1.本公开总体上涉及一种使用传感器和语义信息生成表面地图的系统，并且特别涉及标识地理区域中的不规则表面。
背景技术：
：：2.与测绘(mapping)信息相关联的操作可以在各种计算设备上实现。这些操作可以包括处理测绘信息以供用户或计算系统访问和使用。此外，操作可以包括向远程计算系统发送和接收数据。然而，操作的类型和执行操作的方式会随时间而改变，实现这些操作的底层硬件也是如此。相应地，存在不同的方式来利用与测绘信息相关联的计算资源。技术实现要素：3.本公开的实施例的方面和优点将在以下描述中部分阐述，或者可以从描述中获知，或者可以通过实施例的实践获知。4.本公开的一个示例方面涉及一种测绘的方法。该方法可以包括由包括一个或多个处理器的计算系统访问图像数据和传感器数据。图像数据可以包括一个或多个位置的多个图像以及与一个或多个位置相关联的语义信息。传感器数据可以包括与一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。该方法可以包括由计算系统至少部分基于图像数据和传感器数据来确定一个或多个不规则表面。一个或多个不规则表面可以包括分别在一个或多个位置中的每个位置处满足一个或多个不规则表面标准的、与图像数据和传感器数据相关联的一个或多个表面。此外，该方法可以包括由计算系统生成包括与一个或多个不规则表面相关联的信息的地图数据。5.本公开的另一示例方面涉及存储计算机可读指令的一个或多个有形非暂时性计算机可读介质，当计算机可读指令由一个或多个处理器执行时使得一个或多个处理器执行操作。操作可以包括访问图像数据和传感器数据。图像数据可以包括描述地理区域的语义信息。传感器数据可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素。操作可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。此外，操作可以包括基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。6.本公开的另一示例方面涉及一种计算系统，该计算系统可以包括：一个或多个处理器；以及存储指令的一个或多个有形非暂时性计算机可读介质，当指令由一个或多个处理器执行时使得一个或多个处理器执行操作。操作可以包括访问图像数据和传感器数据。图像数据可以包括描述地理区域的语义信息。传感器数据可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素。操作可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。此外，操作可以包括基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。7.本公开的其他示例方面涉及用于测绘的其他方法、系统、设备、装置或有形非暂时性计算机可读介质。8.参考以下描述和所附权利要求，各种实施例的这些和其他特征、方面和优点将变得更好理解。并入本说明书并构成其一部分的附图示出了本公开的实施例，并且与描述一起用于解释相关原理。附图说明9.参考附图，在说明书中阐述了针对本领域普通技术人员的实施例的详细讨论，附图中：10.图1描绘了根据本公开的示例实施例的包括系统的示例的概述；11.图2描绘了根据本公开的示例实施例的示例设备的图；12.图3描绘了根据本公开的示例实施例的特征检测的示例；13.图4描绘了根据本公开的示例实施例的特征检测的示例；14.图5描绘了根据本公开的示例实施例的表面测绘的流程图；15.图6描绘了根据本公开的示例实施例的表面测绘的流程图；16.图7描绘了根据本公开的示例实施例的表面测绘的流程图；17.图8描绘了根据本公开的示例实施例的表面测绘的流程图；18.图9描绘了根据本公开的示例实施例的表面测绘的流程图；19.图10描绘了根据本公开的示例实施例的表面测绘的流程图；20.图11描绘了根据本公开的示例实施例的表面测绘的流程图；以及21.图12描绘了根据本公开的示例实施例提供经机器学习的模型的流程图。22.具体实现方式23.现在将详细参考实施例，其一个或多个示例在附图中示出。每个示例是通过对实施例的解释、而不是对本公开的限制来提供的。事实上，对于本领域技术人员来说显而易见的是，在不脱离本公开的范围或精神的情况下，可以对实施例进行各种修改和变化。例如，作为一个实施例的一部分示出或描述的特征可以与另一实施例一起使用，以产生又一实施例。因此，本公开的方面旨在覆盖这些修改和变化。24.一般而言，本公开涉及通过基于图像数据和传感器数据确定表面的状态(例如通过确定不规则表面的位置)来改进导航和测绘。对不规则表面的确定可以用于改进对车辆的车辆系统(诸如马达系统、转向系统、制动系统、照明系统或导航系统)的控制。具体地，所公开的技术可以包括被布置为接收图像数据和传感器数据的计算系统。图像数据可以包括位置图像和描述与每个相应位置相关联的特征的语义信息。例如，图像数据可以基于已经使用图像内容分析或其他技术进行处理以从图像中提取语义信息的位置图像。传感器数据可以包括与由传感器(例如一个或多个车载传感器)对位置中的表面的检测相关联的传感器信息。例如，传感器数据可以包括光检测和测距(lightdetectionandranging，lidar)点云数据，该lidar点云数据提供包括位置的表面的位置的三维表示。此外，计算系统可以基于确定表面满足表面不规则性标准来确定位置处的不规则表面。举例来说，满足表面不规则性标准可以包括表面中凹陷的深度大于阈值深度。此外，计算系统可以确定在图像数据与传感器数据之间是否存在某种关联。这样，计算系统可以确定由图像数据和传感器数据指示的表面状态之间是否存在一致。计算系统还可以生成包括与由计算系统确定的不规则表面的位置相关联的信息的地图数据。例如，计算系统可以生成包括不规则表面的地理位置以及对表面类型的指示(诸如地面表面是坑洼还是减速带)的地图数据。生成的地图数据可以用于改进路线规划，例如以用于车辆导航。地图数据可以用于确定车辆的导航路线，其中包括与不规则表面的位置相关联的信息的地图数据的生成可以允许优化的导航路线被确定。此外，计算系统可以至少部分基于地图数据来控制车辆的一个或多个车辆系统。例如，一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、和/或一个或多个照明系统。因此，本公开的方面可以提供对车辆系统的改进的和更准确的控制，这可能具有有益的安全影响。25.在一些实施例中，地图数据可以用于各种目的，包括区分有意(intentionally)不规则表面(诸如减速带)和无意(unintentionally)不规则表面(诸如地面表面上的碎石)。这样，所公开的技术可以通过使用语义信息和传感器数据的组合来更准确地确定不规则表面(包括有意不规则表面和无意不规则表面)的位置。此外，所公开的技术可以提供以下益处：具有更清晰划分的不规则表面的更有效的地图、由于不规则表面的清晰标识而提高的道路安全性、由于不规则道路表面的早期标识和位置而提高的道路建设和修理资源的利用率、以及由于避免或更仔细地穿越不规则表面而提高的乘客舒适性和减少的车辆磨损。26.在一些实施例中，所公开的技术可以包括计算系统，该计算系统包括一个或多个计算设备，每个计算设备包括一个或多个计算机处理器和一个或多个存储设备，该存储设备包括可以存储一个或多个指令的存储器。计算系统可以访问、发送、接收、处理、生成和/或修改可以以一个或多个信息模式或结构的形式进行编码的数据，这些信息模式或结构可以存储在一个或多个存储器设备中。此外，数据和/或一个或多个信号可以由计算系统与包括多个服务系统的各种其他系统和/或设备进行交换，这些服务系统可以发送和/或接收包括与环境的一个或多个位置的一个或多个状态相关联的图像数据和传感器数据的数据。一个或多个状态可以例如包括表面的一个或多个状态。此外，计算系统可以包括使得计算系统能够执行特定于所公开的技术的一个或多个操作的专用硬件和/或软件。例如，计算系统可以包括被配置为执行与确定环境中表面不规则性的出现相关联的操作的一个或多个专用集成电路。27.计算系统可以访问图像数据和/或传感器数据。图像数据可以包括一个或多个位置的多个图像和/或与一个或多个位置相关联的语义信息。此外，语义信息可以包括描述与一个或多个位置相关联的一个或多个特征的信息。例如，图像数据可以包括一个或多个光栅图像，这些光栅图像与描述一个或多个图像中描绘的一个或多个特征(包括建筑物、道路、人行道、交通灯和/或道路标志)的语义信息相关联。28.在一些实施例中，图像数据可以包括与一个或多个道路标志(包括一个或多个减速带标志、一个或多个路障标志、和/或一个或多个建筑标志)相关联的语义信息。与一个或多个道路标志相关联的语义信息可以包括一个或多个道路标志的一个或多个位置和一个或多个道路标志类型。29.传感器数据可以包括与由一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。例如，一个或多个传感器可以生成与对一个或多个位置中的一个或多个表面的检测相关联的多个传感器输出。例如，传感器数据可以包括与一个或多个位置中的每个位置的地面表面(包括道路)相关联的lidar点云数据。30.在一些实施例中，一个或多个传感器可以包括一个或多个光检测和测距(lidar)设备，lidar设备被配置为至少部分基于对一个或多个位置的一个或多个表面的lidar扫描来生成传感器数据。一个或多个lidar设备可以例如被安装在车辆上。此外，一个或多个传感器可以包括多个lidar设备，每个lidar设备被安装在相应的车辆上。因此，车辆的网络可以用于向计算设备提供准确和/或频繁更新的传感器数据。31.在一些实施例中，图像数据可以至少部分基于对一个或多个图像的图像内容分析。图像内容分析可以由分析图像的语义内容并生成语义信息(包括对在图像中找到的特征的描述)的计算系统执行。举例来说，图像内容分析可以使用已经被配置为和/或被训练为检测和标识图像中的一个或多个特征的一个或多个经机器学习的模型。图像数据还可以与包括从街道级视角捕获的图像的街道级图像集相关联。此外，该系统可以利用对街道级图像和/或其他图像(包括用户生成的图像和/或可公开访问的街道级图像)的图像内容分析，以用于确定不规则表面和与不规则表面相关联的对象(包括指示不规则表面的接近度的标记)的位置的目的。在一个实施例中，语义信息包括图像中一个或多个特征的一个或多个地理位置。32.计算系统可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面。一个或多个不规则表面可以包括满足一个或多个不规则表面标准的一个或多个表面。例如，计算系统可以访问与图像数据相关联的语义信息，以确定涉及挖洞的建筑活动何时在区域中发生。满足一个或多个不规则表面标准可以包括确定语义信息指示不规则表面。进一步举例来说，计算系统可以访问与传感器数据相关联的lidar数据，以确定位置的空间特性。满足一个或多个不规则表面标准可以包括传感器数据指示在位置处的表面中检测到包括超过深度阈值的凹陷的某些空间特性。在一些实现例中，当图像数据和传感器数据两者都指示不规则表面时，满足一个或多个不规则表面标准。在一些实现例中，当图像数据指示一个或多个不规则表面并且传感器数据与图像数据所指示的一个或多个不规则表面的存在不矛盾时；或者当传感器数据指示一个或多个不规则表面并且图像数据与传感器数据所指示的一个或多个不规则表面的存在不矛盾时，满足一个或多个不规则表面标准。33.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括当传感器数据指示一个或多个表面的一个或多个部分超过表面积阈值并且包括超过表面积阈值的突起和/或超过深度阈值的凹陷时，确定满足一个或多个不规则表面标准。例如，计算系统可以使用传感器数据来确定一个或多个表面的三维特征。举例来说，基于一个或多个表面的三维特征，计算系统可以确定大于一百平方厘米并且深度大于三厘米的表面部分是不规则表面，以及大于一百平方厘米并且深度为一厘米的表面部分不是不规则表面。34.在一些实现例中，高度阈值可以至少部分基于高于一个或多个表面的表面的平均高度的高度。此外，深度阈值可以至少部分基于低于一个或多个表面的表面的平均高度的深度。此外，在一些实现例中，高度阈值可以至少部分基于突起相对于突起的预定距离内的表面的高度。此外，在一些实现例中，深度阈值可以至少部分基于凹陷相对于凹陷的预定距离内的表面的深度。例如，计算系统可以访问传感器数据以确定突起的高度比突起周围一米半径内的地面表面高五厘米。35.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括确定一个或多个表面的一个或多个部分何时具有满足与一个或多个表面的边长的不规则性和/或一个或多个表面的角度的不规则性相关联的一个或多个不规则形状标准的形状。例如，计算系统可以访问可用于确定表面的一个或多个部分的空间特性的传感器数据。表面的规则部分的空间特性可以包括具有均匀形状拐角的混凝土块的正方形剖面。作为对比，表面的不规则部分的空间特性可以包括不等长的锯齿状边缘。36.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括当与一个或多个位置中的位置相关联的语义信息描述与由一个或多个传感器对一个或多个表面的检测相关联的传感器信息时，确定满足一个或多个不规则表面标准。例如，计算系统可以访问与位置相关联的语义信息，以确定语义信息何时包括对该位置处的减速带的描述。满足一个或多个不规则表面标准可以包括确定语义信息指示在该位置处存在减速带，以及传感器信息检测到该位置的具有与减速带相对应的空间特性的地面表面。37.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括确定车辆的一个或多个车辆特性。例如，计算系统可以确定与计算系统相关联的车辆的离地间隙。38.在一些实现例中，一个或多个车辆特性可以包括车辆的离地间隙、车辆的高度、车辆的宽度、车辆前轮与车辆前保险杠之间的距离、和/或车辆悬架系统的牢固性。此外，一个或多个车辆特性可以包括车辆的质量或重量和/或车辆的一个或多个物理尺寸。例如，车辆的离地间隙可以包括车辆底架、外部车身面板或底盘的最低点与车辆轮胎下方的平坦表面之间的距离。39.此外，计算系统可以确定与一个或多个表面中的每个表面相关联的一个或多个梯度。例如，计算系统可以使用传感器数据来确定表面的倾斜角度。40.此外，当与一个或多个表面中的每个表面相关联的一个或多个梯度超过梯度阈值时，计算系统可以确定满足一个或多个不规则表面标准。在一些实施例中，梯度阈值可以至少部分基于车辆的一个或多个特性。例如，与具有相对较高离地间隙和相对较高梯度阈值的车辆相比，具有相对较低离地间隙和相对较低梯度阈值的车辆不太容易满足一个或多个不规则表面标准。41.计算系统可以生成包括与一个或多个不规则表面相关联的信息的地图数据。此外，地图数据可以包括与一个或多个不规则表面的一个或多个位置相关联的信息。例如，计算系统可以访问图像数据和传感器数据，以提供包括一个或多个不规则表面的地理位置以及一个或多个不规则表面的深度或高度的信息。42.在一些实施例中，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的纬度、与一个或多个不规则表面中的每个不规则表面相关联的经度、与一个或多个不规则表面中的每个不规则表面相关联的海拔、一个或多个不规则表面中的每个不规则表面的高度、一个或多个不规则表面中的每个不规则表面的深度、和/或一个或多个不规则表面中的每个不规则表面的表面积。43.在一些实施例中，计算系统可以将地图数据发送到与更新图像数据或传感器数据相关联的远程计算系统。例如，计算系统可以将地图数据无线发送到与维护一个或多个位置的地图相关联的一个或多个远程计算设备。基于地图数据，可以采取包括重新扫描位置的各种动作来解决图像数据与传感器数据之间的不匹配。44.计算系统可以确定与一个或多个表面中的每个表面相关联的一个或多个表面类型。例如，计算系统可以至少部分基于与图像数据相关联的语义信息来确定一个或多个表面类型，该语义信息可以指示表面是铺砌的还是未铺砌的。进一步举例来说，计算系统可以使用传感器数据来确定与一个或多个表面类型相对应的表面的一个或多个空间特性。45.在一些实施例中，一个或多个表面类型可以包括一个或多个地面表面或者一个或多个非地面表面。一个或多个地面表面可以包括一个或多个铺砌地面表面、一个或多个未铺砌地面表面、一个或多个人行道表面、和/或一个或多个砾石表面。46.在一些实施例中，一个或多个非地面表面可以包括一个或多个侧表面和/或一个或多个架空(overhead)表面。一个或多个侧表面可以包括一个或多个墙壁、栅栏和/或其他垂直对齐的表面。一个或多个架空表面可以包括高于某个预定高度阈值的一个或多个表面，包括门、隧道入口、车库入口、门口和/或架空障碍物的上部。47.在一些实施例中，图像数据可以包括与架空表面的物理尺寸(包括架空表面的高度)相关联的语义信息。此外，图像数据可以包括与架空表面的类型和材料属性相关联的语义信息。例如，语义数据可以指示架空表面是由砖制成的隧道入口。48.此外，计算系统可以生成包括与一个或多个位置中的每个位置的一个或多个表面类型相关联的信息的地图数据。例如，地图数据可以指示特定地理坐标的集合内的区域的表面类型。49.计算系统可以至少部分基于图像数据和传感器数据来确定与一个或多个不规则表面中的每个不规则表面相关联的一个或多个不规则表面类型。例如，计算系统可以至少部分基于与图像数据相关联的语义信息来确定一个或多个不规则表面类型，该语义信息可以指示地面表面何时包括减速带。进一步举例来说，计算系统可以使用传感器数据来确定地面表面的一个或多个空间特性，其中空间特性与包括减速带和/或坑洼的一个或多个表面类型相对应。50.当与一个或多个不规则表面中的不规则表面的图像数据相关联的一个或多个不规则表面类型匹配与该不规则表面的传感器数据相关联的一个或多个不规则表面类型时，计算系统可以确定一个或多个不规则表面是有意不规则表面。51.在一些实施例中，当一个或多个标志在一个或多个不规则表面的预定距离内并且一个或多个标志与一个或多个不规则表面的一个或多个不规则表面类型相关联时，计算系统可以确定一个或多个不规则表面是有意不规则表面。例如，计算系统可以使用与图像数据相关联的语义信息来确定特定位置中的道路标志的位置。此外，当指示“前方减速带”的道路标志在基于传感器数据而确定为减速带的不规则表面的十米范围内时，计算系统可以确定不规则表面是有意不规则表面。52.在一些实施例中，计算系统可以确定并非有意不规则表面的一个或多个不规则表面是无意不规则表面。有意不规则的表面可以包括有意建造在特定位置的结构。减速带是有意不规则表面的示例。无意不规则表面可以包括并非有意建造在特定位置的、由表面和/或结构的劣化或损坏引起的表面特征。坑洼是有意不规则表面的示例。53.在一些实施例中，计算系统可以响应于一个或多个有意不规则表面来生成第一通知，或者响应于一个或多个无意不规则表面来生成第二通知。例如，计算系统可以在检测到有意不规则表面时生成使得扬声器鸣响的一个或多个信号，并且可以在检测到无意不规则表面时生成警告消息(“前方道路颠簸”)。54.计算系统可以至少部分基于图像数据和传感器数据来确定与一个或多个位置中的每个位置相关联的地理区域和/或天气条件。例如，计算系统可以访问包括语义信息的图像数据，该语义信息指示位置在特定的国家或特定的地区或国家领土中。进一步举例来说，计算系统可以访问实时更新的并且包括与位置处的实时天气条件相关联的语义信息的图像数据。55.计算系统可以至少部分基于与一个或多个位置中的每个位置相关联的地理区域和/或天气条件来调整一个或多个不规则表面标准。例如，当天气条件包括大量降雪时，计算系统可以调整与一个或多个表面不规则性相关联的高度阈值。56.计算系统可以至少部分基于地图数据来控制车辆的一个或多个车辆系统。一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、和/或一个或多个照明系统。例如，计算系统可以控制自主车辆的转向系统，以避免地图数据中指示的表面不规则性。在一些示例中，由远离车辆的计算系统生成的地图数据可以被车辆用来触发或以其他方式发起车辆处的动作。57.计算系统可以至少部分基于车辆在一个或多个不规则表面的预定距离内来生成与实现一个或多个指示相关联的数据。一个或多个指示可以包括一个或多个不规则表面的一个或多个图像、可包括一个或多个不规则表面的一个或多个位置的一个或多个地图、一个或多个不规则表面的一个或多个文本描述、和/或与一个或多个不规则表面相关联的一个或多个听觉指示。例如，当由计算系统控制的自主车辆在不规则表面的五十米范围内时，车辆计算系统可以生成一个或多个听觉指示，包括鸣响声音。58.在一些实施例中，一个或多个不规则表面标准可以包括不规则性高度阈值和/或不规则性深度阈值。例如，不规则性高度阈值可以包括高于预定区域中的表面的平均高度的高度。59.计算系统可以访问与车辆离地间隙相关联的车辆高度数据。例如，当车辆静止时，车辆的离地间隙可以至少部分基于高于车辆的任何部分(不包括车辆的车轮)的表面的最小高度。60.