用于自动驾驶系统的多假设物体跟踪的方法和系统。一个系统包括电子处理器，该电子处理器被配置为接收环境信息并生成与车辆的环境内的物体相关联的伪测量数据。电子处理器还被配置为基于环境信息和伪测量数据来确定关于物体的关联假设的集合。电子处理器还被配置成基于所述关联假设的集合来确定物体的物体状态。电子处理器还被配置为基于所确定的物体状态来控制车辆。
【技术实现步骤摘要】
用于自动驾驶系统的多假设物体跟踪相关申请本申请要求2019年5月30日提交的美国临时申请No.62/854,821的权益，该临时申请的全部整体内容通过引用合并于此。
各实施例涉及用于自动驾驶系统的多假设物体跟踪，并且更具体地，涉及针对利用多假设方法的物体跟踪中的错误的鲁棒性。
技术实现思路
驾驶员辅助和自动驾驶（在本文中统称为“自动驾驶”）使用具有多个重叠视场的各种传感器检测车辆周围的区域或环境内的一个或多个物体，诸如另一车辆、行人、车道标记、路缘或类似物。使用传感器信息，自动驾驶系统可以确定与检测到的物体相关联的一个或多个参数，诸如位置、移动方向或类似参数（确定的物体状态）。然后，自动驾驶系统基于所确定的物体状态控制车辆。准确地确定物体状态使得能够适当地控制车辆（例如，转向以避免与物体碰撞）。然而，尤其由于错误的测量模型、传感器数据预处理中的错误或上述两项的组合，在物体跟踪中经常产生错误。对检测到的物体进行错误分类可能会导致利用错误的测量模型。作为一个示例，当在物体实际是车辆的情况下将物体错误地分类为骑自行车者时，专用于骑自行车者的测量模型可能被用于跟踪该物体。但是，由于该物体实际上不是骑自行车者，因此对骑自行车者测量模型的利用可能导致对车辆的不适当控制。作为另一示例，在传感器数据的预处理期间，当实际上存在两个物体时，激光雷达柱状像素（stixel）聚集以形成“L”形可能会错误地检测到一个物体。此类错误可能会导致不正确的物体状态、跟踪断裂（trackrupture）或上述两项的组合。结果，由于不正确的物体状态，可能以不适当的方式控制车辆。因此，需要提高针对测量模型、数据预处理或上述两项的组合中的不正确假定的鲁棒性，这最终提高供自动驾驶系统使用的物体跟踪准确度。为了解决这些和其他问题，本文描述的实施例尤其提供了用于多假设物体跟踪的方法和系统，使得假设形成被使用，以便实现针对测量模型、数据预处理和类似内容中的错误的鲁棒性。本文描述的实施例提供了与各种假定并行地系统地使用的多个测量模型、预处理步骤或上述两项的组合。该假定可以关于物体类别、物体形式、用于从原始测量结果产生群集的多样化方法等。例如，一个实施例提供了一种自动驾驶系统。该系统包括电子处理器，该电子处理器被配置为接收环境信息并生成与车辆的环境内的物体相关联的伪测量数据。电子处理器还被配置为基于环境信息和伪测量数据来确定与物体有关的关联假设的集合。电子处理器还被配置成基于所述关联假设的集合来确定物体的物体状态。电子处理器还被配置为基于所确定的物体状态来控制车辆。另一个实施例提供了一种用于多假设物体跟踪的方法。该方法包括接收环境信息并利用电子处理器生成伪测量数据。该方法还包括基于环境信息和伪测量数据针对车辆周围环境内的物体生成关联假设的集合。该方法还包括利用电子处理器基于所述关联假设的集合来确定物体的物体状态。该方法还包括基于所确定的物体状态来控制车辆。再另一个实施例提供了一种存储指令的非暂时性计算机可读介质，该指令在由电子处理器执行时执行功能的集合。功能的集合包括从至少一个传感器接收视场的环境信息。该功能的集合还包括生成伪测量数据。该功能的集合还包括基于环境信息和伪测量数据针对视场内的物体生成关联假设的集合。该功能的集合还包括基于所述关联假设的集合来确定物体的物体状态。该功能的集合还包括基于所确定的物体状态来确定车辆机动。该功能的集合还包括基于车辆机动来控制车辆。通过考虑详细描述和附图，其他方面和实施例将变得显而易见。附图说明图1A-1B图示了车辆周围环境内的示例物体。图2图示了车辆周围的示例环境。图3示意性地图示了根据一些实施例的装备有用于多假设物体跟踪的系统的车辆。图4示意性地图示了根据一些实施例的图3的系统的控制器。图5示意性地图示了根据一些实施例的两个传感器之间的示例公共视场。图6是图示根据一些实施例的由图3的系统执行的用于多假设物体跟踪的方法的流程图。图7是图示根据一些实施例的由图3的系统实现的基于环境信息来确定物体的过程模型。具体实施方式在详细解释任何实施例之前，应理解，各实施例在其应用中不限于在以下描述中阐述或在附图中图示的构造细节和组件布置。其他实施例也是可能的，并且本文描述和/或图示的实施例能够以各种方式实践或执行。例如，尽管本文描述的示例涉及自动驾驶系统，但是在其他实施例中，本文描述的方法可以应用于驾驶辅助系统、交通监视系统、交通控制系统、安全监督系统或类似物。还应当理解，术语“车辆”指代各种车辆，包括例如乘用车、卡车、船、摩托车、无人驾驶飞机等。还应注意，可以使用多个基于硬件和软件的设备以及多个不同结构的组件来实现本文公开的实施例。另外，各实施例可以包括硬件、软件和电子组件或模块，出于讨论的目的，这些电子组件或模块可以被图示和描述为好像大多数组件仅以硬件实现。然而，本领域普通技术人员并基于对该详细描述的阅读将认识到，在至少一个实施例中，基于电子的方面可以以可由一个或多个处理器执行的软件实现（例如，存储在非暂时性计算机可读介质上）。因此，应当注意，可以利用多个基于硬件和软件的设备以及多个不同结构的组件来实现各个实施例。还应该理解，尽管某些附图图示了位于特定设备内的硬件和软件，但是这些描绘仅用于说明性目的。在一些实施例中，所图示的组件可以被组合或划分为单独的软件、固件和/或硬件。例如，代替位于单个电子处理器内并由单个电子处理器执行，可以将逻辑和处理分布在多个电子处理器之间。不管它们如何组合或划分，硬件和软件组件可以位于同一计算设备上，或者可以分布在通过一个或多个网络或其他合适的通信链路连接的不同计算设备之间。在驾驶员辅助和自动驾驶中，可以以描述物体的物体列表的形式来描绘车辆周围环境中的物体。在这种情况下，物体可以通过传感器数据融合、随时间的物体跟踪或以上两项的组合来形成。基于物体属性，由车辆的处理器确定的功能确定是否应该对该物体做出反应，并且如果是，则确定该反应应该是什么。在自动驾驶中，特别是在传感器数据融合领域中，期望在物体质量方面具有高要求，从而避免假阴性，使得不会意外地遗漏/忽略实际存在的物体，以及避免假阳性，诸如避免由于错误假定现实中不存在的物体而导致的错误触发。如上所述，由于错误的测量模型、传感器数据预处理中的错误或上述两项的组合，在物体跟踪中可能产生错误。物体的错误分类可能会导致错误的测量模型。测量模型中的错误可能会导致错误的更新，这进而可能导致不正确确定的物体状态（例如，物体分类、动态状态、物体扩展或上述各项的组合）、跟踪断裂或上述各项的组合。作为一个示例，图1A-1B图示了使用无线电雷达传感器60分别检测次要车辆50和骑自行车者55。如在图1A中所看到的，无线电雷达反射（由与附图标记62相关的符号表示）位于次要车辆50的相对于无线电雷达传感器60的最近边缘或拐角处。相比之下，如在图1B中看到的，主反射（由与附图标记65相关的符号表示）位于骑自行车者55（例如，坐在自行车上的人本文档来自技高网...
【技术保护点】
1.一种用于车辆的自动驾驶系统，所述系统包括：/n电子处理器，被配置为：/n接收环境信息，/n生成与车辆环境内的物体相关联的伪测量数据，/n基于所述环境信息和所述伪测量数据，确定与所述物体有关的关联假设的集合，/n基于所述关联假设的集合，确定所述物体的物体状态，以及/n基于确定的物体状态控制所述车辆。/n
【技术特征摘要】
20190530 US 62/8548211.一种用于车辆的自动驾驶系统，所述系统包括：
电子处理器，被配置为：
接收环境信息，
生成与车辆环境内的物体相关联的伪测量数据，
基于所述环境信息和所述伪测量数据，确定与所述物体有关的关联假设的集合，
基于所述关联假设的集合，确定所述物体的物体状态，以及
基于确定的物体状态控制所述车辆。
2.根据权利要求1所述的系统，其中，所述电子处理器被配置为针对所述环境信息中所包括的每个测量结果生成多个测量模型假设作为所述伪测量数据，其中，所述多个测量模型假设中的每个基于不同的假定。
3.根据权利要求2所述的系统，其中，所述多个测量模型假设中的至少一个是通用测量模型假设。
4.根据权利要求2所述的系统，其中，所述多个测量模型假设中的至少一个基于物体分类假定。
5.根据权利要求1所述的系统，其中，所述电子处理器被配置为响应于接收到新的环境信息而更新所述关联假设的集合。
6.根据权利要求1所述的系统，其中，包括在所述关联假设的集合中的每个关联假设与所述物体的可能物体状态关联。
7.根据权利要求1所述的系统，其中，所述电子处理器被配置为：从至少两个传感器接收所述环境信息，所述环境信息与所述至少两个传感器的公共视场相关联。
8.根据权利要求7所述的系统，其中，所述伪测量数据包括与所述公共视场相关联的阴性信息。
9.根据权利要求1所述的系统，其中，所述电子处理器被配置为：把所述物体的物体状态确定为包括在所述关联假设的集合中的所述关联假设之一。
10.根据权利要求9所述的系统，其中，把所述物体状态确定为所述关联假设之一基于以下内容：所述关联假设之一具有比所述关联假设的集合中所包括的其他关联假设更高的概率。
11.一种用于多假设物体跟踪的方法，所述方法包括：
接收环境信息；
利用电子处理...
【专利技术属性】
技术研发人员：TV基恩勒，TB古斯纳，OF施温特，S鲁特，A埃尔，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。