使用反射延迟传播进行物体表面估计的方法和装置与流程

本申请总体涉及自主和半自动车辆。更具体地，本申请教导了一种用于在配备有激光检测和测距lidar系统的车辆中进行改进的目标物体检测的方法和装置。

背景技术：

现代车辆的操作变得更加自动化，即能够以越来越少的驾驶员干预来提供驾驶控制。车辆自动化已经被划分为从零(对应于完全人为控制的无自动化)到五(相当于无人控制的全自动化)的数字级别。诸如巡航控制、自适应巡航控制和停车辅助系统等各种自动驾驶辅助系统对应于较低的自动化水平，而真正的“无人驾驶”车辆对应于较高的自动化水平。

对越来越多的车辆进行配备用以使用车载传感器自主地或半自主地确定它们周围的环境。这项任务的有价值的传感器是lidar，其是一种通过用激光照射目标来测量距离的测量技术。由于传输信号的波长较短，所以lidar具有比radar更高的空间分辨率。然而，lidar功率限制限制了lidar信号的连续传输。通常使用脉冲的传输系统，其降低了信噪比snr，但是降低了系统的处理增益。希望有一种采用具有增加的处理增益的脉冲传输系统的低能量lidar系统。

技术实现要素：

根据本公开的实施例提供了许多优点。例如，根据本公开的实施例可以实现自主车辆控制命令的独立验证，以帮助诊断主控制系统中的软件或硬件状况。根据本公开的实施例因此可以更稳健，增加客户满意度。

根据本发明的一个方面，一种装置，包括：发射器，用于传输光脉冲，其中所述光脉冲具有第一持续时间；接收器，用于接收所述光脉冲的反射表示，其中所述反射表示具有第二持续时间；以及处理器，用于响应于所述第一持续时间和所述第二持续时间之间的差来确定目标表面的取向。

根据本发明的另一方面，一种方法，包括：传输光脉冲，其中所述光脉冲具有第一持续时间；接收所述光脉冲的反射表示，其中所述反射表示具有第二持续时间；以及响应于所述第一持续时间和所述第二持续时间之间的差来确定目标表面的取向。

根据本发明的另一方面，一种车辆控制系统，包括：传感器系统，用于传输光脉冲，其中所述光脉冲具有第一持续时间；用于接收所述光脉冲的反射表示，其中所述反射表示具有第二持续时间；以及响应于所述第一持续时间和所述第二持续时间之间的差来确定目标表面的取向；系统处理器，用于响应于所述目标表面的所述取向而生成控制信号；以及控制系统，用于响应所述控制信号来控制车辆的速度和方向。

从以下结合附图对优选实施例的详细描述中，本公开的上述优点和其他优点和特征将变得清晰。

附图说明

本发明的上述和其他特征和优点以及获得它们的方式将变得更加明显，并且通过参考下面结合附图对本发明的实施例的描述将更好地理解本发明。其中：

图1是根据一个实施例的包括自主控制车辆的通信系统的示意图。

图2是根据一个实施例的用于车辆的自动驾驶系统(ads)的示意性框图。

图3是示出用于实现本公开的系统和方法的示例性环境的图。

图4是示出用于车辆中的lidar实现的装置的示例性实现的框图。

图5是示出用于车辆中的lidar实现的方法的示例性实现的框图。

图6是示出入射在倾斜表面上的示例性激光脉冲的图。。

图7示出了说明用于lidar系统中的物体检测系统中的信息处理的方法的流程图。

这里阐述的示例说明了本发明的优选实施例，并且这样的示例不被解释为以任何方式限制本发明的范围。

具体实施方式

以下详细描述本质上仅仅是示例性的，并非旨在限制本公开或其应用及其用途。此外，不意图受前面背景或以下详细描述中呈现的任何理论的限制。例如，本发明的lidar传感器具有用于车辆的特定应用。然而，如本领域技术人员将理解的那样，本发明的lidar传感器可以具有其他应用。

