CN111412922A - 定位技术 - Google Patents

定位技术 Download PDF

Info

Publication number
CN111412922A
CN111412922A CN201911419752.0A CN201911419752A CN111412922A CN 111412922 A CN111412922 A CN 111412922A CN 201911419752 A CN201911419752 A CN 201911419752A CN 111412922 A CN111412922 A CN 111412922A
Authority
CN
China
Prior art keywords
vehicle
data
point
computer
position data
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.)
Pending
Application number
CN201911419752.0A
Other languages
English (en)
Inventor
科德林·琼卡
胡安·恩里克·卡斯特雷纳马丁内斯
穆斯塔法·帕尔恰米
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.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies 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 Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN111412922A publication Critical patent/CN111412922A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本公开提供了“定位技术”。一种计算机包括处理器和存储器。所述存储器存储指令，所述指令可由处理器执行以：在车辆中从外部节点接收对象数据；以及在识别接收到的对象数据中的位于基于从车辆传感器接收到的车辆位置数据限定的空间内的点时，基于所述识别出的点和所述车辆位置数据确定调整后的车辆位置。

Description

定位技术
技术领域
本公开总体上涉及车辆导航系统。
背景技术
诸如自主或半自主车辆的车辆可以使用来自位置传感器(例如，GPS(全球定位系统))的数据来辅助导航。自主车辆可以将其基本上实时的位置数据与车辆正在操作的区域的地图进行比较，以在所述区域内定位车辆，并基于所确定的车辆位置导航车辆。位置数据可能有不准确之处，这可能使得难以导航车辆。
发明内容
本文公开了一种计算机，所述计算机包括处理器和存储器。存储器存储指令，所述指令可由处理器执行以：在车辆中从外部节点接收对象数据；以及在识别接收到的对象数据中的位于使用从车辆传感器接收到的车辆位置数据限定的空间内的点时，基于所识别出的点和车辆位置数据确定调整后的车辆位置。
所识别出的点可以是在接收到的对象数据中描述的对象的参考点。
指令还可以包括用于至少部分地基于车辆尺寸来确定空间的指令。
空间的底部可以以基于车辆位置数据确定的地面上的车辆参考点的投影为中心。
所述指令还可以包括基于调整后的车辆位置来操作车辆的指令。
所述指令还可包括用于通过将第一卡尔曼滤波器应用于所述车辆位置数据来对所述车辆位置数据进行滤波以及通过将第二卡尔曼滤波器应用于所述识别出的点的位置数据来对所述点的所述位置数据进行滤波的指令。
指令还可以包括以下指令：在确定来自所述外部节点的所述对象缺少所述空间内的点时，基于所述车辆位置数据来操作所述车辆。
所述指令还可以包括以下指令：仅在基于接收到的对象数据确定所识别出的点是具有与车辆类型匹配的类型的对象的参考点时，识别所述空间内的所述点。
所述指令还可以包括以下指令：仅在基于接收到的对象数据确定所识别出的点是具有与接收到所述对象数据的所述车辆的尺寸匹配的尺寸的对象的参考点时，识别所述空间内的所述点。
所述指令还可以包括以下指令：确定具有预定尺寸的底部在地面上的空间，底部以地面上的投影车辆位置为中心，以及在从广播数据中识别出具有在确定的空间内的参考点的对象时，部分地基于对象参考点的位置坐标来确定调整后的车辆位置。
位置数据可以至少包括车辆的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度。
对象数据还可以至少包括对象的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度。
对象数据可以包括对象的位置坐标、取向、对象类型、速度、旋转速度、形状和尺寸中的至少一者。
本文还公开了一种计算机，所述计算机包括处理器和存储器。存储器存储指令，所述指令可由处理器执行以从经由外部节点接收到的对象数据集提取与车辆位置数据相关的额外位置数据、独立地对额外位置数据和车辆位置数据进行滤波、然后融合滤波后的额外位置数据和滤波后的车辆位置数据以改善车辆定位。
所述指令还可以包括基于融合的滤波后的额外位置和车辆位置数据来操作车辆的指令。
所述指令还可以包括通过将第一卡尔曼滤波器应用于车辆位置数据来对车辆位置数据进行滤波，以及通过将第二卡尔曼滤波器应用于与车辆位置数据相关的额外位置数据来对与车辆位置数据相关的额外位置数据进行滤波的指令。
所述指令还可以包括在确定来自外部节点的额外位置数据与车辆位置数据相关时，基于车辆位置数据来操作车辆。
额外位置数据可以包括车辆的位置坐标、取向、对象类型、速度、旋转速度、形状和尺寸中的至少一者。
所述指令还可以包括以下指令：在基于接收到的对象数据集确定与车辆位置相关的额外位置数据描述尺寸与接收到对象数据集的车辆的尺寸相匹配的对象时，提取额外位置数据。
