从距离传感器得到的对感知系统的同时诊断和形状估计专利检索-在先检索专利权专利检索查询-专利查询网

从距离 传感器得到的对感知系统的同时诊断和形状估计

阅读：557发布：2020-05-14

专利汇可以提供从距离传感器得到的对感知系统的同时诊断和形状估计专利检索，专利查询，专利分析的服务。并且本公开提供了“从距离传感器得到的对感知系统的同时诊断和形状估计”。提供了用于基于传感器数据而估计对象的形状并确定感知系统中的故障或失效的存在的系统、方法和装置。本公开的一种方法包括：从距离传感器接收传感器数据；以及基于所述传感器数据而计算对象的当前形状重建。所述方法包括基于在先传感器数据而从存储器检索所述对象的在先形状重建。所述方法包括通过平衡所述当前形状重建的所得方差的函数和在所述当前形状重建与所述在先形状重建之间的相似性来计算所述当前形状重建的质量评分。，下面是从距离传感器得到的对感知系统的同时诊断和形状估计专利的具体信息内容。

权利要求

1.一种方法，所述方法包括：
从距离传感器接收传感器数据；
基于所述传感器数据而计算对象的当前形状重建；
基于在先传感器数据而从存储器检索所述对象的在先形状重建；以及
通过平衡所述当前形状重建的所得方差的函数和在所述当前形状重建与所述在先形状重建之间的相似性来计算所述当前形状重建的质量评分。
2.如权利要求1所述的方法，所述方法还包括以下中的一者或多者：
通过确定所述质量评分是否满足质量阈值来识别所述当前形状重建中的故障点的存在；
如果所述质量评分小于或等于所述质量阈值，则将所述当前形状重建存储在存储器中以供将来使用；
通过计算点的点质量评分并确定所述点质量评分是否满足点质量阈值而将所述当前形状重建的所述点标记为有故障或无故障；或者
基于所述当前形状重建和所述在先形状重建而生成融合形状重建，并且将所述融合形状重建存储在存储器中。
3.如权利要求2所述的方法，其中如果所述质量评分大于所述质量阈值，则在所述当前形状重建中存在故障点，并且其中如果所述质量评分小于或等于所述质量阈值，则在所述形状重建中不存在故障点。
4.如权利要求2所述的方法，其中在所述当前形状重建中存在故障点，并且所述故障点是由对所述距离传感器的阻挡或遮挡引起的。
5.如权利要求1所述的方法，其中在所述当前形状重建与所述在先形状重建之间的所述相似性以互信息或空间互信息表述。
6.如权利要求1所述的方法，其中所述当前形状重建的所得方差的所述函数被定义为通过如隐式曲面函数或显式曲面函数的定义所述对象的形状的函数给出的平均值的峰度。
7.如权利要求2所述的方法，其中生成所述融合形状重建包括：
识别所述当前形状重建中的一个或多个无故障点；
识别所述传感器数据中的一个或多个无故障点；以及
将所述在先形状重建与以下中的一者或多者融合：
所述当前形状重建中的所述一个或多个无故障点；或者
所述传感器数据中的所述一个或多个无故障点。
8.如权利要求2所述的方法，其中生成所述融合形状重建包括高斯过程数据融合。
9.如权利要求1所述的方法，其中计算所述质量评分包括：评估所述对象的结构；以及计算跨来自一个或多个感测模态的所述传感器数据的不确定性和相干性。
10.如权利要求1所述的方法，其中所述方法还包括以下中的一者或多者：
所述传感器数据包括呈对应于一段时间内的二维点或三维点的点的形式的多个传感器观测；
所述距离传感器附接到车辆并且包括LIDAR传感器或雷达传感器中的一者或多者；或者
与存储在存储器中的各自包括所述对象的多个独特形状重建相比较，所述在先形状重建包括最少数量的故障点。
11.非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质存储指令，所述指令在由一个或多个处理器执行时使所述一个或多个处理器：
从距离传感器接收传感器数据；
基于所述传感器数据而计算对象的当前形状重建；
基于在先传感器数据而从存储器检索所述对象的在先形状重建；以及
通过平衡所述当前形状重建的所得方差的函数和在所述当前形状重建与所述在先形状重建之间的相似性来计算所述当前形状重建的质量评分。
12.如权利要求11所述的非暂时性计算机可读存储介质，其中所述指令使所述一个或多个处理器通过评估所述对象的结构并计算跨来自一个或多个感测模态的所述传感器数据的不确定性和相干性来计算所述质量评分。
13.如权利要求11所述的非暂时性计算机可读存储介质，其中所述指令进一步使所述一个或多个处理器通过计算所述质量评分是否满足质量阈值来识别所述当前形状重建中的故障点的存在，其中如果所述质量评分大于所述质量阈值，则在所述当前形状重建中存在故障点，并且其中如果所述质量评分小于或等于所述质量阈值，则在所述当前形状重建中不存在故障点。
14.如权利要求11所述的非暂时性计算机可读存储介质，其中所述非暂时性计算机可读存储介质还包括以下中的一者或多者：
所述当前形状重建的所得方差的所述函数被定义为通过如隐式曲面函数或显式曲面函数的定义所述对象的形状的函数给出的平均值的峰度；或者
在所述当前形状重建与所述在先形状重建之间的所述相似性以互信息或空间互信息表述。
15.如权利要求11所述的非暂时性计算机可读存储介质，其中所述指令进一步使所述一个或多个处理器通过以下方式来生成融合形状重建：
识别所述当前形状重建中的一个或多个无故障点；
识别所述传感器数据中的一个或多个无故障点；以及
将所述在先形状重建与以下中的一者或多者融合：
所述当前形状重建中的所述一个或多个无故障点；或者
所述传感器数据中的所述一个或多个无故障点。

