CN118168533A - 对可行驶区域的变化的检测 - Google Patents
对可行驶区域的变化的检测 Download PDFInfo
- Publication number
- CN118168533A CN118168533A CN202311643727.7A CN202311643727A CN118168533A CN 118168533 A CN118168533 A CN 118168533A CN 202311643727 A CN202311643727 A CN 202311643727A CN 118168533 A CN118168533 A CN 118168533A
- Authority
- CN
- China
- Prior art keywords
- map
- vehicle
- change
- determining
- lidar
- 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
- 230000008859 change Effects 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 30
- 238000003860 storage Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供“对可行驶区域的变化的检测”。本文公开了用于检测可行驶区域的变化的系统、方法和计算机程序产品实施例。例如,所述方法包括:基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
Description
技术领域
本公开涉及一种用于交通工具的检测系统。
背景技术
自主交通工具(AV)在操作期间依赖于地图在真实世界环境中导航。地图可以是一组数字文件,包括识别地理区域(诸如道路、道路内的线道、交通信号灯和标志、路面标记和可行驶区域)的物理细节的数据。可以使用由配备有传感器(诸如光探测和测距系统(激光雷达)、相机、雷达等)的交通工具捕获的周围环境的图像来生成地图。AV可以在操作之前接收地图。AV可以使用地图来增强AV的机载感知系统(例如,相机、激光雷达系统)感知的信息。
通常,接收到的地图的内容是静态的,直到AV下载/接收到更新的地图。由于新的道路建设、道路的重新粉刷、可能导致临时变道和/或绕行的施工项目,可能会发生地图变化。地图每天可能会变化若干次。例如,可行驶区域由于许多因素而频繁变化,诸如固定装置(例如,系柱、电话亭、便携式洗手间、自行车架)的变化、道路障碍物(例如,隔离带、环形交叉路口、道路分隔带)的变化以及道路宽度(例如,扩展或变窄的路沿和人行道)的变化。这些变化可能不会反映在AV正在利用的基本地图中,因此可能会影响AV可以在其中操作的区域。因此,地图不再准确并且不能依赖。
发明内容
在一些方面,一种方法包括:基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
在一些方面,一种系统包括耦接到存储器的至少一个处理器。所述至少一个处理器被配置为执行操作。所述操作包括:基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
附图说明
附图并入本文中并且形成本说明书的一部分。
图1示出了根据本公开各方面的示例性自主交通工具系统。
图2示出了根据本公开各方面的交通工具的示例性架构。
图3是示出根据本公开各方面的用于检测和处理可行驶区域的变化的系统的控制流程的图示。
图4是根据本公开各方面的用于检测和处理可行驶区域的变化的方法的流程图。
图5是可用于实施各种实施例的示例性计算机系统。
在附图中,相同的附图标记通常表示相同或相似的元件。另外,附图标记最左边的数字通常标识附图标记首次出现的附图。
具体实施方式
本文提供了用于检测和处理自主交通工具(AV)的可行驶区域的变化的系统、设备、装置、方法和/或计算机程序产品实施例、和/或其组合和子组合。
AV可以依赖于操作区域的地图(例如,基本地图、先验地图、先验高清晰度(HD)地图)。地图可以指预生成的地图,所述预生成的地图被下载到AV上并且由AV用来帮助导航其周围环境。地图可以包括与操作区域相关联的信息。例如,地图可以指定可行驶区域的几何形状和线道标记、线道标记类型、线道的方向、与线道相关联的速度限制以及包括交通标志和交通信号灯的交通控制。可行驶区域可以指AV可以行驶的任何区域(例如,不包括可能损坏交通工具的结构的区域)。不可行驶区域可以指具有显著高于路面的地面高度的区域(例如,包括结构或可能损坏交通工具的任何区域)。
可行驶区域由于许多因素而频繁变化。可以在道路上添加或移除诸如系柱、电话亭、便携式洗手间或自行车架之类的固定装置。可以添加或移除诸如隔离带、环形交叉路口或道路分隔带之类的道路障碍物,并且可以扩展或变窄路沿或人行道。因此,地图可能不准确。
在一些实施例中,通过动态地图更新来处理可行驶区域的变化。这提供了以下优点:AV的依赖于地图的所有部件以及时的方式(例如,实时或近实时)接收相同且准确的更新。另外,本文描述的方法不需要AV的运动规划任务或预测任务中的任何附加变化。在一些方面,动态地图更新可以经由包括可行驶区域变化的矢量地图更新。
在一些实施例中,本文描述的系统和方法可以检测由于减速带和坑洼、施工障碍物和施工锥而引起的可行驶区域的变化。
术语“交通工具”是指能够运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“交通工具”包括但不限于汽车、卡车、货车、火车、自主交通工具、飞行器、空中无人机等。“自主交通工具”(或“AV”)是具有处理器、编程指令和传动系部件的交通工具,所述传动系部件可由所述处理器控制而无需人类操作员。自主交通工具可以是完全自主的,因为它对于大多数或所有驾驶状况和功能不需要人类操作员,或者它可以是半自主的,因为在某些状况下或对于某些操作可能需要人类操作员,或者人类操作员可以超驰交通工具的自主系统并且可以控制交通工具。
应注意,本文在自主交通工具的背景下描述了本解决方案。然而,本解决方案不限于自主交通工具应用。本解决方案可以用于其他应用,诸如机器人应用、雷达系统应用、度量应用和/或系统性能应用。
图1示出了根据本公开各方面的示例性自主交通工具系统100。系统100包括以半自主或自主方式沿着道路行驶的交通工具102a。交通工具102a在本文中也被称为AV 102a。AV 102a可以包括但不限于陆地交通工具(如图1中所示)、飞行器或船只。
AV 102a通常被配置为检测其附近的对象102b、114、116。对象可以包括但不限于交通工具102b、骑车的人114(诸如自行车、电动踏板车、摩托车等的骑手)和/或行人116。
如图1中所示,AV 102a可以包括传感器系统111、机载计算装置113、通信接口117和用户接口115。自主交通工具101还可以包括交通工具中所包括的某些部件(例如,如图2中所示),所述某些部件可以由机载计算装置113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)进行控制。
传感器系统111可以包括耦接到AV 102a和/或包括在所述AV内的一个或多个传感器,如图2中所示。例如,此类传感器可以包括但不限于光探测和测距(激光雷达)系统、无线电探测和测距(雷达)系统、激光探测和测距(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、位置传感器(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AV 102a的周围环境内的对象位置的信息、关于环境本身的信息、关于AV 102a的运动的信息、关于交通工具的路线的信息等。当AV102a在地面上行进时,传感器中的至少一些可以收集与地面有关的数据。
如将更详细描述的,AV 102a可以配置有激光雷达系统,例如,图2的激光雷达系统264。激光雷达系统可以被配置为传输光脉冲104以检测位于AV 102a的距离或距离范围内的对象。光脉冲104可以入射在一个或多个对象(例如,AV 102b)上并且被反射回激光雷达系统。可以处理入射在激光雷达系统上的反射光脉冲106以确定该对象到AV 102a的距离。在一些实施例中,可以使用被定位和配置为接收反射回激光雷达系统中的光的光电检测器或光电检测器阵列来检测反射光脉冲。将激光雷达信息(诸如检测到的对象数据)从激光雷达系统传送到机载计算装置(例如,图2的机载计算装置220)。AV 102a还可以通过通信网络108将激光雷达数据传送到远程计算装置110(例如,云处理系统)。远程计算装置110可以被配置有一个或多个服务器以处理本文描述的技术的一个或多个过程。远程计算装置110还可以被配置为通过网络108向/从AV 102a、向/从服务器和/或数据库112传送数据/指令。
应注意,用于收集与地面有关的数据的激光雷达系统可以包括在除AV 102a之外的系统中,诸如但不限于其他交通工具(自主或驱动)、机器人、卫星等。
网络108可以包括一个或多个有线或无线网络。例如,网络108可以包括蜂窝网络(例如,长期演进(LTE)网络、码分多址(CDMA)网络、3G网络、4G网络、5G网络、另一种类型的下一代网络等)。网络还可以包括公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网络(例如,公共交换电话网(PSTN))、专用网络、自组织网络、内联网、互联网、基于光纤的网络、云计算网络等,和/或这些或其他类型的网络的组合。
AV 102a可以检索、接收、显示和编辑从本地应用生成或经由网络108从数据库112递送的信息。数据库112可以被配置为存储和供应原始数据、索引数据、结构化数据、地图数据、程序指令或已知的其他配置。
通信接口117可以被配置为允许AV 102a与外部系统(诸如例如外部装置、传感器、其他交通工具、服务器、数据存储区、数据库等)之间的通信。通信接口117可以利用任何现在或以后已知的协议、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115可以是在AV 102a内实施的外围装置的一部分,包括例如键盘、触摸屏显示装置、传声器和扬声器等。
图2示出了根据本公开各方面的交通工具的示例性系统架构200。图1的交通工具102a和/或102b可以具有与图2中所示的系统架构相同或类似的系统架构。因此,以下对系统架构200的讨论足以理解图1的交通工具102a、102b。然而,其他类型的交通工具被认为在本文描述的技术的范围内,并且可以包含更多或更少的元件,如结合图2所描述的。作为非限制性示例,空中交通工具可以不包括制动器或齿轮控制器,但是可以包括海拔高度传感器。在另一个非限制性示例中,水基交通工具可以包括深度传感器。本领域技术人员将理解,如已知的,可以基于交通工具类型包括其他推进系统、传感器和控制器。
如图2中所示,系统架构200包括发动机或马达202以及用于测量交通工具的各种参数的各种传感器204至218。在具有燃料动力发动机的汽油动力或混合动力交通工具中,传感器可以包括例如发动机温度传感器204、电池电压传感器206、发动机每分钟转数(“RPM”)传感器208和节气门位置传感器210。如果交通工具是电动或混合动力交通工具,则交通工具可以具有电动马达,并且相应地包括传感器,诸如电池监测系统212(用于测量电池的电流、电压和/或温度)、马达电流214和电压216传感器、以及马达位置传感器218(诸如旋转变压器和编码器)。
两种类型的交通工具共有的操作参数传感器包括例如:位置传感器236,诸如加速度计、陀螺仪和/或惯性测量单元;速度传感器238;以及里程表传感器240。交通工具还可以具有时钟242,系统使用所述时钟来确定操作期间的交通工具时间。时钟242可以被编码到交通工具机载计算装置中,它可以是单独的装置,或者多个时钟可以是可用的。
交通工具还包括各种传感器,所述各种传感器操作以收集关于交通工具正在行驶的环境的信息。这些传感器可以包括例如:位置传感器260(例如,全球定位系统(“GPS”)装置);对象检测传感器,诸如一个或多个相机262;激光雷达系统264;和/或者雷达和/或声纳系统266。传感器还可以包括环境传感器268,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交通工具能够在任何方向上检测在交通工具200的给定距离范围内的对象,而环境传感器收集关于交通工具的行驶区域内的环境状况的数据。
在操作期间,信息从传感器传送到交通工具机载计算装置220。机载计算装置220可以使用图5的计算机系统来实施。交通工具机载计算装置220分析由传感器捕获的数据,并且任选地基于分析结果来控制交通工具的操作。例如,交通工具机载计算装置220可以:经由制动器控制器222控制制动;经由转向控制器224控制方向;经由节气门控制器226(在汽油动力交通工具中)或马达速度控制器228(诸如电动交通工具中的电流电平控制器)控制速度和加速度;控制差速器齿轮控制器230(在具有变速器的交通工具中);和/或控制其他控制器。辅助装置控制器254可以被配置为控制一个或多个辅助装置,诸如测试系统、辅助传感器、由交通工具运输的移动装置等。
地理位置信息可以从位置传感器260传送到机载计算装置220,所述机载计算装置然后可以访问与位置信息相对应的环境地图以确定环境的已知固定特征,诸如街道、建筑物、停止标志和/或停止/行进信号。从相机262捕获的图像和/或从诸如激光雷达系统264的传感器捕获的对象检测信息从那些传感器传送到机载计算装置220。对象检测信息和/或捕获的图像由机载计算装置220处理以检测交通工具200附近的对象。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即将已知的技术都可以用于本文档中公开的实施例中。
激光雷达信息从激光雷达系统264传送到机载计算装置220。另外,将捕获的图像从相机262传送到交通工具机载计算装置220。激光雷达信息和/或捕获的图像由交通工具机载计算装置220处理以检测交通工具200附近的对象。交通工具机载计算装置220进行对象检测的方式包括本公开中详述的此类能力。
机载计算装置220可以包括路线选择控制器231和/或可以与所述路线选择控制器通信,所述路线选择控制器生成从自主交通工具的起始位置到目的地位置的导航路线。路线选择控制器231可以访问地图数据存储区以识别交通工具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。路线选择控制器231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,路线选择控制器231可以生成在路线期间使欧几里德行驶距离或其他成本函数最小化的导航路线,并且可以进一步访问交通信息和/或估计,所述交通信息和/或估计可能影响在特定路线上行驶所需的时间量。取决于实施方式,路线选择控制器231可以使用各种路线选择方法(诸如Dijkstra算法、Bellman-Ford算法或其他算法)来生成一条或多条路线。路线选择控制器231还可以使用交通信息来生成反映路线的预期状况(例如,当前周中此日或当前当日时间等)的导航路线,使得针对高峰时段期间的行驶生成的路线可能与针对深夜行驶生成的路线不同。路线选择控制器231还可以生成到目的地的多于一条导航路线,并且将这些导航路线中的多于一条发送给用户以供用户从各种可能的路线中进行选择。
在各种实施例中,机载计算装置220可以确定AV 102a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,机载计算装置220可以确定AV 102a的周围环境的感知信息。感知信息可以表示普通驾驶员在交通工具的周围环境中将感知到的内容。感知数据可以包括与AV 102a的环境中的一个或多个对象有关的信息。例如,机载计算装置220可以处理传感器数据(例如,激光雷达或雷达数据、相机图像等),以便识别AV 102a的环境中的对象和/或特征。对象可以包括交通信号灯、道路边界、其他交通工具、行人和/或障碍物等。机载计算装置220可以使用任何现在或以后已知的对象辨识算法、视频跟踪算法和计算机视觉算法(例如,在多个时间段内迭代地逐帧跟踪对象)以确定所述感知。
在一些实施例中,机载计算装置220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;当前姿态;当前形状、大小或覆盖区;类型(例如,交通工具对行人对自行车对静态对象或障碍物);和/或其他状态信息。
机载计算装置220可以执行一个或多个预测和/或预报操作。例如,机载计算装置220可以预测一个或多个对象的未来位置、轨迹和/或动作。例如,机载计算装置220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的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、AV 102a、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,如果对象是交通工具并且当前行驶环境包括交叉路口,则机载计算装置220可以预测对象将可能笔直向前移动还是转弯。如果感知数据指示交叉路口没有交通信号灯,则机载计算装置220还可以预测交通工具是否可能必须在进入交叉路口之前完全停止。
在各种实施例中,机载计算装置220可以确定自主交通工具的运动规划。例如,机载计算装置220可以基于感知数据和/或预测数据来确定自主交通工具的运动规划。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,机载计算装置220可以确定相对于在未来位置处的对象最佳地导航自主交通工具的AV 102a的运动规划。
在一些实施例中,机载计算装置220可以接收预测并且做出关于如何处理AV 102a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、转弯角度等的交通工具),机载计算装置220基于例如交通状况、地图数据、自主交通工具的状态等决定是否超越、让道、停止和/或超过。此外,机载计算装置220还规划AV 102a在给定路线上行进的路径,以及驾驶参数(例如,距离、速度和/或转弯角度)。也就是说,对于给定的对象,机载计算装置220决定如何处理对象并且确定如何进行。例如,对于给定的对象,机载计算装置220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(包括运动参数,诸如速度)。机载计算装置220还可以评估检测到的对象与AV 102a之间的碰撞风险。如果风险超过可接受的阈值,则可以确定如果自主交通工具遵循定义的交通工具轨迹和/或在预定义的时间段(例如,N毫秒)内执行一个或多个动态生成的紧急操纵的情况下,是否能避免碰撞。如果能避免碰撞,则机载计算装置220可以执行用于执行谨慎的操纵(例如,轻度减速、加速、变道或突然转向)的一个或多个控制指令。相比之下,如果不能避免碰撞,则机载计算装置220可以执行用于执行紧急操纵(例如,制动和/或改变行进方向)的一个或多个控制指令。
如上面所讨论的,生成关于自主交通工具的移动的规划和控制数据以供执行。机载计算装置220可以例如:经由制动器控制器控制制动;经由转向控制器控制方向;经由节气门控制器(在汽油动力交通工具中)或马达速度控制器(诸如电动交通工具中的电流电平控制器)控制速度和加速度;控制差速器齿轮控制器(在具有变速器的交通工具中);和/或控制其他控制器。
图3是示出根据本公开各方面的用于处理可行驶区域的变化的系统300的控制流程的示意图。系统300的某些部件可以体现在作为AV的机载计算系统(例如,图1的机载计算装置113)的一部分的处理器硬件和计算机可读编程指令中。系统300可以检测可行驶区域的物理变化,诸如结构的添加或移除。
在一些实施例中,控制流可以通过在数据处理模块302中处理传感器数据来开始。传感器数据可以包括激光雷达数据集、语义标签以及定位和校准数据。另外,数据处理模块302可以接收激光雷达诊断数据。激光雷达诊断数据可以用于确定激光雷达数据的准确性。可能不准确的激光雷达数据可能不会用于改变离线地图。
在一些实施例中,激光雷达数据可以由激光雷达系统(例如,激光雷达系统264)生成。激光雷达数据集可以定义与激光雷达系统的多个激光发射器相关联的多个点云。例如,每个点云可以与单个激光发射器相关联。对于点云中的每个点,激光雷达数据集可以定义相对于共同传感器坐标系的欧几里德X、Y和Z值、测量的强度(例如,在0至255的范围内等)、与测量的强度相关联的时间和/或用于获得测量强度的激光发射器的激光发射器编号或索引。在一些方面,多个激光雷达点云中的激光雷达点云对应于激光雷达系统的单个360度扫描。例如,激光雷达数据集可以包括单个累积的激光雷达扫描,并且扫描可以是运动补偿的,并且提供激光雷达系统周围的场景的完整360度覆盖范围。
语义标签可以将语义类别与激光雷达点云相关联。标签可以识别激光雷达点云的类别。语义标签可以包括道路、人行道、道路标记、植被、建筑物和对象的类型(例如,汽车、自行车)。例如,语义标签可以将激光雷达点识别为属于交通工具。语义标签可以用于滤除与动态(移动)对象相关联的激光雷达点,如下面进一步讨论的。在一些实施例中,语义标签还可以包括可行驶区域标签。
定位和校准数据用于将激光雷达点投影到图块中。所述图块可以包括多个像素或单元。在一些方面,图块可以表示30m×30m的区域。定位数据可以包括地理信息系统(GIS)空间数据。可以将激光雷达点映射到具有全球坐标系的纬度、经度和海拔坐标的三维(3D)位置。校准数据可以包括可以与激光雷达点云进行比较的对象的已知位置。
在一些实施例中,数据处理模块302还可以从地图服务器304检索图块地图。图块地图可以包括地面高度和感兴趣区域(ROI)层。ROI层可以包括关于可行驶区域的信息。
在一些方面,数据处理模块302可以将激光雷达点云变换为地图参考系(城市坐标)。图块地图可以用于将附加的地面高度属性添加到激光雷达点数据。
在一些实施例中,动态对象(例如,行人、交通工具、骑车的人、火车)可能导致误报。例如,系统300可以将移动交通工具识别为结构,并且因此将该区域标记为不可行驶区域。数据处理模块302可以移除(过滤)对应于动态对象的数据点。移除的数据点可以不用于检测可行驶区域的变化。因此,移除的数据点可能不包括在数据处理模块302的输出中。数据处理模块302可以从语义分割网络接收输出或包括语义分割网络。在一些方面,数据处理模块302可以从其他模块(诸如在语义分割网络的实施方式中使用的跟踪和深度激光雷达)接收输出。
语义分割网络可以检测传感器数据中的对象并且识别要与像素或单元相关联的标签。数据处理模块302可以基于识别的标签来移除数据点。另外或替代地,数据处理模块302可以接收如本文先前所述的语义标签。数据处理模块302可以基于语义标签来移除数据点。例如,数据处理模块302可以移除与指示动态对象的语义标签相关联的数据点。如先前所述,如果语义分割网络具有对动态对象的高误分类率,则系统300可能具有高误报率,因为系统300可能将动态对象分类为变化单元。因此,数据处理模块302可以使用来自其他模块(诸如跟踪模块)的附加输入来移除与动态对象相关联的数据点。在一些方面,当语义分割网络使用的数据有噪声时,可以使用附加输入。
除了过滤与动态对象相关联的数据点之外,数据处理模块302还可以过滤与距ROI超出阈值(例如,距ROI超出1米)的地点或位置相关联的数据点。例如,数据处理模块302可以基于从地图服务器304接收的图块地图来滤除数据。因此,系统300处理数据并且识别原始可行驶区域(即,被识别为基本地图中的可行驶区域)的变化。这使由原始可行驶区域周围的结构(诸如树木或建筑物)引起的误报最小化。
来自数据处理模块302的经处理的激光雷达点被输出到图块数据模块306。图块数据模块306可以累积光栅化地面高度图块数据。因此,随着随时间接收到更多的激光雷达点,将激光雷达点添加到图块以便重建机载地图。在一些方面,所述点是随时间的每个像素的平均值。所述图块的单元可以保存从数据处理模块302接收(即,在过滤动态点和比可行驶区域远得多的点之后)的落在所述图块内部的所有激光雷达点的地面高度分布(均值和方差)。从地面图块层获得路面的地面高度。图块地图中的地面高度层包括图块地图中的每个单元(例如,15cm x 15cm)的地面高度的统计数据(均值和方差)。在一些方面,地面高度呈正态分布。图块数据模块306可以创建对应于图块的光栅化图像。光栅化图像中的像素对应于单元(例如,15cm x 15cm单元)。
在一些实施例中,图块数据模块306可以将具有地面高度的图块发送到匹配模块308。匹配模块308可以从地图服务器304获得具有地面高度的离线图块。例如,匹配模块308可以从ROI层检索数据,其包含存储在地图服务器304中的离线地图中的可行驶区域。
在一些实施例中,为了检测新添加的结构,匹配模块308比较可行驶区域的ROI层内的对应单元的地面高度分布(例如,使用巴氏距离)。在一些方面,地面高度分布包括地面高度相对于地面的均值和方差。在一些方面,当方差数据不可用时,可以使用地面高度的均值。如果分布显著不同(在来自地图服务器304的地面高度与来自图块数据模块306的地面高度之间),则单元被分类为“已变化”。例如,单元被分类为“已变化-新结构”以指示可行驶区域中存在新结构。在一些方面,可以将单元的地面高度与阈值高度进行比较。如果地面高度大于阈值(例如,15cm),则单元被分类为已变化。可以识别被分类为已变化的单元的数量。如果单元的数量大于阈值(例如,5个单元),则触发地图更新。因此,匹配模块308可以将与单元相关联的信息发送到聚类和多边形计算模块310。所述信息可以包括单元和对应图块的标识符。
在一些实施例中,为了检测移除的结构,匹配模块308可以使用ROI层并且比较对应的单元。在一些方面,可以使用定位k-d树来扩展地面高度层。如果单元被分类为属于路面(即,小地面高度均值和小方差),则所述单元在机载图块地图中被注释为可行驶。如果对应单元在离线地图中被注释为不可行驶,则所述单元被分类为“已变化-移除的结构”。此外,由于将地面高度与ROI层进行比较,因此检测到距ROI一定距离内的移除结构。例如,如果系柱被移除但系柱距ROI大于阈值距离(例如,1米),则未检测到变化。这是因为,如本文先前所述,数据处理模块302和图块数据模块306处理数据并且累积在距原始可行驶区域的阈值距离内的激光雷达点的地面高度。
在一些实施例中,将语义标签投影到来自激光雷达数据的点,并且将语义标签与来自具有地面高度的离线图块的地面高度进行比较,以检测可行驶区域的变化。
在一些实施例中,变化单元被分类为两个组中的一者:“不可行驶”或“可行驶”。不可行驶单元被定义为在机载数据中被标记为不可行驶但在离线地图(即,地图服务器304)中曾被标记为可行驶的单元。相反,可行驶单元包括在离线地图中曾不可行驶的区域,但是所述区域现在根据机载数据被标记为可行驶,因为结构已被移除。
在一些实施例中,聚类和多边形计算模块310可以对上述组中的每一者中的激光雷达点进行聚类,并且计算每个聚类的凸包多边形。聚类和多边形计算模块310可以输出变化区域(即,多边形),其中指示是否添加了新结构(即,未曾包括在地图服务器304中的结构)或是否移除了结构(即,结构曾在地图中但不存在于机载实时数据中)。聚类和多边形模块310可以将与新结构或移除的结构相关联的多边形数据输出到地图偏差任务312。多边形数据可以包括3D空间中的地面高度数据。新结构也可以由其他互连的平面形状(诸如一组三角形、四边形等)表示。
地图偏差任务312可以将更新与线道路段相关联并且将所述更新发送到动态矢量地图314。客户端可以查询动态矢量地图314以获得更新的地图信息。动态矢量地图314的客户端可以包括运动规划模块。例如,如果变化指示区域不可行驶(例如,添加了新结构),则运动规划模块可以更改AV的导航路线并且将所述区域标记为不可行驶。如果模块不能给AV重定路线,则交通工具也可以执行完全停止。在一些方面,地图偏差任务312还可以将分类分配给变化区域。地图偏差任务312还可以输出与具有变化的区域相关联的一个或多个结构类型。例如,地图偏差任务312可以输出在可行驶区域的中间添加中值。地图偏差任务312可以使用来自语义分割网络的信息来将类别分配给具有变化的区域。
在一些实施例中,系统300还可以确定检测到的变化是永久性的还是暂时性的。响应于确定所述变化是永久性的,可以更新地图服务器304中的数据并且将所述变化传播到其他交通工具。响应于确定所述变化是暂时性的,动态矢量地图314可以包括所述变化的有效性的持续时间。在一些实施例中,地图偏差任务312可以向机外任务输出通知以查看所述变化,以便确定所述变化是永久性的还是暂时性的。
在一些实施例中,天气状况可能在检测可行驶区域的变化时带来挑战。例如,在冬季期间的积雪区域中,与离线地图中的相同区域相比,被雪覆盖的道路/行驶道可能具有显著的地面高度差,这可能触发可行驶区域变化的误报。另外,多雨状况可能会带来挑战,因为激光可能会从潮湿表面/水坑反射并且导致地面上方的伪影。这可能导致误报率增加。在一些实施例中,从其他传感器(例如,相机)接收的数据可以用于确定可行驶区域是否满足某些状况,包括一些预定天气状况。可以将来自相机的图像与来自地图服务器304的离线图块的地面高度进行比较,以确定是否存在预定天气状况。激光雷达数据在用于确定可行驶区域是否存在变化之前,可以进一步处理。例如,如果天气状况是下雪,则可以从地面高度减去预设高度(例如,5cm)。
在一些实施例中,离线操作员可以确定所述变化是否是误报。响应于确定所述变化是误报,不将所述变化添加到地图。如果地图的区域具有大量误报,则AV可以忽略误报以避免AV中断。
在一些实施例中,系统300可以忽略具有不准确的地面图块层的区域的变化。由于将地面高度与路面进行比较以确定可行驶区域和不可行驶区域,因此该图块层中的任何不准确性都可能直接影响本文描述的方法和系统的性能。在一些方面,可以使用工具(例如,Argonaut)来可视化在线图块和离线图块两者的地面高度层。
图4是根据本公开各方面的用于检测和处理可行驶区域的变化的方法400的流程图。
在402处,从交通工具的传感器接收传感器数据。例如,交通工具机载计算装置220可以从激光雷达系统264接收传感器数据。
在404处,基于传感器数据识别与图块地图的单元相关联的地面高度。例如,交通工具机载计算装置220可以确定图块地图的单元的地面高度数据。交通工具机载计算装置220可以聚合来自多个激光雷达扫描的数据,并且可以过滤与动态对象相关联的数据,如本文先前所述。
在406处,基于确定交通工具的可行驶区域存在变化来更新基本地图。所述确定可以至少基于与所述单元相关联的地面高度。
例如,可以使用一个或多个计算机系统(诸如图5中所示的计算机系统500)来实施各种实施例。计算机系统500可以是能够执行本文描述的功能的任何计算机。
计算机系统500包括一个或多个处理器(也称为中央处理单元或CPU),诸如处理器504。处理器504连接到通信基础设施或总线506。
一个或多个处理器504可以各自是图形处理单元(GPU)。在实施例中,GPU是处理器,所述处理器是被设计用于处理数学密集型应用的专用电子电路。GPU可以具有并行结构,所述并行结构对于大数据块(诸如计算机图形应用、图像、视频等共有的数学密集型数据)的并行处理是有效的。
计算机系统500还包括通过用户输入/输出接口502与通信基础设施506通信的用户输入/输出装置503,诸如监视器、键盘、指向装置等。
计算机系统500还包括主存储器或主要存储器508,诸如随机存取存储器(RAM)。主存储器508可以包括一个或多个级别的高速缓存。主存储器508在其中存储有控制逻辑(即,计算机软件)和/或数据。
计算机系统500还可以包括一个或多个辅助存储装置或存储器510。辅助存储器510可以包括例如硬盘驱动器512和/或可移除存储装置或驱动器514。可移除存储驱动器514可以是软盘驱动器、磁带驱动器、压缩盘驱动器、光学存储装置、磁带备份装置和/或任何其他存储装置/驱动器。
可移除存储驱动器514可以与可移除存储单元518交互。可移除存储单元518包括其上存储有计算机软件(控制逻辑)和/或数据的计算机可用或可读存储装置。可移除存储单元518可以是软盘、磁带、光盘、DVD、光学存储盘和/任何其他计算机数据存储装置。可移除存储驱动器514以众所周知的方式从可移除存储单元518读取和/或写入。
根据示例性实施例,辅助存储器510可以包括用于允许计算机系统500访问计算机程序和/或其他指令和/或数据的其他装置、工具或其他方法。此类装置、工具或其他方法可以包括例如可移除存储单元522和接口520。可移除存储单元522和接口520的示例可以包括程序盒和盒接口(诸如在视频游戏装置中发现的)、可移除存储器芯片(诸如EPROM或PROM)和相关联的插口、记忆棒和USB端口、存储卡和相关联的存储卡槽、和/或任何其他可移除存储单元和相关联的接口。
计算机系统500还可以包括通信或网络接口524。通信接口524使得计算机系统500能够与远程装置、远程网络、远程实体等的任何组合(单独地和共同地由附图标记528引用)进行通信和交互。例如,通信接口524可以允许计算机系统500通过通信路径526与远程装置528通信,所述通信路径可以是有线和/或无线的,并且可以包括LAN、WAN、互联网等的任何组合。控制逻辑和/或数据可以经由通信路径526向和从计算机系统500传输。
在实施例中,包括其上存储有控制逻辑(软件)的有形非暂时性计算机可用或可读介质的有形非暂时性设备或制品在本文中也被称为计算机程序产品或程序存储装置。这包括但不限于计算机系统500、主存储器508、辅助存储器510以及可移除存储单元518和522,以及体现前述各项的任何组合的有形制品。这种控制逻辑在由一个或多个数据处理装置(诸如计算机系统500)执行时使此类数据处理装置如本文所述进行操作。
基于本公开中所包含的教导,相关领域的技术人员将明白如何使用除图5中所示的之外的数据处理装置、计算机系统和/或计算机架构来制作和使用本公开的实施例。具体地,实施例可以利用除本文描述的那些之外的软件、硬件和/或操作系统实施方式进行操作。
应理解,具体实施方式部分而不是任何其他部分旨在用于解释权利要求。其他部分可以阐述如发明人所设想的一个或多个但不是全部的示例性实施例,并且因此不旨在以任何方式限制本公开或所附权利要求。
虽然本公开描述了示例性领域和应用的示例性实施例,但是应理解,本公开不限于此。其他实施例及其修改是可能的,并且在本公开的范围和精神内。例如,并且在不限制本段的一般性的情况下,实施例不限于附图中所示和/或本文描述的软件、硬件、固件和/或实体。此外,实施例(无论本文是否明确描述)对于本文描述的示例之外的领域和应用具有重要效用。
本文已经借助于示出指定功能及其关系的实施方式的功能构建块来描述实施例。为了便于描述,本文中已经任意定义了这些功能构建块的边界。只要适当地执行指定的功能和关系(或其等效物),就可以定义替代边界。而且,替代实施例可以使用与本文描述的那些不同的排序来执行功能框、步骤、操作、方法等。
本文对“一个实施例”、“实施例”、“示例实施例”或类似短语的引用指示所描述的实施例可以包括特定特征、结构或特性,但每个实施例可能不一定包括所述特定特征、结构或特性。此外,此类短语不一定指代同一实施例。此外,当结合实施例描述特定特征、结构或特性时,将此类特征、结构或特性结合到其他实施例中是在相关领域的技术人员的知识范围内的,无论是否在本文中明确提及或描述。另外,可以使用表达方式“耦接”和“连接”以及它们的派生词来描述一些实施例。这些术语不一定旨在作为彼此的同义词。例如,可以使用术语“连接”和/或“耦接”来描述一些实施例,以指示两个或更多个元件彼此直接物理或电接触。然而,术语“耦接”还可以意味着两个或更多个元件彼此不直接接触,但仍然彼此协作或交互。
本公开的广度和范围不应受上述示例性实施例中的任一者限制,而是应仅根据所附权利要求和其等效物限定。
根据本发明,一种方法包括:由一个或多个计算装置基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且由所述一个或多个计算装置基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
在本发明的一个方面,所述方法包括:由所述一个或多个计算装置将所述地面高度与存储在所述基本地图中的数据进行比较;并且由所述一个或多个计算装置响应于确定所述地面高度的差大于第一阈值而更新动态地图矢量,其中所述动态地图矢量包括在所述交通工具的操作期间检测到的所述基本地图的变化。
在本发明的一个方面,所述方法包括:当所述地面高度的差大于第一阈值时,由所述一个或多个计算装置向所述单元分配指示所述可行驶区域的所述变化的属性;由所述一个或多个计算装置识别所述图块地图的与指示所述变化的所述属性相关联的单元数量;并且当所述单元数量大于第二阈值时由所述一个或多个计算装置更新动态矢量地图,其中所述动态矢量地图包括在所述交通工具的所述操作期间检测到的所述基本地图的变化。
在本发明的一个方面,所述方法包括:由所述一个或多个计算装置基于确定所述变化是所述可行驶区域的永久性变化来更新所述基本地图。
在本发明的一个方面,所述方法包括:由所述一个或多个计算装置将所述图块地图的单元聚类成集群,所述集群指示所述可行驶区域中的新结构或移除了结构;并且由所述一个或多个计算装置计算所述集群的指示所述新结构的区域或指示所述结构已被移除的位置的所述区域的多边形。
在本发明的一个方面,所述传感器数据包括多个激光雷达点,所述方法还包括:由所述一个或多个计算装置响应于确定所述多个激光雷达点中的激光雷达点与动态对象相关联来过滤所述激光雷达点。
在本发明的一个方面,所述传感器数据包括与所述多个激光雷达点中的所述激光雷达点相关联的语义标签,所述方法还包括:由所述一个或多个计算装置基于所述语义标签过滤所述激光雷达点。
根据本发明,提供了一种系统,所述系统具有:存储器;以及至少一个处理器,所述至少一个处理器耦接到所述存储器并且被配置为执行包括以下各项的操作:基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
根据实施例,本发明的特征还在于:将所述地面高度与存储在所述基本地图中的数据进行比较;并且响应于确定所述地面高度的差大于第一阈值而更新动态矢量地图,其中所述动态矢量地图包括在所述交通工具的操作期间检测到的所述基本地图的变化。
根据实施例,本发明的特征还在于:当所述地面高度的差大于第一阈值时,向所述单元分配指示所述可行驶区域的所述变化的属性;识别所述图块地图的与指示所述变化的所述属性相关联的单元数量;并且当所述单元数量大于第二阈值时更新动态矢量地图,其中动态地图矢量包括在所述交通工具的所述操作期间检测到的所述基本地图的变化。
根据实施例,本发明的特征还在于:基于确定所述变化是所述可行驶区域的永久性变化来更新所述基本地图。
根据实施例,本发明的特征还在于:将所述图块地图的单元聚类成集群,所述集群指示所述可行驶区域中的新结构;并且计算所述集群的指示所述新结构的区域的多边形。
根据实施例,所述传感器数据包括多个激光雷达点,
所述操作还包括:响应于确定所述多个激光雷达点中的激光雷达点与动态对象相关联,过滤所述激光雷达点。
根据实施例,所述传感器数据包括与所述多个激光雷达点中的所述激光雷达点相关联的语义标签,所述操作还包括:基于所述语义标签过滤所述激光雷达点。
根据本发明,提供了一种上面存储有指令的非暂时性计算机可读介质,当所述指令由至少一个计算装置执行时,使得所述至少一个计算装置执行包括以下各项的操作:基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
根据实施例,所述操作还包括:将所述地面高度与存储在所述基本地图中的数据进行比较;并且响应于确定所述地面高度的差大于第一阈值而更新动态矢量地图,其中动态地图矢量包括在所述交通工具的操作期间检测到的所述基本地图的变化。
根据实施例,所述操作还包括:当所述地面高度的差大于第一阈值时,向所述单元分配指示所述可行驶区域的所述变化的属性;识别所述图块地图的与指示所述变化的所述属性相关联的单元数量;并且当所述单元数量大于第二阈值时更新动态地图矢量,其中动态地图矢量包括在所述交通工具的所述操作期间检测到的所述基本地图的变化。
根据实施例,所述操作还包括:基于确定所述变化是所述可行驶区域的永久性变化来更新所述基本地图。
根据实施例,所述操作还包括:将所述图块地图的单元聚类成集群,所述集群指示所述可行驶区域中的新结构;并且计算所述集群的指示所述新结构的区域的多边形。
根据实施例,所述传感器数据包括多个激光雷达点并且其中所述操作还包括:响应于确定所述多个激光雷达点中的激光雷达点与动态对象相关联,过滤所述激光雷达点。
Claims (15)
1.一种方法,其包括:
由一个或多个计算装置基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且
由所述一个或多个计算装置基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
2.如权利要求1所述的方法,其还包括:
由所述一个或多个计算装置将所述地面高度与存储在所述基本地图中的数据进行比较;并且
由所述一个或多个计算装置响应于确定所述地面高度的差大于第一阈值而更新动态地图矢量,其中所述动态地图矢量包括在所述交通工具的操作期间检测到的所述基本地图的变化。
3.如权利要求1所述的方法,其还包括:
当所述地面高度的差大于第一阈值时,由所述一个或多个计算装置向所述单元分配指示所述可行驶区域的所述变化的属性;
由所述一个或多个计算装置识别所述图块地图的与指示所述变化的所述属性相关联的单元数量;并且
由所述一个或多个计算装置在所述单元数量大于第二阈值时更新动态地图矢量,其中所述动态地图矢量包括在所述交通工具的所述操作期间检测到的所述基本地图的变化。
4.如权利要求1所述的方法,其还包括:
由所述一个或多个计算装置基于确定所述变化是所述可行驶区域的永久性变化来更新所述基本地图。
5.如权利要求1所述的方法,其还包括:
由所述一个或多个计算装置将所述图块地图的单元聚类成集群,所述集群指示所述可行驶区域中的新结构或移除了结构;并且
由所述一个或多个计算装置计算所述集群的指示所述新结构的区域或指示所述结构已被移除的位置的所述区域的多边形。
6.如权利要求1所述的方法,其中所述传感器数据包括多个激光雷达点,所述方法还包括:
由所述一个或多个计算装置响应于确定所述多个激光雷达点中的激光雷达点与动态对象相关联,过滤所述激光雷达点。
7.如权利要求6所述的方法,其中所述传感器数据包括与所述多个激光雷达点中的所述激光雷达点相关联的语义标签,所述方法还包括:
由所述一个或多个计算装置基于所述语义标签来过滤所述激光雷达点。
8.一种系统,其包括:
存储器;以及
至少一个处理器,所述至少一个处理器耦接到所述存储器并且被配置为执行包括以下各项的操作:
基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度,并且
基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
9.如权利要求8所述的系统,所述操作还包括:
将所述地面高度与存储在所述基本地图中的数据进行比较;并且
响应于确定所述地面高度的差大于第一阈值而更新动态矢量地图,其中所述动态矢量地图包括在所述交通工具的操作期间检测到的所述基本地图的变化。
10.如权利要求8所述的系统,所述操作还包括:
当所述地面高度的差大于第一阈值时,向所述单元分配指示所述可行驶区域的所述变化的属性;
识别所述图块地图的与指示所述变化的所述属性相关联的单元数量;并且
当所述单元数量大于第二阈值时更新动态矢量地图,其中动态地图矢量包括在所述交通工具的所述操作期间检测到的所述基本地图的变化。
11.如权利要求8所述的系统,所述操作还包括:
基于确定所述变化是所述可行驶区域的永久性变化来更新所述基本地图。
12.如权利要求8所述的系统,所述操作还包括:
将所述图块地图的单元聚类成集群,所述集群指示所述可行驶区域中的新结构;并且
计算所述集群的指示所述新结构的区域的多边形。
13.如权利要求8所述的系统,其中所述传感器数据包括多个激光雷达点,
所述操作还包括:
响应于确定所述多个激光雷达点中的激光雷达点与动态对象相关联,过滤所述激光雷达点;
其中所述传感器数据包括与所述多个激光雷达点中的所述激光雷达点相关联的语义标签,所述操作还包括:
基于所述语义标签来过滤所述激光雷达点。
14.一种上面存储有指令的非暂时性计算机可读介质,当所述指令由至少一个计算装置执行时,使得所述至少一个计算装置执行包括以下各项的操作:
基于来自交通工具的传感器的传感器数据来确定与图块地图的单元相关联的地面高度;并且
基于至少基于所述地面高度确定所述交通工具的可行驶区域存在变化来更新基本地图。
15.如权利要求14所述的非暂时性计算机可读介质,所述操作还包括:
将所述地面高度与存储在所述基本地图中的数据进行比较;并且
响应于确定所述地面高度的差大于第一阈值而更新动态矢量地图,其中动态地图矢量包括在所述交通工具的操作期间检测到的所述基本地图的变化。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US18/077,638 US20240192371A1 (en) | 2022-12-08 | 2022-12-08 | Detection of a Change in a Drivable Area |
US18/077,638 | 2022-12-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118168533A true CN118168533A (zh) | 2024-06-11 |
Family
ID=91186055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311643727.7A Pending CN118168533A (zh) | 2022-12-08 | 2023-12-04 | 对可行驶区域的变化的检测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240192371A1 (zh) |
CN (1) | CN118168533A (zh) |
DE (1) | DE102023133886A1 (zh) |
-
2022
- 2022-12-08 US US18/077,638 patent/US20240192371A1/en active Pending
-
2023
- 2023-12-04 CN CN202311643727.7A patent/CN118168533A/zh active Pending
- 2023-12-04 DE DE102023133886.2A patent/DE102023133886A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102023133886A1 (de) | 2024-06-13 |
US20240192371A1 (en) | 2024-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10185324B1 (en) | Building elevation maps from laser data | |
US11423677B2 (en) | Automatic detection and positioning of pole-like objects in 3D | |
JP2023134478A (ja) | ナビゲーション情報を匿名化するためのシステム及び方法 | |
US11216000B2 (en) | System and method for estimating lane prediction errors for lane segments | |
CN116539052A (zh) | 用于车辆导航的系统、方法和装置 | |
CN111177288A (zh) | 用于导出自主车辆启用的可行驶地图的系统 | |
US11880203B2 (en) | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries | |
US11970185B2 (en) | Data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
JP2023508769A (ja) | ナビゲーションのためのマップタイル要求を最適化するためのシステム及び方法 | |
JP2023539868A (ja) | マップベースの現実世界モデル化のシステム及び方法 | |
CN116670610A (zh) | 用于公共速度映射和导航的系统和方法 | |
WO2022165498A1 (en) | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle | |
CN117141463A (zh) | 识别并行泊车车辆的意图和预测的系统、方法和计算机程序产品 | |
US20230056589A1 (en) | Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles | |
US20240192371A1 (en) | Detection of a Change in a Drivable Area | |
US20240192021A1 (en) | Handling Road Marking Changes | |
US20240212277A1 (en) | Methods and systems for generating a map mesh for autonomous driving | |
US20230373523A1 (en) | Systems and methods for biasing a trajectory of an autonomous vehicle while moving in a lane | |
US20240151817A1 (en) | Systems and methods for static detection based amodalization placement | |
US20240092358A1 (en) | Systems and methods for scene understanding | |
US20240166231A1 (en) | Systems and methods for determining steer while stopped behavior for a vehicle using dynamic limits | |
US20230150543A1 (en) | Systems and methods for estimating cuboid headings based on heading estimations generated using different cuboid defining techniques | |
US20240101106A1 (en) | Systems and methods for scene understanding | |
US20230415739A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
US20230399026A1 (en) | State Identification For Road Actors With Uncertain Measurements Based On Compliant Priors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |