CN113358123A - 可信运动单元 - Google Patents
可信运动单元 Download PDFInfo
- Publication number
- CN113358123A CN113358123A CN202110242871.4A CN202110242871A CN113358123A CN 113358123 A CN113358123 A CN 113358123A CN 202110242871 A CN202110242871 A CN 202110242871A CN 113358123 A CN113358123 A CN 113358123A
- Authority
- CN
- China
- Prior art keywords
- filter
- navigation
- imu
- sensor
- navigation subsystem
- 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.)
- Pending
Links
- 230000008447 perception Effects 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000010354 integration Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 abstract description 18
- 238000012795 verification Methods 0.000 description 10
- 230000001149 cognitive effect Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本公开涉及可信运动单元。提供用于自动驾驶车辆的导航***和方法。该导航***可以包括多个导航子***,包括具有惯性测量单元(IMU)的子***。该单元可以用作导航目的的主要单元,而其他导航子***则被视为辅助单元。其他导航子***可以包括全球定位***(GPS)传感器和感知传感器。在一些实施方案中,导航***可以包括用于IMU传感器的第一过滤器和用于其他导航子***的单独的过滤器。
Description
相关申请的交叉引用
本申请根据35U.S.C.§119(e)要求于2020年3月5日提交、代理人案卷号G0766.70309US00和名称为“可信运动单元”的美国临时专利申请序列No.62/985,765的权益,其全部内容通过引用合并于此。
技术领域
本申请涉及用于车辆的导航***和方法。
背景技术
自动驾驶车辆导航***有时包括多种传感器类型。激光雷达、雷达、照相机、全球定位***(GPS)、惯性测量单元(IMU)和车轮速度传感器有时被用作自动驾驶车辆导航***的一部分。通常,导航***将GPS传感器视为主要传感器,其数据由提供局部信息(例如IMU数据或来自激光雷达、雷达或摄像头***的数据)的传感器完善。
发明内容
提供用于自动驾驶车辆的导航***和方法。该导航***可以包括多个导航子***,包括具有惯性测量单元(IMU)的子***。该单元可以用作导航目的的主要单元,而其他导航子***则被视为辅助单元。其他导航子***可以包括全球定位***(GPS)传感器和感知传感器。在一些实施方案中,导航***可以包括用于IMU子***的第一过滤器和用于其他导航子***的单独的过滤器。在至少一些实施例中,IMU可以以比导航***的其他传感器更低的延迟来操作。
根据一些实施方案,提供用于自动驾驶车辆的可信运动单元,包括:惯性测量单元(IMU);积分电路,被配置为接收所述惯性测量单元的输出信号;和第一滤波器,被配置为接收所述积分电路的输出信号和来自第二滤波器的输出信号。
根据一些实施方案,提供了一种用于自动驾驶车辆的导航***,包括:多个导航子***,包括第一导航子***,包括惯性测量单元(IMU)和第一滤波器;和第二导航子***,包括第二过滤器,其中所述第一滤波器耦合到所述第二滤波器,被配置为从所述第二滤波器接收输入信号,并被配置为向IMU提供反馈信号。
根据一些实施方案,提供了一种用于自动驾驶车辆的导航***,包括:第一导航子***,包括惯性测量单元(IMU)和在反馈环路中耦合到IMU的第一滤波器。该导航***还包括第二导航子***,包括传感器,以及第二滤波器,耦合以接收传感器的输出信号并且耦合到第一滤波器的输入端子。
根据一些实施方案,提供一种用于自动驾驶车辆的定位方法,该自动驾驶车辆具有包括惯性测量单元和第一滤波器的第一导航子***以及包括传感器和第二滤波器的第二导航子***。该方法包括将IMU的输出信号施加到第一滤波器、将传感器的输出信号施加到第二滤波器、以及将第二滤波器的输出信号施加到第一滤波器。
附图说明
将参考以下附图描述本申请的各个方面和实施例。应当理解,附图不一定按比例绘制。出现在多个图中的项目在所有出现的图中均用相同的参考数字表示。
图1是根据本申请的非限制性实施例的导航***的框图,其中惯性测量单元用作主要导航传感器。
图2A是图1的导航***的更详细实施方式的非限制性示例。
图2B是图2A的替代,其示出了图1的导航***的更详细实施方式的另一非限制性示例。
图3A是图1的导航***的进一步详细实现的非限制性示例,该导航***包括全球定位导航子***和感知导航子***。
图3B是图3A的替代,示出了图1的导航***的详细实施方式的另一非限制性示例。
图4A是图3A的导航***的进一步详细实现的非限制性示例,其包括全球定位导航子***和感知导航子***。
图4B是图4A的替代,示出了图3A的导航***的详细实施方式的另一非限制性示例。
图5示出了导航***的配置,该导航***包括等待时间补偿以补偿导航***的不同子***的不同等待时间。
图6示出了作为并入本文所述类型的导航***的自动驾驶车辆的示例的汽车。
具体实施方式
