[发明专利]基于远程激光探测与测量的速度估计

说明书

一种确定在距离自身车辆相对较远距离处的目标的绝对速度的基于LIDAR的方法，包括：通过在相对较近距离范围上使用深度学习算法估计绕z轴的介入旋转θ和正交x和y方向上的平移，使用从LIDAR传感器获得的第一帧t‑1和第二帧t来估计自身车辆的自身速度；将第一帧t‑1和第二帧t中的每帧分为多个相邻输入范围，并且通过使用网络随后处理每帧来估计在相对较远距离处所述目标的相对速度，每个输入范围使用相应的卷积神经网络来处理；以及将估计所述自身速度的估计值与估计所述相对速度的估计值相结合以获得所述绝对速度的估计值。

技术领域

本公开总体上涉及汽车、高级驾驶员辅助系统(简称ADAS)和自主驾驶(简称AD)领域。更具体地，本公开涉及基于远程激光探测与测量(LIDAR)的速度估计系统和方法。

背景技术

车辆附近的目标的绝对速度通常依据所确定的自我车辆(ego vehicle)的自身速度与目标(例如可以是另一车辆)的相对速度。自身速度通常由本领域技术人员已知的外部传感器(诸如惯性测量单元(IMU)、全球定位系统(GPS)或车辆里程表)确定。然而，这样的传感器很大程度上取决于其它传感器和车辆运行情况，而且可能是不准确的。通常使用标注、目标分割和跟踪，考虑过去的轨迹，根据摄像机图像确定相对速度。然而，当目标与车辆相距很长距离时，因为目标可能难以检测并且摄像机容易失去其跟踪，因此这样的目标标注和跟踪是困难的。结果在周围目标的绝对速度测量中出现误差，这能够显著地影响ADAS和AD环境中的车辆安全性。

本公开提出了使用LIDAR传感器来确定在自身车辆附近的目标的绝对速度。有利地，这样的LIDAR传感器具有远距离范围并且受车辆运行情况的影响很小。

发明内容

本公开的基于远程(long range)LIDAR的速度估计系统和方法基于与LIDAR传感器相距一定距离的点的距离将多个LIDAR帧分为多个范围：短程(例如，达到50或70m)、中程(例如从50或70m到100或120m)，和远程(例如从100或120m至250m)。在给定这些范围的情况下，在每一个范围上分别执行任务，然后将结果组合起来。有利地，本公开的系统和方法是LIDAR不可知的(agnostic)并且在例如10Hz区域中运行。本公开提供了两种可替代的方法。

在一个示例性实施例中，本公开提供了一种确定在距离自身车辆相对较远距离处的目标的绝对速度的基于LIDAR的方法，该方法包括：通过在与所述自身车辆相对较近的距离范围上使用深度学习算法估计绕z轴的介入旋转θ和正交的x与y方向上的平移，使用从耦合到所述自身车辆的LIDAR传感器获得的第一帧t-1和第二帧t来估计所述自身车辆的自身速度；将所述第一帧t-1和所述第二帧t中的每一帧分为三个相邻的输入范围，并且通过使用网络随后处理每个帧来估计在所述相对较远距离处所述目标的相对速度，其中每个输入范围使用相应的卷积神经网络来处理；以及将估计所述自身速度的估计结果(估计值)与估计所述相对速度的估计结果(估计值)相结合，以获得在所述相对较远距离处所述目标的绝对速度的估计结果(估计值)。所述深度学习算法由卷积神经网络执行。可选地，所述卷积神经网络包括光流估计网络。通过经由基准检测(benchmarking)确定的阈值将所述相对较短的距离与所述相对较远的距离分开，以发现提供足够的较短距离点以估计旋转和平移以及接近足够的较远距离点以提供充分的计算确定性的范围。每个所述卷积神经网络执行独立的输入特征提取并且利用单独的回归头(regression head)，但是利用单独的中间层和共享的中间层中的一个。使用交接机制(hand-over mechanism)来桥接这三个相邻输入范围之间的结果。