CN110082747A - 基于多个检测点来增加确定车辆位置的可靠性的方法 - Google Patents

基于多个检测点来增加确定车辆位置的可靠性的方法 Download PDF

Info

Publication number
CN110082747A
CN110082747A CN201910063021.0A CN201910063021A CN110082747A CN 110082747 A CN110082747 A CN 110082747A CN 201910063021 A CN201910063021 A CN 201910063021A CN 110082747 A CN110082747 A CN 110082747A
Authority
CN
China
Prior art keywords
test point
vehicle
point
total amount
weight
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.)
Granted
Application number
CN201910063021.0A
Other languages
English (en)
Other versions
CN110082747B (zh
Inventor
A·皮谢瓦里
S·莱斯曼
U·伊乌格尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aptiv Technologies Ltd
Original Assignee
Aptiv Technologies Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aptiv Technologies Ltd filed Critical Aptiv Technologies Ltd
Publication of CN110082747A publication Critical patent/CN110082747A/zh
Application granted granted Critical
Publication of CN110082747B publication Critical patent/CN110082747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Navigation (AREA)

Abstract

基于多个检测点来增加确定车辆位置的可靠性的方法。描述了一种基于多个检测点来增加确定车辆位置的可靠性的方法，利用车辆的、接收来自所述车辆的邻域的电磁信号的基于无线电的系统和/或光学传感器系统(具体为雷达系统)来获得所述多个检测点，并且所述多个检测点中的每个检测点表示所述车辆邻域中的位置，其中，所述方法包括以下步骤：至少针对所述多个检测点的子集中的每个检测点：确定与所述检测点相关联的至少一个几何对象；从所述子集中确定共有所述至少一个几何对象的至少一组检测点；确定所述至少一组中的检测点的总量；以预定义比例评估表示所述至少一组中的检测点的所述总量的权重；以及相对于所述权重处理所述检测点。

