用于在异构计算平台中达成算法安全性的系统的制作方法

用于在异构计算平台中达成算法安全性的系统
1.相关申请
2.本技术要求于2019年12月17日提交的题为“system to achieve algorithm safety in heterogeneous compute platform(用于在异构计算平台中达成算法安全性的系统)”的美国临时申请no.62/949,426的优先权权益，该临时申请的全部内容通过援引且出于所有目的被纳入于此。
3.背景
4.随着行业朝着部署自主和半自主交通工具的方向发展，汽车和卡车正变得更加智能。自主和半自主交通工具能够检测关于其位置和周围环境的信息(例如，使用雷达、激光雷达、gps、文件里程表、加速度计、相机和其他传感器)，并且包括控制系统，该控制系统解读传感信息以标识危险并确定要遵循的导航路径。自主和半自主交通工具包括控制系统以在有限的或没有来自汽车的占用者或其他操作者的控制下运行。
5.概述
6.各种方面包括使交通工具(诸如自主交通工具、半自主交通工具等)能够在具有各种安全性等级的异构计算平台上达成各种算法的算法安全性的方法。
7.各种方面包括用于支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法，该方法可包括：接收要在异构计算系统中运行要求安全性合规的算法(诸如要求安全性合规的交通工具算法)的指示；确定异构计算系统的非安全性合规计算单元是否优选用于运行该算法；以及响应于确定异构计算系统的非安全性合规计算单元优选用于运行该算法，修改该算法的执行以使用异构计算系统的非安全性合规计算单元执行该算法的一部分并且使用异构计算系统的安全性合规计算单元执行该算法的另一部分。在一些方面，修改该算法的执行以使用异构计算系统的非安全性合规计算单元执行该算法的一部分并且使用异构计算系统的安全性合规计算单元执行该算法的另一部分可包括：修改该算法的执行以创建该算法的轻量版本，以供在异构计算系统的安全性合规计算单元上运行。
8.一些方面可进一步包括：在异构计算系统的非安全性合规计算单元上运行该算法以针对数据集生成较精细输出；在异构计算系统的安全性合规计算单元上运行该算法的轻量版本以针对该数据集生成粗略输出；确定较精细输出和粗略输出是否匹配；以及响应于确定较精细输出和粗略输出不匹配而生成警报。
9.一些方面可进一步包括：在异构计算系统的非安全性合规计算单元上运行该算法以针对数据集生成较精细输出；在安全性合规计算单元上对该数据集的随机采样部分运行该算法的轻量版本，以针对该数据集的随机采样部分生成粗略输出；确定针对随机采样部分的粗略输出和较精细输出是否匹配；以及响应于确定针对随机采样部分的粗略输出和较精细输出不匹配而生成警报。
10.在一些方面，修改该算法的执行以使用异构计算系统的非安全性合规计算单元执行该算法的一部分并且使用异构计算系统的安全性合规计算单元执行该算法的另一部分可包括：标识数据集的关键部分；在异构计算系统的安全性合规计算单元上运行该算法以针对该数据集的所标识的关键部分生成较精细输出；以及在异构计算系统的非安全性合规
计算单元上运行该算法以针对该数据集的所有其他部分生成较精细输出。
11.各种方面包括用于支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法，该方法可包括：接收要在异构计算系统中运行要求安全性合规的算法(诸如要求安全性合规的交通工具算法)的指示；确定异构计算系统的非安全性合规计算单元是否优选用于运行该算法；响应于确定异构计算系统的非安全性合规计算单元优选用于运行该算法而修改该算法的执行以创建该算法的轻量版本；标识数据集的重要部分；在异构计算系统的安全性合规计算单元上运行该算法以针对该数据集的所标识的重要部分生成较精细输出；以及在异构计算系统的安全性合规计算单元上运行该算法的轻量版本以针对该数据集的所有其他部分生成粗略输出。
12.在各种方面，异构计算系统(诸如交通工具异构计算系统)可以是片上系统。在各种方面，安全性合规计算单元可以是中央处理单元或数字信号处理单元，而非安全性合规计算单元是图形处理单元。在各种方面，异构计算系统可以是交通工具异构计算系统，并且要求安全性合规的算法可以是要求安全性合规的交通工具算法。在各种实施例中，要求安全性合规的交通工具算法可以是要求汽车安全完整性等级b(asil b)合规的交通工具算法。
13.进一步方面包括包含处理器的交通工具，该处理器配置有用于执行以上概述的任何方法的操作的处理器可执行指令。进一步方面包括其上存储有处理器可执行软件指令的非瞬态处理器可读存储介质，该处理器可执行软件指令被配置成使处理器执行以上概述的任何方法的操作。进一步方面包括一种处理设备，其用在交通工具中且被配置成执行以上概述的任何方法的操作。
14.附图简述
15.纳入于此且构成本说明书一部分的附图解说了各示例性实施例，并与以上给出的概括描述和下面给出的详细描述一起用来解释各种实施例的特征。
16.图1a和1b是解说适合于实现各种实施例的交通工具的组件框图。
17.图1c是解说适合于实现各种实施例的交通工具的组件的组件框图。
18.图2a是解说根据各种实施例的示例交通工具管理系统的组件的组件框图。
19.图2b是解说根据各种实施例的另一示例交通工具管理系统的组件的组件框图。
20.图3是解说根据各种实施例的用于交通工具中的示例片上系统的组件的框图，该示例片上系统可被配置成广播、接收和/或以其他方式使用意图和/或运动规划。
21.图4示出了配置用于支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的示例系统的组件框图。
22.图5是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
23.图6是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
24.图7是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
25.图8是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
26.图9是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
27.图10是解说支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法的过程流图。
28.详细描述
29.将参照附图详细描述各个方面。在可能之处，相同附图标记将贯穿附图用于指代相同或类似部分。对特定示例和实施例所作的引用是用于解说性目的，而并不旨在限定各个方面或权利要求的范围。
30.各种实施例可以使交通工具(诸如自主交通工具、半自主交通工具等)能够在具有各种安全性等级的异构计算平台上达成各种算法的算法安全性。各种实施例可以使得非安全性合规计算单元能够至少部分地用于执行安全性严苛的功能。由于一些过程在非安全性合规计算单元上比在安全性合规计算单元上可以更高效地执行，因此各种实施例可以通过使用非安全性合规计算单元更高效地执行安全性严苛的功能来改进异构计算平台的处理效率，同时达成通过排他地使用安全性合规计算单元原本将达成的相同算法安全性。
31.地面运输行业越来越希望通过采用智能运输系统(its)技术来利用蜂窝和无线通信技术不断增长的能力，以提高驾驶员操作的交通工具和自主交通工具的互通性和安全性。由第三代伙伴项目(3gpp)定义的蜂窝车联网(c-v2x)协议支持its技术，并用作供交通工具与它们周围的通信设备直接通信的基础。
32.c-v2x定义了两种传输模式，它们共同提供360
°
非视线感知和更高水平的可预测性，以增强道路安全性和自主驾驶。第一传输模式包括直接c-v2x，其包括交通工具至交通工具(v2v)、交通工具至基础设施(v2i)和交通工具至行人(v2p)，并在独立于蜂窝网络的专用its 5.9千兆赫兹(ghz)频谱中提供增强的通信范围和可靠性。第二传输模式包括移动宽带系统和技术中的交通工具至网络通信(v2n)，该移动宽带系统和技术诸如第三代无线移动通信技术(3g)(例如，全球移动通信系统(gsm)演进(edge)系统、码分多址(cdma)2000系统等)、第四代无线移动通信技术(4g)(例如，长期演进(lte)系统、高级lte系统、移动全球微波接入互通(移动wimax)系统等)、第五代无线移动通信技术(5g)(例如，5g新无线电(5g nr)系统等)、等等。
33.术语“片上系统”(soc)在本文中用于指代一组互连的电子电路，通常但不排他地包括一个或多个处理器、存储器和通信接口。soc可包括各种不同类型的处理器和处理器核，诸如通用处理器、中央处理单元(cpu)、数字信号处理器(dsp)、图形处理单元(gpu)、加速处理单元(apu)、子系统处理器、辅助处理器、单核处理器和多核处理器。soc可进一步体现其他硬件和硬件组合，诸如现场可编程门阵列(fpga)、配置和状态寄存器(csr)、专用集成电路(asic)、其他可编程逻辑器件、离散门逻辑、晶体管逻辑、寄存器、性能监视硬件、看门狗硬件、计数器和时间参考。soc可以是集成电路(ic)，其被配置成使得ic的组件位于同一基板上，诸如单片半导体材料(例如，硅等)。
