自动驾驶车辆车道边缘融合系统的制作方法

本发明涉及一种用于自动驾驶车辆的车道边缘融合系统，其基于地图数据和感知数据来确定融合的车道边缘。

背景技术：

1、车辆自动驾驶系统是一个复杂的系统，包括许多不同的方面。例如，自动驾驶系统可能包括多个传感器来收集有关车辆周围环境的感知数据。除了传感器之外，自动驾驶系统还可以利用地图数据。

2、地图车道边缘点是从地图数据中导出的，而感知车道边缘点是从感知数据中导出的。地图车道边缘点可以与感知车道边缘点融合在一起以确定由自动驾驶系统使用的车道边缘点。然而，地图车道边缘点和感知车道边缘点可能包括带噪声的样本点。此外，对于带噪声的地图车道边缘点和感知车道边缘点而言，从真实车道边缘测量的横向误差的方差可以随着距离而变化。有时，真实的车道边缘会形成一条自行返回的曲线，随后无法通过垂直线测试，这使得很难将真实的车道边缘点建模为单个函数。为了解决这个问题，可以使用参数函数将地图和感知数据融合在一起，但是，找到与噪声数据一致的参数化可能具有挑战性。

3、因此，虽然自动驾驶系统实现了其预期目的，但本领域需要确定一种改进的方法来将地图车道边缘点和感知车道边缘点融合在一起。

技术实现思路

1、根据几个方面，公开了一种用于自动驾驶车辆的车道边缘融合系统。车道边缘融合系统包括一个或多个控制器，其执行指令以接收自动驾驶车辆正在行驶的道路的感知数据和地图数据。该一个或多个控制器从地图数据导出多个地图车道边缘点并且从感知数据导出多个感知车道边缘点。该一个或多个控制器基于多个地图车道边缘点和多个感知车道边缘点来选择评估点，其中车道边缘的真实位置被表示为隐曲线。该一个或多个控制器基于隐式移动最小二乘法来拟合评估点的隐函数，其中隐曲线由隐函数的零级集表示并且隐函数由方程表示为平面圆。该一个或多个控制器求解隐函数的多个系数，其中，多个系数是评估点的函数。该一个或多个控制器估算多个系数的协方差。该一个或多个控制器基于迭代过程确定隐曲线上最接近给定点的点。该一个或多个控制器基于多个系数的协方差来确定该点处的横向误差方差。最后，该一个或多个控制器通过将隐曲线上的点设置为融合在一起以创建融合车道边缘的多个融合车道边缘点之一来构建融合车道边缘。

2、另一方面，隐函数表示为：

3、f(x)＝b(x)tc(x)，

4、其中，f(x)表示隐函数，b(x)表示二次基向量，而c(x)等于多个系数cx的向量。

5、另一方面，平面圆的方程表示为：

6、f(x)＝c0+c1x+c2y+c3(x2+y2)＝0，

7、其中，c0，c1，c2，c3代表多个系数，x＝x1和y＝x2。

8、在一个方面，评估点包括误差，表示为：

9、

10、其中，∈′表示误差，表示均值为零的正态分布，∑表示协方差矩阵。

11、在另一方面，基于包括第一损失函数和第二损失函数的拉格朗日函数来估算多个系数。

12、在又一个方面，多个系数的协方差是基于最小化拉格朗日函数的优化问题来估算的，并且被表达为：

13、cx＝argmincl(z，c)，

14、其中，cx表示多个系数，l(z，c)表示拉格朗日函数，z表示带噪声的观测值。

15、在一方面，多个系数的协方差被表达为：

16、

17、其中，∑c表示多个系数的协方差，b表示通过在每个点处堆叠基向量而形成的矩阵，以便b满足b＝(b1b2...)，w是正加权函数wi的对角矩阵，而∑z表示带噪声的观测值的协方差。

18、在另一方面，该点处的横向误差方差基于以下确定：

19、

20、其中，是横向误差方差，∑c是多个系数的协方差，而j是相对于函数r(c)的多个系数(c0，c1，c2，c3)的向量的雅可比矩阵，该函数r(c)在给定多个系数(c0，c1，c2，c3)的向量情况下表示表面的半径。

21、又一方面，该函数r(c)表示为：

22、

23、在一方面，对于被评估为迭代过程的一部分的每个点，基于下式来求解多个系数：

24、

25、其中，xcenter表示平面圆的中心坐标，c1，c2表示多个系数。

26、在另一方面，对于被评估为迭代过程一部分的每个点，基于下式来求解多个系数：

27、

28、其中，r表示平面圆的半径，c0，c3表示多个系数。

29、在又一方面，最接近平面圆上的迭代n次的给定点的下一个点，基于下式确定：

30、

31、其中，表示被选来进行评估的下一个点，而表示迭代n次的给定点。

32、在一方面，在隐函数的零级集处强制执行梯度约束。

33、另一方面，梯度约束表示为隐函数的梯度的大小的平方，其中隐函数等于1，并且评估点属于隐函数的零级集。

34、在又一方面，融合的车道边缘限定沿着自动驾驶车辆行驶的道路定位的车道的形状。

35、在一方面，公开了一种用于自动驾驶车辆的车道边缘融合系统，该系统包括一个或多个控制器，其执行指令以接收自动驾驶车辆正在行驶的道路的感知数据和地图数据。该一个或多个控制器从地图数据导出多个地图车道边缘点并且从感知数据导出多个感知车道边缘点。该一个或多个控制器基于多个地图车道边缘点和多个感知车道边缘点来选择评估点，其中车道边缘的真实位置被表示为隐曲线。该一个或多个控制器基于隐式移动最小二乘法来拟合评估点的隐函数，其中隐曲线由隐函数的零级集表示并且隐函数由平面圆的方程表示，并且在隐函数的零级集处强制执行梯度约束。该一个或多个控制器求解隐函数的多个系数，其中多个系数是评估点的函数并且基于包括第一损失函数和第二损失函数的拉格朗日函数来估算。该一个或多个控制器估算多个系数的协方差。该一个或多个控制器基于迭代过程确定隐曲线上最接近给定点的点。该一个或多个控制器基于多个系数的协方差来确定该点处的横向误差方差。最后，该一个或多个控制器通过将隐曲线上的点设置为融合在一起以创建融合车道边缘的多个融合车道边缘点之一来构建融合车道边缘，并且融合车道边缘定义为位于自动驾驶车辆行驶道路上的车道。

36、在另一方面，该点处的横向误差方差基于以下确定：

37、

38、其中，是横向误差方差，∑c是多个系数的协方差，而j是相对于函数r(c)的多个系数(c0，c1，c2，c3)的向量的雅可比矩阵，该函数r(c)在给定多个系数(c0，c1，c2，c3)的向量的情况下表示表面的半径。

39、又一方面，该函数r(c)表示为：

40、

41、在一个方面，梯度约束被表达为隐函数梯度的大小的平方，其中，隐函数等于1，评估点属于隐函数的零级集。

42、另一方面，公开了一种用于自动驾驶车辆的车道边缘融合系统，并且该系统包括一个或多个控制器，其执行指令以接收自动驾驶车辆正在行驶的道路的感知数据和地图数据。该一个或多个控制器从地图数据导出多个地图车道边缘点并且从感知数据导出多个感知车道边缘点。该一个或多个控制器基于多个地图车道边缘点和多个感知车道边缘点来选择评估点，其中车道边缘的真实位置被表示为隐曲线。该一个或多个控制器基于隐式移动最小二乘法来拟合评估点的隐函数，其中隐曲线由隐函数的零级集表示并且隐函数由平面圆的方程表示，并且在隐函数的零级集处强制执行梯度约束，该梯度约束表达为隐函数的梯度的大小的平方。隐函数等于l，评估点属于隐函数的零级集。该一个或多个控制器求解隐函数的多个系数，其中多个系数是评估点的函数并且基于包括第一损失函数和第二损失函数的拉格朗日函数来估算。该一个或多个控制器估算多个系数的协方差。该一个或多个控制器基于迭代过程确定隐曲线上最接近给定点的点。该一个或多个控制器基于多个系数的协方差确定该点处的横向误差方差，其中该点处的横向误差方差基于以下确定：

43、

44、其中，是横向误差方差，∑c是多个系数的协方差，而j是相对于函数r(c)的多个系数(c0，c1，c2，c3)的向量的雅可比矩阵，该函数r(c)在给定多个系数(c0，c1，c2，c3)的向量的情况下表示表面的半径。该一个或多个控制器通过将隐曲线上的点设置为融合在一起以创建融合车道边缘的多个融合车道边缘点之一来构建融合车道边缘，并且其中融合车道边缘定义位于自动驾驶车辆行驶的道路沿线的车道的形状。

45、进一步的应用领域将从本文提供的描述中变得显而易见。应当理解，这些描述和具体示例仅用于说明的目的，并不旨在限制本发明的范围。