(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-08-14
(54)【発明の名称】レーダデータ分析および隠れオブジェクト検出
(51)【国際特許分類】
B60W 50/00 20060101AFI20240806BHJP
B60W 40/02 20060101ALI20240806BHJP
G01S 13/931 20200101ALI20240806BHJP
G01S 7/292 20060101ALI20240806BHJP
【ＦＩ】
B60W50/00
B60W40/02
G01S13/931
G01S7/292
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2024503808
(86)(22)【出願日】2022-07-21
(85)【翻訳文提出日】2024-01-22
(86)【国際出願番号】 US2022037825
(87)【国際公開番号】W WO2023004011
(87)【国際公開日】2023-01-26
(31)【優先権主張番号】17/384,430
(32)【優先日】2021-07-23
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】518156417
【氏名又は名称】ズークス インコーポレイテッド
(74)【代理人】
【識別番号】110001243
【氏名又は名称】弁理士法人谷・阿部特許事務所
(72)【発明者】
【氏名】ヴェンカタ サブラマニャム チャンドラ セカル チェビヤム
(72)【発明者】
【氏名】スバシンハ シャミンダ スバシンハ
(72)【発明者】
【氏名】ジョシュア クリサー コーヘン
(72)【発明者】
【氏名】チャン ワン
(72)【発明者】
【氏名】サマンサ メアリー ティン
(72)【発明者】
【氏名】バディーア ファーダウス アルファーダウス アラゼム
【テーマコード（参考）】
3D241
5J070
【Ｆターム（参考）】
3D241BA00
3D241DC25Z
3D241DC31Z
3D241DC33Z
5J070AC02
5J070AC13
5J070AC19
5J070AE01
5J070AE09
5J070AE10
5J070AF03
5J070AK14
(57)【要約】
本明細書において、レーダデータを分析して、１つまたは複数のターゲット検出からのレーダノイズがターゲット検出の近傍において追加のオブジェクトを隠す可能性があることを決定するための技術が説明される。オブジェクトが隠され得るかを決定することは、ターゲット検出に基づくレーダノイズレベル、並びに、特定のオブジェクトタイプに関連付けられたレーダ断面および／またはドップラーデータの分布に基づいて、レーダノイズレベルに少なくとも部分的に基づいてよい。ターゲット検出の近傍の位置について、レーダシステムは、推定ノイズレベルを決定し、かつ、推定ノイズレベルをオブジェクトタイプに関連付けられたレーダ断面確率と比較して、オブジェクトタイプのオブジェクトがその位置に隠され得る尤度を決定し得る。分析に基づいて、システムは、車両軌道を決定し得、そうでなければ、オブジェクトが位置に隠され得る尤度に基づいて車両を制御し得る。
【特許請求の範囲】
【請求項1】
１つまたは複数のプロセッサと、コンピュータ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体と、を備えるシステムであって、前記命令が実行されると、前記システムに、環境内の領域に関連付けられたレーダデータを受信することと、
前記領域に関連付けられたレーダノイズデータを決定することと、
車両のレーダ応答閾値および前記レーダノイズデータに少なくとも部分的に基づいて、前記レーダデータを評価することであって、前記レーダ応答閾値は、車両安全メトリックに少なくとも部分的に基づくことと、
前記レーダ応答閾値および前記レーダデータに少なくとも部分的に基づいて、前記環境内の車両を制御することと、
を含む動作を実行させるシステム。
【請求項2】
前記車両安全メトリックは、第１のオブジェクトタイプに関連付けられ、かつ、前記動作は、前記レーダノイズデータおよび前記第１のオブジェクトタイプに関連付けられたレーダ応答分布に少なくとも部分的に基づいて、前記環境内の第１の位置において前記第１のオブジェクトタイプのオブジェクトを検出することに関連付けられた確率を決定することと、
前記確率に少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、
をさらに含む、請求項１に記載のシステム。
【請求項3】
前記動作は、第２のオブジェクトタイプに関連付けられた第２のレーダ応答閾値を、前記レーダノイズデータおよび前記第２のオブジェクトタイプに関連付けられた第２のレーダ応答分布に少なくとも部分的に基づいて決定することと、
前記レーダノイズデータおよび前記第２のレーダ応答分布に少なくとも部分的に基づいて、前記第１の位置において前記第２のオブジェクトタイプの第２のオブジェクトを検出することに関連付けられた第２の確率を決定することと、
をさらに含む、請求項１または請求項２に記載のシステム。
【請求項4】
前記動作は、前記環境内において前記車両を動作させることに関連付けられた走行可能な表面メトリックを決定することと、
前記走行可能な表面メトリックに少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、
をさらに含む、請求項１－３の何れかに記載のシステム。
【請求項5】
前記動作は、前記レーダノイズデータに少なくとも部分的に基づいて、前記環境内の第１の位置に関連付けられた第１のレーダノイズレベル、および、前記環境内の第２の位置に関連付けられた第２のレーダノイズレベルを決定することと、
前記第１の位置を除外し、かつ、前記第２の位置を含む前記車両の軌道を、
前記第１のレーダノイズレベルが前記レーダ応答閾値を満たすか、または超えると決定すること、および、
前記第２のレーダノイズレベルが前記レーダ応答閾値を下回ると決定すること、
に少なくとも部分的に基づいて、生成することと、
をさらに含む、請求項１－４の何れかに記載のシステム。
【請求項6】
前記レーダノイズデータを決定することは、前記レーダデータに関連付けられた前記環境内の第１の位置を決定することと、
前記環境内の第２の位置に関連付けられたレーダノイズレベルを決定することであって、前記第１の位置と前記第２の位置との間のレーダデバイスからの距離の差、および、前記レーダデータに関連付けられた強度測定に少なくとも部分的に基づくことと、
を含む、請求項１－５の何れかに記載のシステム。
【請求項7】
環境内の領域に関連付けられたレーダデータを受信することと、前記領域に関連付けられたレーダノイズデータを決定することと、
車両のレーダ応答閾値および前記レーダノイズデータに少なくとも部分的に基づいて、前記レーダデータを評価することであって、前記レーダ応答閾値は、車両安全メトリックに少なくとも部分的に基づくことと、
前記レーダ応答閾値および前記レーダデータに少なくとも部分的に基づいて、前記環境内の車両を制御することと、
を含む方法。
【請求項8】
前記車両安全メトリックは、第１のオブジェクトタイプに関連付けられ、前記方法は、前記レーダノイズデータおよび前記第１のオブジェクトタイプに関連付けられたレーダ応答分布に少なくとも部分的に基づいて、前記環境内の第１の位置において前記第１のオブジェクトタイプのオブジェクトを検出することに関連付けられた確率を決定することと、
前記確率に少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、
をさらに含む、請求項７に記載の方法。
【請求項9】
第２のオブジェクトタイプに関連付けられた第２のレーダ応答閾値を、前記レーダノイズデータおよび前記第２のオブジェクトタイプに関連付けられた第２のレーダ応答分布に少なくとも部分的に基づいて決定することと、前記レーダノイズデータおよび前記第２のレーダ応答分布に少なくとも部分的に基づいて、前記第１の位置において前記第２のオブジェクトタイプの第２のオブジェクトを検出することに関連付けられた第２の確率を決定することと、
をさらに含む、請求項７または請求項８に記載の方法。
【請求項10】
第１のレーダ応答閾値を決定することと、前記第１のレーダ応答閾値に関連付けられた第１の数の偽陽性レーダ検出および第１の数の偽陰性レーダ検出を決定することと、
第２のレーダ応答閾値を決定することと、
前記第２のレーダ応答閾値に関連付けられた第２の数の偽陽性レーダ検出および第２の数の偽陰性レーダ検出を決定することと、
前記第１の数の偽陽性レーダ検出および前記第２の数の偽陽性レーダ検出、並びに、前記第１の数の偽陰性レーダ検出および前記第２の数の偽陰性レーダ検出に少なくとも部分的に基づいて、前記第１のレーダ応答閾値または前記第２のレーダ応答閾値の何れかを前記レーダ応答閾値として決定することと、
をさらに含む、請求項７または請求項８に記載の方法。
【請求項11】
前記環境内において前記車両を動作させることに関連付けられた走行可能な表面メトリックを決定することと、前記走行可能な表面メトリックに少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、
をさらに含む、請求項７－１０の何れかに記載の方法。
【請求項12】
前記レーダノイズデータに少なくとも部分的に基づいて、前記環境内の第１の位置に関連付けられた第１のレーダノイズレベル、および、前記環境内の第２の位置に関連付けられた第２のレーダノイズレベルを決定することと、前記第１の位置を除外し、かつ、前記第２の位置を含む前記車両の軌道を、
前記第１のレーダノイズレベルが前記レーダ応答閾値を満たすか、または超えると決定すること、および、
前記第２のレーダノイズレベルが前記レーダ応答閾値を下回ると決定すること、
に少なくとも部分的に基づいて、生成することと、
をさらに含む、請求項７－１１の何れかに記載の方法。
【請求項13】
前記レーダノイズデータを決定することは、前記レーダデータに関連付けられた前記環境内の第１の位置を決定することと、
前記環境内の第２の位置に関連付けられたレーダノイズレベルを決定することであって、前記第１の位置と前記第２の位置との間のレーダデバイスからの距離の差、および、前記レーダデータに関連付けられた強度測定に少なくとも部分的に基づくことと、
を含む、請求項７－１２の何れかに記載の方法。
【請求項14】
第１の環境に関連付けられた第１の車両安全メトリックを決定することと、第２の環境に関連付けられた第２の車両安全メトリックを決定することと、
前記車両の動作環境を決定することと、
前記車両の前記動作環境に少なくとも部分的に基づいて、前記第１の車両安全メトリックまたは前記第２の車両安全メトリックの何れかを前記車両安全メトリックとして決定することと、
をさらに含む、請求項７－１３の何れかに記載の方法。
【請求項15】
命令を備える１つまたは複数の非一時的なコンピュータ可読媒体であって、前記命令が１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサに、請求項７－１４の何れか１項に記載の方法を実施させる、非一時的なコンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、レーダデータ分析および隠れオブジェクト検出に関する。
【背景技術】
【0002】
関連出願の相互参照
[0001]本願は、２０２１年７月２３日に出願され、「ＲＡＤＡＲデータ分析および隠れオブジェクト検出」と題された米国特許出願第１７／３８４，４３０号の優先権を主張し、その内容全体が、あらゆる目的のために参照により本明細書に組み込まれる。
[0001]本願は、２０２１年７月２３日に出願され、「ＲＡＤＡＲデータ分析および隠れオブジェクト検出」と題された米国特許出願第１７／３８４，４３０号の優先権を主張し、その内容全体が、あらゆる目的のために参照により本明細書に組み込まれる。
【0003】
[0002]レーダは、一般に、電波を送信し、オブジェクトの表面から電波の反射を受信することによって、レーダデバイスからオブジェクトの表面までの距離を測定し、その距離は、レーダデバイスのセンサによって読み取られ得る。センサは、センサに入射する電波に少なくとも部分的に基づいて信号を生成し得る。この信号は、反射に起因するリターン信号を含み得るが、信号はまた、ノイズおよび／または他の干渉信号に起因する部分（レーダデバイス自体から、または外部ソースから）を含み得る。リターン信号をノイズまたは他の干渉信号から区別するために、レーダデバイスは、一般に、偽陽性検出（false positive detection）を抑制するための検出閾値を使用する（すなわち、実際には、信号の一部がノイズおよび／または他の干渉信号に起因する場合、信号の一部をリターンとして識別する）。しかしながら、幾つかの状況において、このような抑制は実際のリターンに関連付けられ得るため、問題（および危険）であり得る。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】米国特許出願第１６，４０７，１３９号明細書
【図面の簡単な説明】
【0005】
[0003]詳細な説明は、添付の図面を参照して説明される。図面において、参照番号の左端の数字は、その参照番号が最初に出現する図面を識別する。異なる図面における同一の参照番号の使用は、類似または同一の項目または特徴を示す。
【0006】
【図1】[0004]図１は、本開示の１つまたは複数の実施形態による、自律車両のレーダデバイスが、検出に関連付けられたレーダノイズによってオブジェクトが隠され得るデータを含むレーダデータを受信し分析する例示的なシナリオを示す図である。
【図4】[0007]図４は、本開示の１つまたは複数の実施形態による、レーダノイズレベルおよびオブジェクトタイプ固有の閾値に基づいた走行可能および走行可能でない領域の表示を含む、自律車両に関連付けられた環境の例示的なグリッドマップを示す図である。
【発明を実施するための形態】
【0007】
[0013]本明細書において論じられる技術は、環境を移動する車両によって生成されたレーダデータを分析し、かつ、１つまたは複数のターゲット検出に基づくレーダノイズが、検出されたターゲットの近傍の追加のオブジェクトを潜在的に隠し得ると決定することに関する。以下の様々な例において説明されるように、レーダシステムは、環境において検出されたターゲットに関連付けられたサイドローブレベルに基づいてレーダノイズレベルを決定し得る。特定のオブジェクトタイプに関連付けられたレーダ断面（ＲＣＳ）閾値および／またはドップラー閾値を含むレーダ応答閾値は、オブジェクトタイプに関連付けられたレーダ応答分布に基づいて決定され得る。例えば、１つまたは複数のレーダ応答閾値は、歩行者オブジェクトタイプからの分布、および、レーダノイズ内の歩行者の検出に関連付けられた所定の確率および／または信頼度閾値（例えば、９５％）に基づいて計算され得る。ターゲット検出に近い特定の位置（または領域）について、レーダシステムは、その位置の推定ノイズレベルを決定し、かつ、推定ノイズレベルを１つまたは複数のオブジェクトタイプに関連付けられたＲＣＳおよび／またはドップラー閾値と比較して、オブジェクトタイプのオブジェクトがその位置に隠され得る尤度を決定し得る。レーダデータの分析に基づいて、車両は、１つまたは複数のオブジェクトが位置に隠れ得る尤度に基づいて、軌道を決定するか、またはそうでなければ車両を制御し得る。
【0008】
[0014]オブジェクトを検出するためのレーダデータの分析は、偽陽性検出を低減または抑制するための技術を含み得る。偽陽性検出は、環境内の物理的なオブジェクトではなく、レーダノイズによって引き起こされるレーダデータ内のオブジェクト検出の決定を含み得る。レーダ偽陽性検出抑制のための従来の技術は、検出閾値を決定して偽陽性検出の数を減少させること、および／または、偽陽性検出の数を指定された偽陽性検出率未満に保つことを含む。例えば、セル平均化ＣＦＡＲ（ＣＡ－ＣＦＡＲ）のような一定誤警報確率技術（ＣＦＡＲ）は、レーダデータの各セル（または部分）をテストして、対象のセルに関連付けられた信号が、対象のセルの信号および／または対象のセルの周りのセルに関連付けられた信号を平均化することによって決定された検出閾値を満たすか、または超えるかを決定し得る。そのような技術は、対象となるセルがリターン信号（例えば、検出されたオブジェクトを示すレーダ応答データ）を含む場合、周囲または近傍のセルがスキャンされた領域内のレーダノイズの良好な推定を提供する可能性が高いと想定する。他の技術は、セルに関連付けられた信号の最大部分をリターン信号として選択するといったように、ＣＦＡＲ技術に代替的または追加的に使用され得る。
【0009】
[0015]しかしながら、レーダデータに対する偽陽性検出抑制技術の適用は、誤検出の数を増加させる傾向があり得、環境内において検出された物理的なオブジェクトによって生じる応答信号は、レーダノイズに起因し、かつ、抑制される。例えば、環境の領域におけるレーダノイズの推定は、ノイズ閾値を下回るより小さい、および／または、より少ないレーダ反射オブジェクトのレーダ検出を隠し得る。自律車両の場合、環境内の物理的なオブジェクトを識別することの失敗を表す誤レーダ検出は、車両、乗員、および、周囲の環境の安全性に重大なリスクをもたらし得る。
【0010】
[0016]レーダ偽陽性および偽陰性検出の技術的問題に対処するために、本明細書において論じられる技術は、特定のオブジェクトタイプのレーダ応答分布に基づいて閾値を決定して、環境内の車両の走行可能および走行可能でない表面を決定することを含み得る。以下の様々な例において説明されるように、レーダノイズ推定器は、レーダデータ内において検出されたターゲットの位置および属性を使用して、検出されたターゲットに近い他の位置において推定レーダノイズレベルを決定し得る。オブジェクトタイプ閾値コンポーネントは、走行可能および走行可能でない表面を決定するために環境内の様々な位置におけるノイズレベルと比較され得る、特定のオブジェクトタイプ（例えば、歩行者）に関連付けられた様々な閾値（例えば、ＲＣＳおよび／またはドップラー閾値）を決定し得る。
【0011】
[0017]走行可能でない表面は、領域が１つまたは複数のオブジェクトを潜在的に隠すように、レーダノイズレベルが十分に高い（例えば、閾値を満たすか、または超える）環境内の領域／位置であり得る。物理的なオブジェクトは、走行可能でない表面の位置に存在してもしなくてもよいが、レーダノイズは、走行可能でない表面をレーダデバイスによって効果的にスキャン不能にしてもよい。したがって、車両の制御およびナビゲーションシステムは、オブジェクトの存在を検証することができない場合であっても、走行可能でない表面の各位置（例えば、１つまたは複数のレーダセル）がオブジェクトを含むと仮定し得る。これに対し、走行可能な表面は、レーダノイズレベルが閾値を下回る環境内の領域／位置であり得、レーダノイズが所定の確率または信頼度でオブジェクトを隠すことが可能であることを示す。以下においてより詳細に説明されるように、走行可能および走行可能でない表面を決定するために使用される閾値は、特定のオブジェクトタイプ（例えば、歩行者）およびオブジェクト分布に基づく所定の確率に関連付けられ得る。例えば、閾値は、環境内の歩行者から９５％のレーダ応答を含むように決定された値であり得る。異なる閾値は、環境内の歩行者の異なるパーセンテージ（例えば、９０％、９９％など）、または異なるオブジェクトタイプ（例えば、自転車、車、動物など）からの所定のパーセンテージのレーダ応答を含むように決定された異なる値であり得る。以下においてより詳細に説明されるように、オブジェクトタイプ固有のレーダ応答閾値は、信号電力値（例えば、ＲＣＳ値、またはレーダ反射電力もしくは強度の他の指標）、ドップラー値、または、電力とドップラー値の組み合わせを含み得る。
