TW202006395A - 基於點雲利用姿態預估的運輸工具導航系統 - Google Patents

基於點雲利用姿態預估的運輸工具導航系統 Download PDF

Info

Publication number
TW202006395A
TW202006395A TW107145896A TW107145896A TW202006395A TW 202006395 A TW202006395 A TW 202006395A TW 107145896 A TW107145896 A TW 107145896A TW 107145896 A TW107145896 A TW 107145896A TW 202006395 A TW202006395 A TW 202006395A
Authority
TW
Taiwan
Prior art keywords
point cloud
vehicle
posture information
information
data
Prior art date
Application number
TW107145896A
Other languages
English (en)
Other versions
TWI693423B (zh
Inventor
楊晟
馬騰
年興
Original Assignee
大陸商北京嘀嘀無限科技發展有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 大陸商北京嘀嘀無限科技發展有限公司 filed Critical 大陸商北京嘀嘀無限科技發展有限公司
Publication of TW202006395A publication Critical patent/TW202006395A/zh
Application granted granted Critical
Publication of TWI693423B publication Critical patent/TWI693423B/zh

Links

Images

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
    • 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
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
    • 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
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • G01S17/875—Combinations of systems using electromagnetic waves other than radio waves for determining attitude
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申請所揭露的實施例提供了用於定位運輸工具的系統和方法。所述系統包括通訊介面，被配置爲當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料。所述系統還包括儲存器，被配置爲儲存所述多個點雲訊框和所述初始姿態資料。所述系統進一步包括處理器，被配置爲基於所述初始姿態資料和所述多個點雲訊框來預估與每一個點雲訊框相關的運輸工具的姿態資訊。所述處理器還被配置爲基於模型來調整運輸工具的預估姿態資訊。所述模型包括多個點雲訊框之間的空間關係和時間關係。所述處理器進一步被配置爲基於調整後的姿態資訊來定位運輸工具。

Description

基於點雲利用姿態預估的運輸工具導航系統
本申請涉及用於預估運輸工具姿態的導航系統和方法，具體而言，涉及利用光達（LiDAR）和導航感測器來預估運輸工具的姿態的導航系統和方法。
本申請主張2018年7月2日提交的編號為PCT/CN2018/094118的國際申請案的優先權，其內容以引用方式被包含於此。
自動駕駛技術在很大程度上依賴於精確的地圖。例如，導航地圖的準確性對於自動駕駛運輸工具的功能是至關重要的，比如定位、環境識別、决策和控制。可以通過在運輸工具行駛時集合由運輸工具上的各種感測器、檢測器和其他裝置獲取的圖像和資訊來獲得高解析度地圖。例如，運輸工具可以配備有多個整合感測器，比如光達、全球定位系統（GPS）接收器、一個或多個慣性測量單元（IMU）感測器，以及一個或多個相機，以捕獲運輸工具所行駛的道路的特徵或周圍的物體。所捕獲的資料可以包括例如車道的中線或邊界線座標以及諸如建築物、另一運輸工具、地標、行人或交通標誌的物體的座標和圖像。
由於高解析度地圖可以通過基於測量運輸工具的相應三維（3-D）姿態資訊（例如，位置和方向）聚合多個點雲訊框而獲得，高解析度地圖的準確性很大程度上依賴於在捕獲點雲資料時運輸工具定位的準確性。一些已知的導航系統利用GPS、IMU和無線基站在正常條件下提供具有大約10cm精確度的運輸工具姿態預估。然而，在複雜的城市環境中，特別是在GPS衛星信號差（例如，被高層建築物、高架橋或類似物阻擋）的情况下，定位精確度會大大降低。其他已知的導航系統試圖導入即時點雲以提高定位精確度，但仍然由於較差的GPS衛星信號而導致不準確。定位精確度的損失可能導致定位誤差的累積，這是測量運輸工具所使用的現有導航系統無法消除的。因此，當測量運輸工具重複地通過同一場景時，所得到的高解析度地圖可能不同（即由於同一場景的未匹配點雲導致的所謂的「全域不一致性」）。
本申請揭露的實施例通過用於定位運輸工具的改進的導航系統和方法解决了上述問題。
本申請所揭露的實施例提供了一種用於定位運輸工具的導航系統。所述系統包括通訊介面，被配置爲當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料。所述系統還包括儲存器，被配置爲儲存所述多個點雲訊框和所述初始姿態資料。所述系統進一步包括處理器，被配置爲基於所述初始姿態資料和所述多個點雲訊框來預估與每一個點雲訊框相關的運輸工具的姿態資訊。所述處理器還被配置爲基於模型來調整運輸工具的預估姿態資訊。所述模型包括多個點雲訊框之間的空間關係和時間關係。所述處理器進一步被配置爲基於調整後的姿態資訊來定位運輸工具。
本申請所揭露的實施例還提供了一種用於定位運輸工具的方法。所述方法包括當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料。所述方法還包括由處理器基於初始姿態資料和多個點雲訊框來預估與每一個點雲訊框相關的運輸工具的姿態資訊。所述方法進一步包括由處理器基於模型來調整運輸工具的預估姿態資訊。所述模型包括多個點雲訊框之間的空間關係和時間關係。所述方法進一步包括基於調整後的姿態資訊來定位運輸工具。
本申請所揭露的實施例進一步提供了一種儲存有指令的非暫時性電腦可讀取媒體，所述指令在被一個或多個處理器執行時，使得一個或多個處理器執行以下操作。所述操作包括當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料。所述操作還包括基於初始姿態資料和多個點雲訊框來預估與每一個點雲訊框相關的運輸工具的姿態資訊。所述操作進一步包括基於模型來調整運輸工具的預估姿態資訊。所述模型包括多個點雲訊框之間的空間關係和時間關係。所述操作進一步包括基於調整後的姿態資訊來定位運輸工具。
應當理解的是，前述的一般性描述和後續的詳細描述都只是示例性的和說明性的，並不是對本申請所要求保護的發明進行限制。
現在將詳細參考示例性實施例，其示例在圖式中示出。盡可能地，在整個圖式中將使用相同的元件符號來指代相同或相似的部分。
圖1係根據本申請的一些實施例所示的具有多個感測器140、150和160的示例性運輸工具100的示意圖。與一些實施例一致，運輸工具100可以是測量運輸工具，其被配置爲獲取用於構建高解析度地圖或三維（3-D）城市建模的資料。可以預見的是，運輸工具100可以是電動運輸工具、燃料電池運輸工具、混合動力運輸工具或傳統的引擎運輸工具。運輸工具100可具有車身110和至少一個車輪120。車身110可以是任何車身類型，例如運動運輸工具、轎跑車、轎車、皮卡車、旅行車、休旅車（SUV）、小型貨車或房車。在一些實施例中，運輸工具100可包括一對前輪和一對後輪，如圖1所示。然而，可以預見的是，運輸工具100可具有較少的車輪或或等效結構，使運輸工具100能够四處移動。運輸工具100可以被配置爲全輪驅動（AWD）、前輪驅動（FWD）或後輪驅動（RWD）。在一些實施例中，運輸工具100可以被配置爲由占用運輸工具的操作員操作、由操作員遠程控制及/或自動操作。
如圖1所示，運輸工具100可以配備有經由安裝結構130安裝到主體110的感測器140和160。安裝結構130可以是安裝或以其他方式附接到運輸工具100的主體110的機電裝置。在一些實施例中，安裝結構130可以使用螺釘、黏合劑或其他安裝機構。運輸工具100可以另外配備有使用任何合適的安裝機構而安裝在主體110的內部或外部的感測器150。可以預見的是，每個感測器140、150或160可以配備在運輸工具100上的方式不受圖1所示的示例的限制，可以根據感測器140-160及/或運輸工具100的類型對其進行修改，以實現期望的感測性能。
在一些實施例中，感測器140-160可以被配置爲在運輸工具100沿軌跡移動時捕獲資料。與本申請所揭露的一致，感測器140可以是光達掃描器/雷達，其被配置爲掃描周圍環境並獲取點雲。光達通過用脈衝雷射光照射目標並用感測器測量反射脈衝來測量到目標的距離。然後可以使用雷射返回時間和波長的差異來製作目標的數位3D表示。用於光達掃描的光可以是紫外線、可見光或近紅外線。由於窄雷射束可以以非常高的解析度映射物理特徵，因此光達掃描器特別適用於高解析度地圖測量。在一些實施例中，光達掃描器可以捕獲點雲。當運輸工具100沿著軌跡移動時，感測器140可以在多個時間點獲取一系列點雲（每個被稱爲在一時間點獲取的點雲訊框）。
如圖1所示，運輸工具100可以另外配備有感測器150，感測器150可以包括用在用於定位運輸工具100的導航單元的感測器，例如GPS接收器和一個或多個IMU感測器。GPS是一種全球導航衛星系統，爲GPS接收器提供地理定位和時間資訊。IMU是一種電子裝置，其使用各種慣性感測器（例如加速度計和陀螺儀，有時還有磁力計）來測量並提供運輸工具的比力、角速率，有時還提供運輸工具周圍的磁場。通過組合GPS接收器和IMU感測器，感測器150可以在運輸工具100行進時提供運輸工具100的即時姿態資料，包括在每個時間點的運輸工具100的位置和方向（例如，歐拉角）
與本申請所揭露的一致，運輸工具100可以另外配備有感測器160，感測器160被配置爲捕獲數位圖像。在一些實施例中，感測器160可包括拍攝照片或以其他方式收集圖像資料的相機。例如，感測器160可包括單目、雙目或全景相機。當運輸工具100沿軌跡移動時，感測器160可以獲取多個圖像（每個圖像稱爲圖像訊框）。每個圖像訊框可以在一時間點由感測器160獲取。
與本申請所揭露的一致，運輸工具100可以包括本地控制器170，其設置於運輸工具100的車身110內，或者與遠程控制器（圖1中未示出）通訊，用於基於點雲的運輸工具姿態預估。與本申請所揭露的一致，控制器170的姿態預估提供了改進的準確度和降低的誤差累積。在一些實施例中，爲了提高點雲的準確度，基於每個點雲訊框的取樣時間點的軌跡插值可以用於聚合多個點雲訊框。在一些實施例中，爲了即時姿態資訊的更佳預估精確度，可以利用諸如無跡卡爾曼濾波器（UKF）的方法來預估非線性函數的機率密度分布，與非線性函數本身相反，其保留非線性函數的高階分量。在一些實施例中，閉迴路測試可用於最佳化與每個點雲訊框相關的姿態資訊，例如在姿態圖最佳化中，以减少誤差累積。此外，在使用即時運輸工具姿態資訊提供高精確度定位的同時，本地控制器170及/或遠程控制器還可以通過基於其相關姿態資訊聚合多個點雲訊框來提供高精確度點雲資料。
例如，圖2係根據本申請的一些實施例所示的用於確定與點雲相關的姿態資訊的示例性控制器200的方塊圖。與本申請所揭露的一致，控制器200可以使用各種類型的資料來進行運輸工具姿態預估。當運輸工具100沿著軌跡移動時，關於周圍場景的各種類型的資料可以由裝配在運輸工具100上的感測器140-160捕獲。所述資料可以包括由感測器140（例如，光達掃描器）捕獲的點雲201，其由在不同時間點的多個點雲訊框組成。所述資料還可以包括由感測器150（例如，GPS接收器及/或一個或多個IMU感測器）獲取的運輸工具100的初始姿態資料203。在一些實施例中，可以通過基於來自GPS接收器和IMU感測器的初始姿態資料203將本地光達資料從局部座標系統變換爲全域座標系統（例如，經度/緯度座標）來校準點雲201。可以預見的是，可以向控制器200提供附加類型的資料以用於運輸工具姿態預估，例如由感測器160獲取的數位圖像及/或來自無線基站（未示出）的定位信號。
在一些實施例中，如圖2所示，控制器200可以包括通訊介面202、處理器204、記憶體206和儲存器208。在一些實施例中，控制器200可以在單個裝置中具有不同的模組，例如積體電路（IC）晶片（實現爲特定應用積體電路（ASIC）或現場可程式閘陣列（FPGA）），或具有專用功能的獨立裝置。在一些實施例中，控制器200的一個或多個組件可以位於運輸工具100內部（例如，圖1中的本地控制器170），或者可以替代地在行動裝置中、在雲端中或另一個遠程位置。控制器200的組件可以在整合裝置中，或者分布在不同位置，但是通過網路（未示出）彼此通訊。例如，處理器204可以是運輸工具100的車載處理器、行動裝置內的處理器或雲端處理器，或其任何組合。
通訊介面202可以經由通訊纜線、無線區域網路（WLAN）、廣域網路（WAN）、諸如無線電波的無線網路、全國性蜂巢網路及/或本地無線網路（例如，Bluetooth™或Wi-Fi）或其他通訊方法向諸如感測器140-160的組件發送資料和從其接收資料。在一些實施例中，通訊介面202可以是整合服務數位網路（ISDN）卡、纜線數據機、衛星數據機或數據機，以提供資料通訊連接。又例如，通訊介面202可以是區域網路（LAN）卡，以提供與相容LAN的資料通訊連接。無線鏈路也可以由通訊介面202實現。在這種實現中，通訊介面202可以發送和接收電信號、電磁信號或光信號，其通過網路携帶表示各種類型資訊的數位資料流。
與一些實施例一致，通訊介面202可以接收由感測器140和150捕獲的資料，包括點雲201和初始姿態資料203，並將接收的資料提供給記憶體206和儲存器208用於儲存，或提供給處理器204以進行處理。通訊介面202還可以接收由處理器204産生的最佳化姿態資訊和相關點雲，並且經由網路將姿態資訊和相關點雲提供給運輸工具100中的任何本地組件或任何遠程裝置。
處理器204可包括任何適當類型的通用或專用微處理器、數位訊號處理器或微控制器。處理器204可以被配置爲專用於估計運輸工具姿態的單獨處理器模組。或者，處理器204可以被配置爲共享處理器模組，用於執行與運輸工具姿態預估無關的其他功能。
如圖2所示，處理器204可以包括多個模組，例如點雲插值單元210、姿態資訊預估單元212、姿態資訊最佳化單元214、點雲聚合單元216或類似物。這些模組（以及任何相應的子模組或子單元）可以是處理器204的硬體單元（例如，積體電路的部分），其被設計爲用於與其他組件一起使用或執行程式的一部分。所述程式可以儲存在電腦可讀取媒體上，並且當由處理器204執行時，它可以執行一個或多個功能。雖然圖2示出了在一個處理器204內的所有單元210-216，但是可以預見的是，這些單元可以分布在彼此靠近或遠離的多個處理器之間。
點雲插值單元210可以被配置爲基於初始姿態資料203使用軌跡插值來處理點雲201中的多個點雲訊框。在一些實施例中，點雲訊框可以與多個快門時間戳記（取樣時間點）相關，因此，包括多個段，每個段與快門時間戳記相關。點雲插值單元210可以被配置爲使用軌跡插值對點雲訊框的每個片段執行姿態變換，以産生具有更高精確度的經過處理的點雲訊框。例如，可以基於由運輸工具100的初始姿態資料203指示的運輸工具100的軌跡，使用線性插值來構造和插入點雲訊框的每個片段中的附加資料點。例如，圖3係根據本申請的一些實施例所示的軌跡插值之前和之後的示例性點雲訊框。310示出了在軌跡插值之前具有鋸齒狀錯位的點雲訊框及其放大區域。320示出了在由點雲插值單元210進行軌跡插值處理之後的點雲訊框及其放大區域。由於使用軌跡插值添加資料點，320中的點雲訊框的平滑度得到了改善。
返回參考圖2，姿態資訊預估單元212可以被配置爲基於初始姿態資料203和點雲訊框來預估與每個點雲訊框相關的運輸工具100的姿態資訊。可以通過合併基於點雲訊框的估計（即，點雲姿態資訊）和基於初始姿態資料的估計來獲得預估的姿態資訊。在一些實施例中，姿態資訊預估單元212可以首先基於點雲訊框來預估運輸工具100的點雲姿態資訊。例如，姿態資訊預估單元212可以基於每個點雲訊框中的點的3-D座標及其相關屬性（例如，反射雷射强度）來計算相鄰點雲訊框之間的姿態變化。在一個示例中，可以使用四維（4-D）正態分布變換（NDT）基於X、Y和Z座標以及每個點的反射層强度來計算姿態變化。4-D NDT將從單點雲訊框重建的離散的3-D點集合轉換爲在3-D空間中定義的分段連續且可微分的機率密度。所述機率密度可以包括一組可以容易地被計算的正態分布。所述機率密度分布可以用於表示對應點雲訊框的點雲姿態資訊。
在一些實施例中，姿態資訊預估單元212可以基於點雲姿態資訊和初始姿態資料203來預估與每個點雲訊框相關的姿態資訊。例如，可以使用UKF方法合併點雲姿態資訊和初始姿態資料203。UKF方法使用稱爲無跡變換（UT）的確定性取樣技術來選擇後驗均值周圍的最小樣本點集（稱爲sigma點）。然後通過非線性函數傳播sigma點，然後從中形成新的後驗均值和協方差估計。得到的UKF濾波器可以更準確地預估真實均值和協方差。對於任何非線性，UKF可以準確地確定後驗均值和協方差到3階（泰勒級數展開）。相比之下，已經被一些現有導航系統用於姿態估計的擴展卡爾曼濾波器（EKF）僅實現了一階精確度，其計算複雜度與UKF的順序相同。
通過在姿態預估中應用4-D NDT和UKF，姿態資訊預估單元212可以使用非線性函數的機率密度分布並且保持非線性函數中的高階分量以實現更高的預估精確度而不會顯著地犧牲處理速度。在一些實施例中，與點雲訊框相關的預估姿態資訊可以用於點雲訊框聚合和分割。例如，圖4係根據本申請的一些實施例所示的基於利用NTD和UKF所預估的姿態資訊而從點雲訊框聚合的示例性點雲。410示出了單個點雲訊框，420示出了基於利用NTD和UKF所預估的姿態資訊與相鄰點雲訊框聚合的點雲訊框。
返回參考圖2，姿態資訊最佳化單元214可以被配置爲基於模型來調整與每個點雲訊框相關的運輸工具100的預估姿態資訊。所述模型可以包括點雲訊框之間的空間關係和時間關係。所述模型可以應用閉迴路測試以减少累積的定位誤差並最終提供與每個點雲訊框相關的最佳化姿態資訊以消除累積的定位誤差。在一些實施例中，姿態資訊最佳化單元214可以首先基於空間關係和時間關係以及一組臨界值將點雲訊框劃分爲多批次。例如，該組臨界值可以包括最小時間間隔t、最小位置變化x和最小方向變化y。點雲訊框的劃分可以基於它們的空間變化和相對於空間臨界值x和y的時間變化，以及時間臨界值t。在一個示例中，具有小於t的時間間隔、小於x的位置變化以及小於y的方向變化的任何點雲訊框都在同一批次中。通過在同一批次中排列相鄰點雲訊框（同時在空間和時間上）以進行最佳化，可以降低計算複雜度。
在一些實施例中，姿態資訊最佳化單元214使用的模型可以是包括多個節點的姿態圖，每個節點表示每個批次中的點雲訊框的姿態。在一個示例中，點雲訊框可以是批次中具有最早時間點的點雲訊框。姿態資訊最佳化單元214可以調整姿態圖的每個節點的姿態資訊以减小姿態圖的代價函數的值。當姿態圖的代價函數值最小化時，姿態圖的每個節點的相應姿態資訊達到其最佳化值。
圖5係根據本申請的一些實施例所示的示例性姿態圖500。姿態圖500的每個節點表示一批次的點雲訊框，並且與批次中的第一點雲訊框的姿態資訊（例如，具有最早時間點的姿態資訊）相關。姿態圖500包括三種類型的邊緣：（1）在空間中相鄰但在時間上不相鄰的兩個批次形成閉迴路。兩個閉迴路批次之間的預估點雲姿態資訊（例如，使用4D NDT）的變化表示爲兩個節點之間的兩批次邊緣（顯示爲虛線箭頭）。例如，批次0和批次2形成閉迴路並通過兩批次邊緣連接，批次1和批次i-1也是如此。（2）對於每個批次，預估的姿態（例如，使用UKF獲得的先前姿態）表示爲節點的一批次邊緣（顯示爲圓圈箭頭）。例如，圖5中的每個批次都有自己的一批次邊緣。（3）姿態圖500中的兩個相鄰批次通過另一個兩批次邊緣（顯示爲實線箭頭）連接，表示基於初始姿態資料203的預估姿態資訊的變化（例如，使用UKF獲得的相對先前姿態）。在一些實施例中，總相對先前姿態可以用作用於最佳化姿態圖的每個節點的姿態資訊的代價函數。
圖6係根據本申請的一些實施例所示的與未最佳化的姿態資訊和最佳化的姿態資訊相關的示例性點雲。610示出了與未最佳化的姿態資訊相關的點雲，620示出了與最佳化的姿態資訊相關的同一個點雲。姿態資訊將使用如圖5所示的姿態圖來進行最佳化。
返回參考圖2，點雲聚合單元216可以被配置爲用每個點雲訊框記錄調整後的姿態資訊，並基於其調整後的姿態資訊來聚合點雲訊框。也就是說，除了預估用於高精確度定位的運輸工具100的姿態之外，控制器200還可以基於其相關的姿態資訊來聚合點雲訊框以提供高精確度點雲資料。因此，每個點雲訊框可以與最佳化的姿勢資訊一起被記錄，例如運輸工具100的位置和方向以及捕獲點雲訊框的時間點。在一些實施例中，可以基於其最佳化的姿態資訊來聚合在空間中相鄰的點雲訊框。
返回參考圖2，記憶體206和儲存器208可以包括任何適當類型的大容量儲存器，其被提供以儲存處理器204可能需要操作的任何類型的資訊。記憶體206和儲存器208可以是揮發性或非揮發性、磁性、半導體、磁帶、光學、可移式、不可移式或其他類型的儲存裝置或有形（即，非暫時性）電腦可讀取媒體，包括但不限於ROM、快閃記憶體、動態RAM和靜態RAM。記憶體206及/或儲存器208可以被配置爲儲存可以由處理器204執行以執行本文揭露的運輸工具姿態預估功能的一個或多個電腦程式。例如，記憶體206及/或儲存器208可以被配置爲儲存程式，該程式可以由處理器204執行以控制感測器140-160以在運輸工具100沿軌跡移動時捕獲各種類型的資料，並處理捕獲的資料以預估運輸工具100的姿態資訊。
記憶體206及/或儲存器208還可以被配置爲儲存由處理器204使用的資訊和資料。例如，記憶體206及/或儲存器208可以被配置爲儲存由感測器140-160捕獲的各種類型的資料以及預估的姿勢資訊。各種類型的資料可以永久儲存，周期性地移除，或者在處理完每個訊框資料後立即被忽略。
圖7係根據本申請的一些實施例所示的基於與點雲相關的預估姿態資訊用於定位運輸工具100的示例性流程700的流程圖。例如，流程700可以由運輸工具100的運輸工具姿態預估系統實現，其包括控制器200和感測器140和150或類似物。然而，流程700不限於該示例性實施例。流程700可以包括如下所述的步驟S702-S718。應當瞭解的是，一些步驟可以是任選的以執行本文提供的揭露內容。此外，一些步驟可以同時執行，或者以與圖7中所示不同的順序執行。
在步驟S702中，當運輸工具100沿著軌跡移動時，關於場景的多個點雲訊框和運輸工具100的初始姿態資料可以由與運輸工具100相關的感測器140和150捕獲。例如，配備在運輸工具100上的光達掃描器可以捕獲表示場景的3-D資訊的點雲訊框。配備在運輸工具100上的GPS接收器和一個或多個IMU感測器可以獲取運輸工具100的初始姿態資料，包括時間、位置和方向。在一些實施例中，在捕獲資料之前，可以校準感測器140和150以獲得相對姿態轉換。
在步驟S704中，處理器204可以使用基於初始姿態資料的軌跡插值來處理點雲訊框。初始姿態資料可用於指示運輸工具100的軌跡。各種插值方法，例如分段常數插值、線性插值、樣條插值或類似物，可以基於軌跡和取樣時間點在點雲訊框範圍內構建新資料點。所述新資料點可以補充點雲訊框以提高點雲的平滑度。
在步驟S706中，處理器204可以基於點雲訊框來預估點雲姿態資訊。可以基於點雲訊框中的每個點的3-D座標和相關屬性（例如，反射雷射强度）來執行點雲姿態資訊預估。也可以預估在空間中相鄰的兩個或更多個點雲訊框之間的點雲姿態資訊的變化。在一些實施例中，4-D NDT可用於預估點雲姿態資訊。與非線性函數本身相反，4-D NDT可以基於非線性函數的機率密度分布來估計點雲姿態資訊。
在步驟S708中，處理器204可以基於點雲姿態資訊和初始姿態資料來預估與每個點雲訊框相關的姿態資訊。在一些實施例中，可以使用UKF將點雲姿態資訊與初始姿態資料合併，以在預估與每個點雲訊框相關的姿態資訊時保留非線性函數的高階分量。預估的姿態資訊可以用作稍後最佳化的初始值。
在步驟S710中，點雲訊框可以由處理器204劃分爲多個批次。可以基於點雲訊框之間的空間和時間關係（比如空間和時間的變化）來執行點雲訊框的劃分。在一個示例中，對應於小於時間臨界值的時間間隔、小於位置臨界值的位置變化以及小於方向臨界值的方向變化的任何點雲訊框將被分配給相同的批次。因此，每個批次可以包括在空間和時間上相鄰的一個或多個點雲訊框。在一些實施例中，在每個批次中具有最早時間點的點雲訊框可以被視爲該批次的第一點雲訊框，並且第一點雲訊框的姿態資訊可以被用作與批次相關的姿態資訊。
在步驟S712中，處理器204可以基於模型來調整與每個點雲訊框相關的預估姿態資訊。所述模型可以包括點雲訊框之間的空間關係和時間關係。在一些實施例中，模型可以由姿態圖表示，所述姿態圖包括多個節點，每個節點表示多批次中的每個批次中的點雲訊框的姿態。姿態圖還可以包括連接節點的各種類型的邊緣，例如連接表示預估點雲姿態資訊的變化的閉迴路批次的兩批次邊緣，連接表示預估姿態資訊的變化的相鄰批次的兩批次邊緣，和表示每個節點的預估姿態的一批次邊緣。在一些實施例中，總相對先前姿態（由連接相鄰批次的兩批次邊緣表示）可以用作用於最佳化姿態圖的每個節點的姿態資訊的代價函數。可以調整預估姿態資訊以减小代價函數的值，直到該值最小化。
在步驟S714中，調整後的姿態資訊可以由處理器204與每個點雲訊框一起被記錄。在步驟S716中，處理器204可以基於與每個點雲訊框相關的調整後的姿態資訊來聚合點雲訊框。例如，可以聚合如由相關的姿態資訊所指示的在空間中相鄰的點雲訊框。在步驟S718中，可以通過處理器204基於調整後的姿態資訊來定位運輸工具100。在一些實施例中，調整後的姿態資訊可以具有其最佳化值，並且可以高精確度地定位運輸工具100。
本申請揭露的另一態樣涉及一種儲存指令的非暫時性電腦可讀取媒體，所述指令在被執行時使一個或多個處理器執行如上所述的方法。所述電腦可讀取媒體可以包括揮發性或非揮發性、磁性、半導體、磁帶、光學、可移式、不可移式或其他類型的電腦可讀取媒體或電腦可讀取儲存裝置。例如，如所揭露的，所述電腦可讀取媒體可以是其上儲存有電腦指令的儲存裝置或記憶體模組。在一些實施例中，所述電腦可讀取媒體可以是其上儲存有電腦指令的軟碟或快閃驅動器。
對於本領域具有通常知識者顯而易見的是，可以對所揭露的系統和相關方法進行各種修改和變化。考慮到所揭露的系統和相關方法的說明和實踐，其他實施例對於本領域具有通常知識者來說是顯而易見的。
說明書和示例旨在僅被視爲示例性的，真實範圍由所附申請專利範圍及其均等物表示。
100‧‧‧運輸工具 110‧‧‧車身 120‧‧‧車輪 130‧‧‧安裝結構 140、150、160‧‧‧感測器 170‧‧‧本地控制器 200‧‧‧控制器 201‧‧‧點雲 202‧‧‧通訊介面 203‧‧‧姿態資料 204‧‧‧處理器 206‧‧‧記憶體 208‧‧‧儲存器 210‧‧‧點雲插值單元 212‧‧‧姿態資訊預估單元 214‧‧‧姿態資訊最佳化單元 216‧‧‧點雲聚合單元 310‧‧‧點雲訊框 320‧‧‧點雲訊框 410‧‧‧點雲訊框 420‧‧‧點雲訊框 610‧‧‧點雲 620‧‧‧點雲 700‧‧‧流程 S702‧‧‧步驟 S704‧‧‧步驟 S706‧‧‧步驟 S708‧‧‧步驟 S710‧‧‧步驟 S712‧‧‧步驟 S714‧‧‧步驟 S716‧‧‧步驟 S718‧‧‧步驟
圖1係根據本申請的一些實施例所示的具有感測器的示例性運輸工具的示意圖；
圖2係根據本申請的一些實施例所示的用於確定與點雲相關的姿態資訊的示例性控制器的方塊圖；
圖3係根據本申請的一些實施例所示的軌跡插值前後的示例性點雲訊框；
圖4係根據本申請的一些實施例所示的基於利用正態分布變換（NDT）和無跡卡爾曼濾波器（UKF）所預估的姿態資訊而從點雲訊框聚合的示例性點雲；
圖5係根據本申請的一些實施例所示的示例性姿態圖；
圖6係根據本申請的一些實施例所示的與未最佳化的姿態資訊和最佳化的姿態資訊相關的示例性點雲；以及
圖7係根據本申請的一些實施例所示的用於提供與點雲相關的姿態資訊的示例性方法的流程圖。
700‧‧‧流程
S702‧‧‧步驟
S704‧‧‧步驟
S706‧‧‧步驟
S708‧‧‧步驟
S710‧‧‧步驟
S712‧‧‧步驟
S714‧‧‧步驟
S716‧‧‧步驟
S718‧‧‧步驟

Claims (20)

  1. 一種用於定位運輸工具的導航系統，包括： 通訊介面，被配置爲當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料； 儲存器，被配置爲儲存所述多個點雲訊框和所述初始姿態資料； 處理器，被配置爲： 基於所述初始姿態資料和所述多個點雲訊框來預估與每一個點雲訊框相關的運輸工具的姿態資訊； 基於模型來調整運輸工具的預估姿態資訊，其中，所述模型包括所述多個點雲訊框之間的空間關係和時間關係；以及 基於調整後的姿態資訊來定位運輸工具。
  2. 如申請專利範圍第1項之系統，其中，所述處理器進一步被配置爲： 記錄每個點雲訊框中運輸工具的調整後的姿態資訊；以及 基於所述調整後的姿態資訊來聚合所述多個點雲訊框。
  3. 如申請專利範圍第1項之系統，其中，爲了預估運輸工具的姿態資訊，所述處理器進一步被配置爲基於所述初始姿態資料利用軌跡插值來處理所述多個點雲訊框。
  4. 如申請專利範圍第1項之系統，其中，爲了預估運輸工具的姿態資訊，所述處理器進一步被配置爲： 基於所述多個點雲訊框預估運輸工具的點雲姿態資訊；以及 基於所述點雲姿態資訊和所述初始姿態資料來預估所述姿態資訊。
  5. 如申請專利範圍第4項之系統，其中，利用四維（4-D）正態分布變換（NDT）來預估點雲姿態資訊，利用無跡卡爾曼濾波器（UKF）來預估姿態資訊。
  6. 如申請專利範圍第1項之系統，其中，爲了調整運輸工具的預估姿態資訊，所述處理器進一步被配置爲基於所述空間關係和所述時間關係以及一組臨界值將所述多個點雲訊框劃分爲多個批次。
  7. 如申請專利範圍第6項之系統，其中，所述模型由姿態圖表示，所述姿勢圖包括多個節點，每個節點表示所述多個批次中的每個批次中的點雲訊框的姿態。
  8. 一種用於定位運輸工具的方法，包括： 當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料； 藉由處理器基於所述初始姿態資料和所述多個點雲來預估與每一個點雲訊框相關的運輸工具的姿態資訊； 藉由所述處理器基於模型來調整運輸工具的預估姿態資訊，其中，所述模型包括所述多個點雲訊框之間的空間關係和時間關係；以及 基於調整後的姿態資訊來定位運輸工具。
  9. 如申請專利範圍第8項之方法，其中，所述方法進一步包括： 記錄每個點雲訊框中運輸工具的調整後的姿態資訊；以及 基於所述調整後的姿態資訊來聚合所述多個點雲訊框。
  10. 如申請專利範圍第8項之方法，其中，預估運輸工具的姿態資訊包括基於所述初始姿態資料利用軌跡插值來處理所述多個點雲訊框。
  11. 如申請專利範圍第8項之方法，其中，預估運輸工具的姿態資訊，包括： 基於所述多個點雲訊框預估運輸工具的點雲姿態資訊；以及 基於所述點雲姿態資訊和所述初始姿態資料來預估所述姿態資訊。
  12. 如申請專利範圍第11項之方法，其中，利用四維正態分布變換來預估點雲姿態資訊，利用無跡卡爾曼濾波器來預估姿態資訊。
  13. 如申請專利範圍第8項之方法，其中，調整運輸工具的預估姿態資訊，包括基於所述空間關係和所述時間關係以及一組臨界值將所述多個點雲訊框劃分爲多個批次。
  14. 如申請專利範圍第13項之方法，其中，所述模型由姿態圖表示，所述姿勢圖包括多個節點，每個節點表示所述多個批次中的每個批次中的點雲訊框的姿態。
  15. 一種非暫時性電腦可讀取媒體，儲存有指令，所述指令在由一個或多個處理器執行時使所述一個或多個處理器執行以下操作，包括： 當運輸工具沿著軌跡移動時，接收由裝配在運輸工具上的多個感測器捕獲的關於場景的多個點雲訊框和運輸工具的初始姿態資料； 基於所述初始姿態資料和所述多個點雲來預估與每一個點雲訊框相關的運輸工具的姿態資訊； 基於模型來調整運輸工具的預估姿態資訊，其中，所述模型包括所述多個點雲訊框之間的空間關係和時間關係；以及 基於調整後的姿態資訊來定位運輸工具。
  16. 如申請專利範圍第15項之電腦可讀取媒體，其中，所述操作進一步包括： 記錄每個點雲訊框中運輸工具的調整後的姿態資訊；以及 基於所述調整後的姿態資訊來聚合所述多個點雲訊框。
  17. 如申請專利範圍第15項之電腦可讀取媒體，其中，預估運輸工具的姿態資訊包括基於所述初始姿態資料利用軌跡插值來處理所述多個點雲訊框。
  18. 如申請專利範圍第15項之電腦可讀取媒體，其中，預估運輸工具的姿態資訊，包括： 基於所述多個點雲訊框預估運輸工具的點雲姿態資訊；以及 基於所述點雲姿態資訊和所述初始姿態資料來預估所述姿態資訊。
  19. 如申請專利範圍第15項之電腦可讀取媒體，其中，調整運輸工具的預估姿態資訊，包括基於所述空間關係和所述時間關係以及一組臨界值將所述多個點雲訊框劃分爲多個批次。
  20. 如申請專利範圍第19項之電腦可讀取媒體，其中，所述模型由姿態圖表示，所述姿勢圖包括多個節點，每個節點表示所述多個批次中的每個批次中的點雲訊框的姿態。
TW107145896A 2018-07-02 2018-12-19 基於點雲利用姿態預估的運輸工具導航系統 TWI693423B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/CN2018/094118 2018-07-02
PCT/CN2018/094118 WO2020006667A1 (en) 2018-07-02 2018-07-02 Vehicle navigation system using pose estimation based on point cloud

Publications (2)

Publication Number Publication Date
TW202006395A true TW202006395A (zh) 2020-02-01
TWI693423B TWI693423B (zh) 2020-05-11

Family

ID=69007559

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107145896A TWI693423B (zh) 2018-07-02 2018-12-19 基於點雲利用姿態預估的運輸工具導航系統

Country Status (9)

Country Link
US (1) US11131752B2 (zh)
EP (1) EP3612854B1 (zh)
JP (1) JP6880080B2 (zh)
CN (1) CN111033299B (zh)
AU (1) AU2018278849B2 (zh)
CA (1) CA3026914C (zh)
SG (1) SG11201811001WA (zh)
TW (1) TWI693423B (zh)
WO (1) WO2020006667A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI726630B (zh) * 2020-02-25 2021-05-01 宏碁股份有限公司 地圖建構系統以及地圖建構方法
CN113433566A (zh) * 2020-03-04 2021-09-24 宏碁股份有限公司 地图建构系统以及地图建构方法
TWI764735B (zh) * 2021-05-26 2022-05-11 張量科技股份有限公司 基於四元數卡爾曼濾波器的載體姿態控制系統及其控制方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10940851B2 (en) * 2018-12-12 2021-03-09 Waymo Llc Determining wheel slippage on self driving vehicle
KR102376709B1 (ko) * 2019-01-30 2022-03-18 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 포인트 클라우드 등록 시스템
US11138789B1 (en) * 2019-06-25 2021-10-05 A9.Com, Inc. Enhanced point cloud for three-dimensional models
CN113096181B (zh) * 2020-01-08 2024-04-09 纳恩博（北京）科技有限公司 设备位姿的确定方法、装置、存储介质及电子装置
CN113496145B (zh) * 2020-03-19 2023-06-16 武汉四维图新科技有限公司 标牌角点获取方法、装置及设备
CN111882977B (zh) * 2020-05-06 2022-04-29 北京嘀嘀无限科技发展有限公司 一种高精度地图构建方法及系统
WO2021232227A1 (zh) * 2020-05-19 2021-11-25 深圳市大疆创新科技有限公司 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质
CN113739797A (zh) * 2020-05-31 2021-12-03 华为技术有限公司 视觉定位方法和装置
CN111578894B (zh) * 2020-06-02 2021-10-15 北京经纬恒润科技股份有限公司 一种确定障碍物航向角的方法及装置
CN111812698A (zh) * 2020-07-03 2020-10-23 北京图森未来科技有限公司 一种定位方法、装置、介质和设备
CN111856499B (zh) * 2020-07-30 2021-06-18 浙江华睿科技有限公司 基于激光雷达的地图构建方法和装置
US11769272B2 (en) 2020-07-30 2023-09-26 Toyota Research Institute, Inc. Distinguishing, in a point cloud data set represented by an image, a first object from a second object
US11448748B2 (en) 2020-09-10 2022-09-20 Argo AI, LLC Systems and methods for simultaneous range-rate unwrapping and outlier removal for radar
US11662454B2 (en) * 2020-11-02 2023-05-30 Ford Global Technologies, Llc Systems and methods for range-rate dealiasing using position consistency
CN112465831B (zh) * 2020-11-16 2023-10-20 北京中科慧眼科技有限公司 基于双目立体相机的弯道场景感知方法、系统和装置
CN112433211B (zh) * 2020-11-27 2022-11-29 浙江商汤科技开发有限公司 一种位姿确定方法及装置、电子设备和存储介质
CN113379915B (zh) * 2021-07-05 2022-12-23 广东工业大学 一种基于点云融合的行车场景构建方法
CN113776543B (zh) * 2021-07-27 2023-11-28 武汉中海庭数据技术有限公司 一种车辆融合定位方法、系统、电子设备及存储介质
CN114549605B (zh) * 2021-12-31 2023-08-04 广州景骐科技有限公司 基于点云匹配的图像优化方法、装置、设备及存储介质
US20230213633A1 (en) * 2022-01-06 2023-07-06 GM Global Technology Operations LLC Aggregation-based lidar data alignment
CN114757980B (zh) * 2022-05-12 2024-03-26 苏州轻棹科技有限公司 一种连续帧点云数据的离线配准方法
US11899114B1 (en) * 2022-05-31 2024-02-13 Zoox, Inc. Secondary sensor data-based soft constraint optimization for pose graph and mapping refinement
KR102507906B1 (ko) * 2022-10-04 2023-03-09 주식회사 라이드플럭스 저용량 ndt 지도를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램
KR102616437B1 (ko) * 2023-06-20 2023-12-22 주식회사 모빌테크 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
GB201116959D0 (en) 2011-09-30 2011-11-16 Bae Systems Plc Vehicle localisation with 2d laser scanner and 3d prior scans
US10037469B2 (en) * 2013-12-10 2018-07-31 Google Llc Image location through large object detection
US9285230B1 (en) * 2013-12-20 2016-03-15 Google Inc. Methods and systems for detecting road curbs
CN103869820B (zh) * 2014-03-18 2015-10-21 北京控制工程研究所 一种巡视器地面导航规划控制方法
GB201407643D0 (en) * 2014-04-30 2014-06-11 Tomtom Global Content Bv Improved positioning relatie to a digital map for assisted and automated driving operations
EP3078935A1 (en) 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Method and device for real-time mapping and localization
CN104764457B (zh) 2015-04-21 2017-11-17 北京理工大学 一种用于无人车的城市环境构图方法
US9710714B2 (en) * 2015-08-03 2017-07-18 Nokia Technologies Oy Fusion of RGB images and LiDAR data for lane classification
CN105279371B (zh) * 2015-09-21 2019-02-19 武汉海达数云技术有限公司 一种基于控制点的移动测量系统pos精度改善方法
CN105354875B (zh) * 2015-09-25 2018-01-23 厦门大学 一种室内环境二维与三维联合模型的构建方法和系统
WO2017079341A2 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
CN105783873B (zh) * 2016-02-24 2018-09-07 腾讯科技（深圳）有限公司 目标物的测量方法、高精度地图生成方法及相关装置
US9946264B2 (en) * 2016-03-22 2018-04-17 Sharp Laboratories Of America, Inc. Autonomous navigation using visual odometry
CN106225790B (zh) * 2016-07-13 2018-11-02 百度在线网络技术（北京）有限公司 一种无人车定位精度的确定方法及装置
JP2018025490A (ja) * 2016-08-10 2018-02-15 株式会社デンソー 位置推定装置
US20180088234A1 (en) * 2016-09-27 2018-03-29 Carnegie Mellon University Robust Localization and Localizability Prediction Using a Rotating Laser Scanner
US11761790B2 (en) * 2016-12-09 2023-09-19 Tomtom Global Content B.V. Method and system for image-based positioning and mapping for a road network utilizing object detection
CN106908775B (zh) * 2017-03-08 2019-10-18 同济大学 一种基于激光反射强度的无人车实时定位方法
CN107340522B (zh) * 2017-07-10 2020-04-17 浙江国自机器人技术有限公司 一种激光雷达定位的方法、装置及系统
CN107388967B (zh) * 2017-08-14 2019-11-12 上海汽车集团股份有限公司 一种车载三维激光传感器的外参数补偿方法及装置
US10489665B2 (en) * 2017-09-07 2019-11-26 GM Global Technology Operations LLC Systems and methods for determining the presence of traffic control personnel and traffic control signage
US10509413B2 (en) * 2017-09-07 2019-12-17 GM Global Technology Operations LLC Ground reference determination for autonomous vehicle operations
CN108053443B (zh) * 2017-11-20 2019-08-02 中国科学院空间应用工程与技术中心 一种基于粒子群优化的物体点云位姿估算方法和系统
CN108152831B (zh) * 2017-12-06 2020-02-07 中国农业大学 一种激光雷达障碍物识别方法及系统
DE102018202871B4 (de) 2018-02-26 2019-09-12 Dialog Semiconductor (Uk) Limited Leistungseffiziente Treiberschaltung, die Ladungsrückgewinnung nutzt, und Verfahren zum Ansteuern einer Last

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI726630B (zh) * 2020-02-25 2021-05-01 宏碁股份有限公司 地圖建構系統以及地圖建構方法
US11421997B2 (en) 2020-02-25 2022-08-23 Acer Incorporated Map construction system and map construction method
CN113433566A (zh) * 2020-03-04 2021-09-24 宏碁股份有限公司 地图建构系统以及地图建构方法
CN113433566B (zh) * 2020-03-04 2023-07-25 宏碁股份有限公司 地图建构系统以及地图建构方法
TWI764735B (zh) * 2021-05-26 2022-05-11 張量科技股份有限公司 基於四元數卡爾曼濾波器的載體姿態控制系統及其控制方法

Also Published As

Publication number Publication date
TWI693423B (zh) 2020-05-11
EP3612854B1 (en) 2023-03-15
CA3026914C (en) 2021-11-30
JP2020528994A (ja) 2020-10-01
JP6880080B2 (ja) 2021-06-02
US20200003869A1 (en) 2020-01-02
SG11201811001WA (en) 2020-02-27
CN111033299A (zh) 2020-04-17
CN111033299B (zh) 2023-06-16
WO2020006667A1 (en) 2020-01-09
EP3612854A1 (en) 2020-02-26
EP3612854A4 (en) 2020-02-26
AU2018278849B2 (en) 2020-11-05
CA3026914A1 (en) 2020-01-02
US11131752B2 (en) 2021-09-28
AU2018278849A1 (en) 2020-01-16

Similar Documents

Publication Publication Date Title
TWI693423B (zh) 基於點雲利用姿態預估的運輸工具導航系統
TWI693422B (zh) 自然場景中的整合感測器校準
TWI705263B (zh) 使用光達的運輸工具定位系統
TWI695181B (zh) 用於產生彩色點雲的方法和系統
US20220299657A1 (en) Systems and methods for vehicle positioning
US20200355513A1 (en) Systems and methods for updating a high-definition map
US20220205804A1 (en) Vehicle localisation
CN112136021A (zh) 用于构建基于地标的高清地图的系统和方法
AU2018102199A4 (en) Methods and systems for color point cloud generation
CN118111423A (zh) 基于车路协同的低成本异构传感器建图与定位优化方法