[发明专利]用于自动驾驶车辆的地图分区系统

说明书

系统识别通过ADV导航出的道路，该道路由来自一个或多个LIDAR传感器的一个或多个点云捕获(2601)。系统从点云提取所识别道路的道路标记信息，所述道路标记信息描述所识别道路的一个或多个道路标记(2602)。系统基于道路标记将道路划分成一个或多个道路分区(2603)。系统基于道路分区生成点云地图，其中，利用点云地图来感知ADV周围的驾驶环境(2604)。

技术领域

本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及用于自动驾驶车辆(ADV)的地图分区系统。

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使。

运动规划和控制是自动驾驶中的关键操作。然而，传统的运动规划操作主要根据其曲率和速度来估计完成给定路径的难度，而不考虑不同类型车辆的特征差异。相同的运动规划和控制应用于所有类型的车辆，这在某些情况下可能不准确且不平滑。

高清(HD)三维(3D)点云地图对于自动驾驶车辆是重要的，并且点云登记(pointcloud registration)系统是根据点云数据构建HD 3D点云地图的重点。具有高精度的HD3D点云地图是自动驾驶车辆(ADV)的运动规划的关键。

然而，存在影响地图结构的性能和精确度的若干问题。首先，当前的点云登记算法高度依赖于用于定位的GPS信号来进行地图构建，其在例如由高楼林立的城市街道或茂密的森林中，可能具有米级的误差范围，或者记录下具有GPS弹跳的信号。或者例如，在隧道或车库中，GPS可能无法完全地记录信号。其次，点云的登记可能是计算复杂的，例如，这对于大的地图区域而言是具有挑战性且耗时的。

此外，经登记的HD 3D点云地图的精确度可取决于点云的质量或点云的拼接。如果点云地图具有由例如点云的拼接而导致的重影图像，则HD 3D点云地图的精确度可能受损。为了确保高精确度，期望针对重影效果来评估点云地图。

发明内容

在第一方面，本公开的实施方式提供了一种用于自动驾驶车辆(ADV)的划分点云地图的计算机实施方法，所述方法包括：识别通过ADV导航出的道路，所述道路由来自一个或多个LIDAR传感器的一个或多个点云捕获；从所述点云提取所识别道路的道路标记信息，所述道路标记信息描述所识别道路的一个或多个道路标记；基于所述道路标记将所述道路划分为一个或多个道路分区；以及基于所述道路分区生成点云地图，其中，利用所述点云地图来感知所述ADV周围的驾驶环境。

在第二方面，本公开的实施方式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所述处理器执行以下操作，所述操作包括：识别通过ADV导航出的道路，所述道路由来自一个或多个LIDAR传感器的一个或多个点云捕获；从所述点云提取所识别道路的道路标记信息，所述道路标记信息描述所识别道路的一个或多个道路标记；基于所述道路标记将所述道路划分为一个或多个道路分区；以及基于所述道路分区生成点云地图，其中，利用所述点云地图来感知所述ADV周围的驾驶环境。

在第三方面，本发明实施方式提供了一种数据处理系统。所述系统包括：处理器；以及存储器，所述存储器联接至所述处理器以存储指令，所述指令在由所述处理器运行时使得所述处理器执行以下操作，所述操作包括：识别通过ADV导航出的道路，所述道路由来自一个或多个LIDAR传感器的一个或多个点云捕获；从所述点云提取所识别道路的道路标记信息，所述道路标记信息描述所识别道路的一个或多个道路标记；基于所述道路标记将所述道路划分为一个或多个道路分区；以及基于所述道路分区生成点云地图，其中，利用所述点云地图来感知所述ADV周围的驾驶环境。

附图说明

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