此外，计算系统可以至少部分基于车辆的离地间隙来调整不规则性高度阈值和/或不规则性深度阈值。例如，对于具有二十厘米的离地间隙的第一车辆，不规则性深度阈值可以是第一车辆的离地间隙的百分之六十，即十二厘米。进一步举例来说，对于具有五十厘米的较高离地间隙的第二车辆，不规则性深度阈值也可以是第二车辆离地间隙的百分之六十，即三十厘米。61.在一些实施例中，计算系统可以访问图像数据和传感器数据，包括：可以包括描述地理区域的语义信息的图像数据；和/或可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。62.此外，计算系统可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。例如，计算系统可以评估一个或多个表面元素和语义信息，以确定一个或多个表面元素和语义信息是否包括与地理区域的一个或多个特征相关联的信息。举例来说，地理区域的一个或多个特征可以包括不规则表面。63.进一步举例来说，计算系统可以访问地理区域的特定位置的图像数据和传感器数据，并且将由与地理区域的位置的一个或多个图像相关联的语义信息提供的一个或多个空间特性与一个或多个表面元素的一个或多个空间特性进行比较。64.计算系统可以生成与一个或多个表面元素相关联的地理区域的数据。在一些实施例中，地图数据可以至少部分基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联。在一些示例中，语义信息可以与诸如道路标志的一个或多个地理特征相关联，并且一个或多个表面元素可以与诸如道路的表面相关联。以这种方式，地理特征可以与表面元素在物理上分离。相应地，所描述的系统可以利用第一对象的语义信息结合第二对象(例如，表面)的传感器数据来确定地理区域的地图信息。65.在一些实施例中，地图数据可以包括与地理区域的一个或多个位置相关联的地理信息，其中一个或多个表面元素与语义信息相关联。例如，计算系统可以基于具有与包括坑洼的地面表面中的凹陷一致的空间布置的一个或多个表面元素以及包括描述与一个或多个表面元素在相同位置的坑洼的指示的语义信息，来确定一个或多个表面元素与语义信息相关联。66.所公开的技术中的系统、方法、设备、装置和有形非暂时性计算机可读介质可以提供各种技术效果和益处，包括在确定不规则表面(包括不规则地面表面)的位置和类型方面的改进。所公开的技术还可以提供以下益处，包括以更有效和可靠的地图的形式的改进、提高的道路安全性、提高的道路建设和维修资源的利用率、提高的乘客舒适性、以及减少车辆的磨损。67.此外，所公开的技术可以通过对已经以传感器(包括lidar)提供的高精度水平执行了图像内容分析的图像中所包括的丰富语义信息进行组合，来提高地图的有效性。通过使用语义信息结合传感器信息，可以更准确和可靠地确定不规则表面的位置，并且这些不规则表面可以被分类为有意不规则表面(诸如减速带)或无意不规则表面(诸如由道路劣化导致的坑洼)。这样，地图可以具有更精确的标签来指示和区分有意不规则表面和无意不规则表面的出现。68.此外，所公开的技术可以通过更有效地标识和定位不规则表面的出现来提高道路的安全性。例如，通过在那些表面下降到使道路不适合行驶的状态之前标识无意不规则表面，可以修理这些表面，并且可以维护在相应表面上行驶的车辆的高度安全性。69.此外，所公开的技术可以允许更快速地标识和定位无意不规则表面，使得可以在表面处于需要不成比例的时间和资源的高花费来修理的状态之前执行修理不规则表面的动作。例如，与无意不规则表面处于晚期失修状态时所需的更昂贵的修理相比，对无意不规则表面的早期修理可以节省费用。70.所公开的技术的使用还可以提高能够在不规则表面周围进行导航的车辆中的乘客的舒适性。例如，自主车辆可以使用不规则表面的位置来减速或避开不规则表面，而不必进行急剧的航向修正或制动，这可能在最后时刻确定不规则表面时产生。71.此外，由于更快地标识不规则表面而对这些不规则表面进行更及时的修理可以导致减少车辆在不规则表面上导航所产生的磨损。例如，在坑洼上行驶会过早损耗车辆的悬架系统。此外，当车辆被告知临近减速带时，车辆可以减速，从而减少由于以过高速度穿越减速带而导致的磨损。72.相应地，所公开的技术提供了更有效的地图、提高的道路安全性、提高的道路建设和修理资源的利用率、提高的乘客舒适性以及减少车辆磨损的具体益处，这些益处中的任何一个都可以用于改进各种各样的服务(包括地图服务和/或导航服务)的有效性。73.现在参考图1-图12，将进一步详细讨论本公开的示例实施例。图1描绘了根据本公开的示例实施例的示例系统的图。系统100包括通过网络180通信连接和/或耦合的计算设备102、服务器计算系统130、训练计算系统150和一个或多个远程计算系统170。74.计算设备102可以包括任何类型的计算设备，包括例如个人计算设备(例如，膝上型计算设备或台式计算设备)、移动计算设备(例如，智能电话或平板电脑)、游戏控制台、控制器、可穿戴计算设备(例如，智能手表)、嵌入式计算设备和/或任何其他类型的计算设备。75.计算设备102包括一个或多个处理器112和存储器114。一个或多个处理器112可以是任何合适的处理设备(例如，处理器内核、微处理器、专用集成电路(asic)、现场可编程门阵列(fpga)、控制器和/或微控制器)，并且可以是一个处理器或可操作地连接的多个处理器。存储器114可以包括一个或多个非暂时性计算机可读存储介质，包括ram、nvram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器114可以存储由处理器112执行以使计算设备102执行操作的数据116和指令118。在一些实施例中，数据116可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。76.在一些实施例中，计算设备102可以执行一个或多个操作，包括：访问包括与一个或多个图像相关联的语义信息的图像数据；和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据。计算设备102可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准。此外，计算设备102可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。77.在一些实施例中，计算设备102可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，计算设备102可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。78.在一些实现方式中，计算设备102可以存储或包括一个或多个经机器学习的模型120。例如，一个或多个经机器学习的模型120可以包括各种经机器学习的模型，包括神经网络(例如，深度神经网络)或其他类型的经机器学习的模型(包括非线性模型和/或线性模型)。神经网络可以包括前馈神经网络、递归神经网络(例如，长短期记忆递归神经网络)、卷积神经网络或其他形式的神经网络。参考图1-图12讨论一个或多个经机器学习的模型120的示例。79.在一些实现方式中，一个或多个经机器学习的模型120可以通过网络180从服务器计算系统130被接收，存储在计算设备存储器114中，然后由一个或多个处理器112使用或以其他方式实现。在一些实现方式中，计算设备102可以实现一个或多个经机器学习的模型120的单个经机器学习的模型的多个并行实例(例如，以在经机器学习的模型120的多个实例之间执行并行图像识别和语义信息处理)。更具体地，一个或多个经机器学习的模型120可以访问包括与一个或多个图像相关联的语义信息的图像数据和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据；和/或至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准的。此外，一个或多个经机器学习的模型120可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。80.在一些实施例中，一个或多个经机器学习的模型120可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，一个或多个经机器学习的模型120可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。81.附加地或可替代地，一个或多个经机器学习的模型140可以被包括在服务器计算系统130中，或者以其他方式由服务器计算系统130存储和实现，服务器计算系统130根据客户端-服务器关系与计算设备102进行通信。例如，经机器学习的模型140可以由服务器计算系统140实现为网络服务(例如，不规则表面确定服务)的一部分。因此，一个或多个经机器学习的模型120可以在计算设备102处存储和实现，和/或一个或多个经机器学习的模型140可以在服务器计算系统130处存储和实现。82.计算设备102还可以包括可以接收用户输入的一个或多个用户输入组件122。例如，用户输入组件122可以是对用户输入(例如，手指或触笔)的触摸敏感的触敏组件(例如，触敏显示屏或触摸板)。触敏组件可以用来实现虚拟键盘。其他示例用户输入组件包括麦克风、机械键盘、机电键盘和/或用户可以提供用户输入的其他部件。83.服务器计算系统130包括一个或多个处理器132和存储器134。一个或多个处理器132可以包括任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器134可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器134可以存储由处理器132执行以使服务器计算系统130执行操作的数据136和指令138。在一些实施例中，数据136可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。84.在一些实施例中，服务器计算系统130可以执行一个或多个操作，包括：访问包括与一个或多个图像相关联的语义信息的图像数据；和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据。服务器计算系统130可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准的。此外，服务器计算系统130可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。85.在一些实施例中，服务器计算系统130可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，服务器计算系统130可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。86.此外，服务器计算系统130可以对提供给服务器计算系统130的一个或多个输入(例如，包括一个或多个图像的图像数据)执行图像内容分析。例如，服务器计算系统130可以经由网络180接收数据。数据可以包括图像数据，该图像数据包括一个或多个图像和/或相关联的语义信息。服务器计算系统130然后可以执行各种操作，这些操作可以包括使用一个或多个经机器学习的模型140来检测一个或多个图像的一个或多个特征和/或将语义信息与一个或多个图像关联。进一步举例来说，服务器计算系统130可以使用对象识别技术来检测图像中的一个或多个对象(例如，减速带、坑洼、道路、路缘、人行道、建筑物、街道标志、建筑障碍物和道路标记)，并且基于对象的识别来生成语义信息。在另一示例中，服务器计算系统130可以从一个或多个远程计算系统(例如，一个或多个远程计算系统170)接收可包括已经与语义信息关联起来的图像(例如，具有用户相关语义信息的图像和/或具有用户设备生成的语义信息的图像)的数据。由服务器计算系统130接收的数据然后可以被存储(例如，存储在图像储存库中)以供计算系统130稍后使用。87.在一些实现方式中，服务器计算系统130包括一个或多个服务器计算设备或以其他方式由一个或多个服务器计算设备来实现。在服务器计算系统130包括多个服务器计算设备的情况下，这种服务器计算设备可以根据顺序计算架构、并行计算架构、或其某种组合来进行操作。88.如上所述，服务器计算系统130可以存储或以其他方式包括一个或多个经机器学习的模型140。例如，一个或多个经机器学习的模型140可以包括各种经机器学习的模型。示例经机器学习的模型包括神经网络或其他多层非线性模型。示例神经网络包括前馈神经网络、深度神经网络、递归神经网络和卷积神经网络。参考图1-图12讨论一个或多个经机器学习的模型140的示例。89.计算设备102和/或服务器计算系统130可以经由与通过网络180通信连接和/或耦合的训练计算系统150的交互来训练一个或多个经机器学习的模型120和/或140。训练计算系统150可以与服务器计算系统130分离，或者可以是服务器计算系统130的一部分。90.训练计算系统150包括一个或多个处理器152和存储器154。一个或多个处理器152可以是任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以是一个处理器或可操作地连接的多个处理器。存储器154可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器154可以存储由处理器152执行以使训练计算系统150执行操作的数据156和指令158。在一些实施例中，数据156可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。在一些实现方式中，训练计算系统150包括一个或多个服务器计算设备或以其他方式由一个或多个服务器计算设备来实现。91.训练计算系统150可以包括模型训练器160，模型训练器160使用各种训练或学习技术(包括例如错误的后向传播)来训练分别存储在计算设备102和/或服务器计算系统130处的一个或多个经机器学习的模型120和/或一个或多个经机器学习的模型140。在一些实现方式中，执行错误的后向传播可以包括随着时间执行截断的后向传播。模型训练器160可以执行多种泛化技术(例如，权重衰减和/或丢失)来提高被训练的模型的泛化能力。92.具体地，模型训练器160可以基于训练数据162的集合来训练一个或多个经机器学习的模型120和/或一个或多个经机器学习的模型140。训练数据162可以包括例如图像数据，该图像数据可以包括描述一个或多个位置和/或一个或多个位置的一个或多个特征的一个或多个图像和/或语义信息。例如，训练数据可以包括与特征相关联的物理尺寸、特征与一个或多个参考点(例如，其他位置)的接近度、特征的地理位置(例如，特征的纬度、经度和/或海拔)、和/或与特征相关联的各种元数据(例如，与特征相关联的类型，包括与特征相关联的表面和/或不规则性的类型)。93.在一些实现方式中，如果用户已经提供同意，则训练示例可以由计算设备102提供。因此，在这样的实现方式中，提供给计算设备102的一个或多个经机器学习的模型120可以由训练计算系统150在从计算设备102接收的用户特定数据上进行训练。在一些情况下，这个过程可以被称为个性化模型。94.模型训练器160可以包括用于提供期望功能的计算机逻辑。模型训练器160可以用控制通用处理器的硬件、固件和/或软件来实现。例如，在一些实现方式中，模型训练器160包括存储在存储设备上、加载到存储器中并由一个或多个处理器执行的程序文件。在其他实现方式中，模型训练器160包括存储在有形计算机可读存储介质(包括ram硬盘或光学或磁性介质)中的一个或多个计算机可执行指令的集合。95.一个或多个远程计算系统170中的每个远程计算系统170包括一个或多个处理器172和存储器174。一个或多个处理器172可以包括任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器174可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器174可以存储由处理器172执行以使远程计算系统170执行操作的数据176和指令178。96.在一些实现方式中，一个或多个远程计算系统170包括一个或多个计算设备或以其他方式由一个或多个计算设备来实现。在一个或多个远程计算系统170包括多个计算设备的情况下，这种计算设备可以根据顺序计算架构、并行计算架构和/或它们的某种组合来操作。此外，一个或多个远程计算系统170可以用于收集、生成、发送和/或接收包括图像数据的一个或多个信号和/或数据，该图像数据包括可以与一个或多个位置和/或一个或多个位置的一个或多个特征相关联的语义信息。一个或多个远程计算系统170可以包括智能电话设备，智能电话设备的用户可以使用该智能电话设备来生成与由智能电话设备的相机或其他图像传感器捕获的一个或多个图像相关联的图像数据。例如，智能电话设备的用户可以捕获包括位置(例如，道路路段)的纬度、经度和海拔的位置的图像。用户然后可以用包括对位置的描述(例如，坑洼的大小)的语义信息来手动注释图像，然后可以将该图像发送到远程计算系统170，该远程计算系统170包括可以用于存储包括用户提供的图像数据的图像数据的储存库。在一些实施例中，手动注释的图像可以被强加密、匿名化(例如，与图像相关联的任何个人信息或者不被收集或者在被接收之后被删除)，并且以安全和隐私增强的方式被维护以供远程计算系统170使用，该远程计算系统170可以提供图像和相关联的语义信息以供远程计算系统170和/或训练计算系统150的图像内容分析部分使用。97.网络180可以包括任何类型的通信网络，包括局域网(例如，内联网)、广域网(例如，互联网)、或它们的某种组合，并且可以包括任何数量的有线链路或无线链路。通常，网络180上的通信可以使用各种各样的通信协议(例如，tcp/ip、http、smtp、ftp)、编码或格式(例如，html、xml)和/或保护方案(例如，vpn、安全http、ssl)，经由任何类型的有线连接和/或无线连接来携带。98.图1示出了可以用于实现本公开的一个示例计算系统。也可以使用其他计算系统。例如，在一些实现方式中，计算设备102可以包括模型训练器160和训练数据162。在这样的实现方式中，一个或多个经机器学习的模型120可以在计算设备102处被本地训练和使用两者。在一些这样的实现方式中，计算设备102可以实现模型训练器160，以基于用户特定数据来个性化一个或多个经机器学习的模型120。99.图2描绘了根据本公开的示例实施例的示例设备的图。计算设备200可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。此外，计算设备200可以执行一个或多个动作和/或操作，包括由计算设备102、服务器计算系统130和/或训练计算系统150执行的一个或多个动作和/或操作，如图1所示。100.如图2所示，计算设备200可以包括一个或多个存储器设备202、图像数据204、传感器数据206、一个或多个互连210、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224、一个或多个输出设备226、一个或多个传感器228、一个或多个输入设备230、和/或定位设备232。101.一个或多个存储器设备202可以存储信息和/或数据(例如，图像数据204和/或传感器数据206)。此外，一个或多个存储器设备202可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。由一个或多个存储器设备202存储的信息和/或数据可以由一个或多个处理器220执行，以使得计算设备200执行操作。102.图像数据204可以包括图1所示的数据116、数据136和/或数据156的一个或多个部分。此外，图像数据204可以包括与一个或多个图像相关联的信息、一个或多个位置的一个或多个地图、和/或与一个或多个位置的一个或多个描述相关联的语义信息。103.传感器数据206可以包括图1所示的数据116、数据136和/或数据156的一个或多个部分。此外，传感器数据206可以包括与对一个或多个位置处的一个或多个表面的检测相关联的信息。104.一个或多个互连210可以包括一个或多个互连或总线，互联或总线可以用于在计算设备200的组件(包括一个或多个存储器设备202、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224，一个或多个输出设备226、一个或多个传感器228(例如，传感器阵列)、和/或一个或多个输入设备230)之间发送和/或接收一个或多个信号(例如，电子信号)和/或数据(例如，图像数据204和/或传感器数据206)。一个或多个互连210可以以不同的方式布置或配置，包括并行连接或串行连接。此外，一个或多个互连210可以包括用于连接计算设备200的内部组件的一个或多个内部总线；以及用于将计算设备200的内部组件连接到一个或多个外部设备的一个或多个外部总线。举例来说，一个或多个互连210可以包括不同的接口，包括工业标准架构(isa)、扩展isa、外围组件互连(pci)、高速pci、串行at附接(sata)、超传输(ht)、usb(通用串行总线)、雷电(thunderbolt)、ieee1394接口(火线)和/或可用于连接组件的其他接口。105.一个或多个处理器220可以包括被配置为执行存储在一个或多个存储器设备202中的一个或多个指令的一个或多个计算机处理器。例如，一个或多个处理器220可以例如包括一个或多个通用中央处理单元(cpu)、专用集成电路(asic)、和/或一个或多个图形处理单元(gpu)。此外，一个或多个处理器220可以执行一个或多个动作和/或操作，包括与图像数据204和/或传感器数据206相关联的一个或多个动作和/或操作。一个或多个处理器220可以包括单核或多核设备，包括微处理器、微控制器、集成电路和/或逻辑设备。106.网络接口222可以支持网络通信。例如，网络接口222可以支持经由包括局域网和/或广域网(例如，互联网)的网络的通信。一个或多个大容量存储设备224(例如，硬盘驱动器和/或固态驱动器)可以用于存储包括图像数据204和/或传感器数据206的数据。一个或多个输出设备226可以包括一个或多个显示设备(例如，lcd显示器、oled显示器和/或crt显示器)、一个或多个光源(例如，led)、一个或多个扬声器、和/或一个或多个触觉输出设备。107.一个或多个输入设备230可以包括一个或多个键盘、一个或多个触敏设备(例如，触摸屏显示器)、一个或多个按钮(例如，开/关按钮和/或是/否按钮)、一个或多个麦克风、和/或一个或多个相机(例如，可以用于检测包括不规则表面的表面的相机)。108.一个或多个存储器设备202和一个或多个大容量存储设备224被单独示出，然而，一个或多个存储器设备202和一个或多个大容量存储设备224可以是相同存储器模块内的区域。计算设备200可以包括一个或多个附加的处理器、存储器设备、网络接口，它们可以单独设置或者设置在相同芯片或板上。一个或多个存储器设备202和一个或多个大容量存储设备224可以包括一个或多个计算机可读介质，包括但不限于非暂时性计算机可读介质、ram、rom、硬盘驱动器、闪存驱动器和/或其他存储器设备。109.一个或多个存储器设备202可以存储用于包括可与各种软件应用或数据相关联的操作系统的应用的指令的集合。一个或多个存储器设备202可以用于操作各种应用，包括专门为移动设备开发的移动操作系统。这样，一个或多个存储器设备202可以存储允许软件应用访问包括无线网络参数(例如，无线网络的身份、服务质量)的数据的指令，并且调用各种服务，包括电话、位置确定(例如，经由全球定位服务(gps)或wlan)和/或无线网络数据呼叫发起服务。在其他实施例中，一个或多个存储器设备202可以用于操作或执行在移动设备和固定设备(诸如智能手机和台式计算机)两者上操作的通用操作系统。110.可以由计算设备200操作或执行的软件应用可以包括与图1所示的系统100相关联的应用。此外，可以由计算设备200操作或执行的软件应用可以包括本地应用和/或基于网络的应用。111.定位设备232可以包括用于确定计算设备200的位置的一个或多个设备或电路。例如，定位设备232可以通过使用卫星导航定位系统(例如，gps系统、伽利略定位系统、全球导航卫星系统(glonass)、北斗卫星导航和定位系统)、惯性导航系统、航位推算系统，基于ip地址，通过使用三角测量和/或到蜂窝塔或wi-fi热点、信标等的接近度和/或用于确定位置的其他合适的技术，来确定计算设备200的实际位置和/或相对位置。112.图3描绘了根据本公开的示例实施例的特征检测和图像内容分析的示例。图3所示的图像可以由计算系统或计算设备访问和/或处理，该计算系统或计算设备包括图1所示的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。如图3所示，图像300包括道路表面特征302、标志特征304、不规则表面特征306、距离308和不规则表面特征310。113.图像300描绘了已经对其执行图像内容分析(包括对图像300的一个或多个特征的检测、标识、识别和/或分析)的图像的一个或多个特征。在一些实施例中，图像300可以是被包括在图2所描绘的图像数据204中的表示。此外，图像300的一个或多个特征(包括道路表面特征302、标志特征304、不规则表面特征306、距离308和不规则表面特征310)可以与可包括对一个或多个特征的描述的语义信息相关联。此外，图像300可以与包括与图像300中描绘的一个或多个特征相关联的一个或多个位置(例如纬度、经度和/或海拔)的语义信息相关联。114.在该示例中，道路表面特征302可以与指示图像300的道路表面特征302是道路表面的语义信息相关联。与道路表面特征相关联的语义信息还可以指示与道路表面特征302相关联的道路表面的类型，在该示例中，道路表面的类型是铺砌的道路表面。115.标志特征304可以与指示标志特征304关联于指示道路表面中与道路表面特征302相关联的附近倾斜的标志的语义信息相关联。此外，与标志特征304相关联的语义信息可以指示标志特征304的位置。116.不规则表面特征306可以与指示与不规则表面特征306相关联的道路表面是不规则道路表面的语义信息相关联。例如，与不规则表面特征306相关联的语义信息可以指示与不规则表面特征306相关联的位置是道路表面的斜坡(dip)。此外，与不规则表面特征306相关联的语义信息可以描述不规则表面特征306的一个或多个方面。例如，不规则表面特征306的一个或多个方面可以包括梯度和/或物理尺寸，包括不规则表面特征306的长度、宽度和/或深度。117.距离308可以指示标志特征304与不规则表面特征306之间的距离。例如，距离308可以指示从标志特征304到最接近标志特征304的不规则表面特征306的部分的以米为单位的距离。在一些实施例中，标志特征304与不规则表面特征306之间的距离可以用于确定不规则表面特征是有意不规则还是无意不规则。当标志特征304与不规则表面特征306之间的距离308小于距离阈值时，可以确定不规则表面特征306为有意不规则。当标志特征304与不规则表面特征306之间的距离308大于或等于距离阈值时，可以确定不规则表面特征306为无意不规则。在该示例中，标志特征304与不规则表面特征306之间的距离308足够近，使得确定不规则表面特征306(其可以是道路中被设计成控制道路表面上的水的输送的斜坡)为有意不规则表面。118.不规则表面特征310可以与指示与不规则表面特征310相关联的道路表面是不规则道路表面的语义信息相关联。例如，与不规则表面特征310相关联的语义信息可以指示与不规则表面特征310相关联的区域是道路表面中的坑洼。在一些实施例中，与不规则表面特征310相关联的语义信息中的描述可以至少部分基于来自已经在不规则表面特征310上行驶并指示在该位置处存在坑洼的用户的输入。此外，与不规则表面特征310相关联的语义信息可以描述不规则表面特征310的一个或多个物理尺寸(包括不规则表面特征310的深度、长度和/或宽度)。119.图4描绘了根据本公开的示例实施例的特征检测和图像内容分析的示例。图4所示的图像可以由计算系统或计算设备生成和/或确定，该计算系统或计算设备包括图1所示的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。如图4所示，图像400包括表面特征402、标志特征404、不规则表面特征406、表面特征408和/或表面特征410。120.图像400描绘了已经对图像执行图像内容分析(包括对图像400的一个或多个特征的检测、标识、识别和/或分析)的图像的一个或多个特征。在一些实施例中，图像400可以是被包括在图2所示的图像数据204中的表示。此外，图像400的一个或多个特征(包括表面特征402、标志特征404、不规则表面特征406、表面特征408和/或表面特征410)可以与可包括对一个或多个特征的描述的语义信息相关联。图像400还可以与包括图像400中描绘的一个或多个特征的一个或多个位置(例如，纬度、经度和/或海拔)的语义信息相关联。121.在该示例中，表面特征402可以与指示图像400的表面特征402部分是道路表面的语义信息相关联。与道路表面特征相关联的语义信息还可以指示与表面特征402相关联的道路表面的类型，在该示例中，道路表面特征402是铺砌的道路表面类型。122.标志特征404可以与指示标志特征404关联于指示道路表面中与表面特征402相关联的减速带的标志的语义信息相关联。123.不规则表面特征406可以与指示与不规则表面特征406相关联的道路表面是不规则道路表面的语义信息相关联。与不规则表面特征406相关联的语义信息可以指示与不规则表面特征406相关联的区域是道路表面中的减速带。此外，与不规则表面特征406相关联的语义信息可以描述不规则表面特征406的一个或多个方面，包括不规则表面特征406的高度、长度和/或宽度。在一些实施例中，不规则表面特征406上的涂漆条纹标记和/或标志特征404与不规则表面特征406的接近度可以用于确定不规则表面特征406是有意不规则特征。124.表面特征408可以与指示图像400的表面特征408部分是道路表面以及与表面特征408相关联的道路表面的类型是砾石道路表面类型的语义信息相关联。在一些实施例中，一些类型的道路表面被确定为不规则表面。在该示例中，表面特征408被确定为有意不规则表面，因为它是砾石。125.表面特征410可以与指示图像400的表面特征410部分是场地并且与表面特征410相关联的场地的类型是不规则场地类型的语义信息相关联。在该示例中，表面特征410被确定为无意不规则表面，因为它是不规则场地。作为对比，指示用于体育赛事的平坦场地的语义信息可以不与不规则表面类型相关联。126.图5描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法500的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法500的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。图5出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。127.在502，方法500可以包括访问图像数据和/或传感器数据。图像数据可以包括一个或多个位置的多个图像和/或与一个或多个位置相关联的语义信息。此外，语义信息可以包括描述与一个或多个位置相关联的一个或多个特征的信息。例如，图像数据可以包括与描述一个或多个图像所描绘的一个或多个特征(包括建筑物、道路、道路表面类型、路缘、人行道、交通灯和/或道路标志)的语义信息相关联的一个或多个图像(包括光栅图像、体素图像和/或矢量图像)。128.在一些实施例中，图像数据可以包括与一个或多个道路标志(包括一个或多个减速带标志、一个或多个路障标志、和/或一个或多个建筑标志)相关联的语义信息。与一个或多个道路标志相关联的语义信息可以包括一个或多个道路标志的一个或多个位置和一个或多个道路标志类型。129.传感器数据可以包括与一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。例如，一个或多个传感器可以生成与对一个或多个位置中的一个或多个表面的检测相关联的多个传感器输出。例如，传感器数据可以包括与一个或多个位置中的每个位置的地面表面(包括道路)相关联的lidar点云数据。130.在一些实施例中，一个或多个传感器可以包括一个或多个光检测和测距(lidar)设备，lidar设备被配置为至少部分基于对一个或多个位置的一个或多个表面的lidar扫描来生成传感器数据。131.在一些实施例中，图像数据可以至少部分基于对一个或多个图像的图像内容分析。图像内容分析可以由计算系统执行，该计算系统分析图像的语义内容并生成包括对在图像中找到的特征的描述的语义信息。举例来说，图像内容分析可以使用已经被配置和/或训练来检测和标识图像中的一个或多个特征的一个或多个经机器学习的模型。图像数据还可以与包括从街道级视角捕获的图像的街道级图像集相关联。此外，该系统可以利用对街道级图像和/或其他图像(包括用户生成的图像和/或可公开访问的街道级图像)的图像内容分析，以用于确定不规则表面和与不规则表面相关联的对象(包括指示不规则表面的接近度的标记)的位置的目的。在一个实施例中，语义信息包括图像中的一个或多个特征的一个或多个地理位置。132.图像数据还可以包括与道路、建筑物、水体、桥梁、隧道、立交桥和/或地下通道的一个或多个位置相关联的语义信息。图像数据还可以包括与关联于一个或多个位置的交通规则相关联的语义信息，该一个或多个位置可以包括有意不规则表面(包括减速带、路缘和/或被有意设计成实现交通规则的其他结构)的一个或多个位置。133.在一些实施例中，语义信息的任何部分可以包括语义信息的每个部分被生成、修改、删除和/或访问的日期和/或日期时间。134.在一些实施例中，语义信息可以描述一个或多个位置处的一个或多个特征。例如，语义信息可以包括对一个或多个位置处的一个或多个特征的数字描述和文本描述，包括：一个或多个位置处的一个或多个对象的物理尺寸；和/或描述一个或多个位置处的对象的类型的标识信息。135.在一些实施例中，语义信息可以与一个或多个图像的图像所描绘的一个或多个特征相关联。例如，语义信息可以包括对被包括在由一个或多个图像描绘的场景内的一个或多个对象的描述。此外，一个或多个图像可以包括一个或多个二维图像。此外，一个或多个图像可以以任何类型的图像格式(包括光栅图像(例如，包括像素阵列的位图)、体素图像和/或矢量图像(例如，基于包括二维平面的x轴和y轴的坐标位置的图像的多边形表示)的组合编码。图像还可以包括静止图像、电影中的图像帧和/或其他类型的图像(包括lidar图像和/或radar图像)。136.由多个图像使用的数字图像格式的示例可以包括jpeg(jointphotographicexpertsgroup，联合图像专家组)、bmp(bitmap，位图)、tiff(taggedimagefileforma，标记图像文件格式)、png(portablenetworkgraphics，便携式网络图形)和/或gif(graphicsinterchangeforma，图形交换格式)。图像可以从各种来源(包括用户提交的图像、公共域的图像(例如，经由网络抓取而获得的匿名图像)和/或街道级全景图像)收集。137.举例来说，计算设备102可以经由网络180从服务器计算系统130访问包括图像数据和传感器数据的数据。在另一实施例中，计算设备102可以访问数据116，数据116包括图像数据和传感器数据并且被本地存储在存储器114上。138.在504，方法500可以包括至少部分基于图像数据和/或传感器数据来确定一个或多个位置的一个或多个不规则表面。一个或多个不规则表面可以包括满足一个或多个不规则表面标准的一个或多个表面。计算设备102可以至少部分基于描述位置处的不规则表面的语义信息来确定在位置处存在一个或多个不规则表面。例如，计算设备102可以基于包括与位置相关联的单词“坑洼”的语义信息来确定在位置处存在一个或多个不规则表面。此外，计算设备102可以至少部分基于指示位置处的不规则表面的传感器信息来确定在位置处存在一个或多个不规则表面。例如，计算设备102可以基于来自lidar设备的、指示在道路表面中的位置处存在不规则凹陷的传感器信息来确定在位置处存在一个或多个不规则表面。计算设备102可以至少部分基于图像数据和/或传感器数据的某种组合指示在一个或多个位置处存在不规则表面来确定一个或多个位置处的一个或多个不规则表面。139.满足一个或多个不规则表面标准可以包括确定语义信息和传感器信息指示位置处的不规则表面。例如，计算设备102可以访问指示与位置相关联的单词“坑洼”的图像数据和指示与坑洼相对应的位置的空间特性的传感器数据。满足一个或多个不规则表面标准可以包括图像数据和语义数据两者指示在位置处存在坑洼(不规则表面)。140.在一些实施例中，当图像数据和传感器数据两者都指示不规则表面时，满足一个或多个不规则表面标准。例如，当图像数据和传感器数据两者都指示位置处的减速带时，可以满足一个或多个不规则表面标准。141.在一些实施例中，当图像数据指示一个或多个不规则表面并且传感器数据与一个或多个不规则表面的存在不矛盾时；或者当传感器数据指示一个或多个不规则表面并且图像数据与一个或多个不规则表面的存在不矛盾时，满足一个或多个不规则表面标准。例如，当图像数据指示位置处的减速带，并且传感器数据不指示该位置是没有减速带的平滑表面时，可以满足一个或多个不规则表面标准。进一步举例来说，当传感器数据指示位置处的减速带并且图像数据不包括将该位置描述为没有减速带的平滑表面的语义信息时，可以满足一个或多个不规则表面标准。142.在506，方法500可以包括生成地图数据，该地图数据可以包括与一个或多个不规则表面相关联的信息。此外，地图数据可以包括与一个或多个不规则表面的一个或多个位置相关联的信息。例如，计算设备102可以访问图像数据和传感器数据，以至少部分基于语义信息来提供包括不规则表面的地理位置和不规则表面的相应描述的信息。此外，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的时间戳，以指示最初和/或最近生成或修改与一个或多个不规则表面中的每个不规则表面相关联的图像数据和/或传感器数据的日期和/或当日时间。143.在一些实施例中，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的纬度、与一个或多个不规则表面中的每个不规则表面相关联的经度、与一个或多个不规则表面中的每个不规则表面相关联的海拔、一个或多个不规则表面中的每个不规则表面相对于周围表面的高度、一个或多个不规则表面中的每个不规则表面相对于周围表面的深度、一个或多个不规则表面中的每个不规则表面的体积、和/或一个或多个不规则表面中的每个不规则表面的表面积。144.在一些实施例中，计算设备102可以将地图数据发送到与更新图像数据或传感器数据相关联的远程计算系统。例如，计算设备102可以经由网络180向服务器计算系统130发送地图数据。在该示例中，服务器计算系统130可以使用地图数据向车辆中的旅行者提供指示不规则表面的位置的通知。145.在508，方法500可以包括使用包括与一个或多个不规则表面相关联的信息的地图数据来确定车辆的导航路线。例如，计算设备102可以访问本地存储在计算设备102的存储器114中的地图数据和/或从服务器计算系统接收地图数据。计算设备102然后可以确定与计算设备102相关联的车辆的位置，并且至少部分基于地图数据来确定从车辆的位置到目的地的导航路线。例如，计算设备102可以使用地图数据来确定地理区域中的不规则道路表面的位置，并且基于包括包含最少不规则表面的导航路线或者不包含超过阈值高度或阈值深度的不规则表面的导航路线的标准来确定导航路线。146.在510，方法500可以包括至少部分基于地图数据来控制车辆的一个或多个车辆系统。一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、一个或多个通知系统、和/或一个或多个照明系统。例如，服务器计算系统130可以生成地图数据并将地图数据发送到可以位于车辆上的计算设备102。计算设备102可以使用地图数据来确定前方存在不规则表面(例如，颠簸的道路表面)，然后可以控制包括用于向车辆的乘客通知前方道路颠簸的扬声器的通知系统。在另一示例中，计算设备102可以控制自主车辆的引擎系统，以在自主车辆穿越由地图数据指示的减速带之前使自主车辆减速。进一步举例来说，计算设备102可以使用地图数据来确定前方存在不规则表面(例如，坑洼)，然后可以控制自主车辆的制动系统，以在自主车辆经过地图数据指示的大坑洼之前停止自主车辆。147.在512，方法500可以包括至少部分基于车辆在一个或多个不规则表面的预定距离内来生成与实现一个或多个指示相关联的数据。一个或多个指示可以包括一个或多个视觉指示、可包括一个或多个不规则表面的一个或多个位置的一个或多个地图、一个或多个不规则表面的一个或多个文本描述、和/或与一个或多个不规则表面相关联的一个或多个听觉指示。148.例如，计算设备102可以生成包括闪光灯的一个或多个视觉指示，以向乘客指示一个或多个不规则表面在到车辆乘客的预定距离内。在另一示例中，计算设备102可以至少部分基于来自图像数据的一个或多个不规则表面的一个或多个图像来生成包括一个或多个不规则表面的一个或多个图像的一个或多个视觉指示。149.图6描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法600的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法600的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法600的一个或多个部分可以作为图5所示的方法500的一部分来执行。此外，方法600的一个或多个部分可以作为如图5所示的方法500的504中所述的至少部分基于图像数据和传感器数据来确定一个或多个不规则表面的一部分来执行。