用于车辆护航的间隙测量制造技术

描述了用于识别一组距离测量场景中的特定车辆(例如，编队同伴)的后部和/或用于跟踪这种车辆的后部的各种方法、控制器和算法。所描述的技术可以结合各种不同的距离测量技术使用，包括雷达、激光雷达、基于相机的距离测量单元等。所描述的方法非常适合在包括牵引‑拖挂车编队应用的车辆编队和/或车辆护航系统中使用。在另一方面，描述了用于融合从不同车辆获得的传感器数据以用于对特定车辆进行至少部分自动的控制的技术。所描述的技术非常适合与各种不同的车辆控制应用结合使用，包括编队、护航和其他连接式驾驶应用，包括牵引‑拖挂车编队应用。

Gap measurement for vehicle escort

【技术实现步骤摘要】
【国外来华专利技术】用于车辆护航的间隙测量相关申请的交叉引用本申请要求均于2017年5月9日提交的15/590,715和15/590,803号美国申请以及2016年11月2日提交的PCT/US2016/060167号PCT申请的优先权，其中每一个都通过引用整体并入本文。
本专利技术总地涉及用于使车辆能够使用自动或部分自动控制来安全地彼此紧密跟随的系统和方法。
技术介绍
近年来，在自动和半自动驾驶车辆领域已经取得了重大进展。车辆自动化的一个部分涉及使车辆能够以安全、高效且方便的方式紧密地跟随在一起的车辆护航系统。紧密跟随在另一车辆后面具有显著的燃料节省的益处，但是在由驾驶员来手动进行时通常是不安全的。一种类型的车辆护航系统有时被称为车辆编队系统，其中第二个和潜在的附加车辆受到自动或半自动控制来以安全的方式紧密跟随引领车辆。在车辆编队和护航系统中，对车辆之间的距离的理解是非常重要的控制参数，并且可以使用多个不同的独立机制来确定车辆之间的距离。这些可以包括雷达系统、在车辆之间传输绝对或相对位置数据(例如，GPS或其他GNSS数据)、激光雷达(LIDAR)系统、相机等。当在编队类型应用中使用雷达时出现的挑战是，本文档来自技高网...

【技术保护点】
1.一种使用从第二车辆上的距离测量单元接收的场景来识别第一车辆的后部的位置的方法，所述方法包括：a)估计所述第一车辆相对于第二车辆的位置；b)从所述第二车辆上的所述距离测量单元接收场景样本，所述场景包括一组零个或更多个检测对象点，每个对象点对应于检测对象；c)识别所述组的接收到的检测对象点内的第一车辆点候选项；d)基于所述第一车辆点候选项所表示的所述检测对象距估计的第一车辆位置的距离来对所述第一车辆点候选项进行分类；e)多次重复步骤(a)‑(d)，借此，分类的第一车辆点候选项包括来自多个连续距离测量单位场景样本的候选项；和f)至少部分地基于对所述第一车辆点候选项的分类来识别所述第一车辆的后部的...

【技术特征摘要】
【国外来华专利技术】2016.11.02 US PCT/US2016/060167;2017.05.09 US 15/51.一种使用从第二车辆上的距离测量单元接收的场景来识别第一车辆的后部的位置的方法，所述方法包括：a)估计所述第一车辆相对于第二车辆的位置；b)从所述第二车辆上的所述距离测量单元接收场景样本，所述场景包括一组零个或更多个检测对象点，每个对象点对应于检测对象；c)识别所述组的接收到的检测对象点内的第一车辆点候选项；d)基于所述第一车辆点候选项所表示的所述检测对象距估计的第一车辆位置的距离来对所述第一车辆点候选项进行分类；e)多次重复步骤(a)-(d)，借此，分类的第一车辆点候选项包括来自多个连续距离测量单位场景样本的候选项；和f)至少部分地基于对所述第一车辆点候选项的分类来识别所述第一车辆的后部的位置。2.根据权利要求1所述的方法，其中，所述距离测量单元是雷达单元，所述场景是雷达场景，所述场景样本是雷达场景样本，所述对象点是雷达对象点，并且所述第一车辆点候选项是第一车辆雷达点候选项。3.根据权利要求1或2所述的方法，还包括识别所述第一车辆的估计位置周围的边界框，其中，不位于所述边界框内的所述组的接收到的检测象点内的对象点不被认为是第一车辆点候选项。4.根据权利要求3所述的方法，其中，所述边界框限定超过所述第一车辆的最大预期尺寸的区域。5.根据权利要求2所述的方法，还包括估计所述第一车辆相对于所述第二车辆的速度，所估计的相对速度具有相关联的速度不确定性，其中，与以不在所估计的速度的速度不确定性内的相对速度移动的检测对象相对应的检测雷达对象点集合内的雷达对象点不被认为是第一车辆雷达点候选项。6.根据权利要求2所述的方法，其中，在对所述第二车辆的控制中使用所识别的所述第一车辆的后部或至少部分地基于所识别的所述第一车辆的后部而确定的有效车辆长度。7.根据权利要求2所述的方法，其中，以至少10赫兹的采样率重复步骤(a)-(c)。8.根据权利要求2所述的方法，其中，分类所述第一车辆雷达点候选项包括利用所述第一车辆雷达点候选项填充直方图，所述直方图包括多个区间，每个区间表示相对于所述第一车辆的估计位置的纵向距离范围。9.根据权利要求8所述的方法，其中，仅在所述直方图包含至少预定数量的第一车辆雷达点候选项之后进行对所述第一车辆的后部的识别。10.根据权利要求8所述的方法，还包括对所述第一车辆雷达点候选应用聚类算法来识别第一车辆雷达点候选项的一个或多个聚类。11.根据权利要求10所述的方法，其中，所述聚类算法是修正均值偏移算法。12.根据权利要求10所述的方法，其中，选择最接近所述第二车辆的聚类来表示所述第一车辆的后部。13.根据权利要求10所述的方法，其中，选择最接近所述第二车辆的包括至少预定阈值百分比或预定数量的第一车辆雷达点候选项的聚类来表示所述第一车辆的后部。14.根据权利要求13所述的方法，其中，所述预定阈值百分比是所述直方图中的第一车辆雷达点候选项的至少10％。15.根据权利要求13所述的方法，其中，第一车辆雷达点候选项的预定数量是至少40的数量。16.根据权利要求1所述的方法，还包括至少部分地基于所识别的车辆的后部来确定所述第一车辆的有效长度。17.根据权利要求1所述的方法，其中，使用卡尔曼滤波来估计所述第一车辆的位置。18.根据权利要求8所述的方法，还包括将从所述直方图导出的均值偏移聚类或所述直方图的属性与表示目标同伴车辆的已知数据组进行比较，来验证所述第一车辆是否是所述目标同伴车辆。19.根据权利要求8所述的方法，还包括将从所述直方图导出的均值偏移聚类或所述直方图的属性与在所述第一车辆的后部不在所述雷达单元的视野内但所述第一车辆的一部分在所述雷达单元的视野内时接收的雷达场景进行比较，来帮助确定所述第一车辆的当前相对位置。20.根据权利要求1所述的方法，其中，所述第一车辆和所述第二车辆是卡车。21.根据权利要求20所述的方法，其中，所述第一车辆是牵引-拖挂车。22.根据权利要求1-3或5-21中任一项所述的方法，还包括估计所述第一车辆相对于所述第二车辆的速度，所估计的相对速度具有相关联的速度不确定性，其中，与以不在所估计的速度的速度不确定性内的相对速度移动的检测对象点的组内的对象点不被认为是所述第一车辆点候选项。23.根据权利要求1-4或6-22中任一项所述的方法，其中，在所述第二车辆的控制中使用识别的所述第一车辆的后部或至少部分地基于识别的所述第一车辆的后部来确定的有效车辆长度。24.根据权利要求1-5或7-23中任一项所述的方法，其中，以至少10赫兹的采样率重复步骤(a)-(c)。25.根据权利要求1-6或8-24中任一项所述的方法，其中，分类所述第一车辆点候选项包括利用所述第一车辆点候选项填充直方图，所述直方图包括多个区间，每个区间表示相对于所述第一车辆的估计位置的纵向距离范围。26.根据权利要求25所述的方法，其中，仅在所述直方图包含至少预定数量的第一车辆点候选项之后进行对所述第一车辆的后部的识别。27.根据权利要求25或26所述的方法，还包括对所述第一车辆点候选应用聚类算法来识别第一车辆点候选项的一个或多个聚类。28.根据权利要求27所述的方法，其中，选择最接近所述第二车辆的聚类来表示所述第一车辆的后部。29.根据权利要求27所述的方法，其中，选择最接近所述第二车辆的包括至少预定阈值百分比或预定数量的第一车辆雷达点候选项的聚类来表示所述第一车辆的后部。30.根据权利要求29所述的方法，其中，所述预定阈值百分比是所述直方图中的第一车辆雷达点候选项的至少10％。31.根据权利要求29所述的方法，其中，第一车辆雷达点候选的预定数量是至少40的数量。32.根据权利要求1-14和16-31中任一项所述的方法，还包括至少部分地基于所识别的车辆的后部来确定所述第一车辆的有效长度。33.根据权利要求1-15和17-32中任一项所述的方法，其中，使用卡尔曼滤波来估计所述第一车辆的位置。34.根据权利要求25-33中任一项所述的方法，还包括将从所述直方图导出的均值偏移聚类或直方图的属性与表示目标同伴车辆的已知数据组进行比较，来验证所述第一车辆是否是所述目标同伴车辆。35.根据权利要求25-34中任一项所述的方法，还包括将从所述直方图导出的均值偏移聚类或直方图的属性与在所述第一车辆的后部不在所述距离测量单元的视野内但所述第一车辆的一部分在所述距离测量单元的视野内时接收的场景进行比较，来帮助确定所述第一车辆的当前相对位置。36.根据前述权利要求中任一项所述的方法，其中，所述第一车辆和所述第二车辆是卡车。37.一种使用安装在跟随车辆上的距离测量单元来跟踪特定引领车辆的方法，所述方法包括：(a)从所述距离测量单元获得当前样本，所述当前样本包括一组零个或更多个对象点；(b)获得对应于所述当前样本的引领车辆的状态的当前估计，其中，所述引领车辆的状态的所述当前估计具有相关联的状态不确定性并且不考虑来自所述当前样本的任何信息；(c)确定是否所述对象点中的任何一个在所述状态不确定性内与所述引领车辆的估计状态匹配；和(d)当所述对象点中的至少一个在所述状态不确定性内与所述引领车辆的估计状态匹配时，选择与所述引领车辆的估计状态最佳匹配的匹配对象点作为所述引领车辆的测量状态，并且在对与下一顺序样本相对应的所述引领车辆的状态的下一顺序估计中使用所述引领车辆的测量状态；和多次重复步骤(a)-(d)，从而跟踪所述引领车辆。38.根据权利要求37所述的方法，其中，所述当前状态估计包括多个状态参数，所述状态参数包括指示所述引领车辆相对于所述跟随车辆的位置的位置参数和指示所述引领车辆相对于所述跟随车辆的速度的速度参数。39.根据权利要求37所述的方法，还包括至少部分地自动控制所述跟随车辆以保持所述引领车辆与所述跟随车辆之间的期望间隙，并且其中，每个所选择的对象点与所述距离测量单元具有相关联的纵向距离，并且其中，所述相关联的纵向距离由间隙控制器处理，所述间隙控制器负责将所述期望间隙维持为从所述距离测量单元到所述引领车辆的后部的当前测量纵向距离。40.根据权利要求37所述的方法，其中：每个样本指示所述对象点中每一个的位置；并且所述引领车辆的状态的每个当前估计包括所述引领车辆的位置的当前估计并且具有相关联的位置不确定性；所选择的匹配对象点必须在所述位置不确定性内与所述引领车辆的估计位置匹配。41.根据权利要求40所述的方法，其中，所述引领车辆的位置的当前估计估计所述引领车辆的后部的当前位置。42.根据权利要求40所述的方法，其中，所述引领车辆的估计位置是相对于所述跟随车辆的相对位置。43.根据权利要求40所述的方法，其中：每个样本还指示所述对象点中每一个的相对速度；并且所述引领车辆的状态的每个当前估计还包括所述引领车辆的相对速度的当前估计并且具有相关联的速度不确定性；所选择的匹配对象点必须(i)在所述位置不确定性内匹配所述引领车辆的估计位置，和(ii)在所述速度不确定性内匹配所述引领车辆的估计速度。44.根据权利要求37所述的方法，其中，当特定样本中没有对象点在所述状态不确定性内与所述引领车辆的估计状态匹配时，则对于所述引领车辆的状态的下一顺序估计增加所述状态不确定性。45.根据权利要求44所述的方法，其中，所述估计状态包括多个状态参数，所述状态参数包括位置参数、速度参数和定向参数。46.根据权利要求37所述的方法，还包括：至少部分地基于检测到的所述引领车辆和所述跟随车辆的全球导航卫星系统(GNSS)位置来周期性地接收GNSS位置更新；和每次接收到GNSS位置更新时，基于这样的GNSS位置更新来更新所述引领车辆的估计状态和所述状态不确定性。47.根据权利要求37所述的方法，还包括：至少部分地基于检测到的所述引领车辆和所述跟随车辆的车轮速度来周期性地接收车辆速度更新；和每次接收到车辆速度更新时，基于这样的车辆速度更新来更新所述引领车辆的估计状态和所述状态不确定性。48.根据权利要求37所述的方法，其中，以至少10赫兹的采样率重复步骤(a)-(d)。49.根据权利要求37所述的方法，其中，使用卡尔曼滤波来估计所述引领车辆的状态和相关联的状态不确定性。50.根据权利要求37所述的方法，其中，所述引领车辆的估计状态包括所述引领车辆的后部的估计位置，并且所选择的匹配对象点被认为是所述引领车辆的后部的相对位置的测量结果。51.根据权利要求37所述的方法，其中，所述跟随车辆上的控制器维持表示所述引领车辆的点群的配置文件，并且所选择的匹配点对应于所述点群中的一个。52.根据权利要求37所述的方法，其中，所述引领车辆和所述跟随车辆是包括在编队中的卡车。53.根据权利要求37所述的方法，其中，所述距离测量单元是雷达单元。54.根据权利要求37或38所述的方法，还包括至少部分地自动控制所述跟随车辆以保持所述引领车辆与所述跟随车辆之间的期望间隙，并且其中，每个所选择的对象点与所述距离测量单元具有相关联的纵向距离，并且其中，所述相关联的纵向距离由间隙控制器...

【专利技术属性】
技术研发人员：奥斯丁·B·舒赫，史蒂芬·M·艾利恩，斯蒂芬·普莱内斯，约翰·L·雅各布斯，约书亚·P·斯维科斯，
申请(专利权)人：佩路通科技股份有限公司，
类型：发明
国别省市：美国,US