JP2023516412A - 慣性ナビゲーションシステム内の遅延補償 - Google Patents

Abstract

一実施形態では、自動運転車両の位置を計算するための方法は、新しいグローバルナビゲーション衛星システム（ＧＮＳＳ）データを受信することを含む。該方法は、前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、最新のタイムスタンプを有する第二事前推定位置を前記複数の事前推定位置から識別することと、をさらに含む。該方法は、第一事前推定位置と第二事前推定位置との差を計算し、この差に基づいて新しいＧＮＳＳデータを調整することと、調整されたＧＮＳＳデータに基づいてＡＤＶの現在推定位置を計算することと、をさらに含む。【選択図】図６

Description

本開示の実施形態は、一般に、自動運転車両の操作に関する。より具体的には、本開示の実施形態は、自動運転車両の慣性ナビゲーションシステム内の遅延補償に関する。

自動運転モード（例えば、無人運転）で運転している車両は、乗員、特に運転者をいくつかの運転関連の責任から解放することができる。自動運転モードで運転している場合、車両が車載用センサを使用して様々な場所に移動できるため、車両は、ヒューマンマシンインタラクションが最小限に抑えられた場合または乗客がいない場合にも、走行することができる。車載処理システムは、グローバルナビゲーション衛星システムデータや慣性測定データなどのセンサデータを使用して車両の概略位置を提供することができる。

自動運転車両の位置を計算するために、センサユニットは、グローバルナビゲーション衛星システム（ＧＮＳＳ）、および慣性測定ユニット（ＩＭＵ）を含み得る。ＧＮＳＳは、車両の位置、速度、および進行方向を測定することができる。ほとんどの場合、ＧＮＳＳが正確なデータを提供できるが、データは、センサユニットの処理装置によって大きな間隔（例えば、１秒）で断続的に受信され得る。ＩＭＵは、車両の加速度、およびジャイロスコープ方向を測定することができる。ＩＭＵデータは、処理装置によってＧＮＳＳデータよりもはるかに高い周波数（例えば、ミリ秒）で受信され得る。処理装置は、ＧＮＳＳデータおよびＩＭＵデータを組み合わせて、ＧＮＳＳデータ待ち時間ではなくＩＭＵデータ受信速度に基づいて、（例えば、カルマンフィルタを使用して）車両の位置を推定することができる。

センサユニットの処理装置は、センサユニット自体のＩＭＵからＩＭＵデータを受信すると同時に、車両の屋根上の衛星アンテナを介してＧＮＳＳデータを受信することができる。従って、ＩＭＵデータは、アンテナからセンサユニットに送信されなければならないＧＮＳＳデータよりもはるかに迅速に、処理装置に送信され得る。さらに、ＧＮＳＳデータは、処理装置に到着する前にＧＮＳＳ受信機によって処理され得、これは、ＧＮＳＳデータが処理装置に到着する時間を増加させる。アンテナから処理装置へのＧＮＳＳデータの伝播時間は、ＧＮＳＳデータが、ＧＮＳＳデータが初めて受信された後に重要な時点での位置推定を実行するために使用されることを可能にする。従って、ＧＮＳＳデータを受信してからＧＮＳＳデータを位置推定に使用するまでの間に車両が一定距離走行した可能性があるため、ＧＮＳＳ位置データはわずかに古いか、または偏差する可能性がある。

第一様態では、自動運転車両（ＡＤＶ）の位置を計算するための方法が提供される。該方法は、処理装置から新しいグローバルナビゲーション衛星システム（ＧＮＳＳ）データを受信することと、新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、最新のタイムスタンプを有する第二事前推定位置を複数の事前推定位置から識別することと、第一事前推定位置と第二事前推定位置との差に基づいて新しいＧＮＳＳデータを調整することと、調整されたＧＮＳＳデータに基づいてＡＤＶの現在推定位置を計算することと、を含む。

第二様態では、自動運転車両（ＡＤＶ）の位置を計算するためのデータ処理システムが提供される。該システムは、処理装置と、処理装置に接続されて命令を記憶するメモリと、を含み、前記命令は、処理装置によって実行されると、操作を処理装置に実行させるものであり、前記操作は、新しいグローバルナビゲーション衛星システム（ＧＮＳＳ）データを受信することと、新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、最新のタイムスタンプを有する第二事前推定位置を複数の事前推定位置から識別することと、第一事前推定位置と第二事前推定位置との差に基づいて新しいＧＮＳＳデータを調整することと、調整されたＧＮＳＳデータに基づいてＡＤＶの現在推定位置を計算することと、を含む。

第三様態では、命令を記憶する非一時的な機械可読媒体が提供される。前記命令は、プロセッサによって実行されると、プロセッサに操作を実行させるものであり、前記操作は、新しいグローバルナビゲーション衛星システム（ＧＮＳＳ）データを受信することと、新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、最新のタイムスタンプを有する第二事前推定位置を複数の事前推定位置から識別することと、第一事前推定位置と第二事前推定位置との差に基づいて新しいＧＮＳＳデータを調整することと、調整されたＧＮＳＳデータに基づいてＡＤＶの現在推定位置を計算することと、を含む。

本開示の実施形態は、図面の各図に例示的かつ非限定的な例として示されており、図面中の類似の図面記号は、類似の要素を示す。

一実施形態に係るネットワークシステムを示すブロック図である。 一実施形態に係る自動運転車両の一例を示すブロック図である。 一実施形態に係る、自動運転車両と共に使用される感知・計画システムの一例を示すブロック図である。 一実施形態に係る自動運転のためのシステムアーキテクチャの一例を示すブロック図である。 一実施形態に係る自動運転車両のセンサシステムの一例を示すブロック図である。 一実施形態に係る自動運転車両の慣性ナビゲーションシステムの一例を示すブロック図である。 一実施形態に係る、慣性ナビゲーションシステムの遅延補償を実行するための方法の一例を示すフローチャートである。 一実施形態に係る、慣性ナビゲーションシステムの遅延補償を実行するための方法の別の例を示すフローチャートである。 一実施形態に係る、グローバルナビゲーション衛星システムおよび慣性測定ユニット、ならびに自動運転車両の推定位置のキューから受信されたデータの記憶処理を示す図である。 一実施形態に係る、グローバルナビゲーション衛星システムおよび慣性測定ユニット、ならびに自動運転車両の推定位置のキューから受信されたデータの記憶処理を示す図である。

本開示の様々な実施形態および態様は、以下に説明される詳細を参照して説明され、図面は、前記様々な実施形態を示す。以下の説明および図面は、本開示を説明するものであり、本開示を限定するものとして解釈されるべきではない。本開示の様々な実施形態の包括的な理解を提供するために、多くの特定の詳細が説明される。しかしながら、場合によっては、本開示の実施形態の簡潔な説明を提供するために、周知または従来の詳細は説明されていない。

本明細書における「一実施形態」または「実施形態」への言及は、この実施形態に関連して説明される特定の特徴、構造、または特性が、本開示の少なくとも１つの実施形態に含まれ得ることを意味する。本明細書の様々な場所での「一実施形態では」という句の出現は、必ずしもすべてが同じ実施形態を指すとは限らない。

本開示の実施形態は、慣性ナビゲーションシステム内の遅延補償を提供する。まず、参照のために事前推定位置をデータ構造（例えば、キュー）に記憶することができる。次に、記憶された推定を参照してＧＮＳＳデータの偏差を決定し、この偏差を調整することができる。例えば、慣性ナビゲーションシステム（ＩＮＳ）の処理装置は、ＧＮＳＳデータを解析してＧＮＳＳデータの初期測定に関連するタイムスタンプを識別することができる。次に、処理装置は、データ構造に記憶され、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する事前推定位置（即ち、ＧＮＳＳデータの受信時点に最も近い時点での推定位置）を識別することができる。処理装置は、最新のタイムスタンプを利用して、データ構造に記憶された事前推定位置（即ち、車両の最終推定位置）を識別することもできる。次に、処理装置は、ＧＮＳＳデータの受信時点での推定位置と最新の推定位置との差を計算することができる。処理装置は、計算された差を使用して（例えば、差をＧＮＳＳデータに追加することにより）、ＧＮＳＳデータの偏差を補償することができる。次に、処理装置は、調整されたＧＮＳＳデータを使用して、ＩＭＵデータに基づいて車両の現在または将来の位置を推定することができる。

