基于高清地图的定位优化制造技术

车辆(例如，自主车辆)在车辆行驶时使用不同的定位技术执行定位以确定车辆的当前位置。自主车辆使用的定位技术选自存储从驾驶情境到定位变量的映射的定位变量索引，每个定位变量识别定位技术。所述驾驶情境可以包括信息，该信息包括：所述自主车辆正在其中驾驶的地理区域、所述自主车辆正在驾驶的速度、所述自主车辆的角速度或其它信息。在每种驾驶情境中使用最优定位技术提高了定位的精度以及定位过程的计算效率。

【技术实现步骤摘要】
【国外来华专利技术】基于高清地图的定位优化相关申请的交叉引用本申请要求于2017年12月1日提交的美国临时申请62/593,334根据35USC119(e)的优先权权益，该美国临时申请的全部内容通过引用结合于此用于所有目的。
技术介绍
本公开总体上涉及自主车辆的定位，并且更具体地涉及基于驾驶情境(例如，自主车辆正在驾驶的地理区域、一天中的时间、自主车辆的速度等)来优化自主车辆所使用的定位策略。自主车辆(也称为自动驾驶汽车、无人驾驶汽车、汽车或机器人汽车)从源位置驾驶到目的地位置，而不需要人类驾驶员来控制和导航车辆。自主车辆需要精确地确定它们的位置以便能够导航。自主车辆使用传感器数据来确定它们的位置。存在几种技术可用于确定自主车辆的位置。这些技术可取决于用于确定位置的传感器数据的类型，例如相机图像、激光雷达扫描、全球定位系统(GPS)数据、惯性测量单元(IMU)数据等。某些本地化技术在某些情况下可能工作得更好，而另一种技术在其他情况下可能工作得更好。例如，基于激光雷达信号的定位技术可以在一些情况下更好地工作，而基于全球定位系统(GPS)和惯性测量单元(IMU)的定位技术可以在不同情况下更好地工作。类似地，在具有房屋或建筑物和树木的街道上，基于几何激光雷达的定位可以表现得非常好。然而，在没有有趣垂直几何形状的公路上，相同的定位技术可能无法识别自主车辆的向前位置或偏航角。定位技术的性能取决于各种因素，例如，可用传感器数据的类型、地形类型、可用信号的类型、车辆是在城市还是在高速公路上行驶、车辆旁边是否有卡车行驶遮挡了侧面的视野等。定位必须以高频率周期性地执行，以允许自主车辆正确地导航。传统系统使用特定的定位技术，当控制定位技术精度的因素改变时，该技术可能会失败。在一个地理区域中工作良好的定位技术可以在另一地理区域中工作不良，例如，其可能花费显著更长的时间来处理或具有低精度。此外，定位技术具有需要针对不同驾驶情境调整的参数。在一个地理区域中工作良好的参数可能在另一地理区域中工作不良。如果定位过程失败，则自主车辆可能不能正确地导航。
技术实现思路
本专利技术的实施例在自主车辆行驶时使用不同的定位技术来执行自主车辆的定位。使用存储从驾驶情境到定位变量的映射的定位变量索引来选择自主车辆所使用的定位技术。定位变量识别定位技术和与该定位技术相关联的一个或多个参数的值。定位技术的示例包括：基于相机图像的定位技术、基于激光雷达扫描的定位技术、基于GNSS数据的定位技术和基于IMU数据的定位技术。可以存在基于相同定位技术的多个定位变量，例如，对应于相同定位技术的不同参数值的不同定位变量。所述驾驶情境包括描述以下各项中的一个或多个的信息：所述自主车辆正驾驶的地理区域、所述自主车辆正驾驶的一天中的时间、描述在所述自主车辆正驾驶时所述自主车辆正驾驶的地理区域中的天气状况的信息、所述自主车辆正驾驶的速度、或所述自主车辆的角速度。系统存储多个定位变量。每个定位变量代表用于确定自主车辆的位置的定位技术。该系统还存储描述多个驾驶情境的信息。驾驶情境可被表示为具有诸如地理区域、一天中的时间、天气状况、自主车辆的速度、自主车辆的角速度等的各种元素的元组。系统构建将驾驶情境映射到定位变量的定位索引。该系统基于驾驶情境中的定位变量的性能测量将每个驾驶情境映射到一个或多个定位变量。在实施例中，所述系统为每个传感器模态存储多个定位变量。传感器模态对应于定位变量所使用的传感器输入的类型，例如，基于激光雷达扫描的定位变量表示传感器模态，基于相机的定位变量表示另一传感器模态，等等。因此，车辆计算机系统选择用于使用的特定传感器模态并选择用于定位的传感器模态的一个或多个定位变量。在一个实施例中，所述车辆计算系统使用不同的传感器确定定位变量的置信度测量值和跨定位变量的协方差测量值。所述车辆计算系统使用卡尔曼滤波集成来自不同传感器模态的定位变量的结果。基于卡尔曼滤波的定位变量的集成使用置信度值的测量值和协方差值的测量值。自主车辆在行驶过程中使用定位索引，具体如下。所述自主车辆接收由自主车辆的传感器捕获的传感器数据。所述自主车辆使用传感器数据来确定自主车辆当前正在其中驾驶的驾驶情境。例如，自主车辆可基于传感器数据确定近似位置并基于该近似位置确定地理区域。所述自主车辆使用定位索引来选择对应于驾驶情境的一个或多个定位变量。所述自主车辆使用所选择的定位变量来确定自主车辆的位置，并使用该位置来导航自主车辆。当自主车辆行驶时重复这些步骤。在一个实施例中，系统建立如下的定位索引。系统针对每个驾驶情境重复以下步骤。对于多个定位变量中的每一个，系统确定定位变量的性能的度量。该系统基于性能度量来对定位变量进行排名。系统基于排名为驾驶情境选择一个或多个定位变量，并将驾驶情境与所选择的定位变量之间的关联存储在定位索引中。可以基于一个或多个因素来确定特定驾驶情境中的定位变量的性能度量，这些因素包括：在驾驶情境中使用定位变量的定位错误、在驾驶情境中执行定位变量的时间、或者在驾驶情境中定位变量的成功率。如果定位变量确定自主车辆的位置在准确位置值的阈值内，则定位变量是成功的。在一个实施例中，系统将地理区域的表示存储为例如多边形。定位索引将地理区域映射到定位变量。自主车辆确定自主车辆当前正在其中驾驶的地理区域。自主车辆选择对应于地理区域的一个或多个定位变量并使用它们进行定位。在一个实施例中，系统存储车道元素的表示，每个车道元素对应于街道(或高速公路、道路等)的车道的一部分。定位索引将车道元素映射到定位变量。自主车辆确定自主车辆当前正在其中驾驶的车道元素。自主车辆选择对应于车道元素的一个或多个定位变量并使用它们进行定位。在一个实施例中，系统将位置坐标(例如，纬度和经度)映射到定位变量。自主车辆例如使用GPS数据或IMU数据来确定自主车辆的当前坐标。系统识别存储在定位变量索引中的存储定位变量的最近坐标。该系统使用与离自主车辆的位置最近的坐标相关联地存储的定位变量来执行定位。虽然结合自主车辆描述了实施例，但是本文描述的技术可以由其他类型的车辆使用，例如，由人类驾驶员驾驶的车辆。此外，本专利技术的实施例可用于其它类型的可导航机器，例如机器人、船舶、无人机、飞机等。附图说明图1示出了根据一个实施例的与多个车辆计算系统交互的HD地图系统的整体系统环境。图2示出了根据一个实施例的车辆计算机系统的系统架构。图3示出了根据一个实施例的车辆计算系统的HDMapAPI中的指令的各个层。图4示出了根据一个实施例的HD地图系统的系统架构。图5示出了根据一个实施例的HD地图的组件。图6A至图6B示出了根据一个实施例的在HD地图中定义的地理区域。图7示出了根据一个实施例的HD地图中的车道的表示。图8A至图8B示出了根据一个实施例的车道元素以及HD地图中的车道元素之间的关系。图9描述了根据一个实施例的定位模块的系统架构。图10示出了根据实施例的用于执行车辆定位的过程。图11示出了根据一个实施例的用于构建本文档来自技高网...

