车辆定位系统和方法技术方案

一种车辆定位系统和方法，包括：从第一传感器获取指示车辆的第一导航状态的第一数据；从第二传感器获取指示该车辆附近的环境的第二数据；使用通信地耦接到该第一传感器和该第二传感器的处理器，基于将该第二数据匹配到该环境的已知地图来生成第二导航状态；以及使用该处理器，基于该第一导航状态和该第二导航状态来生成当前导航状态。态来生成当前导航状态。态来生成当前导航状态。

【技术实现步骤摘要】
【国外来华专利技术】车辆定位系统和方法


[0001]本披露内容总体上涉及车辆定位系统和方法，并且更具体地涉及将测距传感器与导航传感器结合进行车辆定位。

技术介绍

[0002]GNSS接收器是用于确定室外车辆位置的最常见解决方案。GNSS接收器提供从几厘米到几米不等的精度，该精度可能会基于不同的模式和操作条件而变化。例如，在差分模式(其需要在流动站GNSS接收器或虚拟参考站网络的特定距离内的本地参考站)或精确点定位(PPP)模式下操作的GNSS接收器可以提供厘米、分米或亚米级别的精度。然而，在没有清晰的天空视野以及到多颗卫星的直接视线的情况下，GNSS接收器不能保持其精度。结果，在高楼林立的市区中、在穿过地下隧道时、在立交桥下行进时、或在树冠或其他障碍物下驾驶时，GNSS性能会大大降低。
[0003]自主和联网车辆可以采用多传感器融合方法进行车辆定位，以克服仅GNSS方法中固有的局限性。这种多传感器融合方法可以将来自GNSS的数据与比如惯性传感器、相机和LiDAR设备等其他传感器系统结合。这种方法同样地受到基于比如低能见度(夜间或有雾的环境)、雨(它可以散射LiDAR信号并且覆盖相机镜头)、以及雪(它可以阻挡相机镜头和LiDAR发射器)等操作条件的不同性能的影响。
[0004]车辆定位的进一步方法依赖于嵌入环境中的外部传感器基础设施来监测和跟踪车辆。这种方法在封闭或受控的室内或室外环境中很普遍。然而，需要在感兴趣区域中安装和维护专门的基础设施，这大大增加了车辆定位系统的成本和复杂性，并且将车辆定位系统的应用限制在具有所需的外部传感器基础设施的特定区域。
[0005]仍然期望在车辆定位方面进行进一步的改进和进展，以克服已知技术的缺陷，并且提供额外的优势。
[0006]本节旨在介绍可能与本披露内容相关联的本领域的各个方面。这种讨论被认为有助于提供参照标准以促进更好地理解本披露内容的特定方面。相应地，应当理解的是，本节应该从这个角度被解读，而不一定是承认其为现有技术。
附图说明
[0007]现在将参考附图仅通过示例来描述实施例。
[0008]图1是使用如本文披露的基于RADAR的车辆定位系统以及基于由在车辆上配备的RADAR传感器生成的RADAR数据的对应点地图操作的车辆的简图。
[0009]图2是在图1所描绘的车辆上配备的基于RADAR的车辆定位系统的实施例的框图。
[0010]图3是图1中描绘的车辆的简图，该简图包括用于每个RADAR传感器参考系、车辆参考系、以及导航参考系的x
‑
y坐标系的叠加。
[0011]图4A至图4D是根据如本文披露的车辆定位系统和方法在车辆上提供一个或多个RADAR传感器的实施例。
[0012]图5是用于存储RADAR传感器数据、相对车辆位姿变换、以及时间戳(time epoch)的FIFO结构实施例的简图。
[0013]图6A是包括多个物体的已知地图的实施例。
[0014]图6B是图6A所示的、进一步被划分为四个地图区域的已知地图。
[0015]图6C是6B中描绘的西南角地图区域的图示。
[0016]图6D是图6C中描绘的地图区域的图示，该地图区域包括当从车辆看时可见的地图元素和不可见的地图元素。
[0017]图6E展示了图6D中描绘的、进一步被细分为单元格的地图区域，以为每个单元格生成概率分布函数。
[0018]图7是图6A和图6B所示的已知地图的状态转换图的实施例，用于确定到不同地图和不同地图区域的转换。
[0019]图8是基于图2所示的车辆定位系统的基于RADAR的车辆定位方法的框图。
[0020]图9是展示了图8中描绘的基于RADAR的车辆定位方法的进一步步骤的系统框图。
[0021]图10是被表达为密集点云的地下停车场的已知地图，被用于穿过图11所示的测试轨迹的车辆，其中，该车辆配备有根据本文披露内容的基于RADAR的车辆定位系统的实施例。
[0022]图11是车辆测试轨迹在图10所示的密集点云上的叠加图。车辆穿过配备有如本文披露的基于RADAR的车辆定位系统的实施例的测试轨迹。
[0023]图12A展示了在图11中所示的车辆测试轨迹的过程中生成的未处理的RADAR点云。
[0024]图12B展示了图12A中描绘的、经过处理以去除噪声的RADAR点云。
[0025]图13A是基于在进入测试轨迹的离散时间点(25秒)生成的RADAR数据的点云，如图12B中标记的那样。
[0026]图13B是基于在进入测试轨迹的离散时间点(60秒)生成的RADAR数据的点云，如图12B中标记的那样。
[0027]图14展示了用于第二车辆测试的环境。环境被展示为四张地图，包括室内区域的地图、室外区域的地图、以及使室内区域和室外区域互连的匝道的两张地图。配备有如本文披露的车辆定位系统和方法的车辆穿过四个区域，如图15中进一步所示。
[0028]图15展示了叠加在图14所示的四张地图上的车辆轨迹。车辆轨迹反映了车辆上提供的车辆定位系统和方法所产生的导航状态。
[0029]在整个附图中，有时仅为简单起见和避免混乱，视图中可见的元素的仅一个实例或少于所有实例由引导线和参考字符指定。然而，应当理解的是，在这种情况下，根据对应的描述，所有其他实例被同样指定并包含在对应的描述中。
具体实施方式
[0030]下面是如本文披露的车辆定位系统和方法的示例。
[0031]在一方面中，本文披露的车辆定位系统包括第一传感器，该第一传感器被配置成生成指示车辆的第一导航状态的第一数据；第二传感器，该第二传感器被配置成生成指示该车辆附近的环境的第二数据；以及处理器，该处理器通信地耦接到该第一传感器和该第二传感器，该处理器被配置成：基于将该第二数据匹配到该环境的已知地图来生成第二导
航状态，以及基于该第一导航状态和该第二导航状态来生成当前导航状态。
[0032]在实施例中，该处理器被配置成基于该第二数据来生成点云，其中，该第二导航状态基于将该点云与该已知地图进行匹配。在实施例中，该点云包括指示该车辆附近的物体的多个反射点。在实施例中，该处理器被配置成去除指示动态物体的反射点。在实施例中，该处理器被配置成基于使用从该第一数据得到的相对车辆位姿变换将该第二数据累积到共同参考系中来生成该点云。在实施例中，该共同参考系是导航参考系。
[0033]在实施例中，该第一导航状态包括第一车辆位姿，该第一车辆位姿包括第一车辆位置和第一车辆前进方向。在实施例中，该相对车辆位姿变换是车辆位姿从先前车辆位姿到该第一车辆位姿的变化。
[0034]在实施例中，该处理器被配置成基于对该点云进行变换以匹配该已知地图来生成地图变换函数。在实施例中，该第二导航状态是基于该地图变换函数的。在实施例中，该变换是包括变换参数的迭代变换。在实施例中，该变换参数包括最大迭代次数和最小迭代步长。在实施例中，该变换参数包括地图分辨率。
...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于车辆的定位系统，包括第一传感器，该第一传感器被配置成生成指示该车辆的第一导航状态的第一数据；第二传感器，该第二传感器被配置成生成指示该车辆附近的环境的第二数据；处理器，该处理器通信地耦接到该第一传感器和该第二传感器，该处理器被配置成：基于将该第二数据匹配到该环境的已知地图来生成第二导航状态，以及基于该第一导航状态和该第二导航状态来生成当前导航状态。2.如权利要求1所述的系统，其中，该处理器被配置成基于该第二数据来生成点云，其中，该第二导航状态基于将该点云与该已知地图进行匹配。3.如权利要求2所述的系统，其中，该点云包括指示该车辆附近的物体的多个反射点。4.如权利要求3所述的系统，其中，该处理器被配置成去除指示动态物体的反射点。5.如权利要求2至4中任一项所述的系统，其中，该处理器被配置成基于使用从该第一数据得到的相对车辆位姿变换将该第二数据累积到共同参考系中来生成该点云。6.如权利要求5所述的系统，其中，该共同参考系是导航参考系。7.如权利要求5或6所述的系统，其中，该第一导航状态包括第一车辆位姿，该第一车辆位姿包括第一车辆位置和第一车辆前进方向。8.如权利要求7所述的系统，其中，该相对车辆位姿变换是车辆位姿从先前车辆位姿到该第一车辆位姿的变化。9.如权利要求1至8中任一项所述的系统，其中，该处理器被配置成基于对该点云进行变换以匹配该已知地图来生成地图变换函数。10.如权利要求9所述的系统，其中，该第二导航状态是基于该地图变换函数的。11.如权利要求9或10所述的系统，其中，该变换是包括变换参数的迭代变换。12.如权利要求11所述的系统，其中，该变换参数包括最大迭代次数和最小迭代步长。13.如权利要求11或12所述的系统，其中，该变换参数包括地图分辨率。14.如权利要求9至13中任一项所述的系统，其中，该处理器被配置成基于该点云与该已知地图之间的匹配来生成匹配似然性得分。15.如权利要求14所述的系统，其中，该匹配似然性得分是基于贝叶斯匹配方法或点云配准方法生成的。16.如权利要求14所述的系统，其中，该点云配准方法为迭代最近点方法或正态分布变换方法。17.如权利要求1至16中任一项所述的系统，其中，该已知地图包括表示该环境中的物体的多个地图元素。18.如权利要求17所述的系统，其中，该多个地图元素包括线段、点、或多边形中的至少一者。19.如权利要求17或18所述的系统，其中，该处理器被配置成基于该第一车辆导航状态来从该已知地图中去除不可见的地图元素。20.如权利要求17至19中任一项所述的系统，其中，该处理器被配置成基于在与新地图相邻的边界区域中检测到该第一导航状态来获得该新地图。21.如权利要求1至20中任一项所述的系统，其中，该第一传感器被配置成在第一参考系中生成该第一数据，并且该第二传感器被配置成在第二参考系中生成该第二数据。
22.如权利要求21所述的系统，其中，该处理器被配置成将该第一数据和该第二数据变换到车辆参考系中。23.如权利要求1至22中任一项所述的系统，其中，该第二传感器是测距传感器，并且该第二数据是由该测距传感器生成的测距数据。24.如权利要求23所述的系统，其中，该测距传感器是无线电探测和测距(RADAR)传感器，并且该测距数据是由该RADAR传感器生成的RADAR数据。25.如权利要求24所述的系统，其中，该RADAR传感器是多个RADAR传感器。26.如权利要求24或25所述的系统，其中，该RADAR数...

【专利技术属性】
技术研发人员：莫斯塔法，
申请(专利权)人：深远定位有限公司，
类型：发明
国别省市：