结合短程雷达和后挡板相机来实现拖车角度估计的制作方法

结合短程雷达和后挡板相机来实现拖车角度估计
1.相关申请的交叉引用
2.本技术要求提交于2020年7月29日的第63/058，199号美国临时专利申请的优先权，该申请通过引用结合于此。
技术领域
3.本公开涉及用于结合(fuse)短程雷达数据和后挡板相机数据来实现拖车角度估计的方法和系统。


背景技术：

4.拖车通常是由动力牵引车辆拖拽的无动力车辆。拖车可以是多功能挂车、弹出式野营车、旅行拖车、牲畜拖车、平板拖车、封闭式汽车运输车和船舶拖车等。牵引车辆可以是汽车、跨界车、卡车、货车、运动型多功能车(suv)、休闲车(rv)或配置为附接至拖车并拖拽拖车的任何其他车辆。拖车可以使用拖车挂接装置附接到动力车辆上。接收端挂接装置安装在牵引车辆上，并连接到拖车挂接装置以形成连接。拖车挂接装置可以是球窝、拖车接轮(fifth wheel)和鹅颈、或拖车顶。也可以使用其他附接机构。
5.牵引车辆驾驶员面临的一些挑战是在附接有拖车时向后驾驶，因为可能需要不止一个人来操纵车辆-拖车单元朝向特定位置。由于车辆-拖车单元绕挂接装置水平旋转从而允许车辆-拖车单元绕转角移动，因此当车辆倒车时，它会推着拖车。驾驶员经常搞错要如何转动车辆方向盘才能使拖车的方向符合期望地改变，尤其是倒车进入停车位时。在车辆中施加不正确的转向角度还可能导致拖车失控弯折并失去方向。因此，常见的是一个人驾驶车辆(例如驾驶员)，还需要其他一个或多个人来观察牵引车辆和拖车并向驾驶员提供关于牵引车辆需要采取的路径方向。在某些情况下，向驾驶员提供方向的人可能难以提供有效的指示来引导牵引车辆的路径。此外，驾驶员可能没有经过适当的培训和/或没有足够的经验来对牵引车辆和拖车倒车。在某些示例中，由于拖车可能具有不熟悉的尺寸或不容易操纵，因此即使是训练有素的驾驶员也可能难以在牵引车辆附接有拖车的时候进行倒车。在停放牵引车辆和拖车时可能会出现其他困难，因为驾驶员可能有盲区，使驾驶员没有足够的视角来正确停放牵引车辆和拖车，或者停车位可能太窄而无法操纵车辆和拖车。
6.一些车辆配备有拖车倒车辅助系统，该系统使用位于车辆内部的旋钮在倒车时引导拖车。这取代了仅基于方向盘输入的传统拖车倒车方式。拖车倒车辅助功能旨在为那些不熟悉拖车倒车的人提供舒适性。拖车倒车辅助系统使用位于车辆后挡板中的相机来工作，该相机感测拖车角度和轴距。在拖车倒车辅助系统的另一实施方式中，将估计出的角度和轴距提供给控制方向盘角度的驾驶功能，并且加速和制动由牵引车辆驾驶员控制。
7.目前的一些系统仅支持传统的保险杠安装拖车，而缺乏支持拖车接轮和鹅颈式拖车的能力。此外，当前的系统也有局限性。即，拖车和车辆之间的角度越大，通过后挡板相机拍摄的角度就越不准确。拖车倒车辅助系统的一些当前实施方式可能具有45度的拖车角度极限。此外，后挡板相机可能无法支持几类拖车，包括拖车接轮和鹅颈式拖车。因此，期望提
供能克服附接到拖车的牵引车辆的驾驶员所面临的挑战的系统。


技术实现要素：

8.本公开的示例实施例克服了当前与拖车相关的辅助系统的缺点，从而满足了对例如供拖车倒车辅助系统使用的牵引车辆和拖车之间形成的拖车角度的更稳健估计的需要。一个示例实施例涉及一种用于确定与拖车相关联的至少一个参数的方法，如拖车和附接车辆之间的拖车角度。该方法包括从由车辆后部支撑的相机接收相机数据，以及从由车辆支撑的至少一个短程雷达接收雷达数据。基于相机数据和雷达数据估计拖车角度。将估计出的拖车角度发送到与车辆相关联的一个或多个车辆系统。
9.接收雷达数据可以包括从由车辆右后部支撑的右短程雷达接收右雷达数据以及从由车辆左后部支撑的左短程雷达接收左雷达数据。在这种情况下，估计拖车角度是基于右雷达数据和左雷达数据。
10.雷达数据可以包括由所述至少一个短程雷达生成的拖车角度的估计，并且相机数据可以包括由相机生成的拖车角度的估计。
11.估计拖车角度可以由相机中的、所述至少一个短程雷达中的或与相机和所述至少一个短程雷达分离的车辆中的数据处理硬件来执行。