34.术语“安全性合规计算单元”在本文中用于指符合汽车安全完整性等级的计算单元。安全性合规计算单元可以是符合如在国际标准化组织(iso)标准iso 26262中定义的用于汽车的汽车安全完整性等级(asil)的计算单元，iso 26262定义了用于汽车的asil，诸如asil a、asil b、asil c、asil d等。术语“非安全性合规计算单元”在本文中用于指不符合
汽车安全完整性等级、未通过asil a或asil b等级认证、或安全性等级低于asil b的计算单元。
35.各种实施例包括方法、交通工具、交通工具管理系统和处理设备，其被配置成实现用于在具有针对诸交通工具(诸如自主交通工具、半自主交通工具、驾驶员操作的交通工具等)的各种安全性等级的异构计算平台上达成各种算法的算法安全性的方法。各种实施例包括方法、交通工具、交通工具管理系统和处理设备，其被配置成实现用于在具有针对一交通工具(诸如自主交通工具、半自主交通工具、驾驶员操作的交通工具等)的各种安全性等级的异构计算平台上达成各种算法的算法安全性的方法。
36.自主和半自主交通工具(诸如轿车以及卡车、旅游巴士等)正在城市街道上成为现实。自主和半自主交通工具通常包括多个传感器(包括相机、雷达和激光雷达)，它们收集关于交通工具周围环境的信息。例如，此类所收集的信息可以使得交通工具能够识别道路，标识要避开的对象，以及跟踪其他交通工具的运动和将来位置，以实现部分或完全自主导航。
37.汽车片上系统(soc)可被用于安全性严苛的应用，诸如高级驾驶员辅助系统或自主驾驶系统，并且通常包括多个计算单元，诸如多核中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理单元(dsp)和神经处理单元(npu)。这些组件中的一些被设计成满足安全性标准，诸如在定义用于汽车的汽车安全完整性等级(asil)(诸如asil a、asil b、asil c、asil d等)的国际标准化组织(iso)标准iso 26262中定义的安全性标准，而同一异构计算系统中这些组件中的其他组件可能由于成本、工程或其他约束而无法满足安全性标准(或不满足相同等级的安全性标准)。各种实施例提供在具有各种安全性等级的异构计算平台上达成各种算法的算法安全性的系统、方法和设备。
38.各种实施例可以提供一种用于支持异构计算系统(诸如交通工具异构计算系统)中的安全性合规计算的方法。异构计算系统可以是包括一个或多个可以是安全性合规的计算单元(例如，符合汽车安全完整性等级(诸如汽车安全完整性等级b(asil b)、asil c等)的计算单元)和一个或多个可能不是安全性合规的计算单元(例如，不符合汽车安全完整性等级或安全性等级低于asil b等的计算单元)的计算系统。在各种实施例中，异构计算系统可以是soc，诸如交通工具中的soc。各种实施例可包括接收要在异构计算系统(诸如交通工具异构计算系统)上运行要求安全性合规(例如，asil b合规、asil c合规等)的算法(诸如交通工具算法)的指示。各种实施例可包括确定异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元是否优选用于运行该算法(诸如交通工具算法)。确定非安全性合规计算单元优选用于运行该算法(诸如交通工具算法)可以基于该算法的本质。例如，需要一系列并行操作的算法可能更优选在gpu上运行。作为另一示例，高度向量化的算法可能更优选在dsp上运行。对计算单元的确定可以由与算法相关联的设置来控制，和/或可以在算法运行时基于系统中计算单元的状态(例如，估计等待时间等)、要用算法运行的数据集的属性、或任何其他考虑因素来确定。
39.各种实施例可包括响应于确定异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元优选用于运行该算法(诸如交通工具算法)，修改该算法(诸如交通工具算法)的执行以至少部分地利用异构计算系统(诸如交通工具异构计算系统)的安全性合规计算单元来运行该算法(诸如交通工具算法)。在一些实施例中，响应于确定异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元优选用于运行该算法(诸如交通
工具算法)而修改该算法(诸如交通工具算法)的执行以至少部分地利用交通工具异构计算系统的安全性合规计算单元来运行该算法(诸如交通工具算法)可包括：响应于确定异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元优选用于运行该算法(诸如交通工具算法)，修改该算法(诸如交通工具算法)的执行以创建该算法的轻量版本(诸如交通工具算法的轻量版本)，以供至少部分地在异构计算系统(诸如交通工具异构计算系统)的安全性合规计算单元上运行。算法的轻量版本(诸如交通工具算法的轻量版本)可以是与该算法(诸如交通工具算法)的完整版本相比需要更少计算资源来执行的算法版本。例如，算法的完整版本(诸如交通工具算法的完整版本)可以使用具有细粒度(或产生较高分辨率)的网格或过滤器设置，而算法的轻量版本(诸如交通工具算法的轻量版本)可以使用具有较粗粒度(或产生较低分辨率)的网格或过滤器设置。
40.在一些实施例中，响应于确定异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元优选用于运行该算法(诸如交通工具算法)而修改该算法(诸如交通工具算法)的执行以至少部分地利用交通工具异构计算系统的安全性合规计算单元来运行该算法(诸如交通工具算法)可包括：标识数据集的关键部分。在各种实施例中，数据集的关键部分可以是很可能与安全性相关联的数据集部分，诸如包括行人的网格区段、与避免事故相关的数据等。各种实施例可包括：在异构计算系统(诸如交通工具异构计算系统)的安全性合规计算单元上运行该算法(诸如交通工具算法)以针对该数据集的所标识的关键部分生成较精细输出，以及在异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元上运行该算法(诸如交通工具算法)以针对该数据集的所有其他部分生成较精细输出。
41.各种实施例可包括：在异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元上运行该算法(诸如交通工具算法)以针对数据集生成较精细输出，在异构计算系统(诸如交通工具异构计算系统)的安全性合规计算单元上运行该算法的轻量版本(诸如交通工具算法的轻量版本)以针对该数据集生成粗略输出，确定较精细输出和粗略输出是否匹配，以及响应于确定较精细输出和粗略输出不匹配而生成警报。在各种实施例中，确定较精细输出和粗略输出是否匹配可包括用于确定各部分匹配的各种操作，诸如比较各部分、计算各部分的散列等。
42.各种实施例可包括：在异构计算系统(诸如交通工具异构计算系统)的安全性合规计算单元上运行该算法的轻量版本(诸如交通工具算法的轻量版本)以针对数据集生成粗略输出，标识粗略输出中作为紧急部分的部分，在非安全性合规计算单元上针对与所标识的紧急部分相对应的数据集部分运行该算法(诸如交通工具算法)至少两次以生成至少第一较精细输出和第二较精细输出，确定第一较精细输出和第二较精细输出是否匹配，响应于确定第一较精细输出和第二较精细输出不匹配而生成警报，以及响应于确定第一较精细输出和第二较精细输出的确匹配而用第一较精细输出或第二较精细输出中的一者替代粗略输出的所标识的紧急部分。在各种实施例中，确定第一较精细输出和第二较精细输出是否匹配可包括用于确定各输出匹配的各种操作，诸如比较各输出、计算各输出的散列等。
43.各种实施例可包括：在异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元上运行算法(诸如交通工具算法)以针对数据集生成较精细输出，在安全性合规计算单元上针对该数据集的随机采样部分运行该算法的轻量版本(诸如交通工具算法的轻量版本)以针对该数据集的随机采样部分生成粗略输出，确定针对随机采样部分的粗略输
出和较精细输出是否匹配，以及响应于确定针对随机采样部分的粗略输出和较精细输出不匹配而生成警报。在各种实施例中，确定针对随机采样部分的粗略输出和较精细输出是否匹配可包括用于确定各输出匹配的各种操作，诸如比较各输出、计算各输出的散列等。
44.各种实施例可以利用冗余计算过程，其中算法的一些或全部可以由同一计算单元或由不同的计算单元计算两次或更多次以确定该输出是否匹配。匹配的输出可以验证这些输出，而不匹配可指示可能发生了错误。
45.传感器融合网格是可适合用于各种实施例的一种示例汽车算法。传感器融合是估计自主交通工具或自我交通工具(ego vehicle)周围的空间网格的每个单元的各种属性的汽车算法。这些所估计的属性可以是占用性、可驾驶性、可见性、语义类别等。这可以通过组合来自各种传感器的信息来达成。估计传感器融合网格中的可见性属性的示例算法可以解说各种实施例的各个方面。例如，可见性网格是描述高清地图上的给定位置是否对轿车上可用的任何传感器可见的网格。网格的网格单元由高清地图上的坐标来定义。用于计算可见性网格的算法的一个示例可以根据以下操作来解释，但是可以在各个方面中使用该算法的操作的不同变型。在第一操作中，使用给定半径内的点生成网格，它可以来自高清地图或在线生成的地图。在第二操作中，从传感器融合管道中获取动态对象列表。在第三操作中，然后根据点是否位于传感器的视野内来过滤这些点。在第四操作中，然后描摹从该点到当前正在考虑的传感器的射线。在第五操作中，然后检查该射线是否与道路上的动态对象有任何相交。在第六操作中，如果该射线不与任何动态对象相交，或者如果该点位于动态对象内，则认为该点对传感器可见，并因此对传感器融合管道可见。在第七操作中，如果该射线与动态对象相交，则认为该点在传感器的视界中被遮挡，并因此对传感器融合管道不可见。该算法还可包括跟踪场景中的不同动态对象，如行人、轿车、骑自行车的人、摩托车、卡车、过马路的动物、从轿车飞出的对象等。
