CN116724214A - 用于生成用于自主车辆的导航的感兴趣区域的车道级地图的方法和系统 - Google Patents

Abstract

公开了用于控制自主车辆的导航的系统和方法。该系统接收与表示允许自主车辆在其中运行的地图区域的一部分的地理网有关的信息，以及包括对应于该地图区域的多个车道段的车道级地图。对于多个车道段中的每一个，系统从包括在地理网中的多个地理网元素中识别匹配地理网元素，确定匹配地理网元素与该车道段之间的匹配距离，并且在确定匹配距离小于阈值距离时选择该车道段包括在地理网中。使用一个或多个车道段生成更新的车道级地图，所述一个或多个车道段被选择包括在地理网中，以供自主车辆用于在地理网内的起点位置与目的地位置之间导航。

Description

用于生成用于自主车辆的导航的感兴趣区域的车道级地图的 方法和系统

交叉引用和优先权要求

本专利申请要求于2021年1月29日提交的美国专利申请第17/162，094号的优先权，该美国专利申请的全部内容通过引用并入本文。

背景技术

传统上，已经由人类操作的车辆提供运输和相关的乘车共享型商业服务。然而，人类操作者可能不选择以有效的方式运行。例如，人类操作者可能不知道高需求区域或需求趋势，导致他们在较低需求区域运行。另外，人类操作者可能更喜欢某些区域(诸如靠近家的区域、在乘坐之后执行差事的区域等)，这可能不会导致车辆在给定区域中的高效分布。计算机处理的改进已经导致人们越来越努力使用不需要人类操作者的自主车辆来使更多的这些服务自动化。对于这样的服务，通常需要限制自主车辆到某些地理区域的导航。例如，可以基于诸如成本(例如，每英里成本、每乘客成本等)、供应和需求(例如，服务不足或服务过度的区域、路线等)、可访问性(例如，平均速度、街道等级、事故数据、交通数据等)、路线优化(例如，在某些时间期间避开交通繁忙区域、避开地面街道等)、交通规则(例如，自主车辆是否被允许在一个位置)、安全性(例如，自主车辆可能难以导航的某些区域、犯罪率等)等来选择用于自主车辆的导航的可接受路线或绘制的区域。

重要的是，自主车辆始终精确地理解它们在空间中的位置。因此，自主车辆获取其环境的预先存在且详细的地图——高清晰度地图，诸如矢量图——(通常包括车道段级别细节)，并将其传感器数据投影在其顶部，因此车辆可以具有足够的信息来做出安全导航决策。然而，每个这样的高清晰度地图可以包括数十万个车道段，使得使用详细的高清晰度地图来描绘允许自主车辆运行的地理区域实际上是不可行的。相反，使用包括有限信息的低清晰度地图(诸如导航地图、道路级地图等)来划分或选择这样的区域。需要将自主车辆可以在其中运行并且使用低清晰度地图选择的区域与高清晰度地图相关联。

本文档描述了旨在解决上述问题和/或其他问题的方法和系统。

发明内容

在一个或多个场景中，公开了用于控制自主车辆的导航的系统和方法。该系统包括处理器和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一个或多个编程指令，所述一个或多个编程指令在由处理器执行时将使所述处理器执行本公开的方法。可选地，所述非暂时性计算机可读介质可以被包括在计算机程序产品中和/或所述指令可以由计算设备执行。

该系统可以接收与表示允许自主车辆在其内运行的地图区域的一部分的地理网(geonet)有关的信息以及包括对应于该地图区域的多个车道段的车道级地图。所述地理网可以包括多个地理坐标对，每个地理坐标对指示所述地理网中的地理网元素的开始位置和结束位置。对于所述多个车道段中的每一个，所述系统可以从所述多个地理网元素中识别匹配地理网元素，确定所述匹配地理网元素与该车道段之间的匹配距离，并且在确定所述匹配距离小于阈值距离时选择该车道段包括在所述地理网中。然后，所述系统可以使用被选择包括在所述地理网中的一个或多个车道段来生成包括所述地理网的更新的车道级地图，并且通过使用所述更新的车道级地图生成所述地理网内的起始位置和目的地位置之间的轨迹来使所述自主车辆在所述起始位置和所述目的地位置之间导航。可选地，所述多个车道段中的每一个可以被表示为所述车道级地图内的多边形。

在某些实施方式中，所述系统可以创建所述地理网的数据表示，该数据表示包括被选择包括在所述地理网中的一个或多个车道段的指示，并且将所述数据表示添加到包括所述地理网的低清晰度地图，以用于在所述低清晰度地图内创建所述更新的车道级地图。

所述系统可以通过识别形成车道段的中点的地理坐标来从该车道段的所述多个地理网元素中识别所述匹配地理网元素。可选地，所述系统然后可以使用空间搜索算法识别在该车道段的第一阈值距离内的多个候选地理网元素，确定所述多个候选地理网元素中的每一个与该车道段之间的候选匹配距离，识别所述多个候选地理网元素中具有最小候选匹配距离的候选地理网元素，并且确定该候选地理网元素是所述匹配地理网元素。可选地，所述系统可以通过将候选地理网元素的所述候选匹配距离确定为以下项的平均值来确定所述多个候选地理网元素中的每一个与该车道段之间的所述候选匹配距离：该车道段的中心线与该候选地理网元素之间的角距离、该车道段的所述地理坐标与由该地理网元素限定的无限线之间的垂直距离以及沿着线的纵向最小距离，该线被计算为该车道段的所述地理坐标到由该地理网元素限定的无限线上到该地理网元素的每个端点的投影。

在一些实施方式中，所述系统可以将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成多个无向街道的逻辑分组。对于每个这样的无向街道，所述系统可以将中值匹配距离确定为形成该街道的所有车道段的匹配距离的平均值，确定所述中值匹配距离是否大于第二阈值距离，并且当所述中值匹配距离大于所述第二阈值距离时，确定形成该街道的所有车道段不应被包括在所述地理网中。当所述中值匹配距离小于所述第二阈值距离时，所述系统可以确定形成该街道的所有车道段将被包括在所述地理网中。可选地，所述系统可以通过例如合并一个或多个车道段以创建路段、用横跨垂直于交通的街道所需的单个车道替换一个或多个车道段和/或合并与交通平行的合并路段来将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成所述多个无向街道的逻辑分组。

在至少一个实现方式中，所述系统还可以通过使用被选择包括在所述地理网中的所述一个或多个车道段创建路线规划图并且识别所述路线规划图的强连接的组件，来将被选择包括在所述地理网中的所述一个或多个车道段的子集识别为强连接的车道段，并且仅使用所识别的子集来生成所述更新的车道级地图。

附图说明

图1例示了生成用于自主车辆的导航的感兴趣区域的车道级地图的示例方法的流程图。

图2例示了地理网的示例表示。

图3例示了车道级地图的示例表示。

图4例示了包括图2的地理网和对应的车道段的更新的车道级地图的示例性表示。

图5是通过对车道段的分组形成的街道的示例表示。

图6是例示示例自主车辆系统的框图。

图7例示了示例车辆控制器系统。

图8是例示AV和/或外部电子设备的可能的电子系统、子系统、控制器和/或其他部件的各种元件的框图。

具体实施方式

如本文件中所使用的，单数形式“一(a)”、“一个(an)”和“该(the)”包括复数引用，除非上下文另有明确说明。除非另有定义，否则本文中使用的所有技术和科学术语具有与本领域普通技术人员通常理解的相同含义。如本文档中所使用的，术语“包含”意指“包括但不限于”。与本文档相关的附加术语的定义被包括在此具体实施方式的末尾。

由于低清晰度地图(例如，道路级地图)的有限精度，使用低清晰度地图生成的路线通常不包括自主车辆可以遵循的特定轨迹。虽然这种引导对于人类驾驶员可能是准确的，但是为了自主驾驶，自主车辆通常需要更多关于车辆应该继续直线行驶、转弯等的确切位置的知识。它们通常仍然不包含我们需要的各种细节。例如，自主车辆需要知道每个车道的左边界和右边界，而道路水平地图通常仅提供近似于道路中心线的东西。因此，由道路级导航支持的自主车辆必须配备强大的实时感知和运动规划系统，这极大地增加了车载计算负担。与此不同，车道级导航能够提供在没有其他车辆或障碍物的情况下实际上可以由自主车辆遵循的参考轨迹。车道级导航和道路级导航之间的关键区别在于前者在没有环境感知系统的帮助的情况下提供精确轨迹作为控制输入的能力。虽然车道级导航系统不能代替实时感知和运动规划系统，但是它可以大大减轻其计算负担，并降低系统故障的风险。

此外，如上所述，由于若干原因，自主车辆的操作可能限于环境中的某些绘制的区域。可能需要定期频繁和/或快速地识别这样的区域，并且使用高清晰度地图来执行区域选择是不可行的。相反，通常通过选择低清晰度地图(例如，导航地图、道路级地图)内的路段、坐标和/或区域来识别这样的区域。这样的低清晰度地图通常被设计为辅助人类驾驶员，并且不包括导航自主车辆(例如，在路线规划、感知、预测、运动规划等期间)所需的信息，诸如车道级精度、车道级几何形状等。相比之下，车道级地图包括车道级道路网络、详细的车道级属性以及对现实世界建模的具有高精度(例如，分米级)的车道几何线。应注意，车道级地图中的道路通常包含一或多个相邻车道，所述一或多个相邻车道可由车道标记划分且既定用于单条交通线路。车道可以在车道段处纵向分割，有时在对运动规划有意义的位置处(诸如交叉路口的开始/结束)和/或在作为地图生成过程的伪像可能对运动规划没有意义的其他位置处。某些车道段也可以被聚集以形成如下所述的街道。

本文档描述了一种用于将在低清晰度地图内选择的区域与高清晰度地图相关联的自动化方法。所选择的区域的这种关联可以允许自主车辆识别高清晰度地图内支持所选择的区域内的两个点之间的导航和/或服务(例如，出租车服务、共乘出行等)所需的车道段。然后，自主车辆的路线规划系统可以使用所识别的车道段来生成用于导航自主车辆的一个或多个轨迹，而无需额外的车载计算负担。

图1例示了生成用于自主车辆的导航的感兴趣区域的车道级地图的示例方法的流程图。如图1所示，系统可以接收102允许自主车辆在其中运行的区域的选择。系统可以接收来自用户的区域选择和/或可以基于诸如成本优化、需求和供应优化、可访问性、交通规则、路线优化、乘客安全性等信息自动选择区域。

在各种实施方式中，所选择的区域采用地理网的形式。如本文中所使用的术语“地理网”是指地理坐标对的集合，所述地理坐标对指示一起形成道路网络地图内的选定区域的短路段(通常小于500m)——随后称为地理网元素——的近似开始位置和结束位置。图2中例示了包括地理网210的示例道路网络地图200。还例示了地理网210由相应的起始位置和结束位置201(1)(a)-201(1)(b)、201(2)(a)-201(2)(b)…201(n)(a)-201(n)(b)(使用黑色圆圈例示)之间的路段201(1)、201(2)…201(n)(即，使用灰色矩形例示的地理网元素)形成。

可选地，系统可以接收对自主车辆的环境的低清晰度地图(例如，道路网络地图)内的区域的选择。系统可以从数据存储(诸如例如地图数据存储)接收低清晰度地图。地图和/或所选择的区域的至少一部分可以被存储在自主车辆的车载存储器中，可以从远程电子设备(例如，远程服务器)访问，可以经由位于车载正在其中行驶的区域中的交通节点发送到自主车辆，可以从一个或多个传感器发送到自主车辆等。

在104处，系统还可以接收与自主车辆的环境内的低清晰度地图的至少一部分相对应的车道级地图。系统可以从数据存储(诸如例如地图数据存储)接收车道级地图。车道级地图可以包括作为限定环境内绘制的道路的区段的封闭多边形的集合的多个车道段。如本公开中所使用的，“多边形”是指与道路的区段相关联的映射构造。例如，图3例示了包括多个车道段301(1)、301(2)…301(n)(例示为白色多边形)的示例车道级地图300。

车道级地图的至少一部分可以被存储在自主车辆的车载存储器中，可以从远程电子装置(例如，远程服务器)访问，可以经由位于车辆正在其中行驶的区域中的交通节点传输到自主车辆，可以从一个或多个传感器传输到自主车辆等。

返回参考图1，系统可以识别(106)与车道级地图中的每个车道段相对应的地理坐标。在某些实施方式中，车道段地理坐标可以是形成车道段的多边形内的近似中点。系统可以通过例如计算大致穿过车道段的中间的中心线(例如，与车道段的两个相对边缘等距且平行的线)来识别大致中点，并且将中心线的中点识别为车道段的中点。可选地，系统可以将近似中点识别为形成车道段的多边形内的两条中心线的交叉点。在各种实施例中，系统可以将与对应于车道段的地理坐标有关的信息存储在一个或多个数据存储中。该信息可以包括例如与车道段相关联的标识符、车道段的开始和结束位置、关于地理坐标的信息等。

在108处，系统可以针对车道级地图内的每个车道段识别地理网内的匹配地理网元素。在各种实施方式中，匹配地理网元素可以是最接近车道段的地理网元素。

系统可以通过首先识别在车道段的阈值距离内的地理网内的候选地理网元素的子集(例如，4个地理网元素、5个地理网元素、6个地理网元素等)来识别匹配地理网元素。替代地和/或附加地，系统可以识别最接近车道段的候选地理网元素的子集。系统可以使用例如空间搜索算法(诸如，KD树、K最近邻、R树等)来识别候选地理网元素的子集。在某些示例中，系统可以通过使用空间搜索算法分析车道段地理坐标与地理网元素上的一个或多个点之间的距离来识别车道段的候选地理网元素的子集。这样的点的示例可以包括但不限于形成地理网元素的起始位置的第一地理坐标、形成地理网元素的结束位置的第二地理坐标、地理网元素的中点和/或该地理网元素上的任何其他合适的点。可选地，系统可以为每个地理网元素识别车道段地理坐标与该地理网元素上的各个点之间的所有距离中的最小距离。然后，系统可以使用空间搜索算法来分析所确定的地理网元素的最小距离，以识别候选地理网元素的子集。

然后，系统可以分析(针对车道段)所识别的子集内的每个候选地理网元素，以选择该车道段的匹配地理网元素(例如，作为最接近车道段的地理网元素)。系统可以通过分析每个候选地理网元素的各种特性来识别匹配地理网元素。这种特性的示例可以包括但不限于：(i)车道段中心线和每个地理网元素之间的角度/角距离；(ii)车道段的地理坐标(例如，中心线中点)与由每个地理网元素限定的无限线之间的垂直距离；(iii)纵向距离，其是沿着线的最小距离，所述线被计算为车道段的地理坐标到由地理网元素定义的[无限]线上到每个地理网元素端点的投影(如果投影位于地理网元素内，则系统可以用0替换最小值)等。

在某些实施方式中，系统可以将候选地理网元素的子集中的每个地理网元素与车道段之间的候选匹配距离计算为(i)、(ii)和(iii)之间的关系(例如，平均值、总和、加权总和等)，并且为车道段选择与该车道段具有最小候选匹配距离的匹配地理网元素。车道段的匹配距离是针对该车道段的所识别的匹配地理网元素计算的候选匹配距离。当车道段垂直于给定的地理网元素对齐时，车道段的中心线和地理网元素之间的角距离最大。因此，给予地理网元素用于选择作为匹配地理网元素的偏好可以与车道段的中心线和地理网元素之间的角距离成反比，并且系统可以(从子集中)优先选择与车道段平行和/或具有相对小的角距离的匹配地理网元素。对车道段的地理坐标(例如，中心线中点)与由地理网元素限定的无限线之间的垂直距离的分析可以被系统(结合角距离)用来避免选择候选地理网元素作为远离车道段但具有相对小角距离(例如，接近零或零)的匹配地理网元素。纵向距离可以被系统用来避免选择候选地理网元素作为远离车道段但具有相对小角距离和垂直距离(例如，接近零或零)的匹配地理网元素。应当注意，一个或多个车道段可以具有相同的匹配地理网元素。

在110处，系统可以分析车道级地图中的车道段，以选择应该被包括在地理网内的车道段。系统可以仅包括地理网中在对应的匹配地理网元素的阈值距离内的车道段。例如，系统可以分析每个车道段的匹配距离(上面讨论的)，并且仅包括匹配距离小于地理网中的阈值的车道段。阈值距离可以从用户接收和/或可以通过分析与一个或多个车道段匹配的输出地理网并确定它们是否对应于目标区域来实验地确定。

在某些实施方式中，系统可以进一步细化包括在地理网中的车道段选择，以便避免例如当车道段包括车道曲率、存在非常接近同一车道段的大量小地理网元素的集群等时选择具有不准确匹配地理网元素的车道段。系统可以通过将车道段聚集到无向街道中来细化车道段选择，以创建车道段的逻辑分组，使得系统可以将形成无向街道的所有车道段包括到地理网中或者丢弃形成无向街道的所有车道段。通常，聚集以形成无向街道的车道段应该具有相同的匹配地理网元素。

系统可以使用例如车道级地图的车道段内的邻接和后继-前继关系将车道段聚集成无向街道。例如，系统可以“跨交通”合并车道段以创建路段，用横跨(垂直于交通)街道所需的单个车道替换几个车道段，和/或合并与交通平行的路段(在可能的情况下，同时保持合并的段没有“分叉”)。例如，系统可以将包括在两个交叉路口之间的一段道路中的车道段聚集到单个无向街道中。任何其他现在或以后已知的方法也可以被用来创建这种车道段聚集。

然后，系统可以识别聚集在一起以形成无向街道的车道段中的每个车道段的匹配距离(如上所述)，并确定该无向街道的中值匹配距离。如果街道的中值阈值超过阈值，则系统可以丢弃被聚集以形成该街道的所有车道段而不包括在地理网内。然而，如果街道的中值阈值小于或等于阈值，则系统可以将该街道中的所有车道段包括到地理网中。阈值距离可以从用户接收和/或可以通过分析与一个或多个车道段匹配的输出地理网并确定它们是否对应于目标区域来实验地确定。

分析中值匹配距离以丢弃车道段集群可以通过跨车道段共享信息来提高形成街道的车道段的车道段选择的准确性。例如，当形成街道的各个车道段与相同的地理网元素不均匀匹配时，这是特别重要的。这可能发生在诸如当例如街道大部分是直的但以急转弯结束时，并且转弯处的车道段可能不具有与街道中的其他车道段相同的匹配地理网元素(由于其角距离)的情况下。

图5例示了通过合并如上所述的多个路段形成的示例街道501(a)、501(b)、501(c)、501(d)、501(e)、501(f)…501(n)。如所讨论的，车道段的这种分组防止了车道段与不相关的地理网的匹配。例如，如图5所示，对点A和点B之间的街道501(a)中的车道段510进行分组防止了车道段与相邻地理网元素512的匹配。

可选地，系统还可以使用车道段彼此的连接性来选择要包括在地理网中的车道段，并且可以仅选择强连接的车道段集合包括在地理网中。如果可以针对车道段集合中的每对(A，B)找到从车道段A通向车道段B的路线，则车道段集合是强连接的。如本文所使用的，强连接性是指*集合*(或图)的性质，使得任何图X可以被划分成强连接的不相交子图，也称为强连接的分量(SCC)。具体地，如果SCC(X)表示X的最大强连接的分量，则每当路段不在SCC(X)中时，通道路段相对于X不是强连接的。

因此，系统可以通过例如使用任何现在或以后已知的方法(例如，不同的颜色、不同的灰度阴影、不同的命名约定等)丢弃和/或以其他方式清楚地识别不是强连接的车道段来标明强连接的车道段。选择强连接的车道段可以降低自主车辆在穿过轨迹时将陷入没有返回目的地/起始点的可行路线的困境的可能性。此外，强连接的车道段的选择可以消除死端车道段。附加地和/或替代地，这种选择也可以减小要包括在地理网中的车道段集合的大小，从而降低与地理网相关联的开发和维护成本。

系统可以通过使用被确定为包括在地理网中的车道段构建对应于地理网的车道级路线规划图来识别不是强连接的车道段。系统可以通过例如将每个车道段用作节点并将从一个车道段行进到其相邻车道段的选项表示为有向边缘来构造路线规划图。

在各种实施例中，系统可以将与(从车道级地图)所选择的车道段有关的信息存储在一个或多个数据存储中。该信息可以包括例如与所选择的车道段相关联的标识符、对应的匹配地理网元素、车道段的开始和结束位置、对应街道的标识符、匹配距离等。可选地，系统可以将这样的信息输出到例如地图生成应用、用户、自主车辆等。

在112处，系统可以使用被确定为包括在地理网中的所选择的车道段来创建更新的车道级地图(对应于接收到的地理网)，该更新的车道级地图包括所选择的车道段和对应的匹配地理网元素。系统可以通过例如将所选择的车道段和/或街道与对应的匹配地理网元素对齐来创建更新的车道级地图。

图4例示了示例更新的车道级地图410，其包括与包括车道段410(1)、410(2)…401(n)的接收到的车道级地图组合的接收到的地理网(包括相应起始位置和结束位置401(1)(a)-401(1)(b)、401(2)(a)-401(2)(b)…401(n)(b)(使用黑色圆圈例示)之间的示例地理网元素401(1)、401(2)…401(n)(使用灰色矩形例示))。可以通过例如将至少所选择的车道段与地理网的匹配地理网元素叠加和/或对齐来将地理网与车道级地图组合。例如，图4示出了叠加在地理网中的匹配地理网元素上和/或与之对齐的车道级地图的所选择的车道段。可选地，不是强连接的车道段也可以被示出为叠加在地理网中的匹配地理网元素上和/或与地理网中的匹配地理网元素对齐。在这样的实施例中，在叠加在地理网上的车道段中，某些车道段可以被例示为强连接的车道段(例如，使用灰色多边形示出的车道段)，而不是强连接的车道段可以被示出为例如白色。所选择的车道段、未选择的车道段、强连接的车道段、非强连接的车道段、匹配地理网、街道等的其他表示(例如，不同的颜色、阴影图案等)在本公开的范围内。

附加地和/或替代地，如图4所示，使用深灰色多边形例示被选择包括在地理网中(即，与地理网元素匹配)的车道段，而使用白色多边形例示未被选择包括在地理网中的车道段。例如，如图4所示，灰色车道段410(3)和410(4)的部分叠加在对应的匹配地理网元素401(2)上并与其对齐。

应注意，更新的车道级地图可以仅包括被选择为对应于地理网元素的车道段。例如，可以从图4中删除不对应于地理网的车道段。可选地，如图4所示，除了对应于使用任何现在或以后已知的方法(例如，不同的颜色、不同的灰度阴影、不同的命名约定、在地理网上的叠加(如图4所示)等)描绘/明确标识的地理网元素的车道段之外，更新的车道级地图还可以包括来自由系统接收的车道级地图的所有或一些附加车道段。

在各种实施例中，系统可以为地理网创建114地理网数据对象。这样的数据对象是指地理网按照地理网的车道段的数据表示。例如，地理网数据对象可以是数据结构或其他数据构造。系统可以向地理网数据对象分配唯一标识符。唯一标识符可以是随机或伪随机生成的。替代地，唯一标识符可以由系统顺序地或以其他方式分配。

系统可以在地理网数据对象中添加地理网中包括的车道段的列表。列表可以包括例如与每个车道段相关联的标识符、每个车道段的起始和结束位置、每个车道段的匹配地理网元素、匹配距离、车道段是否强连接的、街道标识符和/或其他信息、与包括在与车道段相同的街道中的其他车道段相关的信息等。例如，系统可以为每个车道段分配唯一的段标识符，并且可以将该唯一的车道段标识符添加到地理网数据对象。

在各种实施例中，系统可以将地理网数据对象存储在一个或多个数据存储中，使得其可由自主车辆的一个或多个系统或子系统(诸如例如路线规划系统、预测系统、感知系统、运动规划系统等)访问。系统还可以将地理网数据对象添加到一个或多个地图，诸如例如道路网络地图、地理网地图等。这样，当加载地图时，可以向系统用户呈现与地理网数据对象有关的信息(包括例如叠加在地理网的匹配地理网元素上和/或与地理网的匹配地理网元素对齐的车道级地图的所选择的车道段)。例如，可以经由一个或多个显示设备可视地显示地理网的车道段。在本公开的范围内设想了与地理网数据对象有关的信息的其他呈现。

地理网数据对象可以由自主车辆以各种方式使用。例如，自主车辆的预测系统可以使用地理网数据对象内的信息来准确地预测地理网内的其他对象的行为或轨迹。作为另一示例，自主车辆的运动规划系统可以使用地理网数据对象内的信息来输出用于穿过地理网的自主车辆轨迹。例如，自主车辆可以使用地理网对象来避开车道级地图的某些车道段、对车道级地图的某些车道段划分优先级和/或使用车道级地图的某些车道段。

图6是例示包括经由网络610与一个或多个数据存储602和/或一个或多个服务器603通信的自主车辆601的示例系统600的框图。尽管示出了一个自主车辆，但是多个自主车辆可以通过网络610彼此耦合和/或耦合到数据存储602和/或服务器603。网络610可以是任何类型的网络，诸如局域网(LAN)、广域网(WAN)(诸如互联网)、蜂窝网络、卫星网络或其组合，并且可以是有线的或无线的。数据存储602可以是任何种类的数据存储，诸如但不限于地图数据存储、交通信息数据存储、用户信息数据存储、兴趣点数据存储或任何其他类型的内容数据存储。服务器603可以是任何种类的服务器或服务器集群，诸如但不限于Web或云服务器、应用服务器、后端服务器或其组合。

如图6所示，自主车辆601可以包括传感器系统611、车载计算设备612、通信接口614和用户接口615。自主车辆501还可以包括车辆中包括的某些部件(例如，如图10所示)，诸如引擎、车轮、方向盘、变速器等，这些部件可以由车载计算设备612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)来控制。

传感器系统611可以包括耦合到自主车辆601和/或包括在自主车辆601内的一个或多个传感器。这种传感器的示例包括但不限于LiDAR系统、无线电检测和测距(RADAR)系统、激光检测和测距(LADAR)系统、声音导航和测距(SONAR)系统、一个或多个相机(例如，可见光谱相机、红外相机等)、温度传感器、定位传感器(例如，全球定位系统(GPS)等)、位置传感器、燃料传感器、运动传感器(例如，惯性测量单元(IMU)等)、湿度传感器、占用传感器等。传感器数据可以包括描述对象在自主车辆601的周围环境内的位置的信息、关于环境本身的信息、关于自主车辆601的运动的信息、关于自主车辆的路线的信息等。当自主车辆601在地面上行驶时，至少一些传感器可以收集与地面有关的数据。

LiDAR系统可以包括被配置为感测或检测自主车辆601所在的环境中的对象和/或行动者的传感器。通常，LiDAR系统是结合可以通过用光照亮目标来测量到目标的距离和/或目标(例如，地面)的其他属性的光学遥感技术的设备。作为示例，LiDAR系统可以包括被配置为发射激光脉冲的激光源和/或激光扫描仪以及被配置为接收激光脉冲的反射的检测器。例如，LiDAR系统可以包括由旋转镜反射的激光测距仪，并且在一个、两个或更多个维度上围绕正在数字化的场景扫描激光，以指定的角度间隔收集距离测量值。例如，LiDAR系统可以被配置为发射激光脉冲作为光束。可选地，可以扫描波束以生成二维或三维距离矩阵。在示例中，距离矩阵可以用于通过测量脉冲的传输和相应反射信号的检测之间的时间延迟来确定到给定车辆或表面的距离。在一些示例中，多于一个LiDAR系统可以耦合到第一车辆以扫描第一车辆的完整360°视界。LiDAR系统可以被配置为向计算设备提供表示已经被激光击中的(多个)表面的点数据云。除了距离之外，点可以由LiDAR系统以方位角和仰角表示，距离、方位角和仰角可以被转换为相对于依附于车辆的局部坐标系的(X，Y，Z)点数据。另外，LiDAR可以被配置为提供从表面反射的光或激光的强度值，其可以指示表面类型。在示例中，LiDAR系统可以包括诸如光(例如，激光)源、扫描仪和光学器件、光检测器和接收器电子器件以及位置和导航系统的部件。在示例中，LiDAR系统可以被配置为使用紫外(UV)光、可见光或红外光来对对象进行成像，并且可以用于包括非金属对象的宽范围的目标。在一个示例中，窄激光束可以被用来以高分辨率映射对象的物理特征。

应注意，用于收集与表面有关的数据的LiDAR系统可以被包括在除自主车辆601之外的系统中，诸如但不限于其他车辆(自主或驾驶)、机器人、卫星等。

图7例示了用于车辆701(诸如图1自主车辆的自主车辆601)的示例系统架构。车辆701可以包括引擎或马达702和用于测量车辆和/或其环境的各种参数的各种传感器。两种类型的车辆通用的操作参数传感器包括例如：定位传感器736，诸如加速度计、陀螺仪和/或惯性测量单元；速度传感器738；以及里程表传感器740。车辆701还可以具有时钟742，系统架构使用该时钟742来确定操作期间的车辆时间。时钟742可以被编码到车辆车载计算设备712中。它可以是单独的设备，或者多个时钟可能是可用的。

车辆701还可以包括操作以收集关于车辆在其中行驶的环境的信息的各种传感器。这些传感器可以包括例如：位置传感器760，诸如GPS设备；对象检测传感器，诸如一个或多个相机762；LiDAR传感器系统764；和/或雷达和/或声纳系统767。传感器还可以包括环境传感器768，诸如降水传感器和/或环境温度传感器。对象检测传感器可以使得车辆701能够检测在任何方向上在车辆701的给定距离或范围内的对象，而环境传感器收集关于车辆的行驶区域内的环境状况的数据。系统架构还将包括用于捕获环境的图像的一个或多个相机762。这些传感器中的任何一个或全部将捕获传感器数据，所述传感器数据将使得车辆的车载计算设备712和/或外部设备的一个或多个处理器能够执行编程指令，所述编程指令使得计算系统能够对感知数据中的对象进行分类，并且所有这样的传感器、处理器和指令可以被认为是车辆的感知系统。车辆还可以经由一个或多个无线通信链路(诸如被称为车辆到车辆、车辆到对象或其他V2X通信链路的那些无线通信链路)从通信设备(诸如收发器、信标和/或智能电话)接收信息。术语“V2X”是指车辆与车辆在其环境中可能遇到或影响的任何对象之间的通信。

在操作期间，将信息从传感器传达到车载计算设备712。车载计算设备712分析由传感器捕获的数据，并且可选地基于分析的结果来控制车辆的操作。例如，车载计算设备712可以经由制动控制器722来控制制动；经由转向控制器724控制方向；经由(在汽油动力车辆中的)油门控制器726或马达速度控制器728(诸如电动车辆中的电流水平控制器)控制速度和加速度；(具有变速器的车辆中的)差速齿轮控制器730；和/或其他控制器，诸如辅助设备控制器754。

地理位置信息可以从位置传感器760传送到车载计算设备712，车载计算设备712然后可以访问与位置信息相对应的环境的地图，以确定环境的已知固定特征，诸如街道、建筑物、停车标志和/或停车/行进信号。从相机762捕获的图像和/或从诸如LiDAR系统764的传感器捕获的对象检测信息从那些传感器传达到车载计算设备712。对象检测信息和/或捕获的图像可以由车载计算设备712处理，以检测车辆701附近的对象。另外或替代地，车辆701可以将任何数据发送到远程服务器系统603(图1)以进行处理。用于基于传感器数据和/或捕获的图像进行对象检测的任何已知或将要知道的技术可以用于本文档中公开的实施例中。

另外，自主车辆可以包括车载显示设备(这里未示出)，其可以生成和输出界面，在该界面上向车辆的乘员显示传感器数据、车辆状态信息或由本文档中描述的过程生成的输出(例如，各种地图和路线信息)。显示设备可以包括以音频格式呈现这样的信息的音频扬声器，或者单独的设备可以是以音频格式呈现这样的信息的音频扬声器。

车载计算设备712可以获得、检索和/或创建地图数据，该地图数据提供关于自主车辆701的周围环境的详细信息。车载计算设备712还可以基于例如三维定位数据(例如，来自GPS的数据)、三维定向数据、预测的位置等来确定自主车辆在环境中的位置、定向、姿势等(定位)。例如，车载计算设备712可以接收GPS数据以确定AV的纬度、经度和/或高度定位。其他位置传感器或系统(诸如基于激光的定位系统、惯性辅助GPS或基于相机的定位)也可以用于识别车辆的位置。车辆的位置可以包括绝对地理位置(诸如纬度、经度和高度)以及相对位置信息，诸如相对于紧邻其周围的其他汽车的位置，其通常可以以比绝对地理位置更少的噪声来确定。地图数据可以提供关于以下的信息：不同道路、路段、车道段、建筑物或其他项目的身份和位置；交通车道的位置、边界和方向(例如，停车车道、转弯车道、自行车车道或特定道路内的其它车道的位置和方向)以及与交通车道相关联的元数据；交通控制数据(例如，标牌、交通灯或其他交通控制设备的位置和指令)；和/或提供帮助车载计算设备712分析自主车辆701的周围环境的信息的任何其他地图数据。

在某些实施例中，地图数据还可以包括参考路径信息，所述参考路径信息对应于车辆沿着一个或多个车道行驶的常见模式，使得对象的运动被约束到参考路径(例如，对象通常在其上行驶的交通车道内的位置)。这样的参考路径可以是预定义的，诸如交通车道的中心线。可选地，可以基于在一段时间内对车辆或其他对象的历史观察来生成参考路径(例如，用于直线行驶、车道合并、转弯等的参考路径)。

在某些实施例中，车载计算设备712还可以包括和/或可以接收与用户的行程或路线有关的信息、关于路线的实时交通信息等。

车载计算设备712可以包括路线规划控制器731和/或可以与路线规划控制器731通信，路线规划控制器731为自主车辆生成从起始位置到目的地位置的导航路线。路线规划控制器731可以访问地图数据存储以识别车辆可以在其上行驶以从起始位置到达目的地位置的可能路线和路段。路线规划控制器731可以对可能的路线进行评分并且识别到达目的地的优选路线。例如，路线规划控制器731可以生成使行进的欧几里得距离或路线期间的其他成本函数最小化的导航路线，并且还可以访问可以影响在特定路线上行进所花费的时间量的交通信息和/或估计。取决于实施方式，路线规划控制器731可以使用各种路线规划方法(诸如Dijkstra算法、Bellman-Ford算法或其他算法)来生成一个或多个路线。路线规划控制器731还可以使用交通信息来生成反映路线的预期条件(例如，一周中的当前日期或一天中的当前时间等)的导航路线，使得针对在高峰时间期间行驶而生成的路线可以与针对在深夜行驶而生成的路线不同。路线规划控制器731还可以生成一个以上到目的地的导航路线，并且将这些导航路线中的一个以上导航路线发送给用户以供用户从各种可能的路线中选择。

在各种实施例中，车载计算设备712可以确定自主车辆701的周围环境的感知信息。基于由一个或多个传感器提供的传感器数据和所获得的位置信息，车载计算设备712可以确定自主车辆701的周围环境的感知信息。感知信息可以表示普通驾驶员将在车辆的周围环境中感知到的内容。感知数据可以包括与自主车辆701的环境中的一个或多个对象有关的信息。例如，车载计算设备712可以处理传感器数据(例如，LiDAR或RADAR数据、相机图像等)，以便识别自主车辆701的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。车载计算设备712可以使用任何现在或以后知晓的对象识别算法、视频跟踪算法和计算机视觉算法(例如，在多个时间段内逐帧迭代地跟踪对象)来确定感知。

在一些实施例中，车载计算设备712还可以针对环境中的一个或多个识别的对象确定对象的当前状态。对于每个对象，状态信息可以包括但不限于：当前位置；当前速度和/或加速度、当前航向；当前姿势；当前形状、大小或足迹；类型(例如，车辆vs.行人vs.自行车vs.静态对象或障碍物)；和/或其他状态信息。

车载计算设备712可以执行一个或多个预测和/或预报操作。例如，车载计算设备712可以预测一个或多个对象的未来位置、轨迹和/或动作。例如，车载计算设备712可以至少部分地基于感知信息(例如，包括如下所述确定的估计形状和姿态的每个对象的状态数据)、位置信息、传感器数据和/或描述对象、自主车辆701、周围环境和/或它们的关系的过去和/或当前状态的任何其他数据来预测对象的未来位置、轨迹和/或动作。例如，如果对象是车辆并且当前驾驶环境包括交叉路口，则车载计算设备712可以预测对象是否可能笔直向前移动或转弯。如果感知数据指示交叉路口没有交通灯，则车载计算设备712还可以预测车辆是否必须在进入交叉路口之前完全停止。

在各种实施例中，车载计算设备712可以确定自主车辆的运动计划。例如，车载计算设备712可以基于感知数据和/或预测数据来确定自主车辆的运动计划。具体地，给定关于邻近对象的未来位置的预测和其他感知数据，车载计算设备712可以确定自主车辆701的运动计划，该运动计划相对于在其未来位置处的对象最佳地导航自主车辆。

在一个或多个实施例中，车载计算设备712可以接收预测并做出关于如何处理自主车辆701的环境中的对象和/或行动者的决定。例如，对于特定行动者(例如，具有给定速度、方向、转弯角度等的车辆)，车载计算设备712基于例如交通状况、地图数据、自主车辆的状态等来决定是否超车、让步、停止和/或超过。此外，车载计算设备712还规划自主车辆701在给定路线上行驶的路径以及驾驶参数(例如，距离、速度和/或转弯角度)。也就是说，对于给定对象，车载计算设备712决定对对象做什么并确定如何做。例如，对于给定对象，车载计算设备712可以决定超过对象并且可以确定是在对象的左侧还是右侧超过(包括诸如速度的运动参数)。车载计算设备712还可以评估检测到的对象与自主车辆701之间碰撞的风险。如果风险超过可接受的阈值，则可以确定如果自主车辆遵循限定的车辆轨迹和/或实施在预定义的时间段(例如，N毫秒)内执行的一个或多个动态生成的紧急操纵，则是否可以避免碰撞。如果可以避免碰撞，则车载计算设备712可以执行一个或多个控制指令以执行谨慎的操纵(例如，温和地减速、加速、改变车道或急转弯)。相反，如果不能避免碰撞，则车载计算设备712可以执行一个或多个控制指令以执行紧急操纵(例如，制动和/或改变行驶方向)。

如上所述，生成关于自主车辆的移动的规划和控制数据以供执行。车载计算设备712可以例如经由制动控制器来控制制动；经由转向控制器控制方向；经由(在汽油动力车辆中的)油门控制器或马达速度控制器(诸如电动车辆中的电流水平控制器)控制速度和加速度；(具有变速器的车辆中的)差速齿轮控制器；和/或其他控制器。

在本文档中讨论的各种实施例中，描述可能陈述车辆或包括在车辆中(例如，在车载计算系统中)的控制器可以实现编程指令，所述编程指令使得车辆和/或控制器做出决定并使用所述决定来控制车辆的操作。然而，实施例不限于此布置，因为在各种实施例中，分析、决策制定和/或操作控制可以全部或部分地由与车辆的车载计算设备和/或车辆控制系统电子通信的其他计算设备来处理。这样的其他计算设备的示例包括与乘坐在车辆中的人相关联的电子设备(诸如智能电话)，以及经由无线通信网络与车辆电子通信的远程服务器。任何这样的设备的处理器可以执行下面将讨论的操作。

返回参考图6，通信接口614可以被配置为允许自主车辆601与外部系统(诸如例如，外部设备、传感器、其他车辆、服务器、数据存储、数据库等)之间的通信。通信接口614可以利用任何现在或以后知道的协议、保护方案、编码、格式、封装等，诸如但不限于Wi-Fi、红外链路、蓝牙等。用户接口系统616可以是在车辆601内实施的外围设备的一部分，包括例如关键字、触摸屏显示设备、麦克风和扬声器等。

图8描绘了可以包括在系统的任何电子部件中的内部硬件的示例，诸如AV的内部处理系统、外部监测和报告系统或远程服务器。电气总线800用作互连硬件的其他所示组件的信息高速公路。处理器805是系统的中央处理设备，被配置为执行执行编程指令所需的计算和逻辑操作。如本文档和权利要求书中所使用的，术语“处理器”和“处理设备”可以指代单个处理器或共同执行一组操作的一组处理器(诸如中央处理单元(CPU)、图形处理单元(GPU)、远程服务器或它们的组合)中的任何数量的处理器。只读存储器(ROM)、随机存取存储器(RAM)、闪存、硬盘驱动器和能够存储电子数据的其他设备构成存储器设备825的示例。存储器设备可以包括单个设备或跨其存储数据和/或指令的设备的集合。本发明的各种实施例可以包括包含编程指令的计算机可读介质，所述编程指令被配置为使一个或多个处理器执行在先前附图的上下文中描述的功能。

可选的显示接口830可以允许来自总线800的信息以视觉、图形或字母数字格式显示在显示设备835上，例如在车辆的仪表板内显示系统上。还可以提供音频接口和音频输出(诸如扬声器)。与外部设备的通信可以使用各种通信设备840(诸如无线天线、射频识别(RFID)标签和/或短程或近场通信收发器)来发生，这些通信设备中的每一个可以可选地经由一个或多个通信系统与设备的其他组件通信地连接。(多个)通信设备840可以被配置为通信地连接到通信网络，诸如互联网、局域网或蜂窝电话数据网络。

硬件还可以包括用户接口传感器845，其允许从输入设备850(诸如键盘或小键盘、操纵杆、触摸屏、触摸板、遥控器、定点设备和/或麦克风)接收数据。还可以从可以捕获视频和/或静止图像的相机820接收数字图像帧。系统还可以从运动和/或位置传感器880(诸如加速度计、陀螺仪或惯性测量单元)接收数据。系统还可以从LiDAR系统860(诸如本文档中先前描述的LiDAR系统)接收数据。

因此，本文档的公开内容包括方法、实现所述方法的系统以及包括存储器和编程指令的计算机程序产品，所述编程指令被配置为使处理器实施用于控制自主车辆的导航的方法。该系统包括处理器和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一个或多个编程指令，所述一个或多个编程指令在由处理器执行时将使处理器执行本公开的方法。该系统将接收与表示允许自主车辆在其内运行的地图区域的一部分的地理网有关的信息，以及包括对应于地图区域的多个车道段的车道级地图。地理网可以包括多个地理坐标对，每个地理坐标对指示地理网中的地理网元素的开始位置和结束位置。对于多个车道段中的每一个车道段，系统将从多个地理网元素中识别匹配地理网元素，确定匹配地理网元素与该车道段之间的匹配距离，并且在确定匹配距离小于阈值距离时选择该车道段包括在地理网中。然后，系统将使用被选择包括在地理网中的一个或多个车道段来生成包括地理网的更新的车道级地图，并且通过使用更新的车道级地图生成在地理网内的起点位置与目的地位置之间的轨迹来使自主车辆在起点位置与目的地位置之间导航。可选地，多个车道段中的每一个车道段可以被表示为车道级地图内的多边形。

可选地，在上述实施例中，系统可以创建地理网的数据表示，所述数据表示包括被选择包括在地理网中的一个或多个车道段的指示，并且将数据表示添加到包括地理网的低清晰度地图，以用于在低清晰度地图内创建更新的车道级地图。

在上述任何实施例中，系统可以通过识别形成车道段的中点的地理坐标来从该车道段的多个地理网元素中识别匹配地理网元素。可选地，系统然后可以使用空间搜索算法识别在该车道段的第一阈值距离内的多个候选地理网元素，确定多个候选地理网元素中的每一个与该车道段之间的候选匹配距离，识别多个候选地理网元素中具有最小候选匹配距离的候选地理网元素，并确定该候选地理网元素是匹配地理网元素。可选地，系统可以通过将候选地理网元素的候选匹配距离确定为以下项的平均值来确定多个候选地理网元素中的每一个与该车道段之间的候选匹配距离：该车道段的中心线与该候选地理网元素之间的角距离、该车道段的地理坐标与由该地理网元素限定的无限线之间的垂直距离以及沿着线的纵向最小距离，该线被计算为该车道段的地理坐标到由该地理网元素限定的无限线上到该地理网元素的每个端点的投影。

在上述任何实施例中，系统可以将被选择包括在地理网中的一个或多个车道段聚集成形成多个无向街道的逻辑分组。对于每个这样的无向街道，系统可以将中值匹配距离确定为形成该街道的所有车道段的匹配距离的平均值，确定中值匹配距离是否大于第二阈值距离，并且当中值匹配距离大于第二阈值距离时，确定形成该街道的所有车道段不应被包括在地理网中。当中值匹配距离小于第二阈值距离时，系统可以确定形成该街道的所有车道段将被包括在地理网中。可选地，系统可以通过例如合并一个或多个车道段以创建路段、用横跨垂直于交通的街道所需的单个车道替换一个或多个车道段和/或合并与交通平行的合并路段来将被选择包括在地理网中的一个或多个车道段聚集成形成多个无向街道的逻辑分组。

在任何上述实施方案中，系统还可以通过使用被选择包括在地理网中的一个或多个车道段创建路线规划图并且识别路线规划图的强连接的组件来将被选择包括在地理网中的一个或多个车道段的子集识别为强连接的车道段，并且仅使用所识别的子集来生成更新的车道级地图。

上面公开的特征和功能以及替代方案可以组合到许多其他不同的系统或应用中。各种组件可以被实施在硬件或软件或嵌入式软件中。本领域技术人员可以做出各种目前未预见或未预期的替代、修改、变体或改进，其中的每一个也旨在由所公开的实施例涵盖。

与上面提供的公开内容相关的术语包括：

“自动化设备”或“机器人设备”是指包括处理器、编程指令和一个或多个部件的电子装置，所述一个或多个部件基于来自处理器的命令可以在最少或没有人为干预的情况下执行至少一些操作或任务。例如，自动化设备可以执行一个或多个自动功能或功能集。这样的操作、功能或任务的示例可以包括但不限于导航、运输、驾驶、递送、装载、卸载、医疗相关处理、构造相关处理等。示例自动化设备可以包括但不限于自主车辆、无人机以及其他自主机器人设备。

术语“车辆”是指能够承载一个或多个人类乘员和/或货物并且由任何形式的能量提供动力的任何移动形式的运输工具。术语“车辆”包括但不限于汽车、卡车、货车、火车、自主车辆、飞机、空中无人机等。“自主车辆”是具有处理器、编程指令和传动系组件的车辆，所述传动系组件可以由处理器控制而不需要人类操作者。自主车辆可以是完全自主的，因为对于大多数或所有驾驶条件和功能它不需要人类操作者，或者它可以是半自主的，因为在某些条件下或对于某些操作可能需要人类操作者，或者人类操作者可以操控车辆的自主系统并且可以控制车辆。自主车辆还包括其中自主系统增强车辆的人工操作的车辆，诸如具有驾驶员辅助转向、速度控制、制动、停车和其他系统的车辆。

在本文档中，术语“街道”、“车道”和“道路”通过示例的方式例示，其中车辆在一个或多个道路上行驶。然而，实施例旨在包括其他位置(诸如停车区域)中的车道和道路。另外，对于被设计为在室内使用的自主车辆(诸如仓库中的自动拣选设备)，街道可以是仓库的走廊，并且车道可以是走廊的一部分。如果自主车辆是无人机或其他飞行器，则术语“街道”可以表示航线，并且车道可以是航线的一部分。如果自主车辆是船只，则术语“街道”可以表示水路，并且车道可以是水路的一部分。

“电子设备”或“计算设备”是指包括处理器和存储器的设备。每个设备可以具有其自己的处理器和/或存储器，或者处理器和/或存储器可以与虚拟机或容器布置中的其他设备共享。存储器将包含或接收编程指令，所述编程指令在由处理器执行时使电子设备根据编程指令执行一个或多个操作。

术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等各自是指其上存储计算机可读数据、编程指令或两者的非暂时性设备。除非另有特别说明，否则术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等旨在包括单个设备实施例、其中多个存储器设备一起或共同存储一组数据或指令的实施例以及这种设备内的各个扇区。

当指代由车辆感知系统检测到或由模拟系统模拟的对象时，术语“对象”旨在涵盖静止对象和移动(或潜在移动)的行动者，除非通过术语“行动者”或“静止对象”的术语另有具体说明。如本文所使用的，不确定的道路使用者可以包括行人、骑自行车的人、穿滚轮溜冰鞋的个人、穿直排轮滑的个人、轮椅上的个人、个人或一般的人等。

术语“处理器”和“处理设备”是指被配置为执行编程指令的电子设备的硬件组件。除非另有特别说明，否则单数术语“处理器”或“处理设备”旨在包括单个处理设备实施例和多个处理设备一起或共同执行过程的实施例二者。

在本文档中，术语“通信链路”和“通信路径”意指第一设备经由其向一个或多个其他设备发送通信信号和/或从一个或多个其他设备接收通信信号的有线或无线路径。如果设备能够经由通信链路发送和/或接收数据，则设备“通信地连接”。“电子通信”是指经由两个或更多个电子设备之间的一个或多个信号的数据传输，无论是通过有线还是无线网络，并且无论是直接地还是经由一个或多个中间设备间接地。

在本文件中，当诸如“第一”和“第二”的顺序的相对术语用于修饰名词时，这种使用仅旨在将一个项目与另一个项目区分开，并且不旨在要求连续的顺序，除非特别说明。

另外，当使用时，诸如“竖直”和“水平”或“前部”和“后部”的相对位置术语旨在相对于彼此并且不需要是绝对的，并且仅指代与这些术语相关联的设备的一个可能位置，这取决于设备的定向。当本文档使用术语“前部”、“后部”和“侧面”来指代车辆的区域时，它们指代相对于车辆的默认行驶区域的车辆区域。例如，汽车的“前部”是与车辆的尾灯相比更靠近车辆的前照灯的区域，而汽车的“后部”是与车辆的前照灯相比更靠近车辆的尾灯的区域。此外，术语“前部”和“后部”不一定分别限于面向前或面向后的区域，而是还包括比后部更靠近前部的侧面区域，反之亦然。车辆的“侧面”旨在指代在车辆的最前面部分与最后面部分之间的面向侧面的区段。

Claims (21)

1.一种用于控制自主车辆的导航的系统，所述系统包括：

处理器；以及

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一个或多个编程指令，所述一个或多个编程指令在由所述处理器执行时将使所述处理器：

接收与地理网相关的信息，所述地理网表示允许自主车辆在其中运行的地图区域的一部分，所述地理网包括多个地理坐标对，所述多个地理坐标对中的每一个指示所述地理网中的多个地理网元素中的每一个的开始位置和结束位置，

接收车道级地图，所述车道级地图包括对应于所述地图区域的多个车道段，

对于所述多个车道段中的每一个：

从所述多个地理网元素中识别匹配地理网元素，

确定所述匹配地理网元素与该车道段之间的匹配距离，并且

在确定所述匹配距离小于阈值距离时，选择所述车道段包括在所述地理网中，

使用被选择包括在所述地理网中的一个或多个车道段生成包括所述地理网的更新的车道级地图，并且

通过使用所述更新的车道级地图生成所述地理网内的原点位置与目的地位置之间的轨迹，使所述自主车辆在所述原点位置与所述目的地位置之间导航。

2.根据权利要求1所述的系统，还包括编程指令，所述编程指令在由所述处理器执行时将使所述处理器：

创建所述地理网的数据表示，所述数据表示包括被选择包括在所述地理网中的所述一个或多个车道段的指示；并且

将所述数据表示添加到包括所述地理网的低清晰度地图，以用于在所述低清晰度地图内创建所述更新的车道级地图。

3.根据权利要求1所述的系统，其中，对于所述多个车道段中的每一个从所述多个地理元素中识别所述匹配地理网元素的编程指令包括当由所述处理器执行时将使所述处理器识别形成该车道段的中点的地理坐标的编程指令。

4.根据权利要求3所述的系统，其中，对于所述多个车道段中的每一个从所述多个地理网元素中识别所述匹配地理网元素的编程指令包括当由所述处理器执行时将使所述处理器执行以下操作的编程指令：

使用空间搜索算法识别在该车道段的第一阈值距离内的多个候选地理网元素；

确定所述多个候选地理网元素中的每一个与该车道段之间的候选匹配距离；

识别所述多个候选地理网元素中具有最小候选匹配距离的候选地理网元素；以及

确定所述候选地理网元素是所述匹配地理网元素。

5.根据权利要求4所述的系统，其中，确定所述多个候选地理网元素中的每一个与该车道段之间的候选匹配距离的编程指令包括当由所述处理器执行时将使所述处理器将候选地理网元素的候选匹配距离确定为以下项的平均值的编程指令：

该车道段的中心线与该候选地理网元素之间的角距离；

该车道段的所述地理坐标与由该地理网元素限定的无限线之间的垂直距离；以及

沿着线的纵向最小距离，所述线被计算为该车道段的所述地理坐标到由该地理网元素限定的所述无限线上到该地理网元素的每个端点的投影。

6.根据权利要求1所述的系统，还包括编程指令，所述编程指令在由所述处理器执行时将使所述处理器：

将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成多个无向街道的逻辑分组；并且

对于所述多个无向街道中的每个无向街道：

将中值匹配距离确定为形成该街道的所有车道段的匹配距离的平均值，

确定所述中值匹配距离是否大于第二阈值距离，并且

当所述中值匹配距离大于所述第二阈值距离时，确定形成该街道的所有车道段不应被包括在所述地理网中。

7.根据权利要求6所述的系统，还包括编程指令，所述编程指令在由所述处理器执行时将使所述处理器在所述中值匹配距离小于所述第二阈值距离时确定形成该街道的所有车道段将被包括在所述地理网中。

8.根据权利要求6所述的系统，其中，将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成所述多个无向街道的逻辑分组的编程指令包括使所述处理器执行以下中的至少一个的编程指令：

合并一个或多个车道段以创建路段；

用横跨垂直于交通的街道所需的单个车道替换一个或多个车道段；或

合并与交通平行的路段。

9.根据权利要求1所述的系统，还包括编程指令，所述编程指令在由所述处理器执行时将使所述处理器：

通过以下方式将被选择包括在所述地理网中的所述一个或多个车道段的子集识别为强连接的车道段：

使用被选择包括在所述地理网中的所述一个或多个车道段来创建路线规划图，以及

识别所述路线规划图的强连接的分量；以及

仅使用所识别的子集来生成所述更新的车道级地图。

10.根据权利要求1所述的系统，其中，所述多个车道段中的每一个被表示为所述车道级地图内的多边形。

11.一种用于控制自主车辆的导航的方法，所述方法包括由处理器：

接收与地理网相关的信息，所述地理网表示允许自主车辆在其中运行的地图区域的一部分，所述地理网包括多个地理坐标对，所述多个地理坐标对中的每一个指示所述地理网中的多个地理网元素中的每一个的开始位置和结束位置，

接收车道级地图，所述车道级地图包括对应于所述地图区域的多个车道段，

对于所述多个车道段中的每一个：

从所述多个地理网元素中识别匹配地理网元素，

确定所述匹配地理网元素与该车道段之间的匹配距离，以及

在确定所述匹配距离小于阈值距离时，选择该车道段包括在所述地理网中，

使用被选择包括在所述地理网中的一个或多个车道段生成包括所述地理网的更新的车道级地图，以及

通过使用所述更新的车道级地图生成所述地理网内的原点位置与目的地位置之间的轨迹，使所述自主车辆所述原点位置与所述目的地位置之间导航。

12.根据权利要求11所述的方法，还包括：

创建所述地理网的数据表示，所述数据表示包括被选择包括在所述地理网中的所述一个或多个车道段的指示；以及

将所述数据表示添加到包括所述地理网的低清晰度地图，以用于在所述低清晰度地图内创建所述更新的车道级地图。

13.根据权利要求11所述的方法，其中，对于所述多个车道段中的每一个从所述多个地理网元素中识别匹配的地理网元素包括识别形成该车道段的中点的地理坐标。

14.根据权利要求13所述的方法，其中，对于所述多个车道段中的每一个从所述多个地理网元素中识别所述匹配地理网元素包括：

使用空间搜索算法识别在该车道段的第一阈值距离内的多个候选地理网元素；

确定所述多个候选地理网元素中的每一个与该车道段之间的候选匹配距离；

识别所述多个候选地理网元素中具有最小候选匹配距离的候选地理网元素；以及

确定所述候选地理网元素是所述匹配地理网元素。

15.根据权利要求14所述的方法，其中，确定所述多个候选地理网元素中的每一个与该车道段之间的所述候选匹配距离包括将候选地理网元素的所述候选匹配距离确定为以下项的平均值：

该车道段的中心线与该候选地理网元素之间的角距离；

该车道段的地理坐标与由该地理网元素限定的无限线之间的垂直距离；以及

沿着线的纵向最小距离，所述线被计算为该车道段的所述地理坐标到由该地理网元素限定的所述无限线上到该地理网元素的每个端点的投影。

16.根据权利要求11所述的方法，还包括：

将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成多个无向街道的逻辑分组；以及

对于所述多个无向街道中的每个无向街道：

将中值匹配距离确定为形成该街道的所有车道段的匹配距离的平均值，

确定所述中值匹配距离是否大于第二阈值距离，以及

当所述中值匹配距离大于所述第二阈值距离时，确定形成该街道的所有车道段不应被包括在所述地理网中。

17.根据权利要求16所述的方法，还包括：当所述中值匹配距离小于所述第二阈值距离时，确定形成该街道的所有车道段将被包括在所述地理网中。

18.根据权利要求16所述的方法，其中，将被选择包括在所述地理网中的所述一个或多个车道段聚集成形成所述多个无向街道的逻辑分组包括执行以下中的至少一个：

合并一个或多个车道段以创建路段；

用横跨垂直于交通的街道所需的单个车道替换一个或多个车道段；或

合并与交通平行的路段。

19.根据权利要求11所述的方法，还包括：

通过以下方式将被选择包括在所述地理网中的所述一个或多个车道段的子集识别为强连接的车道段：

使用被选择包括在所述地理网中的所述一个或多个车道段来创建路线规划图，以及

识别所述路线规划图的强连接的分量；以及

仅使用所识别的子集来生成所述更新的车道级地图。

20.根据权利要求11所述的方法，其中，所述多个车道段中的每一个被表示为所述车道级地图内的多边形。

21.一种包括编程指令的计算机程序产品，所述编程指令被配置为使处理器执行根据权利要求11-20中任一项所述的方法。