[发明专利]基于使用相位相干LIDAR数据确定的环境对象分类对自动驾驶车辆的控制

说明书

能够基于环境中的对象394的所确定的姿态和/或分类来控制车辆的自主转向、加速和/或减速。控制能够直接基于姿态和/或分类，和/或基于根据姿态和/或分类确定的对象394的移动参数。基于来自车辆的诸如相位相干LIDAR单脉冲组件和/或调频连续波(FMCW)LIDAR组件的相位相干光检测和测距(LIDAR)组件392的数据来确定环境对象的姿态和/或分类。定位子系统152通常负责定位其环境内的车辆。感知子系统154主要负责感知车辆环境内的对象，并且能够利用FMCW LIDAR数据392和可选地来自其它传感器391(例如，相机140、RADAR组件134)的数据来检测那些对象，对那些对象进行分类，确定那些对象的速度，并且跟踪那些对象。对象检测和分类模块154A能够向感知子系统154的速度模块154B提供对象394的姿态和类别的指示。感知子系统154将对象396中的一个或多个中的每一个的瞬时速度以及对象394的姿态和类别提供给规划子系统156。然后，将由规划子系统156生成的轨迹和/或其它数据传递到控制子系统158以将所期望的轨迹转换成适合于控制控制系统110中的各种车辆控件112、114和/或116的轨迹命令398，其中也将定位数据提供给控制子系统158以使得控制子系统158能够发出适当的命令以随着车辆的定位在时间帧期间改变而实现所期望的轨迹。通过跨两个或更多个接收器使反射分离来减少信噪比，同时能够实现超分辨率，该两个或更多个接收器相对于彼此在位置上偏移，从而使接收器的相应的检测变化。

背景技术

随着计算和车辆技术继续演进，自主相关特征已变得更强大且广泛可用，并且能够在各种各样的情况下控制车辆。对于汽车，例如，汽车工程师协会(SAE)已建立了标准(J3016)，该标准标识从“无自动”到“完全自动”的六个自动驾驶级别。SAE标准将级别0定义为即便当由警告或干预系统增强时人类驾驶员也对动态驾驶任务的所有方面进行完全执行的“无自动”。级别1被定义为“驾驶员辅助”，其中车辆在至少一些驾驶模式下控制转向或加速/减速(而不是两者)，从而让操作者执行动态驾驶任务的所有剩余方面。级别2被定义为“部分自动”，其中车辆在至少一些驾驶模式下控制转向和加速/减速，从而让操作者执行动态驾驶任务的所有剩余方面。级别3被定义为“有条件自动”，其中，对于至少一些驾驶模式，自动驾驶系统执行动态驾驶任务的所有方面，同时期望人类驾驶员将适当地对干预请求做出响应。级别4被定义为“高度自动”，其中，对于仅某些条件，即使人类驾驶员未适当地对干预请求做出响应，自动驾驶系统也执行动态驾驶任务的所有方面。级别4的某些条件可以是例如某些类型的道路(例如，高速公路)和/或某些地理区域(例如，已被充分地绘制的地理围栏大都市区域)。最后，级别5被定义为“完全自动”，其中车辆能够在所有条件下在没有操作者输入的情况下操作。

任何自主相关技术的基本挑战涉及收集并解释关于车辆周围环境的信息，以及规划并执行命令以适当地控制车辆运动以在其整体当前环境中安全地导航车辆。因此，一直在努力改进这些方面中的每个方面，并且通过这样做，自动驾驶车辆日益能够在日益复杂的环境中可靠地操作并且适应环境内的预期相互作用和意外相互作用两者。

发明内容

在一些实现方式中，提供了一种方法，该方法包括从车辆的相位相干光检测和测距(LIDAR)组件接收共同地捕获车辆环境的区域中的多个点的相位相干LIDAR数据点的组。该组的相位相干LIDAR数据点中的每一个指示环境中的点中的对应一个的对应范围和对应速度，并且该组的相位相干LIDAR数据点中的每一个是基于相位相干LIDAR组件的对应感测事件而生成的。该方法进一步包括确定该组的相位相干LIDAR数据点的子组与特定分类的对象相对应。确定子组与特定分类的对象相对应基于以下两者：子组的多个相位相干LIDAR数据点的对应范围，和子组的多个相位相干LIDAR数据点的对应速度。该方法进一步包括基于确定子组与特定分类的对象相对应来适配车辆的自主控制。

本文描述的技术的这些和其它实现方式能够包括以下特征中的一个或多个。