CN110567465A - 使用精度规范定位车辆的系统和方法 - Google Patents

Abstract

本申请涉及使用精度规范定位车辆的系统和方法。用于定位环境中的车辆的系统包括：包含处理器和非暂时性计算机可读存储器的计算设备，存储在非暂时性计算机可读存储器中的第一地图数据，其中第一地图数据限定环境内用于定位环境内的车辆的多个特征，以及机器可读指令集。机器可读指令集使计算设备：确定第一地图数据中具有第一类型道路的部分，确定用于第一类型道路的第一精度规范，其中第一精度规范识别在第一地图数据中限定的多个特征中的用于在预定精确度内定位穿过第一类型道路的车辆的一个或多个特征，以及为第一类型道路创建第二地图数据。

Description

使用精度规范定位车辆的系统和方法

技术领域

本说明书一般地涉及定位车辆的系统和方法，并且更具体地，涉及用于使用精度规范定位环境中的车辆的系统和方法。

背景技术

从诸如车道保持辅助系统的驾驶员辅助系统到全自动驾驶系统的自主驾驶系统利用传感器输入、地图数据和其他数据集来自主地控制车辆。为了对在驾驶事件期间可能发生的不可预测的和未知的变量负责，自主驾驶系统利用大量传感器输入数据、地图数据和其他数据集来制定控制计划。这导致需要大量计算资源，这增加了自主驾驶系统的复杂性和成本。然而，在一些情况下，自主驾驶系统可能能够通过仅处理可用数据的子集来操作。

发明内容

在一个实施例中，一种用于定位环境中的车辆的系统，所述系统包括：包含处理器和非暂时性计算机可读存储器的计算设备，存储在所述非暂时性计算机可读存储器中的第一地图数据，其中所述第一地图数据限定环境内用于定位所述环境内的车辆的多个特征，以及存储在所述非暂时性计算机可读存储器中的机器可读指令集。所述机器可读指令集在被所述处理器执行时使所述计算设备至少执行以下：确定所述第一地图数据中具有第一类型道路的部分，确定用于所述第一类型道路的第一精度规范，其中所述第一精度规范识别在所述第一地图数据中限定的所述多个特征中的用于在预定精确度内定位穿过所述第一类型道路的车辆的一个或多个特征，以及为所述第一类型道路创建第二地图数据，其中所述第二地图数据包括由所述第一精度规范限定的所述一个或多个特征，并且所述第二地图数据包括比所述第一地图数据更少的定位车辆的特征。

在另一实施例中，一种用于定位环境中的车辆的系统，所述系统包括：包含处理器和非暂时性计算机可读存储器的计算设备，存储在所述非暂时性计算机可读存储器中的第一地图数据，其中所述第一地图数据包括由第一精度规范限定的用于定位穿过第一类型道路的车辆的一个或多个特征，存储在所述非暂时性计算机可读存储器中的第二地图数据，其中所述第二地图数据包括由第二精度规范限定的用于定位穿过第二类型道路的车辆的一个或多个特征，并且所述第二类型道路不同于所述第一类型道路；以及存储在所述非暂时性计算机可读存储器中的机器可读指令集。所存储的机器可读指令集在被所述处理器执行时使所述计算设备至少执行以下：确定所述车辆被认为正在穿过所述第一类型道路还是所述第二类型道路，当所述车辆被认为正在穿过所述第一类型道路时，使用所述第二地图数据来定位所述车辆，以及当所述车辆被认为正在穿过所述第二类型道路时，使用第三地图数据来定位所述车辆。

在又一实施例中，一种定位环境中的车辆的方法，包括：确定第一地图数据中具有第一类型道路的部分，确定用于所述第一类型道路的第一精度规范，其中所述第一精度规范识别用于定位穿过所述第一类型道路的车辆的一个或多个特征，为所述第一类型道路创建第二地图数据，其中所述第二地图数据包括由所述第一精度规范限定的一个或多个特征，确定所述车辆是否正在穿过所述第一类型道路，以及当所述车辆被认为正在穿过所述第一类型道路时，利用所述第二地图数据来定位所述车辆。

鉴于结合附图的以下详细描述，由本文所描述的实施例提供的这些和附加的特征将被更全面地理解。

附图说明

附图中阐述的实施例本质上是说明性和示例性的，并且不旨在限制通过权利要求限定的主题。当结合以下附图阅读时，可以理解说明性实施例的以下详细描述，其中相同的结构用相同的附图标记指示，并且其中：

图1示意性地描绘了根据本文所示和所描述的一个或多个实施例的用于定位环境中的车辆的系统；

图2示意性地描绘了根据本文所示和所描述的一个或多个实施例的图1的系统的计算设备的各种元件；

图3是根据本文所示和所描述的一个或多个实施例的具有用于感测车辆周围环境的传感器的车辆的俯视图；

图4是示出根据本文所示和所描述的一个或多个实施例的配备有用于感测车辆周围环境的传感器的车辆的视图；

图5是示出根据本文所示和所描述的一个或多个实施例的使用精度规范来定位车辆的方法的流程图。

图6描绘了根据本文所示和所描述的一个或多个实施例的由车辆上的传感器生成的城市街道的示例环境；和

图7描绘了根据本文所示和所描述的一个或多个实施例的由车辆上的传感器生成的高速公路的示例环境。

具体实施方式

本文公开的实施例包括用于使用精度规范定位环境中的车辆的系统和方法。定位环境中的车辆是许多自主驾驶系统的重要特征。通常，实施全球定位系统(GPS)以定位车辆。然而，GPS例如在城市环境中可能容易出错，或者缺乏提供精确车辆控制所要求的粒度。为了增强车辆的定位，许多自主驾驶系统利用被定位用来感测车辆周围环境内的特征的多个传感器和多种类型的传感器，所述自主驾驶系统可以包括从防碰撞及驾驶员辅助系统到完全自主控制车辆的系统。可以从地图数据分析、分类和/或比较所感测的特征与已知特征，以提供定位环境中的车辆的高水平的精度和精确性。为了实现这些高水平的精度和精确性，可能需要复杂并且计算密集的系统。然而，自主车辆不总是要求相同的高水平的精度和精确性用于定位所有环境中的车辆。例如，当自主车辆沿着高速公路行驶时，可能比较不需要精确地定位车辆的纵向进度，但是可能需要准确地且精确地定位车辆的横向活动，使得车辆不从其行驶车道离开。这样，本文所描述和所示的系统和方法通过实施用于车辆的精度规范来提供更好地利用和减少用于定位车辆的计算资源消耗的系统和方法，所述车辆可以穿过特定类型的道路、执行特定驾驶动作等。通过如在精度规范中限定的更好地利用和减少用于定位车辆的计算资源消耗，系统资源可以用于其他任务或者甚至被消除，从而减少自主驾驶系统的成本和复杂性。

一般地参考附图，所述系统和方法包括一个或多个传感器，包括例如一个或多个相机、GPS系统、LIDAR系统和RADAR系统，所述一个或多个传感器耦合到具有处理器、非暂时性计算机可读存储器和机器可读指令集的计算设备。在一些实施例中，机器可读指令集使处理器至少确定地图数据内的一种或多种类型道路，并且确定一种或多种类型道路的精度规范。基于精度规范，可以精细化地图数据中用于道路类型的部分，或者可以为道路类型创建新的地图数据，由此用于定位穿过该类型道路的车辆所要求的特征和/或传感器输入的数量可以被减少。然后，本文的系统和方法可以实施用于在车辆穿过特定类型道路时定位车辆的新的地图数据。这样，当车辆穿过不同类型道路和/或执行各种驾驶动作时，系统可以在存储在非暂时性计算机可读存储器中的不同地图数据之间转换。现在将具体参考相应的附图在本文中更详细地描述用于使用精度规范定位环境中的车辆的各种系统和方法。

现在转到附图，其中相同的附图标记表示相同的结构，并且特别地转到图1，描绘了用于定位车辆110的系统100。系统100一般地包括通信路径120、包括处理器132和非暂时性计算机可读存储器134的计算设备130、一个或多个相机140、全球定位系统(GPS)150、LIDAR系统152、RADAR系统154和网络接口硬件160。车辆110通过网络接口硬件160通信地耦合到网络170。系统100的部件可以包含在车辆110内或安装到车辆110。下面将详细描述系统100的各种部件及其相互作用。

通信路径120可以由能够传输信号的任何介质形成，所述介质诸如例如导电线、导电迹线、光学波导等。通信路径120也可以指其中电磁辐射及其相应的电磁波穿过的宽阔区域。而且，通信路径120可以由能够传输信号的介质的组合形成。在一个实施例中，通信路径120包括导电迹线、导电线、连接器和总线的组合，其协作以允许将电数据信号传输到诸如处理器、存储器、传感器、输入设备、输出设备和通信设备的部件。相应地，通信路径120可以包括总线。另外，注意术语“信号”意味着能够通过介质行进的波形(例如，电的、光学的、磁的、机械的或电磁的)，诸如DC、AC、正弦波、三角波、方波、振动等。通信路径120可通信地耦合系统100的各种部件。如本文所使用的，术语“通信地耦合”意味着耦合部件能够与另一个耦合部件交换信号，诸如例如经由导电介质的电信号、经由空气的电磁信号、经由光学波导的光学信号等。

仍然参考图1，计算设备130可以是任何设备或包括处理器132和非暂时性计算机可读存储器134的部件的组合。系统100的处理器132可以是能够执行存储在非暂时性计算机可读存储器134中的机器可读指令集的任何设备。相应地，处理器132可以是电子控制器、集成电路、微芯片、计算机或任何其他计算设备。处理器132通过通信路径120通信地耦合到系统100的其他部件。相应地，通信路径120可以将任何数量的处理器132与另一个通信地耦合，并且允许耦合到通信路径120的部件在分布式计算环境中操作。具体地，部件中的每一个可以作为可以发送和/或接收数据的节点操作。虽然在图1中描绘的实施例包括单独的处理器132，但是其他实施例可以包括多于一个的处理器132。

