CN112041210A - 用于自动驾驶的系统和方法 - Google Patents
用于自动驾驶的系统和方法 Download PDFInfo
- Publication number
- CN112041210A CN112041210A CN201980002063.1A CN201980002063A CN112041210A CN 112041210 A CN112041210 A CN 112041210A CN 201980002063 A CN201980002063 A CN 201980002063A CN 112041210 A CN112041210 A CN 112041210A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- hash value
- vehicle
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 192
- 230000004044 response Effects 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims description 45
- 230000007613 environmental effect Effects 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 230000001788 irregular Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
提供了用于自动驾驶的系统和方法。该系统可以在二维平面上指定至少两个网格(510)。对于至少两个网格中的每一个,该系统可以获取第一时刻的对应于该网格的第一点云数据(520)。该系统还可以确定第一点云数据的第一哈希值(530)。对于至少两个网格中的每一个,该系统可以获取第二时刻的对应于该网格的第二点云数据(540)。该系统还可以确定第二点云数据的第二哈希值(550)。进一步地,响应于确定对应于至少两个网格的第一点云数据的至少两个第一哈希值中的一个与第二哈希值匹配,该系统可以阻止进一步处理第二点云数据(560)。
Description
技术领域
本申请一般涉及用于自动驾驶的系统和方法,尤其涉及用于处理与自动驾驶相关的点云数据的系统和方法。
背景技术
随着微电子和机器人技术的发展,自动驾驶的探索现已迅速发展。通常,自动驾驶系统可以通过由传感器设备(例如,激光雷达)捕获点云数据,并处理点云数据来感测环境信息。由于点云数据的捕获时间间隔相对较短,在某些情况下,在当前时刻捕获的点云数据可能与在先前时刻捕获的点云数据部分相同。对于当前时刻捕获的点云数据的一部分,该部分与先前时刻捕获的点云数据的一部分相同,如果仍然进行计算和/或处理,则可能导致处理资源的浪费和处理速度的降低。因此,希望提供系统和方法,用于识别在当前时刻捕获的点云数据的一部分,该部分与在先前时刻捕获的点云数据的一部分相同,阻止进一步处理该部分点云数据,并检索先前处理结果,从而提高处理效率。
发明内容
本申请的一方面涉及一种用于自动驾驶的系统。该系统可以包括用于存储一组指令的存储介质以及用于通信地耦合到所述存储介质的处理器。该系统可以在二维平面上指定至少两个网格;对于所述至少两个网格中的每一个,获取第一时刻的对应于所述网格的第一点云数据;确定所述第一点云数据的第一哈希值;获取第二时刻的对应于所述网格的第二点云数据;确定所述第二点云数据的第二哈希值;以及响应于确定对应于所述至少两个网格的第一点云数据的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
在一些实施例中,所述第一时刻可以是所述第二时刻的先前时刻。
在一些实施例中,所述系统可以进一步从缓存中检索与所述第二点云数据相关的先前处理结果。
在一些实施例中,与所述第二点云数据相关的所述先前处理结果可以包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
在一些实施例中,响应于确定没有第一哈希值与所述第二哈希值匹配,所述系统可以进一步处理所述第二点云数据。
在一些实施例中,所述系统可以进一步将所述第二点云数据的处理结果存储至所述缓存中。
在一些实施例中,可以根据预设的时间间隔动态地释放所述缓存。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以包括与车辆预设范围内的环境信息相关的点云数据。
在一些实施例中,所述车辆预设范围内的所述环境信息可以包括道路信息、高度信息和/或静态目标信息。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以由传感器设备获得。所述传感器设备可以包括激光雷达设备。
在一些实施例中,所述至少两个网格的形状可以包括四边形、六边形和/或不规则多边形中的至少一个。
本申请的另一方面涉及一种在计算设备上实现的方法,该计算设备包括至少一个处理器、至少一个存储介质以及连接到网络的通信平台。所述方法可以包括在二维平面上指定至少两个网格;对于所述至少两个网格中的每一个,获取第一时刻的对应于所述网格的第一点云数据;确定所述第一点云数据的第一哈希值;获取第二时刻的对应于所述网格的第二点云数据;确定所述第二点云数据的第二哈希值;以及响应于确定对应于所述至少两个网格的第一点云数据的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
在一些实施例中,所述第一时刻可以是所述第二时刻的先前时刻。
在一些实施例中,所述方法还可以包括从缓存中检索与所述第二点云数据相关的先前处理结果。
在一些实施例中,与所述第二点云数据相关的所述先前处理结果可以包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
在一些实施例中,所述方法还可以包括响应于确定没有第一哈希值与所述第二哈希值匹配,处理所述第二点云数据。
在一些实施例中,所述方法还可以包括将所述第二点云数据的处理结果存储至所述缓存中。
在一些实施例中,可以根据预设的时间间隔动态地释放所述缓存。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以包括与车辆预设范围内的环境信息相关的点云数据。
在一些实施例中,所述车辆预设范围内的所述环境信息可以包括道路信息、高度信息和/或静态目标信息。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以由传感器设备获得。所述传感器设备可以包括激光雷达设备。
在一些实施例中,所述至少两个网格的形状可以包括四边形、六边形和/或不规则多边形中的至少一个。
本申请的又一方面涉及一种配置为自动驾驶的车辆。车辆可以包括检测组件、规划组件和控制组件。所述规划组件可以被配置为在二维平面上指定至少两个网格;对于所述至少两个网格中的每一个,获取第一时刻的对应于所述网格的第一点云数据;确定所述第一点云数据的第一哈希值;获取第二时刻的对应于所述网格的第二点云数据;确定所述第二点云数据的第二哈希值;以及响应于确定对应于所述至少两个网格的第一点云数据的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
在一些实施例中,所述第一时刻可以是所述第二时刻的先前时刻。
在一些实施例中,所述规划组件还可以被配置为从缓存中检索与所述第二点云数据相关的先前处理结果。
在一些实施例中,与所述第二点云数据相关的所述先前处理结果可以包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
在一些实施例中,所述规划组件还可以被配置为响应于确定没有第一哈希值与所述第二哈希值匹配,处理所述第二点云数据。
在一些实施例中,所述规划组件还可以被配置为将所述第二点云数据的处理结果存储至所述缓存中。
在一些实施例中,可以根据预设的时间间隔动态地释放所述缓存。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以包括与车辆的预设范围内的环境信息相关的点云数据。
在一些实施例中,所述车辆预设范围内的所述环境信息可以包括道路信息、高度信息和/或静态目标信息。
在一些实施例中,所述第一点云数据和/或所述第二点云数据可以由所述检测组件获得。所述检测组件包括激光雷达设备。
在一些实施例中,所述至少两个网格的形状可以包括四边形、六边形和/或不规则多边形中的至少一种。
本申请的又一方面涉及一种自动驾驶系统。该系统可以包括指定模块、第一获取模块、第一确定模块、第二获取模块、第二确定模块和处理模块。所述指定模块可以被配置为在二维地平面上指定至少两个网格。
所述第一获取模块可以被配置为获取第一时刻的对应于所述至少两个网格中的每一个的第一点云数据。所述第一确定模块可以被配置为确定所述第一点云数据的第一哈希值。所述第二获取模块可以被配置为获取第二时刻的对应于所述至少两个网格的每一个的第二点云数据。所述第二确定模块可以被配置为确定所述第二点云数据的第二哈希值。所述处理模块可以被配置为响应于确定对应于所述至少两个网格的第一点云数据中的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
本申请的又一方面涉及一种非暂时性计算机可读介质,其包括可执行指令。当所述可执行指令由至少一个处理器执行时,所述可执行指令可以指示所述至少一个处理器执行一种方法。所述方法可以包括在二维地平面上指定至少两个网格;对于所述至少两个网格中的每一个,获取第一时刻的对应于所述网格的第一点云数据;确定所述第一点云数据的第一哈希值;获取第二时刻的对应于所述网格的第二点云数据;确定所述第二点云数据的第二哈希值;以及响应于确定对应于所述至少两个网格的第一点云数据中的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图未按比例绘制。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性自动驾驶系统的示意图;
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例性处理设备的框图;
图5是根据本申请的一些实施例所示的用于处理点云数据的示例性过程的流程图;
图6-A和图6-B是根据本申请的一些实施例所示的二维平面上的示例性网格的示意图;
图7是根据本申请的一些实施例所示的用于匹配在不同时刻捕获的点云数据的示例性过程的示意图;以及
图8是根据本申请的一些实施例所示的缓存的示例性动态释放的示意图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本申请中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些都构成本申请说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外,尽管本申请中披露的系统和方法主要涉及陆地中的运输系统,但应该理解,这仅是一个示例性实施例。本申请的系统和方法可以应用于任何其他类型的运输系统。例如,本申请的系统和方法可以应用于不同环境的运输系统,包括陆地、海洋、航空航天等或其任意组合。运输系统的自动驾驶车辆可以包括出租车、私家车、顺风车、公共汽车、火车、动车、高铁、地铁、船只、飞机、宇宙飞船、热气球等或其任意组合。
本申请的一方面涉及用于处理与自动驾驶相关的点云数据的系统和方法。系统可以在二维平面(例如,对应于车辆预设范围的二维平面)上指定至少两个网格。对于至少两个网格中的每一个,系统可以获取第一时刻的对应于网格的第一点云数据,并确定第一点云数据的第一哈希值。系统还可以获取第二时刻的对应于网格的第二点云数据,并确定第二点云数据的第二哈希值。第一时刻可以是第二时刻的先前时刻。进一步地,响应于确定对应于至少两个网格的第一点云数据中的至少两个第一哈希值的一个与第二哈希值匹配,系统可以阻止进一步处理第二点云数据。也就是说,在第二时刻捕获(或获取)的点云数据的一部分可能与在第一时刻捕获的点云数据的一部分相同,对于在第二时刻捕获的相同部分,系统可以阻止进一步处理,并检索先前处理结果(例如,其第一哈希值与第二哈希值匹配的第一点云数据的处理结果),从而节省了处理资源,提高了点云数据的处理效率。
图1是根据本申请的一些实施例所示的示例性自动驾驶系统的示意图。在一些实施例中,自动驾驶系统100可以包括车辆110(例如110-1、110-2……110-n)、服务器120、终端设备130、存储设备140、网络150,以及定位和导航系统160。
车辆110可以是任何类型的自动驾驶车辆、无人驾驶飞行器等。如本文所使用的,自动驾驶车辆或无人驾驶飞行器可以指能够实现一定水平的驾驶自动化的车辆。示例性的驾驶自动化水平可以包括第一级别即车辆主要由人监督并且具有特定的自主功能(例如,自主转向或加速)、第二级别即车辆具有一个或以上先进的司机辅助系统(ADAS,例如,自适应巡航控制系统、车道保持系统),其可以控制制动、转向和/或加速车辆、第三级别即当满足一个或以上某些条件时车辆能够自动驾驶、第四级别即车辆可在没有人为输入或疏忽的情况下操作,但仍然受限于某些限制(例如,限于某一区域)、第五级别即车辆可以在所有情况下自主操作等或其任意组合。
在一些实施例中,车辆110可具有使车辆110能够移动或飞行的等效结构。例如,车辆110可包括传统车辆的结构,例如,底盘、悬架、转向设备(例如,方向盘)、制动设备(例如,制动踏板)、加速器等。又例如,车辆110可具有车身和至少一个车轮。车身可以是任何类型的车身,例如运动车辆、轿跑车、轿车、轻型卡车、旅行车、运动型车辆(SUV)、小型货车或转换车。至少一个车轮可以配置为全轮驱动(AWD)、前轮驱动(FWR)、后轮驱动(RWD)等。在一些实施例中,可以预期车辆110可以是电动车辆、燃料电池车辆、混合动力车辆、传统内燃机车辆等。
在一些实施例中,车辆110通过使用一个或以上检测单元112,能够感测其环境并进行导航。至少两个检测单元112可以包括传感器设备(例如,雷达(例如,激光雷达设备))、全球定位系统(GPS)模块、惯性测量单元(IMU)、相机等或其任意组合。雷达(例如,激光雷达设备)可以被配置为扫描车辆110的周围并生成点云数据。点云数据可用于生成围绕车辆110的一个或以上目标的数字三维(3D)表示。GPS模块可以指能够从GPS卫星接收地理定位和时间信息并确定设备的地理位置的设备。IMU可以指一种电子设备,其使用各种惯性传感器测量并提供车辆的特定力、角速率,有时是车辆周围的磁场。在一些实施例中,各种惯性传感器可包括加速度传感器(例如,压电传感器)、速度传感器(例如,霍尔传感器)、距离传感器(例如,雷达、红外传感器)、转向角传感器(例如、倾斜传感器)、牵引相关传感器(例如,力传感器)等。相机可以被配置为获取与相机范围内的目标(例如,人、动物、树、路障物、建筑或车辆)相关的一个或以上图像。
在一些实施例中,服务器120可以是单个服务器,也可以是服务器组。服务器组可以是集中式的也可以是分布式的(例如,服务器120可以是分布式的系统)。在一些实施例中,服务器120可以是本地的也可以是远程的。例如,服务器120可以经由网络150访问存储在终端设备130、检测单元112、车辆110、存储设备140和/或定位和导航系统160中的信息和/或数据。又例如,服务器120可以直接连接到终端设备130、检测单元112、车辆110和/或存储设备140,以访问存储的信息和/或数据。在一些实施例中,服务器120可以在云平台或车载计算机上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器120可以在本申请中图2描述的包含了一个或以上组件的计算设备200上执行。
在一些实施例中,服务器120可包括处理设备122。处理设备122可以处理与车辆110相关的驾驶信息相关的信息和/或数据,以执行本申请中描述的一个或以上功能。例如,处理设备122在二维平面上指定至少两个网格。对于至少两个网格中的每一个,处理设备122可以确定在第一时刻(其可以是第二时刻的先前时刻)捕获的第一点云数据的第一哈希值,并确定在第二时刻捕获的第二点云数据。进一步地,响应于确定对应于至少两个网格的第一点云数据中的至少两个第一哈希值的一个与第二哈希值匹配,处理设备122可以阻止进一步处理第二点云数据,并检索与第二点云数据相关的先前处理结果;响应于确定没有第一哈希值与第二哈希值匹配,处理设备122可以处理第二点云数据。处理设备122还可以基于对应于至少两个网格的第二点云数据的处理结果,确定车辆110的行驶路径。也就是说,处理设备122可以被配置为车辆110的规划组件。
在一些实施例中,处理设备122可包括一个或以上处理设备(例如,单核处理设备或多核处理器)。仅作为示例,处理设备122可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。在一些实施例中,处理设备122可以集成到车辆110和/或终端设备130中。
在一些实施例中,终端设备130可以包括移动设备130-1、平板电脑130-2、膝上型计算机130-3、车辆内置设备130-4、可穿戴设备130-5等或其任意组合。在一些实施例中,移动设备130-1可以包括智能家居设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等或其任意组合。虚拟现实设备或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括GoogleTM Glass、Oculus Rift、HoloLens、Gear VR等。在一些实施例中,车辆内置设备130-4可以包括车载计算机、车载电视等。在一些实施例中,可穿戴设备130-5可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等或其任意组合。在一些实施例中,终端设备130可以是具有定位技术的设备,用于定位终端设备130的位置。在一些实施例中,服务器120可以集成到车辆110和/或终端设备130中。
存储设备140可以存储数据和/或指令。在一些实施例中,存储设备140可以存储从车辆110、检测单元112、处理设备122、终端设备130、定位和导航系统160和/或外部存储设备获取的数据。例如,存储设备140可以存储由检测单元112捕获的点云数据。在一些实施例中,存储设备140可以存储服务器120用来执行或使用以完成本申请中描述的示例性方法的数据和/或指令。例如,存储设备140可以存储处理设备122可以执行或使用以获取在不同时刻捕获的点云数据,并且确定点云数据的哈希值的指令。在一些实施例中,存储设备140可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性ROM可以包括掩模型只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(EEPROM)、光盘只读内存(CD-ROM)和数字多功能磁盘只读内存等。在一些实施例中,存储设备140可在云端平台上执行。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备140可以连接到网络150,以与自动驾驶系统100的一个或以上组件(例如,服务器120、终端设备130、检测单元112、车辆110和/或定位和导航系统160)通信。自动驾驶系统100的一个或以上组件可以经由网络150访问存储设备140中存储的数据或指令。在一些实施例中,存储设备140可以直接连接到自动驾驶系统100的一个或以上组件(例如,服务器120、终端设备130、检测单元112、车辆110和/或定位和导航系统160)或与之通信。在一些实施例中,存储设备140可以是服务器120的一部分。在一些实施例中,存储设备140可以集成到车辆110中。
网络150可以促进信息和/或数据的交换。在一些实施例中,自动驾驶系统100的一个或以上组件(例如,服务器120、终端设备130、检测单元112、车辆110、存储设备140或定位和导航系统160)可以经由网络150将信息和/或数据发送到自动驾驶系统100的其他组件。例如,服务器120可以经由网络150从存储设备140获取点云数据。在一些实施例中,网络150可以是有线网络或无线网络等或其任意组合。仅作为示例,网络150可以包括缆线网络、有线网络、光纤网络、通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络150可以包括一个或以上网络接入点。例如,网络150可以包括有线或无线网络接入点(例如,150-1、150-2),通过该接入点,自动驾驶系统100的一个或以上组件可以连接到网络150以交换数据和/或信息。
定位和导航系统160可以确定与目标相关的信息,例如,终端设备130、车辆110等。在一些实施例中,定位和导航系统160可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。信息可包括目标的位置、目标的高度、目标的速度、目标的加速度、当前时间等。定位和导航系统160可以包括一个或以上的卫星,例如,卫星160-1、卫星160-2和卫星160-3。卫星160-1至160-3可以独立地或共同地确定上述信息。定位和导航系统160可以经由无线连接将上述信息发送到服务器120、车辆110和/或终端设备130。
本领域普通技术人员将理解,当自动驾驶系统100的元件(或部件)执行时,该元件可以通过电信号和/或电磁信号执行。例如,当终端设备130向服务器120发送请求时,终端设备130的处理器可以生成编码该请求的电信号。然后,终端设备130的处理器可以将电信号发送到输出端口。如果终端设备130经由有线网络与服务器120通信,则输出端口可以物理地连接到电缆,电缆还可以将电信号发送到服务器120的输入端口。如果终端设备130经由无线网络与服务器120通信,则终端设备130的输出端口可以是一个或以上天线,其将电信号转换为电磁信号。在诸如终端设备130和/或服务器120的电子设备内,当其处理器处理指令,发出指令和/或执行动作时,指令和/或动作通过电信号进行。例如,当处理器从存储介质(例如,存储设备140)检索或保存数据时,它可以将电信号发送到存储介质的读/写设备,其可以在存储介质中读取或写入结构化数据。该结构数据可以通过电子设备的总线,以电信号的形式传输至处理器。此处,电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图。在一些实施例中,服务器120和/或终端设备130可以在计算设备200上实现。例如,处理设备122可以在计算设备200上实现,并且被配置为执行本申请中披露的处理设备122的功能。
计算设备200可用于实现本申请的自动驾驶系统100的任何组件。例如,自动驾驶系统100的处理设备122可以通过其硬件、软件程序、固件或其组合在计算设备200上实现。尽管为了方便仅示出了一个这样的计算机,但是与本文所描述的自动驾驶系统100相关的计算机功能可以在多个类似平台上以分布式方式实现,以分配处理负载。
计算设备200可以包括连接到与其连接的网络(例如,网络150)的通信(COM)端口250,以促进数据通信。计算设备200还可以包括处理器(例如,处理器220),其形式为一个或以上处理器(例如,逻辑电路),用于执行程序指令。例如,处理器可以包括其中的接口电路和处理电路。接口电路可以被配置为从总线210接收电信号,其中电信号编码用于处理电路的结构化数据和/或指令。处理电路可以进行逻辑计算,然后将结论、结果和/或指令编码确定为电信号。然后,接口电路可以经由总线210从处理电路发出电信号。
计算设备200还可以包括不同形式的程序存储和数据存储,例如磁盘270、只读存储器(ROM)230或随机存取存储器(RAM)240,用于存储由计算设备200处理和/或传输的各种数据文件。计算设备200还可以包括存储在ROM 230、RAM 240和/或其他类型的非暂时性存储介质中的由处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括I/O组件260,其支持计算设备200与其中的其他组件之间的输入/输出。计算设备200也可以经由网络通信接收编程和数据。
仅仅为了说明,在计算设备200中仅描述了一个处理器。然而,应当注意,本申请中的计算设备200还可以包括多个处理器,因此本申请中描述的由一个处理器执行的操作也可以由多个处理器联合或单独执行。例如,计算设备200的处理器可以执行操作A和操作B。又例如,操作A和操作B也可以由计算设备200中的两个不同的处理器联合或分开执行(例如,第一处理器执行操作A,第二处理器执行操作B,或者第一和第二处理器共同执行操作A和B)。
图3是根据本申请的一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图。在一些实施例中,终端设备130可以在移动设备300上实现。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360、移动操作系统(OS)370和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。
在一些实施例中,移动操作系统370(如,iOSTM、AndroidTM、Windows PhoneTM)和一个或以上应用程序380可以从存储器390加载到内存360中以便由CPU340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从处理设备122接收和呈现与定位或其他信息有关的信息。用户与信息流的交互可以通过I/O 350实现,并通过网络150提供给处理设备122和/或自动驾驶系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本文中描述之一个或以上元素的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若程控得当,计算机亦可用作服务器。
图4是根据本申请的一些实施例所示的示例性处理设备的框图。处理设备122可以包括指定模块410、第一获取模块420、第一确定模块430、第二获取模块440、第二确定模块450和处理模块460。
指定模块410可以被配置为在二维平面上指定至少两个网格。在一些实施例中,二维平面上的至少两个网格可以被视为与物体(例如,车辆110)一起移动的坐标系或参考系。在一些实施例中,至少两个网格中的每一个可以对应于一个序列号。例如,至少两个网格可以是256×256网格,具有至少两个序列号1、2、3等。在一些实施例中,至少两个网格中的每一个的形状可包括四边形、六边形、不规则多边形等或其任意组合。在一些实施例中,网格的尺寸可以是自动驾驶系统100的默认设置(例如,经验值(例如,20厘米×20厘米)),或者可以在不同情况下是可调节的。在一些实施例中,指定模块410可以根据geohash算法,基于经度和纬度信息指定至少两个网格。根据geohash算法,至少两个网格中的每一个对应于一个字符串(也被称为“geohash值”)。关于至少两个网格的更多描述可以在本申请的其他地方找到(例如,图6及其描述)。
第一获取模块420可以被配置为获取第一时刻的对应于至少两个网格中的每一个的第一点云数据。在一些实施例中,第一点云数据可以包括与物体(例如,车辆110)预设范围内的环境信息相关的点云数据。物体预设范围内的环境信息可以包括道路信息(例如,道路边界、车道线、人行道)、高度信息(例如,道路高度)、静态目标信息(例如,与静态建筑物相关的信息、与静态障碍物相关的信息)等或其任意组合。
第一确定模块430可以被配置为确定第一点云数据的第一哈希值。第一确定模块430可以基于哈希算法(也称为“哈希函数”)确定第一点云数据的第一哈希值。在一些实施例中,第一确定模块430可以根据哈希算法,基于与第一点云数据对应的物理点的至少一个特征的至少一个特征值,确定第一点云数据的第一哈希值。
第二获取模块440可以被配置为获取第二时刻的对应于至少两个网格中的每一个的第二点云数据。在一些实施例中,第一时刻可以是第二时刻的先前时刻。在一些实施例中,类似于第一点云数据,第二点云数据可以包括与物体预设范围(例如,车辆110)内的环境信息相关的点云数据。
第二确定模块450可以被配置为确定第二点云数据的第二哈希值。如上所述,第二确定模块450可以基于哈希算法确定第二点云数据的第二哈希值。
处理模块460可以被配置为将对应于至少两个网格中的每一个的第二点云数据的第二哈希值与第一时刻的对应于至少两个网格的第一点云数据的至少两个第一哈希值进行匹配,以确定是否存在第一时刻捕获的第一点云数据与对应于该网格的第二点云数据相同或基本相同的。例如,处理模块460可以确定第二哈希值和至少两个第一哈希值之间的至少两个相似度,并将至少两个相似度与相似度阈值进行比较。
响应于确定对应于至少两个网格的第一点云数据中的至少两个第一哈希值的一个与第二哈希值匹配,处理模块460可以阻止进一步处理第二点云数据,并从缓存中检索与第二点云数据相关的先前处理结果(例如,其第一哈希值与第二哈希值匹配的第一点云数据的处理结果),这可以提高点云数据的处理效率。
响应于确定没有第一哈希值与第二哈希值匹配,处理模块460可以处理第二点云数据,并将第二点云数据的处理结果存储到缓存中,这可以被视为下一时刻的“先前处理结果”。
处理设备122中的模块可以通过有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。两个或以上模块可以合并成一个模块,以及任意一个模块可以被拆分成两个或以上单元。例如,第一获取模块420和第二获取模块440可以组合为单个模块,其既可以获取第一时刻的第一点云数据,也可以获取第二时刻的第二点云数据。又例如,第一确定模块430和第二确定模块450可以组合为单个模块,其既可以确定第一点云数据的第一哈希值,也可以确定第二点云数据的第二哈希值。又例如,处理设备122可包括存储模块(未示出),用于存储与自动驾驶相关的信息和/或数据(例如,至少两个网格、第一点云数据、对应于至少两个网格的第一哈希值、第二点云数据、对应于至少两个网格的第二哈希值、第二点云数据的处理结果)。
图5是根据本申请的一些实施例所示的用于处理点云数据的示例性过程的流程图。在一些实施例中,过程500可以通过存储在ROM 230或RAM 240中的一组指令(例如,应用程序)来实现。处理器220和/或图4中的模块可以执行该组指令,并且当执行指令时,处理器220和/或模块可以被配置以执行过程500。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程500可以利用未描述的一个或以上附加操作和/或不通过在此讨论的一个或以上操作来完成。另外,如图5所示和下面描述的过程操作的顺序不是限制性的。
在510中,处理设备122(例如,指定模块410)(例如,处理器220的处理电路)可以在二维平面上指定至少两个网格。
二维平面可以对应于物体(例如,车辆110)的预设范围(也称为预设的地理区域),点云数据可以在此范围内捕获。如本文所使用的,预设范围可以是自动驾驶系统100的默认设置,或者可以在不同情况下是可调节的。例如,预设范围可以取决于(或部分地取决于)传感器设备(例如,激光雷达设备)的扫描范围。
在一些实施例中,二维平面可以对应于与预设范围相关的地图。在一些实施例中,地图可以是呈现与地理区域相关的驾驶辅助信息的地图,例如道路网络的表示,例如道路、交叉路口、交通信号、车道规则等。如上所述,地理区域的范围可以与捕获点云数据的预设范围相同或者更大。地理区域的形状可以是三角形、矩形、正方形、六边形、圆形等。例如,地理区域的形状可以是尺寸为M米×N米的矩形,其中M和N可以是正数(例如,5、10、20、50、100、500)。在一些实施例中,地图可以是三维(3D)地图、二维(2D)地图、四维(4D)地图等。
在一些实施例中,地图可以是包含厘米级精度或毫米级精度信息的高精度地图。在一些实施例中,可以在线或离线生成高精度地图。例如,可以基于由安装在测试车辆(其用于执行测量行程)上的至少两个检测单元(例如,图1中描述的检测单元)捕获的数据(例如,点云数据),离线生成高精度地图。当测试车辆沿着道路移动时,至少两个检测单元可以生成与测试车辆的周围环境相关的点云数据。进一步地,处理设备(例如,处理设备122)可以基于点云数据生成对应于不同地理区域的至少两个高精度地图,并且将至少两个高精度地图存储在自动驾驶系统100的存储设备(例如,存储设备140)中。相应地,处理设备122可以访问存储设备,并基于物体的估计位置检索相应的高精度地图。
在一些实施例中,地图可以是三维地图,其可以在包括X轴、Y轴和Z轴的三维直角坐标系中表示。在这种情况下,二维平面可以是对应于三维地图的地理区域的X-Y平面。
在一些实施例中,二维平面上的至少两个网格可以被视为与物体(例如,车辆110)一起移动的坐标系或参考系。在一些实施例中,至少两个网格中的每一个可以对应于一个序列号。例如,至少两个网格可以是256×256网格,具有至少两个序列号1、2、3等。在一些实施例中,至少两个网格中的每一个的形状可包括四边形、六边形、不规则多边形等或其任意组合。在一些实施例中,网格的尺寸可以是自动驾驶系统100的默认设置(例如,经验值(例如,20厘米×20厘米)),或者可以在不同情况下是可调节的。在一些实施例中,处理设备122可以根据geohash算法,基于经度和纬度信息指定至少两个网格。根据geohash算法,至少两个网格中的每一个对应于一个字符串(也被称为“geohash值”)。关于至少两个网格的更多描述可以在本申请的其他地方找到(例如,图6及其描述)。
在520中,对于至少两个网格中的每一个,处理设备122(例如,第一获取模块420)(例如,处理器220的接口电路)可以获取第一时刻的对应于该网格的第一点云数据。
如本文所使用的,点云数据可以包括与物体(例如,车辆110)预设范围内的一个或以上目标相关的一组数据点。一个或以上目标可包括车辆、行人、建筑物、障碍物等或其任意组合。点云数据的数据点可以对应于物体的估计位置周围的空间中的目标的物理点或区域。
在一些实施例中,如结合图1所述,传感器设备(例如,激光雷达设备)可以发射激光脉冲以扫描物体的周围环境。激光脉冲可以被周围环境中的物理点反射,并返回到传感器设备。传感器设备可以基于返回激光脉冲的一个或以上特征生成表示周围环境的点云数据。在获取点云数据期间,传感器设备可以在扫描角度范围(例如,360度、180度、120度)中旋转,并且以特定扫描频率(例如,10赫兹、15赫兹、20赫兹)扫描周围环境。
在一些实施例中,点云数据可以包括物理点的至少一个特征的至少一个特征值。物理点的示例性特征可以包括物理点的位置(例如,地理位置、相对于传感器设备的相对位置)、物理点的强度(例如,从传感器设备发射并由物理点反射的激光脉冲的返回强度)、物理点的分类(例如,类型)、与物理点相关的扫描方向(例如,当检测到相应数据点时传感器设备的扫描镜指向的方向)等或其任意组合。
在一些实施例中,当物体(例如,车辆110)停止或沿着道路行进时,可以根据时间段(也被称为“捕捉时间间隔”)(例如,10毫秒、100毫秒、1秒、2秒)捕获点云数据。如上所述,至少两个网格与物体(例如,车辆110)一起移动,因此,以特定网格为例,对应于该特定网格的第一点云数据可以是在第一时刻捕获并投影在该特定网格中的点云数据。
在一些实施例中,第一点云数据可以包括与物体(例如,车辆110)预设范围内的环境信息相关的点云数据。物体预设范围内的环境信息可以包括道路信息(例如,道路边界、车道线、人行道)、高度信息(例如,道路高度)、静态目标信息(例如,与静态建筑物相关的信息、与静态障碍物相关的信息)等或其任意组合。例如,第一点云数据可以包括与第一时刻时物体正在沿其移动的道路相关的点云数据。又例如,第一点云数据可以包括与第一时刻时位于物体预设范围内的静态建筑物或静态障碍物相关的点云数据。
在530中,处理设备122(例如,第一确定模块430)(例如,处理器220的处理电路)可以确定第一点云数据的第一哈希值。处理设备122可以基于哈希算法(也称为“哈希函数”)确定第一点云数据的第一哈希值。
如本文所使用的,哈希算法可以指数学算法,该数学算法可以用于将任意大小的数据(例如,点云数据)映射为固定大小的数据。由哈希算法返回的值被称为哈希值(也称为“哈希码”、“摘要”或“简单哈希”),其可以是由数字和字母组成的字符串。在一些实施例中,哈希算法可以包括消息摘要(MD)算法(例如,MD4、MD5)、安全哈希算法(SHA)(例如,SHA-1、SHA-224、SHA-256、SHA-384、SHA-512)等。
在一些实施例中,处理设备122可以根据哈希算法,基于对应于第一点云数据的物理点的至少一个特征的至少一个特征值,确定第一点云数据的第一哈希值。
在540中,对于至少两个网格中的每一个,处理设备122(例如,第二获取模块440)(例如,处理器220的接口电路)可以获取第二时刻的对应于该网格的第二点云数据。
如结合操作520所述,当物体(例如,车辆110)停止或沿着道路行进时,可以根据时间段捕获点云数据。相应地,第二点云数据可以是在第二时刻捕获并投影在该网格中的点云数据。
在一些实施例中,类似于第一点云数据,第二点云数据可以包括与物体预设范围内的环境信息(例如,车辆110)相关的点云数据。例如,第二点云数据可以包括与第二时刻时物体正在沿其移动的道路相关的点云数据。又例如,第二点云数据可以包括与第二时刻时位于物体预设范围内的静态建筑物或静态障碍物相关的点云数据。
在一些实施例中,第一时刻可以是第二时刻的先前时刻。例如,第一时刻可以是第二时刻的先前相邻时刻。又例如,第一时刻可以是在第二时刻的预设时间范围内的先前时刻。
在550中,处理设备122(例如,第二确定模块450)(例如,处理器220的处理电路)可以确定第二点云数据的第二哈希值。如结合操作530所述,处理设备122可以基于哈希算法确定第二点云数据的第二哈希值。
在某些情况下,如上所述,由于物体预设范围内的环境信息是静态的,并且随时间保持不变,因此在第二时刻捕获的点云数据可能与在第一时刻(其为第二时刻的先前时刻)捕获的点云数据部分相同。以一个特定的网格为例,第二时刻捕获的与该特定网格对应的第二点云数据可能与第一时刻捕获的与该特定网格对应的第一点云数据相同或大致相同(如果从第一时刻到第二时刻,物体没有移动),或者与第一时刻捕获的与另一个网格对应的第一点云数据相同或基本相同(如果从第一时刻到第二时刻,物体向前移动)。因此,对于第二时刻的特定网格,如果存在第一时刻捕获的第一点云数据与第二时刻捕获的与该特定网格对应的第二点云数据相同或基本相同,则不需要处理第二点云数据,并且可以检索与第二点云数据相关的先前处理结果(例如,第一点云数据的处理结果),从而提高处理效率。
在一些实施例中,为了确定是否存在第一时刻捕获的第一点云数据与第二时刻捕获的与特定网格对应的第二点云数据相同或基本相同,处理设备122可以将第二点云数据的第二哈希值与第一时刻的对应于至少两个网格的第一点云数据的至少两个第一哈希值匹配。例如,处理设备122可以确定第二哈希值和至少两个第一哈希值之间的至少两个相似度,并将至少两个相似度与相似度阈值进行比较。相似度阈值可以是自动驾驶系统100的默认设置,或者可以在不同情况下是可调节的。
在560中,响应于确定对应于至少两个网格的第一点云数据的至少两个第一哈希值的一个与第二哈希值匹配,处理设备122(例如,处理模块460)(例如,处理器220的处理电路)可以阻止进一步处理第二点云数据。
例如,响应于确定至少两个相似度中的一个高于相似度阈值,处理设备122可以确定对应的第一哈希值与第二哈希值匹配。进一步地,处理设备122可以阻止进一步处理第二点云数据,并从缓存中检索与第二点云数据相关的先前处理结果(例如,其第一哈希值与第二哈希值匹配的第一点云数据的处理结果),这可以提高点云数据的处理效率。如本文所使用的,缓存可以是处理设备122或存储设备140中的组件。在一些实施例中,缓存可以包括硬件缓存(例如,中央处理单元(CPU)缓存、图形处理单元(GPU)缓存)、软件缓存(例如,磁盘缓存、Web缓存)、数据库缓存、分布式缓存等。
在一些实施例中,与至少两个先前时刻相关的至少两个先前处理结果可以存储在缓存中,并且至少两个先前处理结果中的每一个对应于特定时刻的特定网格。在某些情况下,随着时间的推移,可能不再需要缓存中的一些处理结果。因此,可以根据预设的时间间隔(例如,点云数据的捕获时间间隔、由用户定义的时间间隔)动态地释放缓存。关于缓存的动态释放的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。在一些实施例中,至少两个先前处理结果可以存储在存储设备140中,相应地,处理设备122可以从存储设备140检索先前处理结果。
在一些实施例中,响应于确定没有第一哈希值与第二哈希值匹配(例如,至少两个相似度都小于或等于相似阈值),处理设备122(例如,处理模块460)(例如,处理器220的处理电路)可以处理第二点云数据。例如,处理设备122可以提取第二点云数据的至少一个特征(例如,数据点的密度),并基于该至少一个特征确定环境参数(例如,道路高度)。进一步地,处理设备122可以将第二点云数据的处理结果存储到缓存中,其可以被视为下一时刻的“先前处理结果”。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
例如,可以在过程500中的其他地方添加一个或以上其他可选操作(例如,存储操作)。在存储操作中,处理设备122可以将与自动驾驶相关的信息和/或数据(例如,至少两个网格、第一点云数据、对应于至少两个网格的第一哈希值、第二点云数据、对应于至少两个网格的第二哈希值、第二点云数据的处理结果)存储在本申请中其他地方披露的存储设备(例如,存储设备140)中。又例如,操作520和操作530可以组合成单个操作,其中处理设备122可以获取第一时刻的对应于网格的第一点云数据,并确定第一点云数据的第一哈希值。再例如,操作540和操作550可以组合成单个操作,其中处理设备122可以获取第二时刻的对应于网格的第二点云数据,并确定第二点云数据的第二哈希值。作为又一示例,处理设备122可以经由网络150从存储设备140或终端设备130接收第一点云数据和第二点云数据。作为又一示例,处理设备122可以经由网络150从存储设备140获取至少两个网格。
图6-A和图6-B是根据本申请的一些实施例所示的二维平面上的示例性网格的示意图。如结合操作510所述,处理设备122可以在对应于物体(例如,车辆110)预设范围的二维平面(例如,600)上指定至少两个网格。
如图6-A所示,至少两个网格的形状是正方形。如图6-B所示,至少两个网格的形状是六边形。如本申请中其他地方所述,至少两个网格可被视为与车辆110一起移动的坐标系,其以车辆110的中心位置为原点。需要注意的是,图6-A或图6-B中所示的至少两个网格是为了说明的目的而提供,而不是限制性的。至少两个网格的形状可以是任何其他形状,例如,矩形、菱形、星形、三角形、不规则多边形等。至少两个网格的形状可以彼此相同或不同。至少两个网格的尺寸和/或至少两个网格的数量可以是自动驾驶系统100的默认设置,或者可以在不同情况下是可调节的。
图7是根据本申请的一些实施例所示的用于匹配不同时刻捕获的对应于网格的点云数据的示例性过程的示意图。如结合图5所述,处理设备122可以在二维平面上指定至少两个网格,并且至少两个网格可以与车辆110一起移动。
如图7所示,车辆110在时刻T0行驶至位置P0、在时刻T1行驶至位置P1、在时刻T2行驶至位置P2,其中时刻T0是时刻T1的先前相邻时刻,时刻T1是时刻T2的先前相邻时刻(为简洁起见,三个时刻的至少两个网格分别在不同的页面区域示出,实际上,车辆110几乎沿直线行进,三个时刻的至少两个网格彼此部分重叠)。
如本申请中其他地方所述,当车辆110在特定时刻(例如,T2)行驶至特定位置(例如,P2)时,对于至少两个网格中的每一个,处理设备122可以获取对应于网格的点云数据(可以称为“目标点云数据”(例如,第二点云数据)),并确定点云数据的哈希值(可以称为“目标哈希值”(例如,第二哈希值))。进一步地,处理设备122可以将目标哈希值与在先前时刻捕获的先前点云数据的先前哈希值(例如,在时刻T1捕获的第一点云数据的第一哈希值、在时刻T0捕获的点云数据的哈希值)匹配。响应于确定存在与目标哈希值匹配的先前哈希值,处理设备122可以阻止进一步处理对应于该网格的目标点云数据,并从缓存中检索先前处理结果。响应于确定没有先前哈希值与目标哈希值匹配,处理设备122可以处理与该网格对应的目标点云数据,并将相应的处理结果存储在缓存中。
例如,对于框710中的网格,处理设备122可以确定在时刻T1捕获的对应于方框710’中的网格的点云数据的哈希值以及在时刻T0捕获的对应于方框710”中的网格的的点云数据的哈希值与在时刻T2捕获的目标点云数据的目标哈希值匹配。进一步地,处理设备122可以阻止进一步处理在时刻T2捕获的对应于框710中的网格的目标点云数据,并从缓存中检索先前处理结果(例如,在时刻T0捕获的对应于框710”中的网格的点云数据的处理结果,也就是说,对于车辆110预设范围内的特定区域,相应的点云数据仅被处理一次,并且可以在后续处理中检索处理结果)。对于框720中的网格,处理设备122可以确定在时刻T1捕获的对应于框720’中的网格的点云数据的哈希值与在时刻T2捕获的目标点云数据的目标哈希值匹配,进一步地,处理设备122可阻止进一步处理在时刻T2捕获的对应于框720中的网格的目标点云数据,并从缓存中检索先前处理结果(例如,在时刻T1捕获的对应于框720’中的网格的点云数据的处理结果)。进一步地,对于框730中的网格,处理设备122可以确定没有先前哈希值与在时刻T2捕获的目标点云数据的目标哈希值匹配,因此,处理设备122可以处理对应于框730中的网格的目标点云数据,并将相应的处理结果存储在缓存中以供进一步使用。
图8是根据本申请的一些实施例所示的缓存的示例性动态释放的示意图。
如结合图7所述,车辆110在时刻T0行驶至位置P0、在时刻T1行驶至位置P1、在时刻T2行驶至位置P2,其中时刻T0是时刻T1的先前相邻时刻,时刻T1是时刻T2的先前相邻时刻。在不同时刻捕获的点云数据的处理结果可以存储在缓存中。随着时间推移,在后续过程中可能不再需要缓存中的一些处理结果。因此,为了提高处理效率并节省处理资源,可以根据预设的时间间隔动态地释放缓存。
如图8所示,在时刻T1,对于在时刻T0捕获的对应于框810中的网格的点云数据的处理结果,在后续处理中可能不再需要,可以释放这些处理结果。在时刻T2,对于在时刻T0捕获的对应于方框820中网格的点云数据(其对应于在时刻T1捕获的对应于框820’中网格的点云数据)的处理结果,在后续处理中可能不再需要,可以释放这些处理结果。可以看出,可以根据点云数据的捕获时间间隔动态地释放缓存。在一些实施例中,可以根据预设的时间间隔(例如,时刻Tx和时刻Ty之间的时间间隔,其中Tx是Ty的先前时刻)释放缓存,在该时间间隔下,在时刻Ty,所有与Tx相关的处理结果以及与Tx之前时刻相关的处理结果均不再需要。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写,包括面向目标编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描目标物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (35)
1.一种用于自动驾驶的系统,其特征在于,包括:
存储介质,存储一组指令;以及
处理器,通信地耦合到所述存储介质,以执行所述组指令以:
在二维平面上指定至少两个网格;
对于所述至少两个网格中的每一个,
获取第一时刻的对应于所述网格的第一点云数据;
确定所述第一点云数据的第一哈希值;
获取第二时刻的对应于所述网格的第二点云数据;
确定所述第二点云数据的第二哈希值;以及
响应于确定对应于所述至少两个网格的第一点云数据的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
2.根据权利要求1所述的系统,其特征在于,所述第一时刻是所述第二时刻的先前时刻。
3.根据权利要求1或2所述的系统,其特征在于,所述处理器进一步:
从缓存中检索与所述第二点云数据相关的先前处理结果。
4.根据权利要求3所述的系统,其特征在于,与所述第二点云数据相关的所述先前处理结果包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
5.根据权利要求3或4所述的系统,其特征在于,所述处理器进一步:
响应于确定没有第一哈希值与所述第二哈希值匹配,处理所述第二点云数据。
6.根据权利要求5所述的系统,其特征在于,所述处理器进一步:
将所述第二点云数据的处理结果存储至所述缓存中。
7.根据权利要求3-6中任一项所述的系统,其特征在于,根据预设的时间间隔动态地释放所述缓存。
8.根据权利要求1-7中任一项所述的系统,其特征在于,所述第一点云数据或所述第二点云数据包括与车辆预设范围内的环境信息相关的点云数据。
9.根据权利要求8所述的系统,其特征在于,所述车辆预设范围内的所述环境信息包括道路信息、高度信息或静态目标信息。
10.根据权利要求1-9中任一项所述的系统,其特征在于,所述第一点云数据或所述第二点云数据由传感器设备获得,所述传感器设备包括激光雷达设备。
11.根据权利要求1-10中任一项所述的系统,其特征在于,所述至少两个网格的形状包括四边形、六边形或不规则多边形中的至少一个。
12.一种在计算设备上实现的方法,其特征在于,包括至少一个处理器、至少一个存储介质以及连接到网络的通信平台,所述方法包括:
在二维平面上指定至少两个网格;
对于所述至少两个网格中的每一个,
获取第一时刻的对应于所述网格的第一点云数据;
确定所述第一点云数据的第一哈希值;
获取第二时刻的对应于所述网格的第二点云数据;
确定所述第二点云数据的第二哈希值;以及
响应于确定对应于所述至少两个网格的第一点云数据的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
13.根据权利要求12所述的方法,其特征在于,所述第一时刻是所述第二时刻的先前时刻。
14.根据权利要求12或13所述的方法,其特征在于,所述方法还包括:
从缓存中检索与所述第二点云数据相关的先前处理结果。
15.根据权利要求14所述的方法,其特征在于,与所述第二点云数据相关的所述先前处理结果包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
16.根据权利要求14或15所述的方法,其特征在于,所述方法还包括:
响应于确定没有第一哈希值与所述第二哈希值匹配,处理所述第二点云数据。
17.根据权利要求16所述的方法,其特征在于,所述方法还包括:
将所述第二点云数据的处理结果存储至所述缓存中。
18.根据权利要求14-17中任一项所述的方法,其特征在于,根据预设的时间间隔动态地释放所述缓存。
19.根据权利要求12-18中任一项所述的方法,其特征在于,所述第一点云数据或所述第二点云数据包括与车辆预设范围内的环境信息相关的点云数据。
20.根据权利要求19所述的方法,其特征在于,所述车辆预设范围内的所述环境信息包括道路信息、高度信息或静态目标信息。
21.根据权利要求12-20中任一项所述的方法,其特征在于,所述第一点云数据或所述第二点云数据由传感器设备获得,所述传感器设备包括激光雷达设备。
22.根据权利要求12-21中任一项所述的方法,其特征在于,所述至少两个网格的形状包括四边形、六边形或不规则多边形中的至少一个。
23.一种配置为自动驾驶的车辆,其特征在于,包括:
检测组件、规划组件和控制组件,其中所述规划组件被配置为:
在二维平面上指定至少两个网格;
对于所述至少两个网格中的每一个,
获取第一时刻的对应于所述网格的第一点云数据;
确定所述第一点云数据的第一哈希值;
获取第二时刻的对应于所述网格的第二点云数据;
确定所述第二点云数据的第二哈希值;以及
响应于确定对应于所述至少两个网格的第一点云数据的至
少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
24.根据权利要求23所述的车辆,其特征在于,所述第一时刻是所述第二时刻的先前时刻。
25.根据权利要求23或24所述的车辆,其特征在于,所述规划组件还被配置为:
从缓存中检索与所述第二点云数据相关的先前处理结果。
26.根据权利要求25所述的车辆,其特征在于,与所述第二点云数据相关的所述先前处理结果包括其第一哈希值与所述第二哈希值匹配的第一点云数据的处理结果。
27.根据权利要求25或26所述的车辆,其特征在于,所述规划组件还被配置为:
响应于确定没有第一哈希值与所述第二哈希值匹配,处理所述第二点云数据。
28.根据权利要求27所述的车辆,其特征在于,所述规划组件还被配置为:
将所述第二点云数据的处理结果存储至所述缓存中。
29.根据权利要求25-28中任一项所述的车辆,其特征在于,根据预设的时间间隔动态地释放所述缓存。
30.根据权利要求23-29中任一项所述的车辆,其特征在于,所述第一点云数据或所述第二点云数据包括与车辆的预设范围内的环境信息相关的点云数据。
31.根据权利要求30所述的车辆,其特征在于,所述车辆预设范围内的所述环境信息包括道路信息、高度信息或静态目标信息。
32.根据权利要求23-31中任一项所述的车辆,其特征在于,所述第一点云数据或所述第二点云数据由所述检测组件获得,所述检测组件包括激光雷达设备。
33.根据权利要求23-32中任一项所述的车辆,其特征在于,所述至少两个网格的形状包括四边形、六边形或不规则多边形中的至少一种。
34.一种自动驾驶系统,其特征在于,包括:
指定模块,被配置为在二维地平面上指定至少两个网格;
第一获取模块,被配置为获取第一时刻的对应于所述至少两个网格中的每一个的第一点云数据;
第一确定模块,被配置为确定所述第一点云数据的第一哈希值;
第二获取模块,被配置为获取第二时刻的对应于所述至少两个网格的每一个的第二点云数据;
第二确定模块,被配置为确定所述第二点云数据的第二哈希值;以及
处理模块,被配置为响应于确定对应于所述至少两个网格的第一点云数据中的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
35.一种非暂时性计算机可读介质,其特征在于,包括可执行指令,当由至少一个处理器执行时,指示所述至少一个处理器执行方法,所述方法包括:
在二维地平面上指定至少两个网格;
对于所述至少两个网格中的每一个,
获取第一时刻的对应于所述网格的第一点云数据;
确定所述第一点云数据的第一哈希值;
获取第二时刻的对应于所述网格的第二点云数据;
确定所述第二点云数据的第二哈希值;以及
响应于确定对应于所述至少两个网格的第一点云数据中的至少两个第一哈希值中的一个与所述第二哈希值匹配,阻止进一步处理所述第二点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311304821.XA CN117163049A (zh) | 2019-10-23 | 2019-10-23 | 用于自动驾驶的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/112648 WO2021077313A1 (en) | 2019-10-23 | 2019-10-23 | Systems and methods for autonomous driving |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311304821.XA Division CN117163049A (zh) | 2019-10-23 | 2019-10-23 | 用于自动驾驶的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112041210A true CN112041210A (zh) | 2020-12-04 |
CN112041210B CN112041210B (zh) | 2023-10-31 |
Family
ID=73575915
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980002063.1A Active CN112041210B (zh) | 2019-10-23 | 2019-10-23 | 用于自动驾驶的系统和方法 |
CN202311304821.XA Pending CN117163049A (zh) | 2019-10-23 | 2019-10-23 | 用于自动驾驶的系统和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311304821.XA Pending CN117163049A (zh) | 2019-10-23 | 2019-10-23 | 用于自动驾驶的系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN112041210B (zh) |
WO (1) | WO2021077313A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113879338A (zh) * | 2021-11-24 | 2022-01-04 | 广州文远知行科技有限公司 | 一种行驶规划模块优化方法、装置、设备和介质 |
CN114500872A (zh) * | 2021-12-30 | 2022-05-13 | 浙江大华技术股份有限公司 | 摄像机与道路信息的匹配方法、计算机设备和存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115391422B (zh) * | 2022-08-22 | 2023-05-26 | 禾多科技(北京)有限公司 | 车辆感知信息生成方法、装置、设备、介质和程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103765849A (zh) * | 2011-07-18 | 2014-04-30 | 微软公司 | 使用哈希函数来分发网络标识 |
US20150160035A1 (en) * | 2013-12-09 | 2015-06-11 | Nec Europe Ltd. | Method and computer system for detecting crowds in a location tracking system |
US20160239518A1 (en) * | 2015-02-12 | 2016-08-18 | Nokia Technologies Oy | Method, a system, an apparatus and a computer program product for image-based retrieval |
CN107247761A (zh) * | 2017-06-01 | 2017-10-13 | 武汉理工大学 | 基于位图的轨迹编码方法 |
CN110334091A (zh) * | 2019-05-09 | 2019-10-15 | 重庆天蓬网络有限公司 | 一种数据分片分布式处理方法、系统、介质和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559209B (zh) * | 2013-10-10 | 2016-08-17 | 河南大学 | 一种Voronoi Diagram与虚拟网格结合的高效空间最近邻查询方法 |
CN103970852A (zh) * | 2014-05-06 | 2014-08-06 | 浪潮电子信息产业股份有限公司 | 一种备份服务器的数据重删方法 |
US10002372B2 (en) * | 2015-09-15 | 2018-06-19 | Sap Se | Duplicate check based on generated hash value |
CN107291842B (zh) * | 2017-06-01 | 2021-11-19 | 武汉理工大学 | 基于轨迹编码的轨迹查询方法 |
CN109145225B (zh) * | 2017-06-27 | 2022-02-08 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及装置 |
CN109992633B (zh) * | 2019-02-20 | 2020-08-07 | 北京三快在线科技有限公司 | 基于用户位置的地理围栏确定方法、装置、电子设备 |
CN109974716B (zh) * | 2019-02-27 | 2021-04-06 | 上海晶赞融宣科技有限公司 | 地理位置匹配方法及装置、存储介质、服务器 |
-
2019
- 2019-10-23 CN CN201980002063.1A patent/CN112041210B/zh active Active
- 2019-10-23 WO PCT/CN2019/112648 patent/WO2021077313A1/en active Application Filing
- 2019-10-23 CN CN202311304821.XA patent/CN117163049A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103765849A (zh) * | 2011-07-18 | 2014-04-30 | 微软公司 | 使用哈希函数来分发网络标识 |
US20150160035A1 (en) * | 2013-12-09 | 2015-06-11 | Nec Europe Ltd. | Method and computer system for detecting crowds in a location tracking system |
US20160239518A1 (en) * | 2015-02-12 | 2016-08-18 | Nokia Technologies Oy | Method, a system, an apparatus and a computer program product for image-based retrieval |
CN107247761A (zh) * | 2017-06-01 | 2017-10-13 | 武汉理工大学 | 基于位图的轨迹编码方法 |
CN110334091A (zh) * | 2019-05-09 | 2019-10-15 | 重庆天蓬网络有限公司 | 一种数据分片分布式处理方法、系统、介质和电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113879338A (zh) * | 2021-11-24 | 2022-01-04 | 广州文远知行科技有限公司 | 一种行驶规划模块优化方法、装置、设备和介质 |
CN113879338B (zh) * | 2021-11-24 | 2023-02-17 | 广州文远知行科技有限公司 | 一种行驶规划模块优化方法、装置、设备和介质 |
CN114500872A (zh) * | 2021-12-30 | 2022-05-13 | 浙江大华技术股份有限公司 | 摄像机与道路信息的匹配方法、计算机设备和存储介质 |
CN114500872B (zh) * | 2021-12-30 | 2024-06-07 | 浙江大华技术股份有限公司 | 摄像机与道路信息的匹配方法、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021077313A1 (en) | 2021-04-29 |
CN117163049A (zh) | 2023-12-05 |
CN112041210B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021056128A1 (en) | Systems and methods for calibrating an inertial measurement unit and a camera | |
CN111936821A (zh) | 用于定位的系统和方法 | |
CN112041210B (zh) | 用于自动驾驶的系统和方法 | |
US10698408B2 (en) | Distributed sensing for vehicle navigation | |
CN112823294B (zh) | 用于标定相机和多线激光雷达的系统和方法 | |
US20190219699A1 (en) | Vehicle pose system | |
US11657572B2 (en) | Systems and methods for map generation based on ray-casting and semantic class images | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN112889041A (zh) | 一种确定二维地图的系统和方法 | |
WO2021077315A1 (en) | Systems and methods for autonomous driving | |
US20200191972A1 (en) | SYSTEM AND METHOD FOR DETERMINING OPTIMAL LiDAR PLACEMENT ON AUTONOMOUS VEHICLES | |
US11430218B2 (en) | Using a bird's eye view feature map, augmented with semantic information, to detect an object in an environment | |
CN111854748B (zh) | 一种定位系统和方法 | |
WO2021212297A1 (en) | Systems and methods for distance measurement | |
US11940279B2 (en) | Systems and methods for positioning | |
WO2021012245A1 (en) | Systems and methods for pose determination | |
CN112384756A (zh) | 定位系统和方法 | |
CN112400122A (zh) | 定位目标对象的系统和方法 | |
CN112840232B (zh) | 用于标定相机和激光雷达的系统和方法 | |
CN112805534B (zh) | 定位目标对象的系统和方法 | |
US11698270B2 (en) | Method, system, and computer program product for iterative warping of maps for autonomous vehicles and simulators | |
CN113557548A (zh) | 生成位姿图的系统和方法 | |
US20210172745A1 (en) | Map coordinate distortion compensation | |
CN117002527A (zh) | 车辆控制的方法、装置、车辆及存储介质 | |
CN117387644A (zh) | 定位方法、装置、电子设备、存储介质及程序产品 |
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 |