CN116829382A - 用于使用基于地形的定位进行车辆控制的系统和方法 - Google Patents
用于使用基于地形的定位进行车辆控制的系统和方法 Download PDFInfo
- Publication number
- CN116829382A CN116829382A CN202180092507.2A CN202180092507A CN116829382A CN 116829382 A CN116829382 A CN 116829382A CN 202180092507 A CN202180092507 A CN 202180092507A CN 116829382 A CN116829382 A CN 116829382A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- profile
- data
- positioning
- 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 174
- 239000000725 suspension Substances 0.000 claims abstract description 99
- 230000033001 locomotion Effects 0.000 claims description 33
- 238000013442 quality metrics Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 9
- 230000001413 cellular effect Effects 0.000 claims description 8
- 238000002156 mixing Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 5
- 239000003381 stabilizer Substances 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 15
- 238000005259 measurement Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 230000000670 limiting effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000001976 improved effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000005314 correlation function Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000010399 physical interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000116 mitigating effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 206010067482 No adverse event Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本文中描述的系统和方法包括对用于高级车辆特征的基于路面的定位技术以及包括基于置信度的消耗、空气悬架控制系统和方法、行程结束管理、道路纵断面创建技术等的控制方法的实现。
Description
相关申请
本申请根据35U.S.C.§119(e)要求于2020年12月30日提交的序列号为63/132,184的美国临时申请和于2021年2月5日提交的序列号为63/146,379的美国临时申请的优先权的权益,上述两个美国临时申请的公开内容通过引用整体并入本文中。
技术领域
所公开的实施方式涉及用于车辆中的系统的基于地形的定位和洞察的系统以及相关的使用方法。
背景技术
诸如例如高级驾驶员辅助系统、主动悬架系统和/或自主或半自主驾驶的高级车辆特征可能依赖于车辆的高度准确定位。基于例如全球导航卫星系统(GNSS)的定位系统可能不能为这样的特征提供足够的准确度或分辨率。
发明内容
根据一个方面,本公开内容提供了一种操作车辆的方法。该方法包括确定车辆的位置和确定针对车辆位置的质量度量的值。该方法包括将质量度量与质量度量的上限和下限进行比较。该方法包括基于所述比较来启动到车辆子系统的命令。
在一些实现方式中,该方法包括确定质量度量的值高于上限。在某些情况下,向车辆子系统启动的命令是完整的预期命令。
在一些实现方式中,该方法包括确定质量度量的值在上限与下限之间。在某些情况下,向车辆子系统启动的命令是缩放后的命令。
在一些实施方式中,车辆子系统是可变阻尼器系统、主动悬架系统、主动侧倾稳定器系统或后转向系统。
根据另一方面,公开了一种控制车辆的空气悬架系统的方法。该方法包括使用基于地形的定位系统来确定车辆在当前路段上的位置。该方法还包括获得包括即将到来的路段的道路特性、道路事件或道路纵断面中的至少一个的道路信息。该方法还包括基于道路信息来计算用于沿着即将到来的路段行驶的空气悬架的最佳状态,其中,空气悬架的最佳状态包括最佳乘坐高度或最佳硬度设置中的至少一个。该方法还包括启动命令以将空气悬架系统设置在用于穿过即将到来的道路事件的最佳状态。
在一些实现方式中,最佳乘坐高度包括空气悬架的高度分布。
在一些实现方式中,最佳硬度设置包括空气悬架系统的硬度分布。
在一些实现方式中,使用基于地形的定位系统来确定车辆在当前路段上的位置包括将当前道路纵断面与众包数据库中的候选道路纵断面进行比较。
根据另一方面,公开了一种确定车辆的转向行为的方法。该方法包括:获得源自路段的先前驾驶的历史航向数据,确定穿过该路段的当前车辆的当前航向,将当前航向与历史航向数据进行比较,确定正在发生转向行为,以及基于检测到的转向行为来改变当前车辆的一个或更多个操作参数。
在一些实现方式中,改变一个或更多个操作参数包括暂停坑洼缓解。
在一些实现方式中,改变一个或更多个操作参数包括抑制事件检测。
根据另一方面,公开了一种对车辆的悬架系统的致动器的行程进行控制的方法。该方法包括:(a)从基于地形的定位系统获得车辆正在行驶的路段的道路信息,(b)获得悬架系统的被动悬架元件参数,(c)确定悬架系统的致动器的位置,(d)基于道路信息、被动悬架元件参数和致动器的位置来确定用于穿过路段的致动器的最佳位置,以及(e)由致动器控制器启动一个或更多个致动器命令,以在车辆穿过路段时将致动器定位在最佳位置。
在一些实现方式中,从包括端部止动件和辅助弹簧的组中选择被动悬架元件。
在一些实现方式中,致动器是主动悬架致动器。
在一些实现方式中,(d)中的确定还基于乘客舒适性、燃料效率和/或车辆耐久性。
在一些实现方式中,一个或更多个致动器命令使得致动器抢占性地接合被动悬架元件中的一个或更多个被动悬架元件。
在一些实现方式中,其中,道路信息包括关于道路事件的信息。
根据另一方面,公开了一种创建道路纵断面估计的方法。该方法包括:(a)获得多个数据集,所述多个数据集中的每个数据集表示针对路段的道路纵断面估计,多个数据集源自不同的车辆、不同的传感器集合或在不同速度下的操作,(b)确定其中多个数据集中的每个数据集具有高保真度的空间频率范围,(c)在空间频率域中将多个数据集混合成单个道路纵断面估计,以及(d)将单个道路纵断面估计存储在数据库中。
根据另一方面,公开了一种定位车辆的方法。该方法包括:(a)从针对路段的地图层获得道路纵断面,(b)经由车辆的一个或更多个传感器获得表示针对该路段的道路纵断面估计的新数据集,(c)确定来自地图层的道路纵断面的空间频率中的有效性范围,(d)确定新数据集的空间频率中的有效性范围,以及(e)基于在其中新数据集和来自地图层的道路纵断面两者均具有高保真度的空间频率的交叠范围中对来自地图层的道路纵断面与新数据集进行比较来定位车辆。
根据另一方面,公开了一种定位车辆的方法。该方法包括基于车辆的第一传感器系统来感测对应于第一参数的第一信号,该第一信号具有第一可用性和第一准确度。该方法还包括基于车辆的第二传感器系统来感测对应于第二参数的第二信号,其中,第二传感器系统是基于地形的定位系统,并且第二信号基于车辆正在行驶的路段的道路纵断面,第二信号具有第二可用性和第二准确度。该方法还包括基于第一可用性和第二可用性以及第一准确度和第二准确度来混合第一信号与第二信号,其中,混合信号具有比第一可用性或第二可用性更高的第三可用性。
在一些实现方式中,第一传感器系统包括GPS定位系统、基于视觉的定位系统、基于距离的定位系统(例如,LIDAR/RADAR)或车辆运动感测系统(例如,航位推算)中的至少一个。
在一些实现方式中,基于地形的定位采用众包地形图。
根据另一方面,公开了一种对穿过路段的车辆进行定位的方法。该方法包括:(a)在第一时间处确定第一车辆环境,(b)基于第一车辆环境来选择要采用的第一定位方法,(c)使用第一定位方法来定位车辆,(d)在第二时间处确定第二车辆环境,(e)基于第二车辆环境来选择要采用的第二定位方法;以及(f)使用第二定位方法来定位车辆。
在一些实现方式中,从包括GNSS定位、基于地形的定位和航位推算的组中选择第一定位方法和第二定位方法。
在一些实现方式中,从包括天气状况、头顶障碍物、蜂窝数据可用性和GNSS卫星可用性的组中选择车辆环境和第二车辆环境。
应当理解,前述概念和下文讨论的另外的概念可以按任何合适的组合布置,因为本公开内容在这方面不受限制。此外,当结合附图考虑时,根据以下对各种非限制性实施方式的详细描述,本公开内容的其他优点和新颖特征将变得明显。
附图说明
附图并不旨在按比例绘制。在附图中,在各个附图中示出的每个相同或几乎相同的部件可以由相同的附图标记表示。为了清楚的目的,可能并未在每个附图中标记出每个部件。在附图中:
图1是基于地形的洞察系统的示意图,该基于地形的洞察系统被配置成警告车辆的驾驶员和/或改变车辆行为的一个或更多个方面。
图2示出了用于基于定位准确度的置信水平来改变消耗的处理的框图。
图3是用于主动控制车辆的空气悬架系统的处理的流程图。
图4是示出了根据对路段的多次穿行来估计车辆航向的图表。
图5是确定车辆的转向行为(swerve behavior)的方法的流程图。
图6示出了具有行程管理系统的车辆,该行程管理系统包括被配置成基于来自基于地形的定位系统的信息而被控制的悬架致动器。
图7是控制车辆的悬架系统的致动器的行程的方法的流程图。
图8是用于将数据集混合成单个道路纵断面估计的处理的流程图。
图9是用于车辆定位的传感器融合方法的框图。
图10是对穿过路段的车辆进行定位的方法的流程图。
图11示出了基于车辆环境使用不同定位方法的车辆。
具体实施方式
自主地或在驾驶员的控制下沿道路行驶的车辆可以与一个或更多个路面特征相互作用,其可能使车辆和/或一个或更多个车辆乘客遭受某些力或加速度。这样的道路特征可能影响车辆乘客的舒适性以及车辆的磨损。这样的力或加速度的大小、方向和/或频率内容可以是一个或更多个路面特征的特性的函数。典型的道路可能包括各种类型的路面特征,诸如例如:路面异常,包括但不限于坑洼、隆起、表面裂缝、伸缩缝、冻胀、粗糙补丁、齿纹震动带、下水道孔盖等;和/或路面特性,包括但不限于路面纹理、路面组成、表面拱度、表面坡度等。路面特性可能影响路面参数,诸如例如车辆的轮胎与道路之间的摩擦系数、牵引力和/或抓地力。这样的参数可以确定在各种速度和车辆负载下可以如何有效地执行诸如转弯和停止的某些操纵。
发明人已经认识到基于上述路面特性和特征控制车辆的各个系统的操作的益处。然而,路面特征和/或特性的类型和特性可以例如根据给定道路上的纵向和/或横向位置而随道路变化。车辆与给定路面特征的相互作用对车辆和/或乘客的影响也可以根据车辆与路面特征之间相互作用时的车速而变化。路面特征的特性也可以例如基于天气条件和/或根据时间而变化。例如,如果路面特征是坑洼,则其可能由于反复的冷冻/解冻循环而在冬季月份中逐渐出现并在长度、宽度和/或深度上增长,并且然后在数小时或更短时间内修复并实际上消失。由于路面的变化性质和先前未绘制的布局,典型地,车辆已经感测到车辆与路面的相互作用,并且然后响应于检测到的特性和车辆遇到的路面特征来操作车辆的各种自主和/或半自主系统。
车辆可能驶过的路面的特性和路面特征可以被绘制以提供关于沿车辆的行驶路径定位的路面特征的前瞻性信息。关于车辆前方的路面特征的该信息可以用于例如动态地调整、准备和/或控制车辆中的各种自动或部分自动的系统(诸如例如悬架系统(例如半主动或完全主动)、推进系统、自适应驾驶员辅助系统(ADAS)、电动转向系统(EPS)、防抱死制动系统(ABS)等)。发明人已经认识到,当车辆与路面特征之间存在物理相互作用时,车辆遭受到由相互作用引起的一个或更多个可察觉的力。因此,利用前方道路的预览,车辆控制器可以更有效地在路面特征与车辆之间存在物理相互作用时对路面特征做出反应。
虽然关于路面的信息可以用于控制车辆的各种系统,但本发明人已经认识到,对于获得和使用这样的路面信息存在挑战。一个这样的挑战是以足够的准确度和分辨率知道车辆的位置,使得可以使用关于车辆前方的道路特征的信息来更有效地控制车辆。例如,如果车辆的位置不够准确,则车辆控制器可能采取不会减轻车辆与道路特征之间的物理相互作用的动作。作为另一示例,如果车辆的位置不够准确,则车辆控制器可能采取使车辆与道路特征之间的物理相互作用恶化或以其他方式使车辆乘客的舒适度恶化的动作。例如,全球导航卫星系统(GNSS)定位的准确度趋于在大约7m到30m的数量级。以这样的准确度,车辆不仅不能分辨车辆何时会与特定路面特征(例如,坑洼)相互作用,而且不能分辨车辆是否会以任何方式与该路面特征相互作用。
鉴于上述内容,发明人已经认识到,结合基于地形的定位的定位系统和方法可以提供比纯粹的基于GNSS的系统更好的分辨率。在基于地形的定位系统中,当车辆沿道路行驶时,可以通过使用附接至车辆的一个或更多个运动传感器测量车辆的一部分的竖直运动来获得所测量的道路纵断面。可以将该所测量的道路纵断面与参考道路纵断面进行比较,并且至少部分地基于该比较,可以确定车辆沿着道路的位置。然而,本发明人已经认识到,所测量的纵断面与参考纵断面之间的连续图案匹配可能需要大量的数据传输和/或操作。也就是说,单个车辆可能需要流式传输足够的道路信息,使得在基于前方道路信息控制车辆的同时,可以将所测量的道路纵断面与参考道路纵断面连续地进行比较。对于在整个道路网络上采用多个车辆的系统,网络带宽要求可能是相当大的,使得实现这样的网络在商业上可能是不可行的。另外,所测量的纵断面与参考纵断面之间的连续图案匹配可能需要超出对于在车辆中采用在商业上可行的计算能力。如果远程地进行计算,则这样的连续图案匹配还需要可能在商业上不可行的网络带宽。
鉴于上述内容,发明人已经认识到用于道路信息的路段组织结构和相关方法的益处,所述路段组织结构和相关方法以离散方式提供准确的基于地形的定位从而减少实现基于地形的定位的网络和计算要求。每个路段可以具有预定长度,使得道路被分成多个路段。当车辆接近路段的终点时,可以将路段的道路纵断面与具有大致相等长度的所测量道路纵断面的最后部分进行比较。以这种方式,车辆可以在具有预定长度的每个路段上基于地形验证其精确位置一次,这是一种计算量和网络带宽密集程度较低的方法。
发明人已经认识到,在给定计算和/或带宽限制的情况下,实现基于地形的定位方法使得观测到的数据与参考数据之间的比较仅以预定间隔(例如,时间或距离间隔)发生可能是有利的。然而,在使用基于地形的定位的车辆位置的这些精确确定之间,当车辆进一步行驶远离最后识别的路面特征时,车辆的位置可能变得不太确定。因此,在某些实施方式中,在这些预定间隔和/或路面位置之间,可以使用航位推算来基于先前识别的位置(例如,先前识别的沿道路的位置)来估计车辆的位置(例如,车辆沿道路的位置)。例如,在某些实施方式中并且如本文详细描述的,基于地形的定位方法可以包括:当车辆沿着道路行驶时,首先从附接至车辆的一个或更多个传感器收集数据。可以对所收集的数据进行处理(例如,从时间域变换到距离域、滤波等)以获得所测量的数据(例如,所测量的道路纵断面)。然后可以将所测量的数据与和道路相关联的参考数据(例如,参考道路纵断面或存储的道路纵断面)进行比较,并且至少部分地基于该第一比较,可以确定在第一时间点处车辆沿道路的位置。一旦确定了在第一时间点处车辆沿道路的位置,就可以使用航位推算来在车辆随后沿道路行驶时跟踪车辆的位置。在航位推算的时间段期间,可以对来自一个或更多个传感器的新数据进行收集并可选地进行处理以产生新观测到的数据。在某些实施方式中,在确定车辆自第一时间点起已经行驶了预定距离时,可以将新观测到的数据与参考数据进行比较。至少基于该第二比较,可以确定在第二时间点处车辆沿道路的位置。然后,当车辆穿过顺序定位的路段时,可以重复该过程,使得使用航位推算来跟踪车辆的进一步移动,直到确定车辆自确定位置的第二时间点起已经行驶了预定距离。在该确定之后,可以使用基于地形的定位来在第三时间点处定位车辆。因此,在一些实施方式中,可以以预定的距离间隔(其可以是恒定的间隔)间歇地执行比较,而不是将所测量的(例如,所收集的数据和/或经处理的数据)数据与参考数据连续地进行比较。可替选地或另外地,基于地形的定位可以在确定自第一时间点或先前时间点起已经经过预定时间间隔(而不是预定距离间隔)时执行。在这些时间/距离间隔期间,可以单独地使用航位推算,或者除了可以用于基于先前建立的位置来跟踪车辆的位置(例如,坐标或位置)的其他定位系统之外,可以使用航位推算。另外,虽然本文主要公开了恒定时间间隔和/或距离间隔的使用,但是应当理解,在确定车辆在不同路段上的位置时使用的预定时间和/或距离间隔可以是恒定的和/或沿着不同路段在彼此之间是可变的,因为本公开内容不限于这种方式。
发明人还认识到,基于地形的车辆位置确定可以通过GNSS位置估计和离散化的路段的使用来补充。也就是说,可以采用来自GNSS系统的位置估计,而不是使用航位推算来以离散时间和/或距离间隔执行基于地形的比较。例如,在某些实施方式中并且如本文详细描述的,基于地形的定位方法可以包括:当车辆沿着道路行驶时,首先从附接至车辆的一个或更多个传感器收集数据。可以对所收集的数据进行处理(例如,从时间域变换到距离域、滤波等)以获得所测量的数据(例如,所测量的道路纵断面)。然后可以将所测量的数据与和道路相关联的参考数据(例如,参考道路纵断面或存储的道路纵断面)进行比较,并且至少部分地基于该第一比较,可以确定在第一时间点处车辆沿道路的位置。一旦确定了在第一时间点处车辆沿道路的位置,就可以使用GNSS来在车辆随后沿道路行驶时跟踪车辆的位置,这可以用于确定自确定车辆位置以来车辆沿道路行驶的距离。在GNSS跟踪的时间段期间,可以对来自一个或更多个传感器的新数据进行收集并可选地进行处理以产生新观测到的数据。在某些实施方式中,当至少部分地基于GNSS跟踪数据来确定车辆自第一时间点起已经行驶了预定距离时,可以将新观测到的数据与参考数据进行比较。至少基于该第二比较,可以确定在第二时间点处车辆沿道路的位置。然后可以重复该处理,使得使用GNSS跟踪来跟踪车辆的进一步移动,直到确定车辆自第二时间点起已经行驶了预定距离。在该确定之后,可以使用基于地形的定位来在第三时间点处定位车辆。因此,在一些实施方式中,可以以预定距离间隔间歇地执行比较,而不是将所测量的(例如,所收集的数据和/或经处理的数据)数据与参考数据连续地进行比较,所述预定距离间隔可以是恒定间隔,或者在一些情况下是以与不同路段相关联的非恒定预定距离间隔间歇地执行比较。在一些情况下,采用GNSS代替航位推算可以减少与预定距离相关的误差。在一些实施方式中,GNSS可以与航位推算结合使用以进一步减小与预定距离相关的误差,因为本公开内容并不限于此。
在一些实施方式中,在路段架构中,给定道路可以被分段成一系列预定长度的路段,在一些实施方式中这些预定长度可以彼此相等,但也涵盖其中使用不相等的预定长度的路段的实施方式。每个路段可以包括可以用于如本文所述的基于地形的定位的一个或更多个道路纵断面。
当车辆穿过路段时,可以通过使用附接至车辆的一个或更多个运动传感器测量车辆的一部分的竖直运动来获得道路纵断面。预定的等长或不等长的路段可以被称为“分段(slice)”。在某些实施方式中,连续的路段可以以连续的方式布置,使得一个路段的终点与后续路段的起点大致重合。在一些实施方式中,连续的路段可以是不交叠的,使得一个路段的终点与后续路段的起点重合。可替选地,在一些实施方式中,路段可以交叠,使得后续路段的起点可以位于先前路段的边界内。例如,路段可以是任何适当的长度,包括但不限于以下长度的任何组合之间的范围:20米、40米、50米、60米、80米、100米、120米、200米或更大。在一些实施方式中,路段可以具有在20米与200米之间、20米与120米之间、40米与80米之间、50米与200米之间和/或任何其他适当的长度范围之间的长度。也可以考虑比这些长度更长或更短的其他长度,因为本公开内容不限于此。在某些实施方式中,道路被划分成的路段的长度可以取决于道路的类型和/或车辆在道路上行驶的平均速度或其他适当的考虑。例如,在单车道城市道路上,车辆通常可以以与多车道高速公路相比相对低的速率行驶。因此,在城市道路(或具有相对低的行驶速度的其他道路)上,具有与在高速公路或具有相对高的行驶速度的其他道路(例如,在80米至120米之间)上相比相对更短的路段(例如,在20米至60米之间)可能是有利的或以其他方式期望的,使得每个路段可以对应于从路段的开始到结束的近似平均行驶时间,而与道路上的平均行驶速度无关。
在一些实施方式中,使用路段来定位车辆的方法包括利用车辆测量道路纵断面。该方法还可以包括确定车辆是否在路段终点的阈值距离内。例如,在一些实施方式中,确定车辆在路段终点的阈值距离内包括用GNSS、根据最后已知的车辆位置的航位推算和/或任何其他适当的定位方法来估计车辆的位置。该方法还可以包括将与沿着车辆行驶路径的路段的结束部分相对应的参考道路纵断面与所测量的道路纵断面进行比较。在一些实施方式中,当车辆穿过路段时,可以将所测量的道路纵断面的最后部分与参考道路纵断面进行比较,其中所测量的道路纵断面的最后部分和参考道路纵断面具有大致相等(例如,相等)的长度。该方法可以包括例如使用互相关函数或对所测量的道路纵断面与参考道路纵断面之间的相似性进行评估的另一适当函数(例如,动态时间扭曲等)来确定所测量的道路纵断面与参考道路纵断面之间的相关性。该方法还可以包括确定所测量的道路纵断面与参考道路纵断面之间的相关性是否超过阈值相关性。可以至少部分地基于道路类型来预先确定阈值相关性,这将在下面进一步详细讨论。如果相关性超过阈值相关性,则可以确定车辆的位置,因为车辆的位置可以对应于路段终点的位置。如果相关性没有超过阈值相关性,则可能不能确定车辆的位置,并且该方法可以随着车辆沿着道路前进并且重新确定所测量的道路纵断面(包括在沿着道路前进时测量的附加数据)与参考道路纵断面之间的相关性而继续。除了上述之外,当车辆接近道路纵断面的最后部分的终点时,所测量的道路纵断面与参考道路纵断面之间的相关性可以在大约与参考道路纵断面的终点相对应的位置处增加到峰值。因此,在一些实施方式中,该方法可以包括:在车辆移动通过在路段终点的阈值距离内的区域的同时,检测所测量的道路纵断面与参考道路纵断面之间的相关性的峰值。将在下面进一步详细讨论这样的峰值检测的附加细节。
本文公开的各种实施方式涉及确定车辆在路面上的位置和/或用于创建包括可以用于在路面上定位车辆的信息的路段地图。这样的信息可以向车辆提供关于位于沿着车辆行驶路径的即将到来部分的路段上的一个或更多个路面特征和/或路面特性的先验信息。如前所述,通过在车辆遇到路段的给定部分之前知道该信息,可以至少部分地基于该信息来控制车辆的一个或更多个系统(例如,车辆的自主和/或半自主系统)的操作。因此,本文公开的任何实施方式可以提供信息,例如车辆、路面特征和/或道路参数位置,这些信息可以由一个或更多个车辆用来控制一个或更多个车辆系统。因此,在一些实施方式中,可以至少部分地基于所确定的车辆位置、航位推算、路段的参考纵断面以及前述的组合来控制车辆的一个或更多个系统。可以被控制的系统的示例可以包括悬架系统(半主动或完全主动)、推进系统、高级驾驶员辅助系统(ADAS)、电动转向系统(EPS)、防抱死制动系统(ABS)、自主车辆的导航系统和/或任何其他适当类型的车辆系统。
根据本文描述的示例性实施方式,车辆可以包括由车辆控制系统控制的一个或更多个车轮和一个或更多个车辆系统。车辆控制系统可以由一个或更多个处理器操作。一个或更多个处理器可以被配置成执行存储在易失性或非易失性计算机可读存储器中的计算机可读指令,这些指令在被执行时执行本文所公开的方法中的任何方法。一个或更多个处理器可以与一个或更多个与车辆的各种系统(例如,制动系统、主动或半主动悬架系统、驾驶员辅助系统等)相关联的致动器通信,以控制车辆的各种系统的激活、移动或其他操作参数。一个或更多个处理器可以从提供关于车辆的各个部分的反馈的一个或更多个传感器接收信息。例如,一个或更多个处理器可以从全球导航卫星系统(GNSS)例如全球定位系统或其他定位系统接收关于车辆的位置信息。车辆上的传感器可以包括但不限于车轮转速传感器、惯性测量单元(IMU)、光学传感器(例如,摄像机、LIDAR)、雷达、悬架位置传感器、陀螺仪等。以这种方式,车辆控制系统可以实现车辆的各种系统的比例控制、积分控制、微分控制、其组合(例如,PID控制)或其他控制策略。也可以考虑其他反馈或前馈控制方案,并且本公开内容不限于这方面。可以采用任何期望数量的任何合适的传感器来向一个或更多个处理器提供反馈信息。应注意,虽然本文中所描述的示例性实施方式可以参考单个处理器来描述,但可以采用任何合适数量的处理器作为车辆的一部分,因为本公开内容并不限于此。
根据本文描述的示例性实施方式,车辆的一个或更多个处理器还可以使用适当的无线或有线通信协议与局域网、广域网或互联网上的其他控制器、计算机和/或处理器通信。例如,车辆的一个或更多个处理器可以使用任何合适的协议进行无线通信,包括但不限于WiFi、GSM、GPRS、EDGE、HSPA、CDMA和UMTS。当然,可以采用任何合适的通信协议,因为本公开内容不限于此。例如,一个或更多个处理器可以与一个或更多个服务器通信,一个或更多个处理器可以从所述一个或更多个服务器访问路段信息。在一些实施方式中,一个或更多个服务器可以包括被配置成与一个或更多个车辆进行双向通信的一个或更多个服务器处理器。一个或更多个服务器可以被配置成从一个或更多个车辆接收道路纵断面信息,并且存储和/或利用该道路纵断面信息来形成路段信息。一个或更多个服务器还可以被配置成向一个或更多个车辆发送参考道路纵断面信息,使得车辆可以根据本文描述的示例性实施方式采用基于地形的定位,并且可以基于前瞻性道路纵断面信息来控制一个或更多个车辆系统或者调整一个和/或更多个车辆系统的一个或更多个参数。
在本文描述的各种实施方式中,在一些情况下,基于地形的定位的方法可以基于当车辆经过路段终点时参考道路纵断面与所测量的道路纵断面之间的互相关的峰值检测。在一些实施方式中,一旦车辆进入路段终点的阈值范围,预定长度大致等于参考道路纵断面的预定长度的所测量的道路纵断面就可以与参考道路纵断面互相关以获得0与1之间的相关性。在一些实施方式中,路段终点的阈值范围可以小于15m、10m、5m和/或任何其他适当的范围。在一些实施方式中,路段终点的阈值范围可以至少部分地基于车辆上的GNSS的分辨率。在这样的实施方式中,阈值范围可以与GNSS的分辨率大致相等(例如,相等)。
根据本文描述的示例性实施方式,一旦车辆进入路段终点的阈值范围,就可以执行所测量的道路纵断面与参考道路纵断面之间的互相关并且确定相关性。如果相关性没有超过阈值相关性,则可能无法确定车辆位置,并且基于地形的定位的处理可以随着车辆继续沿道路移动而继续。在车辆在路段终点的阈值范围内时,由于所测量的道路纵断面包括来自车辆的最近数据并且移除落在预定长度之外的最旧的数据,所以可以有效地连续地(例如,在每个时间步长处)重新确定相关性。每次确定相关性时,可以确定相关性是否超过阈值相关性。一旦在给定的时间步长处相关性超过阈值相关性,则可以确定车辆在该时间步长处位于路段终点。在一些实施方式中,可以应用峰值检测算法来确定所测量的道路纵断面与参考道路纵断面之间的相关性是否是最大相关性。在一些这样的实施方式中,可以在最近的时间步长与较早的时间步长之间确定相关性的斜率。在一些实施方式中,可以确定斜率为负的峰值,并且在相关性超过阈值相关性之后相关性减小。当然,可以应用任何合适的峰值检测函数,因为本公开内容不限于此。在一些实施方式中,阈值相关性可以大于或等于0.6、0.7、0.8、0.9和/或任何其他适当的值。在一些实施方式中,阈值相关性可以至少部分地基于路段的类型。例如,高速公路或高速道路可以具有比低速道路更大的阈值相关性,在低速道路中可能存在车辆所采取的路径的更多变化。根据该示例,在一些实施方式中,高速公路的阈值相关性可以大于或等于0.8,并且非高速公路道路的阈值相关性可以大于或等于0.5。
根据本文描述的示例性实施方式,路段信息可以存储在车辆上的一个或更多个数据库中和/或一个或更多个远程定位的服务器中。在一些实施方式中,数据库可以包含在非暂态计算机可读存储器中。在某些实施方式中,数据库可以存储在完全或部分地远离车辆定位(例如,“在云中”)的存储器中,并且数据库和车辆可以经由无线网络(例如,蜂窝网络(例如,5G、4G)、WiFi等)交换信息。可替选地,在一些实施方式中,数据库可以存储在位于车辆上的非暂态存储器中。在某些实施方式中,路段可以特定于行驶方向,使得对于“双向”道路(即,支持在相反方向上同时行驶的道路),针对每个行驶方向可以存在不同的路段集合(例如,针对在第一方向上行驶的第一路段集合以及针对在第二方向上行驶的第二不同路段集合)。
如本文使用的,道路纵断面是指根据距离的路面的任何适当的描述或表征。例如,道路纵断面可以指描述根据沿给定路段的距离的路面的高度变化的道路高度纵断面。可替选地或另外地,道路纵断面可以指路面的数学相关描述。例如,道路纵断面可以指描述根据沿着路段的距离的道路坡度的“道路坡度”纵断面。路段的道路纵断面可以例如通过以下操作来获得:在车辆穿过路段时测量车辆的一部分(例如车辆的车轮、车轮组件或簧下质量的其他部分;或者车辆的簧载质量的一部分)的竖直运动(例如加速度数据、速度数据、位置数据),并且可选地处理该数据(例如,基于运行速度将其从时间域变换到距离域、相对于时间对数据进行积分、对其进行滤波(例如,以去除轮跳效应)等)。例如,如果使用附接至车轮的加速度计测量车轮的竖直加速度,则可以通过积分获得车轮的竖直速度,并且通过进一步积分获得竖直高度。通过知道车辆的运行速度(即,车辆穿过路段的速度),可以获得相对于行驶距离的竖直高度。在一些实施方式中,进一步滤波可能是有利的。在一个示例中,通过应用陷波滤波器或低通滤波器(例如,应用于所测量的车轮的竖直加速度)以去除轮跳效应,可以从(例如,如通过测量车轮的加速度确定的)车轮的竖直高度数据获得道路高度纵断面。道路纵断面可以包含描述或表征离散路面异常(例如坑洼(或其他“负”事件)和/或隆起(或其他“正”事件))的信息。另外地或可替选地,道路纵断面可以包含关于分布式路面特性(例如道路粗糙度和/或路面摩擦)的信息。另外地或可替选地,道路纵断面可以包含关于可以测量的任何参数(例如,力、加速度、高度等)的信息,所述参数与车辆的运动和/或车辆对从道路到车辆的输入的响应有关。
根据本文描述的示例性实施方式,如果车辆在不存在参考道路纵断面数据的道路(或道路的部分)上行驶,则可以通过从附接至车辆的一个或更多个点(例如,附接至车辆的车轮、车辆的车轮组件、减震器、车辆的簧下质量的另一部分或车辆的簧载质量的一部分)的一个或更多个运动传感器(例如,加速计、位置传感器等)收集运动数据来生成参考数据(包括例如,参考道路纵断面、路面的表征、和/或不规则事件(例如,隆起或坑洼)的存在)。随后可以使用从道路或道路部分的第一次穿行收集的数据来生成参考数据,该参考数据可以存储在数据库中并且与道路或道路部分的特定路段相关联。可替选地,可以从多次车辆穿行收集数据并且将其合并(例如,使用参考数据的均值、众数和/或中值进行平均)在一起以生成参考数据。
根据本文描述的示例性实施方式,车辆的位置可以例如由绝对定位系统例如基于卫星的系统来估计或至少部分地确定。这样的系统可以用于提供例如车辆的绝对地理坐标(即,地球表面上的地理坐标,例如经度、纬度和/或海拔)。通常称为全球导航卫星系统(GNSS)的基于卫星的系统可以包括在全球或区域基础上提供定位、导航和定时(PNT)服务的卫星星座。虽然基于美国的GPS是最流行的GNSS,但是其他国家正在部署或已经部署他们自己的系统以提供互补或独立的PNT能力。这些包括例如:北斗/BDS(中国)、伽利略(欧洲)、格洛纳斯(GLONASS)(俄罗斯)、IRNSS/NavIC(印度)和QZSS(日本)。根据本文描述的示例性实施方式的系统和方法可以采用任何合适的GNSS,因为本公开内容不限于此。
根据本文描述的示例性实施方式,航位推算可以用于使用车辆的所测量的行驶路径和/或从已知位置的位移来确定在车辆的最后已知位置之后的时间点处的车辆的位置。例如,可以使用行驶的距离和方向来确定从车辆的已知位置开始行驶的路径,以确定车辆的当前位置。可以用于确定在车辆的最后已知位置之后的车辆的位置变化的适当输入可以包括但不限于惯性测量单元(IMU)、加速度计、转向系统上的传感器、车轮角度传感器、不同时间点之间的所测量的GNSS位置的相对偏移和/或可以用于确定车辆在路面上相对于车辆的先前已知位置的相对运动的任何其他适当传感器和/或输入。该航位推算的一般描述可以与本文所述的任何实施方式一起使用以与本文所公开的方法和/或系统一起使用来确定车辆的位置。
在一些情况下,对于每个行驶方向,道路可以包括多于一个的轨道(例如,车道),并且对于每个轨道,道路纵断面可能不同。在参考数据库中可能不知道在道路或路段中有多少轨道(例如,车道),这可能导致在生成道路或道路部分的参考数据时遇到困难。例如,如果给定道路的参考道路纵断面由在多车道道路的最左车道中行驶的车辆生成,则随后使用所述参考道路纵断面来定位在最右车道中行驶的车辆的尝试可能由于最左车道与最右车道之间的路面差异而失败。因此,既知道道路具有多少轨道,又知道车辆正在哪个轨道中行驶,这对于生成参考道路纵断面、后续定位以及使用信息来控制车辆和/或一个或更多个车辆系统而言都是期望的。确定道路纵断面的轨道的先前尝试已经提出了计算挑战,例如用于多车道使用的道路纵断面的数据存储(例如,车道改变),这对于发生在单车道中的路段的大多数车辆穿行是无用的。
鉴于上述内容,发明人已经认识到其中多个路面纵断面可以与单个路段相关联的路段组织结构的益处。路段结构以数据较少和计算密集程度较低的方式允许多个道路纵断面与路段相关联。另外,发明人已经认识到采用基于阈值的方法来对可能与道路轨道相关联的道路纵断面进行收集和存储的路段组织结构的益处。特别地,发明人已经意识到,在达到足够大数量的存储的道路纵断面之前,对道路纵断面进行聚类和/或合并可能导致不准确的道路纵断面信息。
在一些实施方式中,识别路段的道路纵断面的轨道(例如,车道)的方法包括:在车辆穿过该路段时使用如本文中所公开的任何适当车载传感器来测量该路段的道路纵断面(例如,采用根据本文中所描述的示例性实施方式的车辆)。每当车辆穿过路段时,所测量的道路纵断面可以被传送到服务器,使得多个车辆可以将多个所测量的道路纵断面传送到服务器。该方法还可以包括确定所存储的道路纵断面的数量是否超过道路纵断面的阈值数量。可以预先确定道路纵断面的阈值数量,以允许在数据操作之前收集足够数量的道路纵断面。在一些情况下,道路纵断面的阈值数量可以基于路段的类型。例如,高速道路例如高速公路可以具有较大阈值数量的道路纵断面,因为高速公路通常包括比低速道路更多的车道。在一些实施方式中,道路纵断面的阈值数量可以在2至64个道路纵断面之间、在8至12个道路纵断面之间和/或任何其他合适的数量。如果服务器从车辆接收到道路纵断面并且没有超过所存储的道路纵断面的阈值数量,则可以存储接收到的所测量的道路纵断面并且使其与路段相关联。然而,如果接收到的所测量的道路纵断面超过道路纵断面的阈值数量,则该方法可以包括识别所测量的道路纵断面和所存储的道路纵断面中最相似的两个道路纵断面。可以基于对每对道路纵断面执行的互相关函数并且对所得到的相似度值进行比较来识别最相似的两个道路纵断面。如果两个最相似的道路纵断面的相似度超过预定的相似度阈值,则可以将两个最相似的道路纵断面合并为合并的道路纵断面。如果两个最相似的纵断面的相似度没有超过相似度阈值,则可以丢弃最旧的道路纵断面,并且存储新测量的道路纵断面。以这种方式,相似的道路纵断面可以由服务器保留,而无关的道路纵断面将最终被移除。随着相似的道路纵断面被合并,关于多少道路纵断面已被合并成单个合并的纵断面的信息可以被保存为元数据,其中单个合并的纵断面中的更多数量的道路纵断面表示路段的轨道(例如,车道)。
在一些实施方式中,相似度可以是作为互相关函数的输出的在0与1之间的值。在一些实施方式中,用于合并道路纵断面的相似度阈值可以大于或等于0.6、0.7、0.8、0.9和/或任何其他适当的值。在一些实施方式中,相似度阈值可以至少部分地基于路段的类型。例如,高速公路或高速道路可以具有比低速道路更大的阈值相关性,在低速道路中可能存在车辆所采取的路径的更多变化。根据该示例,在一些实施方式中,高速公路的阈值相关性可以大于或等于0.8,并且非高速公路道路的阈值相关性可以大于或等于0.5。
在一些实施方式中,如果道路纵断面集合包括足够大数量的道路纵断面(例如,超过阈值数量的道路纵断面),则对该道路纵断面集合进行相关聚类算法。许多适当的相关聚类算法在本领域中是已知的,包括例如层次聚类方法或划分聚类方法(例如,k-均值聚类、c-均值聚类、主成分分析、层次凝聚聚类、分裂聚类、贝叶斯聚类、谱聚类、基于密度的聚类等)。在相关聚类过程之后,可以将该道路纵断面集合划分为一个或更多个聚类,其中包含在给定聚类内的每个道路纵断面基本上类似于包含在给定聚类内的每个其他道路纵断面。例如,可以将路段中的道路纵断面集合划分为至少第一道路纵断面聚类和第二道路纵断面聚类,其中第一聚类中的每个道路纵断面基本上类似于第一聚类中的每个其他道路纵断面,并且第二聚类中的每个道路纵断面基本上类似于第二聚类中的每个其他道路纵断面。在一些实施方式中,如使用包括例如本文所述的互相关函数的任何适当的比较方法确定的,与其他聚类中的道路纵断面相比,每个聚类中的多个道路纵断面的相似性可以更类似于相同道路纵断面中的其他道路纵断面。在某些实施方式中,每个聚类可以被视为对应于道路、路段的轨道(例如,车道)或路段。在某些实施方式中,给定聚类内的所有道路纵断面可以被合并(例如,平均),以便获得单个合并轨道的道路纵断面。该合并的道路纵断面可以用作路段内的给定轨道的参考道路纵断面(例如,用于未来的基于地形的车辆定位或未来的车辆预览控制(例如,基于即将到来的道路特征的知识来控制一个或更多个车辆系统)),并且可以存储在数据库中并与路段中的特定轨道相关联。可以对每个识别的聚类执行该合并。在某些实施方式中,可以(例如,在针对给定路段收集了一定数量的新道路纵断面之后)周期性地重复聚类算法。可替选地,可以在收集了每个新道路纵断面之后重复聚类算法,以确定新纵断面属于哪个聚类。
在一些实施方式中,不是将每个聚类视为对应于轨道,而是仅将道路纵断面的数量超过道路纵断面的阈值数量的聚类视为对应于轨道。轨道表示车辆在穿过路段时所采取的路径。例如,具有单个道路纵断面或小于道路纵断面的阈值数量的少量纵断面的聚类可以被认为是离群值,而不是单独的轨道。例如,当车辆在穿过路段时经历非典型事件(例如,车辆可能在路段内改变车道,或者可能穿过道路上通常不存在的一些临时碎片或垃圾)时,可能出现离群值。在某些实施方式中,可以在一些时间量之后删除被认为是离群值的道路纵断面,以便节省空间、不引起混乱或出于其他适当的原因。
根据本文描述的示例性实施方式,可以将一个或更多个道路纵断面合并成合并的道路纵断面。在一些实施方式中,合并两个或更多个道路纵断面可以包括对两个或更多个纵断面求平均。在一些实施方式中,合并两个或更多个道路纵断面可以包括考虑在所测量的道路纵断面中提供的信息有效的频率范围。在一些情况下,两个或更多个所测量的道路纵断面可以具有交叠但不相同的有效频率范围。在这样的情况下,交叠部分可以被平均,而不交叠部分可以保持不变。从多个交叠但不相同的所测量的道路纵断面创建的参考纵断面可以具有比单个所测量的道路纵断面更宽的有效频率范围。根据这样的实施方式,可以将具有不同质量和频率的传感器合并到合并的纵断面中,而不使合并的道路纵断面失真,因为可以对来自每个所测量的纵断面的最有用的数据进行组合。
当然,可以采用用于合并两个或更多个道路纵断面的任何合适的技术,因为本公开内容不限于此。
在一些实施方式中,连续路段的轨道可以在数据库中被链接。这些链接可以形成示出如何访问连续路段上的轨道的有向图。例如,给定道路可以包括第一路段和第二路段,其中第一路段和第二路段是连续的。如果确定第一路段包含两条轨道(在一些实施方式中,轨道可以对应于道路上的物理车道)并且第二路段包含两条轨道,则第一路段的每条轨道可以在数据库中链接到第二路段中的相应轨道。该“轨道链接”可以基于历史趋势来执行——例如,如果观察到大多数车辆或其他适当阈值的车辆从第一路段中的一条轨道(即第一道路纵断面)行驶到第二路段中的对应轨道(即第二道路纵断面),则这些轨道可以在包含各个路段的道路纵断面的数据库中链接在一起。例如,如果车辆优选地从第一路段中的“轨道1”行驶到第二路段中的“轨道1”,则第一路段的轨道1可以链接到第二路段中的轨道1。这些链接可以用于预测行驶,使得如果车辆在给定时间处被定位到第一路段中的“轨道1”,则可以假定车辆可能继续到第二路段中的“轨道1”。因此,车辆可以使用轨道识别来针对即将到来的道路纵断面准备和/或控制一个或更多个车辆系统。
在一些实施方式中,根据本文描述的示例性实施方式,道路纵断面可以包括关于车辆穿行的附加信息以帮助进行聚类和/或车道识别。例如,在一些实施方式中,道路纵断面可以包括平均速度,该平均速度可以通过在测量用于确定道路纵断面的各种所测量的纵断面时对穿过路段的车辆的速度进行平均来确定。根据这样的示例,平均速度可以有助于进行车道识别和聚类,因为车道的平均速度可能不同。例如,在美国,最右车道可能具有最低的平均速度,而最左车道具有最高的平均速度。因此,具有较低平均速度的第一轨道可以与最右车道相关联,并且具有较高平均速度的第二轨道可以与道路的最左车道相关联。当然,可以收集和采用任何合适的信息来识别路段的车道,因为本公开内容不限于此。
如本文所使用的,术语“位置”可以指以绝对坐标表示的车辆的位置,或者它可以指车辆沿道路的位置。车辆的位置可以表示为相对于道路的某些特征的距离(例如,表示为相对于道路起点的距离、相对于某些交叉路口的距离、相对于位于道路上的某些特征的距离等)。
应当理解,虽然在下面的实施方式中描述了用于测量道路纵断面的特定类型的传感器,但是可以使用能够测量路面的高度变化或与路面的高度变化相关的其他参数(例如,当车辆穿过路面时车辆的一个或更多个部分的加速度)的任何适当类型的传感器,因为本公开内容不限于此。例如,惯性测量单元(IMU)、加速计、光学传感器(例如,摄像机、LIDAR)、雷达、悬架位置传感器、陀螺仪和/或任何其他适当类型的传感器可以在本文中所公开的各种实施方式中使用以测量车辆穿过的路段的路面纵断面,因为本公开内容并不限于此方式。
如本文所使用的,平均值可以指与本文描述的各种实施方式相关联的参数、道路纵断面或其他特性中的任何一起使用的任何适当类型的平均值。这可以包括平均值例如均值、众数和/或中位数。然而,应了解,归一化、平滑、滤波、插值和/或任何其他适当类型的数据操作的任何适当组合可以在求平均之前应用于待求平均的数据,因为本公开内容不限于此方式。
如本文所使用的,道路纵断面可以对应于“轨道”或“车道”,并且在一些情况下,这些术语可以互换使用。如本文所使用的,“轨道”可以是一个或更多个车辆穿过路段所采取的路径。在一些实施方式中,“聚类”对应于“轨道”和/或“车道”。在一些实施方式中,“轨道”对应于道路上的物理“车道”。在其他实施方式中,“轨道”不对应于道路上的物理“车道”。
在本文公开的各种实施方式中,可以对获得特定形式的数据进行参照,所述数据包括例如道路纵断面、路面信息、道路事件数据、道路状况数据、天气信息、车辆信息等。应当理解,获得期望的数据可以对应于可以获得数据的任何适当的方式。例如,这可以包括:调用先前存储在非暂态计算机可读介质中的数据;从一个或更多个相关联的传感器或系统接收实时测量信号;从远程定位的服务器、车辆或其他系统接收传输;和/或获得期望数据的任何其他适当的方法,因为本公开内容不限于这种方式。
在本文描述的各种实施方式中,可以对输出特定参数、指示或其他适当类型的信息进行参照。应当理解,输出可以指指示信息的任何适当类型的输出,所述输出包括例如:使用显示系统向用户输出信息;将信息存储在非暂态计算机可读介质中;将信息传输至另一计算装置,例如远程定位的车辆和/或服务器;向另一系统和/或计算模块提供信息以供后续使用;和/或输出信息的任何其他适当的方法,因为本公开内容不限于这种方式。
转向附图,进一步详细地描述了具体的非限制性实施方式。应当理解,相对于这些实施方式描述的各种系统、部件、特征和方法可以单独地和/或以任何期望的组合来使用,因为本公开内容不限于仅本文描述的特定实施方式。
用于车辆系统的基于地形的洞察
参照图1,示出了包括高级驾驶员辅助系统(ADAS)的系统100,该系统被配置成根据基于地形的洞察进行操作。车辆102被配置成(例如,使用一个或更多个传感器(例如,车轮加速度计、车身加速度计、IMU等))收集(104)道路数据,并且使用一个或更多个微处理器基于该道路数据来确定道路纵断面108。车辆102还被配置成向云计算系统106发送道路纵断面信息,所述云计算系统106可以包括云数据库。在一些情况下,将道路数据或道路数据的某些改编发送至云计算系统,并且在云计算系统处确定道路纵断面。车辆102还被配置成将车辆信息110发送至云计算系统106。车辆信息110可以包括车辆102的GPS定位。例如,车辆信息110可以包括车辆的品牌、车辆的型号、车辆的类型(例如,跑车、轿车、SUV、敞蓬小型载货卡车等)、关于车辆的装备的信息(例如,传感器位置、传感器细节等)、车辆的驾驶类型(例如,自主、半自主、人工驾驶等)、估计的轮胎类型、估计的轮胎磨损状况等。车辆信息100还可以包括例如关于车辆的驾驶员的信息(例如,驾驶员概况、平均反应时间等)。
云计算系统106接收(112)道路纵断面108和至少一条车辆信息110。基于接收到的道路纵断面108、车辆信息110和云数据库信息114,云计算系统106确定(116)车辆102的精确位置。在一些实现方式中,接收步骤112可以不发生,并且可以将数据库信息114发送至车辆,其中可以在该车辆处本地发生确定步骤116。在一些实现方式中,可以在之前的时间本地存储整个数据库或数据库的一部分,并且可以完全在本地执行此处所描述的处理,而不需要连接至云,直到期望更多的最新信息。数据库信息114可以包括所存储的来自由车辆102或其他车辆在路段上执行的先前驾驶的道路纵断面。确定车辆的精确位置可以包括使用接收到的道路纵断面108和由云计算系统106接收到的车辆102的GPS定位来将接收到的道路纵断面108与来自云数据库的存储的道路纵断面进行匹配。如本文中所使用的,术语“精确位置”是指在1米以内和/或比典型的GPS或其他GNSS系统更精确(例如精确一个或更多个数量级)的位置准确度。由车辆102接收(118)该精确位置。
云计算系统106被配置成使用道路纵断面108和车辆信息110来确定(120)用于穿过即将到来的路段的至少一部分、即将到来的道路事件等的建议的车辆操作参数。可以在云计算系统106中使用来自先前在即将到来的路段上驾驶的其他车辆(或者来自当前车辆对即将到来的路段的先前穿行)的先前的道路数据(例如,道路状况信息、道路事件信息等)来计算(120)建议的车辆操作参数,所述先前的道路数据可以包含在数据库信息114中。在一些实现方式中,云计算系统可以本地存储在车辆中,并且可以仅偶尔地连接到远程服务器或根本不连接到远程服务器。云计算系统106可以向车辆102发送(122)建议的车辆操作参数。在接收到(124)建议的车辆操作参数后,车辆102可以(例如,通过在车辆中的屏幕、平视显示器上呈现图形,经由可听声音,经由触觉反馈等)启动(126)驾驶员警报和/或启动车辆行为的改变。在一些实现方式中,启动车辆行为的改变可以包括例如在车辆的自主驾驶控制器处启动命令以改变车辆的速度。在一些实现方式中,启动车辆行为的改变可以包括启动制动命令以使车辆减速或对到推进发动机或ICE马达的功率进行限制。
基于定位置信度的不同消耗算法或增益
通常,位置识别依赖于系统按照预期运转,依赖于具有到系统的输入的传感器按照预期工作,并且依赖于规定的预期传感器输出是正确的。与上述这些的任何偏差可能导致较差的位置识别,其特征是例如实际输出与预期输出之间的较差相关性,或者是对沿着路径所预期的单个信标或事件的较差识别。在典型的系统中,位置识别的质量将确定沿着路径的准确位置,或失败的位置识别。
本文所描述的是用于识别系统沿着路径的位置的方法,该位置用于确定系统的即将到来的期望运动和用于被配置成执行所期望的运动的致动器集合的命令。在一些实现方式中,系统可以是例如机械臂、道路车辆、自主道路车辆等。该致动器集合可以是例如可变阻尼器系统、主动悬架系统、主动侧倾稳定器系统、后转向系统、机械臂的致动器等。识别系统沿着路径的位置需要将在当前时间获取的传感器输出与提前预测的传感器输出或者来自系统模型的传感器输出进行匹配,所述提前预测的传感器输出来自先前的路径穿行,或者来自另一系统在先前时间的路径穿行。知道系统当前沿着路径在何处使得系统能够继续遵循其预期命令,例如,针对沿着道路的给定位置的半主动悬架系统中的命令阻尼力,或者针对主动悬架系统或机械臂的命令轨迹。
参照图2,系统6000通过确定(6002)车辆的位置来执行位置识别。本文描述的系统6000限定用于位置识别的质量度量,例如,使用预期输出与实际输出之间的相关值,或者使用识别的事件的数量与预期事件的总数的比率(其中例如,事件可以是特定道路标记例如坑洼、减速带等),或者与来自道路的子部分的预期数据的匹配,或者对特定标记例如来自发射器的声音或光的识别,或者对摄像机馈送中的特定特征的识别等。使用性能度量,可以限定质量度量的上限和下限。
上限限定了高于其则路径识别被称为良好的度量水平,并且下限限定了低于其则路径识别被称为不良的度量水平。系统6000确定(6004)质量度量的值。如果系统确定质量度量的值在下限处或低于下限(6010),则系统可以不继续命令该致动器集合(6016),因为系统可能不具有其位置的准确认知,并且因此不能预测要提供的正确的未来命令。如果系统确定质量度量的值在质量度量的上限处或高于质量度量的上限(6006),则系统可以应用其完整的预期命令(6012)以实现期望的性能。如果系统确定质量度量的值在上限与下限之间(6008),则系统可以发送如下命令,该命令是通过映射到路径识别度量的值的数字来被缩放的完整输入命令的缩放版本(6014)。例如,映射可以是从0到1的线性缩放、将缩放因子与度量关联的查找表、二次或非线性缩放、或一个与另一个之间的任何其他直接关系。
该方法可以应用于其中命令的输入在基线状态上产生单调改进的系统,但可以不应用于其中主函数与输入不单调的系统。例如,使用路径预测来映射自主车辆的主转向命令可能没有意义,因为如果车辆不知道其位置,车辆就不能仅“不转向”并且甚至仍然达到基线水平的性能。然而,发明人已经认识到,可能有利的是:使用反馈系统例如摄像机、LiDAR和/或其他传感器来使车辆转向,以及使用预测路径来校正转向并使得车辆能够例如通过开始转弯变宽、向里转弯直到转弯顶点并且然后释放回道路的外侧来提高轨迹的平滑度。
在这种情况下,如果位置未被识别,则不应用校正,例如,在给定位置中的第一次驾驶时,车辆将仅使用其反馈传感器来提供可接受但可能低于标准的性能。在很好地识别了位置的情况下,车辆接收完整校正命令并达到最佳性能;在实现了由上限与下限之间的路径识别度量的值所指示的部分识别的情况下,则应用部分校正命令,从而在位置正确的情况下实现比基线更好但是比最佳性能差的性能,但是即使在位置仅部分正确或者自创建预测路径以来道路已经有些变化的情况下也可以实现仍可接受的性能。
使用主动控制的空气悬架控制
空气悬架系统通常具有较慢的响应时间(通常最高达10秒来提升车辆),并且因此可能需要预先警告期望的运动以用于空气悬架系统在足够的时间内进行响应以使其有效。发明人已经认识到,使用众包路线图连同基于地形的定位是在所需的时间尺度上提供该功能的最佳方式,因为其他基于车辆的传感器不能够预览车辆前方足够远的地方以使得空气悬架系统能够有足够的时间进行响应。
发明人已经认识到,包括但不限于道路分类、道路纵断面和/或道路事件的众包路面信息可以用于修改用于空气悬架系统尤其是多腔室空气悬架的控制策略。在一些实现方式中,利用道路前方可能出现的大型事件(例如,路缘石、坡度变化、减速带、坑洼等)的知识,多腔室空气悬架可以用于策略性地变硬或变软以使得车辆能够根据需要升高或降低以穿过事件。在一些实现方式中,使用道路特性或类型的知识,例如一阶平顺性内容的量的知识,可以确定空气悬架系统的最佳设置。在一些实现方式中,使用道路类型和/或道路特性的知识,例如存在多少一阶平顺性内容,可以确定最佳乘坐高度,并且可以预先升高或降低车辆。对空气悬架系统的这种类型的控制可以使得能够进行更节能高效的操作,因为车辆可以在不损害乘坐质量的情况下尽可能低地操作。
利用特定车辆尚未穿过但已经由穿过同一路段的其他车辆经历并绘制的特定道路事件的知识,可以预先确定和设置最佳乘坐高度,甚至使得能够缓慢升高空气悬架以提供益处。这样的最佳乘坐高度确定可以应用于例如车道入口、减速带和/或大型道路事件以及用于运输车队车辆的装载平台的最佳高度。
虽然可以执行事件的地理标记(例如,基于GPS数据)以控制空气悬架系统,但是可能需要识别和表征事件以提供超出一些简单事件(如车主车道)的规模的控制。
基于一般道路特性修改乘坐高度还允许通常较低的乘坐高度,特别是在降低乘坐高度的空气动力学效应在燃料效率中起重要作用的较高的行驶速度下。具有空气悬架的车辆可以被配置成在较高的速度(例如,高于50mph)下降低车辆,但是由于在过多地减少车轮行程的情况下可能导致舒适性显著降低的未知的道路特性,通常不能够如其希望的那样积极地做到这一点。
参照图3,示出了用于控制车辆的空气悬架系统的处理7300。该处理包括使用基于地形的定位系统来确定(7302)车辆在当前路段上的位置。基于地形的定位系统可以包括将当前路段的道路纵断面与存储在数据库中的候选路段集合(该候选道路纵断面集合可以基于经由GPS确定的车辆的一般位置)进行比较。基于所确定的位置,可以获得关于当前路段和可能即将到来的路段的信息。
处理7300还包括获得(7304)包括即将到来的路段的道路特性、道路事件或道路纵断面中的至少一个的道路信息。道路事件、道路特性和/或道路纵断面可以被众包、表征和绘制,并且存储在云数据库中。可以基于从穿过路段的车辆接收到的数据连续地更新云数据库,该路段的信息存存储在数据库中。
处理7300还包括基于道路信息计算(7306)用于沿着即将到来的路段行驶的空气悬架的最佳状态,其中,空气悬架的最佳状态包括最佳乘坐高度或最佳硬度设置中的至少一个。用于控制空气悬架系统的消耗算法可以考虑车辆类型(例如,跑车、轿车、SUV等)和特性(例如,离地间隙等)、悬架类型和特性以及驾驶速度以根据这些信息适当地行动。可以基于即将到来的道路事件和空气悬架升高和/或降低车辆所需的调整时间来确定空气悬架的高度分布(即,随时间变化的高度设置)。可以基于即将到来的道路事件、空气动力学和乘坐舒适性来确定高度分布。可以类似地确定空气悬架的硬度分布(即,随时间变化的硬度设置)。还可以基于可以调节空气悬架系统的速度(即,空气悬架系统可能不能够足够快地移动以在t2与t1之间的时间差内从第一设置(在时间t1处的最佳状态)移动到第二设置(在时间t2处的最佳状态))来确定高度分布和/或硬度分布。
处理7300还包括启动(7308)命令以将空气悬架系统设置在用于穿过即将到来的道路事件的最佳状态。可以鉴于用于将空气悬架系统移动到所确定的最佳状态所需的调整时间来启动该命令。
用于改进的事件消耗的转向检测
在消耗基于地形的数据并根据这样的基于地形的数据实现用于一个或更多个车辆系统的命令策略时,在基于地形的数据指示车辆应当经历路面事件(例如,坑洼、减速带等)的情况下缺失该路面事件可能导致车辆系统的意想不到且潜在不舒服的性能。
本发明人已经认识到,用于基于地形的定位和控制系统的转向检测器可以被设计成在车辆以如下方式操纵的情况下抑制事件消耗:车辆可能不太可能碰到如果不执行转向操纵则预期在路面上要碰到的事件。
在驾驶时,基于地形的定位和控制系统被配置成向车辆致动器(例如,半主动致动器、主动悬架致动器等)提供关于即将到来的事件(例如,坑洼、减速带等)的信息,使得致动器控制系统可以以改善该事件的体验(例如,乘客舒适性、车辆耐久性、车辆性能、安全性等)的方式进行反应。如果在普通平坦道路上执行某些特定于事件的控制算法,则可能降低乘坐舒适性,例如,坑洼缓解算法可能使半主动阻尼器变硬。如果车辆使用坑洼缓解算法操作并且碰到坑洼,则可以在经历预期坑洼时实现最佳性能。然而,如果车辆没有碰到该事件(例如,车辆避开了坑洼),则乘坐舒适性可能比控制系统不执行坑洼缓解的情况下更差。
转向检测器可以使用IMU和GPS来确定车辆的航向和/或路径是否偏离在该路段上行驶的先前车辆的航向。在偏差持续存在的情况下,基于地形的定位系统可以抑制关于即将到来的事件的信息,使得在车辆不太可能经历事件的情况下不会错误地触发事件算法。转向检测器可以使用IMU(或另一适当的传感器)来寻找较大的、意想不到的横向加速度以确定是否正在发生转向行为。
参照图4,图表7400示出了根据路段的多次穿行(例如,跟踪车辆航向的轨迹7404、7406)对车辆航向的估计。黑色虚线7402是所有轨迹的平均值。轨迹7406中的大多数表示在车辆正好在沿着路段行驶了400m的距离之后碰到坑洼的情况下的驾驶。异常轨迹7406表示其中车辆转向以避开坑洼的驾驶。
在一些实现方式中,如本文中描述的转向检测器可以使用实时航向估计来检测车辆的航向(例如,由轨迹7404、7406之一表示)何时偏离平均航向(即,黑色虚线7402)。黑色实线7408是从包括关于该路段的信息的地图数据库收集的路段的航向。通常,这示出地图数据库几何形状不够准确或分辨率不够高而不足以提供信息来检测转向。转向检测器使得能够在消耗关于检测到的事件的信息的情况下避免错误肯定。通过在车辆转向时不提供“肯定”,可以提高消耗的准确率。
参照图5,流程图7450描绘了确定车辆的转向行为的方法。该方法包括获得(7452)源自路段的先前驾驶的历史航向数据;确定(7454)穿过该路段的当前车辆的当前航向;将当前航向与历史航向数据进行比较(7456);确定(7458)正在发生转向行为;以及基于检测到的转向行为来改变(7460)当前车辆的一个或更多个操作参数。
使用基于地形的定位来改进包括行程结束控制的行程管理
发明人已经认识到,考虑到车辆系统直接或间接地受到道路输入的影响,可以在这些车辆系统中使用行程管理改进(主动和被动)以用于运动控制。这样的车辆系统可以包括例如影响z方向运动的车辆系统,包括车辆悬架系统(例如,主动悬架系统、半主动悬架系统和空气弹簧悬架系统等)、主动侧倾控制系统和/或主动座椅悬架系统(例如,主动座椅系统等)。
行程管理改进是通过预测信息主动地以期望的运动为目标以反馈到系统的控制中。可以使用两种主要的控制方法。第一种控制方法是防止行程限制元件(例如端部止动件和/或辅助弹簧)的接合。第二种控制方法是,如果行程限制元件将接合或被选择为要接合,则使反应比不受控制的接合更理想。例如,基于情况,行程限制元件的接合可以更平稳、更突然等。
参照图6,在情况7600中,车辆7602在包括大型道路事件7604的路面7616上行驶。车辆7602包括悬架系统7606,该悬架系统7606包括悬架致动器7608和两个被动悬架元件7610和7612。悬架致动器7608可以是主动悬架致动器,并且被动悬架元件可以是端部止动件、辅助弹簧和/或其他行程限制元件。悬架致动器7608具有行程范围R1(具有最大向上行程M1和最大向下行程M2),并且被动悬架元件7610、7612分别具有行程范围R2和R3。悬架致动器可以在接合被动悬架元件7610或7612之前分别向上移动距离D1以及向下移动距离D2。注意,图6显示高度比道路高的事件。同样的原理也适用于更低的事件。道路状况可以出现在车辆的一侧(一个车轮)或两侧,并且还可以相反(从左到右、低和高)。
根据静止的当前行驶位置7614(其可以表示车辆的乘坐高度),可以控制悬架致动器7608在其行程范围R1内移动。通过使用利用即将到来的道路纵断面信息的预测性的基于地形的定位系统,致动器控制器可以鉴于即将到来的道路事件(例如,道路事件7604)启动致动器控制命令。例如,在一个实现方式中,当车辆7602接近道路事件7604时,致动器控制器可以启动降低车辆(例如,将致动器7608从当前位置7614向下移动到范围D2中)以使得致动器7608能够在撞击被动元件7610之前具有更大的行程空间。在另一实现方式中,致动器控制器可以抢占性地将致动器7608移动到范围R2中,使得被动元件7610在撞击事件之前接合。在另一实现方式中,致动器控制器可以将致动器7608向上移动到范围D1中,以使得能够在碰到道路事件7604的初始撞击之后发生更多的向下行程。由致动器控制器启动的致动器命令可以基于道路信息、车辆信息来确定,并且针对舒适性、燃料经济性、车辆耐久性等被优化。
利用道路上的预测信息(例如,路面信息、道路事件等)和装置的行为,可以确定悬架系统的健康和功能状态并启动适当的动作(例如,用于诊断目的和/或自适应)。利用道路的预测信息,还可以更频繁且更精确地将车辆降至地面,同时防止对车辆的底盘损坏(因为系统提前知道路面上不应当存在将会损坏车辆的有害事件)。因为降低了驾驶期间的空气阻力,所以这使得车辆能够在减少燃料消耗和/或提高续航里程(例如,针对电动车辆)方面取得收益。改进的行程管理系统被配置成基于道路信息自动降低和升高车辆,并且因此将花费更多的总时间定位在节能高效状态。
附加地或可替选地,行程管理改进还可以用于如下应用,例如诸如可以受益于由于道路输入和产生的振动而导致的操作状态的改变的系统。例如,因为前方有颠簸路段,并且在穿过颠簸路段期间CD读取可能无法正常工作,因此CD播放器可能会在一段时间内停止播放或缓冲。
在一些实现方式中,可以主动地改变悬架装置(例如,悬架致动器)的位置以使得能够在即将到来的事件期间行驶,使得悬架装置在事件行驶期间不会超出行程。
在一些实现方式中,可以主动改变控制设置以允许改变的调节设置以防止采用“超行程”算法(例如,“较高阻尼的控制模式”)。该控制变化还可以被动地完成,例如,在已经碰到道路事件的情况下,但是在这种情况下,对抗反应的策略正在移向更期望的设置。
在一些实现方式中,在系统知道对即将到来的事件的响应将需要比悬架装置的可用行程更多的行程的情况下,可以主动改变控制设置以允许改变的调节设置以使行程结束事件更受控制,例如以向车辆的一个或更多个乘客提供更期望的体验(例如,增加针对后座乘客的舒适度;甚至观察车辆后部的左侧或右侧)。
在一些实现方式中,行程管理改进可以通过使用控制来提供被动元件、阻尼元件或附加反作用力源(例如,额外弹簧)的更有效使用。在一些实现方式中,可以修改悬架系统以移除某些被动元件,因为控制系统现在能够在被动元件不存在于系统中的情况下模仿被动元件的行为。例如,控制系统可以更快(即,不需要等待系统做出反应)。
参照图7,流程图7650描绘了对车辆的悬架系统的致动器的行程进行控制的方法。该方法包括:从基于地形的定位系统获得(7652)车辆正在行驶的路段的道路信息;获得(7654)悬架系统的被动悬架元件参数;确定(7656)悬架系统的致动器的位置;基于道路信息、被动悬架元件参数和致动器的位置来确定(7658)用于穿过所述路段的致动器的最佳位置;以及由致动器控制器启动(7660)一个或更多个致动器命令,以在车辆穿过该路段时将致动器定位在最佳位置。
道路纵断面创建技术
通常,以不同速度和使用不同传感器集合获取的道路纵断面数据不能容易地被混合,并且不能容易地与新的数据集进行比较。在由于车辆差异很大而通常不使用完全相同的传感器集合以完全相同的速度执行沿着路段的驾驶的情况下,该缺点使得道路纵断面数据库的创建和更新变得困难。
发明人已经认识到,通过组合来自不同车辆、不同传感器集合和/或不同驾驶速度的多个数据采集,可以从车辆集合中的传感器数据中创建混合道路纵断面。发明人已经认识到,通过考虑针对每个数据集的高保真度范围,在空间频率域中对其进行混合是可能的并且是有益的。
参照图8,示出了将多个数据集混合成单个道路纵断面估计的方法7500。该方法包括获得(7502)表示路段的道路纵断面估计的多个数据集。可以由不同的车辆、以不同速度操作的同一车辆和/或由不同的传感器集合收集多个数据集。所使用的每个传感器集合可以具有可能降低车辆所穿过的路段的估计道路纵断面的有效性的某些特性。例如,道路扫描激光传感器可以提供具有相对低的空间分辨率并且由于其不能测量绝对运动而通常不具有低频准确度的准确的道路纵断面。包括道路扫描激光器和道路扫描仪底座(例如,其安装到的车身)的运动的惯性测量的系统可以提供更好的低频跟踪。GPS单元的添加可以针对非常低的频率提供更好的参考测量。作为另一示例,在典型的车辆中,单个车轮加速度计可以提供在大约1Hz与大约10Hz之间的对在车辆一侧的道路内容的较好估计,因为车轮通常将沿着道路进行正常驾驶,并且低于通常在12Hz到15Hz左右的轮胎上的簧下质量的固有频率(“轮胎跳动”)。悬架位置传感器和车身加速度计或车身安装的IMU的添加可以将估计的有效性扩展到0.5Hz以下。除了车身加速度计或车身安装的IMU之外,或者替代车身加速度计或车身安装的IMU,可以使用感测刚性车身的运动的任何合适的车身安装的传感器。在轮毂中添加力传感器可以将道路估计的有效性扩展到12Hz以上。在给定的行驶速度下,每个时间频率范围转换为空间频率。这意味着,即使给定例如具有1Hz与10Hz之间的良好保真度的特定传感器集合,所得到的道路内容的空间映射也可能仅在与除以车辆行驶速度的频率对应的空间频率下有效,例如,在1m/s下并具有1Hz到10Hz的有效范围,高保真数据的空间频率将与1m到1/10m的波长对应,同时在5m/s的驾驶速度下,相同的传感器集合将提供在5m与1/2m波长之间的高保真数据。
例如,高频数据采集可以每1/100秒或1/1000秒提供一个点,而低频数据采集可以每1秒或每1/10秒提供一个数据点。这可能导致这样的可用数据的空间分辨率:该空间分辨率可能根据行驶速度而变化,即使针对同一传感器集合和数据采集也是如此,但是在不同的数据采集集合之间尤其可变。
本公开内容提供了用于使用多个车辆传感器集合和多个数据采集集合将这些不同的测量组合到单个测量中以有效地创建良好的道路纵断面和/或创建对真实道路纵断面的更好估计的方法。本公开内容还使得能够在多个行驶速度下采集数据。该方法还使得能够通过仅在不同速度下行驶同一道路,即使利用仅单个传感器集合也能获取更精确的数据。
将以给定的传感器集合和行驶速度通过每次运行获取的数据确定(7504)为仅在与传感器集合的声明有效范围(以1/s或Hz为单位)与驾驶速度(以m/s为单位)的比率一致的空间频率范围内有效。基于有效的空间频率范围,可以在空间频率域中将多个数据集混合(7506)到单个道路纵断面估计中。锐截止滤波器(sharp filter)例如矩形滤波器(还可以被称为刀口滤波器(knife-edge filter))以因果方式应用于数据集,以在不引入任何相位延迟的情况下去除有效范围之外的空间频率内容,并且以针对道路纵断面预定义的空间频率值(例如在0.01[1/m]与100[1/m]之间的点的线性间隔,或在这些空间频率之间的点的对数间隔)来对由此获取的数据进行插值。然后,通过已知的平均方法例如通过添加频率内容并除以该频率值处的点数,将数据平均为针对该路段的现有数据。可以将单个道路纵断面估计存储(7508)在数据库(例如包括许多不同路段的道路纵断面估计的云数据库)中。
针对每个路段将数据解析为空间频率还使得能够混合不同的数据采集速率,同时考虑到以较低速率采集的数据将具有受该较低速率影响的最大有效频率这一事实。例如,在每秒1个点的数据速率和5m/s的行驶速度下,可以仅以每5米1个数据点的速率获取数据,并且因此可以仅解析大于10m(对应于1/10[1/m]的空间频率)的空间波。考虑到这一点,使得能够将不同的数据集适当地混合成一个有结合力的数据集合。
在将新获取的数据与现有的道路纵断面进行比较的情况下,例如,为了计算基于地形的定位,可以使用类似的处理。取决于用于构成道路数据的数据,用于比较的道路数据通常在给定的空间频率范围内有效。例如,该范围可以表示为存在至少3个数据点的空间频率点,或者类似的度量。如上面所描述的,可以确定针对新数据集的有效性的空间频率范围。在将新数据集与道路数据进行比较的情况下,可以在两者交叠的频率范围内进行比较。例如,如果先前的道路数据在从0.1[1/m]到10[1/m]有效,并且新的数据在从1[1/m]到5[1/m]有效,则可以在从1[1/m]到5[1/m]的范围内进行比较。替代地,如果新数据在3[1/m]与20[1/m]之间有效,则可以仅在交叠的频率内进行比较,或者在3[1/m]与10[1/m]之间进行比较。该方法可以通过将每个数据集分解为空间频率、对数据集因果地进行滤波并且然后在空间频率域或时域中对其进行比较来实现。
在一些实现方式中,可以使用许多替选的传感器集合。基于车辆的惯性传感器(加速度计和/或速率传感器)可以与GPS单元、距离测量单元(例如,激光、激光雷达和雷达系统)以及探地雷达组合使用或分开使用。
在一些实现方式中,可以将该系统部署在指定用于测量的特定车辆上,或者可以将该系统部署在全部获取不同数据集的多个车辆上。数据采集可以是本地的和/或存储在云中。
在一些实现方式中,数据传输可以连续发生,或者在采集结束时发生,或者沿着道路间隔地发生。可以使用Wi-Fi、物理介质(存储盘)、蓝牙和/或任何其他数据传输介质来传输数据。
车辆传感器集合在整个车队中可以是通用的,或者针对不同车辆可以是不同的,其中,一些传感器集合获取较高分辨率的数据,并且一些传感器组获取较低分辨率的数据,并且一些传感器集合获取在与其他传感器集合不同的频率范围内有效的数据。这使得能够使用多个车辆,并且在许多情况下不需要在已经具有专用于其他车辆系统(例如悬架系统、照明系统等)的运动传感器的车辆中安装特定传感器。
使用基于地形和基于传感器的方法的定位增强
每种类型的基于车辆的传感器在准确性、可靠性和有效性方面具有优点和缺点。可以实现的增强定位的示例包括但不限于:在GPS性能较差的隧道或其他场景中保持定位,在基于地形的定位和GPS都可用的情况下将定位增强到高于GPS精度,插入基于视觉的定位以使得能够快速参考绝对地标,通过更精确的参考位置来提高基于视觉的地标的准确度等。
GPS通常具有有限的准确度(通常为5米半径)和可用性(例如,由于隧道、附近的建筑物、云层和/或树木)。在已经绘制了道路地图之前,基于地形的定位可能具有有限的可用性,但是高度准确的。基于视觉的定位可能具有有限的可用性(直到被绘制)和有限的可用度(例如,由于照明、下雨、下雪等)。
发明人已经认识到,可以通过创建基于地形的定位、GPS和视觉系统的传感器融合来增强定位。可以使用许多不同种类的传感器,包括但不限于视觉传感器、红外传感器、短波红外传感器、激光雷达、雷达、探地雷达、GPS、路面平面内的运动传感器、路面平面外的运动传感器以及车轮或车身上的传感器。高速公路隧道中的导航可能会受到GPS信号丢失的严重影响,并且正确的导航可能对未来的车辆至关重要。准确的定位对事件识别是重要的,并且对自主车辆可能越来越重要。本文中描述的用于增强定位的系统和方法可以应用于许多不同类型的车辆,并且并非旨在限于道路客运车辆。
三个系统(GPS、基于地形的定位和基于视觉的定位)的传感器融合可以提供无论时间、位置或条件如何都利用更高可用性而等于或优于单个部件系统的系统。每个独立部件具有其何时可靠以及何时不可靠的度量,并且因此可以将传感器融合参数化以仅使用可靠的输入。得到的输出可以基于当前所使用的传感器提供可靠度度量和准确度度量。
在使用传感器在空间中定位车辆的情况下,可以使用多种方法。全球定位系统(GPS)可以基于来自四个或更多个卫星的三角测量来精确定位GPS接收器。该方法在可用的情况下提供了非常好的绝对准确度(在大约5m的范围内),并且是在许多应用中使用的主要传感器。
差分GPS系统使用多个GPS接收器来创建更准确的位置。基于视觉的传感器(例如,摄像机、红外传感器等)可以识别先前绘制的物体,并且因此相对于这些坐标来定位车辆。基于距离的测量(例如,激光雷达、雷达等)可以相对于其他表面来定位车辆,并且可能能够识别可识别的模式以创建绝对参考(例如,诸如探地雷达)。基于响应的方法(例如,基于地形的定位)能够识别大片道路,并且在可用的情况下能够非常精确地(例如,小于1m的准确度、小于10cm的准确度等)定位车辆。基于运动的定位(例如基于车辆速度、横摆角速度和平面内加速度的航位推算)针对相对运动非常准确,但是不能够提供绝对参考。
参照图9的框图7700,本文中描述的基于车辆的传感器7702中的每个传感器在其范围、准确度和分辨率(在以时间或距离的数据速率方面)方面具有优点和缺点。但是,基于环境条件、信号屏蔽、先前生成的地图的可用性和其他因素,传感器中的每个传感器还可能具有参差不齐的可用性。因此,针对这些传感器中的每个传感器的传感器融合可以结合多个因素。传感器融合可以基于变化的传感器内容生成绝对位置(在一些情况下,具有相关联的准确度估计和信号的可靠性值),而不会引起输出信号的跳跃。为了实现该绝对位置,首先处理每个传感器(见图9中的传感器处理块7704)以提供其自身的位置估计以及瞬时准确度(例如,基于GPS传感器中可用的卫星数量或基于运动传感器中的车辆速度)和瞬时可靠性(以确定在该时刻是否应当使用该信号)。
传感器融合块7706然后可以组合这些传感器。在一些实现方式中,可以优选地使用诸如用于高频率偏差的运动传感器(横摆角速度、平面内加速度和车辆速度传感器)的准确的相对传感器以及作为校正的绝对传感器(例如GPS)。在本文中描述的系统和方法中,零星但更准确的绝对传感器例如基于地形的定位和基于对象识别的定位可以包括在传感器融合中。
这种包括可能需要将GPS信号与较低频率下的更准确的信号混合。例如,这可以使用卡尔曼滤波器与其状态在接收到新信息时被更新的车辆模型来完成。卡尔曼滤波器基于特定传感器输入(例如,平面内运动传感器和车辆速度)使用模型来预测车辆的运动。接下来,在绝对位置的实际测量结果是可用的和可靠的情况下将模型输出与这样的实际测量结果进行比较(例如,在输出GPS信号的情况下或在摄像机识别出物体的情况下间隔地比较)。然后,由此获得的误差可以用于修改模型的状态,并且可以用于在发生漂移、传感器偏移和其他这样的误差时对其进行校正。例如,横向加速度计在跟踪车辆的横向运动时可能是准确的,但是可能由于车辆的滚动而偏斜(其中,传感器不再与表面平行)。作为另一示例,典型车辆中的速度读取依赖于知道轮胎的有效滚动半径,该有效滚动半径随着时间、温度、轮胎的使用和充气压力而变化,而且还在车辆上更换轮胎的情况下变化。可以组合这些因素以创建跟踪模型,该跟踪模型使得能够利用混合的传感器在长距离内进行准确定位,所述混合的传感器可以随时间变化,并且还可以随车辆变化。
参照图10,流程图7750描绘了对穿过路段的车辆进行定位的方法。该方法包括:在第一时间处确定(7752)第一车辆环境;基于第一车辆环境来选择(7754)要采用的第一定位方法,使用第一定位方法来定位(7756)车辆;在第二时间处确定(7758)第二车辆环境;基于第二车辆环境来选择(7760)要采用的第二定位方法;以及使用第二定位方法来定位(7762)车辆。
在一些实现方式中,从包括GNSS定位、基于地形的定位、基于视觉的定位、基于距离的定位和航位推算的组中选择第一定位方法和第二定位方法。
在一些实现方式中,从包括天气状况、头顶障碍物、蜂窝数据可用性和GNSS卫星可用性的组中选择车辆环境和第二车辆环境。
通过在GNSS、航位推算与基于地形的方法之间切换来进行纵向车辆定位
确定车辆纵向位置具有各种用例,例如针对即将到来的道路状况准备主动悬架和/或帮助自主车辆导航。如图11中所示,车辆系统可以以各种方式测量其纵向位置,这些方式中的每种方式具有优点和缺点。第一方法7802使用GNSS系统例如GPS进行描绘,GNSS系统具有高可用性的优点,但是通常仅准确到5米,并且由于头顶障碍而不能在隧道中工作。在这样的方法中,车辆从GNSS卫星接收信号来确定纬度和经度,以使得车辆能够针对具有已知坐标的道路状况做好准备。第二方法7804使用基于地形的定位(即,道路纵断面互相关)进行描绘,基于地形的定位在几乎任何道路上甚至在隧道中工作,并且具有非常高的准确度(10cm),但是需要大量的蜂窝流量来下载参考纵断面。在这样的方法中,车辆从数据库下载参考道路纵断面,驾驶并匹配参考道路纵断面中的一个道路纵断面,并且可以针对在参考道路纵断面内具有已知位置的道路状况做准备。第三方法7806使用在事件检测之后进行航位推算来进行描绘,但是该方法通常仅在具有重大撞击事件的道路上工作,但是具有其可以在隧道中很好地工作的优点,通常具有高准确度(10cm,但是误差随着航位推算而累积),并且需要较低的蜂窝网络使用率。
发明人已经认识到,车辆可以利用所有这三种方法根据当前状况在三种方法之间切换来进行纵向定位。例如,如果蜂窝塔接收良好,则车辆可以下载参考纵断面以执行基于地形的定位。否则,车辆可以回退到利用GNSS或事件检测进行定位。
参照图11,车辆可以以各种方式确定其相对于道路状况的位置。在蜂窝数据容易获得的情况下,车辆可以选择基于地形的定位方法7804并下载参考纵断面以及执行基于地形的定位。如果小区接收稀疏,但是道路包括若干撞击事件,则车辆可以选择使用方法7806并在事件之间进行航位推算。在另一情况下,车辆可以使用方法7802以使用GNSS系统进行定位。
基于地形的定位通常具有非常高的准确度,但是下载较大地理区域中的所有参考纵断面可能是不切实际的。此外,随着车辆穿过不同的道路,蜂窝接收可能会显著变化。为了提供纵向定位的最大可用性,实现多个策略并在多个策略之间切换以采用在当前车辆环境下效果最好的策略是有利的。
本文中所描述的技术的上述实施方式可以以多种方式中的任一种来实现。例如,可以使用硬件、软件或其组合来实现实施方式。当以软件实现时,软件代码可以在任何合适的处理器或处理器的集合上执行,而不管是设置在单个计算装置中还是分布在多个计算装置中。这样的处理器可以被实现为集成电路,其中,集成电路部件中的一个或更多个处理器包括本领域已知的名为诸如CPU芯片、GPU芯片、微处理器、微控制器或者协处理器的市售集成电路部件。可替选地,处理器可以在诸如ASIC的定制电路系统或在由配置可编程逻辑装置而产生的半定制电路系统中实现。作为另一替选方案,处理器可以是更大的电路或半导体器件的一部分(无论是市售的、半定制的还是定制的)。作为具体示例,一些市售的微处理器具有多个核,使得这些核中的一个或子集可以构成处理器。然而,可以使用任何合适格式的电路系统来实现处理器。还应当理解,对本公开内容中的控制器的任何引用可以被理解为对被配置成实现本文所公开的一个或更多个方法的一个或更多个处理器的使用的引用。
此外,应当理解,包括一个或更多个处理器的计算装置可以以多种形式中的任何形式例如机架安装式计算机、台式计算机、膝上型计算机或平板计算机来实施。另外,计算装置可以嵌入在通常不被认为是计算装置但具有合适处理能力的装置中,所述装置包括个人数字助理(PDA)、智能电话、平板电脑或任何其他合适的便携式或固定式电子装置。
此外,计算装置可以具有一个或更多个输入装置和输出装置。除了其他方面,这些装置可以用于呈现用户接口。可以用于提供用户接口的输出装置的示例包括用于输出的视觉呈现的显示屏幕以及用于输出的听觉呈现的扬声器或其他声音生成装置。可以用于用户接口的输入装置的示例包括键盘、单个按钮和点击装置例如鼠标、触摸板和数字化输入板。作为另一示例,计算装置可以通过语音识别或其他可听格式接收输入信息。
这样的计算装置可以通过一个或更多个网络以任何合适的形式(包括作为局域网或广域网例如企业网络或因特网)进行互连。这样的网络可以基于任何合适的技术并且可以根据任何合适的协议来运行,并且可以包括无线网络、有线网络或光纤网络。
此外,本文中概述的各种方法或处理可以被编码为软件,该软件可以在采用各种操作系统或平台中的任一者的一个或更多个处理器上执行。这些方法可以体现为存储在相关联的非暂态计算机可读介质上的处理器可执行的指令,当所述指令由一个或更多个处理器执行时,执行本文所公开的方法中的任何方法。另外,这样的软件可以使用许多合适的编程语言和/或编程工具或脚本工具中的任一者来编写,并且还可以被编译为在框架或者虚拟机上执行的可执行机器语言代码或中间代码。
在这方面,本文中描述的实施方式可以被实施为编码有一个或更多个程序的计算机可读存储介质(或多个计算机可读介质)(例如,计算机存储器、一个或更多个软盘、致密盘(CD)、光盘、数字视频盘(DVD)、磁带、闪存、RAM、ROM、EEPROM、现场可编程门阵列或者其他半导体器件中的电路配置、或其他有形计算机存储介质),所述一个或更多个程序当在一个或更多个计算机或其他处理器上被执行时执行实现以上讨论的各种实施方式的方法。从前述示例中明显的是,计算机可读存储介质可以保留信息达足够的时间以提供非暂态形式的计算机可执行指令。这样的计算机可读存储介质或媒体可以是可传输的,使得存储在其上的一个或更多个程序可以被加载到一个或更多个不同的计算装置或其他处理器上以实现如上所讨论的本公开内容的各个方面。如本文中所使用的,术语“计算机可读存储介质”仅包括可以被认为是制造品(即,制品)或机器的非暂态计算机可读介质。可替选地或另外地,可以将本公开内容实施为除了计算机可读存储介质以外的计算机可读介质,例如传播信号。
本文中在一般意义上使用术语“程序”或“软件”,来指代可以被采用以对计算装置或其他处理器进行编程从而实现如以上讨论的本公开内容的各个方面的任何类型的计算机代码或计算机可执行指令集。另外,应当理解,根据本实施方式的一个方面,当被执行时执行本公开内容的方法的一个或更多个计算机程序不需要驻留在单个计算装置或处理器上,而是可以以模块化方式分布在许多不同的计算机或处理器中以实现本公开内容的各个方面。
计算机可执行指令可以是许多形式,例如由一个或更多个计算机或者其他装置执行的程序模块。通常,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。通常,在各种实施方式中,程序模块的功能可以根据期望进行组合或分布。
本文中描述的实施方式可以被实施为方法,所述方法的示例已被提供。作为方法的一部分执行的动作可以以任何合适的方式排序。因此,可以构造以与所示出的顺序不同的顺序来执行动作(可以包括同时执行一些动作)的实施方式,即使这些动作在说明性实施方式中被示出为顺序的动作。
此外,一些动作被描述为由“用户”进行。应当理解的是,“用户”不必是单个个体,并且在一些实施方式中,可以由个体的团队和/或个体结合计算机辅助工具或其他机制来执行可以归因于“用户”的动作。
尽管已经结合各种实施方式和示例描述了本教导,但是并不旨在将教导限于这样的实施方式或示例。相反地,如本领域技术人员将理解的,本教导涵盖各种替选方案、修改和等同物。因此,前述描述和附图仅作为示例。
Claims (27)
1.一种操作车辆的方法,所述方法包括:
(a)确定车辆的位置;
(b)确定针对所述车辆的所述位置的质量度量的值;
(c)将所述质量度量与所述质量度量的上限和下限进行比较;以及
(d)基于(c)中的所述比较来启动到车辆子系统的命令。
2.根据权利要求1所述的方法,还包括确定所述质量度量的值高于所述上限。
3.根据权利要求2所述的方法,其中,向车辆子系统启动的所述命令是完整的预期命令。
4.根据权利要求1所述的方法,还包括:确定所述质量度量的值在所述上限与所述下限之间。
5.根据权利要求4所述的方法,其中,向所述车辆子系统启动的所述命令是缩放后的命令。
6.根据权利要求1至5中任一项所述的方法,其中,所述车辆子系统是可变阻尼器系统、主动悬架系统、主动侧倾稳定器系统或后转向系统。
7.一种控制车辆的空气悬架系统的方法,所述方法包括:
使用基于地形的定位系统来确定所述车辆在当前路段上的位置;
获得包括即将到来的路段的道路特性、道路事件或道路纵断面中的至少一个的道路信息;
基于所述道路信息来计算用于沿着所述即将到来的路段行驶的所述空气悬架的最佳状态,其中,所述空气悬架的所述最佳状态包括最佳乘坐高度或最佳硬度设置中的至少一个;以及
启动命令以将所述空气悬架系统设置在用于穿过所述即将到来的道路事件的所述最佳状态。
8.根据权利要求7所述的方法,其中,所述最佳乘坐高度包括所述空气悬架的高度分布。
9.根据权利要求7所述的方法,其中,所述最佳硬度设置包括所述空气悬架系统的硬度分布。
10.根据权利要求7所述的方法,其中,使用基于地形的定位系统来确定所述车辆在当前路段上的位置包括:将当前道路纵断面与众包数据库中的候选道路纵断面进行比较。
11.一种确定车辆的转向行为的方法,所述方法包括:
获得源自路段的先前驾驶的历史航向数据;
确定穿过所述路段的当前车辆的当前航向;
将所述当前航向与所述历史航向数据进行比较;
确定正在发生转向行为;以及
基于检测到的转向行为来改变所述当前车辆的一个或更多个操作参数。
12.根据权利要求11所述的方法,其中,改变一个或更多个操作参数包括暂停坑洼缓解。
13.根据权利要求11所述的方法,其中,改变一个或更多个操作参数包括抑制事件检测。
14.一种对车辆的悬架系统的致动器的行程进行控制的方法,所述方法包括:
(a)从基于地形的定位系统获得所述车辆正在行驶的路段的道路信息;
(b)获得所述悬架系统的被动悬架元件参数;
(c)确定所述悬架系统的致动器的位置;
(d)基于所述道路信息、所述被动悬架元件参数和所述致动器的位置来确定用于穿过所述路段的所述致动器的最佳位置;
(e)由致动器控制器启动一个或更多个致动器命令,以在所述车辆穿过所述路段时将所述致动器定位在所述最佳位置。
15.根据权利要求14所述的方法,其中,从包括端部止动件和辅助弹簧的组中选择所述被动悬架元件。
16.根据权利要求14所述的方法,其中,所述致动器是主动悬架致动器。
17.根据权利要求14所述的方法,其中,(d)中的所述确定还基于乘客舒适度、燃料效率和/或车辆耐久性。
18.根据权利要求14所述的方法,其中,所述一个或更多个致动器命令使得所述致动器抢占性地接合所述被动悬架元件中的一个或更多个被动悬架元件。
19.根据权利要求14所述的方法,其中,所述道路信息包括关于道路事件的信息。
20.一种创建道路纵断面估计的方法,所述方法包括:
(a)获得多个数据集,所述多个数据集中的每个数据集表示针对路段的道路纵断面估计,所述多个数据集源自不同的车辆、不同的传感器集合或不同速度下的操作;
(b)确定其中所述多个数据集中的每个数据集具有高保真度的空间频率范围;
(c)在所述空间频率域中将所述多个数据集混合成单个道路纵断面估计;以及
(d)将所述单个道路纵断面估计存储在数据库中。
21.一种定位车辆的方法,所述方法包括:
(a)从针对路段的地图层获得道路纵断面;
(b)经由所述车辆的一个或更多个传感器获得表示针对所述路段的道路纵断面估计的新数据集;
(c)确定来自所述地图层的所述道路纵断面的空间频率中的有效性范围;
(d)确定所述新数据集的空间频率中的有效性范围;以及
(e)基于在其中所述新数据集和来自所述地图层的所述道路纵断面两者均具有高保真度的空间频率的交叠范围中对来自所述地图层的所述道路纵断面与所述新数据集进行比较来定位所述车辆。
22.一种定位车辆的方法,所述方法包括:
基于车辆的第一传感器系统来感测对应于第一参数的第一信号,所述第一信号具有第一可用性和第一准确度;
基于所述车辆的第二传感器系统来感测对应于第二参数的第二信号,其中,所述第二传感器系统是基于地形的定位系统,并且所述第二信号基于所述车辆正在行驶的路段的道路纵断面,所述第二信号具有第二可用性和第二准确度;以及
基于所述第一可用性和所述第二可用性以及所述第一准确度和所述第二准确度来混合所述第一信号与所述第二信号,其中,混合信号具有比所述第一可用性或所述第二可用性更高的第三可用性。
23.根据权利要求22所述的方法,其中,所述第一传感器系统包括GPS定位系统、基于视觉的定位系统、基于距离的定位系统(例如,LIDAR/RADAR)或车辆运动感测系统(例如,航位推算)中的至少一个。
24.根据权利要求22所述的方法,其中,所述基于地形的定位采用众包地形图。
25.一种对穿过路段的车辆进行定位的方法,所述方法包括:
(a)在第一时间处确定第一车辆环境;
(b)基于所述第一车辆环境来选择要采用的第一定位方法;
(c)使用所述第一定位方法来定位所述车辆;
(d)在第二时间处确定第二车辆环境;
(e)基于所述第二车辆环境来选择要采用的第二定位方法;以及
(f)使用所述第二定位方法来定位所述车辆。
26.根据权利要求25所述的方法,其中,从包括GNSS定位、基于地形的定位和航位推算的组中选择所述第一定位方法和所述第二定位方法。
27.根据权利要求25所述的方法,其中,从包括天气状况、头顶障碍物、蜂窝数据可用性和GNSS卫星可用性的组中选择所述车辆环境和所述第二车辆环境。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/132,184 | 2020-12-30 | ||
US202163146379P | 2021-02-05 | 2021-02-05 | |
US63/146,379 | 2021-02-05 | ||
PCT/US2021/065058 WO2022146866A1 (en) | 2020-12-30 | 2021-12-23 | Systems and methods for vehicle control using terrain-based localization |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116829382A true CN116829382A (zh) | 2023-09-29 |
Family
ID=88114948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180092507.2A Pending CN116829382A (zh) | 2020-12-30 | 2021-12-23 | 用于使用基于地形的定位进行车辆控制的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116829382A (zh) |
-
2021
- 2021-12-23 CN CN202180092507.2A patent/CN116829382A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220281456A1 (en) | Systems and methods for vehicle control using terrain-based localization | |
EP3423787B1 (en) | Method and system for updating maps based on control feedbacks of autonomous driving vehicles | |
US11685431B2 (en) | Steering angle calibration | |
US10442435B2 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
US10160281B2 (en) | Road roughness preview with drive history | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
EP3659004B1 (en) | Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles | |
US20180348775A1 (en) | Data-based control error detection and parameter compensation system | |
JP5269024B2 (ja) | 路面状況推定装置および路面状況推定方法 | |
US20220324421A1 (en) | Systems and methods for terrain-based insights for advanced driver assistance systems | |
US20220082705A1 (en) | Methods and systems for terrain-based localization of a vehicle | |
JP6216802B2 (ja) | 慣性ナビゲーションシステムの為のスタート位置としての参照位置の決定の方法 | |
US20220212678A1 (en) | Systems and methods for vehicle control using terrain-based localization | |
JP7469896B2 (ja) | 周辺認識装置、周辺認識方法、およびプログラム | |
JP6528696B2 (ja) | 走行経路生成装置 | |
JP7143722B2 (ja) | 自車位置推定装置 | |
US20220196849A1 (en) | Vehicle localization systems and methods | |
WO2023129646A2 (en) | Apparatus and methods for driver assistance and vehicle control | |
JP2011016483A (ja) | 路面情報取得装置 | |
JP6784629B2 (ja) | 車両の操舵支援装置 | |
JP2022553805A (ja) | 複車線道路の特徴付け及び追跡アルゴリズム | |
CN114430801A (zh) | 地形敏感的路线规划 | |
CN116829382A (zh) | 用于使用基于地形的定位进行车辆控制的系统和方法 | |
WO2022146866A1 (en) | Systems and methods for vehicle control using terrain-based localization | |
JP7241801B2 (ja) | 車両制御装置、及び車両制御方法 |
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 |