CN116142304A

CN116142304A - 转向角度校准***、方法和存储介质

Info

Publication number: CN116142304A
Application number: CN202310040516.8A
Authority: CN
Inventors: O·A·阿萨德; F·塞卡蒙特
Original assignee: Motional AD LLC
Current assignee: Motional AD LLC
Priority date: 2018-12-31
Filing date: 2019-12-27
Publication date: 2023-05-23
Also published as: US11685431B2; KR20210013130A; DE112019006548T5; GB2588535A; US20200207412A1; KR102506647B1; GB2588535B; WO2020141423A1; GB202018513D0; KR20230035460A; CN113195342B; CN113195342A

Abstract

此外，描述了用于转向角度校准的***、方法和存储介质。自主运载工具接收转向角度测量结果和偏航角速率测量结果，并使用转向角度测量结果、偏航角速率测量结果和自主运载工具的轴距来估计转向角度偏移。基于偏航角速率模型、转向角度测量结果和估计的转向角度偏移来确定估计的偏航角速率。比较偏航角速率测量结果和估计的偏航角速率，并响应于该比较而发起自主运载工具上的动作。

Description

转向角度校准***、方法和存储介质

本申请是申请日为2019年12月27日、申请号为201980082074.5，发明名称为“转向角度校准”的发明专利申请的分案申请。

相关申请的交叉引用

本申请要求2018年12月31日提交的美国申请序列号62/786,968的优先权，其全部内容通过引用结合于此。

技术领域

本发明涉及用于诸如自主运载工具等的运载工具的转向角度校准。

背景技术

为了自主运载工具的安全运行，必须定期对准自主运载工具的转向角度。转向角对准是控制自主运载工具的关键，因为自主运载工具的控制***取决于准确的转向角度来生成控制命令。机械转向角度对准通常由汽车修理厂的技师或机械师进行。

发明内容

一般而言，在一方面，自主运载工具接收转向角度测量结果和偏航角速率测量结果，并且使用转向角度测量结果、偏航角速率测量结果和自主运载工具的轴距来估计转向角度偏移。基于偏航角速率模型、转向角度测量结果和估计的转向角度偏移来确定估计的偏航角速率。比较偏航角速率测量结果与估计的偏航角速率，并基于比较来发起自主运载工具的动作。

在实施例中，一种方法包括：从自主运载工具的处理电路接收转向角度测量结果；从所述处理电路接收偏航角速率测量结果；使用所述处理电路，基于所述转向角度测量结果、所述偏航角速率测量结果和所述自主运载工具的轴距来估计转向角度偏移；使用所述处理电路，基于偏航角速率模型、所述转向角度测量结果和估计的转向角度偏移来确定估计的偏航角速率；以及使用控制电路基于所述转向角度偏移来操作所述自主运载工具。

所述方法还包括使用所述处理电路比较所述偏航角速率测量结果和估计的偏航角速率；以及使用所述处理电路基于所述比较的结果来发起所述自主运载工具上的动作。

在实施例中，所述动作包括通过所述处理电路使用估计的偏航角速率来校准所述偏航角速率测量结果。

在实施例中，接收所述转向角度测量结果包括：在所述自主运载工具正在左转的情况下，使用所述处理电路接收测得的转向角度的左转分量；在所述自主运载工具正在右转的情况下，使用所述处理电路接收测得的转向角度的右转分量；以及使用所述处理电路进行确定。在实施例中，测得的转向角度是所述左转分量和所述右转分量的平均值。在实施例中，测得的转向角度是所述左转分量和所述右转分量的加权和。

在实施例中，使用递归最小二乘自适应滤波公式来确定所述估计的转向角度偏移，所述递归最小二乘自适应滤波公式包括转向角度测量结果、偏航角速率测量结果和所述自主运载工具的轴距。

在实施例中，使用卡尔曼滤波公式来确定所述估计的转向角度偏移，所述卡尔曼滤波公式包括转向角度测量结果、偏航角速率测量结果和所述自主运载工具的轴距。

在实施例中，所述方法还包括：使用所述处理电路比较所述自主运载工具的前进速率和前进速率阈值；使用所述处理电路比较所述偏航角速率测量结果和偏航角速率阈值；使用所述处理电路分别比较自主运载工具的横向加速度测量结果和横向加速度阈值或滑移角度测量结果和滑移角度阈值；以及使用所述处理电路基于所述比较的一个或多个结果来排除或增强所述转向角度测量结果。

在实施例中，所述方法还包括：使用来自所述自主运载工具的一个或多个传感器的数据确定所述自主运载工具的轮是否与路面静态接触；以及根据确定为所述自主运载工具的轮没有与路面静态接触，使用所述处理电路来排除或增强所述转向角度测量结果。

在实施例中，所述方法还包括估计在一段时间或驾驶距离上的多个转向角度偏移；以及过滤所述多个转向角度偏移以移除估计的转向角度偏移的异常值。

在实施例中，发起所述自主运载工具上的动作还包括：使用所述自主运载工具的输出装置或乘客的个人装置呈现维护报警。

在实施例中，发起所述自主运载工具上的动作还包括：使用所述自主运载工具的无线发射器，向基于网络的计算平台发送转向角度测量结果和偏航角速率测量结果中的至少一者；使用所述自主运载工具的无线接收器从所述基于网络的计算平台接收维护报警；以及使用所述自主运载工具的输出装置，呈现所述维护报警。

在实施例中，发起所述自主运载工具上的动作还包括：使用所述自主运载工具的无线发射器向基于网络的计算平台发送路面条件信息；以及使用所述自主运载工具的无线接收器从所述基于网络的计算平台接收转向角度校准参数，其中所述转向角度校准参数是通过所述基于网络的计算平台基于所述路面条件信息来确定的；以及通过所述处理电路利用所述转向角度校准参数增强所述转向角度测量结果。

在实施例中，所述方法还包括：使用控制电路根据最大限速操作自主运载工具，其中，所述最大限速是基于所述转向角度偏移来确定的。在实施例中，基于所述转向角度偏移和环境的天气条件的集合来确定所述最大限速。

在实施例中，一种用于自主运载工具的转向角度校准***包括：转向角度传感器；偏航角速率传感器；一个或多个处理电路；以及存储有指令的一个或多个非暂时性存储介质，所述指令在由所述一个或多个处理电路执行时使得进行操作，所述操作包括：从所述转向角度传感器接收转向角度测量结果；从所述偏航角速率传感器接收偏航角速率测量结果；基于所述转向角度测量结果、所述偏航角速率测量结果和所述自主运载工具的轴距来估计转向角度偏移；确定估计的偏航角速率，所述估计的偏航角速率是基于偏航角速率模型、所述转向角度测量结果和估计的转向角度偏移来确定的；比较所述偏航角速率测量结果和所述估计的偏航角速率；以及基于所述比较的结果来发起所述自主运载工具上的动作。

