[发明专利]用于自主驾驶应用的地图创建和定位

说明书

公开了一种用于数据生成、使用所生成的数据创建地图和定位到所创建的地图的端到端系统。可以生成地图流——或传感器数据流、来自深度神经网络(DNN)的感知输出和/或相对轨迹数据——与任何数量的车辆的任何数量的驾驶相对应并且将其上传至云。地图流可以用于生成表示在多个驾驶上生成的数据的地图数据(以及最终融合的高清晰度(HD)地图)。当定位到融合的HD地图时，可以基于来自传感器模态的实时数据与对应于相同传感器模态的地图数据的比较来生成个体定位结果。可以针对任何数量的传感器模态重复该过程，并且可以将结果融合在一起以确定最终融合定位结果。

背景技术

绘图和定位是自主驾驶功能的重要过程。高清(HD)地图、传感器感知或其组合通常用于相对于HD地图来定位车辆，以便做出规划和控制决定。通常，使用配备有高级、高精度传感器的调查车辆生成常规HD地图。然而，这些传感器对于在消费级车辆上实现而言过于昂贵。在典型的部署中，调查车辆能够在单个驾驶之后生成适合于定位的HD地图。不幸的是，由于具有这种高成本传感器的调查车辆的稀缺性，任何特定区域的HD地图的可用性可能集中在调查汽车操作的大都市或枢纽周围。对于更远的区域、较少行进的区域以及距这些活动枢纽较大距离的区域，可能已经从少至单个驾驶(即，如果数据完全可用)收集用于生成HD地图的数据。因此，在单个驾驶导致较低质量或较不适合此目的的传感器数据(例如，由于遮挡、动态对象、恶劣天气效应、碎片、构造伪像、暂时性硬件故障和/或可能损害所收集的传感器数据的质量的其他问题)的情况下，从传感器数据生成的HD地图可能不安全或可靠以用于定位。

为了补救这些质量问题，可能需要另一调查车辆在质量受损的位置处执行另一驾驶。然而，识别、部署、传感器数据生成和地图更新过程可能由于系统数据收集和地图创建过程而花费较长的时间段，使得HD地图不可用，直到进行更新为止。在道路状况或布局随时间频繁或急剧改变的情况下(例如，由于建造)，该问题恶化，因为可能没有用于识别这些变化的机制，并且即使被识别，也没有办法在不部署另一调查车辆的情况下生成更新的数据。

此外，因为消费者车辆可能不配备有相同的高质量、高成本传感器，所以定位至HD地图(即使当可用时)不能使用许多传感器模态(例如，相机、LiDAR、RADAR等)执行，因为数据的质量和类型可能不与用于生成HD地图的数据对准。因此，定位仅依赖于全球导航卫星系统(GNSS)数据，即使对于最昂贵且精确的传感器模型，其仍然仅在几米内实现精确度和/或在某些情况下具有可变的精确度。几米的不准确性可能将车辆放置在与当前行驶车道不同的车道上，或者放置在除了当前行驶的车道之外的道路一侧。照此，使用常规解决方案来生成HD地图可能导致不准确的地图，该不准确的地图在由于不准确的定位而合成时，对于实现安全且可靠的高度自主车辆(例如，3级、4级和5级)自主车辆存在显著障碍。

发明内容

本公开的实施例涉及用于自主驾驶应用的地图创建和定位的方法。具体地，本公开的实施例包括用于数据生成、使用所生成的数据的地图创建、以及定位到所创建的地图的端对端系统，该系统可与商用车辆中的通用消费者级传感器一起使用。例如，在数据生成过程期间，采用消费者质量传感器的数据收集车辆和/或消费车辆可以用于生成传感器数据。所产生的数据可以对应于地图流——其可以包括传感器数据流、来自深度神经网络(DNN)的感知输出和/或相对轨迹(例如，旋转和平移)数据——与任何数量的车辆的任何数量的驾驶相对应。照此，与常规系统的系统数据收集努力相反，当前系统可使用许多车辆和许多驾驶的众包数据生成。为了减少系统的带宽和存储器要求，来自地图流的数据可以被最小化(例如，通过滤波出动态对象、执行LiDAR平面切片或LiDAR点减少、将基于感知或相机的输出转换成3D位置信息、仅针对特定数据类型执行活动等)和/或被压缩(例如，使用增量压缩技术)。作为使用消费级传感器生成地图流数据的结果，传感器数据——一旦被转换为用于定位的地图形式——可以直接用于定位，而不是仅依赖于GNSS数据。此外，因为跟踪与每个驾驶相对应的相对的轨迹信息，所以该信息可用于生成可定位的各个道路片段(例如，25米、50米等尺寸的道路片段)，从而允许在厘米范围内的定位精度。