传感器标定和传感器标定检测的制作方法

1.本公开的各个方面总体上涉及用于自主驾驶系统的传感器标定和/或对传感器标定的检测。


背景技术：

2.自主交通工具和半自主交通工具利用各种各样的传感器。这些传感器中的许多传感器可能要求不定期的标定。不充分的标定可能降低交通工具操作的安全性。许多传感器通常手动地被标定，这可能需要将交通工具带至维修中心并且可能要求交通工具在很长的一段时间内保持停止运行。
附图说明
3.在附图中，贯穿不同的视图，相同的附图标记一般指代相同部分。这些附图不一定是按比例的，而是一般着重于说明本发明的原理。在以下描述中，参照下面的附图描述本发明的各方面，其中：图1示出根据本公开的各个方面的示例性自主交通工具；图2示出根据本公开的各个方面的交通工具的安全性系统的各种示例性电子组件；图3示出根据一些方面的具有各种通信设备的示例性网络区域；图4描绘根据模式a和模式b的传感器标定；图5描绘动态标定方法的过程流程；图6示出相对于道路取向的姿态重建；图7示出对标定目标进行姿态重建的方法；图8示出包括一个或多个处理器的传感器标定器802；图9示出传感器标定方法；图10描绘用于基础设施定位和位置计算的过程；图11示出用于传感器标定的过程；图12描绘传感器标定检测设备；以及图13描绘传感器标定评估方法。
具体实施方式
4.以下详细描述中对附图进行参考，附图通过图示方式示出了可在其中实施本发明的示例性细节和方面。
5.在本文中使用词语“示例性”来意指“充当示例、实例或说明”。本文中被描述为“示例性”的任何方面或设计不必被解释为相比其他方面或设计是优选或有利的。
6.贯穿附图，应注意，除非另有说明，否则相同的附图标记用于描绘相同或相似的要素、特征和结构。
7.术语“至少一个”和“一个或多个”可被理解为包括大于或等于一的数量(例如，一个、两个、三个、四个、[...]等)。术语“多个(a plurality)”可被理解为包括大于或等于二的数量(例如，两个、三个、四个、五个、[...]等)。
[0008]
说明书和权利要求书中的词语“复数个(plural)”和“多个(multiple)”明确地指代大于一的量。因此，任何明确地援引上述词语来指代某个数量的要素的短语(例如，“复数个[要素]”、“多个[要素]”)明确地指代多于一个的所述要素。说明书中和权利要求书中的短语“(
……
的)组”、“(
……
的)集”、“(
……
的)集合”、“(
……
的)系列”、“(
……
的)序列”、“(
……
的)分组”等(如果存在)指代等于或大于一的量，即一个或多个。短语“适当的子集”、“减小的子集”、和“较小的子集”指代集合的不等于该集合的子集，说明性地，指代集合的包含比该集合少的元素的子集。
[0009]
关于一组要素的短语
“……
中的至少一个”在本文中可用于意指来自包括这些要素的组的至少一个要素。例如，关于一组要素的短语
“……
中的至少一个”在本文中可用于意指以下各项中的选择：所列要素中的一个、多个所列要素中的一个要素、多个个体所列要素、或多个个体所列要素中的多个。
[0010]
如本文中所使用的术语“数据”可被理解为包括采用任何合适的模拟或数字形式的信息，例如，作为文件、文件的部分、文件集合、信号或流、信号或流的部分、信号或流的集合等等来提供的信息。进一步地，术语“数据”还可用于意指对信息的例如以指针的形式的引用。然而，术语“数据”不限于上述示例，并且可采取各种形式并表示如本领域中理解的任何信息。
[0011]
例如，如本文中所使用的术语“处理器”或“控制器”可被理解为允许处置数据的任何种类的技术实体。可根据由处理器或控制器执行的一个或多个特定功能来处置数据。进一步地，如本文中所使用的处理器或控制器可被理解为任何种类的电路(例如，任何种类的模拟或数字电路)，并且还可被称为“处理电路”、“处理电路系统”等等。处理器或控制器因此可以是或可包括模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、集成电路、专用集成电路(asic)等，或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实现方式也可被理解为处理器、控制器或逻辑电路。应理解，本文中详述的处理器、控制器或逻辑电路中的任何两个(或更多个)可被实现为具有等效功能的单个实体等等，并且相反地，本文中详述的任何单个处理器、控制器或逻辑电路可被实现为具有等效功能的两个(或更多个)分开的实体等等。
[0012]
如本文中所使用，“存储器”被理解为数据或信息可以被存储在其中以供检取的计算机可读介质。对本文中所包括的“存储器”的引用可因此被理解为是指易失性或非易失性存储器，包括随机存取存储器(ram)、只读存储器(rom)、闪存、固态存储、磁带、硬盘驱动器、光驱等等、或其任何组合。在本文中，寄存器、移位寄存器、处理器寄存器、数据缓冲器等等也可由术语存储器包含。术语“软件”是指任何类型的可执行指令，包括固件。
[0013]
除非明确地指定，否则术语“发射”涵盖直接(点对点)和间接(经由一个或多个中间点)的发射两者。类似地，术语“接收”涵盖直接和间接的接收两者。此外，术语“发射”、“接收”、“传递”和其他类似术语涵盖物理传输(例如，对无线电信号的传输)和逻辑传输(例如，通过逻辑软件级连接对数字数据的传输)两者。例如，处理器或控制器可通过软件级连接以
无线电信号的形式与另一处理器或控制器对数据进行发射或接收，其中，物理发射和接收由诸如rf收发机和天线之类的无线电层组件处置，并且通过软件级连接的逻辑发射和接收由处理器或控制器执行。术语“传递”涵盖发射和接收中的一者或两者，即，在传入方向和传出方向中的一个或这两个方向上的单向或双向传输。术语“计算”涵盖经由数学表达式/公式/关系进行的
‘
直接’计算和经由查找表或散列表以及其他数组索引或搜索操作进行的
‘
间接’计算两者。
[0014]
可以将“交通工具”理解为包括任何类型的被驾驶或可驾驶的对象。作为示例，交通工具可以是具有内燃机、反作用式引擎、电驱动对象、混合驱动对象或其组合的被驾驶对象。交通工具可以是或可包括汽车、公共汽车、小型公共汽车、货车、卡车、活动住房、交通工具拖车。在进一步的示例中，交通工具可包括：摩托车、自行车、三轮车、火车机车、火车车皮、移动的机器人、个人运输工具、船、轮船、潜水器、潜水艇等等。
[0015]“地面交通工具”可被理解为包括如上文所述的被配置成用于在地面上(例如，在街道上、在道路上、在轨道上、在一条或多条轨道上、越野等)穿行或被驾驶的任何类型的交通工具。“水域交通工具”可被理解为如上文所述的能够在液体表面上或液体表面下方机动的任何类型的交通工具，例如，水面上的船只或水面下方的潜水艇。要领会，一些交通工具可被配置成用于作为地面交通工具、空中交通工具和/或水域交通工具中的一者或多者来进行操作。
[0016]
术语“自主交通工具”可描述能够在不具有驾驶员输入的情况下实现至少一种导航改变的交通工具。导航改变可描述或包括交通工具的转向、制动、或加速/减速中的一种或多种的改变。即使在交通工具不是完全自动(例如，在有驾驶员输入或无驾驶员输入的情况下完全操作)的情况下，也可以将交通工具描述为自主的。自主交通工具可以包括可以在某些时间段内在驾驶员控制下操作并且在其他时间段内无需驾驶员控制而操作的那些交通工具。自主交通工具还可包括仅控制交通工具导航的一些方面的交通工具，交通工具导航的一些方面诸如转向(例如，在交通工具车道约束之间维持交通工具路线)或在某些情形下(但并非在所有情形下)进行一些转向操作，但可能将交通工具导航的其他方面留给驾驶员(例如，在某些情形下进行制动或刹车)。自主交通工具还可以包括在某些情形下共同控制交通工具导航的一个或多个方面的交通工具(例如，动手操作(诸如响应驾驶员的输入))和在某些情形下控制交通工具导航的一个或多个方面的交通工具(例如，放手操作(诸如独立于驾驶员的输入))。自主交通工具还可以包括在某些情形下(诸如，在某些环境状况下(例如，空间区域、道路状况))控制交通工具导航的一个或多个方面的交通工具。在一些方面，自主交通工具可以处理交通工具的制动、速率控制、速度控制和/或转向的一些或所有方面。自主交通工具可以包括可以在没有驾驶员的情况下操作的那些交通工具。交通工具的自主性级别可以由交通工具的汽车工程师协会(sae)级别(例如，由sae例如在sae j3016 2018中定义：道路机动交通工具的驾驶自动化系统相关术语的分类和定义)或由其他相关专业组织进行描述或确定。sae级别可以具有范围从最小级别(例如，0级(说明性地，基本上没有驾驶自动化))到最大级别(例如，5级(说明性地，完全驾驶自动化))的值。
[0017]
在本公开的上下文中，“交通工具操作数据”可被理解为描述与交通工具的操作有关的任何类型的特征。作为示例，“交通工具操作数据”可描述交通工具的状态，诸如，(多个)推进单元的类型、交通工具的轮胎或推进器的类型、交通工具的类型、和/或交通工具的
制造的时限。更一般地，“交通工具操作数据”可描述或包括静态特征或静态交通工具操作数据(说明性地，不随时间改变的特征或数据)。作为另一示例，附加地或替代地，“交通工具操作数据”可描述或包括在交通工具的操作期间改变的特征，例如，交通工具的操作期间的环境状况(诸如，天气状况或道路状况)、燃料水平、液位、交通工具的驱动源的操作参数等。更一般地，“交通工具操作数据”可描述或包括变化的特征或变化的交通工具操作数据(说明性地，时变特征或数据)。
[0018]
本文中的各个方面可利用一个或多个机器学习模型来执行或控制交通工具的功能(或本文中所描述的其他功能)。例如，如本文中所使用的术语“模型”可被理解为根据输入数据提供输出数据的任何种类的算法(例如，根据输入数据生成或计算输出数据的任何种类的算法)。计算系统可执行机器学习模型来渐进地改善特定任务的性能。在一些方面中，计算系统可在训练阶段期间基于训练数据来调整机器学习模型的参数。计算系统可在推断阶段期间使用经训练的机器学习模型基于输入数据作出预测或决策。在一些方面，计算系统可使用经训练的机器学习模型来生成附加训练数据。计算系统可在第二训练阶段期间基于所生成的附加训练数据来调整附加机器学习模型。计算系统可在推断阶段期间使用经训练的附加机器学习模型基于输入数据作出预测或决策。
[0019]
本文中所描述的机器学习模型可采取任何合适的形式或利用任何合适的技术(例如，以用于训练目的)。例如，这些机器学习模型中的任何机器学习模型均可利用监督式学习、半监督式学习、无监督式学习、或强化学习技术。
[0020]
贯穿本公开，词语“传感器”与对传感器的周围区域有关的数据的检测结合使用。“传感器”可以是任何类型的传感器而不具有限制，并且可包括“图像传感器”。
[0021]“图像传感器”与检测同传感器的附近区域有关的图像数据的传感器结合使用。图像传感器旨在至少包括静物相机、视频相机、红外相机、激光雷达、雷达、或其任何组合。此种定义并非旨在是限制性或排他性的，并且预期可利用本文中并未以其他方式描述的替代传感器来执行或操作本文中公开的原理、方法和设备。
[0022]
在监督式学习中，可使用训练数据集来建立模型，该训练数据集既包括输入又包括对应的期望输出(说明性地，每个输入可与针对该输入的期望或预期输出相关联)。每个训练实例可包括一个或多个输入并且包括期望输出。训练可包括通过训练实例迭代以及使用目标函数来教导模型预测针对新的输入的输出(说明性地，对于训练集中不包括的输入)。在半监督式学习中，训练集中的输入中的部分可能缺少相应的期望输出(例如，一个或多个输入可能不与任何期望或预期的输出相关联)。
[0023]
在无监督式学习中，计算系统可从仅包括输入而不包括期望输出的训练数据集来建立模型。说明性地，计算系统可使用无监督式模型通过发现数据中的模式而找到该数据中的结构(例如，对数据点的分组或聚类)。可在无监督式学习模型中实现的技术可包括例如自组织图、最近邻映射、k均值聚类、以及奇异值分解。
[0024]
强化学习模型可包括正反馈或负反馈以改善准确性。强化学习模型可尝试使一个或多个目标/回报最大化。可在强化学习模型中实现的技术可包括例如q学习、时间差(td)和深度对抗网络。
[0025]
本文中所描述的各个方面可利用一个或多个分类模型。在分类模型中，可能将输出限于值的有限集合(例如，一个或多个类别)。分类模型可输出针对具有一个或多个输入
值的输入集合的类。输入集合可包括传感器数据，诸如图像数据、雷达数据、激光雷达数据等等。如本文中所描述的分类模型可例如对某些驾驶状况和/或环境状况(诸如，天气状况、道路状况)等等进行分类。本文中对分类模型的引用可构想实现例如下列技术中的任何一种或多种技术的模型：线性分类器(例如，逻辑回归或朴素贝叶斯分类器)、支持向量机、决策树、提升树、随机森林、神经网络或最近邻。
[0026]
本文中所描述的各方面可利用一个或多个回归模型。回归模型可基于具有一个或多个值的输入集合(说明性地，从具有一个或多个值的输入集合开始或使用具有一个或多个值的输入集合)输出连续范围中的数字值。本文中对回归模型的引用可设想实现例如下列技术(或其他合适技术)中的任何一种或多种技术的模型：线性回归、决策树、随机森林、或神经网络。
[0027]
本文中所描述的机器学习模型可以是或可包括神经网络。神经网络可以是任何种类的神经网络，诸如卷积神经网络、自编码器网络、变分自编码器网络、稀疏自编码器网络、循环神经网络、去卷积网络、生成性对抗网络，前瞻性神经网络、和积神经网络等等。神经网络可包括任何数量的层。对神经网络的训练(例如，调整神经网络的层)可使用或可基于任何种类的训练原理，诸如反向传播(例如，使用反向传播算法)。
[0028]
贯穿本公开，下列术语可作为同义词来使用：驾驶参数集，驾驶模型参数集，安全层参数集，驾驶员辅助、自动化驾驶模型参数集，和/或类似术语(例如，驾驶安全参数集)。这些术语可与用于实现指示交通工具根据本文中所描述的方式来操作的一个或多个模型的各组值对应。
[0029]
此外，贯穿本公开，下列术语可作为同义词来使用：驾驶参数、驾驶模型参数、安全层参数、驾驶员辅助和/或自动化驾驶模型参数、和/或类似术语(例如，驾驶安全参数)，并且可对应于先前所描述的集合内的特定值。
[0030]
图1示出根据各个方面的包括移动性系统120和控制系统200(还参见图2)的交通工具100。应领会，交通工具100和控制系统200本质上是示例性的，并且因此可出于解释的目的而被简化。要素的数量和位置以及关系距离(如上文所讨论的，这些图并未按比例绘制)是作为示例而提供，并不限于此。交通工具100的组件可围绕交通工具100的交通工具壳体布置，安装在该交通工具壳体上或该交通工具壳体外部，封闭在交通工具壳体内，或者其中在交通工具100行进时组件与其一起移动的相对于交通工具壳体的任何其他布置。交通工具壳体诸如，汽车主体、船体、或取决于交通工具100的交通工具类型的类似类型的交通工具主体。
[0031]
