CN111932644A - 融合占用地图的方法及系统 - Google Patents

融合占用地图的方法及系统 Download PDF

Info

Publication number
CN111932644A
CN111932644A CN202010326255.2A CN202010326255A CN111932644A CN 111932644 A CN111932644 A CN 111932644A CN 202010326255 A CN202010326255 A CN 202010326255A CN 111932644 A CN111932644 A CN 111932644A
Authority
CN
China
Prior art keywords
occupancy map
vehicle
occupancy
fusion
fused
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
CN202010326255.2A
Other languages
English (en)
Other versions
CN111932644B (zh
Inventor
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.)
Anbofu Technology 2 Co 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 CN111932644A publication Critical patent/CN111932644A/zh
Application granted granted Critical
Publication of CN111932644B publication Critical patent/CN111932644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • G01C21/32—Structuring or formatting of map 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
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0881—Seat occupation; Driver or passenger presence
    • 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
    • G01S2013/9323—Alternative operation using light waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及融合占用地图的方法及系统。一种对第一占用地图和第二占用地图进行融合的方法包括：确定代表第一占用地图与第二占用地图之间的潜在相异度的至少一个融合参数；确定代表车辆周围的空闲空间和占用空间的融合的占用地图，其中，融合的占用地图是基于第一占用地图和第二占用地图借助于融合规则而确定的，融合规则被适配成借助于所述至少一个融合参数来控制第一占用地图和/或第二占用地图对融合的占用地图的影响。

Description

融合占用地图的方法及系统
技术领域
本公开涉及在控制车辆的背景下融合占用地图的方法。占用地图代表车辆周围的空闲空间和占用空间，在此基础上可以启用车辆的一个或更多个驾驶员辅助功能，例 如在自动驾驶应用中。
背景技术
在汽车应用中使用安装在车辆上的传感器，以生成车辆周围环境的占用地图。例如，雷达传感器和/或激光雷达(光检测和测距)传感器用于提供从中确定一个或更 多个占用地图的测量结果序列，各个占用地图代表给定时刻车辆周围的空闲空间和占 用空间。这些占用地图概括了车辆在不与其他物体或边界发生碰撞的情况下可以使用 的潜在空间的信息。因此，占用地图对于提供自动尤其是自主驾驶应用是重要的。
一方面，安装在车辆上的传感器通常每个时间步只能捕获一小部分当前周围环境。 因此，通常需要根据一段时间内的多个传感器测量结果来构建占用地图。通常，这可以通过融合来自不同时刻的占用地图，从而融合来自同一域(即，占用地图域)中不 同的传感器测量结果的信息来完成。尤其是，可以采取递归方法，其中将来自当前传 感器测量结果的占用地图与来自一个或更多个先前传感器测量结果的占用地图进行 融合。然后，随着新传感器测量结果的每次更新，先前传感器测量结果(即，占用地 图)的影响将逐渐减弱。
已经注意到，对占用地图进行融合可能导致模糊的占用地图。这就是说，在给定的占用地图中编码的空闲空间和占用空间的区域没有清晰的边界，而是不一致地淡出。 这使得很难决定空闲空间与占用空间之间的真正边界。模糊效应可能出现在各种交通 情况下，包括动态和静态运动条件。考虑到递归融合方法，由于不一致会随时间累积， 因此模糊效应可能会特别突出。要纠正此类不一致，需要来自新的占用地图的许多新 的更新值，这导致了模糊效应。
因此，需要改善占用地图的融合。
发明内容
本公开提供了计算机实现的方法、计算机系统和非暂时性计算机可读介质。在说明书和附图中给出了实施方式。
在一个方面，本公开针对一种用于对第一占用地图和第二占用地图进行融合的计算机实现的方法，所述第一占用地图代表在第一时刻车辆周围的空闲空间和占用空间， 所述第二占用地图代表在第二时刻该车辆周围的空闲空间和占用空间，所述方法包括： 确定代表所述第一占用地图与所述第二占用地图之间的潜在相异度的至少一个融合 参数；以及确定代表该车辆周围的空闲空间和占用空间的融合的占用地图，其中，所 述融合的占用地图是基于所述第一占用地图和所述第二占用地图借助于融合规则而 确定的，所述融合规则被适配成借助于所述至少一个融合参数来控制所述第一占用地 图和/或所述第二占用地图对所述融合的占用地图的影响。
潜在相异度可以是例如第一与第二占用地图之间的预期偏差范围。潜在相异度可能会受到各种因素的影响，例如车辆的运动、基础传感器测量结果的可靠性和/或其 他边界条件。已经发现，潜在相异度对模糊效应有影响，该影响在通过常规融合规则 融合的占用地图中是显著的。为了减轻这种影响，提出了通过应用由特定融合参数配 置的融合规则来进行融合。该融合参数考虑了潜在相异度，因此使得能够对融合进行 适当的控制。例如，如果第二时刻是当前时刻并且第一时刻是先前时刻，则在存在高 潜在相异度的情况下，相对于第一占用地图，可以增加第二占用地图的影响。这意味 着当前占用地图的权重相对于先前的占用地图得到了增强。这可以例如通过对第一和 /或第二占用地图施加合适的加权和/或补偿(offset)来完成，其中该步骤由所述融合 参数控制。
术语“潜在相异度”意指第一和第二占用地图不一定相异，但是它们在预期范围内可能或多或少相异。潜在相异度可以例如以统计项来表示，例如通过提供相似度的 方差图，例如，第一与第二地图之间的预期偏差或误差。这样，术语“潜在相异度” 也可以理解为预期相异度。还应理解，相异度与相似度成反比，因此相似度实际上提 供与相异度相同的信息，但是可能需要对应的变换规则。
融合规则提供了自适应融合方法，该方法使得能够确定具有至少减少的模糊效应的占用地图，从而获得关于车辆的周围环境的更精确的视图。可以认为基于融合的占 用地图的自动驾驶应用更加可靠和安全。
第一和第二时刻通常可以不同，其中第二时刻可以晚于第一时刻。通常可以针对第三时刻确定融合参数，该第三时刻也可以对应于融合的占用地图的时刻。在特定示 例中，第三时刻可以等于第二时刻。
如在下文中将变得更加明显的，第一和第二占用地图可以是占用地图序列的一部分。在特定示例中，可以从第一占用地图递归地形成第二占用地图，其中第二占用地 图形成用于确定新的融合的占用地图的新的第一占用地图，依此类推。
通常，第一和第二占用地图可以基于车辆的传感器测量结果，例如雷达和/或激光雷达测量结果。其他传感器测量结果(例如单个或多个图像(视频))也可以用于 确定占用地图。确定第一和第二占用地图可以是所述方法的一部分。然而，也可以经 由网络从其他来源提供占用地图。
融合规则可以通过一个或更多个代数运算来定义，例如加法、减法和/或乘法。 在一个示例中，将第一和第二占用地图相加，这是融合的一个示例。根据下面的详细 描述，其他示例将变得明显。
在一个方面，所述融合参数是基于车辆相对于第一占用地图和/或第二占用地图的估计运动而确定的。已经发现，该估计运动可以对后续占用地图之间的潜在相异度 具有很大的影响。该估计运动可以根据占用地图内的空间给出，例如根据占用地图的 坐标给出。因此，该估计运动相对于占用地图的空间效应得以精确地考虑，从而提高 了融合的精度。该估计运动的至少一部分可以由车辆的传感器测量结果提供，或者可 以作为本文公开的方法的一部分被估计。
在另一方面，确定融合参数的步骤包括：根据所述估计运动来考虑车辆的估计运动的预期误差。该预期误差可以是估计运动的预定的预期误差方差，其可以是例如由 于用于对运动进行估计的传感器的有限精度而引起的。因此，该预期误差可以先验地 得知，例如从传感器的规格得知。通常，可以将该预期误差视为估计运动的有限有效 性的度量。作为另一示例，该预期误差可以与在其中测量车辆运动的坐标系的漂移相 关联。因此，坐标系的漂移可能是第一与第二占用网格地图之间相异度的一个来源。
车辆的估计运动通常可以包括车辆的估计线速度和/或车辆的估计偏航率。考虑到这两个数字(figure)，可以得到更好的融合结果，因为可以通过线速度和偏航率很 好地捕获各种复杂的运动场景。因此，可以将估计运动限制在这些数字上，以便改善 所述方法的计算效率。线速度可以看作是假设沿着直线发生的速度。例如，假设车辆 在直线车道上行驶，即，沿着线性路线行驶，则可以通过每个时间跨度的车轮转数来 测量线速度。相比之下，偏航率代表例如在沿着曲线路线行驶时的转向程度。
