[发明专利]基于群感测点云地图的控制自主车辆的方法及计算机实施系统

权利要求书

1.一种用于控制自主车辆的方法，所述方法包括：

从所述车辆的传感器接收传感器数据；

从所述传感器数据来确定三维点云地图段；

确定与所述三维点云地图段相关联的车辆位姿，车辆和另一车辆同时在重叠区域中检测到共同物体时，实时地计算位姿差异；

基于所述车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，所述两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异，其中，通过计算粗粒度位姿差异找到最佳的差异因子，其中，通过计算细粒度位姿差异来获取更加精化的位姿差异估值；

基于所述位姿差异使所述三维点云地图段与同所述另一车辆位姿相关联的另一三维点云地图段对齐，其中，参考系统转换模块将位姿差异估值接收作为输入，参考系统转换模块通过将最佳的差异因子用作初始确定范围来计算转换数据，通过迭代最近点收敛机制将匹配的3D特征选择用于最终对齐；以及

基于所对齐的三维点云地图段来控制所述车辆。

2.根据权利要求1所述的方法，其中，所述粗粒度位姿差异是基于两个轨迹之间的均方误差来进行计算。

3.根据权利要求2所述的方法，其中，所述细粒度位姿差异是基于图像平面重投影误差最小化方法来进行计算。

4.根据权利要求3所述的方法，所述方法进一步包括：使用所述细粒度位姿差异基于迭代最近点收敛方法来确定转换数据，并且其中，所述对齐是基于所述转换数据。

5.根据权利要求1所述的方法，其中，所述的确定所述车辆位姿是基于来自所述传感器数据的二维特征集、与所述二维特征集相关联的三维点云、以及图像平面重投影误差最小化方法。

6.根据权利要求5所述的方法，其中，所述二维特征集与静态特征相关联，并且其中，所述三维点云与静态特征相关联。

7.根据权利要求1所述的方法，其中，所述的确定所述车辆位姿是基于来自所述传感器数据的第一二维特征集、来自所述传感器数据的第二二维特征集、与所述第一二维特征集相关联的第一三维点云、与所述第二二维特征集相关联的第二三维点云、以及图像平面重投影误差最小化方法。

8.根据权利要求7所述的方法，其中，所述第一二维特征集与静态特征相关联，其中，所述第一三维点云与静态特征相关联，其中，所述第二二维特征集与动态特征相关联，并且其中，所述第二三维点云与动态特征相关联。

9.根据权利要求1所述的方法，所述方法进一步包括：基于特征的置信度来合并所对齐的三维点云地图段的特征。

10.一种用于控制自主车辆的计算机实施系统，所述计算机实施系统包括：

非暂时性计算机可读介质，所述非暂时性计算机可读介质包括：

地图段生成模块，所述地图段生成模块配置为从所述车辆的传感器接收传感器数据，以及从所述传感器数据来确定三维点云地图段；

位姿确定模块，所述位姿确定模块配置为确定与所述三维点云地图段相关联的车辆位姿，车辆和另一车辆同时在重叠区域中检测到共同物体时，实时地计算位姿差异；

位姿差异确定模块，所述位姿差异确定模块配置为基于所述车辆位姿、另一车辆位姿、以及两步过程来确定位姿差异，其中，所述两步过程包括：计算粗粒度位姿差异、以及计算细粒度位姿差异，其中，通过计算粗粒度位姿差异找到最佳的差异因子，其中，通过计算细粒度位姿差异来获取更加精化的位姿差异估值；

参考系统转换模块，其将位姿差异估值接收作为输入，所述参考系统转换模块计算通过将最佳的差异因子用作初始确定范围来计算转换数据，通过迭代最近点收敛机制将匹配的3D特征选择用于最终对齐；

对齐模块，所述对齐模块配置为基于所述位姿差异使所述三维点云地图段与同所述另一车辆位姿相关联的另一三维点云地图段对齐；以及

控制模块，所述控制模块配置为基于所对齐的三维点云地图段来控制所述车辆。