光检测和测距与视觉车辆感测制造技术

一种计算机被编程用于识别红外图像中的车辆，基于红外图像确定车辆的车身类型，并且至少基于所确定的车身类型来预测一个或多个车辆元件的坐标。此外，该计算机还被编程用于执行多个LIDAR传感器扫描，并且基于LIDAR传感器扫描来确定车辆元件是否处于预测坐标。

【技术实现步骤摘要】
光检测和测距与视觉车辆感测
本专利技术大体上涉及车辆感测，以及更具体地涉及一种光检测和测距与视觉车辆感测方法。
技术介绍
自主车辆在没有用户干预的情况下可以基于来自计算机控制器的指令进行操作。例如，自主车辆的转向、加速、和制动中的每个都通常取决于由一个或多个车辆检测传感器提供的数据，包括关于与自主车辆共享道路的其他车辆的数据。自主车辆可以配备有各种类型的车辆检测传感器。可以通过组合来自各种类型的车辆检测传感器的数据来改进自主车辆的操作。
技术实现思路
根据本专利技术，提供一种计算机，该计算机被编程用于：识别红外图像中的车辆；基于红外图像来确定车辆的车身类型；至少基于所确定的车身类型来预测一个或多个车辆元件的坐标；执行多个LIDAR传感器扫描；和基于LIDAR传感器扫描，确定车辆元件是否处于预测坐标。根据本专利技术的一个实施例，该计算机还被编程用于至少部分地基于从红外图像确定的所识别的车辆的形状来确定车辆的车身类型，其中形状包括车辆高度、车辆长度、车辆宽度和车辆元件之间的距离中的至少一个。根据本专利技术的一个实施例，其中车辆的车身类型是敞篷车、小型汽车、中型轿车、全尺寸轿车、多用途运动车、小型货车、厢型车、以及皮卡车中的一种。根据本专利技术的一个实施例，其中一个或多个车辆元件包括前挡风玻璃、前车灯、车窗、后车灯、车柱，轮拱和车轮。根据本专利技术的一个实施例，该计算机还被编程用于：接收两个或更多个红外图像；至少部分地基于接收到的两个或更多个红外图像来识别所识别的车辆的移动方向；和进一步基于所识别的移动方向来预测一个或多个车辆元件的坐标。根据本专利技术的一个实施例，该计算机还被编程用于：基于红外图像来推断所识别的车辆的尺寸；和进一步基于所推断的尺寸和与所识别的车身类型相关联的尺寸来预测一个或多个车辆元件的坐标。根据本专利技术的一个实施例，该计算机还被编程用于：预测一个或多个车辆元件中的一个的尺寸；和基于LIDAR传感器扫描，确定一个或多个车辆元件中的每个是否具有与其预测尺寸相匹配的尺寸。根据本专利技术的一个实施例，该计算机还被编程用于：至少部分地基于所确定的车身类型来预测两个车辆元件之间的距离；和基于LIDAR传感器扫描，进一步确定两个车辆元件是否处于距彼此的预测距离。根据本专利技术的一个实施例，该计算机还被编程用于：基于红外图像来预测所识别的车辆相对于主车辆的方位；和进一步基于所识别的车辆相对于主车辆的预测方位来预测所识别的车辆的一个或多个车辆元件的坐标。根据本专利技术的一个实施例，该计算机还被编程用于：至少部分地基于所识别的车辆的一个或多个车辆元件的预测坐标来确定扫描区域；和通过以下方式来执行多个LIDAR传感器扫描：将LIDAR光束传输到所确定的扫描区域；和接收所传输的LIDAR光束的反射。根据本专利技术的一个实施例，该计算机还被编程用于至少通过以下方式接收所传输的LIDAR光束的反射：从透明车辆元件接收第一反射；和从不透明车辆元件接收第二反射。根据本专利技术的一个实施例，该计算机还被编程用于通过至少部分地基于第一反射和第二反射检测透明车辆元件的尺寸来确定车辆元件是否处于预测坐标。根据本专利技术的一个实施例，该计算机还被编程用于：当确定车辆元件处于预测坐标时，基于预测坐标来操作主车辆。根据本专利技术，提供一种方法，该方法包含：识别红外图像中的车辆；基于红外图像来确定车辆的车身类型；至少基于所确定的车身类型来预测一个或多个车辆元件的坐标；执行多个LIDAR传感器扫描；和基于LIDAR传感器扫描，确定该元件是否处于预测坐标。根据本专利技术的一个实施例，该方法中确定车辆的车身类型至少部分地基于从红外图像确定的所识别的车辆的形状。根据本专利技术的一个实施例，该方法还包含：至少部分地基于所识别的车辆的一个或多个车辆元件的预测坐标来确定扫描区域；和至少通过以下方式来执行多个LIDAR传感器扫描：将LIDAR光束传输到所确定的扫描区域；和接收所传输的LIDAR光束的反射。根据本专利技术的一个实施例，该方法中扫描区域至少包括所识别的车辆的一个或多个车辆元件。根据本专利技术的一个实施例，该方法包含：接收两个或更多个红外图像；至少部分地基于接收到的两个或更多个红外图像来识别所识别的车辆的移动方向；和进一步基于所识别的移动方向来预测一个或多个车辆元件的坐标。根据本专利技术的一个实施例，该方法还包含：基于红外图像来推断所识别的车辆的尺寸；和进一步基于所推断的尺寸和与所识别的车身类型相关联的尺寸来预测一个或多个车辆元件的坐标。根据本专利技术的一个实施例，该方法还包含：至少部分地基于所确定的车身类型来预测两个车辆元件之间的距离；和基于LIDAR传感器扫描，进一步确定两个车辆元件是否处于距彼此的预测距离。附图说明图1是包括红外/LIDAR感测系统的示例性车辆的框图；图2示出了由图1中的车辆的红外传感器拍摄的具有叠加在其上的车辆车身元件的示意图的第二车辆的红外图像；图3是具有叠加在其上的LIDAR传感器扫描的图2的红外图像；图4是基于来自LIDAR和红外传感器的数据来检测车辆的示例性过程的流程图。具体实施方式介绍参考附图，其中相同的附图标记在全部各图中表示相同的部件，主车辆100的计算机110被编程用于识别红外图像中的第二车辆200，并且基于红外图像来确定第二车辆200的车身类型。计算机110被编程用于至少基于所确定的车身类型来预测一个或多个车辆200元件(例如车柱220、保险杠、车窗230等)的坐标，并且然后基于红外数据来执行多个LIDAR(光检测和测距)传感器扫描(sweep)。计算机110还被编程用于然后基于LIDAR传感器扫描来确定该元件是否处于预测坐标。系统元件图1示出了包括计算机110、红外传感器120、(光检测和测距)LIDAR传感器130、以及下文讨论的其它部件的示例性主车辆100。车辆100可以以各种已知方式被提供动力，例如使用电动马达和/或内燃机。为了与其他车辆200(下面讨论)区分开，车辆100在本文中可以被称为“第一”车辆100。计算机110包括诸如已知的处理器和存储器。存储器包括一种或多种形式的计算机可读介质，并且储存可由计算机110执行的用于执行包括如本文所公开的各种操作的指令。计算机110可以以自主或半自主模式操作车辆100。为了本公开的目的，自主模式被定义为：在自主模式下，车辆100的推进、制动和转向中的每个由计算机110控制；在半自主模式下，计算机110控制车辆100推进、制动和转向中的一个或两个。计算机110可以包括用于操作车辆制动、推进(例如，通过控制内燃机、电动马达、混合发动机等中的一个或多个来控制车辆中的加速度)、转向、气候控制，室内和/或室外灯等中的一个或多个，以及用于确定是否以及何时是由计算机110而不是人类操作者控制这种操作的编制程序。计算机110可以包括多于一个处理器，或者例如通过如下文进一步描述的车辆通信总线通信地连接至多于一个处理器，例如用于监测和/或控制各种车辆的控制器(例如，动力传动系统控制器、刹车系统控制器、转向系统控制器等)的包括在车辆中的控制器等。计算机110总体上被设置用于在车辆通信网络上进行通信，例如车辆通信网络包括诸如控制器区域网络(CAN)等的车辆内总线。通过车辆网络，计算机110可以向车辆中的各种装置传输消息和/或从各种装置(例如，本文档来自技高网...

【技术保护点】
一种方法，包含：识别红外图像中的车辆；基于所述红外图像来确定所述车辆的车身类型；至少基于所述所确定的车身类型来预测一个或多个车辆元件的坐标；执行多个LIDAR传感器扫描；和基于所述LIDAR传感器扫描，确定所述元件是否处于所述预测坐标。

【技术特征摘要】
2016.10.20 US 15/298,3891.一种方法，包含：识别红外图像中的车辆；基于所述红外图像来确定所述车辆的车身类型；至少基于所述所确定的车身类型来预测一个或多个车辆元件的坐标；执行多个LIDAR传感器扫描；和基于所述LIDAR传感器扫描，确定所述元件是否处于所述预测坐标。2.根据权利要求1所述的方法，其中确定所述车辆的所述车身类型至少部分地基于从所述红外图像确定的所述所识别的车辆的形状，并且所述形状包括车辆高度、车辆长度、车辆宽度和车辆元件之间的距离中的至少一个。3.根据权利要求1所述的方法，其中所述车辆的所述车身类型是敞篷车、小型汽车、中型轿车、全尺寸轿车、多用途运动车、小型货车、厢型车、以及皮卡车中的一种。4.根据权利要求1所述的方法，其中所述一个或多个车辆元件包括前挡风玻璃、前车灯、车窗、后车灯、车柱、轮拱和车轮。5.根据权利要求1所述的方法，还包含：接收两个或更多个红外图像；至少部分地基于所述接收到的两个或更多个红外图像来识别所述所识别的车辆的移动方向；和进一步基于所述所识别的移动方向来预测所述一个或多个车辆元件的坐标。6.根据权利要求1所述的方法，还包含：基于所述红外图像来推断所述所识别的车辆的尺寸；和进一步基于所述所推断的尺寸和与所述所识别的车身类型相关联的尺寸来预测所述一个或多个车辆元件的坐标。7.根据权利要求1所述的方法，还包含：预测所述一个或多个车辆元件中的一个的尺寸；和基于所述LIDAR传感器扫描，确定所述一个或多个...

【专利技术属性】
技术研发人员：罗德里戈·菲力克斯，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国,US