系统100的非暂时性计算机可读存储器134耦合到通信路径120并且通信地耦合到处理器132。非暂时性计算机可读存储器134可以包括RAM、ROM、闪存、硬盘驱动器、或能够存储机器可读指令的任何非暂时性存储器设备，使得机器可读指令可以被处理器132访问和执行。机器可读指令集可以包括用任何代(例如，1GL、2GL、3GL、4GL或5GL)的任何编程语言编写的逻辑或算法，诸如例如可以被处理器132直接执行的机器语言、或汇编语言、面向对象编程(OOP)、脚本语言、可以编译或组装成机器可读指令并且存储在非暂时性计算机可读存储器134中的微代码等。或者，机器可读指令集可以用硬件描述语言(HDL)编写，硬件描述语言(HDL)诸如是经由现场可编程门阵列(FPGA)配置或是专用集成电路(ASIC)或其等价物实施的逻辑。相应地，本文描述的功能可以以任何传统的计算机编程语言实施为预编程的硬件要素或硬件和软件部件的组合。虽然在图1中描绘的实施例中包括单独的非暂时性计算机可读存储器134，但是其他实施例可以包括多于一个的存储器模块。

仍然参考图1，一个或多个相机140耦合到通信路径120并且通信地耦合到处理器132。一个或多个相机140可以是具有能够检测紫外波段、可见光波段和/或红外波段中的辐射的感测设备阵列的任何设备。一个或多个相机140可以具有任何分辨率。一个或多个相机140可以是全向相机或全景相机。在一些实施例中，诸如反射镜、鱼眼镜头或任何其他类型镜头的一个或多个光学部件可以光学地耦合到一个或多个相机140中的每一个。在本文所描述的实施例中，一个或多个相机140可以捕获车辆110外部的环境的图像数据并且将图像数据提供给计算设备130。一个或多个相机140可以位于车辆110内或车辆110上以查看车辆110外部的环境。例如但不限于，一个或多个相机140可以位于车辆110的仪表板上，以在操作期间捕获车辆110前方的周围的图像。一个或多个相机140的位置不限于车辆110的仪表板。一个或多个相机140可以位于车辆110上或车辆110内的任何位置，以在操作期间捕获车辆110的周围的图像。

在操作中，一个或多个相机140捕获图像数据并且将图像数据传输到计算设备130。图像数据可以由处理器132接收，该处理器132可以使用一个或多个图像处理算法处理图像数据。可以将任何已知的或尚待开发的视频和图像处理算法应用于图像数据，以便识别项目或确定项目相对于环境中的其他项目的位置。示例视频和图像处理算法包括但不限于基于内核的跟踪(平均移位跟踪)和轮廓处理算法。一般，视频和图像处理算法可以从顺序或单独的图像数据帧中检测对象和移动。一个或多个对象识别算法可以被应用于图像数据以估计三维对象以确定它们彼此的相对位置。例如，可以使用来自运动的结构，其是用于从图像序列估计三维结构的摄影测量范围成像技术。另外，可以使用任何已知的或尚待开发的对象识别算法从图像数据中提取对象、边缘、点、亮点、暗点或甚至光学字符和/或图像片段。例如，对象识别算法可以包括但不限于尺度不变特征变换(“SIFT”)、加速鲁棒特征(“SURF”)和边缘检测算法。

仍然参考图1，全球定位系统GPS系统150耦合到通信路径120并且通信地耦合到计算设备130。GPS系统150能够通过接收来自一个或多个GPS卫星的一个或多个GPS信号来生成指示车辆110的位置的位置信息。经由通信路径120传达到计算设备130的GPS信号可以包括位置信息，该位置信息包括国家海洋电子协会(NMEA)消息、纬度和经度数据集、街道地址、基于位置数据库的已知位置的名称等。另外，GPS系统150可以是与能够生成指示位置的输出的任何其他系统可互换的。例如，提供基于蜂窝信号和广播塔的位置的本地定位系统或能够通过从一个或多个无线信号天线接收的无线信号三角测量位置的无线信号检测设备。

在一些实施例中，系统100可以包括光检测和范围(LIDAR)系统152。LIDAR系统152通信地耦合到通信路径120和计算设备130。LIDAR系统152使用脉冲激光来测量从LIDAR系统152到反射脉冲激光的对象的距离。LIDAR系统152可以制成具有很少或没有移动部分的固态设备，包括那些被配置为光学相控阵设备的设备，其中其类似棱镜的操作允许宽视场，而没有与传统的旋转LIDAR系统152相关联的重量和尺寸复杂性。LIDAR系统152特别地适合于测量飞行时间，该飞行时间转而可以与LIDAR系统152的视场内的对象的距离测量相关联。通过计算LIDAR系统152发射的脉冲激光的各种波长的返回时间的差异，可以生成目标或环境的数字3-D表示(例如，点云表示)。通过LIDAR系统152发射的脉冲激光在一种形式中可以在电磁波谱的红外范围中或红外范围附近操作，其中一个示例已发射约905纳米的辐射。车辆110不但可以使用诸如LIDAR系统152的传感器来提供用于识别车辆110附近的对象的详细3D空间信息，并且在用于车辆绘图、导航和自主操作的系统服务中使用这种信息，特别是当与诸如GPS系统150或基于陀螺仪的惯性导航单元(INU，未示出)或相关的航迹推算系统的地理参考设备以及非暂时性计算机可读存储器134(是其自己的或是计算设备130的存储器)结合使用时。

