[发明专利]基于Walsh内核投影技术的自动驾驶车辆定位

说明书

确定自动驾驶车辆(ADV)相对于高清晰度地图的位置。ADV的车载传感器获得ADV周围的物体的3D点云。3D点云被组织成单元格的ADV特征空间。每个单元格具有中值强度值和高程方差。确定围绕ADV的一组候选单元格。对于每个候选项，使用内核投影在一个或多个维度上将围绕候选单元格的ADV特征空间的一组单元格投影在地图特征空间上。内核可以为沃尔什‑哈达玛向量。拒绝具有不足的相似性的候选。当剩余阈值数量的未拒绝候选项时，可以使用相似性度量来确定候选相似性。最相似的候选单元格的坐标可以用于确定车辆相对于地图的位置。

技术领域

本发明的实施方式总体上涉及操作自动驾驶车辆。更具体地，本发明的实施方式涉及提高自动驾驶车辆定位的效率和精确性。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

自动驾驶的一个基本挑战是有效地、精确地且实时地确定自动驾驶车辆(ADV)相对于注释有多种关键信息的高清晰度(HD)地图的位置。在最坏的情况下，精度需要在10cm以内。高清晰度(HD)地图中的ADV位置由ADV系统部件(诸如感知，规划和控制)使用以做出精确且及时的ADV驾驶决策。为了确定ADV在HD地图内的位置，ADV中或ADV上包括有一个或多个ADV位置传感器。传感器可以包括全球定位卫星检测器(GPS)、惯性测量单元传感器(IMU)、无线电检测和测距(RADAR)和光检测和测距(LIDAR)。现有的基于硬件的定位系统(诸如，全球定位卫星传感器(GPS)和惯性测量单元传感器(IMU))不能提供相对于HD地图的必要的精确度，特别是对于具有复信号阻塞情况的动态城市环境。

自动驾驶车辆的现有定位方法通常为三个主要类别：2D方法、3D方法以及2D-3D混合方法。在这三个方法中，使用激光扫描器(例如，LIDAR传感器)的基于3D的方法由于其高精度和高可靠性而普遍地流行。使用LIDAR传感器来确定HD地图中的ADV位置的现有技术方法在计算方面的成本很高，并且仅具有一般的精确度和一般的鲁棒性。

发明内容

本申请的一个方面提供了一种操作自动驾驶车辆(ADV)的计算机实施的方法。该方法包括：确定所述ADV周围的单元格的ADV特征空间中的多个候选单元格的第一子集；对于所述多个候选单元格的所述第一子集中的每个候选单元格：通过使用第一维度基向量将所述ADV特征空间的子集投影在地图特征空间上，确定围绕所述候选单元格的所述ADV特征空间的所述子集与所述地图特征空间之间的相似性分数，以及响应于确定出所述相似性分数表示不足的相似性，将所述候选单元格标记为拒绝，否则将所述相似性分数与所述候选单元格关联地存储；以及至少部分地基于所述多个候选单元格中具有最高相似性分数的所述多个候选单元格中的候选单元格来确定所述ADV相对于所述地图特征空间的位置。

本申请的另一个方面提供了一种非暂时性机器可读介质，在所述非暂时性机器可读介质中存储有指令。当由处理器执行时，所述指令使得所述处理器执行以下操作：确定ADV周围的单元格的ADV特征空间中的多个候选单元格的第一子集；对于所述多个候选单元格的所述第一子集中的每个候选单元格：通过使用第一维度基向量将所述ADV特征空间的子集投影在地图特征空间上，确定围绕所述候选单元格的所述ADV特征空间的所述子集与所述地图特征空间之间的相似性分数，以及响应于确定出所述相似性分数表示不足的相似性，将所述候选单元格标记为拒绝，否则将所述相似性分数与所述候选单元格关联地存储；以及至少部分地基于所述多个候选单元格中具有最高相似性分数的所述多个候选单元格中的候选单元格来确定所述ADV相对于所述地图特征空间的位置。