46.作为示例，遮挡网格算法可以是适合与用于支持交通工具异构计算系统中的安全性合规计算的各种实施例方法一起使用的汽车算法，并且可以解说各种实施例的各种操作。然而，参考遮挡网格算法和传感器融合所讨论的算法操作仅仅是作为示例提供的，并且各种实施例可以适合与其他算法一起使用，诸如网格融合算法、运动规划算法、蒙特卡罗采样算法等。转到遮挡网格算法的示例，由于射线描绘操作可能是该算法的关键，这是对gpu非常友好的操作，因此在gpu上运行遮挡算法可以是最高效的。然而，如果gpu不满足汽车安全完整性等级(asil)要求(例如，gpu不满足asil-b安全性要求)，则可能不会在gpu上部署遮挡网格算法，因为遮挡网格算法可要求部署在满足asil要求(例如，满足asil b安全性要求)的硬件上。为了规避此问题，可以在遮挡网格算法的运行时使用达成算法安全性的各种实施例方法。在以下示例中，cpu或dsp可以是安全性合规计算单元(例如，asil b合规计算单元)，而gpu可以是非安全性合规计算单元(例如，不是asil b合规的计算单元)。
47.作为一个示例，可以在各种实施例中使用粗细网格方法。由于cpu或dsp可以是asil-b合规组件，因此可以在cpu或dsp上运行粗网格(例如，5米乘5米网格区段的网格)，同时在gpu上运行细网格(例如，0.5米乘0.5米网格区段的网格)。粗网格在计算上可以更便宜，并且可以指示较大的单元是否有任何遮挡(不可见性)。在感兴趣区域中观察到遮挡的情形中，系统可以从gpu获取较精细结果。如果较精细结果和较粗略结果不一致(例如，两者都没有观察到遮挡等)，则系统可以发出故障警报，以通知上层采取安全性动作(例如，警告
驾驶员、执行规避机动等)。
48.作为另一示例，可以在各种实施例中使用选择性网格方法。粗网格(例如，5米乘5米网格区段的网格)可以在cpu或dsp上运行。系统可以确定急需以较精细的细节来理解的网格图块(例如，其中具有行人或小型对象的网格图块)。系统可以获取重要图块并使用细网格(例如，0.5米乘0.5米网格区段的网格)在gpu上运行它们两次。系统可以检查在gpu上的这两次运行是否匹配。如果在gpu上的这两次运行匹配，则可以在后续步骤中使用针对这些图块的细网格输出。如果在gpu上的这两次运行不匹配，则可以发出警报。
49.作为另一示例，可以在各种实施例中使用随机采样方法。在随机采样中，可以在gpu上以较精细尺度部署完整算法，以计算所有单元的可见性值。这些单元中的一些单元可以被随机采样，以在cpu或dsp上重新计算它们的属性。在asil安全计算单元(诸如cpu或dsp)上计算的随机采样输出可以对照从gpu生成的值进行验证。如果这些值不匹配，则系统可以发出故障警报，以通知上层采取安全行动(警告驾驶员、采取规避机动等)。
50.作为另一示例，可以在各种实施例中使用偏好计算方法。被标识为较重要的网格单元可以在asil-b计算单元上计算，而不那么重要/关键的网格单元可以在非asil-b计算单元上计算。作为具体示例，在变道规划期间，目标车道网格单元更重要，并且可以在asil-b合规计算单元(例如cpu)上计算。其他网格单元可以在非asil b合规计算单元(例如gpu)上计算。
51.作为另一示例，可以在各种实施例中使用自适应网格单元大小。例如，随着网格单元与自我交通工具的纵向距离增大，网格单元大小可以基于该距离而增大，以减少asil-b计算单元上的负载。
52.本文参考交通工具、交通工具异构计算系统和交通工具算法讨论了各种示例，以更好地解说各种实施例的各个方面。然而，对交通工具、交通工具异构计算系统和交通工具算法的讨论仅仅是示例，而不旨在限制本公开或权利要求的范围。在各种示例中，其他设备、其他异构计算系统和/或其他算法可以代替交通工具、交通工具异构计算系统和交通工具算法。
53.各种实施例可以在各种交通工具中实现，其示例交通工具100在图1a和1b中解说。参考图1a和1b，交通工具100可包括控制单元140和多个传感器102-138，包括卫星地理定位系统接收机108，占用传感器112、116、118、126、128，胎压传感器114、120，相机122、136，麦克风124、134，撞击传感器130，雷达132和激光雷达138。布置在交通工具中或交通工具上的多个传感器102-138可以用于各种目的，诸如自主和半自主导航和控制、防撞、位置确定等，以及提供关于在交通工具100之中或之上的对象和人的传感器数据。传感器102-138可包括能够检测对导航和碰撞避免有用的各种信息的多种多样的传感器中的一种或多种。传感器102-138中的每一者可以与控制单元140以及与彼此处于有线或无线通信。具体而言，传感器可包括一个或多个相机122、136或其他光学传感器或光电传感器。传感器可进一步包括其他类型的对象检测和测距传感器，诸如雷达132、激光雷达138、ir传感器和超声传感器。传感器可进一步包括胎压传感器114、120、湿度传感器、温度传感器、卫星地理定位传感器108、加速度计、振动传感器、陀螺仪、重力仪、撞击传感器130、测力计、压力计、应变传感器、流体传感器、化学传感器、气体含量分析仪、ph传感器、辐射传感器、盖革计数器、中子检测器、生物材料传感器、麦克风124、134、占用传感器112、116、118、126、128、邻近度传感器和
其他传感器。
54.交通工具控制单元140可以配置有处理器可执行指令以使用从各种传感器(特别是相机122、136)接收的信息来执行各种实施例。在一些实施例中，控制单元140可以使用可以从雷达132和/或激光雷达138传感器获得的距离和相对位置(例如，相对轴承角)来补充对相机图像的处理。控制单元140可进一步被配置成当在自主或半自主模式中操作时利用使用各种实施例确定的关于其他交通工具的信息来控制交通工具100的转向、制动和速度。
55.图1c是解说适合于实现各种实施例的组件和支持系统的系统150的组件框图。参照图1a、1b和1c，交通工具100可包括控制单元140，其可包括用于控制交通工具100的操作的各种电路和设备。在图1c所解说的示例中，控制单元140包括处理器164、存储器166、输入模块168、输出模块170和无线电模块172。控制单元140可以耦合到并配置成控制交通工具100的驾驶控制组件154、导航组件156和一个或多个传感器158。
56.如本文中所使用的，术语“组件”、“系统”、“单元”、“模块”及类似术语包括计算机相关实体，诸如但不限于被配置成执行特定操作或功能的硬件、固件、硬件与软件的组合、软件、或执行中的软件。例如，组件可以是但不限于在处理器上运行的进程、处理器、对象、可执行件、执行的线程、程序、和/或计算机。作为解说，在通信设备上运行的应用和通信设备两者都可被称为组件。一个或多个组件可驻留在进程和/或执行的线程内，并且组件可局部化在一个处理器或核上和/或分布在两个或更多个处理器或核之间。另外，这些组件可从其上存储有各种指令和/或数据结构的各种非瞬态计算机可读介质来执行。各组件可通过本地和/或远程进程、功能或规程调用、电子信号、数据分组、存储器读/写、以及其他已知的计算机、处理器和/或进程相关通信方法体系来进行通信。
57.控制单元140可包括处理器164，该处理器164可配置有处理器可执行指令以控制交通工具100的机动、导航和/或其他操作，包括各种实施例的操作。处理器164可耦合至存储器166。控制单元162可包括输入模块168、输出模块170、和无线电模块172。
58.无线电模块172可被配置成用于无线通信。无线电模块172可以与网络收发机180交换信号182(例如，用于控制机动的命令信号、来自导航设施的信号等)，并且可将信号182提供给处理器164和/或导航单元156。在一些实施例中，无线电模块172可以使得交通工具100能够通过无线通信链路192与无线通信设备190通信。无线通信链路192可以是双向或单向通信链路，并且可以使用一种或多种通信协议。
59.输入模块168可接收来自一个或多个交通工具传感器158的传感器数据以及来自其他组件(包括驾驶控制组件154和导航组件156)的电子信号。输出模块170可被用来与交通工具100的各种组件通信或激活交通工具100的各种组件，包括驾驶控制组件154、导航组件156和(诸)传感器158。
60.控制单元140可被耦合到驾驶控制组件154，以控制交通工具100的与交通工具的机动和导航有关的物理元件，诸如引擎、马达、油门、转向元件、飞行控制元件、制动或减速元件等等。驾驶控制组件154还可包括控制交通工具的其他设备的组件，这些其他设备包括环境控件(例如，空调和加热)、外部和/或内部照明、内部和/或外部信息显示器(其可包括显示屏或其他用于显示信息的设备)、安全性设备(例如，触觉设备、听觉警报等)和其他类似设备。
