[发明专利]自主驾驶中交通动态与道路变化的检测

说明书

在一些实施例中，所公开的主题涉及用于与自主车辆一起使用的动态物体标识和环境变化的系统和方法。为了有效地检测自主车辆或部分自主车辆的变化，实施例可以使用基于背景移除和图像相减的技术，这些实施例使用运动检测而不是对图像中的所有物体的完全物体标识。靠近路段的路测单元或云中的虚拟路侧单元、其他车辆或移动设备(例如，无人机)被用于检取和存储路段的背景图像，以由自主车辆使用。描述并要求保护其他实施例。

本申请要求于2016年12月29日提交的美国专利申请序列第15/394,177号的优先权的权益，所述美国专利申请通过引用以其全部内容结合在此。

技术领域

本主题的实施例总体上涉及自主车辆，并且更具体地，涉及标识能够动态分析驾驶环境的环境和道路的变化。

背景

存在各种机制以用于视觉标识用于自主车辆的道路和物体。道路标识通常涉及使用相机或激光雷达(光探测和测距)对自主车辆要行驶的区域进行广泛的标测以用于创建高清晰度地图。现在开发的高度自动化车辆(HAV)依赖于详细的高分辨率地图。在标测时间和驾驶时间之间的环境变化可能导致标识错误，例如当出现坑洼或道路上有施工时。期望具有整个地球的精确地图也是不现实的。当在街区故意报告不准确的信息以驱动远离其区域的交通时的情况下，依赖众包更新也失败了。

现有的车载计算机视觉系统依赖于机器学习算法(诸如卷积神经网络(CNN)或深度神经网络(DNN))来分析场景并从视频帧中提取物体。另外，使用雷达(无线电探测和测距)或激光雷达，并且来自它们的数据与从图像提取的数据融合。对于某些实现，激光雷达可能极其昂贵，而神经网络可能产生不正确的结果或被攻击者欺骗。机器学习算法对处理和内存要求很高，并且添加数据融合增加了计算能力的基础，这在创建自主或自驾驶车辆方面存在重大障碍。

附图说明

在不必按比例绘制的附图中，相同标号可以描述不同视图中的类似组件。具有不同字母后缀的相同标号可以表示类似组件的不同实例。一些实施例以举例的方式被展示并且不限于附图中的图，在附图中：

图1A是示出根据实施例的从自主车辆看到的示例图像帧的示图；

图1B是示出根据实施例的在已经移除前景(移动)物体之后的示例背景图像帧的示图；

图1C是示出从图1B中移除的前景物体的示图；

图2是示出根据实施例的用于使用路侧单元(RSU)来辅助自主车辆的系统的框图；

图3是示出根据实施例的用于使用RSU来辅助交通管理的方法的流程图；

图4是示出根据实施例的RSU的各个组件的框图；以及

图5是示出可以在其上实现一个或多个实施例的机器的示例的框图。

具体实施方式

在以下描述中，出于解释的目的，阐明了各种具体细节以提供对一些示例实施例的透彻理解。然而，对本领域技术人员将显而易见的是，可以在没有这些具体细节的情况下或者通过略微改变来实践本主题。

本说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。因此，纵观本说明书，短语“在一个实施例中”或“在实施例中”在多个位置的出现不一定全部指同一实施例，或者指不同的或相互排他的实施例。

出于解释的目的，阐述了具体配置和细节以便提供对本主题的透彻理解。然而，对于本领域普通技术人员显而易见的是，所描述的主题的实施例可以在没有本文呈现的具体细节的情况下实施，或者以如本文所述的各种组合实施。此外，为了不混淆所描述的实施例，可省略或简化公知特征。在整个说明书中可以给出各种示例。这些仅是具体实施方案的描述。权利要求的范围或含义不限于给出的示例。