本文还公开了一种系统，其包括：用于接收广播对象数据的手段；用于基于车辆传感器数据确定车辆的第一位置的手段；用于基于从远程计算机接收到的广播对象数据和所述第一位置识别所述车辆的第二位置的手段；以及用于基于车辆的滤波后的第一位置和滤波后的第二位置来确定车辆的融合位置的手段。
还公开了一种被编程为执行上述方法步骤中的任一个的计算装置。
还公开了一种计算机程序产品，其包括计算机可读介质，所述计算机可读介质存储指令，所述指令可由计算机处理器执行，以执行上述方法步骤中的任一个。
附图说明
图1A是示出指向示例路段的示例传感器的框图。
图1B是图1A的车辆的侧视图。
图2A-图2B示出了用于操作车辆的示例性过程的流程图。
具体实施方式
车辆可以包括位置传感器等，其提供包括车辆位置(或位置)和/或车辆取向的数据。车辆计算机可以通过至少部分地基于从车辆位置传感器接收到的数据来致动车辆推进、制动和/或转向致动器来操作车辆。从车辆传感器接收到的位置和/或取向数据可能是不准确的，这可能导致车辆导航的问题，例如，增加与另一个对象碰撞的风险。
在本文中，公开了通过融合(i)从车辆位置传感器接收到的数据和(ii)从外部对象检测传感器(例如，安装到具有包括车辆的视野的道路一侧的杆的诸如激光雷达、相机、雷达等的固定传感器、安装到另一车辆、自行车、无人机等的传感器)接收到的数据来提高车辆位置传感器的精度的系统和方法。根据本文描述的一种技术，车辆计算机可以被编程为：从外部节点(例如，固定传感器、不同车辆的传感器等)接收对象数据(或包括与一个或多个对象相关的对象数据的对象数据集)；从车载车辆传感器接收车辆位置数据；使用车辆位置数据和地图数据，将3D空间的车辆与地图数据相关联；将对象数据与3D地图数据相关联；识别在接收到的对象数据中的在空间内的点；以及基于所识别的点和车辆位置数据来确定调整后的车辆位置。在本背景中，外部节点是车辆101外部的任何无线节点，例如，传感器165、远程计算机、另一车辆等。
图1A-图1B示出了示例系统100，其包括(i)车辆101，其具有计算机110、(一个或多个)致动器120、(一个或多个)传感器130、无线接口140和参考点150，位于地理区域160中；以及(ii)至少一个传感器165(其在至少一个示例中固定到基础设施)，其具有计算机170和通信接口175。车辆101部件和示例车辆101如何操作的描述遵循传感器165和传感器165的多个示例操作方法的示例性描述。从以下描述中将明显的是，传感器165可以与一个以上的车辆(未示出的其他车辆)通信，并且在至少一个示例中，可以使用多个传感器。在这些示例中，每个传感器可以是相同的；因此，仅示出了一个传感器(传感器165)。
在本背景中，地理区域160(或区域160)是指地球表面上的二维(2D)区域。区域160的边界或边缘可由全球定位系统(GPS)坐标限定例如为三角形或矩形区域160的顶点、圆形区域160的中心等。区域160可以具有任何尺寸和/或形状，例如矩形、椭圆形、圆形、非几何形状等。区域160可以包括一段道路、十字路口等。区域160可由传感器165的检测范围限定，即距传感器165预定距离(例如200米(m))内的位置。除了车辆101之外，在区域160中还可能存在其他对象(未示出)，诸如其他车辆、行人、自行车等。
继续参考图1A，系统100可以包括一个或多个传感器165，其定位在例如道路的一侧、十字路口等，和/或安装到任何非移动对象，诸如建筑物、杆等。在本背景中，传感器165的检测范围是距传感器165位置的预定义距离，所述预定义距离还包括传感器165的无障碍视野—例如，车辆101和/或其他对象能够被检测到的范围和视线。在其他示例中，激光雷达传感器165可以位于任何合适的移动或非移动对象上。
传感器165的计算机170可以包括处理器和存储可由处理器执行的指令的存储器。计算机170存储器包括一种或多种形式的计算机-可读介质，并且存储可由传感器165的处理器执行的用于执行包括如本文所公开的各种操作的指令。
传感器165包括对象检测传感器和/或深度检测传感器。例如，传感器165可以包括激光雷达传感器、相机传感器、雷达传感器等中的一者或多者。传感器165可以是固定的，例如安装在杆上(见图1A)，或者是移动的，例如安装在第二车辆上，并且具有包括相应第二车辆外部区域的视野。例如，激光雷达传感器165可以通过传输激光束来扫描示例区域160，并且从诸如车辆101等的对象的外表面和/或地面(例如，点云数据)接收所传输的激光雷达光束的反射。使用点云数据，激光雷达传感器165计算机170可以被编程为基于接收到的反射来生成激光雷达对象数据。表1示出了可以包括对象数据的示例性信息。如本文所使用的，对象数据是指描述3D区域(例如，区域160上方的空间)中的物理对象的属性(诸如位置、尺寸等)的数据。对象数据可以包括对象(例如，车辆101)的外表面上的点的位置坐标xix,yix,zix，其引起发射光束的反射。换句话说，对象数据可以包括点云数据，即激光雷达传感器165的视野内的多个点的3D位置坐标xix,yix,zix。
Figure BDA0002352027970000061
表1
对象数据可以包括关于多个对象(例如，传感器165的视野内的n个对象)的数据。在表2所示的一个示例中，与每个对象O1至On相关联的数据可以包括对象数据，如表1中所描述的。
Figure BDA0002352027970000071
表2
位置数据可以指定对象相对于2D坐标系(例如，X轴180、Y轴185)的(二维)2D位置坐标xix,yix，或者对象相对于3D坐标系(例如，X轴180、Y轴185、Z轴190)的3D(三维)位置坐标xix,yix,zix和/或对象的取向θix。包括在对象数据中的位置坐标指定对象的点的坐标。如本文所使用的，关于示例表1，对象点可以是基于对象的尺寸、形状等识别的对象的参考点155，例如中心点。在点云数据的背景中的又一示例中，对象数据可以指定从其接收反射的点的位置坐标，例如对象的外表面上的任何点。
