CN106323308B - 预处理道路数据的方法、自驾驶道路车辆及其控制方法 - Google Patents
预处理道路数据的方法、自驾驶道路车辆及其控制方法 Download PDFInfo
- Publication number
- CN106323308B CN106323308B CN201610021918.3A CN201610021918A CN106323308B CN 106323308 B CN106323308 B CN 106323308B CN 201610021918 A CN201610021918 A CN 201610021918A CN 106323308 B CN106323308 B CN 106323308B
- Authority
- CN
- China
- Prior art keywords
- road
- point
- path locus
- attributed
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 89
- 230000008569 process Effects 0.000 title description 7
- 238000012360 testing method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 230000008859 change Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012093 association test Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/24—Direction of travel
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及用于自驾驶车辆的属性化的道路轨迹。一种属性化的道路轨迹包括属性化的道路轨迹点的至少一个有序系列,属性化的道路轨迹点沿着曲线隔开,曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界道路段的沿道路的物理特征。曲线上的任一属性化的道路轨迹点通过针对与被辨别为表示沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试。每个属性化的道路轨迹点具有表示在真实世界道路段上与属性化的道路轨迹点空间上关联的位置处的真实世界道路段的特性的至少一个属性值。自驾驶道路车辆的控制系统可以使用属性值以基于传感器独立的道路数据(如属性化的道路轨迹点的位置在传感器范围外时)来调节自驾驶道路车辆的控制。
Description
技术领域
本发明涉及道路模型,更具体地,涉及用于自驾驶道路车辆和辅助驾驶道路车辆的属性化的道路轨迹的生成。
背景技术
自驾驶道路车辆能够在没有人为干预的情况下自主地行驶在道路上,且能够在避免撞击的同时至少自主地保持车道/道路位置。在一些情况下,自驾驶道路车辆还可在没有人为干预时,沿着从初始位置到目的地的一系列道路独立地导航;这些类型的自驾驶道路车辆被称为“自动驾驶道路车辆”。在其它情况下,尽管自驾驶道路车辆可以在避免撞击的同时自主地保持车道/道路位置并且还可自主地执行一些另外的驾驶任务,但导航任务必须由人工操作员来进行,因此被称为“辅助驾驶道路车辆”。辅助驾驶车辆可以被认为具有更复杂的形式的巡航控制。例如,辅助驾驶道路车辆可以在给定的公路行车道内无限期地保持恒定速度(为了防撞而进行减速),但将由人工操作员来决定对车辆进行手动控制并在合适的出口导航离开公路。本文中使用的术语“自驾驶道路车辆”指的是至少能够在避免撞击的同时自主地保持车道/道路位置的道路车辆,且包括辅助驾驶道路车辆和自动驾驶道路车辆二者。
自驾驶道路车辆依赖于传感器阵列以及表示该道路车辆正在其上行驶的道路的特征的道路模型。该道路模型源自于在较早的日期获得的道路调查数据(例如,点云、地理参考图像)。通常包括机载计算机的控制系统使用传感器来获得关于环境的数据。接着,通过计算硬件和软件从这些传感器数据提取出有用的信息。然后,可以将从传感器获得的信息结合道路模型使用,以执行导航或其它自主的驾驶功能,包括:朝着目的地沿着道路指引道路车辆,遵守交通信号灯、限速和其它法律规定,以及避免与行人和其它车辆撞击。
对可以从机载车辆传感器捕获的数据提取的信息有限制。一些相关的信息源可能在这些传感器的视野之外,一些信息(例如,法律信息)可能不服从从感测到的数据进行提取,且可能对能够实时地捕获和处理的传感器数据的量有实际限制。尽管这些问题中的一些问题能够利用更复杂和强大的传感器和附加的处理能力消除,但这并不完全解决这些问题并且还增加了车辆成本和复杂度。
发明内容
本发明描述了自驾驶道路车辆用的道路模型,以及用于生成这些道路模型的示例性方法。本文描述的道路模型可以由自驾驶道路车辆用作关于所行驶的道路的信息源,该信息在道路车辆承载的传感器的范围外,不能够由这些传感器检测或者不能够从这些传感器获得的数据实时地提取。本文描述的道路模型可以与自驾驶道路车辆使用的常规的导航和映射技术一起使用。
在一个方面中,本发明涉及一种用于预处理道路数据的方法。所述方法包括在数据处理系统的处理器中,接收道路轨迹点的至少一个有序系列。对于道路轨迹点的每个有序系列:所述道路轨迹点沿着曲线隔开,所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征,每个道路轨迹点在所述地面坐标系中具有位置。对于所述曲线上的任一个道路轨迹点,所述道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试。每个道路轨迹点具有至少一个道路属性。对于道路轨迹点的所述有序系列中的每个道路轨迹点,处理器:评估在所述真实世界的道路段上与所述道路轨迹点空间上关联的位置处的所述真实世界的道路段的至少一个预定义的特性,以生成针对每个预定义的特性的属性值;以及将每个属性值指定给所述道路轨迹点的相对应的道路属性。该方法生成属性化的道路轨迹,用于在自驾驶道路车辆的控制系统中使用。
在优选的实施方式中,所述道路轨迹点沿所述曲线均匀地隔开。
在一些实施方式中,道路轨迹点的所述至少一个有序系列包括道路轨迹点的多个有序系列。道路轨迹点的所述有序系列之间的边界由道路轨迹点的在前的一个所述系列的曲线和道路轨迹点的随后的一个所述系列的曲线之间的不连续处限定,且所述曲线之间的所述不连续处与所述沿道路的物理特征中的各个相对应的不连续处相关联。
一个或多个道路属性可以包括至少一个非几何道路属性。在这样的实施方式中,评估所述真实世界的道路段的一个或多个预定义的特性以及将每个属性值指定给所述道路轨迹点的相对应的道路属性可以包括使用地标点。在一个实现中,所述处理器接收一组地标点,每个地标点在所述地面坐标系中具有位置且具有表征所述地标点的至少一个地标属性。对于每个地标点:处理器确定与所述地标点水平地最近的最近道路轨迹点的位置,且针对最大距离阈值,测试所述地标点与所述最近道路轨迹点之间的水平距离。响应于所述水平距离小于或等于所述最大距离阈值,根据至少一个相对应的地标属性,所述处理器将至少一个属性值指定给所述最近道路轨迹点的相对应的至少一个道路属性。
所述一组地标点可以包括不同地标类型的多个地标点。
一个或多个道路属性可以包括至少一个非几何道路属性和/或至少一个几何道路属性,以及一个或多个几何道路属性可以包括至少一个道路表面几何道路属性和/或至少一个轨迹曲线几何道路属性。一个或多个道路表面几何道路属性可以包括道路表面的沿轨迹斜率和道路表面的横跨轨迹斜率中的至少一者,且一个或多个轨迹曲线几何道路属性可以包括方向、水平曲率和竖向曲率中的至少一者。
在另一方面中,本发明涉及一种自驾驶道路车辆。所述自驾驶道路车辆包括:主体;移动系统,所述移动系统联接至所述主体以用于沿着道路加速、推动和减速所述车辆;转向系统,所述转向系统联接至所述主体以用于使所述车辆转向;由所述主体承载的传感器阵列,所述传感器阵列用于感测行驶数据且所述传感器阵列具有传感器范围;以及由所述主体承载的控制系统。所述控制系统联接至所述传感器阵列,以用于从所述传感器阵列接收感测到的行驶数据,所述控制系统联接至所述移动系统以用于控制所述移动系统,以及所述控制系统还联接至所述转向系统以用于控制所述转向系统。数据存储模块联接至所述控制系统且能够被所述控制系统访问;所述数据存储模块存储至少一个属性化的道路轨迹。每个属性化的道路轨迹包括属性化的道路轨迹点的至少一个有序系列。对于属性化的道路轨迹点的每个有序系列,所述属性化的道路轨迹点沿着曲线隔开,所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征。对于所述曲线上的任一个属性化的道路轨迹点,所述属性化的道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试。每个属性化的道路轨迹点除了其在所述地面坐标系中的位置外,还包括具有相应的属性值的至少一个道路属性。每个属性值表示在所述真实世界的道路段上与所述属性化的道路轨迹点空间上关联的位置处的所述真实世界的道路段的特性。所述控制系统被配置成:针对至少一个所述属性化的道路轨迹点,获得至少一个表示传感器独立的道路数据的相应的属性值以及使用一个或多个属性值来调节所述移动系统和/或所述转向系统的控制。
在一些优选的实施方式中,所述控制系统被配置成:当相应的一个或多个所述属性化的道路轨迹点在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,获得表示传感器独立的道路数据的一个或多个相应的属性值。在这样的实施方式中,所述控制系统还可被配置成:当相应的一个或多个所述属性化的道路轨迹点在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,使用所述一个或多个属性值来调节所述移动系统和/或所述转向系统的控制。
在另一方面中,本发明涉及一种用于控制自驾驶道路车辆的方法。根据所述方法,所述自驾驶道路车辆的控制系统访问属性化的道路轨迹。所述属性化的道路轨迹包括属性化的道路轨迹点的至少一个有序系列。对于属性化的道路轨迹点的每个有序系列,所述属性化的道路轨迹点沿着曲线隔开,所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征。对于所述曲线上的任一个属性化的道路轨迹点,所述属性化的道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试。每个属性化的道路轨迹点除了其在所述地面坐标系中的位置外,还包括具有相应的属性值的至少一个道路属性。每个属性值表示在所述真实世界的道路段上与所述属性化的道路轨迹点空间上关联的位置处的所述真实世界的道路段的特性。针对至少一个所述属性化的道路轨迹点,所述自驾驶道路车辆的控制系统获得至少一个表示传感器独立的道路数据的相应的属性值,以及所述自驾驶道路车辆的所述控制系统使用一个或多个属性值来调节所述移动系统和/或所述转向系统的控制。
在一些优选的实施方式中,当相应的一个或多个所述属性化的道路轨迹点在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,所述自驾驶道路车辆的所述控制系统获得表示传感器独立的道路数据的一个或多个相应的属性值。在这些实施方式中,当相应的一个或多个所述属性化的道路轨迹点在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,所述控制系统可以使用所述一个或多个属性值来调节所述移动系统和/或所述转向系统的控制。
在一些实施方式中,对于自驾驶道路车辆和用于控制自驾驶道路车辆的方法这二者而言,存在属性化的道路轨迹点的多个有序系列。属性化的道路轨迹点的所述有序系列之间的边界可以由属性化的道路轨迹点的在前的一个所述系列的曲线和属性化的道路轨迹点的随后的一个所述系列的曲线之间的不连续处限定,其中,所述曲线之间的所述不连续处与所述沿道路的物理特征中的各个相对应的不连续处相关联。
所述属性化的道路轨迹点可以沿着所述曲线均匀地隔开。
一个或多个道路属性可以包括至少一个非几何道路属性和/或至少一个几何道路属性,一个或多个几何道路属性可以包括至少一个道路表面几何道路属性和/或至少一个轨迹曲线几何道路属性。
附图说明
从参考附图的下列描述,将更明白这些特征和其它特征,在附图中:
图1是示出用于生成属性化的道路轨迹的示例性方法的高级流程图;
图2示出用于道路区域的示例性的点云显示;