在实施例中，所述转向角度传感器是转向柱传感器或方向盘传感器。

这些和其它方面、特征和实现可被表示为方法、设备、***、组件、程序产品、用于进行功能的部件或步骤以及其它方式。

从以下的包括权利要求书的说明书，这些和其它方面、特征和实现将变得明显。

附图说明

图1示出根据实施例的具有自主能力的自主运载工具的示例。

图2例示根据实施例的示例“云”计算环境。

图3例示根据实施例的计算机***。

图4示出根据实施例的自主运载工具的示例架构。

图5示出根据实施例的可由感知模块使用的输入和输出的示例。

图6示出根据实施例的LiDAR***的示例。

图7示出根据实施例的操作中的LiDAR***。

图8示出根据实施例的LiDAR***的操作的附加细节。

图9示出根据实施例的规划模块的输入和输出之间的关系的框图。

图10示出根据实施例的路径规划中所使用的有向图。

图11示出根据实施例的控制模块的输入和输出的框图。

图12示出根据实施例的控制器的输入、输出和组件的框图。

图13是示出根据实施例的转向角度、偏航角速率和自主运载工具的轴距的上-下示意图。

图14是示出根据实施例的用于估计转向角度偏移的***的框图

图15示出根据实施例的估计转向角度偏移的流程图。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对各种实现的透彻理解。然而，本文描述的各种实现可以在没有这些具体细节的情况下实施，这将是明显的。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本文描述的实现模糊。

在附图中，为了便于描述，示出了示意要素(诸如表示装置、模块、指令块和数据要素的那些要素)的具体排列或次序。然而，本领域技术人员应当理解，附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外，在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。

此外，在附图中，连接要素、诸如实线或虚线或箭头用于例示两个或更多个其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中示出，以便不使本公开内容模糊。此外，为了便于例示，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令的通信，本领域技术人员应理解，这种要素表示影响通信可能需要的一个或多个信号路径(例如，总线)。

现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地使实施例的方面模糊。

下面描述的若干特征各自可以彼此独立地使用，也可以与其它特征的任何组合一起使用。然而，任何个别特征可能不能解决以上所讨论的任何问题，或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。虽然提供了标题，但在本说明书的其它地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例:

1.总体概述

2.硬件概述

3.自主运载工具架构

4.自主运载工具输入

5.自主运载工具规划

6.自主运载工具控制

7.转向角度校准

总体概述

运载工具取决于转向对准来实现安全可靠的性能。特别地，自主运载工具取决于校准的转向角度对准来实现自主运载工具的控制器性能，因为转向角度传感器报告给自主运载工具的控制模块的转向角度测量结果可能由于转向角度偏移而不能反映正确的转向角度。转向角度偏移被定义为自主运载工具直线行驶时以度或弧度为单位的与零参考位置的偏差。转向角度偏移可以是固定的或临时的。固定偏移通常是由于轴变形或停留在运载工具底盘、轮胎磨损或服务中而引起的。直到维护完成为止，固定转向角度偏移都会持续。如果自主运载工具正在承载分布不均匀的负载，则经常会发生临时转向角度偏移，这可能影响转向。此外，某些驾驶条件可能导致临时转向角度偏移，如侧风、斜坡和横坡、环路、长曲线等。

错误报告转向角度测量结果可能引发的问题包括运载工具方向和控制中的危险偏差。为了校正转向角度偏差，自主运载工具从转向角度传感器获得测量到的转向角度，从偏航角速率传感器获得偏航角速率测量结果，以及自主运载工具的已知轴距以使用例如自适应滤波器或估计器(例如，线性二次估计器)来确定估计的转向角度偏差。然后，使用偏航角速率模型(例如，一阶模型)来使用估计的转向角度偏移来确定估计的偏航角速率。可以比较估计的偏航角速率与测量的偏航角速率，以触发动作，诸如在估计的偏航角速率和测量到的偏航角速率之间的差超过指定阈值的情况下，和/或在估计的转向角度偏移超过指定阈值的情况下，报警自主运载工具(或其他实体)的乘客等。在实施例中，处理电路进行软件校准以通过使用转向校准参数校准测量到的转向角度和/或偏航角速率测量结果来校正转向角度对准。

由于测量中的误差(例如，测量噪声)和偏航角速率模型(例如，处理噪声)将被传播到由自主运载工具的处理电路所进行的计算中，因此在这些误差可能小的情况下采用或使用这些测量。例如，可以在满足指定操作条件的第一集合的情况下采用或使用测量结果，诸如在自主运载工具的前进速率低于阈值(例如，小于5m/s)、偏航角速率低于阈值(例如，小于abs(0.5rad/s))以及滑移角度低于阈值(例如，小于2度)的情况等。还可以在满足指定操作条件的第二集合的情况下采用测量结果，诸如在自主运载工具的速度低于阈值(例如，小于5m/s)、偏航角速率低于阈值(例如，小于abs(0.5rad/s))以及横向加速度低于阈值水平(例如，abs(1.0m/s^2))。在速率低时，轮滑移或打滑会使转向角度测量结果和偏航角速率测量结果失真。在另一示例中，当轴距角度小于阈值(例如，2度)的情况下，可以进行或使用测量结果。此外，通过仅在满足指定条件的情况下进行或使用测量结果，可以使用简化的偏航角速率模型(例如，一阶模型)和估计器/滤波器公式。

为了确保满足上述指定条件集，处理电路可以使用数字地图数据或其它资源来识别用于采用能够满足指定条件集的测量的机会以确保满足前进速率条件，诸如(例如，使用规划模块)识别直线行车道的延伸来确保为满足横向加速条件和限速等。此外，当某些路面条件(例如，潮湿、结冰、油腻的路面)可能由于轮滑移或打滑而导致错误测量时，可以避免测量结果。

在实施例中，当路面条件(例如，潮湿、结冰、油腻的路面)可能影响转向角度测量结果和/或偏航角速率测量结果时，处理电路不处理任何测量和/或从估计的转向角度偏移计算中排除(过滤)噪声测量。例如，可以从无线天气预报服务、另一运载工具(V2V)和/或使用各种路面条件传感器获得路面条件。例如，运载工具装载的或沿路边(V2I)的路面条件传感器可以测量路面条件，包括但不限于：表面温度、水膜高度、冰点、结冰百分比和摩擦系数。传感器还可以检测路面上影响冰点或摩擦系数的化学物质或材料(例如，盐、油)。

在实施例中，当自主运载工具在行车道中通过长曲线转弯时，可以测量转向角度。例如，可以在运载工具左转时测量左转转向角度分量，并且可以在运载工具右转时测量右转转向角度分量。该处理电路能够计算测量到的左转和右转转向角度分量的平均值以得到测量到的转向角度。在实施例中，将权重应用于左转和右转转向角度分量，并且将对加权分量求和以获得测量到的转向角度。

***概述

图1示出具有自主能力的自主运载工具100的示例。

如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地操作，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。

如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。

如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。

如本文所使用的，“轨迹”是指将AV从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。

如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如，图像传感器、生物特征传感器)、传输和/或接收组件(例如，激光或射频波发射器和接收器)、电子组件(诸如，模数转换器)、数据存储装置(诸如，RAM和/或非易失性存储器)、软件或固件组件和数据处理组件(诸如，专用集成电路)、微处理器和/或微控制器。

如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由AV外部的源提供的一个或多个分类或标记的对象。

如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如，四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式定义为一条通道的物理区域。