Description

基于多个检测点来增加确定车辆位置的可靠性的方法
技术领域
本发明涉及一种基于多个检测点来增加确定车辆位置的可靠性的方法。
背景技术
利用车辆的、接收来自所述车辆的邻域(vicinity)的电磁信号的基于无线电的系统和/或光学传感器系统(具体为雷达系统)来获得所述多个检测点，并且所述多个检测点中的每个检测点代表所述车辆邻域中的位置。优选地，通过从基于无线电的系统和/或光学传感器系统发射大量的电磁信号来获得检测点。辐射信号的至少一部分通常将击中(hit)车辆邻域中的对象，例如，静态地标，其中，所述信号在该对象处沿朝向接收该信号的车辆传感器系统的方向反射。然后，可以比较发射信号和接收信号，以便评估该对象上的反射点的位置，即，与检测点相关联的位置。例如，在雷达的情况下，除了用于评估与检测点相关联的位置的信号的渡越时间差之外，还可以使用信号之间的多普勒频移。
如技术人员所理解的，由于车辆周围的多个对象，大量的发射信号通常会导致大量的检测点(“点云(cloud of points)”)。尽管这形成了用于确定车辆位置的宽泛基础，并因此原则上可以有利于实现所确定的位置的高准确度，但众所周知，在扫描期间获得的检测点中的不可忽略部分实际上是无效的。这种无效检测点不代表车辆邻域的、实际上反射发射信号的实际位置。相反的是，无效检测点可能是由其它电磁辐射源产生的，也可能是由传感器系统中的处理误差和噪声导致的。在许多情况下，由这种无效检测点表示的位置相距其它有效检测点的距离较大，因此表示为离群值(outlier)。这种离群值检测点可能导致所确定的车辆位置出现显著误差。具体来说，离群值检测点可能显著地破坏确定车辆位置的处理，该处理涉及检测点与参照数据之间的匹配(可以表示为扫描匹配)。当借助于雷达获得检测点时，离群值的问题特别致命，因为与其它传感器装置(例如，激光器)相比，雷达显著倾向于生成离群值检测点。
发明内容
本发明的一个目标问题是，提供一种基于多个检测点来增加确定车辆位置的可靠性的方法。
所述方法包括至少针对多个检测点的子集中的每个检测点：确定与所述检测点相关联的至少一个几何对象；从所述子集中确定共有所述至少一个几何对象的至少一组检测点；确定所述至少一组中的检测点的总量；以预定义比例评估代表所述至少一组中的检测点的所述总量的权重；以及相对于所述权重处理所述检测点。
一个方面是，利用相应权重来对检测点进行加权。权重可以是标量。可以按适合于根据权重来修改检测点的重要性的任何数学方式来执行对给定检测点应用权重。例如，可以按这样的方式将权重整合到确定车辆位置的过程中，即，具有小权重的检测点对所计算的位置的影响小于具有大权重的检测点对所计算的位置的影响。以这种方式，可以影响各个检测点对所确定的位置的影响。权重可以是对检测点的信任的量度。考虑到上面说明的离群值问题，可以为潜在离群值分配较低的权重，从而降低了该潜在离群值显著破坏所确定的位置的准确度的风险。
所提出的加权方案的一个优点是避免了硬阈值化，即，在以二元方式将检测点分类成坏检测点和好检测点的意义上。相反的是，加权可以考虑逐渐显示检测点的有效性。这符合概率方法，其中，只能估计而不能以百分之百的确定性预测检测点的有效性。已经发现，这里所述的加权方法的示例都能够增加所确定的位置的可靠性和准确度。
针对每个检测点确定几何对象。该几何对象可以具有任意形式，并且可以被解释为用于描述给定检测点相对于周围检测点的周围的构造。该方法的基本假设是，周围的检测点的数量越大，就可以指示相应检测点具有越高的有效性，并因此应被分配较高的权重。
如果多个检测点例如位于一个几何对象上或者如果它们被所述几何对象包围，则所述多个检测点可以共有所述几何对象。这样，共有同一几何对象的所有检测点形成与相应对象相关联的一组检测点。组的数目可以由共有至少一个检测点的对象的数目来限定。共有几何对象的检测点的总量可以简单地为所述几何对象上和/或所述几何对象内的检测点的数目。然而，如技术人员所理解的，检测点的总量也可以由表示检测点的数目的导出数字来表示。此外，对象可以彼此交叠，并且检测点可以同时共有一个以上的对象，例如，两个不同类型的对象。
以预定义比例(scale)表示针对每个检测点评估的权重，使得所有检测点的权重可以以合理的方式彼此相比较，从而还确保明确地限定后续检测点相对于权重的处理。
考虑到以预定义比例表达权重，在一个实施方式中，评估权重的步骤包括以下步骤：从所有确定的总量中识别关于至少一组的最大总量。然后，将所有确定的总量归一化到最大总量。
在优选实施方式中，相对于权重来处理检测点的过程包括以下步骤：根据所述权重修改所述检测点的不确定性的表示，其中，所述不确定性的所述表示与所述权重成反比。所述检测点的所述不确定性可以归因于测量，并因此可以表示传感器系统的测量不确定性。所述不确定性可以是具有可以显著影响所述检测点的不确定性的参数的参数化函数，例如所述传感器系统与由所述检测点所代表的位置之间的距离以及该位置与所述传感器系统或其传感器的中心视线之间的角度。
使所述不确定性相对于所述权重成反比可以具有这样的效果：如果赋予所述检测点较小的权重，就增加所述不确定性。因此，可以在确定所述位置期间考虑所增加的不确定性，从而减少加权的检测对结果的影响。所述不确定性可以用方差和/或协方差来表达。
在一个实施方式中，所述不确定性的表示由预定义的协方差矩阵形成，其中，所述权重的逆表示与所述协方差矩阵的至少一部分相乘。优选地，所述协方差矩阵的所有元素(entry)都可以与所述权重相乘。视情况而定，所述权重或其修改版本的比例可以具有等于一的下限。通过对所述协方差矩阵的元素做乘法，这些元素要么保持不变(权重等于一)，要么根据所述权重(权重大于一)增加。这样，所述预定义不确定性(其可以从与所述传感器系统相关联的一个参数化函数导出)不会减少。具体来说，最佳地确保所述不确定性不会降低，从而增加了所确定的位置的可靠性。
根据优选实施方式，所述权重包括第一加权因子和/或第二加权因子，其中，每个加权因子都可以如前所述针对所述权重来形成。这意味着所述第一加权因子表示第一组检测点中的检测点的总量，所述第二加权因子表示第二组检测点中的检测点的总量。而且，所述第一组中的所述检测点共有第一几何对象，所述第二组中的所述检测点共有第二几何对象。从表示所述车辆邻域的预定义地图确定所述第二几何对象，独立于所述预定义地图确定所述第一几何对象。优选地，还独立于其它“模型”(例如从包括当前检测点或来自其它时刻(未来或过去)的检测点的其它扫描导出的模型)确定所述第一几何对象。
可以从存储在数据库中的地图数据导出所述预定义地图，该数据库例如可以被设置在所述车辆中或者与所述车辆连接的中央服务器中。所述地图数据优选地捕获期望行驶区域，例如，给定国家或一组不同国家的所有有效行驶区域。根据该地图数据，可以确定预定义地图，其中，所述预定义地图可以限于所述车辆的当前邻域。该当前邻域可以限于所述传感器系统的指定范围，使得所述预定义地图仅包括该范围内的那些元素，即，可能被所述传感器系统检测到的那些对象。因此，确定所述预定义地图的步骤可以包括以下步骤：识别所述地图中对应于所述传感器系统的当前“视图”的一部分，从而按给定时刻提供所述车辆局部邻域的地理结构描述。可以基于从在所述车辆处接收到的当前GPS信号导出的位置信息来确定所述预定义地图。如果此类信号当前不可用，则可以使用最后的GPS信号或另一不准确的位置估计。
