车辆目标跟踪制造技术

本公开提供了“车辆目标跟踪”。一种系统，包括计算机，所述计算机包括处理器和存储器，所述存储器存储指令，所述指令可由所述处理器执行以通过基于平滑目标位置、平滑目标速度、平滑目标加速度和测量的目标位置将误差函数最小化来跟踪激光雷达点云数据中的目标。所述处理器还可以被编程为基于跟踪所述目标来操作车辆。

【技术实现步骤摘要】
车辆目标跟踪
本公开总体上涉及车辆传感器。
技术介绍
车辆可以被配备为以自主模式和乘员驾驶模式两者进行操作。车辆可以被配备有计算装置、网络、传感器和控制器以获取关于车辆环境的信息并且基于所述信息来操作车辆。车辆的安全和舒适的操作可以取决于获取关于车辆环境的准确且及时的信息。车辆传感器可以提供关于要行驶的路线和在车辆环境中要避开的对象的数据。车辆的安全和有效的操作可以取决于当车辆在道路上操作时获取关于在车辆环境中的路线和对象的准确且及时的信息。
技术实现思路
车辆可以被配备为以自主模式和乘员驾驶模式两者进行操作。就半自主或全自主模式而言，意味着其中车辆可以由计算装置部分或完全进行驾驶的操作模式，所述计算装置作为具有传感器和控制器的车辆信息系统的一部分。所述车辆可以被占用或者未被占用，但是在任一情况下，可以在没有乘员辅助的情况下部分或完全地驾驶车辆。出于本公开的目的，自主模式被定义为其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者由一个或多个车辆计算机控制的模式；在半自主模式中，一个或多个车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主车辆中，这些都不由计算机控制。在车辆中的计算装置可以被编程为获取关于车辆的外部环境的传感器数据并使用所述传感器数据来确定用于以自主和半自主模式基于车辆路径操作车辆的路径。车辆路径是描述车辆在平行于车辆在其上进行操作的道路表面的二维(2D)平面上的连续位置(即，不同时间的位置)的直线或曲线。计算装置可以基于包括激光雷达传感器数据的车辆传感器数据来确定车辆路径。激光雷达传感器数据可以由计算装置处理以确定目标，其中目标可以是第二车辆、行人或动物等中的一者或多者。计算装置可以处理时间序列激光雷达传感器数据以跟踪目标，其中时间序列激光雷达数据是按固定时间间隔获取的一系列激光雷达数据样本，并且跟踪目标包括基于时间序列激光雷达数据来确定目标的预测位置。计算装置可以使用目标的预测位置来确定操作车辆的路径。例如，计算装置可以基于预测位置来确定避免车辆与被跟踪对象之间的碰撞或接近碰撞的路径。本文公开了一种方法，所述方法包括：通过基于分别基于平滑位置、平滑速度和平滑加速度确定的预测位置、预测速度和预测加速度以及测量的目标位置将误差函数最小化来跟踪激光雷达点云数据中的目标，以及基于跟踪所述目标来操作车辆。跟踪所述目标可以基于所述预测位置。可以基于应用于所述平滑速度和所述平滑加速度的非线性函数来确定所述预测位置、预测速度和所述预测加速度。所述非线性函数可以是查找表或模糊逻辑中的一者或多者。模糊逻辑可以包括模糊化、推理和去模糊化。可以基于所述预测速度和所述预测加速度将所述误差函数最小化，所述预测速度和所述预测加速度是通过利用调度速率信号发生器处理所述测量的目标位置而确定的。可以使用包括低通滤波器或移动平均滤波器中的一者或多者的所述调度速率信号发生器来处理所述测量的目标位置，以减少所述预测速度和所述预测加速度中的噪声。可以通过处理所述激光雷达点云数据以确定到所述车辆周围的环境中的所述目标的距离来确定所述测量的目标位置。可以通过对激光雷达点云数据执行聚类分析来确定到所述目标的方向和距离，其中聚类分析包括基于根据概率对激光雷达点云数据点进行分组来确定激光雷达点云数据中的所述目标。操作所述车辆可以包括基于被跟踪目标来确定路径。可以分别对所述平滑位置、平滑速度和平滑加速度执行一步延迟(one-stepdelay)操作，以形成延迟的平滑位置、延迟的平滑速度和延迟的平滑加速度。所述延迟的平滑位置、所述延迟的平滑速度和所述延迟的平滑加速度可以相结合以形成所述预测位置。所述延迟的平滑速度和延迟的平滑加速度可以相结合以形成所述预测速度。可以从输入的测量位置中减去所述预测位置以形成误差函数。还公开了一种计算机可读介质，所述计算机可读介质存储用于执行上述一些或全部方法步骤的程序指令。本文还公开了一种计算机，所述计算机被编程用于执行一些或所有上述方法步骤，所述计算机包括计算机设备，所述计算机设备被编程为通过基于分别基于平滑位置、平滑速度和平滑加速度确定的预测位置、预测速度和预测加速度以及测量的目标位置将误差函数最小化来跟踪激光雷达点云数据中的目标，并基于跟踪所述目标来操作车辆。跟踪所述目标可以基于所述预测位置。可以基于应用于所述平滑位置、所述平滑速度和所述平滑加速度的非线性函数来调整所述预测位置、所述预测速度和所述预测加速度。所述非线性函数进行增益调度并且可以是查找表或模糊逻辑中的一者或多者。模糊逻辑可以包括模糊化、推理和去模糊化。可以通过使用经增益调度的非线性函数与调度速度和调度加速度将所述误差函数最小化，所述调度速度和所述调度加速度是通过利用调度速率信号发生器处理所述测量的目标位置而确定的。所述计算机设备还可以被编程为使用包括低通滤波器或移动平均滤波器中的一者或多者的所述调度速率信号发生器来处理测量的目标位置，以减少所述调度速度和调度加速度中的噪声。可以通过处理所述激光雷达点云数据以确定到所述车辆周围的环境中的所述目标的距离来确定所述测量的目标位置。可以通过对激光雷达点云数据执行聚类分析来确定到所述目标的方向和距离，其中聚类分析包括基于根据概率对激光雷达点云数据点进行分组来确定激光雷达点云数据中的所述目标。操作所述车辆可以包括基于被跟踪目标来确定路径。可以分别对所述平滑位置、平滑速度和所述平滑加速度执行逆z变换，以形成延迟的平滑位置、延迟的平滑速度和延迟的平滑加速度。所述延迟的平滑位置、所述延迟的平滑速度和所述延迟的平滑加速度可以相结合以形成所述预测位置。所述延迟的平滑速度和延迟的平滑加速度可以相结合以形成所述预测速度。可以从输入的测量位置中减去所述预测位置以形成误差函数。附图说明图1是示例性交通基础设施系统的框图。图2是目标跟踪的示例性图形的图式。图3是示例性目标跟踪的图式。图4是示例性目标跟踪器的图式。图5是示例性调度速率生成器的图式。图6是示例性模糊逻辑推断过程的流程图。图7是目标跟踪的示例性图形的图式。图8是用于基于被跟踪目标操作车辆的示例性过程的流程图。具体实施方式图1是交通基础设施系统100的图式，所述交通基础设施系统包括可以自主(“自主”本身在本公开中意味着“全自主”)模式、半自主模式和乘员驾驶(也被称为非自主)模式操作的车辆110。车辆110还包括用于在自主操作期间处理数据以驾驶车辆110的一个或多个计算装置115。计算装置115可以从传感器116接收关于车辆操作的信息。计算装置115可以自主模式、半自主模式或非自主模式来操作车辆110。计算装置115包括诸如已知的处理器和存储器。此外，存储器包括一种或多种形式的计算机可读介质，并存储能够由处理器执行以用于进行各种操作的指令，所述各种操作包括如本文所公开的。例如，计算装置115可以包括编程以操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆本文档来自技高网...

【技术保护点】
1.一种方法，其包括：/n通过基于分别基于平滑位置、平滑速度和平滑加速度确定的预测位置、预测速度和预测加速度以及测量的目标位置将误差函数最小化来跟踪激光雷达点云数据中的目标；以及/n基于跟踪所述目标来操作车辆。/n

【技术特征摘要】
20190206 US 16/268,6841.一种方法，其包括：
通过基于分别基于平滑位置、平滑速度和平滑加速度确定的预测位置、预测速度和预测加速度以及测量的目标位置将误差函数最小化来跟踪激光雷达点云数据中的目标；以及
基于跟踪所述目标来操作车辆。


2.如权利要求1所述的方法，其还包括基于所述预测位置来跟踪所述目标。


3.如权利要求1所述的方法，其还包括基于应用于所述平滑速度和所述平滑加速度的非线性函数来确定所述预测位置、预测速度和所述预测加速度。


4.如权利要求3所述的方法，其中所述非线性函数是查找表或模糊逻辑中的一者或多者。


5.如权利要求4所述的方法，其中模糊逻辑包括模糊化、推理和去模糊化。


6.如权利要求1所述的方法，其还包括基于预测速度和预测加速度将所述误差函数最小化，所述预测速度和所述预测加速度是通过利用调度速率信号发生器处理所述测量的目标位置而确定的。


7.如权利要求5所述的方法，其中使用包括低通滤波器或移动平均滤波器中的一者或多者的所述调度速率信号发生器来处理所述测量的目标位置，以减少所述预测速度和所述预测加速度中的噪声。<...

【专利技术属性】
技术研发人员：姚一心，马克·史蒂文·亚麻萨奇，林郁葱，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国;US