图3是用于估计内插曲线上的测试点与被分辨为对沿道路的物理特征进行采样的点云点之间的垂直距离的方法的示意图;
图4是点云点与中心轴线是内插曲线且半径是距离阈值的管的示例性显示;
图5示出了对道路进行采样的点云的示例,在该道路中,由于已将新车道添加到道路的右边缘,因此在第i个分道线标记的第一部分与第i个分道线标记的第二部分之间具有不连续处;
图6是示出用于评估道路的一个或多个预定义特性以获得属性值且使用该属性值填充内插点序列中的道路轨迹点的道路属性的示例性方法的流程图;
图7是示出三种示例性类型的道路属性的填充的示例性流程图;
图8是示出用于评估非几何道路属性的示例性方法的流程图;
图9是示出用于填充轨迹曲线的几何道路属性的示例性方法的流程图;
图10示意性地示出了示例性的高度滤波技术;
图11是示出用于填充道路表面几何道路属性的示例性方法的流程图;
图12是使用属性化的道路轨迹的示例性的自驾驶道路车辆的示意图;
图13是示出用于控制自驾驶道路车辆的示例性方法的流程图;以及
图14是可以用于实现本技术的多个方面的示例性计算机系统的示意图。
具体实施方式
本文描述的该类型的道路模型被称为“属性化的道路轨迹”。本文中使用的术语“属性化的道路轨迹”指的是地面坐标系中的一系列三维坐标,每个三维坐标描述地面位置和高度且还具有一个或多个道路属性构成的组,所述一个或多个道路属性具有各自的属性值。坐标可以以多种方式表示。例如,可以使用球面坐标(例如,纬度/经度/高度),或者可以使用笛卡尔地面坐标系中的(x,y,z)值。根据道路的法律性质、物理性质和导航性质以及沿着道路存在的对象得出所述属性值,如下文更详细地描述的。属性化的道路轨迹中的单个的坐标三元组以及其属性值在本文中被称为“属性化的道路轨迹点”。
属性化的道路轨迹中的属性化的道路轨迹点通常遵循被建模的道路。在优选的实施方式中,属性化的道路轨迹中的属性化的道路轨迹点对沿着道路的物理特征的位置进行采样,所述沿着道路的物理特征诸如为道路边缘、分道线涂漆标记、或路肩涂漆标记。在其它实施方式中,例如,轨迹点可以对计算的车道的中点进行采样。属性化的道路轨迹点的序列与包括物理特征的道路的驱车方向相匹配,即该序列中的第二点在空间上跟随在该驱车方向上的第一点,该序列中的第三点在空间上跟随在该驱车方向上的该第二点,以此类推。属性化的道路轨迹点沿着数学上以三维定义的曲线而隔开、优选地规则地隔开,该曲线与属性化的道路轨迹点的坐标三元组相交。
现在参考图1,图1是示出用于生成属性化的道路轨迹的示例性方法100的高级流程图。在步骤102,该方法100接收对道路表面进行采样的外部数据,在步骤104,该方法100根据外部数据生成初始点序列,该初始点序列通常是非均匀地隔开的,该初始点序列用来生成内插曲线并且该初始点序列中的点在本文中被称为“样本点”,这是因为初始点序列中的点是用来生成该内插曲线的样本。在步骤106,方法100在内插曲线上生成内插点序列,因此,该内插点序列是从初始点序列生成的。该内插点序列中的点在本文中被称为“道路轨迹点”。在步骤108处,方法100评估道路的、与内插点序列中的道路轨迹点的位置相关联的一个或多个预定义特征,并将一个或多个属性值指定给用于各个道路轨迹点的相应道路属性。步骤108的结果是分别包括具有指定的属性值的一个或多个道路属性的道路轨迹点的内插点序列,换言之,属性化的道路轨迹。下面更详细地描述步骤102到步骤108中的每一步骤。
在步骤102到步骤108中的每个步骤处进行的几何计算优选地是在局部水平的笛卡尔坐标系中进行的。术语“局部水平的”指的是其(x,y)平面在原点与表示地球的表面的椭球体相切、其正向y轴在原点处指向正北、并且正向z轴远离地球的想象的中心而指向的笛卡尔坐标系。因此,本文中使用的术语“水平的”、“水平地”、“水平距离”以及相关术语指的是在局部水平的笛卡尔坐标系的(x,y)平面中的测量,且术语“竖向”指的是z轴的方向。
要明白,点云点、地标点(如下面进一步描述的)、样本点、道路轨迹点以及属性化的道路轨迹点(以及某些道路属性)可以在除了局部水平的笛卡尔坐标系以外的某其它地面坐标系中表示。在这样的实施方式中,出于几何计算的目的,它们可以转换为相关的局部水平的笛卡尔坐标系,且几何计算的结果可以被转换回原始的地面坐标系。尽管本领域的技术人员能够在原始的地面坐标系内等效地直接进行几何计算,但是这样的计算将暗含地包括转换为局部水平的笛卡尔坐标系和从局部水平的笛卡尔坐标进行转换,因此,更直接了当地考虑转换坐标以及在转换为局部水平的笛卡尔坐标系后执行计算。
在步骤102接收的外部数据通常包括用于相关的道路区域的点云。用于道路区域的点云是地面坐标系中的对道路表面以及与该道路相邻的表面进行采样的一组规则地或非规则地分布的三维坐标。当地面坐标系是笛卡尔坐标系时,点云中的每个坐标将由(x,y,z)坐标三元组表示。该点云中的每个坐标具有强度值;用于点云中的坐标的该强度值与由该坐标采样的表面的特定波长间隔下的光反射系数相关。点云中的坐标以及其强度值在本文中被称为“点云点”。点云可以利用硬件和软件显示,以提供道路及其周围物的视图的单色呈现。图2示出了用于道路区域的示例性点云。
通常,点云由利用光探测和测距(Light Detection and Ranging,LIDAR)系统获取的数据生成,该光探测和测距系统被设计用于户外测量应用以及由道路车辆或飞机操作。许多这样的系统以及将由该系统获得的原始数据转换为点云的软件能够从许多供应商购买到。选择系统/软件,使得点云的密度及其强度值将以必要的精度支持特征跟踪。该点云的密度及其强度值必须展现待由属性化的道路轨迹所跟踪的沿道路的物理特征(例如,分道线涂漆标记、道路边缘、路肩涂漆标记)。另外,点云的密度及其强度值、以及样本以地面坐标系作为参考的精度(即,样本的地理参考精度)必须足够好,从而支持产生具有其目的应用所需的地理参考精度的属性化的道路轨迹。在一个优选的自驾驶道路车辆的实施方式中,例如,车道居中操作可需要对于每个轨迹点的在地面坐标系中的坐标在真正的全球位置的10厘米内。
再次参考图1,步骤104生成对在步骤102接收的一个或多个输入点云中描绘的、所选择的沿道路的物理特征(例如,分道线涂漆标记、道路边缘、路肩涂漆标记)的位置进行采样的三维地面坐标的序列,这些坐标被称为“样本点”。步骤104生成的序列中的样本点类似于将由步骤108产生的属性化的道路轨迹点,这是因为它们在相同的坐标系中限定、表示相同的沿道路的物理特征并且按顺序排列以与驱车方向相匹配。在步骤104生成的序列中的样本点不同于属性化的道路轨迹点,这是因为:(i)它们通常比属性化的道路轨迹点更宽地隔开;以及(ii)它们不具有由道路的性质以及沿着道路存在的对象得出的属性值。如上所述,步骤104的输出被称为“初始点序列”。
初始点序列可以利用很多不同的过程中的一种过程来生成;在一些当前优选的实施方式中,步骤104涉及与软件工具进行人为交互,但也可设想该步骤104的自动化。自动化的可行性取决于沿道路的物理特征以及其如何在点云中描绘。现在将描述用于确定初始点序列的可接受性的一些过程。
通常,样本点由描绘感兴趣的道路段以及沿着道路的物理特征(例如,分道线涂漆标记、道路边缘、路肩涂漆标记)的一个或多个点云得出。初始点序列中的单个样本点可以具有与单个点云点相同的坐标,或者可以从相邻的点云点的坐标计算出。在任一情况下,样本点必须被按顺序排列以与驱车方向相匹配,且样本点的分布必须使得,从初始点序列生成的内插曲线对于步骤106而言是可接受的输入数据,如下面所描述的。
初始点序列用来生成对该初始点序列进行内插的曲线,且意图跟踪沿道路的物理特征;该曲线被称为“内插曲线”。要明白,在沿道路的物理特征通常遵循直线(例如,在一段直的、长的公路上)的情况下,该曲线也将遵循直线;在该情况下,直线仅仅是曲率为零的曲线的特殊情况。
内插曲线将在步骤106中使用,因此步骤104包括利用距离阈值针对内插曲线进行接受性测试和调节的迭代过程。内插曲线上的测试点,除了在该测试点与沿道路的物理特征中的间隙(例如,在虚线车道标志中的各个标记之间的空间)相对的情况外,则必须具有距沿道路的物理特征的、且不大于规定的距离阈值的垂直距离。因此,对于内插曲线上的每一测试点,该测试点或者(a)通过用于与已经被鉴别为表示沿道路的物理特征的一部分的点云点的邻近度的预定邻近度测试,或者(b)与沿道路的物理特征中的间隙相关联。优选地,测试点均匀地间隔开。
如果包括沿道路的物理特征的点云点可以自动地被提取出且如果沿道路的物理特征中的间隙可以被自动地定位,则内插曲线的可接受性可以通过计算距沿着内插曲线的与该沿道路的物理特征中的间隙不相对的每一测试点(即,在均匀隔开的测试点的情况下,每一“步进”增量)的沿道路的物理特征的垂直距离的估计值,而被自动地确定。在由步骤106产生的内插点序列(下述)将均匀隔开的情况下,步进值是将在步骤106中使用的相邻的均匀隔开的点之间的规定的均匀曲线长度。只有当这些估计的垂直距离都不大于阈值时,该内插曲线才是可接受的。如果该内插曲线不是可接受的,则必须将样本点移除和/或添加到在该内插曲线位置的附近的初始点序列中,其中,在该内插曲线位置中超过距离阈值;并且重新计算内插曲线,直到内插曲线变得可接受。
现在参考图3,如下计算内插曲线202上的测试点P与被辨别为对沿道路的物理特征进行采样的点云点(例如,点云点204)之间的垂直距离D的估计值。想象的平面206被定义为,在该测试点P处垂直于内插曲线202(即,垂直于在该测试点P处的切线208)。接着,该过程找到被辨别为对沿道路的物理特征进行采样且距该平面具有不大于距离阈值的一半的垂直距离d的所有的点云点(例如,点云点204)。如果没有这样的点云点,则该位置违背了该距离阈值。如果存在这样的点云点,则只有在至少一个该点云点在平面206上具有到内插曲线202上的测试点P的、不大于距离阈值的距离D,该内插曲线202才至少在点P处不违背距离阈值。
如果包括沿道路的物理特征的点云点不能够被自动地提取出,则可以通过手动地检查点云点以及中心轴为内插曲线且半径为距离阈值的管的显示来确定内插曲线的可接受性,如图4所示。辨别沿道路的物理特征400的一部分的点云点,由于与其相关联的强度值,而被明亮地显示(在该情况下,这些点云点辨别虚线车道标志)。管402包括辨别沿道路的物理特征的点云点,且针对每一样本点呈现球体404,使得该样本点在该球体404的中心。只有对沿道路的物理特征进行采样的点云点与管的表面相交或在管内的任何位置,除了在沿道路的物理特征中有间隙之外,该内插曲线是可接受的;在图4中,对于沿道路的物理特征的虚线车道标志的一部分就是这种情况。如果内插曲线不是可接受的,则必须将样本点移除或添加到在其处超过距离阈值的内插曲线位置的附近的初始点序列中,直到内插曲线变得可接受。通过球体404对样本点的位置进行标记以及显示软件中的合适的编辑操作的可用性有助于该过程。
由初始点序列进行采样的沿道路的物理特征可以是不连续的。例如,如果沿道路的物理特征是从道路的右边缘开始的第i个分道线标记,则当将新的车道添加到道路的右边缘(相对于驱车方向)时,则该第i个分道线标记变为第(i+1)个分道线标记。在该位置,存在不连续处,且初始点序列必须开始向右采样分道线标记。图5示出了对道路500进行采样的点云的示例,其中,在第i个分道线标记的第一部分504与第i个分道线标记的第二部分506之间存在不连续处502,这是因为已经将新车道508添加到道路的右边缘。在本实施方式中,有利的是,考虑将不连续的沿道路的物理特征作为单个逻辑实体对待,同时对不连续性作出解释。这是通过将初始点序列分成“子路径”而完成的,其中,不连续处形成子路径之间的边界。两个不连续处之间的所有样本点或不连续处与初始点序列的开始或结尾之间的所有样本点属于同一子路径。所有的样本点具有子路径属性值(整数类型),使得该同一子路径中的所有样本点具有相同的子路径属性值,且一个子路径中的最后一个点和下个子路径中的第一点具有不同的子路径属性值。在初始点序列可接受性测试中,并不使内插曲线在不连续处上的点之间进行内插,而是当识别出不连续处时,以新的内插曲线开始新的子路径。因此,在一个实施方式中,步骤104(图1)利用参数曲线对初始点序列的样本点的每个子路径进行内插,该参数曲线的参数是弧长,且每个子路径具有其自身的内插曲线。
该子路径结构将通过在步骤106处生成的内插点序列而从初始点序列继承,并且在步骤108处生成的属性化的道路轨迹将接着从内插点序列继承子路径结构。因此,内插点序列可以由一系列子路径构成,且因此属性化的道路轨迹也可由一系列子路径构成。每个子路径是道路轨迹点的有序系列,且因此,包括一系列子路径的内插点序列包括多个所述道路轨迹点的有序系列,每个道路轨迹点沿着相应曲线隔开。构成内插点序列的道路轨迹点的有序系列(子路径)之间的边界由道路轨迹点的系列中的在前的一个系列的曲线与道路点的系列中的随后的一个系列的曲线之间的不连续处而限定;曲线之间的不连续处与沿道路的物理特征中的各个相应的不连续处相关联。
可替选地,较大的内插点序列或属性化的道路轨迹的每个子路径可相应地被表征为独立的、较小的内插点序列或属性化的道路轨迹。
曲线函数被选择成使得,在初始点序列中的样本点之间,该曲线将密切跟踪由这些点采样的沿道路的物理特征。在该示例性的实施方式中,这是通过(自动地或手动地)应用距离阈值而支持的,如关于步骤104而在上文所述的。在沿道路的物理道路特征是分道线标记或路肩标记的情况下,限定二维或三维曲线(与初始点序列中的样本点的维度相匹配)的内插参数三次样条曲线是合适的。
在优选的实施方式中,如果初始点序列的地面坐标系具有用于水平位置的球面坐标(即,经度和纬度),则这些球面坐标被转换为笛卡尔坐标系中的坐标,且形成内插点序列的道路轨迹点的插入和生成是在笛卡尔坐标中进行的。然后,内插点序列中的道路轨迹点的坐标可以被转换为原始的地面坐标系中的坐标(例如,球面坐标)。
在步骤106,在步骤104处生成且经过验证的内插曲线用来计算该曲线上的点的三维坐标。优选地,点均匀地隔开,即沿着该曲线以均匀间隔隔开。这些坐标的驱车方向序列是内插点序列,且(如上所述)内插点序列中的各个点被称为“道路轨迹点”。内插点序列继承子路径结构,且因此内插曲线不在子路径之间进行内插。
在道路轨迹点均匀隔开的一个实施方式中,内插曲线(x,y,z)=c(t)被定义为使得,c(0)是初始点序列的子路径中的第一样本点的位置,m是该子路径中的第一样本点和最后样本点之间的总曲线长度,step是在相邻的均匀隔开的点之间规定的均匀曲线长度。该子路径中的第一样本点将成为对于该子路径的内插点序列中的第一道路轨迹点。均匀隔开的坐标的序列如下计算:
使n为对于该子路径的内插点序列中的第一道路轨迹点和最后道路轨迹点之间的总曲线长度。那么,0<=m–n<step。因此,对于给定子路径的内插点序列的总曲线长度将通常比对于该子路径的初始点序列的曲线长度短不到步长(step)量。在沿道路的物理特征是分道线标记、路肩标记或道路边缘的情况下,已经经验地发现1米(1m)是合适的步长。
如上所述,在步骤108,方法100评估道路的一个或多个预定义的特性以获得属性值并将计算出的属性值指定给内插点序列中的道路轨迹点的道路属性。现在将在图6的情况下更详细地描述步骤108,图6是示出用于生成属性化的道路轨迹的示例性方法600的流程图。因此,示出方法600的流程图是步骤108的详细阐述。方法600在数据处理系统的处理器中执行且可以被认为是用于预处理道路数据的方法。
在步骤602处,处理器接收在图1的方法100的步骤106处生成的道路轨迹点的内插点序列。如上所述,内插点序列将包括道路轨迹点的至少一个有序系列,每个道路轨迹点具有至少一个道路属性。如果内插点序列由一系列的子路径构成,则将有道路轨迹点的多个有序系列,每个道路轨迹点沿着相应曲线隔开,道路轨迹点的有序系列(子路径)之间的边界由与沿道路的物理特征中的各个相应的不连续处相关联的相邻曲线之间的不连续处限定。如果每个子路径作为独立的内插点序列对待,则将有沿单个曲线隔开的道路轨迹点的单个有序系列。在任一情况下,作为步骤102到步骤106的结果,(一个或多个)曲线将限定在地面坐标系中且将跟踪点云中描绘的真实世界的道路段的沿道路的物理特征,每个道路轨迹点将具有地面坐标系中的一位置。而且,由于在步骤104处应用的接受性测试,对于该曲线上的任一的道路轨迹点,该道路轨迹点通过针对与被辨别为表示沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试。优选地,道路轨迹点沿着相应的(一个或多个)曲线均匀隔开。
在步骤604,处理器对每个道路轨迹点的道路属性填充属性值。对于内插点序列中的每个道路轨迹点,处理器评估真实世界的道路段上与道路轨迹点空间相关联的位置处的真实世界道路段的至少一个预定义的特性。该评估生成针对每个预定义的特性的属性值,且然后处理器将每个属性值指定给各个道路轨迹点的相应的道路属性。一旦所有的属性值已经被指定给内插点序列中的各个道路轨迹点的相应的道路属性,则结果是属性化的道路轨迹。如下面将进一步描述的,该属性化的道路轨迹由自驾驶道路车辆的控制系统使用。
道路轨迹点可以具有各种不同类型的道路属性,且因此可以在步骤604处评估各种不同类型的预定义的特性,以填充这些道路属性。道路属性可以包括非几何的道路属性和几何的道路属性。图7是示出步骤604的示例性的详细概述的流程图,步骤604描绘三种示例性类型的道路属性的填充。
在步骤702,处理器填充非几何的道路属性。本文中使用的术语“非几何”指的是与用来对初始点序列中的样本点进行内插的曲线的形状或道路表面的形状不相关的道路属性。在步骤702处填充的道路属性捕获关于道路的非几何信息(例如,在不同位置处的路肩表面材料、不同类型的交通标志的位置)。在步骤704A处,处理器填充轨迹曲线的几何道路属性,且在步骤704B处,处理器填充道路表面几何道路属性。步骤702以及步骤704A和步骤704B的组合可以以任何顺序执行、或基本上同时执行,但在优选的实施方式中,步骤704A在步骤704B之前执行,且步骤704A的输出用作步骤704B的输入。
现在更详细地描述步骤702。
步骤702在地标点集上进行,该地标点集即一组地标点。地标点是与内插点序列处在相同的地面坐标系中且具有表征地标属性的一个或多个地标属性的三维坐标。每个地标点代表特定的地标类型的实例。相同地标类型的所有的地标点具有相同的地标属性。在一些情况下,特定的地标类型可以不具有任何描绘的地标属性;在这些情况下,地标类型本身可以被认为是暗示的地标属性(即,地标的存在/不存在)。特定类型的地标点包括集合,而不是序列(即,点的顺序不重要)。地标类型的该集合取决于属性化轨迹的特定的预期应用。针对特定的地标类型的地标点的集合用来填充内插点序列的非几何的道路属性的特定集合。
地标类型表示存在于道路上或靠近道路的离散的对象(对象地标)或连续道路性质的变化(性质变化地标)。性质变化地标的示例是速度限制变化和左路肩的操纵灵活性的变化。除了对象的不存在或存在,对象地标与连续的道路性质不相关。对象地标的示例是出口坡道开始、入口坡道结束、以及标志。
对于性质变化地标类型的点的集合与一初始值相关联,该初始值为从对于内插点序列中的第一点的该地标类型得出的道路属性的值。性质变化的地标点沿着内插曲线上的性质被认为变化的点处的该内插曲线的法线而设置,在距该曲线上的该点的规定的水平阈值距离内。
特定类型的地标点的集合,取决于该地标点的类型,可以自动地生成或利用一定程度的人工干预而生成。在任何情况下,这是利用软件程序进行的。地标点可以从用来生成初始点序列的一个或多个点云而得出,地理参考图像或视频数据也可以用在地标点选择中;例如,如果不是全部的地标类型被清楚地描绘在一个或多个点云中。
图8是示出步骤702的示例性详细阐述的流程图,其示出了用于评估非几何的道路属性的示例性方法800;如上所述,该方法800将通过数据处理系统的处理器实现。在步骤802,处理器接收一组地标点,该组地标点可以包括多个不同地标类型的地标点。每个地标点在与道路轨迹点相同的地面坐标系中具有一位置。在步骤804,处理器索引至下一(或第一)地标类型。在所示出的实施方式中,有两大类地标类型:对象地标和性质变化地标。在这些大类中,有特定的地标类型。
以下是对象地标类型的示例:
·高速公路入口点
·高速公路出口点
·车道合并点
·车道分离点
·具有标记类型的分道线标记
·路肩标记
·具有标志类型和位置的交通标志
·具有信号类型和位置的交通信号
·具有符号或文字的意思的在车道上涂的符号或文字
·中间分隔带
以下是性质变化地标类型的示例:
·道路名称变化
·道路类型变化
·道路边缘类型变化
·路肩操作灵活性变化
·路肩表面变化
·速度限制变化
步骤804的索引顺序并不是特别重要的,只要方法800最终索引通过所有的对象地标类型和所有的性质变化地标类型即可。在步骤806处,处理器索引至当前地标类型内的下一(或第一)地标点。
步骤808和步骤810确定地标点与道路轨迹点之间的关联。通过找到水平地距特定的地标点最近的道路轨迹点并应用最大距离阈值,来确定地标点与道路轨迹点之间的关联。一地标点与内插点序列中的该地标点距其具有最小的水平距离的道路轨迹点相关联,前提是该最小水平距离不大于规定的距离阈值。因此,在步骤808,处理器确定水平地距当前地标点最近的道路轨迹点的位置,且在步骤810,处理器测试当前地标点和该最近的道路轨迹点之间的水平距离是否小于或等于该规定的最大距离阈值。响应于在步骤810的判断“是”,该处理器进行至步骤812。步骤810处的判断“是”意味着,在当前地标点与水平最近的道路轨迹点之间已建立关联,且处理器进行至步骤812以根据相应的地标属性将属性值指定给该水平最近的道路轨迹点的相应的道路属性。将明白,关联测试(步骤808和步骤810)可以通过测试该水平距离是否小于(不是小于或等于)最大距离阈值而等效地应用;这仅是设定阈值的功能。
步骤810的“否”意味着,在内插点序列中不存在这样的道路轨迹点:对于该道路轨迹点而言,地标点与该道路轨迹点之间的水平距离小于或等于规定的距离阈值(因为最近的道路轨迹点距该地标点比该规定的距离阈值远)。这意味着,当前地标点与内插点序列中的任何道路轨迹点不相关联,且处理器进行至步骤814以查看是否有当前地标类型的更多的地标点。如果有当前地标类型的更多的地标点(步骤814的“是”),则该处理器返回至步骤806以索引至当前地标类型的下一地标点。如果没有当前地标类型的更多地标点(在步骤814的“否”),则处理器进行至步骤816,以查看是否有更多的地标类型要评估。如果有更多的地标类型(步骤816的“是”),则处理器返回至步骤804以索引至下一地标类型。如果没有更多的地标类型(步骤816的“否”),则这意味着所有的地标类型的所有的地标点已经被评估,且方法800结束。
对于每种类型的对象地标,属性化的道路轨迹点将具有至少一个相应的道路属性。该道路属性被赋值(例如,0或1,真或假),一个值意味着“存在对象的实例”,另一值意味着“不存在对象的实例”。对于内插点序列中的任一道路轨迹点,如果该点与该类型的至少一个地标点相关联,则该道路属性被设置为所述的“存在地标的实例”的值;否则,其被设置为所述的“不存在对象的实例”的值。
对于对象地标,可以存在另外的地标属性,对于该地标属性而言,道路轨迹点具有相应的道路属性。该类型的每个地标点具有用于这些地标属性的值,且这些值被复制到其所相关联的道路属性。对于与该类型的至少一个地标点不相关联的所有的道路轨迹点,这些道路属性被设置为空值;它们可以被初始化为空值,且只有在步骤808和步骤810处建立关联时才改变。
每个性质变化地标类型具有一个属性值,该属性值为其所代表的道路性质的值。属性化的道路轨迹点具有相同的道路属性(针对每一性质变化地标类型,一个道路属性)。
对每一性质变化地标,相对应的道路属性被设置为从(且包括)内插点序列中的第一道路轨迹点到(但不包括)与该类型的地标点相关联的第一道路轨迹点的每一道路轨迹点的地标类型的初始值。与该地标点相关联的道路轨迹点被指定该地标点的属性值,所有后面的道路轨迹点一直到(但不包括)与该类型的地标点相关联的下一道路轨迹点(或者,如果不再有与该类型的地标点相关联的点序列点,则到该内插点序列的末尾)也是如此。每一随后的地标点/道路轨迹点的关联以此方式改变属性值。
示例性方法800示出了逻辑流程,其中,紧接着确定特定的道路轨迹点与特定的地标点相关联之后,将属性值指定给相应的道路轨迹点中的每一个道路轨迹点。还可设想其它的逻辑流程。例如,逻辑流程可以首先确定道路轨迹点与地标点之间的所有关联,一旦道路轨迹点与地标点之间的所有关联已经被确立,则可以基于所述关联将属性值指定给道路轨迹点。
当道路属性点与同一类型的多个对象地标点相关联时,则序列点的道路属性仅从该类型的距其有最短的水平距离的对象地标点而填充,该同一类型的其他对象地标点被忽略。很少情况下,同一类型的两个地标点可以与同一道路轨迹点相关联。例如,在路肩的另外铺砌段上可以有很短的未铺砌段,或者可以有很接近的多个涂漆符号。在这样的情况下可以部署特殊的处理协议。例如,该协议可以取决于地标点的类型,且可以自动化或可以标记问题以用于人工分析和干预。
现在参考图9,图9是示出详细阐述步骤704A的示例性方法900的流程图。如上所述,在步骤704A,处理器填充轨迹曲线几何道路属性,即,道路轨迹点所在的内插曲线的属性。用于道路轨迹点的轨迹曲线几何道路属性从曲线的其与道路轨迹点相交的位置而进行评估。最重要的轨迹曲线几何道路属性是方向和水平曲率;也可评估轨迹的竖向曲率。
如果内插点序列的地面坐标系具有用于水平位置的球面坐标(即经度和纬度),则在开始方法900之前,将该内插点序列的坐标转换成捕获内插点序列的局部水平的笛卡尔坐标系中的坐标。如前面所指出的,通过数据处理系统的处理器来执行方法900。
在步骤902,处理器在每一道路轨迹点评估内插曲线的方向,且在步骤904,处理器将所产生的属性值指定给相对应的道路属性。现在将描述用于评估方向的一个示例性过程。
对于沿着内插曲线的位置t的方向的道路属性值heading(t)是正y轴与在位置t的内插曲线切向量在xy平面中的投影之间的以度计的角度,其以正y轴指向“12”且正x轴指向“3”的顺时针测量,针对下面描述的散度而调节。这将引起方向值符合导航常规。用于计算heading(t)的一种示例性方法如下所述。
使:
-dx(t)、dy(t)和dz(t)为该内插曲线相对于在位置t的沿曲线位置的一阶倒数;
-atan2(x,y)为从平面的x轴和在其上的坐标(x,y)所给出的点返回以弧度计的角的函数。该角对于逆时针角度而言为正值(上半平面,y>0),且对于顺时针角度为负值(下半平面,y<0);
-rad_to_deg=180.0/pi,将弧度转换为度的因子;以及
-grid_heading(t)为正y轴与在位置t的内插曲线切向量在xy平面中的投影之间的以度计的角度,其以正y轴指向“12”且正x轴指向“3”的顺时针测量。
则,grid_heading(t)=atan2(dx(t),dy(t))*rad_to_deg。
要注意,如果t使得x(t)=0,y(t)=0,则grid_heading(t)仅精确地指向北。使divergence(x,y)为在(x,y)处指向与y轴相同的方向的水平向量的方向。则heading(t)=grid_heading(t)+divergence(x(t),y(t))。
对于任何椭圆体的divergence(x,y)函数可以基于以下过程:
1.将(x,y)坐标转换为用于椭圆体的(longitude(经度),latitude(纬度))坐标。
2.将latitude坐标递增小的量(例如,0.25度)以获得latitude’。
3.将(longitude,latitude’)转换为笛卡尔坐标系中的(x’,y’)。
4.返回-atan2(x,y)*rad_to_deg。
散度也可以以其它的方式计算。
在步骤906,处理器评估每个道路轨迹点处的内插曲线的水平曲率,在步骤908,处理器将产生的属性值指定给相对应的道路属性。现在将描述用于评估水平曲率的一个示例性过程。
用于沿着内插曲线的位置t的水平曲率hcurvature(t)是内插曲线在xy平面上的投影的曲率。下面描述hcurvature(t)的计算。
使:
-d2x(t)、d2y(t)和d2z(t)为轨迹曲线相对于位置t处的沿曲线位置的二阶导数,
-a=dx(t)*dx(t)+dy(t)*dy(t),以及
-sqrt(x)为返回x的平方根的函数。
则,hcurvature(t)=(dx(t)*d2y(t)–dy*d2x(t))/sqrt(a*a*a)。
在可选步骤910,处理器在每一道路轨迹点处评估内插曲线的竖向曲率,且在可选步骤912,处理器填充相对应的道路属性;对于本领域的技术人员而言,现在通过本发明的提醒,用于计算竖向曲率的方法将是显而易见的,且不作进一步描述。在步骤912(或如果省略步骤910和步骤912的话,则在步骤908之后),方法900结束。
方法900的示例性逻辑流程首先确定对于所有的道路轨迹点的方向,接着确定对于所有的道路轨迹点的水平曲率(且然后,可选地,确定对于所有的道路轨迹点的竖向曲率)。在其它实施方式中,这些步骤可以以不同的顺序或并行地执行,和/或在进行至下一个道路轨迹点之前,可以针对每个道路轨迹点填充方向、水平曲率(和可选地,竖向曲率)。
如上所述,在步骤704B,处理器填充道路表面几何道路属性。针对内插点序列中的特定的道路轨迹点的道路表面几何道路属性的示例包括道路表面高度、道路表面的沿轨迹斜率、道路表面的横跨轨迹斜率。与这些道路属性相关联的预定义的特性从该点序列的点的规定的水平距离内的一组高度滤波(在下面的段落中描述高度滤波)的点云点的坐标而评估。因此,例如,道路表面高度将从该组高度滤波的点云点的平均高度坐标而评估,且道路表面的沿轨迹斜率以及横跨轨迹斜率将从根据该组高度滤波的点云点的坐标计算出的向上的道路表面的法向量而评估(下面进一步解释)。该向上的道路表面的法向量是远离地球指向且垂直于在相关的道路轨迹点的水平位置处与道路表面局部相切的想象的平面的向量。
在一些情况下,在点序列的点的规定的水平距离内的该组点云点可以包括不对道路表面进行采样的点云点。例如,对头顶上的表面(在此处,道路在天桥下经过或者在隧道中)进行采样的点云点、对道路上的车辆进行采样的点、由LIDAR感测中的缺陷引起且不对任何的物理表面进行采样的“噪声”或“空气”点云点。可以应用高度滤波技术,以从道路表面几何道路属性的评估中排除这样的点云点。
现在参考图10,图10示意性地示出了示例性的高度滤波技术。该技术需要在内插点序列1004中的基准的道路轨迹点1002B位于在其邻域中仅存在对道路表面进行采样的点云点的位置,且该邻域包括不少于阈值数量的点云点1006(其将取决于该点云的密度和噪度)。邻域可以被概念化为限定半径为r且无限长的想象的圆柱体1008,该圆柱体的轴线1010与局部水平的笛卡尔坐标系的z轴水平并且拦截道路轨迹点。理想地,基准的道路轨迹点1002B是内插点序列1004中的第一道路轨迹点。沿轨迹的绝对斜率值阈值s则可以用来滤除与下一个道路轨迹点1002相关联的、不对道路表面1012进行采样的点云点1006。沿轨迹的绝对斜率值阈值通常手动地规定,且被设计成识别由道路表面以外的特征引起的、在附近的点云点之间的高度差。例如,表示车辆或天桥的点云点将产生远远超过道路表面本身的任何预期斜率的斜率。然后,可以排除限定超过该沿轨迹的绝对斜率值的斜率的点云点。对于内插点序列中的任何道路轨迹点,最大高度间隔和最小高度间隔[h0..h1]根据沿轨迹的绝对斜率值阈值s、对于具有包括至少阈值数量的点云点1006的高度滤波的邻域的最近的前一个道路轨迹点1002的道路表面高度值、以及两个道路轨迹点1002之间的曲线距离而计算。在当前的道路轨迹点1002的邻域集中的、在该最大和最小高度间隔外的点云点,如通过点云点1006R示出,被从该集中移除。
如果在应用滤波器之后,特定的道路轨迹点在其邻域中剩下过少的点云点,则可以通过在附近的道路轨迹点之间进行内插而填充道路表面几何道路属性。例如,道路轨迹点可以对应于点云中的道路表面从LIDAR传感器、诸如通过另一车辆阻挡的位置。对于其点云点的高度滤波的邻域包含少于阈值数量的点云点的任何道路轨迹点而言,通过对其点云点的高度滤波的邻域包含至少阈值数量的点云点的最近的在前的和相继的道路轨迹点的属性值进行内插,来填充道路表面几何道路属性。
现在参考图11,图11是示出步骤704B的示例性详细阐述的流程图1100,步骤704B即填充道路表面几何道路属性。通过数据处理系统的处理器执行示例性方法1100,步骤1102可能排除在外。
在步骤1102,通过选择基准的道路轨迹点并设置沿轨迹的绝对斜率值阈值而初始化高度滤波器;所述选择和设置中的一者或两者可以手动进行。在步骤1104,处理器将道路表面高度计算为该组高度滤波的点云点的平均高度坐标,并然后将该属性值指定给相对应的道路表面属性。然后,处理器进行至步骤1106,以计算向上的道路表面的单位法向量。
该向上的道路表面的单位法向量可以从点云点的高度滤波的邻域利用多种算法中的一种算法进行估计。Rusu、Rad Bogdan教导了以下示例性的算法,其教导通过引用并入本文:“Semantic 3D Object Maps for Everyday Manipulation in Human LivingEnvironments”,博士论文,计算机科学系,慕尼黑工业大学,德国,2009年10月。该单位法向量将在笛卡尔坐标系中具有分别为nx、ny和nz的x、y和z分量。
使:
-heading(t)如上所述地计算;
-tp为道路轨迹点的位置(沿着内插曲线参数化地测量以符合变量heading(t));
-deg_to_rad=pi/180.0,将度转换为弧度的因子;
-rad_to_deg=180.0/pi,将弧度转换为度的因子;
-r=heading(tp)*deg_to_rad;
-cos(a)和sin(a)分别为返回弧度角a的余弦和正弦的函数;以及
-atan2(x,y)为从平面的x轴和在其上的坐标(x,y)所给出的点返回以弧度计的角的函数。该角对于逆时针角度而言为正值(上半平面,y>0),且对于顺时针角度为负值(下半平面,y<0)。
则在右侧方向和前向中的单位法向量的分量(相对于驱车方向)分别为rnx=cos(r)*nx–sin(r)*ny和rny=sin(r)*nx+cos(r)*ny。
处理器接着进行至步骤1108以计算道路表面的沿轨迹斜率,然后进行至步骤1110以计算道路表面的横跨轨迹斜率;步骤1108和步骤1110可以以相反的顺序或并行地等效执行。在步骤1108和步骤1110中的每个步骤,处理器还将相应的计算出的属性值指定给相对应的道路表面属性。以度表示的道路表面的沿轨迹斜率(如果上升则为正,如果下降则为负)是surfasl=rad_to_deg*-atan2(rny,nz),且以度表示的道路表面的横跨轨迹斜率(如果向右侧倾斜则为正,如果向左侧倾斜则为负)是sufxsl=rad_to_deg*atan2(rnx,nz)。
在步骤1110之后,处理器进行至步骤1112以查看是否有其道路表面几何道路属性尚待检查的更多的道路轨迹点。如果不再有道路轨迹点要检查(步骤1112处的“否”),则处理器进行至下述的步骤1122;如果有更多的道路轨迹点要检查(步骤1112的“是”),则处理器进行至步骤1114以索引至下一个道路轨迹点。
在步骤1114之后,在步骤1116处,处理器将高度滤波器应用到用于当前道路轨迹点的点云点的邻域,接着进行至步骤1118以测试该滤波后的点云点的邻域是否具有至少阈值数量的点云点。在此要注意,步骤1116(应用高度滤波器)以及步骤1118(测试滤波后的点云点的邻域是否具有至少阈值数量的点云点)并没有应用至在步骤1102(初始化高度滤波器)处选择的基准道路轨迹点,这是因为已经在该基准道路轨迹点的选择中至少暗中地执行了这些步骤。
如果处理器在步骤1118确定滤波后的点云点的邻域具有至少阈值数量的点云点(步骤1118的“是”),则处理器针对当前的道路轨迹点进行至步骤1104、步骤1106以及步骤1108;这些步骤的示例性实现在上文进行了描述。
如果处理器在步骤1118确定该滤波后的点云点的邻域不具有至少阈值数量的点云点(步骤1118处的“否”),则处理器进行至步骤1120,在步骤1120,标记该当前的道路轨迹点以使其道路表面的几何属性通过内插而被评估。用于其邻域具有少于阈值数量的高度滤波的点云点的道路轨迹点的道路表面高度、道路表面的横跨轨迹斜率和道路表面的沿轨迹斜率的内插只能够在已经针对该道路轨迹点之前和之后的道路轨迹点明确地评估这些属性之后进行。在步骤1120之后,然后处理器继续步骤1112以查看要检查的更多的道路轨迹点。在步骤1112处的“否”之后,“否”标明所有的道路轨迹点已经被检查且或者已经被指定道路表面的几何属性值(步骤1104到步骤1110)或者已经被标记从而使其道路表面的几何属性值通过内插而指定(步骤1120),处理器继续步骤1122。步骤1122查看是否有已经被标记从而使其道路表面的几何属性值通过内插指定、但对其来说尚未执行内插的任何更多的道路轨迹点。响应于步骤1122的判定“是”,处理器进行至步骤1124以索引至下一个(或第一个)标记的道路轨迹点,接着进行至步骤1126、步骤1128以及步骤1130,以分别内插道路表面高度、道路表面的沿轨迹斜率和道路表面的横跨轨迹斜率,并将内插的属性值指定给相应的道路属性。步骤1126、步骤1128和步骤1130可以以任何顺序或并行地执行。在步骤1130之后,处理器返回至步骤1122。响应于步骤1122的判定“否”,“否”表明对于被标记为使其道路表面的几何属性值通过内插指定的所有道路轨迹点已经执行了内插,方法1100结束。