12.估计拖车角度可以使用雷达数据和相机数据的统计加权平均。在这种情况下，统计加权平均的权重是基于以下中的一个或多个：车辆和拖车的环境的光照条件、最近估计的拖车角度或与雷达数据相关联的反射次数。估计拖车角度可以使用卡尔曼滤波器。估计拖车角度可以包括结合相机数据和雷达数据。此外，该方法可以包括基于相机数据和雷达数据来估计拖车的轴距，其中雷达数据包括由所述至少一个短程雷达生成的轴距的估计，并且相机数据包括由相机生成的轴距的估计。
13.一个示例实施例涉及一种用于确定车辆和附接至车辆的拖车之间的拖车角度的系统。该系统包括数据处理硬件和与数据处理硬件通信的存储器硬件。存储器硬件存储指令，所述指令当在数据处理硬件上执行时使得数据处理硬件实行形成如本文所述的方法的操作。数据处理硬件可以在相机中、在所述至少一个短程雷达中或者在与相机和所述至少一个短程雷达分离的车辆中。
附图说明
14.图1是根据示例实施例的示例车辆-拖车系统的示意图。
15.图2是图1的示例性车辆-拖车系统的示意图，其中拖车相对于牵引车辆成斜角。
16.图3是图1的牵引车辆的示意图。
17.图4是图1的示例车辆-拖车系统的示意图，示出了来自不同传感器的拖车角度估计。
18.图5是根据示例实施例的图1的车辆-拖车系统的一个方面的示意图。
19.图6是根据另一示例实施例的图1的车辆-拖车系统的一个方面的示意图。
20.各图中相似的附图标记指示相似的元件。
具体实施方式
21.牵引车辆，诸如但不限于汽车、跨界车、卡车、半卡车、货车、运动型多功能车(suv)和休闲车(rv)，可以被配置为牵引拖车。牵引车辆通过拖车挂接装置连接至拖车。一般而言，本公开的示例实施例涉及一种牵引车辆-拖车系统，该系统部分地通过结合来自安装在后部的相机和安装在后部的短程雷达的数据来估计牵引车辆和所连接的拖车之间的拖车角度。根据示例实施例，所得到的拖车角度估计允许与包括拖车接轮和鹅颈式拖车的拖车一起使用。例如，拖车角度估计可以由拖车倒车辅助系统用来防止在牵引车辆倒车时发生失控弯折事件。
22.参考图1至图3，在一些实施方式中，车辆-拖车系统100包括牵引车辆102，其通过挂接装置106附接到拖车104。牵引车辆102包括与牵引车辆102相关联的驾驶系统110，驾驶系统110例如基于具有x、y和z分量的驾驶命令来操纵牵引车辆102并由此操纵车辆-拖车系统100在路面上行驶。如图所示，驾驶系统110包括右前轮112、112a、左前轮112、112b、右后轮112、112c和左后轮112、112d。此外，驾驶系统110可以包括与拖车104相关联的车轮(未示出)。驾驶系统110也可以包括其他车轮结构。驾驶系统110包括与车轮112通信和连接的其他部件(未示出)，这些部件允许牵引车辆102移动，从而也移动拖车104。驾驶系统110还可以包括制动系统114，制动系统114包括与每个车轮112、112a至d相关联的制动器(未示出)，其中每个制动器与车轮112a至n相关联，并且被配置为减慢或停止车轮112a至n的旋转。牵引车辆102还可以包括加速系统116，其被配置为调节车辆-拖车系统100的速度和方向。车辆-拖车系统100也可以包括其他系统。
23.牵引车辆102可以通过相对于由牵引车辆102限定的三个彼此垂直的轴的移动的各种组合在路面上移动：横轴xv、纵轴yv和中央竖直轴zv。横轴xv在牵引车辆102的右侧r和左侧之间延伸。沿纵轴yv的向前驾驶方向称为fv，也称为向前运动。此外，沿纵轴方向yv的后向或向后驾驶方向称为rv，也称为向后运动。在一些示例中，牵引车辆102包括悬架系统(未示出)，当被调节时，该悬架系统使得牵引车辆102围绕xv轴和/或yv轴倾斜或者沿着中央竖直轴zv移动。当牵引车辆102移动时，拖车104沿着牵引车辆102的路径行进。因此，当牵引车辆102在其沿前进方向fv行进时转弯时，拖车104也跟随转弯。
24.此外，拖车104通过相对于由拖车104限定的三个彼此垂直的轴的移动的各种组合来跟随牵引车辆102在路面上移动：拖车横轴x
t
、拖车纵轴y
t
和拖车中央竖直轴z
t
。拖车横轴x
t
在拖车104的右侧r和左侧之间延伸。沿着拖车纵轴y
t
的向前驾驶方向称为f
t
，也称为向前运动。沿纵轴方向y
t
的拖车后向或向后驾驶方向称为r
t
，也称为向后运动。因此，车辆-拖车系统100的移动包括牵引车辆102沿其横轴xv、纵轴yv和中央竖直轴zv的移动、以及拖车104沿其拖车横轴x
t
、拖车纵轴y
t
和拖车中央竖直轴z
t
的移动。
25.牵引车辆102可以包括传感器系统120，从而以完全或部分自主的方式提供可靠且稳健的驾驶。传感器系统120可以包括不同类型的传感器122、124，这些传感器可以单独使用或彼此一起使用，以产生牵引车辆102的环境感知，环境感知用于车辆102驾驶并基于传感器系统120检测到的对象和障碍帮助驾驶员做出智能决策。在一些示例中，传感器122、124仅由牵引车辆102支撑，而在其他示例中，拖车104可以支撑一个或多个传感器122、124。传感器122、124可以位于牵引车辆102的后部以捕获牵引车辆102的后方环境、位于牵引车辆102的侧部以捕获牵引车辆102的左/右环境、和/或位于牵引车辆102的前部以捕获牵引
车辆102的前方环境。位于牵引车辆102周围或车辆-拖车系统100周围的传感器122、124的组合提供了牵引车辆102和/或拖车104的环境的环绕视图。
26.传感器系统120包括提供相机数据123、123a的一个或多个相机122。一个或多个相机122可以包括一个或多个单色和/或单眼相机。如图1和图2所示，相机122沿牵引车辆102的后部设置，诸如沿后保险杠或后挡板设置。应当理解，沿牵引车辆102的后部可以使用不止一个相机122。在一些示例中，(一个或多个)相机122可以包括鱼眼镜头，其包括产生旨在创建宽全景或半球形图像123a的强视觉失真的超广角镜头。鱼眼相机捕获具有极宽视角的图像123a。其他类型的相机也可以用于捕获车辆和拖车环境的图像123a。相机数据123可以包括附加数据123b，诸如内在参数(例如，焦距、图像传感器格式和主点)和外在参数(例如，从3d世界坐标到3d相机坐标的坐标系变换，换言之，外在参数定义相机中心的位置和相机在世界坐标中的朝向)。此外，相机数据123可以包括每个相机122相对于地面的最小/最大/平均高度(例如，当车辆装载和未装载时)、以及相机122和牵引车辆挂接球之间的纵向距离。
27.传感器系统120包括提供雷达数据125的短程雷达(srr)124。当车辆102运动时，srr 124在车辆102周围工作并检测与诸如但不限于汽车、行人等的对象和障碍的潜在碰撞。在一个实施例中，图1和图2示出了沿着牵引车辆102的左后部设置的短程雷达124l和沿着牵引车辆102的右后部设置的短程雷达124r。应当理解，可以沿着牵引车辆102的后部设置多于或少于两个短程雷达。
28.在一些示例中，传感器系统120还包括与牵引车辆102的一个或多个车轮112、112a至d相关联的一个或多个车轮编码器(未示出)。传感器系统120还可以包括与牵引车辆102相关联的一个或多个加速度和车轮角度传感器(未示出)。加速度和车轮角度传感器确定包括牵引车辆102在横轴xv和纵轴yv方向上的加速度的数据。传感器系统120还可以包括imu(惯性测量单元)(未示出)，其被配置为测量包括车辆的线性加速度(使用一个或多个加速度计)和旋转速率(使用一个或多个陀螺仪)的imu数据。在一些示例中，imu数据还包括牵引车辆102的行驶方向参考。因此，imu数据包括牵引车辆102的俯仰、横滚和偏航。
29.传感器系统120可以包括其他传感器，诸如但不限于雷达、声纳、光雷达(光检测和测距，其可能需要测量散射光的特性以得到远处目标的距离和/或其他信息的光学遥感)、激光雷达(激光检测和测距)、超声传感器、立体相机、红外传感器等。在一些示例中，牵引车辆102包括全球定位系统(gps)接收器(未示出)，其确定牵引车辆102的纬度和经度位置。图1和图2图示了沿着牵引车辆102的前部和侧部出现的传感器120，并且这样的传感器可以是相机122、短程雷达124和/或上述其他传感器。
30.传感器数据121可以用于在车辆-拖车系统100沿向前方向fv或沿向后方向rv行进时经由用户接口130通过听觉警报和/或视觉警报的方式向驾驶员警告可能的障碍。因此，传感器系统120对于提高由驾驶员操作或在半自主或自主条件下操作的车辆-拖车系统100中的安全性特别有用。
31.牵引车辆102可以包括向驾驶员提供信息并允许驾驶员输入命令的用户接口130。用户接口130经由一个或多个输入机构、触摸屏显示器132、麦克风从驾驶员接收一个或多个用户命令，和/或向驾驶员显示或输出一个或多个通知。在一些示例中，用户接口130包括触摸屏显示器132。在其他示例中，用户接口130不是触摸屏，并且驾驶员可以使用用于从牵
引车辆102的驾驶员或其他用户提供数据的输入装置，诸如但不限于旋钮或鼠标。
32.驾驶系统110、传感器系统120和用户接口130与车辆控制器140通信。车辆控制器140包括计算装置(或数据处理硬件)142(例如，具有一个或多个计算处理器的中央处理单元)，其与能够存储可在(一个或多个)计算处理器上执行的指令的非暂时性存储器或硬件存储器144(例如，硬盘、闪存、随机存取存储器)通信。如图所示，车辆控制器140由牵引车辆102支撑；然而，车辆控制器140可以与牵引车辆102分离并且经由网络(未示出)与牵引车辆102通信。
33.在示例实施例中，控制器140包括数据结合系统或模块150，其分析包括相机数据123和短程雷达数据125的传感器系统数据121。数据结合系统150将来自相机122的相机(图像)数据123与短程雷达数据125结合，并根据结合的数据来估计拖车角度θ，其中拖车角度是牵引车辆102的纵轴yv与拖车104的纵轴y
t
之间形成的角度。数据结合系统150可以形成拖车角度估计器系统或模块152的一部分。在一个实施方式中，拖车角度估计器系统152形成牵引车辆102的拖车倒车辅助系统或模块160的一部分，用于提供估计出的拖车角度θ；并且在图3中示出的另一实施方式中，拖车角度估计器系统152与拖车倒车辅助系统160和利用拖车角度估计的其他车辆系统分离并将估计出的拖车角度提供给拖车倒车辅助系统160和这些其他车辆系统。例如，在数据结合系统150中包括短程雷达数据125使得能够在拖车倒车辅助系统160的拖车倒车辅助功能以及由牵引车辆102执行的其他拖车功能的执行中使用附加类别的拖车104。通过使用数据结合系统150而使得能够实现的拖车类型包括鹅颈式拖车和拖车接轮拖车。具有数据结合系统150的牵引车辆102为拖车倒车辅助系统160使用的传统传感器系统120增加了稳健性，尤其是在较高的拖车角度θ时。
34.由于拖车接轮拖车或鹅颈式拖车的枢转点，牵引车辆102具有独特的能力以具有相对较高的拖车角度θ，而不会引起失控弯折事件。不幸的是，这意味着拖车104将完全在后挡板相机122的视野之外。通过将短程雷达124(124l和124r)添加到车辆102的后角并使用短程雷达来检测拖车104和车辆102之间的较高拖车角度θ，数据结合系统150使得鹅颈式和拖车接轮拖车能够与拖车倒车辅助系统160一起使用。
35.在一个示例实施例中，相机122和短程雷达124l、124r中的每一个使用由相应传感器收集的可用原始数据独立地估计拖车角度θ。短程雷达124基于来自拖车104的雷达反射来估计拖车角度θ。从短程雷达124l(即左短程雷达)和124r(右短程雷达)计算出的拖车角度θ分别称为θ
ssr_l
和θ
ssr_r
。安装在后部的相机122使用如图5和图6所示的称为θ
相机
的捕获图像123来估计拖车角度θ。将每个单独的估计(θ
ssr_l
、θ
ssr_r
和θ
相机
)发送到公共处理块，在此情况下是数据结合系统150，以执行数据结合，并且特别是估计从结合数据导出的拖车角度θ
结合
。可以将估计出的拖车角度θ
结合
提供给拖车倒车辅助系统160并由其用来例如防止失控弯折事件。
36.数据结合系统150结合由相机122和短程雷达124l、124r提供的传感器数据，并基于接收的传感器数据生成拖车角度估计θ
结合
。在所示示例实施例中，数据结合系统150从相机122和短程雷达124l和124r中的每一个接收拖车角度估计，并执行拖车角度估计的统计加权平均。统计加权平均基于对接收到的估计的信任程度来为每个接收到的拖车角度估计θ分配权重。在为每个接收到的传感器数据(拖车角度估计)设置信任程度和/或权重时考虑许多因素。这些因素可以包括：牵引车辆102和拖车104的环境的光照量和/或光照条件，其
会影响由相机122提供的传感器数据；牵引车辆102和拖车104的环境中的天气条件，包括雾，其会影响由相机122提供的传感器数据；雷达反射次数，其会影响由短程雷达124l和124r提供的传感器数据；以及拖车104相对于牵引车辆102的最后确定的位置，其会影响相机122和短程雷达124l和124r。这些因素可以通过传感器或其他装置提供给数据结合系统150。应当理解，在确定要应用于由相机122和短程雷达124l和124r提供的传感器数据的加权时可以使用许多其他因素。基于所提供的因素，数据结合系统150确定要应用于来自每个相机和短程雷达的传感器数据的权重，并基于所接收的传感器数据和这些因素来估计拖车角度θ
结合
。然后将拖车角度估计发送到例如拖车倒车辅助系统160，以用于防止发生失控弯折事件。
37.也可以发送轴距估计和质量信息等信息，以提高拖车角度的结合估计θ
结合
的准确度。数据结合系统包括一个模型，该模型理解在各种拖车角度θ下使用每个传感器122、124l和124r的益处，以便优化拖车角度估计。例如，在较高角度下使用来自雷达的拖车角度估计是有利的，因为在高角度情况下对短程雷达124有更多的信任，所以数据结合系统150在较高的拖车角度下给予拖车角度估计θ
ssr
更大的权重。替代地，来自相机122的拖车角度估计θ
相机
在接近零的角度下更可靠，并且被赋予比来自短程雷达124l和124r的拖车角度估计更大的权重。
38.在一个实施方式中，数据结合系统150使用卡尔曼滤波器来执行统计加权平均，以估计拖车角度θ
结合
。应当理解，统计加权平均运算可以具有多种不同实施方式中的任何。
39.在上文结合图5描述的(一个或多个)示例实施例中，短程雷达124l和124r以及相机122中的每一个基于其自身的感测数据来估计拖车角度θ；并且位于与传感器122、124分离的控制器140中或由与传感器122、124分离的控制器140执行的数据结合系统150从每个传感器122、124接收拖车角度估计，并结合拖车角度信息以用于估计拖车角度θ
结合
。在另一示例实施例中，相机122和短程雷达124l和124r不估计拖车角度θ，而是向控制器140的数据结合系统150提供原始传感器数据。在该示例实施例中，数据结合系统150估计拖车角度θ
srr_l
、θ
srr_r
和θ
相机
，并然后从它们估计拖车角度θ
结合
。
40.在又一示例实施例中，数据结合系统150形成具有用于估计拖车角度θ
结合
的计算和/或处理能力的传感器系统120的一部分，特别是相机122或短程雷达124l和124r中的一个的一部分。在该示例实施例中，具有执行拖车角度估计的数据处理硬件的相机122或短程雷达124l、124r从不估计拖车角度θ
结合
的相机122和短程雷达122、124接收传感器数据以及从执行拖车角度估计的传感器接收传感器数据。
41.数据结合系统150结合短程雷达124l和124r与相机122之间的数据显著地改善了两个车辆的拖车辅助系统的稳健性，尤其是在高角度的情况下，并且扩展了拖车辅助功能以与鹅颈式拖车和拖车接轮拖车一起使用。此外，包括数据结合系统150的拖车角度估计器系统152利用在许多车辆上常见的用于执行传统雷达功能(诸如盲区检测、后侧交叉车流警报和拖车合并辅助)的传感器，因此在牵引车辆102中包括拖车角度估计器系统152没有额外的硬件成本。
42.在上述示例实施例中，数据结合系统150结合来自后向相机122和短程雷达124l和124r的拖车角度估计，以从其得到结合的拖车角度θ
结合
。在另一示例实施例中，数据结合系统150
′
在结合拖车角度θ的同时还结合拖车的轴距wb。如图6所示，相机122和短程雷达124l
和124r中的每一个附加地估计拖车104的轴距wb，即拖车的轴之间的距离。数据结合系统150'接收来自相机122的轴距估计wb
相机
、来自短程雷达124l的轴距估计wb
srr_l
和来自短程雷达124r的轴距估计wb
srr_r
，并结合这些轴距估计以确定拖车104的(结合)轴距wb
结合
。根据该示例实施例，具有卡尔曼滤波器的实施方式针对轴距和拖车角度确定使用相同的滤波算法，并输出结合拖车角度θ
结合
和结合轴距wb
结合
。拖车104的结合轴距wb
结合
可以用在一个或多个拖车辅助系统中，诸如拖车倒车辅助系统160。
43.这里描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专门设计的asic(专用集成电路)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括在可编程系统上可执行和/或可解释的一个或多个计算机程序中的实施方式，该可编程系统包括至少一个可编程处理器，该可编程处理器可以是专用或通用的，联接以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，以及向存储系统、至少一个输入装置和至少一个输出装置发送数据和指令。
44.这些计算机程序(也称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令，并且可以用高级过程和/或面向对象的编程语言和/或汇编/机器语言来实施。如本文所用，术语“机器可读介质”和“计算机可读介质”是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、设备和/或装置(例如，磁盘、光盘、存储器、可编程逻辑器件(pld))，包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”是指用于向可编程处理器提供机器指令和/或数据的任何信号。
45.本说明书中描述的主题和功能操作的实施方式可以在数字电子电路系统中实施，或者在包括本说明书中公开的结构及其结构等同物的计算机软件、固件或硬件中实施，或者在它们中的一个或多个的组合中实施。此外，本说明书中描述的主题可以实施为一个或多个计算机程序产品，即编码在计算机可读介质上的计算机程序指令的一个或多个模块，用于由数据处理装置执行或控制数据处理装置的操作。计算机可读介质可以是机器可读存储装置、机器可读存储基板、存储器装置、实现机器可读传播信号的物质的组合物、或者它们中的一个或多个的组合。术语“数据处理装置”、“计算装置”和“计算处理器”涵盖用于处理数据的所有设备、装置和机器，包括例如可编程处理器、计算机或多个处理器或计算机。除了硬件之外，该装置还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或它们中的一个或多个的组合的代码。传播信号是人工生成的信号，例如机器生成的电、光或电磁信号，其被生成来编码信息以传输到合适的接收器装置。
46.类似地，虽然在附图中以特定顺序描绘了操作，但是这不应该被理解为要求以所示的特定顺序或相继顺序执行此类操作，或者执行所有示出的操作，以获得期望的结果。在某些情形下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统组件的分离不应被理解为要求所有实施例中的这种分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中或者封装到多个软件产品中。
47.已经描述了许多实施方式。然而，应当理解，在不脱离本公开的精神和范围的情况下，可以进行各种修改。因此，其它实施方式在所附权利要求书的范围内。

技术特征：
1.一种用于确定联接到车辆的拖车的至少一个参数的方法，该方法包括：从由车辆后部支撑的相机接收相机数据；从由车辆支撑的至少一个短程雷达接收雷达数据；基于相机数据和雷达数据来估计拖车和与其联接的车辆之间的拖车角度；以及将估计出的拖车角度发送到与车辆相关联的一个或多个车辆系统。2.根据权利要求1所述的方法，其中，接收雷达数据包括从由车辆右后部支撑的右短程雷达接收右雷达数据以及从由车辆左后部支撑的左短程雷达接收左雷达数据，并且基于右雷达数据和左雷达数据估计拖车角度。3.根据权利要求1所述的方法，其中，雷达数据包括由所述至少一个短程雷达生成的拖车角度的估计，并且相机数据包括由相机生成的拖车角度的估计。4.根据权利要求1所述的方法，其中，估计拖车角度由相机中的、所述至少一个短程雷达中的或与相机和所述至少一个短程雷达分离的车辆中的数据处理硬件来执行。5.根据权利要求1所述的方法，其中，估计拖车角度使用雷达数据和相机数据的统计加权平均。6.根据权利要求5所述的方法，其中，用于统计加权平均的权重是基于以下中的一个或多个：车辆和拖车的环境的光照条件、最近估计的拖车角度或与雷达数据相关联的反射次数。7.根据权利要求5所述的方法，其中，估计拖车角度使用卡尔曼滤波器。8.根据权利要求1所述的方法，其中，估计拖车角度包括结合相机数据和雷达数据。9.根据权利要求1所述的方法，还包括基于相机数据和雷达数据来估计拖车的轴距，其中，雷达数据包括由所述至少一个短程雷达生成的轴距的估计，并且相机数据包括由相机生成的轴距的估计。10.一种用于确定联接到车辆的拖车的至少一个参数的系统，该系统包括：数据处理硬件；以及与数据处理硬件通信的存储器硬件，存储器硬件存储指令，所述指令当在数据处理硬件上执行时使得数据处理硬件实行包括以下的操作：从由车辆后部支撑的相机接收相机数据；从由车辆后部支撑的至少一个短程雷达接收雷达数据；基于相机数据和右雷达数据来估计拖车和与其联接的车辆之间的拖车角度；以及将估计出的拖车角度发送到与车辆相关联的一个或多个车辆系统。11.根据权利要求10所述的系统，其中，接收雷达数据包括从由车辆右后部支撑的右短程雷达接收右雷达数据以及从由车辆左后部支撑的左短程雷达接收左雷达数据，并且基于右雷达数据和左雷达数据估计拖车角度。12.根据权利要求10所述的系统，其中，数据处理硬件在相机中、在所述至少一个短程雷达中或在与相机和所述至少一个短程雷达分离的车辆中。13.根据权利要求10所述的系统，其中，估计拖车角度使用左雷达数据、右雷达数据和相机数据的统计加权平均。14.根据权利要求13所述的系统，其中，用于统计加权平均的权重是基于以下中的一个或多个：车辆和拖车的环境的光照条件、最近估计的拖车角度或与雷达数据相关联的反射
次数。15.根据权利要求10所述的系统，其中，估计拖车角度使用卡尔曼滤波器。16.根据权利要求10所述的系统，其中，估计拖车角度包括结合相机数据和雷达数据。17.根据权利要求10所述的系统，其中，雷达数据包括由所述至少一个短程雷达生成的拖车角度的估计，并且相机数据包括由相机生成的拖车角度的估计。18.根据权利要求10所述的系统，其中，所述操作还包括基于相机数据和雷达数据来估计拖车的轴距，其中，雷达数据包括由所述至少一个短程雷达生成的轴距的估计，并且相机数据包括由相机生成的轴距的估计。

技术总结
公开了用于确定车辆和附接到车辆的拖车之间的拖车角度的方法和系统。该方法包括从由车辆后部支撑的相机接收相机数据，从由车辆左后部支撑的左短程雷达接收左雷达数据，以及从由车辆右后部支撑的右短程雷达接收右雷达数据。基于相机数据、左雷达数据和右雷达数据估计拖车角度。将估计出的拖车角度发送到与车辆相关联的一个或多个车辆系统。相关联的一个或多个车辆系统。相关联的一个或多个车辆系统。


技术研发人员：K
受保护的技术使用者：大陆智行美国有限责任公司
技术研发日：2021.07.29
技术公布日：2023/7/12