CN114440910A - 用于车辆姿态预测的系统和方法 - Google Patents
用于车辆姿态预测的系统和方法 Download PDFInfo
- Publication number
- CN114440910A CN114440910A CN202110509562.9A CN202110509562A CN114440910A CN 114440910 A CN114440910 A CN 114440910A CN 202110509562 A CN202110509562 A CN 202110509562A CN 114440910 A CN114440910 A CN 114440910A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- prediction
- model
- data
- asynchronous
- 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 16
- 230000001360 synchronised effect Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
- G08G1/137—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops the indicator being in the form of a map
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
提供了用于预测车辆姿态的系统和方法。在一个实施例中,一种系统包括非暂时性计算机可读介质。所述非暂时性计算机可读介质包括:异步预测模块,其被配置为由处理器从车辆接收车辆数据,并根据所述车辆数据计算车辆姿态的预测,其中,所述计算是使用车辆时间帧和以及共同的坐标系异步执行的;以及同步预测模块,其被配置为由处理器基于来自异步预测模块的车辆姿态的预测来计算整个车辆群体的车辆姿态的最终预测,其中,使用全局时间帧和公共坐标系同步地执行计算。
Description
技术领域
本公开总体上涉及车辆,更具体地,涉及用于估计与运输系统相关联的车辆的车辆姿态的系统和方法。
背景技术
一些运输系统为给定环境中的车辆提供实时引导。为了实时提供引导,运输系统依赖于环境中车辆的位置、惯性信息。运输系统基于从车辆接收的数据计算该信息。在一些情况下,由于不准确的传感器读数、可变系统延迟、网络延迟、网络上的数据丢失和/或模型差异,车辆数据和/或系统计算可能不可靠。
因此,期望提供用于预测车辆姿态信息的改进的系统和方法。此外,结合附图和前述技术领域和背景技术,从随后的详细描述,本发明的其他期望的特征和特性将变得显而易见。
发明内容
提供了一种用于预测车辆姿态的方法和系统。在一个实施例中,系统包括非暂时性计算机可读介质。该非暂时性计算机可读介质包括:异步预测模块,其被配置为由处理器从车辆接收车辆数据,并从车辆数据计算车辆姿态的预测,其中使用车辆时间帧和公共(common)坐标系异步地执行计算;以及同步预测模块,其被配置为由处理器基于来自异步预测模块的车辆姿态的预测来计算整个车辆群体(population)的车辆姿态的最终预测,其中使用全局时间帧和公共坐标系来同步地执行计算。
在各种实施例中,异步预测模块基于车辆姿态的最后估计、车辆姿态的当前预测和车辆数据来计算车辆姿态的预测。
在各种实施例中,异步预测模块基于与弯曲道路和笔直道路中的至少一个相关联的预测模型来计算车辆姿态的预测。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型和恒定转弯速率和速度(CTRV)模型。
在各种实施例中,异步预测模块基于误差分布模型计算车辆姿态的预测。在各种实施例中,误差分布模型与车辆类型和与车辆数据相关联的驾驶习惯相关联。
在各种实施例中,同步预测模块基于与弯曲道路和笔直道路中的至少一个相关联的预测模型来计算车辆姿态的最终预测。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型和恒定转弯速率和速度(CTRV)模型。
在各种实施例中,同步预测模块基于误差分布模型计算车辆姿态的最终预测。在各种实施例中,误差分布模型与车辆类型和与车辆数据相关联的驾驶习惯相关联。
在另一个实施例中,一种用于预测车辆姿态的方法包括:由处理器从车辆接收车辆数据;由所述处理器从所述车辆数据计算车辆姿态的第一预测,其中使用车辆时间帧和公共坐标系异步地执行所述计算;由所述处理器基于所述车辆姿态的第一预测来计算所述车辆姿态的最终预测,其中所述计算是使用全局时间帧和所述公共坐标系同步地执行的;以及由处理器基于最终预测来执行车辆的远程控制。
在各种实施例中,计算车辆姿态的预测基于车辆姿态的最后估计、车辆姿态的当前预测和车辆数据。
在各种实施例中,计算车辆姿态的预测基于与弯曲道路和笔直道路中的至少一个相关联的预测模型。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型和恒定转弯速率和速度(CTRV)模型中的至少一个。
在各种实施例中,计算车辆姿态的预测基于误差分布模型。在各种实施例中,误差分布模型与车辆类型和与车辆数据相关联的驾驶习惯相关联。
在各种实施例中,计算车辆姿态的最终预测是基于与弯曲道路和笔直道路中的至少一个相关联的预测模型。在各种实施例中,预测模型基于恒定转弯速率和加速度(CTRA)模型和恒定转弯速率和速度(CTRV)模型中的至少一个。
附图说明
下文将结合以下附图描述示例性实施例,其中相同的附图标记表示相同的元件,并且在附图中:
图1是示出根据各种实施例的具有车辆姿态预测系统和一个或多个车辆的运输系统的功能框图;
图2是示出根据各种实施例的车辆姿态预测系统的功能框图;
图3是示出根据各种实施例的车辆姿态预测系统的预测和估计的定时的时序图;和
图4是根据各种实施例的车辆姿态系统的数据流图方法和系统组件。
具体实施方式
以下详细描述本质上仅仅是示例性的,并不旨在限制应用和使用。此外,不打算受前面的技术领域、背景技术、发明内容或下面的详细描述中提出的任何明示或暗示的理论的约束。如这里所使用的,术语模块指的是任何硬件、软件、固件、电子控制组件、处理逻辑和/或处理器设备,单独地或以任何组合,包括但不限于:专用集成电路(ASIC)、电子电路、处理器(共享的、专用的或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能的其他合适的组件。
这里可以根据功能和/或逻辑块组件和各种处理步骤来描述本公开的实施例。应当理解,这种块组件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现。例如,本公开的实施例可以采用各种集成电路组件,例如存储元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。此外,本领域技术人员将理解,本公开的实施例可以结合任何数量的系统来实施,并且这里描述的系统仅仅是本公开的示例性实施例。
为了简洁起见,这里可能不详细描述与信号处理、数据传输、信令、控制和系统的其他功能方面(以及系统的各个操作组件)相关的传统技术。此外,本文包含的各图中所示的连接线旨在表示各种元件之间的示例功能关系和/或物理耦合。应当注意,在本公开的实施例中可以存在许多替代的或附加的功能关系或物理连接。
现在参考图1,根据各种实施例,总体上以100示出的车辆姿态预测系统与远程运输系统10相关联。通常,车辆姿态预测系统100接收并处理来自各种车辆12a-12n的传感器数据,并估计位置和惯性信息,以下称为车辆姿态,用于各种车辆12a-12n的远程控制、碰撞概率、传感器融合和/或由远程运输系统10执行的其他功能。
在各种实施例中,远程运输系统10包括一个或多个后端服务器系统,这些后端服务器系统可以是基于云的、基于网络的,或者驻留在远程运输系统10所服务的特定校园或地理位置。远程运输系统10可以由现场顾问、自动顾问或两者的组合来操纵。在各种实施例中,远程运输系统10包括设置在远程运输系统10的操作环境16周围的各种位置的一个或多个边缘节点14a-14n。边缘节点14a-14n经由通信网络18通信耦合到在操作环境16中行进的车辆12a-12n。
通信网络18支持操作环境16内的设备、系统和组件之间所需的通信(例如,经由有形通信链路和/或无线通信链路)。例如,通信网络18可以包括无线载波系统22,例如蜂窝电话系统,其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出),以及将无线载波系统22与陆地通信系统连接所需的任何其他联网组件。每个蜂窝塔包括发送和接收天线,无线载波系统22可以实现任何合适的通信技术,包括例如数字技术,例如CDMA(例如CDMA2000)、LTE(例如4G LTE或5G LTE)、GSM/GPRS或其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置是可能的,并且可以与无线载波系统22一起使用。例如,基站和蜂窝塔可以位于同一地点,或者它们可以彼此远程定位,每个基站可以负责单个蜂窝塔,或者单个基站可以为各种蜂窝塔服务,或者各种基站可以耦合到单个MSC,仅举几个可能的布置。
除了包括无线载波系统22之外,可以包括卫星通信系统24形式的第二无线载波系统,以提供与车辆12a-12n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来完成。单向通信可以包括例如卫星无线电服务,其中节目内容(新闻、音乐等。)由发射台接收,打包上传,然后发送到卫星,卫星将节目广播给用户。双向通信可以包括例如卫星电话服务,该服务使用卫星来中继车辆12a-12n和站之间的电话通信。除了无线载波系统22之外或者代替无线载波系统22,可以使用卫星电话。
还可以包括陆地通信系统26,其是连接到一个或多个陆线电话并将无线载波系统22连接到远程运输系统10的传统的基于陆地的电信网络。例如,陆地通信系统26可以包括公共交换电话网(PSTN),例如用于提供硬连线电话、分组交换数据通信和互联网基础设施的网络。陆地通信系统26的一个或多个部分可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络如无线局域网(WLAN)、或提供宽带无线接入的网络(BWA)或其任意组合来实现。此外,远程运输系统10不需要经由陆地通信系统26连接,而是可以包括无线电话设备,使得它可以直接与无线网络通信,例如无线载波系统22。
在各种实施例中,每个边缘节点14a-14n包括至少一个处理器26和计算机可读存储设备或介质28。处理器26可以是任何定制的或市场上可买到的处理器、中央处理单元(CPU)、图形处理单元(GPU)、几个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器、它们的任何组合、或通常用于执行指令的任何设备。例如,计算机可读存储设备或介质28可以在只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中包括易失性和非易失性存储器。KAM是持久性或非易失性存储器,其可以在处理器26断电时用于存储各种操作变量。计算机可读存储设备或介质28可以使用多种已知存储设备中的任何一种来实现,例如PROM(可编程只读存储器)、EPROM(电可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、闪存或能够存储数据的任何其他电、磁、光学或组合存储设备,其中一些表示可执行指令,由边缘节点14a-14n在确定与车辆12a-12n相关的信息并基于此控制车辆12a-12n时使用。
在各种实施例中,指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器26执行时,所述指令接收并处理来自车辆12a-12n的信号,执行逻辑、计算、方法和/或算法,用于估计操作环境16中的关于车辆12a-12n的信息,并产生控制信号给其他边缘节点14a-14n和/或车辆12a-12n,以基于逻辑、计算、方法和/或算法来帮助控制车辆12a-12n的组件。在各种实施例中,指令包括本文公开的车辆姿态预测系统100的一个或多个部分。如本文将公开的,在各种实施例中,车辆姿态预测系统100调整车辆姿态的异步估计和预测,以补偿由于数据丢失或传感器可靠性导致的不完整或部分传感器数据不足。在各种实施例中,车辆姿态预测系统100提供由批处理补充的车辆数据流的全局同步预测和更新,该批处理补偿系统滞后和等待时间。在各种实施例中,车辆姿态预测系统100具有连续调整车辆状态预测模型的学习能力,使得精度随着时间而提高。在各种实施例中,车辆姿态预测系统100允许将传感器数据的误差边界投影到全局时间的车辆状态的计算中。
可以理解,本文公开的主题为可以被认为是基于标准或基线的远程运输系统10提供了某些增强的特征和功能。为此,远程运输系统10可以被修改、增强或以其他方式补充,以提供下面更详细描述的附加特征。
现在参考图2,如在图1中描述的示例性操作环境16的背景下更详细地描述车辆姿态预测系统100。在各种实施例中,具有与一个或多个边缘节点14a-14n通信能力的每个车辆12a-12n向至少一个边缘节点14a传输车辆数据30a-30n流。这种车辆数据30a-30n可以包括但不限于,对于每个车辆12a-12n,全球定位系统(GPS)数据、GPS精度数据稀释、车轮速度传感器数据、车轮速度传感器状态数据、惯性测量单元(IMU)数据和传感器时间戳。
每个边缘节点14a从操作环境16中松散连接的参与车辆12a-12n的组接收车辆数据30a-30n流。每个边缘节点14a基于车辆的地理邻近性对接收的车辆数据30a-30n进行分组,以减少给定边缘节点14a内的投影失真。此后,每个边缘节点14a使用两阶段预测系统递归地预测和更新该组中每个车辆12a-12n的车辆姿态。在各种实施例中,两阶段预测系统包括第一阶段32,其使用车辆自身的时间帧和公共绝对空间坐标系异步计算车辆姿态的估计和预测;以及第二阶段34,其使用异步估计和预测以及全局时间帧同步计算车辆姿态36a-36n的最终预测。
例如,图3示出了时间线40,其示出了由车辆姿态预测系统100执行的估计和预测的异步定时和同步定时。时间线的顶部示出了全局时间帧和同步定时,时间线的底部示出了车辆时间帧和异步定时。如所示的,在42、44和46处给数据加上时间戳。然后在48、50和52处接收经过时间戳的数据。在54、56和58处提供车辆姿态的全局更新。在64和66处计算估计。根据估计64和66在60和62处计算预测。
在一个示例中,如所示的,当在50处接收到数据2时,系统100基于在62和66处记录的时间,以固定时间间隔计算预测和估计。一旦估计步骤完成,系统100决定应该使用预测和估计的全局更新56或58。在各种实施例中,系统100使用估计时间和更新目标之间的时间差来计算基于时间的全局预测68和70。
可以理解,图3示出了对单个车辆的预测和估计。在各种实施例中,可以为多达1000+辆车计算多个估计。在这样的实施例中,系统100决定这些估计中的哪一个应该在全局更新56或58上。如果一些估计错过了最近的即将到来的全局更新,则错过的估计被包括在具有增加的时间和增加的不确定性的下一个即将到来的全局更新中。
现在参考图4,数据流图说明了根据各种实施例的车辆姿态预测系统100和车辆姿态预测方法200。车辆姿态预测系统100包括误差估计器模块102、异步预测模块104、同步预测模块106、误差模型数据存储库108和预测模型数据存储库110。每个模块102-106执行车辆姿态预测方法200的步骤。可以理解的是,根据适用并且根据本公开,可以以变化的顺序执行方法200的步骤。
在各种实施例中,误差估计器模块102接收流式车辆数据30a-30n作为输入。误差估计器模块102基于最坏情况场景执行预测的误差分析,以产生误差模型数据112。在各种实施例中,可以基于各种车辆类型和驾驶习惯来提供分析以及误差模型数据112。这种分析离线进行,偶尔也会发生,例如,当预测模型改变时。在各种实施例中,用于其他边缘节点14b-14n之间的各种车辆类型和驾驶习惯的误差模型数据112。
异步预测模块104接收流式车辆数据112作为输入。异步预测模块104将车辆数据112的纬度和经度投影到惯性空间中。异步预测模块104然后基于过去计算的状态、当前计算的状态和来自车辆数据30的当前测量值递归地计算车辆姿态的估计116和车辆姿态的预测118。在各种实施例中,计算的状态包括例如位置X、位置Y、航向、速度、偏航率和加速度。
在各种实施例中,异步预测模块104使用来自先前时间戳和当前时间戳(如图3所示)的数据,并使用预测模型120,例如恒定转弯速率和加速度(CTRA)模型,来计算车辆姿态估计116和车辆姿态预测118,该预测模型120可以被减少或修改并从预测模型数据存储库110中检索。在各种实施例中,预测模型120可以针对车辆数据112关联的道路的类型来检索,例如,可以使用直线道路CTRA模型,并且可以使用包括CTRA模型和恒定转弯速率速度(CTRV)模型的弯曲道路混合模型。
当车辆数据112不是最新的或者完全丢失时,异步预测模块104使用最后的车辆姿态估计116来计算车辆姿态预测118。在另一个例子中,当来自车辆数据112流的数据缺失或不完整时(例如,数据不可信),异步预测模块104使用来自与车辆类型和与车辆数据112相关联的驾驶习惯相关联的误差模型数据存储库108的误差分布模型115来计算车辆姿态预测118。
同步预测模块106从异步预测模块104接收车辆姿态预测118和车辆姿态估计116。同步预测模块106根据全局同步时间帧执行车辆姿态的批量预测122。在各种实施例中,同步预测模块106使用由异步预测模块104使用并存储在预测模型数据存储库110中的相同预测模型120。当没有接收到来自特定车辆12a-12n的测量值时,同步预测模块106使用来自与车辆类型和与车辆数据112相关联的驾驶习惯相关联的误差模型数据库108的误差分布模型115来计算车辆姿态预测122。
尽管在前面的详细描述中已经提出了至少一个示例性实施例,但是应当理解,存在大量的变型。还应当理解,一个或多个示例性实施例仅是示例,并且无意以任何方式限制本公开的范围、适用性或配置。相反,前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应当理解,在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下,可以对元件的功能和布置进行各种改变。
Claims (10)
1.一种用于预测车辆姿态的系统,包括:
非暂时性计算机可读介质,该非暂时性计算机可读介质包括:
异步预测模块,该异步预测模块被配置为由处理器从车辆接收车辆数据,并从车辆数据计算车辆姿态的预测,其中使用车辆时间帧和公共坐标系异步地执行计算;以及
同步预测模块,该同步预测模块被配置为由处理器基于来自异步预测模块的车辆姿态的预测来计算整个车辆群体的车辆姿态的最终预测,其中使用全局时间帧和公共坐标系来同步地执行计算。
2.根据权利要求1所述的系统,其中,所述异步预测模块基于车辆姿态的最后估计、车辆姿态的当前预测和车辆数据来计算车辆姿态的预测。
3.根据权利要求1所述的系统,其中,所述异步预测模块基于与弯曲道路和笔直道路中的至少一个相关联的预测模型来计算车辆姿态的预测。
4.根据权利要求3所述的系统,其中,所述预测模型基于恒定转弯速率和加速度模型和恒定转弯速率和速度模型中的至少一个。
5.根据权利要求1所述的系统,其中,所述异步预测模块基于误差分布模型来计算所述车辆姿态的预测。
6.根据权利要求5所述的系统,其中,所述误差分布模型与车辆类型和与所述车辆数据相关联的驾驶习惯相关联。
7.根据权利要求1所述的系统,其中,所述同步预测模块基于与弯曲道路和笔直道路中的至少一个相关联的预测模型来计算所述车辆姿态的最终预测。
8.根据权利要求7所述的系统,其中,所述预测模型基于恒定转弯速率和加速度模型和恒定转弯速率和速度模型中的至少一个。
9.根据权利要求1所述的系统,其中,所述异步预测模块基于误差分布模型计算车辆姿态的预测,所述误差分布模型与车辆类型和与车辆数据相关联的驾驶习惯相关联。
10.一种用于预测车辆姿态的方法,包括:
由处理器从车辆接收车辆数据;
由所述处理器从所述车辆数据计算车辆姿态的第一预测,其中使用车辆时间帧和公共坐标系异步地执行所述计算;
由所述处理器基于所述车辆姿态的第一预测来计算所述车辆姿态的最终预测,其中所述计算是使用全局时间帧和所述公共坐标系同步地执行的;以及
由处理器基于最终预测来执行车辆的远程控制。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/086,927 US11386784B2 (en) | 2020-11-02 | 2020-11-02 | Systems and methods for vehicle pose prediction |
US17/086,927 | 2020-11-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114440910A true CN114440910A (zh) | 2022-05-06 |
Family
ID=81184128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509562.9A Pending CN114440910A (zh) | 2020-11-02 | 2021-05-11 | 用于车辆姿态预测的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11386784B2 (zh) |
CN (1) | CN114440910A (zh) |
DE (1) | DE102021111272A1 (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120150437A1 (en) * | 2010-12-13 | 2012-06-14 | Gm Global Technology Operations Llc. | Systems and Methods for Precise Sub-Lane Vehicle Positioning |
KR20140099671A (ko) * | 2013-02-04 | 2014-08-13 | 서울시립대학교 산학협력단 | 영상기반 멀티센서 데이터를 이용한 차량의 위치자세 결정 방법 및 장치 |
US20170132334A1 (en) * | 2015-11-05 | 2017-05-11 | Zoox, Inc. | Simulation system and methods for autonomous vehicles |
CN106969777A (zh) * | 2016-01-13 | 2017-07-21 | 丰田自动车株式会社 | 路径预测装置以及路径预测方法 |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
CN109866752A (zh) * | 2019-03-29 | 2019-06-11 | 合肥工业大学 | 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN110517492A (zh) * | 2019-08-27 | 2019-11-29 | 中国科学院自动化研究所 | 基于平行集成学习的交通路径推荐方法、系统、装置 |
EP3598144A1 (en) * | 2018-07-19 | 2020-01-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Motion detection method, motion detection apparatus, and medium |
CN111476822A (zh) * | 2020-04-08 | 2020-07-31 | 浙江大学 | 一种基于场景流的激光雷达目标检测与运动跟踪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11036238B2 (en) * | 2015-10-15 | 2021-06-15 | Harman International Industries, Incorporated | Positioning system based on geofencing framework |
US11449061B2 (en) * | 2016-02-29 | 2022-09-20 | AI Incorporated | Obstacle recognition method for autonomous robots |
KR20190087560A (ko) * | 2016-11-28 | 2019-07-24 | 텔레호낙티에볼라게트 엘엠 에릭슨(피유비엘) | 예측 기반 클라이언트 제어 |
US11351991B2 (en) * | 2019-03-25 | 2022-06-07 | Zoox, Inc. | Prediction based on attributes |
US20210352590A1 (en) * | 2020-05-06 | 2021-11-11 | Qualcomm Incorporated | Vehicle-to-everything (v2x) message monitoring |
-
2020
- 2020-11-02 US US17/086,927 patent/US11386784B2/en active Active
-
2021
- 2021-04-30 DE DE102021111272.9A patent/DE102021111272A1/de active Pending
- 2021-05-11 CN CN202110509562.9A patent/CN114440910A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120150437A1 (en) * | 2010-12-13 | 2012-06-14 | Gm Global Technology Operations Llc. | Systems and Methods for Precise Sub-Lane Vehicle Positioning |
KR20140099671A (ko) * | 2013-02-04 | 2014-08-13 | 서울시립대학교 산학협력단 | 영상기반 멀티센서 데이터를 이용한 차량의 위치자세 결정 방법 및 장치 |
US20170132334A1 (en) * | 2015-11-05 | 2017-05-11 | Zoox, Inc. | Simulation system and methods for autonomous vehicles |
CN106969777A (zh) * | 2016-01-13 | 2017-07-21 | 丰田自动车株式会社 | 路径预测装置以及路径预测方法 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
EP3598144A1 (en) * | 2018-07-19 | 2020-01-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Motion detection method, motion detection apparatus, and medium |
CN109866752A (zh) * | 2019-03-29 | 2019-06-11 | 合肥工业大学 | 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法 |
CN110517492A (zh) * | 2019-08-27 | 2019-11-29 | 中国科学院自动化研究所 | 基于平行集成学习的交通路径推荐方法、系统、装置 |
CN111476822A (zh) * | 2020-04-08 | 2020-07-31 | 浙江大学 | 一种基于场景流的激光雷达目标检测与运动跟踪方法 |
Non-Patent Citations (2)
Title |
---|
WALLS, JM (WALLS, JEFFREY M.) ; EUSTICE, RM (EUSTICE, RYAN M.): "An origin state method for communication constrained cooperative localization with robustness to packet loss", INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH, vol. 33, no. 9, 5 November 2014 (2014-11-05), pages 1191 - 1208 * |
张荣辉;游峰;初鑫男;郭烈;何兆成;王荣本;: "车-车协同下无人驾驶车辆的换道汇入控制方法", 中国公路学报, vol. 31, no. 04, 15 April 2018 (2018-04-15), pages 180 - 191 * |
Also Published As
Publication number | Publication date |
---|---|
US11386784B2 (en) | 2022-07-12 |
DE102021111272A1 (de) | 2022-05-05 |
US20220139223A1 (en) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10999809B2 (en) | Timing advance for satellite-based communications | |
US10243717B2 (en) | Service, wireless device, methods and computer programs | |
US20080107082A1 (en) | Mobile communication apparatus | |
CN108353252B (zh) | 提供通信网络中的终端的位置信息的方法、节点和终端 | |
US8135416B2 (en) | Method and arrangement for determining terminal position | |
US20160025859A1 (en) | Fast estimation of utc time in a mobile device using gnss | |
US20230246758A1 (en) | Radio wave map update device, radio wave map update method, and communication quality identifying device | |
US20120268322A1 (en) | Gps positioning system, gps positioning method, and gps positioning terminal | |
US20220201584A1 (en) | Method for predicting a modification of the linkage conditions of a terminal to a cellular network | |
US20230328537A1 (en) | Radio wave map provision device, and radio wave map acquisition usage device | |
US20090168674A1 (en) | Determining position of a node based on aged position data | |
US20130137453A1 (en) | Terminal control apparatus, mobile communication terminal, method for controlling terminal, and communication system | |
KR100930002B1 (ko) | 가상 pCell 데이터베이스를 구축하는 방법, 서버 및시스템 | |
US11386784B2 (en) | Systems and methods for vehicle pose prediction | |
EP3278610B1 (en) | Detecting the context of a user device using wireless signal characteristics | |
US10091624B2 (en) | Data providing system | |
US20240089758A1 (en) | Method for evaluating channel information of database, communication device, database, and wireless communication system | |
TWI514901B (zh) | 通信方法及通信系統 | |
US7873375B2 (en) | Method for the location of mobile terminals, related systems and terminal, computer program products thereof | |
EP4319338A1 (en) | Method and apparatus for positioning terminal, device, and medium | |
JP2018054469A (ja) | 移動軌跡の経路を履歴地点で補間して推定するプログラム、装置及び方法 | |
CN107843906B (zh) | 移动终端的导航定位方法及其系统 | |
KR101978578B1 (ko) | Gps 모듈이 없는 통신장치의 위치/방향 정보 추정방법 | |
US10251148B2 (en) | Method for locating a terminal connected to a cellular telecommunications network | |
CN112449325B (zh) | 通信控制装置、通信控制方法以及存储介质 |
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 |