CN101292244A - 视觉辅助系统和引导车辆的方法 - Google Patents

Abstract

一种引导车辆的方法和系统，包括为车辆收集位置数据的位置确定接收机(28)。视觉模块(22)为车辆收集视觉数据。位置质量估计器(24)在评价时间窗期间为位置数据估计位置质量数据。视觉模块(22)在评价时间窗期间为视觉数据估计视觉质量数据。监控器模块(10)基于所述质量数据选择用于视觉数据和位置数据(或者与其相关联的误差信号)的混合比。

Description

视觉辅助系统和引导车辆的方法

技术领域

本发明涉及一种视觉辅助系统和引导车辆的方法。

背景技术

全球定位系统(GPS)接收机已经被用于为车辆引导应用提供位置数据。然而，尽管具有差分校正的某些GPS接收机可以在大多数操作时间内具有大约10厘米(4英寸)的总体定位误差，但是，对于它们百分之五的操作时间来说，大于50厘米(20英寸)的绝对定位误差是典型的。并且，GPS信号会被建筑物、树木或其他障碍物阻挡，这使得只有GPS的导航系统在某些位置或环境中是不可靠的。因此，需要用一个或更多的附加传感器来补充或增强基于GPS的导航系统，以便提高精确度和健壮性。

发明内容

一种引导车辆的方法和系统包括为车辆收集位置数据的位置模块(例如，位置确定接收机)。视觉模块为车辆收集视觉数据。位置质量估计器为在评价时间窗期间所收集的相应位置数据估计位置质量数据。视觉模块为在评价时间窗期间所收集的相应视觉数据估计视觉质量数据。监控器模块基于针对评价时间窗或拖尾评价时间窗的应用间隔的质量数据，选择用于视觉数据和位置数据(或者与其相关联的误差信号)的混合比。

附图说明

图1是根据本发明基于位置数据和视觉数据来引导车辆的系统的框图。

图2是根据本发明基于位置数据和视觉数据来引导车辆的方法的流程图。

图3是根据本发明为车辆引导确定位置数据和视觉数据的相对贡献(例如，权重)的方法的流程图。

图4是根据本发明为车辆引导确定位置数据和视觉数据的相对贡献(例如，权重)的另一方法的流程图。

图5是根据本发明基于位置数据和视觉数据来生成控制信号(例如，误差信号)的方法的流程图。

图6是根据本发明生成控制信号(例如，误差信号)和曲率的方法的流程图。

图7是本发明系统和方法的模糊逻辑方面的流程图。

图8A和图8B是将视觉数据质量和位置数据质量作为输入，将混合比作为输出，以便为车辆引导确定位置数据贡献(例如，位置数据权重)和视觉数据贡献(例如，视觉数据权重)的图。

图9是视觉质量数据和位置质量数据的模糊成员函数的曲线图。

图10是由位置确定接收机确定的曲率的模糊成员函数的曲线图。

图11是与解模糊过程相关联的每个混合比的明确值(crispvalue)的曲线图。

图12是解释了诸如差分全球定位系统(GPS)信号的位置数据的静态定位误差的图。

图13是解释了诸如差分全球定位系统(GPS)信号的位置数据在被诸如根据本发明视觉模块的另一个传感器“调节(tuning)”之后的定位误差的图。

图14是解释了为引导系统选择引导模式的流程图，该引导系统包括视觉模块和位置确定模块。

优选实施方式的描述

图1是用于引导车辆的引导系统11的框图。引导系统11可被安放在车辆或移动式遥控装置(mobile robot)上或配备有车辆或移动式遥控装置。引导系统11包括视觉模块22以及与监控器模块10通信的位置模块26。

视觉模块22可以与视觉质量估计器20相关联。位置模块26可以与位置质量估计器24相关联。监控器模块10可以与数据存储设备16、车辆控制器25通信，或者与它们一起通信。依次地，车辆控制器25与操纵系统27相耦合。

位置模块26包括位置确定接收机28和曲率计算器30。位置确定接收机28可以包括具有差分校正的全球定位系统(GPS)接收机。位置确定接收机提供车辆的位置数据(例如，坐标)。曲率计算器30估计弯曲的车辆路径或计划的车辆路径的曲率或“锐度”。曲率就是到路径上任意两个参考点(例如，相邻的点)之间的车辆路径的正切角的变化率。位置模块26可以向至少监控器模块10或位置质量估计器24指示一个或多个如下的情况或状态(例如，借助状态信号)：(1)位置模块26失效的位置，(2)对于一个或更多相应的评价间隔，位置数据不能得到或者被破坏的位置，以及(3)对于一个或更多评价间隔，位置数据的估计精度或可靠性下降到最小阈值以下的位置。位置模块26或位置确定接收机28为非常适用于全球导航或全球路径规划的车辆提供位置数据。

在一个说明性实施例中，位置模块26以下列格式输出位置数据：

$y_{\mathrm{gps}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{gps}}\\ E_{\mathrm{head}\_\mathrm{gps}}\\ {\mathrm{\ρ}}_{\mathrm{gps}}\end{array}\right],$ 其中E_{off_gps}是由位置模块26(例如，位置确定接收机28)估计的离轨误差(off-track error)，E_{head_gps}是由位置模块26估计的航向误差(heading error)，而ρ_gps是由位置模块26估计的曲率半径。曲率不代表误差估计，没有与这里所用的曲率半径相关联的曲率质量；但是，曲率例如是可被用于选择适当的引导模式或引导规则的参数。

视觉模块22可以包括图像收集系统和图像处理系统。图像收集系统可以包括一个或更多如下部分：(1)一个或更多用于收集一组图像(例如，利用不同的聚焦设置或透镜调节的相同场景的多幅图像，或者对于不同视场(FOV)的多幅图像)的单目成像系统；(2)用于确定与场景中目标上的点相关联的深度信息或三维坐标的立体视觉系统(例如，由已知距离和方位分离的两个数字成像单元)；(3)用于确定场景中目标上的点的距离测量或三维坐标的测距仪(例如，激光测距仪)；(4)用于检测场景中目标的速度、高度方向或距离的激光系统或激光雷达系统；(5)扫描激光系统(例如，基于脉冲的发射与对其反射的接收之间的传播时间，发射光脉冲并估计激光测量系统与目标之间距离的激光测量系统)，用于确定到场景中目标的距离；以及(6)用于借助光学微机电系统(MEMS)、自由空间光学MEMS或集成的光学MEMS来收集图像的成像系统。自由空间光学MEMS利用化合物半导体以及具有距离指数或折射率的材料来处理可见光、红外线或紫外线，而集成的光学MEMS利用多晶硅成分来反射、衍射、调制或处理可见光、红外线或紫外线。MEMS可被构造可根据各种半导体加工工艺加工的开关矩阵、透镜、镜面和衍射光栅。由图像处理系统收集的图像可以例如是彩色的、单色的、黑白的或灰度图像。

视觉模块22可以支持对应于图像中目标特征的位置的位置数据(以二维或三维坐标形式)的收集。视觉模块22非常适用于利用(a)车辆周围环境的特征或局部特征，(b)与这些特征相关联的位置数据或坐标，或两者皆有，以便于车辆的导航。局部特征可以包括一个或更多如下方面：植物行(plant row)位置、围墙位置、建筑物位置、区域边缘位置、边界位置、巨石位置、岩石位置(例如，大于最小阈值尺寸或体积)、土地犁垄和犁沟、树木位置、修剪边缘位置、其他植被(例如，草皮)上的切割边缘以及参考标记。局部特征的位置数据可被用于有规律地(例如，周期性地)调节(例如，校正漂移)来自位置模块26的位置。在一个例子中，参考标记可以与高精度的位置坐标相关联。并且，其他局部特征可以与参考标记位置相关。当前的车辆位置可与参考标记位置或局部特征的固定位置相关。在一个实施例中，视觉模块22可以用与位置模块26的坐标或数据格式相似或基本上等同的坐标或数据格式来表达车辆位置。视觉模块22借助状态或数据消息向至少监控器或视觉质量估计器20指示一个或更多如下内容：(1)视觉模块22失效的位置，(2)在一个或更多评价间隔期间，视觉数据不能得到的位置，(3)视觉数据不稳定或被破坏的位置，以及(4)图像数据遭受到不能满足阈值性能/可靠性水平的精度水平、性能水平或可靠性水平。