图6出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。150.在602，方法600可以包括当传感器数据指示一个或多个表面的一个或多个部分超过表面积阈值并且包括超过表面积阈值的突起和/或超过深度阈值的凹陷时，确定满足一个或多个不规则表面标准。例如，计算设备102可以使用传感器数据来确定一个或多个表面的三维特征包括一个或多个表面的几何属性。基于一个或多个表面的三维特征，计算设备102可以确定半圆形、二十厘米长和三米宽的表面是不规则表面。151.在一些实施例中，高度阈值可以至少部分基于高于一个或多个表面的表面的平均高度的突起高度。例如，高度阈值可以至少部分基于高于预定区域中的一个或多个表面的平均高度的高度。例如，计算设备102可以访问传感器数据以确定测量一平方米的预定区域中的突起的高度比预定区域周围的地面表面高三厘米。此外，深度阈值可以至少部分基于低于围绕一个或多个表面的一个或多个部分的一个或多个表面的表面平均深度的凹陷深度。例如，深度阈值可以至少部分基于低于预定区域内的一个或多个表面的平均高度的深度。例如，计算设备102可以访问传感器数据以确定测量一平方米面积的预定区域中的凹陷的深度比预定区域周围的地面表面低两厘米。152.在一些实施例中，高度阈值可以至少部分基于突起相对于突起的预定距离内的表面的高度。例如，计算设备102可以访问传感器数据以确定突起的高度比突起周围一米半径内的地面表面高五厘米。此外，在一些实施例中，深度阈值可以至少部分基于凹陷相对于凹陷的预定距离内的表面的深度。例如，计算设备102可以访问传感器数据以确定凹陷的深度比凹陷周围一米半径内的地面表面低四厘米。153.在604，方法600可以包括确定一个或多个表面的一个或多个部分何时具有满足与一个或多个表面的边长不规则性和/或一个或多个表面的角度不规则性相关联的一个或多个不规则形状标准具有的形状。例如，计算设备102可以访问可用于确定空间特性(包括表面的一个或多个部分的三维特性)的传感器数据。并非不规则的表面的一部分的空间特性可以包括具有均匀形状拐角的混凝土块的矩形剖面。作为对比，表面的不规则部分的空间特性可以包括不等长的锯齿状边缘。154.进一步举例来说，计算设备102可以访问可用于确定表面的一个或多个部分的空间特性的图像数据。并非不规则的表面的部分(规则的部分)的空间特性可以包括具有等长边的混凝土块的正方形剖面。作为对比，表面的不规则部分的空间特性可以包括具有不等长的边缘的表面的不同形状的剖面。155.在606，方法600可以包括当与一个或多个位置中的位置相关联的语义信息描述与由一个或多个传感器对一个或多个表面的检测相关联的传感器信息时，确定满足一个或多个不规则表面标准。例如，计算设备102可以访问与位置相关联的语义信息，以确定语义信息何时包括对该位置处的坑洼的描述。满足一个或多个不规则表面标准可以包括确定语义信息指示在该位置处存在坑洼以及传感器信息是基于对具有与坑洼相对应的空间特性的位置的地面表面的检测。156.图7描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法700的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法700的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法700的一个或多个部分可以作为图5所示的方法500的一部分来执行。此外，方法700的一个或多个部分可以作为如图5所示的方法500的504中所述的至少部分基于图像数据和传感器数据来确定一个或多个不规则表面的一部分来执行。图7出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。157.在702，方法700可以包括确定车辆的一个或多个车辆特性。在一些实施例中，一个或多个车辆特性可以包括车辆的离地间隙、车辆的高度、车辆的宽度、车辆前轮与车辆前保险杠之间的距离、和/或车辆悬架系统的牢固性。例如，车辆的离地间隙可以包括车辆底架、外部车身面板或底盘的最低点与车辆轮胎下方的平坦表面之间的距离。例如，计算设备102可以至少部分基于访问包括车辆的物理特性(包括车辆的离地间隙)的车辆数据来确定车辆的离地间隙。在一些实施例中，车辆的一个或多个车辆特性可以包括车辆的物理尺寸和/或车辆和附接到车辆或由车辆携带的任何对象的物理尺寸。例如，在车顶上携带自行车的车辆可以在确定车辆高度时包括自行车的物理尺寸。158.在704，方法700可以包括确定与一个或多个表面中的每个表面相关联的一个或多个表面特性。一个或多个表面特性可以包括与一个或多个表面相关联的一个或多个梯度和/或与一个或多个表面相关联的表面高度。例如，计算设备102可以使用与对一个或多个表面的检测相关联的传感器数据来确定一个或多个梯度，包括表面相对于在一个或多个表面的预定距离内的相邻表面的角度。进一步举例来说，计算设备102可以至少部分基于指示表面相对于一个或多个其他表面的角度的对图像数据的分析来确定表面的一个或多个梯度。在一些实施例中，语义信息可以包括与一个或多个位置处的一个或多个表面的一个或多个梯度和/或一个或多个高度相关联的信息。159.在706，方法700可以包括当与一个或多个表面中的每个表面相关联的一个或多个表面特性满足一个或多个表面特性标准时，确定满足一个或多个不规则表面标准。例如，满足一个或多个表面特性标准可以包括确定与一个或多个表面中的每个表面相关联的一个或多个梯度超过梯度阈值。以这种方式，具有低离地间隙的车辆前部将不会接触到具有陡峭梯度的表面。进一步举例来说，满足一个或多个表面特性可以包括确定一个或多个表面的高度超过车辆的高度达预定距离。以这种方式，车辆的顶部将不会接触到架空表面，诸如，例如隧道入口或停车库的入口。160.一个或多个表面特性标准可以至少部分基于车辆的一个或多个特征。例如，对于具有高离地间隙和高梯度阈值的越野车，包括梯度阈值的一个或多个表面特性标准可以比具有相对低离地间隙和低梯度阈值的跑车更容易满足。161.图8描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法800的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法800的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法800的一个或多个部分可以作为图12所示的方法1200的一部分来执行。图8出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。162.在802，方法800可以包括确定与一个或多个表面元素中的每个表面元素相关联的一个或多个表面类型。在一些实施例中，一个或多个表面类型可以包括一个或多个地面表面或者一个或多个非地面表面。一个或多个地面表面可以包括一个或多个铺砌地面表面、一个或多个未铺砌地面表面、一个或多个人行道表面、和/或一个或多个砾石表面。在一些实施例中，一个或多个非地面表面可以包括一个或多个侧表面和/或一个或多个架空表面。一个或多个侧表面可以包括一个或多个墙壁、栅栏和/或其他垂直对齐的表面。一个或多个架空表面可以包括高于某个预定高度阈值的一个或多个表面，包括门、隧道入口、车库入口、门口和/或架空障碍物的上部。163.例如，计算设备102可以至少部分基于与图像数据相关联的语义信息来确定一个或多个表面类型，该语义信息可以指示表面是地面表面(例如，道路)还是非地面表面(例如，建筑物)。进一步举例来说，计算设备102可以使用传感器数据来确定表面的与一个或多个表面类型相对应的一个或多个空间特性。164.在一些实施例中，图像数据可以包括与架空表面的物理尺寸(包括架空表面的高度)相关联的语义信息。此外，图像数据可以包括与架空表面的类型和材料属性相关联的语义信息。例如，语义数据可以指示架空表面是停车库的入口。165.在一些实施例中，图像数据可以包括与对表面的一个或多个特征的描述相关联的语义信息。例如，表面可以描述为“颠簸”或“平滑”。166.在804，方法800可以包括生成包括与一个或多个位置中的每个位置的一个或多个表面类型相关联的信息的地图数据。地图数据可以指示特定地理坐标的集合内的一个或多个位置的表面类型。例如，计算设备102可以生成包括地理区域的表示的地图数据，其中地理区域的一个或多个位置中的每个位置与一个或多个表面类型相关联。167.图9描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法900的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法900的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法900的一个或多个部分可以作为图5所示的方法500的一部分来执行。图9出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。168.在902，方法900可以包括至少部分基于图像数据和传感器数据来确定与一个或多个不规则表面中的每个不规则表面相关联的一个或多个不规则表面类型。例如，计算设备102可以至少部分基于与图像数据相关联的语义信息来确定一个或多个不规则表面类型，该语义信息可以指示地面表面何时是建筑地带的一部分。进一步举例来说，计算设备102可以使用传感器数据来确定与一个或多个不规则表面类型(包括路缘、减速带和/或坑洼)相对应的地面表面的一个或多个空间特性。169.在904，方法900可以包括当与一个或多个不规则表面中的不规则表面的图像数据相关联的一个或多个不规则表面类型匹配与该不规则表面的传感器数据相关联的一个或多个不规则表面类型时，确定一个或多个不规则表面是有意不规则表面。有意不规则表面可以包括有意建造在特定位置的结构或表面构造。路缘和/或减速带是有意不规则表面的示例。例如，当图像数据和传感器数据都指示不规则表面类型是减速带时，计算设备102可以确定不规则表面是有意不规则的。170.在906，方法900可以包括当一个或多个标志在一个或多个不规则表面的预定距离内并且一个或多个标志与一个或多个不规则表面的一个或多个不规则表面类型相关联时，确定一个或多个不规则表面是有意不规则表面。例如，计算设备102可以使用与图像数据相关联的语义信息来确定特定位置中的道路标志的位置。此外，当指示“倾斜”的道路标志在基于传感器数据被确定为道路倾斜的不规则表面的三十米范围内时，计算设备102可以确定不规则表面是有意不规则表面。171.在908，方法900可以包括确定并非有意不规则表面的一个或多个不规则表面是无意不规则表面。无意不规则表面可以包括并非有意建造在特定位置的、由表面和/或结构的劣化和/或损坏引起的表面特性。此外，无意不规则表面可以包括正在建造的不完全建造的表面。落到道路表面上的坑洼或砖块堆积是有意不规则表面的示例。172.在910，方法900可以包括响应于一个或多个有意不规则表面来生成第一通知和/或响应于一个或多个无意不规则表面来生成第二通知。例如，计算设备102可以生成使得显示设备在检测到有意不规则表面时显示第一通知(“前方减速带”)并且在检测到无意不规则表面时显示第二通知(“前方坑洼”)的一个或多个信号。在一些实施例中，第一通知和第二通知可以与不同类型的指示相关联。例如，第一通知可以是视觉指示(例如，显示在显示设备上的通知消息)，并且第二通知可以是听觉指示(例如，通过扬声器生成的听觉消息)。173.图10描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1000的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法1000的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法1000的一个或多个部分可以作为图5所示的方法500的一部分来执行。图10出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。174.在1002，方法1000可以包括至少部分基于图像数据和传感器数据来确定与一个或多个位置中的每个位置相关联的地理区域和/或天气条件。例如，计算设备102可以访问包括指示位置在特定地理区域中的语义信息的图像数据。进一步举例来说，计算设备102可以访问实时更新的图像数据，该图像数据包括与位置处的实时天气条件相关联的语义信息。175.在一些实施例中，图像数据可以包括与地理区域中使用的符号和/或语言相关联的语义信息。例如，一个国家中用于指示减速带的标志符号可能与另一国家中用于指示减速带的标志符号不同。176.在1004，方法1000可以包括至少部分基于与一个或多个位置中的每个位置相关联的地理区域和/或天气条件来调整一个或多个不规则表面标准。例如，当天气条件包括使得穿越凹陷更具挑战性的大量降雨时，计算设备102可以调整与一个或多个表面不规则性相关联的深度阈值。进一步举例来说，计算设备102可以至少部分基于与计算设备102所处的地理区域相关联的标志图像中使用的语言来调整一个或多个不规则表面标准。以这种方式，计算设备102可以调整一个或多个不规则表面标准，以考虑使用不同符号和/或语言来指示相同类型的不规则表面的不同地理区域；和/或使用相同符号和/或语言来指示不同类型的不规则表面的不同地理区域。177.图11描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1100的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法1100的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法1100的一个或多个部分可以作为图5所示的方法500的一部分来执行。图11出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。178.在1102，方法1100可以包括访问与车辆的离地间隙相关联的车辆离地间隙数据。例如，计算设备102可以至少部分基于车辆的底盘离地面表面的最小高度来确定车辆的离地间隙。进一步举例来说，计算设备102可以通过访问包括与车辆的离地间隙相关联的信息的车辆数据来确定车辆的离地间隙。179.在1104，方法1100可以包括至少部分基于车辆的离地间隙来调整不规则性高度阈值和/或不规则性深度阈值。在一些实施例中，一个或多个不规则表面标准可以包括不规则性高度阈值和/或不规则性深度阈值。例如，不规则性高度阈值可以包括高于预定区域中的表面的平均高度的高度；和/或不规则性深度阈值可以包括低于预定区域中的表面的平均高度的深度。180.在一些实施例中，不规则性高度阈值可以至少部分基于车辆的离地间隙的某个比例。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性高度阈值调整到第一车辆的离地间隙的百分之七十，即十四厘米的高度。在一些实施例中，不规则性深度阈值可以至少部分基于车辆的离地间隙的某个比例。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到第一车辆的离地间隙的百分之七十，即十四厘米的深度。181.在一些实施例中，不规则性高度阈值可以至少部分基于低于车辆的离地间隙的某个距离。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到十五厘米，从而允许地面表面的突起的顶部与车辆底盘的底部之间有五厘米的距离。在一些实施例中，不规则性深度阈值可以至少部分基于低于车辆的离地间隙的某个距离。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到十五厘米，从而允许地面表面的凹陷的底部与车辆底盘的底部之间有五厘米的距离。182.图12描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1200的一个或多个部分可以在一个或多个计算设备或计算系统上(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)执行或实现。此外，方法1200的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。图12出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。183.在1202，方法1200可以包括访问图像数据和传感器数据，包括：可以包括描述地理区域的语义信息的图像数据；和/或可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。一个或多个表面元素可以包括地理区域中的一个或多个表面的一个或多个三维位置。例如，一个或多个表面元素可以与lidar点云中的一个或多个三维点相关联。184.进一步举例来说，计算设备102可以访问图像数据和传感器数据，图像数据包括描述地理区域的一个或多个特征的语义信息；传感器数据包括指示与地理区域中的道路的一个或多个表面相关联的一个或多个表面元素的lidar数据。185.在1204，方法1200可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。描述地理区域的语义信息可以包括描述地理区域的一个或多个特征。确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联可以包括：语义信息与一个或多个表面元素的一个或多个比较；语义信息与其他语义信息的一个或多个比较，以及一个或多个表面元素与一个或多个其他表面元素的一个或多个比较；和/或语义信息和一个或多个表面元素与一个或多个其他不规则表面标准的一个或多个比较。186.例如，计算设备102可以评估一个或多个表面元素和语义信息，以确定一个或多个表面元素和语义信息是否包括与地理区域的一个或多个特征相关联的信息。具体地，计算设备102可以访问该地理区域的特定位置的图像数据和传感器数据，并且将与该地理区域的位置的一个或多个图像相关联的语义信息所提供的一个或多个空间特性与传感器数据所提供的一个或多个表面元素的一个或多个空间特性比较。187.进一步举例来说，计算设备102可以访问该地理区域的特定位置的图像数据和传感器数据，并且将被描述为由与该地理区域的位置相关联的语义信息提供的减速带的地理特征与与由传感器数据提供的减速带相对应的一个或多个表面元素的一个或多个空间特性比较。188.在1206，方法1200可以包括为与一个或多个表面元素相关联的地理区域生成地图数据。在一些实施例中，地图数据可以至少部分基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联。189.在一些示例中，一个或多个地理特征可以与一个或多个表面元素在物理上分离。例如，语义信息可以与一个或多个地理特征(包括建筑地带周围的建筑标志和障碍物)相关联，并且一个或多个表面元素可以与实际建筑地带相关联。计算设备102然后可以使用第一对象(例如，建筑标志)的语义信息结合第二对象(例如，实际建筑地带)的传感器数据来生成地理区域的地图数据。190.在一些实施例中，一个或多个地理特征可以与一个或多个表面元素在物理上相关联。例如，语义信息可以与一个或多个地理特征(包括道路表面上的减速带)相关联；并且一个或多个表面元素也可以与道路表面上的相同减速带相关联。计算设备102然后可以使用第一对象(例如，减速带)的语义信息结合第二对象(例如，相同减速带)的传感器数据来生成地理区域的地图数据。191.在一些实施例中，地图数据可以包括与地理区域的一个或多个位置相关联的地理信息，其中一个或多个表面元素与语义信息相关联。例如，计算系统可以基于一个或多个表面元素具有与包括减速带的地面表面的升高部分一致的空间布置以及语义信息包括描述与一个或多个表面元素相同位置的减速带的指示，来确定一个或多个表面元素与语义信息相关联。192.本文讨论的技术涉及服务器、数据库、软件应用和其他基于计算机的系统，以及所采取的动作和发送到这些系统和从这些系统发送的信息。本领域普通技术人员将认识到，基于计算机的系统的固有灵活性允许各种可能的配置、组合以及任务和功能在组件之间的划分。例如，本文讨论的服务器过程可以使用单个服务器或多个服务器的组合来实现。数据库和应用可以在单个系统上实现，也可以分布在多个系统上。分布式组件可以顺序或并行地操作。193.虽然已经参照本发明的具体示例实施例详细描述了本主题，但是应当理解，本领域技术人员在理解了前述内容之后，可以容易地对这些实施例进行变更、变化和等同。因此，本公开的范围是示例性的，而不是限制性的，并且本主题公开不排除对本主题的修改、变化和/或添加，这对于本领域普通技术人员来说是显而易见的。当前第1页12当前第1页12
背景技术：
