CN108216235A - 自主车辆对象检测 - Google Patents

Abstract

一种车辆中的计算机可确定从车辆到交通对象的第一距离，以及经由网络接口接收从第二车辆到交通对象的第二距离以及从第二车辆到车辆的第三距离。计算机可基于第二距离和第三距离通过三角测量来确定第四距离以及基于结合第一距离和第四距离来驾驶车辆。

Description

自主车辆对象检测

技术领域

本发明大体上涉及自主车辆领域，并且尤其是涉及自主车辆对象检测。

背景技术

车辆可装配成在自主驾驶模式和乘员驾驶模式下运行。车辆可配备有用来驾驶车辆并且帮助乘员驾驶车辆的计算装置、网络、传感器以及控制器。计算装置可监测计算装置、网络、传感器以及控制器的操作以确定计算装置、网络、传感器以及控制器的电气和逻辑健康状况。

发明内容

根据本发明的一方面，提供一种方法，包括：

确定从第一车辆到交通对象的第一距离；

经由网络接口接收从第二车辆到所述交通对象的第二距离以及从所述第二车辆到所述第一车辆的第三距离；

基于所述第二距离和所述第三距离通过三角测量来确定第四距离；以及

基于结合所述第一距离和所述第四距离来驾驶所述第一车辆。

根据本发明的一个实施例，交通对象为道路、栅栏、桥礅、柱子、指示牌、杆子、栏杆、信号灯、标记、停放的车辆以及移动的车辆的其中一个或多个。

根据本发明的一个实施例，网络接口包括局域网和因特网。

根据本发明的一个实施例，第一距离、所述第二距离、所述第三距离以及所述第四距离被确定为向量距离。

根据本发明的一个实施例，结合所述第一距离和所述第四距离包括：将所述第一距离与所述第四距离进行比较，以及如果所述第一距离和所述第四距离不同，则选择与更高准确度值相关的距离。

根据本发明的一个实施例，方法进一步包括：

经由所述网络接口接收从一个或多个额外的第二车辆到所述交通对象的一个或多个额外的第二距离以及从一个或多个额外的第二车辆到所述第一车辆的一个或多个额外的第三距离；

基于所述第二距离、所述额外的第二距离、所述第三距离以及所述额外的第三距离来确定平均的第四距离和标准偏差；以及

基于结合所述第一距离、所述平均的第四距离以及所述标准偏差来驾驶所述第一车辆。

根据本发明的一个实施例，方法进一步包括：

基于所述第二距离以及所述交通对象相对于所述第二车辆的确定的大小和角度来确定概率函数；以及

结合所述概率函数和所述第三距离来确定所述平均的第四距离和所述标准偏差。

根据本发明的一个实施例，概率函数是基于准确度值进行调整。

根据本发明的一个实施例，驾驶所述车辆包括：与误差函数的输出成比例地减速，所述误差函数是基于结合所述第一距离与所述平均的第四距离和所述标准偏差。

根据本发明的一个实施例，与所述误差函数成比例地减速包括：将所述误差函数与预定阈值进行比较，以及如果所述误差函数超过所述预定阈值，则与所述误差函数成比例地降低速度。

根据本发明的一方面，提供一种设备，包括：

处理器；

存储器，所述存储器存储可由所述处理器执行以执行下列操作的指令：

确定从车辆到交通对象的第一距离；

经由网络接口接收从第二车辆到所述交通对象的第二距离以及从所述第二车辆到所述车辆的第三距离；

基于所述第二距离和所述第三距离通过三角测量来确定第四距离；以及

基于结合所述第一距离和所述第四距离来驾驶所述车辆。

根据本发明的一个实施例，交通对象为道路、栅栏、桥礅、柱子、指示牌、杆子、栏杆、信号灯、标记、停放的车辆以及移动的车辆的其中一个或多个。

根据本发明的一个实施例，网络接口包括局域网和因特网。

根据本发明的一个实施例，第一距离、所述第二距离、所述第三距离以及所述第四距离被确定为向量距离。

根据本发明的一个实施例，结合所述第一距离和所述第四距离包括：将所述第一距离与所述第四距离进行比较，以及如果所述第一距离和所述第四距离不同，则选择与更高准确度值相关的距离。

