群感测点云地图制造技术

提供了用于控制自主车辆的系统和方法。在一个实施例中，一种方法包括：从车辆的传感器接收传感器数据；从传感器数据来确定三维点云地图段；确定与三维点云地图段相关联的车辆位姿；基于该车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异；基于位姿差异使三维点云地图段与同另一车辆位姿相关联的另一三维点云地图段对齐；以及基于所对齐的三维点云地图段来控制车辆。

Group Sensing Point Cloud Map

【技术实现步骤摘要】
群感测点云地图引言本公开大体上涉及自主车辆，并且更具体地涉及用于构建数字地图且基于数字地图来控制车辆的系统和方法。自主车辆是能够感知其环境并且在具有很少或者没有用户输入的情况下进行航行的车辆。自主车辆使用诸如雷达、激光雷达(LiDAR)、图像传感器等感知装置来感知其环境。自主车辆进一步使用来自全球定位系统(GPS)技术、导航系统、车间通信、车辆至基础设施技术、以及/或者线控系统的信息来使车辆航行。尽管自主车辆和半自主车辆与传统车辆相比提供许多潜在优点，但在某些情况下，可能令人期望的是车辆的改进操作。例如，在某些情况下，由环境构建高精度数字地图并且使用这些地图来使车辆航行。通常，数字地图是离线构建的并且被发送至车辆。这些地图(通常被称为HD(高清晰度)地图)建立在从比如激光雷达、雷达以及立体相机等数据密集型传感器收集到的数据的基础上。HD地图将需要包含十字路口、道路标志、交通信号灯、车道标志线、人行道以及甚至是比如移动车辆和行人等动态物体的准确位置。在现实世界中，所有自主车辆都将通过使用比如视觉测程法等技术使用这些HD地图来进行定位和导航。构建具有恰当数量的细节、准确性、以及精度的HD地图对工业界和学术界均是一项巨大的挑战。相应地，令人期望的是提供用于构建HD地图的系统和方法。进一步令人期望的是提供用于基于HD地图来控制自主车辆的方法和系统。此外，在结合附图和前述
和
技术介绍
来看时，本公开的其它令人期望的特征和特性将从随后的详细描述和所附权利要求书中变得显而易见。
技术实现思路
提供了用于控制自主车辆的系统和方法。在一个实施例中，一种方法包括：从车辆的传感器接收传感器数据；从传感器数据来确定三维点云地图段；确定与三维点云地图段相关联的车辆位姿；基于该车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异；基于位姿差异使三维点云地图段与同另一车辆位姿相关联的另一三维点云地图段对齐；以及基于所对齐的三维点云地图段来控制车辆。在各个实施例中，粗粒度位姿差异是基于两个轨迹之间的均方误差来进行计算。在各个实施例中，细粒度位姿差异是基于图像平面重投影误差最小化方法来进行计算。在各个实施例中，方法进一步包括：使用细粒度位姿差异基于迭代最近点收敛方法来确定转换数据，并且其中，对齐是基于该转换数据。在各个实施例中，确定车辆位姿是基于来自传感器数据的二维特征集、与二维特征集相关联的三维点云、以及图像平面重投影误差最小化方法。在各个实施例中，二维特征集与静态特征相关联，并且其中，三维点云与静态特征相关联。在各个实施例中，确定车辆位姿是基于来自传感器数据的第一二维特征集、来自传感器数据的第二二维特征集、与第一二维特征集相关联的第一三维点云、与第二二维特征集相关联的第二三维点云、以及图像平面重投影误差最小化方法。在各个实施例中，第一二维特征集与静态特征相关联，其中，第一三维点云与静态特征相关联，其中，第二二维特征集与动态特征相关联，并且其中，第二三维点云与动态特征相关联。在各个实施例中，方法进一步包括：基于特征的置信度来合并所对齐的三维点云地图段的特征。在各个实施例中，合并各个特征进一步是基于多方(multi-partite)匹配方法。在各个实施例中，方法进一步包括：基于所对齐的三维点云地图段和多方匹配方法来对车辆进行定位。在另一实施例中，提供了一种用于控制自主车辆的计算机实施系统。该系统包括非暂时性计算机可读介质。非暂时性计算机可读介质包括：地图段生成模块，该地图段生成模块配置为从车辆的传感器接收传感器数据，以及从传感器数据来确定三维点云地图段；位姿确定模块，该位姿确定模块配置为确定与三维地图段相关联的车辆位姿；位姿差异确定模块，该位姿差异确定模块配置为基于车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异；对齐模块，该对齐模块配置为基于位姿差异使三维点云地图段与同另一车辆位姿相关联的另一三维地图段对齐；以及控制模块，该控制模块配置为基于所对齐的三维点云地图段来控制车辆。在各个实施例中，粗粒度位姿差异是基于两个轨迹之间的均方误差来进行计算。在各个实施例中，细粒度位姿差异是基于图像平面重投影误差最小化方法来进行计算。在各个实施例中，系统进一步包括参考系统转换模块，该参考系统转换模块配置为使用细粒度位姿差异基于迭代最近点收敛方法来确定转换数据，并且其中，对齐模块基于转换数据来使三维点云地图对齐。在各个实施例中，位姿确定模块基于来自传感器数据的二维特征集、与二维特征集相关联的三维点云、以及图像平面重投影误差最小化方法来确定车辆位姿。在各个实施例中，二维特征集与静态特征相关联，并且其中，三维点云与静态特征相关联。在各个实施例中，位姿确定模块配置为基于来自传感器数据的第一二维特征集、来自传感器数据的第二二维特征集、与第一二维特征集相关联的第一三维点云、与第二二维特征集相关联的第二三维点云、以及图像平面重投影误差最小化方法来确定车辆位姿。在各个实施例中，第一二维特征集与静态特征相关联，其中，第一三维点云与静态特征相关联，其中，第二二维特征集与动态特征相关联，并且其中，第二三维点云与动态特征相关联。在各个实施例中，对齐模块配置为基于特征的置信度和多方匹配方法来合并所对齐的三维地图段的特征。附图说明下文将结合如下附图对示例性实施例进行描述，在附图中，相似的附图标记表示相似的元件，并且在附图中：图1是根据各个实施例的图示了交通系统的功能框图，该交通系统具有与一个或多个自主车辆相关联的地图构建系统；图2是根据各个实施例的图示了自主车辆的功能框图，该自主车辆与图1的地图构建系统相关联；图3和图4是根据各个实施例的图示了自主驾驶系统的数据流图，该自主驾驶系统包括自主车辆的地图构建系统；图5和图6是不同的特征检测场景的视图；以及图7是根据各个实施例的流程图，图示了用于构建用于控制自主车辆的地图的控制方法。具体实施方式如下详细描述在性质上仅仅是示例性的并且不意在限制本申请和使用。此外，并不意在受到在前述
、
技术介绍
、
技术实现思路
、或者如下详细描述中呈现的任何明示或者暗示理论的约束。如本文所使用的，术语“模块”指单独的或者呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑、以及/或者处理器装置，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者固件程序的处理器(共享的、专用的或者成组的)和存储器、组合逻辑电路、以及/或者提供所描述的功能的其它合适部件。本文可以按照功能和/或逻辑块部件以及各个处理步骤对本公开的实施例进行描述。应理解，这些块部件可以由配置为执行指定功能的任何数量的硬件、软件、和/或固件部件来实现。例如，本公开的实施例可以采用各种集成电路部件，例如，存储器元件、数字信号处理元件、逻辑元件、查阅表等，这些部件可以在一个或多个微处理器或者其它控制装置的控制下执行各种功能。此外，本领域的技术人员应理解，本公开的实施例可以与任何数量的系统一起进行实践，并且本文所描述的系统仅仅是本公开的示例性实施例。为了简洁起见，本文可能不会对与信号处理、数据传输、信号发送、控制、以及系统(和系统的单个操本文档来自技高网...

