基于激光雷达利用高清晰度地图的集成运动估计的迭代最近点处理制造技术

系统将由车辆的传感器使用运动学迭代最近点获得的点云与集成的运动估计对准。所述系统从安装在车辆上的激光雷达接收激光雷达扫描。所述系统从激光雷达扫描数据中导出点云。所述系统迭代地确定使多个点对的对应点之间的距离的聚合测量最小化的速度参数。所述系统迭代地改进所述速度参数。所述系统将所述速度参数用于各种目的，包括用于构建用于导航车辆的高清晰度地图。

【技术实现步骤摘要】
【国外来华专利技术】基于激光雷达利用高清晰度地图的集成运动估计的迭代最近点处理相关申请的交叉引用本申请要求于2017年11月17日提交的美国临时申请62/588,157根据35USC119(e)的优先权权益，该美国临时申请的全部内容通过引用结合于此用于所有目的。
本公开总体上涉及由安装在移动车辆上的激光雷达生成的点云的对准，并且更具体地涉及利用用于将由安装在移动车辆上的激光雷达生成的点云对准的集成运动估计的迭代最近点技术。
技术介绍
自主车辆(也称为自动驾驶汽车、无人驾驶汽车、汽车或机器人汽车)从源位置驾驶到目的地位置，而不需要人类驾驶员来控制和导航车辆。由于多个原因，驾驶的自动化是困难的。例如，自主车辆使用传感器来在行驶中做出驾驶决定，但是车辆传感器不能一直观察所有的事情。车辆传感器可能被拐角、起伏的山丘和其它车辆遮挡。车辆传感器可能没有足够早地观察到某些事情以做出决定。此外，道路上的车道和标志可能丢失，或被撞倒，或被灌木丛隐藏，因此传感器无法检测到。自主车辆可以使用地图数据来计算出部分的上述信息，而不是依赖于传感器数据。然而，常本文档来自技高网...

【技术保护点】
1.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行包括以下的步骤：/n通过安装在自主车辆上的激光雷达传感器，接收描述所述自主车辆周围环境的传感器数据，所述传感器数据包括多个点，每个点与所述激光雷达传感器捕获所述点的时间相关联；/n基于所述多个点确定源点云和目标点云；/n将描述所述自主车辆的移动的多个速度参数初始化；/n对于多个迭代，重复：/n确定多个点对，每个点对包括来自所述源点云的点和来自所述目标点云的对应点；以及/n修改所述速度参数以优化所述多个点对的对应点之间的距离的聚合测量；/n基于所述速度参数确定用于导航所述自主车辆的控制信号；以及/n基于所述控制...

【技术特征摘要】
【国外来华专利技术】20171117 US 62/588,1571.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行包括以下的步骤：
通过安装在自主车辆上的激光雷达传感器，接收描述所述自主车辆周围环境的传感器数据，所述传感器数据包括多个点，每个点与所述激光雷达传感器捕获所述点的时间相关联；
基于所述多个点确定源点云和目标点云；
将描述所述自主车辆的移动的多个速度参数初始化；
对于多个迭代，重复：
确定多个点对，每个点对包括来自所述源点云的点和来自所述目标点云的对应点；以及
修改所述速度参数以优化所述多个点对的对应点之间的距离的聚合测量；
基于所述速度参数确定用于导航所述自主车辆的控制信号；以及
基于所述控制信号来导航所述自主车辆。


2.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述指令进一步使所述处理器执行包括以下的步骤：
基于所述速度参数从所述源点云或所述目标点云调整至少一个点云，所述调整包括基于所述速度参数和所述点的捕获时间变换所述至少一个点云的点。


3.根据权利要求2所述的非暂时性计算机可读存储介质，其中，对于所述至少一个点云的点集合中的每一个点，变换所述至少一个点云的点包括将所述点移动一距离，其中，所述距离是所述自主车辆在所述点的捕获时间与参考时间之间的时间间隔内行进的所述距离、基于所述速度参数确定的行进距离的估计。


4.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述速度参数包括一个或多个线速度参数和一个或多个角速度参数。


5.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述速度参数包括与所述源点云的扫描开始相对应的一个或多个速度参数和与所述目标点云的扫描开始相对应的一个或多个速度参数。