根据本发明的一个实施例，进一步包括：

经由所述网络接口接收从一个或多个额外的第二车辆到所述交通对象的一个或多个额外的第二距离以及从一个或多个额外的第二车辆到所述车辆的一个或多个额外的第三距离；

基于所述第二距离、所述额外的第二距离、所述第三距离以及所述额外的第三距离来确定平均的第四距离和标准偏差；以及

基于结合所述第一距离、所述平均的第四距离以及所述标准偏差来驾驶所述车辆。

根据本发明的一个实施例，进一步包括：

基于所述第二距离以及所述交通对象相对于所述第二车辆的确定的大小和角度来确定概率函数；以及

结合所述概率函数和所述第三距离来确定所述平均的第四距离和所述标准偏差。

根据本发明的一个实施例，概率函数是基于准确度值进行调整。

根据本发明的一个实施例，驾驶所述车辆包括：与误差函数的输出成比例地减速，所述误差函数是基于结合所述第一距离与所述平均的第四距离和所述标准偏差。

根据本发明的一个实施例，与所述误差函数成比例地减速包括：将所述误差函数与预定阈值进行比较，以及如果所述误差函数超过所述预定阈值，则与所述误差函数成比例地降低速度。

附图说明

图1为示例车辆的框图；

图2为两台示例车辆摄像机的示意图；

图3为包括四辆车的示例交通场景的示意图；

图4为四辆示例车辆的示意图；

图5为驾驶车辆的示例过程的流程图；

图6为驾驶车辆的示例过程的流程图。

具体实施方式

车辆可装配成在自主驾驶模式和乘员驾驶模式下运行。我们所说的半自主模式或完全自主模式意指可由作为具有传感器和控制器的车辆信息系统的一部分的计算装置来驾驶车辆的运行模式。车辆可以是有人使用的或者无人使用的，但是无论在哪种情况下，均可以在没有乘员辅助的情况下驾驶车辆。为了本公开的目的，自主模式被定义为由一台或多台车辆计算机来控制车辆的推进器(例如，经由包括内燃机和/或电动机的动力传动系统)、制动器以及转向器的每一者的模式；在半自主模式下，车辆计算机控制车辆的推进器、制动器以及转向器的其中一者或两者。

车辆可配备有用来驾驶车辆并且确定包括像道路这样的特征的周围真实世界的地图的计算装置、网络、传感器以及控制器。可基于定位和识别周围真实世界中的道路标志来驾驶车辆和确定地图。我们所说的驾驶意指引导车辆的运动以便沿着道路或者路径的其他路段移动车辆。

图1为车辆信息系统100的示意图，根据所公开的实施方式，车辆信息系统100包括可在自主(在本公开中“自主”本身意指“完全自主”)模式和乘员驾驶(也称为非自主)模式下运行的车辆110。车辆110还包括在自主运行期间执行用于驾驶车辆110的计算的一个或多个计算装置115。计算装置115可从传感器116接收关于车辆运行的信息。

计算装置115包括例如已知的处理器和存储器。进一步地，存储器包括一种或多种形式的计算机可读介质并且存储处理器可执行的用于执行包括如本文中所公开的各种操作的指令。例如，计算装置115可包括下列程序：操作车辆制动器、推进器(例如，通过控制内燃机、电动机、混合动力发动机等的其中一个或多个来控制车辆110的加速)、转向器、气候控制、内部和/或外部车灯等的其中一个或多个，以及确定计算装置115(而不是人类操作者)是否以及何时将控制这样的操作。

计算装置115可包括多于一个的计算装置或者例如经由下面进一步描述的车辆通信总线通信地连接到多于一个的计算装置(例如，包含在车辆110中用于监测和/或控制各种车辆部件的控制器等(例如，动力传动系统控制器112、制动器控制器113、转向器控制器114等))。计算装置115通常设置为在车辆通信网络(例如车辆110中的总线(例如控制器局域网(controller area network，CAN)等))上进行通信；车辆110的网络可包括例如已知的有线或无线通信机制(例如，以太网或其他通信协议)。

经由车辆网络，计算装置115可将消息传送到车辆中的各种装置和/或从包括传感器116在内的各种装置(例如，控制器、致动器、传感器等)接收消息。可供选择地，或者另外，在计算装置115实际上包括多个装置的情况下，车辆通信网络可用于在本公开中表示为计算装置115的装置之间进行通信。进一步地，如下所述，各种控制器或感测元件可经由车辆通信网络向计算装置115提供数据。

