[发明专利]感知误差模型

说明书

本文讨论了用于基于车辆数据和地面实况数据来确定误差模型的技术。为了确定复杂的系统(其可能无法被检查)是否能够安全操作，可以基于操作数据来识别各种操作制度(场景)。为了提供这种系统的安全操作，可以确定可以提供与感知数据相关联的概率的误差模型，并且车辆可以基于与感知数据相关联的误差的概率来确定轨迹。

相关申请的交叉引用

本专利申请要求于2019年12月9日提交的序列号为16/708019的美国实用专利申请的优先权。序列号为16/708019的申请通过引用完全并入本文。

背景技术

自主车辆可以使用自主车辆控制器来引导自主车辆通过环境。例如，自主车辆控制器可以使用规划方法、设备和系统来确定驾驶路径并引导自主车辆通过包含动态对象(例如，车辆、行人、动物等)和静态对象(例如，建筑物、标牌、停转的车辆等)的环境。但是，为了确保乘员的安全，验证控制器的安全性很重要。

附图说明

参考附图来描述详细描述。在图中，附图标记的最左侧数字标识附图标记首次出现的图。在不同的图中使用相同的附图标记表示相似或相同的组件或特征。

图1示出了基于参数化场景来生成与车辆控制器相关联的车辆性能数据。

图2示出了至少部分地基于由车辆生成的日志数据来生成场景数据的计算装置，其中场景数据示出了场景的一个或多个变体。

图3示出了至少部分地基于车辆数据和地面实况数据来生成误差模型数据。

图4示出了使用误差模型数据通过提供与模拟环境相关联的误差或不确定性中的至少一个来扰动模拟。

图5示出了至少部分地基于由车辆生成的日志数据和地面实况数据来生成感知误差模型数据的计算装置。

图6示出了至少部分地基于参数化场景数据来生成模拟数据和至少部分地基于模拟数据来生成安全度量数据的计算装置。

图7示出了用于实现本文描述的技术的示例系统的框图。

图8示出了根据本公开的示例的用于确定与车辆控制器相关联的安全度量的示例过程的流程图。

图9示出了用于确定与自主车辆的子系统相关联的统计模型的示例过程的流程图。

图10示出了与误差概率相关联的环境的多个区域。

图11示出了车辆数据和由车辆数据表示的环境以及车辆数据和环境之间的差异。

图12示出了用于确定误差模型和确定扰动的模拟数据的示例过程的流程图。

具体实施方式

本文描述的技术针对确定系统的性能度量的各个方面。在本文描述的至少一些示例中，可以例如使用模拟结合其他性能度量确定来确定这样的性能度量。模拟可用于验证在车辆(例如，自主车辆)上执行的软件(例如，车辆控制器)并收集安全度量，以确保软件能够在各种场景中安全地控制此类车辆。在附加或替代示例中，模拟可用于了解使用自主控制器的自主车辆的约束。例如，模拟可用于根据表面条件、环境噪声、故障组件等来了解自主车辆的操作空间(例如，自主控制器有效控制自主车辆的包络线)。模拟也可以用于有助于生成反馈以改进自主车辆的操作和设计。例如，在一些示例中，模拟可用于确定自主控制器中所需的冗余量，或如何基于通过模拟学习的内容来修改自主控制器的行为。此外，在附加或替代示例中，模拟有助于为自主车辆的硬件设计提供信息，例如优化传感器在自主车辆上的放置。

在创建模拟环境进行测试和验证时，可以通过各种具体的示例具体列举环境。这种环境的每个实例化都可以是唯一的和定义的。手动列举所有可能的场景可能需要过多的时间，如果不是每个可能的场景都被构建，各种场景可能未经测试。场景参数可用于参数化场景内的对象的特征和/或属性并提供场景的变体。