基于激光雷达的挂车追踪

相关申请的交叉引用

本申请要求2018年12月10日提交的序列号为16/214,838的申请的权益，其公开通过引用结合在本申请中。

背景技术

诸如不需要人类司机的车辆的自动车辆可用于帮助将诸如货物、牲畜或其他物品的挂车(例如，拖曳的)载荷从一个地点运输到另一地点。其他类型的关节式车辆也可以运输载荷或乘客。这种车辆可以在没有任何车辆内乘客输入的完全自动模式来操作或者以人可以提供一些驾驶输入的部分自动模式来操作。在这些模式下进行转弯时，车辆的挂车部分可能未与牵引车部分对齐。可以通过各种技术来检测或估计挂车的定位。但是，这种技术的准确度可能不足达到在自动模式下操作所需要的程度。该技术还可能受到随着车辆转弯而根据挂车相对于牵引车的方向来变化的传感器信号信息的不利影响。

发明内容

本文描述的技术提供了用于追踪可以在完全或部分的自动驾驶模式下操作的车辆的挂车或其他关节(articulated)元件的姿态的系统和方法。本发明的各方面包括分析来自一个或多个车载激光雷达传感器的传感器数据，以识别和追踪姿态。从挂车返回的所接收的激光雷达数据点可以被正确识别，以避免被解释为来自周围环境中的另一对象。当以自动模式驾驶时，由此产生的姿态信息可以由车载的感知系统使用和/或由计划的系统使用。

根据本技术的各方面，车辆被配置为以自动驾驶模式操作。该车辆包括驾驶单元，该驾驶单元包括驾驶系统、感知系统、耦接系统和控制系统。该驾驶系统包括转向子系统、加速子系统和减速子系统，以在自动驾驶模式下控制车辆的行驶。感知系统包括被配置为基于所获得的传感器数据来检测车辆周围环境中的对象的一个或多个传感器。耦接(coupling)系统被配置为可枢转地耦接到关节单元。控制系统可操作地连接到驾驶系统和感知系统。控制系统具有一个或多个计算机处理器，该一个或多个计算机处理器被配置为从感知系统接收传感器数据，以及基于从感知系统接收的传感器数据在自动驾驶模式下操作时指导驾驶系统。控制系统和感知系统中的至少一个还被配置为基于所获得的传感器数据来估计关节单元的取向，并且根据估计取向来确定关节单元的姿态。

控制系统和感知系统中的至少一个还可以被配置为利用运动滤波器使关节单元的估计取向平滑。在此，根据所平滑的估计取向确定关节单元的姿态。关节单元的姿态的确定可以包括基于关节单元的长度、沿着关节单元的挂接点位置或沿着驾驶单元的拖曳点位置中的至少一个来评估所平滑的估计取向。

在一个示例中，一个或多个传感器包括被布置在驾驶单元的顶部上的激光雷达传感器。激光雷达传感器被配置为具有高达360°的视场。

在另一示例中，控制系统和感知系统中的至少一个还被配置为从所获得的传感器数据确定关节单元的主面。主面的确定可以包括根据比较最接近和最远离一个或多个传感器中的给定一个传感器的所获得的数据点来评估关节单元的所检测的表面是前表面还是侧表面。

一个或多个传感器可以包括激光雷达传感器和照相机。在这种情况下，照相机可以被布置在驾驶单元的驾驶室和关节单元之间。车辆可以进一步包括关节单元。关节单元具有被沿着其前面、左侧面和右侧面布置的一个或多个对准标记。在此，照相机被配置为检测一个或多个对准标记。控制系统和感知系统中的至少一个被配置为基于对一个或多个对准标记的检测来确定关节单元的姿态。

在另一示例中，车辆是牵引式挂车。在这种情况下，驾驶单元是牵引车单元，并且关节单元是挂车。挂车的主销(kingpin)可枢转地连接到牵引车单元的第五轮(fifth-wheel)。一个或多个传感器可以包括被布置在牵引车单元的车顶上的激光雷达传感器。在这种情况下，传感器数据可以是激光雷达点云数据。

