[发明专利]车辆数据弹道估计

说明书

本申请的实施例提供了用于弹道估计车辆数据的系统和方法。该系统可包括通信接口，该通信接口被配置为接收在第一时间点获取的第一车辆测量值和在第二时间点获取的第二车辆测量值。该系统可进一步包括至少一个处理器。至少一个处理器可被配置为基于第一车辆测量值来计算第一组车辆数据，并且基于第一组车辆数据和模型来估计第二时间点的第二组车辆数据。至少一个处理器可进一步被配置为基于第二车辆测量值来计算第三组车辆数据。至少一个处理器还可被配置为基于第二组车辆数据与第三组车辆数据之间的比较来更新模型。该系统还可包括配置为存储第一车辆测量值、第二车辆测量值、模型、第一组车辆数据、第二组车辆数据及第三组车辆数据的存储器。

相关申请

本申请要求享有2018年7月19日提交的美国专利申请No.16/039,329的优先权权益，其内容通过引用合并于此。

技术领域

本申请涉及用于估计车辆数据的系统和方法，并且更具体地，涉及使用模型来弹道估计车辆数据的系统和方法，该模型利用计算的数据和估计的数据之间的差来自适应地更新。

背景技术

自动驾驶技术依赖于车辆数据的大规模计算。例如，自动驾驶车辆需要捕获和处理各种车辆数据以获得执行诸如定位、环境识别、决策和控制之类的功能所必需的车辆数据。例如，车辆可能配备有多个集成传感器，例如光检测和测距(LiDAR)LiDAR、全球定位系统(GPS)接收器、一个或以上惯性测量单元(IMU)传感器、RADAR传感器、Sonic和Ultra声波传感器和一个或以上摄像头，用于捕获数据，例如图像/视频、点云、车辆姿态信息等。

因为自动驾驶汽车通常必须实时做出决策。因此，尽快准备好计算结果通常很关键。然而，由于计算限制，这是困难的。例如，处理来自车载摄像机的视频馈送可能花费相对较长的时间(例如200-300ms)，但是必须在不到100ms的时间内做出决定。为了提高数据处理速度，一种方法是使用功能强大的计算单元。但是，这种方法通常是非常昂贵的解决方案，并且扩展性有限。另一种方法是使用精度较低但较快的处理算法来识别环境的下一个状态。例如，在计算完成之前，可以使用卡尔曼滤波器或递归神经网络来预测系统的行为。但是，这种方法通常在计算上很昂贵，并且需要很多先验知识才能正常运行。如果先验知识不准确，则所有将来的预测都将变得错误，从而导致意外行为。该方法还可能受制于有限的统计性能(例如，较高的错误率、较低的精度等)，这在某些情况下可能是有问题的。因此，需要一种能够快速且准确地估计车辆数据的改进的系统和方法。

本申请的实施例通过使用模型来弹道估计车辆数据的系统和方法来解决上述问题，该模型使用所计算的数据和所估计的数据之间的差来自适应地更新。

发明内容

本申请的实施例提供一种用于弹道估计车辆数据的系统。该系统可以包括通信接口，该通信接口被配置为接收在第一时间点获取的第一车辆测量值和在第二时间点获取的第二车辆测量值。该系统可以进一步包括至少一个处理器。所述至少一个处理器可以被配置为基于所述第一车辆测量值来计算第一组车辆数据，并且基于所述第一组车辆数据和模型来估计所述第二时间点的第二组车辆数据。所述至少一个处理器可以进一步被配置为基于所述第二车辆测量值来计算第三组车辆数据。所述至少一个处理器还可以被配置为基于所述第二组车辆数据与所述第三组车辆数据之间的比较来更新所述模型。该系统还可包括配置为存储所述第一车辆测量值、所述第二车辆测量值、所述模型、所述第一组车辆数据、所述第二组车辆数据及所述第三组车辆数据的存储器。

本申请的实施例还提供一种用于弹道估计车辆数据的方法。该方法可以包括经由通信接口接收在第一时间点获取的第一车辆测量值和在第二时间点获取的第二车辆测量值。该方法可以进一步包括由至少一个处理器基于所述第一车辆测量值计算第一组车辆数据，以及由所述至少一个处理器基于所述第一组车辆数据和模型估计所述第二时间点的第二组车辆数据。该方法还可以进一步包括由所述至少一个处理器基于所述第二车辆测量值计算第三组车辆数据。该方法还可以包括由所述至少一个处理器基于所述第二组车辆数据与所述第三组车辆数据之间的比较来更新所述模型。