如本文所使用的，“车道”是道路的可被运载工具穿过的部分。有时基于车道标记来识别车道。例如，车道可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的一些空间(例如，小于50％)。例如，具有相距远的车道标记的道路可能在标记之间容纳两个或更多个运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，并且因此可被解释为具有比车道标记之间的空间窄的车道，或具有车道之间的两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如乡村区域沿着通道的岩石和树木，或例如不发达区域中要避开的自然障碍物)来定义车道。车道也可以与车道标记或物理特征无关的方式来解释。例如，车道可以基于否则就缺少将被解释为车道边界的特征的区域中没有障碍物的任意路径来解释。在示例场景中，AV可以解释通过田地或空地的无障碍部分的车道。在另一示例场景中，AV可以解释通过没有车道标记的宽道路(例如，宽达两个或更多个车道)的车道。在该场景下，AV能够将与车道有关的信息传送给其它AV，以便其他AV能够使用同一车道信息来协调它们之间的路径规划。

术语“空中(OTA)客户端”包括嵌入、耦接到AV或与AV通信的任何AV或任何电子装置(例如，计算机、控制器、IoT装置、电子控制单元(ECU))。

术语“空中(OTA)更新”是指使用专有和/或标准化无线通信技术(包括但不限于：蜂窝移动通信(例如，2G、3G、4G、5G)、无线电无线区域网络(例如，WiFi)和/或卫星互联网)递送到OTA客户端的对软件、固件、数据或配置设置或其任意组合的任何更新、改变、删除或添加。

术语“边缘节点”是指耦接到网络的一个或多个边缘装置，其提供用于与AV通信的门户，并且可以与其它边缘节点和基于云的计算平台通信，以用于向OTA客户端调度和递送OTA更新。

术语“边缘装置”是指实现边缘节点并提供到企业或服务提供商(例如，VERIZON、AT&T)核心网络中的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于：计算机、控制器、发射器、路由器、路由交换机、集成接入装置(IAD)、多路复用器、城域网(MAN)和广域网(WAN)接入装置。

“一个或多个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。

还将理解的是，尽管在一些情况下，术语“第一”、“第二”等在本文中是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点两者都是触点，但它们不是相同触点。

在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还将理解的是，如本文所使用的“和/或”是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组件、和/或其群组。

如本文所使用的，取决于上下文，术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地，取决于上下文，短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。

如本文所使用的，AV***是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中，AV***并入在AV内。在实施例中，AV***跨若干地点分布。例如，AV***的一些软件是在类似于下面关于图2描述的云计算环境200的云计算环境中实现的。

一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶***相关术语的分类和定义，通过引用将其全部内容并入本文件，用于了解运载工具自主权等级的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具，诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶***相关术语的分类和定义)。在实施例中，一个或多个第1级、第2级、第3级、第4级和第5级运载工具***可基于对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。

与需要人类驾驶员的运载工具相比，自主运载工具具有优势。一个优势是安全性。例如，在2016年，美国发生了600万起车祸，240万人受伤，4万人死亡，1300万运载工具碰撞，估计社会成本为9100+亿美元。从1965年到2015年，美国每1亿英里的交通死亡人数已经从大约6人减少到大约1人，部分原因是运载工具所部署有的附加的安全措施。例如，将发生碰撞的额外半秒的报警被认为可以减轻60％的前-后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改善这一数字方面可能已达到了极限。因此，诸如运载工具的自动控制的主动的安全措施可能是改善这些统计数据的下一步。因为在95％的碰撞中，人类驾驶员被认为是对严重的预碰撞事故有责任，所以自主驾驶***可能会实现更好的安全结果，例如，比人类更可靠地识别和避免危急情形；比人类更好地做出更好的决策、遵守交通规则、并预测未来事件；以及比人类更可靠地控制运载工具。

参考图1，AV***120使AV 100沿着轨迹198操作，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。

在实施例中，AV***120包括被装备以从计算机处理器146接收操作命令并对其进行操作的装置101。在实施例中，计算处理器146与下面参考图3描述的处理器304类似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。

在实施例中，AV***120包括用于测量或推断AV 100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度和角速度及线加速度和角加速度、以及航向(例如，AV 100的前端的方向)。传感器121的示例是GPS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速率传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器以及转向角度和角速率传感器。

在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122，LiDAR 123，RADAR，超声波传感器，飞行时间(TOF)深度传感器，速率传感器，温度传感器，湿度传感器和降水传感器。

在实施例中，AV***120包括数据存储单元142和存储器144，用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中，数据存储单元142与以下关于图3描述的ROM 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据从远程数据库134通过通信信道传输到AV100。

在实施例中，AV***120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到AV 100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。

在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、WiFi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV***120。在实施例中，远程数据库134嵌入在如图2中所描述的云计算环境200中。通信接口140将从传感器121收集的数据或与AV 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向AV 100传输与遥操作有关的信息。在一些实施例中，AV 100与其它远程(例如，“云”)服务器136通信。

在实施例中，远程数据库134还存储和传输数字数据(例如，存储诸如道路和街道地点的数据)。这些数据存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV 100。

在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速度分布)。在一个实现中，这种数据可以存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV100。

位于AV 100上的计算装置146基于实时传感器数据和先验信息两者以算法方式生成控制动作，允许AV***120执行其自主驾驶能力。

在实施例中，AV***120包括耦接到计算装置146的计算机***设备132，用于向AV100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，***设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。耦接是无线的或有线的。任意两个或更多个的接口装置可以集成到单个装置中。

图2例示示例“云”计算环境。云计算是一种服务交付模式，用于使得能够方便、按需地在网络上访问可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)的共享池。在典型的云计算***中，一个或多个大型云数据中心容纳用于交付云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机***206a、206b、206c、206d、206e和206f提供云计算服务。

云计算环境200包括一个或多个云数据中心。一般而言，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多个区域，其中包括一个或多个服务器房间。每个房间有一行或多行服务器，并且每行包括一个或多个机架。每个机架包括一个或多个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器基于数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)被排列成若干组。在实施例中，服务器节点类似于图3中描述的计算机***。数据中心204a具有许多分布在多个机架上的计算***。

云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算***206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路耦接的网际网络的任意组合。通过网络交换的数据使用多种网络层协议(诸如，因特网协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(Frame Relay)等)进行传输。此外，在网络表示多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在一些实施例中，网络表示一个或多个互连网际网络(诸如公共因特网等)。

计算***206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中，计算***206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)装置、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算***206a-f在其它***中实现或作为其它***的一部分实现。

图3例示计算机***300。在实现中，计算机***300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机***、便携式计算机***、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其它装置。

在实施例中，计算机***300包括总线302或用于传达信息的其它通信机制、以及与总线302耦接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机***300还包括主存储器306，诸如随机存取存储器(RAM)或其它动态存储装置，该主存储器306耦接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机***300变成一个专用机器，该机器被定制以执行指令中指定的操作。

在实施例中，计算机***300还包括只读存储器(ROM)308或耦接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置310，并且该存储装置310耦接到总线302以存储信息和指令。

在实施例中，计算机***300通过总线302耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器312。包括字母数字键和其它键的输入装置314耦接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，诸如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴(第一轴(例如，x轴)和第二轴(例如，y轴))上的两个自由度，这两个轴允许装置指定平面上的位置。