说明书全文

从距离传感器得到的对感知系统的同时诊断和形状估计

技术领域

[0001] 本公开总体涉及用于诊断或检测感知系统中的故障的系统、方法和装置。本公开特别涉及用于基于距离数据而估计对象的形状并诊断或检测距离数据中的故障点的这类系统、方法和装置。

背景技术

[0002] 汽车为商业、政府和私人实体提供交通的很大一部分。目前正在开发和部署自主车辆和驾驶辅助系统以提供安全性，减少所需的用户输入量，或甚至完全消除用户参与。例如，一些驾驶辅助系统(诸如防撞系统)可以在人驾驶时监测车辆的行驶、位置和速度和其他对象。当系统检测到即将发生碰撞或撞击时，防撞系统可以介入并施加制动器、操纵车辆或执行其他避让或安全操作。作为另一个示例，自主车辆可以在很少或没有用户输入的情况下驾驶并导航车辆。通常需要准确而快速地确定车辆周围对象的形状，以使得自动化驾驶系统或驾驶辅助系统能够安全地进行道路或行驶路线导航。另外，当例如感知传感器由于环境因素或其他故障而无法准确地获得数据时，通常需要准确而快速地确定感知系统中的故障或失效。发明内容

[0003] 在许多机器人应用和自主驾驶应用中估计对象的形状的任务可能是势在必行的，其中对象的几何形状可以帮助识别其类别、定位、位置、航向、几何形状、意图等等。例如，在现场机器人技术中，在传感器数据有噪声、不完整和稀疏的情况下，估计对象的形状可能是有挑战的。另外，诸如存在雾、烟和灰尘的挑战性环境条件会造成传感器数据中的遮挡或感知故障或失效。这类感知故障可能会使得感知系统无法恢复对象的形状。应了解，这类故障可能会导致机器人或自主车辆的感知系统中的灾难性后果，并且可能会损坏机器人平台或自主车辆以及其周围环境的完整性。

[0004] 在本公开中，申请人提出了用于在不同的环境条件下解释环境中的对象的系统、方法和装置。申请人提出了能够评估和验证由感测模态接收的数据的质量的强健的感知系统。申请人进一步提出了被配置为预测传感器失效和故障的感知系统、方法和装置。

[0005] 在描述和公开用于诊断感知系统中的故障或失效的存在的方法、系统和装置之前，应理解，本公开不限于本文公开的配置、过程步骤和材料，因此，配置、过程步骤和材料可以有一些变化。还应理解，本文采用的术语仅用于描述实现方式，而不意图限制，因为本公开的范围将仅由所附权利要求以及其等同物限制。

[0006] 在描述并要求保护本公开时，将根据下文陈述的定义来使用以下术语。

[0007] 应注意，除非上下文另外明确指明，否则如在本说明书和附图中所使用的单数形式“一个”、“一种”和“所述”包括复数个提及物。

[0008] 如本文所使用，术语“包含”、“包括”、“含有”、“其特征在于”及其语法等同物是包含性或开放式术语，其不排除附加的、未列举的元件或方法步骤。

[0009] 根据本公开的一个实施例，公开了一种检测和/或诊断感知系统中的故障或失效的方法。所述方法包括：从距离传感器接收传感器数据；以及基于传感器数据而计算对象的当前形状重建，其中对象可由距离传感器检测。所述方法包括基于在先传感器数据而从存储器检索对象的在先形状重建。所述方法包括通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0010] 本公开的实施例提供了用于通过评估来源于单个传感器的距离数据的形状重建的质量而在对象或场景表示层面诊断感知系统中的故障或失效的存在的新颖系统、方法和装置。应了解，相同的系统和方法可以应用于来自多个传感器的数据。另外，所述系统、方法和装置被配置用于基于对象或场景表示的先验知识而进行对象识别和恢复，并且这可以特别应用于包括由环境或其他因素引起的数据噪声、稀疏性或遮挡的情况。

[0011] 本公开的实施例利用单个感测模态来基于互信息使用成本函数而评估场景的质量。本文公开的系统、方法和装置的实施例利用LIDAR感测数据和/或雷达感测数据来估计对象的形状，并且使用成本函数来评估故障的存在，所述成本函数可以仅利用单个感测模态或可以利用多个感测模态。本文公开的系统、方法和装置不限于雷达传感器，并且对于传感器的类型是不可知的。在一个实施例中，所述系统、方法和装置适合用于来自包括例如以下的任何距离感测模态的数据：立体相机、LIDAR、超声感测等等。所述系统、方法和装置可以根据所述数据的效力来利用来自各种感测模态的数据的益处，并且所述系统、方法和装置可以根据由传感器提供的数据来修改。

