自动车辆的基于点云图的光检测测距重新校准系统技术方案

本公开的实施方式公开了通知操作员自动驾驶车辆(ADV)的感知传感器需要被重新校准的方法和系统。在一个实施方式中，系统感知自动驾驶车辆(ADV)的包括一个或多个障碍物的周围环境。该系统从先前存储的绘制ADV的三维周围环境的点云中提取特征信息。该系统识别所提取的特征信息与一个或多个障碍物的特征之间的一个或多个匹配特征。该系统基于匹配特征中的每个确定平均偏移距离。该系统基于平均偏移距离确定一段时间的平均偏移距离分布。如果平均偏移距离分布满足预定条件，则该系统向ADV发出警报以警告一个或多个传感器推荐或需要被重新校准。重新校准。重新校准。

【技术实现步骤摘要】
自动车辆的基于点云图的光检测测距重新校准系统


[0001]本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及自主驾驶车辆(ADV)的基于点云的光检测测距(LIDAR)重新校准系统。

技术介绍

[0002]以自动模式(例如，无人驾驶)操作的车辆可以减轻乘客，尤其是驾驶员的某些驾驶相关的责任。当以自动模式操作时，车辆能够使用车载传感器导航至各种位置，而允许车辆以最小的人机交互或在一些情况下不需要任何乘客来行驶。
[0003]感知和预测是自动驾驶中的关键操作。感知允许ADV感知它的环境。ADV的感知系统通常包括摄像头、LIDAR、RADAR、传感器、惯性测量单元(IMU)等。这些传感器/设备需要被校准以实现高感知精度。有时，设备/传感器需要重新校准，例如当操作者清洁和/或重新安装/替换传感器以进行维护时。

技术实现思路

[0004]在本申请的一个方面中，提供操作自动驾驶车辆(ADV)的计算机实现方法，该方法可包括：使用一个或多个传感器，感知自动驾驶车辆(ADV)的周围环境，该周围环境可包括一个或多个障碍物；从先前存储的与ADV的周围环境相关的点云中提取特征信息；识别提取的特征信息与一个或多个障碍物的特征之间的一个或多个匹配特征；基于匹配特征中的每个，为规划周期确定平均偏移距离；以及基于平均偏移距离，为预定数量的规划周期确定平均偏移距离分布，其中，如果平均偏移距离满足预定条件，则一个或多个传感器需要重新校准。
[0005]在本申请的另一方面中，提供非暂时性机器可读介质，其中可存储有指令，当由处理器执行指令时，可引起处理执行操作，该操作包括：使用一个或多个传感器感知自动驾驶车辆(ADV)的周围环境，该周围环境可包括一个或多个障碍物；从先前存储的与ADV的周围环境相关的点云中提取特征信息；识别提取的特征信息与一个或多个障碍物的特征之间的一个或多个匹配特征；基于匹配特征中的每个为规划周期确定平均偏移距离；以及基于平均偏移距离为预定数量的规划周期确定平均偏移距离分布，其中，如果平均偏移距离分布满足预定条件，则一个或多个传感器需要被重新校准。
[0006]在本申请的又一方面中，提供数据处理系统，该系统可包括处理器以及联接至处理器的存储指令的存储器，当由处理器执行指令时，引起处理器执行操作，该操作可包括使用一个或多个传感器感知自动驾驶车辆(ADV)的周围环境，该周围环境可包括一个或多个障碍物；从先前存储的与ADV的周围环境相关的点云中提取特征信息；识别提取的特征信息与一个或多个障碍物的特征之间的一个或多个匹配特征；基于匹配特征中的每个，为规划周期确定平均偏移距离；以及基于平均偏移距离，为预定数量的规划周期确定平均偏移距离分布，其中，如果平均偏移距离分布满足预定条件，则一个或多个传感器需要被重新校准。
[0007]在本申请的又一方面中，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
附图说明
[0008]本公开的实施方式在附图的图中以示例的方式而非限制的方式示出，在附图中相似的附图标记指示相似的元件。
[0009]图1是示出根据一个实施方式的网络化系统的框图。
[0010]图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
[0011]图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的自动驾驶系统的示例的框图。
[0012]图4是示出根据一个实施方式的传感器校准模块的框图。
[0013]图5A示出根据一个实施方式的ADV的感知。
[0014]图5B是示出根据一个实施方式的对应于图5A中的ADV的感知的一些特征信息的图。
[0015]图5C是根据一个实施方式的图5A和图5B的俯视图。
[0016]图5D是示出根据一个实施方式的特征信息的点云图。
[0017]图6A是示出根据一个实施方式的平均偏移距离分布的示例概率密度函数。
[0018]图6B是示出根据一个实施方式的触发重新校准推荐警报的平均偏移距离分布的示例概率密度函数。
[0019]图6C是示出根据一个实施方式的触发重新校准需求警报的平均偏移距离分布的示例概率密度函数。
[0020]图7是示出根据一个实施方式的方法的流程图。
具体实施方式
[0021]将参照以下讨论的细节来描述本公开的各种实施方式和各个方面，并且附图将示出各种实施方式。以下描述和附图是本公开的说明，而不应被解释为限制本公开。描述多种具体细节以提供对本公开的各种实施方式的透彻理解。然而，在某些情况下，为了提供对本公开的实施方式的简洁的讨论而不对公知的或常规的细节进行描述。
[0022]在说明书中提到的“一个实施方式”或“实施方式”意指结合该实施方式描述的特定特征、结构或特性能够被包括在本公开的至少一个实施方式中。在说明书中各个地方出现的短语“在一个实施方式中”不一定都指的是同一个实施方式。
[0023]本公开的实施方式公开了一种通知和/或重新校准自动驾驶车辆(ADV)的感知传感器的方法和系统。在一个实施方式中，系统使用一个或多个传感器来感知自动驾驶车辆(ADV)的周围环境，该周围环境包括一个或多个障碍物。系统从绘制ADV的三维周围环境的先前存储的点云中提取特征信息。系统识别所提取的特征信息与一个或多个障碍物的特征之间的一个或多个匹配特征。系统基于每个匹配特征来为规划周期确定平均偏移距离。系统基于平均偏移距离来为预定数量的规划周期确定平均偏移距离分布。系统可以向ADV发送警报，以警报推荐一个或多个传感器，或者如果平均偏移距离分布满足预定条件，则需要重新校准。
[0024]图1是示出根据本公开的一个实施方式的自动驾驶网络配置的框图。参照图1，网络配置100包括自动驾驶车辆(ADV)101，自动驾驶车辆(ADV)101可通过网络102通信地联接至一个或多个服务器103和服务器104。尽管示出一个ADV，但是多个ADV可通过网络102彼此联接和/或联接至服务器103和服务器104。网络102可为任何类型的有线或无线网络，例如，局域网(LAN)、诸如英特网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103和服务器104可为任何类型的服务器或服务器的集群，例如，Web或云服务器、应用服务器、后端服务器或其组合。服务器103和服务器104可为数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
[0025]ADV指的是能够被配置为以自动模式驾驶的车辆，在自动模式中车辆在很少的或没有来自驾驶员的输入的情况下导航通过环境。这种ADV可包括具有一个或多个传感器的传感器系统，该一个或多个传感器被配置为检测关于其中有车辆操作的环境的信息。车辆及其相关的控制器使用所检测到的信息来导航通过环境。ADV 101能够以手动模式、全自动模式或部分自动模式操作。
[0026]在一个实施方式中，ADV 101包括但不限于自动驾驶系统(ADS)110、车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.操作自动驾驶车辆(ADV)的计算机实现方法，包括：使用一个或多个传感器，感知自动驾驶车辆(ADV)的周围环境，包括一个或多个障碍物；从先前存储的与所述ADV的周围环境相关的点云中提取特征信息；识别所述提取的特征信息与所述一个或多个障碍物的特征之间的一个或多个匹配特征；基于所述匹配特征中的每个，为规划周期确定平均偏移距离；以及基于所述平均偏移距离，为预定数量的规划周期确定平均偏移距离分布，其中，如果所述平均偏移距离满足预定条件，则所述一个或多个传感器需要重新校准。2.根据权利要求1所述的方法，其中，如果所述平均偏移距离的平均值大于远离零偏移的阈值距离，则所述一个或多个传感器需要被重新校准。3.根据权利要求2所述的方法，其中，基于所述匹配特征中的每个为所述规划周期确定所述平均偏移距离包括：对于所述匹配特征中的每个，从所述障碍物的特征和其对应的匹配特征中确定偏移距离；以及通过对匹配特征的所述确定的偏移距离求平均来为所述规划周期确定所述平均偏移距离。4.根据权利要求3所述的方法，其中，所述偏移距离是偏移矢量距离。5.根据权利要求4所述的方法，其中，从所述障碍物的所述特征和其对应的匹配特征中确定所述偏移距离包括：确定所述ADV与所述障碍物的所述特征之间的第一矢量距离；确定所述ADV与所述对应的匹配特征之间的第二矢量距离；以及将所述第一矢量距离与所述第二矢量距离之间的所述偏移距离确定为差矢量。6.根据权利要求5所述的方法，其中，所述平均偏移距离分布包括平均偏移距离分布的矢量，其中，如果所述平均偏移距离分布的任何矢量分量的平均值大于远离所述对应的矢量分量的所述零偏移的所述阈值距离，则警告所述ADV的所述操作员所述一个或多个传感器需要被重新校准。7.根据权利要求2所述的方法，其中，所述阈值距离大约为两个标准偏差。8.根据权利要求2所述的方法，还包括基于所述平均偏差距离分布重新校准所述一个或多个传感器，使得随后的传感器读数具有近似地零偏移。9.根据权利要求2所述的方法，其中，所述一个或多个传感器包括光检测和测距(LIDAR)传感器以及惯性测量单元(IMU)传感器，其中，相对于所述IMU重新校准所述LIDAR传感器。10.根据权利要求1所述的方法，其中，所述特征信息包括所述周围环境的静态地标的特征，所述静态地标特征包括建筑物地标、交通标志、车道线以及灯柱等。11.非暂时性机器可读介质，其中存储有指令，当由处理器执行所述指令时，引起所述处理器执行操作，所述操作包括：使用一个或多个传感器感知自动驾驶车辆(ADV)的周围环境，所述周围环境包括一个或多个障碍物；
从先前存储的与所述ADV的周围环境相关的点云中提取特征信息；识别所述提取的特征信息与所述一个或多个障碍物的特征之间的一个或多个匹配特征；基于所述匹配特征中的每个，为规划周期确定平均偏移距离；以及基于所述平均偏移距离，为预定数量...

【专利技术属性】
技术研发人员：朱帆，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：