いくつかの実施形態によれば、自動運転車両の位置を計算するための方法は、グローバルナビゲーション衛星システムデータを受信し、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する事前推定位置、および最新の推定位置を識別することを含む。処理装置は、識別された２つの事前推定位置の間の差を計算し、次に計算された差に基づいて受信されたＧＮＳＳデータを調整することができる。次に、調整されたＧＮＳＳデータは、ＡＤＶの現在位置を計算するために使用され得る。

いくつかの実施形態によれば、システムは、メモリ、および前記メモリに接続された処理装置を含む。処理装置は、グローバルナビゲーション衛星システムデータを受信し、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する事前推定位置、および最新の推定位置を識別することができる。処理装置は、識別された２つの事前推定位置の間の差を計算し、次に計算された差に基づいて受信されたＧＮＳＳデータを調整することができる。次に、処理装置は、調整されたＧＮＳＳデータを使用して、ＡＤＶの現在位置を計算することができる。

いくつかの実施形態によれば、非一時的なコンピュータ可読記憶媒体は、処理装置によって実行される命令を含む。前記命令が実行されると、処理装置は、グローバルナビゲーション衛星システムデータを受信し、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する事前推定位置、および最新の推定位置を識別する。処理装置は、識別された２つの事前推定位置の間の差を計算し、次に計算された差に基づいて受信されたＧＮＳＳデータを調整することができる。次に、調整されたＧＮＳＳデータは、ＡＤＶの現在位置を計算するために使用され得る。

図１は、本開示の一実施形態に係る自動運転車両のネットワーク構成を示すブロック図である。図１を参照すると、ネットワーク構成１００は、ネットワーク１０２を介して１つまたは複数のサーバ１０３～１０４に通信接続され得る自動運転車両１０１を含む。１つの自動運転車両が示されているが、複数の自動運転車両は、ネットワーク１０２を介して、互いに接続され、および／またはサーバ１０３～１０４に接続され得る。ネットワーク１０２は、有線または無線のローカルエリアネットワーク（ＬＡＮ）、インターネットなどのワイドエリアネットワーク（ＷＡＮ）、セルラーネットワーク、衛星ネットワーク、またはそれらの組み合わせなどの任意のタイプのネットワークであり得る。サーバ１０３～１０４は、ネットワークまたはクラウドサーバ、アプリケーションサーバ、バックエンドサーバ、またはそれらの組み合わせなどの任意のタイプのサーバまたはサーバクラスタであり得る。サーバ１０３～１０４は、データ分析サーバ、コンテンツサーバ、交通情報サーバ、地図・ポイントオブインタレスト（ＭＰＯＩ）サーバ、または位置サーバなどであり得る。

自動運転車両とは、運転者からの入力がほとんどまたはまったくない場合に車両がナビゲートして環境を通り抜ける自動運転モードで動作できるように構成され得る車両を指す。このような自動運転車両は、車両の動作環境に関連する情報を検出するように構成される１つまたは複数のセンサを有するセンサシステムを含み得る。車両およびそれに関連付けられたコントローラは、検出された情報を使用して、ナビゲートして前記環境を通り抜ける。自動運転車両１０１は、手動モード、全自動運転モード、または部分自動運転モードで動作することができる。

一実施形態では、自動運転車両１０１は、感知・計画システム１１０、車両制御システム１１１、無線通信システム１１２、ユーザインターフェースシステム１１３、およびセンサシステム１１５を含むが、これらに限定されない。自動運転車両１０１は、エンジン、ホイール、ステアリングホイール、トランスミッションなど、一般的な車両に含まれるいくつかの一般的なコンポーネントをさらに含み得る。前記コンポーネントは、加速信号または命令、減速信号または命令、ステアリング信号または命令、ブレーキ信号または命令などの様々な通信信号および／または命令を使用して、車両制御システム１１１および／または感知・計画システム１１０によって制御され得る。

コンポーネント１１０～１１５は、インターコネクト、バス、ネットワーク、またはそれらの組み合わせを介して互いに通信接続され得る。例えば、コンポーネント１１０～１１５は、コントローラエリアネットワーク（ＣＡＮ）バスを介して互いに通信接続され得る。ＣＡＮバスは、マイクロコントローラおよび装置がホストなしのアプリケーション内で互いに通信できるように設計された車両バス規格である。これは、最初に自動車内の多重電気配線のために設計されるが、他の多くの環境でも使用されるメッセージベースのプロトコルである。

図２を参照すると、一実施形態では、センサシステム１１５は、１つまたは複数のカメラ２１１、全地球測位システム（ＧＰＳ）ユニット２１２、慣性測定ユニット（ＩＭＵ）２１３、レーダーユニット２１４、および光検出・測距（ＬＩＤＡＲ）ユニット２１５を含むが、これらに限定されない。ＧＰＳユニット２１２およびＩＭＵ２１３は、慣性ナビゲーションシステム（ＩＮＳ）２１０に一緒に含まれ得る。ＩＮＳ２１０は、ＧＰＳユニット２１２およびＩＭＵ２１３からのデータに基づいて、自動運転車両の正確な位置を計算することができる。ＧＰＳユニット２１２は、自動運転車両の位置に関する情報を提供するように動作可能な送受信機を含み得る。ＩＭＵユニット２１３は、慣性加速度に基づいて自動運転車両の位置および向きの変化を感知することができる。レーダーユニット２１４は、無線信号を使用して自動運転車両のローカル環境内のオブジェクトを感知するシステムを表すことができる。いくつかの実施形態では、オブジェクトを感知することに加えて、レーダーユニット２１４は、オブジェクトの速度および／または進行方向をさらに感知することができる。ＬＩＤＡＲユニット２１５は、レーザーを使用して、自動運転車両が配置されている環境内のオブジェクトを感知することができる。他のシステムコンポーネントに加えて、ＬＩＤＡＲユニット２１５は、１つまたは複数のレーザー源、レーザースキャナ、および１つまたは複数の検出器をさらに含み得る。カメラ２１１は、自動運転車両の周囲環境の画像を収集するための１つまたは複数の装置を含み得る。カメラ２１１は、スチルカメラおよび／またはビデオカメラであり得る。カメラは、例えば、カメラを回転および／または傾斜プラットフォームに取り付けることにより、機械的に移動できる。

センサシステム１１５は、ソナーセンサ、赤外線センサ、ステアリングセンサ、スロットルセンサ、ブレーキセンサ、およびオーディオセンサ（例えば、マイクロフォン）などの他のセンサをさらに含み得る。オーディオセンサは、自動運転車両の周囲環境から音声を収集するように構成され得る。ステアリングセンサは、ステアリングホイール、車両のホイール、またはそれらの組み合わせのステアリング角度を感知するように構成され得る。スロットルセンサおよびブレーキセンサは、それぞれ車両のスロットル位置およびブレーキ位置を感知する。いくつかの場合では、スロットルセンサおよびブレーキセンサは、統合型スロットル／ブレーキセンサとして統合され得る。

一実施形態では、車両制御システム１１１は、ステアリングユニット２０１、スロットルユニット２０２（加速ユニットとも呼ばれる）、およびブレーキユニット２０３を含むが、これらに限定されない。ステアリングユニット２０１は、車両の方向または前進方向を調整するために使用される。スロットルユニット２０２は、モータまたはエンジンの速度を制御して、車両の速度および加速度を制御するために使用される。ブレーキユニット２０３は、摩擦を与えることにより、車両のホイールまたはタイヤを減速させて車両を減速させるために使用される。なお、図２に示すコンポーネントは、ハードウェア、ソフトウェア、またはそれらの組み合わせで実装され得る。

図１に戻って参照すると、無線通信システム１１２は、自動運転車両１０１と、装置、センサ、他の車両などの外部システムとの間の通信を可能にする。例えば、無線通信システム１１２は、１つまたは複数の装置と直接無線通信するか、またはネットワーク１０２を介してサーバ１０３～１０４と通信するなど、通信ネットワークを介して無線通信を実行することができる。無線通信システム１１２は、ＷｉＦｉなどの任意のセルラー通信ネットワークまたは無線ローカルエリアネットワーク（ＷＬＡＮ）を介して、別のコンポーネントまたはシステムと通信することができる。無線通信システム１１２は、例えば、赤外線リンク、ブルートゥース（登録商標）などを介して、装置（例えば、乗客の携帯機器、表示装置、および車両１０１内のスピーカ）と直接通信することができる。ユーザインターフェースシステム１１３は、例えば、キーボード、タッチスクリーン表示装置、マイクロフォン、スピーカなどを含む、車両１０１内に実装された周辺デバイスの一部であり得る。