在一些实施例中，系统100的一个或多个传感器可以包括RADAR系统154。RADAR系统154通信地耦合到通信路径120和计算设备130。RADAR系统是采用使用无线电波确定对象的范围、角度和相对速度的方法的系统。RADAR系统154可以与一个或多个相机140、超声波、LIDAR系统152或其他传感器结合使用，以获得关于车辆的周围的信息。来自RADAR系统154的处理数据可以提供改善的对象识别和决策水平，允许车辆中的自主系统判定例如驾驶员是否漂移到下一个车道或是故意地挪开。对这种信息的需要驱动了建造有一个或多个雷达系统的汽车的数量大幅增加。例如，诸如盲点检测、车道变换辅助、前/后交叉路口警报、自主紧急制动和自适应巡航控制的自主驾驶系统可以依赖来自RADAR系统154的数据。

RADAR系统154一般在窄频带和超宽频带两者的未调节频谱中均利用24GHz频带中的频率。然而，新的频谱规则缩减了24GHz频带的使用，所以一些系统现在可以利用77-81GHz频带中的频率。尽管这些频带通常用在自主RADAR系统中，但是本文所描述的系统和方法的范围不限于这些频率范围。一般，RADAR系统154发射高能发送回显信息(ping)并且测量接收反射所花费的时间。然而，一些系统实施频率调制的连续波，该频率调制的连续波传输“啁啾”，该“啁啾”是跨越系统带宽的频率扫描。然后，信号路径中的对象反射回这个啁啾。在任何一个时刻，从发射机出来的啁啾的频率与接收的反射信号的频率之间的差异与从发射机到对象的距离线性相关。

使用RADAR系统154的车辆的定位部分地依赖于这个距离测量的分辨率和精度。分辨率确定在其被区分为两个对象之前对象需要相距多远。精度就是：距离测量的精度。距离测量中的误差和最小可分辨距离与啁啾的带宽成反比。例如，由于可用频率的宽度，从24GHz到77GHz的移动可以在范围分辨率和精度方面实现20倍更好的性能。与24GHz雷达的75cm相比，77GHz系统的范围分辨率可以是4cm，其可以允许靠近在一起的多个对象的更好的检测。

尽管图1描绘了RADAR系统154，但是本文所描述的一些系统100可以不包括RADAR系统154。或者，系统100可以包括定位在车辆上的各种位置处的多个RADAR系统154，以在各种视场内检测车辆的环境内的对象。另外，应当理解，本文对“传感器”的引用可以指前面提到的传感器、一个或多个相机140、GPS系统150、LIDAR系统152、RADAR系统154中的任何一个或本领域技术人员已知的用于实施自主驾驶系统的任何其他传感器。

仍然参考图1，系统100可以包括耦合到通信路径120并且通信地耦合到计算设备130的网络接口硬件160。网络接口硬件160可以是能够经由网络170传输和/或接收数据的任何设备。相应地，网络接口硬件160可以包括用于发送和/或接收任何有线或无线通信的通信收发器。例如，网络接口硬件160可以包括天线、调制解调器、LAN端口、Wi-Fi卡、WiMax卡、移动通信硬件、近场通信硬件、卫星通信硬件和/或用于与其他网络和/或设备通信的任何有线或无线硬件。在一个实施例中，网络接口硬件160包括被配置为根据蓝牙无线通信协议操作的硬件。在另一个实施例中，网络接口硬件160可以包括用于向/从网络170发送和接收蓝牙通信的蓝牙发送/接收模块。网络接口硬件160也可以包括射频识别(“RFID”)读取器，该射频识别(“RFID”)读取器被配置为询问和读取RFID标签。

在一些实施例中，系统100可以经由网络170通信地耦合到附近的车辆和/或其他计算设备。在一些实施例中，网络170是利用蓝牙技术来通信地耦合系统100和附近的车辆的个人区域网。在其他实施例中，网络170可以包括一个或多个计算机网络(例如，个人区域网、局域网或广域网)、蜂窝网络、卫星网络和/或全球定位系统及其组合。相应地，系统100可以经由电线、经由广域网、经由局域网、经由个人区域网、经由蜂窝网络、经由卫星网络等通信地耦合到网络170。合适的局域网可以包括有线以太网和/或诸如例如Wi-Fi的无线技术。合适的个人域网可以包括诸如例如IrDA、蓝牙、无线USB、Z-Wave、ZigBee和/或其他近场通信协议的无线技术。合适的个人区域网可以类似地包括诸如例如USB和FireWire的有线计算机总线。合适的蜂窝网络包括但不限于诸如LTE、WiMAX、UMTS、CDMA和GSM的技术。

仍然参考图1，如上面所陈述的，网络170可以用于将系统100与附近的车辆通信地耦合。附近的车辆可以包括网络接口硬件160和计算设备130，该计算设备130具有能够与系统100通信地耦合的处理器132和非暂时性计算机可读存储器134。附近车辆的处理器132可以执行存储在非暂时性计算机可读存储器134中的机器可读指令集来与系统100通信。

现在参考图2，描绘了计算设备130的元件。如所示，计算设备130包括处理器132和非暂时性计算机可读存储器134。另外，处理器132和非暂时性计算机可读存储器134通过计算设备130内的本地通信接口139通信。在一些实施例中，计算设备130可以包括图2中未示出的附加元件，例如但不限于输入/输出硬件、网络接口硬件和/或其他数据存储部件。非暂时性计算机可读存储器134可以存储地图数据135、精度规范136、特征库137和逻辑138。地图数据135可以包括一组或多组地图数据135。地图数据135可以是基于特征的地图和/或环境的点云数据的汇编，例如城市、城镇、州、国家、或道路的部分、或国家的区域。地图数据135可以包括车辆110可以行进的环境的数据表示。例如，一个特定的地图数据135可以包括特定城市的道路地图。地图可以包括可以由装配在车辆110上的一个或多个传感器检测的特征。来自车辆110上的一个或多个传感器的数据的分析以及与地图数据135内的特征的比较可以用于定位环境中的车辆110。

非暂时性计算机可读存储器134也可以包括精度规范136。精度规范136限定包括用于特定类型道路和/或驾驶动作的特定地图数据135内的特征，其可能被系统所要求以定位环境中的车辆。例如，精度规范136可以确定用于道路类型(例如高速公路)的地图数据135包括车道线和指示牌特征以充分地定位穿过高速公路的车辆110。也就是说，可能不需要用传感器识别诸如植被、建筑物和路缘的特征以便定位在高速公路上行驶的车辆。相应地，非暂时性计算机可读存储器134可以包括特征库，其限定一个或多个特征类。特征库137可以包括特征的限定，使得它们可以从传感器数据语义地分段并且在地图数据中标记以定位车辆110。例如，特征库可以包括特征的限定，诸如但不限于指示牌、车道线、建筑物、信号灯和停车线、停车位、路缘和障碍物、植被、街道标记(例如人行横道、铁路交叉口或转弯箭头)等。

另外，非暂时性计算机可读存储器134可以包括逻辑138，其在被执行时使计算设备的处理器132或系统100的其他部件执行本文所描述的方法的步骤。例如，非暂时性计算机可读存储器134可以包括用于执行将在本文中更详细地描述的方法的一个或多个机器可读指令集。

以下部分现在将描述用于在环境中定位车辆110的系统100的操作的实施例。在系统100的一些实施例中，系统100包括具有处理器132和非暂时性计算机可读存储器134的计算设备130、通信地耦合到计算设备130的一个或多个相机140、GPS系统150、LIDAR系统152和RADAR系统154。在一些实施例中，系统100包括如本文所描述的附加的传感器和系统。

现在参考图3，示出了配备有多个传感器的车辆110的俯视图。车辆110是具有来自系统100的传感器的车辆110的示例实施例。车辆110包括相机140a、140b、140c、140d和140e(其每个是一个或多个相机140中的一个)，每个描绘有示例视场。车辆110包括定位在车辆110的顶部上的GPS系统150和LIDAR系统152。通过定位车辆110的顶部上的LIDAR系统152，如例如在图3中所描绘的，LIDAR系统152可以具有高达360度的车辆110周围环境的视场252'。然而，在一些实施例中，一个或多个LIDAR系统152可以位于车辆110上的各种位置处以捕获环境的不同视角。进一步的，车辆110包括具有位于车辆110上的各种位置处的RADAR传感器154a、154b、154c、154d、154e和154f(其每个是RADAR系统154的部分)的RADAR系统。RADAR传感器154a-154f也描绘有视场以描绘每个RADAR传感器154a-154f的示例检测区域。然而，在一些实施例中，车辆110可以不包括RADAR系统。

如图3中所示，车辆110上的传感器的示例部署包括许多具有重叠视场的传感器。这样，在一些实施例中，自主驾驶系统可以为车辆110周围的环境的同一区域接收来自多于一个的传感器的多于一个的信号。在一些情况下，来自覆盖环境的同一区域的多于一个的传感器的数据和信号的冗余不会提高自主驾驶系统的精度，或者对于某些驾驶动作和/或某些类型道路的遍历可以不是必需的。事实上，对来自覆盖同一区域的传感器的数据的分析可以增加系统100定位环境中的车辆110所要求的计算负荷。为了处理这个计算负荷，系统100通过精度规范136可以缩减来自一个或多个传感器的数据，或者系统100可以不使用来自一个或多个传感器的数据来确定车辆110在环境中的定位。

转到图4，描绘了其中系统100缩减用于定位环境中的车辆110的传感器的数量的示例实施例。例如，车辆110被描绘为穿过道路。例如，道路可以是车辆110计划在同一车道中行驶的高速公路。结果，车辆110的定位可以基于车道线特征确定，该车道线特征由具有车辆110前方的高速公路的视场140a'的相机140a捕获，该车道线特征包括车道线402和404的图像数据。相应地，尽管相机140b也包括在车辆110前方的视场140b'，但是来自相机140b的图像数据可能不包括车道线402和404，因此对定位车辆110的横向位置和移动可能不是必需的。精度规范136可以限定环境中的哪些特征对定位沿着高速公路行驶的车辆是必需的。例如，由于沿着高速公路行驶的车辆110的定位需要相对于横向位置和移动(即，保持在高速公路上的特定车道)的高精确度，以及相对于纵向位置和移动(例如，车辆沿着高速公路行驶了多远)的较低的精确度，然后可以限定精度规范136以减少或消除对提供用于定位车辆110的纵向位置和移动的信号和数据的传感器的依赖性。例如，可能仅需接收和/或分析来自相机140a的图像数据来定位穿过高速公路的车辆110。在一些实施例中，来自GPS系统150的数据可以足以提供车辆110的纵向位置和移动的定位，直到车辆110在纵向位置中的定位的高精确度是必需的。

虽然图4和上面的示例描绘和描述了其中车辆110穿过高速公路的实施例，应当理解的是，其他类型道路和/或驾驶动作可以具有被限定用于减少对一个或多个传感器以及由那些传感器提供的以定位环境中的车辆110的相关信号和数据的依赖性的精度规范136。

在一些实施例中，系统100可以通过基于精度规范136创建或调整地图数据135以具有减少数量的特征来减少用于定位车辆的计算负荷。精度规范136确定在地图数据中的哪些特征对定位在特定类型道路上行驶和/或在特定驾驶行为期间的车辆是必需的，诸如定位出口坡道和离开高速公路。例如，传感器可以检测指示牌并且向计算设备130提供指示检测到指示牌的信号和数据，但是如果计算设备当前用来定位车辆的地图数据不包括指示牌特征，那么由于与定位处理无关，指示牌可以被忽略。这样，可以用于识别地图数据中的指示牌并且基于检测到指示牌来更新车辆定位的计算资源可以被保留用于其他处理。

现在转到图5，描绘了示出使用精度规范来定位车辆的方法的流程图500。图5中所描绘的流程图500是存储在非暂时性计算机可读存储器134中并且由计算设备130的处理器132执行的机器可读指令集的表示。图5中的流程图500的处理可以在各种时间和/或响应于确定车辆正在穿过特定类型道路时执行。

在步骤510中，计算设备130接收地图数据。计算设备130可以从各种源接收地图数据。在一些实施例中，地图数据135可以存储在非暂时性计算机可读存储器134中并且被系统100访问。在一些实施例中，地图数据135可以由耦合到车辆的一个或多个传感器生成或者可以经由网络170从远程计算设备传输到计算设备130。一旦接接收地图数据，在步骤512中，计算设备130可以确定第一地图数据中具有第一类型道路的部分。第一地图数据可以是基于综合特征的地图集。第一地图数据可以使用环境的点云表示、基于图像的环境表示或两者的组合来汇编，以限定环境内的一个或多个特征。

在步骤514中，确定精度规范。精度规范可以限定对在具有第一类型的道路的环境中定位车辆是必需的一个或多个特征。在一些实施例中，第一类型道路可以是高速公路、城市街道、停车场、乡村道路或车辆可以穿过的任何其他类型道路。地图数据内的一个或多个特征可以包括指示牌、车道线、建筑物、信号灯和停车线、停车位、路缘和障碍物、植被、街道级标记(例如，人行横道、铁路交叉口或转弯箭头)等。指示牌可以包括沿着道路张贴的任何指示车辆或驾驶员的信息。例如，指示牌可以包括停车标记、英里标记、街道指示牌、高速公路广告牌等。精度规范可以由将规范的细节输入到计算设备130的存储器中的用户来限定。然而，在一些实施例中，可以从通过沿着某种类型道路的驾驶事件获得的试探开发得到精度规范。在一些实施例中，例如，在步骤516中，计算设备130可以进一步确定精度规范以对应于与特定类型道路相关联的习得的或即将到来的驾驶动作。例如，如果驾驶员倾向于沿着特定类型道路转弯，则精度规范可以包括如果驾驶员确定转弯则提高定位精度的特征。

作为另一示例，在完全自主车辆中可以输入路线引导，其包括起始位置和目的地。基于地图数据，计算设备130可以确定路线，并且然后可以基于一个或多个驾驶动作(例如，穿过路线的一部分所要求的车辆操纵)以及在路线中车辆将穿过的一种或多种类型的道路来确定用于路线各部分的一个或多个精度规范。在可能不知道路线的其他实施例中，可以基于与那种类型道路相关联的通常执行的驾驶操纵或甚至根据过去的驾驶历史来确定与用于某种类型道路的精度规范相关联的驾驶动作。例如，计算设备130可以确定当前路线是从家去工作的路线，并且然后计算设备130可以预测将沿着路线发生的驾驶动作并且作为响应更新或生成精度规范。

在步骤518中，计算设备130基于精度规范创建新的地图数据(例如，第二地图数据)或更新第一地图数据中具有第一类型道路的部分。例如，第二地图数据包括由精度规范为第一类型道路限定的一个或多个特征。在步骤520中，计算设备130确定第一地图数据中是否有附加类型的道路。例如，如果第一地图数据中具有可以被改进以减少定位穿过那种类型道路的车辆的计算负荷的另一种类型道路的附加部分，那么计算设备130在步骤522中识别下一种类型道路，并且随后在步骤514中确定用于那种类型道路的精度规范。然而，如果没有可以被改进以减少定位穿过那种类型道路的车辆的计算负荷的附加类型道路，那么处理继续到步骤524。尽管在一些实施例中，处理可以直到车辆主动地开始利用地图数据来定位而结束。在步骤524中，计算设备130可以确定车辆正在穿过的道路类型。例如，计算设备130确定车辆何时从一种类型道路转换到另一种类型道路，诸如从高速公路到出口坡道到城市街道。对于车辆穿过的每种类型道路，计算设备130可以在步骤526中选择并且利用与那种类型道路相对应的地图数据来定位车辆。结果，由于用于特定类型道路的地图数据可以包括特定于定位沿着那种类型道路的车辆的减少的或更改进的特征集，所以计算设备130可以减少定位车辆的计算负荷。

作为示例并且参考图6，计算设备130可以利用用于穿过城市街道的车辆的第一地图数据。图6描绘了由车辆110上的一个或多个相机140捕获的具有第一地图数据中限定的特征的图像数据的示例。由于需要以高精确度确定城市内的横向和纵向位置和移动，第一地图数据可以包括用于定位车辆的许多特征。例如，用于城市街道类型道路的精度规范可以包括诸如指示牌608、车道线612、建筑物614、信号灯和停车线604和606、停车位(未示出)、路缘和障碍物610、植被616和618以及街道级标记(例如，人行横道、转弯箭头等)的特征。然而，由于沿着城市街道的环境可能不包括很多植被616和618，或者植被616和618可能不够独特以基于诸如树木和灌木的植被616和618方便在城市街道上定位车辆，诸如植被616和618的特征可能不是必需的。

在一些实施例中，当车辆110穿过城市街道，例如图6中所描绘的一个时，系统100可以捕获来自一个或多个相机140的图像数据。使用第一地图数据的系统可以进一步识别图像数据中的特征。特征的识别可以用于定位环境中的车辆110。为了减少计算资源的消耗，如果第一地图数据不包括那个特征的限定，则系统100可以不识别或关联诸如植被616和618的特征。

然而，当车辆离开城市街道并且进入例如高速公路时，计算设备130将系统100从依赖于第一地图数据转变为由用于定位沿着高速公路的车辆的另一精度规范限定的第二地图数据。图7描绘了由车辆110上的一个或多个相机140捕获的具有在第二地图数据中限定的特征的图像数据的示例。由于用于纵向位置和移动的精确度可能降低，因此第二地图数据可以包括比用于定位车辆的第一地图数据更少的特征。例如，限定用于高速公路类型道路的第二地图数据的精度规范可以仅包括诸如车道线702、704、706和708、路缘和障碍物710以及英里标记指示牌712的特征。也就是说，一些特征可能不再与定位高速公路上的车辆相关，例如建筑物。尽管它们可以由车辆110上的传感器捕获，但是它们可能不提供用于定位穿过高速公路的车辆的相关信息。所以，精度规范可以规定建筑物将被排除出第二地图数据，而不是扩大结合由传感器之一检测建筑物并将其与地图数据相关联来计算车辆定位的计算资源。

在一些实施例中，当车辆110穿过高速公路时，例如，图7中所描绘的一个，系统100可以捕获来自一个或多个相机140的图像数据。使用第二地图数据，系统可以进一步识别图像数据中的特征。特征的识别可以用于定位环境中的车辆110。为了减少计算资源的消耗，如果第二地图数据不包括特征的限定，则系统100可以不识别或关联诸如建筑物、信号灯和停车线、停车位、植被和街道级标记的特征。

在一些实施例中，系统100可以继续为整个驾驶事件中车辆穿过的多种类型道路限定新的道路类型和精度规范。另外，当车辆从一种类型道路行驶到另一种类型道路时，系统100在依赖于由一个或多个精度规范限定的一个或多个各种地图数据之间转换。

现在应当理解，本文描述的实施例涉及用于基于由精度规范限定的地图数据来定位车辆的系统和方法。精度规范基于精确度和定位穿过那种类型道路的车辆所需要的传感器来限定用于特定类型道路的地图数据。结果，当高精确度或特定传感器系统将不会增强或被用于车辆定位时，精度规范将减少或消除对该要素的依赖，从而减少定位所要求的计算资源

注意，本文中术语“基本上”和“约”可以用于表示可归因于任何定量比较、值、测量或其他表示的固有的不确定程度。这些术语在本文中也用于表示定量表示可以不同于所陈述参考的程度，而不会导致所讨论主题的基本功能的变化。

虽然本文已示出和描述了特定实施例，但应当理解，在不脱离所要求保护的主题的精神和范围下，可以进行各种其他改变和修改。而且，尽管本文已描述了所要求保护的主题的各种方面，但是这些方面不必需组合使用。因此，所附权利要求旨在覆盖所要求保护的主题的范围内的所有这些变化和修改。

Claims (10)

1.一种用于定位环境中的车辆的系统，所述系统包括：

计算设备，所述计算设备包括处理器和非暂时性计算机可读存储器；

存储在所述非暂时性计算机可读存储器中的第一地图数据，其中所述第一地图数据限定环境内用于定位所述环境内的车辆的多个特征；以及

存储在所述非暂时性计算机可读存储器中的机器可读指令集，所述机器可读指令集在被所述处理器执行时使所述计算设备至少执行以下：

确定所述第一地图数据中具有第一类型道路的部分，

确定用于所述第一类型道路的第一精度规范，其中所述第一精度规范识别在所述第一地图数据中限定的所述多个特征中的用于在预定精确度内定位穿过所述第一类型道路的车辆的一个或多个特征，以及

为所述第一类型道路创建第二地图数据，其中所述第二地图数据包括由所述第一精度规范限定的所述一个或多个特征，并且所述第二地图数据包括比所述第一地图数据更少的定位车辆的特征。

2.根据权利要求1所述的系统，其中所述机器可读指令集在被执行时进一步使所述计算设备：

确定所述车辆是否正在穿过所述第一类型道路，以及

当所述车辆穿过所述第一类型道路时，利用所述第二地图数据来定位所述车辆。

3.根据权利要求1-2中的任一项权利要求所述的系统，其中所述机器可读指令集在被执行时进一步使所述计算设备：

确定所述第一地图数据内的第二类型道路，其中所述第二类型道路与所述第一类型道路不同，

确定用于所述第二类型道路的第二精度规范，其中所述第二精度规范限定在所述第一地图数据中限定的所述多个特征中的用于定位穿过所述第二类型道路的所述车辆的一个或多个特征，以及

为所述第二类型道路创建第三地图数据，其中所述第三地图数据包括由所述第二精度规范限定的所述一个或多个特征。

4.根据权利要求3所述的系统，其中所述第二地图数据包括与包括在所述第三地图数据中的所述一个或多个特征不同的至少一个特征。

5.根据权利要求3所述的系统，其中所述机器可读指令集在被执行时进一步使所述计算设备：

确定所述车辆正在穿过所述第一类型道路还是所述第二类型道路，

当所述车辆被认为正在穿过所述第一类型道路时，使用所述第一地图数据来定位所述车辆，以及

当所述车辆被认为正在穿过所述第二类型道路时，使用所述第二地图数据来定位所述车辆。

6.一种用于定位环境中的车辆的系统，所述系统包括：

计算设备，所述计算设备包括处理器和非暂时性计算机可读存储器；

存储在所述非暂时性计算机可读存储器中的第一地图数据，其中所述第一地图数据包括由第一精度规范限定的用于定位穿过第一类型道路的车辆的一个或多个特征；

存储在所述非暂时性计算机可读存储器中的第二地图数据，其中所述第二地图数据包括由第二精度规范限定的用于定位穿过第二类型道路的车辆的一个或多个特征，并且所述第二类型道路不同于所述第一类型道路；以及

存储在所述非暂时性计算机可读存储器中的机器可读指令集，所述机器可读指令集在被所述处理器执行时使所述计算设备至少执行以下：

确定所述车辆正在穿过所述第一类型道路还是所述第二类型道路，

当所述车辆被认为正在穿过所述第一类型道路时，使用所述第一地图数据来定位所述车辆，以及

当所述车辆被认为正在穿过所述第二类型道路时，使用所述第二地图数据来定位所述车辆。

7.根据权利要求6所述的系统，其中限定所述第一地图数据的所述一个或多个特征包括与限定所述第二地图数据的所述一个或多个特征不同的至少一个特征。

8.根据权利要求6-7中任一项权利要求所述的系统，其中所述第一精度规范的所述一个或多个特征包括指示牌、车道线、信号灯和停车线，以定位穿过所述第一类型道路的所述车辆，以及

所述第二精度规范的所述一个或多个特征包括车道线，以定位穿过所述第二类型道路的所述车辆。

9.一种定位环境中的车辆的方法，包括：

确定第一地图数据中具有第一类型道路的部分；

确定用于所述第一类型道路的第一精度规范，其中所述第一精度规范识别用于定位穿过所述第一类型道路的车辆的一个或多个特征；

为所述第一类型道路创建第二地图数据，其中所述第二地图数据包括由所述第一精度规范限定的一个或多个特征；

确定所述车辆是否正在穿过所述第一类型道路；以及

当所述车辆被认为正在穿过所述第一类型道路时，利用所述第二地图数据来定位所述车辆。

10.根据权利要求9所述的方法，进一步包括：

确定所述第一地图数据内的第二类型道路，其中所述第二类型道路不同于所述第一类型道路；

确定用于所述第二类型道路的第二精度规范，其中所述第二精度规范识别用于定位穿过所述第二类型道路的车辆的一个或多个特征；

为所述第二类型道路创建第三地图数据，其中所述第三地图数据包括由所述第二精度规范限定的所述一个或多个特征；

确定所述车辆正在穿过所述第一类型道路还是所述第二类型道路；

当所述车辆正在穿过所述第一类型道路时，使用所述第二地图数据来定位所述车辆；以及

当所述车辆被认为正在穿过所述第二类型道路时，使用所述第三地图数据来定位所述车辆。