[发明专利]自动驾驶/主动安全车辆中的感知系统的错误隔离

说明书

在各个实施例中，提供了方法、系统和车辆，该方法、系统和车辆包括：经由一个或多个传感器获得包括车辆附近的一个或多个检测到的对象的一个或多个图像的有关的传感器数据；经由车辆的感知系统的神经网络模型处理一个或多个图像，生成用于一个或多个图像的感知结果；针对神经网络模型，使用针对多个潜在错误中的每个的各自不同的技术，基于感知结果，经由处理器来分析感知系统中的多个潜在错误；基于所述分析，经由所述处理器确定所述多个潜在错误中的错误；基于该错误，经由由处理器提供的指令，对车辆采取车辆控制动作。

技术领域

本公开总体上涉及车辆，并且更特别地涉及用于检测自动驾驶和主动安全车辆中的感知系统中的错误(faults)的系统和方法。

背景技术

自动驾驶车辆是能够在很少或没有用户输入的情况下感测其环境并导航的车辆。它是通过使用诸如雷达、激光雷达、图像传感器等传感设备来实现的。自动驾驶车辆还使用来自全球定位系统(GPS)技术、导航系统、车辆间通信、车辆至基础设施技术和/或线控驾驶系统的信息来导航车辆。另外，某些车辆(以下称为主动安全车辆)具有主动安全功能(例如，自动制动、自动转向等)，即使当车辆本质上不是完全自动驾驶时，其也可以提供一定程度的自动驾驶控制。此外，各种车辆(包括自动驾驶车辆和主动安全车辆)利用感知系统(例如，利用传感器数据和使用感知软件进行的处理)来检测和识别车辆行驶在其上的道路上的对象，以用于实现对用于该车辆的自动驾驶和/或主动安全功能的控制。

尽管自动驾驶车辆和主动安全车辆以及由此使用的感知系统提供了优于传统车辆的许多潜在优势，但是在某些情况下，可能需要改进这样的车辆的操作，包括确定这样的车辆中使用的感知系统中的错误。

因此，期望提供用于车辆(例如，自动驾驶车辆和主动安全车辆)的操作的系统和方法，包括检测和隔离用于这样的车辆的感知系统中的错误。此外，结合附图以及前述技术领域和背景技术，根据随后的详细描述和所附权利要求，本公开的其他期望特征和特性将变得显而易见。

发明内容

在示例性实施例中，提供了一种方法，该方法包括：经由一个或多个传感器获得包括车辆附近的一个或多个检测到的对象的一个或多个图像的有关的传感器数据；经由车辆的感知系统的神经网络模型处理一个或多个图像，生成一个或多个图像的感知结果；针对神经网络模型，使用针对多个潜在错误中的每个的各自不同的技术，基于感知结果，经由处理器来分析感知系统中的多个潜在错误；基于所述分析，经由所述处理器确定所述多个潜在错误中的错误；并且基于该错误，经由由处理器提供的指令，对车辆采取车辆控制动作。

同样在一个实施例中，采取车辆控制动作的步骤包括放弃对车辆的一种或多种自动功能的控制。

同样在一个实施例中，(i)对多个错误的分析包括：(a)获得用于一个或多个图像的地面实况(ground truth)；(b)生成与用于一个或多个图像的感知结果和地面实况有关的一个或多个边界框，包括用于一个或多个图像中的一个或多个检测到的对象中的每个的相应的边界框；(c)确定用于一个或多个边界框的每个的边界框相关性；(d)确定用于每个检测到的对象的感知结果与地面实况之间的各自类相关性；以及(ii)错误的确定包括基于边界框相关性和相应的类相关性，确定用于一个或多个图像的假正错误、假负错误或二者是否存在。

在一个实施例中，分析还包括确定由感知系统在处理一个或多个图像时花费的时间量；所述错误的确定还包括基于所述时间量来确定是否存在处理时间错误。

还在一个实施例中，分析还包括确定图像的两个连续帧之间的一个或多个变量之间的一个或多个差异；以及错误的确定还包括基于图像的两个连续帧之间的一个或多个变量之间的一个或多个差异，确定是否存在时间变化错误。

同样在一个实施例中，分析还包括确定图像中的一特定图像内的不同像素之间的亮度的一个或多个差异；和

错误的确定还包括基于一个或多个亮度差异来确定是否存在空间方差错误。