根据本申请的一个方面,提供了一种用于车辆定位的***和方法,其中将来自多种传感器的数据组合使用,其中惯性测量单元(IMU)被视为主要传感器,并将该单元中的数据视为可信数据,并由其他传感器的数据进行校正。本地化是指知道车辆的位置。不同类型的传感器可以用于在局部参考帧中并且在一些实施例中在全局参考帧中提供车辆的姿态。在局部参考帧中提供姿势可能意味着相对于诸如城市的局部位置在例如X、Y、Z框架中的米中提供位置。可以按照北、东和上坐标来报告本地位置。在全局参考帧中提供位置可能意味着可以根据地球球体上的纬度和经度来报告位置。IMU可以提供指示车辆在局部参考帧中的姿态的数据。该数据可以由来自感知导航子***和/或全球定位导航子***的数据通知。本申请的各方面提供了增强的定位,其中可以在10cm的精度内和/或以10毫秒或更短的等待时间来确定车辆的位置。这种精确的定位在自动驾驶车辆中可能是有益的,在自动驾驶车辆中,对车辆位置的精确了解会对安全产生重大影响。
根据本申请的一个方面,一种自动驾驶车辆定位***将来自IMU,一个或多个感知传感器和GPS的数据组合在一起,并且将IMU视为主要传感器。IMU可以是6自由度(6DOF)IMU。感知传感器可以包括激光雷达、雷达、照相机、超声波传感器、车轮里程计传感器、转向方向(或航向意图)传感器和方向盘旋转传感器(或转向致动器输入)。与将GPS传感器或感知传感器视为主要传感器的方法相反,IMU提供校正,本申请的各方面通过将IMU视为主要传感器,并借助感知传感器和/或GPS的校正来提供增强的定位。发明人已经认识到,例如依靠GPS作为主要传感器,并借助感知***和IMU,从全局级别到本地级别确定本地化是有问题的,并且与人类操作员如何操作车辆以做出有关转向、制动或采取其他行动的决策的现实相矛盾。相反,主要从本地检测器评估位置,然后基于全局位置指示符进行校正可以提供更高的准确性。此外,由于IMU不受天气或干扰等外部因素的影响,因此与使用GPS或感知传感器作为主要导航***传感器的***相比,将它们用作主要传感器可提供较高的准确性,因为那些其他类型的传感器易受数据中断和/或环境导致的中断的影响。基于IMU的导航子***可以在所有环境条件下提供纬度、经度、俯仰和横滚。这种将对环境不敏感的IMU设为主要传感器的方法意味着,与感知传感器或GPS传感器为主要传感器相比,车辆可以行驶得更安全(例如几秒钟)。更进一步,IMU可表现出比感知传感器、其他本地传感器和/或GPS技术更低的等待时间,这意味着将IMU用作主要传感器可导致更低的等待时间(更快)的定位。通常,IMU可以以比导航***的其他传感器更低的等待时间来操作。IMU可能表现出导航***中任何传感器的最低等待时间。
根据本申请的一方面,提供了所谓的可信运动单元(TMU)。可信运动单元是一种导航***,其包括惯性测量单元,并且被配置为基于来自IMU和来自包括不同传感器类型的导航子***的数据输出定位信息,其中来自IMU的数据被视为主要数据,并由其他传感器类型的数据进行校正。可信运动单元可以包括积分电路和扩展的卡尔曼滤波器,其可以是错误状态卡尔曼滤波器。积分电路可以接收并积分来自IMU的输出信号,并且将输出信号提供给扩展卡尔曼滤波器。扩展的卡尔曼滤波器还可从自动驾驶车辆的其他导航子***的卡尔曼滤波器接收输入信号。例如,自动驾驶车辆可以包括感知导航子***和/或全球定位***(GPS)导航子***,每个导航子***可以包括其自己的卡尔曼滤波器。可信运动单元的扩展卡尔曼滤波器可以从两个卡尔曼滤波器接收输出信号。可信运动单元的扩展卡尔曼滤波器还可向IMU提供反馈信号。最终,可信运动单元的积分电路可以输出指示自动驾驶车辆的定位的信号。
图1是根据本申请的非限制性实施例的导航***的框图,其中惯性测量单元用作主要导航传感器。导航***100包括可信运动单元(TMU)102和辅助导航子***104。可以被认为是较大导航***100的导航子***的可信运动单元102包括IMU 112。耦合到辅助导航子***104以既向辅助导航子***104提供输入信号106,又从辅助导航子***104接收输出信号108。可信运动单元102还提供输出信号110,该输出信号110可以表示导航***100所在或上方的车辆的定位。例如,输出信号110可以表示车辆在局部参考帧中的姿态。
IMU 112可以是任何合适的IMU。在一些实施方案中,IMU是6自由度(“6DOF”)IMU。在这些实施方案中,IMU可能会产生代表沿x、y和z方向的偏航、俯仰、侧倾和速度的数据。然而,替代方案是可能的,因为并非TMU的所有实施例都限于IMU是6DOF IMU。例如,IMU可以提供关于沿一个或多个轴或围绕一个或多个轴的运动的数据。
辅助导航子***104可以包括IMU以外的类型的传感器。例如,辅助导航子***104可以包括感知传感器,诸如照相机、激光雷达、雷达、超声传感器和/或轮速传感器。辅助导航子***104可以包括全球定位***传感器。辅助导航子***的示例在下面结合后续附图进一步描述。
可信运动单元102可以被视为导航***100的主要导航子***。在一些实施例中,可以说本文所述的导航***执行传感器融合。来自主导航子***的数据与来自辅助导航子***的数据融合在一起。与辅助导航子***104的传感器相比,IMU 102可具有更低的等待时间。例如,IMU可提供具有几毫秒或更短等待时间的惯性数据。在一些实施例中,IMU可以以小于1ms的等待时间提供惯性数据。相比之下,辅助导航子***可以以10毫秒至100毫秒以上的延迟提供定位数据。例如,GPS***可能会表现出大约100毫秒的延迟,感知***可能会表现出大约50毫秒的延迟,而控制器局域网(CAN)传感器可能表现出10毫秒或更长的延迟。因此,与将其他子***之一用作主要***相比,使用IMU作为主要传感器可以为整个***提供更低的延迟。较低的等待时间可以转化为更高的定位精度。例如,本文所述的导航***可以精确到10厘米或更小。在至少一些实施例中,IMU可以表现出导航***的任何传感器的最低等待时间。而且,IMU不易受卫星卫星故障或各种天气条件等环境条件的影响。尽管IMU 102可能随着时间的流逝而容易出现错误,但是来自辅助导航子***的数据可以用于更新或校正IMU数据。以这种方式,导航***100可以提供高精度的定位数据,而与卫星可访问性或天气状况无关。可信运动单元可以被视为导航***100的可信根。
图2A是图1的导航***的更详细实现的非限制性示例。图2A示出了导航***200。可信运动单元(TMU)202代表可信运动单元102的示例实现。辅助导航子***204表示辅助导航子***104的示例实现。
如图所示,可信运动单元202包括IMU 212、积分电路214和滤波器216。可选地,从滤波器216到IMU 212提供反馈路径222,以提供反馈信号。IMU 212可以是任何合适的IMU,例如以上结合IMU 112描述的类型。积分电路214可以是用于集成由IMU 212提供的数据的合适电路。在一些实施例中,IMU 212和积分电路214可以在同一封装内形成半导体器件,并且在一些实施例中,可以在同一半导体管芯上形成半导体器件。在下面更详细描述的滤波器216可以是扩展的卡尔曼滤波器(EKF)、贝叶斯滤波器或粒子滤波器。在一些实施例中,滤波器216是错误状态卡尔曼滤波器。在一些实施例中,例如下面描述的图2B所示,可以省略滤波器216。
辅助导航子***204包括辅助传感器218和滤波器220。辅助传感器218可以是GPS传感器或感知传感器。感知传感器的示例包括相机、激光雷达、雷达、超声波传感器、轮速传感器、轮里程传感器、转向方向(或航向意图)传感器和方向盘旋转(或转向执行器输入)传感器。车轮里程计可以通过车轮速度和转向数据的某种组合来感测。轮速传感器、轮里程传感器、转向方向传感器和方向盘旋转传感器可以通过控制器局域网(CAN)总线进行通信,因此可以视为“CAN传感器”的非限制性示例。辅助传感器218是辅助传感器,因为其数据可用于完善可信运动单元202提供的数据,来自可信运动单元202的数据被视为导航***200输出的可信赖数据。辅助导航子***204可以包括多个辅助传感器218。例如,辅助导航子***204可以是感知导航子***,包括两个或多个摄像头、激光雷达、雷达、超声波传感器、车轮里程传感器、转向方向(或航向意图)传感器和方向盘旋转(或转向执行器输入)传感器。在至少一些实施例中,那些输出信号可以全部提供给滤波器220。
在操作中,可信运动单元202和辅助导航子***204都生成被交换的数据。IMU 212可以生成运动数据,该运动数据作为信号207提供给积分电路214。积分电路214对运动数据进行积分,并向滤波器216提供积分信号209。
可信运动单元202还向辅助导航子***204提供输入信号206。该输入信号206可以代表还被提供给积分电路214的运动数据,因此可以直接从IMU 212提供,或者可以是IMU212生成的其他数据。该数据可以与辅助传感器218生成的数据适当地组合,并作为信号211输入到滤波器220。滤波器220可以处理信号211以生成本地定位信息。该本地定位信息可以作为辅助导航子***204的输出信号208被提供给可信运动单元的过滤器216。滤波器216可以结合积分信号209处理输出信号208,并且在反馈路径返回222上将反馈信号输出到IMU212。IMU可以使用该反馈信号来校正其运动数据。可信运动单元202输出指示车辆在局部参考帧中的姿态的信号210。在至少一些实施例中,信号210可以由积分电路214输出,尽管替代方案是可能的。
如上所述,导航***200包括两个滤波器、滤波器216和220,其中一个滤波器(滤波器220)的输出被输入到另一个滤波器(滤波器216)。该配置可以描述为分级滤波器。而且,如所描述的,滤波器220可以是卡尔曼滤波器(例如,错误状态卡尔曼滤波器),并且滤波器216可以是扩展卡尔曼滤波器。将单独的过滤器用于单独的子导航***可以提供各种益处。例如,使用单独的过滤器可以对它们进行不同的加权。控制过滤器的权重可以允许比用于辅助导航子***的过滤器更重地对作为可信运动单元的一部分的过滤器进行加权,这在至少一些实施例中完成。作为一个示例,感知导航子***可能会遇到噪声,结果,导航***可能会给来自IMU的数据更重的权重。此外,与使用单个过滤器相比,使用单独的过滤器可减少处理延迟和功耗。
图2B示出了图1的导航***的更详细实现的替代性非限制性示例。图2B的导航***250与图2A的导航***200相同,除了可信运动单元203与可信运动单元202不同,因为省略了滤波器216,并且将滤波器220的输出信号208提供给积分电路214。反馈路径222从积分电路214到IMU212。图2B的配置更简单与图2A相比。
图3A是图1的导航***的进一步详细实现的非限制性示例,包括全球定位导航子***和感知导航子***。导航***300包括可信运动单元202、感知导航子***304和全球定位导航子***322。感知导航子***304和全球定位导航子***322可以各自表示图2A和2B的辅助导航子***204的示例实现。
先前已经结合图2A描述了可信运动单元202,因此这里不对其进行详细描述。
感知导航子***304包括感知传感器318和滤波器320。感知传感器318可以是本文先前描述的任何类型的感知传感器。感知传感器318可以生成与来自可信运动单元202的输入信号206组合的数据,并且作为信号311输入到滤波器320。滤波器320可以处理信号311以生成本地定位信息。该本地定位信息可以作为感知导航子***304的输出信号208提供给可信运动单元的滤波器216,或者直接提供给积分电路214。
全球定位导航子***322包括全球定位***(GPS)传感器324和过滤器326。GPS传感器324生成GPS数据,将其作为信号323提供给滤波器326。滤波器326可以是卡尔曼滤波器,其在全局参考帧中输出表示车辆的姿态的信号325。
在操作中,可信运动单元202以先前结合图2A和2B的辅助子***204所描述的方式与感知导航子***304和全球定位导航子***322交互。可信运动单元202将输入信号206提供给感知导航子***304。感知导航子***使用滤波器320生成输出信号208。将该输出信号208作为一个输入提供给可信运动单元的滤波器216,或者可以直接提供给积分电路214。可信运动单元202还向全球定位导航子***322提供输入信号328。在一些实施例中,输入信号328可以与输入信号206相同。在一些实施例中,输入信号328直接提供给滤波器326,因此是输入信号给滤波器326。滤波器326还提供输出信号330给滤波器216,或者直接提供给积分电路214。在该非限制性实施例中,滤波器216从积分电路214接收输入信号、滤波器320的输出信号和滤波器326的输出信号。滤波器216可选地将先前描述的反馈信号提供给反馈路径222上的IMU,其中反馈信号是处理从IMU、感知导航子***304和全球定位导航子***322到滤波器216的输入信号的结果。与图2A的导航***200一样,导航***300包括分级滤波器,其中滤波器320和326向滤波器216提供输入信号。前面已经结合图2A和2B描述了使用多个滤波器的好处,并且同样可以应用于图3A的非限制性实施例。
图3B是图3A的替代,示出了图1的导航***的详细实现的另一非限制性示例。图3B的导航***350与图3A的导航***300的不同之处在于滤波器320和326被组合成单个滤波器332,该单个滤波器332将信号334输出到滤波器216。使用组合滤波器可以确保在有意义的组合参考帧中提供信号334。全球定位导航子***335与全球定位导航子***322的不同之处在于它缺少滤波器326。感知导航子***305与感知导航子***304的不同之处在于它缺少滤波器320。
图4A是图3A的导航***的详细实现的非限制性示例,该导航***包括全球定位导航子***和感知导航子***。导航***400包括作为一个导航子***的可信运动单元402、感知导航子***404和全球定位导航子***422。
可信运动单元402包括IMU 412、积分电路414和滤波器416。IMU可以是任何合适的IMU,包括本文先前描述的任何类型。积分电路414可以是用于积分由IMU提供的惯性数据的任何合适的积分电路,诸如本文先前描述的那些类型。滤波器416可以用作积分滤波器,对其接收到的信号进行参考校正。滤波器416可以被配置为输出分别由和dv表示的角度和速度的变化。在一些实施例中,滤波器416是扩展的卡尔曼滤波器。滤波器416可以向IMU412提供反馈信号417,以提供偏置和比例因子校正。
感知导航子***404包括照相机418a、激光雷达418b和雷达418c。感知导航子***可以可选地包括轮速里程表、转向方向(或航向意图)传感器和方向盘旋转(或转向致动器输入)传感器。感知导航子***404还包括分别耦合到相机418a、激光雷达418b和雷达418c的位置估计块419a、419b和419c。位置估计块419a-419c(可以是任何合适的电路)在将数据与其他感知传感器的数据融合之前,根据来自相应传感器(摄像机418a、激光雷达418b和雷达418c)的相应传感器数据,在局部参考帧中提供车辆位置的估算值。感知导航子***404还包括验证阶段421a、421b和421c以及滤波器420。滤波器420可以是局部位置积分滤波器,例如实现为卡尔曼滤波器、贝叶斯滤波器、粒子滤波器或其他合适的滤波器类型。滤波器420被耦合以向滤波器416提供信号408。
全球定位导航子***422包括GPS传感器424、滤波器426和映射块427。滤波器426可以被配置为用作全球位置积分滤波器。滤波器426可以是卡尔曼滤波器、贝叶斯滤波器、粒子滤波器或其他合适类型的滤波器。全球定位导航子***422可以被配置为在全球参考帧中输出表示车辆的姿态的信号425。在一些实施例中,由信号425表示的姿势信息可以具有在10cm与1m之间的精度以及在0.1秒与1秒之间的等待时间。由滤波器426提供的信号425也可以被提供给映射块427,其可以对其进行处理并将映射信息429输出到滤波器426。因此,滤波器426和映射块427可以在反馈回路中操作。
在操作中,IMU 412输出定位信息作为信号406。信号406被提供给积分电路414,并且还被作为前馈信号被提供给位置估计块419a-419c,这将在下面进一步描述。积分电路414对来自IMU 412的输出信号406进行积分并产生输出信号410。输出信号410表示车辆在局部参考帧中的姿态,并且在一些实施例中可以具有在1cm与10cm之间的精度以及在1ms至10ms之间的等待时间。输出信号410被提供给验证级421a-421c以促进样本验证,被提供给滤波器416以及被提供给滤波器426。
照相机418a将照相机信号452输出到位置估计块419a,并从位置估计块419a接收反馈信号454。激光雷达418b向位置估计块419b输出可以是点云的激光雷达信号456,并从位置估计块419b接收反馈信号458。雷达418c向位置估计块419c输出雷达信号460,并从位置估计块419c接收反馈信号462。反馈信号454、458和462可用于进行电子或机械调节或调节,以适应可能最好地容纳在各个传感器处的类型的***改变。例如,对姿态、航向、功率、光圈和扫掠速率的***性更改可能最适合传感器本身。作为一个示例,相机可以依靠位置反馈来使用机械驱动器来减少抖动。
位置估计块419a-419c产生表示车辆在局部帧中的位置的信号。除了从各个传感器接收信号之外,它们还接收IMU 412的输出信号406作为前馈信号。位置估计块在将输出到各个验证级421a、421b和421c的各个位置信号展开时,结合从各个传感器输出的信号来处理输出信号406。
分别为相机418a、激光雷达418b和雷达418c提供验证阶段421a、421b和421c。验证级421a通过将由照相机418a提供的姿势估计与由IMU 412以积分电路414输出的信号410的形式提供的姿势估计进行比较,来验证由照相机提供的姿势估计。与IMU的姿势估计相比,如果摄像机提供的姿势估计中的误差不在可接受范围内,则可以将照相机姿势估计确定为无效并且不传递给滤波器420。然而,如果将照相机418a判定为有效,则可以将与照相机数据有关的姿势估计提供给滤波器420。样本验证阶段421b可以相对于来自激光雷达418b的姿势估计以相同的方式起作用。样本验证阶段421c可以相对于由雷达418c提供的姿势估计以相同的方式起作用。滤波器420从验证级421a-421c接收有效姿态估计,并将定位信号408输出到滤波器416。
GPS传感器424产生提供给滤波器426的GPS信号428。滤波器426还从映射块427接收信号429,并且从积分电路414接收输出信号410。滤波器426产生前述信号425。
因此,导航***400可以提供在局部参考帧中表示车辆的姿态的信号410和在全局参考帧中表示车辆的姿态的信号425。
图4A的配置和操作的变化是可能的。例如,在一些实施例中,积分电路414和滤波器416和420以及位置估计块419a-419c可以在局部参考帧中操作,而滤波器426在全局参考帧中操作,但是在其他实施例中,积分电路414和滤波器416在全局参考帧中运行。在一些实施例中,以局部坐标提供信号410,但是在其他实施例中以全局坐标提供信号410。
图4B是图4A的替代,示出了图3A的导航***的详细实施方式的另一非限制性示例。图4B的导航***450与图4A的导航***400的不同之处在于,其包括缺少滤波器420的感知导航子***405,并且全球定位导航子***423的滤波器426不输出信号425。省略滤波器420,可以将来自验证级421a-421c的信号直接提供给滤波器416。如图4A所示,链接滤波器420和416在某些情况下可能导致输入到滤波器416的误差相关,这可能具有取决于滤波器416的类型,对滤波器416的操作具有负面影响。省略滤波器420可以避免这种可能性。另外,导航***450在全球定位导航子***423中包括验证阶段421d。验证阶段421d以先前关于验证阶段421a-421c描述的相同方式操作,除了它对来自GPS传感器424的数据进行操作之外。图4A的导航***400可以可选地包括验证阶段421d。
在图4A和4B的实施例中,可以给导航子***的不同传感器赋予不同的权重。例如,在一个实施例中,可以给IMU最大的权重,其后是来自摄像机418a的数据。基于融合来自不同传感器的数据,可以在姿势计算中为其他传感器(包括GPS传感器424)赋予较小的权重。因此,根据本申请的一方面,导航***包括作为第一导航子***的可信运动单元,其中来自可信运动单元的IMU的数据被视为主要导航数据,并且该导航***还包括提供可视数据的摄像机,该可视数据被视为下一个最值得信赖的数据源。导航***的任何其他传感器可能会产生被视为不如可信运动单元和摄像机的数据重要的数据。但是,其他配置也是可能的。
在图4A和图4B的配置中注意的特征是由积分电路414和滤波器416处理的信号的相对定时。如本文先前所描述的,IMU可表现出比其他类型的传感器更低的等待时间,例如感知传感器和GPS传感器。滤波器416接收来自图4A和图4B的三个导航子***的信号并对其进行操作,这三个导航子***包括可信运动单元402、感知导航子***404和全球定位导航子***422。因为这些子***可以以不同的等待时间进行操作(可信运动单元以比其他单元更低的等待时间操作),等待时间补偿块可以被包括在图4A和4B的导航***中,以补偿等待时间差异并确保滤波器416对来自同一时间的信号进行操作。例如,可以以较低的等待时间将延迟添加到来自导航子***的信号上,以使总等待时间相同。但是,TMU的等待时间可能仍受IMU的等待时间控制,因此,即使这些子***内的等待时间相等,也可能低于其他子***的等待时间。图5示出了非限制性示例。
图5示出了导航***500的配置,其包括等待时间补偿以补偿导航***的不同子***的不同等待时间。导航***500包括IMU 502、全球导航卫星***(GNSS)传感器504、成像器506(例如RGB摄像头)和CAN传感器508。出于说明的目的,这些组件产生的输出信号分别具有1ms、100ms、50ms和10ms的延迟,尽管应当理解,列出的延迟是非限制性示例。来自502、504、506和508中的每一个的输出信号被提供给等待时间补偿器510,该等待时间补偿器510对信号中的一个或多个施加适当的延迟,并输出基本相等的等待时间的对应信号。在该示例中,GNSS传感器具有最大的延迟,为100毫秒,因此延迟由延迟补偿器510应用于来自IMU502、成像器506和CAN传感器508的信号,因此它们也表现出100毫秒的延迟。然后将这四个信号提供给滤波器520,该滤波器可以是扩展的卡尔曼滤波器。具体地,将来自IMU 502的信号提供给积分器(在本文中也称为“预测器”)524,并且将来自GNSS传感器504、成像器506和CAN传感器508的信号提供给校正器522。预测器524和校正器522基于来自其他传感器的数据来交换信息以改进来自IMU 502的数据。滤波器520将信号输出到预测器526,预测器526也从IMU 502接收IMU输出信号,并且将车辆的姿态作为信号511输出。因此,图5的配置提供IMU数据作为导航***的主要数据,并由来自导航***其他传感器的数据进行校正,同时允许过滤器同时对数据进行操作。IMU的等待时间控制导航***的输出信号(例如,图5中的信号511)的等待时间,使得预测器526的输出的等待时间由IMU 502的等待时间控制。
根据本申请的一方面,提供了一种用于自动驾驶车辆的定位方法,该自动驾驶车辆具有包括惯性测量单元和第一滤波器的第一导航子***以及包括传感器和第二滤波器的第二导航子***。该方法包括:将IMU的输出信号施加到第一滤波器;将传感器的输出信号施加到第二滤波器;以及将第二滤波器的输出信号施加到第一滤波器。在一些实施例中,该方法还包括从第一滤波器向IMU提供反馈信号。在一些实施例中,该方法还包括从第一导航子***输出指示局部参考帧中的自动驾驶车辆的姿态的输出信号。在一些实施例中,该方法还包括从第二导航子***输出指示自动驾驶车辆在全局参考帧中的姿态的输出信号。在一些实施例中,自动驾驶车辆还具有包括传感器和第三滤波器的第三导航子***,并且该方法还包括将第三导航子***的传感器的输出信号施加到第三滤波器,以及将第三滤波器的输出信号施加到第一滤波器。来自第一、第二和第三导航子***的数据可以通过比来自第一和第二导航子***的数据更重地加权来自第一导航子***的数据来组合处理。
图6示出了作为并入本文所述类型的导航***的自动驾驶车辆的示例的汽车。汽车600包括导航***602。导航***602可以是本文先前描述的任何类型。导航子***602包括可信运动单元,该可信运动单元包括IMU。导航***602包括一个或多个辅助导航子***,例如感知导航子***和/或全球定位导航子***。可信运动单元可以包括滤波器,并且导航子***可以包括滤波器。可信运动单元的滤波器可以被配置为从辅助导航子***的滤波器接收输入信号。
本申请的各方面可以提供各种益处。现在描述一些非限制性实例。应当理解,该列表不是穷举的,并且并非所有实施例都必须提供所有列出的益处。
本申请的各方面提供了一种表现出低等待时间的用于自动驾驶车辆的导航***。与感知***和全球定位导航***的等待时间相比,IMU的等待时间可以更少,并且在一些实施例中显着更少。因此,因为本申请的各方面将基于IMU的导航子***定位为主要导航子***,所以导航***的等待时间可以与IMU的等待时间相对应,因此低于感知***或全球定位导航***为主要导航子***的情况下的结果。例如,IMU可以大约4kHz运行,这意味着基于IMU的导航子***可以提供大约1毫秒的等待时间。在典型的行驶速度(例如高速公路速度)下,大约1毫秒的等待时间可能会转化为仅几厘米的行驶距离。因此,本申请的方面提供了用于自动驾驶车辆的导航***,其可以在几厘米,例如小于10cm的范围内提供车辆的精确定位。相反,利用具有数十赫兹量级的等待时间的基于感知传感器的导航***可能导致仅在几米内的定位精度,这对于提供车辆的安全操作而言太大了。而且,IMU传感器可以提供足够精确的输出,持续约十秒或更长时间,而无需校正。该时间足以从感知或全球定位***传感器获取数据,然后可以将其用于校正IMU信号中的错误。因此,将基于IMU的导航子***构造为主要导航子***可以优化基于IMU的导航子***与其他类型的导航子***之间的相互作用。
在一些实施方案中,术语“大约”和“大概”可用于表示目标值的±20%以内,在一些实施方案中表示目标值的±10%以内,在一些实施方案中表示目标值的±5%以内,在一些实施方案中表示目标值的±2%以内。术语“大约”和“大概”可以包括目标值。
Claims (20)
1.用于自动驾驶车辆的可信运动单元,包括:
惯性测量单元(IMU);
积分电路,被配置为接收所述惯性测量单元的输出信号;和
第一滤波器,被配置为接收所述积分电路的输出信号和来自第二滤波器的输出信号。
2.权利要求1所述的可信运动单元,其中所述第二滤波器构成导航子***的一部分,并且其中所述第二滤波器的输出信号代表局部定位数据。
3.权利要求1所述的可信运动单元,其中所述第二滤波器构成导航子***的一部分,并且其中所述第二滤波器的输出信号代表全球定位数据。
4.权利要求3所述的可信运动单元,其中所述第一滤波器还被配置为接收来自第三滤波器的输出信号,其中所述第三滤波器形成导航子***的一部分,并且其中来自所述第三滤波器的输出信号表示局部定位数据。
5.权利要求1所述的可信运动单元,还包括从所述第一滤波器到IMU的反馈回路。
6.权利要求1所述的可信运动单元,其中IMU的输出信号的延迟小于所述第二滤波器的输出信号的延迟。
7.权利要求1所述的可信运动单元,其中所述积分电路被配置为提供所述可信运动单元的输出信号,该输出信号表示局部参考系中的姿势。
8.一种用于自动驾驶车辆的导航***,包括:
多个导航子***,包括:
第一导航子***,包括惯性测量单元(IMU)和第一滤波器;和
第二导航子***,包括第二过滤器,
其中所述第一滤波器耦合到所述第二滤波器,被配置为从所述第二滤波器接收输入信号,并被配置为向IMU提供反馈信号。
9.权利要求8所述的导航***,其中所述第二导航子***包括感知传感器。
10.权利要求8所述的导航***,其中所述第二导航子***包括全球定位***传感器。
11.权利要求8所述的导航***,其中所述第一导航子***的IMU被配置为以比所述第二导航子***的传感器低的延迟进行操作。
12.权利要求8所述的导航***,还包括第三导航子***,该第三导航子***包括第三滤波器,其中所述第二导航子***包括感知传感器,所述第三导航子***包括全球定位***传感器,并且其中所述第一滤波器还被配置为从所述第三滤波器接收输入信号。
13.权利要求12所述的导航***,其中IMU被配置为在局部参考帧中输出自动驾驶的姿态,并且所述第三滤波器被配置为在全局参考帧中输出自动驾驶的姿态。
14.权利要求8所述的导航***,其中所述第一滤波器被配置为比所述第二导航子***的数据对来自IMU的数据进行更高的加权。
15.一种用于自动驾驶车辆的导航***,包括:
第一导航子***,包括:
惯性测量单元(IMU);和
在反馈环路中耦合到IMU的第一滤波器;和
第二导航子***,包括:
传感器;和
第二滤波器,耦合以接收所述传感器的输出信号,并且还耦合到所述第一滤波器的输入端子。
16.权利要求15所述的导航***,其中,所述传感器是感知传感器,并且所述传感器的输出信号包括感知数据。
17.权利要求15所述的导航***,其中,所述第二导航子***包括全球定位***传感器,并且所述传感器的输出信号包括全球定位数据。
18.权利要求15所述的导航***,其中,所述第二滤波器是卡尔曼滤波器,并且所述第一滤波器是扩展的卡尔曼滤波器。
19.权利要求15所述的导航***,其中,还包括第三导航子***,该第三导航子***包括传感器和第三滤波器,其中所述第二导航子***的传感器是感知传感器,并且所述第三导航子***的传感器是全球定位***传感器,并且其中所述第三滤波器耦合到所述第一滤波器的输入端子。
20.权利要求19所述的导航***,其中,IMU被配置为在局部参考帧中输出自动驾驶车辆的姿态,并且所述第三滤波器被配置为在全局参考帧中输出自动驾驶车辆的姿态。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062985765P | 2020-03-05 | 2020-03-05 | |
US62/985,765 | 2020-03-05 | ||
US17/187,006 US12038759B2 (en) | 2020-03-05 | 2021-02-26 | Trusted motion unit |
US17/187,006 | 2021-02-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113358123A true CN113358123A (zh) | 2021-09-07 |
Family
ID=77388760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110242871.4A Pending CN113358123A (zh) | 2020-03-05 | 2021-03-05 | 可信运动单元 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN113358123A (zh) |
DE (1) | DE102021104935A1 (zh) |
TW (1) | TWI804821B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022214432A1 (de) | 2022-12-29 | 2024-07-04 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Überwachen einer Eigenbewegungszustandsschätzung eines Fahrzeugs |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010020216A1 (en) * | 1998-11-20 | 2001-09-06 | Ching-Fang Lin | Fully-coupled positioning system |
US6408245B1 (en) * | 2000-08-03 | 2002-06-18 | American Gnc Corporation | Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit |
CN201266089Y (zh) * | 2008-09-05 | 2009-07-01 | 北京七维航测科技发展有限公司 | Ins/gps组合导航*** |
US20170212248A1 (en) * | 2016-01-27 | 2017-07-27 | Novatel Inc. | Gnss and inertial navigation system utilizing relative yaw as an observable for an ins filter |
US20180095476A1 (en) * | 2016-10-03 | 2018-04-05 | Agjunction Llc | Using optical sensors to resolve vehicle heading issues |
CN208635810U (zh) * | 2017-07-31 | 2019-03-22 | 意法半导体股份有限公司 | 用于陆地车辆导航的***以及车辆 |
CN110455275A (zh) * | 2019-08-07 | 2019-11-15 | 天津理工大学 | 一种大型球形储罐爬壁机器人定位导航***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10705221B2 (en) * | 2016-06-08 | 2020-07-07 | The Boeing Company | On-board backup and anti-spoofing GPS system |
TWI674984B (zh) * | 2018-11-15 | 2019-10-21 | 財團法人車輛研究測試中心 | 自動駕駛車輛之行駛軌跡規劃系統及方法 |
CN110095793B (zh) * | 2019-04-10 | 2021-11-09 | 同济大学 | 一种基于轮胎半径自适应的自动驾驶低速清扫车定位方法 |
CN110849362B (zh) * | 2019-11-28 | 2022-01-04 | 湖南率为控制科技有限公司 | 一种基于车载惯性的激光雷达与视觉组合导航算法 |
-
2021
- 2021-03-02 DE DE102021104935.0A patent/DE102021104935A1/de active Pending
- 2021-03-04 TW TW110107689A patent/TWI804821B/zh active
- 2021-03-05 CN CN202110242871.4A patent/CN113358123A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010020216A1 (en) * | 1998-11-20 | 2001-09-06 | Ching-Fang Lin | Fully-coupled positioning system |
US6408245B1 (en) * | 2000-08-03 | 2002-06-18 | American Gnc Corporation | Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit |
CN201266089Y (zh) * | 2008-09-05 | 2009-07-01 | 北京七维航测科技发展有限公司 | Ins/gps组合导航*** |
US20170212248A1 (en) * | 2016-01-27 | 2017-07-27 | Novatel Inc. | Gnss and inertial navigation system utilizing relative yaw as an observable for an ins filter |
US20180095476A1 (en) * | 2016-10-03 | 2018-04-05 | Agjunction Llc | Using optical sensors to resolve vehicle heading issues |
CN208635810U (zh) * | 2017-07-31 | 2019-03-22 | 意法半导体股份有限公司 | 用于陆地车辆导航的***以及车辆 |
CN110455275A (zh) * | 2019-08-07 | 2019-11-15 | 天津理工大学 | 一种大型球形储罐爬壁机器人定位导航***及方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI804821B (zh) | 2023-06-11 |
TW202202961A (zh) | 2022-01-16 |
DE102021104935A1 (de) | 2021-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12038759B2 (en) | Trusted motion unit | |
JP6861239B2 (ja) | 自動運転車両のためのpid埋め込みlqr | |
CN111532257B (zh) | 用于补偿交通工具校准误差的方法和*** | |
CN109421709B (zh) | 车辆的驾驶辅助装置 | |
US10990099B2 (en) | Motion planning methods and systems for autonomous vehicle | |
CN108983768B (zh) | 自动驾驶*** | |
US9796416B2 (en) | Automated driving apparatus and automated driving system | |
US10853669B2 (en) | Object recognition device, object recognition method and self-driving system | |
US10836395B2 (en) | Efficient optimal control with dynamic model for autonomous vehicle | |
JP6786511B2 (ja) | 自律走行車の速度を追従する方法及びシステム | |
JP2018535872A (ja) | 自律走行車に用いられるシステム遅延補正の制御方法 | |
JP2018062244A (ja) | 車両制御装置 | |
JP2019505423A (ja) | 比例、積分及び微分(pid)コントローラを用いた自律走行車のステアリング制御方法及びシステム | |
WO2019098002A1 (ja) | 情報処理装置、情報処理方法、プログラム、及び移動体 | |
US11946746B2 (en) | Method for satellite-based detection of a vehicle location by means of a motion and location sensor | |
CN113358123A (zh) | 可信运动单元 | |
WO2020191711A1 (en) | A camera-based low-cost lateral position calibration method for level-3 autonomous vehicles | |
US11754403B2 (en) | Self-position correction method and self-position correction device | |
JP2019066444A (ja) | 位置演算方法、車両制御方法及び位置演算装置 | |
US20220307858A1 (en) | Vehicle position estimation device, vehicle position estimation method, and non-transitory recording medium | |
KR102336654B1 (ko) | 차량의 센서 융합 장치 및 방법 | |
JP7378591B2 (ja) | 走行経路生成装置 | |
US20230343227A1 (en) | System and method for controlling aerial vehicle | |
WO2021161676A1 (ja) | 操舵制御装置、操舵制御方法、および操舵制御プログラム | |
US11275378B2 (en) | Vehicle control system and vehicle control method |
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 |