61.控制单元140可被耦合到导航组件156，并且可接收来自导航组件156的数据且被
配置成使用此类数据来确定交通工具100的当前位置和取向、以及朝向目的地的恰适路线。在各种实施例中，导航组件156可包括或耦合到全球导航卫星系统(gnss)接收机系统(例如，一个或多个全球定位系统(gps)接收机)，使得交通工具100能够使用gnss信号来确定该交通工具的当前位置。替换地或附加地，导航组件156可包括无线电导航接收机，用于从无线电节点(诸如wi-fi接入点、蜂窝网络站点、无线电站、远程计算设备、其他交通工具等)接收导航信标或其他信号。通过驾驶控制元件154的控制，处理器164可以控制交通工具100进行导航和机动。处理器164和/或导航组件156可被配置成使用与蜂窝数据网络180的无线连接182与网络186(例如，因特网)上的服务器184通信，以接收用于控制机动的命令、接收在导航中有用的数据、提供实时位置报告、以及评估其他数据。
62.控制单元162可被耦合到一个或多个传感器158。传感器158可包括如所描述的传感器102-138，并且可被配置成向处理器164提供各种数据。
63.虽然控制单元140被描述为包括单独的组件，但在一些实施例中，一些或所有组件(例如，处理器164、存储器166、输入模块168、输出模块170和无线电模块172)可以被集成在单个设备或模块中，诸如片上系统(soc)处理设备。这样的soc处理设备可被配置成供在交通工具中使用并且被配置成(诸如配置有在处理器164中执行的处理器可执行指令)在被安装到交通工具中时执行各种实施例的操作。
64.图2a解说了可以在交通工具100内利用的交通工具管理系统200内的子系统、计算元件、计算设备或单元的示例。参照图1a-2a，在一些实施例中，交通工具管理系统200内的各种计算元件、计算设备或单元可以在互连的计算设备(即，子系统)的系统内实现，这些互连的计算设备向彼此传达数据和命令(例如由图2a中的箭头所指示的)。在其他实施例中，交通工具管理系统200内的各种计算元件、计算设备或单元可以实现在单个计算设备内，诸如单独的线程、进程、算法或计算元件。因此，图2a中所解说的每个子系统/计算元件在本文中一般也被称为构成交通工具管理系统200的计算“栈”内的“层”。然而，在描述各种实施例时使用术语层和栈并不旨在暗示或要求对应的功能性在单个自主(或半自主)交通工具管理系统计算设备内实现，尽管这是潜在的实现实施例。相反，术语“层”的使用旨在涵盖具有独立处理器的子系统、在一个或多个计算设备中运行的计算元件(例如，线程、算法、子例程等)，以及子系统和计算元件的组合。
65.在各种实施例中，交通工具管理系统栈200可包括雷达感知层202、相机感知层204、定位引擎层206、地图融合和仲裁层208、路线规划层210、传感器融合和道路世界模型(rwm)管理层212、运动规划和控制层214、以及行为规划和预测层216。层202-216仅仅是交通工具管理系统栈200的一个示例配置中的一些层的示例。在与各种实施例一致的其他配置中，可包括其他层，诸如用于其他感知传感器的附加层(例如，激光雷达感知层等)、用于规划和/或控制的附加层、用于建模的附加层等，和/或层202-216中的某些层可以从交通工具管理系统栈200中被排除。如图2a中的箭头所解说的，层202-216中的每一层可以交换数据、计算结果和命令。此外，交通工具管理系统栈200可以接收和处理来自传感器(例如，雷达、激光雷达、相机、惯性测量单元(imu)等)、导航系统(例如，gps接收机、imu等)、交通工具网络(例如，控制器区域网(can)总线)和存储器中的数据库(例如，数字地图数据)的数据。交通工具管理系统栈200可将交通工具控制命令或信号输出到线控驱动(dbw)系统/控制单元220，其是直接与交通工具转向、油门和制动控件对接的系统、子系统或计算设备。图2a中
解说的交通工具管理系统栈200和dbw系统/控制单元220的配置仅是示例配置，并且交通工具管理系统和其他交通工具组件的其他配置可以用在各种实施例中。作为示例，图2a中所解说的交通工具管理系统栈200和dbw系统/控制单元220的配置可以用在配置成用于自主或半自主操作的交通工具中，而不同的配置可以用在非自主交通工具中。
66.雷达感知层202可以从一个或多个检测和测距传感器(诸如雷达(例如，132)和/或激光雷达(例如，138))接收数据，并处理该数据以识别和确定在交通工具100附近的其他交通工具和对象的位置。雷达感知层202可包括使用神经网络处理和人工智能方法来识别对象和交通工具，并将此类信息传递到传感器融合和rwm管理层212。
67.相机感知层204可以从一个或多个相机(诸如相机(例如，122、136))接收数据，并处理该数据以识别和确定在交通工具100附近的其他交通工具和对象的位置。相机感知层204可包括使用神经网络处理和人工智能方法来识别对象和交通工具，并将此类信息传递到传感器融合和rwm管理层212。
68.定位引擎层206可以从各种传感器接收数据并处理该数据以确定交通工具100的位置。各种传感器可包括但不限于gps传感器、imu和/或经由can总线连接的其他传感器。定位引擎层206还可以利用来自一个或多个相机(诸如相机(例如，122、136))和/或任何其他可用传感器(诸如雷达、激光雷达等)的输入。
69.地图融合和仲裁层208可以访问高清(hd)地图数据库内的数据并接收从定位引擎层206接收的输出以及处理该数据以进一步确定交通工具100在地图内的位置，诸如在交通车道内的位置、在街道地图内的位置等。hd地图数据库可以存储在存储器(例如，存储器166)中。例如，地图融合和仲裁层208可以将来自gps的纬度和经度信息转换为包含在hd地图数据库中的地面道路地图内的位置。gps位置锁定包括误差，因此地图融合和仲裁层208可以作用于基于gps坐标和hd地图数据之间的仲裁来确定交通工具在道路内的最佳猜测位置。例如，虽然gps坐标可能将交通工具放置在hd地图中双车道道路的中间附近，但地图融合和仲裁层208可以根据行驶方向确定交通工具最有可能对准与行驶方向一致的行驶车道。地图融合和仲裁层208可以将基于地图的位置信息传递给传感器融合和rwm管理层212。
70.路线规划层210可以利用hd地图以及来自操作者或调度员的输入来规划交通工具100要遵循的到特定目的地的路线。路线规划层210可以将基于地图的位置信息传递给传感器融合和rwm管理层212。然而，其他层(诸如传感器融合和rwm管理层212等)对先验地图的使用不是必需的。例如，其他栈可以在没有提供地图的情况下仅基于感知数据来操作和/或控制交通工具，随着接收到感知数据而构建车道、边界和局部地图的概念。
71.传感器融合和rwm管理层212可以接收由雷达感知层202、相机感知层204、地图融合和仲裁层208以及路线规划层210产生的数据和输出，并且使用这些输入中的一些或全部来估计或细化交通工具100相对于道路、道路上的其他交通工具以及交通工具100附近的其他对象的位置和状态。例如，传感器融合和rwm管理层212可以将来自相机感知层204的图像数据与来自地图融合和仲裁层208的仲裁地图位置信息相组合，以细化交通工具在交通车道内的所确定位置。作为另一示例，传感器融合和rwm管理层212可以将来自相机感知层204的对象识别和图像数据与来自雷达感知层202的对象检测和测距数据相组合，以确定和细化在该交通工具附近的其他交通工具和对象的相对位置。作为另一示例，传感器融合和rwm管理层212可以从交通工具到交通工具(v2v)通信(诸如经由can总线)接收关于其他交通工
具位置和行驶方向的信息，并将该信息与来自雷达感知层202和相机感知层204的信息相组合，以细化其他交通工具的位置和运动。传感器融合和rwm管理层212可以将交通工具100的经细化的位置和状态信息以及在该交通工具附近的其他交通工具和对象的经细化的位置和状态信息输出到运动规划和控制层214和/或行为规划和预测层216。
72.作为进一步的示例，传感器融合和rwm管理层212可以使用动态交通控制指令来指引交通工具100改变速度、车道、行驶方向或(诸)其他导航元素，并将该信息与其他接收到的信息相组合以确定经细化的位置和状态信息。传感器融合和rwm管理层212可以将交通工具100的经细化的位置和状态信息以及在交通工具100附近的其他交通工具和对象的经细化的位置和状态信息经由无线通信(诸如通过c-v2x连接、其他无线连接等)输出到运动规划和控制层214、行为规划和预测层216和/或远离交通工具100的设备，诸如数据服务器、其他交通工具等。
73.作为再进一步的示例，传感器融合和rwm管理层212可以监视来自各种传感器的感知数据(诸如来自雷达感知层202、相机感知层204、其他感知层等的感知数据)和/或来自一个或多个传感器本身的数据以分析交通工具传感器数据中的状况。传感器融合和rwm管理层212可被配置成检测传感器数据中的状况，诸如传感器测量处于、高于或低于阈值，发生某些类型的传感器测量等，并且可以输出传感器数据作为经由无线通信(诸如通过c-v2x连接、其他无线连接等)提供给行为规划和预测层216和/或远离交通工具100的设备(诸如数据服务器、其他交通工具等)的交通工具100的经细化的位置和状态信息的一部分。
74.经细化的位置和状态信息可包括与交通工具和交通工具所有者和/或操作者相关联的交通工具描述符，诸如：交通工具规格(例如，尺寸、重量、颜色、板载传感器类型等)；交通工具位置、速度、加速度、行驶方向、姿态、取向、目的地、燃料/功率水平和其他状态信息；交通工具紧急状态(例如，交通工具是紧急情况下的紧急交通工具还是私人)；交通工具限制(例如，重载/宽载、转弯限制、高乘载交通工具(hov)授权等)；交通工具的能力(例如，全轮驱动、四轮驱动、雪地轮胎、链条、支持的连接类型、板载传感器操作状态、板载传感器分辨率水平等)；装备问题(例如，低胎压、弱刹车、传感器中断等)；所有者/操作者行驶偏好(例如，优选的车道、道路、路线和/或目的地，避开收费站或高速公路的偏好、对最快路线的偏好等)；向数据代理服务器(例如，184)提供传感器数据的许可；和/或所有者/操作者标识信息。
75.自主交通工具系统栈200的行为规划和预测层216可以使用交通工具100的经细化的位置和状态信息以及从传感器融合和rwm管理层212输出的其他交通工具和对象的位置和状态信息来预测其他交通工具和/或对象的将来行为。例如，行为规划和预测层216可以使用此类信息以基于自己的交通工具位置和速度以及在该交通工具附近的其他交通工具位置和速度来预测其他交通工具的将来相对位置。这样的预测可以考虑来自高清地图和路线规划的信息，以预测在主交通工具和其他交通工具沿着道路行进时相对交通工具位置的变化。行为规划和预测层216可以将其他交通工具和对象行为和位置预测输出到运动规划和控制层214。此外，行为规划和预测层216可以使用对象行为结合位置预测来规划和生成用于控制交通工具100的运动的控制信号。例如，基于路线规划信息、道路信息中的经细化位置以及其他交通工具的相对位置和运动，行为规划和预测层216可以确定交通工具100需要改变车道和加速，诸如以维持或达到与其他交通工具的最小间距、和/或为转弯或出口做
准备。结果，行为规划和预测层216可以计算或以其他方式确定要向运动规划和控制层214和dbw系统/控制单元220命令的轮子转向角和油门设置改变、连同实行这种变道和加速所需的各种参数。一个此类参数可以是计算出的方向盘命令角。
76.运动规划和控制层214可以接收来自传感器融合和rwm管理层212的数据和信息输出、和来自行为规划和预测层216的其他交通工具和对象行为以及位置预测，并使用该信息来规划和生成用于控制交通工具100的运动的控制信号，以及验证此类控制信号满足交通工具100的安全性要求。例如，基于路线规划信息、道路信息中的经细化位置以及其他交通工具的相对位置和运动，运动规划和控制层214可以验证各种控制命令或指令并将其传递给dbw系统/控制单元220。
77.dbw系统/控制单元220可以接收来自运动规划和控制层214的命令或指令，并将此类信息转译成机械控制信号以用于控制交通工具100的轮子角度、制动器和油门。例如，dbw系统/控制单元220可以通过将对应的控制信号发送给方向盘控制器来响应计算出的方向盘命令角。
78.在各种实施例中，交通工具管理系统栈200可包括对可能影响交通工具和占用者安全性的各个层的各种命令、规划或其他决策执行安全性检查或监督的功能性。此类安全性检查或监督功能性可以在专用层内实现或分布在各个层之间并被包括作为该功能性的一部分。在一些实施例中，各种安全性参数可以存储在存储器中，并且安全性检查或监督功能性可以将所确定的值(例如，与近旁交通工具的相对间距、与道路中心线的距离等)与对应的(诸)安全性参数进行比较，并在违背或将违背安全性参数的情况下发出警告或命令。例如，行为规划和预测层216中(或单独的层中)的安全性或监督功能可以确定另一交通工具(如由传感器融合和rwm管理层212细化的)与该交通工具之间的当前或将来分隔距离(例如，基于由传感器融合和rwm管理层212细化的世界模型)，将该分隔距离与存储在存储器中的安全分隔距离参数进行比较，以及在当前或预测的分隔距离违背安全分隔距离参数的情况下向运动规划和控制层214发出指令以进行加速、减速或转弯。作为另一示例，运动规划和控制层214中(或单独的层中)的安全性或监督功能性可以将所确定的或被命令的方向盘命令角与安全轮子角度限制或参数进行比较，并响应于被命令的角度超过安全轮子角度限制而发出超驰命令和/或警报。
79.存储在存储器中的一些安全性参数可以是静态的(即，不随时间变化)，诸如最大交通工具速度。存储在存储器中的其他安全性参数可以是动态的，因为这些参数是基于交通工具状态信息和/或环境状况而持续地或周期性地确定或更新的。安全性参数的非限制性示例包括最大安全速度、最大制动压力、最大加速度和安全轮子角度限制，所有这些参数可以是道路和天气状况的函数。
80.图2b解说了可以在交通工具100内利用的交通工具管理系统250内的子系统、计算元件、计算设备或单元的示例。参考图1a-2b，在一些实施例中，交通工具管理系统栈200的层202、204、206、208、210、212和216可以类似于参考图2a所描述的那些，并且交通工具管理系统栈250可以与交通工具管理系统栈200类似地操作，除了交通工具管理系统栈250可以将各种数据或指令传递到交通工具安全性和防撞系统252而不是dbw系统/控制单元220。例如，图2b中所解说的交通工具管理系统栈250与交通工具安全性和防撞系统252的配置可以在非自主交通工具中使用。
81.在各种实施例中，行为规划和预测层216和/或传感器融合和rwm管理层212可以将数据输出到交通工具安全性和防撞系统252。例如，传感器融合和rwm管理层212可以输出传感器数据作为提供给交通工具安全性和防撞系统252的交通工具100的经细化的位置和状态信息的一部分。交通工具安全性和防撞系统252可以使用交通工具100的经细化的位置和状态信息来作出关于交通工具100和/或交通工具100的占用者的安全性确定。作为另一示例，行为规划和预测层216可以将与其他交通工具的运动相关的行为模型和/或预测输出到交通工具安全性和防撞系统252。交通工具安全性和防撞系统252可以使用与其他交通工具的运动相关的行为模型和/或预测来作出关于交通工具100和/或交通工具100的占用者的安全性确定。
82.在各种实施例中，交通工具安全性和防撞系统252可包括对可能影响交通工具和占用者安全性的各个层的各种命令、规划或其他决策以及人类驾驶员动作执行安全性检查或监督的功能性。在一些实施例中，各种安全性参数可以存储在存储器中，并且交通工具安全性和防撞系统252可以将所确定的值(例如，与近旁交通工具的相对间距、与道路中心线的距离等)与对应的(诸)安全性参数进行比较，并在违背或将违背安全性参数的情况下发出警告或命令。例如，交通工具安全性和防撞系统252可以确定另一交通工具(如由传感器融合和rwm管理层212细化的)与该交通工具之间的当前或将来分隔距离(例如，基于由传感器融合和rwm管理层212细化的世界模型)，将该分隔距离与存储在存储器中的安全分隔距离参数进行比较，以及在当前或预测的分隔距离违背安全分隔距离参数的情况下向驾驶员发出指令以进行加速、减速或转弯。作为另一示例，交通工具安全性和防撞系统252可以将人类驾驶员的方向盘角度改变与安全轮子角度限制或参数进行比较，并响应于方向盘角度超过安全轮子角度限制而发出超驰命令和/或警报。
83.图3解说了适合于在交通工具中实现各种实施例的处理设备soc 300的示例片上系统(soc)架构。参照图1a-3，处理设备soc 300可包括数个异构处理器，诸如数字信号处理器(dsp)303、调制解调器处理器304、图像和对象识别处理器306、移动显示处理器307、应用处理器308、以及资源和功率管理(rpm)处理器317。处理设备soc 300还可包括一个或多个协处理器310(例如，向量协处理器)，其连接至异构处理器303、304、306、307、308、317中的一者或多者。处理器中的每一者可包括一个或多个核、以及独立/内部时钟。每个处理器/核可以独立于其他处理器/核来执行操作。例如，处理设备soc 300可包括执行第一类型的操作系统(例如，freebsd、linux、os x等)的处理器和执行第二类型的操作系统(例如，微软windows)的处理器。在一些实施例中，应用处理器308可以是soc 300的主处理器、中央处理单元(cpu)、微处理器单元(mpu)、神经处理单元(npu)、算术逻辑单元(alu)等。图形处理器306可以是图形处理单元(gpu)。
84.处理设备soc 300可包括模拟电路系统和定制电路系统314，以用于管理传感器数据、模数转换、无线数据传输，并且用于执行其他专门操作，诸如处理经编码音频和视频信号以供在web浏览器中渲染。处理设备soc 300可进一步包括系统组件和资源316，诸如电压调节器、振荡器、锁相环、外围桥接器、数据控制器、存储器控制器、系统控制器、访问端口、定时器、以及用于支持在计算设备上运行的处理器和软件客户端(例如，web浏览器)的其他类似组件。
85.处理设备soc 300还包括用于相机致动和管理(cam)305的专门电路系统，其包括、
提供、控制和/或管理一个或多个相机122、136(例如，主相机、摄像头、3d相机等)的操作、来自相机固件的视频显示数据、图像处理、视频预处理、视频前端(vfe)、内嵌jpeg、高清视频编解码器等。cam 305可以是独立的处理单元和/或包括独立或内部时钟。