根据一个实施例，本文的技术由计算机***300响应于处理器304执行主存储器306中包含的一个或多个指令的一个或多个序列而执行。这些指令从诸如存储装置310的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所描述的过程步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。

如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。

存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，诸如在无线电波和红外数据通信过程中产生的声波或光波。

在实施例中，各种形式的介质涉及将一个或多个指令的一个或多个序列承载到处理器304以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机***300的本地调制解调器接收电话线路上的数据，并使用红外发射器将数据转换为红外信号。红外检测器接收红外信号中承载的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以可选地在处理器304执行之前或之后存储在存储装置310上。

计算机***300还包括耦接到总线302的通信接口318。通信接口318提供耦接到连接至本地网络322的网络链路320的双向数据通信。例如，通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。

网络链路320通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”328的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中这些信号承载了进出计算机***300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。

计算机***300通过(一个或多个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机***300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。

自主运载工具架构

图4示出用于自主运载工具(例如，图1所示的AV 100)的示例架构400。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在AV 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的AV***120的一部分。在一些实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。模块402、404、406、408和410中的各个模块有时被称为处理电路(例如，计算机硬件、计算机软件或两者的组合)。模块402、404、406、408和410中的任何或所有模块的组合也是处理电路的示例。

在使用中，规划模块404接收表示目的地412的数据，并且确定表示AV100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。

感知模块402使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。

规划模块404还从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块408使用来自GNSS(全球导航卫星***)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如十字路口、交通标志或各种类型的其它行驶信号等)的空间地点的地图。在实施例中，高精度地图是通过经自动或手动的注释向低精度地图添加数据来构建的。

控制模块406接收表示轨迹414的数据和表示AV位置418的数据，并且以将使得AV100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得AV 100左转，并且油门和制动将使得AV 100在进行转弯之前暂停并等待经过的行人或运载工具。

自主运载工具输入

图5示出感知模块402(图4)所使用的输入502a-502d(例如，图1中所示的传感器121)和输出504a-504d(例如，传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)***(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR***产生LiDAR数据作为输出504a。例如，LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。

另一输入502b是RADAR(雷达)***。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR***的视线内的对象有关的数据。RADAR***502b产生RADAR数据作为输出504b。例如，RADAR数据是用于构造环境190的表示的一个或多个射频电磁信号。

另一输入502c是照相机***。照相机***使用一个或多个照相机(例如，使用诸如电荷耦合器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机***产生照相机数据作为输出504c。照相机数据通常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中，照相机***具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机***能够感知深度。尽管照相机***所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在使用中，照相机***可被配置为“看见”远处的(例如，AV前方的远至1公里或更远的)对象。因此，照相机***可以具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。

另一输入502d是交通灯检测(TLD)***。TLD***使用一个或多个照相机来获得与交通灯、街道标志和提供视觉导航信息的其它物理对象有关的信息。TLD***产生TLD数据作为输出504d。TLD数据经常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD***与包含照相机的***的不同之处在于：TLD***使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉导航信息的物理对象有关的信息，使得AV 100能够访问这些对象所提供的所有相关导航信息。例如，TLD***的视角可以为约120度或更大。

在一些实施例中，使用传感器融合技术来组合输出504a-504d。因而，将个体输出504a-504d提供至AV 100的其它***(例如，提供至如图4所示的规划模块404)，或者可以采用相同类型的单个组合输出或多个组合输出(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式，将组合输出提供至其它***。在一些实施例中，使用早期融合技术。早期融合技术的特征在于：在将一个或多个数据处理步骤应用到组合输出之前，将输出组合。在一些实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多个数据处理步骤应用到个体输出之后，将输出组合。

图6示出LiDAR***602的示例(例如，图5所示的输入502a)。LiDAR***602从发光器606(例如，激光发射器)发射光604a-604c。LiDAR***所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如，运载工具)并且反射回到LiDAR***602。(从LiDAR***发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR***602还具有用于检测反射光的一个或多个光检测器610。在实施例中，与LiDAR***相关联的一个或多个数据处理***生成表示LiDAR***的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样，图像612用于确定AV附近的一个或多个物理对象的边界616。

图7示出操作中的LiDAR***602。在该图所示的情境中，AV 100接收采用图像702的形式的照相机***输出504c和采用LiDAR数据点704的形式的LiDAR***输出504a两者。在使用中，AV 100的数据处理***将图像702与数据点704进行比较。特别地，在数据点704中也识别在图像702中识别出的物理对象706。这样，AV 100基于数据点704的轮廓和密度来感知物理对象的边界。

图8示出LiDAR***602的操作的附加细节。如上所述，AV 100基于LiDAR***602所检测到的数据点的特性来检测物理对象的边界。如图8所示，诸如地面802等的平坦对象将以一致的方式反射从LiDAR***602发射的光804a-804d。换句话说，由于LiDAR***602使用一致的间隔发射光，因此地面802将以相同的一致间隔将光反射回到LiDAR***602。在AV100在地面802上行驶时，在没有东西阻挡道路的情况下，LiDAR***602将继续检测到由下一个有效地面点806反射的光。然而，如果对象808阻挡道路，则LiDAR***602所发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息，AV 100可以确定存在对象808。

路径规划

图9示出(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图900。一般而言，规划模块404的输出是从起点904(例如，源地点或初始地点)到终点906(例如，目的地或最终地点)的路线902。路线902通常由一个或多个路段定义。例如，路段是指要在街道、道路、公路、行车道或适合汽车行驶的其它物理区域的至少一部分上行驶的距离。在一些示例中，例如，如果AV 100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小卡车等的能够越野的运载工具，则路线902包括诸如未铺面路径或开阔田野等的“越野”路段。

除路线902之外，规划模块还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如，如果路线902包括多车道公路，则车道级路线规划数据908包括轨迹规划数据910，其中AV 100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个或多个车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素来从这多个车道中选择某车道。类似地，在一些实现中，车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如，如果该路段包括行人或非预期交通，则速率约束912可以将AV 100限制到比预期速率慢的行驶速率，例如基于该路段的限速数据的速率。

在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据914、当前地点数据916(例如，图4所示的AV位置418)、(例如，用于图4所示的目的地412的)目的地数据918和对象数据920(例如，如图4所示的感知模块402所感知的经分类的对象416)。在一些实施例中，数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在AV 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于AV 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。

图10示出在路径规划中(例如，由规划模块404(图4))使用的有向图1000。一般而言，如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中，分隔起点1002和终点1004的距离可能相对较大(例如，在两个不同的都市区域中)，或者可能相对较小(例如，毗邻城市街区的两个十字路口或多车道道路的两条车道)。

在实施例中，有向图1000具有表示起点1002和终点1004之间的AV 100可能占用的不同地点的节点1006a-1006d。在一些示例中，例如，在起点1002和终点1004表示不同的都市区域时，节点1006a-1006d表示道路的路段。在一些示例中，例如，在起点1002和终点1004表示相同道路上的不同地点时，节点1006a-1006d表示该道路上的不同位置。这样，有向图1000包括不同粒度级别的信息。在实施例中，具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如，起点1002和终点1004相距远(例如，相距许多英里)的有向图的大部分信息处于低粒度，并且该有向图是基于所存储的数据，但该有向图还包括用于该有向图中的表示AV 100的视场中的物理地点的一部分的一些高粒度信息。

