JP2022540640A

JP2022540640A - 自律的デバイスのリアルタイム制御のためのシステムおよび方法

Info

Publication number: JP2022540640A
Application number: JP2022501336A
Authority: JP
Inventors: デルメルヴェ，ダークエー．ヴァン; アルナブミシュラ，; クリストファーシー．ランゲンフェルト，; マイケルジェイ．スレート，; クリストファージェイ．プリンシペ，; グレゴリージェイ．ビュイトクス，; ジャスティンエム．ホイットニー，; ラアジタグムマディ，; デレクジー．ケイン，; エミリーエー．キャリグ，; パトリックスティール，; ベンジャミンブイ．ハーシュ，; シヴァペルマール，フヌジー; デイビッドキャリグ，; ダニエルエフ．パウロウスキー，; ヤショヴァルダンチャトゥルヴェディ，; カルティクカンナ，
Original assignee: デカ・プロダクツ・リミテッド・パートナーシップ
Priority date: 2019-07-10
Filing date: 2020-07-10
Publication date: 2022-09-16
Also published as: JP2023112104A; GB202201700D0; IL289689A; WO2021007561A1; GB2600638A; BR112022000356A2; CN114270140A; GB2600638A8; KR20220034843A; MX2022000458A; EP3997484A1; AU2020310932A1; CA3146648A1

Abstract

能力において有利に変動され、有利に位置付けられ、環境条件に対して有利に影響されないセンサを有する、自律的車両。センサからのデータとともに、例えば、実質的不連続表面特徴を含む、マップを受信し、マップおよびデータに基づいて、占有グリッドを作成し、その上で自律的車両がナビゲートする表面のタイプに基づいて、自律的車両の構成を変更することができる、自律的車両上で実行されるシステム。本デバイスは、不連続表面および他の障害物を横断することを含め、表面ならびに表面特徴を安全にナビゲートすることができる。

Description

（関連出願の相互参照）
本実用特許出願は、参照することによってその全体として本明細書に組み込まれる、２０２０年２月２５日に出願され、「ＳｙｓｔｅｍａｎｄＭｅｔｈｏｄｆｏｒＳｕｒｆａｃｅＦｅａｔｕｒｅＤｅｔｅｃｔｉｏｎａｎｄＴｒａｖｅｒｓａｌ」と題された、米国特許出願第１６／８００，４９７号（弁理士整理番号第ＡＡ１６４号）の一部継続出願である。本特許出願は、２０１９年７月１０日に出願され、「ＡｐｐａｒａｔｕｓｆｏｒＬｏｎｇａｎｄＳｈｏｒｔＲａｎｇｅＳｅｎｓｏｒｓｏｎａｎＡｕｔｏｎｏｍｏｕｓＤｅｌｉｖｅｒｙＤｅｖｉｃｅ」と題された、米国仮特許出願第６２／８７２，３９６号（弁理士整理番号第ＡＡ０２８号）、２０２０年３月１７日に出願され、「ＳｙｓｔｅｍａｎｄＭｅｔｈｏｄｆｏｒＭａｎａｇｉｎｇａｎＯｃｃｕｐａｎｃｙＧｒｉｄ」と題された、米国仮特許出願第６２／９９０，４８５号（弁理士整理番号第ＡＡ０３７号）、および２０１９年７月１０日に出願され、「ＳｙｓｔｅｍａｎｄＭｅｔｈｏｄｆｏｒＲｅａｌ－ＴｉｍｅＣｏｎｔｒｏｌｏｆｔｈｅＣｏｎｆｉｇｕｒａｔｉｏｎｏｆａｎＡｕｔｏｎｏｍｏｕｓＤｅｖｉｃｅ」と題された、米国仮特許出願第６２／８７２，３２０号（弁理士整理番号第Ｚ９６号）の利益を主張する。

本願は、参照することによってその全体として本明細書に組み込まれる、２０１８年７月１３日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥ」と題された、米国特許出願第１６／０３５，２０５号（弁理士整理番号第Ｘ８０号）、２０１７年１０月１８日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥ」と題された、米国特許出願第１５／７８７，６１３号（弁理士整理番号第Ｗ１０号）、２０１７年５月２０日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥ」と題された、米国特許出願第１５／６００，７０３号（弁理士整理番号第Ｕ２２号）、２０１８年５月１７日に出願され、「ＳＹＳＴＥＭＡＮＤＭＥＴＨＯＤＦＯＲＳＥＣＵＲＥＲＥＭＯＴＥＣＯＮＴＲＯＬＯＦＡＭＥＤＩＣＡＬＤＥＶＩＣＥ」と題された、米国特許出願第１５／９８２，７３７号（弁理士整理番号第Ｘ５５号）、２０１７年７月１５日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥＩＭＰＲＯＶＥＭＥＮＴＳ」と題された、米国仮出願第６２／５３２，９９３号（弁理士整理番号第Ｕ３０号）、２０１７年９月１５日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥＳＥＡＴ」と題された、米国仮出願第６２／５５９，２６３号（弁理士整理番号第Ｖ８５号）、および２０１７年１１月４日に出願され、「ＭＯＢＩＬＩＴＹＤＥＶＩＣＥＳＥＡＴ」と題された、米国仮出願第６２／５８１，６７０号（弁理士整理番号第Ｗ０７号）に関連する。

本教示は、概して、ＡＶに関し、より具体的には、自律的ルート計画、グローバル占有グリッド管理、車両上センサ、表面特徴検出および横断、ならびにリアルタイム車両構成変更に関する。

（背景）
ＡＶおよび半自律的車両（ＡＶ）のナビゲーションは、典型的には、例えば、限定ではないが、ＬＩＤＡＲ、カメラ、ステレオカメラ、およびレーダを含む、長距離センサに依拠する。長距離センサは、ＡＶから４～１００メートルを感知することができる。対照的に、物体回避および／または表面検出は、典型的には、例えば、限定ではないが、ステレオカメラ、短距離レーダ、ならびに超音波センサを含む、短距離センサに依拠する。これらの短距離センサは、典型的には、ＡＶの周囲約５メートルの面積または体積を観察する。センサは、例えば、その環境内でＡＶを配向すること、ならびに所望の目的地に到達するように道路、歩道、障害物、および開放空間をナビゲートすることを可能にすることができる。センサはまた、人間、標識、交通信号、障害物、および表面特徴を視覚化することを可能にすることができる。

表面特徴横断は、表面特徴、例えば、限定ではないが、実質的不連続表面特徴（ＳＤＳＦ）が、異種の形態の中に見出され得、その形態が、具体的地理に一意であり得るため、課題となり得る。しかしながら、例えば、限定ではないが、傾斜、縁、縁石、段差、および縁石様幾何学形状等（本明細書では、非限定的方法で、ＳＤＳＦまたは単純に表面特徴と称される）等のＳＤＳＦは、それらの識別を補助し得るいくつかの典型的な特性を含むことができる。表面／道路条件および表面タイプは、例えば、多感覚データを融合することによって認識ならびに分類されることができ、これは、複雑かつ高コストであり得る。表面特徴および条件は、ＡＶの物理的再構成をリアルタイムで制御するために使用されることができる。

センサは、ＡＶに関する経路計画目的のために、世界を表し得る占有グリッドの作成を可能にするために使用されることができる。経路計画は、空間を自由、占有、または未知として識別するグリッドを要求する。しかしながら、空間が占有されている確率は、空間に関する意思決定を改良することができる。確率の対数オッズ表現が、０および１の確率の数値境界における正確度を増加させるために使用されることができる。セルが占有されている確率は、少なくとも新しいセンサ情報、以前のセンサ情報、および事前の占有情報に依存し得る。

必要とされるものは、可変地形横断を遂行するために、集積されたセンサデータおよびリアルタイムセンサデータを車両の物理的構成の変更と組み合わせるシステムである。必要とされるものは、物理的構成変更、可変地形横断、および物体回避を達成するために有利なセンサ設置である。必要とされるものは、ＳＤＳＦ識別に関するいくつかの基準と関連付けられるマルチパートモデルに基づいてＳＤＳＦを位置特定する能力である。必要とされるものは、候補横断アプローチ角度、候補表面特徴の両側上の候補横断走行表面、および候補横断経路障害物のリアルタイム判定等の基準に基づいて、候補表面特徴横断を判定することである。必要とされるものは、走行可能表面およびデバイスモード情報を占有グリッド判定に組み込むためのシステムならびに方法である。

（要約）
本教示のＡＶは、所望の場所に自律的にナビゲートすることができる。いくつかの構成では、ＡＶは、センサと、知覚サブシステムと、自律性サブシステムと、ドライバサブシステムとを含む、デバイスコントローラと、電力基部と、４つの動力供給される車輪と、２つのキャスタ車輪と、貨物コンテナとを含むことができる。いくつかの構成では、知覚および自律性サブシステムは、センサ情報（知覚）ならびにマップ情報（知覚および自律性）を受信ならびに処理することができ、指示をドライバサブシステムに提供することができる。マップ情報は、表面分類と、関連付けられるデバイスモードとを含むことができる。ドライバサブシステムによって制御され、電力基部によって可能にされる、ＡＶの移動は、センササブシステムによって感知され、フィードバックループを提供することができる。いくつかの構成では、ＳＤＳＦは、例えば、本明細書に説明されるプロセスに従って、点群データから正確に識別され、マップ内に記憶されることができる。ＡＶの場所と関連付けられるマップの部分は、ナビゲーションの間にＡＶに提供されることができる。知覚サブシステムは、横断されるべき経路が現在占有されている確率についてＡＶに知らせ得る、占有グリッドを維持することができる。いくつかの構成では、ＡＶは、複数の明確に異なるモードで動作することができる。モードは、他の利益の中でもとりわけ、複雑な地形横断を可能にすることができる。マップ（例えば、表面分類）、センサデータ（ＡＶを囲繞する特徴を感知する）、占有グリッド（来たる経路点が占有されている確率）、モード（困難な地形を横断することができる状態かどうか）の組み合わせが、ＡＶの方向、構成、および速度を識別するために使用されることができる。

マップを準備することに関して、いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示の方法であって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本方法は、限定ではないが、表面を表す点群データにアクセスすることと、点群データをフィルタリングすることと、フィルタリングされた点群データを処理可能部分に形成することと、処理可能部分を少なくとも１つの凹多角形に併合することとを含むことができる。本方法は、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化することを含むことができる。位置特定および標識化することは、標識化された点群データを形成することができる。本方法は、少なくとも、少なくとも１つの凹多角形に基づいて、グラフ化多角形を作成することと、少なくともグラフ化多角形に基づいて、開始点から終了点までの経路を選定することとを含むことができる。ナビゲートするとき、ＡＶは、経路に沿って少なくとも１つのＳＤＳＦを横断することができる。

点群データをフィルタリングすることは、随意に、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含むことができる。処理部分を形成することは、随意に、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含むことができる。処理可能部分を併合することは、随意に、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、走行可能表面を設定することとを含むことができる。少なくとも１つのＳＤＳＦ特徴を位置特定および標識化することは、随意に、ＳＤＳＦフィルタに従って、走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、カテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含むことができる。本方法は、随意に、少なくとも、複数の少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することを含むことができる。グラフ化多角形を作成することはさらに、随意に、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することを含むことができる。少なくとも１つの多角形は、縁を含むことができる。グラフ化多角形を作成することは、縁を平滑化することと、平滑化された縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から縁を除去することとを含むことができる。縁の平滑化は、随意に、縁を外向きにトリミングすることを含むことができる。平滑化された縁の走行マージンを形成することは、随意に、外向き縁を内向きにトリミングすることを含むことができる。

いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示のシステムであって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本システムは、限定ではないが、表面を表す点群データにアクセスする、第１のプロセッサと、点群データをフィルタリングする、第１のフィルタと、フィルタリングされた点群データから処理可能部分を形成する、第２のプロセッサと、処理可能部分を少なくとも１つの凹多角形に併合する、第３のプロセッサと、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化する、第４のプロセッサであって、位置特定および標識化することは、標識化された点群データを形成する、第４のプロセッサと、グラフ化多角形を作成する、第５のプロセッサと、少なくともグラフ化多角形に基づいて、開始点から終了点までの経路を選定する、経路セレクタとを含むことができる。ＡＶは、経路に沿って少なくとも１つのＳＤＳＦを横断することができる。

第１のフィルタは、随意に、限定ではないが、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含み得る、実行可能コードを含むことができる。セグメンタは、随意に、限定ではないが、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含み得る、実行可能コードを含むことができる。第３のプロセッサは、随意に、限定ではないが、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、走行可能表面を設定することとを含み得る、実行可能コードを含むことができる。第４のプロセッサは、随意に、限定ではないが、ＳＤＳＦフィルタに従って、走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、カテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含み得る、実行可能コードを含むことができる。本システムは、随意に、限定ではないが、少なくとも、複数の少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することを含み得る、実行可能コードを含むことができる。

グラフ化多角形を作成することは、随意に、限定ではないが、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、少なくとも１つの多角形は、縁を含む、ことと、縁を平滑化することと、平滑化された縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から縁を除去することとを含み得る、実行可能コードを含むことができる。縁を平滑化することは、随意に、限定ではないが、縁を外向きにトリミングすることを含み得る、実行可能コードを含むことができる。平滑化された縁の走行マージンを形成することは、随意に、限定ではないが、外向き縁を内向きにトリミングすることを含み得る、実行可能コードを含むことができる。

いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示の方法であって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本方法は、限定ではないが、ルート形態にアクセスすることを含むことができる。ルート形態は、フィルタリングされた点群データを含み得る、少なくとも１つのグラフ化多角形を含むことができる。点群データは、標識化された特徴と、走行可能マージンとを含むことができる。本方法は、点群データをグローバル座標系に変換することと、少なくとも１つのＳＤＳＦの境界を判定することと、境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成することと、少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る少なくとも１つのＳＤＳＦを判定することと、少なくとも、少なくとも１つのＳＤＳＦ横断基準、変換された点群データ、およびルート形態に基づいて、縁／加重グラフを作成することと、少なくとも縁／加重グラフに基づいて、開始点から目的地点までの経路を選定することとを含むことができる。

少なくとも１つのＳＤＳＦ横断基準は、随意に、少なくとも１つのＳＤＳＦの事前選択された幅および少なくとも１つのＳＤＳＦの事前選択された平滑度と、走行可能表面を含む、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離および最小退出距離と、ＡＶによる少なくとも１つのＳＤＳＦへの約９０°アプローチを適応させ得る、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離とを含むことができる。

いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示のシステムであって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本システムは、限定ではないが、ルート形態にアクセスする、第６のプロセッサを含むことができる。ルート形態は、フィルタリングされた点群データを含み得る、少なくとも１つのグラフ化多角形を含むことができる。点群データは、標識化された特徴と、走行可能マージンとを含むことができる。本システムは、点群データをグローバル座標系に変換する、第７のプロセッサと、少なくとも１つのＳＤＳＦの境界を判定する、第８のプロセッサとを含むことができる。第８のプロセッサは、境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成することができる。本システムは、少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る少なくとも１つのＳＤＳＦを判定する、第９のプロセッサと、少なくとも、少なくとも１つのＳＤＳＦ横断基準、変換された点群データ、およびルート形態に基づいて、縁／加重グラフを作成する、第１０のプロセッサと、少なくとも縁／加重グラフに基づいて、開始点から目的地点までの経路を選定する、基部コントローラとを含むことができる。

いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示の方法であって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本方法は、限定ではないが、表面を表す点群データにアクセスすることを含むことができる。本方法は、点群データをフィルタリングすることと、フィルタリングされた点群データを処理可能部分に形成することと、処理可能部分を少なくとも１つの凹多角形に併合することとを含むことができる。本方法は、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化することを含むことができる。位置特定および標識化することは、標識化された点群データを形成することができる。本方法は、少なくとも、少なくとも１つの凹多角形に基づいて、グラフ化多角形を作成することを含むことができる。グラフ化多角形は、ルート形態を形成することができ、点群データは、標識化された特徴と、走行可能マージンとを含むことができる。本方法は、点群データをグローバル座標系に変換することと、少なくとも１つのＳＤＳＦの境界を判定することと、境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成することと、少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る少なくとも１つのＳＤＳＦを判定することと、少なくとも、少なくとも１つのＳＤＳＦ横断基準、変換された点群データ、およびルート形態に基づいて、縁／加重グラフを作成することと、少なくとも縁／加重グラフに基づいて、開始点から目的地点までの経路を選定することとを含むことができる。

点群データをフィルタリングすることは、随意に、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含むことができる。処理部分を形成することは、随意に、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含むことができる。処理可能部分を併合することは、随意に、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、走行可能表面を設定することとを含むことができる。少なくとも１つのＳＤＳＦ特徴を位置特定および標識化することは、随意に、ＳＤＳＦフィルタに従って、走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、カテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含むことができる。本方法は、随意に、少なくとも、複数の少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することを含むことができる。グラフ化多角形を作成することはさらに、随意に、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することを含むことができる。少なくとも１つの多角形は、縁を含むことができる。グラフ化多角形を作成することは、縁を平滑化することと、平滑化された縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から縁を除去することとを含むことができる。縁の平滑化は、随意に、縁を外向きにトリミングすることを含むことができる。平滑化された縁の走行マージンを形成することは、随意に、外向き縁を内向きにトリミングすることを含むことができる。少なくとも１つのＳＤＳＦ横断基準は、随意に、少なくとも１つのＳＤＳＦの事前選択された幅および少なくとも１つのＳＤＳＦの事前選択された平滑度と、走行可能表面を含む、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離および最小退出距離と、ＡＶによる少なくとも１つのＳＤＳＦへの約９０°アプローチを適応させ得る、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離とを含むことができる。

いくつかの構成では、ＡＶによって遭遇される少なくとも１つのＳＤＳＦをナビゲートするためのマップを作成するための本教示のシステムであって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、本システムは、限定ではないが、表面を表す点群データにアクセスする、点群アクセサと、点群データをフィルタリングする、第１のフィルタと、フィルタリングされた点群データから処理可能部分を形成する、セグメンタと、処理可能部分を少なくとも１つの凹多角形に併合する、第３のプロセッサと、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化する、第４のプロセッサであって、位置特定および標識化することは、標識化された点群データを形成する、第４のプロセッサと、グラフ化多角形を作成する、第５のプロセッサとを含むことができる。ルート形態は、フィルタリングされた点群データを含み得る、少なくとも１つのグラフ化多角形を含むことができる。点群データは、標識化された特徴と、走行可能マージンとを含むことができる。本システムは、点群データをグローバル座標系に変換する、第７のプロセッサと、少なくとも１つのＳＤＳＦの境界を判定する、第８のプロセッサとを含むことができる。第８のプロセッサは、境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成することができる。本システムは、少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る少なくとも１つのＳＤＳＦを判定する、第９のプロセッサと、少なくとも、少なくとも１つのＳＤＳＦ横断基準、変換された点群データ、およびルート形態に基づいて、縁／加重グラフを作成する、第１０のプロセッサと、少なくとも縁／加重グラフに基づいて、開始点から目的地点までの経路を選定する、基部コントローラとを含むことができる。

いくつかの構成では、ＳＤＳＦは、その寸法によって識別されることができる。例えば、縁石は、限定ではないが、約０．６～０．７ｍの幅を含むことができる。いくつかの構成では、点群データが、ＳＤＳＦを位置特定するために処理されることができ、それらのデータは、始点から目的地までのＡＶのための経路を準備するために使用されることができる。いくつかの構成では、経路は、マップ内に含まれ、知覚サブシステムに提供されることができる。ＡＶが、経路を進行している際、いくつかの構成では、ＳＤＳＦ横断は、部分的に、知覚サブシステムによって可能にされる、ＡＶのセンサベースの位置付けを通して適応されることができる。知覚サブシステムは、ＡＶ内の少なくとも１つのプロセッサ上で実行されることができる。

ＡＶは、限定ではないが、２つの動力供給される前部車輪と、２つの動力供給される後部車輪と、エネルギー貯蔵装置とを含む、電力基部と、少なくとも１つのプロセッサとを含むことができる。電力基部は、コマンドされる速度において移動するように構成されることができる。ＡＶは、電力基部に機械的に取り付けられ、複数の短距離センサを含む、貨物プラットフォームを含むことができる。ＡＶは、いくつかの構成では、貨物プラットフォームの上に搭載され、送達するべき１つ以上の物体を受容するための容積を有する、貨物コンテナを含むことができる。ＡＶは、いくつかの構成では、貨物コンテナの上に搭載され、限定ではないが、ＬＩＤＡＲと、１つ以上のカメラとを含み得る、長距離センサスイートを含むことができる。ＡＶは、長距離センサスイートおよび短距離センサスイートからデータを受信し得る、コントローラを含むことができる。

短距離センサスイートは、随意に、走行可能表面の少なくとも１つの特性を検出することができ、随意に、ステレオカメラと、ＩＲプロジェクタと、２つの画像センサと、ＲＧＢセンサと、レーダセンサとを含むことができる。短距離センサスイートは、随意に、ＲＧＢ－Ｄデータをコントローラに供給することができる。コントローラは、随意に、短距離センサスイートから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定することができる。短距離センサスイートは、随意に、ＡＶの４メートル以内の物体を検出することができ、長距離センサスイートは、随意に、ＡＶから４メートルを上回る物体を検出することができる。

知覚サブシステムは、占有グリッドを取り込むために、センサによって収集されたデータを使用することができる。本教示の占有グリッドは、ＡＶを囲繞する点の３Ｄグリッドとして構成され、ＡＶは、中心点を占有することができる。いくつかの構成では、占有グリッドは、ＡＶの左、右、後方、および前方に１０ｍ延伸することができる。グリッドは、おおよそＡＶの高さを含むことができ、これが移動する際、ＡＶとともに仮想的に進行し、ＡＶを囲繞する障害物を表すことができる。グリッドは、その垂直軸を縮小することによって２次元に変換されることができ、例えば、限定ではないが、サイズが約５ｃｍ×５ｃｍの多角形に分割されることができる。ＡＶの周囲の３Ｄ空間内に出現する障害物は、２Ｄ形状に縮小されることができる。２Ｄ形状が、多角形のうちの１つの任意のセグメントに重複する場合、多角形は、１００の値を与えられ、空間が占有されていることを示すことができる。充填されていないままのいずれの多角形も、０の値を与えられることができ、ＡＶが移動し得る、自由空間と称され得る。

ＡＶが、ナビゲートする際、これは、ＡＶの構成の変更が要求され得る状況に遭遇し得る。デバイスの構成のリアルタイム制御のための本教示の方法であって、いくつかの構成において、本デバイスは、シャーシと、少なくとも４つの車輪と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの第１の側と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの対向する第２の側とを含み、本方法は、限定ではないが、環境データを受信することと、少なくとも環境データに基づいて、表面タイプを判定することと、少なくとも表面タイプおよび第１の構成に基づいて、モードを判定することと、少なくともモードおよび表面タイプに基づいて、第２の構成を判定することと、少なくとも第２の構成に基づいて、移動コマンドを判定することと、移動コマンドを使用することによって本デバイスの構成を制御し、本デバイスを第１の構成から第２の構成に変更することとを含むことができる。

本方法は、随意に、少なくとも表面タイプおよびモードに基づいて、占有グリッドを取り込むことを含むことができる。環境データは、随意に、ＲＧＢ－Ｄ画像データと、道路表面の形態とを含むことができる。構成は、随意に、少なくとも４つの車輪のクラスタ化された２つの対を含むことができる。２つの対の第１の対は、第１の側上に位置付けられることができ、２つの対の第２の対は、第２の側上に位置付けられることができる。第１の対は、第１の前部車輪と、第１の後部車輪とを含むことができ、第２の対は、第２の前部車輪と、第２の後部車輪とを含むことができる。構成の制御は、随意に、少なくとも環境データに基づく、第１の対および第２の対の協調された動力供給を含むことができる。構成の制御は、随意に、少なくとも４つの車輪および後退されるキャスタの対を駆動することから、第１の前部車輪および第２の前部車輪を持上するように回転されるクラスタ化された第１の対ならびにクラスタ化された第２の対を伴う２つの車輪を駆動することに遷移することを含むことができる。キャスタの対は、シャーシと動作可能に結合されることができる。本デバイスは、第１の後部車輪、第２の後部車輪、およびキャスタの対上に静置されることができる。構成の制御は、随意に、少なくとも環境データに基づいて、第１の側上の２つの動力供給される車輪および第２の側上の２つの動力供給される車輪と動作可能に結合される、クラスタの対を回転させることを含むことができる。

ＡＶの構成のリアルタイム制御のための本教示のシステムは、限定ではないが、デバイスプロセッサと、電力基部プロセッサとを含むことができる。ＡＶは、シャーシと、少なくとも４つの車輪と、シャーシの第１の側と、シャーシの対向する第２の側とを含むことができる。デバイスプロセッサは、ＡＶを囲繞するリアルタイム環境データを受信し、少なくとも環境データに基づいて、表面タイプを判定し、少なくとも表面タイプおよび第１の構成に基づいて、モードを判定し、少なくともモードおよび表面タイプに基づいて、第２の構成を判定することができる。電力基部プロセッサは、ＡＶが、少なくとも第２の構成に基づいて移動することを可能にすることができ、ＡＶが、第１の構成から第２の構成に変化することを可能にすることができる。デバイスプロセッサは、随意に、少なくとも表面タイプおよびモードに基づいて、占有グリッドを取り込むことを含むことができる。

ナビゲーションの間、ＡＶは、正常な横断のためにＡＶを操縦することを要求し得る、ＳＤＳＦに遭遇し得る。いくつかの構成では、少なくとも１つのＳＤＳＦを横断する目標点に向かって進行面積内の経路線に沿ってＡＶをナビゲートするための本教示の方法であって、ＡＶは、前縁と、後縁とを含み、本方法は、限定ではないが、進行面積に関するＳＤＳＦ情報および障害物情報を受信することと、ＳＤＳＦ情報から少なくとも１つの候補ＳＤＳＦを検出することと、少なくとも１つの選択基準に基づいて、少なくとも１つの候補ＳＤＳＦ線からＳＤＳＦ線を選択することとを含むことができる。本方法は、選択されたＳＤＳＦ線の近傍の障害物情報において見出される少なくとも１つの障害物の少なくとも１つの場所に基づいて、選択されたＳＤＳＦ線の少なくとも１つの横断可能部分を判定することと、横断可能部分に垂直な線に沿って進行するようにＡＶを方向転換することによって、少なくとも１つの横断可能部分に向かってＡＶを方位決定し、第１の速度において動作させることと、方位と垂直線との間の関係に基づいて、ＡＶの方位を常に補正することとを含むことができる。本方法は、少なくとも方位およびＡＶと横断可能部分との間の距離に基づいて、ＡＶの第１の速度を調節することによって、第２の速度においてＡＶを走行させることを含むことができる。少なくとも１つの横断可能部分と関連付けられるＳＤＳＦが、進行ルートの表面に対して上昇する場合、本方法は、後縁に対して前縁を上昇させ、上昇度あたりの第３の増加された速度においてＡＶを走行させることによって、ＳＤＳＦを横断することと、ＡＶがＳＤＳＦを通過するまで、第４の速度においてＡＶを走行させることとを含むことができる。

ＳＤＳＦ情報から少なくとも１つの候補ＳＤＳＦを検出することは、随意に、（ａ）ＡＶの場所と、目標点の場所とを包含する、閉多角形を描画することと、（ｂ）目標点とＡＶの場所との間に経路線を描画することと、（ｃ）ＳＤＳＦ情報から２つのＳＤＳＦ点を選択することであって、ＳＤＳＦ点は、多角形内に位置する、ことと、（ｄ）２つの点の間にＳＤＳＦ線を描画することとを含むことができる。少なくとも１つの候補ＳＤＳＦを検出することは、（ｅ）ＳＤＳＦ線の第１の事前選択された距離内に第１の事前選択された数の点よりも少ないものが、存在する場合、およびＳＤＳＦ点を選定することにおいて第２の事前選択された回数の試行を下回るものが、存在し、それらの間に線を描画し、ＳＤＳＦ線の周囲に第１の事前選択された数の点よりも少ないものを有する場合、ステップ（ｃ）－（ｅ）を繰り返すことを含むことができる。少なくとも１つの候補ＳＤＳＦを検出することは、（ｆ）第１の事前選択された数の点またはそれを上回るものが、存在する場合、ＳＤＳＦ線の第１の事前選択された距離内に該当するＳＤＳＦ点に曲線をフィットすることと、（ｇ）曲線の第１の事前選択された距離内にあるＳＤＳＦ点の第１の数が、ＳＤＳＦ線の第１の事前選択された距離内のＳＤＳＦ点の第２の数を超える場合、および曲線が、経路線と交差する場合、ならびに第２の事前選択された距離を超える曲線上のＳＤＳＦ点の間にいかなる間隙も、存在しない場合、曲線をＳＤＳＦ線として識別することとを含むことができる。少なくとも１つの候補ＳＤＳＦを検出することは、（ｈ）曲線の第１の事前選択された距離内にある点の数が、ＳＤＳＦ線の第１の事前選択された距離内の点の数を超えない場合、または曲線が、経路線と交差しない場合、もしくは第２の事前選択された距離を超える曲線上のＳＤＳＦ点の間の間隙が、存在する場合、およびＳＤＳＦ線が、安定したままではない場合、ならびにステップ（ｆ）－（ｈ）が、第２の事前選択された回数の試行を上回って試行されていない場合、ステップ（ｆ）－（ｈ）を繰り返すことを含むことができる。

閉多角形は、随意に、事前選択された幅を含むことができ、事前選択された幅は、随意に、ＡＶの幅寸法を含むことができる。ＳＤＳＦ点を選択することは、随意に、ランダム選択を含むことができる。少なくとも１つの選択基準は、随意に、曲線の第１の事前選択された距離内のＳＤＳＦ点の第１の数がＳＤＳＦ線の第１の事前選択された距離内のＳＤＳＦ点の第２の数を超えることと、曲線が経路線と交差することと、第２の事前選択された距離を超える曲線上のＳＤＳＦ点の間にいかなる間隙も存在しないこととを含むことができる。

選択されたＳＤＳＦの少なくとも１つの横断可能部分を判定することは、随意に、障害物情報から複数の障害物点を選択することを含むことができる。複数の障害物点はそれぞれ、障害物点が少なくとも１つの障害物と関連付けられる確率を含むことができる。少なくとも１つの横断可能部分を判定することは、確率が、事前選択されたパーセントよりも高く、複数の障害物点のうちのいずれかが、ＳＤＳＦ線と目標点との間に位置する場合、および複数の障害物点のうちのいずれかが、ＳＤＳＦ線からの第３の事前選択された距離を下回る場合、複数の障害物点をＳＤＳＦ線に投影し、少なくとも１つの投影を形成することを含むことができる。少なくとも１つの横断可能部分を判定することは、随意に、少なくとも１つの投影のうちの少なくとも２つを相互に接続することと、ＳＤＳＦ線に沿って接続された少なくとも２つの投影の終点を位置特定することと、接続された少なくとも２つの投影を非横断可能ＳＤＳＦ区分としてマーキングすることと、非横断可能区分の外側のＳＤＳＦ線を少なくとも１つの横断可能区分としてマーキングすることとを含むことができる。

ＳＤＳＦの少なくとも１つの横断可能部分を横断することは、随意に、横断可能部分に垂直な線に沿って進行するようにＡＶを方向転換し、横断可能部分に向かってＡＶを方位決定し、第１の速度において動作させることと、方位と垂直線との間の関係に基づいて、ＡＶの方位を常に補正することと、少なくとも方位およびＡＶと横断可能部分との間の距離に基づいて、ＡＶの第１の速度を調節することによって、第２の速度においてＡＶを走行させることとを含むことができる。ＳＤＳＦの少なくとも１つの横断可能部分を横断することは、随意に、ＳＤＳＦが、進行ルートの表面に対して上昇する場合、後縁に対して前縁を上昇させ、上昇度あたりの第３の増加された速度においてＡＶを走行させることによって、ＳＤＳＦを横断することと、ＡＶがＳＤＳＦを通過するまで、第４の速度においてＡＶを走行させることとを含むことができる。

ＳＤＳＦの少なくとも１つの横断可能部分を横断することは、代替として、随意に、（ａ）方位誤差が、ＳＤＳＦ線に垂直な線に対して第３の事前選択された量を下回る場合、ＳＤＳＦ情報の更新を無視し、事前選択された速度においてＡＶを走行させることと、（ｂ）ＡＶの後部部分に対するＡＶの前部部分の上昇が、第６の事前選択された量と第５の事前選択された量との間である場合、ＡＶを前方に走行させ、ＡＶの速度を上昇度あたりの第８の事前選択された速度まで増加させることと、（ｃ）前部部分が、後部部分に対して第６の事前選択された量を下回って上昇される場合、第７の事前選択された速度においてＡＶを前方に走行させることと、（ｄ）後部部分が、ＳＤＳＦ線からの第５の事前選択された距離を下回る、またはそれに等しい場合、ステップ（ａ）－（ｄ）を繰り返すこととを含むことができる。

いくつかの構成では、ＳＤＳＦおよびＡＶの車輪は、システム不安定性を回避するために、自動的に整合されることができる。自動的整合は、例えば、限定ではないが、ＡＶがＳＤＳＦに接近する際、ＡＶの方位を連続的に試験および補正することによって実装されることができる。本教示のＳＤＳＦ横断特徴の別の側面は、ＳＤＳＦ横断特徴が、横断を試行する前に十分な自由空間がＳＤＳＦの周囲に存在することを自動的に確認することである。本教示のＳＤＳＦ横断特徴のまた別の側面は、様々な幾何学形状のＳＤＳＦを横断することが可能であることである。幾何学形状は、例えば、限定ではないが、正方形および輪郭付きＳＤＳＦを含むことができる。ＳＤＳＦに対するＡＶの配向は、ＡＶが進む速度および方向を判定することができる。ＳＤＳＦ横断特徴は、ＳＤＳＦの近傍のＡＶの速度を調節することができる。ＡＶが、ＳＤＳＦに上がるとき、速度は、ＳＤＳＦを横断する際にＡＶを補助するために増加されることができる。

１．自律的送達車両であって、２つの動力供給される前部車輪と、２つの動力供給される後部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、電力基部は、コマンドされる速度において、かつコマンドされる方向において移動し、少なくとも１つの物体の輸送を実施するように構成される、電力基部と、複数の短距離センサを含む、貨物プラットフォームであって、貨物プラットフォームは、電力基部に機械的に取り付けられる、貨物プラットフォームと、少なくとも１つの物体を受容するための容積を伴う貨物コンテナであって、貨物コンテナは、貨物プラットフォームの上に搭載される、貨物コンテナと、ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、長距離センサスイートは、貨物コンテナの上に搭載される、長距離センサスイートと、長距離センサスイートおよび複数の短距離センサからデータを受信するためのコントローラであって、コントローラは、少なくともデータに基づいて、コマンドされる速度およびコマンドされる方向を判定し、コントローラは、コマンドされる速度およびコマンドされる方向を電力基部に提供し、輸送を完了させる、コントローラとを備える、自律的送達車両。２．複数の短距離センサからのデータは、その上で電力基部が進行する表面の少なくとも１つの特性を備える、項目１に記載の自律的送達車両。３．複数の短距離センサは、少なくとも１つのステレオカメラを備える、項目１に記載の自律的送達車両。４．複数の短距離センサは、少なくとも１つのＩＲプロジェクタと、少なくとも１つの画像センサと、少なくとも１つのＲＧＢセンサとを備える、項目１に記載の自律的送達車両。５．複数の短距離センサは、少なくとも１つのレーダセンサを備える、項目１に記載の自律的送達車両。６．複数の短距離センサからのデータは、ＲＧＢ－Ｄデータを備える、項目１に記載の自律的送達車両。７．コントローラは、複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、項目１に記載の自律的送達車両。８．複数の短距離センサは、ＡＶの４メートル以内の物体を検出し、長距離センサスイートは、自律的送達車両から４メートルを上回る物体を検出する、項目１に記載の自律的送達車両。９．複数の短距離センサは、冷却回路を備える、項目１に記載の自律的送達車両。１０．複数の短距離センサは、超音波センサを備える、項目１に記載の自律的送達車両。１１．コントローラは、実行可能コードであって、マップにアクセスすることであって、マップは、マッププロセッサによって形成され、マッププロセッサは、長距離センサスイートからの点群データにアクセスする、第１のプロセッサであって、点群データは、表面を表す、第１のプロセッサと、点群データをフィルタリングする、フィルタと、フィルタリングされた点群データから処理可能部分を形成する、第２のプロセッサと、処理可能部分を少なくとも１つの多角形に併合する、第３のプロセッサと、存在する場合、少なくとも１つの多角形内の少なくとも１つの実質的不連続表面特徴（ＳＤＳＦ）を位置特定および標識化する、第４のプロセッサであって、位置特定および標識化することは、標識化された点群データを形成する、第４のプロセッサと、標識化された点群データからグラフ化多角形を作成する、第５のプロセッサと、少なくともグラフ化多角形に基づいて、開始点から終了点までの経路を選定する、第６のプロセッサであって、ＡＶは、経路に沿って少なくとも１つのＳＤＳＦを横断する、第６のプロセッサとを備える、ことを含む、実行可能コードを備える、項目２に記載の自律的送達車両。１２．フィルタは、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含む、コードを実行する、第７のプロセッサを備える、項目１１に記載の自律的送達車両。１３．第２のプロセッサは、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含む、実行可能コードを含む、項目１１に記載の自律的送達車両。１４．第３のプロセッサは、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、少なくとも１つの走行可能表面を設定することとを含む、実行可能コードを含む、項目１１に記載の自律的送達車両。１５．第４のプロセッサは、ＳＤＳＦフィルタに従って、初期走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、少なくとも３つのカテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含む、実行可能コードを含む、項目１４に記載の自律的送達車両。１６．第４のプロセッサは、少なくとも、複数の少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することを含む、実行可能コードを含む、項目１５に記載の自律的送達車両。１７．グラフ化多角形を作成することは、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、少なくとも１つの多角形は、外縁を含む、ことと、外縁を平滑化することと、平滑化された外縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から内縁を除去することとを含む、実行可能コードを含む、第８のプロセッサを含む、項目１４に記載の自律的送達車両。１８．外縁を平滑化することは、外縁を外向きにトリミングし、外向き縁を形成することを含む、実行可能コードを含む、第９のプロセッサを含む、項目１７に記載の自律的送達車両。１９．平滑化された外縁の走行マージンを形成することは、外向き縁を内向きにトリミングすることを含む、実行可能コードを含む、第１０のプロセッサを含む、項目１８に記載の自律的送達車両。２０．コントローラは、自律的送達車両（ＡＶ）によって遭遇される少なくとも１つの実質的不連続表面特徴（ＳＤＳＦ）をナビゲートするためのサブシステムであって、ＡＶは、表面にわたる経路を進行し、表面は、少なくとも１つのＳＤＳＦを含み、経路は、開始点と、終了点とを含み、ルート形態にアクセスする、第１のプロセッサであって、ルート形態は、フィルタリングされた点群データを含む、少なくとも１つのグラフ化多角形を含み、フィルタリングされた点群データは、標識化された特徴を含み、点群データは、走行可能マージンを含む、第１のプロセッサと、点群データをグローバル座標系に変換する、第２のプロセッサと、少なくとも１つのＳＤＳＦの境界を判定する、第３のプロセッサであって、第３のプロセッサは、境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成する、第３のプロセッサと、少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る少なくとも１つのＳＤＳＦを判定する、第４のプロセッサと、少なくとも、少なくとも１つのＳＤＳＦ横断基準、変換された点群データ、およびルート形態に基づいて、縁／加重グラフを作成する、第５のプロセッサと、少なくとも縁／加重グラフに基づいて、開始点から終了点までの経路を選定する、基部コントローラとを備える、サブシステムを備える、項目１に記載の自律的送達車両。２１．少なくとも１つのＳＤＳＦ横断基準は、少なくとも１つのＳＤＳＦの事前選択された幅および少なくとも１つのＳＤＳＦの事前選択された平滑度と、走行可能表面を含む、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離および最小退出距離と、ＡＶによる少なくとも１つのＳＤＳＦへの約９０°アプローチを適応させる、少なくとも１つのＳＤＳＦとＡＶとの間の最小進入距離とを備える、項目２０に記載の自律的送達車両。

２２．自律的デバイスに関するグローバル占有グリッドを管理するための方法であって、グローバル占有グリッドは、グローバル占有グリッドセルを含み、グローバル占有グリッドセルは、占有確率と関連付けられ、自律的デバイスと関連付けられるセンサからセンサデータを受信することと、少なくともセンサデータに基づいて、ローカル占有グリッドを作成することであって、ローカル占有グリッドは、ローカル占有グリッドセルを有する、ことと、自律的デバイスが、第１の面積から第２の面積に移動した場合、第２の面積と関連付けられる履歴データにアクセスすることと、少なくとも履歴データに基づいて、静的グリッドを作成することと、グローバル占有グリッドを移動させ、グローバル占有グリッドの中心位置において自律的デバイスを維持することと、静的グリッドに基づいて、移動されたグローバル占有グリッドを更新することと、グローバル占有グリッドセルのうちの少なくとも１つが、自律的デバイスの場所と一致する場合、グローバル占有グリッドセルのうちの少なくとも１つを非占有としてマーキングすることと、ローカル占有グリッドセル毎に、グローバル占有グリッド上のローカル占有グリッドセルの位置を計算することと、その位置におけるグローバル占有グリッドセルからの第１の占有確率にアクセスすることと、その位置におけるローカル占有グリッドセルからの第２の占有確率にアクセスすることと、少なくとも第１の占有確率および第２の占有確率に基づいて、グローバル占有グリッド上のその位置における新しい占有確率を算出することとを含む、方法。２３．新しい占有確率を範囲チェックすることをさらに含む、項目２２に記載の方法。２４．範囲チェックすることは、新しい占有確率が＜０である場合、新しい占有確率を０に設定することと、新しい占有確率が＞１である場合、新しい占有確率を１に設定することとを含む、項目２３に記載の方法。２５．グローバル占有グリッドセルを新しい占有確率に設定することをさらに含む、項目２２に記載の方法。２６．グローバル占有グリッドセルを範囲チェックされた新しい占有確率に設定することをさらに含む、項目２３に記載の方法。

２７．占有グリッドを作成および管理するための方法であって、ローカル占有グリッド作成ノードによって、センサ測定値をデバイスと関連付けられる基準フレームに変換することと、タイムスタンプ付き測定占有グリッドを作成することと、タイムスタンプ付き測定占有グリッドをローカル占有グリッドとして公開することと、複数のローカル占有グリッドを作成することと、リポジトリ内の表面特性に基づいて、静的占有グリッドを作成することであって、表面特性は、本デバイスの位置と関連付けられる、ことと、本デバイスの位置と関連付けられるグローバル占有グリッドを移動させ、グローバル占有グリッドに対してほぼ心合される本デバイスおよびローカル占有グリッドを維持することと、静的占有グリッドからグローバル占有グリッドに情報を追加することと、本デバイスによって現在占有されているグローバル占有グリッド内の面積を非占有としてマーキングすることと、各ローカル占有グリッド内の少なくとも１つのセル毎に、グローバル占有グリッド内の少なくとも１つのセルの場所を判定することと、その場所における第１の値にアクセスすることと、第１の値とローカル占有グリッド内の少なくとも１つのセルにおけるセル値との間の関係に基づいて、その場所における第２の値を判定することと、第２の値を事前選択された確率範囲に対して比較することと、確率値が、事前選択された確率範囲内である場合、新しい値を伴うグローバル占有グリッドを設定することとを含む、方法。２８．グローバル占有グリッドを公開することをさらに含む、項目２７に記載の方法。２９．表面特性は、表面タイプと、表面不連続性とを備える、項目２７に記載の方法。３０．関係は、合計することを含む、項目２７に記載の方法。３１．占有グリッドを作成および管理するためのシステムであって、少なくとも１つのローカル占有グリッドを作成する、複数のローカルグリッド作成ノードであって、少なくとも１つのローカル占有グリッドは、デバイスの位置と関連付けられ、少なくとも１つのローカル占有グリッドは、少なくとも１つのセルを含む、複数のローカルグリッド作成ノードと、少なくとも１つのローカル占有グリッドにアクセスする、グローバル占有グリッドマネージャであって、リポジトリ内の表面特性に基づいて、静的占有グリッドを作成し、表面特性は、本デバイスの位置と関連付けられ、本デバイスの位置と関連付けられるグローバル占有グリッドを移動させ、グローバル占有グリッドに対してほぼ心合される本デバイスおよび少なくとも１つのローカル占有グリッドを維持し、静的占有グリッドから少なくとも１つのグローバル占有グリッドに情報を追加し、本デバイスによって現在占有されているグローバル占有グリッド内の面積を非占有としてマーキングし、各ローカル占有グリッド内の少なくとも１つのセル毎に、グローバル占有グリッド内の少なくとも１つのセルの場所を判定し、その場所における第１の値にアクセスし、第１の値とローカル占有グリッド内の少なくとも１つのセルにおけるセル値との間の関係に基づいて、その場所における第２の値を判定し、第２の値を事前選択された確率範囲に対して比較し、確率値が、事前選択された確率範囲内である場合、新しい値を伴うグローバル占有グリッドを設定する、グローバル占有グリッドマネージャとを備える、システム。

３２．グローバル占有グリッドを更新するための方法であって、自律的デバイスが、新しい位置に移動した場合、新しい位置と関連付けられる静的グリッドからの情報を用いてグローバル占有グリッドを更新することと、新しい位置における表面を分析することと、表面が、走行可能である場合、表面を更新し、更新された表面を用いてグローバル占有グリッドを更新することと、静的値のリポジトリからの値を用いてグローバル占有グリッドを更新することであって、静的値は、新しい位置と関連付けられる、こととを含む、方法。３３．表面を更新することは、新しい位置と関連付けられるローカル占有グリッドにアクセスすることと、ローカル占有グリッド内のセル毎に、ローカル占有グリッド表面分類信頼値およびローカル占有グリッド表面分類にアクセスすることと、ローカル占有グリッド表面分類が、セル内のグローバル占有グリッド内のグローバル表面分類と同一である場合、グローバル占有グリッド内のグローバル表面分類信頼値をローカル占有グリッド表面分類信頼値に加算し、合計を形成し、合計を用いてセルにおけるグローバル占有グリッドを更新することと、ローカル占有グリッド表面分類が、セル内のグローバル占有グリッド内のグローバル表面分類と同一ではない場合、グローバル占有グリッド内のグローバル表面分類信頼値からローカル占有グリッド表面分類信頼値を減算し、差を形成し、差を用いてグローバル占有グリッドを更新することと、差が、ゼロ未満である場合、ローカル占有グリッド表面分類を用いてグローバル占有グリッドを更新することとを含む、項目３２に記載の方法。３４．静的値のリポジトリからの値を用いてグローバル占有グリッドを更新することは、ローカル占有グリッド内のセル毎に、ローカル占有グリッドからのセルが占有値であるローカル占有グリッド確率である、対数オッズ値にアクセスすることと、セルにおけるローカル占有グリッド対数オッズ値を用いてグローバル占有グリッド内の対数オッズ値を更新することと、セルが占有されていない事前選択された確実性が、満たされる場合、および自律的デバイスが、レーン障壁内で進行している場合、ならびにローカル占有グリッド表面分類が、走行可能表面を示す場合、セルがローカル占有グリッド内で占有されている対数オッズを減少させることと、自律的デバイスが、比較的に均一な表面に遭遇することを予期する場合、およびローカル占有グリッド表面分類が、比較的に不均一な表面を示す場合、ローカル占有グリッド内の対数オッズを増加させることと、自律的デバイスが、比較的に均一な表面に遭遇することを予期する場合、およびローカル占有グリッド表面分類が、比較的に均一な表面を示す場合、ローカル占有グリッド内の対数オッズを減少させることとを含む、項目３２に記載の方法。

３５．デバイスの構成のリアルタイム制御のための方法であって、本デバイスは、シャーシと、少なくとも４つの車輪と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの第１の側と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの対向する第２の側とを含み、少なくとも事前の表面特徴および占有グリッドに基づいて、マップを作成することであって、マップは、非リアルタイムで作成され、マップは、少なくとも１つの場所を含み、少なくとも１つの場所は、少なくとも１つの表面特徴と関連付けられ、少なくとも１つの表面特徴は、少なくとも１つの表面分類および少なくとも１つのモードと関連付けられる、ことと、本デバイスが進行する際、現在の表面特徴を判定することと、現在の表面特徴を用いて占有グリッドをリアルタイムで更新することと、占有グリッドおよびマップから、本デバイスが少なくとも１つの表面特徴を横断するために進行し得る経路を判定することとを含む、方法。

３６．デバイスの構成のリアルタイム制御のための方法であって、本デバイスは、シャーシと、少なくとも４つの車輪と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの第１の側と、少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、シャーシの対向する第２の側とを含み、環境データを受信することと、少なくとも環境データに基づいて、表面タイプを判定することと、少なくとも表面タイプおよび第１の構成に基づいて、モードを判定することと、少なくともモードおよび表面タイプに基づいて、第２の構成を判定することと、少なくとも第２の構成に基づいて、移動コマンドを判定することと、移動コマンドを使用することによって本デバイスの構成を制御し、本デバイスを第１の構成から第２の構成に変更することとを含む、方法。３７．環境データは、ＲＧＢ－Ｄ画像データを備える、項目３６に記載の方法。３８．少なくとも表面タイプおよびモードに基づいて、占有グリッドを取り込むことと、少なくとも占有グリッドに基づいて、移動コマンドを判定することとをさらに含む、項目３６に記載の方法。３９．占有グリッドは、少なくとも、少なくとも１つの画像センサからのデータに基づく情報を備える、項目３８に記載の方法。４０．環境データは、道路表面の形態を備える、項目３６に記載の方法。４１．構成は、少なくとも４つの車輪のクラスタ化された２つの対を備え、２つの対の第１の対は、第１の側上に位置付けられ、２つの対の第２の対は、第２の側上に位置付けられ、第１の対は、第１の前部車輪と、第１の後部車輪とを含み、第２の対は、第２の前部車輪と、第２の後部車輪とを含む、項目３６に記載の方法。４２．構成の制御は、少なくとも環境データに基づく、第１の対および第２の対の協調された動力供給を含む、項目４１に記載の方法。４３．構成の制御は、少なくとも４つの車輪および後退されるキャスタの対を駆動することであって、キャスタの対は、シャーシに動作可能に結合される、ことから、第１の前部車輪および第２の前部車輪を持上するように回転されるクラスタ化された第１の対ならびにクラスタ化された第２の対を伴う２つの車輪を駆動することであって、本デバイスは、第１の後部車輪、第２の後部車輪、およびキャスタの対上に静置される、ことに遷移することを含む、項目４１に記載の方法。４４．構成の制御は、少なくとも環境データに基づいて、第１の側上の第１の２つの動力供給される車輪および第２の側上の第２の２つの動力供給される車輪と動作可能に結合される、クラスタの対を回転させることを含む、項目４１に記載の方法。４５．本デバイスはさらに、貨物コンテナを備え、貨物コンテナは、シャーシ上に搭載され、シャーシは、貨物コンテナの高さを制御する、項目３６に記載の方法。４６．貨物コンテナの高さは、少なくとも環境データに基づく、項目４５に記載の方法。

４７．デバイスの構成のリアルタイム制御のためのシステムであって、本デバイスは、シャーシと、少なくとも４つの車輪と、シャーシの第１の側と、シャーシの対向する第２の側とを含み、本デバイスを囲繞するリアルタイム環境データを受信する、デバイスプロセッサであって、デバイスプロセッサは、少なくとも環境データに基づいて、表面タイプを判定し、デバイスプロセッサは、少なくとも表面タイプおよび第１の構成に基づいて、モードを判定し、デバイスプロセッサは、少なくともモードおよび表面タイプに基づいて、第２の構成を判定する、デバイスプロセッサと、少なくとも第２の構成に基づいて、移動コマンドを判定する、電力基部プロセッサであって、電力基部プロセッサは、移動コマンドを使用することによって本デバイスの構成を制御し、本デバイスを第１の構成から第２の構成に変更する、電力基部プロセッサとを備える、システム。４８．環境データは、ＲＧＢ－Ｄ画像データを備える、項目４７に記載のシステム。４９．デバイスプロセッサは、少なくとも表面タイプおよびモードに基づいて、占有グリッドを取り込むことを含む、項目４７に記載のシステム。５０．電力基部プロセッサは、少なくとも占有グリッドに基づいて、移動コマンドを判定することを含む、項目４９に記載のシステム。５１．占有グリッドは、少なくとも、少なくとも１つの画像センサからのデータに基づく情報を備える、項目４９に記載のシステム。５２．環境データは、道路表面の形態を備える、項目４７に記載のシステム。５３．構成は、少なくとも４つの車輪のクラスタ化された２つの対を備え、２つの対の第１の対は、第１の側上に位置付けられ、２つの対の第２の対は、第２の側上に位置付けられ、第１の対は、第１の前部車輪と、第１の後部車輪とを有し、第２の対は、第２の前部車輪と、第２の後部車輪とを有する、項目４７に記載のシステム。５４．構成の制御は、少なくとも環境データに基づく、第１の対および第２の対の協調された動力供給を含む、項目５３に記載のシステム。５５．構成の制御は、少なくとも４つの車輪および後退されるキャスタの対を駆動することであって、キャスタの対は、シャーシに動作可能に結合される、ことから、第１の前部車輪および第２の前部車輪を持上するように回転されるクラスタ化された第１の対ならびにクラスタ化された第２の対を伴う２つの車輪を駆動することであって、本デバイスは、第１の後部車輪、第２の後部車輪、およびキャスタの対上に静置される、ことに遷移することを含む、項目５３に記載のシステム。

５６．グローバル占有グリッドを維持するための方法であって、自律的デバイスの第１の位置を位置特定することと、自律的デバイスが、第２の位置に移動するとき、第２の位置は、グローバル占有グリッドおよびローカル占有グリッドと関連付けられ、第１の位置と関連付けられる少なくとも１つの占有確率値を用いてグローバル占有グリッドを更新することと、ローカル占有グリッドと関連付けられる少なくとも１つの走行可能表面を用いてグローバル占有グリッドを更新することと、少なくとも１つの走行可能表面と関連付けられる表面信頼度を用いてグローバル占有グリッドを更新することと、第１のベイズ関数を使用して、少なくとも１つの占有確率値の対数オッズを用いてグローバル占有グリッドを更新することと、少なくとも第２の位置と関連付けられる特性に基づいて、対数オッズを調節することと、自律的デバイスが、第１の位置に留まり、グローバル占有グリッドおよびローカル占有グリッドが、共同設置されるとき、ローカル占有グリッドと関連付けられる少なくとも１つの走行可能表面を用いてグローバル占有グリッドを更新することと、少なくとも１つの走行可能表面と関連付けられる表面信頼度を用いてグローバル占有グリッドを更新することと、第２のベイズ関数を使用して、少なくとも１つの占有確率値の対数オッズを用いてグローバル占有グリッドを更新することと、少なくとも第２の位置と関連付けられる特性に基づいて、対数オッズを調節することとを含む、方法。５７．マップを作成することは、表面を表す点群データにアクセスすることと、点群データをフィルタリングすることと、フィルタリングされた点群データを処理可能部分に形成することと、処理可能部分を少なくとも１つの凹多角形に併合することと、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化することであって、位置特定および標識化することは、標識化された点群データを形成する、ことと、少なくとも、少なくとも１つの凹多角形に基づいて、グラフ化多角形を作成することと、少なくともグラフ化多角形に基づいて、開始点から終了点までの経路を選定することであって、ＡＶは、経路に沿って少なくとも１つのＳＤＳＦを横断する、こととを含む、項目３５に記載の方法。５８．点群データをフィルタリングすることは、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含む、項目５７に記載の方法。５９．処理部分を形成することは、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含む、項目５７に記載の方法。６０．処理可能部分を併合することは、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、少なくとも１つの走行可能表面を設定することとを含む、項目５７に記載の方法。６１．少なくとも１つのＳＤＳＦを位置特定および標識化することは、ＳＤＳＦフィルタに従って、初期走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、少なくとも３つのカテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含む、項目６０に記載の方法。６２．少なくとも、複数の少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することをさらに含む、項目６１に記載の方法。６３．グラフ化多角形を作成することはさらに、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、少なくとも１つの多角形は、外縁を含む、ことと、外縁を平滑化することと、平滑化された外縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から内縁を除去することとを含む、項目６２に記載の方法。６４．外縁の平滑化は、外縁を外向きにトリミングし、外向き縁を形成することを含む、項目６３に記載の方法。６５．平滑化された外縁の走行マージンを形成することは、外向き縁を内向きにトリミングすることを含む、項目６３に記載の方法。

６６．自律的送達車両であって、２つの動力供給される前部車輪と、２つの動力供給される後部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、電力基部は、コマンドされる速度において移動するように構成される、電力基部と、複数の短距離センサを含む、貨物プラットフォームであって、貨物プラットフォームは、電力基部に機械的に取り付けられる、貨物プラットフォームと、送達するべき１つ以上の物体を受容するための容積を伴う貨物コンテナであって、貨物コンテナは、貨物プラットフォームの上に搭載される、貨物コンテナと、ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、長距離センサスイートは、貨物コンテナの上に搭載される、長距離センサスイートと、長距離センサスイートおよび複数の短距離センサからデータを受信するためのコントローラとを備える、自律的送達車両。６７．複数の短距離センサは、走行可能表面の少なくとも１つの特性を検出する、項目６６に記載の自律的送達車両。６８．複数の短距離センサは、ステレオカメラである、項目６６に記載の自律的送達車両。６９．複数の短距離センサは、ＩＲプロジェクタと、２つの画像センサと、ＲＧＢセンサとを備える、項目６６に記載の自律的送達車両。７０．複数の短距離センサは、レーダセンサである、項目６６に記載の自律的送達車両。７１．短距離センサは、ＲＧＢ－Ｄデータをコントローラに供給する、項目６６に記載の自律的送達車両。７２．コントローラは、複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、項目６６に記載の自律的送達車両。７３．複数の短距離センサは、自律的送達車両の４メートル以内の物体を検出し、長距離センサスイートは、自律的送達車両から４メートルを上回る物体を検出する、項目６６に記載の自律的送達車両。

７４．自律的送達車両であって、少なくとも２つの動力供給される後部車輪と、キャスタ前部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、電力基部は、コマンドされる速度において移動するように構成される、電力基部と、複数の短距離センサを含む、貨物プラットフォームであって、貨物プラットフォームは、電力基部に機械的に取り付けられる、貨物プラットフォームと、送達するべき１つ以上の物体を受容するための容積を伴う貨物コンテナであって、貨物コンテナは、貨物プラットフォームの上に搭載される、貨物コンテナと、ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、長距離センサスイートは、貨物コンテナの上に搭載される、長距離センサスイートと、長距離センサスイートおよび複数の短距離センサからデータを受信するためのコントローラとを備える、自律的送達車両。７５．複数の短距離センサは、走行可能表面の少なくとも１つの特性を検出する、項目７４に記載の自律的送達車両。７６．複数の短距離センサは、ステレオカメラである、項目７４に記載の自律的送達車両。７７．複数の短距離センサは、ＩＲプロジェクタと、２つの画像センサと、ＲＧＢセンサとを備える、項目７４に記載の自律的送達車両。７８．複数の短距離センサは、レーダセンサである、項目７４に記載の自律的送達車両。７９．短距離センサは、ＲＧＢ－Ｄデータをコントローラに供給する、項目７４に記載の自律的送達車両。８０．コントローラは、複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、項目７４に記載の自律的送達車両。８１．複数の短距離センサは、自律的送達車両の４メートル以内の物体を検出し、長距離センサスイートは、自律的送達車両から４メートルを上回る物体を検出する、項目７４に記載の自律的送達車両。８２．キャスタ車輪が、地面から離れて持上される間、地面に係合し得る、動力供給される車輪の第２のセットをさらに備える、項目７４に記載の自律的送達車両。

８３．自律的送達車両であって、少なくとも２つの動力供給される後部車輪と、キャスタ前部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、電力基部は、コマンドされる速度において移動するように構成される、電力基部と、貨物プラットフォームであって、貨物プラットフォームは、電力基部に機械的に取り付けられる、貨物プラットフォームと、走行可能表面の少なくとも１つの特性を検出する、貨物プラットフォームに搭載される、短距離カメラアセンブリであって、カメラと、第１のライトと、第１の液冷ヒートシンクとを備え、第１の液冷ヒートシンクは、第１のライトおよびカメラを冷却する、短距離カメラアセンブリとを備える、自律的送達車両。８４．短距離カメラアセンブリはさらに、カメラと液冷ヒートシンクとの間に熱電気冷却器を備える、項目８３に記載の自律的送達車両。８５．第１のライトおよびカメラは、カメラから離れるように第１のライトからの照明を偏向する、開口部を伴うカバー内に埋め込まれる、項目８３に記載の自律的送達車両。８６．ライトは、少なくとも１５°下向きに角度付けられ、カバー内に少なくとも４ｍｍに埋め込まれ、歩行者の気を散らす照明を最小限にする、項目８３に記載の自律的送達車両。８７．カメラは、視野を有し、第１のライトは、カメラの視野を照明するように拡散する光の２つのビームを生成するためのレンズを伴う２つのＬＥＤを備える、項目８３に記載の自律的送達車両。８８．ライトは、約５０°離れて角度付けられ、レンズは、６０°のビームを生成する、項目８７に記載の自律的送達車両。８９．短距離カメラアセンブリは、カメラの上方に搭載される、超音波センサを含む、項目８３に記載の自律的送達車両。９０．短距離カメラアセンブリは、貨物プラットフォームの前面上の中心位置に搭載される、項目８３に記載の自律的送達車両。９１．貨物プラットフォームの前面の少なくとも１つの角上に搭載される、少なくとも１つのコーナーカメラアセンブリをさらに備え、少なくとも１つのコーナーカメラアセンブリは、超音波センサと、コーナーカメラと、第２のライトと、第２の液冷ヒートシンクであって、第２の液冷ヒートシンクは、第２のライトおよびコーナーカメラを冷却する、第２の液冷ヒートシンクとを備える、項目８３に記載の自律的送達車両。９２．履歴データは、表面データを備える、項目２２に記載の方法。９３．履歴データは、不連続性データを備える、項目２２に記載の方法。

本教示は、付随の図面とともに想定される、以下の説明を参照してより容易に理解されるであろう。

図１－１は、本教示のシステムの主要なコンポーネントの概略ブロック図である。

図１－２は、本教示のマッププロセッサの主要なコンポーネントの概略ブロック図である。

図１－３は、本教示の知覚プロセッサの主要なコンポーネントの概略ブロック図である。

図１－４は、本教示の自律性プロセッサの主要なコンポーネントの概略ブロック図である。

図１Ａは、ＡＶのための進行経路を準備するための本教示のシステムの概略ブロック図である。

図１Ｂは、本教示のシステムを組み込むデバイスの例示的構成の絵画図である。

図１Ｃは、いくつかの長距離および短距離センサの視野を示す、自動的送達車両の側面図である。

図１Ｄは、本教示のマッププロセッサの概略ブロック図である。

図１Ｅは、本教示のマッププロセッサのフローの第１の部分の絵画図である。

図１Ｆは、本教示のセグメント化された点群の画像である。

図１Ｇは、本教示のマッププロセッサの第２の部分の絵画図である。

図１Ｈは、本教示の走行可能表面検出結果の画像である。

図１Ｉは、本教示のＳＤＳＦ探知機のフローの絵画図である。

図１Ｊは、本教示のＳＤＳＦカテゴリの絵画図である。

図１Ｋは、本教示のシステムによって識別されるＳＤＳＦの画像である。

図１Ｌおよび１Ｍは、本教示の多角形処理の絵画図である。図１Ｌおよび１Ｍは、本教示の多角形処理の絵画図である。

図１Ｎは、本教示のシステムによって識別される多角形およびＳＤＳＦの画像である。

図２Ａは、本教示の自律的車両の等角図である。

図２Ｂは、選択された長距離センサの視野を示す、貨物コンテナの上面図である。

図２Ｃ－２Ｆは、長距離センサアセンブリの図である。図２Ｃ－２Ｆは、長距離センサアセンブリの図である。図２Ｃ－２Ｆは、長距離センサアセンブリの図である。図２Ｃ－２Ｆは、長距離センサアセンブリの図である。

図２Ｇは、選択された短距離センサの視野を示す、貨物コンテナの上面図である。

図２Ｈは、本教示の貨物プラットフォームの等角図である。

図２Ｉ－２Ｌは、短距離センサの等角図である。図２Ｉ－２Ｌは、短距離センサの等角図である。図２Ｉ－２Ｌは、短距離センサの等角図である。図２Ｉ－２Ｌは、短距離センサの等角図である。

図２Ｍ－２Ｎは、本教示の自律的車両の等角図である。図２Ｍ－２Ｎは、本教示の自律的車両の等角図である。

図２Ｏ－２Ｐは、外板パネルが除去された、本教示の自律的車両の等角図である。図２Ｏ－２Ｐは、外板パネルが除去された、本教示の自律的車両の等角図である。

図２Ｑは、上部パネルの一部が除去された、本教示の自律的車両の等角図である。

図２Ｒ－２Ｖは、本教示の自律的車両上の長距離センサの図である。図２Ｒ－２Ｖは、本教示の自律的車両上の長距離センサの図である。図２Ｒ－２Ｖは、本教示の自律的車両上の長距離センサの図である。図２Ｒ－２Ｖは、本教示の自律的車両上の長距離センサの図である。図２Ｒ－２Ｖは、本教示の自律的車両上の長距離センサの図である。

図２Ｗ－２Ｚは、超音波センサの図である。図２Ｗ－２Ｚは、超音波センサの図である。図２Ｗ－２Ｚは、超音波センサの図である。図２Ｗ－２Ｚは、超音波センサの図である。

図２ＡＡ－２ＢＢは、中心短距離カメラアセンブリの図である。図２ＡＡ－２ＢＢは、中心短距離カメラアセンブリの図である。図２ＣＣ－２ＤＤは、コーナー短距離カメラアセンブリの図である。図２ＥＥ－２ＨＨは、中心短距離カメラアセンブリの種々の図である。

図３Ａは、本教示の一構成のシステムの概略ブロック図である。

図３Ｂは、本教示の別の構成のシステムの概略ブロック図である。

図３Ｃは、最初にグローバル占有グリッドを作成し得る、本教示のシステムの概略ブロック図である。

図３Ｄは、本教示の静的グリッドの絵画表現である。

図３Ｅおよび３Ｆは、本教示の占有グリッドの作成の絵画表現である。図３Ｅおよび３Ｆは、本教示の占有グリッドの作成の絵画表現である。

図３Ｇは、本教示の事前の占有グリッドの絵画表現である。

図３Ｈは、本教示のグローバル占有グリッドを更新する絵画表現である。

図３Ｉは、グローバル占有グリッドを公開するための本教示の方法のフロー図である。

図３Ｊは、グローバル占有グリッドを更新するための本教示の方法のフロー図である。

図３Ｋ－３Ｍは、グローバル占有グリッドを更新するための本教示の別の方法のフロー図である。図３Ｋ－３Ｍは、グローバル占有グリッドを更新するための本教示の別の方法のフロー図である。図３Ｋ－３Ｍは、グローバル占有グリッドを更新するための本教示の別の方法のフロー図である。

図４Ａは、種々のモードで据え付けられる、本教示のデバイスの斜視絵画図である。

図４Ｂは、本教示のシステムの概略ブロック図である。

図４Ｃは、本教示の走行表面プロセッサコンポーネントの概略ブロック図である。

図４Ｄは、本教示のプロセスの概略ブロック／絵画フロー図である。

図４Ｅおよび４Ｆは、それぞれ、標準モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。図４Ｅおよび４Ｆは、それぞれ、標準モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。

図４ＧおよびＨは、それぞれ、４車輪モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。図４ＧおよびＨは、それぞれ、４車輪モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。

図４Ｉおよび４Ｊは、それぞれ、上昇４車輪モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。図４Ｉおよび４Ｊは、それぞれ、上昇４車輪モードにおける本教示のデバイスの構成の斜視図ならびに側面図である。

図４Ｋは、本教示の方法のフローチャートである。

図５Ａは、本教示のデバイスコントローラの概略ブロック図である。

図５Ｂは、本教示のＳＤＳＦプロセッサの概略ブロック図である。

図５Ｃは、本教示のシステムによって識別されるＳＤＳＦアプローチの画像である。

図５Ｄは、本教示のシステムによって作成されるルート形態の画像である。

図５Ｅは、本教示のモードの概略ブロック図である。

図５Ｆ－５Ｊは、ＳＤＳＦを横断するための本教示の方法のフローチャートである。図５Ｆ－５Ｊは、ＳＤＳＦを横断するための本教示の方法のフローチャートである。図５Ｆ－５Ｊは、ＳＤＳＦを横断するための本教示の方法のフローチャートである。図５Ｆ－５Ｊは、ＳＤＳＦを横断するための本教示の方法のフローチャートである。図５Ｆ－５Ｊは、ＳＤＳＦを横断するための本教示の方法のフローチャートである。

図５Ｋは、ＳＤＳＦを横断するための本教示のシステムの概略ブロック図である。

図５Ｌ－５Ｎは、図５Ｆ－５Ｈの方法の絵画表現である。図５Ｌ－５Ｎは、図５Ｆ－５Ｈの方法の絵画表現である。図５Ｌ－５Ｎは、図５Ｆ－５Ｈの方法の絵画表現である。

図５Ｏは、画像を多角形に変換する絵画表現である。

（詳細な説明）
本教示のシステムおよび方法は、オンボードセンサおよび以前に開発されたマップを使用し、占有グリッドを開発し、これらの補助を使用し、表面タイプおよび以前のものに基づいてＡＶを再構成することを含め、表面特徴を横断してＡＶをナビゲートすることができる。

ここで図１－１を参照すると、ＡＶシステム１００は、その上にセンサ１０７０１が搭載され得、その中でデバイスコントローラ１０１１１が実行され得る、構造を含むことができる。構造は、構造の一部である車輪の移動を指示し得、ＡＶの移動を可能にし得る、電力基部１０１１２を含むことができる。デバイスコントローラ１０１１１は、ＡＶ上に位置する少なくとも１つのプロセッサ上で実行されることができ、限定ではないが、ＡＶ上に位置し得る、センサ１０７０１からデータを受信することができる。デバイスコントローラ１０１１１は、速度、方向、および構成情報を基部コントローラ１０１１４に提供することができ、これは、移動コマンドを電力基部１０１１２に提供することができる。デバイスコントローラ１０１１１は、マッププロセッサ１０１０４からマップ情報を受信することができ、これは、ＡＶを囲繞する面積のマップを準備することができる。デバイスコントローラ１０１１１は、限定ではないが、ＡＶ上センサを含む、センサ１０７０１からの入力を受信および処理し得る、センサプロセッサ１０７０３を含むことができる。いくつかの構成では、デバイスコントローラ１０１１１は、知覚プロセッサ２１４３と、自律性プロセッサ２１４５と、ドライバプロセッサ２１２７とを含むことができる。知覚プロセッサ２１４３は、例えば、限定ではないが、静的および動的障害物を位置特定し、交通信号状態を判定し、占有グリッドを作成し、表面を分類することができる。自律性プロセッサ２１４５は、例えば、限定ではないが、ＡＶの最大速度を判定し、ＡＶが、例えば、道路上で、歩道上で、交差点において、および／または遠隔制御下でナビゲートしている状況のタイプを判定することができる。ドライバプロセッサ２１２７は、例えば、限定ではないが、自律性プロセッサ２１４５の指示に従ってコマンドを作成し、それらを基部コントローラ１０１１４上に送信することができる。

ここで図１－２を参照すると、マッププロセッサ１０１０４は、表面特徴のマップを作成することができ、マップを、デバイスコントローラ１０１１１を通して、知覚プロセッサ２１４３に提供することができ、これは、占有グリッドを更新することができる。マッププロセッサ１０１０４は、多くの他の側面の中でもとりわけ、特徴抽出器１０８０１、点群編成器１０８０３、過渡プロセッサ１０８０５、セグメンタ１０８０７、多角形発生器１０８０９、ＳＤＳＦ線発生器１０８１１、およびコンバイナ１０８１３を含むことができる。特徴抽出器１０８０１は、表面を表す点群データにアクセスする、第１のプロセッサを含むことができる。点群編成器１０８０３は、フィルタリングされた点群データから処理可能部分を形成する、第２のプロセッサを含むことができる。過渡プロセッサ１０８０５は、点群データをフィルタリングする、第１のフィルタを含むことができる。セグメンタ１０８０７は、限定ではないが、点群データを処理可能部分にセグメント化することと、処理可能部分から事前選択された高さの点を除去することとを含み得る、実行可能コードを含むことができる。第１のフィルタは、随意に、限定ではないが、点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、事前選択された高さを有する除去された点を置換することとを含み得る、実行可能コードを含むことができる。多角形発生器１０８０９は、処理可能部分を少なくとも１つの凹多角形に併合する、第３のプロセッサを含むことができる。第３のプロセッサは、随意に、限定ではないが、外れ値、ボクセル、および法線を分析することによって、処理可能部分のサイズを縮小することと、縮小サイズの処理可能部分からの領域を拡大させることと、拡大された領域から初期走行可能表面を判定することと、初期走行可能表面をセグメント化およびメッシュ化することと、セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、少なくとも多角形に基づいて、走行可能表面を設定することとを含み得る、実行可能コードを含むことができる。ＳＤＳＦ線発生器１０８１１は、少なくとも１つの凹多角形内の少なくとも１つのＳＤＳＦを位置特定および標識化する、第４のプロセッサを含み、位置特定および標識化することは、標識化された点群データを形成することができる。第４のプロセッサは、随意に、限定ではないが、ＳＤＳＦフィルタに従って、走行可能表面の点群データをソートすることであって、ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、少なくとも、カテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することとを含み得る、実行可能コードを含むことができる。コンバイナ１０８１３は、グラフ化多角形を作成する、第５のプロセッサを含むことができる。グラフ化多角形を作成することは、随意に、限定ではないが、少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、少なくとも１つの多角形は、縁を含む、ことと、縁を平滑化することと、平滑化された縁に基づいて、走行マージンを形成することと、少なくとも１つのＳＤＳＦ軌道を少なくとも１つの走行可能表面に追加することと、少なくとも１つの第３の事前選択された基準に従って、少なくとも１つの走行可能表面から縁を除去することとを含み得る、実行可能コードを含むことができる。縁を平滑化することは、随意に、限定ではないが、縁を外向きにトリミングすることを含み得る、実行可能コードを含むことができる。平滑化された縁の走行マージンを形成することは、随意に、限定ではないが、外向き縁を内向きにトリミングすることを含み得る、実行可能コードを含むことができる。

ここで図１－３を参照すると、マップが、ＡＶに提供されることができ、これは、オンボードセンサと、動力供給される車輪と、センサおよびマップデータを受信し、それらのデータを使用し、ＡＶが、例えば、商品を送達する際、とりわけ、種々の種類の表面を横断するようにＡＶを電力構成するためのプロセッサとを含むことができる。オンボードセンサは、占有グリッドを取り込み得、動的障害物を検出するために使用され得るデータを提供することができる。占有グリッドはまた、マップによって取り込まれることができる。デバイスコントローラ１０１１１は、センサデータおよびマップデータを受信ならびに処理し得、それらのデータを用いて占有グリッドを更新し得る、知覚プロセッサ２１４３を含むことができる。

ここで図１－４を参照すると、デバイスコントローラ１０１１１は、少なくともＡＶのモードおよび遭遇される表面特徴に基づいて、ＡＶの構成を自動的に判定し得る、構成プロセッサ４１０２３を含むことができる。自律性プロセッサ２１４５は、少なくともマップ（辿られるべき計画されたルート）、構成プロセッサ４１０２３からの情報、およびＡＶのモードに基づいて、横断される必要がある表面の種類ならびにＡＶが表面を横断するためにとる必要がある構成を判定し得る、制御プロセッサ４０３２５を含むことができる。自律性プロセッサ２１４５は、コマンドをモータ駆動プロセッサ４０３２６に供給し、コマンドを実装することができる。

ここで図１Ａを参照すると、マッププロセッサ１０１０４は、デバイス、例えば、限定ではないが、ＡＶまたは半自律的デバイスが、ＳＤＳＦ等の特徴を含み得る環境内でナビゲートすることを可能にすることができる。マップ内の特徴は、オンボードセンサとともに、ＡＶが種々の表面上で進行することを可能にすることができる。特に、ＳＤＳＦは、ＡＶが、ＳＤＳＦの進入および退出の間にＡＶの性能を自動的に維持し得、ＡＶ速度、構成、ならびに方向が、安全なＳＤＳＦ横断のために制御され得るように、正確に識別および標識化されることができる。

継続して図１Ａを参照すると、いくつかの構成では、ＳＤＳＦの横断を管理するためのシステム１００は、ＡＶ１０１０１と、コアクラウドインフラストラクチャ１０１０３と、ＡＶサービス１０１０５と、デバイスコントローラ１０１１１と、センサ１０７０１と、電力基部１０１１２とを含むことができる。ＡＶ１０１０１は、例えば、限定ではないが、着信センサ情報によって修正されるような動的に判定される経路を辿って、起点から目的地への輸送および送迎サービスを提供することができる。ＡＶ１０１０１は、限定ではないが、自律モードを有するデバイス、完全に自律的に動作し得るデバイス、少なくとも部分的に遠隔で動作され得るデバイス、およびそれらの特徴の組み合わせを含み得るデバイスを含むことができる。輸送デバイスサービス１０１０５は、特徴を含む走行可能表面情報をデバイスコントローラ１０１１１に提供することができる。デバイスコントローラ１０１１１は、少なくとも、例えば、限定ではないが、着信センサ情報および特徴横断要件に従って、走行可能表面情報を修正することができ、修正された走行可能表面情報に基づいて、ＡＶ１０１０１のための経路を選定することができる。デバイスコントローラ１０１１１は、電力基部１０１１２にコマンドを提示することができ、これは、速度、方向、および構成コマンドを車輪モータならびにクラスタモータに提供するように電力基部１０１１２に指示し、コマンドは、ＡＶ１０１０１に、選定された経路を辿らせ、それに応じて、その貨物を上昇および降下させることができる。輸送デバイスサービス１０１０５は、限定ではないが、記憶装置およびコンテンツ配信設備を含み得る、コアクラウドインフラストラクチャ１０１０３からのルート関連情報にアクセスすることができる。いくつかの構成では、コアクラウドインフラストラクチャ１０１０３は、例えば、限定ではないが、ＡＭＡＺＯＮＷＥＢＳＥＲＶＩＣＥＳ（登録商標）、ＧＯＯＧＬＥＣＬＯＵＤ^ＴＭ、およびＯＲＡＣＬＥＣＬＯＵＤ（登録商標）等の商業用製品を含むことができる。

ここで図１Ｂを参照すると、本教示のマッププロセッサ１０１０４（図１Ａ）から情報を受信し得るデバイスコントローラ１０１１１（図１Ａ）を含み得る例示的ＡＶは、例えば、限定ではないが、２０１８年７月１３日に出願され、「ＭｏｂｉｌｉｔｙＤｅｖｉｃｅ」と題された、米国特許出願第１６／０３５，２０５号または２００１年８月１５日に出願され、「ＣｏｎｔｒｏｌＳｙｓｔｅｍａｎｄＭｅｔｈｏｄ」と題された、米国特許第６，５７１，８９２号（その両方は、参照することによってその全体として本明細書に組み込まれる）に完全に説明される、例えば、限定ではないが、電力基部等の電力基部アセンブリを含むことができる。例示的電力基部アセンブリは、本教示を限定するためではなく、代わりに、本教示の技術を実装する際に有用であり得る任意の電力基部アセンブリの特徴を明確にするために本明細書に説明される。例示的電力基部アセンブリは、随意に、電力基部１０１１２と、車輪クラスタアセンブリ１１１００と、ペイロードキャリア高さアセンブリ１００６８とを含むことができる。例示的電力基部アセンブリは、随意に、車輪１１２０３と、車輪１１２０３を上昇および降下させ得るクラスタ１１１００とを駆動するために、電気的ならびに機械的動力を提供することができる。電力基部１０１１２は、本教示の実質的不連続表面横断を支援するために、クラスタアセンブリ１１１００の回転およびペイロードキャリア高さアセンブリ１００６８の昇降を制御することができる。他のそのようなデバイスも、本教示のＳＤＳＦ検出および横断を適応させるために使用されることができる。

再び図１Ａを参照すると、いくつかの構成では、例示的電力基部の内部のセンサが、ＡＶ１０１０１の配向および配向の変化率を検出することができ、モータが、サーボ動作を可能にすることができ、コントローラが、内部センサならびにモータからの情報を理解することができる。適切なモータコマンドが、輸送機性能を達成し、経路追従コマンドを実装するために算出されることができる。左および右車輪モータが、ＡＶ１０１０１の両側上の車輪を駆動することができる。いくつかの構成では、前部および後部車輪が、２つの左車輪が、ともに駆動し得、２つの右車輪が、ともに駆動し得るように、ともに駆動するように結合されることができる。いくつかの構成では、方向転換が、異なる率において左および右モータを駆動することによって遂行されることができ、クラスタモータが、前／後方向にホイールベースを回転させることができる。これは、前部車輪が、後部車輪よりも高い、または低い状態になる間、ＡＶ１０１０１が、水平なままであることを可能にすることができる。本特徴は、例えば、限定ではないが、ＳＤＳＦを昇り降りするときに有用であり得る。ペイロードキャリア１０１７３は、少なくとも下層地形に基づいて、自動的に上昇および降下されることができる。

継続して図１Ａを参照すると、いくつかの構成では、点群データが、ＡＶ１０１０１が進行するべきである面積に関するルート情報を含むことができる。可能性として、ＡＶ１０１０１に類似する、またはそれと同じであるマッピングデバイスによって収集される、点群データは、タイムタグを付けられることができる。それに沿ってマッピングデバイスが進行する経路は、マッピングされた軌道と称され得る。本明細書に説明される点群データ処理は、マッピングデバイスがマッピングされた軌道を横断する際、または点群データ収集が完了した後に行われることができる。点群データが、収集された後、それらは、本明細書に説明されるような初期フィルタリングおよび点縮小、点群セグメント化、ならびに特徴検出を含み得る、点群データ処理を受けることができる。いくつかの構成では、コアクラウドインフラストラクチャ１０１０３は、収集された点群データに関する長期または短期記憶を提供することができ、データをＡＶサービス１０１０５に提供することができる。ＡＶサービス１０１０５は、ＡＶ１０１０１に関する所望の開始点およびＡＶ１０１０１に関する所望の目的地を囲繞する地域を網羅するデータセットを見出すために、可能性として考えられる点群データセットの中から選択することができる。ＡＶサービス１０１０５は、限定ではないが、点群データのサイズを縮小し、点群データ内に表される特徴を判定し得る、マッププロセッサ１０１０４を含むことができる。いくつかの構成では、マッププロセッサ１０１０４は、点群データからＳＤＳＦの場所を判定することができる。いくつかの構成では、多角形が、点群データをセグメント化し、最終的に、走行可能表面を設定するための技法として、点群データから作成されることができる。いくつかの構成では、ＳＤＳＦ探知および走行可能表面判定は、並行して進むことができる。いくつかの構成では、ＳＤＳＦ探知および走行可能表面判定は、順次進むことができる。

ここで図１Ｃを参照すると、いくつかの構成では、ＡＶは、貨物を送達する、および／または所望の場所に自律的にナビゲートすることを伴う他の機能を実施するように構成されてもよい。いくつかの用途では、ＡＶは、遠隔で誘導されてもよい。いくつかの構成では、ＡＶ２０１００は、遠隔で、ユーザ入力に応答して、自動的に、または手動で開放され、ユーザが、荷物および他のアイテムを設置もしくは除去することを可能にし得る、貨物コンテナを備える。貨物コンテナ２０１１０は、電力基部２０１７０に機械的に接続される、貨物プラットフォーム２０１６０上に搭載される。電力基部２０１７０は、４つの動力供給される車輪２０１７４と、２つのキャスタ車輪２０１７６とを含む。電力基部は、地面に沿って、かつ縁石および他の不連続表面特徴を含む障害物にわたって貨物コンテナ２０１１０を移動させるために、速度ならびに方向制御を提供する。

継続して図１Ｃを参照すると、貨物プラットフォーム２０１６０は、２つのＵフレーム２０１６２を通して電力基部２０１７０に接続される。各Ｕフレーム２０１６２は、貨物プラットフォーム２０１６０の構造に堅く取り付けられ、回転可能ジョイント２０１６４が、電力基部２０１７０上の各アーム２０１７２の端部とともに形成されることを可能にする、２つの孔を含む。電力基部は、アームの回転位置を制御し、したがって、貨物コンテナ２０１１０の高さおよび傾角を制御する。

継続して図１Ｃを参照すると、いくつかの構成では、ＡＶ２０１００は、データを受信し、経路をナビゲートし、電力基部２０１７０の方向および速度を選択するための１つ以上のプロセッサを含む。

ここで図１Ｄを参照すると、いくつかの構成では、本教示のマッププロセッサ１０１０４は、マップ上にＳＤＳＦを位置付けることができる。マッププロセッサ１０１０４は、限定ではないが、特徴抽出器１０８０１、点群編成器１０８０３、過渡プロセッサ１０８０５、セグメンタ１０８０７、多角形発生器１０８０９、ＳＤＳＦ線発生器１０８１１、およびデータコンバイナ１０８１３を含むことができる。

継続して図１Ｄを参照すると、特徴抽出器１０８０１（図１－２）は、限定ではないが、点群データ１０１３１およびマッピングされた軌道１０１３３の視通線フィルタリング１０１２１を含むことができる。視通線フィルタリングは、点群データを収集し、マッピングされた軌道を形成するセンサの直接視通線から隠される点を除去することができる。点群編成器１０８０３（図１－２）は、可能性として、具体的特徴と関連付けられる事前選択された基準に従って、縮小された点群データ１０１３２を編成する（１０１５１）ことができる。いくつかの構成では、過渡プロセッサ１０８０５（図１－２）は、本明細書に説明される方法を含む、任意の数の方法によって編成された点群データおよびマッピングされた軌道１０１３３から過渡点を除去する（１０１５３）ことができる。過渡点は、特に、具体的特徴が、定常である場合、処理を複雑化し得る。セグメンタ１０８０７（図１－２）は、処理された点群データ１０１３５を処理可能な塊に分割することができる。いくつかの構成では、処理された点群データ１０１３５は、事前選択された最小数の点、例えば、限定ではないが、約１００，０００個の点を有する区分にセグメント化されることができる（１０１５５）。いくつかの構成では、さらなる点縮小が、抽出されるべき特徴に関連し得る事前選択された基準に基づくことができる。例えば、ある高さを上回る点が、特徴を位置特定することに対して重要ではない場合、それらの点は、点群データから削除され得る。いくつかの構成では、点群データを収集するセンサのうちの少なくとも１つの高さは、起点と見なされ得、起点を上回る点は、例えば、着目点のみが、表面特徴と関連付けられるとき、点群データから除去され得る。フィルタリングされた点群データ１０１３５が、セグメント化された後、セグメント１０１３７を形成し、残りの点は、走行可能表面区分に分割されることができ、表面特徴が、位置特定されることができる。いくつかの構成では、多角形発生器１０８０９（図１－２）は、例えば、限定ではないが、本明細書に説明されるような多角形１０１３９を発生させる（１０１６１）ことによって、走行可能表面を位置特定することができる。いくつかの構成では、ＳＤＳＦ線発生器１０８１１（図１－２）は、例えば、限定ではないが、本明細書に説明されるようなＳＤＳＦ線１０１４１を発生させる（１０１６３）ことによって、表面特徴を位置特定することができる。いくつかの構成では、コンバイナ１０８１３（図１－２）は、多角形１０１３９およびＳＤＳＦ１０１４１を組み合わせる（１０１６５）ことによって、ＡＶ１０１０１（図１Ａ）が進行し得る実際の経路を発生させるためにさらに処理され得る、データセットを作成することができる。

ここで、主として図１Ｅを参照すると、点群データ１０１３１（図１Ｄ）から、例示的タイムスタンプ付き点１０７５１等のマッピングされた軌道１０１３３に対して過渡的である物体を排除すること１０１５３（図１Ｄ）は、光線１０７５３を、マッピングされた軌道１０１３３上のタイムスタンプ付き点から、実質的に同一のタイムスタンプを有する点群データ１０１３１（図１Ｄ）内の各タイムスタンプ付き点に投じることを含むことができる。光線１０７５３が、マッピングされた軌道１０１３３上のタイムスタンプ付き点と光線１０７５３の終点との間の点、例えば、点Ｄ１０７５５と交差する場合、交点Ｄ１０７５５は、カメラの異なる掃引の間に点群データに入ったと仮定されることができる。交点、例えば、交点Ｄ１０７５５は、過渡物体の一部であると仮定されることができ、ＳＤＳＦ等の固定特徴を表さないものとして縮小された点群データ１０１３２（図１Ｄ）から除去されることができる。結果は、例えば、限定ではないが、過渡物体のない、処理された点群データ１０１３５（図１Ｄ）となる。過渡物体の一部として除去されたが、また、実質的に地面レベルにある点は、処理された点群データ１０１３５（図１Ｄ）に返されることができる（１０７５４）。過渡物体は、例えば、限定ではないが、ＳＤＳＦ１０１４１（図１Ｄ）等のある特徴を含むことができず、したがって、ＳＤＳＦ１０１４１（図１Ｄ）が、検出されている特徴であるとき、点群データ１０１３１（図１Ｄ）の完全性に干渉することなく除去されることができる。

継続して図１Ｅを参照すると、処理された点群データ１０１３５（図１Ｄ）をセグメント化すること１０１５５（図１Ｄ）は、事前選択されたサイズおよび形状、例えば、限定ではないが、最小の事前選択された側長を有し、約１００，０００個の点を含む、長方形１０１５４（図１Ｆ）を有する、区分１０７５７を生成することができる。各区分１０７５７から、必ずしも具体的タスクに関するものではない点、例えば、限定ではないが、事前選択されたレベルの上方に位置する点は、データセットサイズを縮小するために除去されることができる（１０１５７）（図１Ｄ）。いくつかの構成では、事前選択されたレベルは、ＡＶ１０１０１（図１Ａ）の高さであり得る。これらの点を除去することは、データセットのより効率的な処理につながることができる。

再び、主として図１Ｄを参照すると、マッププロセッサ１０１０４は、デバイスコントローラ１０１１１に、ＡＶ１０１０１（図１Ａ）を制御するための方向、速度、および構成コマンドを生成するために使用され得る少なくとも１つのデータセットを供給することができる。少なくとも１つのデータセットは、データセット内の他の点に接続され得る点を含むことができ、データセット内の点を接続する線はそれぞれ、走行可能表面を横断する。そのようなルート点を判定するために、セグメント化された点群データ１０１３７は、多角形１０１３９に分割されることができ、多角形１０１３９の頂点は、可能性として、ルート点になることができる。多角形１０１３９は、例えば、ＳＤＳＦ１０１４１等の特徴を含むことができる。

継続して図１Ｄを参照すると、いくつかの構成では、処理された点群データ１０１３５を作成することは、ボクセルをフィルタリングすることを含むことができる。将来の処理を受けるであろう点の数を低減させるために、いくつかの構成では、データセット内の各ボクセルの重心が、ボクセル内の点を近似するために使用されることができ、重心を除く全ての点は、点群データから排除されることができる。いくつかの構成では、ボクセルの中心が、ボクセル内の点を近似するために使用されることができる。例えば、限定ではないが、均一にランダムに選択される、固定数の点が、フィルタリングされたセグメント１０２５１（図１Ｇ）から排除され得るように、ランダム点サブサンプルをとること等、フィルタリングされたセグメント１０２５１（図１Ｇ）のサイズを縮小するための他の方法も、使用されることができる。

継続してなおもさらに図１Ｄを参照すると、いくつかの構成では、処理された点群データ１０１３５を作成することは、それから外れ値が除去されており、ボクセルフィルタリングを通してサイズ縮小されているデータセットから法線を算出することを含むことができる。フィルタリングされたデータセット内の各点に対する法線は、曲線再構築アルゴリズムを含む、種々の処理の可能性のために使用されることができる。いくつかの構成では、データセット内の法線を推定およびフィルタリングすることは、表面メッシュ化技法を使用してデータセットから下層表面を取得することと、表面メッシュから法線を算出することとを含むことができる。いくつかの構成では、法線を推定することは、例えば、限定ではないが、点のｋ個の最近傍近隣に総最小二乗法を適用することによって取得されるフィッティング平面に対する法線を判定すること等、直接データセットから表面法線を推論するために近似を使用することを含むことができる。いくつかの構成では、ｋの値は、少なくとも経験的データに基づいて選定されることができる。法線をフィルタリングすることは、ｘ－ｙ平面に垂直なものから約４５°を上回る任意の法線を除去することを含むことができる。いくつかの構成では、フィルタが、同一の方向に法線を整合させるために使用されることができる。データセットの一部が、平面表面を表す場合、隣接する法線内に含有される冗長情報は、ランダムサブサンプリングを実施することによって、または関連する点のセットから１つの点をフィルタリングして取り除くことによってのいずれかで、フィルタリングして取り除かれることができる。いくつかの構成では、点を選定することは、各ボックスが、多くてもｋ個の点を含有するまで、データセットをボックスに再帰的に分解することを含むことができる。単一の法線が、各ボックス内のｋ個の点から算出されることができる。

継続して図１Ｄを参照すると、いくつかの構成では、処理された点群データ１０１３５を作成することは、データセットを表した表面と幾何学的に適合する点をクラスタリングすることによって、データセット内の領域を拡大させることと、最大数の点の最良の近似を取得するために、領域が拡大するにつれて表面を精緻化することとを含むことができる。領域拡大は、平滑度制約の観点から点を併合することができる。いくつかの構成では、平滑度制約は、例えば、経験的に判定されることができる、または所望の表面平滑度に基づくことができる。いくつかの構成では、平滑度制約は、約１０π／１８０～約２０π／１８０の範囲を含むことができる。領域拡大の出力は、点クラスタのセットであり、各点クラスタは、点のセットであり、そのそれぞれは、同一の平滑表面の一部であると見なされる。いくつかの構成では、領域拡大は、法線の間の角度の比較に基づくことができる。領域拡大は、例えば、限定ではないが、領域拡大セグメント化ｈｔｔｐ：／／ｐｏｉｎｔｃｌｏｕｄｓ．ｏｒｇ／ｄｏｃｕｍｅｎｔａｔｉｏｎ／ｔｕｔｏｒｉａｌｓ／ｒｅｇｉｏｎ＿ｇｒｏｗｉｎｇ＿ｓｅｇｍｅｎｔａｔｉｏｎ．ｐｈｐおよびｈｔｔｐ：／／ｐｏｉｎｔｃｌｏｕｄｓ．ｏｒｇ／ｄｏｃｕｍｅｎｔａｔｉｏｎ／ｔｕｔｏｒｉａｌｓ／ｃｌｕｓｔｅｒ＿ｅｘｔｒａｃｔｉｏｎ．ｐｈｐ＃ｃｌｕｓｔｅｒ－ｅｘｔｒａｃｔｉｏｎ等のアルゴリズムによって遂行されることができる。

ここで図１Ｇを参照すると、セグメント化された点群データ１０１３７（図１Ｄ）は、多角形１０７５９、例えば、５ｍ×５ｍ多角形を発生させる（１０１６１）（図１Ｄ）ために使用されることができる。点サブクラスタは、例えば、メッシュ化を使用して、多角形１０７５９に変換されることができる。メッシュ化は、例えば、限定ではないが、マーチング立方体、マーチング四面体、表面ネット、グリーディメッシュ化、および二重輪郭形成等の標準的方法によって遂行されることができる。いくつかの構成では、多角形１０７５９は、点の法線に沿って点の局所近隣を投影し、接続されていない点を接続することによって発生されることができる。結果として生じる多角形１０７５９は、少なくとも、近隣のサイズ、考慮されるべき点に関する最大許容可能距離、多角形に関する最大縁長、多角形の最小および最大角度、ならびに法線が相互からとり得る最大偏差に基づくことができる。いくつかの構成では、多角形１０７５９は、多角形１０７５９が、ＡＶ１０１０１（図１Ａ）が通行するために小さすぎるであろうかどうかに従ってフィルタリングされることができる。いくつかの構成では、ＡＶ１０１０１（図１Ａ）のサイズの円が、公知の手段によって多角形１０７５９のそれぞれの周囲にドラッグされることができる。円が、多角形１０７５９内に実質的に該当する場合、多角形１０７５９、したがって、結果として生じる走行可能表面は、ＡＶ１０１０１（図１Ａ）を適応させることができる。いくつかの構成では、多角形１０７５９の面積は、ＡＶ１０１０１（図１Ａ）の占有面積と比較されることができる。多角形は、不規則であると仮定されることができ、したがって、多角形１０７５９の面積を判定するための最初のステップは、公知の方法によって多角形１０７５９を正多角形１０７５９Ａに分離することになる。正多角形１０７５９Ａ毎に、標準的面積方程式が、そのサイズを判定するために使用されることができる。各正多角形１０７５９Ａの面積は、多角形１０７５９の面積を求めるためにともに加算されることができ、その面積は、ＡＶ１０１０１（図１Ａ）の占有面積と比較されることができる。フィルタリングされた多角形は、サイズ基準を満たす多角形のサブセットを含むことができる。フィルタリングされた多角形は、最終走行可能表面を設定するために使用されることができる。

継続して図１Ｇを参照すると、いくつかの構成では、多角形１０７５９は、例えば、限定ではないが、ＰｏｉｎｔＣｌｏｕｄＬｉｂｒａｒｙ，ｈｔｔｐ：／／ｐｏｉｎｔｃｌｏｕｄｓ．ｏｒｇ／ｄｏｃｕｍｅｎｔａｔｉｏｎ／ｔｕｔｏｒｉａｌｓ／ｓｔａｔｉｓｔｉｃａｌ＿ｏｕｔｌｉｅｒ．ｐｈｐにおいて利用可能なもの等の統計分析技法等の従来の手段によって、外れ値を除去することによって処理されることができる。フィルタリングは、限定ではないが、ＰｏｉｎｔＣｌｏｕｄＬｉｂｒａｒｙ，ｈｔｔｐ：／／ｐｏｉｎｔｃｌｏｕｄｓ．ｏｒｇ／ｄｏｃｕｍｅｎｔａｔｉｏｎ／ｔｕｔｏｒｉａｌｓ／ｖｏｘｅｌ＿ｇｒｉｄ．ｐｈｐにおいて利用可能であるようなボクセル化グリッドアプローチを含む、従来の手段によってセグメント１０１３７（図１Ｄ）をサイズ縮小することを含むことができる。凹多角形１０２６３は、例えば、限定ではないが、「ＡＮｅｗＣｏｎｃａｖｅＨｕｌｌＡｌｇｏｒｉｔｈｍａｎｄＣｏｎｃａｖｅｎｅｓｓＭｅａｓｕｒｅｆｏｒｎ－ｄｉｍｅｎｓｉｏｎａｌＤａｔａｓｅｔｓ」，Ｐａｒｋｅｔａｌ．，ＪｏｕｒｎａｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ２８，ｐｐ．５８７－６００，２０１２に記載されるプロセスに記載されるプロセスによって作成されることができる。

ここで、主として図１Ｈを参照すると、いくつかの構成では、処理された点群データ１０１３５（図１Ｄ）は、初期走行可能表面１０２６５を判定するために使用されることができる。領域拡大は、走行可能表面の一部である点を含み得る、点クラスタを生成することができる。いくつかの構成では、初期走行可能表面を判定するために、基準平面が、点クラスタのそれぞれにフィットされることができる。いくつかの構成では、点クラスタは、点クラスタの配向と基準平面との間の関係に従ってフィルタリングされることができる。例えば、点クラスタ平面と基準平面との間の角度が、例えば、限定ではないが、約３０°を下回る場合、点クラスタは、予備的に、初期走行可能表面の一部であると見なされることができる。いくつかの構成では、点クラスタは、例えば、限定ではないが、サイズ制約に基づいてフィルタリングされることができる。いくつかの構成では、点群データ１０１３１（図１Ｄ）内の合計点の約２０％よりも点サイズにおいて大きい点クラスタは、大きすぎると見なされることができ、点群データ１０１３１（図１Ｄ）内の合計点の約０．１％よりもサイズにおいて小さい点クラスタは、小さすぎると見なされることができる。初期走行可能表面は、点クラスタのフィルタリングされたものを含むことができる。いくつかの構成では、点クラスタは、いくつかの公知の方法のうちのいずれかによって、さらなる処理を継続するために分割されることができる。いくつかの構成では、雑音を伴うアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）が、点クラスタを分割するために使用されることができる一方、いくつかの構成では、ｋ平均クラスタリングが、点クラスタを分割するために使用されることができる。ＤＢＳＣＡＮは、ともに密集する点をともに群化し、実質的に孤立する、または低密度領域における点を外れ値としてマーキングすることができる。密集していると見なされるために、点は、候補点からの事前選択された距離内に位置していなければならない。いくつかの構成では、事前選択された距離に関するスケール係数が、経験的または動的に判定されることができる。いくつかの構成では、スケール係数は、約０．１～１．０の範囲内であり得る。

