[发明专利]使用强化机器学习来生成激光雷达扫描图案

说明书

提出了一种用于确定配备有扫描器的传感器扫描能视域(FOR)所根据的扫描图案的方法。该方法包括由处理硬件获得多个目标函数，目标函数中的每个目标函数指定扫描图案的相应特性的成本，以扫描器的一个或多个操作参数表达。该方法进一步包括由处理硬件将优化方案应用于多个目标函数以生成扫描图案。该方法进一步包括根据所生成的扫描图案扫描FOR。

相关申请的引用

本申请要求于2020年12月14日提交的美国专利申请No.17/121,723的优先权，其全部内容通过引用并入本文。

技术领域

本公开总地涉及自主载具系统的对象检测能力，且更特别地，涉及在自主载具操作期间准确地检测和预测车道边界位置。

背景技术

本文提供的背景描述是为了一般性地呈现本公开的上下文。目前指定的发明人的工作，在本背景部分中描述的范围内，以及在提交时可能不符合现有技术的描述的方面，既不明示也不暗示地承认为反对本公开的现有技术。

当传感器系统能够根据不同的扫描图案扫描FOR时，在一些场景中改变系统扫描FOR的一个或多个维度的速度，改变最大可用FOR内的覆盖，重新扫描某个感兴趣区域，否则基于当前环境调节扫描图案，这可能是有益的。例如，传感器系统可以是在自主载具中操作并配备有扫描器的激光雷达系统，该扫描器以不同角度引导光脉冲以扫描FOR并生成对应的像素。激光雷达系统的FOR可以覆盖通常不包含有用信息的部分天空，以及部分路面(相对稀疏的数据可能足以满足自主载具的控制架构)，以及道路上的对象(相对密集的数据可以产生更好的检测结果)。此外，对象可跨越FOR移动，并且控制架构可进一步受益于以更密集的方式扫描一个或多个“感兴趣区域”，从而产生更高的分辨率，和/或受益于重新扫描相同框架内的这些感兴趣区域。

发明内容

一般而言，使用本公开的技术，系统可以确定配备有扫描器的传感器扫描能视域(FOR)所依据的扫描图案。为此，系统寻求优化与扫描图案的各种特性(例如，系统扫描维度的速度、可用FOR内特定区域的覆盖、或重新扫描线或掉降(drop)线的效果)相对应的目标函数。系统可以根据扫描系统的某些约束来确定扫描图案，诸如扫描系统能够达到的最大速度或加速度。此外，系统可以在生成扫描图案时应用强化学习技术来解决更高级别的目标，诸如避免碰撞。

这些技术的一个示例实施例是一种确定扫描图案的方法，配备有扫描器的传感器根据该扫描图案扫描能视域(FOR)，该方法包括由处理硬件获得多个目标函数，目标函数中的每一个目标函数指定扫描图案的相应特性的成本，以扫描器的一个或多个操作参数表达。该方法进一步包括由处理硬件将优化方案应用于多个目标函数以生成扫描图案。该方法进一步包括根据生成的扫描图案扫描FOR。

这些技术的另一示例性实施例是激光雷达系统，其包括：光源，其被配置为发射光脉冲；扫描器，其被配置为扫描激光雷达系统的能视域(FOR)，包括将光脉冲以不同的角度朝向FOR内的不同点引导；以及控制器，其被配置为驱动扫描器以跨越能视域引导光脉冲，包括：(i)获得多个目标函数，目标函数中的每个目标函数指定扫描图案的相应特性的成本，以扫描器的一个或多个操作参数表达，(ii)将优化方案应用于多个目标函数以生成扫描图案，以及(iii)根据生成的扫描图案扫描FOR。

附图说明

图1是示例“认知”光检测和测距(激光雷达)的框图，其被配置为优化多个目标函数以生成用于在自主载具中扫描环境的图案。

图2是可被配置为根据本公开的认知激光雷达逻辑操作的示例激光雷达的框图。

图3示出图2的激光雷达系统在识别能视域内的目标时可以产生的示例扫描图案。

图4A示出图2的激光雷达系统可以在其中操作的示例载具。

图4B示出图2的激光雷达系统可以在其中操作的另一示例载具。