[0012] 在一个实施例中，检测感知系统中的故障或失效的存在的评估方法利用诸如包括二维和三维坐标的空间参数的重建信息、包括对象的估计形状的变化的不确定性以及包括跨越对象重建的互信息的时间相干性。评估方法考虑对象的结构以及跨来自一个或多个感测模态的数据的不确定性和相干性。这类评估方法可以减少由噪声和稀疏性引起的虚假警报，并且可以进一步减少由遮挡引起的漏报。

附图说明

[0013] 参考以下附图描述本公开的非限制及非详尽实现方式，其中除非另外指明，否则贯穿各个附图，相同的附图标记指代相同零件。参考以下描述和附图将更好地理解本公开的优点，在附图中：

[0014] 图1是根据一种实现方式示出包括自动化驾驶/辅助系统的车辆控制系统的实现方式的示意性框图；

[0015] 图2示出了根据一种实现方式的用于估计对象的形状并检测感知系统中的故障的示例过程流的示意性框图；

[0016] 图3示出了根据一种实现方式的用于估计对象的形状并检测感知系统中的故障的过程的各种示例输出；

[0017] 图4示出了根据一种实现方式的估计对象的形状的方法的示意性流程图；

[0018] 图5示出了根据一种实现方式的估计对象的形状的方法的示意性流程图；并且[0019] 图6是根据一种实现方式示出示例计算系统的示意性框图。

具体实施方式

[0020] 现参考附图，图1示出了可以用于自动地定位车辆的示例车辆控制系统100。自动化驾驶/辅助系统102可以用于自动化或控制车辆的操作或者向人类驾驶员提供辅助。例如，自动化驾驶/辅助系统102可以控制车辆的制动、转向、加速、车灯、警报、驾驶员通知、无线电或任何其他辅助系统中的一者或多者。在另一个示例中，自动化驾驶/辅助系统102可能不能够提供对驾驶(例如，转向、加速或制动)的任何控制，但是可以提供通知和警报以辅助人类驾驶员安全驾驶。自动化驾驶/辅助系统102可以使用神经网络或其他模型或算法来基于由一个或多个传感器收集的感知数据而检测或定位对象。

[0021] 车辆控制系统100还包括用于检测在主车辆(例如，包括车辆控制系统100的车辆)附近或其传感器范围之内的对象的存在的一个或多个传感器系统/装置。例如，车辆控制系统100可以包括一个或多个雷达系统106、一个或多个LIDAR系统108、一个或多个相机系统110、全球定位系统(GPS)112和/或一个或多个超声系统114。车辆控制系统100可以包括数据存储区116，所述数据存储区116用于存储用于导航和安全的相关或有用的数据，诸如地图数据、驾驶历史或其他数据。车辆控制系统100还可以包括收发器118，所述收发器118用于与移动或无线网络、其他车辆、基础设施或任何其他通信系统进行无线通信。

[0022] 车辆控制系统100可以包括车辆控制致动器120以控制车辆驾驶的各个方面，诸如电动马达、开关或其他致动器，以控制制动、加速、转向等等。车辆控制系统100还可以包括一个或多个显示器122、扬声器124或其他装置，使得可以提供对人类驾驶员或乘客的通知。显示器122可以包括平视显示器、仪表盘显示器或指示器、显示屏或车辆的驾驶员或乘客可以看见的任何其他视觉指示器。扬声器124可以包括车辆的声音系统的一个或多个扬声器，或可以包括专用于驾驶员通知的扬声器。

[0023] 将了解，图1的实施例仅以举例的方式给出。其他实施例可以在不背离本公开的范围的情况下包括更少或额外的部件。另外，所示的部件可以组合或包括在其他部件内而不进行限制。

[0024] 在一个实施例中，自动化驾驶/辅助系统102被配置为控制主车辆的驾驶或导航。例如，自动化驾驶/辅助系统102可以控制车辆控制致动器120以在道路、停车场、私人车道或其他位置行驶一定路径。例如，自动化驾驶/辅助系统102可以基于由部件106-118中的任一个提供的信息或感知数据而确定路径。传感器系统/装置106-110和114可以用于获得实时传感器数据，使得自动化驾驶/辅助系统102可以实时辅助驾驶员或驾驶车辆。

[0025] 在一个实施例中，车辆控制系统100包括定位部件104，以确定车辆相对于地图、道路等等的位置。例如，定位部件104可以使用车载相机来相对于在先创建或获得的地图定位车辆。在一个实施例中，定位部件104可以使得车辆控制系统100能够定位车辆，而不用使用诸如LIDAR或雷达的主动式传感器，所述主动式传感器在环境中发射能量并且检测反射。地图可以包括基于向量的语义地图或LIDAR强度图。创建来源于相机的投射的自上而下的图像，并且将其与先前制作的向量图或LIDAR强度图进行比较。比较过程可以通过使用类似互信息的技术或通过提供最佳配合的相对位置的比较技术来完成。

[0026] 图2示出了用于诊断和/或检测感知系统中的失效或故障的示例过程流200的示意图。过程流200的输出包括一段时间内的对象的最可信的估计形状。过程流200的附加输出包括对从传感器接收的点是有故障还是无故障的指示。过程流200的输入包括对应于某一时刻处的二维点和三维点的一组传感器观测。

