[发明专利]使用高斯混合模型进行自主车辆定位

说明书

本文提供了“使用高斯混合模型进行自主车辆定位”。公开了用于确定车辆或其他装置的位置的系统、方法和装置。一种方法包括从传感器接收传感器数据，以及确定包括激光雷达强度值的在先地图。所述方法包括提取所述在先地图中在所述传感器的假设位置周围的子区域。所述方法包括通过期望最大化提取所述传感器数据的区域的高斯混合模型(GMM)强度值分布，以及基于所述传感器数据的强度值的所述GMM分布来计算所述在先地图的所述子区域的对数似然。

技术领域

本公开涉及用于定位的方法、系统和设备，并且更具体地涉及用于基于激光雷达传感器数据来定位车辆的方法、系统和设备。

背景技术

定位是某些自主系统(包括自主驾驶系统或移动机器人系统)的要求。定位是执行某些任务(如避障、路线规划和地图创建)的关键组成部分。自主车辆利用地图来了解车辆周围的世界中的对象。自主车辆仅可以在知道所述车辆自身在地图内的位置时才能利用该信息。因此，车辆必须执行定位以知道所述车辆的位置，并且在一些实施方式中，必须以约10厘米的准确度知道所述车辆的位置。

定位系统可以集成在汽车(诸如自主车辆和驾驶辅助系统)中。目前正在开发和部署此类系统以提供安全性特征，减少所需的用户输入量，或甚至完全消除用户参与。例如，一些驾驶辅助系统(诸如防撞系统)可在人驾驶时监测车辆的驾驶、位置和速度和其他对象。当系统检测到即将发生碰撞或撞击时，防撞系统可介入并应用制动、操纵车辆或执行其他避让或安全操作。作为另一示例，自主车辆可在很少或没有用户输入的情况下驾驶、导航，和/或停放车辆。然而，由于驾驶中涉及的危险和车辆的成本，使自主车辆和驾驶辅助系统安全地操作并且能够在各种不同的驾驶环境中准确地导航道路是极其重要的。

发明内容

本公开旨在提供用于定位的改进系统、方法和装置，并且更具体地提供用于基于激光雷达传感器数据来定位车辆的改进系统、方法和装置。可以实现本公开的方法，以降低维度和根据不确定性或噪声改善神经网络操作。所述方法包括接收包括多个样本的原始数据，其中每个样本包括多个输入特征。所述方法包括基于原始数据生成模糊数据。所述方法包括将原始数据和模糊数据输入到神经网络自动编码器的输入层中。

附图说明

参考以下附图描述本公开的非限制及非详尽实施方式，其中除非另有说明，否则相同的附图标记贯穿各个附图指代相同零件。参考以下描述和附图将更好地理解本公开的优点，在附图中：

图1是示出根据一个实施例的示例性车辆控制系统或自主车辆系统的示意性框图；

图2是示出根据一个实施例的用于确定环境中的车辆或其他对象的位置的方法的示意性框图；

图3是示出根据一个实施例的用于确定环境中的车辆或其他对象的位置的方法的示意性框图；

图4是示出根据一个实施例的用于基于当前传感器数据确定一组参数的方法的示意性框图；

图5是示出根据一个实施例的用于确定在先地图的子区域的对数似然值的方法的示意性框图；

图6是示出根据一个实施例的用于确定环境中的车辆或其他对象的位置的方法的示意性框图；

图7是根据一个实施例的示例性激光雷达强度地图；

图8是根据一个实施例的示例性激光雷达强度图和高斯混合模型图；

图9是根据一个实施例的激光雷达强度值地图的示例性分布；

图10是示出根据一个实施例的用于确定参数的方法的示意性框图；

图11是根据一个实施例的包括多个子区域的示例性分类地图；

图12是根据一个实施例的用于确定环境中的车辆或其他对象的位置的方法的示意性流程图；