在又一示例中，控制系统还可以被配置为根据关节单元的所确定的姿态来设置驾驶操作。

根据本技术的其他方面，提供了一种在自动驾驶模式下操作车辆的方法。该方法包括：接收由车辆的感知系统的一个或多个传感器所获得的传感器数据；基于所获得的传感器数据，由车辆的一个或多个处理器估计耦接至车辆的驾驶单元的关节单元的取向；由一个或多个处理器根据估计取向确定关节单元的姿态；以及，根据关节单元的所确定的姿态设置自动驾驶模式中的驾驶操作。

该方法还可以包括由一个或多个处理器利用运动滤波器使关节单元的估计取向平滑。在这种情况下，根据所平滑的估计取向确定关节单元的姿态。在此，确定关节单元的姿态可以包括基于关节单元的长度、沿着关节单元的挂接点位置、或者沿着驾驶单元的拖曳点位置中的至少一个来评估所平滑的估计取向。

该方法还可以包括根据所获得的传感器数据确定关节单元的主面。确定主面可以包括根据比较最接近和最远离一个或多个传感器中的给定一个传感器的所获得的数据点来评估关节单元的所检测的表面是前表面还是侧表面。评估关节单元的所检测的表面是前表面还是侧表面可以包括：首先确定所检测的表面不是前表面，然后确定所检测的表面是右侧表面还是左侧表面。

该方法可以可替代地包括检测在关节单元的一个或多个面上的一个或多个对准标记。在此，还基于对一个或多个对准标记的检测来确定关节单元的姿态。

附图说明

图1A-B示出了与本技术的各方面一起使用的示例牵引式挂车布置。

图1C-D示出了与本技术的各方面一起使用的示例关节式公交车布置。

图2A示出了根据本公开的各方面的自动车辆控制系统的系统图。

图2B示出了根据本公开的各方面的挂车的系统图。

图3A是根据本公开的各方面的车辆的传感器覆盖范围的示例。

图3B是根据本公开的各方面的车辆的传感器覆盖范围的另一示例。

图4示出了根据本公开的各方面的转弯的示例车辆。

图5示出了根据本公开的各方面的转弯的各方面。

图6A-B示出了根据本公开的各方面的转弯场景示例。

图7A-B示出了根据本公开的各方面的传感器点云数据的示例。

图8示出了根据本公开的各方面的飞行照相机(flight camera)或深度照相机的示例位置。

图9示出了根据本公开的各方面的表面标记的示例。

图10示出了根据本公开的各方面的示例方法。

具体实施方式

概述

本技术涉及完全自动或半自动的车辆，包括牵引式挂车或其他关节式车辆。车载传感器(例如激光雷达传感器)用于检测挂车或车辆的关节部分的实时姿态。基于所接收的传感器数据来估计挂车或其他关节部分的取向，并且根据关于挂车/关节部分的其他信息和取向来确定姿态。本发明的各方面还涉及确定传感器数据(例如，激光雷达点云)来自挂车/关节部分的哪一侧或哪一“面”。这些和其他方面将在下面详细讨论。

图1A-B示出了示例车辆100，例如牵引式挂车。卡车可以包括例如单个、双重或三重的挂车，或者可以是诸如商业重量等级为4至8的另一中型或重型卡车。如图所示，卡车包括牵引车单元102和单个货物单元或挂车104。取决于要运输的货物的类型，挂车104可以是完全封闭的、打开的(诸如平板床型(flat bed)的)、或者是部分打开的。牵引车单元102包括引擎系统和转向系统(未示出)以及用于司机和任何乘客的驾驶室106。在完全自动的布置中，由于可能不需要人，所以驾驶室106可以不配备座椅或手动驾驶部件。

挂车104包括称为主销108的挂接点。主销108通常形成为实心钢轴，该实心钢轴被配置为可枢转地附接到牵引车单元102。特别地，主销108附接到在驾驶室的后方安装的、称为第五轮的挂车耦接器110。对于双重或三重的牵引式挂车，第二挂车和/或第三挂车可能与主导挂车有简单的挂接连接。或者，可替代地，根据本公开的一个方面，每个挂车可以具有其自己的主销。在这种情况下，至少第一挂车和第二挂车可以包括被布置成耦接到下一挂车的第五轮类型的结构。