[0027] 过程流200包括从距离传感器接收传感器数据202，其中传感器数据202包括从距离传感器接收的多个传感器点。传感器数据202的传感器点在下文中可以由变量Xi指代。过程流200包括基于传感器数据202而提取形状重建204。形状重建204可以进一步被称为当前形状重建，以表示形状重建204是基于对距离传感器实时接收的传感器数据202而计算的。通过质量评估测试206来评估形状重建204。质量评估测试206的结果在下文中可以由变量Qi指代。质量评估测试206输出形状点标记208，所述形状点标记208指示形状重建204中的点是有故障还是无故障。质量评估测试206进一步输出传感器点标记210，所述传感器点标记210指示传感器202的原始传感器点是有故障还是无故障。形状点标记208在下文中可以由变量ξi指代，并且传感器点标记在下文中可以由变量εi指代。从存储器检索最佳可用形状
216，并且通过数据融合212过程将最佳可用形状216与传感器数据202融合。在一个实施例中，车辆控制器基于例如来自全球定位系统的位置数据或来自机器学习过程的对象识别数据而确定最佳可用形状216与形状重建204涉及同一个对象。数据融合212输出形状数据
214，所述形状数据214包括与形状重建204有关的多个形状点。另外，将最佳可用形状216提供到质量评估测试206，其中质量评估测试206通过平衡形状重建204的所得方差的函数和在形状重建204与最佳可用形状216之间的相似性来计算形状重建204的质量评分。

[0028] 传感器数据202包括从距离传感器，诸如LIDAR传感器、雷达传感器和本领域已知的任何其他合适的距离传感器实时接收的数据。传感器数据202包括多个传感器数据点Xi。

[0029] 形状重建204过程基于传感器数据202而实时地提取形状重建204。在一个实施例中，形状重建204包括对象的重建，并且最佳可用形状216包括跨时间的对同一个对象的重建。形状重建204涉及可由距离传感器检测并可在传感器数据202内检测的对象。在一个实施例中，使用隐式曲面函数，诸如根据以下方程1的Gerardo-Castro隐式曲面函数来执行形状重建204。(参见Gerardo-Castro，M.P.(2015)."Non-parametric consistency test for multiple-sensing-modality data fusion.IEEE国际信息融合会议(IEEE Conference on Information Fusion).Washington D.C.)。在一个实施例中，使用显式曲面函数，诸如Surazhsky显式曲面函数来执行形状重建204。(参见Surazhsky，V.a.(2003).Explicit surface remeshing.Proceedings of the 2003 Eurographics/ACM Symposium on Geometry Processing.San Diego:ACM.)。应了解，形状重建204可以通过本领域已知的任何合适的方法来执行。

[0030] f(Xi)＝0→Si

[0031] 方程1

[0032] 其中f(X_i)是零值函数，并且S_i是表示对象的形状的等值面。

[0033] 质量评估测试206确定点是有故障还是无故障。质量评估测试遵循由以下方程2定义的成本函数。变量Qi表示质量评分。变量Cσ表示来自形状重建的所得方差的函数。变量C地理表示对形状重建204与最佳可用形状216之间的相似性的度量，所述相似性可以互信息或空间互信息表述。变量W1是预定权重。

[0034] Qi＝Cσ+C地理

[0035] 方程2

[0036] Cσ＝f(σi)

[0037] 方程3

[0038]

[0039] 方程3-4示出了来自形状重建204的所得方差的函数的计算。特别地，所得方差的函数被定义为通过定义对象的形状的函数，诸如隐式曲面函数或显式曲面函数，或用于恢复对象k的形状的类似方法给出的平均值的峰度k。

[0040] 变量C地理表示对形状重建204与最佳可用形状216之间的相似性的度量，所述相似性可以互信息或空间互信息表述。根据以下方程5来计算对形状重建204与最佳可用形状216之间的相似性的度量的确定。变量W2是预定权重；变量H是变量的熵函数；Mi是从Xi估计的当前形状；并且Si-1是从存储器检索的最佳可用形状216。

[0041] C地理＝W2I(Mi，Si-1)＝W2H(Mi)-H(Mi|Si-1)

[0042] 方程5

[0043] 质量评估测试206的总结果Qi根据以下方程6来计算。

[0044]

[0045] 形状点标记208指示对象的形状重建204上的点是有故障还是无故障。形状点标记208根据以下方程7来定义。变量阈值是预定阈值量。当质量小于或等于预定阈值时，形状重建204上的数据点是无故障的，并且形状点标记208等于零。当质量大于预定阈值时，形状重建204上的数据点是有故障的并且形状点标记208等于1。

[0046]

[0047] 传感器点标记210指示传感器数据202的传感器点是有故障还是无故障。传感器点标记210根据以下方程8来定义。由方程8定义的函数计算从点到估计的形状表示的最近的邻点，然后所述函数采用对应的标记并且将相同的值赋予

[0048]

[0049] 数据融合212估计给定时间处的融合形状重建。数据融合212的过程包括选择传感器数据202的无故障点以与从存储器检索的最佳可用形状216重建融合。数据融合212利用由以下方程9定义的数据融合方法，诸如高斯过程数据融合。变量包括在先前时刻的来自最佳可用形状216的样本。变量包括在所述时刻的无故障点组。变量DF表示数据融合方法。数据融合212的结果是新的最佳可用形状，所述新的最佳可用形状可以存储在存储器中以供将来检索。