在另一方面，所述融合参数是基于多个预定计算规则而确定的，各个计算规则与车辆的估计运动的预定条件相关联。为了确定融合参数，选择所述计算规则中的相应 计算规则，其中，所述相应计算规则是针对满足与该相应计算规则相关联的预定条件 的车辆的估计运动而选择的。换句话说，选择计算规则中条件与运动的当前估计值匹 配的一个。这种方法既高效又灵活，同时还可以提高融合的质量。
所述计算规则可以至少包括第一计算规则和第二计算规则，其中，所述第一计算规则与所述估计运动的第一条件相关联，在所述第一条件中假设车辆沿着非线性路线 移动，并且其中，所述第二计算规则与所述估计运动的第二条件相关联，在所述第二 条件中假设所述车辆沿着线性路线移动。已经发现在这些条件之间进行区分是有效的， 其中可以将非线性运动条件视为转向或弯道条件，并且可以将线性运动条件视为车辆 基本上沿直线方向移动的情况。可以例如基于偏航率来区分不同的条件，即，偏航率 在线性运动条件下可以基本上为零，并且在非线性运动条件下可以基本上不为零。阈 值和/或基于阈值的滞后可用于确保计算规则之间的稳定选择。
所述计算规则还可以包括与所述估计运动的第三条件相关联的第三计算规则，在所述第三条件中假设所述车辆不移动或者以低于预定阈值的速度移动。这可以解释为 低速条件。已经发现，尽管运动幅度低，但是占用地图之间的潜在相异度仍然可能很 高。这是因为，例如，相对于雷达测量中的测量角度，形成占用地图基础的传感器测 量结果的有限精度可能会占主导地位。
第三计算规则可以选自至少两个计算规则，这些计算规则不必限于所述第一和第二计算规则之一。然而，应当理解，可以由所述第一、第二和第三计算规则形成多个 计算规则，已经发现这有效地覆盖了车辆的大多数相关运动场景。计算规则的数量也 可以被限制为两个，即，第一和第二计算规则。
在另一方面，所述第三计算可以具有高于第一计算规则和第二计算规则的优先级。 也就是说，如果满足相关的低速条件，则不管是否满足其他条件之一，都可以选择第三规则。这可以通过以预定顺序检查条件来完成，其中首先检查第三规则的条件。
作为第三计算规则的替代，计算规则中的至少一个(即，第一和/或第二计算规则)可以包括补偿项，所述补偿项在假设车辆不移动或者以低于预定阈值的速度(低 速条件)移动的情况下不为零。例如，该补偿项通常可以添加到第一和/或第二计算 规则的结果中，但是仅当满足低速条件时，该补偿项才会由于非零值而影响结果。因 此，可以将该补偿项配置成使得仅在预定的速度值范围内提供期望的输出。因此可以 减少计算规则和对应的速度条件检查的数量。
在另一方面，所述融合规则被适配成使得根据第一占用地图与第二占用地图之间的潜在相异度，第一占用地图和第二占用地图中的一个占用地图对融合的占用地图的 影响相对于第一占用地图和第二占用地图中的另一占用地图的影响增大，其中所述相 异度由融合参数表示。在这种情况下，所述融合的占用地图代表在第三时刻该车辆周 围的空闲空间和占用空间，所述第三时刻接近或等于与第一占用地图和第二占用地图 中的所述一个占用地图相关联的相应的第一或第二时刻。增大另一占用地图的影响对 潜在相异度的依赖性可以是线性的或非线性的。
在又一方面，第一占用地图被划分为多个单元，各个单元与概率值相关联，所述概率值代表相应单元被占用的概率与相应单元空闲的概率之比，其中第二占用地图和 融合的占用地图是与第一占用地图相对应地构造的，即，第二地图和融合的地图也都 被划分为多个具有概率值的单元。
所述概率值通常可以是代表一个或更多个概率或其他类型的可能性的值，这意味着占用地图是在统计意义上构造的。尤其是，概率值可以是所谓的对数几率或对数几 率比，其中，对数几率或对数几率比被定义为概率与一减该概率之比的对数，其中， 该比率也可以倒过来。可以相对于给定单元(空闲或占用)的占用率来定义该概率。 例如，考虑到计算效率，使用对数几率或对数几率比作为概率值提供了若干益处，因 为然后可以以加法方式而不是通过使用乘法来处理概率值。然而，对数处理不是强制 性的。这就是说，例如，如果需要，可以使用几率比代替对数几率比。
进一步考虑通过概率值基于单元进行的占用率构造，可以规定使用多个融合参数来确定融合的占用地图，其中，各个融合参数是按融合的占用地图的单元确定的，即， 各个或至少一些单元与针对相应单元单独确定的相应融合参数相关联。所述融合规则 然后可以被适配成通过根据所述融合参数对概率值的对进行融合来按单元确定融合 的占用地图的概率值，相应对中的一个成员是第一占用地图的第一单元的概率值，并 且相应对中的另一成员是第二占用地图的第二单元的概率值，所述第一单元和所述第 二单元共享相对于车辆周围的空间的位置特性。通过对所述相应对的概率值进行融合 而确定的融合的占用地图的相应概率值(即，融合值)与共享所述第一单元和所述第 二单元的位置特性的融合的占用地图的相应单元相关联。
第一和第二单元以及融合的地图的相应单元在它们的占用地图内都可以具有相同的相对位置，从而共享相同的位置特性。在此背景下，所有占用地图都可以具有相 同的大小，即，相同的单元排列和数量。应当理解，通过融合具有相同位置特性的单 元，占用地图是利用空间相干性来融合的，其中按单元的融合参数确保了期望的融合 行为中的一致精度。于是，融合在空间上是一致的。应当理解，因此考虑了车辆的周 围环境内的动态差异。例如，由于车辆的当前运动，第一和第二占用地图的某些部分 很可能预期非常相似，其中其他部分可能不太匹配。然而，通过利用空间分辨率进行 融合，即，通过使用按单元的融合参数，仍可以确保期望的融合行为。
在另一方面，可以针对融合的占用地图的单元之一来计算出融合参数中的相应融合参数，其中，针对所述单元的子集采用所述相应融合参数而无需计算所述子集的融 合参数，其中，所述相应单元和所述子集的各个单元到所述车辆的距离大致相同。换 句话说，不必针对各个单元计算融合参数，而是这些融合参数可以通过再次使用另一 单元的融合参数而至少部分地确定。这样，可以大大提高计算效率。
在另一方面，本公开针对一种基于占用地图来对车辆进行控制的方法，所述方法包括：基于连续的传感器测量结果确定占用地图的原始序列，各个传感器测量结果捕 获所述车辆的附近的至少一部分并且各个占用地图代表所述车辆周围的空闲空间和 占用空间，其中，所述原始序列中的占用地图与连续的时刻相关联；确定占用地图的 经过滤的序列，其中，所述经过滤的序列中的至少一个成员是通过基于所述占用地图 的原始序列根据本文所述的融合方法的实施方式的方法对两个占用地图进行融合而 确定的融合的占用地图；以及基于包含所述融合的占用地图的所述经过滤的序列来对 所述车辆进行控制。
