用于控制车辆的设备和方法技术

提供一种确定驾驶环境相对于先前存储的关于驾驶环境的信息是否已改变的方法和设备。该设备可包括自主驾驶计算机系统(144)，其被配置为检测驾驶环境中的一个或多个车辆(604‑610)，并且确定那些被检测车辆的对应轨迹(704‑710)。自主驾驶计算机系统(144)然后可将确定的轨迹(704‑710)与驾驶环境中的假想车辆的预期轨迹进行比较。基于该比较，自主驾驶计算机系统(144)可相对于先前存储的关于驾驶环境的信息来确定驾驶环境是否已改变和/或驾驶环境已改变的概率。

【技术实现步骤摘要】
【国外来华专利技术】【专利说明】基于车辆行为确定驾驶环境的改变相关申请的交叉引用本申请是2012年9月27日提交的美国专利申请N0.13/628, 905的连续申请，其公开内容以引用方式并入本文。
技术介绍
自主车辆可使用各种计算系统来帮助将乘客从一个地点运输到另一地点。另外，自主车辆可能需要来自诸如引航员、驾驶员或乘客的操作者的初始输入或连续输入。例如自动驾驶系统的其它自主系统只有在该系统已被启用时才可使用，其允许操作者从手动模式(在该模式下由操作者对自主车辆的移动实行高度控制)切换到自主模式(在该模式下自主车辆基本上自己驾驶)到介于二者间的模式。自主车辆可配备有各种类型的传感器，以便检测其环境中的对象。例如，自主车辆可包括从自主车辆的环境扫描并记录数据的诸如激光、声纳、雷达、相机的传感器以及其它传感器。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆的安全操作的关键功能。为了对环境信赖且精确地导航，自主车辆可依赖于先前存储的环境(例如，道路、高速路等)的电子表示。环境的电子表示可被视为“地图”，其识别诸如车道标记、车道边沿、k_轨道式混凝土护栏、分道线、道路中间隔离带、交通安全锥标的特征以及其它此类特征。自主车辆可存储复杂环境和简单环境二者的地图。然而，有时候这些先前存储的地图可能过时或不正确。例如，环境中可能存在施工或者道路上发生事故。结果，道路的车道可能相对于它们在先前存储的地图中先前指示的位置发生移位。在这些情况下，自主车辆必须能够识别道路中何时发生这些改变。
技术实现思路
公开了一种设备和方法。在一个实施例中，所述设备包括:传感器，其被配置为检测驾驶环境中的第一车辆；以及计算机可读存储器，其存储驾驶环境的详细地图信息以及所述第一车辆的第一状态信息，所述详细地图信息包括关于所述第一车辆行驶的道路的信息，所述第一状态信息识别所述第一车辆的位置、速度或行驶方向中的至少一个。所述设备还可包括与所述计算机可读存储器和所述传感器通信的处理器。所述处理器可被配置为从所述传感器接收传感器信息，所述传感器信息基于检测到所述驾驶环境中的所述第一车辆；基于所接收的传感器信息确定所述第一状态信息；基于所述第一状态信息确定第一轨迹；基于所述详细地图信息确定预期轨迹；以及通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定所述驾驶环境已改变。在所述设备的另一实施例中，所述处理器还被配置为通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定偏离度量值，其中，当所述偏离度量值超过偏离度量阈值时，所述处理器确定所述驾驶环境已改变。在所述设备的另一实施例中，所确定的偏离度量值包括表示所确定的第一轨迹与所确定的预期轨迹之间的最大差异的最大偏离度量值。在所述设备的另一实施例中，所确定的偏离度量值包括平均带符号偏离度量值，所述平均带符号偏离度量值表示所确定的第一轨迹与所确定的预期轨迹之间的差异的大小和方向。在所述设备的另一实施例中，所确定的第一轨迹包括平均轨迹，所述平均轨迹在预定时间段上取平均。在所述设备的另一实施例中，所确定的预期轨迹基于与所述详细地图信息相对应的道路的中心线。在所述设备的另一实施例中，所述计算机可读存储器还存储:概率模型，其基于从所确定的第一轨迹与所确定的预期轨迹的比较而确定的至少一个偏离度量值来限定所述驾驶环境相对于所述详细地图信息改变的概率；以及概率函数，其基于所述概率模型来确定所述驾驶环境相对于所述详细地图信息改变的概率。另外，所述处理器还可被配置为基于所述概率函数来确定所述驾驶环境相对于所述详细地图信息改变的概率。在所述设备的另一实施例中，所述概率模型是多个概率模型中的一个，并且所述处理器还可被配置为基于第一地理位置从所述多个概率模型选择概率模型。在所述设备的另一实施例中，所确定的第一轨迹包括多个轨迹，所述多个轨迹中的每一个轨迹对应于所述驾驶环境中的一个车辆，并且所述处理器还可被配置为基于至少一个合并因素将所述多个轨迹合并为所确定的第一轨迹。在所述设备的另一实施例中，所述处理器还可被配置为:确定所述多个轨迹的合并轨迹质量值，所述合并轨迹质量值表示所确定的第一轨迹的质量；并且基于所确定的合并轨迹质量值确定所述驾驶环境相对于所述详细地图信息改变的概率。在所述方法的一个实施例中，所述方法可包括:利用自主车辆的传感器来检测驾驶环境中的第一车辆；以及利用与所述传感器通信的处理器来接收基于检测到所述驾驶环境中的所述第一车辆的传感器信息。所述方法还可包括利用所述处理器来基于所接收的传感器信息确定第一状态信息，所述第一状态信息识别所述第一车辆的位置、速度或行驶方向中的至少一个。所述方法还可包括利用所述处理器来基于所述第一状态信息确定第一轨迹；以及利用所述处理器来基于详细地图信息确定预期轨迹，所述详细地图信息包括关于所述第一车辆所行驶的所述驾驶环境的信息。所述方法还可包括利用所述处理器，通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定所述驾驶环境已改变。在所述方法的另一实施例中，所述方法可包括:利用所述处理器，通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定偏离度量值；以及当所述偏离度量值超过偏离度量阈值时利用所述处理器来确定所述驾驶环境已改变。在所述方法的另一实施例中，所确定的偏离度量值包括表示所确定的第一轨迹与所确定的预期轨迹之间的最大差异的最大偏离度量值。在所述方法的另一实施例中，所确定的偏离度量值包括平均带符号偏离度量值，所述平均带符号偏离度量值表示所确定的第一轨迹与所确定的预期轨迹之间的差异的大小和方向。在所述方法的另一实施例中，所确定的第一轨迹包括平均轨迹，所述平均轨迹在预定时间段上取平均。在所述方法的另一实施例中，所确定的预期轨迹基于与所述详细地图信息相对应的道路的中心线。在所述方法的另一实施例中，所述方法包括利用所述处理器基于概率函数来确定所述驾驶环境相对于所述详细地图信息已改变的概率，其中，所述概率函数基于概率模型来确定所述驾驶环境相对于所述详细地图信息已改变的概率，并且所述概率模型基于从所确定的第一轨迹与所确定的预期轨迹的比较而确定的至少一个偏离度量值来限定所述驾驶环境相对于所述详细地图信息已改变的概率。在所述方法的另一实施例中，所述概率模型是多个概率模型中的一个，并且所述方法还包括利用所述处理器基于第一地理位置从所述多个概率模型选择概率模型。在所述方法的另一实施例中，所确定的第一轨迹包括多个轨迹，所述多个轨迹中的每一个轨迹对应于所述驾驶环境中的一个车辆。所述方法还可包括利用所述处理器基于至少一个合并因素将所述多个轨迹合并为所确定的第一轨迹。在所述方法的另一实施例中，所述方法可包括:利用所述处理器来确定所述多个轨迹的合并轨迹质量值，所述合并轨迹质量值表示所确定的第一轨迹的质量；以及利用所述处理器基于所确定的合并轨迹质量值来确定所述驾驶环境相对于所述详细地图信息已改变的概率。【附图说明】附图并非旨在按比例绘制。在附图中，示出于各个图中的每个相同或接近相同的组件由相似的标号来表示。为了清晰起见，在每一个附图中可能没有标记每一个组件。附图中:图1示出根据本公开的多方面的基于跟踪一个或多个车辆来确定驾驶环境是否已改变的自主车辆的示本文档来自技高网...

【技术保护点】
一种设备，包括：传感器，所述传感器被配置为检测驾驶环境中的第一车辆；计算机可读存储器，所述计算机可读存储器存储：驾驶环境的详细地图信息，所述详细地图信息包括关于所述第一车辆行驶的道路的信息；以及所述第一车辆的第一状态信息，所述第一状态信息识别所述第一车辆的位置、速度或行使方向中的至少一个；以及与所述计算机可读存储器和所述传感器通信的处理器，所述处理器被配置为：从所述传感器接收传感器信息，所述传感器信息基于已检测到所述驾驶环境中的所述第一车辆；基于所接收的传感器信息来确定所述第一状态信息；基于所述第一状态信息来确定第一轨迹；基于所述详细地图信息来确定预期轨迹；以及通过将所确定的预期轨迹与所确定的第一轨迹进行比较来确定所述驾驶环境已改变。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：戴维·I·弗古森，
申请(专利权)人：谷歌公司，
类型：发明
国别省市：美国;US