[0050]

[0051] 形状数据214构成数据融合212过程的输出Si。形状数据214构成存储在存储器中以供将来检索的新的最佳可用形状。

[0052] 最佳可用形状216构成基于在先传感器数据的对象的在先形状重建，并且可以从存储器中检索。在一个实施例中，最佳可用形状216包括数据融合212过程的在先输出Si。在一个实施例中，当与存储在存储器中的各自包括对象的多个可用形状重建相比较时，最佳可用形状216包括最少数量的故障点。

[0053] 在过程流200的一个实施例中，将数据提供到车辆控制系统，诸如自动化驾驶/辅助系统102，并且利用所述数据来确定和致动车辆控制器。例如，可以将最佳可用形状216重建提供到车辆控制器以指示车辆应避开最佳可用形状216的主体对象。

[0054] 图3示出了来自本公开的示例输出的示意图。地面实况302是形成其他图示和形状重建的基础。传感器数据202(表示为Xi)包括距离传感器未观测到的遮挡306(参见虚线区域)。本文公开的所提出的系统、方法和装置可以通过使用从存储器检索的最佳可用形状304重建来解决遮挡306。如图3所示，最佳可用形状304被示出为黑线，其中不确定性被示出为灰色阴影。数据融合结果310(参见图2中的数据融合212过程)显示了不确定性减少区域
308，其中传感器数据202中存在的不确定性被来自最佳可用形状304的数据替换。数据点
312表示可以包括传感器数据202点和/或最佳可用形状304数据点的多个数据点。故障和无故障数据点314表示基于数据点312对故障(参见黑色标记)和无故障(参见灰色标记)点的查找结果。

[0055] 图4示出了诊断和/或检测故障和失效的感知系统的方法400的示意性流程图。开始方法400并且在402处，诸如自动化驾驶/辅助系统102的处理器从距离传感器接收传感器数据。在404处，处理器基于传感器数据而计算对象的当前形状重建。在406处，处理器基于在先传感器数据而从存储器检索对象的在先形状重建。在408处，处理器通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0056] 图5示出了诊断和/或检测故障和/或失效的感知系统的方法500的示意性流程图。开始方法500并且在502处，诸如自动化驾驶/辅助系统102的处理器从距离传感器接收传感器数据。在504处，处理器基于传感器数据而计算对象的当前形状重建。在506处，处理器基于在先传感器数据而从存储器检索对象的在先形状重建。在508处，处理器通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。在510处，处理器通过确定质量评分是否满足质量阈值而将当前形状重建的单个点标记为有故障或无故障。在512处，处理器通过高斯过程数据融合基于当前形状重建和在先形状重建而生成融合形状重建。在514处，处理器将融合形状重建存储在存储器中。

[0057] 现参考图6，示出了示例计算装置600的框图。计算装置600可以用于执行各种程序，诸如本文所讨论的那些程序。在一个实施例中，计算装置600是自动化驾驶/辅助系统102。计算装置600可以执行如本文所述的各种监测功能，并且可以执行一个或多个应用程序，诸如本文描述的应用程序或功能。计算装置600可以是各种各样计算装置中的任一种，诸如台式计算机、内置式计算机、车辆控制系统、笔记本计算机、服务器计算机、手持式计算机、平板计算机等等。

[0058] 计算装置600包括全部都联接到总线612的一个或多个处理器602、一个或多个存储器装置604、一个或多个接口606、一个或多个大容量存储装置608、一个或多个输入/输出(I/O)装置610和显示装置630。处理器602包括执行存储在存储器装置604和/或大容量存储装置608中的指令的一个或多个处理器或控制器。处理器602还可以包括各种类型的计算机可读介质，诸如高速缓冲存储器。

[0059] 存储器装置604包括各种计算机可读介质，诸如易失性存储器(例如，随机存取存储器(RAM)614)和/或非易失性存储器(例如，只读存储器(ROM)616)。存储器装置604还可以包括可重写ROM，诸如快闪存储器。

[0060] 大容量存储装置608包括各种计算机可读介质，诸如磁带、磁盘、光盘、固态存储器(例如，快闪存储器)等等。如图6所示，特定大容量存储装置是硬盘驱动器624。各种驱动器也可以被包括在大容量存储装置608中，以支持从各种计算机可读介质进行读取和/或写入各种计算机可读介质。大容量存储装置608包括可移除介质626和/或不可移除介质。

[0061] I/O装置610包括允许将数据和/或其他信息输入到计算装置600中或从所述计算装置600检索数据和/或其他信息的各种装置。示例I/O装置610包括光标控制装置、键盘、小键盘、传声器、监视器或其他显示装置、扬声器、打印机、网络接口卡、调制解调器等等。

[0062] 显示装置630包括能够向计算装置600的一个或多个用户显示信息的任何类型的装置。显示装置630的示例包括监视器、显示终端、视频投影装置等等。

[0063] 接口606包括允许计算装置600与其他系统、装置或计算环境交互的各种接口。示例接口606可以包括任何数量的不同网络接口620，诸如到局域网(LAN)、广域网(WAN)、无线网络和互联网的接口。其他接口包括用户接口618和外围装置接口622。接口606还可以包括一个或多个用户接口元件618。接口606也可以包括一个或多个外围接口，诸如用于打印机、指示装置(鼠标、轨迹板或本领域的普通技术人员现在已知或之后发现的任何合适的用户接口)、键盘等等的接口。

[0064] 总线612允许处理器602、存储器装置604、接口606、大容量存储装置608和I/O装置610彼此通信以及与联接到总线612的其他装置或部件通信。总线612表示几种类型的总线结构中的一种或多种，诸如系统总线、PCI总线、IEEE总线、USB总线等等。

[0065] 出于说明的目的，虽然程序和其他可执行程序部件在本文中被示出为离散的方框，但是应理解，这类程序和部件可以在各种时间驻留在计算装置600的不同存储部件中，并且由处理器602执行。可替代地，本文描述的系统和程序可以用硬件或硬件、软件和/或固件的组合来实施。例如，可以编程一个或多个专用集成电路(ASIC)以执行本文描述的系统和程序中的一个或多个。

[0066] 示例

[0067] 以下示例涉及其他实施例。

[0068] 示例1是一种方法。所述方法包括：从距离传感器接收传感器数据；基于传感器数据而计算对象的当前形状重建；基于在先传感器数据而从存储器检索对象的在先形状重建；以及通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0069] 示例2是如示例1所述的方法，所述方法还包括通过确定质量评分是否满足质量阈值来识别当前形状重建中的故障点的存在。

[0070] 示例3是如示例1-2中任一项所述的方法，其中如果质量评分大于质量阈值，则在当前形状重建中存在故障点，并且其中如果质量评分小于或等于质量阈值，则在形状重建中不存在故障点。

[0071] 示例4是如示例1-3中任一项所述的方法，所述方法还包括如果质量评分小于或等于质量阈值，则将当前形状重建存储在存储器中以供将来使用。

[0072] 示例5是如示例1-4中任一项所述的方法，其中在当前形状重建中存在故障点，并且故障点是由对距离传感器的阻挡或遮挡引起的。

[0073] 示例6是如示例1-5中任一项所述的方法，其中在当前形状重建与在先形状重建之间的相似性以互信息或空间互信息表述。

[0074] 示例7是如示例1-6中任一项所述的方法，其中当前形状重建的所得方差的函数被定义为通过如隐式曲面函数或显式曲面函数的定义对象的形状的函数给出的平均值的峰度。

[0075] 示例8是如示例1-7中任一项所述的方法，所述方法还包括通过计算单个点的点质量评分并确定点质量评分是否满足点质量阈值而将当前形状重建的单个点标记为有故障或无故障。

[0076] 示例9是如示例1-8中任一项所述的方法，所述方法还包括基于当前形状重建和在先形状重建而生成融合形状重建。

[0077] 示例10是如示例1-9中任一项所述的方法，其中生成融合形状重建包括：识别当前形状重建中的故障点；识别在先形状重建中的对应于当前形状重建中的故障点的近似位置的无故障点；以及用在先形状重建中的无故障点替换当前形状重建中的故障点。

[0078] 示例11是如示例1-10中任一项所述的方法，其中生成融合形状重建包括高斯过程数据融合。

[0079] 示例12是如示例1-11中任一项所述的方法，其中与存储在存储器中的各自包括对象的多个独特形状重建相比较，在先形状重建包括最少数量的故障点。

[0080] 示例13是如示例1-12中任一项所述的方法，其中计算质量评分包括：评估对象的结构；以及计算跨来自一个或多个感测模态的传感器数据的不确定性和相干性。

[0081] 示例14是如示例1-13中任一项所述的方法，其中传感器数据包括呈对应于在某一时刻的二维点或三维点的点的形式的多个传感器观测。

[0082] 示例15是如示例1-14中任一项所述的方法，其中距离传感器附接到车辆并且包括LIDAR传感器或雷达传感器中的一者或多者。

[0083] 示例16是非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质存储指令，所述指令在由一个或多个处理器执行时使一个或多个处理器：从距离传感器接收传感器数据；基于传感器数据而计算对象的当前形状重建；基于在先传感器数据而从存储器检索对象的在先形状重建；以及通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0084] 示例17是如示例16所述的非暂时性计算机可读存储介质，其中指令使一个或多个处理器通过评估对象的结构并计算跨来自一个或多个感测模态的传感器数据的不确定性和相干性来计算质量评分。

[0085] 示例18是如示例16-17中任一项所述的非暂时性计算机可读存储介质，其中指令进一步使一个或多个处理器通过计算质量评分是否满足质量阈值来识别当前形状重建中的故障点的存在，其中如果质量评分大于质量阈值，则在当前形状重建中存在故障点，并且其中如果质量评分小于或等于质量阈值，则在当前形状重建中不存在故障点。

[0086] 示例19是如示例16-18中的任一项所述的非暂时性计算机可读存储介质，其中所述非暂时性计算机可读存储介质还包括以下中的一者或多者：当前形状重建的所得方差的函数被定义为通过如隐式曲面函数或显式曲面函数的定义对象的形状的函数给出的平均值的峰度；或者在当前形状重建与在先形状重建之间的相似性以互信息或空间互信息表述。

[0087] 示例20是如示例16-19中任一项所述的非暂时性计算机可读存储介质，其中指令进一步使一个或多个处理器通过以下方式基于当前形状重建和在先形状重建而生成融合形状重建：识别当前形状重建中的故障点；识别在先形状重建中的对应于当前形状重建中的故障点的无故障点；以及用在先形状重建中的无故障点替换当前形状重建中的故障点。

[0088] 示例21是一种系统或装置，所述系统或装置包括用于实施如示例1-20中任一项所述的方法或实现如示例1-20中任一项所述的系统或设备的工具。

[0089] 在以上公开内容中，已对附图进行参考，所述附图形成本公开的一部分并且其中通过图示示出了可以实践本公开的特定实现方式。应理解，可以利用其他实现方式，并且在不脱离本公开的范围的情况下，可以进行结构性改变。本说明书中对“一个实施例”、“实施例”、“示例实施例”等的提及指示所描述的实施例可以包括特征、结构或特性，但是每个实施例可能不一定包括特定特征、结构或特性。此外，此类短语不一定指代同一个实施例。此外，当结合实施例描述特定特征、结构或特性时，无论是否明确描述，结合其他实施例实现这类特征、结构或特性都在本领域技术人员的知识范围内。

[0090] 本文公开的系统、装置和方法的实现方式可以包括或利用包括计算机硬件(例如像，如本文所述的一个或多个处理器和系统存储器)的专用或通用计算机。本公开的范围内的实现方式还可以包括用于承载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这种计算机可读介质可以为可以由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。承载计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实现方式可以包含至少两种截然不同的计算机可读介质：计算机存储介质(装置)和传输介质。

[0091] 计算机存储介质(装置)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(例如，基于RAM)、快闪存储器、相变存储器(“PCM”)、其他类型的存储器、其他光盘存储器、磁盘存储器或其他磁存储装置、或可以用于以计算机可执行指令或数据结构的形式存储所需程序代码单元并可以由通用或专用计算机访问的任何其他介质。

[0092] 本文公开的装置、系统和方法的实现方式可以通过计算机网络进行通信。“网络”被定义为使得电子数据能够在计算机系统和/或模块和/或其他电子装置之间传输的一个或多个数据链路。当通过网络或另一种通信连接(硬接线、无线或硬接线或无线的组合)向计算机传递或提供信息时，计算机适当地将连接视为传输介质。传输介质可以包括网络和/或数据链路，所述网络和/或数据链路可以用于以计算机可执行指令或数据结构的形式承载所需的程序代码单元并且可以由通用或专用计算机访问。上述组合也应当包括在计算机可读介质的范围内。

[0093] 计算机可执行指令包括例如在处理器中执行时使通用计算机、专用计算机或专用处理装置执行某个功能或功能组的指令和数据。计算机可执行指令可以是例如二进制文件、中间格式指令(诸如汇编语言)或者甚至源代码。虽然已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应理解，在所附权利要求中限定的主题不必限于已描述的上述特征或动作。相反，所描述的特征和动作被公开作为实施权利要求的示例形式。

[0094] 本领域技术人员将了解，本公开可以在网络计算环境中利用许多类型的计算机系统配置进行实践，所述计算机系统配置包括内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器或可编程的消费电子产品、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、传呼机、路由器、交换机、各种存储装置等等。本公开还可以在分布式系统环境中实践，其中通过网络链接(通过硬接线数据链路、无线数据链路或通过硬接线与无线数据链路的组合)的本地和远程计算机系统都执行任务。在分布式系统环境中，程序模块可以位于本地和远程存储器存储装置两者中。

[0095] 此外，在适当的情况下，本文描述的功能可以在以下一者或多者中执行：硬件、软件、固件、数字部件或模拟部件。例如，可以编程一个或多个专用集成电路(ASIC)以执行本文描述的系统和程序中的一个或多个。某些术语在整个说明书和权利要求中用于指代特定系统部件。术语“模块”和“部件”用在某些部件的名称中以反映它们在软件、硬件、电路、传感器等等中的实现独立性。正如本领域技术人员将会了解，部件可以用不同的名称来指代。本文件不意图区分名称不同但功能相同的部件。

[0096] 应注意，以上讨论的传感器实施例可以包括计算机硬件、软件、固件或以上各者执行其功能的至少一部分的任何组合。例如，传感器可以包括被配置为在一个或多个处理器中执行的计算机代码，并且可以包括通过计算机代码控制的硬件逻辑/电路。这些示例装置在本文中提供用于说明目的，并且不意图进行限制。如相关领域技术人员所已知，本公开的实施例可以在其他类型的装置中实施。

[0097] 本公开的至少一些实施例涉及计算机程序产品，所述计算机程序产品包括存储在任何计算机可用介质上的这种逻辑(例如，以软件形式)。这种软件当在一个或多个数据处理装置中执行时使装置如本文所述般操作。

[0098] 虽然上文已描述本公开的各种实施例，但是应理解，仅通过示例而并非限制方式提出所述各种实施例。对于相关领域技术人员将显而易见的是，可以在不脱离本公开的精神和范围的情况下在其中作出形式和细节方面的各种改变。因此，本公开的广度和范围不应受任何上文描述的示例性实施例的限制，而是应当仅根据以下权利要求以及其等同物进行限定。已出于说明和描述目的呈现以上描述。这并不意图是穷尽的或者将本公开限制于所公开的精确形式。鉴于以上教导，许多修改和变化是可能的。此外，应注意，任何或所有上述替代实现方式可以所需的任何组合使用以形成本公开的其他混合实现方式。

[0099] 此外，虽然已经描述和示出了本公开的特定实现方式，但是本公开不限于如此描述和示出的各部分的特定形式或布置。本公开的范围由所附权利要求、在此提交的以及在不同申请中提交的任何未来权利要求以及其等同物来限定。

[0100] 根据本发明，一种方法包括：从距离传感器接收传感器数据；基于传感器数据而计算对象的当前形状重建；基于在先传感器数据而从存储器检索对象的在先形状重建；以及通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0101] 根据一个实施例，本发明的进一步特征在于：通过确定质量评分是否满足质量阈值来识别当前形状重建中的故障点的存在。

[0102] 根据一个实施例，如果质量评分大于质量阈值，则在当前形状重建中存在故障点，并且其中如果质量评分小于或等于质量阈值，则在形状重建中不存在故障点。

[0103] 根据一个实施例，如果质量评分小于或等于质量阈值，则将当前形状重建存储在存储器中以供将来使用。

[0104] 根据一个实施例，在当前形状重建中存在故障点，并且故障点是由对距离传感器的阻挡或遮挡引起的。

[0105] 根据一个实施例，在当前形状重建与在先形状重建之间的相似性以互信息或空间互信息表述。

[0106] 根据一个实施例，当前形状重建的所得方差的函数被定义为通过如隐式曲面函数或显式曲面函数的定义对象的形状的函数给出的平均值的峰度。

[0107] 根据一个实施例，通过计算点的点质量评分并确定点质量评分是否满足点质量阈值而将当前形状重建的所述点标记为有故障或无故障。

[0108] 根据一个实施例，基于当前形状重建和在先形状重建而生成融合形状重建，并且将融合形状重建存储在存储器中。

[0109] 根据一个实施例，生成融合形状重建包括：识别当前形状重建中的一个或多个无故障点；识别传感器数据中的一个或多个无故障点；以及将在先形状重建与以下中的一者或多者融合：当前形状重建中的一个或多个无故障点；或者传感器数据中的一个或多个无故障点。

[0110] 根据一个实施例，生成融合形状重建包括高斯过程数据融合。

[0111] 根据一个实施例，与存储在存储器中的各自包括对象的多个独特形状重建相比较，在先形状重建包括最少数量的故障点。

[0112] 根据一个实施例，计算质量评分包括：评估对象的结构；以及计算跨来自一个或多个感测模态的传感器数据的不确定性和相干性。

[0113] 根据一个实施例，传感器数据包括呈对应于一段时间内的二维点或三维点的点的形式的多个传感器观测。

[0114] 根据一个实施例，距离传感器附接到车辆并且包括LIDAR传感器或雷达传感器中的一者或多者。

[0115] 根据本发明，提供了非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质存储指令，所述指令在由一个或多个处理器执行时使一个或多个处理器：从距离传感器接收传感器数据；基于传感器数据而计算对象的当前形状重建；基于在先传感器数据而从存储器检索对象的在先形状重建；以及通过平衡当前形状重建的所得方差的函数和在当前形状重建与在先形状重建之间的相似性来计算当前形状重建的质量评分。

[0116] 根据一个实施例，所述指令使一个或多个处理器通过评估对象的结构并计算跨来自一个或多个感测模态的传感器数据的不确定性和相干性来计算质量评分。

[0117] 根据一个实施例，所述指令进一步使一个或多个处理器通过计算质量评分是否满足质量阈值来识别当前形状重建中的故障点的存在，其中如果质量评分大于质量阈值，则在当前形状重建中存在故障点，并且其中如果质量评分小于或等于质量阈值，则在当前形状重建中不存在故障点。

[0118] 根据一个实施例，所述非暂时性计算机可读存储介质还包括以下中的一者或多者：当前形状重建的所得方差的函数被定义为通过如隐式曲面函数或显式曲面函数的定义对象的形状的函数给出的平均值的峰度；或者在当前形状重建与在先形状重建之间的相似性以互信息或空间互信息表述。

[0119] 根据一个实施例，所述指令进一步使一个或多个处理器通过以下方式来生成融合形状重建：识别当前形状重建中的一个或多个无故障点；识别传感器数据中的一个或多个无故障点；以及将在先形状重建与以下中的一者或多者融合：当前形状重建中的一个或多个无故障点；或者传感器数据中的一个或多个无故障点。

标题	发布/更新时间	阅读量
图像检索方法和装置	2020-05-24	252
基于大数据的文字商标可注册性判断方法及装置	2020-05-20	417
一种基于多查询结果合并的在先技术检索方法	2020-05-11	303
一种短信息排序方法及通信终端	2020-05-23	41
乐音合成方法和用于合成乐音的设备	2020-05-23	768
数据记录方法、数据记录装置和数据记录程序	2020-05-18	636
一种基于大数据的文字商标可注册性判断方法及装置	2020-05-19	684
添加联系人信息的方法及终端	2020-05-15	754
信息检索方法、装置、存储介质及服务器	2020-05-13	872
用于医学图像处理、检索和查看的方法和系统	2020-05-27	52

从距离传感器得到的对感知系统的同时诊断和形状估计

从距离传感器得到的对感知系统的同时诊断和形状估计

技术领域

背景技术

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：