确定经过滤的序列可以包括：对第一和第二占用地图对进行融合，其中这些占用地图形成原始序列或者是原始序列的一部分。如上面进一步指出的，可以提供第一和 第二地图的递归确定，这是对随时间的数据进行处理的非常有效的方式。
可以通过雷达传感器技术、激光雷达和/或用于获得车辆的周围环境的“电子视图”的其他合适的感测技术来捕获传感器测量结果。
在另一方面，本公开针对一种用于对占用地图进行融合的计算机系统，所述计算机系统被配置成通过执行本文所描述的计算机实现的方法的若干或所有步骤来对占 用地图进行融合。该计算机系统可以是车辆的一部分。
该计算机系统可以包括用于接收传感器测量结果的输入端和用于至少提供融合的占用地图的输出端。可以通过上面进一步说明的类型的技术来捕获传感器测量结果。 该输出端可以连接到布置在车辆中的另一计算机系统，从而将融合的地图广播给可以 使用该信息的系统。融合的地图也可以经由无线网络广播给附近的其他车辆。因此， 可以在不同的车辆之间分发关于周围环境的空间信息。
该计算机系统可以包括处理单元、至少一个存储器单元和至少一个非暂时性数据存储装置。该非暂时性数据存储装置和/或存储器单元可以包括计算机程序，该计算 机程序用于指示计算机执行本文所描述的计算机实现的方法的若干或所有步骤或方面。
在另一方面，本公开针对一种非暂时性计算机可读介质，该非暂时性计算机可读介质包含用于执行本文所述的计算机实现的方法的若干或所有步骤或方面的指令。该 计算机可读介质可以被配置成：诸如光盘(CD)或数字通用盘(DVD)的光学介质； 诸如硬盘驱动器(HDD)的磁性介质；固态驱动器(SSD)；诸如闪存的只读存储器 (ROM)，等等。此外，该计算机可读介质可以被配置成可经由诸如互联网连接的数 据连接访问的数据存储装置。该计算机可读介质可以例如是在线数据存储库或云存储。
本公开还针对一种计算机程序，该计算机程序用于指示计算机执行本文所描述的计算机实现的方法的若干或所有步骤或方面。
附图说明
本文结合示意性示出的以下附图来描述本公开的示例性实施方式和功能：
图1示出了对占用地图进行融合的方法的方面；
图2示出了相对于车辆的平均运动条件借助于常规融合规则进行融合的占用地图；
图3示出了相对于车辆的平均运动条件借助于根据实施方式的融合规则进行融合的占用地图；
图4示出了相对于车辆的低速条件借助于常规融合规则进行融合的占用地图；
图5示出了相对于车辆的低速条件借助于根据实施方式的融合规则进行融合的占用地图；
图6示出了代表车辆的运动和相对于占用地图的单元的预期误差的数学表达式；
图7示出了代表车辆的运动和相对于占用地图的单元的预期误差的另外的数学表达式；
图8示出了针对低速条件对融合参数进行确定的方面以及示出不同角度的估计误差的图形；
图9示出了具有相对于车辆运动的融合参数的视觉编码的图形。
附图标记列表
10、12、14 方程
16、18、20 方程
22 方程
24、26 图形
27 强度条
28 图形
M1 第一占用地图
M2 第二占用地图
Mf 融合的占用地图
C 单元
C1 第一单元
C2 第二单元
Cf 融合单元
L 概率值
L1 第一概率值
L2 第二概率值
Lf 融合概率值
F 车辆
g 融合参数
dn,p 补偿
x 坐标
y 坐标
具体实施方式
图1描绘了第一占用地图M1、第二占用地图M2和融合的占用地图Mf，其中， 这些占用地图具有相同的大小并且被对应地构造成多个单元C。占用地图M1、M2、 Mf的矩形形状和单元C的矩形形状仅仅是示例，并且诸如圆形或梯形的其他形状也 是可能的。
第一占用地图M1与第一时刻t1＝t-1相关联，并且第二占用地图M2与第二时刻 t2＝t相关联。因此，第一地图M1和第二地图M2形成随时间的连续地图。
各个占用地图M1、M2、Mf代表车辆F周围的空闲空间和占用空间，该车辆F 实际上在地图M1、M2、Mf内居中并在地图内被表示为实心矩形。所有地图M1、 M2、Mf的各个单元C都与概率值L相关联，该概率值L可以是基础单元C被占用 的概率与相应单元空闲的概率之间的对数比。因此，值L可以是所谓的对数几率比。
通过融合第一占用地图M1和第二占用地图M2来获得融合的占用地图Mf，其 中，按单元C执行融合。作为融合的示例，考虑第一占用地图M1的第一单元C1和 第二占用地图M2的第二单元C2。单元C1和C2两者形成了在基础占用地图M1和 M2内共享同一相对位置的一对单元C。考虑到在第一占用地图M1旁边描绘的公共 x-y坐标系，单元C1、C2的位置可以用坐标表示，即(x,y)＝(2,1)。单元C1和C2分 别与概率值L1和L2相关联。借助于融合规则将这些值L1、L2融合，以便获得融合 单元Cf的融合概率值Lf，其中，该融合单元Cf具有与第一单元C1和第二单元C2 相同的相对位置。
融合规则可以由至少一个数学运算(例如，算术运算或代数运算)定义，并且可 以包括第一概率值L1和第二概率值L2的求和。融合由融合参数g控制，即，参数g 控制值L1和L2对融合值Lf的影响。融合规则可以应用于所有单元的概率值L，然 而其中，融合参数g可以在至少一些单元之间变化。
融合规则通常可以表示为如图1所示，其中，函数f具有自变量g、L(x,y,t-1)和 L'(x,y,t)，它们分别是融合参数、来自第一占用地图M1的概率值和来自第二占用地图 M2的概率值。在一个示例中，自变量可以是g、L1和L2，其中，融合参数g可以针 对相应的单元(x,y)＝(2,1)来确定。因此，一般而言，g＝g(x,y)。融合概率值L(x,y,t) 可以与第二时刻t2＝t相关联，并且可以等于单元(2,1)的Lf。可以理解，可以以相同 的方式融合所有单元的值L，并且图1的融合规则是递归的，因为对于下一时间步t+1， L(x,y,t)将为L(x,y,t-1)。因此，可以将项L'(x,y,t)视为更新值。
融合参数g通常代表第一占用地图M1与第二占用地图M2之间的潜在相异度， 其中，如果按单元确定融合参数g，则按单元的融合参数代表分别来自第一地图M1 和第二地图M2的一对单元C之间的潜在或预期相异度，例如，单元C1和C2的值 L1与L2之间的相异度。
在一个示例中，融合规则可以是
L(x,y,t)＝L(x,y,t-1)-sign(L(x,y,t-1))*g+L'(x,y,t)，
