基于点云特征的障碍物过滤系统的制作方法

1.本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及对基于自动驾驶车辆中lidar设备的输出确定的候选障碍物进行处理。


背景技术：

2.以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
3.lidar(光检测与测距，或光和雷达的混合)技术已被广泛用于军事、地理、海洋学，以及近十年来的自动驾驶车辆。lidar设备可以在通过场景扫描以组装表示对象反射面的点云时，估计到对象的距离。可以通过发射激光脉冲并检测从对象反射的返回脉冲(如果有)，并根据发射的脉冲与接收的反射之间的时延确定到对象的距离，来确定点云中的各个点。可以在整个场景中快速重复扫描一束或多束激光，以提供到场景中反射对象的距离的连续实时信息。一束激光每旋转一圈产生了一圈的点。
4.lidar技术容易受到噪声(诸如由灰尘或其它颗粒引起的)的影响。嘈杂的点云可能会导致感知模块生成误报的障碍。


技术实现要素：

5.本公开的实施方式提供了计算机实施的方法、非暂时性机器可读介质以及数据处理系统。
6.本公开的一些实施方式提供了计算机实施的方法，该方法包括：基于光检测与测距(lidar)设备的输出，生成包括多个点的点云；基于点云确定一个或多个候选障碍物；至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物；确定包括尚未去除的候选障碍物的一个或多个识别的障碍物；基于识别的障碍物，控制自动驾驶车辆的操作。
7.本公开的一些实施方式提供了非暂时性机器可读介质，该介质具有存储在其中的指令，当由处理器执行该指令时使处理器执行操作，该操作包括：基于光检测与测距(lidar)设备的输出，生成包括多个点的点云；基于点云确定一个或多个候选障碍物；至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物；确定包括尚未去除的候选障碍物的一个或多个识别的障碍物；基于识别的障碍物，控制自动驾驶车辆的操作。
8.本公开的一些实施方式提供了数据处理系统，该系统包括：处理器；以及联接到处理器以存储指令的存储器，当由处理器执行该指令时使处理器执行操作，该操作包括：基于光检测与测距(lidar)设备的输出，生成包括多个点的点云；基于点云确定一个或多个候选
障碍物；至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物；确定包括尚未去除的候选障碍物的一个或多个识别的障碍物；基于识别的障碍物，控制自动驾驶车辆的操作。
附图说明
9.在附图的各图中以示例的方式而非限制的方式示出了本公开的实施方式，附图中相似的附图标记指示相似的元件。
10.图1是示出根据一个实施方式的网络化系统的框图。
11.图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
12.图3a至图3b是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
13.图4是示出根据一个实施方式的可用的各种模块的框图。
14.图5a和图5b是示出根据一个实施方式的与障碍物对应的lidar点的空间分布的图。
15.图6是示出根据一个实施方式的用于对基于自动驾驶车辆中的lidar设备的输出确定的候选障碍物进行过滤的示例方法的流程图。
16.图7是示出根据一个实施方式的用于对基于自动驾驶车辆中的lidar设备的输出确定的候选障碍物进行过滤的示例方法的流程图。
具体实施方式
17.将参照以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是本公开的说明，而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节，以提供对本公开的实施方式的简洁讨论。
18.本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特征可包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
19.根据一些实施方式，公开了用于对基于自动驾驶车辆中的lidar设备的输出确定的候选障碍物进行过滤的方法、装置和系统。基于lidar设备的输出，生成包括多个点的点云。基于点云，确定一个或多个候选障碍物。至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物。确定包括尚未去除的候选障碍物的一个或多个识别的障碍物。基于识别的障碍物，控制自动驾驶车辆的操作。
20.在一个实施方式中，与噪声对应的第一组候选障碍物包括，与对应于灰尘的点对应的候选障碍物。在一个实施方式中，过滤所述一个或多个候选障碍物所基于的、与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，包括以下中的一项或多项：与所述一个或多个候选障碍物中的每一个对应的点的强度测量值分布，与所述一个或多个候选障碍物中的每一个对应的点的空间分布，或其组合。
21.在一个实施方式中，过滤所述一个或多个候选障碍物包括，去除每个对应于以下点的候选障碍物，在该点中与低强度测量值相关联的点数和与候选障碍物对应的总点数的比值高于第一阈值。当点的强度测量值低于强度阈值时，该点与低强度测量值相关联。
22.在一个实施方式中，针对识别的障碍物类型是车辆或识别的物理尺寸大于尺寸阈值的每个剩余候选障碍物，将与该候选障碍物对应的点投影到水平面的第一维度和第二维度。第一维度和第二维度彼此正交。确定沿着第一维度投影点的第一标准偏差和沿着第二维度投影点的第二标准偏差。当第一标准偏差高于第一标准偏差阈值时，或当第二标准偏差高于第二标准偏差阈值时，去除候选障碍物。在一个实施方式中，当第一标准偏差高于第一标准偏差阈值且第二标准偏差高于第二标准偏差阈值时，去除候选障碍物。
23.在一个实施方式中，第一标准偏差阈值等于第二标准偏差阈值。在另一个实施方式中，第一标准偏差阈值与第二标准偏差阈值不同。
24.在一个实施方式中，针对识别的障碍物类型是车辆或识别的物理尺寸大于尺寸阈值的每个剩余候选障碍物，将与该候选障碍物对应的点投影到水平面的区域。水平面的区域与包括第一平方数量的网格相关联。在第一平方数量内确定第二平方数量，每个第二平方数量包含至少一个投影点。当第二数量和第一数量的比值高于第二阈值时，去除候选障碍物。
25.在一个实施方式中，过滤所述一个或多个候选障碍物还包括，去除每个对应于以下点的候选障碍物，在该点中与低高度相关联的点数和与该候选障碍物对应的总点数的比值低于第三阈值。当点的高度低于高度阈值时，该点与低高度相关联。
26.在一个实施方式中，过滤所述一个或多个候选障碍物还包括，去除以下候选障碍物，每个候选障碍物在预定数量的先前紧邻的感知周期的任何感知结果中都不存在。
27.图1是示出了根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参照图1，网络配置100包括可通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(lan)、诸如互联网的广域网(wan)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(mpoi)服务器或位置服务器等。
28.自动驾驶车辆是指可配置成处于自动驾驶模式下的车辆，在自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器系统，传感器系统具有配置成检测与车辆运行环境有关的信息的一个或多个传感器。车辆和其相关联的控制器使用所检测的信息来导航通过环境。自动驾驶车辆101可在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
29.在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、资讯娱乐系统114和传感器系统115。自动驾驶车辆101还可包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，部件可由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或
命令、制动信号或命令等。
30.部件110至115可经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可经由控制器局域网(can)总线通信地联接到彼此。can总线是设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
31.现在参照图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(gps)单元212、惯性测量单元(imu)213、雷达单元214以及光检测和测距(lidar)单元215。gps系统212可包括收发器，收发器可操作以提供关于自动驾驶车辆的位置的信息。imu单元213可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可另外感测对象的速度和/或前进方向。lidar单元215可使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，lidar单元215还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
32.传感器系统115还可包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可集成为集成式油门/制动传感器。
33.在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
34.返回参照图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可使用任何蜂窝通信网络或无线局域网(wlan)，例如，使用wifi，以与另一部件或系统通信。无线通信系统112可例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如关键字、触摸屏显示装置、麦克风和扬声器等。
35.自动驾驶车辆101的功能中的一些或全部可由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。可替代地，感知与规划系统110可与车辆控制系统111集成在一起。
36.例如，作为乘客的用户可例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可从mpoi服务器中获得位置和路线信息，mpoi服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且mpoi服务器提供地图服务和某些位置的poi。可替代地，此类位置和mpoi信息可本地高速缓存在感知与规划系统110的永久性存储装置中。
37.当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可从交通信息系统或服务器(tis)获得实时交通信息。应注意，服务器103至104可由第三方实体进行操作。可替代地，服务器103至104的功能可与感知与规划系统110集成在一起。基于实时交通信息、mpoi信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
38.服务器103可以是数据分析系统，从而为各种客户执行数据分析服务。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、mpoi、道路状况、天气状况等。
39.基于驾驶统计数据123，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124。在一个实施方式中，算法124可包括用于对基于lidar设备的输出确定的候选障碍物进行过滤的算法。然后可将算法124上传到adv上，以在自动驾驶期间实时使用。
40.图3a和图3b是示出了根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参照图3a至图3b，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线安排模块307、障碍物过滤模块403。
41.模块301至307、403中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307、403中的一些可一起集成为集成模块。
42.定位模块301确定自动驾驶车辆300的当前位置(例如，利用gps单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与poi(mpoi)服务器获得位置和路线信息。位置服务器提供位置服务，并且mpoi服务器提供地图服务和某些位置的poi，从而可作为地图与路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。
43.基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
44.感知模块302可包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可基于由诸如雷达和/或lidar的其它传感器提供的其它传感器数据来检测对象。
45.针对每个对象，预测模块303预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
46.针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，规则集可存储在永久性存储装置352中。
47.路线安排模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程，例如从用户接收的给定行程，路线安排模块307获得路线与地图信息311，并确定从起始位置至到达目的地位置的所有可能路线或路径。路线安排模块307可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则adv应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和更改最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境，用于控制adv的实际路径或路线可能接近于或不同于由路线安排模块307提供的参考线。
48.基于针对所感知到的对象中的每个的决定，规划模块305使用由路线安排模块307提供的参考线作为基础，为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可决定超过对象，而规划模块305可确定在对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300
在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
49.基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
50.在一个实施方式中，规划阶段在多个规划周期(也称作为驾驶周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或驾驶周期中的每一个，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和adv到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(诸如，5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、转向控制命令)。
51.应注意，决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可确定用于影响自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可根据经由用户接口系统113进行的用户输入来设定。导航系统可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可将来自gps系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
52.障碍物过滤模块403至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物，如下面将进一步详细描述的。模块403可以与模块301至模块307中的另一个集成，诸如例如，感知模块302。
53.参照图4，示出了根据本公开的一个实施方式示出的可用的各种模块的框图400。基于lidar设备/单元215的输出，生成包括多个点的点云401。点云401可表示周围环境特性的3d形状。每个点可以具有其自身的x、y和z坐标集，并且可以与强度测量值相关联。强度测量值指示生成该点的激光脉冲的返回强度。在感知模块302处基于点云，确定所述一个或多个候选障碍物402。在障碍物过滤模块403处，至少部分地基于与对应于所述一个或多个候选障碍物402中的每一个的点相关联的特征，过滤所述一个或多个候选障碍物402，以去除所述一个或多个候选障碍物402中与噪声对应的第一组候选障碍物。噪声可能是由周围环境中的灰尘或其它颗粒引起的。在一个实施方式中，与噪声对应的第一组候选障碍物包括，与对应于灰尘的点对应的候选障碍物。换而言之，由于噪声可能在感知模块302处生成误报的障碍物，而且在障碍物过滤模块403处应去除这些误报的障碍物。
54.确定包括在障碍物过滤模块403处尚未去除的候选障碍物的一个或多个识别的障碍物404。由控制模块306基于识别的障碍物404，来控制自动驾驶车辆的操作。
55.在一个实施方式中，过滤所述一个或多个候选障碍物所基于的、与所述一个或多
个候选障碍物中的每一个对应的点相关联的特征，包括以下中的一项或多项：与所述一个或多个候选障碍物中的每一个对应的点的强度测量值分布，与所述一个或多个候选障碍物中的每一个对应的点的空间分布，或其组合。
56.在一个实施方式中，过滤所述一个或多个候选障碍物包括，去除每个对应于以下点的候选障碍物，在该点中与低强度测量值相关联的点数和与候选障碍物对应的总点数的比值高于第一阈值。在一个实施方式中，第一阈值可约为0.9。当点的强度测量值低于强度阈值时，该点与低强度测量值相关联。应当理解的是，在其它功能上等同的实施方式中，可以替代地使用捕获相同数值关系的其它比值，并可能与不等关系一起相应地调整第一阈值。例如，可以替代地使用与低强度测量值相关联的点数和与低强度测量不相关联的点数(例如，与高强度测量值相关联的点)的比值，并相应地调整第一阈值。使用的实际比值、不等关系或第一阈值不限制本公开。
57.参照图5a和图5b，示出了根据一个实施方式的示出的与障碍物对应的lidar点的空间分布的图500a、图500b。lidar单元215发射旋转的激光脉冲502以扫描环境。基于从障碍物501反射的脉冲，可以确定与障碍物501对应的多个点401。对于诸如障碍物501的真实障碍物，对应点401应该共同具有大致类似于大写字母l(或大写字母l的旋转或翻转形式)的形状。该观察可用于保持真实障碍物并去除与由于诸如灰尘或其它颗粒的环境噪声而产生的点对应的误报的候选障碍物，如下面将进一步详细描述的。应当进一步理解的是，对于真实的障碍物，在不同高度处的对应点的分布变化相对较小，而对于由于环境噪声而产生的点组在不同高度处的点的分布变化可能非常重要，并且对应于误报的候选障碍物。该观察还可以用于去除误报的候选障碍物，如下面将进一步详细描述的。图5b示出了点401到水平面的两个正交维度(例如，长度侧和宽度侧)的投影503a、503b，并确定沿二维方向的投影点的各自标准偏差(б)。可以利用标准偏差来去除误报的候选障碍物，如下面将进一步详细描述的。
58.返回参照图4，在一个实施方式中，在障碍物过滤模块403处，对于识别的障碍物类型是车辆或识别的物理尺寸大于尺寸阈值的每个剩余候选障碍物，将与该候选障碍物对应的点投影到水平面的第一维度和第二维度。第一维度和第二维度可以分别是例如长度侧和宽度侧，并且彼此正交。确定沿着第一维度投影点的第一标准偏差和沿着第二维度投影点的第二标准偏差。当第一标准偏差高于第一标准偏差阈值时，或当第二标准偏差高于第二标准偏差阈值时，去除候选障碍物。在一个实施方式中，当第一标准偏差高于第一标准偏差阈值且第二标准偏差高于第二标准偏差阈值时，去除候选障碍物。
59.在一个实施方式中，第一标准偏差阈值等于第二标准偏差阈值。在另一个实施方式中，第一标准偏差阈值与第二标准偏差阈值不同。在一个实施方式中，第一标准偏差阈值和第二标准偏差阈值中的任何一个可约为0.6。更进一步，在功能上等同的实施方式中，可以采用除标准偏差外的其它色散测量值。
60.在一个实施方式中，对于识别的障碍物类型是车辆或识别的物理尺寸大于尺寸阈值的每个剩余候选障碍物，将与该候选障碍物对应的点投影到水平面的区域。水平面的区域与包括第一平方数量的网格相关联。在第一平方数量内确定第二平方数量，每个第二平方数量包含至少一个投影点。当第二数量和第一数量的比值高于第二阈值时，去除候选障碍物。在一个实施方式中，第二阈值可约为0.6。应当理解的是，在其它功能上等同的实施方
式中，可以替代地使用捕获相同数值关系的其它比值，并可能与不等关系一起相应地调整第二阈值。例如，可以替代地使用包含至少一个投影点的平方数量(即第二数量)和不包含投影点的平方数量(即第一数量-第二数量)的比值，并相应地调整第二个阈值。实际比值、不等关系或使用的第一阈值不限制本公开。
61.在一个实施方式中，过滤所述一个或多个候选障碍物还包括，去除每个对应于以下点的候选障碍物，在该点中与低高度相关联的点数和与该候选障碍物对应的总点数的比值低于第三阈值。在一个实施方式中，第三阈值可约为0.5。点的高度可以对应于该点与地平面或另一预定参考平面之间的距离。当点的高度低于高度阈值时，该点与低高度相关联。应当理解的是，在其它功能上等同的实施方式中，可以替代地使用捕获相同数值关系的其它比值，并可能与不等关系一起相应地调整第三阈值。例如，可以替代地使用与低高度相关联的点数和与低高度不相关联的点数(例如，与高高度相关联的点)的比值，并相应地调整第三阈值。实际比值、不等关系或使用的第三阈值不限制本公开。
62.在一个实施方式中，过滤所述一个或多个候选障碍物还包括，去除以下候选障碍物，每个候选障碍物在预定数量的先前紧邻的感知周期(也可称为帧)的任何感知结果中都不存在。采用的先前紧邻的感知周期的数量是预定的超参数，而且可以凭经验确定。
63.在下文中已描述了各种阈值。应当理解的是，在不同的实施方式中，不同的值可用于各种阈值，并且实际阈值不限制本公开。
64.参照图6，示出了根据一个实施方式示出的用于对基于自动驾驶车辆中的lidar设备的输出确定的候选障碍物进行过滤的示例性方法600的流程图。图6所示的过程可以以硬件、软件或其组合来实现。在框610处，基于lidar设备的输出，生成包括多个点的点云。在框620处，基于点云，确定所述一个或多个候选障碍物。在框630处，至少部分地基于与所述一个或多个候选障碍物中的每一个对应的点相关联的特征，过滤所述一个或多个候选障碍物，以去除所述一个或多个候选障碍物中与噪声对应的第一组候选障碍物。在框640处，确定包括尚未去除的候选障碍物的一个或多个识别的障碍物。在框650处，基于识别的障碍物，控制自动驾驶车辆的操作。
65.参照图7，示出了根据一个实施方式用于对基于自动驾驶车辆中的lidar设备的输出确定的候选障碍物进行过滤的示例性方法700的流程图。图7所示的过程可以以硬件、软件或其组合来实现。可以在图6的框630处执行方法700。在框710处，去除每个对应于以下点的候选障碍物，在所述点中与低强度测量值相关联的点数和与所述候选障碍物对应的总点数的比值高于第一阈值。当所述点的强度测量值低于强度阈值时，所述点与低强度测量值相关联。在框720处，对于识别的障碍物类型是车辆或识别的物理尺寸大于尺寸阈值的每个剩余候选障碍物，将与该候选障碍物对应的点投影到水平面的第一维度和第二维度。第一维度和第二维度彼此正交。在框730处，确定沿着第一维度投影点的第一标准偏差和沿着第二维度投影点的第二标准偏差。在框740处，当第一标准偏差高于第一标准偏差阈值时，或当第二标准偏差高于第二标准偏差阈值时，去除候选障碍物。
66.因此，根据本公开的实施方式，可以去除与依次对应于噪声(诸如灰尘或其它颗粒引起的噪声)的lidar点对应的误报的候选障碍物。去除误报的候选障碍物，减少了自动驾驶车辆的操作可能受到误报的候选障碍物不适当干扰的可能性。
67.应注意，如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实
施。例如，此类部件可实施为安装并存储在永久性存储装置中的软件，软件可通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本技术的过程或操作。可替代地，此类部件可实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或asic)、数字信号处理器(dsp)或现场可编程门阵列(fpga))中的可执行代码，可执行代码可经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
68.前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其它技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
69.然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
70.本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“rom”)、随机存取存储器(“ram”)、磁盘存储介质、光存储介质、闪存存储器装置)。
71.前述附图中所描绘的过程或方法可由处理逻辑来执行，处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，操作中的一些可按不同的顺序执行。此外，一些操作可并行地执行而不是顺序地执行。
72.本公开的实施方式并未参照任何特定的编程语言进行描述。应认识到，可使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
73.在以上的说明书中，已经参照本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可对本公开作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。