CN111279154B - 导航区域识别和拓扑结构匹配以及相关联的***和方法 - Google Patents
导航区域识别和拓扑结构匹配以及相关联的***和方法 Download PDFInfo
- Publication number
- CN111279154B CN111279154B CN201780096402.8A CN201780096402A CN111279154B CN 111279154 B CN111279154 B CN 111279154B CN 201780096402 A CN201780096402 A CN 201780096402A CN 111279154 B CN111279154 B CN 111279154B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mobile platform
- topology
- points
- scan points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 9
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000037361 pathway Effects 0.000 claims 3
- 238000005516 engineering process Methods 0.000 description 27
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 239000000470 constituent Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
- G01C21/3881—Tile-based structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/4861—Circuits for detection, sampling, integration or read-out
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本文公开了识别移动平台可导航的区域并对用于定位移动平台的拓扑结构结构信息进行配对以及相关联的***和方法。代表性方法包括:根据传感数据确定障碍物;滤除不合格的障碍物;基于障碍物位置来确定可导航区域;基于障碍物距离分布来检测道路交叉口;确定交叉口的拓扑结构;以及将所确定的拓扑结构与基于地图数据的拓扑结构信息进行配对。
Description
技术领域
本技术总体上针涉及基于距离测量数据的可导航区域识别和拓扑结构匹配,该距离测量数据例如是由移动平台承载的一个或多个发射器/检测器传感器(例如,激光传感器)生成的点云。
背景技术
通常可以使用一个或多个发射器/检测器传感器来扫描或以其他方式检测移动平台的周围环境。诸如LiDAR传感器之类的发射器/检测器传感器通常向外发送脉冲信号(例如,激光信号),检测脉冲信号反射,并标识环境中的三维信息(例如,激光器扫描点)以便于对象检测和/或识别。典型的发射器/检测器传感器可以提供三维几何信息(例如,包括在与传感器或移动平台相关联的三维坐标系中表示的扫描点的点云)。各种干扰(例如,变化的地面高度、障碍物的类型等)以及当前定位和/或定位技术的限制(例如,GPS信号的精度)可能影响路线规划(routing)和导航应用。因此,仍然需要用于基于三维信息的可导航区域识别和移动平台定位的改进的处理技术和设备。
发明内容
以下概述为了读者的方便而提供,并且指出所公开的技术的若干代表性实施例。
在一些实施例中,一种用于识别移动平台的可导航区域的计算机实现的方法,包括:至少部分地基于相对于所述移动平台的一部分参考的多个二维网格来分离多个三维扫描点,其中,各个二维网格与分离的扫描点的对应不同集合相关联。所述方法还包括至少部分地基于所述多个扫描点的所述分离来标识所述多个扫描点的子集,其中,所述扫描点的子集指示在与所述移动平台相邻的环境中的一个或多个障碍物。所述方法还包括至少部分地基于所述扫描点的子集的位置来识别所述移动平台可导航的区域。
在一些实施例中,所述网格至少部分地基于以所述移动平台的所述部分为中心的极坐标系,并且分离所述多个扫描点包括将所述多个扫描点投影到所述二维网格上。在一些实施例中,所述二维网格包括根据所述极坐标系划分的扇区。在一些实施例中,所述多个扫描点指示与所述移动平台周围环境的至少一部分有关的三维环境信息。
在一些实施例中,标识所述扫描点的子集包括:确定相对于单个网格的基本高度。在一些实施例中,标识所述扫描点的子集还包括至少部分地基于与各个网格的所述基本高度的比较来过滤扫描点。在一些实施例中,标识所述扫描点的子集还包括滤除指示一个或多个可移动对象的扫描点。在一些实施例中,所述可移动对象包括载运工具、摩托车、自行车或行人中的至少一项。
在一些实施例中,识别所述移动平台可导航的所述区域包括:将所述扫描点的子集变换成二维平面上的障碍物点。在一些实施例中,识别所述移动平台可导航的所述区域还包括:至少部分地基于所述障碍物点在所述二维平面上相对于所述移动平台的位置来评估所述障碍物点。在一些实施例中,所述可移动平台可导航的区域包括道路的交叉口。
在一些实施例中,所述移动平台包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。在一些实施例中,所述方法还包括使所述移动平台在识别出的区域内移动。
在一些实施例中,一种用于定位移动平台的计算机实现的方法,包括:获得指示所述移动平台附近的环境中的一个或多个障碍物的障碍物点的集合;以及至少部分地基于所述障碍物点的集合与所述移动平台之间的距离的分布,确定可导航区域的第一拓扑结构。所述方法还包括将所述第一拓扑结构与第二拓扑结构配对,其中,所述第二拓扑结构至少部分地基于地图数据。
在一些实施例中,所述障碍物点的集合被表示在二维平面上。在一些实施例中,所述可导航区域包括多条道路的至少一个交叉口。在一些实施例中,确定所述第一拓扑结构包括确定在所述交叉口处由所述多条道路形成的一个或多个角度。在一些实施例中,确定所述第一拓扑结构包括确定距离的分布内的局部极大值。
在一些实施例中,所述第一拓扑结构和所述第二拓扑结构被表示为矢量。在一些实施例中,将所述第一拓扑结构与所述第二拓扑结构配对包括在所述第一拓扑结构矢量与所述第二拓扑结构矢量之间进行循环匹配。
在一些实施例中,获得所述障碍物点的集合包括至少部分地基于由所述移动平台的一个或多个传感器产生的数据来获得所述障碍物点的集合。在一些实施例中,所述地图数据包括GPS导航地图数据。在一些实施例中,所述方法还包括:至少部分地基于所述配对,在所述地图数据的参考系内定位所述移动平台。
前述方法中的任何一种方法可以通过存储计算机可执行指令的非暂时性计算机可读介质来实现,所述计算机可执行指令在被执行时使得与移动平台相关联的一个或多个处理器执行对应的动作;或者可以通过包括被编程控制器的载运工具来实现,所述被编程控制器至少部分地控制所述载运工具的一个或多个运动,并且包括被配置为执行对应动作的一个或多个处理器。
附图说明
图1A示出了与发射器/检测器传感器(或承载传感器的移动平台)相关联的三维坐标系内的三维扫描点。
图1B示出了由发射器/检测器传感器生成的点云120。
图2是示出了根据本公开技术的一些实施例的用于识别移动平台可导航的区域的方法的流程图。
图3示出了根据本公开技术的一些实施例的极坐标系,该极坐标系的原点以移动平台的一部分为中心。
