增强的障碍物检测的制作方法

1.本发明一般涉及用于增强的障碍物检测的系统和方法。


背景技术：

2.一些车辆配备有传感器系统，以收集与车辆周围环境的当前和发展状态相关联的数据。车辆的适当性能取决于由传感器系统中的传感器收集的数据的准确性。传感器系统可以包括雷达传感器、视觉光谱相机、激光测距设备(lidar)、热传感器、惯性测量单元(imu)或其他类型的传感器。传感器系统使得车辆能够检测车辆附近的对象和障碍物，并跟踪行人、其他车辆、交通灯或车辆周围环境中类似对象的速度和方向。然而，随着时间的推移，道路可能会出现各种变化，诸如缺陷和异常，这些缺陷和异常可能会导致车辆经历这些变化，因为在驶入或靠近它们之前，这些变化是意外的。因此，需要增强车辆对道路变化的意识，以增强车辆用户体验。


技术实现要素：

3.本文描述的示例实施例提供了用于道路上障碍物检测的某些系统、方法和设备。
4.在一个或多个实施例中，增强的障碍物检测系统可以有助于将雷达数据与由雷达和车辆相机捕获的相机图像相结合，以评估车辆前方的道路状况。增强的障碍物检测系统可以利用安装在目标车辆上的雷达来捕获雷达数据，以便确定在雷达视线中与前方车辆的距离以及相对于目标车辆的速度。在同一方向行驶的道路上，前方车辆将在目标车辆前面行驶。增强的障碍物检测系统还可以以预定间隔捕获多个相机帧，以便评估和估计前方车辆的位置。
5.在一个或多个实施例中，增强的障碍物检测系统可以应用边界参数，以确定目标车辆前方的前方车辆的任何异常移动。一些边界参数可以基于前方车辆在道路上行驶时的预期坐标。这些边界参数可以是高程阈值、标称姿态/朝向阈值和与道路上预定义线的偏差阈值的形式。应该理解，当描述车辆、船舶或飞机的3d朝向时，通常使用姿态。例如，车辆姿态可以指定车辆或其他对象相对于地平线、运动方向、其他对象等的朝向。
6.在一个或多个实施例中，当前方车辆在某个位置发生异常移动时，增强的障碍物检测系统可以标记前方车辆的位置。增强的障碍物检测系统可以将该位置标记为遇到故障或路面状况。这也可能由于天气状况而发生。例如，在结冰的道路上或在大雨期间。在一个或多个实施例中，增强的障碍物检测系统可以利用相机数据来估计前方车辆的位置。例如，前方车辆可以与由像素区域定义的特定图像相关联。像素区域可以被确定为代表前方车辆。增强的障碍物检测系统可以计算该像素区域上的坐标中心，并在一段时间内沿着该轨迹穿过目标车辆前方的空间。在这段时间内，相机可以捕获多个帧。例如，相机可以每秒捕获大约1到100帧。
7.在一个或多个实施例中，增强的障碍物检测系统可以将由相机和雷达捕获的数据与特定道路上的预定正常路径进行比较。例如，可以基于当时前方车辆的地理位置来确定
前方车辆的平均路径。然后将此路径与该道路的直线移动路径进行比较，或者如果道路不在直线上，也可以将其与沿着道路直线的样条线进行比较。这可以用于左右移动或上下弹跳的前方车辆。前方车辆在特定地理位置的移动可以与各种阈值进行比较，以指示是否存在异常路况。这些不同阈值中的一些可以包括高程阈值和侧向阈值，或其他偏差阈值。例如，道路下沉会导致前方车辆在目标车辆前方反弹。在一些示例中，如果车辆以不考虑异常情况的速度行驶，则具有异常路况的较不频繁道路可能会让驾驶员感到意外。然而，经常在该道路上行驶的驾驶员可能会预测或迅速识别异常路况，并可能主动减速或调整其车辆轨迹，以避免因道路障碍物遇到标称速度和轨迹而产生不必要的后果。在前方车辆熟悉当地道路的情况下，前方车辆可能不会明显偏离异常路况的位置或姿态阈值。在这种情况下，增强的障碍物检测系统可以利用时间阈值，以便确定前方车辆偏离组合时空域中的标称坐标。如果异常路况是由前方车辆的移动触发的，前方车辆的速度可能会保持一致，并且不会随着异常路况的触发而改变。然而，所计算的坐标中心和前方或相邻车辆的瞬时姿态/朝向可能会发生变化，并可以用作要与各种阈值进行比较的度量。例如，在目标车辆的前视野中拍摄的相机帧中的至少一个中的图像可以改变，并且可以用作与各种阈值进行比较的度量。在一个或多个实施例中，增强的障碍物检测系统可以确定前方的相邻车辆何时异常地左右移动。例如，为了避免坑洼或其他路况，车辆可能会左右移动。增强的障碍物检测系统可以使用地图数据计算前方车辆行驶的车道的正常中心。由此，可以定义“泳道”，并可对其进行投影，以指示各种车辆名义上应如何在该特定位置行驶。例如，如果车辆偏离泳道，则增强的障碍物检测系统可以指示异常驾驶状况，并可以为与前方车辆相关的异常驾驶状况设置标志。在一些情况下，该标志可以触发动作，该动作可以包括在输出设备上显示警告、通知中央服务器、通知车辆用户或使车辆采取规避机动。通知可以包括声音、视觉、sms文本、数字数据传送等。跟踪前方车辆的目标车辆可能不在前方车辆的同一地理位置，因为前方车辆在同一方向行驶的目标车辆之前行驶。因此，目标车辆在到达该位置之前无法确定前方的路况类型。增强的障碍物检测系统将有助于目标车辆利用与异常驾驶状况相关联的信息，即使目标车辆目前不在前方车辆的同一地理位置。