作为方法600(本身是方法100的步骤108的详细阐述)的步骤604的详细阐述的方法700的结果是属性化的道路轨迹。属性化的道路轨迹可以向自驾驶道路车辆的控制系统提供传感器独立的道路数据。本文中使用的术语“传感器独立的道路数据”指的是自驾驶道路车辆的控制系统独立于车辆的传感器阵列而获得的关于道路的数据。同样地,属性化的道路轨迹点的属性值是传感器独立的道路数据。传感器独立的道路数据可以包括不能被自驾驶道路车辆的传感器阵列识别的类型的数据,诸如法律信息(例如,路肩操作灵活性)。传感器独立的道路数据可以包括能够从通过自驾驶道路车辆的传感器阵列聚集的数据获得的类型的数据(例如,沿轨迹斜率和/或横跨轨迹斜率)。然而,能够通过自驾驶道路车辆的传感器阵列聚集的类型的传感器独立的道路数据与其有区别,因为能够通过自驾驶道路车辆的传感器阵列聚集的类型的传感器独立的道路数据实际上不由该自驾驶道路车辆的传感器阵列聚集(虽然其由不同的车辆上的传感器聚集);传感器独立的道路数据是独立于自驾驶道路车辆的传感器阵列而提供给该自驾驶道路车辆的控制系统的关于道路的数据。
对于在自驾驶道路车辆的传感器阵列的范围外的位置,传感器独立的道路数据可以用于该自驾驶道路车辆的控制系统。这在自动驾驶的多个方面中具有实用性。
在一个示例中,在传感器范围外的即将来临的道路段上的关于水平曲率和斜率(道路表面的横跨轨迹斜率和道路表面的沿轨迹斜率)的信息可以由该车辆控制系统使用,以逐渐地调节车辆速度,从而在车辆到达这些道路段时,车辆以与这些值相配的速度行驶。对于乘客舒适性和邻近驾驶员的安全性,平缓且逐渐调节车辆速度比突然调节更可取。在公路的情况,当车辆计划从出口驶往立体交叉道时,这是特别相关的。
在另一示例中,在传感器范围外的即将到来的道路段的关于道路表面的沿轨迹斜率的信息可以用来控制车辆油门,从而出于节约燃料的目的,保持恒定速度。
另一示例是,关于在传感器范围外的位置处的即将来临的速度限制变化的信息可以由该车辆控制系统使用,以开始逐渐调节车辆速度,从而在车辆到达该变化时,车辆以不快于该速度限制的速度行驶。对于乘客舒适性和邻近驾驶员的安全性,平缓且逐渐调节车辆速度比突然调节更可取。
即使对于附近的地面位置,尤其当传感器独立的道路数据包括不能够从机载传感器阵列获得的信息时,该传感器独立的道路数据对于该控制系统而言也是有价值的。例如,在爆胎的情况下,关于最近的可行驶的路肩的位置的信息可以由该车辆控制系统使用,以将车辆导航至安全停止。
现在参考图12,其中,用1200总体指示示例性的自驾驶道路车辆。示意性地示出了自驾驶道路车辆1200,出于简洁和简化说明的目的,在本领域中已知的各种部件和系统被省略。
自驾驶道路车辆1200包括主体1204、移动系统1208、转向系统1212、传感器阵列1216以及控制系统1220。移动系统1208联接至主体1204,以用于沿着道路加速、推动和减速该自驾驶道路车辆1200,转向系统1212联接至主体1204,以使自驾驶道路车辆1200转向。传感器阵列1216和控制系统1220二者都由主体1204承载;传感器阵列1216感测行驶数据且具有传感器范围,即这样的范围:在该范围外,传感器阵列1216不能够解析有用的数据。例如,传感器阵列1216可以尤其包括雷达、LIDAR、超声波传感器、摄像机(视觉摄像机和/或热感摄像机)、陀螺仪、GPS接收器、惯性测量系统、加速计、磁力计和温度计。
控制系统1220联接至传感器阵列1216,用于接收来自传感器阵列1216的感测的行驶数据,且还可与常规的车辆部件进行通信,该常规的车辆部件诸如为机载计算机系统、速度计、里程表、引擎管理系统、牵引力控制系统、防抱死制动系统、轮胎气压传感器、雨量传感器等。控制系统1220还联接至移动系统1208和转向系统1212以控制这些系统。数据存储模块1224联接至控制系统1220且可以由控制系统1220访问。
数据存储模块1224存储如上所述的多个属性化的道路轨迹1228,至少一个道路轨迹1228与该自驾驶道路车辆1200正在其上行驶的真实世界的道路段1232相关联。例如,属性化的道路轨迹1228可以与其它数据一起组建为道路网络的连接的部件。每个属性化的道路轨迹1228包括属性化的道路轨迹点1236的至少一个有序系列,该属性化的道路轨迹点沿着在地面坐标系1244中限定的曲线1240隔开且跟踪在点云中描绘的真实世界的道路段1232的沿道路的物理特征,在该情况下为分道线1248。对于曲线1240上的任一个属性化的道路轨迹点1236,该属性化的道路轨迹点1236经过对于与辨别为表示沿道路的物理特征(在该情况下为分道线1248)的一部分的点云点的邻近度的预定的邻近度测试。每个属性化的道路轨迹点1236,除了其在地面坐标系1244中的位置之外,还具有多个道路属性1252,每个道路属性1252具有各自的属性值1256,该属性值1256表示在真实世界的道路段1232上的与相应的属性化的道路轨迹点1236空间上相关联的位置处的真实世界的道路段1232的特性。
控制系统1220被配置成,针对至少一个属性化的道路轨迹点1236获得至少一个表示传感器独立的道路数据的相应的属性值1256。控制系统1220将使用该属性值1256来调节移动系统1208和/或转向系统1212的控制。在很多情况下,当地面坐标系1244中的属性化的道路轨迹点1236的位置对应于传感器阵列1216的传感器范围外的地面位置时,控制系统获得属性值;当地面坐标系1244中的属性化的道路轨迹点1236的位置对应于传感器阵列1216的传感器范围外的地面位置时,控制系统调节移动系统1208和/或转向系统1212的控制。在上面陈述了其中可以应用该控制的情况的一些非限制性示例。
现在参考图13,其是示出用于控制自驾驶道路车辆(例如,图12中的自驾驶道路车辆1200)的示例性方法的流程图。在步骤1302,该自驾驶道路车辆的控制系统(例如,控制系统1220)访问如上所述的该类型的属性化的道路轨迹(例如,属性化的道路轨迹1228)。在步骤1304,该自驾驶道路车辆的控制系统针对属性化的道路轨迹点(例如,属性化的道路轨迹点1236)中的至少一个属性化的道路轨迹点获得至少一个相应的属性值(例如,属性值1256)。如上所述,在很多情况下,在地面坐标系(例如,地面坐标系1244)中的属性化的道路轨迹点的位置对应于传感器阵列(例如,传感器阵列1216)的传感器范围外的地面位置。
在步骤1306,该自驾驶道路车辆的控制系统使用所述至少一个属性值来调节该自驾驶道路车辆的移动系统(例如,移动系统1208)和/或转向系统(例如,转向系统1212)的控制;在很多情况下,当地面坐标系中的属性化的道路轨迹点的位置对应于传感器阵列1216的传感器范围外的地面位置时,这发生。
从以上描述可以看出,相比于仅使用类别来组织、存储和传输信息以及通过数学相关性组织信息,本文描述的属性化的道路轨迹代表的显著更多。属性化的道路轨迹实际上是对自驾驶道路车辆的技术的改进,这是因为它们提供了用于将传感器独立的道路数据与地面坐标空间上相关联的紧凑且高效的数据结构。这促进了自驾驶道路车辆的控制系统的使用传感器独立的道路数据来执行器功能的能力。属性化的道路轨迹数据结构也是多面的,这是因为其能够容纳非常宽范围的道路属性,且现有的属性化的道路轨迹可以被更新以添加、改变或移除道路属性。而且,通过使用特定的机械(即,自驾驶道路车辆),来应用属性化的道路轨迹技术。同样地,属性化的道路轨迹技术限制于自驾驶道路车辆应用。
本发明的技术可以实施于系统(包括自驾驶道路车辆的控制系统)、方法、计算机程序产品或其任一组合中。该计算机程序产品可以包括计算机可读的存储介质或媒介,该计算机可读的存储介质或媒介上具有计算机可读的程序指令以引起处理器执行本发明的技术的各个方面。该计算机可读的存储介质可以是有形装置,该有形装置可以保持并存储指令以由指令执行设备使用。该计算机可读的存储介质可以是例如但不局限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或上述存储设备的任一合适的组合。
计算机可读的存储介质的更具体的示例的非详尽的列表包括下列:便携式计算机软磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、机械编码设备(诸如,其上记录有指令的凹槽中的穿孔卡片或突出结构)和上述设备的任一合适的组合。本文中使用的计算机可读存储介质并不是要被理解为是暂时信号本身、诸如无线电波或其它自由传播的电磁波、穿过波导或其它传输媒介而传播的电磁波(例如,穿过光纤电缆的光脉冲)或通过线而传输的电信号。
本文中描述的计算机可读的程序指令可以从计算机可读的存储介质下载至相应的计算/处理设备,或者经由网络(例如,因特网、局域网、广域网和/或无线网络)下载至外部计算机或外部存储设备。该网络可以包括铜传输电缆、传输光纤、无线传输、路由器、防火墙、交换机、网间连接计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读的程序指令并将该计算机可读的程序指令转发以存储在相应的计算/处理设备内的计算机可读的存储介质中。
用于执行本发明的技术的操作的计算机可读的程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、与机器有关的指令、微码、固件指令、状态设置数据或以一种或多种编程语言的任一组合编写的源代码或目标代码,所述一种或多种编程语言包括面向对象编程语言或常规的程序编程语言。计算机可读程序指令可以完全在用户的计算机上执行、部分地在用户计算机上执行、作为独立的软件包执行、部分地在用户的计算机上执行以及部分地在远程计算机上执行、或完全地在远程计算机或服务器上执行。在后一情况下,该远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))而连接至用户的计算机,或者可以连接至外部计算机(例如,通过使用互联网服务提供商的互联网)。在一些实施方式中,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过采用计算机可读的程序指令的状态信息个性化该电子电路来执行计算机可读的程序指令,从而实现本发明的技术的多个方面。
已经参照根据各个实施方式的方法、设备(系统)和计算机程序产品的流程图和/或框图在上文描述了本发明的技术的各个方面。关于这一点,附图中的流程图和框图示出了根据本发明的技术的各个实施方式的系统、方法和计算机程序产品的可能的实现的架构、功能和操作。例如,流程图或框图中的每个框可以表示指令的模块、段或部分,该模块、段或部分包括用于实现规定的逻辑功能的一个或多个可执行的指令。还应当注意,在一些替选的实现中,在框中指示的功能可以以图中指示的顺序外的顺序发生。例如,取决于所涉及的功能,实际上,两个相继示出的框可以基本上同时执行,或所述框有时可以以颠倒的顺序执行。在上文可已经指出了上述的一些具体示例,但任何这样的指出的示例不一定是仅有的这样的示例。还要明白,框图和/或流程图中的每个框以及框图和/或流程图中框的组合可以通过执行规定的功能或动作的专用的基于硬件的系统或专用硬件和计算机指令的组合来实现。
还要理解,流程图和/或框图中的每个框、以及流程图和/或框图中的框的组合可以由计算机程序指令实现。这些计算机程序指令可以被提供给通用计算机、专用计算机或其它可编程数据处理设备的处理器以产生一机器,使得经由计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图和/或框图的框中规定的功能/动作的手段。
这些计算机程序指令还可以被存储在计算机可读介质上,该计算机可读介质能够引导计算机、其它可编程数据处理设备或其它设备以特定的方式作用,使得存储在该计算机可读介质中的指令产生一件产品,该产品包括实现流程图和/或框图的框中规定的功能/动作的指令。计算机程序指令还可上传到计算机、其它可编程数据处理设备、或其它设备上以引起在计算机、其它可编程设备或其它设备上执行一系列操作步骤以产生计算机实现的方法,使得在计算机或其它可编程设备上执行的指令提供用于实现在流程图和/或框图的框中规定的功能/动作的方法。
关于其而可实现本文中描述的技术的示例性的计算机系统示为图14中的框图;计算机系统用于实现方法100和方法600且还可形成自驾驶道路车辆的控制系统(例如,图12中示出的自驾驶道路车辆1200的控制系统1220)的一部分。所示出的计算机系统用附图标记1400总体表示且包括显示器1402、形成人机界面1404的一个或多个输入设备、计算机1406以及外部设备1408。在计算机系统1400被配置成形成自驾驶道路车辆的控制系统的一部分的情况下,可以使用不同类型的输入设备和显示器。例如,可以从触摸屏或通过语音识别来接收信息。手势识别也作为另一种人机界面形式出现,跟踪驾驶员的眼睛也是,二者都用于输入数据(例如,看按钮和眨眼)以及监控驾驶员的状态(例如,辅助驾驶道路车辆仍可需要驾驶员使其眼睛盯着道路)。
计算机1406可以包括一个或多个处理器或微处理器,诸如中央处理单元(CPU)1410。CPU 1410执行算数计算和控制功能,以执行内部存储器1412(优选地随机存取存储器(RAM)和/或只读存储器(ROM))以及可能的另外的存储器1414中存储的软件。例如,该另外的存储器1414可以包括大容量存储装置、硬盘驱动器、光盘驱动器(包括CD驱动器和DVD驱动器)、磁盘驱动器、磁带驱动器(包括LTO、DLT、DAT和DCC)、闪存驱动器、程序盒和盒式接口(诸如在视频游戏设备中建立的程序盒和盒式接口)、可移除的记忆芯片(诸如EPROM或PROM)、新兴的存储媒介(诸如全息照相存储器)或本领域中已知的类似的存储媒介。该另外的存储器1414可以物理地在计算机1406内部,或者在图14所示的外部,或者既在计算机的内部又在计算机的外部。
计算机系统1400还可包括用于允许计算机程序或其它指令被上传的其它类似部件。例如,这样的部件可以包括通信接口1416,该通信接口1416允许软件和数据在计算机系统1400和外部系统以及网络之间传输。通信接口1416的示例可以包括调制解调器、网络接口(诸如以太网卡)、无线通信接口、或者串行或并行通信端口。经由通信接口1416传输的软件和数据以能够是电子信号、声信号、电磁信号、光信号或能够由通信接口1416接收的其它信号的信号形式。当然,多个接口可以设置在单个计算机系统1400中。自驾驶道路车辆可以具有相互通信的多个计算设备。传统上,控制器局域网(CAN)总线已经用于数据交换,尽管这改变为更常规的联网。一些车辆可以使用无线通信以从供应商接收软件更新。
计算机1406的输入和输出由输入/输出(I/O)接口1418管理。该I/O接口1418管理显示器1402、人机界面1404、外部设备1408以及计算机系统1400的其它这样的部件的控制。在计算机系统1400形成自驾驶道路车辆的控制系统的一部分时,I/O接口1418也可管理与自驾驶道路车辆的移动系统、转向系统和传感器阵列的通信。该计算机1406也包括图形处理单元(GPU)1420。该图形处理单元1420还可作为CPU 1410的附属物或替代CPU 1410而用于计算目的,以进行数学计算。
计算机系统1400的各个部件直接地或通过联接至合适的总线而彼此联接。
因此,用于实现本文描述的技术的多个方面的计算机可读的程序代码可以包含或存储在计算机1406的存储器1412中、或在计算机1406外部的计算机可用的或计算机可读的介质上、或者其任意组合上。
最后,本文使用的术语仅用于描述特定的实施方式且不意图是限制性的。本文中使用的单数形式“一”和“该”意图也包括复数形式,上下文另有明确指示除外。还要明白,本说明书中使用的术语“包括”和/或“包含”指定存在所提及的特征、整数、步骤、操作、元件和/或部件,但不排除一个或多个其它特征、整数、步骤、操作、元件、部件和/或其群组的存在或附加。要理解,在说明书或权利要求书涉及一设备“用于”做具体的事时,该设备适于做该特定的事。
在下面的权利要求书中的所有的方法或步骤以及功能元件的对应的结构、材料、动作及等同物意图包括用于执行该功能的任何结构、材料或动作以及具体要求保护的其它要求保护的元件。本说明书已经出于说明和描述的目的而予以示出,但其不意图是详尽的或局限于所公开的形式。在不脱离权利要求书的范围的情况下,对于本领域的技术人员而言很多修改和变型将是明显的。选择并描述实施方式,以最佳地解释本技术的原理以及实际应用,并且使本领域的技术人员将用于具有各种改动的各个实施方式的技术理解为适于所设想的特定应用。
已通过示例描述了一些当前优选的实施方式。对于本领域的技术人员将明显的是,在不脱离权利要求书的范围的情况下,可以进行多个变型和改动。在解释权利要求书时,要理解,使用计算机实现本文描述的实施方式、以及尤其在自驾驶道路车辆的控制系统中使用的属性化的道路轨迹是必要的。
Claims (27)
1.一种用于预处理道路数据的方法,包括:
在数据处理系统的处理器中,接收道路轨迹点的至少一个有序系列,其中,对于道路轨迹点的每个有序系列:
所述道路轨迹点沿着曲线隔开;
所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征;
每个道路轨迹点在所述地面坐标系中具有位置;
对于所述曲线上的任一个道路轨迹点,所述道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试;
每个道路轨迹点具有至少一个道路属性;
在所述数据处理系统的所述处理器中,对于道路轨迹点的所述有序系列中的每个道路轨迹点:
评估在所述真实世界的道路段上与所述道路轨迹点空间上关联的位置处的所述真实世界的道路段的至少一个预定义的特性,以生成针对每个预定义的特性的属性值;以及
将每个属性值指定给所述道路轨迹点的相对应的道路属性;
以生成属性化的道路轨迹,用于在自驾驶道路车辆的控制系统中使用。
2.根据权利要求1所述的方法,其中,所述道路轨迹点沿所述曲线均匀地隔开。
3.根据权利要求1所述的方法,其中:
道路轨迹点的所述至少一个有序系列包括道路轨迹点的多个有序系列;
道路轨迹点的所述有序系列之间的边界由道路轨迹点的在前的一个所述系列的曲线和道路轨迹点的随后的一个所述系列的曲线之间的不连续处限定;
其中,所述曲线之间的所述不连续处与所述沿道路的物理特征中的各个相对应的不连续处相关联。
4.根据权利要求1所述的方法,其中,所述至少一个道路属性包括至少一个非几何道路属性。
5.根据权利要求4所述的方法,其中:
评估在所述真实世界的道路段上与所述道路轨迹点空间上关联的位置处的所述真实世界的道路段的至少一个预定义的特性,以生成针对每个预定义的特性的属性值以及将每个属性值指定给所述道路轨迹点的相对应的道路属性包括:
接收一组地标点;
每个地标点在所述地面坐标系中具有位置;
每个地标点具有表征所述地标点的至少一个地标属性;
对于每个地标点:
确定与所述地标点水平地最近的最近道路轨迹点的位置;
针对最大距离阈值,测试所述地标点与所述最近道路轨迹点之间的水平距离;以及
响应于所述水平距离小于或等于所述最大距离阈值,根据至少一个相对应的地标属性,将至少一个属性值指定给所述最近道路轨迹点的相对应的至少一个道路属性。
6.根据权利要求5所述的方法,其中,所述一组地标点包括不同地标类型的多个地标点。
7.根据权利要求1所述的方法,其中,所述至少一个道路属性包括至少一个几何道路属性。
8.根据权利要求7所述的方法,其中,所述至少一个几何道路属性包括至少一个道路表面几何道路属性。
9.根据权利要求8所述的方法,其中,所述至少一个道路表面几何道路属性包括道路表面的沿轨迹斜率和道路表面的横跨轨迹斜率中的至少一者。
10.根据权利要求7所述的方法,其中,所述至少一个几何道路属性包括至少一个轨迹曲线几何道路属性。
11.根据权利要求10所述的方法,其中,所述至少一个轨迹曲线几何道路属性包括方向、水平曲率和竖向曲率中的至少一者。
12.一种自驾驶道路车辆,包括:
主体;
移动系统,所述移动系统联接至所述主体以用于沿着道路加速、推动和减速所述车辆;
转向系统,所述转向系统联接至所述主体以用于使所述车辆转向;
由所述主体承载的传感器阵列,所述传感器阵列用于感测行驶数据且所述传感器阵列具有传感器范围;
由所述主体承载的控制系统,其中:
所述控制系统联接至所述传感器阵列,以用于从所述传感器阵列接收感测到的行驶数据;
所述控制系统联接至所述移动系统以用于控制所述移动系统;以及
所述控制系统联接至所述转向系统以用于控制所述转向系统;
数据存储模块,所述数据存储模块联接至所述控制系统且能够由所述控制系统访问,所述数据存储模块存储至少一个属性化的道路轨迹;
每个属性化的道路轨迹包括:
属性化的道路轨迹点的至少一个有序系列,其中,对于属性化的道路轨迹点的每个有序系列:
所述属性化的道路轨迹点沿着曲线隔开;
所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征;
对于所述曲线上的任一个属性化的道路轨迹点,所述属性化的道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试;
每个属性化的道路轨迹点除了其在所述地面坐标系中的位置外,还包括具有相应的属性值的至少一个道路属性;
每个属性值表示在所述真实世界的道路段上与所述属性化的道路轨迹点空间上关联的位置处的所述真实世界的道路段的特性;
其中,所述控制系统被配置成:
针对至少一个所述属性化的道路轨迹点,获得至少一个表示传感器独立的道路数据的相应的属性值;以及
使用所述至少一个属性值来调节所述移动系统和所述转向系统中的至少一者的控制。
13.根据权利要求12所述的自驾驶道路车辆,其中,所述控制系统被配置成:
当相应的至少一个所述属性化的道路轨迹点的在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,获得表示传感器独立的道路数据的至少一个相应的属性值;以及
当相应的至少一个所述属性化的道路轨迹点的在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,使用所述至少一个属性值来调节所述移动系统和所述转向系统中的至少一者的控制。
14.根据权利要求12所述的自驾驶道路车辆,其中:
属性化的道路轨迹点的所述至少一个有序系列包括属性化的道路轨迹点的多个有序系列;
属性化的道路轨迹点的所述有序系列之间的边界由属性化的道路轨迹点的在前的一个所述系列的曲线和属性化的道路轨迹点的随后的一个所述系列的曲线之间的不连续处限定;
其中,所述曲线之间的所述不连续处与所述沿道路的物理特征中的各个相对应的不连续处相关联。
15.根据权利要求12所述的自驾驶道路车辆,其中,所述属性化的道路轨迹点沿着所述曲线均匀地隔开。
16.根据权利要求12所述的自驾驶道路车辆,其中,所述至少一个道路属性包括至少一个非几何道路属性。
17.根据权利要求12所述的自驾驶道路车辆,其中,所述至少一个道路属性包括至少一个几何道路属性。
18.根据权利要求17所述的自驾驶道路车辆,其中,所述至少一个几何道路属性包括至少一个道路表面几何道路属性。
19.根据权利要求17所述的自驾驶道路车辆,其中,所述至少一个几何道路属性包括至少一个轨迹曲线几何道路属性。
20.一种用于控制自驾驶道路车辆的方法,包括:
所述自驾驶道路车辆的控制系统访问属性化的道路轨迹,所述属性化的道路轨迹包括:
属性化的道路轨迹点的至少一个有序系列,其中,对于属性化的道路轨迹点的每个有序系列:
所述属性化的道路轨迹点沿着曲线隔开;
所述曲线被限定在地面坐标系中且跟踪在点云中描绘的真实世界的道路段的沿道路的物理特征;
对于所述曲线上的任一个属性化的道路轨迹点,所述属性化的道路轨迹点通过针对与被辨别为表示所述沿道路的物理特征的一部分的点云点的邻近度的预定的邻近度测试;
每个属性化的道路轨迹点除了其在所述地面坐标系中的位置外,还包括具有相应的属性值的至少一个道路属性;
每个属性值表示在所述真实世界的道路段上与所述属性化的道路轨迹点空间上关联的位置处的所述真实世界的道路段的特性;
针对至少一个所述属性化的道路轨迹点,所述自驾驶道路车辆的控制系统获得至少一个表示传感器独立的道路数据的相应的属性值;以及
所述自驾驶道路车辆的所述控制系统使用所述至少一个属性值来调节移动系统和转向系统中的至少一者的控制。
21.根据权利要求20所述的方法,其中,
当相应的至少一个所述属性化的道路轨迹点的在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,所述自驾驶道路车辆的所述控制系统获得表示传感器独立的道路数据的至少一个相应的属性值;以及
当相应的至少一个所述属性化的道路轨迹点的在所述地面坐标系中的位置对应于所述传感器阵列的传感器范围外的地面位置时,所述自驾驶道路车辆的所述控制系统使用所述至少一个属性值来调节所述移动系统和所述转向系统中的至少一者的控制。
22.根据权利要求20所述的方法,其中:
属性化的道路轨迹点的所述至少一个有序系列包括属性化的道路轨迹点的多个有序系列;
属性化的道路轨迹点的所述有序系列之间的边界由属性化的道路轨迹点的在前的一个所述系列的曲线和属性化的道路轨迹点的随后的一个所述系列的曲线之间的不连续处限定;
其中,所述曲线之间的所述不连续处与所述沿道路的物理特征中的各个相对应的不连续处相关联。
23.根据权利要求20所述的方法,其中,所述属性化的道路轨迹点沿着所述曲线均匀地隔开。
24.根据权利要求20所述的方法,其中,所述至少一个道路属性包括至少一个非几何道路属性。
25.根据权利要求20所述的方法,其中,所述至少一个道路属性包括至少一个几何道路属性。
26.根据权利要求25所述的方法,其中,所述至少一个几何道路属性包括至少一个道路表面几何道路属性。
27.根据权利要求25所述的方法,其中,所述至少一个几何道路属性包括至少一个轨迹曲线几何道路属性。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/790,706 US9285805B1 (en) | 2015-07-02 | 2015-07-02 | Attributed roadway trajectories for self-driving vehicles |
US14/790,706 | 2015-07-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106323308A CN106323308A (zh) | 2017-01-11 |
CN106323308B true CN106323308B (zh) | 2019-02-05 |
Family
ID=55450081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610021918.3A Active CN106323308B (zh) | 2015-07-02 | 2016-01-13 | 预处理道路数据的方法、自驾驶道路车辆及其控制方法 |
Country Status (3)
Country | Link |
---|---|
US (4) | US9285805B1 (zh) |
CN (1) | CN106323308B (zh) |
CA (1) | CA2917511C (zh) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2976344A1 (en) * | 2015-02-10 | 2016-08-18 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
US9285805B1 (en) * | 2015-07-02 | 2016-03-15 | Geodigital International Inc. | Attributed roadway trajectories for self-driving vehicles |
GB2576265B (en) * | 2016-04-05 | 2020-08-19 | Jaguar Land Rover Ltd | Improvements in vehicle speed control |
GB2549106B (en) * | 2016-04-05 | 2019-11-20 | Jaguar Land Rover Ltd | Improvements in vehicle speed control |
US10838426B2 (en) | 2016-07-21 | 2020-11-17 | Mobileye Vision Technologies Ltd. | Distributing a crowdsourced sparse map for autonomous vehicle navigation |
US10066946B2 (en) * | 2016-08-26 | 2018-09-04 | Here Global B.V. | Automatic localization geometry detection |
US10802450B2 (en) | 2016-09-08 | 2020-10-13 | Mentor Graphics Corporation | Sensor event detection and fusion |
US10317901B2 (en) | 2016-09-08 | 2019-06-11 | Mentor Graphics Development (Deutschland) Gmbh | Low-level sensor fusion |
US10678240B2 (en) | 2016-09-08 | 2020-06-09 | Mentor Graphics Corporation | Sensor modification based on an annotated environmental model |
US11067996B2 (en) | 2016-09-08 | 2021-07-20 | Siemens Industry Software Inc. | Event-driven region of interest management |
JP7061964B2 (ja) | 2016-11-01 | 2022-05-02 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | データ生成方法及びデータ生成装置 |
CN108061555B (zh) * | 2016-11-09 | 2020-06-26 | 华为技术有限公司 | 一种车辆定位误差矫正方法及装置 |
US10345812B2 (en) * | 2017-01-10 | 2019-07-09 | GM Global Technology Operations LLC | Methods and apparatus for optimizing a trajectory for an autonomous vehicle |
US10929462B2 (en) * | 2017-02-02 | 2021-02-23 | Futurewei Technologies, Inc. | Object recognition in autonomous vehicles |
CA2993575A1 (en) * | 2017-02-03 | 2018-08-03 | Richard Pollock | Active driving map for self-driving road vehicle |
CN107021104A (zh) * | 2017-04-21 | 2017-08-08 | 天津英创汇智汽车技术有限公司 | 一种车道识别补偿方法和装置 |
US20180314253A1 (en) | 2017-05-01 | 2018-11-01 | Mentor Graphics Development (Deutschland) Gmbh | Embedded automotive perception with machine learning classification of sensor data |
EP3401182B1 (en) * | 2017-05-09 | 2020-09-09 | Veoneer Sweden AB | Apparatus for lane detection |
CN109229109B (zh) * | 2017-07-04 | 2020-03-31 | 百度在线网络技术(北京)有限公司 | 判断车辆行驶方向的方法、装置、设备和计算机存储介质 |
US10809728B2 (en) | 2017-09-15 | 2020-10-20 | Here Global B.V. | Lane-centric road network model for navigation |
CN109154821B (zh) * | 2017-11-30 | 2022-07-15 | 深圳市大疆创新科技有限公司 | 轨迹生成方法、装置和无人驾驶地面车辆 |
TWI657407B (zh) * | 2017-12-07 | 2019-04-21 | 財團法人資訊工業策進會 | 利用遞歸神經網路的三維點雲追蹤裝置及方法 |
US10627521B2 (en) | 2017-12-13 | 2020-04-21 | Luminar Technologies, Inc. | Controlling vehicle sensors based on dynamic objects |
US10704917B2 (en) * | 2017-12-27 | 2020-07-07 | Automotive Research & Testing Center | Image positioning method and image positioning device for using the same |
US11145146B2 (en) | 2018-01-31 | 2021-10-12 | Mentor Graphics (Deutschland) Gmbh | Self-diagnosis of faults in an autonomous driving system |
US10553044B2 (en) | 2018-01-31 | 2020-02-04 | Mentor Graphics Development (Deutschland) Gmbh | Self-diagnosis of faults with a secondary system in an autonomous driving system |
US11093759B2 (en) | 2018-03-06 | 2021-08-17 | Here Global B.V. | Automatic identification of roadside objects for localization |
US10902616B2 (en) * | 2018-08-13 | 2021-01-26 | Nvidia Corporation | Scene embedding for visual navigation |
CN113961005A (zh) * | 2018-10-22 | 2022-01-21 | 科沃斯机器人股份有限公司 | 行进控制的方法、表面清洁机器人及存储介质 |
US10809073B2 (en) | 2018-12-05 | 2020-10-20 | Here Global B.V. | Local window-based 2D occupancy grids for localization of autonomous vehicles |
DK180407B1 (en) * | 2019-01-28 | 2021-04-21 | Motional Ad Llc | Detecting road anomalies |
US11009881B2 (en) * | 2019-04-05 | 2021-05-18 | Caterpillar Paving Products Inc. | Roadway center detection for autonomous vehicle control |
CN110046320B (zh) * | 2019-04-08 | 2023-06-06 | 浙江大学城市学院 | 基于插值和积分的轨迹相似性计算方法 |
US11772638B2 (en) | 2019-05-07 | 2023-10-03 | Motional Ad Llc | Systems and methods for planning and updating a vehicle's trajectory |
CN112699190A (zh) * | 2019-10-23 | 2021-04-23 | 合肥四维图新科技有限公司 | 地图数据的检测方法、装置、系统及存储介质 |
GB202311795D0 (en) | 2019-12-19 | 2023-09-13 | Motional Ad Llc | Foreground extraction using surface fitting |
US11443465B2 (en) * | 2020-03-24 | 2022-09-13 | Here Global B.V. | Method, apparatus, and computer program product for generating turn paths through an intersection |
CN111474443B (zh) * | 2020-04-13 | 2022-07-19 | 国网山东省电力公司淄博供电公司 | 测量输电线路的方法及装置 |
CN111696159B (zh) * | 2020-06-15 | 2021-06-11 | 湖北亿咖通科技有限公司 | 激光里程计的特征存储方法、电子设备和存储介质 |
CN111708021B (zh) * | 2020-07-15 | 2022-04-15 | 四川长虹电器股份有限公司 | 一种基于毫米波雷达的人员跟踪与识别算法 |
CN112013853B (zh) * | 2020-08-20 | 2022-07-15 | 北京三快在线科技有限公司 | 一种对无人驾驶设备的轨迹点验证的方法及装置 |
US11500110B2 (en) * | 2020-08-27 | 2022-11-15 | Google Llc | Localization using bearing from environmental features |
CN112527932B (zh) * | 2020-12-04 | 2023-09-26 | 北京百度网讯科技有限公司 | 道路数据处理的方法、装置、设备及存储介质 |
CN112699563A (zh) * | 2021-01-04 | 2021-04-23 | 北京全路通信信号研究设计院集团有限公司 | 一种速度分段方法、装置、电子设备及存储介质 |
EP4290276A4 (en) * | 2021-02-07 | 2024-02-21 | Huawei Tech Co Ltd | METHOD AND APPARATUS FOR ROADSIDE RECOGNITION |
CN113312776B (zh) * | 2021-06-02 | 2023-11-24 | 万物镜像(北京)计算机系统有限公司 | 行车轨迹的泛化方法、装置、存储介质及电子设备 |
CN113473367A (zh) * | 2021-07-08 | 2021-10-01 | 恒安嘉新(北京)科技股份公司 | 移动用户的运动轨迹修正方法、装置、设备和介质 |
US20230051155A1 (en) * | 2021-08-13 | 2023-02-16 | Here Global B.V. | System and method for generating linear feature data associated with road lanes |
CN114252081B (zh) * | 2021-11-24 | 2024-03-08 | 亿咖通(湖北)技术有限公司 | 定位方法、装置、设备及存储介质 |
CN114295119B (zh) * | 2021-12-31 | 2024-02-23 | 北京三快在线科技有限公司 | 一种构建地图的方法及装置 |
CN116089560B (zh) * | 2023-03-02 | 2023-06-23 | 智道网联科技(北京)有限公司 | 轨迹点赋值方法、装置、设备及存储介质 |
CN116729386B (zh) * | 2023-07-07 | 2023-12-26 | 清华大学 | 多交叉路口场景下车辆分层规划和控制方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102037327A (zh) * | 2008-07-30 | 2011-04-27 | 电子地图有限公司 | 用于产生交叉点视图图像的方法及计算机实施的系统 |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN103376114A (zh) * | 2012-04-19 | 2013-10-30 | 伊莱比特汽车公司 | 由点数据产生对地理对象的路线进行连续描述的几何数据 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630806B2 (en) * | 1994-05-23 | 2009-12-08 | Automotive Technologies International, Inc. | System and method for detecting and protecting pedestrians |
US20110082566A1 (en) * | 2008-09-04 | 2011-04-07 | Herr Hugh M | Implementing a stand-up sequence using a lower-extremity prosthesis or orthosis |
US20110117903A1 (en) * | 2009-11-19 | 2011-05-19 | James Roy Bradley | Device and method for disabling mobile devices |
EP2668609A4 (en) * | 2011-01-25 | 2014-10-08 | Nextgen Aerosciences Llc | METHOD AND APPARATUS FOR DYNAMIC MANAGEMENT OF AIRCRAFT TRAJECTORIES |
US9285805B1 (en) * | 2015-07-02 | 2016-03-15 | Geodigital International Inc. | Attributed roadway trajectories for self-driving vehicles |
-
2015
- 2015-07-02 US US14/790,706 patent/US9285805B1/en active Active
-
2016
- 2016-01-11 CA CA2917511A patent/CA2917511C/en active Active
- 2016-01-13 CN CN201610021918.3A patent/CN106323308B/zh active Active
- 2016-02-19 US US15/048,379 patent/US9568916B2/en active Active
-
2017
- 2017-01-18 US US15/409,251 patent/US9836058B2/en active Active
- 2017-11-02 US US15/802,116 patent/US10281919B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102037327A (zh) * | 2008-07-30 | 2011-04-27 | 电子地图有限公司 | 用于产生交叉点视图图像的方法及计算机实施的系统 |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN103376114A (zh) * | 2012-04-19 | 2013-10-30 | 伊莱比特汽车公司 | 由点数据产生对地理对象的路线进行连续描述的几何数据 |
Also Published As
Publication number | Publication date |
---|---|
CA2917511C (en) | 2023-01-24 |
US20170003685A1 (en) | 2017-01-05 |
US9836058B2 (en) | 2017-12-05 |
US9568916B2 (en) | 2017-02-14 |
US9285805B1 (en) | 2016-03-15 |
CA2917511A1 (en) | 2017-01-02 |
US10281919B2 (en) | 2019-05-07 |
US20170123427A1 (en) | 2017-05-04 |
CN106323308A (zh) | 2017-01-11 |
US20180203452A1 (en) | 2018-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323308B (zh) | 预处理道路数据的方法、自驾驶道路车辆及其控制方法 | |
US11204253B2 (en) | Method and apparatus for displaying virtual route | |
EP3707469B1 (en) | A point clouds registration system for autonomous vehicles | |
CN110155053B (zh) | 提供用于驾驶车辆的信息的方法和设备 | |
US11468690B2 (en) | Map partition system for autonomous vehicles | |
CN110832279B (zh) | 对准由自主车辆捕获的数据以生成高清晰度地图 | |
US20210327128A1 (en) | A point clouds ghosting effects detection system for autonomous driving vehicles | |
JP6811335B2 (ja) | 自動運転シミュレータ及び自動運転シミュレータ用地図生成方法 | |
CN109213134A (zh) | 生成自动驾驶策略的方法和装置 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110462543A (zh) | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 | |
US11210436B2 (en) | Virtual sensor-data-generation system and method supporting development of algorithms facilitating navigation of railway crossings in varying weather conditions | |
US11079492B1 (en) | Condition dependent parameters for large-scale localization and/or mapping | |
CN108139884A (zh) | 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法 | |
CN108780615A (zh) | 信息处理设备 | |
US20210001891A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN108534790A (zh) | 无人驾驶车辆导航方法、装置及无人驾驶车辆 | |
KR20200141422A (ko) | 센서를 이용하여 획득한 공간 정보를 활용하는 차량 및 센싱 장치, 그리고 이를 위한 서버 | |
CN111665738A (zh) | 在环仿真系统及其中的信息处理方法及装置 | |
CN109211575A (zh) | 无人驾驶汽车及其场地测试方法、装置及可读介质 | |
CN111127651A (zh) | 基于高精度可视化技术的自动驾驶测试开发方法及装置 | |
CN110458080A (zh) | 一种汽车行驶中前方坑洞的预判方法及系统 | |
CN109827610A (zh) | 用于校验传感器融合结果的方法和装置 | |
US20220196839A1 (en) | Procedurally generated three-dimensional environment for use in autonomous vehicle simulations | |
US20240169111A1 (en) | Parameterizing hot starts to maximize test repeatability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20170704 Address after: michigan Applicant after: Digital Motor Co., Ltd. Address before: Georgia, USA Applicant before: Ji Ao numeral international company limited |
|
CB02 | Change of applicant information |
Address after: michigan Applicant after: Asher Co., Ltd. Address before: michigan Applicant before: Digital Motor Co., Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |