同步定位与地图构建中路边辅助传感器偏差校正方法技术

本发明专利技术公开了一种在同步定位与地图构建

【技术实现步骤摘要】
【国外来华专利技术】同步定位与地图构建中路边辅助传感器偏差校正方法


[0001]本专利技术涉及
V2X
通信技术，本专利技术特别涉及一种在同步定位和地图构建
(SLAM)
中的路边辅助车辆传感器偏差校正的方法，包括但不限于
SLAM
环境中移动物体的位置和
/
或偏差校正的方法，和
/
或
SLAM
环境中自动驾驶车辆
(autonomous vehicle
，
AV)
的位置和
/
或偏差校正的方法
。

技术介绍

[0002]自动驾驶汽车
(AV)
是一种通过自动执行部分驾驶任务来辅助或替代人类驾驶员的车辆
。
传统车辆通常只使用从车载模块
(
例如视觉传感器
)
获取的实时数据来确定或检测道路上的潜在威胁，与此相反，
AV
利用车联网
(Vehicle
‑
to
‑
Everything
，
V2X)
通信协议
(
一种车辆通信协议
)
，将信息从车辆传递到可能影响车辆的任何实体，反之亦然
。V2X
协议通过实现车载数据处理单元与路边基础设施之间的通信信息和
/
或数据交换，为道路安全
、
管理和
/
或威胁确定提供帮助
。V2X
系统还包含其他更具体的通信类型，包括但不限于车辆到基础设施
(Vehicle
‑
to
‑
Infrastructure
，
V2I)、
车辆到车辆
(Vehicle
‑
to
‑
Vehicle
，
V2V)、
车辆到行人
(Vehicle
‑
to
‑
Pedestrian
，
V2P)、
车辆到设备
(Vehicle
‑
to
‑
Device,V2D)
和车辆到电网
(Vehicle
‑
to
‑
Grid,V2G)
等
。
[0003]通常，
AV
配备有收集点云的传感器；一个点云包括三维空间的各个数据点的集合，每个数据点都分配有一组
X、Y
和
Z
轴的坐标
。
点云数据在
AV
的目标检测
、
路径规划和车辆控制中特别有用
。
同样，路边单元
(road
‑
side unit
，
RSU)
，如路边传感器或其他连接设备，也能够收集点云，然后通过蜂窝车联网
(Cellular
‑
Vehicle
‑
to
‑
Everything
，
C
‑
V2X)
通道将点云数据传输到边缘服务器等
。
[0004]在传统的自动驾驶
SLAM
架构中，通过检查
AV
是否重访了某个地方，利用闭环来减少累积错误
。
当发现环路
(
即重访位置
)
时，位置相同情况
(location
‑
equality condition)
会添加到后端捆集调整
(bundle adjustment
，
BA)
中，
BA
会对
AV
点云数据的所有历史关键帧执行约束全局优化，以最小化
AV
当前轨迹中的累积误差
。
[0005]在
SLAM
过程中，误差积累是不可避免的
。
长期的误差积累会导致结果不可靠，这意味着很难建立全局一致的车辆轨迹和地图
。
因此，在自动驾驶中，闭环检测
(
也称为环路检测
)
被广泛用于解决这一问题
。
使用闭环检测，可以修正先前的后端优化轨迹，减少或消除累积错误
。
闭环检测对于提高整个
SLAM
系统的准确性和鲁棒性非常重要
。
[0006]传统的闭环检测高度依赖于从点云数据中选择一个或多个关键帧来计算帧之间的相似度，以判断这些帧是否与同一位置相关
。
此外，闭环检测要求
AV
必须到达同一位置，以便产生闭环
。
然而，在室外环境下，
AV
可能需要很长时间才能回到同一位置，这意味着闭环频率的偏差校正太慢，无法及时校正累积误差
。
因此，闭环检测的效率不足以满足这一需求
。
此外，关键帧的比较并非始终使用精确的世界坐标系进行，这可能导致错误的帧匹配，从而无法消除
AV
与世界坐标系的偏差
。
[0007]需要开发一种无需闭环检测就能纠正
AV
位姿估计累积误差的方法
。
专利技术目的
[0008]本专利技术的一个目的是在一定程度上减轻或避免与已知的用于校正
SLAM
环境中
AV
位姿的累积误差的系统和方法有关的一个或多个问题
。
[0009]本专利技术的另一个目的是提供一种用于
SLAM
环境中移动物体的位置和
/
或偏差校正的改进方法
。
[0010]本专利技术的又一目的是提供一种用于
SLAM
环境中自动驾驶车辆
(AV)
的位置和
/
或偏差校正的改进方法
。
[0011]本专利技术的再一个目的是提供一种用于
SLAM
中路边辅助车辆传感器偏差校正的改进方法
。
[0012]上述目的是通过主权利要求的特征组合来实现的；从属权利要求公开了本专利技术的进一步有利实施例
。
[0013]本领域技术人员将从以下描述中得出本专利技术的其他目的
。
因此，上述目的陈述并非详尽无遗，只是为了说明本专利技术多个目的中的一些目的
。

技术实现思路

[0014]在第一主要方面，本专利技术提供了一种在同步定位和地图构建
(SLAM)
环境中对移动物体进行位置和
/
或偏差校正的方法
。
该方法包括：在移动物体处，从位于固定位置处的传感器接收与移动物体相关区域的点云数据
。
移动物体的处理器执行以本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种在同步定位与地图构建
(SLAM)
环境中对移动物体进行位置和
/
或偏差校正的方法，该方法包括以下步骤：在所述移动物体处，从位于固定位置的传感器接收与所述移动物体相关区域的点云数据；和在所述移动物体的处理器处，执行以下步骤：将所接收到的点云数据转换到所述移动物体的坐标系；将转换后的点云数据与由所述移动物体的传感器生成的与所述移动物体相关区域的点云数据进行匹配；和使用所匹配的点云数据来确定所述移动物体在选定坐标系内的校正位置和
/
或偏差
。2.
根据权利要求1所述的方法，其中所述
SLAM
环境包括道路系统，所述移动物体包括在所述道路系统周围导航的自动驾驶车辆
(AV)
，所述处理器构成所述
AV
的车载单元
(OBU)
的一部分，所述移动物体的传感器包括所述
AV
的光探测和测距
(LiDAR)
传感器，与所述移动物体相关的区域包括所述
AV
的
LiDAR
传感器的视场
(FOV)
，位于固定位置的传感器包括路边单元
(RSU)LiDAR
传感器，所选的坐标系包括世界坐标系
。3.
根据权利要求2所述的方法，其中在所述
AV
的
OBU
处从所述
RSU
接收的点云数据包括由所述
AV
的
LiDAR
传感器生成的点云数据中的任何盲点的点云数据
。4.
根据权利要求2所述的方法，其中在所述
AV
的
OBU
处从所述
RSU
接收的点云数据包括由针对包括所述
AV
的
LiDAR
传感器
FOV
的区域的多个
RSU LiDAR
传感器之一生成的点云数据的子集
。5.
根据权利要求4所述的方法，其中在所述
AV
的
OBU
处从所述
RSU
接收点云数据的步骤包括以下步骤：所述
RSU
广播通知信息，告知可以向所述
RSU
覆盖区域内的
AV
提供点云数据；在接收到该通知时，所述
AV
的
OBU
向所述
RSU
发送请求，请求所述点云数据，所述请求包括定义所述
AV
的
LiDAR
传感器
FOV
的数据；在接收到包括定义所述
AV
的
LiDAR
传感器
FOV
的数据的请求时，所述
RSU
选择由多个
RSU LiDAR
传感器之一生成的点云数据的子集，所述点云数据的子集包括位于所述
AV
的
LiDAR
传感器
FOV
中的点；将点所述云数据子集发送到所述
AV
的
OBU。6.
根据权利要求5所述的方法，其中所述
RSU
在接收到包括定义所述
AV
的
LiDAR
传感器
FOV
的数据的请求并选择由多个
RSU LiDAR
传感器之一生成的点云数据的子集时，所述
RSU
直接使用所述
AV
的
LiDAR
传感器
FOV
在所述
AV
坐标系中的位置，并执行以下步骤：将所述
AV
的
LiDAR
传感器
FOV
的边界线计算为一个或多个线公式，以定义由多个
RSU LiDAR
传感器之一生成的点云数据的范围模型；迭代由所述范围模型定义的点云数据中的所有点，以确定或计算相对于世界坐标系的偏差；以及确定满足偏差阈值的所有点，所述满足偏差阈值的点包括由所述
RSU
发送到所述
AV
的
OBU
的点云数据的子集
。7.
根据权利要求5所述的方法，其中，在接收到所述点云数据的子集时，所述
AV
的
OBU
将所述点云数据的子集转换到包含参考帧
(“R
帧”)
的所述
AV
的坐标系
。8.
根据权利要求7所述的方法，其中，所述
AV
的
OBU
选择由所述
AV
的
LiDAR
传感器生成的
点云数据的一帧
(“F
帧”)
，并通过以下方式比较所述
F
帧和所述
R
帧：使用扫描上下文算法将包含所述
F
帧的点云数据和包含所述
R
帧的点云数据编码为各自的扫描上下文描述符；以及确定或计算所述
F
帧和所述
R
帧的相应扫描上下文描述符之间的相似度分数
。9.
根据权利要求8所述的方法，其中，所选择的
F
帧包括由所述
AV
的
LiDAR
传感器生成的点云数据的当前帧
。10.
根据权利要求8所述的方法，其中，如果所述相似度分数满足接受阈值，则该方法包括：在所述
F
帧和所述
R
帧各自的点云数据之间进行配准，得到转换矩阵
T
，该转换矩阵
T
包括旋转矩阵
R
和平移向量
t
，所述平移向量
t
将所述
R
帧点云数据平移到所述
F
帧点云数据，以提供所述
AV
的点云数据匹配帧，其包括由所述
AV
的
LiDAR<...

【专利技术属性】
技术研发人员：闫嘉欣，朱星华，陈航，冯佳时，阿尔帕米斯，
申请(专利权)人：香港应用科技研究院有限公司，
类型：发明
国别省市：