除了包括控制系统200之外，交通工具100还可包括移动性系统120。移动性系统120可包括交通工具100的、与交通工具100的转向和移动有关的组件。在一些方面，在交通工具100是汽车的情况下，例如，移动性系统120可包括车轮和轮轴、悬架、引擎、变速器、制动器、方向盘、相关联的电气电路系统和布线、以及汽车的驾驶中所使用的任何其他组件。在一些方面，在交通工具100是空中交通工具的情况下，移动性系统120可包括以下各项中的一项或多项：转子、螺旋桨、喷气式引擎、机翼、方向舵或机翼襟翼、空气制动器、轭或轮转、相关联的电气电路系统和布线、以及空中交通工具的飞行中所使用的任何其他组件。在一些方面，在交通工具100是水上或水下交通工具的情况下，移动性系统120可包括以下各项中的一项或多项：方向舵、引擎、螺旋桨、方向盘、相关联的电气电路系统和布线、以及水
域交通工具的转向或移动中所使用的任何其他组件。在一些方面，移动性系统120还可包括自主驾驶功能，并且相应地可包括与一个或多个处理器102和传感器阵列的接口，该一个或多个处理器102被配置成用于执行自主驾驶计算和决策，该传感器阵列用于移动感测和障碍物感测。在这个意义上说，可向移动性系统120提供来自控制系统200的一个或多个组件的、用于指引交通工具100的导航和/或移动性的指令。移动性系统120的自主驾驶组件还可与一个或多个射频(rf)收发器108对接，以促进与执行和自主驾驶有关的决策和/或计算的其他附近的交通工具通信设备和/或中央联网组件的移动性协调。
[0032]
取决于特定实现方式的要求，控制系统200可以包括各种组件。如图1和图2中所示，控制系统200可包括一个或多个处理器102、一个或多个存储器104、天线系统106(该天线系统106可包括处于交通工具上的不同位置处的、用于射频(rf)覆盖的一个或多个天线阵列)、一个或多个射频(rf)收发器108、一个或多个数据采集设备112、一个或多个定位设备114(该一个或多个定位设备114可包括用于基于全球导航卫星系统(gnss)和/或全球定位系统(gps)来接收并确定位置的组件和电路系统)、以及一个或多个测量传感器116(例如，速度计、高度计、陀螺仪、速度传感器等)。
[0033]
控制系统200可被配置成用于经由移动性系统120和/或与其环境的交互(例如，与其他设备或诸如基站之类的网络基础设施元件(nie)的通信)、经由数据采集设备112和射频通信布置(包括一个或多个rf收发器108并包括天线系统106)来控制交通工具100的移动性。
[0034]
一个或多个处理器102可包括数据采集处理器214、应用处理器216、通信处理器218、和/或任何其他合适的处理设备。一个或多个处理器102中的每个处理器214、216、218可包括各种类型的基于硬件的处理设备。作为示例，每个处理器214、216、218可包括微处理器、预处理器(诸如图像预处理器)、图形处理器、中央处理单元(cpu)、支持电路、数字信号处理器、集成电路、存储器，或适合用于运行应用以及用于图像处理和分析的任何其他类型的设备。在一些方面，每个处理器214、216、218可包括任何类型的单核或多核处理器、移动设备微控制器、中央处理单元等。这些处理器类型可各自包括具有本地存储器和指令集的多个处理单元。此类处理器可包括用于从多个传感器接收图像数据的视频输入，并且还可包括视频输出能力。
[0035]
本文中所公开的处理器214、216、218中的任一者可被配置成用于根据可被存储在一个或多个存储器104中的存储器中的程序指令来执行某些功能。换言之，一个或多个存储器104中的存储器可存储在由处理器(例如，由一个或多个处理器102)执行时控制系统(例如，驾驶和/或安全系统)的操作的软件。例如，一个或多个存储器104中的存储器可存储一个或多个数据库和图像处理软件、以及经训练的系统(诸如，神经网络、或深度神经网络)。一个或多个存储器104可包括任何数量的随机存取存储器、只读存储器、闪存、盘驱动器、光存储、磁带存储、可移动存储、以及其他类型的存储。替代地，处理器214、216、218中的每一者可包括用于此类存储的内部存储器。
[0036]
数据采集处理器214可包括用于处理由数据采集单元112采集的数据的处理电路系统，诸如cpu。例如，如果一个或多个数据采集单元是图像采集单元(例如，一个或多个相机)，则数据采集处理器可包括用于使用从图像采集单元获得的信息作为输入来处理图像数据的图像处理器。数据采集处理器214因此可被配置成用于基于来自数据采集单元112
(即，在该示例中为相机)的数据输入来创建体素地图，该体素地图详述交通工具100的周围环境。
[0037]
应用处理器216可以是cpu，并且可被配置成用于处置协议栈以上的层，包括传输层和应用层。应用处理器216可被配置成用于在交通工具100的应用层处执行交通工具100的各种应用和/或程序，这些应用和/或程序诸如操作系统(os)、用于支持用户与交通工具100交互的用户接口(ui)206和/或各种用户应用。应用处理器216可与通信处理器218对接，并且充当用户数据的源(在发射路径中)和宿(在接收路径中)，用户数据诸如语音数据、音频/视频/图像数据、消息收发数据、应用数据、基本互联网/网络接入数据等。因此，在发射路径中，通信处理器218可根据协议栈的层特定功能接收和处理由应用处理器216提供的传出数据，并将所得到的数据提供给数字信号处理器208。通信处理器218随后可对接收到的数据执行物理层处理，以产生数字基带样本，数字信号处理器可将该数字基带样本提供给(多个)rf收发器108。(多个)rf收发器108随后可处理数字基带样本以将数字基带样本转换为模拟rf信号，(多个)rf收发器108可经由天线系统106无线地发射模拟rf信号。在接收路径中，(多个)rf收发器108可从天线系统106接收模拟rf信号，并处理模拟rf信号以获得数字基带样本。(多个)rf收发器108可将数字基带样本提供给通信处理器218，通信处理器218可对数字基带样本执行物理层处理。通信处理器218随后可将所得到的数据提供给一个或多个处理器102中的其他处理器，这些其他处理器可根据协议栈的层特定功能处理所得到的数据，并将所得到的传入数据提供给应用处理器216。应用处理器216随后可在应用层处置传入数据，这可以包括利用数据执行一个或多个应用程序和/或经由一个或多个用户接口206将数据呈现给用户。用户接口206可包括一个或多个屏幕、话筒、鼠标、触摸板、键盘、或提供用于用户输入的机制的任何其他接口。
[0038]
通信处理器218可包括数字信号处理器和/或控制器，该数字信号处理器和/或控制器可根据与一个或多个无线电接入网络相关联的通信协议来指引交通工具100的此类通信功能，并且可通过天线系统106和(多个)rf收发器108来执行控制，以根据由每种通信协议定义的格式化和调度参数来发射和接收无线电信号。虽然各种实际设计可以包括用于每种支持的无线电通信技术的分开的通信组件(例如，分开的天线、rf收发器、数字信号处理器、和控制器)，但是为了简洁起见，图1和图2中示出的交通工具100的配置可以描绘此类组件的仅单个实例。
[0039]
交通工具100可利用天线系统106发射和接收无线信号，天线系统106可以是单根天线或者可以是包括多个天线元件的天线阵列。在一些方面，天线系统202可附加地包括模拟天线组合和/或波束成形电路系统。在接收(rx)路径中，(多个)rf收发器108可从天线系统106接收模拟射频信号，并对模拟射频信号执行模拟和数字rf前端处理以产生用于提供给通信处理器218的数字基带样本(例如，同相/正交(iq)样本)。(多个)rf收发器108可包括模拟和数字接收组件，这些模拟和数字接收组件包括放大器(例如，低噪声放大器(lna))、滤波器、rf解调器(例如，rf iq解调器))、以及模数转换器(adc)，(多个)rf收发器108可利用这些模拟和数字接收组件将接收到的射频信号转换为数字基带样本。在发射(tx)路径中，(多个)rf收发器108可从通信处理器218接收数字基带样本，并对数字基带样本执行模拟和数字rf前端处理，以产生用于提供给天线系统106以供无线发射的模拟射频信号。(多个)rf收发器108由此可包括模拟和数字发射组件，这些模拟和数字发射组件包括放大器
(例如，功率放大器(pa))、滤波器、rf调制器(例如，rf iq调制器)、以及数模转换器(dac)，(多个)rf收发器108可利用这些模拟和数字发射组件将从通信处理器218接收到的数字基带样本进行混合，并产生模拟射频信号以供天线系统106进行无线发射。在一些方面，通信处理器218可控制(多个)rf收发器108的无线电发射和接收，包括为该(多个)rf收发器108的操作指定发射和接收射频。
[0040]
根据一些方面，通信处理器218包括基带调制解调器，该基带调制解调器被配置成用于执行物理层(phy，层1)发射和接收处理，以在发射路径中对由通信处理器218提供的传出发射数据进行准备以供经由(多个)rf收发器108发射、并且在接收路径中对由(多个)rf收发器108提供的传入接收到的数据进行准备以供通信处理器218进行处理。基带调制解调器可包括数字信号处理器和/或控制器。数字信号处理器可被配置成用于执行以下各项中的一项或多项：错误检测、前向纠错编码/解码、信道编码和交织、信道调制/解调、物理信道映射、无线电测量和搜索、频率和时间同步化、天线分集处理、功率控制和加权、速率匹配/去匹配、重传处理、干扰消除、以及任何其他物理层处理功能。数字信号处理器可在结构上被实现为硬件组件(例如，被实现为一个或多个数字地配置的硬件电路或fpga)、软件定义的组件(例如，被配置成用于执行定义算术、控制和i/o指令的程序代码(例如，软件和/或固件)的一个或多个处理器，该程序代码被存储在非瞬态计算机可读存储介质中)，或被实现为硬件组件和软件组件的组合。在一些方面，数字信号处理器可包括被配置成用于检取和执行程序代码的一个或多个处理器，该程序代码定义用于物理层处理操作的控制和处理逻辑。在一些方面，数字信号处理器可经由执行可执行指令来利用软件执行处理功能。在一些方面，数字信号处理器可包括一个或多个专用硬件电路(例如，asic、fpga、以及其他硬件)，该一个或多个专用硬件电路数字地被配置成用于特定执行处理功能，其中，数字信号处理器中的一个或多个处理器可将某些处理任务迁移到这些专用硬件电路，这些专用硬件电路被称为硬件加速器。示例性硬件加速器可以包括快速傅立叶变换(fft)电路和编码器/解码器电路。在一些方面，数字信号处理器的处理器和硬件加速器组件可被实现为耦合集成电路。
[0041]
交通工具100可被配置成用于根据一种或多种无线电通信技术来进行操作。通信处理器218的数字信号处理器可负责无线电通信技术的下层处理功能(例如，层1/phy)，而通信处理器218的控制器可负责上层协议栈功能(例如，数据链路层/层2和/或网络层/层3)。控制器由此可负责根据每种支持的无线电通信技术的通信协议来对交通工具100的无线电通信组件(天线系统106、(多个)rf收发器108、定位设备114等)进行控制，并且相应地可表示每种支持的无线电通信技术的接入层和非接入层(nas)(也涵盖层2和层3)。控制器可在结构上被具体化为协议处理器，该协议处理器被配置成用于执行(从控制器存储器检取的)协议栈软件，并随后根据该协议栈软件中所定义的对应协议栈控制逻辑来控制交通工具100的无线电通信组件以发射和接收通信信号。控制器可包括一个或多个处理器，该一个或多个处理器被配置成用于检取和执行定义一种或多种无线电通信技术的上层协议栈逻辑的程序代码，该上层协议栈逻辑可以包括数据链路层/层2和网络层/层3功能。控制器可被配置成用于执行用户平面功能和控制平面功能两者，以促进应用层数据根据支持的无线电通信技术的特定协议的去往交通工具100和来自交通工具100的传输。用户平面功能可以包括头部压缩和封装、安全性、错误检查和校正、信道多路复用、调度和优先级，而控制平
面功能可包括无线电承载的设置和维护。由通信处理器218的控制器检取和执行的程序代码可包括定义此类功能的逻辑的可执行指令。
[0042]
在一些方面，交通工具100可被配置成用于根据多种无线电通信技术来发射和接收数据。相应地，在一些方面，天线系统106、(多个)rf收发器108、和通信处理器218中的一者或多者可以包括专用于不同无线电通信技术的分开的组件或实例和/或在不同无线电通信技术之间共享的统一组件。例如，在一些方面，通信处理器218的多个控制器可被配置成用于执行多个协议栈(每个协议栈专用于不同的无线电通信技术)并且这些协议栈可处于同一处理器或不同处理器处。在一些方面，通信处理器218的多个数字信号处理器可包括专用于不同的相应无线电通信技术的分开的处理器和/或硬件加速器、和/或在多种无线电通信技术之间共享的一个或多个处理器和/或硬件加速器。在一些方面，(多个)rf收发器108可包括专用于不同的相应无线电通信技术的分开的rf电路系统部分、和/或在多种无线电通信技术之间共享的rf电路系统部分。在一些方面，天线系统106可以包括专用于不同的相应无线电通信技术的分开的天线、和/或在多种无线电通信技术之间共享的天线。相应地，天线系统106、(多个)rf收发器108、以及通信处理器218可以涵盖专用于多种无线电通信技术的分开的和/或共享的组件。
[0043]
通信处理器218可被配置成用于实现一种或多种交通工具对外界(v2x)通信协议，该一种或多种交通工具对外界(v2x)通信协议可包括交通工具对交通工具(v2v)、交通工具对基础设施(v2i)、交通工具对网络(v2n)、交通工具对行人(v2p)、交通工具对设备(v2d)、交通工具对网格(v2g)、和其他协议。通信处理器218可被配置成用于传输通信，这些通信包括交通工具100与该交通工具100的环境中的一个或多个其他(目标)交通工具之间的通信(单向或双向)(例如，以促进交通工具100考虑到该交通工具100的环境中的其他(目标)交通工具或与其他(目标)交通工具一起的导航的协调)、或甚至向正在传输的交通工具100的附近区域中的未指定接收者进行的广播传输。
[0044]
通信处理器218可被配置成用于根据不同的期望的无线电通信协议或标准、经由一个或多个rf收发器108中的第一rf收发器进行操作。作为示例，通信处理器218可根据短程移动无线电通信标准来配置，该短程移动无线电通信标准诸如例如，蓝牙、zigbee等等，并且第一rf收发器可与对应的短程移动无线电通信标准对应。作为另一示例，通信处理器218可被配置成用于根据中程或宽程移动无线电通信标准(诸如例如，根据相应的3gpp(第三代合作伙伴计划)标准的3g(例如，通用移动通信系统
–
umts)、4g(例如，长期演进
–
lte)、或5g移动无线电通信标准))、经由一个或多个rf收发器108中的第二rf收发器来进行操作。作为进一步的示例，通信处理器218可被配置成用于根据无线局域网通信协议或标准(诸如例如，根据ieee 802.11(例如，802.11、802.11a、802.11b、802.11g、802.11n、802.11p、802.11
‑
12、802.11ac、802.11ad、802.11ah等等))、经由一个或多个rf收发器108中的第三rf收发器来进行操作。一个或多个rf收发器108可被配置成经由天线系统106通过空中接口来发射信号。rf收发器108可各自具有天线系统106中的对应天线元件，或者可共享天线系统106中的天线元件。
[0045]
存储器214可具体化交通工具100的存储器组件，诸如硬盘驱动器或另一此类持久性存储器设备。虽然在图1和图2中没有明确描绘，但图1和图2中所示的交通工具100的各种其他组件(例如，一个或多个处理器102)可以附加地各自包括(诸如用于存储软件程序代
码、缓冲数据等的)集成的持久性和非持久性存储器组件。
[0046]
天线系统106可包括单根天线或多根天线。在一些方面，可将天线系统106的一根或多根天线中的每根天线置于交通工具100上的多个位置处，以便确保最大的rf覆盖。天线可包括具有多个天线元件的相控天线阵列、波束切换天线阵列等等。天线系统106可被配置成用于根据模拟和/或数字波束成形方案来操作，以便使信号增益最大化和/或提供信息隐私性级别。天线系统106可包括专用于不同的相应无线电通信技术的分开的天线、和/或在多种无线电通信技术之间共享的天线。尽管在图1中示出为单个元件，但天线系统106可包括被定位在交通工具100上的不同位置处的多个天线元件(例如，天线阵列)。可在策略上选择多个天线元件的放置，以便确保期望程度的rf覆盖。例如，可在交通工具100的前部、后部、(多个)角、和/或(多个)侧上放置附加天线。
[0047]
取决于特定应用的要求，数据采集设备112可包括任何数量的数据采集设备和组件。这可包括：用于提供关于交通工具的环境的数据的图像采集设备、接近度检测器、声学传感器、红外传感器、压电传感器等。图像采集设备可包括相机(例如，标准相机、数字相机、视频相机、单透镜反射相机、红外相机、立体相机等)、电荷耦合器件(ccd)或任何类型的图像传感器。接近度检测器可包括雷达传感器、光检测和测距(lidar)传感器、毫米波雷达传感器等。声学传感器可包括：话筒、声纳传感器、超声传感器等。相应地，数据采集单元中的每一个可被配置成用于观察交通工具100的环境的特定类型的数据，并将该数据转发至数据采集处理器214，以便向交通工具提供对该交通工具的环境的准确描绘。数据采集设备112可被配置成用于结合所采集的数据来实现预处理的传感器数据，诸如雷达目标列表或激光雷达目标列表。
[0048]
测量设备116可包括用于测量交通工具状态参数的其他设备，诸如：用于测量交通工具100的速度的速度传感器(例如，速度计)、用于测量交通工具100沿一个或多个轴的加速度的一个或多个加速度计(单轴的或多轴的)、用于测量取向和/或角速度的陀螺仪、里程表、高度计、温度计等。要领会，取决于交通工具的类型(例如，汽车相对于卡车相对于船只)，交通工具100可具有不同的测量设备116。
[0049]
定位设备114可包括用于确定交通工具100的位置的组件。例如，这可包括全球定位系统(gps)或其他全球导航卫星系统(gnss)电路系统，被配置成用于接收来自卫星系统的信号并确定交通工具100的位置。相应地，定位系统114可向交通工具100提供卫星导航特征。
[0050]
一个或多个存储器104可将数据存储在例如数据库中或以任何不同格式存储数据，这些数据可对应于地图。例如，地图可指示以下各项的位置：已知地标、道路、路径、网络基础设施元件、或交通工具100的环境的其他要素。一个或多个处理器102可以处理交通工具100的环境的传感信息(诸如图像、雷达信号、来自对两个或更多个图像的激光雷达或立体处理的深度信息)以及位置信息(诸如gps坐标、交通工具的自我运动等)，以确定交通工具100相对于已知地标的当前位置，并细化对交通工具的位置的确定。该技术的某些方面可以被包括在定位技术(诸如建图和路线选择模型)中。
[0051]
地图数据库(db)204可包括存储用于交通工具100(例如，用于控制系统200)的(数字)地图数据的任何类型的数据库。地图数据库204可包括与各种项目(包括道路、道路基础设施、道路特征、道路标记、水景、地理特征、商业、感兴趣的地点、餐馆、加油站等)在参考坐
标系中的位置相关的数据。地图数据库204不仅可以存储此类项目的位置，还可以存储与这些项目相关的描述符，包括例如与存储的特征中的任何特征相关联的名称。在一些方面，一个或多个处理器102中的处理器可以通过至通信网络(例如，通过蜂窝网络和/或互联网等)的有线或无线数据连接从地图数据库204下载信息。在一些情况下，地图数据库204可存储稀疏数据模型，包括针对交通工具100的某些道路特征(例如，车道标记)或目标轨迹的多项式表示。地图数据库204还可以包括各种识别出的地标的所存储的表示，这些所存储的表示可被提供以确定或更新交通工具100相对于目标轨迹的已知位置。地标表示可以包括诸如地标类型、地标位置、以及其他潜在标识符之类的数据字段。
[0052]
此外，控制系统200可包括例如在高级驾驶辅助系统(adas)和/或驾驶辅助系统及自动化驾驶系统中实现的驾驶模型。作为示例，控制系统200可包括(例如，作为驾驶模型的部分的)形式模型(诸如，安全驾驶模型)的计算机实现方式。安全驾驶模型可以是或可包括对适用于自驾驶交通工具的适用法律、标准、政策等的解释进行形式化的数学模型。安全驾驶模型可被设计为实现例如三个目标：第一，法律的解释在它符合人类如何解释法律的意义上应该是合理的；第二，解释应该带来有用的驾驶策略，这意味着它将带来灵活的驾驶策略而不是过度防御性的驾驶，该过度防御性的驾驶不可避免地会使其他人类驾驶员感到迷惑并将阻塞交通，并且进而限制系统部署的可扩展性；以及第三，在可以严格地证明自驾驶(自主)交通工具正确地实现该法律的解释的意义上，解释应当是高效地可验证的。说明性地，安全驾驶模型可以是或可包括用于安全保障的数学模型，该数学模型实现对危险情况的恰当响应的标识和执行，使得可以避免自身导致的事故。
[0053]
如上文所描述，交通工具100可包括控制系统200，还参考图2来描述该控制系统200。交通工具100可包括一个或多个处理器102，该一个或多个处理器102与引擎控制单元(ecu)集成或分开，引擎控制单元可被包括在交通工具100的移动性系统120中。一般而言，控制系统200可生成数据来控制或辅助控制ecu和/或交通工具100的其他组件，以直接地控制交通工具100的移动或间接地经由移动性系统120控制交通工具100的移动。交通工具100的一个或多个处理器102可被配置成用于实现本文中描述的各方面和方法。
[0054]
可经由任何适当的接口使图1和图2中所图示的组件操作地彼此连接。此外，应当领会，并非组件之间的所有连接均被明确地示出，并且组件之间的其他接口可被覆盖在本公开的范围内。
[0055]
图3示出根据一些方面的示例性网络区域300。网络区域300可包括多个交通工具100，该多个交通工具100可包括例如地面交通工具。这些交通工具中的任一者可与一个或多个其他交通工具100和/或与网络基础设施元件(nie)310通信。nie 310可以是基站(例如，enodeb、gnodeb等)、路边单元(rsu)、路标，被配置成与交通工具和/或移动无线电通信网络等进行无线通信、并且充当交通工具100中的一个或多个交通工具与移动无线电通信网络(例如lte网络或5g网络)之间的接口。
[0056]
nie 310可包括天线系统312、rf收发器314、以及基带电路316等组件中的至少一者，在天线系统312、rf收发器314、以及基带电路316中的每一者之间具有适当的接口。在nie 310的操作的简略概述中，nie 310可经由天线系统312发射和接收无线信号，该天线系统312可以是包括多个天线阵列的天线阵列。天线系统312可包括多个天线元件(例如，多个天线阵列)，以便采用多输入和多输出(mimo)方法和模式。
[0057]
rf收发器314可执行发射和接收rf处理，从而将来自基带电路316的传出基带样本转换为模拟无线电信号以提供至天线系统312以供进行无线电传输，并且将接收自天线系统312的传入模拟无线电信号转换为基带样本以提供至基带电路316。相应地，rf收发器314可被配置成用于与图1和图2中所描述的(多个)rf收发器类似地操作，但可能以大得多的规模进行操作(例如，用于发射更高功率的信号的放大器等)。
[0058]
基带电路316可包括控制器310和物理层处理器318，物理层处理器318可被配置成用于对接收自rf收发器314的基带样本执行发射和接收phy处理以提供至控制器310，并且对接收自控制器310的基带样本执行发射和接收phy处理以提供至rf收发器314。在一些方面，基带调制解调器316可位于nie 310外部，例如位于移动无线电通信网络的集中位置处。控制器310可根据对应的无线电通信技术协议来控制nie 310的通信功能，这可包括实行对天线系统312、rf收发器314、以及物理层处理器318的控制。rf收发器314、物理层处理器318、以及控制器310中的每一者可在结构上利用硬件(例如，利用一个或多个数字地配置的硬件电路或fpga)实现，在结构上被实现为软件(例如，被实现为执行非瞬态计算机可读存储介质中所存储的程序代码的一个或多个处理器，该程序代码定义算术、控制、和i/o指令)，或者在结构上被实现为硬件和软件的混合组合。nie 310还可包括用于根据一些方面与核心网络进行通信(例如，接收来自核心网络的指令、将数据提供至核心网络等)的接口320。
[0059]
另外，nie 310可包括存储器330，该存储器330可在nie 310内部(如图3中所示)或在nie 310外部(未示出)。存储器330可存储nie 310的覆盖区域的一个或多个地图以及其他类型的信息。一个或多个地图中的每个地图可包括静态层和/或动态层，静态层描绘在较长的时间段期间在很大程度上保持不变的环境要素(例如，道路、结构、树木等)，动态层具有更频繁的改变(例如，交通工具、检测到的障碍物、建筑等)。在一些方面，存储器330还可存储与nie 310的一个或多个相邻区域对应的地图，以便向处于nie 310的覆盖区域内的交通工具提供相邻覆盖区域的信息(例如，从而促进交通工具移动至相邻nie的覆盖区域时的过程)。
[0060]
本公开的各方面包括用于在一个或多个标定元件的帮助下动态地对自动化交通系统(例如，自主交通工具、部分自主交通工具、或半自主交通工具)中的智能传感器进行再标定的方法。可利用这些方法来对经过置于基础设施中的静态标定元件的机载交通工具传感器进行再标定(本文中被称为模式a)，或者替代地，可利用这些方法来对固定的基础设施传感器进行再标定，通过观察安装在测试交通工具上的移动的标定元件来进行再标定(被称为模式b)。如此处将描述，标定过程可能要求附加信息，并且所述附加信息通常可被包括在标定元件内的符号中。符号可具有携载用于在标定过程中使用的信息的任何一种或多种形式，而没有限制。符号可以是标定元件的部分或者与标定元件分立。符号可包括光学符号(例如，条形码、qr码、或其他传感器可获得的标签)。一个或多个处理器可被配置成用于对符号进行标识、提取、和/或解码。
[0061]
自动化交通工具依赖于各种机载感测系统的输入以用于对环境的感知。对此类传感器的误标定(即，不充分的或有欠缺的标定)可能起因于自动化交通工具的结构改变。此类结构改变可起因于例如冲击。另外或替代地，软件缺陷可能影响传感器数据的完整性。此类标定缺口可能变得对于安全性至关重要，由此导致降低的交通工具安全性。这些标定缺
口可要求纠正，优选地，尽快或在最小延迟的情况下纠正。此类标定服务可能是高成本的并且时间密集的，并且它们可能要求在交通工具的(多个)传感器在车库中被标定时交通工具暂时难以获得或者不可用。
[0062]
类似地，传感器标定在智能路边基础设施中可发挥不可或缺的作用。路边的分布式感测可提供采集实时数据的能力，以用于交通监视、用于智能交通工具的感测数据的扩充、用于道路状况监测等。例如，由于诸如风或碰撞之类的外部因素，通常在难以进入的区域中可能发生外在误标定，并且由此外在误标定可能代表对于基础设施运营商而言臭名昭著的问题。此类误标定也可能是尝试损害系统的结果。
[0063]
本文中所公开的是用于动态自标定的方法和设备/系统。此种自标定过程可根据本公开的至少两个方面来操作。根据第一方面，过程可以对机载交通工具传感器进行标定(模式a)。根据第二方面，过程可以标定静态基础设施传感器(模式b)。在模式a中，在无源且静态的基础设施元件的帮助下，过程可标定与其主控交通工具一起移动的机载传感器。在模式b中，静态基础设施传感器可通过观察动态但无源的目标交通工具(例如，具有无源标定元件的移动的目标交通工具)来进行自标定，该目标交通工具可包括特定的标定元件。在这两种情形中，并且由于系统的动态性，传感器可以以不同的角度和距离多次检测标定元件(例如，对于相机而言，具有等距正方形的棋盘结构)。这可允许对固有相机参数和外在相机参数两者的多平面标定。另外，标定元件(针对模式a，标定元件处于基础设施中，或者在模式b下，标定元件附接至测试交通工具)可以以符号(例如，条形码)为特征，该符号可以是机器可读的，诸如例如可由相机读取。此种符号可包含完整标定所要求的信息，尤其是所附接的标定模式的真实尺寸、使得元件可被标识为标定元件的签名、以及该元件具有的、相对于道路(模式a)或交通工具(模式b)的姿态。
[0064]
相较于其他标定方法，本文中所公开的方法和原理准许对外在和固有(在相机用例的情况下)传感器参数的快速(即，由于要求相对较少的附加信息(诸如交通工具轨迹))动态标定。此类快速标定可经由改善的传感器完整性而对道路安全性作出贡献。而且，本文中所公开的方法和原理可应用于对智能交通工具传感器和安装在路边基础设施中的传感器两者的自标定。可修改这些原理和方法以将各种传感器类型考虑在内，这些传感器类型诸如但不限于相机、雷达、以及激光雷达。
[0065]
本文中所描述的方法和原理可依赖于交通工具的已知轨迹/前进方向来进行传感器标定。不论在模式a下操作还是在模式b下操作，均假定图像数据将在一时间跨度上和/或在多个离散时间点被获得，同时交通工具在行进。可假定交通工具正在道路上行进，并且所述道路是笔直的或基本上笔直的，或者至少该道路的路径是已知的。一般假定交通工具的行进路径总体上将对应于该交通工具在其上行进的道路的路径。也就是说，如果道路是笔直的，则交通工具的行进路径也将是总体上笔直的。道路的路径与交通工具的路径之间的小的偏差可能是意料之中的(例如，由于道路中的瑕疵、转向纠正、转向容差或其他方面)；然而，通过多次测量，可以在很大程度上将这些偏差考虑在内，或者至少可减小所述偏差的影响的大小。
[0066]
传感器及其功能完整性对于自动化交通工具和智能基础设施的环境感知而言是至关重要的。本文中所公开的方法和原理可允许对标定这些传感器的固有参数(针对相机)和外在参数两者的过程进行简化和加速，并且由此对道路安全性作出贡献。标定过程可以
是动态的，以免中断交通流和/或以免要求任何交通工具停机时间或人类劳动。标定结构可成本高效地被集成在现有的基础设施元件中，这些基础设施元件诸如台架(路标支架)或路标。
[0067]
可以利用一个或多个标定元件来标定一个或多个传感器。术语“标定元件”可以是交通工具外部的、包括标定图案的任何结构或基础设施。根据模式a，标定元件可以是无源结构。一个或多个标定元件可包括一个或多个标定图案。所述标定图案可在路边(模式a)或从测试交通工具(模式b)容易地被检测。
[0068]
根据一个方面，一个或多个标定图案可具有一种或多种特定的和/或可容易地识别的形状。一个或多个标定图案可包括一个或多个代码，该一个或多个代码可由一个或多个处理器定位、分离、解码、和/或解释。一个或多个标定图案和/或一个或多个代码可任选地与期望的形状类似，诸如例如企业标志等，在该情况下，该一个或多个标定图案和/或一个或多个代码进一步对品牌推广作出贡献。特定形状可取决于期望的实现方式，并且多于一种形状可被使用。
[0069]
可静态地放置标定结构(模式a)，诸如当标定结构作为路边基础设施元件被放置时，或者可将标定结构安装在测试交通工具上(模式b)。图4描绘了根据模式a 402和模式b 408的传感器标定。根据模式a 402，包括一个或多个标定图案(参见，即检验器图案)的一个或多个标定结构404可沿道路放置。沿道路驾驶的交通工具406可获得一个或多个标定结构404的传感器数据，并且可对所获得的传感器数据进行分析以进行以下各项中的任一项：判定一个或多个传感器是否被充分标定、确定针对一个或多个传感器的标定调整、发送用于对一个或多个传感器进行标定的标定指令、或者以上各项的组合。
[0070]
根据本公开的一方面，一个或多个标定结构可包括固定的和/或印刷的街道标志。根据另一方面，一个或多个标定结构可包括被配置成用于显示标定图案和/或标定码的一个或多个显示器。
[0071]
根据另一方面，可使用发出红外光的显示器来描绘一个或多个标定结构。在这样做时，图案对于人眼而言将是不可见的，但是对于其他设备而言(诸如，对于红外相机而言)是可见的。这可防止图案和/或代码成为对交通工具中的驾驶员或乘客的干扰。
[0072]
取决于配置，在显示器上示出的标定图案(红外的或以其他方式的)可被配置成随时间改变，以使得传感器标定设备与标定图案(不论是根据模式a还是模式b)之间的多次交会可允许传感器标定设备对当前标定进行评估，和/或发送用于基于多个不同的标定图案进行标定的指令。这可能是有益的，例如，当例如在长距离相机要被标定的情况下，如果使用较大的标定图案宽度则可能更好。如将在本文中描述，包括可变显示器来显示标定图案和/或标定码也可允许附加的安全特征。
[0073]
标定元件可以是二维对象(或多个对象)，一个或多个处理器可以使用标定元件来对给定的传感器进行标定。取决于安装方式，利用预先存在的基础设施(诸如，公告牌、交通标志/交通灯、建筑立面等)作为用于标定图案的背板可能是符合期望的。在这样做时，标定元件可以更简单并且更加成本高效。标定元件可由支撑元件从固定点支撑。标定元件诸如通过颜色、材料或形状可容易地区分于支撑元件可能是符合期望的。可容易地区分于支撑元件的此类能力可改善标定过程中的清楚性。预计标定元件可被安装在外部，并且取决于给定的实现方式的具体细节，标定元件可能需要是防风雨的或耐风雨的，以抵抗恶劣的天
气条件。根据一个方面，这可至少部分地通过为标定元件选择具有以下品质中的至少一项品质的材料来实现：耐潮湿性、耐眩光(或对眩光的不敏感性)、耐褪色性(或抗褪色性)、耐刮性/耐磨性(或抗刮性)、耐风性、耐冲击性、防盗性或其任何组合。
[0074]
尤其在其中使用相机、激光雷达、或其他传感器的情况下，对于标定元件而言，在诸如雾、雨和下雪之类的各种天气条件下起作用可能是符合期望的。此类天气条件可能提供与使用视觉图案(相机、激光雷达)有关的特定困难，这是因为它们可能削弱可见性。由此，将标定元件放置在相对于道路靠近的接近度内以使得雾、雨和下雪或者可能导致降低的可见性的任何其他天气条件的任何有害结果最小化可能是符合期望的。
[0075]
a.相机标定
[0076]
标定元件可包括标定图案，标定图案可以是用于标定相机或其他传感器的一个或多个视觉图案。这些标定图案可包括可简化对固有和外在标定信息的推断的特定的图案，诸如通过使用规则的且公知的几何图形。例如，利用具有方形的黑色和白色正方形的棋盘图案用于多平面标定是已知的。可将此类图案附接至平坦的二维背板，例如稳健材料板。
[0077]
在视觉图案实现方式中，可针对给定的实现方式选择标定图案的精确设计。虽然棋盘图案对于此类实现方式而言是常见的，但已知各种各样的图案，包括但不限于有规律地散布的圆圈的图案、代码图案(例如，3d代码或qr码)、三维错觉图案等。标定图案可以基本上是一维的、二维的和/或三维的。也就是说，标定图案可包括一维的线，或者优选地包括至少二维的形状，这些一维的线或至少二维的形状在空间上以基于标定图案来执行标定操作的单元已知的方式来布置。可使用任何合适的标定图案而不具有限制。
[0078]
b.激光雷达标定
[0079]
一般而言，适合于相机的标定图案也可适合于标定激光雷达。例如，一个或多个处理器可使用采用激光雷达对其敏感的材料的2d棋盘图案。作为一般概念，可以由相机感知的大多数标定图案可能也适合于激光雷达。然而，选择更接近地定制成激光雷达可以感知的标定图案的标定图案可能是符合期望的。通过将标定图案中所使用的材料/表面的反射性及其对激光雷达检测的影响考虑在内来选择标定图案可能是符合期望的。例如，光谱表面(例如，当离轴地观察时的镜子和玻璃)可将激光雷达光束反射离开激光雷达设备，几乎没有光散射，由此使得此类表面对于激光雷达而言难以检测。类似地，可基于预期的激光雷达仪器的角度分辨率和/或可能的环境干扰来选择标定图案。然而，激光雷达传感器一般对于各种材料都是敏感的，并且可以从强度边缘固有地推断与形状、距离、取向和位置有关的几何信息。技术人员将理解，标定图案的材料和配置可以被激光雷达感知，并且因此其细节将不被包括在本文中。
[0080]
c.雷达标定
[0081]
雷达传感器对诸如金属之类的某些材料是敏感的。为了使标定图案的准确性、精确性和可读性最大化，并且在某些实现方式中，对于标定图案而言具有拥有良好的反射性的有规律的形状(例如，具有反复出现的形状；以固定的、统一的间隔的形状；或者根据所建立的规则布置或排序的形状)可能是符合期望的。然而，在其他实现方式中并且考虑到典型的雷达分辨率可能不足以检测细粒度的金属正方形，使用按已知图案布置的反射器空间阵列可能是充分的并且甚至合乎期望的。例如，并且根据本公开的一个方面，标定图案可包括按已知的有规律的图案布置的多个导电三角形三面角反射器。所述角反射器可附接至二维
板，以形成准二维平面。由于反射性可随检测角度变化，因此考虑标定元件朝向道路的取向可能是必要的。
[0082]
根据本公开的一个方面，单个标定元件可被配置成包括多个标定图案的群组标定元件。此类群组标定元件中的标定图案可被配置成用于实现多个不同的传感器类型的标定。例如，群组标定元件可包括适合于对相机(图像传感器)的标定的第一标定图案、适合于对雷达的标定的第二标定图案、适合于对超声的标定的第三标定图案、或其任何组合。用于各种传感器的标定图案到单个标定元件上的此类组合可具有减少需要分布的标定元件的数量的优势。其还可准许对所有传感器相对于彼此的同时标定和/或对标定码信息的同质化，这将在下文更详细地讨论。另外，使用多个标定元件来改善标定质量(即，改善特征标定的准确性，或者通过使用多个元件(例如，通过考虑深度信息)来实现对某个特征的标定)是可能的。例如，可将基于视觉的标定元件(例如，用于一个或多个相机的标定元件)与用于激光雷达的标定元件组合，其中得到的计算(例如，针对相机的空间计算；针对两个或更多个相机、立体相机、深度相机等的深度计算；和/或针对激光雷达的深度和空间计算)可被解析以改善标定结果的质量。这可另外或替代地用于基于视觉的标定元件和雷达、和/或用于基于视觉的元件、雷达和激光雷达。
[0083]
当在模式b下操作时，也就是说，如果要被标定的传感器是基础设施传感器，则道路上积极地参与的交通参与方携载标定元件可能是符合期望的，以使得对标定元件的使用不会妨碍基础设施执行其检测、标识和跟踪交通工具参与方的角色。因此，对标定元件、其尺寸、放置及内容采取特殊考虑可能是必要的。还可能要求针对该种情形对检测算法的训练。替代地，基础设施可以进入维护模式，简言之，对功能进行禁用。
[0084]
在模式a下现有基础设施中的集成：除了向路边基础设施元件添加新的标定元件之外，还可对现有的路边基础设施元件进行重新使用以实现线上自标定。具体而言，可以使用标准化的标志、车道标记和护栏。由于所述基础设施元件已经是可用的并且由此能以零成本或接近零成本来利用，因此这可以是符合期望的。例如，激光雷达设备可以检测标准路标，并且一个或多个处理器可以使用所形成的图案来标定激光雷达传感器。这可以应用于几乎任何现有的标志。如本文中所描述，对于标定设备而言，知晓标定图案的尺寸可能是必要的。如本文中所描述，这可以通过向标定元件/标定图案添加传感器可读的符号来实现。然而，替代地，就交通标志尺寸是标准化的而言，传感器标定设备可被配置成用于识别一个或多个标志(即，交通控制标志)。设备可知晓所述一个或多个标志的标准尺寸，或者可以能够下载所述一个或多个标志的尺寸。通过使用所述尺寸，标定设备可以能够执行本文中所描述的标定步骤。
[0085]
标定码可以是一种手段，通过该手段，与标定元件对应的信息被提供至一个或多个传感器和/或处理来自一个或多个传感器的传感器数据的一个或多个处理器。可至少以视觉方式和/或经由无线传输将标定码提供至传感器/处理器。例如，信息可作为代码(例如，条形码、qr码或任何其他代码)的部分来提供，或者可从信标或其他装置或无线传输装置无线地传输。替代地，可将代码存储在存储器(诸如交通工具存储器)中或存储为地图的部分。
[0086]
代码可包括一维或二维形式的已知的编码要素。根据一个示例，编码要素可由变化的强度和/或颜色来表示。根据另一示例，编码要素可由反射率来表示(即，在激光雷达或
雷达的情况下)。代码可包括以下各项中的任一项：签名，可用于将给定的标定元件标识为有效的(例如，针对真实性的、要被解码的散列)；标定元件的规格(例如，在棋盘图案或qr码的情况下，标定图案的各个正方形尺寸)；针对给定标定元件的(多个)目标传感器；标定元件的部分的姿态(偏航、滚转和/或俯仰角)(例如，标定图案的中心相对于给定的预定参照点的姿态，给定的预定参照点诸如(a)最靠近的路段和/或(b)基础测试交通工具)；在二维或三维空间中(例如，在x,y(和z)坐标系中)，标定图案的中心相对于预定参照点的精确位置。根据一个方面，预定参照点可与在上文中用于姿态的预定参照点是同一参照点。
[0087]
此类符号可以是例如相机传感器可读的、采用条形码格式的、采用qr码格式的、或者采用任何其他代码格式的。将标定码放置在相对于标定图案靠近的附近区域中以使得这两者可以容易地从单个相机帧被读取可能是符合期望的。类似地，激光雷达传感器可以针对附加深度读出相对于标定元件的背板略微偏移的条形码或类条形码图案。
[0088]
对于雷达传感器，并且根据本公开的一个方面，读取标定码可呈现出可特定于雷达的各种挑战。由于雷达读数的性质，使得标定码(例如，条形码)相比于能以其他方式使用的/对于其他传感器必要的标定码更大可能是符合期望的。不期望这成为使用条形码来进行雷达标定的限制因素；然而，所述条形码可能需要被配置成宏观的条形码。根据本公开的另一方面，可使用其他传感器模态来读取条形码，并且该信息随后可用于雷达标定。例如，在一个配置中，可创建宏观的条形码，以使得其可被雷达读取，并且从对宏观条形码的雷达读取推导出的信息可用于解释配置图案。然而，在另一配置中，可使用视觉上可读的(例如，可由传感器读取的)条形码或qr码，并且一个或多个处理器可利用从对所述条形码或qr码的图像传感器读取推导出的信息来解释对配置图案的雷达读取。替代地(例如，在模式b下)，目标交通工具可经由无线信道向附接至传感器的基础设施边缘节点发送相关信息，或者信息可能已经提前存在于/被存储在基础设施中。
[0089]
一个或多个处理器可从表示标定码的图像(例如，相机图像、激光雷达图像、雷达图像等)的传感器数据读取/确定标定码。标定图案(不论是其自身还是作为标定码的部分)可包括验证签名，该验证签名可提供关于标定的真实性/有效性的信息。通过检查标签的签名，可判定结构对于标定而言是否确实有效。如果签名是无效的，则结构可被忽略。如果对于给定配置而言是符合期望的，则可向中央数据中心报告无效签名，该无效签名可用于对无效标定设备的其他道路使用者进行警告和/或用于提示管理机构替换标定设备。如果签名是适当的，则设备可继续进行标定。
[0090]
利用来自代码的嵌入式信息，目标传感器在交通工具(即，在模式a下为主控交通工具，或者在模式b下为具有图案的所检测的交通工具)经过时对标定结构执行多采样。
[0091]
一个或多个处理器可使用(来自多采样的)这些传感器样本、使用多平面标定算法来估计(多个)目标传感器的标定参数，这将在下文更详细地描述。一个或多个处理器可随其估计外在和/或固有传感器参数，其中自由度的数量可取决于传感器模型。例如，对于相机，在具有主点偏移的针孔几何图形的情况下，可存在三个固有参数(焦距、二维主点)。外在参数可通过6个自由度(3个旋转角和三维变换向量)来表示。此种分析可要求关于标定图案中的要素的真实尺寸(诸如，棋盘图案中正方形的尺寸)的知识，该知识一般可从标定码确定，或者如果标定图案为标准化标志，则该知识可从所述标志的尺寸确定。
[0092]
一旦标定参数已经成功被估计，针对各个样本中的每个样本的外在传感器参数
(以及对于相机的固有传感器参数)就可能是已知的。对于相机，这直接提供针对固有参数的结果。相比之下，对于外在参数，传感器相对于交通工具或道路取向的姿态可能尤其相关，而不是标定结构的每个临时位置。为了实现这一点，可采用另一姿态重建步骤，这将在下文更详细地解释。针对模式a和模式b可使用略微不同的过程来实现姿态重建。此时，所有感兴趣的标定参数可能已经被确定。可将所述参数与预期传感器参数进行比较，并且如果必要，则对其进行纠正。
[0093]
图5描绘了根据本公开的一方面的动态标定方法的过程流程。本文中所描绘的过程可应用于模式a和/或模式b。根据该过程，传感器可标识其视场中的标定元件，即步骤502。传感器可被配置有一个或多个软件组件，该一个或多个软件组件可触发传感器对标定结构的检测。替代地，一个或多个处理器可被配置成用于时常地、例行地、周期性地、或以任何其他静态或改变的间隔分析来自一个或多个传感器的传感器数据，以检测标定元件。
[0094]
首先，一个或多个传感器可检测标定元件，即步骤502。检测可通过如本文中所描述的任何一个或多个传感器而发生。所述传感器可包括但不限于：图像传感器、相机、激光雷达传感器、雷达传感器、一个或多个无线接收器、一个或多个无线收发器等。一旦一个或多个传感器已经检测到标定元件，则一个或多个处理器可从标定元件的传感器数据提取代码，或者如果不同的传感器用于获得标定元件和代码则从另一源提取代码，并且一个或多个传感器可验证代码签名，即步骤504。假定代码签名可以被验证，则可获得一个或多个目标传感器的多个样本，即步骤506。一个或多个处理器可被配置成用于控制一个或多个传感器以获得标定图案的传感器数据，或者一个或多个传感器可经由一条或多条计算机可读指令被配置成用于获得标定图案的图像。一个或多个处理器可从所采样的目标标定图案中的一个或多个来估计标定参数，即步骤508。至少基于对标定参数的估计(即步骤508)，一个或多个处理器可实施姿态重建，即步骤510。通过使用标定参数和姿态重建，可对传感器进行再标定，即步骤512。如果504处无法验证代码签名，则标定元件可被忽略，即步骤514。在一些实现方式中，对于设备而言，进一步向一个或多个管理机构报告被忽略的标定元件(即步骤516)可能是合乎期望的。一旦一个或多个处理器估计标定参数(即步骤508)，则一个或多个处理器可从代码获得真实的标定图案尺寸，即步骤518。通过使用对标定参数的估计和来自代码的真实标定图案，一个或多个处理器可实施多平面标定算法，即步骤520。一旦姿态重建(即步骤510)完成，则一个或多个处理器可确定相对于道路的姿态，即步骤522。任选地，一个或多个处理器可计算相对于感测平台的姿态，即步骤524。对于相机传感器，固有标定参数和外在标定参数两者均可使用多平面标定算法来估计。对于激光雷达和雷达传感器，可能只能对外在参数进行标定。
