CN112816974A - 基于图形的用于整体融合测量数据的方法 - Google Patents
基于图形的用于整体融合测量数据的方法 Download PDFInfo
- Publication number
- CN112816974A CN112816974A CN202011278975.2A CN202011278975A CN112816974A CN 112816974 A CN112816974 A CN 112816974A CN 202011278975 A CN202011278975 A CN 202011278975A CN 112816974 A CN112816974 A CN 112816974A
- Authority
- CN
- China
- Prior art keywords
- mobile unit
- data
- state data
- received
- measurement 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 title claims description 69
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000004927 fusion Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000004807 localization Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/22—Platooning, i.e. convoy of communicating vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/25—Data precision
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/35—Data fusion
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
公开用于融合状态数据的方法,其中,接收第一移动单元和至少一个对象的状态数据;通过通信连接接收第二移动单元的传感装置求取的至少一个对象的状态数据和/或至少一个第二移动单元的状态数据;为至少一个第一移动单元、至少一个第二移动单元和对象的每个接收状态数据集在时间位置图中创建节点;对第一移动单元求取的和/或第二移动单元求取的状态数据执行数据优化;由经优化的、第一移动单元求取的和第二移动单元接收的状态数据创建优化问题;通过求解算法解决优化问题,并且求取第一移动单元的状态数据且以提高的准确性求取第一移动单元的传感装置求取的至少一个对象的状态数据。公开用于冗余执行定位的方法、控制设备、计算机程序及存储介质。
Description
技术领域
本发明涉及一种用于融合状态数据的方法、一种用于冗余地执行定位的方法、一种控制设备、一种计算机程序以及一种机器可读的存储介质。
背景技术
如果不仅借助所接收的数据扩展自身的周围环境感知,而且在自身的行为规划和操作规划中考虑所接收的关于其他车辆的规划的和期望的行为的信息,则能够改善可自动化运行的车辆和驾驶员辅助系统。
已知集体感知的构思,该集体感知的构思彼此之间交换警告消息或者说所谓的“合作意识消息(Cooperative Awareness Messages)”并且提高交通安全性。
此外,已知所谓的“合作感知消息(Cooperative Perception Messages)”,该合作感知消息扩展周围环境感知,并且除了进行发送的车辆的定位信息和运动信息以外,还传递由该车辆感知到的对象的列表。相应的消息通过V2X通信连接在重要相关的交通参与者之间交换。对于合作感知消息的交换需要车辆的高度准确的定位,从而接收车辆能够实现其周围环境模型的精准扩展。然而,现有的周围环境模型的准确性保持不变。
为了实施自动化的行驶,相应的彼此之间进行通信的车辆尤其依赖车辆侧的周围环境传感装置以执行定位。在车辆侧的周围环境传感装置失灵或退化时,不再能够保持自动化驾驶模式。
发明内容
本发明所基于的任务可以视为提出一种用于改善定位功能的准确性和可用性的方法。
该任务借助本发明的相应技术方案来解决。本发明的有利构型是各个扩展技术方案。
根据本发明的一个方面,提供一种用于通过控制设备来融合状态数据的方法。
在一个步骤中,接收第一移动单元的状态数据和通过第一移动单元的传感装置所求取的至少一个对象的状态数据。
通过通信连接接收从至少一个第二移动单元传递给第一移动单元的以下状态数据:来自通过第二移动单元的传感装置所求取的至少一个对象的状态数据和/或至少一个第二移动单元的状态数据。在此,至少一个对象可以是静止的或者说静态的或动态的对象。例如,对象可以是交通参与者,例如车辆、摩托车、骑自行车的人等。
在另一步骤中,针对至少一个第一移动单元、至少一个第二移动单元和对象的所接收的状态数据的每个集(Satz)在时间位置图中创建节点。相应的对象特定或车辆特定的、时间上彼此不同的节点能够相互连接。
在另一步骤中,对通过第一移动单元求取的状态数据和/或由第二移动单元求取的状态数据执行数据优化。
由经优化的、通过第一移动单元求取的状态数据和经优化的、由第二移动单元接收的状态数据创建优化问题。该优化问题通过求解算法来解决。例如能够使用所谓的预条件共轭梯度求解器(Preconditioned Conjugate Gradient Solver)、稀疏直接线性求解器(Sparse Direct Linear Solver)等作为求解算法。
接着,在另一步骤中,求取第一移动单元的状态数据并且以相对于第一移动单元的状态数据提高的准确性求取通过第一移动单元的传感装置所求取的至少一个对象的状态数据。为此,可以从通过数据优化所优化的数据或节点中提出并解决优化问题。
根据本发明的另一方面,提供一种控制设备,其中,该控制设备设置为用于实施该方法。该控制设备例如可以是车辆外部的控制设备或车辆外部的服务器单元,例如云系统。
此外,根据本发明的一个方面,提供一种计算机程序,该计算机程序包括指令,在通过计算机或控制设备实施该计算机程序时,该指令促使该计算机或控制设备实施根据本发明的方法。根据本发明的另一方面,提供一种机器可读的存储介质,在该机器可读的存储介质上存储有根据本发明的计算机程序。
在此,根据BASt(德国联邦交通研究所)标准,至少一个第一移动单元和至少一个第二移动单元能够辅助性地、部分自动化地、高度自动化地和/或全自动化地或者说无人驾驶地运行。
控制设备可以布置在至少一个移动单元中。例如,移动单元可以构型为车辆、机器人、无人机、水运工具、轨道车辆、机器人出租车、工业机器人、商用车、公共汽车、飞机、直升机等。
根据该方法的构型,第一移动单元可以充当状态信息的接收器和/或发送器。替代地或附加地,第二移动单元可以充当状态信息的接收器和/或发送器。在此,移动单元可以同时构型为接收器和发送器。
在此,状态数据可以具有定位的数据,例如地点、速度、加速度、行驶方向、相对距离和间距、所测量的尺寸等。
通过该方法能够执行车载数据与所接收的数据的融合,以便对由车载数据所得的定位进行优化。在此,车载数据是第一移动单元通过其传感装置本身求取的状态数据,并且车载数据可以包含关于第一移动单元的周围环境中的对象的数据。
所接收的数据是通过通信连接由第一移动单元或者说布置在第一移动单元中的控制设备所接收的所有状态数据,这些状态数据由至少一个第二移动单元求取。
通过该方法如此执行状态数据的融合,使得借助通过通信连接所接收的数据来进行第一移动单元的状态估计的改善,并且实现第一移动单元的重要相关的周围环境中的对象或移动单元的高度准确的相对定位。
因此,该方法例如能够在融合算法的范畴内用于创建针对车辆或运动对象的周围环境模型,该周围环境模型能够融合定位数据或者说状态数据以及关于来自车载传感装置的所感知的对象的数据以及来自合作意识消息和合作感知消息的数据。通过该方法尤其能够实现以下:实现整体融合以改善第一移动单元的自我定位或自我状态的估计,以及实现在第一移动单元的周围环境模型中求取的对象的准确的相对定位。
根据一种实施例,通过迭代地最小化通过第一移动单元的传感装置所求取的对象的位置与通过第二移动单元的传感装置所求取的对象的位置之间的累积间距来执行数据优化。由此能够提供所接收的状态数据的数据关联,与已知方法相反,该数据关联不是单独地考虑测量,而是评估整个场景或交通状况并且基于所有对象进行注册,并且因此解决关联问题。在此,解决歧义,但是,这些歧义只有当考虑每个单独的对象时才会出现。为了能够使得这种歧义完全不会出现,通过所谓的类似ICP(Iterative Closest Point,迭代最近点)的方法,将通过第一移动单元感知的对象的车载测量和由第二移动单元传递的对象测量与在第一移动单元的周围环境模型中所保持的对象进行关联。
根据另一实施方式,由第一移动单元的所接收的状态数据和第二移动单元的所接收的状态数据求取第一移动单元的自身位置、第二移动单元的自身位置、至少一个对象的位置和/或第一移动单元、第二移动单元与至少一个对象之间的相对间距信息,其中,由第一移动单元的所接收的状态数据和第二移动单元的所接收的状态数据在周围环境模型内创建第一移动单元的自身位置。由此能够以提高的准确性在周围环境模型内创建第一移动单元的自身位置。通过所接收的状态数据的数据优化来进行自身位置的准确性的优化,所接收的状态数据接着用作对第一移动单元自身位置进行重新的且更精准的计算的基础。
根据另一实施例,去除以下所接收的状态数据:该状态数据具有静态或动态可调节阈值之上的时效或时间戳。由此能够在每个新的测量中从当前时间位置图中去除早于确定的阈值的所有节点。阈值是能够根据可用的计算能力和对象的数量来选择的参数。阈值不一定是恒定的,而是可以不时地改变。
根据另一实施方式,在接收到状态数据之后,以规律的时间间隔或在需要时通过控制设备发起,由输入(eintragen)在时间位置图中的、通过数据优化所优化的节点提出并解决优化问题。通过这些措施,并非强制性地需要在每个新的测量中都必须解决优化问题。尽管时间位置图能够借助每个测量来进行扩展,但是仅在必要时才进行解决,例如在执行状况分析或方法的控制设备的采样时刻。
此外,由此能够延迟地处理将到达的或所接收到的状态数据。这无需技术上的附加开销即可实现,其方式为:在相应的时刻将节点插入到图形或者说时间位置图中,并且通过现有节点与新节点之间的连接来扩展图形。并非强制性地需要立即(ohne weiteres)去除早于阈值的节点或者说所求取的状态数据。而是能够将至今所计算的值作为先验信息来影响优化问题。
根据本发明的另一方面,提供一种用于通过控制设备冗余地执行定位的方法。在一个步骤中,接收通过至少一个第一移动单元的传感装置所求取的、来自第一移动单元的周围环境中的至少一个第二移动单元的测量数据。由所接收的测量数据求取第二移动单元相对于第一移动单元的相对位置。
在另一步骤中,通过通信连接接收通过至少一个第二移动单元的传感装置所求取的、第一移动单元的测量数据和/或第二移动单元的位置。
接着,基于通过通信连接所接收的测量数据和/或第二移动单元的位置,基于所求取的第二移动单元的相对位置来求取第一移动单元的位置。
通过该方法,移动单元能够彼此交换测量数据,并且在此提高相应的定位功能的整体性能。尤其能够改善定位的准确性,或基于所接收的测量数据冗余地求取自身位置。
至少一个第一移动单元与至少一个第二移动单元之间的通信连接可以构型为例如V2V(车辆到车辆)连接。
通常,能够自动化运行的移动单元能够探测相邻的对象和移动单元,并且能够确定对象或移动单元的相对位置。如果对象或第二移动单元相对于第一移动单元的相对位置是已知的,则可以将第一移动单元和第二移动单元的自行确定的自身位置相互交换,以便提高所计算的自身位置的准确性或实现定位的冗余。
这类方法是有利的,因为即使在传感装置发生故障的情况下,第一移动单元也能够求取自身位置。在此,能够使用第二移动单元的外部求取的自身位置和第一移动单元的已知的自身位置。
通过将通过第一移动单元求取的测量数据与通过通信连接从第二移动单元接收的测量数据进行融合,能够提高所求取的、第一移动单元和/或第二移动单元的自身位置的准确性。
此外,该方法可以在车队(Konvoi)中用于为车队参与者中的一部分配备价格低廉的传感装置并且受益于具有更先进的传感装置的少数车队参与者。由于至车队参与者(该车队参与者求取精准的自身位置)的间距测量就足够,因此能够借助技术上更简单的装置来实现自动化的车队行驶。
该控制设备使得能够实现相邻移动单元的识别以及测量数据的联合交换。优选地,每个移动单元能够基于相应的传感装置来求取自身位置和各个其他移动单元的相对位置。基于相应的自身位置和相对位置,能够将通过通信连接所接收的其他测量数据用于优化准确性。
在该方法的第一构型中,第二移动单元可以确定自身位置并将该自身位置传递给第一移动单元。通过第一移动单元与第二移动单元的间距的知识,第二移动单元的自身位置能够由第一移动单元用于计算自身位置。该变型方案的优点是,使用和传输所求取的自身位置在技术上是简单的。此外,能够最小化通信连接所需的带宽。
该方法的第二构型包含将第二移动单元已经求取的任意测量数据传输至第一移动单元。这作为传输自身位置的替代或附加进行。由此能够传递大量的测量数据,并且能够基于外部求取的测量数据提供特别精准的周围环境感知。
根据另一实施方式,作为通过第一移动单元所计算的位置的替代或附加,由通过通信连接所接收的测量数据和/或第二移动单元的位置来求取第一移动单元的位置。由此能够将所接收的测量数据和/或第二移动单元的位置用作第一移动单元自身的传感装置的冗余。因此能够补偿第一移动单元的传感器故障或传感器的退化。尤其能够由此实现用于提高交通安全性的后备解决方案。
根据另一实施方式,基于通过通信连接所接收的测量数据和/或第二移动单元的位置结合通过第一移动单元的传感装置所求取的测量数据,以提高的准确性计算第一移动单元的位置。通过这些措施,出于提高自身定位的准确性的目的,能够将所接收的外部求取的测量数据与第一移动单元的自行求取的测量数据进行融合。特别地,与第一移动单元的原始状态数据或自行求取的定位数据相比,提高第一移动单元的定位的准确性。
根据另一实施例,通过一种根据本发明的用于融合状态数据的方法,将通过通信连接所接收的测量数据和/或第二移动单元的位置与通过第一单元的传感装置所求取的测量数据进行融合。
附图说明
下面基于大幅简化的示意图进一步阐述本发明的优选实施例。在此示出:
图1示出用于示出根据一种实施方式的用于冗余地执行定位的方法的交通状况的俯视图;
图2示出用于示出用于融合状态数据的方法的时间位置图的示意图;
图3示出具有定位不准确性的周围环境模型的俯视图;
图4示出在执行数据优化之后图3中的周围环境模型的俯视图;
图5示出在数据优化后新计算的周围环境模型的俯视图。
具体实施方式
图1示出用于示出根据一种实施方式的用于冗余地执行定位的方法的交通状况1的俯视图。
交通状况1具有第一移动单元2和第二移动单元4。此外,在第一移动单元2和第二移动单元4的周围环境U中布置有构型为车辆的动态对象6。
第一移动单元2和第二移动单元4构型为机动车,并且能够自动化地运行。为此,第一移动单元2和第二移动单元4分别具有传感装置8、10。传感装置8、10例如可以具有雷达传感器、GNSS传感器、摄像机传感器、LIDAR传感器等。
通过传感装置8、10能够对周围环境U进行采样,并且例如能够探测对象6。此外,移动单元2、4能够相互探测。
在所示出的实施例中,第一移动单元2实施为接收器,第二移动单元4实施为发送器。第二移动单元4尤其能够将通过其传感装置10求取的测量数据通过通信连接K传递给第一移动单元2。所传递的测量数据例如可以具有第二移动单元4的位置和/或相对位置。相对位置例如可以是第二移动单元4与第一移动单元2之间以及第二移动单元4与对象6之间的间距A,通过传感装置10测量该间距。
第一移动单元2能够借助通过通信连接K所接收的第二移动单元4的位置和相对位置A来计算其自身的位置。
为了建立通信连接K,移动单元2、4具有通信单元12、14。通信单元12、14与相应的车辆侧的控制设备16、18数据传导地连接。
第一移动单元2的控制设备16能够接收并分析处理传感装置8的测量数据,并且能够通过通信单元12通过通信连接K发送该测量数据或接收外部求取的测量数据。与此类似,第二移动单元4的控制设备18能够接收并分析处理传感装置10的测量数据。
控制设备16、18能够从传感装置8、10的测量数据中求取特征提取20、自身定位22以及相邻的车辆和对象6。
在此,第一移动单元2也可以构型为发送器,而第二移动单元4可以构型为接收器。此外,可以设置多个第一移动单元2和多个第二移动单元4。
图2示出用于示出用于融合状态数据的方法的时间位置图的示意图。示出第一移动单元2、第二移动单元4和三个对象6、7,它们根据时间t或者说测量的时刻和相对位置A来求取并且输入在图中。每个测量以节点的形式存储在图中,并且与较旧的节点连接。由此构造一个概率图形模型,该模型能够提出为优化问题并且通过求解器来解决。
在时间位置图中,XE K表示在时刻k具有相应状态数据ZE K的第一移动单元2的所求取的位置的节点。XV1-4 K构造在时刻k具有所求取的状态数据ZV1-4 K的跟踪对象4、6的节点,其中,节点XV3 K映射具有通过第二移动单元4所求取的状态数据ZV3 K的第二移动单元4的位置。节点XV2 K由两个移动单元2、4探测或跟踪,并且例如是图1中的动态对象6。
在经典的状态估计或定位中,任务在于,由所给出的传感装置8、10的测量来估计系统状态的变化过程,该系统状态例如是移动单元2、4的位置、定向、速度或加速度。这是必要的,因为一方面测量是不准确的或有噪声的,而另一方面一些状态参量不能够直接观察到并且因此必须推导得出。例如,在没有GPS信号的情况下,移动单元2、4的全球位置必须基于其速度数据和加速度数据来估计。如果移动单元2、4具有用于识别周围环境U中的对象6、7的传感装置8、10,则同样能够随着时间t的推移跟踪这些对象6的状态。此外,对象6、7可能由于缺少探测或传感装置8、10的暂时遮盖而暂时不可见并且因此能够通过跟踪进行补偿。
可以借助递归滤波器(例如扩展卡尔曼滤波器、无味卡尔曼滤波器或粒子滤波器)针对第一移动单元2自身的状态数据来通过跟踪所探测的对象6、7或所谓的推理对状态数据进行估计。在此也可以针对多个对象4、6、7实现多目标跟踪。
对于仅考虑第一移动单元2(E)与所探测的对象7(V1)的简单情况,可以通过以下公式计算概率密度p。
在该局部(lokal)所求取的概率密度p中,移动单元2自身的状态的密度与车辆或对象7的状态的密度无关,但并非反之亦然。在此,不必强制地针对整个时间段或者说t=0...k的观察时间段计算概率密度p。
如果第一移动单元2现在除了来自传感装置8的自行求取的状态数据之外还通过V2X通信连接K接收其他车辆的状态数据和/或传感器数据,则估计问题和概率密度p的计算变得更加复杂,因为以下是可能的:所接收的状态数据使得能够得出关于第一移动单元2的自我状态的推论。这种场景示意性地在图2中示出。
在该图示中,第二移动单元4(V3)以合作意识消息的形式发送自身状态ZV3 K的测量,并以合作感知消息的形式发送其所探测的车辆V4的状态数据ZV4 K的测量。
第一移动单元2或示例性的自我车辆接收合作意识消息和合作感知消息,以及借助传感装置8探测其他对象V2和V1,并且具有其状态ZE K的测量。
由于第一移动单元2(E)和第二移动单元4(V3)两者均探测到对象6(V2)并且第二移动单元4(V3)将其传感装置10的状态数据ZV3 K、ZV4 K传递给第一移动单元2(E),因此对状态ZE K的估计不再仅仅取决于第一移动单元2(E)的自身的测量,而是还取决于第二移动单元4(V3)的测量ZV3 K、ZV4 K,反之亦然。这导致自我状态ZE K的概率密度p取决于第二移动单元4(V3)的状态ZV3 K的概率密度p,反之亦然。
这种相互的相关性导致,经典的多目标跟踪应用需要近似以简化。该近似可以通过基于图形的解决方案来实现。
解决方案例如可以描述如下:
-在每个新的测量中,从当前时间位置图中去除早于确定的阈值的所有节点XE,V K。该阈值是例如能够根据可用的计算能力和对象6、7的数量来选择的参数。此外,该阈值可以是可变的并且因此可以随时间改变。
-对于每个新的测量,将针对所接收的对象2、4、6、7的新的节点XE,V K插入到图形中,从而所插入的对象节点XE,V K的时间戳k相应于测量的时刻t。
-在进一步的步骤中,构建由方形矩阵和向量组成的优化问题。这基于使用运动对象2、4、6、7的数据借助算法匹配来进行。
-接着在使用合适的求解器或求解算法的情况下解决该优化问题。
由于充分利用优化问题的低占比(Sparsity,稀疏性),即使对于高维的优化问题,也能够高效地解决优化问题。
此外,并非强制性地需要在每个新的测量中都必须解决优化问题。尽管时间位置图可以随着每个测量进行扩展,但是仅当需要时才进行解决。这例如可以在执行状况分析的控制设备16、18的采样时刻进行。
此外,该方法能处理延迟的数据。通过根据本发明的方法能够在没有附加开销的情况下实现这一点,其方式为:在相应的时刻k将节点X插入到时间位置图中,并且时间位置图通过现有节点X与这些新节点X之间的连接来进行扩展。因此,时间位置图可以用作用于状态数据等的缓冲器或缓存。最后,并非强制性地需要立即去除早于阈值的节点X。而是能够将至今所计算的节点X作为先验信息以影响优化问题。
图3示出具有定位不准确性的周围环境模型的俯视图。例如,在图2中所描述的、通过通信连接K所接收的测量可能具有定位不准确性。定位不准确性示例性地通过第二移动单元4的错误取向的位置来表明。
为了正确地制定出在图2中所描述的基于图形的优化问题,必须预先执行正确的数据关联。在此,在周围环境模型中实现来自第一移动单元2的自身的传感装置8的对象测量和已经通过通信连接K所接收的对象测量,并且将这些对象测量正确地分配给周围环境中的对象24。
-为了执行数据优化,通过类似ICP(迭代最近点)的方法使用所感知的对象4、6、7的第一移动单元2的车载测量与通过通信连接K所接收的对象测量的关联。
-在一个步骤中,将已经通过第一移动单元2的传感装置8和/或通过第二移动单元的传感装置10求取的所探测的对象4、6、7的状态数据或者说对象测量以及进行测量的对象2转换到周围环境模型的坐标系中。
-整个测量迭代地如此移动,使得达到测量中的对象2、4、6、7与周围环境模型中的对象24之间的累积间距H的最小值。该过程在图4中示出。
作为数据优化的结果,出现新计算的周围环境模型,该周围环境模型在图5中示出。在融合的范畴内,更新车辆24(这些车辆分别与一个测量关联)的状态并将其设立为周围环境模型中的新的对象25。
接着,将周围环境模型用作用于提出或者说制定出优化问题的基础,该优化问题可以以类似于SLAM问题的方式来进行处理,其中,该优化问题考虑动态对象24、25而不考虑静态的地标。由此也能够借助仅动态对象来提供基于图形的方案。
Claims (12)
1.一种用于通过控制设备(16,18)来融合状态数据(Z)的方法,其中
接收第一移动单元(2)的状态数据(Z)和通过所述第一移动单元(2)的传感装置(8)所求取的至少一个对象(6)的状态数据(Z),
通过通信连接(K)接收从至少一个第二移动单元(4)传递给所述第一移动单元(2)的以下状态数据:通过所述第二移动单元(4)的传感装置(10)所求取的至少一个对象(6)的状态数据(Z)和/或所述至少一个第二移动单元(4)的状态数据(Z),
针对所述至少一个第一移动单元(2)、所述至少一个第二移动单元(4)和所求取的对象(6)的每个状态数据集(Z)在时间位置图中创建节点(X),
对通过所述第一移动单元(2)所求取的状态数据(Z)和/或由所述第二移动单元(4)所求取的状态数据(Z)执行数据优化,
由经优化的、通过所述第一移动单元(2)所求取的状态数据(Z)和经优化的、由所述第二移动单元(4)所接收的状态数据(Z)创建优化问题,
将所述优化问题通过求解算法来解决,并且求取所述第一移动单元(2)的状态数据(Z)且以相对于所述第一移动单元(2)的所述状态数据(Z)提高的准确性来求取通过所述第一移动单元(2)的所述传感装置(8)所求取的至少一个对象(6)的状态数据(Z)。
2.根据权利要求1所述的方法,其中,通过以下方式执行所述数据优化:迭代地最小化通过所述第一移动单元(2)的所述传感装置(8)所求取的对象(6)与通过所述第二移动单元(4)的所述传感装置(10)所求取的对象(6)的位置(P)之间的累积间距(H)。
3.根据权利要求1或2所述的方法,其中,由所述第一移动单元(2)的所接收的状态数据(Z)和所述第二移动单元(4)的所接收的状态数据(Z)求取所述第一移动单元(2)的自身位置、所述第二移动单元(4)的自身位置、所述至少一个对象(6)的位置和/或所述第一移动单元(2)、所述第二移动单元(4)与所述至少一个对象(6)之间的相对间距信息(A),其中,由所述第一移动单元(2)的所接收的状态数据(Z)和所述第二移动单元(4)的所接收的状态数据(Z)在周围环境模型内创建所述第一移动单元(2)的自身位置。
4.根据权利要求1至3中任一项所述的方法,其中,去除以下所接收的状态数据(Z):所述状态数据具有静态或动态地可调节阈值之上的时间戳(k)。
5.根据权利要求1至4中任一项所述的方法,其中,在接收到状态数据之后,以规律的时间间隔或在需要时通过所述控制设备(16,18)发起,由输入在所述时间位置图中的、通过所述数据优化所优化的节点(X)提出并解决所述优化问题。
6.一种用于通过控制设备(16,18)冗余地执行至少一个第一移动单元(2)的定位的方法,其中
接收通过所述第一移动单元(2)的传感装置(8)所求取的、来自所述第一移动单元(2)的周围环境(U)中的至少一个第二移动单元(4)的测量数据,
由所接收的测量数据求取所述第二移动单元(4)相对于所述第一移动单元(2)的相对位置(A),
通过通信连接(K)接收通过所述至少一个第二移动单元(4)的传感装置(10)所求取的、所述第一移动单元(2)的测量数据和/或所述第二移动单元(4)的位置(P),
基于通过所述通信连接(K)所接收的测量数据和/或所述第二移动单元(4)的所述位置,基于所求取的所述第二移动单元(4)的相对位置来求取所述第一移动单元(2)的位置。
7.根据权利要求6所述的方法,其中,作为通过所述第一移动单元(2)所计算的位置的替代或附加,由通过所述通信连接(K)所接收的测量数据和/或所述第二移动单元(4)的位置来求取所述第一移动单元(2)的位置。
8.根据权利要求6所述的方法,其中,基于通过所述通信连接(K)所接收的测量数据和/或所述第二移动单元(4)的位置结合通过所述第一移动单元(2)的传感装置(8)所求取的测量数据,以提高的准确性计算所述第一移动单元(2)的位置。
9.根据权利要求6至8中任一项所述的方法,其中,通过根据权利要求1至5中任一项所述的方法,将通过所述通信连接(K)所接收的测量数据和/或所述第二移动单元(4)的位置与通过所述第一移动单元(2)的所述传感装置(8)所求取的测量数据进行融合。
10.一种控制设备(16,18),其中,所述控制设备(16,18)设置为用于实施根据权利要求1至5中任一项所述的方法和/或根据权利要求6至9中任一项所述的方法。
11.一种计算机程序,所述计算机程序包括指令,在通过计算机或控制设备(16,18)实施所述计算机程序时,所述指令促使所述计算机或控制设备实施根据权利要求1至5中任一项所述的方法和/或根据权利要求6至9中任一项所述的方法。
12.一种机器可读的存储介质,在所述机器可读的存储介质上存储有根据权利要求11所述的计算机程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019217648.8 | 2019-11-15 | ||
DE102019217648.8A DE102019217648A1 (de) | 2019-11-15 | 2019-11-15 | Graph-basiertes Verfahren zur holistischen Fusion von Messdaten |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112816974A true CN112816974A (zh) | 2021-05-18 |
Family
ID=75683247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011278975.2A Pending CN112816974A (zh) | 2019-11-15 | 2020-11-16 | 基于图形的用于整体融合测量数据的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11592835B2 (zh) |
CN (1) | CN112816974A (zh) |
DE (1) | DE102019217648A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11770793B2 (en) * | 2020-07-29 | 2023-09-26 | Qualcomm Incorporated | Vehicle-to-pedestrian positioning with joint localization in vehicles |
US11765562B2 (en) * | 2021-10-11 | 2023-09-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for matching objects in collaborative perception messages |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1895485A1 (en) * | 2006-08-31 | 2008-03-05 | Hitachi, Ltd. | Road congestion detection by distributed vehicle-to-vehicle communication systems |
US20110227757A1 (en) * | 2010-03-16 | 2011-09-22 | Telcordia Technologies, Inc. | Methods for context driven disruption tolerant vehicular networking in dynamic roadway environments |
US11422561B2 (en) * | 2018-01-11 | 2022-08-23 | Toyota Jidosha Kabushiki Kaisha | Sensor system for multiple perspective sensor data sets |
US20190339082A1 (en) * | 2018-05-02 | 2019-11-07 | Blackberry Limited | Method and system for hybrid collective perception and map crowdsourcing |
US10745011B2 (en) * | 2018-05-31 | 2020-08-18 | Nissan North America, Inc. | Predicting yield behaviors |
-
2019
- 2019-11-15 DE DE102019217648.8A patent/DE102019217648A1/de active Pending
-
2020
- 2020-10-29 US US17/083,893 patent/US11592835B2/en active Active
- 2020-11-16 CN CN202011278975.2A patent/CN112816974A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102019217648A1 (de) | 2021-05-20 |
US11592835B2 (en) | 2023-02-28 |
US20210149417A1 (en) | 2021-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3644294B1 (en) | Vehicle information storage method, vehicle travel control method, and vehicle information storage device | |
US10604156B2 (en) | System and method for adjusting a road boundary | |
CN107792077B (zh) | 用于确认道路部段是否适合于自主车辆驾驶的方法和系统 | |
US11808581B2 (en) | Lane-level map matching | |
EP3745376B1 (en) | Method and system for determining driving assisting data | |
US11599121B2 (en) | Method for localizing a more highly automated vehicle (HAF), in particular a highly automated vehicle, and a vehicle system | |
US10369993B2 (en) | Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free | |
US11163308B2 (en) | Method for creating a digital map for an automated vehicle | |
US11195027B2 (en) | Automated crowd sourcing of road environment information | |
US20210370984A1 (en) | System and method for estimating take-over time | |
US20210158128A1 (en) | Method and device for determining trajectories of mobile elements | |
CN112816974A (zh) | 基于图形的用于整体融合测量数据的方法 | |
Tsogas et al. | Using digital maps to enhance lane keeping support systems | |
Worrall et al. | A probabilistic method for detecting impending vehicle interactions | |
JP7300821B2 (ja) | 位置推定装置、位置推定方法、位置推定プログラム | |
US20230242099A1 (en) | Method for Vehicle Driving Assistance within Delimited Area | |
EP4357944A1 (en) | Identification of unknown traffic objects | |
US20240135719A1 (en) | Identification of unknown traffic objects | |
EP4358039A1 (en) | Lane-assignment for traffic objects on a road | |
CN108877212A (zh) | 用于建立车辆的环境模型的方法和装置 | |
US20240135252A1 (en) | Lane-assignment for traffic objects on a road | |
US11983918B2 (en) | Platform for perception system development for automated driving system | |
US20230050662A1 (en) | Completing feature-based localization maps | |
EP4047514A1 (en) | Platform for perception system development for automated driving system |
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 |