用于构建道路模型的方法和系统技术方案

提供了用于构建实时道路模型的方法和装置。该方法可包括并且该装置可用于：在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；将第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据；从地图中提取车辆在第一时刻所处的位置周围阈值范围内的地图数据；基于地图数据纠正针对第一时刻的通用统计模型格式数据中的各个传感器数据集；将针对第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对第一时刻的通用统计模型格式数据；将经更新的针对第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象；将所标识的对象与地图数据相组合来形成实时道路模型。

【技术实现步骤摘要】
用于构建道路模型的方法和系统
本专利技术涉及构建道路模型，更具体地，涉及使用实时传感器数据和离线地图构建道路模型。
技术介绍
自动驾驶车辆(也称为无人驾驶汽车，自动驾驶汽车，机器人汽车)是一种能够在没有人为输入的情况下感测其周围环境并进行导航的车辆。自动驾驶车辆(下文称为“ADV”)使用各种技术来检测其周围环境，例如雷达，激光，GPS，测距和计算机视觉。先进的控制系统解释感测到的信息，以标识适当的导航路径，以及障碍物和相关标志。更具体地，ADV从各种车载传感器收集传感器数据，例如视觉类传感器(例如，摄像头)，雷达类测距传感器(诸如激光雷达，毫米波雷达，超声波雷达)等。基于传感器数据，ADV可以在其周围构建实时道路模型。道路模型可以包括各种信息，包括但不限于车道信息(诸如车道线的位置、类型、宽度等)，交通灯，交通标志，道路边界等。通过将构建的道路模型与预先获得的道路模型(例如由高清(HD)地图提供商提供的HD地图中所包括的道路模型)进行比较，ADV可以更准确地确定其在道路中的位置。同时，ADV还可以基于传感器数据标识其周围的物体，例如车辆本文档来自技高网...

【技术保护点】
1.一种用于构建实时道路模型的方法，包括：/n在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；/n将所述第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据，所述通用统计模型格式包括多个传感器数据集，其中所述多个传感器数据集中的每一个传感器数据集是由所述不同类型的传感器中的一个传感器输出的；/n从地图中提取所述车辆在所述第一时刻所处的位置周围阈值范围内的地图数据；/n基于所述地图数据纠正针对所述第一时刻的通用统计模型格式数据中的多个传感器数据集中的一者或多者；/n将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新...

【技术特征摘要】
1.一种用于构建实时道路模型的方法，包括：
在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；
将所述第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据，所述通用统计模型格式包括多个传感器数据集，其中所述多个传感器数据集中的每一个传感器数据集是由所述不同类型的传感器中的一个传感器输出的；
从地图中提取所述车辆在所述第一时刻所处的位置周围阈值范围内的地图数据；
基于所述地图数据纠正针对所述第一时刻的通用统计模型格式数据中的多个传感器数据集中的一者或多者；
将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对所述第一时刻的通用统计模型格式数据；
将经更新的针对所述第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象，所述隐含模型包括用于描述经预定义的对象的多个传感器数据样本集，其中所述多个传感器数据样本集中的每一个传感器数据样本集包括预先获取的由所述不同类型的传感器中的一个传感器描述所述经预定义的对象的传感器数据样本集；以及
将所标识的对象与所述地图数据相组合来形成所述实时道路模型。


2.如权利要求1所述的方法，其特征在于，基于所述地图数据纠正针对所述第一时刻的通用统计模型格式数据中的多个传感器数据集中的一者或多者进一步包括：
将针对所述第一时刻的通用统计模型格式数据中的多个传感器数据集和所述地图数据转换到相同的坐标系中；
如果所述多个传感器数据集指示的对象的坐标在所述地图数据中的相同位置处并没有相应对象的记载，则无需对针对所述第一时刻的通用统计模型格式数据中的多个传感器数据集中的一者或多者进行纠正；
如果所述多个传感器数据集指示的对象的坐标在所述地图数据中的相同位置处存在相应对象的记载，并且所述多个传感器数据集中的一者或多者的数据并不完整或准确，则从所述地图数据中提取表示该相应对象的数据来纠正所述多个传感器数据集中的一者或多者。


3.如权利要求1所述的方法，其特征在于，将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合包括：将针对所述第一时刻的通用统计模型格式数据与包括针对所述第一时刻之前的阈值时间段内的多个先前时刻的多个通用统计模型格式数据的历史通用统计模型格式数据进行融合。


4.如权利要求1所述的方法，其特征在于，将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合包括：
对于针对自所述第一时刻之前的阈值时间段内的多个先前时刻的多个通用统计模型格式数据，迭代地执行：将针对每一时刻的通用统计模型格式数据与针对预定时间间隔之后的后一时刻的通用统计模型格式数据进行融合以更新针对后一时刻的通用统计模型格式数据，直到更新了针对所述第一时刻的通用统计模型格式数据。


5.如权利要求1所述的方法，其特征在于，所述融合进一步包括：通过以下中的任一种方式使得所述历史通用统计模型格式数据和针对所述第一时刻的通用统计模型格式数据均采用同一坐标系来表示：将所述车辆在所述第一时刻处的位置作为本地坐标系的原点来将所述历史通用统计模型格式数据转换到所述本地坐标系中，或，将所述历史通用统计模型格式数据和针对所述第一时刻的通用统计模型格式数据中采用的各类坐标统一转换为世界坐标系下的坐标。


6.如权利要求5所述的方法，其特征在于，所述融合进一步包括：将所述历史通用统计模型格式数据和针对所述第一时刻的通用统计模型格式数据中由相同的传感器输出的传感器数据集相应地聚集在一起，并去除各个经聚集的传感器数据集中的重复数据。


7.如权利要求1所述的方法，其特征在于，所述对象包括以下至少一者：道路标志、车道线、建筑物、行人、另一车辆、道路边缘、桥梁、电线杆、高架结构、或者交通指示牌。


8.如权利要求1所述的方法，其特征在于，所述多个不同类型的传感器包括视觉类传感器和雷达类测距...

【专利技术属性】
技术研发人员：M·多梅林，李千山，田文鑫，
申请(专利权)人：宝马股份公司，
类型：发明
国别省市：德国;DE