CN110032180A

CN110032180A - 激光雷达定位

Info

Publication number: CN110032180A
Application number: CN201910027174.XA
Authority: CN
Inventors: 胡安·卡斯特雷纳马丁内斯
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2018-01-12
Filing date: 2019-01-11
Publication date: 2019-07-19
Also published as: US10739459B2; US20190219697A1; DE102019100497A1

Abstract

本公开提供了“激光雷达定位”。一种系统，包括处理器和存储器，所述存储器包括指令，所述指令由所述处理器执行以确定地图数据，确定未校准的激光雷达数据，通过将所述地图数据与所述未校准的激光雷达数据组合来确定车辆在所述地图数据中的位置，并且基于所述车辆在所述地图数据中的所述位置来操作所述车辆。

Description

激光雷达定位

技术领域

本公开涉及车辆操作，且具体地涉及用于激光雷达定位的系统和方法。

背景技术

车辆可被配备为在自主驾驶模式和乘员驾驶模式两者下操作。车辆可配备有计算装置、网络、传感器和控制器，以获取关于车辆环境的信息并基于该信息操作车辆。车辆的安全和舒适操作可取决于获取关于车辆位置的准确且及时的信息。因此，车辆传感器提供关于车辆位置的最可能的准确数据非常重要。例如，将通过解决在车辆在道路上操作时获取关于车辆相对于地图以及因此相对于道路和对象的位置的准确且及时的信息的问题，增强车辆的安全和舒适的操作。

发明内容

车辆可被配备为在自主驾驶模式和乘员驾驶模式下操作。所谓半自主或全自主模式是指一种操作模式，其中车辆可以由作为具有传感器和控制器的车辆信息系统的一部分的计算装置驾驶。车辆可以被乘坐或未被乘坐，但在任一种情况下，车辆都可以在没有乘员帮助的情况下驾驶。出于本公开的目的，自主模式被定义为其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一种由一个或多个车辆计算机控制的模式；在半自主模式中，车辆计算机控制车辆推进、制动和转向中的一种或两种。在非自主车辆中，这些中的每一种都不由计算机控制。

例如，计算装置可以使用对车辆相对于地图的位置的估计来使道路上的车辆从当前位置运行到所确定的目的地。计算装置可以从包括全球定位系统(GPS)、惯性导航系统(INS)和里程计的传感器输入数据，以确定对包括车辆相对于地图的位置的定位数据的估计。参考图1和图2，在本公开的上下文中，里程计是指基于计算装置115从传感器116记录的里程表和罗盘航向数据确定车辆110的位置。来自激光雷达传感器的数据可用于通过确定地图中包括的对象的位置来提高对车辆相对于地图的位置的估计的准确性。例如，来自未校准的激光雷达传感器的地平面边缘数据可用于提高对相对于地图的车辆位置的估计的准确性，且从而改进计算装置对车辆的操作。

本文公开了一种方法，该方法包括确定地图数据，确定未校准的激光雷达数据，通过将地图数据与未校准的激光雷达数据组合来确定车辆在地图数据中的位置，并且基于车辆在地图数据中的位置来操作车辆。确定地图数据可包括基于包括GPS、INS和里程计的位置传感器确定相对于地图数据的第一位置。确定未校准的激光雷达数据可包括确定对应于地平面返回数据的反射测量结果并且排除对应于非地面返回数据的测量数据。确定未校准的激光雷达数据可包括将反射测量结果正交投影到2D网格上。确定未校准的激光雷达数据可包括确定未校准的激光雷达数据的x和y梯度。确定未校准的激光雷达数据可包括基于多个激光雷达扫描的位置组合来自激光雷达扫描的未校准激光雷达数据的x和y梯度。未校准的激光雷达数据可包括被编码为无穷大的丢失数据。可以在x和y中以10cm对2D网格进行采样。

将地图数据与未校准的激光雷达数据组合可包括将地图数据与未校准的激光雷达数据匹配，以通过确定地图数据与未校准的激光雷达数据之间的一组邻域位置/姿势的归一化交互信息来确定地图数据与未校准的激光雷达数据之间的配准。确定车辆相对于地图数据的位置可包括通过利用扩展卡尔曼滤波器处理地图数据与未校准的激光雷达数据之间的配准来更新位置。通过确定一组邻域位置/姿势的归一化交互信息来确定地图数据与未校准的激光雷达数据之间的配准可包括确定地图数据与未校准的激光雷达数据之间的最大匹配。归一化交互信息可被计算为地图数据与未校准的激光雷达数据之间的熵和联合熵。确定地图数据可包括基于位置数据形成地图数据的局部部分并且基于未校准的激光雷达数据形成地理区域，其中地理区域是在x和y中以10cm采样的2D网格。

本文还公开了一种计算机可读介质，该计算机可读介质存储用于执行上述方法步骤中的一些或全部的程序指令。本文还公开了一种被编程用于执行上述方法步骤中的一些或全部的计算机，包括计算机设备，其被编程为确定地图数据，确定未校准的激光雷达数据，通过将地图数据与未校准的激光雷达数据组合来确定车辆在地图数据中的位置，并且基于车辆在地图数据中的位置来操作车辆。确定地图数据可包括基于包括GPS、INS和里程计的位置传感器确定相对于地图数据的第一位置。确定未校准的激光雷达数据可包括确定对应于地平面返回数据的反射测量结果并且排除对应于非地面返回数据的测量数据。确定未校准的激光雷达数据可包括将反射测量结果正交投影到2D网格上。确定未校准的激光雷达数据可包括确定未校准的激光雷达数据的x和y梯度。确定未校准的激光雷达数据可包括基于多个激光雷达扫描的位置组合来自激光雷达扫描的未校准激光雷达数据的x和y梯度。例如，未校准的激光雷达数据可包括被编码为无穷大(∞)的丢失数据。包括非数字(NAN)在内的其他编码可以将丢失数据识别为无效，且因此不能进行进一步处理。可以在x和y中以10cm对2D网格进行采样。

计算机可被进一步编程为将地图数据与未校准的激光雷达数据组合可包括将地图数据与未校准的激光雷达数据匹配，以通过确定地图数据与未校准的激光雷达数据之间的一组邻域位置/姿势的归一化交互信息来确定地图数据与未校准的激光雷达数据之间的配准。计算机可被进一步编程为通过利用扩展卡尔曼滤波器来处理地图数据与未校准的激光雷达数据之间的配准来更新位置，从而确定车辆相对于地图数据的位置。计算机可被进一步编程来通过确定一组邻域位置/姿势的归一化交互信息确定地图数据与未校准的激光雷达数据之间的配准，其可包括确定地图数据与未校准的激光雷达数据之间的最大匹配。归一化交互信息可被计算为地图数据与未校准的激光雷达数据之间的熵和联合熵。确定地图数据可包括基于位置数据形成地图数据的局部部分并且基于未校准的激光雷达数据形成地理区域，其中地理区域是在x和y中以10cm采样的2D网格。

附图说明

图1是示例性车辆的框图。

图2是包括激光雷达传感器的示例性车辆的图。

图3是来自车辆激光雷达传感器的示例性车辆激光雷达强度图像的图。

图4是来自车辆激光雷达数据的示例性激光雷达梯度图像的图。

图5是被合并形成输出的激光雷达边缘图像的示例性激光雷达梯度图像的图。

图6是示例性地图数据、激光雷达范围数据、激光雷达强度数据和激光雷达梯度数据的图。

图7是示例性局部反射图的图。

图8是示例性激光雷达梯度图像的图。

图9是根据基于激光雷达边缘数据的位置操作车辆的示例性过程的流程图。

具体实施方式

图1是车辆系统100的图，该车辆系统包括可以自主驾驶模式(在本公开中“自主”意指“完全自主”)和乘员驾驶(也称为非自主)模式操作的车辆110。车辆110还包括用于执行所存储的指令的一个或多个计算装置115，所述指令用于致动车辆110部件(例如，制动、转向和/或推进)，例如用于在自主操作期间驾驶车辆110。计算装置115可以从传感器116接收关于车辆操作的信息。

计算装置115包括处理器和存储器，诸如已知的那些。另外，存储器包括一种或多种形式的计算机可读介质，并存储可由处理器执行的用于执行各种操作的指令，包括如本文所公开的那些。例如，计算装置115可包括用于操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一个或多个来控制车辆110的加速度)、转向、气候控制、内部和/或外部灯等中的一种或多种以及确定计算装置115而不是人类操作员是否以及何时控制这类操作的程序。

计算装置115可包括多于一个计算装置或者例如经由如下文进一步描述的车辆通信总线通信地耦合到多于一个计算装置，例如车辆110中包括的用于监视和/或控制各种车辆部件的控制器等，诸如动力传动系统控制器112、制动控制器113、转向控制器114等。计算装置115通常被布置用于在例如包括车辆110中的总线的车辆通信网络上进行通信，例如控制器局域网(CAN)等；除此之外或另选地，车辆110网络可包括有线或无线通信机制，诸如已知的那些，例如以太网或其他通信协议。

经由车辆网络，计算装置115可以向车辆中的各种装置传输消息和/或从包括传感器116的各种装置(例如，控制器、致动器、传感器等)接收消息。另选地或除此之外，在其中计算装置115实际上包括多个装置的情况下，车辆通信网络可用于在本公开中表示为计算装置115的装置之间的通信。另外，如下所述，诸如传感器116的各种控制器或感测元件可以经由车辆通信网络向计算装置115提供数据。

此外，计算装置115可被配置用于经由网络130通过车辆对基础设施(V对I)接口111与远程服务器计算机120(例如，云服务器)进行通信，所述网络如下所述可利用各种有线和/或无线网络技术，诸如蜂窝、以及有线和/或无线分组网络。计算装置115可被配置用于使用在附近车辆110之间临时形成的或通过基于基础设施的网络形成的车辆对车辆(V对V)网络，通过V对I接口111与其他车辆110通信。计算装置115还包括诸如已知的非易失性存储器。计算装置115可通过将信息存储在非易失性存储器中来记录信息，以便之后经由车辆通信网络和车辆对基础设施(V对I)接口111检索和传输到服务器计算机120或用户移动装置160。

如已提及的那样，用于在无需人类操作员干预的情况下操作一个或多个车辆110部件(例如，制动、转向、推进等)的程序通常包含在存储在存储器中并且可由计算装置115的处理器执行的指令中。使用在计算装置115中接收的数据，例如来自传感器116、服务器计算机120等的传感器数据，计算装置115可以在没有驾驶员操作车辆110的情况下进行各种确定和/或控制各种车辆110部件和/或操作。例如，计算装置115可包括用于调节车辆110的操作行为(即，车辆110操作的物理表现)诸如速度、加速度、减速度、转向等以及策略行为(即，操作行为的控制通常以旨在实现安全且有效的路线遍历方式)的程序，所述策略行为诸如车辆之间的距离和/或车辆之间的时间量、车道变换、车辆之间的最小间隙、最小路径中的左转弯、特定位置的到达时间以及交叉路口(无信号)跨过交叉路口的最小到达时间。

本文所用的术语控制器包括通常被编程为控制特定车辆子系统的计算装置。实例包括动力传动系统控制器112、制动控制器113和转向控制器114。控制器可以是例如已知的电子控制单元(ECU)，可能包括如本文所述的附加程序。控制器可通信地连接到计算装置115并从计算装置接收指令以根据指令致动子系统。例如，制动控制器113可以从计算装置115接收指令以操作车辆110的制动器。

用于车辆110的一个或多个控制器112、113、114可包括常规的电子控制单元(ECU)等，作为非限制性实例，包括一个或多个动力传动系统控制器112、一个或多个制动控制器113和一个或多个转向控制器114。控制器112、113、114中的每一个可包括相应的处理器和存储器以及一个或多个致动器。控制器112、113、114可被编程并连接到车辆110通信总线，例如控制器局域网(CAN)总线或本地互连网络(LIN)总线，以从计算机115接收指令并基于指令控制致动器。

传感器116可包括已知经由车辆通信总线提供数据的多种装置。例如，固定在车辆110的前保险杠之中和/或之上的雷达传感器116(未示出)可提供从车辆110到车辆110前方的下一车辆的距离，或者设置在车辆110中的全球定位系统(GPS)传感器可以提供车辆110的地理坐标。由雷达和/或其他传感器116提供的距离和/或由GPS传感器提供的地理坐标可以由计算装置115用于自主地或半自主地操作车辆110。

车辆110通常是具有三个或更多个车轮的陆用自主车辆110，例如客车、轻型卡车等。车辆110包括一个或多个传感器116、V对I接口111、计算装置115以及一个或多个控制器112、113、114。

传感器116可被编程为收集与车辆110和车辆110正在其中操作的环境有关的数据。作为实例而非限制，传感器116可包括例如高度计、相机、激光雷达、雷达、超声传感器、红外传感器、压力传感器、加速度计、陀螺仪、温度传感器、压力传感器、霍尔传感器、光学传感器、电压传感器、电流传感器、诸如开关的机械传感器等。传感器116可用于感测车辆110正在其中操作的环境，例如，传感器116可以检测诸如天气状况(降水、外部环境温度等)的现象、道路的坡度、道路的位置(例如，使用道路边缘、车道标记等)或者诸如相邻车辆110的目标对象的位置。传感器116还可用于收集数据，包括与车辆110的操作有关的动态车辆110数据，例如速度、横摆率、转向角、发动机转速、制动压力、油压、施加到车辆110中的控制器112、113、114的功率电平、部件之间的连接以及车辆110的部件的准确且及时的性能。

图2是包括激光雷达传感器202、204、206、208的示例性车辆的图。激光雷达传感器202、204、206、208发射光脉冲，其可以是红外光(IR)。激光雷达传感器202、204、206、208可以接收由环境反射的IR脉冲，并且基于所接收到的IR脉冲强度，确定从IR脉冲发射时起经过的IR脉冲时间。通过将所经过的IR脉冲时间除以二乘光速c，可以由所经过的IR脉冲时间确定从激光雷达传感器202、204、206、208到环境中的反射表面的距离或范围。基于所经过的IR脉冲时间的距离计算可以基于所接收的IR信号的强度，其中W/s中每单位时间接收的IR脉冲的强度必须大于预定阈值以指示返回的脉冲，且例如从而允许基于所经过的IR脉冲时间计算距离。

激光雷达传感器202、204、206、208可包括IR激光器以形成发射的脉冲。IR激光器可以很容易地聚焦到具有非常低的色散的准直光束，且因此可以投射具有小(<1cm)光斑大小的IR脉冲，并且检测距离为约10cm到大于40米的表面上的反射脉冲。激光雷达传感器202、204、206、208均可包括IR激光器，其可以用包括镜式检流计、棱镜和双折射晶体在内的各种机电或固态扫描仪进行扫描，以便在空间中分布IR激光脉冲以形成视场210、212、214、216。从图2的顶部可以看到，视场210、212、214、216可以是扇形场，指示对有用数据采集的限制。从侧面可以看到，视场210、212、214、216从平行于地平面的平面上下扩展扇形场，以包括指示对有用数据采集的限制的楔形3D体积。可以在该3D体积内操纵激光束并以适当的速率对其进行采样，以返回关于到视场210、212、214、216的3D体积内的对象的范围或距离的数据。

激光束在视场210、212、214、216的3D体积内的左右和上下位移可以围绕与激光雷达传感器202、204、206、208中的每一个相关的中心光轴测量。激光雷达传感器202、204、206、208的该中心光轴相对于以车辆110为中心的坐标系的角度可用于组合从激光雷达传感器202、204、206、208输出的激光雷达数据。侧视激光雷达传感器206、208可以成斜面或倾斜，以与地平面成一定角度扫描视场。侧视激光雷达传感器206、208可以倾斜以提供视场214、216，其可通过朝向车辆110的每一侧上的地面向下倾斜侧视激光雷达传感器206、208并由此倾斜视场214、216以返回靠近车辆110的对象和表面的数据。

图3是来自车辆激光雷达传感器202、204、206、208的示例性激光雷达强度图像[x^φ]300的图。例如，激光雷达强度图像[x^φ]300包括表示车辆110的图标302和激光雷达数据点304[x^φ]_n，其中n表示2D网格或图像的第n个单元，其中2D网格例如是平面中由两组平行于垂直的x和y轴、以10cm均匀间隔开的线的交叉点形成的点阵列。点表示以10cm间隔采样的激光雷达数据点[x^φ]_n304的位置。3D网格增加了垂直于x、y平面的第三维度z。激光雷达强度图像[x^φ]300中激光雷达数据点[x^φ]_n304的每次出现表示在由激光雷达强度数据300中的位置指示的范围处从车辆110周围环境返回的脉冲能量的组合反射测量结果并且通过将来自多个激光雷达传感器202、204、206、208的反射测量结果正交投影到例如X、Y平面中的在X和Y中以10cm间隔采样的2D网格上而形成，该X、Y平面与支撑车辆110的以车辆110周围的区域为中心的道路或地平面平行。反射测量结果其中φ∈Φ，是所有反射测量结果的集合，并且n是2D网格中的单元，反射测量结果根据以下公式组合到2D网格中：

其中[x^φ]_n是2D网格的第n个单元或激光雷达数据点[x^φ]_n304的图像，是反射测量结果的集合，并且Ω^φ是φ∈Φ(所有反射测量结果的集合)的2D网格域。需注意，丢失的反射数据可被编码为∞或NAN，并且激光雷达强度图像[x^φ]300的包括值∞或NAN的单元不参与任何进一步的处理。

可处理激光雷达强度图像[x^φ]300以消除不在相对于车辆110的地平面的预定容差(例如，10cm至50cm)内的激光雷达数据点[x^φ]_n304。由于相对于车辆110确定地平面，因此地平面以及因此激光雷达强度图像[x^φ]300 2D网格将与例如支撑车辆110的道路表面或其他表面(诸如斜坡、桥梁和停车位)平行。当组合多个激光雷达强度图像[x^φ]300 2D网格时，激光雷达强度图像[x^φ]300 2D网格之间的姿势变化(其中姿势意指平面的空间相对于3D世界坐标的角度)被忽略。基于包括关于3D范围的信息的激光雷达强度图像[x^φ]300，计算装置115可以修剪或丢弃不是源自地平面处或不是源自地平面的预定容差内的任何激光雷达数据点[x^φ]_n304。而且，在激光雷达数据点[x^φ]_n304中可见由车辆110附近的返回地平面的3D位置的预定容差之外的激光雷达数据点[x^φ]_n304的其他车辆导致的空白区域306、308。组合来自在多个时间获取的多个激光雷达图像的反射测量结果以形成一组激光雷达强度图像[x^φ]300可通过为激光雷达强度图像[x^φ]300中每个点提供多个反射测量结果来改进激光雷达强度图像[x^φ]300，且从而提高激光雷达强度图像[x^φ]300的准确性，包括填充空白区域306、308。

图4是来自车辆激光雷达强度数据300的示例性激光雷达边缘数据400的图。如上文关于图3所论述，激光雷达强度数据300由计算装置115处理以修剪不对应于地平面的激光雷达数据点304。所修剪的激光雷达数据点304根据以下等式在X和Y两者中用梯度运算符处理以形成两个梯度图像[D_xx]、[D_yx]：

其中梯度图像[Dx]_n是相对于2D网格[x]在x和y(水平和垂直)方向上计算的梯度。

激光雷达梯度图像[Dx]400包括激光雷达边缘数据[Dx]_n402，其中n表示激光雷达梯度图像[Dx]400的2D网格的第n个单元。激光雷达边缘数据[Dx]_n402包括被定义为机器视觉程序可识别的重复出现的2D图案的特征，例如包括道路车道标记404、406、408。可以这种方式检测的特征包括车道标记404、406、408、道路边缘和路缘、车道、入口和出口坡道、以及交叉路口等。对激光雷达边缘数据[Dx]_n402以这种方式进行修剪和梯度检测，以允许激光雷达边缘数据[Dx]_n402与地图数据有效地匹配，因为与经修剪和梯度检测的激光雷达边缘数据[Dx]_n402中剩余的数据点相对应的数据点可能在地图数据中找到。相反，原始的未处理的激光雷达强度数据[x^φ]300可包括与不太可能在地图数据中渲染的其他车辆和结构相对应的激光雷达数据点304，并且因此将降低在激光雷达强度数据[x^φ]300与地图数据之间形成匹配的概率。将经修剪和梯度检测的激光雷达边缘数据[Dx]_n402匹配到地图数据可以比将原始激光雷达强度数据300匹配到地图数据更快且更准确。

图5是组合以形成融合梯度幅度激光雷达梯度图像的示例性激光雷达梯度图像[Dx^φ]400的图。首先，激光雷达强度图像[x^φ]300根据上面的公式1由反射测量结果形成。每个激光雷达强度图像[x^φ]300被修剪为仅包括如上文关于图3所论述的地平面数据。然后，通过根据公式2进行处理，将激光雷达强度图像[x^φ]300转换为激光雷达梯度图像[Dx^φ]400，如关于图4所论述。需注意，每个激光雷达梯度图像[Dx^φ]400包括两个梯度图像([D_xx]n，[D_yx]_n)。根据以下公式组合激光雷达梯度图像[Dx^φ]400以形成融合梯度幅度激光雷达边缘图像

其中在所有φ∈Φ(反射测量结果的集合)上，对激光雷达梯度图像[Dx^φ]400求和。

图6是示例性地图数据602、激光雷达范围图像608、激光雷达强度图像614和激光雷达梯度图像620的图。地图数据602可以渲染为颜色、灰度或线条图。地图数据602可以预先加载到计算装置115存储器中，或者经由V对I接口111从服务器计算机120下载。地图数据602是来自诸如GOOGLE^TM地图的来源的例如包括在确定的地理区域的2D表示中的地图数据点的集合，其中地理区域是地球表面上由纬度、经度表示的连续位置的集合。例如，可通过使地理区域成矩形并且包括计划的车辆110路线中包括的所有位置来确定地理区域。例如，地图数据点可包括来自卫星图像数据、机载激光雷达以及与确定的地理区域相关联的地球物理数据的地图数据点。地图数据602可以由机器视觉程序处理，例如以识别GOOGLE^TM地图中存在的感兴趣的特征，包括道路606和桥604。可在GOOGLE^TM地图中识别的其他感兴趣的特征包括车道标记、道路边缘和路缘、车道、和入口和出口坡道以及交叉路口等。这些感兴趣的特征将在地图数据602中生成可匹配到激光雷达梯度图像620中的数据点的数据点。

激光雷达范围图像608可通过在获取激光雷达范围数据点614时基于与激光雷达202、204、206、208相关联的视场210、212、214、216以及车辆110的位置和姿势将所获取的激光雷达范围数据点614正交投影到激光雷达范围数据608中来形成。激光雷达范围图像608是包括激光雷达数据点614的2D网格，所述激光雷达数据点表示地平面上方或下方的激光雷达范围数据点614的高度。计算装置115可基于包括GPS、INS和里程计的车辆110中包括的位置传感器116来确定视场210、212、214、216的位置和姿势，并且基于该位置和姿势，计算装置115可以将在多个位置处获得的多个激光雷达扫描的反射测量结果正交投影到激光雷达范围图像608上以形成高度图。当车辆110在道路612或桥610上操作时，可通过组合来自多个获取的激光雷达扫描的激光雷达范围数据点614进一步形成激光雷达范围图像608。来自包括GPS、INS和里程计在内的位置传感器116的位置信息可以相对于地图数据602以相对粗略的精度(如下所述，8.5-11m)但在激光雷达范围数据点614之间的非常良好的相对精度(10cm精度)定位车辆110，因此允许将来自多个激光雷达扫描的反射测量结果组合成具有10cm相对精度的激光雷达范围图像608。相对精度意指虽然激光雷达范围数据点614相对于世界坐标的位置精度可能是未知的，但激光雷达范围图像608中激光雷达范围数据点614相对于彼此的位置可重复地测量到10cm内。

来自激光雷达传感器202、204、206、208的扫描的反射测量结果可以是校准的或未校准的。校准是车辆110上的激光雷达传感器202、204、206、208扫描置于视场210、212、214、216内的预定位置处的对象的过程。获取激光雷达图像，并将激光雷达扫描中对应于对象的反射测量结果与和对象相关联的预定位置进行比较。通过比较相对于车辆110中包括的激光雷达传感器202、204、206、208的预定距离和角度处对象的所获取的反射测量结果，可确定由计算装置115使用位置传感器116确定的真实世界位置坐标与反射测量结果之间的线性转换，其可将反射测量结果以及车辆位置和姿势信息相对于车辆110的位置以良好的精度转换成真实世界地图数据602坐标。线性转换可用于以良好精度将获取的反射测量结果转换为真实世界坐标。良好精度可定义为将转换后的反射测量结果与地图数据602中的对应数据点在10cm或更小内正确匹配。

经校准的激光雷达传感器202、204、206、208可以允许使用激光雷达范围数据点608以良好精度定位地图数据602中的车辆，然而，校准可能是昂贵且耗时的，并且可能需要专业人员参与以及昂贵的附加设备。通常对校准进行检查并定期重复以确保激光雷达传感器202、204、206、208保持校准。例如，GPS数据可以每分钟纬度和经度1/1000的分辨率获取。在40°纬度处，一分钟的纬度为约111km，并且一分钟的经度为约85km。取这些值的1/1000分别得到11m和8.5m的分辨率。例如，8.5至11m的分辨率不足以以足够的精度定位道路上的车辆110以操作车辆110可靠且安全地到达目的地。通过将激光雷达范围数据614与地图数据602相关，可以更好地确定车辆110相对于地图数据602的位置。由于计算装置115存储包括车辆110相对于激光雷达范围数据614的位置和姿势的非常准确的数据，因此计算装置115可通过确定激光雷达范围数据614与地图数据602之间的最大相关性来确定车辆110相对于地图数据602的位置。该技术需要经校准的激光雷达传感器202、204、206、208来生成经校准的激光雷达范围数据614。

未校准的激光雷达传感器202、204、206、208可用在x、y和z维度上具有大于10cm的相对精度的位置值生成具有激光雷达数据点618的激光雷达强度图像616，如上所述，但不能将车辆110可靠地定位在相对于真实世界坐标的10cm内。激光雷达梯度图像620包括基于经过地平面修剪和梯度检测的未校准激光雷达强度数据点618的激光雷达梯度数据点622，如上文关于图3至图5所论述。激光雷达梯度数据点622可使用匹配算法与地图数据602点组合，以基于下文关于图7和图8描述的技术将车辆110定位在10cm精度内。

图7是示例性局部反射图700的图。局部反射图700是来自一个或多个未校准的激光雷达传感器202、204、206、208的未校准的激光雷达强度图像[x^φ]300，所述未校准的激光雷达强度图像由计算装置115处理以修剪并非源自地平面或其附近的反射返回结果以生成对应于车辆110的位置周围的局部地理区域的局部反射图700。局部反射图700可以如上文关于图4所论述的那样进行处理，以形成激光雷达梯度图像(图8)。

图8是示例性激光雷达梯度图像的图。激光雷达梯度图像包括以车辆110为中心的40m×40m的正方形区域，以10cm的分辨率采样。基于归一化交互信息(NMI)，将激光雷达梯度图像与对应于激光雷达梯度图像中包括的局部地理区域的地图数据602的局部部分匹配，以通过以下公式提供雷达梯度图像与d_L＝激光雷达梯度图像中包括的局部地理区域中包括的地图数据602的局部部分之间的估计配准

其中Θ是小姿势邻集，包括围绕中心位置和姿势分布的有限数量的位置和姿势，基于θ，姿势邻集Θ的位置/姿势元素相对于d_L平移和旋转根据以下公式，argmax_θ∈Θ函数通过以下执行NMI配准搜索：逐步通过位置/姿势邻集Θ、在每个步骤相对于d_L平移和旋转计算NMI配准并选择最大化d_L与之间的匹配的位置/姿势：

其中H(d_L)和是随机变量A和B的熵，通过将H(d_L)和的和除以随机变量d_L和的联合熵归一化。熵可被计算为单独应用于随机变量d_L和的以及应用于随机变量d_L和的组合的分散度的量度。待应用的分散度量度取决于单独的随机变量d_L和以及它们的组合的潜在概率分布。随机变量d_L和的概率分布可以凭经验确定，然后以数学方式确定它们的组合。

公式4返回估计的配准其是应用于激光雷达梯度图像的平移和旋转，使得激光雷达梯度图像最接近地匹配地图数据602的局部部分。通过确定多个估计的配准，Θ_k，{1≤k≤N}，并且基于包括GPS、INS和里程计的位置传感器116执行与位置估计值的融合，使用扩展卡尔曼滤波器(EKF)根据以下公式形成对估计配准和估计求和矩阵的预测，可使用估计配准以大于10cm的精度相对于地图数据602定位车辆110：

其中滤波器F_k是基于时间位移对先前估计值Θ_k的贡献进行加权的矢量。和可通过根据以下公式计算卡尔曼更新因子K_k来更新：

其中H_k是权重的矢量，并且R_k是基于来自公式5的NMI协方差估计为成本函数的对应不确定性。卡尔曼更新因子K_k可用于根据以下公式以时间步长k更新和

其中I是单位矩阵，H_k和R_k同上，h_k是时间步长为k的加权函数，并且(来自公式4中NMI配准的输出)。滤波器F_k可以基于位置传感器116用估计位置初始化，并且基于z_k更新。与公式4和5相关联的NMI配准阶段通过动态边界穷举搜索来执行，该搜索自适应地更新到关于EKF的后验分布的3σ窗口。这对应于x和y维度中20cm的分辨率。基于未校准的激光雷达数据点618确定地图数据602中的车辆110位置可以将车辆110位置信息的分辨率从8.5至11m改善到20cm或更小。

图9是关于图1至图8描述的用于基于确定车辆位置来操作车辆的过程900的流程图的图。过程900可以由计算装置115的处理器实现，从传感器116获取输入信息，并例如经由控制器112、113、114执行命令和发送控制信号。过程900包括以所公开的顺序采取的多个步骤。过程900还包括步骤较少的实施，或者可包括以不同顺序采取的步骤。

过程900开始于步骤902，在该步骤中计算装置115确定地图数据602的局部部分。地图数据602的局部部分由计算装置115通过从存储器调用存储的地图数据602或从服务器计算机120下载地图数据602或这两者来确定，如上文关于图6所论述。确定地图数据602的局部部分包括基于包括GPS、INS和里程计的位置传感器116确定车辆110的第一位置估计值。