主として図１Ｉを参照すると、ＳＤＳＦ線を発生させること（１０１６３）（図１Ｄ）は、走行可能表面１０２６５（図１Ｈ）上の凹多角形１０２６３のさらなるフィルタリングによってＳＤＳＦを位置特定することを含むことができる。いくつかの構成では、多角形を構成する点群データからの点は、上側ドーナツ点１０３５１（図１Ｊ）、下側ドーナツ点１０３５３（図１Ｊ）、または円筒点１０３５５（図１Ｊ）のいずれかとしてカテゴリ化されることができる。上側ドーナツ点１０３５１（図１Ｊ）は、地面から最も遠いＳＤＳＦモデル１０３５２の形状に該当することができる。下側ドーナツ点１０３５３（図１Ｊ）は、地面に最近接する、または地面レベルにおけるＳＤＳＦモデル１０３５２の形状に該当する。円筒点１０３５５（図１Ｊ）は、上側ドーナツ点１０３５１（図１Ｊ）と下側ドーナツ点１０３５３（図１Ｊ）との間の形状に該当することができる。カテゴリの組み合わせは、ドーナツ１０３７１を形成することができる。ドーナツ１０３７１がＳＤＳＦを形成するかどうかを判定するために、ある基準が、試験される。例えば、各ドーナツ１０３７１において、上側ドーナツ点１０３５１（図１Ｊ）である最小数の点および下側ドーナツ点１０３５３（図１Ｊ）である最小数が、存在しなければならない。いくつかの構成では、最小値は、経験的に選択されることができ、約５～２０の範囲に該当することができる。各ドーナツ１０３７１は、複数の部分、例えば、２つの半球に分割されることができる。ドーナツ１０３７１内の点がＳＤＳＦを表すかどうかを判定するための別の基準は、点の大部分が、ドーナツ１０３７１の部分の対向する半球内に位置するかどうかである。円筒点１０３５５（図１Ｊ）は、第１の円筒領域１０３５７（図１Ｊ）または第２の円筒領域１０３５９（図１Ｊ）のいずれかにおいて生じることができる。ＳＤＳＦ選択に関する別の基準は、両方の円筒領域１０３５７／１０３５９（図１Ｊ）内に最小数の点が存在しなければならないことである。いくつかの構成では、最小数の点は、経験的に選択されることができ、３～２０の範囲に該当することができる。ＳＤＳＦ選択に関する別の基準は、ドーナツ１０３７１が、３つのカテゴリの点、すなわち、上側ドーナツ点１０３５１（図１Ｊ）、下側ドーナツ点１０３５３（図１Ｊ）、および円筒点１０３５５（図１Ｊ）のうちの少なくとも２つを含まなければならないことである。

継続して、主として図１Ｉを参照すると、いくつかの構成では、多角形は、並行して処理されることができる。各カテゴリワーカ１０３６２は、ＳＤＳＦ点１０７８９（図１Ｎ）に関するその割り当てられた多角形を探索することができ、ＳＤＳＦ点１０７８９（図１Ｎ）をカテゴリ１０７６３（図１Ｇ）に割り当てることができる。多角形が、処理される際、結果として生じる点カテゴリ１０７６３（図１Ｇ）は、組み合わせられ（１０３６３）、組み合わせられたカテゴリ１０３６６を形成することができ、カテゴリは、短縮され（１０３６５）、短縮された組み合わせられたカテゴリ１０３６８を形成することができる。ＳＤＳＦ点１０７８９（図１Ｎ）を短縮することは、地面からのそれらの距離に関してＳＤＳＦ点１０７８９（図１Ｎ）をフィルタリングすることを含むことができる。短縮された組み合わせられたカテゴリ１０３６８は、各ＳＤＳＦ点１０７６６（図１Ｇ）の周囲の面積を探索し、平均点１０７６５（図１Ｇ）を発生させることによって、平均化され、可能性として、平均ワーカ１０３７３によって並行して処理され、カテゴリの点は、平均化されたドーナツ１０３７５のセットを形成することができる。いくつかの構成では、各ＳＤＳＦ点１０７６６（図１Ｇ）の周囲の半径は、経験的に判定されることができる。いくつかの構成では、各ＳＤＳＦ点１０７６６（図１Ｇ）の周囲の半径は、０．１ｍ～１．０ｍの範囲を含むことができる。平均点１０７６５（図１Ｇ）におけるＳＤＳＦに関するＳＤＳＦ軌道１０３７７（図１Ｇ）上の１つの点と別のものとの間の高さ変化が、計算されることができる。平均化されたドーナツ１０３７５をともに接続することは、ＳＤＳＦ軌道１０３７７（図１Ｇおよび１Ｋ）を発生させることができる。ＳＤＳＦ軌道１０３７７（図１Ｇおよび１Ｋ）を作成する際、開始点の探索半径内に２つの次の候補点が、存在する場合、次の点は、少なくとも、以前の線セグメント、開始点、および候補目的地点の間に可能な限り一直線の線を形成することに基づいて選定されることができ、その上で、候補の次の点は、以前の点と候補の次の点との間のＳＤＳＦ高の最も小さい変化を表す。いくつかの構成では、ＳＤＳＦ高は、上側ドーナツ１０３５１（図１Ｊ）および下側ドーナツ１０３５３（図１Ｊ）の高さの間の差異として定義されることができる。

ここで、主として図１Ｌを参照すると、凹多角形およびＳＤＳＦ線を組み合わせること１０１６５（図１Ｄ）は、多角形１０１３９（図１Ｄ）ならびにＳＤＳＦ１０１４１（図１Ｄ）を含むデータセットを生成することができ、データセットは、ＳＤＳＦデータを用いてグラフ化多角形を生成するために操作されることができる。凹多角形１０２６３を操作することは、限定ではないが、凹多角形１０２６３を併合し、併合された多角形１０７７１を形成することを含むことができる。凹多角形１０２６３を併合することは、例えば、限定ではないが、（ｈｔｔｐ：／／ｗｗｗ．ａｎｇｕｓｊ．ｃｏｍ／ｄｅｌｐｈｉ／ｃｌｉｐｐｅｒ．ｐｈｐ）に見出されるもの等の公知の方法を使用して遂行されることができる。併合された多角形１０７７１は、縁を平滑化し、拡張された多角形１０７７２を形成するために拡張されることができる。拡張された多角形１０７７２は、走行マージンを提供するために収縮され、収縮された多角形１０７７４を形成することができ、それにＳＤＳＦ軌道１０３７７（図１Ｍ）が、追加されることができる。内向きトリミング（収縮）は、少なくともＡＶ１０１０１（図１Ａ）のサイズに基づく事前選択された量だけ走行可能表面のサイズを縮小することによって、ＡＶ１０１０１（図１Ａ）が進行するための余地が縁の近傍に存在することを保証することができる。多角形拡張および収縮は、例えば、限定ではないが、ＡＲＣＧＩＳ（登録商標）クリップコマンド（ｈｔｔｐ：／／ｄｅｓｋｔｏｐ．ａｒｃｇｉｓ．ｃｏｍ／ｅｎ／ａｒｃｍａｐ／１０．３／ｍａｎａｇｅ－ｄａｔａ／ｅｄｉｔｉｎｇ－ｅｘｉｓｔｉｎｇ－ｆｅａｔｕｒｅｓ／ｃｌｉｐｐｉｎｇ－ａ－ｐｏｌｙｇｏｎ－ｆｅａｔｕｒｅ．ｈｔｍ）等の商業的に利用可能な技術によって遂行されることができる。

ここで、主として図１Ｍを参照すると、収縮された多角形１０７７４は、多角形１０７７８にパーティション化されることができ、そのそれぞれは、非走行可能表面に遭遇することなく横断されることができる。収縮された多角形１０７７４は、例えば、限定ではないが、ｚ次曲線ハッシングによって最適化され、孔、捩れ多角形、縮退、および自己交差を取り扱うために拡張される、イヤースライシング等の従来の手段によってパーティション化されることができる。商業的に利用可能なイヤースライシング実装は、限定ではないが、（ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｍａｐｂｏｘ／ｅａｒｃｕｔ．ｈｐｐ）に見出されるものを含むことができる。ＳＤＳＦ軌道１０３７７は、多角形頂点１０７８１に接続され得るＳＤＳＦ点１０７８９（図１Ｎ）を含むことができる。頂点１０７８１は、ＡＶ１０１０１（図１Ａ）のための可能性として考えられる進行経路を形成するために相互に接続され得る、可能性として考えられる経路点であると見なされることができる。データセットでは、ＳＤＳＦ点１０７８９（図１Ｎ）は、そのように標識化されることができる。パーティション化が、進行する際、例えば、限定ではないが、縁１０７７７および１０７７９等の冗長縁が導入されることが、可能性として考えられる。縁１０７７７または１０７７９のうちの１つを除去することは、さらなる分析の複雑性を低減させることができ、多角形メッシュを留保することができる。いくつかの構成では、Ｈｅｒｔｅｌ－Ｍｅｈｌｈｏｒｎ多角形パーティション化アルゴリズムが、縁を除去し、特徴として標識化された縁を省略するために使用されることができる。標識化された特徴を含む、多角形１０７７８のセットは、可能性として考えられる経路点の数を低減させるためにさらなる簡略化を受けることができ、可能性として考えられる経路点は、占有グリッドを取り込むために使用され得る、注釈付き点データ１０３７９（図５Ｂ）の形態においてデバイスコントローラ１０１１１（図１Ａ）に提供されることができる。

ここで図２Ａ－２Ｂを参照すると、ＡＶによって集積されるセンサデータはまた、占有グリッドを取り込むために使用されることができる。ＡＶ内のプロセッサは、貨物コンテナ２０１１０の上に搭載される長距離センサアセンブリ２０４００内のセンサから、および貨物プラットフォーム２０１６０内に位置する短距離センサ２０５１０、２０５２０、２０５３０、２０５４０、ならびに他のセンサからデータを受信することができる。加えて、プロセッサは、貨物コンテナ２０１１０の前部の上部の近傍に搭載される、随意の短距離センサ２０５０５からデータを受信してもよい。プロセッサはまた、セルラー、ＷｉＦｉ、ならびに／もしくはＧＰＳを含む、１つ以上のアンテナ２０１２２Ａ、２０１２２Ｂ（図１Ｃ）からデータを受信してもよい。一実施例では、ＡＶ２０１００は、長距離センサアセンブリ２０４００の上に位置するＧＰＳアンテナ２０１２２Ａ（図１Ｃ）および／または貨物コンテナ２０１１０の上に位置するアンテナ２０１２２Ｂ（図１Ｃ）を有する。プロセッサは、ＡＶ２０１００内の任意の場所に位置してもよい。いくつかの実施例では、１つ以上のプロセッサが、長距離センサアセンブリ２０４００内に位置する。付加的プロセッサが、貨物プラットフォーム２０１６０内に位置してもよい。他の実施例では、プロセッサは、貨物コンテナ２０１１０内に、および／または電力基部２０１７０の一部として位置してもよい。

継続して図２Ａ－２Ｂを参照すると、長距離センサアセンブリ２０４００は、貨物コンテナの上に搭載され、ＡＶを囲繞する環境の改良されたビューを提供する。一実施例では、長距離センサアセンブリ２０４００は、進行表面または地面から１．２ｍフィートを上回って上方にある。他の実施例では、貨物コンテナが、より高い、または電力基部構成が、貨物プラットフォーム２０１６０を上昇させる場合、長距離センサアセンブリ２０４００は、ＡＶがそれにわたって移動している地面から１．８ｍ上方にあってもよい。長距離センサアセンブリ２０４００は、最小距離から最大範囲までのＡＶの周囲の環境についての情報を提供する。最小距離は、長距離センサ２０４００および貨物コンテナ２０１１０の相対的位置によって定義されてもよい。最小距離はさらに、センサの視野（ＦＯＶ）によって定義されてもよい。最大距離は、長距離センサアセンブリ２０４００内の長距離センサの範囲によって、および／またはプロセッサによって定義されてもよい。一実施例では、長距離センサの範囲は、２０メートルに限定される。一実施例では、ＶｅｌｏｄｙｎｅＰｕｃｋＬＩＤＡＲは、１００ｍまでの範囲を有する。長距離センサアセンブリ２０４００は、全ての方向における物体に関するデータを提供してもよい。センサアセンブリは、ＡＶ２０１００の周囲の３６０°角度にわたる構造、表面、および障害物に関する情報を提供してもよい。

継続して図２Ａを参照すると、窓２０４３４、２０４３６、および２０４３８を通して観察する３つの長距離カメラが、ともに３６０°ＦＯＶを提供する、水平ＦＯＶ２０４１０、２０４１２、２０４１４を提供することができる。水平ＦＯＶは、選択されたカメラおよび長距離カメラアセンブリ２０４００内のカメラの場所によって定義されてもよい。視野の説明では、ゼロ角は、ＡＶ２０１００の中心を通した、ＡＶの前部に垂直な垂直平面内に位置する光線である。ゼロ角光線は、ＡＶの前部を通して通過する。窓２０４３４を通して視認する前部長距離カメラは、３１１°～４７°の９６°ＦＯＶ２０４１０を有する。窓２０４３６を通して視認する左側長距離カメラは、４７°～１８０°のＦＯＶ２０４１２を有する。窓２０４３８を通して視認する右側長距離カメラは、１８０°～３１１°のＦＯＶ２０４１４を有する。長距離センサアセンブリ２０４００は、長距離カメラよりもＡＶ２０１００の正面の物体および表面に関するより詳細な情報を提供する、窓２０４３２を通して観察するように位置する、産業カメラを含んでもよい。窓２０４３２の後方に位置する産業カメラは、選択されたカメラおよび長距離カメラアセンブリ２０４００内のカメラの場所によって定義される、ＦＯＶ２０４１６を有してもよい。一実施例では、窓２０４３２の後方の産業カメラは、２３°～３３７°のＦＯＶを有する。

ここで図２Ｂを参照すると、ＬＩＤＡＲ２０４２０は、ＡＶ２０１００の周囲の３６０°水平ＦＯＶを提供する。垂直ＦＯＶは、ＬＩＤＡＲ器具によって限定されてもよい。一実施例では、４０°であり、地面から１．２ｍ～１．８ｍ上方に搭載される垂直ＦＯＶ２０４１８は、ＡＶ２０１００から３．３ｍ～５ｍにセンサの最小距離を設定する。

ここで図２Ｃおよび２Ｄを参照すると、長距離センサアセンブリ２０４００が、カバー２０４３０とともに示される。カバー２０４３０は、それを通して長距離カメラおよび産業カメラが、ＡＶ２０１００の周囲の環境を観察する、窓２０４３４、２０４３２、２０４３６を含む。長距離センサアセンブリ２０４００のためのカバー２０４３０は、カバー２０４３０と貨物コンテナ２０１１０の上部との間のＯリングによって天候からシールされる。

ここで図２Ｅおよび２Ｆを参照すると、カバー２０４３０は、カメラおよびプロセッサの実施例を露見させるために、除去されている。ＬＩＤＡＲセンサ２０４２０は、ＡＶの周囲の表面までの範囲または距離に関するデータを提供する。これらのデータは、長距離センサアセンブリ２０４００内に位置する、プロセッサ２０４７０に提供されてもよい。ＬＩＤＡＲは、長距離カメラ２０４４０Ａ－Ｃおよびカバー２０４３０の上方の構造２０４０５上に搭載される。ＬＩＤＡＲセンサ２０４２０は、反射されるレーザパルス化光に基づく測距センサの一実施例である。反射される電波を使用するレーダ等の他の測距センサもまた、使用されることができる。一実施例では、ＬＩＤＡＲセンサ２０４２０は、ＶＥＬＯＤＹＮＥＬＩＤＡＲ（登録商標）（ＳａｎＪｏｓｅ，ＣＡ）によるＰｕｃｋセンサである。３つの長距離カメラ２０４４０Ａ、２０４４０Ｂ、２０４４０Ｃは、ＡＶ２０１００の周囲の物体、表面、および構造のデジタル画像を提供する。３つの長距離カメラ２０４４０Ａ、２０４４０Ｂ、２０４４０Ｃは、ＡＶの周囲の３６０°全体を網羅する３つの水平ＦＯＶを提供するために、カバー２０４３０に対して構造２０４０５の周囲に配列される。長距離カメラ２０４４０Ａ、２０４４０Ｂ、２０４４０Ｃは、貨物コンテナ２０１１０に搭載される、上昇リング構造２０４０５上にある。長距離カメラ２０４４０Ａ、２０４４０Ｂ、２０４４０Ｃは、カバー２０４３０内に搭載される窓２０４３４、２０４３６、２０４３８を通して画像を受信する。長距離カメラは、印刷回路基板（ＰＣＢ）上のカメラと、レンズとを備えてもよい。

ここで図２Ｆを参照すると、長距離カメラ２０４４０Ａの一実施例は、デジタルカメラ２０４４４の正面に搭載される魚眼レンズ２０４４２を伴うデジタルカメラ２０４４４を備えてもよい。魚眼レンズ２０４４２は、カメラのＦＯＶをはるかに広角に拡大し得る。一実施例では、魚眼レンズは、視野を１８０°に拡大する。一実施例では、デジタルカメラ２０４４４は、Ｅ－ｃｏｎＳｙｓｔｅｍｓ（ＳａｎＪｏｓｅ，ＣＡ）によるｅ－ｃａｍ５２Ａ＿５６５４０＿ＭＯＤに類似する。一実施例では、魚眼レンズ２０４４２は、Ｓｕｎｅｘ（Ｃａｒｌｓｂａｄ，ＣＡ）によるモデルＤＳＬ２２７に類似する。

継続して図２Ｆを参照すると、長距離センサアセンブリ２０４００はまた、カバー２０４３０内の窓２０４３２を通して視覚的データを受信する、産業カメラ２０４５０を含んでもよい。産業カメラ２０４５０は、ＡＶの正面の物体、表面、および構造に関する付加的データをプロセッサ２０４７０に提供する。カメラは、Ｋｏｗａ産業カメラ（部品番号ＬＭ６ＨＣ）に類似し得る。産業カメラ２０４５０および長距離カメラ２０４４０Ａ－Ｃは、ＡＶ２０１００がそれにわたって移動している表面から１．２ｍ～１．８ｍ上方に位置する。

継続して図２Ｆを参照すると、貨物コンテナの上に長距離センサアセンブリ２０４００を搭載することは、少なくとも２つの利点を提供する。長距離カメラ２０４４０Ａ－Ｃと、産業カメラ２０４５０と、ＬＩＤＡＲ２０４２０とを含む長距離センサに関する視野は、多くの場合、センサが、地面からさらに上方に搭載されるとき、人々、自動車、低い壁等の近傍の物体によって遮断されることが少ない。加えて、歩行者専用道路は、人々が知覚するための標識、フェンス高等を含む視覚的キューを提供するように設計され、典型的な眼の高さは、１．２ｍ～１．８ｍの範囲内である。貨物コンテナの上に長距離センサアセンブリ２０４００を搭載することは、標識と同一のレベルに、かつ歩行者に向けられる視覚的キューの上に長距離カメラ２０４４０Ａ－Ｃ、２０４５０を置く。長距離センサは、ＡＶ２０１００の移動によって引き起こされる偏向に耐える、実質的な剛性のマウントを提供する構造２０４０５上に搭載される。

再び図２Ｅおよび２Ｆを参照すると、長距離センサアセンブリは、慣性測定ユニット（ＩＭＵ）と、長距離センサからデータを受信し、処理されたデータをナビゲーションのために他のプロセッサに出力する、１つ以上のプロセッサとを含んでもよい。垂直基準（ＶＲＵ）を伴うＩＭＵ２０４６０が、構造２０４０５に搭載される。ＩＭＵ／ＶＲＵ２０４６０は、ＬＩＤＡＲ２０４２０に関する位置データを提供するように、ＬＩＤＡＲ２０４２０の直下に位置してもよい。ＩＭＵ／ＶＲＵ２０４６０からの位置および配向は、他の長距離センサからのデータと組み合わせられてもよい。一実施例では、ＩＭＵ／ＶＲＵ２０４６０は、ＸｓｅｎｓＴｅｃｈｎｏｌｏｇｉｅｓ（ＴｈｅＮｅｔｈｅｒｌａｎｄｓ）によって供給されるモデルＭＴｉ２０である。１つ以上のプロセッサは、少なくとも産業カメラ２０４５０からデータを受信する、プロセッサ２０４６５を含んでもよい。加えて、プロセッサ２０４７０は、以下のＬＩＤＡＲ２０４２０、長距離カメラ２０４４０Ａ－Ｃ、産業カメラ２０４５０、およびＩＭＵ／ＶＲＵ２０４６０のうちの少なくとも１つからデータを受信してもよい。プロセッサ２０４７０は、循環冷却剤システムに接続される、液冷熱交換器２０４７５によって冷却されてもよい。

ここで図２Ｇを参照すると、ＡＶ２０１００は、ＡＶから所定の距離内の走行表面および障害物を検出する、いくつかの短距離センサを含んでもよい。短距離センサ２０５１０、２０５２０、２０５３０、２０５４０、２０５５０、および２０５６０は、コンテナプラットフォーム２０１６０の周辺上に位置する。これらのセンサは、貨物コンテナ２０１１０（図２Ｂ）の下方に位置し、長距離センサアセンブリ２０４００（図２Ｃ）よりも地面に近接する。短距離センサ２０５１０、２０５２０、２０５３０、２０５４０、２０５５０、および２０５６０は、長距離センサアセンブリ２０４００（図２Ｃ）内のセンサによって見られることができない表面ならびに物体を捕捉するＦＯＶを提供するために、下向きに角度付けられる。地面により近接して位置し、下向きに角度付けられるセンサの視野は、地面からより遠くに搭載されるセンサよりも近傍の物体および歩行者によって妨害される可能性が低い。一実施例では、短距離センサは、ＡＶ２０１００から最大４ｍまでの地面表面および物体についての情報を提供する。

再び図２Ｂを参照すると、短距離センサのうちの２つに関する垂直ＦＯＶが、ＡＶ２０１００の側面図において示される。後向きセンサ２０５４０の垂直ＦＯＶ２０５４２は、中心線２０５４４を中心とする。中心線２０５４４は、貨物プラットフォーム２０１６０の上面の下方に角度付けられる。一実施例では、センサ２０５４０は、垂直ＦＯＶ４２°と、貨物プラットフォーム２０１６０の上板によって画定される平面２０５４７の下方に２２°～２８°角度付けられる中心線２０５４６とを有する。ある実施例では、短距離センサ２０５１０および２０５４０は、地面から約０．５５ｍ～０．７１ｍ上方にある。結果として生じるＦＯＶ２０５１２、２０５４２は、ＡＶから０．４ｍ～４．２ｍの地面を網羅する。貨物基部２０１６０上に搭載される短距離センサ２０５１０、２０５２０、２０５３０、２０５５０（図２Ｇ）、２０５６０（図２Ｇ）は、類似する垂直視野および貨物プラットフォームの上部に対する中心線角度を有する。貨物プラットフォーム２０１６０上に搭載される短距離センサは、ＡＶ２０１００の外縁から０．４～４．７メートルの地面を視認することができる。

継続して図２Ｂを参照すると、短距離センサ２０５０５は、貨物コンテナ２０１１０の上部に近傍の前面上に搭載されてもよい。一実施例では、センサ２０５０５は、ＡＶの正面の地面の付加的ビューを、短距離センサ２０５１０によって提供されるビューに提供してもよい。別の実施例では、センサ２０５０５は、短距離センサ２０５１０によって提供されるビューの代わりに、ＡＶの正面の地面のビューを提供してもよい。一実施例では、短距離センサ２０５０５は、４２°の垂直ＦＯＶ２０５０７を有してもよく、貨物プラットフォーム２０１６０の上部に対する中心線の角度は、３９°である。結果として生じる地面のビューは、ＡＶから０．７ｍ～３．７５ｍに延在する。

再び図２Ｇを参照すると、短距離センサ２０５１０、２０５２０、２０５３０、２０５４０、２０５５０、２０５６０の水平ＦＯＶは、ＡＶ２０１００の周囲の全ての方向を網羅する。２０５２０および２０５３０等の隣接するセンサの水平ＦＯＶ２０５２２ならびに２０５３２は、ＡＶ２０１００から離れたある距離において重複する。一実施例では、隣接するセンサ２０５２０、２０５３０および２０５６０、２０５５０の水平ＦＯＶ２０５２２、２０５３２ならびに２０５６２、２０５５２は、ＡＶから０．５～２メートルにおいて重複する。短距離センサは、貨物基部２０１６０の周辺の周囲に分散され、水平視野を有し、具体的角度において設置され、ＡＶを囲繞する地面のほぼ完全な視覚的カバレッジを提供する。一実施例では、短距離センサは、６９°の水平ＦＯＶを有する。前部センサ２０５１０は、ＡＶに対してゼロ角において前方に向き、ＦＯＶ２０５１２を有する。一実施例では、２つの前部コーナーセンサ２０５２０、２０５６０は、中心線が、６５°の角度２０５６４にあるように、角度付けられる。ある実施例では、後側センサ２０５３０、２０５５０は、２０５３０および２０５６０の中心線が、１１０°の角度２０５３４にあるように、角度付けられる。いくつかの構成では、ＡＶ２０１００の周囲の地面のほぼ完全なビューを提供するために貨物基部２０１６０の周辺の周囲に搭載される、他の水平ＦＯＶを伴う他の数のセンサも、可能性として考えられる。

ここで図２Ｈを参照すると、短距離センサ２０５１０、２０５２０、２０５３０、２０５４０、２０５５０、２０５６０は、貨物基部２０１６０の周辺上に位置する。短距離カメラは、短距離カメラの角度および場所を設定する、突起部内に搭載される。別の構成では、センサは、貨物基部の内部上に搭載されて位置し、貨物基部２０１６０の外側外板と整合される窓を通して視覚的データを受信する。

ここで図２Ｉおよび２Ｊを参照すると、短距離センサ２０６００は、貨物基部２０１６０の外板要素２０５１６内に搭載され、液体冷却システムを含んでもよい。外板要素２０５１６は、貨物基部２０１６０の上部に対する所定の場所および垂直角度において、かつ貨物基部２０１６０の前部に対するある角度において短距離センサアセンブリ２０６００を保持する、形成された突出部２０５１４を含む。いくつかの構成では、短距離センサ２０５１０は、２８°だけ貨物プラットフォーム２０１６０に対して下向きに角度付けられ、短距離センサ２０５２０および２０５６０は、１８°下向きかつ２５°前方に角度付けられ、短距離センサ２０５３０および２０５５０は、３４°下向きかつ２０°後方に角度付けられ、短距離センサ２０５４０は、２８°だけ貨物プラットフォーム２０１６０に対して下向きに角度付けられる。外板要素２０５１６は、カメラアセンブリ２０６００を受容するための空洞２０５１７を含む。外板要素２０５１６はまた、限定ではないが、リベット、ねじ、およびボタンを含む、機械的締結具を受容するための複数の要素２０５１８を含んでもよい。代替として、カメラアセンブリは、接着剤を用いて搭載される、または外板要素２０５１６に締結されるクリップを用いて定位置に保持されてもよい。ガスケット２０５１９は、カメラ２０６１０の前部に対するシールを提供することができる。

ここで図２Ｋおよび２Ｌを参照すると、短距離センサアセンブリ２０６００は、水冷板２０６２６に取り付けられるブラケット２０６２２上に搭載される、短距離センサ２０６１０を備える。外側ケース２０６１２、透明カバー２０６１４、およびヒートシンク２０６１８は、短距離センサ２０６１０の熱放散要素であるセンサブロック２０６１６ならびに電子ブロック２０６２０をより良好に可視化するために、図２Ｋおよび２Ｌにおいて部分的に除去されている。短距離センサアセンブリ２０６００は、ブラケット２０６２２と液冷板２０６２６との間に１つ以上の熱電気冷却器（ＴＥＣ）２０６３０を含んでもよい。液冷板２０６２６は、板２０６２６に熱的に接続される２０６２８を通して圧送される冷却剤によって冷却される。ＴＥＣは、第１および第２の側を伴う電動要素である。電動ＴＥＣは、第１の側を冷却しながら、第１の側から除去された熱エネルギーに電力を加えたものを第２の側において除斥する。短距離センサアセンブリ２０６００では、ＴＥＣ２０６３０は、ブラケット２０６２２を冷却し、熱冷却エネルギーに電気エネルギーを加えたものを水冷板２０６２６に伝達する。代替として、ＴＥＣ２０６３０は、ＴＥＣ２０６３０に供給される電圧の大きさおよび極性を変動させることによって、カメラ２０６００の温度を能動的に制御するために使用されることができる。

冷却モードにおいてＴＥＣ２０６３０を動作させることは、短距離センサ２０６１０が、冷却剤温度を下回る温度において動作することを可能にする。ブラケット２０６２２は、２つの場所において短距離センサ２０６１０に熱的に接続され、センサブロック２０６１６および電子ブロック２０６２０の冷却を最大限にする。ブラケット２０６２２は、ねじ２０６２５を介してヒートシンク２０６１８に熱的に取り付けられる、タブ２０６２４を含む。ヒートシンク２０６１８は、センサブロック２０６１６に熱的に接続される。ブラケットは、したがって、ヒートシンク２０６１８、ねじ２０６２５、およびタブ２０６２４を介してセンサブロック２０６１６に熱的に接続される。ブラケット２０６２２はまた、電子ブロック２０６２０に機械的に取り付けられ、電子機器ブロック２０６２０の直接冷却を提供する。ブラケット２０６２２は、限定ではないが、図２Ｊの要素２０５１８と係合するねじおよびリベットを含む、複数の機械的アタッチメントを含んでもよい。短距離センサ２０６１０は、限定ではないが、カメラ、ステレオカメラ、超音波センサ、短距離レーダ、および赤外線プロジェクタならびにＣＭＯＳセンサを含む、１つ以上のセンサを組み込んでもよい。一例示的短距離センサは、ＩＲプロジェクタと、２つのイメージャチップと、ＲＧＢカメラとを備える、Ｉｎｔｅｌ（ＳａｎｔａＣｌａｒａ，Ｃａｌｉｆｏｒｎｉａ）によるリアルセンス深度カメラＤ４３５に類似する。

ここで図２Ｍ－２Ｏを参照すると、ＡＶ２０１００の別の実施形態が、示される。ＡＶ２０１００Ａは、貨物プラットフォーム２０１６０および電力基部２０１７０上に搭載される、貨物コンテナ２０１１０を含む。ＡＶ２０１００Ａは、複数の長距離および短距離センサを含む。一次長距離センサは、貨物コンテナ２０１１０の上のセンサパイロン２０４００Ａ内に搭載される。センサパイロンは、ＬＩＤＡＲ２０４２０と、広い視野を提供するために発散方向に向けられる、複数の長距離カメラ（図示せず）とを含んでもよい。いくつかの構成では、ＬＩＤＡＲ２０４２０は、例えば、限定ではないが、占有グリッドの取り込みを可能にし得る点群データを提供し、目印を識別する、その環境内のＡＶ２０１００を位置特定する、および／またはナビゲート可能空間を判定するための情報を提供するために、本明細書の別の場所に説明されるように使用されることができる。いくつかの構成では、ＬｅｏｐａｒｄＩｍａｇｉｎｇＩｎｃ．からの長距離カメラが、目印を識別する、その環境内のＡＶ２０１００を位置特定する、および／またはナビゲート可能空間を判定するために使用されることができる。

継続して図２Ｍ－２Ｏを参照すると、短距離センサは、主として、貨物プラットフォーム２０１６０内に搭載され、ＡＶ２０１００Ａの近傍の障害物についての情報を提供する。いくつかの実施形態では、短距離センサは、ＡＶ２０１００Ａから４ｍ以内の障害物および表面に関するデータを供給する。いくつかの構成では、短距離センサは、ＡＶ２０１００Ａから最大１０ｍまでの情報を提供する。少なくとも部分的に、前方を向いている複数のカメラが、貨物プラットフォーム２０１６０内に搭載される。いくつかの構成では、複数のカメラは、３つのカメラを含むことができる。

ここで図２Ｏを参照すると、上部カバー２０８３０は、サブルーフ２０８１０を露見させるために、部分的に裁断されている。サブルーフ２０８１０は、その上に複数のアンテナ２０８２０が搭載され得る、単一部品を提供する。ある実施例では、１０個のアンテナ２０８２０が、サブルーフ２０８１０に搭載される。さらに、例えば、４つのセルラー通信チャネルが、それぞれ、２つのアンテナを有し、２つのＷｉＦｉアンテナが、存在する。アンテナは、セルラー伝送および受信のための主要アンテナならびに補助アンテナとして配線される。補助アンテナは、限定ではないが、干渉を低減させること、および４ＧＬＴＥコネクティビティを達成することを含む、いくつかの方法によってセルラー機能性を改良し得る。サブルーフ２０８１０ならびに上部カバー２０８３０は、非金属である。サブルーフ２０８１０は、上部カバー２０８３０から１０ｍｍ～２０ｍｍ以内のプラスチック表面であり、これは、構造的ではなく、上部カバー２０８３０が取り付けられる前に、アンテナがプロセッサに接続されることを可能にする。アンテナ接続は、多くの場合、高インピーダンスであり、土、グリース、および誤使用に敏感である。アンテナをサブルーフ２０８１０に搭載および接続することは、上部カバーが、アンテナ接続に触れることなく、配設ならびに除去されることを可能にする。保守および修理動作は、サブルーフを除去することなく、またはアンテナを接続解除することなく、上部カバーを除去することを含んでもよい。上部カバー２０８３０の配設とは別のアンテナの組立は、試験／修理を促進する。上部カバー２０８３０は、耐候性であり、水および砂埃が貨物コンテナ２０１１０に進入しないように防止する。アンテナをサブルーフ上に搭載することは、上部カバー２０８３０上の開口部の数を最小限にする。

ここで図２Ｐ、２Ｑ、および２Ｒを参照すると、貨物コンテナ（図示せず）の上に搭載される、長距離センサアセンブリ（ＬＲＳＡ）２０４００Ａの別の実施例が、示される。ＬＲＳＡは、ＡＶ２０１００Ａの環境のパノラマビューを提供するためにＬＲＳＡ構造２０９５０上の異なる位置に搭載される、ＬＩＤＡＲと、複数の長距離カメラとを含んでもよい。ＬＩＤＡＲ２０４２０は、途切れないビューを提供するために、ＬＲＳＡ構造２０９５０上の最上部に搭載される。ＬＩＤＡＲは、ＶＥＬＯＤＹＮＥＬＩＤＡＲを含むことができる。複数の長距離カメラ２０９１０Ａ－２０９１０Ｄは、ＬＩＤＡＲ２０４２０の下方の次のレベル上でＬＲＳＡ構造２０９５０上に搭載される。ある実施例では、４つのカメラが、構造の周囲に９０°毎に１つずつ搭載され、ＡＶ２０１００の周囲の環境の４つのビューを提供する。いくつかの実施例では、４つのビューは、重複するであろう。いくつかの実施例では、各カメラは、運動の方向と整合されるか、または移動の方向に直交するかのいずれかである。ある実施例では、１つのカメラが、ＡＶ２０１００Ａの主要な面、すなわち、正面、背面、左側、および右側のそれぞれと並ぶ。ある実施例では、長距離カメラは、ＬｅｏｐａｒｄＩｍａｇｉｎｇＩｎｃ．によって作製されるモデルＬＩ－ＡＲ０１４４－ＭＩＰＩ－Ｍ１２である。長距離カメラは、プロセッサへの高速データ転送を提供するために、ＭＩＰＩＣＳＩ－２インターフェースを有してもよい。長距離カメラは、５０°～７０°の水平視野と、３０°～４０°の垂直視野とを有してもよい。

ここで図２Ｓおよび２Ｔを参照すると、長距離プロセッサ２０９４０が、長距離カメラ２０９１０Ａ－２０９１０ＤおよびＬＩＤＡＲ２０４２０の下方のＬＲＳＡ構造２０９５０上に位置する。長距離プロセッサ２０９４０は、長距離カメラおよびＬＩＤＡＲからデータを受信する。長距離プロセッサは、ＡＶ２０１００Ａ内の別の場所の１つ以上のプロセッサと通信する。長距離プロセッサ２０９４０は、長距離カメラおよびＬＩＤＡＲから導出されたデータを、本明細書の別の場所に説明される、ＡＶ２０１００Ａ上の別の場所に位置する１つ以上のプロセッサに提供する。長距離プロセッサ２０９４０は、冷却器２０９３０によって液冷されてもよい。冷却器２０９３０は、長距離カメラおよびＬＩＤＡＲの下の構造に搭載されてもよい。冷却器２０９３０は、長距離プロセッサ２０９４０のための搭載場所を提供してもよい。冷却器２０９３０は、２０２０年５月２６日に出願され、「ＡｐｐａｒａｔｕｓｆｏｒＥｌｅｃｔｒｏｎｉｃＣｏｏｌｉｎｇｏｎａｎＡｕｔｏｎｏｍｏｕｓＤｅｖｉｃｅ」と題された、米国特許出願第１６／８８３，６６８号（弁理士整理番号第ＡＡ２８０号）（参照することによって全体として本明細書に組み込まれる）に説明されている。冷却器は、冷却液体を冷却器２０９３０に提供する、液体供給導管および戻り導管を提供される。

再び図２Ｍおよび２Ｎを参照すると、短距離カメラアセンブリ２０７４０Ａ－Ｃは、コンテナプラットフォーム２０１６０の前部上に搭載され、進行表面および障害物、段差、縁石、ならびに他の実質的不連続表面特徴（ＳＤＳＦ）についての情報を収集するように角度付けられる。カメラアセンブリ２０７４０Ａ－Ｃは、進行表面、地面上の物体、およびＳＤＳＦを照明するために、１つ以上のＬＥＤライトを含む。

ここで図２Ｕ－２Ｘを参照すると、カメラアセンブリ２０７４０Ａ－Ｂは、地面および物体を照明し、カメラ２０７３２からの改良された画像データを提供するために、ライト２０７３２を含む。カメラアセンブリ２０７４０Ａが、２０７４０Ｃの鏡像であり、２０７４０Ａの説明が、暗示的に２０７４０Ｃに適用されることに留意されたい。カメラ２０７３２は、単焦点カメラ、ステレオカメラ、および／または赤外線プロジェクタならびにＣＭＯＳセンサを含んでもよい。カメラの一実施例は、ＩＲプロジェクタと、レンズを伴う２つのイメージャチップと、ＲＧＢカメラとを備える、Ｉｎｔｅｌ（ＳａｎｔａＣｌａｒａ，ＣＡ）によるＲｅａｌ－ＳｅｎｓｅＤｅｐｔｈＤ４３５カメラである。ＬＥＤライト２０７３４は、夜間に、または弱光条件において使用されてもよい、もしくは画像データを改良するために常時使用されてもよい。１つの動作原理は、ライトが、投影面を照明し、窪みに影を作成することによって、コントラストを作成することである。ＬＥＤライトは、ある実施例では、白色ＬＥＤであってもよい。ある実施例では、ＬＥＤライト２０７３４は、ＣｒｅｅＩｎｃ．からのＸｌａｍｐＸＨＰ５０である。別の実施例では、ＬＥＤライトは、近傍の歩行者または運転者の気を散らす、もしくは邪魔することなく、カメラ２０３７２のための照明を提供するために、赤外線で発光してもよい。

継続して図２Ｕ－２Ｘを参照すると、ライト２０３７４の設置および角度ならびにカバー２０７３６Ａ、２０７３６Ｂの形状は、カメラ２０７３２がライト２０３７４を見ないように防止する。ライト２０３７４およびカバー２０７３６Ａ、２０７３６Ｂの角度ならびに設置は、ライトが運転者に干渉しない、または歩行者を邪魔しないように防止する。カメラ２０７３２内のセンサがライト２０７３４によって盲目にされ、したがって、ＡＶ２０１００Ａの正面および側面の地面ならびに物体からのより弱い光信号を検出しないように妨げられることを防止するために、カメラ２０７３２が、ライト２０７３４に暴露されないことが有利である。カメラ２０７３２および／またはライト２０７３４は、ポート２０７３６を通してカメラアセンブリの内外に流動する液体を用いて冷却されてもよい。

ここで図２Ｗおよび２Ｘを参照すると、短距離カメラアセンブリ２０７４０Ａは、超音波またはソナー短距離センサ２０７３０Ａを含む。第２の短距離カメラアセンブリ２０７４０Ｃもまた、超音波短距離センサ２０７３０Ｂ（図２Ｎ）を含む。

ここで図２Ｙを参照すると、超音波センサ２０７３０Ａは、カメラ２０７３２の上方に搭載される。ある実施例では、超音波センサ２０７３０Ａの中心線は、貨物コンテナ２０１１０の基部と平行であり、これは、多くの場合、センサ２０７３０Ａが水平であることを意味する。センサ２０７３０Ａは、前方を向いた状態から４５°に角度付けられる。カバー２０３７６Ａは、超音波センサ２０７３０Ａから出現し、それによって受信される超音波を指向するためのホーン２０７４６を提供する。

継続して図２Ｙを参照すると、カメラアセンブリ２０７４０Ａ内のカメラ２０７３２、ライト２０７３４の断面が、カバー２０７３６における角度および開口部を図示する。短距離カメラアセンブリ内のカメラは、ＡＶの正面および側面の地面をより良好に撮像するために、下向きに角度付けられる。中心カメラアセンブリ２０７４０Ｂは、水平面において真正面に配向される。コーナーカメラアセンブリ２０７４０Ａ、２０７４０Ｃは、水平面における真正面に対してそれらの個別の側に２５°に角度付けられる。カメラ２０７３２は、垂直平面において貨物プラットフォームの上部に対して２０°下向きに角度付けられる。ＡＶは、概して、貨物プラットフォームを水平に保持するため、カメラは、したがって、水平から２０°下方に角度付けられる。同様に、中心カメラアセンブリ２０７４０Ｂ（図２Ｍ）は、２８°だけ水平から下方に角度付けられる。ある実施例では、カメラアセンブリ内のカメラは、２５°～３５°だけ下向きに角度付けられてもよい。別の実施例では、カメラアセンブリ内のカメラは、１５°～４５°だけ下向きに角度付けられてもよい。ＬＥＤライト２０７３４は、同様に、カメラ２０７３２によって撮像される地面を照明し、歩行者の気を散らすことを最小限にするために、下向きに角度付けられる。一実施例では、ＬＥＤライト中心線２０７４２は、カメラ中心線２０７３８から５°以内で平行である。カバー２０７３６Ａは、カメラアセンブリ２０７４０Ａ－Ｃ内のＬＥＤ２０７３４の明るい光からカメラ２０７３２および歩行者の両方を保護する。ＬＥＤによって放出される光を隔離するカバーはまた、カメラ２０７３２の視野を最大限にするために、漸広された開口部２０７３７を提供する。ライトは、カバーの開口部から少なくとも４ｍｍにおいて埋め込まれる。ライト開口部は、上側壁２０７３９および下側壁２０７４４によって画定される。上側壁２０７３９は、中心線２０７４と略平行（±５°）である。下側壁２０７４４は、地面および地面の近傍の物体の照明を最大限にするために、中心線２０７４２から約１８°に漸広される。

ここで図２Ｚ－２ＡＡを参照すると、一構成では、ライト２０７３４は、それぞれ、正方形レンズ２０７３４Ｂ下に２つのＬＥＤ２０７３４Ａを含み、光のビームを生成する。ＬＥＤ／レンズは、カメラ２０７３２のＦＯＶの外側の光のこぼれを殆ど伴わずにカメラの視野を照明するために、カメラ２０３７２に対して角度付けられ、位置する。２つのＬＥＤ／レンズは、２つのライトの間に定義された角度２０７６２を伴って単一のＰＣＢ２０７５２上にともに搭載される。別の構成では、２つのＬＥＤ／レンズは、相互に対してある角度において別個のＰＣＢ上のヒートシンク２０６２６Ａ上に個々に搭載される。ある実施例では、ライトは、Ｃｒｅｅ，Ｉｎｃ．からのＸｌａｍｐＸＨＰ５０であり、レンズは、ＬＥＤｉｌからの６０°レンズＨＢ－ＳＱ－Ｗである。ライトは、相互に対して約５０°に角度付けられ、したがって、レンズの前部の間の角度２０７６２は、１３０°である。ライトは、カメラ２０７３２の前部から約１８ｍｍ（±５ｍｍ）２０７６４後方およびカメラ２０７３２の中心線から約３０ｍｍ２０７６６下方に位置する。

ここで図２ＡＡ－２ＢＢを参照すると、カメラ２０７３２は、熱電気冷却器（ＴＥＣ）２０６３０によって冷却され、これは、低温ブロック２０６２６Ａを通して流動する液体冷却剤によってライト２０７３４とともに冷却される。カメラは、カメラのセンサブロック部分の中に螺着するねじ２０６２５を介してブラケット２０６２２に取り付けられる一方、ブラケット２０６２２の後部は、カメラの電子機器ブロックにボルト留めされる。ブラケット２０６２２は、カメラ２０７３２内のＩＲ撮像チップ（ＣＭＯＳチップ）の性能を維持するために、２つのＴＥＣによって冷却される。ＴＥＣは、ブラケット２０６２２からの熱およびそれらが引き込む電力を低温ブロック２０６２６Ａに除斥する。

ここで図２ＢＢを参照すると、冷却剤は、中心フィン２０６２６Ｄによって作成されるＵ形経路を通して指向される。冷却剤は、ライト２０７３４のＬＥＤ／レンズ／ＰＣＢの後方に直接流動する。フィン２０６２６Ｂ、２０６２６Ｃは、ライト２０７３４から冷却剤への熱伝達を向上させる。冷却剤は、上向きに流動し、ＴＥＣ２０６３０の高温側の傍を通過する。流体経路は、低温ブロック２０６２６Ａの後部に取り付けられる板２０７３７（図２Ｘ）によって作成される。

ここで図３Ａを参照すると、センサデータおよびマップデータが、占有グリッドを更新するために使用されることができる。本教示のシステムおよび方法は、グリッドマップに関して自律的にナビゲートしているデバイスのためのグローバル占有グリッドを管理することができる。グリッドマップは、本デバイスが始点から目的地まで辿り得るルートまたは経路を含むことができる。グローバル占有グリッドは、本デバイスがナビゲートすることが安全である場所を示し得る、自由空間インジケーションを含むことができる。可能性として考えられる経路および自由空間インジケーションは、グローバル占有グリッド上で組み合わせられ、その上で本デバイスが目的地に安全に到着するために進行し得る最適な経路を確立することができる。

継続して図３Ａを参照すると、本デバイスが移動する際、非妨害ナビゲーションルートを判定するために使用されるであろうグローバル占有グリッドは、本デバイスの場所に基づいてアクセスされることができ、グローバル占有グリッドは、本デバイスが移動する際に更新されることができる。更新は、少なくとも、本デバイスの場所におけるグローバル占有グリッドと関連付けられる現在の値、本デバイスがナビゲートしている近隣についての履歴情報を含み得る静的占有グリッド、および本デバイスが進行する際にセンサによって収集されるデータに基づくことができる。センサは、本明細書に説明されるように、本デバイス上に位置することができ、それらは、別の場所に位置することができる。

継続してなおもさらに図３Ａを参照すると、グローバル占有グリッドは、セルを含むことができ、セルは、占有確率値と関連付けられることができる。グローバル占有グリッドの各セルは、障害物がセルの場所において識別されたかどうか、以前に収集されたデータから判定されるような、および本デバイスがナビゲートする際に収集されるデータによって判定されるような、その場所における、ならびにそれを囲繞する進行表面の特性および不連続性、ならびにその場所と関連付けられる事前の占有データ等の情報と関連付けられることができる。本デバイスがナビゲートする際に捕捉されたデータは、その中心が本デバイスであるローカル占有グリッド内に記憶されることができる。グローバル占有グリッドを更新するとき、静的な以前に収集されたデータは、以前の更新において判定されたローカル占有グリッドデータおよびグローバル占有データと組み合わせられ、非占有としてマーキングされる、本デバイスによって占有される空間を伴う新しいグローバル占有グリッドを作成することができる。いくつかの構成では、ベイズ方法が、グローバル占有グリッドを更新するために使用されることができる。本方法は、ローカル占有グリッド内のセル毎に、グローバル占有グリッド上のセルの位置を計算することと、現在のグローバル占有グリッドからのその位置における値にアクセスすることと、静的占有グリッドからのその位置における値にアクセスすることと、ローカル占有グリッドからのその位置における値にアクセスすることと、グローバル占有グリッドからの現在の値、静的占有グリッドからの値、およびローカル占有グリッドからの値の関数としてグローバル占有グリッド上のその位置における新しい値を算出することとを含むことができる。いくつかの構成では、新しい値を算出するために使用される関係は、静的値およびローカル占有グリッド値の合計から現在の値を差し引いたものを含むことができる。いくつかの構成では、新しい値は、例えば、算出的限界に基づいて、事前選択された値によって制限されることができる。

継続して図３Ａを参照すると、本教示のシステム３０１００は、グローバル占有グリッドを管理することができる。グローバル占有グリッドは、初期データから開始することができ、本デバイスが移動する際に更新されることができる。初期グローバル占有グリッドを作成することは、第１のプロセスを含むことができ、グローバル占有グリッドを更新することは、第２のプロセスを含むことができる。システム３０１００は、限定ではないが、種々のソースから情報を受信し得、少なくとも情報に基づいて、グローバル占有グリッド３０５０５を更新し得る、グローバル占有サーバ３０１２１を含むことができる。情報は、例えば、限定ではないが、本デバイス上および／または別の場所に位置するセンサ、静的情報、ならびにナビゲーション情報によって供給されることができる。いくつかの構成では、センサは、例えば、表面特性および障害物を検出し得る、カメラならびにレーダを含むことができる。センサは、有利なこととして、例えば、本デバイスによる安全な進行を可能にするために十分な周辺のカバレッジを提供するように、本デバイス上に位置することができる。いくつかの構成では、ＬＩＤＡＲ３０１０３は、ＬＩＤＡＲ自由空間情報３０２１３を用いてローカル占有グリッドを取り込むことを可能にし得る、ＬＩＤＡＲ点群（ＰＣ）データ３０２０１を提供することができる。いくつかの構成では、従来の地面検出逆センサモデル（ＩＳＭ）３０１１３は、ＬＩＤＡＲＰＣデータ３０２０１を処理し、ＬＩＤＡＲ自由空間情報３０２１３を生成することができる。

継続して図３Ａを参照すると、いくつかの構成では、ＲＧＢ－Ｄカメラ３０１０１は、ＲＧＢ－ＤＰＣデータ３０２０２およびＲＧＢカメラデータ３０２０３を提供することができる。ＲＧＢ－ＤＰＣデータ３０２０２は、深度自由空間情報３０２０９を用いてローカル占有グリッドを取り込むことができ、ＲＧＢ－Ｄカメラデータ３０２０３は、表面データ３０２１１を用いてローカル占有グリッドを取り込むことができる。いくつかの構成では、ＲＧＢ－ＤＰＣデータ３０２０２は、例えば、限定ではないが、従来のステレオ自由空間ＩＳＭ３０１０９によって処理されることができ、ＲＧＢ－Ｄカメラデータ３０２０３は、例えば、限定ではないが、従来の表面検出ニューラルネットワーク３０１１１にフィードされることができる。いくつかの構成では、ＲＧＢＭＩＰＩカメラ３０１０５は、ＲＧＢデータ３０２０５を提供し、ＬＩＤＡＲＰＣデータ３０２０１と組み合わせて、ＬＩＤＡＲ／ＭＩＰＩ自由空間情報３０２１５を伴うローカル占有グリッドを生成することができる。いくつかの構成では、ＲＧＢデータ３０２０５は、従来の自由空間ニューラルネットワーク３０１１５にフィードされることができ、その出力は、ＬＩＤＡＲＰＣデータ３０２０１とともに、従来の２Ｄ－３Ｄ位置合わせ３０１１７にフィードされる前に、正確度に関して最も重要であるＲＧＢデータ３０２０５の部分を識別し得る、事前選択されたマスク３０２２１を受けることができる。２Ｄ－３Ｄ位置合わせ３０１１７は、ＲＧＢデータ３０２０５からの画像をＬＩＤＡＲＰＣデータ３０２０１上に投影することができる。いくつかの構成では、２Ｄ－３Ｄ位置合わせ３０１１７は、必要とされない。センサおよびセンサデータを処理するための方法の任意の組み合わせが、データを集積し、グローバル占有グリッドを更新するために使用されることができる。任意の数の自由空間推定手順が、グローバル占有グリッド内の占有確率の判定および検証を可能にするために、使用され、組み合わせられることができる。

継続して図３Ａを参照すると、いくつかの構成では、履歴データは、例えば、ナビゲーション面積と関連付けられる情報を有する、以前に収集および処理されたデータのリポジトリ３０１０７によって提供されることができる。いくつかの構成では、リポジトリ３０１０７は、例えば、限定ではないが、例えば、多角形３０２０７等のルート情報を含むことができる。いくつかの構成では、これらのデータは、従来の多角形パーサ３０１１９にフィードされることができ、これは、縁３０３０３、不連続性３０５０３、および表面３０２４１をグローバル占有グリッドサーバ３０１２１に提供することができる。グローバル占有グリッドサーバ３０１２１は、センサによって収集されたローカル占有グリッドデータを処理されたリポジトリデータと融合させ、グローバル占有グリッド３０５０５を判定することができる。グリッドマップ３０６０１（図３Ｄ）は、グローバル占有データから作成されることができる。

ここで図３Ｂを参照すると、いくつかの構成では、センサは、ソナー自由空間３０２２５を伴うローカル占有グリッドをグローバル占有グリッドサーバ３０１２１に提供し得る、ソナー３０１４１を含むことができる。深度データ３０２０９は、従来の自由空間ＩＳＭ３０１４３によって処理されることができる。ソナー自由空間３０２２５を伴うローカル占有グリッドは、表面および不連続性３０２２３を伴うローカル占有グリッド、ＬＩＤＡＲ自由空間３０２１３を伴うローカル占有グリッド、ＬＩＤＡＲ／ＭＩＰＩ自由空間３０２１５を伴うローカル占有グリッド、ステレオ自由空間３０２０９を伴うローカル占有グリッド、ならびに縁３０３０３（図３Ｆ）、不連続性３０５０３（図３Ｆ）、ナビゲーション点３０５０１（図３Ｆ）、表面信頼度３０５１３（図３Ｆ）、および表面３０２４１（図３Ｆ）と融合され、グローバル占有グリッド３０５０５を形成することができる。

ここで図３Ｃ－３Ｆを参照すると、グローバル占有グリッドを初期化するために、グローバル占有グリッド初期化３０２００は、グローバル占有グリッドサーバ３０１２１によって、グローバル占有グリッド３０５０５および静的グリッド３０２４９を作成することを含むことができる。グローバル占有グリッド３０５０５は、ローカル占有グリッド３０１１８からのデータを着目領域内に位置する縁３０３０３、不連続性３０５０３、および表面３０２４１と融合することによって作成されることができる。静的グリッド３０２４９（図３Ｄ）は、例えば、限定ではないが、表面データ３０２４１、不連続性データ３０５０３、縁３０３０３、および多角形３０２０７等のデータを含むように作成されることができる。初期グローバル占有グリッド３０５０５が、静的グリッド３０２４９（図３Ｅ）からの占有確率データをセンサ３０１０７Ａからの収集されたデータから導出された占有データに加算し、グローバル占有グリッド３０５０５の事前のもの３０５０５Ａ（図３Ｆ）から占有データを減算することによって算出されることができる。ローカル占有グリッド３０１１８は、限定ではないが、ＩＳＭを通してステレオ自由空間推定３０２０９（図３Ｂ）からもたらされるローカル占有グリッドデータ、表面／不連続性検出結果３０２２３（図３Ｂ）を含むローカル占有グリッドデータ、ＩＳＭを通してＬＩＤＡＲ自由空間推定３０２１３（図３Ｂ）からもたらされるローカル占有グリッドデータ、およびいくつかの構成では、２Ｄ－３Ｄ位置合わせ３０１１７（図３Ｂ）に続く、ＬＩＤＡＲ／ＭＩＰＩ自由空間推定３０２１５（図３Ｂ）からもたらされるローカル占有グリッドデータを含むことができる。いくつかの構成では、ローカル占有グリッド３０１１８は、ＩＳＭを通してソナー自由空間推定３０２２５からもたらされるローカル占有グリッドデータを含むことができる。いくつかの構成では、自由空間推定を伴う種々のローカル占有グリッドが、事前選択された公知のプロセスに従って、ローカル占有グリッド３０１１８に融合されることができる。グローバル占有グリッド３０５０５から、本デバイスの近傍の占有および表面データを含み得る、グリッドマップ３０６０１（図３Ｅ）が、作成されることができる。いくつかの構成では、グリッドマップ３０６０１（図３Ｅ）および静的グリッド３０２４９（図３Ｄ）は、例えば、限定ではないが、ロボット動作システム（ＲＯＳ）サブスクライブ／公開特徴を使用して公開されることができる。

ここで図３Ｇおよび３Ｈを参照すると、本デバイスが移動する際に占有グリッドを更新するために、占有グリッド更新３０３００は、本デバイスが移動しているときに測定されるデータに関してローカル占有グリッドを更新し、それらのデータを静的グリッド３０２４９と組み合わせることを含むことができる。静的グリッド３０２４９は、本デバイスが、作業している占有グリッド範囲から外に移動するときにアクセスされる。本デバイスは、第１の時間に、第１の場所３０５１３Ａにおいて占有グリッド３０２４５Ａ内に位置付けられることができる。本デバイスが、第２の場所３０５１３Ｂに移動する際、本デバイスは、その新しい場所から、および可能性として、占有グリッド３０２４５Ａ内の値から導出される値のセットを含む、占有グリッド３０２４５Ｂ内に位置付けられる。静的グリッド３０２４９からのデータおよび第２の時間における占有グリッド３０２４５Ｂ内のセルと場所的に位置する初期グローバル占有グリッド３０５０５（図３Ｃ）からの表面データが、測定された表面データならびに占有確率とともに使用され、事前選択された関係に従って各グリッドセルを更新することができる。いくつかの構成では、関係は、静的データを測定されたデータと合計することを含むことができる。第３の時間および第３の場所３０５１３Ｃにおける結果として生じる占有グリッド３０２４５Ｃは、本デバイスのナビゲーションを知らせるために、移動マネージャ３０１２３に利用可能にされることができる。

ここで図３Ｉを参照すると、占有グリッドを作成および管理するための方法３０４５０は、限定ではないが、ローカル占有グリッド作成ノード３０１２２によって、センサ測定値を本デバイスと関連付けられる基準フレームに変換すること３０４５１と、タイムスタンプ付き測定占有グリッドを作成すること３０４５３と、タイムスタンプ付き測定占有グリッドをローカル占有グリッド３０２３４（図３Ｇ）として公開すること３０４５５とを含むことができる。方法３０４５０と関連付けられるシステムは、複数のローカル占有グリッド３０２３４（図３Ｇ）が、もたらされ得るように、複数のローカルグリッド作成ノード３０１２２、例えば、センサ毎に１つを含むことができる。センサは、限定ではないが、ＲＧＢ－Ｄカメラ３０３２５（図３Ｇ）、ＬＩＤＡＲ／ＭＩＰＩ３０２３１（図３Ｇ）、およびＬＩＤＡＲ３０２３３（図３Ｇ）を含むことができる。方法３０４５０と関連付けられるシステムは、ローカル占有グリッドを受信し、方法３０４５０に従ってそれらを処理し得る、グローバル占有グリッドサーバ３０１２１を含むことができる。特に、方法３０４５０は、表面をロードすること３０２４２と、例えば、限定ではないが、縁石等の表面不連続性にアクセスすること３０５０４と、例えば、限定ではないが、表面および表面不連続性を含み得る、リポジトリ３０１０７内で利用可能である任意の特性から静的占有グリッド３０２４９を作成すること３０２４８とを含むことができる。方法３０４５０は、公開されたローカル占有グリッドを受信すること３０４５６と、グローバル占有グリッドを移動させ、マップの中心に本デバイスを維持すること３０４５７とを含むことができる。方法３０４５０は、静的事前占有グリッド３０２４９からの事前情報を伴うマップ上の新しい領域を設定すること３０４５９と、本デバイスによって現在占有されている面積を非占有としてマーキングすること３０４６１とを含むことができる。方法３０４５０は、各ローカル占有グリッド内のセル毎に、ループ３０４６３を実行することができる。ループ３０４６３は、限定ではないが、グローバル占有グリッド上のセルの位置を計算することと、グローバル占有グリッド上のその位置における以前の値にアクセスすることと、以前の値とローカル占有グリッド内のセルにおける値との間の関係に基づいて、セル位置における新しい値を計算することとを含むことができる。関係は、限定ではないが、値を合計することを含むことができる。ループ３０４６３は、新しい値を事前選択された許容可能な確率範囲に対して比較することと、新しい値を伴うグローバル占有グリッドを設定することとを含むことができる。比較は、確率が、最小または最大許容可能確率よりも低いもしくは高い場合、確率を最小または最大許容可能確率に設定することを含むことができる。方法３０４５０は、グローバル占有グリッドを公開すること３０４６７を含むことができる。

ここで図３Ｊを参照すると、グローバル占有グリッドを作成するための代替方法３０１５０は、限定ではないが、３０１５１において、本デバイスが、移動した場合、古いマップ面積（これが移動する前に本デバイスがあった場所）と関連付けられる占有確率値にアクセスし、古いマップ面積からの値を用いて新しいマップ面積（これが移動した後に本デバイスがあった場所）上のグローバル占有グリッドを更新すること３０１５３と、新しいマップ面積内のグローバル占有グリッドのセルと関連付けられる走行可能表面にアクセスし、走行可能表面を用いて更新されたグローバル占有グリッド内のセルを更新すること３０１５５と、ステップ３０１５９に進むこととを含むことができる。３０１５１において、本デバイスが、移動しなかった場合、およびグローバル占有グリッドが、ローカル占有グリッドと共同設置される場合、方法３０１５０は、少なくとも１つのローカル占有グリッドからの走行可能表面と関連付けられる表面信頼度を用いて可能性として更新されたグローバル占有グリッドを更新すること３０１５９と、例えば、限定ではないが、ベイズ関数を使用して、少なくとも１つのローカル占有グリッドからの占有確率値の対数オッズを用いて更新されたグローバル占有グリッドを更新すること３０１６１と、少なくともその場所と関連付けられる特性に基づいて、対数オッズを調節すること３０１６３とを含むことができる。３０１５７において、グローバル占有グリッドが、ローカル占有グリッドと共同設置されない場合、方法３０１５０は、ステップ３０１５１に戻ることを含むことができる。特性は、限定ではないが、非占有として本デバイスの場所を設定することを含むことができる。

ここで図３Ｋを参照すると、別の構成では、グローバル占有グリッドを作成するための方法３０２５０は、限定ではないが、３０２５１において、本デバイスが、移動した場合、本デバイスの新しい場所と関連付けられる静的グリッドからの情報を用いてグローバル占有グリッドを更新すること３０２５３を含むことができる。方法３０２５０は、新しい場所における表面を分析すること３０２５７を含むことができる。３０２５９において、表面が、走行可能である場合、方法３０２５０は、グローバル占有グリッド上の表面を更新すること３０２６１と、マップ上の新しい位置と関連付けられる静的値のリポジトリからの値を用いてグローバル占有グリッドを更新すること３０２６３とを含むことができる。

ここで図３Ｌを参照すると、表面を更新すること３０２６１は、限定ではないが、特定のセンサに関するローカル占有グリッド（ＬＯＧ）にアクセスすること３０３５１を含むことができる。３０３５３において、処理するべきさらなるセルが、ローカル占有グリッド内に存在する場合、方法３０２６１は、ローカル占有グリッドからの表面分類信頼値および表面分類にアクセスすること３０３５５を含むことができる。３０３５７において、ローカル占有グリッド内のセルにおける表面分類が、セルの場所におけるグローバル占有グリッド内の表面分類と同一である場合、方法３０２６１は、新しいグローバル占有グリッド（ＧＯＧ）表面信頼度を、古いグローバル占有グリッド表面信頼度およびローカル占有グリッド表面信頼度の合計に設定すること３０４６１を含むことができる。３０３５７において、ローカル占有グリッド内のセルにおける表面分類が、セルの場所におけるグローバル占有グリッド内の表面分類と同一ではない場合、方法３０２６１は、新しいグローバル占有グリッド表面信頼度を、古いグローバル占有グリッド表面信頼度とローカル占有グリッド表面信頼度との間の差に設定すること３０３５９を含むことができる。３０４６３において、新しいグローバル占有グリッド表面信頼度が、ゼロ未満である場合、方法３０２６１は、新しいグローバル占有グリッド表面分類をローカル占有グリッド表面分類の値に設定すること３０４６９を含むことができる。

ここで図３Ｍを参照すると、静的値のリポジトリからの値を用いてグローバル占有グリッドを更新すること３０２６３は、限定ではないが、以下を含むことができ、すなわち、３０３６１において、処理するべきさらなるセルが、ローカル占有グリッド内に存在する場合、方法３０２６３は、ローカル占有グリッドからの対数オッズにアクセスすること３０３６３と、その場所におけるローカル占有グリッドからの値を用いてグローバル占有グリッド内の対数オッズを更新すること３０３６５とを含むことができる。３０３６７において、セルが空である最大確実性が、満たされる場合、および３０３６９において、本デバイスが、所定のレーン障壁内で進行している場合、ならびに３０３７１において、表面が、走行可能である場合、方法３０２６３は、セルが占有されている確率を更新すること３０３７３と、さらなるセルを処理し続けるために戻ることとを含むことができる。３０３６７において、セルが空である最大確実性に到達しない場合、または３０３６９において、本デバイスが、所定のレーン内で進行していない場合、もしくは３０３７１において、表面が、本デバイスが現在進行しているモードにおいて走行可能ではない場合、方法３０２６３は、対数オッズを更新することなく、さらなるセルを考慮するために戻ることを含むことができる。本デバイスが、標準モード、すなわち、本デバイスが比較的に均一な表面をナビゲートし得るモードであり、表面分類が、表面が比較的に均一ではないことを示す場合、方法３０２６３は、対数オッズを更新する（３０３７３）ことによって、セルが占有されている確率を増加させることによって、本デバイスの経路を調節することができる。本デバイスが、標準モードであり、表面分類が、表面が比較的に均一であることを示す場合、方法３０２６３は、対数オッズを更新する（３０３７３）ことによって、セルが占有されている確率を減少させることによって、本デバイスの経路を調節することができる。本デバイスが、４車輪モード、すなわち、本デバイスが不均一な地形をナビゲートし得るモードにおいて進行している場合、セルが占有されている確率の調節は、必要ではない場合がある。

ここで図４Ａを参照すると、ＡＶは、デバイス構成、例えば、デバイス４２１１４Ａにおいて描写される構成およびデバイス４２１１４Ｂにおいて描写される構成と関連付けられ得る、具体的モードにおいて進行することができる。少なくとも１つの環境因子および本デバイスの状況に基づく、本デバイスの構成のリアルタイム制御のための本教示のシステムは、限定ではないが、センサと、移動手段と、センサおよび移動手段と動作可能に結合される、シャーシであって、移動手段は、モータおよび電力供給源によって駆動される、シャーシと、センサからデータを受信する、デバイスプロセッサと、移動手段を制御する、電力基部プロセッサとを含むことができる。いくつかの構成では、デバイスプロセッサは、環境データを受信し、環境因子を判定し、環境因子および本デバイスの状況に従って、構成変更を判定し、構成変更を電力基部プロセッサに提供することができる。電力基部プロセッサは、本デバイスを場所から場所へ移動させるためのコマンドを移動手段に発行し、道路表面タイプによって要求されるとき、本デバイスを物理的に再構成することができる。

継続して図４Ａを参照すると、環境データを収集するセンサは、限定ではないが、例えば、カメラ、ＬＩＤＡＲ、レーダ、温度計、圧力センサ、および天候条件センサを含むことでき、そのうちのいくつかは、本明細書に説明される。本一連のデータから、デバイスプロセッサは、デバイス構成変更が基づき得る環境因子を判定することができる。いくつかの構成では、環境因子は、例えば、限定ではないが、表面タイプ、表面特徴、および表面条件等の表面因子を含むことができる。デバイスプロセッサは、環境因子および本デバイスの現在の状況に基づいて、検出された表面タイプを横断することを適応させるために構成を変更する方法をリアルタイムで判定することができる。

継続して図４Ａを参照すると、いくつかの構成では、デバイス４２１１４Ａ／Ｂ／Ｃ（集合的に、デバイス４２１１４と称される）の構成変更は、例えば、移動手段の構成の変更を含むことができる。現在のモードおよび表面タイプに依存し得る、ユーザ情報ディスプレイならびにセンサ制御装置等の他の構成変更も、想定される。いくつかの構成では、移動手段は、本明細書に説明されるように、シャーシ４２１１２の各側上に２つずつの少なくとも４つの駆動車輪４４２１０１と、シャーシ４２１１２と動作可能に結合される、少なくとも２つのキャスタ車輪４２１０３とを含むことができる。いくつかの構成では、駆動車輪４４２１０１は、対４２１０５において動作可能に結合されることができ、各対４２１０５は、４つの駆動車輪４４２１０１の第１の駆動車輪４２１０１Ａおよび第２の駆動車輪４２１０１Ｂを含むことができ、対４２１０５は、それぞれ、シャーシ４２１１２の対向する側上に位置する。動作可能結合具は、車輪クラスタアセンブリ４２１１０を含むことができる。いくつかの構成では、電力基部プロセッサ４１０１６（図４Ｂ）は、クラスタアセンブリ４２１１０の回転を制御することができる。左および右車輪モータ４１０１７（図４Ｂ）は、シャーシ４２１１２の両側上で車輪４４２１０１を駆動することができる。方向転換が、異なる率において左および右車輪モータ４１０１７（図４Ｂ）を駆動することによって遂行されることができる。クラスタモータ４１０１９（図４Ｂ）が、前／後方向にホイールベースを回転させることができる。ホイールベースの回転は、前部駆動車輪４４２１０１Ａが、例えば、不連続表面特徴に遭遇するとき、後部駆動車輪４４２１０１Ｂよりも高いまたは低い状態になる間、貨物が、仮にそうなったとしても、駆動車輪４４２１０１から独立して回転することを可能にすることができる。クラスタアセンブリ４２１１０は、２つの車輪の各対４２１０５を独立して動作させ、それによって、コマンドに応じて、デバイス４２１１４の前進、後進、および回転運動を提供することができる。クラスタアセンブリ４２１１０は、対４２１０５のための構造的支持を提供することができる。クラスタアセンブリ４２１１０は、車輪駆動アセンブリをともに回転させるための機械的動力を提供し、クラスタアセンブリ回転に依存する機能、例えば、限定ではないが、不連続表面特徴の登り、種々の表面タイプ、および不均一な地形を可能にすることができる。クラスタ化された車輪の動作についてのさらなる詳細が、２０１８年７月１３日に出願され、「ＭｏｂｉｌｉｔｙＤｅｖｉｃｅ」と題された、米国特許出願第１６，０３５，２０５号（弁理士整理番号第Ｘ８０号）（参照することによってその全体として本明細書に組み込まれる）に見出されることができる。

継続して図４Ａを参照すると、デバイス４２１１４の構成は、限定ではないが、デバイス４２１１４のモード４１０３３（図４Ｂ）と関連付けられることを含め、関連付けられることができる。デバイス４２１１４は、モード４１０３３（図４Ｂ）のうちのいくつかにおいて動作することができる。標準モード１０１００－１（図５Ｅ）では、デバイス４２１１４Ｂは、駆動車輪４４２１０１Ｂのうちの２つおよびキャスタ車輪４２１０３のうちの２つの上で動作することができる。標準モード１０１００－１（図５Ｅ）は、比較的に堅固な水平の表面、例えば、限定ではないが、屋内環境、歩道、および舗道上で方向転換性能ならびに移動性を提供することができる。強化モード１０１００－２（図５Ｅ）または４車輪モードでは、デバイス４２１１４Ａ／Ｃは、駆動車輪４４２１０１Ａ／Ｂのうちの４つにコマンドすることができ、オンボードセンサを通して能動的に安定化されることができ、シャーシ４２１１２、キャスタ４２１０３、および貨物を上昇させる、ならびに／もしくは再配向することができる。４車輪モード１０１００－２（図５Ｅ）は、種々の環境において移動性を提供し、デバイス４２１１４Ａ／Ｃが、急な傾斜を登り、軟質の不均一な地形にわたって進行することを可能にすることができる。４車輪モード１０１００－２（図５Ｅ）では、駆動車輪４４２１０１Ａ／Ｂの４つ全てが、展開されることができ、キャスタ車輪４２１０３は、後退されることができる。クラスタ４２１１０の回転は、不均一な地形上での動作を可能にすることができ、駆動車輪４４２１０１Ａ／Ｂは、不連続表面特徴の上で、それにわたって走行することができる。本機能性は、デバイス４２１１４Ａ／Ｃに多種多様な屋外環境における移動性を提供することができる。デバイス４２１１４Ｂは、堅固かつ安定しているが、湿潤している屋外表面上で動作することができる。凍上および他の自然現象は、屋外表面を劣化させ、亀裂および弛んだ物質を生じさせ得る。４車輪モード１０１００－２（図５Ｅ）では、デバイス４２１１４Ａ／Ｃは、これらの劣化した表面上で動作することができる。モード４１０３３（図４Ｂ）は、２００３年６月３日に発行され、「ＣｏｎｔｒｏｌＳｙｓｔｅｍａｎｄＭｅｔｈｏｄ」と題された、米国特許第６，５７１，８９２号（第‘８９２号）（参照することによってその全体として本明細書に組み込まれる）に詳細に説明されている。

ここで図４Ｂを参照すると、システム４１０００は、センサ４１０３１からの入力を処理し、車輪４４２１０１（図４Ａ）を駆動するために車輪モータ４１０１７へのコマンドを発生させ、クラスタ４２１１０（図４Ａ）を駆動するためにクラスタモータ４１０１９へのコマンドを発生させることによって、デバイス４２１１４（図４Ａ）を駆動することができる。システム４１０００は、限定ではないが、デバイスプロセッサ４１０１４と、電力基部プロセッサ４１０１６とを含むことができる。デバイスプロセッサ４１０１４は、センサ４１０３１からの環境データ４１０２２を受信および処理し、構成情報４０１２５を電力基部プロセッサ４１０１６に提供することができる。いくつかの構成では、デバイスプロセッサ４１０１４は、センサ４１０３１からの環境データ４１０２２を受信および処理し得る、センサプロセッサ４１０２１を含むことができる。センサ４１０３１は、限定ではないが、本明細書に説明されるように、カメラを含むことができる。これらのデータから、例えば、デバイス４２１１４（図４Ａ）によって横断されている走行表面についての情報が、蓄積および処理されることができる。いくつかの構成では、走行表面情報は、リアルタイムで処理されることができる。デバイスプロセッサ４１０１４は、例えば、デバイス４２１１４（図４Ａ）によって横断されている、環境データ４１０２２からの表面タイプ４０１２１を判定し得る、構成プロセッサ４１０２３を含むことができる。構成プロセッサ４１０２３は、例えば、環境データ４１０２２から走行表面分類層、走行表面信頼度層、および占有層を作成し得る、例えば、走行表面プロセッサ４１０２９（図４Ｃ）を含むことができる。これらのデータは、本明細書に説明されるように、移動コマンド４０１２７およびモータコマンド４０１２８を作成するために、電力基部プロセッサ４１０１６によって使用されることができ、経路計画のために使用され得る占有グリッドを更新するために、グローバル占有グリッドプロセッサ４１０２５によって使用されることができる。構成４０１２５は、少なくとも部分的に、表面タイプ４０１２１に基づくことができる。表面タイプ４０１２１およびモード４１０３３は、少なくとも部分的に、占有グリッド内のセルが占有されている確率を含み得る、占有グリッド情報４１０２２を判定するために使用されることができる。占有グリッドは、少なくとも部分的に、デバイス４２１１４（図４Ａ）がとり得る経路の判定を可能にすることができる。

継続して図４Ｂを参照すると、電力基部プロセッサ４１０１６は、デバイスプロセッサ４１０１４から構成情報４０１２５を受信し、他の情報、例えば、経路情報とともに、構成情報４０１２５を処理することができる。電力基部プロセッサ４１０１６は、少なくとも構成情報４０１２５に基づいて、移動コマンド４０１２７を作成し、移動コマンド４０１２７をモータ駆動プロセッサ４０３２６に提供し得る、制御プロセッサ４０３２５を含むことができる。モータ駆動プロセッサ４０３２６は、デバイス４２１１４（図４Ａ）を指示し、移動させ得る、モータコマンド４０１２８を発生させることができる。具体的には、モータ駆動プロセッサ４０３２６は、車輪モータ４１０１７を駆動し得る、モータコマンド４０１２８を発生させることができ、クラスタモータ４１０１９を駆動し得る、モータコマンド４０１２８を発生させることができる。

ここで図４Ｃを参照すると、本教示のリアルタイム表面検出は、限定ではないが、走行表面プロセッサ４１０２９を含み得る、構成プロセッサ４１０２３を含むことができる。走行表面プロセッサ４１０２９は、その上でデバイス４２１１４（図４Ａ）がナビゲートしている走行表面の特性を判定することができる。特性は、デバイス４２１１４（図４Ａ）の将来の構成を判定するために使用されることができる。走行表面プロセッサ４１０２９は、限定ではないが、ニューラルネットワークプロセッサ４０２０７、データ変換４０２１５、４０２１９、および４０２３９、層プロセッサ４０２４１、ならびに占有グリッドプロセッサ４０２４２を含むことができる。ともに、これらのコンポーネントは、デバイス４２１１４（図４Ａ）の構成の変更を指示し得る情報を生成することができ、デバイス４２１１４（図４Ａ）の進行に関する経路計画を知らせ得る占有グリッド４０２４４（図４Ｃ）の修正を可能にすることができる。

ここで図４Ｃおよび４Ｄを参照すると、ニューラルネットワークプロセッサ４０２０７は、環境データ４１０２２（図４Ｂ）を、センサ４１０３１（図４Ｂ）によって収集されたデータの点毎に、点が表す可能性が高い表面のタイプを示し得る、訓練されたニューラルネットワークに晒すことができる。環境データ４１０２２（図４Ｂ）は、限定ではないが、カメラ画像４０２０２として受信されることができ、カメラは、カメラ性質４０２０４と関連付けられることができる。カメラ画像４０２０２は、Ｘ分解能４０２０５（図４Ｄ）と、Ｙ分解能４０２０４（図４Ｄ）とを有する、点４０２０１の２Ｄグリッドを含むことができる。いくつかの構成では、カメラ画像４０２０２は、ＲＧＢ－Ｄ画像を含むことができ、Ｘ分解能４０２０５（図４Ｄ）は、４０，６４０ピクセルを含むことができ、Ｙ分解能４０２０４（図４Ｄ）は、４０，４８０ピクセルを含むことができる。いくつかの構成では、カメラ画像４０２０２は、選定されたニューラルネットワークの要件に従ってフォーマットされる画像に変換されることができる。いくつかの構成では、データは、正規化され、スケーリングされ、２Ｄから１Ｄに変換されることができ、これは、ニューラルネットワークの処理効率を向上させることができる。ニューラルネットワークは、限定ではないが、ＲＧＢ－Ｄカメラ画像を用いて訓練することを含む、多くの方法で訓練されることができる。いくつかの構成では、ニューラルネットワークファイル４０２０９（図４Ｄ）において表される、訓練されたニューラルネットワークは、訓練されたニューラルネットワークを実行するプロセッサへの直接接続を通して、または、例えば、通信チャネルを通して、ニューラルネットワークプロセッサ４０２０７に利用可能にされることができる。いくつかの構成では、ニューラルネットワークプロセッサ４０２０７は、訓練されたニューラルネットワークファイル４０２０９（図４Ｄ）を使用し、環境データ４１０２２（図４Ｂ）内の表面タイプ４０１２１（図４Ｃ）を識別することができる。いくつかの構成では、表面タイプ４０１２１（図４Ｃ）は、限定ではないが、走行不能、硬質走行可能、軟質走行可能、および縁石を含むことができる。いくつかの構成では、表面タイプ４０１２１（図４Ｃ）は、限定ではないが、走行不能／背景、アスファルト、コンクリート、レンガ、固まった土、木板、砂利／小石、草、マルチ、砂、縁石、固体金属、金属格子、点字ブロック、雪／氷、および鉄道線路を含むことができる。ニューラルネットワーク処理の結果は、Ｘ分解能４０２０５と、Ｙ分解能４０２０３と、中心４０２１１とを有する、点４０２１３の表面分類グリッド４０３０３を含むことができる。表面分類グリッド４０３０３内の各点４０２１３は、表面タイプ４０１２１（図４Ｃ）のうちの具体的な１つである尤度と関連付けられることができる。

継続して図４Ｃおよび４Ｄを参照すると、走行表面プロセッサ４１０２９（図４Ｃ）は、２Ｄカメラフレーム内の２Ｄ表面分類グリッド４０３０３（図４Ｄ）から、カメラによって見られるような３Ｄ実世界座標内の３Ｄ画像キューブ４０３０７（図４Ｄ）に逆投影し得る、２Ｄ－３Ｄ変換４０２１５を含むことができる。逆投影は、２Ｄデータの３Ｄ性質を復元することができ、ＲＧＢ－Ｄカメラからの２Ｄ画像を３Ｄカメラフレーム４０３０５（図４Ｃ）に変換することができる。キューブ４０３０７（図４Ｄ）内の点４０２３３（図４Ｄ）は、それぞれ、表面タイプ４０１２１（図４Ｃ）のうちの具体的な１つである尤度、および深度座標ならびにＸ／Ｙ座標と関連付けられることができる。点キューブ４０３０７（図４Ｄ）の寸法は、例えば、限定ではないが、例えば、焦点距離ｘ、焦点距離ｙ、および投影中心４０２２５等のカメラ性質４０２０４（図４Ｃ）に従って区切られることができる。例えば、カメラ性質４０２０４は、それにわたってカメラが確実に投影し得る最大範囲を含むことができる。さらに、画像４０２０２に干渉し得る、デバイス４２１１４（図４Ａ）の特徴が、存在し得る。例えば、キャスタ４２１０３（図４Ａ）は、カメラ４０２２７（図４Ｄ）のビューに干渉し得る。これらの因子は、点キューブ４０３０７（図４Ｄ）内の点の数を限定することができる。いくつかの構成では、カメラ４０２２７（図４Ｄ）は、約６メートルを超えて確実に投影することができず、これは、カメラ４０２２７（図４Ｄ）の範囲の上限を表すことができ、点キューブ４０３０７（図４Ｄ）内の点の数を限定することができる。いくつかの構成では、デバイス４２１１４（図４Ａ）の特徴は、カメラ４０２２７（図４Ｄ）の範囲の最小限界として作用することができる。例えば、キャスタ４２１０３（図４Ａ）の存在は、いくつかの構成では、約１メートルに設定され得る、最小限界を含意することができる。いくつかの構成では、点キューブ４０３０７（図４Ｄ）内の点は、カメラ４０２２７（図４Ｄ）から１メートルまたはそれを上回る、およびカメラ４０２２７（図４Ｄ）から６メートルまたはそれを下回る点に限定されることができる。

継続して図４Ｃおよび４Ｄを参照すると、走行表面プロセッサ４１０２９（図４Ｃ）は、点の３Ｄキューブをデバイス４２１１４（図４Ａ）と関連付けられる座標、すなわち、ベースリンクフレーム４０３０９（図４Ｃ）に変換し得る、ベースリンク変換４０２１９を含むことができる。ベースリンク変換４０２１９は、キューブ４０３０７（図４Ｄ）内の３Ｄデータ点４０２２３（図４Ｄ）を、Ｚ次元がデバイス４２１１４（図４Ａ）の基部に設定される、キューブ４０３０８（図４Ｄ）内の点４０２３３（図４Ｄ）に変換することができる。走行表面プロセッサ４１０２９（図４Ｃ）は、キューブ４０３０８（図４Ｄ）内の点４０２３３（図４Ｄ）をキューブ４０３１１（図４Ｄ）内の点４０２３７（図４Ｄ）として占有グリッド４０２４４（図４Ｄ）上に投影し得る、ＯＧ準備４０２３９を含むことができる。層プロセッサ４０２４１は、点４０２３７（図４Ｄ）によって表されるデータに応じて、点４０２３７（図４Ｄ）を種々の層４０３１２（図４Ｃ）に平坦化することができる。いくつかの構成では、層プロセッサ４０２４１は、スカラ値を層４０３１２（図４Ｃ）に適用することができる。いくつかの構成では、層４０３１２（図４Ｃ）は、占有層４０２４３の確率と、ニューラルネットワークプロセッサ４０２０７によって判定されるような表面分類層４０２４５（図４Ｄ）と、表面タイプ信頼度層４０２４７（図４Ｄ）とを含むことができる。いくつかの構成では、表面タイプ信頼度層４０２４７（図４Ｄ）は、ニューラルネットワークプロセッサ４０２０７からのクラススコアを、対数（クラススコア）／Σ対数（各クラス）としてクラススコアを出力クラスにわたる確率分布に正規化することによって判定され得るスコアに変換することによって判定されることができる。いくつかの構成では、１つ以上の層は、走行不能表面の確率を提供する層によって置換または拡張されることができる。

継続して図４Ｃおよび４Ｄを参照すると、いくつかの構成では、占有層４０２４３における確率値は、対数オッズ（対数オッズ－＞ｌｎ（ｐ／（１－ｐ））値として表されることができる。いくつかの構成では、占有層４０２４３における確率値は、少なくともモード４１０３３（図４Ｂ）および表面タイプ４０１２１（図４Ｂ）の組み合わせに基づくことができる。いくつかの構成では、占有層４０２４３における事前選択された確率値は、例えば、限定ではないが、（１）表面タイプ４０１２１（図４Ａ）が硬質かつ走行可能であるとき、およびデバイス４２１１４（図４Ａ）がモード４１０３３（図４Ｂ）の事前選択されたセットにあるとき、または（２）表面タイプ４０１２１（図４Ａ）が軟質かつ走行可能であるとき、およびデバイス４２１１４（図４Ａ）が、例えば、標準モード等の具体的な事前選択されたモードにあるとき、または（３）表面タイプ４０１２１（図４Ａ）が軟質かつ走行可能であるとき、およびデバイス４２１１４（図４Ａ）が、例えば、４車輪モード等の具体的な事前選択されたモードにあるとき、または（４）表面タイプ４０１２１（図４Ａ）が不連続であるとき、およびデバイス４２１１４（図４Ａ）が、例えば、標準モード等の具体的な事前選択されたモードにあるとき、または（５）表面タイプ４０１２１（図４Ａ）が不連続であるとき、およびデバイス４２１１４（図４Ａ）が４車輪モード等の具体的な事前選択されたモードにあるとき、もしくは（６）表面タイプ４０１２１（図４Ａ）が走行不能であるとき、およびデバイス４２１１４（図４Ａ）がモード４１０３３（図４Ｂ）の事前選択されたセットにあるとき等の状況を網羅するように選定されることができる。いくつかの構成では、確率値は、限定ではないが、表Ｉに記載されるものを含むことができる。いくつかの構成では、ニューラルネットワーク予測確率は、必要な場合、調整されることができ、表Ｉに列挙される確率に取って代わることができる。

再び図４Ｃを参照すると、占有グリッドプロセッサ４０２４２は、例えば、限定ではないが、表面タイプ４０１２１および占有グリッド情報４１０２２等の占有グリッド４０２４４の確率値に影響を及ぼし得るパラメータをグローバル占有グリッドプロセッサ４１０２５にリアルタイムで提供することができる。例えば、限定ではないが、モード４１０３３および表面タイプ４０１２１等の構成情報４０１２５（図４Ｂ）は、電力基部プロセッサ４１０１６（図４Ｂ）に提供されることができる。電力基部プロセッサ４１０１６（図４Ｂ）は、少なくとも構成情報４０１２５（図４Ｂ）に基づいて、デバイス４２１１４（図４Ａ）の構成を設定し得る、モータコマンド４０１２８（図４Ｂ）を判定することができる。

ここで図４Ｅおよび４Ｆを参照すると、デバイス４２１００Ａは、標準モードにおいて動作するように本教示に従って構成されることができる。標準モードでは、キャスタ４２１０３および第２の駆動車輪４２１０１Ｂは、デバイス４２１００Ａが、その経路をナビゲートする際、地面上に静置されることができる。第１の駆動車輪４２１０１Ａは、事前選択された量４２１０２（図４Ｆ）だけ上昇されることができ、走行表面を通過することができる。デバイス４２１００Ａは、比較的に堅固な水平の表面上で正常にナビゲートすることができる。標準モードにおいて走行するとき、占有グリッド４０２４４（図４Ｃ）は、表面タイプ限界（表Ｉ参照）を反映することができ、したがって、モードの適合する選定を可能にすることができる、または表面タイプおよび現在のモードに基づく構成変更を可能にすることができる。

ここで図４Ｇ－４Ｊを参照すると、デバイス４２１００Ｂ／Ｃは、４車輪モードにおいて動作するように本教示に従って構成されることができる。４車輪モードにおける一構成では、第１の駆動車輪４２１０１Ａおよび第２の駆動車輪４２１０１Ｂは、デバイス４２１００Ａが、その経路をナビゲートする際、地面上に静置されることができる。キャスタ４２１０３は、後退されることができ、事前選択された量４２１０４（図４Ｈ）だけ走行表面を通過することができる。４車輪モードにおける別の構成では、第１の駆動車輪４２１０１Ａおよび第２の駆動車輪４２１０１Ｂは、デバイス４２１００Ａが、その経路をナビゲートする際、地面上に実質的に静置されることができる。キャスタ４２１０３は、後退されることができ、シャーシ４２１１１は、例えば、不連続表面を適応させるために回転されることができる（したがって、地面からより遠くにキャスタ４２１０３を移動させる）。本構成では、キャスタ４２１０３は、事前選択された量４２１０８（図１Ｊ）だけ走行表面を通過することができる。デバイス４２１００Ａ／Ｃは、軟質表面および不連続表面を含む、種々の表面上で正常にナビゲートすることができる。４車輪モードにおける別の構成では、第２の駆動車輪４２１０１Ｂは、デバイス４２１００Ａとして地面上に静置されることができる一方、第１の駆動車輪４２１０１Ａは、デバイス４２１００Ｃ（図１Ｊ）が、その経路をナビゲートする際、上昇されることができる。キャスタ４２１０３は、後退されることができ、シャーシ４２１１１は、例えば、不連続表面を適応させるために回転されることができる（したがって、地面からより遠くにキャスタ４２１０３を移動させる）。４車輪モードにおいて走行するとき、占有グリッド４０２４４（図４Ｃ）は、表面タイプ（表Ｉ参照）を反映することができ、したがって、モードの適合する選定を可能にすることができる、または表面タイプおよび現在のモードに基づく構成変更を可能にすることができる。

ここで図４Ｋを参照すると、少なくとも１つの環境因子およびデバイス構成に基づいて、経路を進行する、例えば、限定ではないが、ＡＶ等のデバイスのデバイス構成のリアルタイム制御のための方法４０１５０は、限定ではないが、センサデータを受信すること４０１５１と、少なくともセンサデータに基づいて、表面タイプを判定すること４０１５３と、少なくとも表面タイプおよび現在のデバイス構成に基づいて、現在のモードを判定すること４０１５５とを含むことができる。方法４０１５０は、少なくとも現在のモードおよび表面タイプに基づいて、次のデバイス構成を判定すること４０１５７と、少なくとも次のデバイス構成に基づいて、移動コマンドを判定すること４０１５９と、少なくとも移動コマンドに基づいて、現在のデバイス構成を次のデバイス構成に変更すること４０１６１とを含むことができる。

ここで、主として図５Ａを参照すると、ＡＶの経路に現れる物体に応答するために、注釈付き点データ１０３７９（図５Ｂ）が、デバイスコントローラ１０１１１に提供されることができる。経路を進行するようにＡＶ１０１０１（図１Ａ）に命令するために使用され得るルート情報のための基礎であり得る、注釈付き点データ１０３７９（図５Ｂ）は、限定ではないが、ナビゲート可能縁、例えば、限定ではないが、マッピングされた軌道１０４１３／１０４１５（図５Ｄ）等のマッピングされた軌道、および、例えば、限定ではないが、ＳＤＳＦ１０３７７（図５Ｃ）等の標識化された特徴を含むことができる。マッピングされた軌道１０４１３／１０４１５（図５Ｃ）は、ルート空間の縁のグラフと、ルート空間の部分に割り当てられた初期加重とを含むことができる。縁のグラフは、例えば、限定ではないが、方向性および容量等の特性を含むことができ、縁は、これらの特性に従ってカテゴリ化されることができる。マッピングされた軌道１０４１３／１０４１５（図５Ｃ）は、ルート空間の表面と関連付けられるコスト修飾子と、縁と関連付けられる走行モードとを含むことができる。走行モードは、限定ではないが、経路追従およびＳＤＳＦ登りを含むことができる。他のモードは、例えば、限定ではないが、自律、マッピング、および介入の待機等の動作モードを含むことができる。最終的に、経路は、少なくともより低いコスト修飾子に基づいて選択されることができる。マッピングされた軌道１０４１３／１０４１５（図５Ｃ）から比較的に遠い形態は、より高いコスト修飾子を有する可能性があり、経路を形成するときにあまり着目され得ない。初期加重は、ＡＶ１０１０１（図１Ａ）が動作している間に調節され、可能性として、経路の修正を引き起こすことができる。調節された加重は、縁／加重グラフ１０３８１（図５Ｂ）を調節するために使用されることができ、少なくとも現在の走行モード、現在の表面、および縁カテゴリに基づくことができる。

継続して図５Ａを参照すると、デバイスコントローラ１０１１１は、任意の特徴の偏心を経路の中に組み込むことに関連する具体的タスクを実施し得る、特徴プロセッサを含むことができる。いくつかの構成では、特徴プロセッサは、限定ではないが、ＳＤＳＦプロセッサ１０１１８を含むことができる。いくつかの構成では、デバイスコントローラ１０１１１は、限定ではないが、それぞれ、本明細書に説明される、ＳＤＳＦプロセッサ１０１１８と、センサプロセッサ１０７０３と、モードコントローラ１０１２２と、基部コントローラ１０１１４とを含むことができる。ＳＤＳＦプロセッサ１０１１８、センサプロセッサ１０７０３、およびモードコントローラ１０１２２は、入力を基部コントローラ１０１１４に提供することができる。

継続して図５Ａを参照すると、基部コントローラ１０１１４は、少なくともモードコントローラ１０１２２、ＳＤＳＦプロセッサ１０１１８、およびセンサプロセッサ１０７０３によって提供された入力に基づいて、少なくとも縁／加重グラフ１０３８１（図５Ｂ）に基づいて基部コントローラ１０１１４によって判定された経路上でＡＶ１０１０１（図１Ａ）を走行させるために電力基部１０１１２が使用し得る情報を判定することができる。いくつかの構成では、基部コントローラ１０１１４は、ＡＶ１０１０１（図１Ａ）が、開始点から目的地まで所定の経路を辿り、少なくとも外部および／または内部条件に基づいて、所定の経路を修正し得ることを保証することができる。いくつかの構成では、外部条件は、限定ではないが、ＡＶ１０１０１（図１Ａ）によって走行されている経路内またはその近傍の停止信号、ＳＤＳＦ、および障害物を含むことができる。いくつかの構成では、内部条件は、限定ではないが、外部条件に対してＡＶ１０１０１（図１Ａ）が行う応答を反映するモード遷移を含むことができる。デバイスコントローラ１０１１１は、少なくとも外部および内部条件に基づいて、電力基部１０１１２に送信するコマンドを判定することができる。コマンドは、限定ではないが、コマンドされた速度でコマンドされた方向に進行するようにＡＶ１０１０１（図１Ａ）に指示し得る、速度および方向コマンドを含むことができる。他のコマンドは、例えば、ＳＤＳＦ登り等の特徴応答を可能にする、例えば、コマンドの群を含むことができる。基部コントローラ１０１１４は、限定ではないが、例えば、内点オプティマイザ（ＩＰＯＰＴ）大規模非線形最適化（ｈｔｔｐｓ：／／ｐｒｏｊｅｃｔｓ．ｃｏｉｎ－ｏｒ．ｏｒｇ／Ｉｐｏｐｔ）を含む、従来の方法によって経路のウェイポイントの間の所望の速度を判定することができる。基部コントローラ１０１１４は、少なくとも、例えば、限定ではないが、ダイクストラアルゴリズム、Ａ^＊探索アルゴリズム、または幅優先探索アルゴリズムに基づく技術等の従来の技術に基づいて、所望の経路を判定することができる。基部コントローラ１０１１４は、障害物検出が実施され得る面積を設定するために、マッピングされた軌道１０４１３／１０４１５（図５Ｃ）の周囲にボックスを形成することができる。ペイロードキャリアの高さは、調節可能であるとき、少なくとも部分的に、指示された速度に基づいて調節されることができる。

継続して図５Ａを参照すると、基部コントローラ１０１１４は、速度および方向判定をモータコマンドに変換することができる。例えば、限定ではないが、例えば、縁石または斜面等のＳＤＳＦに遭遇するとき、基部コントローラ１０１１４は、ＳＤＳＦ登りモードにおいて、ペイロードキャリア１０１７３（図１Ａ）を上昇させ、ＡＶ１０１０１（図１Ａ）を約９０°角度においてＳＤＳＦと整合させ、比較的に低いレベルまで速度を低減させるように電力基部１０１１２に指示することができる。ＡＶ１０１０１（図１Ａ）が、実質的不連続表面を登るとき、基部コントローラ１０１１４は、増加されたトルクが、傾斜の上にＡＶ１０１０１（図１Ａ）を移動させるために要求されるため、速度が増加される登りフェーズに遷移するように電力基部１０１１２に指示することができる。ＡＶ１０１０１（図１Ａ）が、比較的に水平の表面に遭遇するとき、基部コントローラ１０１１４は、ＳＤＳＦの任意の平坦な部分の上に留まるために、速度を低減させることができる。平坦な部分と関連付けられる下りの傾斜路の場合に、ＡＶ１０１０１（図１Ａ）が、実質的不連続表面を下り始めるとき、および両方の車輪が、下りの傾斜路上にあるとき、基部コントローラ１０１１４は、速度が増加することを可能にすることができる。例えば、限定ではないが、斜面等のＳＤＳＦに遭遇するとき、斜面は、識別され、ある構造として処理されることができる。構造の特徴は、例えば、事前選択されたサイズの傾斜路を含むことができる。傾斜路は、約３０°の傾斜を含むことができ、随意に、限定ではないが、平坦域の両側上にあり得る。デバイスコントローラ１０１１１（図５Ａ）は、知覚された特徴の角度を予期される斜面傾斜路角度と比較することによって、障害物と斜面とを区別することができ、角度は、センサプロセッサ１０７０３（図５Ａ）から受信されることができる。

ここで、主として図５Ｂを参照すると、ＳＤＳＦプロセッサ１０１１８は、注釈付き点データ１０３７９内に表される多角形のメッシュによって形成される走行可能表面のブロックから、ＡＶ１０１０１（図１Ａ）による横断のための経路を作成するために使用され得るナビゲート可能縁を位置特定することができる。ＳＤＳＦ線１０３７７（図５Ｃ）の周囲に事前選択されたサイズの面積を形成し得る、ＳＤＳＦ緩衝１０４０７（図５Ｃ）内で、ナビゲート可能縁は、ＳＤＳＦ横断を前提として、特別な取扱に備えて消去されることができる（図５Ｄ参照）。セグメント１０４０９（図５Ｃ）等の閉じ線セグメントが、以前に判定されたＳＤＳＦ点１０７８９（図１Ｎ）の対の間でＳＤＳＦ緩衝１０４０７（図５Ｃ）を二分するために描画されることができる。いくつかの構成では、閉じ線セグメントがＳＤＳＦ横断のための候補として見なされるために、セグメント端部１０４１１（図５Ｃ）は、走行可能表面の非妨害部分に該当することができ、ＡＶ１０１０１（図１Ａ）が線セグメントに沿って隣接するＳＤＳＦ点１０７８９（図１Ｎ）の間を進行するための十分な余地が、存在することができ、ＳＤＳＦ点１０７８９（図１Ｎ）の間の面積は、走行可能表面であり得る。セグメント端部１０４１１（図５Ｃ）は、下層形態に接続され、頂点および走行可能縁を形成することができる。例えば、横断基準を満たす線セグメント１０４６１、１０４６３、１０４６５、および１０４６７（図５Ｃ）が、図５Ｄに形態の一部として示される。対照的に、線セグメント１０４０９（図５Ｃ）は、少なくとも、セグメント端部１０４１１（図５Ｃ）が、走行可能表面上に該当しないため、基準を満たさなかった。重複するＳＤＳＦ緩衝１０５０６（図５Ｃ）は、ＳＤＳＦ不連続性を示すことができ、これは、重複されたＳＤＳＦ緩衝１０５０６（図５Ｃ）内のＳＤＳＦのＳＤＳＦ横断を不利にし得る。ＳＤＳＦ線１０３７７（図５Ｃ）は、平滑化されることができ、ＳＤＳＦ点１０７８９（図１Ｎ）の場所は、それらが、事前選択された距離を中心として離れて該当するように、調節されることができ、事前選択された距離は、少なくともＡＶ１０１０１（図１Ａ）の占有面積に基づく。