如图所示，牵引车可具有沿其布置的一个或多个传感器单元110、112。例如，一个或多个传感器单元110可以被布置在驾驶室106的车顶或顶部分，以及一个或多个侧面传感器单元112可以被布置在驾驶室106的左侧和/或右侧上。传感器单元还可以沿着驾驶室106的其他区域定位，诸如沿着前保险杠或引擎盖区域、在驾驶室的后方、与第五轮相邻、在底盘下方等。挂车104还可以具有被沿其布置的一个或多个传感器单元114，例如沿着挂车104的侧面板、前方、后方、车顶和/或起落架(undercarriage)布置的一个或多个传感器单元114。图1C-D示出了另一类型的关节式车辆120(诸如关节式巴士)的示例。与牵引式挂车100一样，关节式公交车120可以包括被沿车辆的不同区域布置的一个或多个传感器单元。举例来说，如下文进一步讨论的，每个传感器单元可以包括一个或多个传感器，例如激光雷达、雷达、照相机(例如，光学或红外)、声学(例如，麦克风或声纳类型的传感器)、惯性(例如，加速计、陀螺仪等)或其他传感器。

示例系统

图2A示出了具有被配置为以完全自动或半自动的操作模式进行操作的诸如卡车、农用装置或施工装置的车辆的各种组件和系统的框图200。举例而言，对于在部分自动或完全自动的驾驶模式下操作的车辆可以出现不同程度的自主性。美国国家公路交通安全管理局和汽车工程师协会已经确定了不同的级别，以指示车辆控制驾驶的程度有多少。例如，级别0没有自动化，并且司机做出所有与驾驶有关的决定。最低的半自动模式，级别1，包含例如巡航控制的一些驾驶辅助。级别2具有特定驾驶操作的部分自动化，而级别3包含有条件的自动化，可以使得司机座位上的人能够根据需要进行控制。相比之下，级别4是高度自动化级别，在这种情况下，车辆可以在所选择的条件下无需辅助就能够驾驶。级别5是完全自动的模式，在这种模式下，车辆可以在所有情况下都无需辅助就能够驾驶。本文描述的架构、组件、系统和方法可以在半自动或全自动的模式中的任何一种下运行，例如在本文中被称为“自动”驾驶模式的级别1-5。因此，当涉及自动驾驶模式时包括部分自主和完全自动。

如图2A的框图所示，车辆包括一个或多个计算装置的控制系统，诸如包含一个或多个处理器204、存储器206和通常在通用计算装置中存在的其他组件的计算装置202。该控制系统可以构成牵引车单元的电子控制单元(electronic control unit,ECU)。存储器206存储一个或多个处理器204可访问的信息，包括可由处理器204执行或以其他方式使用的指令208和数据210。存储器206可以是能够存储处理器可访问的信息的任何类型，包括计算装置可读介质。存储器是非暂时性介质，例如硬盘驱动器、存储卡、光盘、固态存储器、磁带存储器等。系统可以包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。

指令208可以是将由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如，指令可以作为计算装置代码被存储在计算装置可读介质上。就这一点而言，术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储以供处理器直接处理，或者以包括脚本或按需解释或预先编译的独立源代码模块的集合的任何其他计算语言存储。数据210可以由一个或多个处理器204根据指令208来检索、存储或修改。作为示例，存储器206的数据210可以存储诸如校准信息的信息，以在校准不同类型的传感器时使用。

一个或多个处理器204可以是任何常规处理器，诸如可商购获得的CPU。可替代地，一个或多个处理器可以是专用装置，诸如ASIC或其他基于硬件的处理器。尽管图2A在功能上将计算装置202的处理器(多个)、存储器和其他元件示出为在同一框内，但是这种装置实际上可以包括可以或可以不被存储在相同的物理壳体内的多个处理器、计算装置或存储器。类似地，存储器206可以是位于与处理器(多个)204的壳体不同的壳体中的硬盘驱动器或其他存储介质。因此，当涉及处理器或计算装置时将要理解的是其包括对可能或可能不并行操作的处理器或计算装置或存储器的集合。

在一个示例中，计算装置202可以形成结合到车辆100中的自动驾驶计算系统。自动驾驶计算系统可以能够与车辆的各种组件通信，以便执行路线计划和驾驶操作。例如，计算装置202可以与车辆的各种系统通信，诸如包括减速系统212(用于控制车辆的制动)、加速系统214(用于控制车辆的加速)、转向系统216(用于控制车轮的取向和车辆的方向)、信号系统218(用于控制转弯信号)、导航系统220(用于将车辆导航到一位置或对象周围)和定位系统222(用于确定车辆的位置)的驾驶系统。