图4示出了根据本公开技术的一些实施例的确定地面高度的过程。
图5A-图5C示出了根据本公开技术的一些实施例的用于分析障碍物的过程。
图6A和图6B示出了根据本公开技术的一些实施例的用于确定移动平台可导航的区域的过程。
图7是示出了根据本公开技术的一些实施例的用于确定移动平台可导航的区域的一部分的拓扑结构的方法的流程图。
图8示出了根据本公开技术的一些实施例的用于生成移动平台与障碍物之间的距离的分布的过程。
图9示出了根据了本公开技术的一些实施例的交叉道路之间形成的角度。
图10是示出了根据本公开技术的一些实施例的用于基于拓扑结构匹配来定位移动平台的方法的流程图。
图11示出了从地图数据可获得的示例拓扑结构信息。
图12示出了根据本公开技术的各种实施例配置的移动平台的示例。
图13是示出了可用于实现本公开技术的各个部分的计算机***或其他控制设备的架构的示例的框图。
具体实施方式
1、概述
在许多情况下,发射器/检测器传感器(例如,LiDAR传感器)提供基础传感数据,以支持无人环境感知和导航。说明性地,LiDAR传感器可以使用以恒定速度在空气中行进的激光来测量传感器与目标之间的距离。图1A示出了与发射器/检测器传感器(或承载传感器的移动平台)相关联的三维坐标系110中的三维扫描点102。如本文中所使用的,三维扫描点可以在三维空间中具有位置(例如,三维坐标系中的坐标),并且二维扫描点可以是三维扫描点在二维平面上的投影。说明性地,三维扫描点102可以被投影到坐标系110的XOY平面作为二维点104。给定扫描点102与坐标系110的原点O之间的距离d以及连接扫描点102和原点O的线(例如,对应的激射束线106)的角度(例如,角度112和114),可以计算出投影点104的二维坐标。
图1B示出了由发射器/检测器传感器生成的点云120。说明性地,根据三维坐标系110表示点云120,并且点云120包括多个扫描点,例如由发射器/检测器传感器在一段时间期间生成的扫描点102的集合或累积(例如,框130)。移动平台可以承载一个或多个发射器/检测器传感器,以扫描其周边环境并获得一个或多个对应的点云。如本文所使用的,周边环境通常是指发射器/检测器传感器所在的和/或能够进入以进行感测的区域。周边环境可以远离传感器延伸一段距离,例如至少部分地在传感器周围,且周边环境可能不需要邻接传感器。
本公开技术包括用于处理一个或多个点云、识别移动平台可导航的区域以及将可导航区域的某些部分或类型的拓扑结构(例如,道路交叉口)与从地图数据中提取或导出的拓扑结构进行配对,从而以提高的准确度来定位移动平台的方法和***。
为了清楚起见,在以下描述中没有阐述如下结构和/或过程的细节:这些结构或过程描述公知且普遍与扫描平台(例如,UAV和/或其他类型的移动平台)以及相应的***和子***相关联,但可能不必要地使本公开的技术的一些重要方面变得模糊。此外,尽管以下公开内容阐述了本公开的技术的不同方面的若干实施例,但是一些其它实施例可以具有与本文中所描述的不同的配置或不同的部件。相应地,本公开的技术可以具有其他实施例,这些实施例具有附加元件和/或不具有以下参考图1A-图13描述的若干元件。
提供了图1A-图13以示出本公开的技术的代表性实施例。除非另有规定,否则附图不意在限制本申请中权利要求的范围。
以下描述的本技术的许多实施例可以采取计算机或控制器可执行指令的形式,包括由可编程计算机或控制器执行的例程。可编程计算机或控制器可以或可以不驻留在对应的扫描平台上。例如,可编程计算机或控制器可以是扫描平台的机载计算机,或者是与扫描平台相关联的单独但专用的计算机,或者是基于网络或基于云的计算服务的一部分。相关领域的技术人员将认识到,本技术可以在除以下所示和所述的计算机或控制器***之外的计算机或控制器***上实施。本技术可以体现在被专门编程、配置或构造为执行下面描述的一个或多个计算机可执行指令的专用计算机或数据处理器中。因此,本文中通常使用的术语“计算机”和“控制器”指代任何数据处理器,并且可以包括互联网装置和手持设备(包括掌上型计算机、可穿戴计算机、蜂窝或移动电话、多处理器***、基于处理器的或可编程的消费电子产品、网络计算机、迷你型计算机等)。由这些计算机和控制器处理的信息可以呈现在包括LCD(液晶显示器)的任何适当的显示介质上。用于执行计算机或控制器可执行任务的指令可以存储在任何适当的计算机可读介质之中或之上,包括硬件、固件或硬件和固件的组合。指令可以被包含在任何合适的存储设备中,包括例如闪存驱动器、通用串行总线(USB)设备和/或其他合适的介质。在特定实施例中,指令因此是非暂时性的。
2、代表性实施例
图2是示出了根据本公开技术的一些实施例的用于识别移动平台可导航的区域的方法200的流程图。该方法200可以由控制器(例如,移动平台的机载计算机、相关联的计算设备和/或相关联的计算服务)来实现。
在框205处,该方法包括基于极坐标系构造各种网格。例如,图3示出了根据本公开技术的一些实施例的极坐标系310,该极坐标系310的原点O以移动平台的一部分(例如,质心)为中心。说明性地,极坐标系310对应于X-Y平面,并且对应的Z轴(未示出)从原点O向外指向图的阅读者。该控制器可以将极坐标系310的360度(例如,绕Z轴)划分成尺寸相等或不等的M个扇区320。控制器还可以将每个扇区320划分成沿着径向取向的长度相等或不相等的N个网格322。说明性地,单个网格的径向方向长度可以被表示为:
在框210处,该方法包括将一个或多个点云的三维扫描点投影到网格上。说明性地,控制器计算极坐标系中各个扫描点投影的x-y或极坐标,并将扫描点分离到与各个网格对应的不同组中(例如,使用网格划分极坐标系中的扫描点投影)。对于每个网格控制器可以确定被分组到其中的扫描点的高度值(例如,z坐标值)。控制器可以选择最小的高度值来表示网格的可能的地面高度。
在框215,该方法包括基于扫描点的投影来确定地面高度。在一些实施例中,控制器实施合适的群集方法,例如基于扩散的群集方法,以确定各个网格的地面高度。图4示出了根据本公开技术的一些实施例的确定地面高度的过程。参考图4,属于极坐标系(例如,图3的坐标系310)中的特定扇区的网格的可能的地面高度在图中被表示为黑点。从最靠近极坐标原点O的网格开始,控制器选择小于阈值高度T0的第一高度值410(例如,在20cm和30cm之间),并将第一合格高度值410标记为初始估计地面高度从对应于初始估计地面高度的网格开始,控制器可以对沿着远离极坐标原点O的方向(例如,n+1方向)的所有可能的地面高度执行基于扩散的群集,并确定特定扇区中其他网格的地面高度(例如,)。基于扩散的群集的条件可以表示为:
其中,Tg对应恒定值(例如,在0.3m和0.5m之间),而项为较远离原点O的网格提供较高的阈值,以便适应较远离原点O的扫描点的潜在稀疏分布。如图4所示,该过程可以适应上坡(和类似地下坡)地面轮廓430并滤除不合格的地面高度420。
返回参考图2,在框220处,该方法包括根据多个网格对扫描点进行分类。说明性地,控制器可以基于所确定的地面高度对与每个网格相关联的扫描点进行分类。针对每个网格,例如使用所确定的地面高度基于以下条件,可以对具有高度值(例如,z坐标值)zi的扫描点进行分类,以指示其是否表示障碍物的一部分:
否则,zi表示障碍物。