8.在一个或多个实施例中，增强的障碍物检测系统可以有助于捕获道路地图数据。地图数据可以是从先前基线收集的，该收集可以是在地图绘制过程期间被先前执行的，该过程涉及车辆重复暴露在同一道路上。基于对道路的重复暴露，当驾驶员尽可能靠近道路中心驾驶时，可以生成地图，使用表示车道中心的函数生成样条线。由此，与车道中心相关联的平均值可以根据大多数车辆在标称车道中心加上或减去误差范围内以正常方式行驶的位置来确定。
9.在一个或多个实施例中，增强的障碍物检测系统可以使用lidar传感器确定标称地平面并指示预期的正常道路高程。使用估计坐标，如果前方车辆在预定时间段(例如，一秒或两秒)内经历振动，但随后返回其预期路径，则可以设置标志以指示异常路况。振动是指当车辆悬架接触道路中的颠簸或其他导致车辆悬架垂直移动的路况时，车辆悬架向上的反弹或垂直移动。
10.在一个或多个实施例中，增强的障碍物检测系统可以使用诸如wi-fi或蜂窝连接的通信机制，以便向地图数据中心发送与设置指示异常路况的标志相关联的数据。然后，地图数据中心将编译设置这些标志的时间和地点的历史记录。在一些情况下，该标志可以触
发动作，该动作可以包括在输出设备上显示警告、通知中央服务器、通知车辆用户或使车辆采取规避机动。通知可以包括声音、视觉、sms文本、数字数据传送。在一个或多个实施例中，增强的障碍物检测系统可以通知可以连接到与目标车辆相同网络的其他相邻车辆，以确认跟随其自己的前方车辆的这些相邻车辆在该地理位置是否也经历了相同的行为。
11.在一个或多个实施例中，增强的障碍物检测系统可以基于设置一个或多个标志以指示异常路况，促进与特定地理位置相关联的数据的众包(crowdsourcing)。随着更多的车辆基于异常路况提供与该地理位置相关联的信息，置信水平增加。
12.以上描述仅用于说明，并非限制。可能存在许多其他示例、配置、过程等，下面将更详细地描述其中的一些。现在将参考附图描述示例实施例。
附图说明
13.图1示出了根据本发明的一个或多个示例实施例的车辆的示例环境。
14.图2a-2b描绘了根据本发明的一个或多个示例实施例的增强的障碍物检测系统的示意图。
15.图3a-3c描绘了根据本公开的一个或多个示例实施例的增强的障碍物检测系统的示意图。
16.图4描绘了根据本公开的一个或多个示例实施例的增强的障碍物检测的示意图。
17.图5是示出根据本公开的一个或多个示例实施例的可以在其上执行一个或多个技术(例如，方法)中的任何一个的计算设备或计算机系统的示例的框图。
18.下面将参考附图更全面地描述某些实现，附图中示出了各种实现和/或方面。然而，各种方面可以以许多不同形式实现，并且不应被解释为限于本文所述的实现；相反，提供这些实现使得本公开将是彻底和完整的，并且将向本领域技术人员充分传达本公开的范围。图中的相似编号指的是贯穿始终的相似元素。因此，如果在多个附图中使用某个特征，则用于标识该特征首次出现的附图中的特征的编号将在以后的附图中使用。
具体实施方式
19.传感器可以位于自主车辆上的不同位置。这些传感器可以包括lidar传感器、立体相机、雷达传感器、热传感器、惯性测量单元(imu)或附接至自主车辆的其他传感器。
20.在方位分辨率和高程分辨率方面，汽车环境中的雷达传感器比lidar或相机具有更粗的分辨率。在一些情况下，雷达甚至可能没有高程分辨率。然而，雷达传感器在速度分辨率和测距分辨率方面都非常出色。道路可能具有诸如从道路上的一个点到另一个点而变化的拓扑改变的特性。这些拓扑改变可能具有不同的高程变化，在一些情况下，还可能存在障碍物，诸如坑洞、道路急剧下沉或其他类型的障碍物。这些道路特性可能会导致毫无戒备的车辆操作员在未仔细识别前方情况下接近障碍物。例如，前方车辆可能会急剧减速，这将导致跟踪车辆快速减速以避免碰撞。根据前方车辆上发生的事件确定行动方案，作为前方情况的指示，甚至根据历史记录了解道路状况，这将是有益的。
21.本文描述的示例实施例提供了用于道路上障碍物检测的某些系统、方法和设备。
22.在一个或多个实施例中，增强的障碍物检测系统可以有助于将雷达数据与由雷达和车辆相机捕获的相机图像相结合，以评估车辆前方的道路状况。增强的障碍物检测系统
可以利用安装在目标车辆上的雷达来捕获雷达数据，以便确定在雷达视线中与前方车辆的距离以及相对于目标车辆的速度。在同一方向行驶的道路上，前方车辆将在目标车辆前面行驶。增强的障碍物检测系统还可以以预定间隔捕获多个相机帧，以便评估和估计前方车辆的位置。
23.在一个或多个实施例中，增强的障碍物检测系统可以应用边界参数，以确定目标车辆前方的前方车辆的任何异常移动。一些边界参数可以基于前方车辆在道路上行驶时的预期坐标。这些边界参数可以是高程阈值、标称姿态/朝向阈值和与道路上预定义线的偏差阈值的形式。应该理解，当描述车辆、船舶或飞机的3d朝向时，通常使用姿态。例如，车辆姿态可以指定车辆或其他对象相对于地平线、运动方向、其他对象等的朝向。