：：2.与测绘(mapping)信息相关联的操作可以在各种计算设备上实现。这些操作可以包括处理测绘信息以供用户或计算系统访问和使用。此外，操作可以包括向远程计算系统发送和接收数据。然而，操作的类型和执行操作的方式会随时间而改变，实现这些操作的底层硬件也是如此。相应地，存在不同的方式来利用与测绘信息相关联的计算资源。技术实现要素：3.本公开的实施例的方面和优点将在以下描述中部分阐述，或者可以从描述中获知，或者可以通过实施例的实践获知。4.本公开的一个示例方面涉及一种测绘的方法。该方法可以包括由包括一个或多个处理器的计算系统访问图像数据和传感器数据。图像数据可以包括一个或多个位置的多个图像以及与一个或多个位置相关联的语义信息。传感器数据可以包括与一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。该方法可以包括由计算系统至少部分基于图像数据和传感器数据来确定一个或多个不规则表面。一个或多个不规则表面可以包括分别在一个或多个位置中的每个位置处满足一个或多个不规则表面标准的、与图像数据和传感器数据相关联的一个或多个表面。此外，该方法可以包括由计算系统生成包括与一个或多个不规则表面相关联的信息的地图数据。5.本公开的另一示例方面涉及存储计算机可读指令的一个或多个有形非暂时性计算机可读介质，当计算机可读指令由一个或多个处理器执行时使得一个或多个处理器执行操作。操作可以包括访问图像数据和传感器数据。图像数据可以包括描述地理区域的语义信息。传感器数据可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素。操作可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。此外，操作可以包括基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。6.本公开的另一示例方面涉及一种计算系统，该计算系统可以包括：一个或多个处理器；以及存储指令的一个或多个有形非暂时性计算机可读介质，当指令由一个或多个处理器执行时使得一个或多个处理器执行操作。操作可以包括访问图像数据和传感器数据。图像数据可以包括描述地理区域的语义信息。传感器数据可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素。操作可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。此外，操作可以包括基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。7.本公开的其他示例方面涉及用于测绘的其他方法、系统、设备、装置或有形非暂时性计算机可读介质。8.参考以下描述和所附权利要求，各种实施例的这些和其他特征、方面和优点将变得更好理解。并入本说明书并构成其一部分的附图示出了本公开的实施例，并且与描述一起用于解释相关原理。附图说明9.参考附图，在说明书中阐述了针对本领域普通技术人员的实施例的详细讨论，附图中：10.图1描绘了根据本公开的示例实施例的包括系统的示例的概述；11.图2描绘了根据本公开的示例实施例的示例设备的图；12.图3描绘了根据本公开的示例实施例的特征检测的示例；13.图4描绘了根据本公开的示例实施例的特征检测的示例；14.图5描绘了根据本公开的示例实施例的表面测绘的流程图；15.图6描绘了根据本公开的示例实施例的表面测绘的流程图；16.图7描绘了根据本公开的示例实施例的表面测绘的流程图；17.图8描绘了根据本公开的示例实施例的表面测绘的流程图；18.图9描绘了根据本公开的示例实施例的表面测绘的流程图；19.图10描绘了根据本公开的示例实施例的表面测绘的流程图；20.图11描绘了根据本公开的示例实施例的表面测绘的流程图；以及21.图12描绘了根据本公开的示例实施例提供经机器学习的模型的流程图。22.具体实现方式23.现在将详细参考实施例，其一个或多个示例在附图中示出。每个示例是通过对实施例的解释、而不是对本公开的限制来提供的。事实上，对于本领域技术人员来说显而易见的是，在不脱离本公开的范围或精神的情况下，可以对实施例进行各种修改和变化。例如，作为一个实施例的一部分示出或描述的特征可以与另一实施例一起使用，以产生又一实施例。因此，本公开的方面旨在覆盖这些修改和变化。24.一般而言，本公开涉及通过基于图像数据和传感器数据确定表面的状态(例如通过确定不规则表面的位置)来改进导航和测绘。对不规则表面的确定可以用于改进对车辆的车辆系统(诸如马达系统、转向系统、制动系统、照明系统或导航系统)的控制。具体地，所公开的技术可以包括被布置为接收图像数据和传感器数据的计算系统。图像数据可以包括位置图像和描述与每个相应位置相关联的特征的语义信息。例如，图像数据可以基于已经使用图像内容分析或其他技术进行处理以从图像中提取语义信息的位置图像。传感器数据可以包括与由传感器(例如一个或多个车载传感器)对位置中的表面的检测相关联的传感器信息。例如，传感器数据可以包括光检测和测距(lightdetectionandranging，lidar)点云数据，该lidar点云数据提供包括位置的表面的位置的三维表示。此外，计算系统可以基于确定表面满足表面不规则性标准来确定位置处的不规则表面。举例来说，满足表面不规则性标准可以包括表面中凹陷的深度大于阈值深度。此外，计算系统可以确定在图像数据与传感器数据之间是否存在某种关联。这样，计算系统可以确定由图像数据和传感器数据指示的表面状态之间是否存在一致。计算系统还可以生成包括与由计算系统确定的不规则表面的位置相关联的信息的地图数据。例如，计算系统可以生成包括不规则表面的地理位置以及对表面类型的指示(诸如地面表面是坑洼还是减速带)的地图数据。生成的地图数据可以用于改进路线规划，例如以用于车辆导航。地图数据可以用于确定车辆的导航路线，其中包括与不规则表面的位置相关联的信息的地图数据的生成可以允许优化的导航路线被确定。此外，计算系统可以至少部分基于地图数据来控制车辆的一个或多个车辆系统。例如，一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、和/或一个或多个照明系统。因此，本公开的方面可以提供对车辆系统的改进的和更准确的控制，这可能具有有益的安全影响。25.在一些实施例中，地图数据可以用于各种目的，包括区分有意(intentionally)不规则表面(诸如减速带)和无意(unintentionally)不规则表面(诸如地面表面上的碎石)。这样，所公开的技术可以通过使用语义信息和传感器数据的组合来更准确地确定不规则表面(包括有意不规则表面和无意不规则表面)的位置。此外，所公开的技术可以提供以下益处：具有更清晰划分的不规则表面的更有效的地图、由于不规则表面的清晰标识而提高的道路安全性、由于不规则道路表面的早期标识和位置而提高的道路建设和修理资源的利用率、以及由于避免或更仔细地穿越不规则表面而提高的乘客舒适性和减少的车辆磨损。26.在一些实施例中，所公开的技术可以包括计算系统，该计算系统包括一个或多个计算设备，每个计算设备包括一个或多个计算机处理器和一个或多个存储设备，该存储设备包括可以存储一个或多个指令的存储器。计算系统可以访问、发送、接收、处理、生成和/或修改可以以一个或多个信息模式或结构的形式进行编码的数据，这些信息模式或结构可以存储在一个或多个存储器设备中。此外，数据和/或一个或多个信号可以由计算系统与包括多个服务系统的各种其他系统和/或设备进行交换，这些服务系统可以发送和/或接收包括与环境的一个或多个位置的一个或多个状态相关联的图像数据和传感器数据的数据。一个或多个状态可以例如包括表面的一个或多个状态。此外，计算系统可以包括使得计算系统能够执行特定于所公开的技术的一个或多个操作的专用硬件和/或软件。例如，计算系统可以包括被配置为执行与确定环境中表面不规则性的出现相关联的操作的一个或多个专用集成电路。27.计算系统可以访问图像数据和/或传感器数据。图像数据可以包括一个或多个位置的多个图像和/或与一个或多个位置相关联的语义信息。此外，语义信息可以包括描述与一个或多个位置相关联的一个或多个特征的信息。例如，图像数据可以包括一个或多个光栅图像，这些光栅图像与描述一个或多个图像中描绘的一个或多个特征(包括建筑物、道路、人行道、交通灯和/或道路标志)的语义信息相关联。28.在一些实施例中，图像数据可以包括与一个或多个道路标志(包括一个或多个减速带标志、一个或多个路障标志、和/或一个或多个建筑标志)相关联的语义信息。与一个或多个道路标志相关联的语义信息可以包括一个或多个道路标志的一个或多个位置和一个或多个道路标志类型。29.传感器数据可以包括与由一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。例如，一个或多个传感器可以生成与对一个或多个位置中的一个或多个表面的检测相关联的多个传感器输出。例如，传感器数据可以包括与一个或多个位置中的每个位置的地面表面(包括道路)相关联的lidar点云数据。30.在一些实施例中，一个或多个传感器可以包括一个或多个光检测和测距(lidar)设备，lidar设备被配置为至少部分基于对一个或多个位置的一个或多个表面的lidar扫描来生成传感器数据。一个或多个lidar设备可以例如被安装在车辆上。此外，一个或多个传感器可以包括多个lidar设备，每个lidar设备被安装在相应的车辆上。因此，车辆的网络可以用于向计算设备提供准确和/或频繁更新的传感器数据。31.在一些实施例中，图像数据可以至少部分基于对一个或多个图像的图像内容分析。图像内容分析可以由分析图像的语义内容并生成语义信息(包括对在图像中找到的特征的描述)的计算系统执行。举例来说，图像内容分析可以使用已经被配置为和/或被训练为检测和标识图像中的一个或多个特征的一个或多个经机器学习的模型。图像数据还可以与包括从街道级视角捕获的图像的街道级图像集相关联。此外，该系统可以利用对街道级图像和/或其他图像(包括用户生成的图像和/或可公开访问的街道级图像)的图像内容分析，以用于确定不规则表面和与不规则表面相关联的对象(包括指示不规则表面的接近度的标记)的位置的目的。在一个实施例中，语义信息包括图像中一个或多个特征的一个或多个地理位置。32.计算系统可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面。一个或多个不规则表面可以包括满足一个或多个不规则表面标准的一个或多个表面。例如，计算系统可以访问与图像数据相关联的语义信息，以确定涉及挖洞的建筑活动何时在区域中发生。满足一个或多个不规则表面标准可以包括确定语义信息指示不规则表面。进一步举例来说，计算系统可以访问与传感器数据相关联的lidar数据，以确定位置的空间特性。满足一个或多个不规则表面标准可以包括传感器数据指示在位置处的表面中检测到包括超过深度阈值的凹陷的某些空间特性。在一些实现例中，当图像数据和传感器数据两者都指示不规则表面时，满足一个或多个不规则表面标准。在一些实现例中，当图像数据指示一个或多个不规则表面并且传感器数据与图像数据所指示的一个或多个不规则表面的存在不矛盾时；或者当传感器数据指示一个或多个不规则表面并且图像数据与传感器数据所指示的一个或多个不规则表面的存在不矛盾时，满足一个或多个不规则表面标准。33.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括当传感器数据指示一个或多个表面的一个或多个部分超过表面积阈值并且包括超过表面积阈值的突起和/或超过深度阈值的凹陷时，确定满足一个或多个不规则表面标准。例如，计算系统可以使用传感器数据来确定一个或多个表面的三维特征。举例来说，基于一个或多个表面的三维特征，计算系统可以确定大于一百平方厘米并且深度大于三厘米的表面部分是不规则表面，以及大于一百平方厘米并且深度为一厘米的表面部分不是不规则表面。34.在一些实现例中，高度阈值可以至少部分基于高于一个或多个表面的表面的平均高度的高度。此外，深度阈值可以至少部分基于低于一个或多个表面的表面的平均高度的深度。此外，在一些实现例中，高度阈值可以至少部分基于突起相对于突起的预定距离内的表面的高度。此外，在一些实现例中，深度阈值可以至少部分基于凹陷相对于凹陷的预定距离内的表面的深度。例如，计算系统可以访问传感器数据以确定突起的高度比突起周围一米半径内的地面表面高五厘米。35.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括确定一个或多个表面的一个或多个部分何时具有满足与一个或多个表面的边长的不规则性和/或一个或多个表面的角度的不规则性相关联的一个或多个不规则形状标准的形状。例如，计算系统可以访问可用于确定表面的一个或多个部分的空间特性的传感器数据。表面的规则部分的空间特性可以包括具有均匀形状拐角的混凝土块的正方形剖面。作为对比，表面的不规则部分的空间特性可以包括不等长的锯齿状边缘。36.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括当与一个或多个位置中的位置相关联的语义信息描述与由一个或多个传感器对一个或多个表面的检测相关联的传感器信息时，确定满足一个或多个不规则表面标准。例如，计算系统可以访问与位置相关联的语义信息，以确定语义信息何时包括对该位置处的减速带的描述。满足一个或多个不规则表面标准可以包括确定语义信息指示在该位置处存在减速带，以及传感器信息检测到该位置的具有与减速带相对应的空间特性的地面表面。37.在一些实现例中，至少部分基于图像数据和传感器数据来确定一个或多个不规则表面可以包括确定车辆的一个或多个车辆特性。例如，计算系统可以确定与计算系统相关联的车辆的离地间隙。38.在一些实现例中，一个或多个车辆特性可以包括车辆的离地间隙、车辆的高度、车辆的宽度、车辆前轮与车辆前保险杠之间的距离、和/或车辆悬架系统的牢固性。此外，一个或多个车辆特性可以包括车辆的质量或重量和/或车辆的一个或多个物理尺寸。例如，车辆的离地间隙可以包括车辆底架、外部车身面板或底盘的最低点与车辆轮胎下方的平坦表面之间的距离。39.此外，计算系统可以确定与一个或多个表面中的每个表面相关联的一个或多个梯度。例如，计算系统可以使用传感器数据来确定表面的倾斜角度。40.此外，当与一个或多个表面中的每个表面相关联的一个或多个梯度超过梯度阈值时，计算系统可以确定满足一个或多个不规则表面标准。在一些实施例中，梯度阈值可以至少部分基于车辆的一个或多个特性。例如，与具有相对较高离地间隙和相对较高梯度阈值的车辆相比，具有相对较低离地间隙和相对较低梯度阈值的车辆不太容易满足一个或多个不规则表面标准。41.计算系统可以生成包括与一个或多个不规则表面相关联的信息的地图数据。此外，地图数据可以包括与一个或多个不规则表面的一个或多个位置相关联的信息。例如，计算系统可以访问图像数据和传感器数据，以提供包括一个或多个不规则表面的地理位置以及一个或多个不规则表面的深度或高度的信息。42.在一些实施例中，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的纬度、与一个或多个不规则表面中的每个不规则表面相关联的经度、与一个或多个不规则表面中的每个不规则表面相关联的海拔、一个或多个不规则表面中的每个不规则表面的高度、一个或多个不规则表面中的每个不规则表面的深度、和/或一个或多个不规则表面中的每个不规则表面的表面积。43.在一些实施例中，计算系统可以将地图数据发送到与更新图像数据或传感器数据相关联的远程计算系统。例如，计算系统可以将地图数据无线发送到与维护一个或多个位置的地图相关联的一个或多个远程计算设备。基于地图数据，可以采取包括重新扫描位置的各种动作来解决图像数据与传感器数据之间的不匹配。44.计算系统可以确定与一个或多个表面中的每个表面相关联的一个或多个表面类型。例如，计算系统可以至少部分基于与图像数据相关联的语义信息来确定一个或多个表面类型，该语义信息可以指示表面是铺砌的还是未铺砌的。进一步举例来说，计算系统可以使用传感器数据来确定与一个或多个表面类型相对应的表面的一个或多个空间特性。45.在一些实施例中，一个或多个表面类型可以包括一个或多个地面表面或者一个或多个非地面表面。一个或多个地面表面可以包括一个或多个铺砌地面表面、一个或多个未铺砌地面表面、一个或多个人行道表面、和/或一个或多个砾石表面。46.在一些实施例中，一个或多个非地面表面可以包括一个或多个侧表面和/或一个或多个架空(overhead)表面。一个或多个侧表面可以包括一个或多个墙壁、栅栏和/或其他垂直对齐的表面。一个或多个架空表面可以包括高于某个预定高度阈值的一个或多个表面，包括门、隧道入口、车库入口、门口和/或架空障碍物的上部。47.在一些实施例中，图像数据可以包括与架空表面的物理尺寸(包括架空表面的高度)相关联的语义信息。此外，图像数据可以包括与架空表面的类型和材料属性相关联的语义信息。例如，语义数据可以指示架空表面是由砖制成的隧道入口。48.此外，计算系统可以生成包括与一个或多个位置中的每个位置的一个或多个表面类型相关联的信息的地图数据。例如，地图数据可以指示特定地理坐标的集合内的区域的表面类型。49.计算系统可以至少部分基于图像数据和传感器数据来确定与一个或多个不规则表面中的每个不规则表面相关联的一个或多个不规则表面类型。例如，计算系统可以至少部分基于与图像数据相关联的语义信息来确定一个或多个不规则表面类型，该语义信息可以指示地面表面何时包括减速带。进一步举例来说，计算系统可以使用传感器数据来确定地面表面的一个或多个空间特性，其中空间特性与包括减速带和/或坑洼的一个或多个表面类型相对应。50.当与一个或多个不规则表面中的不规则表面的图像数据相关联的一个或多个不规则表面类型匹配与该不规则表面的传感器数据相关联的一个或多个不规则表面类型时，计算系统可以确定一个或多个不规则表面是有意不规则表面。51.在一些实施例中，当一个或多个标志在一个或多个不规则表面的预定距离内并且一个或多个标志与一个或多个不规则表面的一个或多个不规则表面类型相关联时，计算系统可以确定一个或多个不规则表面是有意不规则表面。例如，计算系统可以使用与图像数据相关联的语义信息来确定特定位置中的道路标志的位置。此外，当指示“前方减速带”的道路标志在基于传感器数据而确定为减速带的不规则表面的十米范围内时，计算系统可以确定不规则表面是有意不规则表面。52.在一些实施例中，计算系统可以确定并非有意不规则表面的一个或多个不规则表面是无意不规则表面。有意不规则的表面可以包括有意建造在特定位置的结构。减速带是有意不规则表面的示例。无意不规则表面可以包括并非有意建造在特定位置的、由表面和/或结构的劣化或损坏引起的表面特征。坑洼是有意不规则表面的示例。53.在一些实施例中，计算系统可以响应于一个或多个有意不规则表面来生成第一通知，或者响应于一个或多个无意不规则表面来生成第二通知。例如，计算系统可以在检测到有意不规则表面时生成使得扬声器鸣响的一个或多个信号，并且可以在检测到无意不规则表面时生成警告消息(“前方道路颠簸”)。54.计算系统可以至少部分基于图像数据和传感器数据来确定与一个或多个位置中的每个位置相关联的地理区域和/或天气条件。例如，计算系统可以访问包括语义信息的图像数据，该语义信息指示位置在特定的国家或特定的地区或国家领土中。进一步举例来说，计算系统可以访问实时更新的并且包括与位置处的实时天气条件相关联的语义信息的图像数据。55.计算系统可以至少部分基于与一个或多个位置中的每个位置相关联的地理区域和/或天气条件来调整一个或多个不规则表面标准。例如，当天气条件包括大量降雪时，计算系统可以调整与一个或多个表面不规则性相关联的高度阈值。56.计算系统可以至少部分基于地图数据来控制车辆的一个或多个车辆系统。一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、和/或一个或多个照明系统。例如，计算系统可以控制自主车辆的转向系统，以避免地图数据中指示的表面不规则性。在一些示例中，由远离车辆的计算系统生成的地图数据可以被车辆用来触发或以其他方式发起车辆处的动作。57.计算系统可以至少部分基于车辆在一个或多个不规则表面的预定距离内来生成与实现一个或多个指示相关联的数据。一个或多个指示可以包括一个或多个不规则表面的一个或多个图像、可包括一个或多个不规则表面的一个或多个位置的一个或多个地图、一个或多个不规则表面的一个或多个文本描述、和/或与一个或多个不规则表面相关联的一个或多个听觉指示。例如，当由计算系统控制的自主车辆在不规则表面的五十米范围内时，车辆计算系统可以生成一个或多个听觉指示，包括鸣响声音。58.在一些实施例中，一个或多个不规则表面标准可以包括不规则性高度阈值和/或不规则性深度阈值。例如，不规则性高度阈值可以包括高于预定区域中的表面的平均高度的高度。59.计算系统可以访问与车辆离地间隙相关联的车辆高度数据。例如，当车辆静止时，车辆的离地间隙可以至少部分基于高于车辆的任何部分(不包括车辆的车轮)的表面的最小高度。60.此外，计算系统可以至少部分基于车辆的离地间隙来调整不规则性高度阈值和/或不规则性深度阈值。例如，对于具有二十厘米的离地间隙的第一车辆，不规则性深度阈值可以是第一车辆的离地间隙的百分之六十，即十二厘米。进一步举例来说，对于具有五十厘米的较高离地间隙的第二车辆，不规则性深度阈值也可以是第二车辆离地间隙的百分之六十，即三十厘米。61.在一些实施例中，计算系统可以访问图像数据和传感器数据，包括：可以包括描述地理区域的语义信息的图像数据；和/或可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。62.此外，计算系统可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。例如，计算系统可以评估一个或多个表面元素和语义信息，以确定一个或多个表面元素和语义信息是否包括与地理区域的一个或多个特征相关联的信息。举例来说，地理区域的一个或多个特征可以包括不规则表面。63.进一步举例来说，计算系统可以访问地理区域的特定位置的图像数据和传感器数据，并且将由与地理区域的位置的一个或多个图像相关联的语义信息提供的一个或多个空间特性与一个或多个表面元素的一个或多个空间特性进行比较。64.计算系统可以生成与一个或多个表面元素相关联的地理区域的数据。在一些实施例中，地图数据可以至少部分基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联。在一些示例中，语义信息可以与诸如道路标志的一个或多个地理特征相关联，并且一个或多个表面元素可以与诸如道路的表面相关联。以这种方式，地理特征可以与表面元素在物理上分离。相应地，所描述的系统可以利用第一对象的语义信息结合第二对象(例如，表面)的传感器数据来确定地理区域的地图信息。65.在一些实施例中，地图数据可以包括与地理区域的一个或多个位置相关联的地理信息，其中一个或多个表面元素与语义信息相关联。例如，计算系统可以基于具有与包括坑洼的地面表面中的凹陷一致的空间布置的一个或多个表面元素以及包括描述与一个或多个表面元素在相同位置的坑洼的指示的语义信息，来确定一个或多个表面元素与语义信息相关联。66.所公开的技术中的系统、方法、设备、装置和有形非暂时性计算机可读介质可以提供各种技术效果和益处，包括在确定不规则表面(包括不规则地面表面)的位置和类型方面的改进。所公开的技术还可以提供以下益处，包括以更有效和可靠的地图的形式的改进、提高的道路安全性、提高的道路建设和维修资源的利用率、提高的乘客舒适性、以及减少车辆的磨损。67.此外，所公开的技术可以通过对已经以传感器(包括lidar)提供的高精度水平执行了图像内容分析的图像中所包括的丰富语义信息进行组合，来提高地图的有效性。通过使用语义信息结合传感器信息，可以更准确和可靠地确定不规则表面的位置，并且这些不规则表面可以被分类为有意不规则表面(诸如减速带)或无意不规则表面(诸如由道路劣化导致的坑洼)。这样，地图可以具有更精确的标签来指示和区分有意不规则表面和无意不规则表面的出现。68.此外，所公开的技术可以通过更有效地标识和定位不规则表面的出现来提高道路的安全性。例如，通过在那些表面下降到使道路不适合行驶的状态之前标识无意不规则表面，可以修理这些表面，并且可以维护在相应表面上行驶的车辆的高度安全性。69.此外，所公开的技术可以允许更快速地标识和定位无意不规则表面，使得可以在表面处于需要不成比例的时间和资源的高花费来修理的状态之前执行修理不规则表面的动作。例如，与无意不规则表面处于晚期失修状态时所需的更昂贵的修理相比，对无意不规则表面的早期修理可以节省费用。70.所公开的技术的使用还可以提高能够在不规则表面周围进行导航的车辆中的乘客的舒适性。例如，自主车辆可以使用不规则表面的位置来减速或避开不规则表面，而不必进行急剧的航向修正或制动，这可能在最后时刻确定不规则表面时产生。71.此外，由于更快地标识不规则表面而对这些不规则表面进行更及时的修理可以导致减少车辆在不规则表面上导航所产生的磨损。例如，在坑洼上行驶会过早损耗车辆的悬架系统。此外，当车辆被告知临近减速带时，车辆可以减速，从而减少由于以过高速度穿越减速带而导致的磨损。72.相应地，所公开的技术提供了更有效的地图、提高的道路安全性、提高的道路建设和修理资源的利用率、提高的乘客舒适性以及减少车辆磨损的具体益处，这些益处中的任何一个都可以用于改进各种各样的服务(包括地图服务和/或导航服务)的有效性。73.现在参考图1-图12，将进一步详细讨论本公开的示例实施例。图1描绘了根据本公开的示例实施例的示例系统的图。系统100包括通过网络180通信连接和/或耦合的计算设备102、服务器计算系统130、训练计算系统150和一个或多个远程计算系统170。74.计算设备102可以包括任何类型的计算设备，包括例如个人计算设备(例如，膝上型计算设备或台式计算设备)、移动计算设备(例如，智能电话或平板电脑)、游戏控制台、控制器、可穿戴计算设备(例如，智能手表)、嵌入式计算设备和/或任何其他类型的计算设备。75.计算设备102包括一个或多个处理器112和存储器114。一个或多个处理器112可以是任何合适的处理设备(例如，处理器内核、微处理器、专用集成电路(asic)、现场可编程门阵列(fpga)、控制器和/或微控制器)，并且可以是一个处理器或可操作地连接的多个处理器。存储器114可以包括一个或多个非暂时性计算机可读存储介质，包括ram、nvram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器114可以存储由处理器112执行以使计算设备102执行操作的数据116和指令118。在一些实施例中，数据116可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。76.在一些实施例中，计算设备102可以执行一个或多个操作，包括：访问包括与一个或多个图像相关联的语义信息的图像数据；和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据。计算设备102可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准。此外，计算设备102可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。77.在一些实施例中，计算设备102可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，计算设备102可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。78.在一些实现方式中，计算设备102可以存储或包括一个或多个经机器学习的模型120。例如，一个或多个经机器学习的模型120可以包括各种经机器学习的模型，包括神经网络(例如，深度神经网络)或其他类型的经机器学习的模型(包括非线性模型和/或线性模型)。神经网络可以包括前馈神经网络、递归神经网络(例如，长短期记忆递归神经网络)、卷积神经网络或其他形式的神经网络。参考图1-图12讨论一个或多个经机器学习的模型120的示例。79.在一些实现方式中，一个或多个经机器学习的模型120可以通过网络180从服务器计算系统130被接收，存储在计算设备存储器114中，然后由一个或多个处理器112使用或以其他方式实现。在一些实现方式中，计算设备102可以实现一个或多个经机器学习的模型120的单个经机器学习的模型的多个并行实例(例如，以在经机器学习的模型120的多个实例之间执行并行图像识别和语义信息处理)。更具体地，一个或多个经机器学习的模型120可以访问包括与一个或多个图像相关联的语义信息的图像数据和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据；和/或至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准的。此外，一个或多个经机器学习的模型120可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。80.在一些实施例中，一个或多个经机器学习的模型120可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，一个或多个经机器学习的模型120可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。81.附加地或可替代地，一个或多个经机器学习的模型140可以被包括在服务器计算系统130中，或者以其他方式由服务器计算系统130存储和实现，服务器计算系统130根据客户端-服务器关系与计算设备102进行通信。例如，经机器学习的模型140可以由服务器计算系统140实现为网络服务(例如，不规则表面确定服务)的一部分。因此，一个或多个经机器学习的模型120可以在计算设备102处存储和实现，和/或一个或多个经机器学习的模型140可以在服务器计算系统130处存储和实现。82.计算设备102还可以包括可以接收用户输入的一个或多个用户输入组件122。例如，用户输入组件122可以是对用户输入(例如，手指或触笔)的触摸敏感的触敏组件(例如，触敏显示屏或触摸板)。触敏组件可以用来实现虚拟键盘。其他示例用户输入组件包括麦克风、机械键盘、机电键盘和/或用户可以提供用户输入的其他部件。83.服务器计算系统130包括一个或多个处理器132和存储器134。一个或多个处理器132可以包括任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器134可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器134可以存储由处理器132执行以使服务器计算系统130执行操作的数据136和指令138。在一些实施例中，数据136可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。84.在一些实施例中，服务器计算系统130可以执行一个或多个操作，包括：访问包括与一个或多个图像相关联的语义信息的图像数据；和/或包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息的传感器数据。服务器计算系统130可以至少部分基于图像数据和传感器数据来确定一个或多个位置处的一个或多个不规则表面，一个或多个不规则表面满足在一个或多个位置中的每个位置处的一个或多个不规则表面标准的。此外，服务器计算系统130可以生成包括地图数据的输出，该地图数据包括与一个或多个不规则表面相关联的信息。85.在一些实施例中，服务器计算系统130可以执行一个或多个操作，包括：访问可以包括描述地理区域的语义信息的图像数据；以及可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。此外，服务器计算系统130可以确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联；以及基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联，为与一个或多个表面元素相关联的地理区域生成地图数据。86.此外，服务器计算系统130可以对提供给服务器计算系统130的一个或多个输入(例如，包括一个或多个图像的图像数据)执行图像内容分析。例如，服务器计算系统130可以经由网络180接收数据。数据可以包括图像数据，该图像数据包括一个或多个图像和/或相关联的语义信息。服务器计算系统130然后可以执行各种操作，这些操作可以包括使用一个或多个经机器学习的模型140来检测一个或多个图像的一个或多个特征和/或将语义信息与一个或多个图像关联。进一步举例来说，服务器计算系统130可以使用对象识别技术来检测图像中的一个或多个对象(例如，减速带、坑洼、道路、路缘、人行道、建筑物、街道标志、建筑障碍物和道路标记)，并且基于对象的识别来生成语义信息。在另一示例中，服务器计算系统130可以从一个或多个远程计算系统(例如，一个或多个远程计算系统170)接收可包括已经与语义信息关联起来的图像(例如，具有用户相关语义信息的图像和/或具有用户设备生成的语义信息的图像)的数据。由服务器计算系统130接收的数据然后可以被存储(例如，存储在图像储存库中)以供计算系统130稍后使用。87.在一些实现方式中，服务器计算系统130包括一个或多个服务器计算设备或以其他方式由一个或多个服务器计算设备来实现。在服务器计算系统130包括多个服务器计算设备的情况下，这种服务器计算设备可以根据顺序计算架构、并行计算架构、或其某种组合来进行操作。88.如上所述，服务器计算系统130可以存储或以其他方式包括一个或多个经机器学习的模型140。例如，一个或多个经机器学习的模型140可以包括各种经机器学习的模型。示例经机器学习的模型包括神经网络或其他多层非线性模型。示例神经网络包括前馈神经网络、深度神经网络、递归神经网络和卷积神经网络。参考图1-图12讨论一个或多个经机器学习的模型140的示例。89.计算设备102和/或服务器计算系统130可以经由与通过网络180通信连接和/或耦合的训练计算系统150的交互来训练一个或多个经机器学习的模型120和/或140。训练计算系统150可以与服务器计算系统130分离，或者可以是服务器计算系统130的一部分。90.训练计算系统150包括一个或多个处理器152和存储器154。一个或多个处理器152可以是任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以是一个处理器或可操作地连接的多个处理器。存储器154可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器154可以存储由处理器152执行以使训练计算系统150执行操作的数据156和指令158。在一些实施例中，数据156可以包括图像数据和/或传感器数据，图像数据包括与一个或多个图像相关联的语义信息，传感器数据包括与对一个或多个位置的一个或多个表面的检测相关联的传感器信息。在一些实现方式中，训练计算系统150包括一个或多个服务器计算设备或以其他方式由一个或多个服务器计算设备来实现。91.训练计算系统150可以包括模型训练器160，模型训练器160使用各种训练或学习技术(包括例如错误的后向传播)来训练分别存储在计算设备102和/或服务器计算系统130处的一个或多个经机器学习的模型120和/或一个或多个经机器学习的模型140。在一些实现方式中，执行错误的后向传播可以包括随着时间执行截断的后向传播。模型训练器160可以执行多种泛化技术(例如，权重衰减和/或丢失)来提高被训练的模型的泛化能力。92.具体地，模型训练器160可以基于训练数据162的集合来训练一个或多个经机器学习的模型120和/或一个或多个经机器学习的模型140。训练数据162可以包括例如图像数据，该图像数据可以包括描述一个或多个位置和/或一个或多个位置的一个或多个特征的一个或多个图像和/或语义信息。例如，训练数据可以包括与特征相关联的物理尺寸、特征与一个或多个参考点(例如，其他位置)的接近度、特征的地理位置(例如，特征的纬度、经度和/或海拔)、和/或与特征相关联的各种元数据(例如，与特征相关联的类型，包括与特征相关联的表面和/或不规则性的类型)。93.在一些实现方式中，如果用户已经提供同意，则训练示例可以由计算设备102提供。因此，在这样的实现方式中，提供给计算设备102的一个或多个经机器学习的模型120可以由训练计算系统150在从计算设备102接收的用户特定数据上进行训练。在一些情况下，这个过程可以被称为个性化模型。94.模型训练器160可以包括用于提供期望功能的计算机逻辑。模型训练器160可以用控制通用处理器的硬件、固件和/或软件来实现。例如，在一些实现方式中，模型训练器160包括存储在存储设备上、加载到存储器中并由一个或多个处理器执行的程序文件。在其他实现方式中，模型训练器160包括存储在有形计算机可读存储介质(包括ram硬盘或光学或磁性介质)中的一个或多个计算机可执行指令的集合。95.一个或多个远程计算系统170中的每个远程计算系统170包括一个或多个处理器172和存储器174。一个或多个处理器172可以包括任何合适的处理设备(例如，处理器内核、微处理器、asic、fpga、控制器和/或微控制器)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器174可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器174可以存储由处理器172执行以使远程计算系统170执行操作的数据176和指令178。96.在一些实现方式中，一个或多个远程计算系统170包括一个或多个计算设备或以其他方式由一个或多个计算设备来实现。在一个或多个远程计算系统170包括多个计算设备的情况下，这种计算设备可以根据顺序计算架构、并行计算架构和/或它们的某种组合来操作。此外，一个或多个远程计算系统170可以用于收集、生成、发送和/或接收包括图像数据的一个或多个信号和/或数据，该图像数据包括可以与一个或多个位置和/或一个或多个位置的一个或多个特征相关联的语义信息。一个或多个远程计算系统170可以包括智能电话设备，智能电话设备的用户可以使用该智能电话设备来生成与由智能电话设备的相机或其他图像传感器捕获的一个或多个图像相关联的图像数据。例如，智能电话设备的用户可以捕获包括位置(例如，道路路段)的纬度、经度和海拔的位置的图像。用户然后可以用包括对位置的描述(例如，坑洼的大小)的语义信息来手动注释图像，然后可以将该图像发送到远程计算系统170，该远程计算系统170包括可以用于存储包括用户提供的图像数据的图像数据的储存库。在一些实施例中，手动注释的图像可以被强加密、匿名化(例如，与图像相关联的任何个人信息或者不被收集或者在被接收之后被删除)，并且以安全和隐私增强的方式被维护以供远程计算系统170使用，该远程计算系统170可以提供图像和相关联的语义信息以供远程计算系统170和/或训练计算系统150的图像内容分析部分使用。97.网络180可以包括任何类型的通信网络，包括局域网(例如，内联网)、广域网(例如，互联网)、或它们的某种组合，并且可以包括任何数量的有线链路或无线链路。通常，网络180上的通信可以使用各种各样的通信协议(例如，tcp/ip、http、smtp、ftp)、编码或格式(例如，html、xml)和/或保护方案(例如，vpn、安全http、ssl)，经由任何类型的有线连接和/或无线连接来携带。98.图1示出了可以用于实现本公开的一个示例计算系统。也可以使用其他计算系统。例如，在一些实现方式中，计算设备102可以包括模型训练器160和训练数据162。在这样的实现方式中，一个或多个经机器学习的模型120可以在计算设备102处被本地训练和使用两者。在一些这样的实现方式中，计算设备102可以实现模型训练器160，以基于用户特定数据来个性化一个或多个经机器学习的模型120。99.图2描绘了根据本公开的示例实施例的示例设备的图。计算设备200可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。此外，计算设备200可以执行一个或多个动作和/或操作，包括由计算设备102、服务器计算系统130和/或训练计算系统150执行的一个或多个动作和/或操作，如图1所示。100.如图2所示，计算设备200可以包括一个或多个存储器设备202、图像数据204、传感器数据206、一个或多个互连210、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224、一个或多个输出设备226、一个或多个传感器228、一个或多个输入设备230、和/或定位设备232。101.一个或多个存储器设备202可以存储信息和/或数据(例如，图像数据204和/或传感器数据206)。此外，一个或多个存储器设备202可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。由一个或多个存储器设备202存储的信息和/或数据可以由一个或多个处理器220执行，以使得计算设备200执行操作。102.图像数据204可以包括图1所示的数据116、数据136和/或数据156的一个或多个部分。此外，图像数据204可以包括与一个或多个图像相关联的信息、一个或多个位置的一个或多个地图、和/或与一个或多个位置的一个或多个描述相关联的语义信息。103.传感器数据206可以包括图1所示的数据116、数据136和/或数据156的一个或多个部分。此外，传感器数据206可以包括与对一个或多个位置处的一个或多个表面的检测相关联的信息。104.一个或多个互连210可以包括一个或多个互连或总线，互联或总线可以用于在计算设备200的组件(包括一个或多个存储器设备202、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224，一个或多个输出设备226、一个或多个传感器228(例如，传感器阵列)、和/或一个或多个输入设备230)之间发送和/或接收一个或多个信号(例如，电子信号)和/或数据(例如，图像数据204和/或传感器数据206)。一个或多个互连210可以以不同的方式布置或配置，包括并行连接或串行连接。此外，一个或多个互连210可以包括用于连接计算设备200的内部组件的一个或多个内部总线；以及用于将计算设备200的内部组件连接到一个或多个外部设备的一个或多个外部总线。举例来说，一个或多个互连210可以包括不同的接口，包括工业标准架构(isa)、扩展isa、外围组件互连(pci)、高速pci、串行at附接(sata)、超传输(ht)、usb(通用串行总线)、雷电(thunderbolt)、ieee1394接口(火线)和/或可用于连接组件的其他接口。105.一个或多个处理器220可以包括被配置为执行存储在一个或多个存储器设备202中的一个或多个指令的一个或多个计算机处理器。例如，一个或多个处理器220可以例如包括一个或多个通用中央处理单元(cpu)、专用集成电路(asic)、和/或一个或多个图形处理单元(gpu)。此外，一个或多个处理器220可以执行一个或多个动作和/或操作，包括与图像数据204和/或传感器数据206相关联的一个或多个动作和/或操作。一个或多个处理器220可以包括单核或多核设备，包括微处理器、微控制器、集成电路和/或逻辑设备。106.网络接口222可以支持网络通信。例如，网络接口222可以支持经由包括局域网和/或广域网(例如，互联网)的网络的通信。一个或多个大容量存储设备224(例如，硬盘驱动器和/或固态驱动器)可以用于存储包括图像数据204和/或传感器数据206的数据。一个或多个输出设备226可以包括一个或多个显示设备(例如，lcd显示器、oled显示器和/或crt显示器)、一个或多个光源(例如，led)、一个或多个扬声器、和/或一个或多个触觉输出设备。107.一个或多个输入设备230可以包括一个或多个键盘、一个或多个触敏设备(例如，触摸屏显示器)、一个或多个按钮(例如，开/关按钮和/或是/否按钮)、一个或多个麦克风、和/或一个或多个相机(例如，可以用于检测包括不规则表面的表面的相机)。108.一个或多个存储器设备202和一个或多个大容量存储设备224被单独示出，然而，一个或多个存储器设备202和一个或多个大容量存储设备224可以是相同存储器模块内的区域。计算设备200可以包括一个或多个附加的处理器、存储器设备、网络接口，它们可以单独设置或者设置在相同芯片或板上。一个或多个存储器设备202和一个或多个大容量存储设备224可以包括一个或多个计算机可读介质，包括但不限于非暂时性计算机可读介质、ram、rom、硬盘驱动器、闪存驱动器和/或其他存储器设备。109.一个或多个存储器设备202可以存储用于包括可与各种软件应用或数据相关联的操作系统的应用的指令的集合。一个或多个存储器设备202可以用于操作各种应用，包括专门为移动设备开发的移动操作系统。这样，一个或多个存储器设备202可以存储允许软件应用访问包括无线网络参数(例如，无线网络的身份、服务质量)的数据的指令，并且调用各种服务，包括电话、位置确定(例如，经由全球定位服务(gps)或wlan)和/或无线网络数据呼叫发起服务。在其他实施例中，一个或多个存储器设备202可以用于操作或执行在移动设备和固定设备(诸如智能手机和台式计算机)两者上操作的通用操作系统。110.可以由计算设备200操作或执行的软件应用可以包括与图1所示的系统100相关联的应用。此外，可以由计算设备200操作或执行的软件应用可以包括本地应用和/或基于网络的应用。111.定位设备232可以包括用于确定计算设备200的位置的一个或多个设备或电路。例如，定位设备232可以通过使用卫星导航定位系统(例如，gps系统、伽利略定位系统、全球导航卫星系统(glonass)、北斗卫星导航和定位系统)、惯性导航系统、航位推算系统，基于ip地址，通过使用三角测量和/或到蜂窝塔或wi-fi热点、信标等的接近度和/或用于确定位置的其他合适的技术，来确定计算设备200的实际位置和/或相对位置。112.图3描绘了根据本公开的示例实施例的特征检测和图像内容分析的示例。图3所示的图像可以由计算系统或计算设备访问和/或处理，该计算系统或计算设备包括图1所示的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。如图3所示，图像300包括道路表面特征302、标志特征304、不规则表面特征306、距离308和不规则表面特征310。113.图像300描绘了已经对其执行图像内容分析(包括对图像300的一个或多个特征的检测、标识、识别和/或分析)的图像的一个或多个特征。在一些实施例中，图像300可以是被包括在图2所描绘的图像数据204中的表示。此外，图像300的一个或多个特征(包括道路表面特征302、标志特征304、不规则表面特征306、距离308和不规则表面特征310)可以与可包括对一个或多个特征的描述的语义信息相关联。此外，图像300可以与包括与图像300中描绘的一个或多个特征相关联的一个或多个位置(例如纬度、经度和/或海拔)的语义信息相关联。114.在该示例中，道路表面特征302可以与指示图像300的道路表面特征302是道路表面的语义信息相关联。与道路表面特征相关联的语义信息还可以指示与道路表面特征302相关联的道路表面的类型，在该示例中，道路表面的类型是铺砌的道路表面。115.标志特征304可以与指示标志特征304关联于指示道路表面中与道路表面特征302相关联的附近倾斜的标志的语义信息相关联。此外，与标志特征304相关联的语义信息可以指示标志特征304的位置。116.不规则表面特征306可以与指示与不规则表面特征306相关联的道路表面是不规则道路表面的语义信息相关联。例如，与不规则表面特征306相关联的语义信息可以指示与不规则表面特征306相关联的位置是道路表面的斜坡(dip)。此外，与不规则表面特征306相关联的语义信息可以描述不规则表面特征306的一个或多个方面。例如，不规则表面特征306的一个或多个方面可以包括梯度和/或物理尺寸，包括不规则表面特征306的长度、宽度和/或深度。117.距离308可以指示标志特征304与不规则表面特征306之间的距离。例如，距离308可以指示从标志特征304到最接近标志特征304的不规则表面特征306的部分的以米为单位的距离。在一些实施例中，标志特征304与不规则表面特征306之间的距离可以用于确定不规则表面特征是有意不规则还是无意不规则。当标志特征304与不规则表面特征306之间的距离308小于距离阈值时，可以确定不规则表面特征306为有意不规则。当标志特征304与不规则表面特征306之间的距离308大于或等于距离阈值时，可以确定不规则表面特征306为无意不规则。在该示例中，标志特征304与不规则表面特征306之间的距离308足够近，使得确定不规则表面特征306(其可以是道路中被设计成控制道路表面上的水的输送的斜坡)为有意不规则表面。118.不规则表面特征310可以与指示与不规则表面特征310相关联的道路表面是不规则道路表面的语义信息相关联。例如，与不规则表面特征310相关联的语义信息可以指示与不规则表面特征310相关联的区域是道路表面中的坑洼。在一些实施例中，与不规则表面特征310相关联的语义信息中的描述可以至少部分基于来自已经在不规则表面特征310上行驶并指示在该位置处存在坑洼的用户的输入。此外，与不规则表面特征310相关联的语义信息可以描述不规则表面特征310的一个或多个物理尺寸(包括不规则表面特征310的深度、长度和/或宽度)。119.图4描绘了根据本公开的示例实施例的特征检测和图像内容分析的示例。图4所示的图像可以由计算系统或计算设备生成和/或确定，该计算系统或计算设备包括图1所示的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。如图4所示，图像400包括表面特征402、标志特征404、不规则表面特征406、表面特征408和/或表面特征410。120.图像400描绘了已经对图像执行图像内容分析(包括对图像400的一个或多个特征的检测、标识、识别和/或分析)的图像的一个或多个特征。在一些实施例中，图像400可以是被包括在图2所示的图像数据204中的表示。此外，图像400的一个或多个特征(包括表面特征402、标志特征404、不规则表面特征406、表面特征408和/或表面特征410)可以与可包括对一个或多个特征的描述的语义信息相关联。图像400还可以与包括图像400中描绘的一个或多个特征的一个或多个位置(例如，纬度、经度和/或海拔)的语义信息相关联。121.在该示例中，表面特征402可以与指示图像400的表面特征402部分是道路表面的语义信息相关联。与道路表面特征相关联的语义信息还可以指示与表面特征402相关联的道路表面的类型，在该示例中，道路表面特征402是铺砌的道路表面类型。122.标志特征404可以与指示标志特征404关联于指示道路表面中与表面特征402相关联的减速带的标志的语义信息相关联。123.不规则表面特征406可以与指示与不规则表面特征406相关联的道路表面是不规则道路表面的语义信息相关联。与不规则表面特征406相关联的语义信息可以指示与不规则表面特征406相关联的区域是道路表面中的减速带。此外，与不规则表面特征406相关联的语义信息可以描述不规则表面特征406的一个或多个方面，包括不规则表面特征406的高度、长度和/或宽度。在一些实施例中，不规则表面特征406上的涂漆条纹标记和/或标志特征404与不规则表面特征406的接近度可以用于确定不规则表面特征406是有意不规则特征。124.表面特征408可以与指示图像400的表面特征408部分是道路表面以及与表面特征408相关联的道路表面的类型是砾石道路表面类型的语义信息相关联。在一些实施例中，一些类型的道路表面被确定为不规则表面。在该示例中，表面特征408被确定为有意不规则表面，因为它是砾石。125.表面特征410可以与指示图像400的表面特征410部分是场地并且与表面特征410相关联的场地的类型是不规则场地类型的语义信息相关联。在该示例中，表面特征410被确定为无意不规则表面，因为它是不规则场地。作为对比，指示用于体育赛事的平坦场地的语义信息可以不与不规则表面类型相关联。126.图5描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法500的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法500的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。图5出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。127.在502，方法500可以包括访问图像数据和/或传感器数据。图像数据可以包括一个或多个位置的多个图像和/或与一个或多个位置相关联的语义信息。此外，语义信息可以包括描述与一个或多个位置相关联的一个或多个特征的信息。例如，图像数据可以包括与描述一个或多个图像所描绘的一个或多个特征(包括建筑物、道路、道路表面类型、路缘、人行道、交通灯和/或道路标志)的语义信息相关联的一个或多个图像(包括光栅图像、体素图像和/或矢量图像)。128.在一些实施例中，图像数据可以包括与一个或多个道路标志(包括一个或多个减速带标志、一个或多个路障标志、和/或一个或多个建筑标志)相关联的语义信息。与一个或多个道路标志相关联的语义信息可以包括一个或多个道路标志的一个或多个位置和一个或多个道路标志类型。129.传感器数据可以包括与一个或多个传感器对一个或多个位置处的一个或多个表面的检测相关联的传感器信息。例如，一个或多个传感器可以生成与对一个或多个位置中的一个或多个表面的检测相关联的多个传感器输出。例如，传感器数据可以包括与一个或多个位置中的每个位置的地面表面(包括道路)相关联的lidar点云数据。130.在一些实施例中，一个或多个传感器可以包括一个或多个光检测和测距(lidar)设备，lidar设备被配置为至少部分基于对一个或多个位置的一个或多个表面的lidar扫描来生成传感器数据。131.在一些实施例中，图像数据可以至少部分基于对一个或多个图像的图像内容分析。图像内容分析可以由计算系统执行，该计算系统分析图像的语义内容并生成包括对在图像中找到的特征的描述的语义信息。举例来说，图像内容分析可以使用已经被配置和/或训练来检测和标识图像中的一个或多个特征的一个或多个经机器学习的模型。图像数据还可以与包括从街道级视角捕获的图像的街道级图像集相关联。此外，该系统可以利用对街道级图像和/或其他图像(包括用户生成的图像和/或可公开访问的街道级图像)的图像内容分析，以用于确定不规则表面和与不规则表面相关联的对象(包括指示不规则表面的接近度的标记)的位置的目的。在一个实施例中，语义信息包括图像中的一个或多个特征的一个或多个地理位置。132.图像数据还可以包括与道路、建筑物、水体、桥梁、隧道、立交桥和/或地下通道的一个或多个位置相关联的语义信息。图像数据还可以包括与关联于一个或多个位置的交通规则相关联的语义信息，该一个或多个位置可以包括有意不规则表面(包括减速带、路缘和/或被有意设计成实现交通规则的其他结构)的一个或多个位置。133.在一些实施例中，语义信息的任何部分可以包括语义信息的每个部分被生成、修改、删除和/或访问的日期和/或日期时间。134.在一些实施例中，语义信息可以描述一个或多个位置处的一个或多个特征。例如，语义信息可以包括对一个或多个位置处的一个或多个特征的数字描述和文本描述，包括：一个或多个位置处的一个或多个对象的物理尺寸；和/或描述一个或多个位置处的对象的类型的标识信息。135.在一些实施例中，语义信息可以与一个或多个图像的图像所描绘的一个或多个特征相关联。例如，语义信息可以包括对被包括在由一个或多个图像描绘的场景内的一个或多个对象的描述。此外，一个或多个图像可以包括一个或多个二维图像。此外，一个或多个图像可以以任何类型的图像格式(包括光栅图像(例如，包括像素阵列的位图)、体素图像和/或矢量图像(例如，基于包括二维平面的x轴和y轴的坐标位置的图像的多边形表示)的组合编码。图像还可以包括静止图像、电影中的图像帧和/或其他类型的图像(包括lidar图像和/或radar图像)。136.由多个图像使用的数字图像格式的示例可以包括jpeg(jointphotographicexpertsgroup，联合图像专家组)、bmp(bitmap，位图)、tiff(taggedimagefileforma，标记图像文件格式)、png(portablenetworkgraphics，便携式网络图形)和/或gif(graphicsinterchangeforma，图形交换格式)。图像可以从各种来源(包括用户提交的图像、公共域的图像(例如，经由网络抓取而获得的匿名图像)和/或街道级全景图像)收集。137.举例来说，计算设备102可以经由网络180从服务器计算系统130访问包括图像数据和传感器数据的数据。在另一实施例中，计算设备102可以访问数据116，数据116包括图像数据和传感器数据并且被本地存储在存储器114上。138.在504，方法500可以包括至少部分基于图像数据和/或传感器数据来确定一个或多个位置的一个或多个不规则表面。一个或多个不规则表面可以包括满足一个或多个不规则表面标准的一个或多个表面。计算设备102可以至少部分基于描述位置处的不规则表面的语义信息来确定在位置处存在一个或多个不规则表面。例如，计算设备102可以基于包括与位置相关联的单词“坑洼”的语义信息来确定在位置处存在一个或多个不规则表面。此外，计算设备102可以至少部分基于指示位置处的不规则表面的传感器信息来确定在位置处存在一个或多个不规则表面。例如，计算设备102可以基于来自lidar设备的、指示在道路表面中的位置处存在不规则凹陷的传感器信息来确定在位置处存在一个或多个不规则表面。计算设备102可以至少部分基于图像数据和/或传感器数据的某种组合指示在一个或多个位置处存在不规则表面来确定一个或多个位置处的一个或多个不规则表面。139.满足一个或多个不规则表面标准可以包括确定语义信息和传感器信息指示位置处的不规则表面。例如，计算设备102可以访问指示与位置相关联的单词“坑洼”的图像数据和指示与坑洼相对应的位置的空间特性的传感器数据。满足一个或多个不规则表面标准可以包括图像数据和语义数据两者指示在位置处存在坑洼(不规则表面)。140.在一些实施例中，当图像数据和传感器数据两者都指示不规则表面时，满足一个或多个不规则表面标准。例如，当图像数据和传感器数据两者都指示位置处的减速带时，可以满足一个或多个不规则表面标准。141.在一些实施例中，当图像数据指示一个或多个不规则表面并且传感器数据与一个或多个不规则表面的存在不矛盾时；或者当传感器数据指示一个或多个不规则表面并且图像数据与一个或多个不规则表面的存在不矛盾时，满足一个或多个不规则表面标准。例如，当图像数据指示位置处的减速带，并且传感器数据不指示该位置是没有减速带的平滑表面时，可以满足一个或多个不规则表面标准。进一步举例来说，当传感器数据指示位置处的减速带并且图像数据不包括将该位置描述为没有减速带的平滑表面的语义信息时，可以满足一个或多个不规则表面标准。142.在506，方法500可以包括生成地图数据，该地图数据可以包括与一个或多个不规则表面相关联的信息。此外，地图数据可以包括与一个或多个不规则表面的一个或多个位置相关联的信息。例如，计算设备102可以访问图像数据和传感器数据，以至少部分基于语义信息来提供包括不规则表面的地理位置和不规则表面的相应描述的信息。此外，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的时间戳，以指示最初和/或最近生成或修改与一个或多个不规则表面中的每个不规则表面相关联的图像数据和/或传感器数据的日期和/或当日时间。143.在一些实施例中，地图数据可以包括与一个或多个不规则表面中的每个不规则表面相关联的纬度、与一个或多个不规则表面中的每个不规则表面相关联的经度、与一个或多个不规则表面中的每个不规则表面相关联的海拔、一个或多个不规则表面中的每个不规则表面相对于周围表面的高度、一个或多个不规则表面中的每个不规则表面相对于周围表面的深度、一个或多个不规则表面中的每个不规则表面的体积、和/或一个或多个不规则表面中的每个不规则表面的表面积。144.在一些实施例中，计算设备102可以将地图数据发送到与更新图像数据或传感器数据相关联的远程计算系统。例如，计算设备102可以经由网络180向服务器计算系统130发送地图数据。在该示例中，服务器计算系统130可以使用地图数据向车辆中的旅行者提供指示不规则表面的位置的通知。145.在508，方法500可以包括使用包括与一个或多个不规则表面相关联的信息的地图数据来确定车辆的导航路线。例如，计算设备102可以访问本地存储在计算设备102的存储器114中的地图数据和/或从服务器计算系统接收地图数据。计算设备102然后可以确定与计算设备102相关联的车辆的位置，并且至少部分基于地图数据来确定从车辆的位置到目的地的导航路线。例如，计算设备102可以使用地图数据来确定地理区域中的不规则道路表面的位置，并且基于包括包含最少不规则表面的导航路线或者不包含超过阈值高度或阈值深度的不规则表面的导航路线的标准来确定导航路线。146.在510，方法500可以包括至少部分基于地图数据来控制车辆的一个或多个车辆系统。一个或多个车辆系统可以包括一个或多个马达系统、一个或多个转向系统、一个或多个制动系统、一个或多个通知系统、和/或一个或多个照明系统。例如，服务器计算系统130可以生成地图数据并将地图数据发送到可以位于车辆上的计算设备102。计算设备102可以使用地图数据来确定前方存在不规则表面(例如，颠簸的道路表面)，然后可以控制包括用于向车辆的乘客通知前方道路颠簸的扬声器的通知系统。在另一示例中，计算设备102可以控制自主车辆的引擎系统，以在自主车辆穿越由地图数据指示的减速带之前使自主车辆减速。进一步举例来说，计算设备102可以使用地图数据来确定前方存在不规则表面(例如，坑洼)，然后可以控制自主车辆的制动系统，以在自主车辆经过地图数据指示的大坑洼之前停止自主车辆。147.在512，方法500可以包括至少部分基于车辆在一个或多个不规则表面的预定距离内来生成与实现一个或多个指示相关联的数据。一个或多个指示可以包括一个或多个视觉指示、可包括一个或多个不规则表面的一个或多个位置的一个或多个地图、一个或多个不规则表面的一个或多个文本描述、和/或与一个或多个不规则表面相关联的一个或多个听觉指示。148.例如，计算设备102可以生成包括闪光灯的一个或多个视觉指示，以向乘客指示一个或多个不规则表面在到车辆乘客的预定距离内。在另一示例中，计算设备102可以至少部分基于来自图像数据的一个或多个不规则表面的一个或多个图像来生成包括一个或多个不规则表面的一个或多个图像的一个或多个视觉指示。149.图6描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法600的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法600的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法600的一个或多个部分可以作为图5所示的方法500的一部分来执行。此外，方法600的一个或多个部分可以作为如图5所示的方法500的504中所述的至少部分基于图像数据和传感器数据来确定一个或多个不规则表面的一部分来执行。图6出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。150.在602，方法600可以包括当传感器数据指示一个或多个表面的一个或多个部分超过表面积阈值并且包括超过表面积阈值的突起和/或超过深度阈值的凹陷时，确定满足一个或多个不规则表面标准。例如，计算设备102可以使用传感器数据来确定一个或多个表面的三维特征包括一个或多个表面的几何属性。基于一个或多个表面的三维特征，计算设备102可以确定半圆形、二十厘米长和三米宽的表面是不规则表面。151.在一些实施例中，高度阈值可以至少部分基于高于一个或多个表面的表面的平均高度的突起高度。例如，高度阈值可以至少部分基于高于预定区域中的一个或多个表面的平均高度的高度。例如，计算设备102可以访问传感器数据以确定测量一平方米的预定区域中的突起的高度比预定区域周围的地面表面高三厘米。此外，深度阈值可以至少部分基于低于围绕一个或多个表面的一个或多个部分的一个或多个表面的表面平均深度的凹陷深度。例如，深度阈值可以至少部分基于低于预定区域内的一个或多个表面的平均高度的深度。例如，计算设备102可以访问传感器数据以确定测量一平方米面积的预定区域中的凹陷的深度比预定区域周围的地面表面低两厘米。152.在一些实施例中，高度阈值可以至少部分基于突起相对于突起的预定距离内的表面的高度。例如，计算设备102可以访问传感器数据以确定突起的高度比突起周围一米半径内的地面表面高五厘米。此外，在一些实施例中，深度阈值可以至少部分基于凹陷相对于凹陷的预定距离内的表面的深度。例如，计算设备102可以访问传感器数据以确定凹陷的深度比凹陷周围一米半径内的地面表面低四厘米。153.在604，方法600可以包括确定一个或多个表面的一个或多个部分何时具有满足与一个或多个表面的边长不规则性和/或一个或多个表面的角度不规则性相关联的一个或多个不规则形状标准具有的形状。例如，计算设备102可以访问可用于确定空间特性(包括表面的一个或多个部分的三维特性)的传感器数据。并非不规则的表面的一部分的空间特性可以包括具有均匀形状拐角的混凝土块的矩形剖面。作为对比，表面的不规则部分的空间特性可以包括不等长的锯齿状边缘。154.进一步举例来说，计算设备102可以访问可用于确定表面的一个或多个部分的空间特性的图像数据。并非不规则的表面的部分(规则的部分)的空间特性可以包括具有等长边的混凝土块的正方形剖面。作为对比，表面的不规则部分的空间特性可以包括具有不等长的边缘的表面的不同形状的剖面。155.在606，方法600可以包括当与一个或多个位置中的位置相关联的语义信息描述与由一个或多个传感器对一个或多个表面的检测相关联的传感器信息时，确定满足一个或多个不规则表面标准。例如，计算设备102可以访问与位置相关联的语义信息，以确定语义信息何时包括对该位置处的坑洼的描述。满足一个或多个不规则表面标准可以包括确定语义信息指示在该位置处存在坑洼以及传感器信息是基于对具有与坑洼相对应的空间特性的位置的地面表面的检测。156.图7描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法700的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法700的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法700的一个或多个部分可以作为图5所示的方法500的一部分来执行。此外，方法700的一个或多个部分可以作为如图5所示的方法500的504中所述的至少部分基于图像数据和传感器数据来确定一个或多个不规则表面的一部分来执行。图7出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。157.在702，方法700可以包括确定车辆的一个或多个车辆特性。在一些实施例中，一个或多个车辆特性可以包括车辆的离地间隙、车辆的高度、车辆的宽度、车辆前轮与车辆前保险杠之间的距离、和/或车辆悬架系统的牢固性。例如，车辆的离地间隙可以包括车辆底架、外部车身面板或底盘的最低点与车辆轮胎下方的平坦表面之间的距离。例如，计算设备102可以至少部分基于访问包括车辆的物理特性(包括车辆的离地间隙)的车辆数据来确定车辆的离地间隙。在一些实施例中，车辆的一个或多个车辆特性可以包括车辆的物理尺寸和/或车辆和附接到车辆或由车辆携带的任何对象的物理尺寸。例如，在车顶上携带自行车的车辆可以在确定车辆高度时包括自行车的物理尺寸。158.在704，方法700可以包括确定与一个或多个表面中的每个表面相关联的一个或多个表面特性。一个或多个表面特性可以包括与一个或多个表面相关联的一个或多个梯度和/或与一个或多个表面相关联的表面高度。例如，计算设备102可以使用与对一个或多个表面的检测相关联的传感器数据来确定一个或多个梯度，包括表面相对于在一个或多个表面的预定距离内的相邻表面的角度。进一步举例来说，计算设备102可以至少部分基于指示表面相对于一个或多个其他表面的角度的对图像数据的分析来确定表面的一个或多个梯度。在一些实施例中，语义信息可以包括与一个或多个位置处的一个或多个表面的一个或多个梯度和/或一个或多个高度相关联的信息。159.在706，方法700可以包括当与一个或多个表面中的每个表面相关联的一个或多个表面特性满足一个或多个表面特性标准时，确定满足一个或多个不规则表面标准。例如，满足一个或多个表面特性标准可以包括确定与一个或多个表面中的每个表面相关联的一个或多个梯度超过梯度阈值。以这种方式，具有低离地间隙的车辆前部将不会接触到具有陡峭梯度的表面。进一步举例来说，满足一个或多个表面特性可以包括确定一个或多个表面的高度超过车辆的高度达预定距离。以这种方式，车辆的顶部将不会接触到架空表面，诸如，例如隧道入口或停车库的入口。160.一个或多个表面特性标准可以至少部分基于车辆的一个或多个特征。例如，对于具有高离地间隙和高梯度阈值的越野车，包括梯度阈值的一个或多个表面特性标准可以比具有相对低离地间隙和低梯度阈值的跑车更容易满足。161.图8描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法800的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法800的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法800的一个或多个部分可以作为图12所示的方法1200的一部分来执行。图8出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。162.在802，方法800可以包括确定与一个或多个表面元素中的每个表面元素相关联的一个或多个表面类型。在一些实施例中，一个或多个表面类型可以包括一个或多个地面表面或者一个或多个非地面表面。一个或多个地面表面可以包括一个或多个铺砌地面表面、一个或多个未铺砌地面表面、一个或多个人行道表面、和/或一个或多个砾石表面。在一些实施例中，一个或多个非地面表面可以包括一个或多个侧表面和/或一个或多个架空表面。一个或多个侧表面可以包括一个或多个墙壁、栅栏和/或其他垂直对齐的表面。一个或多个架空表面可以包括高于某个预定高度阈值的一个或多个表面，包括门、隧道入口、车库入口、门口和/或架空障碍物的上部。163.例如，计算设备102可以至少部分基于与图像数据相关联的语义信息来确定一个或多个表面类型，该语义信息可以指示表面是地面表面(例如，道路)还是非地面表面(例如，建筑物)。进一步举例来说，计算设备102可以使用传感器数据来确定表面的与一个或多个表面类型相对应的一个或多个空间特性。164.在一些实施例中，图像数据可以包括与架空表面的物理尺寸(包括架空表面的高度)相关联的语义信息。此外，图像数据可以包括与架空表面的类型和材料属性相关联的语义信息。例如，语义数据可以指示架空表面是停车库的入口。165.在一些实施例中，图像数据可以包括与对表面的一个或多个特征的描述相关联的语义信息。例如，表面可以描述为“颠簸”或“平滑”。166.在804，方法800可以包括生成包括与一个或多个位置中的每个位置的一个或多个表面类型相关联的信息的地图数据。地图数据可以指示特定地理坐标的集合内的一个或多个位置的表面类型。例如，计算设备102可以生成包括地理区域的表示的地图数据，其中地理区域的一个或多个位置中的每个位置与一个或多个表面类型相关联。167.图9描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法900的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法900的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法900的一个或多个部分可以作为图5所示的方法500的一部分来执行。图9出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。168.在902，方法900可以包括至少部分基于图像数据和传感器数据来确定与一个或多个不规则表面中的每个不规则表面相关联的一个或多个不规则表面类型。例如，计算设备102可以至少部分基于与图像数据相关联的语义信息来确定一个或多个不规则表面类型，该语义信息可以指示地面表面何时是建筑地带的一部分。进一步举例来说，计算设备102可以使用传感器数据来确定与一个或多个不规则表面类型(包括路缘、减速带和/或坑洼)相对应的地面表面的一个或多个空间特性。169.在904，方法900可以包括当与一个或多个不规则表面中的不规则表面的图像数据相关联的一个或多个不规则表面类型匹配与该不规则表面的传感器数据相关联的一个或多个不规则表面类型时，确定一个或多个不规则表面是有意不规则表面。有意不规则表面可以包括有意建造在特定位置的结构或表面构造。路缘和/或减速带是有意不规则表面的示例。例如，当图像数据和传感器数据都指示不规则表面类型是减速带时，计算设备102可以确定不规则表面是有意不规则的。170.在906，方法900可以包括当一个或多个标志在一个或多个不规则表面的预定距离内并且一个或多个标志与一个或多个不规则表面的一个或多个不规则表面类型相关联时，确定一个或多个不规则表面是有意不规则表面。例如，计算设备102可以使用与图像数据相关联的语义信息来确定特定位置中的道路标志的位置。此外，当指示“倾斜”的道路标志在基于传感器数据被确定为道路倾斜的不规则表面的三十米范围内时，计算设备102可以确定不规则表面是有意不规则表面。171.在908，方法900可以包括确定并非有意不规则表面的一个或多个不规则表面是无意不规则表面。无意不规则表面可以包括并非有意建造在特定位置的、由表面和/或结构的劣化和/或损坏引起的表面特性。此外，无意不规则表面可以包括正在建造的不完全建造的表面。落到道路表面上的坑洼或砖块堆积是有意不规则表面的示例。172.在910，方法900可以包括响应于一个或多个有意不规则表面来生成第一通知和/或响应于一个或多个无意不规则表面来生成第二通知。例如，计算设备102可以生成使得显示设备在检测到有意不规则表面时显示第一通知(“前方减速带”)并且在检测到无意不规则表面时显示第二通知(“前方坑洼”)的一个或多个信号。在一些实施例中，第一通知和第二通知可以与不同类型的指示相关联。例如，第一通知可以是视觉指示(例如，显示在显示设备上的通知消息)，并且第二通知可以是听觉指示(例如，通过扬声器生成的听觉消息)。173.图10描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1000的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法1000的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法1000的一个或多个部分可以作为图5所示的方法500的一部分来执行。图10出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。174.在1002，方法1000可以包括至少部分基于图像数据和传感器数据来确定与一个或多个位置中的每个位置相关联的地理区域和/或天气条件。例如，计算设备102可以访问包括指示位置在特定地理区域中的语义信息的图像数据。进一步举例来说，计算设备102可以访问实时更新的图像数据，该图像数据包括与位置处的实时天气条件相关联的语义信息。175.在一些实施例中，图像数据可以包括与地理区域中使用的符号和/或语言相关联的语义信息。例如，一个国家中用于指示减速带的标志符号可能与另一国家中用于指示减速带的标志符号不同。176.在1004，方法1000可以包括至少部分基于与一个或多个位置中的每个位置相关联的地理区域和/或天气条件来调整一个或多个不规则表面标准。例如，当天气条件包括使得穿越凹陷更具挑战性的大量降雨时，计算设备102可以调整与一个或多个表面不规则性相关联的深度阈值。进一步举例来说，计算设备102可以至少部分基于与计算设备102所处的地理区域相关联的标志图像中使用的语言来调整一个或多个不规则表面标准。以这种方式，计算设备102可以调整一个或多个不规则表面标准，以考虑使用不同符号和/或语言来指示相同类型的不规则表面的不同地理区域；和/或使用相同符号和/或语言来指示不同类型的不规则表面的不同地理区域。177.图11描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1100的一个或多个部分可以在一个或多个计算设备或计算系统(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)上执行或实现。此外，方法1100的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。在一些实施例中，方法1100的一个或多个部分可以作为图5所示的方法500的一部分来执行。图11出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。178.在1102，方法1100可以包括访问与车辆的离地间隙相关联的车辆离地间隙数据。例如，计算设备102可以至少部分基于车辆的底盘离地面表面的最小高度来确定车辆的离地间隙。进一步举例来说，计算设备102可以通过访问包括与车辆的离地间隙相关联的信息的车辆数据来确定车辆的离地间隙。179.在1104，方法1100可以包括至少部分基于车辆的离地间隙来调整不规则性高度阈值和/或不规则性深度阈值。在一些实施例中，一个或多个不规则表面标准可以包括不规则性高度阈值和/或不规则性深度阈值。例如，不规则性高度阈值可以包括高于预定区域中的表面的平均高度的高度；和/或不规则性深度阈值可以包括低于预定区域中的表面的平均高度的深度。180.在一些实施例中，不规则性高度阈值可以至少部分基于车辆的离地间隙的某个比例。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性高度阈值调整到第一车辆的离地间隙的百分之七十，即十四厘米的高度。在一些实施例中，不规则性深度阈值可以至少部分基于车辆的离地间隙的某个比例。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到第一车辆的离地间隙的百分之七十，即十四厘米的深度。181.在一些实施例中，不规则性高度阈值可以至少部分基于低于车辆的离地间隙的某个距离。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到十五厘米，从而允许地面表面的突起的顶部与车辆底盘的底部之间有五厘米的距离。在一些实施例中，不规则性深度阈值可以至少部分基于低于车辆的离地间隙的某个距离。例如，对于离地间隙为二十厘米的车辆，计算设备102可以将不规则性深度阈值调整到十五厘米，从而允许地面表面的凹陷的底部与车辆底盘的底部之间有五厘米的距离。182.图12描绘了根据本公开的示例实施例的用于生成表面地图的示例方法的流程图。方法1200的一个或多个部分可以在一个或多个计算设备或计算系统上(包括例如计算设备102、服务器计算系统130和/或训练计算系统150)执行或实现。此外，方法1200的一个或多个部分可以作为算法在本文公开的硬件设备或系统上执行或实现。图12出于说明和讨论的目的描绘了以特定次序执行的步骤。使用本文提供的公开内容，本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，本文公开的任何方法的各种步骤可以被改写、修改、重新布置、省略和/或扩展。183.在1202，方法1200可以包括访问图像数据和传感器数据，包括：可以包括描述地理区域的语义信息的图像数据；和/或可以指示与地理区域中的一个或多个表面相关联的一个或多个表面元素的传感器数据。一个或多个表面元素可以包括地理区域中的一个或多个表面的一个或多个三维位置。例如，一个或多个表面元素可以与lidar点云中的一个或多个三维点相关联。184.进一步举例来说，计算设备102可以访问图像数据和传感器数据，图像数据包括描述地理区域的一个或多个特征的语义信息；传感器数据包括指示与地理区域中的道路的一个或多个表面相关联的一个或多个表面元素的lidar数据。185.在1204，方法1200可以包括确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联。描述地理区域的语义信息可以包括描述地理区域的一个或多个特征。确定在一个或多个表面元素与描述地理区域的语义信息之间是否存在关联可以包括：语义信息与一个或多个表面元素的一个或多个比较；语义信息与其他语义信息的一个或多个比较，以及一个或多个表面元素与一个或多个其他表面元素的一个或多个比较；和/或语义信息和一个或多个表面元素与一个或多个其他不规则表面标准的一个或多个比较。186.例如，计算设备102可以评估一个或多个表面元素和语义信息，以确定一个或多个表面元素和语义信息是否包括与地理区域的一个或多个特征相关联的信息。具体地，计算设备102可以访问该地理区域的特定位置的图像数据和传感器数据，并且将与该地理区域的位置的一个或多个图像相关联的语义信息所提供的一个或多个空间特性与传感器数据所提供的一个或多个表面元素的一个或多个空间特性比较。187.进一步举例来说，计算设备102可以访问该地理区域的特定位置的图像数据和传感器数据，并且将被描述为由与该地理区域的位置相关联的语义信息提供的减速带的地理特征与与由传感器数据提供的减速带相对应的一个或多个表面元素的一个或多个空间特性比较。188.在1206，方法1200可以包括为与一个或多个表面元素相关联的地理区域生成地图数据。在一些实施例中，地图数据可以至少部分基于在一个或多个表面元素与描述一个或多个地理特征的语义信息之间是否存在关联。189.在一些示例中，一个或多个地理特征可以与一个或多个表面元素在物理上分离。例如，语义信息可以与一个或多个地理特征(包括建筑地带周围的建筑标志和障碍物)相关联，并且一个或多个表面元素可以与实际建筑地带相关联。计算设备102然后可以使用第一对象(例如，建筑标志)的语义信息结合第二对象(例如，实际建筑地带)的传感器数据来生成地理区域的地图数据。190.在一些实施例中，一个或多个地理特征可以与一个或多个表面元素在物理上相关联。例如，语义信息可以与一个或多个地理特征(包括道路表面上的减速带)相关联；并且一个或多个表面元素也可以与道路表面上的相同减速带相关联。计算设备102然后可以使用第一对象(例如，减速带)的语义信息结合第二对象(例如，相同减速带)的传感器数据来生成地理区域的地图数据。191.在一些实施例中，地图数据可以包括与地理区域的一个或多个位置相关联的地理信息，其中一个或多个表面元素与语义信息相关联。例如，计算系统可以基于一个或多个表面元素具有与包括减速带的地面表面的升高部分一致的空间布置以及语义信息包括描述与一个或多个表面元素相同位置的减速带的指示，来确定一个或多个表面元素与语义信息相关联。192.本文讨论的技术涉及服务器、数据库、软件应用和其他基于计算机的系统，以及所采取的动作和发送到这些系统和从这些系统发送的信息。本领域普通技术人员将认识到，基于计算机的系统的固有灵活性允许各种可能的配置、组合以及任务和功能在组件之间的划分。例如，本文讨论的服务器过程可以使用单个服务器或多个服务器的组合来实现。数据库和应用可以在单个系统上实现，也可以分布在多个系统上。分布式组件可以顺序或并行地操作。193.虽然已经参照本发明的具体示例实施例详细描述了本主题，但是应当理解，本领域技术人员在理解了前述内容之后，可以容易地对这些实施例进行变更、变化和等同。因此，本公开的范围是示例性的，而不是限制性的，并且本主题公开不排除对本主题的修改、变化和/或添加，这对于本领域普通技术人员来说是显而易见的。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
