CN113748362A - 惯性导航系统中的时延补偿 - Google Patents

惯性导航系统中的时延补偿 Download PDF

Info

Publication number
CN113748362A
CN113748362A CN202080002095.4A CN202080002095A CN113748362A CN 113748362 A CN113748362 A CN 113748362A CN 202080002095 A CN202080002095 A CN 202080002095A CN 113748362 A CN113748362 A CN 113748362A
Authority
CN
China
Prior art keywords
data
previously estimated
gnss data
timestamp
location
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080002095.4A
Other languages
English (en)
Inventor
崔岩
刘权威
姚卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Publication of CN113748362A publication Critical patent/CN113748362A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Abstract

一种用于计算自动驾驶车辆的位置的方法包括:接收新的全球导航卫星系统(GNSS)数据(602)；从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与所述新的GNSS数据的时间戳最接近的时间戳(604)；从所述多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳(606)；计算第一先前估计的位置和第二先前估计的位置之间的差(608)；基于该差调整新的GNSS数据(610)；以及基于调整后的GNSS数据计算ADV的当前估计的位置(612)。

Description

惯性导航系统中的时延补偿
技术领域
本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及自动驾驶车辆的惯性导航系统中的时延补偿。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。车载处理系统可以使用诸如全球导航卫星系统数据、惯性测量数据等传感器数据来提供车辆的近似位置。
为了计算自动驾驶车辆的位置，传感器单元可以包括全球导航卫星系统(GNSS)和惯性测量单元(IMU)。GNSS可以测量车辆的位置、速度和行驶方向。在大多数情况下，GNSS可以提供精确的数据，但是数据在传感器单元的处理装置处可以以相对较大的间隔(例如，1秒)间歇地接收。IMU可以测量车辆的加速度和陀螺仪方位。IMU数据可以在处理装置处以比GNSS数据高得多的频率(例如，毫秒)接收。处理装置可以组合GNSS数据和IMU数据，以便以接收IMU数据的速率而不是等待GNSS数据来估计(例如，使用卡尔曼滤波器)车辆的位置。
传感器单元的处理装置可以从传感器单元本身内的IMU接收IMU数据，同时可以经由车辆车顶上的卫星天线接收GNSS数据。因此，IMU数据可以比必须从天线发送到传感器单元的GNSS数据快得多地被发送到处理装置。另外，GNSS数据可以在到达处理装置之前由GNSS接收器处理，这使得GNSS数据到达处理装置的时间增加了更多。GNSS数据从天线到处理装置的传播时间可使得GNSS数据被用于在首次接收到GNSS数据之后的重要时间处的位置估计。因此，GNSS位置数据可能稍微过时或有偏差，因为在从接收到GNSS数据的时间到GNSS数据用于位置估计的时间车辆可能已经行进了一些距离。
发明内容
在第一方面，提供了一种用于计算自动驾驶车辆(ADV)的位置的方法。方法包括：在处理装置处接收新的全球导航卫星系统(GNSS)数据；从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与新的GNSS数据的时间戳最接近的时间戳；从多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；基于第一先前估计的位置和第二先前估计的位置之间的差来调整新的GNSS数据；以及基于调整后的GNSS数据计算ADV的当前估计的位置。
在第二方面，提供了一种用于计算自动驾驶车辆(ADV)的位置的数据处理系统。系统包括：处理装置；以及存储器，所述处理器联接到处理装置且存储指令，所述指令在由处理装置执行时使得处理装置执行包括以下的操作：接收新的全球导航卫星系统(GNSS)数据；从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与新GNSS数据的时间戳最接近的时间戳；从多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；基于第一先前估计的位置和第二先前估计的位置之间的差来调整新的GNSS数据；以及基于调整后的GNSS数据计算ADV的当前估计的位置。
在第三方面，提供了一种其中存储有指令的非暂时性机器可读介质。指令在由处理器执行时使处理器执行包括以下的操作：接收新的全球导航卫星系统(GNSS)数据；从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与新的GNSS数据的时间戳最接近的时间戳；从多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；基于第一先前估计的位置和第二先前估计的位置之间的差来调整新的GNSS数据；以及基于调整后的GNSS数据计算ADV的当前估计的位置。
附图说明
本公开的实施方式在附图中以示例的方式而不是限制的方式示出，在附图中相似的附图标记表示相似的元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3是示出根据一个实施方式的与自动驾驶车辆一起使用的感知和规划系统的示例的框图。
图4是示出根据一个实施方式的用于自动驾驶的示例性系统架构的框图。
图5A是示出根据一个实施方式的自动驾驶车辆的传感器系统的示例的框图。
图5B是示出根据一个实施方式的自动驾驶车辆的示例性惯性导航系统的框图。
图6是示出根据一个实施方式的用于补偿惯性导航系统内的时延的示例性方法的流程图。
图7是示出根据一个实施方式的用于补偿惯性导航系统内的时延的另一示例性方法的流程图。
图8A至图8B描述了根据一个实施方式的从全球定位卫星系统和惯性测量单元以及存储自动驾驶车辆的估计位置的队列接收的数据的处理。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
本公开的实施方式提供了惯性导航系统中的时延补偿。可以将先前估计的位置存储在数据结构中(例如，在队列中)以供参考。稍后可以参考所存储的估计来确定GNSS数据的偏差并调整该偏差。例如，在惯性导航系统(INS)处的处理装置可以解析GNSS数据以识别与GNSS数据的初始测量相关联的时间戳。然后，处理装置可以识别存储在数据结构中的、具有与GNSS数据时间戳最接近的时间戳的先前估计的位置(即，在最接近接收到GNSS数据的时刻估计的位置)。处理装置还可以利用最最近的时间戳来识别存储在数据结构中的先前估计的位置(即，车辆的最后估计的位置)。然后，处理装置可以计算在接收到GNSS数据时的估计的位置与最最近估计的位置之间的差。处理装置可以使用所计算的差来补偿GNSS数据的偏差(例如，通过将差加到GNSS数据)。然后，处理装置可以使用调整后的GNSS数据结合IMU数据来估计车辆的当前和将来的位置。
根据一些实施方式，一种用于计算自动驾驶车辆的位置的方法包括接收全球导航卫星系统数据，并识别具有最接近GNSS数据时间戳的时间戳的先前估计的位置和最最近估计的位置。处理装置可以计算两个识别的先前计算的位置之间的差，然后根据所计算的差调整所接收的GNSS数据。调整后的GNSS数据然后可用于计算ADV的当前位置。
根据一些实施方式，系统包括存储器和联接到所述存储器的处理装置。处理装置可以接收全球导航卫星系统数据，并识别具有最接近GNSS数据时间戳的时间戳的先前估计的位置和最最近估计的位置。处理装置可以计算两个识别的先前估计的位置之间的差，然后根据所计算的差调整所接收的GNSS数据。然后，处理装置可以使用调整后的GNSS数据来计算ADV的当前位置。
根据一些实施方式，非暂时性计算机可读存储介质包括可由处理装置执行的指令。所述指令在执行时可致使处理装置接收全球导航卫星系统数据并识别一个具有与GNSS数据时间戳最接近的时间戳的先前估计的位置和最最近估计的位置。处理装置可以计算两个识别的先前估计的位置之间的差，然后根据所计算的差调整所接收的GNSS数据。调整后的GNSS数据然后可用于计算ADV的当前位置。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212和IMU 213可以一起包括在惯性导航系统(INS)210中。INS210可以组合来自GPS单元212和IMU 213的数据以计算自动驾驶车辆的精确位置。GPS单元212可以包括可操作以提供关于自动驾驶车辆的位置的信息的收发器。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可以是针对各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121收集来自各种车辆的驾驶统计123，所述车辆是自动驾驶车辆或由人类驾驶员驾驶的常规车辆。驾驶统计123包括指示由车辆的传感器在不同时间点捕获的、车辆的发出的驾驶命令(例如，油门、制动、转向命令)和响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计123还可以包括描述在不同时间点的驾驶环境的信息，例如，路线(包括开始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计123，机器学习引擎122出于各种目的生成或训练一组规则、算法和/或预测模型124。算法124可以包括用于同步IMU和GPS数据的定时的算法。然后，算法124可以被上载到ADV上，以便在自动驾驶期间被实时地利用。
图3是示出根据一个实施方式的与自动驾驶车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自动驾驶车辆101的一部分，包括但不限于感知和规划系统110、控制系统111和传感器系统115。参照图3，感知和规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306和路由模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307中的一些可以一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用INS210)并管理与用户的行程或路线相关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，例如，车道的形状(例如，直线或弯曲)、车道的宽度、道路中有多少个车道、单向或双向车道、合并或拆分车道、出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
对于每个对象，预测模块303预测对象在环境下将表现的行为。基于根据一组地图/路线信息311和交通规则312在时间点感知驾驶环境的感知数据来执行预测。例如，如果对象是处于相反方向的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆是否可能直接向前移动或转弯。如果感知数据指示交叉路口没有交通灯，则预测模块303可以预测车辆在进入交叉路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块303可以预测车辆将更可能分别进行左转弯或右转弯。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可以根据诸如交通规则或行驶规则312的规则集来作出此类决定，所述规则集可以存储在永久性存储装置352中。
路由模块307配置为提供从起始点到目的地点的一个或多个路线或路径。对于例如从用户接收的从起始位置到目的地位置的给定行程，路由模块307获得路线和地图信息311，并确定从开始位置到目的地位置的所有可能的路线或路径。路由模块307可以为它确定的从起始位置到达目的地位置的每条路线生成地形图形式的参考线路。参考线路指的是没有来自诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。也就是说，如果在道路上没有其它车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线路。然后将地形图提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305通过考虑由其它模块提供的其它数据(例如来自定位模块301的交通状况，由感知模块302感知的驾驶环境以及由预测模块303预测的交通状况)，来检查所有可能的路线以选择和修改最佳路线之一。用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线路，这取决于在该时间点的特定驾驶环境。
基于针对所感知到的对象中的每个的决定，规划模块305以路由模块307提供的参考线路为基础为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中，规划阶段在多个规划周期中执行，也称为驾驶周期，例如，在100毫秒(ms)的每个时间间隔中执行。对于每个规划周期或驾驶周期，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。替换地，规划模块305可进一步指定特定速度、方向和/或转向角等。在一个实施方式中，规划模块305规划用于下一预定时间段(例如5秒)内的路线段或路径段。对于每个规划周期，规划模块305基于在前一个周期中规划的目标位置来规划当前周期的目标位置(例如，下一个5秒)。控制模块306然后基于当前循环的规划和控制数据生成一个或多个控制命令(例如，油门、制动器、转向控制命令)。
应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统、惯性导航系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
图4是示出根据一个实施方式的用于自动驾驶的系统架构的框图。系统架构400可以表示如图3所示的自动驾驶系统的系统架构。参照图4，系统架构400包括但不限于应用层401、规划和控制(PNC)层402、感知层403、驱动器层404、固件层405和硬件层406。应用层401可以包括与自动驾驶车辆的用户或乘客交互的用户接口或配置应用，例如，与用户接口系统113相关联的功能。PNC层402可以包括至少规划模块305和控制模块306的功能。感知层403可以包括至少感知模块302的功能。在一个实施方式中，存在包括预测模块303和/或决策模块304的功能的附加层。替换地，此类功能可以包括在PNC层402和/或感知层403中。系统架构400还包括驱动器层404、固件层405和硬件层406。固件层405可以至少表示传感器系统115的功能，其可以以现场可编程门阵列(FPGA)的形式实现。硬件层406可以表示自动驾驶车辆的硬件，例如控制系统111。层401至403可以经由装置驱动器层404与固件层405和硬件层406通信。
图5A是示出根据本发明的一个实施方式的传感器系统的示例的框图。参照图5，传感器系统115包括多个传感器510和联接到主系统110的传感器单元500。主系统110表示如上所述的规划和控制系统，其可以包括至少一些如图3所示的模块。传感器单元500可以以FPGA器件或ASIC(专用集成电路)器件的形式实现。在一个实施方式中，传感器单元500(除其它外)包括一个或多个传感器数据处理模块501(也简称为传感器处理模块)、数据传输模块502和传感器控制模块或逻辑503。模块501至503可以经由传感器接口504与传感器510通信，并且经由主接口505与主系统110通信。可选地，可以利用内部或外部缓冲器506来缓冲用于处理的数据。
在一个实施方式中，传感器510可以是GPS单元和IMU。GPS单元和IMU可以与单个FPGA或ASIC上的传感器单元500联接在一起(称为惯性测量单元(INS))，如图5B所示。传感器处理模块501可包括从GPS单元和IMU接收数据并组合数据(例如，使用卡尔曼滤波器)以估计自动驾驶车辆的位置的逻辑。传感器处理模块501可以进一步包括(如下面参考图5所描述的)用于补偿由于GPS数据的传播时延而引起的GPS数据偏差的逻辑。
在一个实施方式中，对于接收路径或上行方向，传感器处理模块501被配置为经由传感器接口504从传感器接收传感器数据，并处理传感器数据(例如，格式转换、错误检查)，传感器数据可以被临时存储在缓冲器506中。数据传输模块502被配置为使用与主接口505兼容的通信协议将处理后的数据传输到主系统110。类似地，对于发送路径或下行方向，数据传输模块502被配置为从主系统110接收数据或命令。然后，传感器处理模块501将数据处理成与相应传感器兼容的格式。然后将处理后的数据发送到传感器。
在一个实施方式中，传感器控制模块或逻辑503被配置为响应于经由主接口505从主系统(例如感知模块302)接收的命令来控制传感器510的某些操作，例如对传感器数据捕获进行激活的定时。主系统110可以配置传感器510以协同和/或同步的方式捕获传感器数据，使得传感器数据可以用于在任何时间点感知车辆周围的驾驶环境。
传感器接口504可以包括以太网、USB(通用串行总线)、LTE(长期演进)或蜂窝、WiFi、GPS、相机、CAN、串行(例如，通用异步接收器发射器或UART)、SIM(用户识别模块)卡和其它通用输入/输出(GPIO)接口中的一个或多个。主接口505可以是任何高速或高带宽接口，例如PCIe(外围部件互连或PCI Express)接口。传感器510可以包括在自动驾驶车辆中使用的各种传感器，例如相机、LIDAR装置、RADAR装置、GPS接收器、IMU、超声波传感器、GNSS(全球导航卫星系统)接收器、LTE或蜂窝SIM卡、车辆传感器(例如，油门、制动、转向传感器)和系统传感器(例如，温度、湿度、压力传感器)等。
例如，可经由以太网或GPIO接口联接相机。可经由USB或特定GPS接口联接GPS传感器。可经由CAN接口联接车辆传感器。可经由GPIO接口联接RADAR传感器或超声波传感器。可经由以太网接口联接LIDAR装置。可经由LTE接口联接外部SIM模块。类似地，可将内部SIM模块插入到传感器单元500的SIM插座上。诸如UART的串行接口可以与控制台系统联接以用于调试目的。
注意，传感器510可以是任何类型的传感器，并且由各种供应商或供应商提供。传感器处理模块501被配置为处理不同类型的传感器以及它们各自的数据格式和通信协议。根据一个实施方式，每个传感器510与用于处理传感器数据和在主系统110和相应传感器之间传送处理后的传感器数据的特定通道相关联。每个通道可以包括已被配置或编程为处理相应的传感器数据和协议的特定的传感器处理模块和特定的数据传输模块。
当以低时延模式操作时，根据一个实施方式，数据传输模块(例如，数据传输模块502)被配置为在没有时延或具有最小时延的情况下尽可能快地将从传感器接收的传感器数据发送到主系统。一些传感器数据在需要尽可能快地处理的定时方面非常敏感。这种传感器数据的示例包括车辆状态，例如车辆速度、加速度、转向角等。
当在高带宽模式下操作时，根据一个实施方式，数据传输模块(例如，数据传输模块502)被配置为将从传感器接收的传感器数据累积到预定量，但是仍然在数据传输模块和主系统110之间的连接带宽内。然后，累积的传感器数据以一批的方式被传送到主系统110，该批传感器数据是数据传输模块和主系统110之间的连接的最大带宽数据量。通常，高带宽模式用于产生大量传感器数据的传感器。这种传感器数据的示例包括相机像素数据。
当在存储器模式下操作时，根据一个实施方式，数据传输模块被配置为将从传感器接收的传感器数据直接写入到系统110的映射存储器的存储器位置，类似于共享存储器页面。使用存储器模式传送的传感器数据的示例包括诸如温度、风扇速度等的系统状态数据。
图5B描绘了可包括在图5A的传感器系统115内的惯性导航系统(INS)530。INS 530包括但不限于GNSS接收器532(也称为GPS单元)、惯性测量单元(IMU)534和微控制器单元(MCU)536。GNSS接收器532可以接收和处理来自天线520的GNSS测量，天线520可以位于INS530的外部(例如，在车辆的车顶上)。然后，GNSS接收器532可以将GNSS数据533转发到MCU536。GNSS数据533可以包括车辆的位置、速度和行驶方向，以及指示何时进行测量的时间戳。在一个实施方式中，IMU 534可以测量自动驾驶车辆的加速度和定向，并将这些测量结果发送到MCU 536，以与GNSS数据533(例如，经由卡尔曼滤波器)组合。
MCU 536可接收GNSS数据533和IMU数据535并将其组合(例如，经由卡尔曼滤波器)以计算自动驾驶车辆的估计位置(例如，输出结果540)。MCU可以以比IMU数据535低得多的频率接收GNSS数据533。MCU 536可以在每次接收到IMU数据535时计算车辆的估计位置。因为IMU数据535由MCU以较高频率接收，所以MCU计算可以使用最最近的(most recent)GNSS数据、使用每个新接收的IMU数据535用于每个新位置估计，直到接收到新的GNSS数据。一旦MCU 536接收到新的GNSS数据，就利用新的GNSS数据来更新卡尔曼滤波器计算。然而，由于从天线520接收GNSS数据533，并且GNSS数据533必须传播到GNSS接收器532以被处理并转发到MCU 536，因此GNSS数据可能由于时延(例如，50-60ms)而具有偏差。例如，快速行驶的车辆在从GNSS测量的时间到MCU 536在位置估计中使用GNSS数据533的时间期间可能已经行驶了相当远的距离。因此，位置估计可能因为由传播时延而导致的GNSS数据533偏离而不准确。
然而，MCU 536可以包括补偿逻辑538(例如软件或固件)以调整GNSS数据时延。在一个实施方式中，MCU 536将每个输出结果540(即，每个估计的位置)临时存储在数据结构(例如队列)中。当MCU 536接收到新的GNSS数据533时，MCU 536的补偿逻辑538可以基于最最近存储的估计位置和GNSS数据533被首次测量和加时间戳时的估计位置的差来更新GNSS数据533。补偿逻辑538然后可以将该差添加到初始接收的GNSS数据533，以获得调整后的GNSS数据，该调整后的GNSS数据然后可以用于更新位置估计。在一个实施方式中，MCU 536可以搜索数据结构，以寻找存储在数据结构中的、具有与GNSS数据533的时间戳最接近的时间戳的估计位置。MCU 536然后可以检索存储在数据结构中的最最近的估计位置。补偿逻辑538可以计算两个估计位置之间的差，并将该差加到GNSS数据533。MCU536可使用经调整的GNSS数据来更新卡尔曼滤波器估计以用于更准确的位置估计。
图6是示出根据一个实施方式的在自动驾驶车辆的惯性导航系统中调整GNSS时延的过程的流程图。过程600可以由INS的MCU处的补偿逻辑来执行。在操作602，处理逻辑接收新的全球导航卫星系统(GNSS)数据。天线可以连接到GNSS接收器。天线可以检测GNSS测量，在该点GNSS测量被加时间戳并且被发送到GNSS接收器。GNSS接收器可以处理并格式化所接收的GNSS数据以转发到MCU。GNSS测量可以包括车辆的位置、速度和行驶方向。MCU可解析GNSS数据以识别GNSS测量的时间戳。
在操作604，处理逻辑从存储先前估计的位置的数据结构中识别第一先前估计的位置，所述第一先前估计的位置具有与GNSS数据的时间戳最接近的时间戳。在一个实施方式中，数据结构可以是先进先出缓冲器，例如队列。在一个实施方式中，处理逻辑可以通过迭代地检索队列中最旧的数据并且计算最旧的数据的时间戳和GNSS数据时间戳之间的差，直到找到局部最小值，从而识别具有最接近的时间戳的估计位置。在另一个实施方式中，可以将每个估计位置的时间戳与GNSS数据时间戳和具有识别的最小时间戳差的估计位置进行比较。最接近的估计位置也可以用任何其它方式来识别。
在操作606，处理逻辑根据先前估计的位置的数据结构来识别第二先前估计的位置，所述第二先前估计的位置在数据结构中具有先前估计的位置的最最近的时间戳。因为其中存储估计位置的数据结构可以是FIFO缓冲器(即，队列)，所以估计位置可以被存储在队列的“后部”(最最近被推送，或被添加到队列)。因此，处理逻辑可以简单地从队列的后面检索条目。如果估计的位置没有存储在FIFO缓冲器中，则处理逻辑可以将时间戳与当前时间(例如，实时时钟)进行比较，以识别最最近计算的位置。
在操作608，处理逻辑计算第一先前估计的位置和第二先前估计的位置之间的差。该差可以表示自动驾驶车辆在接收到GNSS数据和由MCU处理GNSS数据之间行进的距离。因此，该差可以是在GNSS数据时延期间车辆的估计位置的变化。该差别还可以包括在时延期间车辆的速度和行驶方向的变化。
在操作610，处理逻辑基于第一先前估计的位置和第二先前估计的位置之间的差来调整新的GNSS数据。处理逻辑可以通过将第一先前估计的位置和第二先前估计的位置之间的差与新的GNSS数据相加来调整新的GNSS数据，以获得调整后的GNSS数据。调整后的GNSS数据可以比原始GNSS数据更准确地表示MCU处理数据时自动驾驶车辆的当前位置。
在操作612，处理逻辑使用调整后的GNSS数据计算车辆的当前估计的位置。调整后的GNSS数据可以更准确地表示车辆的当前位置。因此，使用调整后的GNSS数据计算车辆的估计位置可以使对车辆当前位置的估计更精确。另外，使用经调整的GNSS数据计算的任何进一步的位置估计也可以更精确。例如，每次接收到新的IMU数据并且估计新的位置时，调整后的GNSS数据可以用于估计，直到接收到新的GNSS数据。然后可以对最新的GNSS数据重复该过程。
图7是示出根据另一实施方式的在INS中用于GNSS时延的调整过程的流程图。过程700可以由INS的MCU处的补偿逻辑来执行。在操作702，处理逻辑接收新的IMU数据。在操作704，处理逻辑使用新的IMU数据执行卡尔曼滤波器预测。卡尔曼滤波器可以是算法或逻辑，其基于与接收到的输入相关联的不确定性和/或误差对输入进行加权。例如，在一些情况下，与对IMU数据加权相比，卡尔曼滤波器可对GNSS数据加权更高，因为与IMU相比GNSS数据具有与测量相关联的更低的不确定性。在一些实施方式中，例如如果车辆在隧道中，则IMU可以具有比GNSS数据更低的不确定性，在这种情况下，卡尔曼滤波器可以对IMU数据进行更高的加权。卡尔曼滤波器预测的结果可以是基于GNSS数据和IMU数据的车辆的估计位置。每当接收到新的IMU数据时，处理逻辑可执行预测或计算，而不管是否接收到新的GNSS数据，因为IMU数据以比GNSS数据高得多的频率被接收。
在操作706，处理逻辑确定是否已经接收到新的GNSS数据。当接收到新的GNSS数据时，MCU的处理逻辑可以在MCU的寄存器中设置标志。当在MCU处接收到新的GNSS数据时，可以将新的GNSS数据临时存储在缓冲器中。该标志可以指示已经接收到新的GNSS数据，并且该新的GNSS数据被存储在缓冲器中以由处理逻辑检索。因此，当标志被置位时，处理逻辑除了继续到下面描述的操作714之外，还可以从缓冲器中检索GNSS数据。
在操作708处，响应于确定尚未接收到新的GNSS数据，处理逻辑确定存储先前估计的位置的队列是否已满。如果没有接收到新的GNSS数据，则不需要对GNSS数据偏差进行补偿。队列可以被配置为存储固定数量的最最近位置估计。队列大小可以直接或间接地取决于GNSS数据的时延。队列可能需要足够大以至少在GNSS数据时延的时间长度内存储估计的位置。例如，如果GNSS数据的最大时延是100ms，则队列大小可以维持150ms的先前位置预测/估计。在一个实施方式中，队列可以是先入先出数据缓冲器(例如，首先从队列中删除最早添加的数据)。队列中的每个条目可以包括计算出的位置、速度、行驶方向、时间戳以及与自动驾驶车辆的位置相关联的任何其它信息。
在操作710，响应于确定队列已满，处理逻辑移除队列中的最旧数据(即，最早估计的位置)。处理逻辑可以移除最旧数据，以便为要存储在队列中的最新位置估计留出空间。在操作712，响应于确定队列未满，处理逻辑将最最近的INS输出(最新估计的位置)推入队列。
在操作714，响应于确定已经接收到新的GNSS数据，处理逻辑从队列中检索最旧的数据。在一个实施方式中，处理逻辑然后从队列中移除最旧(最早)的数据。因为队列用于找到具有与GNSS数据时间戳最接近的时间戳的估计位置，所以在比较操作716和718之后，可以从队列中移除不与最接近的数据对应的任何最旧的估计/数据。
在操作716，处理逻辑确定所检索的队列数据时间戳和GNSS时间戳之间的差。在操作718处，处理逻辑基于操作716处所确定的差来确定所检索的队列数据是否最接近GNSS时间戳。在一个实施方式中，处理逻辑通过确定它是局部最小值来识别最接近的队列数据。例如，可以将在操作714处计算的差与先前计算的差进行比较。如果先前计算的差大于当前差，则通过返回到操作714继续比较。否则，如果先前计算的差小于当前差，则可以将先前的数据识别为局部最小值和最接近GNSS时间戳的数据。换句话说，随着比较的继续，差将减小，直到局部最小值，然后紧接在局部最小值之后增加。
在操作720，响应于确定所检索的队列数据最接近GNSS时间戳，处理逻辑从队列中检索最最近的数据(即，最后推入队列的估计位置)。在操作722处，处理逻辑基于最接近GNSS时间戳的数据与推送到队列的最最近数据之间的差来调整GNSS数据。与GNSS时间戳最接近的数据与最最近的估计之间的差可以表示在天线首次接收到GNSS测量数据并对其加时间戳的时间与在MCU处接收到GNSS数据用于位置计算的时间之间车辆行进的距离。因此，使用上述差来调整新接收的GNSS数据可以提供在GNSS数据被用于计算/估计自动驾驶车辆的当前位置时车辆位置的更精确的表示。
在操作724，处理逻辑更新来自操作704的卡尔曼滤波器预测。所述更新使用调整后的GNSS数据作为卡尔曼滤波器的输入，可以比初始接收的GNSS测量更精确地表示自动驾驶车辆的当前位置，其中，初始接收的GNSS测量可具有由在处理GNSS数据时的时延所引起的偏差。
图8A是示出根据一个实施方式的在INS中处理时间和GNSS时延的示图。图8B是示出根据一个实施方式的先前计算的位置(例如，来自图8A)的队列的示图。在图8A中，在车辆天线处接收GNSS数据“z_k”(即，GNSS测量)。GNSS数据可以在其被接收时(例如，t_k)被加时间戳。可将GNSS数据“z_k”传播到MCU以执行位置估计计算。可能存在与GNSS数据到达MCU所花费的时间相对应的GNSS时延。在GNSS数据传播期间，可以继续由MCU接收IMU数据(例如，如图所示的每个IMU时段)。每当MCU接收新的IMU数据时，MCU可计算新的估计位置(例如，“x_k”,“x_k+1”等)。在一个实施方式中，所估计的位置之一可以对应于首次接收到GNSS数据并对其加时间戳的时间(即，在时间t_k处的估计x_k)。此外，可以针对每个IMU数据计算估计的位置，直到在MCU处接收到新的GNSS数据。因此，在MCU处接收到新的GNSS数据之前，可以立即计算最最近的位置估计(x_s)，以更新用于当前和将来的位置估计的卡尔曼滤波器预测。
在图8B中，根据图8A计算的每个估计位置可以被存储在数据结构中，例如队列。例如，从时间(t_k-2)到(t_s)的估计位置可以被存储在队列中。MCU可以使用队列来校正由于GNSS数据传播的GNSS时延而导致的接收到的z_k GNSS数据中的偏差。在一个实施方式中，在接收到新的GNSS数据(z_k)时，MCU可以识别所存储的、与最接近GNSS数据被加时间戳的时间对应的估计。在当前示例中，在时间k接收GNSS数据，并且因此所存储的估计“x_k”的时间戳最接近地匹配GNSS数据的时间戳。尽管图8将估计的位置x_k描述为与GNSS数据时间戳t_k同时计算，但是估计的计算可以具有与GNSS数据稍微不同的实际时间戳。一旦识别出最接近的存储估计(即，x_k)，则识别出最最近的估计“x_s”。最最近的估计可以是被推送到队列的最最近的估计。然后，MCU可以比较所存储的最接近估计和最最近估计的估计，以确定所接收的GNSS数据(z_k)的近似偏差。然后可以将所确定的偏差添加到GNSS数据，以在计算下一个估计位置之前调整该偏差。在一个实施方式中，调整后的GNSS数据可用于更新自动驾驶车辆位置的卡尔曼滤波器预测。因此，调整GNSS数据以考虑偏差可以提供更精确的位置估计/预测。
应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的装置。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (20)

1.一种用于计算自动驾驶车辆ADV的位置的方法，包括：
在处理装置处接收新的全球导航卫星系统GNSS数据；
从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与所述新的GNSS数据的时间戳最接近的时间戳；
从所述多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；
基于所述第一先前估计的位置和所述第二先前估计的位置之间的差来调整所述新的GNSS数据；以及
基于调整后的GNSS数据计算所述ADV的当前估计的位置。
2.根据权利要求1所述的方法，其中，所述多个先前估计的位置存储在先进先出FIFO队列中，以及其中，所述多个先前估计的位置中的每一个在计算时被推入所述FIFO队列中。
3.根据权利要求1所述的方法，其中，使用至少GNSS数据和惯性测量单元IMU数据来计算所述多个先前估计的位置中的每一个，其中，接收所述IMU数据的频率高于接收所述GNSS数据的频率。
4.根据权利要求1所述的方法，其中，识别所述第一先前估计的位置包括：
计算所述新的GNSS数据的时间戳与至少一个先前估计的位置的时间戳之间的差；以及
识别用于指示具有与所述新的GNSS数据的时间戳最接近的时间戳的所述第一先前估计的位置的最小差。
5.根据权利要求1所述的方法，其中，调整所述新的GNSS数据包括将所计算的差加到所述新的GNSS数据。
6.根据权利要求1所述的方法，其中，所述位置数据包括所述ADV的地理位置、所述ADV的速度或所述ADV的行驶方向中的至少一个。
7.根据权利要求1所述的方法，其中，使用GNSS数据和IMU数据作为卡尔曼滤波器的输入来计算所述先前估计的位置数据。
8.一种用于计算自动驾驶车辆ADV的位置的数据处理系统，包括：
处理装置；以及
存储器，联接到所述处理装置并存储指令，所述指令在由所述处理装置执行时致使所述处理装置执行操作，所述操作包括：
接收新的全球导航卫星系统GNSS数据；
从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与所述新的GNSS数据的时间戳最接近的时间戳；
从所述多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；
基于所述第一先前估计的位置与所述第二先前估计的位置之间的差来调整所述新的GNSS数据；以及
基于调整后的GNSS数据计算所述ADV的当前估计的位置。
9.根据权利要求8所述的系统，其中，所述多个先前估计的位置被存储在先进先出FIFO队列中，以及其中，所述多个先前估计的位置中的每一个在计算时被推入所述FIFO队列中。
10.根据权利要求8所述的系统，其中，使用至少GNSS数据和惯性测量单元IMU数据来计算所述多个先前估计的位置中的每一个，其中，接收所述IMU数据的频率高于接收所述GNSS数据的频率。
11.根据权利要求8所述的系统，其中，识别所述第一先前估计的位置包括：
计算所述新的GNSS数据的时间戳与至少一个先前估计的位置的时间戳之间的差；以及
识别指示具有与所述新的GNSS数据的时间戳最接近的时间戳的所述第一先前估计的位置的最小差。
12.根据权利要求8所述的系统，其中，调整所述新的GNSS数据包括将所计算的差加到所述新的GNSS数据。
13.根据权利要求8所述的系统，其中，所述位置数据包括所述ADV的地理位置、所述ADV的速度或所述ADV的行驶方向中的至少一个。
14.根据权利要求8所述的系统，其中，使用GNSS数据和IMU数据作为卡尔曼滤波器的输入来计算所述先前估计的位置数据。
15.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行计算自动驾驶车辆ADV的位置的操作，所述操作包括：
接收新的全球导航卫星系统GNSS数据；
从多个先前估计的位置中识别第一先前估计的位置，所述第一先前估计的位置具有与所述新的GNSS数据的时间戳最接近的时间戳；
从所述多个先前估计的位置中识别第二先前估计的位置，所述第二先前估计的位置具有最最近的时间戳；
基于所述第一先前估计的位置和所述第二先前估计的位置之间的差来调整所述新的GNSS数据；以及
基于调整后的GNSS数据计算所述ADV的当前估计的位置。
16.根据权利要求15所述的机器可读介质，其中，所述多个先前估计的位置存储在先进先出FIFO队列中，以及其中，所述多个先前估计的位置中的每一个在计算时被推入所述FIFO队列中。
17.根据权利要求15所述的机器可读介质，其中，使用至少GNSS数据和惯性测量单元IMU数据来计算所述多个先前估计的位置中的每一个，其中，接收所述IMU数据的频率高于接收所述GNSS数据的频率。
18.根据权利要求15所述的机器可读介质，其中，标识所述第一先前估计的位置包括：
计算所述新的GNSS数据的时间戳与至少一个先前估计的位置的时间戳之间的差；以及
识别指示具有与所述新的GNSS数据的时间戳最接近的时间戳的所述第一先前估计的位置的最小差。
19.根据权利要求15所述的机器可读介质，其中，调整所述新的GNSS数据包括将所计算的差加到所述新的GNSS数据。
20.根据权利要求15所述的机器可读介质，其中，所述位置数据包括所述ADV的地理位置、所述ADV的速度或所述ADV的行驶方向中的至少一个。
CN202080002095.4A 2020-03-05 2020-03-05 惯性导航系统中的时延补偿 Pending CN113748362A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/077982 WO2021174485A1 (en) 2020-03-05 2020-03-05 Latency compensation in inertial navigation system

Publications (1)

Publication Number Publication Date
CN113748362A true CN113748362A (zh) 2021-12-03

Family

ID=77612800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080002095.4A Pending CN113748362A (zh) 2020-03-05 2020-03-05 惯性导航系统中的时延补偿

Country Status (5)

Country Link
US (1) US11609342B2 (zh)
JP (1) JP2023516412A (zh)
KR (1) KR20220129661A (zh)
CN (1) CN113748362A (zh)
WO (1) WO2021174485A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220383751A1 (en) * 2021-05-28 2022-12-01 Lyft, Inc. Systems and methods for personal mobile vehicle localization in a fleet management system

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1868008A1 (en) * 2006-06-17 2007-12-19 Northrop Grumman Corporation Estimate of relative position between navigation units
CN101105401A (zh) * 2007-08-06 2008-01-16 北京航空航天大学 一种sdins/gps组合导航系统时间同步及同步数据提取方法
JP2012177564A (ja) * 2011-02-25 2012-09-13 Seiko Epson Corp 移動体測位方法、移動体測位装置
CN103616710A (zh) * 2013-12-17 2014-03-05 靳文瑞 基于fpga的多传感器组合导航时间同步系统
CN105806339A (zh) * 2016-05-14 2016-07-27 中卫物联成都科技有限公司 一种基于gnss、ins和守时系统的组合导航方法和设备
CN106154299A (zh) * 2016-06-22 2016-11-23 陕西宝成航空仪表有限责任公司 一种gps/sins组合导航系统时间同步方法
CN108535755A (zh) * 2018-01-17 2018-09-14 南昌大学 基于mems的gnss/imu车载实时组合导航方法
CN109724598A (zh) * 2019-03-08 2019-05-07 哈尔滨工程大学 一种gnss/ins松组合时延误差的估计及补偿方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8885151B1 (en) * 2012-09-04 2014-11-11 Google Inc. Condensing sensor data for transmission and processing
US10473789B1 (en) * 2015-04-13 2019-11-12 Lockheed Martin Corporation Real-time ship position error compensation system and method
US10054445B2 (en) * 2016-05-16 2018-08-21 Northrop Grumman Systems Corporation Vision-aided aerial navigation
CN110888436A (zh) * 2019-11-22 2020-03-17 东北大学秦皇岛分校 一种灾后救援六足机器人自主探测系统及方法
US11435485B2 (en) * 2020-05-22 2022-09-06 The Board Of Regents Of The University Of Oklahoma Multi-inertial measurement unit fusion for fine-resolution position estimation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1868008A1 (en) * 2006-06-17 2007-12-19 Northrop Grumman Corporation Estimate of relative position between navigation units
CN101105401A (zh) * 2007-08-06 2008-01-16 北京航空航天大学 一种sdins/gps组合导航系统时间同步及同步数据提取方法
JP2012177564A (ja) * 2011-02-25 2012-09-13 Seiko Epson Corp 移動体測位方法、移動体測位装置
CN103616710A (zh) * 2013-12-17 2014-03-05 靳文瑞 基于fpga的多传感器组合导航时间同步系统
CN105806339A (zh) * 2016-05-14 2016-07-27 中卫物联成都科技有限公司 一种基于gnss、ins和守时系统的组合导航方法和设备
CN106154299A (zh) * 2016-06-22 2016-11-23 陕西宝成航空仪表有限责任公司 一种gps/sins组合导航系统时间同步方法
CN108535755A (zh) * 2018-01-17 2018-09-14 南昌大学 基于mems的gnss/imu车载实时组合导航方法
CN109724598A (zh) * 2019-03-08 2019-05-07 哈尔滨工程大学 一种gnss/ins松组合时延误差的估计及补偿方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HANSEN J. ET AL: "Nonlinear Observer Design for GNSS-aided Inertial Navigation Systems with Time-delayed GNSS Measurements", CONTROL ENGINEERING PRACTICE, vol. 60, pages 39 - 50 *
付庭强等: "GPS/INS延时估计与基于残差重构的延时补偿算法", 上海交通大学学报, vol. 53, no. 10, pages 1210 - 1217 *
杜瑾等: "高动态GPS/INS组合导航中时间延迟软硬件补偿算法研究", 传感技术学报, vol. 29, no. 12, pages 1858 - 1863 *

Also Published As

Publication number Publication date
WO2021174485A1 (en) 2021-09-10
US20220299656A1 (en) 2022-09-22
US11609342B2 (en) 2023-03-21
JP2023516412A (ja) 2023-04-19
KR20220129661A (ko) 2022-09-23

Similar Documents

Publication Publication Date Title
US11592570B2 (en) Automated labeling system for autonomous driving vehicle lidar data
CN110895147B (zh) 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑
CN110857099B (zh) 用于自动驾驶车辆的时间源恢复系统
US10971004B2 (en) Density based traffic light control system for autonomous driving vehicles (ADVs)
US11488389B2 (en) Verifying timing of sensors used in autonomous driving vehicles
US11807265B2 (en) Synchronizing sensors of autonomous driving vehicles
US11456890B2 (en) Open and safe monitoring system for autonomous driving platform
CN112543876B (zh) 用于自动驾驶车辆中的传感器同步性数据分析的系统
US11754715B2 (en) Point cloud format optimized for LiDAR data storage based on device property
US20210356562A1 (en) A detector for point cloud fusion
US11592581B2 (en) Dual inertial measurement units for inertial navigation system
CN112041773A (zh) 自动驾驶车辆的规划和控制之间的通信协议
EP3757711B1 (en) A vehicle-platoons implementation under autonomous driving system designed for single vehicle
US11662745B2 (en) Time determination of an inertial navigation system in autonomous driving systems
WO2020220199A1 (en) Multiple sensor data storage with compressed video stream in autonomous driving vehicles
US11609342B2 (en) Latency compensation in inertial navigation system
CN112598914B (zh) 基于历史的预计到达时间
US20240051569A1 (en) Long-term evolution computing platform for autonomous vehicles based on shell and nut architecture
US20240045027A1 (en) Adaptive lidar data processing for driverless vehicle
WO2024050674A1 (en) Dual path ethernet-based sensor device fault monitoring
US20230065284A1 (en) Control and planning with localization uncertainty

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