CN114442065A

CN114442065A - 用于LiDAR扫描平滑的方法、运载工具和计算机可读介质

Info

Publication number: CN114442065A
Application number: CN202110819357.2A
Authority: CN
Inventors: 王亦牧; A·查兰
Original assignee: Motional AD LLC
Current assignee: Motional AD LLC
Priority date: 2020-11-02
Filing date: 2021-07-20
Publication date: 2022-05-06
Also published as: KR20230017904A; GB202102002D0; US20220137219A1; GB2600785A; KR20220059388A; US11740360B2; KR102493354B1; DE102021128155A1

Abstract

本发明涉及用于LiDAR扫描平滑的方法、运载工具和计算机可读介质。还描述了以下技术，该技术用于在光检测和测距扫描线即LiDAR扫描线中识别第一LiDAR数据点和所述第一LiDAR数据点附近区域内的多个LiDAR数据点。该技术还可以包括基于所述第一LiDAR数据点与多个LiDAR回波点中的至少一个LiDAR数据点的比较来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关。该技术还可以包括：基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点；以及基于所述更新的LiDAR扫描线来识别自主运载工具的地点。

Description

用于LiDAR扫描平滑的方法、运载工具和计算机可读介质

技术领域

本说明书涉及光检测和测距(LiDAR)扫描平滑。

背景技术

通常，诸如自主运载工具等的运载工具可以使用定位过程来识别运载工具在地理上的位置。具体地，运载工具可以通过例如执行LiDAR扫描来获取深度图像。然后可以将LiDAR扫描和与已知地理地点相关的数据进行比较，以识别运载工具所在的地点。

发明内容

根据本发明的一方面，一个或多个非暂时性计算机可读介质，其包括指令，所述指令在由运载工具的一个或多个处理器执行时使所述运载工具：在光检测和测距扫描线即LiDAR扫描线中识别第一LiDAR数据点；在所述LiDAR扫描线中识别所述第一LiDAR数据点附近区域内的多个LiDAR数据点；基于所述第一LiDAR数据点与所述多个LiDAR数据点中的至少一个LiDAR数据点的比较，来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点；以及基于所述更新的LiDAR扫描线来识别所述运载工具的地点。

根据本发明的又一方面，一种方法，包括：由至少一个处理器识别光检测和测距扫描线即LiDAR扫描线中的第一LiDAR数据点、所述LiDAR扫描线中的与所述第一LiDAR数据点相邻的第二LiDAR数据点以及所述LiDAR扫描线中的与所述第一LiDAR数据点相邻的第三LiDAR数据点；由所述至少一个处理器，基于所述第一LiDAR数据点与所述第二LiDAR数据点和所述第三LiDAR数据点的比较来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；由所述至少一个处理器，基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点；以及基于所述更新的LiDAR扫描线来识别运载工具的地点。

根据本发明的又一方面，一种运载工具，包括：光检测和测距系统即LiDAR系统，用于生成包括多个LiDAR数据点的一个或多个LiDAR扫描线；以及至少一个处理器，其与所述LiDAR系统耦接，所述至少一个处理器用于：在所述多个LiDAR数据点中识别第一LiDAR数据点、所述扫描线中的与所述第一LiDAR数据点相邻的第二LiDAR数据点以及所述扫描线中的与所述第一LiDAR数据点相邻的第三LiDAR数据点；基于所述第一LiDAR数据点与所述第二LiDAR数据点和所述第三LiDAR数据点的比较，来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；以及基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点。

附图说明

图1示出具有自主能力的自主运载工具的示例。

图2示出计算机系统。

图3示出自主运载工具的示例架构。

图4示出感知模块可以使用的输入和输出的示例。

图5示出LiDAR系统的示例。

图6示出操作中的LiDAR系统。

图7更详细地示出LiDAR系统的操作。

图8描绘根据实施例的具有多个扫描线的示例LiDAR扫描。

图9描绘根据实施例的计算与LiDAR扫描的数据点相关的平滑度系数的算法的图形示例。

图10描绘根据实施例的计算与LiDAR扫描的数据点相关的平滑度系数的算法的替代图形示例。

图11描绘根据实施例的更新LiDAR扫描线的示例技术。

图12描绘根据实施例的更新LiDAR扫描线的替代示例技术。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，本发明可以在没有这些具体细节的情况下实施将是明显的。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本公开模糊。

在附图中，为了便于描述，示出示意要素(诸如表示装置、模块、指令块和数据要素的那些要素)的具体排列或次序。然而，本领域技术人员应理解，附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外，在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。

此外，在附图中，连接要素、诸如实线或虚线或箭头用于例示两个或更多个其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中示出，以便不使本公开内容模糊。此外，为了便于例示，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令的通信，本领域技术人员应理解，这种要素表示影响通信可能需要的一个或多个信号路径(例如，总线)。

现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地使实施例的方面模糊。

下面描述的若干特征各自可以彼此独立地使用，也可以与其它特征的任何组合一起使用。然而，任何个别特征可能不能解决以上所讨论的任何问题，或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。虽然提供了标题，但在本说明书的其它地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例：

1.总体概述

2.系统概述

3.自主运载工具架构

4.自主运载工具输入

5.扫描线概述

6.平滑度系数示例

7.平滑度系数的使用

总体概述

为了平滑LiDAR扫描，识别LiDAR扫描线中的数据点(也可以称为“回波”或“点”)，并基于扫描线中的相邻数据点针对该数据点计算平滑度系数。基于平滑度系数，从LiDAR扫描线丢弃该数据点(例如，如果平滑度系数等于或超过阈值)，或者数据点保留在LiDAR扫描线中(例如，如果平滑度系数等于或低于阈值)。

特别是当作为运载工具所执行的定位过程的一部分来实现时，本文的实施例提供了多个优点。具体地，在一些实施例中，确定与数据点相关联的相对高的平滑度系数的存在可以指示与该数据点相关联的诸如人、自行车、树叶等的环境中瞬态元素的存在。这些瞬态元素可能经常改变(例如，人可能会走开、自行车可能会骑走、树叶可能会改变等)，因此，运载工具可能难以基于这些元素的存在来准确执行定位过程。通过检测和移除与这些元素相关联的数据点，可以更准确地识别诸如建筑物、墙壁等的不太瞬态的结构。使用这些不太瞬态的结构还可以提高运载工具的定位过程的准确性和可重复性，从而提高运载工具的整体效率。附加地或可替代地，可以通过不全信(例如，移除)运载工具所获得的LiDAR扫描中所包括的与瞬态元素相关联(例如，相对应)的至少一个LiDAR数据点，来减少在运载工具获得的LiDAR扫描中所包括的至少一个LiDAR数据点和与特定区域相关联的较早生成的LiDAR扫描中所包括的至少一个LiDAR数据点之间的比较。

系统概述

图1示出具有自主能力的自主运载工具100的示例。

如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地操作，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。

如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。

如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。

如本文所使用的，“轨迹”是指将AV从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于现实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。

如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如，图像传感器、生物特征传感器)、传输和/或接收组件(例如，激光或射频波发送器和接收器)、电子组件(诸如，模数转换器)、数据存储装置(诸如，RAM和/或非易失性存储器)、软件或固件组件和数据处理组件(诸如，专用集成电路)、微处理器和/或微控制器。

如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由AV外部的源提供的一个或多个分类或标记的对象。

如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如，四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式定义为一条通道的物理区域。

如本文所使用的，“车道”是道路的可被运载工具穿过的部分。有时基于车道标记来识别车道。例如，车道可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的一些空间(例如，小于50％)。例如，具有相距远的车道标记的道路可能在标记之间容纳两个或更多个运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，并且因此可被解释为具有比车道标记之间的空间窄的车道，或具有车道之间的两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如乡村区域沿着通道的岩石和树木，或者例如在未开发地区要避免的自然障碍物)来定义车道。车道也可以独立于车道标记或物理特征来解释。例如，可以基于区域中没有障碍物的任意路径来解释车道，否则该区域中缺少将被解释为车道边界的特征。在示例情景中，AV可以解释通过田野或空地的无障碍物部分的车道。在另一示例情景中，AV可以解释通过不具有车道标记的宽(例如，足够两个或更多个车道宽)道路的车道。在该情景中，AV可以将与车道有关的信息通信至其它AV，使得其它AV可以使用相同的车道信息来协调AV之间的路径规划。

术语“空中下载(OTA)客户端”包括任何AV，或者嵌入在AV中、耦接至AV或与AV进行通信的任何电子装置(例如，计算机、控制器、IoT装置、电子控制单元(ECU))。

术语“空中下载(OTA)更新”意味着对使用专有和/或标准化的无线通信技术递送至OTA客户端的软件、固件、数据或配置设置或者它们的任何组合的任何更新、改变、删除或添加，其中该专有和/或标准化的无线通信技术包括但不限于：蜂窝移动通信(例如，2G、3G、4G、5G)、无线电无线区域网络(例如，WiFi)和/或卫星因特网。

术语“边缘节点”是指耦接至网络的一个或多个边缘装置，这些装置提供与AV进行通信所用的门户并且可以与其它边缘节点和基于云的计算平台进行通信，以调度OTA更新并将OTA更新递送至OTA客户端。

术语“边缘装置”是指实现边缘节点并提供向企业或服务提供商(如VERIZON、AT&T)核心网的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于：计算机、控制器、发送器、路由器、路由交换机、综合接入装置(IAD)、多路复用器、城域网(MAN)和广域网(WAN)接入装置。

“一个或多个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。

还将理解的是，尽管在一些情况下，术语“第一”、“第二”等在本文中是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点两者都是触点，但它们不是相同触点。

在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还将理解的是，如本文所使用的“和/或”是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组件、和/或其群组。

如本文所使用的，取决于上下文，术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地，取决于上下文，短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。

如本文所使用的，AV系统是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中，AV系统并入在AV内。在实施例中，AV系统跨若干地点分布。例如，AV系统的一些软件是在云计算环境上实现的。

一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义，通过引用将其全部内容并入本文件，用于了解运载工具自主权等级的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具，诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016：道路上机动车自动驾驶系统相关术语的分类和定义)。在实施例中，一个或多个第1级、第2级、第3级、第4级和第5级运载工具系统可基于对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。

自主运载工具与需要人类驾驶员的运载工具相比存在优势。一个优势是安全性。例如，在2016年，美国经历了600万起汽车事故、240万人受伤、40000人死亡和1300万辆运载工具碰撞事故，估计社会成本为9100亿美元多。从1965年到2015年，每行驶1亿英里的美国交通事故死亡人数已从约6人减少到约1人，部分是由于运载工具中所部署的附加安全措施。例如，认为与将发生碰撞有关的额外半秒的警告减轻了60％的前后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改进该数字方面有可能已达到它们的极限。因而，诸如运载工具的自动控制等的主动安全措施是改进这些统计数据的可能的下一步。由于在95％的碰撞中认为人类驾驶员是造成严重碰撞前事件的原因，因此自动驾驶系统例如通过以下操作，有可能实现更好的安全结果：比人类更好地可靠地识别和避免紧急情况；做出比人类更好的决策，比人类更好地遵守交通法规，并且比人类更好地预测将来事件；并且比人类更好地可靠地控制运载工具。

参考图1，AV系统120使运载工具100沿着轨迹198操作，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。

在实施例中，AV系统120包括被装备以从计算机处理器146接收操作命令并对其进行操作的装置101。我们使用术语“操作命令”来意指导致运载工具执行动作(例如，驾驶机动动作)的可执行指令(或指令集)。操作命令可以包括但不限于用于运载工具开始向前移动、停止向前移动、开始向后移动、停止向后移动、加速、减速、执行左转和执行右转的指令。在实施例中，计算机处理器146与下面参考图2描述的处理器204类似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。

在实施例中，AV系统120包括用于测量或推断运载工具100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度和角速度及线加速度和角加速度、以及航向(例如，运载工具100的前端的方向)。传感器121的示例是GPS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速率传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器以及转向角度和角速率传感器。

在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122，LiDAR 123，RADAR，超声波传感器，飞行时间(ToF)深度传感器，速率传感器，温度传感器，湿度传感器和降水传感器。

在实施例中，AV系统120包括数据存储单元142和存储器144，用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中，数据存储单元142与以下关于图2描述的ROM 208或存储装置210类似。在实施例中，存储器144与下面描述的主存储器206类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据从远程数据库134通过通信通道传输到运载工具100。

在实施例中，AV系统120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到运载工具100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。

在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV系统120。在实施例中，远程数据库134嵌入在云计算环境中。通信装置140将从传感器121收集的数据或与运载工具100操作有关的其它数据传输到远程数据库134。在实施例中，通信装置140向运载工具100传输与遥操作有关的信息。在一些实施例中，运载工具100与其它远程(例如，“云”)服务器136通信。

在实施例中，远程数据库134还存储和传输数字数据(例如，存储诸如道路和街道地点的数据)。这些数据存储在运载工具100上的存储器144中，或者通过通信通道从远程数据库134传输到运载工具100。

在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速度分布)。在一个实现中，这种数据可以存储在运载工具100上的存储器144中，或者通过通信通道从远程数据库134传输到运载工具100。

位于运载工具100上的计算机处理器146基于实时传感器数据和先验信息两者以算法方式生成控制动作，允许AV系统120执行其自主驾驶能力。

在实施例中，AV系统120包括耦接到计算机处理器146的计算机外围设备132，用于向运载工具100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，外围设备132类似于下面参考图2讨论的显示器212、输入装置214和光标控制器216。耦接是无线的或有线的。任意两个或更多个的接口装置可以集成到单个装置中。

在实施例中，AV系统120接收并强制执行例如由乘员指定的或者存储在与乘员相关联的简档中的乘员的隐私级别。乘员的隐私级别确定了如何许可使用存储在乘员简档中的以及/或者存储在云服务器136上且与乘员简档相关联的、与乘员相关联的特定信息(例如，乘员舒适度数据、生物测量数据等)。在实施例中，隐私级别指定了一旦搭乘完成则被删除的与乘员相关联的特定信息。在实施例中，隐私级别指定了与乘员相关联的特定信息，并且标识被授权访问该信息的一个或多个实体。被授权访问信息的所指定的实体的示例可以包括其它AV、第三方AV系统、或者可以潜在地访问该信息的任何实体。

可以在一个或多个粒度级别指定乘员的隐私级别。在实施例中，隐私级别标识要存储或共享的特定信息。在实施例中，隐私级别适用于与乘员相关联的所有信息，使得乘员可以指定不存储或共享她的个人信息。被许可访问特定信息的实体的指定也可以在各种粒度级别指定。被许可访问特定信息的各种实体集例如可以包括其它AV、云服务器136、特定第三方AV系统等。

在实施例中，AV系统120或云服务器136确定AV 100或另一实体是否可访问与乘员相关联的某些信息。例如，试图访问与特定时空地点有关的乘员输入的第三方AV系统必须例如从AV系统120或云服务器136获得授权，以访问与乘员相关联的信息。例如，AV系统120使用乘员的指定隐私级别来确定是否可以将与时空地点有关的乘员输入呈现给第三方AV系统、AV 100或另一AV。这使得乘员的隐私级别能够指定允许哪些其它实体接收与乘员的动作有关的数据或与乘员相关联的其它数据。

图2例示计算机系统200。在实现中，计算机系统200是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机系统、便携式计算机系统、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其它装置。

在实施例中，计算机系统200包括总线202或用于传达信息的其它通信机制、以及与总线202耦接以处理信息的处理器204。处理器204是例如通用微处理器。计算机系统200还包括主存储器206，诸如随机存取存储器(RAM)或其它动态存储装置，该主存储器206耦接到总线202以存储信息和指令，该信息和指令由处理器204执行。在一个实现中，主存储器206用于在执行要由处理器204执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器204可访问的非暂时性存储介质中时，使计算机系统200变成一个专用机器，该机器被定制以执行指令中指定的操作。

在实施例中，计算机系统200还包括只读存储器(ROM)208或耦接到总线202的其它静态存储装置，用于存储处理器204的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置210，并且该存储装置210耦接到总线202以存储信息和指令。

在实施例中，计算机系统200通过总线202耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器212。包括字母数字键和其它键的输入装置214耦接到总线202，用于向处理器204传送信息和命令选择。另一种类型的用户输入装置是光标控制器216，诸如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器204，并用于控制光标在显示器212上的移动。这种输入装置通常具有两个轴(第一轴(例如，x轴)和第二轴(例如，y轴))上的两个自由度，这两个轴允许装置指定平面上的位置。

根据一个实施例，本文的技术由计算机系统200响应于处理器204执行主存储器206中包含的一个或多个指令的一个或多个序列而执行。这些指令从诸如存储装置210的另一存储介质读入主存储器206。执行主存储器206中包含的指令序列使处理器204执行本文所描述的过程步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。

如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置210的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器206。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。

存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线202的电线。传输介质也可以采取声波或光波的形式，诸如在无线电波和红外数据通信过程中产生的声波或光波。

在实施例中，各种形式的介质涉及将一个或多个指令的一个或多个序列承载到处理器204以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机系统200的本地调制解调器接收电话线路上的数据，并使用红外发送器将数据转换为红外信号。红外检测器接收红外信号中承载的数据，并且适当的电路将数据放置在总线202上。总线202将数据承载到主存储器206，处理器204从主存储器206检索并执行指令。主存储器206接收的指令可以可选地在处理器204执行之前或之后存储在存储装置210上。

计算机系统200还包括耦接到总线202的通信接口218。通信接口218提供耦接到连接至本地网络222的网络链路220的双向数据通信。例如，通信接口218是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口218是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口218发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。

网络链路220通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路220通过本地网络222提供与主计算机224或与由因特网服务提供商(ISP)226运营的云数据中心或设备的连接。ISP 226又通过现在通常称为“因特网”228的世界范围分组数据通信网络来提供数据通信服务。本地网络222和因特网228两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路220上并通过通信接口218的信号是传输介质的示例形式，其中这些信号承载了进出计算机系统200的数字数据。在实施例中，网络220包含云或云的一部分。

计算机系统200通过(一个或多个)网络、网络链路220和通信接口218发送消息和接收包括程序代码的数据。在实施例中，计算机系统200接收用于处理的代码。接收到的代码在接收到时由处理器204执行，和/或存储在存储装置210中，或存储在其它非易失性存储装置中以便以后执行。

自主运载工具架构

图3示出用于自主运载工具(例如，图1所示的运载工具100)的示例架构300。架构300包括感知模块302(有时称为感知电路)、规划模块304(有时称为规划电路)、控制模块306(有时称为控制电路)、定位模块308(有时称为定位电路)和数据库模块310(有时称为数据库电路)。各模块在运载工具100的操作中发挥作用。共同地，模块302、304、306、308和310可以是图1所示的AV系统120的一部分。在一些实施例中，模块302、304、306、308和310中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。模块302、304、306、308和310中的各个有时称为处理电路(例如，计算机硬件、计算机软件或两者的组合)。模块302、304、306、308和310中的任何一个或全部的组合也是处理电路的示例。

在使用中，规划模块304接收表示目的地312的数据，并且确定表示运载工具100为了到达(例如，抵达)目的地312而可以行驶的轨迹314(有时称为路线)的数据。为了使规划模块304确定表示轨迹314的数据，规划模块304从感知模块302、定位模块308和数据库模块310接收数据。

感知模块302使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象316的场景描述提供至规划模块304。

规划模块304还从定位模块308接收表示AV位置318的数据。定位模块308通过使用来自传感器121的数据和来自数据库模块310的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块308使用来自GNSS(全球导航卫星系统)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块308所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如十字路口、交通标志或各种类型的其它行驶信号等)的空间地点的地图。在实施例中，高精度地图是通过将数据经由自动或手动注释添加到低精度地图所构建的。

控制模块306接收表示轨迹314的数据和表示AV位置318的数据，并且以将使得运载工具100行驶轨迹314到达目的地312的方式来操作AV的控制功能320a～320c(例如，转向、油门、制动、以及点火)。例如，如果轨迹314包括左转，则控制模块306将以如下方式操作控制功能320a～320c：转向功能的转向角度将使得运载工具100左转，并且油门和制动将使得运载工具100在进行转弯之前暂停并等待经过的行人或运载工具。

AV输入

图4示出感知模块302(图3)所使用的输入402a-402d(例如，图1中所示的传感器121)和输出404a-404d(例如，传感器数据)的示例。一个输入402a是光检测和测距(LiDAR)系统(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR系统产生LiDAR数据作为输出404a。例如，LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。

另一输入402b是RADAR(雷达)系统。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR系统的视线内的对象有关的数据。RADAR系统产生RADAR数据作为输出404b。例如，RADAR数据是用于构造环境190的表示的一个或多个射频电磁信号。

另一输入402c是照相机系统。照相机系统使用一个或多个照相机(例如，使用诸如电荷耦合器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机系统产生照相机数据作为输出404c。照相机数据通常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中，照相机系统具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机系统能够感知深度。尽管照相机系统所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在一些实施例中，照相机系统被配置为“看见”远处的(例如，AV前方的远至1公里或更远的)对象。因此，在一些实施例中，照相机系统具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。

另一输入402d是交通灯检测(TLD)系统。TLD系统使用一个或多个照相机来获得与交通灯、街道标志和提供视觉导航信息的其它物理对象有关的信息。TLD系统产生TLD数据作为输出404d。TLD数据经常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD系统与包含照相机的系统的不同之处在于：TLD系统使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉导航信息的物理对象有关的信息，使得运载工具100能够访问这些对象所提供的所有相关导航信息。例如，TLD系统的视角为约120度或更大。

在一些实施例中，使用传感器融合技术来组合输出404a-404d。因而，将个体输出404a-404d提供至运载工具100的其它系统(例如，提供至如图3所示的规划模块304)，或者可以采用相同类型的单个组合输出或多个组合输出(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式，将组合输出提供至其它系统。在一些实施例中，使用早期融合技术。早期融合技术的特征在于：在将一个或多个数据处理步骤应用到组合输出之前，将输出组合。在一些实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多个数据处理步骤应用到个体输出之后，将输出组合。

图5示出LiDAR系统502的示例(例如，图4所示的输入402a)。LiDAR系统502从光发射器506(例如，激光发送器)发射光504a-504c。LiDAR系统所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光504b中的一些光遇到物理对象508(例如，运载工具)并且反射回到LiDAR系统502。(从LiDAR系统发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR系统502还具有用于检测反射光的一个或多个光检测器510。在实施例中，与LiDAR系统相关联的一个或多个数据处理系统生成表示LiDAR系统的视场514的图像512。图像512包括表示物理对象508的边界516的信息。这样，图像512用于确定AV附近的一个或多个物理对象的边界516。

图6示出操作中的LiDAR系统502。在该图所示的情境中，运载工具100接收采用图像602的形式的照相机系统输出404c和采用LiDAR数据点604的形式的LiDAR系统输出404a两者。在使用中，运载工具100的数据处理系统将图像602与数据点604进行比较。特别地，在数据点604中也识别在图像602中识别出的物理对象606。这样，运载工具100基于数据点604的轮廓和密度来感知物理对象的边界。

图7示出LiDAR系统502的操作的附加细节。如上所述，运载工具100基于LiDAR系统502所检测到的数据点的特性来检测物理对象的边界。如图7所示，诸如地面702等的平坦对象将以一致的方式反射从LiDAR系统502发射的光704a-704d。换句话说，由于LiDAR系统502使用一致的间隔发射光，因此地面702将以相同的一致间隔将光反射回到LiDAR系统502。在运载工具100在地面702上行驶时，在没有东西阻挡道路的情况下，LiDAR系统502将继续检测到由下一个有效地面点706反射的光。然而，如果对象708阻挡道路，则LiDAR系统502所发射的光704e-704f将以与预期一致方式不一致的方式从点710a-710b反射。根据该信息，运载工具100可以确定存在对象708。

扫描线概述

如前所述，例如关于图6和7，诸如自主运载工具等的运载工具使用LiDAR来收集与所述运载工具的周围环境相关的数据。在实施例中，LiDAR扫描包括多个扫描线(例如，20个扫描线、40个扫描线等)。各个线与LiDAR系统(例如，图4的LiDAR系统402a)所处的环境的平面表示相对应。

图8描绘根据各实施例的具有多个扫描线805a、805b、805c、805d(统称为扫描线805)的示例LiDAR扫描800。如前所述，虽然在LiDAR扫描800中仅描绘四个扫描线805，但是在其它实施例中，LiDAR扫描800可以包括更多或更少的扫描线。例如，在一个实施例中，LiDAR扫描800可以包括20到40个扫描线，而在其它实施例中，LiDAR扫描800包括更多或更少的扫描线，这取决于诸如LiDAR系统的处理能力、正执行扫描的速率、扫描的可接受质量或一些其它因素等的因素。另外，虽然扫描线805一般被描绘为水平的，但是在其它实施例中，旋转扫描线805，使得它们是垂直的或处于水平和垂直之间的某个角度。另外，扫描线805被描绘为分开一定垂直距离(相对于图8的取向)，然而在现实世界实现中，扫描线805之间的距离可以大于或小于所描绘的距离。一般而言，图8应被解释为用于示出和讨论本文中的概念的目的的高级别的示例，而不是被认为是现实世界实现的限制性示例。

扫描线805中的各个包括多个LiDAR数据点810，这些数据点810例如与数据点604类似。例如，在图8所描绘的实施例中，各个扫描线805被示为包括十六个LiDAR数据点810。然而，将理解的是，其它实施例将包括比所描绘的更多或更少的LiDAR数据点。

LiDAR数据点810中的各个与被提供给LiDAR系统的数据相关。具体地，各个LiDAR数据点810向LiDAR系统提供TOF数据。TOF数据涉及光信号离开LiDAR系统的发射器的时间与LiDAR系统的接收器接收到反射的光信号的时间之间的长度。通过将该TOF数据用于LiDAR扫描800的扫描线805的各个LiDAR数据点810，LiDAR系统能够构造或便于构造LiDAR系统周围的对象的三维(3D)图像(例如，如上面关于图4和5所说明的)。

平滑度系数示例

如前所述，LiDAR扫描(例如，LiDAR扫描800)的结果被自主运载工具用于定位过程。即，在实施例中，将LiDAR扫描800的结果与地理地点的预先识别信息进行比较。基于该比较，自主运载工具能够识别自主运载工具当前所处的位置。

然而，在一些情况下，定位过程由于不一致的或瞬态的对象或结构而被复杂化。例如，诸如灌木或树木等的某些植被的形状随着季节的改变、修剪等而改变。如果诸如人、自行车等的其它瞬态对象移动或改变形状，则同样地这样的对象将在LiDAR扫描内产生不一致的结果，使得在一个时间处对地点的扫描不同于在不同时间处对相同地点的扫描。

相反，更一致或永久(例如，非瞬态)的结构将在定位过程期间提供更一致的结果。这样的对象包括人造结构，诸如建筑物、路障、墙壁等。因为这些对象是人造的，所以与诸如树(其中叶子或树枝可能在LiDAR扫描内生成显著变化)等的对象的轮廓相比，这些对象经常具有相对平坦或平滑的轮廓。因此，为了增加LiDAR扫描的结果的一致性，本文的实施例从LiDAR扫描移除被识别为属于诸如植被、人或自行车的存在等的瞬态结构的数据点。

可以从LiDAR扫描移除数据点的一种方式是通过结合数据点周围的其它数据点来分析该数据点。具体地，在实施例中，分析数据点并计算平滑度系数c。然后将平滑度系数c与阈值进行比较。如果平滑度系数c大于(或者可选地大于或等于)阈值，则LiDAR系统(或与其耦接的处理器)识别为该数据点属于具有相对高程度的可变性的区域，并且因此识别为该数据点与瞬态对象相关联。在一些实施例中，LiDAR系统然后可以确定为应从扫描线移除数据点。如果平滑度系数c小于(或者可选地小于或等于)阈值，则LiDAR系统(或与其耦接的处理器)识别为该数据点属于具有相对低程度的可变性的区域，并且因此应保留在扫描线中(或者被包括在输出的“平滑”扫描线中)。

等式1呈现针对点

计算平滑度系数c的示例等式。

具体地，X^L是指诸如LiDAR扫描800等的LiDAR扫描中的数据点。k是给定扫描线的标识符。在等式1中，将所讨论的数据点

与数据点的数量S进行比较。i和j可以指扫描线内的特定位置。具体地，将与数据点

相关的数据和与S中的各个其它数据点相关的数据进行比较。基于该比较，计算平滑度系数c。具体地，计算或识别所讨论的数据点

和S中的各个其它点之间的矢量。然后对矢量进行求和以产生平滑度系数c。

将注意的是，在一个实施例中，计算所讨论的数据点和各个其它数据点之间的各个矢量，以产生系数c。然而，在其它实施例中，一个或多个矢量可能已经被预先计算并被存储，使得该矢量可以被识别而不是被重新计算。例如，在一个实施例中，基于S中的一个数据点和当前讨论的数据点

之间的矢量针对该一个数据点已经计算了系数c。这样，矢量的重新计算可能不是必需的，并且代替地，矢量可以被识别为先前所计算出的。

图9描绘根据实施例的计算与LiDAR扫描的数据点相关的平滑度系数的算法的图形示例。图10描绘根据实施例的计算与LiDAR扫描的数据点相关的平滑度系数的算法的替代图形示例。

具体地，在图9和10中，描绘了X轴X和Y轴Y。一般而言，可以假设LiDAR系统位于X轴和Y轴的交叉点。在图9和10中描绘多个LiDAR数据点，这些LiDAR数据点与图8的LiDAR数据点810类似。

具体地，图9描绘LiDAR数据点905a、905b、905c、905d和905e(统称为LiDAR数据点905)。图10描绘LiDAR数据点1005a、1005b、1005c、1005d和1005e(统称为LiDAR数据点1005)。在图9和10的描绘中，LiDAR数据点905和1005基于与各个数据点相关的TOF数据，其中图9和10表示相对于LiDAR系统可能处于的位置的TOF数据的自上而下的视图。

具体地转到图9，LiDAR数据点905c是当前分析下的数据点，并且与等式1的

相对应。在该示例中，S等于5。

根据等式1，在数据点905c与各个其它数据点905a、905b、905d和905e之间计算矢量910a、910b、910d和910e(统称为矢量910)。然后对矢量910进行求和。在图9中将可以看到，矢量910的和近似为零。具体地，与某些矢量(例如，矢量910a和910e)相关联的值可以彼此抵消。同样，矢量910b和910d可以彼此抵消。这样，系数c近似为0，这表示数据点905c是“平滑的”，并且因此应保留在扫描线中或被包括在更新的扫描线中。将注意的是，数据点905c是“平滑的”这一指示与图9中的数据点905的组的可视描绘相对应。

与之相对，图10描绘了LiDAR数据点1005的组S，其中LiDAR数据点1005c被认为具有比数据点905c的系数c更高的系数c。类似于图9，在数据点1005c与图10的其它数据点之间计算多个矢量1010a、1010b、1010d和1010e(统称为矢量1010)。然后，如上面关于等式1所讨论的那样，对矢量1010进行求和以计算系数c。

各个矢量1010的水平分量(例如，沿X轴的分量)以与上文关于图9所描述的方式类似的方式彼此抵消。具体地，矢量1010a的水平分量抵消矢量1010e的水平分量。类似地，矢量1010b的水平分量抵消矢量1010d的水平分量。

然而，各个矢量1010还具有未被抵消的垂直分量(例如，沿Y轴的分量)。这样，矢量1010的总和大于0，导致非零c。

对如何计算平滑度系数c的描述可以被认为是一个实施例的简化示例，并且其它实施例可以变化。例如，特定等式1意在作为一个示例，并且其它变形可以基于用于计算平滑度系数(诸如c等)的不同等式。作为一个示例变形，数据点的组S可以包括来自多个扫描线的数据点，而不是关于等式1或者图9或10描述的单个扫描线。

平滑度系数的使用

图11描绘根据各实施例的更新LiDAR扫描线的示例技术。一般而言，技术涉及如上所述的平滑度系数c的使用。该技术可以由诸如LiDAR系统402a(图4)等的LiDAR系统、诸如处理器204(图2)等的处理器、诸如控制模块306(图3)等的控制模块、诸如定位模块308(图3)等的定位模块、其部分组合、自主运载工具的至少一个附加元素来执行。

最初，在1105处识别LiDAR扫描中的扫描线。扫描线例如与LiDAR扫描线805之一类似。该技术还包括：在1110处基于扫描线识别LiDAR数据点。LiDAR数据点例如与LiDAR数据点905或1005类似，并且基于一个或多个扫描线805中的LiDAR数据点810。

该技术还包括：在1115处识别目标LiDAR数据点和相邻LiDAR数据点。目标LiDAR数据点例如是与

相对应的LiDAR数据点905c或1005c。相邻LiDAR数据点例如是与S中的其它数据点相对应的LiDAR数据点905a/905b/905d/905e/1005a/1005b/1005d/1005e。

该技术还包括：在1120处针对目标LiDAR数据点计算平滑度系数。平滑度系数例如是如上所述根据等式1计算的系数c。在其它实施例中，附加地或可替代地，平滑度系数是根据不同的等式或根据至少一个其它变量计算的不同系数。

该技术还包括：在1125处将平滑度系数(例如c)与阈值进行比较。在一个实施例中，基于平滑度系数是否大于(或者大于或等于)阈值的识别来执行上述比较。在其它实施例中，该比较基于平滑度系数是否小于(或者小于或等于)阈值的识别。在其它实施例中，该比较是不同类型的比较。

在一个实施例中，阈值是预先识别的阈值。即，基于先前的测试或一些其它因素来预先识别阈值。在其它实施例中，阈值是至少部分动态的。例如，阈值基于对给定LiDAR扫描中的其它数据点、扫描线中的其它数据点、先前计算出的系数等的分析。

如果在1125处将系数识别为小于(或者在实施例中小于或等于)阈值，则丢弃特定LiDAR数据点(例如，

)。如本文所使用的，丢弃数据点是指从用于定位目的的扫描线或LiDAR扫描移除特定LiDAR数据点。相反，如果系数被识别为大于(或者大于或等于)阈值，则LiDAR数据点被包括在由定位模块(例如，定位模块408)处理的扫描线中。这样的扫描线被称为“更新的”扫描线。在实施例中，更新的扫描线是移除了被丢弃的数据点的现有扫描线。在其它实施例中，更新的扫描线是基于所包括的数据点正在生成的新扫描线。

更具体地，在实施例中，如果系数小于(或者小于或等于)阈值，则可以从扫描线丢弃LiDAR数据点，而在其它实施例中，可以标记LiDAR数据点以例如在批处理操作中从扫描线中移除。在其它实施例中，如果系数大于(或者大于或等于)阈值，则LiDAR数据点可以不从扫描线被移除，并且代替地，可以保留在扫描线中。在其它实施例中，LiDAR数据点可以被包括在扫描线的新迭代中，该新迭代基于被标记为具有可接受的平滑度系数(例如，大于或者大于或等于阈值的系数)的LiDAR数据点。

图12描绘根据实施例的更新LiDAR扫描线的替代示例技术。一般而言，图12被认为与图11是互补的，并且包括类似的元素。类似于图11，该技术可以由诸如LiDAR系统402a(图4)等的LiDAR系统、诸如处理器204(图2)等的处理器、诸如控制模块306(图3)等的控制模块、诸如定位模块308(图3)等的定位模块、其部分组合、或者自主运载工具的至少一个附加元素来执行。

该技术包括：在1205处在LiDAR扫描线中识别第一LiDAR数据点。LiDAR扫描线例如与LiDAR扫描线805之一类似。LiDAR数据点例如与LiDAR数据点810、905或1005类似。更具体地，第一LiDAR数据点与LiDAR数据点905c或1005c之一类似。

该技术还包括：在1210处在LiDAR扫描线中识别第一LiDAR数据点附近区域内的多个LiDAR数据点。多个LiDAR数据点例如是S中的其它数据点，并且包括数据点905a/905b/905d/905e/1005a/1005b/1005d/1005e。如前所述，在实施例中，所有多个LiDAR数据点与第一LiDAR数据点在相同扫描线中，而在其它实施例中，多个LiDAR数据点中的至少一个在与第一LiDAR数据点不同的扫描线中。

该技术还包括：在1215处基于第一LiDAR数据点与多个LiDAR数据点的比较来识别第一LiDAR数据点的系数，其中该系数与图像平滑度相关。该比较例如是上面关于等式1描述的比较，并且系数是c。然而，如前所述，在其它实施例中，该比较是基于不同等式或至少一个附加或替代因素的一些其它类型的比较。

该技术还包括：在1220处基于系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括LiDAR回波点。该阈值例如是上面关于元素1125描述的阈值。具体地，该阈值如上所述是预先确定的阈值或动态阈值。另外，如上所述，阈值的比较是为了识别系数是大于(或者大于或等于)阈值还是小于(或者小于或等于)阈值。

如果系数被识别为大于(或者大于或等于)阈值，则从更新的扫描线中丢弃第一数据点。相反，如果系数被识别为小于(或者小于或等于)阈值，则第一数据点被包括在更新的扫描线中。如前所述，在一个实施例中，包括在更新的扫描线中包括：不从现有扫描线移除数据点。在其它实施例中，包括在更新的扫描线中是基于将数据点包括在正被创建的新扫描线中。

然后，该技术包括：在1225处基于更新的LiDAR扫描线来识别AV的地点。具体地，如上面关于定位模块308描述的，定位模块308通过使用来自传感器121的数据(例如，更新的扫描线)和来自数据库模块310的数据(例如，地理数据)来确定AV位置，以计算位置。如上所述，通过移除与诸如树、人等的瞬态元素相关的数据点，定位模块308然后将基于诸如建筑物、行车道等的非瞬态元素来识别AV的位置。结果，将增加定位模块308的一致性，从而增加AV的导航的整体效率。

将理解的是，关于图11和12描述的技术意在作为高级别示例的技术，并且其它实施例将包括这些示例的变形。例如，各种实施例具有比示例技术中所描绘的元素更多或更少的元素，或具有与所描绘的不同的布置或次序的元素。在其它实施例中将存在其它变形。

在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以授权公告权利要求书的具体形式根据本申请公告的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

Claims

1.一个或多个非暂时性计算机可读介质，其包括指令，所述指令在由运载工具的一个或多个处理器执行时使所述运载工具：

在光检测和测距扫描线即LiDAR扫描线中识别第一LiDAR数据点；

在所述LiDAR扫描线中识别所述第一LiDAR数据点附近区域内的多个LiDAR数据点；

基于所述第一LiDAR数据点与所述多个LiDAR数据点中的至少一个LiDAR数据点的比较，来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；

基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点；以及

基于所述更新的LiDAR扫描线来识别所述运载工具的地点。

2.根据权利要求1所述的一个或多个非暂时性计算机可读介质，其中，在所述系数等于或低于所述阈值的情况下，所述指令使所述运载工具将所述第一LiDAR数据点包括到所述更新的LiDAR扫描线。

3.根据权利要求1所述的一个或多个非暂时性计算机可读介质，其中，在所述系数等于或高于所述阈值的情况下，所述指令使所述运载工具不将所述第一LiDAR数据点添加到所述更新的LiDAR扫描线。

4.根据权利要求1所述的一个或多个非暂时性计算机可读介质，其中，所述阈值是与瞬态元素的存在相关联的预先确定的阈值。

5.根据权利要求1所述的一个或多个非暂时性计算机可读介质，其中，所述系数的识别是基于所述第一LiDAR数据点与所述多个LiDAR数据点中的各个LiDAR数据点之间的矢量的比较。

6.根据权利要求5所述的一个或多个非暂时性计算机可读介质，其中，所述指令还使所述运载工具：

生成所述第一LiDAR数据点与所述多个LiDAR数据点中的第二LiDAR数据点之间的矢量；以及

识别所述第一LiDAR数据点与所述多个LiDAR数据点中的第三LiDAR数据点之间的先前确定的矢量。

7.根据权利要求6所述的一个或多个非暂时性计算机可读介质，其中，所述第二LiDAR数据点和所述第三LiDAR数据点中的至少一个在所述LiDAR扫描线中与所述第一LiDAR数据点相邻。

8.一种方法，包括：

由至少一个处理器识别光检测和测距扫描线即LiDAR扫描线中的第一LiDAR数据点、所述LiDAR扫描线中的与所述第一LiDAR数据点相邻的第二LiDAR数据点以及所述LiDAR扫描线中的与所述第一LiDAR数据点相邻的第三LiDAR数据点；

由所述至少一个处理器，基于所述第一LiDAR数据点与所述第二LiDAR数据点和所述第三LiDAR数据点的比较来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；

由所述至少一个处理器，基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点；以及

基于所述更新的LiDAR扫描线来识别运载工具的地点。

9.根据权利要求8所述的方法，还包括：在所述系数等于或低于所述阈值的情况下，由所述至少一个处理器将所述第一LiDAR数据点包括到所述更新的LiDAR扫描线。

10.根据权利要求8所述的方法，还包括：在所述系数等于或高于所述阈值的情况下，由所述至少一个处理器从所述更新的LiDAR扫描线丢弃所述第一LiDAR数据点。

11.根据权利要求8所述的方法，其中，所述阈值是与瞬态元素的存在相关联的预先确定的阈值。

12.根据权利要求8所述的方法，其中，识别所述系数包括：

由所述至少一个处理器比较所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量以识别第一比较值；

由所述至少一个处理器比较所述第一LiDAR数据点与所述第三LiDAR数据点之间的矢量以识别第二比较值；以及

由所述至少一个处理器，基于所述第一比较值和所述第二比较值来计算所述系数。

13.根据权利要求12所述的方法，其中，比较所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量包括由所述至少一个处理器计算所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量。

14.根据权利要求12所述的方法，其中，比较所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量包括由所述至少一个处理器识别所述第一LiDAR数据点与所述第二LiDAR数据点之间的预先识别的矢量。

15.一种运载工具，包括：

光检测和测距系统即LiDAR系统，用于生成包括多个LiDAR数据点的一个或多个LiDAR扫描线；以及

至少一个处理器，其与所述LiDAR系统耦接，所述至少一个处理器用于：

在所述多个LiDAR数据点中识别第一LiDAR数据点、所述扫描线中的与所述第一LiDAR数据点相邻的第二LiDAR数据点以及所述扫描线中的与所述第一LiDAR数据点相邻的第三LiDAR数据点；

基于所述第一LiDAR数据点与所述第二LiDAR数据点和所述第三LiDAR数据点的比较，来识别所述第一LiDAR数据点的系数，其中所述系数与图像平滑度相关；以及

基于所述系数与阈值的比较来识别是否在更新的LiDAR扫描线中包括所述第一LiDAR数据点。

16.根据权利要求15所述的运载工具，其中，在所述系数等于或低于所述阈值的情况下，所述至少一个处理器将所述第一LiDAR数据点添加到所述更新的LiDAR扫描线。

17.根据权利要求15所述的运载工具，其中，在所述系数等于或高于所述阈值的情况下，所述至少一个处理器从所述更新的LiDAR扫描线丢弃所述第一LiDAR数据点。

18.根据权利要求15所述的运载工具，其中，识别所述系数包括：

基于所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量的比较来识别第一比较值；

基于所述第一LiDAR数据点与所述第三LiDAR数据点之间的矢量的比较来识别第二比较值；以及

基于所述第一比较值和所述第二比较值来计算所述系数。

19.根据权利要求18所述的运载工具，其中，所述至少一个处理器计算所述第一LiDAR数据点与所述第二LiDAR数据点之间的矢量。

20.根据权利要求18所述的运载工具，其中，所述至少一个处理器识别所述第一LiDAR数据点与所述第二LiDAR数据点之间的预先计算的矢量。