现代车辆有时包括各种主动安全和控制系统，诸如防撞系统、自适应巡航控制系统、车道保持系统、车道对中系统等，其中车辆技术正朝向半自动和全自主驾驶车辆发展。例如，本领域已知的防撞系统如果检测到与另一车辆或物体发生潜在或即将发生的碰撞，则提供自动车辆控制(诸如制动)，并且还可提供警告以允许驾驶员采取纠正措施以防止碰撞。而且，已知自适应巡航控制系统采用前视传感器，如果本车辆正在接近另一车辆则提供自动速度控制和/或制动。这些类型的系统的物体检测传感器可以使用多种技术中的任何一种，诸如短程雷达、远程雷达、具有图像处理的相机、激光或lidar、超声波等。物体检测传感器检测本车辆的路径中的车辆和其他物体，并且应用软件使用物体检测信息来适当地提供警告或采取动作。

有时在车辆上使用lidar传感器来检测车辆周围的物体并使用来自提供多个扫描点的物体的反射来提供这些物体的范围和取向，所述多个扫描点组合为点簇范围图，其中在传感器的视场(fov)内每隔1/2°或更少提供一个单独的扫描点。因此，如果在本车辆前方检测到目标车辆或其他物体，则可能有多个扫描点返回，以识别目标车辆距本车辆的距离。通过提供一簇扫描返回点，可以更容易地检测具有各种形状和任意形状的物体，诸如卡车、拖车、自行车、行人、护栏等，其中物体越大和/或越接近本车辆，则提供越多的扫描点。

大多数已知的lidar传感器采用单个激光器和快速旋转镜来产生围绕车辆的三维点云反射或返回。当镜子旋转时，激光器发射光脉冲，并且传感器测量光脉冲从其fov中的物体反射并返回所花费的时间，以确定该物体的距离，在本领域中被称为“飞行时间”计算。通过非常快速地脉冲激光，可以产生传感器的fov中的物体的三维图像。可以提供多个传感器，并且可以将来自其的图像关联起来以生成车辆周围物体的三维图像。

大多数已知的lidar传感器的一个缺点是有限的角栅格分辨率。lidar可操作以在车辆周围以不连续的角度脉动激光。例如，如果激光器以0.5度的角度分辨率在50米处脉动，则视场的交叉范围间距约为0.5米。对于在自主车辆应用中使用的lidar，目标车辆可能仅反射一个或两个传输的激光脉冲。远距离的目标物体的少量命中可能不足以提供物体边界的信息。期望估计每个击中点的表面长度和角度取向并恢复额外的物体信息。

图1示意性地示出了包括用于机动车辆12的移动车辆通信和控制系统10的操作环境。用于车辆12的通信和控制系统10通常包括一个或多个无线载波系统60、陆地通信网络62、计算机64、联网无线设备57(包括但不限于智能手机、平板电脑或诸如手表的可穿戴设备)以及远程访问中心78。

车辆12在图1中示意性地示出，包括推进系统13，其在各种实施例中可以包括内燃机，诸如牵引马达的马达和/或燃料电池推进系统。车辆12在所示实施例中被描绘为轿车，但是应该理解，也可以使用包括摩托车、卡车、运动型多用途车辆(suv)、休闲车辆(rv)、船舶、飞机等的任何其他车辆。

车辆12还包括变速器14，变速器14被配置为根据可选择的速比将动力从推进系统13传输到多个车轮15。根据各种实施例，变速器14可以包括步进速比自动变速器、无级变速器或其他适当的变速器。车辆12另外包括车轮制动器17，车轮制动器17被配置为向车轮15提供制动转矩。车轮制动器17在各种实施例中可以包括摩擦制动器，诸如电机的再生制动系统和/或其他适当的制动系统。

车辆12另外包括转向系统16。尽管为了说明的目的将其描绘为包括方向盘，但是在本公开的范围内预期的一些实施例中，转向系统16可以不包括方向盘。

车辆12包括无线通信系统28，无线通信系统28被配置为与其他车辆(“v2v”)和/或基础设施(“v2i”)无线通信。在示例性实施例中，无线通信系统28被配置为使用ieee802.11标准经由无线局域网(wlan)进行通信或通过使用蜂窝数据通信进行通信。然而，诸如专用短程通信(dsrc)信道的附加或替代通信方法也被认为在本公开的范围内。dsrc信道是指专门为汽车使用而设计的单向或双向短程至中程无线通信信道，以及相应的一套协议和标准。

