[发明专利]处理自返回的方法和车辆

说明书

本技术涉及处理从以自动驾驶模式操作的车辆的一部分反射的传感器信号的自反射。当以自主驾驶模式操作时，给定时间点的车辆位姿信息和传感器位姿信息被确定。来自对环境的一次或多次扫描的返回信号被诸如激光雷达传感器的车载传感器接收。系统基于车辆位姿信息和传感器位姿信息评估在一个或多个传感器中给定的一个传感器与来自返回信号中选定的一个返回信号的接收点之间的线段是否与车辆的3D模型的任何表面相交。接收点被识别为自返回点。响应于将接收点识别为自返回点，车辆能够在自主驾驶模式下执行驾驶操作。

背景技术

以自主驾驶模式操作的自驾驶车辆可以将乘客、货物或其他物品从一个位置运输到另一个位置。在操作过程中，传感器提供了关于环境中其他对象的实时信息。位于车辆上的传感器接收的信号可能由于各种原因而劣化，包括由中间(intervening)对象导致的反射。一种有问题的情况随着“自反射”(self-reflection)而发生，其中，来自外部环境中的对象的信号是从自驾驶车辆的一部分反射的(reflected off)。这种反射可能触发对虚幻物品(phantom item)的错误检测或改变真实对象的表观位置(apparent location)，这可能对车辆在自驾驶模式下操作的能力产生不利的影响。

发明内容

本技术涉及处理从以自主驾驶模式操作的车辆的一部分反射的传感器信号(例如，激光雷达返回(lidar return))的自反射。在一些情况下，用于自驾驶车辆的感知系统可以实施反射滤光片(reflection filter)来解决由车辆外部环境中的对象引起的激光雷达信号(lidar signal)的反射。例如，系统可以检查激光雷达点(lidar point)是否是其光束的第二返回或第三返回，其中，第一返回可能是反射表面(例如，高强度、高平面度反射)。然而，当反射表面上的第一返回丢失时，例如，当该表面像镜子一样时，这种方法可能失败。在这种情况下，反射点成为了第一返回(first return)。系统还可以维持激光雷达视场(FOV)的图像。每个像素显示激光雷达在该特定方向上可以观察到多远。这里，虽然反射点云(reflection point cloud)将在激光雷达FOV“之内”(within)，但其邻域(neighborhood)应当主要在FOV之外。这种情况下，对于FOV边缘附近的点云发生挑战。尽管有这些针对外部产生的反射的方法，但由车辆本身导致的自反射也存在问题，因为这样的反射会导致车辆的感知系统检测到错误对象、使对象出现在一个位置而实际上位于不同的位置、或者损坏接收的传感器数据。

根据一个方面，提供了用于处理以自主驾驶模式操作的车辆的自返回(self-return)的方法。该方法包括：由车辆的一个或多个处理器确定在车辆以自主驾驶模式操作时的给定时间点的车辆位姿(pose)信息；由车辆的一个或多个处理器确定车辆的感知系统的一个或多个传感器在给定时间点的传感器位姿信息；由一个或多个传感器接收来自对车辆周围的外部环境进行的一次或多次扫描的返回信号；由车辆的一个或多个处理器基于车辆位姿信息和传感器位姿信息评估在一个或多个传感器中给定的一个传感器与来自返回信号中选定的一个返回信号的接收点之间的线段(segment)是否与车辆的3D模型的任何表面相交；当确定所述线段与车辆的3D模型的任何表面相交时，将接收点标识(identify)为自返回点；并且响应于将接收点标识为自返回点，车辆在处于自主驾驶模式时执行选定的操作。

在一个示例中，选定的操作包括从接收的返回信号的数据集合中丢弃自返回点。在另一示例中，选定的操作包括将自返回点标记(flag)为自返回，并且将标记的点存储在存储器中。

当车辆不是铰接式(articulating)车辆时，车辆的3D模型可以是静态模型(static model)。在这种情况下，评估在一个或多个传感器中给定的一个传感器与来自返回信号中选定的一个返回信号的接收点之间的线段是否与3D模型的任何表面相交可以包括使用查找表(lookup table)评估静态模型，查找表包括偏转和俯仰方向。当车辆是铰接式车辆时，车辆的3D模型可以是动态模型(dynamic model)或运动学模型(kinematicmodel)。在这种情况下，该方法还可以包括使用返回信号的集合来估计铰接式车辆的拖车朝向。