节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中，在粒度低时，对象1008a-1008b表示汽车不能穿过的地区，例如无街道或道路的区域。在粒度高时，对象1008a-1008b表示AV 100的视场中的物理对象，例如其它汽车、行人、或AV 100不能与之共用物理空间的其它实体。在实施例中，对象1008a-1008b的一部分或全部是静态对象(例如，不改变位置的对象，诸如街灯或电线杆等)或动态对象(例如，能够改变位置的对象，诸如行人或其它小汽车等)。

节点1006a-1006d通过边1010a-1010c连接。如果两个节点1006a-1006b通过边1010a连接，则AV 100可以在一个节点1006a和另一节点1006b之间行驶，例如，而不必在到达另一节点1006b之前行驶到中间节点。(当提到AV 100在节点之间行驶时，意味着AV 100在由相应节点表示的两个物理位置之间行驶。)边1010a-1010c通常是双向的，从某种意义上，AV 100从第一节点行驶到第二节点，或者从第二节点行驶到第一节点。在实施例中，边1010a-1010c是单向的，从某种意义上，AV 100可以从第一节点行驶到第二节点，然而AV100不能从第二节点行驶到第一节点。在边1010a-1010c表示例如单向街道，街道、道路或公路的单独车道，或者由于法律或物理约束因而仅能沿一个方向穿过的其它特征的情况下，边1010a-1010c是单向的。

在实施例中，规划模块404使用有向图1000来识别由起点1002和终点1004之间的节点和边组成的路径1012。

边1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在AV100选择该边的情况下将花费的资源的值。典型的资源是时间。例如，如果一个边1010a所表示的物理距离是另一边1010b所表示的物理距离的两倍，则第一边1010a的关联成本1014a可以是第二边1010b的关联成本1014b的两倍。影响时间的其它因素包括预期交通、十字路口的数量、限速等。另一典型的资源是燃料经济性。两个边1010a-1010b可以表示相同的物理距离，但例如由于道路条件、预期天气等，因此一个边1010a与另一边1010b相比需要更多的燃料。

在规划模块404识别起点1002和终点1004之间的路径1012时，规划模块404通常选择针对成本优化的路径，例如，在将边的个体成本相加到一起时具有最小总成本的路径。

自主运载工具控制

图11示出(例如，如图4所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102而操作，该控制器1102例如包括：与处理器304类似的一个或多个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多个计算机处理器)；与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器，随机存取存储器或闪速存储器或这两者)；以及存储器中所存储的指令，这些指令在(例如，由一个或多个处理器)执行时执行控制器1102的操作。

在实施例中，控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度，例如速率和航向。期望输出1104例如可以基于从(例如，如图4所示的)规划模块404接收到的数据。根据期望输出1104，控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合AV 100的油门(例如，加速控制)以实现期望输出1104的大小。在一些示例中，油门输入1106还包括可用于接合AV100的制动器(例如，减速控制)的数据。转向输入1108表示转向角度，例如AV的转向控制(例如，方向盘、转向角致动器或用于控制转向角度的其它功能)应被定位成实现期望输出1104的角度。

在实施例中，控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如，如果AV 100遇到诸如山丘等的干扰1110，则AV 100的测量速率1112降至低于期望输出速率。在实施例中，任何测量输出1114均被提供至控制器1102，使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和AV 100的传感器可测量的其它输出。

在实施例中，例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息，并且该信息被提供至预测性反馈模块1122。然后，预测性反馈模块1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如，如果AV 100的传感器检测到(“看见”)山丘，则控制器1102可以使用该信息来准备在适当时间接合油门，以避免显著减速。

图12示出控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如，速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈，来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。

控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如，横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈，来指示方向盘控制器1210调整转向角致动器1212的位置。

控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的若干输入。规划模块404提供控制器1102例如选择AV 100开始操作时的航向并确定在AV 100到达十字交叉路口时穿过哪个道路路段所使用的信息。定位模块408例如将描述AV 100的当前地点的信息提供至控制器1102，使得控制器1102可以确定AV 100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期的地点。在实施例中，控制器1102接收来自其它输入1214的信息，例如从数据库、计算机网络等接收到的信息。

转向角度校准

图13是示出根据实施例的转向角度、偏航角速率和自主运载工具的轴距的上-下示意图。定义AV 100的X-Y轴，其中速度V_x(前进速率)是沿X轴的速度、速度V_y是沿Y轴的速度、以及a_y是沿Y轴的横向加速度。

转向角度δ是AV 100的轮的指向方向与X轴之间的角度。在实施例中，测量转向角度偏移需要测量转向角度δ和滑移角度β。滑移角度β是AV 100的轮的指向方向和轮实际行驶的方向之间的角度。滑移角度β由等式[1]给出：

在一些实施例中，如参考图14更详细地所述，可以通过仅在某些条件存在的情况下进行测量来忽略滑移角度β，诸如在AV 100在直线上驾驶(V_y为零)的情况下测量转向角度δ等。

偏航角速率测量结果

是AV 100绕垂直于道路的Z轴旋转的角速率(例如，其角速度)。在实施例中，AV 100中的Z轴位于AV 100的重心1302处。

轴距L是从前轮中心到后轮中心的距离，并且可以存储在AV 100上用于转向的电子控制单元(ECU)的存储器或其它存储装置中。

图14是根据实施例的用于估计转向角度偏移的***1400的框图。***1400包括转向角度传感器(SAS)1401、惯性传感器1402、条件测试器1403、估计器1404和偏航角速率模型1405。

在实施例中，SAS 1401输出转向角度测量结果δ_m。SAS 1401可以是陀螺装置、加速度计、光学传感器、GPS传感器或其它传感器121(例如，光学或机械旋转编码器)，SAS 1401是AV 100的电子动力转向控制的一部分，所述电子动力转向控制包括但不限于：方向盘、转向柱、转向轴和轮。

在实施例中，转向角度测量结果δ_m是通过如下获得的：在长左转期间测量左转转向角度分量δ_left、在长右转期间测量右转向角度分量δ_right、并取分量的平均值来获得转向角度测量结果δ_m：

在实施例中，左转转向角度分量δ_left和右转向转向角度分量δ_right分别乘以权重w_left和w_right，并求和以如等式[3]所示求出转向角度测量结果δ_m。

δ_m＝w_leftδ_left+w_rightδ_right[3]

在转向角度测量结果δ_m可能包括测量噪声的情况下，可以使用等式[2]和[3]。如下面所进一步详细讨论的，测量噪声可能由例如方向盘未正确安装或路面条件不佳而导致。获得如等式[2]和[3]所示的转向角度测量结果δ_m的优点在于，之后涉及转向角度测量结果δ_m的计算能够忽视滑移角度β的影响。在测量转向角度时，左转期间的滑移角度β的贡献被右转期间的滑移角度β的贡献有效抵消。

在实施例中，惯性传感器1402输出偏航角速率测量结果

横向加速度测量结果a_y和前进速率测量结果V_x。惯性传感器1402的一些示例包括但不限于：陀螺装置和加速计。在实施例中，惯性传感器1402可以被包括在惯性测量单元(IMU)中。在其它实施例中，全球导航卫星***(GNSS)(例如，GPS)提供AV 100的速率和方向，这可以用来代替惯性测量结果或者与惯性测量结果结合使用。

条件测试器1403从转向角度传感器1401接收测量到的转向角度δ_m，并从惯性传感器1402接收偏航角速率测量结果

横向加速度测量结果a_y和前进速率测量结果V_x。在实施例中，在进行测量和/或估计器1404使用测量结果之前，条件测试器1403测试某些操作条件1408的存在。

例如，可以在满足操作条件的第一集合1408的情况下进行测量或使用测量结果，诸如在自主运载工具的前进速率V_x低于阈值(例如，小于5m/s)、偏航角速率测量结果

低于阈值(例如，小于abs(0.5rad/s))以及滑移角度测量结果低于阈值(例如，小于2度)等的情况。也可以在满足操作条件的第二集合1408的情况下进行测量或使用测量结果，诸如自主运载工具的前进速率V_x低于阈值(例如，小于5m/s)、偏航角速率测量结果/>

低于阈值(例如，小于abs(0.5rad/s))以及横向加速度测量结果a_y低于阈值水平(例如，abs(1.0m/s^2))等的情况。在低速的情况下，会使转向角度测量结果和偏航角速率测量结果失真的轮滑移或打滑更少。另外，通过仅在满足操作条件1408的情况下进行测量或使用测量结果，可以使用简化的偏航角速率模型(例如，一阶模型)和估计器/滤波器公式，如下面的等式[5]至[13]所示。

在另一实施例中，在AV的轮的轴距角度(wheel base angle)(例如，外倾角)小于阈值(例如，2度)的情况下进行测量或使用测量结果。轴距角度是从AV的轮的前部或后部观察时轮从上到下“倾斜”的度量，并且可以从其它可观测参数直接测量或估计。在轮顶部远离AV倾斜的情况下，AV的轮具有正的轴距角度，而在轮顶部向AV倾斜的情况下，AV的轮具有负的轴距角度。如果轴距角度未对准，即，如果轴距角度不是0度或不小于阈值(例如，2度)，则AV的直线稳定性被折衷。例如，如果AV两侧的轴距角度未被设置为相等，则运载工具将向左或向右拉动或漂移。在另一示例中，如果轴距角度未被设置为0度或未被设置为小于阈值(例如，2度)，则轮上的轮胎将以相对于轮胎其余部分的增加的速率磨损轮胎内部的胎面(负轴距)或轮胎外部的胎面(正轴距)。轴距角度小于阈值的优势是减少了轮胎胎面上的磨损，并优化了牵引力(例如，通过使轮胎在道路上的胎面量最大化来防止轮侧滑或打滑)。由于减少了轮胎胎面上的磨损并优化了牵引力，因此可以在使得转向角度测量结果和偏航角速率测量结果失真的轮侧滑或打滑较少的情况下进行测量或使用测量结果。

为了确保满足上述条件集合1408，处理电路可以使用数字地图数据或其它资源来识别用于进行能够满足操作条件1408的测量的机会，诸如识别(例如，使用规划模块)直的并且具有确保满足横向加速度条件和前进速率条件的限速的道路延伸等。例如，可以针对沿路线的测量机会来分析从AV 100的规划模块输出的轨迹。如果轨迹指示在AV 100前的直路段或长曲线路段，则***能够在AV 100到达该路段时调度测量。

在实施例中，操作条件1408用于确定AV 100的一个或多个轮与路面是静态接触还是动态接触。例如，冰、雨、雪、油、坑洞、砾石或其它路面条件或异常可能导致AV 100的一个或多个轮胎与路面之间失去静态接触(例如，轮侧滑、打滑)。轮胎与路面之间失去静态接触可能导致轮侧滑或打滑，从而导致转向角度和偏航角速率的错误测量。在实施例中，处理电路可以避免在存在可能导致错误测量的某些路面条件的情况下进行测量或使用测量结果，或者增强转向角度测量结果和/或偏航角速率测量结果以考虑路面条件。

例如，如果无线天气预报或来自车载或路边传感器的传感器数据指示AV 100正在行驶的道路是潮湿的或结冰的，则处理电路将权重分配给转向角度测量结果δ_m以考虑潮湿的或结冰的路面条件，如等式[3]所示。例如，可以基于由车载传感器所确定的或由另一资源(例如，数据库)所提供的路面的摩擦系数μ_x来确定权重。在天气条件最佳的情况下(例如，在天气晴朗(例如，温暖且干燥)的情况下)所进行的测量是导致AV 100的轮与路面之间最静态的接触的天气条件(例如，因为轮的轮胎上的橡胶能够提供最大的抓地力)。可选地，在天气条件被认为不是最佳的情况下(例如，在雨、雪或极端寒冷条件期间)，因为表面将更滑，所以AV 100的轮胎上的橡胶不能提供最大的抓地力。

在另一实施例中，操作条件1408确定乘客特性是否影响测量。例如，如果AV 100的乘客选择了手动操作AV 100，并且如果在方向盘有许多急转弯和/或快速转弯的情况下乘客不规律地驾驶，则操作条件1408将不会向估计器1404(下面详细讨论)发送在乘客操作AV100的时间段期间所获得的测量结果。按照乘客特性的快速、不规律的驾驶导致并不是最佳的测量结果，并且因此丢弃该测量结果。

在另一实施例中，操作条件1408确定AV 100的负载或行李特性(例如，在AV 100装载很重的情况下)是否影响测量。例如，在AV 100装载很重的情况下，轮和路面之间的法向力增加。摩擦力与法向力成正比地增加，如等式[4]所示：

F＝μN, [4]其中，F是摩擦力，μ是摩擦系数，N是法向力。随着摩擦力的增加，AV 100的轮与路面之间的静态接触也增加。

在实施例中，操作条件1408确定交通条件是否影响测量。例如，因为高交通量优化了测量结果(例如，因为AV 100以较低速率行驶)，所以AV 100可以丢弃在没有交通量的情况下AV 100以较高速率行驶时所获得的测量结果，而获得在高交通量的时间段期间所获得的测量结果。

在实施例中，操作条件1408确定AV 100的时空地点是否影响测量。当考虑AV 100的时空地点时要考虑的因素包括但不限于AV 100的地点、当天时间和交通条件。例如，早上上班的AV 100的乘客使用公路上班，并且晚上下班返程时使用相同的公路。在早上，公路上的交通量是最小的，AV 100能够以较高的速率行驶，而在晚上公路上的交通量大，AV 100只能以较低的速率行驶。在实施例中，在AV 100以高速行驶的情况下所获得的测量结果被丢弃，而在AV 100以低速行驶的情况下所获得的测量结果被用于估计转向角度偏移，因为在低速的情况下该测量结果被优化。在另一示例中，在近海道路上行驶的AV 100丢弃在满潮期间在近海道路上行驶时的测量结果，因为不断上升的沿岸喷水消除了AV 100的轮与道路之间的静态接触。

