基于車輛行為確定駕駛環(huán)境的改變的制作方法
【專利說明】基于車輛行為確定駕駛環(huán)境的改變
[0001]相關申請的交叉引用
[0002]本申請是2012年9月27日提交的美國專利申請N0.13/628, 905的連續(xù)申請，其公開內(nèi)容以引用方式并入本文。
【背景技術】
[0003]自主車輛可使用各種計算系統(tǒng)來幫助將乘客從一個地點運輸?shù)搅硪坏攸c。另外，自主車輛可能需要來自諸如引航員、駕駛員或乘客的操作者的初始輸入或連續(xù)輸入。例如自動駕駛系統(tǒng)的其它自主系統(tǒng)只有在該系統(tǒng)已被啟用時才可使用，其允許操作者從手動模式(在該模式下由操作者對自主車輛的移動實行高度控制)切換到自主模式(在該模式下自主車輛基本上自己駕駛)到介于二者間的模式。
[0004]自主車輛可配備有各種類型的傳感器，以便檢測其環(huán)境中的對象。例如，自主車輛可包括從自主車輛的環(huán)境掃描并記錄數(shù)據(jù)的諸如激光、聲納、雷達、相機的傳感器以及其它傳感器。來自這些傳感器中的一個或多個的傳感器數(shù)據(jù)可用于檢測對象及其相應特性(位置、形狀、方向、速度等)。這種檢測和識別是自主車輛的安全操作的關鍵功能。
[0005]為了對環(huán)境信賴且精確地導航，自主車輛可依賴于先前存儲的環(huán)境(例如，道路、高速路等)的電子表示。環(huán)境的電子表示可被視為“地圖”，其識別諸如車道標記、車道邊沿、k_軌道式混凝土護欄、分道線、道路中間隔離帶、交通安全錐標的特征以及其它此類特征。自主車輛可存儲復雜環(huán)境和簡單環(huán)境二者的地圖。
[0006]然而，有時候這些先前存儲的地圖可能過時或不正確。例如，環(huán)境中可能存在施工或者道路上發(fā)生事故。結(jié)果，道路的車道可能相對于它們在先前存儲的地圖中先前指示的位置發(fā)生移位。在這些情況下，自主車輛必須能夠識別道路中何時發(fā)生這些改變。

【發(fā)明內(nèi)容】

[0007]公開了一種設備和方法。在一個實施例中，所述設備包括:傳感器，其被配置為檢測駕駛環(huán)境中的第一車輛；以及計算機可讀存儲器，其存儲駕駛環(huán)境的詳細地圖信息以及所述第一車輛的第一狀態(tài)信息，所述詳細地圖信息包括關于所述第一車輛行駛的道路的信息，所述第一狀態(tài)信息識別所述第一車輛的位置、速度或行駛方向中的至少一個。所述設備還可包括與所述計算機可讀存儲器和所述傳感器通信的處理器。所述處理器可被配置為從所述傳感器接收傳感器信息，所述傳感器信息基于檢測到所述駕駛環(huán)境中的所述第一車輛；基于所接收的傳感器信息確定所述第一狀態(tài)信息；基于所述第一狀態(tài)信息確定第一軌跡；基于所述詳細地圖信息確定預期軌跡；以及通過將所確定的預期軌跡與所確定的第一軌跡進行比較來確定所述駕駛環(huán)境已改變。
[0008]在所述設備的另一實施例中，所述處理器還被配置為通過將所確定的預期軌跡與所確定的第一軌跡進行比較來確定偏離度量值，其中，當所述偏離度量值超過偏離度量閾值時，所述處理器確定所述駕駛環(huán)境已改變。
[0009]在所述設備的另一實施例中，所確定的偏離度量值包括表示所確定的第一軌跡與所確定的預期軌跡之間的最大差異的最大偏離度量值。
[0010]在所述設備的另一實施例中，所確定的偏離度量值包括平均帶符號偏離度量值，所述平均帶符號偏離度量值表示所確定的第一軌跡與所確定的預期軌跡之間的差異的大小和方向。
[0011]在所述設備的另一實施例中，所確定的第一軌跡包括平均軌跡，所述平均軌跡在預定時間段上取平均。
[0012]在所述設備的另一實施例中，所確定的預期軌跡基于與所述詳細地圖信息相對應的道路的中心線。
[0013]在所述設備的另一實施例中，所述計算機可讀存儲器還存儲:概率模型，其基于從所確定的第一軌跡與所確定的預期軌跡的比較而確定的至少一個偏離度量值來限定所述駕駛環(huán)境相對于所述詳細地圖信息改變的概率；以及概率函數(shù)，其基于所述概率模型來確定所述駕駛環(huán)境相對于所述詳細地圖信息改變的概率。另外，所述處理器還可被配置為基于所述概率函數(shù)來確定所述駕駛環(huán)境相對于所述詳細地圖信息改變的概率。
[0014]在所述設備的另一實施例中，所述概率模型是多個概率模型中的一個，并且所述處理器還可被配置為基于第一地理位置從所述多個概率模型選擇概率模型。
[0015]在所述設備的另一實施例中，所確定的第一軌跡包括多個軌跡，所述多個軌跡中的每一個軌跡對應于所述駕駛環(huán)境中的一個車輛，并且所述處理器還可被配置為基于至少一個合并因素將所述多個軌跡合并為所確定的第一軌跡。
[0016]在所述設備的另一實施例中，所述處理器還可被配置為:確定所述多個軌跡的合并軌跡質(zhì)量值，所述合并軌跡質(zhì)量值表示所確定的第一軌跡的質(zhì)量；并且基于所確定的合并軌跡質(zhì)量值確定所述駕駛環(huán)境相對于所述詳細地圖信息改變的概率。
[0017]在所述方法的一個實施例中，所述方法可包括:利用自主車輛的傳感器來檢測駕駛環(huán)境中的第一車輛；以及利用與所述傳感器通信的處理器來接收基于檢測到所述駕駛環(huán)境中的所述第一車輛的傳感器信息。所述方法還可包括利用所述處理器來基于所接收的傳感器信息確定第一狀態(tài)信息，所述第一狀態(tài)信息識別所述第一車輛的位置、速度或行駛方向中的至少一個。所述方法還可包括利用所述處理器來基于所述第一狀態(tài)信息確定第一軌跡；以及利用所述處理器來基于詳細地圖信息確定預期軌跡，所述詳細地圖信息包括關于所述第一車輛所行駛的所述駕駛環(huán)境的信息。所述方法還可包括利用所述處理器，通過將所確定的預期軌跡與所確定的第一軌跡進行比較來確定所述駕駛環(huán)境已改變。
[0018]在所述方法的另一實施例中，所述方法可包括:利用所述處理器，通過將所確定的預期軌跡與所確定的第一軌跡進行比較來確定偏離度量值；以及當所述偏離度量值超過偏離度量閾值時利用所述處理器來確定所述駕駛環(huán)境已改變。
[0019]在所述方法的另一實施例中，所確定的偏離度量值包括表示所確定的第一軌跡與所確定的預期軌跡之間的最大差異的最大偏離度量值。
[0020]在所述方法的另一實施例中，所確定的偏離度量值包括平均帶符號偏離度量值，所述平均帶符號偏離度量值表示所確定的第一軌跡與所確定的預期軌跡之間的差異的大小和方向。
[0021]在所述方法的另一實施例中，所確定的第一軌跡包括平均軌跡，所述平均軌跡在預定時間段上取平均。
[0022]在所述方法的另一實施例中，所確定的預期軌跡基于與所述詳細地圖信息相對應的道路的中心線。
[0023]在所述方法的另一實施例中，所述方法包括利用所述處理器基于概率函數(shù)來確定所述駕駛環(huán)境相對于所述詳細地圖信息已改變的概率，其中，所述概率函數(shù)基于概率模型來確定所述駕駛環(huán)境相對于所述詳細地圖信息已改變的概率，并且所述概率模型基于從所確定的第一軌跡與所確定的預期軌跡的比較而確定的至少一個偏離度量值來限定所述駕駛環(huán)境相對于所述詳細地圖信息已改變的概率。
[0024]在所述方法的另一實施例中，所述概率模型是多個概率模型中的一個，并且所述方法還包括利用所述處理器基于第一地理位置從所述多個概率模型選擇概率模型。
[0025]在所述方法的另一實施例中，所確定的第一軌跡包括多個軌跡，所述多個軌跡中的每一個軌跡對應于所述駕駛環(huán)境中的一個車輛。所述方法還可包括利用所述處理器基于至少一個合并因素將所述多個軌跡合并為所確定的第一軌跡。
[0026]在所述方法的另一實施例中，所述方法可包括:利用所述處理器來確定所述多個軌跡的合并軌跡質(zhì)量值，所述合并軌跡質(zhì)量值表示所確定的第一軌跡的質(zhì)量；以及利用所述處理器基于所確定的合并軌跡質(zhì)量值來確定所述駕駛環(huán)境相對于所述詳細地圖信息已改變的概率。
【附圖說明】
[0027]附圖并非旨在按比例繪制。在附圖中，示出于各個圖中的每個相同或接近相同的組件由相似的標號來表示。為了清晰起見，在每一個附圖中可能沒有標記每一個組件。附圖中:
[0028]圖1示出根據(jù)本公開的多方面的基于跟蹤一個或多個車輛來確定駕駛環(huán)境是否已改變的自主車輛的示例。
[0029]圖2示出根據(jù)本公開的多方面的自主車輛的內(nèi)部的示例。
[0030]圖3示出根據(jù)本公開的多方面的自主車輛上的一個或多個傳感器的置放的示例。
[0031]圖4A-4D示出根據(jù)本公開的多方面的自主車輛上的各種傳感器的近似傳感器場的各種視圖。
[0032]圖5示出依據(jù)本公開的多方面的可由自主車輛存儲的詳細地圖信息的示例。
[0033]圖6示出根據(jù)本公開的多方面的檢測駕駛環(huán)境中的一個或多個車輛的自主車輛的示例。
[0034]圖7示出根據(jù)本公開的多方面的確定駕駛環(huán)境中的被檢測車輛的軌跡的自主車輛的示例。
[0035]圖8A-8B示出根據(jù)本公開的多方面的利用軌跡來確定駕駛環(huán)境是否已改變的示例。
[0036]圖9示出根據(jù)本公開的多方面的檢測駕駛環(huán)境中的一個或多個車輛的自主車輛的另一不例。
[0037]圖10示出根據(jù)本公開的多方面的對從圖9檢測的一個或多個車輛的確定的軌跡進行比較的自主車輛的示例。
[0038]圖11示出根據(jù)本公開的多方面的對從圖9檢測的一個或多個車輛的合并軌跡進行比較的自主車輛的示例。
[0039]圖12示出根據(jù)本公開的多方面的基于一個或多個被檢測車輛來確定駕駛環(huán)境是否已改變的邏輯流程的第一示例。
[0040]圖13示出根據(jù)本公開的多方面的基于一個或多個被檢測車輛來確定駕駛環(huán)境是否已改變的邏輯流程的第二示例。
【具體實施方式】
[0041]本公開提供了用于確定先前存儲的地圖何時不準確的系統(tǒng)和方法。具體地，本公開提供了一種自主車輛，其評估駕駛環(huán)境(例如，道路、高速路、公園路、街道等)中的一個或多個被檢測車輛的行為以確定自主車輛所存儲的駕駛環(huán)境的地圖何時或者是否準確。
[0042]在一個實施例中，自主車輛可監(jiān)視并跟蹤駕駛環(huán)境中的一個或多個車輛的位置并且確定所述一個或多個車輛的軌跡。利用地圖差異(discrepancy)算法，自主車輛然后可比較確定的車輛軌跡與基于先前存儲的地圖中識別的車道的預期車輛軌跡。當自主車輛觀察到一個或多個車輛以與基于先前存儲的地圖的預期行為不匹配的方式一致地移動時，自主車輛可識別出地圖不再可靠(即不準確)。
[0043]例如，在施工區(qū)域，駕駛環(huán)境中的車道可移位以適應施工作業(yè)。在此示例中，車流可基于新建立的臨時車道向右或向左移位，各種車輛的軌跡可能不再遵循駕駛環(huán)境的先前車道(即，存儲在自主車輛的地圖中的車道)。當自主車輛觀察并識別出車流移位(例如，通過監(jiān)視車輛軌跡的一致變化)時，自主車輛可斷定先前存儲的地圖不準確。當自主車輛識別出先前存儲的地圖不準確時，自主車輛可停止依賴于其先前存儲的地圖信息。相反，自主車輛可依賴于另一機制來操縱通過改變的駕駛環(huán)境，例如通過從地圖提供商服務器檢索地圖或者請求自主車輛中的乘客來控制。
[0044]圖1示出基于確定的被檢測車輛的軌跡來確定駕駛環(huán)境是否已改變的設備102。在一個實施例中，所述設備可包括自主車輛104。自主車輛104可被配置為在沒有人駕駛員的幫助的情況下自主地操作，例如駕駛。此外，自主車輛104可被配置為在自主車輛104自主操作的同時檢測各種車輛并且確定被檢測車輛的軌跡。
[0045]盡管本公開的某些方面結(jié)合特定類型的車輛尤其有用，但是自主車輛104可以是任何類型的車輛，包括(但不限于)汽車、卡車、摩托車、公共汽車、船只、飛機、直升機、剪草機、休閑車、游樂園車輛、農(nóng)機具、施工設備、有軌電車、高爾夫球車、火車和手推車。
[0