人行横道检测制造技术

公开了用于检测人行横道位置的系统和方法。可以通过确定在道路表面上的至少两条着色线，然后将所述道路表面上的所述至少两条着色线组合成相关元素的分组来检测人行横道位置。所述相关元素的所述分组可以基于所述相关元素的所述分组的属性而被分类为人行横道(或者在一些实施例中，人行横道的类型)，其中所述元素的所述分组的所述属性包括所述至少两条着色线之间的距离和所述相关元素的所述分组在所述道路表面上的取向。所述道路表面上的取向。所述道路表面上的取向。

【技术实现步骤摘要】
【国外来华专利技术】人行横道检测
[0001]相关申请的交叉引用
[0002]本申请要求于2019年9月30日提交的名称为“人行横道检测”的第16/589,020号美国申请的优先权，其全部内容特此通过引用明确地并入本文。


[0003]本技术涉及使用由无人驾驶车辆捕获的数据来更新地图数据库的一部分，并且更具体地涉及使用从无人驾驶车辆获得的数据来更新具有高分辨率数据的地图数据库的一部分中的人行横道位置。

技术介绍

[0004]无人驾驶车辆是一种无需人类驾驶员就能导航的机动车辆。示例性无人驾驶车辆包括多个传感器系统，诸如但不限于相机传感器系统、激光雷达传感器系统、雷达传感器系统等，其中无人驾驶车辆基于传感器系统输出的传感器信号操作。具体地，传感器信号被提供给与多个传感器系统通信的内部计算系统，其中处理器基于传感器信号执行指令以控制无人驾驶车辆的机械系统，诸如车辆推进系统、制动系统或转向系统。
[0005]无人驾驶车辆使用由无人驾驶车辆的至少一个传感器捕获的数据和存储在无人驾驶车辆上的地图的组合来导航。地图通常使用专用测绘车辆来创建，专用测绘车辆以比无人驾驶车辆上的至少一个传感器高得多的分辨率来捕获数据。然而，在一些位置，地图可能不完整、缺失，或者人行横道位置可能由于施工、车道变更或其他因素而改变。当这种情况发生时，无人驾驶车辆可能会基于不完整或过时的地图遇到导航的问题，并且存在不一致的道路部分成为无人驾驶车辆的限行区域，直到地图得到更新。
附图说明
[0006]通过参考附图中示出的具体实现，本技术的上述和其他优点和特征将变得显而易见。本领域普通技术人员将理解，这些附图仅示出了本技术的一些示例，并且不会将本技术的范围限制于这些示例。此外，本领域技术人员将理解通过使用附图以额外的特征和细节描述并解释的本技术的原理，其中：
[0007]图1示出了根据本技术的一些方面的用于驾驶和管理无人驾驶车辆的示例系统；
[0008]图2示出了根据本技术的一些方面的用于更新地图中的人行横道部分的示例系统；
[0009]图3示出了根据本技术的一些方面的数据的示例可视化，其示出了检测人行横道的传感器数据；
[0010]图4示出了根据本技术的一些方面的数据过滤和人行横道类型分类的示例可视化；
[0011]图5示出了根据本技术的一些方面的数据过滤和人行横道类型分类的示例可视化；
[0012]图6示出了根据本技术的一些方面的用于检测人行横道的示例方法；
[0013]图7示出了用于实现本技术的某些方面的系统的示例。
具体实施方式
[0014]下面详细讨论本技术的各种示例。虽然讨论了具体的实现，但是应该理解，这么做仅仅是为了说明的目的。相关领域的技术人员将认识到，在不脱离本技术的精神和范围的情况下，可以使用其他部件和配置。在一些情况下，为了便于描述一个或多个方面，以框图形式示出了公知的结构和设备。此外，应当理解，被描述为由某些系统部件执行的功能可以由比所示的部件更多或更少的部件来执行。
[0015]所公开的技术解决了本领域中对这样的一种技术的需求，该技术可以快速地更新用于为无人驾驶车辆选择路线的地图，该地图反映了变化的人行横道位置，而不需要专用地图绘制车辆或人工干预。
[0016]无人驾驶车辆使用由无人驾驶车辆的至少一个传感器捕获的数据和存储在无人驾驶车辆上的地图的组合来导航。地图通常使用专用测绘车辆来创建，该专用测绘车辆以比无人驾驶车辆上的至少一个传感器高得多的分辨率来捕获数据。以这种方式，在导航之前生成通知无人驾驶车辆导航的地图，使得一旦接收到目的地，就可以确定到具体目的地的路线。然而，自从专用测绘车辆绘制了路线以来，人行横道位置可能会出现或发生变化。例如，如果自从专用绘图车辆最后一次绘制路线以来，已经绘制了路线上的人行横道并且无人驾驶车辆依赖于指示人行横道的地图语义边界来驾驶，那么由于交通标记已经被修改，无人驾驶车辆因此将不会在道路上正确地作出行为表现。由于更新高分辨率地图需要专用测绘车辆，因此在更新高分辨率地图之前可能会经过相当长的一段时间。
[0017]所公开的技术通过使各种实施例能够找到人行横道位置相对于地图已经改变的区域来解决上述问题。改变的范围可以触发各种响应，诸如确定地图的哪些部分可以被信任(例如，在某些部分使用已经存储的语义边界)vs确定地图的哪些部分需要更新(例如，不使用已经存储的语义边界)，实时检测人行横道以及基于检测到的线重新绘制语义边界，等等。
[0018]本技术提供了一种系统，所述系统可以使用来自无人驾驶车辆的传感器的数据实时更新存储在无人驾驶车辆上的地图的语义标签，因此避免了为这些更新而调度专用测绘车辆的需要。这使得无人驾驶车辆的路线规划和路线安排更加高效，并显著减少了发布地图更新之前的故障时间。本技术还减少了专用测绘车辆上的工作负荷，因为它被调度的频率较低，因此，即使当地图需要来自专用测绘车辆的数据进行更新时，由于专用测绘车辆排队的作业数量的减少，更新地图所花费的时间也缩短了。因此，无论是否需要专用测绘车辆，都可以更快地发布语义标签更新，并缩短因地图过时而限制无人驾驶车辆进入区域的周期。
[0019]在以下系统和方法中，可以通过确定至少两条着色线在道路表面上，然后将道路表面上的至少两条着色线组合成相关元素的分组，来检测人行横道位置。可以基于相关元素的分组的属性将相关元素的分组分类为人行横道(或者在一些实施例中，一种类型的人行横道)，其中元素的分组的属性包括至少两条着色线之间的距离和相关元素的分组在道路表面上的取向。
[0020]图1示出了包括与远程计算系统150通信的无人驾驶车辆102的环境100。
[0021]无人驾驶车辆102可以使用由无人驾驶车辆102的传感器系统104
‑
106输出的传感器信号和存储在地图数据库123中的地图，在没有人类驾驶员的情况下在道路上导航。无人驾驶车辆102包括多个传感器系统104
‑
106(第一传感器系统104至第N传感器系统106)。传感器系统104
‑
106是不同类型的，并且布置在无人驾驶车辆102周围。例如，第一传感器系统104可以为相机传感器系统，并且第N传感器系统106可以为激光雷达传感器系统。其他示例性传感器系统包括雷达传感器系统、全球定位系统(GPS)传感器系统、惯性测量单元(IMU)、红外传感器系统、激光传感器系统、声纳传感器系统等。
[0022]无人驾驶车辆102还包括用于实现无人驾驶车辆102的适当运动的几个机械系统。例如，机械系统可以包括但不限于车辆推进系统130、制动系统132和转向系统134。车辆推进系统130可包括电动马达、内燃机或两者。制动系统132可以包括发动机制动器、制动垫、致动器和/或配置成帮助无人驾驶车辆102减速的任何其他合适的部件。转向系统134包括配置成在导航期间控制无人驾驶车辆102的移动方向的合适部件。
[0023]无人驾驶车辆102还包括安全系统136，该本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于人行横道检测的方法，所述方法包括：确定在道路表面上的至少两条着色线；将所述道路表面上的所述至少两条着色线组合成相关元素的分组；以及基于所述相关元素的所述分组的属性对所述相关元素的所述分组进行分类，所述元素的所述分组的所述属性包括所述至少两条着色线之间的距离和所述相关元素的所述分组在所述道路表面上的取向。2.根据权利要求1所述的方法，其中确定在所述道路表面上的所述至少两条着色线还包括：将来自灰度激光雷达数据的像素过滤成黑色像素或白色像素；以及在水平扫描和竖直扫描中都评估所述白色像素，以识别具有在确定的像素范围内的像素厚度的白色像素组，其中具有在所述确定的像素范围内的像素厚度的任何白色像素组被组合成一条线，从而产生所述至少两条着色线。3.根据权利要求1所述的方法，其中将所述道路表面上的所述至少两条着色线组合成所述相关元素的所述分组还包括：确定所述相关元素的所述分组的主轴，其中所述主轴包括长度大于阈值像素数的所述相关元素的所述分组；以及确定所述相关元素的所述分组的次轴，其中所述次轴包括长度小于阈值像素数的所述相关元素的所述分组。4.根据权利要求1所述的方法，所述方法还包括：在对所述相关元素的所述分组进行分类之前，将所述相关元素的所述分组识别为候选斑马线型人行横道或平行线型人行横道。5.根据权利要求4所述的方法，所述方法还包括：在对所述相关元素的所述分组进行分类之前，确定相对于所述相关元素的所述分组的行进角度；以及基于所述行进角度，确定候所述选斑马线型人行横道或平行线型人行横道仍然是候选人行横道。6.根据权利要求4所述的方法，其中基于所述相关元素的所述分组的属性对所述相关元素的所述分组进行分类还包括：当组成所述候选斑马线型人行横道的所述相关元素的所述分组的足够多的所述属性与斑马线型人行横道的属性相匹配时，确定所述候选斑马线型人行横道为人行横道。7.根据权利要求4所述的方法，其中基于所述相关元素的所述分组的属性对所述相关元素的所述分组进行分类还包括：当组成所述平行线型人行横道的所述相关元素的所述分组的足够多的所述属性与平行线型人行横道的属性相匹配时，确定所述候选平行线型人行横道为人行横道。8.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括存储在其上的指令，所述指令有效地使得至少一个处理器：确定在道路表面上的至少两条着色线；将所述道路表面上的所述至少两条着色线组合成相关元素的分组；以及基于所述相关元素的所述分组的属性对所述相关元素的所述分组进行分类，所述元素
的所述分组的所述属性包括所述至少两条着色线之间的距离和所述相关元素的所述分组在所述道路表面上的取向。9.根据权利要求8所述的非暂时性计算机可读介质，其中使得所述至少一个处理器确定在所述道路表面上的所述至少两条着色线的指令还包括有效地使得至少一个处理器执行以下操作的指令：将来自灰度激光雷达数据的像素过滤成黑色像素或白色像素；以及在水平扫描和竖直扫描中都评估所述白色像素，以识别具有在确定的像素范围内的像素厚度的白色像素组，其中具有在所述确定的像素范围内的像素厚度的任何白色像素组被组合成一条线，从而产生所述至少两条着色线。10.根据权利要求8所述的非暂时性计算机可读介质，其中使得所述至少一个处理器将所述道路表面上的所述至少两条着色线组合成所述相关元素的所述分组的指令还包括有效地使得至少一个处理器执行以下操作的指令：确定所述相关元素的所述分组的主轴，其中所述主轴包括长度大于阈值像素数的所述相关元素的所述分组；以及确定所述相关元素的所述分组的次轴，其中所述次轴包括长度小...

【专利技术属性】
技术研发人员：H，
申请(专利权)人：通用邮轮控股有限公司，
类型：发明
国别省市：