継続して図５Ｂを参照すると、ＳＤＳＦプロセッサ１０１１８は、注釈付き点データ１０３７９を、ＳＤＳＦ横断のための形態修正を含む、縁／加重グラフ１０３８１に変換することができる。ＳＤＳＦプロセッサ１０１１８は、第７のプロセッサ１０６０１と、第８のプロセッサ１０７０２と、第９のプロセッサ１０６０３と、第１０のプロセッサ１０６０５とを含むことができる。第７のプロセッサ１０６０１は、注釈付き点データ１０３７９内の点の座標をグローバル座標系に変換し、ＧＰＳ座標との互換性を達成し、ＧＰＳ互換性データセット１０６０２を生成することができる。第７のプロセッサ１０６０１は、例えば、限定ではないが、アフィン行列変換およびＰｏｓｔＧＩＳ変換等の従来のプロセスを使用し、ＧＰＳ互換性データセット１０６０２を生成することができる。世界測地系（ＷＧＳ）が、これが地球の曲率を考慮するため、標準的座標系として使用されることができる。マップは、ユニバーサル横メルカトル図法（ＵＴＭ）座標系内に記憶されることができ、具体的住所が位置する場所を見出すことが必要であるとき、ＷＧＳに切り替えられることができる。

ここで、主として図５Ｃを参照すると、第８のプロセッサ１０７０２（図５Ｂ）は、ＳＤＳＦを平滑化し、ＳＤＳＦ１０３７７の境界を判定し、ＳＤＳＦ境界の周囲に緩衝１０４０７を作成し、これがＳＤＳＦ境界から遠くなるにつれて、表面のコスト修飾子を増加させることができる。マッピングされた軌道１０４１３／１０４１５は、最も低いコスト修飾子を有する特別な場合のレーンであり得る。より低いコスト修飾子１０４０６は、概して、ＳＤＳＦ境界の近傍に位置することができる一方、より高いコスト修飾子１０４０８は、概して、ＳＤＳＦ境界から比較的に遠くに位置することができる。第８のプロセッサ１０７０２は、コストを伴う点群データ１０７０４（図５Ｂ）を第９のプロセッサ１０６０３（図５Ｂ）に提供することができる。

継続して、主として図５Ｃを参照すると、第９のプロセッサ１０６０３（図５Ｂ）は、ＡＶ１０１０１（図１Ａ）が、それらを横断可能として標識化するための基準を満たしたＳＤＳＦ１０３７７を横断するための約９０°アプローチ１０６０４（図５Ｂ）を計算することができる。基準は、ＳＤＳＦ幅と、ＳＤＳＦ平滑度とを含むことができる。線セグメント１０４０９等の線セグメントが、それらの長さが、ＡＶ１０１０１（図１Ａ）がＳＤＳＦ１０３７７に接近するために要求し得る最小進入距離およびＳＤＳＦ１０３７７から退出するために要求され得る最小退出距離を示すように作成されることができる。終点１０４１１等のセグメント終点が、下層ルーティング形態と統合されることができる。ＳＤＳＦアプローチが可能であるかどうかを判定するために使用される基準は、いくつかのアプローチの可能性を排除することができる。ＳＤＳＦ緩衝１０４０７等のＳＤＳＦ緩衝は、有効なアプローチおよびルート形態縁作成を計算するために使用されることができる。

再び、主として図５Ｂを参照すると、第１０のプロセッサ１０６０５は、マップを通した経路を計算するために使用され得る、本明細書で開発される、縁および加重のグラフである、縁／加重グラフ１０３８１を形態から作成することができる。形態は、コスト修飾子と、走行モードとを含むことができ、縁は、方向性と、容量とを含むことができる。加重は、任意の数のソースからの情報に基づいて、ランタイム時に調節されることができる。第１０のプロセッサ１０６０５は、特定の点における推奨される走行モードに加えて、順序付けられた点の少なくとも１つのシーケンスを基部コントローラ１０１１４に提供し、経路発生を可能にすることができる。点の各シーケンス内の各点は、処理された走行可能表面上の可能性として考えられる経路点の場所および標識化を表す。いくつかの構成では、標識化は、点が、例えば、限定ではないが、ＳＤＳＦ等の経路に沿って遭遇され得る特徴の一部を表すことを示すことができる。いくつかの構成では、特徴は、特徴のタイプに基づいて、示唆される処理を用いてさらに標識化され得る。例えば、いくつかの構成では、経路点が、ＳＤＳＦとして標識化される場合、さらなる標識化は、あるモードを含むことができる。モードは、例えば、ＡＶ１０１０１（図１Ａ）がＳＤＳＦ１０３７７（図５Ｃ）を横断することを可能にするために、ＡＶ１０１０１（図１Ａ）をＳＤＳＦ登りモード１００－３１（図５Ｅ）に切り替えること等、ＡＶ１０１０１（図１Ａ）のための示唆される走行命令としてＡＶ１０１０１（図１Ａ）によって解釈されることができる。

ここで図５Ｅを参照すると、いくつかの構成では、モードコントローラ１０１２２は、基部コントローラ１０１１４（図５Ａ）に、モード遷移を実行するための指示を提供することができる。モードコントローラ１０１２２は、ＡＶ１０１０１（図１Ａ）が進行しているモードを確立することができる。例えば、モードコントローラ１０１２２は、基部コントローラ１０１１４に、モードインジケーションの変更を提供し、例えば、ＳＤＳＦが、進行経路に沿って識別されるとき、経路追従モード１０１００－３２とＳＤＳＦ登りモード１０１００－３１との間で変更することができる。いくつかの構成では、注釈付き点データ１０３７９（図５Ｂ）は、例えば、モードが、ルートを適応させるために変更されるとき、ルートに沿った種々の点においてモード識別子を含むことができる。例えば、ＳＤＳＦ１０３７７（図５Ｃ）が、注釈付き点データ１０３７９（図５Ｂ）内で標識化されている場合、デバイスコントローラ１０１１１は、ルート点と関連付けられるモード識別子を判定し、可能性として、所望のモードに基づいて、電力基部１０１１２（図５Ａ）への命令を調節することができる。ＳＤＳＦ登りモード１０１００－３１および経路追従モード１０１００－３２に加えて、いくつかの構成では、ＡＶ１０１０１（図１Ａ）は、限定ではないが、本明細書に説明される、標準モード１０１００－１と、強化（４車輪）モード１０１００－２とを含み得る、動作モードを支援することができる。ペイロードキャリア１０１７３（図１Ａ）の高さは、障害物にわたって、および斜面に沿って必要なクリアランスを提供するために調節されることができる。

ここで図５Ｆを参照すると、少なくとも１つのＳＤＳＦを横断する目標点に向かってＡＶをナビゲートするための方法１１１５０は、限定ではないが、ＳＤＳＦ、目標点の場所、およびＡＶの場所に関連するＳＤＳＦ情報を受信すること１１１５１を含むことができる。ＳＤＳＦ情報は、限定ではないが、それぞれ、ＳＤＳＦ点として分類される点のセットと、点がＳＤＳＦ点である点毎の関連付けられる確率とを含むことができる。方法１１１５０は、ＡＶの場所、目標点の場所を包含する閉多角形を描画し、目標点とＡＶの場所との間に経路線を描画すること１１１５３を含むことができる。閉多角形は、事前選択された幅を含むことができる。表Ｉは、本明細書に議論される事前選択された変数に関する可能性として考えられる範囲を含む。方法１１１５０は、多角形内に位置するＳＤＳＦ点のうちの２つを選択すること１１１５５と、２つの点の間にＳＤＳＦ線を描画すること１１１５７とを含むことができる。いくつかの構成では、ＳＤＳＦ点の選択は、ランダムである、または任意の他の方法であり得る。１１１５９において、ＳＤＳＦ線の第１の事前選択された距離内に第１の事前選択された数の点よりも少ないものが、存在する場合、および１１１６１において、ＳＤＳＦ点を選定することにおいて第２の事前選択された回数の試行を下回るものが、存在し、それらの間に線を描画し、ＳＤＳＦ線の周囲に第１の事前選択された数の点よりも少ないものを有する場合、方法１１１５０は、ステップ１１１５５に戻ることを含むことができる。１１１６１において、ＳＤＳＦ点を選定することにおいて第２の事前選択された回数の試行が、存在し、それらの間に線を描画し、ＳＤＳＦ線の周囲に第１の事前選択された数の点よりも少ないものを有する場合、方法１１１５０は、いかなるＳＤＳＦ線も検出されなかったことを認めること１１１６３を含むことができる。

ここで、主として図５Ｇを参照すると、１１１５９（図５Ｆ）において、第１の事前選択された数の点またはそれを上回るものが、存在する場合、方法１１１５０は、ＳＤＳＦ線の第１の事前選択された距離内に該当する点に曲線をフィットすること１１１６５を含むことができる。１１１６７において、曲線の第１の事前選択された距離内にある点の数が、ＳＤＳＦ線の第１の事前選択された距離内の点の数を超える場合、および１１１７１において、曲線が、経路線と交差する場合、ならびに１１１７３において、第２の事前選択された距離を超える曲線上の点の間にいかなる間隙も、存在しない場合、方法１１１５０は、曲線をＳＤＳＦ線として識別すること１１１７５を含むことができる。１１１６７において、曲線の第１の事前選択された距離内にある点の数が、ＳＤＳＦ線の第１の事前選択された距離内の点の数を超えない場合、または１１１７１において、曲線が、経路線と交差しない場合、もしくは１１１７３において、第２の事前選択された距離を超える曲線上の点の間の間隙が、存在する場合、および１１１７７において、ＳＤＳＦ線が、安定したままではない場合、ならびに１１１６９において、曲線フィットが、第２の事前選択された回数の試行を上回って試行されていない場合、方法１１１５０は、ステップ１１１６５に戻ることを含むことができる。安定するＳＤＳＦ線は、同一またはより少ない点をもたらす後続反復の結果である。

ここで、主として図５Ｈを参照すると、１１１６９（図５Ｇ）において、曲線フィットが、第２の事前選択された回数の試行だけ試行されている場合、または１１１７７（図５Ｇ）において、ＳＤＳＦ線が、安定したままである、もしくは劣化する場合、方法１１１５０は、占有グリッド情報を受信すること１１１７９を含むことができる。占有グリッドは、障害物がある点に存在する確率を提供することができる。占有グリッド情報は、占有グリッドが、多角形との共通地理的面積にわたって捕捉および／または算出されたデータを含むとき、ＡＶ経路ならびにＳＤＳＦを囲繞する多角形内に見出されるＳＤＳＦおよび経路情報を強化することができる。方法１１１５０は、共通地理的面積からの点およびその関連付けられる確率を選択すること１１１８１を含むことができる。１１１８３において、障害物が選択された点に存在する確率が、事前選択されたパーセントよりも高い場合、および１１１８５において、障害物が、ＡＶと目標点との間に位置する場合、ならびに１１１８６において、障害物が、ＳＤＳＦ線と目標点との間のＳＤＳＦ線からの第３の事前選択された距離を下回る場合、方法１１１５０は、障害物をＳＤＳＦ線に投影すること１１１８７を含むことができる。１１１８３において、場所が障害物を含む確率が、事前選択されたパーセントを下回る、またはそれに等しい場合、もしくは１１１８５において、障害物が、ＡＶと目標点との間に位置しない場合、または１１１８６において、障害物が、ＳＤＳＦと目標点との間のＳＤＳＦ線からの第３の事前選択された距離に等しい、もしくはそれを上回る距離に位置する場合、および１１１８９において、処理するべきさらなる障害物が、存在する場合、方法１１１５０は、ステップ１１１７９における処理を再開することを含むことができる。

ここで、主として図５Ｉを参照すると、１１１８９（図５Ｈ）において、処理するべき障害物が、それ以上存在しない場合、方法１１１５０は、投影を接続し、ＳＤＳＦ線に沿って接続された投影の終点を見出すこと１１１９１を含むことができる。方法１１１５０は、投影終点の間のＳＤＳＦ線の一部を非横断可能としてマーキングすること１１１９３を含むことができる。方法１１１５０は、非横断可能区分の外側にあるＳＤＳＦ線の一部を横断可能としてマーキングすること１１１９５を含むことができる。方法１１１５０は、ＳＤＳＦ線の横断可能区分に垂直な第５の事前選択された量以内までＡＶを方向転換させること１１１９７を含むことができる。１１１９９において、ＳＤＳＦ線の横断可能区分に垂直な線に対する方位誤差が、第１の事前選択された量を上回る場合、方法１１１５０は、第９の事前選択された量だけＡＶを減速させること１１２５１を含むことができる。方法１１１５０は、ＡＶをＳＤＳＦ線に向かって前方に走行させ、ＡＶと横断可能ＳＤＳＦ線との間のメートル距離あたりの第２の事前選択された量だけ減速させること１１２５３を含むことができる。１１２５５において、横断可能ＳＤＳＦ線からのＡＶの距離が、第４の事前選択された距離を下回る場合、および１１２５７において、方位誤差が、ＳＤＳＦ線に垂直な線に対して第３の事前選択された量を上回る、またはそれに等しい場合、方法１１１５０は、ＡＶを第９の事前選択された量だけ減速させること１１２５２を含むことができる。

ここで、主として図５Ｊを参照すると、１１２５７（図５Ｉ）において、方位誤差が、ＳＤＳＦ線に垂直な線に対して第３の事前選択された量を下回る場合、方法１１１５０は、更新されたＳＤＳＦ情報を無視し、事前選択された速度においてＡＶを走行させること１１２６０を含むことができる。１１２５９において、ＡＶの後部部分に対するＡＶの前部部分の上昇が、第６の事前選択された量と第５の事前選択された量との間である場合、方法１１１５０は、ＡＶを前方に走行させ、ＡＶの速度を上昇度あたりの第８の事前選択された量まで増加させること１１２６１を含むことができる。１１２６３において、ＡＶの後部に対する前部の上昇が、第６の事前選択された量を下回る場合、方法１１１５０は、第７の事前選択された速度においてＡＶを前方に走行させること１１２６５を含むことができる。１１２６７において、ＡＶの後部が、ＳＤＳＦ線からの第５の事前選択された距離を上回る場合、方法１１１５０は、ＡＶがＳＤＳＦを横断することを完了したことを認めること１１２６９を含むことができる。１１２６７において、ＡＶの後部が、ＳＤＳＦ線からの第５の事前選択された距離を下回る、またはそれに等しい場合、方法１１１５０は、ステップ１１２６０に戻ることを含むことができる。

ここで図５Ｋを参照すると、少なくとも１つのＳＤＳＦを横断する目標点に向かってＡＶをナビゲートするためのシステム５１１００は、限定ではないが、経路線プロセッサ１１１０３と、ＳＤＳＦ検出器１１１０９と、ＳＤＳＦコントローラ１１１２７とを含むことができる。システム５１１００は、例えば、限定ではないが、ＡＶ１０１０１（図５Ｌ）の周辺の画像を含み得る、センサ情報を処理し得る、表面プロセッサ１１６０１と動作可能に結合されることができる。表面プロセッサ１１６０１は、ＳＤＳＦのインジケーションを含む、リアルタイム表面特徴更新を提供することができる。いくつかの構成では、カメラが、その点が表面タイプに従って分類され得る、ＲＧＢ－Ｄデータを提供することができる。いくつかの構成では、システム５１１００は、ＳＤＳＦとして分類された点およびそれらの関連付けられる確率を処理することができる。システム５１１００は、ＡＶ１０１０１（図５Ｌ）の動作の側面を管理し得る、システムコントローラ１１６０２と動作可能に結合されることができる。システムコントローラ１１６０２は、ＡＶ１０１０１（図５Ｌ）の近傍のナビゲート可能面積に関する利用可能なソースからの情報を含み得る、占有グリッド１１１３８を維持することができる。占有グリッド１１１３８は、障害物が存在する確率を含むことができる。本情報は、ＳＤＳＦ情報と併せて、ＳＤＳＦ１０３７７（図５Ｎ）が、障害物１１６８１（図５Ｍ）に遭遇することなく、ＡＶ１０１０１（図５Ｌ）によって横断され得るかどうかを判定するために使用されることができる。システムコントローラ１１６０２は、環境および他の情報に基づいて、ＡＶ１０１０１（図５Ｎ）が超えるべきではない速度限界１１１４８を判定することができる。速度限界１１１４８は、システム５１１００によって設定される速度の指針として使用されることができる、またはそれを上書きすることができる。システム５１１００は、基部コントローラ１０１１４と動作可能に結合されることができ、これは、ＳＤＳＦコントローラ１１１２７によって発生された走行コマンド１１１４４をＡＶ１０１０１（図５Ｌ）の走行コンポーネントに送信することができる。基部コントローラ１０１１４は、ＳＤＳＦ横断の間のＡＶ１０１０１（図５Ｌ）の配向についての情報をＳＤＳＦコントローラ１１１２７に提供することができる。

継続して図５Ｋを参照すると、経路線プロセッサ１１１０３は、限定ではないが、ＳＤＳＦとして分類される点を含み得る、表面分類点１０７８９をリアルタイムで連続的に受信することができる。経路線プロセッサ１１１０３は、目標点１１１３９の場所と、例えば、限定ではないが、ＡＶ１０１０１（図５Ｌ）の中心１１２０２（図５Ｌ）によって示されるようなＡＶ場所１１１４１とを受信することができる。システム５１１００は、ＡＶ場所１１１４１と、目標点１１１３９の場所と、目標点１１１３９とＡＶ場所１１１４１との間の経路１１２１４とを包含する、多角形１１１４７を描画する、多角形プロセッサ１１１０５を含むことができる。多角形１１１４７は、事前選択された幅を含むことができる。いくつかの構成では、事前選択された幅は、ＡＶ１０１０１（図５Ｌ）のおおよその幅を含むことができる。多角形１１１４７内に該当するＳＤＳＦ点１０７８９が、識別されることができる。

継続して図５Ｋを参照すると、ＳＤＳＦ検出器１１１０９は、表面分類点１０７８９、経路１１２１４、多角形１１１４７、および目標点１１１３９を受信することができ、着信データ内で利用可能である、本明細書に記載される基準に従って、最も好適なＳＤＳＦ線１０３７７を判定することができる。ＳＤＳＦ検出器１１１０９は、限定ではないが、点プロセッサ１１１１１と、ＳＤＳＦ線プロセッサ１１１１３とを含むことができる。点プロセッサ１１１１１は、多角形１１１４７内に位置するＳＤＳＦ点１０７８９のうちの２つを選択することと、２つの点の間にＳＤＳＦ１０３７７線を描画することとを含むことができる。ＳＤＳＦ線１０３７７の第１の事前選択された距離内に第１の事前選択された数の点よりも少ないものが、存在する場合、およびＳＤＳＦ点１０７８９を選定することにおいて第２の事前選択された回数の試行を下回るものが、存在し、２つの点の間に線を描画し、ＳＤＳＦ線の周囲に第１の事前選択された数の点よりも少ないものを有する場合、点プロセッサ１１１１１は、再び、本明細書に記載されるような選択－描画－試験ループを通してループすることを含むことができる。ＳＤＳＦ点を選定することにおいて第２の事前選択された回数の試行が、存在し、それらの間に線を描画し、ＳＤＳＦ線の周囲に第１の事前選択された数の点よりも少ないものを有する場合、点プロセッサ１１１１１は、いかなるＳＤＳＦ線も検出されなかったことを認めることを含むことができる。

継続して図５Ｋを参照すると、ＳＤＳＦ線プロセッサ１１１１３は、第１の事前選択された数またはそれを上回る点１０７８９が、存在する場合、ＳＤＳＦ線１０３７７の第１の事前選択された距離内に該当する点１０７８９に曲線１１６０９－１１６１１（図５Ｌ）をフィットすることを含むことができる。曲線１１６０９－１１６１１（図５Ｌ）の第１の事前選択された距離内にある点１０７８９の数が、ＳＤＳＦ線１０３７７の第１の事前選択された距離内の点１０７８９の数を超える場合、および曲線１１６０９－１１６１１（図５Ｌ）が、経路線１１２１４と交差する場合、ならびに第２の事前選択された距離を超える曲線１１６０９－１１６１１（図５Ｌ）上の点１０７８９の間にいかなる間隙も、存在しない場合、ＳＤＳＦ線プロセッサ１１１１３は、曲線１１６０９－１１６１１（図５Ｌ）を（例えば）ＳＤＳＦ線１０３７７として識別することを含むことができる。曲線１１６０９－１１６１１（図５Ｌ）の事前選択された距離内にある点１０７８９の数が、ＳＤＳＦ線１０３７７の第１の事前選択された距離内の点１０７８９の数を超えない場合、または曲線１１６０９－１１６１１（図５Ｌ）が、経路線１１２１４と交差しない場合、もしくは第２の事前選択された距離を超える曲線１１６０９－１１６１１（図５Ｌ）上の点１０７８９の間の間隙が、存在する場合、およびＳＤＳＦ線１０３７７が、安定したままではない場合、ならびに曲線フィットが、第２の事前選択された回数の試行を上回って試行されていない場合、ＳＤＳＦ線プロセッサ１１１１３は、曲線フィットループを再び実行することができる。

継続して図５Ｋを参照すると、ＳＤＳＦコントローラ１１１２７は、ＳＤＳＦ線１０３７７、占有グリッド１１１３８、ＡＶ配向変化１１１４２、および速度限界１１１４８を受信することができ、ＳＤＳＦ１０３７７（図５Ｎ）を正しく横断するようにＡＶ１０１０１（図５Ｌ）を走行させるためのＳＤＳＦコマンド１１１４４を発生させることができる。ＳＤＳＦコントローラ１１１２７は、限定ではないが、障害物プロセッサ１１１１５と、ＳＤＳＦアプローチ１１１３１と、ＳＤＳＦ横断１１１３３とを含むことができる。障害物プロセッサ１１１１５は、ＳＤＳＦ線１０３７７、目標点１１１３９、および占有グリッド１１１３８を受信することができ、占有グリッド１１１３８内に識別される障害物の中から、それらのうちのいずれかが、これがＳＤＳＦ１０３７７（図５Ｎ）を横断する際にＡＶ１０１０１（図５Ｎ）を妨害し得るかどうかを判定することができる。障害物プロセッサ１１１１５は、限定ではないが、障害物セレクタ１１１１７と、障害物テスタ１１１１９と、横断ロケータ１１１２１とを含むことができる。障害物セレクタ１１１１７は、限定ではないが、本明細書に説明されるような占有グリッド１１１３８を受信することを含むことができる。障害物セレクタ１１１１７は、占有グリッド１１１３８および多角形１１１４７の両方に共通である地理的面積から占有グリッド点ならびにその関連付けられる確率を選択することを含むことができる。障害物が選択されたグリッド点に存在する確率が、事前選択されたパーセントよりも高い場合、および障害物が、ＡＶ１０１０１（図５Ｌ）と目標点１１１３９との間に位置する場合、ならびに障害物が、ＳＤＳＦ線１０３７７と目標点１１１３９との間のＳＤＳＦ線１０３７７からの第３の事前選択された距離を下回る場合、障害物テスタ１１１１９は、障害物をＳＤＳＦ線１０３７７に投影し、ＳＤＳＦ線１０３７７と交差する投影１１６２１を形成することを含むことができる。場所が障害物を含む確率が、事前選択されたパーセントを下回る、またはそれに等しい場合、もしくは障害物が、ＡＶ１０１０１（図５Ｌ）と目標点１１１３９との間に位置しない場合、または障害物が、ＳＤＳＦ線１０３７７と目標点１１１３９との間のＳＤＳＦ線１０３７７からの第３の事前選択された距離に等しい、もしくはそれを上回る距離に位置する場合、障害物テスタ１１１１９は、処理するべきさらなる障害物が、存在する場合、占有グリッド１１１３８を受信することにおける実行を再開することを含むことができる。

継続して図５Ｋを参照すると、横断ロケータ１１１２１は、投影点を接続し、ＳＤＳＦ線１０３７７に沿った接続された投影１１６２１（図５Ｍ）の終点１１６２２／１１６２３（図５Ｍ）を位置特定することを含むことができる。横断ロケータ１１１２１は、投影終点１１６２２／１１６２３（図５Ｍ）の間のＳＤＳＦ線１０３７７の部分１１６２４（図５Ｍ）を非横断可能としてマーキングすることを含むことができる。横断ロケータ１１１２１は、非横断可能部分１１６２４（図５Ｍ）の外側にあるＳＤＳＦ線１０３７７の部分１１６２６（図５Ｍ）を横断可能としてマーキングすることを含むことができる。

継続して図５Ｋを参照すると、ＳＤＳＦアプローチ１１１３１は、ＳＤＳＦ線１０３７７の横断可能部分１１６２６（図５Ｎ）に垂直な第５の事前選択された量以内までＡＶ１０１０１（図５Ｎ）を方向転換させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。ＳＤＳＦ線１０３７７の横断可能区分１１６２６（図５Ｎ）に垂直である、垂直線１１６２７（図５Ｎ）に対する方位誤差が、第１の事前選択された量を上回る場合、ＳＤＳＦアプローチ１１１３１は、第９の事前選択された量だけＡＶ１０１０１（図５Ｎ）を減速させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。いくつかの構成では、第９の事前選択された量は、非常に遅いものから完全に停止されるものに及ぶことができる。ＳＤＳＦアプローチ１１１３１は、ＳＤＳＦ線１０３７７に向かってＡＶ１０１０１（図５Ｎ）を前方に走行させるためのＳＤＳＦコマンド１１１４４を送信し、進行するメートルあたりの第２の事前選択された量だけＡＶ１０１０１（図５Ｎ）を減速させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。ＡＶ１０１０１（図５Ｎ）と横断可能ＳＤＳＦ線１１６２６（図５Ｎ）との間の距離が、第４の事前選択された距離を下回る場合、および方位誤差が、ＳＤＳＦ線１０３７７に垂直な線に対して第３の事前選択された量を上回る、またはそれに等しい場合、ＳＤＳＦアプローチ１１１３１は、第９の事前選択された量だけＡＶ１０１０１（図５Ｎ）を減速させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。

継続して図５Ｋを参照すると、方位誤差が、ＳＤＳＦ線１０３７７に垂直な線に対して第３の事前選択された量を下回る場合、ＳＤＳＦ横断１１１３３は、更新されたＳＤＳＦ情報を無視し、事前選択された率においてＡＶ１０１０１（図５Ｎ）を走行させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。ＡＶ配向変化１１１４２が、ＡＶ１０１０１（図５Ｎ）の後縁１１７０３（図５Ｎ）に対するＡＶ１０１０１（図５Ｎ）の前縁１１７０１（図５Ｎ）の上昇が、第６の事前選択された量と第５の事前選択された量との間であることを示す場合、ＳＤＳＦ横断１１１３３は、ＡＶ１０１０１（図５Ｎ）を前方に走行させるためのＳＤＳＦコマンド１１１４４を送信し、ＡＶ１０１０１（図５Ｎ）の速度を上昇度あたりの事前選択された率まで増加させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。ＡＶ配向変化１１１４２が、ＡＶ１０１０１（図５Ｎ）の後縁１１７０３（図５Ｎ）に対する前縁１１７０１（図５Ｎ）の上昇が、第６の事前選択された量を下回ることを示す場合、ＳＤＳＦ横断１１１３３は、第７の事前選択された速度においてＡＶ１０１０１（図５Ｎ）を前方に走行させるためのＳＤＳＦコマンド１１１４４を送信することを含むことができる。ＡＶ場所１１１４１が、後縁１１７０３（図５Ｎ）が、ＳＤＳＦ線１０３７７からの第５の事前選択された距離を上回ることを示す場合、ＳＤＳＦ横断１１１３３は、ＡＶ１０１０１（図５Ｎ）がＳＤＳＦ１０３７７を横断することを完了したことを認めることを含むことができる。ＡＶ場所１１１４１が、後縁１１７０３（図５Ｎ）が、ＳＤＳＦ線１０３７７からの第５の事前選択された距離を下回る、またはそれに等しいことを示す場合、ＳＤＳＦ横断１１１３３は、更新されたＳＤＳＦ情報を無視することから始まるループを再び実行することを含むことができる。

本明細書に説明される事前選択された値に関するいくつかの例示的範囲は、限定ではないが、表ＩＩに概略されるものを含むことができる。

ここで図５Ｏを参照すると、リアルタイムデータ集積を支援するために、いくつかの構成では、本教示のシステムは、例えば、限定ではないが、ＲＧＤ－Ｄカメラ画像データ等のデータを受信することに応じて、種々の表面タイプの３次元空間内の場所を生成することができる。本システムは、画像１２１５５を回転させ、それらをカメラ座標系１２１５７からＵＴＭ座標系１２１５９に変換することができる。本システムは、変換された画像から多角形ファイルを生成することができ、多角形ファイルは、表面タイプ１２１６１と関連付けられる３次元場所を表すことができる。ＡＶ１０１０１であって、姿勢１２１６３を有する、ＡＶ１０１０１によって受信されるカメラ画像１２１５５から特徴１２１５１を位置特定するための方法１２１５０は、限定ではないが、ＡＶ１０１０１によって、カメラ画像１２１５５を受信することを含むことができる。カメラ画像１２１５５はそれぞれ、画像タイムスタンプ１２１７１を含むことができ、画像１２１５５はそれぞれ、画像色ピクセル１２１６７と、画像深度ピクセル１２１６９とを含むことができる。方法１２１５０は、ＡＶ１０１０１の姿勢１２１６３を受信することであって、姿勢１２１６３は、姿勢タイムスタンプ１２１７１を有する、ことと、姿勢タイムスタンプ１２１７１に最近接する画像タイムスタンプ１２１６５を有するカメラ画像１２１５５からの画像を識別することによって、選択された画像１２１７３を判定することとを含むことができる。方法１２１５０は、選択された画像１２１７３内の画像深度ピクセル１２１６９から画像色ピクセル１２１６７を分離することと、画像色ピクセル１２１６７を第１の機械学習モデル１２１７７に提供し、画像深度ピクセル１２１６９を第２の機械学習モデル１２１７９に提供することによって、選択された画像１２１７３に関する画像表面分類１２１６１を判定することとを含むことができる。方法１２１５０は、カメラ画像１２１７３内の特徴の外周点１２１８１を判定することを含むことができ、特徴は、外周内の特徴ピクセル１２１５１を含み、特徴ピクセル１２１５１はそれぞれ、同一の表面分類１２１６１を有し、外周点１２１８１はそれぞれ、座標のセット１２１５７を有することができる。方法１２１５０は、座標のセット１２１５７のそれぞれをＵＴＭ座標１２１５９に変換することを含むことができる。

本教示の構成は、本明細書の説明に議論される方法を遂行するためのコンピュータシステムと、これらの方法を遂行するためのプログラムを含有するコンピュータ可読媒体とを対象とする。未加工データおよび結果は、将来の読出および処理のために記憶される、印刷される、表示される、別のコンピュータに転送される、ならびに／もしくは別の場所に転送されることができる。通信リンクは、例えば、セルラー通信システム、軍事通信システム、および衛星通信システムを使用して、有線または無線であり得る。本システムの一部は、可変数のＣＰＵを有するコンピュータ上で動作することができる。他の代替コンピュータプラットフォームも、使用されることができる。

本構成はまた、本明細書に議論される方法を遂行するためのソフトウェアと、これらの方法を遂行するためのソフトウェアを記憶するコンピュータ可読媒体とを対象とする。本明細書に説明される種々のモジュールは、同一のＣＰＵ上で遂行されることができる、または異なるコンピュータ上で遂行されることができる。法令に従って、本構成は、構造的および方法的特徴に関して、多かれ少なかれ具体的な言語で説明された。しかしながら、本構成が、本明細書に開示される手段が、本構成を具体化する好ましい形態を備えるため、示され、説明される具体的特徴に限定されないことを理解されたい。

方法は、全体的または部分的に、電子的に実装されることができる。本システムおよび他の開示される構成の要素によってとられるアクションを表す信号は、少なくとも１つのライブ通信ネットワークを経由して進行することができる。制御およびデータ情報は、少なくとも１つのコンピュータ可読媒体上で電子的に実行および記憶されることができる。本システムは、少なくとも１つのライブ通信ネットワークにおける少なくとも１つのコンピュータノード上で実行されるように実装されることができる。少なくとも１つのコンピュータ可読媒体の一般的形態は、例えば、限定ではないが、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、または任意の他の磁気媒体、コンパクトディスク読取専用メモリもしくは任意の他の光学媒体、パンチカード、紙テープ、または孔のパターンを伴う任意の他の物理的媒体、ランダムアクセスメモリ、プログラマブル読取専用メモリ、および消去可能プログラマブル読取専用メモリ（ＥＰＲＯＭ）、フラッシュＥＰＲＯＭ、または任意の他のメモリチップもしくはカートリッジ、もしくはそこからコンピュータが読み取り得る、任意の他の媒体を含むことができる。さらに、少なくとも１つのコンピュータ可読媒体は、限定ではないが、グラフィック交換フォーマット（ＧＩＦ）、共同写真専門家グループ（ＪＰＥＧ）、ポータブルネットワークグラフィックス（ＰＮＧ）、スケーラブルベクターグラフィックス（ＳＶＧ）、およびタグ付き画像ファイルフォーマット（ＴＩＦＦ）を含む、必要に応じて、適切なライセンスを受ける、任意の形態におけるグラフを含有することができる。

本教示は、具体的構成の観点から上記に説明されたが、それらが、これらの開示される構成に限定されないことを理解されたい。多くの修正および他の構成が、これが関連する当業者に想起され、本開示および添付される請求項の両方によって網羅されることが意図され、網羅される。本教示の範囲が、本明細書および添付される図面における開示に依拠する当業者によって理解されるように、添付される請求項ならびにそれらの法的均等物の適切な解釈および構築によって判定されるべきであることを意図している。

