使用返回信号的退偏振率的自主车辆控制的系统和方法

摘要

自主车辆控制系统包括一个或多个处理器，其被配置为使得发射器传输来自激光源的发射信号，使得接收器接收由对象所反射的返回信号，使得一个或多个光学器件生成返回信号的具有第一偏振的第一偏振信号，生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号，并且通过第一偏振信号的信噪比(SNR)值与第二偏振信号的平均SNR值之间的比率来计算第一偏振信号与第二偏振信号之间的反射率的比率。一个或多个处理器被配置为基于第一偏振信号与第二偏振信号之间的反射率的比率来操作车辆。

说明书

相关申请的交叉引用

本申请要求2020年6月30日提交的美国专利申请No.16/916,981的权益和优先权，其全部公开内容通过引用并入本文。

背景技术

对任何自主车辆相关技术的挑战之一涉及收集和解释关于车辆周围环境的信息，以及规划和执行命令以适当地控制车辆运动以导航车辆通过其当前环境。例如，测量数据可以从自主车辆(或配备有自主车辆传感器的车辆)的一个或多个传感器捕获，并且用于跟踪和/或确定车辆周围环境内的动态对象。可能很难以足够的精度和准确度来检测和跟踪对象的形状，以便能够响应于对象进行有效的自主决策。

发明内容

本公开的实现方式涉及使用光检测和测距(LIDAR)来控制车辆的系统和方法，更具体地，涉及通过使用由对象反射的返回信号的退偏振率检测对象来控制车辆的系统和方法。

在本公开的一些实现方式中，光检测和测距(LIDAR)系统可以包括：发射器，其被配置为传输来自激光源的发射信号；接收器，其被配置为接收由对象所反射的返回信号；一个或多个光学器件；以及处理器。一个或多个光学器件可以被配置为生成返回信号的具有第一偏振的第一偏振信号，并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。处理器可以被配置为计算第一偏振信号与第二偏振信号之间的反射率的比率。

在本公开的一些实现方式中，自主车辆控制系统可以包括一个或多个处理器。一个或多个处理器可以被配置为使得发射器传输来自激光源的发射信号。一个或多个处理器可以被配置为使得接收器接收由对象所反射的返回信号。一个或多个处理器可以被配置为使得一个或多个光学器件生成返回信号的具有第一偏振的第一偏振信号，并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。一个或多个处理器可以被配置为基于第一偏振信号与第二偏振信号之间的反射率的比率来操作车辆。

在本公开的一些实现方式中，一种方法可以包括从激光源传输发射信号并且接收由对象所反射的返回信号。该方法可以包括通过一个或多个光学器件生成返回信号的具有第一偏振的第一偏振信号。该方法可以包括由一个或多个光学器件生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。该方法可以包括由一个或多个处理器基于第一偏振信号与第二偏振信号之间的反射率的比率来操作车辆。

在一个方面，本公开涉及光检测和测距(LIDAR)系统。该LIDAR系统包括：发射器，其被配置为传输来自激光源的发射信号；接收器，其被配置为接收由对象所反射的返回信号；一个或多个光学器件；以及处理器。一个或多个光学器件被配置为生成返回信号的具有第一偏振的第一偏振信号，并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。处理器被配置为基于第一图像的信噪比(SNR)值与第二图像的SNR值来计算反射率的值。

在一些实现方式中，一个或多个光学器件被配置为用第一偏振使返回信号偏振，以生成第一偏振信号。一个或多个光学器件被配置为用第二偏振使返回信号偏振，以生成第二偏振信号。一个或多个光学器件被配置为检测第一偏振信号和第二偏振信号。一个或多个光学器件还被配置为对第二偏振信号的相位进行移位，并且通过检测相位移位的第二偏振信号来检测第二偏振信号。

在一些实现方式中，处理器还被配置为通过计算第一偏振信号的平均SNR值与第二偏振信号的平均SNR值之间的比率来计算反射率的值。

在另一方面，本公开涉及包括一个或多个处理器的自主车辆控制系统。一个或多个处理器被配置为使得发射器传输来自激光源的发射信号。一个或多个处理器被配置为使得接收器接收由对象所反射的返回信号。一个或多个处理器被配置为使得一个或多个光学器件生成返回信号的具有第一偏振的第一偏振信号，并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。第一偏振信号指示对象的具有第一偏振的第一图像，并且第二偏振信号指示对象的具有第二偏振的第二图像。一个或多个处理器被配置为基于第一图像的信噪比(SNR)值与第二图像的SNR值来计算反射率的值，并且基于反射率的值来操作车辆。

在一些实现方式中，一个或多个处理器被配置为使得一个或多个光学器件用第一偏振使返回信号偏振以生成第一偏振信号，使得一个或多个光学器件用第二偏振使返回信号偏振以生成第二偏振信号，以及使得一个或多个光学器件检测第一偏振信号和第二偏振信号。一个或多个处理器还被配置为使得一个或多个光学器件对第二偏振信号的相位进行移位，并且使得一个或多个光学器件通过检测相位移位的第二偏振信号来检测第二偏振信号。

在一些实现方式中，一个或多个处理器还被配置为基于所计算的反射率的值来确定对象的一个或多个特征，并且基于对象的一个或多个特征来控制车辆的轨迹。对象的一个或多个特征包括对象的类型。一个或多个处理器还被配置为将对象的类型确定为沥青道路、车道标记、粗糙的混凝土道路、草或砾石中的一种，并且基于反射率的值来确定对象是沥青道路。一个或多个处理器还被配置为将对象的类型确定为金属杆、树或电线杆中的一种，并且基于所计算的反射率的值来确定对象是金属杆。一个或多个处理器还被配置为将对象的类型确定为一个或多个人，并且基于所计算的反射率的值来确定一个或多个人的皮肤和衣服的相应区域。

在另一方面，本公开涉及自主车辆。该自主车辆包括光检测和测距(LIDAR)系统。该LIDAR系统包括发射器、一个或多个光学器件和一个或多个处理器。发射器被配置为传输来自激光源的发射信号，接收器被配置为接收由对象所反射的返回信号，一个或多个光学器件、转向系统或制动系统中的至少一个，以及车辆控制器。一个或多个光学器件被配置为生成返回信号的具有第一偏振的第一偏振信号，并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号。车辆控制器包括一个或多个处理器。一个或多个处理器被配置为基于第一图像的信噪比(SNR)值与第二图像的SNR值来计算反射率的值。一个或多个处理器被配置为基于反射率的值来控制转向系统或制动系统中的至少一个的操作。

在一些实现方式中，一个或多个处理器还被配置为使得一个或多个光学器件用第一偏振使返回信号偏振以生成第一偏振信号，使得一个或多个光学器件用第二偏振使返回信号偏振以生成第二偏振信号，以及使得一个或多个光学器件检测第一偏振信号和第二偏振信号。一个或多个处理器还被配置为使得一个或多个光学器件对第二偏振信号的相位进行移位，并且使得一个或多个光学器件通过检测相位移位的第二偏振信号来检测第二偏振信号。

在一些实现方式中，一个或多个处理器还被配置为基于所计算的反射率的值来确定对象的一个或多个特征，并且基于对象的一个或多个特征来控制自主车辆的轨迹。对象的一个或多个特征包括对象的类型。一个或多个处理器还被配置为将对象的类型确定为将对象的类型确定为沥青道路、车道标记、粗糙的混凝土道路、草或砾石中的一种，并且基于所计算的反射率的值来确定对象是沥青道路。一个或多个处理器还被配置为将对象的类型确定为金属杆、树或电线杆中的一种，并且基于所计算的反射率的值来确定对象是金属杆。一个或多个处理器还被配置为将对象的类型确定为一个或多个人，并且基于所计算的反射率的值来确定一个或多个人的皮肤和衣服的相应区域。

附图说明

该专利或申请文件包含至少一个以颜色执行的附图。在请求和支付必要的费用时该专利申请公开的带有颜色附图的副本将由专利局提供。

在结合附图回顾以下具体实现方式的描述后，本领域的普通技术人员将明白本实现方式的这些和其它方面以及特征，其中：

图1A是图示根据一些实现方式的用于自主车辆的系统环境的示例的框图。

图1B是图示根据一些实现方式的用于自主商用卡车的系统环境的示例的框图。

图1C是图示根据一些实现方式的用于自主商用卡车的系统环境的示例的框图。

图1D是图示根据一些实现方式的用于自主商用卡车的系统环境的示例的框图。

图2是图示根据一些实现方式的计算系统的示例的框图。

图3A是图示根据一些实现方式的LIDAR系统的示例的框图。

图3B是图示根据一些实现方式的LIDAR系统的另一示例的框图。

图4A至4J是图示根据一些实现方式的退偏振率数据的各种示例的图像。

图5是图示根据一些实现方式的基于退偏振率来控制车辆的轨迹的示例方法的流程图。

图6是图示根据一些实现方式的基于退偏振率来操作车辆的示例方法的流程图。

具体实施方式

根据某些方面，本公开中的实现方式涉及使用光检测和测距(LIDAR)来控制车辆的系统和方法，并且更具体地，涉及通过使用由对象反射的返回信号的退偏振率检测对象来控制车辆的系统和方法。

根据某些方面，自主车辆控制系统可以包括一个或多个处理器。一个或多个处理器可以被配置为使得发射器传输来自激光源的发射信号。一个或多个处理器可以被配置为使得接收器接收由对象反射的返回信号。一个或多个处理器可以被配置为使得一个或多个光学器件生成具有第一偏振的返回信号的第一偏振信号，并且生成具有与第一偏振正交的第二偏振的返回信号的第二偏振信号。一个或多个处理器可以被配置为基于第一偏振信号和第二偏振信号之间的反射率的比率来操作车辆。