自動運転車両１０１の機能の一部または全部は、特に自動運転モードで動作する場合に、感知・計画システム１１０によって制御または管理され得る。感知・計画システム１１０は、センサシステム１１５、制御システム１１１、無線通信システム１１２、および／またはユーザインターフェースシステム１１３から情報を受信し、受信された情報を処理し、出発地から目的地までのルートまたは経路を計画し、計画および制御情報に基づいて車両１０１を運転するために必要なハードウェア（例えば、プロセッサ、メモリ、記憶装置）およびソフトウェア（例えば、オペレーティングシステム、計画・ルーティングプログラム）を含む。あるいは、感知・計画システム１１０は、車両制御システム１１１と統合され得る。

例えば、乗客としてのユーザは、例えばユーザインターフェースを介して、行程の出発地および目的地を指定することができる。感知・計画システム１１０は、行程関連データを取得する。例えば、感知・計画システム１１０は、サーバ１０３～１０４の一部であり得るＭＰＯＩサーバから位置およびルート情報を取得することができる。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは地図サービスおよび特定の位置のＰＯＩを提供する。あるいは、そのような位置およびＭＰＯＩ情報は、感知・計画システム１１０の永久記憶装置にローカルにキャッシュされ得る。

自動運転車両１０１がルートに沿って移動しているとき、感知・計画システム１１０は、交通情報システムまたはサーバ（ＴＩＳ）からリアルタイムの交通情報を取得することもできる。なお、サーバ１０３～１０４は、サードパーティエンティティによって操作され得る。あるいは、サーバ１０３～１０４の機能は、感知・計画システム１１０と統合され得る。リアルタイムの交通情報、ＭＰＯＩ情報、および位置情報、ならびにセンサシステム１１５によって検出または感知されたリアルタイムのローカル環境データ（例えば、障害物、オブジェクト、近くの車両）に基づいて、感知・計画システム１１０は、最適なルートを計画し、計画されたルートに従って、例えば、制御システム１１１を介して車両１０１を運転して、指定された目的地に安全かつ効率的に到達することができる。

サーバ１０３は、様々なクライアントのためのデータ分析サービスを実行するためのデータ分析システムであり得る。一実施形態では、データ分析システム１０３は、データコレクタ１２１および機械学習エンジン１２２を含む。データコレクタ１２１は、自動運転車両または運転者によって運転される従来の車両である様々な車両から運転統計１２３を収集する。運転統計１２３は、異なる時点で車両のセンサによって取得された車両からの運転命令（例えば、スロットル、ブレーキ、ステアリング命令）および応答（例えば、速度、加速、減速、方向）を示す情報を含む。運転統計１２３は、異なる時点での運転環境を説明する情報、例えば、ルート（出発地および目的地を含む）、ＭＰＯＩ、道路状況、気象条件などをさらに含み得る。

運転統計１２３に基づいて、機械学習エンジン１２２は、様々な目的のために１組の規則、アルゴリズム、および／または予測モデル１２４を生成または訓練する。アルゴリズム１２４は、ＩＭＵおよびＧＰＳデータを同期させるためのタイミングアルゴリズムを含み得る。次に、アルゴリズム１２４は、自動運転中にリアルタイムで使用されるようにＡＤＶにアップロードされ得る。

図３は、一実施形態に係る、自動運転車両と共に使用される感知・計画システムの一例を示すブロック図である。システム３００は、感知・計画システム１１０、制御システム１１１、およびセンサシステム１１５を含むがこれらに限定されない、図１の自動運転車両１０１の一部として実装され得る。図３を参照すると、感知・計画システム１１０は、位置決めモジュール３０１、感知モジュール３０２、予測モジュール３０３、決定モジュール３０４、計画モジュール３０５、制御モジュール３０６、およびルーティングモジュール３０７を含むが、これらに限定されない。

モジュール３０１～３０７の一部または全部は、ソフトウェア、ハードウェア、またはそれらの組み合わせで実装され得る。例えば、これらのモジュールは、永久記憶装置３５２にインストールされ、メモリ３５１にロードされ、１つまたは複数のプロセッサ（図示せず）によって実行され得る。なお、これらのモジュールの一部または全部は、図２の車両制御システム１１１のモジュールの一部または全部に通信接続され得るか、またはこれらと統合され得る。モジュール３０１～３０７の一部は、統合モジュールとして一緒に統合され得る。

位置決めモジュール３０１は、（例えば、ＩＮＳ２１０を使用して）自動運転車両３００の現在位置を決定し、ユーザの行程またはルートに関連するすべてのデータを管理する。位置決めモジュール３０１（地図／ルートモジュールとも呼ばれる）は、ユーザの行程またはルートに関連するすべてのデータを管理する。ユーザは、例えば、ユーザインターフェースを介してログインし、行程の出発地および目的地を指定することができる。位置決めモジュール３０１は、地図／ルート情報３１１などの自動運転車両３００の他のコンポーネントと通信して、行程関連データを取得する。例えば、位置決めモジュール３０１は、位置サーバおよび地図・ＰＯＩ（ＭＰＯＩ）サーバから位置およびルート情報を取得することができる。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは地図サービスおよび特定の位置のＰＯＩを提供する。これらは、地図／ルート情報３１１の一部としてキャッシュされ得る。自動運転車両３００がルートに沿って移動しているとき、位置決めモジュール３０１はまた、交通情報システムまたはサーバからリアルタイムの交通情報を取得することができる。

センサシステム１１５によって提供されたセンサデータ、および位置決めモジュール３０１によって取得された位置決め情報に基づいて、感知モジュール３０２は、周囲環境の感知を決定する。感知情報は、一般的な運転者が運転者の運転している車両の周囲で何を感知するかを表すことができる。感知情報は、オブジェクトの形態などを採用した車線構成、交通信号灯信号、別の車両の相対位置、歩行者、建物、横断歩道、または他の交通関連標識（例えば、止まれの標識、譲れの標識）などを含み得る。車線構成は、１つまたは複数の車線を説明する情報、例えば、車線の形状（例えば、直線または曲線）、車線の幅、道路内の車線数、一方向または双方向の車線、合流車線または分岐車線、出口車線などを含む。

感知モジュール３０２は、１つまたは複数のカメラによって収集された画像を処理および分析して、自動運転車両の環境内のオブジェクトおよび／または特徴を識別するためのコンピュータビジョンシステムまたはコンピュータビジョンシステムの機能を含み得る。前記オブジェクトは、交通信号、道路境界、他の車両、歩行者、および／または障害物などを含み得る。コンピュータビジョンシステムは、オブジェクト識別アルゴリズム、ビデオ追跡、および他のコンピュータビジョン技術を使用することができる。いくつかの実施形態では、コンピュータビジョンシステムは、環境地図の作成、オブジェクト追跡、オブジェクトの速度の推定などを実行することができる。感知モジュール３０２はまた、レーダーおよび／またはＬＩＤＡＲなどの他のセンサによって提供された他のセンサデータに基づいてオブジェクトを検出することができる。

オブジェクトのそれぞれについて、予測モジュール３０３は、オブジェクトがこの場合にどのように動作するかを予測する。予測は、１組の地図／ルート情報３１１および交通規則３１２を考慮してその時点での運転環境を感知する感知データに基づいて、実行される。例えば、オブジェクトが反対方向の車両であり、現在の運転環境が交差点を含む場合、予測モジュール３０３は、車両が直接前進する可能性が高いか、それともステアリングする可能性が高いかを予測する。感知データが、交差点に交通信号灯がないことを示す場合、予測モジュール３０３は、車両が交差点に入る前に完全に停止しなければならない可能性があることを予測することができる。感知データが、車両が現在左折専用車線または右折専用車線にあることを示す場合、予測モジュール３０３は、車両がそれぞれ左折または右折する可能性が高いことを予測することができる。

オブジェクトのそれぞれについて、決定モジュール３０４は、オブジェクトをどのように処理するかについての決定を行う。例えば、特定のオブジェクト（例えば、交差点にある別の車両）、およびオブジェクトを説明するメタデータ（例えば、速度、方向、ステアリング角度）について、決定モジュール３０４は、どのように前記オブジェクトとすれ違うか（例えば、追い越し、譲れ、停止、通過）を決定する。決定モジュール３０４は、永久記憶装置３５２に記憶され得る交通規則または運転規則３１２などの規則セットに基づいて、このような決定を実行することができる。

ルーティングモジュール３０７は、出発地から目的地までの１つまたは複数のルートまたは経路を提供するように構成される。例えば、ユーザから受信された出発地から目的地までの所与の行程について、ルーティングモジュール３０７は、地図／ルート情報３１１を取得し、出発地から目的地までのすべての可能なルートまたは経路を決定する。ルーティングモジュール３０７は、出発地から目的地までの各ルートを決定する地形図の形態での基準線を生成することができる。基準線とは、他の車両、障害物、または交通状況などからの干渉を受けない理想的なルートまたは経路を指す。即ち、道路上に他の車両、歩行者、または障害物がない場合、ＡＤＶは、基準線に正確にまたは密接に従うべきである。次に、地形図は、決定モジュール３０４および／または計画モジュール３０５に提供される。決定モジュール３０４および／または計画モジュール３０５は、他のモジュールによって提供された他のデータ（例えば、位置決めモジュール３０１からの交通状況、感知モジュール３０２によって感知された運転環境、および予測モジュール３０３によって予測された交通状況）に基づいて、すべての可能なルートをチェックして最適なルートのうちの１つを選択して変更する。その時点での特定の運転環境に応じて、ＡＤＶを制御するための実際の経路またはルートは、ルーティングモジュール３０７によって提供された基準線に近いか、または異なる場合がある。

感知されたオブジェクトのそれぞれの決定に基づいて、計画モジュール３０５は、ルーティングモジュール３０７によって提供された基準線を基礎として使用して、自動運転車両の経路またはルートおよび運転パラメータ（例えば、距離、速度、および／またはステアリング角度）を計画する。即ち、所与のオブジェクトについて、決定モジュール３０４はこのオブジェクトに対して何を処理するかを決定するが、計画モジュール３０５はどのように処理するかを決定する。例えば、所与のオブジェクトについて、決定モジュール３０４は前記オブジェクトを追い越すことを決定することができるが、計画モジュール３０５は前記オブジェクトの左側または右側のどちらを追い越すかを決定することができる。計画および制御データは、計画モジュール３０５によって生成され、車両３００が次の移動周期（例えば、次のルート／経路セグメント）でどのように移動するかを説明する情報を含む。例えば、計画および制御データは、車両３００に、時速３０マイル（ｍｐｈ）の速度で１０メートル移動し、次に２５ｍｐｈの速度で右側車線に変更するように指示することができる。

計画および制御データに基づいて、制御モジュール３０６は、計画および制御データによって定義されたルートまたは経路に従って、適切な命令または信号を車両制御システム１１１に送信することにより、自動運転車両を制御して運転する。前記計画および制御データは、経路またはルートに沿って異なる時点で適切な車両設定または運転パラメータ（例えば、スロットル、ブレーキ、ステアリング命令）を使用して、ルートまたは経路の第一点から第二点まで車両を運転するのに十分な情報を含む。

一実施形態では、計画段階は、運転周期とも呼ばれる複数の計画周期で実行され、例えば、１００ミリ秒（ｍｓ）の時間間隔で実行される。計画周期または運転周期ごとに、計画および制御データに基づいて１つまたは複数の制御命令が発行される。即ち、１００ｍｓごとに、計画モジュール３０５は、次のルートセグメントまたは経路セグメント、例えば、目標位置およびＡＤＶが目標位置に到達するのに必要な時間を計画する。あるいは、計画モジュール３０５は、特定の速度、方向、および／またはステアリング角度などをさらに指定することができる。一実施形態では、計画モジュール３０５は、次の所定の期間（例えば、５秒）内にルートセグメントまたは経路セグメントを計画する。各計画周期について、計画モジュール３０５は、前の周期で計画された目標位置に基づいて、現在の周期（例えば、次の５秒）に使用される目標位置を計画する。次に、制御モジュール３０６は、現在の周期の計画および制御データに基づいて、１つまたは複数の制御命令（例えば、スロットル、ブレーキ、ステアリング制御命令）を生成する。

なお、決定モジュール３０４および計画モジュール３０５は、統合モジュールとして統合され得る。決定モジュール３０４／計画モジュール３０５は、自動運転車両の運転経路を決定するためのナビゲーションシステムまたはナビゲーションシステムの機能を含み得る。例えば、ナビゲーションシステムは、経路に沿った自動運転車両の移動を実施するための一連の速度および前進方向を決定することができる。前記経路は、自動運転車両が、感知された障害物を基本的に回避しながら、最終目的地に通じる車道ベースの経路に沿って前進することを可能にする。目的地は、ユーザインターフェースシステム１１３を介したユーザ入力に従って設定され得る。ナビゲーションシステムは、自動運転車両の運転中に運転経路を動的に更新することができる。ナビゲーションシステムは、ＧＰＳユニット、慣性ナビゲーションシステムおよび１つまたは複数の地図からのデータを統合して、自動運転車両の運転経路を決定することができる。

図４は、一実施形態に係る自動運転のためのシステムアーキテクチャを示すブロック図である。システムアーキテクチャ４００は、図３に示す自動運転システムのシステムアーキテクチャを表すことができる。図４を参照すると、システムアーキテクチャ４００は、アプリケーション層４０１、計画・制御（ＰＮＣ）層４０２、感知層４０３、ドライバ層４０４、ファームウェア層４０５、およびハードウェア層４０６を含むが、これらに限定されない。アプリケーション層４０１は、自動運転車両のユーザまたは乗客と対話するユーザインターフェースまたは構成アプリケーション、例えば、ユーザインターフェースシステム１１３に関連付けられた機能を含み得る。ＰＮＣ層４０２は、少なくとも計画モジュール３０５および制御モジュール３０６の機能を含み得る。感知層４０３は、少なくとも感知モジュール３０２の機能を含み得る。一実施形態では、予測モジュール３０３および／または決定モジュール３０４の機能を含む追加層が存在する。あるいは、このような機能は、ＰＮＣ層４０２および／または感知層４０３に含まれ得る。システムアーキテクチャ４００は、ドライバ層４０４、ファームウェア層４０５、およびハードウェア層４０６をさらに含む。ファームウェア層４０５は、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）の形態で実装され得るセンサシステム１１５の機能を少なくとも表すことができる。ハードウェア層４０６は、制御システム１１１などの自動運転車両のハードウェアを表すことができる。層４０１～４０３は、デバイスドライバ層４０４を介してファームウェア層４０５およびハードウェア層４０６と通信することができる。

図５Ａは、本発明の一実施形態に係るセンサシステムの一例を示すブロック図である。図５を参照すると、センサシステム１１５は、複数のセンサ５１０、およびホストシステム１１０に接続されたセンサユニット５００を含む。ホストシステム１１０は、図３に示すモジュールの少なくともいくつかを含み得る上記の計画・制御システムを表す。センサユニット５００は、ＦＰＧＡデバイスまたはＡＳＩＣ（特定用途向け集積回路）デバイスの形態で実装され得る。一実施形態では、センサユニット５００は、（それに加えて）１つまたは複数のセンサデータ処理モジュール５０１（センサ処理モジュールとも略称する）、データ送信モジュール５０２、およびセンサ制御モジュールまたはロジック５０３を含む。モジュール５０１～５０３は、センサインターフェース５０４を介してセンサ５１０と通信することができ、ホストインターフェース５０５を介してホストシステム１１０と通信することができる。任意選択的に、内部または外部バッファ５０６を利用して、処理のためのデータをバッファリングすることができる。

一実施形態では、センサ５１０は、ＧＰＳユニットおよびＩＭＵであり得る。図５Ｂに示すように、ＧＰＳユニットおよびＩＭＵは、単一のＦＰＧＡまたはＡＳＩＣ上のセンサユニット５００に接続され得る（慣性測定システム（ＩＮＳ）と呼ばれる）。センサ処理モジュール５０１は、ＧＰＳユニットおよびＩＭＵからデータを受信してデータに基づいて（例えば、カルマンフィルタを使用して）自動運転車両の位置を推定するために使用される、ロジックを含み得る。センサ処理モジュール５０１は、（図５を参照して以下に説明されるように）ＧＰＳデータの伝播遅延によるＧＰＳデータ偏差を補償するためのロジックをさらに含み得る。

一実施形態では、受信経路または上流方向について、センサ処理モジュール５０１は、センサインターフェース５０４を介してセンサからセンサデータを受信し、バッファ５０６に一時的に記憶され得るセンサデータ（例えば、フォーマット変換、エラーチェック）を処理するように構成される。データ送信モジュール５０２は、ホストインターフェース５０５と互換性のある通信プロトコルを使用して、処理されたデータをホストシステム１１０に送信するように構成される。同様に、送信経路または下流方向について、データ伝送モジュール５０２は、ホストシステム１１０からデータまたは命令を受信するように構成される。次に、センサ処理モジュール５０１は、対応するセンサと互換性のあるフォーマットにデータのフォーマットを処理する。次に、処理されたデータをセンサに送信する。

一実施形態では、センサ制御モジュールまたはロジック５０３は、ホストインターフェース５０５を介してホストシステム（例えば、感知モジュール）から受信された命令に応答して、取得されたセンサデータのタイミングのアクティブ化など、センサ５１０のいくつかの動作を制御するように構成される。ホストシステム１１０は、センサデータを協調的および／または同期的に取得して任意の時点でセンサデータに基づいて車両の周囲の運転環境を感知するように、センサ５１０を構成することができる。

センサインターフェース５０４は、イーサネット、ＵＳＢ（ユニバーサル・シリアル・バス）、ＬＴＥ（ロングタームエボリューション）またはセルラー、ＷｉＦｉ、ＧＰＳ、カメラ、ＣＡＮ、シリアル（例えば、ユニバーサル非同期受信機／送信機またはＵＡＲＴ）、ＳＩＭ（加入者識別モジュール）カード、および他のユニバーサル入力／出力（ＧＰＩＯ）インターフェースのうちの１つまたは複数を含み得る。ホストインターフェース５０５は、ＰＣＩｅ（ペリフェラル・コンポーネント・インターコネクトまたはＰＣＩ Ｅｘｐｒｅｓｓ）インターフェースなど、任意の高速または高帯域幅インターフェースであり得る。センサ５１０は、カメラ、ＬＩＤＡＲデバイス、ＲＡＤＡＲデバイス、ＧＰＳ受信機、ＩＭＵ、超音波センサ、ＧＮＳＳ（グローバルナビゲーション衛星システム）受信機、ＬＴＥまたはセルラーＳＩＭカード、車両センサ（例えば、スロットル、ブレーキ、ステアリングセンサ）、システムセンサ（例えば、温度、湿度、圧力センサ）など、自動運転車両に使用される様々なセンサを含み得る。

例えば、カメラは、イーサネットまたはＧＰＩＯインターフェースを介して接続され得る。ＧＰＳセンサは、ＵＳＢまたは特定のＧＰＳインターフェースを介して接続され得る。車両センサは、ＣＡＮインターフェースを介して接続され得る。ＲＡＤＡＲセンサまたは超音波センサは、ＧＰＩＯインターフェースを介して接続され得る。ＬＩＤＡＲデバイスは、イーサネットインターフェースを介して接続され得る。外部ＳＩＭモジュールは、ＬＴＥインターフェースを介して接続され得る。同様に、内部ＳＩＭモジュールは、センサユニット５００のＳＩＭソケットに挿入され得る。ＵＡＲＴなどのシリアルインターフェースは、デバッグのためにコンソールシステムに接続され得る。

なお、センサ５１０は、任意のタイプのセンサであり得、様々な供給業者または供給者によって提供され得る。センサ処理モジュール５０１は、異なるタイプのセンサおよびそれらのそれぞれのデータフォーマットおよび通信プロトコルを処理するように構成される。一実施形態によれば、各センサ５１０は、センサデータを処理し、処理されたセンサデータをホストシステム１１０と対応するセンサとの間で送信するために使用される特定のチャネルに関連付けられる。各チャネルは、対応するセンサデータおよびプロトコルを処理するように構成またはプログラミングされる、特定のセンサ処理モジュールおよび特定のデータ送信モジュールを含み得る。

低遅延モードで動作する場合、一実施形態によれば、データ送信モジュール（例えば、データ送信モジュール５０２）は、センサから受信されたセンサデータを、遅延なしまたは最小遅延でできるだけ早くホストシステムに送信するように構成される。いくつかのセンサデータは、できるだけ早く処理すべきタイミングの面で非常に敏感である。このようなセンサデータの一例は、車速、加速度、ステアリング角度などの車両状態を含む。

一実施形態によれば、高帯域幅モードで動作する場合、データ送信モジュール（例えば、データ送信モジュール５０２）は、センサから受信されたセンサデータを所定量まで累積するが、それをデータ送信モジュールとホストシステム１１０との間の接続の帯域幅範囲内に維持するように構成される。次に、累積されたセンサデータは、ホストシステム１１０にバッチで送信されており、このセンサデータは、データ送信モジュールとホストシステム１１０との間の接続の最大帯域幅データである。一般に、高帯域幅モードは、大量のセンサデータを生成するセンサに使用される。このようなセンサデータの一例は、カメラのピクセルデータを含む。

一実施形態によれば、メモリモードで動作する場合、データ送信モジュールは、共有メモリページと同様に、センサから受信されたセンサデータをホストシステム１１０のマッピングメモリのメモリ位置に直接書き込むように構成される。メモリモードで送信されるセンサデータの一例は、温度、ファン速度などのシステム状態データを含む。

図５Ｂは、図５Ａのセンサシステム１１５に含まれ得る慣性ナビゲーションシステム（ＩＮＳ）５３０を示す図である。ＩＮＳ５３０は、ＧＮＳＳ受信機５３２（ＧＰＳユニットとも呼ばれる）、慣性測定ユニット（ＩＭＵ）５３４、およびマイクロコントローラユニット（ＭＣＵ）５３６を含むが、これらに限定されない。ＧＮＳＳ受信機５３２は、アンテナ５２０からのＧＮＳＳ測定値を受信して処理することができ、アンテナ５２０は、ＩＮＳ５３０の外側（例えば、車両の屋根）に配置され得る。次に、ＧＮＳＳ受信機５３２は、ＧＮＳＳデータ５３３をＭＣＵ５３６に転送することができる。ＧＮＳＳデータ５３３は、車両の位置、速度、および進行方向、ならびにいつ測定するかを示すタイムスタンプを含み得る。一実施形態では、ＩＭＵ５３４は、自動運転車両の加速度および向きを測定し、これらの測定結果をＭＣＵ５３６に送信して（例えば、カルマンフィルタを使用して）ＧＮＳＳデータ５３３と統合することができる。

ＭＣＵ５３６は、ＧＮＳＳデータ５３３およびＩＭＵデータ５３５を受信し、（例えば、カルマンフィルタを使用して）それらを組み合わせて、自動運転車両の推定位置（例えば、出力結果５４０）を計算することができる。ＭＣＵは、ＩＭＵデータ５３５よりもはるかに低い周波数でＧＮＳＳデータ５３３を受信することができる。ＭＣＵ５３６は、ＩＭＵデータ５３５を受信するたびに車両の推定位置を計算することができる。ＩＭＵデータ５３５がＭＣＵによって高周波数で受信されるので、ＭＣＵは、新しいＧＮＳＳデータを受信するまで、最新の（ｍｏｓｔ ｒｅｃｅｎｔ）ＧＮＳＳデータおよび新たに受信された各ＩＭＵデータ５３５を使用して新しい各位置の推定を実行することができる。ＭＣＵ５３６は、新しいＧＮＳＳデータを受信した場合、新しいＧＮＳＳデータを使用してカルマンフィルタの計算を更新することができる。しかしながら、ＧＮＳＳデータ５３３がアンテナ５２０から受信され、ＧＮＳＳデータ５３３が、処理されてＭＣＵ５３６に転送されるために、ＧＮＳＳ受信機５３２に伝播されなければならないので、ＧＮＳＳデータは、遅延（例えば、５０～６０ｍｓ）による偏差を有する可能性がある。例えば、高速走行車両は、ＧＮＳＳの測定時間から、ＭＣＵ５３６がＧＮＳＳデータ５３３を位置推定に使用する時間までの間に、相当な距離走行した可能性がある。従って、位置推定は、伝播遅延によるＧＮＳＳデータ偏差のために、不正確であり得る。

しかしながら、ＭＣＵ５３６は、ＧＮＳＳデータ遅延を調整するための補償ロジック５３８（例えば、ソフトウェアまたはファームウェア）を含み得る。一実施形態では、ＭＣＵ５３６は、各出力結果５４０（即ち、各推定位置）をデータ構造（例えば、キュー）に一時的に記憶する。ＭＣＵ５３６が新しいＧＮＳＳデータ５３３を受信した場合、ＭＣＵ５３６の補償ロジック５３８は、記憶された最新の推定位置と、ＧＮＳＳデータ５３３が初めて測定されてタイムスタンプを追加するときの推定位置との差に基づいて、ＧＮＳＳデータ５３３を更新することができる。次に、補償ロジック５３８は、この差を初めて受信されたＧＮＳＳデータ５３３に追加して、調整されたＧＮＳＳデータを取得することができる。次に、調整されたこのＧＮＳＳデータは、位置推定を更新するために使用され得る。一実施形態では、ＭＣＵ５３６は、データ構造を検索して、データ構造に記憶され、ＧＮＳＳデータ５３３のタイムスタンプに最も近いタイムスタンプを有する推定位置を見つけることができる。次に、ＭＣＵ５３６は、データ構造に記憶された最新の推定位置を検索することができる。補償ロジック５３８は、２つの推定値の間の差を計算し、この差をＧＮＳＳデータ５３３に追加することができる。ＭＣＵ５３６は、調整されたＧＮＳＳデータを使用して、より正確な位置推定のためにカルマンフィルタの推定を更新することができる。

図６は、一実施形態に係る、自動運転車両の慣性ナビゲーションシステム内のＧＮＳＳ遅延を調整するプロセスを示すフローチャートである。プロセス６００は、ＩＮＳのＭＣＵの補償ロジックによって実行され得る。操作６０２において、処理ロジックは、新しいグローバルナビゲーション衛星システム（ＧＮＳＳ）データを受信する。アンテナは、ＧＮＳＳ受信機に接続され得る。アンテナは、ＧＮＳＳ測定値を検出することができる。ＧＮＳＳ測定値は、この時点でタイムスタンプを追加して、ＧＮＳＳ受信機に送信される。ＧＮＳＳ受信機は、受信されたＧＮＳＳデータを処理してフォーマットしてＭＣＵに転送することができる。ＧＮＳＳ測定値は、車両の位置、速度、および進行方向を含み得る。ＭＣＵは、ＧＮＳＳデータを解析してＧＮＳＳ測定値のタイムスタンプを識別することができる。

操作６０４において、処理ロジックは、事前推定位置を記憶するデータ構造から、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を識別する。一実施形態では、データ構造は、キューなどの先入れ先出しバッファであり得る。一実施形態では、処理ロジックは、局所最小値を見つけるまで、キュー内の最古のデータを繰り返し検出し、最古のデータのタイムスタンプとＧＮＳＳデータのタイムスタンプとの差を計算することにより、最も近いタイムスタンプを有する推定位置を識別することができる。別の実施形態では、各推定位置のタイムスタンプは、ＧＮＳＳデータのタイムスタンプ、および識別された最小タイムスタンプ差を有する推定位置と比較され得る。最も近い推定位置は、任意の他の方式でも識別され得る。

操作６０６において、処理ロジックは、事前推定位置を記憶するデータ構造に基づいて、データ構造内の事前推定位置の最新のタイムスタンプを有する第二事前推定位置を識別する。推定位置を記憶するデータ構造がＦＩＦＯバッファ（即ち、キュー）であり得るため、推定位置は、キューの「後部」（最後にプッシュされるか、またはキューに追加される）に記憶され得る。従って、処理ロジックは、キューの後方からエントリを簡単に検索することができる。推定位置がＦＩＦＯバッファに記憶されていない場合、処理ロジックは、タイムスタンプを現在の時間（例えば、リアルタイムクロック）と比較して、最新の推定位置を識別することができる。

操作６０８において、処理ロジックは、第一事前推定位置と第二事前推定位置との差を計算する。この差は、ＧＮＳＳデータが受信されてからＭＣＵによって処理されるまでの間に自動運転車両が走行した距離を表すことができる。従って、この差は、ＧＮＳＳデータ遅延時の車両の推定位置の変化であり得る。この差は、遅延時の車両の速度および進行方向の変化も含み得る。

操作６１０において、処理ロジックは、第一事前推定位置と第二事前推定位置との差に基づいて新しいＧＮＳＳデータを調整する。処理ロジックは、第一事前推定位置と第二事前推定位置との差を新しいＧＮＳＳデータに加算して新しいＧＮＳＳデータを調整して、調整されたＧＮＳＳデータを取得することができる。調整されたＧＮＳＳデータは、ＭＣＵがデータを処理しているときの自動運転車両の現在位置をオリジナルのＧＮＳＳデータよりも正確に表すことができる。

操作６１２において、処理ロジックは、調整されたＧＮＳＳデータを使用して、車両の現在推定位置を計算する。調整されたＧＮＳＳデータは、車両の現在位置をより正確に表すことができる。従って、調整されたＧＮＳＳデータを使用して車両の推定位置を計算することは、車両の現在位置の推定をより正確にすることができる。さらに、調整されたＧＮＳＳデータを使用して計算された任意のさらなる位置推定もより正確になる可能性がある。例えば、新しいＩＭＵデータを受信して新しい位置を推定するたびに、調整されたＧＮＳＳデータは、新しいＧＮＳＳデータが受信されるまで推定に使用され得る。次に、最新のＧＮＳＳデータに対してこのプロセスを繰り返すことができる。

図７は、別の実施形態に係る、ＩＮＳ内のＧＮＳＳ遅延を調整するプロセスを示すフローチャートである。プロセス７００は、ＩＮＳのＭＣＵの補償ロジックによって実行され得る。操作７０２において、処理ロジックは、新しいＩＭＵデータを受信する。操作７０４において、処理ロジックは、新しいＩＭＵデータを使用してカルマンフィルタの予測を実行する。カルマンフィルタは、受信した入力に関連する不確実性および／またはエラーに基づいて重み付けされたアルゴリズムまたはロジックであり得る。例えば、場合によっては、ＩＭＵが、ＧＮＳＳデータよりも低い測定に関連する不確実性を有するため、カルマンフィルタは、ＧＮＳＳデータをＩＭＵデータの重み付けよりも高く重み付けすることができる。いくつかの実施形態では、例えば、車両がトンネル内にある場合、ＩＭＵは、ＧＮＳＳデータよりも低い不確実性を有することができる。この場合、カルマンフィルタは、ＩＭＵデータをより高く重み付けすることができる。カルマンフィルタの予測結果は、ＧＮＳＳデータおよびＩＭＵデータに基づく車両の推定位置であり得る。ＩＭＵデータが、ＧＮＳＳデータよりもはるかに高い周波数で受信されるので、処理ロジックは、新しいＩＭＵデータが受信されるたびに、新しいＧＮＳＳデータが受信されるか否かにかかわらず、予測または計算を実行することができる。

操作７０６において、処理ロジックは、新しいＧＮＳＳデータが受信されるか否かを決定する。新しいＧＮＳＳデータが受信される場合、ＭＣＵの処理ロジックは、ＭＣＵのレジスタにフラグを設定することができる。新しいＧＮＳＳデータがＭＣＵから受信される場合、新しいＧＮＳＳデータは、バッファに一時的に記憶され得る。このフラグは、新しいＧＮＳＳデータが受信されることを示すことができ、新しいＧＮＳＳデータは、処理ロジックによって検索され得るようにバッファに記憶される。従って、フラグが設定される場合、下記の操作７１４に加えて、処理ロジックは、バッファからＧＮＳＳデータを検索することができる。

操作７０８において、処理ロジックは、新しいＧＮＳＳデータが受信されていないと決定した場合、事前推定位置を記憶するキューがいっぱいになるか否かを決定する。新しいＧＮＳＳデータが受信されていない場合、ＧＮＳＳデータの偏差を補償する必要はない。キューは、固定数の最新の位置推定を記憶するように構成され得る。キューのサイズは、ＧＮＳＳデータの遅延に直接的または間接的に依存することができる。キューは、ＧＮＳＳデータの遅延期間内に推定位置を記憶することに十分なサイズを有する必要がある。例えば、ＧＮＳＳデータの最大遅延が１００ｍｓである場合、キューのサイズは、１５０ｍｓの事前推定位置の予測／推定を維持することができる。一実施形態では、キューは、先入れ先出しデータバッファ（例えば、最初に、追加された最古のデータをキューから削除する）であり得る。キュー内の各エントリは、計算された位置、速度、進行方向、タイムスタンプ、および自動運転車両の位置に関連する他の任意の情報を含み得る。

操作７１０において、キューがいっぱいになる場合、処理ロジックは、最古のデータ（即ち、最初の推定位置）をキューから削除する。処理ロジックは、最新の位置推定をキューに記憶するスペースを残すために、最古のデータを削除することができる。操作７１２において、キューがいっぱいにならない場合、処理ロジックは、最新のＩＮＳ出力（最新の推定位置）をキューにプッシュする。

操作７１４において、処理ロジックは、新しいＧＮＳＳデータが受信されると決定した場合、最古のデータをキューから検索する。一実施形態では、処理ロジックは、次に最古（最初）のデータをキューから削除する。キューが、ＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する推定位置を見つけるために使用されるため、操作７１６を操作７１８と比較した後、最も近いデータに対応しない任意の最古の推定／データをキューから削除することができる。

操作７１６において、処理ロジックは、検索されたキューデータのタイムスタンプとＧＮＳＳタイムスタンプとの差を決定する。操作７１８において、処理ロジックは、操作７１６で決定された差に基づいて、検索されたキューデータがＧＮＳＳタイムスタンプに最も近いか否かを決定する。一実施形態では、処理ロジックは、それが局所最小値であるか否かを決定して、最も近いキューデータを識別する。例えば、操作７１４で計算された差を事前に計算された差と比較することができる。事前に計算された差が現在の差よりも大きい場合、操作７１４に戻って比較を継続する。事前に計算された差が現在の差よりも小さい場合、現在のデータを局所最小値、およびＧＮＳＳタイムスタンプに最も近いデータとして識別することができる。即ち、比較が継続するにつれて、差が局所最小値まで小さくなるが、局所最小値の後に大きくなる。

操作７２０において、検索されたキューデータがＧＮＳＳタイムスタンプに最も近いと決定した場合、処理ロジックは、最新のデータ（即ち、最後にキューにプッシュされた推定位置）をキューから検索する。操作７２２において、処理ロジックは、ＧＮＳＳタイムスタンプに最も近いデータとキューにプッシュされた最新のデータとの差に基づいて、ＧＮＳＳデータを調整する。ＧＮＳＳタイムスタンプに最も近いデータと最新の推定との差は、アンテナがＧＮＳＳ測定データを初めて受信してそのタイムスタンプを追加する時間、ＭＣＵから受信されたＧＮＳＳデータを使用して位置計算を実行する時間との間に車両が走行した距離を表すことができる。従って、上記差を使用して新たに受信されたＧＮＳＳデータを調整することは、ＧＮＳＳデータを使用して自動運転車両の現在位置を計算／推定するときに、車両位置のより正確な表現を提供することができる。

操作７２４において、処理ロジックは、操作７０４からのカルマンフィルタの予測を更新する。前記更新は、調整されたＧＮＳＳデータをカルマンフィルタの入力として使用する場合、自動運転車両の現在位置を最初に受信されたＧＮＳＳデータ推定よりも正確に表すことができる。ここで、最初に受信されたＧＮＳＳデータ推定は、ＧＮＳＳデータ処理時の遅延による偏差を有する。

図８Ａは、一実施形態に係るＩＮＳ内の処理時間およびＧＮＳＳ遅延を示す図である。図８Ｂは、一実施形態に係る事前計算位置（例えば、図８Ａからのもの）のキューを示す図である。図８Ａにおいて、ＧＮＳＳデータ「ｚ＿ｋ」（即ち、ＧＮＳＳ測定）が車両のアンテナで受信される。ＧＮＳＳデータは、受信されたとき（例えば、ｔ＿ｋ）にタイムスタンプを追加することができる。ＧＮＳＳデータ「ｚ＿ｋ」は、位置推定計算を実行するためにＭＣＵに伝播され得る。ＧＮＳＳデータがＭＣＵに到着するのにかかる時間に対応するＧＮＳＳ遅延は存在し得る。ＧＮＳＳデータ伝播の間に（例えば、図示する各ＩＭＵ期間に）、ＩＭＵデータは、ＭＣＵによって受信され続けることができる。ＭＣＵが新しいＩＭＵデータを受信するたびに、ＭＣＵは、新しい推定位置（例えば、「ｘ＿ｋ」、「ｘ＿ｋ＋１」など）を計算することができる。一実施形態では、推定位置のうちの１つは、ＧＮＳＳデータを初めて受信してそのタイムスタンプを追加する時間（即ち、時点ｔ＿ｋでの推定ｘ＿ｋ）に対応することができる。さらに、新しいＧＮＳＳデータがＭＣＵによって受信されるまで、各ＩＭＵデータに対して推定位置を計算することができる。従って、新しいＧＮＳＳデータがＭＣＵによって受信される前に、最新の位置推定（ｘ＿ｓ）を直ちに計算して、現在および将来の位置推定に使用されるカルマンフィルタの予測を更新することができる。

図８Ｂにおいて、図８Ａを参照して計算された各推定位置は、キューなどのデータ構造に記憶され得る。例えば、時点（ｔ＿ｋ－２）から（ｔ＿ｓ）までの推定位置は、キューに記憶され得る。ＭＣＵは、キューを使用して、ＧＮＳＳデータ伝播期間のＧＮＳＳ遅延による受信されたｚ＿ｋＧＮＳＳデータの偏差を校正することができる。一実施形態では、新しいＧＮＳＳデータ（ｚ＿ｋ）が受信される場合、ＭＣＵは、記憶され、ＧＮＳＳデータに最も近いタイムスタンプ付きの時間に対応する推定を識別することができる。現在の例では、ＧＮＳＳデータが時点ｋで受信されるため、記憶された推定「ｘ＿ｋ」のタイムスタンプは、ＧＮＳＳデータのタイムスタンプに最も近くマッチングする。図８が、推定位置ｘ＿ｋをＧＮＳＳデータのタイムスタンプｔ＿ｋと同時に計算することを説明しているが、推定計算は、ＧＮＳＳデータと少し異なる実際のタイムスタンプを有することができる。最も近い記憶推定（即ち、ｘ＿ｋ）が識別される場合、最新の推定「ｘ＿ｓ」を識別する。最新の推定は、キューにプッシュされた最新の推定であり得る。次に、ＭＣＵは、記憶された最も近い推定を最新の推定と比較して、受信されたＧＮＳＳデータ（ｚ＿ｋ）の近似偏差を決定することができる。次に、決定された偏差をＧＮＳＳデータに追加して、次の推定位置が計算される前にこの偏差を調整することができる。一実施形態では、調整されたＧＮＳＳデータは、自動運転車両の位置推定に使用されるカルマンフィルタの予測を更新するために使用され得る。従って、ＧＮＳＳデータは、偏差を考慮してより正確な位置推定／予測を提供するために調整される。

なお、上記で説明したコンポーネントの一部または全部は、ソフトウェア、ハードウェア、またはそれらの組み合わせで実装され得る。例えば、このようなコンポーネントは、永久記憶装置にインストールおよび記憶されたソフトウェアとして実装され得、このソフトウェアは、本願全体にわたって説明されるプロセスまたは操作を実施するために、プロセッサ（図示せず）によってメモリにロードされ、メモリ内で実行され得る。あるいは、このようなコンポーネントは、専用ハードウェア（例えば、集積回路（例えば、特定用途向け集積回路またはＡＳＩＣ）、デジタルシグナルプロセッサ（ＤＳＰ）、またはフィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ））にプログラミングされるかまたは埋め込まれる実行可能コードとして実装され得、この実行可能コードは、アプリケーションからの対応するドライバおよび／またはオペレーティングシステムを介してアクセスされ得る。さらに、このようなコンポーネントは、１つまたは複数の特定の命令を介してソフトウェアコンポーネントによってアクセスされ得る命令セットの一部として、プロセッサまたはプロセッサコア内の特定のハードウェアロジックとして実装され得る。

前述の詳細な説明の一部は、コンピュータメモリ内のデータビットに対する演算のアルゴリズムおよび記号表現に関して示される。これらのアルゴリズムの説明と表現は、自分の作業の本質を他の当業者に最も効果的に伝えるためにデータ処理分野の当業者によって使用される手段である。本明細書では、アルゴリズムは一般に、所望の結果につながる自己矛盾のない一連の操作であると考えられる。これらの操作とは、物理量の物理的操作を必要とする操作を指す。

