を動作させるように１つまたは複数の車両制御１１６を制御することができる。

図１に示すように、車両コンピューティングシステム１０２は、ＡＶシステム１００を制御するのを支援する１つまたは複数のコンピューティングデバイスを含むことができる。車両コンピューティングシステム１０２は、ＡＶシステム１００の動的な周囲環境を認識して、ＡＶシステム１００のために提案された運行経路を記述する軌跡を決定するために協働するローカライザ（ｌｏｃａｌｉｚｅｒ）システム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、および反射率推定システム１２０を含むことができる。車両コンピューティングシステム１０２は、軌跡を追従するようにＡＶシステム１００の運行を実行するために１つまたは複数の車両制御１１６（例えば、ガスフロー（駆動力）、操舵、制動などを制御するアクチュエータ）を制御するように構成される車両コントローラ１１４をさらに含み得る。

特に、いくつかの実施形態では、ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、または反射率推定システム１２０のうちの任意の１つは、ＡＶシステム１００に接続されるか、それ以外にＡＶシステム１００内に含まれる１つまたは複数のセンサ１０４からセンサデータを受信することができる。事例として、１つまたは複数のセンサ１０４は、ライダーユニット１１８、電波探知測距（レーダー）（ＲＡＤＡＲ：Ｒａｄｉｏ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）システム、１つまたは複数のカメラ（例えば、可視スペクトルカメラ、赤外線カメラなど）、および／または他のセンサを含むことができる。センサデータは、ＡＶシステム１００の周囲環境内の物体の位置を記述する情報を含むことができる。

一つの事例として、ライダーユニット１１８の場合、センサデータは、放射されたレーザーを反射した物体に対応する多数の点の位置（例えば、ライダーユニット１１８に対する三次元空間内）を含む点データを含むことができる。例えば、ライダーユニット１１８は、短いレーザーパルスを用いてセンサ１０４（単数または複数）から物体へと進み、物体から戻る飛行時間（ＴｏＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）を測定することによって距離を測定し、既知の光の速さから距離を計算することができる。点データは、各点についての強度値をさらに含み、強度値は、上述したように、放射されたレーザーを反射した物体の反射率についての情報を提供することができる。

別の事例として、レーダーシステムの場合、センサデータは、測距電波を反射した物体に対応する多数の点の位置（例えば、レーダーシステムに対する三次元空間内）を含むことができる。例えば、レーダーシステムによって送信された電波（例えば、パルス波または連続波）は、物体を反射して、レーダーシステムの受信機に戻って、物体の位置および速さについての情報を与えることができる。従って、レーダーシステムは、物体の現在の速さに関する有用な情報を提供することができる。

さらに別の事例として、カメラについては、様々な処理技術（例えば、動きからの構造化、構造化光、立体三角測量、および／または他の技術などの距離画像化技術）を実行して、カメラによって捕捉された画像内に描かれている物体に対応する多数の点の位置（カメラに対する三次元空間）を識別することができる。他のセンサシステムも同様に物体に対応する点の位置を識別することができる。

別の事例として、１つまたは複数のセンサ１０４は位置決めシステム１２４を含み得る。位置決めシステム１２４は、ＡＶシステム１００の現在の位置を決定することができる。位置決めシステム１２４は、ＡＶシステム１００の位置を分析するための任意のデバイスまたは回路であり得る。例えば、位置決めシステム１２４は、１つまたは複数の慣性センサ、ネットワークアクセスポイントまたは他のネットワークコンポーネント（例えば、セルラータワー、ＷｉＦｉアクセスポイントなど）に対する三角測量および／または近接性を使用することによる、インターネットプロトコル（ＩＰ）アドレスに基づく衛星測位システム、および／または他の適切な技術を使用することによって位置を決定することができる。ＡＶシステム１００の位置は、車両コンピューティングシステム１０２の様々なシステムによって使用することができる。

従って、１つまたは複数のセンサ１０４を使用して、ＡＶシステム１００の周囲環境内の物体に対応する点の位置（例えば、ＡＶシステム１００に対する三次元空間内）を記述する情報を含むセンサデータを収集することができる。

センサデータに加えて、ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、および／または反射率推定システム１２０は、ＡＶシステム１００の周囲環境に関する詳細な情報を提供する地図データ１２２を取得するか、またはそれ以外に入手することができる。地図データ１２２は、個別の走行路（例えば、道路、路地、道、および走行用に指定された他の経路）、道路区分、建物、または他の特徴もしくは物体（例えば、街灯、横断歩道、縁石、その他）の識別および位置に関する情報、個別の走行路（例えば、道路）、道路区分、建物、または他の特徴もしくは物体（例えば、街灯、横断歩道、縁石、その他）の既知の反射率（例えば、放射輝度）に関する情報、車線の位置および方向（例えば、駐車レーン、方向転換レーン、自転車専用レーン、または特定の道路または他の走行路内の他のレーンの位置および方向）に関する情報、交通管制データ（例えば、標識、信号機、または他の交通管制装置の位置および指示）に関する情報、および／または車両コンピューティングシステム１０２が周囲環境および車両コンピューティングシステム１０２との関係を把握し認識するのを支援する情報を提供する任意の他の地図データを提供することができる。

さらに、本開示の一態様によれば、地図データ１２２は、世界中のかなりの数の公称経路（ｎｏｍｉｎａｌ ｐａｔｈｗａｙｓ）を記述する情報を含むことができる。一例として、いくつかの事例では、公称経路は、一般に、１つまたは複数のレーン（例えば、道路または他の走行路上のレーン）に沿った車両走行の共通パターンに対応することができる。例えば、レーンを通る公称経路は、一般に、そのようなレーンの中心線に対応することができる。

図示されるように、ライダーユニット１１８はライダー較正システム１２６と通信する。ライダー較正システム１２６は、オフラインプロセスにおいて（例えば、ＡＶシステム１００が動作していない間に）、反射率推定モデルを生成する役割を果たす。このオフラインプロセスは、チャネルが動作可能である各電力レベルでライダーユニット１１８の各チャネルによって出力される複数のデータ点を含むデータセットを収集することを含み、各データ点は、複数のターゲットの１つに対応し、各ターゲットは、既知の反射率を有する。収集したデータセットは、反射率推定モデルを生成するためのベースを提供する。

ＡＶシステム１００の動作中、反射率推定システム１２０は、ライダー較正システム１２６によって生成された反射率推定モデルを使用して、ライダーユニット１１８によって出力された入力データ点に基づいて物体の反射率値を推定する。反射率値は、対応する物体の反射率（例えば、物体に当たり物体から反射される光の割合の量）を示す。反射率推定システム１２０は、推定反射率値に基づいて物体の１つまたは複数の特性を決定し得る。例えば、反射率推定システム１２０は、推定反射率値に基づいて物体の反射率を決定し得る。反射率推定システム１２０は、推定反射率値を車両コンピューティングシステム１０２の他の構成要素に伝達し得る。

ローカライザシステム１０６は、地図データ１２２、センサ１０４からのセンサデータの一部または全部、および反射率推定システム１２０からの推定反射率値を受信し、この情報に基づいてＡＶシステム１００に関する車両の姿勢を生成する。車両の姿勢は、車両の位置および向きを記述する。ＡＶシステム１００の位置は、三次元空間内の点である。いくつかの事例では、位置は一組のデカルト座標（Ｃａｒｔｅｓｉａｎ ｃｏｏｒｄｉｎａｔｅｓ）の値によって記述されるが、他の任意の適切な座標系が使用されてもよい。いくつかの事例では、車両の向きは、垂直軸を中心としたヨー、第１の水平軸を中心としたピッチ、および第２の水平軸を中心としたロールによって記述される。いくつかの事例では、ローカライザシステム１０６は、周期的に（例えば、毎秒ごと、半秒ごとなど）車両の姿勢を生成する。ローカライザシステム１０６は、車両の姿勢にタイムスタンプを付加する。姿勢に対するタイムスタンプは、姿勢が記述された時点を示す。ローカライザシステム１０６は、センサデータ（例えば、リモートセンサデータ）をＡＶシステム１００の周囲環境を記述する地図データ１２２と比較することによって車両の姿勢を生成する。

いくつかの事例では、ローカライザシステム１０６は、１つまたは複数のローカライザおよび姿勢フィルタを含む。ローカライザは、リモートセンサデータ（例えば、ライダー、レーダーなどのデータ）を地図データ１２２と比較することによって姿勢推定値を生成する。姿勢フィルタは、１つまたは複数のローカライザからの姿勢推定値のみならず、例えば、慣性計測装置（ＩＭＵ：ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ）、エンコーダ、走行距離計、および同様のものからの動きセンサデータなどの他のセンサデータを受信する。いくつかの事例では、姿勢フィルタは、カルマンフィルタまたは他の機械学習アルゴリズムを実行して、１つまたは複数のローカライザからの姿勢推定値を動きセンサデータと合成して、車両の姿勢を生成する。

認識システム１０８は、１つまたは複数のセンサ１０４から受信したセンサデータ、反射率推定システム１２０によって提供された推定反射率値、および／または地図データ１２２に基づいて、ＡＶシステム１００に近接する１つまたは複数の物体を識別することができる。特に、いくつかの実施形態では、認識システム１０８は、各物体に関して、物体の現在の状態を記述する状態データを決定することができる。例として、各物体に関する状態データは、物体の現在の場所（位置としても参照される）、現在の速さ（速度としても参照される）、現在の加速度、現在の方位、現在の向き、サイズ／フットプリント（例えば、バウンディングポリゴン（ｂｏｕｎｄｉｎｇ ｐｏｌｙｇｏｎ）または多面体などのバウンディング形状（ｂｏｕｎｄｉｎｇ ｓｈａｐｅ）によって表される）、クラス（例えば、車両、歩行者、自転車、またはその他）、ヨーレート、反射率特性、鏡面反射率特性または拡散反射率特性、および／または他の状態情報の推定値を記述することができる。

いくつかの実施形態では、認識システム１０８は、多数の反復により各物体の状態データを決定することができる。具体的には、認識システム１０８は、各反復で各物体の状態データを更新することができる。従って、認識システム１０８は、ＡＶシステム１００に近接している物体（例えば、車両）を経時的に検出および追跡することができる。いくつかの事例では、認識システム１０８は、反射率推定システム１２０によって計算された物体の鏡面反射率値に基づいて物体の状態データを更新する。

予測システム１１０は、認識システム１０８から状態データを受信し、そのような状態データに基づいて各物体に関する１つまたは複数の将来の位置を予測することができる。例えば、予測システム１１０は、各物体が次の５秒、１０秒、２０秒等々の間にどこに位置するかを予測することができる。一つの事例として、物体は、現在の速さに従って現在の軌跡に忠実であると予測することができる。別の事例として、他のより洗練された予測技術またはモデリングを使用することができる。

運行計画システム１１２は、予測システム１１０によって提供された物体に関する予測された１つまたは複数の将来の位置および／または認識システム１０８によって提供された物体に関する状態データに少なくとも部分的に基づいてＡＶシステム１００の運行計画を決定することができる。言い換えれば、物体の現在の位置および／または近接する物体の予測される将来の位置に関する情報が与えられると、運行計画システム１１２は、そのような位置における物体に対してＡＶシステム１００を最良のナビゲートするＡＶシステム１００に対する運行計画を決定することができる。

運行計画は、運行計画システム１１２によって車両コントローラ１１４に提供することができる。いくつかの実施形態では、車両コントローラ１１４は、他のコンピューティングシステムの構成要素（例えば、認識システム１０８、予測システム１１０、運行計画システム１１２など）で利用可能なものと同じレベルの、所望の移動経路周辺の環境および障害についての情報を有していない線形コントローラとすることができる。それにもかかわらず、車両コントローラ１１４は、ＡＶシステム１００を運行計画に適度に近い状態に維持するように機能することができる。

より具体的には、車両コントローラ１１４は、運行計画に従うようにＡＶシステム１００の運行を制御するように構成することができる。車両コントローラ１１４は、運行計画に従うようにＡＶシステム１００の駆動力および制動のうちの１つまたは複数を制御することができる。車両コントローラ１１４は、運行計画に従うようにＡＶシステム１００の操舵を制御することもできる。いくつかの実施形態では、車両コントローラ１１４は、１つまたは複数の車両アクチュエータコマンド（単数または複数）を生成し、さらに車両アクチュエータコマンド（単数または複数）に従って車両制御１１６内に設けられた１つまたは複数の車両アクチュエータを制御するように構成することができる。車両制御１１６内の車両アクチュエータは、例えば、操舵アクチュエータ、制動アクチュエータ、および／または駆動力アクチュエータを含むことができる。

ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、反射率推定システム１２０、および車両コントローラ１１４の各々は、所望の機能を提供するために利用されるコンピュータロジックを含むことができる。いくつかの実施形態では、ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、反射率推定システム１２０、および車両コントローラ１１４の各々は、汎用プロセッサを制御するハードウェア、ファームウェア、および／またはソフトウェアで実施することができる。例えば、いくつかの実施形態では、ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、反射率推定システム１２０、および車両コントローラ１１４の各々は、ストレージデバイスに格納され、メモリにロードされ、かつ１つまたは複数のプロセッサによって実行されるプログラムファイルを含む。他の実施形態では、ローカライザシステム１０６、認識システム１０８、予測システム１１０、運行計画システム１１２、反射率推定システム１２０、および車両コントローラ１１４の各々は、ランダムアクセスメモリ（ＲＡＭ）、ハードディスク、または光学もしくは磁気媒体などの有形のコンピュータ可読記憶媒体に格納された１組または複数組のコンピュータ実行可能命令を含む。

図２は、いくつかの実施形態による、ＡＶシステム１００の一部として含まれ得るライダーユニット１１８を示すブロック図である。不必要な詳細内容で本発明の主題を曖昧にすることを避けるために、本発明の主題の理解していることを伝えることに密接に関係しない様々な機能的構成要素は、図２から省略されている。しかしながら、当業者は、様々な追加の機能的構成要素がライダーユニット１１８の一部として含まれて、本明細書で具体的に説明されていない追加の機能を可能にし得ることを容易に認識するであろう。

図示されるように、ライダーユニット１１８は、チャネル２００−０〜２００−Ｎを含む。従って、ライダーユニット１１８は、チャネル０〜Ｎを備える。チャネル２００−０〜２００−Ｎの各々は、単一点の距離情報を提供する点データを出力する。チャネル２００−０〜２００−Ｎの各々によって出力される点データ（即ち、点データ_０〜Ｎ）は、周囲環境の三次元表現に対応する点群を作成するために集合的に合成される。

チャネル２００−０〜２００−Ｎの各々は、検出器２０４と対になったエミッタ２０２を備える。エミッタ２０２は、周囲環境から反射して検出器２０４内のセンサ２０６（例えば、光検出器）に戻るレーザー信号を周囲に放射する。各エミッタ２０２は、放出されたレーザー信号の強度を制御する調整可能な電力レベルを有し得る。調整可能な電力レベルは、エミッタ２０２が複数の個別の電力レベル（例えば、強度）のうちの１つでレーザー信号を放射することができることを可能にする。

センサ２０６は、戻り信号を読み出し回路２０８に供給し、読み出し回路２０８は、戻り信号に基づいて点データを出力する。点データは、ＴｏＦを測定することによって読み出し回路２０８によって決定される、検出面（例えば、道路）からのライダーユニット１１８の距離を含み、距離は、エミッタ２０２がレーザー信号を放射し、検出器２０４が戻り信号を検出するまでの間の経過時間である。

点データは、各戻り信号に対応する強度値をさらに含む。強度値は、読み出し回路２０８によって決定された戻り信号の強度の大きさを示す。上述したように、戻り信号の強度は、信号を反射する表面に関する情報を提供し、かつ自己位置推定、認識、予測、および運行計画のためにローカライザシステム１０６、認識システム１０８、予測システム１１０、および運行計画システム１１２のうちの任意の１つによって使用することができる。戻り信号の強度は、ライダーユニット１１８から検出面までの距離、エミッタ２０２がレーザー信号を放射する入射角、周囲環境の温度、エミッタ２０２および検出器２０４のアライメント、および検出面の反射率などの多数の要因に依存する。

図示されるように、ライダーユニット１１８のチャネル２００−０〜２００−Ｎによって出力される点データ（即ち、点データ_０〜Ｎ）は、反射率推定システム１２０に提供される。以下でさらに詳細に説明するように、反射率推定システム１２０は、ライダー較正システム１２６によって生成された反射率推定モデルを使用して、点データから物体の反射率値を推定し、反射率推定システム１２０は、推定反射率値を使用して物体の１つまたは複数の特性を決定する。

図３〜図６は、いくつかの実施形態による、未処理のライダー強度値に基づいて推定された反射率値に基づいて物体特性を決定するための方法３００の一部として実行される例示的な処理を示すフローチャートである。方法３００の処理の少なくとも一部は、これらの処理がＡＶシステム１００の１つまたは複数の構成要素によって実行され得るように、ハードウェアコンポーネント（例えば、プロセッサ）による実行のためのコンピュータ可読命令で具現化され得る。従って、方法３００は、一例として、方法３００を参照して以下に説明される。しかしながら、方法３００は、他の様々なハードウェア構成に展開することができ、かつＡＶシステム１００上の展開に対して限定されることを意図していないことを理解されたい。方法３００は、２つの段階：１）較正段階および２）車両動作段階に概念的に分けられ得る。処理３０５および３１０は、オフライン較正段階を形成し、処理３１５、３２０、３２５、および３３０は車両動作段階を形成する。

処理３０５において、ライダー較正システム１２６は、ライダーユニット１１８によって出力された複数のデータ点を含むデータセットを収集する。各データ点は、未処理の強度値および距離値を含む。未処理の強度値は、戻り信号の強度の大きさを含み、距離値は、ライダーユニット１１８から放射光信号を反射した表面または物体までの距離の大きさを含む。各データ点は、複数のターゲットの１つに対応する。各ターゲットは、既知の反射率値を有し、従って各データ点は、既知の反射率値に関連付けられている。

データセットを収集することは、複数のターゲットのうちの各ターゲットに対応するデータ点を収集することを含み得る。各ターゲットに関するデータ点の収集は、ライダーユニット１１８のチャネル２００−０〜２００−Ｎの各々によって出力されたデータ点の収集を含み得る。チャネル２００−０〜２００−Ｎの各々によって出力されたデータ点の収集は、チャネル２００−０〜２００−Ｎの各々の各電力レベルで出力されたデータ点を収集することを含み得る。さらに、各チャネル２００−０〜２００−Ｎの各々の各電力レベルで出力されるデータ点の収集は、ライダーユニット１１８が複数のターゲットに対して様々な角度で配置されている間に、ライダーユニット１１８によって出力されたデータ点を収集することを含み得る。言い換えれば、一組のデータを収集することは、ライダーユニット１１８が複数のターゲットに対して様々な角度で配置されている間に、ライダーユニット１１８のチャネル２００−０〜２００−Ｎの各々の各電力レベルで出力されるデータ点を収集することを含み得る。従って、収集したデータセットは、複数組のデータ点を含み得、複数組のデータ点は、ライダーユニット１１８のチャネル２００−０〜２００−Ｎの各々の各電力レベルに対応する一組のデータ点を含む。チャネル２００−０〜２００−Ｎのうちの特定の１つの特定の電力レベルに対応する一組のデータ点は、各ターゲットに対応する複数のデータ点を含み、複数のデータ点は、ライダーユニット１１８が各ターゲットに対して複数の角度で配置されている間にライダーユニット１１８によって出力されたデータ点を含む。

処理３１０において、ライダー較正システム１２６は、収集したデータセットに基づいてライダーユニット１１８に関する反射率推定モデルを生成し訓練する。反射率推定モデルは、各データ点の距離値および未処理の強度値を座標として使用する、複数のデータ点の座標系への少なくとも１つのマッピングを含む。マッピング内で、データ点の既知の反射率値（例えば、複数のターゲットに対応する）は、各データ点の距離値および未処理の強度値に基づく座標と関連付けられる。反射率モデルの生成に関するさらなる詳細は、図５、６、および９Ａ〜９Ｄを参照して以下に説明される。

車両動作段階では、反射率推定システム１２０は、反射率推定モデルを使用して、車両の動作中にライダーユニット１１８によって出力された入力データ点から物体の反射率値を推定する（処理３１５）。入力データ点は、物体が放射された光信号を反射してライダーユニット１１８に戻すことに応答して、ライダーユニット１１８によって出力される。入力データ点は、距離値および未処理の強度値を含む。反射率値は、物体の反射率の量（例えば、物体に当たり物体から反射される光の割合の量）を示す。反射率値は、反射率推定モデルに含まれるデータ点のマッピング（例えば、入力データ点を出力するチャネル２００の電力レベルに対応するデータ点のマッピング）に対して実行される局所補間に基づいて推定され得る。より具体的には、反射率値は、マッピングに含まれる少なくとも２個のデータ点から補間され得る。反射率推定モデルを用いた反射率値の推定に関するさらなる詳細は、図５、６、および９Ａ〜９Ｄを参照して以下に説明される。

処理３２０で、車両コンピューティングシステム１０２の１つまたは複数の構成要素は、推定反射率値に基づいて物体の１つまたは複数の特性を決定する。例えば、反射率推定システム１２０は、推定反射率値に基づいて物体の反射率を決定し得る。別の事例として、反射率推定システム１２０は、推定反射率値を物体の拡散反射率特性または鏡面反射率特性を決定するためのベースとして使用し得る。推定反射率値は、物体の現在位置、現在の速さ、現在の加速度、現在の方位、現在の向き、サイズ／フットプリント、クラス、およびヨーレートのうちの１つまたは複数の推定値を決定するために認識システム１０８によって使用され得る。予測システム１１０は、推定反射率値を使用して、物体に関する１つまたは複数の将来の位置を予測し得る。

処理３２５において、認識システム１０８は、物体を記述するために推定反射率値に基づいて物体に関連する状態データを生成する。従って、物体に関する状態データは、ライダーユニット１１８から物体までの距離と、物体に関する推定反射率値とを含む。状態データは、推定反射率値に基づいて決定された物体の１つまたは複数の特性をさらに含み得る。

処理３３０において、運行計画システム１１２は、物体の推定反射率値に基づいて車両の運行計画を決定する。上述したように、車両コントローラ１１４は、運行計画を使用して車両の運行を制御する。

図４に示すように、方法３００は、いくつかの実施形態では、処理４０５、４１０、および４１５を含み得る。これらの実施形態と一致して、処理４０５、４１０、および４１５は、処理３０５の前またはその一部として実行されてもよく、その場合、ライダー較正システム１２６はデータセットを収集する。

処理４０５において、１人または複数人のオペレータが複数のターゲットを配置する。各ターゲットは既知の反射率値を有する。複数のターゲットは、ライダーユニット１１８から様々な距離に配置され得る。複数のターゲットの例示的な配置は、図８を参照して以下に説明される。

処理４１０において、１人または複数人のオペレータがライダーユニット１１８をジンバルに取り付ける。ジンバルは、人間のオペレータが複数のターゲットに対して様々な角度でライダーユニット１１８を向けることを可能にする。

処理４１５において、ライダー較正システム１２６は、複数のターゲットに対して複数の角度でライダーユニット１１８を位置決めし、ライダーユニット１１８はデータ点を出力する。より具体的には、ライダー較正システム１２６は、ライダーユニット１１８がデータ点を生成する間に、複数のターゲットに対するライダーユニット１１８の角度を調整するようにジンバルに電子コマンドを提供する。例えば、ライダー較正システム１２６は、ライダーユニット１１８がさらなるデータ点を生成する第２の角度にライダーユニット１１８を配置するようにジンバルに命令する前に、ライダーユニット１１８が第１の角度で複数のターゲットに対応するデータ点を生成することを可能にし得る。ライダー較正システム１２６は、ある範囲内の角度を少しずつ（ｉｎ ｓｍａｌｌ ｉｎｃｒｅｍｅｎｔｓ）（例えば、０．２５度）掃引するようにジンバルに命令し得る。上記したように、各角度に関して、ライダー較正システム１２６は、各チャネルの各電力レベルに対応するデータ点を収集し得る。

図５に示すように、方法３００は、いくつかの実施形態では、処理５０５、５１０、５１５、５２０、および５２５を含み得る。これらの実施形態と一致して、処理５０５は、処理３１０の一部として実行されてもよく、ライダー較正システム１２０は、反射率推定モデルを生成する。処理５０５において、ライダー較正システム１２６は、各データ点の個々の距離および未処理の強度値を使用して、複数のデータ点の座標系へのマッピングを生成する。マッピングを生成する際に、ライダー較正システム１２６は、各データ点の距離および未処理の強度値を使用して各データ点を座標系にマッピングする。データ点を座標系にマッピングする際に、ライダー較正システム１２６は、データ点の距離および未処理の強度値に基づいてデータ点を一組の座標に関連付け、それによって既知の反射率値を距離値および未処理の強度値に関連付ける。

いくつかの実施形態と一致して、反射率推定モデルは、複数のデータ点の座標系への複数のマッピングを含む。これらの実施形態では、各マッピングは、チャネル２００−０〜２００−Ｎのうちの特定の１つの特定の電力レベルに対応し、従って、特定のマッピングは、特定の電力レベルで特定のチャネルによって出力されるデータ点のみを含む。このため、処理３１０で実行される反射率推定モデルの生成は、各チャネルの各電力レベルに対するデータ点のマッピングを生成することを含み得る。即ち、処理５０５は、各チャネルの各電力レベルに対して繰り返され得る。

処理５１０、５１５、５２０、および５２５は、処理３１５の一部として実行されてもよく、反射率推定システム１２０は、物体の反射率値を推定する。処理５１０において、反射率推定システム１２０は、車両の動作中にライダーユニット１１８によって出力された入力データ点にアクセスする。上述したように、入力データ点は、検出された物体に対応し、かつ未処理の強度値および距離値を含む。

処理５１５において、反射率推定システム１２０は、未処理の強度値および距離値を使用して入力データ点を座標系にマッピングする。即ち、反射率推定システム１２０は、未処理の強度値および距離値に基づいて入力データ点を一組の座標と関連付ける。

処理５２０で、反射率推定システム１２０は、複数のデータ点の座標系へのマッピングに基づいて座標系内のＫ個の最近傍の入力データ点を識別する。処理５２０において、Ｋは２以上である。反射率推定システム１２０は、Ｋ個の最近傍の入力データ点を識別するための複数の既知の技術（例えば、線形探索（ｌｉｎｅａｒ ｓｅａｒｃｈ）、空間分割（ｓｐａｃｅ ｐａｒｔｉｔｉｏｎｉｎｇ）、局所性鋭敏型ハッシュ（ｌｏｃａｌｉｔｙ−ｓｅｎｓｉｔｉｖｅ ｈａｓｈｉｎｇ）、Ｋ近傍法（ｋ−ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ）、（１＋ε）−近似最近傍探索（（１＋ε）−ａｐｐｒｏｘｉｍａｔｅ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｓｅａｒｃｈ）、その他）のうちの１つを使用し得る。

反射率推定モデルが複数のマッピングを含む実施形態では、物体に対する反射率値の推定は、入力データ点およびチャネルの電力レベルを出力するライダーユニット１１８のチャネルに基づいて複数のマッピングから最近傍を識別するために使用されるマッピングを選択することを含む。換言すれば、反射率推定システム１２０は、最近傍の入力データ点を識別するのに使用するために、入力データ点に対応するチャネルおよび電力レベルに特有のマッピングを選択する。

処理５２５において、反射率推定システム１２０は、Ｋ個の最近傍から入力データ点の反射率値を補間する。反射率推定システム１２０は、Ｋ個の最近傍から反射率値を補間するために多くの既知の補間技術のうちの任意の１つを使用し得る。

図６に示すように、方法３００は、いくつかの実施形態では、処理６０５、６１０、６１５、６２０、６２５、６３０、および６３５を含み得る。これらの実施形態と一致して、処理６０５、６１０、６１５、および６２０は処理３１０の一部として実行されてもよく、ライダー較正システム１２６は反射率推定モデルを訓練し生成する。

処理６０５において、ライダー較正システム１２６は、各データ点の個々の距離および未処理の強度値を使用して、複数のデータ点の座標系へのマッピングを生成する。マッピングを生成する際に、反射率推定システム１２０は、各データ点の距離および未処理の強度値を使用して各データ点を座標系にマッピングする。データ点を座標系にマッピングする際に、反射率推定システム１２０は、データ点の距離および未処理の強度値に基づいてデータ点を一組の座標に関連付け、それによって既知の反射率値を距離値および未処理の強度値に関連付ける。

処理６１０において、ライダー較正システム１２６は、マッピングを用いて複数の反射率値を含むルックアップテーブルを生成する。ルックアップテーブル内で、各反射率値は、距離値、未処理の強度値、チャネル、および電力レベルの組み合わせに関連付けられている。ルックアップテーブルに含まれる反射率値は、（例えば、マッピングによって）距離値と未処理の強度値との組み合わせに予め関連付けられている（例えば、複数のターゲットの）既知の反射率値のみならず、複数のデータ点のマッピングから補間された反射率値をも含み得る。従って、ルックアップテーブルの生成は、複数のデータ点のマッピングから複数の反射率値を補間することを含み得る。

処理６１５において、ライダー較正システム１２６は、ルックアップテーブルを圧縮する。ルックアップテーブルを圧縮する際に、反射率推定システム１２０は、いくつかの既知の圧縮技術またはアルゴリズムのうちの任意の１つを利用し得る。処理６２０において、反射率推定システム１２０は、車両コンピューティングシステム１０２のメモリデバイスに圧縮されたルックアップテーブルを格納する。

これらの実施形態と一致して、処理６２５、６３０、および６３５は、処理３１５の一部として実行されてもよく、反射率推定システム１２０は、反射率推定モデルを使用して入力データ点から物体の反射率値を推定する。

処理６２５において、反射率推定システム１２０は、車両の動作中にライダーユニット１１８によって出力された入力データ点にアクセスする。上述したように、入力データ点は、検出された物体に対応し、かつ未処理の強度値および距離値を含む。処理６３０において、反射率推定システム１２０は、車両コンピューティングシステム１０２のメモリデバイスの圧縮されたルックアップテーブルにアクセスする。

処理６３５において、反射率推定システム１２０は、ルックアップテーブルを使用して入力データ点の反射率値を決定する。より具体的には、反射率推定システム１２０は、入力データ点を出力する多数のチャネルおよびチャネルの電力レベルに加えて入力データ点の未処理の強度値および距離値を用いてルックアップテーブルから反射率値を識別する。

図７は、いくつかの実施形態による、未処理のライダー強度値に基づいて推定された１つまたは複数の反射率値に基づいて自己位置推定を実行するための方法７００の一部として実行される例示的な処理を示すフローチャートである。方法７００は、方法７００の処理がＡＶシステム１００の１つまたは複数の構成要素によって実行され得るように、ハードウェアコンポーネント（例えば、プロセッサ）による実行のためのコンピュータ可読命令で具現化され得る。従って、方法７００は、一例として、方法７００を参照して以下に説明される。しかしながら、方法７００は、他の様々なハードウェア構成に展開することができ、かつＡＶシステム１００上の展開に対して限定されることを意図していないことを理解されたい。

処理７０５において、反射率推定システム１２０は、反射率推定モデルを用いて入力データ点から物体の反射率値を推定する。入力データ点は、車両の動作中にライダーユニット１１８によって出力される。反射率推定システム１２０は、本明細書に記載の技術に従って反射率値を推定し得る。

処理７１０において、ローカライザシステム１０６は、反射率推定システム１２０によって推定された物体の推定反射率値を含む反射率マップを生成する。特に、反射率マップ内では、推定反射率値は、推定反射率値が対応する物体の地理的位置に関連付けられている。反射率マップを生成する際に、ローカライザシステム１０６は、推定反射率値が対応する物体の位置における反射率値の表示を含むように地図データ１２２を拡張し得る。反射率マップは、車両コンピューティングシステムによって生成された推定反射率値も含み得る。

処理７１５において、ローカライザシステム１０６は反射率マップに基づいて自己位置推定を実行する。即ち、ローカライザシステム１０６は、反射率マップを使用して、車両の位置および向きを記述するＡＶシステム１００に対する車両の姿勢を生成し得る。

図８は、いくつかの実施形態による、ライダーユニット１１８に関する反射率推定モデルを生成する際に使用するためのデータセットを収集するためのプロセスの一部として複数のターゲットが配置される例示的な環境８００を示す概略図である。図示されるように、複数のターゲットが、ライダーユニット１１８から様々な距離で環境８００内に配置されている。例えば、ターゲット８０２は、ライダーユニット１１８から７メートルに配置され、ターゲット８０４は、ライダーユニット１１８から１４メートルに配置され、ターゲット８０６は、ライダーユニット１１８から２６メートルに配置される。各ターゲットは、既知の反射率（例えば、物体に当たり物体から反射される光の割合の量）を有する。上述したように、ライダーユニット１１８に関する反射率推定モデルを生成するために使用されるデータセットを収集する際に、各ターゲットに対応するデータ点が収集される。即ち、ライダーユニット１１８は、各ターゲットに向けられた光信号を放射し、放射された光信号の各ターゲットからの反射に対応する戻り信号を受信し、距離値および未処理の強度値を含む各戻り信号に対応する点データを出力する。各ターゲットに関して収集したデータ点は、各電力レベルでチャネル２００−０〜２００−Ｎ（図２）の各々によって出力されたデータ点を含む。

図９Ａ〜図９Ｄは、いくつかの実施形態による、ライダーユニット１１８から受信した入力データ点に基づいて反射率値を推定するための例示的なプロセスを示す概念図である。図９Ａを参照すると、反射率推定モデル９００の視覚的表現が示されている。反射率推定モデル９００は、マッピング９０２−１〜９０２−４４０を含む。上述したように、ライダー較正システム１２６は、上述の方法で収集した一組のデータに基づいてオフライン前処理段階で反射率推定モデル９００を生成し得る。図９Ａに示すように、マッピング９０２−１〜９０２−４４０は、距離および未処理の強度によって定義される座標系内の複数のプロットとして視覚化されている。

マッピング９０２−１〜９０２−４４０の各々内で、各データ点に関連する距離値および未処理の強度値に基づいてデータ点が座標系にマッピングされる。即ち、各データ点は距離値および未処理の強度値を含み、マッピング内のデータ点は、データ点に関連する未処理の強度値および距離値を使用して一組の座標に関連付けられる。各データ点は、収集したデータセットに含まれる。さらに、各データ点は、データ点が対応するターゲット（例えば、図８のターゲット８０２、８０４、または８０６）の既知の反射率値（例えば、物体に当たり物体から反射される光の割合の量）に関連付けられている。

マッピング９０２−０〜９０２−４４０の各々は、特定の電力レベルおよびチャネルの組み合わせに関連付けられている。図９Ａ〜図９Ｄにおいて、マッピングに関連するチャネルを示すために「Ｌ」が使用され、チャネルの電力レベルを示すために「Ｐ」が使用される。例えば、マッピング９０２−０は、電力レベル０でチャネル０に関連付けられており、従って、マッピング９０２−０は、「Ｌ０Ｐ０」とラベル付けされている。別の事例として、マッピング９０２−４４０は、電力レベル７でチャネル６３に関連付けられており、従って、マッピング９０２−４４０は「Ｌ６３Ｐ７」とラベル付けされている。

マッピング９０２−０は、データ点９０３〜９０８を含む。データ点９０３〜９０８の各々は、電力レベル０でライダーユニット１１８のチャネル０によって出力された。図示されるように、データ点９０３〜９０８の各々は、データ点が対応するターゲットの既知の反射率に関連付けられている。例えば、データ点９０３は５０％の反射率値を含み、データ点９０４は１２％の反射率値を含み、データ点９０５は６．５％の反射率値を含み、データ点９０６は３６％の反射率値を含み、データ点９０７は６４％の反射率値を含み、データ点９０８は８２％の反射率値を含む。

図９Ｂを参照すると、車両動作中に、ライダーユニット１１８の電力レベル０でチャネル０によって出力された入力データ点９１０を受信すると、反射率推定システム１２０は、マッピング９０２−０にアクセスして、マッピング９０２−０内の座標系に入力データ点をマッピングする。以前に収集されたデータ点と同様に、入力データ点は未処理の強度値および距離値を含む。反射率推定システム１２０は、入力データ点の未処理の強度値および距離値を使用して、入力データ点をマッピング９０２−１の座標系内の１組の座標に関連付ける。図示されるように、入力データ点９１０に関連する反射率値は、当初は未知である。

図９Ｃを参照すると、反射率推定システム１２０は、マッピング９０２−０内の入力データ点９１０の２個の最近傍を識別し、２個の最近傍は、この事例では、データ点９０３および９０７と対応する。最近傍を識別する際に、反射率推定システム１２０は、最近傍を識別するためのいくつかの既知の技法またはアルゴリズムのうちの１つ（例えば、Ｋ近傍法アルゴリズム）を使用することができる。さらに、図９Ｃの状況では、２個の最近傍のみが識別されているが、１個を超える任意の数の最近傍を利用することができることを理解されたい。

図９Ｄを参照すると、反射率推定システム１２０は、最近傍（データ点９０３および９０７）から入力データ点９１０に関連する反射率値を補間する。反射率推定システム１２０は、データ点９０３および９０７から反射率値を補間するために、いくつかの既知の補間技術またはアルゴリズムのうちの１つを使用し得る。この事例では、反射率推定システム１２０は、５７％の反射率値が入力データ点９１０に関連付けられていることを決定する。この決定に基づいて、反射率推定システム１２０は、入力データ点９１０に対応する物体は５７％の反射率値を有すると推定する。

図１０は、例示的な実施形態による、本明細書で説明された方法のうちの任意の１つまたは複数を機械１０００に実行させるための一組の命令が実行され得るコンピュータシステムの形態の機械１０００の図表示を示す。具体的には、図１０は、コンピュータシステムの例示的な形態の機械１０００の図表示を示しており、機械１０００内で、機械１０００に本明細書で説明された方法のうちの任意の１つまたは複数を実行するための命令１０１６（例えば、ソフトウェア、プログラム、アプリケーション、アプレット、アプリ、または他の実行可能コード）が実行される。例えば、命令１０１６は、機械１０００に方法３００および７００を実行させ得る。このようにして、命令１０１６は、一般的なプログラムされていない機械を、記載され図示された機能を本明細書に記載された方法で実行するように構成されたライダー較正システム１２６または車両コンピューティングシステム１０２などの特定の機械１０００に変換する。代替の実施形態では、機械１０００は、独立型装置として動作するか、または他の機械に結合（例えばネットワーク化）され得る。ネットワーク配備では、機器１０００は、サーバ−クライアントネットワーク環境ではサーバ機器またはクライアント機器として、またはピアツーピア（または分散）ネットワーク環境ではピア機器として動作し得る。機械１０００は、機械１０００によって行われるべき動作を指定する命令１０１６を順次または他の方法で実行することができるサーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、タブレットコンピュータ、ラップトップコンピュータ、ネットブック、スマートフォン、モバイルデバイス、ネットワークルータ、ネットワークスイッチ、ネットワークブリッジ、または任意の機械を含むが、これらに限定されない。さらに、単一の機械１０００のみが図示されているが、「機械」という用語は、本明細書で説明する方法のうちの任意の１つまたは複数を実行するために個別にまたは共同で命令１０１６を実行する機械１０００の集合も含むものとみなされる。

機械１０００は、バス１００２を介するなどして互いに通信するように構成され得るプロセッサ１０１０、メモリ１０３０、および入出力（Ｉ／Ｏ）コンポーネント１０５０を含み得る。例示的な実施形態では、プロセッサ１０１０（例えば、中央処理装置（ＣＰＵ）、縮小命令セットコンピューティング（ＲＩＳＣ）プロセッサ、複合命令セットコンピューティング（ＣＩＳＣ）プロセッサ、グラフィック処理装置（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、高周波集積回路（ＲＦＩＣ）、別のプロセッサ、またはそれらの任意の適切な組み合わせ）は、例えば、プロセッサ１０１２および命令１０１６を実行し得るプロセッサ１０１４を含み得る。用語「プロセッサ」は、同時に命令を実行し得る２つ以上の独立したプロセッサ（「コア」と参照されることもある）を備え得るマルチコアプロセッサ１０１０を含むことを意図している。図１０はマルチプロセッサ１０１０を示しているが、機械１０００は、シングルコアを有するシングルプロセッサ、マルチコアを有するシングルプロセッサ（例えば、マルチコアプロセッサ）、シングルコアを有するマルチプロセッサ、マルチコアを有するマルチプロセッサ、またはそれらの任意の組み合わせを含み得る。

メモリ１０３０は、メインメモリ１０３２、スタティックメモリ１０３４、および機械記憶媒体１０３７を含むストレージユニット１０３６を含み得、各々は、バス１００２を介するなどしてプロセッサ１０１０にアクセス可能である。メインメモリ１０３２、スタティックメモリ１０３４、およびストレージユニット１０３６は、本明細書に記載された方法または機能のうちの任意の１つまたは複数を具体化する命令１０１６を格納する。命令１０１６はまた、機械１０００による命令１０１６の実行中に、メインメモリ１０３２内、スタティックメモリ１０３４内、ストレージユニット１０３６内、少なくとも１つのプロセッサ１０１０内（例えば、プロセッサのキャッシュメモリ内）、またはそれらの任意の適切な組み合わせ内に完全にまたは部分的に存在し得る。

Ｉ／Ｏコンポーネント１０５０は、入力を受信し、出力を提供し、出力を生成し、情報を送信し、情報を交換し、測定値を捕捉するなどのためのコンポーネントを含み得る。特定の機械１０００に含まれる特定のＩ／Ｏコンポーネント１０５０は、機械の種類に依存する。例えば、携帯電話などの携帯機器は、タッチ入力デバイスまたは他のそのような入力機構を含む可能性があり、ヘッドレスサーバ機器は、そのようなタッチ入力デバイスを含まない可能性がある。Ｉ／Ｏコンポーネント１０５０が、図１０には示されていない他の多くのコンポーネントを含み得ることは理解されよう。Ｉ／Ｏコンポーネント１０５０は、単に以下の説明を簡略化するために機能に従ってグループ化されており、このグループ化は決して限定的なものではない。様々な例示的な実施形態では、Ｉ／Ｏコンポーネント１０５０は、出力コンポーネント１０５２および入力コンポーネント１０５４を含み得る。出力コンポーネント１０５２は、視覚コンポーネント（例えば、プラズマディスプレイパネル（ＰＤＰ）、発光ダイオード（ＬＥＤ）ディスプレイ、液晶ディスプレイ（ＬＣＤ）、プロジェクタ、または陰極線管（ＣＲＴ）などのディスプレイ）、音響部品（例えば、スピーカー）、その他の信号発生器、およびその他を含み得る。入力コンポーネント１０５４は、英数字入力コンポーネント（例えば、キーボード、英数字入力を受信するように構成されたタッチスクリーン、フォトオプティカルキーボード、または他の英数字入力コンポーネント）、ポイントベースの入力コンポーネント（例えば、マウス、タッチパッド、トラックボール、ジョイスティック、動きセンサ、または他のポインティング機器）、触覚入力コンポーネント（例えば、物理的ボタン、タッチまたはタッチジェスチャの位置および／または力を提供するタッチスクリーン、または他の触覚入力コンポーネント）、音声入力コンポーネント（例えば、マイクロフォン）、およびその他を含み得る。

通信は、多種多様な技術を使用して実施し得る。Ｉ／Ｏコンポーネント１０５０は、カップリング１０８２およびカップリング１０７２を介して機械１０００をネットワーク１０８０またはデバイス１０７０に各々接続するように動作可能な通信コンポーネント１０６４を含み得る。例えば、通信コンポーネント１０６４は、ネットワーク１０８０とインターフェースするためのネットワークインターフェースコンポーネントまたは別の適切なデバイスを含み得る。さらなる事例では、通信コンポーネント１０６４は、有線通信コンポーネント、無線通信コンポーネント、セルラー通信コンポーネント、および他のモダリティ（例えば、ブルートゥース（登録商標）、ＷｉＦｉ（登録商標）、およびＮＦＣ）を介して通信を提供するための他の通信コンポーネントを含み得る。デバイス１０７０は、他の機械であり得るか、または多種多様な周辺デバイス（例えば、ユニバーサルシリアルバス（ＵＳＢ）を介して接続された周辺デバイス）のうちの任意のものであり得る。

実行可能命令および機械記憶媒体
様々なメモリ（例えば、１０３０、１０３２、１０３４、および／またはプロセッサ１０１０（単数または複数）のメモリ）および／またはストレージユニット１０３６は、本明細書に記載の方法または機能のうちの任意の１つまたは複数によって具体化されるか、または利用される１組または複数の組の命令１０１６およびデータ構造（例えば、ソフトウェア）を格納し得る。これらの命令は、プロセッサ１０１０（単数または複数）による実行時に、開示された実施形態を実施するための様々な処理を行わせる。

本明細書で使用される場合、用語「機械記憶媒体」、「デバイス記憶媒体」、および「コンピュータ記憶媒体」は同じものを意味し、交換可能に使用され得る。この用語は、実行可能命令および／またはデータを格納する単一または複数のストレージデバイスおよび／または媒体（例えば、集中型または分散型データベース、および／または関連のキャッシュおよびサーバ）を指し示す。従って、これらの用語は、ソリッドステートメモリ、およびプロセッサの内部または外部のメモリを含む光磁気媒体を含むが、これらに限定されないものとみなされる。機械記憶媒体、コンピュータ記憶媒体、および／またはデバイス記憶媒体の具体例は、事例として、半導体メモリデバイス（例えば、消去可能プログラマブルリードオンリーメモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読み取り専用メモリ（ＥＥＰＲＯＭ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、およびフラッシュメモリデバイス）を含む不揮発性メモリ、内蔵ハードディスクおよびリムーバブルディスクなどの磁気ディスク、光磁気ディスク、およびＣＤ−ＲＯＭおよびＤＶＤ−ＲＯＭディスクを含む。「機械記憶媒体」、「コンピュータ記憶媒体」、および「デバイス記憶媒体」という用語は、搬送波、変調データ信号、および他のそのような媒体を特に除外し、それらの少なくともいくつかは、以下に説明する「伝送媒体」という用語の下に含まれる。

伝送媒体
様々な例示的な実施形態では、ネットワーク１０８０の１つまたは複数の一部分は、アドホックネットワーク、イントラネット、エクストラネット、仮想プライベートネットワーク（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、ワイヤレスＷＡＮ（ＷＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、インターネット、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、普通の電話サービス（ＰＯＴＳ）ネットワーク、セルラー電話ネットワーク、無線ネットワーク、ＷｉＦｉ（登録商標）ネットワーク、他の種類のネットワーク、または２つ以上のそのようなネットワークの組み合わせであり得る。例えば、ネットワーク１０８０またはネットワーク１０８０の一部は、無線ネットワークまたはセルラーネットワークを含み得、カップリング１０８２は、符号分割多重アクセス（ＣＤＭＡ）接続、移動体通信用グローバルシステム（ＧＳＭ（登録商標））接続、または別の種類のセルラーまたはワイヤレスカップリングであり得る。この事例では、カップリング１０８２は、シングルキャリア無線伝送技術（１ｘＲＴＴ）、エボルーションデータオプティマイズド（ＥＶＤＯ）技術、汎用パケット無線サービス（ＧＰＲＳ）技術、ＧＳＭエボルーション用高速データレート（ＥＤＧＥ）技術、３Ｇを含む第３世代パートナーシッププロジェクト（３ＧＰＰ）、第４世代ワイヤレス（４Ｇ）ネットワーク、ユニバーサルモバイルテレコミュニケーションシステム（ＵＭＴＳ）、高速パケットアクセス（ＨＳＰＡ）、マイクロ波アクセス用ワールドワイドインターオペラビリティ（ＷｉＭＡＸ）、ロングタームエボリューション（ＬＴＥ）規格、いくつかの標準化団体によって定義された他の規格、他の長距離プロトコル、または他のデータ転送技術などの様々な種類のデータ転送技術のいずれかを実施し得る。

命令１０１６は、伝送媒体を使用してネットワークインターフェースデバイス（例えば、通信コンポーネント１０６４に含まれるネットワークインターフェースコンポーネント）介して、かつ任意の１つの周知の転送プロトコル（例えば、ハイパーテキスト転送プロトコル（ＨＴＴＰ））を使用してネットワーク１０８０を介して送信または受信され得る。同様に、命令１０１６は、伝送媒体を使用してデバイス１０７０に対するカップリング１０７２（例えば、ピアツーピアカップリング）を介して送信または受信され得る。「伝送媒体」および「信号媒体」という用語は、同じものを意味し、かつ本開示では交換可能に使用され得る。「伝送媒体」および「信号媒体」という用語は、機械１０００による実行のために命令１０１６を格納、符号化、または搬送することができる任意の無形媒体を含み、かつ、そのようなソフトウェアの通信を可能にするためのデジタル通信信号またはアナログ通信信号または他の無形媒体を含むものとみなされる。従って、「伝送媒体」および「信号媒体」という用語は、任意の形態の変調データ信号、搬送波、およびその他を含むものとみなされる。「変調データ信号」という用語は、信号内に情報を符号化するような方法で設定または変更された１つまたは複数の特性を有する信号を意味する。

コンピュータ可読媒体
「機械可読媒体」、「コンピュータ可読媒体」、および「デバイス可読媒体」という用語は同じものを意味し、本開示では交換可能に使用され得る。これらの用語は、機械記憶媒体と伝送媒体の両方を含むものと定義される。したがって、この用語は、ストレージデバイス／媒体と搬送波／変調データ信号の両方を含む。

本明細書で記載される例示的な方法の様々な処理は、関連する処理を実行するように一時的に構成され（例えば、ソフトウェアによって）、または恒久的に構成される１つまたは複数のプロセッサによって少なくとも部分的に実行され得る。同様に、本明細書に記載の方法は、プロセッサで少なくとも部分的に実施され得る。例えば、方法の処理のうちの少なくともいくつかは、１つまたは複数のプロセッサによって実行され得る。特定の処理の動作は、単一の機械内に存在するだけでなく、多数の機械にわたって配備されている１つまたは複数のプロセッサ間で分散され得る。いくつかの例示的な実施形態では、１つのプロセッサまたは複数のプロセッサは単一の場所（例えば、家庭環境、オフィス環境、またはサーバファーム内）に配置され得、他の実施形態では、プロセッサは、いくつかの場所に亘って分散され得る。

本開示の実施形態は特定の例示的な実施形態を参照して記載したが、本発明の主題のより広い範囲から逸脱することなく、これらの実施形態に対して様々な修正および変更を加え得ることは明らかであろう。従って、本明細書および図面は、限定的な意味ではなく例示的な意味で考慮されるべきである。本明細書の一部を形成する添付の図面は、限定ではなく例示として、主題が実施され得る特定の実施形態を示す。本明細書の示された実施形態は、当業者が本明細書に開示された教示を実施することを可能にするために十分に詳細に記載されている。本開示の範囲から逸脱することなく、構造的および論理的な置換および変更を行うことができるように、他の実施形態が使用され、かつそこから導出されることが可能である。従って、詳細な説明は限定的な意味で解釈されるべきではなく、様々な実施形態の範囲は添付の特許請求の範囲とそのような特許請求の範囲が権利を与える等価物の全範囲によってのみ定義される。

本発明の主題のそのような実施形態は、単に便宜上、個々におよび／または集合的に「発明」という用語によって本明細書において言及され得るが、これは、本出願の範囲を、任意の単一の発明または発明概念（もし実際に複数が開示されているならば）に自発的に限定することを意図するものではない。従って、本明細書では特定の実施形態を例示し説明したが、同じ目的を達成するために算定された任意の構成を、示された特定の実施形態の代替となり得ることを理解されたい。本開示は、様々な実施形態の任意および全ての適応または変形を網羅することを意図している。上記の実施形態と、本明細書に具体的に記載されていない他の実施形態との組み合わせは、上記の説明を検討すれば、当業者には明らかであろう。

本明細書では、特許明細書で一般的であるように、用語「ａ」または「ａｎ」は、「少なくとも１つ」または「１つまたは複数」の他の事例または使用法とは無関係に、１つまたは複数を含むように使用される。本明細書では、「または」という用語は、排他的な「または」を参照するために使用され、「ＡまたはＢ」は、特に明記しない限り、「ＡではあるがＢではなく」、「ＢではあるがＡではなく」、および「ＡおよびＢ」を含む。添付の特許請求の範囲において、用語「含む（ｉｎｃｌｕｄｉｎｇ）」および「そこで（ｉｎ ｗｈｉｃｈ）」は、個々の用語「備える（ｃｏｍｐｒｉｓｉｎｇ）」および「ここで（ｗｈｅｒｅｉｎ）」の平易な英語の等価物として使用される。また、添付の特許請求の範囲において、用語「含む（ｉｎｃｌｕｄｉｎｇ）」および「備える（ｃｏｍｐｒｉｓｉｎｇ）」は、オープンエンドである。即ち、請求項においてそのような用語の後に列挙されているものの他に要素を含むシステム、装置、物品、またはプロセスは、依然として特許請求の範囲内にあると見なされる。

Claims (20)

1. 自律型車両（ＡＶ）システムであって、
   機械の１つまたは複数のプロセッサと、
   命令を格納する機械記憶媒体であって、前記命令は、前記１つまたは複数のプロセッサによる実行時に、前記機械に、
   ＡＶシステムの動作中に、光検出および測距（ライダー）ユニットによって出力された入力データ点にアクセスすること、
   反射率推定モデルを使用して、入力データ点に基づいて物体の反射率値を推定すること、前記反射率推定モデルは、以前に収集されたデータ点の距離値および未処理の強度値を座標として使用する一組の以前に収集されたデータ点の座標系へのマッピングを含み、前記反射率値は、前記座標系にマッピングされた前記一組の以前に収集されたデータ点のうちの少なくとも２個の以前に収集されたデータ点から補間され、前記２個の以前に収集されたデータ点の各々は、複数の既知の反射率値の１つに対応しており、
   推定反射率値に基づいて物体の１つまたは複数の特性を決定することを含む処理を実行させる、前記機械記憶媒体とを備えるＡＶシステム。
2. 物体の前記反射率値を推定することは、
   前記入力データ点を前記座標系にマッピングすること、
   前記座標系にマッピングされた前記入力データ点の２個以上の最近傍を識別すること、前記２個以上の最近傍は、少なくとも２個の以前に収集されたデータ点を含み、
   前記２個以上の最近傍からの前記反射率値を補間することを含む、請求項１に記載のＡＶシステム。
3. 前記反射率推定モデルは、前記座標系にマッピングされた前記一組の以前に収集されたデータ点から補間された複数の反射率値を含むルックアップテーブルを含み、各反射率値は、距離値および未処理の強度値の特定の組み合わせに対応しており、
   物体の前記反射率値の推定は、
   前記ルックアップテーブルにアクセスすること、
   前記入力データ点の未処理の強度値および距離値に基づいて前記ルックアップテーブルから前記反射率値を決定することを含む、請求項１に記載のＡＶシステム。
4. ライダーユニットは複数のチャネルを含み、各チャネルは複数の電力レベルで動作することが可能であり、
   前記反射率推定モデルは、以前に収集されたデータ点の前記座標系への複数のマッピングを含み、前記複数のマッピングの各々は、前記ライダーユニットの特定のチャネルの特定の電力レベルに対応しており、
   物体の前記反射率値の推定は、前記入力データ点を出力する前記ライダーユニットのチャネルおよび該チャネルの電力レベルに基づいて、複数のマッピングから前記一組の以前に収集されたデータ点のマッピングを選択することを含む、請求項１に記載のＡＶシステム。
5. 前記処理は、物体を記述する状態データを生成することをさらに含み、前記状態データは、少なくとも前記推定反射率値を含む、請求項１に記載のＡＶシステム。
6. 前記処理は、
   物体の推定反射率値の表示を含む反射率マップを生成すること、
   前記反射率マップに基づいて自己位置推定を実行することをさらに含む、請求項１に記載のＡＶシステム。
7. 前記処理は、
   ライダーユニットによって出力された複数のデータ点を含むデータセットを収集すること、前記複数のデータ点の各々は、複数のターゲットのうちの１つに対応し、各ターゲットは、複数の既知の反射率値のうちの１つを有し、前記データセットは、前記一組の以前に収集されたデータ点に対応しており、
   前記データセットに基づいて前記ライダーユニットに関する反射率推定モデルを生成することを含み、前記反射率推定モデルの生成は、前記一組の以前に収集されたデータ点を前記座標系にマッピングすることを含む、請求項１に記載のＡＶシステム。
8. 光検出および測距（ライダー）較正システムであって、
   機械の１つまたは複数のプロセッサと、
   命令を格納する機械記憶媒体であって、前記命令は、前記１つまたは複数のプロセッサによる実行時に、前記機械に、
   ライダーユニットによって出力された複数のデータ点を含むデータセットを収集すること、前記複数のデータ点の各々は、複数のターゲットのうちの１つに対応し、各ターゲットは、既知の反射率値を有しており、
   前記データセットに基づいて前記ライダーユニットに関する反射率推定モデルを生成することを含む処理を実行させる、前記機械記憶媒体とを備え、前記反射率推定モデルの生成は、各データ点の距離値および未処理の強度値を座標として用いて前記複数のデータ点を座標系にマッピングすることを含み、前記反射率推定モデルは、前記ライダーユニットによって出力された入力データ点から反射率値を推定するように機能する、ライダー較正システム。
9. 前記反射率推定モデルの生成は、前記座標系にマッピングされた複数のデータ点から補間された複数の反射率値を含むルックアップテーブルを生成することをさらに含み、
   各反射率値は、距離値および未処理の強度値の特定の組み合わせに対応している、請求項８に記載のライダー較正システム。
10. 前記処理が
    前記ルックアップテーブルを圧縮して、圧縮されたルックアップテーブルを生成すること、
    前記圧縮されたルックアップテーブルを車両コンピューティングシステムのメモリデバイスに格納することをさらに含む、請求項９に記載のライダー較正システム。
11. 前記データセットの収集は、前記ライダーユニットの各チャネルによって出力された複数のデータ点を収集することを含み、
    前記反射率推定モデルの生成は、各チャネルに関して、複数のデータ点の前記座標系へのマッピングを生成することを含む、請求項９に記載のライダー較正システム。
12. 前記ライダーユニットの各チャネルは、複数の電力レベルで動作することが可能であり、
    前記ライダーユニットの各チャネルによって出力された複数のデータ点を収集することは、各電力レベルで各チャネルによって出力された複数のデータ点を収集することを含み、
    前記反射率推定モデルの生成は、複数のデータ点の前記座標系への複数のマッピングを生成することを含み、各マッピングは、特定のチャネルの特定の電力レベルに対応する、請求項１１に記載のライダー較正システム。
13. 方法であって、
    自律型車両の光検出および測距（ライダー）ユニットによって出力された複数のデータ点を含むデータセットを収集するステップと、複数のデータ点の各々は、複数のターゲットのうちの１つに対応し、各ターゲットは、既知の反射率値を有しており、
    前記データセットに基づいてライダーユニットに関する反射率推定モデルを生成するステップと、前記反射率推定モデルの生成は、各データ点の距離値および未処理の強度値を座標として使用して前記複数のデータ点を座標系にマッピングすることを含み、
    前記自律型車両の車両コンピューティングシステムによって、前記自律型車両の動作中に、前記ライダーユニットによって出力された入力データ点にアクセスするステップと、
    前記反射率推定モデルを使用して、前記入力データ点に基づいて物体の反射率値を推定するステップと、前記反射率値は、前記座標系にマッピングされた少なくとも２個のデータ点から補間され、
    前記車両コンピューティングシステムによって、推定反射率値に基づいて、前記自律型車両の運行計画を決定するステップとを含み、前記自律型車両の運行計画は、前記自律型車両の運行を制御するために使用される、方法。
14. 物体の前記反射率値を推定することは、
    前記入力データ点を前記座標系にマッピングすること、
    前記座標系にマッピングされた前記入力データ点の２個以上の最近傍を識別すること、前記２個以上の最近傍は、少なくとも２個のデータ点を含んでおり、
    前記２個以上の最近傍からの前記反射率値を補間することを含む、請求項１３に記載の方法。
15. 前記反射率推定モデルの生成は、
    前記座標系にマッピングされた複数のデータ点から補間された複数の反射率値を含むルックアップテーブルを生成すること、各反射率値は、距離値および未処理の強度値の特定の組み合わせに対応しており、
    物体の前記反射率値の推定は、
    前記車両コンピューティングシステムによって、前記車両コンピューティングシステムのメモリデバイスから前記ルックアップテーブルにアクセスすること、
    前記車両コンピューティングシステムによって、前記入力データ点の距離値および未処理の強度値に基づいて前記ルックアップテーブルから前記反射率値を決定することを含む、請求項１３に記載の方法。
16. 前記データセットの収集は、前記ライダーユニットの各チャネルによって出力された複数のデータ点を収集することを含み、
    前記反射率推定モデルの生成は、各チャネルに関して、複数のデータ点の前記座標系へのマッピングを生成することを含む、請求項１３に記載の方法。
17. 前記ライダーユニットの各チャネルは、複数の電力レベルで動作することが可能であり、
    前記ライダーユニットの各チャネルによって出力された複数のデータ点を収集することは、各電力レベルで各チャネルによって出力された複数のデータ点を収集することを含み、
    前記反射率推定モデルの生成は、複数のデータ点の前記座標系への複数のマッピングを生成することを含み、各マッピングは、特定のチャネルの特定の電力レベルに対応する、請求項１６に記載の方法。
18. 物体の前記反射率値の推定は、前記入力データ点を出力する前記ライダーユニットのチャネルおよび該チャネルの電力レベルに基づいて、前記複数のマッピングから１つのマッピングを選択することを含む、請求項１７記載の方法。
19. 前記データセットを収集することは、
    複数のターゲットを配置すること、各ターゲットは既知の反射率を有しており、
    各ターゲットに対応する少なくとも１つのデータ点を収集することを含む、請求項１３に記載の方法。
20. 前記処理は、
    前記ライダーユニットをジンバルに取り付けること、
    前記ジンバルを使用して前記ライダーユニットを複数の角度に配置することをさらに含み、
    各ターゲットに対応する少なくとも１つのデータ点を収集することは、複数の角度の各角度で各ターゲットに対応する少なくとも１つのデータ点を収集することを含む、請求項１９に記載の方法。