计算装置202还可操作地耦接到感知系统224(用于检测车辆环境中的对象)、动力系统226(例如，电池和/或汽油或柴油动力引擎)和传动系统230，以便在不要求或不需要来自车辆乘客的连续或周期性的输入的自动驾驶模式下根据存储器206的指令208控制车辆的移动、速度等。车轮/轮胎228中的一些或全部被耦接到传动系统230，并且计算装置202可以能够接收关于轮胎压力、平衡和可能影响在自动模式下的驾驶的其他因素的信息。

计算装置202可以通过控制各种组件来控制车辆的方向和速度。举例来说，计算装置202可以使用来自地图信息和导航系统220的数据完全自动地将车辆导航到目的地位置。计算装置202可以使用定位系统222来确定车辆的位置，并且可以使用感知系统224来检测对象并按需响应于对象，从而安全抵达位置。为了这样做，计算装置202可以使车辆加速(例如，通过由加速系统214增加向引擎提供的燃料或其他能量)、减速(例如，通过减少向引擎提供的燃料、改变档位(例如，经由传动系统230)、和/或由减速系统212施加制动)、改变方向(例如，通过由转向系统216使车辆100的前车轮或其他车轮转弯)、以及发出这种改变的信号(例如，通过点亮信号系统218的转弯信号)。因此，加速系统214和减速系统212可以是包括在车辆的引擎和车辆的车轮之间的各种组件的动力传动系统(drivetrain)或其他传动系统230的部分。同样，通过控制这些系统，计算装置202还可以控制车辆的传动系统230，以便自动地操纵车辆。

作为示例，计算装置202可以与减速系统212和加速系统214交互，以便控制车辆的速度。类似地，转向系统216可由计算装置202使用，以便控制车辆的方向。例如，如果车辆被配置为在道路上使用，诸如牵引式挂车卡车或施工车辆，则转向系统216可以包括控制牵引车单元的车轮的角度以使车辆转弯的组件。信号系统218可由计算装置202使用，以便例如在需要时通过点亮转弯信号或制动灯来向其他司机或车辆发出车辆意图的信号。

导航系统220可以由计算装置202使用，以便确定和遵循到一位置的路线。就这一点而言，导航系统220和/或数据210可以存储地图信息，例如计算装置202可以用来导航或控制车辆的高度详细的地图。作为示例，这些地图可以识别道路的形状和高度、车道标记、十字路口、人行横道、限速、交通信号灯、建筑物、标志、实时交通信息、植被或其他此类对象和信息。车道标记可以包括诸如实线或折断的双车道线或单车道线、实线或折断的车道线、反射器等的特征。给定车道可以与左车道线和右车道线或限定车道的边界的其他车道标记相关联。因此，大多数车道可以由一个车道线的左边缘和另一车道线的右边缘界定。

感知系统224还包括一个或多个传感器或其他组件，用于检测车辆外部的对象，诸如其他车辆、道路上的障碍物、交通信号、标志、树木等。例如，感知系统224可以包括一个或多个光检测和测距(激光雷达)传感器、声学(例如，麦克风或声纳)装置、雷达单元、照相机(例如，光学和/或红外)、惯性传感器(例如，陀螺仪或加速计)、和/或记录可由计算装置202处理的数据的任何其他检测装置。感知系统224的传感器可以检测对象及其特征，诸如位置、取向、尺寸、形状、类型(例如，车辆、行人、骑自行车的人、植被等)、航向(heading)和移动速度等。来自传感器(例如，激光雷达点云)的原始数据和/或前述特性随着其被感知系统224生成，可以被周期或连续地发送到计算装置202，以进行进一步处理。计算装置202可以使用来自定位系统222的信息来确定车辆的位置，并且可以使用感知系统224检测对象并在需要时响应于对象，从而安全到达位置，包括路线的计划改变。另外，计算装置202可以执行单个传感器、特定传感器部件中的所有传感器、或者不同传感器部件中的传感器之间的校准。

如图2A所示，感知系统224包括一个或多个传感器部件232。每个传感器部件232包括一个或多个传感器。在一个示例中，传感器部件232可以被布置为集成到卡车、农用设备、施工设备等等上的侧视镜中的传感器塔。如上面针对图1A-B所指出的，传感器部件232也可以被定位在牵引车单元102上或挂车104上的不同位置。计算装置202可以与位于牵引车单元102和挂车104两者上的传感器部件通信。每个部件可以具有一个或多个类型的传感器，诸如上述传感器。

在图2A中还示出了提供牵引车单元和挂车之间的连接性的耦接系统234。耦接系统234包括一个或多个动力和/或气动连接236，以及用于在挂车处连接至主销的在牵引车单元处第五轮238。

图2B示出了挂车的示例框图240。如图所示，该系统包括一个或多个计算装置的ECU 242，例如包含一个或多个处理器244、存储器246和通常存在于通用计算装置中的其他组件的计算装置。存储器246存储一个或多个处理器244可访问的信息，包括可由处理器(多个)244执行或以其他方式使用的指令248和数据250。来自图2A的处理器、存储器、指令和数据的描述适用于图2B的这些元素。

ECU 242被配置为从挂车单元接收信息和控制信号。ECU 242的车载处理器244可以与挂车的各种系统通信，包括减速系统252(用于控制挂车的制动)、信号系统254(用于控制转弯信号)和定位系统256(为了辅助确定挂车的位置)。ECU 242还可以通过一个或多个传感器(用于检测挂车环境中的对象)可操作地耦接到感知系统258，并且耦接到动力系统260(例如，电池电源)以向本地组件提供动力。挂车的车轮/轮胎262中的一些或所有可以耦接到减速系统252，并且处理器244可以能够接收关于轮胎压力、平衡、车轮速度和可能影响在自动模式下的驾驶的其他因素的信息，并且将该信息中继到牵引车单元的处理系统。减速系统252、信号系统254、定位系统256、感知系统258、动力系统260和车轮/轮胎262可以以诸如以上针对图2A所描述的方式操作。

挂车还包括一组起落装置(landing gear)264以及耦接系统266。当与牵引车单元解耦时，起落装置为挂车提供支撑结构。可以是耦接系统234的部分的耦接系统266在挂车和牵引车单元之间提供连接性。耦接系统266可以包括连接分段268(例如，用于动力和/或气动的联通(link))，以提供与可能或可能不能够以自动模式操作的传统挂车单元的向后兼容性。耦接系统还包括被配置为提供与牵引车单元的第五轮的连接性的主销270。

虽然针对牵引式挂车的布置描述了图2A-B的组件和系统，如上所述，本技术可以与其他类型的关节式车辆一起被采用，诸如图1C-D的关节式公交车120。

示例实现

鉴于以上描述并在附图中示出的结构和构造，现在将描述各种实现方式。

采用从一个或多个传感器获得的信息，使得车辆可以以自动模式运行。每个传感器或每个类型的传感器可以具有不同的范围、分辨率和/或视场(field of view，FOV)。

例如，传感器可以包括长距离、窄视场的激光雷达和短距离、高视场的激光雷达。在一个示例中，长距离的激光雷达的范围可以超过50-250米，而近距离的激光雷达的范围可以不超过1-50米。可替代地，短距离的激光雷达通常可以覆盖距车辆最多10-15米的距离，而长距离激光雷达可以覆盖超过100米的距离。在另一示例中，长距离在10-200米之间，而短距离在0-20米之间。在另一示例中，远距离超过80米，而近距离低于50米。可以通过长距离和近距离的激光雷达之一或两者来覆盖例如10-100米之间的中距离、或者也可以通过被包括在传感器系统中的中等距离激光雷达覆盖例如10-100米之间的中距离。中距离的激光雷达可以在单个壳体中被放置在长距离的激光雷达和短距离的激光雷达之间。除了这些激光雷达之外或者可代替这些激光雷达，可以布置一组照相机，例如以提供前向、侧向和后向的图像。类似地，也可以布置一组雷达传感器以提供前向、侧向和后向的数据。其他传感器可以包括惯性传感器，诸如陀螺仪、加速计等。