[0095]
可以使用一个或多个已知的标定过程来执行实际参数估计，而不具有限制。下文将更详细地描述使用相机数据的参数估计。对于激光雷达和雷达标定，用于参数标定的一组步骤可利用6个自由度。为简明起见，这些参数估计方法在本文中将被称为多平面标定，而不考虑任何特定的传感器类型。
[0096]
一种已知的多平面相机标定方法用于使用一个或多个标定图案，该一个或多个标定图案可包括但不限于检验器板/棋盘图案。其他常见的标定图案包括重复的水平行或竖直线、对比背景上的点的重复行、和/或各种立体图案。多平面标定的原理可应用于许多不同的标定图案，并且因此仅出于说明性目的包括本文中所讨论的任何特定的标定图案，而
并非旨在作为限制。
[0097]
一个或多个处理器可使用多种技术中的任何技术来执行此类多平面标定，而不具有限制。一种此类技术被称为张氏方法(zhang’s method)，其使用同一平面的多视角视图(例如，标定图案(例如，棋盘)从不同角度的多个视图)来执行标定。张氏方法可利用这些图像来求解捕捉多视角视图之间的单应关系的均匀线性系统。虽然本文中引用了张氏方法，但已知多种多平面标定方法，可根据给定的实现方式的需要来使用这些多平面标定方法中的任一种。对特定多平面标定技术的任何引用出于说明性目的而提供并且并非旨在作为限制。
[0098]
尽管是特定的多平面标定技术，但对算法的输入可以是标定图案(例如，平面棋盘图案或其他合适的标定图案，而不具有限制)的以不同的取向和距离的一组多个图像、以及真实的正方形宽度的知识。所采用的多平面标定方法可输出对标定参数的估计，其中外在参数(变换、旋转)分别涉及每个单独的图像。固有参数的数量取决于相机模型，并且对于有限的相机模型，固有参数的数量可以在1个自由度与6个自由度之间变化。必须估计的参数的数量越多，则所需要的输入图像越多。附加图片可能显著地改善估计的准确性。
[0099]
对于每个传感器样本，所估计的外在标定参数给出传感器相对于检测到的标定图案的距离和姿态。由于系统的动态性，相对姿态随时间改变。对标定元件的姿态检测中的误差将变换为传感器姿态标定的误差。
[0100]
针对如本文中所描述的自标定的原理和方法，可对相对于道路取向的传感器姿态尤其感兴趣。相反，交通工具在车道上的横向位置可能相对不那么重要。在模式b下，相对于道路取向的传感器姿态可为基础设施传感器提供有意义的标定姿态。在模式a下，传感器相对于其主控交通工具前进方向的姿态可以是所期望的标定参数。假定在标定过程期间交通工具的前进方向与主控交通工具正在经过的当前路段的取向对齐，则可期望相对于道路取向的标定还产生相对于主控交通工具的前进方向的、对标定的合理地准确的估计。替代地，如果可用，则可以从交通工具传感器提取交通工具前进方向相对于道路取向的相对姿态，该交通工具传感器诸如例如车道标记传感器和/或imu传感器。
[0101]
该系统可包括对齐和/或定位方面的预期偏差的容差。即使交通工具的前进方向(在模式a和模式b中的任一模式下)并非在标定元件的所取得的每一个样本处都与道路取向完美地对齐，跨多个样本求平均也可减轻这些偏差的影响。然而，并且为了维持符合期望的准确性水平，在采样过程期间交通工具的前进方向相对于道路取向不发生显著改变可能是重要的。也就是说，如果交通工具大体上避免使其前进方向在采样期间相对于道路取向显著改变的操纵(即，变道、转弯)，则预期有较好的结果。
[0102]
以下是对相对于道路取向的姿态重建的描述。对于两种模式(模式a和模式b)，可使用略微不同的变换。在模式a下，可执行以下步骤。首先，对于每个样本，一个或多个处理器可从检测到的标定元件获得相对于标定图案的外在标定姿态。一个或多个处理器可从标定结构的代码读出标定图案相对于最接近的路段的姿态(偏航角、俯仰角、滚转角)。一个或多个处理器可使用该信息使标定元件样本旋转到与道路表面及道路取向两者垂直的平面中(“图案平面的归一化”)。一个或多个处理器随后可计算传感器的光轴与经归一化的图案平面的交点。这产生传感器姿态相对于道路取向的偏航角和俯仰角。一个或多个处理器可通过比较经归一化的标定图案的角的位置来推断滚转角。
[0103]
图6示出根据本公开的一方面的相对于道路取向的姿态重建。此种姿态重建方法可适于与例如模式a一起使用。一个或多个传感器(例如，相机、图像传感器、激光雷达、雷达等)可检测标定图案。一旦标定图案被检测到，则设备的一个或多个处理器可对标定图案的图案平面进行归一化。出于简明起见，这在图6中仅参照偏航角α进行描绘，但归一化可针对φ(滚转)、ψ(偏航)、θ(俯仰)中的任一者或全部来执行。此后，姿态估计可相对于经归一化的图案平面来执行。在图6中，交通工具在模式a下操作，并且该交通工具感知和检测标定图案，即步骤602。对标定图案的图像进行归一化(在图中，仅参照偏航角对归一化进行说明)，即步骤604。对经归一化的图案进行访问，以供进行姿态估计。
[0104]
诸如在模式b下进行操作期间可执行第二姿态重建方法。首先，对于每个图像，由一个或多个传感器(例如，相机、图像传感器、激光雷达、雷达等)检测图案。通过使用检测到的图案，一个或多个处理器访问表示检测到的图案的数据并由此确定相对于图案的外在标定姿态。一个或多个处理器可从标定结构上的代码或与标定结构相关联的代码读出标定图案相对于下层主控交通工具平台的姿态(例如，偏航角、俯仰角、滚转角)。一个或多个处理器可使用该信息使标定图案图像旋转到与主控交通工具的前进方向对齐、且与道路表面正交的平面中(图案平面的归一化)。相较于模式a，现在，经归一化的标定平面与交通工具的前进方向平行，也可假定经归一化的标定平面与道路取向平行。通过跨多个帧求平均，可将交通工具前进方向与道路取向的暂时的不对齐考虑在内。同样，一个或多个处理器可计算传感器的光轴与经归一化的图案平面的交点。这可产生传感器姿态相对于道路取向的偏航角和俯仰角。一个或多个处理器可通过比较经归一化的标定图案的角的位置来推断滚转角。在图7中描绘了用于姿态重建的此种过程。
[0105]
图7示出了根据本公开的一方面的对标定目标进行姿态重建的方法。至少在标定设备是基础设施元件并且标定图案附接至移动的交通工具(模式b)的情况下，该方法可以是合适的。基础设施元件可被配置有用于检测标定图案的一个或多个传感器(例如，相机、图像传感器、激光雷达、雷达等)。标定图案可附接至移动的交通工具，以使得基础设施元件可以检测移动的图案，即步骤702(示出在多个传感器数据样本期间具有被检测的标定图案的移动的交通工具)。一旦一个或多个传感器/一个或多个处理器检测到标定图案，则基础设施元件的一个或多个处理器可相对于基础设施元件来对标定图案进行归一化，即步骤704。对标定图案的归一化可包括相对于经归一化的图案平面对标定图案进行归一化。经归一化的图案平面可以是例如与道路的方向垂直的平面。出于简明起见，在704中仅描绘了滚转角α的归一化，但偏航和/或俯仰也可被归一化。姿态角被表示为φ(滚转)、ψ(偏航)、θ(俯仰)。相较于模式a，经归一化的标定平面可被取向成朝向交通工具前进方向(即道路取向)。
[0106]
图8示出包括一个或多个处理器804的传感器标定器802，该一个或多个处理器804被配置成用于：接收传感器数据，该传感器数据表示在传感器与标定图案之间的相对运动的时段期间取得的标定图案的多个图像，其中传感器或标定图案沿线性行进路径移动；从多个图像确定标定调整；以及发送用于根据所确定的标定调整来对传感器进行标定的标定指令。传感器标定器802可以仅为其中传感器数据如本文中所描述地被发送至一个或多个处理器并被处理的处理设备。替代地，传感器标定器802可任选地被配置有一个或多个传感器806，该一个或多个传感器806可被配置成用于检测表示传感器标定器802的和/或交通工具的附近区域(例如，环境)的传感器数据。所述一个或多个传感器806可被配置成用于输出
传感器数据，该传感器数据随后由一个或多个处理器804处理。传感器标定器802可任选地包括收发器808，该收发器808被配置成用于发送数据和/或接收数据。例如，传感器标定器802可被配置成用于控制收发器808发送和/或接收数据，诸如发送标定码的表示和/或标定图案的表示、和/或接收表示对所发送的标定码的表示和/或标定图案的表示的验证或拒绝的数据。
[0107]
图9示出传感器标定方法，包括：确定标定调整传感器数据，该标定调整传感器数据表示在传感器与标定图案之间的相对运动时段期间取得的标定图案的多个图像，即步骤902；以及生成用于根据所确定的标定调整来对传感器进行标定的标定指令，即步骤904。
[0108]
在任何自动化或半自动化标定系统中，恶意攻击可能是一种危险。例如，可作出恶意尝试来损坏标定元件和代码，由此损害标定过程。现在将注意力转向各种潜在攻击以及可以被采取以阻止或缓解潜在攻击的措施。
[0109]
作为第一种类型的攻击，可使标定图案的部分物理地被覆盖/失真，以降低成功标定的可能性。为了抵消此种类型的攻击，可采取任选的措施，以使得一个或多个处理器仅在检测到的标定图案的数量超过预定阈值的情况下执行标定。例如，除非检测到的标定图案的数量大于2、大于5、大于10、或大于针对实现方式所选择的任何其他数字，否则标定可以被阻止。如果相比于预定阈值的元件检测到较少的元件，则一个或多个处理器可忽略标定元件/标定图案，和/或没有标定可被阻止。
[0110]
作为第二种类型的攻击，恶意人员可尝试设立虚假的/欺骗性的标定元件。除非设备能够在真实的标定元件与欺骗性的标定元件之间进行区分，否则设备可能根据从欺骗性的标定元件推导出的数据尝试进行标定，这可能导致不正确的标定。为了防止这一点，标定码可通过包括有效标识来作为验证机制进行操作。如果欺骗性的元件不包括此类标识，则设备可被配置成忽略相关的标定元件。
[0111]
作为第三种类型的攻击，还可设想攻击者可能尝试诸如通过从其他地方的有效标定元件复制有效代码(例如，条形码、qr码等)来添加该有效代码。也就是说，有效代码可被拍照、被印刷、并被置于欺骗性的标定元件上，或者以其他方式在尝试中使用，以错误地认证欺骗性的标定元件。为了防范使用此类错误地验证的标定元件进行的不想要的标定，需要附加的安全层。这可包括将标定码嵌入在标定图案中，以使得其难以复制，或者使得对标定码和标定图案这两者中的任一者的更改将自动地损坏另一者。这使得起初不太可能发生相应的攻击。将一个代码嵌入在另一代码内的方法是已知的，并且可出于此种目的使用任何此类方法，而不具有限制。
[0112]
替代地或另外，一个或多个处理器可被配置成用于将标定元件的位置与一个或多个已知的元件位置进行比较。例如，并且根据模式a，一个、多个、或所有标定元件的位置可以是已知的(例如，被注册在交通工具(诸如经由云服务器)可用的地图或数据库中)。每个交通工具可被配置成用于将其自身的gps位置与其检测到的标定元件的位置进行比较。如果显著的失配被检测到(例如，检测到的位置与标定元件的已知的所存储的位置之间的差超过预定阈值)，则可认为标定元件是欺骗性的。被认为是欺骗性的此类标定元件可被忽略，并且如果实现方式要求，则可被报告。当根据模式b进行操作时，可经由到无线边缘节点的通信向基础设施传感器宣布与测试交通工具有关的信息(轨迹、位置、到达时间、速度、或任何其他信息)。以此种方式，检测移动的交通工具上的标定元件的基础设施元件也可被配
置成用于利用检测到的标定图案来检测交通工具的一个或多个方面(例如，交通工具的速度、交通工具的轨迹、交通工具的到达时间等)。假定在所宣布的关于测试交通工具的信息与检测到的关于测试交通工具的信息之间存在一定程度的容差内的匹配，则标定元件可被认为是真实的。如果在所宣布的关于测试交通工具的信息与检测到的关于测试交通工具的信息之间的不一致超过预定阈值，则有关标定元件可被认为是欺骗性的、被丢弃、和/或被报告。
[0113]
可将标定码实现在显示器(例如，数字显示器、计算机屏幕等)上。如果标定码被实现在显示器上，则控制该显示器的一个或多个处理器可被配置成用于定期地更新代码以避免滥用。根据此种配置，代码内的一个或多个签名或标识特征可不定期地或周期性地改变为来自多个有效签名或标识特征的一个或多个新的签名或新的标识特征。这可使用用于将签名或标识特征显示在视觉代码中的任何已知的技术来实现，这些已知的技术可包括但不限于使用条形码、qr码或其他方式。根据此种实现方式，替换代码(签名或标识特征)可致使任何先前的代码无效，以防止过时的代码被用于对标定元件进行认证。可以用及时的方式将代码的改变(即，新代码的添加以供进行认证和/或对先前代码的无效)传输至标定设备(根据模式a为交通工具，和/或根据模式b为基础设施元件)。如果更新间隔足够短，则这可使得不可能出于不法目的复制并且不当地以其他方式使用有效的代码签名。
[0114]
根据本公开的另一方面，传感器数据(例如，所收集的环境数据)可与参考数据(例如，地图数据或(多个)地理空间数据库)结合使用，以标识要求标定的一个或多个传感器和/或对此类一个或多个传感器进行标定。也就是说，可利用统计学建模和误差传播来执行用于自主交通工具的自动传感器标定方法。可例如使用上传自对等交通工具的数据来执行此类标定。交通工具通常配备有经常或甚至时常检测关于交通工具的环境(例如，附近区域)的传感器信息的多个传感器。该信息可用于一个或多个驾驶功能(例如，自主或半自主驾驶功能)。如本文中所描述，所述检测到的传感器信息可进一步用于检测要求标定的传感器和/或用于对所述传感器进行标定。
[0115]
许多交通工具配备有一个或多个传感器(例如，相机、激光雷达、雷达等)。所述传感器在自主交通工具中可能尤其常见并且尤其重要。随着自主交通工具变得更加普遍，具有此类传感器的交通工具的数量将很可能增加。交通工具传感器要求周期性的标定。对标定的需要可能作为对传感器施加的强力冲击(例如，在碰撞中)的结果、简单地作为使用的结果、或以其他方式出现。虽然可根据预定计划表对一个或多个传感器执行例行维护，但传感器要求标定所处的时间点可能并非根据预定计划表而出现，并且该时间点可能难以预测。因此，具有确定传感器何时要求标定的简化方式可能是符合期望的。
[0116]
根据本公开的一个方面，一个或多个处理器可使用上传自对等交通工具的数据来执行传感器标定(例如，要求标定的传感器可被标定和/或自动传感器标定可被执行)。例如，在从道路上的特定位置获得交通工具的周围环境的图像传感器信息的同时，多个交通工具可在该道路上行进。数据库可存储该图像数据。所述交通工具中的一个或多个交通工具可频繁地(即，每一天或每天多次)经过有关位置，并且来自每当每次经过时的数据可被并入到数据库中。作为非限制性示例，地形测量部(英国的国家测绘局)使用交通工具来对英国的道路进行测绘。来自此类服务的数据可与来自偶然经过特定区域的交通工具的贡献一起使用或作为其替代来使用。