另外，计算装置115可配置为通过车辆对基础设施(vehicle-to-infrastructure，V-to-I)接口111经由网络130与远程服务器计算机120(例如，云服务器)进行通信，如下所述，网络130可利用各种有线和/或无线组网技术(例如，蜂窝技术、蓝牙技术以及有线和/或无线分组网络)。计算装置115还包括例如已知的非易失性存储器。计算装置115可通过将信息存储在非易失性存储器中来载入信息以供后续经由车辆通信网络和车辆对基础设施(V-to-I)接口111调取和传送到服务器计算机120或用户移动装置160。

如已经提到的，通常包含在存储于存储器中并且由计算装置115的处理器执行的指令中的是用于在没有人类操作者介入的情况下操作车辆110的一个或多个部件(例如，制动器、转向器、推进器等)的程序。利用在计算装置115接收到的数据(例如，来自传感器116、服务器计算机120等的传感器数据)，计算装置115可在没有驾驶员操作车辆110的情况下做出各种决定和/或控制车辆110的各种部件和/或操作。例如，计算装置115可包括下列程序：调整车辆110的操作行为(例如速度、加速度、减速度、转向等)以及策略行为(例如车辆之间的距离和/或车辆之间的时间量、变道、车辆之间的最小间距、左转弯穿过道路的最小值、到达特定位置和交叉口(没有信号灯)的时间、到达穿过交叉口的最短时间)。

如在本文中使用的该术语，控制器包括一般编程为控制特定车辆子系统的计算装置。示例包括动力传动系统控制器112、制动器控制器113以及转向器控制器114。控制器可为例如已知的电子控制单元(electronic control unit，ECU)，电子控制单元可能包括如本文中所述的附加程序。控制器可通信连接到计算装置115并且从计算装置115接收指令以根据该指令启动子系统。例如，制动器控制器113可从计算装置115接收操作车辆110的制动器的指令。

车辆110的一个或多个控制器112、113、114可包括已知的电子控制单元(electronic control unit，ECU)等，如非限制性示例所示，电子控制单元包括一个或多个动力传动系统控制器112、一个或多个制动器控制器113以及一个或多个转向器控制器114。每个控制器112、113、114可包括各自的处理器和存储器以及一个或多个致动器。控制器112、113、114可以被编程并且连接到车辆110的通信总线(例如控制器局域网(controllerarea network，CAN)总线或者局域互连网(local interconnect network，LIN)总线)，以从计算机115接收指令并且基于该指令控制致动器。

传感器116可包括已知经由车辆通信总线提供数据的各种装置。例如，固定到车辆110的前保险杠(未示出)的雷达可提供从车辆110到车辆110前方的下一辆车的距离，或者设置在车辆110中的全球定位系统(global positioning system，GPS)传感器可提供车辆110的地理坐标。计算装置115可利用雷达提供的距离或者GPS传感器提供的地理坐标来自主地或半自主地操作车辆110。

车辆110通常为具有三个或更多个车轮的陆上自主车辆110(例如，乘用车、轻型卡车等)。车辆110包括一个或多个传感器116、车辆对基础设施接口111、计算装置115以及一个或多个控制器112、113、114。

传感器116可编程为收集与车辆110以及车辆110运行时所处的环境有关的数据。举例来说，并且不受限制，传感器116可包括例如高度计、摄像机、激光雷达(LIDAR)、雷达、超声波传感器、红外传感器、压力传感器、加速度计、陀螺仪、温度传感器、霍尔传感器、光学传感器、电压传感器、电流传感器、机械传感器(例如开关)等。传感器116可用来感测车辆110运行时所处的环境(例如天气状况、道路的坡度、道路的位置或者相邻车辆110的位置)。传感器116可进一步用来收集与车辆110的操作有关的车辆110的动态数据(例如速度、横摆率、转向角度、发动机转速、制动压力、油压、施加到车辆110中的控制器112、113、114的功率电平、部件之间的连接性以及车辆110的电气和逻辑健康状况)。

计算装置115包括检测传感器116的可靠性的车载诊断硬件和软件，其中可靠性被定义为传感器116将及时并且准确的信息提供到计算装置115的可能性。由于安全地驾驶车辆110可能取决于来自传感器116的及时并且准确的信息，因此计算装置115可能要求传感器116提供99.9％或者更高的可靠性。对传感器116的可靠性的这种非常严格的要求意味着，例如，即使因天气或碎片导致在传感器116中出现暂时的破裂，也会导致可靠性下降到99.9％之下。

当车载诊断工具确定传感器116的可靠性小于99.9％时，计算装置115无法预测车辆110的安全驾驶。在这种情况下，计算装置115可引导车辆离开道路交通并且停车。这会对其他车辆造成危害并且阻碍交通。在当车载诊断工具确定传感器116的可靠性小于99.9％时计算装置115正在辅助乘员驾驶车辆110的情况下，计算装置115会突然将对车辆110的转向器、制动器以及推进器的控制交还给乘员。乘员会认为这令人非常不愉快。

图2为作为用于提高传感器116的可靠性的技术的示例的交通场景200的示意图。交通场景200包括两台摄像机202、204。摄像机202包含在第一车辆110中并且摄像机204包含在第二车辆110中。第一和第二车辆110分别正在道路上沿着箭头206、208所指的方向行驶。每台摄像机202、204均对准行驶方向。在该示例中，假设第一和第二车辆110的行驶方向是平行的。

如上面关于图1所讨论的，第一和第二车辆110配备有传感器116，传感器116可利用包括处理视频图像在内的已知技术和LIDAR来确定距离向量D₁和D₂。由虚线表示的距离向量D₁和D₂分别是从包含摄像机202、204的第一和第二车辆110到交通对象210。距离向量为具有三维空间(例如X，Y以及Z)中的原点或位置、作为标量的距离以及表示为三个角量ρ，φ以及θ的方向的向量，三个角量ρ，φ以及θ被测量为相对于X，Y以及Z轴中的每一者的旋转。第一和第二车辆110还配备有可确定在第一和第二车辆110之间由虚线表示的距离向量D₃的传感器116。第一和第二车辆110还配备有允许在第一和第二车辆110之间经由局域网进行通信的车辆对基础设施接口111。

交通对象210可为能够由计算装置115和传感器116识别并且具有选择用来标示它的点P的任何对象(包括灯和标志杆、栅栏、栏杆、桥礅、标记、指示牌以及视觉信号灯等)。例如，计算装置115可包括交通对象210的数据库，该数据库包括用来帮助识别交通对象210的位置。计算装置115还可经由车辆对基础设施接口111从局域网接收关于交通对象的标识和位置的信息。

在包含于第一车辆110中的计算装置115中所包含的车载诊断工具确定传感器116的可靠性小于99.9％并且距离向量D₁因此不是到交通对象210的距离的可靠度量的情况下，计算装置115可与包含在第二车辆110中的计算装置115进行通信以接收包含距离向量D₂和D₃的信息。包含在第一车辆中的计算装置115可基于接收到的距离向量D₂和D₃来确定新的估计距离向量D_calc以替换不可靠的距离向量D₁。尽管具有可靠性小于99.9％的传感器116，用新的距离向量D_calc替换不可靠的距离向量D₁仍然可允许计算装置115安全地驾驶第一车辆110。

在图2的示例交通场景200中，可由从第二车辆110和第二摄像机204接收到的包含距离向量D₃和偏移量x₁的信息估算出从第一车辆110和摄像机202到交通对象P 210的距离。偏移量x₁和x₂为在摄像机202、204的焦平面中测量的交通对象210上的点P的投影。计算装置115可由距离向量D₃确定基线b，确定差值d＝(x₁-x₂)并且假设摄像机202、204的预定焦距f，通过以下等式确定深度z：

计算装置115可利用该深度值z来确定新的估计距离向量D_calc以替换不可靠的距离向量D₁。下面参考图5讨论基于距离向量D₂和D₃来确定新的估计距离向量D_calc以替换不可靠的距离向量D₁。

图3为包括第一车辆302、第二车辆304、第三车辆306以及第四车辆308的示例交通场景300的示意图。每辆车302、304、306、308装配成确定分别从车辆302、304、306、308到交通对象310的距离向量V₁、V₂、V₃、V₄。每辆车302、304、306、308还配备有经由局域网进行通信的车辆对基础设施接口111。在包含于第一车辆302中的计算装置115中所包含的车载诊断工具确定包含在第一车辆302中的传感器116正以小于99.9％的可靠性操作的情况下，计算装置115可与第二车辆304、第三车辆306以及第四车辆308进行通信以接收包含距离向量V₂、V₃、V₄及其位置的信息。