在一个例子中，视觉模块22能够以对于大豆来说低至1厘米，对于玉米来说低至2.4厘米的误差来识别植物行位置。

在一个说明性例子中，视觉模块22以如下格式输出视觉数据：

$y_{\mathrm{vision}}=\left[\begin{array}{cc}{E}_{\mathrm{off}\_\mathrm{vision}}& \\ E_{\mathrm{head}\_\mathrm{vision}}& \\ 0& \end{array}\right],$ 其中E_{off_vision}是由视觉模块22估计的离轨误差，而E_{head_vision}是由视觉模块22估计的航向误差。

在另一个说明性例子或可选实施例中，视觉模块22以如下格式输出视觉数据：

$y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\\ {\mathrm{\ρ}}_{\mathrm{vision}}\end{array}\right],$ 其中E_{off_vision}是由视觉模块22估计的离轨误差，E_{head_vision}是由视觉模块22估计的航向误差，而ρ_vision是由视觉模块22估计的曲率半径。

位置质量估计器24可以包括一个或更多如下设备：与位置确定接收机28相关联的信号强度指示器、与位置确定接收机28相关联的误比特率指示器，以及用于测量信号质量、差错率、信号强度或者信号、信道或为了位置确定所发送的码的性能的其他设备。并且，对于基于卫星的位置确定来说，位置质量估计器24可以包括一个设备，用于确定最小数目的具有足够信号质量的卫星信号(例如，在GPS的L1波段上来自四个或更多卫星的信号)是否被位置确定接收机28接收，以便在评价间隔期间为车辆提供可靠的位置数据。

位置质量估计器24估计由位置模块26输出的位置数据的质量或位置质量数据(例如，Q_gps)。位置质量估计器24可以基于由位置确定接收机28接收的每个信号分量的信号强度指标器(或误比特率)来估计位置数据的质量。位置质量估计器24还可以将质量估计基于任意的如下因素之上：(1)在区域中能够得到的卫星信号数目，(2)由位置确定接收机用足够信号质量(例如，信号强度轮廓)获得或接收的卫星数目以及(3)是否每个卫星信号都具有可以接受的信号水平或可以接受的误比特率(BER)或误帧率(FER)。

在一个实施例中，不同的信号强度范围与不同的相应质量水平相关联。例如，最低的信号强度范围与低质量相关联，中间(medium)的信号强度范围与中等(fair)的质量相关联，最高的信号强度范围与最高质量相关联。相反地，最低的误比特率范围与最高的质量相关联，中间的误比特率范围与中等的质量相关联，且最高的误比特率范围与最低的质量水平相关联。换句话说，位置质量数据(例如，Q_gps)可以与语言上的输入值(例如，低、中间和高)相关联。

视觉质量估计器20估计由视觉模块22输出的视觉数据的质量或视觉质量数据(例如，Q_vision)。视觉质量估计器20可以考虑在视觉模块22操作和获得相应图像的一系列时间间隔期间出现的光照度(illumination)。视觉质量估计器20可以包括光电探测器、具有频率选择透镜的光电探测器、一组具有相应频率选择透镜的光电探测器、电荷耦合器件(CCD)、光度计、硫化镉电池等等。并且，视觉质量估计器30包括用于时间标记(time stamp)图像收集次数和相应的光照度测量(例如，图像的光照度值)的时钟或计时器。如果光照度在低强度范围内，则视觉质量对于该时间间隔是低的；如果光照度在中间的强度范围内，则视觉质量对于该时间间隔是高的；如果光照度在高强度范围内，则视觉质量是中等的，对于时间间隔是高还是低取决于被定义在高强度范围内的子范围。换句话说，视觉质量数据(例如，Q_vision)可以与语言上的输入值(例如，低、中间和高)相关联。在一个例子中，前面与质量相对的强度范围可以以光频乘光频或光色为基础。在另一个例子中，相对于质量的强度范围可以不同于可见光的方式被应用于红外线范围的频率和紫外线范围的频率。

视觉质量估计可以与处理图像中的置信测度相关。如果想要的特征(例如，植物行)在一个或更多图像中是明显的，则视觉质量估计器20会为相应图像分配高的图像质量或高的置信水平。相反地，如果想要的特征在一个或更多图像中不明显(例如，由于漏掉修剪行)，则视觉质量估计器20会分配低的图像质量或低的置信水平。在一个例子中，对于假设的偏航/倾斜对(yaw/pitch pair)，置信水平基于每个列向量(例如，视觉模块22的速度向量)平均强度的绝对差分之和(SAD)来确定。偏航可以被定义为视觉模块22在x-y平面中的方位，而倾斜可被定义为视觉模块22在通常与x-y平面正交的x-z平面中的方位。

如果视觉模块22不能定位或参照图像中的参考特征或参考标记，或者没有在阈值最大时间中参照图像中的参考标记，则视觉模块22会警惕视觉质量估计器20，这会通过质量降低指标器来降低视觉数据的质量。

总得来说，监控器模块10包括数据处理器、微控制器、微处理器、数字信号处理器、嵌入式处理器或任意其他的可以用软件指令编程的可编程(例如，现场可编程)设备。在一个实施例中，监控器模块10包括规则管理器12和混合器14。规则管理器12可以应用一种或更多数据混合规则18、数据判决函数、关系或条件(if-then)语句，便于将视觉权重分配给由视觉数据导出的视觉结果，以及将位置权重分配给由相应时间间隔的位置数据导出的位置结果。视觉权重确定来自视觉模块22的视觉数据(例如，y_vision)的贡献所支配的程度。位置权重确定来自位置模块22的位置数据的贡献所支配的程度。混合器14确定位置数据(例如，y_gps)和视觉数据(例如，y_vision)的相对贡献，以便基于视觉权重和位置权重合计误差控制信号(例如，y)。在一个实施例中，混合器14可以包括数字滤波器、数字信号处理器，或者被安排为应用一个或更多如下内容的其他数据处理器：(1)视觉数据权重，(2)位置数据权重，以及(3)评价时间间隔的位置数据和视觉数据相对贡献的混合比表达。

规则管理器12可以应用模糊逻辑算法或其他算法(例如，卡尔曼滤波方法)来获得视觉数据权重和位置数据权重的水平。尽管数据混合规则18可被存储在数据存储设备16中，但是数据混合规则18可以被存储或驻留在监控器模块10中。在一个例子中，视觉数据权重和位置数据权重被表达为混合比。混合比可被定义为标量或多维矩阵。例如，混合比可被定义为如下矩阵：

$\mathrm{\α}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}}\\ {\mathrm{\α}}_{\mathrm{head}}\\ {\mathrm{\α}}_{\mathrm{curv}}\end{array}\right],$ 其中α是合计混合比矩阵，α_off是用于离轨误差数据的混合比，α_head是用于航向误差数据的混合比，且α_curv是用于曲率数据的混合比。

混合器14将规则管理器12提供的视觉权重和位置权重或者混合比(例如，合计混合比(α))应用到混合函数中。混合函数或混合器14的输出是合计误差控制信号(例如，y)：

$y=\left[\begin{array}{c}{E}_{\mathrm{off}}\\ E_{\mathrm{head}}\\ \mathrm{\ρ}\end{array}\right],$ E_off是来自从视觉模块22和位置模块26得到的误差数据的合计的合计离轨误差，E_head是来自从视觉模块22和位置模块26得到的误差数据的合计的合计航向误差，且ρ是曲率半径。合计误差控制信号表示测量的位置数据(由视觉模块22和位置模块所测量的)和车辆的实际位置之间的差(或误差)。这种合计误差控制信号被输入到车辆控制器25，用以导出补偿的控制信号。补偿的控制信号基于合计误差控制信号来校正操纵系统27的管理和控制。操纵系统27可以包括用于与车辆控制器25进行通信的电子接口。在一个实施例中，电子接口包括螺线管控制的液压操纵系统或者用于控制液压机液体的其他机电设备。

在其他实施例中，操纵系统27包括操纵系统单元(SSU)。SSU可以与航向对时间需求相关联，以便操纵或指引车辆沿着期望路线或依照期望的路线规划行驶。航向与航向误差(例如，被表达为实际的航向角与期望的航向角之间的差)相关联。

SSU可以被控制用来补偿由视觉模块22或位置模块26估计的车辆位置中的误差。例如，离轨误差指示或代表车辆的实际位置(例如，以GPS坐标的形式)对车辆的期望位置(例如，以GPS坐标的形式)。离轨误差可被用来与补偿航向一起修正车辆的移动。然而，如果在任意的时间点或时间间隔上都没有离轨误差，则未补偿的航向就足够了。航向误差是实际的车辆航向和由视觉模块22和位置模块26估计的车辆航向之间的差。曲率是航向在期望路径上的变化。曲率数据可由SSU用来控制车辆沿着期望的弯曲路径前进。

图2是利用视觉数据和位置数据来引导车辆的方法的流程图。图2的方法从步骤S100开始。

在步骤S100中，位置模块26或位置确定接收机28为车辆确定与其相关联的位置数据。例如，位置确定接收机28(例如，具有差分校正的GPS接收机)可被用于为一个或更多的评价时间间隔或相应的次数确定车辆坐标。并且，在步骤S100中，位置模块26可以从位置数据确定或导出位置误差信号(例如，y_gps)、由位置导出的曲率(例如，ρ_gps)或者两者皆有。位置误差信号可以表示(1)对于期望的时间，实际的车辆位置与期望的车辆位置之间的差，(2)对于期望的时间或位置，实际的车辆航向与期望的车辆航向之间的差，(3)或者与位置数据相关联的误差的其他表达。位置误差信号可被定义为，但不需要被定义为向量数据。位置导出的曲率可以表示对于给定的时间来说实际的曲率与期望的曲率之间的差，或者与曲率相关联的误差的其他表达。

在步骤S102中，与车辆相关联的视觉模块22为一个或更多所述评价时间间隔或相应的次数确定视觉数据。例如，视觉模块22可以收集图像并处理所收集的图像以确定视觉数据。在一个例子中，视觉数据包括由视觉导出的车辆的位置数据，其是通过参照一个或更多具有相应已知位置的视觉参照标记或特征获得的以便确定车辆的坐标。车辆坐标可根据全球坐标系统或局部坐标系统来确定。并且，在步骤S102中，位置模块26可以由位置数据确定或导出视觉误差信号(例如，y_vision)、由视觉导出的曲率(例如，ρ_vision)，或者两者皆有。视觉误差信号表示(1)对于期望的时间，实际的车辆位置与期望的车辆位置之间的差，(2)对于期望的时间或位置，实际的车辆航向与期望的车辆航向之间的差，(3)或者与视觉数据相关联的误差的其他表达。由视觉导出的曲率可以表示对于给定的时间来说实际的曲率与期望的曲率之间的差，或者与曲率相关联的误差的表达。

在步骤S104中，位置质量估计器24在评价时间窗期间为位置数据估计位置质量数据。步骤S104可以通过交替应用或积累应用的各种技术执行。在第一技术下，位置质量估计器24可以估计或测量信号质量、误差率(例如，误比特率或误帧率)、信号强度水平(例如，以dBm为单位)或其他质量水平。在第二技术下，位置质量估计器24首先估计或测量信号质量、误差率(例如，误比特率或误帧率)、信号强度水平(例如，以dBm为单位)或其他质量水平；然后，位置质量估计器24将信号质量数据分类为范围、语言描述、语言值或其他内容。其中的随后处理(或者随后的方法步骤)涉及模糊逻辑方法的第二技术是有用的。

在步骤S106中，视觉质量估计器20在评价时间窗期间估计视觉质量数据。视觉质量估计器20可以包括光照度或光电检测器以及时间标记光照度测量的时间或时钟，以便基于周围的光线条件来确定质量水平。视觉质量估计器20还可以包括处理图像中的置信或可靠性测度，以便获得期望的特征。处理图像中的置信或可靠性可以取决于任意的下列因素，其中：视觉模块22的技术标准(例如，分辨率)、识别目标(例如，图像中的地标)的可靠性、估计所识别目标或其上的点的位置的可靠性、将图像坐标或局部坐标转换为全局坐标或者在空间上和时间上与从位置模块26得到的位置数据相一致的视觉导出的位置数据的可靠性。

步骤S106可以通过交替应用或积累应用的各种技术执行。在第一技术下，视觉质量估计器20可以以视觉导出的位置数据的精度来估计置信或可靠性。在第二技术下，视觉质量估计器20首先以视觉导出的位置数据的精度来估计置信水平、可靠性水平或其他质量水平；并且，然后，视觉质量估计器20将质量水平转换为相应的语言值。第二技术对于在并发处理中应用模糊逻辑方法是有用的。

在步骤S108中，监控器模块10确定或选择其中一个或更多的如下贡献因素：(1)应用到位置误差信号的位置数据权重，(2)应用到视觉误差信号的视觉数据权重，(3)位置数据权重和视觉数据权重，(4)混合比，(5)离轨混合比、航向混合比以及曲率混合比(6)曲率数据权重，(7)视觉曲率数据权重以及，(8)位置曲率数据权重。位置误差信号可以表示位置数据的导数，而视觉数据权重可以表示视觉数据的导数。混合比为误差控制信号、曲率或这两者定义视觉数据和位置数据的相对贡献。可以明白，混合比可以由一个或更多方程而与视觉数据权重和位置数据权重相关。

步骤S108可以通过交替应用或积累应用的各种技术执行。在用于执行步骤S108的第一技术下，监控器模块10应用一个或多个数据混合规则18来获得位置数据权重和视觉数据权重。

在用于执行步骤S108的第二技术下，监控器模块10应用一个或多个数据混合规则18来获得定义的混合比。

在用于执行步骤S108的第三技术下，监控器将输入集数据作为位置质量数据和视觉质量数据，并将相应的输出集数据作为位置数据权重和视觉数据权重来访问数据存储设备16(例如，查询表、数据库、关系数据库、表格文件)。例如，每个输入集数据与相应唯一的输出集数据相关联。

在用于执行步骤S108的第四技术下，监控器将输入集数据作为位置质量数据和视觉质量数据，并将相应的输出集数据作为混合比来访问数据存储设备16(例如，查询表、数据库、关系数据库、表格文件)。

在用于执行步骤S108的第五技术下，监控器将输入数据集作为位置质量数据和视觉质量数据，并将相应的输出集数据作为位置数据权重和视觉数据权重来访问数据存储设备16。并且，每个输入集数据与相应的语言输入值相关联，每个输出集数据与相应的语言输出值相关联。语言输入和输出值还被称为模糊描述符。

在步骤S110中，监控器模块10或混合器14将在步骤S108中确定的用于定义位置数据和视觉数据(或位置误差数据和由其导出的视觉误差数据)的相对贡献的任意贡献因素应用到误差控制信号、曲率或这两者，以用于车辆的导航。例如，监控器模块10或混合器14将位置数据权重、视觉数据权重以及混合比应用到误差控制信号。位置数据权重基于为相应的位置数据所估计的位置数据质量。视觉数据权重基于为相应的视觉数据所估计的视觉数据质量。

在一个说明性例子中，位置数据权重和视觉数据权重可基于评价时间窗而被导出；位置数据权重和视觉数据权重可以在应用时间窗期间被应用，该应用时间窗滞后于评价时间窗，或者基本上与评价时间窗共同延伸。在该例子中，不考虑评价时间窗和应用时间窗是如何被定义的，在其他例子中，监控器模块10可以向车辆控制器25提供预测控制数据、前馈控制数据或者反馈控制数据。

图3是为车辆的车辆引导确定位置数据和视觉数据的相对贡献的方法流程图。图3的方法可被应用到图2的步骤S108，用于选择适当的位置数据权重和视觉数据权重，还可被应用到步骤S110，以便应用权重来引导车辆。图3的方法从步骤S300开始。

在步骤S300中，监控器模块10或规则管理器12基于与一个或更多如下内容相关联的各个输入值(例如，质量水平或语言值)来识别关系(例如，质量混合比关系或规则)：视觉质量数据、位置质量数据和曲率。

步骤S300可根据交替应用或积累应用的各种技术执行。在第一技术下，监控器模块10基于作为输入值的位置质量数据的第一质量水平和视觉质量数据的第二质量水平来识别关系。质量水平(例如，第一质量水平或第二质量水平)可以是由位置质量估计器24、视觉质量模块20或者两者一起提供的数值量或测量值。例如，对于位置质量来说，测量可以包括全球定位系统(GPS)信号的信号强度、误比特率(BER)或误帧率(FER)，或者它们的分量。第一质量水平和第二质量水平的每一种组合都可以与唯一地应用到该组合的相应关系或规则相关联。

在第二技术下，监控器模块10基于作为输入值的位置质量数据的第一质量水平和视觉质量数据的第二质量水平来识别关系。第一质量水平和第二质量水平的组合可以与唯一地应用到该组合的相应关系相关联。数据库或数据存储设备可以包括与位置数据权重和视觉数据权重的输出集相关联的第一质量水平和第二质量水平的输入集。可替换地，数据库或数据存储设备可以包括与用于误差信号、曲率或这两者的混合比相关联的第一质量水平和第二质量水平的输入集。

在第三技术下，监控器模块10基于作为输入值的位置质量数据的第一质量水平、视觉质量数据的第二质量水平和曲率值来识别关系。第一质量水平、第二质量水平和曲率值的组合可以与唯一地应用到该组合的相应关系相关联。数据库或数据存储设备16可以包括与位置数据权重和视觉数据权重的输出集相关联的第一质量水平、第二质量水平和曲率值的输入集。可替换地，数据库或数据存储设备16可以包括与用于误差信号、曲率或这两者的混合比相关联的第一质量水平、第二质量水平和曲率值的输入集。

在第四技术下，监控器模块10应用模糊逻辑方法。对于模糊逻辑方法，两阶段处理被采用。在第一阶段中，位置质量数据(例如，Q_gps)的第一质量水平、视觉质量数据(例如，Q_vision)的第二质量水平以及曲率值(例如，ρ)可被从数值(例如，原始测量)转换到语言值。语言值或语言输入值表示视觉质量数据和位置质量数据的质量或总体质量水平的分类。例如，对于视觉质量数据(例如，Q_vision)和位置质量数据(例如，Q_gps)，语言输入值可被定义为“好”、“中等”、“差”、“高”、“一般”或“低”。对于曲率半径(例如，ρ或ρ_vision或ρ_gps)，语言值可以是“小”、“低”、“大”或“高”。在模糊逻辑方法的第二阶段中，用于视觉质量数据、位置质量数据和曲率的语言值的输入集与参考列表或数据混合规则18相比较，以便识别与输入集相关联的相应关系(例如，质量混合比关系或规则)。

在可替换实施例中，语言值可根据数值等级(例如，等级1到5，5是最高)、百分数等级、性能级别(例如，一星到N星，其中N是大于1的任意整数)或其他而为视觉质量数据和位置质量数据定义。

在步骤S302中，监控器模块10基于步骤S300所识别的关系，确定与用于误差控制信号、曲率或这两者的位置数据权重、视觉数据权重或者其他贡献因素(例如，曲率或混合比)相关联的输出值(例如，数值输出值)。如果步骤S300的第一技术到第三技术被应用，则步骤S302的输出值可以包括数值输出值，该数值输出值包括一个或更多如下内容：视觉数据权重(例如，α_vision)、位置数据权重(例如，α_gps)、用于离轨误差数据的混合比(例如，α_off)、用于航向误差数据的混合比(α_head)、用于曲率数据的混合比(α_curv)。当第四技术或模糊逻辑方法被用于步骤S300时，监控器模块10可以在步骤S302中(或者在其之前)应用解模糊处理或其他变换处理，以便将语言值转换为它们的数值输出值。

在步骤S304中，监控器模块10或混合器14向误差控制信号、曲率或这两者应用任意如下确定的输出值：视觉数据权重(α_vision)、位置数据权重(α_gps)、混合比、用于离轨误差数据的混合比(例如，α_off)、用于航向误差数据的混合比(α_head)、用于曲率数据的混合比(α_curv)以及用于任意前述项目的数值。监控器模块10或混合器14应用视觉数据权重和位置数据权重(例如，或者用于其的数值)来为针对时间间隔(例如，应用时间间隔)的误差控制信号确定视觉数据和位置数据的相对贡献。

图4是用于为车辆引导确定位置数据和视觉数据的相对贡献的方法流程图。图4的方法可被应用到图2的步骤S108和步骤S110，用于选择和应用适当的位置数据权重和视觉数据权重。图4的方法在步骤S400中开始。

在步骤S400中，监控器模块10或规则管理器12基于与视觉质量数据、位置质量数据和曲率相关联的各输入值(例如质量水平或语言水平)来识别关系(例如，质量混合比关系或规则)。

步骤S400可根据交替应用或积累应用的各种技术执行。在第一技术下，监控器模块10基于作为输入值的位置质量数据的第一质量水平、视觉质量数据的第二质量水平和曲率值来识别关系。质量水平(例如，第一质量水平或第二质量水平)可以是由位置质量估计器24、视觉质量模块20或者两者一起提供的数值量或测量值。例如，对于位置质量来说，测量可以包括全球定位系统(GPS)信号的信号强度、误比特率(BER)或误帧率(FER)，或者它们的分量。

第一质量水平、第二质量水平和曲率值的组合可以与唯一地应用到该组合的相应关系相关联。数据库或数据存储设备16可以包括与位置数据权重和视觉数据权重的输出集相关联的第一质量水平、第二质量水平和曲率值的输入集。可替换地，数据库或数据存储设备16可以包括与用于误差信号、曲率或这两者的混合比相关联的第一质量水平、第二质量水平和曲率值的输入集。

在第二技术下，监控器模块10应用模糊逻辑方法。对于模糊逻辑方法，一种两阶段处理被采用。在第一阶段中，位置质量数据(例如，Q_gps)的第一质量水平、视觉质量数据(例如，Q_vision)的第二质量水平以及曲率值(例如，ρ)可被从数值(例如，原始测量)转换到语言值。语言值或语言输入值表示视觉质量数据和位置质量数据的质量或总体质量水平的分类。例如，对于视觉质量数据(例如，Q_vision)和位置质量数据(例如，Q_gps)，语言输入值可被定义为“好”、“中等”、“差”、“高”、“一般”或“低”。用于与曲率半径(例如，ρ或ρ_vision或ρ_gps)相关联的权重(例如，α_gps，ρ或α_vision，ρ)或混合比的语言值可以是“小”、“低”、“大”或“高”。在模糊逻辑方法的第二阶段中，用于视觉质量数据、位置质量数据和曲率的语言值的输入集与参考列表或数据混合规则18相比较，以便识别与输入集相关联的相应关系(例如，质量混合比关系或规则)。

在可替换实施例中，语言值可根据数值等级(例如，等级1到5，5是最高)、百分数等级、性能级别(例如，一星到N星，其中N是大于1的任意整数)或其他而为视觉质量数据和位置质量数据定义。

在步骤S402中，监控器模块10基于步骤S400所识别的关系，确定与用于误差控制信号和曲率的位置数据权重、视觉数据权重或者曲率数据权重相关联的输出值(例如，数值输出值)。如果步骤S400的第一技术被应用，则步骤S402的输出值可以包括数值输出值，该数值输出值包括一个或更多如下内容：视觉数据权重(例如，α_vision)、位置数据权重(例如，α_gps)、用于离轨误差数据的混合比(例如，α_off)、用于航向误差数据的混合比(α_head)、用于曲率数据的混合比(α_curv)、位置曲率数据权重α_gps，ρ和视觉曲率数据权重α_vision，p。当第二技术或模糊逻辑方法被用于步骤S400时，监控器模块10可以在步骤S402中(或者在其之前)应用解模糊处理或其他变换处理，以便将语言值转换为它们的数值输出值。

在步骤S404中，监控器模块10或混合器14向误差控制信号和曲率应用任意如下确定的输出值：视觉数据权重(α_vision)、位置数据权重(α_gps)、混合比、用于离轨误差数据的混合比(例如，α_off)、用于航向误差数据的混合比(α_head)、用于曲率数据的混合比(α_curv)、位置曲率数据权重(α_gps，p)、视觉曲率数据权重(α_vision，ρ)以及用于任意前述项目的数值。监控器模块10或混合器14应用视觉数据权重和位置数据权重(例如，或者用于其的数值)来为针对时间间隔(例如，应用时间间隔)的误差控制信号确定视觉数据和位置数据的相对贡献。

图5是为车辆确定控制信号(例如，合计误差控制信号)的方法流程图。图5的方法可被应用到图2的步骤S108和S110，用于选择适当的位置数据权重和视觉数据权重。图5与图3相似，除了图5用步骤S500代替了S304。图3和图5中同样的步骤或过程用同样的附图标记来指示。

在步骤S500中，用于车辆的监控器模块10或引导模块生成用于操纵车辆的误差控制信号。例如，用于车辆的监控器模块10根据如下方程生成用于操纵车辆的误差控制信号：y＝α_vision×y_vision+α_gps×y_gps，其中y是合计误差控制信号，α_vision是视觉数据权重，y_vision是由视觉数据得到的误差控制信号，α_gps是位置数据权重，且y_gps是由位置数据(例如，GPS数据)得到的误差控制信号。由视觉数据得到的误差控制信号可以被称为视觉误差信号。由位置数据得到的误差控制信号可以被称为位置误差信号。可以明白，y、α_vision、y_vision、α_gps和y_gps可被表达为矩阵。例如，y(合计误差控制信号)、α_vision、α_gps、y_vision(视觉误差信号)和y_gps(位置误差信号)可按照如下方法定义：

$y=\begin{array}{c}\left[\begin{array}{c}{E}_{\mathrm{off}}\\ E_{\mathrm{head}}\end{array}\right],\end{array}$ E_off是来自从位置模块26和视觉模块22得到的离轨误差数据(例如，E_{off_gps}和E_{off_vision})合计的合计离轨误差，E_head是来自从位置模块26和视觉模块22得到的误差数据(例如，E_{head_gps}和E_{head_vision})合计的合计航向误差。

${\mathrm{\α}}_{\mathrm{vision}}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}\_\mathrm{vision}}\\ {\mathrm{\α}}_{\mathrm{head}\_\mathrm{vision}}\end{array}\right],$ 其中α_vision是视觉数据权重，α_{off_vision}是用于离轨误差数据的视觉数据权重，且α_{head_vision}是用于航向误差数据的视觉数据权重。

$y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\end{array}\right],$ 其中E_{off_vison}是由视觉模块22估计的离轨误差，且E_{head_vision}是由视觉模块22估计的航向误差。

${\mathrm{\α}}_{\mathrm{gps}}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}\_\mathrm{vision}}\\ {\mathrm{\α}}_{\mathrm{head}\_\mathrm{vision}}\end{array}\right],$ 其中α_gps是位置数据权重，α_{off_gps}是用于离轨误差数据的位置数据权重，且α_{head_gps}是用于航向误差数据的位置数据权重。

$y_{\mathrm{gps}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{gps}}\\ E_{\mathrm{head}\_\mathrm{gps}}\end{array}\right],$ 其中E_{off_gps}是由位置模块26(例如，位置确定接收机28)估计的离轨误差，且E_{head_gps}是由位置模块26估计的航向误差。

图6是为车辆确定控制信号的方法流程图。图6的方法可被应用到图2的步骤S108和S110中，用于选择和应用适当的位置数据权重和视觉数据权重。图6与图4相似，除了图6用步骤S502代替步骤S404。图3和图5中的相同步骤用相同的附图标记来指示。

在步骤S502中，用于车辆的监控器模块10或引导模块生成用于操纵车辆的误差控制信号和曲率信号。例如，用于车辆的监控器模块10根据如下方程生成用于操纵车辆的误差控制信号：

y＝α_vision×y_vision+α_gps×y_gps，其中y是合计误差控制信号，α_vision是视觉数据权重，y_vision是由视觉数据得到的误差控制信号，α_gps是位置数据权重，且y_gps是由位置数据(例如，GPS数据)得到的误差控制信号。

并且，监控器模块10根据如下方程生成用于操纵车辆的曲率信号。

ρ＝α_vision，ρ×ρ_vision+α_gps，ρ×ρ_gps，其中ρ是曲率信号，α_vision，ρ是用于曲率的视觉数据权重或视觉曲率数据权重，ρ_vision是由视觉数据得到的视觉导出的曲率，α_gps，ρ用于曲率的位置数据权重或位置曲率数据权重，且ρ_gps是由位置数据(例如，GPS数据)得到的误差控制信号。并且，α_vision，ρ+α_gps，ρ＝1。

由视觉数据得到的误差控制信号可以被称为视觉误差信号。由位置数据得到的误差控制信号可以被称为位置误差信号。可以明白，y、α_vision、y_vision、α_gps、y_gps、α_vision，ρ、ρ_vision、α_gps，ρ和ρ_gps可被表达为矩阵。例如，y(合计误差控制信号)、α_vision(视觉数据权重)、α_gps(位置数据权重)、y_vision(视觉误差信号)和y_gps(位置误差信号)可按照如下方法定义：

$y=\begin{array}{c}\left[\begin{array}{c}{E}_{\mathrm{off}}\\ E_{\mathrm{head}}\\ \mathrm{\ρ}\end{array}\right],\end{array}$ E_off是来自从位置模块26和视觉模块22得到的离轨误差数据(例如，E_{off_g}和E_{off_v})合计的合计离轨误差，E_head是来自从位置模块26和视觉模块22得到的航向误差数据(例如，E_{head_g}和E_{head_v})合计的合计航向误差，ρ是合计的曲率半径。

${\mathrm{\α}}_{\mathrm{vision}}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}\_\mathrm{vision}}\\ {\mathrm{\α}}_{\mathrm{head}\_\mathrm{vision}}\\ {\mathrm{\α}}_{\mathrm{curv}-\mathrm{vision}}\end{array}\right],$ 其中α_vision是合计视觉数据权重矩阵，α_{off_vision}是用于离轨误差数据的视觉数据权重，α_{head_vision}是用于航向误差数据的视觉数据权重，且α_{curv_vision}是用于曲率误差数据的视觉数据权重。通常，α_{curv_vision}＝0。

$y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\\ {\mathrm{\ρ}}_{\mathrm{vision}}\end{array}\right],$ 其中E_{off_vision}是由视觉模块22估计的离轨误差，E_{head_vision}是由视觉模块22估计的航向误差，ρ_vision是与视觉模块22相关联的曲率半径。如果视觉模块不提供曲率半径，则ρ_vision可被设置为0。

${\mathrm{\α}}_{\mathrm{gps}}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}\_\mathrm{gps}}\\ {\mathrm{\α}}_{\mathrm{head}\_\mathrm{gps}}\\ {\mathrm{\α}}_{\mathrm{curv}\_\mathrm{gps}}\end{array}\right],$ 其中α_gps是合计位置数据权重矩阵，α_{off_gps}是用于离轨误差数据的位置数据权重，α_{head_gps}是用于航向误差数据的位置数据权重，且α_{curv_gps}是用于曲率误差数据的位置数据权重。通常，α_{curv_gps}＝0。

$y_{\mathrm{gps}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{gps}}\\ E_{\mathrm{head}\_\mathrm{gps}}\\ {\mathrm{\ρ}}_{\mathrm{gps}}\end{array}\right],$ 其中E_{off_gps}是由位置模块26(例如，位置确定接收机28)估计的离轨误差，且E_{head_gps}是由位置模块26估计的航向误差，且ρ_gps是与位置模块26相关联的曲率半径。

图7是利用视觉辅助引导来引导车辆的方法和系统的模糊逻辑方面的流程图。图7的流程图从步骤S200开始。

在步骤S200中，视觉质量估计器20、位置质量估计器24或这两者将明确(crisp)的输入数据转换为输入语言数据。明确的输入数据可以由至少一个下列部件接收：视觉模块22和位置模块26。视觉质量估计器20和位置质量估计器24的每一个都可以包括转换器或分类器，用于将数值数据的范围转换或分类成语言数据。输入语言数据可以包括位置质量数据(例如，Q_gps)、视觉质量数据(例如，Q_vision)。在一个例子中，位置质量数据(Q_gps)具有如下状态或语言输入数据：好、中等和差；视觉质量(Q_vision)具有如下状态或语言输入数据：好、中等和差；并且，曲率(ρ_gps)是小或大，尽管每一个前述的质量指标器可以具有定义一个或多个水平、范围或性能或质量区域的输入语言数据的其他输入集。步骤S200可以被称为模糊处理。

在步骤S202中，数据处理器或监控器模块10做出推理，以便从步骤200的输入语言数据获得输出语言数据。例如，数据存储设备16中的数据混合规则18可以包括与相应输出语言数据相关联的输入语言数据。输入语言值与输出语言值之间的质量混合比关系基于对视觉模块22和位置确定接收机28的性能进行建模的模型。在一个例子中，输出语言数据可以包括与α_off、α_head和α_curv相关联的状态。α_off、α_head和α_curv的状态可以例如是“小”、“中等”或“大”。在另一个例子中，输出语言数据可以包括任意如下的状态：α_gps，ρ、α_vision，ρ、α_{off_vision}、α_{head_vision}、α_{curv_vision}、α_{off_gps}、α_{head_gps}和α_{curv_gps}。α_gps，ρ、α_vision，ρ、α_{off_vision}、α_{head_vision}、α_{curv_vision}、α_{off_gps}、α_{head_gps}和α_{curv_gps}的状态可以例如是“小”、“中等”或“大”。

在步骤S204中，转换器将输出语言数据转换为输出明确数据。例如，输出明确数据可以被发送给车辆控制器25、操纵系统(例如，操纵控制器或操纵系统单元(SSU))。步骤S204可以被称为解模糊处理。明确数据可以表示为合计误差控制信号(y)或者其导数，诸如补偿的控制信号。

图8A是应用了步骤S202的图，其被称为模糊推理。并且，图8A可被应用到图5的S300和S302或者图6的S400或S402。图8A的图包括一系列规则或关系。

图8A关于路径规划，其中的路径规划通常是线性或包括大体上直的行。例如，当ρ_gps很小或者在一个指示规划路径或实际路径(或其一段)的范围内是大体线性或直的时，图8A的关系可以保持。视觉质量(Q_vision)出现在最上面的行中，而位置质量(Q_gps)(例如，GPS质量)出现在最左边的列中。视觉质量(Q_vision)与出现在紧跟最上面行的下面行中的输入变量、输入集或输入语言数据相关联。如图8A所说明的，用于视觉质量的输入语言数据包括“好”、“中等”和“差”，尽管其他输入变量或输入语言数据也落入本发明的保护范围内。位置质量(Q_gps)与出现在最左边行的右边的列中的输入变量、输入集或输入语言数据相关联。如图8A所说明的，用于位置质量的输入语言数据包括“好”、“中等”和“差”，尽管其他输入变量或输入语言数据也落入本发明的保护范围内。

在图8A中，矩阵(例如，三乘三矩阵)定义输出变量、输出集或输出语言数据的各种组合或排列(例如，这里存在9种可能的排列)。输出变量的每种组合对应于相应的一对视觉质量数据和位置质量数据。输入变量和对应的输出变量的关系或组合可以被定义在图8A的查询表、一组规则、数据库或数据文件中。其中图8A的表中的关系被表示为规则，每种规则可以被表示为条件语句。

图8A的每种关系包括如下内容：(1)与用于视觉质量(例如，Q_vision)、位置质量(例如，Q_gps)和曲率估计质量(例如，ρ_gps)的输入质量变量相关联的输入语言数据(例如，好、差、中等、大、中等、小)，(2)与用于权重系数混合比(例如，α_off、α_head和α_curv)的输出变量相关联的输出语言数据(例如，小、中等、大)，以及(3)在输入质量变量和输出变量之间或者在相应的输入语言数据和输出语言数据之间定义的相关、相关值、条件关系或其他逻辑关系。

对于图8A中输入语言数据的每个输入集来说，存在对应的输出语言数据的输出集。输出语言数据可以与数据权重系数或混合比相关联。在一个例子中，数据权重系数或混合比包括α_off、α_head和α_curv。输入集的值确定输出集的相应值。例如，如果视觉质量(例如，Q_vision)是“好”而位置质量(例如，Q_gps)是“差”，则α_off等于1，α_head是“大”且α_curv是“大”。

输入集与输出集之间的关系可以通过场测试、实验地或根据模型或数学导出的解算而经验地确定。出现在图8A中的输入语言数据与输出语言数据之间的关系以及对输入语言数据和输出语言数据的选择和描述仅仅是说明性的；其他关系、选择和描述落入本发明的保护范围中。

图8B是可被应用到步骤S202的图，其可被称为模糊推理。并且，图8B可以被应用到图5的步骤S300和S302或者图6的S400或S402。图8B的图包括一系列规则或关系。

图8B关于路径规划，其中的路径规划通常是弯曲的或者用于路径的弯曲部分。例如，当ρ_g是大或者在一个指示规划路径或实际路径(或其一段)内是大体弯曲或基本不是线性时，图8B的关系可以保持。视觉质量(Q_vision)出现在最上面的行中，而位置质量(Q_gps)(例如，GPS质量)出现在最左边的列中。视觉质量(Q_vision)与出现在紧跟最上面行的下面行中的输入变量、输入集或输入语言数据相关联。如图8B所说明的，用于视觉质量的输入语言数据包括“好”、“中等”和“差”，但是其他输入变量或输入语言数据也落入本发明的保护范围内。位置质量(Q_gps)与出现在最左边行的右边的列中的输入变量、输入集或输入语言数据相关联。如图8B所说明的，用于位置质量的输入语言数据包括“好”、“中等”和“差”，但是其他输入变量或输入语言数据也落入本发明的保护范围内。

在图8B中，矩阵(例如，三乘三矩阵)定义输出变量、输出集或输出语言数据的各种组合或排列(例如，这里存在9种可能的排列)。输出变量的每种组合对应于相应的一对视觉质量数据和位置质量数据。输入变量和相应输出变量的关系或组合可以被定义在图8B的查询表、一组规则、数据库或数据文件中。其中图8B的表中的关系被表示为规则，每种规则可以被表示为条件语句。

图8B的每种关系包括如下内容：(1)与用于视觉质量(例如，Q_vision)、位置质量(例如，Q_gps)和曲率估计质量(例如，ρ_gps)的输入质量变量相关联的输入语言数据(例如，好、差、中等、大、中等、小)，(2)与用于权重系数混合比(例如，α_off、α_head和α_curv)的输出变量相关联的输出语言数据(例如，小、中等、大)，以及(3)在输入质量变量和输出变量之间或者在相应的输入语言数据和输出语言数据之间定义的相关、相关值、条件关系或其他逻辑关系。

对于图8B中输入语言数据的每个输入集来说，存在对应的输出语言数据的输出集。输出语言数据可以与数据权重系数或混合比相关联。在一个例子中，数据权重系数或混合比包括α_off、α_head和α_curv。输入集的值确定输出集的相应值。例如，如果视觉质量(例如，Q_vision)是“好”而位置质量(例如，Q_gps)是“差”，则α_off是“大”，α_head是“中等”且α_curv等于零。

输入集与输出集之间的关系可以通过场测试、实验地或根据模型或数学导出的解算而经验地确定。出现在图8B中的输入语言数据与输出语言数据之间的关系以及对输入语言数据和输出语言数据的选择和描述仅仅是说明性的；其他关系、选择和描述落入本发明的保护范围中。

根据图8A、图8B或这两者的输出语言数据，用于车辆的监控器模块10根据如下方程生成用于操纵车辆的误差控制信号：y＝α×y_vision+(1-α)×y_gps，其中y是合计误差控制信号，α是混合比，y_vision是视觉误差信号，且y_gps是位置数据误差信号。可以理解，y、α、y_vision和y_gps可以被表达为矩阵。该方程可以通过替换α_vision＝α和α_gps＝1-α，由在此提出的前述方程(y＝α_vison×y_vision+α_gps×y_gps)导出。例如，y(合计误差控制信号)、α(合计混合比)、y_vision(视觉误差信号)和y_gps(位置误差信号)可被定义为如下形式：

$y=\left[\begin{array}{c}{E}_{\mathrm{off}}\\ E_{\mathrm{head}}\\ \mathrm{\ρ}\end{array}\right],$ E_off是来自从位置模块26和视觉模块22得到的离轨误差数据(例如，E_{off_gps}和E_{off_vision})合计的合计离轨误差，E_head是来自从位置模块26和视觉模块22得到的航向误差数据(例如，E_{head_gps}和E_{head_vision})合计的合计航向误差，ρ是曲率误差数据。

$\mathrm{\α}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}}\\ {\mathrm{\α}}_{\mathrm{head}}\\ {\mathrm{\α}}_{\mathrm{curv}}\end{array}\right],$ 其中α是合计混合比或混合比矩阵，α_{_off}是用于离轨误差数据的混合比，α_head是用于航向误差数据的混合比，且α_curv是用于曲率误差数据的混合比。

$y_{\mathrm{gps}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{gps}}\\ E_{\mathrm{head}\_\mathrm{gps}}\\ {\mathrm{\ρ}}_{\mathrm{gps}}\end{array}\right],$ 其中E_{off_gps}是由位置模块26(例如，位置确定接收机28)估计的离轨误差，且E_{head_gps}是由位置模块26估计的航向误差，且ρ_gps是与位置模块26相关联的曲率估计误差。

$y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\\ 0\end{array}\right],$ 其中E_{off_vison}是由视觉模块22估计的离轨误差，E_{head_vision}是由视觉模块22估计的航向误差。在可替换例子中， $y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\\ {\mathrm{\ρ}}_{\mathrm{vision}}\end{array}\right],$ 其中E_{off_vison}是由视觉模块22估计的离轨误差，E_{head_vision}是由视觉模块22估计的航向误差，且ρ_vision是与视觉模块22相关联的曲率估计。

图9示出了用于输入变量的模糊成员函数。水平轴显示输入变量的值，而垂直轴显示模糊成员的值。输入变量可以包括位置质量数据(例如，Q_gps)或视觉质量数据(Q_vision)。输入语言数据对输入变量出现“差、中等、好”。输入变量被归一化为从0到1。对于输入变量，语言输入值的“中等”范围从A₁到A₃，对于输入变量靠近或接近A₁到A₃的边界的范围不及中等。如果输入变量小于A₁，则它一定是差。如果输入变量大于A₃，则它一定是好。在A₁和A₂之间，输入变量具有各种水平的事实，它们可被语言地定义为差和中等。

图10示出了由曲率半径计算器30提供的用于曲率估计的说明性模糊成员函数。对于图10中的曲率估计(例如，ρ_gps)，输入语言数据是“小和大”。水平轴显示输入变量的值，而垂直轴显示模糊成员的值。输入变量可以是曲率估计(例如，ρ_g)。输入变量值被归一化为从0到1。

图11示出了用于输出变量的模糊成员函数。输出变量可以是混合比或质量权重，以便确定位置数据对视觉数据的依赖比例。在一个例子中，输出变量包括α_off、α_head或α_curv。明确混合比(例如，C1、C2、C3、C4或其他中间或与其接近的水平)可以由混合比α_off、α_head和α_curv的已知输出语言值来确定。每个输出语言值具有由C值或C值在水平轴上的范围所定义的相应明确混合比。尽管图9和图11中所说明的模糊成员函数是由线性元素组成，以便于进行成员值的现成比较，然而，在可替换实施例中，模糊成员函数可以依照曲线或多项式方程来变化，诸如图10的模糊成员函数的弯曲部分。

图12是说明诸如差分GPS信号的位置数据的静态定位误差的图。垂直轴显示距离误差(例如，以米为单位)，而水平轴显示时间(例如，以秒为单位)。

图13是说明诸如差分GPS信号(例如，位置数据)的位置数据在以期望的更新频率或速率“调节”之后的定位误差的图。垂直轴显示距离误差(例如，以米为单位)，而水平轴显示时间(例如，以秒为单位)。图12将未经“调节”的原始误差显示为圆圈点，将经过“调节”的误差显示为三角形点。通过使用视觉数据以规则的时间间隔(例如，如图13中所说明的5秒的时间间隔或.2Hz)调整位置数据来实现调节。

图14是用于确定车辆引导系统的操作模式的方法流程图。该方法便于确定车辆是否仅仅由位置数据(例如，仅仅GPS数据)、仅仅视觉数据还是既不是视觉数据也不是位置数据来引导。图14的方法在步骤S400中开始。

在步骤S400中，位置质量估计器24为位置模块26针对给定时间间隔所输出的位置数据来估计位置质量数据。

在步骤S402中，监控器模块10确定位置质量数据的位置质量水平是否大于阈值质量(例如，80％的可靠性或置信水平)。如果位置质量水平大于阈值质量，则方法继续步骤S401。然而，如果位置质量水平不大于阈值质量水平，则方法继续步骤S404。

在步骤S401和步骤S404中，视觉质量估计器20为视觉模块22针对所定义时间间隔所输出的视觉数据来估计视觉质量数据。所定义的间隔通常可以与位置质量估计器24所使用的给定时间间隔共同延伸。

在步骤S408中，监控器模块10确定视觉质量数据的视觉质量水平是否大于阈值质量(例如，80％)？如果视觉质量水平大于阈值质量，则方法继续步骤S410。然而，如果视觉质量水平不大于阈值质量水平，则方法继续步骤S412。

在步骤S410中，监控器模块10确定视觉偏移是否小于最大可允许偏置(例如，10英寸)。最大可允许偏置可以通过用户数据输入、经验学习、测试或基于环境因素(例如，修剪选择、种植日期和车辆的引导日期)的实际基准来设置。如果视觉偏移大于最大可允许偏置，则方法继续步骤S414。然而，如果视觉偏移小于或等于最大可允许偏移，则方法继续步骤S412。

在步骤S414中，监控器模块10确定GPS校正是否小于最大可允许校正。最大可允许校正是基于在被探测车辆位置和航向(例如，或者被探测坐标)与期望的车辆位置和航向(例如，或者期望坐标)之间的最大差(例如，30秒)的偏置。如果GPS校正小于最大可允许校正，则在步骤S418中监控器模块10或车辆控制器25在与给定时间间隔或定义时间间隔相关联的拖尾(trailing)时间间隔期间只应用位置数据(例如，GPS数据)来引导车辆。然而，如果GPS校正不小于最大可允许校正，则在步骤S420中监控器模块10或车辆控制器25对于与给定时间间隔或定义时间间隔相关联的拖尾时间间隔只应用视觉数据来引导车辆。

步骤S412可以跟随步骤S408或步骤S410，如这里前面所述的。在步骤S412中，监控器模块10确定GPS校正是否小于最大可允许校正。最大可允许校正是基于在被探测车辆位置和航向(例如，或者被探测坐标)与期望的车辆位置和航向(例如，或者期望坐标)之间的最大差(例如，30秒)的偏置。如果GPS校正小于最大可允许校正，则在步骤S422中监控器模块10或车辆控制器25在与给定时间间隔或定义时间间隔相关联的拖尾时间间隔期间只应用位置数据(例如，GPS数据)来引导车辆。然而，如果GPS校正等于或不小于最大可允许校正，则在步骤S424中监控器模块10或车辆控制器25不应用来自视觉模块22或位置模块26的引导数据。例如，车辆可以回到载人模式，可替换的引导系统可被激活或使用，或者车辆可以被停住，直到视觉模块22、位置模块26或这两者为引导车辆提供更可靠输出的随后时间间隔。

如果步骤S404被执行，则方法可以在步骤S404之后继续步骤S406。在步骤S406中，监控器模块10确定视觉质量数据的视觉质量水平是否大于阈值质量(例如，80％)。如果视觉质量水平大于阈值质量，则方法继续步骤S416。然而，如果视觉质量水平不大于阈值质量水平，则方法继续步骤S424，其中如前面所述地不应用引导。

在步骤S416中，监控器模块10确定视觉偏移是否小于最大可允许偏置(例如，10英寸)。最大可允许偏置可以通过用户数据输入、经验学习、测试或基于环境因素(例如，修剪选择、种植日期和车辆的引导日期)的实际基准来设置。如果视觉偏移大于最大可允许偏置，则方法继续步骤S424，在步骤S424不应用引导。然而，如果视觉偏移小于或等于最大可允许偏移，则方法继续步骤S426。

在步骤S426中，监控器模块10或车辆控制器25只应用位置数据或GPS引导数据来引导车辆的路径。

描述了优选实施例之后，更加显而易见的是在不脱离如所附权利要求中限定的本发明保护范围情况下可以进行各种修改。

Claims (26)

1、一种引导车辆的方法，该方法包括：

基于与车辆相关联的位置确定接收机，为车辆收集位置数据；

基于与车辆相关联的视觉模块，为车辆收集视觉数据；

在评价时间窗期间，为位置数据估计位置质量数据；

在评价时间窗期间，为视觉数据估计视觉质量数据；

基于所述质量数据，选择用于下面方程的混合比：y＝α×y_vision+(1-α)×y_gps，其中y是合计误差控制信号，α是混合比，y_vision是视觉误差信号，y_gps是位置数据误差信号。

2、根据权利要求1所述的方法，还包括：

确定车辆路径的曲率半径是否小于曲率的第一参考半径或者大于曲率的第二参考半径；以及

如果所述曲率半径小于曲率的第一参考半径，则应用第一规则集。

3.根据权利要求1所述的方法，还包括：

确定车辆路径的曲率半径是否小于曲率的第一参考半径或者大于曲率的第二参考半径；以及

如果所述曲率半径大于曲率的第二参考半径，则应用第二规则集。

4.根据权利要求1所述的方法，其中估计位置质量数据包括确定位置质量对于一个时间间隔来说是处于好状态、中等状态还是差状态。

5.根据权利要求4所述的方法，其中估计视觉质量数据包括确定视觉质量对于一个时间间隔来说是处于好状态、中等状态还是差状态。

6.根据权利要求1所述的方法，其中y、y_vision、y_gps、和α是根据如下表达式的多维向量：

$y=\left[\begin{array}{c}{E}_{\mathrm{off}}\\ E_{\mathrm{head}}\\ \mathrm{\ρ}\end{array}\right],$ E_off是来自从位置模块和视觉模块得到的离轨误差数据

合计的合计离轨误差，E_head是来自从位置模块和视觉模块得到的航向误差数据合计的合计航向误差，且ρ是曲率误差数据；

$\mathrm{\α}=\left[\begin{array}{c}{\mathrm{\α}}_{\mathrm{off}}\\ {\mathrm{\α}}_{\mathrm{head}}\\ {\mathrm{\α}}_{\mathrm{curv}}\end{array}\right],$ 其中α是合计混合比或混合比矩阵，α_off是用于离轨误差数据的混合比，α_head是用于航向误差数据的混合比，α_curv是用于曲率误差数据的混合比；

$y_{\mathrm{gps}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{gps}}\\ E_{\mathrm{head}\_\mathrm{gps}}\\ {\mathrm{\ρ}}_{\mathrm{gps}}\end{array}\right],$ 其中E_{off_gps}是由位置模块26估计的离轨误差，E_{head_gps}是由位置模块估计的航向误差，ρ_gps是与位置模块相关联的曲线估计误差；

$y_{\mathrm{vision}}=\left[\begin{array}{c}{E}_{\mathrm{off}\_\mathrm{vision}}\\ E_{\mathrm{head}\_\mathrm{vision}}\\ 0\end{array}\right],$ 其中E_{off_vision}是由视觉模块估计的离轨误差，且E_{head_vision}是由视觉模块估计的航向误差。

7.一种引导车辆的方法，该方法包括：

基于与车辆相关联的位置确定接收机，为车辆收集位置数据；

基于与车辆相关联的视觉模块，为车辆收集视觉数据；

在评价时间窗期间，为位置数据估计位置质量数据；

在评价时间窗期间，为视觉数据估计视觉质量数据；

基于所述质量数据，选择用于下面方程的混合比：y＝α×y_vision+(1-α)×y_gps，其中y是合计误差控制信号，α是混合比，y_vision是视觉误差信号，y_gps是位置数据误差信号，其中α的值基于小于曲率的参考半径的车辆路径的曲率半径。

8.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off为大、α_head为中间、α_curve大约为0。

9.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为中间、α_head为中间、α_curve大约为0。

10.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off为小、α_head为小、α_curve大约为0。

11.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off为大、α_head为大、α_curve大约为0。

12.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为大、α_head为中间、α_curve大约为0。

13.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off为中间、α_head为小、α_curve大约为0。

14.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off大约等于1、α_head为大、α_curve为大。

15.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为大、α_head为中间、α_curve为大。

16.根据权利要求7所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off为中间、α_head为中间、α_curve为大。

17.一种引导车辆的方法，该方法包括：

基于与车辆相关联的位置确定接收机，为车辆收集位置数据；

基于与车辆相关联的视觉模块，为车辆收集视觉数据；

在评价时间窗期间，为位置数据估计位置质量数据；

在评价时间窗期间，为视觉数据估计视觉质量数据；

基于所述质量数据，选择用于下面方程的混合比：y＝α×y_vision+(1-α)× y_gps，其中y是合计误差控制信号，α是混合比，y_vision是视觉误差信号，y_gps是位置数据误差信号，其中α的值基于大于曲率的参考半径的车辆路径的曲率半径。

18.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off为中间、α_head为中间、α_curve大约为0。

19.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为小、α_head为小、α_curve大约为0。

20.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于好状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off大约为0、α_head大约为0、α_curve大约为0。

21.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off为大、α_head为中间、α_curve大约为0。

22.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为中间、α_head为小、α_curve大约为0。

23.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于中等状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off为小、α_head为小、α_curve大约为0。

24.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于好状态，则下面的值应用于α：α_off为大、α_head为中间、α_curve大约为0。

25.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于中等状态，则下面的值应用于α：α_off为中间、α_head为中间、α_curve大约为0。

26.根据权利要求17所述的方法，其中如果对于所述时间间隔位置质量数据处于差状态并且如果视觉质量处于差状态，则下面的值应用于α：α_off为中间、α_head为中间、α_curve大约为0。

Images