[发明专利]用于从激光雷达、地图和图像数据估计长方体的系统和方法

说明书

用于操作自主载具的系统和方法。该方法包括：由计算设备获得激光雷达数据集；由计算设备在3D图形上绘制激光雷达数据集以定义3D点云；由计算设备使用激光雷达数据集和矢量地图的内容来在3D图形上定义长方体，该长方体涵盖3D点云中与载具附近的物体相关联的点，其中矢量地图包括车道信息；以及使用长方体来促进自主载具的驾驶相关操作。

相关申请的交叉引用

本专利文档要求2020年6月29日提交的美国专利申请No.16/914,905的优先权，其公开内容通过引用完全并入本文档。

技术领域

本公开总体上涉及自主载具。更具体地，本公开涉及实现用于从激光雷达(LiDAR)、地图和图像数据估计长方体的系统和方法。

背景技术

现代载具具有至少一个车载计算机并具有互联网/卫星连接。在这些车载计算机上运行的软件监测和/或控制载具的操作。该载具还包括用于检测其附近的物体的激光雷达检测器。激光雷达检测器生成激光雷达数据集，其在多个不同时间测量从载具到物体的距离。这些距离测量可被用于跟踪物体的移动、对物体轨迹进行预测以及基于预测的物体轨迹来规划载具的行进路径。

发明内容

本公开涉及实现用于操作自主载具的系统和方法。该方法包括：由计算设备获得激光雷达数据集；由计算设备在3D图形上绘制激光雷达数据集以定义3D点云；由计算设备使用激光雷达数据集和矢量地图的内容来在3D图形上定义长方体，该长方体涵盖3D点云中与载具附近的物体相关联的点，其中矢量地图包括车道信息；以及使用长方体来促进自主载具的驾驶相关操作。

在某些情况下，通过从3D点云推断物体的航向分布P_pt(θ)，在3D图形上定义长方体。航向分布P_pt(θ)由数学公式P_pt(θ)＝1/η*exp(-C(θ))定义，其中exp()是指数函数，η是归一化常数，并且C(θ)是成本函数。成本函数C(θ)由数学公式定义，其中B(θ)是最小边界框，Area(B(θ))是最小边界框的面积，θ是坐标系中的航向方向或偏航，UnmatchedArea(θ)是最小边界框中没有任何激光雷达点的面积，并且d(θ)是当前高度处的边界框的边缘到最外边缘之间的距离。

在这些或其他场景中，通过从矢量地图确定航向分布P_m(θ)，在3D图形上定义长方体。航向分布P_m(θ)由数学公式P_m(θ)＝max_i(N(θ：α_i，σ_i²)定义，其中N()是正态分布，α_i是车道方向，并且σ_i²是可配置的对应方差。

通过进一步使用航向分布P_pt(θ)和/或P_m(θ)执行滤波操作以获得航向的后验分布，在3D图形上定义长方体。滤波操作可以包括贝叶斯滤波操作。峰值航向是从航向的后验分布中选择的。在一些场景中，后验分布有一个以上峰值航向。当这种情况发生时，可以从包含在后验分布中的多个峰值航向中选择与物体的视觉航向对齐的峰值航向。通过进一步将取向为峰值航向的边界框拟合到3D点云，在3D图形上定义长方体。

在这些或其他场景中，还通过以下操作在3D图形上定义长方体：确定物体的峰值航向和速度是否在彼此的90度以内；以及当确定峰值航向和速度在彼此的90度以内时，将峰值航向翻转180度。

附图说明

本解决方案将参考以下附图进行描述，其中相同的标号贯穿附图表示相同的项目。

图1是说明性系统的图示。

图2为载具的说明性架构的图示。

图3是图2所示载具采用的激光雷达系统的说明性架构的图示。

图4是说明性计算设备的图示。