Claims

自律的送達車両であって、
２つの動力供給される前部車輪と、２つの動力供給される後部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、前記電力基部は、コマンドされる速度において、かつコマンドされる方向において移動し、少なくとも１つの物体の輸送を実施するように構成される、電力基部と、
複数の短距離センサを含む、貨物プラットフォームであって、前記貨物プラットフォームは、前記電力基部に機械的に取り付けられる、貨物プラットフォームと、
前記少なくとも１つの物体を受容するための容積を伴う貨物コンテナであって、前記貨物コンテナは、前記貨物プラットフォームの上に搭載される、貨物コンテナと、
ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、前記長距離センサスイートは、前記貨物コンテナの上に搭載される、長距離センサスイートと、
前記長距離センサスイートおよび前記複数の短距離センサからデータを受信するためのコントローラであって、前記コントローラは、少なくとも前記データに基づいて、前記コマンドされる速度および前記コマンドされる方向を判定し、前記コントローラは、前記コマンドされる速度および前記コマンドされる方向を前記電力基部に提供し、前記輸送を完了させる、コントローラと
を備える、自律的送達車両。
前記複数の短距離センサからの前記データは、その上で前記電力基部が進行する表面の少なくとも１つの特性を備える、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、少なくとも１つのステレオカメラを備える、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、少なくとも１つのＩＲプロジェクタと、少なくとも１つの画像センサと、少なくとも１つのＲＧＢセンサとを備える、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、少なくとも１つのレーダセンサを備える、請求項１に記載の自律的送達車両。
前記複数の短距離センサからの前記データは、ＲＧＢ－Ｄデータを備える、請求項１に記載の自律的送達車両。
前記コントローラは、前記複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、前記ＡＶの４メートル以内の物体を検出し、前記長距離センサスイートは、前記自律的送達車両から４メートルを上回る物体を検出する、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、冷却回路を備える、請求項１に記載の自律的送達車両。
前記複数の短距離センサは、超音波センサを備える、請求項１に記載の自律的送達車両。
前記コントローラは、
実行可能コードを備え、前記実行可能コードは、
マップにアクセスすることを含み、前記マップは、マッププロセッサによって形成され、前記マッププロセッサは、
前記長距離センサスイートからの点群データにアクセスする、第１のプロセッサであって、前記点群データは、前記表面を表す、第１のプロセッサと、
前記点群データをフィルタリングする、フィルタと、
前記フィルタリングされた点群データから処理可能部分を形成する、第２のプロセッサと、
前記処理可能部分を少なくとも１つの多角形に併合する、第３のプロセッサと、
存在する場合、前記少なくとも１つの多角形内の前記少なくとも１つの実質的不連続表面特徴（ＳＤＳＦ）を位置特定および標識化する、第４のプロセッサであって、前記位置特定および標識化することは、標識化された点群データを形成する、第４のプロセッサと、
前記標識化された点群データからグラフ化多角形を作成する、第５のプロセッサと、
少なくとも前記グラフ化多角形に基づいて、開始点から終了点までの経路を選定する、第６のプロセッサであって、前記ＡＶは、前記経路に沿って前記少なくとも１つのＳＤＳＦを横断する、第６のプロセッサと
を備える、請求項２に記載の自律的送達車両。
前記フィルタは、
前記点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、
事前選択された高さを有する前記除去された点を置換することと
を含む、コードを実行する、第７のプロセッサを備える、請求項１１に記載の自律的送達車両。
前記第２のプロセッサは、
前記点群データを前記処理可能部分にセグメント化することと、
前記処理可能部分から事前選択された高さの点を除去することと
を含む、前記実行可能コードを含む、請求項１１に記載の自律的送達車両。
前記第３のプロセッサは、
外れ値、ボクセル、および法線を分析することによって、前記処理可能部分のサイズを縮小することと、
前記縮小サイズの処理可能部分からの領域を拡大させることと、
前記拡大された領域から初期走行可能表面を判定することと、
前記初期走行可能表面をセグメント化およびメッシュ化することと、
前記セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、
少なくとも前記多角形に基づいて、少なくとも１つの走行可能表面を設定することと
を含む、前記実行可能コードを含む、請求項１１に記載の自律的送達車両。
前記第４のプロセッサは、
ＳＤＳＦフィルタに従って、前記初期走行可能表面の点群データをソートすることであって、前記ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、
少なくとも、前記少なくとも３つのカテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することと
を含む、前記実行可能コードを含む、請求項１４に記載の自律的送達車両。
前記第４のプロセッサは、少なくとも、複数の前記少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することを含む、前記実行可能コードを含む、請求項１５に記載の自律的送達車両。
グラフ化多角形を作成することは、
前記少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、前記少なくとも１つの多角形は、外縁を含む、ことと、
前記外縁を平滑化することと、
前記平滑化された外縁に基づいて、走行マージンを形成することと、
前記少なくとも１つのＳＤＳＦ軌道を前記少なくとも１つの走行可能表面に追加することと、
少なくとも１つの第３の事前選択された基準に従って、前記少なくとも１つの走行可能表面から内縁を除去することと
を含む、前記実行可能コードを含む、第８のプロセッサを含む、請求項１４に記載の自律的送達車両。
前記外縁を平滑化することは、前記外縁を外向きにトリミングし、外向き縁を形成することを含む、前記実行可能コードを含む、第９のプロセッサを含む、請求項１７に記載の自律的送達車両。
前記平滑化された外縁の走行マージンを形成することは、前記外向き縁を内向きにトリミングすることを含む、前記実行可能コードを含む、第１０のプロセッサを含む、請求項１８に記載の自律的送達車両。
前記コントローラは、
前記自律的送達車両（ＡＶ）によって遭遇される少なくとも１つの実質的不連続表面特徴（ＳＤＳＦ）をナビゲートするためのサブシステムを備え、前記ＡＶは、表面にわたる経路を進行し、前記表面は、前記少なくとも１つのＳＤＳＦを含み、前記経路は、開始点と、終了点とを含み、前記サブシステムは、
ルート形態にアクセスする、第１のプロセッサであって、前記ルート形態は、フィルタリングされた点群データを含む、少なくとも１つのグラフ化多角形を含み、前記フィルタリングされた点群データは、標識化された特徴を含み、前記点群データは、走行可能マージンを含む、第１のプロセッサと、
前記点群データをグローバル座標系に変換する、第２のプロセッサと、
前記少なくとも１つのＳＤＳＦの境界を判定する、第３のプロセッサであって、前記第３のプロセッサは、前記境界の周囲に事前選択されたサイズのＳＤＳＦ緩衝を作成する、第３のプロセッサと、
少なくとも、少なくとも１つのＳＤＳＦ横断基準に基づいて、横断され得る前記少なくとも１つのＳＤＳＦを判定する、第４のプロセッサと、
少なくとも、前記少なくとも１つのＳＤＳＦ横断基準、前記変換された点群データ、および前記ルート形態に基づいて、縁／加重グラフを作成する、第５のプロセッサと、
少なくとも前記縁／加重グラフに基づいて、前記開始点から前記終了点までの前記経路を選定する、基部コントローラと
を備える、請求項１に記載の自律的送達車両。
前記少なくとも１つのＳＤＳＦ横断基準は、
前記少なくとも１つのＳＤＳＦの事前選択された幅および前記少なくとも１つのＳＤＳＦの事前選択された平滑度と、
走行可能表面を含む、前記少なくとも１つのＳＤＳＦと前記ＡＶとの間の最小進入距離および最小退出距離と、
前記ＡＶによる前記少なくとも１つのＳＤＳＦへの約９０°アプローチを適応させる、前記少なくとも１つのＳＤＳＦと前記ＡＶとの間の前記最小進入距離と
を備える、請求項２０に記載の自律的送達車両。
自律的デバイスに関するグローバル占有グリッドを管理するための方法であって、前記グローバル占有グリッドは、グローバル占有グリッドセルを含み、前記グローバル占有グリッドセルは、占有確率と関連付けられ、前記方法は、
前記自律的デバイスと関連付けられるセンサからセンサデータを受信することと、
少なくとも前記センサデータに基づいて、ローカル占有グリッドを作成することであって、前記ローカル占有グリッドは、ローカル占有グリッドセルを有する、ことと、
前記自律的デバイスが、第１の面積から第２の面積に移動した場合、
前記第２の面積と関連付けられる履歴データにアクセスすることと、
少なくとも前記履歴データに基づいて、静的グリッドを作成することと、
前記グローバル占有グリッドを移動させ、前記グローバル占有グリッドの中心位置において前記自律的デバイスを維持することと、
前記静的グリッドに基づいて、前記移動されたグローバル占有グリッドを更新することと、
前記グローバル占有グリッドセルのうちの少なくとも１つが、前記自律的デバイスの場所と一致する場合、前記グローバル占有グリッドセルのうちの少なくとも１つを非占有としてマーキングすることと、
前記ローカル占有グリッドセル毎に、
前記グローバル占有グリッド上の前記ローカル占有グリッドセルの位置を計算することと、
前記位置における前記グローバル占有グリッドセルからの第１の占有確率にアクセスすることと、
前記位置における前記ローカル占有グリッドセルからの第２の占有確率にアクセスすることと、
少なくとも前記第１の占有確率および前記第２の占有確率に基づいて、前記グローバル占有グリッド上の前記位置における新しい占有確率を算出することと
を含む、方法。
前記新しい占有確率を範囲チェックすることをさらに含む、請求項２２に記載の方法。
前記範囲チェックすることは、
前記新しい占有確率が＜０である場合、前記新しい占有確率を０に設定することと、
前記新しい占有確率が＞１である場合、前記新しい占有確率を１に設定することと
を含む、請求項２３に記載の方法。
前記グローバル占有グリッドセルを前記新しい占有確率に設定することをさらに含む、請求項２２に記載の方法。
前記グローバル占有グリッドセルを前記範囲チェックされた新しい占有確率に設定することをさらに含む、請求項２３に記載の方法。
占有グリッドを作成および管理するための方法であって、
ローカル占有グリッド作成ノードによって、センサ測定値をデバイスと関連付けられる基準フレームに変換することと、
タイムスタンプ付き測定占有グリッドを作成することと、
前記タイムスタンプ付き測定占有グリッドをローカル占有グリッドとして公開することと、
複数のローカル占有グリッドを作成することと、
リポジトリ内の表面特性に基づいて、静的占有グリッドを作成することであって、前記表面特性は、前記デバイスの位置と関連付けられる、ことと、
前記デバイスの位置と関連付けられるグローバル占有グリッドを移動させ、前記グローバル占有グリッドに対してほぼ心合される前記デバイスおよび前記ローカル占有グリッドを維持することと、
前記静的占有グリッドから前記グローバル占有グリッドに情報を追加することと、
前記デバイスによって現在占有されている前記グローバル占有グリッド内の面積を非占有としてマーキングすることと、
各ローカル占有グリッド内の少なくとも１つのセル毎に、
前記グローバル占有グリッド内の前記少なくとも１つのセルの場所を判定することと、
前記場所における第１の値にアクセスすることと、
前記第１の値と前記ローカル占有グリッド内の前記少なくとも１つのセルにおけるセル値との間の関係に基づいて、前記場所における第２の値を判定することと、
前記第２の値を事前選択された確率範囲に対して比較することと、
確率値が、前記事前選択された確率範囲内である場合、前記新しい値を伴う前記グローバル占有グリッドを設定することと
を含む、方法。
前記グローバル占有グリッドを公開することをさらに含む、請求項２７に記載の方法。
前記表面特性は、表面タイプと、表面不連続性とを備える、請求項２７に記載の方法。
前記関係は、合計することを含む、請求項２７に記載の方法。
占有グリッドを作成および管理するためのシステムであって、
少なくとも１つのローカル占有グリッドを作成する、複数のローカルグリッド作成ノードであって、前記少なくとも１つのローカル占有グリッドは、デバイスの位置と関連付けられ、前記少なくとも１つのローカル占有グリッドは、少なくとも１つのセルを含む、複数のローカルグリッド作成ノードと、
前記少なくとも１つのローカル占有グリッドにアクセスする、グローバル占有グリッドマネージャと
を備え、
前記グローバル占有グリッドマネージャは、
リポジトリ内の表面特性に基づいて、静的占有グリッドを作成することであって、前記表面特性は、前記デバイスの位置と関連付けられる、ことと、
前記デバイスの位置と関連付けられるグローバル占有グリッドを移動させ、前記グローバル占有グリッドに対してほぼ心合される前記デバイスおよび前記少なくとも１つのローカル占有グリッドを維持することと、
前記静的占有グリッドから少なくとも１つのグローバル占有グリッドに情報を追加することと、
前記デバイスによって現在占有されている前記グローバル占有グリッド内の面積を非占有としてマーキングすることと、
各ローカル占有グリッド内の前記少なくとも１つのセル毎に、
前記グローバル占有グリッド内の前記少なくとも１つのセルの場所を判定することと、
前記場所における第１の値にアクセスすることと、
前記第１の値と前記ローカル占有グリッド内の前記少なくとも１つのセルにおけるセル値との間の関係に基づいて、前記場所における第２の値を判定することと、
前記第２の値を事前選択された確率範囲に対して比較することと、
確率値が、前記事前選択された確率範囲内である場合、前記新しい値を伴う前記グローバル占有グリッドを設定することと
を行う、システム。
グローバル占有グリッドを更新するための方法であって、
自律的デバイスが、新しい位置に移動した場合、前記新しい位置と関連付けられる静的グリッドからの情報を用いて前記グローバル占有グリッドを更新することと、
前記新しい位置における表面を分析することと、
前記表面が、走行可能である場合、前記表面を更新し、前記更新された表面を用いて前記グローバル占有グリッドを更新することと、
静的値のリポジトリからの値を用いて前記グローバル占有グリッドを更新することであって、前記静的値は、前記新しい位置と関連付けられる、ことと
を含む、方法。
前記表面を更新することは、
前記新しい位置と関連付けられるローカル占有グリッドにアクセスすることと、
前記ローカル占有グリッド内のセル毎に、
ローカル占有グリッド表面分類信頼値およびローカル占有グリッド表面分類にアクセスすることと、
前記ローカル占有グリッド表面分類が、前記セル内の前記グローバル占有グリッド内のグローバル表面分類と同一である場合、前記グローバル占有グリッド内のグローバル表面分類信頼値を前記ローカル占有グリッド表面分類信頼値に加算し、合計を形成し、前記合計を用いて前記セルにおける前記グローバル占有グリッドを更新することと、
前記ローカル占有グリッド表面分類が、前記セル内の前記グローバル占有グリッド内の前記グローバル表面分類と同一ではない場合、前記グローバル占有グリッド内の前記グローバル表面分類信頼値から前記ローカル占有グリッド表面分類信頼値を減算し、差を形成し、前記差を用いて前記グローバル占有グリッドを更新することと、
前記差が、ゼロ未満である場合、前記ローカル占有グリッド表面分類を用いて前記グローバル占有グリッドを更新することと
を含む、請求項３２に記載の方法。
前記静的値のリポジトリからの前記値を用いて前記グローバル占有グリッドを更新することは、
ローカル占有グリッド内のセル毎に、
前記ローカル占有グリッドからの前記セルが占有値であるローカル占有グリッド確率である、対数オッズ値にアクセスすることと、
前記セルにおける前記ローカル占有グリッド対数オッズ値を用いて前記グローバル占有グリッド内の前記対数オッズ値を更新することと、
前記セルが占有されていない事前選択された確実性が、満たされる場合、および前記自律的デバイスが、レーン障壁内で進行している場合、ならびにローカル占有グリッド表面分類が、走行可能表面を示す場合、前記セルが前記ローカル占有グリッド内で占有されている前記対数オッズを減少させることと、
前記自律的デバイスが、比較的に均一な表面に遭遇することを予期する場合、および前記ローカル占有グリッド表面分類が、比較的に不均一な表面を示す場合、前記ローカル占有グリッド内の前記対数オッズを増加させることと、
前記自律的デバイスが、比較的に均一な表面に遭遇することを予期する場合、および前記ローカル占有グリッド表面分類が、比較的に均一な表面を示す場合、前記ローカル占有グリッド内の前記対数オッズを減少させることと
を含む、請求項３２に記載の方法。
デバイスの構成のリアルタイム制御のための方法であって、前記デバイスは、シャーシと、少なくとも４つの車輪と、前記少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、前記シャーシの第１の側と、前記少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、前記シャーシの対向する第２の側とを含み、前記方法は、
少なくとも事前の表面特徴および占有グリッドに基づいて、マップを作成することであって、前記マップは、非リアルタイムで作成され、前記マップは、少なくとも１つの場所を含み、前記少なくとも１つの場所は、少なくとも１つの表面特徴と関連付けられ、前記少なくとも１つの表面特徴は、少なくとも１つの表面分類および少なくとも１つのモードと関連付けられる、ことと、
前記デバイスが進行する際、現在の表面特徴を判定することと、
前記現在の表面特徴を用いて前記占有グリッドをリアルタイムで更新することと、
前記占有グリッドおよび前記マップから、前記デバイスが前記少なくとも１つの表面特徴を横断するために進行し得る経路を判定することと
を含む、方法。
デバイスの構成のリアルタイム制御のための方法であって、前記デバイスは、シャーシと、少なくとも４つの車輪と、前記少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、前記シャーシの第１の側と、前記少なくとも４つの車輪のうちの少なくとも１つと動作可能に結合される、前記シャーシの対向する第２の側とを含み、前記方法は、
環境データを受信することと、
少なくとも前記環境データに基づいて、表面タイプを判定することと、
少なくとも前記表面タイプおよび第１の構成に基づいて、モードを判定することと、
少なくとも前記モードおよび前記表面タイプに基づいて、第２の構成を判定することと、
少なくとも前記第２の構成に基づいて、移動コマンドを判定することと、
前記移動コマンドを使用することによって前記デバイスの構成を制御し、前記デバイスを前記第１の構成から前記第２の構成に変更することと
を含む、方法。
前記環境データは、ＲＧＢ－Ｄ画像データを備える、請求項３６に記載の方法。
少なくとも前記表面タイプおよび前記モードに基づいて、占有グリッドを取り込むことと、
少なくとも前記占有グリッドに基づいて、前記移動コマンドを判定することと
をさらに含む、請求項３６に記載の方法。
前記占有グリッドは、少なくとも、少なくとも１つの画像センサからのデータに基づく情報を備える、請求項３８に記載の方法。
前記環境データは、道路表面の形態を備える、請求項３６に記載の方法。
前記構成は、前記少なくとも４つの車輪のクラスタ化された２つの対を備え、前記２つの対の第１の対は、前記第１の側上に位置付けられ、前記２つの対の第２の対は、前記第２の側上に位置付けられ、前記第１の対は、第１の前部車輪と、第１の後部車輪とを含み、前記第２の対は、第２の前部車輪と、第２の後部車輪とを含む、請求項３６に記載の方法。
前記構成の制御は、少なくとも前記環境データに基づく、前記第１の対および前記第２の対の協調された動力供給を含む、請求項４１に記載の方法。
前記構成の制御は、前記少なくとも４つの車輪および後退されるキャスタの対を駆動することから遷移することを含み、前記キャスタの対は、前記シャーシに動作可能に結合される、ことから、前記第１の前部車輪および前記第２の前部車輪を持上するように回転される前記クラスタ化された第１の対ならびに前記クラスタ化された第２の対を伴う２つの車輪を駆動することであって、前記デバイスは、前記第１の後部車輪、前記第２の後部車輪、および前記キャスタの対上に静置される、請求項４１に記載の方法。
前記構成の制御は、少なくとも前記環境データに基づいて、前記第１の側上の第１の２つの動力供給される車輪および前記第２の側上の第２の２つの動力供給される車輪と動作可能に結合される、クラスタの対を回転させることを含む、請求項４１に記載の方法。
前記デバイスはさらに、貨物コンテナを備え、前記貨物コンテナは、前記シャーシ上に搭載され、前記シャーシは、前記貨物コンテナの高さを制御する、請求項３６に記載の方法。
前記貨物コンテナの高さは、少なくとも前記環境データに基づく、請求項４５に記載の方法。
デバイスの構成のリアルタイム制御のためのシステムであって、前記デバイスは、シャーシと、少なくとも４つの車輪と、前記シャーシの第１の側と、前記シャーシの対向する第２の側とを含み、前記システムは、
前記デバイスを囲繞するリアルタイム環境データを受信する、デバイスプロセッサであって、前記デバイスプロセッサは、少なくとも前記環境データに基づいて、表面タイプを判定し、前記デバイスプロセッサは、少なくとも前記表面タイプおよび第１の構成に基づいて、モードを判定し、前記デバイスプロセッサは、少なくとも前記モードおよび前記表面タイプに基づいて、第２の構成を判定する、デバイスプロセッサと、
少なくとも前記第２の構成に基づいて、移動コマンドを判定する、電力基部プロセッサであって、前記電力基部プロセッサは、前記移動コマンドを使用することによって前記デバイスの構成を制御し、前記デバイスを前記第１の構成から前記第２の構成に変更する、電力基部プロセッサと
を備える、システム。
前記環境データは、ＲＧＢ－Ｄ画像データを備える、請求項４７に記載のシステム。
前記デバイスプロセッサは、少なくとも前記表面タイプおよび前記モードに基づいて、占有グリッドを取り込むことを含む、請求項４７に記載のシステム。
前記電力基部プロセッサは、少なくとも前記占有グリッドに基づいて、前記移動コマンドを判定することを含む、請求項４９に記載のシステム。
前記占有グリッドは、少なくとも、少なくとも１つの画像センサからのデータに基づく情報を備える、請求項４９に記載のシステム。
前記環境データは、道路表面の形態を備える、請求項４７に記載のシステム。
前記構成は、前記少なくとも４つの車輪のクラスタ化された２つの対を備え、前記２つの対の第１の対は、前記第１の側上に位置付けられ、前記２つの対の第２の対は、前記第２の側上に位置付けられ、前記第１の対は、第１の前部車輪と、第１の後部車輪とを有し、前記第２の対は、第２の前部車輪と、第２の後部車輪とを有する、請求項４７に記載のシステム。
前記構成の制御は、少なくとも前記環境データに基づく、前記第１の対および前記第２の対の協調された動力供給を含む、請求項５３に記載のシステム。
前記構成の制御は、前記少なくとも４つの車輪および後退されるキャスタの対を駆動することから遷移することを含み、前記キャスタの対は、前記シャーシに動作可能に結合される、ことから、前記第１の前部車輪および前記第２の前部車輪を持上するように回転される前記クラスタ化された第１の対ならびに前記クラスタ化された第２の対を伴う２つの車輪を駆動することであって、前記デバイスは、前記第１の後部車輪、前記第２の後部車輪、および前記キャスタの対上に静置される、請求項５３に記載のシステム。
グローバル占有グリッドを維持するための方法であって、
自律的デバイスの第１の位置を位置特定することと、
前記自律的デバイスが、第２の位置に移動するとき、前記前記第２の位置は、前記グローバル占有グリッドおよびローカル占有グリッドと関連付けられ、
前記第１の位置と関連付けられる少なくとも１つの占有確率値を用いて前記グローバル占有グリッドを更新することと、
前記ローカル占有グリッドと関連付けられる少なくとも１つの走行可能表面を用いて前記グローバル占有グリッドを更新することと、
前記少なくとも１つの走行可能表面と関連付けられる表面信頼度を用いて前記グローバル占有グリッドを更新することと、
第１のベイズ関数を使用して、前記少なくとも１つの占有確率値の対数オッズを用いて前記グローバル占有グリッドを更新することと、
少なくとも前記第２の位置と関連付けられる特性に基づいて、前記対数オッズを調節することと、
前記自律的デバイスが、前記第１の位置に留まり、前記グローバル占有グリッドおよび前記ローカル占有グリッドが、共同設置されるとき、
前記ローカル占有グリッドと関連付けられる前記少なくとも１つの走行可能表面を用いて前記グローバル占有グリッドを更新することと、
前記少なくとも１つの走行可能表面と関連付けられる前記表面信頼度を用いて前記グローバル占有グリッドを更新することと、
第２のベイズ関数を使用して、前記少なくとも１つの占有確率値の対数オッズを用いて前記グローバル占有グリッドを更新することと、
少なくとも前記第２の位置と関連付けられる特性に基づいて、前記対数オッズを調節することと
を含む、方法。
前記マップを作成することは、
前記表面を表す点群データにアクセスすることと、
前記点群データをフィルタリングすることと、
前記フィルタリングされた点群データを処理可能部分に形成することと、
前記処理可能部分を少なくとも１つの凹多角形に併合することと、
前記少なくとも１つの凹多角形内の前記少なくとも１つのＳＤＳＦを位置特定および標識化することであって、前記位置特定および標識化することは、標識化された点群データを形成する、ことと、
少なくとも、前記少なくとも１つの凹多角形に基づいて、グラフ化多角形を作成することと、
少なくとも前記グラフ化多角形に基づいて、開始点から終了点までの前記経路を選定することであって、前記ＡＶは、前記経路に沿って前記少なくとも１つのＳＤＳＦを横断する、ことと
を含む、請求項３５に記載の方法。
前記点群データをフィルタリングすることは、
前記点群データから過渡物体を表す点および外れ値を表す点を条件付きで除去することと、
事前選択された高さを有する前記除去された点を置換することと
を含む、請求項５７に記載の方法。
処理部分を形成することは、
前記点群データを前記処理可能部分にセグメント化することと、
前記処理可能部分から事前選択された高さの点を除去することと
を含む、請求項５７に記載の方法。
前記処理可能部分を併合することは、
外れ値、ボクセル、および法線を分析することによって、前記処理可能部分のサイズを縮小することと、
前記縮小サイズの処理可能部分からの領域を拡大させることと、
前記拡大された領域から初期走行可能表面を判定することと、
前記初期走行可能表面をセグメント化およびメッシュ化することと、
前記セグメント化およびメッシュ化された初期走行可能表面内の多角形を位置特定することと、
少なくとも前記多角形に基づいて、少なくとも１つの走行可能表面を設定することと
を含む、請求項５７に記載の方法。
前記少なくとも１つのＳＤＳＦを位置特定および標識化することは、
ＳＤＳＦフィルタに従って、前記初期走行可能表面の点群データをソートすることであって、前記ＳＤＳＦフィルタは、少なくとも３つのカテゴリの点を含む、ことと、
少なくとも、前記少なくとも３つのカテゴリの点が、組み合わせて、少なくとも１つの第１の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ点を位置特定することと
を含む、請求項６０に記載の方法。
少なくとも、複数の前記少なくとも１つのＳＤＳＦ点が、組み合わせて、少なくとも１つの第２の事前選択された基準を満たすかどうかに基づいて、少なくとも１つのＳＤＳＦ軌道を作成することをさらに含む、請求項６１に記載の方法。
前記グラフ化多角形を作成することはさらに、
前記少なくとも１つの走行可能表面から少なくとも１つの多角形を作成することであって、前記少なくとも１つの多角形は、外縁を含む、ことと、
前記外縁を平滑化することと、
前記平滑化された外縁に基づいて、走行マージンを形成することと、
前記少なくとも１つのＳＤＳＦ軌道を前記少なくとも１つの走行可能表面に追加することと、
少なくとも１つの第３の事前選択された基準に従って、前記少なくとも１つの走行可能表面から内縁を除去することと
を含む、請求項６２に記載の方法。
前記外縁の平滑化は、前記外縁を外向きにトリミングし、外向き縁を形成することを含む、請求項６３に記載の方法。
前記平滑化された外縁の走行マージンを形成することは、前記外向き縁を内向きにトリミングすることを含む、請求項６３に記載の方法。
自律的送達車両であって、
２つの動力供給される前部車輪と、２つの動力供給される後部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、前記電力基部は、コマンドされる速度において移動するように構成される、電力基部と、
複数の短距離センサを含む、貨物プラットフォームであって、前記貨物プラットフォームは、前記電力基部に機械的に取り付けられる、貨物プラットフォームと、
送達するべき１つ以上の物体を受容するための容積を伴う貨物コンテナであって、前記貨物コンテナは、前記貨物プラットフォームの上に搭載される、貨物コンテナと、
ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、前記長距離センサスイートは、前記貨物コンテナの上に搭載される、長距離センサスイートと、
前記長距離センサスイートおよび前記複数の短距離センサからデータを受信するためのコントローラと
を備える、自律的送達車両。
前記複数の短距離センサは、走行可能表面の少なくとも１つの特性を検出する、請求項６６に記載の自律的送達車両。
前記複数の短距離センサは、ステレオカメラである、請求項６６に記載の自律的送達車両。
前記複数の短距離センサは、ＩＲプロジェクタと、２つの画像センサと、ＲＧＢセンサとを備える、請求項６６に記載の自律的送達車両。
前記複数の短距離センサは、レーダセンサである、請求項６６に記載の自律的送達車両。
前記短距離センサは、ＲＧＢ－Ｄデータを前記コントローラに供給する、請求項６６に記載の自律的送達車両。
前記コントローラは、前記複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、請求項６６に記載の自律的送達車両。
前記複数の短距離センサは、前記自律的送達車両の４メートル以内の物体を検出し、前記長距離センサスイートは、前記自律的送達車両から４メートルを上回る物体を検出する、請求項６６に記載の自律的送達車両。
自律的送達車両であって、
少なくとも２つの動力供給される後部車輪と、キャスタ前部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、前記電力基部は、コマンドされる速度において移動するように構成される、電力基部と、
複数の短距離センサを含む、貨物プラットフォームであって、前記貨物プラットフォームは、前記電力基部に機械的に取り付けられる、貨物プラットフォームと、
送達するべき１つ以上の物体を受容するための容積を伴う貨物コンテナであって、前記貨物コンテナは、前記貨物プラットフォームの上に搭載される、貨物コンテナと、
ＬＩＤＡＲと、１つ以上のカメラとを備える、長距離センサスイートであって、前記長距離センサスイートは、前記貨物コンテナの上に搭載される、長距離センサスイートと、
前記長距離センサスイートおよび前記複数の短距離センサからデータを受信するためのコントローラと
を備える、自律的送達車両。
前記複数の短距離センサは、走行可能表面の少なくとも１つの特性を検出する、請求項７４に記載の自律的送達車両。
前記複数の短距離センサは、ステレオカメラである、請求項７４に記載の自律的送達車両。
前記複数の短距離センサは、ＩＲプロジェクタと、２つの画像センサと、ＲＧＢセンサとを備える、請求項７４に記載の自律的送達車両。
前記複数の短距離センサは、レーダセンサである、請求項７４に記載の自律的送達車両。
前記短距離センサは、ＲＧＢ－Ｄデータを前記コントローラに供給する、請求項７４に記載の自律的送達車両。
前記コントローラは、前記複数の短距離センサから受信されたＲＧＢ－Ｄデータに基づいて、道路表面の幾何学形状を判定する、請求項７４に記載の自律的送達車両。
前記複数の短距離センサは、前記自律的送達車両の４メートル以内の物体を検出し、前記長距離センサスイートは、前記自律的送達車両から４メートルを上回る物体を検出する、請求項７４に記載の自律的送達車両。
前記キャスタ車輪が、地面から離れて持上される間、前記地面に係合し得る、動力供給される車輪の第２のセットをさらに備える、請求項７４に記載の自律的送達車両。
自律的送達車両であって、
少なくとも２つの動力供給される後部車輪と、キャスタ前部車輪と、エネルギー貯蔵装置とを含む、電力基部であって、前記電力基部は、コマンドされる速度において移動するように構成される、電力基部と、
貨物プラットフォームであって、前記貨物プラットフォームは、前記電力基部に機械的に取り付けられる、貨物プラットフォームと、
走行可能表面の少なくとも１つの特性を検出する、前記貨物プラットフォームに搭載される、短距離カメラアセンブリと
を備え、
前記短距離カメラアセンブリは、
カメラと、
第１のライトと、
第１の液冷ヒートシンクと
を備え、
前記第１の液冷ヒートシンクは、前記第１のライトおよび前記カメラを冷却する、自律的送達車両。
前記短距離カメラアセンブリはさらに、前記カメラと前記液冷ヒートシンクとの間に熱電気冷却器を備える、請求項８３に記載の自律的送達車両。
前記第１のライトおよび前記カメラは、前記カメラから離れるように前記第１のライトからの照明を偏向する、開口部を伴うカバー内に埋め込まれる、請求項８３に記載の自律的送達車両。
前記ライトは、少なくとも１５°下向きに角度付けられ、カバー内に少なくとも４ｍｍに埋め込まれ、歩行者の気を散らす照明を最小限にする、請求項８３に記載の自律的送達車両。
前記カメラは、視野を有し、前記第１のライトは、前記カメラの視野を照明するように拡散する光の２つのビームを生成するためのレンズを伴う２つのＬＥＤを備える、請求項８３に記載の自律的送達車両。
前記ライトは、約５０°離れて角度付けられ、前記レンズは、６０°のビームを生成する、請求項８７に記載の自律的送達車両。
前記短距離カメラアセンブリは、前記カメラの上方に搭載される、超音波センサを含む、請求項８３に記載の自律的送達車両。
前記短距離カメラアセンブリは、前記貨物プラットフォームの前面上の中心位置に搭載される、請求項８３に記載の自律的送達車両。
前記貨物プラットフォームの前面の少なくとも１つの角上に搭載される、少なくとも１つのコーナーカメラアセンブリをさらに備え、前記少なくとも１つのコーナーカメラアセンブリは、
超音波センサと、
コーナーカメラと、
第２のライトと、
第２の液冷ヒートシンクであって、前記第２の液冷ヒートシンクは、前記第２のライトおよび前記コーナーカメラを冷却する、第２の液冷ヒートシンクと
を備える、請求項８３に記載の自律的送達車両。
前記履歴データは、表面データを備える、請求項２２に記載の方法。
前記履歴データは、不連続性データを備える、請求項２２に記載の方法。