推进系统13、变速器14、转向系统16和车轮制动器17与至少一个控制器22通信或处于其控制下。尽管为了说明目的将其描绘为单个单元，但控制器22可另外包括一个或多个其他控制器，统称为“控制器”。控制器22可以包括与各种类型的计算机可读存储设备或介质通信的微处理器，诸如中央处理单元(cpu)或图形处理单元(gpu)。例如，计算机可读存储设备或介质可以包括只读存储器(rom)、随机存取存储器(ram)和保活存储器(kam)中的易失性和非易失性存储器。kam是持久性或非易失性存储器，可用于在cpu断电时存储各种操作变量。计算机可读存储设备或介质可以使用诸如prom(可编程只读存储器)、eprom(电prom)、eeprom(电可擦除prom)、闪存或能够存储数据(其中一些代表由控制器22用于控制车辆的可执行指令)的任何其他电性、磁性、光学或组合存储设备的许多已知存储设备中的任何一个来实现。

控制器22包括用于自动控制车辆中的各种致动器的自动驾驶系统(ads)24。在示例性实施例中，ads24是所谓的四级或五级自动化系统。四级系统表示“高度自动化”，指的是自动驾驶系统的动态驾驶任务的各个方面的驾驶模式特定性能(即使人类驾驶员对干预要求没有做出适当的响应)。五级系统表示“全自动化”，指的是自动驾驶系统在人类驾驶员可以管理的所有道路和环境条件下的动态驾驶任务的各个方面的全时性能。在示例性实施例中，ads24被配置为控制推进系统13、变速器14、转向系统16和车轮制动器17以分别控制车辆加速、转向和制动，而无需通过多个致动器30响应于来自多个传感器26的输入的人工干预，所述多个传感器26可适当地包括gps、雷达、激光雷达、光学相机、热像仪、超声波传感器和/或附加传感器。

图1示出了可以与车辆12的无线通信系统28通信的几个联网设备。可以经由无线通信系统28与车辆12通信的联网设备中的一个联网设备是联网无线设备57。联网无线设备57可以包括计算机处理能力，能够使用短程无线协议进行通信的收发器以及可视显示器59。计算机处理能力包括可编程设备形式的微处理器，其包括存储在内部存储器结构中的一个或多个指令并应用于接收二进制输入以创建二进制输出。在一些实施例中，联网无线设备57包括能够接收gps卫星信号并基于那些信号生成gps坐标的gps模块。在其他实施例中，联网无线设备57包括蜂窝通信功能，使得联网无线设备57使用一个或多个蜂窝通信协议在无线载波系统60上执行语音和/或数据通信，如本文所讨论的。视觉显示器59还可以包括触摸屏图形用户界面。

无线载波系统60优选地是蜂窝电话系统，其包括多个小区塔70(仅示出一个)，一个或多个移动交换中心(msc)72以及连接无线载波系统60与陆地通信网络62所需的任何其他网络组件。每个小区塔70包括发送天线和接收天线以及基站，来自不同小区塔的基站直接或通过中间设备(诸如基站控制器)连接到msc72。无线载波系统60可以实现任何合适的通信技术，包括例如诸如cdma(例如cdma2000)，lte(例如，4glte或5glte)、gsm/gprs的数字技术或其他当前或新兴的无线技术。其他小区塔/基站/msc安排是可能的，并且可以与无线载波系统60一起使用。例如，仅举几个可能的安排，基站和小区塔可以共同位于相同的地点或者它们可以彼此远离地定位，每个基站可以负责单个小区塔或者单个基站可以服务各种小区塔，或者各种基站可以耦合到单个msc。

除了使用无线载波系统60之外，可以使用卫星通信形式的第二无线载波系统来提供与车辆12的单向或双向通信。这可以使用一个或多个通信卫星66和上行链路发射站67。单向通信可以包括例如卫星无线电服务，其中节目内容(新闻、音乐等)由发射台67接收，打包用于上传，然后发送到将节目广播给用户的卫星66。双向通信可以包括例如使用卫星66来中继车辆12与站67之间的电话通信的卫星电话服务。卫星电话可以用作无线载波系统60的附加或代替。

