用于检测交通对象的系统和方法与流程

本公开总体上涉及用于检测静态对象的车辆、系统和方法。

背景技术：

1、自主和半自主车辆能够感测其环境并基于感测的环境进行导航。这种车辆使用诸如雷达、激光雷达、图像传感器等的感测设备来感测其环境。车辆系统还使用来自全球定位系统(gps)技术、导航系统、车对车通信、车对基础设施技术和/或线控驱动系统的信息，来为车辆导航。

2、车辆自动化已被分为数字等级，范围从零(对应于完全人为控制的无自动化)到五(对应于没有人为控制的完全自动化)。各种自动驾驶员辅助系统(诸如巡航控制、自适应巡航控制和停车辅助系统)对应于较低的自动化等级，而真正的“无人驾驶”车辆对应于较高的自动化等级。

3、一些自动化车辆系统包括感知系统，该感知系统包括检测静态交通对象(如交通控制设备(tcd，traffic control device))的能力。确定和预测静态交通对象的准确三维位置，改善了对静态对象的状态检测和跟踪。此外，处理高效、快速收敛且可基于相机模态操作的检测是期望的。

4、因此，期望提供在实现位置准确的检测的同时以提高的计算效率检测静态交通对象的系统和方法。还期望以收敛到静态交通对象的位置并且可使用光学相机检测进行操作的方式执行这种检测。此外，结合附图和前述技术领域和背景技术，根据随后的详细描述和所附的权利要求，本发明的其他期望的特征和特性将变得显而易见。

技术实现思路

1、在一个方面中，提供了一种控制车辆的方法。所述方法包括：经由至少一个处理器，从所述车辆的至少一个相机接收图像数据；经由所述至少一个处理器，使用所述图像数据检测静态对象在所述相机的图像平面中的2d测量位置；经由所述至少一个处理器，从所述车辆的传感器系统接收测量值的输入向量；经由所述至少一个处理器，使用合并了所述车辆的运动模型的无迹卡尔曼滤波器(ukf)，并且还使用所述静态对象的所述2d测量位置、以及所述输入向量，来预测所述静态对象的预测3d位置；以及经由所述至少一个处理器，基于所述静态对象的所述预测3d位置来控制至少一个车辆特征。

2、在实施例中，基于一组西格玛点初始化所述ukf，所述一组西格玛点是使用所述静态对象在所述图像平面中的所述2d测量位置的第一检测、以及范围先验而生成的。

3、在实施例中，所述范围先验包括所述静态对象相对于所述车辆的第一3d位置的平均范围值。

4、在实施例中，所述范围先验是基于以下内容确定的：所述静态对象最初被检测到的平均范围、基于从对所述静态对象的所述2d测量位置的检测中提供的边界框的大小对所述静态对象的平均范围的估计、与相同种类的其他被跟踪静态对象和所述静态对象的所述2d测量位置的区域的关联、或使用3d感知模态对所述静态对象的检测。

5、在实施例中，所述方法包括：使用所述静态对象在所述图像平面中的所述2d测量位置的新的检测、以及使用所述ukf对所述静态对象的所述3d位置的先验预测，递归地更新所述静态对象的所述预测3d位置。

6、在实施例中，所述静态对象是交通控制设备(tcd)。

7、在实施例中，使用所述ukf预测所述静态对象的所述3d位置包括预测步骤和更新步骤，其中，所述预测步骤执行以下操作：构建预测西格玛点矩阵，通过所述运动模型传播所述预测西格玛点矩阵，以获得传播西格玛点，使用所述传播西格玛点确定所述静态对象的估计3d位置，使用所述传播西格玛点估计传播估计误差协方差，并且其中，所述更新步骤执行以下操作：使用所述静态对象的所述估计3d位置、以及所述传播估计误差协方差，来构建更新西格玛点矩阵，通过测量模型传播所述更新西格玛点矩阵，以获得代表所述静态对象在所述相机的所述图像平面中的预测2d测量位置的测量西格玛点矩阵，使用所述测量西格玛点矩阵与所述静态对象在所述相机的所述图像平面中的所述2d测量位置之间的差异，来确定所述静态对象的更新3d位置。

8、在实施例中，向所述tcd分配车道，并且当所述tcd被分配了与所述车辆的车道相同的车道时，控制所述至少一个车辆特征对所述tcd的状态做出响应。

9、在实施例中，所述输入向量包括所述车辆的角速度的值和所述车辆的线速度的值。

10、在实施例中，所述ukf使用所述运动模型和测量模型来预测所述静态对象在所述图像平面中的预测2d位置，并且基于所述静态对象的所述预测2d位置与所述静态对象的所述2d测量位置之间的差异，预测所述静态对象的所述预测3d位置。

11、在另一方面中，提供了一种用于控制车辆的系统。所述系统包括：至少一个相机；传感器系统；至少一个处理器，其与所述传感器系统和所述至少一个相机进行可操作的通信，其中，所述至少一个处理器被配置为执行程序指令，其中，所述程序指令被配置为使所述至少一个处理器进行以下操作：从所述车辆的所述至少一个相机接收图像数据；使用所述图像数据检测静态对象在所述相机的图像平面中的2d测量位置；从所述车辆的传感器系统接收测量值的输入向量；使用合并了所述车辆的运动模型的无迹卡尔曼滤波器(ukf)，并且还使用所述静态对象的所述2d测量位置、以及所述输入向量，来预测所述静态对象的预测3d位置；以及基于所述静态对象的所述预测3d位置来控制至少一个车辆特征。

12、在实施例中，所述程序指令被配置为使所述至少一个处理器进行以下操作：基于一组西格玛点初始化所述ukf，所述一组西格玛点是使用所述静态对象在所述图像平面中的所述2d测量位置的第一检测、以及范围先验而生成的。

13、在实施例中，所述范围先验包括所述静态对象相对于所述车辆的第一3d位置的平均范围值。

14、在实施例中，所述范围先验是基于以下内容确定的：所述静态对象最初被检测到的平均范围、基于从对所述静态对象的所述2d测量位置的检测中提供的边界框的大小对所述静态对象的平均范围的估计、与相同种类的其他被跟踪静态对象和所述静态对象的所述2d测量位置的区域的关联、或使用3d感知模态对所述静态对象的检测。

15、在实施例中，所述程序指令被配置为使所述至少一个处理器进行以下操作：使用所述静态对象在所述图像平面中的所述2d测量位置的新的检测、以及使用所述ukf对所述静态对象的所述3d位置的先验预测，递归地更新所述静态对象的所述预测3d位置。

16、在实施例中，所述静态对象是交通控制设备(tcd)。

17、在实施例中，所述程序指令被配置为使所述至少一个处理器进行以下操作：使用所述ukf利用预测步骤和更新步骤，来预测所述静态对象的所述3d位置，其中，所述预测步骤执行以下操作：构建预测西格玛点矩阵，通过所述运动模型传播所述预测西格玛点矩阵，以获得传播西格玛点，使用所述传播西格玛点确定所述静态对象的估计3d位置，使用所述传播西格玛点估计传播估计误差协方差，并且其中，所述更新步骤执行以下操作：使用所述静态对象的所述估计3d位置、以及所述传播估计误差协方差，来构建更新西格玛点矩阵，通过测量模型传播所述更新西格玛点矩阵，以获得代表所述静态对象在所述相机的所述图像平面中的预测2d测量位置的测量西格玛点矩阵，以及使用所述测量西格玛点矩阵与所述静态对象在所述相机的所述图像平面中的所述2d测量位置之间的差异，来确定所述静态对象的更新3d位置。

18、在实施例中，所述程序指令被配置为使所述至少一个处理器进行以下操作：向所述tcd分配车道，其中，当所述tcd被分配了与所述车辆的车道相同的车道时，控制所述至少一个车辆特征对所述tcd的状态做出响应。

19、在另一方面中，提供了一种车辆。所述车辆包括：至少一个相机；传感器系统；至少一个处理器，其与所述传感器系统和所述至少一个相机进行可操作的通信，其中，所述至少一个处理器被配置为执行程序指令，其中，所述程序指令被配置为使所述至少一个处理器进行以下操作：从所述车辆的所述至少一个相机接收图像数据；使用所述图像数据检测静态对象在所述相机的图像平面中的2d测量位置；从所述车辆的传感器系统接收测量值的输入向量；使用合并了所述车辆的运动模型的无迹卡尔曼滤波器(ukf)，并且还使用所述静态对象的所述2d测量位置、以及所述输入向量，来预测所述静态对象的预测3d位置；以及基于所述静态对象的所述预测3d位置来控制至少一个车辆特征。

20、在实施例中，所述程序指令被配置为使所述至少一个处理器进行以下操作：基于一组西格玛点初始化所述ukf，所述一组西格玛点是使用所述静态对象在所述图像平面中的所述2d测量位置的第一检测、以及范围先验而生成的。

21、在实施例中，所述范围先验包括所述静态对象相对于所述车辆的第一3d位置的平均范围值。