CN113811793A - 基于近邻的点云过滤系统 - Google Patents

Abstract

公开一种用于过滤由自主车辆中的LIDAR设备生成的点云的方法、装置和系统。基于LIDAR设备的输出生成包括多个点的点云。基于以下中的一个或多个过滤点云以移除多个点中对应于噪声的第一点集合：点强度测量、点之间的距离或其组合。基于过滤的点云生成感知数据。基于感知数据控制自主车辆的操作。

Description

基于近邻的点云过滤系统

技术领域

本公开的实施例一般涉及操作自主车辆。更特别地，本公开的实施例涉及处理由自主车辆中的LIDAR设备生成的点云。

背景技术

以自主模式(例如，无人驾驶)操作的车辆可以减轻乘坐者，尤其是驾驶员的一些驾驶相关责任。当在自主模式下操作时，车辆可以使用车载传感器导航到各种位置，从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。

LIDAR(光检测和测距，或光和雷达的混成词)技术已广泛用于军事、地理学、海洋学，以及最近十年来的自主驾驶车辆。LIDAR设备可以在通过场景扫描以聚集表示对象反射面的点云时估计到对象的距离。点云中的各个点可以通过以下方式确定：发射激光脉冲并且检测(如果有)从对象反射的返回脉冲，以及根据所发射脉冲和所反射脉冲的接收之间的时间延迟确定到对象的距离。可以在整个场景中快速且重复扫描一束激光或多束激光，以提供关于到场景中的反射对象的距离的连续实时信息。一个激光束的每个完整旋转产生一个点环。

LIDAR技术易受噪声影响，诸如由灰尘或其他颗粒引起的噪声。当障碍物待被检测时，嘈杂的点云可能会导致误报(false positive)。

附图说明

本公开的实施例通过示例的方式图示并且不限于附图中的图，在附图中相同的附图标记表示相似的元件。

图1是图示根据一个实施例的联网系统的框图。

图2是图示根据一个实施例的自主车辆的示例的框图。

图3A-图3B是图示根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。

图4是图示基于LIDAR设备的输出的包括多个点环的示例性点云的图。

图5是图示根据本公开的一个实施例可使用的各种模块的框图。

图6是图示根据一个实施例的过滤由自主车辆中LIDAR设备生成的点云的示例性方法的流程图。

图7是图示根据一个实施例的过滤由自主车辆中LIDAR设备生成的点云的示例性方法的流程图。

具体实施方式

将参考下面讨论的细节描述本公开的各个实施例和方面，并且附图将图示各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而，在某些情况下，为了提供对本公开的实施例的简要讨论，没有描述公知或常规的细节。

说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特别特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。

根据一些实施例，公开一种用于过滤由自主车辆中的LIDAR设备生成的点云的方法、装置和系统。基于LIDAR设备的输出生成包括多个点的点云。基于以下中的一个或多个过滤点云以移除多个点中对应于噪声的第一点集合：点强度测量、点之间的距离或其组合。基于过滤的点云生成感知数据。基于感知数据控制自主车辆的操作。

在一个实施例中，对应于噪声的第一点集合包括对应于灰尘的点。在一个实施例中，过滤点云包括移除其中的每一个与低于第一强度阈值的强度测量相关联的点。在一个实施例中，过滤点云还包括移除以下点，点中的每一个1)与低于第二强度阈值的强度测量相关联，第二强度阈值大于第一强度阈值，2)具有到同一环中向左的对应邻近点的第一距离，第一距离高于第一距离阈值，以及3)具有到同一环中向右的对应邻近点的第二距离，第二距离高于第二距离阈值。

在一个实施例中，第一距离阈值和第二距离阈值不同。在另一实施例中，第一距离阈值等于第二距离阈值。在一个实施例中，第一距离阈值和第二距离阈值中的任一个至少部分地基于以下中的一个或多个确定：被考虑移除的点与LIDAR设备之间的距离、同一个环中点的数量或其组合。

图1是图示根据本公开的一个实施例的自主车辆网络配置的框图。参考图1，网络配置100包括自主车辆101，其可以通过网络102通信地耦接到一个或多个服务器103-104。尽管示出一个自主车辆，但是多个自主车辆可以通过网络102彼此耦接和/或耦接到服务器103-104。网络102可以是任何类型的有线或无线网络，诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络、或其组合。(一个或多个)服务器103-104可以是任何类型的服务器或服务器集群，诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和感兴趣点(MPOI)服务器或位置服务器等。

自主车辆指的是能够被配置为处于自主模式的车辆，在自主模式中车辆在很少或没有驾驶员输入的情况下导航通过环境。这种自主车辆可以包括具有一个或多个传感器的传感器系统，一个或多个传感器被配置为检测关于车辆在其中操作的环境的信息。车辆及其相关联的(一个或多个)控制器使用检测的信息以导航通过环境。自主车辆101可以以手动模式、全自主模式或部分自主模式操作。

在一个实施例中，自主车辆101包括但不限于感知和规划系统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。自主车辆101还可以包括在普通车辆中包括的某些常见组件，诸如引擎、车轮、转向盘、变速器等，这些组件可以被车辆控制系统111和/或感知和规划系统110使用各种通信信号和/或命令(诸如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)控制。

组件110-115可以经由互连、总线、网络或其组合彼此通信地耦接。例如，组件110-115可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是一种车辆总线标准，其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议，最初被设计用于机动车内的多路复用电气布线，但是也用于许多其他环境中。

现在参考图2，在一个实施例中，传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和测距(LIDAR)单元215。GPS系统212可以包括可操作以提供关于自主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感测自主车辆的位置和方位变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的对象的系统。在一些实施例中，除了感测对象之外，雷达单元214还可以额外地感测对象的速度和/或航向。LIDAR单元215可以使用激光器感测自主车辆所处的环境中的对象。LIDAR单元215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，以及其他系统组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或摄像机。相机可以是机械可移动的，例如通过将相机安装在旋转和/或倾斜的平台上。

传感器系统115还可以包括其他传感器，诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测车辆的转向盘、车轮或其组合的转向角。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。在一些情况下，油门传感器和制动传感器可以集成为集成的油门/制动传感器。

在一个实施例中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调节车辆的方向或航向。油门单元202用于控制马达或引擎的速度，其又控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎变慢来使车辆减速。注意，图2所示的组件可以用硬件、软件或其组合来实现。

返回参考图1，无线通信系统112允许在自主车辆101和外部系统，诸如设备、传感器、其他车辆等之间的通信。例如，无线通信系统112可以直接或经由通信网络与一个或多个设备无线通信，诸如通过网络102与服务器103-104无线通信。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与另一组件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等直接与设备(例如，乘客的移动设备、显示设备、车辆101内的扬声器)通信。用户接口系统113可以是在车辆101内实现的外围设备的一部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。

自主车辆101的功能中的一些或所有可以由感知和规划系统110控制或管理，尤其是当以自主驾驶模式操作时。感知和规划系统110包括必要的硬件(例如，(一个或多个)处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线程序)，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，处理接收的信息，规划从起点到目的点的路线或路径，然后基于规划和控制信息驾驶车辆101。可替换地，感知和规划系统110可以与车辆控制系统111集成。

例如，作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划系统110获得与行程有关的数据。例如，感知和规划系统110可以从MPOI服务器获得位置和路线信息，MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI。可替换地，这种位置和MPOI信息可以本地缓存在感知和规划系统110的永久存储设备中。

当自主车辆101沿着路线移动时，感知和规划系统110还可以从交通信息系统或服务器(TIS)获得实时交通信息。注意，服务器103-104可以由第三方实体操作。可替换地，服务器103-104的功能可以与感知和规划系统110集成。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检测或感测的实时局部环境数据(例如，障碍物、对象、附近车辆)，感知和规划系统110可以规划最佳路线，并且例如经由控制系统111根据规划的路线驾驶车辆101，以安全且高效地到达指定目的地。

服务器103可以是用以执行用于各种客户端的数据分析服务的数据分析系统。在一个实施例中，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从各种车辆(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示发出的驾驶命令(例如，油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计数据123还可以包括描述不同时间点的驾驶环境的信息，诸如路线(包括起始位置和目的位置)、MPOI、道路状况、天气状况等。

基于驾驶统计数据123，机器学习引擎122出于各种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施例中，算法124可以包括用于过滤由LIDAR设备生成的点云的算法。算法124然后可以被上传在自主驾驶车辆(ADV)上以在自主驾驶期间实时地被使用。

图3A和图3B是图示根据一个实施例的与自主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的自主车辆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。参考图3A-图3B，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、路由模块307和点云过滤器模块502。

模块301-307和502中的一些或全部可以以软件、硬件或其组合实现。例如，这些模块可以被安装在永久存储设备352中，加载到存储器351中，并由一个或多个处理器(未示出)执行。注意，这些模块中的一些或全部可以通信地耦接到图2的车辆控制系统111的一些或全部模块或与图2的车辆控制系统111的一些或全部模块集成。模块301-307和502中的一些可以被集成在一起作为集成模块。

定位模块301确定自主车辆300的当前位置(例如，利用GPS单元212)并且管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户接口登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件(诸如地图和路线信息311)通信，以获得与行程有关的数据。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，以及MPOI服务器提供地图服务和某些位置的POI，它们可以作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时，定位模块301还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，由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可以包括车道配置、交通灯信号、例如以对象形式的另一车辆、行人、建筑物、人行横道或其他交通相关标志(例如，停止标志、让路标志)等的相对位置。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶离车道等。

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，以处理和分析由一个或多个相机捕获的图像，以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、车行道边界、其他车辆、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、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统可以映射环境，跟踪对象，并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。

对于对象中的每一个，预测模块303预测对象将在环境下表现什么行为。根据一组地图/路线信息311和交通规则312，基于在该时间点的驾驶环境感知的感知数据，执行预测。例如，如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆将可能直线向前移动还是转弯。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向左转弯车道或仅向右转弯车道，则预测模块303可以预测车辆将更可能分别左转弯或右转弯。

对于对象中的每一个，决策模块304做出关于如何处理该对象的决策。例如，对于特定对象(例如，在交叉路线中的另一车辆)及其描述对象的元数据(例如，速度、方向、转角)，决策模块304决定如何遇到对象(例如，超车、让路、停止、经过)。决策模块304可根据一组规则(诸如交通规则或驾驶规则312)做出这些决策，这组规则可以存储于永久存储设备352中。

路由模块307被配置为提供从起点到目的点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的位置的给定行程，路由模块307获得路线和地图信息311并且确定从起始位置到达目的位置的所有可能的路线或路径。路由模块307可以为其从起始位置到达目的位置确定的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其他车辆、障碍物或交通状况的其他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他车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线。然后，地形图被提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其他模块提供的其他数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)选择和修改最佳路线中的一个。取决于在时间点的特定驾驶环境，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。

基于针对感知对象中的每一个的决策，规划模块305使用由路由模块307提供的参考线作为基础规划自主车辆的路径或路线以及驾驶参数(例如，距离、速度和/或转角)。也就是说，对于给定对象，决策模块304决策对该对象做什么，而规划模块305确定如何做。例如，对于给定对象，决策模块304可以决策经过对象，而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300在下一个移动周期(例如，下一个路线/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以每小时30英里(mph)的速度移动10米，然后以25mph的速度改变到右车道。

基于规划和控制数据，控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制系统111发送适当的命令或信号，控制和驾驶自主车辆。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时间点使用适当的车辆设置或驾驶参数(例如，油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施例中，在多个规划周期中执行规划阶段，规划周期也称为驾驶周期，诸如在100毫秒(ms)的每个时间间隔中。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。可替换地，规划模块305还可以指定特定的速度、方向和/或转向角等。在一个实施例中，规划模块305为下一个预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在先前周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。然后控制模块306基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门控制命令、制动控制命令、转向控制命令)。

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，以确定用于自主车辆的驾驶路径。例如，导航系统可以确定一系列速度和方向航向，以影响自主车辆沿着基本上避开感知的障碍物的路径的移动，同时大体上使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统113的用户输入而被设置。当自主车辆在操作时，导航系统可以动态地更新驾驶路径。导航系统可以合并来自GPS系统的数据和一个或多个地图，以便确定用于自主车辆的驾驶路径。

点云过滤器模块502基于点强度测量、点之间的距离或其组合中的一个或多个，过滤点云以移除多个点中对应于噪声的第一点集合，如将在以下进一步详细描述的那样。注意，点云过滤器模块502可以与模块301-307中的另一个集成，诸如，例如感知模块302。

参考图4，图400图示基于LIDAR设备的输出的包括多个点环的示例性点云。LIDAR设备215扫描场景以聚集点云。点云中的各个点可以通过以下方式确定：发射激光脉冲并检测(如果有)从对象反射的返回脉冲，以及根据所发射的脉冲和反射脉冲的接收之间的时间延迟确定到对象的距离。可以跨场景快速且重复扫描一束或多束激光，以提供到场景中反射对象的距离的连续实时信息。LIDAR设备可以包括同时利用多个激光束扫描场景的多个激光生成组件。一个激光束的每个完整旋转会产生一个点环。在图4中，示出两个环形段410A、410B。应当理解的是图4仅用于说明性目的，并且如图4所示的点及其布置包括点的数量、环的数量、每个环中点的数量以及每个环的形状和位置，不限制公开。示出到环410B中的点401的两个邻近点402、403。具体而言，点402是同一环401B中点401在第一方向(例如，向左)的邻近点，以及点403是同一环401B中点401在第二方向(例如，向右)的邻近点。

参考图5，示出图示根据本公开的一个实施例可用的各种模块的框图500。基于LIDAR设备/单元215的输出，生成包括多个点的点云501。点云501可以表示周围环境中的特征的3D形状。每个点可以具有其自己坐标X、Y和Z的集合，并且可以与强度测量相关联。强度测量指示生成该点的激光脉冲的返回强度。在点云过滤器模块502处，基于点强度测量、点之间的距离或其组合中的一个或多个，过滤点云501以移除多个点中对应于噪声的第一点集合。噪声可能由周围环境中的灰尘或其他颗粒引起。如果未移除对应于噪声的点，则误报可能会导致障碍物的检测。因此，在一个实施例中，对应于噪声的第一点集合包括对应于灰尘的点。

接下来在感知模块302处，基于过滤的点云503生成感知数据。在控制模块306处基于感知数据控制自主车辆的操作。在一个实施例中，过滤点云包括移除点，所述点中的每个点与低于第一强度阈值的强度测量相关联。

在一个实施例中，过滤点云还包括移除以下点，所述点中的每个点1)与低于第二强度阈值的强度测量相关联，第二强度阈值大于第一强度阈值；2)具有到同一环中向左的对应邻近点的第一距离，第一距离高于第一距离阈值；3)具有到同一环中向右的对应邻近点的第二距离，第二距离高于第二距离阈值。在不同的实施例中，第一距离阈值和第二距离阈值可以不同或者可以相同。应当理解的是一个激光束的每个完整旋转会产生一个点环，并且由于LIDAR设备通常可以包括同时扫描的多个激光器，因此点云可以包括多个点环。环中的点数量可以在几百到几千之间的范围内，并且不限制本公开。在一个示例性LIDAR设备中，每个环包括大约1800个点。

在一个实施例中，第一距离阈值和第二距离阈值中的任一个至少部分地基于以下中的一个或多个确定：被考虑移除的点与LIDAR设备之间的距离、同一环中的点数量或其组合。在其他实施例中，例如，使用以下公式确定第一距离阈值(distance threshold)和第二距离阈值中的任一个：distance_threshold＝2*distance_point*π*buffer/num_points_per_ring，其中“distance_point”是所讨论的点和LIDAR设备之间的距离，“num_points_per_ring”是同一环中的点数(数量)，且“buffer”是可以凭经验确定的预设超参数。在一个实施例中，“buffer”的值可以约为1.2，尽管应当理解的是该值不限制本公开。

参考图6，示出图示根据一个实施例的用于过滤由自主车辆中LIDAR设备生成的点云的示例性方法600的流程图。图6所示的过程可以以硬件、软件或其组合实现。在框610处，基于LIDAR设备的输出生成包括多个点的点云。在框620处，基于点强度测量、点之间的距离或其组合中的一个或多个，过滤点云以移除多个点中对应于噪声的第一点集合。在框630处，基于过滤的点云生成感知数据。在框640处，基于感知数据控制自主车辆的操作。

参考图7，示出图示根据一个实施例的用于过滤由自主车辆中的LIDAR设备生成的点云的示例性方法700的流程图。图7所示的过程可以以硬件、软件或其组合来实现。方法700可以在图6的框620处执行。在框710处，移除其中的每一个与低于第一强度阈值的强度测量相关联的点。在框720处，移除以下点，其中的每一个1)与低于第二强度阈值的强度测量相关联，第二强度阈值大于第一强度阈值，2)具有到同一环中向左的对应邻近点的第一距离，第一距离高于第一距离阈值，以及3)具有到同一环中向右的对应邻近点的第二距离，第二距离高于第二距离阈值。

因此，根据本公开的实施例，可以移除LIDAR点云中对应于噪声的点，诸如由灰尘或其他颗粒引起的噪声。噪声点的移除减少障碍物检测过程中误报的可能性。

注意，如上所示和所述的组件中的一些或所有可以以软件、硬件或其组合实现。例如，这些组件可以被实现为安装并存储在永久存储设备中的软件，软件可以由处理器(未示出)在存储器中加载并执行以执行贯穿本申请所述的过程或操作。可替换地，这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码，专用硬件诸如集成电路(例如，专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)，其可经由来自应用的对应的驱动器和/或操作系统访问。此外，这些组件可以被实现为处理器中的特定硬件逻辑或处理器内核，作为经由一个或多个特定指令软件组件可访问的指令集的部分。

已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将其工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操作的那些操作。

然而，应当记住的是，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标记。除非另有特别声明，从以上讨论中显而易见的是，应当理解的是，在整个说明书中，使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程，该计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备内的类似表示为物理量的其他数据。

本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序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、闪存设备)。

在前述附图中描述的过程或方法可以由包括硬件(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)或两者的组合的处理逻辑来执行。尽管以上关于一些顺序操作描述了过程或方法，应当理解的是，可以以不同的顺序执行所述的一些操作。此外，一些操作可以并行地而不是顺序地执行。

本公开的实施例不是参考任何特定编程语言描述的。将了解的是，可使用各种编程语言实施如本文所述的本公开的实施例的教示。

在前述说明书中，已经参考本公开的特定示例性实施例描述了本公开的实施例。显然，在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下，可以对其进行各种修改。因此，说明书和附图应被认为是说明性的而不是限制性的。

Claims (21)

1.一种用于操作自主车辆的计算机实现的方法，包括：

基于LIDAR设备的输出生成包括多个点的点云；

基于以下中的一个或多个过滤点云以移除所述多个点中对应于噪声的第一点集合：点强度测量、点之间的距离或其组合；

基于过滤的点云生成感知数据，所述感知数据包括描述所述自主车辆周围的驾驶环境的信息；以及

基于感知数据控制所述自主车辆的操作，以导航通过所述驾驶环境。

2.根据权利要求1所述的方法，其中对应于噪声的所述第一点集合包括对应于灰尘的点。

3.根据权利要求1所述的方法，其中过滤所述点云包括移除其中的每一个与低于第一强度阈值的强度测量相关联的点。

4.根据权利要求3所述的方法，其中过滤所述点云还包括移除以下点，所述点中的每一个1)与低于第二强度阈值的强度测量相关联，所述第二强度阈值大于所述第一强度阈值，2)具有到同一环中向左的对应邻近点的第一距离，第一距离高于第一距离阈值，以及3)具有到同一环中向右的对应邻近点的第二距离，第二距离高于第二距离阈值。

5.根据权利要求4所述的方法，其中所述第一距离阈值和所述第二距离阈值不同。

6.根据权利要求4所述的方法，其中所述第一距离阈值等于所述第二距离阈值。

7.根据权利要求4所述的方法，其中所述第一距离阈值和所述第二距离阈值中的任一个至少部分地基于以下中的一个或多个确定：被考虑移除的点与所述LIDAR设备之间的距离、同一个环中点的数量或其组合。

8.一种非暂时性机器可读介质，具有存储在其中的指令，所述指令在由处理器执行时使得所述处理器执行操作自主车辆的操作，所述操作包括：

基于LIDAR设备的输出生成包括多个点的点云；

基于以下中的一个或多个过滤点云以移除所述多个点中对应于噪声的第一点集合：点强度测量、点之间的距离或其组合；

基于过滤的点云生成感知数据，所述感知数据包括描述所述自主车辆周围的驾驶环境的信息；以及

基于所述感知数据控制所述自主车辆的操作，以导航通过所述驾驶环境。

9.根据权利要求8所述的非暂时性机器可读介质，其中对应于噪声的所述第一点集合包括对应于灰尘的点。

10.根据权利要求8所述的非暂时性机器可读介质，其中过滤所述点云包括移除其中的每一个与低于第一强度阈值的强度测量相关联的点。

11.根据权利要求10所述的非暂时性机器可读介质，其中过滤所述点云还包括移除以下点，所述点中的每一个1)与低于第二强度阈值的强度测量相关联，所述第二强度阈值大于所述第一强度阈值，2)具有到同一环中向左的对应邻近点的第一距离，第一距离高于第一距离阈值，以及3)具有到同一环中向右的对应邻近点的第二距离，第二距离高于第二距离阈值。

12.根据权利要求11所述的非暂时性机器可读介质，其中所述第一距离阈值和所述第二距离阈值不同。

13.根据权利要求11所述的非暂时性机器可读介质，其中所述第一距离阈值等于所述第二距离阈值。

14.根据权利要求11所述的非暂时性机器可读介质，其中所述第一距离阈值和所述第二距离阈值中的任一个至少部分地基于以下中的一个或多个确定：被考虑移除的点与所述LIDAR设备之间的距离、同一个环中点的数量或其组合。

15.一种数据处理系统，包括：

处理器；以及

存储器，所述存储器耦接到所述处理器以存储指令，所述指令在由所述处理器执行时使得所述处理器执行操作自主车辆的操作，所述操作包括：

基于LIDAR设备的输出生成包括多个点的点云；

基于以下中的一个或多个过滤所述点云以移除所述多个点中对应于噪声的第一点集合：点强度测量、点之间的距离或其组合；

基于过滤的点云生成感知数据，所述感知数据包括描述所述自主车辆周围的驾驶环境的信息；以及

基于所述感知数据控制所述自主车辆的操作，以导航通过所述驾驶环境。

16.根据权利要求15所述的系统，其中对应于噪声的所述第一点集合包括对应于灰尘的点。

17.根据权利要求15所述的系统，其中过滤所述点云包括移除其中的每一个与低于第一强度阈值的强度测量相关联的点。

18.根据权利要求17所述的系统，其中过滤所述点云还包括移除以下点，所述点中的每一个1)与低于第二强度阈值的强度测量相关联，所述第二强度阈值大于所述第一强度阈值，2)具有到同一环中向左的对应邻近点的第一距离，所述第一距离高于第一距离阈值，以及3)具有到同一环中向右的对应邻近点的第二距离，所述第二距离高于第二距离阈值。

19.根据权利要求18所述的系统，其中所述第一距离阈值和所述第二距离阈值不同。

20.根据权利要求18所述的系统，其中所述第一距离阈值等于所述第二距离阈值。

21.根据权利要求18所述的系统，其中所述第一距离阈值和所述第二距离阈值中的任一个至少部分地基于以下中的一个或多个确定：被考虑移除的点与所述LIDAR设备之间的距离、同一个环中点的数量或其组合。

Images