车辆不确定性共享制造技术

本公开提供了“车辆不确定性共享”。一种计算机，所述计算机包括处理器和存储器，所述存储器包括指令，所述指令待由所述处理器执行以进行以下操作：基于车辆中的传感器数据，确定包括多个对象的对象数据的数据库，对于每个对象，所述对象数据包括对象标识、一个或多个对象属性的测量值以及针对基于所述传感器数据确定的所述对象标识和所述对象属性指定正确对象标识的概率的不确定性，其中所述对象属性包括对象大小、对象形状和对象位置。所述指令包括另外的指令，用于进行以下操作：基于所述数据库确定地图，所述地图包括针对车辆类型的相应位置和对应不确定性；以及基于所述车辆位置和所述车辆类型将所述地图下载到车辆。置和所述车辆类型将所述地图下载到车辆。置和所述车辆类型将所述地图下载到车辆。

【技术实现步骤摘要】
车辆不确定性共享


[0001]本公开总体上涉及车辆传感器。

技术介绍

[0002]车辆可以配备有计算装置、网络、传感器和控制器以获取关于车辆的环境的数据并基于所述数据来操作车辆。车辆传感器可以提供关于在车辆环境中要行驶的路线和要避开的对象的数据。车辆的操作可以依赖于在车辆正在道路上进行操作时获取关于车辆的环境中的对象的准确且及时的数据。

技术实现思路

[0003]车辆可以被配备为以自主模式或乘员驾驶模式操作。半自主或完全自主模式意指其中车辆可以由作为具有传感器和控制器的系统的一部分的计算装置部分地或完全地驾驶的操作模式。车辆可以被占用或未被占用，但是在任何一种情况下，都可以在没有乘员辅助的情况下部分地或完全地驾驶车辆。出于本公开的目的，自主模式被限定为其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者由一个或多个车辆计算机控制的模式；在半自主模式中，车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主模式中，这些都不由计算机控制。
[0004]在车辆中的计算装置可以被编程为获取关于车辆的外部环境的传感器数据并将传感器数据传达到服务器计算机。服务器计算机可以维护数据库，所述数据库包括关于使用传感器数据标识和定位的对象的数据以及关于标识和位置数据的准确性的数据。服务器计算机可以基于所标识对象的真实世界位置来映射准确性数据以形成热点，并在车辆运行时将热点地图数据下载到车辆。服务器计算机可以基于获取传感器数据的车辆类型和获取热点地图数据的环境条件对热点地图数据进行分类，以确保准确性数据与接收下载的热点地图数据的车辆相关。
[0005]本文公开了一种方法，所述方法包括：基于车辆中的传感器数据，确定包括多个对象的对象数据的数据库，对于每个对象，所述对象数据包括相应位置、对象标识、所述对象的物理属性的测量值以及针对所述车辆的类型、针对基于所述传感器数据确定的所述对象标识和所述对象属性指定正确对象标识的概率的不确定性，其中所述物理属性包括对象位置。可以基于包括针对所述车辆类型的所述相应位置和所述对应不确定性的所述数据库来确定地图，并且可以基于车辆位置和所述车辆类型将所述地图下载到车辆。所述车辆中的计算机可以包括车辆计算机处理器和车辆计算机存储器，所述车辆计算机存储器包括可由所述车辆计算机处理器执行以基于所述下载的地图来操作所述车辆的指令。所述对象可以包括车辆和行人中的一者或多者。所述车辆传感器数据可以包括车辆视频传感器数据、车辆激光雷达传感器数据、车辆雷达传感器数据和车辆超声传感器数据中的一者或多者。所述车辆类型可以包括车辆品牌和车辆型号中的一者或多者。
[0006]可以通过将具有相同位置并且由所述相同车辆类型的多个第二车辆所报告的一
个或多个对象的不确定性相结合来确定所述不确定性。可以通过将所述不确定性与包括当日时间、季节和天气条件中的一者或多者的环境条件相结合来确定所述数据库。所述对象数据可以包括所述对象的速度，其中速度包括对象速度和对象方向。可以通过利用深度神经网络处理车辆传感器数据以确定所述对象物理属性、所述对象标识和所述不确定性来确定所述对象数据。可以将所述地图输入到所述深度神经网络以确定所述对象标识、所述对象物理属性和所述不确定性。可以基于所述地图来训练所述深度神经网络。所述地图可以包括一个或多个热点，其中每个热点包括真实世界位置和对应于所述真实世界位置的所述不确定性。所述一个或多个热点可以包括车辆品牌和型号。可以经由服务器数据处理程序和客户端数据处理程序将所述地图下载到所述车辆。
[0007]还公开了一种计算机可读介质，所述计算机可读介质存储用于执行上述方法步骤中的一些或全部的程序指令。还公开了一种被编程用于执行上述方法步骤中的一些或全部的计算机，所述计算机包括计算机设备，所述计算机设备被编程为进行以下操作：基于车辆中的传感器数据，确定包括多个对象的对象数据的数据库，对于每个对象，所述对象数据包括相应位置、对象标识、所述对象的物理属性的测量值以及针对所述车辆的类型、针对基于所述传感器数据确定的所述对象标识和所述对象属性指定正确对象标识的概率的不确定性，其中所述物理属性包括对象位置。可以基于包括针对所述车辆类型的所述相应位置和所述对应不确定性的所述数据库来确定地图，并且可以基于车辆位置和所述车辆类型将所述地图下载到车辆。所述车辆中的计算机可以包括车辆计算机处理器和车辆计算机存储器，所述车辆计算机存储器包括可由所述车辆计算机处理器执行以基于所述下载的地图来操作所述车辆的指令。所述对象可以包括车辆和行人中的一者或多者。所述车辆传感器数据可以包括车辆视频传感器数据、车辆激光雷达传感器数据、车辆雷达传感器数据和车辆超声传感器数据中的一者或多者。所述车辆类型可以包括车辆品牌和车辆型号中的一者或多者。
[0008]所述计算机还可以被配置为通过将具有相同位置并且由所述相同车辆类型的多个第二车辆所报告的一个或多个对象的不确定性相结合来确定所述不确定性。可以通过将所述不确定性与包括当日时间、季节和天气条件中的一者或多者的环境条件相结合来确定所述数据库。所述对象数据可以包括所述对象的速度，其中速度包括对象速度和对象方向。可以通过利用深度神经网络处理车辆传感器数据以确定所述对象物理属性、所述对象标识和所述不确定性来确定所述对象数据。可以将所述地图输入到所述深度神经网络以确定所述对象标识、所述对象物理属性和所述不确定性。可以基于所述地图来训练所述深度神经网络。所述地图可以包括一个或多个热点，其中每个热点包括真实世界位置和对应于所述真实世界位置的所述不确定性。所述一个或多个热点可以包括车辆品牌和型号。可以经由服务器数据处理程序和客户端数据处理程序将所述地图下载到所述车辆。
附图说明
[0009]图1是示例性交通基础设施系统的图示。
[0010]图2是具有传感器的示例性车辆的图示。
[0011]图3是包括车辆对象数据库的示例性系统的图示。
[0012]图4是用于确定车辆热点数据的示例性过程的流程图图示。
[0013]图5是用于基于车辆热点数据来训练车辆感知算法的示例性过程的流程图图示。
具体实施方式
[0014]图1是交通基础设施系统100的图示，所述交通基础设施系统包括可以自主(“自主”本身在本公开中意指“完全自主”)、半自主和乘员驾驶(也称为非自主)模式操作的车辆101。一个或多个车辆101计算装置105可以从传感器110接收关于车辆101的操作的数据。计算装置105可以以自主模式、半自主模式或非自主模式操作车辆101。
[0015]计算装置105包括诸如已知的处理器和存储器。此外，存储器包括一种或多种形式的计算机可读介质，并且存储可由处理器执行的用于执行包括如本文所公开的各种操作的指令。例如，计算装置105可以包括编程以操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆101的加速度)、转向、气候控制、内部灯和/或外部灯等中的一者或多者，以及确定计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，其包括：基于车辆中的传感器数据，确定包括多个对象的对象数据的数据库，对于每个对象，所述对象数据包括对象标识、所述对象的一个或多个属性的测量值以及针对基于所述传感器数据确定的所述对象标识和所述对象属性指定正确对象标识的概率的不确定性，其中所述对象属性包括对象大小、对象形状和对象位置；基于所述数据库确定地图，所述地图包括针对车辆类型的相应位置和对应不确定性；以及基于车辆位置和所述车辆类型将所述地图下载到车辆。2.如权利要求1所述的方法，其还包括所述车辆中的计算机，所述计算机包括车辆计算机处理器和车辆计算机存储器，所述车辆计算机存储器包括可由所述车辆计算机处理器执行以基于所述下载的地图来操作所述车辆的指令。3.如权利要求1所述的方法，其中所述对象包括车辆和行人中的一者或多者。4.如权利要求1所述的方法，其中所述车辆传感器数据包括车辆视频传感器数据、车辆激光雷达传感器数据、车辆雷达传感器数据和车辆超声传感器数据中的一者或多者。5.如权利要求1所述的方法，其中所述车辆类型包括车辆品牌和车辆型号中的一者或多者。6.如权利要求1所述的方法，其还包括通过将具有相同位置并且由所述相同车辆类型的多...

【专利技术属性】
技术研发人员：什里亚莎，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：