基于距离向量V₂、V₃、V₄以及第二车辆304、第三车辆306以及第四车辆308的位置，计算装置115可基于每个距离向量V₂、V₃、V₄以及第二车辆304、第三车辆306以及第四车辆308中的每一者的位置来分别确定估计距离向量V_calc。计算装置115可确定估计距离向量V_calc的平均值V_ave和相关的标准偏差σ以纠正距离向量V₁。

如果计算装置115确定在平均值V_ave和原始距离向量V₁之间存在误差e，则计算装置115将误差e与标准偏差σ进行比较，并且如果标准偏差σ低于误差e，意味着在平均值V_ave方面存在良好的一致性，则计算装置115可通过误差e的加权部分来纠正距离向量V₁。加权因子为与V_ave相关的标准偏差σ的函数，该函数随着标准偏差σ的减小而增加。例如，如果计算装置115确定V₁是与交通对象310相距40英尺(ft.)，并且V_ave等于25英尺，标准偏差σ等于一英尺，则计算装置115可将V₁纠正为29英尺。

如果百分比误差％e大于预定阈值(例如5％)，则计算装置115可使车辆302与平均值V_ave和原始距离向量V₁之间的误差成比例地减速。可通过将误差e除以距离向量V₁来确定百分比误差％e。例如，对于距离向量V₁中的每1％误差而言，计算装置115可引导车辆302使速度减小原始目标速度的1％。

在距离向量V₁中的百分比误差％e大于预定百分比(例如10％)的情况下，第一车辆302可包含该信息连同距离向量V₁，从而在与车辆304、306、308进行通信时标记百分比误差％e以识别出距离向量V₁被降低，以便车辆304、306、308在类似的计算中将不使用距离向量V₁。计算装置115可检查接收到的距离向量V₂、V₃、V₄以确定其是否被标记为降低，以便不用于计算V_ave和标准偏差σ。

图4为来自示例交通场景300的车辆302、304、306、308的示意图，单独显示车辆302、304、306、308以增加清晰度。显示出每辆车302、304、306、308分别具有距离向量V₁、V₂、V₃、V₄，距离向量V₁、V₂、V₃、V₄全部指向交通对象310。每个距离向量V₁、V₂、V₃、V₄附有概率分布402、404、406、408。概率分布402、404、406、408为测量距离向量V₁、V₂、V₃、V₄的准确度的不确定性度量(例如，概率分布402、404、406、408越小，距离向量V₁、V₂、V₃、V₄准确的概率越高)。表示概率分布402、404、406、408的虚线圆圈可反映出与对象大小、角度以及距车辆302、304、306、308的距离的确定性有关的值的分布(例如标准偏差σ)。

可比较每个概率分布402、404、406、408以确定与将单独依靠平均值和标准偏差σ获得相比对距离向量V₁的更高的准确度估计。新的估计距离向量V₁可为加权平均值，其中通过概率分布函数对估计距离向量进行加权，在平均值获得更大权重时估计距离向量具有较小的概率分布。通过这种方式，与不太准确的估计相比，距离向量的更准确的估计将对最终的估计距离向量V₁有更大影响。

每个距离向量V₁、V₂、V₃、V₄可能具有不同的概率分布402、404、406、408，这是因为距离向量确定准确度取决于例如距离和用于确定距离的传感器116的类型这样的因素。例如，车辆302、304、306、308越靠近交通对象310，可以预期车辆302、304、306、308越准确地确定距离。另外，用于确定三维空间中的范围或距离的不同技术在准确度上有所不同。例如，立体视频摄像机本质上可能具有较低的3D分辨率，因此相较于基于激光的LIDAR传感器具有更大的概率分布。与距离向量V₁、V₂、V₃、V₄相关的概率分布402、404、406、408的组合可产生加权因子WF，加权因子WF可用来修改用于纠正距离向量V₁的误差e＝V1-V_ave。

在示例交通场景300中，距离向量V₁的距离分量等于60英尺。可利用距离向量V₂连同每辆车302、304的位置通过三角测量来计算估计距离向量V_calc。如上面关于图2所示，三角测量是一种技术，通过这种技术，可利用两个距离向量V₁、V₂及其位置来确定距与穿过每个距离向量V₁、V₂共同指向的点的线垂直的车辆的第三距离向量。两个距离向量V₁、V₂和第三向量可设置成形成允许通过三角法由距离向量V₂和第三向量确定距离向量V₁的相似三角形。

类似地，可利用距离向量V₃、V₄来计算额外的估计距离向量V_calc。可将估计距离向量V_calc相加并平均以形成V_ave以及为估计距离向量V_calc确定的标准偏差σ。在该示例中，V_ave＝50英尺，并且σ＝2英尺，所以误差e＝V1-V_ave＝10英尺，使％e＝10/60或16.7％。由于误差e(＝10)>σ(＝2英尺)，因此纠正后的距离向量V_corr＝V₁-V_ave*WF＝55英尺，其中加权因子WF＝0.5。距离向量V₁可以被标记为降低，这是因为16.6％的百分比误差％e大于10％的预定阈值。

图5为基于所确定的第一、第二以及第三距离(例如，按照上面的描述所确定的)来驾驶车辆110的过程500的流程图(关于图1至图4所描述的)。例如，过程500可由计算装置115的处理器来实现，处理器获得来自传感器116的输入信息，并且经由控制器112、113、114执行指令和发送控制信号。过程500包括按照所公开的顺序得到的多个步骤。过程500还包括包含更少步骤的实施方式或者可包括按照不同顺序得到的步骤。

可参考图2来描述过程500，从步骤502开始，在步骤502，包含在第一车辆110中的计算装置115可确定到交通对象210上的点P的第一距离向量D₁。如上面关于图2所讨论的，计算装置115可通过输入来自传感器116(包括视频摄像机和LIDAR传感器)的数据来确定到交通对象210上的点P的第一距离向量D₁。在步骤504，计算装置115可经由车辆对基础设施接口111接收例如来自第二车辆110的信息，该信息包括从第二车辆110到交通对象210的第二距离向量D₂以及从第二车辆110到第一车辆的第三距离向量D₃。

在步骤506，如以上关于图2所讨论的，计算装置115可基于第二距离向量D₂和第三距离向量D₃通过三角测量来确定第四距离向量D_calc。第四距离向量D_calc为从第一车辆110到交通对象210上的点P的估计距离向量。在步骤508，计算装置115通过首先确定距离向量D₁不可靠来驾驶第一车辆110，这是因为传感器116正在提供准确和及时的数据的概率小于99.9％。在这种情况下，计算装置115可利用估计距离向量D_calc而不是不可靠的距离向量D₁来驾驶第一车辆110。

图6为基于所确定的平均值和标准偏差距离(例如，如上所述)来驾驶车辆110的过程600的流程图(关于图1至图4所描述的)。例如，过程600可由计算装置115的处理器来实现，处理器获得来自传感器116的输入信息，并且经由控制器112、113、114执行指令和发送控制信号。过程600包括按照所公开的顺序得到的多个步骤。过程600还包括包含更少步骤的实施方式或者可包括按照不同顺序得到的步骤。

过程600开始于步骤602，在步骤602，如上面关于图3和图4所讨论的，包含在第一车辆302中的计算装置经由车辆对基础设施接口111接收例如分别从车辆304、306、308到交通对象310的第一方向向量V₂、V₃、V₄。在步骤604，如关于图2和图5所讨论的，计算装置115基于第一方向向量V₂、V₃、V₄通过三角测量来确定第二向量，其中第二向量为估计距离向量V_calc。

在步骤606，计算装置115基于估计距离向量V_calc来确定平均距离向量V_ave和相关的标准偏差σ。在步骤608，计算装置115确定第三向量(如上面关于图1、图2、图3以及图4所讨论的，表示从车辆302到交通对象310的距离向量V₁并且经由传感器116通过计算装置115确定)与在步骤606确定的平均距离向量V_ave之间的误差e。

在步骤610，计算装置115将在步骤606确定的误差e与在步骤606确定的标准偏差σ进行比较，并且如果标准偏差σ大于或等于误差e，则过程600结束。如果标准偏差小于误差e，则过程600继续进行到步骤612，在步骤612，计算装置115将通过将误差e除以平均距离向量V_ave形成的百分比误差与预定阈值(例如5％)进行比较。如果百分比误差小于预定阈值，则过程600结束。如果百分比误差大于预定阈值，则过程600转到步骤614。

在步骤614，包含于计算装置115中的车载诊断工具可确定传感器116的准确度。传感器116的准确度可定义为描述在给定的准确检测概率下(例如99.9％的真实检测概率和0.1％的漏报概率)传感器116的分辨率(以英尺为单位)的数值性质。在计算装置115确定传感器116在预定准确度下可靠性不是99.9％并且因此距离向量V₁不可靠的情况下，如上面关于图3和图4所讨论的，计算装置115可基于从车辆304、306、308接收到的方向向量V₂、V₃、V₄及其各自的位置来纠正距离向量V₁。计算装置115可基于从车辆304、306、308接收到的关于其各自的传感器116的准确度的信息来对每个方向向量V₂、V₃、V₄为估计方向向量V_ave所做的贡献进行加权。

