Stop detection system

Abstract

In some aspects, a system may obtain scenario information associated with determining stop information associated with a moveable object. The system may receive sensor data collected by a set of available sensors. The system may select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors. The system may select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information. The system may determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors. Numerous other aspects are described.

Description

STOP DETECTION SYSTEM

[0001] FIELD OF THE DISCLOSURE

[0002] Aspects of the present disclosure generally relate to autonomous driving and / or an advanced driver assistance system (ADAS) and, for example, to a stop detection system capable of selecting stop detection mode.BACKGROUND

[0003] Autonomous driving systems are an emerging technology that allows a vehicle to operate without human input, following a pre-programmed route or responding to real-time environmental conditions. Autonomous driving systems generally use a combination of sensors, cameras, and software algorithms to perceive the environment and make decisions based on the perceived environment. Autonomous driving technology may be designed to create a safer, more efficient, and more convenient mode of transportation that reduces the need for human intervention. The development of autonomous driving systems has been driven by a convergence of factors (e.g., advancements in sensor technology, artificial intelligence, and machine learning) that have enabled vehicles to sense and process information from the surrounding environment (e.g., road conditions, traffic, and pedestrians) .SUMMARY

[0004] Some aspects described herein relate to a method. The method may include obtaining, by a system, scenario information associated with determining stop information associated with a moveable object. The method may include receiving, by the system, sensor data collected by a set of available sensors. The method may include selecting, by the system, a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors. The method may include selecting, by the system and based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information. The method may include determining, by the system, the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0005] Some aspects described herein relate to a system for wireless communication. The system may include one or more memories and one or more processors coupled to the one or more memories. The one or more processors may be configured to obtain scenario information  associated with determining stop information associated with a moveable object. The one or more processors may be configured to cause the system to receive sensor data collected by a set of available sensors. The one or more processors may be configured to cause the system to select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors. The one or more processors may be configured to cause the system to select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information. The one or more processors may be configured to cause the system to determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0006] Some aspects described herein relate to a non-transitory computer-readable medium that stores a set of instructions for wireless communication by a system. The set of instructions, when executed by one or more processors of the system, may cause the system to obtain scenario information associated with determining stop information associated with a moveable object. The set of instructions, when executed by one or more processors of the system, may cause the system to receive sensor data collected by a set of available sensors. The set of instructions, when executed by one or more processors of the system, may cause the system to select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors. The set of instructions, when executed by one or more processors of the system, may cause the system to select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information. The set of instructions, when executed by one or more processors of the system, may cause the system to determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0007] Some aspects described herein relate to an apparatus for wireless communication. The apparatus may include means for obtaining scenario information associated with determining stop information associated with a moveable object. The apparatus may include means for receiving sensor data collected by a set of available sensors. The apparatus may include means for selecting a stop detection mode to be used by the apparatus in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors. The apparatus may include means for selecting, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information. The apparatus may include means for determining the  stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0008] Aspects generally include a method, apparatus, system, computer program product, non-transitory computer-readable medium, user device, user equipment, wireless communication device, and / or processing system as substantially described with reference to and as illustrated by the drawings and specification.

[0009] The foregoing has outlined rather broadly the features and technical advantages of examples according to the disclosure in order that the detailed description that follows may be better understood. Additional features and advantages will be described hereinafter. The conception and specific examples disclosed may be readily utilized as a basis for modifying or designing other structures for carrying out the same purposes of the present disclosure. Such equivalent constructions do not depart from the scope of the appended claims. Characteristics of the concepts disclosed herein, both their organization and method of operation, together with associated advantages will be better understood from the following description when considered in connection with the accompanying figures. Each of the figures is provided for the purposes of illustration and description, and not as a definition of the limits of the claims.BRIEF DESCRIPTION OF THE DRAWINGS

[0010] So that the above-recited features of the present disclosure can be understood in detail, a more particular description, briefly summarized above, may be had by reference to aspects, some of which are illustrated in the appended drawings. It is to be noted, however, that the appended drawings illustrate only certain typical aspects of this disclosure and are therefore not to be considered limiting of its scope, for the description may admit to other equally effective aspects. The same reference numbers in different drawings may identify the same or similar elements.

[0011] Fig. 1 is a diagram of an example environment in which an autonomous vehicle or a vehicle equipped with an advanced driver assistance system (ADAS) may operate, in accordance with the present disclosure.

[0012] Fig. 2 is a diagram of an example on-board system of an autonomous vehicle or a vehicle equipped with an ADAS, in accordance with the present disclosure.

[0013] Fig. 3 is a diagram illustrating example components of a device, in accordance with the present disclosure.

[0014] Figs. 4A-4E are diagrams illustrating examples associated with a stop detection system, in accordance with the present disclosure.

[0015] Fig. 5 is a flowchart of an example process associated with a stop detection system, in accordance with the present disclosure.DETAILED DESCRIPTION

[0016] Various aspects of the disclosure are described more fully hereinafter with reference to the accompanying drawings. This disclosure may, however, be embodied in many different forms and should not be construed as limited to any specific structure or function presented throughout this disclosure. Rather, these aspects are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the disclosure to those skilled in the art. One skilled in the art should appreciate that the scope of the disclosure is intended to cover any aspect of the disclosure disclosed herein, whether implemented independently of or combined with any other aspect of the disclosure. For example, an apparatus may be implemented or a method may be practiced using any number of the aspects set forth herein. In addition, the scope of the disclosure is intended to cover such an apparatus or method which is practiced using other structure, functionality, or structure and functionality in addition to or other than the various aspects of the disclosure set forth herein. It should be understood that any aspect of the disclosure disclosed herein may be embodied by one or more elements of a claim.

[0017] A high-definition (HD) map is a highly accurate map that can be used in autonomous driving. An HD may be precise at, for example, a centimeter level. An HD map can be created, for example, based on sensor data collected by a variety of sensors, such as one or more position sensors (e.g., a global navigation satellite system (GNSS) sensor and / or a global positioning system (GPS) sensor) , one or more cameras, a lidar system, or one or more other ranging systems (e.g., a radar system and / or a sonar system) , among other examples. One aspect to enable generation of an HD map is the merging of data provided by multiple vehicles (e.g., one or more autonomous vehicles) , such as simultaneous localization and mapping (SLAM) data provided by multiple vehicles. Therefore, a quality of an HD map depends on a quality of SLAM data provided by these vehicles. An autonomous vehicle typically includes multiple sensors, and a system of the vehicle is configured with one or more algorithms to process sensor data to generate SLAM data to be provided in association with generating an HD map. Notably, identifying when a vehicle is stopped is important to ensure that SLAM data determined by a given vehicle is accurate and reliable.

[0018] Additionally, for some vehicles, such as an unmanned aerial vehicle (UAV) , a robotic vehicle (e.g., a robot) , or another type of vehicle that needs motion control, understanding a status of motion of the vehicle (i.e., whether the vehicle is stopped or is in motion) is important to enable motion control. As such, processing sensor data to determine whether the vehicle is stopped is a significant concern.

[0019] One conventional technique used for performing stop detection in association with generating an HD map utilizes machine-vision, that is, image-based and / or video-based stop  detection. However, this technique requires significant processing time and is vulnerable to noise which compromises accuracy and reliability of stop detection. Therefore, such a technique is often not utilized or is utilized only as a standby or backup. Another technique for performing stop detection is to use sensor data with high accuracy, such as sensor data provided by an on-board diagnostic (OBD) sensor or via sensors that communicate via a controller area network (CAN) bus. However, while sensor data provided by such sensors can accurately represent a motion status of a vehicle, these sensors are expensive and in some cases sensor data is not readily accessible to a user. Thus, in some cost control systems, these highly accurate sensors will not be used.

[0020] Some implementations described herein provide a stop detection system that can be used to determine stop information associated with a moveable object, such as a vehicle. In some aspects, a system may obtain scenario information associated with determining stop information associated with a moveable object. In some aspects, the system may select a stop detection mode to be used in association with determining the stop information based at least in part on the scenario information and sensor data collected by the set of available sensors. In some aspects, the system may then select, based at least in part on the stop detection mode, one or more selected sensors from the set of available sensors to be used in association with determining the stop information, and may determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0021] In some aspects, the techniques and apparatuses described herein provide a reduced cost solution for determination of stop information (e.g., performing stop detection) associated with a vehicle, while improving accuracy and reliability. The reduced cost enabled herein may take the form of, for example, reduced processing resource usage (e.g., by enabling the use in some scenarios of a low complexity signal processing algorithm) , reduced latency (e.g., by enabling the use in some scenarios of a faster signal processing algorithm) , or reduced monetary cost (e.g., by enabling the use of relatively low cost sensors) . Further, the techniques and apparatuses described herein enable determination of stop information in a flexible (e.g., user-configurable) manner that allows a stop detection mode and a set of sensors to be selected according to the application and available resources (e.g., available sensors, available processing resources, or the like) . Further, the techniques and apparatuses described herein can improve reliability and improve functional safety by enabling correction of stop information using sensor data provided by multiple (e.g., diverse) sensors. Additional details are described below.

[0022] Fig. 1 is a diagram of an example environment 100 in which an autonomous vehicle or a vehicle equipped with an advanced driver assistance system (ADAS) may operate, in accordance with the present disclosure. As shown in Fig. 1, the environment 100 may include, for example, a vehicle 110, an on-board system 120 of the vehicle 110, a remote device 130, a  network node 150, and a network 160. Devices of the environment 100 may interconnect via wired connections, wireless connections, or a combination of wired and wireless connections. As further shown in Fig. 1, the environment 100 may include one or more objects 140 that the vehicle 110 is configured to detect (e.g., using the on-board system 120) .

[0023] In some aspects, the vehicle 110 may include any moving form of conveyance that is capable of carrying one or more human occupants and / or cargo and that is powered by any suitable energy source. For example, the vehicle 110 may include a land vehicle (e.g., a car, a truck, a van, or a train) , an aircraft (e.g., a UAV) , and / or a watercraft. In the example depicted in Fig. 1, the vehicle 110 is a land vehicle, and is shown as a car. Furthermore, the vehicle 110 is an autonomous vehicle in the example of Fig. 1. For example, an autonomous vehicle (AV) is a vehicle having a processor, programming instructions, and drivetrain components that are controllable by the processor without requiring a human operator. An autonomous vehicle may be fully autonomous in that the autonomous vehicle does not require a human operator for most or all driving conditions and functions, or an autonomous vehicle may be semi-autonomous in that a human operator may be required in certain conditions or for certain operations, or that a human operator may override the autonomous system of the autonomous vehicle and take control of the autonomous vehicle. Additionally, or alternatively, the vehicle 110 may be equipped with an ADAS that supports one or more safety features and / or technologies to help drivers avoid collisions and / or accidents (e.g., adaptive cruise control, lane departure warning, automatic emergency braking) or otherwise make driving the vehicle 110 safer and / or more efficient.

[0024] As shown in Fig. 1, the vehicle 110 may include an on-board system 120 that is integrated into and / or coupled with the vehicle 110. In general, the on-board system 120 may be used to control the vehicle 110, to sense information about the vehicle 110 and / or an environment in which the vehicle 110 operates, to detect one or more objects 140 in proximity of the vehicle, to provide output to or receive input from an occupant of the vehicle 110, and / or to communicate with one or more devices remote from the vehicle 110, such as another vehicle and / or the remote device 130.

[0025] In some aspects, the vehicle 110 may travel along a road in a semi-autonomous or autonomous manner. The vehicle 110 may be configured to detect objects 140 in proximity of the vehicle 110. An object 140 may include, for example, another vehicle (e.g., an autonomous vehicle or a non-autonomous vehicle that requires a human operator for most or all driving conditions and functions) , a cyclist (e.g., a rider of a bicycle, electric scooter, or motorcycle) , a pedestrian, a road feature (e.g., a roadway boundary, a lane marker, a sidewalk, a median, a guard rail, a barricade, a sign, a traffic signal, a railroad crossing, or a bike path) , and / or another object that may be on a roadway or in proximity of a roadway, such as a tree or an animal. In some aspects, to detect objects 140, the vehicle 110 may be equipped with a camera-based  vision system and / or one or more sensors, such as a lidar system. In some aspects, the camera-based vision system and / or the one or more sensors may be included in another system other than the vehicle 110, such as a robot, a satellite, and / or a traffic light.

[0026] In some aspects, the one or more sensors may provide sensor data, such as information about a detected object 140 (e.g., information about a distance to the object 140, a speed of the object 140, and / or a direction of movement of the object 140) , to one or more other components of the on-board system 120. Additionally, or alternatively, the vehicle 110 may transmit sensor data to the remote device 130 (e.g., a server, a cloud computing system, and / or a database) via the network 160 (e.g., via the network node 150) . The remote device 130 may be configured to process the sensor data and / or to transmit a result of processing the sensor data to the vehicle 110 or another device (e.g., another vehicle 110) via the network 160 (e.g., via the network node 150) .

[0027] In some aspects, the network node 150 includes one or more devices configured to receive, generate, store, process, and / or provide information related to one or more aspects described herein. For example, the network node 150 may include a base station (aNode B, a gNB, and / or a 5G node B (NB) , among other examples) , a user equipment (UE) , a relay device, a network controller, an access point, a transmission reception point (TRP) , an apparatus, a device, a computing system, and / or another suitable processing entity configured to perform one or more aspects described herein. For example, in some aspects, the network node 150 may include an aggregated base station and / or one or more components of a disaggregated base station (e.g., a central unit, a distributed unit, and / or a radio unit) that enables the on-board system 120 to communicate over the network 160 (e.g., to invoke or otherwise utilize processing capabilities associated with the remote device 130) .

[0028] The network 160 includes one or more wired and / or wireless networks. For example, the network 160 may include a cellular network (e.g., a Long-Term Evolution (LTE) network, a code division multiple access (CDMA) network, a 3G network, a 4G network, a 5G network, another type of next generation network, and / or the like) , a public land mobile network (PLMN) , a local area network (LAN) , a wide area network (WAN) , a metropolitan area network (MAN) , a telephone network (e.g., the Public Switched Telephone Network (PSTN) ) , a private network, an ad hoc network, an intranet, the Internet, a fiber optic-based network, a cloud computing network, or the like, and / or a combination of these or other types of networks. In some aspects, the network 160 enables communication among the devices of environment 100.

[0029] In some aspects, as described herein, a device of environment 100 (e.g., the on-board system 120, the remote device 130, or the like) may be configured to obtain scenario information associated with determining stop information associated with a moveable object (e.g., the vehicle 110) ; receive sensor data collected by a set of available sensors; select a stop detection mode to be used in association with determining the stop information, with the stop  detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0030] As indicated above, Fig. 1 is provided as an example. Other examples may differ from what is described with regard to Fig. 1. The number and arrangement of devices shown in Fig. 1 are provided as an example. In practice, there may be additional devices, fewer devices, different devices, or differently arranged devices than those shown in Fig. 1. Furthermore, two or more devices shown in Fig. 1 may be implemented within a single device, or a single device shown in Fig. 1 may be implemented as multiple, distributed devices. Additionally, or alternatively, a set of devices (e.g., one or more devices) shown in Fig. 1 may perform one or more functions described as being performed by another set of devices shown in Fig. 1.

[0031] Fig. 2 is a diagram of an example on-board system 200 of an autonomous vehicle or a vehicle equipped with an ADAS, in accordance with the present disclosure. In some aspects, the on-board system 200 may correspond to the on-board system 120 included in the vehicle 110, as described above in connection with Fig. 1. As shown in Fig. 2, the on-board system 200 may include one or more of the illustrated components 202-256. The on-board system 200 may include, for example, a power subsystem 202, a sensor subsystem 204, a control subsystem 206, and / or an on-board device 208. The components of the on-board system 200 may communicate via a bus (e.g., one or more wired and / or wireless connections) , such as a CAN bus.

[0032] The power subsystem 202 may be configured to generate mechanical energy for the vehicle 110 to move the vehicle 110. For example, the power subsystem 202 may include an engine that converts fuel to mechanical energy (e.g., via combustion) and / or a motor that converts electrical energy to mechanical energy.

[0033] The sensor subsystem 204 may include one or more sensors configured to detect operational parameters of the vehicle 110 and / or environmental conditions in an environment in which the vehicle 110 operates (e.g., surrounding the vehicle 110) . For example, the sensor subsystem 204 may include an engine temperature sensor 210, a battery voltage sensor 212, an engine rotations per minute (RPM) sensor 214, a throttle position sensor 216, a battery sensor 218 (e.g., to measure current, voltage, and / or temperature of a battery) , a motor current sensor 220, a motor voltage sensor 222, a motor position sensor 224 (e.g., a resolver and / or encoder) , a motion sensor 226 (e.g., an accelerometer, gyroscope, and / or inertial measurement unit (IMU) ) , a speed sensor 228, an odometer sensor 230, a clock 232, a position sensor 234 (e.g., a GNSS sensor and / or a GPS sensor) , one or more cameras 236, a lidar system 238, one or more other ranging systems 240 (e.g., a radar system and / or a sonar system) , and / or an environmental sensor 242 (e.g., a precipitation sensor and / or ambient temperature sensor) .

[0034] The control subsystem 206 may include one or more controllers configured to control operation of the vehicle 110. For example, the control subsystem 206 may include a brake controller 244 to control braking of the vehicle 110, a steering controller 246 to control steering and / or direction of the vehicle 110, a throttle controller 248 and / or a speed controller 250 to control speed and / or acceleration of the vehicle 110, a gear controller 252 to control gear shifting of the vehicle 110, a routing controller 254 to control navigation and / or routing of the vehicle 110 (e.g., using map data) , and / or an auxiliary device controller 256 to control one or more auxiliary devices associated with the vehicle 110, such as a testing device, an auxiliary sensor, and / or a mobile device transported by the vehicle 110.

[0035] The on-board device 208 may be configured to receive sensor data from one or more sensors included in the sensor subsystem 204 and / or to provide commands to one or more controllers included in the control subsystem 206. For example, the on-board device 208 may control operation of the vehicle 110 by providing a command to a controller included in the control subsystem 206 based on sensor data received from a sensor included in the sensor subsystem 204. In some aspects, the on-board device 208 may be configured to process sensor data to generate a command. The on-board device 208 may include memory, one or more processors, an input component, an output component, and / or a communication component, as described elsewhere herein.

[0036] As an example, the on-board device 208 may receive navigation data, such as information associated with a navigation route from a start location of the vehicle 110 to a destination location for the vehicle 110. In some aspects, the navigation data is accessed and / or generated by the routing controller 254. For example, the routing controller 254 may access map data and identify possible routes and / or road segments that the vehicle 110 can travel to move from the start location to the destination location. In some aspects, the routing controller 254 may identify a preferred route, such as by scoring multiple possible routes, applying one or more routing techniques (e.g., minimum Euclidean distance, Dijkstra’s algorithm, and / or Bellman-Ford algorithm) , accounting for traffic data, and / or receiving a user selection of a route, among other examples. The on-board device 208 may use the navigation data to control operation of the vehicle 110. As the vehicle travels along the route, the on-board device 208 may receive sensor data from various sensors in the sensor subsystem 204. For example, the position sensor 234 may provide geographic location information to the on-board device 208, which may then access a map associated with the geographic location information to determine known fixed features associated with the geographic location, such as streets, buildings, stop signs, and / or traffic signals, which may be used to control operation of the vehicle 110.

[0037] In some aspects, the on-board device 208 may receive one or more images captured by one or more cameras 236, may analyze the one or more images (e.g., to detect object data) , and may control operation of the vehicle 110 based on analyzing the images (e.g., to avoid  detected objects) . For example, the on-board device 208 may obtain, from the camera (s) 236, a series of images that depict a reference vehicle traveling along a road segment ahead of the vehicle 110, and the on-board device 208 may analyze the series of images to estimate a size of the reference vehicle and / or a position of the reference vehicle relative to the vehicle 110. The on-board device 208 may track a trajectory of the reference vehicle along the road segment ahead of the vehicle 110 based on the estimated size of the reference vehicle and / or the estimated position of the reference vehicle over the series of images and may estimate a surface geometry associated with the road segment ahead of the vehicle 110 based on the tracked trajectory of the reference vehicle. Accordingly, the on-board device 208 may generate one or more control signals (e.g., to control the vehicle 110, stay within a designated lane, avoid an obstacle, and / or plan a route) based on the estimated surface geometry associated with the road segment ahead of the vehicle 110.

[0038] In some aspects, the on-board device 208 may receive object data associated with one or more objects detected in a vicinity of the vehicle 110 and / or may generate object data based on sensor data. The object data may indicate the presence or absence of an object, a location of the object, a distance between the object and the vehicle 110, a speed of the object, a direction of movement of the object, an acceleration of the object, a trajectory (e.g., a heading) of the object, a shape of the object, a size of the object, a footprint of the object, and / or a type of the object (e.g., a vehicle, a pedestrian, a cyclist, a stationary object, or a moving object) . The object data may be detected, for example, by one or more cameras 236 (e.g., as image data) , the lidar system 238 (e.g., as lidar data) and / or one or more other ranging systems 240 (e.g., as radar data or sonar data) . The on-board device 208 may process the object data to detect objects in proximity of the vehicle 110 and / or to control operation of the vehicle 110 based on the object data (e.g., to avoid detected objects) .

[0039] In some aspects, the on-board device 208 may use the object data (e.g., current object data) to predict future object data for one or more objects. For example, the on-board device 208 may predict a future location of an object, a future distance between the object and the vehicle 110, a future speed of the object, a future direction of movement of the object, a future acceleration of the object, and / or a future trajectory (e.g., a future heading) of the object. For example, if an object is a vehicle and map data indicates that the vehicle is at an intersection, then the on-board device 208 may predict whether the object will likely move straight or turn. As another example, if the sensor data and / or the map data indicates that the intersection does not have a traffic light, then the on-board device 208 may predict whether the object will stop prior to entering the intersection.

[0040] The on-board device 208 may generate a motion plan for the vehicle 110 based on sensor data, navigation data, and / or object data (e.g., current object data and / or future object data) . For example, based on current locations of objects and / or predicted future locations of  objects, the on-board device 208 may generate a motion plan to move the vehicle 110 along a surface and avoid collision with other objects. In some aspects, the motion plan may include, for one or more points in time, a speed of the vehicle 110, a direction of the vehicle 110, and / or an acceleration of the vehicle 110. Additionally, or alternatively, the motion plan may indicate one or more actions with respect to a detected object, such as whether to overtake the object, yield to the object, pass the object, or the like. The on-board device 208 may generate one or more commands or instructions based on the motion plan, and may provide those command (s) to one or more controllers associated with the control subsystem 206 for execution.

[0041] As indicated above, Fig. 2 is provided as an example. Other examples may differ from what is described with regard to Fig. 2. The number and arrangement of components shown in Fig. 2 are provided as an example. In practice, there may be additional components, fewer components, different components, or differently arranged components than those shown in Fig. 2. Furthermore, two or more components shown in Fig. 2 may be implemented within a single components, or a single components shown in Fig. 2 may be implemented as multiple, distributed components. Additionally, or alternatively, a set of components (e.g., one or more components) shown in Fig. 2 may perform one or more functions described as being performed by another set of components shown in Fig. 2. For example, although some components of Fig. 2 are primarily associated with land vehicles, other types of vehicles are within the scope of the disclosure.

[0042] Fig. 3 is a diagram illustrating example components of a device 300, in accordance with the present disclosure. The device 300 may correspond to the on-board system 120, the remote device 130, or the network node 150 depicted in Fig. 1, the on-board system 200 or the on-board device 208 depicted in Fig. 2, and / or any other device, system, subsystem, or component described herein. In some aspects, the on-board system 120, the remote device 130, the network node 150, the on-board system 200, the on-board device 208, and / or other devices, systems, subsystems, or components described herein may include one or more devices 300 and / or one or more components of the device 300. As shown in Fig. 3, the device 300 may include a bus 305, a processor 310, a memory 315, an input component 320, an output component 325, a communication component 330, and / or a stop information component 335.

[0043] The bus 305 may include one or more components that enable wired and / or wireless communication among the components of the device 300. The bus 305 may couple together two or more components of Fig. 3, such as via operative coupling, communicative coupling, electronic coupling, and / or electric coupling. For example, the bus 305 may include an electrical connection (e.g., a wire, a trace, and / or a lead) and / or a wireless bus. The processor 310 may include a central processing unit, a graphics processing unit, a microprocessor, a controller, a microcontroller, a digital signal processor, a field-programmable gate array, an application-specific integrated circuit, and / or another type of processing component. The  processor 310 may be implemented in hardware, firmware, or a combination of hardware and software. In some aspects, the processor 310 may include one or more processors capable of being programmed to perform one or more operations or processes described elsewhere herein.

[0044] The memory 315 may include volatile and / or nonvolatile memory. For example, the memory 315 may include random access memory (RAM) , read only memory (ROM) , a hard disk drive, and / or another type of memory (e.g., a flash memory, a magnetic memory, and / or an optical memory) . The memory 315 may include internal memory (e.g., RAM, ROM, or a hard disk drive) and / or removable memory (e.g., removable via a universal serial bus connection) . The memory 315 may be a non-transitory computer-readable medium. The memory 315 may store information, one or more instructions, and / or software (e.g., one or more software applications) related to the operation of the device 300. In some aspects, the memory 315 may include one or more memories that are coupled (e.g., communicatively coupled) to one or more processors (e.g., processor 310) , such as via the bus 305. Communicative coupling between a processor 310 and a memory 315 may enable the processor 310 to read and / or process information stored in the memory 315 and / or to store information in the memory 315.

[0045] The input component 320 may enable the device 300 to receive input, such as user input and / or sensed input. For example, the input component 320 may include a touch screen, a keyboard, a keypad, a mouse, a button, a microphone, a switch, a sensor, a global positioning system sensor, a global navigation satellite system sensor, an accelerometer, a gyroscope, and / or an actuator. The output component 325 may enable the device 300 to provide output, such as via a display, a speaker, and / or a light-emitting diode. The communication component 330 may enable the device 300 to communicate with other devices via a wired connection and / or a wireless connection. For example, the communication component 330 may include a receiver, a transmitter, a transceiver, a modem, a network interface card, and / or an antenna.

[0046] The stop information component 335 may receive sensor data collected by a set of available sensors (e.g., one or more sensors included in the on-board system 120) ; select a stop detection mode to be used in association with determining stop information associated with a moveable object (e.g., a vehicle 110) ; select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0047] The device 300 may perform one or more operations or processes described herein. For example, a non-transitory computer-readable medium (e.g., memory 315) may store a set of instructions (e.g., one or more instructions or code) for execution by the processor 310. The processor 310 may execute the set of instructions to perform one or more operations or processes described herein. In some aspects, execution of the set of instructions, by one or more processors 310, causes the one or more processors 310 and / or the device 300 to perform one or  more operations or processes described herein. In some aspects, hardwired circuitry may be used instead of or in combination with the instructions to perform one or more operations or processes described herein. Additionally, or alternatively, the processor 310 may be configured to perform one or more operations or processes described herein. Thus, aspects described herein are not limited to any specific combination of hardware circuitry and software.

[0048] In some aspects, device 300 may include means for obtaining scenario information associated with determining stop information associated with a moveable object (e.g., the vehicle 110) ; means for receiving sensor data collected by a set of available sensors; means for selecting a stop detection mode to be used in association with determining the stop information, with the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; means for selecting, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and / or means for determining the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors. In some aspects, the means for device 300 to perform processes and / or operations described herein may include one or more components of device 300 described in connection with Fig. 3, such as bus 305, processor 310, memory 315, input component 320, output component 325, communication component 330, and / or stop information component 335. Additionally, or alternatively, the means for device 300 to perform processes and / or operations described herein may include one or more components of the on-board system 200 described in connection with Fig. 2, such as the sensor subsystem 204, the control subsystem 206, and / or the on-board device 208, among other examples.

[0049] The number and arrangement of components shown in Fig. 3 are provided as an example. The device 300 may include additional components, fewer components, different components, or differently arranged components than those shown in Fig. 3. Additionally, or alternatively, a set of components (e.g., one or more components) of the device 300 may perform one or more functions described as being performed by another set of components of the device 300.

[0050] Figs. 4A-4E are diagrams illustrating examples associated with a stop detection system, in accordance with the present disclosure. As shown in Fig. 4A, an example 400 include a vehicle 450 (e.g., vehicle 110) equipped with a system 455 (e.g., on-board system 120, on-board system 200, and / or on-board device 208) that supports autonomous driving and / or ADAS technology, and a set of available sensors 460 (e.g., one or more motion sensors 226, one or more speed sensors 228, one or more position sensors 234, one or more cameras 236, a lidar system 238, one or more ranging systems 240, or the like) .

[0051] As shown in Fig. 4A, at reference 402, the system 455 may obtain scenario information associated with determining stop information associated with a moveable object  (e.g., the vehicle 450) . The stop information includes information related to performing stop detection associated with the vehicle 450. For example, the stop information may include information that indicates one or more points in time (or periods of time) during which the vehicle 450 is determined to be stopped (e.g., that the vehicle 450 is not in motion) . Similarly, the stop information may include information that indicates one or more points in time (or periods of time) during which the vehicle 450 is determined to not be stopped (e.g., that the vehicle 450 is in motion) .

[0052] The scenario information includes information that defines a scenario or application in which the stop information determined by the system 455 is to be utilized. In some aspects, a scenario defined by the scenario information may be an online scenario. As used herein, an online scenario refers to a scenario in which the stop information is to be use in real-time or near real-time. In an online scenario, sensor data may need to be processed in real-time or near real-time by the system 455 in association with determining the stop information. One example of an online scenario is a real-time localization scenario (e.g., when the system 455 is to perform localization for the vehicle 450 in real-time) . Another example of an online scenario is a UAV flight scenario (e.g., when the system 455 is to perform motion control for a vehicle 450 in the form of a UAV) . In general, in an online scenario, the stop information needs to be determined while the vehicle 450 is in operation and / or is being located in real-time or near real-time using one or more available sensors 460.

[0053] Additionally, or alternatively, a scenario defined by the scenario information may be an offline scenario. As used herein, an offline scenario refers to a scenario in which the stop information is not to be used in real-time or near real-time. In an offline scenario, sensor data need not be processed in real-time or near real-time, meaning that the sensor data can be buffered or stored (e.g., by one or more sensors 460 or by the system 455) for a period of time prior to determination of the stop information by the system 455. One example of an offline scenario is an HD mapping scenario. In an HD mapping scenario, the stop information may not be needed in real-time or near real-time, meaning that sensor data can be buffered or stored for a period of time (e.g., five minutes) before processing in association with generating an HD map. Another example of an offline scenario is a SLAM data scenario in which the system 455 is to generate SLAM data.

[0054] In some aspects, the scenario information may indicate one or more scenarios. For example, the scenario information may, in some aspects, include information associated with one or more online scenarios and information associated with one or more offline scenarios. In some aspects, the scenario information may indicate a single scenario. For example, the scenario information may, in some aspects, include information associated with an online scenario only. As another example, the scenario information may, in some aspects, include information associated with an offline scenario only. In some aspects, the scenario information  may indicate a user-defined or user-customized scenario (e.g., as compared to a default scenario for which the scenario is configured on the system 455) .

[0055] In some aspects, the scenario information may indicate one or more sensors and / or one or more types of sensor data associated with the scenario. That is, the scenario information may indicate one or more sensors 460 and / or types of sensor data that can be used in the scenario defined by the scenario information. As a particular example, scenario information associated with an online scenario may indicate one or more types of sensor data (e.g., to be provided by one or more sensors 460) that can be utilized in association with determining stop information in real-time or near real-time, such as image data, GNSS data, OBD data, CAN sensor data, IMU data, or the like. As another particular example, scenario information associated with an offline scenario may indicate one or more types of sensor data (e.g., to be provided by one or more sensors 460) that can be utilized in association with determining stop information in non-real-time, such as IMU data, OBD data, accelerometer data, or the like.

[0056] In some aspects, the system 455 may obtain the scenario information via user input (e.g., input provided via a user device (not shown) ) . That is, in some aspects, a user may provide input defining the scenario information, and the system 455 may obtain the scenario information according to the user input. Additionally, or alternatively, the system 455 may obtain the scenario information based on a configuration (e.g., an initial configuration of the system 455) .

[0057] As shown at reference 404, the system 455 may receive sensor data collected by the set of available sensors 460. The sensor data may include, for example, data collected by one or more motion sensors (e.g., one or more motion sensors 226) , such as an accelerometer, a gyroscope, or an IMU, among other examples. As another example, the sensor data may include data collected by one or more speed sensors (e.g., one or more speed sensors 228) , such as one or more speed sensors that communicate with the system 455 via a CAN bus. As another example, the sensor data may include data collected by one or more position sensors (e.g., one or more position sensors 234) , such as a GNSS sensor or a GPS sensor, among other examples. As another example, the sensor data may include data collected by one or more cameras (e.g., one or more cameras 236) . As another example, the sensor data may include data collected by a lidar system (e.g., a lidar system 238) . As another example, the sensor data may include data collected by one or more ranging systems (e.g., one or more ranging systems 240) , such as a radar system or a sonar system.

[0058] In some aspects, the system 455 may receive one or more items of sensor data in real-time or near real-time. Additionally, or alternatively, the system 455 may receive one or more items of sensor data in non-real time. For example, the system 455 may receive one or more items of sensor data after the one or more items of sensor data are processed or buffered by the  sensor 460 that provides the one or more items of sensor data (e.g., such that the one or more items of sensor data are not provided to the system 455 in real-time or near real-time) .

[0059] As shown at reference 406, the system 455 may select a stop detection mode to be used in association with determining the stop information. The stop detection mode is a mode in which the system 455 is to determine the stop information associated with the vehicle 450. The stop detection mode may be, for example, an online stop detection mode or may be an offline stop detection mode. The online stop detection mode is a mode of operation in which the system 455 determines stop information in real-time or near real-time. Conversely, the offline stop detection mode is a mode of operation in which the system 455 determine the stop information in non-real-time.

[0060] In some aspects, the system 455 may select the stop detection mode based at least in part on the scenario information and the sensor data. For example, the system 455 may identify the set of available sensors 460 from which the system 455 has received the sensor data. The system 455 may then compare information identifying the set of available sensors 460 to the scenario information to identify a scenario, indicated by the scenario information, that requires sensor data from the set of sensors 460 identified by the system 455. The system 455 can therefore identify the applicable scenario, and may determine, based at least in part on the scenario information, whether the scenario is an online scenario or is an offline scenario. The system 455 may then select the stop detection mode (e.g., the online stop detection mode, the offline stop detection mode, a user-configured stop detection mode) , accordingly.

[0061] Additionally, or alternatively, the system 455 may select the stop detection mode based at least in part on a determination of whether the sensor data is received by the system 455 in real-time or near-real time. For example, the system 455 may determine (e.g., based at least in part on information included in the sensor data) that the sensor data is being received by the system 455 in real-time or near real-time. In this example, the system 455 may select the online stop detection mode as the selected stop detection mode based at least in part on the sensor data being received in real-time or near-real time. That is, in some implementations, the receipt of sensor data in real-time or near real-time may indicate that the system 455 is to select the online stop detection mode. As another example, the system 455 may determine (e.g., based at least in part on information included in the sensor data) that the sensor data is not being received by the system 455 in real-time or near real-time (e.g., when the sensor data is received in batches or groups of data) . In this example, the system 455 may select the offline stop detection mode as the selected stop detection mode based at least in part on the sensor data not being received in real-time or near-real time. That is, in some implementations, the receipt of sensor data in non-real-time may indicate that the system 455 is to select the offline stop detection mode.

[0062] As shown at reference 408, the system 455 may select, based at least in part on the stop detection mode, one or more selected sensors 460, from the set of available sensors 460, to be used in association with determining the stop information. That is, the system 455 may in some aspects select one or more of the available sensors 460 that provide the sensor data, with the selection of the one or more selected sensors 460 being based at least in part on the selected stop detection mode. For example, the online stop detection mode may be configured so that sensor data collected by a first particular subset of the set of available sensors 460 is to be used in association with determining stop information according to the online detection mode. As another example, the offline stop detection mode may be configured so that sensor data collected by a second particular subset of the set of available sensors 460 is to be used in association with determining stop information according to the offline detection mode.

[0063] In one example, if the scenario information indicates a UAV flight scenario and the set of available sensors 460 comprises an IMU, then the system 455 may select the online stop detection mode and the IMU for providing the sensor data to be used for determining stop information. In another example, if the scenario information indicates a SLAM data scenario and the set of available sensors 460 includes an OBD sensor and an IMU, then the system 455 may select the offline stop detection mode and select both the OBD sensor and the IMU for providing the sensor data to be used for determining the stop information.

[0064] In some aspects, the system 455 may in some aspects select the one or more sensors 460 based at least in part on prioritization information associated with the set of available sensors 460 (e.g., the set of sensors 460 from which the system 455 received sensor data) . The prioritization information may include, for example, an order of priority associated with the set of sensors 460 (e.g., from highest to lowest) . Here, the system 455 may select the one or more sensors 460 based at least in part on the prioritization information. In some aspects, the prioritization information can be configured, for example, so that comparatively more reliable or comparatively more accurate sensors 460 (e.g., one or more sensors 460 that communicate via a CAN bus, an OBD sensor, or the like) are prioritized for use in a given stop detection mode.

[0065] In some aspects, the one or more selected sensors 460 may include one or more primary selected sensors 460 and one or more secondary selected sensors 460. The one or more primary selected sensors 460 may be used for determination of the stop information, while the one or more secondary selected sensors 460 may be for correction or verification of the stop information determined using the one or more primary selected sensors 460. In one example, if the scenario information indicates a localization scenario and the set of available sensors 460 includes an OBD sensor and an IMU, then the system 455 may select the online stop detection mode, may select the OBD sensor as a primary selected sensor 460 for determining the stop information, and may select the IMU as a secondary sensor 460 to be used for correction of the stop information (e.g., to increase accuracy or reliability of the stop information) .

[0066] As shown at reference 410, the system 455 may determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors 460. In some aspects, the sensor data may include data received as described above with respect to reference 404. Additionally, or alternatively, the sensor data may include data received at a later point in time (e.g., after the system 455 selects the stop detection mode and / or the one or more selected sensors 460) .

[0067] In some aspects, the selected stop detection mode is an online stop detection mode, and the system 455 may determine the stop information using the online stop detection mode.

[0068] In some aspects, when determining the stop information according to the online stop detection mode, the system 455 may determine the stop information based at least in part on sensor data indicating a speed of the vehicle 450. For example, the system 455 may receive sensor data comprising information that indicates a speed of the vehicle 450 at a given point in time. Here, the system 455 may determine whether the information that indicates the speed of the vehicle 450 at the given point in time indicates that the speed of the vehicle 450 satisfies a threshold (e.g., is greater than zero feet per second) . Here, if the speed of the vehicle 450 satisfies the threshold, then the system 455 may determine stop information indicating that the vehicle 450 is in motion (i.e., not stopped) at the given point in time. Conversely, if the speed of the vehicle 450 does not satisfy the threshold, then the system 455 may determine stop information indicating that the vehicle 450 is stopped at the given point in time. In some aspects, sensor data that enables such a determination may be provided by, for example, an OBD sensor, a speed sensor on CAN bus, a GNSS sensor, or the like. In some aspects, to improve accuracy of such a determination, the system 455 may utilize sensor data provided by multiple (different) sensors 460.

[0069] Additionally, or alternatively, when determining the stop information according to the online stop detection mode, the system 455 may determine the stop information based at least in part on sensor data including one or more images (e.g., the system 455 may utilize image-based stop detection) . For example, the system 455 may receive sensor data comprising a group images in an environment of the vehicle 450, with each image being associated with a different point in time. Here, the system 455 may process the group of images (e.g., using an image processing technique, a deep learning technique, or the like) to determine whether the vehicle 450 is stopped at a given point in time.

[0070] Additionally, or alternatively, when determining the stop information according to the online stop detection mode, the system 455 may determine the stop information using sensor data provided by an IMU. That is, in some aspects, the online stop detection mode may use IMU data in association with determining the stop information. Therefore, in some aspects, the  system 455 may perform IMU-based stop detection in real-time or near real-time (e.g., using sensor data as the sensor data is received by the system 455) .

[0071] In some aspects, in association with determining the stop information according to the online stop detection mode using IMU data, the system 455 may filter the IMU data to create filtered IMU data. For example, the system 455 may perform variance filtering on a signal carrying the IMU data. In some aspects, to perform variance filtering on the IMU data, the system 455 may compute one or more variances of the IMU data over one or more corresponding periods of time (e.g., variances computed based on sets of 20 or 30 consecutive signal values) . The system 455 may then filter the IMU data based at least in part on the variances (e.g., by replacing signal values with computed variances) . Fig. 4B is an illustrative example of variance filtering that can be performed by the system 455. In Fig. 4B, the system 455 computes a first variance V1 over a first set of 30 consecutive signal values (e.g., signal value 1 through signal value 30) of the signal carrying the IMU data. Here, system 455 replaces signal value 30 with the first variance V1. Similarly, the system 455 computes a second variance V2 over a second set of 30 consecutive signal values (e.g., signal value 2 through signal value 31) of the signal carrying the IMU data. Here, system 455 replaces signal value 31 with the second variance V2. The system 455 may continue performing variance filtering in this manner for additional signal values. In this example, the system 455 uses IMU data starting at value 31 in association with performing stop detection according to the online stop detection mode.

[0072] Notably, an accumulated error of IMU data is typically caused by various interference factors, which is generally a disadvantage of using IMU data for determining stop information. However, by performing variance filtering, the system 455 smooths the IMU data signal and reduces noise interference, thereby improving reliability of the IMU data and, therefore, improving reliability of stop information determined using the IMU data. In some aspects, the IMU data comprises nine axes of data, including three axes of angular velocity data, three axes of acceleration data, and three axes of magnetometer data, and the system 455 performs variance filtering on signals associated with one or more of these axes (e.g., the three axes of angular velocity data and the three axes of acceleration data) .

[0073] Figs. 4C-4D illustrate simulation results associated with variance filtering of acceleration data included in IMU data. Fig. 4C illustrates three axes of IMU acceleration data over a period of time, while Fig. 4D illustrates the three axes of IMU acceleration data after variance filtering by the system 455. As can be seen by comparison Figs. 4C and Figs. 4D, variance filtering provides a comparatively smoother signal and reduces noise, meaning that reliability of the IMU acceleration data and, therefore stop information determined based at least in part on the IMU acceleration data, is increased.

[0074] In some aspects, the system 455 may determine the stop information according to the online stop detection mode using the filtered IMU data. For example, in the online stop detection mode and using the filtered IMU data, the system 455 may in some aspects compute a stop score based at least in part on the filtered IMU data. The stop score may be, for example, a value indicating whether the vehicle 450 is stopped (e.g., not in motion) at a given point in time. In some aspects, the system 455 may compute the stop score based at least in part on one or more other motion scores computed based at least in part on the IMU data, such as an acceleration score associated with the given point in time (e.g., a score computed based at least in part on filtered IMU acceleration data) and an angular velocity score associated with the given point in time (e.g., a score computed based at least in part on filtered IMU angular velocity data) .

[0075] In one example, the system 455 may be configured with an acceleration score algorithm that receives three values of filtered acceleration data (e.g., an x-axis value, a y-axis value, and a z-axis value associated with the given point in time) as input and provides an acceleration score as an output. In some aspects, the acceleration score algorithm may be configured such that the acceleration score increases as values in the filtered IMU acceleration data increase. Thus, in some aspects, the acceleration score algorithm may be configured so that the acceleration score increases (e.g., increases away from zero) as the acceleration of the vehicle 450 increases from zero. Further, the system 455 may be configured with an angular velocity score algorithm that receives three values of filtered angular velocity data (e.g., an x-axis value, a y-axis value, and a z-axis value associated with the given point in time) as input and provides an angular velocity score as an output. In some aspects, the angular velocity score algorithm may be configured such that the angular velocity score increases as values in the filtered IMU angular velocity data increase. Thus, in some aspects, the angular velocity score algorithm may be configured so that the angular velocity score increases (e.g., increases away from zero) as the angular velocity of the vehicle 450 increases from zero.

[0076] In some implementations, the system 455 may compute the stop score based at least in part on the set of motion scores. For example, the system 455 may be configured with a stop score algorithm that receives the acceleration score and the angular velocity score (e.g., associated with the given point in time) as input and provides the stop score as an output. In one example, the stop score algorithm may be configured to determine whether (1) the acceleration score is approximately equal to zero and (2) the angular velocity score satisfies an angular velocity threshold (e.g., is less than or equal to 2) . Here, if both (1) and (2) are true, then the system 455 may determine a stop score (e.g., a value of 1) indicating that the vehicle 450 is stopped. Therefore, in this example, the stop information may include an indication that the vehicle 450 is stopped at the given point in time. Conversely, if either (1) or (2) are not satisfied, then the system 455 may determine a stop score (e.g., a value of 0) indicating that the  vehicle 450 is in motion (e.g., not stopped) . Therefore, in this example, the stop information may include an indication that the vehicle 450 is not stopped at the given point in time. In this way, the online stop detection mode may enable the system 455 to determine reliable and accurate stop information in real-time or near real-time using IMU data.

[0077] In some aspects, the selected stop detection mode is an offline stop detection mode, and the system 455 may determine the stop information using the offline stop detection mode. In some aspects, when determining the stop information according to the offline stop detection mode, the system 455 may determine the stop information using sensor data provided by an IMU. That is, in some aspects, the offline stop detection mode may use IMU data in association with determining the stop information. Therefore, in some aspects, the system 455 may perform IMU-based stop detection in non-real-time (e.g., using a batch of sensor data after the sensor data is buffered by the system 455) .

[0078] In some aspects, in association with determining the stop information according to the offline stop detection mode using IMU data, the system 455 may filter the IMU data to create filtered IMU data. For example, the system 455 may perform variance filtering on the IMU data (e.g., in a manner similar to that described above in connection with Fig. 4B) .

[0079] In some aspects, the system 455 may then determine the stop information according to the offline stop detection mode based at least in part on the filtered IMU data. For example, in the offline stop detection mode and using the filtered IMU data, the system 455 may apply a fast Fourier transform (FFT) to the filtered IMU data to create transformed IMU data. In practice, the signal carrying IMU data is smooth and has relatively low jitter and frequency while the vehicle 450 is stopped. Therefore, an FFT can be used to transform the IMU data signal and higher frequency portions of the signal can be removed, while lower frequency portions of the IMU data signal are retained. In one example, the system 455 may apply an FFT to the filtered IMU data to create the transformed IMU data as noted above. Next, the system 455 may identify values of the transformed IMU data that satisfy (e.g., are greater than) a signal threshold, and may then set the identified values to zero while leaving other values of the transformed IMU data (i.e., values that are less than or equal to the signal threshold) unchanged. In this way, the system 455 can filter the transformed IMU data to create filtered transformed IMU data. Next, the system 455 may apply an inverse FFT (IFFT) to the filtered transformed IMU data to create modified IMU data. Here, points in time at which the modified IMU data is greater than zero indicate points in time at which the vehicle 450 is stopped. Thus, in this example, the system 455 may determine the stop information based at least in part on the modified IMU data (e.g., such that one or more points in time at which the modified IMU data is greater than zero are indicated as points in timer that the vehicle 450 is stopped) .

[0080] Fig. 4E illustrates simulation results associated with determining the stop information according to the offline stop detection mode using IMU data. The upper diagram in Fig. 4E  illustrates one axis of IMU acceleration data over a period of time after variance filtering is applied. The middle diagram in Fig. 4E illustrates transformed IMU data that results from applying an FFT to the filtered IMU data shown in the upper diagram of Fig. 4E. The lower diagram in Fig. 4E illustrates modified IMU data that results from applying further filtering to the transformed IMU data and applying an IFFT to the filtered transformed IMU data. In the lower diagram in Fig. 4E, periods of time during which the vehicle 450 is stopped are readily identifiable as period of time during which values of the modified IMU data are non-zero. Notably, FFT and IFFT operations are relatively low-complexity operations and, therefore, stop information to be determined with relatively low resource consumption (e.g., processing resource consumption, power consumption, or the like) .

[0081] In some aspects, the system 455 may determine the stop information according to the offline stop detection mode using IMU data associated with a single axis of IMU data (e.g., a single axis of acceleration data as illustrated in Fig. 4E) . Alternatively, the system 455 may in some aspects determine the stop information according to the offline stop detection mode using IMU data associated with multiple axes of IMU data (e.g., one or more axes of IMU acceleration data and / or one or more axes of IMU angular velocity data) . In some aspects, the use of multiple axes of data improves reliability and robustness associated with determining stop information. In some aspects, when multiple axes of IMU data are used, the system 455 may be configured to determine final stop information based at least in part on stop information associated with each of the multiple axes. For example, the system 455 may be configured to identify points in time at which the vehicle 450 is stopped as points in time at which a threshold quantity (e.g., at least two, at least half, all, or the like) of the axes of IMU data indicate that the vehicle 450 is stopped.

[0082] In some aspects, the system 455 may utilize multiple techniques in association with determining the stop information. For example, the system 455 may, in some aspects, determine the stop information based at least in part on sensor data indicating the speed of the vehicle 450 using the online stop detection mode and based at least in part on sensor data provided by an IMU (e.g., using the online stop detection mode and / or using the offline stop detection mode) . As another example, the system 455 mays, in some aspects, determine the stop information based at least in part on sensor data including one or more images using the online stop detection mode, and based at least in part on sensor data provided by an IMU (e.g., using the online stop detection mode and / or using the offline stop detection mode) . As another example, the system 455 may, in some aspects, determine the stop information based at least in part on sensor data provided by an IMU using the online stop detection mode and the sensor data provided by the IMU using the offline stop detection mode. In some aspects, the multiple techniques may be utilized so as to enable verification of stop information, correction of the stop information, redundancy associated with determining the stop information, and / or diversity  associated with determining the stop information, thereby improving accuracy or reliability of the stop information determined by the system 455.

[0083] In some aspects, the system 455 may correct the stop information. For example, the system 455 may determine, based at least in part on information associated with the set of available sensors 460, that correction information is to be applied to the stop information. For example, the system 455 may determine that the set of available sensors 460 comprises one or more sensors that can be used to determine additional stop information (e.g., in addition to stop information determined use one or more other sensors 460 in the set of available sensors 460) . Here, the system 455 may determine the correction information (e.g., additional stop information) , and may correct the stop information based at least in part on the correction information. In this way, the system 455 can enable a correction mode if there is available sensor data for performing correction, and may correct (or verify) the stop information accordingly. As a result, accuracy or reliability of the stop information as determined by the system 455 can be improved.

[0084] In one example, the system 455 may determine stop information using sensor data that indicates a speed of the vehicle 450 at a given point in time (e.g., according to the online stop detection mode) . The system 455 may further determine correction information based at least in part on sensor data provided by an IMU (e.g., according to the online stop detection mode or the offline stop detection mode) . The system 455 can then correct (or verify) the speed-based stop information based at least in part on the IMU-based correction information. In another example, the system 455 may determine stop information using sensor data provided by an IMU (e.g., according to the online stop detection mode or the offline stop detection mode) . The system 455 may further determine correction information based at least in part on sensor data that indicates a speed of the vehicle 450 at a given point in time and / or sensor data that includes one or more images (e.g., according to the online stop detection mode) . The system 455 can then correct (or verify) the IMU-based stop information based at least in part on the speed-based and / or image-based correction information.

[0085] As indicated above, Figs. 4A-4E are provided as an example. Other examples may differ from what is described with respect to Figs. 4A-4E.

[0086] Fig. 5 is a flowchart of an example process 500 associated with a stop detection system, in accordance with the present disclosure. In some aspects, one or more process blocks of Fig. 5 are performed by a system (e.g., on-board system 120) . In some aspects, one or more process blocks of Fig. 5 are performed by another device or a group of devices separate from or including the system, such as a remote device (e.g., remote device 130) . Additionally, or alternatively, one or more process blocks of Fig. 5 may be performed by one or more components of device 300, such as processor 310, memory 315, input component 320, output component 325, communication component 330, and / or stop information component 335.

[0087] As shown in Fig. 5, process 500 may include obtaining scenario information associated with determining stop information associated with a moveable object (block 510) . For example, the system may obtain scenario information associated with determining stop information associated with a moveable object, as described above.

[0088] As further shown in Fig. 5, process 500 may include receiving sensor data collected by a set of available sensors (block 520) . For example, the system may receive sensor data collected by a set of available sensors, as described above.

[0089] As further shown in Fig. 5, process 500 may include selecting a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors (block 530) . For example, the system may select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors, as described above.

[0090] As further shown in Fig. 5, process 500 may include selecting, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information (block 540) . For example, the system may select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information, as described above.

[0091] As further shown in Fig. 5, process 500 may include determining the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors (block 550) . For example, the system may determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors, as described above.

[0092] Process 500 may include additional aspects, such as any single aspect or any combination of aspects described below and / or in connection with one or more other processes described elsewhere herein.

[0093] In a first aspect, the scenario information is obtained via user input.

[0094] In a second aspect, alone or in combination with the first aspect, the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.

[0095] In a third aspect, alone or in combination with one or more of the first and second aspects, the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.

[0096] In a fourth aspect, alone or in combination with one or more of the first through third aspects, the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.

[0097] In a fifth aspect, alone or in combination with one or more of the first through fourth aspects, the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.

[0098] In a sixth aspect, alone or in combination with one or more of the first through fifth aspects, process 500 includes determining, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information, determining the correction information, and correcting the stop information based at least in part on the correction information to create corrected stop information.

[0099] Although Fig. 5 shows example blocks of process 500, in some aspects, process 500 includes additional blocks, fewer blocks, different blocks, or differently arranged blocks than those depicted in Fig. 5. Additionally, or alternatively, two or more of the blocks of process 500 may be performed in parallel.

[0100] The following provides an overview of some Aspects of the present disclosure:

[0101] Aspect 1: A method, comprising: obtaining, by a system, scenario information associated with determining stop information associated with a moveable object; receiving, by the system, sensor data collected by a set of available sensors; selecting, by the system, a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; selecting, by the system and based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and determining, by the system, the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0102] Aspect 2: The method of Aspect 1, wherein the scenario information is obtained via user input.

[0103] Aspect 3: The method of any of Aspects 1-2, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.

[0104] Aspect 4: The method of any of Aspects 1-3, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.

[0105] Aspect 5: The method of any of Aspects 1-4, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.

[0106] Aspect 6: The method of any of Aspects 1-5, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.

[0107] Aspect 7: The method of any of Aspects 1-6, further comprising: determining, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information; determining the correction information; and correcting the stop information based at least in part on the correction information to create corrected stop information.

[0108] Aspect 8: A system for wireless communication, comprising: one or more memories; and one or more processors, coupled to the one or more memories, configured to cause the system to: obtain scenario information associated with determining stop information associated with a moveable object; receive sensor data collected by a set of available sensors; select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0109] Aspect 9: The system of Aspect 8, wherein the scenario information is obtained via user input.

[0110] Aspect 10: The system of any of Aspects 8-9, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.

[0111] Aspect 11: The system of any of Aspects 8-10, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.

[0112] Aspect 12: The system of any of Aspects 8-11, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.

[0113] Aspect 13: The system of any of Aspects 8-12, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.

[0114] Aspect 14: The system of any of Aspects 8-13, wherein the one or more processors are further configured to cause the system to: determine, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information; determine the correction information; and correct the stop information based at least in part on the correction information to create corrected stop information.

[0115] Aspect 15: A non-transitory computer-readable medium storing a set of instructions for wireless communication, the set of instructions comprising: one or more instructions that, when executed by one or more processors of a system, cause the system to: obtain scenario information associated with determining stop information associated with a moveable object; receive sensor data collected by a set of available sensors; select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and determine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0116] Aspect 16: The non-transitory computer-readable medium of Aspect 15, wherein the scenario information is obtained via user input.

[0117] Aspect 17: The non-transitory computer-readable medium of any of Aspects 15-16, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.

[0118] Aspect 18: The non-transitory computer-readable medium of any of Aspects 15-17, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.

[0119] Aspect 19: The non-transitory computer-readable medium of any of Aspects 15-18, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.

[0120] Aspect 20: The non-transitory computer-readable medium of any of Aspects 15-19, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.

[0121] Aspect 21: The non-transitory computer-readable medium of any of Aspects 15-20, wherein the one or more instructions further cause the system to: determine, based at least in part on information associated with the set of available sensors, that correction information is to  be applied to the stop information; determine the correction information; and correct the stop information based at least in part on the correction information to create corrected stop information.

[0122] Aspect 22: An apparatus for wireless communication, comprising: means for obtaining scenario information associated with determining stop information associated with a moveable object; means for receiving sensor data collected by a set of available sensors; means for selecting a stop detection mode to be used by the apparatus in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors; means for selecting, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; and means for determining the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.

[0123] Aspect 23: The apparatus of Aspect 22, wherein the scenario information is obtained via user input.

[0124] Aspect 24: The apparatus of any of Aspects 22-23, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the apparatus in real-time or near-real time.

[0125] Aspect 25: The apparatus of any of Aspects 22-24, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the apparatus in real-time or near-real time.

[0126] Aspect 26: The apparatus of any of Aspects 22-25, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the apparatus in real-time or near-real time.

[0127] Aspect 27: The apparatus of any of Aspects 22-26, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.

[0128] Aspect 28: The apparatus of any of Aspects 22-27, further comprising: means for determining, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information; means for determining the correction information; and means for correcting the stop information based at least in part on the correction information to create corrected stop information.

[0129] Aspect 29: A system configured to perform one or more operations recited in one or more of Aspects 1-28.

[0130] Aspect 30: An apparatus comprising means for performing one or more operations recited in one or more of Aspects 1-28.

[0131] Aspect 31: A non-transitory computer-readable medium storing a set of instructions, the set of instructions comprising one or more instructions that, when executed by a device, cause the device to perform one or more operations recited in one or more of Aspects 1-28.

[0132] Aspect 32: A computer program product comprising instructions or code for executing one or more operations recited in one or more of Aspects 1-28.

[0133] The foregoing disclosure provides illustration and description but is not intended to be exhaustive or to limit the aspects to the precise forms disclosed. Modifications and variations may be made in light of the above disclosure or may be acquired from practice of the aspects.

[0134] As used herein, the term “component” is intended to be broadly construed as hardware and / or a combination of hardware and software. “Software” shall be construed broadly to mean instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, and / or functions, among other examples, whether referred to as software, firmware, middleware, microcode, hardware description language, or otherwise. As used herein, a “processor” is implemented in hardware and / or a combination of hardware and software. It will be apparent that systems and / or methods described herein may be implemented in different forms of hardware and / or a combination of hardware and software. The actual specialized control hardware or software code used to implement these systems and / or methods is not limiting of the aspects. Thus, the operation and behavior of the systems and / or methods are described herein without reference to specific software code, since those skilled in the art will understand that software and hardware can be designed to implement the systems and / or methods based, at least in part, on the description herein.

[0135] As used herein, “satisfying a threshold” may, depending on the context, refer to a value being greater than the threshold, greater than or equal to the threshold, less than the threshold, less than or equal to the threshold, equal to the threshold, not equal to the threshold, or the like.

[0136] Even though particular combinations of features are recited in the claims and / or disclosed in the specification, these combinations are not intended to limit the disclosure of various aspects. Many of these features may be combined in ways not specifically recited in the claims and / or disclosed in the specification. The disclosure of various aspects includes each dependent claim in combination with every other claim in the claim set. As used herein, a phrase referring to “at least one of” a list of items refers to any combination of those items, including single members. As an example, “at least one of: a, b, or c” is intended to cover a, b, c, a + b, a + c, b + c, and a + b + c, as well as any combination with multiples of the same  element (e.g., a + a, a + a + a, a + a + b, a + a + c, a + b + b, a + c + c, b + b, b + b + b, b + b + c, c + c, and c + c + c, or any other ordering of a, b, and c) .

[0137] No element, act, or instruction used herein should be construed as critical or essential unless explicitly described as such. Also, as used herein, the articles “a” and “an” are intended to include one or more items and may be used interchangeably with “one or more. ” Further, as used herein, the article “the” is intended to include one or more items referenced in connection with the article “the” and may be used interchangeably with “the one or more. ” Furthermore, as used herein, the terms “set” and “group” are intended to include one or more items and may be used interchangeably with “one or more. ” Where only one item is intended, the phrase “only one” or similar language is used. Also, as used herein, the terms “has, ” “have, ” “having, ” or the like are intended to be open-ended terms that do not limit an element that they modify (e.g., an element “having” A may also have B) . Further, the phrase “based on” is intended to mean “based, at least in part, on” unless explicitly stated otherwise. Also, as used herein, the term “or” is intended to be inclusive when used in a series and may be used interchangeably with “and / or, ” unless explicitly stated otherwise (e.g., if used in combination with “either” or “only one of” ) .

Claims

1.A system for wireless communication, comprising:one or more memories; andone or more processors, coupled to the one or more memories, configured to cause the system to:obtain scenario information associated with determining stop information associated with a moveable object;receive sensor data collected by a set of available sensors;select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors;select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; anddetermine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.2.The system of claim 1, wherein the scenario information is obtained via user input.3.The system of claim 1, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.4.The system of claim 1, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.5.The system of claim 1, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.6.The system of claim 1, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.7.The system of claim 1, wherein the one or more processors are further configured to cause the system to:determine, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information;determine the correction information; andcorrect the stop information based at least in part on the correction information to create corrected stop information.8.A method, comprising:obtaining, by a system, scenario information associated with determining stop information associated with a moveable object;receiving, by the system, sensor data collected by a set of available sensors;selecting, by the system, a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors;selecting, by the system and based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; anddetermining, by the system, the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.9.The method of claim 8, wherein the scenario information is obtained via user input.10.The method of claim 8, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.11.The method of claim 8, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.12.The method of claim 8, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.13.The method of claim 8, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.14.The method of claim 8, further comprising:determining, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information;determining the correction information; andcorrecting the stop information based at least in part on the correction information to create corrected stop information.15.A non-transitory computer-readable medium storing a set of instructions for wireless communication, the set of instructions comprising:one or more instructions that, when executed by one or more processors of a system, cause the system to:obtain scenario information associated with determining stop information associated with a moveable object;receive sensor data collected by a set of available sensors;select a stop detection mode to be used by the system in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors;select, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; anddetermine the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.16.The non-transitory computer-readable medium of claim 15, wherein the scenario information is obtained via user input.17.The non-transitory computer-readable medium of claim 15, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the system in real-time or near-real time.18.The non-transitory computer-readable medium of claim 15, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the system in real-time or near-real time.19.The non-transitory computer-readable medium of claim 15, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the system in real-time or near-real time.20.The non-transitory computer-readable medium of claim 15, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.21.The non-transitory computer-readable medium of claim 15, wherein the one or more instructions further cause the system to:determine, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information;determine the correction information; andcorrect the stop information based at least in part on the correction information to create corrected stop information.22.An apparatus for wireless communication, comprising:means for obtaining scenario information associated with determining stop information associated with a moveable object;means for receiving sensor data collected by a set of available sensors;means for selecting a stop detection mode to be used by the apparatus in association with determining the stop information, the stop detection mode being selected based at least in part on the scenario information and the sensor data collected by the set of available sensors;means for selecting, based at least in part on the stop detection mode, one or more selected sensors, from the set of available sensors, to be used in association with determining the stop information; andmeans for determining the stop information according to the stop detection mode and using sensor data collected by the one or more selected sensors.23.The apparatus of claim 22, wherein the scenario information is obtained via user input.24.The apparatus of claim 22, wherein the stop detection mode is selected based at least in part on a determination of whether the sensor data collected by the set of available sensors is received by the apparatus in real-time or near-real time.25.The apparatus of claim 22, wherein the selected stop detection mode is an online stop detection mode based at least in part on the sensor data collected by the set of available sensors being received by the apparatus in real-time or near-real time.26.The apparatus of claim 22, wherein the selected stop detection mode is an offline detection mode based at least in part on the sensor data collected by the set of available sensors not being received by the apparatus in real-time or near-real time.27.The apparatus of claim 22, wherein the one or more selected sensors are selected based at least in part on prioritization information associated with the set of available sensors.28.The apparatus of claim 22, further comprising:means for determining, based at least in part on information associated with the set of available sensors, that correction information is to be applied to the stop information;means for determining the correction information; andmeans for correcting the stop information based at least in part on the correction information to create corrected stop information.

Images