在本背景中，取向θix是地面平面上对象相对于X轴或Y轴的方向或姿态(例如，在随后的描述中作为示例，取向θix相对于X轴180被描述)。因此，取向θix可以是地面平面上的横摆角。例如，车辆101的取向θix可由X轴180和车辆的纵向轴线之间的角度来指定。在本背景中，2D位置坐标xix,yix指定点155在地面上的投影的位置坐标。X轴180、Y轴185、Z轴190可以是GPS坐标系。因此，在一个示例中，计算机170可以被编程为基于传感器165的存储的位置坐标和从传感器165接收到的数据来确定对象相对于GPS坐标系的坐标xix,yi x。
在另一个示例中，激光雷达对象数据可以包括一个或多个检测到的对象的尺寸、类型、位置、取向、形状等。例如，传感器165处理器可以被编程为使用诸如语义分割等技术将对象分类为汽车、卡车、自行车、行人、建筑物、植被等。因此，位置坐标xix,yix可以指定例如参考点155(诸如中心点)(基于传感器165中对象的检测到的尺寸，例如长度L、宽度W、高度H和/或形状)在地面上的投影的位置坐标。计算机170可以为检测到的对象计算中心点155，并确定计算出的中心点155在广播对象数据中的位置坐标。另外，如上文所讨论，对象数据可以包括高度坐标zix。
另外地或替代地，多个传感器165可以共同覆盖区域160。在一个示例中，多个传感器165可以被放置在位置处例如安装到杆，每个在指定方向上提供视野。另外地或替代地，多个传感器165可以位于区域160中，例如，安装到多个杆、建筑物等。
传感器165可以经由通信接口175与车辆101无线接口140、远程计算机、其他传感器(例如，安装在基础设施的其他地方)等通信。通信接口175可以提供有线和/或无线通信。传感器165可以被编程为经由通信接口175广播对象数据。
可以包括车辆对车辆(V对V)和/或车辆到基础设施(V对I)通信网络的无线通信网络(未示出)包括一个或多个结构，例如，无线芯片、收发器等，通过所述一个或多个结构，传感器165、(一个或多个)远程计算机、车辆(例如，诸如车辆101)等可以彼此通信，所述通信包括无线(例如，蜂窝、无线、卫星、微波和射频)通信机制的任何期望组合和任何期望网络拓扑(或当使用多个通信机制时的拓扑)。示例性V对V或V对I通信网络包括提供数据通信服务的蜂窝、蓝牙、IEEE802.11、专用短程通信(DSRC)、和/或广域网(WAN)，所述广域网包括互联网。例如，传感器165可以经由无线通信接口175向车辆101无线传输数据。车辆101计算机110可以被编程为经由车辆101无线接口140接收数据。
如上文所讨论，示例车辆101可以包括各种部件，诸如计算机110、(一个或多个)致动器120、传感器130、无线接口140和/或诸如下文讨论的其他部件。车辆101可以具有参考点150，例如，参考点150可以是车辆的纵向轴线和横向轴线的交点(所述轴线可以限定车辆101的相应纵向中心线和横向中心线，使得参考点150可以被称为车辆101中心点)。车辆101的尺寸可以用长度L、宽度W、高度H来指定(参见图1B)。
计算机110包括处理器和存储器。存储器包括一种或多种形式的计算机-可读介质，并且存储可由计算机110执行的用于进行包括如本文所公开的各种操作的指令。
计算机110可以以自主、半自主或非自主模式操作车辆101。出于本公开的目的，自主模式被限定为其中车辆101推进、制动和转向中的每一者都由计算机110控制的模式；在半自主模式中，计算机110控制车辆101推进、制动和转向中的一者或两者；在非自主模式中，人类操作员控制车辆推进、制动和转向。
计算机110可以包括编程以操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合动力发动机等中的一个或多个来控制车辆101中的加速度)、转向、气候控制、内部灯和/或外部灯等中的一者或多者，以及确定计算机110(如与人类操作员相对)是否以及何时控制此类操作。
计算机110可以包括或例如经由下文进一步描述的车辆通信总线(未示出)可通信地耦合到一个以上的处理器，例如车辆中包括的控制器等，用于监测和/或控制各种车辆控制器，例如动力传动系统控制器、制动控制器、转向控制器等。计算机110通常被布置用于车辆通信网络(诸如车辆中的总线，诸如控制器局域网(CAN)等)上的通信。经由车辆网络，计算机110可以向车辆101中的各种装置传输消息和/或从传感器130、致动器120等接收消息。
车辆101致动器120可以经由可以根据已知的适当控制信号来致动各种车辆子系统的电路、芯片或其他电子部件来实现。致动器120可以用于控制车辆101的制动、加速和转向。作为示例，车辆101的计算机110可以输出控制指令以控制致动器120。
车辆101可以包括一个或多个位置传感器130，其提供包含参考点158的位置坐标xveh,yveh和/或车辆101的取向θveh的数据。如上文所讨论，由于例如车辆101传感器130的不准确性，位置传感器130可以用位置坐标xveh,yveh来识别参考点158而不是实际参考点150。本文的2D位置坐标指定了车辆101参考点158在地面上的投影。可以基于例如存储在计算机110存储器中的车辆101的高度H来确定高度坐标zveh。在一个示例中，中心点150的高度zveh坐标可以是高度H的一半。位置传感器130可以包括GPS传感器130、测量飞行时间(ToF)的无线传感器、相机传感器、雷达传感器和/或激光雷达传感器。计算机110可以被编程为基于从(一个或多个)传感器130接收到的数据来确定相对于具有X轴180、Y轴185、Z轴190(例如，GPS坐标系)的笛卡尔坐标系的位置坐标xveh,yveh,zveh和/或取向θveh。
在一个示例中，计算机110可以被编程为基于从深度检测传感器130接收到的数据和例如使用定位技术的地图数据来确定车辆101的位置坐标xveh,yveh和/或取向θveh。
参考图1A，位置坐标x,y示出了车辆101参考点150的实际位置坐标。取向θ是车辆101的实际取向。然而，如图1A所示，例如由于位置传感器130的不准确性，基于车辆传感器130数据确定的位置坐标xveh,yveh和/或取向θveh可以与车辆101的实际位置坐标x,y和/或实际取向θ不同。