在常规LIDAR系统中，激光信号(LS)是线性偏振的。在反射从LIDAR系统传输的信号时，世界上的许多对象使返回信号退偏振。例如，每个对象的返回信号可以以与偏振LS相同的偏振状态或者以与偏振LS不同的偏振状态返回。然而，LIDAR系统可以仅检测与偏振LS一致的返回信号的偏振部分。结果，不测量或利用返回信号的其它偏振。

为了解决这个问题，在一些实现方式中，可以通过将返回光分成两个偏振状态来提供偏振敏感LIDAR，从而可以独立地检测它们。然后可以比较分成两个偏振状态的信号，以估计对象(或目标)已经退偏振返回信号的程度。LIDAR系统可以包括偏振分束器(PBS)。PBS可以是偏振分束器/组合器(PBSC)。分离的返回信号可以指示对象的处于不同偏振状态的相应分开图像。LIDAR系统可以计算对象的处于不同偏振状态的分开图像之间的比率(称为“退偏振率”)。

在一些实现方式中，LIDAR系统可以包括两个检测器，其被配置为使用分离器从返回信号检测相应的偏振信号。分离器可以是偏振分束器(PBS)。LIDAR系统可以包括单个检测器，其被配置为通过将返回信号多路复用到单个检测器中使用分离器和相位移位器从返回信号中检测两个偏振信号。

在一些实现方式中，响应于检测到两个偏振信号，一个或多个检测器可以在分开的信道中生成对应的两个电信号，使得电信号可以由处理系统独立地处理。这两个电信号可以指示对象的处于不同偏振状态的相应分开图像。LIDAR系统可以计算对象的处于不同偏振状态的分开图像之间的退偏振率。

在一些实现方式中，系统可以具有两个偏振敏感LIDAR波束，其中每个波束具有用于独立信号处理的两个接收/数字化器信道。该系统可以在两个独立信道中处理来自云点的独立流。

在一些实现方式中，处理系统可以对每个信道中的电信号执行简单后处理，以产生对象的处于相应偏振的图像。处理系统可以计算图像的对象在多个样本上的平均反射率。处理系统可以执行每个体素的空间平均。例如，处理系统可以包括基于散列的体素化器，以有效地生成表示处于偏振状态的对象的多个体素。用基于散列的体素化器，处理系统可以执行对体素的快速搜索。处理系统可以计算多个样本上的多个体素中的每个体素内的平均反射率。结果，所计算的平均反射率可以不同于反射率的测量值。例如，每个测量值是不相关的，而平均值可以是相关的。用于平均的样本的数目小于100。例如，可以使用5个或12个样本。处理系统可以计算两个信道之间的每个体素内的平均反射率的比率。

在一些实现方式中，在空间的一些区域(例如，在一些体素上)上的平均反射率对于理解对象的偏振可能是有意义的。在一些实现方式中，例如，当使用相干LIDAR系统时，使用平均反射率可以有效地减少由激光散斑所引起的反射率测量的变化。在多个样本上的体素的平均反射率可能受到对例如空间分辨率或精度(例如，5cm×10cm尺寸的体素)的参数的选择的影响。通常，较小体素的平均值可以对对象的整个图像的平均值具有较少贡献而对图像的对比度具有更多贡献(使得对象更可区分)。选择适当参数可以提供来自纯反射率测量的另一维度，从而增加数据的值。

根据某些方面，本公开中的实现方式涉及一种光检测和测距(LIDAR)系统，其包括：发射器，其被配置为传输来自激光源的发射信号；接收器，其被配置为接收由对象反射的返回信号；一个或多个光学器件；以及处理器。一个或多个光学器件可以被配置为生成具有第一偏振的返回信号的第一偏振信号，并且生成具有与第一偏振正交的第二偏振的返回信号的第二偏振信号。处理器可以被配置为计算第一偏振信号与第二偏振信号之间的反射率的比率。

根据某些方面，本公开中的实现方式涉及一种方法，该方法包括从激光源传输发射信号和接收由对象反射的返回信号。该方法可以包括通过一个或多个光学器件生成具有第一偏振的返回信号的第一偏振信号。该方法可以包括由一个或多个光学器件生成具有与第一偏振正交的第二偏振的返回信号的第二偏振信号。该方法可以包括由一个或多个处理器基于第一偏振信号和第二偏振信号之间的反射率的比率来操作车辆。

本公开中的各种实现方式具有以下优点和益处中的一个或多个。

首先，本公开中的实现方式可以提供用于使用除常规使用的信号——例如，仅反射率信号——之外的基于退偏振率的映射到点云上的另一唯一信号来改善不同对象的歧义消除的有用技术。在一些实现方式中，基于退偏振率的对象检测可以消除以下几个关键表面的歧义，例如，(1)沥青(对比草、粗糙的混凝土或砾石)、(2)金属杆(对比树或电话/电线杆)、(3)追溯标志(对比金属表面)、(4)车道标记(对比道路表面)和(5)车辆板(相对于车辆表面)。这种歧义消除技术可以帮助识别某些道路标记、标志、行人等。退偏振率可以检测或识别稀疏特征(例如，具有相对较小区域的特征)，从而可以容易地配准这种稀疏特征以消除不同对象的歧义。基于退偏振率的不同对象或材料的歧义消除可以帮助感知系统更准确地检测、跟踪、确定和/或分类车辆周围环境内的对象(例如，使用人工智能技术)。

第二，本公开中的实现方式可以提供用于通过利用差分测量(例如，具有不同偏振状态的信号之间的反射率的比率)来改善对象检测的稳定性和准确度的有用技术，该差分测量应当导致在改变的条件(例如，天气改变-雪、冰，雨等)上的低变化。

第三，本公开中的实现方式可以提供用于使LIDAR系统相对于特定数据产品更可互换的有用技术。金属或镜面通常在雷达数据中生成更强的“闪耀(glint)”返回。这种“闪耀”效应在不同的公共LIDAR波长(即，905nm对比1550nm)展现较少变化。换句话说，基于反射率的特征在不同波长处经常显著改变。因为偏振比测量对精确波长不太敏感，所以它可以使LIDAR系统相对于特定数据产品更可互换。

第四，退偏振率可以与LIDAR波束和对象之间的入射角的大小有关。这可以有助于确定在定位和映射中常用的表面法线。在一些实现方式中，例如，可以从退偏振率测量中获得关于入射角大小的一个或多个数据类型或信息段，以便能够在定位和映射中获得益处。

第五，本公开中的实现方式可以提供用于改善诸如定位(例如，车辆和静止对象之间的空间关系)、相机模拟、LIDAR/雷达模拟、雷达测量等的其它技术领域的有用技术。例如，在定位中可以利用普通建筑材料中的对比度的检测。在一些实现方式中，退偏振率可以揭示或指示表面是否具有漫反射或镜面反射的特性。基于退偏振率可以获得关于漫反射或镜面反射的表面特性信息，并且以高清晰度(HD)图表示，从而可以通过自主车辆控制系统提取这种表面特性信息。这种表面特性信息可以用于在建模不同照明条件时的相机模拟。类似地，可以在集成的LIDAR/雷达模拟中利用退偏振率。这种表面特性信息也可以被利用于分析雷达数据或相机数据。

图1A是图示根据一些实现方式的用于自主车辆的系统环境的示例的框图。

参照图1A，可以在其中实现本文公开的各种技术的示例自主车辆110A。例如，车辆100A可以包括：动力传动系统192，动力传动系统192包括由能量源196提供动力并且能够向驱动传动系统198提供动力的原动机194；以及，包括方向控制182、动力传动系统控制184和制动控制186的控制系统180。车辆100A可以被实现为任何数量的不同类型的车辆，包括能够运送人和/或货物并且能够在各种环境中行驶的车辆，并且应当理解，上述部件180-198可以根据其中可以利用这些部件的车辆类型而广泛变化。

为简单起见，下文讨论的实现方式将聚焦于轮式陆地车辆，例如轿车、货车、卡车、公共车辆等。在这样的实现方式中，原动机194可以包括一个或多个电动机和/或内燃机(等等)。能量源可以包括例如燃料系统(例如，提供汽油、柴油、氢气等)、电池系统、太阳能电池板或其它可再生能量源和/或燃料电池系统。驱动传动系统198可以包括：车轮和/或轮胎以及变速器和/或任何其它机械驱动部件以将原动机194的输出转换成车辆运动，以及被配置为可控地停止或减慢车辆100A的一个或多个制动器和适合于控制车辆100A的轨迹的方向或转向部件(例如，齿条和小齿轮转向联动装置，其使车辆100A的一个或多个车轮能够围绕大致竖直的轴线枢转以变化车轮的旋转平面相对于车辆的纵向轴线的角度)。在一些实现方式中，可以使用动力传动系统和能量源的组合(例如，在电动/燃气混合动力车辆的情况下)，并且在一些实例中，可以使用多个电动机(例如，专用于各个车轮或车轴)作为原动机。

方向控制182可以包括一个或多个致动器和/或传感器，用于控制和接收来自方向或转向部件的反馈，以使车辆100A能够遵循期望的轨迹。动力传动系统控制184可以被配置为控制动力传动系统102的输出，以例如控制原动机194的输出功率、控制驱动动力系统198中的变速器的挡位等，从而控制车辆100A的速度和/或方向。制动控制116可以被配置为控制使车辆100A减速或停止的一个或多个制动器，例如耦合到车辆车轮的盘式制动器或鼓式制动器。

其它车辆类型，包括但不限于越野车辆、全地形或履带车辆、建筑设备等，将必然利用不同的动力传动系统、驱动传动系统、能量源、方向控制、动力传动系统控制和制动控制。此外，在一些实现方式中，可以组合一些部件，例如，其中，主要通过变化一个或多个原动机的输出来处理车辆的方向控制。因此，本文中公开的实现方式不限于本文中描述的技术在自主轮式陆地车辆中的特定应用。

可以在车辆控制系统120中实现对车辆100A的各种级别的自主控制，该系统可以包括一个或多个处理器122和一个或多个存储器124，其中每个处理器122被配置为执行存储在存储器124中的程序代码指令126。处理器可以包括例如图形处理单元(“GPU”)和/或中央处理单元(“CPU”)。

传感器130可以包括适合于从车辆的周围环境收集信息以用于控制车辆的操作的各种传感器。例如，传感器130可以包括雷达传感器134、LIDAR(光检测和测距)传感器136、3D定位传感器138，例如加速度计、陀螺仪、磁力计或诸如GPS(全球定位系统)、GLONASS(Globalnaya Navigazionnaya Sputnikovaya Sistema，或全球导航卫星系统)、北斗导航卫星系统(BDS)、伽利略、指南针等的卫星导航系统。3D定位传感器138可以用于使用卫星信号确定车辆在地球上的位置。传感器130可以包括相机140和/或IMU(惯性测量单元)142。相机140可以是单幅或立体相机并且可以记录静止和/或视频图像。IMU 142可以包括能够检测车辆在三个方向上的线性和旋转运动的多个陀螺仪和加速度计。诸如车轮编码器的一个或多个编码器(未示出)可以用于监测车辆100A的一个或多个车轮的旋转。每个传感器130可以以各种数据速率输出传感器数据，这些数据速率可以不同于其它传感器130的数据速率。

传感器130的输出可以被提供给控制子系统150的集合，包括定位子系统152、计划子系统156、感知子系统154和控制子系统158。定位子系统152可以执行功能，诸如精确地确定车辆100A在其周围环境中并且通常在某个参考系内的位置和方向(有时也称为“姿势”)。可以将自主车辆的位置与在与生成标记的自主车辆数据的一部分相同的环境中的其它车辆的位置进行比较。感知子系统154可以执行诸如检测、跟踪、确定和/或识别车辆100A周围环境内的对象的功能。机器学习模型可以被利用于跟踪对象。计划子系统156可以执行功能，诸如在给定期望目的地以及在环境内的静态和移动对象的情况下计划在某个时间框架内的车辆100A的轨迹。机器学习可以被利用于计划车辆轨迹。控制子系统158可以执行功能，诸如生成合适的控制信号，以用于控制车辆控制系统120中的各种控制，以便实现车辆100A的计划轨迹。机器学习模型可以被利用于生成一个或多个信号以控制自主车辆以实现计划轨迹。

将理解，用于车辆控制系统120的在图1A中所图示的部件的合集在本质上仅仅是示例性的。在一些实现方式中可以省略单独的传感器。另外地或可替代地，在一些实现方式中，图1A中所图示类型的多个传感器可以被用于冗余和/或覆盖车辆周围的不同区域，并且可以使用其它类型的传感器。同样，在其它实现方式中可以使用控制子系统的不同类型和/或组合。此外，虽然子系统152-158被图示为与处理器122和存储器124分开，但是将理解，在一些实现方式中，子系统152-158的一些或所有功能可以用驻留在一个或多个存储器124中的程序代码指令126被实现并由一个或多个处理器122执行，并且这些子系统152-158在某些实例中可以使用相同的处理器和/或存储器被实现。子系统可以至少部分地使用各种专用电路逻辑、各种处理器、各种现场可编程门阵列(“FPGA”)、各种专用集成电路(“ASIC”)和各种实时控制器等被实现，如上所述，多个子系统可以利用电路、处理器、传感器和/或其它部件。此外，车辆控制系统120中的各种部件可以以各种方式联网。

在一些实现方式中，车辆100A还可以包括辅助车辆控制系统(未示出)，其可以用作车辆100A的冗余或备用控制系统。辅助车辆控制系统能够在车辆控制系统120中的不利事件的情况下完全操作自主车辆100A，而在其它实现方式中，辅助车辆控制系统可能仅具有有限的功能，例如，用于响应于在主要车辆控制系统120中检测到的不利事件执行车辆100A的受控停止。在又其它实现方式中，可以省略辅助车辆控制系统。

通常，可以使用无数种不同的架构，包括软件、硬件、电路逻辑、传感器、网络等的各种组合来实现图1A中所图示的各种部件。例如，每个处理器可以被实现为微处理器，并且每个存储器可以表示随机存取存储器(“RAM”)设备，其包括主存储器以及任何补充级别的存储器，例如高速缓存存储器、非易失性或备份存储器(例如，可编程存储器或闪存)、只读存储器等。另外，每个存储器可以被认为包括物理上位于车辆100A中其它地方的存储器，例如，处理器中的任何高速缓存存储器以及用作虚拟存储器的任何存储容量，例如，用作存储在大容量存储设备或其它计算机控制器上。图1A中图示的一个或多个处理器或完全分开的处理器可以被用于在车辆100A中实现除了自主控制目的之外的附加功能，例如，以控制娱乐系统、以操作门、灯、电动窗等。

另外地，对于另外的存储，车辆100A可以包括一个或多个大容量存储设备，例如可移动磁盘驱动器、硬盘驱动器、直接存取存储设备(“DASD”)、光驱(例如，CD驱动器、DVD驱动器等)、固态存储驱动器(“SSD”)、网络附接存储、存储区域网络和/或磁带驱动器等。

此外，车辆100A可以包括用于使车辆100A能够从用户或操作者接收多个输入并为用户或操作者生成输出的用户界面164，例如，一个或多个显示器、触摸屏、语音和/或手势界面、按钮和其它触觉控制等。否则，可以经由另一计算机或电子设备，例如经由移动设备上的app或经由网络界面接收用户输入。

此外，车辆100A可以包括一个或多个网络接口，例如网络接口162，其适合于与一个或多个网络170(例如，局域网(“LAN”)、广域网(“WAN”)、无线网络和/或互联网等)进行通信以许可与其它计算机和电子设备进行信息的通信，其它计算机和电子设备包括例如诸如云服务的中央服务，车辆100A从该服务接收用于其自主控制的环境和其它数据。由一个或多个传感器130收集的数据可以经由网络170被上传到计算系统172以用于附加处理。可以在上传之前将时间戳添加到车辆数据的每个实例。参照图2描述根据许多实现方式的由计算系统172对自主车辆的附加处理。

图1A中所图示的每个处理器以及本文中公开的各种附加控制器和子系统通常在操作系统的控制下操作，并执行或以其它方式依赖于各种计算机软件应用、部件、程序、对象、模块、数据结构等，如将下面更详细地描述。此外，各种应用、部件、程序、对象、模块等也可以在经由网络170耦合到车辆100A的另一计算机中的一个或多个处理器上，例如在分布式、基于云的或客户端-服务器计算环境中，执行，由此实现计算机程序的功能所需的处理可以通过网络被分配给多个计算机和/或服务。

通常，为实现本文中所描述的各种实现方式而执行的例程，无论是被实现为操作系统的一部分还是特定应用、部件、程序、对象、模块或指令序列或者甚至其子集，都将在本文中被称为“程序代码”。程序代码可以包括一个或多个指令，该指令在不同时间驻留在各种存储器和存储设备中，并且当由一个或多个处理器读取和执行时，执行用于执行体现本公开的各个方面的步骤或元素必需的步骤。此外，虽然实现方式已经和在下文将在功能齐全的计算机和系统的场境中被描述，但是将理解，本文中描述的各种实现方式能够作为程序产品以各种形式被分布，并且无论用于实际执行分布的计算机可读介质的特定类型如何，都可以实现实现方式。

计算机可读介质的示例包括有形的、非瞬态介质，诸如易失性和非易失性存储设备、软盘和其它可移动磁盘、固态驱动器、硬盘驱动器、磁带和光盘(例如，CD-ROM、DVD等)等等。

另外，下文描述的各种程序代码可以基于在特定实现方式中实现它的应用被识别。然而，应当理解，使用以下任何特定程序命名法仅仅是为了方便，并且因此本公开不应限于仅用于由这种命名法识别和/或暗示的任何特定应用。此外，给定可以将计算机程序组织成例程、过程、方法、模块和对象等的通常是无穷无尽的方式，以及程序功能可以在驻留在典型计算机(例如，操作系统、库、API、应用、小应用等)中的不同的软件层之间被分配的各种方式，应当理解，本公开不限于本文中描述的程序功能的特定组织和分配。

图1A所图示的环境并非旨在限制本文中所公开的实现方式。实际上，可以使用其它替代硬件和/或软件环境而不脱离本文中公开的实现方式的范围。

卡车可以包括LIDAR系统(例如，图1A中的车辆控制系统120、图3A中的LIDAR系统300、图3B中的LIDAR系统350等)。在一些实现方式中，LIDAR系统可以使用频率调制来编码光信号并且使用光学器件将编码的光信号散射到自由空间中。通过检测编码的光信号和从对象反射回来的返回信号之间的频率差，频率调制(FM)LIDAR系统可以使用多普勒效应精确地测量对象的速率和/或确定对象的地点。FM LIDAR系统可以使用连续波(称为“FMCWLIDAR”或“相干FMCW LIDAR”)或准连续波(称为“FMQW LIDAR”)。LIDAR系统可以使用相位调制(PM)来编码光信号，并且使用光学器件将编码的光信号散射到自由空间中。

FM或相位调制(PM)LIDAR系统可以关于汽车和/或商用卡车应用提供优于常规LIDAR系统的显著优点。首先，在一些实例中，对象(例如，穿着深色衣服的行人)可以具有低反射率，因为其仅将少量(例如，10％或更少)的撞击对象的光反射回FM或PM LIDAR系统的传感器(例如，图1A中的传感器130)。在其它实例中，对象(例如，闪亮的道路标志)可以具有高反射率(例如，高于10％)，因为它将大量撞击对象的光反射回FM LIDAR系统的传感器。

不管对象的反射率如何，FM LIDAR系统可以能够检测(例如，分类，识别，发现等)比常规LIDAR系统更远距离(例如，2x)的对象。例如，FM LIDAR系统可以检测超过300米的低反射率对象和超过400米的高反射率对象。

为了实现检测能力的这种改进，FM LIDAR系统可以使用传感器(例如，图1A中的传感器130)。在一些实现方式中，这些传感器可以是单光子敏感的，意味着它们可以检测可能的最小光量。尽管在一些应用中，FM LIDAR系统可以使用红外波长(例如，950nm、1550nm等)，但其不限于红外波长范围(例如，近红外：800nm-1500nm；中红外：1500nm-5600nm；和远红外：5600nm-1,000,000nm)。通过在红外波长下操作FM或PM LIDAR系统，FM或PM LIDAR系统可以在满足眼睛安全标准的同时广播更强的光脉冲或光束。常规LIDAR系统通常不是单光子敏感的和/或仅在近红外波长下操作，出于眼睛安全的原因，要求它们限制它们的光输出(和距离检测能力)。

因此，通过在更远距离处检测对象，FM LIDAR系统可能具有更多时间来对意外障碍物做出反应。实际上，即使几毫秒的额外时间也可以提高安全性和舒适性，特别是对于以高速公路速度行驶的重型车辆(例如，商用卡车)。

FM LIDAR系统的另一优点是它为每个数据点瞬时提供准确的速率。在一些实现方式中，速率测量使用多普勒效应来完成，该多普勒效应基于径向方向的速率(例如，检测到的对象和传感器之间的方向向量)或激光信号的频率中的至少一个来偏移从对象接收到的光的频率。例如，对于在速率小于100米/秒(m/s)的道路上情况下遇到的速率，在1550纳米(nm)的波长下的这种偏移相当于小于130兆赫(MHz)的频率偏移。这种频移很小，使得它很难在光域中直接检测到。然而，通过在FMCW、PMCW或FMQW LIDAR系统中使用相干检测，可以将信号转换到RF域，使得可以使用各种信号处理技术来计算频移。这使得自主车辆控制系统能够更快地处理传入数据。

瞬时速率计算还使得FM LIDAR系统更容易确定远处或稀疏的数据点作为对象和/或跟踪这些对象如何随时间移动。例如，FM LIDAR传感器(例如，图1A中的传感器130)可以仅在离开300m的对象上接收几个返回(例如，命中)，但是如果那些返回给出感兴趣的速率值(例如，以>70mph向车辆移动)，则FM LIDAR系统和/或自主车辆控制系统可以确定与对象相关联的概率的相应权重。

FM LIDAR系统的更快识别和/或跟踪给予自主车辆控制系统更多时间来操纵车辆。对对象移动多快的更好理解也允许自主车辆控制系统规划更好的反应。

FM LIDAR系统的另一优点是，与常规LIDAR系统相比，它具有较小静态。也就是说，被设计成更光敏的常规LIDAR系统通常在明亮阳光下表现不佳。这些系统还倾向于遭受串扰(例如，当传感器彼此的光脉冲或光束混淆时)和自干扰(例如，当传感器自身的先前光脉冲或光束混淆时)。为了克服这些缺点，使用常规LIDAR系统的车辆经常需要额外硬件、复杂软件和/或更多计算能力来管理这种“噪声”。

相反，FM LIDAR系统不遭受这些类型的问题，因为每个传感器被专门设计成仅响应其自身的光特性(例如，光束、光波、光脉冲)。如果返回光与最初传输的定时、频率和/或波长不匹配，则FM传感器可以滤除(例如，去除，忽略等)该数据点。这样，FM LIDAR系统以较少硬件或软件要求产生(例如，生产，推导等)更准确的数据，从而实现更安全和更平滑的驾驶。

最后，FM LIDAR系统比常规LIDAR系统更易于扩展。随着更多的自驾驶车辆(例如，汽车，商用卡车等)出现在道路上，由FM LIDAR系统供电的那些车辆可能不必争用来自传感器串扰的干扰问题。此外，FM LIDAR系统比常规LIDAR传感器使用更少的光峰值功率。这样，用于FM LIDAR的一些或全部光学部件可以在单个芯片上制造，这产生了其自身的益处，如本文所讨论的。

图1B是图示根据一些实现方式的用于自主商用卡车的系统环境的示例的框图。环境100B包括用于运输货物106B的商用卡车102B。在一些实现方式中，商用卡车102B可以包括被配置为长途货物运输、区域货物运输、联运货物运输(即，其中基于道路的车辆用作多种运输模式中的一种来移动货物)和/或任何其它基于道路的货物运输应用的车辆。商用卡车102B可以是平板卡车、冷藏卡车(例如冷藏车)、通风货车(例如干货车)、移动卡车等。货物106B可以是商品和/或产品。商用卡车102B可以包括载运货物106B的拖车，诸如平板拖车、低矮拖车、阶梯式甲板拖车、可延伸平板拖车、侧挂拖车等。

环境100B包括在距卡车等于或小于30米的距离范围内的对象110B(在图1B中示出为另一车辆)。

商用卡车102B可以包括用于确定到对象110B的距离和/或测量对象110B的速率的LIDAR系统104B(例如，FM LIDAR系统、图1A中的车辆控制系统120、图3A中的LIDAR系统300、图3B中的LIDAR系统350等)。尽管图1B示出一个LIDAR系统104B被安装在商用卡车102B的前部，但是LIDAR系统的数量和LIDAR系统在商用卡车上的安装区域不限于特定数量或特定区域。商用卡车102B可以包括安装在商用卡车102B的任何区域(例如，前面，后面，侧面，顶部，底部，下面和/或底端)上的任何数量的LIDAR系统104B(或其部件，例如传感器、调制器、相干信号发生器等)，以促进在相对于商用卡车102B的任何自由空间中检测对象。

如图所示，环境100B中的LIDAR系统104B可以被配置为检测距商用卡车102B短距离(例如，30米或更短)处的对象(例如，另一车辆、自行车、树，街道标志、井道等)。

图1C是图示根据一些实现方式的用于自主商用卡车的系统环境的示例的框图。环境100C包括包含在环境100B中的相同部件(例如，商用卡车102B、货物106B,LIDAR系统104B等)。

环境100C包括在距商用卡车102B(i)大于30米和(ii)等于或小于150米的距离范围内的对象110C(在图1C示出为另一车辆)。如图所示，环境100C中的LIDAR系统104B可以被配置为检测距商用卡车102B一距离(例如，100米)处的对象(例如，另一辆车辆、自行车、树、街道标志、井道等)。

图1D是图示根据一些实现方式的用于自主商用卡车车辆的系统环境的示例的框图。环境100D包括包含在环境100B中的相同部件(例如，商用卡车102B、货物106B、LIDAR系统104B等)。

环境100D包括在距商用卡车102B超过150米的距离范围内的对象110D(在图1D中示出为另一车辆)。如图所示，环境100D中的LIDAR系统104B可以被配置为检测距商用卡车102B一距离(例如，300米)处的对象(例如，另一辆车辆、自行车、树、街道标志、井道等)。

在商用卡车应用中，由于增加的重量以及相应地这种车辆所需的更长的停止距离而有效地检测所有范围内的对象是重要的。由于上述优点，FM LIDAR系统(例如，FMCW和/或FMQW系统)或PM LIDAR系统非常适于商用卡车应用。结果，装配有这种系统的商用卡车可以具有将人和商品安全地移动经过短距离或长距离的增强的能力，从而不仅提高了商用卡车的安全性，而且也提高了周围车辆的安全性。在各种实现方式中，这种FM或PM LIDAR系统可以用于其中商用卡车具有驾驶员并且商用卡车的一些功能使用FM或PM LIDAR系统自主操作的半自主应用或者其中商用卡车完全由FM或LIDAR系统单独操作或者与其它车辆系统组合操作的完全自主应用中。

在使用CW调制的LIDAR系统中，调制器连续地调制激光。例如，如果调制周期是10秒，则在整个10秒内调制输入信号。相反，在使用准CW调制的LIDAR系统中，调制器调制激光以具有活动部分和非活动部分。例如，对于10秒的周期，调制器仅调制激光8秒(有时称为“活动部分”)，但不调制激光2秒(有时称为“非活动部分”)。通过这样做，LIDAR系统可以能够减少2秒的功耗，因为调制器不必提供连续信号。

在用于汽车应用的调频连续波(FMCW)LIDAR中，使用准CW调制来操作LIDAR系统可能是有益的，其中使用FMCW测量和信号处理方法，但是光信号不总是处于接通状态(例如，启用，供电，传输等)。在一些实现方式中，准CW调制可以具有等于或大于1％并且高达50％的占空比。如果在实际测量时间期间可以消耗处于关闭状态(例如，禁用，断电等)的能量，则可能存在信噪比(SNR)的提升和/或信号处理要求的降低，以在较长时间尺度内相干地集成所有能量。

图2是图示根据一些实现方式的计算系统的示例的框图。

参照图2，所图示的示例计算系统172包括：经由通信系统240(例如总线)与存储器260通信的一个或多个处理器210；具有用于连接到网络(未示出)的网络接口端口的至少一个网络接口控制器230；以及其它部件，例如连接到显示器(未图示)和输入设备(未图示)的输入/输出(“I/O”)部件接口450。通常，处理器210将执行从存储器接收到的指令(或计算机程序)。所图示的处理器210并入或直接地连接到高速缓存存储器220。在某些实例中，指令从存储器260被读取到高速缓存存储器220中并且由处理器210从高速缓存存储器220执行。

更详细地，处理器210可以是处理指令——例如，从存储器260或高速缓存220提取的指令——的任何逻辑电路。在一些实现方式中，处理器210是微处理器单元或专用处理器。计算设备400可以基于能够如本文所述操作的任何处理器或处理器集合。处理器210可以是单核或多核处理器。处理器210可以是多个不同的处理器。

存储器260可以是适于存储计算机可读数据的任何设备。存储器260可以是具有固定存储的设备或用于读取可移动存储介质的设备。示例包括所有形式的非易失性存储器、介质和存储器设备、半导体存储器设备(例如，EPROM、EEPROM、SDRAM和闪存设备)、磁盘、磁光盘和光盘(例如，CD ROM、DVD-ROM或

高速缓存存储器220通常是紧靠处理器210放置的用于快速读取时间的计算机存储器的一种形式。在一些实现方式中，高速缓存存储器220是处理器210的一部分，或者在与处理器210相同的芯片上。在一些实现方式中，存在多级高速缓存220，例如L2和L3高速缓存层。

网络接口控制器230经由网络接口(有时称为网络接口端口)管理数据交换。网络接口控制器230处理用于网络通信的OSI模型的物理层和数据链路层。在一些实现方式中，网络接口控制器的任务中的一些由一个或多个处理器210处理。在一些实现方式中，网络接口控制器230是处理器210的一部分。在一些实现方式中，计算系统172具有由单个控制器230所控制的多个网络接口。在一些实现方式中，计算系统172具有多个网络接口控制器230。在一些实现方式中，每个网络接口是用于物理网络链路(例如，cat-5以太网链路)的连接点。在一些实现方式中，网络接口控制器230支持无线网络连接，并且接口端口是无线(例如，无线电)接收器/发射器(例如，对于IEEE 802.11协议、近场通信“NFC”、蓝牙、ANT或任何其它无线协议中的任一个)。在一些实现方式中，网络接口控制器230实现一个或多个网络协议，诸如以太网。通常，计算设备172通过网络接口经由物理或无线链路与其它计算设备交换数据。网络接口可以直接链接到另一设备或经由中间设备链接到另一设备，中间设备例如网络设备，诸如集线器、网桥、交换机或路由器，将计算设备172连接到数据网络，诸如因特网。

计算系统172可以包括一个或多个输入或输出(“I/O”)设备或提供用于一个或多个输入或输出(“I/O”)设备的接口。输入设备包括但不限于键盘、麦克风、触摸屏、脚踏板、传感器、MIDI设备和诸如鼠标或轨迹球等的定点设备。输出设备包括但不限于视频显示器、扬声器、可刷新盲文终端、灯、MIDI设备和2-D或3-D打印机。

其它部件可以包括I/O接口、外部串行设备端口和任何另外协处理器。例如，计算系统172可以包括用于连接输入设备、输出设备或另外存储器设备(例如，便携式快闪驱动器或外部媒体驱动器)的接口(例如，通用串行总线(USB)接口)。在一些实现方式中，计算设备172包括诸如协处理器等的另外设备，例如，数学协处理器可以协助处理器210进行高精度或复杂计算。

图3A是图示根据一些实现方式的LIDAR系统的示例的框图。在一些实现方式中，LIDAR系统300可以是LIDAR传感器136(参见图1A)。LIDAR系统300可以包括激光器302、调制器304、循环器光学器件306、扫描器308、偏振分束器(PBS)312、第一检测器314、第二检测器316和处理系统318。PBS可以是偏振分束器/组合器(PBSC)。在一些实现方式中，LIDAR系统300可以是相干FMCW LIDAR。

在一些实现方式中，激光器302可以发射激光输出(LO)信号作为载波303。分离器(未图示)可以将未调制LO信号分成载波303、LO信号321和LO信号323，它们处于相同的偏振状态(称为第一偏振状态)。

在一些实现方式中，调制器304可以接收载波303，并且对载波303进行相位或频率调制，以产生处于第一偏振状态的调制光信号305。调制器304可以是频移设备(声光调制器)。可以使用本地振荡器波形调制的时间延迟来生成调制光信号305。调制器304可以使用频率调制(FM)，使得(FM)LIDAR系统可以编码光信号并且使用光学器件将编码的光信号散射到自由空间中。FM LIDAR系统可以使用连续波(称为“FMCW LIDAR”)或准连续波(称为“FMQW LIDAR”)。调制器304可以使用相位调制(PM)，使得(PM)LIDAR系统可以编码光信号并且使用光学器件将编码的光信号散射到自由空间中。在一些实现方式中，调制器304可以使用偏振调制。

在一些实现方式中，调制光信号305可以通过循环器光学器件306被整形为被输入到扫描器308的信号307。循环器光学器件306可以是光循环器(例如，光纤耦合循环器)，但不限于此。例如，循环器光学器件306可以是光隔离器。在一些实现方式中，循环器光学器件306可以是自由空间俯仰捕获光学器件(例如，俯仰光学器件和捕获光学器件)。

在一些实现方式中，发射信号309可以通过扫描器308传输以照射对象310(或感兴趣区域)。发射信号309可以处于第一偏振状态。在一些实现方式中，扫描器308可以包括扫描光学器件(未示出)，例如，具有多个镜子或刻面的多边形扫描器)。扫描器308可以接收由对象310所反射的返回信号311。返回信号311可以包含处于第一偏振状态的信号部分和/或处于不同偏振状态(称为“第二偏振状态”)的信号部分。第一偏振状态与第二偏振状态正交。扫描器308可以将返回信号311重定向成返回信号313。

在一些实现方式中，返回信号313可以被循环器光学器件306进一步重定向成要输入到PBS 312的返回信号315。PBS 312可以将返回信号315分成并且偏振为具有第一偏振状态的第一偏振光信号317和具有第二偏振状态的第二偏振光信号319。循环器光学器件306和PBS 312可以集成到偏振分束器/组合器(PBSC)中。

在一些实现方式中，第一检测器314可以是单个成对的或非成对的检测器，或者成对的或非成对的检测器的1维(1D)或2维(2D)阵列。第一检测器314可以接收LO信号321作为参考信号。第一检测器314可以是被配置为检测光信号的光学检测器。第一检测器314可以检测第一偏振信号(例如，第一偏振光信号)并且输出或生成第一电信号325。

在一些实现方式中，第二检测器316可以是单个成对的或非成对的检测器，或者成对的或非成对的检测器的1维(1D)或2维(2D)阵列。第二检测器316可以接收LO信号323作为参考信号。第二检测器316可以是被配置为检测光信号的光学检测器。第二检测器316可以检测第二偏振信号(例如，第二偏振光信号319)并且输出或生成第二电信号327。这两个电信号可以指示对象的处于不同偏振状态的相应分开图像。

在一些实现方式中，处理系统318可以具有与计算系统172类似的配置(参见图2)。处理系统318可以是每个具有与计算系统172类似的配置的一个或多个计算系统。处理系统318可以接收第一电信号325和第二电信号327，并且基于电信号来计算退偏振率(如下面所定义的)。第一电信号325表示对象在表示第一偏振状态的第一信道中的图像，而第二电信号347表示对象在表示第二偏振状态的第二信道中的图像。处理系统318可以处理第一信道中的第一电信号325和第二信道中的第二电信号327。

在一些实现方式中，处理系统318(或其处理器)可以被配置为将具有两个偏振状态的信号(例如，电信号325、327)进行比较，以估计对象(或目标)已经退偏振返回信号的程度(通过计算如下定义的退偏振率)。响应于检测到两个偏振信号，一个或多个检测器(例如，第一314和第二检测器316)可以在分开信道中生成对应的两个电信号(例如，图3A中的电信号325、327)，使得电信号可以由处理系统318独立地处理。LIDAR系统(例如，LIDAR系统300)可以提供用于执行对具有不同偏振状态的两个波束(例如，图3A中的第一偏振光信号317和第二偏振光信号319)的独立信号处理的两个接收/数字化器信道(例如，第一信道和第二信道)。以这种方式，系统可以在两个独立信道中处理来自云点的独立流。

在一些实现方式中，处理系统318(或其处理器)可以被配置为通过计算第一偏振光信号317和第二偏振光信号319之间的反射率的比率来计算退偏振率。LIDAR系统可以通过计算对象的处于不同偏振状态的分开图像(例如，由第一电信号和第二电信号所表示的图像)之间的反射率的比率来计算退偏振率。LIDAR系统可以基于以下等式计算退偏振率。

其中，SNR(channel_p)是对象在偏振信道(例如，表示第一偏振状态的第一信道)中的图像的信噪比(SNR)，并且SNR(channel_d)是对象在退偏振信道(例如，表示第二偏振状态的第二信道)中的图像的SNR。在一些实现方式中，SNR(channel_p)是对象在偏振信道中的图像的平均SNR，并且SNR(channel_d)是对象在退偏振信道中的图像的平均SNR。

在一些实现方式中，可以使用处于不同偏振状态的两个图像之间的平均反射率的比率来计算退偏振率，其中在空间的一些区域(例如，在一些体素上)上限定平均反射率。可以在一个或多个体素上计算多个样本的平均反射率。多个样本在一个或多个体素上的平均反射率可以受到对例如空间分辨率或精度(例如，体素的尺寸)的参数的选择的影响。通常，在较小体素上的平均值可以对对象的整个图像的平均值具有较少贡献，而它可以对图像的对比度具有更多贡献，以便使得对象更可区分。选择适当参数(例如，体素的尺寸、样本的数量等)来计算平均反射率可以提供来自纯反射率测量的另一维度，从而增加数据的值。所计算的平均反射率的特性可以不同于反射率的测量值的那些特性。例如，每个测量值是不相关的，而平均值可以是相关的。在一些实现方式中，可以使用5cm×10cm尺寸的体素。用于平均的样本的数目可以小于100。例如，可以使用5个或12个样本。

在一些实现方式中，处理系统318可以对每个信道中的电信号325和327执行后处理，以产生对象的处于相应偏振的相应图像(例如，处于第一偏振状态的第一图像和处于第二偏振状态的第二图像)。处理系统318可以计算对象在多个样本上的每个图像的平均反射率。处理系统318可以执行每个体素的空间平均。例如，处理系统318可以包括基于散列的体素，以有效地生成表示处于偏振状态的对象的多个体素。用基于散列的体素化器，处理系统318可以执行对体素的快速搜索。处理系统318可以计算多个样本上的多个体素中的每个体素内的平均反射率。处理系统318可以计算两个信道(例如，第一信道中的电信号325和第二信道中的电信号327)之间的每个体素内的平均反射率的比率。

在一些实现方式中，光检测和测距(LIDAR)系统可以包括：发射器(例如，图3A中的扫描器308)，其被配置为传输来自激光源(例如，图3A中的激光器302)的发射信号(例如，图3A中的发射信号311)；接收器(例如，图3A中的扫描器308)，其被配置为接收由对象(例如，图3A中的对象310)所反射的返回信号(例如，图3A中的返回信号313)；一个或多个光学器件(例如，图3A中的循环器光学器件306、PBS 312)以及处理器(例如，图3A中的处理系统318的处理器)。一个或多个光学器件可以被配置为生成返回信号的具有第一偏振的第一偏振信号(例如，图3A中的第一偏振光信号317)并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号(例如，图3A中的第二偏振光信号319)。发射器和接收器可以是单个收发器(例如，图3A中的单个扫描器308)。

在一些实现方式中，一个或多个光学器件可以包括偏振分束器(例如，图3A中的PBS 312)、第一检测器(例如，图3A中的检测器314)、和第二检测器(例如，图3A中的检测器316)，从而提供偏振敏感LIDAR(例如，图3A中的LIDAR系统300)。PBS可以被配置为将返回信号分成第一偏振信号和第二偏振信号，使得可以独立地检测它们。PBS可以被配置为用第一偏振使返回信号偏振，以生成第一偏振信号(例如，图3A中的第一偏振光信号317)，并且利用第二偏振使返回信号偏振，以生成第二偏振信号(例如，图3A中的第二偏振光信号319)。第一检测器可以被配置为检测第一偏振信号。第二检测器可以被配置为检测第二偏振信号。

在一些实现方式中，然后可以比较分成两个偏振状态的信号(通过计算它们之间的反射率的比率)，以估计对象(或目标)已经退偏振了返回信号的程度。响应于检测到两个偏振信号，一个或多个检测器可以在分开信道中生成对应的两个电信号(例如，图3A中的电信号325、327)，使得电信号可以由处理系统(例如，图3A中的处理系统318)独立地处理。系统可以具有两束偏振敏感LIDAR(例如，图3A中的第一偏振光信号317和第二偏振光信号319)，其每一个具有用于独立信号处理(例如，由图3中的处理系统318进行的信号处理)的两个接收/数字化器信道(例如，第一信道和第二信道)。该系统可以在两个独立信道中处理来自云点的独立流。

图3B是图示根据一些实现方式的LIDAR系统的另一示例的框图。在一些实现方式中，LIDAR系统350可以是LIDAR传感器136(参见图1A)。参照图3B，LIDAR系统350的激光器302、调制器304、循环器光学器件306、扫描器308和偏振分束器(PBS)312中的每一个可以具有与参考图3A描述的那些相同的配置或类似的配置。LIDAR系统350还可以包括检测器354、移位器356和处理系统368。

在一些实现方式中，检测器354可以是单个成对的或非成对的检测器。第一检测器354可以从激光器302接收LO信号355作为参考信号。检测器354可以是被配置为检测光信号的光学检测器。检测器354可以检测第一偏振光信号317并且输出或生成第一电信号359。

在一些实现方式中，移位器356可以是移频器或频移设备。例如，移位器356可以是声光移频器。移位器356可以接收第二偏振光信号319并且生成被引导到检测器354的频移光信号357。检测器354可以是频移光信号357并且输出或生成第二电信号361。

在一些实现方式中，处理系统368可以具有与处理系统318类似的配置(参见图3A)。处理系统368可以接收第一电信号359和第二电信号361，并且基于电信号来计算退偏振率(如上定义)。第一电信号359表示对象在表示第一偏振状态的第一信道中的图像，而第二电信号361表示对象在表示第二偏振状态的第二信道中的图像。处理系统368可以处理第一信道中的第一电信号359和第二信道中的第二电信号361。

在一些实现方式中，LIDAR系统(例如，图3B中的LIDAR系统350)可以包括单个检测器(例如，图3B中的单个检测器354)，其被配置为使用分离器(例如，PBS 312)和相位移位器(例如，图3B中的相位移位器356)通过将返回信号多路复用到单个检测器中来从返回信号(例如，信号311、313、315)中检测两个偏振信号(例如，第一偏振光信号317和第二偏振光信号319)。相位移位器(例如，图3B中的相位移位器356)可以被配置为对第二偏振信号(例如，第二偏振光信号319)的相位进行移位。单个检测器可以被配置为检测第一偏振信号(例如，第二偏振光信号317)，并且检测相位移位的第二偏振信号(例如，第二偏振光信号319)。

图3A和3B示出了相干LIDAR系统的示例，其可以通过将从对象反射回的光与来自本地振荡器(LO)的光混合来放置对象。本公开不限于此，并且在一些实现方式中，直接检测(或脉冲)LIDAR系统可以用于计算退偏振率。在一些实现方式中，用于偏振/退偏振率测量的直接检测LIDAR系统的硬件配置可以不同于相干LIDAR系统的硬件配置。例如，直接检测LIDAR系统可能需要特定地偏振输出脉冲并且添加另外光学器件以使测量特定于返回信号的不同偏振状态。用另外光学器件，直接检测LIDAR系统可以执行返回信号的偏振。另一方面，在相干LIDAR系统中，所测量的信号可以固有地是本地振荡器(LO)的相同偏振状态下的返回信号的一部分。

图4A至图4J是图示根据一些实现方式的退偏振率数据的各种示例的图像。

图4A示出表示在图4B至图4J中所示的退偏振率图像中使用的颜色方案401的图像。根据该颜色方案，更多的红色指示对象维持更多偏振(即，退偏振率接近0)，而更多的浅蓝色指示对象更多退偏振(即，退偏振率接近1)。

图4B示出了表示原始场景的颜色图像411、表示原始场景的反射率的图像412、以及表示原始场景的退偏振率的图像413。图4B示出沥青道路和砾石具有相似反射率，因此在反射率图像412中不能清楚地区分，而沥青道路414和砾石415具有不同的退偏振率，因此在退偏振率图像413中清楚地区分。也在图4B中示出，根据图4A的颜色方案，沥青道路414维持更多偏振，而砾石415更多退偏振。

图4C示出了表示原始场景的颜色图像421、表示原始场景的反射率的图像422、以及表示原始场景的退偏振率的图像423。图4C示出，沥青道路和车道标记具有相似反射率，因此在反射率图像422中不能清楚地区分，而沥青道路424和车道标记425具有不同的退偏振率，因此在退偏振率图像423中可以清楚地区分。也在图4C中示出，根据图4A的颜色方案，沥青道路424维持更多偏振，而车道标记425更多退偏振。

图4D示出了表示原始场景的颜色图像431和表示原始场景的退偏振率的图像432。图4D示出沥青道路433维持更多偏振，而草434更多退偏振，这对于检测路面是有用的。图4D还示出植物435维持更多偏振，而植物436更多退偏振。发明人发现，由于分裂像素处理伪像问题，错误地计算植物435的这种低退偏振率。通常，稀疏对象或目标(例如，灌木，树枝等)可能由于分割像素处理伪像而产生错误测量。

为了解决这种分割像素处理伪像问题，在一些实现方式中，可以使用主成分分析(PCA)来检测和丢弃这种稀疏对象。系统(例如，图3A和图3B中的处理系统318、358)可以计算或获得体素中的点的分布。系统可以执行PCA，以基于点分布来确定平面中的点是(1)平坦的，展开的、或实心的还是(2)稀疏的或线性排列的。响应于确定平面中的点是(2)稀疏的或线性排列的，系统可以从退偏振率的测量或计算中丢弃这些点。在执行PCA时，系统可以从分布的协方差矩阵中识别特征值，并且基于某一数量的最大特征值来确定对象(或多个点)的稀疏性。

图4E示出了各自表示街道场景的退偏振率的图像441和442。在图像441中，示出了停止标志444的金属背面和它的柱维持更多偏振，而它们上面的街道标志(或标牌)443更多退偏振。在图像442中，示出了沥青道路445(例如，黑色沥青道路)维持更多偏振，而车道标记446(例如，道路上的白漆)更多退偏振。

图4F示出了各自表示街道场景的退偏振率的图像451和452。示出了标志柱454(在图像451中)和标志柱457(在图像452中)维持更多偏振，而标志456的前部(在图像452中)更多退偏振。还示出了沥青道路455(在图像452中)维持更多偏振，而草453(在图像451中)和混凝土人行道或路缘石458(在图像452中)更多退偏振。

图4G示出了表示原始场景的颜色图像461和表示原始场景的退偏振率的图像462。在图像462中示出，金属柱467)维持更多偏振，而标志465的前部更多退偏振。还示出了沥青道路463维持更多偏振，而混凝土人行道或路缘石464更多退偏振。还示出了汽车的牌照466更多退偏振，而汽车的其它表面(例如前灯)维持更多偏振。

图4H示出了表示原始场景的颜色图像470和各自表示原始场景的退偏振率的图像471、472。示出了标志柱474和其标志的背面(在图像471中)、标志柱478(在图像472中)和链节栅栏477(在图像472中)维持更多偏振，而标志的前面479(在图像472中)更多退偏振。还示出了树473、475和草476(在图像472中)更多退偏振。

图4I示出了表示原始场景的颜色图像481和表示原始场景的退偏振率的图像482。在图像482中示出了不同的建筑材料(例如，建筑表面483、484、485)具有不同的退偏振率。

图4J示出了各自表示人的图像的退偏振率的图像491和492。示出了皮肤(例如，面部494、497，臂493、496)维持更多偏振，而毛发499和衣服495、498更多退偏振。从动物的图像获得类似的退偏振率。

基于来自图4A至图4J的观察，可以基于退偏振率来确定或检测对象的类型。在一些实现方式中，基于退偏振率的对象检测可以消除对象的几个关键表面的歧义。例如，(1)沥青维持更多偏振，而草、粗糙的混凝土或砾石更多退偏振；(2)金属杆维持更多偏振，而树、电话杆或电线杆更多退偏振；(3)金属表面(或标牌的后表面)维持更多偏振，而后标志(或标牌的前表面)更多退偏振；(4)道路表面维持更多偏振，而车道标记更多退偏振；(5)车辆牌照更多退偏振，而车辆的其它表面更多维持偏振；(6)(人或动物的)皮肤维持更多偏振，而毛发和衣服更多退偏振。

这种歧义消除技术可以帮助识别某些道路标记、标志、行人等。在一些实现方式中，退偏振率可以检测或识别对象的稀疏特征(例如，具有相对较小区域的特征)，从而可以容易地配准这种稀疏特征以消除不同对象的歧义。例如，可以利用人的稀疏特征(例如，基于低退偏振率检测到的皮肤特征)来检测或识别行人。

在一些实现方式中，基于退偏振率的不同对象或材料的歧义消除可以帮助感知系统(例如，图1A中的车辆控制系统120的感知子系统154)或规划系统(例如，图1A中的车辆控制系统120的规划子系统156)更准确地检测、跟踪、确定和/或分类车辆周围环境内的对象(例如，使用人工智能技术)。感知子系统154可以计算从LIDAR系统(例如，图3A和3B所示的LIDAR系统)获得的对象的图像的退偏振率或者接收由LIDAR系统计算的退偏振率。感知子系统154可以基于以下来分类对象：(1)所获得的退偏振率和(2)关键特征表面(例如，沥青、草、粗糙的混凝土、砾石、金属杆、树、电话杆、电线杆、标志表面、车道标记、车辆表面、牌照、皮肤、毛发等)与如上所述的它们的退偏振率之间的关系。机器学习模型或技术可以被利用于分类对象。这种机器学习模型或技术可以包括但不限于监督学习、无监督学习、半监督学习、回归算法、基于实例的算法、正则化算法、决策树算法、贝叶斯算法、聚类算法、人工神经网络、深度学习算法、降维算法(例如PCA)、整体算法、支持向量机(SVM)等。

参照图1A，感知子系统154可以基于对象分类的结果来执行诸如检测、跟踪、确定和/或识别车辆110A周围环境内的对象的功能。规划子系统156可以基于对象分类的结果来执行诸如在给定期望目的地以及在环境内的静态和运动对象的情况下在某个时间帧上规划车辆110A的轨迹的功能。控制子系统158可以基于对象分类的结果执行诸如生成用于控制车辆控制系统120中的各种控制的适当控制信号的功能，以便实现车辆110A的规划轨迹。

在一些实现方式中，自主车辆控制系统(例如，图1A中的车辆控制系统120)可以包括一个或多个处理器(例如，图1A中的处理器122、图3A中的处理系统318的处理器、图3B中的处理系统358的处理器。一个或多个处理器可以被配置为使得发射器(例如，图3A中的扫描器308)传输来自激光源(例如，图3A中的激光器302)的发射信号。一个或多个处理器可以被配置为使得接收器(例如，图3A中的扫描器308)接收由对象(例如，图3A中的对象310)所反射的返回信号(例如，图3A中的返回311)。发射器和接收器可以是单个收发器(例如，图3A中的扫描器308)。一个或多个处理器可以被配置为使得一个或多个光学器件(例如，图3A中的循环器光学器件306和PBS 312)生成返回信号的具有第一偏振的第一偏振信号(例如，图3A中的第一偏振光信号317)并且生成返回信号的具有与第一偏振正交的第二偏振的第二偏振信号(例如，图3A中的第二偏振光信号319)。

在一些实现方式中，一个或多个处理器可以被配置为使得一个或多个光学器件(例如，图3A中的PBS 312)的偏振分束器(PBS)用第一偏振使返回信号偏振以生成第一偏振信号。一个或多个处理器可以被配置为使得PBS用第二偏振使返回信号偏振，以生成第二偏振信号。一个或多个处理器可以被配置为使得一个或多个光学器件的第一检测器(例如，图3A中的第一检测器314)检测第一偏振信号。一个或多个处理器可以被配置为使得一个或多个光学器件的第二检测器(例如，图3A中的第二检测器316)检测第二偏振信号。

在一些实现方式中，第一检测器和第二检测器可以是单个检测器(例如，图3B中的单个检测器354)。一个或多个处理器可以被配置为使得相位移位器(例如，图3B中的移位器356)对第二偏振信号的相位进行移位。一个或多个处理器可以被配置为使得单个检测器检测第一偏振信号，并且检测相位移位的第二偏振信号(例如，图3B中的第一相位移位的第二偏振信号357)。

一个或多个处理器可以被配置为基于第一偏振信号和第二偏振信号之间的反射率(例如，退偏振率)的比率来操作车辆。在一些实现方式中，第一偏振信号可以指示对象的具有第一偏振的第一图像，并且第二偏振信号可以指示对象的具有第二偏振的第二图像。一个或多个处理器可以被配置为通过(例如，使用等式1)计算第一图像的平均信噪比(SNR)值与第二图像的平均SNR值之间的比率来计算反射率的比率。

一个或多个处理器可以被配置为基于所计算的反射率的比率来确定对象的类型。例如，感知子系统154(参见图1A)可以基于以下来分类对象：(1)所获得的退偏振率和(2)关键特征表面(例如，沥青、草、粗糙的混凝土、砾石、金属杆、树、电话杆、电线杆、标志表面、车道标记、车辆表面、牌照、皮肤、毛发等)与它们的退偏振率之间的关系。一个或多个处理器可以被配置为基于对象的类型来控制车辆的轨迹。例如，规划子系统156(参见图1A)可以基于对象分类的结果执行诸如规划用于车辆110A(参见图1A)的轨迹的功能。控制子系统158(参见图1A)可以基于对象分类的结果来执行诸如生成用于控制车辆控制系统120(参见图1A)中的各种控制的适当控制信号的功能，以便实现车辆110A的规划轨迹。

在一些实现方式中，一个或多个处理器可以被配置为将对象的类型确定为沥青道路、车道标记、粗糙的混凝土道路、草或砾石中的一种。一个或多个处理器可以被配置为基于所计算的反射率的比率来确定对象是沥青道路。例如，感知子系统154可以将对象分类为任一沥青道路、车道标记、粗糙的混凝土道路、草或砾石(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是沥青道路。

在一些实现方式中，一个或多个处理器可以被配置为将对象的类型确定为金属杆、树或电线杆中的一种。一个或多个处理器可以被配置为基于所计算的反射率的比率来确定对象是金属杆。例如，感知子系统154可以将对象分类为任一金属杆、树或电线杆(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是金属杆(或多个金属杆)。

在一些实现方式中，一个或多个处理器可以被配置为将对象的类型确定为一个或多个人。一个或多个处理器可以被配置为基于所计算的反射率的比率来确定一个或多个人的皮肤和衣服的相应区域。例如，感知子系统154可以将对象分类为一个或多个人(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，确定对象的第一部分的退偏振率是否小于第一预定阈值，以及确定对象的第二部分的退偏振率是否大于第二预定阈值。响应于确定对象的第一部分的退偏振率小于第一预定阈值，感知子系统154可以确定对象的第一部分是皮肤。响应于确定对象的第二部分的退偏振率大于第二预定阈值，感知子系统154可以确定对象的第二部分是毛发或衣服。

图5是图示根据一些实现方式的用于基于退偏振率来控制车辆的轨迹的示例方法的流程图。在该示例方法中，过程在步骤510处开始，由一个或多个处理器(例如，图1A中的处理器122、图3A中的处理系统318的处理器、图3B中的处理系统358的处理器)基于从LIDAR系统(例如，图1A中的传感器136、图3A和图3B中的LIDAR系统300、350)所获得的对象的一个或多个图像来确定对象的类型。

在步骤520，在一些实现方式中，一个或多个处理器可以确定对象是沥青道路、车道标记、粗糙的混凝土道路、草或砾石。响应于确定对象是沥青道路、车道标记、粗糙的混凝土道路、草或砾石，在步骤550，一个或多个处理器可以基于所计算的反射率的比率来确定对象是沥青道路。例如，感知子系统154可以将对象分类为任一沥青道路、车道标记、粗糙的混凝土道路、草或砾石(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是沥青道路。

在步骤530，一个或多个处理器可以确定对象是金属杆、树或电线杆。响应于确定对象是金属杆、树或电线杆，在步骤550，一个或多个处理器可以基于所计算的反射率的比率来确定对象是金属杆(或多个金属杆)。例如，感知子系统154可以将对象分类为金属杆、树或电线杆(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是金属杆(或多个金属杆)。

在步骤540，一个或多个处理器可以确定对象是否是一个或多个人。在一些实现方式中，在步骤550，一个或多个处理器可以基于所计算的反射率的比率来确定一个或多个人的皮肤和衣服的相应区域。例如，感知子系统154可以将对象分类为一个或多个人(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，确定对象的第一部分的退偏振率是否小于第一预定阈值，并且确定对象的第二部分的退偏振率是否大于第二预定阈值。响应于确定对象的第一部分的退偏振率小于第一预定阈值，感知子系统154可以确定对象的第一部分是皮肤。响应于确定对象的第二部分的退偏振率大于第二预定阈值，感知子系统154可以确定对象的第二部分是毛发或衣服。

在步骤560，一个或多个处理器可以基于对象的类型(例如，如在步骤550确定的沥青道路或金属杆的类型)或基于对象的区域(例如，如在步骤550确定的皮肤、毛发或衣服的区域)来控制车辆的轨迹。例如，规划子系统156可以基于所确定的对象的类型(例如，沥青道路或金属杆的类型)来执行诸如通过环境内的静态对象规划用于车辆110A的轨迹的功能。规划子系统156还可以基于所确定的对象的区域(例如，一个或多个人的皮肤、毛发或衣服的区域)来确定运动对象(例如，一个或多个人)的轨迹，并且基于运动对象的轨迹来通过环境中的运动对象来规划用于车辆110A的轨迹。

图6是图示根据一些实现方式的基于退偏振率来操作车辆的示例方法的流程图。在该示例方法中，该过程在步骤620开始，从激光源(例如，图3A中的激光器302)传输发射信号(例如，图3A中的发射信号309)并且接收由对象(例如，图3A中的对象310)所反射的返回信号(例如，图3A中的返回信号311)。在一些实现方式中，传输发射信号并且接收返回信号由单个收发器(例如，图3A中的扫描器308)执行。

在步骤640，在一些实现方式中，返回信号的具有第一偏振的第一偏振信号(例如，图3A中的第一偏振光信号317)可以由一个或多个光学器件(例如，图3A中的循环器光学器件306和PBS 312)生成。在生成第一偏振信号时，可以通过一个或多个光学器件的偏振分束器(PBS)(例如图3A中的PBS 312)用第一偏振使返回信号偏振，以生成第一偏振信号。第一偏振信号可以由一个或多个光学器件的第一检测器(例如，图3A中的第一检测器314)检测。

在步骤660，在一些实现方式中，返回信号的具有与第一偏振正交的第二偏振的第二偏振信号(例如，图3A中的第二偏振光信号319)可以由一个或多个光学器件生成。在生成第二偏振信号时，可以由PBS用第二偏振使返回信号偏振，以生成第二偏振信号。第二偏振信号可以由一个或多个光学器件的第二检测器(例如，图3A中的第二检测器316)检测。

在一些实现方式中，第一检测器和第二检测器可以是单个检测器(例如，图3B中的单个检测器354)。在生成第一偏振信号时，第一偏振信号可以由单个检测器检测。在生成第二偏振信号时，第二偏振信号的相位可以通过相位移位器(例如，图3B中的移位器356)偏移。相位移位的第二偏振信号(例如，图3B中的第一相位移位的第二偏振信号357)可以由单个检测器(例如，图3B中的单个检测器354)检测。

在步骤680，车辆(例如，图1A中的车辆110A)可以由一个或多个处理器(例如，图1A中的处理器122、图3A中的处理系统318的处理器、图3B中的处理系统358的处理器)基于第一偏振信号和第二偏振信号之间的反射率的比率(例如，退偏振率)来操作。在一些实现方式中，第一偏振信号可以指示对象的具有第一偏振的第一图像，并且第二偏振信号可以指示对象的具有第二偏振的第二图像。在计算反射率的比率时，可以计算第一图像的平均信噪比(SNR)值与第二图像的平均SNR值之间的比率(例如，使用等式1)。

在基于反射率的比率来操作车辆时，可以基于所计算的反射率的比率来确定对象的类型。例如，感知子系统154(参见图1A)可以基于以下来分类对象：(1)所获得的退偏振率和(2)关键特征表面(例如，沥青、草、粗糙的混凝土、砾石、金属杆、树、电话杆、电线杆、标志表面、车道标记、车辆表面、牌照、皮肤、毛发等)与它们的退偏振率之间的关系。在一些实现方式中，可以基于对象的类型来控制车辆的轨迹。例如，规划子系统156(参见图1A)可以基于对象分类的结果来执行诸如规划用于车辆110A(参见图1A)的轨迹的功能。

在一些实现方式中，在确定对象的类型时，对象的类型可以被确定为沥青道路、车道标记、粗糙的混凝土道路、草或砾石中的一种。可以基于所计算的反射率的比率来确定对象是沥青道路。例如，感知子系统154可以将对象分类为任一沥青道路、车道标记、粗糙的混凝土道路、草或砾石(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是沥青道路。

在一些实现方式中，在确定对象的类型时，对象的类型可以被确定为金属杆、树或电线杆中的一种。可以基于所计算的反射率比率来确定对象是金属杆。例如，感知子系统154可以将对象分类为任一金属杆、树或电线杆(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，并且确定对象的退偏振率是否小于预定阈值。响应于确定对象的退偏振率小于预定阈值，感知子系统154可以确定对象是金属杆(或多个金属杆)。

在一些实现方式中，在确定对象的类型时，对象的类型可以被确定为一个或多个人。可以基于所计算的反射率的比率来确定一个或多个人的皮肤和衣服的相应区域。例如，感知子系统154可以将对象分类为一个或多个人(例如，通过对从LIDAR系统获得的图像应用机器学习技术而不使用退偏振率)，确定对象的第一部分的退偏振率是否小于第一预定阈值，以及确定对象的第二部分的退偏振率是否大于第二预定阈值。响应于确定对象的第一部分的退偏振率小于第一预定阈值，感知子系统154可以确定对象的第一部分是皮肤。响应于确定对象的第二部分的退偏振率大于第二预定阈值，感知子系统154可以确定对象的第二部分是毛发或衣服。

提供前面的描述以使本领域的任何技术人员能够实践本文中描述的各个方面。对这些方面的各种修改对于本领域技术人员来说将是显而易见的，并且本文中定义的一般原理可以被应用于其它方面。因此，权利要求不旨在限于本文中所示的方面，而是要符合与语言权利要求一致的全部范围，其中，对于单数形式的元件的引用不旨在意味着“一个且只有一个”，除非特别如此明确说明，而是表示“一个或多个”。除非另有明确说明，否则术语“一些”是指一个或多个。本领域普通技术人员已知或以后将知道的贯穿先前描述而描述的各个方面的元件的所有结构和功能等效物通过引用被明确地并入本文中并且旨在由权利要求涵盖。此外，本文中所公开的任何内容均不旨在献给公众，无论这种公开内容是否在权利要求中被明确记载。除非使用短语“用于…的装置”明确引用了权利要求要素，否则该权利要求要素不被解释为装置加功能。

应当理解，所公开的过程中块的特定顺序或层次结构是说明性手段的示例。基于设计偏好，理解可以重新排列过程中块的特定顺序或层次结构，同时维持在先前描述的范围内。所附方法权利要求以样本顺序呈现各种块的元素，并不意味着限于呈现的特定顺序或层次结构。

提供所公开的实现方式的先前描述以使本领域的任何技术人员能够制作或使用所公开的主题。对这些实现方式的各种修改对于本领域技术人员来说将是显而易见的，并且本文中定义的一般原理可以被应用于其它实现方式而不背离先前描述的精神或范围。因此，先前的描述不旨在限于本文中所示的实现方式，而是要被赋予与本文中公开的原理和新颖特征一致的最宽范围。

仅作为示例提供所图示和描述的各种示例以说明权利要求的各种特征。然而，关于任何给定示例示出和描述的特征不必然限于相关联的示例并且可以与示出和描述的其它示例一起使用或组合。此外，权利要求不旨在由任何一个示例限制。

前述方法描述和过程流程图仅作为说明性示例被提供，并不旨在要求或暗示必须以呈现的顺序执行各种示例的块。如本领域技术人员将理解的，可以以任何顺序执行前述示例中的块的顺序。诸如“此后”、“然后”、“接下来”等的词并不旨在限制块的顺序；这些词只是用来贯穿方法的描述引导读者。此外，对于例如使用冠词“一”、“一个”或“该”的单数形式的权利要求要素的任何引用不应被解释为将要素限制为单数形式。

结合本文中公开的示例描述的各种说明性逻辑块、模块、电路和算法块可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，各种说明性部件、块、模块、电路和块已在上面在它们的功能方面被总体描述。这种功能是作为硬件还是软件被实现取决于特定应用和施加在整个系统上的设计约束。熟练的技术人员可以针对每个特定应用以不同的方式实现所描述的功能，但是这样的实现方式决策不应被解释为导致背离本公开的范围。

可以用被设计执行本文中描述的功能的通用处理器、DSP、ASIC、FPGA或其它可编程的逻辑器件、分立门或晶体管逻辑、分立硬件部件或其任何组合来实现或执行用于实现结合本文中公开的示例描述的各种说明性逻辑、逻辑块、模块和电路的硬件。通用处理器可以是微处理器，但替代地，处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、与DSP核心相结合的一个或多个微处理器或任何其它这样的配置。替代地，一些块或方法可以由特定于给定功能的电路执行。

在一些示例性示例中，所描述的功能可以以硬件、软件、固件或其任何组合实现。如果以软件实现，则这些功能可以作为一个或多个指令或代码被存储在非临时性计算机可读存储介质或非临时性处理器可读存储介质上。本文中公开的方法或算法的块可以被体现在处理器可执行软件模块中，该软件模块可以驻留在非暂时性计算机可读或处理器可读存储介质上。非暂时性计算机可读或处理器可读存储介质可以是可由计算机或处理器访问的任何存储介质。作为示例而非限制，这种非暂时性计算机可读或处理器可读存储介质可包括RAM、ROM、EEPROM、闪存存储器、CD-ROM或其它光盘存储器、磁盘存储器或其它磁存储设备，或可以被用于以指令或数据结构的形式存储期望的程序代码并且可以由计算机访问的任何其它介质。如本文中所使用的，光盘和磁盘包括致密盘(CD)、激光盘、光盘、数字通用盘(DVD)、软盘和蓝光光盘，其中，磁盘通常以磁方式再现数据，而光盘使用激光以光学方式再现数据。以上的组合也被包括在非暂时性计算机可读和处理器可读介质的范围内。另外，方法或算法的操作可以作为代码和/或指令的一个或任何组合或集合驻留在非暂时处理器可读存储介质和/或计算机可读存储介质上，其可以被并入计算机中程序产品内。

提供所公开示例的前述描述以使本领域的任何技术人员能够制作或使用本公开。对这些示例的各种修改对于本领域技术人员来说将是显而易见的，并且本文中定义的一般原理可以被应用于一些示例而不背离本公开的精神或范围。因此，本公开不旨在限于本文中所示的示例，而是要符合与所附权利要求以及本文中公开的原理和新颖特征一致的最宽范围。