在实施例中，操作条件1408用于确定乘客偏好是否影响测量。例如，可以向从A点到B点的乘客呈现铺砌的道路路线选项和土路捷径路线选项。如果乘客偏好是使用捷径路线(由于较低的摩擦系数μ，土路导致消除了静态接触)，则丢弃所获得的测量结果。可选地，如果乘客偏好是在铺砌的道路路线上行驶(由于较高的摩擦系数μ，轮和铺砌的道路之间的静态接触被优化)，则所获得的测量结果将用于估计转向角度偏移。

当估计转向角度偏移时，***1400可以单独或组合地考虑上述条件中的任何一个或多个。

由于轮胎磨损可能影响转向角度偏移，因此在实施例中，AV 100上的一个或多个传感器可以提供指示(或可用于估计)轮胎磨损的传感器数据。然后，使用估计的轮胎磨损来生成权重，以增强转向角度测量结果δ_m和/或偏航角速率测量结果

如果满足操作条件1408，则估计器1404(例如，从AV100上的存储装置134)接收测量到的转向角度δ_m,、偏航角速率测量结果

和已知轴距L，并提供对不可观测的转向角度偏移/>

的估计。

在实施例中，使用卡尔曼滤波公式、最小二乘(LS)自适应滤波器公式、递归最小二乘(RLS)自适应滤波器公式、线性回归公式、非线性回归公式、贝叶斯滤波器公式或任何其它合适的滤波器或估计器中的一者来确定估计的转向角度偏移

例如，估计器1404可以使用RLS自适应滤波器来估计不可观测的转向角度偏移/>

如公式[5]至[17]所示。

为了制定RLS自适应滤波器，理论偏航角速率

被建模为前进速率V_x、测量到的转向角度δ_m和不可观测的转向角度偏移δ_o的函数，如等式[5]所示：

为了简化公式，使用泰勒级数展开来线性化偏航角速率模型，如等式[6]所示：

其中，省略了等式[6]中的方括号中展开的一阶以外的项，如等式[7]所示：

/>

为了制定RLS自适应滤波器，根据等式[8]至[11]重新排列等式[7]中的项：

Y＝δ_oX,[11]

其中，等式[11]中的X和Y是RLS自适应滤波器公式中所使用的占位符变量，其中预测步骤由等式[12]给出，

并且预测误差ε(n)由下式给出：

使用测量到的转向角度δ_m和偏航角速率测量结果

作为观测来计算增益K：

K＝P(n-1)X(λ+X^TP(n-1)X)^-1[15]

协方差P(n)由下式给出：

其中，I为单位矩阵，λ为遗忘因子，用于减小过去测量到的转向角度测量结果δ_m和偏航角速率测量结果

的影响。随着遗忘因子λ的减小，在先样本的贡献减小。

在实施例中，遗忘因子λ被设置为在指定一段时间或行驶指定距离之后(例如，在每周之后或每100英里之后)过滤或丢弃过去的转向角度测量结果δ_m和偏航角速率测量结果

在另一实施例中，对估计器1404所输出的估计的转向角度偏移/>

取平均(例如，使用移动平均)以移除杂散估计。

在可选实施例中，可以使用卡尔曼滤波公式来估计转向角度偏移

卡尔曼滤波公式的等式是众所周知的，将不进一步讨论。卡尔曼滤波器的示例处理模型如下所示：

示例测量模型如下所示：

可以使用本领域总所周知的技术通过选择适当的处理噪声和测量噪声来以经验调谐卡尔曼滤波器增益。卡尔曼滤波器还可以根据需要重置以确保其恰当操作。

在实施例中，估计的转向角度偏移

用于确定是否进行转向对准的软件校准或者是否需要转向对准的机械校准。偏航角速率模型1405使用估计的转向角度偏移/>

测量到的转向角度δ_m、前进速率V_x和轴距L来对估计的偏航角速率/>

进行估计：

然后，可以将增量偏航角速率

计算为偏航角速率测量结果/>

和估计的偏航角速率/>

之间的差：

在实施例中，如果增量偏航角速率

低于指定阈值，其中软件校准能够校正偏航角速率测量结果/>

则处理电路将利用增量偏航角速率/>

(校准参数)来校准偏航角速率测量结果/>

以获得能够由AV 100的控制电路使用来控制AV 100的校准后的偏航角速率测量结果/>

对于

在实施例中，阈值T可以根据经验确定，并且可以根据AV不同而不同。在增量偏航角速率

高于指定阈值T使得软件校准不能校正偏航角速率测量结果/>

的情况下，处理电路将触发报警条件。

在触发报警条件的情况下，AV 100的处理电路通过AV 100的一个或多个输出装置(包括但不限于：扬声器、显示器312、中央控制台、触摸屏、导航屏幕和平视显示器)使用音频、视觉或信息图报警中的一者或多者来向AV100中的乘客或其他实体(例如，汽车修护厂)报警。在实施例中，AV 100将报警发送到诸如智能手机、可穿戴计算机或平板计算机等的乘客的个人装置。报警包括但不限于维护报警、安全驾驶报警和机动报警(例如，报警乘客AV100将进行安全停车机动)。在实施例中，导航***可以被配置成显示到最近的汽车修护厂的路线，该汽车修护厂能够进行机械转向对准。

在实施例中，AV 100的最大速率可以由AV 100的控制器电路基于

或/>

的大小来实施。例如，在/>

或/>

超过使AV 100不能安全操作的指定阈值的情况下，控制电路将不允许以指定的最大速率以上的速率操作AV 100，以确保AV 100的安全操作。在实施例中，可以操作AV 100在实施最大速率约束的情况下进行安全机动或“跛行”操作模式。

在实施例中，使用机器学习技术预测转向角度偏移

例如，使用在先记录的转向角度测量结果δ_m和在先记录的偏航角速率测量结果/>

来训练神经网络(例如，卷积或前馈神经网络)，该神经网络用于预测估计的转向角度偏移/>

在实施例中，将道路和天气条件(例如，道路是否由于雨或油而光滑)和/或AV 100的负载特性(例如，运载重型货物)与转向角度和偏航角速率测量结果一起使用来预测转向角度偏移。例如，因为重载AV 100在转弯期间可能更加倾斜，所以神经网络对影响转向角度偏移的负载特性建模。

在实施例中，使用机器学习技术来检测测量结果中的异常。例如，如果从转向角度传感器1401和/或惯性传感器1402获得的转向角度测量结果与在相同条件下获得(例如，同时或接近同时获得)的测量结果相比是异常值，则可以丢弃从转向角度传感器1401和/或惯性传感器1402获得的转向角度测量结果。例如，在直道路上行驶的AV 100获得相当一致的转向角度测量结果δ_m和偏航角速率测量结果

但是然后在转向角度测量结果δ_m和偏航角速率测量结果/>

的值跳跃的情况下获得测量“尖峰”。这可能是由于道路上的坑洞造成的。丢弃异常值测量结果以避免偏离对转向角度偏移的估计。使用未丢弃的测量结果以确定可变转向角度偏移/>

其中使用在一段时间或驾驶距离上估计的多个转向角度偏移/>

来连续更新和调整的该可变转向角度偏移/>

除了预测转向角度偏移之外，机器学习(例如，神经网络、决策树)可以用于预测驾驶场景，然后改变AV的驾驶模式(例如，运动、舒适性)。诸如天气条件、乘客偏好、乘客特性、负载或行李特性、时空地点、交通量、当天时间和道路条件等补充数据可以用于预测AV的驾驶场景。例如，可以在决策树中对补充数据建模。响应于预测驾驶场景的决策树输出，各种运载工具***被转换到用于AV的适当驾驶模式。例如，决策树(或神经网络)的输出可以使AV自动转换到“运动”驾驶模式，该“运动”驾驶模式比“正常”驾驶模式具有更大转向阻力以获得“更紧”的感觉，更灵敏的油门以获得更快的加速度和更坚硬的悬架以提高在更高速率下的性能。

图15示出用于估计转向角度偏移的处理1500的流程图。处理1500可以由诸如参照图3所述的计算机***等的处理电路来实现。

处理1500可以以接收一个或多个转向角度测量结果开始(1501)。例如，可以从诸如AV的转向***中所包括的光学旋转传感器等的传感器接收转向角度测量结果。在实施例中，增强转向角度测量结果以考虑非静态接触路面条件并抵消滑移角度或其他左转或右转偏差。在实施例中，在指定的一段时间或距离上确定多个转向角度测量结果，并对其过滤(例如，平均)以移除异常值测量。

处理1500继续接收一个或多个偏航角速率测量结果(1502)。例如，可以从可以包括或不包括在IMU中的偏航角速率传感器(例如，陀螺仪装置)接收一个或多个偏航角速率测量结果。在实施例中，在指定的一段时间或距离上捕获多个偏航角速率测量结果，并对其过滤(例如，平均)以移除异常值测量。

处理1500继续基于测量到的转向角度、偏航角速率测量结果和AV的轴距来估计转向角度偏移(1503)。例如，如参照图14所述，可以使用自适应滤波器或估计器来估计转向角度偏移。

处理1500继续基于偏航角速率模型1405、转向角度测量结果和估计的转向角度偏移来确定估计的偏航角速率(1504)。例如，可以使用作为测量到的转向角度和估计的转向角度偏移的函数的偏航角速率模型来确定估计的偏航角速率，诸如等式[6]所示的一阶偏航角速率模型。

处理1500继续通过比较偏航角速率测量结果和估计的偏航角速率来计算偏航角速率差(增量偏航角速率)(1505)。例如，增量偏航角速率可以计算为测量到的偏航角速率和估计的偏航角速率之间的差，并与阈值比较以确定是否可以进行软件校准或者是否需要机械转向对准。在软件校准是可能的情况下，使用增量偏航角速率来校准测量到的偏航角速率，因此提高依赖准确的测量到的偏航角速率来控制AV转向的控制命令的准确性。

处理1500继续基于比较结果来发起AV上的动作(1506)。例如，AV可以生成能够在AV的输出装置和/或乘客的个人装置(例如，智能手机、可穿戴计算机)上显示给乘客的维护或其他报警。发起动作可以包括自动联系汽车修护厂以建立AV的转向对准服务。在实施例中，AV的规划模块可以计算到最近的汽车修护厂的轨迹，然后操作AV驾驶到该汽车修护厂。在实施例中，处理1500确定增量偏航角速率和估计的转向角度偏移是否超过阈值，以确定是否可以进行转向角度测量结果的软件校准。在软件校准是可能的情况下，AV能够在安全时应用校准，诸如在AV在指定的时间段(例如，停放在车库中过夜)中空闲或停放时等。在实施例中，在增量偏航角速率高于阈值的情况下，操作AV以进行安全停车机动，或者如果AV的规划模块确定是安全的，则立即驾驶到汽车修护厂。

在实施例中，发起AV上的动作包括：使用AV的无线发射器向基于网络的计算平台发送转向角度测量结果和偏航角速率测量结果中的至少一个，使用AV的无线接收器从基于网络的计算平台接收维护报警，以及使用自主运载工具的输出装置呈现维护报警。在该实施例中，由于可用于基于网络的计算平台上的计算能力增加，因此可以使用更精确的算法(例如，前向/后向卡尔曼滤波)和更高阶模型(更高阶偏航角速率模型)来估计转向角度偏移。

在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

Claims

1.一种方法，包括：

使用自主运载工具即AV的处理电路接收转向角度测量结果；

使用所述处理电路接收偏航角速率测量结果；

使用所述处理电路，基于所述转向角度测量结果、所述偏航角速率测量结果和所述AV的轴距来估计转向角度偏移；

使用所述处理电路，基于偏航角速率模型、所述转向角度测量结果和估计的转向角度偏移来确定估计的偏航角速率；以及

使用控制电路，基于所述转向角度偏移来操作所述AV。

2.根据权利要求1所述的方法，还包括：

使用所述处理电路比较所述偏航角速率测量结果和估计的偏航角速率；以及

使用所述处理电路，基于所述比较的结果来发起所述AV上的动作。

3.根据权利要求2所述的方法，其中，所述动作包括：

通过所述处理电路，使用估计的偏航角速率来校准所述偏航角速率测量结果。

4.根据权利要求1所述的方法，其中，接收所述转向角度偏移包括：

在所述AV正在左转的情况下，使用所述处理电路接收所述转向角度测量结果的左转分量；

在所述AV正在右转的情况下，使用所述处理电路接收所述转向角度测量结果的右转分量；以及

使用所述处理电路，基于所述左转分量和所述右转分量来确定所述转向角度测量结果。

5.根据权利要求4所述的方法，其中，估计的转向角度测量结果是所述左转分量和所述右转分量的平均值。

6.根据权利要求1所述的方法，其中，使用递归最小二乘估计器公式来确定估计的转向角度偏移，所述递归最小二乘估计器公式包括所述转向角度测量结果、所述偏航角速率测量结果和所述AV的轴距。

7.根据权利要求1所述的方法，其中，使用卡尔曼滤波公式来确定估计的转向角度偏移，所述卡尔曼滤波公式包括所述转向角度测量结果、所述偏航角速率测量结果和所述AV的轴距。

8.根据权利要求1所述的方法，还包括：

使用所述处理电路比较所述AV的前进速率和前进速率阈值；

使用所述处理电路比较所述偏航角速率测量结果和偏航角速率阈值；

使用所述处理电路分别比较横向加速度测量结果和横向加速度阈值或滑移角度测量结果和滑移角度阈值；以及

使用所述处理电路，基于比较的一个或多个结果，从估计的转向角度偏移中排除所述转向角度测量结果。

9.一种用于自主运载工具即AV的转向角度校准***，所述***包括：

转向角度传感器；

偏航角速率传感器；

一个或多个处理电路；

存储有指令的一个或多个非暂时性存储介质，所述指令在由所述一个或多个处理电路执行时使得进行操作，所述操作包括：

从所述转向角度传感器接收转向角度测量结果；

从所述偏航角速率传感器接收偏航角速率测量结果；

基于所述转向角度测量结果、所述偏航角速率测量结果和所述AV的轴距来估计转向角度偏移；

确定估计的偏航角速率，其中，所述估计的偏航角速率是基于偏航角速率模型、所述转向角度测量结果和估计的转向角度偏移来确定的；

比较所述偏航角速率测量结果和所述估计的偏航角速率；以及

基于所述比较的结果来发起所述AV上的动作。

10.一种存储有指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时使得所述一个或多个处理器进行根据权利要求1至8中任一项所述的方法。