在非限制性示例中，计算机110可以被编程为从外部节点接收对象数据，并且在识别所述接收到的对象数据中的位于使用从车辆101传感器130接收到的车辆101位置数据限定的空间195内的点155时，基于所述识别出的点155和所述车辆101位置确定调整后的车辆位置。
在本背景中，点155是在从传感器165接收到的对象数据中指定的车辆101中和/或车辆101上的点。例如，点155可以是在接收到的对象数据中指定的参考点155(参见表1)。在另一个示例中，点155可以是包括在点云数据中的车辆101的外表面上的点。参考图1A，包括在对象数据中的关于点155的数据包括位置坐标xix,yix和/或取向θix。
在本背景中，从车辆101传感器130接收到的车辆101位置表示位置坐标xveh,yveh(或如上文所讨论的3D位置坐标xveh,yveh,zveh)和/或取向θveh。如图1A所示，位置坐标xveh,yveh和/或取向θveh可以不同于参考点150的实际位置坐标x,y和/或车辆101的实际取向θ。
使用从车辆101传感器130接收到的位置数据(例如，位置坐标xveh,yveh和可选的高度坐标zveh)和/或车辆高度H来限定空间195。空间195可以是具有估计长度Le、估计宽度We和估计高度He的矩形实心空间(参见图1B)。空间195的底部可以以位置坐标xveh,yveh为中心，并且指向与车辆101的方向相同的方向(基于从传感器130接收到的数据)。可以基于车辆101的高度例如2米(m)来指定估计的高度He。计算机110可以被编程为基于等式(1)-(2)来估计空间195的长度Le和宽度We。在一个示例中，参数a、b各自可以被设置为值2，例如，以考虑传感器130、165中的每一个的不准确性。换句话说，参数a、b的调整提供了收缩或扩大空间195以确定是否忽略或接受所接收到的对象数据作为与车辆101匹配的数据的可能性。另外地或替代地，计算机110可以被编程为基于滤波后的传感器130数据来估计空间195的尺寸Le、We，如下面参考图2A-图2B所讨论的。
Le＝a.L (1)
We＝b.W (2)
图2A-图2B示出了用于操作车辆101的示例过程200的流程图。在一个示例中，计算机110可以被编程为执行过程200的框。
过程200在框210中开始，在框210中，计算机110接收由传感器165广播的对象数据。如上文所讨论，广播的对象数据可以包括点云数据和/或对象数据，例如表1。
接下来，在框220中，计算机110从车辆101的传感器130接收数据。计算机110可以被编程为从位置传感器130、深度检测传感器130等接收数据。
接下来，在框230中，计算机110确定车辆101的第一位置数据，所述第一位置数据包括2D位置坐标xveh,yveh或3D位置坐标xveh,yveh,zveh和/或取向θveh。本文中使用“第一”和“第二”来区分从车辆101传感器130接收到的数据和从外部节点接收到的数据，诸如来自传感器165的数据。在本背景中，第一位置数据和第二位置数据有时相应地被称为从传感器130接收到的车辆位置数据和从外部节点(例如，从传感器165)接收到的额外位置数据。计算机110可以被编程为基于位置坐标xveh,yveh和/或取向θveh来确定车辆纵向速度和横向速度
Figure BDA0002352027970000121
和/或旋转速度
Figure BDA0002352027970000122
接下来，在框240中，计算机110将第一滤波器F1应用于接收到的第一车辆位置数据。从传感器130接收到的数据可以包括噪声。滤波器是任何合适的线性二次状态估计滤波器。非限制性示例包括卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器、递归贝叶斯估计、低通滤波器等。在一个示例中，参考等式(3)和(4)，计算机110可以被编程为通过将第一卡尔曼滤波器F1应用于车辆101的第一位置Xveh来生成滤波后的第一位置
Figure BDA0002352027970000123
关于等式(3)，车辆101的第一位置Xveh可以另外包括纵向速度和横向速度
Figure BDA0002352027970000124
和/或旋转速度
Figure BDA0002352027970000125
Xveh＝[xveh yveh θveh] (3)
Figure BDA0002352027970000131
第一卡尔曼滤波器F1可以基于属性(例如，传感器数据中的噪声的分布、车辆101的运动模型等)来指定。卡尔曼滤波器F1通常包括协方差矩阵，例如，第一协方差矩阵Qveh，用于对从车辆101位置传感器130接收到的传感器130数据进行滤波。协方差是多个随机变量(例如，位置坐标xveh,yveh)的联合可变性的度量。协方差矩阵Qveh可以至少部分地基于传感器130的技术特性和/或经由经验方法来确定，例如，从传感器130收集数据并参考地面实况数据分析收集的数据以确定协方差矩阵Qveh。
另外地或替代地，计算机110可以被编程为通过将低通滤波器F1应用于第一位置Xveh来对车辆101的第一位置Xveh进行滤波。低通滤波器是一种使频率低于指定的截止频率的信号通过并衰减(或减弱)频率高于截止频率的信号的滤波器。在一个示例中，可以基于从传感器130接收到的数据中包括的噪声的频率(例如，100Hz)来指定滤波器F1的截止频率。例如，截止频率可以是小于指定噪声频率的频率，例如80Hz。
接下来，在判定框250中，计算机110确定在广播数据中是否识别了第二车辆位置(或额外位置数据)。计算机110可以被编程为从经由外部节点(例如，传感器165)接收到的对象数据集提取与车辆位置数据Xveh相关的额外位置数据Xix。例如，参考等式(5)，计算机110可以被编程为在广播数据中识别对象的参考点155的位置坐标Xix在空间195内时(即，在确定诸如对象的中心点的参考点155在指定空间195内时)，确定广播数据包括车辆101的第二位置数据。因此，计算机110可以被编程为将第二位置坐标Xix确定为车辆101的第二位置(稍后将与第一位置融合以确定调整后的位置)。关于等式(5)，第二车辆位置Xix可以另外包括纵向速度和横向速度