优选地，所述第一几何对象被限定为相应检测点周围的包围(enclosure)，并且其中，按照使得所述相应检测点在所述包围中至少大致居中的方式设置所述包围。具体来说，所述包围具有圆形或球形形状。如果仅相对于检测点在平面(即，所述车辆下方的地面)中的位置对检测点加以处理，则圆形形状可能就足够了。而且，仅优选地，所述包围(即，所述包围的形状)是不变的，即，对所有检测点都是固定的。这意味着可以在每个检测点上定位同一类型的几何对象，从而简化了所述权重的确定。所述第一几何对象是用于识别所述第一组的手段，其中，所述第一组可以表示多个检测点在与几何对象相关联的检测点周围的分布。
针对相应检测点，确定所述第二几何对象的步骤可以包括以下步骤：从所述预定义地图中的多个元素中识别至少一个相应元素，其中，所述预定义地图中的所述多个元素中的每个元素表示所述车辆的邻域中的静态地标，并且其中，由所识别的至少一个相应元素表示的所述静态地标与作为由所述相应检测点表示的位置有因果关系的最大似然(likelihood)相关联。所述第二组可以被解释为与相应元素相关联的检测点的分布。所述预定义地图可以是导航地图，具体为来自公共可用数据库的导航地图，例如，开放街道地图。所述预定义地图可以基于所述车辆的给定位置从全球数据库导出，例如，从所述车辆的全球定位系统导出，如上进一步所示。所述静态地标可以是静态对象，例如，形成可由所述车辆的所述传感器系统检测到的对象的建筑物墙壁或针对所述车辆的其它障碍物。所述地图的所述元素优选地具有数学或“建模”性质，因此它们也可以被称为原生元素，即，从头开始定义的元素。
识别所述至少一个相应元素的步骤可以包括以下步骤：将具有最小距离的所述元素分配给所述检测点。换句话说，可以将最靠近所述检测点的所述元素选择为所述关联元素。这是恰当的，因为所述检测点应具有与所识别元素理想地匹配的物理基础。用于识别所述最近元素的距离度量(metric)可以是所述点与所述元素之间的欧几里德(Euclidian)距离。可以针对给定检测点邻域的所有元素计算所述距离度量。然后将所得距离度量相互比较，其中，选择最低值以识别所述最近元素。尽管给定检测点可以与超过一个元素相关联，但每个检测点优选地与恰好一个元素相关联，即，仅将所述最近元素分配给所述检测点。
根据另一优选实施方式，所述预定义地图中的所述多个元素中的每个元素包括扩展几何对象，具体为线或面，优选为直线或平面。这样，可以按足以使本申请识别针对每个检测点的物理基础的方式来描述出现在预定义地图中的几乎所有静态对象。例如，可以通过简单的参数化函数来描述线，这仅需要少量的存储资源(例如，f(x)＝ax+b)。因此，所述车辆中用于存储(用于确定所述预定义地图的)地图素材的存储器可以相对较小。还应明白，线不一定是直线，而是还可以包括弯曲部分。
根据另一实施方式，评估给定检测点pi(其中，i＝1、2、…、m)的权重的步骤包括以下步骤：将所述第一加权因子与所述第二加权因子相乘，其中，所述第一加权因子被定义为
其中，Mp是关于与所述给定检测点pi相关联的所述第一组的最大总量，|Gpi|是所述第一组的总量，γ是自由参数，其中，所述第二加权因子被定义为
其中，Mmap是关于与所述给定检测点pi相关联的所述第二组的最大总量，|Nr|是所述第二组的总量，σ是自由参数。所述参数γ和σ影响相应的指数函数e的衰减速度。如技术人员所理解的，两个加权因子都被限制于范围(0，1]，并因此以预定义比例表达。在所述第一加权因子和第二加权因子的指数项中分别从所述最大总量Mp、Mmap中减去所确定的总量|Gpi|、|Nr|并除以Mp和Mmap，是将所确定的总量归一化到所述最大总量的一种方法。如技术人员所理解的，所述加权因子的上述表达式仅是一个示例性公式，并且可以使用其它的(即，导出的)表达式来实现相同的期望加权行为。可以通过反转所述两个加权因子来给出所述权重的逆表示；即，将所述指数项的减号改变成加号。
根据另一优选实施方式，所述方法还包括以下步骤：借助于对所述多个检测点进行预过滤，来确定所述多个检测点的子集，其中，所述预过滤步骤包括以下步骤：针对所述多个检测点中的每个检测点，从所述预定义地图中的所述多个元素中识别具有至所述检测点的最小距离的元素，并且如果所述距离小于预定义阈值，则将所述检测点分配给所述多个检测点的所述子集。换句话说，如果所述最近元素不是太远，则给定检测点将仅是所述子集的一部分。还可以说，检测点的所述子集是基于所述多个(原始)检测点中的每个检测点与所述预定义地图的最近元素之间的距离来确定的，其中检测点的所述子集由至所述最近元素的距离小于阈值的所述检测点形成。这种方法可以被视为似真性(plausibility)约束，因为检测点的物理基础的真实位置不应离该检测点所代表的评估位置太远。否则，优选地丢弃所述检测点以确定所述车辆位置。为了节省计算时间，没有为这些“遥远的”检测点计算权重。这可以被解释为简单的用零来加权，其中，假设这些检测点形成极端离群值而没有效力，并因此不应对所确定的位置产生影响。
针对上述预过滤另选地或附加地，所述方法还可以包括以下步骤：借助于对所述多个检测点进行预过滤，来确定所述多个检测点的子集，其中，所述预过滤步骤包括以下步骤：针对所述多个检测点中的每个检测点，(i)从所述预定义地图中的所述多个元素中识别具有至所述检测点的最小距离的元素，(ii)将所述检测点分配给所识别的元素，(iii)如果所述检测点与补充元素之间的距离小于第二预定义阈值，则将所述检测点分配给所述多个检测点的所述子集，其中，基于分配给所识别的元素的所述检测点来评估所述补充元素，其中，分配给所识别的元素和所述补充元素的检测点的数目被最大化。所述补充元素优选为直线，该直线是基于随机选择的检测点的集合借助于简单线性回归评估出的，随机选择的检测点的集合被分配给所述预定义地图的相应元素。优选地，随机选择的检测点集合仅是分配给所识别元素的检测点的总数目中的一部分。随机选择的检测点的步骤可以重复多次。然后，选择导致被分配给所识别的元素(预定义地图的)和所述补充元素(针对相应随机集合)两者的检测点数目最大的集合作为“幸免于”预过滤的检测点的子集。该一般方法有时也被称为随机抽样一致(RANSAC)过滤，并且已被发现结合所提出的检测点加权特别有效。术语“预过滤”用于指示在加权步骤之前执行过滤，其中，后者也可以被解释为相对于所述检测点的过滤。
本发明还涉及一种具有基于无线电的系统和/或光学传感器系统的车辆，其中，所述车辆包括处理单元，该处理单元被配置成执行根据前述实施方式中的至少一个所述的方法。所述处理单元可以连接至存储有代表所述方法的程序代码的存储器。优选地，所述方法可以在没有与中央服务器等的移动连接的情况下执行。因此，所述存储器还可以包括数据库，该数据库包括用于确定表示所述车辆邻域的预定义地图的数据。然而，如技术人员所理解的，在执行所述方法时，可以使用移动连接来更新或并入数据。优选地，所述处理单元还被配置成，基于所述多个检测点的所述子集来确定所述车辆的位置，其中，相对于所述权重处理所述子集中的所述多个检测点中的每个检测点。即，仅基于已经被评估了权重的那些检测点来确定所述位置。然而，当然可以利用其它检测点。
根据另一实施方式，所述方法可以包括以下步骤：将至少多个检测点与所述预定义地图的至少一个元素进行匹配。所述匹配步骤可以包括以下步骤：通过最小化所变换的检测点与分配给所述多个检测点的所述元素之间的距离来确定刚性变换函数(也称为刚体变换函数)，其中，所变换的检测点代表借助于所述刚性变换函数变换的所述多个检测点的所述子集。优选地，通过最小化每个变换的检测点与所分配的元素之间的欧几里德距离的总和来确定所述刚性变换函数。具体来说，确定所述刚性变换函数的步骤可以包括以下步骤：最小化以下表达式
其中，
P表示m个检测点的子集，
R表示旋转，
t表示平移，
pi表示P的第i个检测点，
bi表示相距分配给P的第i个检测点的元素的正交距离，
表示法向量相对于分配给P的第i个检测点的元素的转置。