【技术保护点】
1.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行包括以下的步骤：/n存储多个定位变量，每个定位变量表示用于确定自主车辆的位置的定位技术，其中，所述定位技术与一个或多个参数相关联，所述定位变量为所述一个或多个参数中的每一个指定一组值；/n存储描述多个地理区域的信息；/n构建将驾驶情境映射到定位变量的定位索引，其中，基于一个或多个定位变量中的每一个在驾驶情境中的性能测量，将所述驾驶情境映射到所述一个或多个定位变量；/n在驾驶时由自主车辆重复以下步骤：/n通过所述自主车辆接收由所述自主车辆的传感器捕获的传感器数据；/n通过所述自主车辆基于所述传感器数据确定所述自主车辆的当前驾驶情境；/n通过所述自主车辆使用所述定位索引确定对应于所述当前驾驶情境的定位变量；/n通过所述自主车辆使用所述定位变量确定所述自主车辆的位置；以及/n通过所述自主车辆基于所述自主车辆的位置进行导航。/n

【技术特征摘要】
【国外来华专利技术】20171201 US 62/593,3341.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行包括以下的步骤：
存储多个定位变量，每个定位变量表示用于确定自主车辆的位置的定位技术，其中，所述定位技术与一个或多个参数相关联，所述定位变量为所述一个或多个参数中的每一个指定一组值；
存储描述多个地理区域的信息；
构建将驾驶情境映射到定位变量的定位索引，其中，基于一个或多个定位变量中的每一个在驾驶情境中的性能测量，将所述驾驶情境映射到所述一个或多个定位变量；
在驾驶时由自主车辆重复以下步骤：
通过所述自主车辆接收由所述自主车辆的传感器捕获的传感器数据；
通过所述自主车辆基于所述传感器数据确定所述自主车辆的当前驾驶情境；
通过所述自主车辆使用所述定位索引确定对应于所述当前驾驶情境的定位变量；
通过所述自主车辆使用所述定位变量确定所述自主车辆的位置；以及
通过所述自主车辆基于所述自主车辆的位置进行导航。


2.根据权利要求1所述的非暂时性计算机可读存储介质，其中，用于基于所述自主车辆的位置导航所述自主车辆的指令包括用于以下操作的指令：
使用所确定的所述自主车辆的位置，来确定用于导航所述自主车辆的控制信号；以及
将所述控制信号发送到所述自主车辆的控制器。


3.根据权利要求1所述的非暂时性计算机可读存储介质，其中，用于构建定位索引的指令包括用于以下操作的指令：
对于每种驾驶情境，执行以下步骤：
对于所述多个定位变量中的每一个，确定所述定位变量的性能的度量；
基于所述多个定位变量中的每一个的性能度量，对所述多个定位变量进行排名；
基于所述排名从所述多个定位变量中选择用于所述驾驶情境的一个或多个定位变量；以及
在所述定位索引中存储所述驾驶情境与所述一个或多个定位变量之间的关联。


4.根据权利要求3所述的非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质还包括用于以下操作的指令：
响应于选择用于所述驾驶情境的特定定位变量，评估多个相关定位变量，所述相关定位变量通过改变所述特定定位变量的一个或多个参数的值而获得。


5.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述驾驶情境包括以下各项中的一个或多个：
所述自主车辆正在其中驾驶的地理区域；
所述自主车辆正在驾驶时的一天中的时间；
描述在所述自主车辆正在行驶的时间所述自主车辆正在行驶的所述地理区域中的天气状况的信息；
所述自主车辆行驶的速度；或者
所述自动车辆的角速度。


6.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述多个定位变量包括以下各项中的一个或多个：
使用基于相机图像的定位技术的定位变量，
使用基于激光雷达扫描的定位技术的定位变量，
使用基于GNSS数据的定位技术的定位变量，或者
使用基于IMU数据的定位技术的定位变量。


7.根据权利要求1所述的非暂时性计算机可读存储介质，其中，基于一个或多个因素确定特定驾驶情境中的定位变量的性能度量，所述一个或多个因素包括：
在驾驶情境中使用所述定位变量的定位中的误差，
在所述驾驶情境中执行所述定位变量的时间，或者
所述定位变量在所述驾驶情境中的成功率，其中，如果所述定位变量确定所述自主车辆的位置在准确位置值的阈值内，则所述定位变量是成功的。


8.根据权利要求1所述的非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质还包括用于以下操作的指令：
确定定位变量的性能的度量，包括：
访问地理区域的高清地图；
访问由先前驾驶通过所述地理区域的自主车辆收集的传感器数据；以及
使用所述传感器数据来评估所述多个定位变量中的每一个。


9.根据权利要求1所述的非暂时性计算机可读存储介质，其中，所述定位索引将定位变量与车道的部分的表示相关联，其中，使用所述定位索引来确定所述自主车辆的定位变量包括用于以下操作的指令：
识别所述自主车辆正在其中驾驶的车道的一部分；以及
选择与所述车道的所述一部分相关联的定位变量。


10.根据权利要求1所述的非暂时性计算机可读存储介质，其中，
定位索引将定位变量与位置坐标相关联，其中，使用所述定位索引来确定所述自主车辆的定位变量包括用于以下操作的指令：
识别存储在所述自主车辆的所述定位索引中的一组坐标，其中，所述一组坐标最接近所述自主车辆的当前位置；以及
选择与所识别的一组坐标相关联的定位变量。


11.根据权利要求1所述的非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质还包括用于以下操作的指令：
训练用于评估定位变量的基于机器学习的模型，所述基于机器学习的模型被配置为接收驾驶情境的描述作为输入；并且
其中，构建所述定位索引包括执行所述基于机器学习的模型以确定映射到地理区域的定位变量。


12.根据权利要求1所述的非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质还包括用于以下操作的指令：
对于每种类型的传感器，对于每个地理区域，确定定位变量的收敛置信度的度量；以及
使用卡尔曼滤波对来自多个定位变量的结果进行积分，所述多个定位变量中的每一个针对一种类型的传感器，所述定位变量中的每一个的结果基于其各自的收敛置信度而被加权。


13.根据权利要求1所述的非暂时性计算机可读介质，所述非暂时性计算机可读存储介质还包括用于以下操作的指令：
对于多对传感器中的每一对，基于相应传感器确定定位变量之间的协方差的度量，其中，使用卡尔曼滤波对来自多个定位变量的结果进行积分进一步基于所确定的协方差的度量。


14.一种计算机实现的方法，该方法包括：
存储多个定位变量，每个定位变量表示用于确定自主车辆的位置的定位技术，其中，所述定位技术与一个或多个参数相关联，所述定位变量为所述一个或多个参数中的每一个指定一组值；
存储描述多个地理区域的信息；
构建将驾驶情境映射到定位变量的定位索引，其中，基于一个或多个定位变量中的每一个在驾驶情境中的性能测量，将所述驾驶情境映射到所述一个或多个定位变量；
在驾驶时由自主车辆重复以下步骤：
通过所述自主车辆接收由所述自主车辆的传感器捕获的传感器数据；
通过所述自主车辆基于所述传感器数据确定所述自主车辆的当前驾驶情境；
通过所述自主车辆使用所述定位索引确定对应于所述当前驾驶情境的定位变量；
通过所述自主车辆使用所述定位变量确定所述自主车辆的位置；以及
通过所述自主车辆基于所述自主车辆的位置进行导航。


15.根据权利要求14所述的计算机实现的方法，其中，基于所述自主车辆的位置导航所述自主车辆包括：
使用所确定的所述自主车辆的位置，来确定用于导航所述自主车辆的控制信号；以及
将所述控制信号发送到所述自主车辆的控制器。


16.根据权利要求14所述的计算机实现的方法，其中，构建定位索引包括：
对于每种驾驶情境，执行以下步骤：
对于所述多个定位变量中的每一个，确定所述定位变量的性能的度量；
基于所述多个定位变量中的每一个的性能度量，对所述多个定位变量进行排名；
基于所述排名从所述多个定位变量中选择用于所述驾驶情境的一个或多个定位变量；以及
在所述定位索引中存储所述驾驶情境与所述一个或多个定位变量之间的关联。


17.根据权利要求16所述的计算机实现的方法，所述方法进一步包括：
响应于选择用于所述驾驶情境的特定定位变量，评估多个相关定位变量，所述相关定位变量通过改变所述特定定位变量的一个或多个参数的值而获得。


18.根据权利要求14所述的计算机实现的方法，其中，所述驾驶情境包括以下各项中的一个或多个：
所述自主车辆正在其中驾驶的地理区域；
所述自主车辆正在驾驶时的一天中的时间；
描述在所述自主车辆正在行驶的时间所述自主车辆正在行驶的所述地理区域中的天气状况的信息；
所述自主车辆行驶的速度；或者
所述自动车辆的角速度。


19.根据权利要求14所述的计算机实现的方法，其中，所述多个定位变量包括以下各项中的一个或多个：
使用基于相机图像的定位技术的定位变量，<...

【专利技术属性】
技术研发人员：马克·达蒙·惠乐，
申请(专利权)人：迪普迈普有限公司，
类型：发明
国别省市：美国;US