JP2023118909A - 自由空間推定のためのシステムおよび方法 - Google Patents
自由空間推定のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2023118909A JP2023118909A JP2023111172A JP2023111172A JP2023118909A JP 2023118909 A JP2023118909 A JP 2023118909A JP 2023111172 A JP2023111172 A JP 2023111172A JP 2023111172 A JP2023111172 A JP 2023111172A JP 2023118909 A JP2023118909 A JP 2023118909A
- Authority
- JP
- Japan
- Prior art keywords
- cell
- points
- sensor
- plane
- point
- 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 abstract description 94
- 238000005259 measurement Methods 0.000 description 30
- 230000001131 transforming effect Effects 0.000 description 19
- 238000013519 translation Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 14
- 238000001914 filtration Methods 0.000 description 10
- 238000002372 labelling Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000005484 gravity Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01S17/93—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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Algebra (AREA)
- Transportation (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Debugging And Monitoring (AREA)
- Radar Systems Or Details Thereof (AREA)
- Alarm Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
【課題】自由空間推定のためのシステムおよび方法の提供。【解決手段】センサ雑音、センサ可用性、障害物高、およびセンサからの障害物の距離を考慮することを含む、表面上で進行する自律車両と関連付けられる点群データにおいて自由空間を推定し、自由空間確率を割り当てるためのシステムおよび方法。システムおよび方法は、他の因子の中でもとりわけ、表面平面を決定し、点が表面平面上にあるかどうかに従って、点群点を分類することを含むことができる。【選択図】なし
Description
(関連出願の相互参照)
本特許出願は、参照することによってその全体として本明細書に組み込まれる、2019年7月26日に出願され、「System and Method for Free Space Estimation」と題された、米国仮特許出願第62/879,391号(弁理士整理番号第AA027号)の利益を主張する。
本特許出願は、参照することによってその全体として本明細書に組み込まれる、2019年7月26日に出願され、「System and Method for Free Space Estimation」と題された、米国仮特許出願第62/879,391号(弁理士整理番号第AA027号)の利益を主張する。
車両は、自由な妨害されない空間を含むようにそれらの人間オペレータによって決定される表面上で進行する。人間は、車両内またはその上の経路を横断するかどうかを決定するために、複雑な基準のセットを使用する。考慮事項は、限定ではないが、周囲照明、天候、およびフロントガラスの問題等の任意の数の因子を前提として、障害物の高さの程度、人間によって見られることができる障害物の量、人間が可視化することができない車両の周囲の面積、および人間の視覚システムが妨害物を検出する際に正確である程度を含むことができる。
自律車両において妨害物をナビゲートすることは、人間車両オペレータによって日常的に遭遇される同一の複雑な基準のうちのいくつかを電子的に評価することを要求し得る。妨害されない(自由)空間が、ナビゲーション経路に沿って連続的に進むために、自律車両に関する利用可能なセンサデータから迅速に決定されなければならない。以前は、自由空間は、他の方法の中でもとりわけ、ステレオカメラデータから、カメラシステムによって入手されるビデオにおける画像のシーケンスから、およびミリ波レーダレーダから推定されていた。
必要とされるものは、センサデータから、経路が妨害される確率を算出する、効率的なシステムである。センサデータを収集するセンサは、例えば、自律車両上に搭載されることができる。必要とされるものは、道路進行およびセンサ限界の現実を考慮するシステムである。
表面上で進行する自律車両と関連付けられる点群データにおける自由空間確率を割り当てるための本教示のシステムおよび方法は、センサ雑音、センサ可用性、障害物高、およびセンサからの障害物の距離を考慮することを含む。本教示の方法は、限定ではないが、センサから点群データを受信することを含むことができる。センサは、センサビームを含むことができ、センサビームは、少なくともセンサから表面に投影されることができる。いくつかの構成では、センサは、自律車両を囲繞する面積を走査し、事前選択された角度に及ぶ表面からの円錐におけるデータを収集することができる。本方法は、点群データを第1の事前選択されたサイズのセグメントにセグメント化することと、点群データ内の平面、平面内の平面点、および平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定することとを含むことができる。本方法は、平面点に対する法線を決定し、平面点と関連付けられる非平面点を決定することを含むことができる。本方法は、少なくとも法線およびセンサの場所に基づいて、事前選択された基準に従って、平面のうちの少なくとも1つを表面平面として選定することと、少なくとも関連付けられる非平面点に基づいて、平面点のそれぞれを障害物点として分類することと、少なくとも非平面点に基づいて、障害物点と関連付けられる障害物高を決定することとを含むことができる。本方法は、表面平面からグリッドを作成することを含むことができる。グリッドは、事前選択された数のセルと、外周とを含むことができる。本方法は、少なくともセル内の障害物高に基づいて、セル毎の測定有意性を算出することと、少なくともセンサビームと表面平面との間の交点に基づいて、センサからのブラインド距離を決定することとを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、本方法は、線に沿ったセルを占有する障害物の初期確率を算出することを含むことができる。初期確率は、少なくとも、センサの可用性、セル内の障害物点、およびセンサに対する線に沿ったセルの位置に基づくことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、本方法は、少なくとも、センサとセル内の線に沿った障害物の最近接するものとの間の第1の距離、センサと線に沿ったセルとの間の第2の距離、線に沿ったセルに関する測定有意性、線に沿ったセルに関する初期確率、およびデフォルト確率に基づいて、雑音係数を算出することを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、本方法は、線に沿ったセルを占有する障害物の現在の確率を算出することを含むことができる。現在の確率は、少なくとも、セルに関する初期確率およびセルに関する雑音係数に基づくことができる。
第1の事前選択されたサイズは、随意に、約40m×40m×2mのサイズの形状を含むことができる。事前選択された基準は、随意に、少なくとも1つの平面の法線が、センサに向いていないとき、表面平面を選定することを含むことができる。事前選択された数のセルは、随意に、400×400個を含むことができる。初期確率を算出することは、随意に、以下を含むことができ、すなわち、(a)センサが、利用不可能であり、セルが、近傍のセルである場合、近傍のセルは、ブラインド距離の近傍にあり、セルの初期確率は、随意に、1.0に等しくあり得、(b)センサが、利用不可能であり、セルが、近傍のセルと外周との間にある場合、セルの初期確率は、随意に、0.5に等しくあり得、(c)センサが、利用可能であり、セル内に障害物点のうちの少なくとも1つが、存在する場合、または以前に遭遇された線に沿ったセルのうちの1つが、障害物点のうちの少なくとも1つを含んでいた場合、セルの初期確率は、随意に、0.5に等しくあり得、(d)センサが、利用可能であり、セル内に障害物点のうちのいずれも、存在せず、線に沿った以前に遭遇されたセルのうちのいずれも、障害物点のうちの少なくとも1つを含んでいなかった場合、セルの初期確率は、随意に、0.3に等しくあり得る。雑音係数は、随意に、
に等しくあり得、式中、d=第2の距離であり、Zt=第1の距離であり、σ=Zt
2×0.001である。現在の確率を算出することは、随意に、セルに関する雑音係数およびセルの初期確率の合計に等しくあり得る。少なくとも1つの平面は、随意に、少なくとも1つの平面からの第1の事前選択された距離までの非平面点を含むことができる。第1の事前選択された距離は、随意に、2mを含むことができる。
点群データからの自由空間確率を割り当てるための本教示のシステムは、限定ではないが、センサビームを有する、センサを含むことができる。センサビームは、少なくともセンサから表面に投影されることができる。本システムは、センサから点群データを受信する、セグメントプロセッサを含むことができる。セグメントプロセッサは、点群データを第1の事前選択されたサイズのセグメントにセグメント化する。本システムは、点群データ内で、平面、平面内の平面点、および平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定する、平面プロセッサを含むことができる。本システムは、平面点に対する法線を決定し、平面点と関連付けられる非平面点を決定する、法線プロセッサを含むことができる。法線プロセッサは、少なくとも法線およびセンサの場所に基づいて、事前選択された基準に従って、平面のうちの少なくとも1つを表面平面として選定することができる。法線プロセッサは、少なくとも関連付けられる非平面点に基づいて、平面点のそれぞれを障害物点として分類することができる。法線プロセッサは、少なくとも非平面点に基づいて、障害物点と関連付けられる障害物高を決定することができる。本システムは、表面平面からグリッドを作成する、グリッドプロセッサを含むことができる。グリッドは、事前選択された数のセルと、外周とを含むことができる。本システムは、測定有意性プロセッサを含み得る、線掃引プロセッサを含むことができる。測定有意性プロセッサは、少なくともセル内の障害物高に基づいて、セル毎の測定有意性を算出することができる。線掃引プロセッサは、少なくともセンサビームと表面平面との間の交点に基づいて、センサからのブラインド距離を決定する、初期確率プロセッサを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、初期確率プロセッサは、線に沿ったセルを占有する障害物の初期確率を算出することを含むことができる。初期確率は、少なくとも、センサの可用性、セル内の障害物点、およびセンサに対する線に沿ったセルの位置に基づくことができる。線掃引プロセッサは、雑音係数プロセッサを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、雑音係数プロセッサは、少なくとも、センサとセル内の線に沿った障害物の最近接するものとの間の第1の距離、センサと線に沿ったセルとの間の第2の距離、線に沿ったセルに関する測定有意性、線に沿ったセルに関する初期確率、およびデフォルト確率に基づいて、雑音係数を算出することができる。線掃引プロセッサは、現在の確率プロセッサを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、現在の確率プロセッサは、線に沿ったセルを占有する障害物点の現在の確率を算出することができる。現在の確率は、少なくとも、セルに関する初期確率およびセルに関する雑音係数に基づくことができる。
いくつかの構成では、自律車両に関するセンサデータにおける自由空間確率を割り当てるための方法は、限定ではないが、センサデータにおける少なくとも1つの表面平面を決定することを含むことができ、少なくとも1つの表面平面は、自律車両が進行している表面と関連付けられることができる。本方法は、少なくとも1つの表面平面と関連付けられるセンサデータにおいて、存在する場合、障害物を決定し、存在する場合、障害物の高さを決定することと、少なくとも自律車両の寸法に基づいて、自律車両からのブラインド距離を決定することとを含むことができる。本方法は、少なくとも1つの表面平面上にグリッドを作成することを含むことができ、グリッドは、事前選択された数のセルと、外周とを含むことができる。ブラインド距離と外周との間の少なくとも1つの表面平面上の各線に沿ったセル毎に、本方法は、線に沿ったセルを占有する障害物の初期確率を算出することを含むことができる。初期確率は、少なくとも、センサデータの可用性、セル内の障害物、および自律車両に対する線に沿ったセルの位置に基づくことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、本方法は、少なくとも、自律車両とセル内の線に沿った障害物の最近接するものとの間の第1の距離、自律車両と線に沿ったセルとの間の第2の距離、線に沿ったセルに関する障害物高、線に沿ったセルに関する初期確率、およびデフォルト確率に基づいて、雑音係数を算出することを含むことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、本方法は、線に沿ったセルを占有する障害物の現在の確率を算出することを含み、現在の確率は、少なくとも、セルに関する初期確率およびセルに関する雑音係数に基づくことができる。
事前選択された数のセルは、随意に、400×400個を含むことができる。初期確率を算出することは、随意に、以下を含むことができ、すなわち、(a)センサデータが、利用不可能であり、セルが、近傍のセルである場合、近傍のセルは、ブラインド距離の近傍にあり、セルの初期確率は、随意に、1.0に等しくあり得、(b)センサデータが、利用不可能であり、セルが、近傍のセルと外周との間にある場合、セルの初期確率は、随意に、0.5に等しくあり得、(c)センサデータが、利用可能であり、セル内に障害物のうちの少なくとも1つが、存在する場合、または以前に遭遇された線に沿ったセルのうちの1つが、障害物のうちの少なくとも1つを含んでいた場合、セルの初期確率は、随意に、0.5に等しくあり得、(d)センサデータが、利用可能であり、セル内に障害物のうちのいずれも、存在せず、線に沿った以前に遭遇されたセルのうちのいずれも、障害物のうちの少なくとも1つを含んでいなかった場合、セルの初期確率は、随意に、0.3に等しくあり得る。雑音係数を算出することは、随意に、
に等しくあり得、式中、d=第2の距離であり、Zt=第1の距離であり、σ=Zt
2×0.001である。現在の確率を算出することは、随意に、セルの雑音係数およびセルの初期確率の合計に等しくあり得る。少なくとも1つの表面平面は、随意に、少なくとも1つの表面平面からの第1の事前選択された距離までの非平面点を含むことができる。第1の事前選択された距離は、随意に、2mを含むことができる。本方法は、随意に、少なくとも非平面点に基づいて、障害物高を決定することを含むことができる。
別の構成では、LIDARデータがリングを含む、LIDARデータからの自由空間推定は、限定ではないが、LIDARデータを受信することと、各リング内の事前選択された数の点をフィルタリングすることとを含むことができる。フィルタリングすることは、各事前選択された数の点における中央値を識別することと、中央値から事前選択された範囲内にある点を留保することとを含むことができる。留保された点の間に、点の間のデカルト距離が、事前選択された値を上回る不連続性があり得る。不連続性の間にある点は、それらが、中央値フィルタを通過した場合、良好な点として標識化される。良好な点は、低いセンサ雑音を有することが予期されることができる。不連続性の間の良好な点の数が、事前選択された値を上回る場合、それらの良好な点は、留保される。不連続性または中断点は、特徴の縁に見出されることができ、したがって、点の間の距離の急激な変化が、存在するとき、縁が、見出され得る。
この時点で、フィルタリングされた点はそれぞれ、LIDARリングと関連付けられることができる。フィルタリングされた点データは、それぞれ、64個の点の区分に分割されることができる。ランダムな区分が、選択され、ランダムな区分からの2つの点が、選定されることができる。2つの点は、点がフィルタリングプロセスにおいて標識化された方法、すなわち、良好な点および中断点に基づいて、知的に選定されることができる。例えば、同一の2つの不連続性の間の2つの点が、選定されることができる。第3の点が、隣接するリングから選定され、平面が、3つの点から形成される。平面は、有意ではない、または着目されない平面を排除し得るアルゴリズムに従って、ある事前選択された基準に関して評価される。第1の2つの点の方位角範囲内にある隣接するLIDARリング(第3の点に対応するLIDARリング)上の全ての点は、第1の拡大段階に含まれるべき候補として評価される。平面方程式は、点の更新されたセットを用いて計算される。次いで、点は、それぞれ、LIDARリングおよび方位角に対応する点データ構造軸に沿って本平面を拡大させるために、再び評価される。各拡大段階において、平面の配向および残留誤差が、チェックされる。残留誤差は、平面が点のセットにフィットされる際に計算され、配向は、重力ベクトルと平面の法線ベクトルとの間の角度チェックである。各側上の拡大は、例えば、外向きリングに向かって拡大する方向に沿った点の新しいセットに関する残留誤差が、そのリングから追加される点の新しいセットの残留誤差が閾値セットを上回ることをチェックするであろうまで、または点群の縁に到達するまで行われる。拡大が、停止すると、配向および残留誤差は、再びチェックされ、平面は、有効(事前選択された閾値範囲内の重力ベクトルに対する配向角度および残留誤差)または無効のいずれかとして分類される。有効である場合、いくつかの構成では、平面は、スコアを割り当てられることができる。付加的チェックが、平面をさらにフィルタリングするために完了される。例えば、本明細書のプロセスアウトラインが行われる回数が、構成され得る所望の最大値と比較されることができる。平面は、例えば、限定ではないが、平面の品質を査定するために使用され得るスコアリングアルゴリズムに従って、接地平面基準に対して試験されることができる。
平面の最後のセットは、LIDARデータが、接地データまたは障害物データを表すかどうかを決定するために、LIDARデータと比較するために使用される。平面は、本明細書ではベースリンクフレームと称される、自律車両の基準フレームに変換され、新しい平面方程式が、作成される。最適な状況は、全ての方向、すなわち、自律車両の正面、自律車両の後方、自律車両の左、および自律車両の右に平面が存在する場合である。いずれかの平面が、欠如する場合、同期されたLIDARデータおよび対応する接地平面が受信されたときの前回からの平面が、平面が古くなるまで使用されてもよい。平面が、古い場合、いかなる点も、古い平面の方向においてフィットされない。任意の方向にいかなる平面も、存在しない場合、デフォルトX/Y平面が、使用されることができる。いくつかの構成では、平面が、7回の反復の周期にわたって検出されなかった場合、z+d=0であるデフォルト平面が、使用されることができる。
接地平面が比較できる状態になったため、事前選択された境界内にない、またはある高さを上回るLIDAR点は、LIDARデータからフィルタリングされる。残りの点は、自律車両基準フレームに変換され、LIDARのブラインドスポット内に位置する点は、フィルタリングされて取り除かれる。変換された点は、それらが以前に決定された接地平面のうちの1つの中にあるかどうかに従って分類される。点が、接地平面上にある場合、それらは、自由空間としてマーキングされ、そうでなければ、障害物として分類される。点は、グリッドマップ上に位置する。その場所に障害物が、すでに存在する場合、障害物の高さが、ともに追加され、その場所における障害物の数が、増分される。グリッドマップ上の場所毎に、グリッドマップ内のセル毎の占有の確率は、センサまでのセルの距離、LIDAR雑音、測定有意性、セルが障害物上にあるかどうか、測定値の存在、自由空間、およびLIDARが遮断されているかどうかに依存する。本明細書に算出されるような占有の確率は、ガウス確率に従う。占有されている場所の対数オッズが、占有の確率に対して算出される。対数オッズは、障害物が自律車両により近接すると増加し、障害物が自律車両からより遠くに離れるにつれて減少する。LIDAR範囲を越えると、対数オッズは、無限としてマーキングされる。
本発明は、例えば、以下を提供する。
(項目1)
点群データにおける自由空間確率を割り当てるための方法であって、前記点群データは、表面上で進行する自律車両と関連付けられ、前記方法は、
センサから前記点群データを受信することであって、前記センサは、センサビームを有し、前記センサビームは、少なくとも前記センサから前記表面に投影される、ことと、
前記点群データを第1の事前選択されたサイズのセグメントにセグメント化することと、
前記点群データ内の平面、前記平面内の平面点、および前記平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定することと、
前記平面点に対する法線を決定し、前記平面点と関連付けられる前記非平面点を決定することと、
少なくとも前記法線および前記センサの場所に基づいて、事前選択された基準に従って、前記平面のうちの少なくとも1つを表面平面として選定することと、
少なくとも前記関連付けられる非平面点に基づいて、前記平面点のそれぞれを障害物点として分類することと、
少なくとも前記非平面点に基づいて、前記障害物点と関連付けられる障害物高を決定することと、
前記表面平面からグリッドを作成することであって、前記グリッドは、事前選択された数のセルと、外周とを有する、ことと、
少なくとも前記セル内の前記障害物高に基づいて、前記セル毎の測定有意性を算出することと、
少なくとも前記センサビームと前記表面平面との間の交点に基づいて、前記センサからのブラインド距離を決定することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサの可用性、前記セル内の前記障害物点、および前記センサに対する前記線に沿った前記セルの位置に基づく、ことと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記センサと前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記センサと前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記測定有意性、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことと
を含む、方法。
(項目2)
前記第1の事前選択されたサイズは、約40m×40m×2mを備える、項目1に記載の方法。
(項目3)
前記事前選択された基準は、前記平面の法線が、前記センサに向いていないとき、前記表面平面を選定することを含む、項目1に記載の方法。
(項目4)
前記事前選択された数のセルは、400×400個を備える、項目1に記載の方法。
(項目5)
前記初期確率を算出することは、
前記センサが、利用不可能であり、前記セルが、近傍のセルである場合、前記近傍のセルは、前記ブラインド距離の近傍にあり、前記セルの初期確率=1.0であることと、
前記センサが、利用不可能であり、前記セルが、前記近傍のセルと前記外周との間にある場合、前記セルの初期確率=0.5であることと、
前記センサが、利用可能であり、前記セル内に前記障害物点のうちの少なくとも1つが存在する場合、または以前に遭遇された前記線に沿った前記セルのうちの1つが、前記障害物点のうちの少なくとも1つを含んでいた場合、前記セルの初期確率=0.5であることと、
前記センサが、利用可能であり、前記セル内に前記障害物点のうちのいずれも存在せず、前記線に沿った以前に遭遇された前記セルのうちのいずれも、前記障害物点のうちの少なくとも1つを含んでいなかった場合、前記セルの初期確率=0.3であることと
を含む、項目1に記載の方法。
(項目6)
前記雑音係数を算出することは、
を含み、
式中、
d=前記第2の距離であり、
Z t =前記第1の距離であり、
σ=Z t 2 ×0.001である、
項目1に記載の方法。
(項目7)
前記現在の確率を算出することは、
前記セルに関する前記雑音係数+前記セルの初期確率
を含む、項目1に記載の方法。
(項目8)
前記平面はそれぞれ、前記平面から第1の事前選択された距離までの前記非平面点を備える、項目1に記載の方法。
(項目9)
前記第1の事前選択された距離は、2mを備える、項目8に記載の方法。
(項目10)
点群データにおける自由空間確率を割り当てるためのシステムであって、前記点群データは、表面上で進行する自律車両と関連付けられ、前記システムは、
センサビームを有するセンサであって、前記センサビームは、少なくとも前記センサから前記表面に投影される、センサと、
前記センサから前記点群データを受信するセグメントプロセッサであって、前記セグメントプロセッサは、前記点群データを第1の事前選択されたサイズのセグメントにセグメント化する、セグメントプロセッサと、
前記点群データ内で、平面、前記平面内の平面点、および前記平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定する平面プロセッサと、
前記平面点に対する法線を決定し、前記平面点と関連付けられる前記非平面点を決定する法線プロセッサであって、前記法線プロセッサは、少なくとも前記法線および前記センサの場所に基づいて、事前選択された基準に従って、前記平面のうちの少なくとも1つを表面平面として選定し、前記法線プロセッサは、少なくとも前記関連付けられる非平面点に基づいて、前記平面点のそれぞれを障害物点として分類し、前記法線プロセッサは、少なくとも前記非平面点に基づいて、前記障害物点と関連付けられる障害物高を決定する、法線プロセッサと、
前記表面平面からグリッドを作成するグリッドプロセッサであって、前記グリッドは、事前選択された数のセルと、外周とを有する、グリッドプロセッサと、
線掃引プロセッサであって、前記線掃引プロセッサは、少なくとも前記セル内の前記障害物高に基づいて、前記セル毎の測定有意性を算出する測定有意性プロセッサを含み、前記線掃引プロセッサは、
初期確率プロセッサであって、前記初期確率プロセッサは、少なくとも前記センサビームと前記表面平面との間の交点に基づいて、前記センサからのブラインド距離を決定し、前記初期確率プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサの可用性、前記セル内の前記障害物点、および前記センサに対する前記線に沿った前記セルの位置に基づく、ことを含む、初期確率プロセッサと、
雑音係数プロセッサであって、前記雑音係数プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記センサと前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記センサと前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記測定有意性、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することを含む、雑音係数プロセッサと、
現在の確率プロセッサであって、前記現在の確率プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物点の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことを含む、現在の確率プロセッサと
を含む、線掃引プロセッサと
を備える、システム。
(項目11)
センサデータにおける自由空間確率を割り当てるための方法であって、前記センサデータは、表面上で進行する自律車両と関連付けられ、前記方法は、
前記センサデータにおける少なくとも1つの表面平面を決定することであって、前記少なくとも1つの表面平面は、前記表面と関連付けられる、ことと、
前記少なくとも1つの表面平面と関連付けられる前記センサデータにおいて、存在する場合、障害物を決定し、存在する場合、前記障害物の高さを決定することと、
少なくとも前記自律車両の寸法に基づいて、前記自律車両からのブラインド距離を決定することと、
前記少なくとも1つの表面平面上にグリッドを作成することであって、前記グリッドは、事前選択された数のセルと、外周とを有する、ことと、
前記ブラインド距離と前記外周との間の前記少なくとも1つの表面平面上の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサデータの可用性、前記セル内の前記障害物、および前記自律車両に対する前記線に沿った前記セルの位置に基づく、ことと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記自律車両と前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記自律車両と前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記障害物高、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことと
を含む、方法。
(項目12)
前記事前選択された数のセルは、400×400個を備える、項目11に記載の方法。
(項目13)
前記初期確率を算出することは、
前記センサデータが、利用不可能であり、前記セルが、近傍のセルである場合、前記近傍のセルは、前記ブラインド距離の近傍にあり、前記セルの初期確率=1.0であることと、
前記センサデータが、利用不可能であり、前記セルが、前記近傍のセルと前記外周との間にある場合、前記セルの初期確率=0.5であることと、
前記センサデータが、利用可能であり、前記セル内に前記障害物のうちの少なくとも1つが、存在する場合、または以前に遭遇された前記線に沿った前記セルのうちの1つが、前記障害物のうちの少なくとも1つを含んでいた場合、前記セルの初期確率=0.5であることと、
前記センサデータが、利用可能であり、前記セル内に前記障害物のうちのいずれも、存在せず、前記線に沿った以前に遭遇された前記セルのうちのいずれも、障害物のうちの少なくとも1つを含んでいなかった場合、前記セルの初期確率=0.3であることと
を含む、項目11に記載の方法。
(項目14)
前記雑音係数を算出することは、
を含み、
式中、
d=前記第2の距離であり、
Z t =前記第1の距離であり、
σ=Z t 2 ×0.001である、
項目11に記載の方法。
(項目15)
前記現在の確率を算出することは、
前記セルに関する前記雑音係数+前記セルの初期確率
を含む、項目11に記載の方法。
(項目16)
前記少なくとも1つの表面平面は、前記少なくとも1つの表面平面からの第1の事前選択された距離までの非平面点を備える、項目11に記載の方法。
(項目17)
前記第1の事前選択された距離は、2mを備える、項目16に記載の方法。
(項目18)
少なくとも前記非平面点に基づいて、前記障害物高を決定することをさらに含む、項目16に記載の方法。
(項目19)
自律車両に関するナビゲーション経路における自由空間を決定するための方法であって、前記方法は、
センサから受信される点群データから接地平面を決定することであって、前記接地平面はそれぞれ、接地平面方程式と関連付けられ、前記センサは、センサ基準フレームを有する、ことと、
前記接地平面方程式を前記センサ基準フレームから前記自律車両と関連付けられる車両基準フレームに変換することと、
前記点群データ内の点を前記センサ基準フレームから前記車両基準フレームに変換することと、
前記変換された点が、前記変換された接地平面方程式を満たす場合、前記点群データ内の点を自由空間として標識化することと、
少なくとも前記標識化された点に基づいて、占有グリッドを拡張するために、占有グリッドデータを提供することと
を含む、方法。
(項目20)
前記接地平面を決定することは、
前記点群データの少なくとも2つのリングの中央値を算出することと、
少なくとも前記中央値からの前記点群データ内の前記点の距離に基づいて、前記点群データをフィルタリングすることと、
前記フィルタリングされた点群データから平面を作成することであって、前記作成された平面はそれぞれ、少なくとも1つの方位角を有する、ことと、
前記少なくとも1つの方位角に沿って前記自律車両から離れるように延在する前記点群データからの前記作成された平面を拡大させることと、
少なくとも前記作成された平面のそれぞれの配向および残留誤差に基づいて、前記拡大された平面から前記接地平面を選定することと
を含む、項目19に記載の方法。
(項目21)
前記平面を作成することは、
センサデータの第1のリングから第1の点および第2の点を選択することであって、前記第1の点および前記第2の点は、前記第1のリング上の前記点群データの不連続性によって形成される境界内に位置し、前記第1の点は、第1の方位角を有し、前記第2の点は、第2の方位角を有する、ことと、
センサデータの第2のリングから第3の点を選択することであって、前記第2のリングは、前記第1のリングに隣接し、前記第3の点は、前記第1の方位角と前記第2の方位角との間の第3の方位角を有する、ことと、
前記第1の点と、前記第2の点と、前記第3の点とを含む前記平面のうちの1つを作成することと
を含む、項目20に記載の方法。
(項目22)
前記接地平面のうちのいずれも、決定されることができないとき、デフォルト平面を代用することをさらに含む、項目19に記載の方法。
(項目23)
前記点が、前記自律車両からの事前選択された距離を超える場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目24)
前記点が、少なくとも前記自律車両の車両高に基づく事前選択された高さを超える場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目25)
前記点が、前記自律車両からの事前選択された距離内にある場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目26)
前記接地平面を変換することは、
前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
前記d定数を正規化することと、
回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を含む、項目19に記載の方法。
(項目27)
前記接地平面を変換することは、
以下のように前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
以下のように前記d定数を正規化することと、
以下のように回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
以下のように前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を含む、項目19に記載の方法。
(項目28)
点を標識化することは、
前記変換された点群点のそれぞれを前記変換された接地平面方程式に代入することと、
前記変換された点群点が、前記変換された接地平面方程式、すなわち、
-閾値≦a’x+b’y+c’z+d’≦+閾値
を満たす場合、前記変換された点群点を自由空間として個々に標識化することと
を含む、項目27に記載の方法。
(項目29)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも前記グリッドマップに基づいて、前記占有グリッド内のセルが前記障害物を含む確率を算出することと
を含む、項目28に記載の方法。
(項目30)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも、前記グリッドマップ、センサ雑音、および前記障害物の高さに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を含む、項目28に記載の方法。
(項目31)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
以下に従って、前記占有グリッド内のセルが障害物を含む確率を算出することと
を含み、
式中、
前記自律車両から前記セルまでの距離が、前記センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
前記セルと前記自律車両との間の線が、前記障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
前記自律車両と空間的に一致する前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも前記自律車両および前記センサの構成に基づく値を含み、
前記線に沿って空間的に前記自律車両の前にある、またはそれを越えるようにある前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、前記値を含み、
前記セルが、前記障害物の最後のものを越えて、または前記点群データの最後のものを越えて前記線に沿うように空間的にあるとき、pMapCell=1.0である、
項目28に記載の方法。
(項目32)
BaseSignificanceは、0.09を備える、項目31に記載の方法。
(項目33)
HeightNormalizerは、28.2を備える、項目31に記載の方法。
(項目34)
自律車両に関するナビゲーション経路における自由空間を決定するためのシステムであって、前記システムは、
センサから受信される点群データから接地平面を決定する接地平面プロセッサであって、前記接地平面はそれぞれ、接地平面方程式と関連付けられ、前記センサは、センサ基準フレームを有する、接地平面プロセッサと、
前記接地平面方程式を前記センサ基準フレームから前記自律車両と関連付けられる車両基準フレームに変換する平面変換プロセッサと、
前記点群データ内の点を前記センサ基準フレームから前記車両基準フレームに変換する点変換プロセッサと、
前記変換された点が、前記変換された接地平面方程式を満たす場合、前記点群データ内の点を自由空間として標識化する点標識化プロセッサと、
少なくとも前記標識化された点に基づいて、占有グリッドを拡張するために、占有グリッドデータを提供する確率プロセッサと
を備える、システム。
(項目35)
前記接地平面プロセッサは、
前記点群データの少なくとも2つのリングの中央値を算出する中央値プロセッサと、
少なくとも前記中央値からの前記点群データ内の前記点の距離に基づいて、前記点群データをフィルタリングする点群フィルタと、
前記フィルタリングされた点群データから平面を作成する平面作成プロセッサであって、前記作成された平面はそれぞれ、少なくとも1つの方位角を有する、平面作成プロセッサと、
前記少なくとも1つの方位角に沿って前記自律車両から離れるように延在する前記点群データからの前記作成された平面を拡大させる平面拡大プロセッサと、
少なくとも前記作成された平面のそれぞれの配向および残留誤差に基づいて、前記拡大された平面から前記接地平面を選定する選択プロセッサと
を備える、項目34に記載のシステム。
(項目36)
前記平面作成プロセッサは、
センサデータの第1のリングから第1の点および第2の点を選択することであって、前記第1の点および前記第2の点は、前記第1のリング上の前記点群データの不連続性によって形成される境界内に位置し、前記第1の点は、第1の方位角を有し、前記第2の点は、第2の方位角を有する、ことと、
センサデータの第2のリングから第3の点を選択することであって、前記第2のリングは、前記第1のリングに隣接し、前記第3の点は、前記第1の方位角と前記第2の方位角との間の第3の方位角を有する、ことと、
前記第1の点と、前記第2の点と、前記第3の点とを含む前記平面のうちの1つを作成することと
を行うコンピュータ命令を含む実行可能コードを備える、項目35に記載のシステム。
(項目37)
前記接地平面のうちのいずれも、決定されることができないとき、デフォルト平面を代用するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目38)
前記点が、前記自律車両からの事前選択された距離を超える場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目39)
前記点が、少なくとも前記自律車両の車両高に基づく事前選択された高さを超える場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目40)
前記点が、前記自律車両からの事前選択された距離内にある場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目41)
前記接地平面を変換することは、
前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
前記d定数を正規化することと、
回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目42)
前記接地平面を変換することは、
以下のように前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
以下のように前記d定数を正規化することと、
以下のように回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
以下のように前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目43)
前記点標識化プロセッサは、
前記変換された点群点のそれぞれを前記変換された接地平面方程式に代入することと、
前記変換された点群点が、前記変換された接地平面方程式、すなわち、
-閾値≦a’x+b’y+c’z+d’≦+閾値
を満たす場合、変換された点群点を自由空間として個々に標識化することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目44)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも前記グリッドマップに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備える、項目43に記載のシステム。
(項目45)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも、前記グリッドマップ、センサ雑音、および前記障害物の高さに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備える、項目43に記載のシステム。
(項目46)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
以下に従って、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備え、
式中、
前記自律車両から前記セルまでの距離が、前記センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
前記セルと前記自律車両との間の線が、前記障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
前記自律車両と空間的に一致する前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも前記自律車両および前記センサの構成に基づく値を含み、
前記線に沿って空間的に前記自律車両の前にある、またはそれを越えるようにある前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、前記値を含み、
前記セルが、前記障害物の最後のものを越えて、または前記点群データの最後のものを越えて前記線に沿うように空間的にあるとき、pMapCell=1.0である、項目43に記載のシステム。
(項目47)
BaseSignificanceは、0.09を備える、項目46に記載のシステム。
(項目48)
HeightNormalizerは、28.2を備える、項目46に記載のシステム。
本発明は、例えば、以下を提供する。
(項目1)
点群データにおける自由空間確率を割り当てるための方法であって、前記点群データは、表面上で進行する自律車両と関連付けられ、前記方法は、
センサから前記点群データを受信することであって、前記センサは、センサビームを有し、前記センサビームは、少なくとも前記センサから前記表面に投影される、ことと、
前記点群データを第1の事前選択されたサイズのセグメントにセグメント化することと、
前記点群データ内の平面、前記平面内の平面点、および前記平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定することと、
前記平面点に対する法線を決定し、前記平面点と関連付けられる前記非平面点を決定することと、
少なくとも前記法線および前記センサの場所に基づいて、事前選択された基準に従って、前記平面のうちの少なくとも1つを表面平面として選定することと、
少なくとも前記関連付けられる非平面点に基づいて、前記平面点のそれぞれを障害物点として分類することと、
少なくとも前記非平面点に基づいて、前記障害物点と関連付けられる障害物高を決定することと、
前記表面平面からグリッドを作成することであって、前記グリッドは、事前選択された数のセルと、外周とを有する、ことと、
少なくとも前記セル内の前記障害物高に基づいて、前記セル毎の測定有意性を算出することと、
少なくとも前記センサビームと前記表面平面との間の交点に基づいて、前記センサからのブラインド距離を決定することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサの可用性、前記セル内の前記障害物点、および前記センサに対する前記線に沿った前記セルの位置に基づく、ことと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記センサと前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記センサと前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記測定有意性、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことと
を含む、方法。
(項目2)
前記第1の事前選択されたサイズは、約40m×40m×2mを備える、項目1に記載の方法。
(項目3)
前記事前選択された基準は、前記平面の法線が、前記センサに向いていないとき、前記表面平面を選定することを含む、項目1に記載の方法。
(項目4)
前記事前選択された数のセルは、400×400個を備える、項目1に記載の方法。
(項目5)
前記初期確率を算出することは、
前記センサが、利用不可能であり、前記セルが、近傍のセルである場合、前記近傍のセルは、前記ブラインド距離の近傍にあり、前記セルの初期確率=1.0であることと、
前記センサが、利用不可能であり、前記セルが、前記近傍のセルと前記外周との間にある場合、前記セルの初期確率=0.5であることと、
前記センサが、利用可能であり、前記セル内に前記障害物点のうちの少なくとも1つが存在する場合、または以前に遭遇された前記線に沿った前記セルのうちの1つが、前記障害物点のうちの少なくとも1つを含んでいた場合、前記セルの初期確率=0.5であることと、
前記センサが、利用可能であり、前記セル内に前記障害物点のうちのいずれも存在せず、前記線に沿った以前に遭遇された前記セルのうちのいずれも、前記障害物点のうちの少なくとも1つを含んでいなかった場合、前記セルの初期確率=0.3であることと
を含む、項目1に記載の方法。
(項目6)
前記雑音係数を算出することは、
を含み、
式中、
d=前記第2の距離であり、
Z t =前記第1の距離であり、
σ=Z t 2 ×0.001である、
項目1に記載の方法。
(項目7)
前記現在の確率を算出することは、
前記セルに関する前記雑音係数+前記セルの初期確率
を含む、項目1に記載の方法。
(項目8)
前記平面はそれぞれ、前記平面から第1の事前選択された距離までの前記非平面点を備える、項目1に記載の方法。
(項目9)
前記第1の事前選択された距離は、2mを備える、項目8に記載の方法。
(項目10)
点群データにおける自由空間確率を割り当てるためのシステムであって、前記点群データは、表面上で進行する自律車両と関連付けられ、前記システムは、
センサビームを有するセンサであって、前記センサビームは、少なくとも前記センサから前記表面に投影される、センサと、
前記センサから前記点群データを受信するセグメントプロセッサであって、前記セグメントプロセッサは、前記点群データを第1の事前選択されたサイズのセグメントにセグメント化する、セグメントプロセッサと、
前記点群データ内で、平面、前記平面内の平面点、および前記平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定する平面プロセッサと、
前記平面点に対する法線を決定し、前記平面点と関連付けられる前記非平面点を決定する法線プロセッサであって、前記法線プロセッサは、少なくとも前記法線および前記センサの場所に基づいて、事前選択された基準に従って、前記平面のうちの少なくとも1つを表面平面として選定し、前記法線プロセッサは、少なくとも前記関連付けられる非平面点に基づいて、前記平面点のそれぞれを障害物点として分類し、前記法線プロセッサは、少なくとも前記非平面点に基づいて、前記障害物点と関連付けられる障害物高を決定する、法線プロセッサと、
前記表面平面からグリッドを作成するグリッドプロセッサであって、前記グリッドは、事前選択された数のセルと、外周とを有する、グリッドプロセッサと、
線掃引プロセッサであって、前記線掃引プロセッサは、少なくとも前記セル内の前記障害物高に基づいて、前記セル毎の測定有意性を算出する測定有意性プロセッサを含み、前記線掃引プロセッサは、
初期確率プロセッサであって、前記初期確率プロセッサは、少なくとも前記センサビームと前記表面平面との間の交点に基づいて、前記センサからのブラインド距離を決定し、前記初期確率プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサの可用性、前記セル内の前記障害物点、および前記センサに対する前記線に沿った前記セルの位置に基づく、ことを含む、初期確率プロセッサと、
雑音係数プロセッサであって、前記雑音係数プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記センサと前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記センサと前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記測定有意性、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することを含む、雑音係数プロセッサと、
現在の確率プロセッサであって、前記現在の確率プロセッサは、前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物点の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことを含む、現在の確率プロセッサと
を含む、線掃引プロセッサと
を備える、システム。
(項目11)
センサデータにおける自由空間確率を割り当てるための方法であって、前記センサデータは、表面上で進行する自律車両と関連付けられ、前記方法は、
前記センサデータにおける少なくとも1つの表面平面を決定することであって、前記少なくとも1つの表面平面は、前記表面と関連付けられる、ことと、
前記少なくとも1つの表面平面と関連付けられる前記センサデータにおいて、存在する場合、障害物を決定し、存在する場合、前記障害物の高さを決定することと、
少なくとも前記自律車両の寸法に基づいて、前記自律車両からのブラインド距離を決定することと、
前記少なくとも1つの表面平面上にグリッドを作成することであって、前記グリッドは、事前選択された数のセルと、外周とを有する、ことと、
前記ブラインド距離と前記外周との間の前記少なくとも1つの表面平面上の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の初期確率を算出することであって、前記初期確率は、少なくとも、前記センサデータの可用性、前記セル内の前記障害物、および前記自律車両に対する前記線に沿った前記セルの位置に基づく、ことと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、少なくとも、前記自律車両と前記セル内の前記線に沿った前記障害物の最近接するものとの間の第1の距離、前記自律車両と前記線に沿った前記セルとの間の第2の距離、前記線に沿った前記セルに関する前記障害物高、前記線に沿った前記セルに関する前記初期確率、およびデフォルト確率に基づいて、雑音係数を算出することと、
前記ブラインド距離と前記外周との間の各線に沿った前記セル毎に、前記線に沿った前記セルを占有する前記障害物の現在の確率を算出することであって、前記現在の確率は、少なくとも、前記セルに関する前記初期確率および前記セルに関する前記雑音係数に基づく、ことと
を含む、方法。
(項目12)
前記事前選択された数のセルは、400×400個を備える、項目11に記載の方法。
(項目13)
前記初期確率を算出することは、
前記センサデータが、利用不可能であり、前記セルが、近傍のセルである場合、前記近傍のセルは、前記ブラインド距離の近傍にあり、前記セルの初期確率=1.0であることと、
前記センサデータが、利用不可能であり、前記セルが、前記近傍のセルと前記外周との間にある場合、前記セルの初期確率=0.5であることと、
前記センサデータが、利用可能であり、前記セル内に前記障害物のうちの少なくとも1つが、存在する場合、または以前に遭遇された前記線に沿った前記セルのうちの1つが、前記障害物のうちの少なくとも1つを含んでいた場合、前記セルの初期確率=0.5であることと、
前記センサデータが、利用可能であり、前記セル内に前記障害物のうちのいずれも、存在せず、前記線に沿った以前に遭遇された前記セルのうちのいずれも、障害物のうちの少なくとも1つを含んでいなかった場合、前記セルの初期確率=0.3であることと
を含む、項目11に記載の方法。
(項目14)
前記雑音係数を算出することは、
を含み、
式中、
d=前記第2の距離であり、
Z t =前記第1の距離であり、
σ=Z t 2 ×0.001である、
項目11に記載の方法。
(項目15)
前記現在の確率を算出することは、
前記セルに関する前記雑音係数+前記セルの初期確率
を含む、項目11に記載の方法。
(項目16)
前記少なくとも1つの表面平面は、前記少なくとも1つの表面平面からの第1の事前選択された距離までの非平面点を備える、項目11に記載の方法。
(項目17)
前記第1の事前選択された距離は、2mを備える、項目16に記載の方法。
(項目18)
少なくとも前記非平面点に基づいて、前記障害物高を決定することをさらに含む、項目16に記載の方法。
(項目19)
自律車両に関するナビゲーション経路における自由空間を決定するための方法であって、前記方法は、
センサから受信される点群データから接地平面を決定することであって、前記接地平面はそれぞれ、接地平面方程式と関連付けられ、前記センサは、センサ基準フレームを有する、ことと、
前記接地平面方程式を前記センサ基準フレームから前記自律車両と関連付けられる車両基準フレームに変換することと、
前記点群データ内の点を前記センサ基準フレームから前記車両基準フレームに変換することと、
前記変換された点が、前記変換された接地平面方程式を満たす場合、前記点群データ内の点を自由空間として標識化することと、
少なくとも前記標識化された点に基づいて、占有グリッドを拡張するために、占有グリッドデータを提供することと
を含む、方法。
(項目20)
前記接地平面を決定することは、
前記点群データの少なくとも2つのリングの中央値を算出することと、
少なくとも前記中央値からの前記点群データ内の前記点の距離に基づいて、前記点群データをフィルタリングすることと、
前記フィルタリングされた点群データから平面を作成することであって、前記作成された平面はそれぞれ、少なくとも1つの方位角を有する、ことと、
前記少なくとも1つの方位角に沿って前記自律車両から離れるように延在する前記点群データからの前記作成された平面を拡大させることと、
少なくとも前記作成された平面のそれぞれの配向および残留誤差に基づいて、前記拡大された平面から前記接地平面を選定することと
を含む、項目19に記載の方法。
(項目21)
前記平面を作成することは、
センサデータの第1のリングから第1の点および第2の点を選択することであって、前記第1の点および前記第2の点は、前記第1のリング上の前記点群データの不連続性によって形成される境界内に位置し、前記第1の点は、第1の方位角を有し、前記第2の点は、第2の方位角を有する、ことと、
センサデータの第2のリングから第3の点を選択することであって、前記第2のリングは、前記第1のリングに隣接し、前記第3の点は、前記第1の方位角と前記第2の方位角との間の第3の方位角を有する、ことと、
前記第1の点と、前記第2の点と、前記第3の点とを含む前記平面のうちの1つを作成することと
を含む、項目20に記載の方法。
(項目22)
前記接地平面のうちのいずれも、決定されることができないとき、デフォルト平面を代用することをさらに含む、項目19に記載の方法。
(項目23)
前記点が、前記自律車両からの事前選択された距離を超える場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目24)
前記点が、少なくとも前記自律車両の車両高に基づく事前選択された高さを超える場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目25)
前記点が、前記自律車両からの事前選択された距離内にある場合、前記点群データから前記点を除去することをさらに含む、項目19に記載の方法。
(項目26)
前記接地平面を変換することは、
前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
前記d定数を正規化することと、
回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を含む、項目19に記載の方法。
(項目27)
前記接地平面を変換することは、
以下のように前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
以下のように前記d定数を正規化することと、
以下のように回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
以下のように前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を含む、項目19に記載の方法。
(項目28)
点を標識化することは、
前記変換された点群点のそれぞれを前記変換された接地平面方程式に代入することと、
前記変換された点群点が、前記変換された接地平面方程式、すなわち、
-閾値≦a’x+b’y+c’z+d’≦+閾値
を満たす場合、前記変換された点群点を自由空間として個々に標識化することと
を含む、項目27に記載の方法。
(項目29)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも前記グリッドマップに基づいて、前記占有グリッド内のセルが前記障害物を含む確率を算出することと
を含む、項目28に記載の方法。
(項目30)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも、前記グリッドマップ、センサ雑音、および前記障害物の高さに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を含む、項目28に記載の方法。
(項目31)
占有グリッドデータを提供することは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
以下に従って、前記占有グリッド内のセルが障害物を含む確率を算出することと
を含み、
式中、
前記自律車両から前記セルまでの距離が、前記センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
前記セルと前記自律車両との間の線が、前記障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
前記自律車両と空間的に一致する前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも前記自律車両および前記センサの構成に基づく値を含み、
前記線に沿って空間的に前記自律車両の前にある、またはそれを越えるようにある前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、前記値を含み、
前記セルが、前記障害物の最後のものを越えて、または前記点群データの最後のものを越えて前記線に沿うように空間的にあるとき、pMapCell=1.0である、
項目28に記載の方法。
(項目32)
BaseSignificanceは、0.09を備える、項目31に記載の方法。
(項目33)
HeightNormalizerは、28.2を備える、項目31に記載の方法。
(項目34)
自律車両に関するナビゲーション経路における自由空間を決定するためのシステムであって、前記システムは、
センサから受信される点群データから接地平面を決定する接地平面プロセッサであって、前記接地平面はそれぞれ、接地平面方程式と関連付けられ、前記センサは、センサ基準フレームを有する、接地平面プロセッサと、
前記接地平面方程式を前記センサ基準フレームから前記自律車両と関連付けられる車両基準フレームに変換する平面変換プロセッサと、
前記点群データ内の点を前記センサ基準フレームから前記車両基準フレームに変換する点変換プロセッサと、
前記変換された点が、前記変換された接地平面方程式を満たす場合、前記点群データ内の点を自由空間として標識化する点標識化プロセッサと、
少なくとも前記標識化された点に基づいて、占有グリッドを拡張するために、占有グリッドデータを提供する確率プロセッサと
を備える、システム。
(項目35)
前記接地平面プロセッサは、
前記点群データの少なくとも2つのリングの中央値を算出する中央値プロセッサと、
少なくとも前記中央値からの前記点群データ内の前記点の距離に基づいて、前記点群データをフィルタリングする点群フィルタと、
前記フィルタリングされた点群データから平面を作成する平面作成プロセッサであって、前記作成された平面はそれぞれ、少なくとも1つの方位角を有する、平面作成プロセッサと、
前記少なくとも1つの方位角に沿って前記自律車両から離れるように延在する前記点群データからの前記作成された平面を拡大させる平面拡大プロセッサと、
少なくとも前記作成された平面のそれぞれの配向および残留誤差に基づいて、前記拡大された平面から前記接地平面を選定する選択プロセッサと
を備える、項目34に記載のシステム。
(項目36)
前記平面作成プロセッサは、
センサデータの第1のリングから第1の点および第2の点を選択することであって、前記第1の点および前記第2の点は、前記第1のリング上の前記点群データの不連続性によって形成される境界内に位置し、前記第1の点は、第1の方位角を有し、前記第2の点は、第2の方位角を有する、ことと、
センサデータの第2のリングから第3の点を選択することであって、前記第2のリングは、前記第1のリングに隣接し、前記第3の点は、前記第1の方位角と前記第2の方位角との間の第3の方位角を有する、ことと、
前記第1の点と、前記第2の点と、前記第3の点とを含む前記平面のうちの1つを作成することと
を行うコンピュータ命令を含む実行可能コードを備える、項目35に記載のシステム。
(項目37)
前記接地平面のうちのいずれも、決定されることができないとき、デフォルト平面を代用するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目38)
前記点が、前記自律車両からの事前選択された距離を超える場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目39)
前記点が、少なくとも前記自律車両の車両高に基づく事前選択された高さを超える場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目40)
前記点が、前記自律車両からの事前選択された距離内にある場合、前記点群データから前記点を除去するコンピュータ命令を含む実行可能コードをさらに備える、項目34に記載のシステム。
(項目41)
前記接地平面を変換することは、
前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
前記d定数を正規化することと、
回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目42)
前記接地平面を変換することは、
以下のように前記接地平面方程式の係数から単位ベクトルを算出することであって、前記接地平面方程式は、ax+by+cz+d=0を含み、前記係数は、a、b、およびcを含み、定数は、dを含む、ことと、
以下のように前記d定数を正規化することと、
以下のように回転/平行移動行列および前記単位ベクトルに基づいて、前記接地平面方程式のa、b、c係数を変換することと、
以下のように前記正規化されたd定数、前記回転/平行移動行列、前記単位ベクトル、および前記変換されたa、b、c係数に基づいて、前記正規化されたd定数を変換することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目43)
前記点標識化プロセッサは、
前記変換された点群点のそれぞれを前記変換された接地平面方程式に代入することと、
前記変換された点群点が、前記変換された接地平面方程式、すなわち、
-閾値≦a’x+b’y+c’z+d’≦+閾値
を満たす場合、変換された点群点を自由空間として個々に標識化することと
を行うコンピュータ命令を含む実行可能コードを備える、項目34に記載のシステム。
(項目44)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも前記グリッドマップに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備える、項目43に記載のシステム。
(項目45)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
少なくとも、前記グリッドマップ、センサ雑音、および前記障害物の高さに基づいて、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備える、項目43に記載のシステム。
(項目46)
前記確率プロセッサは、
少なくとも前記変換された接地平面方程式からの結果に基づいて、前記変換された点群点に対応するグリッドマップ上の場所を更新することと、
以下に従って、前記占有グリッド内のセルが障害物を含む確率を算出することと
を行うコンピュータ命令を含む実行可能コードを備え、
式中、
前記自律車両から前記セルまでの距離が、前記センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
前記セルと前記自律車両との間の線が、前記障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
前記自律車両と空間的に一致する前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも前記自律車両および前記センサの構成に基づく値を含み、
前記線に沿って空間的に前記自律車両の前にある、またはそれを越えるようにある前記セルが、前記障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=前記自律車両から前記障害物までのユークリッド距離であり、
d2cell=前記自律車両から前記セルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、前記値を含み、
前記セルが、前記障害物の最後のものを越えて、または前記点群データの最後のものを越えて前記線に沿うように空間的にあるとき、pMapCell=1.0である、項目43に記載のシステム。
(項目47)
BaseSignificanceは、0.09を備える、項目46に記載のシステム。
(項目48)
HeightNormalizerは、28.2を備える、項目46に記載のシステム。
本教示は、付随の図面とともに検討される、以下の説明を参照することによって、より容易に理解されるであろう。
詳細な説明
本教示のシステムおよび方法は、リアルタイムで自律車両を囲繞する自由空間を推定することができる。
本教示のシステムおよび方法は、リアルタイムで自律車両を囲繞する自由空間を推定することができる。
ここで図1A-1Cを参照すると、自由空間が、グリッドの中心に設置されるセンサからグリッドの外周まで360°を掃引することによって、センサデータから推定されることができる。確率が、計算され、各セルが、占有確率の対数オッズと関連付けられる。対数オッズは、ブラインド半径内にあり、占有されている確率を有していない全てのセルに関して強制的にゼロにされることができる。ブラインド半径は、自律車両によって遮断されるセンサの周囲の面積である。掃引の間、セルにすでに移動済みである場合、新しい算出が、以前の算出に取って代わることができる。セル毎に、初期確率が、例えば、限定ではないが、センサビームが遮断された、またはセンサデータがいずれかの理由から利用不可能であったかどうか、および障害物がセル内に見出され得るかどうか等の最初に既知の情報に基づいて、各セルに割り当てられることができる。ブラインド半径の外側の移動先セル毎に、雑音係数が、算出されることができる。雑音係数は、センサ雑音が、少なくともセンサと遭遇される任意の障害物との間の距離に基づいて、増加し得ることを認識する。セル毎に、初期確率および雑音係数は、セルに関する現在の確率を生成するために組み合わせられることができ、グリッドは、対数オッズ確率を取り込まれることができる。センサとグリッドの外周との間に線を引く1つの利点は、センサが単一のビームを用いて検出するものを確認することが可能であることである。別の利点は、線に沿っていかなる有効な戻りも、存在しない場合、センサが遮断された、またはある他の理由からその線に沿って利用不可能であったと仮定され得ることである。
継続して図1A-1Cを参照すると、点群データにおける自由空間確率を割り当てるための方法150であって、点群データは、表面上で進行する自律車両と関連付けられることができ、本方法は、限定ではないが、センサから点群データを受信すること151を含むことができる。センサは、センサビームを含むことができ、センサビームは、少なくともセンサから表面に投影されることができる。方法150は、点群データを第1の事前選択されたサイズのセグメントにセグメント化すること153と、点群データ内の平面、平面内の平面点、および平面点のうちの少なくとも1つと関連付けられる非平面点を位置特定すること155とを含むことができる。方法150は、平面点に対する法線を決定し、平面点と関連付けられる非平面点を決定すること157と、少なくとも法線およびセンサの場所に基づいて、事前選択された基準に従って、平面のうちの少なくとも1つを表面平面として選定すること159とを含むことができる。方法150は、少なくとも関連付けられる非平面点に基づいて、平面点のそれぞれを障害物点として分類すること161と、少なくとも非平面点に基づいて、障害物点と関連付けられる障害物高を決定すること163と、表面平面からグリッドを作成すること165とを含むことができる。グリッドは、事前選択された数のセルと、外周とを含むことができる。方法150は、少なくともセル内の障害物高に基づいて、セル毎の測定有意性を算出すること167と、少なくともセンサビームと表面平面との間の交点に基づいて、センサからのブラインド距離を決定すること169とを含むことができる。測定有意性は、随意に、そのセル内の全ての障害物高の合計に基づいて計算され得る、約0.09~1.0に及ぶ値を含むことができる。合計高さが、高くなるほど、測定値の有意性は、大きくなる。いくつかの構成では、測定有意性=0.09×(28.2×セル内の障害物高の合計)である。いくつかの構成では、測定有意性は、0.09~1.0の範囲に制限されることができる。171において、処理するべきさらなる線が、存在する場合、および173において、線内にさらなるセルが、存在する場合、および175において、セルが、現在の確率を有していない場合、方法150は、線に沿ったセルを占有する障害物の初期確率を算出すること179を含むことができる。175において、セルが、現在の確率を有する場合、方法150は、現在の確率を削除すること177を含むことができる。初期確率は、少なくとも、センサの可用性、セル内の障害物点、およびセンサに対する線に沿ったセルの位置に基づくことができる。ブラインド距離と外周との間の各線に沿ったセル毎に、方法150は、セルに関する雑音係数を算出すること181を含むことができる。雑音係数は、少なくとも、センサとセル内の線に沿った障害物の最近接するものとの間の第1の距離、センサと線に沿ったセルとの間の第2の距離、線に沿ったセルに関する測定有意性、線に沿ったセルに関する初期確率、およびデフォルト確率に基づくことができる。デフォルト確率は、限定ではないが、0.5の値を含むことができる。
ブラインド距離と外周との間の各線に沿ったセル毎に、方法150は、線に沿ったセルを占有する障害物の現在の確率を算出すること183を含むことができる。現在の確率は、少なくとも、セルに関する初期確率およびセルに関する雑音係数に基づくことができる。第1の事前選択されたサイズは、随意に、約40m×40m×2mを含むことができる。事前選択された基準は、随意に、少なくとも1つの平面の法線が、センサに向いていないとき、表面平面を選定することを含むことができる。事前選択された数のセルは、随意に、400×400個を含むことができる。初期確率を算出することは、随意に、以下を含むことができ、すなわち、(a)センサが、利用不可能であり、セルが、近傍のセルである場合、近傍のセルは、ブラインド距離の近傍にあり、セルの初期確率=0.9であり、(b)センサが、利用不可能であり、セルが、近傍のセルと外周との間にある場合、セルの初期確率=0.5であり、(c)センサが、利用可能であり、セル内に障害物点のうちの少なくとも1つが、存在する場合、または以前に遭遇された線に沿ったセルのうちの1つが、障害物点のうちの少なくとも1つを含んでいた場合、セルの初期確率=0.5であり、(d)センサが、利用可能であり、セル内に障害物点のうちのいずれも、存在せず、線に沿った以前に遭遇されたセルのうちのいずれも、障害物点のうちの少なくとも1つを含んでいなかった場合、セルの初期確率=0.3である。雑音係数を算出することは、随意に、以下を算出することを含むことができ、
式中、
d=第2の距離であり、
Zt=第1の距離であり、
σ=Zt 2×0.001である。
例えば、Zt=10メートルであり、d=7メートルであり、初期確率=0.3である場合を検討する。この場合では、σ=0.1であり、exp値は、約0であり、雑音係数は、約0になる。一方、センサと観察との間の距離が、センサとセルとの間の距離により近接する場合、雑音係数は、非ゼロになるであろう。例えば、Zt=10メートルであり、d=9.9メートルであり、測定有意性=0.09であり、初期確率=0.3である場合、σ=0.1であり、exp値は、0.6065である。
であり、セルの占有確率を決定する際にセンサ雑音をより重要にする。現在の確率を算出することは、随意に、セルの雑音係数をセルの初期確率に加算することを含むことができる。少なくとも1つの平面は、随意に、少なくとも1つの平面からの第1の事前選択された距離までの非平面点を含むことができる。第1の事前選択された距離は、随意に、約2mを含むことができる。
d=第2の距離であり、
Zt=第1の距離であり、
σ=Zt 2×0.001である。
例えば、Zt=10メートルであり、d=7メートルであり、初期確率=0.3である場合を検討する。この場合では、σ=0.1であり、exp値は、約0であり、雑音係数は、約0になる。一方、センサと観察との間の距離が、センサとセルとの間の距離により近接する場合、雑音係数は、非ゼロになるであろう。例えば、Zt=10メートルであり、d=9.9メートルであり、測定有意性=0.09であり、初期確率=0.3である場合、σ=0.1であり、exp値は、0.6065である。
ここで、主として図2を参照すると、点群データ117における自由空間確率を割り当てるためのシステム100であって、点群データ117は、表面205(図3)上で進行する自律車両203(図3)と関連付けられることができ、システム100は、限定ではないが、少なくともセンサ125から表面205(図3)に投影され得る、センサビーム201(図3)を有する、センサ125を含むことができる。システム100は、限定ではないが、センサ125から点群データ117を受信し、点群データ117(図4)を第1の事前選択されたサイズx/y/z(図4)のセグメント115(図4)にセグメント化し得る、セグメントプロセッサ103を含み得る、LIDAR自由空間推定器101を含むことができる。LIDAR自由空間推定器101は、点群セグメント115(図5)内で、平面121(図5)、平面121(図5)内の平面点131(図5)、および平面点131(図5)のうちの少なくとも1つと関連付けられる非平面点133(図5)を位置特定し得る、平面プロセッサ105を含むことができる。LIDAR自由空間推定器101は、平面点131(図6)に対する法線123(図6)を決定し得、平面点131(図6)と関連付けられる非平面点135(図6)を決定し得る、法線プロセッサ107を含むことができる。法線プロセッサ107は、少なくとも法線123(図6)およびセンサ125の場所に基づいて、事前選択された基準に従って、平面121(図6)のうちの少なくとも1つを表面平面122(図7)として選定することができる。法線プロセッサ107は、少なくとも関連付けられる非平面点135(図7)に基づいて、平面点131のそれぞれを障害物点124として分類することができ、法線プロセッサ107は、少なくとも非平面点135(図7)に基づいて、障害物点124(図7)と関連付けられる障害物高139(図7)を決定することができる。LIDAR自由空間推定器101は、表面平面122(図7)からグリッド119(図8)を作成し得る、グリッドプロセッサ109を含むことができる。グリッド119(図8)は、事前選択された数のセル137(図8)と、外周138(図8)とを含むことができる。LIDAR自由空間推定器101は、測定有意性プロセッサ113を含み得る、線掃引プロセッサ111を含むことができる。測定有意性プロセッサ113は、少なくともセル137(図8)内の障害物高139(図7)に基づいて、セル137(図8)毎の測定有意性を算出することができる。
継続して主として図2を参照すると、線掃引プロセッサ111は、少なくともセンサビーム201(図3)と表面平面205(図3)との間の交点に基づいて、センサ125からのブラインド距離211(図3,9)を決定し得る、初期確率プロセッサ116を含むことができる。初期確率プロセッサ116は、ブラインド距離211(図9)と外周138(図9)との間の各線223(図9)に沿ったセル137(図9)毎に、線223(図9)に沿ったセル137(図9)を占有する障害物の初期確率225(図9)を算出することができる。初期確率225(図9)は、少なくとも、センサ125の可用性、存在する場合、セル137(図9)内の障害物点124(図9)、およびセンサ125に対する線223(図9)に沿ったセル137(図9)の位置に基づくことができる。線掃引プロセッサ111は、ブラインド距離211(図9)と外周138(図9)との間の各線223(図9)に沿ったセル137(図9)毎に、少なくとも、センサ125(図10)とセル137(図10)内の線223(図10)に沿った障害物点124(図10)の最近接するものとの間の第1の距離229(図10)、センサ125(図10)と線223(図10)に沿ったセル137(図10)との間の第2の距離231(図10)、線223(図10)に沿ったセル137(図10)に関する測定有意性、線223(図10)に沿ったセル137(図10)に関する初期確率225(図10)、およびデフォルト確率に基づいて、雑音係数227(図10)を算出し得る、雑音係数プロセッサ118を含むことができる。線掃引プロセッサ111は、ブラインド距離211(図10)と外周138(図10)との間の各線223(図10)に沿ったセル137(図10)毎に、線223(図10)に沿ったセル137(図10)を占有する障害物点124(図10)の現在の確率239(図10)を算出し得る、現在の確率プロセッサ119を含むことができる。現在の確率239(図10)は、少なくとも、セル137(図10)に関する初期確率225(図10)およびセル137(図10)に関する雑音係数227(図10)に基づくことができる。セグメント115(図4)は、随意に、例えば、x=40m、y=40、およびz=2mである形状を含むことができる。表面平面122(図7)が、随意に、それらの法線123(図6)が、センサ125(図6)に向いていないため、選定されることができる。表面平面122(図8)は、随意に、x方向における400個のセルと、y方向における400個のセルとを含むことができる。
ここで図9Aを参照すると、センサ126が、利用不可能になると、ブラインド距離211の最近傍である線223Aに沿ったセル243における初期確率225Aは、1.0に設定されることができる。ブラインド距離211内のセル241は、自律車両が、セルを占有しているため、0に設定される確率を有することができる。線223Aは、センサ126が、遮断されなかった、または別様に利用不可能ではなかった場合、センサビームが横断するであろう線である。センサ126が、利用不可能になると、セル243と外周138との間にある線223Aに沿ったセル245における初期確率225Bは、0.5に設定されることができる。
ここで図9Bを参照すると、センサ125が、利用可能である場合、初期確率225Bは、セル247内に障害物点124のうちの少なくとも1つが、存在する場合、0.5に設定されることができる。
ここで図9Cを参照すると、センサ125が、利用可能である場合、セル249に関する初期確率225Bは、線223の横断の間に以前に遭遇された線223に沿ったセルのうちの1つ、例えば、セル247が、障害物点124のうちの少なくとも1つを含んでいた場合、0.5に設定されることができる。センサ125が、利用可能であり、セル252内に障害物点124のうちのいずれも、存在しない、例えば、線223に沿った以前に遭遇されたセルのうちのいずれも、障害物点124のうちの少なくとも1つを含んでいなかった場合、セル252の初期確率225Cは、0.3に設定されることができる。
ここで図10を参照すると、雑音係数227は、例えば、セル137内の全ての障害物高139(図7)の合計に依存し得る。雑音係数227は、第1の距離Zt229の二乗、および第1の距離Zt229と第2の距離d231との間の差異、および初期確率225に依存し得る。現在の確率239は、初期確率225および雑音係数227の合計として算出されることができる。
ここで図11Aおよび11Bを参照すると、別の構成では、点群データを使用する自由空間推定は、点群データから接地平面を位置特定することと、それらが、接地平面上に位置する場合、点群からの点を自由空間としてマーキングすることと、占有グリッド内の妨害および自由空間指定を対数オッズデータとして保存することとを含むことができる。これらの機能を実施するための方法250は、限定ではないが、センサから点群データを受信すること251と、1つの方向においてデータ中央値に対してデータをフィルタリングすること253と、平面を作成し、平面を外れ値に拡大させること255と、有意な平面を選定すること257と、接地平面に関する閾値スコアを満たさない平面を排除すること259と、平面をベースリンク座標に変換すること261とを含むことができる。263において、自律車両の正面、左、右、および後方の点を表す平面が、存在しない場合、方法250は、以前に使用された平面が、事前選択された反復回数にわたってこのように使用されるまで、直前の時間ステップにおいて利用可能であった以前に使用された平面を使用すること265を含むことができる。以前に使用された平面が、事前選択された反復回数まで使用されると、デフォルト平面が、使用されることができる。263において、自律車両の正面、左、右、および後方の点を表す平面が、存在する場合、方法250は、着目されない点群データをフィルタリングすること267と、フィルタに耐えた点群点をベースリンク座標に変換すること269と、自律車両に近接しすぎる変換された点をフィルタリングすること271とを含むことができる。273において、変換およびフィルタリングされた点が、接地平面内に位置する場合、方法250は、点を自由空間として標識化すること275を含むことができ、そうでなければ、点は、障害物として標識化される。方法250は、点マーキングに応じて、グリッドマップ上の各セルを自由または占有として標識化すること277と、占有グリッド内の対数オッズを計算すること279と、セルが、センサが遮蔽される点を越えているとき、対数オッズを∞に設定すること281とを含むことができる。
ここで図12Aを参照すると、点群データが、自律車両203を囲繞する各LIDARリング301に沿った点の1Dストリング303として受信されることができる。いくつかの構成では、3つの1Dアレイが、x、y、およびz点を記憶するために使用されることができる。LIDARリングに沿った全ての点は、方位角の順序で記憶されることができ、LIDARリングは、行優先方式で連続して記憶されることができる。リングはそれぞれ、事前選択されたサイズ、例えば、限定ではないが、64個の点のセグメントに分割されることができる。
ここで図12Bを参照すると、1Dストリング303は、限定ではないが、各LIDARデータリング内の1Dストリング303の点の中央値の周囲の1Dストリング303をフィルタリングすることを含み得るプロセスに従って、フィルタリングされることができる。フィルタリングすることは、中央値に近接する測定値を伴う点を位置特定し、分析の本部分に関する残りの点を排除することを含むことができる。いくつかの構成では、中央値に近接する値は、中央値から0.1m未満である。中央値フィルタを通過した点は、点の第1のクラスと呼ばれ得る。中央値に沿って、点データにおける不連続性が、見出され得る。不連続性は、例えば、限定ではないが、点の間のデカルト距離を計算し、距離を第1の事前選択された閾値と比較し、点の間の距離が、第1の事前選択された閾値を上回るとき、データの不連続性309A/309B(図12B)または縁を点の第2のクラスとして識別する、任意の好適な方法で識別されることができる。いくつかの構成では、不連続性は、以下であるときに生じ、
abs(D2-D1)>0.08×2×A
式中、
P1=最後の良好な点であり、
P3=試験されている点であり、
P2/P3=連続する点であり、
D1=P2とセンサとの間の距離であり、
D2=P3とセンサとの間の距離であり、
2=最後の良好な点以降の点の数であり、
A=(D1+D2)/2である。
abs(D2-D1)>0.08×2×A
式中、
P1=最後の良好な点であり、
P3=試験されている点であり、
P2/P3=連続する点であり、
D1=P2とセンサとの間の距離であり、
D2=P3とセンサとの間の距離であり、
2=最後の良好な点以降の点の数であり、
A=(D1+D2)/2である。
不連続性309A/309B(図12B)の間の点は、カウントされ、点の数が、第2の事前選択された閾値を超える場合、点の第3のクラスとして標識化されることができる。いくつかの構成では、第2の事前選択された閾値は、8つの点を含むことができる。不連続性の他の対の間に位置する点は、破棄されることができる。
ここで図13を参照すると、有意な平面が、自律車両の周囲の地形にフィットすることが予期される。それらは、比較的に低い残留誤差を有し、十分に大きく、概して、自律車両の周囲の接地点を表す。いくつかの構成では、残留誤差閾値は、0.1を含むことができる。有意な平面を決定するために、第1の点305Aおよび第2の点305B等の点が、同一のリング上の点から選定されることができる。いくつかの構成では、第1の点/第2の点305A/Bは、隣接する不連続性309A/309Bの間に位置する点の第3のクラスからランダムに選択されることができる。他の基準も、点が有意な平面に属する確率を増加させるために使用されることができる。
ここで図14Aおよび14Bを参照すると、第3の点305Cが、隣接するリング301Bから選択されることができる。第3の点305Cは、第1の点305Aおよび第2の点305Bの方位角α1とα2との間に位置し得る、方位角α3を有することができる。第1/第2/第3の点305A/B/Cは、重力ベクトルとのその関係に関して評価され得る、定義方程式を有する平面を形成する。いくつかの構成では、平面を評価することは、例えば、限定ではないが、自律車両上に位置する慣性測定センサによって提供される重力ベクトルに対して60°以下の法線ベクトルを有する平面を選定することによって、平面の配向をチェックすることを含むことができる。平面が、拡大され、点が、追加されるにつれて、配向角度は、20°に縮小されることができる。
ここで図15を参照すると、本明細書に記載される前述のフィルタステップから残った全ての点は、多角形313Aにおけるそれらの包含に関して評価されることができる。多角形313Aの縁は、第1/第2の点305A/305Bおよびリング301A/Bによって定義されることができる。
ここで図16を参照すると、平面は、4つの方向において垂直に拡大され、多角形313Bを形成することができる。平面を拡大させることは、リングに向かって自律車両から離れるような全ての4つの方向において、かつ点の元々選定された多角形313Aからますます遠い方位角に沿った点を評価することを含むことができる。平面は、本明細書に説明されるように拡大されることができ、平面方程式は、新しく含まれる点に基づいて更新され、重力ベクトルに対する配向に関して評価されることができる。各方向は、その側に関する残留誤差が、閾値を超えるまで、またはその側が、点群の縁323に到達する場合、独立して拡大することができる。その時点で、配向および残留誤差チェックが、行われることができ、合格した場合、平面は、予備的に有意として分類されることができる。点の数、拡大サイクルの数、垂直拡大サイクルの数等のような付加的チェックが、さらなるフィルタリングを支援するために実施されることができる。平面が、10回の側方拡大サイクルまたは2回の垂直拡大サイクルを被り、平面が、有意であると見なされない場合、その平面に関する平面拡大は、終了されることができる。
ここで図17を参照すると、リング353からのデータが、平面351を形成するために、本明細書に説明されるように査定されることができる。有意な平面のセットから、表面平面が、平面を、例えば、限定ではないが、以下等のスコアリング関数にかけることによって識別されることができる。
スコアリング関数は、平面の品質を査定するために使用されることができ、より高いスコアは、より可能性の高い候補を示し、事前選択された閾値を満たさない平面は、破棄される。
ここで図18を参照すると、接地平面内の点は、障害物または自由空間として分類されることができ、特定の場所における占有のオッズが、決定されることができる。接地平面は、自律車両の右、左、前部、および後部の平面を含むことができる。各平面は、平面方程式によって、およびその平面のタイプによって定義される。平面の座標は、センサの場所に対するものであり、ベースライン基準フレームである自律車両の座標系に変換されなければならない。接地平面は、それぞれ、形態ax+by+cz+d=0の方程式を有し、式中、係数は、a、b、c、およびdである。接地平面方程式をベースリンク基準フレームに変換するために、回転および平行移動が、要求される。1つの行列が、以下の変換を提供することができる。
係数から、単位ベクトルが、以下のように作成されることができる。
また、dが、以下のように正規化されることができる。
変換された平面係数a、b、およびcは、以下である。
平面係数dは、以下のように変換されることができる。
また、dおよびd’が、以下の方程式において解かれることができる。
したがって、変換された平面方程式は、以下である。
a’x+b’y+c’z+d’=0 (8)
接地平面が、全ての方向において見出されない場合では、対応する方向における以前に使用された平面が、以前に使用された平面が、古くならない限り、再使用されることができる。古いカウントが、平面毎に維持されることができ、以前に使用された平面が、これが、その古いカウントを超えていない場合、および新しい平面が、その方向において利用可能ではない場合、再使用されることができる。平面係数a=0、b=0、c=1、z+d=0であり、dが、LIDARとベースリンクフレームとの間のzにおける平行移動から取得される、X/Y平面が、デフォルトで前部、左、右、および後部における平面のリストに付加される。これは、いかなる接地平面も検出されないときの事例に関するフェイルセーフ条件として実施される。
a’x+b’y+c’z+d’=0 (8)
接地平面が、全ての方向において見出されない場合では、対応する方向における以前に使用された平面が、以前に使用された平面が、古くならない限り、再使用されることができる。古いカウントが、平面毎に維持されることができ、以前に使用された平面が、これが、その古いカウントを超えていない場合、および新しい平面が、その方向において利用可能ではない場合、再使用されることができる。平面係数a=0、b=0、c=1、z+d=0であり、dが、LIDARとベースリンクフレームとの間のzにおける平行移動から取得される、X/Y平面が、デフォルトで前部、左、右、および後部における平面のリストに付加される。これは、いかなる接地平面も検出されないときの事例に関するフェイルセーフ条件として実施される。
ここで図18を参照すると、元の点群データは、例えば、自律車両からのx距離327およびy距離325および表面の上方の高さ329に従って、フィルタリングされることができる。これらのパラメータおよびそれらの閾値は、自律車両の用途および周囲径および高さに基づいて調節されることができる。いくつかの構成では、x距離は、12.8mを含むことができ、y距離は、12.8mを含むことができる。z距離329は、その上方で自律車両が、どのような障害物が存在し得るかももはや懸念しない高さを含むことができ、例えば、点の高さは、自律車両が、点が表す障害物に遭遇しないであろうように、十分に高い。ブラインド面積331と境界325/327との間および高さ329までの限局エリア内に位置する点は全て、センサ基準フレームからベースリンク基準フレーム、すなわち、xbl、ybl、zblに変換される。本変換は、LIDAR点(x,y,z)に、方程式(2)による、2つの基準フレームの間の回転および平行移動を包含する変換行列[R|t]を乗算することによって取得される。したがって、(xbl,ybl,zbl)=[R|t]×(x,y,z)である。点毎の自律車両からのユークリッド距離が、算出される。点が、要求される境界要件を満たす場合、これは、接地平面毎に方程式(7)に代入され、以下の不等式を満たすかどうかチェックされる。
-閾値≦a’xbl+b’ybl+c’zbl+d’≦+閾値 (9)
上記の条件が、満たされる場合、点xbl、ybl、zblは、グリッドマップ333上の自由空間を表すと考えられる。そうでなければ、点xbl、ybl、zblは、グリッドマップ333上の障害物を表すと考えられる。xbl、ybl場所のグリッドマップ333は、方程式(9)を実行した結果に基づいて更新されることができる。特に、条件が、満たされる場合、グリッドマップ333上の点xbl、yblにおける値は、変化しないままである。条件が、満たされない場合、グリッドマップ333上の点xbl、yblにおける障害物の数は、1だけ更新され、障害物の高さは、zblの値だけ更新される。いくつかの構成では、閾値は、4~10インチ(0.102m~0.254m)の範囲を含むことができる。いくつかの構成では、閾値は、8インチ(0.203m)を含むことができる。
-閾値≦a’xbl+b’ybl+c’zbl+d’≦+閾値 (9)
上記の条件が、満たされる場合、点xbl、ybl、zblは、グリッドマップ333上の自由空間を表すと考えられる。そうでなければ、点xbl、ybl、zblは、グリッドマップ333上の障害物を表すと考えられる。xbl、ybl場所のグリッドマップ333は、方程式(9)を実行した結果に基づいて更新されることができる。特に、条件が、満たされる場合、グリッドマップ333上の点xbl、yblにおける値は、変化しないままである。条件が、満たされない場合、グリッドマップ333上の点xbl、yblにおける障害物の数は、1だけ更新され、障害物の高さは、zblの値だけ更新される。いくつかの構成では、閾値は、4~10インチ(0.102m~0.254m)の範囲を含むことができる。いくつかの構成では、閾値は、8インチ(0.203m)を含むことができる。
継続して図18を参照すると、グリッドマップ333内のセル334毎に、セルが占有されている対数オッズが、例えば、限定ではないが、セル334とセンサ336との間の距離、(可能性として、方程式(1)によって算出されるような)センサ336からの雑音、セルが測定値を含むかどうか、測定値の有意性、セルが障害物を含むかどうか、障害物と自律車両との間の距離、セルが自由空間を含むかどうか、およびレーザが遮断されるかどうかに関する点の特性に関連する、ガウス確率、すなわち、pMapCellに基づいて算出されることができる。測定値の有意性は、そのセルにおける障害物の高さ、基本有意性、および高さ正規子の積として計算される。基本有意性および高さ正規子は、経験的に計算された定数である。したがって、障害物の高さが、高いほど、測定値の有意性は、高くなる。対数オッズは、以下の方程式(10)に従って算出されることができる。
いくつかの構成では、pMapCell計算は、事前選択された条件に基づいて、セルに関して異なる。グリッドマップの自律車両の位置および端部セル565を結ぶ線561に沿ったセル毎に、自律車両の位置および端部位置565を結ぶ線561に沿ったLIDARセンサからのいかなる有効な戻りも、存在しないとき、何らかのものが、センサを遮断しているはずである。したがって、自律車両に関する進行経路は、安全性のために遮断されるべきである。ブラインド距離を囲繞する0.2mであるセルに関して、pMapCell=PBlocked=0.9である。本pMapCell値は、占有の最大許容確率をもたらす。他のセルに関して、pMapCell=PUnknown=0.5である。本値は、占有の最大不確実性をもたらす。線に沿って見出されるいかなる障害物も、存在しないとき、これは、その線が自由空間を有する、すなわち、pMapCell=PMin=0.3、すなわち、占有の最小許容確率であることを意味する。自立車両が、障害物を含有するセルに遭遇するとき、以下である。
pMapCell=pOccR+noiseFactor
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)である。
自律車両が、障害物を含有するセルの前方の、またはそれを越えたセルに遭遇するとき、以下である。
pMapCell=pOccR+noiseFactor
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceである。
自律車両が、最後の障害物を越えたセルに遭遇するとき、またはセルが、LIDARから利用可能な最後の測定値を越える、例えば、境界328を越える、または点xout、yout330にあるとき、以下である。
pMapCell=1.0(無限対数オッズにおける結果)
いくつかの構成では、BaseSignificanceおよびHeightNormalizerは、経験的に決定されることができる。いくつかの構成では、BaseSignificance=0.09であり、HeightNormalizer=28.2である。
pMapCell=pOccR+noiseFactor
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)である。
自律車両が、障害物を含有するセルの前方の、またはそれを越えたセルに遭遇するとき、以下である。
pMapCell=pOccR+noiseFactor
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceである。
自律車両が、最後の障害物を越えたセルに遭遇するとき、またはセルが、LIDARから利用可能な最後の測定値を越える、例えば、境界328を越える、または点xout、yout330にあるとき、以下である。
pMapCell=1.0(無限対数オッズにおける結果)
いくつかの構成では、BaseSignificanceおよびHeightNormalizerは、経験的に決定されることができる。いくつかの構成では、BaseSignificance=0.09であり、HeightNormalizer=28.2である。
ここで図19を参照すると、自律車両に関するナビゲーション経路における自由空間を決定するためのシステム600は、限定ではないが、センサから受信される点群データから接地平面を決定する、接地平面プロセッサ603を含み、接地平面はそれぞれ、接地平面方程式と関連付けられ、センサは、センサ基準フレームを有することができる。システム600は、接地平面方程式をセンサ基準フレームから自律車両と関連付けられる車両基準フレームに変換する、平面変換プロセッサ605と、点群データ内の点をセンサ基準フレームから車両基準フレームに変換する、点変換プロセッサ607と、変換された点が、変換された接地平面方程式を満たす場合、点群データ内の点を自由空間として標識化する、点標識化プロセッサ609と、少なくとも標識化された点に基づいて、占有グリッドを拡張するために、占有グリッドデータを提供する、確率プロセッサ611とを含むことができる。システム600は、随意に、接地平面のうちのいずれも、決定されることができないとき、デフォルト平面を代用し、点が、自律車両からの事前選択された距離を超える場合、点群データから点を除去し、点が、少なくとも自律車両の車両高に基づく事前選択された高さを超える場合、点群データから点を除去し、点が、自律車両からの事前選択された距離内にある場合、点群データから点を除去する、コンピュータ命令を含む、実行可能コードを含むことができる。
継続して図19を参照すると、接地平面プロセッサ603は、随意に、限定ではないが、点群データの少なくとも2つのリングの中央値を算出する、中央値プロセッサ613と、少なくとも中央値からの点群データ内の点の距離に基づいて、点群データをフィルタリングする、点群フィルタ615と、フィルタリングされた点群データから平面を作成する、平面作成プロセッサ617であって、作成された平面はそれぞれ、少なくとも1つの方位角を有する、平面作成プロセッサ617とを含むことができる。接地平面プロセッサ603は、少なくとも1つの方位角に沿って自律車両から離れるように延在する、点群データからの作成された平面を拡大させる、平面拡大プロセッサ619と、少なくとも作成された平面のそれぞれの配向および残留誤差に基づいて、拡大された平面から接地平面を選定する、選択プロセッサ621とを含むことができる。平面作成プロセッサ617は、限定ではないが、センサデータの第1のリングから第1の点および第2の点を選択し、第1の点および第2の点は、第1のリング上の点群データの不連続性によって形成される境界内に位置し、第1の点は、第1の方位角を有し、第2の点は、第2の方位角を有し、センサデータの第2のリングから第3の点を選択し、第2のリングは、第1のリングに隣接し、第3の点は、第1の方位角と第2の方位角との間の第3の方位角を有し、第1の点と、第2の点と、第3の点とを含む、平面のうちの1つを作成する、コンピュータ命令を含む、実行可能コードを含むことができる。
継続して図19を参照すると、平面変換プロセッサ605は、随意に、接地平面方程式の係数から単位ベクトルを算出し、接地平面方程式は、ax+by+cz+d=0を含み、係数は、a、b、およびcを含み、定数は、dを含み、d定数を正規化し、回転/平行移動行列および単位ベクトルに基づいて、接地平面方程式のa、b、c係数を変換し、正規化されたd定数、回転/平行移動行列、単位ベクトル、および変換されたa、b、c係数に基づいて、正規化されたd定数を変換する、コンピュータ命令を含む、実行可能コードを含むことができる。平面平面変換プロセッサ605は、随意に、
に従って、接地平面方程式の係数から単位ベクトルを算出し、接地平面方程式は、ax+by+cz+d=0を含み、係数は、a、b、およびcを含み、定数は、dを含み、
に従って、d定数を正規化し、
に従って、回転/平行移動行列および単位ベクトルに基づいて、接地平面方程式のa、b、c係数を変換し、
に従って、正規化されたd定数、回転/平行移動行列、単位ベクトル、および変換されたa、b、c係数に基づいて、正規化されたd定数を変換する、コンピュータ命令を含む、実行可能コードを含むことができる。
継続して図19を参照すると、点標識化プロセッサ609は、随意に、変換された点群点のそれぞれを変換された接地平面方程式に代入し、変換された点群点が、変換された接地平面方程式、すなわち、-閾値≦a’x+b’y+c’z+d’≦+閾値を満たす場合、変換された点群点を自由空間として個々に標識化する、コンピュータ命令を含む、実行可能コードを含むことができる。確率プロセッサ611は、随意に、少なくとも変換された接地平面方程式からの結果に基づいて、変換された点群点に対応するグリッドマップ上の場所を更新し、少なくともグリッドマップに基づいて、占有グリッド内のセルが障害物を含む確率を算出する、コンピュータ命令を含む、実行可能コードを含むことができる。確率プロセッサ611は、随意に、少なくとも変換された接地平面方程式からの結果に基づいて、変換された点群点に対応するグリッドマップ上の場所を更新し、少なくとも、グリッドマップ、センサ雑音、および障害物の高さに基づいて、占有グリッド内のセルが障害物を含む確率を算出する、コンピュータ命令を含む、実行可能コードを含むことができる。確率プロセッサ611は、随意に、少なくとも変換された接地平面方程式からの結果に基づいて、変換された点群点に対応するグリッドマップ上の場所を更新し、
に従って、占有グリッド内のセルが障害物を含む確率を算出し、
自律車両からセルまでの距離が、センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
セルと自律車両との間の線が、障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
自律車両と空間的に一致するセルが、障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも自律車両およびセンサの構成に基づく値を含み、
線に沿って空間的に自律車両の前にある、またはそれを越えるようにあるセルが、障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、値を含み、
セルが、障害物の最後のものを越えて、または点群データの最後のものを越えて線に沿うように空間的にあるとき、pMapCell=1.0である、
コンピュータ命令を含む、実行可能コードを含むことができる。
BaseSignificanceは、随意に、0.09に等しくあり得る。HeightNormalizerは、随意に、28.2に等しくあり得る。
自律車両からセルまでの距離が、センサのブラインドスポット内にあるとき、pMapCell=0.9であり、
セルと自律車両との間の線が、障害物のうちのいずれも含まないとき、pMapCell=0.3であり、
全ての他のセルに関してpMapCell=0.5であり、
自律車両と空間的に一致するセルが、障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=POnObstacle=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、
z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificance×(HeightNormalizer×Total_Obstacle_Height)であり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、少なくとも自律車両およびセンサの構成に基づく値を含み、
線に沿って空間的に自律車両の前にある、またはそれを越えるようにあるセルが、障害物を含むとき、pMapCell=pOccR+noiseFactorであり、
式中、pOccR=PMin=0.5であり、
noiseFactor=((measurementSignificance/(noiseStdDev×Root of 2Pi))+POnObstacle-pOccR)×gausianNoiseExponentialであり、
noiseStdDev=z_t×LidarNoiseの二乗であり、
LidarNoiseは、実験定数であり、
gausianNoiseExponential=pow(EXP, (-0.5×pow(((d2Cell-z_t)/noiseStdDev), 2)))であり、z_t=自律車両から障害物までのユークリッド距離であり、
d2cell=自律車両からセルまでのユークリッド距離であり、
measurementSignificance=BaseSignificanceであり、
LidarNoise、BaseSignificance、およびHeightNormalizerは、値を含み、
セルが、障害物の最後のものを越えて、または点群データの最後のものを越えて線に沿うように空間的にあるとき、pMapCell=1.0である、
コンピュータ命令を含む、実行可能コードを含むことができる。
BaseSignificanceは、随意に、0.09に等しくあり得る。HeightNormalizerは、随意に、28.2に等しくあり得る。
本教示の構成は、本明細書の説明に議論される方法を遂行するためのコンピュータシステムおよびこれらの方法を遂行するためのプログラムを含有するコンピュータ可読媒体を対象とする。未加工データおよび結果は、将来の読出および処理のために記憶される、印刷される、表示される、別のコンピュータに転送される、および/または別の場所に転送されることができる。通信リンクは、例えば、セルラー通信システム、軍事通信システム、および衛星通信システムを使用して、有線または無線であり得る。本システムの一部は、可変数のCPUを有するコンピュータ上で動作することができる。他の代替コンピュータプラットフォームも、使用されることができる。
本構成はまた、本明細書に議論される方法を遂行するためのソフトウェアおよびこれらの方法を遂行するためのソフトウェアを記憶するコンピュータ可読媒体を対象とする。本明細書に説明される種々のモジュールは、同一のCPU上で遂行されることができる、または異なるコンピュータ上で遂行されることができる。法令に従って、本構成は、構造的および方法的特徴に関して多かれ少なかれ具体的な言語で説明された。しかしながら、本明細書に開示される手段が、本構成を実行する好ましい形態を備えるため、本構成が、示され、説明される具体的特徴に限定されないことを理解されたい。
方法は、全体的または部分的に、電子的に実装されることができる。本システムの要素および他の開示される構成によって行われるアクションを表す信号は、少なくとも1つのライブ通信ネットワークを経由して進行することができる。制御およびデータ情報は、少なくとも1つのコンピュータ可読媒体上で電子的に実行および記憶されることができる。本システムは、少なくとも1つのライブ通信ネットワークにおいて少なくとも1つのコンピュータノード上で実行されるように実装されることができる。少なくとも1つのコンピュータ可読媒体の一般的な形態は、例えば、限定ではないが、フロッピー(登録商標)ディスク、フレキシブルディスク、ハードディスク、磁気テープ、または任意の他の磁気媒体、コンパクトディスク読取専用メモリまたは任意の他の光学媒体、パンチカード、紙テープ、または孔のパターンを伴う任意の他の物理的媒体、ランダムアクセスメモリ、プログラマブル読取専用メモリ、および消去可能プログラマブル読取専用メモリ(EPROM)、フラッシュEPROM、または任意の他のメモリチップまたはカートリッジ、またはそれからコンピュータが読み取り得る任意の他の媒体を含むことができる。さらに、少なくとも1つのコンピュータ可読媒体は、限定ではないが、グラフィックスインターチェンジフォーマット(GIF)、ジョイントフォトグラフィックエキスパートグループ(JPEG)、ポータブルネットワークグラフィックス(PNG)、スケーラブルベクターグラフィックス(SVG)、およびタグドイメージファイルフォーマット(TIFF)を含む、必要に応じて適切なライセンスを受ける、任意の形態におけるグラフを含有することができる。
本教示は、具体的構成の観点から上記に説明されたが、それらが、これらの開示される構成に限定されないことを理解されたい。多くの修正および他の構成が、これが関連する当業者に想起され、本開示および添付される請求項の両方であることが意図され、それらによって網羅される。本教示の範囲が、本明細書および添付される図面における開示に依拠する当業者によって理解されるように、添付される請求項およびそれらの法的均等物の適切な解釈および構造によって決定されるべきであることを意図している。
Claims (1)
- 本明細書に記載の発明。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962879391P | 2019-07-26 | 2019-07-26 | |
US62/879,391 | 2019-07-26 | ||
JP2022505280A JP2022541656A (ja) | 2019-07-26 | 2020-07-24 | 自由空間推定のためのシステムおよび方法 |
PCT/US2020/043601 WO2021021672A2 (en) | 2019-07-26 | 2020-07-24 | System and method for free space estimation |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022505280A Division JP2022541656A (ja) | 2019-07-26 | 2020-07-24 | 自由空間推定のためのシステムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023118909A true JP2023118909A (ja) | 2023-08-25 |
Family
ID=72087175
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022505280A Pending JP2022541656A (ja) | 2019-07-26 | 2020-07-24 | 自由空間推定のためのシステムおよび方法 |
JP2023111172A Pending JP2023118909A (ja) | 2019-07-26 | 2023-07-06 | 自由空間推定のためのシステムおよび方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022505280A Pending JP2022541656A (ja) | 2019-07-26 | 2020-07-24 | 自由空間推定のためのシステムおよび方法 |
Country Status (12)
Country | Link |
---|---|
US (2) | US11762061B2 (ja) |
EP (1) | EP4004584A2 (ja) |
JP (2) | JP2022541656A (ja) |
KR (1) | KR20220041859A (ja) |
CN (1) | CN114365013A (ja) |
AU (1) | AU2020321235A1 (ja) |
BR (1) | BR112022001380A2 (ja) |
CA (1) | CA3145435A1 (ja) |
GB (1) | GB2601438B (ja) |
IL (1) | IL290083A (ja) |
MX (1) | MX2022001060A (ja) |
WO (1) | WO2021021672A2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11657532B2 (en) * | 2019-12-11 | 2023-05-23 | Nvidia Corporation | Surface profile estimation and bump detection for autonomous machine applications |
US11614527B2 (en) * | 2021-06-21 | 2023-03-28 | Cyngn, Inc. | Self-adaptive liDAR-camera synchronization system |
EP4160925A1 (en) * | 2021-09-30 | 2023-04-05 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and apparatus of encoding/decoding point cloud geometry data sensed by at least one sensor |
DE102021125653A1 (de) | 2021-10-04 | 2023-04-06 | Valeo Schalter Und Sensoren Gmbh | Entfernen nicht relevanter Punkte aus einer Punktwolke |
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人系统 |
CN114255325B (zh) * | 2021-12-31 | 2023-07-18 | 广州极飞科技股份有限公司 | 地面模型生成、障碍数据确定、作业控制方法及相关装置 |
CN115917607A (zh) * | 2022-07-15 | 2023-04-04 | 深圳市正浩创新科技股份有限公司 | 地图构建方法、装置及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9495874B1 (en) * | 2012-04-13 | 2016-11-15 | Google Inc. | Automated system and method for modeling the behavior of vehicles and other agents |
US9098754B1 (en) * | 2014-04-25 | 2015-08-04 | Google Inc. | Methods and systems for object detection using laser point clouds |
US9720415B2 (en) * | 2015-11-04 | 2017-08-01 | Zoox, Inc. | Sensor-based object-detection optimization for autonomous vehicles |
JP6756124B2 (ja) * | 2016-03-16 | 2020-09-16 | 株式会社デンソー | 物体検出装置および物体検出プログラム |
JP6863027B2 (ja) * | 2016-05-10 | 2021-04-21 | 株式会社デンソー | 立体物検出処理装置 |
JP6804991B2 (ja) * | 2017-01-05 | 2020-12-23 | 株式会社東芝 | 情報処理装置、情報処理方法、および情報処理プログラム |
WO2019113531A1 (en) * | 2017-12-07 | 2019-06-13 | Ouster, Inc. | Installation and use of vehicle light ranging system |
TWI652449B (zh) * | 2017-12-11 | 2019-03-01 | 財團法人車輛研究測試中心 | 三維感測器之動態地面偵測方法 |
US11022693B1 (en) * | 2018-08-03 | 2021-06-01 | GM Global Technology Operations LLC | Autonomous vehicle controlled based upon a lidar data segmentation system |
-
2020
- 2020-07-24 EP EP20757045.8A patent/EP4004584A2/en active Pending
- 2020-07-24 CA CA3145435A patent/CA3145435A1/en active Pending
- 2020-07-24 JP JP2022505280A patent/JP2022541656A/ja active Pending
- 2020-07-24 BR BR112022001380A patent/BR112022001380A2/pt unknown
- 2020-07-24 CN CN202080062625.4A patent/CN114365013A/zh active Pending
- 2020-07-24 KR KR1020227005860A patent/KR20220041859A/ko unknown
- 2020-07-24 AU AU2020321235A patent/AU2020321235A1/en active Pending
- 2020-07-24 MX MX2022001060A patent/MX2022001060A/es unknown
- 2020-07-24 GB GB2202397.2A patent/GB2601438B/en active Active
- 2020-07-24 WO PCT/US2020/043601 patent/WO2021021672A2/en unknown
- 2020-07-24 US US16/938,786 patent/US11762061B2/en active Active
-
2022
- 2022-01-24 IL IL290083A patent/IL290083A/en unknown
-
2023
- 2023-07-06 JP JP2023111172A patent/JP2023118909A/ja active Pending
- 2023-08-18 US US18/451,898 patent/US20230393242A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021021672A2 (en) | 2021-02-04 |
US20230393242A1 (en) | 2023-12-07 |
IL290083A (en) | 2022-03-01 |
GB202202397D0 (en) | 2022-04-06 |
GB2601438B (en) | 2024-03-06 |
CN114365013A (zh) | 2022-04-15 |
MX2022001060A (es) | 2022-04-20 |
US11762061B2 (en) | 2023-09-19 |
AU2020321235A1 (en) | 2022-02-24 |
BR112022001380A2 (pt) | 2022-06-07 |
JP2022541656A (ja) | 2022-09-26 |
US20210026361A1 (en) | 2021-01-28 |
CA3145435A1 (en) | 2021-02-04 |
GB2601438A (en) | 2022-06-01 |
KR20220041859A (ko) | 2022-04-01 |
EP4004584A2 (en) | 2022-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023118909A (ja) | 自由空間推定のためのシステムおよび方法 | |
US10031231B2 (en) | Lidar object detection system for automated vehicles | |
JP6550881B2 (ja) | 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム | |
US4970653A (en) | Vision method of detecting lane boundaries and obstacles | |
CN112801022B (zh) | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 | |
JP3367170B2 (ja) | 障害物検出装置 | |
WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
JP2022089828A (ja) | 情報処理装置 | |
CN115546749B (zh) | 基于摄像机和激光雷达的路面坑洼检测及清扫和避让方法 | |
JP2023065477A (ja) | 表面特徴検出および横断のためのシステムおよび方法 | |
WO2023207845A1 (zh) | 车位检测方法、装置、电子设备及机器可读存储介质 | |
CN113887433A (zh) | 一种障碍物的检测方法、装置、计算机设备及存储介质 | |
KR20220029859A (ko) | 주행 제어 장치 및 방법 | |
US20220171975A1 (en) | Method for Determining a Semantic Free Space | |
CN116429145B (zh) | 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统 | |
WO2020248118A1 (zh) | 点云处理方法、系统、设备及存储介质 | |
JPWO2021021672A5 (ja) | ||
JP3740531B2 (ja) | 駐車車両検知方法、検知システム及び駐車車両検出装置 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
US20230034208A1 (en) | Processing Apparatus and Point Cloud Elimination Method | |
CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、系统、介质及设备 | |
CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 | |
CN112733923A (zh) | 一种确定禁行区域的系统及机器人 | |
CN114755695B (zh) | 关于激光雷达点云数据的路面检测方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230706 |