在步骤904中，计算装置115基于未校准的激光雷达传感器202、204、206、208确定包括未校准的激光雷达数据点[x^φ]_n304的未校准的激光雷达数据，如上文关于图6至图8所论述。未校准的激光雷达数据点[x^φ]_n304被修剪为仅包括地平面数据、进行梯度检测并组合以形成未校准的激光雷达梯度图像[Dx]400。

在步骤906中，计算装置115通过将地图数据602的局部部分与未校准的激光雷达梯度图像[Dx]400组合来确定相对于地图数据602的车辆110位置，如上文关于图7和图8所论述，其中基于第一位置估计值将地图数据602转换为地图数据602的局部部分。然后，计算装置115将地图数据602的局部部分与一组相邻姿势的未校准的激光雷达梯度图像[Dx]400匹配，以确定估计的配准其可以输入到EKF以确定车辆110相对于地图数据602的位置估计值。

在步骤908中，计算装置115可以基于在步骤906中确定的位置估计值来操作车辆110。位置估计值可以20cm的精度确定，这意味着车辆110相对于地图数据602的报告的位置估计值在车辆110相对于地图数据602的真实位置的20cm内具有99.73％的概率，或3σ。20cm精度足以允许计算装置115使用地图数据602以安全且舒适的方式将车辆110操作到目的地。在该步骤之后，过程900结束。

诸如本文所论述的计算装置通常各自包括命令，所述命令可由诸如以上标识的那些的一个或多个计算装置执行，并且用于执行上述过程的方框或步骤。例如，上文论述的过程框可以体现为计算机可执行的命令。

计算机可执行的命令可由使用各种编程语言和/或技术创建的计算机程序来编译或解释，所述编程语言和/或技术单独地或组合地包括但不限于Java^TM、C、C++、VisualBasic、Java Script、Perl、HTML等。通常，处理器(例如，微处理器)接收例如来自存储器、计算机可读介质等的命令，并且执行这些命令，从而执行一个或多个过程，包括本文所述的过程中的一个或多个。此类命令和其他数据可使用多种计算机可读介质存储在文件中并进行传输。计算装置中的文件通常是存储在计算机可读介质(诸如存储介质、随机存取存储器等)上的数据的集合。

计算机可读介质包括参与提供可由计算机读取的数据(例如，命令)的任何介质。这种介质可采用许多形式，包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘和其他持久性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(DRAM)。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储芯片或盒式磁带、或计算机可从中读取的任何其他介质。

除非在本文中作出相反的明确指示，否则权利要求书中所使用的所有术语都旨在被给予它们明确且普通的含义，如本领域的技术人员所理解的那样。具体地讲，诸如“一个”、“该”、“所述”等单数冠词的使用应当被理解为表述所指示要素中的一个或多个，除非权利要求作出明确相反的限制。

本文所用的术语“示例性”具有表示实例的意义，例如，对“示例性窗口小部件”的引用应被简单地理解为窗口小部件的实例。

修饰值或结果的副词“大约”意味着形状、结构、测量、值、确定、计算等可能偏离精确描述的几何形状、距离、测量、值、确定、计算等，因为在材料、机加工、制造、传感器测量、计算、处理时间、通信时间等中存在缺陷。

在附图中，相同的附图标记表示相同的要素。此外，可以改变这些要素中的一些或全部。关于本文所描述的介质、过程、系统、方法等，应当理解，虽然此类过程等的步骤已被描述为按照特定顺序的序列发生，但是此类过程可通过以本文所描述的顺序以外的顺序执行的所描述步骤来实践。还应理解，某些步骤可同时执行，可添加其他步骤，或者可省略本文所描述的某些步骤。换句话说，本文对过程的描述是为了说明某些实施例而提供的，且绝不应当将其理解为用于对受权利要求保护的本发明进行限制。

根据本发明的一种方法包括确定地图数据；确定未校准的激光雷达数据；通过将地图数据与未校准的激光雷达数据组合来确定车辆在地图数据中的位置；并且基于车辆在地图数据中的位置来操作车辆。

根据实施例，确定地图数据包括基于包括GPS、INS和里程计的位置传感器确定相对于地图数据的第一位置。

根据实施例，上述发明的特征还在于，通过包括对应于地平面返回数据的反射测量结果并且排除对应于非地面返回数据的测量数据来确定未校准的激光雷达数据。

根据实施例，上述发明的特征还在于，通过将反射测量结果正交投影到2D网格上来确定未校准的激光雷达数据。

根据实施例，上述发明的特征还在于，通过确定未校准的激光雷达数据的x和y梯度来确定未校准的激光雷达数据。

根据实施例，上述发明的特征还在于，通过基于多个激光雷达扫描的位置组合来自激光雷达扫描的未校准的激光雷达数据的x和y梯度，从而确定未校准的激光雷达数据。

根据实施例，未校准的激光雷达数据包括被编码为无穷大或NAN的丢失数据。

根据实施例，将地图数据与未校准的激光雷达数据组合包括将地图数据与未校准的激光雷达数据匹配，以通过确定地图数据与未校准的激光雷达数据之间的一组邻域位置/姿势的归一化交互信息来确定地图数据与未校准的激光雷达数据之间的配准。

根据实施例，上述发明的特征还在于，通过利用扩展卡尔曼滤波器来处理地图数据与未校准的激光雷达数据之间的配准来更新位置，从而确定车辆相对于地图数据的位置。

根据本发明的一种系统包括处理器；和存储器，该存储器包括指令，所述指令由处理器执行以：确定地图数据；确定未校准的激光雷达数据；通过将地图数据与未校准的激光雷达数据组合来确定车辆在地图数据中的位置；并且基于车辆在地图数据中的位置来操作车辆。

根据实施例，计算机被编程为确定地图数据，包括基于包括GPS、INS和里程计的位置传感器确定相对于地图数据的第一位置。

根据实施例，计算机被编程为通过包括对应于地平面返回数据的反射测量结果并且排除对应于非地面返回数据的测量数据来确定未校准的激光雷达数据。

根据实施例，计算机被编程为通过将反射测量结果正交投影到2D网格上来确定未校准的激光雷达数据。

根据实施例，计算机被编程为通过确定未校准的激光雷达数据的x和y梯度来确定未校准的激光雷达数据。

根据实施例，计算机被编程为通过基于多个激光雷达扫描的位置组合来自激光雷达扫描的未校准的激光雷达数据的x和y梯度，从而确定未校准的激光雷达数据。

根据实施例，上述发明的特征还在于，将地图数据与未校准的激光雷达数据组合包括将地图数据与未校准的激光雷达数据匹配，以通过确定地图数据与未校准的激光雷达数据之间的一组邻域位置/姿势的归一化交互信息来确定地图数据与未校准的激光雷达数据之间的配准。

根据实施例，计算机编程为通过利用扩展卡尔曼滤波器来处理地图数据与未校准的激光雷达数据之间的配准来更新位置，从而确定车辆相对于地图数据的位置。

根据本发明，提供了一种系统，该系统具有未校准的激光雷达传感器，其能够操作以获取未校准的激光雷达数据；位置传感器，该位置传感器能够操作以获取第一位置；车辆部件，该车辆部件能够操作以操作车辆；处理器；以及存储器，该存储器包括指令，所述指令由处理器执行以：基于第一位置确定地图数据；确定未校准的激光雷达数据；通过将地图数据与未校准的激光雷达数据组合来确定车辆在第二地图中的位置；并且基于车辆在第二地图中的位置来致动车辆部件以操作车辆。

根据实施例，通过包括GPS、INS和里程计的位置传感器获取第一位置。

Claims

1.一种方法，其包括：

确定地图数据；

确定未校准的激光雷达数据；

通过将所述地图数据与所述未校准的激光雷达数据组合来确定车辆在所述地图数据中的位置；以及

基于所述车辆在所述地图数据中的所述位置来操作所述车辆。

2.如权利要求1所述的方法，其中确定所述地图数据包括基于包括GPS、INS和里程计的位置传感器确定相对于所述地图数据的第一位置。

3.如权利要求1所述的方法，其还包括通过包括对应于地平面返回数据的反射测量结果并且排除对应于非地面返回数据的测量数据来确定所述未校准的激光雷达数据。

4.如权利要求3所述的方法，其还包括通过将反射测量结果正交投影到2D网格上来确定所述未校准的激光雷达数据。

5.如权利要求4所述的方法，其还包括通过确定所述未校准的激光雷达数据的x和y梯度来确定所述未校准的激光雷达数据。

6.如权利要求5所述的方法，其还包括通过基于多个激光雷达扫描的位置组合来自所述激光雷达扫描的所述未校准的激光雷达数据的x和y梯度，从而确定所述未校准的激光雷达数据。

7.如权利要求6所述的方法，其中所述未校准的激光雷达数据包括被编码为无穷大的丢失数据。

8.如权利要求7所述的方法，其中所述2D网格在x和y中以10cm采样。

9.如权利要求1所述的方法，其中将所述地图数据与所述未校准的激光雷达数据组合包括将所述地图数据与所述未校准的激光雷达数据匹配，以通过确定所述地图数据与所述未校准的激光雷达数据之间的一组邻域位置/姿势的归一化交互信息来确定所述地图数据与所述未校准的激光雷达数据之间的配准。

10.如权利要求9所述的方法，其还包括通过利用扩展卡尔曼滤波器来处理所述地图数据与所述未校准的激光雷达数据之间的所述配准来更新所述位置，从而确定所述车辆相对于所述地图数据的所述位置。

11.如权利要求10所述的方法，其中通过确定一组邻域位置/姿势的归一化交互信息来确定所述地图数据与所述未校准的激光雷达数据之间的配准包括确定所述地图数据与所述未校准的激光雷达数据之间的最大匹配。

12.如权利要求11所述的方法，其中所述归一化交互信息被计算为应用于所述地图数据与所述未校准的激光雷达数据之间的差异的标准偏差。

13.如权利要求1所述的方法，其中确定所述地图数据包括基于位置传感器形成地图数据的局部部分以及基于所述未校准的激光雷达数据形成地理区域。

14.如权利要求13所述的方法，其中所述地理区域是在x和y中以10cm采样的2D网格。

15.一种系统，其包括被编程为执行如权利要求1至14中任一项所述的方法的计算机。