JP2021165731A - 測位方法、装置、コンピューティングデバイス、およびコンピュータ可読記憶媒体 - Google Patents

Abstract

【課題】自動運転の分野に関して、効果的かつ安定的なローカル測位結果を提供できる測位方法、コンピューティングデバイス、およびコンピュータ可読記憶媒体を提供する。
【解決手段】現時点での被測位デバイスの慣性測定データ、およびこのデバイスのＬｉＤＡＲによって現時点で収集された点群データを取得することと、慣性測定データを積分することにより、現時点での慣性座標系でのこのデバイスの慣性測位情報を決定することと、慣性測位情報、点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、現時点でのローカル座標系でのこのデバイスの測位結果を決定する。
【選択図】図１

Description

本開示の実施形態は、主に自動運転の分野に関し、より具体的には、測位方法、装置、コンピューティングデバイス、およびコンピュータ可読記憶媒体に関する。

近年、自動運転（無人運転とも呼ばれる）は、人工知能の応用シナリオの１つとして様々な乗り物や特殊自動車産業の新しい発展方向となっている。自動運転技術は通常、自動運転車両の高精度測位に依存する。自動運転の分野では、従来の測位手段は通常、自動運転車両のＬｉＤＡＲによってリアルタイムで収集された点群データを高精度測位マップとマッチングさせることにより、自動運転車両のグローバル位置を決定する。しかしながら、道路環境が変化すると、リアルタイムで収集された点群データが測位マップの対応するエリアのデータと大きく異なる場合があるため、測位結果が不正確になったり、測位できなくなったりする可能性がある。レーザー走行距離計は高精度測位マップを使用していないため、環境変化に影響されない。

本開示の例示的な実施形態によれば、測位手段が提供される。

本開示の第一態様では、測位方法が提供される。この方法は、
第一時点でのデバイスの慣性測定データ、および前記デバイスのＬｉＤＡＲによって前記第一時点で収集された点群データを取得することと、
前記慣性測定データを積分することにより、前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
前記慣性測位情報、前記点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、前記第一時点での前記ローカル座標系での前記デバイスの第一測位結果を決定することとを含む。

本開示の第二態様では、測位装置が提供される。この装置は、被測位デバイスの慣性測定データ、およびこのデバイスのＬｉＤＡＲによって現時点で収集された点群データを取得するように構成されたデータ取得モジュールと、慣性測定データを積分することにより、現時点での慣性座標系でのこのデバイスの慣性測位情報を決定するように構成された慣性測位モジュールと、慣性測位情報、点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、現時点でのローカル座標系でのこのデバイスの測位結果を決定するように構成された結果決定モジュールとを含む。

本開示の第三態様では、コンピューティングデバイスが提供される。このコンピューティングデバイスは、
１つまたは複数のプロセッサと、
前記１つまたは複数のプロセッサによって実行されると操作を前記コンピューティングデバイスに実行させる１つまたは複数のプログラムを記憶するメモリとを含み、前記操作は、
第一時点でのデバイスの慣性測定データ、および前記デバイスのＬｉＤＡＲによって前記第一時点で収集された点群データを取得することと、
前記慣性測定データを積分することにより、前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
前記慣性測位情報、前記点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、前記第一時点での前記ローカル座標系での前記デバイスの第一姿勢の第一測位結果を決定することとを含む。

本開示の第四態様では、コンピューティングデバイスによって実行されると操作を前記コンピューティングデバイスに実行させるコンピュータプログラムを記憶するコンピュータ可読記憶媒体が提供される。

前記操作は、
第一時点でのオブジェクトの慣性測定データ、および前記オブジェクトのＬｉＤＡＲによって前記第一時点で収集された点群データを取得することと、
前記慣性測定データを積分することにより、前記慣性測定データに基づいて前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
前記慣性測位情報、前記点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、前記第一時点での前記ローカル座標系での前記オブジェクトの姿勢を決定することとを含む。

本開示の第五態様では、プロセッサによって実行されると、第一態様に記載の方法を実施するコンピュータプログラムが提供される。

発明の概要に記載の内容は、本開示の実施形態の主要または重要な特徴を限定することを意図するものではなく、また、本開示の範囲を限定することを意図するものでもないことを理解されたい。本開示の他の特徴は、以下の説明から容易に理解されるであろう。

図面および以下の詳細な説明を参照すると、本開示の各実施形態の上記および他の特徴、利点、および態様がより明らかになるであろう。図面において、同一または類似の参照符号は、同一または類似の要素を示す。

本開示の複数の実施形態が実施され得る例示的な環境の概略図である。 本開示の実施形態に係る測位システムのブロック図である。 本開示の実施形態に係る測位プロセスのフローチャートである。 本開示の実施形態に係る測位装置の概略ブロック図である。 本開示の複数の実施形態を実施することができるコンピューティングデバイスのブロック図である。

以下、図面を参照して本開示の実施形態をより詳細に説明する。本開示のいくつかの実施形態が図面に示されているが、本開示が様々な形態で実施されてもよく、本明細書に記載の実施形態に限定されると解釈されるべきではなく、逆に、これらの実施形態が本開示をより徹底的かつ完全に解釈するために提供されることを理解されたい。本開示の図面および実施形態は、例示的な目的のためにのみ使用され、本開示の保護範囲を限定するために使用されないことを理解されたい。

本開示の実施形態の説明において、「含む」という用語および類似の用語は、無制限に含むこと、即ち「含むが、これらに限定されない」と理解されるべきである。「に基づく」という用語は、「少なくとも部分的に基づく」と理解されるべきである。「一実施形態」または「この実施形態」という用語は、「少なくとも１つの実施形態」と理解されるべきである。「第一」、「第二」などの用語は、異なるオブジェクトまたは同じオブジェクトを意味することができる。他の明示的および暗黙的な定義は以下に含まれ得る。

前述のように、自動運転の分野では、従来の測位手段は通常、自動運転車両のＬｉＤＡＲによってリアルタイムで収集された点群データを高精度測位マップとマッチングさせることにより、自動運転車両の位置を決定する。しかしながら、道路環境が変化すると、リアルタイムで収集された点群データが測位マップの対応するエリアのデータと大きく異なる場合があるため、測位結果が不正確になったり、測位できなくなったりする可能性がある。

本開示の実施形態によれば、測位手段が提供される。この手段は、被測位デバイスの慣性測定データ、およびこのデバイスのＬｉＤＡＲによって現時点で収集された点群データを取得することと、慣性測定データを積分することにより、現時点での慣性座標系でのこのデバイスの慣性測位情報を決定することと、慣性測位情報、点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、現時点でのローカル座標系でのこのデバイスの測位結果を決定することとを含む。

従来の手段と比べて、本開示の実施形態は、以下の利点を有する。第一に、従来の手段において使用される二次元（２Ｄ）占有グリッドマップの代わりに、本開示の実施形態は、点群データとマッチングさせるためのローカルマップとして三次元（３Ｄ）占有グリッドマップを使用することにより、完全な６自由度（ＤＯＦ）レーダー慣性走行距離計を実現する。第二に、本開示の実施形態は、慣性測定データの積分結果を使用して、フレーム間姿勢推定の相対的制約を提供すると同時に、動きによるレーダースキャン歪みに対して動き補償を実行する。第三に、ＬｉＤＡＲ反射情報をローカルマップのグリッドに加え、ローカルマップを現在のフレームとマッチングさせるときにＬｉＤＡＲ反射情報を利用する。第四に、多重解像度ローカルマップを使用して、点群データとローカルマップとの間のマッチングプロセスの安定性と精度を向上させる。

以下、図面を参照して本開示の実施形態を具体的に説明する。図１は、本開示の複数の実施形態が実施され得る例示的な環境１００の概略図である。環境１００は、被測位デバイス１１０、およびデバイス１１０と通信可能に結合されたコンピューティングデバイス１２０を含み得る。

この例示的な環境１００では、デバイス１１０は、例えば、道路１３０上を走行している車両として示されている。本明細書に記載の車両は、自動車、トラック、バス、電気自動車、オートバイ、キャンピングカー、電車などを含み得るが、これらに限定されない。いくつかの実施形態では、デバイス１１０は、部分的または完全な自動運転能力を備えた車両であり得、無人自動車とも呼ばれる。任意選択的に、別の実施形態では、デバイス１１０はまた、測位される他のデバイスまたは乗り物であり得る。本開示の範囲は、この点に関して限定されない。

デバイス１１０は、コンピューティングデバイス１２０と通信可能に結合され得る。別個のエンティティとして示されているが、コンピューティングデバイス１２０は、デバイス１１０に埋め込まれ得る。コンピューティングデバイス１２０はまた、デバイス１１０の外部のエンティティとして実装され得、無線ネットワークを介してデバイス１１０と通信し得る。コンピューティングデバイス１２０は、計算、記憶、通信、制御などの機能を実現するために、少なくとも、プロセッサ、メモリ、および汎用コンピュータに通常配置される他のコンポーネントを含み得る。

いくつかの実施形態では、デバイス１１０には、点群データをリアルタイムで収集するためのＬｉＤＡＲが装備され得る。コンピューティングデバイス１２０は、ＬｉＤＡＲによってリアルタイムで収集された点群データをデバイス１１０から取得し、少なくともこの点群データに基づいてデバイス１１０の現在の測位結果１０１を決定することができる。測位結果１０１は、特定の座標系でのデバイス１１０の姿勢を示すことができる。例えば、二次元座標系では、オブジェクトの姿勢は二次元座標および方位角で表され得る。三次元座標系では、オブジェクトの姿勢は三次元座標、ピッチ角、方位角、およびロール角で表され得る。追加的に、いくつかの実施形態では、デバイス１１０にはまた、慣性測定データ（ジャイロスコープによって収集された角速度、ジャイロスコープのゼロオフセット、加速度計によって収集された加速度、加速度計のゼロオフセットなど）をリアルタイムで収集するための慣性測定ユニット（ＩＭＵ）が装備され得る。コンピューティングデバイス１２０は、この慣性測定データ、およびＬｉＤＡＲによってリアルタイムで収集された点群データをデバイス１１０から取得し、少なくとも慣性測定データおよび点群データに基づいて、デバイス１１０の現在の測位結果１０１を決定することができる。

図２は、本開示の実施形態に係る測位システム２００のブロック図である。測位システム２００の構造および機能は、例示のみを目的として示され、本開示の範囲を限定することを意味するものではないことを理解されたい。いくつかの実施形態では、測位システム２００は、異なる構造および／または機能を有することができる。

図２に示すように、システム２００は、被測位デバイス（例えば、車両）１１０、およびコンピューティングデバイス１２０を含み得る。被測位デバイス１１０は、例えば、ＩＭＵ２１０およびＬｉＤＡＲ２２０を含み得る。ＩＭＵ２１０（ジャイロスコープ、加速度計などを含む）は、デバイス１１０の慣性測定データ（ジャイロスコープによって収集された角速度、ジャイロスコープのゼロオフセット、加速度計によって収集された加速度、加速度計のゼロオフセットなど）をリアルタイムで収集することができる。ＬｉＤＡＲ２２０は、点群データをリアルタイムで収集することができる。明細書に記載の「点群データ」とは、オブジェクトの表面にレーザービームを照射したときに返されるオブジェクトの表面上の各点のデータ情報を指し、各点の三次元座標（例えば、ｘ座標、ｙ座標、およびｚ座標）、およびレーザー反射強度（「反射値」または「反射情報」とも呼ばれる）を含む。

図２に示すように、コンピューティングデバイス１２０は、前処理モジュール２３０、ＬｉＤＡＲ慣性走行距離計２４０、および融合最適化モジュール２５０を含み得る。コンピューティングデバイス１２０の様々なモジュールおよび対応する機能は、例示のみを目的として示され、本開示の範囲を限定することを意味するものではないことを理解されたい。いくつかの実施形態では、コンピューティングデバイス１２０は、追加のモジュールを含み得るか、または示されるモジュールのうちの１つまたは複数（例えば、融合最適化モジュール２５０）を省略し得る。

いくつかの実施形態では、前処理モジュール２３０は、慣性積分ユニット２３１および動き補償ユニット２３２を含み得る。慣性積分ユニット２３１は、ＩＭＵ２１０によって収集された慣性測定データを積分することにより、現時点での慣性座標系でのデバイス１１０の測位情報（本明細書では「慣性測位情報」とも呼ばれる）を決定することができる。慣性測位情報は、例えば、慣性座標系でのこのデバイス１１０の予測姿勢および／または他の情報を示すことができる。いくつかの実施形態では、慣性測位情報が動き補償ユニット２３２に提供され得るため、動き補償ユニット２３２は、この慣性測位情報を利用して、ＬｉＤＡＲ２２０によって収集されたオリジナルの点群データに対して動き補償を実行して、補償された点群データを取得することができる。補償された点群データは、ＬｉＤＡＲ慣性走行距離計２４０に提供され得る。

いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、点群データ（例えば、動き補償後の点群データまたはオリジナルの点群データ）および慣性測位情報を受信し、点群データおよび慣性測位情報に基づいて、現時点での点群データ（「現在のフレーム」とも呼ばれる）と前の時点での点群データ（「前のフレーム」とも呼ばれる）との間の相対的姿勢関係を推定することができる。いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、異なる点群データフレーム間の推定された相対的姿勢関係に基づいて、受信された点群データを組み合わせることにより、ローカル座標系でローカルマップを構築することができる。ローカルマップは、例えば、デバイス１１０の初期位置を原点としたローカル座標系で構築された三次元占有グリッドマップであり得る。例えば、ローカルマップは、複数のグリッドに分割され得る。各グリッドは、このグリッドに対応するレーザー反射情報（例えば、レーザー反射値の平均値と分散）、およびこのグリッドが障害物で占有される確率（「占有確率」または「障害物占有確率」とも呼ばれる）を記録することができる。

いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、点群データをローカルマップとマッチングさせ、慣性測位情報を制約として使用することにより、現時点でのローカル座標系でのデバイス１１０の測位結果１０１を決定することができる。測位結果１０１は、例えば、点群データとローカルマップとの間の相対的姿勢、ローカル座標系でのデバイス１１０の姿勢（本明細書では「第一姿勢」とも呼ばれる）、およびローカル座標系でのこのローカルマップの姿勢（本明細書では「第二姿勢」とも呼ばれる）を示すことができる。ローカルマップの姿勢は、例えば、このローカルマップを構築するための最初フレームの点群に対応する姿勢で示され得る。

いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、現時点での点群データに基づいてローカルマップをさらに更新することができる。点群データおよびローカルマップが通常同じ座標系にないため、ＬｉＤＡＲ慣性走行距離計２４０は、点群データをローカルマップに対応するローカル座標系に変換してから、座標変換された点群データを利用してローカルマップを更新することができる。例えば、ＬｉＤＡＲ慣性走行距離計２４０は、現時点での点群データをローカルマップに挿入して、このローカルマップを更新することができる。

いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、複数のローカルマップを維持することができる。例えば、ＬｉＤＡＲ慣性走行距離計２４０が、複数フレームの履歴点群データを組み合わせることにより、第一ローカルマップを構築したと仮定する。ＬｉＤＡＲ慣性走行距離計２４０は、現時点での点群データを受信したとき、現時点での点群データを第一ローカルマップに挿入して、第一ローカルマップを更新することができる。第一ローカルマップにおける点群フレームの数が閾値（例えば、４０フレーム）に達した場合、後続の点群データは第一ローカルマップに挿入されないが、新しい第二ローカルマップを構築するために使用される。第二ローカルマップにおける点群フレームの数が閾値（例えば、４０フレーム）に達した場合、第一ローカルマップは廃棄されてもよい。いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０によって維持される複数のローカルマップは、異なる解像度を有することができるため、測位の精度および安定性をさらに向上させることができる。いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０が複数のローカルマップを維持する場合、ローカル座標系での各ローカルマップの姿勢は、このローカルマップを構築するための最初フレームの点群に対応する姿勢で示され得る。ローカル座標系でのデバイス１１０の測位結果１０１を決定するとき、ＬｉＤＡＲ慣性走行距離計２４０は、受信した点群データを複数のローカルマップのそれぞれとマッチングさせることができる。

いくつかの実施形態では、測位結果１０１の決定は、最大事後推定問題として定式化され得る。例えば、デバイス１１０の測位結果に対応する事後確率

は、以下のように分解され得る：

Ｋがすべてのフレームの集合を表すと仮定すると、

はこれらのフレームの状態（例えば、測位結果）を表し、

はこれらのフレームに関連する測定データを表す。変数

はローカル座標系でのｋ番目のフレームの状態（例えば、姿勢）を表し、Ｒ_ｋ ^Ｌはローカル座標系でのｋ番目のフレームに対応するピッチ角、方位角、およびロール角を表し、ｔ_ｋ ^Ｌはローカル座標系でのｋ番目のフレームの三次元位置座標を表す。

はｋ番目のフレームに関連するデータを表し、ｚ_ｋ ^Ｐはｋ番目のフレームの点群データを表し、ｚ_ｋ ^Ｉは慣性積分ユニット２３１によって提供される慣性座標系でのｋ番目のフレームの慣性測位情報を表す。変数ｘ_ｋ−１ ^Ｌはローカル座標系でのｋ−１番目のフレームの状態（例えば、姿勢）を表し、Ｓ_ｋ−１はｋ−１番目のフレームで更新された少なくとも１つのローカルマップ、即ち、現在のフレームとマッチングする少なくとも１つのローカルマップを表す。

いくつかの実施形態では、上記の式（１）に示すように、ＬｉＤＡＲ慣性走行距離計２４０は、過去時点でのデバイス１１０の履歴測位結果ｘ_ｋ−１ ^Ｌ、点群データｚ_ｋ ^Ｐ、慣性測位情報ｚ_ｋ ^Ｉ、および少なくとも１つのローカルマップＳ_ｋ−１に基づいて、測位結果ｘ_ｋ ^Ｌに関連する事後確率

（本明細書では「第一事後確率」とも呼ばれる）を決定することができる。その後、事後確率

を最大化することにより、測位結果ｘ_ｋ ^Ｌを決定する。いくつかの実施形態では、第一事後確率

を決定するために、ＬｉＤＡＲ慣性走行距離計２４０は、測位結果ｘ_ｋ ^Ｌおよび少なくとも１つのローカルマップＳ_ｋ−１に対応する点群データｚ_ｋ ^Ｐの尤度値

（本明細書では「第一尤度値」とも呼ばれる）を決定することができる。ＬｉＤＡＲ慣性走行距離計２４０は、測位結果ｘ_ｋ ^Ｌおよび履歴測位結果ｘ_ｋ−１ ^Ｌに対応する慣性測位情報ｚ_ｋ ^Ｉの尤度値

（本明細書では「第二尤度値」とも呼ばれる）を決定することができる。その後、ＬｉＤＡＲ慣性走行距離計２４０は、第一尤度値および第二尤度値に基づいて、第一事後確率

を決定することができる。

いくつかの実施形態では、ゼロ平均ガウス分布の仮定の下で、第二尤度値

は、以下のように定義され得る：

ここで、

ｒ_ｋ ^Ｉは慣性測位情報の残差を表し、Λ_ｋ ^Ｉは慣性座標系での残差ｒ_ｋ ^Ｉの共分散を表す。いくつかの実施形態では、慣性測位情報の残差ｒ_ｋ ^Ｉおよびその共分散Λ_ｋ ^Ｉは、任意の知られているまたは将来開発される方法で決定され得るため、ここでは説明を省略する。

いくつかの実施形態では、第一尤度値

は、以下のように定義され得る：

占有確率項目ＳＳＯＰおよび反射値項目ＳＳＩＤは、それぞれ以下のように定義され得る：

ローカルマップＳ_ｋ−１は異なる解像度を有する複数のローカルマップを含み得る。上記の式（３）におけるｉはローカルマップの解像度を表す。各ローカルマップは、グリッドのインデックスがｊで表される三次元占有グリッドマップであり得る。点群データは、例えば、複数のレーザー点の対応する反射値を含み得る。レーザー点

および解像度ｉのローカルマップが与えられると、このローカルマップ内のレーザー点がヒットしたグリッドｓは決定され得る。上記の式（４）におけるＰ（ｓ）はローカルマップにおけるこのグリッドｓの占有確率を表し、Ｉ（Ｐ_ｊ）は点群データにおけるこのレーザー点Ｐ_ｊの反射値を表し、ｕ_ｓおよびσ_ｓはローカルマップにおけるグリッドｓの反射平均値と分散をそれぞれ表す。上記の式（３）における分散

は、最大事後確率を推定するプロセスにおいて、解像度の異なるローカルマップの下で占有確率項目および反射値項目に重みを付けるために使用される。

いくつかの実施形態では、ＬｉＤＡＲ慣性走行距離計２４０は、公式（１）に示す事後確率を最大化することにより、現時点でのデバイス１１０の測位結果１０１を決定することができる。いくつかの実施形態では、この測位結果１０１は、例えば、現時点でのローカル座標系でのデバイス１１０の姿勢ｘ_ｋ ^Ｌを示すことができる。具体的には、公式（１）〜（４）に示す最大事後確率推定問題を解決するとき、この問題を、残差、占有確率項目および反射値項目の二乗和の最小値を求めることに変換してから、反復アルゴリズムを利用して解を求めることができる。このようにして、ＬｉＤＡＲ慣性走行距離計２４０は、現時点でのデバイス１１０の測位結果１０１を決定することができる。

追加的にまたは任意選択的に、いくつかの実施形態では、測位結果１０１がＬｉＤＡＲ慣性走行距離計２４０によって決定された場合、融合最適化モジュール２５０は、少なくとも慣性積分ユニット２３１からの慣性測位情報に基づいてこの測位結果を最適化することができる。最適化された測位結果１０１は、例えば、現時点でのローカル座標系でのデバイス１１０の最適化された姿勢ｘ_ｋ ^Ｌを示すことができる。

いくつかの実施形態では、融合最適化プロセスは、固定長のスライドウィンドウを利用することができる。例えば、スライドウィンドウ内のフレーム数が所定のフレーム数に達した場合、新しいフレームの点群データがこのスライドウィンドウに入るとき、このスライドウィンドウ内の最も古いフレームの点群データを削除することができる。即ち、この融合最適化プロセスに使用されるスライドウィンドウは、常に現時点での点群データ（例えば、現在のフレーム）、および現時点前の過去時点での点群データを含む。いくつかの実施形態では、融合最適化モジュール２５０は、スライドウィンドウに対して、ＬｉＤＡＲ慣性走行距離計２４０からの測位結果および慣性積分ユニット２３１からの慣性測位情報を入力として使用して、例えば、現在のフレームに対応する最終姿勢を取得するために、現時点でのデバイス１１０の測位結果１０１を最適化することができる。

いくつかの実施形態では、この融合問題は、最大事後推定問題として定式化され得る。例えば、デバイス１１０の測位結果に対応する事後確率

は、以下のように分解され得る：

Ｋはスライドウィンドウ内のすべてのフレームを表し、

はこれらのフレームの状態（即ち、測位結果）を表し、

はこれらのフレームに関連する測定データ（慣性積分ユニット２３１によって提供される慣性測位情報、およびＬｉＤＡＲ慣性走行距離計２４０によって提供されるローカル座標系での測位結果を含む）を表す。ＳはＬｉＤＡＲ慣性走行距離計２４０によって維持されるすべてのローカルマップを表し、各ローカルマップはｓで表される。

上記の式（５）において、ｚ_ｋｓ ^Ｏは、ＬｉＤＡＲ慣性走行距離計２４０によって提供されるｋ番目のフレームとｓ番目のローカルマップとの間の相対的姿勢関係を表す。変数

はローカル座標系でのｋ番目のフレームの状態（即ち、姿勢）を表し、Ｒ_ｋ ^Ｌはローカル座標系でのｋ番目のフレームに対応するピッチ角、方位角、およびロール角を表し、ｔ_ｋ ^Ｌはローカル座標系でのｋ番目のフレームの三次元位置座標を表す。変数ｘ_ｓ ^Ｓはローカル座標系でのｓ番目のローカルマップの状態（即ち、姿勢）を表す。融合最適化プロセスでは、変数ｘ_ｋ ^Ｌおよびｘ_ｓ ^Ｓが可変であり、相対的姿勢関係ｚ_ｋｓ ^Ｏが不変であり得ることを理解されたい。

は状態ｘ_ｋ ^Ｌおよびｘ_ｓ ^Ｓに対応する相対的姿勢ｚ_ｋｓ ^Ｏの尤度値など、ＬｉＤＡＲ慣性走行距離計２４０によって提供される測位結果の尤度値（本明細書では「第三尤度値」とも呼ばれる）を表す。

上記の式（５）では、ｚ_ｋ ^Ｉは慣性積分ユニット２３１によって提供される慣性座標系でのｋ番目のフレームの慣性測位情報を表す。変数ｘ_ｋ−１ ^Ｌはローカル座標系でのｋ−１番目のフレームの状態（即ち、姿勢）を表す。融合最適化プロセスでは、変数ｘ_ｋ ^Ｌおよびｘ_ｋ−１ ^Ｌが可変であることを理解されたい。

は状態ｘ_ｋ ^Ｌおよびｘ_ｋ−１ ^Ｌに対応する慣性測位情報ｚ_ｋ ^Ｉの尤度値など、慣性積分ユニット２３１によって提供される慣性測位情報の尤度値（本明細書では「第四尤度値」とも呼ばれる）を表す。

いくつかの実施形態では、融合プロセスの各項目がいずれもゼロ平均ガウス分布と一致すると仮定すると、第三尤度値

および第三尤度値

はそれぞれ、以下のように定義され得る：

ｒ_ｋｓ ^Ｏおよびｒ_ｋ ^ＩはＬｉＤＡＲ慣性走行距離計２４０および慣性積分ユニット２３１の残差をそれぞれ表し、Λ^Ｏはローカル座標系での残差ｒ_ｋｓ ^Ｏの共分散を表し、Λ_ｋ ^Ｉは慣性座標系での残差ｒ_ｋ ^Ｉの共分散を表す。

上述のように、ＬｉＤＡＲ慣性走行距離計２４０によって提供される測位結果は、点群データとローカルマップとの間の相対的姿勢ｚ_ｋｓ ^Ｏ、現時点でのローカル座標系でのデバイス１１０の第一姿勢ｘ_ｋ ^Ｌ、およびローカル座標系でのこのローカルマップの第二姿勢ｘ_ｓ ^Ｓを示すことができる。

いくつかの実施形態では、第三尤度値

を決定するために、融合最適化モジュール２５０は、ＬｉＤＡＲ慣性走行距離計２４０によって提供される第一姿勢および第二姿勢に基づいて、相対的姿勢の推定値を決定し、さらに相対的姿勢ｚ_ｋｓ ^Ｏとこの推定値との間の残差ｒ_ｋｓ ^Ｏを決定することができる。例えば、相対的姿勢

およびローカルマップの姿勢

と仮定すると、残差

は以下のように表され得る：

Ｒ_ｋｓ ^Ｏはｋ番目のフレームとｓ番目のローカルマップの相対ピッチ角、相対方位角、および相対ロール角を表し、ｔ_ｋｓ ^Ｏはｓ番目のローカルマップにおけるｋ番目のフレームの三次元位置座標を表し、Ｒ_ｓ ^Ｓはローカル座標系でのｓ番目のローカルマップのピッチ角、方位角、およびロール角を表し、ｔ_ｓ ^Ｓはローカル座標系でのｓ番目のローカルマップの三次元位置座標を表す。

いくつかの実施形態では、融合最適化モジュール２５０は、ローカル座標系でのこの残差ｒ_ｋｓ ^Ｏの共分散Λ^Ｏをさらに決定することができる。具体的には、ローカル測位情報の不確実性がスライドウィンドウ内のすべてのフレームに均一に分布していると仮定できるため、ローカル座標系での残差ｒ_ｋｓ ^Ｏの共分散Λ^Ｏは、所定の一定の対角行列であり得る。いくつかの実施形態では、融合最適化モジュール２５０は、この残差ｒ_ｋｓ ^Ｏおよび共分散Λ^Ｏに基づいて、上記の式（６）に従って第三尤度値

を決定することができる。

いくつかの実施形態では、第四尤度値

は、上記第二尤度値と同様の方法で決定され得るため、ここでは説明を省略する。

いくつかの実施形態では、融合最適化モジュール２５０は、公式（５）に示す事後確率を最大化することにより、ＬｉＤＡＲ慣性走行距離計２５０によって提供される初期測位結果を最適化して、現時点でのデバイス１１０の最終測位結果１０１を決定することができる。いくつかの実施形態では、最適化された測位結果１０１は、例えば、現時点でのローカル座標系でのデバイス１１０の最適化された姿勢ｘ_ｋ ^Ｌを示すことができる。具体的には、公式（５）および（６）に示す最大事後確率推定問題を解決するとき、この問題を、各残差の二乗和の最小値を求めることに変換してから、反復アルゴリズムを利用して解を求めることができる。

以上の説明から、従来の手段と比べて、本開示の実施形態は、以下の利点を有することが分かる。第一に、従来の手段において使用される二次元（２Ｄ）占有グリッドマップの代わりに、本開示の実施形態は、点群データとマッチングさせるためのローカルマップとして三次元占有グリッドマップを使用して、完全な６自由度（ＤＯＦ）レーダー慣性走行距離計を実現する。第二に、本開示の実施形態は、慣性測定データの積分結果を使用して、フレーム間姿勢推定の相対的制約を提供すると同時に、動きによるレーダースキャン歪みに対して動き補償を実行する。第三に、ＬｉＤＡＲ反射情報をローカルマップのグリッドに加え、ローカルマップを現在のフレームとマッチングさせるときにＬｉＤＡＲ反射情報を利用する。第四に、多重解像度ローカルマップを使用して、点群データとローカルマップとの間のマッチングプロセスの安定性と精度を向上させる。

図３は、本開示のいくつかの実施形態に係る測位プロセス３００のフローチャートである。プロセス３００は、図１に示すコンピューティングデバイス１２０によって実施され得る。例えば、このコンピューティングデバイス１２０は、デバイス１１０に埋め込まれ得るか、またはデバイス１１０の外部の独立したデバイスとして実装され得る。説明の便宜上、図２を参照してプロセス３００を説明する。

ブロック３１０において、コンピューティングデバイス１２０（例えば、前処理モジュール２３０）は、現時点での被測位デバイス１１０上の慣性測定データと、このデバイス１１０上のＬｉＤＡＲ２２０によって現時点で収集された点群データとを取得する。

ブロック３２０において、コンピューティングデバイス１２０（例えば、慣性積分ユニット２３１）は、慣性測定データを積分することにより、現時点での慣性座標系でのデバイス１１０の慣性測位情報を決定する。

ブロック３３０において、コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、慣性測位情報、点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、現時点でのローカル座標系でのデバイス１１０の測位結果１０１を決定する。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、過去時点でのデバイス１１０の履歴測位結果、点群データ、慣性測位情報、および少なくとも１つのローカルマップに基づいて、測位結果１０１に関連する第一事後確率を決定し、第一事後確率を最大化することにより、測位結果１０１を決定することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、測位結果１０１および少なくとも１つのローカルマップに対応する点群データの第一尤度値を決定し、測位結果１０１および履歴測位結果に対応する慣性測位情報の第二尤度値を決定し、第一尤度値および第二尤度値に基づいて第一事後確率を決定することができる。

いくつかの実施形態では、少なくとも１つのローカルマップは、異なる解像度を有する複数のローカルマップを含む。コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、複数のローカルマップにおける所定のローカルマップに対して、測位結果１０１および所定のローカルマップに対応する点群データの尤度値を決定し、複数のローカルマップに対して決定された複数の尤度値に基づいて、第一尤度値を決定することができる。

いくつかの実施形態では、点群データは、複数のレーザー点の対応する反射情報を含み、少なくとも１つのローカルマップは、対応するレーザー反射情報および障害物占有確率を有する複数のグリッドに分割された三次元ローカルマップを含む。コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、点群データを三次元ローカルマップとマッチングさせることにより、複数のグリッドにおける複数のレーザー点がヒットしたグリッドセットを決定し、グリッドセットに対応する障害物占有確率セット、グリッドセットに対応するレーザー反射情報、および点群データにおける複数のレーザー点の対応する反射情報に基づいて、測位結果１０１および三次元ローカルマップに対応する点群データの第一尤度値を決定することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、動き補償ユニット２３２）は、測位結果１０１を決定する前に、慣性測位情報に基づいて点群データに対して動き補償を実行することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、測位結果１０１が決定された場合、少なくとも慣性測位情報に基づいてこの測位結果１０１を最適化することができる。

いくつかの実施形態では、この測位結果１０１は、点群データと少なくとも１つのローカルマップとの間の相対的姿勢、ローカル座標系でのデバイスの第一姿勢、およびローカル座標系での少なくとも１つのローカルマップの第二姿勢を示す。コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、相対的姿勢を変更せずに、第一姿勢および第二姿勢を最適化することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、現時点でのデバイスの測位結果１０１および過去時点でのローカル座標系での履歴測位結果を少なくとも含むデバイスの測位結果セットに関連付けられた第二事後確率を決定し、第二事後確率を最大化することにより、測位結果１０１を最適化することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、測位結果１０１に関連付けられた第三尤度値を決定し、測位結果１０１および履歴測位結果に対応する慣性測位情報の第四尤度値を決定し、少なくとも第三尤度値および第四尤度値に基づいて第二事後確率を決定することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、第一姿勢および第二姿勢に基づいて相対的姿勢の推定値を決定し、推定値と測位結果１０１によって示される相対的姿勢との間の残差を決定し、少なくとも残差に基づいて、第一姿勢および第二姿勢に対応する相対的姿勢の第三尤度値を決定することができる。

いくつかの実施形態では、コンピューティングデバイス１２０（例えば、融合最適化モジュール２５０）は、履歴測位結果に関連付けられた第五尤度値を決定し、過去時点での慣性座標系でのデバイスの履歴測位情報に関連付けられた第六尤度値を決定し、少なくとも第三尤度値、第四尤度値、第五尤度値および第六尤度値に基づいて第二事後確率を決定することができる。

いくつかの実施形態では、少なくとも１つのローカルマップは、ＬｉＤＡＲ２２０によって現時点前の過去時点で収集された少なくとも１フレームの点群データに基づいて構築される。コンピューティングデバイス１２０（例えば、ＬｉＤＡＲ慣性走行距離計２４０）は、点群データに基づいて少なくとも１つのローカルマップを更新することができる。

図４は、本開示の実施形態に係る測位装置４００の概略ブロック図である。装置４００は、図１に示すコンピューティングデバイス１２０に含まれ得るか、またはコンピューティングデバイス１２０として実装され得る。図４に示すように、装置４００は、現時点での被測位デバイスの慣性測定データ、およびこのデバイスのＬｉＤＡＲによって現時点で収集された点群データを取得するように構成されたデータ取得モジュール４１０を含み得る。装置４００は、慣性測定データを積分することにより、現時点での慣性座標系でのデバイスの慣性測位情報を決定するように構成された慣性測位モジュール４２０をさらに含み得る。装置４００は、慣性測位情報、点群データ、およびローカル座標系で構築された少なくとも１つのローカルマップに基づいて、現時点でのローカル座標系でのデバイスの測位結果を決定するように構成された結果決定モジュール４３０をさらに含み得る。

いくつかの実施形態では、結果決定モジュール４３０は、過去時点でのデバイスの履歴測位結果、点群データ、慣性測位情報、および少なくとも１つのローカルマップに基づいて、測位結果に関連する第一事後確率を決定するように構成された第一事後確率決定ユニットと、第一事後確率を最大化することにより、測位結果を決定するように構成された結果決定ユニットとを含む。

いくつかの実施形態では、第一事後確率決定ユニットは、測位結果および少なくとも１つのローカルマップに対応する点群データの第一尤度値を決定するように構成された第一決定サブユニットと、測位結果および履歴測位結果に対応する慣性測位情報の第二尤度値を決定するように構成された第二決定サブユニットと、第一尤度値および第二尤度値に基づいて第一事後確率を決定するように構成された第三決定サブユニットとを含む。

いくつかの実施形態では、少なくとも１つのローカルマップは、異なる解像度を有する複数のローカルマップを含み、第一決定サブユニットは、複数のローカルマップにおける所定のローカルマップに対して、測位結果および所定のローカルマップに対応する点群データの尤度値を決定し、複数のローカルマップに対して決定された複数の尤度値に基づいて、第一尤度値を決定するように構成される。

いくつかの実施形態では、点群データは、複数のレーザー点の対応する反射情報を含み、少なくとも１つのローカルマップは、対応するレーザー反射情報および障害物占有確率を有する複数のグリッドに分割された三次元ローカルマップを含む。第一決定サブユニットは、点群データを三次元ローカルマップとマッチングさせることにより、複数のグリッドにおける複数のレーザー点がヒットしたグリッドセットを決定し、グリッドセットに対応する障害物占有確率セット、グリッドセットに対応するレーザー反射情報、および点群データにおける複数のレーザー点の対応する反射情報に基づいて、測位結果および三次元ローカルマップに対応する点群データの第一尤度値を決定するように構成される。

いくつかの実施形態では、装置４００は、測位結果を決定する前に、慣性測位情報に基づいて点群データに対して動き補償を実行するように構成された動き補償モジュールをさらに含む。

いくつかの実施形態では、装置４００は、測位結果が決定された場合、少なくとも慣性測位情報に基づいて測位結果を最適化するように構成された結果最適化モジュールをさらに含む。

いくつかの実施形態では、測位結果は、点群データと少なくとも１つのローカルマップとの間の相対的姿勢、ローカル座標系でのデバイスの第一姿勢、およびローカル座標系での少なくとも１つのローカルマップの第二姿勢を示す。結果最適化モジュールは、相対的姿勢を変更せずに、第一姿勢および第二姿勢を最適化するように構成される。

いくつかの実施形態では、結果最適化モジュールは、現時点でのデバイスの測位結果および過去時点でのローカル座標系での履歴測位結果を少なくとも含むデバイスの測位結果セットに関連付けられた第二事後確率を決定するように構成された第二事後確率決定ユニットと、第二事後確率を最大化することにより、測位結果を最適化するように構成された結果最適化ユニットとを含む。

いくつかの実施形態では、第二事後確率決定ユニットは、測位結果に関連付けられた第三尤度値を決定するように構成された第四決定サブユニットと、測位結果および履歴測位結果に対応する慣性測位情報の第四尤度値を決定するように構成された第五決定サブユニットと、少なくとも第三尤度値および第四尤度値に基づいて第二事後確率を決定するように構成された第六決定サブユニットとを含む。

いくつかの実施形態では、第四決定サブユニットは、第一姿勢および第二姿勢に基づいて相対的姿勢の推定値を決定し、推定値と測位結果によって示される相対的姿勢との間の残差を決定し、少なくとも残差に基づいて、第一姿勢および第二姿勢に対応する相対的姿勢の第三尤度値を決定するように構成される。

いくつかの実施形態では、第四決定サブユニットは、履歴測位結果に関連付けられた第五尤度値を決定するようにさらに構成される。第五決定サブユニットは、過去時点での慣性座標系でのデバイスの履歴慣性測位情報に関連付けられた第六尤度値を決定するようにさらに構成される。第六決定サブユニットは、少なくとも第三尤度値、第四尤度値、第五尤度値、および第六尤度値に基づいて、第二事後確率を決定するようにさらに構成される。

いくつかの実施形態では、少なくとも１つのローカルマップは、ＬｉＤＡＲによって現時点前の過去時点で収集された少なくとも１フレームの点群データに基づいて構築されており、装置４００は、点群データに基づいて少なくとも１つのローカルマップを更新するように構成されたマップ更新モジュールをさらに含む。

図５は、本開示の実施形態を実施することができる例示的なデバイス５００の概略ブロック図である。デバイス５００は、図１に示すコンピューティングデバイス１２０を実装するために使用され得る。図示されるように、デバイス５００は、リードオンリメモリ（ＲＯＭ）５０２に記憶されたコンピュータプログラム命令、または記憶ユニット５０８からランダムアクセスメモリ（ＲＡＭ）５０３にロードされたコンピュータプログラム命令に従って各種の適切な動作および処理を実行することができる、中央処理装置（ＣＰＵ）５０１を含む。ＲＡＭ５０３にはまた、デバイス５００の動作に必要な各種のプログラムおよびデータが記憶され得る。ＣＰＵ５０１、ＲＯＭ５０２、およびＲＡＭ５０３は、バス５０４を介して相互に接続される。入力／出力（Ｉ／Ｏ）インターフェース５０５もバス５０４に接続される。

デバイス５００内の複数のコンポーネントは、Ｉ／Ｏインターフェース５０５に接続されており、キーボード、マウスなどの入力ユニット５０６と、各種のディスプレイ、スピーカーなどの出力ユニット５０７と、磁気ディスク、光ディスクなどの記憶ユニット５０８と、ネットワークカード、モデム、無線通信トランシーバなどの通信ユニット５０９と、を含む。通信ユニット５０９は、デバイス５００がインターネットなどのコンピュータネットワーク、および／または様々な通信ネットワークを介して他のデバイスとの間で情報／データを交換することを可能にする。

処理ユニット５０１は、プロセス４００など、上記の様々な方法および処理を実行する。例えば、いくつかの実施形態では、プロセス４００は、記憶ユニット５０８などの機械可読媒体に明確に含まれるコンピュータソフトウェアプログラムとして実装され得る。いくつかの実施形態では、コンピュータプログラムの一部または全部は、ＲＯＭ５０２および／または通信ユニット５０９を介して、デバイス５００にロードおよび／またはインストールされ得る。コンピュータプログラムがＲＡＭ５０３にロードされ、ＣＰＵ５０１によって実行されると、上記プロセス４００の１つまたは複数のステップが実行され得る。任意選択的に、他の実施形態では、ＣＰＵ５０１は、他の任意の適切な手段（例えば、ファームウェア）によりプロセス４００を実行するように構成され得る。

本明細書で前述した機能は、少なくとも部分的に、１つまたは複数のハードウェアロジックコンポーネントによって実行され得る。例えば、使用できる例示的なハードウェアロジックコンポーネントは、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップ（ＳＯＣ）、コンプレックス・プログラマブル・ロジック・デバイス（ＣＰＬＤ）などを含むが、これらに限定されない。

本開示の方法を実施するためのプログラムコードは、１つまたは複数のプログラミング言語の任意の組み合わせで書くことができる。これらのプログラムコードが汎用コンピュータ、専用コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサまたはコントローラに提供され得るので、プログラムコードがプロセッサまたはコントローラによって実行されると、フローチャートおよび／またはブロック図で指定された機能／動作が実行される。プログラムコードは、完全にマシン上で実行され得るか、または部分的にマシン上で実行され得るか、または独立したソフトウェアパッケージとして、部分的にマシン上で、部分的にリモートマシン上で実行され得るか、または完全にリモートマシンまたはサーバ上で実行され得る。

本開示の文脈において、機械可読媒体は、命令実行システム、装置、またはデバイスによって、または命令実行システム、装置、またはデバイスと組み合わせて使用するためのプログラムを含むかまたは記憶することができる有形媒体であり得る。機械可読媒体は、機械可読信号媒体または機械可読記憶媒体であり得る。機械可読媒体は、電子、磁気、光学、電磁気、赤外線、または半導体のシステム、装置またはデバイス、あるいはこれらの任意の適切な組み合わせを含み得るが、これらに限定されない。機械可読記憶媒体のより具体的な例は、１本または複数本の導線を備えた電気コネクタ、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能なプログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、光ファイバ、ポータブル・コンパクト・ディスク・リードオンリメモリ（ＣＤ−ＲＯＭ）、光学メモリ、磁気メモリ、またはこれらの任意の適切な組み合わせを含む。

また、各操作を特定の順序で説明したが、これは、このような操作が図示された特定の順序または逐次的な順序で実行されるべきであること、または図示されたすべての操作が所望の結果を達成するために実行されるべきであることを理解されたい。特定の状況では、マルチタスク処理および並列処理が有利な場合がある。同様に、以上の説明がいくつかの特定の実施形態の詳細を含むが、これらは、本開示の範囲を限定するものとして解釈されるべきではない。別個の実施形態の文脈において説明されるいくつかの特徴は、単一の実施形態において組み合わせて実施することもできる。逆に、別個の実施形態の文脈において説明される様々な特徴は、複数の実施形態において個別に、または任意の適切な部分的組み合わせによって実施することもできる。

本主題を構造的特徴および／または方法論的動作に固有の言語で説明したが、添付の特許請求の範囲において定義される主題は、必ずしも上記の特定の特徴または動作に限定されないことを理解されたい。逆に、上記の特定の特徴および動作は、単に特許請求の範囲を実施するための例示的な形態である。

Claims (21)

1. 第一時点でのデバイスの慣性測定データ、および前記デバイスのＬｉＤＡＲによって前記第一時点で収集された点群データを取得することと、
   前記慣性測定データを積分することにより、前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
   前記慣性測位情報と、前記点群データと、ローカル座標系とで構築された少なくとも１つのローカルマップに基づいて、前記第一時点での前記ローカル座標系での前記デバイスの第一測位結果を決定することと
   を含む、測位方法。
2. 前記第一測位結果を決定することは、
   前記第一時点前の第二時点での前記デバイスの第二測位結果と、前記点群データと、前記慣性測位情報と、前記少なくとも１つのローカルマップとに基づいて、前記第一測位結果に関連付けられた第一事後確率を決定することと、
   前記第一事後確率を最大化することにより、前記第一測位結果を決定することと
   を含む、請求項１に記載の方法。
3. 前記第一事後確率を決定することは、
   前記第一測位結果および前記少なくとも１つのローカルマップに対応する前記点群データの第一尤度値を決定することと、
   前記第一測位結果および前記第二測位結果に対応する前記慣性測位情報の第二尤度値を決定することと、
   前記第一尤度値および前記第二尤度値に基づいて、前記第一事後確率を決定することと
   を含む、請求項２に記載の方法。
4. 前記少なくとも１つのローカルマップは、異なる解像度を有する複数のローカルマップを含み、
   前記第一尤度値を決定することは、
   前記複数のローカルマップにおけるローカルマップに対して、前記第一測位結果および前記ローカルマップに対応する前記点群データの尤度値を決定することと、
   前記複数のローカルマップに対して決定された複数の尤度値に基づいて、前記第一尤度値を決定することと
   を含む、請求項３に記載の方法。
5. 前記点群データは、複数のレーザー点の対応する反射情報を含み、
   前記少なくとも１つのローカルマップは、対応するレーザー反射情報および障害物占有確率を有する複数のグリッドを含む三次元ローカルマップを含み、
   前記第一尤度値を決定することは、
   前記点群データを前記三次元ローカルマップとマッチングさせ、前記複数のグリッドにおける前記複数のレーザー点がヒットしたグリッドセットを決定することと、
   前記グリッドセットに対応する障害物占有確率セットと、前記グリッドセットに対応するレーザー反射情報と、前記点群データにおける前記複数のレーザー点の対応する反射情報とに基づいて、前記第一測位結果および前記三次元ローカルマップに対応する前記点群データの前記第一尤度値を決定することと
   を含む、請求項３に記載の方法。
6. 前記第一測位結果を決定する前に、前記慣性測位情報に基づいて前記点群データに対して動き補償を実行することをさらに含む、請求項１に記載の方法。
7. 前記第一測位結果が決定された場合、少なくとも前記慣性測位情報に基づいて前記第一測位結果を最適化することをさらに含む、請求項１に記載の方法。
8. 前記第一測位結果は、前記少なくとも１つのローカルマップに対応する前記点群データの相対的姿勢と、前記ローカル座標系での前記デバイスの第一姿勢と、前記ローカル座標系での前記少なくとも１つのローカルマップの第二姿勢とを含み、
   前記第一測位結果を最適化することは、前記相対的姿勢を変更せずに、前記第一姿勢および前記第二姿勢を最適化することを含む、請求項７に記載の方法。
9. 前記第一測位結果を最適化することは、
   前記第一時点での前記デバイスの前記第一測位結果と、前記第一時点前の第二時点での前記ローカル座標系での前記デバイスの第二測位結果とを少なくとも含む前記デバイスの測位結果セットに関連付けられた第二事後確率を決定することと、
   前記第二事後確率を最大化することにより、前記第一測位結果を最適化することと
   を含む、請求項８に記載の方法。
10. 前記第二事後確率を決定することは、
    前記第一測位結果に関連付けられた第三尤度値を決定することと、
    前記第一測位結果および前記第二測位結果に対応する前記慣性測位情報の第四尤度値を決定することと、
    少なくとも前記第三尤度値および前記第四尤度値に基づいて、前記第二事後確率を決定することと
    を含む、請求項９に記載の方法。
11. 前記第三尤度値を決定することは、
    前記第一姿勢および前記第二姿勢に基づいて、前記相対的姿勢の推定値を決定することと、
    前記推定値と前記第一測位結果によって示される前記相対的姿勢との間の残差を決定することと、
    少なくとも前記残差に基づいて、前記第一姿勢および前記第二姿勢に対応する前記相対的姿勢の前記第三尤度値を決定することと
    を含む、請求項１０に記載の方法。
12. 前記第二事後確率を決定することは、
    前記第二測位結果に関連付けられた第五尤度値を決定することと、
    前記第二時点での前記慣性座標系での前記デバイスの第二慣性測位情報に関連付けられた第六尤度値を決定することと、
    少なくとも前記第三尤度値と、前記第四尤度値と、前記第五尤度値と、前記第六尤度値とに基づいて、前記第二事後確率を決定することと
    を含む、請求項１０に記載の方法。
13. 前記少なくとも１つのローカルマップは、前記ＬｉＤＡＲによって前記第一時点前の少なくとも１つの時点で収集された少なくとも１フレームの点群データに基づいて構築されており、
    前記方法は、前記点群データに基づいて前記少なくとも１つのローカルマップを更新することをさらに含む、請求項１に記載の方法。
14. １つまたは複数のプロセッサと、
    前記１つまたは複数のプロセッサによって実行されると操作を前記コンピューティングデバイスに実行させる１つまたは複数のプログラムを記憶するメモリと
    を含み、前記操作は、
    第一時点でのデバイスの慣性測定データと、前記デバイスのＬｉＤＡＲによって前記第一時点で収集された点群データとを取得することと、
    前記慣性測定データを積分することにより、前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
    前記慣性測位情報と、前記点群データと、ローカル座標系で構築された少なくとも１つのローカルマップとに基づいて、前記第一時点での前記ローカル座標系での前記デバイスの第一姿勢の第一測位結果を決定することと
    を含む、測位用コンピューティングデバイス。
15. 前記第一測位結果を決定することは、
    前記第一時点前の第二時点での前記デバイスの第二姿勢の第二測位結果と、前記点群データと、前記慣性測位情報と、前記少なくとも１つのローカルマップとに基づいて、前記第一測位結果に関連付けられた第一事後確率を決定することと、
    前記第一事後確率を最大化することにより、前記第一測位結果を決定することと
    を含む、請求項１４に記載のコンピューティングデバイス。
16. 前記第一事後確率を決定することは、
    前記第一測位結果および前記少なくとも１つのローカルマップに対応する前記点群データの第一尤度値を決定することと、
    前記第一測位結果および前記第二測位結果に対応する前記慣性測位情報の第二尤度値を決定することと、
    前記第一尤度値および前記第二尤度値に基づいて、前記第一事後確率を決定することと
    を含む、請求項１５に記載のコンピューティングデバイス。
17. 前記操作は、前記第一測位結果を決定する前に、前記慣性測位情報に基づいて前記点群データに対して動き補償を実行することをさらに含む、請求項１４に記載のコンピューティングデバイス。
18. 前記操作は、少なくとも前記慣性測位情報に基づいて前記第一測位結果を最適化することをさらに含む、請求項１４に記載のコンピューティングデバイス。
19. 前記少なくとも１つのローカルマップは、前記ＬｉＤＡＲによって前記第一時点前の少なくとも１つの時点で収集された少なくとも１フレームの点群データに基づいて構築されており、
    前記操作は、前記点群データに基づいて前記少なくとも１つのローカルマップを更新することをさらに含む、請求項１４に記載のコンピューティングデバイス。
20. コンピューティングデバイスによって実行されると操作を前記コンピューティングデバイスに実行させるコンピュータプログラムを記憶するコンピュータ可読記憶媒体であって、前記操作は、
    第一時点でのオブジェクトの慣性測定データと、前記オブジェクトのＬｉＤＡＲによって前記第一時点で収集された点群データとを取得することと、
    前記慣性測定データを積分することにより、前記慣性測定データに基づいて前記第一時点での慣性座標系での前記デバイスの慣性測位情報を決定することと、
    前記慣性測位情報と、前記点群データと、ローカル座標系で構築された少なくとも１つのローカルマップとに基づいて、前記第一時点での前記ローカル座標系での前記オブジェクトの姿勢を決定することと
    を含む、コンピュータ可読記憶媒体
21. プロセッサによって実行されると、請求項１〜１３のいずれか一項に記載の方法を実施するコンピュータプログラム。

Images