【0012】
[0018]幾つかの例において、オブジェクトタイプに関連付けられたレーダ応答閾値は、オブジェクトタイプのオブジェクトについての所定の確率値に基づいて決定され得る。例えば、歩行者の所望の確率９５％に基づいて、対応するＲＣＳ閾値を決定するために歩行者ＲＣＳ分布が使用され得、および／または、対応するドップラー閾値を決定するために歩行者ドップラー分布が使用され得る。他の例において、閾値に関連付けられた対応する確率（または信頼レベル）を決定するために所定の閾値が使用され得る。例えば、－５０ｄＢのＲＣＳレーダ応答閾値に基づいて、閾値を超える歩行者の割合を決定するために歩行者ＲＣＳ分布が使用され得る。閾値を超える歩行者のパーセンテージはまた、歩行者がレーダデータ内のその場所に存在する場合に、その歩行者のＲＣＳが閾値を超え、かつ、その閾値をノイズレベル閾値として適用するレーダシステムにとってその歩行者が可視である尤度に対応し得る。
【0013】
[0019]ＲＣＳ閾値および／またはドップラー閾値を含むオブジェクトタイプレーダ応答閾値はまた、必要に応じて車両の安全性および／または走行効率を改善するために、車両の動作中に上方または下方に修正され得る。例えば、車両のコンポーネントは、閾値に基づいて車両に対して決定された走行可能および走行可能でない表面を変更するために、１つまたは複数のオブジェクトタイプのために使用されるレーダ応答閾値を調整し得る。例えば、車両の周囲の環境が、車両が環境を移動することを可能にする十分な走行可能な表面を含まない場合、オブジェクトタイプ閾値コンポーネントは、レーダ応答閾値を増加して、車両に利用可能な走行可能な表面の量を増加させ得る。これに対し、環境がより十分な走行可能な表面を含む場合、オブジェクトタイプ閾値コンポーネントは、１つまたは複数のレーダ応答閾値を増加して、潜在的なオブジェクトが環境内のレーダノイズによって隠され得なかったという信頼レベルを増加させ得る。
【0014】
[0020]以下においてより詳細に説明されるように、幾つかの例において、複数の異なる閾値が異なるドップラーレンジに対して定義され得る。幾つかの例において、環境内の領域の推定レーダノイズレベルは、領域と近傍のターゲット検出位置との間のレーダレンジの差に基づいてもよく、また、領域とターゲット検出位置との間のレーダ測定値（例えば、ドップラーおよび／またはＲＣＳ）の差に基づいてもよい。例えば、ターゲット検出位置と別の位置との間のドップラー差が増加するにつれて、別の位置における推定ノイズレベルは減少し得る。結果として、異なるレーダ信号電力（例えば、ＲＣＳ）閾値が決定され、かつ、異なるドップラーレンジに適用され得る。異なる閾値は、異なるドップラーレンジについて評価され、かつ、異なるドップラーレンジの関連付けられたオブジェクト固有の確率と共に使用されて、オブジェクトタイプのオブジェクトがその位置に隠され得る（例えば、異なるドップラーレンジについての別々の確率を合計することによって）合計確率を決定し得る。
【0015】
[0021]少なくとも幾つかの例において、レーダデータにおいて変化するオブジェクトタイプについて複数の決定が行われ得る。セルのグリッド、ノングリッドマッピング、および／または、レーダデータ等高線（contour）といったレーダデータマッピングの場合、１つまたは複数の異なるオブジェクトタイプに関して、走行可能および走行可能でない表面マップが車両に対して決定され得る。例えば、潜在的に隠された歩行者に基づいた走行可能／走行可能でない表面マップは、潜在的に隠された自転車走行者などに基づいたマップとは異なり得る。幾つかの例において、自律車両は、本明細書において論じられる技術に従って、１つまたは複数の走行可能／走行可能でない表面マップに少なくとも部分的に基づいて、自律車両の動作を制御するための軌道を生成し得る。追加的または代替的に、自律車両は、本明細書において論じられる技術に基づき、衝突回避システム（ＣＡＳ）、リモート操作コンピューティングデバイスを作動させてもよく、および／または、走行可能／走行可能でない表面マップおよび／または潜在的に隠されたオブジェクトの決定に基づいて、特定の自律走行特徴を係合（engage）または係合解除（disengage）してもよい。
【0016】
[0022]さらに、幾つかの例では、本明細書において説明される技術は、追加的または代替的に、追加または代替のセンサ手段（sensor modality）（例えば、カメラ、ＬＩＤＡＲセンサなど）から受信されたオブジェクト検出および他のセンサデータに基づいて、推定レーダノイズレベル、オブジェクト固有のレーダ応答閾値、および／または、走行可能／走行可能でない表面を決定することを含み得る。幾つかの例では、本明細書において説明される様々な技術（例えば、環境内の位置のレーダノイズ推定、オブジェクトタイプのレーダ応答閾値決定、および、閾値ベースの走行可能／走行可能でない表面決定など）は、カメラまたはＬＩＤＡＲセンサといった他の車両センサが蒸気、光フレア、反射などによって塞がれるまたは遮蔽され得るという決定に応答して実行され得る。追加的または代替的に、本明細書に記載の技術は、第１の動作において実行され得、その後、潜在的に歩行者（または他のオブジェクトタイプのオブジェクト）を隠すと決定されたあらゆる位置が、位置（例えば、視覚オブジェクト認識および分析など）をさらに分析するために他のセンサモダリティを使用する追加の動作に提供され得る。
【0017】
[0023]オブジェクトが潜在的に隠され得るレーダデータ内の位置を決定する本明細書に記載の技術は、追加的または代替的に、様々なオブジェクトタイプに関連付けられたレーダ応答プロファイル（または応答プロファイル）を受信および／または決定することを含み得る。応答プロファイルは、オブジェクトタイプが電波に影響を与える方法、したがって、オブジェクトタイプがレーダセンサ出力信号にどのように「現れるか」に影響を与えるオブジェクトタイプの特性をパラメータ化し得る。例えば、応答プロファイルは、オブジェクトタイプに関連付けられた受信電力および／またはＲＣＳを含み得る。幾つかの例において、応答プロファイルによって示される受信電力および／またはＲＣＳの値は、決定論的であってもよく、または追加または代替の例において、値は、確率的であってもよい（例えば、オブジェクトタイプに関連付けられた確率分布関数によって示される）。幾つかの例において、オブジェクトが検出されるであろう尤度、または検出されないであろう尤度は、１つまたは複数のオブジェクトタイプについて決定され得る。例えば、本技術は、歩行者が特定の位置として検出されないであろう第１の尤度、大型車両がその位置において検出されないであろう第２の尤度、小型車両が検出されないであろう第３の尤度、交通標識が検出されないであろう第４の尤度などを決定することを含み得る。幾つかの例において、本技術は、オブジェクトタイプ、オブジェクトサイズ、オブジェクト反射率などに関連する応答プロファイルを記憶することを含み得る。幾つかの例において、応答プロファイルは、距離、方位角、および／または、ドップラーによってインデックス付けされてよい。
【0018】
[0024]本技術は、追加的または代替的に、オブジェクトタイプおよび環境の一部に関連付けられた尤度を決定することを含み得る（例えば、レンジ（または距離）、方位角、ドップラー、および／または、標高の異なるビンについて）。本技術は、尤度をレーダ空間グリッドの一部に関連付けることを含み得る。例えば、レーダ空間グリッドは、複数のセルを含み得、その各々は、環境の異なる部分および／またはレーダデータの異なるビンを表し得る。幾つかの例において、セルは、それに関連付けられた１つまたは複数の尤度を有してよく、各尤度は、異なるオブジェクトタイプに関連付けられてよい。
【0019】
[0025]幾つかの例において、自律車両は、レーダ空間グリッドに少なくとも部分的に基づいて、自律車両の動作を制御するための軌道を生成し得る。本技術は、それによって自律車両の操作の安全性および有効性を改善し得る。さらに、本明細書において論じられる技術は、未加工（raw）のレーダ信号を受信する必要なしに、および／または、レーダデバイスが検出を生成するアルゴリズムに関する（独自の）情報なしに、レーダデータにおける潜在的な偽陰性の存在をコンピュータが推測することを可能にし得る。
【0020】
[0026]図１は、オブジェクトに関連付けられたレーダ応答閾値を使用して、環境内の走行可能および走行可能でない表面を決定するように構成された自律車両１０２を含む例示的なシナリオ１００を示す。幾つかの例において、自律車両１０２は、米国運輸省道路交通安全局によって発行されたレベル５の分類に従って動作するように構成された自律車両であってよく、この分類は、ドライバ（または乗員）がいかなる時においても車両を制御することが期待されない状況において、全体の走行に対して全てのセーフティクリティカル機能を実行可能な車両を記述する。しかしながら、他の例において、自律車両１０２は、他のレベルまたは分類を有する完全または部分的な自律車両であってもよい。本明細書において技術は、自律車両のようなロボット制御以外にも適用され得ることが企図される。例えば、本明細書において議論される技術は、空域オブジェクト検出、製造、拡張現実などに適用されてもよい。さらに、自律車両１０２が陸上車両として表現されているとしても、幾つかの例において、自律車両１０２は、宇宙船、水上船、および／または、その他のものであってもよい。
【0021】
[0027]本明細書において議論される技術によれば、自律車両１０２は、自律車両１０２のセンサ１０４からセンサデータを受信し得る。例えば、センサ１０４は、位置センサ（例えば、全地球測位システム（ＧＰＳ）センサ）、慣性センサ（例えば、加速度センサ、ジャイロスコープセンサなど）、磁場センサ（例えば、コンパス）、位置／速度／加速度センサ（例えば、速度計、ドライブシステムセンサ）、深度位置センサ（例えば、ライダ（lidar）センサ、レーダセンサ、ソナーセンサ、飛行時間（ＴｏＦ）カメラ、深度カメラ、および／または、他の深度感知センサ）、画像センサ（例えば、カメラ）、音声センサ（例えば、マイクロフォン）、および／または、環境センサ（例えば、気圧計、湿度計など）を含み得る。
【0022】
[0028]センサ１０４は、車両１０２に関連付けられたコンピューティングデバイス１０６によって受信され得るセンサデータを生成し得る。しかしながら、他の例において、センサ１０４および／またはコンピューティングデバイス１０６の幾つかまたは全部は、自律車両１０２から分離されてもよく、および／または、自律車両１０２から遠隔に配置されてもよく、データキャプチャ、処理、コマンドおよび／または制御は、有線および／または無線ネットワークを介して１つまたは複数のリモートコンピューティングデバイスによって自律車両１０２と通信され得る。
【0023】
[0029]図１は、レーダデバイス１０８の一例を示し、このレーダデバイス１０８は、自律車両１０２に関連付けられ得、および／または、自律車両１０２が環境を移動する際にレーダセンサデータを収集し得る。幾つかの例において、レーダデバイス１０８は、自律車両１０２の周囲環境の少なくとも一部、すなわちスキャン領域をカバーする視野αを有し得る。様々な例において、自律車両１０２は、あらゆる数の１つまたは複数のレーダデバイスおよび／またはセンサ（１、２、４、５、８、１０など）を有し得る。図示された例において、視野αは、ほぼ１８０度の視野として表現される。しかしながら、他の例において、レーダセンサの視野は、この角度よりも大きく（例えば、２２０度、２７０度、３６０度）、または小さく（例えば、１２０度、９０度、６０度、４５度）することが可能である。さらに、自律車両１０２は、複数の異なる視野、距離、スキャンレートなどを有する複数のレーダセンサを含み得る。幾つかの例において、自律車両１０２は、複数のレーダセンサが環境の少なくとも一部を共通に捕捉するように、少なくとも部分的に重複する視野を有する複数のレーダセンサを含んでもよい。
【0024】
[0030]コンピューティングデバイス１０６は、自律車両１０２の周囲環境に何が存在するかを決定するように構成された知覚エンジン１１０を含み得る。図１には示されていないが、コンピューティングデバイス１０６はまた、環境に関連付けられた予測情報を生成する機能を含む予測コンポーネントと、知覚エンジン１１０から受信した情報に基づいて環境内において自律車両１０２をどのように動作させるかを決定する機能を含む計画コンポーネントとを含んでもよい。知覚エンジン１１０は、自律車両１０２の環境から収集されたセンサデータからオブジェクトを検出、識別、セグメント化、分類、および／または、追跡するための１つまたは複数の機械学習（ＭＬ）モデルおよび／または他のコンピュータ実行可能命令を含み得る。幾つかの例において、コンピューティングデバイス１０６はまた、レーダ応答閾値コンポーネント１１２、レーダノイズ推定器１１４、および／または、閾値評価コンポーネント１１６を含み得る。以下においてより詳細に説明されるように、レーダ応答閾値コンポーネント１１２は、環境において走行中の自律車両１０２によって適用され得るレーダ応答閾値を決定する機能を含み得る。レーダ応答閾値は、車両安全メトリック、オブジェクトタイプのレーダ応答分布、および／または、走行可能な表面メトリックに基づいて決定されてもよく、レーダデータの領域におけるレーダノイズによってオブジェクトが隠され得る可能性と、自律車両１０２が環境を走行するための安全かつ効率的なルートを決定するための望ましさとのバランスをとる。レーダノイズ推定器１１４は、自律車両１０２におけるレーダデバイス１０８によるオブジェクトの検出に基づいて、レーダノイズ（例えば、ＲＣＳノイズおよび／またはドップラーノイズ）の推定値を決定するように構成され得る。レーダデバイス１０８によって受信されたレーダノイズは、レーダ伝送信号を反射するオブジェクトによって生成されたサイドローブレベルに基づき得る。以下においてより詳細に説明されるように、ターゲット検出に近い位置におけるレーダノイズは、ターゲット検出と位置との間の距離差、ターゲット検出と位置との間のドップラー差、および、ターゲット検出の電力（例えば、強度）に基づいてもよい。閾値評価コンポーネント１１６は、特定のタイプのオブジェクト（例えば、歩行者、自転車、動物、車など）に関連付けられたレーダ応答閾値（例えば、ＲＣＳおよび／またはドップラー閾値）を、レーダデータの異なる領域における推定レーダノイズレベルに対して評価して、自律車両１０２の走行可能および走行可能でない表面を決定し得る。
【0025】
[0031]幾つかの例において、コンピューティングデバイス１０６は、１つまたは複数のレーダデバイス１０８からレーダデータを受信し得る。例えば、レーダデバイスは、送信された信号に基づいてリターン信号（例えば、オブジェクトから反射された電波）を受信し得、かつ、平均強度および／または平均電力といったリターン信号の特性に少なくとも部分的に基づいて推定ノイズレベルを決定し得る。リターン信号の特性は、レーダデバイスのハードウェアおよび／またはソフトウェア構成に依存し得る（例えば、レーダデバイスによって使用されるＣＦＡＲアルゴリズムの種類に依存し得る）。幾つかのケースにおいて、レーダノイズレベルは、一定のノイズフロアとして表現され得るが、本明細書においてさらに説明されるように、追加のまたは代替のノイズフロアタイプが企図される。幾つかの例において、レーダデバイスは、レーダノイズレベルを満たすか、または超えるリターン信号の一部に関連付けられたオブジェクト検出を出力し得る。リターンレーダ信号および／またはオブジェクト検出を出力する場合、レーダデバイスは、検出されたオブジェクトに関連付けられた距離（例えば、レンジ）、方位角（例えば、オブジェクトが検出されたスキャン角度）、ドップラー、標高、受信電力（例えば、リターン信号の強度および／または電力）、ＳＮＲ、および／または、ＲＣＳを示す位置データを出力し得る。様々な例において、知覚エンジン１１０は、オブジェクト検出を含み得るレーダデータを受信し得、オブジェクト検出が導出された元の信号および／または未加工の信号自体に関するデータを含んでもよいし含まなくてもよい。
【0026】
[0032]なお、本明細書において示されるグラフおよびグリッドは、２次元のグラフおよびグリッドとして示されるが、それによって表されるデータは、２次元以上であり得る。例えば、レーダデータおよび／またはオブジェクト検出は、例えば、受信電力、距離、方位角（例えば、オブジェクトが検出されたスキャン角度）、ドップラー、標高、受信電力（例えば、リターン信号の強度および／または電力）、ＳＮＲ、および／または、ＲＣＳといった１つまたは複数の次元を含み得る。
【0027】
[0033]幾つかの例において、コンピューティングデバイス１０６は、追加的または代替的に、センサ１０４から画像１１８を受信し得る。画像１１８は、レーダデバイスが１つまたは複数のターゲットを検出し得、かつ、リターン信号の検出から潜在的に追加のオブジェクトを隠すレーダノイズを受信し得る例示的なシナリオを示す。一般に、レーダリターン信号の電力の強度は、電波を反射してリターン信号を生じさせるオブジェクトのサイズ、材料、向き、および／または、表面角度に依存し得る。したがって、画像１１８内に示される車両１２０およびトラック１２４のような大きなオブジェクトは、レーダ信号において、歩行者１２２のような、より小さなオブジェクトよりも大きなリターン信号を生成する傾向であり得る。幾つかの例において、車両１２０および／またはトラック１２４によって生じるリターン信号のような大きなリターン信号は、より大きなオブジェクトに起因するリターン信号のより大きな強度のために、レーダデバイスによってより高いと決定された推定ノイズレベルを歪め（skew）得る。歩行者１２２のような、同一または類似の領域内のより小さなオブジェクト（例えば、より小さい強度のリターン信号を伴うオブジェクト）は、歪んだノイズ閾値のためにレーダデバイスによって検出されなくなり得る。検出されないオブジェクトが、より大きな「歪んでいる（skewing）」オブジェクトに近づかなければ検出されない近接性は、レーダデバイスによってノイズレベルが設定される技術に依存し得る。例えば、推定ノイズレベルがセルの領域に基づく場合、その領域内のより小さいオブジェクトは検出されないかもしれないが、推定ノイズレベルがセル単位で決定される場合、より小さいオブジェクトを検出する可能性がわずかに改善される。
【0028】
