用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络的制作方法
【专利摘要】本发明涉及用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络。具体地，提供了一种用于融合来自车辆上的多个LiDAR传感器的输出的系统和方法。该方法包括提供先前采样时间由这些传感器检测到的物体的物体档案，其中物体档案识别检测到的物体的位置、取向和速度。该方法还包括接收当前采样时间来自传感器视野中检测到的物体的多个扫描返回，并从这些扫描返回构造点云。然后该方法将点云中的扫描点分割为预测群，其中每个群初始地识别由传感器检测到的物体。该方法将预测群与从先前采样时间期间正被追踪的物体生成的预测物体模型进行匹配。该方法创建新的物体模型、删除正在消失的物体模型，并基于当前采样时间的物体模型来更新物体档案。
【专利说明】用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络
[0001]相关申请的交叉引用
[0002]本申请要求2012年3月15日提交的名称为“Bayesian Network to TrackObjects Usmg Scan Points Using Multiple LiDAR Sensors” 且序列号为 N0.61/611471的美国临时专利申请的 优先权日:期的权益。
【技术领域】
[0003]本申请总体上涉及融合来自车辆上多个传感器的输出的系统和方法，并且更特别地，涉及使用贝叶斯网络融合来自车辆上多个激光雷达(LiDAR)传感器的扫描点的系统和方法。
【背景技术】
[0004]许多现代车辆都包括有物体检测传感器，其被用于使能够实现碰撞警告或防止碰撞以及其他主动安全应用。物体检测传感器可以使用多种检测技术，例如，短程雷达、带有图像处理的摄像机、激光或激光雷达、超声波，等等。物体检测传感器检测主车辆路径中的车辆及其他物体，并且应用软件使用物体检测信息来提供警告或采取适当的措施。在许多车辆中，物体检测传感器被直接集成在车辆的前端或其他仪表盘中。
[0005]为了使应用软件被最优地执行，物体检测传感器必需关于车辆被正确地调准。例如，如果传感器检测到确实位于主车辆路径内的物体，但由于传感器未调准，所以传感器判断该物体稍微偏向主车辆路径的左侧，这将导致应用软件出现严重后果。即使车辆上有多个前向的物体检测传感器，将它们全部正确地调准也是非常重要的，以便将不一致的传感器读数最小化或去除。
[0006]LiDAR传感器是这样一种类型的传感器，其有时用于车辆上以检测车辆周围的物体并提供距这些物体的距离。LiDAR传感器是令人期望的，这是因为其可以提供被追踪物体的方向，而其他类型的传感器，例如视频系统和雷达传感器一般不能够提供被追踪物体的方向。对于某个类型的LiDAR传感器，来自物体的反射扫描点返回，所述扫描点作为点群距离图的一部分，其中在传感器的视野中每隔1/2°便提供一单独的扫描点。因此，如果在主车辆前方检测到目标车辆，那么可以返回多个扫描点以确定目标车辆距离主车辆的距离。
[0007]车辆可以具有多个LiDAR传感器以提供车辆周围360°的视野。所述多个LiDAR传感器可以包括侧视传感器、后视传感器和前视传感器。每个传感器都独立于其他传感器在各自的视野里追踪物体。使用从多个传感器返回的扫描点，生成距离图以追踪接近主车辆的物体。对于带有多个LiDAR传感器的车辆，将返回多个点群图，并且对于重叠的传感器视野，这些传感器可能会追踪同一物体。因此，有必要对这些传感器的扫描点图进行组合，使得被这些传感器追踪的同一物体被处理为单个目标。
[0008]2010年11月9日提交的序列号为N0.12/942456且标题为“System and Methodsfor Tracking Objects”的美国专利申请被转让给本申请的所有人,在此通过引用被并入，其公开了一种使用LiDAR传感器从主车辆监控目标物体的距离和方向的技术。该应用局限于使用单个的LiDAR传感器，并且也没有公开对来自多个LiDAR传感器的返回进行融合。
【发明内容】
[0009]依据本发明的教导，公开了一种方法和系统，用于使用贝叶斯网络融合来自车辆上多个LiDAR传感器的输出。该方法包括:提供由LiDAR传感器在先前采样时间检测到的物体的物体档案，其中所述物体档案识别了所检测物体的位置、取向和速度。该方法还包括:接收来自当前采样时间的在传感器视野中检测到的物体的多个扫描返回；以及，从这些扫描返回来构造点云。然后，该方法将点云中的扫描点划分为预测扫描群，其中每个群初始地识别由传感器检测的物体。该方法将这些预测群与在先前采样时间期间从被追踪的物体生成的预测物体模型进行匹配。该方法合并下述这样的预测物体模型，这些预测物体模型在先前的采样时间中被识别为一些单独的扫描群，而现在则被识别为单一扫描群；并且，该方法拆分下述这样的预测物体模型，这些预测物体模型在先前的采样时间中被识别为单一扫描群，而现在在当前采样时间中则被识别为一些单独的扫描群。该方法创建新的物体模型、删除正在消失的物体模型，以及基于当前采样时间的物体模型来更新物体档案。
[0010]本发明还包括下列技术方案:
[0011]方案1.一种用于对来自车辆上的多个LiDAR传感器的输出进行融合的方法，所述方法包括:
[0012]提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型；
[0013]追踪由这些传感器检测到的这些物体的物体模型；
[0014]将来自所述先前扫描时间的这些物体档案中的被追踪的物体模型进行投影，以提供预测物体模型；
[0015]接收当前采样时间时来自这些传感器的视野中被检测到的这些物体的多个扫描返回；
[0016]从这些扫描返回来构造扫描点云；
[0017]将所述点云中的扫描点分割为预测扫描群，其中每个扫描群初始地识别由这些传感器检测到的物体；
[0018]将所述预测扫描群与所述预测物体模型进行匹配；
[0019]将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合；
[0020]将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分；
[0021 ]为所述当前采样时间内检测到而在所述先前采样时间内未出现的物体创建新的物体模型；
[0022]删除在所述预测扫描群中不再存在的物体模型；
[0023]基于融合的物体模型、拆分的物体模型、新的物体模型和删除的物体模型，提供物体模型更新；和
[0024]使用所述物体模型更新来对所述当前采样时间的物体档案进行更新。
[0025]方案2.根据方案I所述的方法，其中，分割所述点云中的扫描点包括:分离所述点云中的扫描点的群，使得这些群识别正被追踪的单独物体。
[0026]方案3.根据方案I所述的方法，其中，将所述预测扫描群和所述预测物体模型进行匹配包括:生成使所述扫描群与所述预测物体模型匹配的二部图。
[0027]方案4.根据方案3所述的方法，其中，生成二部图包括将所述扫描点定位在所述图的顶点处。
[0028]方案5.根据方案3所述的方法，其中，融合预测物体模型和拆分预测物体模型包括将所述二部图转换为导出的二部图，所述导出的二部图显示了正被融合或拆分的物体模型。
[0029]方案6.根据方案5所述的方法，其中，将所述二部图转换为导出的二部图包括为所述导出的二部图计算权重和边的基数，其中每个权重标示了至少一个传感器的扫描点中的一个扫描点相对于这些传感器中另一个传感器的扫描点的位置的位置变化，并且所述边限定了物体模型点和分割的扫描点之间的匹配。
[0030]方案7.根据方案6所述的方法，其中，将所述二部图转换为导出的二部图包括将所述边的基数与阈值进行比较，并且如果所述基数大于所述阈值则突出显示所述边，并且如果没有被突出显示则移除该边。
[0031]方案8.根据方案7所述的方法，其中，删除在所述预测扫描群中不再存在的物体模型包括删除连接到被移除的边的物体模型。
[0032]方案9.根据方案I所述的方法，其中，提供物体模型更新包括在从先前时间帧至当前时间帧的贝叶斯网络中识别目标数据、变换参数、所述物体模型和所述扫描图群。
[0033]方案10.根据方案I所述的方法，其中，更新物体档案包括修正所述传感器的变换式，其识别所述传感器的取向角和位置。
[0034]方案11.—种用于对来自车辆上的多个LiDAR传感器的输出进行融合的方法，所述方法包括:
[0035]提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型；
[0036]追踪由这些传感器检测到的这些物体的物体模型；
[0037]对来自所述先前扫描时间的这些物体档案中的被追踪的物体模型进行投影，以提供预测物体模型；
[0038]接收当前采样时间时来自这些传感器的视野中的检测到的这些物体的多个扫描返回；
[0039]从这些扫描返回来构造扫描点云；
[0040]将所述扫描点云中的扫描点分割为预测扫描群，其中每个扫描群初始地识别由这些传感器检测到的物体；
[0041]将所述预测扫描群与所述预测物体模型进行匹配；
[0042]将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合；和
[0043]将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分。
[0044]方案12.根据方案11所述的方法，其中，分割所述点云中的扫描点包括:分离所述点云中的扫描点的群，使得这些群识别正被追踪的单独的物体。
[0045]方案13.根据方案11所述的方法，其中，将所述预测扫描群与所述预测物体模型进行匹配包括:生成使这些扫描群与这些预测物体模型匹配的二部图。
[0046]方案14.根据方案13所述的方法，其中，生成二部图包括将所述扫描点定位在所述图的顶点处。
[0047]方案15.根据方案13所述的方法，其中，融合预测物体模型和拆分预测物体模型包括将所述二部图转换为导出的二部图，所述导出的二部图显示了正被融合或拆分的物体模型。
[0048]方案16.根据方案15所述的方法，其中，将所述二部图转换为导出的二部图包括为所述导出的二部图计算权重和边的基数，其中每个权重标示了至少一个传感器的扫描点中的一个扫描点相对于这些传感器中另一个传感器的扫描点的位置的位置变化，并且这些边限定了物体模型点和分割的扫描点之间的匹配。
[0049]方案17.根据方案16所述的方法，其中，将所述二部图转换为导出的二部图包括将这些边的基数与阈值进行比较，并且如果所述基数大于所述阈值则突出显示所述边，并且其中如果没有被突出显示则移除该边。
[0050]方案18.—种用于对来自车辆上的多个LiDAR传感器的输出进行融合的系统，所述系统包括:
[0051]用于提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案的装置，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型；
[0052]用于追踪由这些传感器检测到的这些物体的物体模型的装置；
[0053]用于对来自所述先前扫描时间的这些物体档案中的被追踪物体模型进行投影以提供预测物体模型的装置；
[0054]用于接收当前采样时间时在这些传感器的视野中检测到的这些物体的多个扫描返回的装置；
[0055]用于从这些扫描返回构造扫描点云的装置；
[0056]用于将所述扫描点云中的扫描点分割为预测扫描群的装置，其中每个扫描群初始地识别由这些传感器检测到的物体；
[0057]用于将所述预测扫描群与所述预测物体模型进行匹配的装置；
[0058]用于将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合的装置；以及
[0059]用于将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分的装置；
[0060]用于为所述当前采样时间内检测到而在所述先前采样时间内未出现的物体创建新的物体模型的装置；
[0061]用于删除在这些预测扫描群中不再存在的物体模型的装置；
[0062]用于基于融合的物体模型、拆分的物体模型、新的物体模型和删除的物体模型来提供物体模型更新的装置；和
[0063]用于使用所述物体模型更新对所述当前采样时间的物体档案进行更新的装置。
[0064]方案19.根据方案18所述的系统，其中，用于将所述预测扫描群与所述预测物体模型进行匹配的装置生成二部图，所述二部图将所述扫描群与所述预测物体模型进行匹配。
[0065]方案20.根据方案19所述的系统，其中，用于融合预测物体模型和拆分预测物体模型的装置将所述二部图转化为导出的二部图，所述导出的二部图显示了正被融合和拆分的物体模型。
[0066]通过下面的描述和所附权利要求，并结合相应的附图，本发明的其他特征将显而易见。
【专利附图】
【附图说明】
[0067]图1是跟随目标车辆的主车辆的示意图，并且显示了主车辆上四个LiDAR传感器的视野；
[0068]图2是用于对来自车辆上多个LiDAR传感器的扫描点进行融合的融合系统的总体框图；
[0069]图3 (A)和⑶示出了来自LiDAR传感器的扫描点；
[0070]图4是流程图，其显示了用于配准来自多个LiDAR传感器的扫描点的方法；
[0071]图5为物体后方的轮廓概率密度函数；
[0072]图6是迭代界限最优化图形；
[0073]图7是框图，其显示了在新的LiDAR扫描点图可用时，用于估计物体运动和更新物体模型的两个交织的处理。
[0074]图8是用于正在被追踪算法追踪的物体的动态贝叶斯网络；
[0075]图9是流程图，其显示了多物体追踪算法在一个单独时间步骤的处理；
[0076]图10是二部图，其显示了在图9的流程图中的用于将扫描群与预测物体模型进行匹配的步骤的预测物体模型的点和分割扫描图的点；
[0077]图11是由图10中的二部图生成的导出的二部图；
[0078]图12是来自LiDAR传感器、视频系统和雷达传感器的扫描点的示意图；
[0079]图13是跟随目标车辆的主车辆的示意图，并且显示了主车辆上的LiDAR传感器、雷达传感器和视频系统的视野；
[0080]图14是使用来自雷达传感器或视频系统的提示的LiDAR传感器所使用的追踪算法的总体流程图；
[0081]图15是流程图，其示出了用于多物体追踪算法的处理，所述多物体追踪算法使用了来自雷达传感器或视频系统的提示；
[0082]图16是二部图，其示出了为所有的LiDAR扫描点、雷达传感器返回和视频系统图像，将目标数据与物体模型进行匹配；
[0083]图17是从图16中所示的二部图生成的导出的二部图；
[0084]图18是二部图，其示出了通过提供使用视频系统进行的匹配对两个投影的物体模型进行合并；
[0085]图19是导出的二部图，其显示了图18中物体模型的匹配；
[0086]图20是二部图，其示出了通过使用视频系统进行的匹配对投影的物体模型进行拆分；[0087]图21是导出的二部图，其示出了图20中物体模型的匹配；
[0088]图22是二部图，其示出了通过使用雷达传感器进行匹配的投影的物体模型；
[0089]图23是导出的二部图，其示出了图22中模型的匹配；和
[0090]图24是用于追踪算法和使用来自雷达传感器或视频系统的提示信息进行模型更新的动态贝叶斯网络。
【具体实施方式】
[0091]下面对本发明实施例的介绍涉及一种使用贝叶斯网络对来自车辆上的多个LiDAR传感器的输出进行融合的系统和方法，该介绍本质上仅是示例性的，并不旨在限制本发明或者其应用或使用。例如，本发明将被描述为用于对车辆上的LiDAR传感器的输出进行融合。然而，正如本领域技术人员将认识到的是，本发明的融合处理可以应用于除了车辆应用之外的其他方面。
[0092]图1示出了车辆系统10的概况，其包括被显示为正在尾随被追踪的目标车辆14的主车辆12。所述主车辆12包括4个LiDAR传感器，也就是说，具有视野18的前视传感器16、具有视野22的后视传感器20、具有视野26的左视传感器24和具有视野30的右视传感器28。如图所示，所述传感器16、24和28被安装在车辆12的前部，因而具有重叠的视野。如果一物体，例如目标车辆14，位于传感器16、20、24和30中特定一个的视野内，则该传感器返回识别该物体的多个扫描点。目标车辆14上的点32代表了来自传感器16、24和28中每一个的从目标车辆14返回的扫描点。所述点32通过利用坐标变换技术被变换到主车辆12上的车辆坐标系统(X，y)中，然后在该车辆坐标系统中使用点32执行物体检测。如下所述，所述点32可以被用于限定目标车辆14的后部形状。
[0093]各传感器16、20、24和28将会为传感器检测到的每个单独物体提供扫描点云。本发明提出了一种融合算法，其将来自各传感器16、20、24和28的输出进行组合，使得当传感器16、20、24和28追踪相同的物体时，该物体将被处理为一个单独的目标，其中所述算法输出每个被追踪物体的位置、取向和速度。尽管该详述包括了四个LiDAR传感器，但是所提出的融合算法可以应用于具有重叠视野的任意数量和位置的多个LiDAR传感器。
[0094]在该图中，目标车辆14的位置通过锚点34来表示，即为，扫描图的中心。下列数值用于表示在时间步骤t时目标车辆14的物体模型M。特别地，物体模型M限定了相对纵向速度Vx，相对横向速度Vy，横向位移y和目标车辆行驶方向ξ，或目标的对地速度向量的方向。数值M是由参数平均值和方差ο2所表示的高斯分量的列表。所述平均值以若干个超参数'，和标记(例如，被访问和到期)为特征。
[0095]图2是融合系统36的不意框图，该融合系统用于对来自多个LiDAR传感器(例如，传感器16、20、24和28)的扫描点云返回进行融合。方块38代表来自左LiDAR传感器24的扫描点云返回，方块40代表来自右视LiDAR传感器28的扫描点云返回，方块42代表来自前视LiDAR传感器16的扫描点云返回，且方块44代表来自后视LiDAR传感器20的扫描点云返回。在方块46，来自LiDAR传感器16、20、24和28的距离图被配准并且构造出360°距离图(点云)。一旦配准了来自传感器16、20、24和28的点云并在车辆坐标内形成360°点云，则在方块48处算法对来自多个目标的点云进行融合，这将在下面详细介绍。在车辆坐标系框架内对目标进行融合之后，在方块50处，所述算法输出这些目标的位置、取向和速度。
[0096]在特别介绍对来自多个LiDAR传感器的扫描点进行组合的融合处理之前，将先提供对在方块46处执行的扫描点配准算法的介绍，其用于在与物体对应的物体模型M和当前扫描图S可用的情况下，估计所述物体的运动。
[0097]在许多车辆中，物体检测传感器被直接集成到车辆的前饰板中。这种类型的安装简单、有效并且美观，但有一个缺点，即没有切实可行的方法以对传感器的校准进行物理调节。因此，如果由于饰板的损坏或老化以及气候导致的翘曲使得传感器与车辆的真实行驶方向没有对准，则按照惯例没有方法对该失准进行校正，除非更换整个包含有传感器的饰板组件。
[0098]如下面将要介绍的那样，在方块46执行的帧配准对来自传感器20、24和28的距离扫描点进行匹配，以适应传感器20、24和28的位置和取向上的可能的漂移。当车辆12为新的时，传感器20、24和28是初始校准的。如前所述，多种因素导致这些取向随着时间而改变，因此，需要执行一种处理以重新校准传感器的取向，使得在视野26和30的重叠部分内检测到的物体更加准确。本发明提出了一种期望最大化(EM)匹配算法以寻找多个LiDAR传感器之间的变换式T，其限定了传感器的方位角以及X和y位置。例如，该算法将匹配从左视LiDAR传感器24到右视LiDAR传感器28的变换式T，并且当来自后续计算的变换式T匹配时，传感器24和28即已经调准。
[0099]所述EM算法开始于选择初始变换式值Ttl，其可以为0，先前估计值、制造商提供的传感器24和28之间的取向，等等。然后该算法使用变换式T将左传感器距离图投影到用于右视LiDAR传感器28的坐标系中。图3表示了一个扫描点图120，其中圆圈124代表来自左LiDAR传感器24的扫描点返回，且椭圆126代表了来自右视LiDAR传感器28的扫描点返回。图3(A)显示了所有的扫描点范围，且图3(B)针对几个扫描点返回显示了圆圈122中的放大区域。图3(B)显示了如何通过箭头128将左视LiDAR传感器扫描点返回124映射至右视LiDAR传感器扫描点返回126。通过使用当前可得的用于投影图箭头128的变换式T，左视LiDAR传感器的扫描点返回124被相对于右视LiDAR传感器的扫描点返回126进行移动，以试图使得二者重合。
[0100]当前使用的变换式T对于左视LiDAR传感器24相对于右视LiDAR传感器28的当前取向可能是不准确的，因此使得变换式T需要针对传感器24和28的当前位置进行更新。所述算法使用当前变换式T来更新左传感器扫描点Sj和右传感器扫描点mk之间的权重ajk，如下所示:
[0101]
【权利要求】
1.一种用于对来自车辆上的多个LiDAR传感器的输出进行融合的方法，所述方法包括: 提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型； 追踪由这些传感器检测到的这些物体的物体模型； 将来自所述先前扫描时间的这些物体档案中的被追踪的物体模型进行投影，以提供预测物体模型； 接收当前采样时间时来自这些传感器的 视野中被检测到的这些物体的多个扫描返回； 从这些扫描返回来构造扫描点云； 将所述点云中的扫描点分割为预测扫描群，其中每个扫描群初始地识别由这些传感器检测到的物体； 将所述预测扫描群与所述预测物体模型进行匹配； 将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合； 将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分； 为所述当前采样时间内检测到而在所述先前采样时间内未出现的物体创建新的物体模型； 删除在所述预测扫描群中不再存在的物体模型； 基于融合的物体模型、拆分的物体模型、新的物体模型和删除的物体模型，提供物体模型更新；和 使用所述物体模型更新来对所述当前采样时间的物体档案进行更新。
2.根据权利要求1所述的方法，其中，分割所述点云中的扫描点包括:分离所述点云中的扫描点的群，使得这些群识别正被追踪的单独物体。
3.根据权利要求1所述的方法，其中，将所述预测扫描群和所述预测物体模型进行匹配包括:生成使所述扫描群与所述预测物体模型匹配的二部图。
4.根据权利要求3所述的方法，其中，生成二部图包括将所述扫描点定位在所述图的顶点处。
5.根据权利要求3所述的方法，其中，融合预测物体模型和拆分预测物体模型包括将所述二部图转换为导出的二部图，所述导出的二部图显示了正被融合或拆分的物体模型。
6.根据权利要求5所述的方法，其中，将所述二部图转换为导出的二部图包括为所述导出的二部图计算权重和边的基数，其中每个权重标示了至少一个传感器的扫描点中的一个扫描点相对于这些传感器中另一个传感器的扫描点的位置的位置变化，并且所述边限定了物体模型点和分割的扫描点之间的匹配。
7.根据权利要求6所述的方法，其中，将所述二部图转换为导出的二部图包括将所述边的基数与阈值进行比较，并且如果所述基数大于所述阈值则突出显示所述边，并且如果没有被突出显示则移除该边。
8.根据权利要求7所述的方法，其中，删除在所述预测扫描群中不再存在的物体模型包括删除连接到被移除的边的物体模型。
9.一种用于对来自车辆上的多个LiDAR传感器的输出进行融合的方法，所述方法包括: 提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型； 追踪由这些传感器检测到的这些物体的物体模型； 对来自所述先前扫描时间的这些物体档案中的被追踪的物体模型进行投影，以提供预测物体模型； 接收当前采样时间时来自这些传感器的视野中的检测到的这些物体的多个扫描返回； 从这些扫描返回来构造扫描点云； 将所述扫描点云中的扫描点分割为预测扫描群，其中每个扫描群初始地识别由这些传感器检测到的物体； 将所述预测扫描群与所述预测物体模型进行匹配； 将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合；和 将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分。
10.一种用于对来自车辆上的多个LiDAR传感器的输出进行融合的系统，所述系统包括: 用于提供先前采样时间时由这些LiDAR传感器检测到的物体的物体档案的装置，所述物体档案具有识别由这些传感器检测到的这些物体的位置、取向和速度的物体模型；用于追踪由这些传感器检测到的这些物体的物体模型的装置； 用于对来自所述先前扫描时间的这些物体档案中的被追踪物体模型进行投影以提供预测物体模型的装置； 用于接收当前采样时间时在这些传感器的视野中检测到的这些物体的多个扫描返回的装置； 用于从这些扫描返回构造扫描点云的装置； 用于将所述扫描点云中的扫描点分割为预测扫描群的装置，其中每个扫描群初始地识别由这些传感器检测到的物体； 用于将所述预测扫描群与所述预测物体模型进行匹配的装置； 用于将在所述先前采样时间内被识别为分散的扫描群而现在在所述当前采样时间内被识别为单一扫描群的预测物体模型进行融合的装置；以及 用于将在所述先前采样时间内被识别为单一的扫描群而现在在所述当前采样时间内被识别为分散的扫描群的预测物体模型进行拆分的装置； 用于为所述当前采样时间内检测到而在所述先前采样时间内未出现的物体创建新的物体模型的装置； 用于删除在这些预测扫描群中不再存在的物体模型的装置； 用于基于融合的物体模型、拆分的物体模型、新的物体模型和删除的物体模型来提供物体模型更新的装置；和用于使用所述物体 模型更新对所述当前采样时间的物体档案进行更新的装置。
【文档编号】G05D1/02GK104035439SQ201310757427
【公开日】2014年9月10日 申请日期:2013年12月9日 优先权日:2012年3月15日
【发明者】S·曾 申请人:通用汽车环球科技运作有限责任公司