[发明专利]使用分级方法的畅通路径检测

说明书

相关申请的交叉引用

本申请是2009年5月29日提交的美国申请No.12/474,594的部分继续申请，上述美国申请是2008年4月24日提交的美国申请No.12/108,581的部分继续申请，美国申请No.12/474,594和美国申请No.12/108,581都通过引用并入本申请。

技术领域

本发明涉及机动车辆的自动或半自动控制。

背景技术

本部分的陈述仅仅提供与本发明相关的背景信息，可能不构成现有技术。

自主驾驶系统和半自主驾驶系统利用与路况和其它驾驶情况相关的输入来自动控制节气门和转向机构。精确地估计并识别机动车辆所能行驶的畅通路径，对于成功取代以人脑作为控制机构的车辆操作来说是至关重要的。

路况可能会很复杂。在车辆正常操作的情况下，驾驶员每分钟进行数百次观察并根据所感知的路况来调整车辆操作。感知路况的一个方面是感知车道上和周边的物体并在物体中间导航出畅通路径。用科技来取代人类的感知首先包括精确感知物体的手段，例如，包括静态物体(如路缘等)、移动物体(如其他车辆)以及路面情况(如车道标记、凹坑或者车道上的结冰区域)；还包括继而根据这些与导航相关的信息进行有效地驾驶。

感知物体或路况的科技手段包括从视频摄像机、雷达成像、以及激光雷达(LIDAR)所得到的数据。摄像机将辐射形式的视觉图像-如光图案或红外特征转换成可读数据格式。一种这类数据格式包括像素图像，在像素图像中，感知到的场景被分割成一系列像素。雷达成像利用发射器产生的无线电波来估计出现在发射器前方的形状和物体。由这些形状和物体反射回来的电波图案能够被分析，从而估计物体的位置。类似地，LIDAR使用光源和来自车辆环境的返回光来产生环境信息。

有关车辆前方地面的数据一旦产生，这些数据必须经过分析来估计物体或者路况的存在。通过使用摄像机、雷达成像系统以及LIDAR，可以分析车辆前方的地面或道路，从而得到可能需要避开的物体或路况。然而，仅仅识别那些需要避免的潜在导航因素并没有完成分析过程。任何自主系统的一个重要元素都包括如何处理并操纵在所感知的地面数据中识别出的潜在导航因素以便识别操作车辆的畅通路径。

一种已知的识别操作车辆的畅通路径的方法是将所有感知到的导航因素进行分类并临时性地识别所有感知到的导航因素，并且根据所识别的导航因素的位置和特性来识别畅通路径。可根据图像的形式以及图像与道路的关系来处理这些图像，从而识别并分类导航因素。尽管在识别畅通路径时该方法是有效的，但是其需要大量的处理能力，例如，在视觉图像中辨别不同的物体并对其进行分类，比如区分路边的树以及走向路缘的行人。这些方法在处理复杂情况时的速度慢或者有效性差，或者需要笨重且昂贵的设备来提供必须的处理能力。

发明内容

一种使用摄像机产生的图像检测车辆行驶的畅通路径的方法，该方法包括：监测图像；以及应用图像的基于补片的第一分析，该第一分析包括将图像分成多个补片以及分析每个补片以确定基于补片的第一分析的每个补片的第一畅通路径信心几率。具有大于第一阈值信心几率的第一畅通路径信心几率的每个补片被定义为畅通路径补片。在具有不大于第一阈值信心几率的第一畅通路径信心几率的部分补片上应用第二分析以确定第二分析的每个补片的第二畅通路径信心几率。具有大于第二阈值信心几率的第二畅通路径信心几率的第二分析的每个补片被定义为畅通路径补片。基于畅通路径补片识别车辆行驶的畅通路径。

附图说明

现在将参考附图通过示例来描述一个或多个实施方式，附图中：

图1示出了配备有根据本发明的摄像机和雷达成像系统的车辆的示例性设置；

图2示出了根据本发明的一种在自主行驶中确定畅通路径的已知方法；

图3示出了根据本发明的一种使用图像几率分析来确定畅通路径的示例性方法；

图4示出了根据本发明的一种分析图像的示例性方法；

图5示出了根据本发明的一种通过调整单个阈值来确定分类误差的示例性方法；

图6A、6B和6C示出了根据本发明的一种通过计算绝对图像强度差别来确定图像差别的示例性方法；

图7示出了根据本发明的、将一个特征同时分类为畅通路径的一部分和被检测物体的、作为图像分析方法的一种示例性方法；

图8示出了根据本发明的、将一个特征同时分类为畅通路径的一部分和被检测物体的、作为图像分析方法的另一种示例性方法；

图9示出了根据本发明的一种基于补片来检测畅通路径的示例性方法的流程图；

图10以绘图方式示出了根据本发明的应用于示例性图像的示例性的多个透视补片；