运载工具的行驶表面摩擦力估计

本申请案是基于且要求具有申请日期为2018年9月14日的第16/131,727号美国申请案及具有申请日期为2018年9月14日的第16/131,743号美国申请案的优先权，所述美国申请案两者都通过引用并入本文中。

技术领域

本发明大体上涉及改进计算系统确定关于外部环境的信息且作出预测的能力，例如使运载工具能确定关于周围环境的信息且提供指示所述信息的数据。

背景技术

包含非自主运载工具及自主运载工具的运载工具越来越多地包含一或多个计算系统。自主运载工具是能够在无人类输入的情况下感测其环境及导航的运载工具。特定来说，自主运载工具可使用各种传感器观测其周围环境且可通过对由传感器收集的数据执行各种处理技术试图了解环境。在了解其周围环境的情况下，自主运载工具可识别用于导航通过此周围环境的适当运动路径。类似地，非自主运载工具可包含用于观测外部环境的传感器。

发明内容

在以下描述中将部分陈述本发明的实施例的方面及优点，或可从所述描述学习或可通过实施例的实践来学习所述方面及优点。

本发明的一个实例方面涉及一种计算系统。所述计算系统包含一或多个处理器及存储当由所述一或多个处理器执行时致使所述一或多个处理器执行操作的指令的一或多个非暂时性计算机可读媒体。所述操作包含：检测包含与自主运载工具相关联的加速、减速、或停止中的至少一者的事件；响应于检测到所述事件，获得在所述事件期间与所述自主运载工具相关联的操作数据；至少部分基于所述操作数据，确定指示与所述自主运载工具在所述事件期间正在其上行进的表面相关联的摩擦力的数据；及至少部分基于指示与所述表面相关联的所述摩擦力的所述数据控制所述自主运载工具。

本发明的另一实例方面涉及一种包含一或多个处理器及存储当由所述一或多个处理器执行时致使自主运载工具执行操作的指令的一或多个非暂时性计算机可读媒体的自主运载工具。所述操作包含：检测包含与自主运载工具相关联的加速、减速、或停止中的至少一者的事件；响应于检测到所述事件，获得在所述事件期间与所述自主运载工具相关联的操作数据；至少部分基于所述操作数据，确定指示与所述运载工具在所述事件期间正在其上行进的表面相关联的摩擦力的数据；及至少部分基于指示与所述表面相关联的所述摩擦力的所述数据产生所述自主运载工具的至少一个约束。

本发明的又另一实例方面涉及一种计算机实施方法，其包含：检测包含与自主运载工具相关联的加速、减速、或停止中的至少一者的事件；响应于检测到所述事件，获得在所述事件期间与所述自主运载工具相关联的操作数据；至少部分基于所述操作数据，确定指示与所述自主运载工具在所述事件期间正在其上行进的表面相关联的摩擦力的数据；及至少部分基于指示与所述表面相关联的所述摩擦力的所述数据控制所述自主运载工具。

本发明的又另一实例方面涉及一种计算系统。所述计算系统包含一或多个处理器及存储当由所述一或多个处理器执行时致使所述一或多个处理器执行操作的指令的一或多个非暂时性计算机可读媒体。所述操作包含检测与运载工具相关联的停止及在所述停止期间启动所述运载工具的转向动作。所述转向动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。所述操作包含：获得与所述运载工具的所述停止期间的所述转向动作相关联的操作数据；至少部分基于与所述转向动作相关联的所述操作数据确定与所述行驶表面相关联的摩擦力；及产生指示与所述行驶表面相关联的所述摩擦力的数据。

本发明的又另一实例方面涉及一种包含一或多个处理器及存储当由所述一或多个处理器执行时致使自主运载工具执行操作的指令的一或多个非暂时性计算机可读媒体的运载工具。所述操作包含检测与运载工具相关联的停止及在所述停止期间启动所述运载工具的转向动作。所述转向动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。所述操作包含：获得与所述运载工具的所述停止期间的所述转向动作相关联的操作数据；至少部分基于与所述转向动作相关联的所述操作数据确定与所述行驶表面相关联的摩擦力；及产生指示与所述行驶表面相关联的所述摩擦力的数据。

本发明的又另一实例方面涉及一种计算机实施的方法，其包含检测与运载工具相关联的停止及在所述停止期间启动所述运载工具的转向动作。所述转向动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。所述操作包含：获得与所述运载工具的所述停止期间的所述转向动作相关联的操作数据；至少部分基于与所述转向动作相关联的所述操作数据确定与所述行驶表面相关联的摩擦力；及产生指示与所述行驶表面相关联的所述摩擦力的数据。

本发明的其它实例方面涉及用于确定与运载工具正在其上行进的行驶表面相关联的摩擦力的系统、方法、运载工具、设备、有形非暂时性计算机可读媒体、及存储器装置。

参考以下描述及所附技术方案将变得更加理解各个实施例的这些及其它特征、方面、及优点。并入本说明书中且构成本说明书的一部分的附图说明本发明的实施例且与所述描述一起用于解释相关原理。

附图说明

参考附图在说明书中陈述针对所属领域的一般技术人员的实施例的详细论述，其中：

图1是根据本发明的实例实施例的实例自主运载工具的框图；

图2描绘根据本发明的实例实施例的确定摩擦力估计及使用摩擦力估计控制运载工具的实例过程的流程图；

图3描绘根据本发明的实例实施例的运载工具可行进通过其的实例环境；

图4描绘根据本发明的实例实施例的运载工具可行进通过其的实例环境；

图5描绘根据本发明的实例实施例的实例运载工具计算系统及转向系统的框图；

图6描绘说明根据本发明的实例实施例的轮胎刷毛的转向角度与横向位移之间的关系的曲线图；

图7描绘说明根据本发明的实例实施例的包含饱和条件的轮胎刷毛的转向角度与横向位移之间的关系的曲线图；

图8描绘说明根据本发明的实例实施例的转向角度与对准转矩之间的关系的曲线图；

图9描绘说明根据本发明的实例实施例的与自主运载工具的转向系统相关联的输入转向转矩请求与所得齿条力的实例的曲线图；

图10描绘说明根据本发明的实例实施例的转向角度与齿条力之间的关系的曲线图、及用于确定最大齿条力及最大转向角度的技术；

图11描绘根据本发明的实例实施例的使用一或多个基于转向车轮的动作确定运载工具的摩擦力估计的实例过程的流程图；

图12描绘根据本发明的实例实施例的实例运载工具计算系统及制动/推进系统的框图；

图13描绘根据本发明的实例实施例的使用一或多个基于制动车轮的动作确定运载工具的摩擦力估计的实例过程的流程图；

图14描绘根据本发明的实例实施例的使用一或多个基于推进车轮的动作确定运载工具的摩擦力估计的实例过程的流程图；及

图15描绘根据本发明的实例实施例的实例计算系统的框图。

具体实施方式

现在将详细参考实施例，其一或多个实例在图中说明。每一实例通过实施例的解释而非本发明的限制来提供。实际上，所属领域的技术人员将明白，可对实施例作出各种修改及变化，而不会背离本发明的范围或精神。例如，作为一个实施例的部分说明或描述的特征可与另一实施例一起用于产生又另一实施例。因此，希望本发明的方面涵盖此类修改及变化。

一般来说，本发明涉及使例如自主或非自主运载工具的运载工具能自动估计与运载工具正在其上行进的行驶表面相关联的摩擦力，及作为运载工具操作的部分使用所述摩擦力估计提供与所述运载工具相关联的摩擦力估计的指示及/或将摩擦力估计传送到其它运载工具或计算系统的系统及方法。例如，本发明的系统及方法使运载工具能在特定事件期间利用与运载工具相关联的操作数据以便进行与行驶表面相关联的摩擦力估计。更特定来说，在一些实施方案中，与运载工具相关联的运载工具计算系统可获得在事件期间(例如，在随着运载工具接近停止标志其减小速度、停止在停止标志处时，在随着运载工具离开十字路口增加速度、或响应于转向角度的变化而增加角度加速时)与运载工具相关联的操作数据。运载工具计算系统可使用操作数据确定指示与行驶表面相关联的摩擦力的数据。运载工具计算系统可在运载工具内例如向运载工具的驾驶员提供摩擦力估计的指示，及/或将摩擦力估计传送到其它运载工具或计算系统。根据一些方面，运载工具可为自主运载工具，且运载工具计算系统可至少部分基于指示摩擦力的数据控制自主运载工具。

根据本发明的实例实施例，指示与行驶表面相关联的摩擦力的数据可至少部分基于与运载工具的转向动作相关联的操作数据产生，且可使用与运载工具操作相关联的摩擦力数据。在一个实例中，与运载工具相关联的计算系统可检测与运载工具相关联的停止及在所述停止期间启动运载工具的转向动作。所述转向动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。在运载工具的停止期间，可获得与转向动作相关联的操作数据。可至少部分基于与所述转向动作相关联的所述操作数据确定与所述行驶表面相关联的摩擦力。所述计算系统可产生指示与所述行驶表面相关联的所述摩擦力的数据。

根据本发明的实例实施例，运载工具可在最小化及/或消除对运载工具乘客的干扰时产生摩擦力估计。通过实例，运载工具可检测在其期间可在不会导致正常运载工具操作的乘客可感知的显著变化的情况下确定摩擦力估计的事件。这些事件与其中运载工具通常会减小速度、停止、增加速度等的地理区及/或环境重合。例如，运载工具可检测包含运载工具的加速、减速、或停止的一或多个事件很可能发生在即将来到的停止灯、停止标志、屈服区等处，且确定在这些检测到的事件期间与行驶表面相关联的摩擦力。事件可包含加速事件、减速事件、及/或停止事件。此类事件可与由运载工具进行的速度的增加、速度的减小或移动停止相关联。速度的增加或减小可为在运载工具的正向行进方向上、在横向于行进方向的方向上、或在例如可由转向移动引起的角方向上。因此，事件可包含运载工具的速度增加、速度减小、或停止中的至少一者。在一些实例中，事件可包含包括速度增加、速度减小、或停止的单个事件。在其它实例中，事件可包含多个事件，例如多个停止、速度增加、或速度减小。在又另一实例中，事件可包含包括两种或两种以上不同事件类型的事件的组合，例如停止及随后的速度增加、或速度减小及随后停止。事件可包含在运载工具的行进方向上、在横向于运载工具的行进方向的方向上、或在角方向上的速度增加或速度减小。通过实例，可检测到，作为事件的部分运载工具停止或正以低速行进(例如，当运载工具接近停止标志时)。作为响应，运载工具控制系统可致使运载工具的转向系统被操纵。接着，运载工具控制系统可确定运载工具的一或多个轮胎与行驶表面之间的所得摩擦力。在另一实例中，可在事件期间操纵运载工具的制动系统及/或推进系统，且可确定运载工具的一或多个轮胎与路面之间的所得摩擦力。

更特定来说，在一些实施方案中，与运载工具相关联的运载工具计算系统可在包含运载工具速度增加、运载工具速度减小、及/或停止的事件期间启动基于车轮的动作，且利用所得操作数据以便确定摩擦力。在一些实例中，可启动基于车轮的动作以便最小化运载工具乘客可感知的运载工具动作。通常，基于车轮的动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。通过实例，基于车轮的动作可与制动、加速、或转向等相关联。基于转向车轮的动作的所得操作数据可包含在转向期间施加的输入转矩、由输入转矩造成的转向力、及/或由输入转矩造成的车轮旋转中的一或多者。基于制动车轮的动作的所得操作数据可包含输入制动力、由输入制动力造成的车轮转矩、及/或由制动力造成的车轮旋转中的一或多者。速度增加或基于推进车轮的动作的所得操作数据可包含输入推进力、与推进力相关联的车轮转矩、及/或与推进力相关联的车轮旋转中的一或多者。

更特定来说，在一些实施方案中，运载工具是经配置以自动估计与行驶表面相关联的摩擦力且作为自主操作的部分使用所述摩擦力估计的自主运载工具。自主运载工具可为陆基自主运载工具(例如汽车、卡车、公交车等)或其它类型的运载工具。自主运载工具可包含帮助控制自主运载工具的计算系统。在一些实施方案中，自主运载工具计算系统可包含感知系统、预测系统、运动规划系统、及摩擦力估计系统，其合作以感知自主运载工具的周围环境且确定用于相应地控制自主运载工具的运动的一或多个运动规划。自主运载工具计算系统可包含一或多个处理器以及共同存储当由所述一或多个处理器执行时致使所述自主运载工具计算系统执行本文中所描述的各种操作的指令的一或多个非暂时性计算机可读媒体。

在一些实施方案中，操作数据与运载工具的一或多个传感器相关联。特定来说，在一些实施方案中，感知系统及/或摩擦力估计系统可从耦合到运载工具或以其它方式包含于运载工具内的一或多个传感器接收传感器数据。作为实例，所述一或多个传感器可包含光检测及测距(LIDAR)系统、无线电检测及测距(RADAR)系统、一或多个相机(例如可见光谱相机、红外相机等)、及/或其它传感器。来自此类传感器的传感器数据可包含描述物体在运载工具的周围环境内的位置的信息。传感器数据可用于由例如一或多个机器学习模型或自主运载工具的运载工具计算系统的其它系统产生检测、分类、及/或预测。运载工具还可或替代地包含经配置以获取其它类型的传感器数据的一或多个其它类型的传感器。举例来说，运载工具可包含惯性测量单元(IMU)传感器、压力传感器、功率传感器、接触片传感器、悬架行程传感器、激光传感器、雷达传感器、声音传感器、及/或任何其它合适的传感器。因此，由运载工具获取的传感器数据还可或替代地包含描述由运载工具及/或其个别组件(例如轮胎、轮轴、传动系统、制动器、转向系统等)经历的位置、移动(例如速率、速度、加速度等)、及/或力的信息。此外，传感器数据可用于确定指示行驶表面的摩擦力的数据，如本文中进一步描述。

操作数据可在与速度增加、速度减小、及/或停止相关联的事件期间产生，且可包含传感器数据及/或从传感器数据导出的数据。可产生与响应于检测到的事件启动的一或多个基于车轮的动作相关联的传感器数据。通过实例，传感器数据可包含使用与基于转向车轮的动作相关联的一或多个传感器检测到的输入转矩、车轮旋转、或转向力中的至少一者。作为另一实例，传感器数据可包含使用与基于制动车轮的动作及/或基于推进车轮的动作相关联的一或多个传感器检测到的制动力、推进力、车轮旋转、或车轮转矩中的至少一者。

根据实例实施例，基于转向车轮的动作可在停止期间执行，且相关联输入转矩、所得车轮旋转、及/或所得车轮转矩被确定。输入转矩、所得车轮旋转、及/或所得车轮转矩可至少部分基于一或多个传感器在基于转向车轮的动作期间的输出确定。运载工具计算系统可使用输入转矩、车轮旋转、及车轮转矩中的至少一者确定摩擦力。更特定来说，运载工具计算系统首先可检测事件，例如当前运载工具的停止或未来规划的运载工具的停止。在运载工具停止时，运载工具计算系统可启动在转向系统处施加输入转矩以在运载工具的一或多个轮胎与行驶表面之间引起旋转力。输入转矩可在运载工具停止时施加以便避免被运载工具乘客感知到。在其它实例中，输入转矩可在运载工具正移动时施加，但是以降低由乘客对转矩的感知的方式。例如，在一个方向上快速转向旋转且在相反方向上恢复可使用短移动来施加，使得乘客可能不会注意到转向移动。在一些实例中，输入转矩可与和转向相关联的旋涡(例如转向方向的二阶导数)的变化(例如突然变化)相关联。在一些实例中，输入转矩可在施加期间增加，且所得车轮旋转及转向力(例如转向系统的齿条力)可使用一或多个传感器直接或间接确定。摩擦力可由运载工具控制系统基于输入转矩、车轮旋转、及/或转向力确定。在一些实例中，输入转矩是表示围绕可想象的通过轮毂的垂直轴的转矩的对准转矩。在一些实例中，输入转矩包含转向系统的驾驶员输入与马达驱动输入中的一或多者。

更特定来说，在一些实例中，最大转向力及/或最大车轮旋转可用于确定一或多个轮胎与行驶表面之间的摩擦力。例如，运载工具控制系统可响应于输入转矩增加而分析所得转向力相对于所得车轮旋转的变化的变化。基于此分析，可确定最大转向力或最大车轮旋转中的至少一者。接着，运载工具计算系统可基于最大转向力及/或最大车轮旋转计算摩擦力。

作为另一实例，基于制动车轮的动作可在包含速度减小的加速事件期间执行，且相关联输入制动力、所得车轮旋转、及/或所得车轮转矩至少部分基于一或多个传感器在基于制动车轮的动作期间的输出确定。运载工具计算系统可使用制动力、车轮旋转、及车轮转矩中的至少一者确定摩擦力。

作为基于制动车轮的动作的部分可将一或多个输入制动力施加到一或多个车轮组合件。在一些实例中，将单个制动力施加到一个车轮组合件。在其它实例中，将单个制动力施加到多个车轮组合件。在又其它实例中，可施加多个制动力。更特定来说，在一些实例中，运载工具计算系统可在减速期间在运载工具的车轮组合件之间利用差分制动力以便确定摩擦力，同时最小化对乘客的干扰。例如，运载工具计算系统可检测包含运载工具速度的当前或未来减小的加速事件。作为使运载工具减速的部分，运载工具计算系统可启动将不同制动力施加到至少两个或两个以上车轮组合件。举例来说，运载工具计算系统可将较大制动力施加到一个车轮以便致使对应轮胎相对于行驶表面滑脱或滑动。较大制动力可随着时间的推移增加直到轮胎的滑脱或滑动被检测到。较小制动力可经施加到其它车轮使得不会经历滑动或滑脱。以此方式，乘客可能不会感知到与较大制动力相关联的滑脱或滑动。与车轮组合件接收较大制动力相关联的所得车轮旋转或车轮转矩可使用一或多个传感器直接或间接地确定。摩擦力可由运载工具控制系统基于较大制动力、车轮旋转、及/或车轮转矩确定。

作为又另一特定实例，基于推进车轮的动作可在一事件期间执行，且相关联输入推进力、所得车轮旋转、及/或所得车轮转矩至少部分基于一或多个传感器在基于推进车轮的动作期间的输出确定。运载工具计算系统可使用推进力、车轮旋转、或车轮转矩中的至少一者确定摩擦力。

作为基于推进车轮的动作的部分可将一或多个输入推进力施加到一或多个车轮组合件。在一些实例中，将单个推进力施加到一个车轮组合件。在其它实例中，将单个推进力施加到多个车轮组合件。在又其它实例中，可施加多个推进力。更特定来说，在一些实例中，运载工具计算系统可在加速期间在运载工具的车轮组合件之间利用差分推进力以便确定摩擦力，同时最小化对乘客的干扰。例如，运载工具计算系统可检测包含自主运载工具速度的当前或未来增加的事件。作为使自主运载工具加速的部分，运载工具计算系统可启动将不同推进力施加到至少两个或两个以上车轮组合件。举例来说，运载工具计算系统可将较大推进力施加到一个车轮以便致使对应轮胎相对于行驶表面滑脱或滑动。较大推进力可随着时间的推移增加直到轮胎的滑脱或滑动被检测到。较小推进力可经施加到其它车轮使得不会经历滑动或滑脱。以此方式，乘客可能不会感知到与较大推进力相关联的滑脱或滑动。与车轮组合件接收较大推进力相关联的所得车轮旋转或车轮转矩可使用一或多个传感器直接或间接地确定。摩擦力可由运载工具控制系统基于较大推进力、车轮旋转、及/或车轮转矩确定。

根据一些实例实施例，运载工具的未来事件可基于与运载工具相关联的地图数据、运动规划数据、或路线规划数据中的至少一者进行检测。通过实例，摩擦力估计系统可确定已经针对其规划可在不会显著干扰运载工具乘客的情况下确定摩擦力估计的未来事件。通过实例，运载工具计算系统可确定运载工具至少部分基于地图数据、规划的运载工具路线、及/或运载工具的运动规划数据(例如，与自主运载工具相关联)计划在城市环境内的十字路口停止。因而，运载工具计算系统可确定摩擦力估计可在包含关于十字路口减小运载工具的速度、运载工具停止、及/或增加运载工具的速度的一或多个时段期间计算。

根据其它实例实施例，正在进行的运载工具的事件可至少部分基于传感器数据进行检测。通过实例，摩擦力估计系统可基于与制动系统相关联的指示制动压力当前正被施加的传感器数据确定速度减小(例如，汽车在接近十字路口时制动或制动以避开物体)正在发生。

在一些实施方案中，摩擦力估计可包含指示与行驶表面相关联的摩擦力的测量或值。摩擦力估计测量或值可使用运载工具的传感器数据来确定。在其它实施方案中，摩擦力估计不包含指示与行驶表面相关联的摩擦力的实际测量或值。在此类实施方案中，摩擦力估计可包含指示与行驶表面相关联的摩擦力的其它数据。例如，在一些实施方案中可使用一或多个阈值摩擦力。在此类情况中，运载工具计算系统可确定与行驶表面相关联的摩擦力是否满足一或多个阈值，而无需确定与行驶表面相关联的实际测量或值。摩擦力估计可为摩擦力满足或不满足阈值摩擦力的指示。

在一些实施方案中，与摩擦力估计相关联的置信度测量可由运载工具计算系统利用。作为运载工具操作的部分，置信度测量可由运载工具计算系统利用。通过实例，当首先产生摩擦力估计时，运载工具计算系统可将相对高置信度测量指派到摩擦力估计。置信度值可随着时间的推移降低以便表示自首次确定摩擦力估计以来，行驶表面变化的可能性就越长。在一些实例中，额外传感器数据可用于确定摩擦力估计的置信度。例如，由例如相机的一或多个图像传感器产生的图像数据可经分析以确定当前行驶表面与对其执行最后一次摩擦力估计的行驶表面之间的相似度。如果当前行驶表面更类似于先前行驶表面，那么较高置信度值可经指派到摩擦力估计，而如果不太类似当前行驶表面，那么可指派较低置信度值。

运载工具计算系统可以各种方式利用与非自主及自主运载工具相关联的摩擦力估计。举例来说，非自主运载工具可向运载工具的驾驶员提供摩擦力估计的指示。另外及/或替代地，非自主运载工具可将摩擦力估计传送到其它运载工具及/或其它计算系统。此外，作为控制运载工具的部分，非自主运载工具可使用摩擦力估计，例如以控制高级驾驶辅助系统。

运载工具计算系统可以各种方式利用摩擦力估计来控制自主运载工具的自主操作。例如，在一些实例中，运载工具控制系统可至少部分基于指示摩擦力的数据产生运动规划。在其它实例中，运载工具控制系统可至少部分基于指示摩擦力的数据产生路线或地图规划。在又其它实例中，运载工具控制系统可基于指示摩擦力的数据产生与控制自主运载工具相关联的约束。约束可包含例如运动规划约束、映射约束、或通用操作约束。在一些实例中，基于指示行驶表面的摩擦力的数据控制自主运载工具可包含实施是基于摩擦力估计的运动规划及/或路线规划。实施运动规划可包含由运载工具控制器及/或接口转译运动规划及将一或多个信号发送到控制系统(例如加速、制动、转向等)。

作为实例，作为产生自主运载工具的运动规划的部分，可使用摩擦力估计。例如，如果确定当前行驶表面的摩擦力不满足一或多个阈值，那么运载工具控制系统可利用较低或更严格运动规划约束。这些降低的运动规划约束可提供在自主运载工具与周围运载工具之间的较大距离、较低最高速度、较低加速速率、转弯期间的较低速度、用于停止的较长分配距离、及/或任何其它适当约束。

作为另一实例，作为映射的部分，例如在产生非自主或自主运载工具的路线规划时，可使用摩擦力估计。例如，如果确定当前行驶表面的摩擦力不满足一或多个阈值，那么运载工具控制系统可利用较低或更严格路线规划约束。这些降低的路线规划约束可提供在具有较低分级(例如间距)的道路、交通流量较低的道路、最近被清理了雪的道路等及具有任何其它合适的路线规划约束的道路上行进。

作为又另一实例，作为通用自主运载工具操作的部分，例如在产生自主运载工具的操作规划时，可使用摩擦力估计。例如，如果确定当前行驶表面的摩擦力不满足一或多个阈值，那么运载工具控制系统可利用降低的或更严格操作约束。这些降低的操作约束可提供，如果行驶表面的摩擦力不满足一或多个阈值，那么自主运载工具将停止且不执行自主操作。

根据本发明的一个实例方面，提供一种包含一或多个处理器及共同存储当由所述一或多个处理器执行时致使计算系统执行操作的指令的一或多个非暂时性计算机可读媒体的计算系统。所述操作包含检测与运载工具相关联的停止、在所述停止期间启动所述运载工具的转向动作。所述转向动作与所述运载工具的至少一个轮胎相对于行驶表面的移动相关联。所述操作包含：获得与所述运载工具的所述停止期间的所述转向动作相关联的操作数据；至少部分基于与所述转向动作相关联的所述操作数据确定与所述行驶表面相关联的摩擦力；及产生指示与所述行驶表面相关联的所述摩擦力的数据。

根据本发明的一个实例方面，提供一种包含一或多个处理器及共同存储当由所述一或多个处理器执行时致使计算系统执行操作的指令的一或多个非暂时性计算机可读媒体的计算系统。所述操作包含检测包含与自主运载工具相关联的加速、减速、或停止中的至少一者的事件。所述操作包含响应于检测到所述事件，获得在所述事件期间与所述自主运载工具相关联的操作数据。所述操作进一步包含至少部分基于所述操作数据，确定指示与所述自主运载工具在所述事件期间正在其上行进的表面相关联的摩擦力的数据。所述操作包含至少部分基于指示与所述表面相关联的所述摩擦力的所述数据控制所述自主运载工具。

根据本发明的一个实例方面，提供一种包含一或多个处理器及共同存储当由所述一或多个处理器执行时致使一或多个处理器执行操作的指令的一或多个非暂时性计算机可读媒体的自主运载工具。所述操作包含检测与自主运载工具相关联的事件。所述操作进一步包含获得在所述事件期间与所述自主运载工具相关联的操作数据。所述操作包含至少部分基于所述操作数据，确定指示与所述自主运载工具在所述加速事件期间正在其上行进的表面相关联的摩擦力的数据。所述操作进一步包含至少部分基于指示与所述表面相关联的所述摩擦力的所述数据产生所述自主运载工具的至少一个约束。

根据本发明的一个实例方面，提供一种计算机实施方法，其包含检测(例如，由运载工具计算系统等)与自主运载工具相关联的加速事件。所述方法包含获得在所述加速事件期间与所述自主运载工具相关联的操作数据。所述方法包含至少部分基于所述操作数据，确定指示与所述自主运载工具在所述加速事件期间正在其上行进的表面相关联的摩擦力的数据。所述方法包含至少部分基于指示与所述表面相关联的所述摩擦力的所述数据确定所述自主运载工具的至少一个基于车轮的动作。

本发明的系统及方法提供数个技术效果及益处，尤其在运载工具及计算技术领域中。例如，根据所揭示技术的实施例的运载工具可产生指示与行驶表面相关联的摩擦力的数据以便改进运载工具操作及/或向驾驶员提供摩擦力的指示。通过实例，自主运载工具可利用摩擦力数据产生自主运载工具的经改进运动规划、产生自主运载工具的经改进路线或地图规划、及/或改进自主运载工具的通用操作。更特定来说，摩擦力数据可用于控制自主运载工具的移动及/或自主运载工具在其上行进的路线。通过利用摩擦力估计，自主运载工具可能能够通过基于运载工具当前正在其上行进的表面的经确定摩擦力裁剪自主运载工具的移动及控制而更安全地操作。另外，自主运载工具可检测可在不会显著干扰自主运载工具的乘客的情况下确定其期间的摩擦力估计的特定事件。

本文中描述的系统及方法可向运载工具的运载工具计算系统提供特定技术益处。特定来说，运载工具计算系统可响应于检测到的事件启动摩擦力确定。运载工具计算系统可使用可最小化对运载工具乘客的干扰的技术启动摩擦力估计(例如，通过在某时间点采取通常将与运载工具的速度减小、停止、速度增加等一致的措施)。更特定来说，运载工具计算系统可启动一或多个基于车轮的动作使得可获得与基于车轮的动作相关联的传感器数据。接着，运载工具计算系统可使用操作数据确定与行驶表面相关联的摩擦力。接着，运载工具计算系统可向驾驶员提供例如警告的摩擦力的指示，将指示摩擦力的数据传输到一或多个其它计算装置，及/或作为自主运载工具操作的部分使用摩擦力估计。通过实例，作为与自主运载工具相关联的运动规划、路线规划、或其它操作的部分，运载工具计算系统可利用摩擦力估计。

尽管本文中关于自主运载工具描述了许多实例，但所揭示技术不限于自主运载工具。任何运载工具可确定与行驶表面相关联的摩擦力估计且作为根据本发明的实施例的运载工具操作的部分使用所述摩擦力估计。举例来说，非自主运载工具可使用传感器数据、地图数据、路线规划数据、或其它数据检测事件，例如停止。例如，非自主运载工具可使用传感器数据识别停止标志及检测未来加速事件，包含停止在接近停止标志的位置处。作为另一实例，非自主运载工具可使用地图数据或路线规划数据识别运载工具将停止在其处的停止标志或十字路口。运载工具可在停止期间启动基于车轮的动作，及基于与基于车轮的动作相关联的操作数据确定与行驶表面相关联的摩擦力。

作为运载工具操作的部分，非自主运载工具可以各种方式使用摩擦力估计。例如，非自主运载工具可使用用户接口提供摩擦力估计的指示(例如可视、可听、或其它)以通知驾驶员所述摩擦力。运载工具可将包含指示摩擦力估计的数据的信号提供到一或多个远程计算装置，例如服务器或另一运载工具的运载工具计算系统。作为另一实例，作为高级驾驶辅助系统的部分，非自主运载工具可使用指示摩擦力的数据。例如，作为包含控制制动系统、推进系统、及/或转向系统的运载工具操作的部分，非自主运载工具可使用摩擦力估计。更特定来说，运载工具可基于与行驶表面相关联的摩擦力提供及/或调整制动力、推进力及/或转向力。作为特定实例，运载工具可响应于用户制动输入基于低摩擦力行驶表面而减小或以其它方式修改施加到车轮组合件的制动力的量。例如，制动系统可产生平滑且逐渐增加的制动力，而非突然增加制动力，如通过用户输入指示。作为另一实例，运载工具可响应于用户推进输入而减小或以其它方式修改推进力。例如，推进系统可产生平滑且逐渐增加的推进力，而非突然增加推进力。

根据实例实施例，提供一种经配置以执行与运载工具相关联的操作的计算机系统。所述操作可包含检测与运载工具相关联的事件。在一些实例中，所述事件可为运载工具的当前或未来停止。操作可包含基于检测到事件启动基于车轮的动作。可在所述事件期间执行基于车轮的动作，且可获得在所述事件期间与运载工具相关联的操作数据。举例来说，运载工具可启动转向移动，及获得指示在运载工具停止时与转向移动相关联的齿条力、转向角度、或其它操作数据的数据。运载工具可至少部分基于操作数据确定指示行驶表面的摩擦力的数据。运载工具可至少部分基于操作数据执行一或多个后续运载工具动作。运载工具动作可包含例如产生自主运载工具的运动规划或控制非自主运载工具的高级驾驶辅助系统。

现在参考诸图，将更详细地论述本发明的实例实施例。图1描绘根据本发明的实例实施例的实例自主运载工具10的框图。自主运载工具10能够在无人类输入的情况下感测其环境及导航。自主运载工具10可为陆基自主运载工具(例如汽车、卡车、公交车等)、空基自主运载工具(例如飞机、无人机、直升机、或其它航空器)、或其它类型的运载工具(例如水运工具、轨基运载工具等)。

