[发明专利]交通场景的快照图像

说明书

本公开的各示例描述了用于创建交通场景的快照图像的方法和装置。该方法包括：获取安装在车辆上的至少两个传感器的传感器数据，其中该传感器数据是在基本上相同的时间处收集的(202)；获取这些传感器中的每个传感器的位置(204)；基于所获取的传感器的位置来将该至少两个传感器中的每个传感器的传感器数据变换到参考坐标系中(206)；以及将经变换的传感器数据绘制到图像上以形成快照图像(208)。

技术领域

本公开一般涉及自动驾驶车辆，更具体地，涉及用于自动驾驶车辆的传感器数据处理。

背景技术

自动驾驶车辆(也称为无人驾驶汽车、自动驾驶汽车、机器人汽车)是一种能够感测其环境并且在无需人类输入的情况下导航的车辆。自动驾驶车辆(在下文中被称为ADV)使用各种技术来检测其周边环境，诸如使用雷达、激光、GPS、测程法以及计算机视觉。高级的控制系统对感测信息进行解读以标识合适的导航路径，以及障碍物和相关路标。

更具体地，ADV从各种车载传感器(例如相机、激光雷达、雷达等)收集传感器数据。基于该传感器数据，ADV可以构建其周围的实时道路模型。道路模型可包括各种信息，包括但不限于车道标志、交通灯、交通标志、道路边界等。将所构建的道路模型与预先安装的道路模型(诸如由高清晰度(HD)地图提供商提供的那些道路模型)进行比较，以使得ADV可以更准确地确定其在HD地图中的位置。同时，ADV还可以基于传感器数据来标识其周围的对象，诸如车辆和行人。ADV可以基于所确定的道路模型和所标识的周围对象(诸如车道改变、加速、刹车等)来做出适当的驾驶决策。

如本领域中已知的，不同的传感器产生不同形式或格式的数据。例如，相机提供图像，而激光雷达提供点云。在处理来自不同传感器的此类传感器数据时，必须单独处理每种类型的传感器数据。因此，对于每种类型的传感器，必须建立一个或多个用于对象标识的模型。另外，对于任何特定类型的传感器，在用于训练目标模型时，它可能具有缺点。例如，如果使用由相机直接获取的图像来训练模型，则缺点可包括：(1)没有对图像中的各元素进行分类；(2)图像可以处于任意视角；以及(3)需要大量的样本图像来训练目标模型。对于其他类型的传感器可能存在类似的缺点。因此，期望一种利用传感器数据来记录交通场景的改进的解决方案。

发明内容

本公开的目的在于提供一种用于创建交通场景的快照图像的方法和装置。

根据本公开的第一示例性实施例，提供了一种用于创建交通场景的快照图像的方法。该方法包括：获取安装在车辆上的至少两个传感器的传感器数据，其中该传感器数据是在基本上相同的时间处收集的；获取这些传感器中的每个传感器的位置；基于所获取的传感器的位置来将该至少两个传感器中的每个传感器的传感器数据变换到参考坐标系中；以及将经变换的传感器数据绘制到图像上以形成快照图像。

根据本公开的第二示例性实施例，提供了一种用于创建交通场景的快照图像的装置。该装置包括：传感器数据获取模块，该传感器数据获取模块被配置用于获取安装在车辆上的至少两个传感器的传感器数据，其中该传感器数据是在基本上相同的时间处收集的；传感器位置获取模块，该传感器位置获取模块被配置用于获取这些传感器中的每个传感器的位置；变换模块，该变换模块被配置用于基于所获取的传感器的位置来将该至少两个传感器中的每个传感器的传感器数据变换到参考坐标系中；以及绘制模块，该绘制模块被配置用于将经变换的传感器数据绘制到图像上以形成快照图像。

根据本公开的第三示例性实施例，提供了一种包括至少两个传感器和该第二示例性实施例的装置的车辆。

提供本发明内容以便以简化的形式介绍以下在具体实施方式中进一步描述的概念的选集。本发明内容并非旨在标识出要求保护的主题内容的关键特征或必要特征，亦非旨在限定要求保护的主题内容的范围。诸示例的附加的方面、特征和/或优点将在下面的描述中部分地阐述，并且部分地从描述中将是显而易见的，或者可以通过本公开的实践而获知。

附图说明