所述刚性变换函数可以被解释为用于描述所述检测点(的位置)的坐标系的变换。即，所有检测点都以相同的方式变换。在这点上，误差函数F表示所变换的检测点与所分配的元素之间的平方欧几里德(即，正交)距离之和。每个检测点pi和对应法向量优选地分别由二维向量(相对于所述坐标系原点的向量)形成。距离bi优选为给出所述坐标系原点与相应元素之间的距离的标量。所述刚性变换函数是描述所述预定义地图的所述元素与所述检测点之间的对应关系的一种方式。例如，所述刚性变换函数可以应用于所述多个检测点，从而“校正”所述检测点。然而，所述刚性变换函数也可以应用于所述车辆的其它位置测量。
确定所述刚性变换函数可能涉及概率模型，其中，所述概率模型的至少一个参数表示所述多个检测点中的至少一相应检测点的预期方差，其中，所述预期方差不恒定。所述概率模型可以是所谓的Gauss-Helmert模型，其例如在“K.-R.Koch:Parameterschaetzungund Hypothesentests in linearen Modellen.Ehemals Ferd.Dümmlers Verlag,Bonn,2004”中被更详细描述。所述概率模型可以是该参考文献中描述的Gauss-Helmert模型。应当明白，该模型可以用于本文所述应用的上下文中。
作为最小化上述误差函数F的示例，再次考虑m个检测点，每个检测点都有沿方向x和y的坐标：
旋转和平移可以通过下式描述：
为了线性化该误差函数F，可以采用具有检测点的分裂(split-up)的泰勒(Taylor)级数展开，并且最佳参数
其中，
是泰勒点，且
是改进项。F的最小化可以求解为
其可以通过拉格朗日算符(Lagrangians)简化成
其中，所述检测点具有单独协方差矩阵，写为
可以利用权重逐元素地对用于例如一次或更多次扫锚的所有检测的“全局协方差矩阵”进行加权
Wi，i＝1，...，m，
其中，每个协方差矩阵的每个元素都乘以针对对应检测点的单独的权重。通过这种方式，所述刚性变换函数获得更高的准确度，其中，将所述变换应用于不准确的位置估计导致更可靠的校正位置。
所述方法还可以包括以下步骤：从所述车辆的运动模型确定所述车辆的初步位置，其中，确定所述车辆位置的步骤包括以下步骤：借助于所述刚性变换函数变换所述初步位置。所述运动模型可以是描述所述车辆随时间的轨迹的模型。可以利用某个值初始化所述模型，然后基于所述车辆的运动测量值周期性地更新模型。在这点上，优选地，基于来自所述车辆的至少一个运动传感器的至少一个测量值和/或基于所述多个检测点中的至少一些检测点来确定所述运动模型。来自运动传感器和传感器系统的测量值的组合可以进一步提高所述方法的准确度。
来自所述至少一个运动传感器的测量值可以包括所述车辆的速度和/或偏航率(yaw rate)，其中，所述车辆优选地包括对应的传感器设备。这还已知为“航位推算(dead-reckoning)”测量。优选地，基于车轮速度传感器(每时间间隔(time span)的车轮旋转)测量值和/或偏航率传感器测量值，和/或基于所述检测点来确定所述车辆的速度和/或偏航率。
已经发现单独采取航位推算测量在某些条件下(例如，在强转向操纵期间)提供对所述车辆位置的不准确估计。为此，基于航位推算的估计可以代表所述车辆位置的初步估计。可以将所述刚性变换函数应用于所述初步位置，以便达到具有比所述初步位置高的准确度的最终位置：
其中，
Pdr
是所述车辆的初步位置，即，不准确位置，并且
Psm
是校正位置(可以被称为“扫描匹配位置”)，并且其中，所述刚性变换函数由优化的参数向量确定
D＝(tx，ty，Φ)T。
根据另一实施方式，被用于匹配的所述多个检测点的子集或全部包括来自所述传感器系统的多次连续扫描的检测点，具体为1至20次扫描，优选为10次扫描，其中，扫描速率介于10Hz到40Hz之间，优选为20Hz。
在一个实施方式中，所述方法可以在车辆中实施，以便提供需要关于所述车辆的当前位置的准确信息的一个或更多个自主驾驶应用。一个这样的应用是停车场(parkinglevel)的代客停车，其中，所述车辆自动驶入期望停车位而不需要驾驶员的马达和转向控制。即，相对于所确定的车辆位置来控制或修改所述车辆的驾驶行为。
附图说明
下面，借助于附图中示出的示例性实施方式对本发明加以进一步描述，其中，
图1是车辆和车辆坐标系中的多个检测点的示意性例示图；
图2是图1的、变换成世界坐标系并且另外示出预定义地图的多个元素的示意性例示图；
图3是图2的示意性例示图，其中，车辆和检测点借助于刚体变换函数进行了转换；
图4是例示用于确定配备有雷达系统和运动传感器的车辆位置的方法的示意性概述图；
图5是表示停车场的预定义地图的示意性例示图，其中，所述例示图还包括车辆和借助于所述车辆的雷达系统获得的多个检测点；
图6是表示停车场的预定义地图的示意性例示图，其中，所述例示图还包括车辆和借助于所述车辆的雷达系统获得的多个检测点，其中，例示了检测点到预定义地图的最近元素上的正交投影；
图7例示了针对分配给预定义地图的最右侧元素的一部分检测点的检测点预过滤；
图8例示了针对分配给预定义地图的最左侧元素的一部分检测点的检测点预过滤；
图9例示了分别针对分配给预定义地图的最近元素的多个检测点的检测点预过滤；
图10例示了与检测点相关联的不确定性；
图11a例示了多个检测点和以检测点之一为圆心的圆，其中，圆内部的这部分检测点形成一组检测点；
图11b例示了以一个检测点为圆心的圆，其中，没有其它检测点处于该圆内部；并且
图12例示了针对多个检测点的评估权重。
在这些图中，相同的或对应的元素用相同附图标记指示。
具体实施方式
图1至图3提供了本文所述方法的上下文中的匹配过程的基本例示。在图1中，车辆10的示意图位于车辆10的坐标系12的原点。车辆坐标系12被指示为笛卡尔坐标系，其中轴x和y彼此正交，其中，车辆的航向与坐标系12的x轴对准。
车辆10具有雷达系统，该雷达系统包括总计四对14雷达传感器和雷达发射器，它们设置在车辆10的每个角上。因此，车辆10被配置成在环绕车辆10邻域的360度的角度范围内“观看”。应当明白，车辆10可以具有不同数目的雷达传感器和发射器，这些雷达传感器和发射器也可以按与图1中所示不同的配置来设置。
在图1中，多个检测点按组16、18以及20布置在车辆10周围，其中每个检测点都用星号指示，并且例示了在车辆10邻域中的位置。借助于雷达系统在一次或更多次扫描中获得这些检测点。
图2对应于图1，其中车辆10和车辆坐标系12相对于世界坐标系22示出，世界坐标系22也是具有轴x和y的笛卡尔坐标系，并且可以是预定义地图的坐标系。然而，检测点16、18、20是相对于车辆坐标系12示出的。另外，图2示出了相对于世界坐标系22的多个元素24、26和28。这些元素24、26、28表示车辆10邻域的静态地标。具体来说，元素24、26、28表示建筑物的墙壁或墙壁组。元素24和28例如包括不同的子元素，其中每个子元素都由与相邻线正交的直线形成。如将进一步说明的，每条直线都可以被作为单个元素分别处理。应当明白，元素24、26、28可以形成关于车辆10的预定义地图，并且元素24、26、28是真实静态地标(即，对象)的计算机实现的表示。在贯穿附图的示例中，由所述元素表示的静态地标由网格状围栏形成。这意味着，例如雷达信号可以被部分地反射并且部分地穿过围栏，从而导致按相对于传感器系统的显著不同的距离定位的多个检测点，例如，在相应元素的前方、上面或后方(例如，参见图5，相对于车辆10的检测点48和两者间的元素43)。这是一个特别具有挑战性的应用场景，其很好地示出了本发明的优点。
如从图2可以容易地看出，元素24、26、28示出了与检测点组16、18以及20的几何对应关系。实际上，可以假设元素24、26、28分别与检测点组16、18、20有因果关系。然而，在元素24、26、28与检测点16、18、20之间存在角位移。该位移与车辆10相对于世界坐标系22的不准确位置相对应。该不准确位置可以指示为基于例如车辆10的运动传感器估计的初步位置(“航位推算”)，并且可以使用运动模型来估计该初步位置(也称作初步自我-姿态(ego-pose))。
考虑到补偿上述角位移，匹配过程包括首先评估该对应关系，即，元素24、26、28与检测点16、18、20之间的关系。这是为了找到可以被用于校正所述不准确位置的变换函数。该变换函数可以是包括平移和旋转的刚性变换函数。即，检测点16、18、20与元素24、26、28之间也可以存在平移位移，而不仅是如图2所示的角位移。实际补偿的步骤，即，借助于评估的变换函数校正初步位置的步骤可以是匹配过程的第二步骤。对应结果如图3所示，其中，借助于相对于刚性变换函数变换车辆坐标系12(参照车辆坐标系12')校正了来自图2的、车辆10的不准确位置。因此，所变换的检测点16'、18'、20'现与元素24、26、28近似匹配。
图4给出了如上所述的特定匹配过程的示意性概述图。术语“导航地图”指的是存储在数据库中的多个元素，其中，在雷达系统(“雷达扫描仪”)范围内选择元素可以形成被馈送至处理框30的预定义地图。该框30还接收借助于雷达系统获得的多个检测点(“检测”)。在框30中，识别每个检测点的最近元素。在框32中，如果满足一个或更多个条件，则执行对最近元素的分配。一个条件是至最近元素的距离必须小于预定义阈值。这在图5中加以进一步例示，图5示意性地示出了包括多个元素(例如，元素40和42)的停车场38，所述多个元素被表示为线。停车场38还包括多个停车位44。这些停车位44优选地不通过预定义地图的元素编码，因为它们在障碍物意义上不是静态地标。车辆10已经获得了形成检测点云的多个原始检测点46。只有一部分原始检测点46被分配给相应最近元素，即，表示为星形的检测点48。这些检测点48至最近元素的距离都小于阈值。这些检测点48被分配给最近元素并形成用于进一步处理的原始检测点46的子集。
图6例示了如何评估检测点50与最近元素40之间的距离。在数学意义上，每个检测点50可以正交投影到最近元素40上，这给出了正交投影52。这两个点之间的距离被表示为虚线，其长度是欧几里德距离。
作为将检测点分配给最近元素的另选，如果它们之间的距离小于阈值(参照图4中的框32)，那么如果相应检测点与补充元素56(参照图7)之间的距离小于阈值，则也可以允许分配。在图7中，该补充元素56是基于最靠近元素54的那些检测点(例如图7中的检测点64、62)评估的回归线。对于那些检测点中的每一个来说，检查至补充元素56的距离是否小于阈值。这相当于检查所述检测点的位置是否处于相对于补充元素56的第一边界58与第二边界60之间的范围内。如果该检测点处于该范围内，则将所述检测点分配给元素54。在图7中，表示为星号的检测点62是这种情况。
图8例示了类似于图7的情况，其中，针对最接近元素40的检测点(例如，检测点62、46)，评估补充元素56'。最后，针对所有检测点执行该过程。该结果在图9中示出，其中，表示为星号的检测点62形成从框32输出的过滤的子集，以供在框34中进一步处理(参照图4)。
过滤后的检测点62的进一步处理可以包括根据检测点的假设不确定性来评估它们的权重。这对应于图4的框34。先验地，假设每个检测点具有某一(即，预定义的)测量不确定性，该不确定性可以在几何上被解释为围绕每个检测点的“区域”，在该区域内，假设由检测点表示的真实位置具有高概率(即，测量不确定性由概率密度函数建模)。这实际上是检测点的概率定义，其可以表示为针对每个检测点的单独协方差矩阵。该概率方法在图10中示出，图10包括与元素40相邻的两个放大区域66和70。在放大区域66中，椭圆68位于每个检测点64周围，从而指示与相应检测点64相关联的单个不确定性区域。可以借助于协方差矩阵来描述每个椭圆68。由椭圆68表示的不确定性可以是相对于检测点与车辆的雷达传感器之间的测量距离的参数。因此，不确定性(即，椭圆68的长轴)可以随着检测点与关联的雷达传感器之间的距离而增加。这可以通过将区域66中的椭圆68与针对放大区域70中的检测点74的椭圆72进行比较来看出。在后一情况下，由于至车辆10的距离较短，因而椭圆72的长轴较小。不确定性的椭圆形状归因于相对于距离的不确定性(“第一分量”)低于相对于关于检测点与关联的传感器之间的视线的角度的不确定性(“第二分量”)的事实。
从测量准确度的角度来看，通常并非所有检测点都具有相同的准确度，即，一些检测点比其它检测点噪声大。关于这点，可以评估权重，权重表示每个检测点的假定噪声程度，即，不确定性。然后可以使用这些权重以单独方式修改每个检测点的预定义不确定性，如上已经进一步描述的。针对给定检测点，可以评估第一加权因子，如图11a所示。圆74(即，第一几何对象)以给定检测点77为圆心定位。通过对圆74内的检测点76的数目进行计数来确定共有该圆74的检测点76的总量。在图11a中，总量是9(不包括中心检测点77)。圆74外部的检测点78对该总量没有影响。在比较中，与图11b中的检测点82相关联的总量是零，因为除了检测点82之外，在检测点82周围的圆80内部没有其它检测点。因此，图11a的给定检测点77具有比图11b的给定检测点82大的加权因子，因为给定检测点77被认为因较高数目的相邻检测点而噪声较小。如技术人员所理解的，还可以将给定的检测点77、82添加至相应总量。
可以通过对分配给相应元素的检测点的数目进行计数来评估第二加权因子。即，预定义地图的元素(如图5中的元素40和43)被视为第二几何对象，其中，分配给相应元素的每个检测点都具有与分配给同一相应元素的检测点的数目相对应的第二加权因子。因此，如果将许多检测点分配给单个元素，则所有这些检测点都具有相对较大的第二加权因子。
如上进一步详细描述的，第一加权因子和第二加权因子可以相乘。通过借助于视觉强度对权重进行编码，在图12中例示了所得权重。如强度条86所示，强度值介于最小值88至最大值90之间。通过将权重的倒数与概率模型的对应协方差矩阵相乘，可以将权重应用于对应检测点，如上面进一步详细描述的。第一加权因子和第二加权因子也可以按另一种乘法运算方式组合，或者它们可以彼此分开使用。
回到图4，权重的应用可以在框36的范围内执行，其涉及确定用于校正车辆10的不准确的自我姿态的刚性(体)变换函数。该刚体变换可以包括参数tx和ty(平移)以及参数(旋转)。可以通过最小化检测点子集与所分配的元素之间的距离来找到这些参数。利用这些参数变换不准确的位置然后给出车辆10的校正位置，这可以被用于广泛的应用，例如，停车场38的代客停车应用，其中，车辆10自动驶入期望停车位44而不需要驾驶员的马达和转向控制。
附图标记
10 车辆
12、12' 车辆坐标系
14 雷达传感器和发射器
16、18、20 检测点
16'、18'、20' 检测点
22 世界坐标系
24、26、28 元素
30 最近元素的识别
32 分配给最近元素
34 评估权重
36 匹配
38 停车场
40、42、43 元素
46 检测点
48 过滤后的检测点
50 检测点
52 正交投影
54 元素
56 补充元素
58 第一边界
60 第二边界
62 过滤后的检测点
64 检测点
66 放大区域
68 椭圆
70 放大区域
72 椭圆
74 圆
76 内部检测点
78 外部检测点
80 圆
82 检测点
84 过滤后的检测点
86 强度条
88 最小强度
90 最大强度

Claims (15)

1.一种基于多个检测点(46)来增加确定车辆位置的可靠性的方法，其中，所述多个检测点(46)是利用车辆(10)的、接收来自所述车辆(10)的邻域的电磁信号的基于无线电的系统和/或光学传感器系统获得的，基于无线电的系统和/或光学传感器系统具体为雷达系统(14)，并且所述多个检测点(46)中的每个检测点代表所述车辆(10)邻域中的位置，
所述方法包括以下步骤：
至少针对所述多个检测点(46)的子集中的每个检测点(48)
-确定与所述检测点(62、77)相关联的至少一个几何对象(40、74)；
-从所述子集中确定共有所述至少一个几何对象(40、74)的至少一组检测点(76)；
-确定所述至少一组检测点中的检测点(76)的总量；
-以预定义比例评估代表所述至少一组检测点中的检测点(76)的所述总量的权重；以及
-相对于所述权重处理所述检测点(76)。
2.根据权利要求1所述的方法，其中，评估所述权重的步骤包括以下步骤：
从所有确定的总量中识别关于所述至少一组检测点的最大总量；以及
将所有确定的总量归一化到所述最大总量。
3.根据权利要求1或2所述的方法，其中，相对于所述权重来处理所述检测点(64)的步骤包括以下步骤：根据所述权重修改所述检测点的不确定性的表示，其中，所述不确定性的所述表示与所述权重成反比。
4.根据权利要求3所述的方法，其中，所述不确定性的所述表示由预定义协方差矩阵形成，并且其中，所述权重的逆表示与所述协方差矩阵的至少一部分相乘。
5.根据前述权利要求中任一项所述的方法，其中，
-所述权重包括第一加权因子和/或第二加权因子，
-所述第一加权因子表示第一组检测点中的检测点的总量，
-所述第二加权因子表示第二组检测点中的检测点的总量，
-所述第一组检测点中的所述检测点共有第一几何对象(74、80)，并且所述第二组检测点中的所述检测点共有第二几何对象(40)，
-所述第二几何对象(40)是根据表示所述车辆(10)的邻域的预定义地图确定的，并且
-所述第一几何对象(74、80)是与所述预定义地图无关地确定的。
6.根据权利要求5所述的方法，其中，所述第一几何对象(74、80)被限定为相应检测点周围的包围，并且其中，按照使得所述相应检测点(77、82)在所述包围中至少大致居中的方式设置所述包围。
7.根据权利要求6所述的方法，其中，所述包围具有圆形或球形形状。
8.根据权利要求5至7中任一项所述的方法，其中，针对相应检测点确定所述第二几何对象的步骤包括以下步骤：从所述预定义地图中的多个元素中识别至少一个相应元素，
其中，所述预定义地图中的所述多个元素中的每个元素表示所述车辆的邻域中的静态地标，并且
其中，由所识别的至少一个相应元素表示的所述静态地标与作为由所述相应检测点表示的位置的因果关系的最大似然相关联。
9.根据权利要求8所述的方法，其中，识别所述至少一个相应元素的步骤包括以下步骤：将具有最小距离的所述元素(40)分配给所述检测点(62)。
10.根据权利要求8或9所述的方法，其中，所述预定义地图的所述多个元素中的每个元素包括扩展几何对象，具体为线或面，优选为直线或平面。
11.根据权利要求5至10中任一项所述的方法，其中，评估给定检测点pi的权重的步骤包括以下步骤：将所述第一加权因子与所述第二加权因子相乘，
其中，所述第一加权因子被定义为
其中，Mp是关于与所述给定检测点pi相关联的所述第一组检测点的最大总量，是所述第一组检测点的总量，γ是自由参数，
其中，所述第二加权因子被定义为
其中，Mmap是关于与所述给定检测点pi相关联的所述第二组检测点的最大总量，|Nr|是所述第二组检测点的总量，σ是自由参数。
12.根据权利要求8至11中任一项所述的方法，所述方法还包括以下步骤：
借助于对所述多个检测点进行预过滤，确定所述多个检测点(62)的子集，
其中，所述预过滤步骤包括以下步骤：针对所述多个检测点中的每个检测点，
从所述预定义地图的所述多个元素中识别具有至所述检测点(62)的最小距离的元素(40)；
如果至所述检测点(62)的所述最小距离小于第一预定义阈值，则将所述检测点(62)分配给所述多个检测点的所述子集。
13.根据权利要求8至11中任一项所述的方法，所述方法还包括以下步骤：
借助于对所述多个检测点(46)进行预过滤，确定所述多个检测点的子集，
其中，所述预过滤步骤包括以下步骤：针对所述多个检测点中的每个检测点，
从所述预定义地图的所述多个元素中识别具有至所述检测点的最小距离的元素(54)；
将所述检测点(62)分配给所识别的元素(54)；
如果所述检测点(62)与补充元素(56)之间的距离小于第二预定义阈值，则将所述检测点分配给所述多个检测点的所述子集，其中，基于分配给所识别的元素(54)的所述检测点来评估所述补充元素(56)，其中，分配给所识别的元素(54)和所述补充元素(56)的检测点的数目被最大化。
14.一种具有基于无线电的系统和/或光学传感器系统(14)的车辆，其中，所述车辆包括处理单元，所述处理单元被配置成执行根据前述权利要求中任一项所述的方法。
15.根据权利要求14所述的车辆，
其中，所述处理单元还被配置成基于所述多个检测点(48、64)的所述子集来确定所述车辆的位置，其中，相对于所述权重来处理所述子集中的所述多个检测点中的每个检测点。
CN201910063021.0A 2018-01-25 2019-01-23 基于多个检测点来增加确定车辆位置的可靠性的方法 Active CN110082747B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18153440.5A EP3518001B1 (en) 2018-01-25 2018-01-25 Method for increasing the reliability of determining the position of a vehicle on the basis of a plurality of detection points
EP18153440.5 2018-01-25

