CN111044991A - 用于自动驾驶的基于预收集静态反射图的自动lidar校准 - Google Patents

用于自动驾驶的基于预收集静态反射图的自动lidar校准 Download PDF

Info

Publication number
CN111044991A
CN111044991A CN201910683072.3A CN201910683072A CN111044991A CN 111044991 A CN111044991 A CN 111044991A CN 201910683072 A CN201910683072 A CN 201910683072A CN 111044991 A CN111044991 A CN 111044991A
Authority
CN
China
Prior art keywords
lidar
coordinate converter
obstacle
parameters
coordinate
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
CN201910683072.3A
Other languages
English (en)
Other versions
CN111044991B (zh
Inventor
朱帆
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.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
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 Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN111044991A publication Critical patent/CN111044991A/zh
Application granted granted Critical
Publication of CN111044991B publication Critical patent/CN111044991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • 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
    • G01S7/497—Means for monitoring or calibrating
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • 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
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Navigation (AREA)

Abstract

在一个实施方式中，接收一组LIDAR图像，该组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据。使用配置有参数集的坐标转换器将每个LIDAR图像从局部坐标系(例如，LIDAR坐标空间)变换或转化成全局坐标系(例如，GPS坐标空间)。基于经变换的LIDAR图像生成第一LIDAR反射图，例如，通过将经变换的LIDAR图像合并在一起。基于第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整坐标转换器的一个或多个参数来优化坐标转换器。然后，可以利用经优化的坐标转换器来实时处理用于自动驾驶的LIDAR数据。

Description

用于自动驾驶的基于预收集静态反射图的自动LIDAR校准
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及用于自动驾驶的LIDAR校准。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
光探测和测距(LIDAR)装置是自动驾驶车辆(ADV)中最重要和最受欢迎的传感器之一。自动驾驶的准确性和高效性严重依赖于LIDAR装置的准确性。LIDAR装置需要定期地校准。LIDAR校准对于大规模生产来说是一个亟需解决的具有挑战性的问题。校准LIDAR装置的高效方法呈匮乏态。
发明内容
在第一方面，本公开提供了用于校准用于自动驾驶的LIDAR装置的计算机实施的方法，该方法包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
在第二方面，本公开提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行操作，所述操作包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
在第三方面，本公开提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接到所述处理器并存储指令，所述指令在由所述处理器执行时使所述处理器执行操作，所述操作包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示相似元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方式的LIDAR校准系统的示例的框图。
图5是示出根据一个实施方式的用于校准目的的LIDAR图像的示例的图。
图6是示出根据一个实施方式的LIDAR校准过程的示例的流程图。
图7是示出根据另一实施方式的LIDAR校准过程的示例的流程图。
图8是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式，驾驶ADV以从安装在ADV上的LIDAR装置收集LIDAR数据(例如LIDAR行点云数据)、相应的位置数据(例如，GPS数据)和车辆前进方向。LIDAR数据在LIDAR空间或LIDAR坐标系中获得。可以在车辆坐标系(例如，车辆后轴的中心点，相对于车辆的局部坐标系)中转换LIDAR数据。对于由LIDAR数据构成的每个LIDAR图像，利用感知过程或算法来识别并辨认通过LIDAR图像拍摄的障碍物或对象。障碍物的位置在LIDAR或车辆坐标空间中计算。
坐标转换器用于将LIDAR图像从LIDAR坐标空间转化或转换成诸如GPS坐标系的全局坐标系。对于给定的坐标转换器的参数集或系数，合并经转化的LIDAR图像以动态地形成与该时间点的坐标转换器对应的LIDAR反射图。将LIDAR反射图与预定的参考LIDAR反射图进行比较，以确定两者之间的差异。使用配置有已知参数集的坐标转换器生成参考LIDAR反射图，即，提供黄金参考。在确定动态LIDAR反射图与参考LIDAR反射图之间的差异时，确定在两个反射图中采集的两个障碍物的重叠区域的大小。重叠区域的大小越大表示两个反射图之间的差异越小。
调整坐标转换器的参数并重复执行以上过程以确定坐标转换器的优化参数集，使得动态生成的LIDAR反射图与预定的参考LIDAR反射图之间的差异达到最小，此时用于生成动态LIDAR反射图的相应坐标转换器被认为是优化坐标转换器。然后，可以将优化坐标转换器上载到ADV上以实时用于处理LIDAR图像。坐标转换器可以由四元数函数(也称为Q函数)表示。
根据一个实施方式，接收一组LIDAR图像，该组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据。使用配置有参数集的坐标转换器将每个LIDAR图像从局部坐标系(例如，LIDAR坐标空间)变换或转化成全局坐标系(例如，GPS坐标空间)。基于经变换的LIDAR图像，例如，通过将经变换的LIDAR图像合并在一起，生成第一LIDAR反射图。基于第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整坐标转换器的一个或多个参数来优化坐标转换器。然后，可以利用经优化的坐标转换器来实时处理用于自动驾驶的LIDAR数据。
当ADV在预定驾驶环境(例如，与生成第二LIDAR反射图的环境相同的环境)中驾驶时，采集LIDAR点云数据。基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据来生成第二LIDAR反射图。在一个实施方式中，基于LIDAR图像，对每个LIDAR图像执行感知处理，以识别并辨认通过LIDAR图像采集的障碍物。将出现在第一LIDAR反射图中的第一障碍物的第一位置与出现在第二LIDAR反射图中的第二障碍物的第二位置进行比较，以确定第一LIDAR反射图与第二LIDAR反射图之间的差异。基于第一障碍物的第一位置与第二障碍物的第二位置之间的差异来调整坐标转换器的参数。
在一个实施方式中，通过调整坐标转换器的一个或多个参数并比较动态LIDAR反射图与参考LIDAR反射图之间的障碍物的位置来迭代地执行校准，直到两个反射图之间的差异下降到低于预定阈值。根据一个实施方式，在确定反射图之间的差异时，通过比较动态反射图和参考反射图来计算两个反射图的障碍物的重叠区域的大小。如果重叠区域很大，这意味着两个LIDAR反射图之间的差异很小，因为它们在相同或相似的位置采集到相同的障碍物。迭代地执行校准，直到重叠区域的大小为预定阈值以上。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。相机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。相机211可以是静物相机和/或视频相机。相机可以是可机械地移动的，例如，通过将相机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划优化路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶命令(例如，油门、制动和转向命令)的信息以及由车辆的传感器在不同时间点采集的车辆的响应(例如，速度、加速度、减速度、方向)。驾驶统计数据123还可包括描述不同时间点的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123，机器学习引擎122出于各种目的生成或训练规则集、算法和/或预测模型124。在一个实施方式中，算法124可包括用于校准或优化坐标转换器的算法，其将LIDAR图像的局部坐标系转换为诸如GPS系统的全局坐标系，使得LIDAR图像可以用于自动驾驶。然后，可以将算法124上载到ADV上以在自动驾驶期间实时使用。
根据一个实施方式，LIDAR校准系统125配置成使用由各种ADV在一段时间内收集的一组LIDAR图像来校准或优化坐标转换器，该组LIDAR图像可以由数据收集器121收集。配置有参数集的坐标转换器用于将LIDAR图像从局部/相对坐标空间转化或转换为诸如GPS坐标系的全局/绝对坐标系。对于给定的坐标转换器的参数集或系数，合并经转化的LIDAR图像以形成动态LIDAR反射图。然后，将动态LIDAR反射图与先前作为黄金参考而生成的参考LIDAR反射图进行比较。调整坐标转换器的参数，并基于动态LIDAR反射图与参考LIDAR反射图之间的差异重复执行以上过程，以确定坐标转换器的优化参数集，使得两个反射图之间的差异下降到预定阈值以下，此时，坐标转换器被认为是优化坐标转换器。然后，可以将优化坐标转换器上载到ADV上，以用于实时处理LIDAR图像。坐标转换器可以由四元数函数表示。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线制定模块307、坐标转换器308和可选的LIDAR校准模块309。
模块301至309中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至309中的一些可以一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)并管理与用户的行程或路线有关的任何数据。定位模块301(也被称为地图与路线制定模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，例如，车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合流或分流车道、出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个相机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测对象在情形下将表现什么。基于地图/路线信息311和交通规则312集，根据在该时间点感知驾驶环境的感知数据来执行预测。例如，如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆是否将可能直线向前移动或转弯。如果感知数据指示交叉路口没有交通灯，则预测模块303可预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前处于仅左转车道或仅右转车道，则预测模块303可分别预测车辆将更可能进行左转或右转。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可以存储在永久性存储装置352中。
路线制定模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于例如从用户接收的从起始位置到目的地位置的给定行程，路线制定模块307获得地图和路线信息311并确定从起始位置到达目的地位置的所有可能路线或路径。路线制定模块307可以为确定从起始位置到达目的地位置的每条路线生成呈地形图形式的参考线。参考线指的是理想的路线或路径，不受诸如其他车辆、障碍物或交通状况的任何干扰。即，如果道路上没有其他车辆、行人或障碍物，则ADV应该完全或接近地遵循参考线。然后将地形图提供给决策模块304和/或规划模块305。基于由其他模块提供的其他数据，例如，来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况，决策模块304和/或规划模块305检查所有可能的路线以选择并修改最优化路线之一。用于控制ADV的实际路径或路线可以与由路线制定模块307提供的参考线接近或不同，这取决于该时间点的具体驾驶环境。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线制定模块307提供的参考线作为基础为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中，规划阶段在多个规划循环(也称为驾驶循环)中执行，例如，在100毫秒(ms)的每个时间间隔中。针对每个规划循环或驾驶循环，将基于规划和控制数据发出一个或多个控制命令。即，针对每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达该目标位置所需的时间。替代地，规划模块305还可以指定具体速度、方向和/或转向角等。在一个实施方式中，规划模块305针对下一预定时间段(例如5秒)规划路线段或路径段。针对每个规划循环，规划模块305基于在先前循环中规划的目标位置来规划当前循环(例如，接下来的5秒)的目标位置。然后，控制模块306基于当前循环的规划和控制数据生成一个或多个控制命令(例如，油门、制动和转向控制命令)。
应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于影响自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
根据一个实施方式，坐标转换器308配置成在LIDAR图像可用于自动驾驶(例如确定障碍物的绝对位置并规划绕过障碍物导航的路径等)之前，将由LIDAR装置采集的LIDAR图像从局部坐标系(例如，诸如LIDAR坐标系的相对坐标系)转换或变换为全局坐标系(例如，诸如GPS坐标系的绝对坐标系)。坐标转换器308可以实施为感知模块302的一部分。当LIDAR图像采集障碍物时，障碍物的坐标或位置是相对于LIDAR装置的安装位置的相对位置。这种坐标不能用于自动驾驶。它们必须转换成诸如GPS坐标的全局或绝对坐标。
在一个实施方式中，坐标转换器308由LIDAR校准系统(例如，LIDAR校准系统125)基于由LIDAR装置采集的大量LIDAR图像进行训练、校准和优化，并重复地调整坐标转换器308的参数，直到其以最优化方式操作。可以离线执行优化，或者替代地，可以在自动驾驶期间收集LIDAR图像并将其存储为驾驶统计数据313的一部分。LIDAR校准模块309可以可选地实施为动态地和周期性地校准坐标转换器308。
在一个实施方式中，坐标转换器308可以由四元数函数(也称为Q函数)实施或表示。在数学中，四元数是一个扩展复数的数字系统。并且它们适用于三维(3D)空间的结构。四元数的特征在于两个四元数的乘法是非交换的。四元数被定义为3D空间中两条有向线的商或等效地作为两个向量的商。四元数通常以下列形式表示：a+b*i+c*j+d*k，其中，a、b、c和d是实数，而i、j和k是基本四元数单位。四元数用于纯数学和应用数学中，特别是涉及三维旋转的计算，例如3D计算机图形学、计算机视觉和晶体学纹理分析。例如，在确定自动驾驶空间中的对象的位置时，i可以表示前/后向量(例如，前进方向)；j可以表示左/右向量(例如，转动角)；并且k可以表示特定位置的上/下矢量(例如，俯仰角)。
图4是示出根据一个实施方式的LIDAR校准系统的框图。LIDAR校准模块400可以实施为图1的LIDAR校准系统125或图3A的LIDAR校准模块309的一部分。参考图4，在一个实施方式中，LIDAR校准模块400包括LIDAR数据收集器401、感知模块402、坐标转换器或功能403、参数优化器404、反射图生成器405和重叠大小计算器406。应注意，这些模块401至406中的一些或全部可以集成到更少的模块中。LIDAR数据收集器401可以实施为图1的数据收集器121的一部分。感知模块402可以实施为感知模块302的一部分。LIDAR数据收集器401配置成当ADV在预定的驾驶环境中行驶时接收由ADV的LIDAR装置采集的LIDAR图像，其中驾驶环境中包括有可由LIDAR装置采集的静态障碍物。LIDAR图像可以作为LIDAR图像411的一部分存储在永久性存储装置中。LIDAR图像中的至少一些或全部在一段时间(例如，五秒)的不同时间点将障碍物采集到其中。
如上所述，ADV的操作以循环(例如，规划循环)的形式执行。每个循环将持续大约100毫秒(或ms)。在LIDAR扫描期间，持续收集LIDAR数据达100ms。然后，在一个实施方式中，利用100ms的LIDAR数据来形成LIDAR图像。因此，每100ms将形成一个LIDAR图像。通常，LIDAR可以每秒旋转5-20个循环。出于校准坐标转换器的目的，可以使用5分钟的LIDAR数据，即5*60*10＝3000个LIDAR图像。
在一个实施方式中，针对每个LIDAR图像411，感知模块402可以对LIDAR图像执行感知过程以识别并辨认由LIDAR图像采集的障碍物。确定障碍物相对于LIDAR装置的位置的位置。障碍物的这种位置被称为局部坐标系(例如，LIDAR坐标空间)中的相对位置。调用具有给定参数集的坐标转换器403，以使用与LIDAR图像相关联的GPS数据将障碍物的位置从局部/相对坐标空间变换或转化为全局/绝对坐标空间。一旦使用坐标转换器变换了所有LIDAR图像，反射图生成器405配置成基于经变换的LIDAR图像动态地生成LIDAR反射图。然后，将动态LIDAR反射图与参考LIDAR反射图414(例如，参考反射图314)进行比较，以确定两者之间的差异(或相似性)。动态LIDAR反射图可以被保持并存储为动态LIDAR反射图413的一部分。通过调整坐标转换器403的至少一个参数来迭代地执行以上操作。使用不同的参数集412，由LIDAR图像采集的障碍物的位置在坐标变换之后可以是不同的。
根据一个实施方式，测量由LIDAR图像表示的障碍物的一致性的一种方式是：在进行坐标转换之后，确定由LIDAR图像采集的障碍物的位置的重叠。通过合并经变换的LIDAR图像，生成动态LIDAR反射图以概括地表示由LIDAR图像采集的障碍物。可以将出现在动态LIDAR反射图中的单个障碍物与出现在参考LIDAR反射图414中的单个障碍物进行比较。使用具有已知参数集的已知坐标转换器403生成参考LIDAR反射图414。参考LIDAR反射图414可以用作校准特定车辆或特定类型车辆的坐标转换器的黄金标准。
在一个实施方式中，测量动态反射图与参考反射图之间的差异的一种方法是，可以通过重叠大小计算器406测量来自两个LIDAR反射图的两个障碍物彼此重叠的区域以表示差异。如果重叠区域较大，则认为两个反射图相似或彼此接近。通过调整坐标转换器403的一个或多个参数来迭代地执行以上校准过程，直到重叠区域的大小大于预定阈值(例如，障碍物的整个区域的特定比例)。替代地，迭代地执行校准过程，直到迭代次数超过预定阈值。此时，产生最大重叠大小的坐标转换器403的参数集被认为是优化参数集。在一个实施方式中，坐标转换器403由四元数函数表示，并且四元数函数的参数使用梯度下降法来优化。
现在参考图5，在该示例中，基于在一段时间内收集的LIDAR数据采集并形成LIDAR图像501至504。如上所述，如果每100ms形成LIDAR图像，则LIDAR图像501至504可以表示在五分钟的时间段内的3000个LIDAR图像。LIDAR图像中的至少一些包括其中采集的障碍物，例如障碍物511至514。在感知情况下，每个LIDAR图像应该在相同或相似的位置处采集障碍物，特别是在短时间内或障碍物是静态障碍物(非移动障碍物)。
在利用配置有给定参数集的坐标转换器进行坐标转换之后，障碍物511至514的一些位置可能由于坐标转换器的不同参数设定而发生移位。通过比较和测量所有LIDAR图像之中的障碍物511至514的重叠，可以确定用于最优化坐标转换器的参数集。该方法背后的基本原理是：如果坐标转换器是优化的，则LIDAR图像501至504的障碍物511至514的位置应当是一致的，即，位置应当相同或接近相同。产生最大数量的具有重叠障碍物的LIDAR图像的坐标转换器的参数集将被认为是优化参数集。
在一个实施方式中，坐标转换器403使用参数候选集412对LIDAR图像501至504进行变换或转化，以生成经变换的一组LIDAR图像。然后，将经变换的LIDAR图像合并成单个经变换的LIDAR图像520，例如，通过将经变换的LIDAR图像堆叠或重叠在一起。然后，基于合并的LIDAR图像520生成动态LIDAR反射图530，并且出于优化参数集412的目的，将动态LIDAR反射图530与参考LIDAR反射图414进行比较。
在一个实施方式中，在每次迭代中利用不同的参数集迭代地执行坐标转换器403的优化，直到由LIDAR图像表示的障碍物的一致性(例如，障碍物的重叠区域的大小)高于预定阈值。替代地，迭代地执行优化，直到迭代次数达到预定阈值，此时将所有参数集之中产生障碍的最大重叠区域的参数集选择为优化参数集。
图6是示出根据一个实施方式的LIDAR校准过程的流程图。过程600可以由处理逻辑执行，处理逻辑可包括软件、硬件或其组合。例如，过程600可以由LIDAR校准模块400执行。参考图6，在操作601中，当ADV在预定的驾驶环境中行驶时，处理逻辑接收由ADV的LIDAR装置采集的一组LIDAR图像。在操作602中，处理逻辑使用配置有参数集的坐标转换器将每个LIDAR图像从局部坐标系变换到全局坐标系。在操作603中，处理逻辑基于经变换的LIDAR图像的至少一部分动态地生成第一LIDAR反射图。在操作604中，基于第一LIDAR反射图与作为参考图的第二LIDAR反射图之间的差异，通过调整坐标转换器的一个或多个参数来校准坐标转换器。使用配置有已知参数集的坐标转换器生成第二LIDAR反射图。然后，可以将经校准的坐标转换器上传到ADV，以实时处理LIDAR图像。
图7是示出根据另一实施方式的LIDAR校准过程的流程图。过程700可以由处理逻辑执行，处理逻辑可包括软件、硬件或其组合。例如，过程700可以由LIDAR校准模块400执行。参考图7，在操作701中，使用配置有参数集的坐标转换器将一组LIDAR图像从局部坐标空间变换到全局坐标空间。在操作702中，基于经变换的LIDAR图像生成第一LIDAR反射图。在一个实施方式中，在生成第一LIDAR反射图之前，经变换的LIDAR图像可以合并为单个LIDAR图像，并然后基于单个合并的LIDAR图像生成第一LIDAR反射图。
在操作703中，将第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图进行比较，以确定在第一LIDAR反射图和第二LIDAR反射图中出现的障碍物的重叠大小。在操作704中，处理逻辑确定重叠大小是否大于预定大小。如果是，在操作707中，选择坐标转换器的上述参数集作为优化参数集。否则，在操作705中，确定迭代次数是否超过预定阈值。如果是，在操作707中，选择产生最大重叠区域的坐标转换器的参数集作为优化参数集。否则，在操作706中，调整坐标转换器的一个或多个参数，并迭代地执行以上操作。
应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图8是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。
还应注意，系统1500旨在示出计算机系统的许多部件的高阶视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自
Figure BDA0002145358990000184
公司的
Figure BDA0002145358990000185
操作系统、来自苹果公司的Mac
Figure BDA0002145358990000181
来自
Figure BDA0002145358990000182
公司的
Figure BDA0002145358990000183
LINUX、UNIX，或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，相机)，所述成像处理子系统可以包括用于促进相机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如规划模块305、控制模块306或如上所述的LIDAR校准模块或系统。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本公开的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本公开的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (23)

1.一种用于校准用于自动驾驶的光探测和测距LIDAR装置的计算机实施的方法，所述方法包括：
接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；
基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及
基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
2.根据权利要求1所述的方法，其中，当所述ADV在预定驾驶环境中行驶时，采集所述LIDAR点云数据，以及其中，基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据，生成所述第二LIDAR反射图。
3.根据权利要求1所述的方法，还包括：
对每个所述LIDAR图像执行感知处理，以识别由所述LIDAR图像采集的障碍物；以及
比较出现在所述第一LIDAR反射图中的第一障碍物的第一位置与出现在所述第二LIDAR反射图中的第二障碍物的第二位置。
4.根据权利要求3所述的方法，其中，基于所述第一障碍物的第一位置与所述第二障碍物的第二位置之间的差异，调整所述坐标转换器的一个或多个参数。
5.根据权利要求4所述的方法，还包括：通过调整所述坐标转换器的一个或多个参数并比较所述第一障碍物的第一位置与所述第二障碍物的第二位置，迭代地执行对所述坐标转换器的校准，直到所述第一位置与所述第二位置之间的差异达到预定阈值以下。
6.根据权利要求3所述的方法，还包括：确定所述第一障碍物和所述第二障碍物的重叠区域的大小。
7.根据权利要求6所述的方法，还包括：通过调整所述坐标转换器的一个或多个参数并确定所述重叠区域的大小，迭代地执行对所述坐标转换器的校准，直到所述重叠区域的大小为预定阈值以上。
8.根据权利要求1所述的方法，其中，所述坐标转换器包括四元数函数。
9.根据权利要求1所述的方法，其中，使用梯度下降法执行对所述坐标转换器的优化。
10.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行操作，所述操作包括：
接收一组光探测和测距LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；
基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及
基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
11.根据权利要求10所述的机器可读介质，其中，当所述ADV在预定驾驶环境中行驶时，采集所述LIDAR点云数据，以及其中，基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据，生成所述第二LIDAR反射图。
12.根据权利要求10所述的机器可读介质，其中，所述操作还包括：
对每个所述LIDAR图像执行感知处理，以识别由所述LIDAR图像采集的障碍物；以及
比较出现在所述第一LIDAR反射图中的第一障碍物的第一位置与出现在所述第二LIDAR反射图中的第二障碍物的第二位置。
13.根据权利要求12所述的机器可读介质，其中，基于所述第一障碍物的第一位置与所述第二障碍物的第二位置之间的差异，调整所述坐标转换器的一个或多个参数。
14.根据权利要求13所述的机器可读介质，其中，所述操作还包括：通过调整所述坐标转换器的一个或多个参数并比较所述第一障碍物的第一位置与所述第二障碍物的第二位置，迭代地执行对所述坐标转换器的校准，直到所述第一位置与所述第二位置之间的差异达到预定阈值以下。
15.根据权利要求12所述的机器可读介质，其中，所述操作还包括：确定所述第一障碍物和所述第二障碍物的重叠区域的大小。
16.根据权利要求15所述的机器可读介质，其中，所述操作还包括：通过调整所述坐标转换器的一个或多个参数并确定所述重叠区域的大小，迭代地执行对所述坐标转换器的校准，直到所述重叠区域的大小为预定阈值以上。
17.一种数据处理系统，包括：
处理器；以及
存储器，所述存储器联接到所述处理器并存储指令，所述指令在由所述处理器执行时使所述处理器执行操作，所述操作包括：
接收一组光探测和测距LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；
基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及
基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。
18.根据权利要求17所述的系统，其中，当所述ADV在预定驾驶环境中行驶时，采集所述LIDAR点云数据，以及其中，基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据，生成所述第二LIDAR反射图。
19.根据权利要求17所述的系统，其中，所述操作还包括：
对每个所述LIDAR图像执行感知处理，以识别由所述LIDAR图像采集的障碍物；以及
比较出现在所述第一LIDAR反射图中的第一障碍物的第一位置与出现在所述第二LIDAR反射图中的第二障碍物的第二位置。
20.根据权利要求19所述的系统，其中，基于所述第一障碍物的第一位置与所述第二障碍物的第二位置之间的差异，调整所述坐标转换器的一个或多个参数。
21.根据权利要求20所述的系统，其中，所述操作还包括：通过调整所述坐标转换器的一个或多个参数并比较所述第一障碍物的第一位置与所述第二障碍物的第二位置，迭代地执行对所述坐标转换器的校准，直到所述第一位置与所述第二位置之间的差异达到预定阈值以下。
22.根据权利要求19所述的系统，其中，所述操作还包括：确定所述第一障碍物和所述第二障碍物的重叠区域的大小。
23.根据权利要求22所述的系统，其中，所述操作还包括：通过调整所述坐标转换器的一个或多个参数并确定所述重叠区域的大小，迭代地执行对所述坐标转换器的校准，直到所述重叠区域的大小为预定阈值以上。
CN201910683072.3A 2018-10-12 2019-07-26 一种用于自动驾驶的基于预收集静态反射图的lidar校准方法 Active CN111044991B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/159,426 2018-10-12
US16/159,426 US11841437B2 (en) 2018-10-12 2018-10-12 Automatic lidar calibration based on pre-collected static reflection map for autonomous driving

Publications (2)

Publication Number Publication Date
CN111044991A true CN111044991A (zh) 2020-04-21
CN111044991B CN111044991B (zh) 2023-09-05

Family

ID=67439066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910683072.3A Active CN111044991B (zh) 2018-10-12 2019-07-26 一种用于自动驾驶的基于预收集静态反射图的lidar校准方法

Country Status (4)

Country Link
US (1) US11841437B2 (zh)
EP (1) EP3637143A1 (zh)
JP (1) JP6831880B2 (zh)
CN (1) CN111044991B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111775961A (zh) * 2020-06-29 2020-10-16 北京百度网讯科技有限公司 自动驾驶车辆规划方法、装置、电子设备及存储介质
CN113064143A (zh) * 2020-08-14 2021-07-02 百度（美国）有限责任公司 用于具有多LiDAR传感器的自动驾驶车辆的再校准确定系统
CN113950703A (zh) * 2020-05-15 2022-01-18 百度时代网络技术（北京）有限公司 具有用于点云融合的探测器
CN113984068A (zh) * 2021-11-16 2022-01-28 浙江商汤科技开发有限公司 定位方法、定位装置和计算机可读存储介质
CN114076918A (zh) * 2020-08-20 2022-02-22 北京万集科技股份有限公司 毫米波雷达、激光雷达与相机联合标定方法和装置
CN117250623A (zh) * 2023-11-20 2023-12-19 山东新坐标智能装备有限公司 激光雷达与互补定位融合的定位方法、系统及移动机器人

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11105905B2 (en) * 2018-11-30 2021-08-31 Lyft, Inc. LiDAR and camera rotational position calibration using multiple point cloud comparisons
US11994631B2 (en) 2019-10-15 2024-05-28 Cepton Technologies, Inc. Calibration of LiDAR sensors
US11726189B2 (en) * 2019-12-09 2023-08-15 Nio Technology (Anhui) Co., Ltd. Real-time online calibration of coherent doppler lidar systems on vehicles
US10907960B1 (en) * 2020-01-06 2021-02-02 Outsight SA Calibration system for combined depth and texture sensor
US11892560B2 (en) 2020-02-03 2024-02-06 Nio Technology (Anhui) Co., Ltd High precision multi-sensor extrinsic calibration via production line and mobile station
CN114076919A (zh) * 2020-08-20 2022-02-22 北京万集科技股份有限公司 毫米波雷达与相机联合标定方法和装置、服务器、计算机可读存储介质
CN114076937A (zh) * 2020-08-20 2022-02-22 北京万集科技股份有限公司 激光雷达与相机联合标定方法和装置、服务器、计算机可读存储介质
CN114076936A (zh) * 2020-08-20 2022-02-22 北京万集科技股份有限公司 联合标定参数的精度评估方法和装置、服务器、计算机可读存储介质
CN112255621B (zh) * 2020-10-09 2022-08-30 中国第一汽车股份有限公司 一种车辆传感器的标定方法、装置、电子设备及存储介质
US11158120B1 (en) * 2020-11-18 2021-10-26 Motional Ad Llc Ghost point filtering
CN112180348B (zh) * 2020-11-27 2021-03-02 深兰人工智能(深圳)有限公司 车载多线激光雷达的姿态标定方法和装置
CN112731317B (zh) * 2020-12-25 2024-03-19 北京百度网讯科技有限公司 车辆雷达标定方法、装置、设备、介质和自动驾驶车辆
CN112629548B (zh) * 2020-12-28 2023-01-24 北京航空航天大学 一种基于路侧激光雷达的三维栅格地图的创建与更新方法
JP2022164417A (ja) * 2021-04-16 2022-10-27 日立Astemo株式会社 車両管制装置
CN113687337B (zh) * 2021-08-02 2024-05-31 广州小鹏自动驾驶科技有限公司 车位识别性能测试方法、装置、测试车辆及存储介质
CN114355912A (zh) * 2021-12-27 2022-04-15 山东新一代信息产业技术研究院有限公司 一种园区自动驾驶物流小车边缘行走决策方法
CN114910928A (zh) * 2022-05-20 2022-08-16 山东高速建设管理集团有限公司 一种隧道内车辆定位方法、装置及可存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009168472A (ja) * 2008-01-10 2009-07-30 Zenrin Co Ltd レーザースキャナのキャリブレーション装置及びキャリブレーション方法
JP2015004593A (ja) * 2013-06-21 2015-01-08 三菱電機株式会社 ナビゲーション装置
CN107564069A (zh) * 2017-09-04 2018-01-09 北京京东尚科信息技术有限公司 标定参数的确定方法、装置及计算机可读存储介质
US20180196127A1 (en) * 2017-01-11 2018-07-12 Toyota Research Institute, Inc. Systems and methods for automatically calibrating a lidar using information from a secondary vehicle
CN108369775A (zh) * 2015-11-04 2018-08-03 祖克斯有限公司 响应于物理环境的改变自适应制图以对自主车辆进行导航

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600589B2 (en) 2012-04-24 2013-12-03 Exelis, Inc. Point cloud visualization of acceptable helicopter landing zones based on 4D LIDAR
US9875557B2 (en) * 2012-11-05 2018-01-23 The Chancellor Masters And Scholars Of The University Of Oxford Extrinsic calibration of imaging sensing devices and 2D LIDARs mounted on transportable apparatus
JP6192938B2 (ja) 2013-01-15 2017-09-06 株式会社東芝 三次元合成処理システムおよび三次元合成処理方法
US9632502B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US9952317B2 (en) * 2016-05-27 2018-04-24 Uber Technologies, Inc. Vehicle sensor calibration system
JP6649191B2 (ja) 2016-06-29 2020-02-19 クラリオン株式会社 車載処理装置
US20170030059A1 (en) 2016-10-14 2017-02-02 Jun-Qi Lin Seamless connecting drain structure of metallic sink
EP3616159A4 (en) * 2017-04-28 2020-05-13 SZ DJI Technology Co., Ltd. CALIBRATION OF LASER SENSORS
US10401866B2 (en) 2017-05-03 2019-09-03 GM Global Technology Operations LLC Methods and systems for lidar point cloud anomalies
US10599931B2 (en) * 2017-08-21 2020-03-24 2236008 Ontario Inc. Automated driving system that merges heterogenous sensor data
EP3702806A4 (en) * 2017-10-26 2021-07-21 Pioneer Corporation CONTROL DEVICE, CONTROL PROCESS, PROGRAM, AND STORAGE MEDIA
US10502819B2 (en) * 2017-12-21 2019-12-10 GM Global Technology Operations LLC Systems and methods for aligning an inertial measurement unit in a vehicle
US10852731B1 (en) * 2017-12-28 2020-12-01 Waymo Llc Method and system for calibrating a plurality of detection systems in a vehicle
US11067693B2 (en) * 2018-07-12 2021-07-20 Toyota Research Institute, Inc. System and method for calibrating a LIDAR and a camera together using semantic segmentation
CN109712189B (zh) 2019-03-26 2019-06-18 深兰人工智能芯片研究院（江苏）有限公司 一种传感器联合标定的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009168472A (ja) * 2008-01-10 2009-07-30 Zenrin Co Ltd レーザースキャナのキャリブレーション装置及びキャリブレーション方法
JP2015004593A (ja) * 2013-06-21 2015-01-08 三菱電機株式会社 ナビゲーション装置
CN108369775A (zh) * 2015-11-04 2018-08-03 祖克斯有限公司 响应于物理环境的改变自适应制图以对自主车辆进行导航
US20180196127A1 (en) * 2017-01-11 2018-07-12 Toyota Research Institute, Inc. Systems and methods for automatically calibrating a lidar using information from a secondary vehicle
CN107564069A (zh) * 2017-09-04 2018-01-09 北京京东尚科信息技术有限公司 标定参数的确定方法、装置及计算机可读存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113950703A (zh) * 2020-05-15 2022-01-18 百度时代网络技术（北京）有限公司 具有用于点云融合的探测器
CN111775961A (zh) * 2020-06-29 2020-10-16 北京百度网讯科技有限公司 自动驾驶车辆规划方法、装置、电子设备及存储介质
CN111775961B (zh) * 2020-06-29 2022-01-04 阿波罗智能技术(北京)有限公司 自动驾驶车辆规划方法、装置、电子设备及存储介质
US11878716B2 (en) 2020-06-29 2024-01-23 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Method and apparatus for planning autonomous vehicle, electronic device and storage medium
CN113064143A (zh) * 2020-08-14 2021-07-02 百度（美国）有限责任公司 用于具有多LiDAR传感器的自动驾驶车辆的再校准确定系统
CN114076918A (zh) * 2020-08-20 2022-02-22 北京万集科技股份有限公司 毫米波雷达、激光雷达与相机联合标定方法和装置
CN113984068A (zh) * 2021-11-16 2022-01-28 浙江商汤科技开发有限公司 定位方法、定位装置和计算机可读存储介质
CN117250623A (zh) * 2023-11-20 2023-12-19 山东新坐标智能装备有限公司 激光雷达与互补定位融合的定位方法、系统及移动机器人
CN117250623B (zh) * 2023-11-20 2024-02-27 苏州新坐标智能装备有限公司 激光雷达与互补定位融合的定位方法、系统及移动机器人

Also Published As

Publication number Publication date
US11841437B2 (en) 2023-12-12
CN111044991B (zh) 2023-09-05
JP6831880B2 (ja) 2021-02-17
EP3637143A1 (en) 2020-04-15
US20200116867A1 (en) 2020-04-16
JP2020060553A (ja) 2020-04-16

Similar Documents

Publication Publication Date Title
CN111044991B (zh) 一种用于自动驾驶的基于预收集静态反射图的lidar校准方法
CN110727267B (zh) 具有冗余超声雷达的自动驾驶车辆
CN110389585B (zh) 用于自动驾驶车辆的基于学习的速度规划器
CN110386142B (zh) 用于自动驾驶车辆的俯仰角校准方法
CN111044992B (zh) 用于自动驾驶的基于交叉验证的自动lidar校准
US20200004251A1 (en) Planning driven perception system for autonomous driving vehicles
CN110597243B (zh) 自动驾驶车辆的基于v2x通信的车辆车道系统
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
EP3751453B1 (en) Detecting adversarial samples by a vision based perception system
WO2020062034A1 (en) A tunnel-based planning system for autonomous driving vehicles
US11048252B2 (en) Optimal path generation for static obstacle avoidance
CN111856923A (zh) 加速对复杂驾驶场景的规划的参数学习的神经网络方法
EP3652602B1 (en) A spiral path based three-point turn planning for autonomous driving vehicles
WO2020062033A1 (en) Control dominated three-point turn planning for autonomous driving vehicles
CN111240313A (zh) 用于操作自动驾驶车辆的基于预定校准表的车辆控制系统
US11247700B2 (en) Enumeration-based three-point turn planning for autonomous driving vehicles
CN111033418A (zh) 用于自动驾驶车辆的速度控制命令自动校准系统
CN112272805A (zh) 连接两条平滑参考线的基于多点增强的拼接方法
CN112041637B (zh) 用于3级自动驾驶车辆的无地图且基于摄像机的车道标识取样方法
US11360483B2 (en) Method and system for generating reference lines for autonomous driving vehicles
US10788839B2 (en) Planning-control collaboration design for low cost autonomous driving technology

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