陆地网络62可以是连接到一个或多个陆线电话并且将无线载波系统60连接到远程访问中心78的传统的基于陆地的电信网络。例如，陆地网络62可以包括公共交换电话网络(pstn)，诸如用于提供硬连线电话，分组交换数据通信和因特网基础设施的网络。陆地网络62的一个或多个部分可以通过使用标准有线网络、光纤或其他光学网络、电缆网络、电力线、其他无线网络(诸如无线局域网(wlan))或提供宽带无线接入(bwa)的网络或其任何组合。此外，远程访问中心78不需要经由陆地网络62连接，而是可以包括无线电话设备，从而其可以直接与无线网络(诸如无线载波系统60)通信。

虽然在图1中示出为单个设备，但是计算机64可以包括通过诸如因特网等专用或公共网络可访问的多个计算机。每个计算机64可以用于一个或多个目的。在示例性实施例中，计算机64可以被配置为可由车辆12经由无线通信系统28和无线载波60访问的网络服务器。其他计算机64可以包括例如：服务中心计算机，其中诊断信息和其他车辆数据可以从车辆经由无线通信系统28或第三方储存库上载到车辆数据，或从第三方储存库提供车辆数据或其他信息，无论是通过与车辆12、远程访问中心78、联网的无线设备57或者这些的一些组合进行通信。计算机64可以维护可搜索的数据库和数据库管理系统，该数据库和数据库管理系统允许数据的输入、删除和修改，以及接收在数据库内定位数据的请求。计算机64还可以用于提供诸如dns服务的因特网连接，或者用作使用dhcp或其他合适的协议来向交通工具12分配ip地址的网络地址服务器。

远程访问中心78被设计为向车辆12的无线通信系统28提供多种不同的系统功能，并且根据图1所示的示例性实施例，通常包括一个或多个交换机80、服务器82、数据库84、现场顾问86以及自动化语音响应系统(vrs)88。这些各种远程访问中心组件优选地经由有线或无线局域网90彼此耦合。可以是专用交换分机(pbx)交换机的交换机80对输入信号进行路由，使得语音传输通常通过常规电话被发送到现场顾问86或者使用voip发送到自动语音响应系统88。实时顾问电话也可以使用voip，如图1中的虚线所示。通过交换机80的voip和其他数据通信经由连接在交换机80和网络90之间的调制解调器(未示出)来实现。数据传输经由调制解调器传递到服务器82和/或数据库84。数据库84可以存储诸如用户认证信息、车辆标识符、简挡记录、行为模式和其他相关用户信息的账户信息。数据传输也可以通过诸如802.11x、gprs等的无线系统来进行。尽管已经描述了所示实施例，因为它将与使用现场顾问86的有人远程访问中心78结合使用，但是应该理解，远程访问中心可以改为将vrs88用作自动化顾问或可以使用vrs88和现场顾问86的组合。

如图2所示，ads24包括多个不同的控制系统，至少包括感知系统32，用于确定在车辆附近检测到的特征或物体的存在、位置、分类和路径。感知系统32被配置为接收来自各种传感器的输入，诸如图1所示的传感器26，并且合成和处理传感器输入以生成用作ads24的其他控制算法的输入的参数。

感知系统32包括传感器融合和预处理模块34，其处理和合成来自各种传感器26的传感器数据27。传感器融合和预处理模块34执行传感器数据27的校准，包括但不限于：lidar到lidar校准，相机到lidar校准，lidar到底盘校准，以及lidar光束强度校准。传感器融合和预处理模块34输出预处理后的传感器输出35。

分类和分割模块36接收预处理后的传感器输出35并执行物体分类、图像分类、交通灯分类、物体分割、地面分割和物体跟踪处理。物体分类包括但不限于：识别和分类周围环境中的物体，包括交通信号和标志的识别和分类，radar融合和追踪以说明传感器的放置和视场(fov)，以及通过lidar融合拒绝误报以消除城市环境中存在的许多误报，例如井盖、桥梁、高树木或灯杆，以及具有高radar截面但不影响车辆沿其路径行驶的能力的其他障碍。由分类和分割模型36执行的另外的物体分类和跟踪过程包括但不限于自由空间检测和高级别跟踪，其将radar轨迹、lidar分割、lidar分类、图像分类、物体形状拟合模型、语义信息、运动预测、栅格地图、静态障碍地图和其他来源的数据融合起来以生成高质量的物体轨迹。

分类和分段模块36另外执行具有车道关联和交通控制设备行为模型的交通控制设备分类和交通控制设备融合。分类和分割模块36产生包括物体识别信息的物体分类和分割输出37。

定位和映射模块40使用物体分类和分段输出37来计算参数，包括但不限于在典型和有挑战性的驾驶场景中车辆12的位置和取向的估计。这些具有挑战性的驾驶场景包括但不限于具有许多车辆(例如，密集交通)的动态环境、具有大规模障碍物(例如道路工程或建筑工地)的环境、丘陵、多车道道路、单车道道路、各种道路标记和建筑物或缺少道路标记和建筑物(例如住宅区和商业区)以及桥梁和立交桥(在车辆的当前路段上方和下方)。

定位和映射模块40还包含作为经由车辆12在操作期间执行的车载映射功能获得的扩展地图区域的结果收集的新数据以及经由无线通信系统28“推送”到车辆12的“映射”数据。定位和映射模块40利用新信息(例如，新车道标记、新建筑结构、建筑物区域的添加或移除等)更新先前的地图数据，同时使未受影响的地图区域保持未修改。可以生成或更新的地图数据的示例包括但不限于产生线分类、车道边界生成、车道连接、小型和主要道路的分类、左转和右转的分类以及交叉口车道创建。

在一些实施例中，定位和映射模块40使用slam技术来开发周围环境的地图。slam是同时定位和映射(simultaneouslocalizationandmapping)的缩写。slam技术构建环境地图并跟踪环境内物体的位置。graphslam是slam的变型，它使用稀疏矩阵来生成包含观察相关性的图。

地图内的物体位置由以物体的预测路径为中心的高斯概率分布表示。最简单形式的slam使用三种约束：初始位置约束；相对运动约束，其是物体的路径；以及相对测量约束，其是物体到地标的一个或多个测量值。

初始运动约束是车辆的初始姿态(例如，位置和取向)，其由包括俯仰、侧倾和偏航数据的二维或三维空间中的车辆位置组成。相对运动约束是物体的位移运动，其包含适应地图一致性的一定程度的灵活性。相对测量约束包括从物体传感器到地标的一个或多个测量值。初始位置约束，相对运动约束和相对测量约束通常是高斯概率分布。传感器生成的地图内的物体定位方法通常采用卡尔曼滤波器、各种统计相关方法，诸如pearson乘积矩相关和/或粒子滤波器。

在一些实施例中，一旦建立了地图，就通过粒子滤波器实时实现车辆定位。与贝叶斯或卡尔曼滤波器不同，粒子滤波器适用于非线性系统。为了定位车辆，通过高斯概率分布在预期的平均值周围产生粒子。每个粒子都被分配一个数字权重来表示粒子位置到预测位置的准确度。将传感器数据考虑在内，并调整粒子权重以适应传感器数据。粒子接近传感器调整位置越近，粒子权重的数值越大。

当动作命令发生时，每个粒子被更新到新的预测位置。在新的预测位置处观察传感器数据，并且为每个粒子分配表示粒子位置相对于预测位置和传感器数据的准确度的新权重。对粒子进行重新采样，选择数值幅度最大的权重，从而提高预测的和传感器校正的物体位置的准确度。通常重采样数据的均值、方差和标准偏差提供新的物体位置可能性。

粒子滤波处理表示为：

p(ht|ht-1，at，dt)等式1

其中ht是当前的假设，这是物体位置。ht-1是前一个物体位置，at是动作，通常是马达命令，并且dt是可观察数据。

在一些实施例中，定位和映射模块40通过如上所述在扩展卡尔曼滤波器(ekf)框架中合并来自多个源的数据来维护车辆的全局位置的估计。卡尔曼滤波器是基于递归贝叶斯滤波器的线性滤波器。递归贝叶斯滤波器也被称为递归贝叶斯估计，基本上将估计的后验替换为先前的位置以在新的估计迭代上计算新的后验。这有效地产生：

p(ht|ht-1，dt)等式2

其中假设ht的概率由前一次迭代ht-1处的假设和当前时间t处的数据dt估计。

卡尔曼滤波器添加动作变量at，其中t是时间迭代，产生：

p(ht|ht-1，at，dt)等式3

其中假设ht的概率基于之前的假设ht-1，当前时间t的动作at和数据dt。

广泛用于机器人学中，卡尔曼滤波器估计作为联合概率分布的当前位置，并基于动作命令预测也称为联合概率分布的新位置，称为状态预测。获取传感器数据并计算分离的联合概率分布，称为传感器预测。

状态预测表示为：

x′t＝axt-1+bμ+εt等式4

其中x't是基于先前状态axt-1、bμ和ξt的新状态。常数a和b由感兴趣的物理学定义，μ通常是机器人马达命令，并且ξt是高斯状态误差预测。

传感器预测表示为：

z′t＝cxt+εz等式5

其中z't是新的传感器估计，c是一个函数，并且ξz是高斯传感器误差预测。

新的预测状态估计值表示为：

xest＝x′t+k(zt-z′t)等式6

其中乘积k(zt-z't)被称为卡尔曼增益因子。如果传感器预测z't和实际传感器数据zt之间的差异(即zt-z't)合理地接近零，则x't被认为是新的状态估计。如果zt-z't合理地大于零，则加上k(zt-z't)因子以产生新的状态估计。

当接收到车辆运动信息时，ekf更新车辆位置估计，同时扩展估计协方差。一旦传感器协方差被整合到ekf中，定位和映射模块40就生成定位和映射输出41，其包括车辆12相对于检测到的障碍物和道路特征的位置和取向。

车辆测距模块46接收来自车辆传感器26的数据27并产生车辆测距输出47，其包括例如车辆航向、速度和距离信息。绝对定位模块42接收定位和映射输出41和车辆测距信息47，并生成如下所述在单独的计算中使用的车辆位置输出43。

物体预测模块38使用物体分类和分段输出37来生成参数，包括但不限于：检测到的障碍物相对于车辆的位置，检测到的障碍物相对于车辆的预测路径以及交通车道相对于车辆的位置和取向。在一些实施例中可以使用贝叶斯模型来基于语义信息、先前轨迹和瞬时姿态来预测驾驶员或行人意图，其中姿态是物体的位置和取向的组合。

机器人学中常用的贝叶斯定理，也被称为贝叶斯滤波器，是一种条件概率的形式。下面在等式7中所示的贝叶斯定理提出了这样的命题：给定数据d的假设h的概率等于假设h的概率乘以数据d在假设h下的可能性，除以数据p(d)的概率。

p(h/d)被称为后验，并且p(h)被称为先验。贝叶斯定理测量数据d中包含的证据之前(先验)和之后(后验)的命题中的信度的概率，贝叶斯定理通常在迭代时递归地使用。在每次新的迭代中，先前的后验成为产生新的后验的先验，直到迭代完成。关于物体(包括行人、周围车辆和其他移动物体)的预测路径的数据被输出为物体预测输出39，并且如下所述用于单独的计算中。

ads24还包括观察模块44和解释模块48。观察模块44生成由解释模块48接收的观察输出45。观察模块44和解释模块48允许远程访问中心78的访问。现场专家或顾问，例如图1中所示的顾问86可以可选地查看物体预测输出39并且提供附加的输入和/或超控自动驾驶操作并且假设车辆的操作(如果需要或者车辆的情况需要)。解释模块48生成包括由现场专家提供的附加的输入(如果有的话)的解释输出49。

路径规划模块50处理并合成从远程访问中心78的在线数据库或现场专家接收的物体预测输出39、解释输出49和附加路线信息79，以确定要跟随的车辆路径，以在遵守交通法规并避免任何检测到的障碍的同时将车辆维持在期望的路线上。路径规划模块50采用配置成避免在车辆附近检测到的任何障碍物，将车辆保持在当前行车车道并将车辆保持在期望路线上的算法。路径规划模块50使用包括非线性最小二乘姿态图优化的姿态图优化技术来优化六个自由度的汽车车辆轨迹的地图并减少路径误差。路径规划模块50输出车辆路径信息作为路径规划输出51。路径规划输出51包括基于车辆路线的命令车辆路径、相对于路线的车辆位置、车道的位置和取向以及存在和任何检测到障碍物的路径。

第一控制模块52处理和合成路径规划输出51和车辆位置输出43以生成第一控制输出53。第一控制模块52还将由远程访问中心78提供的路线信息79并入车辆的远程接管模式的情况。

车辆控制模块54接收第一控制输出53以及从车辆测距法46接收的速度和航向信息47并且生成车辆控制输出55。车辆控制输出55包括一组致动器命令以实现命令路径包括但不限于转向命令、换挡命令、节气门命令和制动命令的车辆控制模块54。

车辆控制输出55被传送到致动器30。在示例性实施例中，致动器30包括转向控制、换挡控制、节气门控制和制动控制。例如，转向控制可以控制转向系统16，如图1所示。例如，换挡控制可以控制变速器14，如图1所示。例如，节气门控制可以控制如图1所示的推进系统13。例如，制动控制可以如图1所示控制车轮制动器17。

应该理解，所公开的方法可以与任何数量的不同系统一起使用，并且不特别限于这里所示的操作环境。系统10及其各个组件的架构、构造、设置和操作通常是已知的。这里未示出的其他系统也可以采用所公开的方法。

现在转到图3，示出了用于实现本公开的系统和方法的示例性环境300。在说明性示例中，车辆310与可操作lidar系统一起行驶。该系统具有发射器，该发射器可操作以将脉冲光或激光器330传输离开车辆310。一些脉冲光入射在车辆周围的物体320上，并且反射信号返回到车辆上的接收器。车辆还配备有处理器以处理返回的信号以测量幅度、传播时间和相移以及其他特性，以便确定到物体320的距离以及物体320的大小和速率。

现在转到图4，示出了根据示例性方法和系统的lidar系统400的功能框图。lidar收发器410可操作以产生激光束，传输激光束并捕获从fov内的物体散射/反射的激光能量。扫描器420将激光束移动穿过目标区域，位置取向系统(pos)测量传感器位置和取向430，系统处理器440控制所有上述动作、车辆控制系统和用户界面450、数据存储器460。

lidar收发器410可操作以产生激光束，将激光束传输到fov中并捕获从目标反射的能量。lidar传感器采用飞行时间来确定距脉冲激光束所反射的物体的距离。振荡光信号被反射离开物体并由lidar收发器410内的检测器检测到带有相移的振荡光信号，该相移取决于物体距传感器的距离。可以使用电子锁相环(pll)来从信号中提取相移，并且通过已知技术将相移转换为距离。

扫描器420用于将激光束移过fov。在一个示例性应用中，使用旋转反射镜来反射穿过fov的固定激光。在另一个示例性应用中，多个固定激光器沿不同方向脉冲以便生成fov物体模型。

pos430用于在激光脉冲时准确确定扫描仪420的时间、位置和取向。该系统可以包括gps传感器、惯性测量系统和其他传感器。pos可进一步操作以确定范围测量、扫描角度、传感器位置、传感器取向和信号幅度。由pos430生成的数据可以与由lidar收发器410生成的数据组合以便生成fov物体模型。

系统处理器440可操作以将控制信号传输到lidar收发器410、pos430和扫描器420并且从这些设备接收数据。系统处理器240接收数据并确定fov内物体的位置，并且可以确定诸如物体速率、物体组成、信号滤波等的其他信息。存储器460可操作地存储返回信号脉冲的数字表示，和/或存储由系统处理器440计算的数据。车辆控制系统/用户界面450可操作以接收来自用户的输入，以显示结果(如果需要的话)，并且可选地响应于由系统处理器440生成的数据而生成车辆控制信号。车辆控制信号可以用于控制自主车辆，可以用于避免碰撞，或者可以用于驾驶员警告系统以及其他用途。

现在转向图5，示出了在配备有激光检测和测距lidar系统的车辆中进行改进目标物体检测的所公开系统的示例性实施方式的框图。所述系统可操作以传输已知脉冲持续时间和已知脉冲重复率的光脉冲，并接收来自具有传输激光脉冲路径的物体的传输脉冲反射所产生的光脉冲。典型的脉冲持续时间可以是10纳秒，其中典型的脉冲重复率可以是140khz。较长的脉冲持续时间可能会导致较低的信噪比。

发射器510可操作以在已知方向上传输一系列激光脉冲。发射器可以包括用于产生激光的激光二极管、波长调制器、脉宽调制器、频率调制器和/或放大器。发射器可操作以在一段时间内在期望的视场上扫描激光脉冲。

接收器530可操作以在脉冲激光信号从fov内的物体反射后接收脉冲激光信号。接收器可以包括放大器、混频器、循环器等，以便将接收到的脉冲激光信号转换成可以由处理器540操纵的中频(if)信号。接收器530还可以进一步操作以将接收到的脉冲激光信号转换到数字表示中。这些数字表示可以表示接收到的脉冲激光信号或转换后的if信号。

处理器540可操作以产生控制接收器530和发射器510的控制信号。这些控制信号可操作以控制激光脉冲的脉冲速率和脉冲的脉冲宽度。另外，控制信号可以控制接收器530，使得接收器530可操作以接收不同脉冲速率和脉冲宽度的反射脉冲激光信号。在示例性实施例中，处理器产生控制信号，使得发射器510传输具有已知脉冲持续时间的激光脉冲。因此，对于每个脉冲，激光器传输已知的时间量。处理器540还产生控制信号，使得接收器530可操作以接收激光脉冲的反射表示，并且确定或记录所接收的激光脉冲的脉冲持续时间。

一旦从发射器510和/或接收器530接收到数据，处理器540响应于表示激光器的反射表示的数据来确定到物体的距离。此外，处理器540将传输的激光脉冲的持续时间与对应的接收数据脉冲的持续时间进行比较。如果所接收的激光脉冲具有比所传输的激光脉冲更长的持续时间，则可以假定光脉冲入射在倾斜表面上，因为由于一部分光脉冲的传播时间增加，lidar脉冲将在倾斜表面反射时变宽。例如，在60米处，0.5°光束在45°表面产生λ＝0.5米的距离。如果g(t)是从垂直表面反射的脉冲的形状，则倾斜表面将产生以下波形：

现在转到图6，示出了示例性的光脉冲传输图600。该图示出了传输已知持续时间t0的光脉冲的发射器。光脉冲入射在具有相对于光脉冲的传播方向成倾斜角度(α)的表面的物体上。根据该示例性实施例，脉冲右侧行进的距离大于脉冲630左侧行进的距离，因此导致反射脉冲640的脉冲持续时间tα的明显变化。

所述系统可以进一步操作以响应于该差异来确定物体的方向和速率。

现在转到图7，示出了使用lidar系统700确定物体的表面取向的示例性方法。所述方法首先可操作用于传输710光脉冲，其中光脉冲具有第一持续时间。然后所述方法可操作用于接收720光脉冲的反射表示，其中反射表示具有第二持续时间。然后所述方法可操作用于响应于第一持续时间和第二持续时间之间的差来确定730目标表面的取向。在传输光脉冲期间，记录740关于所传输脉冲的角度取向的取向的数据，并且确定所接收的光脉冲是否入射到视场内的目标表面上。然后所述方法可操作用于生成控制信号750以提供给车辆控制系统。车辆控制系统可以是用于自动驾驶的控制系统。

所述方法可以进一步操作为其中光脉冲的反射表示还具有波长，并且其中响应于第二持续时间和波长来确定目标表面的取向和目标的速率。可以传输第二光脉冲，并且具有第三持续时间的第二光脉冲的反射表示可以用于响应于第三持续时间来确认目标表面的取向。所述方法可操作用于响应于目标表面的取向生成矢量并将该矢量传输到车辆控制系统。

所述方法还可操作用于确定传输脉冲和反射脉冲的波长。可以比较这些波长以确定目标的速率。目标的速率和目标的表面的取向可以用于更好地确定待在自主驾驶操作中使用的目标的速度、方向和/或速率。

应该理解，尽管在全功能计算机系统的上下文中描述了该示例性实施例，但是本领域技术人员将认识到，本公开的机制能够作为程序产品来发布，具有用于存储程序及其指令并执行其发布的一种或多种类型的非暂时性计算机可读信号承载介质，诸如承载程序并包含存储在其中用于使计算机处理器实施并执行该程序的计算机指令的非暂时性计算机可读介质。这样的程序产品可以采取各种形式，并且无论用于执行发布的计算机可读信号承载介质的具体类型如何，本公开同样适用。信号承载介质的示例包括：诸如软盘、硬盘驱动器、存储卡和光盘的可记录介质以及诸如数字和模拟通信链路的传输介质。