6.根据权利要求5所述的非暂时性计算机可读存储介质，其中，所述速度参数还包括与所述源点云的扫描结束相对应的一个或多个速度参数和与所述目标点云的扫描结束相对应的一个或多个速度参数，其中，所述源点云的扫描结束与所述目标点云的扫描开始相匹配。


7.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述指令进一步使所述处理器执行包括以下的步骤：
基于计算所述速度参数中的误差测量值来确定表示所述源点云和所述目标点云之间的时间差的时步。


8.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述多个点对的对应点之间的距离的聚合测量的优化使用一个或多个约束，所述约束将所述速度参数限制为基于所述自主车辆的物理移动确定的最大速度参数的估计。


9.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述多个点对的对应点之间的距离的聚合测量的优化是非线性优化。


10.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述多个点对的对应点之间的距离的聚合测量的优化包括将速度参数约束为高阈值或低阈值中的至少一个，其中，所述高阈值或所述低阈值中的所述至少一个基于对移动车辆的物理约束来确定。


11.根据权利要求1所述的非暂时性计算机可读存储介质，其中，将所述多个速度参数初始化包括基于从所述自主车辆的惯性测量单元获得的数据确定所述多个速度参数的值。


12.根据权利要求1所述的非暂时性计算机可读存储介质，其中，将所述多个速度参数初始化包括基于描述从全球导航卫星系统获得的所述自主车辆的位置的数据来确定所述多个速度参数的值。


13.根据权利要求1所述的非暂时性计算机可读存储介质，其中，将所述多个速度参数初始化包括基于描述从全球导航卫星系统获得的所述自主车辆的位置的数据来确定所述多个速度参数的值。


14.根据权利要求1所述的非暂时性计算机可读存储介质，其中，用于确定所述多个点的指令还包括使所述处理器执行包括以下步骤的指令：
确定一对对应点之间的距离的测量值，其中，所述一对对应点包括所述源点云的源点和所述目标点云的目标点，该确定包括：
确定在所述目标点处沿着所述目标点云的表面的法线方向，以及
确定所述源点与所述目标点之间沿所述法线方向的距离。


15.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述指令进一步使所述处理器执行包括以下的步骤：
通过聚合由所述自主车辆的激光雷达传感器捕获的传感器数据获得的多个点云的数据来确定所述源点云。


16.根据权利要求1所述的非暂时性计算机可读存储介质，其中，用于将一对点确定为对应点的指令使得所述处理器执行包括以下的步骤：
如果所述目标点云的所述目标点是所述源点的最近邻并且所述源点云的所述源点被确定为所述目标点的最近邻，则确定所述源点云的源点对应于所述目标点云的目标点。


17.根据权利要求1所述的非暂时性计算机可读存储介质，其中，用于确定用于导航所述自主车辆的控制信号的指令使得所述处理器执行包括以下的步骤：
使用所述速度参数作为卡尔曼滤波器的输入来执行所述自主车辆的定位。


18.根据权利要求17所述的非暂时性计算机可读存储介质，其中，用于确定用于导航所述自主车辆的控制信号的指令使得所述处理器执行包括以下的步骤：
基于所述速度参数确定从所述源点云到所述目标点云的变换。


19.根据权利要求18所述的非暂时性计算机可读存储介质，其中，用于确定用于导航所述自主车辆的控制信号的指令使得所述处理器执行包括以下的步骤：
基于所述变换来确定高清晰度地图；以及
基于所述高清晰度地图确定用于导航所述自主车辆的控制信号。


20.根据权利要求1所述的非暂时性计算机可读存储介质，其中，每个点包括从所述激光雷达接收的强度值，并且其中，一对点的对应点之间的距离的测量值基于所述一对点的点的强度值的差。


21.一种计算机实现的方法，该方法包括：
通过安装在可导航机器上的传感器，接收描述所述可导航机器周围的环境的传感器数据，所述传感器数据包括多个点，每个点与所述传感器捕获所...

【专利技术属性】
技术研发人员：格雷格·库姆，陈辰，德里克·施勒特，杰斯里·米诺鲁·阿达基，马克·达蒙·惠乐，
申请(专利权)人：迪普迈普有限公司，
类型：发明
国别省市：美国;US