自主车辆的自动性能检查

对相关申请的交叉引用

本申请要求2018年12月13日提交的美国申请第16/219,386号的利益，其全部公开内容通过引用并入本文。

背景技术

自主车辆，诸如当在自主驾驶模式下运行时不需要人工驾驶的车辆，可用于帮助将乘客或物品从一个位置运输到另一个位置。自主车辆的一个重要组成部分是感知系统，它允许车辆使用相机、雷达、传感器和其他类似设备感知和解释周围环境。感知系统在自主车辆运动时执行许多任务，最终导致决策，诸如加速、减速、停车、转弯等。感知系统可以包括多个检测系统，诸如相机、传感器和全球定位设备，它收集和解释有关其周围环境的图像和传感器数据，例如，停放的汽车、树木、建筑物等。

发明内容

本公开的各个方面提供了一种系统，包括：一个或多个计算设备，被配置为：识别多个性能检查，包括对车辆的多个检测系统的检测系统的第一检查和对地图数据的第二检查；基于车辆的位置和多个性能检查选择多个路段，其中，多个路段中的每一个被选择用于执行多个性能检查中的一个或多个；通过连接多个路段和将车辆位置连接到多个路段中的一个路段来确定车辆的测试路线；在自主驾驶模式下沿测试路线控制车辆；在控制车辆的同时，从车辆的多个检测系统接收传感器数据；基于接收的传感器数据执行多个性能检查；基于多个性能检查的结果，从车辆的多个操作模式中选择操作模式；以及在选择的操作模式下操作车辆。

多个路段可以包括第一路段，其中可以使用沿第一路段可检测的一个或多个交通特征或静止对象执行多个性能检查中的一个或多个。多个路段可以包括第二路段，在第二路段上能够执行多个性能检查中的一个或多个所需的操纵。

第一检查可以包括将检测的交通特征的特性与先前检测的交通特征的特征进行比较。第二检查可以包括将检测的交通特征的位置与地图数据中检测的交通特征的位置进行比较。

多个性能检查还可以包括对车辆组件的第三检查，第三检查可以包括将与车辆组件相关的一个或多个测量与阈值测量进行比较。

可以基于满足多个性能检查的阈值数的结果来选择操作模式。可以基于满足多个性能检查中的一个或多个性能检查集合的结果来选择操作模式。

一个或多个计算设备还可以被配置为：基于多个性能检查的结果来确定对至少一个检测系统的一个或多个校正。在选择的操作模式下操作可以包括使用一个或多个校正。

一个或多个计算设备还可以被配置为：基于多个性能检查的结果更新地图数据。在选择的操作模式下操作包括使用更新的地图数据。

选择的操作模式可以是非活动模式。

系统还可以包括：车辆。

本公开还提供了：通过一个或多个计算设备识别多个性能检查，包括：对车辆的多个检测系统的检测系统的第一检查和对地图数据的第二检查；通过一个或多个计算设备基于车辆的位置和多个性能检查来选择多个路段，其中多个路段中的每一个被选择用于执行多个性能检查中的一个或多个；通过一个或多个计算设备，通过连接多个路段并通过将车辆位置连接到多个路段中的一个路段来确定车辆的测试路线；通过一个或多个计算设备在自主驾驶模式下沿测试路线控制车辆；在控制车辆的同时，通过一个或多个计算设备从车辆的多个检测系统接收传感器数据；通过一个或多个计算设备基于接收的传感器数据执行多个性能检查；通过一个或多个计算设备基于多个性能检查的结果从车辆的多个操作模式中选择操作模式；以及通过一个或多个计算设备在选择的操作模式下操作车辆。

多个路段可以包括第一路段，其中可以使用沿第一路段可检测的一个或多个交通特征或静止对象执行多个性能检查中的一个或多个。多个路段可以包括第二路段，在第二路段上可以执行多个性能检查中的一个或多个所需的操纵。

所述方法还可以包括：通过一个或多个计算设备基于多个性能检查的结果确定对检测系统中的至少一个的一个或多个校正，其中在选择的操作模式下操作包括使用一个或多个校正。所述方法还可以包括：通过一个或多个计算设备基于多个性能检查的结果更新地图数据，其中在选择的操作模式下操作包括使用更新的地图数据。

可以以规则间隔执行多个性能检查。

附图说明

图1是根据本发明各个方面的示例车辆的功能图。

图2是根据本发明的方面的地图数据的示例表示。

图3是根据本发明各个方面的车辆的示例外部视图。

图4是根据本发明各个方面的系统的示例示意图。

图5是根据本发明各个的系统的示例功能图。

图6是根据本发明各个方面的示例情况。

图7示出根据本发明各个方面收集的传感器数据的示例。

图8显示根据本发明各个方面收集的组件数据的示例。

图9示出根据本发明各个方面的另一示例情况。

图10是根据本发明各个方面的示例流程图。

具体实施方式

概述

本技术涉及在全面校准之后、操作前或以规则间隔对车辆执行性能检查。在道路上操作车辆之前，人类驾驶员可能会检查车辆的各种系统和组件，诸如确保后视镜已调整、GPS系统正常工作以及方位盘、制动器和信号灯等组件是否响应。同样，在操作前，还需要检查自主车辆的各种系统，特别是当车辆将在自主模式下操作时，其中人类驾驶员可能不会注意到车辆系统的问题。例如，即使车辆在过去已被完全校准，车辆感知系统中的传感器也可能在先前的操作过程中被移动，诸如被另一道路使用者或清洁工移动，或者被诸如温度、湿度等环境因素损坏。

因此，可以对车辆执行多个性能检查，包括例如传感器检查、地图检查和/或组件检查。传感器检查可以包括确定给定传感器或检测系统的功能水平，诸如检测精度、检测分辨率、视场等。地图检查可以包括确定地图数据相对于给定地理区域的精度。组件检查可以包括确定给定组件的功能水平，诸如轮胎压力、轮胎定位(tire alignment)等。多个性能检查的结果可以被用于确定车辆的哪些功能在设定的指南内，诸如安全性和舒适性。结果也可以被用于指定或清除车辆处于特定操作模式下。

为了执行多个性能检查，一个或多个计算设备可以基于车辆的位置、地图数据和车辆的多个系统的多个性能检查来确定测试路线。测试路线不需要包括指定的车辆段或测试中心，也不需要是封闭路线。

车辆的计算设备可以使用一个或多个组件沿测试路线导航车辆，并使用多个检测系统收集数据。收集数据可以包括使用多个检测系统中的检测系统来沿测试路线检测一个或多个交通特征或静止对象。此外，收集数据可以包括检测与车辆组件相关的一个或多个测量。

在测试路线期间或在车辆完成测试路线之后，车辆的计算设备可以通过分析收集的数据来执行多个性能检查。对于传感器检查，可以将检测的交通特征的特性(诸如位置、方位、形状、颜色、反射率等)与先前检测或存储的交通特征的特性进行比较。对于地图检查，可以将检测的交通特征的位置或方位与车辆的地图数据中先前检测或存储的交通特征的位置或方位进行比较。对于组件检查，可以将与车辆组件相关的一个或多个测量与阈值测量进行比较。

