为自动车辆生成简化对象模型以减少计算资源要求制造技术

本公开的各方面涉及使用对象(400)的简化模型来控制车辆(100)。在一个示例中，可以从车辆的一个或多个传感器接收包括对应于车辆的环境中的对象的表面的多个数据点的传感器数据。可以使用多个数据点的子集来确定第一模型(600)。可以使用车辆上的点来从多个数据点中标识次要数据点的集合。可以从多个数据点的子集中过滤次要数据点的集合，以确定第二模型(1100)，其中，第二模型是第一模型的简化版本。可以基于第二模型，在自动行驶模式下控制车辆。辆。辆。

【技术实现步骤摘要】
【国外来华专利技术】为自动车辆生成简化对象模型以减少计算资源要求
[0001]相关申请的交叉引用
[0002]本申请要求于2019年4月10日提交的、申请号为16/380,398的美国申请的权益，其全部公开内容通过引用并入本文。

技术介绍

[0003]自动车辆(诸如不需要人类驾驶员的车辆)可以用于帮助将乘客或物品从一个位置运输到另一位置。自动车辆的重要组件是感知系统，感知系统允许车辆使用相机、雷达、传感器和其他类似设备来感知和解释其周围环境。感知系统在自动车辆处于运动中的同时执行许多决策，诸如加速、减速、停止、转弯等。自动车辆还可以使用相机、传感器和全球定位设备来收集和解释关于其周围环境(例如停放的汽车、树木、建筑物等)的图像和传感器数据。这些图像和传感器数据允许车辆在各种对象周围安全地操纵自己。

技术实现思路

[0004]本公开的一方面提供了一种使用对象的简化模型来控制车辆的方法。该方法包括：由一个或多个计算设备从车辆的一个或多个传感器接收传感器数据，其中该传感器数据包括对应于车辆的环境中的对象的表面的多个数据点；由一个或多个计算设备使用多个数据点的子集，确定表示对象的第一模型；由一个或多个计算设备使用车辆上的点，从多个数据点中标识次要数据点的集合；由一个或多个计算设备从多个数据点的子集中过滤次要数据点的集合，以确定表示对象的第二模型，其中，第二模型是第一模型的简化版本；以及，由一个或多个计算设备基于第二模型，在自动行驶模式下控制车辆。
[0005]在一个示例中，多个数据点是从车辆的LIDAR传感器接收的，并且车辆上的点是LIDAR传感器上的点。在另一示例中，确定第一模型包括：确定由数据点的子集定义的多个数据点的凸包(convex hull)。在本示例中，标识次要数据点的集合包括：标识对应于凸包的一侧的、取向相对于凸包的其他数据点远离车辆的凸包的数据点。可替代地，标识次要数据点的集合包括：基于数据点的子集和车辆上的点，确定修改的凸包。在本示例中，标识次要数据点的集合还包括：使用车辆上的点，从修改的凸包中标识数据点对。此外，数据点对对应于修改的凸包中在车辆上的点的任一侧的两个数据点，或者数据点对对应于修改的凸包中最接近车辆上的点的两个数据点。作为另一种选择，标识次要数据点的集合包括：标识修改的凸包或第一模型中比数据点对中的任一个距离车辆上的点更远的数据点。在另一示例中，次要数据点的集合包括：使用源自车辆上的点的参考向量，从数据点的子集中标识数据点对。在本示例中，参考向量在车辆的航向或车辆的朝向之一的方向上延伸。可替代地，参考向量在车辆正在其上行进的车道的通行方向(direction of traffic)的方向上延伸。作为另一种选择，数据点对中的第一个被标识为数据点的子集中相对于车辆的参考角度以最小角度定位的数据点，并且数据点对中的第二个被标识为数据点的子集中相对于车辆的参考角度以最大角度定位的数据点。在本示例中，标识次要数据点的集合还包括：确定由数据点对中的第一个、数据点对中的第二个和车辆上的点定义的空间。此外，标识次要数据点
的集合包括：标识数据点的子集中在空间外部的那些数据点。在另一示例中，第一模型是通过忽略多个数据点的高度维度来确定的。在另一示例中，第一模型是通过将多个数据点投影到二维平面上来确定的。在另一示例中，第一模型和第二模型中的每一个是对象的二维表示。在另一示例中，车辆上的点是二维点。在另一示例中，基于第二模型来控制车辆包括：将第二模型的数据传递到车辆的一个或多个系统，以便使用第二模型来为车辆做出行驶决策。
附图说明
[0006]图1是根据示例性实施例的示例车辆的功能图。
[0007]图2是根据本公开的各方面的地图信息的示例。
[0008]图3是根据本公开的各方面的车辆的示例外部视图。
[0009]图4是根据本公开的方面的车辆和车行道部分的示例视图。
[0010]图5是根据本公开的方面的车辆和点云的示例表示。
[0011]图6是根据本公开的方面的车辆和第一模型的示例表示。
[0012]图7是根据本公开的方面的车辆、数据点和修改的轮廓包(contour hull)的示例表示。
[0013]图8是根据本公开的方面的车辆、数据点、角度和参考向量修改的轮廓包的示例表示。
[0014]图9是根据本公开的方面的车辆和数据点的示例表示。
[0015]图10是根据本公开的方面的车辆、数据点和空间的示例表示。
[0016]图11是根据本公开的方面的车辆和第二模型的示例表示。
[0017]图12是根据本公开的各方面的示例流程图。
具体实施方式
[0018]概述
[0019]本技术涉及通过生成自动车辆的环境中的对象的轮廓模型来控制自动车辆。例如，自动车辆的计算设备可以使用对应于对象的表面的数据，生成表示在车辆的环境中检测到的对象的轮廓的模型。车辆的计算设备可以使用该模型来执行各种计算，诸如行为预测和轨迹规划。然而，在许多情况下，检测到的对象的轮廓可能非常复杂，例如轮廓由包括大量顶点的多边形定义。因此，使用该模型进行计算可能导致超出必要的计算资源和时间的花费。因为这些车辆上的计算资源的有限性质以及使用这些计算来做出实时行驶决策的需求，所以这些资源的使用可能很快成为问题。为了解决这些问题，车辆的计算设备可以被配置为减少模型的复杂度，以便使用这些模型加速由车辆的各种系统执行的计算。
[0020]车辆的计算设备可以从车辆的一个或多个传感器接收传感器数据，其中该传感器数据包括对应于在车辆的环境中检测到的对象的表面的多个数据点。车辆的计算设备可以基于多个数据点的子集，确定对象的简化模型。第一模型可以通过分析在三个维度上的对应于对象的点云的数据点来生成。可以将这些3D数据点投影到2D表面或平面上，或者可替代地，可以简单地忽略、删除高度维度(Z)等。然后，第一模型可以通过从2D数据点中标识凸集或凸包来生成。
[0021]然后，车辆的计算设备可以通过过滤或以其他方式忽略第一模型中对控制车辆不必要的数据点(以下称为“次要点”)来生成第二模型。例如，次要点可以对应于第一模型中其取向一般远离车辆的一侧。
[0022]为了标识次要点，可以标识车辆上的点。然后，车辆的计算设备可以使用车辆上的点来确定修改的凸包。修改的凸包可以使用包括第一模型的数据点的数据点的集合和车辆上的点来确定。车辆的计算设备还可以使用车辆上的点来标识修改的凸包的点对。可替代地，点对可以基于车辆的参考向量来标识。例如，参考向量可以是源自车辆上的点并且在车辆的航向或朝向或者车辆正在其上行进的车道的方向上延伸的向量。
[0023]然后，可以标识一个或多个次要点的集合。例如，次要点可以是第一模型或修改的凸包中比点对距离车辆上的点更远的那些点。车辆的计算设备可以从第一模型的数据点中标识相对于车辆的参考角度以最小角度定位的数据点对的第一点。计算设备还可以从第一模型的数据点中标识相对于参考向量以最大角度定位的数据点对的第二点。然后，车辆的计算设备可以确定由车辆上的点本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种使用对象的简化模型来控制车辆的方法，所述方法包括：由一个或多个计算设备从车辆的一个或多个传感器接收传感器数据，所述传感器数据包括对应于车辆的环境中的所述对象的表面的多个数据点；由一个或多个计算设备使用所述多个数据点的子集，确定表示所述对象的第一模型；由一个或多个计算设备使用车辆上的点，从所述多个数据点中标识次要数据点的集合；由一个或多个计算设备从所述多个数据点的子集中过滤所述次要数据点的集合，以确定表示所述对象的第二模型，其中，所述第二模型是所述第一模型的简化版本；以及由一个或多个计算设备基于所述第二模型，在自动行驶模式下控制车辆。2.根据权利要求1所述的方法，其中，所述多个数据点是从车辆的LIDAR传感器接收的，并且所述车辆上的点是所述LIDAR传感器上的点。3.根据权利要求1所述的方法，其中，确定所述第一模型包括：确定由所述数据点的子集定义的所述多个数据点的凸包。4.根据权利要求3所述的方法，其中，标识所述次要数据点的集合包括：标识对应于所述凸包的一侧的、取向相对于所述凸包的其他数据点远离车辆的所述凸包的数据点。5.根据权利要求3所述的方法，其中，标识所述次要数据点的集合包括：基于所述数据点的子集和所述车辆上的点，确定修改的凸包。6.根据权利要求5所述的方法，其中，标识所述次要数据点的集合还包括：使用所述车辆上的点，从所述修改的凸包中标识数据点对。7.根据权利要求6所述的方法，其中，所述数据点对对应于所述修改的凸包中在所述车辆上的点的任一侧的两个数据点。8.根据权利要求6所述的方法，其中，所述数据点对对应于所述修改的凸包中最接近所述车辆上的点的两个数据点。9.根据权利要求6所述的方法，其中，标识所述次要数据点的集合包括...

【专利技术属性】
技术研发人员：D李，F达，
申请(专利权)人：伟摩有限责任公司，
类型：发明
国别省市：