使用统计模型的碰撞监测制造技术

用于使用误差模型执行碰撞监测的技术和方法。例如，车辆可以使用一个或多个传感器生成传感器数据。车辆然后可以使用系统来分析传感器数据以便确定与车辆相关联的参数和与另一物体相关联的参数。此外，车辆可以使用与系统相关联的误差模型来处理与车辆相关联的参数，以便确定与车辆相关联的估计位置的分布。车辆还可以使用误差模型来处理与物体相关联的参数以便确定与物体相关联的估计位置的分布。使用估计位置的分布，车辆可以确定车辆和物体之间的碰撞概率。物体之间的碰撞概率。物体之间的碰撞概率。

【技术实现步骤摘要】
【国外来华专利技术】使用统计模型的碰撞监测
[0001]相关申请的交叉引用
[0002]本申请请求以于2019年11月13日提交的题为“使用统计模型的碰撞监测(COLLISION MONITORING USING STATISTIC MODELS)”的美国专利申请第16/682,971号、以及于2019年11月13日提交的题为“使用系统数据的碰撞监测(COLLISION MONITORING USING SYSTEM DATA)”的美国专利申请第16/683,005号为优先权，其全部内容通过引用并入本文。

技术介绍

[0003]自动驾驶车辆可以使用自动驾驶车辆控制器来引导自动驾驶车辆通过环境。例如，自动驾驶车辆控制器可以使用规划方法、装置和系统来确定行驶路径并引导自动驾驶车辆通过环境，该环境包含动态物体(例如，车辆、行人、动物等)和静态物体(例如，建筑物、招牌、停止的车辆等)。当车辆导航通过环境时，自动驾驶车辆控制器可以将动态物体的预测行为纳入考虑。
附图说明
[0004]以下详细描述是参照附图来加以叙述的。在附图中，附图标记的最左侧数字标识第一次出现该附图标记的附图。在不同附图中使用相同的附图标记表示相似或相同的组件或特征。
[0005]图1是根据本公开的实施例的包括使用误差模型和/或系统数据执行碰撞监测的车辆的环境的示图。
[0006]图2是根据本公开的实施例的车辆使用误差模型分析传感器数据以便确定与物体相关联的估计位置的示例的示图。
[0007]图3是根据本公开的实施例的车辆使用误差模型分析传感器数据以便确定与物体相关联的估计位置的另一示例的示图。
[0008]图4是根据本公开的实施例的车辆分析传感器数据和系统数据以便确定与物体相关联的估计位置的示例的示图。
[0009]图5是根据本公开的实施例的车辆分析传感器数据和系统数据以便确定与物体相关联的估计位置的另一示例的示图。
[0010]图6示出了根据本公开的实施例的说明车辆确定碰撞概率的示例图表。
[0011]图7示出了根据本公开的实施例的至少部分地基于车辆数据和地面真值数据生成误差模型数据。
[0012]图8示出了根据本公开的实施例的至少部分地基于由一个或多个车辆生成的记录数据和地面真值数据生成感知误差模型数据的一个或多个计算设备。
[0013]图9示出了根据本公开的实施例的至少部分地基于车辆数据和地面真值数据生成不确定性数据。
[0014]图10描绘了根据本公开的实施例的用于实现本文描述的技术的示例系统的方框
图。
[0015]图11描绘了根据本公开的实施例的用于使用误差模型执行碰撞监测的示例过程。
[0016]图12描绘了根据本公开的实施例的用于使用误差模型来确定与物体相关联的估计位置的示例过程。
[0017]图13A至图13B描绘了根据本公开的实施例的用于使用不确定性执行碰撞监测的示例过程。
[0018]图14描绘了根据本公开的实施例的用于使用不确定性来确定与物体相关联的估计位置的示例过程。
具体实施方式
[0019]如上所述，自动驾驶车辆可以使用控制器来引导自动驾驶车辆通过环境。例如，控制器可以使用规划方法、设备和系统来确定行驶路径并引导自动驾驶车辆通过环境，该环境包括动态物体(例如，车辆、行人、动物等)和/或静态物体(例如，建筑物、招牌、停止的车辆等)。为了确保乘员和物体的安全，自动驾驶车辆控制器在环境中运行时可以采用安全因子。然而，在至少一些示例中，这样的系统和控制器可以包括无法被检查的复杂系统。尽管存在这样的事实：可能没有用于确定与此类系统和系统相关联的误差或不确定性的方法，此类误差和不确定性对于告知此类车辆在环境中的安全操作可能是必要的。
[0020]因此，本公开针对这样的技术：用于通过确定复杂系统和系统的此类误差和/或不确定性模型来使用误差模型和/或系统数据执行碰撞监测。例如，自动驾驶车辆可以使用误差模型和/或系统不确定性来在以后的时间确定自动驾驶车辆和一个或多个物体两者的估计位置。在一些情况下，估计位置可以包括与自动驾驶车辆和一个或多个物体相关联的概率位置的分布。然后，自动驾驶车辆可以使用估计位置确定自动驾驶车辆与一个或多个物体之间的碰撞概率。至少部分地基于碰撞概率，自动驾驶车辆可以执行一个或多个动作。在至少一些示例中，可以基于根据本文所详细描述的任何技术做出的确定来确定这样的概率。
[0021]有关更多详细信息，自动驾驶车辆可以穿越环境并使用一个或多个传感器生成传感器数据。在一些情况下，传感器数据可以包括由传感器捕获的数据，该传感器例如为飞行时间传感器、位置传感器(例如，GPS、指南针等)、惯性传感器(例如，惯性测量单元(IMU)、加速度计、磁力计、陀螺仪等)、激光雷达传感器、雷达传感器、声纳传感器、红外传感器、摄像机(例如，RGB、IR、强度、深度等)、麦克风传感器、环境传感器(例如，温度传感器、湿度传感器、光传感器、压力传感器等)、超声波转换器、车轮编码器等。然后，自动驾驶车辆可以在导航通过环境时使用一个或多个组件(例如，一个或多个系统)来分析传感器数据。
[0022]例如，自动驾驶车辆的组件中的一个或多个组件可以使用传感器数据来生成自动驾驶车辆的轨迹。在一些情况下，一个或多个组件还可以使用传感器数据来确定与自动驾驶车辆的位置相关联的姿势数据。例如，一个或多个组件可以使用传感器数据来确定车辆在环境中的位置数据、坐标数据和/或方位数据。在一些情况下，姿势数据可以包括x
‑
y
‑
z坐标和/或可以包括与车辆相关联的俯仰(pitch)、滚动(roll)和偏航(yaw)数据。
[0023]此外，自动驾驶车辆的一个或多个组件可以使用传感器数据来执行操作，例如，检测、识别、分割、分类和/或追踪环境内的物体。例如，诸如行人、自行车/自行车骑士、摩托
车/摩托车骑士、公共汽车、有轨电车、卡车、动物和/或其类似物的物体可以存在于环境中。一个或多个组件可以使用传感器数据来确定物体的当前位置以及物体在未来时间(例如，未来一秒、未来五秒等)的估计位置。
[0024]然后，自动驾驶车辆可以使用自动驾驶车辆的轨迹以及物体的估计位置来确定自动驾驶车辆和物体之间的碰撞概率。例如，自动驾驶车辆可以确定物体在未来时间的估计位置是否与自动驾驶车辆在未来时间沿着轨迹的位置相交。为了提高安全性，自动驾驶车辆可以在做出决定时使用距离和/或时间缓冲。例如，当物体在未来时间的位置在与自动驾驶车辆的位置的阈值距离(例如，距离缓冲)内时，自动驾驶车辆可以确定存在着高碰撞概率。
[0025]此外，自动驾驶车辆可以使用与组件相关联的误差模型和/或与组件的输出相关联的不确定性来确定碰撞概率。与组件相关联的误差模型可以表示与组件的输出相关联的一个或多个误差和/或误差百分比。例如，感知误差模型可以产生与感知组件的感知参数(例如，输出)相关联的感知误差，预测误差模型可以产生与来自预测组件的预测参数(例如，输出)相关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种自动驾驶车辆，包括：一个或多个传感器；一个或多个处理器；以及一种或多种计算机可读介质，其存储指令，所述指令当由所述一个或多个处理器执行时，使得所述一个或多个处理器执行操作，所述操作包括：从所述一个或多个传感器获取传感器数据；至少部分地基于所述传感器数据的第一部分，确定所述自动驾驶车辆在未来时间的估计位置；至少部分地基于所述自动驾驶车辆的系统和所述传感器数据的第二部分，确定物体在所述未来时间的估计位置；至少部分地基于误差模型和所述物体的估计位置，确定与所述物体相关联的估计位置的分布，所述误差模型表示与所述系统相关联的误差概率；至少部分地基于所述自动驾驶车辆的估计位置以及与所述物体相关联的所述估计位置的分布，确定所述自动驾驶车辆和所述物体之间的碰撞概率；并且至少部分地基于所述碰撞概率，使得所述自动驾驶车辆执行一个或多个动作。2.根据权利要求1所述的自动驾驶车辆，所述操作还包括从一个或多个计算设备接收所述误差模型，所述误差模型是至少使用由一个或多个车辆生成的传感器数据来生成的。3.根据权利要求1或2所述的自动驾驶车辆，所述操作还包括：至少部分地基于附加误差模型和所述车辆的估计位置，确定与所述自动驾驶车辆相关联的估计位置的分布；并且其中，确定所述自动驾驶车辆和所述物体之间的所述碰撞概率至少包括：确定与所述自动驾驶车辆相关联的所述估计位置的分布和与所述物体相关联的所述估计位置的分布之间的重叠量；并且至少部分地基于所述重叠量，确定所述碰撞概率。4.根据权利要求1
‑
3中任一项所述的自动驾驶车辆，其中：至少部分地基于所述自动驾驶车辆的附加系统，进一步确定所述物体在所述未来时间的所述估计位置；并且至少部分地基于附加误差模型，进一步确定所述估计位置的分布，所述附加误差模型表示与所述附加系统相关联的误差分布。5.一种方法，包括：从车辆的一个或多个传感器接收传感器数据；至少部分地基于所述传感器数据的第一部分，确定在一时间的与所述车辆相关联的估计位置；至少部分地基于所述车辆的系统和所述传感器数据的第二部分，确定与物体相关联的参数；至少部分地基于误差模型和与所述物体相关联的所述参数，确定在所述时间的与所述物体相关联的估计位置，所述误差模型表示与所述系统相关联的误差概率；并且至少部分地基于与所述车辆相关联的所述估计位置和与所述物体相关联的所述估计位置，使得所述车辆执行一个或多个动作。
6.根据权利要求5项所述的方法，还包括从一个或多个计算设备接收所述误差模型，所述误差模型是至少使用由一个或多个车辆生成的传感器数据来生成的。7.根据权利要求5或6所述的方法，其中，所述参数包括以下各项中的至少一项：与所述物体相关联的物体类型；所述物体在环境内的位置；所述物体的速度；或所述物体在所述环境内的行进方向。8.根据权利要求5
‑
7中任一项所述的方法，...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：祖克斯有限公司，
类型：发明
国别省市：