Figure BDA0002352027970000132
和/或旋转速度
Figure BDA0002352027970000133
Xix＝[xix yix θix] (5)
计算机110还可以被编程为在确定以下中的至少一者时将所识别出的对象位置坐标Xix确定为车辆101的第二位置：(i)广播数据中的识别的对象的类型(例如，汽车、卡车等)与车辆101的类型(例如，存储在计算机110存储器中)匹配；以及(ii)广播数据中识别的对象的尺寸与车辆101的尺寸匹配。在本背景中，“匹配尺寸”可以指具有的差异小于最大差异阈值(例如10％)的尺寸。另外地或替代地，参考等式(6)，计算机110可以被编程为在确定所识别出的对象的取向θix和基于车辆101传感器130数据确定的车辆101的取向θveh之间的差小于阈值θth(例如30度)时，将所识别出的对象位置坐标Xix确定为车辆101的第二位置。
|θix-θveh|＜θth (6)
如上文所讨论，广播的对象数据可以包括点云数据和/或对象数据，如表1中所示。因此，在本背景中，点155可以是(i)点云数据中的点，例如，车辆101的外表面上的任何点，即空间195中高度在地面上例如30厘米(cm)的任何点(以便排除来自地面的激光雷达反射)；和/或(ii)包括在对象列表中的对象的参考点155，例如，如表1中指定的。
如果计算机110确定点155的位置坐标xix,yix,zix在空间195内，或者点155在地面上的投影的位置坐标xix,yix在空间195的底部表面(地面上的2D区域)内，则过程200前进到框270(见图2B)；否则，过程200前进到框260。
在框260中，计算机110至少部分地基于基于车辆101传感器130数据确定的第一车辆101位置来操作车辆101。例如，计算机110可以被编程为基于指定的目的地、基于GPS传感器130数据确定的第一位置数据等来致动车辆101的(一个或多个)推进、转向和/或制动致动器120。换句话说，当在空间195内没有点155被识别时，计算机110可以操作车辆101，而不将传感器130的数据与来自外部节点的任何数据融合。在框260之后，过程200结束，或者返回到框210，尽管在图2A中未示出。
现在转向图2B，在框270中，计算机110将第二滤波器F2应用于所识别出的点155的位置数据(即，第二车辆位置数据)。例如，参考等式(7)，计算机110可以被编程为通过将第二卡尔曼滤波器F2应用于车辆101的第二位置Xix来生成滤波后的第二位置。传感器165协方差矩阵Qix可以指定从传感器165接收到的广播数据的协方差。如上文所讨论，可以基于传感器165的技术特性和/或经由经验方法来确定协方差矩阵Qix。在一个示例中，计算机110可以被编程为经由无线通信网络从传感器165计算机170接收协方差矩阵Qix和/或第二卡尔曼滤波器F2的一个或多个技术特性。
Figure BDA0002352027970000151
另外地或替代地，计算机110可以被编程为通过将低通滤波器F2应用于第二位置Xix来对第二位置数据Xix进行滤波。在一个示例中，可以基于从传感器165接收到的广播数据中包括的噪声的频率(例如，100Hz)来指定滤波器F2的截止频率。例如，截止频率可以是小于指定噪声频率的频率，例如80Hz。
接下来，在框280中，计算机110融合滤波后的第二位置
Figure BDA0002352027970000152
(或滤波后的额外位置数据)和滤波后的车辆位置数据
Figure BDA0002352027970000153
以改善车辆101的定位。在本背景中，“融合”是指为了改善车辆定位，将两组位置相关数据合并成单组。融合车辆位置数据和来自外部节点的额外位置数据的结果在本文中被称为调整后的位置。计算机110可以被编程为基于滤波后的第一车辆位置数据
Figure BDA0002352027970000154
和滤波后的第二车辆位置数据
Figure BDA0002352027970000155
使用各种数据融合技术来确定调整后的车辆位置Xa，所述调整后的车辆位置包括调整后的位置坐标xa,ya和/或调整后的取向θa。
在一个示例中，计算机110可以基于等式(8)被编程，以融合滤波后的第一位置数据和第二位置数据。图1A示出了调整后的车辆位置xa,ya和调整后的取向θa。
Figure BDA0002352027970000161
接下来，在框290中，计算机110基于融合的第一位置数据
Figure BDA0002352027970000162
和第二位置数据
Figure BDA0002352027970000163
来操作车辆101。例如，计算机110可以被编程为基于调整后的车辆101位置Xa来操作车辆101。计算机110可以被编程为基于确定调整后的车辆101位置数据Xa来执行车辆功能。执行车辆功能的非限制性示例包括致动车辆101推进、转向和/或制动致动器120中的至少一者。在框290之后，过程200结束，或者替代地，返回到框210，尽管在图2A-图2B中未示出。
参考过程200，(i)用于接收广播对象数据的手段可以包括车辆101的无线接口140，所述无线接口被配置为与外部节点(例如传感器165的无线通信接口175)通信；(ii)用于确定车辆101的第一位置的手段可以是位置传感器130或计算机110可以基于其定位车辆101的任何其他类型的传感器，例如基于激光雷达传感器130数据进行定位；(iii)用于识别车辆101的第二位置的手段和用于确定车辆101的融合位置的手段可以包括车辆101计算机110，所述计算机被编程为执行过程200的框。
因此，已经描述了一种用于改善车辆定位的系统，所述系统包括车辆计算机和车辆位置传感器。根据一个示例，计算机被编程为使用从外部节点接收到的对象数据来执行改善车辆位置数据准确性的过程。车辆计算机然后可以基于数据改善的车辆位置数据来操作车辆。
如本文所讨论的计算装置通常各自包括可由一个或多个计算装置(诸如上文所识别出的那些计算装置)执行并且用于执行上述过程的框或步骤的指令。计算机-可执行指令可由使用各种编程语言和/或技术创建的计算机程序来编译或解译，所述编程语言和/或技术单独地或组合地包括但不限于JavaTM、C、C++、Visual Basic、Java Script、Perl、HTML等。通常，处理器(例如，微处理器)例如从存储器、计算机-可读介质等接收指令，并且执行这些指令，从而执行一个或多个过程，所述一个或多个过程包括本文所描述的过程中的一者或多者。可以使用多种计算机-可读介质来存储和传输此类指令和其他数据。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等的计算机可读介质上的数据集。
计算机-可读介质包括参与提供可由计算机读取的数据(例如，指令)的任何介质。此类介质可以采取多种形式，其包括但不限于-非易失性介质、易失性介质等。-非易失性介质包括例如光盘或磁盘以及其他永久性存储器。易失性介质包括动态随机存取存储器(DRAM)，所述动态随机存取存储器通常构成主存储器。计算机-可读介质的常见形式包括例如软磁盘、软盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、带有穿孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒式磁带或者计算机可读的任何其他介质。
关于本文所描述的介质、过程、系统、方法等，应理解，尽管已经将此类过程等的步骤描述为按照某个有序序列发生，但是此类过程可以在所描述的步骤以本文所述的顺序之外的顺序执行的情况下来实践。还应理解，可以同时执行某些步骤，可以添加其他步骤，或者可以省略本文所描述的某些步骤。换句话说，本文中的系统和/或过程的描述是出于说明某些实施例的目的而提供的，并且不应被解释为限制所公开的主题。
因此，应理解，包括上面描述和附图以及所附权利要求的本公开意图是说明性的而非限制性的。在阅读了以上描述之后，除了所提供的示例之外的许多实施例和应用对于所属领域技术人员而言将是明显的。本发明的范围不应参考以上描述来确定，而是应参考所附的和/或基于此包括在-非临时专利申请中的权利要求连同此类权利要求所赋予权利的等效物的全部范围来确定。可以预期并预期，在本文讨论的技术中将发生未来的发展，并且所公开的系统和方法将被并入这样的未来的实施例中。总而言之，应理解，所公开的主题能够进行修改和变化。
根据本发明，提供一种计算机，所述计算机具有处理器和存储器，所述存储器存储指令，所述指令可由所述处理器执行以：在车辆中从外部节点接收对象数据；以及在识别接收到的对象数据中的位于使用从车辆传感器接收到的车辆位置数据限定的空间内的点时，基于所识别出的点和车辆位置数据确定调整后的车辆位置。
根据实施例，所识别出的点是在接收到的对象数据中描述的对象的参考点。
根据实施例，所述指令还包括至少部分地基于车辆尺寸来确定空间。
根据实施例，空间的底部以基于车辆位置数据确定的地面上的车辆参考点的投影为中心。
根据实施例，所述指令还包括基于调整后的车辆位置来操作车辆。
根据实施例，所述指令还包括：通过将第一卡尔曼滤波器应用于所述车辆位置数据来对所述车辆位置数据进行滤波；以及通过将第二卡尔曼滤波器应用于所述识别出的点的位置数据来对所述点的所述位置数据进行滤波。
根据实施例，所述指令还包括：在确定来自所述外部节点的所述对象缺少所述空间内的点时，基于所述车辆位置数据来操作所述车辆。
根据实施例，所述指令还包括：仅在基于接收到的对象数据确定所识别出的点是具有与车辆类型匹配的类型的对象的参考点时，识别所述空间内的所述点。
根据实施例，所述指令还包括：仅在基于接收到的对象数据确定所识别出的点是具有与接收到所述对象数据的所述车辆的尺寸匹配的尺寸的对象的参考点时，识别所述空间内的所述点。
根据实施例，所述指令还包括：确定具有预定尺寸的底部在地面上的空间，底部以地面上的投影车辆位置为中心；以及在从广播数据中识别出具有在确定的空间内的参考点的对象时，部分地基于对象参考点的位置坐标来确定调整后的车辆位置。
根据实施例，位置数据至少包括车辆的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度。
根据实施例，对象数据还至少包括对象的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度。
根据实施例，对象数据包括对象的位置坐标、取向、对象类型、速度、旋转速度、形状和尺寸中的至少一者。
根据本发明，提供了一种计算机，所述计算机具有处理器和存储器，所述存储器存储指令，所述指令可由处理器执行以：从经由外部节点接收到的对象数据集提取与车辆位置数据相关的额外位置数据；独立地对额外位置数据和车辆位置数据进行滤波；然后融合滤波后的额外位置数据和滤波后的车辆位置数据以改善车辆定位。
根据实施例，所述指令还包括基于融合的滤波后的额外位置和车辆位置数据来操作车辆。
根据实施例，所述指令还包括：通过将第一卡尔曼滤波器应用于车辆位置数据来对车辆位置数据进行滤波，以及通过将第二卡尔曼滤波器应用于与车辆位置数据相关的额外位置数据来对与车辆位置数据相关的额外位置数据进行滤波。
根据实施例，所述指令还包括：在确定来自外部节点的额外位置数据与车辆位置数据相关时，基于车辆位置数据来操作车辆。
根据实施例，额外位置数据包括车辆的位置坐标、取向、对象类型、速度、旋转速度、形状和尺寸中的至少一者。
根据实施例，所述指令还包括：在基于接收到的对象数据集确定与车辆位置相关的额外位置数据描述尺寸与接收到对象数据集的车辆的尺寸相匹配的对象时，提取额外位置数据。
根据本发明，提供了一种系统，其具有：用于接收广播对象数据的手段；用于基于车辆传感器数据确定车辆的第一位置的手段；用于基于从远程计算机接收到的广播对象数据和所述第一位置识别所述车辆的第二位置的手段；以及用于基于车辆的滤波后的第一位置和滤波后的第二位置来确定车辆的融合位置的手段。

Claims (15)

1.一种方法，其包括：
在车辆中从外部节点接收对象数据；和
在识别所述接收到的对象数据中位于使用从车辆传感器接收到的车辆位置数据限定的空间内的点时，基于所述识别出的点和所述车辆位置数据确定调整后的车辆位置。
2.如权利要求1所述的方法，其还包括至少部分地基于车辆尺寸来确定所述空间。
3.如权利要求1所述的方法，其中所述空间的底部以基于所述车辆位置数据确定的地面上的车辆参考点的投影为中心。
4.如权利要求1所述的方法，其还包括基于所述调整后的车辆位置来操作所述车辆。
5.如权利要求1所述的方法，其还包括：
通过将第一卡尔曼滤波器应用于所述车辆位置数据来对所述车辆位置数据进行滤波；和
通过将第二卡尔曼滤波器应用于所述识别出的点的位置数据来对所述点的所述位置数据进行滤波。
6.如权利要求1所述的方法，其还包括在确定来自所述外部节点的所述对象缺少所述空间内的点时，基于所述车辆位置数据来操作所述车辆。
7.如权利要求1所述的方法，其还包括仅在基于所述接收到的对象数据确定所述识别出的点是具有与车辆类型匹配的类型的对象的参考点时，识别所述空间内的所述点。
8.如权利要求1所述的方法，其还包括仅在基于所述接收到的对象数据确定所述识别出的点是具有与接收到所述对象数据的所述车辆的尺寸匹配的尺寸的对象的参考点时，识别所述空间内的所述点。
9.如权利要求1所述的方法，其还包括：
确定具有预定尺寸的底部在地面上的所述空间，所述底部以地面上的投影车辆位置为中心；和
在从所述广播数据中识别出具有在所述确定的空间内的参考点的对象时，部分地基于所述对象参考点的位置坐标来确定所述调整后的车辆位置。
10.如权利要求1所述的方法，其中所述位置数据至少包括所述车辆的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度。
11.如权利要求1所述的方法，其中所述对象数据还至少包括对象的横向坐标、纵向坐标、取向、横向速度、纵向速度和旋转速度、所述对象的对象类型、形状和尺寸。
12.一种计算装置，其被编程为执行权利要求1-11中任一项所述的方法。
13.如权利要求12所述的计算装置，其还包括一个或多个传感器，所述一个或多个传感器向所述计算装置提供车辆位置数据。
14.一种计算机程序产品，其包括计算机可读介质，所述计算机可读介质存储能够由计算机处理器执行的指令，以执行如权利要求1-11中任一项所述的方法。
15.一种计算机，其包括处理器和存储器，所述存储器存储指令，所述指令能够由所述处理器执行以：
从经由外部节点接收到的对象数据集提取与车辆位置数据相关的额外位置数据；
独立地对所述额外位置数据和所述车辆位置数据进行滤波；然后
融合滤波后的额外位置数据和滤波后的车辆位置数据，以改善车辆定位。
CN201911419752.0A 2019-01-04 2019-12-31 定位技术 Pending CN111412922A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/239,952 US11035679B2 (en) 2019-01-04 2019-01-04 Localization technique
US16/239,952 2019-01-04

Publications (1)

Publication Number Publication Date
CN111412922A true CN111412922A (zh) 2020-07-14

Family

ID=71104664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911419752.0A Pending CN111412922A (zh) 2019-01-04 2019-12-31 定位技术

Country Status (3)

Country Link
US (1) US11035679B2 (zh)
CN (1) CN111412922A (zh)
DE (1) DE102020100022A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3824404A4 (en) 2018-07-20 2022-04-27 May Mobility, Inc. MULTI-PERSPECTIVE SYSTEM AND BEHAVIORAL POLICY SELECTION PROCESS BY AN AUTONOMOUS AGENT
US10614709B2 (en) 2018-07-24 2020-04-07 May Mobility, Inc. Systems and methods for implementing multimodal safety operations with an autonomous agent
US10969470B2 (en) * 2019-02-15 2021-04-06 May Mobility, Inc. Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent
US11335187B2 (en) * 2019-06-20 2022-05-17 Here Global B.V. Dynamic privacy-sensitive operating modes
CN111854678B (zh) * 2020-07-17 2022-02-15 浙江工业大学 一种单目视觉下基于语义分割和卡尔曼滤波的位姿测量方法
WO2022132774A1 (en) 2020-12-14 2022-06-23 May Mobility, Inc. Autonomous vehicle safety platform system and method
US12080108B1 (en) * 2021-02-11 2024-09-03 Trackonomy Systems, Inc. System for monitoring vehicles for wear and anomalous events using wireless sensing devices
JP7668373B2 (ja) 2021-04-02 2025-04-24 メイ モビリティー，インコーポレイテッド 不完全な環境情報で自律エージェントを動作させる方法及びシステム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7739006B2 (en) * 2007-02-07 2010-06-15 Disney Enterprises, Inc. System and method for autonomous navigation in a ride vehicle
WO2010043658A1 (de) 2008-10-15 2010-04-22 Continental Teves Ag & Co. Ohg Verbesserung und validierung der positionsbestimmung
DE102009041586B4 (de) 2009-09-15 2017-06-01 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Erhöhung der Genauigkeit sensorerfasster Positionsdaten
US8744644B2 (en) * 2011-01-19 2014-06-03 Electronics And Telecommunications Research Institute Apparatus and method for detecting location of vehicle
KR102263185B1 (ko) 2013-11-05 2021-06-10 현대모비스 주식회사 차량의 위치 결정 방법
DE102014201648A1 (de) 2014-01-30 2015-07-30 Siemens Aktiengesellschaft Verfahren zur Kommunikation innerhalb eines nach Art des ad-hoc zusammenwirkenden, insbesondere Drahtlos-, Kraftfahrzeugkommunikationssystems, Einrichtung der Verkehrsinfrastruktur sowie Verkehrsteilnehmereinrichtung
US20180005052A1 (en) * 2016-07-01 2018-01-04 Uber Technologies, Inc. Static object detection for operating autonomous vehicle
DE102016212136A1 (de) 2016-07-04 2018-01-04 Laird Bochum GmbH Verfahren und Vorrichtung zur Bestimmung einer Distanz sowie Fahrzeug
IT201700087876A1 (it) * 2017-07-31 2019-01-31 St Microelectronics Srl Sistema per la navigazione di veicoli terrestri e procedimento corrispondenti
US20190079526A1 (en) * 2017-09-08 2019-03-14 Uber Technologies, Inc. Orientation Determination in Object Detection and Tracking for Autonomous Vehicles
US20190316914A1 (en) * 2018-04-17 2019-10-17 Faraday&Future Inc. Speed-bump based localization enhancement

Also Published As

Publication number Publication date
US20200217668A1 (en) 2020-07-09
US11035679B2 (en) 2021-06-15
DE102020100022A1 (de) 2020-07-09

Similar Documents

Publication Publication Date Title
US11035679B2 (en) Localization technique
CN107451521B (zh) 车辆车道图估算
JP6601696B2 (ja) 予測装置、予測方法、およびプログラム
US10955857B2 (en) Stationary camera localization
CN107848533B (zh) 车辆控制装置、车辆控制方法及存储车辆控制程序的介质
CN112469970B (zh) 用于估计在车辆的自定位方面的定位质量的方法、用于执行该方法的方法步骤的设备以及计算机程序
JP7074438B2 (ja) 自車位置推定装置
CN109426261B (zh) 自动驾驶装置
JP6269552B2 (ja) 車両走行制御装置
CN111016872A (zh) 车辆路径规划
CN112149487B (zh) 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法
JP2019089516A (ja) 車両制御装置、車両制御方法、およびプログラム
US10325163B2 (en) Vehicle vision
JP6613509B2 (ja) 車両制御装置、車両制御方法、およびプログラム
CN113496189B (zh) 基于静态障碍物地图的感知方法及系统
US20210302582A1 (en) A point cloud feature-based obstacle filter system
JP2018180735A (ja) 動作範囲決定装置
JP6648384B2 (ja) 車両制御装置、車両制御方法、およびプログラム
CN111445723A (zh) 车辆路径识别
CN115050203B (zh) 地图生成装置以及车辆位置识别装置
JP2020087191A (ja) 車線境界設定装置、車線境界設定方法
JP6941543B2 (ja) 車両制御装置、車両制御方法、およびプログラム
EP4141482A1 (en) Systems and methods for validating camera calibration in real-time
CN111532338A (zh) 车辆转向控制
CN112461249A (zh) 根据外部源数据进行的传感器定位

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