车辆定位系统和方法与流程

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。

背景技术：

1、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。

2、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。

3、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。

4、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。

5、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。

技术实现思路

技术特征：

1.一种用于车辆的定位系统，包括

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数据包括距离信息和方位信息。

27.如权利要求24至26中任一项所述的系统，其中，该radar数据包括相对速度信息。

28.如权利要求23所述的系统，其中，该测距传感器是光探测和测距(lidar)传感器，并且该测距数据是由该lidar传感器生成的lidar数据。

29.如权利要求1至28中任一项所述的系统，其中，该第一传感器是导航传感器，该导航传感器被配置成生成导航数据。

30.如权利要求29所述的系统，其中，该导航传感器包括车轮滴答编码器、惯性传感器、以及方向盘传感器。

31.如权利要求30所述的系统，其中，该导航传感器进一步包括相机。

32.如权利要求31所述的系统，其中，该相机是多个相机。

33.如权利要求30至32中任一项所述的系统，其中，该导航传感器进一步包括gnss设备。

34.如权利要求1至33中任一项所述的系统，进一步包括存储器，该存储器通信地耦接到该处理器，其中，该已知地图被存储在该存储器中。

35.如权利要求34所述的系统，其中，该存储器对于该系统而言是本地的、对于该系统而言是远程的、或是它们的组合。

36.一种用于车辆定位的计算机实施的方法，包括：

37.如权利要求36所述的计算机实施的方法，进一步包括：

38.如权利要求37所述的计算机实施的方法，进一步包括：

39.如权利要求37或38所述的计算机实施的方法，其中，该已知地图包括多个物体，该方法进一步包括：

40.如权利要求39所述的计算机实施的方法，其中，将该点云与该已知地图进行匹配是基于针对该多个单元格中的每个单元格的该对应的概率分布函数来评估该点云。

41.如权利要求37至40中任一项所述的计算机实施的方法，其中，将该点云匹配到该已知地图进一步包括：

42.如权利要求41所述的计算机实施的方法，其中，评估该匹配的似然性包括正态分布变换方法。

43.如权利要求36至42中任一项所述的计算机实施的方法，其中，该当前导航状态基于使用贝叶斯滤波器来对该第一导航状态和该第二导航状态进行融合。

44.如权利要求36至43中任一项所述的计算机实施的方法，其中，该第一传感器是导航传感器，并且该第二传感器是无线电探测和测距(radar)传感器。

45.如权利要求44所述的计算机实施的方法，其中，该radar传感器是多个radar传感器。

46.一种计算机可读介质，其上存储有计算机可执行指令，这些计算机可执行指令在由计算机执行时执行根据权利要求36至45中任一项所述的方法。

技术总结
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。

技术研发人员：莫斯塔法·萨克尔,阿德尔·穆萨,穆罕默德·埃尔谢赫,瓦利德·阿卜杜勒法塔赫,纳瑟·埃尔-舍米
受保护的技术使用者：深远定位有限公司
技术研发日：
技术公布日：2024/1/12