基于来自多个性能检查的结果，诸如基于已经满足哪个性能检查，车辆的计算设备可以选择用于操作车辆的操作模式。操作模式可以包括例如任务指定(乘客或非乘客任务)或者速度、距离或地理区域的限制。操作模式也可以包括非活动模式(inactive mode)，例如，如果车辆未清除(clear)任何其他模式。在一些实现中，可以通过诸如车队管理系统的远程系统为多个车辆选择模式。然后，车辆的计算设备可以基于多个性能检查在特定模式下操作车辆。

上述特征可以允许自主车辆快速且正确地准备操作。更快的准备意味着即使在需求波动的情况下车辆也可以以更及时的方式被派遣给用户。结果，自主车辆的用户可能能够被及时接驾。此外，在准备自主车辆投入服务时，需要使用更少的资源(诸如燃油)，这可以降低总体成本。这些特征还允许管理指定用于可以更有效和安全地为用户服务的多种模式的整个自主车辆车队。

示例系统

如图1所示，根据本发明一个方面的车辆100包括各种组件。尽管本发明的某些方面对于特定类型的车辆特别有用，但车辆可以是任何类型的车辆，包括但不限于轿车、卡车、摩托车、公共汽车、休闲车等。车辆可以具有一个或多个计算设备，例如，包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。

存储器130存储一个或多个处理器120可访问的信息，包括处理器120可以执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储处理器可访问的信息的任何类型，包括计算设备可读介质，或其它存储可借助电子设备读取的数据的介质，诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其它光盘，以及其它可写和只读存储器。系统和方法可以包括上述的不同组合，其中指令和数据的不同部分存储在不同类型的媒体上。

指令132可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集。例如，指令可以作为计算设备代码存储在计算设备可读介质上。对此，术语“指令”和“程序”可在本文中互换使用。指令可以以目标代码格式存储以供处理器直接处理，或者以任何其他计算设备语言存储，包括按需解释或预先编译的独立源代码模块的脚本或集合。下面将更详细地说明指令的功能、方法和例程。

处理器120可以根据指令132检索、存储或修改数据134。例如，存储器130的数据134可存储预定义场景。给定场景可识别场景需求集合，包括对象类型、对象相对于车辆的位置范围以及其他因素，诸如自主车辆是否能够围绕对象操纵、对象是否使用转向灯、与对象的当前位置相关的交通灯状态、对象是否接近停车标志等。需求可以包括：离散值，诸如“右转向信号灯亮起”或“仅在右转车道上”；或值的范围，诸如“具有朝向与车辆100的当前路径偏移30到60度的角度的航向”。在一些示例中，预定场景可以包括多个对象的类似信息。

一个或多个处理器120可以是任何常规处理器，例如市售CPU。可选地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出计算设备110的处理器、存储器和其他元件在同一块中，但是本领域的普通技术人员将理解，处理器、计算设备或存储器实际上可以包括可以存储在同一物理壳体中或者可以不存储在同一物理壳体中的多个处理器、计算设备或者存储器。例如，内部电子显示器152可由具有其自己的处理器或中央处理单元(CPU)、存储器等的专用计算设备控制，其可经由高带宽或其它网络连接与计算设备110接口。在一些示例中，该计算设备可以是能够与用户的客户端设备通信的用户接口计算设备。类似地，存储器可以是位于不同于计算设备110的壳体中的硬盘驱动器或其它存储介质。因此，对处理器或计算设备的引用将被理解为包括对处理器或计算设备或存储器的集合的引用，这些处理器或计算设备或存储器可以并行操作，也可以不并行操作。

计算设备110可以具有通常与诸如上述处理器和存储器的计算设备以及用户输入150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕或任何其他可操作以显示信息的电子设备的监视器)结合使用的所有组件。在此示例中，车辆包括内部电子显示器152以及一个或多个扬声器154以提供信息或视听体验。对此，内部电子显示器152可位于车辆100的车厢内，并可由计算设备110用于向车辆100内的乘客提供信息。除了内部扬声器之外，一个或多个扬声器154可包括布置在车辆上不同位置的外部扬声器，以便向车辆100外部的对象提供可听通知。

在一个示例中，计算设备110可以是并入车辆100中的自主驾驶计算系统。自主驾驶计算系统可以能够与车辆的各种组件通信。例如，计算设备110可以与车辆100的各种系统通信，诸如减速系统160(用于控制车辆的制动)、加速系统162(用于控制车辆的加速)、转向系统164(用于控制车轮的方位和车辆的方位)，信号系统166(用于控制转向信号)、导航系统168(用于将车辆导航到某个位置或周围的对象)、定位系统170(用于确定车辆的位置)、感知系统172(用于检测车辆环境中的对象)和电源系统174(例如，电池和/或燃气或柴油引擎)，以便在不要求或不需要来自车辆乘客的连续或定期输入的自主驾驶模式下，根据存储器130的指令132控制车辆100的移动、速度等。同样，尽管这些系统被示出为计算设备110的外部，但实际上，这些系统也可以作为用于控制车辆100的自主驾驶计算系统被并入计算设备110中。

计算设备110可以通过控制各种组件来控制车辆的方向和速度。例如，计算设备110可以使用来自地图数据和导航系统168的数据完全自主地将车辆导航到下车位置。在需要安全到达该位置时，计算设备110可以使用定位系统170确定车辆的位置，使用感知系统172检测和响应对象。为此，计算设备110可使车辆加速(例如，通过增加由加速系统162提供给引擎的燃料或其他能量)、减速(例如，通过减少供应给引擎的燃料、改变档位和/或通过减速系统160施加制动)、改变方向(例如，通过转向系统164转动车辆100的前轮或后轮)，并发出此类改变的信号(例如，通过点亮信号系统166的转向信号)。因此，加速系统162和减速系统160可以是传动系统的一部分，传动系统包括车辆引擎和车轮之间的各种组件。同样，通过控制这些系统，计算设备110还可以控制车辆的传动系统，以便自主地操纵车辆。

例如，计算设备110可以与减速系统160和加速系统162交互以控制车辆的速度。类似地，转向系统164可由计算设备110使用以控制车辆100的方向。例如，如果车辆100配置为在道路上使用，诸如汽车或卡车，则转向系统可包括控制车轮角度以转向车辆的组件。信号系统166可由计算设备110使用，以便例如通过在需要时点亮转向灯或制动灯，向其他驾驶员或车辆发出车辆意图的信号。

导航系统168可由计算设备110使用以确定并跟随路线到某个位置。对此，导航系统168和/或数据134可以存储地图数据，例如计算设备110可以用于导航或控制车辆的高度详细地图。例如，这些地图可以识别道路的形状和标高、车道标志、交叉口、人行横道、限速、交通灯、建筑物、标志、实时或历史交通信息、植被或其他此类对象和信息。车道标志可包括实线或虚线双车道或单车道线、实线或虚线车道线、反光镜等特征。给定车道可与左右车道线或定义车道边界的其他车道标志相关联。因此，大多数车道可能由一条车道线的左边缘和另一条车道线的右边缘限定。如上所述，地图数据可存储过去类似时间来自特定拾取位置的已知交通或拥挤信息和/或运输时间表(火车、公共汽车等)。该信息甚至可以由计算设备110接收的信息实时更新。

图2是地图数据200的示例。如图所示，地图数据200包括道路210、道路220、道路230、道路240和道路250的形状、位置和其他特征。地图数据200可以包括车道标记或车道线，诸如道路210的车道线211。车道线也可以定义各种车道，例如，车道线211定义道路210的车道212、214。作为车道线或标记的替代方案，车道也可以通过道路、诸如对道路220、230、240、250的宽度推断。地图数据200还可以包括识别交通方向和每个车道的速度限制的信息，以及允许计算设备110确定车辆是否有权完成特定类型的操纵(即完成转弯、穿过交通车道或交叉口等)。

地图数据200也可以包括道路210、220、230、240和250之间的关系信息。例如，地图数据200可以指示道路210在交叉口219与道路220相交，道路220在交叉口229与道路230相交，道路230、240和250在交叉口239相交，且道路250在交叉口259与道路210相交。

地图数据200还可以包括具有各种特性和不同语义含义的道路上的标志和标记。如图所示，地图数据200包括道路210的交通灯216和穿过道路210的人行横道218。地图数据200也包括停车标志260。地图数据200可以另外包括其他特征，诸如路缘、水道、植被等。

另外，地图数据200可以包括各种建筑物或结构(诸如兴趣点)以及这些建筑物或结构的类型。如图所示，地图数据200描绘道路210上的建筑物270。例如，地图数据200可以包括建筑物270的类型是机场、火车站、体育场、学校、教堂、医院、公寓楼、房屋等。为此，建筑物270的类型可以从行政记录中收集，诸如县记录(country record)，或由人工操作人员在查看航空图像后手动标记。地图数据200可以包括关于建筑物270的附加信息，诸如入口和/或出口的位置。

地图数据200也可以存储预定的停车区域，诸如停车场280。对此，这些区域可以由人类操作员手动选择或者由计算设备随着时间的推移学习。地图数据200可以包括关于停车区域的附加信息，诸如停车场280的入口282和出口284的位置，并且入口282连接到道路240，而出口284连接到道路230和250。

在一些示例中，地图数据200还可以包括分区信息。例如，分区信息可以从行政记录中获得，诸如县记录。因此，关于道路的信息可以包括在住宅区、学校区、商业区等内的指示。

地图数据还可以包括位置坐标(其示例如图7所示)，诸如道路210、220、230、240和250、交叉口219、229、239和259、车道线211、车道212和214、交通灯216、人行横道218、停车标志260、建筑物270及其入口272、停车场280及其入口282和出口284的GPS坐标。

尽管详细地图数据在本文中被描述为基于图像的地图，但是地图数据不需要完全基于图像的(例如，光栅)。例如，详细地图数据可以包括一个或多个道路图或信息的图形网络，诸如道路、车道、交叉口以及这些特征之间的连接。每个特征可以被存储为图形数据，并且可以与诸如地理位置和它是否链接到其他相关特征的信息相关联，例如，停车标志可以链接到道路和交叉口等。在一些示例中，相关联的数据可以包括基于栅格的道路图索引，以允许有效地查找某些道路图特征。

感知系统172也包括一个或多个组件，用于检测车辆外部的对象，诸如其他车辆、车道中的障碍物、交通信号、标志、树木等。例如，感知系统172可以包括一个或多个LIDAR传感器180、相机传感器(或多个)182以及RADAR传感器(或多个)184。感知系统172可包括其他传感器，诸如声纳设备(或多个)、陀螺仪(或多个)、加速计(或多个)和/或记录可由计算设备110处理的数据的任何其他检测设备。感知系统的传感器可检测对象及其特性，诸如位置，方位、大小、形状、类型(例如，车辆、行人、骑自行车的人等)、前进方位和移动速度等。来自传感器的原始数据和/或上述特征可以被量化或排列成描述函数、向量和/或边界框，并且当其由感知系统172生成时周期性地且连续地发送给计算设备110以供进一步处理。如下面进一步详细讨论的，计算设备110可以使用定位系统170来确定车辆的位置，并且当需要安全到达该位置时使用感知系统172检测并响应对象。

例如，图3是车辆100的示例外部视图。在此示例中，车顶壳体310和圆顶壳体312可以包括LIDAR传感器以及各种相机和RADAR单元。此外，位于车辆100前端的壳体320和位于车辆的驾驶员侧和乘客侧的壳体330、332可以各自存储LIDAR传感器。例如，壳体330位于驾驶员门350前面。车辆100也包括壳体340、342，用于也位于车辆100的车顶的RADAR单元和/或相机。附加RADAR单元和相机(未显示)可以位于车辆100的前端和后端和/或沿车顶或车顶壳体310的其他位置。车辆100也包括典型乘用车的许多特征，诸如车门350、352、车轮360、362等。

一旦检测到附近的对象，计算设备110和/或感知系统172可以确定对象的类型，例如，锥形交通路标、行人、车辆(诸如乘用车、卡车、公共汽车等)、自行车等。可以通过考虑检测对象的各种特性的各种模型来识别对象，诸如对象的大小、对象的速度(自行车的速度不会超过每小时40英里或低于每小时0.1英里)、来自自行车的热量(自行车的骑手往往从身体散发热量)等。此外，对象可以根据对象的特定属性被分类，诸如车牌、保险杠贴纸或车辆上出现的徽标上包含的信息。

例如，由感知系统172的一个或多个传感器收集的传感器数据(其示例在图7中示出)可以被存储在车辆100的计算设备110的数据中。参照图2，车辆100过去可能已经驶过停车标志260，并已将LIDAR传感器(或多个)180检测的停车标志260的值存储在存储器130的数据134中。在该示例中，检测的值可以包括，例如，当车辆100位于位置[x_b,y_b](该位置例如可以对应于在道路230中向交叉口239行驶，且距离到达交叉口239有10m远)，检测到停车标志260位于位置[x4,y4]和与车辆100前部呈30°角(例如，可以对应于当车辆100朝交叉口239行驶，距离道路230上的停车标志260 8米时)。如下文关于示例方法的详细描述，这些存储的传感器数据可以被用于车辆100的各种系统上的性能检查。在其他示例中，由参考车辆的感知系统收集的传感器数据可以被存储在车辆100的计算设备110中。在其他示例中，这样的传感器数据可以被远程存储在服务器或存储系统上。

计算设备110可以进一步存储车辆100的各种组件的阈值(其中一些如图8所示)。例如，计算设备110可以存储车辆100的轮胎的阈值最小轮胎压力。例如，计算设备110可以存储车辆10的轮胎的阈值定位角(alignment angle)。对于又一示例，计算设备110可以存储车辆100的制动器在特定速度下的阈值停车距离。

车辆100的一个或多个计算设备110也可以例如使用无线网络连接156从其他计算设备接收信息或向其他计算设备传送信息。无线网络连接可以包括例如蓝牙(R)、蓝牙LE、LTE、蜂窝、近场通信等，以及上述各项的各种组合。图4和图5分别是示例系统400的示意图和功能图，该示例系统400包括通过网络460连接的多个计算设备410、420、430、440和存储系统450。系统400还包括车辆100A，车辆100A可类似于车辆100配置。尽管为了简单起见仅描绘了少数车辆和计算设备，但典型系统可包括明显更多的车辆和计算设备。

如图4所示，计算设备410、420、430、440中的每一个可以包括一个或多个处理器、存储器、数据和指令。这种处理器、存储器、数据和指令可以类似于计算设备110的一个或多个处理器120、存储器130、数据134和指令132来配置。

网络460和中间节点可以包括各种配置和协议，包括短距离通信协议，诸如蓝牙(R)、蓝牙LE、互联网、万维网、内部网、虚拟专用网、广域网、局域网、使用一个或多个公司专有的通信协议的专用网络、以太网、WiFi和HTTP以及上述各项的各种组合。这种通信可以由能够向诸如调制解调器和无线接口的其它计算设备发送数据和从其发送数据的任何设备来促进。

在一个示例中，一个或多个计算设备410可以包括具有多个计算设备(例如，负载平衡服务器农场)的服务器，与网络的不同节点交换信息，以用于从其他计算设备接收数据、处理数据和向其他计算设备发送数据。例如，一个或多个计算设备410可以包括能够经由网络460与车辆100的一个或多个计算设备110或车辆100A的类似计算设备以及客户端计算设备420、430、440通信的一个或多个服务器计算设备。例如，车辆100和100A可以是可由服务器计算设备调度到不同位置的车队的一部分。对此，车队的车辆可以周期性地向服务器计算设备发送由车辆的相应定位系统提供的位置信息，并且一个或多个服务器计算设备可以跟踪车辆的位置。

如上所述，除了在计算设备110上保存检测各种交通特征的传感器数据之外，这些传感器数据还可以附加地或可选地被存储在服务器计算设备410上。同样地，车辆100的组件的阈值也可以被存储在服务器计算设备410上。

另外，服务器计算设备410可以使用网络460在显示器(诸如计算设备420、430、440的显示器424、434、444上)向用户(诸如用户422、432、442)发送和呈现信息。对此，计算设备420、430、440可以被视为客户端计算设备。

如图5所示，每个客户端计算设备420、430、440可以是供用户422、432、442使用的个人计算设备，并且具有通常与个人计算设备结合使用的所有组件，个人计算设备包括一个或多个处理器(例如，中央处理单元(CPU))、存储数据和指令的存储器(例如，RAM和内部硬盘)、显示器，诸如显示器424、434、444(例如，具有屏幕、触摸屏、投影仪、电视或其他可操作以显示信息的设备的监视器)，以及用户输入设备426、436、446(例如，鼠标、键盘、触摸屏或麦克风)。用户，诸如用户422、432、442，可以使用计算设备420、430、440的用户输入设备426、436、446向服务器计算设备410发送信息，例如拾取或下车请求。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备，用于将这些元件彼此连接的所有组件。

尽管客户端计算设备420、430和440各自可以包括全尺寸个人计算设备，但是它们可以可选地包括能够通过诸如互联网的网络与服务器无线交换数据的移动计算设备。仅作为示例，客户端计算设备420可以是移动电话或设备，诸如支持无线功能的PDA、平板PC、可穿戴计算设备或系统，或者能够经由互联网或其他网络获得信息的上网本。在另一示例中，客户端计算设备430可以是可穿戴计算系统，如图4中的腕表所示。作为示例，用户可以使用小键盘、键盘、麦克风、使用相机的视觉信号或触摸屏来输入信息。

在一些示例中，客户端计算设备440可以是管理员用于向用户(诸如用户422和432)提供远程操作员服务的远程操作员工作站，远程操作员442可以使用远程操作员工作站440经由电话呼叫或音频连接通过用户相应的客户端计算设备和/或车辆100或100A与用户通信，以确保车辆100和100A的安全操作和用户的安全，如下文进一步详细描述的。尽管图4和图5中仅示出了单个远程操作员工作站440，但是在典型系统中可以包括任意数量的此类工作站。

存储系统450可以存储各种类型的信息，如下文更详细地描述。服务器计算设备(诸如一个或多个服务器计算设备410)可以检索或以其他方式访问该信息，以执行本文所描述的一些或全部特征。例如，信息可以包括诸如凭据(例如，传统单因素身份验证中的用户名和密码以及多因素身份验证中通常使用的其他类型的凭据，诸如随机标识符、生物识别等)的用户帐户信息，可用于向一个或多个服务器计算设备识别用户。用户帐户信息还可以包括个人信息，诸如用户的姓名、联系信息、用户的客户端计算设备(或者如果多个设备与同一用户帐户一起使用，则包括多个设备)的标识信息以及年龄信息、健康信息，以及关于用户过去进入或离开车辆所花费的时间的用户历史信息，如下所述。

存储系统450也可以存储用于生成和评估位置之间的路由的路由数据。例如，路由信息可以被用于估计车辆在第一位置到达第二位置所需的时间。对此，路线信息可以包括地图数据，不必像上面描述的详细地图数据200那样具体，但是包括道路以及关于那些道路的信息，例如方向(单向、双向等)、方位(北、南等)、限速以及标识预期交通状况的交通信息等。

如上所述，这样的传感器数据可以附加地或可选地被存储在存储系统450上，而不是在计算设备110或服务器计算设备410上保存检测各种交通特征的传感器数据。同样地，车辆100的组件的阈值也可以被存储在存储系统450上。

存储系统450也可以存储可以提供给客户端计算设备以向用户显示的信息。例如，存储系统450可以存储预定距离信息，用于确定车辆对于给定的接驾或下车位置可能在哪个区域停车。存储系统450也可以存储图形、图标和其他可以显示给用户的项目，如下所述。

与存储器130一样，存储系统450可以是能够存储服务器计算设备410可访问的信息的任何类型的计算机化存储器，诸如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、可写存储器和只读存储器。另外，存储系统450可以包括分布式存储系统，其中数据存储在物理上位于相同或不同地理位置的多个不同存储设备上。存储系统450可以如图4所示经由网络460连接到计算设备和/或可以直接连接到计算设备110、410、420、430、440等中的任何一个或将其合并到其中。

示例方法

除了上述和图中所示的系统之外，现在将描述各种操作。应当理解，以下操作不必按照下面描述的精确顺序执行。相反，可以以不同的顺序或同时处理各种步骤，并且还可以添加或省略步骤。

图6示出对车辆100执行多个性能检查的示例情况600。图6中的各种特征通常对应于图2的地图数据200中所示并被如此标记的特征的形状、位置和其他特性。下面详细描述图6中的其他特性，包括各种道路用户和其他对象。尽管这些示例对于演示非常有用，但不应将其视为限制性的。

如图6所示，车辆100目前停在道路210的车道212的路边，为确保道路上的安全运行，车辆100可能需要对其系统进行性能检查。对此，车辆100可以被安排定期对其系统执行性能检查，诸如每天或每周、每预定行驶公里数或完成的行程数、或法律规定的某个频率。例如，在前一天，车辆100可能已经完成了许多次行程，并且在完成这些行程之后，车辆100已经在车道212的路边上停车。在当前这天，在继续更多的行程之前，车辆100可以首先对其各种系统执行多个性能检查。在一个实例中，某些类型的性能检查可以比其他性能检查以更高的频率被执行。在另一实例中，性能检查的频率可能取决于车辆类型。

为了对车辆执行多个性能检查，可以确定测试路线。对此，计算设备110可以基于车辆的位置、地图数据和要执行的性能检查的类型来确定测试路线。例如，计算设备110可以确定车辆100当前停在交叉口219附近的车道212的路边，并且基于地图数据200确定附近的测试路线，使得车辆100不需要仅仅为了执行这些测试而行驶到指定的车辆段或测试中心。这确保尽快执行性能检查，而不是冒着驾驶车辆100到指定测试中心的长途驾驶的风险，并确保更有效地使用资源，包括燃料。

计算设备110可以进一步基于为了完成多个性能检查而需要执行的性能检查的类型来确定测试路线。例如，所需性能检查的列表，包括每个所需性能检查的类型和每个所需性能检查的频率，可以被存储在计算设备110上。另外地或可选地，所需性能检查的列表可以被存储在计算设备110可访问的服务器计算设备410和/或存储系统450上。例如，所需性能检查的列表可以包括诸如“使用存储的交通灯检测至少每24小时执行一次传感器检查”、“使用存储在地图数据中的停车标志至少每月执行一次地图检查”、“至少每周对所有四个轮胎执行一次组件检查”等。在一个方面，计算设备110可以使用地图数据和存储的传感器数据选择多个段，诸如多个路段，选择多个路段中的每一个路段执行所需的性能检查中的一个或多个。然后，计算设备110可以连接多个路段，并且将车辆的位置连接到多个路段中的一个以确定测试路线，以便允许车辆执行多个性能检查。

例如，对于传感器检查，计算设备110可以选择用于测试路线的段，使得可以收集传感器数据以与先前检测的交通特征或静止对象的存储值进行比较。例如，如图6所示，计算设备110可以确定车辆100附近的交通灯216和人行横道218被存储为车辆100附近先前检测的交通特征。这样，可以通过将新检测的值与这些存储的值进行比较来执行对一个或多个检测系统的传感器检查。因此，计算设备110可以确定从车辆100的当前位置开始并且从车道212右转到道路220的段610可以被用于执行传感器检查。

对于地图检查，计算设备110可以选择用于测试路线的段，使得可以收集传感器数据以与地图数据中存储的交通特征或静止对象的位置和/或方位进行比较。例如，如图6所示，计算设备110可以确定停车标志260作为交通特征被存储在地图数据200中。这样，可以通过将新检测的停车标志260的位置和方位与存储在地图数据200中的停车标志260的位置和/或方位进行比较来执行对存储在导航系统中的地图数据200的地图检查。因此，计算设备110可以确定包括靠近停车标志260的道路230的一部分的段640可以被用于执行地图检查。

对于组件检查，计算设备110可以为其中可以执行特定车辆操纵的测试路线选择段。例如，如图6所示，计算设备110可以确定可在交叉口229处执行左转。这样，可以在交叉口229处在车辆100执行左转的同时执行制动、车轮定位和左转信号的组件检查。因此，计算设备110可以确定包括道路220的一部分和在交叉口229到道路230的左转的段620可以用于执行组件检查。

在一些示例中，计算设备110可以确定执行特定类型的性能检查需要多于一个段。对此，人类操作员可以手动地为测试路线创建项目列表。可选地或另外地，测试路线所需的项目列表可以被存储在计算设备110上，和/或被存储在计算设备110可访问的服务器计算设备410和/或存储系统450上。例如，测试路线所需的项目列表可以包括“测试路线上的五个或更多交通灯”、“测试路线上的一个多点转弯”等项目。例如，如图6所示，计算设备110可以确定倒车信号的组件检查需要诸如后退或平行停车或多点转弯的操纵。这样，计算设备可以确定包括停车场280的段650可以用于对倒车信号执行组件检查。

在其它示例中，为每种类型的性能检查选择的测试路线的段可以是相同的或具有重叠部分，或者换句话说，给定段可以用于执行多种类型的性能检查。例如，除了用于传感器检查外，段610还可以被用于地图检查，因为诸如交通灯216和人行横道218等交通特征的位置和/或方位被存储在地图数据200中。例如，段610也可以被用于制动器、车轮定位和右转向灯的组件检查。

计算设备110可以选择连接为特定类型的性能检查选择的各种段的测试路线的附加段。例如，计算设备110可以确定可能需要段630来连接段620和段640。这样，示例性测试路线可以包括段610、620、630、640和650。

此外，在适用的情况下，计算设备110可以存储将使用来自测试路线的每个段的传感器数据执行的对应或相关联的性能检查。例如，计算设备110可以将段610与传感器检查、使用交通灯216的地图检查、人行横道218以及关于车轮定位和右转向信号的组件检查相关联。例如，计算设备110可以将段620与左转向信号和车轮定位的组件检查相关联。对于又一示例，计算设备110可以将段640与使用停止标志260的传感器检查和地图检查相关联。对于又一示例，计算设备110可以不将任何检查与段630相关联。

计算设备110可以进一步基于对测试路线的附加需求来确定测试路线。一个示例需求可以是测试路线的一个或多个段必须具有低于阈值交通量。对此，计算设备110可以从数据库接收历史或实时交通数据。另一个示例需求可能是路线的一个或多个段的速度限制必须低于或高于阈值速度限制。对此，计算设备110可基于地图数据200来确定各种道路的速度限制。又一示例性需求可以为路线的一个或多个段不得在某些区域(例如学校区域)中执行。对此，计算设备110可以基于地图数据200来确定分区信息。另一示例需求可以为必须在停车场中执行特定类型的操纵。例如，如图6所示，尽管也可以在道路230上执行多点转向操纵，但是可以基于在停车场进行多点转向的需求来选择停车场280。附加的示例需求可能是，测试路线必须包括多个不同的交通灯、用于执行多点转弯的一个或多个死胡同以及车辆100的指定车辆段或测试中心中存储的交通特征。

测试路径不需要是闭环。例如，如图6所示，计算设备110可以确定在段650的末端处进入下一段，而不是返回到测试路线的开头。在其它示例中，测试路线可以是闭环，例如，计算设备110可以确定将段650的末端连接回段610的开头的附加路段。在测试路线是闭环的示例中，可以重复多个性能检查以收集更多传感器数据集合，例如，可以对其进行平均以获得更准确的结果。

可以存储测试路线，使得车辆能够在以后再次使用测试路线来执行上述检查。例如，可以存储上述测试路线，并且当需要再次执行多个性能检查时，如果车辆100恰好在该区域周围，则计算设备110可以简单地使用存储的测试路线，而不是确定新的测试路线。对于另一示例，基于需要再次执行的性能检查，计算设备110可以使用存储的测试路线的一些但不是全部段。

一旦确定了测试路线，计算设备110就可以控制车辆100沿测试路线行驶。在这样做的同时，感知系统172和/或计算设备110可以在测试路线上收集数据，包括传感器数据和组件数据，以便执行上述性能检查。例如，图7显示了当车辆100沿图6所示的测试路线行驶时，由感知系统172中的各种传感器收集的传感器数据700的示例。对于另一个示例，图8显示了当车辆100沿图6所示的测试路线行驶时，从各种组件收集的示例组件数据800。

参照图6和图7，收集的传感器数据可以包括关于永久交通特征或静止对象的数据，例如交通灯216、人行横道218、建筑物270、停车标志260和停车场280。如图7所示，传感器数据可以包括诸如每个交通特征或对象的检测的位置和方位的信息，以及当获取关于该特征或对象的传感器数据时车辆100的位置。例如，在测试路线上，当车辆100位于位置[x_a,y_a]时，车辆100的LIDAR传感器(或多个)180可以检测到在位置[x1,y1]处且与车辆100成25°角的交通灯216和在位置[x3,y3]处且与车辆100成10°角的建筑物270。对于另一示例，仍在测试路线上时，当车辆100位于位置[x_b,y_b]时，车辆100的LIDAR传感器(或多个)180可以检测到在位置[x4,y4]处且与车辆100成25°角的停车标志260和在位置[x5,y5]处且与车辆100成25°角的停车场280。车辆100在测试路线中的位置可以由导航系统168确定。尽管未显示，但LIDAR数据可以进一步包括诸如这些特征或对象的大小和形状等细节。

存储的传感器数据可以包括诸如先前检测的每个交通特征或对象的位置和方位的信息。对此，存储的交通特征或对象的传感器数据可以包括车辆100的传感器过去对交通特征或对象的检测。存储的交通特征或对象的传感器数据可以附加地或可选地包括由其他车辆的传感器对交通特征或对象的先前检测。此外，存储的传感器数据可以包括在检测到交通特征或对象时获取传感器数据的车辆的位置。存储的传感器数据可以被存储在计算设备110上。另外地或可选地，存储的传感器数据可以存储在计算机设备110可访问的服务器计算设备410和/或存储系统450上。

尽管未示出，但是存储的传感器数据和收集的传感器数据可以包括由多个传感器(诸如由安装在车辆100中或车辆100上不同位置的不同LIDAR传感器)获取的相同类型的传感器数据。此外，存储的传感器数据和收集的传感器数据可以包括不同类型的传感器数据，诸如相机数据。每种类型的传感器数据可以包括与LIDAR数据类似的信息，诸如检测的每个交通特征或对象的位置和方位，以及获取该特征或对象的传感器数据时车辆100的位置。另外，每种类型的传感器数据可以包括诸如这些特征或对象的大小、形状、颜色等进一步的细节。

尽管未示出，但是收集的传感器数据可以进一步包括关于临时或移动交通特征和/或对象的数据，诸如车辆100A、车辆100B、锥形交通路标670和行人680。例如，当在测试路线的位置[x_c,y_c]时，车辆100的LIDAR传感器(或多个)80可以检测在位置[x6,y6]处且与车辆100前部成15°角的车辆100A。同时或大约同时，相机传感器(或多个)182和RADAR传感器184也可以检测到在位置[x6,y6]且成15°角的车辆100A。例如，相机数据可以进一步包括车辆100A的颜色，RADAR数据可以进一步包括车辆100A的速度。

参照图6和图8，可以收集车辆100各个组件的组件数据。例如，如图8所示，可以收集车辆100所有四个轮胎的轮胎压力。又例如，可以收集车辆100所有四个车轮的车轮定位数据。车轮定位数据可以包括每个车轮的外倾角(camber angle)、后倾角(caster angle)和前束角(toe angle)。又例如，可以收集关于车辆100的制动器的数据。例如，可以测量特定速度(诸如100km/hr)下的停车距离。又例如，可以打开和关断各种灯的响应性，例如转向灯和倒车灯以及夜灯。

在车辆完成测试路线期间或之后，可以通过分析收集的数据来执行多个性能检查。计算设备110可以通过在车辆100在测试路线中导航时实时分析收集的数据来执行多个性能检查，或者将收集的数据存储在存储器130中，使得计算设备110可以在完成测试路线之后执行检查。另外地或可选地，收集的数据可以被上传到服务器计算设备410或存储系统450，使得服务器计算设备410可以执行多个性能检查。使计算设备110执行检查可以提供更高的效率，因为将收集的数据上传到服务器计算设备410或存储系统450可能是耗时的。

对于传感器检查，可以将在测试路线期间收集的交通特征或对象的检测特性与先前检测或存储的交通特征或对象的特性进行比较。当在测试路线期间收集的特性与同一传感器先前检测或存储的特性匹配时，传感器可以满足传感器检查；并且当在测试路线期间收集的特性与先前检测或存储的特性不匹配时，传感器不满足传感器检查。例如，参照图7，可以将从LIDAR传感器(或多个)180收集的LIDAR数据与来自LIDAR传感器(或多个)180的先前检测的存储的LIDAR值进行比较。例如，计算设备110可以确定交通灯216、建筑物270、停车标志260和停车场280与存储的LIDAR值相同，但每个的检测方位偏移5°角。因此，计算设备110可以确定LIDAR传感器(或多个)180不满足传感器检查。

图9显示了示出示例传感器检查的示例情况900。图9中的各种特征通常可以对应于图2的地图数据200中所示并且被如此标记的特征的形状、位置和其他特征。下面详细描述图9中的其他特性，包括各种道路用户和其他对象。尽管这些示例对于演示非常有用，但不应将其视为限制性的。

如图9所示，当车辆100位于位置[x_b,y_b]处时，LIDAR传感器(或多个)180检测到在位置[x4，y4]处且相对于车辆100右前角成25°角方位的停车标志260。然而，关于停车标志260的存储的LIDAR值包括位置[x4,y4]且相对于车辆100右前角成30°角的方位。这可能是由于在获取存储的LIDAR值时，LIDAR传感器(或多个)180从其先前位置移动所致。例如，当车辆100停在车道212的路边时，行人经过车辆100时可能意外接触到LIDAR传感器(或多个)180。这样，此旋转会导致对LIDAR传感器180进行的所有检测有-5°角的偏移。

另外地或可选地，计算设备110可以将在收集的传感器数据中检测的交通特征和/或对象的位置和/或方位与存储在地图数据200中的交通特征和/或对象的位置和/或方位进行比较。例如，如图7所示，计算设备110可以将在收集的LIDAR数据中检测的交通灯216的位置[x1,y1]与存储在地图数据200中的位置[x1,y1]进行比较，将在收集的LIDAR数据中检测的建筑物270的位置[x3,y3]与存储在地图数据200中的位置[x3,y3]进行比较，将在收集的LIDAR数据中检测的停车标志260的位置[x4,y4]与存储在地图数据200中的位置[x4,y4]进行比较，将收集的LIDAR数据中检测的停车场280的位置[x5,y5]与存储在地图数据200中的位置[x5,y5]进行比较，得出LIDAR传感器(或多个)180通过传感器检查的结论。对此，计算设备110可以对在测试路线期间检测的一些或所有交通特征和/或对象将收集的传感器数据与地图数据200进行比较。

在一些实例中，如果存储的和收集的传感器数据之间的差异在预定范围内，计算设备110可以确定传感器仍然可以通过传感器测试。例如，如果检测的对象的存储和检测的方位的差异在10°范围以内，则计算设备110可以确定LIDAR传感器180仍然可以通过传感器测试。

计算设备110可以确定对于传感器测试失败的一个或多个传感器的一个或多个校正。例如，对于LIDAR传感器(或多个)180，计算设备110可以确定对LIDAR传感器(或多个)180检测的所有方位值的+5°校正。例如，计算设备110可以对停车标志260检测的25°添加5°。

另一个传感器检查可以包括对检测的对象的来自同一类型的各种传感器的收集的传感器数据进行比较。例如，如果LIDAR传感器(或多个)180包括具有重叠视场的多个传感器，则计算设备110可以将第一传感器收集的交通灯216的LIDAR点云与第二传感器收集的交通灯216的LIDAR点云进行比较。第二传感器的这种传感器误差可以由许多因素中的任何一个引起，诸如由另一道路使用者的损坏，或者由诸如极端温度或湿度的环境因素引起。如果两个LIDAR点云基本匹配(诸如90％或某个其他阈值)，则计算设备110可以确定第一传感器和第二传感器都通过传感器检查。

另一传感器检查可以包括确定由传感器捕获的分辨率或视场。例如，如果针对LIDAR传感器(或多个)180的收集的LIDAR数据具有比存储的LIDAR数据更小的视场，则计算设备110可以进一步确定LIDAR传感器(或多个)180未通过传感器检查。在一些实例中，如果在测试路线期间收集的LIDAR数据的视场和存储的LIDAR数据的视场之间的差在预定阈值差内，则计算设备110可以确定LIDAR传感器(或多个)180仍然可以通过传感器测试。例如，如果针对相机传感器(或多个)182的收集的相机数据的分辨率低于存储的相机数据，则计算设备110可以进一步确定相机传感器(或多个)182未通过传感器检查。在一些实例中，如果在测试路线期间收集的相机数据的分辨率与存储的相机数据的分辨率之间的差在预定阈值差内，则计算设备110可以确定相机传感器(或多个)182仍然可以通过传感器测试。这种分辨率或视场的变化可能是由许多因素中的任何一个引起的，诸如由另一道路使用者造成的损坏，或者是由环境因素引起的，诸如极端的温度或湿度。

另一个传感器检查可以包括确定传感器是否产生不合理的传感器数据。例如，计算设备110可以确定由相机传感器(或多个)182产生的相机数据全部为绿色，并且得出相机传感器(或多个)182未通过传感器检查的结论。例如，计算设备110可确定LIDAR传感器(或多个)180产生空点云，并得出LIDAR传感器(或多个)180未通过传感器检查的结论。这种分辨率或视场的变化可能是由许多因素中的任何一个引起的，诸如由另一道路使用者造成的损坏，或者是由环境因素引起的，诸如极端的温度或湿度。

例如，对于地图检查，可以将检测的交通特征的位置或方位与存储在车辆地图数据中的先前检测的或存储的交通特征的位置和/或方位进行比较。当在测试路线期间检测的交通特征的位置和/或方位与存储在地图数据中的交通特征的位置和/或方位匹配时，地图数据可以满足地图检查。例如，参照图7，可以将由LIDAR传感器(或多个)180检测的交通特征的位置与存储在地图数据200中的位置进行比较。例如，计算设备110可以确定由LIDAR传感器被180检测的交通灯216、建筑物270、停车标志260和停车场280与地图数据200中存储的位置相同，但LIDAR传感器180未检测到人行横道218。

当检测到地图数据200和对交通特征收集的传感器数据之间的差异时，计算设备110可以进一步确定该差异是由于地图数据200中的错误还是由于收集的传感器数据中的错误造成的。例如，计算设备110可以确定，由于人行横道不是3D结构，并且LIDAR传感器(或多个)180的视场不包括地面，因此LIDAR传感器(或多个)180不能检测人行横道218，并且因此该差异不指示地图数据200中的错误。在这种情况下，计算设备110可以通过将存储在地图数据200中的位置与从另一传感器(例如，相机传感器(或多个)182)收集的传感器数据进行比较来进一步确认。例如，计算设备110可以确定地图数据200中的人行横道218的位置与相机传感器(或多个)182检测的位置匹配。

在一些实例中，计算设备110可以确定需要对地图数据200进行更新。参照图9，其示出了示例情况900，进一步示出了示例地图检查。如图所示，当在位置[x_b,y_b]时，车辆100的LIDAR传感器(或多个)180在停车场280的出口284附近检测到禁止进入标志910。然而，地图数据200不包括关于在该位置处的禁止进入标志的数据。这样，计算设备110可以确定用检测的禁止进入标志910的位置来更新地图数据200。

另外地或可选地，计算设备110可以确定，即使存在某种错误，如果存储在地图数据中的交通特征的阈值数或百分比具有与从收集的传感器数据中检测的位置匹配的位置，则地图数据仍然可以通过地图测试。例如，如果至少五个或至少80％的存储特征具有与收集的传感器数据匹配的位置，则计算设备110可以确定地图数据200仍然可以通过地图测试。例如，由于交通灯216、人行横道218、建筑物270、停车标志260和停车场280的位置与收集的LIDAR数据的位置匹配，则即使缺少禁止进入标志910的位置，计算设备110仍然可以确定地图数据200可以通过地图测试。

对于另一实例，对于组件检查，可以将与车辆组件相关的一个或多个测量与预定需求进行比较。当一个或多个测量满足预定需求时，组件可以满足组件检查。例如，预定需求可以被存储在计算设备110中，或者可选地或另外被存储在服务器计算设备410和/或存储系统450中。

在一些实例中，如果测量满足预定阈值，则组件可以满足组件检查。例如，参照图8，可以为车辆100的轮胎存储预定的最小阈值35psi。如图所示，由于左前轮胎、左后轮胎和右后轮胎均满足预定的最小阈值，因此这些轮胎满足组件检查。但是，由于右前轮胎的压力只有20psi，因此右前轮胎未通过组件检查。

另外地或可选地，如果测量值在预定的值范围内，则组件可以满足组件检查。例如，参照图8，可以为车辆100的轮胎设置预定的定位角，包括外倾角、后倾角和前束角。由于车辆100的每个轮胎具有这些预定范围内的定位角，因此车辆100的每个轮胎通过组件检查。

另外地或可选地，如果测量指示组件具有预定的响应水平，则组件可以满足组件检查。例如，参照图8，对于左转灯、右转灯、倒车灯和制动灯以及前照灯，可以将预定响应水平设置为二进制(响应或不响应)。如图所示，由于左转灯、右转灯、倒车灯和制动灯都是响应的，因此计算设备110可以确定它们各自通过组件检查。然而，由于前照灯没有响应，因此计算设备110可以确定前照灯未通过组件检查。

对于另一个示例，再次参照图8，可以将预定水平或响应性设置为预定延迟水平。如图所示，对于制动，可以为车辆100设置特定速度下的预定停车距离，例如100km/hr。这样，由于车辆100的测量停车距离为19m，低于预定停车距离20m，因此计算设备110可以确定制动器通过组件检查。

一旦完成多个性能检查，则计算设备110可以为车辆100选择操作模式。操作模式可以包括例如任务指定(乘客或非乘客任务)。操作模式可以进一步包括各种限制，诸如速度、距离、地理区域或环境条件(诸如天气、白天/晚上)的限制。操作模式还可以包括非活动模式，其中车辆在完成多个性能检查后被靠边或停放。

计算设备110可以基于来自多个性能检查的结果来确定操作模式。例如，仅当百分比阈值数的性能检查通过时才可以选择操作模式。对于另一示例，仅当通过了特定性能检查集合(诸如特定于夜间驾驶或能见度不良期间的性能检查)时，才可以选择操作模式，这可以包括诸如上述传感器检查的性能检查以及涉及信号灯和前照灯的组件检查等。

计算设备110可以基于特定故障确定不能选择一个或多个操作模式。例如，计算设备110可以确定，如果车辆100在100km/hr的停车距离大于20m，则不能选择涉及以100km/hr或更高速度行驶的操作模式。例如，计算设备110可以确定，如果感知系统172中的传感器中有少于80％未通过传感器测试，则不能选择涉及夜间驾驶或某些天气条件的操作模式。又例如，计算设备110可以确定，如果一个或多个轮胎的胎压低于35psi，则不能选择涉及乘客任务的操作模式。

计算设备110可以进一步基于诸如交通法规要求和车辆类型等其他因素来选择操作模式。例如，交通法规可能要求车辆有工作转向灯。这样，如果任何转向信号没有响应，则计算设备110可以选择非活动模式。例如，计算设备110可以仅为具有低于正常轮胎压力的紧凑型车辆选择具有距离限制的操作模式，并且为具有低于正常轮胎压力的卡车选择非活动操作模式。

一旦选择了操作模式，计算设备110就可以在选择的操作模式下操作车辆100。例如，在选择的操作模式下操作可以包括根据操作模式的限制进行操作，诸如速度、距离、地理区域、环境条件的限制。对于另一示例，在选择的模式下操作可以包括是否确定是否接受乘客或非乘客任务。

在选择的操作模式下操作还可以包括对一个或多个传感器使用确定的校正。例如，如关于图7和图9所述，当操作车辆100时，计算设备110可以将+5°的校正应用于LIDAR传感器180检测的传感器数据。

在选择的操作模式下操作还可以包括使用更新的地图数据。例如，如关于图7和图9所述，当操作车辆100时，计算设备110可以使用包括禁止进入标志910的更新地图数据200。

还可以通过诸如车队管理系统的远程系统为多个车辆选择操作模式。例如，服务器计算设备410可以管理包括车辆100、100A、100B的车队。对此，由车队中的各种车辆(诸如车辆100、100A、100B)收集的传感器数据和组件数据可以上传到服务器计算设备410。服务器计算设备410可以将从每个车辆收集的传感器数据与来自先前检测的存储的传感器值进行比较。服务器计算设备410也可以将收集的组件数据与存储的预定需求进行比较。在一些实例中，可以通过每个车辆的计算设备来执行多个性能检查，并且只有结果(通过/失败)被上传到服务器计算设备410。然后，服务器计算设备410可以基于如上所述的多个性能检查，诸如基于通过阈值数百分比的性能检查、性能检查的特定集合、诸如车辆类型或交通法规等的其他因素，为多个车辆的车辆子集指定操作模式。对于另一示例，服务器计算设备410可以进一步基于车队中车辆的计划分配或需求来指定操作模式。

图10示出了用于执行多个性能检查的示例方法的示例流程图1000。示例方法可以由一个或多个处理器执行，诸如计算设备110的一个或多个处理器120。例如，计算设备110的处理器120可以接收数据并作出如流程图1000所示的各种确定，并且基于这些确定来控制车辆100。

参照图10，在块1010中，识别多个性能检查，包括对车辆的多个检测系统的检测系统的第一检查和对地图数据的第二检查。在块1020中，基于车辆的位置和多个性能检查来选择多个路段，其中多个路段中的每个路段被选择用于执行多个性能检查中的一个或多个。在块1030中，通过连接多个路段并通过将车辆的位置连接到多个路段中的一个来确定车辆的测试路线。例如，如图6所述，可以确定多个路段和测试路线。在块1040中，以自主驾驶模式沿测试路线控制车辆。在块1050中，在控制车辆的同时，从车辆的多个检测系统接收传感器数据。例如，在测试路线上收集的传感器数据可以由计算设备110接收，如关于图7所述。

在块1060中，基于接收的传感器数据执行多个性能检查。例如，可以通过将收集的传感器数据与存储的先前传感器数据进行比较来执行一个或多个传感器检查。对于另一示例，可以通过将收集的传感器数据与地图数据进行比较来执行一个或多个地图检查。在块1070中，基于多个性能检查的结果从车辆的多个操作模式中选择操作模式。例如，可以基于满足性能检查的阈值数或百分比的结果来选择驾驶模式。在块1080中，车辆在选择的操作模式下操作。例如，在选择的操作模式下操作可包括使用对传感器数据的校正或对地图数据的更新。

除非另有说明，否则上述替代示例不是相互排斥的，而是可以以各种组合来实现以实现独特的优点。由于可以在不脱离权利要求所限定的主题的情况下利用上述特征的这些和其他变化及组合，因此上述实施例的描述应当通过说明而不是通过限制权利要求所限定的主题来进行。此外，本文所描述的示例的规定以及措辞为“诸如”、“包括”等的条款不应被解释为将权利要求的主题限定于具体示例；相反，示例旨在仅说明许多可能实施例中的一个。此外，不同附图中的相同参考号可以识别相同或相似的元件。