用于校正传感器信息的方法和系统与流程

本技术领域大体涉及车辆的传感器，并且更具体地涉及用于校正从车辆的传感器获得的信息的方法和系统。

自主和半自主车辆利用传感器信息来控制车辆的一个或多个部件。诸如雷达，激光雷达和照相机的传感器围绕车辆放置，并感测周围环境的可观察条件。在某些情况下，从传感器获得的数据可能不准确。例如，由于传感器限制和/或不平坦的表面状况，对象的检测范围或检测方向可能是不准确的。

因此，期望提供用于校正传感器信息的方法和系统。此外，根据随后的详细描述和所附权利要求，结合附图以及前述技术领域和

背景技术：
，本发明的其他期望特征和特性将变得显而易见。

技术实现要素：

提供了用于控制车辆的方法和装置。在一个实施例中，一种方法包括：由处理器接收对象检测数据，所述对象检测数据指示在车辆的环境中检测到的多个对象；通过所述处理器基于似然函数计算与所述多个对象的范围、侧倾(roll)和俯仰中的至少一个相关联的校正值；通过所述处理器将所述校正值应用于对象检测数据，以获得校正后的对象检测数据；通过处理器基于校正后的对象检测数据控制车辆。

在各种实施例中，方法包括：确定所述车辆何时处于具有交叉交通的交汇口处，并且其中，当所述车辆处于所述交汇口时，执行所述接收、所述计算和所述应用。

在各种实施例中，方法包括：确定所述交叉交通何时超过阈值，并且其中，当所述交叉交通超过所述阈值时，执行所述接收、所述计算和所述应用。

在各种实施例中，还基于期望最大化算法计算校正值。在各种实施例中，计算校正值包括：对于给定的观察窗，在网格上评估似然函数；从网格中粗略地(coarsely)找到n个最大的局部最大值；去除任何小于阈值的最大值；合并附近的最大值；当剩余一个最大值时，应用期望最大化算法。

在各种实施例中，该方法包括：当剩余一个以上最大值时，选择最坏情况。在各种实施例中，该方法包括：当剩余一个以上最大值时，将期望最大化算法应用于每个粗略最大值，并以混合权重给出的概率为每个细化的校正值生成假设。

在各种实施例中，所述计算包括：计算用于所述对象检测数据的数据窗口的校正值。

在各个实施例中，校正值与范围相关联。

在各个实施例中，校正值与俯仰和侧倾相关联。

在另一实施例中，一种系统包括：至少一个传感器，其感测在车辆的环境中的对象；和控制器，配置为通过处理器接收对象检测数据，所述对象检测数据指示在车辆的环境中检测到的多个对象，基于似然函数计算与所述多个对象的范围、侧倾和俯仰中的至少一个相关联的校正值；将所述校正值应用于对象检测数据，以获得校正后的对象检测数据，基于校正后的对象检测数据控制车辆。

在各种实施例中，控制器确定所述车辆何时处于具有交叉交通的交汇口处，并且在所述车辆处于所述交汇口时，执行所述接收、所述计算和所述应用。

在各种实施例中，控制器确定所述交叉交通何时超过阈值，并且当所述交叉交通超过所述阈值时，执行所述接收、所述计算和所述应用。

在各种实施例中，控制器还基于期望最大化算法计算校正值。

在各种实施例中，控制器通过如下计算校正值：对于给定的观察窗，在网格上评估似然函数；从网格中粗略地找到n个最大的局部最大值；去除任何小于阈值的最大值；合并附近的最大值；当剩余一个最大值时，应用期望最大化算法。

在各种实施例中，当剩余一个以上最大值时，控制器选择最坏情况作为校正值。在各种实施例中，当剩余一个以上最大值时，控制器将期望最大化算法应用于每个粗略最大值，并以混合权重给出的概率为每个细化的校正值生成假设。

在各种实施例中，所述控制器计算用于所述对象检测数据的数据窗口的校正值。

在各个实施例中，校正值与范围相关联。

在各个实施例中，校正值与俯仰和侧倾相关联。

附图说明

在下文中将结合以下附图描述示例性实施例，其中，相同的标号代表相同的元件，并且其中：

图1是根据各种实施例的具有校正系统的车辆的图示；

图2是示出根据各种实施例的校正系统的数据流程图；

图3是根据各种实施例的由校正系统产生的示例数据的图示；和

图4是示出根据各种实施例的可由校正系统执行的校正方法的流程图。

具体实施方式

以下详细描述本质上仅是示例性的，并不旨在限制应用和使用。此外，无意受到在先前技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论的约束。如本文所使用，术语模块是指专用集成电路(asic)、电子电路、执行一个或多个软件或固件程序的处理器(共享的、专用的或组)和存储器、组合逻辑电路和提供描述的功能的其他合适的部件。

这里可根据功能和/或逻辑块部件及各种处理步骤来描述本公开的实施例。应当理解，可以通过被配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现这样的块部件。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制装置的控制下执行各种功能。另外，本领域技术人员将理解，可以结合任何数量的系统来实践本公开的实施例，并且本文描述的系统仅仅是本公开的示例性实施例。

为了简洁起见，与信号处理、数据传输、信令、控制、机器学习模型、雷达、激光雷达、图像分析和系统其他功能方面(以及系统的各个操作部件)相关的常规技术可能不会在这里详细描述。此外，本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例性功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。

参考图1，根据各种实施例，大体显示为100的校正系统与车辆10相关联。总体上，校正系统(或简称为“系统”)100生成包括范围和/或俯仰/侧倾信息的校正数据，以用于控制车辆10。在各种实施例中，校正系统100基于从车辆10的传感器获得的信息来生成校正数据。

如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16-18的每个在车身14的相应拐角附近旋转地联接至底盘12。

在各种实施例中，车辆10是自主车辆或半自主车辆。可以理解，映射系统100可以在其他非自主系统中实现，并且不限于本实施例。在图示的实施例中，车辆10被描述为乘用车，但是应当理解，任何其他车辆，包括摩托车、卡车，运动型多用途车(suv)、休闲车(rv)、船舶、飞机等，也可以使用。

如图所示，车辆10通常包括推进系统20，传动系统22，转向系统24，制动系统26，传感器系统28，致动器系统30，至少一个数据存储装置32，至少一个控制器34，通讯系统36。在各种实施例中，推进系统20可包括内燃机、诸如牵引电动机的电机和/或燃料电池推进系统。传动系统22配置为根据可选择的速比将动力从推进系统20传递到车轮16和18。根据各种实施例，变速器系统22可包括有级传动比自动变速器、无级变速器或其他合适的变速器。

制动系统26配置为向车轮16和18提供制动扭矩。在各种实施例中，制动系统26可以包括摩擦制动、线制动、诸如电动机的再生制动系统和/或其他合适的制动系统。

转向系统24影响车轮16和/或18的位置。尽管出于说明性目的被描绘为包括方向盘，但是在本发明的范围内所预期的一些实施例中，转向系统24可以不包括方向盘。

传感器系统28包括一个或多个感测装置31a-31n，其感测车辆10的外部环境和/或内部环境的可观察到的状况。在各种实施例中，感测装置31a-31n包括但不限于雷达(例如，长距离，中距离-短距离)、激光雷达、全球定位系统、光学相机(例如，前向，360度，后向，侧面，立体声等)、热(例如红外)相机、超声传感器、测距传感器(例如编码器)和/或其他传感器，这些传感器可与根据本主题的以下系统和方法结合使用。传感器系统28提供用于确定车辆10所使用的校正值的信息。

致动器系统30包括一个或多个致动器装置42a-42n，其控制一个或多个车辆特征，例如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各种实施例中，自主车辆10还可以包括在图1中未示出的内部和/或外部车辆特征，例如各种门、行李箱和舱室特征，例如空气、音乐、照明、触摸屏显示组件(例如与导航系统结合使用的那些)等。

数据存储装置32存储用于自动控制自主车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的定义的地图。在各种实施例中，定义的地图由地图系统100生成，并且包括静态和动态车道等级信息，这将在下面更详细地讨论。

通信系统36被配置为与其他实体48进行无线通信，例如，但不限于，其他车辆(“v2v”通信)，基础设施(“v2i”通信)，网络(“v2n”通信)，行人(“v2p”通信)，远程运输系统和/或用户装置(参考图2进行详细描述)。在示例性实施例中，通信系统36是无线通信系统，其被配置为使用ieee802.11标准或通过使用蜂窝数据通信经由无线局域网(wlan)进行通信。然而，在本公开的范围内还考虑了诸如专用短程通信(dsrc)信道之类的附加或替代通信方法。dsrc信道是指专门为汽车使用而设计的单向或双向短程到中程无线通信通道，以及一组相应的协议和标准。

控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以是任何定制或可商购的处理器、中央处理单元(cpu)、图形处理单元(gpu)、专用集成电路(asic)(例如，实现神经网络的定制asic)、现场可编程门阵列(fpga)、与控制器34相关联的多个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、其任何组合、或通常用于执行指令的任何装置。例如，计算机可读存储装置或介质46可以包括只读存储器(rom)、随机存取存储器(ram)和保持活动存储器(kam)中的易失性和非易失性存储。kam是持久性或非易失性存储器，其可以在处理器44关电时用于存储各种操作变量。可以使用许多已知的存储装置中的任何一种来实现计算机可读存储装置或介质46，例如prom(可编程只读存储器)，eprom(电prom)，eeprom(电可擦除prom)，闪存或任何其他能够存储数据的其他电、磁、光或组合存储装置，其中一些表示在控制自主车辆10时由控制器34使用的可执行指令。在各种实施例中，控制器34被配置为实施校正系统100的指令，如下面详细讨论的。

现在参考图2并且继续参考图1，数据流程图更详细地示出了校正系统100的各方面。图3是根据各种实施例的来自数据流的数据的图示。可以理解，图2中所示的模块和子模块可以被组合和/或进一步划分以类似地执行本文所述的功能。对模块和子模块的输入可以从传感器系统28接收、从与车辆10相关联的其他控制模块(未示出)接收、从通信系统36接收，和/或由图1的控制器34中的其他子模块(未示出)确定/建模。所示的模块和子模块通常执行确定校正值的功能，该校正值应用于传感器数据并且用于控制车辆10。

在各个实施例中，校正系统100包括启用模块60、范围校正值确定模块62、俯仰/侧倾校正值确定模块64和校正应用模块66。

启用模块60接收传感器数据68作为输入。传感器数据68指示车辆10的状况和/或车辆10的环境。传感器数据68可以包括但不限于车辆位置、车辆速度、相机数据、激光雷达数据、雷达数据等。

启用模块60处理传感器数据68以确定是否应该确定校正值。启用模块60基于是否应该/可以确定校正值来设置启用状态70。例如，当确定车辆10处于交汇口或接近交汇口时，应确定校正值。在另一个示例中，可以在具有交叉交通的交通流足以进行评估时确定校正值。可以理解，在各种实施例中，可以针对其他启用标准来处理传感器数据68。

范围校正值确定模块62接收对象检测数据72和启用状态70作为输入。对象检测数据72包括对象的位置和方向，其作为通常在车辆10前方的车道中的交叉交通被检测。对象检测数据72可以例如由实施一种或多种机器学习技术的其他系统提供。

当启用状态70指示应该/能够检测到校正值时，范围校正值确定模块62处理对象检测数据72，以确定将检测值最佳匹配于纵向方向上的车道中心的校正值(范围偏差)。例如，范围校正值确定模块62使用统计方法来考虑检测到的对象的范围中的不确定性的影响，并产生一个或多个校正值74。

在各种实施例中，范围校正值确定模块62基于似然函数来计算校正值。例如，在各种实施例中，范围校正值确定模块62针对给定的观察窗评估网格上的似然函数。在各种示例中，似然函数可以被提供为：

其中mi代表到车道中心i的纵向距离，αi代表车道的方向i，pi代表检测到检测的纵向距离i，θi代表检测的方向i，δ代表感兴趣窗口中的范围偏差，σp代表纵向方向中的检测的标准偏差，σθ代表检测方向的标准偏差，并且代表在x处的具有均值μ和方差σ²的正态分布的pdf。

在各种实施例中，如果范围偏差在视野中变化，则可以使用多个观察窗。在这种情况下，对于给定的观察窗，似然函数的评估如下：

对于δi∈[-∈，∈]，其中∈是最大预期范围误差。

间距其中k＝2和n是样本数。

之后，范围校正值确定模块62粗略地定位n个最大的局部最大值：其中是局部最大值，并去除小的最大值。例如，如果其中r＝100，范围校正值确定模块62去除校正值确定模块62然后合并附近的最大值：如果保留最大的最大值或加权组合。如果恰好剩余一个最大值则范围校正值确定模块62使用期望最大化(em)算法来细化该值。例如，可以实现以下算法：

e：和

m：

其中xij＝pi-mj且φij＝θi-αi。

如果剩余一个以上的最大值，则范围校正值确定模块从每个粗略的最大值开始执行em算法，并以混合权重给出的概率为每个细化的最大值生成假设替代地，范围校正值确定模块62选择会使到最近目标的距离最小化的最坏情况偏移，并将所选择的最坏情况标记为暂时的。一旦确定了该值，就将其提供为范围校正值74。

俯仰/侧倾校正值确定模块64接收启用状态70和对象检测数据72作为输入。如前所述，对象检测数据72包括被检测为通常在车辆10前方的车道中的交叉交通的对象的位置和方向。对象检测数据72可以例如由实施一种或多种机器学习技术的其他系统提供。

俯仰/侧倾校正值确定模块64处理对象检测数据72，以确定将检测值最佳匹配于纵向方向上的车道中心的校正值。例如，俯仰/侧倾校正值确定模块64使用类似的统计方法来考虑所检测对象的俯仰和/或侧倾不确定性的影响并产生一个或多个校正值76。

在各个实施例中，俯仰/侧倾校正值确定模块64类似地基于似然函数来计算校正值76。例如，在各种实施例中，俯仰/侧倾校正值确定模块76针对给定的观察窗评估网格上的似然函数。似然函数可以提供为：

dij＝gi(xw(xj，yj|θ+δθ，φ+δφ)，yw(xj，yj|θ+δθ，φ+δφ))，

μij＝hi(xw(xj，yj|θ+δθ，φ+δφ)，yw(xj，yj|θ+δθ，φ+δφ))。

其中xw(xi，yi|ω，θ，φ，c)代表将图像坐标映射到世界x坐标的函数，并且yw(xi，yi|ω，θ，φ，c)代表将图像坐标映射到世界y坐标的函数。c代表其他相机校正参数，xi，yi代表图像平面中的坐标，ω，θ，φ代表当前的偏航、俯仰和侧倾校正参数，δθ、δφ代表俯仰和侧倾校正值，代表距直线aix+biy+ci＝0的距离，且代表在最接近点处的相应y坐标。

在各种实施例中，似然函数在二维网格ij上评估为：

其中∈θ和∈φ是最大预期俯仰和侧倾误差角。间距其中k＝2和n是样本数。

之后，俯仰/侧倾校正值确定模块64粗略地定位n个最大的局部最大值：和其中是局部最大值。俯仰/侧倾校正值确定模块64去除小的最大值。例如，如果其中r＝100。

俯仰/侧倾校正值确定模块64随后合并附近的最大值。例如，如果则保留最大的最大值或加权组合。俯仰/侧倾校正值确定模块64使用梯度上升来细化最大值并产生假设，例如，如以上关于范围校正值74所讨论的。最终剩余的值和是俯仰和侧倾校正值76。

校正应用模块66接收范围校正值74、俯仰和侧倾校正值76以及对象检测数据72。校正应用模块66在对象检测数据72中将校正值74、76应用于检测对象，从而校正检测到的对象在车道内的放置。例如，如图3的示例性图示所示，可以首先在90处接收对象检测数据72，然后在92处应用范围校正值，并且在94处应用俯仰和侧倾校正值。因此，然后将对象正确地放置在具有正确方向的车道上。

现在参考图4，流程图示出了根据各种实施例的可由校正系统100(图1)执行的校正方法200的流程图。如根据本公开可以理解的，该方法内的操作顺序不限于如图4所示的顺序，而是可以按照可应用的和根据本公开的一个或多个变化顺序来执行。在各种实施例中，方法200可以被设置时间为基于一个或多个预定事件运行，和/或可以在车辆10的操作期间连续运行。

在一示例中，该方法可以在205开始。在210处确定启用标准是否被满足，例如，是否车辆10当前处在具有交叉交通的交汇口处，以及是否有足够的交通流。一旦在210满足启用标准，则在220-260确定校正值74、76。在各种实施例中，对象检测数据72可以根据检测的量而划分到窗口中，并且在220-260处处理每个窗口的日期。例如，如关于示例性方程所讨论的，例如在220处使用似然函数和期望最大化(em)算法来计算在后估计的最大值。如果在230未找到唯一解，则在260处生成校正的检测假设。可以基于在240处的多个假设或在250处的最坏情况来生成校正后的检测假设。此后，该方法继续在220处从交汇口处接收并处理对象检测数据72。如果在230处找到唯一的解，则在270处将范围、俯仰和/或侧倾的校正应用于对象检测数据72，并且该方法可以在280处结束。

尽管在前面的详细描述中已经提出了至少一个示例性实施例，但是应当理解，存在大量的变型。还应当理解，一个或多个示例性实施方式仅是示例，并且无意以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施方式的便利路线图。应当理解，在不脱离所附权利要求及其合法等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。