[发明专利]用于车辆的安全系统

说明书

用于车辆的安全系统可包括一个或多个处理器，所述处理器配置成：确定车辆的操作期间的不确定性数据，所述不确定性数据指示来自驾驶模型的一个或多个预测中的不确定性；基于所确定的不确定性数据，将驾驶模型参数中的一个或多个改变或更新成一个或多个已改变或已更新的驾驶模型参数；以及向车辆的控制系统提供一个或多个已改变或已更新的驾驶模型参数，以便根据驾驶模型来控制车辆操作，所述驾驶模型包括一个或多个已改变或已更新的驾驶模型参数。

技术领域

本公开的各个方面一般涉及用于车辆的安全系统（safety system）。

背景技术

自主驾驶（AD）要求可靠的安全系统，其处理自主车辆（AV）的环境的所检测数据以实现AV的驾驶策略。AV可需要在不同情形和气候条件下进行导航。但是，雨、雾、雪、霜、灰尘等或者甚至AV中安装的传感器的老化可使AV的感知/分类系统降级，这可影响感知/分类系统的预测。

发明内容

车辆的安全系统可包括一个或多个处理器。一个或多个处理器可配置成：确定车辆的操作期间的不确定性数据，所述不确定性数据指示来自包括预定义驾驶模型参数的驾驶模型的一个或多个预测中的不确定性；基于所确定的不确定性数据将驾驶模型参数的一个或多个改变或更新成一个或多个已改变或已更新的驾驶模型参数；以及向车辆的控制系统提供一个或多个已改变或已更新驾驶模型参数，以便根据驾驶模型来控制车辆操作，所述驾驶模型包括一个或多个已改变或已更新的驾驶模型参数。

附图说明

附图中，贯穿不同的视图，相似的参考标号一般指代相同的部分。附图不一定按比例绘制，取而代之，一般将重点放在示出本发明的原理上。在以下描述中，参照以下附图来描述本发明的各个实施例，其中：

图1示出根据本公开的各个方面的自主车辆；

图2示出车辆的安全系统的各种电子组件；

图3是示出检测距离和安全距离的图；

图4A至图4C示出对不确定性估计的语义分割的示例；

图5A是示出流程图，其示出影响安全驾驶模型的参数的方法，并且图5B示出图5A的不确定性估计器的框架；

图6示出示范性贝叶斯神经网络（BNN）的示意图；

图7示出根据本公开的各个方面操作车辆的安全系统的方法；以及

图8示出根据本公开的各个方面操作车辆的安全系统的方法。

具体实施方式

以下详细描述参照附图，附图通过举例说明示出可实施本发明的特定细节和实施例。

词语“示范性”在本文中用于意指“充当示例、实例或举例说明”。本文中描述为“示范性”的任何实施例或设计不一定被解释为相对其他实施例或设计是优选或有利的。

定义

术语“物体（object）”要被理解为指代：静止物体，包括例如建筑物、树、道路、交通标志或交通灯；以及移动物体，包括例如车辆、行人、动物。

术语“道路使用者”要被理解为交通中的任何参与者，并且可包括行人、骑自行车的人、骑摩托车的人、驾车者、骑踏板车的人（scooterist）、轮椅使用者。

“车辆”要被理解为任何类型的驾驶物体，并且可包括汽车、公共汽车、小型公共汽车、运货车、卡车、活动房屋、拖车、摩托车、自行车、三轮车、移动机器人、个人输送器。

“地面车辆”要被理解为在地面（例如在街道）上行驶的任何类型的物体。