地图构建活跃的和不活跃的施工地带以用于自主驾驶

摘要

本公开的方面涉及在活跃的施工地带和不活跃的施工地带之间进行区分。在一个示例中，这可包括识别与施工地带相关联的施工对象(810-890)。所识别的施工对象可用来对施工地带的区域(910)进行地图构建。详细地图信息(136)然后可用来对施工地带的活动进行分类。施工地带的区域和分类可被添加到详细地图信息。在将施工地带和分类添加到详细地图信息之后，施工对象(或者另外的施工对象)可被识别。施工对象的位置可用来从详细地图信息中识别施工地带和分类。施工地带的分类可用来操作具有自主模式的车辆(101)。

说明书

相关申请的交叉引用

本申请是于2013年4月10日提交的美国专利申请第13/859,990号的继 续申请，通过引用将该美国专利申请的公开内容合并于此。

背景技术

自主车辆使用各种计算系统来帮助将乘客从一个位置输送到另一位置。 一些自主车辆可能需要来自操作者，诸如飞行员、驾驶员或乘客的一些初始 输入或者连续输入。其它系统，例如自动驾驶系统，只有当系统已被启用时 才可被使用，其准许操作者将手动驾驶模式(其中操作者对车辆的运动实行 高度控制)切换到自主驾驶模式(其中车辆实质上是自身驾驶的)并且切换 到处于这两者之间的某处的模式。

当在自主模式中操作时，这些车辆可深深地依赖预存储的地图数据。为 此，施工地带可向自主车辆呈现重大挑战。尤其是，这些区域可能地会迅速 地改变，从而使得这些区域的以前的地图数据不准确或过时。因此，不仅检 测到施工地带很重要，而且决定车辆应当如何操纵通过这些地带也很重要。 典型地，在识别出施工地带或者偶遇施工地带后，自主车辆可自动地将对车 辆的控制转移给驾驶者从而确保驾驶者和任何其他乘客的安全。然而，如果 施工地带实际上不会向自主车辆呈现驾驶挑战，诸如在具有长期施工项目的 公路上，那么这样做对驾驶者来说可能是令人失望的。

发明内容

本公开的方面提供一种方法。所述方法包括识别与施工地带相关联的第 一施工对象；基于所识别的施工对象对施工地带的区域进行地图构建 (map)；由处理器基于详细地图信息对施工地带的活动类型进行分类；将施 工地带的区域和分类添加到详细地图信息；在将施工地带和分类添加到详细 地图信息之后，识别在给定位置处的第二施工对象；基于给定位置从详细地 图信息中识别施工地带的区域和分类；以及在施工地带的区域处基于存储在 详细地图信息中的分类来操作具有自主驾驶模式的车辆。

在一个示例中，对施工地带的活动类型进行分类包括根据详细地图信息 确定是否已存在对施工地带的区域的任何改变。在另一示例中，当施工地带 的特征对应于针对该区域的详细地图信息的特征时，施工地带的活动类型被 分类为不活跃的。在此示例中，当施工地带的活动类型被分类为不活跃的时， 基于分类来操作车辆包括在自主驾驶模式中操作车辆通过施工地带的区域。

在另一示例中，当施工地带的特征指示相比于详细地图信息已存在对道 路的改变时，施工地带的活动类型被分类为活跃的。在此示例中，当施工地 带的活动类型被分类为活跃的时，基于分类来操作车辆包括在手动驾驶模式 中操作车辆通过施工地带的区域。

在另一示例中，基于分类来操作车辆包括确定是在自主驾驶模式中驾驶 车辆还是在手动驾驶模式中驾驶车辆。在另一示例中，所述方法还包括在基 于分类操作车辆之后，对施工地带的活动类型重新分类并且基于重新分类在 详细地图信息中更新施工地带的分类。在此示例中，所述方法还包括向远程 计算机发送更新后的分类。在另一示例中，第二施工对象是第一施工对象。

本公开的另一方面提供一种方法。所述方法包括接收识别施工地带的信 息和施工地带的活动类型的分类；将施工地带的区域和分类添加到详细地图 信息；在将施工地带的区域和分类添加到详细地图信息之后，由处理器识别 在给定位置处的施工对象；以及基于存储在详细地图信息中的分类来操作具 有自主驾驶模式的车辆。

在一个示例中，所述方法还包括在基于分类操作车辆之后，对施工地带 的活动类型重新分类并且基于重新分类在详细地图信息中更新施工地带的分 类。在另一示例中，基于分类来操作车辆包括确定是在自主驾驶模式中驾驶 车辆还是在手动驾驶模式中驾驶车辆。在另一示例中，识别施工地带的信息 还与用于在施工地带的区域中控制车辆的驾驶行为的指令一起接收到，并且 其中，操作车辆还基于用于控制驾驶行为的指令。

本公开的又一方面提供一种系统。所述系统包括存储详细地图信息的存 储器以及处理器。处理器被配置成识别与施工地带相关联的第一施工对象； 基于所识别的施工对象对施工地带的区域进行地图构建；基于详细地图信息 对施工地带的活动类型进行分类；将施工地带的区域和分类添加到详细地图 信息；在将施工地带和分类添加到详细地图信息之后，识别在给定位置处的 第二施工对象；基于给定位置从详细地图信息中识别施工地带的区域和分类； 并且在施工地带的区域处基于存储在详细地图信息中的分类来操作具有自主 驾驶模式的车辆。

在一个示例中，对施工地带的活动类型进行分类包括根据详细地图信息 确定是否已存在对施工地带的区域的任何改变。在另一示例中，当施工地带 的特征对应于针对该区域的详细地图信息的特征时，施工地带的活动类型被 分类为不活跃的。在另一示例中，基于分类来操作车辆包括确定是在自主驾 驶模式中驾驶车辆还是在手动驾驶模式中驾驶车辆。在另一示例中，处理器 还被配置成，在基于分类操作车辆之后，对施工地带的活动类型重新分类并 且基于重新分类在详细地图信息中更新施工地带的分类。在另一示例中，处 理器还被配置成生成用于在施工地带的区域中控制车辆的驾驶行为的指令， 并且将用于控制车辆的驾驶行为的指令与施工地带的区域和分类一起添加到 详细地图信息。在此示例中，在施工地带的区域处的操作还基于用于控制车 辆的驾驶行为的指令。

附图说明

图1是依照本公开的方面的系统的功能图。

图2是依照本公开的方面的自主车辆的内部。

图3是依照本公开的方面的自主车辆的外部。

图4是依照本公开的方面的道路的示例。

图5是依照本公开的方面的详细地图信息的示例。

图6是依照本公开的方面的详细地图信息的另一示例。

图7A是依照本公开的方面的系统的直观图。

图7B是依照本公开的方面的系统的功能图。

图8是依照本公开的方面的图4的道路的另一示例。

图9是依照本公开的方面的图4的道路的另一示例。

图10是依照本公开的方面的图4的道路的另一示例。

图11是依照本公开的方面的示例流程图。

具体实施方式

本公开一般地涉及对施工地带进行地图构建以及分类以便提高自主车辆 的安全性和效率。作为示例，能够访问详细地图的第一车辆可在自主驾驶模 式或手动驾驶模式中沿着道路驾驶。第一车辆可使用其传感器例如通过识别 诸如通常与施工地带相关联的道路工作标志、锥形物、筒形物、栅栏、施工 车辆、闪烁灯或者其它物品的施工对象来检测施工地带。在车辆正在于自主 模式中驾驶的情况下，在识别出施工对象后，车辆可切换到手动模式或者非 常谨慎的驾驶模式。当第一车辆在驾驶通过施工地带之时(或者在其驾驶通 过施工地带之后)，第一车辆可对施工地带的区域进行地图构建并且将此施工 地带信息并入详细地图中。

通过将详细地图信息与在施工地带中检测到的道路的特征(诸如分道线 的定位、车道是否被关闭、新的k轨道的存在和位置等等)进行比较，第一 车辆可确定施工地带是活跃的还是不活跃的。在这点上，如果识别出相对于 前述特征的改变，则施工地带可被分类为活跃的。如果没有识别到改变(或 者识别到非常微小的改变)，则施工地带可被分类为不活跃的。此信息可与施 工地带信息相关联并且并入详细地图中。此信息还可与其它车辆共享以便更 新其自己的详细地图。

第二车辆(或者在以后的时间的第一车辆)可通过检测诸如通常与施工 地带相关联的道路工作标志、锥形物、筒形物、栅栏、施工车辆、闪烁灯或 者其它物品的施工对象来检测施工地带。第二车辆然后可访问详细地图以确 定所检测的施工对象的位置是否对应于所包括的施工地带，并且如果如此， 则确定与所检测的对象相关联的施工地带的状态是被识别为活跃的还是不活 跃的。如果施工地带是活跃的，则第二车辆可通过很缓慢地驾驶并且可能将 自主模式转变为手动模式来使用更高级别的谨慎。如果施工地带是不活跃的， 则车辆可基于地图中的信息继续正常驾驶。如果所检测的对象不在地图中， 则第二车辆可在更高级别的谨慎下驾驶，并且可将所检测的对象添加到地图 中。此外，第二车辆还可对施工地带进行重新分类。

如图1中所示，自主驾驶系统100可包括具有各种组件的车辆101。尽 管本公开的某些方面结合特定类型的车辆尤其有用，但车辆可以是任意类型 的车辆，包括但不限于汽车、卡车、摩托车、巴士、船、飞机、直升机、割 草机、娱乐车、游乐园车辆、农业设备、施工设备、电车、高尔夫球车、火 车和有轨电车。车辆可具有一个或多个计算机，诸如计算机110，该计算机 110包含处理器120、存储器130及在通用计算机中通常存在的其它组件。

存储器130存储处理器120可访问的信息，包括可由处理器120运行或 以其它方式使用的指令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，包括计算机可读介质、或者存储可借助电子设备 读取的数据的其它介质，诸如硬盘驱动、存储卡、ROM、RAM、DVD或者 其它光盘，以及其它具备写能力的存储器和只读存储器。系统和方法可包括 前述各项的不同组合，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132可以是将由处理器直接运行的指令(诸如机器代码)或者将由 处理器间接运行的指令(诸如脚本)的任何集合。例如，指令可被存储为计 算机可读介质上的计算机代码。在这点上，术语“指令”和“程序”在本文 可互换地使用。指令可按供处理器直接处理的目标代码格式存储，或者按包 括按照需要来解释或预先编译的脚本或者独立源代码模块的集合的任何其它 计算机语言存储。下面更详细地解释指令的功能、方法和例程。

数据134可由处理器120依照指令132来检索、存储或变更。例如，虽 然所要求保护的主题不受任何特定数据结构限制，但数据可被存储在计算机 寄存器中，或者作为具有多个不同字段和记录的表格存储在关系数据库中、 XML文档或者平面文件中。数据还可被格式化成任何可由计算机读取的格式。 仅进一步作为示例，图像数据可被存储为由像素栅格构成的位图，其依照压 缩格式或未压缩格式，无损格式(例如，BMP)或者有损格式(例如，JPEG)， 和位图格式或者基于矢量的格式(例如，SVG)，以及用于绘制图形的计算机 指令的格式来存储。数据可包括足以识别相关信息的任何信息，诸如数量、 描述性文本、专有代码、对存储在相同存储器的其它区域或不同存储器(包 括其它网络位置)中的数据的参考或者由函数用来计算相关数据的信息。

处理器120可以是任何传统处理器，诸如市场上可得到的CPU。可替换 地，处理器可以是诸如ASIC的专用设备或者其它基于硬件的处理器。虽然 图1将计算机110的处理器、存储器和其它元件功能性地图示为在相同的块 内，但本领域普通技术人员将会理解，所述处理器、计算机或者存储器实际 上可包括可被存放或者不被存放在相同的物理壳体内的多个处理器、计算机 或者存储器。例如，存储器可以是位于与计算机110的壳体不同的壳体中的 硬盘驱动或其它存储介质。从而，对处理器或计算机的提及将被理解为包括 对可并行操作或不可并行操作的处理器或计算机或者存储器的集合的提及。 代替使用单个处理器执行本文所述的步骤，诸如转向组件和减速组件的组件 中的一些组件中的每一个都可具有其自己的仅执行与该组件的特定功能有关 的计算的处理器。

在本文所述的各方面中，处理器可远离车辆地定位，并且以无线方式与 车辆通信。在其它方面中，本文描述的过程中的一些过程在布置于车辆内的 处理器上运行并且其它过程由远程处理器运行，包括采取运行单个操纵所需 的步骤。

计算机110可包括结合计算机正常使用的所有组件，诸如中央处理单元 (CPU)，存储数据134和诸如网页浏览器的指令的存储器(例如，RAM和 内部硬盘驱动)，电子显示器152(例如，具有屏幕的监视器、小LCD触摸 屏、或者可操作来显示信息的任何其它电气设备)，用户输入部150(例如， 鼠标、键盘、触摸屏和/或麦克风)，以及用于采集关于人的状态和期望的显 式信息(例如，手势)或者隐式信息(例如，“人睡着了”)的各种传感器(例 如，视频相机)。

在一个示例中，计算机110可以是并入车辆101中的自主驾驶计算系统。 图2描绘了自主车辆内部的示例性设计。自主车辆可包括非自主车辆的所有 特征，例如：转向装置，诸如转向盘210；导航显示装置，诸如导航显示器 215(其可以是电子显示器152的一部分)；以及齿轮选择器装置，诸如变速 杆220。除了前述各项以外，车辆还可具有各种用户输入设备140，诸如触摸 屏217(其可以是电子显示器152的一部分)，或者按钮输入部219，以用于 激活或者去激活一个或多个自主驾驶模式以及用于使得驾驶员或者乘客290 能够向自主驾驶计算机110提供诸如导航目的地的信息。

自主驾驶计算系统可能够与车辆的各种组件通信。例如，返回到图1， 计算机110可与车辆的中央处理器160通信，并且可从车辆101的各种系统 发送以及接收信息以便控制车辆101的运动、速度等等，所述各种系统例如 制动系统180、加速度系统182、信令系统184和导航系统186。在一个示例 中，车辆的中央处理器160可执行非自主计算机中的中央处理器的所有功能。 在另一示例中，处理器120和160可包括单个处理设备或者并行操作的多个 处理设备。

此外，当在被启用时，计算机110可控制车辆101的这些功能中的一些 或者全部功能。因此车辆101可具有如上所述的各种手动模式、半自主模式 或者自主驾驶模式。将会理解，虽然在车辆101内示出了各种系统和计算机 110，但这些元件可在车辆101外部或者在物理上分开很大距离。

车辆还可包括用于确定设备的地理位置的与计算机110通信的地理位置 组件144。例如，位置组件可包括GPS接收器以确定设备的纬度、经度和/ 或高度位置。其它位置系统，诸如基于激光的定位系统、惯性辅助GPS或者 基于相机的定位系统，也可用来识别车辆的位置。车辆的位置可包括绝对地 理位置，诸如纬度、经度和高度，以及相对位置信息，诸如相对于紧邻在其 周围的其它汽车的位置，所述相对位置信息经常可以比绝对地理位置更高的 准确度来确定。

车辆还可包括与计算机110通信的其它设备，诸如加速度计、陀螺仪或 者另外的方向/速度检测设备146，以用于确定车辆的方向和速度或者它们的 改变。仅作为示例，加速度设备146可确定其相对于重力方向或垂直于其的 平面的俯仰、偏航或者翻滚(或者它们的改变)。设备还可追踪速度的增大或 者减小和这样的改变的方向。如本文所阐述的设备对位置和方位数据的提供 可被自动提供给用户、计算机110、其它计算机和前述各项的组合。

计算机110可通过控制各种组件来控制车辆的方向和速度。作为示例， 如果车辆正在完全自主驾驶模式中操作，则计算机110可使得车辆加速(例 如，通过增加提供给引擎的燃料或者其它能量)、减速(例如，通过减少供应 给引擎的燃料或者通过施加制动)以及改变方向(例如，通过转动两个前轮)。

车辆还可包括用于检测车辆外部的对象的组件，所述对象诸如其它车辆、 道路中的障碍、交通信号、标志、树等等。检测系统154可包括激光器、声 纳、雷达、相机或者记录计算机110可处理的数据的任何其它检测设备。例 如，如果车辆是小客车，则汽车可包括安装在顶盖或其它便利位置上的激光 器。

如图3中所示，车辆101可包括具有分别安装在车辆的前部和顶部的激 光器310和311的小客车。激光器310可具有大约150米的范围、三十度的 垂直视场和大约三十度的水平视场。激光器311可具有大约50-80米的范围、 三十度的垂直视场和360度的水平视场。激光器可给车辆提供计算机可用来 识别各种对象的位置和距离的范围和强度信息。在一个方面中，激光器可通 过在其轴上旋转并改变其俯仰来测量车辆与面向车辆的对象表面之间的距 离。

车辆还可包括各种雷达检测单元，诸如用于自适应巡航控制系统的那些 雷达检测单元。雷达检测单元可位于汽车的前面和后面以及前保险杆的两侧。 如图3的示例中所示，车辆101包括位于车辆的侧面(仅一侧被示出)、前面 和后面的雷达检测单元320-323。这些雷达检测单元中的每一个都可具有对于 大约18度的视场的大约200米的范围以及对于大约56度的视场的大约60米 的范围。

在另一示例中，多种相机可被安装在车辆上。相机可被安装在预定距离 处从而来自2个或更多个相机的图像的视差可用来计算到各种对象的距离。 如图3中所示，车辆101可包括安装在后视镜(未示出)附近的挡风玻璃340 下方的2个相机330-331。相机330可包括大约200米的范围和大约30度的 水平视场，而相机331可包括大约100米的范围和大约60度的水平视场。

计算机还可使用来自除了上述传感器以外的对于非自主车辆来说典型的 其它传感器和特征的输入。例如，这些其它传感器和特征可包括轮胎压力传 感器、引擎温度传感器、制动热传感器、刹车板状态传感器、轮胎花纹传感 器、燃料传感器、油位和油质量传感器、空气质量传感器(用于检测温度、 湿度或者空气中的微粒)、门传感器、光、刮水器等等。这些信息可直接从这 些传感器和特征提供或者经由车辆的中央处理器160提供。

这些传感器中的许多传感器实时提供数据，这些数据经计算机处理，也 就是说，传感器可连续更新其输出以反映在一时刻或一时间范围内感测到的 环境，以及连续地或者按照需要向计算机提供此更新后的输出，从而计算机 可响应于感测到的环境确定车辆的当前方向或速度是否应当被变更。

除了处理各种传感器所提供的数据以外，计算机可依赖在先前时间点获 得并预期会持续的环境数据而不管车辆是否存在于该环境中。例如，返回到 图1，数据134可包括详细地图信息136，例如，标识道路的形状和标高、分 道线、路口、人行横道、限速、交通信号、建筑物、标志、实时交通信息、 植被或者其它这样的对象和信息的非常详细的地图。例如，地图信息可包括 与各种道路区段相关联的显式限速信息。限速数据可人工输入或者例如使用 光学字符识别来从先前对限速标志所拍摄的图像扫描。

图4是公路400的示例。在此示例中，公路400包括由虚线分道线430-433 以及实线分道线440-443所限定的3个北行车道410-412和3个南行车道 420-422。公路400还包括分别在实线分道线440与护栏460之间和在实线分 道线441与护栏461之间限定的路肩450-451。在北行车道与南行车道之间， 公路400包括分别利用分道线442和441限定路肩452和453的中线470。

图5是针对公路400的详细地图信息500的示例。详细地图信息500可 以是详细地图信息136的一部分并且可包括指示公路400的各种特征的位置 和方位的数据。例如，详细地图信息500包括标识北行车道410-412的北行 车道数据510-512和标识南行车道420-422的南行车道数据520-522。详细地 图信息500还包括表示虚线分道线430-433和实线分道线440-443的虚线分道 线数据530-533和实线分道线数据540-543。路肩450-453也由路肩数据 550-553所表示。护栏460-461由护栏数据560-561表示，并且中线470由中 线数据570表示。

详细地图信息还可包括关于施工地带区域的信息。这可包括限定施工地 带区域的边界的位置信息。例如，图6是包括施工地带区域610和620的地 图信息500的示例。

这些施工地带区域还可与基于对施工地带活动最近的分析的分类相关联。 作为示例，施工地带区域可取决于施工地带区域中的特征的特性而被分类为 活跃的或不活跃的。参照图6，施工地带区域610包括活跃标记630，并且施 工地带区域620包括不活跃标记640。

虽然详细地图信息136在本文被描绘为基于图像的地图，但地图信息不 必是完全基于图像的(例如，是基于光栅的)。地图信息可包括诸如道路、车 道、路口以及这些特征之间的连接的信息的一个或多个道路图形或者图形网 络。每个特征可被存储为图形数据并且可与诸如地图位置、是否链接到其它 有关特征的信息相关联。例如，停止标志可链接到道路和路口。在一些示例 中，关联数据可包括道路图形的基于栅格的索引以促进对特定道路图形特征 的高效查找。

计算机110还可从其它计算机接收信息或者向其它计算机转移信息。例 如，计算机110所存储的地图信息可从其它计算机接收或转移和/或从车辆101 的传感器收集的传感器数据可被转移到另外的计算机以用于如本文所述的处 理。如图7A和7B中所示，来自计算机110的数据，诸如传感器信息，可经 由网络发送到中央处理计算机720以用于进一步的处理。类似地，来自计算 机720的数据，诸如软件更新或者天气信息如下所述可经由网络发送到计算 机110或者具有自主驾驶模式的其它车辆的其它类似计算机。

网络和居间节点可包括各种配置和协议，包括互联网、万维网、内部网、 虚拟专用网络、广域网、局部网络、使用对于一个或多个公司来说专有的通 信协议的私有网络、以太网、WiFi和HTTP，以及前述各项的各种组合。这 样的通信可由能够向其它计算机以及从其它计算机发送数据的任何设备实 现，所述任何设备诸如调制解调器以及无线接口。在另一示例中，数据可通 过将其存储在计算机110和720可访问的或者可连接到计算机110和720的 存储器上来转移。

在一个示例中，计算机720可包括具有多个计算机的服务器，例如，负 载均衡服务器场，其与网络的不同节点交换信息以用于对去往和来自计算机 110的数据进行接收、处理和发送。服务器可类似于计算机110地配置有处理 器730、存储器740、指令750和数据760。

现在将描述除了上面描述的以及图中所图示的操作以外的各种操作。应 当理解，下列操作不必精确地按下述顺序执行。而是，可按不同的顺序或者 同时处理各步骤，并且还可添加或省略步骤。

作为示例，第一车辆可沿着道路驾驶。此第一车辆可包括车辆101并且 可正在自主驾驶模式、手动驾驶模式或者处于这两者之间的某处的模式中操 作。可替换地，此第一车辆还可以是仅为了收集关于环境的传感器信息而被 驾驶的非自主车辆。

图8是车辆101沿着其中施工车辆840和850在对道路的分道线进行重 新铺砌和描画的道路400的北行车道410驾驶的示例。在此示例中，车辆101 正在接近如各施工对象810、820、830、840、850和860所指示的施工地带。 此示例还包括指示路肩453被关闭的施工对象870、880和890。

随着车辆被驾驶，传感器可收集关于车辆环境的信息。来自车辆的传感 器的信息可用来检测施工地带。例如，传感器信息可用来识别施工对象，诸 如通常与施工地带相关联的道路工作标志、锥形物、筒形物、栅栏、施工车 辆、闪烁灯或者其它物品。例如，车辆101的计算机110可检测到北行车道 410-412中的施工对象810、820、830、840、850和860。在另一示例中，在 南行车道420-422中驾驶的车辆可检测到施工对象870、880和890。

这些施工对象可使用任意数量的技术来识别：诸如通过将传感器数据与 详细地图信息进行比较、图像匹配、概率滤波器、图像模板等等。例如，在 美国专利第8,195,394号、标题为“VEHICLECONTROLBASEDON PERCEPTIONUNCERTAINTY(基于感知不确定性的车辆控制)”的美国专 利申请第13/361,083号、和/或标题为“HIGH-ACCURACYREAL-TIMEROAD SIGNDETECTIONFROMIMAGES(从图像高准确度地实时地路标检测)” 的美国专利申请第13/799,829号中描述的技术可用来识别施工对象。

在车辆正在自主模式中驾驶的一些示例中，在识别出施工对象后，车辆 可自动警告驾驶员并切换到手动模式。可替换地，车辆可警告驾驶员并且计 算机110可切换到非常谨慎的驾驶模式，例如，通过更缓慢地驾驶，增加车 辆与道路中的其它对象之间的距离，等等。

一旦施工对象被检测到，施工区域就可被地图构建。例如，计算机110 可检测任意数量的额外施工对象或者确定道路的特征何时再次对应于详细地 图信息。因此，起点可基于第一施工对象的位置来识别，并且终点可基于最 后识别的施工对象的位置来识别。沿着这些点之间的道路的区域可以是施工 地带。在一些示例中，可通过在最后检测到的施工对象之外添加一些距离来 将一些缓冲区域添加到施工区域。

作为示例，计算机110可检测施工对象810并且开始对施工区域进行地 图构建。一旦最后的施工对象诸如施工对象860，被检测到了，计算机110 就可使用此信息来限定图9的施工地带区域910。类似地，检测到施工对象 870和890的车辆可限定图10的施工地带1010。

除了对施工地带进行地图构建以外，也可由系统对施工地带进行分类。 作为示例，可基于施工地带的特性而将施工地带分类为活跃的或不活跃的。 此分类可通过将详细地图信息与在施工地带中检测到的道路的除了用来识别 施工地带的那些特征以外的特征进行比较来完成。这可包括比较分道线的定 位、车道是否被关闭、新的k轨道或其它护栏的存在和位置，等等。如果识 别出相对于前述特征的任何差别或改变，则施工地带可被分类为活跃的。如 果没有识别到改变或者识别到非常微小的改变，则施工地带可被分类为不活 跃的。微小改变的示例可包括将不会影响自主驾驶的那些改变，诸如在道路 车道外部的改变，包括路肩工作或以将不会影响车辆的定位系统的方式移动 间隔物，或者足够小到使在详细地图信息中的先前地图构建的车道内驾驶对 于驾驶者来说将仍安全或放松的轻微的车道移位。

参照图8和图9的示例，施工地带910可被分类成活跃的，因为分道线 441和431的部分未显现(它们已被重新铺砌)并且因此将不同于详细地图 信息。在图8和图10的示例中，施工地带1010可被分类为不活跃的，因为 除了施工对象的显现以外，与详细地图信息没有任何差别。

前述对施工地带的识别和分类可由除了收集传感器信息的车辆的计算机 以外的计算机在以后的时间进行。例如，诸如服务器720的计算机可用来处 理传感器信息以便识别施工对象以及对施工地带进行地图构建。可替换地， 此识别和分类可由收集传感器信息的车辆的计算机来执行，诸如由如上所述 的车辆101的计算机110来执行。通过使用车辆的计算机实时进行对施工地 带的识别和分类，这可增加分类的用途，如下面更详细地描述的。

施工地带的区域和分类信息可相互关联并且被并入用于具有自主驾驶模 式的车辆的详细地图信息中。因此，计算机110可在详细地图信息中存储这 些信息。图6包括详细地图信息500，其具有存储在详细地图信息136中的 可与图9和图10的施工地带区域910和1010相对应的施工地带区域610和 620。同样，图6包括分类630和640，它们可分别对应于施工地带910和1010。 这些信息还可被发送给其它车辆以便给那些车辆提供施工地带区域和分类信 息。这可通过将这些信息广播给具有自主驾驶模式的附近车辆来进行，或者 可仅通过将其发送给可将这些信息中继给具有自主驾驶模式的其它车辆的诸 如服务器720的中央服务器来进行。

可替换地，如果对施工地带的识别和分类由诸如服务器720的计算机来 执行，则施工地带和相关联的分类可被发送给其它自主车辆并被与它们各自 的详细地图信息一起存储。

如果对施工地带的识别和分类由诸如车辆101的自主车辆来执行，则这 些信息可直接与车辆101的详细地图信息一起存储。这些信息也可与其它车 辆共享以便更新它们自己的详细地图，例如通过将这些信息直接发送给特定 车辆、到所有其它自主车辆的广播，或者通过将这些信息发送给诸如服务器 720的计算机并且该计算机然后可将这些信息发送给其它自主车辆。

在以后的某一时间，在自主驾驶模式中操作的第二车辆，诸如车辆101， 可检测施工地带。这可通过识别如上所述的通常与施工地带相关联的第一施 工对象来进行。车辆101的计算机110然后可查询详细地图信息以确定是否 存在与所识别的第一施工对象的位置相关联的施工地带。如果不存在，则计 算机110可通过以下步骤来继续：对施工地带进行地图构建，对施工地带进 行分类，将这些信息与详细地图信息一起存储，并且在一些示例中，如上所 述地将这些信息发送给其它自主车辆。

如果所识别的第一施工对象的位置与详细地图信息相关联，则计算机110 还可识别与该施工地带相关联的分类并且使用该分类来确定如何驾驶自主车 辆。使用上面的示例，当施工地带被分类为活跃的时，第二车辆可通过很缓 慢地驾驶并且可能将自主模式转变为手动模式来使用更高级别的谨慎。类似 地，当施工地带被分类为不活跃的时，车辆可基于详细地图信息继续正常驾 驶。

计算机110还可例如通过基于如上所述的道路的特征和详细地图信息来 确定是否需要对施工地带进行重新分类，例如通过将施工地带的分类从活跃 的改变为不活跃的或者从不活跃的改变为活跃的。

图11的流程图1100是可全部或部分由车辆101的计算机110执行的上 面描述的一些方面的示例。在此示例中，计算机在块1102识别与施工地带相 关联的第一施工对象。在块1104基于所识别的施工对象来对施工地带的区域 进行地图构建。计算机然后在块1106基于详细地图信息对施工地带的活动进 行分类。例如，施工地带可被分类为活跃的或者不活跃的。在块1108将施工 地带的区域和分类添加到详细地图信息。

在将施工地带和分类添加到详细地图信息之后，在块1110，计算机识别 在给定位置处的第二施工对象。计算机然后在块1112基于给定位置从详细地 图信息中识别施工地带的区域和分类。计算机然后在块1114基于存储在详细 地图信息中的分类来操作具有自主驾驶模式的车辆。

在替换方案中，代替仅将施工地带分类为活跃的或者不活跃的，可使用 其它分类方案。例如，分类可与关于车辆应当如何响应的不同的多条信息相 关联或者可以仅仅是这些不同的多条信息。作为示例，一些施工地带可具有 时间分量，诸如在公路上的道路工作仅在晚上时间(9:00pm到5:00am等等) 期间才执行的情况下。因此，车辆仅需要在这些时间附近以手动方式驾驶或 者额外谨慎地驾驶。在另一示例中，可能有正在进行的施工，其仅间或地影 响特定车道。以下是示例，计算机110将需要知道哪个车道被影响以及计算 机110在接近该区域时该寻找何物，诸如在特定车道附近是否存在任何锥形 物，计算机110可很确信特定车道实际上受到了影响或者被关闭了。在另一 示例中，如果驾驶车道未受施工项目的影响，但在路肩上车道附近发生着活 跃的工作，则将车辆缓慢驾驶通过施工地带的该区域虽然可能不是必要的， 但可能会更安全。这些细节也可与施工地带相关联或者仅用来对施工地带进 行分类。

上述特征允许具有自主驾驶模式的车辆在其实际需要时转变到另一驾驶 模式中，而且也允许其在没有实际需要时正常驾驶。如上面所指出的，在没 有分类的情况下，为了促进安全驾驶体验，车辆将总是必须在其检测到施工 对象时转变到手动模式，即使在不必要的情况下也这样，诸如在施工地带区 域1010/620的示例中那样。然而，如上面所指出的，由于上面提供的分类特 征，自主车辆可继续自主模式。因此，分类允许车辆的计算机关于如何在施 工地带中操作做出更加明智的决定。

可在不脱离权利要求所限定的主题的情况下利用上面论述的特征的这些 和其它变化及组合，所以应当以说明的方式而非限制权利要求所限定的主题 的方式看待前述对示例性实施例的描述。还将理解，对本文所述的示例(以 及短语从句“诸如”、“例如”、“包括”等等)的提供不应当被解释为将要求 保护的主题限制到具体示例；而是，这些示例仅意图说明许多可能的方面中 的一些方面。

工业实用性

本发明享有广泛的工业实用性，包括但不限于对活跃的和不活跃的施工 地带进行地图构建以供自主驾驶模式中的车辆使用。