自主运载工具10包含一或多个传感器101、运载工具计算系统102、及一或多个运载工具控制件107。运载工具计算系统102可帮助控制自主运载工具10。特定来说，运载工具计算系统102可从一或多个传感器101接收传感器数据，通过对由传感器101收集的数据执行各种处理技术试图了解周围环境，及产生通过此周围环境的适当运动路径。运载工具计算系统102可控制一或多个运载工具控制件107根据所述运动路径操作自主运载工具10。

运载工具计算系统102包含计算装置110，计算装置110包含一或多个处理器112及存储器114。一或多个处理器112可为任何合适的处理装置(例如处理器核心、微处理器、ASIC、FPGA、控制器、微控制器等)，且可为一个处理器或可操作地连接的多个处理器。存储器114可包含一或多个非暂时性计算机可读存储媒体，例如RAM、ROM、EEPROM、EPROM、快闪存储器装置、磁盘等、及其组合。存储器114可存储由处理器112执行以致使运载工具计算系统102执行操作的数据116及指令118。

如图1中说明，运载工具计算系统102可包含感知系统103、预测系统104、及运动规划系统105，其合作以感知自主运载工具10的周围环境且确定用于相应地控制自主运载工具10的运动的运动规划。

特定来说，在一些实施方案中，感知系统103可从耦合到自主运载工具10或以其它方式包含于自主运载工具10内的一或多个传感器101接收传感器数据。作为实例，一或多个传感器101可包含光检测及测距(LIDAR)系统、无线电检测及测距(RADAR)系统、一或多个相机(例如可见光谱相机、红外相机等)、及/或其它传感器。传感器数据可包含描述物体在自主运载工具10的周围环境内的位置的信息。

作为一个实例，针对LIDAR系统，传感器数据可包含对应于反射了测距激光的物体的数个点的位置(例如，在三维空间中相对于LIDAR系统)。举例来说，LIDAR系统可通过测量短激光脉冲从传感器行进到物体且返回花费的飞行时间(TOF)、从已知光速计算距离来测量距离。

作为另一实例，针对RADAR系统，传感器数据可包含对应于反射了测距无线电波的物体的数个点的位置(例如，在三维空间中相对于RADAR系统)。举例来说，由RADAR系统传输的无线电波(例如，脉冲或连续)可从物体反射且传回到RADAR系统的接收器，从而给出关于物体的位置及速度的信息。因此，RADAR系统可提供关于物体的当前速度的有用信息。

作为又另一实例，针对一或多个相机，可执行各种处理技术(例如范围成像技术，例如(举例来说)运动中恢复结构、结构光、立体三角测量、及/或其它技术)以识别对应于在由一或多个相机捕获的影像中描绘的物体的数个点的位置(例如，在三维空间中相对于所述一或多个相机)。其它传感器系统同样可识别对应于物体的点的位置。

作为另一实例，一或多个传感器101可包含定位系统。定位系统可确定自主运载工具10的当前位置。定位系统可为用于分析自主运载工具10的位置的任何装置或电路系统。举例来说，定位系统可通过使用惯性传感器、卫星定位系统中的一或多者基于IP地址、通过使用到网络接入点或其它网络组件(例如蜂窝塔、WiFi接入点等)的三角测量及/或接近度、及/或其它合适的技术来确定位置。自主运载工具10的位置可由运载工具计算系统102的各个系统使用。

因此，一或多个传感器101可用于收集包含描述对应于自主运载工具10的周围环境内的物体的点的位置(例如，在三维空间中相对于自主运载工具10)的信息的传感器数据。

一或多个传感器101可另外包含与自主运载工具及相关联硬件的测量参数、特性、环境数据、或其它方面相关联的传感器。举例来说，可使用惯性测量单元(IMU)传感器、压力传感器、功率传感器、接触片传感器、悬架行程传感器、激光传感器、雷达传感器、声音传感器、及/或任何其它合适的传感器。由自主运载工具获取的传感器数据可包含描述由自主运载工具及/或其个别组件(例如轮胎、轮轴、传动系统、制动器、转向系统等)经历的位置、移动(例如速率、速度、加速度等)、及/或力的信息。自主运载工具可包含测量例如输入转矩的输入转向力、输入转向力的所得对准转矩或齿条力、例如车轮旋转或转向角度的转向位移的传感器。自主运载工具可包含测量由制动系统的电动机施加的输入制动力及/或与输入制动力相关联的车轮转矩的传感器。自主运载工具可包含测量到轴件、驱动、或车轮组合件的输入推进力、与输入推进力相关联的车轮转矩的传感器。自主运载工具可包含测量车轮的旋转程度等的例如编码器的传感器。

传感器数据是自主运载工具相关联的操作数据的一个实例。操作数据可另外或替代地包含从传感器数据导出的数据，例如基于传感器数据确定的力、距离、或角度。传感器数据可用于确定指示行驶表面的摩擦力的数据，如本文中进一步描述。

除了传感器数据之外，感知系统103可检索或以其它方式获得提供关于自主运载工具10的周围环境的详细信息的地图数据126。地图数据126可提供关于以下各者的信息：不同行进道路(例如车行道)、路段、建筑物、或其它项或物体(例如灯柱、人行横道、路缘石等)的识别及位置；交通车道的位置及方向(例如，特定车行道或其它行进道路内的停车道、转向车道、自行车道、或其它车道的位置及方向)；交通控制数据(例如，标志、交通灯、或其它交通控制装置的位置及指示)；及/或提供帮助运载工具计算系统102了解及感知其周围环境及与其的关系的信息的任何其它地图数据。

感知系统103可基于从一或多个传感器101接收的传感器数据及/或地图数据126识别接近自主运载工具10的一或多个物体。特定来说，在一些实施方案中，感知系统103可如描述那样确定描述此物体的当前状态的每一物体的状态数据。作为实例，每一物体的状态数据可描述物体的以下各者的估计：当前位置(还称为位置)；当前速度(还称为速率)；当前加速度；当前航向；当前定向；大小/占用面积(例如，如由例如边界多边形或多面体的边界形状表示)；分类(例如，运载工具对行人对自行车对其它)；偏航率；及/或其它状态信息。

在一些实施方案中，感知系统103可经过数次迭代确定每一物体的状态数据。特定来说，感知系统103可在每一迭代处更新每一物体的状态数据。因此，感知系统103可检测及跟踪随着时间的推移接近自主运载工具10的物体(例如运载工具)。

预测系统104可从感知系统103接收状态数据且基于此类状态数据预测每一物体的一或多个未来位置。举例来说，预测系统104可预测每一物体将在下5秒、10秒、20秒等内将定位的位置。作为一个实例，物体可经预测以根据其当前速度追随其当前轨迹。作为另一实例，可使用其它、更复杂预测技术或建模。

运动规划系统105可至少部分基于物体的经预测一或多个未来位置及/或由感知系统103提供的物体的状态数据确定自主运载工具10的一或多个运动规划。换句话来说，给定关于物体的当前位置及/或接近物体的预测未来位置的信息，运动规划系统105可确定相对于其当前及/或未来位置处的物体最佳导航自主运载工具10的自主运载工具10的运动规划。

作为一个实例，在一些实施方案中，运动规划系统105可评估自主运载工具10的一或多个候选运动规划中的每一者的一或多个代价函数。举例来说，代价函数可描述追随特定候选运动规划的代价(例如随着时间的推移)及/或描述追随特定候选运动规划的回报。举例来说，回报可为与代价相反的标志。

运动规划系统105可将最优运动规划提供到控制一或多个运载工具控制件107(例如致动器或控制气流、转向、制动等的其它装置)执行最优运动规划的运载工具控制器106。运载工具控制器可至少部分基于运动规划系统的输出产生自主运载工具的一或多个运载工具控制信号。

感知系统103、预测系统104、运动规划系统105、及运载工具控制器106中的每一者可包含用于提供所期望功能性的计算机逻辑。在一些实施方案中，感知系统103、预测系统104、运动规划系统105、及运载工具控制器106中的每一者可经实施于控制通用处理器的硬件、固件、及/或软件中。举例来说，在一些实施方案中，感知系统103、预测系统104、运动规划系统105、及运载工具控制器106中的每一者包含存储在存储装置上、加载到存储器中且由一或多个处理器执行的程序文件。在其它实施方案中，感知系统103、预测系统104、运动规划系统105、及运载工具控制器106中的每一者包含存储于例如RAM、硬盘、或光学或磁性媒体的有形计算机可读存储媒体中的一或多个计算机可执行指令集。

在各个实施方案中，感知系统103、预测系统104、及/或运动规划系统105中的一或多者可包含或以其它方式利用一或多个机器学习模型，例如(举例来说)卷积神经网络。

运载工具计算系统102包含根据所揭示技术的实例实施例的摩擦力估计系统150。摩擦力估计系统150经配置以自动估计与自主运载工具正在其上行进的行驶表面相关联的摩擦力。摩擦力估计系统150可产生包含摩擦力估计的摩擦力数据，且将所产生的摩擦力数据提供到例如感知系统103、预测系统104、及/或运动规划系统105的系统以用于自主运载工具操作。摩擦力估计系统150可从传感器101及定位系统111分别接收传感器数据及地图数据。举例来说，摩擦力估计系统150可接收地图数据及/或运动规划数据以便确定在一些实例中将在其内执行摩擦力估计的加速事件。在加速事件期间，摩擦力估计系统150可基于来自传感器101的传感器数据产生包含摩擦力估计的摩擦力数据152。摩擦力估计系统150可检测与自主运载工具相关联的加速事件，且获得在加速事件期间与自主运载工具相关联的例如传感器数据的操作数据。摩擦力估计系统150可基于操作数据确定指示与自主运载工具在加速事件期间正在其上行进的表面相关联的摩擦力的数据。摩擦力估计系统150可将指示摩擦力的数据提供到一或多个额外系统以基于指示与表面相关联的摩擦力的数据控制自主运载工具。

尽管图1描绘了自主运载工具，但根据所揭示技术的非自主运载工具可包含类似组件。举例来说，非自主运载工具可包含所描述组件，但可能不一定包含感知系统103、预测系统104、及/或运动规划系统105。然而，在一些实施例中，非自主运载工具可包含感知系统103、预测系统104、及/或运动规划系统105中的一或多者。

图2是描绘产生指示行驶表面的摩擦力的数据及至少部分基于指示摩擦力的数据控制运载工具的实例过程200的流程图。过程200(及本文中描述的其它过程)的一或多个部分可由例如(举例来说)图1的运载工具控制系统102内的计算装置110、或图15的实例计算系统1000的一或多个计算装置实施。此外，本文中描述的过程的一或多个部分可经实施为本文中描述的装置的硬件组件上的算法(例如，如在图1及15中)以例如产生指示运载工具正在其上行进的行驶表面的摩擦力的数据。在实例实施例中，过程200可由运载工具计算系统102的摩擦力估计系统150执行。

在202处，接收对与自主运载工具相关联的摩擦力估计的请求。在一些实施例中，请求可由运载工具计算系统102接收，或更特定来说，请求可由运载工具计算系统102的摩擦力估计系统150接收。例如感知系统103、预测系统104、运动规划系统105、及/或运载工具控制器106的自主驾驶系统的一或多个组件可根据所揭示技术的实施例发出对摩擦力估计的请求。

在204处，检测事件。在实例实施例中，摩擦力估计系统150可响应于来自运载工具计算系统的各个组件的一或多个信号检测事件。举例来说，摩擦力估计系统150可响应于来自一或多个传感器101的传感器数据检测事件。摩擦力估计系统150可将由运载工具进行的停止、速度减小及/或速度增加作为事件来检测。举例来说，摩擦力估计系统150可使用影像或其它传感器数据识别运载工具外部的环境中指示未来事件的停止标志、屈服标志、或其它标志或物体。在另一实例中，摩擦力估计系统150可响应于来自运动规划系统的运动规划数据或路线规划数据检测事件。例如，摩擦力估计系统150可响应于指示由自主运载工具计划的停止或速度减小、或计划的速度增加的运动规划数据检测事件。作为又另一实例，摩擦力估计系统150可响应于运动规划数据或指示自主运载工具的转向车轮的旋转的其它传感器数据检测事件。

在206处，向运载工具的运载工具控制系统发出基于车轮的动作请求。在实例实施例中，摩擦力估计系统150可向运载工具控制器106发出基于车轮的动作请求。运载工具控制器106又可向适当运载工具控制件发出启动基于车轮的动作的一或多个请求及/或命令。举例来说，摩擦力估计系统150可发出对制动动作、推进动作、及/或转向动作的请求。更特定来说，基于车轮的动作可为在停止期间、或在运载工具正以用户不可感知的方式移动时执行的基于转向车轮的动作。作为另一实例，摩擦力估计系统150可在包含速度增加的检测到的加速事件期间发出对基于推进车轮的动作的请求。作为又另一实例，摩擦力估计系统150可在包含速度减小的检测到的加速事件期间发出对基于制动车轮的动作的请求。

在208处，获得在检测到的加速事件期间与基于车轮的动作相关联的操作数据。操作数据可由摩擦力估计系统150从一或多个传感器101及/或运载工具计算系统的其它组件(例如感知系统103、预测系统104、及/或运动规划系统105)获得。操作数据的实例可包含指示与基于转向车轮的动作相关联的输入转向力、车轮旋转、车轮转矩、齿条力、对准转矩等中的一或多者的数据。其它实例可包含指示与基于制动车轮的动作相关联的输入制动力、车轮旋转、车轮转矩等的数据。操作数据的其它实例可包含指示与基于推进车轮的动作相关联的输入推进力、车轮旋转、车轮转矩等的数据。

在210处，基于在208获得的操作数据确定摩擦力。在实例实施例中，摩擦力可为摩擦力估计。通过实例，与基于转向车轮的动作相关联的摩擦力可基于施加到转向系统的输入转向力、及由输入转向力造成的车轮旋转及/或转矩(例如对准转矩、齿条力等)确定。更特定来说，最大转向力及/或最大车轮旋转可用于确定与一或多个轮胎与行驶表面的相互作用相关联的摩擦力。与基于制动车轮的动作相关联的摩擦力可基于施加到制动系统的输入制动力、与输入制动力相关联的所得车轮旋转、及/或所得车轮转矩确定。与基于推进车轮的动作相关联的摩擦力可基于施加到推进系统的输入推进力、与输入推进力相关联的所得车轮旋转、及/或所得车轮转矩确定。

在212处，可提供指示在210确定的摩擦力的数据。通过实例，摩擦力估计系统可通过运载工具的用户接口向驾驶员提供一或多个摩擦力估计的指示。作为另一实例，摩擦力估计系统150可将指示一或多个摩擦力估计的数据提供到远程计算系统，例如远程服务器或另一运载工具。在一些实例中，摩擦力估计系统150可将一或多个摩擦力估计提供到感知系统103、预测系统104、及/或运动规划系统105。摩擦力估计系统150可提供指示与行驶表面相关联的摩擦力的数据。

在214处，至少部分基于指示行驶表面的摩擦力的数据控制运载工具。通过实例，运动规划系统105可基于行驶表面的经估计摩擦力产生一或多个运动规划。作为另一实例，运载工具控制系统可至少部分基于摩擦力估计产生路线或地图规划。作为又另一实例，运载工具控制系统可至少部分基于指示摩擦力的数据产生与控制运载工具相关联的约束。约束可包含运动规划约束、地图约束、及/或通用操作约束。在另一实例中，运载工具控制系统可至少部分基于行驶表面的摩擦力控制非自主运载工具的ADAS或其它系统。应注意，214处的操作是任选的。举例来说，可在212处提供指示经估计摩擦力的数据，而无需基于摩擦力控制运载工具。

在一些实例中，运载工具控制系统可至少部分基于指示摩擦力的数据产生运动规划。基于指示行驶表面的摩擦力的数据控制自主运载工具可包含实施基于摩擦力的运动规划及/或路线规划。实施运动规划可包含由运载工具控制器及/或接口转译运动规划及将一或多个信号发送到控制系统(例如加速、制动、转向等)。

作为控制自主运载工具的部分，可与摩擦力数据一起利用各个阈值。运载工具控制系统可响应于较低摩擦力估计利用较低或更严格运动规划约束。这些降低的运动规划约束可提供自主运载工具与周围运载工具之间的较大距离、较低最高速度、较低加速速率、转弯期间的较低速度、用于停止的较长分配距离、及/或任何其它适当约束。作为地图的部分，例如在产生自主运载工具的路线规划时，可使用摩擦力数据。运载工具控制系统可响应于具有不满足一或多个阈值的摩擦力的行驶表面而利用较低或更严格路线规划约束。这些降低的路线规划约束可提供在具有较低分级(例如间距)的道路、交通流量较低的道路、最近被清理了雪的道路等及具有任何其它合适的路线规划约束的道路上行进。作为通用自主运载工具操作的部分，例如在产生自主运载工具的操作规划时，可使用摩擦力数据。例如，运载工具控制系统可响应于具有不满足一或多个阈值的摩擦力的行驶表面利用降低的或更严格操作约束。这些降低的操作约束可提供，如果行驶表面的摩擦力不满足一或多个阈值，那么自主运载工具将停止且不执行自主操作。

作为特定实例，自主运载工具可取决于摩擦力估计利用三个或三个以上操作模式。如果行驶表面的摩擦力满足第一阈值(例如，大于或等于0.3的摩擦力系数)，那么可利用正常驾驶操作。如果摩擦力满足第二阈值(大于或等于0.2的摩擦力系数)但不能满足第一阈值，那么可使用增加的操作、地图、及/或通用操作约束。如果摩擦力不能满足第二阈值，那么运载工具可被限制或禁止进行自主操作。根据实例实施例可使用其它数目及实例的约束及/或阈值。

图3描绘说明根据本发明的实例实施例的与事件相关联的摩擦力估计的实施方案的实例户外环境300。户外环境300可包含一或多个行进道(例如相交车行道)。在户外环境300中说明的场景可包含一或多个静态及/或动态对象(例如行人、运载工具、骑车者、人行道、灯柱、标志等)。环境300可为运载工具正在其中行进及/或将在其中行进的环境。图3中展示的环境300仅通过实例呈现且不希望具限制性。

运载工具计算系统102可获得与环境相关联的传感器数据。例如，运载工具计算系统102可获得包含与环境300相关联的二维及/或三维数据的传感器数据。举例来说，三维数据可包含多个点。所述多个点可包含于与环境300相关联的三维点云内。

运载工具可使用与环境300相关的传感器数据及/或运动规划数据规划基于车轮的动作来确定与行驶表面相关联的摩擦力。举例来说，感知系统103可从传感器数据检测交通信号302及/或一或多个行人304。运动规划系统105可基于检测到的交通信号302及/或行人304产生一或多个运动规划。一或多个运动规划可包含减小自主运载工具的速度以遵守指示运载工具必须停止的交通信号，或减小自主运载工具的速度以允许行人304穿过马路。作为另一实例，所述一或多个运动规划可包含响应于指示运载工具可从十字路口前进或通过十字路口的交通信号而增加自主运载工具的速度。

摩擦力估计系统150可检测例如响应于交通信号302及/或行人304减小自主运载工具的速度的事件。作为响应，摩擦力估计系统150可发出一或多个基于车轮的动作的请求以便确定在检测到的加速事件期间的摩擦力。举例来说，摩擦力估计系统150可发出基于转向车轮的动作请求以便确定当运载工具10响应于交通信号302及/或行人304停止时的摩擦力。作为另一实例，摩擦力估计系统可发出基于制动车轮的动作请求以便确定当运载工具响应于交通信号及多个行人304减小速度时行驶表面的摩擦力。类似地，摩擦力估计系统150可发出基于推进车轮的动作请求以便确定当运载工具响应于指示运载工具可通过的交通信号或响应于将一或多个行人304清理出行进道而增加速度时行驶表面的摩擦力。

图4描绘另一实例户外环境350及基于检测到的加速事件产生指示行驶表面的摩擦力的数据。户外环境350可包含一或多个行进道(例如相交车行道)。在户外环境350中说明的场景可包含一或多个静态及/或动态对象(例如行人、运载工具、骑车者、人行道、灯柱、标志等)，例如交通信号352。摩擦力估计系统150可启动基于车轮的动作以便在基于环境350规划的间隔处确定行进道的摩擦力估计。更特定来说，基于车轮的动作可以一方式启动以最小化或消除基于车轮的动作被自主运载工具的乘客感知。

更特定来说，在图4的实例中，运载工具计算系统102可产生致使自主运载工具粗略地经过一路径的一或多个运动规划，如图354中展示。运载工具计算系统102可确定自主运载工具将停止在交通信号352中的一或多者处。基于检测到与和交通信号中的一或多者相关联的停止及或从停止继续前进相关联的加速事件，摩擦力估计系统150可规划基于车轮的动作以最小化对自主运载工具的乘客的任何干扰。例如，运载工具计算系统可响应于自主运载工具响应于交通信号中的一或多者停止而启动基于转向车轮的动作。作为另一实例，运载工具计算系统可响应于自主运载工具在接近交通信号时减小速度而启动基于制动车轮的动作。作为又另一实例，运载工具计算系统可响应于自主运载工具在其从交通信号处的停止位置继续前进时增加速度而启动基于推进车轮的动作。更进一步，运载工具计算系统可响应于检测到的与人行横道356相关联的加速事件启动基于车轮的动作。

图5是描绘根据所揭示技术的实例实施例的摩擦力估计系统150的额外细节及摩擦力估计的产生的框图。在图5的实例中，摩擦力估计系统150包含摩擦力探测控制器402及摩擦力估计器404。摩擦力探测控制器402与大体上被描绘为自主驾驶系统410的自主驾驶系统通信。在另一实例(未描绘)中，摩擦力探测控制器402可与非自主运载工具的运载工具控制系统通信，而非与自主运载工具的自主驾驶系统410通信。自主驾驶系统410可包含感知系统103、预测系统104、及/或运动规划系统105。另外，摩擦力探测控制器402与运载工具运动状态组件430及转向致动器420通信。应了解，摩擦力估计系统150的组件及外部组件仅通过实例提供。举例来说，摩擦力探测控制器402可与任何数目个运载工具控制件及/或运载工具控制器106通信。

作为摩擦力估计过程的部分在自主运载工具的各个组件之间传输的信号的实例在图5中展示。自主驾驶系统410的一或多个组件(或非自主运载工具的运载工具控制系统)可向摩擦力探测控制器402发出探测请求。探测请求是对摩擦力估计的请求的一个实例，然而，应了解，可利用其它类型的请求。在实例实施例中，当不确定与行驶表面相关联的摩擦力是高且需要了解摩擦力以便提供安全且方便行进时，自主驾驶系统可发出对摩擦力估计或测量的请求。

摩擦力探测控制器402可向自主驾驶系统410或非自主运载工具的运载工具控制系统回复是否存在可用于测量或以其它方式估计与行驶表面相关联的摩擦力的探测可用性的指示。在一些实例中，当摩擦力探测控制器402确定存在未来或正在进行的加速事件时，存在探测可用性。在一些实例中，作为确定是否存在探测可用性的部分，运载工具运动状态组件430可提供运载工具是正在移动还是处于静止的指示。在一些实例中，仅当运载工具处于静止时才可存在探测可用性。然而，在其它实例中，探测可用性可在其它时间存在，例如当运载工具减小速度及/或增加速度时。如果从运载工具运动状态组件430接收的运动方向适于执行摩擦力估计，那么摩擦力探测控制器402可向自主驾驶系统回复探测可用性的指示。然而，如果运动方向不适于进行摩擦力估计过程，那么摩擦力探测控制器402可向自主驾驶系统410指示探测可用性。

响应于确定可执行摩擦力估计过程，摩擦力探测控制器402向转向致动器420发出转向转矩请求。转向致动器420作为运载工具控制件107的一个实例。转向转矩请求是对基于车轮的动作的请求的一个实例。在一些实例中，转向转矩请求可指定将施加到转向系统的输入转矩。更特定来说，转向转矩请求可指定转向转矩的斜升或转向转矩从低值到高值的增加。在一些实例中，可向转向致动器发出请求增加转矩的转向转矩请求直到测量到或以其它方式找到峰值摩擦力。在那个点，转向转矩请求可使转向转矩斜降直到其达到零。在一些实例中，如果转向致动器具有响应于转向转矩请求致动的问题，那么探测可用性可为假。

响应于由转向致动器420施加的转向转矩，转向致动器420提供所得转向位移的指示，例如车轮转向角度。举例来说，指示所得车轮转向角度的数据可被提供回到摩擦力探测控制器402以及摩擦力估计器404。另外，齿条力可由与转向致动器及提供到摩擦力探测控制器402及摩擦力估计器404的齿条力的指示相关联的一或多个传感器测量。在一些实例中，齿条力是与转向系统相关联的对准转矩。

摩擦力估计器404可获得齿条力及转向角度数据，且确定与基于转向车轮的动作相关联的峰值摩擦力。通常，将响应于较高级峰值齿条力及经施加以达到峰值齿条力级的较大转向角度确定较高级摩擦力。类似地，将响应于较低级峰值齿条力及经施加以达到峰值齿条力级的较小转向角度确定较低级摩擦力。描述基于齿条力及转向角度确定摩擦力的更多细节在下文提供。

一旦发现峰值摩擦力，摩擦力估计器404就将转向转矩请求可结束的信号提供到摩擦力探测控制器402。摩擦力估计器404将指示使用基于车轮的动作测量的摩擦力的数据提供到自主驾驶系统410。

用于使用基于转向车轮的动作确定与行驶表面相关联的摩擦力或摩擦力估计的一个实例的详细解释关于图6描绘的曲线图502提供。一般来说，与轮胎接触面接触行驶表面相关联地产生的力是不同的，这取决于行驶表面的摩擦力。运载工具转向系统可与等于围绕通过轮毂的概念垂直轴的转矩的对准转矩相关联。可观察到，通常当对准转矩较小时，行驶表面的摩擦力也较小。通常，预期对准转矩针对不同转向角度及摩擦力级而改变。

考虑图6中所展示的展示作为轮胎补丁区中轮胎的刷毛的横向位移x的函数的转向角度δ的曲线图，其中轮胎补丁区的长度等于2a。如果假定主销轴穿过轮毂的中心，那么可定义对准转矩的方程式。可首先假定存在完整附着力(摩擦力无限高且轮胎的刷毛都不滑动)。当轮胎以转向角度δ转向时，轮胎作为扭转弹簧作出响应。方程式1陈述横向偏转v(x)，且方程式(2)陈述横向力分布τ

v(x)＝x tanδ 方程式1

τ

在方程式中，δ是转向角度，x是刷毛的横向位移，c

在建立方程式1及2的情况下，可如在方程式3中陈述那样定义对准转矩M

方程式3提供取决于转向角度δ、轮胎刚度c

图7描绘在未假定摩擦力无限高的情况下作为横向位移x的函数的转向角度δ的另一曲线图。在轮胎接触面的末端，例如，刷毛可能无法再承受较高横向力且可能开始滑脱。在图7中，横向位移被划分成其中不会发生滑动的附着力区域及可以发生滑动的滑动区域。可假定跨轮胎接触面的均匀正态分布

可预期轮胎将在满足方程式5或6中的条件时滑动。

将诱发滑动的条件在方程式7中陈述。

当满足方程式8中的条件时可发生全滑动。

|x

如果对附着力及滑动区域求积分，那么可如在方程式9中陈述那样定义对准转矩。

因此，可如方程式10、11及12中陈述那样表达对准转矩。

图8是标绘作为转向角度的函数的对准转矩的表达式的曲线图。曲线图描绘使用三个不同摩擦力系数表示行驶表面的三条线552、554、及556。线552表示具有最大摩擦力系数mue＝1的行驶表面。线554表示具有中间范围摩擦力系数mue＝0.5的行驶表面。线556表示具有低范围摩擦力系数mue＝0.2的行驶表面。

线556说明具有低摩擦力系数的行驶表面具有低峰值对准转矩。另外，线556说明针对具有低摩擦力系数的行驶表面，将在相对低转向角度处达到峰值对准转矩。线554说明针对具有中间范围摩擦力系数的行驶表面，峰值对准转矩在转向角度的中间范围中更大以达到峰值对准转矩。最后，线552说明针对具有高摩擦力系数的行驶表面，峰值对准转矩在高范围中且需要较大转向角度以达到峰值对准转矩。所述线一起说明靠近原点处的对准转矩及转向角度特性是类似的，且稍微独立于摩擦力。

应注意，方程式10、11及12中的上述表达式针对穿过轮胎接触面的中心的转向轴是有效的。通常，中心旋转可具有纵向位移(例如脚轮轨)及横向位移(刮擦半径)。方程式13陈述并入这些效果作为比例因子γ的对准转矩Ta的定义。

T

在方程式13中，M

在实例实施例中，传感器101包含齿条力传感器及/或小齿轮角度传感器。在一些实例中，齿条力传感器可为虚拟传感器。转向系统的输入小齿轮处的对准转矩可等于到转向系统的马达输入与驾驶员输入之和。齿条力传感器可提供指示齿条力F

F

针对两个前轮的转向及法向力相等的运载工具，可如方程式15中陈述那样定义齿条力。

F

如果轮胎变成饱和的，那么可如方程式16中陈述那样定义齿条力。

记住上述表达式，摩擦力估计系统150可利用摩擦力探测控制器402及/或摩擦力估计器404确定与行驶表面相关联的摩擦力。摩擦力探测控制器402可收集对准转矩及转向角度数据的样本。在一些实例中，可收集阈值数目个样本且将其用于估计摩擦力。另外，例如阈值转向角度及/或输入转矩的阈值激发可用于估计摩擦力。

图9描绘说明根据所揭示技术的实例实施例的用于基于转向车轮的动作测量与行驶表面相关联的摩擦力的技术的曲线图。响应于探测请求及检测到加速事件，摩擦力探测控制器402可使转向转矩请求630从在A处等于零的起始转矩斜升到在B处的最大水平，如曲线图530中展示。如曲线图540中展示，齿条力将起因于输入转向转矩请求。图9中的齿条力被展示为转向角度的函数。随着转向角度响应于输入转向转矩请求增加，齿条力从点A增加到点B。一旦收集到足够样本且已观察到阈值激发，转向转矩请求就可如在点B到点C处展示那样斜降。随着转向转矩斜降，齿条力从点B减小到点C。通过实例，在一些实例中，从点A到点C的时间可大约为1秒。在其它实例中，所述时间可大于或小于1秒。

图10是描绘用于基于与输入转向转矩相关联的经测量齿条力计算与表面相关联的摩擦力的技术的曲线图。在一个实例中，摩擦力估计器404可通过找到起因于渐增输入转向转矩请求的齿条力的峰值确定摩擦力。在实例实施例中，可使用方程式15中所定义的齿条力的峰值。

各种技术可用于找到齿条力的峰值。在一个实例中，可通过定义由方程式17定义的曲线倾角的阈值找到峰值。

dF

方程式17定义齿条力相对于转向角度的变化的变化。更特定来说，齿条力相对于转向角度的导数的导数被定义为(分别地)两个导数的商。

参考方程式17及图10，当请求输入转向转矩时，可如由图10中的圆圈说明那样对所得齿条力及转向数据(例如转向角度)进行取样。当齿条力相对于转向角度的变化的变化满足预定阈值(例如，大于或等于阈值)时，可基于峰值转向角度δ

在方程式18中，γab可为设计参数，且F

图11是描绘根据所揭示技术的实例实施例的用于确定在检测到的加速事件期间与基于转向车轮的动作相关联的行驶表面的摩擦力的实例过程600的流程图。在一些实例中，过程600可由运载工具计算系统102的摩擦力估计系统150执行。可与自主运载工具及/或非自主运载工具相关联地执行过程600。

在602处，发出对在自主或非自主运载工具的转向系统处施加输入转矩的请求。举例来说，摩擦力估计系统150的摩擦力探测控制器402可向转向致动器420发出转向转矩请求。转向转矩请求可包含增加转向转矩。在一些实例中，转向转矩请求可包括使施加到转向系统的转向转矩斜升的请求。响应于输入转矩请求，转向致动器可在604处渐增施加于转向系统中的输入转矩。在一些实例中，输入转矩是对准转矩。

在606处，获得与在转向系统处施加的输入转矩相关联的转向位移数据，例如车轮旋转数据。在实例实施例中，车轮旋转数据可包含指示起因于输入转矩施加的转向角度的数据。在实例实施例中，车轮旋转数据可由摩擦力探测控制器402及/或摩擦力估计器404获得。

在608处，获得与在转向系统处施加的输入转矩相关联的转向力数据。在实例实施例中，转向力数据可包含输入转矩、对准转矩及/或与输入转矩相关联的齿条力等的指示。

在610处，确定与输入转矩施加相关联的最大车轮旋转。在实例实施例中，最大车轮旋转是最大转向角度。

在612处，确定与输入转矩施加相关联的最大转向力。在实例实施例中，最大转向力是与输入转矩相关联的最大齿条力。

在一些实例中，610处的最大车轮旋转及612处的最大转向力可基于最大车轮旋转及最大转向力相对于彼此的变化来确定。举例来说，齿条力相对于车轮旋转的变化的变化可经分析以增加输入转矩以便确定相对变化何时满足阈值。更特定来说，如先前描述，可随着输入转矩增加直到商满足或超过阈值，观察由齿条力的导数除以转向角度的导数得出的商。当满足阈值时，对应转向角度及齿条力可分别被确定为最大车轮旋转及最大转向力。

在614处，基于最大转向力及/或最大车轮旋转确定行驶表面的摩擦力。在实例实施例中，在614处产生指示行驶表面的摩擦力的数据。在一些实例中，行驶表面的摩擦力可至少部分基于峰值齿条力及峰值转向角度确定。

图12是描绘摩擦力估计系统150的额外细节及使用基于制动车轮及/或推进车轮的动作产生摩擦力数据的框图。在图12的实例中，摩擦力探测控制器402对确定摩擦力估计过程可通过向制动系统及/或推进系统(共同被描绘为图12中的制动系统/推进系统440)发出制动请求及/或推进请求执行作出响应。制动系统/推进系统440是运载工具控制件107的实例，且制动及/或推进请求是对基于车轮的动作的请求的一个实例。在一些实例中，制动及/或推进请求可指定将施加到制动系统的输入制动力。更特定来说，制动力请求可指定输入制动力的斜升或制动力从低值到高值的增加。在另一实例中，制动及/或推进请求可指定将施加到推进系统的输入推进力，例如由加速器提供的输入量。更特定来说，推进请求可指定输入推进力的斜升或推进力从低值到高值的增加。

在一些实例中，可向请求增加力的制动系统/推进系统发出制动力及/或推进力直到测量到或以其它方式找到峰值摩擦力。在那个点，制动请求/推进请求可使输入力斜降直到其达到零或另一稳态水平。在一些实例中，如果制动系统/推进系统具有响应于输入力请求致动的问题，那么探测可用性可为假。

响应于由制动系统/推进系统440施加的输入制动及/或推进力，制动系统/推进系统提供所得车轮旋转的指示。在一些实例中，车轮旋转是例如响应于相对于表面的轮胎滑动相对于行进道的表面的车轮旋转。举例来说，指示所得车轮旋转的数据可被提供回到摩擦力探测控制器402以及摩擦力估计器404。另外，例如输入制动力的制动力或由与制动系统/推进系统相关联的一或多个传感器所测量的车轮转矩可被提供到摩擦力探测控制器402以及摩擦力估计器404。在一些实例中，制动力数据可包含输入制动力、所得车轮转矩等的指示。在其它实例中，制动力数据可包含与车轮及/或轮胎相关联的旋转转矩的指示。作为特定实例，由电动机提供的输入制动力可被测量且被提供为制动力数据。

摩擦力估计器404可获得制动力及车轮旋转数据，且确定与基于制动及/或推进车轮的动作相关联的峰值摩擦力。通常，将响应于较高级峰值车轮转矩及较小车轮旋转确定较高级摩擦力。类似地，将响应于较低级峰值车轮转矩及较大车轮旋转确定较低级摩擦力。

一旦发现峰值摩擦力，摩擦力估计器404就将制动及/或推进请求可结束的信号提供到摩擦力探测控制器402。摩擦力估计器404将指示使用基于车轮的动作测量的摩擦力的数据提供到自主运载工具的自主驾驶系统410或非自主运载工具的运载工具控制系统。

图13是描绘根据所揭示技术的实例实施例的用于确定在检测到的事件期间与基于制动车轮的动作相关联的摩擦力的实例过程700的流程图。在一些实例中，过程700可由运载工具计算系统102的摩擦力估计系统150执行。图13描绘其中施加了差分制动力的特定实例。然而，应注意，差分制动力不是要求的。举例来说，作为基于制动车轮的动作的部分可将一或多个输入制动力施加到一或多个车轮组合件。在一些实例中，将单个制动力施加到一个车轮组合件。在其它实例中，将单个制动力施加到多个车轮组合件。在又其它实例中，可施加多个制动力。

在702处，向运载工具控制系统发出对基于制动车轮的动作的一或多个请求。在实例实施例中，对基于车轮的动作的请求可响应于针对摩擦力确定及检测加速事件的请求发出。更特定来说，在一些实施方案中，摩擦力估计系统150可向运载工具控制器106发出对在自主运载工具的两个或两个以上车轮组合件处施加差分制动力的一或多个请求。运载工具控制器106可向例如制动系统的适当运载工具控制系统发出启动基于车轮的动作的一或多个请求及/或命令。举例来说，摩擦力探测控制器402可在停止期间、或在运载工具正以用户不可感知的方式移动时发出对差分制动动作的请求。

在704处，将差分制动力施加到运载工具的至少两个车轮组合件。在实例实施例中，作为包含速度减小的加速事件的部分，可施加差分制动力。差分制动力可经施加以致使与至少一个车轮组合件相关联的相对于也正在接收制动力的至少另一车轮组合件更大的制动力。较大制动力可经施加以使得能使用较大制动力确定摩擦力确定，同时避免或最小化对运载工具中的乘客的干扰。举例来说，运载工具计算系统可将较大制动力施加到一个车轮以便致使对应轮胎相对于行驶表面滑脱或滑动。较大制动力可随着时间的推移增加直到轮胎的滑脱或滑动被检测到。较小制动力可经施加到其它车轮使得不会经历滑动或滑脱。以此方式，乘客可能不会感知到与较大制动力相关联的滑脱或滑动。

在706及708处，获得在检测到的加速事件期间与基于车轮的动作相关联的操作数据。在706处，可接收与接收较大制动力的车轮组合件相关联的车轮旋转数据。车轮旋转数据可指示在轮胎滑脱期间车轮的旋转度数或在整个较大制动力施加内的旋转度数。在706处确定车轮旋转数据是任选的。在一些实例中，车轮旋转数据可使用一或多个车轮编码器传感器确定。在步骤708处，可获得与接收较大制动力的车轮组合件相关联的制动力数据。制动力数据可指示在轮胎滑脱期间施加到车轮组合件的制动力，或可指示在较大制动力的整个施加内施加的制动力。在一些实例中，制动力数据可由制动组合件的传感器测量。举例来说，传感器可测量施加输入制动力的电动机的输出。制动力的实例包含输入制动力及与输入制动力相关联的所得车轮转矩。

在710处，确定接收较大制动力的车轮组合件的最大车轮旋转。在712处，确定接收较大制动力的车轮组合件的最大制动力。

在714处，至少部分基于最大车轮旋转及/或最大制动力确定行驶表面的摩擦力。举例来说，可执行响应于较大车轮旋转或较大最大制动力导致表面的较高摩擦力估计的计算。可预期车轮当接触较高摩擦表面(而非接触较低摩擦表面)时在制动压力下旋转更多。类似地，可预期较小制动力在接触较低摩擦表面时会致使轮胎滑脱。在实例实施例中，在714处产生指示行驶表面的摩擦力的数据。

图14是描绘根据所揭示技术的实例实施例的用于确定在检测到的加速事件期间与基于推进车轮的动作相关联的摩擦力的实例过程750的流程图。在一些实例中，过程750可由运载工具计算系统102的摩擦力估计系统150执行。图14描绘其中施加了差分推进力的特定实例。然而，应注意，差分推进力不是要求的。举例来说，作为基于推进车轮的动作的部分可将一或多个输入推进力施加到一或多个车轮组合件。在一些实例中，将单个推进力施加到一个车轮组合件。在其它实例中，将单个推进力施加到多个车轮组合件。在又其它实例中，可施加多个推进力。

在752处，向运载工具控制系统发出对基于推进车轮的动作的一或多个请求。在实例实施例中，对基于车轮的动作的请求可响应于针对摩擦力确定及检测加速事件的请求发出。更特定来说，在一些实施方案中，摩擦力估计系统150可向运载工具控制器106发出对在自主运载工具的两个或两个以上车轮组合件处施加差分推进力的一或多个请求。运载工具控制器106可向例如推进系统的适当运载工具控制系统发出启动基于车轮的动作的一或多个请求及/或命令。举例来说，摩擦力探测控制器402可随着运载工具在离开停止标志或十字路口时增加速度而发出对差分推进动作的请求。

在754处，将差分推进力施加到运载工具的至少两个车轮组合件。在实例实施例中，作为包含速度增加的事件的部分，可施加差分推进力。差分推进力可经施加以致使与至少一个车轮组合件相关联的相对于也正在接收推进力的至少另一车轮组合件更大的推进力。较大推进力可经施加以使得能使用较大推进力确定摩擦力确定，同时避免或最小化对运载工具中的乘客的干扰。举例来说，运载工具计算系统可将较大推进力施加到一个车轮以便致使对应轮胎相对于行驶表面滑脱或滑动。较大推进力可随着时间的推移增加直到轮胎的滑脱或滑动被检测到。较小推进力可经施加到其它车轮使得不会经历滑动或滑脱。以此方式，乘客可能不会感知到与较大推进力相关联的滑脱或滑动。在一些实例中，一或多个车轮可在差分推进力被施加时接收制动力。

在756及758处，获得在检测到的加速事件期间与基于车轮的动作相关联的操作数据。在756处，可接收车轮旋转数据，例如与接收较大推进力的车轮组合件相关联的车轮旋转数据。车轮旋转数据可指示在轮胎滑脱期间车轮的旋转度数或在整个较大推进力施加内的旋转度数。在706处确定车轮旋转数据是任选的。在一些实例中，车轮旋转数据可使用一或多个车轮编码器传感器确定。在758处，可获得与接收较大推进力的车轮组合件相关联的推进力数据。推进力数据可指示在轮胎滑脱期间施加到车轮组合件的推进力或可指示在较大制动力的整个施加内施加的推进力。在一些实例中，推进力数据可由推进组合件的传感器测量。在其它实例中，推进力数据可基于推进系统的输出确定，例如施加到车轮的旋转力的量。推进力的实例包含输入推进力及与输入推进力相关联的所得车轮转矩。

在760处，确定接收较大推进力的车轮组合件的最大车轮旋转。在762处，确定接收较大推进力的车轮组合件的最大推进力。

在764处，至少部分基于最大车轮旋转及/或最大推进力确定行驶表面的摩擦力。举例来说，可执行响应于较小车轮旋转或较小最大车轮转矩导致表面的较高摩擦力估计的计算。可预期车轮当接触较低摩擦表面(而非接触较高摩擦表面)时在相同推进力下旋转更多。类似地，可预期较小推进力在接触较低摩擦表面(而非接触较高摩擦表面)时会致使轮胎滑脱。在实例实施例中，在764处产生指示行驶表面的摩擦力的数据。

图15描绘根据本发明的实例实施例的实例计算系统1000的框图。实例计算系统1000包含经由网络1080通信地耦合的计算系统1002及机器学习计算系统1030。

在一些实施方案中，作为运载工具操作的部分，计算系统1002可执行摩擦力确定过程，提供指示摩擦力估计的数据，及/或使用摩擦力数据。在一些实施方案中，计算系统1002可使用机器学习模型执行摩擦力估计。在一些实施方案中，计算系统1002可包含于自主或非自主运载工具中。举例来说，计算系统1002可在运载工具上。在一些实施例中，计算系统1002可用于实施运载工具计算系统102。在其它实施方案中，计算系统1002可不定位在运载工具上。举例来说，计算系统1002可脱机操作以获得传感器数据且执行摩擦力估计。计算系统1002可包含一或多个相异物理计算装置。

计算系统1002包含一或多个处理器1012及存储器1014。一或多个处理器1012可为任何合适的处理装置(例如处理器核心、微处理器、ASIC、FPGA、控制器、微控制器等)，且可为一个处理器或可操作地连接的多个处理器。存储器1014可包含一或多个非暂时性计算机可读存储媒体，例如RAM、ROM、EEPROM、EPROM、一或多个存储器装置、快闪存储器装置等、及其组合。

存储器1014可存储可由一或多个处理器1012存取的信息。例如，存储器1014(例如一或多个非暂时性计算机可读存储媒体、存储器装置)可存储可获得、接收、存取、写入、操纵、创建、及/或存储的数据1016。数据1016可包含例如由一或多个传感器捕获的图像或其它传感器数据、机器学习模型等，如本文中描述。在一些实施方案中，计算装置1002可从远离计算系统1002的一或多个存储器装置获得数据。

存储器1014还可存储可由一或多个处理器1012执行的计算机可读指令1018。指令1018可为依任何合适的编程语言编写的软件或可经实施于硬件中。另外或替代地，指令1018可为处理器1012上依逻辑方式及/或虚拟地执行的单独线程。

举例来说，存储器1014可存储当由一或多个处理器1012执行时致使一或多个处理器1012执行本文中描述的包含例如产生机器学习模型、产生摩擦力指示等的操作及/或功能中的任何者的指令1018。

根据本发明的一方面，计算系统1002可存储或包含一或多个机器学习模型1010。作为实例，机器学习模型1010可为或可以其它方式包含各种机器学习模型，例如(举例来说)神经网络(例如深神经网络或其它类型的模型，包含线性模型及/或非线性模型。实例神经网络包含前馈神经网络、循环神经网络(例如，长短期存储器循环神经网络)、卷积神经网络、或其它形式的神经网络。

在一些实施方案中，计算系统1002可经由网络1080从机器学习计算系统1030接收一或多个机器学习模型1010，且可将一或多个机器学习模型1010存储于存储器1014中。接着，计算系统1002可使用或以其它方式实施一或多个机器学习模型1010(例如，通过处理器1012)。特定来说，计算系统1002可实施机器学习模型1010以基于传感器数据确定摩擦力数据。

机器学习计算系统1030包含一或多个处理器1032及存储器1034。一或多个处理器1032可为任何合适的处理装置(例如处理器核心、微处理器、ASIC、FPGA、控制器、微控制器等)，且可为一个处理器或可操作地连接的多个处理器。存储器1034可包含一或多个非暂时性计算机可读存储媒体，例如RAM、ROM、EEPROM、EPROM、一或多个存储器装置、快闪存储器装置等、及其组合。在一些实施例中，机器学习计算系统1030可用于实施运载工具计算系统102。

存储器1034可存储可由一或多个处理器1032存取的信息。例如，存储器1034(例如一或多个非暂时性计算机可读存储媒体、存储器装置)可存储可获得、接收、存取、写入、操纵、创建、及/或存储的数据1036。数据1036可包含例如机器学习模型及流程图，如本文中描述。在一些实施方案中，机器学习计算装置1030可从远离机器学习计算系统1030的一或多个存储器装置获得数据。

存储器1034还可存储可由一或多个处理器1032执行的计算机可读指令1038。指令1038可为依任何合适的编程语言编写的软件或可经实施于硬件中。另外或替代地，指令1038可为处理器1032上依逻辑方式及/或虚拟地执行的单独线程。

举例来说，存储器1034可存储当由一或多个处理器1032执行时致使一或多个处理器1032执行本文中描述的包含例如确定摩擦力数据及基于指示与自主运载工具相关联的行驶表面的摩擦力的数据控制自主运载工具的操作及/或功能中的任何者的指令1038。

在一些实施方案中，机器学习计算系统1030包含一或多个服务器计算装置。如果机器学习计算系统1030包含多个服务器计算装置，那么此类服务器计算装置可根据各种计算架构操作，架构包含例如顺序计算架构、并行计算架构、或其一些组合。

除了计算系统1002处的机器学习模型1010之外或替代计算系统1002处的机器学习模型1010，机器学习计算系统1030可包含一或多个机器学习模型1040。作为实例，机器学习模型1040可为或可以其它方式包含各种机器学习模型，例如(举例来说)神经网络(例如深神经网络)或其它类型的模型，包含线性模型及/或非线性模型。实例神经网络包含前馈神经网络、循环神经网络(例如，长短期存储器循环神经网络)、卷积神经网络、或其它形式的神经网络。

作为实例，机器学习计算系统1030可根据客户端-服务器关系与计算系统1002通信。举例来说，机器学习计算系统1030可实施机器学习模型1040以向计算系统1002提供网络服务。举例来说，网络服务可响应于传感器数据及/或从自主运载工具接收的其它数据提供摩擦力估计的指示。

因此，机器学习模型1010可在计算系统1002处定位及使用，及/或机器学习模型1040可在机器学习计算系统1030处定位及使用。

在一些实施方案中，机器学习计算系统1030及/或计算系统1002可通过使用模型训练器1060训练机器学习模型1010及/或1040。模型训练器1060可使用一或多个训练或学习算法训练机器学习模型1010及/或1040。一个实例训练技术是向后传播误差。在一些实施方案中，模型训练器1060可使用一组经标记训练数据执行监督式训练技术。在其它实施方案中，模型训练器1060可使用一组未经标记训练数据执行非监督式训练技术。模型训练器1060可执行数个泛化技术来改进所训练的模型的泛化能力。泛化技术包含权重衰减、中途退出、或其它技术。

特定来说，模型训练器1060可基于一组训练数据1062训练机器学习模型1010及/或1040。训练数据1062可包含例如地面实况数据，包含传感器数据部分的注释及/或运载工具状态数据。模型训练器1060可经实施于控制一或多个处理器的硬件、固件及/或软件中。

在一些实例中，模型训练器160可训练经配置以产生指示与行驶表面相关联的摩擦力的数据的机器学习模型1010及/或1040。在一些实例中，使用已被标记或以其它方式注释为具有到具有与其相关联的特定摩擦力的表面的对应性的传感器数据训练机器学习模型1010及/或1040。通过实例，收集到的与具有经测量摩擦力的表面相关联的传感器数据可经标记以指示其对应于特定级摩擦力或摩擦力测量。在一些例子中，标记可为传感器数据对应于积极训练数据集的简单注释。

计算系统1002还可包含用于与包含远离计算系统1002定位的系统或装置的一或多个系统或装置通信的网络接口1024。网络接口1024可包含用于与一或多个网络(例如1080)通信的任何电路、组件、软件等。在一些实施方案中，网络接口1024可包含例如用于传递数据的通信控制器、接收器、收发器、发射器、端口、导体、软件、及/或硬件中的一或多者。类似地，机器学习计算系统1030可包含网络接口1064。

网络1080可为允许在装置之间进行通信的任何类型的网络或网络的组合。在一些实施例中，网络可包含局域网络、广域网络、因特网、安全网络、蜂窝网络、网状网络、对等通信链路、及/或其某一组合中的一或多者，且可包含任何数目个有线或无线链路。经由网络1080的通信可例如经由使用任何类型的协议、保护方案、编码、格式、封装等的网络接口实现。

图15说明可用于实施本发明的一个实例计算系统1000。同样也可使用其它计算系统。举例来说，在一些实施方案中，计算系统1002可包含模型训练器1060及训练数据1062。在此类实施方案中，机器学习模型1010既可在计算系统1002处训练也可在计算系统1002本地使用。作为另一实例，在一些实施方案中，计算系统1002经连接到其它计算系统。

另外，说明及/或论述为包含于计算系统1002或1030中的一者中的组件可代替地包含于计算系统1002或1030的另一者中。可在不背离本发明的范围的情况下实施此类配置。基于计算机的系统的使用在组件之间及组件之中允许大量可能配置、组合及任务及功能性划分。计算机实施操作可在单个组件上或跨多个组件执行。计算机实施任务及/或操作可循序或并行执行。数据及指令可经存储于单个存储器装置中或跨多个存储器装置进行存储。

本文中论述的技术参考了服务器、数据库、软件应用程序、及其它基于计算机的系统，还参考了所采取的动作及发送到此类系统及来自此类系统的信息。基于计算机的系统的固有灵活性在组件之间及组件之中允许大量可能配置、组合及任务及功能性划分。例如，本文中论述的过程可使用单个装置或组件或组合地工作的多个装置或组件实施。数据库及应用程序可经实施于单个系统上或跨多个系统分布。分布式组件可循序地或并行地进行操作。

虽然关于本发明主题的各种特定实例实施例描述了本发明主题，但每一实例是通过解释提供，且不限制本发明。所属领域的技术人员在理解了前述内容后，可容易地产生对此类实施例的替代、变化及等效物。因此，所属领域的一般技术人员应容易地明白，本发明不排除包含对本发明主题的此类修改、变化及/或添加。例如，作为一个实施例的部分说明或描述的特征可与另一实施例一起用于产生又另一实施例。因此，希望本发明涵盖此类替代、变化及等效物。