86.在一些实施例中，图像和对象识别处理器306可以配置有处理器可执行指令和/或专门硬件，其被配置成执行各种实施例中涉及的图像处理和对象识别分析。例如，图像和对象识别处理器306可被配置成执行处理经由cam 305从相机(例如，122、136)接收的图像以识别和/或标识其他交通工具的操作，以及以其他方式执行如所描述的相机感知层204的功能。在一些实施例中，处理器306可被配置成处理雷达或激光雷达数据并执行如所描述的雷达感知层202的功能。
87.系统组件和资源316、模拟和定制电路系统314和/或cam 305可包括与外围设备(诸如相机122、136、雷达132、激光雷达138、电子显示器、无线通信设备、外部存储器芯片等)对接的电路系统。处理器303、304、306、307、308可经由互连/总线模块324被互连至一个或多个存储器元件312、系统组件和资源316、模拟和定制电路系统314、cam 305和rpm处理器317，互连/总线模块324可包括可重配置逻辑门阵列和/或实现总线架构(例如，coreconnect、amba等)。通信可由高级互连(诸如高性能片上网络(noc))来提供。
88.处理设备soc 300可进一步包括输入/输出模块(未解说)，以用于与soc外部的资源(诸如时钟318和电压调节器320)通信。soc外部的资源(例如时钟318、电压调节器320)可由两个或更多个内部soc处理器/核(例如，dsp 303、调制解调器处理器304、图形处理器306、应用处理器308等)共享。
89.在一些实施例中，处理设备soc 300可被包括在控制单元(例如，140)中以供在交通工具(例如，100)中使用。控制单元可包括用于与电话网络(例如，180)、因特网和/或网络服务器(例如，184)通信的通信链路，如所描述的。
90.处理设备soc 300还可包括适合于从传感器收集传感器数据的附加硬件和/或软件组件，传感器包括运动传感器(例如，imu的加速度计和陀螺仪)、用户接口元件(例如，输入按钮、触摸屏显示器等)、麦克风阵列、用于监视物理状况(例如，位置、方向、运动、取向、振动、压力等)的传感器、相机、罗盘、gps接收机、通信电路系统(例如，wlan、wifi等)和现代电子设备的其他众所周知的组件。
91.图4示出了根据各种实施例的解说被配置用于支持交通工具异构计算系统中的安全性合规计算的系统400的组件框图。在一些实施例中，系统400可包括一个或多个交通工具计算设备402和/或一个或多个远程平台404。参照图1a-4，交通工具计算设备402可包括处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)。远程平台404可包括处理器(例如，164)、处理设备(例如，300)、交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)、服务器(例如，184)和/或交通工具计算设备402可以通过网络405(例如，186)或经由其他通信链路连接到的无线通信设备(例如，190)。
92.交通工具计算设备402可以由机器可执行指令406来配置。机器可执行指令406可包括一个或多个指令模块。指令模块可包括计算机程序模块。指令模块可包括指示接收模块408、计算单元确定模块410、执行修改模块412、交通工具算法运行模块414、版本运行模块416、输出确定模块418、警报生成模块420、部分标识模块422、输出替代模块424和/或其
他指令模块中的一者或多者。
93.指示接收模块408可被配置成接收要在交通工具异构计算系统中运行要求安全性合规的交通工具算法的指示。安全性合规可以是算法在安全性合规设备(诸如asil b合规设备)上运行的要求。
94.计算单元确定模块410可被配置成确定交通工具异构计算系统的非安全性合规计算单元是否优选用于运行交通工具算法。
95.执行修改模块412可被配置成响应于确定交通工具异构计算系统的非安全性合规计算单元优选用于运行交通工具算法而修改交通工具算法的执行，以使用交通工具异构计算系统的非安全性合规计算单元执行该交通工具算法的一部分，并且使用交通工具异构计算系统的安全性合规计算单元执行该交通工具算法的另一部分。安全性合规计算单元可以是中央处理单元或数字信号处理单元，而非安全性合规计算单元是图形处理单元。执行修改模块412可被配置成修改交通工具算法的执行以创建交通工具算法的轻量版本，以供在交通工具异构计算系统的安全性合规计算单元上运行。执行修改模块412可被配置成响应于确定交通工具异构计算系统的非安全性合规计算单元优选用于运行交通工具算法而修改交通工具算法的执行以创建交通工具算法的轻量版本。
96.交通工具算法运行模块414可被配置成在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出。交通工具算法运行模块414可被配置成在非安全性合规计算单元上针对与所标识的紧急部分相对应的数据集部分运行交通工具算法至少两次，以生成至少第一较精细输出和第二较精细输出。交通工具算法运行模块414可被配置成在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出。交通工具算法运行模块414可被配置成在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法以针对数据集的所标识的关键部分生成较精细输出。交通工具算法运行模块414可被配置成在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集的所有其他部分生成较精细输出。交通工具算法运行模块414可被配置成在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法以针对数据集的所标识的重要部分生成较精细输出。
97.版本运行模块416可被配置成在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出。版本运行模块416可被配置成在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出。版本运行模块416可被配置成在安全性合规计算单元上对数据集的随机采样部分运行交通工具算法的轻量版本，以针对该数据集的随机采样部分生成粗略输出。版本运行模块416可被配置成在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集的所有其他部分生成粗略输出。
98.输出确定模块418可被配置成确定较精细输出和粗略输出是否匹配。输出确定模块418可被配置成确定第一较精细输出和第二较精细输出是否匹配。输出确定模块418可被配置成确定针对随机采样部分的粗略输出和较精细输出是否匹配。
99.警报生成模块420可被配置成响应于确定较精细输出和粗略输出不匹配而生成警报。警报生成模块420可被配置成响应于确定第一较精细输出和第二较精细输出不匹配而生成警报。警报生成模块420可被配置成响应于确定针对随机采样部分的粗略输出和较精
细输出不匹配而生成警报。
100.部分标识模块422可被配置成标识粗略输出中作为紧急部分的部分。部分标识模块422可被配置成标识数据集的关键部分。部分标识模块422可被配置成标识数据集的重要部分。
101.输出替代模块424可被配置成响应于确定第一较精细输出和第二较精细输出的确匹配而用第一较精细输出或第二较精细输出中的一者替代粗略输出的所标识的紧急部分。
102.在一些实施例中，交通工具异构计算系统可以是soc。在一些实施例中，所要求的安全性合规可以是asil b合规。
103.图5解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计算的方法500。参照图1a-5，方法500可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法500可以由交通工具管理系统栈(诸如交通工具管理栈200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法500可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法500可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。
104.在框502中，处理器可以执行操作，包括接收要在交通工具异构计算系统中运行要求安全性合规的交通工具算法的指示。在各种实施例中，要在交通工具异构计算系统中运行要求安全性合规的交通工具算法的指示可以是从调度器接收到的通知，该通知包括要求安全性合规的交通工具算法的标识符。
105.在框504中，处理器可以执行操作，包括确定交通工具异构计算系统的非安全性合规计算单元是否优选用于运行交通工具算法。确定非安全性合规计算单元优选用于运行算法(诸如交通工具算法)可以基于该算法的本质。例如，需要一系列并行操作的算法可能更优选在gpu上运行。作为另一示例，高度向量化的算法可能更优选在dsp上运行。对计算单元的确定可以由与算法相关联的设置来控制和/或可以在算法运行时基于系统中计算单元的状态(例如，估计等待时间等)、要用算法运行的数据集的属性、或任何其他考虑因素来确定。