例如，存在解释车辆302、304、306、308之间传感器116的准确度差异的几种解释。一辆或多辆车302、304、306、308可配备有检测交通对象310和其他车辆302、304、306、308的更准确或更高数量的传感器116的阵列。例如，每辆车302、304、306、308可经由车辆对基础设施接口111连接到对车辆302、304、306、308的位置有更高或更低准确度估计的网络，这是因为不同车辆302、304、306、308可能具有不同网络，类似于不同移动电话具有不同移动电话运营商。例如，每个网络对车辆302、304、306、308的位置的估计的准确度可能不同于其他网络。

在其他情况下，传感器116的准确度可能不同，这是因为一辆或多辆车302、304、306、308在检测周围对象时可能正在经受比其他车辆302、304、306、308更多或更少的干扰(例如，由于环境干扰(覆盖传感器的冰、积雪等)、对摄像机系统的可见光干扰(前照灯、太阳光反射等)、红外线干扰(热点，像从井盖传播出去的蒸汽)、电磁干扰(高密度本地无线电业务)等)。在其他情况下，传感器116的准确度可能不同，这是因为一辆或多辆车302、304、306、308是与其他车辆302、304、306、308相比具有更新、更准确的感测/定位技术的更新年型。

当经由车辆对基础设施接口111与第一车辆302进行通信时，每辆车304、306、308可包括关于距离向量V₂、V₃、V₄及其位置的准确度信息连同距离向量V₂、V₃、V₄和位置，从而允许第一车辆302如上面关于图3和图4所讨论的那样基于接收到的准确度信息来确定加权因子WF。

总而言之，过程600描述了一种过程，通过该过程，车辆110能够通过利用车辆对车辆和车辆对基础设施无线通信技术来提高传感器116的准确度和可靠性，从而提高计算装置115驾驶车辆110的能力。可利用车辆对车辆和车辆对基础设施通信技术来独立地验证传感器116的准确度和可靠性，从而在不需要额外硬件的情况下提供关键性安全功能的冗余。

计算装置(例如本文中所讨论的那些)通常各自包括可由一个或多个计算装置(例如上述那些)执行并且用于执行上述过程的框或步骤的指令。例如，上面讨论的过程的框可体现为计算机可执行指令。

计算机可执行指令可以由计算机程序编译或解释，计算机程序采用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独的或组合的Java^TM、C、C++、Visual Basic、Java Script、Perl、HTML等。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此完成一个或多个过程，包括这里所描述的一个或多个过程。这样的指令和其他数据可以采用各种计算机可读介质存储成文件和传送。计算装置中的文件通常为存储在计算机可读介质(例如存储介质、随机存取存储器等)上的数据的集合。

计算机可读介质包括参与提供数据(例如，指令)的任何介质，该数据可以由计算机读取。这样的介质可以采用多种形式，包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘以及其他永久性存储器。易失性介质包括一般构成主存储器的动态随机存取存储器(dynamic random access memory，DRAM)。计算机可读介质的常规形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、光盘只读存储器(CompactDisc Read-Only Memory，CD-ROM)、数字化视频光盘(Digital Video Disk，DVD)、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、随机存取存储器(Random-Access Memory，RAM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、闪速电可擦除可编程只读存储器(Flash Electrically Erasable Programmable Read-Only Memory，FLASH-EEPROM)、任何其他存储器芯片或盒，或者任何其他计算机可读取的介质。

在权利要求中所使用的所有术语旨在给予其被本领域的技术人员理解为其清楚的并且常用的意思，除非在这里做出了明确的相反的指示。特别地，单数冠词(例如“一”、“该”、“所述”等)的使用应该理解为表述一个或多个所示元件，除非权利要求作出了与此相反的明确限制。

术语“示例性”在本文中用于表示示例的意义，例如，对“示例性小部件”的引用应该理解为仅仅指的是小部件的示例。

修饰值或结果的副词“近似”意指形状、结构、测量、值、确定、计算等可能偏离精确描述的几何结构、距离、测量、值、确定、计算等，这是因为在材料、机械加工、制造、传感器测量、计算、处理时间、通信时间等方面存在缺陷。

在附图中，相同的附图标记表示相同的元件。进一步地，这些元件中的一些或全部可以被改变。关于本文中所述的介质、过程、系统、方法等，应当理解的是，尽管已经将这些过程的步骤等描述为根据某个有序的顺序发生，但是这些过程可以利用以不同于本文中所述顺序的顺序执行的所述步骤来实施。进一步应当理解的是，某些步骤可以同时执行，可以添加其他步骤，或者可以省略本文中所述的某些步骤。换言之，为了说明某些实施例，提供了本文中的过程的描述，并且这些描述决不应解释为限制要求保护的发明。

Claims (16)

1.一种方法，包括：

确定从车辆到交通对象的第一距离；

经由网络接口接收从第二车辆到所述交通对象的第二距离以及从所述第二车辆到所述车辆的第三距离；

基于所述第二距离和所述第三距离通过三角测量来确定第四距离；以及

基于结合所述第一距离和所述第四距离来驾驶所述车辆。

2.根据权利要求1所述的方法，其中所述交通对象为道路、栅栏、桥礅、柱子、指示牌、杆子、栏杆、信号灯以及标记的其中一个或多个。

3.根据权利要求1所述的方法，其中所述网络接口包括点对点局域网和因特网。

4.根据权利要求1所述的方法，其中所述第一距离、所述第二距离、所述第三距离以及所述第四距离被确定为欧几里得距离。

5.根据权利要求1所述的方法，其中结合所述第一距离和所述第四距离包括：将所述第一距离与所述第四距离进行比较，以及如果所述第一距离和所述第四距离不同，则选择与更高准确度值相关的距离。

6.根据权利要求1所述的方法，进一步包括：

经由所述网络接口接收从一个或多个额外的第二车辆到所述交通对象的一个或多个额外的第二距离以及从一个或多个额外的第二车辆到所述车辆的一个或多个额外的第三距离；

基于所述第二距离、所述额外的第二距离、所述第三距离以及所述额外的第三距离来确定平均的第四距离和标准偏差；以及

基于结合所述第一距离、所述平均的第四距离以及所述标准偏差来驾驶所述车辆。

7.根据权利要求6所述的方法，进一步包括：

基于所述第二距离以及所述交通对象相对于所述第二车辆的确定的大小和角度来确定概率函数；以及

结合所述概率函数和所述第三距离来确定所述平均的第四距离和所述标准偏差。

8.根据权利要求7所述的方法，其中所述概率函数是基于准确度值进行调整。

9.根据权利要求6所述的方法，其中驾驶所述车辆包括：与误差函数的输出成比例地减速，所述误差函数是基于结合所述第一距离与所述平均的第四距离和所述标准偏差。

10.根据权利要求9所述的方法，其中与所述误差函数成比例地减速包括：将所述误差函数与预定阈值进行比较，以及如果所述误差函数超过所述预定阈值，则与所述误差函数成比例地降低速度。

11.根据权利要求1所述的方法，其中驾驶所述车辆包括：计算装置致动控制器以控制车辆动力传动系统、转向器以及制动器。

12.根据权利要求6所述的方法，其中基于与所述第二距离、所述额外的第二距离、所述第三距离以及所述额外的第三距离相关的误差函数来确定所述标准偏差。

13.根据权利要求7所述的方法，其中所述概率函数是基于所述第二距离的确定的准确度和所述交通对象的大小和角度的确定的准确度。

14.一种系统，包括编程为执行权利要求1-13中任意一项的方法的计算机。

15.一种方法，包括：

确定从第一车辆到交通对象的第一距离；

经由网络接口接收从第二车辆到所述交通对象的第二距离以及从所述第二车辆到所述第一车辆的第三距离；

基于所述第二距离和所述第三距离通过三角测量来确定第四距离；以及

基于结合所述第一距离和所述第四距离来驾驶所述第一车辆。

16.一种设备，包括：

处理器；

存储器，所述存储器存储可由所述处理器执行以执行下列操作的指令：

确定从车辆到交通对象的第一距离；

经由网络接口接收从第二车辆到所述交通对象的第二距离以及从所述第二车辆到所述车辆的第三距离；

基于所述第二距离和所述第三距离通过三角测量来确定第四距离；以及

基于结合所述第一距离和所述第四距离来驾驶所述车辆。