[发明专利]用于精确定位的传感器融合

说明书

本发明涉及用于精确定位的传感器融合。为了在给定地图中精确地定位车辆以进行自主驾驶，车辆需要准确地将传感器感知环境与地图信息进行比较。为了实现定位，车辆可以将从多个车载传感器接收的信息与GPS和地图数据相结合地使用。本文描述的示例性实施方式涉及即使在传感器故障期间也通过原始数据融合技术来维持自主车辆的传感器测量的准确性，并且如果任何传感器故障，则通过基于历史信息和统计方法的预测技术来重新填充数据。

技术领域

本公开总体上涉及自主车辆，并且更具体地涉及使用多个传感器进行自主驾驶的地面车辆定位。

背景技术

定位是针对点对点导航和控制在给定地图中识别地面车辆的位置的过程。定位是从点A到点B自动驾驶车辆的关键方面之一。此外，这样的技术被用于若干其他应用中。在操作者或驾驶员驾驶的车辆中，定位用于向操作者或驾驶员提供分路段方向。驾驶员/操作者驾驶的车辆中用于定位的精度要求不像自主车辆的精度要求那样高，因为驾驶员或操作者可以通过他们对环境的感知的附加信息来补偿误差。因此，例如，基于全球定位系统(GPS)的定位足以使驾驶员/操作者将车辆从点A驾驶到点B。

然而，在自主车辆的情况下，所需的定位精度可以小到3～10厘米。由于GPS传感器通常具有1～3米之间的精度，有时宽达10～50米，因此不能仅依赖于其用于自主驾驶应用。

因此，需要车载传感器感知环境并检测周围数据，以与GPS和地图数据一起实现3～10厘米的位置精度。相关技术实现利用诸如激光器、相机或雷达的多个车载传感器结合GPS和地图数据来估计用于自主驾驶的车辆定位。组合多个传感器数据的这种相关技术实现被称为传感器融合(fusion)。尽管在该领域已经取得了很大进展，但是相关技术尚未解决的一个关键方面涉及当传感器之一发生故障时如何继续进行。如果传感器发生故障，相关技术实现通过忽略坏的传感器数据或传感器来解决这种故障并以降低的精度继续。已经发现，当发生传感器故障时，精度降低到50～60厘米。

由于定位是基于先前预测和传感器数据校正的估计技术，因此如果传感器中的一个发生故障，则系统中的误差可累加。大于70厘米至1米的较大误差对于安全性至关重要，并使自主车辆容易发生事故。例如，假设车辆标称宽度为1.9米，车道宽度为2.5米。如果定位精度下降到1米，则自主车辆可通过在其自我车道的中心估计其自身而越过其他车道。因此，显然需要解决即使在传感器故障发生期间也改进定位估计并保持足够精度的问题。

在相关技术实现中，存在一种使用雷达和GPS传感器来定位车辆的方法。雷达传感器被用在周围的对象上，并且使用抽象信息。车辆定位概率由GPS传感器确定，然后使用雷达和符号地图来估计。然而，这样的相关技术实现具有固有的缺点，使得雷达传感器具有低空间分辨率，并且当雷达停止工作或GPS数据不可用时(例如，由于车辆在隧道或桥梁下或在人口密集的城市峡谷中通过)，没有应对的实施方式。

在相关技术实现中，使用GPS、相机和激光传感器来创建具有明确定义的结构和非结构化部分的地形的高分辨率地图。这样的相关技术实现涉及使用该高分辨率地图并通过尝试使观察到的传感器数据的似然性最大化来定位车辆的方法。然而，在这样的相关技术实现中，如果(例如，在传感器故障期间)没有接收到时间段的数据，则这样的实现不能更新该时间段或后续时间段的车辆位置，直到其从传感器接收数据。因此，如果传感器具有严重的机械或电气故障，则这样的相关技术实现可能根本不定位车辆。另外，在传感器由于天气或环境条件而在某些时间段内不工作的这种情况下，估计误差可能增加，甚至可能超过1～2m，这将导致安全风险。

发明内容

本文描述的示例性实施方式涉及用于在车载传感器故障的情况下实现高水平精度的系统和方法。

为了精确地定位给定地图中的车辆，车辆需要精确地将传感器感知环境与地图信息进行比较。为了实现定位，车辆可以将从多个车载传感器接收的信息与GPS和地图数据相结合地使用。诸如激光器、相机、雷达、声纳之类的传感器通常被车辆用于感知环境。然后将该环境感知信息与高清晰度(HD)地图信息进行比较，以识别车辆所处的地图区域。