使用激光雷达点云用以超声波传感器(USS)读数增强的系统和方法。这提供了降噪功能并且能够生成2D环境图。更具体地，本公开提供了使用USS用以生成增强的环境地图的系统和方法，并且使用激光雷达点云来增强地图。使用激光雷达点云具有优势，因为激光雷达点云是准确的，并且因此可为训练等提供准确的标签。并且因此可为训练等提供准确的标签。并且因此可为训练等提供准确的标签。
【技术实现步骤摘要】
使用激光雷达点云用以超声波传感器增强的系统和方法
[0001]相关申请的交叉引用
[0002]本公开要求于2021年11月10日提交的题为“SYSTEM AND METHOD FOR ULTRASONIC SENSOR ENHANCEMENT USING LIDAR POINT CLOUD”的共同未决美国临时专利申请No.63/277,678的优先权，其内容通过引用全部并入本文。
[0003]本公开总体上涉及汽车领域。更具体地，本公开涉及使用激光雷达点云用以超声波传感器增强的系统和方法。
技术介绍
[0004]一般，超声波传感器(USS)读数有噪声并且分辨率低。它们是一维的(1D)并且不能描述环境中的小结构。由于来自USS的读数是距离，直接使用它们不会提供环境的地图，并且无法获得点位置。本背景提供可在其中实施本公开的概念和原理的说明性汽车语境。对于本领域的普通技术人员来说，本公开的概念和原理可同样地在其他语境中实施将是十分明显的。
技术实现思路
[0005]本公开提供了使用激光雷达点云用以USS读数增强的系统和方法。这提供了降噪并使得二维(2D)环境地图的生成变为可能。更具体地，本公开提供了使用USSs用以生成增强的环境地图的系统和方法，并且使用激光雷达点云来增强地图。使用激光雷达点云具有优势，因为激光雷达点云是准确的，并且因此可为训练等提供准确的标签。
[0006]在一个说明性实施方式中，本公开提供了使用激光雷达点云用以超声波传感器增强读数的方法，该方法包括：使用超声波传感器，接收超声波传感器时间特征；将超声波传感器时间特征输入到自动编码器系统内，该自动编码器系统包括存储在内存中并由处理器实行的指令；其中，使用先前输入的超声波传感器时间特征和从激光雷达系统接收的对应的先前输入的激光雷达特征标签，训练自动编码器系统；以及，使用训练的自动编码器系统，输出增强的超声波传感器环境映射。超声波传感器时间特征包括具有相对较多噪声的1D环境图，并且增强的超声波传感器环境映射包括具有相对较少噪声的2D环境图。通过以下方式形成先前输入的超声波传感器时间特征：使用跨N帧的惯性测量单元数据和运动学自行车模型执行超声波传感器数据特征提取以生成自主车辆轨迹，并且对于自主车辆轨迹中的每个位置，基于偏航角和每个超声波传感器读数计算环境中的反射点，从而为自主车辆轨迹提供一个跨N帧的环境映射。数据特征提取还包括，对于基于超声波传感器的视场的轨迹切割，使用来自一个超声波传感器的环境映射，以及来自激光雷达系统的相同映射。先前输入的激光雷达特征标签通过以下形成：通过按高度和按超声波传感器的视场过滤激光雷达点，执行激光雷达点云特征生成。激光雷达点云特征生成还包括：通过将超声波传感器的视场分割成以超声波传感器为中心的角度，并且在每个角度内选择恒定数量的最靠近自
主车辆(ego vehicle)的激光雷达点，以找到最靠近自主车辆的激光雷达点，其中，丢弃选择的点的第三维，从而提供具有与输入的超声波传感器时间特征相匹配的选择的点的总数的激光雷达特征。该方法还包括，在车辆控制系统处，接收输出的增强超声波传感器环境映射并且基于输出的增强超声波传感器环境映射来指导车辆的操作。
[0007]在另一说明性实施方式中，本公开提供了非暂时性计算机可读介质，包括存储在内存中并由处理器执行以实现使用激光雷达点云用以超声波传感器增强读数的步骤的指令，该步骤包括：使用超声波传感器，接收超声波传感器时间特征；将超声波传感器时间特征输入到自动编码器系统内，该自动编码器系统包括存储在内存中并由处理器实行的指令；其中，使用先前输入的超声波传感器时间特征和从激光雷达系统接收的对应的先前输入的激光雷达特征标签，训练自动编码器系统；以及，使用训练的自动编码器系统，输出增强的超声波传感器环境映射。超声波传感器时间特征包括具有相对较多噪声的1D环境图，并且增强的超声波传感器环境映射包括具有相对较少噪声的2D环境图。通过以下方式形成先前输入的超声波传感器时间特征：使用跨N帧的惯性测量单元数据和运动学自行车模型执行超声波传感器数据特征提取以生成自主车辆轨迹，并且对于自主车辆轨迹中的每个位置，基于偏航角和每个超声波传感器读数计算环境中的反射点，从而为自主车辆轨迹提供一个跨N帧的环境映射。数据特征提取还包括，对于基于超声波传感器的视场的轨迹切割，使用来自一个超声波传感器的环境映射，以及来自激光雷达系统的相同映射。先前输入的激光雷达特征标签通过以下形成：通过按高度和按超声波传感器的视场过滤激光雷达点，执行激光雷达点云特征生成。激光雷达点云特征生成还包括：通过将超声波传感器的视场分割成以超声波传感器为中心的角度，并且在每个角度内选择恒定数量的最靠近自主车辆的激光雷达点，以找到最靠近自主车辆的激光雷达点，其中，丢弃选择的点的第三维，从而提供具有与输入的超声波传感器时间特征相匹配的选择的点的总数的激光雷达特征。
[0008]在又一说明性实施方式中，本公开提供了使用激光雷达点云用以超声波传感器增强读数的系统，该系统包括：超声波传感器，该超声波传感器可操作用于生成超声波传感器时间特征；以及自动编码器系统，包括：存储在内存中并由处理器执行的指令，该自动编码器系统可操作用于接收来自超声波传感器的超声波传感器时间特征并输出增强的超声波传感器环境映射；其中，使用先前输入的超声波传感器时间特征和由激光雷达系统生成的对应的先前输入的激光雷达特征标签来训练该自动编码器系统。超声波传感器时间特征包括具有相对较多噪声的1D环境图，并且增强的超声波传感器环境映射包括具有相对较少噪声的2D环境图。通过以下方式形成先前输入的超声波传感器时间特征：使用跨N帧的惯性测量单元数据和运动学自行车模型执行超声波传感器数据特征提取以生成自主车辆轨迹，并且对于自主车辆轨迹中的每个位置，基于偏航角和每个超声波传感器读数计算环境中的反射点，从而为自主车辆轨迹提供一个跨N帧的环境映射。数据特征提取还包括，对于基于超声波传感器的视场的轨迹切割，使用来自一个超声波传感器的环境映射，以及来自激光雷达系统的相同映射。先前输入的激光雷达特征标签通过以下形成：通过按高度和按超声波传感器的视场过滤激光雷达点，执行激光雷达点云特征生成。激光雷达点云特征生成还包括：通过将超声波传感器的视场分割成以超声波传感器为中心的角度，并且在每个角度内选择恒定数量的最靠近自主车辆的激光雷达点，以找到最靠近自主车辆的激光雷达点，其中，丢弃选择的点的第三维，从而提供具有与输入的超声波传感器时间特征相匹配的选择
的点的总数的激光雷达特征。该系统还包括车辆控制系统，该车辆控制系统可操作用于接收输出的增强超声波传感器环境映射并且基于输出的增强超声波传感器环境映射来指导车辆的操作。
附图说明
[0009]本公开在本文中参照各附图进行说明和描述，其中：
[0010]图1是本公开的USS激光雷达点云增强系统和方法的一个说明性实施方式的示意图；
[0011]图2是本公开的USS激光雷达点云增强系统和方法的一个说明性实施方式的另一示意图；
...
【技术保护点】
【技术特征摘要】
1.使用激光雷达点云用以超声波传感器读数增强的方法，所述方法包括：使用超声波传感器，接收超声波传感器时间特征；将超声波传感器时间特征输入到自动编码器系统内，所述自动编码器系统包括存储在内存中并由处理器执行的指令；其中，使用先前输入的超声波传感器时间特征和从激光雷达系统接收的对应的先前输入的激光雷达特征标签，训练自动编码器系统；以及使用经过训练的自动编码器系统，输出增强的超声波传感器环境映射。2.根据权利要求1所述的方法，其中，超声波传感器时间特征包括具有相对较多噪声的1D环境图，并且增强的超声波传感器环境映射包括具有相对较少噪声的2D环境图。3.根据权利要求1所述的方法，其中，通过以下方式形成先前输入的超声波传感器时间特征：使用跨N帧的惯性测量单元数据和运动学自行车模型执行超声波传感器数据特征提取以生成自主车辆轨迹，并且对于自主车辆轨迹中的每个位置，基于偏航角和每个超声波传感器读数计算环境中的反射点，从而为自主车辆轨迹提供一个跨N帧的环境映射。4.根据权利要求3所述的方法，其中，数据特征提取还包括：对于基于超声波传感器的视场的轨迹切割，使用来自一个超声波传感器的环境映射，以及来自激光雷达系统的相同映射。5.根据权利要求1所述的方法，其中，先前输入的激光雷达特征标签通过以下形成：通过按高度和按超声波传感器的视场过滤激光雷达点，执行激光雷达点云特征生成。6.根据权利要求5所述的方法，其中，激光雷达点云特征生成还包括：通过将超声波传感器的视场分割成以超声波传感器为中心的角度，并且在每个角度内选择恒定数量的最靠近自主车辆的激光雷达点，找到最靠近自主车辆的激光雷达点，其中，丢弃选择的点的第三维，从而提供具有与输入的超声波传感器时间特征相匹配的选择的点的总数的激光雷达特征。7.根据权利要求1所述的方法，还包括，在车辆控制系统处，接收输出的增强超声波传感器环境映射并且基于输出的增强超声波传感器环境映射来指导车辆的操作。8.非暂时性计算机可读介质，包括：存储在内存中并由处理器执行以实现使用激光雷达点云用于超声波传感器读数增强的步骤的指令，所述步骤包括：使用超声波传感器，接收超声波传感器时间特征；将超声波传感器时间特征输入到自动编码器系统内，所述自动编码器系统包括存储在内存中并由处理器执行的指令；其中，使用先前输入的超声波传感器时间特征和从激光雷达系统接收的对应的先前输入的激光雷达特征标签，训练自动编码器系统；以及使用经过训练的自动编码器系统，输出增强的超声波传感器环境映射。9.根据权利要求8所述的非暂时性计算机可读介质，其中，超声波传感器时间特征包括：具有相对较多噪声的1D环境图，并且增强的超声波传感器环境映射包括具有相对较少噪声的2D环境图。10.根据权利要求8所述的非暂时性计算机可读介质，其中，通过以下方式形成先前输入的超声波传感器时间特征：使用跨N帧的惯性测量单元数据和运动学自行车模型执行超声波传感器数据特征提取以生成自主车辆轨迹，并且对于自主车辆轨迹中的每个位置，基
【专利技术属性】
技术研发人员：Y，
申请(专利权)人：沃尔沃汽车公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。