[go: up one dir, main page]

CN111133398B - 使用雷达技术检测自动驾驶车辆的运动 - Google Patents

使用雷达技术检测自动驾驶车辆的运动 Download PDF

Info

Publication number
CN111133398B
CN111133398B CN201880061745.5A CN201880061745A CN111133398B CN 111133398 B CN111133398 B CN 111133398B CN 201880061745 A CN201880061745 A CN 201880061745A CN 111133398 B CN111133398 B CN 111133398B
Authority
CN
China
Prior art keywords
autonomous vehicle
vehicle
radar
speed
radar data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880061745.5A
Other languages
English (en)
Other versions
CN111133398A (zh
Inventor
T.坎贝尔
L.D.史密斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Waymo LLC
Original Assignee
Waymo LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/713,499 external-priority patent/US10890919B2/en
Priority claimed from US15/713,500 external-priority patent/US10691135B2/en
Application filed by Waymo LLC filed Critical Waymo LLC
Publication of CN111133398A publication Critical patent/CN111133398A/zh
Application granted granted Critical
Publication of CN111133398B publication Critical patent/CN111133398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G01S13/426—Scanning radar, e.g. 3D radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G01S13/874—Combination of several systems for attitude determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G01S13/878—Combination of several spaced transmitters or receivers of known location for determining the position of a transponder or a reflector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93273—Sensor installation details on the top of the vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

描述了与使用雷达技术的车辆运动检测有关的示例。一种示例方法可以由计算系统执行，并且可以涉及从安装在自动驾驶车辆上的至少一个雷达传感器接收代表车辆的环境的雷达数据。该方法可以涉及基于雷达数据，检测环境中存在的至少一个散射体，并确定该至少一个散射体相对于车辆是静止的可能性。该方法可以涉及：响应于可能性至少等于预定义的置信度阈值，基于雷达数据计算车辆的速度，其中，计算速度包括以下之一：确定车辆是静止的指示，以及确定车辆的角速度和线速度。并且该方法可以涉及基于所计算的速度控制车辆。

Description

使用雷达技术检测自动驾驶车辆的运动
相关申请的交叉引用
本申请要求2017年9月22日提交的美国专利申请第15/713,500号和2017年9月22日提交的美国专利申请第15/713,499号的优先权，在此通过引用将其全部内容合并于此。
背景技术
车辆通常用于各种任务，诸如用于整个环境中的人员和货物运输。随着技术的进步，一些车辆配置有使车辆能够以部分或完全自主模式操作的系统。当以部分或完全自主模式操作时，车辆操作的某些或全部导航方面是由车辆控制系统而不是传统的人类驾驶员控制的。车辆的自主操作可能涉及感测车辆的周围环境的系统，以使计算系统能够规划并安全地运行到达期望的目的地的导航路线。
发明内容
在一个方面，本申请描述了一种由被配置为控制自动驾驶车辆的计算系统执行的方法。该方法可以涉及由计算系统从安装在自动驾驶车辆上的至少一个雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据。该方法还可以涉及基于雷达数据，由计算系统检测环境中存在的至少一个散射体(scatterer)。该方法还可以涉及基于雷达数据，由计算系统确定至少一个散射体相对于自动驾驶车辆是静止的可能性。该方法还可以涉及响应于可能性至少等于预定义的置信度阈值，由计算系统基于雷达数据来计算自动驾驶车辆的速度，其中，计算速度包括以下之一：由计算系统确定自动驾驶车辆是静止的指示，以及由计算系统确定自动驾驶车辆的角速度和自动驾驶车辆的线速度。该方法还可以涉及由计算系统基于所计算的速度控制自动驾驶车辆。
在另一方面，本申请描述了一种制品，包括其上存储有指令的非暂时性计算机可读介质，所述指令在由计算系统中的处理器运行时，使计算系统执行操作。操作可以包括从安装在自动驾驶车辆上的至少一个雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据。操作还可以包括基于雷达数据，检测环境中存在的至少一个散射体。操作还可以包括基于雷达数据，确定至少一个散射体相对于自动驾驶车辆是静止的可能性。操作还可以包括响应于可能性至少等于预定义的置信度阈值，基于雷达数据计算自动驾驶车辆的速度，其中，计算速度包括以下之一：确定自动驾驶车辆是静止的指示，以及确定自动驾驶车辆的角速度和自动驾驶车辆的线速度。操作还可以包括基于所计算的速度控制自动驾驶车辆。
在另一方面，本申请描述了一种被配置为控制自动驾驶车辆的计算系统。该计算系统可以包括安装在自动驾驶车辆上的至少一个雷达传感器和被配置为执行操作的处理器。操作可以包括从至少一个雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据。操作还可以包括基于雷达数据，检测环境中存在的至少一个散射体。操作还可以包括基于雷达数据，确定至少一个散射体相对于自动驾驶车辆是静止的可能性。操作还可以包括：响应于可能性至少等于预定义的置信度阈值，基于雷达数据计算自动驾驶车辆的速度，其中，计算速度包括以下之一：确定自动驾驶车辆是静止的指示，以及确定自动驾驶车辆的角速度和自动驾驶车辆的线速度。操作还可以包括基于所计算的速度控制自动驾驶车辆。
在又一方面，提供了一种系统，该系统包括用于从安装在自动驾驶车辆上的至少一个雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据的装置。该系统还可以包括用于基于雷达数据检测环境中存在的至少一个散射体的装置。该系统还可以包括用于基于雷达数据确定至少一个散射体相对于自动驾驶车辆是静止的可能性的装置。该系统还可以包括用于响应于可能性至少等于预定义的置信度阈值，基于雷达数据计算自动驾驶车辆的速度的装置，其中，计算速度包括以下之一：确定自动驾驶车辆是静止的指示，以及确定自动驾驶车辆的角速度和自动驾驶车辆的线速度。并且该系统可以进一步包括用于基于所计算的速度控制自动驾驶车辆的装置。
前述发明内容仅是说明性的，而无意以任何方式进行限制。除了上述说明性方面、实施例和特征之外，通过参考附图和以下详细描述，其他方面、实施例和特征将变得明显。
附图说明
图1是示出示例车辆的功能框图。
图2描绘了车辆的示例物理配置。
图3A示出了包括耦合器的感测系统的框图。
图3B示出了包括耦合器的另一感测系统的框图。
图4A描绘了车辆的物理配置。
图4B描绘了车辆的物理配置。
图5示出了使用雷达系统的车辆的示例场景。
图6示出了使用雷达系统的车辆的示例场景。
图7是根据示例实施方式的方法的流程图。
图8是根据示例实施方式的方法的流程图。
图9描绘了示例计算机程序的示意图。
具体实施方式
本文描述了示例方法和系统。应当理解，词语“示例”、“示例性”和“说明性”在本文中用来表示“用作示例、实例或说明”。本文中描述为“示例”、“示例性”或“说明性”的任何实施方式或特征不一定要被解释为比其他实施方式或特征优选或有利。本文描述的示例实施方式并不意味着是限制性的。容易理解的是，可以以各种不同的配置来布置、替换、组合、分离和设计如本文一般地描述的以及在附图中示出的本公开的各方面，所有这些都在本文被明确地构想。另外，在本公开中，除非另外指定和/或除非特定上下文另外明确指出，否则术语“一个”或“一种”表示至少一个，并且术语“该”表示至少一个。
此外，附图中所示的特定布置不应视为限制性的。应当理解，其他实施方式可以包括更多或更少的给定图中所示的每个元件。此外，一些示出的元件可以被组合或省略。更进一步，示例实施方式可以包括在附图中未示出的元件。
此外，本文所使用的术语“速度”可以指线速度和/或角速度。此外，“速度”可以是标量，诸如速率，或者是矢量，例如速度和角度。
用于车辆的雷达系统可以被配置为感测车辆的环境并捕获车辆周围环境的测量。例如，雷达系统可以测量车辆与在车辆前方导航的另一车辆之间的距离。在某些情况下，车辆的计算系统或远程系统可以使用雷达数据来确定控制操作，诸如路线导航、速度控制和避障。结果，雷达系统可以使车辆能够以部分或完全自主模式操作。例如，示例雷达系统还可以被配置为在一些实施方式中补充车辆的其他传感器系统。在一些实施方式中，雷达系统可以将雷达数据提供给接口，驾驶员可以使用该接口来辅助导航车辆。
在实践中，许多车辆系统可以实现全球定位系统(GPS)、惯性传感器(例如，加速度计和陀螺仪)、车轮速度传感器和/或其他机制来测量车辆的速度。这些机制中的每一个有时可能提供准确的测量，但也可能有各种缺点。例如，车轮速度传感器甚至可能损失少量的牵引和滑移，这可能会对传感器测量的可靠性产生负面影响。因此，会期望实现一种能够以更高的准确度和可靠性来检测车辆与环境之间的相对运动的机制。另外，诸如GPS的系统可能仅具有大约4米的准确度。因此，GPS测量可能无法提供车辆是否停止的准确测量。
因此，本文公开了与使用雷达技术(即，使用至少一个雷达传感器)的车辆速度计算有关的方法和系统。例如，车辆系统可以使用来自两个或更多个雷达传感器的雷达数据来确定环境中哪些对象可能是静止的，然后使用这些对象来计算附接有两个或更多个雷达传感器的车辆的线速度和/或角速度。
作为更具体的示例，车辆系统可以被配置为当车辆在行驶道路上移动时接收从安装在车辆上的两个不同位置(或具有两个不同朝向)的两个或更多个雷达传感器获取的雷达数据。雷达数据可以代表车辆的环境。然后，系统可以使用雷达数据来检测环境中存在的散射体。在本文中，“散射体”可以指当雷达波遇到对象时散射(即反射)雷达波的对象。此外，系统可以被配置为确定散射体相对于车辆是静止的可能性。在一些实施方式中，系统可能能够使用相干变化检测来确定散射体是否正在移动。相干变化检测可以使用滑动窗口并比较来自散射体的回波的相位以确定移动。例如，可以将相干处理间隔(CPI)与另一个CPIi(其中i是滑动窗口的大小)进行比较，以测量来自散射体的相对相位。
如果系统确定散射体是静止的可能性至少等于预定义的置信度阈值，则系统然后可以作为响应基于雷达数据计算车辆的速度。速度可以包括车辆的线速度和/或角速度。
一旦系统已经计算出车辆的速度，则系统可以基于该速度来控制车辆。例如，如果系统确定所计算的角速度满足或超过预定义的阈值，则系统可以使车辆调节其转向角度、减小其线速度和/或减小其角速度。附加地或替代地，如果系统确定所计算的线速度满足或超过预定义的阈值，则系统可以使车辆调节其转向角度、减小其线速度和/或减小其角速度。该系统也可以考虑其他因素来控制车辆。
此外，在实践中，许多车辆系统还可以实现编码器、惯性传感器、GPS和/或其他机制来测量车辆是否静止。在一些情况下，这样的机制可以被配置为响应于该机制已经检测到车辆的测量速度为零和/或响应于该机制已经检测到车辆的测量速度低于预定义的检测阈值(诸如1厘米每秒(cm/s))而输出车辆是静止的。具体地，编码器可以被配置为支持以厘米/秒为单位的运动检测。
然而，这样的机制可能具有多样化的问题。如前所述，例如，GPS可能具有高位置噪声和高等待时间。作为另一个示例，加速度计也可能会展现出下述噪声：即使车辆是静止的，该噪声也可能使捷联惯性导航系统(例如，将传感器绑在车辆上的基于惯性传感器的系统)或其他类型的惯性传感器系统检测运动。
因此，本文进一步公开了与使用雷达技术的车辆运动检测有关的方法和系统。例如，与以上讨论一致，车辆系统可以被配置为接收从安装在车辆上的雷达传感器获取的雷达数据，其中该雷达数据代表车辆的环境。然后，系统可以使用雷达数据来检测环境中存在的散射体。
此外，如上所述，该系统可以被配置为确定散射体相对于车辆是静止的可能性，诸如通过使用多普勒测量来确定。如果系统确定散射体是静止的可能性至少等于预定义的置信度阈值，则系统然后可以确定车辆是静止的指示，然后基于该指示来控制车辆的移动。例如，指示可以采取二进制输出的形式(例如，如果非静止则为“0”，如果静止则为“1”)，并且如果二进制输出指示车辆是静止的，则系统可以将自身配置为忽略其他运动传感器的读数，诸如惯性传感器的读数，但是一旦二进制输出指示车辆不再静止，则可以重新配置自身以考虑惯性传感器的读数。
实际上，在环境中具有阈值高可能性是静止散射体的对象可能会在雷达数据中作为杂波(cluster)出现。因此，本文描述的方法和系统可能与已知的雷达实施方式的不同之处在于，许多已知的雷达实施方式涉及去除或以其他方式忽略出现在雷达数据中的杂波。相比之下，这些方法和系统可以涉及隔离或以其他方式考虑雷达数据中的杂波，并使用杂波作为用于计算车辆的速度和/或确定车辆是否静止的基础。
所描述的方法和系统还可以提供对雷达技术和/或运动感测/测量的其他改进。例如，基于机载的雷达系统可以以低速率和更大的距离(例如，数千或数万米)发送雷达波，以便感测地面上的对象，并且尝试感测地面上的此类对象可能通常会导致锯齿或其他不期望的影响。另外，由于速率低，这种雷达系统可能无法隔离雷达数据中的单个散射体。相比之下，本方法和系统涉及以较高的速率和较短的距离(例如，数百米或更短)发送雷达波，以便感测对象。
具体地，本文中关于基于雷达的车辆运动检测所描述的操作可以促进以更高的准确度、更高的灵敏度和更低的等待时间、以及其他可能的改进进行运动检测。举例来说，这种操作可以促进以毫米每秒为单位的运动检测——即，响应于检测到车辆的测量速度低于大约1毫米每秒(mm/s)的预定义的阈值而输出车辆是静止的——从而提供了约十倍于现有运动检测机制的准确度。
尽管关于雷达系统一般地讨论了本文所述的实施方式，但是应当注意，所讨论的车辆速度计算和/或车辆运动检测操作也可以使用LIDAR系统来执行，作为使用雷达的附加或替代。举例来说，车辆系统可以使用LIDAR数据的至少一帧来检测至少一个散射体，然后确定至少一个散射体是静止的可能性，可能仅考虑LIDAR数据，或者可能考虑LIDAR数据结合其他类型的数据(例如，雷达、图像、地图和/或远程辅助)。例如，车辆系统可以从一个或多个LIDAR传感器接收LIDAR数据的多个帧，并确定在LIDAR数据的被估计为与至少一个散射体相关联的部分中已经发生变化的程度。车辆系统然后可以基于所确定的变化程度与预定义的变化阈值的比较来确定至少一个散射体是否静止。作为另一示例，车辆系统可以使用至少一个混合式LIDAR/多普勒传感器来获取散射体候选的基于LIDAR的多普勒测量，然后以与上述相似的方式使用这些测量以确定各种信息，诸如(i)散射体候选是静止的可能性，(ii)车辆是否静止，和/或(iii)车辆的速度。
现在将更详细地描述本公开的范围内的示例系统。示例系统可以以汽车实现或采用汽车的形式。然而，示例系统也可以以其他载具实现或采取其他载具的形式，诸如轿车、卡车、摩托车、公共汽车、船、飞机、直升机、割草机、推土机、艇、雪地摩托、飞行器、休闲车、娱乐公园车辆、农场设备、建筑设备、电车、高尔夫球车、火车、手推车和机器人设备。其他载具也是可能的。
现在参考附图，图1是示出示例车辆100的功能框图，该示例车辆100可以被配置为完全或部分地以自主模式操作。更具体地，车辆100可以通过从计算系统接收控制指令而在没有人类交互的情况下以自主模式操作。作为以自主模式操作的一部分，车辆100可以使用传感器来检测并可能识别周围环境的对象以能够实现安全导航。在一些实施方式中，车辆100还可以包括使驾驶员能够控制车辆100的操作的子系统。
如图1所示，车辆100可以包括各种子系统，诸如推进系统102、传感器系统104、控制系统106、一个或多个外围设备108、电源110、计算机系统112、数据存储114和用户接口116。在其他示例中，车辆100可以包括更多或更少的子系统，每个子系统可以包括多个元件。车辆100的子系统和组件可以以各种方式互连。另外，本文中描述的车辆100的功能在实施方式中可以被分割为另外的功能或物理组件，或者被组合为更少的功能或物理组件。
推进系统102可以包括可操作以为车辆100提供动力运动的一个或多个组件，并且可以包括发动机/电动机118、能量源119、变速器120和车轮/轮胎121、以及其他可能的组件。例如，发动机/电动机118可以被配置为将能量源119转换成机械能，并且可以对应于内燃发动机、电动机、蒸汽发动机或斯特林发动机中的一种或组合，以及其他可能的选择。例如，在一些实施方式中，推进系统102可以包括多种类型的发动机和/或电动机，诸如汽油发动机和电动机。
能量源119代表可以全部或部分为车辆100的一个或多个系统(例如，发动机/电动机118)提供动力的能量的源。例如，能量源119可以对应于汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和/或其他电源。在一些实施方式中，能量源119可以包括燃料箱、电池、电容器和/或飞轮的组合。
变速器120可以将机械动力从发动机/电动机118传递到车轮/轮胎121和/或车辆100的其他可能的系统。这样，变速器120可以包括齿轮箱、离合器、差速器和驱动轴、以及其他可能的组件。驱动轴可以包括连接至一个或多个车轮/轮胎121的轮轴。
车辆100的车轮/轮胎121在示例实施方式内可以具有各种配置。例如，车辆100可以以单轮、自行车/摩托车、三轮车或轿车/卡车四轮形式、以及其他可能的配置存在。这样，车轮/轮胎121可以以各种方式连接到车辆100，并且可以以诸如金属和橡胶的不同材料存在。
传感器系统104可以包括各种类型的传感器，诸如GPS 122、惯性测量单元(IMU)124、雷达126、激光测距仪/LIDAR 128、相机130、转向传感器123和节气门/制动传感器125、以及其他可能的传感器。在一些实施方式中，传感器系统104还可以包括被配置为监视车辆100的内部系统的传感器(例如，O2监视器、燃料表、发动机油温度、制动器磨损)。
GPS 122可以包括收发器，其可操作以提供关于车辆100相对于地球的位置的信息。IMU 124可以具有使用一个或多个加速度计和/或陀螺仪的配置，并且可以基于惯性加速度来感测车辆100的位置和朝向变化。例如，当车辆100是静止的或处于运动时，IMU 124可以检测车辆100的俯仰和偏航。
雷达126可以表示被配置为使用无线电信号来感测车辆100的局部环境内的对象(包括对象的速度和走向)的一个或多个系统。这样，雷达126可以包括被配置为发送和接收无线电信号的天线。在一些实施方式中，雷达126可以对应于可安装的雷达系统，该可安装的雷达系统被配置为获取车辆100的周围环境的测量结果。
激光测距仪/LIDAR 128可以包括一个或多个激光源、激光扫描仪以及一个或多个检测器、以及其他系统组件，并且可以以相干模式(例如，使用外差检测)或以非相干检测模式进行操作。相机130可以包括被配置为捕获车辆100的环境的图像的一个或多个设备(例如，静态相机或摄像机)。
转向传感器123可以感测车辆100的转向角度，这可以涉及测量方向盘的角度或测量代表方向盘的角度的电信号。在一些实施方式中，转向传感器123可以测量车辆100的车轮的角度，诸如检测车轮相对于车辆100的向前轴线的角度。转向传感器123还可以被配置为测量车辆100的方向的盘角度、代表方向盘的角度的电信号以及车轮的角度的组合(或子集)。
节气门/制动传感器125可以检测车辆100的节气门位置或制动位置的位置。例如，节气门/制动传感器125可以测量加速踏板(gas pedal)(节气门)和制动踏板两者的角度，或者可以测量可以表示例如加速踏板(节气门)的角度和/或制动踏板的角度的电信号。节气门/制动传感器125还可以测量车辆100的节气门体的角度，其可以包括对发动机/电动机118提供能量源119的调制的物理机制(例如，蝶阀或化油器)的一部分。另外，节气门/制动传感器125可以测量车辆100的转子上的一个或多个制动垫的压力，或加速踏板(节气门)和制动踏板的角度、表示加速踏板(节气门)和制动踏板的角度的电信号、节气门体的角度以及至少一个制动垫施加到车辆100的转子的压力的组合(或子集)。在其他实施例中，节气门/制动传感器125可以被配置为测量施加在车辆的踏板(诸如节气门或制动踏板)上的压力。
控制系统106可以包括被配置为辅助导航车辆100的组件，诸如转向单元132、节气门134、制动单元136、传感器融合算法138、计算机视觉系统140、导航/路径系统142和避障系统144。更具体地，转向单元132可操作以调节车辆100的走向，并且节气门134可以控制发动机/电动机118的操作速度以控制车辆100的加速度。制动单元136可以使车辆100减速，这可以涉及使用摩擦来使车轮/轮胎121减速。在一些实施方式中，制动单元136可以将车轮/轮胎121的动能转换成电流，以供车辆100的一个或多个系统随后使用。
传感器融合算法138可以包括卡尔曼滤波器、贝叶斯网络或可以处理来自传感器系统104的数据的其他算法。在一些实施方式中，传感器融合算法138可以基于传入的传感器数据提供评估，诸如个体对象和/或特征的评估、特定情况的评估和/或给定情况下潜在影响的评估。
计算机视觉系统140可以包括可操作以处理和分析图像以试图确定对象、环境对象(例如，停车灯、道路边界等)和障碍物的硬件和软件。这样，计算机视觉系统140可以使用对象识别、运动结构(SFM)、视频跟踪以及计算机视觉中使用的其他算法，例如，以识别对象、绘制(map)环境、跟踪对象、估计对象的速度等等。
导航/路径系统142可以确定车辆100的行驶路径，这可能涉及在操作期间动态地调整导航。这样，导航/路径系统142可以使用来自传感器融合算法138、GPS 122和地图以及其他源的数据来导航车辆100。避障系统144可以基于传感器数据评估潜在障碍物，并使车辆100的系统避开或以其他方式越过潜在障碍物。
如图1所示，车辆100还可以包括外围设备108，诸如无线通信系统146、触摸屏148、麦克风150和/或扬声器152。外围设备108可以提供控件或其他元件以供用户与用户接口116进行交互。例如，触摸屏148可以向车辆100的用户提供信息。用户接口116也可以经由触摸屏148接受来自用户的输入。外围设备108还可以使车辆100与设备(诸如其他车辆设备)进行通信。
无线通信系统146可以直接地或经由通信网络与一个或多个设备进行无线通信。例如，无线通信系统146可以使用诸如CDMA、EVDO、GSM/GPRS的3G蜂窝通信，或者诸如WiMAX或LTE的4G蜂窝通信。替代地，无线通信系统146可以使用WiFiTM或其他可能的连接与无线局域网(WLAN)进行通信。无线通信系统146还可以使用例如红外链路或或直接与设备进行通信。在本公开的上下文中，诸如各种车辆通信系统的其他无线协议也是可能的。例如，无线通信系统146可以包括一个或多个专用的短距离通信(DSRC)设备，其可以包括车辆和/或路边站之间的公共和/或私有数据通信。
车辆100可以包括用于为组件供电的电源110。在一些实施方式中，电源110可以包括可再充电锂离子或铅酸电池。例如，电源110可以包括被配置为提供电力的一个或多个电池。车辆100还可以使用其他类型的电源。在示实施方式中，电源110和能量源119可以被集成到单个能量源中。
车辆100还可以包括计算机系统112以执行操作，诸如本文中描述的操作。这样，计算机系统112可以包括至少一个处理器113(其可以包括至少一个微处理器)，该处理器113可操作为运行存储在非暂时性计算机可读介质(诸如数据存储114)中的指令115。在一些实施方式中，计算机系统112可以表示可以用来以分布式方式控制车辆100的各个组件或子系统的多个计算设备。
在一些实施方式中，数据存储114可以包含可由处理器113运行以运行车辆100的各种功能(包括上文结合图1描述的那些功能)的指令115(例如，程序逻辑)。数据存储114也可以包含附加指令，包括用于向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从中接收数据、与之交互和/或控制的指令。
除了指令115之外，数据存储114还可以存储诸如道路地图、路径信息以及其他信息的数据。在车辆100以自主、半自主和/或手动模式操作期间，车辆100和计算机系统112可以使用这样的信息。
车辆100可以包括用于向车辆100的用户提供信息或从车辆100的用户接收输入的用户接口116。用户接口116可以控制或启用对可以在触摸屏148上显示的交互式图像的布局和/或内容的控制。此外，用户接口116可以包括一组外围设备108中的一个或多个输入/输出设备，诸如无线通信系统146、触摸屏148、麦克风150和扬声器152。
计算机系统112可以基于从各个子系统(例如，推进系统102、传感器系统104和控制系统106)以及从用户接口116接收到的输入来控制车辆100的功能。例如，计算机系统112可以利用来自传感器系统104的输入以便估计由推进系统102和控制系统106产生的输出。根据实施例，计算机系统112可操作以监视车辆100及其子系统的许多方面。在一些实施例中，计算机系统112可以基于从传感器系统104接收的信号来禁用车辆100的一些或全部功能。
车辆100的组件可以被配置为与它们各自系统内或外的其他组件以互连方式工作。例如，在示例实施例中，相机130可以捕获多个图像，所述多个图像可以表示关于以自主模式操作的车辆100的环境状态的信息。环境状态可以包括车辆在其上运转的道路的参数。例如，计算机视觉系统140可能能够基于道路的多个图像来识别斜坡(坡度(grade))或其他特征。另外，GPS122和计算机视觉系统140识别的特征的组合可以与存储在数据存储114中的地图数据一起使用以确定特定的道路参数。此外，雷达单元126还可以提供关于车辆的周围环境的信息。
换句话说，各种传感器(可以称为输入指示传感器和输出指示传感器)的组合和计算机系统112可以相互作用以提供下述指示：被提供以控制车辆的输入的指示或车辆的周围环境的指示。
在一些实施例中，计算机系统112可以基于由除无线电系统之外的系统提供的数据来做出关于各种对象的确定。例如，车辆100可以具有被配置为感测在车辆的视场中的对象的激光器或其他光学传感器。计算机系统112可以使用来自各种传感器的输出来确定关于在车辆的视场中的对象的信息，并且可以确定到各种对象的距离和方向信息。计算机系统112还可基于来自各种传感器的输出来确定对象是期望的还是不期望的。
尽管图1将车辆100的各种组件(即，无线通信系统146、计算机系统112、数据存储114和用户接口116)示出为集成到车辆100中，但是这些组件中的一个或多个可以与车辆100分开安装或相关联。例如，数据存储114可以部分或全部地与车辆100分开存在。因此，可以以可分开定位或一起定位的设备元件的形式提供车辆100。组成车辆100的设备元件可以有线和/或无线的方式通信地耦合在一起。
图2描绘了车辆200的示例物理配置，其可以表示参考图1所述的车辆100的一种可能的物理配置。根据实施例，车辆200可以包括传感器单元202、无线通信系统204、无线电单元206和相机210、以及其他可能的组件。例如，车辆200可以包括图1中描述的组件的一些或全部元件。尽管在图2中将车辆200描绘为轿车，但是车辆200在示例内可以具有其他配置，例如卡车、货车、半挂卡车、摩托车、高尔夫球车、越野车或农用车、以及其他可能的示例。