但し、これらおよび同様の用語はすべて、適切な物理量に関連付けることを目的としており、これらの量に適用される便利なラベルにすぎないことを理解されたい。上記の説明において他の方式で明示的に指摘されない限り、明細書全体では、用語（例えば、添付の特許請求の範囲に記載の用語）を使用した説明とは、コンピュータシステムまたは同様の電子コンピューティングデバイスの動作および処理を指し、前記コンピュータシステムまたは電子コンピューティングデバイスは、コンピュータシステムのレジスタおよびメモリの内部で物理（電子）量として示されるデータを制御し、前記データをコンピュータシステムのメモリまたはレジスタ、または他の情報記憶装置、送信または表示装置の内部で同様に物理量として示される他のデータに変換することを理解されたい。

本開示の実施形態はまた、本明細書中の操作を実行するための装置に関する。このコンピュータプログラムは、非一時的なコンピュータ可読媒体に記憶される。機械可読媒体は、機械（例えば、コンピュータ）によって読み取り可能な形態で情報を記憶するための任意のメカニズムを含む。例えば、機械可読（例えば、コンピュータ可読）媒体は、機械（例えば、コンピュータ）可読記憶媒体（例えば、リードオンリーメモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイス）を含む。

前述の図面に示されるプロセスまたは方法は、ハードウェア（例えば、回路、特定用途向けロジックなど）、ソフトウェア（例えば、非一時的なコンピュータ可読媒体で具体化されるもの）、または両方の組み合わせを含む処理ロジックによって実行され得る。前記プロセスまたは方法は、いくつかの連続操作に関して上記で説明されるが、いくつかの操作は、異なる順序で実行され得ることを理解されたい。また、いくつかの操作は、順次ではなく並列に実行され得る。

本開示の実施形態は、いかなる特定のプログラミング言語も参照せずに説明される。本明細書で説明される本開示の実施形態の教示を実施するために、様々なプログラミング言語が使用され得ることを理解されたい。

前述の明細書では、本開示の実施形態は、本開示の特定の例示的な実施形態を参照して説明される。添付の特許請求の範囲に記載の本開示のより広い精神および範囲から逸脱することなく、本開示に様々な修正を加えることができることは明らかであろう。従って、本明細書および図面は、限定的な意味ではなく例示的な意味で理解されるべきである。

第四態様では、プロセッサにより実行されると、第一態様に記載の方法を実行させるコンピュータプログラムを提供する。
本開示の実施形態は、図面の各図に例示的かつ非限定的な例として示されており、図面中の類似の図面記号は、類似の要素を示す。

Claims (20)

1. 自動運転車両ＡＤＶの位置を計算するための方法であって、
   処理装置から新しいグローバルナビゲーション衛星システムＧＮＳＳデータを受信することと、
   前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、
   最新のタイムスタンプを有する第二事前推定位置を前記複数の事前推定位置から識別することと、
   前記第一事前推定位置と前記第二事前推定位置との差に基づいて前記新しいＧＮＳＳデータを調整することと、
   調整されたＧＮＳＳデータに基づいて前記ＡＤＶの現在推定位置を計算することと、を含む、方法。
2. 前記複数の事前推定位置は、先入れ先出しＦＩＦＯキューに記憶されており、前記複数の事前推定位置のそれぞれは、計算時に前記ＦＩＦＯキューにプッシュされる、
   請求項１に記載の方法。
3. 前記複数の事前推定位置のそれぞれは、少なくともＧＮＳＳデータおよび慣性測定ユニットＩＭＵデータを使用して計算されており、前記ＩＭＵデータの受信周波数は、前記ＧＮＳＳデータの受信周波数よりも高い、
   請求項１に記載の方法。
4. 前記第一事前推定位置を識別することは、
   前記新しいＧＮＳＳデータのタイムスタンプと少なくとも１つの事前推定位置のタイムスタンプとの差を計算することと、
   前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する前記第一事前推定位置を示すための最小差を識別することと、を含む、
   請求項１に記載の方法。
5. 前記新しいＧＮＳＳデータを調整することは、計算された差を前記新しいＧＮＳＳデータに追加することを含む、
   請求項１に記載の方法。
6. 前記位置データは、前記ＡＤＶの地理的位置、前記ＡＤＶの速度、または前記ＡＤＶの進行方向のうちの少なくとも１つを含む、
   請求項１に記載の方法。
7. 前記事前推定位置データは、ＧＮＳＳデータおよびＩＭＵデータをカルマンフィルタの入力として使用して計算される、
   請求項１に記載の方法。
8. 自動運転車両ＡＤＶの位置を計算するためのデータ処理システムであって、
   処理装置と、
   前記処理装置に接続されて命令を記憶するメモリと、を含み、前記命令は、前記処理装置によって実行されると、操作を前記処理装置に実行させるものであり、前記操作は、
   新しいグローバルナビゲーション衛星システムＧＮＳＳデータを受信することと、
   前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、
   最新のタイムスタンプを有する第二事前推定位置を前記複数の事前推定位置から識別することと、
   前記第一事前推定位置と前記第二事前推定位置との差に基づいて前記新しいＧＮＳＳデータを調整することと、
   調整されたＧＮＳＳデータに基づいて前記ＡＤＶの現在推定位置を計算することと、を含む、
   システム。
9. 前記複数の事前推定位置は、先入れ先出しＦＩＦＯキューに記憶されており、前記複数の事前推定位置のそれぞれは、計算時に前記ＦＩＦＯキューにプッシュされる、
   請求項８に記載のシステム。
10. 前記複数の事前推定位置のそれぞれは、少なくともＧＮＳＳデータおよび慣性測定ユニットＩＭＵデータを使用して計算されており、前記ＩＭＵデータの受信周波数は、前記ＧＮＳＳデータの受信周波数よりも高い、
    請求項８に記載のシステム。
11. 前記第一事前推定位置を識別することは、
    前記新しいＧＮＳＳデータのタイムスタンプと少なくとも１つの事前推定位置のタイムスタンプとの差を計算することと、
    前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する前記第一事前推定位置を示すための最小差を識別することと、を含む、
    請求項８に記載のシステム。
12. 前記新しいＧＮＳＳデータを調整することは、計算された差を前記新しいＧＮＳＳデータに追加することを含む、
    請求項８に記載のシステム。
13. 前記位置データは、前記ＡＤＶの地理的位置、前記ＡＤＶの速度、または前記ＡＤＶの進行方向のうちの少なくとも１つを含む、
    請求項８に記載のシステム。
14. 前記事前推定位置データは、ＧＮＳＳデータおよびＩＭＵデータをカルマンフィルタの入力として使用して計算される、
    請求項８に記載のシステム。
15. 命令を記憶する非一時的な機械可読媒体であって、前記命令は、プロセッサによって実行されると、前記プロセッサに自動運転車両ＡＤＶの位置を計算する操作を実行させるものであり、前記操作は、
    新しいグローバルナビゲーション衛星システムＧＮＳＳデータを受信することと、
    前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する第一事前推定位置を複数の事前推定位置から識別することと、
    最新のタイムスタンプを有する第二事前推定位置を前記複数の事前推定位置から識別することと、
    前記第一事前推定位置と前記第二事前推定位置との差に基づいて前記新しいＧＮＳＳデータを調整することと、
    調整されたＧＮＳＳデータに基づいて前記ＡＤＶの現在推定位置を計算することと、を含む、
    機械可読媒体。
16. 前記複数の事前推定位置は、先入れ先出しＦＩＦＯキューに記憶されており、前記複数の事前推定位置のそれぞれは、計算時に前記ＦＩＦＯキューにプッシュされる、
    請求項１５に記載の機械可読媒体。
17. 前記複数の事前推定位置のそれぞれは、少なくともＧＮＳＳデータおよび慣性測定ユニットＩＭＵデータを使用して計算されており、前記ＩＭＵデータの受信周波数は、前記ＧＮＳＳデータの受信周波数よりも高い、
    請求項１５に記載の機械可読媒体。
18. 前記第一事前推定位置を識別することは、
    前記新しいＧＮＳＳデータのタイムスタンプと少なくとも１つの事前推定位置のタイムスタンプとの差を計算することと、
    前記新しいＧＮＳＳデータのタイムスタンプに最も近いタイムスタンプを有する前記第一事前推定位置を示すための最小差を識別することと、を含む、
    請求項１５に記載の機械可読媒体。
19. 前記新しいＧＮＳＳデータを調整することは、計算された差を前記新しいＧＮＳＳデータに追加することを含む、
    請求項１５に記載の機械可読媒体。
20. 前記位置データは、前記ＡＤＶの地理的位置、前記ＡＤＶの速度、または前記ＡＤＶの進行方向のうちの少なくとも１つを含む、
    請求項１５に記載の機械可読媒体。
    
    

Images