[发明专利]自动驾驶车辆中使用RNN和LSTM进行时间平滑的LIDAR定位

说明书

一种在自动驾驶车辆的定位结果中进行时间平滑的方法包括：针对在线点云中的一系列连续的光探测和测距(LIDAR)帧中的每个来创建概率偏移量，该概率偏移量表示来自在线点云的第一组关键点与来自预先建立的点云地图的第二组关键点之间的整体匹配成本(1301)。该方法还包括：在X维度、Y维度和偏航角维度上将概率偏移量压缩成多个概率向量(1303)；将概率偏移量的每个概率向量提供给多个递归神经网络(RNN)(1305)；以及通过RNN在多个连续的LIDAR帧上生成定位结果的轨迹(1307)。

技术领域

本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及在光探测和测距(LIDAR)定位中使用神经网络进行时间平滑。

背景技术

自动驾驶车辆(ADV)可以将乘客(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以及高清地图导航到各个位置，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驾驶。

为了安全驾驶，ADV需要精确且可靠地估计其位置和取向。理想情况下，ADV的定位需要精确到厘米和次级度(sub-degree)的方位角。使用光探测和测距(LIDAR)扫描仪的现有定位方法在定位管线中通常需要若干阶段。虽然现有方法中的一些在不同场景的定位精度和鲁棒性方面具有出色的性能，但它们通常需要大量的工程性工作来对管线中的一些阶段进行硬编码并进行微调，并且对某些场景具有强烈的偏好。另一方面，虽然神经网络已经用来处理语义并且已经实现了良好的结果，但是神经网络在解决与3D几何相关的任务(例如，定位问题)方面是存在欠缺的。

发明内容

在第一方面，本公开提供了一种用于在自动驾驶车辆(ADV)的定位结果中进行时间平滑的计算机实施方法，该方法包括：针对在线点云中的多个连续的光探测和测距(LIDAR)帧中的每个来创建概率偏移量，概率偏移量表示来自在线点云的第一组关键点与来自预建的点云地图的第二组关键点之间的整体匹配成本；在X维度、Y维度和偏航角维度上将概率偏移量压缩成多个概率向量；将概率偏移量的每个概率向量提供给多个递归神经网络(RNN)；以及通过多个RNN在多个连续的LIDAR帧上生成定位结果的轨迹。

在第二方面，本公开提供了一种用于在自动驾驶车辆(ADV)的定位结果中进行时间平滑的系统，该系统包括：处理器；以及存储器，存储器联接至处理器以存储指令，所述指令在由处理器运行时使得处理器执行以下操作，所述操作包括：针对在线点云中的多个连续的光探测和测距(LIDAR)帧中的每个来创建概率偏移量，概率偏移量表示来自在线点云的第一组关键点与来自预建的点云地图的第二组关键点之间的整体匹配成本；在X维度、Y维度和偏航角维度上将概率偏移量压缩成多个概率向量；将概率偏移量的每个概率向量提供给多个递归神经网络(RNN)；以及通过多个RNN在多个连续的LIDAR帧上生成定位结果的轨迹。

在第三方面，本公开提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器运行时使得处理器执行在自动驾驶车辆(ADV)的定位结果中进行时间平滑的操作，所述操作包括：针对在线点云中的多个连续的光探测和测距(LIDAR)帧中的每个来创建概率偏移量，概率偏移量表示来自在线点云的第一组关键点与来自预建的点云地图的第二组关键点之间的整体匹配成本；在X维度、Y维度和偏航角维度上将概率偏移量压缩成多个概率向量；将概率偏移量的每个概率向量提供给多个递归神经网络(RNN)；以及通过多个RNN在多个连续的LIDAR帧上生成定位结果的轨迹。

附图说明

本公开的实施方式以示例而非限制的方式示出在附图的各图中，附图中相似的附图标记指示相似的元件。

图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。

图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。

图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。