24.在一个或多个实施例中，当前方车辆在某个位置发生异常移动时，增强的障碍物检测系统可以标记前方车辆的位置。增强的障碍物检测系统可以将该位置标记为遇到故障或路面状况。这也可能由于天气状况而发生。例如，在结冰的道路上或在大雨期间。在一个或多个实施例中，增强的障碍物检测系统可以利用相机数据来估计前方车辆的位置。例如，前方车辆可以与由像素区域定义的特定图像相关联。像素区域可以被确定为代表前方车辆。增强的障碍物检测系统可以计算该像素区域上的坐标中心，并在一段时间内沿着该轨迹穿过目标车辆前方的空间。在这段时间内，相机可以捕获多个帧。例如，相机可以每秒捕获大约1到100帧。
25.在一个或多个实施例中，增强的障碍物检测系统可以将由相机和雷达捕获的数据与特定道路上的预定正常路径进行比较。例如，可以基于当时前方车辆的地理位置来确定前方车辆的平均路径。然后将此路径与该道路的直线移动路径进行比较，或者如果道路不在直线上，也可以将其与沿着道路直线的样条线进行比较。这可以用于左右移动或上下弹跳的前方车辆。前方车辆在特定地理位置的移动可以与各种阈值进行比较，以指示是否存在异常路况。这些不同阈值中的一些可以包括高程阈值和侧向阈值，或其他偏差阈值。例如，道路下沉会导致前方车辆在目标车辆前方反弹。在一些示例中，如果车辆以不考虑异常情况的速度行驶，则具有异常路况的较不频繁道路可能会让驾驶员感到意外。然而，经常在该道路上行驶的驾驶员可能会预测或迅速识别异常路况，并可能主动减速或调整其车辆轨迹，以避免因道路障碍物遇到标称速度和轨迹而产生不必要的后果。在前方车辆熟悉当地道路的情况下，前方车辆可能不会明显偏离异常路况的位置或姿态阈值。在这种情况下，增强的障碍物检测系统可以利用时间阈值，以便确定前方车辆偏离组合时空域中的标称坐标。如果异常路况是由前方车辆的移动触发的，前方车辆的速度可能会保持一致，并且不会随着异常路况的触发而改变。然而，所计算的坐标中心和前方或相邻车辆的瞬时姿态/朝向可能会发生变化，并可以用作要与各种阈值进行比较的度量。例如，在目标车辆的前视野中拍摄的相机帧中的至少一个中的图像可以改变，并且可以用作与各种阈值进行比较的度量。在一个或多个实施例中，增强的障碍物检测系统可以确定前方的相邻车辆何时异常地左右移动。例如，为了避免坑洼或其他路况，车辆可能会左右移动。增强的障碍物检测系统可以使用地图数据计算前方车辆行驶的车道的正常中心。由此，可以定义“泳道”，并可对其进行投影，以指示各种车辆名义上应如何在该特定位置行驶。例如，如果车辆偏离泳道，则增强的障碍物检测系统可以指示异常驾驶状况，并可以为与前方车辆相关的异常驾驶状况设置标志。在一些情况下，该标志可以触发动作，该动作可以包括在输出设备上显示警告、
通知中央服务器、通知车辆用户或使车辆采取规避机动。通知可以包括声音、视觉、sms文本、数字数据传送等。跟踪前方车辆的目标车辆可能不在前方车辆的同一地理位置，因为前方车辆在同一方向行驶的目标车辆之前行驶。因此，目标车辆在到达该位置之前无法确定前方的路况类型。增强的障碍物检测系统将有助于目标车辆利用与异常驾驶状况相关联的信息，即使目标车辆目前不在前方车辆的同一地理位置。
26.在一个或多个实施例中，增强的障碍物检测系统可以有助于捕获道路地图数据。地图数据可以是从先前基线收集的，该收集可以是在地图绘制过程期间被先前执行的，该过程涉及车辆重复暴露在同一道路上。基于对道路的重复暴露，当驾驶员尽可能靠近道路中心驾驶时，可以生成地图，使用表示车道中心的函数生成样条线。由此，与车道中心相关联的平均值可以根据大多数车辆在标称车道中心加上或减去误差范围内以正常方式行驶的位置来确定。
27.在一个或多个实施例中，增强的障碍物检测系统可以使用lidar传感器确定标称地平面并指示预期的正常道路高程。使用估计坐标，如果前方车辆在预定时间段(例如，一秒或两秒)内经历振动，但随后返回其预期路径，则可以设置标志以指示异常路况。振动是指当车辆悬架接触道路中的颠簸或其他导致车辆悬架垂直移动的路况时，车辆悬架向上的反弹或垂直移动。
28.在一个或多个实施例中，增强的障碍物检测系统可以使用诸如wi-fi或蜂窝连接的通信机制，以便向地图数据中心发送与设置指示异常路况的标志相关联的数据。然后，地图数据中心将编译设置这些标志的时间和地点的历史记录。在一些情况下，该标志可以触发动作，该动作可以包括在输出设备上显示警告、通知中央服务器、通知车辆用户或使车辆采取规避机动。通知可以包括声音、视觉、sms文本、数字数据传送。在一个或多个实施例中，增强的障碍物检测系统可以通知可以连接到与目标车辆相同网络的其他相邻车辆，以确认跟随其自己的前方车辆的这些相邻车辆在该地理位置是否也经历了相同的行为。
29.在一个或多个实施例中，增强的障碍物检测系统可以基于设置一个或多个标志以指示异常路况，促进与特定地理位置相关联的数据的众包。随着更多的车辆基于异常路况提供与该地理位置相关联的信息，置信水平增加。
30.以上描述仅用于说明，并非限制。可能存在许多其他示例、配置、过程等，下面将更详细地描述其中的一些。现在将参考附图描述示例实施例。
31.图1示出了根据本发明的一个或多个示例实施例的车辆102的示例环境100。
32.参考图1，示出了在同一方向的道路上行驶的目标跟踪车辆102和相邻的前方车辆103。车辆102(或车辆103)可以包括一个或多个传感器125。一个或多个传感器125可以与多个相机、发射器和传感器相关联。一个或多个传感器125可以连接至车辆102(例如，在车辆102上的不同位置处)。在该环境100中，示出了一个或多个传感器125包括lidar 122、相机124、热传感器126、雷达128、惯性测量单元(imu)和一个或多个处理器132。相机124可以捕获车辆102附近和周围对象的图像。其他发射器和传感器可发送和/或接收一个或多个信号，以便检测和/或捕获与目标车辆102附近和周围对象相关联的信息。例如，lidar 122可以发射lidar信号(例如，光或电磁波)，雷达128使用无线电波以便确定车辆与车辆附近对象之间的距离，并且热传感器126可以捕获温度(例如，基于发射和检测到的红外信号或其他激光信号)。
33.在一个或多个实施例中，一个或多个传感器125可以包括lidar 122。lidar的一些示例，诸如盖革模式lidar、地基lidar、大尺寸lidar、小尺寸lidar等。一个或多个传感器125可以包括相机124，诸如可以在车辆附近捕获图像的立体相机102。一个或多个传感器125可以包括热传感器126，诸如热成像、热敏电阻、电阻温度检测器、热电偶、半导体等。此外，一个或多个传感器125可以包括雷达128，其可以是使用无线电波从车辆10周围的对象捕获数据的任何雷达。一个或多个传感器125还可以包括一个或多个处理器132。一个或多个处理器132可以控制与lidar 122、相机124、热传感器126和雷达128相关联的信号的发送和接收。一个或多个传感器125的各种传感器在正常条件下操作时，应该根据其预期用途进行操作。然而，车辆102可能会受到道路障碍物的影响，诸如坑洼、路面凹陷、污水坑、不规则地形、倒下的树木、碎片或任何其他可能影响车辆驾驶体验的障碍物(例如，车辆102或车辆103)。在此类道路障碍物下，车辆102可能会由于例如路面下沉而导致车辆摇晃。这将导致突然移动，可能会影响车辆102或103的可驾驶性。应理解，上述描述仅用于说明目的，并非限制。
34.图2a-2b描绘了根据本发明的一个或多个示例实施例的增强的障碍物检测系统的示意图。
35.参考图2a，图中示出了一辆可以在道路203上行驶的车辆202。该车辆202可以类似于图1中的车辆103。该车辆202可以是行驶在目标跟踪车辆(此处未示出)的前面的前方相邻车辆。车辆202可以作为跟踪车辆的早期指示机制，用于指示前方道路上的情况。例如，前方车辆202可能遇到的任何道路障碍物也可能由目标跟踪车辆遇到。车辆202可以作为对可能在车辆202后面行驶的跟踪车辆的警告。跟踪车辆可以监测车辆202的移动，以确定是否发生了车辆202可能经历的道路异常。
36.跟踪车辆可以应用边界参数来确定前方车辆202的任何异常移动。一些边界参数可以基于前方车辆202在道路上行驶时的预期坐标。这些边界参数可以是高程阈值、标称姿态/朝向阈值和与道路上预定义线的偏差阈值的形式。例如，示出车辆202具有具有水平轴和垂直轴的坐标系。例如，当车辆202在道路203上向前行驶时，水平轴210和垂直轴211与车辆202相关联。纵轴211的位置表示车辆202的侧向移动，横轴210表示车辆202的高程移动，如跟踪车辆所见。水平轴210上的一些边界参数被视为上限和下限(例如，上限215和下限216)。上限215表示车辆202的上高程阈值。下限216表示车辆202的下高程阈值。当跟踪车辆跟随并监测车辆202时，跟踪车辆将分析车辆202的高程、当前姿态/朝向和坐标系原点，以确定其在道路203上行驶时是否在上下限范围内。水平轴210可以被确定为与道路203有一定距离。例如，如图2所示，水平轴210被确定为距离标称路面203达到距离207。
37.参考图2b，示出车辆202在标称路面203上向前行驶，但在道路上下沉(例如，下沉205)。已检测到车辆202偏离边界参数(例如，上限215和下限216)之外的跟踪车辆，目标跟踪车辆可以标记前方车辆的位置，指示前方车辆202在车辆202的地理位置处的异常移动。标记位置用作目标跟踪车辆的警告标志，这也可能导致目标跟踪车辆使用此道路异常更新中央服务器，甚至可以通知与目标跟踪车辆位于同一网络中的其他车辆。目标跟踪车辆可以将该地理位置标记为遇到故障或路面状况。这也可能由于天气状况而发生。例如，在结冰的道路上或在大雨期间。
38.在图2b的示例中，示出车辆202已下沉距离209，该距离示出为低于下限216。已检
测到低于下限216的偏差的目标跟踪车辆可以标记该位置，用于进一步处理或采取行动。
39.标记位置被用作目标跟踪车辆的警告标志，这也可能导致目标跟踪车辆使用此道路异常更新中央服务器，甚至可以通知与目标跟踪车辆位于同一网络中的其他车辆。目标跟踪车辆可以将该地理位置标记为遇到故障或路面状况。这也可能由于天气状况而发生。例如，在结冰的道路上或在大雨期间。目标跟踪车辆可以使用诸如wi-fi或蜂窝连接的通信机制，以便将与设置指示异常路况的标志相关联的数据发送至地图数据中心。地图数据中心可以使用该数据编译设置这些标志的时间和地点的历史记录。然后，该历史记录将与网络中的车辆共享。在一些情况下，数据收集可能使用来自其他车辆或其他数据源的众包。随着更多的车辆基于异常路况提供与该地理位置相关联的信息，置信水平增加。应当理解，上述描述是为了说明的目的，并不意味着是限制性的。
40.图3a-3c描绘了根据本公开的一个或多个示例实施例的增强的障碍物检测系统的示意图。
41.参考图3a，示出了两辆车辆在同一方向行驶。这两辆车辆分别是前方车辆303和目标跟踪车辆302。车辆303可以是在目标跟踪车辆302前面行驶的前方车辆。车辆303可以作为目标跟踪车辆302前方道路的早期指示。例如，当跟踪车辆302到达前方车辆303的同一地理位置时，车辆303可能遇到的任何道路障碍物也可能被目标跟踪车辆302遇到。前方车辆303用作对可能在前方车辆303后面行驶的跟踪车辆302的警告。跟踪车辆302可以监测前方车辆303的移动，以确定是否发生了前方车辆303可能经历的道路异常。
42.目标跟踪车辆302可以应用边界参数来确定前方车辆303的任何异常移动。一些边界参数可以基于前方车辆303在道路上行驶时的预期坐标。这些边界参数可以是与道路上预定义线的中线偏差阈值的形式。例如，示出前方车辆303正在围绕中线301行驶。围绕中线301的一些边界参数示出为向外偏移阈值310和向内偏移阈值311。向外偏离阈值310表示前方车辆303在触发指示前方车辆303异常行为的标志之前可能偏离中线301的距离。向内偏离阈值表示在触发指示前方车辆303异常行为的标志之前，前方车辆303可以从中线301向迎面车道偏离多远。在一些情况下，该标志可以触发动作，该动作可以包括在输出设备上显示警告、通知中央服务器、通知车辆用户或使车辆采取规避机动。通知可以包括声音、视觉、sms文本、数字数据传送。
43.当目标跟踪车辆跟随并监测前方车辆303时，跟踪车辆302可以分析前方车辆303的侧向移动，以确定前方车辆303在道路上行驶时是否在规定的横向边界内。向外和向内偏差阈值可以基于从中央服务器接收到的信息来设置，或者可以由网络管理员设置，以在设置标志之前指示偏差水平。
44.参考图3b，示出了前方车辆303已向外偏离跟踪车辆302右侧的距离306，该距离306被示出为大于向外偏离阈值310。已检测到偏差大于向外偏差阈值310的目标跟踪车辆302可以标记前方车辆303的位置以供进一步处理或操作。标记该位置可以指示对跟踪车辆302的警告，即在前方车辆303的位置发生了道路异常。跟踪车辆302可以利用该道路异常更新中央服务器，或者甚至可以通知与跟踪车辆在同一网络中的其他车辆。跟踪车辆302可以将该地理位置标记为经历故障、路面状况或导致前方车辆303在该地理位置偏离其在道路上的预期轨迹的任何其他状况。这也可能由于天气状况而发生。例如，在结冰的道路上或大雨期间，可能导致前方车辆303偏离参数界限。目标跟踪车辆302可以使用诸如wi-fi或蜂窝
连接的通信机制，以便向地图数据中心发送与设置指示异常路况的标志相关联的数据。地图数据中心可以使用该数据编译设置这些标志的时间和地点的历史记录。该历史记录可以与网络中的车辆共享。在一些情况下，数据收集可能使用来自其他车辆或其他数据源的众包。随着更多的车辆和其他数据源基于异常路况提供与地理位置相关联的信息，置信水平增加。
45.参考图3c，示出了目标车辆322可以在交叉点处检测第一相邻车辆323和第二相邻车辆324，使得两个相邻车辆的路径将与目标车辆322的路径交叉。目标车辆322可以是静止的(例如，在第一道路和第二道路交叉口的停车标志、让行标志、环形交叉口或红绿灯处停车)，但仍然可以检测两个相邻的车辆。尽管在该场景中，示出了两个相邻车辆，但相邻车辆323或324的存在可能不会同时发生，但示出它们主要是为了说明目标车辆322可能遇到的各种场景。例如，相邻车辆323可沿其预期行驶路径330遇到显著障碍物326。在该场景中，示出了相邻车辆323表现出横向偏差(侧向)(例如，新的偏差路径332)和/或显著的纵向偏差(例如，制动或减速)，以避免或为在预期路径330附近发现的障碍物326做准备。在这种情况下，目标车辆322可以检测该偏差并在特定时间比较意外位置。例如，基于历史数据或与沿相邻车辆323相同方向行驶的车辆相关联的其他数据，目标车辆322可能有一些期望，即相邻车辆323将沿着其车道中心行驶，并以适度的误差界限保持平稳的加速或制动。然而，目标车辆322可以确定相邻车辆323违反了给定场景的标称行为的预期空间或时间估计，超出了一个或多个阈值。例如，如果横向偏差超过预定横向阈值，或者如果纵向偏差超过预定纵向阈值，则目标车辆322可以设置与相邻车辆323的地理位置相关联的标志，并将该信息本地或无线地保存到服务器。这将创建可以与网络中的其他车辆共享的历史记录。在一些情况下，数据收集可以使用来自其他车辆或数据源的众包。随着更多的车辆或其他数据源给予异常路况提供与该地理位置相关联的信息，置信水平增加。
46.与相邻车辆323的情况类似，相邻车辆324也可能沿其行驶路径334遇到障碍物328。然而，在这种情况下，相邻车辆324可以在纵向和/或横向上稍微偏离。这样做可能是为了提供远离障碍物的额外警告和安全裕度。然而，目标车辆322可以确定相邻车辆324没有违反超出一个或多个阈值的给定场景的标称行为的预期空间或时间估计。例如，如果横向偏差低于预定横向阈值，或者如果纵向偏差小于预定纵向阈值，则目标车辆322可以不设置与相邻车辆324的地理位置相关联的标志。
47.应理解，上述描述仅用于说明，并不意味着限制。
48.图4示出了根据本公开的一个或多个示例实施例的用于说明性增强的障碍物检测系统的过程400的流程图。
49.在框402，车辆(例如，目标车辆)可以检测到在车辆附近在第一交通方向中的第一道路上行驶的相邻车辆。
50.在框404，车辆可以使用车辆的一个或多个传感器收集与相邻车辆相关联的数据。
51.在框406，车辆可以基于所收集的数据确定相邻车辆在相邻车辆地理位置处的状态。
52.在框408，车辆可以基于相邻车辆的状态确定在地理位置处发生了第一道路异常。
53.在框410，车辆可设置指示第一道路异常的第一标志。
54.在框412，车辆可以基于第一标志确定采取第一行动。
55.应理解，上述描述仅用于说明，并不意味着限制。
56.图5是示出根据本公开的一个或多个示例实施例，可以在其上执行一个或多个技术(例如，方法)中的任何一个的计算设备或计算机系统500的示例的框图。
57.例如，图5的计算系统500可以表示图2a、2b和3的一个或多个处理器132和/或一个或多个测量设备，因此可以评估和验证图1的传感器系统110中的传感器。计算机系统(系统)包括一个或多个处理器502-506。处理器502-506可以包括一个或多个内部级别的高速缓存(未示出)和总线控制器(例如，总线控制器522)或总线接口(例如，i/o接口520)单元，以直接与处理器总线512交互。增强的障碍物检测设备509还可以与处理器502-506通信，并且可以连接到处理器总线512。
58.处理器总线512，也称为主机总线或前端总线，可以用于将处理器502-506和/或增强的障碍物检测设备509与系统接口524耦合。系统接口524可以连接到处理器总线512，以将系统500的其他组件与处理器总线512接合。例如，系统接口524可以包括用于将主存储器516与处理器总线512接合的存储器控制器518。主存储器516通常包括一个或多个存储卡和控制电路(未示出)。系统接口524还可以包括输入/输出(i/o)接口520，以将一个或多个i/o桥525或i/o设备530与处理器总线512接合。如图所示，一个或多个i/o控制器和/或i/o设备(诸如i/o控制器528和i/o设备530)可以与i/o总线526连接。
59.输入/输出设备530还可以包括输入设备(未示出)，诸如字母数字输入设备，包括用于向处理器502-506和/或增强的障碍物检测设备509通信信息和/或命令选择的字母数字键和其他键。另一类型的用户输入设备包括光标控制，诸如鼠标、轨迹球或光标方向键，用于向处理器502-506和/或增强的障碍物检测设备509通信方向信息和命令选择，并用于控制显示设备上的光标移动。
60.系统500可以包括称为主存储器516的动态存储设备，或耦合到处理器总线512的随机存取存储器(ram)或其他计算机可读设备，用于存储将由处理器502-506和/或增强的障碍物检测设备509执行的信息和指令。主存储器516还可以用于在处理器502-506和/或增强的障碍物检测设备509执行指令期间存储临时变量或其他中间信息。系统500可以包括只读存储器(rom)和/或耦合到处理器总线512的其他静态存储设备，用于存储处理器502-506和/或增强的障碍物检测设备509的静态信息和指令。图5中概述的系统只是计算机系统的一个可能示例，该计算机系统可以采用或根据本公开的方面进行配置。
61.根据一个实施例，计算机系统500可以响应于处理器504执行主存储器516中包含的一个或多个指令的一个或多个序列来执行上述技术。这些指令可以从另一机器可读介质(诸如存储设备)读入主存储器516。执行主存储器516中包含的指令序列可以导致处理器502-506和/或增强的障碍物检测设备509执行本文所述的处理步骤。在替代实施例中，可以使用电路代替软件指令或与软件指令结合使用。因此，本发明的实施例可以包括硬件和软件组件。
62.处理器502-506和/或增强的障碍物检测设备509可以有助于将雷达数据与由雷达和车辆相机捕获的相机图像相结合，以评估车辆前方的道路状况。增强的障碍物检测系统可以利用安装在目标车辆上的雷达来捕获雷达数据，以便确定在雷达视线中与前方车辆的距离以及相对于目标车辆的速度。在同一方向行驶的道路上，前方车辆将在跟踪前方车辆的目标车辆前面行驶。增强的障碍物检测系统还可以以预定间隔捕获多个相机帧，以便评
估和估计前方车辆的位置。
63.处理器502-506和/或增强的障碍物检测设备509可以应用边界参数来确定目标车辆前方的前方车辆的任何异常移动。一些边界参数可能基于前方车辆在道路上行驶时的预期坐标。这些边界参数可以是高程阈值、姿态/朝向阈值和与道路上预定义线的偏差阈值的形式。
64.处理器502-506和/或增强的障碍物检测设备509可以在前方车辆的位置处发生异常移动时标记前方车辆的位置。增强的障碍物检测系统可以将该位置标记为遇到故障或路面状况。这也可能由于天气状况而发生。例如，在结冰的道路上或在大雨期间。
65.处理器502-506和/或增强的障碍物检测设备509可以利用相机数据来估计前方车辆的位置。例如，前方车辆可以与由像素区域定义的特定图像相关联。像素区域可以被确定为代表前方车辆。增强的障碍物检测系统可以确定坐标中心，然后将坐标中心指向该像素区域，并在一段时间内沿着该轨迹穿过目标车辆前方的空间。在这段时间期间，相机可以捕获多个帧。例如，在10秒的时间段期间，相机可以捕获八个帧。
66.处理器502-506和/或增强的障碍物检测设备509可以将由相机和雷达捕获的数据与特定道路上的预定正常路径进行比较。例如，可以基于当时前方车辆的地理位置来确定前方车辆的平均路径。然后将此路径与该道路的直线移动路径进行比较，或者如果道路不在直线上，也可以将其与沿着道路直线的样条线进行比较。这可以用于左右移动或上下弹跳的前方车辆。前方车辆在特定地理位置处的移动可以与各种阈值进行比较，以指示是否存在异常路况。这些各种阈值中的一些可以包括高程阈值、姿态/朝向阈值、横向运动阈值和/或其他偏差阈值。例如，道路下沉会导致前方车辆在目标车辆前方反弹。在一些示例中，如果车辆以不考虑异常情况的速度行驶，则具有异常路况的较不频繁道路可能会让驾驶员感到意外。然而，经常在该道路行驶的驾驶员可能会识别出异常路况，并可能会减速，从而不会触发异常路况。尽管异常路况是由前方的相邻车辆的移动触发的，但前方车辆的速度可能保持一致，并且不会随着异常路况的触发而改变。然而，其在目标车辆的前视野中的至少一个捕获的相机帧中的图像可以改变，并且可以用作与各种阈值进行比较的度量。
67.处理器502-506和/或增强的障碍物检测设备509可以确定前方车辆何时异常侧向移动。例如，为了避免坑洼或其他路况，车辆可能会左右移动。增强的障碍物检测系统可以使用地图数据计算前方车辆行驶的车道的正常中心。由此，可以定义一条“泳道”，并可以对其进行投影，以指示车辆在该特定位置的正常行驶方式。例如，如果车辆偏离泳道，则增强的障碍物检测系统可以指示异常驾驶状况，并可为与前方车辆相关联的异常驾驶状况设置标志。跟踪前方车辆的目标车辆可能不在前方车辆的同一地理位置，因为前方车辆在同一方向行驶的目标车辆之前行驶。因此，在到达该位置之前，目标车辆无法辨别前方的路况类型。处理器502-506和/或增强的障碍物检测设备509可以促进对象车辆可以利用与异常驾驶状况相关联的信息，即使对象车辆尚未处于前方车辆的相同地理位置。
68.处理器502-506和/或增强的障碍物检测设备509可以捕获道路的地图数据。地图数据可能是在地图绘制过程中收集的，该过程涉及车辆重复暴露在同一道路上。基于对道路的重复暴露，当驾驶员尽可能靠近道路中心驾驶时，可以生成地图，使用表示车道中心的函数生成样条线。由此，与车道中心相关联的平均值可以基于大多数人在车道中心加上或减去误差范围后以正常方式驾驶的位置来确定。
69.处理器502-506和/或增强的障碍物检测设备509可以使用lidar传感器、imu传感器和/或先前的地图数据来指示预期的正常道路高程。使用估计坐标，如果前方车辆在预定时间段(例如，一秒或两秒)内经历振动，但随后返回其预期路径，则可以设置标志以指示异常路况。振动是指当车辆悬架接触道路上的颠簸或其他导致车辆悬架垂直移动的路况时，车辆悬架向上的反弹或垂直移动。
70.处理器502-506和/或增强的障碍物检测设备509可以使用诸如wi-fi或蜂窝连接的通信机制，以便将与设置指示异常路况的标志相关联的数据发送到地图数据中心。然后，地图数据中心将编译设置这些标志的时间和地点的历史记录。处理器502-506和/或增强的障碍物检测设备509可以通知可以连接到与目标车辆相同网络的其他相邻车辆，以确认跟随其自身前方车辆的这些相邻车辆在该地理位置处是否也经历了相同的行为。
71.处理器502-506和/或增强的障碍物检测设备509可以基于设置一个或多个标志以指示异常路况，促进与特定地理位置相关联的数据的众包。随着更多的车辆根据异常路况提供与该地理位置相关联的信息，置信水平增加。
72.各种实施例可以完全或部分地在软件和/或固件中实现。该软件和/或固件可以采用包含在非暂时性计算机可读存储介质中或其上的指令的形式。然后，这些指令可由一个或多个处理器读取和执行，以实现本文所述操作的性能。指令可以是任何合适的形式，诸如但不限于源代码、编译代码、解释代码、可执行代码、静态代码、动态代码等。这种计算机可读介质可以包括用于以一台或多台计算机可读的形式存储信息的任何有形非暂时介质，诸如但不限于只读存储器(rom)；随机存取存储器(ram)；磁盘存储介质；光存储介质；闪存等。
73.机器可读介质包括用于以机器(例如计算机)可读的形式(例如软件、处理应用程序)存储或传输信息的任何机制。此类介质可以采取但不限于非易失性介质和易失性介质的形式，并可以包括可移动数据存储介质、非可移动数据存储介质和/或通过有线或无线网络架构与此类计算机程序产品一起提供的外部存储设备，包括一个或多个数据库管理产品、web服务器产品、应用程序服务器产品和/或其他附加软件组件。可移动数据存储介质的示例包括光盘只读存储器(cd-rom)、数字多功能光盘只读存储器(dvd-rom)、磁光盘、闪存驱动器等。不可移动数据存储介质的示例包括内部硬盘、ssd等。一个或多个存储器设备606(未示出)可以包括易失性存储器(例如，动态随机存取存储器(dram)、静态随机存取存储器(sram)等)和/或非易失性存储器(例如，只读存储器(rom)、闪存等)。
74.包含根据当前描述的技术实现系统和方法的机制的计算机程序产品可以驻留在主存储器516中，主存储器516可以被称为机器可读介质。应当理解，机器可读介质可以包括能够存储或编码指令以执行本发明的任何一个或多个操作以供机器执行的任何有形非暂时性介质，或者能够存储或编码由这样的指令使用的或与这样的指令相关联的数据结构和/或模块。机器可读介质可以包括存储一个或多个可执行指令或数据结构的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的缓存和服务器)。
75.本发明的实施例包括本说明书中描述的各种步骤。这些步骤可以由硬件组件执行，或者可以体现在机器可执行指令中，机器可执行指令可以用于使用这些指令编程的通用或专用处理器执行这些步骤。替代地，可以通过硬件、软件和/或固件的组合来执行这些步骤。
76.在不脱离本发明范围的情况下，可以对所讨论的示例性实施例进行各种修改和添
加。例如，尽管上述实施例涉及特定特征，但本发明的范围还包括具有不同特征组合的实施例和不包括所有所述特征的实施例。因此，本发明的范围旨在包括所有此类替代、修改和变化及其所有等效物。
77.上述描述和示出的操作和过程可以按照各种实现中所需的任何适当顺序进行或执行。此外，在某些实现中，至少一部分操作可以并行执行。此外，在某些实现中，可以执行少于或多于所描述的操作。
78.本文中的“示例性”一词是指“用作示例、实例或说明”。本文中描述为“示例性”的任何实施例不一定被解释为比其他实施例更优选或更有利。
79.如本文所用，除非另有规定，否则使用顺序形容词“第一”、“第二”、“第三”等来描述一个公共对象，仅表示所指的是类似对象的不同实例，并不意味着所描述的对象必须按给定的顺序、时间、空间、排名或任何其他方式。
80.应理解，上述描述仅用于说明，并不意味着限制。
81.尽管已经描述了本发明的具体实施例，但本领域的普通技术人员将认识到许多其他修改和替代实施例在本发明的范围内。例如，关于特定设备或组件描述的任何功能和/或处理能力可以由任何其他设备或组件执行。此外，虽然已经根据本发明的实施例描述了各种说明性实现和体系结构，但本领域的普通技术人员将理解，对本文描述的说明性实现和体系结构的许多其他修改也在本发明的范围内。
82.尽管已经用特定于结构特征和/或方法行为的语言描述了实施例，但是应当理解，本公开不一定限于所描述的特定特征或行为。相反，具体特征和动作被公开为实现实施例的说明性形式。条件语言，例如，除其他外，“可以”、“可以”、“可能”或“可以”，除非另有明确说明，或在所使用的上下文中以其他方式理解，一般旨在传达某些实施例可以包括，而其他实施例不包括某些特征、元素和/或步骤。因此，这样的条件语言通常并不意味着一个或多个实施例以任何方式需要特征、元素和/或步骤，或者一个或多个实施例必须包括用于在有或没有用户输入或提示的情况下决定这些特征、元素和/或步骤是否是和/或在任何特定实施例中包括或将执行步骤。