[发明专利]用于构建道路模型的方法和系统

说明书

提供了用于构建实时道路模型的方法和装置。该方法可包括并且该装置可用于：在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；将第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据；从地图中提取车辆在第一时刻所处的位置周围阈值范围内的地图数据；基于地图数据纠正针对第一时刻的通用统计模型格式数据中的各个传感器数据集；将针对第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对第一时刻的通用统计模型格式数据；将经更新的针对第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象；将所标识的对象与地图数据相组合来形成实时道路模型。

技术领域

本发明涉及构建道路模型，更具体地，涉及使用实时传感器数据和离线地图构建道路模型。

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)是一种能够在没有人为输入的情况下感测其周围环境并进行导航的车辆。自动驾驶车辆(下文称为“ADV”)使用各种技术来检测其周围环境，例如雷达，激光，GPS，测距和计算机视觉。先进的控制系统解释感测到的信息，以标识适当的导航路径，以及障碍物和相关标志。

更具体地，ADV从各种车载传感器收集传感器数据，例如视觉类传感器(例如，摄像头)，雷达类测距传感器(诸如激光雷达，毫米波雷达，超声波雷达)等。基于传感器数据，ADV可以在其周围构建实时道路模型。道路模型可以包括各种信息，包括但不限于车道信息(诸如车道线的位置、类型、宽度等)，交通灯，交通标志，道路边界等。通过将构建的道路模型与预先获得的道路模型(例如由高清(HD)地图提供商提供的HD地图中所包括的道路模型)进行比较，ADV可以更准确地确定其在道路中的位置。同时，ADV还可以基于传感器数据标识其周围的物体，例如车辆、行人和建筑物。ADV可以根据确定的道路模型和标识的周围物体做出适当的驾驶决策，例如车道变换，加速度，刹车等。

如本领域中已知的，不同类型的传感器产生不同形式或格式的数据。在处理来自不同传感器的传感器数据时，必须分别处理每种类型的传感器数据。因此，对于每种类型的传感器数据，必须建立一个或多个用于存储该类型的传感器数据的模型以进行对象标识。当前，并不存在一种能够同时支持多种不同类型的传感器数据的模型。

此外，针对单个时刻所获得的单组传感器数据是不稳定且不可靠的。例如，在某一时刻，道路上的对象(诸如车辆)可能会遮挡传感器，道路上的对象(诸如车道标志)会被路上的其他车辆所遮挡或者由于车辆的抖动而引起传感器产生了抖动，在任一种情况下，ADV的传感器所获得的不正确的传感器数据会导致错误的道路模型构建。由此，将针对该时刻的传感器数据与先验信息(例如，地图)进行比较以纠正明显不正确的传感器数据，并将针对该时刻的传感器数据与针对先前多个时刻的多组传感器数据进行融合以拟合数据，来构建实时道路模型是理想的。

因此，希望提供一种能够同时支持多种类型的传感器数据的模型并能够结合历史数据来进行实时道路模型构建的方案，以便克服上述提及的缺陷。

发明内容

提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。