继续参考图2,在框225处,该方法包括根据分析来移除可移动障碍物。说明性地,控制器可以滤除不表示障碍物的扫描点,然后分析表示障碍物的扫描点。图5A-图5C示出了根据本公开技术的一些实施例的用于分析障碍物的过程。参考图5A,控制器将移动平台周边的环境划分成以移动平台的一部分(例如,质心)为中心的N乘N二维分析网格500(例如,N=1000,并且每个网格的大小为0.1mx0.1m)。控制器将表示障碍物的一部分的扫描点投影或以其他方式变换到分析网格上,并且例如基于网格是否包括阈值数量的投影扫描点,将每个网格标记为障碍物网格502或非障碍物网格504。
参考图5B和图5C,控制器基于以下算法对障碍物网格进行群集:
(1)令生长半径为R,并将所有障碍物网格标记为“未访问”;
(2)选择“未访问”网格510作为基于生长的群集的种子,并将所选网格标记为“已访问”;
(3)在种子的半径R内检测障碍物网格512,将检测到的障碍物网格512分组为与种子属于相同的障碍物对象,并将检测到的障碍物网格512标记为“已访问”,并将其用作新的种子以用于进一步群集;
(4)如果无法再检测到属于该障碍物对象的其他障碍物网格,则结束该障碍物对象的群集;
(5)如果存在至少一个“未访问”的网格,则继续进行到(2)以针对另一障碍物对象进行群集;否则,群集过程结束。
然后,控制器分析经群集的障碍物网格。说明性地,控制器可以针对每个群集确定估计的障碍物形状(例如,外部平行四边形)。在一些实施例中,控制器可以将形状的各种属性(例如,边和对角线的比例)与一个或多个阈值进行比较,以确定群集是否表示不会影响移动平台的可导航性(例如,出于路线规划目的)的可移动对象(例如,载运工具、自行车、摩托车或行人)。控制器可以滤除对应于可移动障碍物的分析网格(或扫描点),并保留那些反映或以其他方式影响道路结构(例如,建筑物、栏杆、围栏、灌木、树木等)的分析网格。
在一些实施例中,控制器可以使用其他技术(例如,随机决策森林)对障碍物对象进行分类。例如,已经用带有标记的数据适当地训练的随机决策森林可用于将群集扫描点(或群集分析网格)分类为不同类型的障碍物对象(例如,载运工具、自行车、摩托车、行人、建筑物、树木、栏杆、围栏、灌木等)。然后,控制器可以滤除不影响移动平台可导航性的障碍物的分析网格(或扫描点)。在一些实施例中,控制器例如通过对一系列扫描点云应用平滑过滤器来滤除表示可移动对象的扫描点。
返回参考图2,在框230处,该方法包括确定移动平台的可导航区域。说明性地,控制器分析表示以移动平台的一部分(例如,重心)为中心的二维平面(例如,图3的x-y平面或图5A-图5C的分析网格平面)上的障碍物的投影或以其他方式变换的扫描点或分析网格。
图6A和图6B示出了根据本公开技术的一些实施例的用于确定移动平台可导航的区域的过程。参考图6A,控制器从平面的中心向外建立多个虚拟射束或射线610(例如,以均匀或不均匀的方式分布在360度上)。虚拟射束或射线610不是真实的并且不具有物理存在。相反,它们是源自平面中心的逻辑线。每个虚拟射束610在其与障碍物点或网格首次接触的地方结束。换言之,单个虚拟射束610的长度表示在对应方向上移动平台与最近障碍物的一部分之间的距离。因此,虚拟射束端点612被认为是可导航区域的边界点(例如,道路的一侧)。参考图6B,该控制器以顺时针或逆时针顺序连接虚拟射束610的端点612并且将封闭区域标记为是移动平台可导航的。在一些实施例中,可以使用各种合适的内插、外插和/或其他拟合技术来连接端点并确定可导航区域。一旦确定了可导航区域,控制器就可以生成路线规划指令或以其他方式指导移动平台在可导航区域内移动。
图7是示出了根据本公开技术的一些实施例的用于确定移动平台可导航的区域的一部分的拓扑结构的方法700的流程图。该方法700可以由控制器(例如,移动平台的机载计算机、相关联的计算设备和/或相关联的计算服务)来实现。
在框705,该方法包括确定移动平台与障碍物之间的距离的分布。类似于以上参考图2描述的方法200的框225,控制器可以分析投影的扫描点或分析网格,其表示以移动平台的一部分(例如,质心)为中心的二维平面上的障碍物。例如,图8示出了根据本公开技术的一些实施例的用于生成移动平台与障碍物之间的距离的分布的过程。参考图8,二维平面810包括表示障碍物(例如,道路侧边)的投影扫描点812。类似于图6A和图6B的过程,控制器可以建立在对应方向上的源自平面810的中心(例如,对应于移动平台或相关联的传感器的中心)并在最近障碍物点处结束的多个虚拟射束或射线(例如,以均匀或不均匀的方式分布在360度上)。然后该控制器能够生成由沿着定义的角度方向(例如,-180°到180°顺时针或逆时针方向)的虚拟射束的长度表示的距离d的分布820。在一些实施例中,可以由可以使用或可以不使用发射器/检测器传感器的另一***或服务来提供障碍物信息(例如,障碍物的位置)。例如,可以基于立体相机或其他基于视觉传感器的***来检测障碍物。
在框710处,该方法包括基于该分布来标识可导航区域的特定部分(例如,道路的交叉口)。说明性地,控制器可以确定道路取向(例如,相对于平面810的中心的角度位置)。例如,控制器在分布中搜索局部极大值(例如,峰值距离)并将他们对应的角位置标记为交叉路口处彼此交叉的道路的候选取向。如图8所示,在一些实施例中,因为道路的取向上的实际距离可以朝着无限延伸,并且可能没有对应的扫描点来明确反映这种情况,所以对应于峰值距离的候选道路取向822可以基于内插和/或外插来确定(例如,两个极大值点之间的间隙中的中点)。控制器可以使用以下规则来滤除道路的“假”取向(例如,道路的凹陷部分、移动平台无法通过的狭窄小巷、被误认为两条道路的中间隔离区等):
(1)排除与相应的局部最大距离d相关联的候选道路取向,该局部最大距离d小于阈值距离Td;
(2)计算每个候选道路取向的开口宽度A(例如,A被计算为两个虚拟射束角824之间的角度差异,每个虚拟射束角824与特定的局部最大距离d的1/2相关联,其与d关联的候选道路取向最接近),并排除开口宽度A大于阈值宽度Ta1和/或小于阈值宽度Ta2的候选道路取向;
(3)如果两个相邻候选道路取向之间的角度小于某个阈值Tb,则排除具有较小开口宽度A的候选道路取向。
可以使用各种其他规则来滤除道路的“假”取向。例如,可以不同地计算每个候选道路取向的开口宽度A(例如,包括权重因子,基于与候选道路取向不对称地相距开的两个虚拟射束角等)。作为另一示例,如果两个相邻候选道路取向之间的角度小于某个阈值Tb,则可以将两个相邻候选道路取向视为属于同一条道路,该道路可以与通过对两个相邻候选道路取向进行平均、加权平均或其他数学运算估算的新道路取向相关联。
在框715,该方法包括确定可导航区域的所标识部分(例如,道路的交叉口)的拓扑结构。在一些实施例中,控制器使用由角度定义的矢量来指示所标识部分的拓扑结构。例如,图9示出了相邻道路取向之间的角度θi。在这种情况下,拓扑结构的矢量形式可以表示为(θ1,θ2,θ3)。说明性地,基于所确定的道路取向的数量和角度,控制器可以例如基于以下分类规则来确定交叉口的拓扑结构类型:
(1)当道路取向的数量为2时:如果它们之间的角度在180度的阈值内,则可导航区域的部分被分类为直的道路;否则,可导航区域的该部分被分类为弯曲道路。
(2)当道路取向的数量为3时:如果两个相邻道路取向之间的至少一个角度小于90度,则将可导航区域的部分分类为Y形路口;否则,该可导航区域的该部分被分类为T形路口。
(3)当道路取向的数量为4时:如果两个相邻道路取向之间的至少一个角度小于90度,则将可导航区域的部分分类为X形路口;否则,该可导航区域的该部分被分类为+形路口。
在各种导航应用中,通常将移动平台的定位信息(例如,由GPS接收器生成的定位信息)转换为导航应用所使用的数字地图坐标,从而便于将移动平台定位在数字地图上以进行路线规划。然而,诸如GPS定位之类的技术可能不准确。例如,当载运工具在道路上行驶时,载运工具GPS接收器接收到的定位坐标不一定会落在数字地图的相应路径上,并且在载运工具的真实位置的特定范围内可能存在随机偏差。偏差可能导致路线规划不一致、错误或其他无法预料的风险。图10是示出了根据本公开技术的一些实施例的用于基于拓扑结构匹配来定位移动平台的方法1000的流程图。该方法1000可以由控制器(例如,移动平台的机载计算机、相关联的计算设备和/或相关联的计算服务)来实现。
在框1005处,该方法包括获得基于传感器的拓扑结构信息和基于地图的拓扑结构信息。说明性地,控制器例如使用如图7中所示的方法700,基于关于可导航区域的一部分(移动平台将要进入的交叉口)的传感器数据(例如,点云)来获得拓扑结构信息。如上所述,基于传感器的拓扑结构信息可以表示为矢量vsensor=(θ1,θ2,,θn),其中,θ1,θ2,...θn在交叉口附近按顺时针(或逆时针)顺序对应于两个相邻道路取向之间的相应角度。
控制器还基于地图数据(例如,GPS地图)获得拓扑结构信息。例如,如图11所示,各种GPS导航***或应用可以在移动平台进入交叉口之前生成警报。响应于检测到警报,控制器可以经由到导航***/应用的API接口来获得交叉口的拓扑结构1112。在一些实施例中,控制器可以搜索可访问的数字地图以标识搜索区域内的多个交叉口,并导出与所标识的交叉口相对应的拓扑结构。可以在某些情况下(例如,在GPS导航开始时,在驾驶通过大都市区域时等)基于可应用定位***或方法的精度极限或其他约束来确定搜索区域。同样,基于地图的拓扑结构可以表示为矢量vmap=(θ1,θ2,...,θm),其中,θ1,θ2,...,θm在交叉口附近按顺时针(或逆时针)顺序对应于两个相邻道路取向之间的相应角度。
在框1010处,该方法包括将基于传感器的拓扑结构信息与基于地图的拓扑结构信息配对。因为用于基于传感器的拓扑结构和基于地图的拓扑结构的参考系(例如,坐标系)可能不一定彼此一致,所以可以实现或可以不实现两种类型的拓扑结构信息之间的绝对匹配。例如,用于两种类型的拓扑结构信息的坐标系可以被定向在不同方向上和/或基于不同的比例。因此,在一些实施例中,配对过程包括这两种类型的拓扑结构之间的基于角度的相对匹配。说明性地,控制器相对于一个或多个基于地图的拓扑结构矢量vmap来评估基于传感器的拓扑结构矢量vsensor。且仅当以下情况时,控制器才可以确定两个拓扑结构彼此匹配:1)两个矢量具有相等数量的构成角;以及2)量化匹配的一个或多个差异测量(例如,互相关)小于阈值。
在一些实施例中,可以基于矢量中包括的两个角度集合之间的循环匹配或循环比较的形式来计算总体差异测量。在两个角度矢量之间的循环匹配或循环比较中,控制器将一个矢量保持固定,并“循环”另一矢量中包括的角度以与固定矢量进行比较。例如,给定vsensor=(30°,120°,210°)和vmap=(110°,200°,50°),控制器可以保持vmap固定,并将3个“循环”版本的vsensor(即,(30°,120°,210°)、(120°,210°,30°)和(210°,30°,120°))与vsensor进行比较。更具体地说,控制器可以如下执行循环匹配或循环比较:
|30-110|+|120-200|+|210-50|=320
|120-110|+|210-200|+|30-50|=40
|210-110|+|30-200|+|120-50|=340
如上所示,循环匹配或循环比较可以通过“循环”一个矢量的构成角(从而保持其圆形顺序),同时保持另一矢量的构成角的顺序来确定差异测量的多个候选。在一些实施例中,控制器选择最小值40的候选作为vsensor和vmap之间的配对的总体差异测量。各种合适的循环匹配或循环比较方法(例如,基于平方误差的方法)可用于确定总体差异测量。如果总体差异测量小于阈值,则可以将配对过程标记为成功。
下面示出了用于实现循环匹配或循环比较的伪代码示例:
在一些实施例中,进一步计算两个矢量的对应角度之间的多个角度差异测量。例如,根据如上所述的总体差异测量40,(10、10、20)以矢量形式描述了多个角度差异测量。因此,可以将多个阈值分别应用于不同的角度差异测量,以确定配对是否成功。在存在用于配对的多于一个基于地图的拓扑结构(例如,多个vmap值)的实施例中,控制器可以基于配对的对应差异测量对配对进行排序,选择具有最小差异测量的基于地图的拓扑结构,并进一步确定配对是否成功。在一些实施例中,两个角度矢量之间的匹配或配对可以基于两个矢量的角度值之间的成对比较。例如,控制器可以将固定的第一角度矢量与第二矢量中包括的角度的不同排列进行比较(例如,与角度的圆形顺序无关)。
在框1015,该方法包括将移动平台定位在地图数据的参考系内。给定配对的拓扑结构,可以将移动平台的当前位置映射到适用的数字地图的参考系(例如,坐标系)中的对应位置。例如,可以基于移动平台与地图数据中包括的配对交叉口之间的距离来确定对应位置。在一些实施例中,控制器可以指示移动平台根据移动平台的对应位置来执行动作(例如,直着移动、在特定时间点左转或右转等)。在一些实施例中,可以基于配对来校准、补偿或以其他方式调整由导航***或方法(例如,基于GPS的导航)确定的定位信息,以相对于地图数据的参考系变得更加准确和可靠。例如,控制器可以使用配对来确定移动平台是否到达地图上的某个交叉口(有或没有GPS定位),从而引导移动平台顺利地导航通过交叉口区域。在一些实施例中,如果拓扑结构配对不成功,则控制器可以在没有地图信息的情况下使用一个或多个传感器(例如,LiDAR)来引导移动平台的移动。
图12示出了根据本公开技术的各种实施例配置的移动平台的示例。如图所示,本文公开的代表性扫描平台可以包括以下中的至少一项:无人驾驶飞行器(UAV)1202、有人驾驶飞行器1204、自主汽车1206、自平衡载运工具1208、机器人1210、智能可穿戴设备1212、虚拟现实(VR)头戴式显示器1214或增强现实(AR)头戴式显示器1216。
图13是示出了可用于实现本公开的技术的各个部分的计算机***或其他控制设备1300的架构的示例的框图。在图13中,计算机***1300包括经由互连1325连接的一个或多个处理器1305和存储器1310。互连1325可以表示通过适当的桥接器、适配器或控制器连接的任何一个或多个单独的物理总线、点对点连接或两者。因此,互连1325可以包括例如***总线、***组件互连(PCI)总线、超传输(HyperTransport)或工业标准体系结构(iSA)总线、小型计算机***接口(SCSI)总线、通用串行总线(USB)、IIC(I2C)总线、或电气电子工程师协会(IEEE)标准674总线(有时称为“火线”)。
处理器1305可以包括中央处理单元(CPU),以控制例如主计算机的整体操作。在某些实施例中,处理器1305通过执行被存储在存储器1310中的软件或固件来实现这一点。处理器1305可以是或可以包括一个或多个可编程通用或专用微处理器、数字信号处理器(DSP)、可编程控制器、专用集成电路(ASIC)、可编程逻辑器件(PLD)等,或这些设备的组合。
存储器1310可以是或包括计算机***的主存储器。存储器1310表示任何适当形式的随机存取存储器(RAM)、只读存储器(ROM)、闪存等,或这些设备的组合。在使用中,存储器1310可以包含机器指令集,当由处理器1305执行时,该机器指令集使得处理器1305执行操作以实现本文公开的技术的实施例。
通过互连1325还连接到处理器1305的是(可选的)网络适配器1315。网络适配器1315向计算机***1300提供与诸如存储客户端和/或其他存储服务器之类的远程设备通信的能力,并且可以是例如以太网适配器或光纤通道适配器。
本文描述的技术可以通过例如用软件和/或固件编程的可编程电路(例如,一个或多个微处理器)来实现,或者完全在专用硬连线电路中,或者以这些形式的组合来实现。专用硬连线电路可以是例如一个或多个专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)等形式。
用于实现这里介绍的技术的软件或固件可以存储在机器可读存储介质上,并且可以由一个或多个通用或专用可编程微处理器来执行。本文使用的术语“机器可读存储介质”包括可以存储机器(机器可以是例如计算机、网络设备、蜂窝电话、个人数字助理(PDA)、制造工具、具有一个或多个处理器的任何设备等)可访问的形式的信息的任何机制。例如,机器可访问的存储介质包括可记录/不可记录的介质(例如,只读存储器(ROM);随机存取存储器(RAM);磁盘存储介质;光存储介质;闪存设备;等等)等。
本文使用的术语“逻辑”可以包括例如用特定软件和/或固件编程的可编程电路、专用硬连线电路或其组合。
虽然在本公开中以给定的顺序呈现了过程或框,但是备选实施例可以以不同的顺序来执行具有多个步骤的例程或使用具有多个框的***,并且一些过程或框可以被删除、移动、添加、细分、组合、和/或修改,以提供备选方案或子组合。这些过程或框中的每一个可以以各种不同的方式来实现。此外,虽然多个过程或框有时被示为串行地执行,但是这些过程或框可以替代地并行执行,或者可以在不同的时间执行。当过程或步骤“基于”值或计算时,应将过程或步骤解释为至少基于该值或计算。
除了上述内容之外或代替上述内容,本公开的一些实施例具有其他方面、元件、特征和步骤。在本说明书的其余部分中描述了这些潜在的附加和替换。在本说明书中对“各个实施例”、“某些实施例”的引用表示结合实施例描述的特定特征、结构或特性被包括在本公开的至少一个实施例中。这些实施例,甚至备选实施例(例如,称为“其他实施例”)不与其他实施例互斥。此外,描述了可以由一些实施例而不是由其他实施例展现的各种特征。类似地,描述了各种要求,这些要求可以是一些实施例的要求但不是其他实施例的要求。例如,一些实施例使用由发射器/检测器传感器产生的数据,其他实施例可以使用由视觉或光学传感器产生的数据,还有一些实施例可以使用两种类型的数据或其他传感数据。作为另一示例,一些实施例考虑了基于交叉口的配对,而其他实施例可以应用于任何可导航区域、地形或结构。
就本文通过引用并入的任何材料与本公开相冲突的方面而言,以本公开为准。
Claims (80)
1.一种用于定位移动平台的计算机实现方法,所述方法包括:
在以所述移动平台的一部分为中心的坐标系中构建多个网格;
将一个或多个点云中包括的扫描点投影到所述多个网格上,其中,所述一个或多个点云每个均指示与所述移动平台周围的环境的至少一部分有关的三维环境信息;
对于被投影到每个网格上的扫描点,根据相对于极坐标系的平面的高度标准来选择扫描点;
对至少所选择的扫描点的子集进行群集;
至少部分地基于所述群集,确定各个网格的地面高度;
至少部分地基于所述地面高度来标识一个或多个障碍物点;
生成所述障碍物点的至少一个子集与所述移动平台之间的距离分布;
至少部分地基于从所述分布中检测到的局部极大值来识别道路交叉口;
确定所识别的道路交叉口的第一拓扑结构;
将所述第一拓扑结构与从地图数据导出的道路交叉口的第二拓扑结构进行匹配;以及
至少部分地基于所述匹配,相对于与所述地图数据相关联的参考系来定位所述移动平台。
2.一种用于识别移动平台的可导航区域的计算机实现方法,所述方法包括:
至少部分地基于相对于所述移动平台的一部分参考的多个网格来分离多个三维扫描点,其中,各个二维网格与分离出的扫描点的对应不同集合相关联;
至少部分地基于多个扫描点的所述分离来标识所述多个扫描点的子集,其中,扫描点的所述子集指示位于与所述移动平台相邻的环境中的一个或多个障碍物;以及
至少部分地基于扫描点的所述子集的位置来识别所述移动平台可导航的区域;
其中,标识扫描点的所述子集还包括:滤除指示一个或多个可移动对象的扫描点,其中,针对每个所述子集确定估计的障碍物形状,以确定所述子集是否指示可移动对象。
3.根据权利要求2所述的方法,其中,所述网格至少部分地基于以所述移动平台的所述部分为中心的极坐标系,并且分离所述多个扫描点包括将所述多个扫描点投影到二维平面的网格上。
4.根据权利要求3中所述的方法,其中,所述网格包括扇区,所述扇区是根据所述极坐标系至少部分地基于角度差异形成的。
5.根据权利要求4所述的方法,其中,每个扇区根据所述极坐标系在对应的径向方向上被进一步被划分为多个网格。
6.根据权利要求2所述的方法,其中,标识扫描点的所述子集包括确定相对于单个网格的基本高度。
7.根据权利要求6所述的方法,其中,标识扫描点的所述子集还包括:至少部分地基于与各个网格的所述基本高度的比较来过滤扫描点。
8.根据权利要求7所述的方法,其中,所述一个或多个可移动对象包括载运工具、摩托车、自行车或行人中的至少一项。
9.根据权利要求2所述的方法,其中,识别所述移动平台可导航的所述区域包括:将扫描点的所述子集变换成二维平面上的障碍物点。
10.根据权利要求9所述的方法,其中,识别所述移动平台可导航的所述区域还包括:至少部分地基于所述障碍物点在所述二维平面上相对于所述移动平台的位置来评估所述障碍物点。
11.根据权利要求2、9或10中任一项所述的方法,其中,所述移动平台可导航的所述区域包括道路的交叉口。
12.根据权利要求2-10中任一项所述的方法,其中,所述移动平台包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
13.根据权利要求2-10中的任一项所述的方法,还包括使所述移动平台在识别出的区域内移动。
14.一种存储计算机可执行指令的非暂时性计算机可读介质,所述计算机可执行指令在被执行时使得与移动平台相关联的一个或多个处理器执行动作,所述动作包括:
至少部分地基于相对于所述移动平台的一部分参考的多个二维网格来分离多个三维扫描点,其中,各个二维网格与分离的扫描点的对应不同集合相关联;
至少部分地基于多个扫描点的所述分离来标识所述多个扫描点的子集,其中,扫描点的所述子集指示位于与所述移动平台相邻的环境中的一个或多个障碍物;以及
至少部分地基于扫描点的所述子集的位置来识别所述移动平台可导航的区域;
其中,标识扫描点的所述子集还包括:滤除指示一个或多个可移动对象的扫描点,其中,针对每个所述子集确定估计的障碍物形状,以确定所述子集是否指示可移动对象。
15.根据权利要求14所述的计算机可读介质,其中,所述二维网格至少部分地基于以所述移动平台的所述部分为中心的极坐标系,并且分离所述多个扫描点包括将所述多个扫描点投影到所述二维网格上。
16.根据权利要求15所述的计算机可读介质,其中,所述二维网格包括根据所述极坐标系划分的扇区。
17.根据权利要求14所述的计算机可读介质,其中,所述多个扫描点指示与所述移动平台周围的环境的至少一部分有关的三维环境信息。
18.根据权利要求14所述的计算机可读介质,其中,标识扫描点的所述子集包括:确定相对于单个网格的基本高度。
19.根据权利要求18所述的计算机可读介质,其中,标识扫描点的所述子集还包括:至少部分地基于与各个网格的所述基本高度的比较来过滤扫描点。
20.根据权利要求14所述的计算机可读介质,其中,所述一个或多个可移动对象包括载运工具、摩托车、自行车或行人中的至少一项。
21.根据权利要求14所述的计算机可读介质,其中,识别所述移动平台可导航的所述区域包括:将扫描点的所述子集变换成二维平面上的障碍物点。
22.根据权利要求21所述的计算机可读介质,其中,识别所述移动平台可导航的所述区域还包括:至少部分地基于所述障碍物点在所述二维平面上相对于所述移动平台的位置来评估所述障碍物点。
23.根据权利要求14、21或22中任一项所述的计算机可读介质,其中,所述移动平台可导航的所述区域包括道路的交叉口。
24.根据权利要求14-22中任一项所述的计算机可读介质,其中,所述移动平台包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
25.根据权利要求14-22中任一项所述的计算机可读介质,其中,所述动作还包括使所述移动平台在识别出的区域内移动。
26.一种载运工具,包括至少部分地控制所述载运工具的一个或多个运动的被编程控制器,其中,所述被编程控制器包括一个或多个处理器,所述一个或多个处理器被配置为:
至少部分地基于相对于所述载运工具的一部分参考的多个二维网格来分离多个三维扫描点,其中,各个二维网格与分离的扫描点的对应不同集合相关联;
至少部分地基于多个扫描点的所述分离来标识所述多个扫描点的子集,其中,扫描点的所述子集指示在与所述载运工具相邻的环境中的一个或多个障碍物;以及
至少部分地基于扫描点的所述子集的位置来识别所述载运工具可导航的区域;
其中,标识扫描点的所述子集还包括:滤除指示一个或多个可移动对象的扫描点,其中,针对每个所述子集确定估计的障碍物形状,以确定所述子集是否指示可移动对象。
27.根据权利要求26所述的载运工具,其中,所述二维网格至少部分地基于以所述载运工具的所述部分为中心的极坐标系,并且分离所述多个扫描点包括将所述多个扫描点投影到所述二维网格上。
28.根据权利要求27所述的载运工具,其中,所述二维网格包括根据所述极坐标系划分的扇区。
29.根据权利要求26所述的载运工具,其中,所述多个扫描点指示关于所述载运工具周围环境的至少一部分的三维环境信息。
30.根据权利要求26所述的载运工具,其中,标识扫描点的所述子集包括:确定相对于单个网格的基本高度。
31.根据权利要求30所述的载运工具,其中,标识扫描点的所述子集还包括至少部分地基于与各个网格的所述基本高度的比较来过滤扫描点。
32.根据权利要求26所述的载运工具,其中,所述一个或多个可移动对象包括载运工具、摩托车、自行车或行人中的至少一项。
33.根据权利要求26所述的载运工具,其中,识别所述载运工具可导航的所述区域包括:将扫描点的所述子集变换成二维平面上的障碍物点。
34.根据权利要求33所述的载运工具,其中,识别所述载运工具可导航的所述区域还包括:至少部分地基于所述障碍物点在所述二维平面上相对于所述载运工具的位置来评估所述障碍物点。
35.根据权利要求26、33或34中任一项所述的载运工具,其中,所述载运工具可导航的所述区域包括道路的交叉口。
36.根据权利要求26-34中任一项所述的载运工具,其中,所述载运工具包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
37.根据权利要求26-34中任一项所述的载运工具,其中,所述一个或多个处理器还被配置为使所述载运工具在识别出的区域内移动。
38.一种用于定位移动平台的计算机实现方法,所述方法包括:
获得指示所述移动平台附近的环境中的一个或多个障碍物的障碍物点的集合;
至少部分地基于所述障碍物点的集合与所述移动平台之间的距离分布,确定可导航区域的第一拓扑结构;以及
将所述第一拓扑结构与第二拓扑结构配对,其中,所述第二拓扑结构是至少部分地基于地图数据的。
39.根据权利要求38所述的方法,其中,获得所述障碍物点的集合包括:滤除指示一个或多个可移动对象的障碍物点。
40.根据权利要求39所述的方法,其中,所述一个或多个可移动对象包括载运工具、摩托车、自行车或行人中的至少一项。
41.根据权利要求39所述的方法,其中,滤除障碍物点至少部分地基于所述障碍物点的形状。
42.根据权利要求39的方法,其中,滤除障碍物点包括至少执行基于随机决策森林的方法。
43.根据权利要求38所述的方法,其中,所述障碍物点的集合被表示在二维平面上。
44.根据权利要求38所述的方法,其中,所述可导航区域包括多条道路的至少一个交叉口。
45.根据权利要求44所述的方法,其中,确定所述第一拓扑结构包括确定在所述交叉口处由所述多条道路形成的一个或多个角度。
46.根据权利要求38、44或45中任一项所述的方法,其中,确定所述第一拓扑结构包括:确定所述距离分布内的局部极大值。
47.根据权利要求46所述的方法,还包括滤除不合格的道路。
48.根据权利要求47所述的方法,其中,滤除不合格的道路是基于以下中的至少一项的:关于凹陷部的测量的阈值,关于道路宽度的测量的阈值,或关于两条相邻道路的取向之间的角度差异的阈值。
49.根据权利要求47所述的方法,其中,滤除不合格的道路包括排除表示可移动对象的扫描点。
50.根据权利要求49所述的方法,其中,排除表示可移动对象的扫描点包括对一系列扫描点云应用平滑过滤器。
51.根据权利要求44所述的方法,还包括确定所述第一拓扑结构的类型。
52.根据权利要求51所述的方法,其中,基于包括以下项的一组规则中的至少一个规则来确定所述第一拓扑结构的类型:
(1)当所述多条道路的数量为2时:如果所述两条道路的取向之间的角度在180度的阈值内,则所述第一拓扑结构的类型为直的道路;否则所述第一拓扑结构的类型是弯曲道路,
(2)当所述多条道路的数量为3时:如果两条相邻道路的取向之间的至少一个角度小于90度,则所述第一拓扑结构的类型为Y形路口;否则,所述第一拓扑结构的类型是T形路口,以及
(3)当所述多条道路的数量为4时:如果两条相邻道路的取向之间的至少一个角度小于90度,则所述第一拓扑结构的类型为X形路口;否则,所述第一拓扑结构的类型是+形路口。
53.根据权利要求38所述的方法,其中,所述第一拓扑结构和所述第二拓扑结构被表示为矢量。
54.根据权利要求53所述的方法,其中,将所述第一拓扑结构与所述第二拓扑结构配对包括:在第一拓扑结构矢量与第二拓扑结构矢量之间进行循环匹配。
55.根据权利要求38所述的方法,其中,获得所述障碍物点的集合包括:至少部分地基于由所述移动平台的一个或多个传感器产生的数据来获得所述障碍物点的集合。
56.根据权利要求38或55所述的方法,其中,所述地图数据包括GPS导航地图数据。
57.根据权利要求38-45、47-55中任一项所述的方法,其中,所述移动平台包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
58.根据权利要求38-45、47-55中任一项所述的方法,还包括:至少部分地基于所述配对,在所述地图数据的参考系内定位所述移动平台。
59.一种存储计算机可执行指令的非暂时性计算机可读介质,所述计算机可执行指令在被执行时使得与移动平台相关联的一个或多个处理器执行动作,所述动作包括:
获得指示所述移动平台附近的环境中的一个或多个障碍物的障碍物点的集合;
至少部分地基于所述障碍物点的集合与所述移动平台之间的距离分布,确定可导航区域的第一拓扑结构;以及
将所述第一拓扑结构与第二拓扑结构配对,其中,所述第二拓扑结构至少部分地基于地图数据。
60.根据权利要求59所述的计算机可读介质,其中,所述障碍物点的集合被表示在二维平面上。
61.根据权利要求59所述的计算机可读介质,其中,所述可导航区域包括多条道路的至少一个交叉口。
62.根据权利要求61所述的计算机可读介质,其中,确定所述第一拓扑结构包括确定在所述交叉口处由所述多条道路形成的一个或多个角度。
63.根据权利要求59、61或62中任一项所述的计算机可读介质,其中,确定所述第一拓扑结构包括:确定所述距离分布内的局部极大值。
64.根据权利要求59所述的计算机可读介质,其中,所述第一拓扑结构和所述第二拓扑结构被表示为矢量。
65.根据权利要求64所述的计算机可读介质,其中,将所述第一拓扑结构与所述第二拓扑结构配对包括:在第一拓扑结构矢量与第二拓扑结构矢量之间进行循环匹配。
66.根据权利要求59所述的计算机可读介质,其中,获得所述障碍物点的集合包括至少部分地基于由所述移动平台的一个或多个传感器产生的数据来获得所述障碍物点的集合。
67.根据权利要求59或66所述的计算机可读介质,其中,所述地图数据包括GPS导航地图数据。
68.根据权利要求59-62、64-66中任一项所述的计算机可读介质,其中,所述移动平台包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
69.根据权利要求59-62、64-66中任一项所述的计算机可读介质,其中,所述动作还包括:至少部分地基于所述配对,在所述地图数据的参考系内定位所述移动平台。
70.一种载运工具,包括至少部分地控制所述载运工具的一个或多个运动的被编程控制器,其中,所述被编程控制器包括一个或多个处理器,所述一个或多个处理器被配置为:
获得指示所述载运工具附近的环境中的一个或多个障碍物的障碍物点的集合;
至少部分地基于所述障碍物点的集合与所述载运工具之间的距离分布,确定可导航区域的第一拓扑结构;以及
将所述第一拓扑结构与第二拓扑结构配对,其中,所述第二拓扑结构至少部分地基于地图数据。
71.根据权利要求70所述的载运工具,其中,所述障碍物点的集合被表示在二维平面上。
72.根据权利要求70所述的载运工具,其中,所述可导航区域包括多条道路的至少一个交叉口。
73.根据权利要求72所述的载运工具,其中,确定所述第一拓扑结构包括确定在所述交叉口处由所述多条道路形成的一个或多个角度。
74.根据权利要求70、72或73中任一项所述的载运工具,其中,确定所述第一拓扑结构包括:确定所述距离分布内的局部极大值。
75.根据权利要求70所述的载运工具,其中,所述第一拓扑结构和所述第二拓扑结构被表示为矢量。
76.根据权利要求75所述的载运工具,其中,将所述第一拓扑结构与所述第二拓扑结构配对包括:在第一拓扑结构矢量与第二拓扑结构矢量之间进行循环匹配。
77.根据权利要求70所述的载运工具,其中,获得所述障碍物点的集合包括至少部分地基于由所述载运工具的一个或多个传感器产生的数据来获得所述障碍物点的集合。
78.根据权利要求70或77所述的载运工具,其中,所述地图数据包括GPS导航地图数据。
79.根据权利要求70-73、75-77中任一项所述的载运工具,其中,所述载运工具包括以下中的至少一项:无人驾驶飞行器UAV、有人驾驶飞行器、自主汽车、自平衡载运工具、机器人、智能可穿戴设备、虚拟现实VR头戴式显示器或增强现实AR头戴式显示器。
80.根据权利要求70-73、75-77中任一项所述的载运工具,其中,所述一个或多个处理器还被配置为至少部分地基于所述配对在所述地图数据的参考系内定位所述载运工具。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/112930 WO2019100337A1 (en) | 2017-11-24 | 2017-11-24 | Navigable region recognition and topology matching, and associated systems and methods |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111279154A CN111279154A (zh) | 2020-06-12 |
CN111279154B true CN111279154B (zh) | 2021-08-31 |
Family
ID=66631263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780096402.8A Expired - Fee Related CN111279154B (zh) | 2017-11-24 | 2017-11-24 | 导航区域识别和拓扑结构匹配以及相关联的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200124725A1 (zh) |
EP (1) | EP3662230A4 (zh) |
CN (1) | CN111279154B (zh) |
WO (1) | WO2019100337A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11754415B2 (en) * | 2019-09-06 | 2023-09-12 | Ford Global Technologies, Llc | Sensor localization from external source data |
CN110793532A (zh) * | 2019-11-06 | 2020-02-14 | 深圳创维数字技术有限公司 | 路径导航方法、装置及计算机可读存储介质 |
RU2757038C2 (ru) * | 2019-12-30 | 2021-10-11 | Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" | Способ и система для предсказания будущего события в беспилотном автомобиле (sdc) |
CN111337910A (zh) * | 2020-03-31 | 2020-06-26 | 新石器慧通(北京)科技有限公司 | 一种雷达检验方法及装置 |
CN111780775A (zh) * | 2020-06-17 | 2020-10-16 | 深圳优地科技有限公司 | 路径规划的方法、装置、机器人及存储介质 |
JP7380532B2 (ja) * | 2020-11-16 | 2023-11-15 | トヨタ自動車株式会社 | 地図生成装置、地図生成方法及び地図生成用コンピュータプログラム |
US11960009B2 (en) * | 2020-12-30 | 2024-04-16 | Zoox, Inc. | Object contour determination |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101162154A (zh) * | 2007-11-06 | 2008-04-16 | 北京航空航天大学 | 一种基于虚拟节点的道路网络模型 |
CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据(武汉)有限公司 | 基于预测思想的地图匹配方法 |
CN104850834A (zh) * | 2015-05-11 | 2015-08-19 | 中国科学院合肥物质科学研究院 | 基于三维激光雷达的道路边界检测方法 |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL227860B (en) * | 2013-08-08 | 2019-05-30 | Israel Aerospace Ind Ltd | Classification of objects in a scanned environment |
US9767366B1 (en) * | 2014-08-06 | 2017-09-19 | Waymo Llc | Using obstacle clearance to measure precise lateral |
-
2017
- 2017-11-24 WO PCT/CN2017/112930 patent/WO2019100337A1/en unknown
- 2017-11-24 CN CN201780096402.8A patent/CN111279154B/zh not_active Expired - Fee Related
- 2017-11-24 EP EP17932799.4A patent/EP3662230A4/en not_active Withdrawn
-
2019
- 2019-12-18 US US16/718,988 patent/US20200124725A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101162154A (zh) * | 2007-11-06 | 2008-04-16 | 北京航空航天大学 | 一种基于虚拟节点的道路网络模型 |
CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据(武汉)有限公司 | 基于预测思想的地图匹配方法 |
CN104850834A (zh) * | 2015-05-11 | 2015-08-19 | 中国科学院合肥物质科学研究院 | 基于三维激光雷达的道路边界检测方法 |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
Non-Patent Citations (1)
Title |
---|
3D LIDAR Point Cloud based Intersection Recognition for Autonomous Driving;Quanwen Zhu 等;《2012 IEEE Intelligent Vehicles Symposium》;20120705;第456-460页 * |
Also Published As
Publication number | Publication date |
---|---|
EP3662230A1 (en) | 2020-06-10 |
US20200124725A1 (en) | 2020-04-23 |
EP3662230A4 (en) | 2020-08-12 |
WO2019100337A1 (en) | 2019-05-31 |
CN111279154A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111279154B (zh) | 导航区域识别和拓扑结构匹配以及相关联的***和方法 | |
CN106767853B (zh) | 一种基于多信息融合的无人驾驶车辆高精度定位方法 | |
Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
EP3361278B1 (en) | Autonomous vehicle localization based on walsh kernel projection technique | |
US11294392B2 (en) | Method and apparatus for determining road line | |
US11238561B2 (en) | Correction of motion-based inaccuracy in point clouds | |
Hata et al. | Feature detection for vehicle localization in urban environments using a multilayer LIDAR | |
Jeong et al. | Road-SLAM: Road marking based SLAM with lane-level accuracy | |
US8452103B2 (en) | Scene matching reference data generation system and position measurement system | |
WO2020163311A1 (en) | Systems and methods for vehicle navigation | |
EP4042109A1 (en) | Systems and methods for vehicle navigation | |
KR102604298B1 (ko) | 랜드마크 위치 추정 장치와 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체 | |
KR101711964B1 (ko) | 자유 공간 지도 생성 방법, 자유 공간 지도 생성 시스템, 자유 공간 지도를 이용한 전경/배경 추출 방법 및 전경/배경 추출 시스템 | |
JP7232946B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR20170026857A (ko) | 레이저 거리 센서를 이용한 바닥 장애물 검출 방법 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
JP6397386B2 (ja) | 領域分割処理装置、方法、及びプログラム | |
Tazaki et al. | Outdoor autonomous navigation utilizing proximity points of 3D Pointcloud | |
US20240151855A1 (en) | Lidar-based object tracking | |
WO2022147274A1 (en) | Systems and methods for road segment mapping | |
Berkovich et al. | Vision system as an aid to car navigation | |
Alfonso et al. | Automobile indexation from 3D point clouds of urban scenarios | |
Suomela et al. | Benchmarking Visual Localization for Autonomous Navigation | |
KR102486496B1 (ko) | 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치 | |
Tokudome et al. | Development of real-time environment recognition system using LiDAR for autonomous driving |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |