专利名称：将传感器数据与先验数据结合的系统和方法
将传感器数据与先验数据结合的系统和方法
背景技术：
通常使用测距传感器(比如雷达或激光雷达)来提供关于交通工具(比如直升机)前面的地形和障碍物的实时信息，为了改进合成的三维地图的质量，已经做了大量的工作。一种方法是使用证据网格(evidence grid)来累积横跨空间和时间的传感器数据。于2008年3月19日申请的序列号为12/051,801的美国专利申请中公开了一种使用证据网格的概率性方法，据此通过参考将其内容并入本文。然而，能够从机载传感器得到的传感器数据覆盖范围通常由受限的视野限制，由诸如尘土的蒙蔽物限制，由阴影限制，以及经常由仅仅缺少目标时间而限制。因而，合成的三维地图和期望值相比具有较低的分辨率，且具有缺少数据的区域。另一个解决方案是使用目标区域的高分辨率先验(a priori)数据，其基于先前从不同的平台(例如无人机)获取的传感器测量结果。这些数据可以具有非常高的分辨率(精确度10cm)，并且包含如果显示给飞行员则有益的许多信息。然而，这些数据由于两种原因而不能用于替代实时传感器数据。首先，先验数据是旧的，并且可能不代表目标区域的当前发生。有可能新建(或移除)建筑物，或者当获取先验数据时存在的交通工具已经被移动。不校正这些时间上的变化而显示旧的、过时的先验数据是危险的。第二个问题是直升机的导航系统出错，从而导致显示的先验数据与直升机的当前位置不相应。当靠近地面飞行时这个问题尤为严重，因为与高度相关的导航错误典型地比其他导航错误严重。
发明内容
本发明提供了通过包括先验数据来改进传感数据(例如雷达)的呈现的系统和方法。再次计算(recast)先验数据，好像它是虚拟传感器的输出。这使得将先验数据包含到证据网格中，该证据网格与来自多种类型的传感器的数据相结合。在传感器数据结合到证据网格之前，使用最优化算法将传感器数据与先验数据对准。在本发明的一个方面，最优化算法通过调整与传感器装置相关的位置或姿态，提供传感器数据和先验数据之间的最佳匹配可能。这去除了与传感器装置数据相关的任何导航错误。
参考下面的附图在下文中详细描述本发明的优选实施例以及可替换的实施例图1是根据本发明实施例形成的示例性系统的框图；图2是由图1中所示系统执行的示例性过程的流程图。
具体实施例方式图1示出系统20，其精确地将实时传感器数据(例如雷达、激光雷达、声波定位仪)与先验数据(例如地形，或者显露的或者水中的)相结合，用以为交通工具提供地面和障碍物的精确的最新图像。这尤其对低空飞行的飞行器有益，例如直升机。系统20对其他基于陆地、海上、或者空中的交通工具也有益。系统20包括与传感器装置26 (比如雷达、激光雷达、或是两者的结合)信号通信的处理装置24，输出装置28 (比如显示装置)，以及数据存储装置30。传感器装置26可操作来传送多个同时和/或连续的传感(检测)信号。输出装置28输出(例如显示)处理装置24基于来自传感器装置26的数据以及来自数据存储装置30的先验数据所确定的地形和障碍物的表示。在一个实施例中，先验数据是先前生成的地形和障碍物数据。这种先验数据的一个例子是霍尼韦尔公司的增强的近地警告系统(EGPWS)中使用的地形/障碍物数据库。先验数据是位置阵列处高程(elevation)值的集合。与先验数据相关的是不确定值，其基于和用于获取该先验数据的原始传感器和导航系统相关的不确定性。先验数据可看作是位于非常高的高度并且直接向下指向的虚拟零束宽激光测距仪的输出。这样看来，先验数据考虑(虚拟)传感器的输出，并与实时传感器数据一起放入证据网格(比如具有单元的三维网格)。使用(一个或多个)证据网格，处理装置24在调整与实时传感器数据相关的位置和姿态后，通过确定所占据单元最有可能的布置来解决实时传感器数据与先验数据之间的冲突。将先验数据预先填充(pr印opulate)到证据网格，然后假定先验数据是正确的，计算实时传感器测量结果匹配先验数据的概率3。该计算在下述论述(“最基本的证据网格正是点的集合”开始的段落及之后)之后，但是先验数据放置在证据网格不同单元中，并且根据传感器位置和姿态计算3。基于实时数据，3最大值处的传感器位置是最有可能的位置，因而给出实时传感器数据和先验数据之间的最佳配准。根据导航错误计算3最大值不但提供了导航校正，还提供了描述该校正的灵敏度的协方差矩阵。该协方差矩阵可以用于确定对导航数据校正的可信度，使得噪声数据不会产生不合适的校正。如图2所示，由处理装置24执行的过程50将先验数据与其他传感器数据结合从而生成地形和障碍物的最优理解。首先，在块56处,使用先验数据填充(populate)第一证据网格。由先验数据提供该证据网格中的单元的占据。接下来，在块58处，获取来自传感器装置26的数据并将其发送到处理装置24。在块60处，计算证据网格中先验数据以与真实世界反射真实雷达相同的方式反射雷达(或激光雷达)的概率。该计算根据传感器位置和姿态以及传感器数据。在判定块64处，处理装置24确定计算的概率是否达到预定阈值，或者是否进行了预定数目的迭代。在其他实施例中，关于位置的概率的第一导数(derivative)小于预定阈值，指示作为位置函数该概率达到或接近局部最大值。如果判定块64的情况非真，则在块68处，调整传感器装置26的位置和/或姿态，该过程50回到块60，执行基于新的位置和/或姿态信息的概率计算。如果判定块64的条件为真，则确定计算的概率以最大化。通过施加递增改变到位置和/或姿态值(即传感器装置26的指示方向)，并基于(一个或多个)改变的值重新计算该概率，由最优化算法执行示例性的最大化过程。块64-70是非详细说明的最优化方案的例子。可以使用其他最优化方案。然后在块70处，将传感器装置26的位置和/或姿态校正为概率已被最大化时的值。在块74处，使用好像由虚拟传感器生成的先验数据和来自使用校正位置的传感器装置26的数据构造第二证据网格。由于先验数据包括给定位置处地形的高程，具有相关的不确定性，该虚拟传感器可以被视为具有在非常高高程处零束宽和与先验数据的相同的测量结果不确定性的激光雷达。一旦先验数据被认为是此虚拟传感器的输出，先验数据与实时传感器数据的结合遵循序列号为12/051,801的美国专利申请中的描述。在第一次通过过程50时，只使用先验数据和传感器数据生成第二证据网格。随后通过过程50时，先前更新的第二证据网格用于块74处的步骤。之后，构造的第二证据网格用于生成输出(比如图像)以在输出装置28上呈现。块60-68处执行的最优化步骤对准或配准实时传感器数据和先验数据。块74处的步骤确定先验数据与实时传感器26测量的当前场景状态之间是否有任何改变。在一个实施例中，如果传感器数据(即雷达数据)达到IOHz的速率，每秒执行一次最优化步骤(块64-70)，每秒执行另外九次块74处的步骤。这节省了相当可观的计算努力。可使用其他更新频率/策略。下面描述图2所示的步骤74处执行的一个示例性的过程。最基本的证据网格正是点的集合，以及这些点中每个点的占据度量。典型的，点的集合形成一致的三维网格，但这种一致并不是必需的。单元的占据度量可以解释为占据该单元的概率。此处提出的问题在于如何设置证据网格中单元的占据，以使得尽可能地匹配对应于所传感的环境的测量结果。一种方法包括询问相关问题给定证据网格，假定每个单元有占据概率，证据网格的(模型)传感器测量结果与实时传感器测量结果相匹配的概率是多少？如果我们可以根据单元占据进行计算，那么我们就把如何增大证据网格中单元占据的问题转换成相关的最优化问题，以找到最大化证据网格的(模型化)测量结果与真实世界(实际)测量结果匹配的概率的单元占据。P11是空间中由占据的证据网格单元表示的体积反射传感器光束的概率，可以，但不是必须的，假定该概率既不依赖于与传感器装置26的距离(直到传感器装置26的最大范围)，也不依赖于与传感器装置26中心轴的角度(直到该光束的角宽度)。同样地,Ptltl是空间中由未占据的单元表示的体积没有反射传感器光束的概率。由此获得空间中由未占据的单元表示的体积反射传感器光束(来自传感器的虚假正响应)的概率，其为Pltl= 1-PcK)，以及空间中由占据的单元表示的体积没有反射光束(虚假负响应)的概率，其为Pcii =1-Pll。证据网格的理论传感器测量结果与实际传感的环境的测量结果相同的概率可以如下计算首先，考虑单个单元进行反射的概率。假设P i为证据网格中第i个单元格被占据的概率，则第i个单元进行反射的概率为
权利要求
1.一种由位于交通工具中的处理装置(24)执行的方法，该方法包括 a.接收与在第一空间区域上传送的第一检测信号对应的第一数据集； b.基于与接收到的第一数据集相关的位置和姿态信息，确定第一数据集与先前存储的先验地形和障碍物数据之间的匹配概率； c.如果至少一个确定的匹配概率不大于预定的匹配概率阈值，或者未满足预定阈值数目的匹配概率确定，则调整位置或姿态信息中的至少一个，并基于调整的位置或姿态信息返回到b ； d.如果至少一个确定的匹配概率大于预定的匹配概率阈值，或已经满足预定阈值数目的匹配概率确定，则保存调整的位置或姿态信息，或如果没有发生调整的情况下保存原始的位置和姿态信息； e.基于第一数据集、存储的位置和姿态信息、以及通过将先验地形数据表示为虚拟传感器输出而形成的第二数据集计算证据网格中单元最有可能的占据值；以及 f.基于概率计算生成输出。
2.如权利要求1所述的方法，其中该证据网格是三维的。
3.如权利要求1所述的方法，其中计算概率包括计算由第一单元表示的第一子区域反射多个检测信号中的至少一个的概率，以及计算由第一单元表示的第一子区域没有反射多个检测信号中的至少一个的概率。
4.如权利要求3所述的方法，其中 计算概率还包括计算第一空间区域的第一面元内的每个子区域没有反射多个检测信号中的至少一个的第一概率，以及第二空间区域的第一面元内的每个子区域没有反射多个检测信号中的至少一个的第二概率， 其中计算概率还包括计算第一空间区域的第二面元内的每个子区域反射多个检测信号中的至少一个的第三概率，以及第二空间区域的第二面元内的每个子区域没有反射多个检测信号中的至少一个的第四概率。
5.权利要求4所述的方法，其中计算概率还包括 计算与第一空间区域的至少一个面元对应的第一概率以及与第一空间区域的至少一个面元对应的第三概率的第一乘积；以及 计算与第二空间区域的至少一个面元对应的第二概率以及与第二空间区域的至少一个面元对应的第四概率的第二乘积， 其中计算概率还包括计算第一和第二乘积的第三乘积， 其中计算概率还包括计算第三乘积的最大值。
6.一种交通工具，包括 传感器(26)，被配置为生成与在第一空间区域上传送的第一检测信号对应的第一数据集; 存储器(30)，被配置为存储先验地形和障碍物数据； 定位系统(32)，被配置为确定交通工具的位置和姿态信息； 耦合到传感器的处理装置(24)，该处理装置被配置为 基于与接收到的第一数据集相关的位置和姿态信息，确定第一数据集与先前存储的先验地形和障碍物数据之间的匹配概率；如果至少一个确定的匹配概率不大于预定的匹配概率阈值，或者已经满足预定阈值数目的匹配概率确定，则调整位置或姿态信息中的至少一个，并基于调整的位置或姿态信息返回到b ； 如果至少一个确定的匹配概率大于预定的匹配概率阈值，或者已经满足预定阈值数目的匹配概率确定，则保存调整的位置或姿态信息，或如果没有发生调整的情况下保存原始的位置和姿态信息； 基于第一数据集、存储的位置和姿态信息、以及通过将先验地形数据表示为虚拟传感器输出而形成的第二数据集计算证据网格中单元最有可能的占据值；以及 基于概率计算生成输出；以及 输出装置(28)，被配置为输出生成的输出。
7.如权利要求6所述的交通工具，其中该证据网格是三维的。
8.如权利要求6所述的交通工具，其中处理装置通过计算由第一单元表示的第一子区域反射多个检测信号中的至少一个的概率而进行计算，其中处理装置通过进一步计算由第一单元表示的第一子区域没有反射多个检测信号中的至少一个的概率而进行计算。
9.如权利要求8所述的交通工具，其中处理装置通过进一步计算第一空间区域的第一面元内的每个子区域没有反射多个检测信号中的至少一个的第一概率、第二空间区域的第一面元内的每个子区域没有反射多个检测信号中的至少一个的第二概率、第一空间区域的第二面元内的每个子区域反射多个检测信号中的至少一个的第三概率、以及第二空间区域的第二面元内的每个子区域没有反射多个检测信号中的至少一个的第四概率而进行计算。
10.如权利要求9所述的交通工具，处理装置还通过以下进行计算计算与第一空间区域的至少一个面元对应的第一概率以及与第一空间区域的至少一个面元对应的第三概率的第一乘积；以及 计算与第二空间区域的至少一个面元对应的第二概率以及与第二空间区域的至少一个面元对应的第四概率的第二乘积， 其中处理装置通过进一步计算第一和第二乘积的第三乘积而进行计算， 其中处理装置通过进一步计算第三乘积的最大值而进行计算。
全文摘要
通过包括先验数据来改善传感数据(例如雷达)的呈现的系统和方法。再次计算该先验数据，好像它是传感器的输出。这允许将先验数据包含到与来自多种类型的传感器(26)的数据相结合的证据网格中。在传感器数据被结合到证据网格之前，使用最优化算法将传感器数据与先验数据对准。该最优化算法通过调整与传感器装置相关的位置或姿态，提供传感器数据与先验数据之间匹配的最优化概率。这去除了与传感器装置数据相关的任何导航错误。
文档编号G06F19/00GK103065036SQ201210434358
公开日2013年4月24日 申请日期2012年9月22日 优先权日2011年9月22日
发明者J·B·麦基特里克 申请人:霍尼韦尔国际公司