106.在框506中，处理器可以执行操作，包括响应于确定交通工具异构计算系统的非安全性合规计算单元优选用于运行交通工具算法而修改交通工具算法的执行，以使用交通工具异构计算系统的非安全性合规计算单元执行该交通工具算法的一部分，并且使用交通工具异构计算系统的安全性合规计算单元执行该交通工具算法的另一部分。在一些实施例中，修改该算法(诸如交通工具算法)的执行可包括：创建该算法的轻量版本，以供至少部分地在异构计算系统的安全性合规计算单元上运行。算法的轻量版本(诸如交通工具算法的轻量版本)可以是与该算法的完整版本相比需要更少计算资源来执行的版本。例如，交通工具算法的完整版本可以使用具有细粒度(或产生较高分辨率)的网格或过滤器设置，而交通工具算法的轻量版本可以使用具有较粗粒度(或产生较低分辨率)的网格或过滤器设置。在一些实施例中，修改算法的执行可包括标识数据集的关键部分。在各种实施例中，数据集的关键部分可以是很可能与安全性相关联的数据集部分，诸如包括行人的网格区段、与避免
事故相关的数据等。在一些实施例中，修改算法(诸如交通工具算法)的执行可包括：针对数据集的所标识的关键部分生成较精细输出，以及在异构计算系统(诸如交通工具异构计算系统)的非安全性合规计算单元上运行该算法以针对该数据集的所有其他部分生成较精细输出。
107.图6解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计算的方法500。参照图1a-6，方法600可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法600可以由交通工具管理系统栈(诸如交通工具管理栈200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法600可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法600可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。在各种实施例中，方法600的操作可以结合方法500(图5)的操作来执行。在各种实施例中，方法600的操作可以响应于框506中修改交通工具算法的执行的操作或作为该操作的一部分来执行。
108.在框508中，处理器可执行操作，包括修改交通工具算法的执行以创建交通工具算法的轻量版本，以供在交通工具异构计算系统的安全性合规计算单元上运行。算法的轻量版本可以是与该算法的完整版本相比需要更少计算资源来执行的算法版本。例如，交通工具算法的完整版本可以使用具有细粒度(或产生较高分辨率)的网格或过滤器设置，而交通工具算法的轻量版本可以使用具有较粗粒度(或产生较低分辨率)的网格或过滤器设置。
109.在框510中，处理器可执行操作，包括在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出。例如，在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出可包括：使用具有细粒度(或产生较高分辨率)的网格或过滤器设置来运行交通工具算法。
110.在框512中，处理器可执行操作，包括在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出。例如，在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出可包括：使用具有粗粒度(或产生较低分辨率)的网格或过滤器设置来运行交通工具算法的轻量版本。
111.在框514中，处理器可以执行操作，包括确定较精细输出和粗略输出是否匹配。在各种实施例中，确定较精细输出和粗略输出是否匹配可包括用于确定匹配的各部分的各种操作，诸如比较各部分、计算各部分的散列等。
112.在框516中，处理器可以执行操作，包括响应于确定较精细输出和粗略输出不匹配而生成警报。例如，响应于确定较精细输出和粗略输出不匹配而生成警报可包括：向上层发送故障警报以通知上层采取安全性行动(例如，警告驾驶员、执行规避机动等)。
113.图7解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计算的方法700。参照图1a-7，方法700可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法700可以由交通工具管理系统栈(诸如交通工具管理栈
200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法700可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法700可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。在各种实施例中，方法700的操作可以结合方法500(图5)的操作来执行。在各种实施例中，方法700的操作可以响应于框506中修改交通工具算法的执行的操作或作为该操作的一部分来执行。
114.在框508中，处理器可执行操作，包括修改交通工具算法的执行以创建交通工具算法的轻量版本，以供在交通工具异构计算系统的安全性合规计算单元上运行，如参照方法600(图6)的操作所讨论的。
115.在框518中，处理器可执行操作，包括在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出。例如，在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集生成粗略输出可包括：使用具有粗粒度(或产生较低分辨率)的网格或过滤器设置来运行交通工具算法的轻量版本。
116.在框520中，处理器可以执行操作，包括标识粗略输出中作为紧急部分的部分。在一些实施例中，标识粗略输出中作为紧急部分的部分可包括：确定粗略输出的任何部分是否与需要进一步监视的对象、被标记为安全性严苛的对象、或以其他方式被指示为重要、重要性设置或安全性设置的对象相关联。作为具体示例，可以通过确定网格图块与行人或小型对象相关联来标识紧急的网格图块。
117.在框522中，处理器可以执行操作，包括在非安全性合规计算单元上针对与所标识的紧急部分相对应的数据集部分运行交通工具算法至少两次，以生成至少第一较精细输出和第二较精细输出。例如，交通工具算法可以用具有细粒度(或产生较高分辨率)的网格或过滤器设置针对粗略输出的紧急部分运行分开的至少两次，以生成至少第一较精细输出和第二较精细输出。
118.在框524中，处理器可以执行操作，包括确定第一较精细输出和第二较精细输出是否匹配。在各种实施例中，确定第一较精细输出和第二较精细输出是否匹配可包括用于确定各输出匹配的各种操作，诸如比较各输出、计算各输出的散列等。
119.在框526中，处理器可以执行操作，包括响应于确定第一较精细输出和第二较精细输出不匹配而生成警报。例如，响应于确定第一较精细输出和第二较精细输出不匹配而生成警报可包括：向上层发送故障警报以通知上层采取安全性行动(例如，警告驾驶员、执行规避机动等)。
120.在框528中，处理器可以执行操作，包括响应于确定第一较精细输出和第二较精细输出的确匹配而用第一较精细输出或第二较精细输出中的一者替代粗略输出的所标识的紧急部分。例如，响应于确定第一较精细输出和第二较精细输出的确匹配而用第一较精细输出或第二较精细输出中的一者替代粗略输出的所标识的紧急部分可包括：用针对该紧急部分的第一较精细输出数据或针对该紧急部分的第二较精细输出数据来代替所标识的紧急部分中的粗略输出数据。
121.图8解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计
算的方法800。参照图1a-8，方法800可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法800可以由交通工具管理系统栈(诸如交通工具管理栈200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法800可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法800可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。在各种实施例中，方法800的操作可以结合方法500(图5)的操作来执行。在各种实施例中，方法800的操作可以响应于框506中修改交通工具算法的执行的操作或作为该操作的一部分来执行。
122.在框508中，处理器可执行操作，包括修改交通工具算法的执行以创建交通工具算法的轻量版本，以供在交通工具异构计算系统的安全性合规计算单元上运行，如参照方法600(图6)的操作所讨论的。
123.在框530中，处理器可执行操作，包括在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出。例如，在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集生成较精细输出可包括：使用具有细粒度(或产生较高分辨率)的网格或过滤器设置来运行交通工具算法。
124.在框532中，处理器可以执行操作，包括在安全性合规计算单元上对数据集的随机采样部分运行交通工具算法的轻量版本，以针对该数据集的随机采样部分生成粗略输出。例如，在安全性合规计算单元上对数据集的随机采样部分运行交通工具算法的轻量版本以针对数据集的随机采样部分生成粗略输出可包括：用具有粗粒度(或产生较低分辨率)的网格或过滤器设置对数据集的随机选择子集运行交通工具算法的轻量版本。
125.在框534中，处理器可以执行操作，包括确定针对随机采样部分的粗略输出和较精细输出是否匹配。在各种实施例中，确定针对随机采样部分的粗略输出和较精细输出是否匹配可包括用于确定各输出匹配的各种操作，诸如比较各输出、计算各输出的散列等。
126.在框536中，处理器可以执行操作，包括响应于确定针对随机采样部分的粗略输出和较精细输出不匹配而生成警报。例如，响应于确定针对随机采样部分的粗略输出和较精细输出不匹配而生成警报可包括：向上层发送故障警报以通知上层采取安全性行动(例如，警告驾驶员、执行规避机动等)。
127.图9解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计算的方法900。参照图1a-9，方法900可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法900可以由交通工具管理系统栈(诸如交通工具管理栈200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法900可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法900可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。在各种实施例中，方法900的操作可以结合方法500(图5)的操作来执行。在各种实施例中，方法900的操作可以响应于框506中修改交通工具算法的执行的
操作或作为该操作的一部分来执行。
128.在框538中，处理器可以执行操作，包括标识数据集的关键部分。在一些实施例中，数据集的关键部分可以是很可能与安全性相关联的数据集部分，诸如包括行人的网格区段、与避免事故相关的数据等。
129.在框540中，处理器可执行操作，包括在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法以针对数据集的所标识的关键部分生成较精细输出。例如，交通工具算法可以针对数据集的所标识的关键部分用具有细粒度(或产生较高分辨率)的网格或过滤器设置在交通工具异构计算系统的安全性合规计算单元上运行，以针对数据集的所标识的关键部分生成较精细输出。
130.在框542中，处理器可执行操作，包括在交通工具异构计算系统的非安全性合规计算单元上运行交通工具算法以针对数据集的所有其他部分生成较精细输出。例如，交通工具算法可以针对数据集的所有非关键部分用具有细粒度(或产生较高分辨率)的网格或过滤器设置在交通工具异构计算系统的非安全性合规计算单元上运行，以针对数据集的所有其他部分生成较精细输出。
131.图10解说了根据各种实施例的用于支持交通工具异构计算系统中的安全性合规计算的方法1000。参照图1a-10，方法1000可以在处理器(例如，164)、处理设备(例如，300)和/或交通工具(例如，100)的控制单元(例如，104)(不同地称为“处理器”)或交通工具计算设备402中实现。在一些实施例中，方法1000可以由交通工具管理系统栈(诸如交通工具管理栈200、交通工具管理栈250等)内的一层或多层来执行。在其他实施例中，方法1000可以由处理器独立于但结合交通工具控制系统栈(诸如交通工具管理栈200、交通工具管理栈250等)来执行。例如，方法1000可以被实现为自立软件模块或实现在专用硬件内，其监视来自/在交通工具管理系统栈(例如，交通工具管理栈200、250等)内的数据和命令，并且被配置成如所描述地采取行动并存储数据。
132.在框502中，处理器可以执行操作，包括接收要在交通工具异构计算系统中运行要求安全性合规的交通工具算法的指示，如参考方法500(图5)的操作所讨论的。
133.在框504中，处理器可以执行操作，包括确定交通工具异构计算系统的非安全性合规计算单元是否优选用于运行交通工具算法，如参考方法500(图5)的操作所讨论的。
134.在框548中，处理器可以执行操作，包括响应于确定交通工具异构计算系统的非安全性合规计算单元优选用于运行交通工具算法而修改交通工具算法的执行以创建交通工具算法的轻量版本。算法的轻量版本(诸如交通工具算法的轻量版本)可以是与该算法的完整版本相比需要更少计算资源来执行的算法版本。例如，交通工具算法的完整版本可以使用具有细粒度(或产生较高分辨率)的网格或过滤器设置，而算法的轻量版本(诸如交通工具算法的轻量版本)可以使用具有较粗粒度(或产生较低分辨率)的网格或过滤器设置。
135.在框550中，处理器可以执行操作，包括标识数据集的重要部分。在一些实施例中，数据集的重要部分可以是与重要性设置(诸如重要性阈值、被标识为重要的对象类型等)相关联的数据集部分。
136.在框552中，处理器可执行操作，包括在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法以针对数据集的所标识的重要部分生成较精细输出。例如，交通工具算法可以针对数据集的所标识的重要部分用具有细粒度(或产生较高分辨率)的网格
或过滤器设置在交通工具异构计算系统的安全性合规计算单元上运行，以针对数据集的所标识的重要部分生成较精细输出。
137.在框554中，处理器可执行操作，包括在交通工具异构计算系统的安全性合规计算单元上运行交通工具算法的轻量版本以针对数据集的所有其他部分生成粗略输出。例如，轻量交通工具算法可以针对数据集的所有非重要部分用具有粗粒度(或产生较低分辨率)的网格或过滤器设置在交通工具异构计算系统的非安全性合规计算单元上运行，以针对数据集的所有其他部分生成粗略输出。
138.所解说和描述的各种实施例是仅作为解说权利要求的各种特征的示例来提供的。然而，针对任何给定实施例所示出和描述的特征不必限于相关联的实施例，并且可以与所示出和描述的其他实施例联用或组合。此外，权利要求书不旨在限于任何一个示例实施例。
139.上述方法描述和过程流图是仅作为解说性示例而提供的，且并非旨在要求或暗示各种实施例的框必须按所给出的次序来执行。如本领域技术人员将领会的，前述各实施例中的框次序可按任何次序来执行。诸如“其后”、“然后”、“接着”等的措辞并非旨在限定框的次序；这些措辞仅是简单地用以指引读者历经各方法的描述。此外，对单数形式的权利要求元素的任何引述(例如使用冠词“一”、“某”或“该”的引述)不应解释为将该元素限定为单数。
140.结合本文中所公开的实施例来描述的各种解说性逻辑框、模块、电路、和算法框可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路和块在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员可针对每种特定应用以不同方式来实现所描述的功能性，但此类实施例决策不应被解读为致使脱离各种实施例的范围。
141.用以实现结合本文中公开的实施例描述的各种解说性逻辑、逻辑框、模块、以及电路的硬件可用设计成执行本文中描述的功能的通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为通信设备的组合，例如，dsp与微处理器的组合、多个微处理器、与dsp核心协同的一个或多个微处理器、或任何其他此类配置。替换地，一些框或方法可由专用于给定功能的电路系统来执行。
142.在各种实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现，则这些功能可作为一条或多条指令或代码存储在非瞬态计算机可读介质或非瞬态处理器可读介质上。本文中公开的方法或算法的操作可在处理器可执行软件模块中实施，该处理器可执行软件模块可驻留在非瞬态计算机可读或处理器可读存储介质上。非瞬态计算机可读或处理器可读存储介质可以是能被计算机或处理器访问的任何存储介质。作为示例而非限定，此类非瞬态计算机可读或处理器可读介质可包括ram、rom、eeprom、闪存、cd-rom或其他光盘存储、磁盘存储或其他磁存储设备、或能被用来存储指令或数据结构形式的期望程序代码且能被计算机访问的任何其他介质。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(cd)、激光碟、光碟、数字多用碟(dvd)、软盘和蓝光碟，其中盘(disk)往
往以磁的方式再现数据而碟(disc)用激光以光学方式再现数据。以上的组合也被包括在非瞬态计算机可读和处理器可读介质的范围内。附加地，方法或算法的操作可作为一条代码和/或指令或者任何代码和/或指令组合或集合而驻留在可被纳入计算机程序产品中的非瞬态处理器可读介质和/或计算机可读介质上。
143.提供所公开的实施例的先前描述是为了使本领域任何技术人员皆能制作或使用本发明实施例。对这些实施例的各种修改对于本领域技术人员而言将是显而易见的，并且本文中定义的通用原理可被应用于其他实施例而不会脱离各实施例的范围。因而，各种实施例并非旨在被限定于本文中所示出的各实施例，而是应被授予与以下权利要求以及本文中所公开的原理和新颖特征一致的最广范围。