[发明专利]用于自主车辆的高清晰度地图的点云数据丰富

说明书

车辆计算系统通过增加扫描的某些部分中的点的密度来对由LiDAR传感器收集的相对稀疏数据进行增强。例如，系统基于由LiDAR传感器收集的点云生成3D三角形，并且对3D三角形进行过滤以识别接近地面的3D三角形的子集。系统在3D三角形的子集内内插点以标识地面上的附加点。作为另一示例，该系统使用由LiDAR传感器收集的数据来识别垂直结构并且在这些垂直结构上内插附加点。增强的数据可以用于与自主车辆导航和HD地图生成有关的各种应用，例如，检测车辆前方道路上的车道标记或确定车辆位置和取向的变化。

背景技术

本公开内容一般涉及用于自主车辆的地图，并且更具体地涉及向自主车辆提供具有高精度和最新地图数据的高清晰度地图以用于安全导航。

自主车辆，也称为自动驾驶汽车、无人驾驶汽车、自动汽车或机器人汽车，其从源位置行驶到目的地位置，而不需要驾驶人员来控制和导航车辆。由于若干个原因，驾驶自动化是困难的。例如，自主车辆使用传感器即时做出驾驶决定，但车辆传感器无法始终观察所有事物。车辆传感器可能被角落、连绵起伏的山丘和其他车辆遮挡。车辆传感器可能没有足够早地观察某些事情以做出决定。另外，道路上可能缺少车道和标志，或者车道和标志可能被撞倒或被灌木丛隐藏，因此传感器无法检测到车道和标志。此外，对于确定车辆可能从哪里驶来、或者在紧急情况下急转弯或驶出车道、或者在存在必须通过的已经停止的障碍物时，可能不容易看到通行权的道路标志。

自主车辆可以使用地图数据来找出以上信息中的一些而不是依赖于传感器数据。然而，传统地图具有若干个缺点，使传统地图难以用于自主车辆。例如，地图未提供安全导航所需的精度水平(例如，10厘米或更小)。GPS系统提供大约3米至5米的精度，但是在某些条件下，GPS系统可能具有更大的误差，导致超过100米的精度。这使得精确地确定车辆的位置变得具有挑战性。

此外，传统地图由测量队绘制，测量队让驾驶员驾驶具有高分辨率传感器的特定装备的汽车在地理区域周围行驶并且进行测量。取回测量结果，以及一组地图编辑根据测量结果组装地图。该处理昂贵且耗时(例如，有可能花费几个月来完成地图)。因此，使用这样的技术组装的地图不具有新数据。例如，道路以每年大约5％至10％的频率更新/修改。但是测量汽车价格昂贵且数量有限，因此通常无法部署足够数量的测量汽车以捕获大部分这些更新。例如，测量车队可能包括一千辆汽车。即使对于美国的一个州来说，一千辆汽车将无法定期保持地图最新，以保证安全的自动驾驶。因此，维护地图的传统技术无法提供对于自主车辆的安全导航而言足够精确且最新的正确数据。

发明内容

本发明的实施方式维护高清晰度(HD)地图，高清晰度(HD)地图可供自主车辆使用以在无需人工输入或在有限的人工输入的情况下安全地导航到自主车辆的目的地。自主车辆是能够感测其环境并且进行导航而无需人工输入的车辆。可以包括在自动驾驶车辆上的传感器之一是测量车辆周围环境的光检测和测距(LiDAR)传感器。LiDAR传感器执行扫描以收集包括多个扫描点的扫描仪数据。每个扫描点指定在特定方向上发射激光脉冲时由LiDAR传感器成像的表面的范围。

一些LiDAR传感器的一个缺点是由LiDAR传感器收集的扫描仪数据可能相对稀疏且分辨率低。例如，LiDAR传感器可以收集沿着每条扫描线间隔0.2度的扫描点，其中连续的扫描线间隔1度或更多。具有这些相对低分辨率的扫描仪数据使得难以将扫描仪数据用于与生成HD地图并且更通常地与导航自主车辆相关联的某些任务。例如，扫描仪数据可能不包括道路表面上的足够的扫描点以检测车辆前方道路上的重要信息(例如，车道标记)，以及扫描仪数据可能不足够密集以执行对垂直结构(例如，电线杆和邮箱)的充分可靠的检测。

实施方式涉及通过增加扫描的某些部分中的点的密度来增强由LiDAR传感器收集的相对稀疏和低分辨率数据的处理。然后，增强的数据可以用于与自主车辆导航和HD地图生成有关的各种应用。