CN113165656B - 自动车辆的定位初始化 - Google Patents
自动车辆的定位初始化 Download PDFInfo
- Publication number
- CN113165656B CN113165656B CN201980077545.3A CN201980077545A CN113165656B CN 113165656 B CN113165656 B CN 113165656B CN 201980077545 A CN201980077545 A CN 201980077545A CN 113165656 B CN113165656 B CN 113165656B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lidar sensor
- computing device
- scan data
- sensor scan
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000015654 memory Effects 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 9
- 230000014616 translation Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000013459 approach Methods 0.000 description 11
- 230000008447 perception Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000002085 persistent effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- 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
- 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
-
- G05D1/227—
Abstract
本技术涉及定位车辆(100)。作为一种方法,存储车辆的环境的第一LIDAR传感器扫描数据和车辆在捕获到第一LIDAR传感器扫描的位置处的定位数据(410)、(1110)。此后,车辆的计算设备(110)被暂停,并随后恢复。在计算设备恢复之后,接收车辆的环境的第二LIDAR传感器扫描数据。将第一LIDAR传感器扫描数据与第二LIDAR传感器扫描数据进行比较,以确定车辆是否已经移动。基于对车辆是否已经从该位置移动的确定,存储的定位数据用于定位车辆。还描述了其他方法。
Description
相关申请的交叉引用
本申请要求2018年11月29日提交的序列号16/204,534的申请的权益,其公开内容通过引用结合于此。
技术领域
本公开涉及定位领域,并且更具体地,涉及定位车辆的方法。
背景技术
自动车辆(诸如不需要驾驶员的车辆)可以用于协助将乘客或物品从一个地点运输到另一个地点。这种车辆可以以全自动驾驶模式操作,在全自动驾驶模式中,乘客可以提供一些初始输入(诸如目的地),并且车辆操纵自身到达该目的地。因此,这种车辆可能在很大程度上依赖于能够在任何给定时间确定自动车辆的位置以及检测和识别车辆外部的对象(诸如其他车辆、停车灯、行人等)的系统。
因此,每次打开车辆的计算设备时,都必须确定车辆相对于其地图和世界的位置和朝向,以及加速度计和陀螺仪的偏差(偏移)。这可能是至关重要的操作,并且通常可能需要数英里的人工驾驶、捕获传感器数据和与地图信息进行比较,来获得准确的定位(localization)和偏差。尽管对于单个车辆来说,这可能是有用的方法,但是当在车队中的多个自动车辆上考虑这种努力时,定位会变得困难、耗时且昂贵。
发明内容
本公开的各方面提供了对车辆的定位。该方法包括存储车辆的环境的第一LIDAR传感器扫描数据和车辆在捕获到第一LIDAR传感器扫描的位置处的定位数据;在存储第一LIDAR传感器扫描数据之后,暂停(suspend)车辆的计算设备;恢复(unsuspend)车辆的计算设备;在车辆的计算设备恢复之后,接收车辆的环境的第二LIDAR传感器扫描数据;将第一LIDAR传感器扫描数据与第二LIDAR传感器扫描数据进行比较,以确定车辆是否已经移动;以及基于对车辆是否已经从该位置移动的确定,使用存储的定位数据来定位车辆。
在一个示例中,该方法还包括使用LIDAR传感器来捕获第一LIDAR传感器扫描数据和捕获第二LIDAR传感器扫描数据。在该示例中,该方法还包括,在比较之前:当捕获到第一LIDAR传感器扫描数据时,对第一LIDAR传感器扫描数据进行过滤,以移除距LIDAR传感器超过阈值距离的数据点;当捕获到第二LIDAR传感器扫描数据时,对第二LIDAR传感器扫描数据进行过滤,以移除距LIDAR传感器超过阈值距离的数据点,并且比较包括:将过滤后的第一LIDAR传感器扫描数据与过滤后的第二LIDAR传感器扫描数据进行比较。附加地或可替代地,使用LIDAR传感器来捕获第一LIDAR传感器扫描数据和捕获第二LIDAR传感器扫描数据包括:根据所需性能规范(performance specification)来操作LIDAR传感器。在另一个示例中,比较包括:使用ICP算法来确定第一LIDAR传感器扫描数据的点和第二LIDAR传感器扫描数据的点之间的旋转和平移。在另一个示例中,该方法还包括:确定第一LIDAR传感器扫描数据和第二LIDAR传感器扫描数据之间具有容差值内(tolerance value)的旋转和平移的点对的百分比,并且使用存储的定位数据还基于点对的百分比。在另一个示例中,定位数据包括车辆的位置和车辆的朝向。在另一个示例中,定位数据还包括车辆的加速度计或车辆的陀螺仪中的一个或多个的偏差。在另一个示例中,该方法还包括,在暂停计算设备之前,测量车辆的环境的第一温度;在计算设备恢复之后,测量车辆的环境的第二温度;以及将第一温度与第二温度进行比较,并且其中,使用存储的定位数据来定位车辆还基于对第一温度与第二温度的比较。在另一个示例中,计算设备是被配置为以自动驾驶模式控制车辆的计算设备。
本公开的另一个方面提供了一种定位车辆的方法。该方法包括:暂停车辆的计算设备;在车辆的计算设备恢复之后,接收第一LIDAR传感器扫描数据和在捕获到第一LIDAR传感器扫描的位置处的定位信息;在车辆的计算设备恢复之后,接收车辆的环境的第二LIDAR传感器扫描数据;将第一LIDAR传感器扫描数据与第二LIDAR传感器扫描数据进行比较,以确定变换;以及将该变换应用于定位信息以定位车辆。
在一个示例中,该方法还包括使用LIDAR传感器来捕获第二LIDAR传感器扫描数据。在该示例中,该方法还包括,在比较之前,当捕获到第一LIDAR传感器扫描数据时,对第一LIDAR传感器扫描数据进行过滤,以移除距LIDAR传感器超过预定距离的数据点;当捕获到第二LIDAR传感器扫描数据时,对第二LIDAR传感器扫描数据进行过滤,以移除距LIDAR传感器超过预定距离的数据点,并且比较包括:将过滤后的第一LIDAR传感器扫描数据与过滤后的第二LIDAR传感器扫描数据进行比较。在一个示例中,比较包括:使用ICP算法来确定第一LIDAR传感器扫描数据的点和第二LIDAR传感器扫描数据的点之间的旋转和平移。在另一个示例中,定位信息包括捕获到第一LIDAR传感器扫描数据的LIDAR传感器的位置以及LIDAR传感器的俯仰、偏转和侧倾。在另一个示例中,应用变换还包括:使用变换后的定位数据来确定车辆的加速度计或车辆的陀螺仪中的一个或多个的偏差。在另一个示例中,计算设备是被配置为以自动驾驶模式控制车辆的计算设备。在另一个示例中,从远程计算设备接收第一LIDAR传感器扫描数据。在该示例中,第一LIDAR传感器扫描数据作为来自所述远程计算设备的广播消息从远程计算设备接收。可替代地,第一LIDAR传感器扫描数据响应于来自计算设备的对定位信息的请求从远程计算设备接收到。
附图说明
图1是根据本公开的各方面的示例车辆的功能图。
图2是根据本公开的各方面的图1的示例车辆的示例外部视图。
图3是根据本公开的各方面的车辆和车辆的环境中的特征的示例俯视图。
图4是根据本公开的各方面的车辆、车辆的环境中的特征和数据的示例俯视图。
图5是根据本公开的各方面的车辆和示例LIDAR传感器数据的示例俯视图。
图6是根据本公开的各方面的车辆和车辆的环境中的特征的示例俯视图。
图7是根据本公开的各方面的车辆和示例LIDAR传感器数据的示例俯视图。
图8是根据本公开的各方面的车辆和示例LIDAR传感器数据的两个俯视图的示例比较。
图9是根据本公开的各方面的示例流程图。
图10是根据本公开的各方面的定位设备的示例功能图。
图11是根据本公开的各方面的车辆、车辆的环境中的特征和数据的示例俯视图。
图12是根据本公开的各方面的车辆和示例LIDAR传感器数据的两个俯视图的示例比较。
图13是根据本公开的各方面的不同的车辆和示例LIDAR传感器数据的俯视图的示例比较。
图14是根据本公开的各方面的示例流程图。
具体实施方式
本技术涉及当车辆已经关闭,或者更确切地说,车辆的计算设备已经暂停或断电、关机、关闭、进入低功率模式或以其他方式被去激活并且不再尝试定位车辆时,定位自动车辆。如上所述,每当车辆的计算设备恢复或上电、开启或以其他方式被激活并尝试定位车辆时,必须确定车辆相对于其地图和世界的位置和朝向以及加速度计和陀螺仪的偏差(偏移)。这可能是至关重要的操作,并且通常可能需要数英里的人工驾驶、捕获传感器数据并与地图信息进行比较,以获得准确的定位和偏差。尽管这对于单个车辆来说可能是有用的方法,但是当在车队中的多个自动车辆上考虑这种努力时,定位会变得困难、耗时且昂贵。另一种方法可以是让操作人员向车辆的计算设备输入指示自从车辆的计算设备上次被暂停以来车辆没有移动的信息。然后可以手动驾驶车辆,以设置偏差。这种方法可能容易出错,因为操作人员可能错误地指示车辆没有移动,例如,因为车辆被碰撞等。
作为另一种方法,当车辆的计算设备被暂停时,车辆可以被配置为“记住”其最后已知的定位数据(位置、朝向和偏差)。例如,当车辆的计算设备恢复时,该信息可以被读取并保存到保持(retain)该信息的持久存储器中。然后可以从存储器中加载信息,并将该信息用于自动地控制车辆。然而,当车辆的计算设备不能准确地确定车辆是否已经被移动时,例如被推动或碰撞或以其他方式运输,这种方法可能失败。
作为一种更细致的方法,车辆的计算设备可以保存车辆的最后一次完整的LIDAR传感器扫描,而不仅仅是保存车辆的最后已知位置。在某些情况下,确保LIDAR传感器数据是“有用的”,并且没有失真或损坏,当LIDAR传感器根据所需性能规范操作时,保存的LIDAR传感器数据可能是LIDAR传感器的最后一次完整的扫描的数据。如果实际的最后一次扫描没有完全完成和/或LIDAR传感器数据在存储前没有得到正确处理,这将降低出错的可能性。当然,只要车辆停放着,任何扫描(而不仅仅是最后一次完整扫描)都可以被保存。
一旦车辆恢复,则可以捕获到新的LIDAR传感器扫描。为了确保一致性,可以在车辆移动之前以及当LIDAR传感器根据所需性能规范(诸如指定的旋转速度等)操作时,捕获该LIDAR传感器扫描。该新的LIDAR传感器扫描可以与保存的LIDAR传感器扫描进行比较,以确定车辆自从被关闭(并且计算设备被暂停)后是否没有移动。如果确定车辆没有移动,则保存的定位数据可以被自动地设置为车辆的当前定位数据。为了避免误报(falsepositive),在比较之前或比较期间,可以丢弃LIDAR传感器数据的某些部分。
然而,这种方法在更动态的环境中可能不太有用,诸如在停车场中,附近的其他车辆经常停放或驶走(un-parked)。为了解决这些情况,可以采取完全不同的方法。例如,至少包括计算设备、位置系统、LIDAR传感器和发送器的远程设备可以捕获定位设备的环境的LIDAR传感器扫描,并发送该LIDAR传感器扫描以及定位信息,诸如LIDAR传感器的纬度、经度、海拔、俯仰、偏转和侧倾。车辆的计算设备可以使用LIDAR传感器扫描,以使用ICP算法和上述比较和/或过滤特征来确定车辆的LIDAR传感器和定位设备的LIDAR传感器之间的变换。然后,车辆的计算设备可以将变换应用于定位数据,以便确定车辆的新的定位数据。例如,变换后的位置和朝向可以用于确定车辆的位置和朝向。变换后的俯仰、偏转和侧倾可以用于确定车辆的加速度计和陀螺仪的偏差。在这一点上,车辆本身可以成为定位设备,以如上所述协助对其他车辆的定位。
定位设备可以是任何数量的不同类型的设备。例如,定位设备可以是另一个自动车辆、固定的设备和/或无人机。此外,远程计算设备可以被配置为自动地广播前述LIDAR传感器扫描和定位信息、或者仅当被自动车辆的计算设备提示时发送该信息。
本文所描述的特征提供了在车辆的计算设备被暂停后定位车辆的有效和准确的方式。当操作自动车队时,这对于降低成本和其他资源(诸如以手动驾驶模式驾驶车辆的操作人员时间和劳动力)非常有用。换句话说,这些方法可以减少定位车辆所花费的时间,从而增加这些车辆可用于例如提供运输服务的时间。
示例系统
如图1所示,根据本公开一个方面的车辆100包括各种组件。尽管本公开的某些方面对于特定类型的车辆特别有用,但是车辆可以是任何类型的车辆,包括但不限于汽车、卡车、摩托车、公共汽车、娱乐车辆等。车辆可以具有一个或多个计算设备,诸如包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。
存储器130存储可由一个或多个处理器120访问的信息,包括可由处理器120执行或使用的指令132和数据134。存储器130可以是能够存储处理器可访问的信息的任何类型,包括计算设备可读介质、或存储可以借助电子设备来读取的数据的其他介质,诸如硬盘驱动器、存储器卡、ROM、RAM、DVD或其他光盘、以及其他可写和只读存储器。系统和方法可以包括前述的不同组合,由此指令和数据的不同部分被存储在不同类型的介质上。
指令132可以是由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如,指令可以作为计算设备代码存储在计算设备可读介质上。在这方面,术语“指令”和“程序”在这里可以互换使用。指令可以以目标代码格式存储以便由处理器直接处理、或者以任何其他计算设备语言(包括按需解释或预先编译的脚本或独立源代码模块的集合)存储。下面更详细地解释指令的功能、方法和例程。
数据134可以由处理器120根据指令132来检索、存储或修改。例如,尽管要求保护的主题不受任何特定数据结构的限制,但是数据可以存储在计算设备寄存器中、存储在关系数据库中作为具有多个不同的字段和记录的表、XML文档或平面文件。数据也可以以任何计算设备可读格式被格式化。
一个或多个处理器120可以是任何常规处理器,诸如商业上可获得的CPU。可替代地,一个或多个处理器可以是专用设备,诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出了处理器、存储器和计算设备110的其他元件在同一块内,但是本领域普通技术人员将理解,处理器、计算设备或存储器实际上可以包括多个处理器、计算设备或存储器,这些处理器、计算设备或存储器可以存储在或可以不存储在同一物理外壳内。例如,存储器可以是位于不同于计算设备110的外壳的外壳中的硬盘驱动器或其他存储介质。因此,对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或者存储器的集合的引用。
计算设备110可以包括通常与计算设备结合使用的组件中的所有,诸如上述处理器和存储器以及用户输入150(例如,鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如,具有屏幕的监视器或可操作来显示信息的任何其他电子设备)。在该示例中,车辆包括内部电子显示器152以及一个或多个扬声器154,以提供信息或视听体验。在这方面,内部电子显示器152可以位于车辆100的车舱内,并且可以由计算设备110使用以向车辆100内的乘客提供信息。
计算设备110还可以包括一个或多个无线网络连接156,以便于与其他计算设备通信。无线网络连接可以包括短程通信协议(诸如蓝牙、蓝牙低能量(LE)、蜂窝连接),以及各种配置和协议(包括互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用专属于一个或多个公司的通信协议的专用网络、以太网、WiFi和HTTP),以及前述的各种组合。
在一个示例中,计算设备110可以是结合到车辆100中的自动驾驶计算系统。自动驾驶计算系统可以能够与车辆的各种部件通信,以便以全自动驾驶模式和/或半自动驾驶模式操纵车辆100。例如,回到图1,计算设备110可以与车辆100的各种系统(诸如减速系统160、加速系统162、转向系统164、信令系统166、导航系统168、位置系统(positioningsystem)170、感知系统172以及动力系统174(例如,汽油或柴油驱动的发动机或引擎))通信,以便根据存储器130的指令132控制车辆100的移动、速度等。此外,尽管这些系统被示出为在计算设备110的外部,但是实际上,这些系统也可以被结合到计算设备110中,同样作为用于控制车辆100的自动驾驶计算系统。
作为示例,计算设备110可以与减速系统160和加速系统162交互,以便控制车辆的速度。类似地,计算设备110可以使用转向系统164来控制车辆100的方向。例如,如果车辆100被配置为在道路上使用,诸如汽车或卡车,则转向系统可以包括控制车轮的角度以转动车辆的部件。计算设备110可以使用信令系统166,以便向其他驾驶员或车辆发信号通知(例如,在需要时通过点亮转弯信号灯或刹车灯)车辆的意图。
计算设备110可以使用导航系统168,以便确定并遵循到某个位置的路线。在这方面,规划系统168和/或数据134可以存储详细的地图信息,例如,标识道路的形状和高度、车道线、交叉路口、人行横道、速度限制、交通信号、建筑物、标志、实时交通信息、植被或其他这样的对象和信息的高度详细的地图。换句话说,该详细的地图信息可以定义车辆预期环境的几何形状,包括道路以及这些道路的速度限制(法定速度限制)。此外,该地图信息可以包括关于交通控件(诸如交通信号灯、停车标志、让行标志等)的信息,与从感知系统172接收到的实时信息相结合,计算设备110可以使用该信息来确定哪些交通方向在给定位置具有通行权。
感知系统172还包括用于检测车辆外部的对象(诸如其他车辆、道路上的障碍物、交通信号、标志、树木等)的一个或多个组件。例如,感知系统172可以包括一个或多个LIDAR传感器、声纳设备、麦克风、雷达单元、相机和/或记录可以由计算设备110处理的数据的任何其他的检测设备。感知系统的传感器可以检测对象及其特性,诸如位置、朝向、大小、形状、类型、移动方向和速度等。来自传感器的原始数据和/或前述特性可以被量化或排列为描述性函数或向量,并被发送到计算设备110以用于进一步处理。作为示例,计算设备110可以使用位置系统170来确定车辆的位置,并且使用感知系统172在需要时检测并响应对象以安全地到达该位置。
图2是车辆100的示例外部视图,包括感知系统172的各方面。例如,车顶外壳210和圆顶外壳212可以包括LIDAR传感器或系统以及各种相机和雷达单元。此外,位于车辆100前端的外壳220和车辆的驾驶员和乘客侧的外壳230、232可以各自存储LIDAR传感器或系统。例如,外壳230位于驾驶员车门260的前方。车辆100还包括同样位于车辆100顶部的雷达单元和/或相机的外壳240、242。额外的雷达单元和相机(未示出)可以位于车辆100的前端和后端和/或位于沿着顶部或车顶外壳210的其他位置。
示例方法
除了上述和附图中所示的操作之外,现在将描述各种操作。应当理解,以下操作不必以下面描述的精确顺序来执行。相反,可以以不同的顺序或同时处理各种步骤,并且也可以添加或省略步骤。
如上所述,不时地,计算设备110可能由于各种原因而被暂停并随后恢复。例如,当运输服务不需要车辆或者车辆可以断电(诸如为了储备电力或燃料)时,操作员车辆可以使用无线信号(即,远程启动系统)、物理钥匙和/或用于车辆点火的按钮输入来打开和关闭车辆。这进而又会导致计算设备110被暂停或恢复。
例如,图3是在车辆关闭和计算设备110暂停之前车辆100的示例俯视图。在该示例中,车辆100停在另一车辆320旁边的停车位312中,并且在车辆的环境中存在多个其他对象,包括柱子330-336和停车位314、316。
作为一种方法,紧接在计算设备110被暂停之前,计算设备可以存储车辆的最后已知定位数据。例如,响应于在点火时关闭车辆的用户输入,计算设备可以自动地检索和存储车辆的定位数据。该定位数据可以包括车辆的当前位置(例如地理位置坐标,诸如纬度和经度坐标)、朝向(车辆的前端面向哪个方向)以及加速度计和/或陀螺仪的偏差。在这方面,转向图4,计算设备110可以访问当前位置(X1,Y1,Z1)、朝向(O1)和偏差(B1),并将这些作为定位数据410存储在持久存储器中。这种定位的全部或一些可以来自位置系统170。作为示例,定位数据可以从存储器130或位置系统170的临时部分(诸如RAM)中被读取,并被保存到持久存储器(诸如存储器130的硬盘驱动器)中。这可以允许计算设备110在车辆的计算设备被暂停时保持定位数据。
下一次计算设备110恢复时,例如,响应于在点火时接收到的用户输入或其他信号,然后可以从存储器130加载存储的定位数据。例如,定位数据可以存储在存储器130的RAM中和/或被发送到位置系统170以供使用。在这方面,存储的定位数据可以用于定位车辆。这可以包括自动地将定位数据设置为车辆的当前定位数据,并使用该数据来自动地控制车辆。在这方面,位置系统170可以按需向车辆的其他系统报告位置、朝向和偏差,以自动地控制车辆。然而,当车辆的计算设备不能准确地确定车辆是否已经被移动时,例如,通过在计算设备110关闭时被推动或碰撞或以其他方式运输,这种方法可能失败。
为了解决这个问题,计算设备110可以保存LIDAR传感器扫描,而不仅仅是保存车辆的位置信息。例如,如果车辆具有能够扫描360度环境的LIDAR传感器,诸如圆顶外壳212的LIDAR传感器,则在计算设备110被暂停之前捕获到的最后一次完整的扫描可以存储在存储器130的前述持久存储器中。在这方面,一旦在点火时接收到关闭车辆的用户输入或其他信号,则在计算设备110暂停之前,计算设备可以存储车辆的最后一次完整的LIDAR传感器扫描。作为示例,每当捕获到LIDAR传感器扫描时,该信息可以被感知系统172自动地发送到计算设备110。此外,LIDAR传感器扫描的LIDAR传感器扫描数据可以包括由LIDAR传感器生成的原始传感器数据。例如,转向图5,区域510表示LIDAR传感器扫描和例如结合图4的定位数据410捕获到的LIDAR传感器扫描数据。在该示例中,区域510包括停车位310、312、314、车辆320和柱子330-334的各方面。
在某些情况下,为了确保LIDAR传感器数据是“有用的”,并且不会失真或被破坏,当LIDAR传感器根据所需性能规范操作时,保存的LIDAR传感器数据可能是LIDAR传感器的最后一次完整的扫描的数据。所需性能规范可以对应于处于稳定状态的LIDAR传感器。稳定状态可以包括LIDAR传感器诸如以预定的旋转速度操作、生成小于特定最大噪声量的输出、操作至少预定的时间段(诸如5秒或者更多或更少)等。如果实际的最后一次扫描没有完全完成和/或LIDAR传感器数据在存储前没有得到正确处理,这可以降低出错的可能性。当然,只要车辆停放着或是停止的,当LIDAR传感器根据所需性能规范操作时,任何扫描(而不仅仅是最后一次完整的扫描)都可以被保存。
下一次计算设备110恢复时,例如,响应于在点火时接收到的用户输入或其他信号,可以捕获到新的LIDAR传感器扫描。该信息可以被感知系统172发送到计算设备110。为确保一致性,可以在车辆移动之前以及当LIDAR传感器根据所需性能规范操作时捕获LIDAR传感器扫描。
新的LIDAR传感器扫描可以与存储的LIDAR传感器扫描进行比较。作为一种方法,可以使用迭代最近点(ICP)算法进行比较。ICP算法可以用于确定LIDAR传感器扫描的LIDAR传感器点云之间的对应关系,并且可以提供这些LIDAR传感器扫描之间的平移和旋转。如果ICP结果指示在公共对象的各点之间没有旋转或平移、或者在公共对象的各点之间只有很小程度的旋转或平移,则这可以用于确定车辆自从被关闭(和/或计算设备被暂停)后没有移动。换句话说,一些小的容差,例如几厘米(诸如10或者更多或更少)或几度(诸如0.14度或者更多或更少)的量级可能是可接受的。当车辆被确定为自从被关闭(和/或计算设备暂停)后没有移动时,然后可以从存储器130加载存储的定位数据。例如,定位数据可以存储在存储器130的RAM中和/或被发送到位置系统170以供使用。在这方面,存储的定位数据可以用于定位车辆。这可以包括自动地将定位数据设置为车辆的当前定位数据,并使用该数据来自动地控制车辆。在这方面,位置系统170可以按需向车辆的其他系统报告位置、朝向和偏差,以自动地控制车辆。
为了避免误报,或者更确切地说,避免车辆已经移动的错误确定,在比较之前或比较期间,可以丢弃LIDAR传感器扫描中的每一个的某些部分。例如,当捕获到LIDAR传感器扫描时,通过从LIDAR传感器数据中过滤或移除超过某个阈值(诸如距离车辆的位置20米或者更多或更少)的所有数据点,这可以减少对动态对象的影响。作为示例,转向图6,车辆320可能已经在计算设备被暂停后移动。在这个意义上,动态对象可以是那些在车辆和/或计算设备110关闭时可能已经移动的对象。因此,当捕获到新的扫描时,两次LIDAR传感器扫描之间可能会有显著的差异。转向图7,例如,区域710表示在车辆320已经移动之后捕获到的LIDAR传感器扫描和LIDAR扫描数据。在该示例中,区域710包括停车位310、312、314和柱子330-334的各方面。此外,为了避免误报,可以对区域510和710进行过滤以移除太靠近车辆100的对象。例如,转向图8,可以从区域510、710中滤除与距车辆100预定径向距离相对应的区域810、820内的LIDAR传感器点,并且此后,可以例如使用如上所述的ICP来比较剩余的LIDAR数据点。
此外,并非LIDAR传感器扫描(经过滤的或未经过滤的)之间的所有传感器点都需要完全对齐以确认车辆没有移动。例如,只有数据点的某些部分(诸如40%或者更多或更少)需要在前述的容差值内,以便确定车辆没有移动。这可以进一步降低误报的可能性。
然而,在某些情况下,车辆的加速度计和陀螺仪的偏差可能对温度敏感。例如,如果在车辆的计算设备被暂停时空气温度较低,而在车辆的计算设备恢复时空气温度较高,这可能导致偏差的改变。因此,可能需要一些手动驾驶来达到期望的偏差准确度;然而,如上所述地存储并随后检索所存储的定位数据可以显著地减少所需的驾驶量,例如减少10倍或者更多或更少。此外,车辆的计算设备可以在车辆的计算设备被暂停之前,使用温度计测量温度、将该信息存储在如以上示例中所讨论的持久存储器中、在计算设备被暂停之后测量温度、并且比较温度测量。该比较可以用作确定温度是否可能影响偏差的信号。如果温度测量存在显著的差异,例如大于几度或者更多或更少,则可能需要经由手动驾驶来校正偏差。如果没有显著的差异,则可以简单地从存储的定位数据中读取偏差。
图9是对车辆进行定位的各方面的示例流程图900,其可以由车辆的各方面(诸如车辆100的计算设备110)执行。在该示例中,在框910,存储车辆的环境的第一LIDAR传感器扫描数据和车辆在捕获到第一LIDAR传感器扫描的位置处的定位数据。在框920,在存储第一LIDAR传感器扫描数据之后,车辆的计算设备被暂停,并且在框930,车辆的计算设备恢复。在框940,在车辆的计算设备恢复之后,接收车辆的环境的第二LIDAR传感器扫描数据。在框950,将第一LIDAR传感器扫描数据与第二LIDAR传感器扫描数据进行比较,以确定车辆是否已经移动。在框960,基于对车辆是否已经从该位置移动的确定,存储的定位数据用于定位车辆。
在某些情况下,上述方法可能不太有用。例如,在更动态的环境中,诸如在停车场中,附近的其他车辆经常停放或驶走,这可能使得即使在有容差和前述百分比的情况下,使用ICP来确定车辆是否已经移动变得困难。为了解决这些情况,可以采用一种完全不同的方法来定位车辆,这种方法在车辆已经移动的情况下和在动态的环境中都是有用的。
作为示例,远程定位设备可以帮助便于对车辆100的定位,而不依赖于(或附加地)存储定位数据。例如,该定位设备可以包括计算设备、LIDAR传感器和发送器。例如,图10描绘了包括计算设备1010、位置系统1020、LIDAR传感器1030和一个或多个无线网络连接1040的定位设备1000的功能图。在该示例中,计算设备1010可以被配置为与计算设备110相同或相似,该计算设备110具有一个或多个处理器和存储数据和指令的存储器。此外,位置系统可以被配置为与位置系统170相同或相似,包括允许位置系统确定定位设备和/或LIDAR传感器1030的位置(例如纬度、经度、海拔)、俯仰、偏转和侧倾的GPS接收器、加速度计、陀螺仪等。LIDAR传感器1030可以被配置为捕获定位设备的环境的LIDAR传感器扫描和LIDAR传感器扫描数据,与圆顶外壳212的LIDAR传感器相同或相似。无线网络连接1040可以被配置为与无线网络连接156相同或相似,并且可以允许定位设备1000广播LIDAR传感器扫描以及定位信息,诸如定位设备和/或LIDAR传感器的位置(例如,纬度、经度和海拔)、俯仰、偏转和侧倾。
例如,转到图11,定位设备1000(这里示出为结合到车辆320中)位于车辆100附近。在该示例中,计算设备1010可以确定定位信息1110,包括定位设备1000和/或LIDAR传感器1030的位置(X2,Y2,Z3)、朝向(O2)以及俯仰、偏转和侧倾(B2)。此外,计算设备1010可以接收LIDAR传感器扫描数据,例如,转向图12,区域1210表示LIDAR传感器扫描和例如结合图11的定位信息1110而捕获到的LIDAR传感器扫描数据。定位信息1110和区域1210的LIDAR传感器扫描数据可以被封装为广播消息,该广播消息可以例如经由使用无线网络连接1040的无线电或其他无线通信、被周期性地(诸如每分钟几次或者更多或更少)发送出去。
在计算设备110恢复的情况下和/或如上所述地确定车辆已经移动之后的情况下,计算设备110可以接收并使用这些广播之一来定位车辆。此外,每个广播可以包括定位信息,诸如定位设备的位置、俯仰、偏转和侧倾以及LIDAR传感器扫描数据。此外,具有新的LIDAR传感器扫描数据的新的LIDAR传感器扫描可以由车辆100的LIDAR传感器(诸如圆顶外壳212的LIDAR传感器)捕获。回到图5的示例,可能已经在车辆100恢复并且计算设备110恢复时捕获到了区域510的LIDAR传感器扫描数据,使得可能已经在相同的时间点或非常接近相同的时间点捕获到了区域1210的LIDAR传感器扫描数据和区域510的LIDAR传感器扫描数据。为了确保准确度,当圆顶外壳212的LIDAR传感器根据所需性能规范(诸如指定的旋转速度等)操作时,可以捕获到该新的LIDAR传感器扫描。
计算设备110可以将来自定位设备1000的LIDAR传感器扫描数据与新的LIDAR传感器扫描数据进行比较,以确定变换。例如,区域1210的LIDAR传感器扫描数据可以与区域510的LIDAR传感器扫描数据进行比较,如图13所示。该比较可以包括使用ICP来确定区域1210的LIDAR传感器扫描数据与区域510的LIDAR传感器扫描数据之间的变换,由箭头1310表示。在某些情况下,这还可以包括前述过滤,例如,在比较之前或比较期间,从区域510的新的LIDAR传感器扫描数据中移除车辆100的预定径向距离内的点,并且从区域1210的LIDAR扫描数据中移除定位设备1000的预定径向距离内的点(例如,从图8的示例中可以看出)。
此外,LIDAR传感器扫描数据之间的变换对于车辆的LIDAR传感器和定位设备的LIDAR传感器来说是相同的变换。
然后,计算设备110可以将变换应用于来自定位设备1000的定位信息11110,以便确定车辆的新的定位数据。例如,定位设备1000的变换后的位置(T·(X2,Y2,Z2))和朝向(T·(O2))可以用于确定车辆的当前位置和朝向。变换后的俯仰、偏转和侧倾(T·B2)可以用于确定车辆的加速度计和陀螺仪的偏差。
该变换后的信息可以用于定位车辆。这可以包括自动地设置当前位置、当前朝向和所确定的偏差作为车辆的当前定位数据,并使用该数据来自动地控制车辆。在这方面,位置系统170可以按需向车辆的其他系统报告位置、朝向和偏差,以自动地控制车辆。
此时,车辆100可以成为新的定位设备,向其他附近车辆的计算设备提供定位信息。在这方面,定位设备可以是任何数量的不同类型的设备。例如,定位设备可以包括另一个自动车辆的计算设备、固定的定位设备和/或无人机。例如,无人机可以被配置为在停车区域周围以特定模式驾驶或飞行,以便于对车辆的定位。此外,定位设备1000的计算设备1010可以被配置为自动地广播前述LIDAR传感器扫描和定位信息,或者仅当计算设备110提示或特别请求时才发送该信息。
图14是定位车辆的各方面的示例流程图1400,其可以由车辆的各方面(诸如车辆100的计算设备110)执行。在该示例中,在框1410,车辆的计算设备恢复。在框1420,在车辆的计算设备恢复之后,接收第一LIDAR传感器扫描数据和在捕获到第一LIDAR传感器扫描的位置处的定位数据。在框1430,在车辆的计算设备恢复之后,接收车辆的环境的第二LIDAR传感器扫描数据。在框1440,比较第一LIDAR传感器扫描数据和第二LIDAR传感器扫描数据,以便确定变换。在框1450,将变换应用于定位数据,以便定位车辆。
本文所描述的特征提供了在车辆的计算设备被暂停后定位车辆的有效和准确的方法。当操作自动车队时,这对于降低成本和其他资源(诸如以手动驾驶模式驾驶车辆的操作人员时间和劳动力)非常有用。换句话说,这些方法可以减少定位车辆所花费的时间,从而增加这些车辆可用于例如提供运输服务的时间。
除非另有说明,否则前述替代示例并不相互排斥,而是可以以各种组合来实现,以实现独特的优点。由于在不脱离由权利要求所限定的主题的情况下,可以利用上述特征的这些和其他变化和组合,所以对实施例的前述描述应该通过说明的方式进行,而不是通过限制由权利要求所限定的主题进行。此外,对本文描述的示例的提供,以及措辞为“诸如”、“包括”等的子句不应该被解释为将权利要求的主题限制到特定示例;相反,这些示例旨在仅说明多种可能实施例中的一个。此外,不同附图中的相同附图标记可以标识相同或相似的元件。
Claims (30)
1.一种定位车辆的方法,所述方法包括:
由车辆的计算设备存储车辆的环境的第一LIDAR传感器扫描数据和车辆在捕获到第一LIDAR传感器扫描数据的位置处的定位数据;
由所述计算设备测量车辆的环境的第一温度;
在所述计算设备执行存储和测量之后,暂停车辆的计算设备;
恢复车辆的计算设备;
在车辆的计算设备恢复之后,
由所述计算设备接收车辆的环境的第二LIDAR传感器扫描数据;
由所述计算设备测量车辆的环境的第二温度;
由所述计算设备将所述第一LIDAR传感器扫描数据与所述第二LIDAR传感器扫描数据进行比较,以获得第一结果;
由所述计算设备将第一温度与第二温度进行比较,以获得第二结果;以及
由所述计算设备基于第一结果和第二结果使用存储的定位数据来定位车辆。
2.根据权利要求1所述的方法,还包括使用LIDAR传感器来捕获所述第一LIDAR传感器扫描数据和捕获所述第二LIDAR传感器扫描数据。
3.根据权利要求2所述的方法,还包括,在获得第一结果之前:
当捕获到所述第一LIDAR传感器扫描数据时,对所述第一LIDAR传感器扫描数据进行过滤,以移除距所述LIDAR传感器超过阈值距离的数据点;以及
当捕获到所述第二LIDAR传感器扫描数据时,对所述第二LIDAR传感器扫描数据进行过滤,以移除距所述LIDAR传感器超过阈值距离的数据点,并且其中,比较包括,将过滤后的第一LIDAR传感器扫描数据与过滤后的第二LIDAR传感器扫描数据进行比较。
4.根据权利要求2所述的方法,其中,使用LIDAR传感器来捕获所述第一LIDAR传感器扫描数据和捕获所述第二LIDAR传感器扫描数据包括:根据所需性能规范来操作所述LIDAR传感器。
5.根据权利要求1所述的方法,其中,迭代最近点(ICP)算法用于获得第一结果。
6.根据权利要求1所述的方法,还包括,确定在所述第一LIDAR传感器扫描数据和所述第二LIDAR传感器扫描数据之间具有容差值内的旋转和平移的点对的百分比,并且其中,使用存储的定位数据还基于所述点对的百分比。
7.根据权利要求1所述的方法,其中,所述定位数据包括车辆的位置和车辆的朝向。
8.根据权利要求7所述的方法,其中,所述定位数据还包括车辆的加速度计或车辆的陀螺仪中的一个或多个的偏差。
9.根据权利要求8所述的方法,其中,第二结果用作确定是否需要校正偏差的基础。
10.根据权利要求1所述的方法,其中,所述计算设备是被配置为以自动驾驶模式控制车辆的计算设备。
11.根据权利要求1所述的方法,其中,第一结果指示是否保持了第一LIDAR传感器扫描数据和第二LIDAR传感器扫描数据之间的平移或旋转的容差。
12.根据权利要求1所述的方法,还包括:
由所述计算设备将包括所述车辆的定位系统的偏差的定位数据存储在存储器中。
13.根据权利要求12所述的方法,还包括:
由所述计算设备基于第二结果确定是否校正偏差;以及
当第二结果指示不校正所述偏差时,由计算设备使用所存储的包括所述偏差的定位数据来定位车辆。
14.根据权利要求13所述的方法,其中,当第二结果指示校正所述偏差时,执行车辆的手动驾驶以达到期望的偏差准确度。
15.一种定位车辆的方法,所述方法包括:
由车辆的计算设备测量车辆的环境的第一温度;
暂停车辆的计算设备;
恢复车辆的计算设备;
在恢复车辆的计算设备之后,
由计算设备接收车辆的环境的第一LIDAR传感器扫描数据和车辆在捕获到第一LIDAR传感器扫描数据的位置处的定位信息;
由计算设备接收车辆的环境的第二LIDAR传感器扫描数据;
由所述计算设备测量车辆的环境的第二温度;
由所述计算设备将所述第一LIDAR传感器扫描数据与所述第二LIDAR传感器扫描数据进行比较,以获得第一结果;
由所述计算设备将第一温度与第二温度进行比较,以获得第二结果;以及
由所述计算设备基于第一结果和第二结果使用定位信息来定位车辆。
16.根据权利要求15所述的方法,还包括使用LIDAR传感器来捕获所述第二LIDAR传感器扫描数据。
17.根据权利要求16所述的方法,还包括,在获得第一结果之前:
当捕获到所述第一LIDAR传感器扫描数据时,对所述第一LIDAR传感器扫描数据进行过滤,以移除距所述LIDAR传感器超过预定距离的数据点;以及
当捕获到所述第二LIDAR传感器扫描数据时,对所述第二LIDAR传感器扫描数据进行过滤,以移除距所述LIDAR传感器超过预定距离的数据点,并且其中,比较包括,将过滤后的第一LIDAR传感器扫描数据与过滤后的第二LIDAR传感器扫描数据进行比较。
18.根据权利要求15所述的方法,其中,迭代最近点(ICP)算法用于获得第一结果。
19.根据权利要求15所述的方法,其中,所述定位信息包括捕获到所述第一LIDAR传感器扫描数据的LIDAR传感器的位置以及所述LIDAR传感器的俯仰、偏转和侧倾。
20.根据权利要求15所述的方法,还包括
将变换应用于定位信息,以及
使用变换后的定位信息来确定车辆的加速度计或车辆的陀螺仪中的一个或多个的偏差。
21.根据权利要求15所述的方法,其中,所述计算设备是被配置为以自动驾驶模式控制车辆的计算设备。
22.根据权利要求15所述的方法,其中,所述第一LIDAR传感器扫描数据被包括在从远程计算设备接收的广播消息中。
23.根据权利要求22所述的方法,其中,所述广播消息响应于来自计算设备的对定位信息的请求从远程计算设备接收到。
24.根据权利要求15所述的方法,其中,第一结果指示是否保持了第一LIDAR传感器扫描数据和所述第二LIDAR传感器扫描数据之间的平移或旋转的容差。
25.根据权利要求15所述的方法,其中,所述定位信息包括车辆的位置和车辆的朝向。
26.根据权利要求25所述的方法,其中,所述定位信息还包括车辆的加速度计或车辆的陀螺仪中的一个或多个的偏差。
27.根据权利要求26所述的方法,其中,第二结果用作确定是否需要校正偏差的基础。
28.根据权利要求15所述的方法,还包括:
由所述计算设备将包括所述车辆的定位系统的偏差的定位数据存储在存储器中。
29.根据权利要求28所述的方法,还包括:
由所述计算设备基于第二结果确定是否校正偏差;以及
当第二结果指示不校正所述偏差时,由计算设备使用所存储的包括所述偏差的定位数据来定位车辆。
30.根据权利要求29所述的方法,其中,当第二结果指示校正所述偏差时,执行车辆的手动驾驶以达到期望的偏差准确度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/204,534 | 2018-11-29 | ||
US16/204,534 US11105927B2 (en) | 2018-11-29 | 2018-11-29 | Localization initialization for autonomous vehicles |
PCT/US2019/061952 WO2020112400A1 (en) | 2018-11-29 | 2019-11-18 | Localization initialization for autonomous vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113165656A CN113165656A (zh) | 2021-07-23 |
CN113165656B true CN113165656B (zh) | 2024-02-23 |
Family
ID=70850078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980077545.3A Active CN113165656B (zh) | 2018-11-29 | 2019-11-18 | 自动车辆的定位初始化 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11105927B2 (zh) |
EP (1) | EP3867120A4 (zh) |
CN (1) | CN113165656B (zh) |
WO (1) | WO2020112400A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111765882A (zh) * | 2020-06-18 | 2020-10-13 | 浙江大华技术股份有限公司 | 激光雷达定位方法及其相关装置 |
US11827244B2 (en) | 2020-12-04 | 2023-11-28 | Ford Global Technologies, Llc | Enhanced vehicle operation |
CN114153189B (zh) * | 2021-10-27 | 2023-08-08 | 东风汽车集团股份有限公司 | 一种自动驾驶控制器安全诊断及保护方法、系统及存储装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577952B2 (en) * | 2001-01-08 | 2003-06-10 | Motorola, Inc. | Position and heading error-correction method and apparatus for vehicle navigation systems |
CN106546977A (zh) * | 2015-09-16 | 2017-03-29 | 福特全球技术公司 | 车辆雷达感知和定位 |
US9707961B1 (en) * | 2016-01-29 | 2017-07-18 | Ford Global Technologies, Llc | Tracking objects within a dynamic environment for improved localization |
CN107977603A (zh) * | 2016-10-25 | 2018-05-01 | 福特全球技术公司 | 定位目标车辆的系统和方法 |
JP2018128954A (ja) * | 2017-02-10 | 2018-08-16 | パナソニックIpマネジメント株式会社 | 判定装置、プログラム、記録媒体、および判定方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272264B2 (en) * | 2003-09-11 | 2007-09-18 | International Business Machines Corporation | System and method for hole filling in 3D models |
JP5062497B2 (ja) | 2010-03-31 | 2012-10-31 | アイシン・エィ・ダブリュ株式会社 | 風景画像認識を用いた自車位置検出システム |
JP5781818B2 (ja) | 2011-04-14 | 2015-09-24 | 矢崎エナジーシステム株式会社 | 運行情報収集装置及び運行情報解析装置 |
US8655588B2 (en) | 2011-05-26 | 2014-02-18 | Crown Equipment Limited | Method and apparatus for providing accurate localization for an industrial vehicle |
US20140058634A1 (en) | 2012-08-24 | 2014-02-27 | Crown Equipment Limited | Method and apparatus for using unique landmarks to locate industrial vehicles at start-up |
US9002098B1 (en) * | 2012-01-25 | 2015-04-07 | Hrl Laboratories, Llc | Robotic visual perception system |
GB2501466A (en) * | 2012-04-02 | 2013-10-30 | Univ Oxford | Localising transportable apparatus |
US9043069B1 (en) * | 2012-11-07 | 2015-05-26 | Google Inc. | Methods and systems for scan matching approaches for vehicle heading estimation |
US9864120B2 (en) * | 2013-09-05 | 2018-01-09 | 3M Innovative Properties Company | Patterned marking of multilayer optical film by thermal conduction |
US9915950B2 (en) | 2013-12-31 | 2018-03-13 | Polysync Technologies, Inc. | Autonomous vehicle interface system |
US9863775B2 (en) | 2014-04-11 | 2018-01-09 | Nissan North America, Inc. | Vehicle localization system |
JP6849330B2 (ja) * | 2015-08-28 | 2021-03-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 地図生成方法、自己位置推定方法、ロボットシステム、およびロボット |
JP6997106B2 (ja) * | 2016-06-27 | 2022-01-17 | モービルアイ ビジョン テクノロジーズ リミテッド | 車両をナビゲートするためのシステム、方法およびコンピュータプログラム |
US20180005052A1 (en) | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Static object detection for operating autonomous vehicle |
DE102016224329A1 (de) * | 2016-12-07 | 2018-06-07 | Robert Bosch Gmbh | Verfahren und System zur Lokalisierung eines Fahrzeugs |
EP3343431A1 (en) | 2016-12-28 | 2018-07-04 | Volvo Car Corporation | Method and system for vehicle localization from camera image |
US10509413B2 (en) * | 2017-09-07 | 2019-12-17 | GM Global Technology Operations LLC | Ground reference determination for autonomous vehicle operations |
-
2018
- 2018-11-29 US US16/204,534 patent/US11105927B2/en active Active
-
2019
- 2019-11-18 EP EP19890954.1A patent/EP3867120A4/en active Pending
- 2019-11-18 CN CN201980077545.3A patent/CN113165656B/zh active Active
- 2019-11-18 WO PCT/US2019/061952 patent/WO2020112400A1/en unknown
-
2021
- 2021-07-29 US US17/388,199 patent/US11965965B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577952B2 (en) * | 2001-01-08 | 2003-06-10 | Motorola, Inc. | Position and heading error-correction method and apparatus for vehicle navigation systems |
CN106546977A (zh) * | 2015-09-16 | 2017-03-29 | 福特全球技术公司 | 车辆雷达感知和定位 |
US9707961B1 (en) * | 2016-01-29 | 2017-07-18 | Ford Global Technologies, Llc | Tracking objects within a dynamic environment for improved localization |
CN107977603A (zh) * | 2016-10-25 | 2018-05-01 | 福特全球技术公司 | 定位目标车辆的系统和方法 |
JP2018128954A (ja) * | 2017-02-10 | 2018-08-16 | パナソニックIpマネジメント株式会社 | 判定装置、プログラム、記録媒体、および判定方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020112400A1 (en) | 2020-06-04 |
EP3867120A1 (en) | 2021-08-25 |
EP3867120A4 (en) | 2022-06-22 |
CN113165656A (zh) | 2021-07-23 |
US20200174131A1 (en) | 2020-06-04 |
US11105927B2 (en) | 2021-08-31 |
US11965965B2 (en) | 2024-04-23 |
US20210356596A1 (en) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628690B2 (en) | Systems and methods for automated detection of trailer properties | |
US9255805B1 (en) | Pose estimation using long range features | |
JP2021106042A (ja) | サーバ装置 | |
US11965965B2 (en) | Localization initialization for autonomous vehicles | |
KR102503572B1 (ko) | 자율 주행 차량들에 대한 자동화된 성능 검사들 | |
CN115214661A (zh) | 基于目标车辆的驾驶样式的协同自适应巡航控制系统 | |
US20210211576A1 (en) | Camera peek into turn | |
US11195415B2 (en) | Lane change notification | |
US11100675B2 (en) | Information processing apparatus, information processing method, program, and moving body | |
US10380757B2 (en) | Detecting vehicle movement through wheel movement | |
US20190162553A1 (en) | Autonomous feature optimization for a connected vehicle based on a navigation route | |
US11615553B1 (en) | Calibration of detection system to vehicle using a mirror | |
US11193784B2 (en) | End of trip sequence | |
US11062537B2 (en) | Fleet management for vehicles using operation modes | |
US10977934B2 (en) | Information providing system, vehicle-mounted device, and information providing method | |
US11590978B1 (en) | Assessing perception of sensor using known mapped objects | |
US20210357667A1 (en) | Methods and Systems for Measuring and Mapping Traffic Signals | |
KR20200139222A (ko) | 어려운 운전 조건하에서 랜드 마크를 이용한 내비게이션 명령 강화 |
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 |