Publications (2)

Publication Number Publication Date
CN110082747A true CN110082747A (zh) 2019-08-02
CN110082747B CN110082747B (zh) 2023-05-02

Family

ID=61027561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910063021.0A Active CN110082747B (zh) 2018-01-25 2019-01-23 基于多个检测点来增加确定车辆位置的可靠性的方法

Country Status (3)

Country Link
US (1) US11378653B2 (zh)
EP (1) EP3518001B1 (zh)
CN (1) CN110082747B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751824A (zh) * 2020-06-24 2020-10-09 杭州海康汽车软件有限公司 车辆周围的障碍物检测方法、装置及设备
CN113795771A (zh) * 2020-09-25 2021-12-14 深圳市大疆创新科技有限公司 采用点云雷达估计物体速度的方法、点云雷达及系统
CN117116381A (zh) * 2023-09-08 2023-11-24 重庆市生态环境科学研究院 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3517996B1 (en) 2018-01-25 2022-09-07 Aptiv Technologies Limited Method for determining the position of a vehicle
CN112106370A (zh) * 2018-03-20 2020-12-18 Pcms控股公司 基于优先化排序的变换而优化动态点云的系统和方法
CN112106063A (zh) 2018-03-20 2020-12-18 Pcms控股公司 用于动态调整点云的细节级别系统及方法
US11961264B2 (en) 2018-12-14 2024-04-16 Interdigital Vc Holdings, Inc. System and method for procedurally colorizing spatial data
US20220221581A1 (en) * 2019-05-21 2022-07-14 Nippon Telegraph And Telephone Corporation Depth estimation device, depth estimation method, and depth estimation program
EP3819663A1 (en) * 2019-11-07 2021-05-12 Aptiv Technologies Limited Method for determining a position of a vehicle
EP3828587A1 (en) 2019-11-29 2021-06-02 Aptiv Technologies Limited Method for determining the position of a vehicle
EP3851870A1 (en) * 2020-01-14 2021-07-21 Aptiv Technologies Limited Method for determining position data and/or motion data of a vehicle
US11180162B1 (en) * 2020-05-07 2021-11-23 Argo AI, LLC Systems and methods for controlling vehicles using an amodal cuboid based algorithm
EP3916697A1 (en) 2020-05-25 2021-12-01 Robert Bosch GmbH Method and device for predicting the trajectory of a traffic participant, and sensor system
CN115932791B (zh) * 2022-12-14 2023-09-26 昕锐至成(江苏)光电科技有限公司 一种基于激光测距的大地测量系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1584520A2 (de) * 2004-04-08 2005-10-12 DaimlerChrysler AG Verfahren zum Steuern von Insassenrückhaltemitteln und Steuereinheit für Insassenrückhaltemittel in einem Fahrzeug
US20140369168A1 (en) * 2012-03-03 2014-12-18 Volkswagen Aktiengesellschaft Method and device for detecting objects in the surroundings of a vehicle
CN104417562A (zh) * 2013-08-29 2015-03-18 株式会社电装 道路形状识别方法、道路形状识别设备、程序及记录介质
US20160139255A1 (en) * 2014-11-17 2016-05-19 Volkswagen Aktiengesellschaft Method and device for the localization of a vehicle from a fixed reference map
CN106324577A (zh) * 2016-08-18 2017-01-11 北京理工大学 一种基于标准差椭圆的高分辨雷达检测点聚集方法
CN107209264A (zh) * 2015-01-29 2017-09-26 法雷奥开关和传感器有限责任公司 通过检查测量点的空间偏差的用于检测机动车辆的周围区域中的对象的方法、控制装置、驾驶员辅助系统和机动车辆
US20170300780A1 (en) * 2014-09-24 2017-10-19 Denso Corporation Object detection apparatus

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10148062A1 (de) 2001-09-28 2003-04-10 Ibeo Automobile Sensor Gmbh Verfahren zur Verarbeitung eines tiefenaufgelösten Bildes
US7095312B2 (en) 2004-05-19 2006-08-22 Accurate Technologies, Inc. System and method for tracking identity movement and location of sports objects
WO2011023246A1 (en) 2009-08-25 2011-03-03 Tele Atlas B.V. A vehicle navigation system and method
JP4883246B2 (ja) * 2009-12-08 2012-02-22 トヨタ自動車株式会社 物体検出装置及び物体検出方法
JP5596368B2 (ja) 2010-02-23 2014-09-24 富士通テン株式会社 レーダ装置、物体検知システム、および、物体検知方法
CN102221698B (zh) 2010-03-15 2014-09-10 株式会社本田艾莱希斯 雷达设备
JP5503578B2 (ja) 2011-03-10 2014-05-28 パナソニック株式会社 物体検出装置及び物体検出方法
FR2974421B1 (fr) 2011-04-21 2014-02-21 Thales Sa Procede pour detecter, sur plusieurs tours d'antenne, des cibles lentes noyees dans le fouillis radar avec un radar mobile a antenne rotative
DE102012106932A1 (de) 2012-07-30 2014-05-15 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung mit Positionspunkten
JP6020321B2 (ja) 2013-04-11 2016-11-02 株式会社デンソー 物標検出装置及び車両制御システム
US10235975B2 (en) * 2013-12-03 2019-03-19 Samsung Electronics Co., Ltd. Method and system for providing a real time content updates to a user
US9199643B1 (en) 2014-09-25 2015-12-01 GM Global Technology Operations LLC Sensor odometry and application in crash avoidance vehicle
DE102016205227A1 (de) 2016-03-30 2017-10-05 Astyx Gmbh Verfahren und Vorrichtung zur Verfolgung von Objekten, insbesondere sich bewegenden Objekten, in den dreidimensionalen Raum von abbildenden Radarsensoren
US10286916B2 (en) * 2016-06-20 2019-05-14 Aptiv Technologies Limited Trailer estimation and blind spot information system performance improvement
DE102016214030A1 (de) 2016-07-29 2018-02-01 Volkswagen Aktiengesellschaft Verfahren und System zum Erfassen eines Verkehrsumfeldes einer mobilen Einheit
US10585409B2 (en) 2016-09-08 2020-03-10 Mentor Graphics Corporation Vehicle localization with map-matched sensor measurements
EP3517996B1 (en) 2018-01-25 2022-09-07 Aptiv Technologies Limited Method for determining the position of a vehicle
CN111366164B (zh) 2018-12-26 2023-12-29 华为技术有限公司 定位方法及电子设备
EP3819663A1 (en) 2019-11-07 2021-05-12 Aptiv Technologies Limited Method for determining a position of a vehicle
EP3828587A1 (en) 2019-11-29 2021-06-02 Aptiv Technologies Limited Method for determining the position of a vehicle

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1584520A2 (de) * 2004-04-08 2005-10-12 DaimlerChrysler AG Verfahren zum Steuern von Insassenrückhaltemitteln und Steuereinheit für Insassenrückhaltemittel in einem Fahrzeug
US20140369168A1 (en) * 2012-03-03 2014-12-18 Volkswagen Aktiengesellschaft Method and device for detecting objects in the surroundings of a vehicle
CN104417562A (zh) * 2013-08-29 2015-03-18 株式会社电装 道路形状识别方法、道路形状识别设备、程序及记录介质
US20170300780A1 (en) * 2014-09-24 2017-10-19 Denso Corporation Object detection apparatus
US20160139255A1 (en) * 2014-11-17 2016-05-19 Volkswagen Aktiengesellschaft Method and device for the localization of a vehicle from a fixed reference map
CN107209264A (zh) * 2015-01-29 2017-09-26 法雷奥开关和传感器有限责任公司 通过检查测量点的空间偏差的用于检测机动车辆的周围区域中的对象的方法、控制装置、驾驶员辅助系统和机动车辆
CN106324577A (zh) * 2016-08-18 2017-01-11 北京理工大学 一种基于标准差椭圆的高分辨雷达检测点聚集方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751824A (zh) * 2020-06-24 2020-10-09 杭州海康汽车软件有限公司 车辆周围的障碍物检测方法、装置及设备
CN111751824B (zh) * 2020-06-24 2023-08-04 杭州海康汽车软件有限公司 车辆周围的障碍物检测方法、装置及设备
CN113795771A (zh) * 2020-09-25 2021-12-14 深圳市大疆创新科技有限公司 采用点云雷达估计物体速度的方法、点云雷达及系统
WO2022061758A1 (zh) * 2020-09-25 2022-03-31 深圳市大疆创新科技有限公司 采用点云雷达估计物体速度的方法、点云雷达及系统
CN117116381A (zh) * 2023-09-08 2023-11-24 重庆市生态环境科学研究院 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法
CN117116381B (zh) * 2023-09-08 2024-05-03 重庆市生态环境科学研究院 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法

Also Published As

Publication number Publication date
US20190227145A1 (en) 2019-07-25
CN110082747B (zh) 2023-05-02
US11378653B2 (en) 2022-07-05
EP3518001B1 (en) 2020-09-16
EP3518001A1 (en) 2019-07-31

Similar Documents

Publication Publication Date Title
CN110082747A (zh) 基于多个检测点来增加确定车辆位置的可靠性的方法
CN110082753A (zh) 确定车辆位置的方法
CN108139225B (zh) 确定机动车的布局信息
EP3384360B1 (en) Simultaneous mapping and planning by a robot
CN111290385B (zh) 一种机器人路径规划方法、机器人、电子设备及存储介质
CN110032180A (zh) 激光雷达定位
JP5759161B2 (ja) 物体認識装置、物体認識方法、学習装置、学習方法、プログラム、および情報処理システム
US20200233061A1 (en) Method and system for creating an inverse sensor model and method for detecting obstacles
WO2020189079A1 (ja) 自己位置推定装置、それを備えた自動運転システム、および、自己生成地図共有装置
CN110501712A (zh) 用于确定位置姿态数据的方法、装置、设备和介质
CN108802741B (zh) 基于DSmT理论的移动机器人声纳数据融合方法
CN108780149B (zh) 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法，控制器，驾驶员辅助系统和机动车辆
US20210041248A1 (en) Method for estimating the position of a vehicle on a map
US20220390619A1 (en) Perception data based gnss multipath identification and correction
CN109655814A (zh) 车辆传感器操作
US20220205804A1 (en) Vehicle localisation
KR20230137439A (ko) 군집 궤적 위치의 정확도를 평가하기 위한 컴퓨터 구현 방법
Roman Self consistent bathymetric mapping from robotic vehicles in the deep ocean
JP2019174191A (ja) データ構造、情報送信装置、制御方法、プログラム及び記憶媒体
CN114127511A (zh) 用于辅助至少部分自动的车辆控制的方法和通信系统
CN110794434A (zh) 一种位姿的确定方法、装置、设备及存储介质
US20210293976A1 (en) Method for selecting a restricted or empty set of hypotheses of possible positions of a vehicle
US20240134033A1 (en) Method for determining a movement state of a rigid body
US20240046514A1 (en) Information processing device, control method, program, and storage medium
JP2020034772A (ja) 静止物データ生成装置、制御方法、プログラム及び記憶媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant