TWI604980B - 載具控制系統及載具控制方法 - Google Patents

Description

載具控制系統及載具控制方法

本發明是有關於一種載具控制系統及載具控制方法，且特別是有關於一種應用雷射雷達感測器的載具控制系統及載具控制方法。

自動駕駛的技術被期望能夠顯著地改善駕駛安全與方便性，以減輕駕駛者的負擔，目前，這些技術以先進駕駛輔助系統的形式，被執行去部分地輔助駕駛者。這也可以預期的到在不久的未來，全自動化的車子將會出來作為智能運輸系統的主要成分，進而取代人類的駕駛者。在自動駕駛方面，環境感知是一個必要的功能，它能夠避免碰撞的發生，而精確的定位也是相當重要的，尤其是在城市的環境，因為車子將會被操作在城市道路上，而自動化車子的動作必須要像人類駕駛者一樣遵守交通規則。

基於使用感測器的種類，定位的方法能夠被分為基於主動式感測與基於被動式感測兩種。被動式感測器像是相機(Camera)與全球導航衛星系統(Global Navigation Satellite System,GNSS)等，而目前對於定位較受歡迎的主動式感測器為光達(LIDAR)，當我們在搜尋智能車輛的文獻時，很容易找到許多利用像是二維光達與一些光達廠商(如Velodyne)的主動式感測器成功的方法。對於主動式感測器偏愛的原因是因為這種感測器 能夠簡化基本距離的估測並且同時產生顯著不錯的結果。

除此之外，自動駕駛的技術也應用在停車場裡的自動停車，當自動駕駛的車子到停車場首先遇到的問題就是它目前處在停車場的哪個位置，所以精確的定位對於自動停車是相當重要的，如果定位不準確的話，也會進而影響之後的停車空間搜尋與停車路徑規劃。由於在室內GPS接收不到訊號，無法提供位置資訊，而使用立體視覺相機作定位也會因為光線不足造成定位精確度不佳，因此，使用主動式感測器成為主要的選擇。而目前主動式感測器，尤其以三維光達的應用為最熱門的研究題目，所以使用三維光達作定位成為當前研究的目標，如何達到精確且即時的定位要更進一步作探討。

本發明提供一種載具控制系統及載具控制方法，其可避免先前技術所述及之問題。

本發明的載具控制系統，適於配置於載具上，藉以控制載具的行駛。載具控制系統包括雷射雷達感測器以及處理單元。雷射雷達感測器用以偵測周遭環境的光信號以產生三維點雲資訊。處理單元耦接雷射雷達感測器，以接收三維點雲資訊。處理單元經配置以執行多個模組，所述模組包括可行駛區域判斷模組以及路徑選擇模組。可行駛區域判斷模組，以載具的初始位置作為基準，依據單位時間最大移動距離與回轉半徑定義第一搜尋區域，並且依據載具的初始方向角調整第一搜尋區域，藉以定義第二搜尋區域。路徑選擇模組，依據三維點雲資訊在第二搜尋區域內選擇目標行駛路徑，其中處理單元依據目標行駛路徑控制載具的行駛。

本發明的載具控制方法，適於控制載具的行駛。所述載具控制方法包括以下步驟：偵測周遭環境的光信號，藉以產生三維點雲資訊；以載具的初始位置作為基準，依據單位時間最大移動距離與回轉半徑定義第一搜尋區域；依據載具的初始方向角調整第一搜尋區域，藉以定義第二搜尋區域；依據三維點雲資訊在第二搜尋區域內選擇目標行駛路徑；以及依據目標行駛路徑控制載具的行駛。

基於上述，本發明實施例提出一種載具控制系統及載具控制方法，其可依據載具的行駛狀態來限縮載具可能的行駛區域，使判斷出來的搜尋區域能夠更貼近車子實際行駛的情況，因此估測出來的位置較不會忽然往左、往右甚至向後退，使得載具行駛的路徑變得更平穩及精確。除此之外，相較於傳統的窗格定位搜尋方法，由於本發明實施例的載具控制方法僅需以相對較少的點數據來搜尋行駛路徑，因此具有較佳的定位速度。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100‧‧‧載具控制系統

110‧‧‧雷射雷達感測器

120‧‧‧處理單元

122‧‧‧特徵擷取模組

124‧‧‧特徵比對模組

126‧‧‧可行駛區域判斷模組

128‧‧‧路徑選擇模組

DL‧‧‧脈衝光束

SL‧‧‧光信號

SR1‧‧‧第一搜尋區域

SR2‧‧‧第二搜尋區域

INF_2D‧‧‧二維網格資訊

INF_3D‧‧‧三維特徵點資訊

INF_CR‧‧‧校正後點雲資訊

INF_EV‧‧‧環境特徵資訊

INF_PC‧‧‧三維點雲資訊

NP‧‧‧雜點

p₀‧‧‧初始位置

p₁~p₄、p₁’~p₄’‧‧‧點數據

p_i‧‧‧特徵點

x_p0、y_p0‧‧‧座標

r‧‧‧回轉半徑

R‧‧‧單位時間最大移動距離

θ_d‧‧‧初始方向角

S210~S270‧‧‧載具控制方法的步驟

圖1為本發明一實施例的載具控制系統的系統架構示意圖。

圖2為本發明一實施例的載具控制方法的步驟流程圖。

圖3為本發明一實施例的對三維點雲資訊進行偏擺校正的示意圖。

圖4為本發明一實施例的依據校正後點雲資訊進行分割演算的示意圖。

圖5為本發明一實施例的轉換二維網格資訊並進行特徵擷取的示意圖。

圖6為本發明一實施例的根據平均能量運算決定載具初始位置範圍與初始方向角範圍的示意圖。

圖7為本發明一實施例的根據特徵比對決定載具初始位置與初始方向角的示意圖。

圖8為本發明一實施例的定義第一搜尋區域的示意圖。

圖9為本發明一實施例的定義第二搜尋區域的示意圖。

圖10為本發明一實施例的依據三維點雲資訊在第二搜尋區域內選擇目標行駛路徑的示意圖。

為了使本揭露之內容可以被更容易明瞭，以下特舉實施例做為本揭露確實能夠據以實施的範例。另外，凡可能之處，在圖式及實施方式中使用相同標號的元件/構件/步驟，係代表相同或類似部件。

圖1為本發明一實施例的載具控制系統的系統架構示意圖。請參照圖1，本實施例的載具控制系統100適於配置於載具(例如汽車)上，藉以自動控制載具的行駛。載具控制系統100包括雷射雷達感測器(Lidar)110以及處理單元120。雷射雷達感測器110可以對周遭發射脈衝光束DL，並且偵測碰觸到物體而反射的光信號SL，其中雷射雷達感測器110可透過所接收到之反應周遭環境狀態的光信號SL，產生對應的三維點雲資訊INF_PC。處理單元120在本實施例中可例如為嵌入式處理器或是電腦(例如為載具的中控系統)，其可配置在載具上與雷射雷達感測器110耦接，藉以接收由雷射雷達感測器110所產生的三維點雲資訊INF_PC。

處理單元120可經配置而執行多個模組，所述模組可以利用軟體或韌體的方式來實現，本發明不對此加以限制。其中，若採用軟體方式實現所述模組，則處理單元120更包括用以儲存所述模組的記憶體。本實施例的處理單元120包括特徵擷取模組122、特徵比對模組124、可行駛區域判斷模組126以及路徑選擇模組128。底下搭配圖2的步驟流程來一併說明所述載具控制系統100的載具控制方法以及各模組的運作。

請同時參照圖1與圖2，在本實施例中，首先，雷射雷達感測器110會偵測周遭環境的光信號SL，藉以產生三維點雲資訊INF_PC(步驟S210)。在處理單元120接收到三維點雲資訊INF_PC後，處理單元120會執行特徵擷取模組122，以擷取三維點雲資訊INF_PC中的環境特徵，並據以產生點雲特徵資訊(步驟S220)。接著，處理單元120會執行特徵比對模組124，藉以對點雲特徵資訊與預設地圖特徵資訊進行特徵比對，藉以從點雲特徵資訊中獲得載具的初始位置與初始方向角(步驟S230)。

在獲得載具的初始位置與初始方向角之後，處理單元120會執行可行駛區域判斷模組126，其中，可行駛區域判斷模組126會以載具的初始位置作為基準，依據載具的單位時間最大移動距離與回轉半徑定義第一搜尋區域(步驟S240)。接著，可行駛區域判斷模組126會進一步依據載具的初始方向角調整第一搜尋區域，藉以定義出第二搜尋區域(步驟S250)。其後，處理單元120即會執行路徑選擇模組128，以依據三維點雲資訊在第二搜尋區域內選擇目標行駛路徑(步驟S260)，再根據目標行駛路徑控制載具的行駛(步驟S270)。

具體而言，在本實施例中，載具控制系統100可以根據載具 的行駛速度、回轉角度及行駛方向等行車資訊來限縮載具可能的移動範圍，藉以透過限制僅在特定區域(如第二搜尋區域)內搜尋載具可行駛移動的路徑的方式，濾除掉不合理的定位軌跡，並且減少需搜尋的可能定位點數量，進而提升定位的速度性能，使得載具行駛軌跡可以快速且精確的被判斷出。

相較於傳統的窗格定位搜尋方法(Window-Based Localization)，本發明實施例的載具控制方法在使用粒子濾波器作定位時，不用將粒子撒到整個窗格，而是僅在限定的區域內撒粒子，如此便可加快搜尋的收斂速度。

藉由上述定位搜尋的方式搭配雷射雷達感測器110的三維高精度感測特性，本實施例的載具控制方法可以應用在實現停車場的即時定位等，不受室內或室外限制，並且需要高精確度的載具控制應用中。

附帶一提的是，在本實施例中，所述的單位時間最大移動距離可以根據載具的行駛速度而計算出，所以是可由載具所提供的資訊。

此外，在一範例實施例中，所述預設地圖特徵資訊可以是預先建置並且儲存於處理單元120的記憶體中。在另一範例實施例中，處理單元120僅儲存預設地圖於記憶體中，而預設地圖特徵資訊是處理單元120利用類似於處理三維點雲資訊以獲得點雲特徵資訊的方式來處理預設地圖，從而獲得。

另外，所述特徵擷取模組122與特徵比對模組124是為了確定出環境特徵與定義出載具的初始位置與初始方向角，因此，若處理單元120有其他可獲得環境特徵以及初始位置與初始方向角等資訊的手段時 (例如雷射雷達感測器110可直接對三維點雲資訊INF_PC進行處理，使 得回傳給處理單元120的是所述需求資訊)，特徵擷取模組122與特徵比對模組124在本實施例的載具控制系統100中亦可省略，於此合先敘明。

為了更具體的說明本發明實施例的載具控制方法及各模組，底下以圖3至圖5實施例說明特徵擷取模組122的具體運作，以圖6與圖7實施例說明特徵比對模組124的具體運作，以圖8與圖9實施例說明可行駛區域判斷模組126的具體運作，並且以圖10實施例說明路徑選擇模組128的具體運作。

在特徵擷取模組122的具體運作中，其主要包含了校正(Calibration)、分割(Segmentation)、轉換(Transformation)及擷取(Extraction)等步驟。

詳細而言，在處理單元120一開始接收到三維點雲資訊INF_PC時，由於感測器的偵測可能會有角度上的誤差，因此三維點雲資訊INF_PC可能會有座標偏移的情況(相對於實際空間而言)。因此，在本實施例的載具控制方法中，第一階段首先是要對三維點雲資訊進行偏擺校正。其中，圖3為本發明一實施例的對三維點雲資訊進行偏擺校正的示意圖。

請參照圖3，處理單元120一開始接收到的三維點雲資訊INF_PC可例如為圖3左側所示之情形。在此先定義三維空間中的絕對座標，其中載具行駛的平面定義為由座標軸X與座標軸Y所組成的行駛平面，而Z軸則為正交於行駛平面的軸向。由圖3可知，初始接收的三維點雲資訊INF_PC中的地面點雲與實際行駛平面之間具有一個傾斜夾角θ。為了 校正此傾斜夾角，特徵擷取模組122會在三維點雲資訊INF_PC對應至地面點雲的部份選取多個點數據，如p₁至p₄。在取得點數據p₁至p₄後，特徵擷取模組122會利用所述點數據p₁至p₄進行斜率運算，藉以求出傾斜夾角θ的角度。

接著，特徵擷取模組122會利用傾斜夾角θ來對三維點雲資訊INF_PC進行偏擺校正，藉以產生校正後點雲資訊INF_CR。同樣以點數據p₁至p₄為例，在進行偏擺校正時，特徵擷取模組122會基於傾斜夾角θ對點數據p₁至p₄的座標進行餘弦計算，進而產生如圖3右側所示之校正後的點數據p₁’至p4’，其中校正後點雲資訊INF_CR即係由校正後的點數據(如p₁’至p4’)所組成。

值得一提的是，本實施例所述的偏擺校正並不限於使用上述方法實施。在一範例實施例中，特徵擷取模組122也可以透過對載具啟動初期的前幾個訊框(frame)進行疊代的方式獲得一旋轉矩陣，再利用此旋轉矩陣進行偏擺校正。

在完成偏擺校正後，為了要可以辨識出環境或障礙物的邊界範圍，特徵擷取模組122會利用分割演算來過濾點雲資訊。更具體地說，在分割演算中，特徵擷取模組122可以藉由設定一分割條件，並且判斷校正後點雲資訊中的各點數據座標在Z軸上的座標是否位於所述分割條件內，藉以濾除不符合分割條件的點數據，如圖4所示。圖4為本發明一實施例的依據校正後點雲資訊進行分割演算的示意圖。

請參照圖4，校正後點雲資訊INF_CR在空間中的狀態可如左側圖式所示，其除了牆面的點數據外，可能還包含有地板、車子或管線 的點數據。以要擷取環境邊界的分割為例來說明，為了要取出邊界範圍的數據，特徵擷取模組122可以將分割條件設為僅保留Z軸座標大於車子高度並且小於管線高度的範圍內之點數據，並且據以產生三維特徵點資訊INF_3D。換言之，Z軸座標小於車子高度的點數據以及大於管線高度的點數據都將被濾除。

其中，經過分割後的三維特徵點資訊INF_3D在空間中的狀態可如右側圖式所示。從圖式中可以看出，對應於牆面等邊界區域的點數據被分割保留了下來，而其他部份的點數據大致上被濾除。

在實際的應用中，經上述分割演算後，還是可能會有殘餘的雜點NP在分割後的三維特徵點資訊INF_3D中。因此，在一範例實施例中，特徵擷取模組122可以進一步再分割出地板點雲資訊，再將分割後的三維特徵點資訊INF_3D與地板點雲資訊作內積運算。其中，由於牆面與地面的法線方向有正交的特性，因此透過內積運算並且僅保留內積為0點的點數據作為三維特徵點資訊INF_3D的方式，即可過濾三維特徵點資訊INF_3D內的雜點NP。

特徵擷取模組122在獲得跟環境邊界相關的三維特徵點資訊後，會將三維特徵點資訊轉換為二維網格資訊，如圖5所示。圖5為本發明一實施例的轉換二維網格資訊的示意圖。

請參照圖5，二維網格資訊INF_2D所對應的網格地圖可如右側圖式所示。經過將地圖網格化後，特徵擷取模組122會進一步進行環境特徵的擷取。在此階段下，特徵擷取模組122會根據二圍網格資訊INF_2D擷取環境特徵，藉以產生包括有多個特徵點(如p_i)的點雲特徵 資訊。

於此附帶一提的是，預設地圖特徵資訊也可以利用上述步驟來實現。在預設地圖特徵的建置中，對應預設地圖的二維網格資訊INF_2D會被用以建置地圖資料庫並儲存在處理單元120，所述資料庫會包含有X座標、Y座標與索引值的資訊。

接著，特徵比對模組124會對點雲特徵資訊進行平均能量運算以決定載具初始位置範圍與初始方向角範圍，如圖6所示。圖6為本發明一實施例的根據平均能量運算決定載具初始位置範圍與初始方向角範圍的示意圖。

請參照圖6，在本實施例中，特徵比對模組124會設定一個特徵條件範圍，並且根據此特徵條件範圍濾除於所述範圍以外的特徵點，從而產生環境特徵資訊INF_EV。其中，環境特徵資訊INF_EV指示載具的初始位置範圍與初始方向角範圍。

詳細而言，所述特徵條件範圍可例如是與地圖能量接近的能量範圍，其可以下式(1)表示：(E_Lidar-t)<E_Map<(E_Lidar+t) (1)

在式(1)中，E_Lidar表示點雲特徵資訊的特徵點能量，E_Map表示預設地圖特徵資訊的特徵點能量，並且t為設定的容許誤差(可根據是在室內或室外而決定數值，若在室內可設定較小，若在室外則設定較大)。 經過上述篩選後，載具的初始位置範圍與初始方向角範圍可例如為圖式中的虛線框選處。

接著，特徵比對模組124會基於選出的初始位置範圍與初始 方向角範圍進行點雲特徵資訊與預設地圖特徵資訊的比對，並據以決定出載具的初始位置與初始方向角，如圖7所示。圖7為本發明一實施例的根據特徵比對決定載具初始位置與初始方向角的示意圖。

具體而言，在一範例實施例中，所述特徵比對係可依據正規化互相關匹配(NCC)演算法進行。然而，在正規化互相關匹配(NCC)演算法下，其受限於配對點數需要夠多，並且需要呈現常態分佈。而現場的雷射雷達感測器110所偵測到的三維點雲資訊是比較稀疏的，使得採用NCC演算法進行特徵比對的情況下，較容易有定位誤差的情形發生。

基此，在本發明另一範例實施例中，所述特徵比對是改採用交互平均絕對離差(Cross Mean Absolute Difference，CMAD)演算法進行特徵比對。在採用CMAD演算法的實施例中，特徵比對模組124會將環境特徵資訊INF_EV的特徵點視為模板，預設地圖特徵資訊的特徵點視為固定訊號，然後以模板在固定訊號上移動作特徵比對，其中模板在固定訊號上移動的角度以τ表示，因此所述CMAD演算法可以如下式(2)表示：

其中，c(τ)表示環境特徵資訊INF_EV與預設地圖特徵資訊的特徵點相似程度，N為預設地圖特徵資訊的維度，P_Lidar為環境特徵資訊INF_EV的特徵點能量，P_Map為預設地圖特徵資訊的特徵點能量。

特徵比對模組124會根據上式(2)定義具有最小的特徵點相似程度c(τ)所對應的特徵點位置為初始位置，並且根據初始位置定義初始方向角。藉此，特徵比對模組124即可得到最佳的初始位置與初始方向角，如圖7所示。

在確定載具的初始位置與初始方向角後，可行駛區域判斷模組126會接著根據載具的初始位置與初始方向角定義第一搜尋區域與第二搜尋區域，如圖8與圖9所示。圖8為本發明一實施例的定義第一搜尋區域的示意圖。圖9為本發明一實施例的定義第二搜尋區域的示意圖。

請先參照圖8，在本實施例中，所述初始位置p₀是基於行駛平面的絕對座標所建立(即，X軸與Y軸座標)。此外，本實施例是以限制載具是向前行駛的前提來說明，因此僅會在X軸的上半部(即Y軸的正方向)搜尋可行駛區域，但本發明不以此為限。在其他實施例中，在載具也有可能倒退行駛的前提下，搜尋的行駛區域會不僅限制在X軸的上半部，也需往X軸的下半部搜尋(即Y軸的負方向)。

當可行駛區域判斷模組126定義第一搜尋區域時，首先，可行駛區域判斷模組126以初始位置p₀為圓心(即，座標(x_p0,y_p0))並且以單位時間最大移動距離R為半徑，藉以建立第一區域(即，以R為半徑所構成的半圓區域)。接著，可行駛區域判斷模組126會以在X軸向上距離初始位置p₀(x_p0,y_p0)為回轉半徑r的第一位置p_r1(x_p0-r,y_p0)與第二位置p_r2(x_p0+r,y_p0)為圓心並且以回轉半徑r為半徑，藉以建立第二區域(即，以p_r1為圓心，以r為半徑所構成的半圓區域)與第三區域(即，以p_r2為圓心，以r為半徑所構成的半圓區域)，其中第二區域與第三區域的聯集定義為第四區域。

在定義出第一區域與第四區域後，可行駛區域判斷模組126取第一區域與第四區域的差集作為第一搜尋區域SR1。

請接著參照圖9，在定義出第一搜尋區域SR1後，可行駛區 域判斷模組126會以初始方向角θ_d作為旋轉角度，以z軸(即，行駛平面的法線方向)為軸心旋轉第一搜尋區域SR1，藉以建立第二搜尋區域SR2。

在建立出第二搜尋區域SR2後，路徑選擇模組128會在第二搜尋區域SR2內進行區域搜尋，藉以估測最佳的目標行駛路徑，如圖10所示。圖10為本發明一實施例的依據三維點雲資訊在第二搜尋區域內選擇目標行駛路徑的示意圖。

請參照圖10，路徑選擇模組128會在第二搜尋區域SR2內，將點雲特徵資訊與預設地圖特徵進行特徵比對(可採用與前述圖7實施例相同的特徵比對方式)，藉以獲得目標行駛位置資訊與目標行駛方向資訊。 基此，路徑選擇模組128即可根據得到的目標行駛位置資訊與目標行駛方向資訊控制載具的行駛。

為了要最佳化目標行駛位置，在一範例實施例中，路徑選擇模組128可以進一步以卡曼濾波演算法對目標行駛位置資訊進行處理，藉以平滑化位置資訊中的點數據，以得到優化目標行駛位置資訊。其中，路徑選擇模組128可以改以基於優化目標行駛位置資訊來控制載具的行駛，藉以令載具的行進路線更為平穩精確。

綜上所述，本發明實施例提出一種載具控制系統及載具控制方法，其可依據載具的行駛狀態來限縮載具可能的行駛區域，使判斷出來的搜尋區域能夠更貼近載具實際行駛的情況，因此估測出來的位置較不會忽然往左、往右甚至向後退，使得載具行駛的路徑變得更平穩及精確。除此之外，相較於傳統的窗格定位搜尋方法，由於本發明實施例的載具控制方法僅需以相對較少的點數據來搜尋行駛路徑，因此具有較佳的定位速 度。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

S210~S270‧‧‧載具控制方法的步驟

Claims (18)

1. 一種載具控制系統，適於配置於一載具上，藉以控制該載具的行駛，該載具控制系統包括：一雷射雷達感測器，用以偵測周遭環境的光信號以產生一三維點雲資訊；以及一處理單元，耦接該雷射雷達感測器，以接收該三維點雲資訊，其中該處理單元經配置以執行多個模組，所述模組包括：一可行駛區域判斷模組，以該載具的一初始位置作為基準，依據一單位時間最大移動距離與一回轉半徑定義一第一搜尋區域，並且依據該載具的一初始方向角調整該第一搜尋區域，藉以定義一第二搜尋區域；一路徑選擇模組，依據該三維點雲資訊在該第二搜尋區域內選擇一目標行駛路徑，其中該處理單元依據該目標行駛路徑控制該載具的行駛；一特徵擷取模組，用以擷取該二維點雲資訊中的環境特徵，並據以產生一點雲特徵資訊；以及一特徵比對模組，用以對該點雲特徵資訊與一預設地圖特徵資訊進行特徵比對，藉以從該點雲特徵資訊中獲得該初始位置與該初始方向角。
2. 如申請專利範圍第1項所述的載具控制系統，其中該初始位置與該初始方向角是基於該載具的行駛平面的絕對座標所建立，當該可行駛區域判斷模組定義該第一搜尋區域時：該可行駛區域判斷模組以該初始位置為圓心並且以該單位時間最大移動距離為半徑，藉以建立一第一區域；該可行駛區域判斷模組以距離該初始位置為該回轉半徑的一第一位置與一第二位置為圓心並且以該回轉半徑為半徑，藉以建立一第二區域與一第 三區域，其中該第二區域與該第三區域的聯集定義為一第四區域；以及該可行駛區域判斷模組取該第一區域與該第四區域的差集作為該第一搜尋區域。
3. 如申請專利範圍第2項所述的載具控制系統，其中在絕對座標中，該初始位置的座標為(x_p0,y_p0)，該第一位置的座標為(x_p0-r,y_p0)，並且該第二位置的座標為(x_p0+r,y_p0)。
4. 如申請專利範圍第2項所述的載具控制系統，其中當該可行駛區域判斷模組定義該第二搜尋區域時：該可行駛區域判斷模組以該初始方向角作為旋轉角度，沿行駛平面的法線方向旋轉該第一搜尋區域，藉以建立該第二搜尋區域。
5. 如申請專利範圍第1項所述的載具控制系統，其中該單位時間最大移動距離是依據該載具的行駛速度而決定。
6. 如申請專利範圍第1項所述的載具控制系統，其中：該特徵擷取模組對該三維點雲資訊進行偏擺校正，藉以產生一校正後點雲資訊；該特徵擷取模組依據該校正後點雲資訊進行分割演算，藉以獲得一三維特徵點資訊；該特徵擷取模組將該三維特徵點資訊轉換為一二維網格資訊；以及該特徵擷取模組依據該二維網格資訊擷取環境特徵，藉以產生包括有多個特徵點的該點雲特徵資訊。
7. 如申請專利範圍第6項所述的載具控制系統，其中：該特徵比對模組對該些特徵點的能量值進行平均能量運算，藉以濾除一特徵條件範圍以外的特徵點，從而產生一環境特徵資訊，其中該環境特 徵資訊指示該載具的一初始位置範圍與一初始方向角範圍；以及該特徵比對模組對該環境特徵資訊與該預設地圖特徵資訊進行特徵比對，藉以從該初始位置範圍中獲得該初始位置，並且從該初始方向角範圍中獲得該初始方向角。
8. 如申請專利範圍第7項所述的載具控制系統，其中該特徵比對模組採用正規化互相關匹配(NCC)演算法進行特徵比對。
9. 如申請專利範圍第7項所述的載具控制系統，其中該特徵比對模組採用交互平均絕對離差(Cross Mean Absolute Difference，ÇMAD)演算法進行特徵比對。
10. 如申請專利範圍第9項所述的載具控制系統，其中所 述CMAD演算法如下式表示： 其中，c(τ)表示該環境特徵資訊與該預設地圖特徵資訊的特徵點相似 程度，N為該預設地圖特徵資訊的維度，P_Lidar為該環境特徵資訊的特徵點能量，P_Map為該預設地圖特徵資訊的特徵點能量，其中，該特徵比對模組定義具有最小的特徵點相似程度所對應的特徵點位置為該初始位置，並且根據該初始位置定義該初始方向角。
11. 如申請專利範圍第1項所述的載具控制系統，其中該路徑選擇模組在該第二搜尋區域內，將該點雲特徵資訊與該預設地圖特徵資訊進行特徵比對，藉以獲得一目標行駛位置資訊與一目標行駛方向資訊。
12. 如申請專利範圍第11項所述的載具控制系統，其中該路徑選擇模組更以一卡曼濾波演算法對該目標行駛位置資訊進行處理，藉以獲得一優化目標行駛位置資訊，其中該路徑選擇模組更依據該優化目標行駛位置資訊與該行駛方向資訊控制該載具的行駛。
13. 一種載具控制方法，適於控制一載具的行駛，該載具控制方法包括：偵測周遭環境的光信號，藉以產生一三維點雲資訊；擷取該三維點雲資訊中的環境特徵，並據以產生一點雲特徵資訊；對該點雲特徵資訊與一預設地圖特徵資訊進行特徵比對，藉以從該點雲特徵資訊中獲得該初始位置與該初始方向角；以該載具的該初始位置作為基準，依據一單位時間最大移動距離與一回轉半徑定義一第一搜尋區域；依據該載具的該初始方向角調整該第一搜尋區域，藉以定義一第二搜尋區域；依據該三維點雲資訊在該第二搜尋區域內選擇一目標行駛路徑；以及依據該目標行駛路徑控制該載具的行駛。
14. 如申請專利範圍第13項所述的載具控制方法，其中以該載具的該初始位置作為基準，依據該單位時間最大移動距離與該回轉半徑定義該第一搜尋區域的步驟包括：以該初始位置為圓心並且以該單位時間最大移動距離為半徑，建立一第一區域；以距離該初始位置為該回轉半徑的一第一位置與一第二位置為圓心並且以該回轉半徑為半徑，建立一第二區域與一第三區域；取該第二區域與該第三區域的聯集為一第四區域；以及取該第一區域與該第四區域的差集作為該第一搜尋區域。
15. 如申請專利範圍第14項所述的載具控制方法，其中依據該載具的該初始方向角調整該第一搜尋區域，藉以定義該第二搜尋區域的步驟包括： 以該初始方向角作為旋轉角度，沿行駛平面的法線方向旋轉該第一搜尋區域，藉以建立該第二搜尋區域。
16. 如申請專利範圍第13項所述的載具控制方法，其中擷取該三維點雲資訊中的環境特徵，並據以產生該點雲特徵資訊的步驟包括：對該三維點雲資訊進行偏擺校正，藉以產生一校正後點雲資訊；依據該校正後點雲資訊進行分割演算，藉以獲得一三維特徵點資訊；將該三維特徵點資訊轉換為一二維網格資訊；以及依據該二維網格資訊擷取環境特徵，藉以產生包括有多個特徵點的該點雲特徵資訊。
17. 如申請專利範圍第16項所述的載具控制方法，其中對該點雲特徵資訊與該預設地圖特徵資訊進行特徵比對，藉以從該點雲特徵資訊中獲得該初始位置與該初始方向角的步驟包括：對該些特徵點的能量值進行平均能量運算，藉以濾除一特徵條件範圍以外的特徵點，從而產生一環境特徵資訊，其中該環境特徵資訊指示該載具的一初始位置範圍與一初始方向角範圍；以及對該環境特徵資訊與該預設地圖特徵資訊進行特徵比對，藉以從該初始位置範圍中獲得該初始位置，並且從該初始方向角範圍中獲得該初始方向角。
18. 如申請專利範圍第13項所述的載具控制方法，其中依據該三維點雲資訊在該第二搜尋區域內選擇該目標行駛路徑的步驟包括：在該第二搜尋區域內，將該點雲特徵資訊與該預設地圖特徵資訊進行特徵比對，藉以獲得一目標行駛位置資訊與一目標行駛方向資訊。