用于基于雷达测量绘制地图和定位车辆的方法和系统与流程

本发明涉及一种用于对至少一个车辆的车辆周围环境绘制地图和定位所述至少一个车辆的方法以及一种用于实施这种方法的系统。

背景技术：

当前的自主或部分自主的车辆强烈地依赖于所提供的地图学信息。地图学信息被用于规划路线并且用于求取车辆位置。在此，地图学信息或者说地图通常存在于多个层中。第一层例如被用于规划精确的车道走向和行驶操作。通过这些数据，自主或部分自主的车辆可以保持车道或适配车道。另一层具有可探测的对象，所述对象可以被车辆内部的传感器探测到并且通过与该信息层的现有信息进行比较而被辨识出。车辆可以借助辨识出的对象求取其与该对象的相对位置，并因此在地图上求取该相对位置。在地图的另一信息层中，可以保存有动态变化的信息，例如道路情况、天气条件、停车场信息或交通流量。

为了能够实现自主或部分自主的行驶功能，这些地图学信息必须具有高的实时性和高的空间精度。

技术实现要素：

本发明所基于的任务可以被看作是，提出一种用于创建和更新地图以及用于在地图上辨识至少一个车辆位置的方法和系统。

该任务借助独立权利要求的对应主题来解决。本发明的有利构型是各个从属权利要求的主题。

根据本发明的一个方面，提供一种用于对至少一个车辆的车辆周围环境绘制地图和定位至少一个车辆的方法。根据本发明，在一个步骤中，通过至少一个车辆的至少一个雷达传感器求取车辆周围环境的测量数据。接下来，将至少一个雷达传感器的所述测量数据汇总(aggregieren)并且与已有的汇总测量数据进行比较。基于汇总的测量数据与已有的汇总测量数据之间的比较，通过减少测量误差来优化所述汇总的测量数据。借助经优化的汇总测量数据创建或更新地图。通过将所求取的测量数据与所创建或已更新的地图进行比较来定位所述至少一个车辆。

通过所述方法，可以由至少一个车辆利用相关地图学信息来创建或更新地图。尤其可以通过多次重复测量来提高地图的精度。通过所述方法也可以放大并优化现有的地图。

尤其，在所述方法中，通过至少一个车辆来求取雷达测量数据并且接下来将其汇总。通过汇总测量数据，可以从所求取的测量数据中辨识出连贯的点云，所述连贯的点云可以用于减少测量数据的总数。这恰好可以在执行了多次测量的情况下或在多个雷达传感器并行运行的情况下减少测量数据量并且提高所述方法的速度。也能够通过限界可能的车辆周围环境将所求取的测量数据的一部分剔除。

可以将测量数据的汇总的或者说聚集的点云与已求取的点云进行比较并且使它们彼此协调。作为该过程的一部分，例如可以限定这些点云之间的间距并且将它们这样相互比较，使得所求取的测量数据的偏差最小化。这些点云或者说成组的点云之间的间距也可以通过在雷达测量值方面实施的测距法来求取。

不同测量的经误差优化的测量数据或者作为成组的点云存在的测量数据被用于创建地图。为此，可以实施进一步的修正，例如各个测量数据相对于现有测量数据的几何均衡或校准(entzerrungoderausrichtung)。

在创建地图或添加测量数据以更新地图之后，可以在另一步骤中压缩该地图。由此，可以减小地图的存储空间需求，使得能够由至少一个车辆快速访问地图。

基于所创建的地图，由至少一个车辆求取的雷达测量数据可以被用于定位所述至少一个车辆。为此，在与地图的一致性方面对所求取的测量数据进行调准(abgleichen)。该过程例如可以在外部服务器单元中或在云上执行。

根据本方法的一个实施例，通过聚类分析来汇总至少一个雷达传感器的测量数据。通过聚类分析，可以在所求取的测量数据和已保存的测量数据中找到相似结构。由此，可以将来自多次测量的测量数据压缩为有说服力的少量测量数据，并因而补偿了偏差和测量误差。

根据本方法的一个实施例，对至少一个雷达传感器的测量数据进行过滤。通过过滤可以减少所求取的用于进一步处理或计算的测量数据的数量。尤其可以删除不合逻辑或位于扫描图样以外的测量数据。此外，还可以利用机器学习过程、例如有学习能力的神经网络来解释和过滤所求取的测量值。

根据本方法的一个实施例，汇总的测量数据构成节点，其中，为了与已有的汇总测量数据进行比较，在这些节点之间构成连接路径并且将它们进行比较。由此，所述方法可以类似于所谓的“图形slam”或类似于同时定位和地图创建方法来生成节点和棱边并且使用所述节点和棱边来比较和优化地图学信息。

根据本方法的一个实施例，基于至少一个测量数据云构成至少一个节点。例如可以通过所谓的“迭代最近点”算法或通过任意的点适配算法使测量数据云彼此对齐并且使它们彼此拼合(inkongruenzbringen)。由此，可以使分散的测量数据云密集，使得可以提高进一步计算的精度。

根据本方法的一个实施例，这些节点是至少一个雷达传感器的测量地点，其中，这些测量地点之间的连接路径以测距的方式来求取。因此，这些节点可以是地图上的一些地点，在这些地点上分别执行了一次雷达测量。通过测量不同测量之间的时间，可以求取测量地点之间的距离。尤其可以使用测距法来求取两个节点之间的距离或者说连接路径。例如，可以利用通过使用多次相继执行的雷达测量所实现的一种基于雷达的测距法来求取连接路径。也可以单独地或组合地使用其他传感器例如加速度传感器、车轮传感器、激光雷达传感器、超声波间距传感器、摄像机和类似的传感器来执行测距方面的测量方法。

根据本方法的一个实施例，将汇总的测量数据与至少一个第二传感器的测量数据进行比较以减少测量误差。附加地，可以使用至少一个另外的传感器来减小所求取的雷达测量数据的误差。例如，可以利用激光雷达传感器或基于摄像机的传感器来探测处于车辆周围环境中的显著对象或几何形状。可以将这些特征与雷达测量数据进行比较。由此，可以剔除或优化带有误差的测量数据，使得可由测量值产生的地图可以具有更高的精度。

根据本方法的一个实施例，通过与经优化的汇总测量数据叠加来更新地图。如果新求取的测量值叠加已保存的测量值或与其并行地被存储，则可以通过所述方法在技术上特别简单地更新地图。替代地，现有的测量数据可以被新的测量数据取代。

根据本方法的一个实施例，所创建的地图被压缩。由此可以减小地图的存储空间需求。由此，尤其在通过外部服务器单元提供地图的情况下，即使当连接速度与地点有关地受影响时也能够由车辆快速地调用相关的地图学信息。

根据本方法的一个实施例，所创建的地图通过构成聚类而被压缩，其中，为所创建的地图的每个聚类分配一个时间戳，并且在更新地图时，相应的较旧的聚类被当前的聚类取代。在另一步骤中，由求取和经压缩的测量数据所创建或更新的地图可以在构成聚类的范畴内在其存储空间需求方面被减小。由此，可以防止地图由于其数据大小和测量值密度而不能被使用。该过程也可以被用于更新现有的地图。为此，可以之前将用于更新地图的测量数据归纳为聚类，使得该地图可以以聚类的方式来更新或扩展。尤其，地图的各个聚类可以设置有时间戳。由此，可以在采用当前地图聚类的情况下删除过时的聚类。尤其能够以更高的权重考虑当前的聚类用于进一步的计算或路线规划。

根据本方法的一个实施例，经压缩的地图被分析，用于识别对象。可以在可辨识的对象和特征方面检验所创建并接下来被压缩的地图。尤其可以通过受监控或不受监控的机器学习过程或通过神经网络在关联性和可识别的对象或特征方面分析所求取并以地图形式被使用的测量值。由此，可以从测量值中提取例如地标、地理或几何特征。这可以简化或加速至少一个车辆的定位。尤其，只要所提取的特征可以由例如光学传感器求取并且可以被比较，则这种地图也可以被没有雷达传感器的车辆利用。

根据本方法的一个实施例，将所创建的地图与至少一个地理地图关联。由此，可以使所创建或经更新的地图与其他信息层相连。例如，可以提供交通信息或与地点有关的天气数据。也可以使用传统的gps数据来提高精度和检验所求取的测量数据。由此，也可以地点精确地将经定位的车辆配属在所关联的地图上。至少一个车辆的定位优选可以利用地图数据通过测量点比较或通过测量点的过滤来实现。此外，所求取的测量点可以作为三维测量点云事先被转换为二维点云或2.5维点云，使得能够与相应地构建的地图进行比较。

根据本发明的另一方面，提出一种用于实施本发明方法的系统，所述方法用于对至少一个车辆的车辆周围环境绘制地图和定位至少一个车辆。所述系统具有至少一个车辆，所述至少一个车辆具有至少一个用于求取测量数据的雷达传感器。附加地，所述系统还具有至少一个外部处理单元或至少一个布置在至少一个车辆中的内部处理单元，用于基于所求取的测量数据创建地图并且用于根据所求取的测量数据定位所述至少一个车辆。

通过所述系统，车辆可以单独地或与至少一个外部服务器单元结合地通过雷达测量数据创建和更新地图。因此，尤其可以实时地提供精确且高度实时的地图学信息用于自主或部分自主的行驶功能。测量数据的处理例如可以在一个外部服务器单元或多个外部服务器单元上进行。在此，多个外部服务器单元可以构成云服务，用于分析评估和提供测量数据或地图学信息。

本发明的方法可以通过使用“全slam”或“图形slam”方法来聚集或者说压缩在车辆周围环境中所求取的雷达测量值，并因此产生连贯的测量点云。为此，可以实施对测量数据的聚类分析或剔除。

可以将经压缩的测量数据与已有的测量值进行比较。在此，可以在重新识别测量值或测量值图样的情况下减小测量不确定性和测量偏差。

接下来，利用这样优化的测量值来产生或更新地图。为了使合成的地图具有小的存储空间需求，可以在另一步骤中压缩地图或将其划分为聚类。

可以将由车辆求取的雷达测量数据与作为地图保存的测量值进行比较，使得可以在地图上测定车辆的方位。

附图说明

下面，根据强烈简化的示意图详细阐明本发明的优选实施例。

图1示出根据第一实施例的用于对至少一个车辆的车辆周围环境绘制地图和并且用于定位至少一个车辆的方法1的示意性流程图。

具体实施方式

在第一步骤中，通过至少一个雷达传感器求取2至少一个车辆的车辆周围环境的测量数据。在此，所述至少一个雷达传感器可以布置在所述至少一个车辆中或所述至少一个车辆上。所述至少一个雷达传感器可以连续地或以限定的时间间隔产生雷达波并且基于飞行时间分析来接收被物体和车辆周围环境反射的雷达波。为此，雷达传感器具有电子操控装置和分析评估单元，用于控制雷达波的产生并且用于分析评估经反射的雷达波。经反射并由雷达传感器接收的雷达波以测量数据或者说测量点的形式被求取并且被至少暂时地存储。

在另一步骤中，汇总4测量数据。这尤其用于减小所求取的测量数据的测量数据密度并且用于减小测量数据的存储空间需求。因此，可以将汇总的测量数据例如从至少一个车辆经由无线通信连接传输给一个或多个外部服务器单元。接下来，所述一个或多个外部服务器单元能够以所提供的更高计算能力来接管其他处理步骤。替代地，至少一个车辆可以自己通过内部的控制单元或者处理单元来实施处理步骤。

在汇总4测量数据时，从求取的测量数据中仅保留符合逻辑且有说服力的测量数据或者说测量点。尤其，在该步骤4中，可以删除指明幻象目标(geisterziel)的测量数据。为此，例如可以将基于密度的空间聚类分析或所谓的k均值算法应用于所求取的测量数据。在汇总时，也可以考虑所产生和接收的雷达波的辐射方向。通过该步骤能够将所求取的测量数据例如归纳为测量点云或者说由测量点构成的组，其中，这些组能够分别与经反射的雷达波的接收角度有关。

在另一步骤中，存储之前汇总的测量数据。如果在存储器中保存了已有的汇总测量数据，则可以在该步骤中执行当前汇总的测量数据与已存储的汇总测量数据的比较6。为此，例如可以测量或计算所构成的组之间的间距并且将它们与已保存的数据的间距进行比较。此外，可以将不同数据之间的图样进行比较。通过这种比较可以减少8所述方法的连续增加的测量误差。为此，使新求取且经汇总的测量数据适配于或插值于已保存的测量值。

接下来，利用在之前的步骤8中优化的测量数据由基于雷达的测量数据创建10地图。如果已由更早的测量创建了地图，则使用优化的测量数据来更新10地图。

现在，所创建的地图可以用于定位12至少一个车辆。为此，将由至少一个车辆求取2的测量数据与作为地图保存的测量数据10进行比较12。所求取2的测量数据与作为地图保存的测量数据10的一致性可以得出至少一个车辆在地图上的位置14。

在由优化的测量数据10创建地图之后，可以附加地压缩16所述地图。

因此，方法1具有用于生成地图m的部分和借助所生成的地图来定位l至少一个车辆的部分。