传感器单元202可以包括被配置为捕获车辆200的周围环境的信息的一个或多个传感器。例如，传感器单元202可以包括相机、雷达、LIDAR、测距仪、无线电设备(例如，和/或802.11)和声学传感器、以及其他可能类型的传感器的任何组合。在一些实施方式中，传感器单元202可以包括可操作以调节传感器单元202中的传感器的朝向的一个或多个可移动支架(mount)。例如，可移动支架可以包括可扫描传感器以便从车辆200周围的每个方向获得信息的旋转平台。传感器单元202的可移动支架还可以在特定的角度和/或方位角范围内以扫描方式移动。
在一些实施方式中，传感器单元202可以包括使得传感器单元202能够被安装在轿车的车顶上的机械结构。另外，在各种示例中，其他安装位置也是可能的。
无线通信系统204可以具有如图2所示的相对于车辆200的位置，但是在实施方式中也可以具有不同的位置。无线通信系统200可以包括可以与其他外部或内部设备进行通信的一个或多个无线发送器和一个或多个接收器。例如，无线通信系统204可以包括一个或多个收发器，用于与用户的设备、其他车辆和道路元素(例如，标志、交通信号)以及其他可能的实体进行通信。这样，车辆200可以包括用于促进通信的一个或多个车辆通信系统，通信诸如专用的短距离通信(DSRC)、射频识别(RFID)以及针对智能运输系统的其他建议的通信标准。
相机210可以具有相对于车辆200的各种位置，诸如在车辆200的前挡风玻璃上的位置。这样，相机210可以捕获车辆200的环境的图像。如图2所示，相机210可以从关于车辆200的前视角度捕获图像，但是在实施方式中，相机210的其他安装位置(包括可移动的支架)和视角也是可能的。在一些示例中，相机210可以对应于一个或多个可见光相机。替代地或附加地，相机210可以包括红外感测能力。相机210还可以包括可提供可调节视场的光学器件。
图3A示出了包括耦合器306的感测系统300的框图。耦合器306可以被配置为将传感器单元304耦合至车辆302。耦合器306可以使传感器单元304可拆卸地耦合至车辆302。在一些示例中，如先前所讨论的，可以将车辆出售为“自动驾驶就绪”。“自动驾驶就绪”车辆可能能够执行自动驾驶功能，但可能缺少一些用于执行自动驾驶功能的传感器。然而，车辆302可以包括耦合器306，该耦合器306允许传感器单元304稍后耦合至车辆302。例如，一个人可以购买“自动驾驶就绪”车辆，并且稍后可以决定购买或租用传感器单元304，以便为该车辆提供自动驾驶功能。在一些示例中，耦合器306可以是通用的、非制造商特定的标准化设计。也就是说，传感器单元304可以耦合到任何制造商的“自动驾驶就绪”的车辆。
在一个示例中，“自动驾驶就绪”车辆302可以包括控制器320，其包括处理器322和存储器324。“自动驾驶就绪”车辆302还可以包括电源326和热单元328。控制器320可以与图1的计算机系统112相似或相同。控制器320可以被配置为通过穿过耦合器306的数据总线330从传感器单元304接收传感器数据。控制器320可能能够至少部分地基于传感器数据来确定用于车辆的自主控制的控制指令。控制器320还可以在存储器324中存储一些数据和/或控制指令。在一些示例中，控制器320可以是可以自己执行所有传感器处理的全功能控制器。
另外，车辆302可以包括电源326。电源326可以与关于图1所述的电源110相似或相同。电源326可以提供向车辆302的各个组件供电的电压(例如12伏)。在某些情况下，电源可以被配置为提供除12伏以外的其他电压。电源可以通过穿过耦合器306的电源总线332耦合到传感器单元304。另外，车辆302可以包括热单元328。热单元328可以是被配置为提供对车辆302的各个组件的冷却的散热器或其他单元。在一些各种示例中，热单元328可以基于空气和/或液体冷却来提供冷却。热单元328可以通过穿过耦合器306的热总线334耦合到传感器单元304。
传感器单元304可以包含位于壳体308中的各种传感器，诸如LIDAR设备310、雷达设备312和其他感测设备314(诸如光学、声学和/或其他感测设备)。壳体308可以被配置为通过耦合器306耦合到车辆302。传感器可以类似于在全文中描述的那些。传感器可以耦合到先前描述的数据总线，该数据总线通过耦合器306将传感器数据传送到车辆302的控制器320。传感器单元还可以包括热交换器316。热交换器316可以被配置为向各种传感器和传感器单元304的组件提供冷却。热交换器316可以使用液体冷却来去除在各种传感器设备的操作期间来自各种传感器设备的热量。例如，LIDAR设备310和/或雷达设备312可在操作期间产生热量。为了保持设备冷却并防止其故障，热交换器316可能能够从设备去除热量。另外，如先前所讨论的，为了从传感器单元304去除累积的热量，热单元328可以通过穿过耦合器306的热总线耦合到传感器单元302。液体、空气或其他物质可能会流过热总线，以从传感器单元去除热量。
图3B示出了包括耦合器356的另一个感测系统350的框图。在一些示例中，“自动驾驶就绪”车辆可能能够执行自动驾驶功能，但是可能缺少用于执行自动驾驶功能的一些传感器以及执行自动驾驶功能的部分处理能力。类似于关于图3A讨论的示例，一个人可以购买“自动驾驶就绪”车辆352。然而，图3B的“自动驾驶就绪”车辆352可以是比图3A的成本更低的车辆。成本更低的“自动驾驶就绪”车辆352可能没有足够的处理能力来进行自动驾驶计算。因此，控制器370可能无法基于传感器数据做出所需的确定以自动驾驶车辆。然而，控制器370和处理器372可能能够执行车辆的一些控制功能。
与图3A的车辆302相似，车辆352可以包括耦合器356，该耦合器356允许其他设备稍后耦合到车辆352。例如，一个人可以购买“自动驾驶就绪”车辆352，稍后决定购买或租用传感器单元304以向车辆提供自动驾驶功能。如前所述，耦合器356可以是通用的、非制造商特定的标准化设计。也就是说，传感器单元304可以耦合到任何制造商的“自动驾驶就绪”车辆。
为了提供自动驾驶车辆控制，感测系统350可以包括转换单元354。转换单元354可以通过耦合器356耦合到车辆352，并且通过耦合器358耦合到传感器单元304。在一些另外的示例中，转换单元354可以集成在传感器单元304内，并且可以省略耦合器358。
转换单元354可以执行若干功能以使车辆352能够执行自动驾驶功能。在一些示例中，转换单元354可以包括处理器362。处理器362可以被配置为从传感器单元的数据总线接收传感器数据。处理器362还可以从车辆352的控制器370接收数据。控制器370可以将与车辆352有关的信号传送到处理器362。控制器370可以处于通信和/或向处理器362提供至车辆352的控制总线的连接。车辆352的总线可以是与车载诊断(OBD)系统通信的控制器局域网络(CAN)总线。CAN总线可以使车辆352的各个单元能够彼此通信。在一些其他示例中，通信总线可以是除CAN总线之外的总线。
处理器362可能能够解释来自传感器单元304的传感器数据和来自车辆352的车辆数据，以确定用于车辆352的自主操作的控制方案。处理器362可能还能够确定用于车辆352的控制信号。处理器362可以将控制信号传送到车辆352的控制器370，以便自主操作车辆352。因此，转换单元354的处理器362可以执行自动驾驶计算，否则其将由车辆的处理单元执行。因此，处理器362可能能够接入车辆的CAN总线(或其他数据总线)以提供自主操作。
转换单元354还可以包含功率转换器364。功率转换器364可能能够将车辆电压转换为一个或多个电压，以为传感器单元304的各个组件供电。功率转换器364可以从车辆352接收一个或多个电压，并将它们转换为到传感器单元304的一个或多个输出电压。
图4A描绘了车辆400的物理配置。车辆400可以具有耦合至车辆顶部的传感器单元402。车辆400还可以具有耦合器404，该耦合器404将传感器单元402和车辆400耦合。图4B描绘了车辆450的物理配置。车辆450可以具有通过第一耦合器454耦合至转换单元456的传感器单元452。转换单元456可以通过耦合器456耦合到车辆450的顶部。
与以上讨论一致，雷达系统可以各种方式布置并且可以包括一个或多个雷达传感器。本文中描述的每个雷达传感器可以在各种位置处耦合到或以其他方式安装在车辆上，包括但不限于车辆的车顶、前灯后面、前灯前面、侧视镜上、挡风玻璃的底部附近、与另一个传感器(例如，耦合到另一个传感器)位于同一位置、在行李箱顶部、发动机盖上、保险杠上、发动机盖装饰上、和/或在牌照附近。在一些实施方式中，给定的雷达传感器可以安装在车辆内部的位置处，诸如车辆的仪表板。下图示出了车辆雷达系统、雷达传感器位置和雷达系统使用的代表性示例。
图5示出了使用雷达系统502的车辆500的示例场景。雷达系统502表示示例车辆雷达系统，诸如图3A中所示的雷达设备312，或图2中示出的传感器单元202中包括的一个或多个雷达传感器。这样，雷达系统502可以包括本文所述的布置成获得周围环境的测量结果的各种组件。
在某些场景中，车辆500可以以自主模式操作。当车辆500导航环境时，雷达系统502可以发送和接收雷达信号，所述雷达信号提供对车辆500附近的周围区域的测量。结果，雷达系统502可以使车辆500的计算系统能够利用雷达数据来确定道路元素(例如路缘、中线)和/或其他对象相对于车辆500的位置的位置。例如，雷达系统502可以捕获并提供检测其他车辆(例如，车辆504)、标志、骑车人、行人、交通信号以及其他可能对象的测量。具体而言，如图5所示，计算系统可以从雷达系统502接收测量结果，该测量结果指示存在位于覆盖相对于车辆500定位的区域的、长距离覆盖区域中的另一车辆504。
在进一步的实施方式中，雷达系统502可以同时检测多个车辆或其他类型的对象。车辆500的计算系统可以基于来自雷达系统502以及指示附近对象的存在的可能的其他传感器的测量结果来确定针对车辆500的控制操作。在某些情况下，计算系统可以基于使用来自雷达系统502的雷达信号检测距离内的对象来开发针对车辆500的未来导航操作。
在雷达系统502的操作期间，雷达系统502可以具有四个不同的接收波束506A-506D。这些波束可以被配置为顺时针或逆时针旋转508。当波束旋转时，其可能能够接收来自位于车辆附近的散射体(诸如另一辆轿车504或静止对象510(例如，停车标志))的雷达反射。在一些其他示例中，雷达系统502还可以被配置为发送全向雷达信号。在某些情况下，可能希望使用单个全向雷达信号进行发送，并使用四个不同的雷达单元接收雷达信号，以最小化硬件要求。一些示例雷达芯片可以包括一个发送信道和四个接收信道。因此，在这种情况下，单个雷达芯片可以执行发送和接收。
全向雷达信号可以反射各种对象，并由雷达单元通过接收波束506A-506D接收。在一些其他示例中，接收波束506A-506D还可以代表发送波束。在一些示例中，雷达系统502可以发送多个窄波束，而不是全向波束。在又一些其他示例中，雷达系统通常可以具有在空间上分散的多个全向发送天线。通过在全向传输元件之间提供空间间隔，雷达系统可能能够提供足够的信息来分离方位角和多普勒耦合。如前所述，分离方位角和多普勒耦合可能对合成孔径雷达(SAR)和移动目标指示(MTI)操作模式两者均有利。
图6示出了使用雷达系统602的车辆600的示例场景。车辆600可以以自主模式操作。
雷达系统602表示示例车辆雷达系统，诸如图5所示的雷达系统502、图3A所示的雷达设备312或图2所示的传感器单元202中包括的一个或多个雷达传感器。如此，雷达系统502可以包括本文所述的各种组件，其布置成获得周围环境的测量结果。此外，雷达系统602可以被配置为执行与以上讨论的雷达系统502相似或相同的操作。
雷达系统602可以包括至少两个雷达传感器，诸如雷达传感器604和606。雷达传感器604和606中的每个可以位于距车辆的几何中心线607的相应距离处。例如，如图所示，雷达传感器604和606可以是到几何中心线607等距的。
在雷达系统602的操作期间，雷达传感器604可以具有视场608，并且雷达传感器606可以具有视场610。这些视场中的每一个可以对应于相应雷达传感器在其上可以发送和接收信号以获取雷达数据从而检测对象的环境区域。在其他实施方式中，这些视场可以不限于车辆前方的区域和/或可以扩大或缩小。此外，在一些实施方式中，雷达系统602可以是较大传感器单元的组件，该较大传感器单元可以包括一个或多个相机和/或其他类型的传感器。雷达系统602和这些其他传感器因此可以一起工作以获取环境数据、检测环境中的散射体并促进车辆操作。
在图6所示的场景中，车辆600可以使用雷达系统602来获得代表环境中各种对象(例如，散射体)的雷达数据。例如，如图所示，散射体612可以位于视场608内，并且散射体614可以位于视场610内。此外，散射体616可以部分地位于视场610内。
图7是用于使用雷达技术的车辆速度计算的示例方法700的流程图。方法700表示示例方法，该示例方法可以包括一个或多个操作、功能或动作，如框702、704、706、708和710中的一个或多个所描绘的，每个框可以由图1、2、3A、3B、4、5和6中所示的任何系统以及其他可能的系统执行。本领域技术人员将理解，本文描述的流程图示出了本公开的某些实施方式的功能和操作。就这一点而言，流程图的每个框可以代表程序代码的模块、段或一部分，其包括一个或多个指令，该一个或多个指令可由一个或多个处理器运行以用于实现处理中的特定逻辑功能或步骤。程序代码可以存储在任何类型的计算机可读介质上，例如，诸如包括磁盘或硬盘驱动器的存储设备。
另外，每个框可以表示被连线以执行该处理中的特定逻辑功能的电路。如本领域的技术人员所理解的，替代实施方式包括在本申请的示例实施方式的范围内，其中取决于所涉及的功能，功能可以不按照所示或所讨论的顺序运行，包括基本上同时或按照相反的顺序运行。在示例中，计算系统可以使系统执行方法700的一个或多个框。
在框702处，方法700包括：当自动驾驶车辆在道路上移动时，从安装在自动驾驶车辆上的不同位置的两个或更多个雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据。
如上所述，两个或更多个雷达传感器中的每一个可以安装在车辆内部或外部的各种可能的位置，诸如车辆的车顶、仪表板、前灯后面等。
在一些实施方式中，雷达数据可以包括在至少一帧中捕获的多普勒测量结果或其他类型的测量结果。在此，“帧”可以指给定的一个或多个雷达传感器获取雷达数据的时间间隔。在一些实施方式中，雷达数据可以包括在两个或更多个连续帧上获取的雷达数据。例如，雷达传感器可以在两个连续的间隔(每个持续时间为130毫秒(ms))上获取雷达数据。在其他实施方式中，雷达数据可以包括在两个或更多个非连续帧上获取的雷达数据。
此外，在一些实施方式中，雷达数据可以包括由两个或更多个雷达传感器同时获取的测量结果(多普勒或另外的类型)。附加地或替代地，雷达数据可以包括由两个或更多个雷达传感器在不同的时间点获取的测量结果。
在一些实施方式中，雷达数据可以采取距离-多普勒图(range-Doppler map)的形式或由车辆系统处理以产生距离-多普勒图，该距离-多普勒图的一个轴表示距雷达传感器的物距，而另一轴表示多普勒测量结果。
在框704处，方法700包括基于雷达数据，检测环境中存在的至少一个散射体。
在一些实施方式中，检测环境中存在的至少一个散射体的动作可以涉及处理雷达数据以将至少一个散射体与雷达数据的其余部分隔离。为了在实践中促进这一点，车辆系统可以实现多种不同的技术，其中一些可以用于将雷达数据中的散射体分类为静止的或非静止的。例如，车辆系统可以使用期望最大化算法将散射体分类为静止的或非静止的。其他示例也是可能的。
在框706处，方法700包括确定至少一个散射体相对于自动驾驶车辆是静止的可能性。
在一些实施方式中，基于雷达数据确定至少一个散射体相对于车辆是静止的可能性的动作可以涉及做出至少一个散射体相对于车辆是静止的绝对确定(例如，不考虑置信度水平的二进制确定)。在其他实施例中，该动作可以涉及基于置信度水平确定至少一个散射体是否静止。例如，对于给定的散射体候选，车辆系统可以被配置为确定置信度水平，该置信度水平指示散射体相对于车辆是静止的可能性有多大。在本文中，已经被绝对地确定为静止的或者以阈值高置信度水平被确定为静止的散射体可以被称为“静止散射体”。
车辆系统可以被配置为基于各种因素来确定给定散射体的这种置信度水平。例如，在一些实施方式中，当确定散射体是否静止的置信度水平时，车辆系统可以考虑从安装在车辆上的至少一个相机接收的图像数据。例如，车辆系统可以被配置为识别由相机捕获的图像或图像系列中的对象，并且可以具有存储的信息，该存储的信息指示该对象通常是静止对象或非静止对象。作为更具体的示例，车辆系统可以以特定的置信度水平确定图像中的对象是停车标志，车辆系统可以将其确定为静止对象。作为另一个具体示例，车辆系统可以以特定的置信度水平确定图像中的对象是轿车，但是可能不一定以阈值高置信度(例如，置信度大于75的预定义的阈值，在0到100的尺度上)来确定轿车是否静止。其他示例也是可能的。
附加地或替代地，在一些实施方式中，当确定散射体是否静止的置信度水平时，车辆系统可以考虑从安装在车辆上的至少一个LIDAR传感器接收的光学数据。例如，至少一个LIDAR传感器可以被配置为使用各种波长的紫外、可见或红外光来对环境中的散射体成像。不同类型的散射可用于不同的LIDAR应用。此外，适当的波长组合可以通过寻找反射信号强度的波长相关变化来允许对象的远程绘制(mapping)。更进一步，可以使用扫描和非扫描LIDAR系统两者来实现三维(3D)成像，以产生3D点云，然后车辆系统的LIDAR单元可以将其输出为数据文件。然后可以使用点云来识别和可视化环境中的散射体。在某些情况下，车辆系统可以分析点云并确定(也许以给定的置信度水平)环境中所识别的散射体是否静止，可能是通过参考存储的信息来确定，该存储的信息可以指示所识别的散射体通常是否是静止的。其他示例也是可能的。
附加地或替代地，在一些实施方式中，当确定散射体是否静止的置信度水平时，车辆系统可以考虑预定义的地图数据。预定义的地图数据可以采取车辆系统可访问的地图的形式。例如，车辆系统可以从服务器下载更新的地图，或者可能已经存储了这样的地图。无论如何，预定义的地图数据可以包括散射体的已知位置。在一些示例中，预定义的地图数据可以进一步包括散射体是否是通常静止的散射体类型的指示。此外，车辆系统可以参考预定义的地图数据来确定散射体是否静止。在其他示例中，车辆系统可以访问具有两个不同时间戳的两个不同地图，并且可以比较两个地图以确定散射体是否已经移动。其他示例也是可能的。
在一些实施方式中，当确定散射体是否静止的置信度水平时，车辆系统可以考虑远程辅助数据。例如，车辆系统可以将散射体的记录的图像或视频以及提示操作人员查看图像或视频并确定散射体是否静止的请求发送到远程辅助操作人员的计算设备。例如，如果车辆系统然后从计算设备接收指示操作人员的阈值高置信度水平的远程辅助数据，则车辆系统可以响应地增加散射体的置信度水平，可能会高于预定义的置信度阈值(例如，预定义的阈值90，在0到100的尺度上)。另一方面，如果车辆系统从计算设备接收指示操作人员的阈值低置信度水平(例如，置信度水平低于预定义的阈值)的远程辅助数据，则车辆系统可以响应地降低散射体的置信度水平，或者可能保持置信度水平不变。
除了上述技术和考虑之外或作为上述技术和考虑的替代，还可以使用其他技术和考虑来确定散射体是否静止的置信度水平。上述技术的变型也是可能的。
在一些实施方式中，基于雷达数据确定至少一个散射体相对于车辆是静止的可能性的动作可以涉及基于雷达数据的单个帧中的多普勒测量结果来做出确定。例如，车辆系统可以检测具有相同多普勒测量结果的一个或两个散射体，并且可以响应地确定一个或两个散射体是静止的。替代地，该动作可以涉及基于雷达数据的两个或更多个帧(连续帧或非连续帧)中的多普勒测量结果来做出确定。例如，在距离-多普勒压缩之后，CPI或连续帧之间匹配滤波器i的输出中的相位的比较。如果场景是恒定的，只要雷达在匹配滤波器的输出处是相干相位就稳定(例如，散射体的回波的相位没有变化)。因此，如果相位改变，则场景也改变了。举例来说，甚至几毫米的运动也可以触发这种检测器。
在雷达数据包括两个(或更多个)连续帧中的多普勒测量结果并且多普勒测量结果被估计为与至少一个散射体相关联的实施方式中，车辆系统可以被配置为考虑在连续帧中的多普勒测量结果之间的差异或缺乏差异，以确定与环境中的散射体有关的信息，诸如散射体相对于车辆是静止的可能性。此外，车辆系统可能会考虑这一点，以可能确定关于车辆的移动的信息。例如，如果车辆是静止的，则静止散射体可能在两个或更多个连续帧之间具有相同的(或近似相同的，例如，在彼此的预定义的阈值内)多普勒测量结果，即零或近似为零的多普勒测量结果。另一方面，如果车辆正在移动，则静止散射体在两个或更多个连续帧之间可能具有相同(或近似相同)的非零多普勒测量结果，并且非零多普勒测量结果可以近似表示车辆的速度。
因此，车辆系统基于两个连续帧中的多普勒测量结果来确定至少一个散射体相对于车辆是静止的可能性的动作可以涉及车辆系统做出以下确定：两个连续帧之间的多普勒测量结果的变化小于(或等于)预定义的阈值(例如，小于1的多普勒测量结果)。如果变化小于预定义的阈值，则车辆系统可以以阈值高置信度确定或做出绝对确定，至少一个散射体相对于车辆是静止的。而如果变化大于预定义的阈值，则车辆系统可以以阈值高置信度确定或做出绝对确定，至少一个散射体相对于车辆不是静止的。
在一些示例中，车辆系统可以确定雷达数据的两个连续帧中与散射体相关的杂波的幅度和相位的变化，以及如果两个连续帧之间的幅度和相位都恒定(或近似恒定)，则车辆系统可以确定散射体是静止的。其他示例也是可能的。
在一些实施方式中，车辆系统可以被配置为基于在两个或更多个非连续帧中的多普勒测量结果的考虑而确定散射体相对于车辆是静止的可能性。例如，车辆可以基于在彼此的预定义的阈值时间内(例如，在0.5秒内)进行的两次多普勒测量来确定可能性，但是不一定在连续帧中进行。作为车辆系统还可以如何考虑非连续帧的示例，车辆系统可以基于以滑动窗口方式考虑每n帧的多普勒测量结果，来确定可能性，其中n大于一(例如，每四帧)。其他示例也是可能的。
在框708处，方法700包括：响应于该可能性至少等于预定义的置信度阈值，基于来自两个或更多个雷达传感器的雷达数据来计算自动驾驶车辆的速度，其中，所计算的速度包括角速度和线速度。
在一些实施方式中，关于单个雷达传感器，与静止散射体相关联的杂波可能沿着流形(manifold)下降，该流形基于：(i)散射体的多普勒测量结果，(ii)雷达传感器的速度，以及(iii)散射体相对于雷达传感器的位置(例如，环境中从雷达传感器到散射体的距离)。例如，这种杂波可能会沿着等式1定义的流形下降，其中d是散射体的多普勒测量结果，vs是雷达传感器的速度，pt是散射体相对于雷达传感器的位置。速度和位置是等式1中的矢量，其包括点积。
等式1可以导致多普勒的正弦变化，其中速度矢量与散射体目标方位角之间成一定角度。其他示例等式也是可能的。定位静止散射体流形的车辆系统可以允许雷达传感器确定雷达传感器相对于环境的瞬时速度。
在一些实施方式中，计算车辆的速度的动作可以涉及比较两个或更多个雷达传感器的各自速度，然后基于该比较来计算速度。例如，这样做的一个原因可能是因为每个雷达传感器可能会根据车辆向左转还是向右转以各自不同的线速度移动。举例来说，如果车辆向左转，则安装在车辆右侧的雷达传感器可以以比安装在车辆的几何中心线附近的雷达传感器更大的线速度移动，而后者又会以比安装在车辆左侧的雷达传感器更大的线速度移动。此外，如果车辆向右转，则安装在车辆左侧的雷达传感器可以以比安装在车辆的几何中心线附近的雷达传感器更大的线速度移动，而后者又会以比安装在车辆右侧的雷达传感器更大的线速度移动。相比之下，由于传感器安装在以角速度转弯的车辆的结构上，所以不管车辆转向哪个方向，每个传感器的各自的角速度可以相同。
在一些实施方式中，基于对两个或更多个雷达传感器的各自速度的比较来计算速度的动作可以涉及将车辆的线速度计算为两个或更多个雷达传感器的各自的线速度的平均。
在示例中，在接收雷达数据之前，并且当车辆在道路上移动时，车辆系统可以使至少第一雷达传感器和第二雷达传感器分别获取第一雷达数据和第二雷达数据，其可以一起包括如关于框702所指出的那样接收的雷达数据。在这样的实施方式中，基于来自两个或更多个雷达传感器的雷达数据来计算车辆的速度的动作可以涉及(i)基于第一雷达数据计算第一速度，(ii)基于第二雷达数据计算第二速度，以及(iii)基于第一速度和第二速度计算第三速度。在该示例中，基于第一速度和第二速度计算第三速度可以涉及对第一速度和第二速度求平均。
在一些实施方式中，车辆系统可以基于至少两个多普勒测量来计算车辆的线速度和车辆的角速度。例如，多普勒测量可以包括相对于安装在车辆上的第一雷达传感器的第一静止散射体的第一多普勒测量，以及相对于安装在车辆上的、与第一雷达传感器不同位置处的第二雷达传感器的第二不同静止散射体的第二多普勒测量。在另一个示例中，多普勒测量还可以包括相对于安装在车辆上的、与第一雷达传感器和第二雷达传感器不同的位置处的第三雷达传感器的、与第一静止散射体和第二静止散射体不同的第三静止散射体的第三多普勒测量。在其他示例中，至少两个多普勒测量可以包括同一静止散射体的至少两个多普勒测量，这可以在静止散射体落入至少两个雷达传感器的视场中的每个内时发生。其他示例也是可能的。
作为具体示例，返回参考图6，车辆系统可以以阈值高可能性(例如，满足或超过预定义的置信度阈值的置信度水平)确定散射体612和614是静止的，但是可能以阈值低可能性(例如，低于预定义的置信度阈值的置信度水平)确定散射体616是静止的(即，散射体616正在移动)。例如，散射体616可以是穿过道路的行人。此外，雷达数据可以包括相对于雷达传感器604的散射体612的第一多普勒测量，以及相对于雷达传感器606的散射体614的第二多普勒测量。因此，车辆系统可以基于第一和第二多普勒测量计算车辆的线速度和/或车辆的角速度。
在一些实施方式中，车辆系统可以进一步基于来自车辆的几何中心线的两个或更多个雷达传感器的各自位置(诸如基于(i)从第一传感器到几何中心线的第一距离，以及(ii)从第二传感器到几何中心线的第二距离)，来计算车辆的线速度和车辆的角速度。另外，车辆系统可以进一步基于(i)两个或更多个静止散射体相对于车辆的各自位置(例如，从两个或更多个静止散射体到车辆的各自距离)和/或(ii)单个静止散射体相对于车辆的位置(例如，从单个静止散射体到车辆的距离)来计算车辆的线速度和车辆的角速度。
此外，在以上讨论的这些或其他实施方式中，与静止散射体相关联的杂波可以沿着由等式2定义的流形下降，该等式2可以相对于车辆的几何中心线被定义。在等式2中，d是相对于两个或更多个雷达传感器中的给定雷达传感器的多普勒测量，vr是车辆的线速度，ω是车辆的角速度，pr是给定雷达传感器相对于车辆的几何中心线的位置，pt是散射体相对于给定雷达传感器的位置。
在这些实施方式中，给定两个不同的多普勒测量，车辆系统可以使用等式2或可能使用不同类型的等式来计算车辆的线速度和/或角速度。
在一些实施方式中，基于两个或更多个雷达传感器的各自速度的比较来计算速度的动作可以涉及使用最大似然估计器(MLE)，该最大似然估计器被配置为基于来自两个或更多个雷达传感器的雷达数据(例如，各种多普勒测量)迭代地确定用于车辆的线速度和/或车辆的角速度的最可能的值。例如，车辆系统可以使用MLE、两个不同的多普勒测量和等式2来迭代地确定最可能的线速度和角速度。
此外，在一些实施方式中，可以使用从三个或更多个雷达传感器获取的雷达数据以更高的准确度来计算线速度和/或角速度。
在一些实施方式中，车辆系统可以接收包括以下的信息：(i)车辆速度中的一个或多个速度高于预定义的速度阈值(例如，10米每秒(m/s))的指示和/或(ii)车辆的转向角度高于预定义的角度阈值(例如45°)的指示。在这样的实施方式中，可以响应于接收到该信息来执行计算车辆的速度的动作。
在框710处，方法700包括基于所计算的速度来控制自动驾驶车辆。
在一些实施方式中，基于所计算的速度来控制车辆的动作可以涉及使车辆系统的运动模块调节车辆的线速度。运动模块可以采取实体的形式，该实体从各种运动设备(例如IMU)接收信号，并且还管理运动数据的处理，诸如陀螺仪和加速度计读数。这样的运动模块可以包括IMU，或者可以与IMU分离但在通信上链接到IMU。此外，使运动模块调节线速度的动作可以涉及使运动模块增大或减小车辆的线速度。
附加地或替代地，基于所计算的速度来控制车辆的动作可以涉及使车辆系统的运动模块诸如通过增大或减小车辆的当前转向角度来调节车辆的转向角度。
附加地或替代地，基于所计算的速度来控制车辆的动作可以涉及在安装在车辆内部的显示器上提供车辆的所计算的角速度和所计算的线速度中的一个或多个的指示。例如，车辆系统可以经由图形用户界面和/或速度计向用户显示所计算的角速度和/或线速度的视觉指示。
基于所计算的速度来控制车辆的动作还可以涉及其他操作，作为上述操作的附加或替代。
图8是用于使用雷达技术进行车辆运动检测的示例方法800的流程图。方法800表示示例方法，该示例方法可以包括一个或多个操作、功能或动作，如框802、804、806、808和810中的一个或多个所描绘的，每个框可以由图1、2、3A、3B、4、5和6中所示的任何系统以及其他可能的系统执行。本领域技术人员将理解，本文描述的流程图示出了本公开的某些实施方式的功能和操作。就这一点而言，流程图的每个框可以代表程序代码的模块、段或一部分，其包括一个或多个指令，该一个或多个指令可由一个或多个处理器运行以用于实现处理中的特定逻辑功能或步骤。程序代码可以被存储在任何类型的计算机可读介质上，例如，诸如包括磁盘或硬盘驱动器的存储设备。
另外，每个框可以表示被连线以执行该处理中的特定逻辑功能的电路。如本领域的技术人员所理解的，替代实施方式被包括在本申请的示例实施方式的范围内，其中取决于所涉及的功能，功能可以不按所示或所讨论的功能顺序运行，包括基本上同时或按照相反的顺序运行。在示例中，计算系统可以使系统执行方法800的一个或多个框。
在框802处，方法800包括从安装在自动驾驶车辆上的雷达传感器接收代表自动驾驶车辆的物理环境的雷达数据。
在框804处，方法800包括基于雷达数据，检测环境中存在的至少一个散射体。基于雷达数据检测至少一个散射体的动作可以涉及以上关于方法700的框704所讨论的相同操作中的任何一个或多个。
在框806处，方法800包括确定至少一个散射体相对于自动驾驶车辆是静止的可能性。确定至少一个散射体相对于自动驾驶车辆是静止的可能性的动作可以涉及以上关于方法700的框706所讨论的的相同操作中的任何一个或多个。
例如，车辆系统可以被配置为使用被估计为与至少一个散射体相关联的多普勒测量的单个帧以确定至少一个散射体是静止的可能性。在另一示例中，车辆系统可以被配置为使用两个或更多个连续的或非连续的帧(例如，每n帧，其中n大于一)以确定至少一个散射体是静止的可能性。具体地，如果至少一个散射体是静止的，则被估计为与至少一个散射体相关联的多普勒测量在雷达数据的两个或更多个帧之间可以是相同的。
在框808处，方法800包括基于确定可能性至少等于预定义的置信度阈值，确定自动驾驶车辆是静止的指示。
确定可能性至少等于预定义的置信度阈值的动作可以涉及以上关于方法700的框706和/或框708所讨论的相同操作中的任何一个或多个。例如，使用雷达数据以及或许上面讨论的一个或多个其他考虑(例如，图像数据、预定义的地图数据)，车辆系统可以以阈值高置信度(例如，高于100份之95的预定义的阈值的置信度水平)确定给定散射体是静止的。
此外，与以上讨论一致，车辆系统可以被配置为在两个或更多个连续或非连续的帧中考虑多普勒测量结果之间的差异，以便确定有关车辆的移动的信息。例如，如果车辆是静止的，则静止散射体在至少一帧中(诸如(i)两个或更多个连续帧和/或(ii)每n帧，其中n大于1)可以具有相同(或近似相同)的多普勒测量。具体地，静止散射体可以具有零或近似零的多普勒测量结果。
因此，当车辆系统已经确定至少一个散射体是静止的可能性至少等于预定义的置信度阈值时，车辆系统可以分析雷达数据的多个帧中的多普勒测量结果，以便于高准确度运动检测。例如，如果车辆是静止的，则静止散射体可以具有零或近似零的多普勒测量结果，因此，如果车辆在两帧或更多帧上保持静止，则多普勒测量结果将保持为零或近似零，或者可能会改变到低于预定义的变化阈值的程度。响应于这种情况，车辆系统可以确定车辆是静止的。另一方面，如果车辆在两个或更多帧上甚至移动了少量(例如，大约1毫米或更少)，则车辆系统可以检测与静止散射体相关联的各种参数的变化，诸如雷达数据中与散射体相关联的杂波的幅度和相位。在一些示例中，车辆系统可以具有被设置为低的预定义的变化阈值(例如，0.5的变化)，使得当车辆少量移动时，车辆系统可以检测变化超过了预定义的变化阈值，并且从而确定车辆不是静止的。
车辆是静止的指示可以采取各种形式。在一些实施方式中，确定车辆是静止的指示的动作可以涉及在存储器中存储车辆是静止的指示(例如，标志)。附加地或替代地，该动作可以涉及将车辆是静止的指示传送到车辆系统的运动模块或车辆系统的其他组件。
附加地或替代地，该动作可以涉及在车辆内部提供车辆是静止的视觉指示，诸如照明灯或在显示屏上提供文本。附加地或替代地，在某些场景中，诸如当车辆是静止的并且在停车时，该动作可以涉及车辆系统执行其他动作，诸如解锁车辆的门或关闭/调暗车辆的前灯。其他示例也是可能的。
确定指示的这些和其他方法可以在车辆系统基于雷达数据确定车辆是静止的之后或与之结合发生。
在一些实施方式中，车辆系统可以接收车辆的速度低于预定义的速度阈值的指示。在这样的实施方式中，车辆系统可以响应于接收到车辆的速度低于预定义的速度阈值的指示来执行确定车辆是静止的指示的动作。例如，如果车辆系统检测到车辆的速度已经下降到低于0.2m/s的预定义的速度阈值，则车辆系统可以进行上述操作中的一项或多项操作，以确定车辆是否是静止的。
在框810处，方法800包括基于所确定的指示来控制自动驾驶车辆的移动。
与上面的讨论一致，控制车辆的移动的动作可以涉及向车辆的运动模块提供(例如，传送)指令，该指令在被运动模块接收到时，可以使车辆保持静止。例如，指令可以采取用于运动模块拒绝接收来自IMU(例如，来自陀螺仪和/或来自加速度计)或来自另一车辆组件的信号(这可能导致车辆保持静止)的指令的形式。在本文中，拒绝接收信号的动作可以指各种动作，诸如(i)接收但不读取信号(或者以其他方式忽略信号)，(ii)阻止接收信号，或者(iii)接收并读取信号但不使用信号引起车辆移动，以及其他可能性。
然而，在替代实施方式中，该指令可以使车辆系统进行开始移动车辆的处理。
图9是示出根据本文提出的至少一些实施例布置的示例计算机程序产品的概念局部视图的示意图，该示例计算机程序产品包括用于在计算设备上运行计算机处理的计算机程序。在一些实施例中，所公开的方法可以被实现为以机器可读格式在非暂时性计算机可读存储介质上或在其他非暂时性介质或制品上编码的计算机程序指令。
在一个实施例中，使用信号承载介质902提供示例计算机程序产品900，该信号承载介质902可以包括一个或多个编程指令904，当由一个或多个处理器运行时，该指令可以提供上述关于图1-8的功能或功能的一部分。在一些示例中，信号承载介质902可以包含非暂时性计算机可读介质906，诸如但不限于硬盘驱动器、光盘(CD)、数字视盘(DVD)、数字磁带、存储器等。在一些实施方式中，信号承载介质902可以包含计算机可记录介质908，诸如但不限于存储器、读/写(R/W)CD、R/W DVD等。在一些实施方式中，信号承载介质902可以包含通信介质910，诸如但不限于数字和/或模拟通信介质(例如，光纤线缆、波导、有线通信链路、无线通信链路等)。类似地，信号承载介质902可以对应于远程存储(例如，云)。计算系统可以与云共享信息，包括发送或接收信息。例如，计算系统可以从云接收附加信息以增强从传感器或另一个实体获得的信息。因此，例如，信号承载介质902可以通过无线形式的通信介质910来传达。
一个或多个编程指令904可以是例如计算机可运行的和/或逻辑实现的指令。在一些示例中，诸如图1的计算机系统112的计算设备可以被配置为响应于通过计算机可读介质906、计算机可记录介质908和/或通信介质910中的一个或多个传达至计算机系统112的编程指令904来提供各种操作、功能或动作。
非暂时性计算机可读介质还可以分布在多个数据存储元件和/或云之间(例如，远程地)，其可以彼此远离地定位。运行一些或所有存储的指令的计算设备可以是车辆，诸如图2中所示的车辆200。替代地，运行一些或所有存储的指令的计算设备可以是另一个计算设备，诸如服务器。
上面的详细描述参考附图描述了所公开的系统、设备和方法的各种特征和功能。尽管本文已经公开了各个方面和实施例，但是其他方面和实施例将是明显的。本文所公开的各个方面和实施例是用于说明的目的，而不旨在进行限制，其真实范围由所附权利要求指示。

Claims (24)

1.一种由被配置为控制自动驾驶车辆的计算系统执行的方法，所述方法包括：
由所述计算系统从安装在所述自动驾驶车辆上的至少一个雷达传感器接收代表所述自动驾驶车辆的物理环境的雷达数据；
基于所述雷达数据，由所述计算系统检测环境中存在的至少一个散射体；
基于所述雷达数据，由所述计算系统确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性；
响应于所述可能性至少等于预定义的置信度阈值，由所述计算系统基于来自所述至少一个雷达传感器的代表所述至少一个散射体的雷达数据来计算所述自动驾驶车辆的速度，其中，计算速度包括以下之一：
由所述计算系统确定所述自动驾驶车辆是静止的指示，以及
由所述计算系统确定所述自动驾驶车辆的角速度和所述自动驾驶车辆的线速度；以及
由所述计算系统基于所计算的速度控制所述自动驾驶车辆。
2.根据权利要求1所述的方法，其中，响应于接收到所述自动驾驶车辆的速度低于预定义的速度阈值的指示，执行确定所述自动驾驶车辆是静止的指示。
3.根据权利要求1所述的方法，其中，检测环境中存在的至少一个散射体包括将所述至少一个散射体与所述雷达数据的其余部分隔离。
4.根据权利要求1所述的方法，其中，所述雷达数据包括在至少一帧中捕获的多普勒测量结果，其中，基于所述雷达数据确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性包括基于在所述至少一帧的单个帧中的多普勒测量结果，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性。
5.根据权利要求1所述的方法，其中，所述雷达数据包括在两个帧中捕获的多普勒测量结果，其中，将该多普勒测量结果估计为与所述至少一个散射体相关联，其中，基于所述雷达数据确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性包括确定两个帧之间的多普勒测量结果的变化是否小于预定义的阈值，所述方法还包括：
响应于确定两个帧之间的多普勒测量结果的变化小于预定义的阈值，由所述计算系统确定所述可能性至少等于所述预定义的置信度阈值。
6.根据权利要求1所述的方法，其中，响应于接收到以下各项中的一项或多项来执行基于所述雷达数据计算所述自动驾驶车辆的速度：(i)所述自动驾驶车辆的速度中的一个或多个高于预定义的速度阈值的指示和(ii)所述自动驾驶车辆的转向角度高于预定义的角度阈值的指示。
7.根据权利要求1所述的方法，其中，所述至少一个雷达传感器包括第一雷达传感器和第二雷达传感器，
其中，所述第一雷达传感器和所述第二雷达传感器被安装在所述自动驾驶车辆的不同位置，以及
其中，计算所述自动驾驶车辆的角速度是基于从所述第一雷达传感器到所述自动驾驶车辆的几何中心线的第一距离和从所述第二雷达传感器到所述自动驾驶车辆的几何中心线的第二距离的。
8.根据权利要求1所述的方法，其中，所述至少一个雷达传感器包括第一雷达传感器和第二雷达传感器，其中，所述第一雷达传感器和所述第二雷达传感器被安装在所述自动驾驶车辆的不同位置，其中，所述雷达数据包括来自所述第一雷达传感器的第一雷达数据和来自所述第二雷达传感器的第二雷达数据，所述方法还包括：
在接收雷达数据之前，以及当所述自动驾驶车辆在道路上移动时，由所述计算系统使所述第一雷达传感器和所述第二雷达传感器获取所述第一雷达数据和所述第二雷达数据，
其中，基于雷达数据计算所述自动驾驶车辆的速度包括：(i)基于所述第一雷达数据计算第一速度，(ii)基于所述第二雷达数据计算第二速度，以及(iii)基于所述第一速度和所述第二速度计算第三速度，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括基于所计算的第三速度控制所述自动驾驶车辆。
9.根据权利要求1所述的方法，其中，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性是基于所述计算系统可访问的预定义的地图数据的，其中所述预定义的地图数据包括环境中的所述至少一个散射体的已知位置。
10.一种被配置为控制自动驾驶车辆的计算系统，所述计算系统包括：
安装在所述自动驾驶车辆上的至少一个雷达传感器；以及
处理器，被配置为执行操作，所述操作包括：
从所述至少一个雷达传感器接收代表所述自动驾驶车辆的物理环境的雷达数据；
基于所述雷达数据，检测环境中存在的至少一个散射体；
基于所述雷达数据，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性；
响应于所述可能性至少等于预定义的置信度阈值，基于代表所述至少一个散射体的所述雷达数据计算所述自动驾驶车辆的速度，其中，计算速度包括以下之一：
确定所述自动驾驶车辆是静止的指示，以及
确定所述自动驾驶车辆的角速度和所述自动驾驶车辆的线速度；以及
基于所计算的速度控制所述自动驾驶车辆。
11.根据权利要求10所述的计算系统，其中，所述计算系统还包括运动模块，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括使所述运动模块调节所述自动驾驶车辆的线速度。
12.根据权利要求10所述的计算系统，其中，所述计算系统还包括运动模块，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括使所述运动模块调节所述自动驾驶车辆的转向角度。
13.根据权利要求10所述的计算系统，其中，所述计算系统还包括运动模块，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括向所述运动模块提供指令，所述指令在被所述运动模块接收时使所述自动驾驶车辆保持静止。
14.根据权利要求13所述的计算系统，其中，所述运动模块包括惯性测量单元IMU，所述惯性测量单元包括加速度计和陀螺仪中的一个或多个，以及
其中，所述指令包括用于所述运动模块拒绝接收来自所述IMU的信号的指令。
15.根据权利要求10所述的计算系统，其中，所述计算系统还包括安装在所述自动驾驶车辆的内部的显示器，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括在所述显示器上提供所述自动驾驶车辆的所计算的角速度和所计算的线速度中的一个或多个的指示。
16.一种其上存储有指令的非暂时性计算机可读介质，所述指令在由计算系统中的处理器运行时，使所述计算系统执行操作，所述操作包括：
从安装在自动驾驶车辆上的至少一个雷达传感器接收代表所述自动驾驶车辆的物理环境的雷达数据；
基于所述雷达数据，检测环境中存在的至少一个散射体；
基于所述雷达数据，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性；
响应于所述可能性至少等于预定义的置信度阈值，基于代表所述至少一个散射体的所述雷达数据计算所述自动驾驶车辆的速度，其中，计算速度包括以下之一：
确定所述自动驾驶车辆是静止的指示，以及
确定所述自动驾驶车辆的角速度和所述自动驾驶车辆的线速度；以及
基于所计算的速度控制所述自动驾驶车辆。
17.根据权利要求16所述的非暂时性计算机可读介质，其中，响应于接收到所述自动驾驶车辆的速度低于预定义的速度阈值的指示，执行确定所述自动驾驶车辆是静止的指示。
18.根据权利要求16所述的非暂时性计算机可读介质，其中，检测环境中存在的所述至少一个散射体包括将所述至少一个散射体与所述雷达数据的其余部分隔离。
19.根据权利要求16所述的非暂时性计算机可读介质，其中，所述雷达数据包括在至少一帧中捕获的多普勒测量结果，其中，基于所述雷达数据确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性包括基于在所述至少一帧的单个帧中的多普勒测量结果，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性。
20.根据权利要求16所述的非暂时性计算机可读介质，其中，所述雷达数据包括在两个帧中捕获的多普勒测量结果，其中，将该多普勒测量结果估计为与所述至少一个散射体相关联，其中，基于所述雷达数据确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性包括确定两个帧之间的多普勒测量结果的变化是否小于预定义的阈值，所述操作还包括：
响应于确定两个帧之间的多普勒测量结果的变化小于预定义的阈值，确定所述可能性至少等于所述预定义的置信度阈值。
21.根据权利要求16所述的非暂时性计算机可读介质，其中，响应于接收到以下各项中的一项或多项来执行基于所述雷达数据计算所述自动驾驶车辆的速度：(i)所述自动驾驶车辆的速度中的一个或多个高于预定义的速度阈值的指示和(ii)所述自动驾驶车辆的转向角度高于预定义的角度阈值的指示。
22.根据权利要求16所述的非暂时性计算机可读介质，其中，所述至少一个雷达传感器包括第一雷达传感器和第二雷达传感器，
其中，所述第一雷达传感器和所述第二雷达传感器被安装在所述自动驾驶车辆的不同位置，以及
其中，计算所述自动驾驶车辆的角速度是基于从所述第一雷达传感器到所述自动驾驶车辆的几何中心线的第一距离和从所述第二雷达传感器到所述自动驾驶车辆的几何中心线的第二距离的。
23.根据权利要求16所述的非暂时性计算机可读介质，其中，所述至少一个雷达传感器包括第一雷达传感器和第二雷达传感器，其中，所述第一雷达传感器和所述第二雷达传感器被安装在所述自动驾驶车辆的不同位置，其中，所述雷达数据包括来自所述第一雷达传感器的第一雷达数据和来自所述第二雷达传感器的第二雷达数据，所述操作还包括：
在接收雷达数据之前，以及当所述自动驾驶车辆在道路上移动时，使所述第一雷达传感器和所述第二雷达传感器获取所述第一雷达数据和所述第二雷达数据，
其中，基于雷达数据计算所述自动驾驶车辆的速度包括：(i)基于所述第一雷达数据计算第一速度，(ii)基于所述第二雷达数据计算第二速度，以及(iii)基于所述第一速度和所述第二速度计算第三速度，以及
其中，基于所计算的速度控制所述自动驾驶车辆包括基于所计算的第三速度控制所述自动驾驶车辆。
24.根据权利要求16所述的非暂时性计算机可读介质，其中，确定所述至少一个散射体相对于所述自动驾驶车辆是静止的可能性是基于所述计算系统可访问的预定义的地图数据的，其中所述预定义的地图数据包括环境中的所述至少一个散射体的已知位置。
CN201880061745.5A 2017-09-22 2018-09-20 使用雷达技术检测自动驾驶车辆的运动 Active CN111133398B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US15/713,500 2017-09-22
US15/713,499 2017-09-22
US15/713,499 US10890919B2 (en) 2017-09-22 2017-09-22 Calculating velocity of an autonomous vehicle using radar technology
US15/713,500 US10691135B2 (en) 2017-09-22 2017-09-22 Detecting motion of an autonomous vehicle using radar technology
PCT/US2018/051911 WO2019060524A1 (en) 2017-09-22 2018-09-20 DETECTION OF THE MOTION OF AN AUTONOMOUS VEHICLE USING RADAR TECHNOLOGY

Publications (2)

Publication Number Publication Date
CN111133398A CN111133398A (zh) 2020-05-08
CN111133398B true CN111133398B (zh) 2023-09-26

Family

ID=65809910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880061745.5A Active CN111133398B (zh) 2017-09-22 2018-09-20 使用雷达技术检测自动驾驶车辆的运动

Country Status (8)

Country Link
EP (1) EP3669246B1 (zh)
JP (1) JP7058726B2 (zh)
KR (1) KR102307220B1 (zh)
CN (1) CN111133398B (zh)
AU (2) AU2018335390C1 (zh)
CA (1) CA3076834C (zh)
SG (1) SG11202002385QA (zh)
WO (1) WO2019060524A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
US11686836B2 (en) * 2020-01-13 2023-06-27 Pony Ai Inc. Real-time and dynamic localization using active doppler sensing systems for vehicles
CN115516543B (zh) * 2020-05-13 2024-01-02 三菱电机株式会社 物体识别装置、路径生成装置、停车辅助装置、物体识别系统、路径生成系统及停车辅助系统
CN111652153B (zh) * 2020-06-04 2023-12-22 北京百度网讯科技有限公司 场景自动识别方法、装置、无人车及存储介质
US11698452B2 (en) * 2020-12-10 2023-07-11 GM Global Technology Operations LLC Target tracking during acceleration events
EP4024077A1 (en) * 2021-01-04 2022-07-06 Aptiv Technologies Limited Methods and system for compressing radar data
CN114859337A (zh) * 2021-01-20 2022-08-05 阿里巴巴集团控股有限公司 数据处理方法、装置、电子设备、计算机存储介质
EP4036602A1 (en) * 2021-01-29 2022-08-03 Aptiv Technologies Limited Radar data processing for vehicle ego-motion estimation
US11754666B2 (en) * 2021-02-12 2023-09-12 Aptiv Technologies Limited Radar detection prioritization based on downstream feedback
US11774583B2 (en) * 2021-02-26 2023-10-03 Waymo Llc Methods and systems for filtering vehicle self-reflections in radar
CN112985417B (zh) * 2021-04-19 2021-07-27 长沙万为机器人有限公司 移动机器人粒子滤波定位的位姿校正方法及移动机器人
CN114407916B (zh) * 2021-12-16 2024-01-23 阿波罗智联(北京)科技有限公司 车辆控制及模型训练方法、装置、车辆、设备和存储介质
USD1018337S1 (en) 2021-12-23 2024-03-19 Waymo Llc Sensor assembly
USD1014398S1 (en) 2021-12-23 2024-02-13 Waymo Llc Vehicle
CN114852097A (zh) * 2022-05-13 2022-08-05 中国第一汽车股份有限公司 数据处理方法、装置和车辆
US12228652B2 (en) * 2022-08-29 2025-02-18 Hyundai Mobis Co., Ltd. Apparatus for estimating vehicle pose using lidar sensor and method thereof
CN115575923B (zh) * 2022-12-08 2023-03-28 千巡科技(深圳)有限公司 一种地面机器人静止判断方法、系统、装置以及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320089A (zh) * 2007-06-05 2008-12-10 通用汽车环球科技运作公司 用于车辆动力估计的雷达、激光雷达和摄像机增强的方法
EP2390680A1 (en) * 2010-05-26 2011-11-30 Mitsubishi Electric Corporation Angular velocity estimation apparatus, computer program, and angular velocity estimation method
CN104809901A (zh) * 2014-01-28 2015-07-29 通用汽车环球科技运作有限责任公司 使用街道级图像增强车辆的自动驾驶模式的方法
US9423498B1 (en) * 2012-09-25 2016-08-23 Google Inc. Use of motion data in the processing of automotive radar image processing
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009074859A (ja) 2007-09-19 2009-04-09 Toyota Central R&D Labs Inc 運動計測装置及び位置計測装置
WO2013027803A1 (ja) * 2011-08-25 2013-02-28 日産自動車株式会社 車両用自律走行制御システム
JP5910046B2 (ja) 2011-12-05 2016-04-27 トヨタ自動車株式会社 障害物検出装置
US9274525B1 (en) * 2012-09-28 2016-03-01 Google Inc. Detecting sensor degradation by actively controlling an autonomous vehicle
US9600768B1 (en) * 2013-04-16 2017-03-21 Google Inc. Using behavior of objects to infer changes in a driving environment
JP6304257B2 (ja) 2013-09-12 2018-04-04 パナソニック株式会社 レーダ装置、車両及び移動体速度検出方法
US9201421B1 (en) * 2013-11-27 2015-12-01 Google Inc. Assisted perception for autonomous vehicles
US9365213B2 (en) * 2014-04-30 2016-06-14 Here Global B.V. Mode transition for an autonomous vehicle
US9283967B2 (en) * 2014-07-16 2016-03-15 GM Global Technology Operations LLC Accurate curvature estimation algorithm for path planning of autonomous driving vehicle
US9470777B2 (en) * 2014-09-19 2016-10-18 Delphi Technologies, Inc. Radar system for automated vehicle with phase change based target catagorization
KR101664582B1 (ko) * 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
JP6425130B2 (ja) 2014-12-18 2018-11-21 パナソニックＩｐマネジメント株式会社 レーダ装置及びレーダ状態推定方法
JP6432423B2 (ja) 2015-03-31 2018-12-05 株式会社デンソー 物体検知装置、及び物体検知方法
JP6791616B2 (ja) * 2015-04-27 2020-11-25 トヨタ自動車株式会社 自動運転車両システム
US10191144B2 (en) * 2016-02-26 2019-01-29 Waymo Llc Radar mounting estimation with unstructured data

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320089A (zh) * 2007-06-05 2008-12-10 通用汽车环球科技运作公司 用于车辆动力估计的雷达、激光雷达和摄像机增强的方法
EP2390680A1 (en) * 2010-05-26 2011-11-30 Mitsubishi Electric Corporation Angular velocity estimation apparatus, computer program, and angular velocity estimation method
CN102288957A (zh) * 2010-05-26 2011-12-21 三菱电机株式会社 角速度推测装置以及角速度推测方法
US9423498B1 (en) * 2012-09-25 2016-08-23 Google Inc. Use of motion data in the processing of automotive radar image processing
CN104809901A (zh) * 2014-01-28 2015-07-29 通用汽车环球科技运作有限责任公司 使用街道级图像增强车辆的自动驾驶模式的方法
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位

Also Published As

Publication number Publication date
SG11202002385QA (en) 2020-04-29
CN111133398A (zh) 2020-05-08
AU2020281035B2 (en) 2022-02-24
AU2018335390A1 (en) 2020-04-16
WO2019060524A1 (en) 2019-03-28
JP7058726B2 (ja) 2022-04-22
AU2018335390B2 (en) 2020-09-03
KR20200044987A (ko) 2020-04-29
EP3669246A1 (en) 2020-06-24
EP3669246B1 (en) 2023-12-20
CA3076834C (en) 2023-09-19
AU2018335390C1 (en) 2021-01-28
EP3669246A4 (en) 2021-05-19
JP2020535508A (ja) 2020-12-03
KR102307220B1 (ko) 2021-10-01
AU2020281035A1 (en) 2021-01-07
CA3076834A1 (en) 2019-03-28

Similar Documents

Publication Publication Date Title
US11531353B2 (en) Calculating velocity of an autonomous vehicle using radar technology
CN111133398B (zh) 使用雷达技术检测自动驾驶车辆的运动
US10691135B2 (en) Detecting motion of an autonomous vehicle using radar technology
US10473780B1 (en) Use of motion data in the processing of automotive radar image processing
US11835624B2 (en) Radar based mapping and localization for autonomous vehicles
US12158519B2 (en) Methods and systems for filtering vehicle self-reflections in radar
US9086481B1 (en) Methods and systems for estimating vehicle speed
US20180149742A1 (en) Rotating Radar Platform
US12066571B2 (en) Methods and systems for detecting adverse road conditions using radar
US11618446B2 (en) Systems and methods for measuring trailer wheel rotational speed
US11959774B1 (en) Extrinsic calibration of sensors mounted on a vehicle
US20240106987A1 (en) Multi-Sensor Assembly with Improved Backward View of a Vehicle
CN113049846B (zh) 用于测量拖车车轮转速的系统和方法
US12164055B2 (en) Methods and systems for radar reflection filtering during vehicle navigation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant