【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及自主车辆控制领域，具体地，它提出了一种用于使用概率占用网格控制自主车辆的系统和方法。
技术介绍
1、占用网格是用于控制在不完全了解的环境中移动的无人驾驶车辆或机器人的常用工具。从概念上讲，车辆在其上移动的表面(地面、道路、跑道、土地、地板等)被离散为单元，这些单元被标注为‘占用’或‘空闲’状态。在自主车辆领域中，几种不同种类和定义的占用网格共存。例如，占用网格可以是从网格单元到相应的操控性分数的映射。不同的操控性分数值可表示网格单元中存在障碍物、网格单元可供安全驾驶或确切的操控性是不确定的。替代地，占用网格可以是从网格单元到指示那些位置处存在障碍物的随机变量的映射。此外，用户社区已积累了丰富的占用网格经验，并且如今已经有非常高效的辅助软件功能，包括几何查找算法。
2、有关占用网格的总体介绍，请参考s.thrun等人于2005年在麻省理工学院出版社出版的刊号为isbn 9780262201629的《概率机器人学(智能机器人和自主代理系列)》。
3、通常使用地图数据来将占用网格初始化，该地图数据可以由地理信息系统(gis)提供。在车辆控制开始之后需要更新占用网格中的gis数据或其他初始化数据的用例并不罕见。更新可以是逐点的(例如，在预定的或触发的刷新事件时)或连续的，并且它可以基于来自固定或车载传感器(诸如雷达、激光雷达、光学和声学传感器)的数据。在这种用例中，占用网格已被反复证实是一种适合甚至从多个数据源吸收此类后续数据并将其与占用网格已经拥有的信息集成的媒介。传感器融合和slam (同时定位和地
4、wo2021097409a1公开了一种用于生成适用于在自主车辆被投放在真实交通环境中操作之前对其进行训练的人工传感器数据的基于计算机的方法。所公开的方法使用在自主车辆一次或多次经过感兴趣场景时收集的传感器数据，诸如最佳相机和激光雷达数据。在该方法中，为面元地图中的每个面元(表面元素)生成网格。网格可以具有多个网格单元，例如，以面元的点质心为中心的方形网格。使用作为生成对抗网络(面元-gan)实现的生成模型，该生成模型将面元渲染转换为更逼真的图像。在应用面元-gan之后，自动填充第一图像中缺失的间隙、孔洞和其他空间。其他对象(包括道路、交通信号灯、灯柱和标志)变得更加清晰和更加逼真。形状和大小参数用于指定面元的形状和大小，并且其取向可用法线向量表示。
技术实现思路
1、本公开的一个目标是提供用于在通过传感器探索的不完全已知环境中控制自主车辆的技术。另一目标是平衡车辆控制过程中来自传感器的新的测量数据和相对较晚的测量数据的影响。另一目标是降低车辆控制决策是基于过时的测量数据的风险，以及它们因此变得不确定或危险的风险。另一目标是基于占用网格实现此类车辆控制技术。又另一目标是将占用网格中的占用状态的惯常二值定义(‘占用’或‘空闲’)发展为制定和评估关于特定网格单元的多个并行假设的可能性。最后，本公开的总体目标是提出具有适度计算要求的控制技术，即，可预期贡献有限量的处理器负载、由此保留计算资源以供同一系统上的其他任务使用的技术。
2、这些目标中的至少一些是通过由独立权利要求限定的本专利技术来实现的。从属权利要求涉及本专利技术的有利实施方案。
3、在第一方面，提供了一种控制可在表面上移动的至少一辆自主车辆的方法。该方法包括：使用参考地图数据将占用网格初始化，其中，占用网格包括多个单元，每个单元表示表面的一部分并与多个障碍物假设和相应的概率分数相关联；从一个或多个传感器重复获取测量数据；将获取的测量数据与占用网格中的对应单元相关联；在所述对应单元中的每一者中，根据获取的测量数据来更新障碍物假设中的至少一者的概率分数；在所述对应单元之外，基于自从这些概率分数最近一次更新以来经过的时间来演变概率分数；以及基于占用网格来控制自主车辆。
4、在本公开中，“障碍物”应被广泛理解为可能损害或阻止车辆正常移动的任何事物(例如，坑洼、雪、冰、污染物、阻塞物理对象、土地、道路缺失、在路面的标称范围内道路材料缺失)。“概率分数”可以是在当前用例中为要执行的自主车辆控制提供足够的指导的任何量。概率分数可以具有一个最大值(例如，对应于自然语言中的陈述，诸如‘假设被证实’)、一个最小值(例如，‘假设被反驳’)和一个中性值(例如，‘假设不确定’)。概率分数可以被表示为离散或连续的数值变量。具体地，概率分数可以被定义为具有实数区间[0,1]内的值；然而，即使有这样的定义，概率分数也不必忠实地对应于统计意义上的概率。在此基础上，应当理解，假设“该网格单元包含可用道路”或另一个有利假设可被表达为镜像的不利假设“道路缺失”。然后，如果车辆控制器要求有利假设的概率分数至少为(对于某个可配置常数)，则这相当于要求不利假设的概率分数最多为。
5、根据第一方面的方法的特别有利的特性是其能够平衡来自传感器的新的测量数据和相对较晚的测量数据的影响。这是通过如下事实来实现的：当获取新的测量数据时，占用网格中的每个单元都会经历概率分数更新或概率分数演变。概率分数的演变可能反映用于最近一次更新该概率分数的测量数据的老化。在实际实现方式中，至少有两种方法确定是否获取了新的测量数据：
6、(a) 定义被分割为长度为的时间段的系统时间，并且在每个时间段到期之后检查哪些单元与测量数据相关联；或者
7、(b) 在每次执行重复获取测量数据的步骤(例如，对可用传感器进行轮询)之后，都会检查哪些单元与测量数据相关联。
8、无论重复获取测量数据的步骤是定期执行还是以事件触发的方式执行，都可实现选项(b)。具体地，该方法可以被实现使得获取测量数据的步骤和后续步骤中的至少一些定期地或以事件触发的方式重复。
9、在一些实施方案中，概率分数通过逐渐接近预定义极限值而演变。该极限值可以例如表示未经证实的障碍物假设(中性值，诸如0.5)。车辆控制器可能会将具有未经证实的障碍物假设的网格单元视为不确定的，并且其决策制定将趋向于谨慎，以便确保安全。
10、在这些实施方案的进一步发展中，第一预定义极限值适用于从中获取测量数据的传感器的视场之外的单元，并且第二预定义极限值适用于所述视场中的单元。第一预定义极限值可以表示未经证实的障碍物假设(例如，中性值，诸如0.5)，并且第二预定义极限值可以表示被反驳的障碍物假设(例如，最小值，诸如0.0)。
11、在一些实施方案中，概率分数是在所述对应单元与相应的传感器位置单元之间的任何中间单元中演变的。在本公开的术语中：
12、- 测量数据包括空间中反射、散射和/或衍射已由一个或多个传感器记录的点；
13、- 对应单元可被计算为空间中的点在占用网格上的投影(例如，将测量数据的空间坐标中的坐标离散化，使得它们对应于网格单元，并丢弃坐标)；
14、- 传感器位置单元是传感器位置在占用网格上的投影；并且
15、- 中间单元被理解为将对应单元中本文档来自技高网...
【技术保护点】
1.一种控制能够在表面(220)上移动的自主车辆(210)的方法(100)，其包括：
2.如权利要求1所述的方法，其中，演变(118)所述概率分数包括使每个概率分数逐渐接近(118.1)预定义极限值。
3.如权利要求2所述的方法，其中，第一预定义极限值适用于从中获取所述测量数据的传感器的视场之外的单元，并且第二预定义极限值适用于所述视场中的单元。
4.如权利要求3所述的方法，其中，所述第一预定义极限值表示未经证实的障碍物假设。
5.如权利要求3或4所述的方法，其中，所述第二预定义极限值表示被反驳的障碍物假设。
6.如前述权利要求中任一项所述的方法，其中，所述演变(118)是在所述对应单元与相应的传感器位置单元之间的任何中间单元上执行的。
7.如前述权利要求中任一项所述的方法，其中所述概率分数的所述更新(116)是基于所述测量数据与所述参考地图数据的比较。
8.如权利要求7所述的方法，其中，所述概率分数的所述更新(116)是基于测量的海拔与由所述参考地图数据指示的海拔的比较。
9.如前述
10.如前述权利要求中任一项所述的方法，其中，根据预定义评分模型更新(116)所述概率分数，所述评分模型特定于相应的障碍物假设和/或特定于从中获取所述测量数据的所述传感器。
11.如权利要求10所述的方法，其中，所述评分模型取决于所述传感器的更新率和/或空间测量密度。
12.如前述权利要求中任一项所述的方法，其中，所述占用网格中的所述障碍物假设包括以下各项中的一项或多项：坑洼、雪、冰、污染物、物理对象、土地、道路缺失、道路材料缺失。
13.如前述权利要求中任一项所述的方法，其中，所述传感器应用以下测量原理中的至少一者：光学、电磁反射、电磁散射、电磁衍射、激光雷达、色彩深度感测、毫米波雷达、超宽带雷达。
14.如前述权利要求中任一项所述的方法，其中，所述控制(120)所述自主车辆包括将所述障碍物假设的逐单元概率分数聚合(120.1)为占用概率。
15.如权利要求14所述的方法，其中，所述聚合(120.1)被限制于所述车辆的暂定轨迹上的单元或所述车辆附近的单元。
16.一种车辆控制器(300)，所述车辆控制器被配置为控制能够在表面(220)上移动的至少一辆自主车辆(210)，其中，所述自主车辆基于包括多个单元(231)的占用网格(230)进行控制，每个单元表示所述表面的一部分并且与多个障碍物假设和相应的概率分数相关联，所述车辆控制器包括：
17.一种计算机程序，其包括用于使如权利要求16所述的车辆控制器执行如权利要求1至15中任一项所述的方法的步骤的指令。
...【技术特征摘要】
【国外来华专利技术】
1.一种控制能够在表面(220)上移动的自主车辆(210)的方法(100)，其包括：
2.如权利要求1所述的方法，其中，演变(118)所述概率分数包括使每个概率分数逐渐接近(118.1)预定义极限值。
3.如权利要求2所述的方法，其中，第一预定义极限值适用于从中获取所述测量数据的传感器的视场之外的单元，并且第二预定义极限值适用于所述视场中的单元。
4.如权利要求3所述的方法，其中，所述第一预定义极限值表示未经证实的障碍物假设。
5.如权利要求3或4所述的方法，其中，所述第二预定义极限值表示被反驳的障碍物假设。
6.如前述权利要求中任一项所述的方法，其中，所述演变(118)是在所述对应单元与相应的传感器位置单元之间的任何中间单元上执行的。
7.如前述权利要求中任一项所述的方法，其中所述概率分数的所述更新(116)是基于所述测量数据与所述参考地图数据的比较。
8.如权利要求7所述的方法，其中，所述概率分数的所述更新(116)是基于测量的海拔与由所述参考地图数据指示的海拔的比较。
9.如前述权利要求中任一项所述的方法，其中，更新(116)所述概率分数包括应用(116.1)递归规则，诸如贝叶斯规则。
10.如前述权利要求中任一项所述的方法，其中，根据预定义评分模型更新(116)所述概率分数，所述评分模型特定于相应的障碍...
【专利技术属性】
技术研发人员：佩尔·林德奎斯特，彼得·维尔费尔特，芒努斯·林德贝格，李超，亨里克·凯泽，
申请(专利权)人：沃尔沃自主解决方案公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。