本公开涉及车辆物体检测系统以及更特别地涉及车辆光检测和测距(lidar)系统。
背景技术:
1、车辆可以包括用于检测周围环境和该环境中的物体的各种传感器。传感器可以包括摄像机、无线电检测和测距(雷达)传感器、lidar传感器等。车辆控制器可以响应于检测到的周围环境执行各种操作。所述操作可以包括执行部分和/或完全自主的车辆操作、防撞操作和信息报告操作。所执行的操作的准确性可以基于从传感器收集的数据的准确性。
技术实现思路
1、公开了一种lidar到车辆对准系统,并且该系统包括存储器、对准模块和自主驾驶模块。存储器被配置成存储基于一个或多个lidar传感器的输出和定位数据提供的数据点。对准模块被配置成执行对准过程,包括:基于定位数据;确定主车辆是否正在转向;响应于主车辆转向;选择数据点的一部分;聚集数据点的所选部分以提供聚集的数据;基于聚集的数据选择目标;以及基于所选的目标,迭代地减少损失函数的损失值,以提供合成lidar到车辆变换矩阵。自主驾驶模块被配置成:基于合成lidar到车辆变换矩阵,将数据点的至少所选部分转换到车辆坐标或世界坐标中的至少一者,以提供合成数据;以及基于合成数据执行一个或多个自主驾驶操作。
2、在其他特征中,对准模块被配置成从全局位置传感器或惯性测量传感器中的一者或多者接收定位数据。
3、在其他特征中,对准模块被配置成当主车辆没有转向时,抑制执行数据选择和聚集以及目标选择。
4、在其他特征中,对准模块被配置成基于转向点选择数据点和目标。
5、在其他特征中,对准模块被配置成基于转向点选择区域,基于所选区域移除地面点,识别目标,以及执行数据聚类算法来选择要监视的目标之一。
6、在其他特征中,对准模块被配置成累积多个场景的lidar数据,并且基于多个场景的lidar数据,最小化损失值。
7、在其他特征中,对准模块被配置成执行连续性检查,以确定选择哪些数据点以及丢弃哪些数据点。
8、在其他特征中,对准模块被配置成:聚集预定义空间的数据的lidar扫描;基于数据的聚集lidar扫描,执行目标选择;以及在执行目标选择之后,使用强度过滤器和随机过滤器对与数据的聚集lidar扫描相关联的每帧数据进行下采样,以提供合成目标数据。
9、在其他特征中,对准模块被配置成:取得多个lidar扫描中的每一个的z值;获得与lidar扫描相关联的聚集数据的正态分布,以提取与lidar扫描相关联的聚集数据的第一平均值;选择第一平均值周围的数据;获得第一平均值周围的所选数据的另一正态分布,以获得不基于地面点的第二平均值;提取第二平均值周围的地面点;将除地面点之外的数据标记为目标数据;以及当收集了预定量的目标数据时,执行聚类算法以选择目标数据的一部分。
10、在其他特征中,对准模块被配置成当迭代地减小损失值时:加载优化参数和初始估计的lidar到车辆变换矩阵;并且迭代地(i)改变初始估计的lidar到车辆变换矩阵或最后确定的lidar到车辆变换矩阵,以提供合成lidar到车辆变换矩阵,(ii)评估合成lidar到车辆变换矩阵中的改变,包括确定损失值,以及(iii)基于损失值,确定是否执行另一次迭代。
11、在其他特征中,对准模块被配置成在评估损失函数时:使用合成lidar到车辆变换矩阵来计算lidar到世界变换矩阵;基于lidar到世界变换矩阵将聚集数据投影到世界坐标数据;将二叉树应用于世界坐标数据;通过为每个lidar数据点计算到相邻数据点的距离来提供距离;以及基于距离的平均值来确定损失值。
12、在其他特征中,损失函数是基于密度的损失函数,其表征相对于所选目标之一的lidar未对准严重性或点密度中的至少一者。
13、在其他特征中,自主车辆驾驶方法包括:存储基于一个或多个lidar传感器的输出和定位数据提供的数据点;执行lidar到车辆对准过程,包括(i)基于定位数据,确定主车辆是否正在转向,(ii)响应于主车辆转向,选择数据点的一部分并聚集数据点的所选部分以提供聚集数据,(iii)基于聚集数据选择目标,以及(iv)基于所选目标,迭代地减少损失函数的损失值以提供合成lidar到车辆变换矩阵;基于合成lidar到车辆变换矩阵,将数据点的至少所选部分转换到车辆坐标或世界坐标中的至少一者,以提供合成数据;以及基于合成数据执行一个或多个自主驾驶操作。
14、在其他特征中,自主车辆驾驶方法进一步包括:基于转向点选择区域;基于所选区域移除地面点;识别目标;以及执行数据聚类算法来选择要监视的目标之一。
15、在其他特征中,自主车辆驾驶方法进一步包括:执行连续性检查,以确定选择哪些数据点以及丢弃哪些数据点;以及累积多个场景的lidar数据,并且基于多个场景的lidar数据,最小化损失值。
16、在其他特征中,自主车辆驾驶方法进一步包括:聚集预定义空间的数据的lidar扫描;基于数据的聚集lidar扫描,执行目标选择;以及在执行目标选择之后,使用强度过滤器和随机过滤器对与数据的聚集lidar扫描相关联的每帧数据进行下采样,以提供合成目标数据。
17、在其他特征中,自主车辆驾驶方法进一步包括:取得多个lidar扫描中的每一个的z值;基于与lidar扫描相关联的聚集数据确定至少一个平均值;基于所述至少一个平均值提取地面点;将除地面点之外的数据标记为目标数据;以及当收集了预定量的目标数据时,执行聚类算法以选择目标数据的一部分。在其他特征中,自主车辆驾驶方法进一步包括:取得多个lidar扫描中的每一个的z值;获得与lidar扫描相关联的聚集数据的正态分布,以提取与lidar扫描相关联的聚集数据的第一平均值;选择第一平均值周围的数据;获得第一平均值周围的所选数据的另一正态分布,以获得不基于地面点的第二平均值;提取第二平均值周围的地面点;将除地面点之外的数据标记为目标数据;以及当收集了预定量的目标数据时,执行聚类算法以选择目标数据的一部分。
18、在其他特征中,自主车辆驾驶方法进一步包括,当迭代地减少损失值时:加载优化参数和初始估计的lidar到车辆变换矩阵;以及迭代地(i)改变初始估计的lidar到车辆变换矩阵或最后确定的lidar到车辆变换矩阵,以提供合成lidar到车辆变换矩阵,(ii)评估合成lidar到车辆变换矩阵的改变,包括确定损失值,以及(iii)基于损失值,确定是否执行另一次迭代。
19、在其他特征中,自主车辆驾驶方法进一步包括,当评估损失函数时:使用合成lidar到车辆变换矩阵来计算lidar到世界变换矩阵;基于lidar到世界变换矩阵将聚集数据投影到世界坐标数据;基于世界坐标数据,通过为每个lidar数据点计算到相邻数据点的距离来提供距离;以及基于距离的平均值来确定损失值。在其他特征中,自主车辆驾驶方法进一步包括,当评估损失函数时:使用合成lidar到车辆变换矩阵来计算lidar到世界变换矩阵;基于lidar到世界变换矩阵将聚集数据投影到世界坐标数据;将二叉树应用于世界坐标数据;通过为每个lidar数据点计算到相邻数据点的距离来提供距离;以及基于距离的平均值来确定损失值。
20、在其他特征中,损失函数是基于密度的损失函数,其表征相对于所选目标之一的lidar未对准严重性或点密度中的至少一者。
21、本发明提供了以下技术方案:
22、1. 一种lidar到车辆对准系统,包括:
23、存储器,其被配置成存储基于一个或多个lidar传感器的输出和定位数据提供的数据点;
24、对准模块,其被配置成执行对准过程,包括
25、基于定位数据,确定主车辆是否正在转向,
26、响应于主车辆转向,选择数据点的一部分并聚集数据点的所选部分以提供聚集的数据,
27、基于聚集的数据选择目标,以及
28、基于所选的目标,迭代地减少损失函数的损失值,以提供合成lidar到车辆变换矩阵;和
29、自主驾驶模块,其被配置成
30、基于合成lidar到车辆变换矩阵,将数据点的至少所选部分转换到车辆坐标或世界坐标中的至少一者,以提供合成数据,以及
31、基于合成数据执行一个或多个自主驾驶操作。
32、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成从全局位置传感器或惯性测量传感器中的一者或多者接收定位数据。
33、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成当主车辆没有拐弯时,抑制执行数据选择和聚集以及目标选择。
34、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成基于转向点选择数据点和目标。
35、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成基于转向点选择区域,基于所选区域移除地面点,识别多个目标,并执行数据聚类算法以选择所述多个目标中的一个来监视。
36、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成累积多个场景的lidar数据,并且基于所述多个场景的lidar数据,最小化损失值。
37、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成执行连续性检查,以确定选择哪些数据点以及丢弃哪些数据点。
38、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成:
39、聚集预定义空间的数据的lidar扫描;
40、基于数据的聚集lidar扫描,执行目标选择;和
41、在执行目标选择之后,使用强度过滤器和随机过滤器对与数据的聚集lidar扫描相关联的每帧数据进行下采样,以提供合成目标数据。
42、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成:
43、取得多个lidar扫描中每一个的z值;
44、获得与lidar扫描相关联的聚集数据的正态分布,以提取与lidar扫描相关联的聚集数据的第一平均值;
45、选择第一平均值周围的数据;
46、获得第一平均值周围的所选数据的另一正态分布,以获得不基于地面点的第二平均值;
47、提取第二平均值周围的地面点;
48、将除地面点之外的数据标记为目标数据;和
49、当收集了预定量的目标数据时,执行聚类算法以选择目标数据的一部分。
50、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成,当迭代地减小损失值时:
51、加载优化参数和初始估计的lidar到车辆变换矩阵;并且
52、迭代地
53、改变初始估计的lidar到车辆变换矩阵或最后确定的lidar到车辆变换矩阵,以提供合成lidar到车辆变换矩阵,
54、评估合成lidar到车辆变换矩阵中的改变,包括确定损失值,以及
55、基于损失值,确定是否执行另一次迭代。
56、根据技术方案1所述的lidar到车辆对准系统,其中,所述对准模块被配置成当评估损失函数时:
57、使用合成lidar到车辆变换矩阵来计算lidar到世界变换矩阵;
58、基于lidar到世界变换矩阵将聚集数据投影到世界坐标数;
59、将二叉树应用于世界坐标数据;
60、通过为每个lidar数据点计算到相邻数据点的距离来提供距离;和
61、基于所述多个距离的平均值来确定损失值。
62、根据技术方案1所述的lidar到车辆对准系统,其中,所述损失函数是基于密度的损失函数,其表征相对于所选目标之一的lidar未对准严重性或点密度中的至少一者。
63、一种自主车辆驾驶方法,包括:
64、存储基于一个或多个lidar传感器的输出和定位数据提供的数据点;
65、执行lidar到车辆对准过程,包括
66、基于定位数据,确定主车辆是否正在转向,
67、响应于主车辆转向,选择数据点的一部分并聚集数据点的所选部分以提供聚集数据,
68、基于聚集数据选择目标,以及
69、基于所选目标,迭代地减少损失函数的损失值以提供合成lidar到车辆变换矩阵;
70、基于合成lidar到车辆变换矩阵,将数据点的至少所选部分转换到车辆坐标或世界坐标中的至少一者,以提供合成数据;以及
71、基于合成数据执行一个或多个自主驾驶操作。
72、根据技术方案13所述的自主车辆驾驶方法,进一步包括:
73、基于转向点选择区域;
74、基于所选区域移除地面点;
75、识别多个目标;和
76、执行数据聚类算法以选择所述多个目标中的一个来监视。
77、根据技术方案13所述的自主车辆驾驶方法,进一步包括:
78、执行连续性检查,以确定选择哪些数据点以及丢弃哪些数据点;和
79、累积多个场景的lidar数据,并且基于多个场景的lidar数据,最小化损失值。
80、根据技术方案13所述的自主车辆驾驶方法,进一步包括:
81、聚集预定义空间的数据的lidar扫描;
82、基于数据的聚集lidar扫描,执行目标选择;和
83、在执行目标选择之后,使用强度过滤器和随机过滤器对与数据的聚集lidar扫描相关联的每帧数据进行下采样,以提供合成目标数据。
84、根据技术方案13所述的自主车辆驾驶方法,进一步包括:
85、取得多个lidar扫描中的每一个的z值;
86、基于与lidar扫描相关联的聚集数据确定至少一个平均值;
87、基于所述至少一个平均值提取地面点;
88、将除地面点之外的数据标记为目标数据;和
89、当收集了预定量的目标数据时,执行聚类算法以选择目标数据的一部分。
90、根据技术方案13所述的自主车辆驾驶方法,进一步包括,当迭代地减小损失值时:
91、加载优化参数和初始估计的lidar到车辆变换矩阵;和
92、迭代地
93、改变初始估计的lidar到车辆变换矩阵或最后确定的lidar到车辆变换矩阵,以提供合成lidar到车辆变换矩阵,
94、评估合成lidar到车辆变换矩阵的改变,包括确定损失值,以及
95、基于损失值,确定是否执行另一次迭代。
96、根据技术方案13所述的自主车辆驾驶方法,进一步包括,当评估损失函数时:
97、使用合成lidar到车辆变换矩阵来计算lidar到世界变换矩阵;
98、基于lidar到世界变换矩阵将聚集数据投影到世界坐标数据;
99、基于世界坐标数据,通过为每个lidar数据点计算到相邻数据点的距离来提供距离;和
100、基于距离的平均值来确定损失值。
101、根据技术方案13所述的自主车辆驾驶方法,其中,所述损失函数是基于密度的损失函数,其表征相对于所选目标之一的lidar未对准严重性或点密度中的至少一者。根据详细描述、权利要求和附图,本公开的另外应用性领域将变得清楚。详细的描述和具体的示例仅仅旨在是出于说明的目的,而不旨在限制本公开的范围。