激光雷达、照相机和雷达传感器及其视场的示例在图3A和3B中示出。在图3A的示例300中，一个或多个激光雷达单元可以位于屋顶(rooftop)传感器壳体302中，而其他激光雷达单元可以位于侧传感器壳体304中。特别地，屋顶传感器壳体302可以被配置为提供360°视场。一对传感器壳体304可以位于牵引车单元驾驶室的任一侧，例如被集成到侧视镜部件中或沿着驾驶室的侧门或后侧围板(quarterpanel)来集成。在一种场景下，长距离激光雷达可以沿着传感器壳体302和304的顶部区域或上部区域定位。长距离激光雷达可以被配置为在车辆的引擎罩上方来观察。并且，短距离激光雷达可以位于传感器壳体302和304的其他部分中。短距离激光雷达可以被感知系统用来确定诸如另一车辆、行人、骑自行车的人等对象是否紧邻车辆的前方或侧面，并在确定如何驾驶或转弯时将该信息考虑在内。两种类型的激光雷达可以共同位于壳体中，例如沿着共同的垂直轴线对齐。

如图3A所示，屋顶传感器外壳302中的激光雷达(多个)可以具有视场306。在此，如区域308所示，车辆的挂车或其他关节部分可以会提供信号返回，并且可能部分或完全地挡住后向视角。牵引车单元左侧和右侧的长距离激光雷达具有视场310。其可以包围车辆的侧面和前方的重要区域。如图所示，在车辆的前方可能存在其视场的重叠区域312。重叠区域312向感知系统提供关于直接在牵引车单元前方的非常重要的区域的传感器信息。此冗余也具有安全的方面。如果长距离激光雷达传感器中的一个的性能下降，则冗余仍将允许操作以自动模式进行。左侧和右侧的短距离激光雷达具有较小的视场314。在附图中，为清楚起见，示出了在不同视场之间的空间；但是实际上覆盖范围可能没有中断。传感器部件的具体布局和视场仅是示例性的，并且可以根据例如车辆的类型、车辆的尺寸、视场要求等而不同。

图3B示出了在屋顶壳体中以及在牵引式挂车的两侧上的雷达传感器和照相机传感器中的任一个(或两者)的示例配置310。在此，在传感器壳体302和304中的每个中可以存在多个雷达传感器和/或照相机传感器。如图所示，在屋顶壳体中可以存在具有前视场316、侧视场318和后视场320的传感器。与区域308一样，挂车可能影响传感器检测车辆背后的对象的能力。传感器壳体304中的传感器可以具有面向前方的视场322(以及侧视场和/或后视场)。正如上面针对图3A所讨论的激光雷达，图3B的传感器可以被布置为使得毗连的视场重叠，诸如由重叠区域324所示。在此的重叠区域类似地可以提供冗余并且在一个传感器遭受性能下降的情况时，具有相同的好处。

图4示出了驾驶场景400，其中，如虚线402所示，车辆正在转弯以遵循路线。如上所述，这可以帮助车载驾驶和计划系统(多个)以了解牵引车和挂车之间的具体取向。例如，图5通过虚线箭头500示出了左转弯，并且通过双箭头502示出了相对取向角θ的相应改变。虚线圆504指示了枢转大概在其处发生的、挂车的主销的位置。

本技术的一个方面采用了使用车载传感器系统的挂车追踪算法，该挂车追踪算法由例如计算装置202的处理器204、定位系统222或系统的其他元件来实现。例如，可以从安装在车顶或沿牵引车的其他位置上的一个或多个激光雷达传感器获得激光雷达传感器数据(例如，点云)。

挂车追踪算法具有数个方面。一个方面涉及基于所接收的激光雷达传感器数据点云来估计挂车相对于牵引车的取向(例如，具有取向角θ)。另一方面可以包括使用诸如卡尔曼型滤波器的运动滤波器使得取向平滑。基于此，相对于关于挂车的取向和其他数据，得出挂车或其他关节元件的姿态。例如，可以将挂车的长度和高度、挂接点(例如，第五轮)的位置和拖曳点(例如，主销)的位置考虑在内。为了该方法的目的，用什么材料(多个)制成挂车都没有关系。

该方法是特别有益的，因为不需要增加的硬件。在一个示例中，按每秒10次更新激光雷达数据。运动滤波器可以按每秒100次更新。在其他示例中，更新可以更高(例如，每秒20-30次或每秒200-300次)或更低(例如，每秒5-9次或每秒50-90次)。

另一方面涉及确定激光雷达点云(或其他传感器信息)是主要从挂车的前面返回还是更主要地从挂车的左侧面或右侧面返回。尽管诸如陀螺仪和加速计的传感器可以帮助车载计算机系统确定挂车相对于牵引车的取向，但是如果这种传感器发生故障或停止报告姿态数据，或者否则遭受精度下降，则探知取向可能会具有挑战性。因此，该方面涉及无状态取向估计。这种方法避免了必须保留先前相对取向的内部记录或在自动驾驶开始时要求挂车在初始取向上与牵引车对准。

图6A-B和7A-B示出了转弯量可以如何影响所接收的传感器数据的示例。图6A示出了第一场景600，其中，车辆正在做出左转弯，其中，转弯的角度不锐利，例如小于约30°。在此，感知系统的传感器可能包括发射激光脉冲602和604的激光雷达传感器，该激光脉冲602和604分别照射挂车的前方和左侧。图6B示出了第二场景610，其中车辆正在做出左转弯，但是此处转弯的角度更锐利，例如大于大约30°，诸如45°-60°或更大。在此，激光雷达传感器发射激光脉冲612和614，该激光脉冲612和614分别照射挂车的前方和左侧。

取决于转弯的锐度、传感器的布局、挂车的尺寸和形状等，激光脉冲可能更多照射挂车的前方或左侧(或右侧)。这样的示例在图7A-B中示出。图7A示出了情况700，其中，激光雷达点云702和704是由从挂车离开的激光脉冲的反射产生的。在此，点云702是沿着挂车的前面，而点云704是沿着挂车的左侧。类似地，图7B示出了情况710，其中，激光雷达点云712和714是通过分别从挂车的前侧和左侧离开的激光脉冲的反射的产生的。可以看出，第一场景600沿着前侧产生了明显的点云702，而第二场景610沿着左侧产生了明显的点云714。

无状态方法确定挂车的哪部分(例如，前方、左侧或右侧)是作为激光雷达点云的部分返回的“主”面。主面可以被认为是系统为其计算表面法线的面。例如，如果系统确定有两侧被激光装置射到(从两侧接收激光返回)，则系统可以使用平面度或其他标准来选择更好(例如，更平坦)的侧作为主面。主面点是由激光雷达前向光束所射到的挂车上的点。这可能是主面上的任意点。激光雷达点云可以包括来自远离牵引车的挂车其他部分(例如，挂车的后角)的返回信号。其他返回信号来自外部环境中的对象，例如植被、标志、其他车辆等。由于挂车是长的，因此过滤掉从植被或地面返回的信号可能是计算密集的。

用于发现主面的无状态技术的初始阶段基于激光雷达点云中的点之间的距离构建无向图形。举例来说，当两个点之间的距离小于确定的量时，诸如在邻域内，两个点通过边缘连接。仅作为示例，邻域可以是例如相似于20cm，诸如在15-25cm之间、或更大或更小。可以基于激光数据的点密度来选择距离。例如，如果另一传感器具有稀疏数据，则该值可以增加，例如在一个示例中从20cm增加到30cm或更多。

主面是基于最大连接分量(component)来确定的。包含主面点的最大连接分量是所有主面点。例如，对于上述20cm示例，在点图形中，当且仅当两个节点(点)的距离在20cm以内时，两个节点(点)才通过边缘连接。图形中的连接的分量是子图形，其中，每两个节点至少具有从一个节点到另一个节点的路径。最大连接分量是没有到任何外部点的边缘的连接组件。在一个场景下，本技术可能只包括与主面在同一平面上的点，该主面由主点及其表面法线来描述。在此，使用上面的示例值，可以假设不在主面上的点相对于主面应至少超过20cm，因此包含起始主面点的最大连接分量应包含作为主面点的主面上的所有点。

当建立图形时，系统不需要使用激光扫描点云中的每个点作为顶点。相反，系统可以只使用主面限定的无限平面附近的点。因此，包含主面点的最大连接分量必定是挂车上的主面。

建立图形的一种途径是通过Voronoi图或k-d树。一旦建立了图形，其余的就可以通过泛洪填充(flood fill)算法线性地实现。泛洪填充是获得无向图形的每个最大连接分量的经典方法。但是，例如由于计算复杂性，以这种方式建立图形可能效率不高。

由于计算时间是自动驾驶场景中的问题，因此有效地提取最大连接分量是有益的。根据本技术的一方面，本方法可以从主面点开始，一次一个点地扩展到整个主面，而无需使用复杂的数据结构。该过程包括按到给定主面点的距离递增对所有点进行排序，以形成排序列表。例如，从集合S←{p

系统(例如，图2的计算装置202和/或感知系统224的处理器(多个))基于根据上述过程评估的所有点来确定哪个表面是主面。特别地，系统在主面的水平端寻找两个点。尽管可以采用绝对算法，但是可以使用近似值来寻找最接近激光雷达传感器的点和最远离激光雷达传感器的点。在牵引式挂车示例中，基于对挂车物理大小的了解，挂车宽度应差不多不超过3m。因此，如果两点之间的距离小于例如4m的设定距离，则将主面分类为前面。在这种情况下，过程结束。但是，如果确定主面不是前面(例如，两点之间的距离大于设定距离)，则过程继续。例如，参考激光雷达传感器，如果最近点在最远点的左侧，则将主面分类为左面；否则，将主面分类为右面。因此，以这种方式，系统可以确定激光雷达返回的信号的主面，而无需了解关于挂车相对于牵引车的姿态的任何先验状态信息。尽管以牵引式挂车的示例展示了主面方法，但是当不清楚传感器数据是否属于车辆的关节部分的前侧时，也可以对其他类型的关节式车辆采用相同的技术。

并且，尽管以上示例集中于单个挂车场景，但是有可能将主面方法扩展到多个耦接的挂车。例如安装在牵引车的侧面的附加激光雷达传感器(例如，如图1A和1C所示)可以帮助评估多挂车姿态以及挂车的俯仰和侧倾。

除此之外，对于姿态估计而言，将飞行时间照相机或深度照相机放在牵引车和挂车之间(例如，沿着驾驶室的后方或与第五轮部件相邻)或者在多个连接的挂车之间也可能是有益的。这样的示例在图8中示出，其中照相机可以位于点800和/或点802。与此相结合，标记可以沿着挂车的前面和侧面而被包括。通过测量获得的图像中标记之间的距离，系统可以确定挂车(多个)的姿态。图9示出了在前侧具有第一组标记902并且在左侧具有第二组标记904的挂车布置900。仅作为示例，各种标记可以是字母、数字、形状、图案(例如，条形码或二维码)、图标等。它们可以是黑白、彩色或灰度的。

近距离照相机图像对于污垢和可能覆盖挂车的其他对象具有很高的健壮性(robust)。仅作为示例，每个标记可以是正方形的形状，例如，正方形的每一边的长度是10-20cm至数米。一个标记的图像足以说明挂车相对于摄像机的相对滚动，俯仰和偏航。在一种场景下，标记将被放置在挂车的正面，左侧和右侧。如果挂车做出大转弯使得沿着前面的标记不能被看到，则右侧或左侧的标记将是可见的。

图10示出了根据以上技术的被配置为以自动驾驶模式操作的车辆的示例操作方法1000。在框1002，系统接收由车辆的感知系统的一个或多个传感器获得的传感器数据。这可以包括车载计算机系统的一个或多个处理器接收传感器数据。在框1004，系统基于所获得的传感器数据来估计耦接至车辆的驾驶单元的关节单元的取向。在框1006，系统根据估计取向来确定关节单元的姿态。并且在框1008，系统根据关节单元的确定的姿态来设置自动驾驶模式中的驾驶操作。该步骤还可以包括其他方面，诸如用运动滤波器使得关节单元的估计取向平滑。在这种情况下，可以根据经平滑的估计取向来确定关节单元的姿态。

以上方法使得车载计算机系统能够评估从挂车或车辆的其他关节部分反射的激光雷达和其他信号。计算机系统可以使用对挂车姿态的准确了解来避免挂车与附近对象的碰撞，从而有效地控制车辆(例如，通过计算机系统的计划器模块)。姿态信息还可以帮助计算机系统检测车辆的不安全状况。除非另有说明，否则前述替代示例不是互相排斥的，而是可以以各种组合实现，以取得独特的优点。由于可以在不背离权利要求所限定的主题的情况下利用以上讨论的特征的这些和其他变型和组合，因此，对实施例的前述描述应当以说明的方式而被采用，而不是以对权利要求所限定的主题进行限制的方式而被采用。另外，在此描述的示例的提供以及用短语表达为“诸如”、“包括”等的用语不应被解释为将权利要求的主题限制于特定的示例；相反，示例仅旨在说明许多可能的实施例之一。此外，不同附图中的相同附图标记可以标识相同或相似的元件。除非本文另外明确指出，否则过程或其他操作可以以不同的顺序或同时执行。