[0117]
在组合图像数据内，一个或多个图像传感器可具有不符合期望的物理偏移/旋转，它们的数据导致系统误差。通过如上文所描述地(例如，采用高斯分布)对数据进行分析，具有偏移/旋转的这些图像传感器可被标识，这是由于它们将成为数据集内的异常值。一旦异常值已被标识，则传感器要求标定的通知可被发送；来自所述传感器的数据可从数据库被删除；和/或可采取步骤来改善传感器的标定。
[0118]
如果期望改善传感器的标定，则自动地(即，在没有来自人类的手动调整的情况下)对传感器进行标定可能是优选的。以下描述用于此类自动标定的过程。
[0119]
以此种方式，交通工具获得传感器数据，该传感器数据可被传送至中央数据库。到中央数据库的传输可通过任何已知的传输方法来实现，这些传输方法包括但不限于，无线射频传输、根据长期演进技术的无线传输、根据第五代无线技术(即，“5g”)的传输、或根据任何其他无线标准的传输。
[0120]
中央数据库可并入从交通工具接收的传感器数据。与中央数据库相关联的一个或多个处理器可被配置成用于处理接收到的数据，以确定不同源的数据之间的相似性或差异。例如，一个或多个处理器可分析接收到的数据，以创建接收到的数据的高斯分布。此种分析不限于高斯分布，而是可包括用于评估接收到的数据样本以确定与中央数据库中的一个或多个其他数据样本的偏差的阈值的任何方法。如果接收到的传感器数据相较于中央数据库中的其他数据的偏差超出预定容差，则一个或多个处理器可将接收到的传感器数据标识为对应于要求标定的传感器。例如，一个或多个处理器可确定接收到的传感器数据相较于中央数据库的数据的均值/方差，并且如果均值/方差在预定范围之外(即，均值/方差是“异常的”)，则一个或多个处理器可检测(例如，使用沃尔德检验(wald test))分布的所准许区域之外的数据，并且该一个或多个处理器可生成和/或发送针对检测到具有在预定范围之外的均值/方差的数据的一个或多个传感器的标定指令。
[0121]
沃尔德检验是根据零假设下不受限的估计值与其假设值之间的加权距离来评定对统计参数的约束的检验，其中权重是估计值的方差(例如，精确度)的倒数。一个或多个处理器可使用沃尔德检验的任何已知的实现方式或变型。根据本公开的一方面，可能期望使用替代的检验来相较于参考数据库对接收到的传感器数据进行评估。此类替代的检验可包括但不限于似然率检验和拉格朗日乘数检验。由于这些检验在文献中是已知的，并且由于技术人员将理解这些检验，因此在本文中将不进一步对这些检验进行陈述。
[0122]
本文中提出了基于统计建模和误差传播的、用于自主交通工具的自动传感器标定方法。为了实施这种方法，诸如通过使用高斯分布来对从位于公共位置处的多个源获得的数据进行建模。在理论上，该数据本质上可以是可以由多个实体从公共位置处(即，在不同时间)获得的任何种类的传感器数据。这可以是例如交通工具的附近区域的图像传感器(相机、激光雷达、雷达等)数据。例如，多个交通工具可装配有一个或多个图像传感器，并且该多个交通工具可不定期地、周期性地、或时常地检测表示交通工具的周围环境的图像传感器数据。假定来自公共位置的图像传感器数据被接收(例如，每个交通工具可在该交通工具经过建筑物或交叉路口时拍摄同一建筑物或交叉路口的图片(或以其他方式检测传感器信息))，则该数据应该是相同的或接近相同的，或者至少示出实质的相似度。如果样本大小足够大，则数据可以按相似度(例如，采用高斯分布)被布置，这允许异常值数据被标识。
[0123]
一旦数据被收集，则一个或多个处理器可确定数据的均值和/或方差。一个或多个
处理器可使用沃尔德检验来确定分布外数据。如果离群数据被发现，则一个或多个处理可将该离群数据归属于传感器问题(即，传感器标定)。
[0124]
一个或多个处理器可通过使用误差传播方法来标识一个或多个有问题的传感器。误差传播方法可任选地被配置成用于标识在预定长度的时间内其数据相对于高斯分布是异常值的传感器。换言之，并且根据本公开的一个方面，仅其性能在某个时段内是有问题的异常传感器，而不是其性能仅仅一两次是有问题的异常传感器，可被标识为要求标定。这可允许在系统误差与随机噪声之间的区分。
[0125]
根据本公开的一个方面，数据库的数据(即，经归一化的数据、或高斯分布中的数据)可从一个或多个地方机构和/或政府机构获得。此类机构可容易地对此类数据进行访问，并且由此针对本文所公开的原理和方法的数据是近便的。例如，对区域、城市、州、国家、或其他进行建图的各种努力已经利用交通工具来周期性地对要建图的区域拍照。由于该数据可能是在道路上取得的，因此其可能与来自另一时间在同一道路上行进的其他交通工具的数据相似。由此，该数据可用作可将后续传感器数据与其进行比较的参考。
[0126]
为了建立参考，将首先讨论不具有自动传感器标定的常规系统。每个自主交通工具可装配有图像传感器(例如，相机、激光雷达、雷达等)来检测表示交通工具的附近区域(即，交通工具前方的区域)传感器数据。从检测到的图像数据，一个或多个处理器和/或一个或多个传感器可检测道路基础设施。一个或多个传感器和/或一个或多个处理器可例如使用计算机视觉系统和深度神经网络(其可以是可区分的)来实现这一点。第i个交通工具的所捕捉的图像可以是x
i
，并且系统的假定为特定人行道上的交通灯的位置的输出是y
i
。由于多个交通工具可经过基础设施，因此多个位置{y
i
}可被提供至服务器。如果所有的传感器和系统都是准确的，则系统可以直接使用y1…
y
n
中的任一者或者使用作为最终结果。
[0127]
图10描绘根据本公开的一方面的用于基础设施定位和位置计算的过程。以此种方式，一个或多个图像传感器可检测交通工具的附近区域的图像数据(例如，场景捕捉)，即步骤1002。通过使用所述图像传感器数据，一个或多个处理器可被配置成用于根据场景捕捉步骤中检测到的传感器数据来对基础设施位置进行定位，即步骤1004。可将数据传送至中央数据库，中央数据库可将接收到的数据与该数据库内所存储的数据进行比较，以确定传感器数据与该数据库中的数据之间的偏移(精确位置计算)，即步骤1006。
[0128]
贯穿这些描述，由潜在地要标定的传感器检测到的传感器数据将被称为“第一传感器数据”。相反，先前接收到的传感器数据(即，中央数据库中的、将第一传感器数据与其进行比较的传感器数据)在本文中被称为“第二传感器数据”。
[0129]
在给定的交通工具中，一个或多个传感器可能被物理地偏移/旋转是可能的，这将导致从给定位置预期的图像数据与相机实际观察到的图像数据之间的误差分量。这可以被理解为x
i
＝f(z
i
；e
i
)，其中，f是仿射变换并且e
i
是它的(多个)参数。注意，一旦e
i
是已知的，则仿射变换是可逆的。标定可涉及一个或多个处理器对e
i
进行估计并获得f
‑‑1(x
i
；e
i
)。也就是说，一个或多个处理器可确定第一传感器数据与第二传感器数据的某个测量值(例如，第二传感器数据的均值、第二传感器数据的子集的均值、第二传感器数据的方差等)之间的仿射变换或偏移。为了实现该目的，一个或多个处理器可利用来自其他交通工具的数据y1…
y
n
。根据中心极限定理，可以假定来自没有系统误差的正常传感器的y的分布遵循高斯分布。由此，一个或多个处理器可以首先估计分布的均值和方差并执行沃尔德检验或其他合适的检验，以检测从具有有问题的传感器的交通工具上传的分布外数据，针对这些传感器计算如果w
i
超过预定阈值τ，则其可被认为是来自可能具有有问题的传感器的交通工具的输出。所述交通工具可被当作“可疑的”，并且可对该交通工具的传感器的输出记录进行跟踪。如果由交通工具上传的后续数据持续地是有问题的(例如，在预定时间帧中有t次被确定为可疑的，或者在数量为t的后续迭代中被确定为可疑的)，则传感器可以被指定为要求标定的传感器。该过程允许对系统误差与随机噪声之间的区别进行测量，并且其仅准许具有较大可能性的系统误差的传感器(相对于仅仅具有随机噪声的传感器)被指定为要求标定的传感器。
[0130]
为了自动地对传感器进行标定，可采用{y
i
|w
i
≤τ}的均值(被表示为y
～
)。以此种方式，例如对于具有索引i的有问题的传感器，通过将误差y
～
‑
y
i
通过计算机视觉系统反向传播并且通过f来获得e
i
，对e
i
进行优化可以是可能的。这可以在图9中更详细地看出。
[0131]
图11示出如上文所描述的用于传感器标定的过程。以此种方式，一个或多个传感器(即，图像传感器)检测交通工具的附近区域的传感器信息，即步骤1102。一个或多个处理器可被配置成用于对图像数据内的基础设施细节(建筑物、地标等)进行定位，即步骤1104。可将该数据发送至中央数据库，其中，将该数据与基础设施细节的其他上传数据(例如，来自其他交通工具)进行比较，即步骤1106。中央数据库可受一个或多个处理器控制，该一个或多个处理器可被配置成用于对上传的数据执行沃尔德检验(或用于比较数据相较于较大数据集的方差的其他检验)，即步骤1108。如果上传的传感器数据与数据库数据集之间的方差在预定范围内，则可假定传感器是可接受地经标定的。如果上传的传感器数据与数据库数据集之间的方差在预定范围之外，则可假定传感器要求标定。上文的过程可被实现为用于确定e
i
，这可产生标定指令，即步骤1110。
[0132]
注意，数据传感器自身可能是有噪声的。由此，包括用于在多个位置处或者甚至使用来自同一交通工具上的多个不同传感器(诸如激光雷达、雷达等)的数据来评估误差、并且用于经由总成模型对这些传感器进行标定的系统可能是符合期望的。也就是说，使用此种任选的方法，传感器可仅在y数据的测量值是分布外的情况下以及在变换参数被计算为在所有这些位置处的估计的平均值的情况下被认为是有问题的。在此情况下，必然是分布外的y数据的测量值可以是实现方式所需要的任何测量值，包括但不限于数据中的大多数、数据的固定百分比等。
[0133]
图12描绘传感器标定检测设备1202和任选的传感器标定检测系统。传感器标定检测设备1202可包括一个或多个处理器1204，该一个或多个处理器1204可被配置成用于：接收在第一传感器沿行进路线移动期间检测到的第一传感器数据；确定第一传感器数据与在一个或多个第二传感器沿行进路线移动期间检测到的、所存储的第二传感器数据之间的方差；以及如果该方差在预定范围之外，则从第一操作模式切换至第二操作模式。传感器标定检测设备1202可任选地包括一个或多个存储器设备1206，该一个或多个存储器设备1206可被配置成用于存储第二传感器数据。所述第二传感器数据可以是来自任何一个或多个源的数据，包括但不限于一个或多个交通工具传感器、一个或多个建图服务/数据库、一个或多
个成像服务/数据库、或其任何组合。传感器标定检测设备1202可任选地包括一个或多个通信模块1208，该一个或多个通信模块1208可被配置成用于接收来自一个或多个交通工具的第一传感器数据和/或用于发送标定指令。通信模块可以是无线通信模块，包括接收器、收发器、发射器、基带调制解调器、或其任何组合。通信模块可以是有线通信模块并且可包括基带调制解调器。通信模块可根据任何通信协议来操作，而不具有限制。此类通信协议包括但不限于lte、4g、5g、wlan、wi
‑
fi、传输控制协议、网际协议、或其他。
[0134]
传感器标定检测设备1202可任选地被配置为传感器标定检测系统，包括传感器标定检测设备1202和传感器模块1210(例如，交通工具传感器)。传感器模块1210可任选地包括一个或多个处理器1212，该一个或多个处理器1212被配置成用于接收来自一个或多个传感器1214的、表示交通工具的附近区域的传感器数据；用于检测传感器数据中的基础设施元件；并且用于控制通信模块1216发送传感器数据和/或表示检测到的基础设施元件的数据。传感器模块可任选地包括一个或多个传感器1214。传感器模块可任选地包括通信模块1216，该通信模块1216可被配置成用于有线和/或无线通信。通信模块1216可包括接收器、收发器、发射器、基带调制解调器、或其任何组合。通信模块1216可根据任何通信协议来发送和/或接收消息。
[0135]
图13描绘传感器标定评估方法，包括：确定在第一传感器沿行进路线移动期间检测到的第一传感器数据与所存储的第二传感器数据之间的差，即步骤1302；以及如果该差在预定范围之外，则从第一操作模式切换至第二操作模式，即步骤1304。
[0136]
本文中所公开的原理和方法中的任一者可任选地作为一组软件指令来执行，并且可任选地被格式化为包括指令的非瞬态计算机可读介质，这些指令如果被执行，则将使得一个或多个处理器实施本文中所公开的原理或方法中的任一者。
[0137]
本文中所公开的原理和方法中的一些描述对要求标定的一个或多个传感器的标识。本文中所公开的其他原理和方法包括用于确定标定指令并将所述标定指令发送至具有要被标定的传感器的交通工具的一个或多个步骤。虽然通过其对传感器进行标定的机制的特定实现方式超出本公开的范围，但一般预计要被标定的传感器(例如，相机、激光雷达传感器、雷达传感器等)可装配有机动化底座，该机动化底座受一个或多个处理器控制。当一个或多个处理器接收到标定指令时，它们可控制机动化底座更改传感器的标定(例如，传感器的俯仰、偏航和/或滚转)。
[0138]
贯穿本公开的各部分，传感器数据可以被称为“第一传感器数据”和“第二传感器数据”。第一传感器数据可至少被理解为来自其标定正在被检验的传感器的数据，并且第二传感器数据可被理解为来自数据库的、将第一传感器数据与其进行比较的数据。由于该过程的性质，并且至少由于第二传感器数据中的一些或全部可在第一传感器数据之前通过中央数据库获得，因此关于传感器数据的术语“第一”和“第二”并非旨在暗示时序，而是仅用于标识目的。
[0139]
在下文中，将对本公开的各个方面进行说明：
[0140]
在示例1中，一种传感器标定器，该传感器标定器包括一个或多个处理器，该一个或多个处理器被配置成用于：从传感器数据确定标定调整，该传感器数据表示在传感器与标定图案之间的相对运动的时段期间、由传感器检测到的标定图案的多个图像，其中传感器或标定图案沿线性行进路径移动；以及生成用于根据所确定的标定调整对传感器进行标
定的标定指令。
[0141]
在示例2中，如示例1所述的传感器标定器，其中，标定图案的多个图像中的一个或多个图像包括表示该标定图案的一个或多个物理属性的符号，并且其中，一个或多个处理器被配置成用于从标定图案的多个图像以及标定图案的一个或多个物理属性来确定标定调整。
[0142]
在示例3中，如示例2所述的传感器标定器，其中，符号包括以下各项中的至少一项：二维条形码、三维条形码、或qr码。
[0143]
在示例4中，如示例2或3所述的传感器标定器，其中，标定图案的一个或多个物理属性包括以下各项中的任一项：标定图案的类型、以及标定图案的一个或多个尺寸。
[0144]
在示例5中，如示例1至3中任一项所述的传感器标定器，其中，符号进一步包括表示标定图案的附近区域中的道路的线性方向的数据。
[0145]
在示例6中，如示例1至5中任一项所述的传感器标定器，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像中的至少一个图像以及所确定的姿态确定标定调整。
[0146]
在示例7中，如示例2至6中任一项所述的传感器标定器，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像以及符号来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像以及所确定的姿态确定标定调整。
[0147]
在示例8中，如示例6或7所述的传感器标定器，其中，确定标定图案的姿态包括：确定标定图案的经归一化的平面与传感器的光轴之间的相交角；并且其中，一个或多个处理器进一步被配置成用于从该相交角确定标定调整。
[0148]
在示例9中，如示例8所述的传感器标定器，其中，符号进一步表示道路和/或线性行进路径的线性方向，并且其中，一个或多个处理器进一步被配置成用于：从相交角以及道路或线性行进路径的线性方向确定标定调整。
[0149]
在示例10中，如示例8所述的传感器标定器，其中，一个或多个处理器进一步被配置成用于从相交角和线性行进路径确定标定调整。
[0150]
在示例11中，如示例6至10中任一项所述的传感器标定器，其中，确定标定图案的姿态包括：确定标定图案相对于传感器的偏航、滚转、或俯仰中的一项或多项。
[0151]
在示例12中，如示例1至11中任一项所述的传感器标定器，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的距离，并且用于从标定图案的多个图像、符号、以及所确定的距离确定标定调整。
[0152]
在示例13中，如示例1至12中任一项所述的传感器标定器，其中，传感器沿行进路径移动，并且标定图案是静止的。
[0153]
在示例14中，如示例13所述的传感器标定器，其中，一个或多个处理器位于交通工具中。
[0154]
在示例15中，如示例1至14中任一项所述的传感器标定器，其中，标定图案沿行进路径移动，并且传感器是静止的。
[0155]
在示例16中，如示例15所述的传感器标定器，其中，一个或多个处理器位于道路基础设施中。
[0156]
在示例17中，如示例1至16中任一项所述的传感器标定器，其中，标定图案的多个图像中的至少一个图像包括认证符号，并且其中，一个或多个处理器进一步被配置成用于使用该认证符号来验证标定图案。
[0157]
在示例18中，如示例17所述的传感器标定器，其中，一个或多个处理器被配置成用于仅在标定图案使用认证符号被验证的情况下发送标定指令。
[0158]
在示例19中，如示例1至18中任一项所述的传感器标定器，其中，传感器数据包括以下各项中的任何一项或多项：图像传感器数据、激光雷达传感器数据、或雷达传感器数据。
[0159]
在示例20中，如示例1至19中任一项所述的传感器标定器，其中，标定图案是二维图案。
[0160]
在示例21中，如示例1至20中任一项所述的传感器标定器，其中，标定图案是三维对象。
[0161]
在示例22中，如示例1至21中任一项所述的传感器标定器，其中，标定指令包括用于使得传感器根据标定调整被调整的指令。
[0162]
在示例23中，如示例1至22中任一项所述的传感器标定器，其中，多个图像是时变图像。
[0163]
在示例24中，一种传感器标定方法，该传感器标定方法包括：确定标定调整传感器数据，该标定调整传感器数据表示在传感器与标定图案之间的相对运动的时段期间取得的标定图案的多个图像；以及生成用于根据所确定的标定调整对传感器进行标定的标定指令。
[0164]
在示例25中，如示例24所述的传感器标定方法，其中，标定图案的多个图像中的一个或多个图像包括表示该标定图案的一个或多个物理属性的符号，并且该传感器标定方法进一步包括：从标定图案的多个图像以及标定图案的一个或多个物理属性来确定标定调整。
[0165]
在示例26中，如示例25所述的传感器标定方法，其中，标定图案的一个或多个物理属性包括标定图案的类型和/或标定图案的一个或多个尺寸。
[0166]
在示例27中，如示例24至26中任一项所述的传感器标定方法，进一步包括：使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的姿态，并且从标定图案的多个图像以及所确定的姿态确定标定调整。
[0167]
在示例28中，如示例25至27中任一项所述的传感器标定方法，进一步包括：使用标定图案的多个图像中的至少一个图像以及符号来确定标定图案相对于传感器的姿态，并且从标定图案的多个图像以及所确定的姿态确定标定调整。
[0168]
在示例29中，如示例27或28所述的传感器标定方法，其中，确定标定图案的姿态包括确定标定图案的经归一化的平面与传感器的光轴之间的相交角；并且从该相交角确定标定调整。
[0169]
在示例30中，如示例27至29中任一项所述的传感器标定方法，其中，确定标定图案的姿态包括：确定标定图案相对于传感器的偏航、滚转、或俯仰中的一项或多项。
[0170]
在示例31中，如示例24至30中任一项所述的传感器标定方法，进一步包括：使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的距离，并且从标定图案的多个图像以及所确定的距离确定标定调整。
[0171]
在示例32中，如示例24至31中任一项所述的传感器标定方法，其中，传感器沿行进路径移动，并且标定图案是静止的。
[0172]
在示例33中，如示例24至32中任一项所述的传感器标定方法，其中，标定图案沿行进路径移动，并且传感器是静止的。
[0173]
在示例34中，如示例24至33中任一项所述的传感器标定方法，其中，标定图案的多个图像中的至少一个图像包括认证符号，并且其中，一个或多个处理器进一步被配置成用于使用该认证符号来验证标定图案。
[0174]
在示例35中，如示例34所述的传感器标定方法，进一步包括：仅在标定图案使用认证符号被验证的情况下发送标定指令。
[0175]
在示例36中，如示例34或35所述的传感器标定方法，其中，认证符号表示标定图案的类型。
[0176]
在示例37中，如示例36所述的传感器标定方法，进一步包括：通过对标定图案的多个图像以及表示标定图案的类型的认证符号进行解释来确定标定调整。
[0177]
在示例38中，如示例35至39中任一项所述的传感器标定方法，其中，认证符号表示标定图案的一个或多个尺寸。
[0178]
在示例41中，如示例36至40中任一项所述的传感器标定方法，其中，认证符号包括以下各项中的任一项：二维条形码、三维条形码、或qr码。
[0179]
在示例42中，如示例24至41中任一项所述的传感器标定方法，其中，传感器数据包括以下各项中的任何一项或多项：图像传感器数据、激光雷达传感器数据、或雷达传感器数据。
[0180]
在示例43中，如示例24至42中任一项所述的传感器标定方法，其中，标定图案是二维图案。
[0181]
在示例44中，如示例24至43中任一项所述的传感器标定方法，其中，标定图案是三维对象。
[0182]
在示例45中，如示例24至44中任一项所述的传感器标定方法，其中，标定指令包括用于使得传感器根据标定调整被调整的指令。
[0183]
在示例46中，如示例24至45中任一项所述的传感器标定方法，其中，多个图像是时变图像。
[0184]
在示例47中，一种非瞬态计算机可读介质，包括指令，这些指令在被执行时使得一个或多个处理器执行如示例24至44中任一项所述的方法。
[0185]
在示例48中，一种传感器标定系统，该传感器标定系统包括一个或多个处理器以及标定元件，该标定元件包括标定图案，该一个或多个处理器被配置成用于：接收传感器数据，该传感器数据表示在传感器与标定图案之间的相对运动的时段期间、由传感器检测到的标定图案，其中传感器或标定图案沿线性行进路径移动；从多个图像确定标定调整；以及发送用于根据所确定的标定调整对传感器进行标定的标定指令。
[0186]
在示例49中，如示例48所述的传感器标定系统，其中，标定图案包括表示该标定图
案的一个或多个物理属性的符号，并且其中，一个或多个处理器被配置成用于从多个图像以及符号来确定标定调整。
[0187]
在示例50中，如示例49所述的传感器标定系统，其中，符号包括以下各项中的至少一项：二维条形码、三维条形码、或qr码。
[0188]
在示例51中，如示例49或50所述的传感器标定系统，其中，标定图案的一个或多个物理属性包括以下各项中的任一项：标定图案的类型、以及标定图案的一个或多个尺寸。
[0189]
在示例52中，如示例49至50中任一项所述的传感器标定系统，其中，符号进一步包括表示标定图案的附近区域中的道路的线性方向的数据。
[0190]
在示例53中，如示例46至52中任一项所述的传感器标定系统，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像中的至少一个图像以及所确定的姿态确定标定调整。
[0191]
在示例54中，如示例46至53中任一项所述的传感器标定系统，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像以及符号来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像以及所确定的姿态确定标定调整。
[0192]
在示例55中，如示例53或54所述的传感器标定系统，其中，确定标定图案的姿态包括：确定标定图案的经归一化的平面与传感器的光轴之间的相交角；并且其中，一个或多个处理器进一步被配置成用于从该相交角确定标定调整。
[0193]
在示例56中，如示例55所述的传感器标定系统，其中，符号进一步表示道路和/或线性行进路径的线性方向，并且其中，一个或多个处理器进一步被配置成用于：从相交角以及道路或线性行进路径的线性方向确定标定调整。
[0194]
在示例57中，如示例55所述的传感器标定系统，其中，一个或多个处理器进一步被配置成用于从相交角和线性行进路径确定标定调整。
[0195]
在示例58中，如示例53至57中任一项所述的传感器标定系统，其中，确定标定图案的姿态包括：确定标定图案相对于传感器的偏航、滚转、或俯仰中的一项或多项。
[0196]
在示例59中，如示例46至58中任一项所述的传感器标定系统，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的距离，并且用于从标定图案的多个图像、符号、以及所确定的距离确定标定调整。
[0197]
在示例60中，如示例46至59中任一项所述的传感器标定系统，其中，传感器沿行进路径移动，并且标定图案是静止的。
[0198]
在示例61中，如示例60所述的传感器标定系统，其中，一个或多个处理器位于交通工具中。
[0199]
在示例62中，如示例46至61中任一项所述的传感器标定系统，其中，标定图案沿行进路径移动，并且传感器是静止的。
[0200]
在示例63中，如示例62所述的传感器标定系统，其中，一个或多个处理器位于道路基础设施中。
[0201]
在示例64中，如示例46至63中任一项所述的传感器标定系统，其中，标定图案的多
个图像中的至少一个图像包括认证符号，并且其中，一个或多个处理器进一步被配置成用于使用该认证符号来验证标定图案。
[0202]
在示例65中，如示例64所述的传感器标定系统，其中，一个或多个处理器被配置成用于仅在标定图案使用认证符号被验证的情况下发送标定指令。
[0203]
在示例66中，如示例46至65中任一项所述的传感器标定系统，其中，传感器数据包括以下各项中的任何一项或多项：图像传感器数据、激光雷达传感器数据、或雷达传感器数据。
[0204]
在示例67中，如示例46至66中任一项所述的传感器标定系统，其中，标定图案是二维图案。
[0205]
在示例68中，如示例46至67中任一项所述的传感器标定系统，其中，标定图案是三维对象。
[0206]
在示例69中，如示例46至68中任一项所述的传感器标定系统，其中，标定指令包括用于使得传感器根据标定调整被调整的指令。
[0207]
在示例70中，如示例46至69中任一项所述的传感器标定系统，其中，多个图像是时变图像。
[0208]
在示例71中，一种传感器标定检测设备，该传感器标定检测设备包括：一个或多个处理器，该一个或多个处理器被配置成用于：确定在第一传感器沿行进路线的移动期间检测到的第一传感器数据与所存储的第二传感器数据之间的差；以及如果该差在预定范围之外，则从第一操作模式切换至第二操作模式。
[0209]
在示例72中，如示例69所述的传感器标定检测设备，其中，确定第一传感器数据与所存储的第二传感器数据之间的差包括：确定第二传感器数据的均值，以及确定第一传感器数据与第二传感器数据的该均值之间的差。
[0210]
在示例73中，如示例69所述的传感器标定检测设备，其中，确定第一传感器数据与所存储的第二传感器数据之间的差包括：确定第二传感器数据的子集的均值，以及确定第一传感器数据与该子集的均值之间的差。
[0211]
在示例74中，如示例69至73中任一项所述的传感器标定检测设备，其中，第一操作模式包括将第一传感器数据并入第二传感器数据中。
[0212]
在示例75中，如示例69或74所述的传感器标定检测设备，其中，第二操作模式包括丢弃第一传感器数据。
[0213]
在示例76中，如示例69至75中任一项所述的传感器标定检测设备，其中，第二操作模式包括：发送表示确定差在预定范围之外的信号。
[0214]
在示例77中，如示例69至76中任一项所述的传感器标定检测设备，其中，第二操作模式包括：控制收发器发送差在预定范围之外的通知。
[0215]
在示例78中，如示例69至77中任一项所述的传感器标定检测设备，其中，确定第一传感器数据与第二传感器数据之间的差包括将第一传感器数据与多个第二传感器的传感器数据进行比较。
[0216]
在示例79中，如示例69至78中任一项所述的传感器标定检测设备，其中，一个或多个处理器进一步被配置成用于确定第二传感器数据的均值和方差，并且其中，确定第一传感器数据与第二传感器数据之间的差包括确定第一传感器数据与第二传感器数据的均值
和方差之间的差。
[0217]
在示例80中，如示例69至79中任一项所述的传感器标定检测设备，其中，一个或多个处理器进一步被配置成用于确定第二传感器数据的高斯分布，并且其中，确定第一传感器数据与第二传感器数据之间的差包括确定第一传感器数据与第二传感器数据的高斯分布之间的差。
[0218]
在示例81中，如示例79至80中任一项所述的传感器标定检测设备，其中，第二操作模式包括：一个或多个处理器按照第一传感器数据与第二传感器数据的均值和方差或第二传感器数据的高斯分布之间的差来确定传感器标定指令；进一步包括：一个或多个处理器发送该指令。
[0219]
在示例82中，如示例69至81中任一项所述的传感器标定检测设备，其中，第二操作模式包括：一个或多个处理器确定第一传感器数据相对于第二传感器数据的均值的仿射变换，并且发送用于根据所确定的仿射变换来调整与第一传感器数据对应的传感器的指令。
[0220]
在示例83中，如示例69至82中任一项所述的传感器标定检测设备，其中，第二操作模式包括：一个或多个处理器确定第一传感器数据相对于对第二传感器数据的选择的均值的仿射变换，并且发送用于根据所确定的仿射变换来调整与第一传感器数据对应的传感器的指令。
[0221]
在示例84中，如示例69或83所述的传感器标定检测设备，其中，第二传感器数据是在一个或多个第二传感器沿行进路线的移动期间所检测的数据。
[0222]
在示例85中，如示例82或84所述的传感器标定检测设备，进一步包括一个或多个处理器控制通信设备传送指令。
[0223]
在示例86中，一种传感器标定检测方法，该传感器标定检测方法包括：确定在第一传感器沿行进路线移动期间检测到的第一传感器数据与所存储的第二传感器数据之间的差；以及如果该差在预定范围之外，则从第一操作模式切换至第二操作模式。
[0224]
在示例87中，如示例45所述的传感器标定检测方法，其中，确定第一传感器数据与所存储的第二传感器数据之间的差包括：确定第二传感器数据的均值，以及确定第一传感器数据与第二传感器数据的该均值之间的差。
[0225]
在示例88中，如示例45所述的传感器标定检测方法，其中，确定第一传感器数据与所存储的第二传感器数据之间的差包括：确定第二传感器数据的子集的均值，以及确定第一传感器数据与该子集的均值之间的差。
[0226]
在示例89中，如示例45至88中任一项所述的传感器标定检测方法，其中，第一操作模式包括将第一传感器数据并入第二传感器数据中。
[0227]
在示例90中，如示例45或89所述的传感器标定检测方法，其中，第二操作模式包括丢弃第一传感器数据。
[0228]
在示例91中，如示例45至90中任一项所述的传感器标定检测方法，其中，第二操作模式包括：发送表示确定差在预定范围之外的信号。
[0229]
在示例92中，如示例45至91中任一项所述的传感器标定检测方法，其中，第二操作模式包括：控制收发器发送差在预定范围之外的通知。
[0230]
在示例93中，如示例45至92中任一项所述的传感器标定检测方法，其中，确定第一传感器数据与第二传感器数据之间的差包括将第一传感器数据与多个第二传感器的传感
器数据进行比较。
[0231]
在示例94中，如示例45至93中任一项所述的传感器标定检测方法，进一步包括确定第二传感器数据的均值和方差，并且其中，确定第一传感器数据与第二传感器数据之间的差包括确定第一传感器数据与第二传感器数据的均值和方差之间的差。
[0232]
在示例95中，如示例45至94中任一项所述的传感器标定检测方法，进一步包括确定第二传感器数据的高斯分布，并且其中，确定第一传感器数据与第二传感器数据之间的差包括确定第一传感器数据与第二传感器数据的高斯分布之间的差。
[0233]
在示例96中，如示例94至95中任一项所述的传感器标定检测方法，其中，第二操作模式包括：一个或多个处理器按照第一传感器数据与第二传感器数据的均值和方差或第二传感器数据的高斯分布之间的差来确定传感器标定指令；进一步包括：一个或多个处理器发送该指令。
[0234]
在示例97中，如示例45至96中任一项所述的传感器标定检测方法，其中，第二操作模式包括：一个或多个处理器确定第一传感器数据相对于第二传感器数据的均值的仿射变换，并且发送用于根据所确定的仿射变换来调整与第一传感器数据对应的传感器的指令。
[0235]
在示例98中，如示例45至97中任一项所述的传感器标定检测方法，其中，第二操作模式包括：一个或多个处理器确定第一传感器数据相对于对第二传感器数据的选择的均值的仿射变换，并且发送用于根据所确定的仿射变换来调整与第一传感器数据对应的传感器的指令。
[0236]
在示例99中，如示例45或98所述的传感器标定检测方法，其中，第二传感器数据是在一个或多个第二传感器沿行进路线的移动期间所检测的数据。
[0237]
在示例100中，如示例97或99所述的传感器标定检测方法，进一步包括一个或多个处理器控制通信设备传送指令。
[0238]
在示例101中，一种非瞬态计算机可读介质，包括指令，这些指令在被执行时使得一个或多个处理器执行如示例84至100中任一项所述的方法。
[0239]
在示例102中，一种传感器标定装置，该传感器标定装置包括一个或多个处理装置，该一个或多个处理装置被配置成用于：接收传感器数据，该传感器数据表示在传感器与标定图案之间的相对运动的时段期间、由传感器检测到的标定图案的多个图像，其中传感器或标定图案沿线性行进路径移动；从多个图像确定标定调整；以及发送用于根据所确定的标定调整对传感器进行标定的标定指令。
[0240]
在示例103中，一种传感器标定检测装置，该传感器标定检测装置包括一个或多个处理器，该一个或多个处理器被配置成用于：接收在第一传感器沿行进路线移动期间检测到的第一传感器数据；确定第一传感器数据与所存储的第二传感器数据之间的差；以及如果该差在预定范围之外，则从第一操作模式切换至第二操作模式。
[0241]
在示例104中，一种交通工具，该交通工具包括传感器标定器，该传感器标定器包括一个或多个处理器，该一个或多个处理器被配置成用于：从传感器数据确定标定调整，该传感器数据表示在传感器与标定图案之间的相对运动的时段内、由传感器检测到的标定图案的多个图像，其中传感器沿线性行进路径移动；以及生成用于根据所确定的标定调整对传感器进行标定的标定指令。
[0242]
在示例105中，如示例104所述的交通工具，其中，标定图案的多个图像中的一个或
多个图像包括表示该标定图案的一个或多个物理属性的符号，并且其中，一个或多个处理器被配置成用于从标定图案的多个图像以及标定图案的一个或多个物理属性来确定标定调整。
[0243]
在示例106中，如示例105所述的交通工具，其中，符号包括以下各项中的至少一项：二维条形码、三维条形码、或qr码。
[0244]
在示例107中，如示例105或106所述的交通工具，其中，标定图案的一个或多个物理属性包括以下各项中的任一项：标定图案的类型、以及标定图案的一个或多个尺寸。
[0245]
在示例108中，如示例104至106中任一项所述的交通工具，其中，符号进一步包括表示标定图案的附近区域中的道路的线性方向的数据。
[0246]
在示例109中，如示例104至108中任一项所述的交通工具，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像中的至少一个图像以及所确定的姿态确定标定调整。
[0247]
在示例110中，如示例105至109中任一项所述的交通工具，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像以及符号来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像以及所确定的姿态确定标定调整。
[0248]
在示例111中，如示例109或110所述的交通工具，其中，确定标定图案的姿态包括：确定标定图案的经归一化的平面与传感器的光轴之间的相交角；并且其中，一个或多个处理器进一步被配置成用于从该相交角确定标定调整。
[0249]
在示例112中，如示例111所述的交通工具，其中，符号进一步表示道路和/或线性行进路径的线性方向，并且其中，一个或多个处理器进一步被配置成用于：从相交角以及道路或线性行进路径的线性方向确定标定调整。
[0250]
在示例113中，如示例111所述的交通工具，其中，一个或多个处理器进一步被配置成用于从相交角和线性行进路径确定标定调整。
[0251]
在示例114中，如示例109至113中任一项所述的交通工具，其中，确定标定图案的姿态包括：确定标定图案相对于传感器的偏航、滚转、或俯仰中的一项或多项。
[0252]
在示例115中，如示例104至114中任一项所述的交通工具，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的距离，并且用于从标定图案的多个图像、符号、以及所确定的距离确定标定调整。
[0253]
在示例116中，如示例104至115中任一项所述的交通工具，其中，传感器沿行进路径移动，并且标定图案是静止的。
[0254]
在示例117中，如示例104至116中任一项所述的交通工具，其中，标定图案的多个图像中的至少一个图像包括认证符号，并且其中，一个或多个处理器进一步被配置成用于使用该认证符号来验证标定图案。
[0255]
在示例118中，如示例117所述的交通工具，其中，一个或多个处理器被配置成用于仅在标定图案使用认证符号被验证的情况下发送标定指令。
[0256]
在示例119中，如示例104至118中任一项所述的交通工具，其中，传感器数据包括
以下各项中的任何一项或多项：图像传感器数据、激光雷达传感器数据、或雷达传感器数据。
[0257]
在示例120中，如示例104至119中任一项所述的交通工具，其中，标定图案是二维图案。
[0258]
在示例121中，如示例104至120中任一项所述的交通工具，其中，标定图案是三维对象。
[0259]
在示例122中，如示例104至121中任一项所述的交通工具，其中，标定指令包括用于使得传感器根据标定调整被调整的指令。
[0260]
在示例123中，如示例104至122中任一项所述的交通工具，其中，多个图像是时变图像。
[0261]
在示例124中，一种路边单元，该路边单元包括传感器标定器，该传感器标定器包括一个或多个处理器，该一个或多个处理器被配置成用于：从传感器数据确定标定调整，该传感器数据表示在传感器与标定图案之间的相对运动的时段内、由传感器检测到的标定图案的多个图像，其中标定图案沿线性行进路径移动；以及生成用于根据所确定的标定调整来对传感器进行标定的标定指令。
[0262]
在示例125中，如示例124所述的路边单元，其中，标定图案的多个图像中的一个或多个图像包括表示该标定图案的一个或多个物理属性的符号，并且其中，一个或多个处理器被配置成用于从标定图案的多个图像以及标定图案的一个或多个物理属性来确定标定调整。
[0263]
在示例126中，如示例125所述的路边单元，其中，符号包括以下各项中的至少一项：二维条形码、三维条形码、或qr码。
[0264]
在示例127中，如示例125或126所述的路边单元，其中，标定图案的一个或多个物理属性包括以下各项中的任一项：标定图案的类型、以及标定图案的一个或多个尺寸。
[0265]
在示例128中，如示例124至126中任一项所述的路边单元，其中，符号进一步包括表示标定图案的附近区域中的道路的线性方向的数据。
[0266]
在示例129中，如示例124至128中任一项所述的路边单元，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像中的至少一个图像以及所确定的姿态确定标定调整。
[0267]
在示例130中，如示例125至129中任一项所述的路边单元，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像以及符号来确定标定图案相对于传感器的姿态，并且用于从标定图案的多个图像以及所确定的姿态确定标定调整。
[0268]
在示例131中，如示例129或130所述的路边单元，其中，确定标定图案的姿态包括：确定标定图案的经归一化的平面与传感器的光轴之间的相交角；并且其中，一个或多个处理器进一步被配置成用于从该相交角确定标定调整。
[0269]
在示例132中，如示例131所述的路边单元，其中，符号进一步表示道路和/或线性行进路径的线性方向，并且其中，一个或多个处理器进一步被配置成用于：从相交角以及道路或线性行进路径的线性方向确定标定调整。
[0270]
在示例133中，如示例131所述的路边单元，其中，一个或多个处理器进一步被配置成用于从相交角和线性行进路径确定标定调整。
[0271]
在示例134中，如示例129至133中任一项所述的路边单元，其中，确定标定图案的姿态包括：确定标定图案相对于传感器的偏航、滚转、或俯仰中的一项或多项。
[0272]
在示例135中，如示例124至134中任一项所述的路边单元，其中，一个或多个处理器进一步被配置成用于使用标定图案的多个图像中的至少一个图像来确定标定图案相对于传感器的距离，并且用于从标定图案的多个图像、符号、以及所确定的距离确定标定调整。
[0273]
在示例136中，如示例124至135中任一项所述的路边单元，其中，标定图案沿行进路径移动，并且传感器是静止的。
[0274]
在示例137中，如示例124至136中任一项所述的路边单元，其中，标定图案的多个图像中的至少一个图像包括认证符号，并且其中，一个或多个处理器进一步被配置成用于使用该认证符号来验证标定图案。
[0275]
在示例138中，如示例137所述的路边单元，其中，一个或多个处理器被配置成用于仅在标定图案使用认证符号被验证的情况下发送标定指令。
[0276]
在示例139中，如示例124至138中任一项所述的路边单元，其中，传感器数据包括以下各项中的任何一项或多项：图像传感器数据、激光雷达传感器数据、或雷达传感器数据。
[0277]
在示例140中，如示例124至139中任一项所述的路边单元，其中，标定图案是二维图案。
[0278]
在示例141中，如示例124至140中任一项所述的路边单元，其中，标定图案是三维对象。
[0279]
在示例142中，如示例124至141中任一项所述的路边单元，其中，标定指令包括用于使得传感器根据标定调整被调整的指令。
[0280]
在示例143中，如示例124至142中任一项所述的路边单元，其中，多个图像是时变图像。
[0281]
在示例144中，公开了一种用于传感器标定的装置，该装置包括：确定装置，该确定装置用于确定标定调整传感器数据，该标定调整传感器数据表示在传感器与标定图案之间的相对运动的时段期间取得的标定图案的多个图像；以及生成装置，该生成装置用于生成用于根据所确定的标定调整对传感器进行标定的标定指令。
[0282]
在示例145中，公开了一种用于传感器标定检测的装置，该装置包括：确定装置，该确定装置用于确定在第一传感器沿行进路线移动期间检测到的第一传感器数据与所存储的第二传感器数据之间的差；以及操作模式切换装置，该操作模式切换装置用于，如果差在预定范围之外，则将一个或多个处理器从在第一操作模式下操作切换至在第二操作模式下操作。
[0283]
尽管以上描述和相关附图可将电子设备组件描绘为单独的元件，但技术人员将会领会将分立的元件组合或集成为单个元件的各种可能性。此类可能性可包括：组合两个或更多个电路以用于形成单个电路，将两个或更多个电路安装到共同的芯片或基座上以形成集成元件，在共同的处理器核上执行分立的软件组件，等等。相反，技术人员将意识到可将
单个元件分成两个或更多个分立的元件，诸如，将单个电路分解为两个或更多个单独的电路，将芯片或基座分成最初设置在其上的分立的元件，将软件组件分成两个或更多个部分并在单独的处理器核上执行每个部分，等等。
[0284]
应当领会，本文中详述的方法的实现方式在本质上是说明性的，并且因此被理解为能够在相应的设备中实现。同样，应当领会，本文中详述的设备的实现方式被理解为能够被实现为相应的方法。因此，应当理解，与本文详述的方法对应的设备可以包括被配置成执行相关方法的每个方面的一个或多个组件。
[0285]
以上描述中定义的所有首字母缩写词附加地包含在本文包括的所有权利要求中。