【技术保护点】
1.一种用于控制自主车辆的方法，所述方法包括：从所述车辆的传感器接收传感器数据；从所述传感器数据来确定三维点云地图段；确定与所述三维点云地图段相关联的车辆位姿；基于所述车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，所述两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异；基于所述位姿差异使所述三维点云地图段与同所述另一车辆位姿相关联的另一三维点云地图段对齐；以及基于所对齐的三维点云地图段来控制所述车辆。

【技术特征摘要】
2018.02.23 US 15/9036161.一种用于控制自主车辆的方法，所述方法包括：从所述车辆的传感器接收传感器数据；从所述传感器数据来确定三维点云地图段；确定与所述三维点云地图段相关联的车辆位姿；基于所述车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，所述两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异；基于所述位姿差异使所述三维点云地图段与同所述另一车辆位姿相关联的另一三维点云地图段对齐；以及基于所对齐的三维点云地图段来控制所述车辆。2.根据权利要求1所述的方法，其中，所述粗粒度位姿差异是基于两个轨迹之间的均方误差来进行计算。3.根据权利要求2所述的方法，其中，所述细粒度位姿差异是基于图像平面重投影误差最小化方法来进行计算。4.根据权利要求3所述的方法，所述方法进一步包括：使用所述细粒度位姿差异基于迭代最近点收敛方法来确定转换数据，并且其中，所述对齐是基于所述转换数据。5.根据权利要求1所述的方法，其中，所述的确定所述车辆位姿是基于来自所述传感器数据的二维特征集、与所述二维特征集相关联的三维点云、以及图像平面重投影误差最小化方法。6.根据权利要求5所述的方法，其中，所述二维特征集与静态特征相关联，并且其中，所述三维点云与静态特征相关联。7.根据权利要求1所述的方法，其中，所述的确定所述...

【专利技术属性】
技术研发人员：F·阿哈默德，邱航，F·白，R·戈文丹，
申请(专利权)人：通用汽车环球科技运作有限责任公司，南加利福尼亚大学，
类型：发明
国别省市：美国,US