CN111458700B - 车辆映射和定位的方法和*** - Google Patents

车辆映射和定位的方法和*** Download PDF

Info

Publication number
CN111458700B
CN111458700B CN202010035941.4A CN202010035941A CN111458700B CN 111458700 B CN111458700 B CN 111458700B CN 202010035941 A CN202010035941 A CN 202010035941A CN 111458700 B CN111458700 B CN 111458700B
Authority
CN
China
Prior art keywords
map
vehicle
data
radar
processor
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.)
Active
Application number
CN202010035941.4A
Other languages
English (en)
Other versions
CN111458700A (zh
Inventor
K.J.金
C.N.卡帕夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN111458700A publication Critical patent/CN111458700A/zh
Application granted granted Critical
Publication of CN111458700B publication Critical patent/CN111458700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

提供了用于一种用于定位车辆的***和方法。在一实施例中，方法包括：通过处理器接收雷达数据，所述雷达数据来自车辆的雷达；通过处理器基于雷达数据创建本地地图；通过处理器基于预测的车辆姿态从数据存储部检索环境的地图；通过处理器关联本地地图和检索到的地图；通过处理器基于所述关联确定定位的车辆姿态；以及通过处理器基于定位的车辆姿态控制车辆。

Description

车辆映射和定位的方法和***
技术领域
本公开总体上涉及车辆，并且更具体地涉及使用雷达数据生成地图并基于雷达数据和地图定位车辆。
自主车辆是能够在很少或没有用户输入的情况下感知其环境并导航的车辆。自主车辆使用诸如雷达、激光雷达、图像传感器等之类的感测设备来感测其环境。自主车辆***还使用来自全球定位***(GPS)技术、导航***、车辆到车辆通信、车辆到基础设施技术和/或线控驾驶***的信息来导航车辆。
尽管自主车辆和半自主车辆提供了优于传统车辆的许多潜在优势，但在某些情况下，可能期望改善车辆的操作。例如，自主车辆确定它们的位置，例如，在环境内的位置，尤其是在车道边界内的位置(在本文中称为定位)，并使用该位置来导航车辆。自主车辆基于环境地图确定其位置。一些地图是根据从激光雷达接收到的数据生成的。激光雷达可能很昂贵，并且在恶劣的天气条件下不是最佳选择。
因此，期望提供用于生成地图和定位车辆的改进的***和方法。进一步期望提供一种改进的***和方法，用于基于来自自主车辆上已经可用的传感器(例如，雷达)的传感器数据来映射和定位车辆。此外，结合附图以及前述技术领域和背景技术，根据随后的详细描述和所附的权利要求，本公开的其他期望特征和特性将变得显而易见。
发明内容
提供了一种用于定位车辆的***和方法。在一实施例中，方法包括：通过处理器接收雷达数据，雷达数据来自车辆的雷达；通过处理器基于雷达数据创建本地地图；通过处理器基于预测的车辆姿态从数据存储部检索环境的地图；通过处理器关联本地地图和检索到的地图；通过处理器基于所述关联确定定位的车辆姿态；以及通过处理器基于定位的车辆姿态控制车辆。
在各种实施例中，本地地图是包括多个单元的图像地图，所述多个单元包括雷达数据。在各种实施例中，所述多个单元中的每个单元包括被变换为通用横向墨卡托坐标的雷达数据的雷达横截面数据。在各种实施例中，本地地图包括针对所述多个单元中的每个单元的计算出的权重。在各种实施例中，所述权重基于自接收到雷达数据起的车辆行驶距离。
在各种实施例中，所述权重基于雷达数据的方位角和距离(range)。在各种实施例中，所述权重基于雷达数据的雷达横截面。在各种实施例中，所述关联包括计算本地地图和检索到的地图之间的相似性度量。
在各种实施例中，检索到的地图包括与预测的车辆姿态的位置关联的多个网格地图。在各种实施例中，检索到的地图包括基于检测概率分布函数的权重，并且其中所述关联基于所述权重。
在各种实施例中，方法还包括在创建本地地图时，基于过滤参数对雷达数据进行过滤，其中过滤参数包括动态回波(dynamic return)、具有主车辆速度的回波、雷达视场和模糊回波中的至少一项。
在另一实施例中，一种***包括：至少一个雷达，其产生与车辆的环境相关的雷达数据；和控制器，其配置为通过处理器接收雷达数据，基于雷达数据创建本地地图，基于预测的车辆姿态从数据存储部检索环境的地图，关联本地地图和检索到的地图，基于所述关联确定定位的车辆姿态，以及基于定位的车辆姿态控制车辆。
在各种实施例中，本地地图是包括多个单元的图像地图，所述多个单元包括雷达数据。在各种实施例中，所述多个单元中的每个单元包括被变换为通用横向墨卡托坐标的雷达数据的雷达横截面数据。
在各种实施例中，本地地图包括针对所述多个单元中的每个单元的计算出的权重。在各种实施例中，所述权重基于自接收到雷达数据起的车辆行驶距离、雷达数据的方位角和距离以及雷达数据的雷达横截面。
在各种实施例中，控制器通过计算本地地图和检索到的地图之间的相似性度量而进行关联。在各种实施例中，检索到的地图包括与预测的车辆姿态的位置关联的多个网格地图。在各种实施例中，检索到的地图包括基于检测概率分布函数的权重，并且其中控制器基于所述权重进行关联。
在各种实施例中，控制器还被配置为在创建本地地图时，基于过滤参数对雷达数据进行过滤，其中过滤参数包括动态回波、具有主车辆速度的回波，雷达视场和模糊回波中的至少一项。
附图说明
在下文中将结合附图描述示例性实施例，其中，相同的标记表示相同的元件，并且其中：图1是示出了根据各种实施例的具有映射和定位***的自主车辆的功能框图；
图2是示出了根据各种实施例的包括映射和定位***的自主驾驶***的数据流图；
图3是示出了根据各种实施例的映射和定位***的映射***的数据流图；
图4是根据各种实施例的由映射***使用的曲线的示图；
图5、6和7是示出了根据各种实施例的可以由映射和定位***执行的映射方法的流程图；
图8是示出了根据各种实施例的映射和定位***的定位***的数据流图；
图9是根据各种实施例的由映射和定位***的定位***使用的曲线的示图；并且
图10是示出了根据各种实施例的可以由映射和定位***执行的定位方法的流程图。
具体实施方式
以下详细描述本质上仅是示例性的，并不旨在限制应用和使用。此外，无意受在前述技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论约束。如本文所使用，术语模块是指任何硬件、软件、固件、电子控制组件、处理逻辑和/或处理器设备中的单个或任何组合，其包括但不限于：专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共用的、专用的或成组的)和存储器、组合逻辑电路和/或提供所描述功能的其他合适组件。
本文可根据功能和/或逻辑块组件以及各种处理步骤来描述本公开的实施例。应当理解，可以通过被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现这样的块组件。例如，本公开的实施例可以采用各种集成电路组件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外，本领域技术人员将认识到，可以结合任何数量的***来实践本公开的实施例，并且本文描述的***仅仅是本公开的示例性实施例。
为了简洁起见，与信号处理、数据传输、信令、控制和***的其他功能方面(以及***的各个操作组件)有关的常规技术在本文可能不会详细描述。此外，本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例性功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
参考图1，根据各种实施例，总体上以100示出的映射和定位***与车辆10相关联。通常，映射和定位***100处理由设置在车辆10周围的一个或多个雷达提供的数据(如将在下面更详细地讨论的)以确定环境的地图。然后，映射和定位***100使用地图以及来自雷达的其他数据在车辆行驶时对车辆10进行定位。然后，车辆10基于该定位智能地导航。
如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的部件。车身14和底盘12可以一起形成框架。车轮16-18每个在车身14的相应角部附近旋转地联接至底盘12。
在各种实施例中，车辆10是自主车辆，定位***100包括在自主车辆10中(在下文中称为自主车辆10)。自主车辆10例如是被自动控制以将乘客从一个位置运送到另一位置的车辆。在图示的实施例中，车辆10被描述为乘用车，但是应当理解，也可以使用任何其他车辆，包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、轮船、飞机或简单机器人等。在示例性实施例中，自主车辆10是所谓的四级或五级自主***。四级***表示“高度自动化”，是指自动驾驶***在动态驾驶任务的所有方面的驾驶模式特定性能，即使人类驾驶员没有适当地响应干预请求。五级***表示“完全自动化”，是指自动驾驶***在可由人类驾驶员管理的所有道路和环境条件下在动态驾驶任务的所有方面的全时性能。可以理解，在各种实施例中，自主车辆10可以是任何级别的自动化。
如图所示，自主车辆10通常包括推进***20、传动***22、转向***24、制动***26、传感器***28、致动器***30、至少一个数据存储装置32、至少一个控制器34和通信***36。在各种实施例中，推进***20可包括内燃发动机、诸如牵引电动机的电机和/或燃料电池推进***。传动***22被构造成根据可选择的速度比率将动力从推进***20传递至车轮16-18。根据各种实施例，传动***22可包括阶梯比率自动变速器、连续可变变速器或其他合适的变速器。制动***26被构造成向车轮16-18提供制动扭矩。在各种实施例中，制动***26可以包括摩擦制动器、线制动器。诸如电机的再生制动***和/或其他合适的制动***。转向***24影响车轮16-18的位置。尽管出于示意目的被描绘为包括方向盘，但是在本公开的范围内预期的一些实施例中，转向***24可以不包括方向盘。
传感器***28包括一个或多个感测设备40a-40n，其感测自主车辆10的外部环境和/或内部环境的可观测的状况。感测设备40a-40n可以包括但不限于雷达、激光雷达、全球定位***、光学相机、热像仪、超声波传感器、惯性测量单元和/或其他传感器。在各种实施例中，感测设备40a-40n包括一个或多个图像传感器，该图像传感器生成由定位***100使用的图像传感器数据。
致动器***30包括一个或多个致动器装置42a-42n，其控制一个或多个车辆特征，例如但不限于推进***20、传动***22、转向***24和制动***26。在各种实施例中，车辆特征可以进一步包括内部和/或外部车辆特征，例如但不限于门、行李箱和客舱特征，例如空气、音乐、照明等(未编号)。
通信***36被配置为与其他实体48进行无线通信，所述其他实体例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程***和/或个人设备(参考图2更详细地描述)。在示例性实施例中，通信***36是被配置为经由使用IEEE802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信而进行通信的无线通信***。然而，在本公开的范围内也考虑诸如专用短程通信(DSRC)信道之类的附加或替代通信方法。DSRC信道是指专门为汽车使用而设计的单向或双向短程至中程无线通信通道以及一组相应的协议和标准。
数据存储设备32存储用于自动控制自主车辆10的数据。在各种实施例中，数据存储设备32存储可导航环境的定义的地图。在各种实施例中，定义的地图包括从映射和定位***100生成的地图。在各种实施例中，从远程***和/或其他车辆接收地图。可以理解，数据存储设备32可以是控制器34的一部分、与控制器34分离、或者是控制器34的一部分并且是单独***的一部分。
控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或可商购的处理器、中央处理器(CPU)、图形处理单元(GPU)、与控制器34相关联的几个处理器中的辅助处理器、基于半导体的微处理器(微芯片或芯片组的形式)、宏处理器、其任何组合或用于执行指令的任何一般设备。例如，计算机可读存储设备或介质46可以包括在只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中的易失性和非易失性存储器。KAM是持久性或非易失性存储器，其可以在处理器44掉电(power down)时用于存储各种操作变量。可以使用许多已知的存储设备中的任何一种来实现计算机可读存储设备或介质46，例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备，其中一些表示可执行指令，由控制器34在控制自主车辆10中使用。
指令可以包括一个或多个分离的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器***28的信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并生成至致动器***30的控制信号，以基于逻辑、计算、方法和/或算法自动控制自主驶车辆10的部件。尽管在图1中仅示出了一个控制器34，但自主车辆10的实施例可以包括任何数量的控制器34，其通过任何合适的通信介质或通信介质的组合进行通信，并且协作以处理传感器信号，执行逻辑、计算、方法和/或算法，并生成控制信号以自动控制自主车辆10的特征。
在各种实施例中，控制器34的一个或多个指令实现在映射和定位***100中，并且当由处理器44执行时，处理来自雷达的数据以确定环境地图；并基于环境地图确定车辆位置。例如，映射和定位***100生成高精度的网格(图像)地图，标识环境中的永久对象。例如，将网格地图中的每个单元(像素)映射到通用横向墨卡托(UTM)坐标系，并表示具有雷达感知属性的离散化环境。然后使用雷达网格地图来定位和控制车辆10。
可以理解，本文公开的主题向可以被视为标准或基准自主车辆10的对象和/或配合自主车辆10的基于自主车辆的远程运输***(未示出)提供某些增强的特征和功能。为此，可以对自主车辆和基于自主车辆的远程运输***进行修改、增强或补充，以提供以下更详细描述的附加功能。
根据各种实施例，控制器34实现如图2所示的自主驾驶***(ADS)50。即，控制器34的合适的软件和/或硬件部件(例如，处理器44和计算机可读存储设备46)用于提供与车辆10结合使用的自主驾驶***50。
在各个实施例中，自主驾驶***50的指令可以按功能、模块或***来组织。例如，如图2所示，自主驾驶***50可以包括计算机视觉***54、定位***56、引导***58和车辆控制***60。可以理解，在各个实施例中，指令可以被组织成任何数量的***(例如，组合的、进一步分区的等)，因为本公开不限于当前示例。
在各个实施例中，计算机视觉***54合成并处理传感器数据，并预测车辆10的环境的对象和特征的存在、位置、分类和/或路径。在各个实施例中，计算机视觉***54可以合并来自多个传感器的信息，所述传感器包括但不限于相机、激光雷达、雷达和/或任何其他类型的传感器。
定位***56将传感器数据与其他数据一起处理以确定车辆10相对于环境的位置(例如，相对于地图的本地位置、相对于道路车道的精确位置、车辆行驶方向、速度等)。引导***58将传感器数据与其他数据一起处理以确定车辆10要遵循的路径。车辆控制***80根据确定的路径生成用于控制车辆10的控制信号。
在各种实施例中，控制器34实施机器学习技术以辅助控制器34的功能，例如特征检测/分类、障碍物避让、路线穿越、地图绘制、传感器集成、地面实况确定等。
如上所述，图1的映射和定位***100例如包含在ADS 50中作为定位***56的一部分。例如，映射和定位***100向定位***56提供地图和定位数据，指示车辆10相对于环境的精确位置。
映射
如参考图3更详细地示出的，并且继续参考图1和2，映射和定位***100包括映射***102。映射***102包括数据预处理模块104、数据过滤模块106、数据变换模块108、网格地图生成模块110和地图数据存储部112。
数据预处理模块104从传感器***28收集数据。例如，数据预处理模块104收集雷达数据114(例如，距离、方位角、距离比率、RCS等)、全球定位***(GPS)数据116(例如，纬度、经度、航向等)和车轮速度传感器数据118(例如，车轮速度)。数据预处理模块104基于关联的时间戳和位置来同步接收到的数据114-118，并基于此提供同步的数据120。例如，可以基于雷达速度和处理速率来延迟雷达数据。在同步数据114-118时考虑已知的延迟。
数据过滤模块106接收经同步的数据120，并基于一个或多个过滤参数来过滤数据120。过滤参数可以包括例如但不限于动态回波(return)、具有主车辆速度的回波、雷达视场、模糊回波等。可以理解的是，在各种实施例中可以定义其他过滤参数。过滤模块106从经同步的数据中过滤出满足定义过滤参数中的任何一个的任何雷达回波。所得的雷达回波被提供作为经过滤的数据122。
在各个实施例中，经过滤的数据122包括针对每个雷达回波计算的权重。过滤模块106例如基于诸如从检测概率分布函数132得出的权重曲线134的值来计算权重。如图4中更详细地示出的，数据过滤模块106评估所定义的雷达方位角精度曲线127(具有沿x轴以度为单位定义的方位角和沿y轴以度为单位定义的精度)，以确定精度标准偏差128。然后，数据过滤模块106通过将距离130乘以精确度标准偏差128来计算权重曲线134。例如，图9示出了可以产生的示例性权重曲线134。然后可以使用权重曲线134获得权重。例如，对于与激光雷达回波相关联的每个方位角124，以及相关联的距离130，从权重曲线134获得权重135。
再次参考图3，数据变换模块108接收经过滤的数据108，并使用例如通用横向墨卡托(UTM)保形投影将与经过滤的数据136的雷达回波相关联的GPS数据变换为笛卡尔坐标系。可以理解，可以在各种实施例中实现将数据变换成坐标系的其他方法。数据变换模块108基于该变换生成经变换的数据136。
网格地图生成模块110接收经变换的数据136并生成网格地图138。网格地图生成模块110通过首先创建具有取决于GPS信息的大小的空网格地图来生成网格地图138。在各种实施例中，空网格地图的每个单元可以具有10cm乘10cm的尺寸。可以理解，在其他实施例中可以实现其他单元大小。
网格地图生成模块110然后用经变换的数据136的雷达回波来填充空网格地图的每个单元。然后，网格地图生成模块110将数据增强技术应用于经填充的网格地图。例如，网格地图生成模块110使用例如k最近邻方法(k-nearest neighbor method)从经填充的网格地图中过滤任何噪声回波。在另一示例中，网格地图生成模块110使用例如形态图像处理来平滑经填充的网格地图以填充空单元并去除噪声和/或使用例如高斯滤波器来平滑边缘。
网格地图生成模块110然后将增强的网格地图分成较小的网格地图。例如，在各种实施例中，较小的网格地图可以具有100米乘100米的尺寸。可以理解，在各种其他实施例中，较小的网格地图可以具有较小或较大的尺寸。根据较小的网格地图相对于较大的网格地图的位置，为较小的网格地图分配索引。网格地图生成模块112然后基于它们各自的索引将较小的网格地图保存在地图数据存储部112中。
地图数据存储部112将增强的网格地图138存储为与GPS位置相关联的较小网格地图的集合。地图数据存储部112使所存储的网格地图138可用于进一步处理。
现在参考图5，并继续参考图1至4，流程图示出了根据各种实施例的可以由映射***102执行的映射方法。可以理解的是，根据本公开，方法200内的操作顺序不限于如图5所示的顺序执行，而是可以按照适用方式并根据本公开以一个或多个变化顺序来执行。
在各种实施例中，方法200可以被调度为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。在一示例中，方法200可以在205处开始。在210处，从传感器***28，例如从雷达、轮速传感器和全球定位***收集数据114-118。在220处，处理GPS数据116。在230处，基于GPS数据同步数据114-118。在240处，过滤经同步的数据120并计算权重。然后在250处，将经过滤的数据122变换为UTM坐标。在260处，创建空网格地图。在270处，用经变换的数据136更新空网格地图。然后在280处，过滤经更新的网格地图。在290处，增强经过滤的地图。此后，在300处，将网格地图划分为较小的网格地图，并基于其在较大网格地图中的位置为每个较小的网格地图分配索引。然后在310处，基于其索引将经划分的网格地图数据138保存在地图数据存储部112中。此后，该方法可以在320处结束。
现在参考图6，并继续参考图1至4，流程图示出了根据各种实施例的可以由映射***102执行的过滤方法400。在各种实施例中，可以例如通过图3的数据过滤模块106来执行过滤。可以理解的是，根据本公开，方法400内的操作顺序不限于如图6所示的顺序执行，而是可以按照适用方式并根据本公开以一个或多个变化顺序来执行。在各种实施例中，方法400可以被调度为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。
在一示例中，方法400可以在405处开始。对于在410处的雷达数据的每一测量结果，在420处对测量结果进行处理，并基于决策树425评估测量结果，以决定是否丢弃或保留数据。在各种实施例中，可以基于过滤参数来定义决策树425的每个节点。例如，在430处，确定测量结果是否来自动态对象。如果是，则在480处丢弃该测量结果。在另一个示例中，在440处确定该测量结果是否是鬼影检测(ghost detection)。如果是，则在480处丢弃该测量。在另一个示例中，在450处确定该测量结果是否来自非永久对象。如果是，则在480处丢弃该测量结果。在另一个示例中，在460处确定测量结果是否在阈值范围之外。如果是，则在480处丢弃该测量结果。在另一个示例中，在470处确定该测量结果是否来自定义的视场阈值之外。如果是，则在480处丢弃该测量结果。
如果测量结果没有被丢弃，则在490处基于权重曲线135计算权重，用于基于例如关于图4所讨论的方位角和距离的测量结果。一旦在410处已经处理了所有测量结果，则该方法可以在500处结束。
现在参考图7，并继续参考图1至5，流程图示出了根据本公开的可以由映射***102执行的过滤方法600。在各种实施例中，可以例如通过图3的网格地图生成模块110来执行过滤方法600。可以理解的是，根据本公开，方法600内的操作顺序不限于如图7所示的顺序执行，而是可以按照适用方式并根据本公开以一个或多个变化顺序来执行。在各种实施例中，方法600可以被调度为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。
在一示例中，方法600可以在605处开始。在620处，对于经更新的网格地图的每个单元，在620处填充确定为空的任何网格单元。例如，对于具有四个或更多个非空相邻单元的空单元，确定非空相邻单元的平均值，并且用该平均值填充所述空单元。
此后，在630处，从单元中过滤噪声。例如，如果一个单元具有三个或更少的非空单元，则将该单元设为空。然后在640处，对单元进行平滑处理。例如，在640处，将高斯过滤器应用于该单元。一旦在610处已经处理了所有单元，则该方法可以在650处结束。
定位
现在参考图8，在各个实施例中，映射和定位***100还包括定位***702。定位***702基于存储在地图数据存储部112中的网格地图来定位自主车辆10。在各个实施例中，定位***702包括本地地图构建模块704、地图发布模块706、定位模块708和观察模块710。
本地地图构建模块704接收从车辆10的环境的本地扫描获得的雷达数据712(例如，距离、方位角、距离比率、雷达横截面(RCS)等)、里程计***所生成的车辆姿态数据714(例如x、y坐标，航向等)和轮速数据715。本地地图构建模块704基于所接收的数据712-715构建环境的本地地图716。例如，本地地图构建模块704使用如上所述的方法和***来构建本地地图716。
在各个实施例中，本地地图716包括加权的地图。加权的地图可以包括针对每个单元/像素计算的权重。可以基于自接收到测量结果行驶的距离、与单元相关联的距离和方位角和/或测量结果RCS来计算权重。例如，如图9所示，本地地图构建模块704可以计算由x＝i和y＝j索引的每个单元的权重为：
其中，W(i，j)表示分配给单元x＝i，y＝j的权重。Wdist(i，j)表示基于自接收到测量结果起的行驶距离的权重(例如，如图9的曲线724所示，其中，行驶距离沿x轴以米为单位表示，权重沿y轴表示)。Wrθ(i，j)表示基于测量结果的距离和方位角的权重(例如，如图9的曲线726所示，其中，方位角在x轴上以度表示，距离沿z轴以米为单位表示，权重沿y轴表示)。Wrcs(i，j)表示基于测量结果的RCS的权重(例如，如图9的曲线728所示，其中RCS沿x轴以分贝为单位表示，权重沿y轴表示)。
在各种实施例中，在执行定位时(例如，当关联本地地图与预先存储的地图以寻找车辆姿态)，重设自测量之后的行驶距离。在图9中的示例Wdist曲线中，在距离＝10处，Wdist＝0，因为每10m驾驶距离执行一次定位。在映射过程中，可以使用没有Wdist的相同等式。
返回参考图8，地图发布模块706接收车辆10的当前姿态714。地图发布模块706从地图数据存储部112检索位于车辆姿态714附近的存储的网格地图。例如，基于相对于车辆姿态714的x，y坐标的相对位置检索到九个(或一些其它数量的)较小网格地图，例如，x，y坐标位于九个网格地图的中心网格地图中。这九个较小的网格地图可以统称为检索到的地图718。
定位模块708接收预测的车辆姿态714、包括权重的本地地图716和检索到的地图718。定位模块708基于本地地图716和检索到的地图718之间的相关性来确定车辆10的定位姿态720。例如，计算机视觉技术中使用的任何相似性度量方法可以用于关联两个地图。例如，可以计算在预测的车辆姿态和位置(x，y和航向)周围的多个位置处的本地地图和预存储地图之间的平方差之和。具有最高相似度评分的位置被选择为定位姿态720。
观察模块710接收定位车辆姿态720、本地地图716和/或检索到的地图718。观察模块710基于定位车辆姿态720将车辆10与本地地图和/或检索到的地图718相关联。例如，车辆10的指示符可以在由所确定的车辆姿态720指示的位置放置在检索到的地图718和/或本地地图716上。然后，当导航车辆10时，可以将指示符和检索到的地图和/或本地地图718评估为定位数据722。
现在参考图10并继续参考图1至9，流程图示出了根据各种实施例的可以由图8的定位***702执行的控制方法800。可以理解的是，根据本公开，方法800内的操作顺序不限于如图10所示的顺序执行，而是可以按照适用方式并根据本公开以一个或多个变化顺序来执行。在各种实施例中，方法800可以被调度为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。
在一示例中，方法800可以在805处开始。在810处，累积雷达数据712。在一确定的触发之后，在820处生成包括所计算的权重的本地地图716。在830处，从地图数据存储部112中检索地图718。在840处，将本地地图716和检索到的地图718相关联。然后在850处，基于相关性确定定位姿态720。然后在860处，基于定位的车辆姿态720和检索的地图718和/或本地地图716生成定位数据722。此后，在870处，可以基于定位数据控制车辆10。方法800可以在880处结束。
尽管在前面的详细描述中已经呈现了至少一个示例性实施例，但是应当理解存在大量的变型。还应当理解，一个或多个示例性实施方式仅是示例，并且无意以任何方式限制本公开的范围、适用或配置。相反，前述详细描述将为本领域技术人员提供实施一个或多个示例性实施方式的便利的路线图。应当理解，在不脱离如所附权利要求及其合法等同所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (8)

1.一种用于定位车辆的方法，包括：
通过处理器从车辆的雷达接收雷达数据；
通过处理器基于所述雷达数据创建本地地图，其中，本地地图是包括多个单元的图像地图，所述本地地图包括针对所述多个单元中的每个单元的计算出的权重，所述权重基于雷达数据的方位角和距离；
通过处理器基于预测的车辆姿态从数据存储部检索环境的地图；
通过处理器关联所述本地地图和检索到的地图；
通过处理器基于所述关联确定定位的车辆姿态；
通过处理器基于定位的车辆姿态控制车辆。
2.根据权利要求1所述的方法，其中，所述多个单元中的每个单元包括雷达数据的被变换为通用横向墨卡托坐标的雷达横截面数据。
3.根据权利要求1所述的方法，其中，所述权重基于自接收到雷达数据起的车辆行驶距离。
4.根据权利要求1所述的方法，其中，所述关联包括计算本地地图和检索到的地图之间的相似性度量。
5.根据权利要求1所述的方法，其中，检索到的地图包括与预测的车辆姿态的位置相关联的多个网格地图。
6.根据权利要求1所述的方法，其中，检索到的地图包括基于检测概率分布函数的权重，并且其中所述关联基于所述权重。
7.根据权利要求1所述的方法，还包括在创建本地地图时，基于过滤参数对雷达数据进行过滤，其中过滤参数包括动态回波、具有主车辆速度的回波、雷达视场和模糊回波中的至少一项。
8.一种用于定位车辆的***，包括：
至少一个雷达，其产生与车辆的环境相关的雷达数据；和
控制器，其配置为通过处理器接收雷达数据，基于所述雷达数据创建本地地图，基于预测的车辆姿态从数据存储部检索环境的地图，关联本地地图和检索到的地图，基于所述关联确定定位的车辆姿态，以及基于定位的车辆姿态控制车辆，其中，所述本地地图是包括多个单元的图像地图，所述本地地图包括针对所述多个单元中的每个单元的计算出的权重，所述权重基于雷达数据的方位角和距离。
CN202010035941.4A 2019-01-18 2020-01-14 车辆映射和定位的方法和*** Active CN111458700B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/251,690 2019-01-18
US16/251,690 US11125567B2 (en) 2019-01-18 2019-01-18 Methods and systems for mapping and localization for a vehicle

Publications (2)

Publication Number Publication Date
CN111458700A CN111458700A (zh) 2020-07-28
CN111458700B true CN111458700B (zh) 2024-02-02

Family

ID=71403220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010035941.4A Active CN111458700B (zh) 2019-01-18 2020-01-14 车辆映射和定位的方法和***

Country Status (3)

Country Link
US (1) US11125567B2 (zh)
CN (1) CN111458700B (zh)
DE (1) DE102019133703A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11212671B2 (en) * 2018-08-01 2021-12-28 Synaptics Incorporated Method and system for securing communication links using enhanced authentication
US11199415B2 (en) * 2019-03-26 2021-12-14 Lyft, Inc. Systems and methods for estimating vehicle position based on contextual sensor information
US11428802B2 (en) * 2020-06-16 2022-08-30 United States Of America As Represented By The Secretary Of The Navy Localization using particle filtering and image registration of radar against elevation datasets
CN112612788B (zh) * 2020-12-11 2024-03-01 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112595329B (zh) * 2020-12-25 2023-02-28 北京百度网讯科技有限公司 车辆位置的确定方法、装置和电子设备
US11915488B2 (en) * 2021-07-02 2024-02-27 Continental Autonomous Mobility US, LLC Automotive localization and mapping in low-light environment
DE102021119124A1 (de) 2021-07-23 2023-01-26 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren, System und Computerprogrammprodukt zur automatisierten Lokalisierung eines Fahrzeugs
US11673577B2 (en) 2021-08-02 2023-06-13 Cyngn, Inc. System and methods of adaptive relevancy prediction for autonomous driving
WO2023098977A1 (en) 2021-11-30 2023-06-08 Telefonaktiebolaget Lm Ericsson (Publ) Network-assisted self-positioning of a mobile communication device
WO2023098976A1 (en) 2021-11-30 2023-06-08 Telefonaktiebolaget Lm Ericsson (Publ) Radar signal matching for self-positioning
WO2023098978A1 (en) 2021-11-30 2023-06-08 Telefonaktiebolaget Lm Ericsson (Publ) Radar-assisted distributed self-positioning
WO2024003665A1 (ja) * 2022-06-30 2024-01-04 ロベルト•ボッシュ•ゲゼルシャフト•ミト•ベシュレンクテル•ハフツング 情報処理装置、情報処理システム及び情報処理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06206507A (ja) * 1993-01-08 1994-07-26 Toyota Motor Corp 車間距離検出装置
CN101241188A (zh) * 2007-02-06 2008-08-13 通用汽车环球科技运作公司 防撞***与使用数据融合检测高架桥位置的方法
DE102012021403A1 (de) * 2012-10-30 2014-04-30 Audi Ag Verfahren zum Identifizieren eines von einer Sensoreinrichtung erfassten Fahrzeugs
CN106225789A (zh) * 2016-07-12 2016-12-14 武汉理工大学 一种具有高安全性的车载导航***及其引导方法
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位
WO2018063245A1 (en) * 2016-09-29 2018-04-05 The Charles Stark Draper Laboratory, Inc. Autonomous vehicle localization
KR20180080828A (ko) * 2017-01-05 2018-07-13 서울대학교산학협력단 라이더 맵 매칭 기반 차선레벨 차량 위치정보 인지 방법, 이를 수행하기 위한 기록 매체 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100066587A1 (en) * 2006-07-14 2010-03-18 Brian Masao Yamauchi Method and System for Controlling a Remote Vehicle
US10981564B2 (en) * 2018-08-17 2021-04-20 Ford Global Technologies, Llc Vehicle path planning

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06206507A (ja) * 1993-01-08 1994-07-26 Toyota Motor Corp 車間距離検出装置
CN101241188A (zh) * 2007-02-06 2008-08-13 通用汽车环球科技运作公司 防撞***与使用数据融合检测高架桥位置的方法
DE102012021403A1 (de) * 2012-10-30 2014-04-30 Audi Ag Verfahren zum Identifizieren eines von einer Sensoreinrichtung erfassten Fahrzeugs
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位
CN106225789A (zh) * 2016-07-12 2016-12-14 武汉理工大学 一种具有高安全性的车载导航***及其引导方法
WO2018063245A1 (en) * 2016-09-29 2018-04-05 The Charles Stark Draper Laboratory, Inc. Autonomous vehicle localization
KR20180080828A (ko) * 2017-01-05 2018-07-13 서울대학교산학협력단 라이더 맵 매칭 기반 차선레벨 차량 위치정보 인지 방법, 이를 수행하기 위한 기록 매체 및 장치

Also Published As

Publication number Publication date
DE102019133703A1 (de) 2020-07-23
US20200232801A1 (en) 2020-07-23
CN111458700A (zh) 2020-07-28
US11125567B2 (en) 2021-09-21

Similar Documents

Publication Publication Date Title
CN111458700B (zh) 车辆映射和定位的方法和***
CN111144432B (zh) 在传感器融合***中消除模糊检测的方法
CN109305160B (zh) 用于自主驾驶的路径规划
US11625038B2 (en) Autonomous driving device
US10935652B2 (en) Systems and methods for using road understanding to constrain radar tracks
CN108466621B (zh) 车辆和用于控制车辆的至少一个功能的***
US9956958B2 (en) Vehicle driving control device and control device
CN112512887B (zh) 一种行驶决策选择方法以及装置
CN112950927B (zh) 使用众感数据进行交通灯定位和映射的方法和设备
US20210373138A1 (en) Dynamic lidar alignment
US20200318976A1 (en) Methods and systems for mapping and localization for a vehicle
US20180347993A1 (en) Systems and methods for verifying road curvature map data
US11892574B2 (en) Dynamic lidar to camera alignment
US11292487B2 (en) Methods and systems for controlling automated driving features of a vehicle
CN111599166B (zh) 用于解释交通信号和协商信号化的交叉路口的方法和***
US20200387161A1 (en) Systems and methods for training an autonomous vehicle
US11869250B2 (en) Systems and methods for detecting traffic objects
CN116022163A (zh) 基于超局部子图的自动驾驶车辆扫描匹配和雷达姿态估计器
US20220092985A1 (en) Variable threshold for in-path object detection
CN112069867B (zh) 多目标跟踪与多感官数据和缺失模态的学习关联
US20240257636A1 (en) Methods and systems for sensor fusion for traffic intersection assist
US20240046656A1 (en) Systems and methods for detecting traffic objects
US20230278562A1 (en) Method to arbitrate multiple automatic lane change requests in proximity to route splits
US20200311455A1 (en) Methods and systems for correcting sensor information
CN117087676A (zh) 车道曲率确定

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