[0034]幾つかの例において、コンピューティングデバイス１０６はまた、環境内を走行中の自律車両１０２のレーダ応答閾値を決定するように構成されたレーダ応答閾値コンポーネント１１２を含み得る。この例において、レーダ応答閾値コンポーネント１１２は、自律車両１０２上に実装されるが、他のケースにおいて、レーダ応答閾値コンポーネント１１２は、別個のコンピューティングデバイス（例えば、後述するコンピューティングデバイス９３８）上に実装されてもよい。そのようなケースにおいて、リモートのレーダ応答閾値コンポーネント１１２は、本明細書において説明される様々な技術を使用して、走行動作中に使用されるレーダ応答閾値を決定して１つまたは複数の自律車両１０２へ送信し得る。さらに他の例において、レーダ応答閾値コンポーネント１１２の幾つかの部分は、一般化されたデータ駆動レーダ応答閾値を決定するために自律車両１０２の外部に実装可能であり、一方、レーダ応答閾値コンポーネント１１２の他の部分は、特定の環境、走行条件、ユーザプリファレンスなどに閾値をカスタマイズまたは調整するために自律車両１０２上に実装可能である。
【0029】
[0035]レーダ応答閾値コンポーネント１１２は、自律車両１０２によって適用されるレーダ応答閾値を決定するために、様々な異なるデータソースからの１つまたは複数のデータアイテムを使用し得る。例えば、この例において示されるように、レーダ応答閾値コンポーネント１１２は、レーダ応答閾値を決定するために車両安全メトリック１２６を受信して使用し得る。車両安全メトリック１２６は、事故率（例えば、走行マイルあたりの衝突）、傷害率、車両または財産の損傷率、死亡推定率といった最小許容走行安全基準のうちの１つまたはそれらの組み合わせを含み得る。他のタイプの車両安全メトリック１２６は、ニアミス衝突率、制限速度または交通違反率、過剰なブレーキまたは加速度率、快適性メトリック適合率、および／または、自律車両１０２の性能に関連付けられたあらゆるデータを含み得る。幾つかのケースにおいて、車両安全メトリック１２６はまた、衝突が生じた場合に生じる可能性が高い損傷または傷害の量に基づいて調整され得る。例えば、車両安全メトリック１２６は、自律車両１０２の現在の速度および／または車両が潜在的に衝突する可能性のあるオブジェクトのタイプ（例えば、交通標識またはメールボックスに対して、歩行者、自転車または車）に基づいて、上方または下方に修正され得る。
【0030】
[0036]車両安全メトリック１２６を使用してレーダ応答閾値を決定する場合、幾つかのケースにおいて、レーダ応答閾値コンポーネント１１２は、複数の異なる可能な閾値の偽陰性検出および偽陽性検出（並びに、真陰性および真陽性）を評価し得る。そして、レーダ応答閾値コンポーネント１１２は、偽陰性および偽陽性の合計を最小化する閾値を選択し得、またはそうでなければ、レーダデータの領域内のレーダノイズによって隠されたオブジェクトの検出に失敗する可能性（例えば、偽陰性）と、オブジェクトが環境のその領域内に存在しない場合にオブジェクトが隠され得ると誤って決定すること（例えば、偽陽性）との間の効率的なバランスを提供し得る。
【0031】
[0037]幾つかの例において、レーダ応答閾値コンポーネント１１２は、様々な地上検証走行（ground truth driving）シナリオに閾値を適用することによって、特定のレーダ応答閾値を評価し得る。地上検証走行シナリオは、シミュレートシナリオ、ログベースシナリオ、および／または、実走行（live driving）シナリオであり得る。レーダ応答閾値を評価するために、レーダ応答閾値コンポーネント１１２は、１つまたは複数の地上検証走行シナリオの間に閾値を適用してもよい。レーダ応答閾値コンポーネント１１２は、近傍のオブジェクト検出からのレーダノイズの影響を受けたレーダデータの領域に閾値を適用することにより、その領域におけるレーダノイズが別のオブジェクトを潜在的に隠すのに十分大きい（例えば、肯定的なオブジェクト検出）か、またはその領域におけるレーダノイズが別のオブジェクトを隠すのには不十分である（例えば、否定的なオブジェクト検出）の何れかを決定し得る。レーダ応答閾値コンポーネント１１２は、そして、他のセンサ手段からのデータ（例えば、ライダまたは画像データ）、または、手動でラベルリングまたは検証されたデータを含み得る地上検証データを使用して、肯定的または否定的なオブジェクト検出を検証し、領域にオブジェクトが存在するか否かを確認し得る。レーダ応答閾値を使用した肯定的または否定的なオブジェクト決定、および、地上検証データを用いた対応する検証に基づいて、レーダ応答閾値コンポーネント１１２は、決定が真陽性、真陰性、偽陽性、または偽陰性の何れか１つであることを識別し得る。レーダ応答閾値コンポーネント１１２は、複数の異なる走行シナリオにおいてレーダ応答閾値について複数のこのような分析を実行し、そして、その結果を組み合わせて、事故、衝突、損傷／負傷または他の車両安全事故の数（または率）に外挿し得る。したがって、レーダ応答閾値コンポーネント１１２は、特定のレーダ応答閾値に関連付けられた車両安全メトリックを決定し得、あるいは逆に、提供された目標または所望の車両安全メトリック１２６に基づいて自律車両１２０によって適用されるレーダ応答閾値１３２を決定し得る。
【0032】
[0038]上記のように、レーダ応答閾値コンポーネント１１２はまた、幾つかの例において、自律車両１０２に対するレーダ応答閾値１３２を決定するために、レーダ応答分布１２８を使用し得る。レーダ応答分布１２８は、電力分布（例えば、ＲＣＳ分布）および／またはドップラー分布を含み得、特定のオブジェクトタイプ（例えば、歩行者、自転車、車、トラック、動物など）に関連付けられ得る。１つまたは複数のレーダ応答分布１２８を使用して、レーダ応答閾値コンポーネント１１２は、閾値が検出するオブジェクトタイプのオブジェクトの所望の確率（例えば、歩行者の９５％）に基づいて、レーダ応答閾値を決定し得る。
【0033】
[0039]追加的または代替的に、レーダ応答閾値コンポーネント１１２は、走行可能な表面メトリック１３０を使用してレーダ応答閾値１３２を決定し得る。走行可能な表面メトリック１３０は、走行可能な表面として指定される自律車両１０２の周囲の領域の最小量および／またはパーセンテージを含み得る。例えば、６０％という所定の走行可能な表面メトリック１３０に基づいて、レーダ応答閾値コンポーネント１１２は、自律車両１０２の周囲の領域（例えば、レーダセル）の６０％が走行中であるとの結果になる対応するレーダ応答閾値１３２を決定し得る。
【0034】
[0040]幾つかの例において、レーダ応答閾値コンポーネント１１２は、車両安全メトリック１２６と走行可能な表面メトリック１３０との間の組み合わせ、および／または、バランスに基づいて、自律車両１０２のレーダ応答閾値１３２を決定して、環境を通る高レベルの車両安全性および走行効率の両方を提供し得る。以下に説明するように、比較的大きなレーダ応答閾値１３２が選択される場合、閾値評価コンポーネント１１６は、レーダデータのより少ない領域をレーダノイズ内において潜在的にオブジェクトを隠すものとして識別し得、したがって、より全体的な走行可能な表面領域を有し得る。これに対し、比較的小さいレーダ応答閾値１３２が選択される場合、閾値評価コンポーネント１１６は、レーダデータのより多くの領域が潜在的にオブジェクトを隠すものとして識別し得、結果として、全体的な走行可能な表面領域は、より少なくなる。幾つかのケースにおいて、レーダ応答閾値コンポーネント１１２は、所定の車両安全メトリック１２６に適合する最大のレーダ応答閾値１３２、および、所定の走行可能な表面メトリック１３０に適合する最小のレーダ応答閾値１３２を決定し得る。このようなケースにおいて、レーダ応答閾値コンポーネント１１２は、所望の車両安全メトリック１２６および走行可能な表面メトリック１３０の両方に適合するために、決定された最小値と最大値との間のレーダ応答閾値１３２を選択し得る。
【0035】
[0041]幾つかの例において、一般的なレーダ応答閾値は、本明細書において説明される技術を使用して、リモートコンピューティングシステムによって決定されてもよいし、自律車両１０２へ送信されて自律車両１０２において現在の走行環境に基づいて修正されてもよい。例えば、レーダ応答閾値コンポーネント１１２は、現在の経路、交通状況、時刻、環境内の歩行者（または他のオブジェクト）の数などに基づいて、一般的なレーダ応答閾値を上方または下方にチューニングして、特定のレーダ応答閾値１３２を決定し得る。環境条件に基づいて、レーダ応答閾値コンポーネント１１２は、現在の環境における車両の安全性を高めるためにレーダ応答閾値を減少させるべきである、または環境における走行可能な表面の量を増加させるためにレーダ応答閾値を増加させるべきであることを決定し得る。
【0036】
[0042]追加的または代替的に、一般的なレーダ応答閾値は、自律車両１０２の現在の走行環境および／または走行条件に基づいて、上方または下方に調整され得る。例えば、レーダ応答閾値コンポーネント１１２は、自律車両１０２が都市内を走行している場合に、一般的なレーダ応答閾値に対して第１の修正を実行し得、自律車両１０２が走行している場合の一般的なレーダ応答閾値に対する第２の修正は、より密度の低い地方の（rural）環境であり得る。レーダ応答閾値コンポーネント１１２はまた、自律車両１０２が悪天候（例えば、雨、雪、霧など）において走行しているとの検出に基づいて、一般的なレーダ応答閾値を修正し得る。幾つかの例において、レーダ応答閾値コンポーネント１１２はまた、自律車両１０２の現在の走行環境および／または走行条件に基づいて、あらゆる車両安全メトリック１２６を修正し得る。
【0037】
[0043]レーダ応答閾値コンポーネント１１２はまた、特定の領域についてレーダ応答閾値１３２を上方または下方に調整してもよく、または領域の路面のタイプに基づいて異なるオブジェクト固有の閾値を領域に適用してもよい。例えば、レーダノイズの影響を潜在的に受けるレーダデータ領域が歩道に対応する場合、レーダ応答閾値コンポーネント１１２は、歩行者を検出するように構成されたレーダ応答閾値１３２を適用し得る。これに対し、異なる表面タイプ（例えば、自転車レーン、走行または相乗り（carpool）レーンなど）に対応する異なるレーダデータ領域について、レーダ応答閾値コンポーネント１１２は、異なるオブジェクトタイプ（例えば、自転車、小型車など）を検出するように構成された異なるレーダ応答閾値１３２を適用し得る。
【0038】
[0044]幾つかの例において、知覚エンジン１１０は、特定の位置に関連付けられたレーダリターン信号が真陽性、偽陽性、真陰性または偽陰性である確率（または信頼レベル）を決定し得る。例えば、ある位置におけるリターン信号の様々な確率を決定するために、知覚エンジン１１０は、レーダノイズ推定器１１４を使用して、推定ノイズフロアを決定し、閾値評価コンポーネント１１６を使用して、特定のオブジェクトタイプ（例えば、歩行者）に関連付けられたレーダ応答閾値を決定し、推定ノイズフロアおよびオブジェクトタイプ閾値に少なくとも部分的に基づいて、その位置において隠されたオブジェクトの確率を決定し得る。レーダノイズ推定器１１４は、レーダデバイスから受信された１つまたは複数のオブジェクト検出に少なくとも部分的に基づいて、その位置における１つまたは複数の推定ノイズレベルを決定し得、レーダ応答閾値コンポーネント１１２は、特定のオブジェクトタイプに関連付けられた分布を使用して、オブジェクトタイプおよび／または異なるオブジェクトパラメータ（例えば、サイズ、推定反射率）に関連付けられたＲＣＳおよび／またはドップラー閾値を決定し得る。
【0039】
[0045]ある位置における推定ノイズレベル、および、様々なオブジェクトタイプのレーダ応答閾値に基づいて、知覚エンジン１１０は、その位置がオブジェクトタイプのオブジェクトを含む可能性が十分に高い（例えば、確率閾値を満たすか、または超えるか）を決定し得る。換言すれば、知覚エンジン１１０は、推定レーダノイズおよびオブジェクトタイプ閾値に基づいて、レーダデバイスがレーダデータの一部に関連付けられた環境の特定の領域内のオブジェクトタイプのオブジェクトを検出することが可能であるかを決定し得る。幾つかの例において、レーダデータの一部は、環境の一部を表すビンまたはその幾つかの他の部分であると定義され得る。ビンは、距離、方位角、標高、および／または、受信電力のセットに関連付けられたレーダデータを含み得る。例えば、特定のビンは、ビンによって指定された方位角、距離、および／または標高のレンジに関連付けられたあらゆるオブジェクト検出に関連付けられた受信電力データを含み得る。幾つかの例において、ビンは、以下においてり詳細に説明されるように、レーダ空間グリッド１３４内のセルに関連付けられてもよく、および／または、レーダ空間グリッド１３４内のセルとして表されてもよい。この例においてはレーダ空間グリッド１３４が使用されるが、他のケースにおいて、環境についてのレーダデータは、レーダセル、レーダベースの等高線などの他の非グリッド構成において表され得る。幾つかの例において、ビンは、レーダデータの１つまたは複数の次元における設定定数および／または値のレンジに関連付けられ得る。例えば、ビンは、一定の仰角、距離のレンジ、方位角のレンジ、および／または、あらゆるドップラー値に関連付けられ得る。
【0040】
[0046]知覚エンジン１１０は、追加的または代替的に、センサ１０４によってキャプチャされたセンサデータを利用して、環境の領域に関連付けられたセルを含み得るレーダ空間グリッド１３４を含む１つまたは複数の空間グリッドを生成および維持し得る。レーダ空間グリッド１３４の各セルは、レーダデータのビン（または他の部分）に関連付けられ得る。幾つかの例において、知覚エンジン１１０は、セルに関連付けられたレーダデータが隠されたオブジェクトを含む可能性が高いかを決定し得、かつ、尤度がオブジェクトタイプに関連付けられた閾値を満たすか、または超えるかを示し得る。幾つかの例において、レーダ空間グリッド１３４のセルは、代替的または追加的に、オブジェクトによって占有されているとの指定（例えば、セルに対応する環境の領域に関連して、少なくとも１つのオブジェクト検出がレーダデバイスまたは自律車両１０２の他のシステムによって出力されたこと）、および／または、そのような検出に関連する追加のメタデータ、例えば、本明細書においてより詳細に説明されるように、セマンティックラベル、ライダポイント、ライダインスタンスセグメンテーション、レーダインスタンスセグメンテーションなどの知覚エンジン１１０によって決定された他のデータを含み得る。
【0041】
[0047]この例において、レーダ空間グリッド１３４は、単純化のために８×８グリッドとして示される。しかしながら、他の例において、あらゆるサイズ（例えば、空間グリッドに関連付けられた現実世界の領域）、形状（例えば、空間グリッドの長さおよび幅）、並びに、解像度（例えば、空間グリッドを作り上げるために使用されるセルのサイズ）は、必要とされる正確度（accuracy）および精度（precision）、ビンのサイズ（dimensions）、メモリサイズの制約、処理速度および負荷の制約、センサレンジの制限などに依存して、レーダ空間グリッド１３４のために使用され得る。幾つかの例において、空間グリッドは、空間グリッドが入力されるセンサデータをキャプチャするために使用されるセンサ１０４の信頼できるレンジに一致するようにサイズおよび形状が設定され得、かつ、解像度は、メモリおよび処理に制約を与えられた所与のアプリケーションに必要な正確度および精度を最大化することによって選択され得る。幾つかの例において、長さおよび幅は同じであってもよいが、他の例において、長さおよび幅は異なっていてもよい。具体例において、空間グリッドのサイズは、セルあたり０．２５メートルの解像度で、幅約５０～２００メートル、長さ約５０～２００メートルであり得る。
【0042】
[0048]幾つかの例において、知覚エンジン１１０は、追加的または代替的に、あらゆるセンサデータを使用して自律車両１０２を位置特定し得る位置特定エンジン（図示せず）によって決定された自律車両１０２の位置、自律車両１０２の近傍のオブジェクトに関連したデータ（例えば、検出されたオブジェクトに関連付けられた分類、インスタンスセグメンテーション、軌道）、車両の目的地を指定する経路データ、道路の特徴を識別するグローバルマップデータ（例えば、自律車両の位置特定に有用な異なるセンサモダリティにおいて検出可能な特徴）、車両に近接して検出された特徴を識別するローカルマップデータ（例えば、位置、建物、木、フェンス、消火栓、停止標識の位置および／またはサイズ、および、様々なセンサモダリティにおいて検出可能な他の特徴）などを決定し得る。知覚エンジン１１０によって生成されたデータ（レーダ空間グリッド１３４を含む）は、「知覚データ」と総称され得る。知覚エンジン１１０が知覚データを生成すると、知覚エンジン１１０は、知覚データを予測コンポーネントおよび／または計画コンポーネントに提供し得る。
【0043】
[0049]コンピューティングデバイス１０６内の計画コンポーネントは、レーダ空間グリッド１３４、および／または、本明細書において説明される走行可能および／または走行可能でない表面のあらゆる決定を含む知覚データを使用して、グローバルマップおよび／またはローカルマップ上の自律車両１０２の位置を特定し（これは、追加的または代替的に、図示されていない位置特定コンポーネントによって達成され得る）、１つまたは複数の軌道を決定し、自律車両１０２の動きを制御してパスまたは経路を移動し、および／または、そうでなければ自律車両１０２の動作を制御し得るが、あらゆるそのような動作は、様々な他のコンポーネントにおいて実行されてもよい（例えば、位置特定は、図示されていない位置特定エンジンによって実行されてよい）。例えば、計画コンポーネントは、第１の位置から第２の位置までの自律車両１０２の経路を決定し得、後退ホライズン技術（例えば、１マイクロ秒、半秒）に従い、かつ、レーダ空間グリッド１３４に少なくとも部分的に基づき、自律車両１０２の動きを制御するための複数の潜在的な軌道を実質的に同時に生成し得る（例えば、あらゆる検出されたオブジェクトを避けるため、および、オブジェクトがレーダノイズによって隠され得てレーダデバイスによって検出されないかもしれない尤度を組み込む）。例えば、レーダ空間グリッド１３４は、車両１２０に対応する車両検出レーダデータ１３６、および、トラック１２４に対応する第２の車両検出レーダデータ１３８を含む。知覚エンジン１１０は、レーダデータを分析して、レーダ空間グリッド１３４上の位置に関連付けられた推定ノイズレベル、特定のオブジェクトタイプに関連付けられたレーダ応答閾値および確率閾値を決定し得、レーダ空間グリッド１３４上の走行可能／走行可能でない表面を決定し得、そこから自律車両１０２の軌道が生成され得る。図１は、そのような軌道の例を示し、進行方向、速度、および／または、加速度を示す矢印として表されるが、軌道自体は、ＰＩＤコントローラのための命令を含み得、ＰＩＤコントローラは、次に、自律車両１０２の駆動システムを作動させ得る。
【0044】
[0050]図２は、例示的な歩行者ＲＣＳ分布２００および例示的な歩行者ドップラー分布２０２を示す。この例において、分布２００及び２０２は歩行者に関連付けられているが、追加のＲＣＳ分布およびドップラー分布は、他のオブジェクトタイプ（例えば、自転車、車、トラック、動物など）に関連付けられ得る。分布２００および２０２は、自律車両１０２によって生成されてもよいし、および／または、別個の外部コンピューティングデバイスおよびシステムによって生成されてもよく、オブジェクトタイプ固有のレーダ応答閾値を決定する際に使用するために自律車両１０２に送信されてもよい。分布２００および２０２が基づくデータは、物理環境を移動している車両のレーダデバイス１０８および／またはセンサ１０４によってキャプチャされた歩行者データを含み得る。例えば、車両は、環境内の歩行者からのレーダ応答データ、および、レーダリターン信号が歩行者に対応することを検証するために使用される追加のセンサデータ（例えば、カメラおよび／またはＬＩＤＡＲデータ）を含むログデータをキャプチャし記憶し得る。
【0045】
[0051]この例において、歩行者ＲＣＳ分布２００は、ほぼ正規分布（またはガウス分布）に対応し得る。しかしながら、他の例において、歩行者ＲＣＳ分布、または他のオブジェクトタイプのＲＣＳ分布は、あらゆる可能な確率分布関数に対応し得る。分布２００内の個々の歩行者ＲＣＳデータポイントは、例えば、歩行者のサイズ、歩行者に関連付けられた表面材料（例えば、衣類材料、色、反射率など）、レーダデバイスに対する歩行者の向き、および／または、リターン信号を生じさせる電波を反射する歩行者の表面角度に基づいてもよい。
【0046】
[0052]この例において、歩行者ドップラー分布２０２は、三峰性分布に対応する。この例における三峰分布は、レーダデバイスから約２～４ｍ／ｓの歩行速度で、レーダデバイスから離れる歩行者、レーダデバイスに向かう歩行者、および、レーダデバイスに対して静止している歩行者の相対的に大きな数を表し得る。しかしながら、他の例において、分布２０２は、均一分布、正規分布、または、歩行者ドップラーレーダ測定に基づいて確率分布関数を表すあらゆる分布に対応してもよい。分布２０２内の個々の歩行者ドップラーデータポイントは、歩行者の速度および／またはドップラーレーダデバイスによってキャプチャされたあらゆる他の測定値に基づいてもよい。
【0047】
[0053]図３は、環境内のオブジェクト検出の数に対応するレーダリターン信号、および。推定ノイズレベルを含む例示的なレーダデータ分析を示す。この例はまた、図２を参照して上述した分布２００を示し、ここにおいて、確率値および／または信頼レベルが分布に適用されて、オブジェクトタイプに関連付けられたレーダ応答閾値が決定される。この例において、歩行者ＲＣＳ分布２００は、影付き及び非影付きの領域を含み、歩行者ＲＣＳ閾値３０２を示す。ＲＣＳ閾値３０２は、分布２００内の歩行者ＲＣＳ値の確率パーセンタイル（例えば、第５パーセンタイル）に基づいてよい。５％の確率は、レーダデバイス１０８によって検出された歩行者の９５％（例えば、分布２００の影付き領域）がＲＣＳ閾値３０２を満たすか、または超えるＲＣＳ値を有するべきことを示し得る。
【0048】
[0054]上記のように、知覚エンジン１１０または自律車両１０２の他のコンポーネントは、所望の安全基準および／またはレーダデータ領域が歩行者を隠していないとの信頼レベルに基づいて、確率パーセンタイルを選択し得る。また、確率値（例えば、５％）を修正して値を増加または減少させ、対応するＲＣＳ閾値３０２を調整して、車両の安全性および／または走行効率を改善し得る。例えば、確率を５％から２％に低下させることは、レーダデバイス１０８によって検出された歩行者の９８％が、より低いＲＣＳ閾値を満たすか、または超えるＲＣＳ値を有すべきことを保証するために、より低いＲＣＳ閾値をもたらし得る。これは、走行可能なレーダデータエリアが歩行者を隠していないという、より高い信頼レベルをもたらし得るが、より少ない走行可能な表面をもたらすことにもなり得る。これに対し、パーセンタイル値を５％から８％に上げることは、より高いＲＣＳ閾値を生じ得て、より走行可能な表面をもたらし得るが、走行可能なレーダデータエリアが歩行者を隠していないことについて、より低い信頼レベルをもたらす。
【0049】
[0055]この例は、歩行者ＲＣＳ分布２００、および、所望の確率または信頼レベル（例えば、５％）を使用してＲＣＳ閾値３０２を決定することを説明するが、他の例において、歩行者ドップラー分布２０２は、歩行者のドップラー閾値を決定するために、同様または同一の方法で使用され得る。例えば、例示的なドップラー分布２０２において、５％の所望の確率は、－４ｍ／ｓのドップラー閾値をもたらし得、これは、観測された歩行者の９５％が、－４ｍ／ｓの閾値を満たすか、または超えるドップラー測定値を有することを意味する。歩行者ＲＣＳ、および、ドップラー分布２００および／または２０２はまた、ＲＣＳおよびドップラー閾値に代替してまたは追加して、歩行者ＲＣＳおよび／またはドップラーレンジを決定するために使用されてもよい。例えば、ドップラー値についての９５％の所望の信頼レベルは、－３ｍ／ｓ～３ｍ／ｓの間のドップラーレンジに対応し得る。様々な例において、走行可能および走行可能でない表面を決定するために、ＲＣＳおよび／またはドップラー値のレンジおよび／または閾値が使用され得る。
【0050】
[0056]さらに、幾つかの例において、歩行者（または他のオブジェクト）の移動しそうな方向を自律車両１０２と関連して決定することが可能な場合、歩行者ドップラー分布２０２を修正することが可能である。例えば、自律車両１０２は、本明細書において説明される様々なコンポーネントおよび機能（例えば、知覚コンポーネント、マップ、位置特定コンポーネントなど）を使用して、環境内の近傍の横断歩道、歩道、自転車道、一方向または双方向のストリート、または他の特徴に対する、現在の環境における車両の位置を決定し得る。これらの環境特徴のサイズ、形状、角度、および、向きを使用して、歩行者の移動しそうな方向を決定することが可能であり、レーダ応答閾値コンポーネント１１２は、これらの方向を使用して、車両に対して決定された方向／角度で移動する歩行者のより正確なドップラー分布を反映する修正された歩行者ドップラー分布２０２を決定し得る。
【0051】
[0057]ＲＣＳ閾値および／またはドップラー閾値を含むオブジェクトタイプのレーダ応答閾値もまた、必要に応じて車両の安全性および／または走行効率を改善するために、車両の動作中に上方または下方に修正され得る。例えば、車両のコンポーネントは、１つまたは複数のオブジェクトタイプに使用されるレーダ応答閾値を調整して、閾値に基づき車両に対して決定された走行可能および走行可能でない表面を変更し得る。例えば、車両の周囲の環境が、車両が環境を移動することを許容するのに十分な走行可能な表面を含まない場合、オブジェクトタイプ閾値コンポーネントは、レーダ応答閾値を増加して、車両に利用可能な走行可能な表面の量を増加し得る。これに対し、環境が十分すぎるほどの走行可能な表面を含む場合、オブジェクトタイプ閾値コンポーネントは、１つまたは複数のレーダ応答閾値を増加して、潜在的なオブジェクトが環境内のレーダノイズによって隠せなかったという信頼レベルを増加し得る。
【0052】
[0058]図３はまた、受信したレーダデータの例を示すチャート３０４を示す。チャート３０４に示されるレーダデータは、例示的な環境からの受信レーダデータに関連付けられた受信電力レベルおよび距離データを含む。この例において、チャート３０４は、例示的なオブジェクト検出３０６、および、オブジェクト検出３０６に基づいた推定レーダノイズレベル３０８を含む。或る位置（例えば、レーダデバイスからの距離）における推定レーダノイズレベル３０８は、その位置とオブジェクト検出３０６との間の距離差、および、オブジェクト検出３０６の電力レベルに少なくとも部分的に基づき得る。幾つかのケースにおいて、推定レーダノイズレベル３０８は、複数のオブジェクト検出および／またはスキャンされた領域内の周囲または近傍のセルからのレーダデータの他の属性に基づいてもよい。潜在的に隠れたオブジェクトの位置の決定、および、走行可能／走行可能でない表面の決定を支援するために自律車両１０２に組み込まれ得る推定レーダノイズフロアを決定するための様々な技術の例は、例えば、２０１９年５月８日に出願され、「レーダ偽陰性分析」と題された米国特許出願第１６，４０７，１３９号において見出すことが可能であり、全ての目的のためにその全体が参照により本明細書に組み込まれる。
【0053】
[0059]レーダデータチャート３０４はまた、オブジェクト検出３０６の位置に比較的近い位置における環境内の歩行者を表す、レーダリターン信号３１０および３１２の２つの例を含む。チャート３０４に示されるように、オブジェクト検出３０６に関連付けられたレーダデータは、異なる検出からのレーダデータが距離および／またはドップラー次元内の同じ／重複する領域に影響を与え得るという点において、レーダリターン信号３１０および３１２からのレーダデータと重複する。この例において、レーダリターン信号３１０および３１２は、同じ信号電力を有し、これは、ＲＣＳ閾値３０２と同じであり得る。第１の歩行者リターン信号３１０は、オブジェクト検出３０６の位置により近い（距離内の）位置であるため、推定レーダノイズレベル３０８を下回り、したがって、知覚エンジン１１０によって別個のオブジェクト検出として検出されないかもしれない。これに対し、同じ電力レベルを有するがオブジェクト検出３０６の位置からより遠い（距離内の）第２の歩行者リターン信号３１２は、推定レーダノイズレベル３０８を超えており、したがって、知覚エンジン１１０によって別個のオブジェクト検出として検出され得る。様々な歩行者リターン信号は、分布２００内のあらゆるＲＣＳレベルで分散され得るが、この例は、ＲＣＳ閾値３０２における同じ歩行者が、歩行者とオブジェクト検出３０６の位置との間の距離の差に基づいて検出されるか、または検出されないことがあることを示す。以下に説明するように、ＲＣＳ閾値３０２が推定レーダノイズレベル３０８と交差する点は、オブジェクト検出３０６を取り囲む走行可能でない表面の境界に対応し得る。
【0054】
[0060]図４は、自律車両１０２の周囲の環境を示す例示的なグリッドマップ４００を示す。例示的なグリッドマップ４００は、図１を参照して上述した画像１１８に対応し得、自律車両１０２を取り囲む同じ環境を表し得る。グリッドマップ４００はまた、領域（例えば、１つまたは複数のレーダセルのグループピング）に対応するグリッド線と、環境内の走行可能な領域および走行可能でない領域を示す影付き領域とを含む。この例においては、２つの車両レーダ検出４０２および４０４に対応する２つの走行可能でない領域が示される。車両レーダ検出４０２は、車両検出レーダデータ１３６に対応し得、車両レーダ検出４０４は、第２の車両検出レーダデータ１３８に対応し得る。この例において、黒（走行可能でない）領域と白（走行可能）領域との間の境界は、推定レーダノイズレベルが、オブジェクトタイプに関連付けられたレーダ応答閾値と交差する位置であり得る。例えば、車両レーダ検出４０２が図３におけるオブジェクト検出３０６に対応する場合、車両レーダ検出４０２の走行可能でない（黒くなった）領域の境界は、推定レーダノイズレベル３０８が歩行者ＲＣＳ閾値３０２と交差する位置であり得る。
【0055】
[0061]上記のように、ＲＣＳ閾値および／またはドップラー閾値を含む異なるレーダ応答閾値は、異なるオブジェクトタイプに関連付けられ得る。したがって、例示的なグリッドマップ４００は、レーダデータノイズ内の隠れた歩行者の可能性に関する走行可能／走行可能でない表面の間の境界を示すが、他の例において、境界の異なるセットが異なるオブジェクトタイプ（例えば、自転車、車、トラック、動物など）に対して決定され得る。したがって、知覚エンジン１１０は、単一のセルの異なるオブジェクトタイプについて複数の尤度を決定し得る。グリッドマップ４００は、第１のオブジェクトタイプ（例えば、「歩行者」、「大型車両」、「乗用車」、「サイクリスト」、「４本足の動物」）に関連付けられた異なる走行可能および走行可能でない表面を有し得る。グリッドマップ４００は、追加的または代替的に、自律車両１０２の周囲の環境内の位置に対応するグリッドマップ４００の個々のセルが、様々なオブジェクトタイプに固有の閾値を満たすか、または超えない、または（例えば、閉塞（occlusion）が原因で）適切なレーダデータに関連付けられていない推定ノイズレベルに関連付けられているという表示を含み得る。
【0056】
[0062]図５は、より大きなオブジェクトの検出５０２と、環境内のより小さなオブジェクトに対応する２つの異なるオブジェクトリターン信号（第１のオブジェクトリターン信号５０４および第２のオブジェクトリターン信号５０６）との間のレンジおよびドップラー測定値の差分（またはデルタ）を示すグラフ５００を示す。上述したように、レーダデータに関してより大きなオブジェクトは、レーダリターン信号の大きさを指し得、必ずしもオブジェクトの物理的なサイズを指す必要はない。むしろ、レーダリターン信号の大きさは、リターン信号を生じさせる、電波を反射するオブジェクトのサイズ、材料、向き、および／または表面角度の組み合わせに依存し得る。この例において、検出５０２は、第１のオブジェクトリターン信号５０４および第２のオブジェクトリターン信号５０６によって表される、近傍の、より小さなオブジェクトを潜在的に隠すことが可能なレーダノイズを生成し得る、より大きなオブジェクトに対応し得る。
【0057】
[0063]幾つかの例において、レーダノイズの少なくとも一部は、より大きなオブジェクトのリターン信号（例えば、検出５０２）に関連付けられたサイドローブレベルに対応し得る。オブジェクト検出に関連付けられたサイドローブレベルは、レーダデバイス、レーダ信号、および、検出されたオブジェクトの特性に基づいて様々な異なるパターンで変動し得る。しかしながら、近傍の位置でのサイドローブレベルは、通常、位置がオブジェクト検出の位置からさらに移動するにつれて強度が低下する。追加的に、幾つかの例において、より大きなオブジェクトの検出５０２に関連付けられたサイドローブレベル（および、対応するレーダノイズ）は、検出５０２と近傍の位置との間の距離の差分、および、検出５０２と近傍の位置との間のドップラー測定値の差分に基づいてもよい。この例に示されるように、第１のオブジェクトリターン信号５０４は、検出５０２との距離において相対的に小さな差分を有するが、第１のオブジェクトリターン信号５０４に関連付けられたレーダノイズの量を増加させ得る、より大きなドップラー差分を有する。第２のオブジェクトリターン信号５０６は、検出５０２との距離において相対的に大きな差分、並びに、大きなドップラー差分を有し、これは第２のオブジェクトリターン信号５０６に関連付けられたより大きなレーダノイズレベルをもたらし得る。追加的に、レーダデータ内の検出に関連付けられたドップラー測定値は、ドップラー測定値がキャプチャされた時の自律車両１０２の速度に関連して決定され得る。
【0058】
[0064]図６は、レーダデータを分析して環境を移動する車両の走行可能な表面および走行可能でない表面を決定する例示的なプロセス６００を示すフロー図である。以下に説明するように、車両は、レーダデータを分析して、車両に近い領域でのノイズレベルをオブジェクト検出に基づいて決定し得、特定のオブジェクトタイプおよび確率／信頼レベルに関連付けられたレーダ応答閾値を使用して、上述した様々なシステム及び技術に従い、走行可能および走行可能でない表面を決定し得る。様々な例において、プロセス６００の動作は、レーダ応答閾値コンポーネント１１２、レーダノイズ推定器１１４、閾値評価コンポーネント１１６、および／または、本明細書において説明される様々な他のシステムおよびコンポーネントを使用する知覚エンジン１１０のような、自律車両の１つまたは複数のコンポーネントによって実施され得る。
【0059】
[0065]プロセス６００は、論理フロー図内のブロックの集合として示され、これは、動作のシーケンスを表し、その幾つかまたは全部は、ハードウェア、ソフトウェア、またはそれらの組み合わせにおいて実装することが可能である。ソフトウェアの文脈において、ブロックは、１つまたは複数のプロセッサによって実行された場合に、列挙した動作を実行する１つまたは複数のコンピュータ可読媒体に記憶されたコンピュータ実行可能命令を表す。一般に、コンピュータ実行可能命令は、特定の機能を実行するか、または特定の抽象データ型を実装する、ルーチン、プログラム、オブジェクト、コンポーネント、暗号化、復号化、圧縮、記録、データ構造などを含む。動作が記述される順序は、限定として解釈されるべきではない。記載したブロックのあらゆる数は、あらゆる順序で、および／または、並列に組み合わされて、プロセスまたは代替プロセスを実行することが可能であり、全部のブロックが実行される必要はない。説明の目的のために、ここでのプロセスは、本明細書の例において説明される、フレームワーク、アーキテクチャおよび環境を参照して説明されるが、プロセスは、多種多様な他のフレームワーク、アーキテクチャまたは環境において実装され得る。
【0060】
[0066]動作６０２において、自律車両１０２は、１つまたは複数のターゲット検出を示すレーダデータをレーダデバイスから受信し得る。レーダデータは、自律車両１０２の環境内において検出されたオブジェクトに基づいて受信された幾つかのリターン信号を含み得る。オブジェクトから反射された電波を含むリターン信号は、検出されたオブジェクトに関連付けられた距離、方位角、仰角、ドップラー値、受信電力、ＳＮＲ、および／または、ＲＣＳといった、検出されたオブジェクトの特性に基づく様々な特性を有し得る。様々な例において、動作６０２において受信されたレーダデータは、未加工のレーダ信号データ、および／または、未加工の信号データからレーダデバイス１０８によって導出されたリターン信号特性の何れかを含み得る。
【0061】
[0067]動作６０４において、自律車両１０２は、動作６０２において受信されたレーダデータ内のターゲット検出に基づいて、環境内の１つまたは複数の領域におけるレーダノイズレベルを決定し得る。幾つかの例において、知覚エンジン１１０は、レーダノイズ推定器１１４を使用して、近傍のオブジェクト検出の特性に基づき、環境内の領域の推定ノイズレベル（またはノイズフロア）を決定し得る。図３を参照して上述したように、より大きなオブジェクトが環境内の検出位置において検出される場合、より大きなオブジェクトの検出は、検出位置に近い領域について受信されたレーダデータにノイズを引き起こし得る。例えば、環境の特定の領域について、レーダノイズ推定器１１４は、特定の領域と検出との間の距離差、特定の領域と検出との間のドップラー差、および、検出の強度および／または受信電力に基づいて、推定ノイズレベルを決定し得る。
【0062】
[0068]動作６０６において、自律車両１０２は、特定のオブジェクトタイプに関連付けられた１つまたは複数のレーダ応答閾値を決定し得る。上述したように、レーダ応答閾値は、ＲＣＳ閾値、ドップラー閾値、および／または、動作６０２において受信したレーダデータに関連付けられた他のタイプのレーダデータ閾値（例えば、強度または反射電力値閾値など）を含み得る。幾つかの例において、レーダ応答閾値コンポーネント１１２は、特定のオブジェクトタイプに関連付けられた１つまたは複数の分布を使用して、レーダ応答閾値を決定し得る。例えば、歩行者を検出するための所定の確率または信頼レベル（例えば、９５％）に基づいて、レーダ応答閾値コンポーネント１１２は、歩行者ＲＣＳ分布２００を使用して、環境内に存在し得る歩行者の９５％を検出するために適用可能な歩行者ＲＣＳ閾値３０２を決定し得る。異なる確率／信頼レベル（例えば、９０％、９５％、９９％など）に対応するレーダ応答閾値を決定するために、同様の技術が使用され得、かつ、オブジェクトタイプの異なるレーダ応答閾値（例えば、ドップラー閾値および／または距離）を決定するために、異なる分布（例えば、ドップラー分布２０２）が使用され得る。追加的に、上述したように、レーダ応答閾値コンポーネント１１２は、異なるオブジェクトタイプ（例えば、歩行者、自転車、動物、小型車、交通標識など）に対して異なるレーダ応答閾値のセットを決定し得る。
【0063】
[0069]動作６０８において、自律車両１０２は、動作６０４において決定された、環境における特定の領域に対するレーダノイズレベルが、動作６０６において決定された、オブジェクトタイプに対するレーダ応答閾値を満たすか、または超えるかを決定する。幾つかの例において、知覚エンジン１１０は、環境内の異なる領域についてレーダノイズ推定器１１４によって決定されたレーダノイズレベルと、１つまたは複数のオブジェクトタイプについてレーダ応答閾値コンポーネント１１２によって決定されたレーダ応答閾値との間の幾つかの比較を実施し得る。領域についての推定レーダノイズレベルが、オブジェクトタイプについてのレーダ応答閾値を満たすか、または超える場合（６０８：Ｙｅｓ）、次いで動作６１０において、知覚エンジン１１０は、その領域が走行可能でない表面であると決定し得る。動作６１０において領域が走行可能でないとの決定は、領域がレーダデバイスによって効果的にスキャンできないほど領域における推定ノイズレベルが高すぎるという決定に対応し得、オブジェクトが領域に隠れていないことを特定のオブジェクトタイプ（例えば、歩行者の９５％）について所望の信頼レベルで保証する。これに対し、領域についての推定レーダノイズレベルがオブジェクトタイプについてのレーダ応答閾値を超えない場合（６０８：Ｎｏ）、次いで動作６１２において、知覚エンジン１１０は、その領域が走行可能な表面であると決定し得る。動作６１２における決定は、その領域における推定ノイズレベルが、知覚エンジン１１０に、オブジェクトが領域において隠れていないという、特定のオブジェクトタイプ（例えば、歩行者の９５％）についての所望の信頼レベルで結論付けることを許容にするのに十分に低いとの決定に対応し得る。
【0064】
[0070]動作６１４において、知覚エンジン１１０は、環境内の走行可能な領域および走行可能でない領域の決定に基づいて、自律車両１０２を制御するために、自律車両１０２の軌道を決定し得、および／または、追加の特徴（例えば、ＣＡＳ、リモート操作、自律走行機能など）をアクティブ化または非アクティブ化し得る。幾つかの例において、知覚エンジン１１０（および／または、予測または計画コンポーネント）は、環境内の走行可能および走行可能でない領域のマップを使用して、自律車両をナビゲートするための計画路（planning corridor）を決定し得る。例えば、計画路は、知覚エンジン１１０から受信された自律車両の幅および／または知覚データ（例えば、走行可能な表面および走行可能でない表面を識別するグリッドマップ４００）に少なくとも部分的に基づいて決定され得る。幾つかの例において、計画路は、コンピューティングデバイス１０６によって生成された潜在的な軌道を結合し得、潜在的な軌道の中から自律車両１０２を動作させるための軌道を選択して、走行可能でない表面を除外し、グリッドマップ４００に走行可能な表面を含め得る。計画路は、追加的または代替的に、車両の幅および／または自律車両１０２を動作させることに関連付けられたトレランスに少なくとも部分的に基づいてもよい。
【0065】
[0071]図７は、環境内の異なる領域における異なるドップラーレンジの確率に関連付けられた推定レーダノイズレベルを格納するレーダデータモデル７００を示す。この例において、レーダデータモデル７００は、環境内の各領域についての複数の推定レーダノイズレベルを格納する多次元モデルである。この例における領域は、１つまたは複数のレーダセルに対応し得、方位角値および距離値の交点によって表され得る。他の例において、領域は、方位角および距離の値に代替してまたは追加して、１つまたは複数の追加のパラメータまたは次元（例えば、仰角）を含んでもよい。
【0066】
[0072]上述したように、環境内の大きなオブジェクトの検出によって生成されるサイドローブレベル（および、対応するレーダノイズ）は、オブジェクト検出の領域とレーダノイズ推定値が決定されている領域との間の距離差およびドップラー差に基づいてもよい。結果として、環境内の単一の領域７０２（距離と方位角との間の交差点によって定義される）は、領域７０２に潜在的に存在し得るオブジェクト（例えば、歩行者）のドップラー測定に基づいて、異なる推定ノイズレベルを有し得る。幾つかの例において、レーダノイズ推定器１１４は、異なるドップラー値に対応する領域についての異なる推定レーダノイズレベルを決定し得る。レーダデータモデル７００において示されるように、環境内の各領域は、複数の異なるドップラー値（またはドップラー値のレンジ）を有し得る。例えば、領域７０２について、モデルは、歩行者ドップラー分布２０２に基づいて、複数のドップラー値７０４、７０６、７０８、７１０、７１２、および、７１４を定義し得、異なるドップラー値７０４～７１４のそれぞれに関連付けられた別個のレーダノイズレベル（例えば、ＲＣＳノイズ）を含み得る。例示のために、領域７０２において、レーダノイズ推定器１１４は、ドップラー値７０４に関連付けられた第１のレーダノイズレベル値（例えば、－６ｍ／ｓと－４ｍ／ｓとの間）、ドップラー値７０６に関連付けられた第２のレーダノイズレベル値（例えば、－４ｍ／ｓと－２ｍ／ｓとの間）、ドップラー値７０８に関連付けられた第３のレーダノイズレベル値（例えば、－２ｍ／ｓと０ｍ／ｓとの間）などを決定し得る。
【0067】
[0073]この例において、領域７０２に関連付けられた全体のＲＣＳ閾値を決定するために、閾値評価コンポーネント１１６は、異なるドップラー値７０４～７１４に関連付けられた確率と共に、異なるドップラー値７０４～７１４に関連付けられた個々のレーダノイズレベル値を使用し得る（例えば、歩行者ドップラー分布２０２に基づいて）。例えば、異なるドップラー値に関連付けられた個々のＲＣＳ閾値に基づいて、領域７０２のＲＣＳ閾値を決定するために使用される確率関数は、式１に従って以下のように表される、領域に歩行者が隠れていない９５％の信頼レベルに対応する。
【0068】
【数1】
【0069】
この例において、各Ｐ（ｖｅｌ＝Ｎ ｍ／ｓ）は、環境内において歩行者がＮ ｍ／ｓで移動する確率を表し、各Ｐ（ＲＣＳ＜ｅｓｔ ＲＣＳ ｎｏｉｓｅ ｌｅｖｅｌ ａｔ －Ｎ ｍ／ｓ）は、特定のＲＣＳが同じドップラー測定に関連付けられた推定レーダノイズレベル値（例えば、Ｎ ｍ／ｓ）よりも小さい確率を表す。式１を使用して、閾値評価コンポーネント１１６は、ＲＣＳについて、歩行者が領域に隠れることができない所望の確率／信頼レベル（例えば、９５％）に対応するＲＣＳ閾値を決定することを解き得る。また、式１は、同じ所定のＲＣＳ閾値に関連付けられた全体的な確率（この例においては、０．９５よりも大きくてもよいし小さくてもよい）を解くために、所定のＲＣＳ項を用いて実行されてもよい。
【0070】
[0074]図８は、レーダデータを分析して、環境を移動する車両の走行可能な表面および走行可能でない表面を決定する他の例示的なプロセス８００を示すフロー図である。幾つかの例において、プロセス８００は、上述したプロセス６００と同様、同一であってもよい。しかしながら、この例において、単一の領域は、異なるドップラー値（またはドップラー値のレンジ）に関連付けられた複数の異なる推定レーダノイズレベルを有し得、車両は、異なるドップラー値に関連付けられた個々の確率を決定し、個々の確率を合計して、領域に関連付けられた全体的な確率を決定し得る。以下に説明されるように、プロセス８００の動作は、レーダ応答閾値コンポーネント１１２、レーダノイズ推定器１１４、閾値評価コンポーネント１１６、および／または、本明細書において説明される様々な他のシステムおよびコンポーネントを使用する知覚エンジン１１０のような、自律車両１０２の１つまたは複数のコンポーネントによって実行され得る。
【0071】
[0075]動作８０２において、自律車両１０２は、１つまたは複数のターゲット検出を示すレーダデータをレーダデバイスから受信し得る。幾つかの例において、動作８０２は、上述の動作６０２と類似または同一であってよく、その動作において、レーダデータは、自律車両１０２の環境において検出されたオブジェクトに基づいて受信された１つまたは複数のリターン信号を含み得る。
【0072】
[0076]動作８０４において、自律車両１０２は、環境内の領域を決定してもよく、レーダデータは、その領域が走行可能な表面であるか、または走行可能でない表面であるかを決定するために分析される。領域は、レーダデバイス１０８に対する距離値と方位角値（および／または標高値）との交点によって定義され得る。幾つかの例において、決定された領域は、動作８０２において受信された１つまたは複数のレーダターゲット検出の近傍であり得る。
【0073】
[0077]動作８０６において、自律車両１０２は、オブジェクトタイプ（例えば、歩行者）についてのドップラー確率のセット、および、ドップラー確率に関連付けられた対応する推定レーダノイズレベルを決定し得る。例えば、図７を参照して上述したように、歩行者または他のオブジェクトタイプは、ドップラー値の異なるレンジ（例えば、－５ｍ／ｓ～５ｍ／ｓ）に関連付けられ得、各ドップラー値に関連付けられた異なる確率を有し得る。これらの確率は、歩行者についての歩行者ドップラー分布２０２に基づいて、または異なるオブジェクトタイプに関連付けられた異なるドップラー分布について決定され得る。追加的に、個々の異なるドップラー値は、異なる関連付けられたレーダノイズレベルを有し得るため、閾値評価コンポーネント１１６は、個々の異なるドップラー値に対して異なるＲＳＣ閾値を使用して、異なる確率評価を実施し得る。
【0074】
[0078]動作８０８において、閾値評価コンポーネント１１６は、オブジェクトタイプに関連付けられた異なるドップラー値（またはドップラー値のレンジ）、および、領域における各ドップラー値に関連付けられた推定レーダノイズレベルを決定し得る。動作８１０において、閾値評価コンポーネント１１６は、特定のオブジェクトタイプのオブジェクト（例えば、歩行者）が、オブジェクトの特定のドップラー値の領域において推定レーダノイズによって隠されるであろう確率を評価し得る。例えば、動作８１０における確率決定は、Ｎ ｍ／ｓで移動する歩行者が、Ｎ ｍ／ｓドップラー値に関連付けられたレーダノイズによって隠されるであろう確率を表し得る。したがって、動作８１０において、閾値評価コンポーネント１１６は、歩行者ドップラー分布２０２を使用して、領域に存在する歩行者がＮ ｍ／ｓのドップラー値に関連付けられたレーダノイズレベルによって隠されるであろう確率（例えば、レーダノイズレベルよりも小さいＲＣＳを有する歩行者の割合に対応する）を決定し得、その確率に、領域に存在する歩行者がＮ ｍ／ｓのドップラー値で移動する確率を乗算し得る。この例において示され、かつ、上記の式１に示されるように、動作８１０における決定は、オブジェクト（例えば、歩行者）が潜在的に領域に存在し得る異なるドップラー値のそれぞれについて反復的に実施されてよい。
【0075】
[0079]動作８１２において、閾値評価コンポーネント１１６は、歩行者が特定のドップラー値でレーダノイズレベルによって隠されるであろう個々の確率を、オブジェクトに関連付けられた異なるドップラー値の全てにわたって合計して、歩行者がその領域でレーダノイズによって隠されるであろう総確率を決定し得る。式１は、動作８１２における合計と類似または同一であり得る確率の合計の例を提供する。
【0076】
[0080]動作８１４において、自律車両１０２は、動作８１２において決定された総確率（例えば、オブジェクトが領域におけるレーダノイズによって隠されるであろう確率）が、オブジェクトタイプに関連付けられた所定の確率／信頼レベルよりも大きいかを決定する。例えば、５％の所定の確率は、領域における歩行者がレーダデータ内において検出される９５％の信頼レベルを表し得る。幾つかの例において、動作８１４における比較は、上述した動作６０８における比較と類似または同一であってもよい。この例では、領域に存在する歩行者がレーダノイズによって隠されるであろう確率が歩行者についての所定の確率を満たすか、または超える場合（８１４：Ｙｅｓ）、次いで動作８１６において、知覚エンジン１１０は、その領域が走行可能でない表面であると決定し得る。上述のように、動作８１６において領域が走行可能でないとの決定は、領域がレーダデバイスによって効果的にスキャンできないほど領域における推定ノイズレベル（例えば、異なるドップラー値／レンジにおいて）が高すぎるという決定に対応し得、オブジェクトが領域に隠れていないことを特定のオブジェクトタイプ（例えば、歩行者の９５％）について所望の信頼レベルで保証する。これに対し、領域に存在する歩行者がレーダノイズによって隠されるであろう確率が歩行者についての所定の確率を超えない場合（８１４：Ｎｏ）、次いで動作８１８において、知覚エンジン１１０は、その領域が走行可能な表面であると決定し得る。動作８１８における決定は、その領域における推定ノイズレベル（例えば、異なるドップラー値にわたる）が、知覚エンジン１１０に、オブジェクトが領域に隠れていないという、特定のオブジェクトタイプ（例えば、歩行者の９５％）に対する所望の信頼レベルで結論付けることを許容するのに十分に低いとの決定に対応し得る。
【0077】
[0081]幾つかの例において、動作８１６および８１８の間または後に、知覚エンジン１１０は、自律車両１０２の軌道を決定し得、および／または、自律車両１０２を制御するために追加の特徴（例えば、ＣＡＳ、リモート操作、自律走行機能など）をアクティブ化または非アクティブ化し得る。例えば、知覚エンジン１１０は、動作６１４の技術と同様または同一の技術を使用して、環境内の走行可能な領域および走行可能でない領域の決定に基づき、自律車両を制御し得る。追加的に、上述した特定の例は、歩行者が領域内のレーダノイズレベルによって隠されるであろう確率を決定することに関して説明されるが、他の例においては、異なるオブジェクトタイプの確率を決定するために、類似または同一の技術が使用され得る。例えば、知覚エンジン１１０は、異なるオブジェクトタイプについて定義された異なる走行可能および走行可能でない表面を有する異なるグリッドマップを決定し得る。
【0078】
[0082]図９は、本明細書において説明される技術を実装するための例示的なシステム９００のブロック図を示す。少なくとも１つの例示において、システム９００は、車両９０２を含むことが可能であり、その車両９０２は、オブジェクト知覚および予測機能、経路計画および／または最適化を実行するように構成された自律または半自律の車両に対応することが可能である。以下に説明されるように、車両９０２は、レーダノイズ内において潜在的に隠されたオブジェクトを検出するためにレーダ検出を分析するように構成されたコンポーネントを含み得る。例えば、車両９０２は、上述の自律車両１０２と類似または同一であり得、知覚エンジン１１０、予測および／または計画コンポーネント、レーダ応答閾値コンポーネント１１２、レーダノイズ推定器１１４および／または閾値評価コンポーネント１１６と類似または同一のコンポーネントを含み得る。例示的な車両９０２は、ドライバ（または、乗員）がいかなる時においても車両を制御することが期待されない状況において、全体の走行に対して全てのセーフティクリティカル機能を実施可能な車両を記述する、米国運輸省道路交通安全局によって発行されたレベル５の分類に従って動作するように構成された自律車両のようなドライバ不在の車両とすることが可能である。このような例において、車両９０２は、全ての駐車機能を含む、移動の開始から完了までの全機能を制御するように構成されることが可能であるため、ドライバ、および／または、ステアリングホイール、加速ペダルおよび／またはブレーキペダルといった、車両９０２を走行するための制御を含まなくてもよい。これは単なる一例であり、本明細書において説明するシステムおよび方法は、いつでもドライバが手動で制御する必要のある車両から、部分的または完全に自律的に制御される車両までを含む、あらゆる地上走行型、空中走行型、または水上走行型の車両に組み込まれ得る。
【0079】
[0083]この例において、車両９０２は、車両コンピューティングデバイス９０４、１つまたは複数のセンサシステム９０６、１つまたは複数のエミッタ９０８、１つまたは複数の通信接続９１０、少なくとも１つの直接接続９１２、および、１つまたは複数の駆動システム９１４を含むことが可能である。
【0080】
[0084]車両コンピューティングデバイス９０４は、１つまたは複数のプロセッサ９１６、および、１つまたは複数のプロセッサ９１６と通信可能に結合されたメモリ９１８を含むことが可能である。図示の例において、車両９０２は、自律車両であるが、車両９０２は、他のタイプの車両またはロボットプラットフォームであることが可能である。図示の例において、車両コンピューティングデバイス９０４のメモリ９１８は、位置特定コンポーネント９２０、知覚コンポーネント９２２、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、閾値評価コンポーネント９２６、１つまたは複数のマップ９２８、１つまたは複数のシステムコントローラ９３０、予測コンポーネント９３２、および、計画コンポーネント９３４を記憶する。例示目的のためにメモリ９１８に存在するものとして図９に示されているが、位置特定コンポーネント９２０、知覚コンポーネント９２２、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、閾値評価コンポーネント９２６、マップ９２８、システムコントローラ９３０、予測コンポーネント９３２、および、計画コンポーネント９３４のうちの１つまたは複数は、追加的または代替的に、車両９０２にアクセス可能であり得る（例えば、車両９０２から離れたメモリ、そうでなければ車両９０２によってアクセス可能なメモリに記憶される）。
【0081】
[0085]少なくとも１つの例において、位置特定コンポーネント９２０は、車両９０２の位置および／または向き（例えば、ｘ－、ｙ－、ｚ－位置、ロール、ピッチ、または、ヨーのうちの１つまたは複数）を決定するために、センサシステム９０６からデータを受信する機能を含むことが可能である。例えば、位置特定コンポーネント９２０は、環境のマップを含むこと、および／または、要求／受信することが可能であり、マップ内において自律車両の位置および／または向きを継続的に決定することが可能である。幾つかの例において、位置特定コンポーネント９２０は、ＳＬＡＭ（同時の位置特定およびマッピング）、ＣＬＡＭＳ（同時に、キャリブレーション、位置特定およびマッピング）、相対ＳＬＡＭ、バンドル調整、非線形最小二乗最適化などを利用して、画像データ、ライダデータ、レーダデータ、飛行時間データ、ＩＭＵデータ、ＧＰＳデータ、ホイールエンコーダーデータなどを受信し、自律車両の位置を正確に決定することが可能である。幾つかの例において、位置特定コンポーネント９２０は、本明細書において論じられるように、自律車両の初期位置を決定するためのデータを車両９０２の様々なコンポーネントに提供して、軌道を生成すること、および／または、オブジェクトが１つまたは複数の横断歩道領域に近接していることを決定すること、および／または、候補基準ラインを識別することが可能である。
【0082】
[0086]幾つかの例において、知覚コンポーネント９２２は、オブジェクトの検出、セグメンテーション、および／または、分類を実施するための機能を含むことが可能である。幾つかの例において、知覚コンポーネント９２２は、知覚エンジン１１０と類似または同一であってもよく、車両９０２に近接しているエンティティの存在、および／または、エンティティのタイプ（例えば、車、歩行者、自転車、動物、建物、木、路面、縁石、歩道、停止信号、停止標識、未知のものなど）としてのエンティティの分類を示す処理済みセンサデータを提供することが可能である。追加的または代替的な例において、知覚コンポーネント９２２は、検出されたエンティティ（例えば、追跡されたオブジェクト）および／またはエンティティが配置されている環境に関連付けられた１つまたは複数の特性を示す処理済みセンサデータを提供することが可能である。幾つかの例において、エンティティに関連付けられた特性は、限定されないが、ｘ位置（グローバルおよび／またはローカルな位置）、ｙ位置（グローバルおよび／またはローカルな位置）、ｚ位置（グローバルおよび／またはローカルな位置）、向き（例えば、ロール、ピッチ、ヨー）、エンティティタイプ（例えば、分類）、エンティティの速度、エンティティの加速度、エンティティの範囲（サイズ）などを含むことが可能である。環境に関連付けられた特性は、限定されないが、環境内の他のエンティティの存在、環境内の他のエンティティの状態、時刻、曜日、季節、気象条件、暗さ／明るさの指標などを含むことが可能である。
【0083】
[0087]この例に示されるように、知覚コンポーネント９２２は、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、および／または、閾値評価コンポーネント９２６を含むことが可能である。レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、および、閾値評価コンポーネント９２６は、上述したレーダ応答閾値コンポーネント１１２、レーダノイズ推定器１１４、および、閾値評価コンポーネント１１６と類似または同一の機能を実施し得る。例えば、レーダ応答閾値コンポーネント９２４は、走行環境において動作中に自律車両９０２によって適用され得るレーダ応答閾値を決定するように構成され得る。レーダノイズ推定器９２５は、車両９０２上の１つまたは複数のレーダデバイスによるオブジェクトの検出に基づいて、レーダノイズ（例えば、ＲＣＳノイズおよび／またはドップラーノイズ）の推定を決定するように構成され得る。上述したように、レーダノイズは、レーダ送信信号に応答して受信されたサイドローブレベルに基づき得る。ターゲット検出に近い位置におけるレーダノイズは、ターゲット検出と位置との間のレンジ差、ターゲット検出と位置との間のドップラー差、および、ターゲット検出の電力（例えば、強度）に基づいてもよい。閾値評価コンポーネント９２６は、特定のタイプのオブジェクト（例えば、歩行者、自転車、動物、車など）に関連付けられたレーダ応答閾値（例えば、ＲＣＳおよび／またはドップラー閾値）を決定および／または記憶し得る。上述したように、レーダ応答のオブジェクトタイプ固有の閾値は、オブジェクト固有のＲＣＳおよびドップラー分布に基づくことが可能であり、位置がオブジェクトタイプの隠されたオブジェクトを含まないという所望の確率に基づいて調整されることが可能である。知覚コンポーネント９２２は、閾値を修正および調整し、閾値を様々な位置における推定レーダノイズと比較して、車両９０２の周囲の走行可能および／または走行可能でない表面を決定する機能を含んでよい。この例に示されるように、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、および／または、閾値評価コンポーネント９２６は、知覚コンポーネント９２２内に実装され得る。しかしながら、他の例において、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、および／または、閾値評価コンポーネント９２６のうちの１つまたは複数は、予測コンポーネント９３２内、計画コンポーネント９３４内、または、車両コンピューティングデバイス９０４内の他の部分に実装されてもよい。
【0084】
[0088]メモリ９１８は、環境内をナビゲートするために車両９０２によって使用されることが可能な１つまたは複数のマップ９２８をさらに含むことが可能である。本開示の目的のために、マップは、トポロジ（交差点など）、道路、山脈、道路、地形、および、環境全般といった環境に関する情報を提供することが可能な、二次元、三次元、またはＮ次元においてモデル化されたあらゆる数のデータ構造とすることが可能であるが、これらに限定されない。幾つかの例において、マップは、テクスチャ情報（例えば、色情報（例えば、ＲＧＢ色情報、Ｌａｂ色情報、ＨＳＶ／ＨＳＬ色情報）など）、強度情報（例えば、ライダ情報、レーダ情報など）、空間情報（例えば、環境の特徴に関するベクトル化情報、メッシュに投影された画像データ、個々の「サーフェル」（例えば、個々の色および／または強度に関連付けられたポリゴン））、反射率情報（例えば、鏡面反射率情報、再帰反射率情報、ＢＲＤＦ情報、ＢＳＳＲＤＦ情報など）を含むことが可能であるが、これらに限定されない。一例において、マップは環境の三次元メッシュを含むことが可能である。幾つかの例において、マップは、マップの個々のタイルが環境の離散的な部分を表すように、タイル形式において記憶されることが可能であり、必要に応じてワーキングメモリにロードされることが可能である。少なくとも１つの例において、１または複数のマップ９２８は、少なくとも１つのマップ（例えば、画像および／またはメッシュ）を含むことが可能である。
【0085】
[0089]幾つかの例において、車両９０２は、マップ９２８に少なくとも部分的に基づいて制御されることが可能である。すなわち、マップ９２８は、位置特定コンポーネント９２０、知覚コンポーネント９２２、予測コンポーネント９３２、および／または、計画コンポーネント９３４との関連において使用されて、車両９０２の位置を決定し、環境内のオブジェクトを識別し、および／または、環境内をナビゲートするための経路および／または軌道を生成することが可能である。
【0086】
[0090]幾つかの例において、１つまたは複数のマップ９２８は、コンピューティングデバイス９３８のメモリ９４２内のように、リモートコンピューティングデバイス上に記憶されることが可能であり、かつ、ネットワーク９３６を介して車両９０２にアクセスすることが可能である。幾つかの例において、複数のマップ９２８は、メモリ９４２から検索されることが可能であり、例えば、特性（例えば、エンティティのタイプ、時間、曜日、季節など）に基づいて記憶されることが可能である。複数のマップ９２８を記憶することは、同様のメモリ要件を有することが可能であるが、マップ内のデータがアクセスされることが可能な速度を増加することが可能である。
【0087】
[0091]少なくとも１つの例において、車両コンピューティングデバイス９０４は、１つまたは複数のシステムコントローラ９３０を含むことが可能であり、それは、車両９０２のステアリング、推進、ブレーキ、安全、エミッタ、通信、および、他のシステムを制御するように構成されることが可能である。これらのシステムコントローラ９３０は、駆動システム９１４および／または車両９０２の他のコンポーネントの対応するシステムと通信、および／または、駆動システム９１４および／または車両９０２の他のコンポーネントの対応するシステムを制御することが可能である。例えば、計画コンポーネント９３４は、知覚コンポーネント９２２によって生成された知覚データ（これは、本明細書において議論されるレーダ空間グリッドおよび／または尤度の何れかを含み得る）に少なくとも部分的に基づいて指示を生成し、指示をシステムコントローラ９３０に送信し得、システムコントローラ９３０は、指示に少なくとも部分的に基づいて車両９０２の動作を制御し得る。幾つかの例において、計画コンポーネント９３４が、オブジェクトの追跡が「失われた」（例えば、オブジェクトが、ＬＩＤＡＲには現れているが、他のオブジェクトによって遮られていないセンサデータにおいてはもはや現れていない）との通知を受信した場合、計画コンポーネント９３４は、車両９０２を安全停止させる、および／または、リモート操作支援の要求を送信する指示を生成し得る。
【0088】
[0092]概して、予測コンポーネント９３２は、環境内のオブジェクトに関連付けられた予測情報を生成する機能を含むことが可能である。一例として、予測コンポーネント９３２は、横断歩道領域を横断する、または横断歩道領域を横断する準備をする際に、環境内の横断歩道領域（またはそうでなければ、道路を横断する歩行者に関連付けられた領域または位置）に近接する歩行者の位置を予測するように実装されることが可能である。他の一例として、本明細書において論じられる技術は、車両９０２が環境を移動する際に、他のオブジェクト（例えば、車両、自転車、歩行者など）の位置を予測するように実装されることが可能である。幾つかの例において、予測コンポーネント９３２は、ターゲットオブジェクトおよび／またはターゲットオブジェクトに近接する他のオブジェクトの属性に基づいて、そのようなターゲットオブジェクトについての１つまたは複数の予測位置、予測速度、予測軌道などを生成することが可能である。
【0089】
[0093]概して、計画コンポーネント９３４は、環境を移動するために車両９０２が従うパスを決定することが可能である。計画コンポーネント９３４は、様々な経路および軌道、および、様々な詳細レベルを決定することが可能である。例えば、計画コンポーネント９３４は、第１の位置（例えば、現在位置）から第２の位置（例えば、目標位置）まで移動する経路を決定することが可能である。この議論の目的のために、経路は、２つの位置の間を移動するためのウェイポイントのシーケンスであり得る。非限定的な例として、ウェイポイントは、通り、交差点、全地球測位システム（ＧＰＳ）座標などを含む。さらに、計画コンポーネント９３４は、第１の位置から第２の位置までの経路の少なくとも一部に沿って自律車両を誘導するための命令を生成することが可能である。少なくとも１つの例において、計画コンポーネント９３４は、ウェイポイントのシーケンスにおける第１のウェイポイントからウェイポイントのシーケンスにおける第２のウェイポイントへ自律車両をどのように誘導するかを決定することが可能である。幾つかの例において、指示は、軌道または軌道の一部とすることが可能である。幾つかの例において、複数の軌道は、後退水平線技法に従って実質的に同時に（例えば、技術的な許容範囲内において）生成されることが可能であり、複数の軌道のうちの１つが、車両９０２をナビゲートするために選択される。
【0090】
[0094]幾つかの例において、計画コンポーネント９３４は、環境内のオブジェクトに関連付けられた予測位置に少なくとも部分的に基づいて、車両９０２の１つまたは複数の軌道を生成することが可能である。幾つかの例において、計画コンポーネント９３４は、線形時間論理および／または信号時間論理といった時間論理を使用して、車両９０２の１つまたは複数の軌道を評価することが可能である。
【0091】
[0095］理解できるように、本明細書において論じられるコンポーネント（例えば、位置特定コンポーネント９２０、知覚コンポーネント９２２、１つまたは複数のマップ９２８、１つまたは複数のシステムコントローラ９３０、予測コンポーネント９３２、および計画コンポーネント９３４）は、例示目的のために分割されたものとして説明される。しかしながら、様々なコンポーネントによって実施されるオペレーションは、あらゆるコンポーネントにおいて組み合わされ、または実施されることが可能である。さらに、ソフトウェアにおいて実装されるとして説明したあらゆるコンポーネントは、ハードウェアにおいて実装されることが可能であり、その逆もまた可能である。さらに、車両９０２に実装されるあらゆる機能は、コンピューティングデバイス９３８内または他のコンポーネント内（およびその逆）に実装されることが可能である。
【0092】
[0096]少なくとも１つの例において、センサシステム９０６は、飛行時間センサ、ライダセンサ、レーダデバイスおよび／またはレーダセンサ、超音波トランスデューサ、ソナーセンサ、位置センサ（例えば、ＧＰＳ、コンパスなど）、慣性センサ（例えば、慣性測定ユニット（ＩＭＵ）、加速度計、磁力計、ジャイロスコープなど）、カメラ（ＲＧＢ、ＩＲ、強度、深度など）、マイクロフォン、ホイールエンコーダ、環境センサ（温度センサ、湿度センサ、光センサ、圧力センサなど）などを含むことが可能である。センサシステム９０６は、これらのセンサまたは他のタイプのセンサのそれぞれの複数のインスタンスを含むことが可能である。例えば、飛行時間センサは、車両９０２のコーナー、フロント、バック、サイド、および／または、トップに配置された個々の飛行時間センサを含むことが可能である。他の例として、カメラセンサは、車両９０２の外部および／または内部についての様々な位置に配置された複数のカメラを含むことが可能である。センサシステム９０６は、車両コンピューティングデバイス９０４への入力を提供することが可能である。追加的または代替的に、センサシステム９０６は、１つまたは複数のネットワーク９３６を介して、センサデータを、特定の頻度、所定期間の経過後、ほぼリアルタイムなどで、１つまたは複数のコンピューティングデバイス９３８に送信することが可能である。
【0093】
[0097]車両９０２はまた、上述したように、光および／または音を発する１つまたは複数のエミッタ９０８を含むことが可能である。エミッタ９０８は、この例において、車両９０２の乗客とコミュニケーションをとる内部オーディオおよび視覚エミッタを含む。例示目的であって限定ではなく、内部エミッタは、スピーカ、ライト、サイン、ディスプレイスクリーン、タッチスクリーン、触覚エミッタ（例えば、振動および／またはフォースフィードバック）、機械式アクチュエータ（例えば、シートベルトテンショナ、シートポジショナ、ヘッドレストポジショナなど）などを含むことが可能である。エミッタ９０８は、この例において、外部エミッタを含むことも可能である。例示目的であって限定ではなく、この例における外部エミッタは、移動の方向を知らせるライト、または車両のアクションの他のインジケータ（例えば、インジケータライト、サイン、ライトアレイなど）、並びに、歩行者または他の近傍の車両と音響によってコミュニケーションをとるための１つまたは複数のオーディオエミッタ（例えば、スピーカ、スピーカアレイ、ホーンなど）を含み、その１つまたは複数は、音響ビームステアリング技術を含む。
【0094】
[0098]車両９０２はまた、車両９０２と１つまたは複数の他のローカルまたはリモートのコンピューティングデバイスとの間の通信を可能にする１つまたは複数の通信接続９１０を含むことが可能である。例えば、通信接続９１０は、車両９０２および／または駆動システム９１４上の他のローカルコンピューティングデバイスとの通信を容易にすることが可能である。また、通信接続９１０は、車両が他の近くのコンピューティングデバイス（例えば、他の近くの車両、交通信号機など）と通信することを許容することが可能である。通信接続９１０はまた、車両９０２がリモート操作コンピューティングデバイスまたは他のリモートサービスと通信することを可能にする。
【0095】
[0099]通信接続９１０は、車両コンピューティングデバイス９０４を他のコンピューティングデバイス、または、ネットワーク９３６のようなネットワークに接続するための物理的および／または論理的なインタフェースを含むことが可能である。例えば、通信接続９１０は、ＩＥＥＥ８０２．１１規格によって定義される周波数を介するようなＷｉ-Ｆｉ（登録商標）ベースの通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）のような近距離無線周波数、セルラー通信（例えば、２Ｇ、３Ｇ、４Ｇ、４Ｇ ＬＴＥ、５Ｇなど）、または、各コンピューティングデバイスが他のコンピューティングデバイスとインタフェースすることを可能にするあらゆる適切な有線または無線の通信プロトコルを有効にすることが可能である。
【0096】
[00100]少なくとも１つの例において、車両９０２は、１つまたは複数の駆動システム９１４を含むことが可能である。車両９０２は、単一の駆動システム９１４を有することも可能であるし、複数の駆動システム９１４を有することも可能である。少なくとも１つの例において、車両９０２が複数の駆動システム９１４を有する場合、個々の駆動システム９１４を車両９０２の対向する端部（例えば、フロントおよびリアなど）に配置することが可能である。少なくとも１つの例において、駆動システム９１４は、駆動システム９１４および／または車両９０２の周囲の状況を検出するための１つまたは複数のセンサシステムを含むことが可能である。例示目的であって限定ではなく、センサシステムは、駆動モジュールのホイールの回転を感知するための１つまたは複数のホイールエンコーダ（例えば、ロータリエンコーダ）、駆動モジュールの向きおよび加速度を測定するための慣性センサ（例えば、慣性測定ユニット、加速度計、ジャイロスコープ、磁力計など）、カメラまたは他の画像センサ、駆動システムの周囲のオブジェクトを音響的に検出するための超音波センサ、ライダセンサ、レーダセンサなどを含むことが可能である。ホイールエンコーダのような幾つかのセンサは、駆動システム９１４に固有とすることが可能である。幾つかのケースにおいて、駆動システム９１４上のセンサシステムは、車両９０２の対応するシステム（例えば、センサシステム９０６）と重複または補完することが可能である。
【0097】
[00101]駆動システム９１４は、高電圧バッテリ、車両を推進させるモータ、バッテリからの直流を他の車両システムによって使用するための交流に変換するインバータ、ステアリングモータおよびステアリングラック（これは電気式とすることが可能である）を含むステアリングシステム、油圧式または電気式のアクチュエータを含むブレーキシステム、油圧式および／または空気圧式のコンポーネントを含むサスペンションシステム、トラクションの損失を緩和し制御を維持するためにブレーキ力を分配するための安定性制御システム、ＨＶＡＣシステム、ライト（例えば、車両の外部周囲を照らすヘッド／テールライトのようなライト）、および、１つまたは複数のその他のシステム（例えば、冷却システム、安全システム、車載充電システム、ＤＣ／ＤＣコンバータ、高電圧ジャンクション、高電圧ケーブル、充電システム、充電ポートといった、その他の電気部品）を含むことが可能である。追加的に、駆動システム９１４は、センサシステムからデータを受信かつ前処理して様々な車両システムの動作を制御することが可能な駆動システムコントローラを含むことが可能である。幾つかの例において、駆動システムコントローラは、１つまたは複数のプロセッサと、１つまたは複数のプロセッサと通信可能に結合されたメモリとを含むことが可能である。メモリは、駆動システム９１４の様々な機能を実施するための１つまたは複数のコンポーネントを記憶することが可能である。さらに、駆動システム９１４は、各駆動システムによる１つまたは複数の他のローカルまたはリモートのコンピューティングデバイスとの通信を可能にする１つまたは複数の通信接続を含むことも可能である。
【0098】
[00102]少なくとも１つの例において、直接接続９１２は、１つまたは複数の駆動システム９１４を車両９０２のボディと結合するための物理的なインタフェースを提供することが可能である。例えば、直接接続９１２は、駆動システム９１４と車両との間のエネルギー、流体、空気、データなどの伝達を許容することが可能である。幾つかの例において、直接接続９１２は、駆動システム９１４を車両９０２のボディに解放可能に固定することが可能である。
【0099】
[00103]少なくとも１つの例において、位置特定コンポーネント９２０、知覚コンポーネント９２２、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５、閾値評価コンポーネント９２６、１つまたは複数のマップ９２８、１つまたは複数のシステムコントローラ９３０、予測コンポーネント９３２、および、計画コンポーネント９３４は、上述したように、センサデータを処理することが可能であり、１つまたは複数のネットワーク９３６を介して１つまたは複数のコンピューティングデバイス９３８にそれぞれの出力を送信することが可能である。少なくとも１つの例において、コンポーネントのそれぞれの出力は、特定の頻度、所定の期間の経過後、ほぼリアルタイムなどで、１つまたは複数のコンピューティングデバイス９３８に送信されることが可能である。追加的または代替的に、車両９０２は、未加工のセンサデータ、処理済みセンサデータ、および／または、センサデータの表現を含むセンサデータを、ネットワーク９３６を介して１つまたは複数のコンピューティングデバイス９３８に送信することが可能である。そのようなセンサデータは、特定の頻度、所定の期間の経過後、ほぼリアルタイムなどで、１つまたは複数のログファイルとしてコンピューティングデバイス９３８に送信されることが可能である。
【0100】
[00104]コンピューティングデバイス９３８は、プロセッサ９４０と、１つまたは複数のレーダ応答オブジェクトプロファイル９４４および／または車両安全メトリック９４６を記憶するメモリ９４２とを含むことが可能である。上述したように、レーダ応答オブジェクトプロファイル９４４は、様々な異なるオブジェクトタイプ（例えば、歩行者、自転車、動物、車など）に関連付けられた応答データ（例えば、ＲＳＣデータおよび／またはドップラーデータ）を含み得る。レーダ応答オブジェクトプロファイル９４４は、異なるオブジェクトタイプに関連付けられた個々の値、分布、および／または、確率もしくは信頼メトリックを含み得る。車両安全メトリック９４６は、衝突１回あたりのマイル、傷害または死亡率の推定値といった衝突および安全メトリックを含み得る。様々な例において、コンピューティングデバイス９３８は、車両安全メトリック９４６および／または車両９０２および／または環境内において動作する追加の車両から受信したログデータに基づいて、レーダ応答オブジェクトプロファイル９４４を決定するために、１つまたは複数のヒューリスティックベースのシステムおよび／またはニューラルネットワークモデルを実装し得る。追加的に、レーダ応答閾値コンポーネント９２４、レーダノイズ推定器９２５（例えば、レーダ検出に基づいて推定レーダノイズを決定する）および／または閾値評価コンポーネント９２６（例えば、オブジェクトタイプ固有の確率および閾値を決定する）に関連して説明した、あらゆる特徴または機能は、ヒューリスティクスベースの技術、および／または、ニューラルネットワークモデルおよびアルゴリズムを使用して実施されてもよい。この例において、ニューラルネットワークは、入力データを一連の接続された層に通して出力を生成するアルゴリズムである。ニューラルネットワークの個々の層は、他のニューラルネットワークを構成することも可能であり、あらゆる数の層（畳み込み型であるか否かを問わない）を構成することも可能である。本開示の文脈において理解できるように、ニューラルネットワークは、機械学習を利用することが可能であり、これは、学習済みパラメータに基づいて出力が生成されるようなアルゴリズムの広範なクラスを指すことが可能である。あらゆるタイプの機械学習を、本開示と合致して使用されることが可能である。
【0101】
[00105]車両９０２のプロセッサ９１６およびコンピューティングデバイス９３８のプロセッサ９４０は、本明細書に記載されるように、データを処理し、かつ、動作を実行するための命令を実行することが可能な、あらゆる適切なプロセッサとすることが可能である。例示目的であって限定ではなく、プロセッサ９１６および９４０は、１つまたは複数の中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、または、電子データを処理して当該電子データをレジスタおよび／またはメモリに記憶されることが可能な他の電子データに変換するあらゆる他のデバイスまたはデバイスの部分を含むことが可能である。幾つかの例において、集積回路（例えば、ＡＳＩＣなど）、ゲートアレイ（例えば、ＦＰＧＡなど）、および、他のハードウェアデバイスはまた、それらがエンコードされた命令を実装するように構成される限り、プロセッサと考えることが可能である。
【0102】
[00106]メモリ９１８および９４２は、非一時的なコンピュータ可読媒体の例である。メモリ９１８および９４２は、オペレーティングシステム、および、１つまたは複数のソフトウェアアプリケーション、命令、プログラム、および／または、本明細書において説明する方法および様々なシステムに起因する機能を実装するためのデータを記憶することが可能である。様々な実装において、メモリは、静的ランダムアクセスメモリ（ＳＲＡＭ）、同期ダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性／フラッシュ型メモリ、または、情報を記憶することが可能なあらゆる他のタイプのメモリといった、あらゆる適切なメモリ技術を使用して実装することが可能である。本明細書において記載される、アーキテクチャ、システム、および個々の要素は、他の多くの論理的、プログラム的、および、物理的なコンポーネントを含むことが可能であり、そのうちの添付の図面に示されるものは、本明細書における議論に関連した単なる例示にすぎない。
【0103】
[00107]図９は、分散システムとして示されているが、代替例において、車両９０２のコンポーネントは、コンピューティングデバイス９３８に関連付けられることが可能であり、および／または、コンピューティングデバイス９３８のコンポーネントは、車両９０２に関連付けられることが可能であることに留意されたい。すなわち、車両９０２は、コンピューティングデバイス９３８に関連付けられた１つまたは複数の機能を実施することが可能であり、逆もまた同様である。
【0104】
例示節
[00108]Ａ．１つまたは複数のプロセッサと、コンピュータ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体と、を備えるシステムであって、前記命令が実行されると、前記システムに、環境内において動作する車両に関連付けられたレーダデバイスからレーダデータを受信することであって、前記レーダデータは、前記環境内の第１の位置に関連付けられた検出を示すことと、前記レーダデータに少なくとも部分的に基づいて、前記環境内の第２の位置に関連付けられたレーダノイズレベルを決定することと、前記車両に関連付けられた車両安全メトリックを決定することと、前記車両安全メトリックに少なくとも部分的に基づいて、レーダ応答閾値を決定することと、前記レーダ応答閾値を前記第２の位置に関連付けられた前記レーダノイズレベルと比較することに少なくとも部分的に基づいて、前記車両の軌道を生成することと、を含む動作を実行させる、システム。
[00108]Ａ．１つまたは複数のプロセッサと、コンピュータ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体と、を備えるシステムであって、前記命令が実行されると、前記システムに、環境内において動作する車両に関連付けられたレーダデバイスからレーダデータを受信することであって、前記レーダデータは、前記環境内の第１の位置に関連付けられた検出を示すことと、前記レーダデータに少なくとも部分的に基づいて、前記環境内の第２の位置に関連付けられたレーダノイズレベルを決定することと、前記車両に関連付けられた車両安全メトリックを決定することと、前記車両安全メトリックに少なくとも部分的に基づいて、レーダ応答閾値を決定することと、前記レーダ応答閾値を前記第２の位置に関連付けられた前記レーダノイズレベルと比較することに少なくとも部分的に基づいて、前記車両の軌道を生成することと、を含む動作を実行させる、システム。
【0105】
[00109]Ｂ．前記車両安全メトリックは、オブジェクトタイプに関連付けられ、かつ、前記レーダ応答閾値を決定することは、前記オブジェクトタイプに関連付けられたレーダ応答分布に少なくとも部分的に基づく、パラグラフＡに記載のシステム。
【0106】
[00110]Ｃ．前記レーダ応答閾値を決定することは、前記レーダ応答閾値に関連付けられた第１の数の偽陽性検出を決定することと、前記レーダ応答閾値に関連付けられた第２の数の偽陰性検出を決定することと、前記レーダ応答閾値に関連付けられた第３の数の真陽性検出を決定することと、前記レーダ応答閾値に関連付けられた第３の数の真陰性検出を決定することと、を含む、パラグラフＡに記載のシステム。
【0107】
[00111]Ｄ．前記動作は、前記レーダデータに少なくとも部分的に基づいて、前記環境内の第３の位置に関連付けられた第２のレーダノイズレベルを決定することであって、前記車両の軌道を生成することは、前記第２の位置を除外し、かつ、前記第３の位置を含む軌道を生成することであって、前記第２の位置に関連付けられた前記レーダノイズレベルがレーダ応答閾値を満たすか、または超えると決定することと、前記第３の位置に関連付けられた前記第２のレーダノイズレベルがレーダ応答閾値を下回ると決定することと、に少なくとも部分的に基づいて、決定することと、をさらに含む、パラグラフＡに記載のシステム。
【0108】
[00112]Ｅ．前記動作は、前記車両に関連付けられた走行可能な表面メトリックを決定することをさらに含み、前記レーダ応答閾値を決定することは、前記走行可能な表面メトリックに少なくとも部分的に基づく、パラグラフＡに記載のシステム。
【0109】
[00113]Ｆ．環境内の領域に関連付けられたレーダデータを受信することと、前記領域に関連付けられたレーダノイズデータを決定することと、車両のレーダ応答閾値および前記レーダノイズデータに少なくとも部分的に基づいて、前記レーダデータを評価することであって、前記レーダ応答閾値は、車両安全メトリックに少なくとも部分的に基づくことと、前記レーダ応答閾値および前記レーダデータに少なくとも部分的に基づいて、前記環境内の車両を制御することと、を含む方法。
【0110】
[00114]Ｇ．前記車両安全メトリックは、第１のオブジェクトタイプに関連付けられ、前記方法は、前記レーダノイズデータおよび前記第１のオブジェクトタイプに関連付けられたレーダ応答分布に少なくとも部分的に基づいて、前記環境内の第１の位置において前記第１のオブジェクトタイプのオブジェクトを検出することに関連付けられた確率を決定することと、前記確率に少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、をさらに含む、パラグラフＦに記載の方法。
【0111】
[00115]Ｈ．第２のオブジェクトタイプに関連付けられた第２のレーダ応答閾値を、前記レーダノイズデータおよび前記第２のオブジェクトタイプに関連付けられた第２のレーダ応答分布に少なくとも部分的に基づいて決定することと、前記レーダノイズデータおよび前記第２のレーダ応答分布に少なくとも部分的に基づいて、前記第１の位置において前記第２のオブジェクトタイプの第２のオブジェクトを検出することに関連付けられた第２の確率を決定することと、をさらに含む、パラグラフＧに記載の方法。
【0112】
[00116]Ｉ．第１のレーダ応答閾値を決定することと、前記第１のレーダ応答閾値に関連付けられた第１の数の偽陽性レーダ検出および第１の数の偽陰性レーダ検出を決定することと、第２のレーダ応答閾値を決定することと、前記第２のレーダ応答閾値に関連付けられた第２の数の偽陽性レーダ検出および第２の数の偽陰性レーダ検出を決定することと、前記第１の数の偽陽性レーダ検出および前記第２の数の偽陽性レーダ検出、並びに、前記第１の数の偽陰性レーダ検出および前記第２の数の偽陰性レーダ検出に少なくとも部分的に基づいて、前記第１のレーダ応答閾値または前記第２のレーダ応答閾値の何れかを前記レーダ応答閾値として決定することと、をさらに含む、パラグラフＦに記載の方法。
【0113】
[00117]Ｊ．前記環境内において前記車両を動作させることに関連付けられた走行可能な表面メトリックを決定することと、前記走行可能な表面メトリックに少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、をさらに含む、パラグラフＦに記載の方法。
【0114】
[00118]Ｋ．前記レーダノイズデータに少なくとも部分的に基づいて、前記環境内の第１の位置に関連付けられた第１のレーダノイズレベル、および、前記環境内の第２の位置に関連付けられた第２のレーダノイズレベルを決定することと、前記第１のレーダノイズレベルが前記レーダ応答閾値を満たすか、または超えると決定すること、および、前記第２のレーダノイズレベルが前記レーダ応答閾値を下回ると決定すること、に少なくとも部分的に基づいて、前記第１の位置を除外し、かつ、前記第２の位置を含む前記車両の軌道を生成することと、をさらに含む、パラグラフＦに記載の方法。
【0115】
[00119]Ｌ．前記レーダノイズデータを決定することは、前記レーダデータに関連付けられた前記環境内の第１の位置を決定することと、前記環境内の第２の位置に関連付けられたレーダノイズレベルを決定することであって、前記第１の位置と前記第２の位置との間のレーダデバイスからの距離の差、および、前記レーダデータに関連付けられた強度測定に少なくとも部分的に基づくことと、を含む、パラグラフＦに記載の方法。
【0116】
[00120]Ｍ．前記車両に関連付けられた前記レーダデバイスから前記レーダデータを受信することと、前記第２の位置に関連付けられた追加のセンサデータを、前記レーダデバイスとは異なるセンサ手段を有するセンサデバイスから受信することと、前記レーダ応答閾値と前記第２の位置に関連付けられた前記レーダノイズレベルとの比較、および、前記第２の位置に関連付けられた前記追加のセンサデータに少なくとも部分的に基づいて、前記車両の軌道を決定することと、をさらに含む、パラグラフＬに記載の方法。
【0117】
[00121]Ｎ．第１の環境に関連付けられた第１の車両安全メトリックを決定することと、第２の環境に関連付けられた第２の車両安全メトリックを決定することと、前記車両の動作環境を決定することと、前記車両の前記動作環境に少なくとも部分的に基づいて、前記第１の車両安全メトリックまたは前記第２の車両安全メトリックの何れかを前記車両安全メトリックとして決定することと、をさらに含む、パラグラフＦに記載の方法。
【0118】
[00122]Ｏ．プロセッサ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体であって、前記命令が１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサに、環境内の領域に関連付けられたレーダデータを受信することと、前記領域に関連付けられたレーダノイズデータを決定することと、前記車両についてのレーダ応答閾値および前記レーダノイズデータに少なくとも部分的に基づいて、前記レーダデータを評価することであって、前記レーダ応答閾値は、車両安全メトリックに少なくとも部分的に基づくことと、前記レーダ応答閾値および前記レーダデータに少なくとも部分的に基づいて、前記環境内の車両を制御することと、を含む動作を実行させる、１つまたは複数の非一時的なコンピュータ可読媒体。
【0119】
[00123]Ｐ．前記車両安全メトリックは、第１のオブジェクトタイプに関連付けられ、前記動作は、前記レーダノイズデータおよび前記第１のオブジェクトタイプに関連付けられたレーダ応答分布に少なくとも部分的に基づいて、前記環境内の第１の位置において前記第１のオブジェクトタイプのオブジェクトを検出することに関連付けられた確率を決定することと、前記確率に少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、をさらに含む、パラグラフＯに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0120】
[00124]Ｑ．前記動作は、第２のオブジェクトタイプに関連付けられた第２のレーダ応答閾値を、前記レーダノイズデータおよび前記第２のオブジェクトタイプに関連付けられた第２のレーダ応答分布に少なくとも部分的に基づいて決定することと、前記レーダノイズデータおよび前記第２のレーダ応答分布に少なくとも部分的に基づいて、前記第１の位置において前記第２のオブジェクトタイプの第２のオブジェクトを検出することに関連付けられた第２の確率を決定することと、をさらに含む、パラグラフＰに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0121】
[00125]Ｒ．前記動作は、第１のレーダ応答閾値を決定することと、前記第１のレーダ応答閾値に関連付けられた、第１の数の偽陽性レーダ検出および第１の数の偽陰性レーダ検出を決定することと、第２のレーダ応答閾値を決定することと、前記第２のレーダ応答閾値に関連付けられた、第２の数の偽陽性レーダ検出および第２の数の偽陰性レーダ検出を決定することと、前記第１の数の偽陽性レーダ検出および前記第２の数の偽陽性レーダ検出、並びに、前記第１の数の偽陰性レーダ検出および前記第２の数の偽陰性レーダ検出に少なくとも部分的に基づいて、前記第１のレーダ応答閾値または前記第２のレーダ応答閾値の何れかを前記レーダ応答閾値として決定することと、をさらに含む、パラグラフＯに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0122】
[00126]Ｓ．前記動作は、前記環境内において前記車両を動作させることに関連付けられた走行可能な表面メトリックを決定することと、前記走行可能な表面メトリックに少なくとも部分的に基づいて、前記レーダ応答閾値を決定することと、をさらに含む、パラグラフＯに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0123】
[00127]Ｔ．前記動作は、前記レーダノイズデータに少なくとも部分的に基づいて、前記環境内の第１の位置に関連付けられた第１のレーダノイズレベル、および、前記環境内の第２の位置に関連付けられた第２のレーダノイズレベルを決定することと、前記第１のレーダノイズレベルが前記レーダ応答閾値を満たすか、または超えると決定すること、および、前記第２のレーダノイズレベルが前記レーダ応答閾値を下回ると決定すること、に少なくとも部分的に基づいて、前記第１の位置を除外し、かつ、前記第２の位置を含む前記車両の軌道を生成することと、をさらに含む、パラグラフＯに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0124】
[00128]Ｕ．１つまたは複数のプロセッサと、コンピュータ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体と、を備えるシステムであって、前記命令が実行されると、前記システムに、レーダデバイスから第１のレーダデータを受信することであって、前記第１のレーダデータは、環境内の第１のオブジェクトに関連付けられた検出を示し、前記第１のレーダデータは、前記第１のオブジェクトに関連付けられたドップラーデータおよび前記第１のオブジェクトに関連付けられたレーダ反射電力データを含む、ことと、前記レーダデバイスから第２のレーダデータを受信することであって、前記第２のレーダデータは、前記環境内の第２の可能性のあるオブジェクトに関連付けられた検出を示し、前記第２のレーダデータは、前記第２の可能性のあるオブジェクトに関連付けられたドップラーデータおよび前記第２の可能性のあるオブジェクトに関連付けられたレーダ反射電力データを含む、ことと、前記第２の可能性のあるオブジェクトのオブジェクトタイプに基づいて、前記第２のレーダデータに関連付けられた確率分布を決定することと、前記第１のレーダデータと前記第２のレーダデータとの重複を決定することと、前記重複および前記第２のレーダデータに関連付けられた前記確率分布に基づいて、前記第２の可能性のあるオブジェクトが前記環境内の対象物であることを示す前記第２のレーダデータに関連付けられた確率を決定することと、前記第２のレーダデータに関連付けられた前記確率に少なくとも部分的に基づいて、前記環境内の車両を制御することと、を含む動作を実行させる、システム。
【0125】
[00129]Ｖ．前記車両を制御することは、前記第２のレーダデータに関連付けられたレーダノイズレベルが、前記オブジェクトタイプに関連付けられたレーダ応答閾値を満たすか、または超えると決定することに少なくとも部分的に基づいて、前記第２のレーダデータに関連付けられた位置を除外する軌道を生成することを含む、パラグラフＵに記載のシステム。
【0126】
[00130]Ｗ．前記動作は、前記第２のレーダデータに関連付けられた第１のレーダノイズレベルおよび第２のレーダノイズレベルを決定することであって、前記第１のレーダノイズレベルは反射電力値であり、前記第２のレーダノイズレベルはドップラー値である、ことと、前記オブジェクトタイプに関連付けられた反射電力分布に少なくとも部分的に基づいて、第１のレーダ応答閾値を決定することと、前記オブジェクトタイプに関連付けられたドップラー分布に少なくとも部分的に基づいて、第２のレーダ応答閾値を決定することとをさらに含み、前記車両を制御することは、前記第１のレーダノイズレベルを前記第１のレーダ応答閾値と比較すること、および、前記第２のレーダノイズレベルを前記第２のレーダ応答閾値と比較すること、に少なくとも部分的に基づく、パラグラフＵに記載のシステム。
【0127】
[00131]Ｘ．前記第２のレーダデータに関連付けられた前記確率を決定することは、前記第１のレーダデータと前記第２のレーダデータとの間の距離における第１の差を決定することと、前記第１のレーダデータと前記第２のレーダデータとの間のドップラー測定値における第２の差を決定することと、前記第１のレーダデータに関連付けられた強度測定値を決定することと、前記第１の差、前記第２の差、および、前記強度測定値に少なくとも部分的に基づいて、第２のレーダデータに関連付けられたレーダノイズレベルを決定することと、を含む、段落Ｕに記載のシステム。
【0128】
[00132]Ｙ．前記第２のレーダデータに関連付けられた前記確率を決定することは、前記第２のレーダデータに関連付けられた距離値および方位角値を決定することと、前記距離値および前記方位角値に少なくとも部分的に基づいて、第１の反射電力閾値および第２の反射電力閾値を決定することとを含み、前記第１の反射電力閾値は、第１のドップラー値に関連付けられ、前記第２の反射電力閾値は、第２のドップラー値に関連付けられる、パラグラフＵに記載のシステム。
【0129】
[00133]Ｚ．環境内の第１の領域に関連付けられた検出を示すレーダデータを受信することであって、前記レーダデータは、前記検出に関連付けられたドップラーデータを含む、ことと、前記検出に関連付けられた前記ドップラーデータに少なくとも部分的に基づいて、第２の領域に関連付けられたレーダノイズレベルを決定することと、オブジェクトタイプに関連付けられたレーダ応答閾値を決定することと、前記第２の領域に関連付けられた前記レーダノイズレベルおよび前記オブジェクトタイプに関連付けられた前記レーダ応答閾値に少なくとも部分的に基づいて、前記環境内の車両を制御することと、を含む、方法。
【0130】
[00134]ＡＡ．前記レーダ応答閾値は、前記オブジェクトタイプに関連付けられたドップラー値、前記オブジェクトタイプに関連付けられたレーダ断面値、または、前記オブジェクトタイプに関連付けられた反射電力値のうちの少なくとも１つを含む、パラグラフＺに記載の方法。
【0131】
[00135]ＡＢ．前記レーダ応答閾値は、前記オブジェクトタイプに関連付けられた第１のドップラー値、および、前記オブジェクトタイプに関連付けられた第２のレーダ断面値を含む、パラグラフＺに記載の方法。
【0132】
[00136]ＡＣ．前記第２の領域に関連付けられた前記レーダノイズレベルを決定することは、レーダデバイスから前記第１の領域までの第１の距離と前記レーダデバイスから前記第２の領域までの第２の距離との間の第１の差を決定することと、前記第１の領域と前記第２の領域との間のドップラー測定値における第２の差を決定することと、前記検出に関連付けられた強度測定値を決定することと、を含む、パラグラフＺに記載の方法。
【0133】
[00137]ＡＤ．前記レーダ応答閾値を決定することは、前記オブジェクトタイプに関連付けられたドップラー分布に少なくとも部分的に基づく、パラグラフＺに記載の方法。
【0134】
[00138]ＡＥ．前記レーダ応答閾値を決定することは、前記第２の領域に関連付けられた距離値および方位角値を決定することと、前記距離値および前記方位角値に少なくとも部分的に基づいて、第１のレーダ応答閾値および第２のレーダ応答閾値を決定することとを含み、前記第１のレーダ応答閾値は、第１のドップラー値に関連付けられ、前記第２のレーダ応答閾値は第２のドップラー値に関連付けられる、パラグラフＺに記載の方法。
【0135】
[00139]ＡＦ．前記オブジェクトタイプに関連付けられたドップラー分布に少なくとも部分的に基づいて、前記第１のレーダ応答閾値に関連付けられた第１の確率を決定すること、および、前記第２のレーダ応答閾値に関連付けられた第２の確率を決定すること、をさらに含む、パラグラフＡＥに記載の方法。
【0136】
[00140]ＡＧ．前記第１の確率および前記第１のレーダ応答閾値に少なくとも部分的に基づいて、前記オブジェクトタイプに関連付けられた第１の偽陰性確率を決定することと、前記第２の確率および前記第２のレーダ応答閾値に少なくとも部分的に基づいて、前記オブジェクトタイプに関連付けられた第２の偽陰性確率を決定することと、前記第１の偽陰性確率および前記第２の偽陰性確率に少なくとも部分的に基づいて、前記第２の領域に関連付けられた第３の偽陰性確率を決定することと、をさらに含む、パラグラフＡＦに記載の方法。
【0137】
[00141]ＡＨ．プロセッサ実行可能な命令を記憶する１つまたは複数の非一時的なコンピュータ可読媒体であって、前記命令が１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサに、環境内の第１の領域に関連付けられた検出を示すレーダデータを受信することであって、前記レーダデータは、前記検出に関連付けられたドップラーデータを含む、ことと、前記検出に関連付けられた前記ドップラーデータに少なくとも部分的に基づいて、第２の領域に関連付けられたレーダノイズレベルを決定することと、オブジェクトタイプに関連付けられたレーダ応答閾値を決定することと、前記第２の領域に関連付けられた前記レーダノイズレベルおよび前記オブジェクトタイプに関連付けられたレーダ応答閾値に少なくとも部分的に基づいて、前記環境内の車両を制御することと、を含む動作を実行させる、１つまたは複数の非一時的なコンピュータ可読媒体。
【0138】
[00142]ＡＩ．前記レーダ応答閾値は、前記オブジェクトタイプに関連付けられた第１のドップラー値、および、前記オブジェクトタイプに関連付けられた第２のレーダ断面値を含む、パラグラフＡＨに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0139】
[00143]ＡＪ．前記第２の領域に関連付けられた前記レーダノイズレベルを決定することは、レーダデバイスから前記第１の領域までの第１の距離と前記レーダデバイスから前記第２の領域までの第２の距離との間の第１の差を決定することと、前記第１の領域と前記第２の領域との間のドップラー測定値における第２の差を決定することと、前記検出に関連付けられた強度測定値を決定することと、を含む、パラグラフＡＨに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0140】
[00144]ＡＫ．前記レーダ応答閾値を決定することは、前記オブジェクトタイプに関連付けられたドップラー分布に少なくとも部分的に基づく、パラグラフＡＨに記載の１つまたは複数の非一時的コンピュータ可読媒体。
【0141】
[00145]ＡＬ．前記レーダ応答閾値を決定することは、前記第２の領域に関連付けられた距離値および方位角値を決定することと、前記距離値および前記方位角値に少なくとも部分的に基づいて、第１のレーダ応答閾値および第２のレーダ応答閾値を決定することとを含み、前記第１のレーダ応答閾値は、第１のドップラー値に関連付けられ、前記第２のレーダ応答閾値は、第２のドップラー値に関連付けられる、パラグラフＡＨに記載の１つまたは複数の非一時的なコンピュータ可読媒体。
【0142】
[00146]ＡＭ．前記動作は、前記オブジェクトタイプに関連付けられたドップラー分布に少なくとも部分的に基づいて、前記第１のレーダ応答閾値に関連付けられた第１の確率を決定すること、および、前記第２のレーダ応答閾値に関連付けられた第２の確率を決定すること、をさらに含む、段落ＡＬに記載の１つまたは複数の非一時的コンピュータ可読媒体。
【0143】
[00147]ＡＮ．前記動作は、前記第１の確率および前記第１のレーダ応答閾値に少なくとも部分的に基づいて、前記オブジェクトタイプに関連付けられた第１の偽陰性確率を決定することと、前記第２の確率および前記第２のレーダ応答閾値に少なくとも部分的に基づいて、前記オブジェクトタイプに関連付けられた第２の偽陰性確率を決定することと、前記第１の偽陰性確率および前記第２の偽陰性確率に少なくとも部分的に基づいて、前記第２の領域に関連付けられた第３の偽陰性確率を決定することと、をさらに含む、パラグラフＡＭに記載の１つまたは複数の非一時的コンピュータ可読媒体。
【0144】
[00148]上述した例示節は、特定の実装に関して記載されるが、本明細書の文脈において、例示節の内容は、方法、デバイス、システム、コンピュータ可読媒体、および／または、他の実装を介して実装されることが可能であることを理解すべきである。追加的に、ＡからＡＮの例示の何れかは、単独で、またはＡからＡＮの他の何れか１つまたは複数と組み合わせて実装され得る。
【0145】
まとめ
[00149]本明細書において記載した技術の１つまたは複数の例を説明したが、その様々な変更、追加、並べ替えおよび等価物は、本明細書において記載した技術の範囲内に含まれる。理解できるように、本明細書において論じたコンポーネントは、例示目的において分割されたものとして記載される。しかしながら、様々なコンポーネントによって実施される動作は、あらゆる他のコンポーネントにおいて組み合わせたり、実施したりすることが可能である。また、１つの例または実装に関して論じたコンポーネントまたはステップは、他の例のコンポーネントまたはステップと組み合わせて使用することが可能であることも理解されるべきである。
[00149]本明細書において記載した技術の１つまたは複数の例を説明したが、その様々な変更、追加、並べ替えおよび等価物は、本明細書において記載した技術の範囲内に含まれる。理解できるように、本明細書において論じたコンポーネントは、例示目的において分割されたものとして記載される。しかしながら、様々なコンポーネントによって実施される動作は、あらゆる他のコンポーネントにおいて組み合わせたり、実施したりすることが可能である。また、１つの例または実装に関して論じたコンポーネントまたはステップは、他の例のコンポーネントまたはステップと組み合わせて使用することが可能であることも理解されるべきである。
【0146】
[00150]環境内のオブジェクトの非限定的なリストは、歩行者、動物、サイクリスト、トラック、モーターサイクル、他の車両などを含み得るが、これらに限定されない。環境内のそのようなオブジェクトは、参照フレームに対する全体的なオブジェクトの位置および／または向きを含む「幾何学的姿勢」（本明細書において単に「姿勢」とも称され得る）を有する。幾つかの例において、姿勢は、オブジェクト（例えば、歩行者）の位置、オブジェクトの向き、またはオブジェクトの相対的な付属位置（appendage positions）を示し得る。幾何学的姿勢は、２次元（例えば、ｘ－ｙ座標系を使用して）または３次元（例えば、ｘ－ｙ－ｚまたは極座標系を使用して）において記述され得、オブジェクトの向き（例えば、ロール、ピッチ、および／または、ヨー）を含み得る。歩行者および動物のような幾つかのオブジェクトはまた、本明細書において「外観姿勢」と称されるものも有する。外観姿勢は、身体の部分（例えば、付属物、頭部、胴体、目、手、足など）の形状および／または位置を含む。本明細書において使用されるように、「姿勢」という用語は、参照フレームに対するオブジェクトの「幾何学的姿勢」と、歩行者、動物、および、身体の部分の形状および／または位置を変更することが可能な他のオブジェクトの場合における「外観姿勢」との両方を指す。幾つかの例において、参照フレームは、車両に対するオブジェクトの位置を記述する２次元または３次元の座標系またはマップを参照して説明される。しかしながら、他の例においては、他の参照フレームが使用され得る。
【0147】
[00151]例示記載において、本明細書の一部を構成する添付図面が参照され、これは、特許請求される主題の特定の例の図示によって示される。他の例を使用することが可能であり、構造的変更のような変更または代替を行うことが可能であることを理解すべきである。このような例、変更、または変形は、必ずしも、意図された特許請求の主題に関する範囲から逸脱するものではない。本明細書におけるステップは、或る順序において提示され得るが、幾つかのケースにおいて、順序は、記載されたシステムの機能および方法を変更することなく、特定の入力が異なる時間または異なる順序で提供されるように変更され得る。開示されたプロシージャもまた、異なる順序で実行され得る。追加的に、本明細書における様々な計算は、開示された順序で実行される必要はなく、計算の代替順序を使用する他の例を容易に実装することが可能である。並べ替えることに加えて、計算は、同じ結果を伴うサブ計算に分解されることも可能である。
【0148】
[00152]主題は、構造的な特徴および／または方法的な動作に固有の言語において記載されているが、添付の特許請求の範囲において定義される主題は、必ずしも記載された特定の特徴または動作に限定されるものではないことを理解すべきである。むしろ、特定の特徴および動作は、特許請求の範囲を実装する例示的な形態として開示される。
【0149】
[00153]本明細書において記載されるコンポーネントは、あらゆるタイプのコンピュータ可読媒体に記憶され得、かつ、ソフトウェアおよび／またはハードウェアにおいて実装され得る命令を表す。上述の方法およびプロセスの全ては、１つまたは複数のコンピュータまたはプロセッサ、ハードウェア、または、それらの幾つかの組み合わせによって実行されるソフトウェアコードおよび／またはコンピュータ実行可能な命令において具現化され得、それらを介して完全に自動化され得る。幾つかまたは全部の方法は、代替的に、特価されたコンピュータハードウェアにおいて具現化されてもよい。
【0150】
[00154]特に断りのない限り、とりわけ、「may」、「could」、「may」、または「might」などの条件付きの用語は、他の例示が含まない或る特徴、要素および／またはステップを或る例示が含むことを提示するための文脈内において理解される。したがって、そのような条件付きの用語は、一般に、或る特徴、要素および／またはステップが、１つまたは複数の例示にあらゆる方法で要求されるか、またはその１つまたは複数の例示が、ユーザの入力またはプロンプトを用いて、または用いずに、或る特徴、要素および／またはステップがあらゆる具体的な例示に含まれるか、または実行されるべきであるかを判断するための論理を必ずしも含むことを暗示することは意図されていない。
【0151】
[00155]「Ｘ、Ｙ、またはＺのうちの少なくとも１つ」というフレーズのような接続言語は、特に断りのない限り、項目、用語などがＸ、Ｙ、またはＺの何れか、またはそれぞれの要素の集合を含む、それらの任意の組み合わせであってよいと理解されるべきである。単数として明示されていない限り、「ａ」は、単数および複数を意味する。
【0152】
[00156]本明細書において記載され、および／または、添付図面に描かれたフロー図におけるルーチンの記述、要素またはブロックは、ルーチン内の特定の論理機能または要素を実装するための１つまたは複数のコンピュータ実行可能な命令を含むモジュール、セグメント、またはコードの一部を潜在的に表すと理解されるべきである。本明細書において記載した例の範囲内には、当業者であれば理解するように関係する機能に応じて、要素または機能を削除したり、実質的に同期して、逆順に、追加の操作を伴って、または、動作の省略など、図示または説明した順序とは異なる順序で実行する代替的な実装が含まれる。
【0153】
[00157]上述した例には、多くの変形例および修正がなされ得、その要素は、他の許容可能な例に含まれるものとして理解される。全てのそのような修正および変形は、本開示の範囲内において本明細書に含まれ、以下の特許請求の範囲によって保護されることが意図される。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【国際調査報告】