CN115407344A - 栅格地图创建方法、装置、车辆及可读存储介质 - Google Patents

栅格地图创建方法、装置、车辆及可读存储介质 Download PDF

Info

Publication number
CN115407344A
CN115407344A CN202211356672.7A CN202211356672A CN115407344A CN 115407344 A CN115407344 A CN 115407344A CN 202211356672 A CN202211356672 A CN 202211356672A CN 115407344 A CN115407344 A CN 115407344A
Authority
CN
China
Prior art keywords
grid
ultrasonic sensor
probability
conditional probability
determining
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.)
Granted
Application number
CN202211356672.7A
Other languages
English (en)
Other versions
CN115407344B (zh
Inventor
万韶华
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.)
Xiaomi Automobile Technology Co Ltd
Original Assignee
Xiaomi Automobile Technology Co Ltd
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 Xiaomi Automobile Technology Co Ltd filed Critical Xiaomi Automobile Technology Co Ltd
Priority to CN202211356672.7A priority Critical patent/CN115407344B/zh
Publication of CN115407344A publication Critical patent/CN115407344A/zh
Application granted granted Critical
Publication of CN115407344B publication Critical patent/CN115407344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本公开涉及自动驾驶技术领域，尤其涉及一种栅格地图创建方法、装置、车辆及可读存储介质。方法包括：绘制初始栅格地图，并在初始栅格地图中确定用于表征存在障碍物的第一区域；确定第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一第一栅格与超声波传感器探测区域的中轴线的夹角；针对每一第一栅格，根据超声波传感器的概率模型、第一栅格对应的距离值和夹角，确定第一栅格的第一条件概率；根据每一第一栅格的第一条件概率和栅格处于被障碍物占用状态的预设概率，确定每一第一栅格的第二条件概率；根据每一第一栅格的第二条件概率，得到栅格地图。如此，提高了所构建的栅格地图的精准度。

Description

栅格地图创建方法、装置、车辆及可读存储介质
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种栅格地图创建方法、装置、车辆及可读存储介质。
背景技术
基于视觉传感器、激光测距仪、超声波和红外传感器等传感器，对周围环境中的障碍物进行感知是实现机器人自动导航的前提条件，也是实现自动驾驶或自动泊车的前提条件。例如，在车辆自动驾驶或自动泊车的过程中，需要获知车辆周围的环境信息。目前车辆主要通过构建车辆周围环境地图的方式来获知周围环境信息。在构建车辆周围环境地图时需要利用视觉传感器、激光测距仪、超声波和红外传感器等传感器对周围环境中的障碍物进行感知，以在所构建的车辆周围环境地图中记录车辆周围的障碍物。
车辆周围环境地图的构建主要是通过传感器实现，常规的地图构建传感器多为视觉传感或激光雷达传感器，而视觉传感器和激光雷达传感器成本昂贵不易大规模普及和生产，低成本的自动驾驶解决方案通常依靠超声波传感器。然而，由于超声波传感器故障和噪声等原因，可能会导致车辆无法直接使用超声波传感器感知到的障碍物信息，因此，需要将超声波传感器感知到的障碍物信息以栅格地图的形式进行记录，便于后续车辆根据所构建的栅格地图进行导航和路径规划等。
发明内容
为克服相关技术中存在的问题，本公开提供一种栅格地图创建方法、装置、车辆及可读存储介质。
根据本公开实施例的第一方面，提供一种栅格地图创建方法，包括：
绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
根据每一所述第一栅格的第二条件概率，得到栅格地图。
可选地，所述超声波传感器的概率模型包括用于确定所述第一栅格的第一条件概率的第一概率模型，所述第一概率模型为以下公式所示的概率模型：
P(s=r1 / H=occupied)= ( ( ( r1 3+γ- r1) / r1 3+γ) +(β-α1) /β)*Maxoccupied /2
其中，P(s=r1 / H=occupied)表征所述第一条件概率，s表征所述超声波传感器的测量值，r1表征所述第一栅格与所述超声波传感器的距离值，H=occupied表征所述第一栅格处于占用状态，γ、Maxoccupied均为常量，β表征所述超声波传感器最大探测夹角的二分之一，α1表征所述第一栅格与超声波传感器探测区域的中轴线的夹角。
可选地，所述针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，包括：
针对每一所述第一栅格，将所述第一栅格对应的距离值和夹角输入所述第一概率模型，得到所述第一概率模型输出的所述第一栅格的第一条件概率。
可选地，所述超声波传感器的概率模型还包括第二概率模型；所述方法还包括：
在所述初始栅格地图中确定用于表征不存在所述障碍物的第二区域；
确定所述第二区域内的每一第二栅格与所述超声波传感器的距离值，以及，每一所述第二栅格与所述超声波传感器探测区域的中轴线的夹角，以得到每一所述第二栅格对应的距离值和夹角；
针对每一所述第二栅格，将所述第二栅格对应的距离值和夹角输入所述第二概率模型，得到所述第二概率模型输出的所述第二栅格的第三条件概率，其中，所述第三条件概率用于表征在所述第二栅格处于空闲状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第二栅格的第三条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第二栅格的第四条件概率，其中，所述第四条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第二栅格处于所述空闲状态的概率；
所述根据每一所述第一栅格的第二条件概率，得到栅格地图，包括：
根据每一所述第一栅格的第二条件概率和每一所述第二栅格的第四条件概率，得到栅格地图。
可选地，所述第二概率模型为以下公式所示的概率模型：
P(s=r2 / H=empty)= ( ( ( r2 3+γ- r2) / r2 3+γ) +(β-α2) /β)*Maxoccupied / 2
其中，P(s=r2 / H=empty)表征所述第三条件概率，s表征所述超声波传感器的测量值，r2表征所述第二栅格与所述超声波传感器的距离值，H=empty表征所述第二栅格处于空闲状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α2表征所述第二栅格与所述超声波传感器探测区域的中轴线的夹角。
可选地，所述在所述初始栅格地图中确定用于表征存在障碍物的第一区域，包括：
在所述初始栅格地图中确定超声波传感器探测区域；
驱动所述超声波传感器发送超声波信号，并获取由所述超声波传感器接收的回波信号；
根据所述回波信号，确定所述障碍物在所述探测区域内的位置；
在所述探测区域内，将所述位置的预设范围内的区域确定为第一区域。
可选地，所述在所述初始栅格地图中确定用于表征不存在所述障碍物的第二区域，包括：
在所述探测区域内，将所述第一区域和所述超声波传感器之间的区域确定为用于表征不存在所述障碍物的第二区域。
根据本公开实施例的第二方面，提供一种栅格地图创建装置，包括：
绘制模块，被配置为绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
第一确定模块，被配置为确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
第二确定模块，被配置为针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
第三确定模块，被配置为根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
第一获取模块，被配置为根据每一所述第一栅格的第二条件概率，得到栅格地图。
根据本公开实施例的第三方面，提供一种车辆，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
根据每一所述第一栅格的第二条件概率，得到栅格地图。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的所述方法的步骤。
采用上述技术方案，利用超声波传感器的概率模型得到第一栅格的第一条件概率，之后，再基于该第一栅格的第一条件概率得到用于表征在超声波传感器的测量值为距离值的条件下第一栅格处于占用状态的第二条件概率，其中，超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值。如此，利用精度较高的超声波传感器的概率模型得到第一栅格的第一条件概率，可以准确地确定出第一栅格的第一条件概率，进而在基于该第一条件概率确定第二条件概率时，有效提高了确定的第二条件概率的准确度，进而提高了所构建的栅格地图的精准度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种栅格地图创建方法的流程图。
图2是根据一示例性实施例示出的一种栅格地图的示意图。
图3是根据一示例性实施例示出一种第一概率模型随距离值r1的变化曲线的示意图。
图4是根据一示例性实施例示出的一种栅格地图创建装置的框图。
图5是一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
如背景技术所言，由于超声波传感器的精度有限，不能精准地确定出障碍物的位置，导致车辆无法直接使用超声波传感器感知到的障碍物信息，因此，需要将超声波传感器感知到的障碍物信息以栅格地图的形式进行记录，便于后续车辆根据所构建的栅格地图进行导航和路径规划等。
栅格地图中每一个栅格的状态要么是处于被障碍物占用的占用状态（occupied），要么是处于未被障碍物占用的空闲状态（empty）。其中，每一栅格都有一个条件概率，用于表征在超声波传感器的测量值为某一距离值的条件下该栅格处于某一种状态（占用状态或空闲状态）的概率。示例地，每一栅格都有一个用于表征在超声波传感器的测量值为某一距离值的条件下该栅格处于占用状态的条件概率。例如，某一栅格的条件概率P(H=occupied/ s=50)=0.9，表明在超声波传感器的测量值s为50cm的条件下栅格处于被障碍物占用状态的概率为0.9。
发明人研究发现，为了简化超声波传感器的测量误差，提高所构建的栅格地图的精准度，可以利用在栅格处于占用状态的条件下超声波传感器的测量值s为该栅格距离超声波传感器的距离值的条件概率，来表征超声波传感器的概率模型。因此，本公开提供一种栅格地图创建方法、装置、车辆及可读存储介质，采用高精度的超声波传感器的概率模型对周围环境进行估计，提高所构建的栅格地图的精准度。
图1是根据一示例性实施例示出的一种栅格地图创建方法的流程图。如图1所示，该方法可以包括以下步骤。
在步骤S101中，绘制初始栅格地图，并在初始栅格地图中确定用于表征存在障碍物的第一区域。
应当理解的是，本公开所提供的栅格地图创建方法可以应用于机器人、扫地机，也可以应用于无人驾驶设备，例如无人驾驶车辆等。为了便于描述，下面以栅格地图创建方法应用于无人驾驶车辆为例进行说明。其中，该无人驾驶车辆上安装有超声波传感器。此外，本公开所创建的栅格地图可以是无人驾驶设备周围的局部环境地图。
在本公开中，可以采用相关技术中绘制栅格地图的方式绘制初始栅格地图。本公开对绘制初始栅格地图的具体实施方式不作限定。在可能的实施方式中，绘制的初始栅格地图可以是根据无人驾驶车辆前方的环境信息所绘制的地图。
从所绘制的初始栅格地图中确定用于表征存在障碍物的第一区域。其中，障碍物可以包括静态障碍物和动态障碍物。在本公开中，可以采用相关技术中存在的任何识别障碍物的方式识别出障碍物以及该障碍物在初始栅格地图中的位置，之后，根据该位置确定第一区域。应当理解的是，在该步骤中无需识别出障碍物在初始栅格地图中的精准位置，只需确定出障碍物在初始栅格地图中的近似位置即可。
在步骤S102中，确定第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一第一栅格与超声波传感器探测区域的中轴线的夹角。
在本公开中，绘制的初始栅格地图中的每一栅格均会在真实的环境中对应有一实际位置，因此，针对第一区域内的每一栅格，能够在真实环境中确定出该栅格对应的实际位置，进而根据无人驾驶车辆的当前位置和该栅格对应的实际位置，即可确定出第一栅格与无人驾驶车辆的距离值。其中，无人驾驶车辆的当前位置即为超声波传感器的当前位置，因此，上述所确定出的距离值即为第一栅格与超声波传感器的距离值。此外，超声波传感器探测区域为扇形区域，超声波传感器探测区域的中轴线记为该扇形区域的中轴线。
在步骤S103中，针对每一第一栅格，根据超声波传感器的概率模型、第一栅格对应的距离值和夹角，确定第一栅格的第一条件概率。
在本公开中，第一条件概率用于表征在第一栅格处于被障碍物占用的占用状态的条件下超声波传感器的测量值为该第一栅格对应的距离值的概率。
理论而言，若第一栅格处于被障碍物占用的占用状态，则用于表征在该第一栅格处于占用状态的情况下超声波传感器的测量值为该第一栅格与超声波传感器的距离值的概率为1或接近1，或者，若第一栅格处于空闲状态，则用于表征在该第一栅格处于占用状态的情况下超声波传感器的测量值为该第一栅格与超声波传感器的距离值的概率为0或接近0，因此，在本公开中，超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值。其中，第一阈值为小于1且接近1的数值，第二阈值为大于0且接近0的数值，即，第一阈值为略小于1的数值，第二阈值为略大于0的数值。示例地，假设第一区域内第一栅格a处于被占用状态，其他第一栅格均处于空闲状态，因此，按照步骤S103可以得到第一栅格a的第一条件概率为接近1的数值，其他第一栅格的第一条件概率为接近0的数值。
在步骤S104中，根据每一第一栅格的第一条件概率和栅格处于被障碍物占用状态的预设概率，确定每一第一栅格的第二条件概率。其中，第二条件概率用于表征在超声波传感器的测量值为距离值的条件下第一栅格处于被障碍物占用的占用状态的概率。
示例地，假设第一栅格处于被障碍物占用的占用状态，则第一栅格的第二条件概率可以通过以下公式确定：
P(H=occupied / s=r)= P(s=r / H=occupied)*P(H=occupied) / P(s=r)
P(s=r)= P(s=r / H=occupied)*P(H=occupied)+ P(s=r / H=empty)*P(H=empty)
P(s=r / H=empty)=1- P(s=r / H=occupied)
P(H= empty)=1- P(H=occupied)
其中，P(H=occupied / s=r)表征第一栅格的第二条件概率，P(s=r / H=occupied)表征第一栅格的第一条件概率，P(H=occupied)表征栅格处于被障碍物占用状态的预设概率，P(H=empty)表征栅格处于未被障碍物占用状态的预设概率，P(s=r / H=empty)表征在第一栅格处于空闲状态的条件下超声波传感器的测量值s为距离值r的概率，P(s=r)表征超声波传感器的测量值s为距离值r的概率。
在步骤S105中，根据每一第一栅格的第二条件概率，得到栅格地图。
示例地，可以将得到的每一第一栅格的第二条件概率记录在对应的栅格上，即可得到包含每一第一栅格的第二条件概率的栅格地图。
采用上述技术方案，利用超声波传感器的概率模型得到第一栅格的第一条件概率，之后，再基于该第一栅格的第一条件概率得到用于表征在超声波传感器的测量值为距离值的条件下第一栅格处于占用状态的第二条件概率，其中，超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值。如此，利用精度较高的超声波传感器的概率模型得到第一栅格的第一条件概率，可以准确地确定出第一栅格的第一条件概率，进而在基于该第一条件概率确定第二条件概率时，有效提高了确定的第二条件概率的准确度，进而提高了所构建的栅格地图的精准度。
为了使本领域技术人员更好的理解本公开所提供的栅格地图创建方法，下面以一个完整的实施例对该栅格地图创建方法进行说明。
首先，对确定用于表征存在障碍物的第一区域的具体实施方式进行说明。
利用超声波检测是否存在障碍物的原理为：通过超声波传感器发射一束声波，声波在碰到障碍物时会产生回波，该回波被超声波传感器接收。根据回波信号的幅值判断空间中是否有障碍物。因此，在本公开中，可以根据超声波传感器的回波信号确定第一区域。示例地，首先，在初始栅格地图中确定超声波传感器探测区域；驱动超声波传感器发送超声波信号，并获取由超声波传感器接收的回波信号；根据回波信号确定障碍物在探测区域内中的位置；在探测区域内，将位置的预设范围内的区域确定为第一区域。
需要说明的是，超声波传感器用于发射超声波信号，并接收回波信号，超声波检测的原理是超声波传感器发射超声波信号，接收到该超声波信号对应的回波信号，根据发送与接收之间的时间差和超声波的传播速率即可确定出障碍物距超声波传感器的距离，并且，回波信号的幅值信息即为障碍物的幅值信息。因此，可以根据回波信号确定障碍物在探测区域内的位置。之后，在探测区域内，将该位置的预设范围内的区域确定为第一区域。
示例地，图2是根据一示例性实施例示出的另一种栅格地图的示意图。如图2所示，超声波传感器探测区域为扇形区域，假设根据回波信号确定障碍物在初始栅格地图中的位置如图2中黑点所示，预设范围为包含位置点p的带宽为3cm的扇形环，因此，在本公开中，所确定的第一区域即为图2所示的区域Ⅰ。
相应地，超声波传感器的概率模型包括用于确定第一栅格的第一条件概率的第一概率模型，第一概率模型为以下公式所示的概率模型：
P(s=r1 / H=occupied)= ( ( ( r1 3+γ- r1) / r1 3+γ) +(β-α1) /β)*Maxoccupied /2
其中，P(s=r1 / H=occupied)表征第一条件概率，s表征超声波传感器的测量值，r1表征第一栅格与超声波传感器的距离值，H=occupied表征第一栅格处于占用状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α1表征第一栅格与超声波传感器探测区域的中轴线的夹角。
图3是根据一示例性实施例示出一种第一概率模型随距离值r1的变化曲线的示意图。在图3中，横坐标为r1*100，纵坐标为第一条件概率。如图3所示，在r1为[0.01，2.98]范围内第一条件概率为接近1的数值，表征障碍物位于距离值为[0.01，2.98]的栅格的概率较高。
相应地，图1中步骤S103针对每一第一栅格，根据超声波传感器的概率模型、第一栅格对应的距离值和夹角，确定第一栅格的第一条件概率的具体实施方式为：针对每一第一栅格，将第一栅格对应的距离值和夹角输入第一概率模型，得到第一概率模型输出的第一栅格的第一条件概率。
类似地，超声波传感器的概率模型还包括第二概率模型，该第二概率模型可以用来确定表征不存在障碍物的第二区域内的第二栅格的第三条件概率。示例地，栅格地图创建方法还可以包括以下步骤。
首先，在初始栅格地图中确定用于表征不存在障碍物的第二区域。
示例地，在探测区域内，将第一区域和超声波传感器之间的区域确定为用于表征不存在障碍物的第二区域。例如，图2中的区域Ⅱ即为第二区域。
如图2所示，由于超声波传感器无法探测到位于超声波传感器探测区域之外的区域内的栅格（例如，区域Ⅳ内的栅格），因此该栅格的状态通常为未知状态，在构建栅格地图时可以忽略。位于第一区域（区域Ⅰ）之后的区域Ⅲ，由于区域Ⅰ内存在障碍物，射向区域Ⅲ内的超声波可能会被区域Ⅰ的障碍物遮挡，因此，无法根据回波信号确定区域Ⅲ内是否存在障碍物，即，区域Ⅲ内栅格的状态也为未知状态，在构建栅格地图时可以忽略。此外，当车辆或机器人移动时，若区域Ⅲ之前不存在障碍物和/或区域Ⅳ位于超声波传感器的探测范围内，则会按照上述方式确定第一区域和第二区域。
接着，确定第二区域内的每一第二栅格与超声波传感器的距离值，以及，每一第二栅格与超声波传感器探测区域的中轴线的夹角，以得到每一第二栅格对应的距离值和夹角。
其中，确定第二栅格对应的距离值和夹角的具体实施方法可以参照图1中步骤S102的具体实施方式，此处不再赘述。
之后，针对每一第二栅格，将第二栅格对应的距离值和夹角输入第二概率模型，得到第二概率模型输出的第二栅格的第三条件概率，其中，第三条件概率用于表征在第二栅格处于未被障碍物占用的空闲状态的条件下超声波传感器的测量值为距离值的概率。
由于第一区域内每一栅格处于占用状态的概率较高，且第二区域内每一栅格处于空闲状态的概率较高，因此，在本公开中，可以采用不同的超声波传感器的概率模型确定不同区域内栅格的用于表征在栅格处于目标状态的条件下超声波传感器的测量值为距离值的概率。因此，在本公开中，超声波传感器的概率模型还包括用于确定第二区域内第二栅格的第三条件概率的第二概率模型，且，该第二概率模型为以下公式所示的概率模型：
P(s=r2 / H=empty)= ( ( ( r2 3+γ- r2) / r2 3+γ) +(β-α2) /β)*Maxoccupied / 2
其中，P(s=r2 / H=empty)表征第三条件概率，s表征超声波传感器的测量值，r2表征第二栅格与超声波传感器的距离值，H=empty表征第二栅格处于空闲状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α2表征第二栅格与超声波传感器探测区域的中轴线的夹角。
之后，根据每一第二栅格的第三条件概率和栅格处于被障碍物占用状态的预设概率，确定每一第二栅格的第四条件概率，其中，第四条件概率用于表征在超声波传感器的测量值为距离值的条件下第二栅格处于空闲状态的概率。
其中，确定第四条件概率的具体实施方式可以参照图1中步骤S104的具体实施方式，此处不再赘述。
最后，根据每一第一栅格的第二条件概率和每一第二栅格的第四条件概率，得到栅格地图。
应当理解的是，若构建的栅格地图中记录的是每一栅格的用于表征超声波传感器的测量值为距离值的条件下栅格处于占用状态的概率，则在计算出第二栅格的第四条件概率之后，可以通过公式1- P(H=empty / s=r2)得到第二栅格的用于表征超声波传感器的测量值为距离值的条件下第二栅格处于占用状态的概率。
采用上述技术方案，针对超声波传感器探测区域内不同的区域，采用不同的概率模型得到栅格的用于表征超声波传感器的测量值为距离值的条件下栅格处于占用状态的概率，进一步提高可所构建的栅格地图的精准度。
基于同一发明构思，本公开还提供一种栅格地图创建装置。图4是根据一示例性实施例示出的一种栅格地图创建装置的框图。如图4所示，栅格地图创建装置400包括：
绘制模块401，被配置为绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
第一确定模块402，被配置为确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
第二确定模块403，被配置为针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
第三确定模块404，被配置为根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
第一获取模块405，被配置为根据每一所述第一栅格的第二条件概率，得到栅格地图。
可选地，所述超声波传感器的概率模型包括用于确定所述第一栅格的第一条件概率的第一概率模型，所述第一概率模型为以下公式所示的概率模型：
P(s=r1 / H=occupied)= ( ( ( r1 3+γ- r1) / r1 3+γ) +(β-α1) /β)*Maxoccupied /2
其中，P(s=r1 / H=occupied)表征所述第一条件概率，s表征所述超声波传感器的测量值，r1表征所述第一栅格与所述超声波传感器的距离值，H=occupied表征所述第一栅格处于占用状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α1表征所述第一栅格与所述超声波传感器探测区域的中轴线的夹角。
可选地，所述第二确定模块403被配置为：针对每一所述第一栅格，将所述第一栅格对应的距离值和夹角输入所述第一概率模型，得到所述第一概率模型输出的所述第一栅格的第一条件概率。
可选地，所述超声波传感器的概率模型还包括第二概率模型；所述栅格地图创建装置400还包括：
第四确定模块，被配置为在所述初始栅格地图中确定用于表征不存在所述障碍物的第二区域；
第五确定模块，被配置为确定所述第二区域内的每一所述第二栅格与所述超声波传感器的距离值，以及，每一所述第二栅格与所述超声波传感器探测区域的中轴线的夹角，以得到每一所述第二栅格对应的距离值和夹角；
第二获取模块，被配置为针对每一所述第二栅格，将所述第二栅格对应的距离值和夹角输入所述第二概率模型，得到所述第二概率模型输出的所述第二栅格的第三条件概率，其中，所述第三条件概率用于表征在所述第二栅格处于空闲状态的条件下所述超声波传感器的测量值为所述距离值的概率；
第六确定模块，被配置为根据每一所述第二栅格的第三条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第二栅格的第四条件概率，其中，所述第四条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第二栅格处于所述空闲状态的概率；
所述第一获取模块被配置为：根据每一所述第一栅格的第二条件概率和每一所述第二栅格的第四条件概率，得到栅格地图。
可选地，所述第二概率模型为以下公式所示的概率模型：
P(s=r2 / H=empty)= ( ( ( r2 3+γ- r2) / r2 3+γ) +(β-α2) /β)*Maxoccupied / 2
其中，P(s=r2 / H=empty)表征所述第三条件概率，s表征所述超声波传感器的测量值，r2表征所述第二栅格与所述超声波传感器的距离值，H=empty表征所述第二栅格处于空闲状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α2表征所述第二栅格与所述超声波传感器探测区域的中轴线的夹角。
可选地，所述绘制模块401包括：
第一确定子模块，被配置为在所述初始栅格地图中确定超声波传感器探测区域；
驱动子模块，被配置为驱动所述超声波传感器发送超声波信号，并获取由所述超声波传感器接收的回波信号；
第二确定子模块，被配置为根据所述回波信号，确定所述障碍物在所述探测区域内的位置；
第三确定子模块，被配置为在所述探测区域内，将所述位置的预设范围内的区域确定为第一区域。
可选地，所述第四确定模块被配置为：在所述探测区域内，将所述第一区域和所述超声波传感器之间的区域确定为用于表征不存在所述障碍物的第二区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的栅格地图创建方法的步骤。
参阅图5，图5是一示例性实施例示出的一种车辆的功能框图示意图。车辆500可以被配置为完全或部分自动驾驶模式。例如，车辆500可以通过感知系统520获取其周围的环境信息，并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶，或者将分析结果呈现给用户以实现部分自动驾驶。
车辆500可包括各种子系统，例如，信息娱乐系统510、感知系统520、决策控制系统530、驱动系统540以及计算平台550。可选的，车辆500可包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆500的每个子系统和部件可以通过有线或者无线的方式实现互连。
在一些实施例中，信息娱乐系统510可以包括通信系统511，娱乐系统512以及导航系统513。
通信系统511可以包括无线通信系统，无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统可利用WiFi与无线局域网（wireless local area network，WLAN）通信。在一些实施例中，无线通信系统可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统可包括一个或多个专用短程通信（dedicated short range communications，DSRC）设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐系统512可以包括显示设备，麦克风和音响，用户可以基于娱乐系统在车内收听广播，播放音乐；或者将手机和车辆联通，在显示设备上实现手机的投屏，显示设备可以为触控式，用户可以通过触摸屏幕进行操作。
在一些情况下，可以通过麦克风获取用户的语音信号，并依据对用户的语音信号的分析实现用户对车辆500的某些控制，例如调节车内温度等。在另一些情况下，可以通过音响向用户播放音乐。
导航系统513可以包括由地图供应商所提供的地图服务，从而为车辆500提供行驶路线的导航，导航系统513可以和车辆的全球定位系统521、惯性测量单元522配合使用。地图供应商所提供的地图服务可以为二维地图，也可以是高精地图。
感知系统520可包括感测关于车辆500周边的环境的信息的若干种传感器。例如，感知系统520可包括全球定位系统521（全球定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统）、惯性测量单元（inertial measurement unit，IMU）522、激光雷达523、毫米波雷达524、超声雷达525以及摄像装置526。感知系统520还可包括被监视车辆500的内部系统的传感器（例如，车内空气质量监测器、燃油量表、机油温度表等）。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性（位置、形状、方向、速度等）。这种检测和识别是车辆500的安全操作的关键功能。
全球定位系统521用于估计车辆500的地理位置。
惯性测量单元522用于基于惯性加速度来感测车辆500的位姿变化。在一些实施例中，惯性测量单元522可以是加速度计和陀螺仪的组合。
激光雷达523利用激光来感测车辆500所位于的环境中的物体。在一些实施例中，激光雷达523可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。
毫米波雷达524利用无线电信号来感测车辆500的周边环境内的物体。在一些实施例中，除了感测物体以外，毫米波雷达524还可用于感测物体的速度和/或前进方向。
超声雷达525可以利用超声波信号来感测车辆500周围的物体。
摄像装置526用于捕捉车辆500的周边环境的图像信息。摄像装置526可以包括单目相机、双目相机、结构光相机以及全景相机等，摄像装置526获取的图像信息可以包括静态图像，也可以包括视频流信息。
决策控制系统530包括基于感知系统520所获取的信息进行分析决策的计算系统531，决策控制系统530还包括对车辆500的动力系统进行控制的整车控制器532，以及用于控制车辆500的转向系统533、油门534和制动系统535。
计算系统531可以操作来处理和分析由感知系统520所获取的各种信息以便识别车辆500周边环境中的目标、物体和/或特征。目标可以包括行人或者动物，物体和/或特征可包括交通信号、道路边界和障碍物。计算系统531可使用物体识别算法、运动中恢复结构（Structure from Motion，SFM）算法、视频跟踪等技术。在一些实施例中，计算系统531可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算系统531可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器532可以用于对车辆的动力电池和引擎541进行协调控制，以提升车辆500的动力性能。
转向系统533可操作来调整车辆500的前进方向。例如在一个实施例中可以为方向盘系统。
油门534用于控制引擎541的操作速度并进而控制车辆500的速度。
制动系统535用于控制车辆500减速。制动系统535可使用摩擦力来减慢车轮544。在一些实施例中，制动系统535可将车轮544的动能转换为电流。制动系统535也可采取其他形式来减慢车轮544转速从而控制车辆500的速度。
驱动系统540可包括为车辆500提供动力运动的组件。在一个实施例中，驱动系统540可包括引擎541、能量源542、传动系统543和车轮544。引擎541可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎541将能量源542转换成机械能量。
能量源542的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源542也可以为车辆500的其他系统提供能量。
传动系统543可以将来自引擎541的机械动力传送到车轮544。传动系统543可包括变速箱、差速器和驱动轴。在一个实施例中，传动系统543还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮544的一个或多个轴。
车辆500的部分或所有功能受计算平台550控制。计算平台550可包括至少一个处理器551，处理器551可以执行存储在例如存储器552这样的非暂态计算机可读介质中的指令553。在一些实施例中，计算平台550还可以是采用分布式方式控制车辆500的个体组件或子系统的多个计算设备。
处理器551可以是任何常规的处理器，诸如商业可获得的CPU。可替换地，处理器551还可以包括诸如图像处理器（Graphic Process Unit，GPU），现场可编程门阵列（FieldProgrammable Gate Array，FPGA）、片上系统（System on Chip，SOC）、专用集成芯片（Application Specific Integrated Circuit，ASIC）或它们的组合。尽管图5功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中，处理器551可以执行上述的栅格地图创建方法。
在此处所描述的各个方面中，处理器551可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
在一些实施例中，存储器552可包含指令553（例如，程序逻辑），指令553可被处理器551执行来执行车辆500的各种功能。存储器552也可包含额外的指令，包括向信息娱乐系统510、感知系统520、决策控制系统530、驱动系统540中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令553以外，存储器552还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆500在自主、半自主和/或手动模式中操作期间被车辆500和计算平台550使用。
计算平台550可基于从各种子系统（例如，驱动系统540、感知系统520和决策控制系统530）接收的输入来控制车辆500的功能。例如，计算平台550可利用来自决策控制系统530的输入以便控制转向系统533来避免由感知系统520检测到的障碍物。在一些实施例中，计算平台550可操作来对车辆500及其子系统的许多方面提供控制。
可选地，上述这些组件中的一个或多个可与车辆500分开安装或关联。例如，存储器552可以部分或完全地与车辆500分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图5不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车，如上面的车辆500，可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。
可选地，车辆500或者与车辆500相关联的感知和计算设备（例如计算系统531、计算平台550）可以基于所识别的物体的特性和周围环境的状态（例如，交通、雨、道路上的冰、等等）来预测识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆500能够基于预测的识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到（例如，加速、减速、或者停止）何种稳定状态。在这个过程中，也可以考虑其它因素来确定车辆500的速度，诸如，车辆500在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆500的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体（例如，道路上的相邻车道中的车辆）的安全横向和纵向距离。
上述车辆500可以为各种类型的行驶工具，例如，轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等，本公开实施例不做特别的限定。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的栅格地图创建方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种栅格地图创建方法，其特征在于，包括：
绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
根据每一所述第一栅格的第二条件概率，得到栅格地图。
2.根据权利要求1所述的方法，其特征在于，所述超声波传感器的概率模型包括用于确定所述第一栅格的第一条件概率的第一概率模型，所述第一概率模型为以下公式所示的概率模型：
P(s=r1 / H=occupied)= ( ( ( r1 3+γ- r1) / r1 3+γ) +(β-α1) /β)*Maxoccupied/2
其中，P(s=r1 / H=occupied)表征所述第一条件概率，s表征所述超声波传感器的测量值，r1表征所述第一栅格与所述超声波传感器的距离值，H=occupied表征所述第一栅格处于占用状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α1表征所述第一栅格与所述超声波传感器探测区域的中轴线的夹角。
3.根据权利要求2所述的方法，其特征在于，所述针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，包括：
针对每一所述第一栅格，将所述第一栅格对应的距离值和夹角输入所述第一概率模型，得到所述第一概率模型输出的所述第一栅格的第一条件概率。
4.根据权利要求1所述的方法，其特征在于，所述超声波传感器的概率模型还包括第二概率模型；所述方法还包括：
在所述初始栅格地图中确定用于表征不存在所述障碍物的第二区域；
确定所述第二区域内的每一第二栅格与所述超声波传感器的距离值，以及，每一所述第二栅格与所述超声波传感器探测区域的中轴线的夹角，以得到每一所述第二栅格对应的距离值和夹角；
针对每一所述第二栅格，将所述第二栅格对应的距离值和夹角输入所述第二概率模型，得到所述第二概率模型输出的所述第二栅格的第三条件概率，其中，所述第三条件概率用于表征在所述第二栅格处于空闲状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第二栅格的第三条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第二栅格的第四条件概率，其中，所述第四条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第二栅格处于所述空闲状态的概率；
所述根据每一所述第一栅格的第二条件概率，得到栅格地图，包括：
根据每一所述第一栅格的第二条件概率和每一所述第二栅格的第四条件概率，得到栅格地图。
5.根据权利要求4所述的方法，其特征在于，所述第二概率模型为以下公式所示的概率模型：
P(s=r2 / H=empty)= ( ( ( r2 3+γ- r2) / r2 3+γ) +(β-α2) /β)*Maxoccupied/2
其中P(s=r2 / H=empty)表征所述第三条件概率，s表征所述超声波传感器的测量值，r2表征所述第二栅格与所述超声波传感器的距离值，H=empty表征所述第二栅格处于空闲状态，γ、Maxoccupied均为常量，β表征超声波传感器最大探测夹角的二分之一，α2表征所述第二栅格与所述超声波传感器探测区域的中轴线的夹角。
6.根据权利要求4所述的方法，其特征在于，所述在所述初始栅格地图中确定用于表征存在障碍物的第一区域，包括：
在所述初始栅格地图中确定超声波传感器探测区域；
驱动所述超声波传感器发送超声波信号，并获取由所述超声波传感器接收的回波信号；
根据所述回波信号，确定所述障碍物在所述探测区域内的位置；
在所述探测区域内，将所述位置的预设范围内的区域确定为第一区域。
7.根据权利要求6所述的方法，其特征在于，所述在所述初始栅格地图中确定用于表征不存在所述障碍物的第二区域，包括：
在所述探测区域内，将所述第一区域和所述超声波传感器之间的区域确定为用于表征不存在所述障碍物的第二区域。
8.一种栅格地图创建装置，其特征在于，包括：
绘制模块，被配置为绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
第一确定模块，被配置为确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
第二确定模块，被配置为针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
第三确定模块，被配置为根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
第一获取模块，被配置为根据每一所述第一栅格的第二条件概率，得到栅格地图。
9.一种车辆，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
绘制初始栅格地图，并在所述初始栅格地图中确定用于表征存在障碍物的第一区域；
确定所述第一区域内的每一第一栅格与超声波传感器的距离值，以及，每一所述第一栅格与超声波传感器探测区域的中轴线的夹角；
针对每一所述第一栅格，根据所述超声波传感器的概率模型、所述第一栅格对应的距离值和夹角，确定所述第一栅格的第一条件概率，其中，所述超声波传感器的概率模型满足以下条件：第一栅格的第一条件概率为大于第一阈值或者为小于第二阈值的数值，并且，所述第一条件概率用于表征在所述第一栅格处于被所述障碍物占用的占用状态的条件下所述超声波传感器的测量值为所述距离值的概率；
根据每一所述第一栅格的第一条件概率和栅格处于被所述障碍物占用状态的预设概率，确定每一所述第一栅格的第二条件概率，其中，所述第二条件概率用于表征在所述超声波传感器的测量值为所述距离值的条件下所述第一栅格处于所述占用状态的概率；
根据每一所述第一栅格的第二条件概率，得到栅格地图。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202211356672.7A 2022-11-01 2022-11-01 栅格地图创建方法、装置、车辆及可读存储介质 Active CN115407344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211356672.7A CN115407344B (zh) 2022-11-01 2022-11-01 栅格地图创建方法、装置、车辆及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211356672.7A CN115407344B (zh) 2022-11-01 2022-11-01 栅格地图创建方法、装置、车辆及可读存储介质

Publications (2)

Publication Number Publication Date
CN115407344A true CN115407344A (zh) 2022-11-29
CN115407344B CN115407344B (zh) 2023-01-17

Family

ID=84169267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211356672.7A Active CN115407344B (zh) 2022-11-01 2022-11-01 栅格地图创建方法、装置、车辆及可读存储介质

Country Status (1)

Country Link
CN (1) CN115407344B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024178671A1 (zh) * 2023-03-01 2024-09-06 罗伯特·博世有限公司 用于确定车辆周围环境中障碍物位置的方法及相关装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413806A (zh) * 2008-11-07 2009-04-22 湖南大学 一种实时数据融合的移动机器人栅格地图创建方法
US20120053755A1 (en) * 2010-08-30 2012-03-01 Denso Corporation Traveling environment recognition device and method
CN105043396A (zh) * 2015-08-14 2015-11-11 北京进化者机器人科技有限公司 一种移动机器人室内自建地图的方法和系统
CN108663041A (zh) * 2018-02-09 2018-10-16 意诺科技有限公司 一种绘制导航地图的方法及装置
CN111272183A (zh) * 2020-03-16 2020-06-12 达闼科技成都有限公司 一种地图创建方法、装置、电子设备及存储介质
US20200341486A1 (en) * 2019-04-29 2020-10-29 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method and apparatus for performing simultaneous localization and mapping
CN113434788A (zh) * 2021-07-07 2021-09-24 北京经纬恒润科技股份有限公司 建图方法、装置、电子设备及车辆
US20210341603A1 (en) * 2020-05-04 2021-11-04 Hyundai Motor Company Obstacle recognition device, vehicle system including the same, and method thereof
US20210396836A1 (en) * 2020-06-18 2021-12-23 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method and apparatus for performing grid-based localization of a mobile body
WO2022063411A1 (en) * 2020-09-25 2022-03-31 Abb Schweiz Ag System and method for controlling a mobile industrial robot using a probabilistic occupancy grid

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413806A (zh) * 2008-11-07 2009-04-22 湖南大学 一种实时数据融合的移动机器人栅格地图创建方法
US20120053755A1 (en) * 2010-08-30 2012-03-01 Denso Corporation Traveling environment recognition device and method
CN105043396A (zh) * 2015-08-14 2015-11-11 北京进化者机器人科技有限公司 一种移动机器人室内自建地图的方法和系统
CN108663041A (zh) * 2018-02-09 2018-10-16 意诺科技有限公司 一种绘制导航地图的方法及装置
US20200341486A1 (en) * 2019-04-29 2020-10-29 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method and apparatus for performing simultaneous localization and mapping
CN111272183A (zh) * 2020-03-16 2020-06-12 达闼科技成都有限公司 一种地图创建方法、装置、电子设备及存储介质
US20210341603A1 (en) * 2020-05-04 2021-11-04 Hyundai Motor Company Obstacle recognition device, vehicle system including the same, and method thereof
US20210396836A1 (en) * 2020-06-18 2021-12-23 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method and apparatus for performing grid-based localization of a mobile body
WO2022063411A1 (en) * 2020-09-25 2022-03-31 Abb Schweiz Ag System and method for controlling a mobile industrial robot using a probabilistic occupancy grid
CN113434788A (zh) * 2021-07-07 2021-09-24 北京经纬恒润科技股份有限公司 建图方法、装置、电子设备及车辆

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘利枚 等: "一种基于声纳信息的地图创建方法", 《计算机工程》 *
孙红新 等: "基于超声波的移动机器人的同时定位和地图构建", 《计算机测量与控制》 *
张绍君: "移动机器人的同时定位和地图构建子系统技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
高丽华 等: "一种基于声纳信息的移动机器人地图创建方法", 《制造业自动化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024178671A1 (zh) * 2023-03-01 2024-09-06 罗伯特·博世有限公司 用于确定车辆周围环境中障碍物位置的方法及相关装置

Also Published As

Publication number Publication date
CN115407344B (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN112512887B (zh) 一种行驶决策选择方法以及装置
CN115123257B (zh) 路面减速带位置识别方法、装置、车辆、存储介质及芯片
CN115147796A (zh) 评测目标识别算法的方法、装置、存储介质及车辆
CN115042821B (zh) 车辆控制方法、装置、车辆及存储介质
CN115100377B (zh) 地图构建方法、装置、车辆、可读存储介质及芯片
CN115407344B (zh) 栅格地图创建方法、装置、车辆及可读存储介质
CN115056784B (zh) 车辆控制方法、装置、车辆、存储介质及芯片
CN114782638B (zh) 生成车道线的方法、装置、车辆、存储介质及芯片
CN115202234B (zh) 仿真测试方法、装置、存储介质和车辆
CN115222791B (zh) 目标关联方法、装置、可读存储介质及芯片
CN114842440B (zh) 自动驾驶环境感知方法、装置、车辆及可读存储介质
CN115221151B (zh) 车辆数据的传输方法、装置、车辆、存储介质及芯片
CN115205848A (zh) 目标检测方法、装置、车辆、存储介质及芯片
CN115042814A (zh) 交通灯状态识别方法、装置、车辆及存储介质
CN115100630A (zh) 障碍物检测方法、装置、车辆、介质及芯片
CN114828131A (zh) 通讯方法、介质、车载通讯系统、芯片及车辆
CN115116161A (zh) 车辆数据采集方法、装置、存储介质以及车辆
CN115082886B (zh) 目标检测的方法、装置、存储介质、芯片及车辆
CN115179930B (zh) 车辆控制方法、装置、车辆及可读存储介质
CN114877911B (zh) 路径规划方法、装置、车辆及存储介质
CN114789723B (zh) 车辆行驶控制方法、装置、车辆、存储介质及芯片
CN114822216B (zh) 生成车位地图的方法、装置、车辆、存储介质及芯片
CN115063639B (zh) 生成模型的方法、图像语义分割方法、装置、车辆及介质
CN115082573B (zh) 参数标定方法、装置、车辆及存储介质
CN114572219B (zh) 自动超车方法、装置、车辆、存储介质及芯片

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant