[0001] 本公开总体上涉及车辆传感器。

[0002] 车辆可以配备有计算机、网络、传感器和控制器以获取关于车辆环境的数据和/或操作车辆部件。车辆传感器可以提供关于车辆的环境(例如，有关在车辆的环境中要行驶的路线和要避开的对象)的数据。此外，车辆可以从一个或多个外部源(例如，中央服务器、安装到基础设施的传感器等)接收数据。

[0035] 车辆中的计算机可以识别由来自故障传感器的不正确或不完整数据导致的数据异常，和/或在识别到未存储在计算机的存储器中的位置时识别数据异常。为了操作车辆并解决数据异常，计算机可以与安装到基础设施元件的基础设施服务器通信。计算机可以请求关于车辆和/或地理位置的数据来解决数据异常。基础设施服务器可以致动安装到基础设施元件的相机以收集多个图像。基础设施服务器可以识别图像中来自请求的车辆和/或地理位置。为了解决数据异常，基础设施服务器可以向计算机提供车辆和/或地理位置的地理坐标。基础设施服务器可以收集高分辨率的地理坐标数据，以向计算机提供精确的地理坐标。计算机通过请求精确的地理坐标数据来解决数据异常来改善车辆的操作。也就是说，与本该已经使用故障传感器和/或不完整的位置地图收集的位置数据相比，车辆可以以更高精确度的更多位置数据来操作。由于基础设施服务器在其本地区域中提供数据，因此可以减少对中央服务器的请求，从而减少由中央服务器执行的计算。将数据请求本地化到沿着道路分布的多个基础设施服务器可能会减少由计算机网络执行的总体计算以及通过通信网络发送的传输。

[0036] 图1示出了用于检测车辆101的示例性系统100。车辆101中的计算机105被编程为从一个或多个传感器110接收所收集的数据。例如，车辆101的数据可以包括车辆101的位置、关于车辆周围的环境的数据、关于车辆外部的对象(诸如另一车辆)的数据等。车辆101的位置通常以常规形式提供，所述形式为例如经由使用全球定位系统(GPS)的导航系统获得的地理坐标(诸如纬度和经度坐标)。数据的另外的示例可以包括车辆101系统和部件的测量结果，例如，车辆101速度、车辆101轨迹等。车辆101是可移动的，即，可以从第一位置移动到第二位置。

[0037] 计算机105通常被编程为在车辆101网络上进行通信，所述网络例如包括常规车辆101的通信总线(诸如CAN总线、LIN总线等)和/或其他有线和/或无线技术(例如以太网、WIFI等)。经由网络、总线和/或其他有线或无线机制(例如车辆101中的有线或无线局域网)，计算机105可以向车辆101中的各种装置(例如控制器、致动器、传感器等，包括传感器
110)传输消息和/或从所述各种装置接收消息。替代地或另外，在计算机105实际上包括多个装置的情况下，车辆网络可以用于在本公开中表示为计算机105的装置之间的通信。另外，计算机105可以被编程用于与网络120进行通信，如下所述，所述网络可以包括各种有线和/或无线联网技术，例如蜂窝、 、低功耗 (BLE)、有线和/或无线
分组网络等。

[0038] 存储器可以是任何类型，例如，硬盘驱动器、固态驱动器、服务器或任何易失性或非易失性介质。存储器可以存储从传感器110发送的收集数据。存储器可以是与计算机105分离的装置，并且计算机105可以经由车辆101中的网络(例如，通过CAN总线、无线网络等)检索由存储器存储的信息。替代地或另外，存储器可以是计算机105的一部分，例如作为计算机105的存储器。

[0039] 传感器110可以包括多种装置。例如，车辆101中的各种控制器可以充当传感器110以经由主车辆101网络或总线提供数据，例如与车辆速度、加速度、位置、子系统和/或部件状态等有关的数据。此外，其他传感器110可以包括相机、运动检测器等，即，用于提供数据以评估部件的位置、评估道路的坡度等的传感器110。传感器110还可以包括但不限于短程雷达、远程雷达、激光雷达和/或超声波传感器。

[0040] 所收集的数据可以包括收集在车辆101中的多种数据。上面提供了所收集的数据的示例，并且此外，数据通常使用一个或多个传感器110来收集，并且可以另外包括在计算机105中和/或在服务器125处根据其计算出的数据。通常，所收集的数据可以包括可以由传感器110采集的和/或根据此类数据计算出的任何数据。所收集的数据可以存储在数据存储区106中。

[0041] 车辆101可以包括多个车辆部件115。在此上下文中，每个车辆部件115包括适于执行诸如移动车辆101、使车辆101减慢或停止、使车辆101转向等机械功能或操作的一个或多个硬件部件。部件115的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、变速器部件、转向部件(例如，其可以包括方向盘、转向齿条等中的一者或多者)、制动部件、驻车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅等。

[0042] 当计算机105操作车辆101时，车辆101是“自主”车辆101。出于本公开的目的，术语“自主车辆”用于指代在完全自主模式下操作的车辆101。完全自主模式被定义为其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动系统进行)、制动和转向中的每一者都由计算机105控制的模式。半自主模式是其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动系统进行)、制动和转向中的至少一者至少部分地由计算机105而不是人类操作员控制的模式。在非自主模式(即，手动模式)下，车辆101的推进、制动和转向由人类操作员控制。

[0043] 系统100还可以包括连接到服务器125的网络120。计算机105还可以被编程为经由网络120与诸如服务器125的一个或多个远程站点通信，这种远程站点可能包括存储器。网络120表示车辆计算机105可以借助来与远程服务器125通信的一个或多个机制。因此，网络120可以是各种有线或无线通信机制中的一者或多者，包括有线(例如，电缆和光纤)和/或无线(例如，蜂窝、无线、卫星、微波和射频)通信机制的任何所需组合以及任何所需的网络拓扑(或当利用多个通信机制时的多个拓扑)。示例性通信网络包括提供数据通信服务的无线通信网络(例如，使用 低功耗(BLE)、IEEE 802.11、车辆对车
辆(V2V)(诸如专用短程通信(DSRC))、蜂窝式V2X等)、局域网(LAN)和/或包括因特网的广域网(WAN)。

[0044] 系统100包括基础设施元件130。在此上下文中，“基础设施元件”是在道路附近的固定结构，诸如杆、桥梁、墙壁等。也就是说，基础设施元件130固定到单个位置。基础设施元件130包括基础设施服务器135，所述基础设施服务器135包括处理器和存储器。基础设施元件130可以包括相机140，即，相机140是固定的。相机140安装到基础设施元件130。相机140收集关于在道路上的一个或多个对象的数据，并且将数据存储在基础设施服务器135的存储器中。基础设施服务器135可以识别由相机140收集的数据中的对象，例如车辆101、行人、骑自行车的人等。基础设施服务器135可以通过网络120与计算机105和服务器125通信。例如，基础设施服务器135可以向相应车辆101中的一个或多个计算机105广播数据，所述数据指示由相机140识别的对象。

[0045] 图2是具有多个车辆101和基础设施元件130的道路的视图。基础设施元件130收集关于在道路上的多个车辆101的数据。也就是说，相机140收集数据，并且基础设施服务器135分析数据以识别一个或多个车辆101在道路上的位置。在此上下文中，“位置”是一组地理坐标数据，例如，全局地理坐标系中的纬度坐标和经度坐标。地理坐标数据包括位置和航向角，如下所述。图2示出了基础设施元件130，其定义具有沿着纬度线的x轴和沿着经度线的y轴的全局坐标系。“位置”是坐标系(例如，全局地理坐标系、局部坐标系等)中的位置。图
2中的位置是全局坐标系中的x，y坐标集合。“航向角”是在车辆101的当前轨迹与坐标系的轴线之间限定的角度，例如，从x轴逆时针限定的角度θ。基础设施服务器135可以在基础设施元件130的广播半径内向车辆101中的一个或多个计算机105传输由相机140收集的数据。

[0046] 相机140安装到基础设施元件130。相机140可以收集关于道路上的一个或多个车辆101的图像数据。替代地或另外，相机140可以收集道路上的指定地理位置的图像数据。基础设施服务器135可以基于图像数据识别车辆101的位置和/或指定的地理位置。基础设施服务器135可以将所识别的位置传输到道路上的车辆101中的一者的计算机105。

[0047] 计算机105可以识别数据异常。在此上下文中，“数据异常”是计算机105缺少用于车辆101的操作的数据的识别。例如，数据异常可以是车辆的传感器110正在收集低于置信度阈值的数据的识别。置信度阈值可以是在对虚拟道路上的虚拟车辆101进行模拟测试期间识别的由传感器收集的故障或噪声数据的预定百分比。例如，计算机105可以指示传感器110收集数据，并且当传感器110未能收集数据时，计算机105可以识别数据异常。在另一个示例中，置信度阈值可以是通过模拟和/或实验测试道路上的车辆确定的收集的地理坐标数据的分辨率，例如10厘米分辨率。也就是说，当传感器110收集具有30厘米分辨率的数据时，计算机105可以确定所收集的数据不具有由置信度阈值指定的精度，并且可以识别数据异常。

[0048] 在另一个示例中，计算机105可以识别道路上的遮挡结构(例如，路标、基础设施元件130等)，并且计算机105可以识别数据异常。也就是说，当遮挡超过遮挡阈值时，计算机105可以确定传感器110正在收集低于置信度阈值的数据。遮挡阈值可以是有错误的和/或未收集的数据(例如，像素数量)的百分比，例如，被诸如碎片的遮挡物质阻挡的图像传感器
110的像素数量。例如，遮挡阈值可以是未收集的像素的50％。可以基于对车辆中的传感器的模拟和/或实验测试来确定遮挡阈值，以在存在遮挡结构时确定车辆中的图像处理算法正确识别对象所需的数据量。

[0049] 在又一示例中，当由传感器110收集的图像数据包括来自光源(例如，目光)的超过饱和度阈值的光饱和度时，计算机105可以确定传感器110正在收集低于置信度阈值的数据。饱和度阈值可以是有错误的或未收集的数据的百分比，例如，由于日晒和/或来自太阳的眩光而被识别为白色的像素数量。也就是说，阳光可以使图像传感器饱和，即，可以将像素渲染为白色，并且遮蔽来自对象的本该在没有饱和日晒下被收集的光。例如，饱和度阈值可以是白色像素的50％。可以基于对车辆中的传感器的模拟和/或实验测试来确定饱和度阈值，并且确定当像素目光饱和时车辆中的图像处理算法正确识别对象所需的数据量。

[0050] 在另一个示例中，数据异常可以是存储在车辆101的计算机105的存储器中的地理数据库之外的地理位置(即，地理区域或点)的识别。例如，计算机105在检测到计算机105的存储器中的高分辨率地图中未包括或未辨识的道路部分时可以识别数据异常。也就是说，计算机105可以将车辆101的计划路径与存储在存储器中的高分辨率地图进行比较。在识别计划路径上的在高分辨率地图中未提供和未辨识的至少一个地理位置之后，计算机105可以识别数据异常。

[0051] 基础设施服务器135从车辆101接收请求。在此上下文中，“请求”是从计算机105发送到基础设施服务器135的消息，指示数据异常和为解决数据异常而请求的数据。所述请求包括数据异常，所述数据异常包括车辆101的传感器110中的至少一个收集低于置信度阈值的数据，或地理位置在车辆101的地理数据库之外。基础设施服务器135可以致动相机140以收集车辆101或地理位置中的一者的数据。基础设施服务器135基于包括车辆101或地理位置的图像数据中的识别像素来识别车辆101或地理位置的地理坐标，如下所述。基础设施服务器135向计算机105提供诸如路标数据、道路拓扑数据和地理坐标之类的数据以解决数据异常。基础设施服务器135可以向请求车辆101提供所请求的数据(如果需要的话，数据被更新)(例如，地理数据)，直到车辆101离开基础设施服务器135的广播范围为止。“广播范围”是基础设施元件130周围的距离，基础设施服务器135可以在该距离内广播数据，例如地理坐标。在识别数据异常之后，计算机105可以识别其中传感器110未收集数据的地理区域并向基础设施服务器135发送包括所识别的地理区域的请求。

[0052] 基础设施服务器135可以根据来自车辆101的请求从除所述车辆101之外的一个或多个车辆101请求数据。除了由相机140收集的数据之外，基础设施服务器135还可以请求一个或多个车辆101中的相应计算机105致动相应传感器110以收集关于请求车辆101和/或地理位置的数据。计算机105可以将数据传输到基础设施服务器135，并且基础设施服务器135可以识别地理坐标以解决数据异常。

[0053] 图3是从安装到基础设施元件130的相机140的角度看到的道路和车辆101的视图。基础设施服务器135可以收集道路的图像。所述图像包括多个像素。图像可以定义具有从原点O图像延伸的水平轴线x图像和垂直轴线y图像的局部坐标系。

[0054] 基础设施服务器135可以将每个像素与“距离分辨率d”(即，在由图像定义的局部坐标系中沿着x图像方向的距离)相关联。距离分辨率具有长度单位，例如米、厘米等。指定像素的距离分辨率d对应于现实世界的距离，所述距离定义由指定像素捕获的矩形区域的一条边。因为相机140的视野不是俯视图，所以每个像素可以具有不同的距离分辨率d。也就是说，与从更接近基础设施元件130的道路部分接收光的其他像素相比，至少一些像素可以从更远离基础设施元件130的道路部分接收光。道路部分越接近基础设施元件，分配给像素的距离分辨率d越小。因为像素是正方形，所以计算机105可以将像素在y图像方向上的距离近似为距离分辨率d的值。也就是说，每个像素的距离分辨率d在x图像方向上限定水平距离的值并且在y图像方向上限定竖直距离的相同值。

[0055] 基础结构服务器135可以基于参考度量(例如，典型车辆101的宽度)为每个像素分配指定的距离分辨率d。也就是说，基础设施服务器135可以通过例如Canny边缘检测来检测车辆101的边缘，并且可以在从边缘中的一个延伸到边缘中的另一个的x图像方向上识别多个像素。基于像素的数量和车辆101的预定宽度(例如，190厘米)，基础设施服务器135可以将距离分辨率d分配给每个像素。例如，在图3的示例中，车辆101的宽度可以跨越36个像素延伸，因此每个像素的距离分辨率d为190/36＝5.3厘米，精确到小数点后一位。

[0056] 基础设施服务器135可以基于包括车辆101或地理位置的像素的相应距离分辨率d来识别车辆101和/或地理位置的地理坐标。基础设施服务器135可以识别包括车辆101或地理位置的像素，并且基于像素的距离分辨率d来识别车辆或地理位置与基础设施元件130之间的相对距离。也就是说，基础设施服务器135可以基于基础设施元件130的已知地理坐标与包括像素的位置之间的相对距离来将地理坐标分配给每个像素。基础设施服务器135可以向计算机105提供分配给包括车辆101或地理位置的像素的地理坐标以解决数据异常。

[0057] 基础设施服务器135可以识别包括车辆101或地理位置的边界300。边界300是包围车辆101或地理位置的几何形状。因为车辆101或地理位置可能不完全占据每个相关联的像素，所以基础设施服务器135可以识别边界300，使得包括车辆101或地理位置的至少一部分的所有像素都在边界300内。也就是说，边界300内的像素的地理坐标至少包括车辆101或地理位置的地理坐标。基础设施服务器135可以向计算机105提供边界300包围的像素的地理坐标。

[0058] 图4是比图3所示的车辆更靠近基础设施元件130的车辆101的图像。因为车辆101比图3中的车辆更靠近基础设施元件130，所以包括车辆101的像素的距离分辨率d小于图3所示的距离分辨率。也就是说，车辆101的190cm宽度在图4中比在图3中跨越更多像素延伸，并且每个像素的距离分辨率较小d。在图4的示例中，车辆101的宽度跨越70个像素延伸，因此距离分辨率d为190/70＝2.7cm，精确到小数点后一位。图4示出了包围车辆101的边界400。基础设施服务器135可以识别边界400内的像素中所包括的位置的地理坐标。基础设施服务器135可以向车辆101的计算机105提供所识别的地理坐标以解决数据异常。

[0059] 图5是更靠近由相机140收集的基础设施元件130的车辆101的图像。车辆101的宽度跨越168个像素延伸，因此距离分辨率d为190/168＝1.1cm，精确到小数点后一位。图5示出了包围车辆101的边界500。基础设施服务器135可以识别边界500中的像素中所包括的位置的地理坐标。因为分配给更接近基础设施元件130的位置的像素的距离分辨率d小、于分配给更远离基础设施元件130的位置的像素的距离分辨率，所以对于包括更接近基础设施元件130的位置的像素，基础设施服务器135可以更精确地识别地理坐标(即，可能的距离分辨率误差较小)。也就是说，边界500内的相邻像素之间的地理坐标相差1.1cm，并且边界300内的相邻像素之间的地理坐标相差5.3cm。对于更接近的像素的该附加距离精度允许基础设施服务器135向计算机105提供更精确的地理坐标以解决数据异常。

[0060] 图6示出了由相机140收集的图像的像素600，为清楚起见仅标示所述像素中的一个。如上所述，基础设施服务器135可以基于关于道路上的车辆101的收集的图像数据向每个像素600分配距离分辨率d。在分配距离分辨率d之后，基础设施服务器135可以基于基础设施元件130的地理坐标和距离分辨率来识别每个像素600的地理坐标。也就是说，对于指定像素600，基础设施服务器135可以将从图像的边缘(例如，下边缘)延伸到指定像素600的像素600的距离分辨率d相加。像素600的距离分辨率的总和是从基础设施元件130(由图像的下边缘表示)到指定像素600中所包括的位置的距离。基础设施服务器135可以将从基础设施元件130到基础设施元件130的各预定地理坐标的距离相加，例如，如由服务器125提供给基础设施服务器135的距离，以确定分配给指定像素600的位置的地理坐标。基础设施服务器135因此可以识别图像的每个像素600的地理坐标，并且将地理坐标存储在存储器中。然后，在识别包括车辆101和/或地理位置的像素600之后，基础设施服务器135可以调用分配给所识别的像素的地理坐标，并且将地理坐标传输到车辆101。

[0061] 在从车辆101接收到包括数据异常的请求时，基础设施服务器135可以致动相机140以收集道路的图像。基础设施服务器135可以使用常规的图像处理算法，例如Canny边缘检测，来识别包括请求中所包括的车辆101或地理位置的像素。在识别像素之后，基础设施服务器135可以识别分配给像素的地理坐标并且向计算机105提供地理坐标以解决数据异常。在图6的示例中，阴影像素表示车辆101，并且基础设施服务器135可以向计算机105提供分配给阴影像素的地理坐标。

[0062] 图7是用于检测车辆101的示例性过程700的框图。过程700开始于框705，其中车辆的计算机105识别数据异常。如上所述，车辆101中的计算机105可以在确定传感器110正在收集低于置信度阈值的数据时识别数据异常和/或计算机105识别计算机105的地理数据库中不存在的地理位置。

[0063] 接下来，在框710中，安装到基础设施元件130的基础设施服务器135从车辆101接收指示数据异常的请求。所述请求可以包括用于解决数据异常的数据的指示。例如，所述请求可以包括对在计算机105的地理数据库中不存在的地理位置的指示。

[0064] 接下来，在框715中，基础设施服务器135致动相机140以收集图像数据。相机140收集道路的多个图像，并且将图像存储在基础设施服务器135的存储器中。每个图像包括多个像素。所述图像可以包括多个车辆101和/或地理位置来解决一个或多个计算机105的数据异常。

[0065] 接下来，在框720中，基础设施服务器135识别包括请求中所识别的车辆101和/或地理位置的多个像素。基础设施服务器135可以使用图像处理技术，例如Canny边缘检测，来识别图像中的车辆101和/或地理位置以及其相关联的像素。

[0066] 接下来，在框725中，基础设施服务器135识别分配给图像中的像素的地理坐标。如上所述，基础结构服务器135可以基于参考度量(例如，车辆101的宽度)识别每个像素的距离分辨率。基础设施服务器135可以通过将从图像的边缘到所识别的像素的所有像素的距离分辨率与基础设施元件130的地理坐标相加，来识别所识别的像素的地理坐标。也就是说，基础设施服务器135可以使用存储在存储器中的基础设施元件130的已知地理坐标集合以及由从图像边缘到所识别的像素的像素的距离分辨率表示的距离来将地理坐标分配给图像的每个像素。基础设施服务器135可以将分配的地理坐标存储在存储器中。在识别包括车辆101和/或地理位置的像素之后，基础设施服务器135可以调用分配给所识别的像素的地理坐标。

[0067] 接下来，在框730中，基础设施服务器135通过网络120将地理坐标发送到车辆101的计算机105。如上所述，基础设施服务器135可以通过网络120广播地理坐标，直到车辆101离开基础设施服务器135的广播范围为止。计算机105可以使用接收到的地理坐标来解决数据异常。

[0068] 接下来，在框735中，车辆101的计算机105根据所传输的地理坐标来致动一个或多个部件115。因为计算机105接收地理坐标以解决数据异常，所以计算机105可以利用本该已经由故障传感器110收集的数据来操作车辆101和/或将所述车辆操作进入计算机105的存储器中不存在的位置。例如，计算机105可以致动推进和转向以将车辆101移向计算机105的存储器中不存在的位置。

[0069] 接下来，在框740中，基础设施服务器135确定是否继续过程700。例如，基础设施服务器135可以在从车辆101接收到另一个请求之后确定继续过程。如果基础设施服务器135确定继续过程，则过程700返回到框705。否则，过程700结束。

[0070] 本文所讨论的计算装置(包括计算机105)包括处理器和存储器，所述存储器通常各自包括可由诸如上面标示的计算装置的一个或多个计算装置执行并用于执行上述过程的框或步骤的指令。计算机可执行指令可以由使用多种编程语言和/或技术创建的计算机TM程序来编译或解释，所述编程语言和/或技术包括但不限于单独或组合形式的Java 、C、C++、Visual Basic、Java Script、Python、Per1、HTML等。一般来说，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令并且执行这些指令，由此执行一个或多个过程，包括本文所描述的过程中的一者或多者。此类指令和其他数据可以使用各种计算机可读介质来存储和传输。计算机105中的文件通常是存储在计算机可读介质(诸如存储介质、随机存取存储器等)上的数据的集合。

[0071] 计算机可读介质包括参与提供可以由计算机读取的数据(例如，指令)的任何介质。这种介质可以采用许多形式，包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘和其他持久性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(DRAM)。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD ROM、DVD、任何其他光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、快闪EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从中读取的任何其他介质。

[0072] 关于本文所描述的介质、过程、系统、方法等，应当理解，尽管已经将此类过程等的步骤描述为按照某个有序序列发生，但是此类过程可以通过以不同于本文描述的顺序的顺序执行所描述的步骤来实践。还应理解，可以同时执行某些步骤，可以添加其他步骤，或者可以省略本文所述的某些步骤。例如，在过程700中，可以省略步骤中的一个或多个，或者可以与图7中所示的不同的顺序执行步骤。换句话说，本文对系统和/或过程的描述是为了示出某些实施例而提供而决不应被理解为对所公开的主题进行限制。

[0073] 因此，应理解，包括以上描述和附图以及所附权利要求的本公开意图为说明性的而非限制性的。在阅读了以上描述之后，除了所提供的示例之外的许多实施例和应用对于本领域技术人员而言将是明显的。本发明的范围不应参考以上描述来确定，而应参考所附的和/或基于此包括在非临时专利申请中的权利要求连同此类权利要求所赋予权利的等效物的全部范围来确定。设想并预期未来的发展将在本文讨论的技术中发生，并且所公开的系统和方法将结合到此类未来实施例中。总而言之，应当理解，所公开的主题能够进行修改和变化。

[0074] 除非另有说明或上下文另有要求，否则修饰名词的冠词“一个”应被理解为是指一个或多个。短语“基于”涵盖部分地或完全地基于。

[0075] 根据本发明，提供了一种系统，其具有固定基础设施元件，所述固定基础设施元件包括：安装到基础设施元件的相机；以及基础设施服务器，其包括处理器和存储器，所述存储器存储指令，所述指令可由处理器执行以：从可移动车辆接收请求，所述请求识别包括以下各项中的至少一者的数据异常：(1)车辆的传感器收集低于置信度阈值的数据，或(2)地理位置在车辆的地理数据库之外；致动相机以收集车辆或地理位置中的一者的图像数据；基于包括车辆或地理位置的图像数据中的识别像素来识别车辆或地理位置的地理坐标；并且向车辆提供地理坐标以解决数据异常。

[0076] 根据一个实施例，所述指令还包括用于进行以下操作的指令：根据来自车辆的请求从除所述车辆之外的一个或多个车辆请求数据。

[0077] 根据一个实施例，所述指令还包括用于进行以下操作的指令：向车辆提供所请求的数据，直到车辆离开基础设施服务器的广播范围为止。

[0078] 根据一个实施例，所述指令还包括用于进行以下操作的指令：将距离分辨率分配给每个像素，并且基于分配给车辆或地理位置的像素的相应距离分辨率来识别车辆或地理位置的地理坐标。

[0079] 根据一个实施例，所述指令还包括用于进行以下操作的指令：基于包括车辆或地理位置的像素的相应距离分辨率来识别基础设施元件与车辆或地理位置之间的相对距离。

[0080] 根据一个实施例，所述指令还包括用于进行以下操作的指令：将地理坐标分配给每个像素并且向车辆提供分配给包括车辆或地理位置的像素的相应地理坐标。

[0081] 根据一个实施例，所述指令还包括用于进行以下操作的指令：识别包括车辆或地理位置的边界并且向车辆提供由边界包围的像素的地理坐标。

[0082] 根据一个实施例，所述车辆包括计算机，所述计算机被编程为当传感器未能收集数据时确定传感器正在收集低于置信度阈值的数据。

[0083] 根据一个实施例，本发明的特征还在于车辆计算机，所述车辆计算机被编程为将车辆的计划路径与存储在计算机的存储器中的高分辨率地图进行比较，并且当在高分辨率地图中未提供计划路径的至少一个地理位置时识别数据异常。

[0084] 根据一个实施例，本发明的特征还在于车辆计算机，所述车辆计算机被编程为在识别数据异常之后，识别其中传感器未收集数据的地理区域并发送包括所识别的地理区域的请求。

[0085] 根据一个实施例，本发明的特征还在于车辆计算机，所述车辆计算机被编程为确定对传感器的遮挡并且当遮挡超过遮挡阈值时确定传感器正在收集低于置信度阈值的数据。

[0086] 根据一个实施例，本发明的特征还在于车辆计算机，所述车辆计算机被编程为当由车辆的传感器收集的图像数据包括来自目光的超过饱和度阈值的光饱和度时，识别数据异常。

[0087] 根据本发明，提供了一种方法，其具有：从可移动车辆接收请求，所述请求识别数据异常，所述数据异常包括以下各项中的至少一者：(1)车辆的传感器收集低于置信度阈值的数据，或(2)地理位置在车辆的地理数据库之外；致动相机以收集车辆或地理位置中的一者的图像数据；基于包括车辆或地理位置的图像数据中的识别像素来识别车辆或地理位置的地理坐标；以及向车辆提供地理坐标以解决数据异常。

[0088] 根据一个实施例，本发明的特征还在于，从所述车辆以外的一个或多个车辆请求数据以收集所请求的数据。

[0089] 根据一个实施例，本发明的特征还在于，向车辆提供所请求的数据，直到车辆离开基础设施服务器的广播范围为止。

[0090] 根据一个实施例，本发明的特征还在于，将距离分辨率分配给每个像素，并且基于分配给车辆或地理位置的像素的相应距离分辨率来识别车辆或地理位置的地理坐标。

[0091] 根据一个实施例，本发明的特征还在于，基于包括车辆或地理位置的像素的相应距离分辨率来识别基础设施元件与车辆或地理位置之间的相对距离。

[0092] 根据一个实施例，本发明的特征还在于，将地理坐标分配给每个像素并且向车辆提供分配给包括车辆或地理位置的像素的相应地理坐标。

[0093] 根据一个实施例，本发明的特征还在于，识别包括车辆或地理位置的边界并且向车辆提供由边界包围的像素的地理坐标。

[0094] 根据一个实施例，本发明的特征还在于，将车辆的计划路径与高分辨率地图进行比较，并且在高分辨率地图中未提供计划路径的至少一个地理位置时识别数据异常。