用于自主车辆的雷达点云的检测点的过滤和聚集制造技术

一种用于自主车辆的扫描聚集器和过滤器，包括多个雷达传感器，其中，每个雷达传感器执行对周围环境的多次单独扫描以获得呈包括多个检测点的雷达点云形式的数据。扫描聚集器和过滤器还包括与所述多个雷达传感器电子通信的自动驾驶控制器。自动驾驶控制器被指示过滤单独扫描中的每一个以定义感兴趣的空间区域，并且基于第一外点稳健模型估计算法移除雷达点云的表示移动物体的检测点。自动驾驶控制器基于运动补偿聚集技术将预定义数量的单独扫描聚集在一起以创建聚集数据扫描，并且应用多个基于密度的聚类算法来过滤聚集数据扫描。个基于密度的聚类算法来过滤聚集数据扫描。个基于密度的聚类算法来过滤聚集数据扫描。

【技术实现步骤摘要】
用于自主车辆的雷达点云的检测点的过滤和聚集


[0001]本公开涉及一种用于过滤和聚集由安装到自主车辆的雷达传感器获得的雷达点云的检测点的系统和方法。

技术介绍

[0002]自主车辆可以使用各种车载技术和传感器在有限或没有人工干预的情况下从起点行驶到预定目的地。自主车辆包括多种自主传感器，诸如，但不限于，摄像机、雷达、激光雷达、全球定位系统(GPS)和惯性测量单元(IMU)，用于检测车辆的外部环境和状态。然而，如果当自主车辆进行修理、遭受事故或者在行驶中经历显著的坑洼或障碍物时摄像机或雷达从其安装位置移开，那么需要重新校准摄像机或雷达传感器，这是一个手动且通常较麻烦的过程。此外，如果自主车辆经历车轮定位，那么摄像机和雷达也需要重新校准。这是因为车辆的车轮决定了行驶方向，从而影响摄像机和雷达的瞄准。
[0003]毫米波(mmWave)雷达是一种可以与自主车辆一起使用的特定技术。例如，毫米波雷达可用于警告前向碰撞和后向碰撞，实现自适应巡航控制和自主停车，以及在街道和高速公路上进行自主驾驶。应当了解，毫米波雷达比其他传感器系统具有优势，因为毫米波雷达可以在大多数类型的天气下以及在亮和暗的情况下工作。毫米波雷达可以测量移动物体的距离、角度和多普勒(径向速度)。雷达点云可以基于由毫米波雷达基于各种聚类和跟踪算法收集的数据来确定，其可以用于确定物体的位置、速度和轨迹。然而，基于由毫米波雷达(特别是基于低成本信号片上系统(SoC)的毫米波雷达)收集的数据的雷达点云可能太嘈杂和稀疏而不能用于动态校准目的所需的稳健且精确的姿态估计。
[0004]因此，尽管当前用于自主车辆的姿态估计方法实现了它们的预期目的，但是在本领域中仍需要过滤和聚集雷达点云以改进用于车辆中对准目的的姿态估计。

技术实现思路

[0005]根据几个方面，公开了一种用于自主车辆的扫描聚集器和过滤器。扫描聚集器和过滤器包括安装到自主车辆的多个雷达传感器。每个单独雷达传感器都执行对周围环境的多次单独扫描以获得呈包括多个检测点的雷达点云形式的数据。扫描聚集器和过滤器还包括与多个雷达传感器电子通信的自动驾驶控制器。自动驾驶控制器被指示过滤单独扫描中的每一个以定义感兴趣的空间区域。自动驾驶控制器被指示基于第一外点稳健模型估计算法过滤单独扫描中的每一个以移除表示移动物体的雷达点云的检测点。自动驾驶控制器被指示基于运动补偿聚集技术将预定义数量的单独扫描聚集在一起以创建聚集数据扫描。最后，自动驾驶控制器被指示应用多个基于密度的聚类算法来过滤聚集数据扫描以确定经过滤的聚集数据扫描。
[0006]在另一方面，自动驾驶控制器执行指令以基于雷达横截面值过滤单独扫描中的每一个，其中，保留表示阈值大小的目标物体的雷达点云的多个检测点。
[0007]在又一方面，自动驾驶控制器执行指令以基于第二外点稳健模型估计算法过滤经
过滤的聚集数据扫描以确定聚集的过滤数据点云。
[0008]在再一方面，第一外点稳健模型估计算法是随机样本一致性(RANSAC)算法或最大似然估计样本(MLESAC)算法。
[0009]在另一方面，单独扫描的预定义数量取决于雷达传感器的采样率。
[0010]在又一方面，单独扫描的预定义数量大于或等于三。
[0011]在再一方面，运动补偿扫描聚集技术是运动补偿RANSAC技术。
[0012]在另一方面，其中，多个基于密度的聚类算法包括基于雷达横截面值过滤聚集数据扫描。
[0013]在又一方面，多个基于密度的聚类算法包括基于与相应相邻检测点的距离过滤聚集数据扫描。
[0014]在再一方面，多个基于密度的聚类算法是基于密度的带噪声应用空间聚类(DBSCAN)。
[0015]在另一方面，由多个雷达传感器获得的单独扫描被表达为球面坐标。
[0016]在又一方面，自动驾驶控制器执行指令以将单独扫描的球面坐标转换成笛卡尔坐标，其中，以笛卡尔坐标表达的单独扫描随后被过滤以定义感兴趣的空间区域。
[0017]在再一方面，多个雷达传感器包括毫米波(mmWave)雷达传感器。
[0018]在一个方面，公开了一种过滤和聚集由安装到自主车辆的雷达传感器获得的雷达点云的检测点的方法。方法包括过滤由雷达传感器获得的周围环境的多个单独扫描以定义感兴趣的空间区域，其中，单独扫描包括呈包括多个检测点的雷达点云形式的数据。方法包括基于第一外点稳健模型估计算法过滤单独扫描中的每一个以移除表示移动物体的雷达点云的检测点。方法还包括基于运动补偿聚集技术将预定义数量的单独扫描聚集在一起以创建聚集数据扫描。最后，方法包括应用多个基于密度的聚类算法来过滤聚集数据扫描以确定经过滤的聚集数据扫描。
[0019]在另一方面，所述方法包括基于雷达横截面值过滤每个单独扫描，其中保留表示阈值大小的目标物体的雷达点云的多个检测点。
[0020]在又一方面，方法包括基于第二外点稳健模型估计算法过滤经过滤的聚集数据扫描以确定聚集的过滤数据点云。
[0021]在再一方面，由雷达传感器获得的单独扫描被表达为球面坐标。
[0022]在另一方面，所述方法包括将单独扫描的球面坐标转换成笛卡尔坐标，其中，以笛卡尔坐标表达的单独扫描随后被过滤以定义感兴趣的空间区域。
[0023]在一个方面，公开了一种用于自主车辆的扫描聚集器和过滤器。扫描聚集器和过滤器包括安装到自主车辆的多个雷达传感器，其中，每个雷达传感器执行对周围环境的多次单独扫描以获得呈包括多个检测点的雷达点云形式的数据。扫描聚集器和过滤器包括与多个雷达传感器电子通信的自动驾驶控制器。自动驾驶控制器被指示过滤单独扫描中的每一个以定义感兴趣的空间区域。自动驾驶控制器被指示基于雷达横截面值过滤单独扫描中的每一个，其中，保留表示阈值大小的目标物体的雷达点云的多个检测点。自动驾驶控制器被指示基于第一外点稳健模型估计算法过滤单独扫描中的每一个以移除表示移动物体的雷达点云的检测点。自动驾驶控制器被指示基于运动补偿聚集技术将预定义数量的单独扫描聚集在一起以创建聚集数据扫描。自动驾驶控制器被指示应用多个基于密度的聚类算法
来过滤聚集数据扫描以确定经过滤的聚集数据扫描。最后，自动驾驶控制器被指示基于第二外点稳健模型估计算法过滤经过滤的聚集数据扫描以确定聚集的过滤数据点云。
[0024]在一个方面，由多个雷达传感器获得的单独扫描被表达为球面坐标，并且自动驾驶控制器执行指令以将单独扫描的球面坐标转换成笛卡尔坐标。然后过滤以笛卡尔坐标表达的单独扫描以定义感兴趣的空间区域。
[0025]从本文提供的描述中，进一步的应用领域将变得显而易见。应当理解，描述和具体示例仅用于说明的目的，并不旨在限制本公开的范围。
附图说明
[0026]本文描述的附图仅用于说明目的，并不旨在以任何方式限制本公开的范围。
[0027]图1是根据示例性实施例的包括多个雷达传感器和自动驾驶控制器的自主车辆的示意图，其中，自动驾驶控制器包括用于确定校准坐标的姿态估计管道；...

【技术保护点】

【技术特征摘要】
1.一种用于自主车辆的扫描聚集器和过滤器，所述扫描聚集器和过滤器包括：安装到所述自主车辆的多个雷达传感器，其中，每个单独雷达传感器都执行对周围环境的多次单独扫描以获得呈包括多个检测点的雷达点云形式的数据；以及与所述多个雷达传感器电子通信的自动驾驶控制器，其中，所述自动驾驶控制器被指示以：过滤所述单独扫描中的每一个以定义感兴趣的空间区域；基于第一外点稳健模型估计算法过滤所述单独扫描中的每一个以移除表示移动物体的所述雷达点云的检测点；基于运动补偿聚集技术将预定义数量的单独扫描聚集在一起以创建聚集数据扫描；以及应用多个基于密度的聚类算法来过滤所述聚集数据扫描以确定过滤的聚集数据扫描。2.根据权利要求1所述的扫描聚集器和过滤器，其中，所述自动驾驶控制器执行指令以：基于雷达横截面值过滤所述单独扫描中的每一个，其中，保留表示阈值大小的目标物体的所述雷达点云的多个检测点。3.根据权利要求1所述的扫描聚集器和过滤器，其中，所述自动驾驶控制器执行指令以：基于第二外点稳健模型估计算法过滤所...

【专利技术属性】
技术研发人员：K，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：