其中，假设概率值L被限制在范围[-1,1]。然后可以理解，预期的相异度越高，值g越高，因此值L(x,y,t-1)被拉向零。因此，先前值L(x,y,t-1)的影响与预期的相异度成 比例地减小。在递归公式中，这意味着先前值L(x,y,t-1)的衰减(即，“记忆损失”)会 随着预期的相异度增加而得到加强。应当理解，可以制定具有相同或相似效果的不同 融合规则。
图2描绘了融合的占用地图的示例性图形，其中，使用常规融合规则来对在图形中心处指示的车辆沿着弯曲的道路以正常速度行驶时捕获的多个占用地图进行融合。 该常规融合规则具有先前值的恒定衰减，例如
L(x,y,t)＝(1-a)*L(x,y,t-1)+a*L'(x,y,t)，
其中，a是常数，即，对于所有x、y和t，a(x,y,t)＝a。可以看出，图2的地图是模糊的。尽管可以粗略地识别出道路结构，但由于模糊效应，道路边界不明确。
图3描绘了融合的占用地图的示例性图形，其中，使用根据实施方式的融合规则来对来自作为图2的融合的占用地图的基础的相同传感器测量结果的占用地图进行 融合。该融合规则被适配成借助于融合参数g来控制先前值L(x,y,t-1)的衰减，该融合 参数g代表这些值相对于当前值L'(x,y,t)的预期相异程度。结果，图3的占用地图未 模糊并且可以清楚地识别出道路结构。
图4描绘了融合的占用地图的另一示例性图形，其中，使用了与图2相同的常规 融合规则。然而，基础占用地图是在车辆的低速条件下获得的，即，在获得用于确定 占用地图的连续传感器测量结果时车辆没有移动。从图4可以看出，圆形伪影是可见 的。这些伪影是由基础传感器测量结果的误差方差占主导地位而引起的。尤其是，雷 达传感器测量结果通常相对于所检测的角度具有高误差方差。
图5描绘了融合的占用地图的另一示例性图形，其中，使用根据实施方式的融合规则来对来自作为图4的融合的占用地图的基础的相同传感器测量结果的占用地图 进行融合。结果，图5的占用地图未被圆形伪影模糊，并且可以清楚地识别出在地图 中居中的车辆的周围空间中的结构。
转到图6和图7，描述了确定融合参数的方面。占用地图的相应单元C(例如， 来自图1的地图M2的单元C2)的位置表示为pxy，其中，px是相对于x维度的位置， py是相对于y维度的位置，见图1中的坐标系。变量Tx、Ty、Rφ和φ分别表示x和y 方向上的当前车辆平移、旋转矩阵和车辆的当前航向变化。应理解，px、py表示在单 元C的先前位置p'x、p'y已经经过平移运动Tx、Ty和旋转运动Rφ之后，同一单元C 的位置。
在假设车辆沿非线性方向(即，曲线方向)移动的运动条件下，车辆的偏航率ω 预期为非零，即ω≠0。然后可以应用用于平移运动和航向的方程组10，参见图6，其 中，Δt表示用于使航向改变(即，旋转运动)的时间跨度，v是线速度。
可以应用另一方程组12以获得x和y方向上的估计运动的预期误差方差Δpx和Δpy，其中，Δω和Δv分别表示估计的偏航率ω和估计的线速度v的预期误差方差。这 些预期误差方差Δω和Δv可以先验地得知，例如从用于测量偏航率ω和速度v的传感 器的已知规格得知。
关于图7，另一方程组14代表单元位置pxy相对于偏航率ω和速度v的偏导数， 其中，根据图6所示的方程来理解方程14。
进一步关于图7，方程16定义了相对于每个维度的误差方差(即，Δpx和Δpy) 的联合预期误差方差Δpxy，其中，使用了来自图6的方程12。偏导数可通过使用方 程14来计算。预期误差方差Δpxy代表当前单元位置pxy相对于先前单元位置的潜在 相异度。
方程16与方程14结合起来可以用作第一计算规则的一部分，该第一计算规则用于在车辆的非线性速度条件下确定融合参数g。
当考虑线性速度条件(即，ω＝0)时，偏导数可以由方程18表示，这根据方程 16给出了针对线性速度条件的用于计算预期误差方差Δpxy的方程20。
方程20之一(优选地，较短的方程)可以用作第二计算规则的一部分，该第二 计算规则用于在车辆的线性速度条件下确定融合参数g。
为了确定融合参数g，可以将映射或标度函数应用于预期误差方差Δpxy。对于两个速度条件，映射函数可以相同，并且优选地是所述第一和第二计算规则的一部分。
映射函数可以被定义为：
g＝min(max(Δpxy*s,gmin),gmax)，
其中，min()和max()标识两个自变量的最小值和最大值，并且其中，s是标度因子， 并且其中，gmin和gmax是融合参数g的预定义最小值和最大值。因此，通常，映射 函数可以是非线性的，以改善鲁棒性。然而，也可以在适当的情况下使用线性映射函数。
在低速条件下(当线速度v低于阈值p时，满足该条件)，补偿变为非零，这可 以通过如图8所示的方程22定义，其中，补偿dn,p用作g的被加数，即，g+dn,p，n 为常数。在图8的图形24中给出了方程22的图形表示，其中，横轴代表速度v，纵 轴代表补偿dn,p。补偿dn,p与融合参数g相加，该融合参数g根据运动条件由第一计 算规则和第二计算规则之一计算出。
仅作为示例，图9所示的图形26给出了利用第一、第二和第三计算规则计算出 的融合参数g和d的视觉编码。图形26的横轴表示偏航率ω，纵轴表示速度v。图 形26内的灰度值代表与强度条27一致的融合参数。可以看出，对于低偏航率ω和 介于5m/s至10m/s之间的速度v，获得了融合参数g的约为0.03的相对低的值，其 中随着偏航率ω和速度v的增加，融合参数g逐渐增加，其中，还可以在图形26中 注意到径向不变性特征。作为该行为的例外，对于低于5m/s(特别是约0m/s)的速 度，融合参数获得了相对高的值，即，接近0.1，这是由于方程22，参见图8。
考虑到计算效率的方面，参照图8的图形28。已经发现，针对给定单元确定的 融合参数可以再次用于占用地图的其他单元，这些其他单元具有大致相同的到车辆的 径向距离。例如，图1中的第一占用地图M1的单元C1到车辆F的距离与同一占用 地图M1中指示的单元C相近。在这种情况下，可以假设对单元C1有效的融合参数 大致对单元C也有效。在特定示例中，融合参数是针对占用地图的各个x值而不是 针对不同y值计算出的。假设要表示的单元C的位置(例如在极坐标中)，则然后也 根据其他单元C到车辆F的径向距离将融合参数用于这些其他单元C，即，对于具 有相同径向距离但具有其他角度的单元C，采用在给定径向距离处针对给定角度计算 出的融合参数。如图8中的图形28所示，可以做到这一点而不会造成显著的误差， 其中横轴代表角度α，纵轴代表预期误差e。

Claims (15)

1.一种对第一占用地图(M1)和第二占用地图(M2)进行融合的计算机实现的方法，
所述第一占用地图(M1)代表在第一时刻(t1)车辆(F)周围的空闲空间和占用空间，所述第二占用地图(M2)代表在第二时刻(t2)所述车辆(F)周围的空闲空间和占用空间，
所述方法包括以下步骤：
-确定至少一个融合参数(g)，所述至少一个融合参数(g)代表所述第一占用地图(M1)与所述第二占用地图(M2)之间的潜在相异度(Δpxy)；
-确定代表所述车辆(F)周围的空闲空间和占用空间的融合的占用地图(Mf)，其中，所述融合的占用地图(Mf)是基于所述第一占用地图(M1)和所述第二占用地图(M2)借助于融合规则(f)而确定的，所述融合规则(f)被适配成借助于所述至少一个融合参数(g)来控制所述第一占用地图(M1)和/或所述第二占用地图(M2)对所述融合的占用地图(Mf)的影响。
2.根据权利要求1所述的方法，
其中，所述融合参数(g)是基于所述车辆(F)相对于所述第一占用地图(M1)和/或所述第二占用地图(M2)的估计运动而确定的。
3.根据权利要求2所述的方法，
其中，确定所述融合参数(g)的步骤包括：根据所述估计运动考虑所述车辆(F)的所述估计运动的预期误差。
4.根据权利要求2或3所述的方法，
其中，所述车辆(F)的所述估计运动包括所述车辆(F)的估计线速度(v)和/或所述车辆(F)的估计偏航率(ω)。
5.根据权利要求2至4中任一项所述的方法，
其中，所述融合参数(g)是基于多个预定计算规则而确定的，各个计算规则与所述车辆(F)的所述估计运动的预定条件相关联，
其中，选择所述计算规则中的相应计算规则来确定所述融合参数(g)，其中，所述相应计算规则是针对满足与所述相应计算规则相关联的所述预定条件的所述车辆(F)的所述估计运动而选择的。
6.根据权利要求5所述的方法，
其中，所述计算规则至少包括第一计算规则和第二计算规则，
其中，所述第一计算规则与所述估计运动的第一条件相关联，在所述第一条件中假设所述车辆(F)沿着非线性路线移动，
其中，所述第二计算规则与所述估计运动的第二条件相关联，在所述第二条件中假设所述车辆(F)沿着线性路线移动。
7.根据权利要求5或6所述的方法，
其中，所述计算规则包括与所述估计运动的第三条件相关联的第三计算规则，在所述第三条件中假设所述车辆(F)不移动或者以低于预定阈值(p)的速度(v)移动。
8.根据权利要求5或6所述的方法，
其中，所述计算规则中的至少一个计算规则包括补偿项(d)，所述补偿项(d)在假设所述车辆(F)不移动或者以低于预定阈值(p)的速度(v)移动的情况下为非零。
9.根据前述权利要求中任一项所述的方法，
其中，所述融合规则被适配成使得根据所述融合参数(g)所代表的所述第一占用地图(M1)与所述第二占用地图(M2)之间的所述潜在相异度(Δpxy)，所述第一占用地图(M1)和所述第二占用地图(M2)中的一个占用地图对所述融合的占用地图(Mf)的影响相对于所述第一占用地图(M1)和所述第二占用地图(M2)中的另一占用地图的影响增大，
其中，所述融合的占用地图(Mf)代表在第三时刻所述车辆(F)周围的空闲空间和占用空间，所述第三时刻接近或等于与所述第一占用地图(M1)和所述第二占用地图(M2)中的所述一个占用地图相关联的相应的第一时刻(t1)或相应的第二时刻(t2)。
10.根据前述权利要求中任一项所述的方法，
其中，所述第一占用地图(M1)被划分为多个单元(C)，各个单元(C)与概率值(L)相关联，所述概率值(L)代表相应单元被占用的概率与相应单元空闲的概率之比，
所述第二占用地图(M2)和所述融合的占用地图(Mf)是与所述第一占用地图(M1)相对应地构造的，
其中，使用多个融合参数(g)来确定所述融合的占用地图(Mf)，其中，各个融合参数(g)是按所述融合的占用地图(Mf)的单元(C)确定的，
其中，所述融合规则(f)被适配成通过根据所述融合参数(g)对概率值(L)的对进行融合来按单元(C)确定所述融合的占用地图(Mf)的所述概率值(L)，相应对中的一个成员是所述第一占用地图(M1)的第一单元(C1)的概率值(L1)，并且所述相应对中的另一成员是所述第二占用地图(M2)的第二单元(C2)的概率值(L2)，所述第一单元(C1)和所述第二单元(C2)共享相对于所述车辆(F)周围的空间的位置特性，
其中，通过对所述相应对的概率值(L1、L2)进行融合而确定的相应概率值(Lf)与共享所述第一单元(C1)和所述第二单元(C2)的位置特性的所述融合的占用地图(Mf)的相应单元(Cf)相关联。
11.根据权利要求10所述的方法，
其中，所述融合参数(g)中的相应融合参数(g)是针对所述融合的占用地图(Mf)的所述单元(Cf)中的相应单元(Cf)而计算出的，其中，针对所述单元(C)的子集采用所述相应融合参数(g)而无需计算所述子集的融合参数，其中，所述相应单元(Cf)和所述子集的各个单元(C)到所述车辆(F)的距离大致相同。
12.一种基于占用地图对车辆进行控制的方法，所述方法包括以下步骤：
-基于连续的传感器测量结果确定占用地图(M1、M2)的原始序列，各个传感器测量结果捕获所述车辆(F)的附近的至少一部分并且所述原始序列中的各个占用地图(M1、M2)代表所述车辆(F)周围的空闲空间和占用空间，其中，所述原始序列中的所述占用地图(M1、M2)与连续的时刻(t1、t2)相关联；
-确定占用地图的经过滤的序列，其中，所述经过滤的序列中的至少一个成员是通过基于所述占用地图(M1、M2)的所述原始序列借助于根据权利要求1至11中至少一项所述的方法对两个占用地图进行融合而确定的融合的占用地图(Mf)；
-基于包含所述融合的占用地图(Mf)的所述经过滤的序列对所述车辆(F)进行控制。
13.一种用于对占用地图进行融合的计算机系统，所述计算机系统被配置成通过执行根据权利要求1至12中至少一项所述的计算机实现的方法来对占用地图(M1、M2)进行融合。
14.根据权利要求13所述的计算机系统，所述计算机系统包括用于接收传感器测量结果的输入端和用于至少提供融合的占用地图(Mf)的输出端。
15.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于执行根据权利要求1至12中至少一项所述的计算机实现的方法的指令。
CN202010326255.2A 2019-05-13 2020-04-23 融合占用地图的方法及系统 Active CN111932644B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19174053.9A EP3739361A1 (en) 2019-05-13 2019-05-13 Method and system for fusing occupancy maps
EP19174053.9 2019-05-13

Publications (2)

Publication Number Publication Date
CN111932644A true CN111932644A (zh) 2020-11-13
CN111932644B CN111932644B (zh) 2024-01-02

Family

ID=66529853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010326255.2A Active CN111932644B (zh) 2019-05-13 2020-04-23 融合占用地图的方法及系统

Country Status (3)

Country Link
US (1) US11567501B2 (zh)
EP (1) EP3739361A1 (zh)
CN (1) CN111932644B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927256A (zh) * 2021-03-16 2021-06-08 杭州萤石软件有限公司 一种分割区域的边界融合方法、装置、移动机器人

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11994866B2 (en) * 2019-10-02 2024-05-28 Zoox, Inc. Collision avoidance perception system
US11618453B2 (en) * 2021-02-23 2023-04-04 Aptiv Technologies Limited Grid-based road model with multiple layers
EP4309018A1 (en) * 2021-03-15 2024-01-24 OMRON Corporation Method and apparatus for updating an environment map used by robots for self-localization

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413806A (zh) * 2008-11-07 2009-04-22 湖南大学 一种实时数据融合的移动机器人栅格地图创建方法
DE102015213558A1 (de) * 2015-07-20 2017-01-26 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung und Verfahren zur Fusion zweier Hinderniskarten zur Umfelddetektion
CN106651821A (zh) * 2016-11-25 2017-05-10 北京邮电大学 一种基于二阶矩保持传播算法的拓扑地图融合方法及系统
CN107844129A (zh) * 2017-11-30 2018-03-27 北京大学深圳研究生院 基于路径规划和信息融合的多无人机协同搜索方法及系统
CN107862720A (zh) * 2017-11-24 2018-03-30 北京华捷艾米科技有限公司 基于多地图融合的位姿优化方法及位姿优化系统
CN109341706A (zh) * 2018-10-17 2019-02-15 张亮 一种面向无人驾驶汽车的多特征融合地图的制作方法
CN109522784A (zh) * 2017-09-20 2019-03-26 德尔福技术有限责任公司 用于区分可越过物体与不可越过物体的装置和方法

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020637B2 (en) * 2012-11-02 2015-04-28 Irobot Corporation Simultaneous localization and mapping for a mobile robot
EP2999940A4 (en) * 2013-05-22 2017-11-15 Neurala Inc. Methods and apparatus for early sensory integration and robust acquisition of real world knowledge
US9037396B2 (en) * 2013-05-23 2015-05-19 Irobot Corporation Simultaneous localization and mapping for a mobile robot
EP2952993B1 (en) * 2014-06-05 2018-04-25 Softbank Robotics Europe Method for building a map of probability of one of absence and presence of obstacles for an autonomous robot
KR101734654B1 (ko) * 2015-06-25 2017-05-11 현대자동차주식회사 레이저 스캐너를 이용한 센서 중심 좌표계의 점유 격자 지도를 작성하는 시스템 및 방법
US10093021B2 (en) * 2015-12-02 2018-10-09 Qualcomm Incorporated Simultaneous mapping and planning by a robot
US10436595B2 (en) * 2017-02-02 2019-10-08 Baidu Usa Llc Method and system for updating localization maps of autonomous driving vehicles
EP3388972B1 (en) * 2017-04-13 2020-08-26 Aptiv Technologies Limited A method and a device for generating an occupancy map of an environment of a vehicle
DE102017206436A1 (de) * 2017-04-13 2018-10-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Erkennung und/oder Verfolgung von Objekten
WO2018218149A1 (en) * 2017-05-26 2018-11-29 Google Llc Data fusion system
WO2019191306A1 (en) * 2018-03-27 2019-10-03 Nvidia Corporation Training, testing, and verifying autonomous machines using simulated environments
US20210179142A1 (en) * 2018-04-20 2021-06-17 Sony Corporation Mobile object, information processing apparatus, information processing method, and program
IT201800006594A1 (it) * 2018-06-22 2019-12-22 "Procedimento per la mappatura dell’ambiente di un veicolo, corrispondenti sistema, veicolo e prodotto informatico"
US11802779B2 (en) * 2018-07-30 2023-10-31 Chiba Institute Of Technology Map generation system and mobile object
US11999378B2 (en) * 2018-09-20 2024-06-04 Jaguar Land Rover Limited Control system for a vehicle
JP7065410B2 (ja) * 2018-09-28 2022-05-12 パナソニックＩｐマネジメント株式会社 空き駐車スペース検知装置および空き駐車スペース検知方法
KR102699145B1 (ko) * 2018-12-10 2024-09-30 현대자동차주식회사 근거리 컷-인 차량 판단 장치 및 그의 판단 방법과 그를 이용하는 차량
CN111307166B (zh) * 2018-12-11 2023-10-03 北京图森智途科技有限公司 一种构建占据栅格地图的方法及其装置、处理设备
US20220057232A1 (en) * 2018-12-12 2022-02-24 Intel Corporation Time-aware occupancy grid mapping for robots in dynamic environments
US11555927B2 (en) * 2019-02-05 2023-01-17 Honda Motor Co., Ltd. System and method for providing online multi-LiDAR dynamic occupancy mapping
EP3716140A1 (en) * 2019-03-27 2020-09-30 Elektrobit Automotive GmbH Processing environmental data of an environment of a vehicle
CN109900280B (zh) * 2019-03-27 2020-12-11 浙江大学 一种基于自主导航的畜禽信息感知机器人与地图构建方法
CN112179361B (zh) * 2019-07-02 2022-12-06 华为技术有限公司 更新移动机器人工作地图的方法、装置及存储介质
US11726492B2 (en) * 2019-10-02 2023-08-15 Zoox, Inc. Collision avoidance perception system
US11176709B2 (en) * 2019-10-17 2021-11-16 Toyota Research Institute, Inc. Systems and methods for self-supervised scale-aware training of a model for monocular depth estimation
US20210279841A1 (en) * 2020-03-09 2021-09-09 Nvidia Corporation Techniques to use a neural network to expand an image
US11815897B2 (en) * 2020-05-11 2023-11-14 Huawei Technologies Co., Ltd. Method and system for generating an importance occupancy grid map
ES2967797T3 (es) * 2020-07-31 2024-05-03 Univ Valencia Politecnica Procedimiento, sistema y robot para navegación autónoma del mismo entre dos hileras de plantas
US20220196829A1 (en) * 2020-12-17 2022-06-23 Aptiv Technologies Limited Radar Reference Map Generation
US12105192B2 (en) * 2020-12-17 2024-10-01 Aptiv Technologies AG Radar reference map generation
US11753018B2 (en) * 2021-02-17 2023-09-12 Aptiv Technologies Limited Lane-type and roadway hypotheses determinations in a road model
US11618453B2 (en) * 2021-02-23 2023-04-04 Aptiv Technologies Limited Grid-based road model with multiple layers
KR20220138438A (ko) * 2021-02-26 2022-10-13 현대자동차주식회사 이동 로봇의 다중 경로 생성 장치 및 방법
EP4309018A1 (en) * 2021-03-15 2024-01-24 OMRON Corporation Method and apparatus for updating an environment map used by robots for self-localization
US12092734B2 (en) * 2021-03-25 2024-09-17 Aptiv Technologies AG Partially-learned model for speed estimates in radar tracking

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413806A (zh) * 2008-11-07 2009-04-22 湖南大学 一种实时数据融合的移动机器人栅格地图创建方法
DE102015213558A1 (de) * 2015-07-20 2017-01-26 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung und Verfahren zur Fusion zweier Hinderniskarten zur Umfelddetektion
CN106651821A (zh) * 2016-11-25 2017-05-10 北京邮电大学 一种基于二阶矩保持传播算法的拓扑地图融合方法及系统
CN109522784A (zh) * 2017-09-20 2019-03-26 德尔福技术有限责任公司 用于区分可越过物体与不可越过物体的装置和方法
CN107862720A (zh) * 2017-11-24 2018-03-30 北京华捷艾米科技有限公司 基于多地图融合的位姿优化方法及位姿优化系统
CN107844129A (zh) * 2017-11-30 2018-03-27 北京大学深圳研究生院 基于路径规划和信息融合的多无人机协同搜索方法及系统
CN109341706A (zh) * 2018-10-17 2019-02-15 张亮 一种面向无人驾驶汽车的多特征融合地图的制作方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927256A (zh) * 2021-03-16 2021-06-08 杭州萤石软件有限公司 一种分割区域的边界融合方法、装置、移动机器人

Also Published As

Publication number Publication date
CN111932644B (zh) 2024-01-02
EP3739361A1 (en) 2020-11-18
US20200363809A1 (en) 2020-11-19
US11567501B2 (en) 2023-01-31

Similar Documents

Publication Publication Date Title
CN111932644B (zh) 融合占用地图的方法及系统
US10474908B2 (en) Unified deep convolutional neural net for free-space estimation, object detection and object pose estimation
US10460603B2 (en) Method for providing obstacle maps for vehicles
US11763576B2 (en) Method for determining a drivable area
Shin et al. Visual lane analysis and higher-order tasks: a concise review
EP3828587A1 (en) Method for determining the position of a vehicle
US11087147B2 (en) Vehicle lane mapping
US10783383B2 (en) Method and apparatus for detecting a boundary in an environment of an object
CN113010959A (zh) 确定关于对象的预期轨迹的连续信息的方法
CN110413942B (zh) 车道线方程筛选方法及其筛选模块
EP4009228A1 (en) Method for determining a semantic free space
CN114241448A (zh) 障碍物航向角的获取方法、装置、电子设备及车辆
US11673548B2 (en) Vehicle detection and response
Cario et al. Lane detection and tracking problems in lane departure warning systems
CN116543271A (zh) 目标检测评价指标的确定方法、装置、电子设备及介质
CN116070903A (zh) 通过障碍物区域的风险确定方法、装置以及电子设备
CN117980949A (zh) 用于自主车辆的车道跟踪的方法和系统
US11538253B2 (en) Apparatus and method for compensating for error of vehicle sensor
CN114817765A (zh) 基于地图的目标航向消歧
WO2020095673A1 (ja) 車載制御装置
CN118149796B (zh) 退化环境下的地图构建方法、装置、电子设备及存储介质
KR102405818B1 (ko) 노이즈 제거 방법, 노이즈 제거 장치 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램
US11790662B2 (en) Method and device for determining a motion state of at least one object in the surroundings of a vehicle, and method and device for activating a vehicle system of a vehicle
US20220406070A1 (en) Method and device for recognizing an object for a vehicle including a mono camera, and camera system
CN113298950A (zh) 一种物体属性的确定方法、装置、电子设备和存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240730

Address after: Luxembourg

Patentee after: Anbofu Technology (2) Co.,Ltd.

Country or region after: Luxembourg

Address before: Babado J San Michael

Patentee before: Aptiv Technologies Ltd.

Country or region before: Barbados