交叉路口节点辅助的高清晰度地图构建的制作方法

1.本公开涉及高清晰度地图，并且更具体地涉及用于自主车辆基础设施的交叉路口(ix)节点辅助地图构建。


背景技术：

2.高清晰度(hd)地图是自主车辆及其功能的重要方面。自主车辆(av)使用hd地图来解释和定位在其操作环境中的车辆位置。为了准确定位，车辆控制系统必须精确地理解av在世界中的位置以及av在地图中的位置。
3.在对地图的总体准确度进行量化时，同时考虑绝对准确度和相对准确度。绝对准确度是测量值与已知绝对真实值的接近程度。此度量通常以已知单位(诸如米、厘米、毫米、英寸或英尺)提供。相对准确度是测量值相对于标准值的接近程度。换言之，相对准确度与比例和平移无关。
4.鉴于av通常依赖于基于光探测和测距(lidar)和相机的定位技术，因此相对准确度当前被认为对av操作具有更大的重要性。hd地图通常包括诸如车道线、建筑物和其他环境特征等信息。通过以可被av用于自定位和导航的可靠精度水平表示地理位置和地理定位，hd地图是准确的(即，具有相对较高的测量相对准确度和绝对准确度)。使用准确的hd地图，av可以在地图构建环境中操作时自主地确定其在现实世界中的位置并确定车辆相对于地图构建对象的位置。常规的hd地图构建系统可以生成相对准确的地图，但是在没有全球定位系统(gps)和rtk中的一者或多者的情况下不能生成绝对准确的地图。
5.关于这些和其他考虑因素，提出了本文的公开内容。


技术实现要素：

6.一种用于控制车辆的计算机实现的方法包括：通过处理器从设置在具有已知纬度经度和取向的两个或更多个静止位置处的两个或更多个ix控制装置接收第一感测数据，所述第一感测数据标识地图构建区域中的特征的位置和尺寸。所述处理器基于从所述ix控制装置接收的所述第一感测数据来生成多个ix节点，并且接收lidar点云，所述lidar点云包括从在所述地图构建区域中行驶的车辆(av)接收的lidar和其他车辆感测装置数据诸如惯性测量单元(imu)数据。所述lidar点云包括同步定位和地图构建(slam)地图，所述地图具有与所述地图构建区域中的所述特征相关联的第二尺寸信息和第二位置信息。所述处理器在没有gps和/或实时运动学信息的情况下，利用批量优化和地图平滑，生成具有绝对准确度的优化高清晰度(hd)地图。
附图说明
7.参考附图阐述具体实施方式。使用相同的附图标记可指示类似或相同的项。各种实施例可以利用除了附图中示出的那些之外的元件和/或部件，并且一些元件和/或部件可能不存在于各种实施例中。附图中的元件和/或部件不一定按比例绘制。在整个本公开中，
根据上下文，单数和复数术语可以可互换地使用。
8.图1示出了根据本公开的高清晰度(hd)地图系统的示例性框图。
9.图2描绘了其中可实现用于提供本文所公开的系统和方法的技术和结构的示例性计算环境。
10.图3描绘了根据本公开的有待进行地图构建的区域的示例性卫星图像、以及两个交叉路口(ix)控制点(或节点)的布置。
11.图4描绘了根据本公开由图1的hd地图系统生成的ix控制点地图。
12.图5示出了根据本公开的示例性lidar点云，其包括由车辆获得的同步定位和地图构建(slam)节点数据与由ix控制节点获得的ix节点数据的组合。
13.图6描绘了根据本公开的一种用于使用图1的hd地图系统构建hd地图的示例性方法的流程图。
具体实施方式
14.下文将参考附图更全面地描述本公开，附图中示出了本公开的示例实施例，并且所述实施例不意图是限制性的。
15.高清晰度(hd)地图是自主车辆及其功能的重要方面。自主车辆(av)使用hd地图来解释和定位其位置。av通常需要准确地了解车辆在现实世界中的位置以及av在地图中的位置。两个术语被明确定义且用于量化av地图的准确度：绝对准确度和相对准确度。
16.绝对准确度测量的是所观察对象的真实世界坐标与此对象的地图构建坐标有多大差别。例如，灯杆可以具有所观察到的真实世界纬度、经度为42.3546、83.2578，以及地图构建纬度、经度为42.3543、83.2575。地图中对象的绝对准确度是通过选择原点并对地图构建对象相对于原点的距离与同一真实世界对象与局部原点之间的已知距离进行评估来测量的。在给定的示例中，地图不是绝对准确的，因为实际局部坐标与地图构建坐标之间的坐标不同。
17.相对准确度是对地图的相对性的量度。在地图上选择原点，并且理想地，特征在尺寸上是准确的。在相对准确的地图中，2m的线长度可能恰好是2m，但是在地图中出现在不准确的位置。例如，车道线在现实世界中的长度可能为2m，并且在绝对准确的地图中，2m的线长度在地图中将可测量为2m长。如果地图的相对准确度较低，则车道线的可测量长度可以是2.1m或1.9m等。
18.相对准确度对于av操作更加重要，因为av通常依赖于基于lidar和相机的定位技术。最近的重点是使用基于gps和实时运动学(rtk)的定位进行av定位，这增加了高清晰度(hd)地图的绝对准确度的重要性。常规的hd地图生成技术依赖于gps和rtk来生成绝对准确的地图。在gps或rtk可能不可用的某些情况下，这种依赖可能并不理想。例如，在gps信号不能充分传输可靠的gps定位信号的情况下，常规的hd地图生成技术可能难以或不可能实现。
19.同步定位和地图构建(slam)有助于实现高相对准确度，但是无助于实现绝对准确度。为了实现绝对准确度，常规系统已经使用gps基站建立控制点，所述控制点经过校准并稳定一段时间，以提供准确的位置读数。在校准程序的一个示例中，在街道上距原点(其可以是例如gps基站)已知距离处建立5-8个gps节点或点。然后相对于gps基站测量gps节点的位置。在从被地图构建地区的各个点到实际的已知基站位置进行测量后，相对于实际的已
知基站位置测量gps节点的gps位置，并对这些点与预期的相对地图位置的偏差进行量化。在整个地图构建区域的5-10个位置处测量偏差。利用地图构建区域中标识和测量的量化偏差，整个地图在地图构建区域上被移位平均测量偏差。
20.尽管该程序可以提高hd地图的绝对准确度，但是常规系统依赖于rtk和gps来建立和测量多个控制点。然而，rtk可能并不总是可用的。因此，在这些和其他情况下，使用配备有lidar感测系统的固定位置智能交叉路口(ix)节点创建hd地图可能是有利的，其中ix节点具有固定且已知的位置和取向。根据一个或多个实施例，hd地图系统从位于所述地图构建区域中的已知位置处的两个或更多个ix节点接收lidar消息，并将所述lidar消息与从在所述地图构建区域中行驶的车辆接收的感测数据组合，用以基于组合的数据集生成聚合且优化的hd地图。本公开的系统可以消除在地图构建过程期间对同时使用基于gps和rtk的定位两者的依赖性。
21.更具体地，一种用于生成hd地图的计算机实现的方法可以包括：通过处理器从设置在具有已知纬度经度和取向的两个或更多个静止位置处的两个或更多个ix控制装置接收第一感测数据，所述第一感测数据标识地图构建区域中的特征的位置和尺寸。所述处理器可以基于从所述ix控制装置接收的所述第一感测数据来生成多个ix节点，并且接收lidar点云，所述lidar点云包括来自在所述地图构建区域中行驶的车辆的lidar数据以及惯性测量单元(imu)数据。所述lidar点云可以包括slam地图数据，所述地图数据具有与所述地图构建区域中的所述特征相关联的第二尺寸信息和第二位置信息。所述处理器可以在没有gps和/或实时运动学信息的情况下通过实施地图平滑或类似技术利用批量优化来生成优化的高清晰度(hd)地图。图1示出了根据本公开的高清晰度(hd)地图构建系统100的示例性框图。hd地图系统100可以包括车辆105、第一ix控制点装置110、第二ix控制点装置115和hd地图计算系统135。
22.作为hd地图系统100的简要概述，hd地图系统100可以接收ix节点数据130，所述ix节点数据可以包括在与ix控制点装置115和135相关联的ix控制点处的感测数据。ix节点数据130可以包括与车辆105的操作环境中的特征相关联的尺寸信息(例如，长度、宽度、高度)和位置信息(例如，纬度、经度)。特征可以是例如建筑物、道路、路沿、街道标记等。ix节点(例如，ix控制点装置115)可以包括与地图构建环境中的特征的大小和定位相关联的信息，所述信息是使用设置在相应ix控制点装置110和115机上的感测装置获得的。
23.ix控制点感测装置可以包括设置在装置上的lidar 120，以及诸如相机系统、sonar、radar或其他感测装置等其他传感器。ix控制点可以设置在操作环境中的固定且已知的位置处，并且在地图构建操作之前进行校准。尽管一些实施例描述了两个ix控制点装置110和115，但是应当理解，可以使用任何数量的控制点装置(两个或更多个)，这可以增加hd地图155的绝对准确度和相对准确度。
24.车辆105可以使用车载感测设备如红绿蓝(rgb)相机系统、lidar系统和/或imu来获得车辆感测数据125。车辆105可以通过沿着地图构建区域(例如，关于图2描绘的区域)中的道路行驶并在车辆行驶时以预定间隔收集车辆感测数据来横穿所述区域。预定间隔可以是基于时间的(例如，每1秒、三秒、10秒等)和/或可以是基于距离的(例如，每5m、8m、20m等)。
25.hd地图系统100还可以接收ix节点数据130，所述ix节点数据可以包括来自ix控制
点装置110、115的lidar、相机或其他基于感测的slam数据，并且使用hd地图构建计算机系统135来组合ix节点数据130与车辆感测数据125。
26.hd地图构建计算机系统135可以接收并组合车辆感测数据与ix控制点ix节点数据130，并且创建多个ix节点(在图4中描绘并在下文讨论)以创建hd地图155。尽管本文未明确描述，但是hd地图构建计算机系统可以是包括存储器和处理器(图1中未示出)的典型计算系统，并且可以与ix控制点装置110和115有线或无线地连接。在一个或多个实施例中，hd地图构建计算系统135可以直接地或通过如关于图2所描述的计算网络与车辆105无线连接。
27.hd地图构建计算机系统135可以接收车辆感测数据125和ix节点数据130，并且利用slam姿态图创建步骤140、slam与lidar和imu数据组合步骤145以及增量地图平滑和地图构建步骤150基于车辆感测数据集125和130生成hd地图155。在以下部分中，将更加详细地讨论这些步骤中的每一者。
28.图2描绘了可以包括车辆105的示例性计算环境200。尽管本文被描述为使用单个车辆105获得车辆感测数据125(如图1所示)，但是应当理解，可以使用任何数量的车辆来收集车辆感测数据。车辆105可包括汽车计算机245和车辆控制单元(vcu)265，所述车辆控制单元可包括被设置为与汽车计算机245进行通信的多个电子控制单元(ecu)217。
29.车辆105还可以接收gps 275和/或与其进行通信。gps 275可以是卫星系统，诸如全球导航卫星系统(glnss)、伽利略或其他类似系统。在其他方面中，gps 275可以是基于陆地的导航网络。在一些实施例中，车辆105可以响应于确定未识别出阈值数量的卫星而利用gps和航迹推算的组合。
30.汽车计算机245可以是或包括具有一个或多个处理器250和存储器255的电子车辆控制器。在一些示例实施例中，汽车计算机245可被设置为与一个或多个服务器270进行通信。一个或多个服务器270可以是基于云的计算基础设施的一部分，或者是(多个)单站计算装置，并且可以与远程信息处理服务交付网络(sdn)相关联和/或包括所述远程信息处理服务交付网络，所述远程信息处理服务交付网络向车辆105和可能是用于对区域进行地图构建的车辆车队的一部分的其他车辆(图2中未示出)提供数字数据服务。
31.尽管从tcu获得的gps或rtk可以用于获得车辆感测数据125，但是本公开的各方面描述了用于在不使用gps 275和/或不使用rtk(从远程信息处理控制单元260获得)的情况下生成hd地图155(如图1所示)的方法。
32.在一个方面，(多个)服务器270可以包括hd地图构建计算机系统135(如图1所示)作为集成或连接的计算子系统。在一个实施例中，hd地图构建计算机系统可以在(多个)服务器270上实例化为一个或多个应用，这些应用接收车辆感测数据125和ix节点数据130(在图1中描述)，创建slam姿态图(在图2中未示出)，组合来自车辆和ix节点的点云数据，并在增量平滑和地图构建之后生成满足或超过绝对准确度阈值(例如，1-2cm)的hd地图155。在另一方面，hd地图构建计算机系统135可以是设置成与(多个)服务器270通信的单独的计算系统。
33.车辆105可采用任何乘用或商用汽车的形式，诸如，例如汽车、卡车、跨界车辆、厢式货车、小型货车、出租车、公交车等，并且可被配置和/或编程为包括各种类型的汽车驱动系统。
34.此外，车辆105可以是手动驾驶的车辆，和/或被配置和/或编程为在完全自主(例
如，无人驾驶)模式(例如，5级自主)下或在可包括驾驶员辅助技术的一种或多种部分自主模式下操作。部分自主(或驾驶员辅助)模式的示例在本领域中被广泛理解为自主级别1到4。
35.具有0级自主自动化的车辆可能不包括自主驾驶特征。
36.具有1级自主的车辆可以包括单个自动化驾驶员辅助特征，诸如转向或加速辅助。自适应巡航控制是1级自主系统的一个此类示例，其包括加速和转向两个方面。
37.车辆中的2级自主可提供驾驶员辅助技术，诸如转向和加速功能的部分自动化，其中自动化系统由执行非自动化操作(诸如制动和其他控制)的人类驾驶员监督。在一些方面，在2级和更高级别的自主特征情况下，主用户可以在用户在车辆内部时控制车辆，或者在一些示例性实施例中，在车辆处于远程操作时，从远离车辆但在从车辆延伸长达几米的控制区内的位置控制车辆。
38.车辆中的3级自主可以提供对驾驶特征的条件自动化和控制。例如，3级车辆自主可以包括“环境检测”能力，其中自主车辆(av)可以独立于当前的驾驶员而做出明智的决策，诸如加速驶过缓慢移动的车辆，而如果系统无法执行任务，则当前的驾驶员仍准备好重新取得对车辆的控制。
39.4级av可以独立于人类驾驶员操作，但仍可以包括用于超驰操作的人类控制。4级自动化还可以使自驾驶模式能够响应于预定义的条件触发(诸如道路危险或系统故障)进行干预。
40.5级av可以包括无需人类输入进行操作的全自主车辆系统，并且可以不包括人类操作的驾驶控制。
41.根据本公开的实施例，hd地图155以及使用hd地图构建系统100创建hd地图可以使用手动或自主车辆来完成。例如，hd地图系统100可以被配置和/或编程为与非自主车辆一起操作，或者可以被配置和/或与半自主或完全自主车辆一起操作。因此，当车辆105被配置为av时，hd地图构建系统100可以向车辆提供人类控制的一些方面。还应当理解，av、半自主车辆和手动驾驶车辆都可以利用由hd地图构建系统100生成的hd地图。
42.(多个)网络225示出了本公开的各个实施例中讨论的联网装置可在其中进行通信的示例通信基础设施。网络225可以是和/或包括互联网、专用网络、公共网络或使用任一种或多种已知的通信协议操作的其他配置，所述已知的通信协议是例如诸如传输控制协议/互联网协议(tcp/ip)、基于电气和电子工程师协会(ieee)标准802.11的wi-fi、uwb、以及蜂窝技术，诸如时分多址(tdma)、码分多址(cdma)、高速分组接入(hspda)、长期演进(lte)、全球移动通信系统(gsm)和第五代(5g)，仅举几个示例。
43.根据本公开，汽车计算机245可安装在车辆105的发动机舱中(或车辆105中的其他地方)并且可作为hd地图构建系统100的功能部分操作。汽车计算机245可包括一个或多个处理器250以及计算机可读存储器255，所述计算机可读存储器可存储一个或多个程序(在图2中未示出)，用于收集感测数据、生成slam信息并使车辆感测系统收集lidar、相机和惯性测量单元数据。在其他方面，所述程序可以存储指令，使处理器生成并通过诸如tcu 260等车辆通信系统将slam数据、相机数据和惯性测量单元数据传输到hd地图构建计算机系统135。
44.一个或多个处理器250可被设置成与一个或多个存储器装置进行通信，所述存储
器装置被设置成与相应计算系统(例如，存储器255和/或图2中未示出的一个或多个外部数据库)进行通信。(多个)处理器250可以利用存储器255来以代码形式存储程序和/或存储数据以执行根据本公开的各方面。存储器255可以是存储hd地图构建程序代码的非暂时性计算机可读存储器。存储器255可以包括易失性存储器元件(例如，动态随机存取存储器(dram)、同步动态随机存取存储器(sdram)等)中的任何一个或组合，并且可以包括任何一个或多个非易失性存储器元件(例如，可擦除可编程只读存储器(eprom)、快闪存储器、电子可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)等)。
45.vcu 265可以与汽车计算机245共享电力总线280，并且可以被配置和/或编程为在车辆105系统、连接的服务器(例如，(多个)服务器270)以及作为车辆车队(图2中未示出)的一部分操作的其他车辆(图2中未示出)之间协调数据。vcu 265可以包括ecu 217的任何组合或与其通信，所述ecu诸如例如车身控制模块(bcm)293、发动机控制模块(ecm)285、变速器控制模块(tcm)290、tcu 260、驾驶员辅助技术(dat)控制器299等。vcu 265还可以包括车辆感知系统(vps)281和/或与其通信。
46.vps 281可以包括感测装置，诸如例如lidar 282、相机系统283和imu 284以及其他感测装置。当车辆105横穿地图构建区域时，汽车计算机245可以使vps 281接合感测装置以生成地图数据(关于图3更详细地描述)。例如，当车辆在地图构建区域中驾驶时，处理器250可以使lidar 282生成lidar数据。lidar 282可以捕获地图构建区域中的物理方面，诸如路沿、道路特征、建筑物和静止对象，其中lidar包括精确尺寸信息(例如，正负1-2cm)，其可与lidar和由ix控制点装置110和115(如图1所示)生成的其他感测数据相结合。车辆105可以横穿地图构建区域，从而捕获地图构建区域中的特征的一个以上角度的lidar表示。处理器250可以将lidar数据存储在存储器255中，和/或通过tcu 260将数据传输到hd地图构建计算系统135。
47.根据另一个实施例，(多个)处理器250还可以使相机系统283捕获地图构建区域中的特征的图像数据，其中图像信息可用于生成hd地图155。相机系统283可以包括单色图像处理器、红绿蓝(rgb)图像处理器、热成像图像处理器或其他类型的图像感测装置中的一者或多者。
48.在其他方面，当lidar 282、相机系统283(或本领域已知的其他感测装置)生成车辆感测数据时，(多个)处理器250可以使imu 284生成与车辆移动相关联的惯性测量值，其中imu数据提供可以与lidar相关的第二信息主体或第三信息主体，以用于生成由hd地图计算系统用于生成hd地图155的slam数据。例如，imu数据可以与ix点云数据组合以创建hd地图155。
49.tcu 260可以被配置和/或编程为向车辆105上和车辆外的无线计算系统提供车辆连接，并且可以包括用于接收和处理来自gps 275的gps信号的导航(nav)接收器288、模块(blem)295、wi-fi收发器、uwb收发器和/或可能够配置用于在车辆105与其他系统、计算机和模块之间的无线通信的其他无线收发器(图2中未示出)。tcu 260可以被设置成通过总线280与ecu 217进行通信。在一些方面，tcu 260可检索数据并作为can总线中的节点发送数据。例如，tcu 260可以从gps 275接收gps坐标，并且除了车辆感测数据125之外还将gps坐标协调到hd地图构建计算系统135。然而，应当理解，hd地图构建系统100的一个益处包括，在rtk、gps中的一者不可用的情况下，能够无需rtk和/或gps而生成hd地图155
(如图1所示)。
50.blem 295可以通过广播和/或收听小广告包的广播并且与根据本文所描述的实施例配置的响应装置建立连接来使用和通信协议建立无线通信。例如，blem 295可包括针对响应于或发起通用属性配置文件(gatt)命令和请求的客户端装置的gatt装置连接性。
51.总线280可以被配置为以多主控串行总线标准组织的控制器局域网(can)总线，以用于使用基于消息的协议连接作为节点的ecu217中的两者或更多者，所述基于消息的协议可以被配置和/或编程为允许ecu 217彼此通信。总线280可以是或可以包括高速can(其可以在can上具有高达1mb/s的位速度、在can灵活数据速率(can fd)上具有高达5mb/s的位速度)，并且可以包括低速或容错can(高达125kbps)，在一些配置中，其可以使用线性总线配置。在一些方面，ecu 217可以与主机计算机(例如，汽车计算机245、hd地图构建系统100和/或(多个)服务器270等)通信，并且还可以彼此通信而不需要主机计算机。总线280可以将ecu 217与汽车计算机245连接，使得汽车计算机245可以从ecu 217检索信息、向所述ecu发送信息以及以其他方式与所述ecu交互，以执行根据本公开的实施例所述的步骤。总线280可以通过两线式总线将can总线节点(例如，ecu 217)彼此连接，所述两线式总线可以是具有标称特性阻抗的双绞线。总线280也可以使用其他通信协议解决方案(诸如面向媒体的系统传输(most)或以太网)来实现。在其他方面，总线280可以是无线车内总线。
52.vcu 265可以通过总线280通信来直接控制各种载荷或者结合bcm 293实施这种控制。关于vcu 265描述的ecu 217仅出于示例性目的而提供，并且不意图是限制性的或排他性的。用图2中未示出的其他控制模块进行的控制和/或通信是可能的，并且设想了此类控制。
53.在示例性实施例中，ecu 217可使用来自人类驾驶员的输入、来自自主车辆控制器的输入、hd地图构建系统100和/或通过通过(多个)无线连接从其他联网的装置接收的无线信号输入来控制车辆操作和通信的各方面。当被配置为总线280中的节点时，ecu 217各自可以包括中央处理单元(cpu)、can控制器和/或收发器(图2中未示出)。在其他方面，ecu还可以被配置和/或编程为执行生成车辆感测数据125的一个或多个步骤，包括slam姿态图生成、lidar感测数据收集、相机数据收集以及其他方面。
54.bcm 293一般包括传感器、车辆性能指示器以及与车辆系统相关联的可变电抗器的集成，并且可包括基于处理器的配电电路，所述配电电路可控制与车身(诸如灯、窗、安全装置、门锁和进入控制)相关联的功能以及各种舒适性控制。bcm 293还可以作为总线和网络接口的网关操作，以与远程ecu(图2中未示出)进行交互。
55.bcm 293可协调各种车辆功能性中的任一种或多种功能，包括能量管理系统、警报、车辆防盗器、驾驶员和乘坐者进入授权系统、av控制系统、电动窗、门、致动器以及其他功能性等。bcm 293可被配置用于车辆能量管理、外部照明控制、雨刮器功能性、电动窗和门功能性、暖通空调系统以及驾驶员集成系统。在其他方面，bcm 293可控制辅助设备功能性和/或负责此类功能性的集成。
56.汽车计算机245、vcu 265和/或hd地图构建系统100的计算系统架构可以省略某些计算模块。应容易理解，图2中描绘的计算环境是根据本公开的一个可能的实现方式的示例，并且因此不应被视为限制性的或排他性的。
57.图3描绘了根据本公开的有待进行地图构建的区域300的示例性卫星图像、以及两个交叉路口(ix)控制点装置110和115的布置，这两个装置分别可以布置在地图构建区域300的两个固定且已知的位置中。为了使一些av在操作环境中操作，必须对区域进行地图构建。根据一个实施例，地图构建区域300可以包括设置在地图环境中的单独但静止的位置中的两个或更多个控制点装置110和115。每个ix控制点装置(110、115等)可以是安装在基础设施上的传感器节点，其具有诸如例如lidar、相机系统(例如，rgb等)、sonar、gps或其他感测装置等传感器。ix控制点装置具有已知的定位(例如，精确已知的纬度、经度)和已知的位置/取向。例如，这些节点中的每一个都可以经历初始和例行校准过程，在此期间获得、验证和/或校准节点的相应位置和取向。
58.尽管未示出，但是车辆(诸如车辆105)可以在整个地图构建区域300中行驶，同时在车辆在整个地图区域300中行驶时周期性地获得感测数据。vps 281可以在驾驶通过地图构建区域300时生成车辆感测数据，诸如车辆感测数据125(如图1所示)，并且将车辆感测数据125实时传输到hd地图构建计算机系统，诸如hd地图构建计算系统135，和/或可以在完成地图构建操作之后将其传输到hd地图构建计算系统，诸如hd地图构建计算系统135。例如，当车辆接近地图构建区域中的某个特征时，当车辆靠近所述特征时，以及当车辆经过所述特征时，vps 281可以生成所述特征的多个lidar地图。因此，车辆105在穿越地图构建区域时的动态变化位置可以提供特征的多个角度，这可以迭代地减少hd地图中的线性误差。
59.在其他方面，vps 281还可以从相同的动态变化的角度提供特征的图像，并且可以产生imu数据，指示车辆105在生成车辆感测数据125时经历的惯性变化。车辆感测数据和ix节点数据130由hd地图构建计算机系统组合和优化以生成hd地图155。根据一个实施例，vps 181可以提供一些优点，通过利用车辆系统来协调用于生成hd地图155的多条感测信息(例如，车辆感测数据125)，可以减少或消除特征表示的线性误差。换言之，精确定位和定向的ix控制点装置110和115可以提供用于调整hd地图155上的车辆感测数据125的控制点，所述车辆感测数据是由车辆感测系统在其从车辆动态变化的位置观察地图构建区域中的特征时产生的。与未经组合的静止ix节点数据或vps数据相比，此特征可为提高hd地图的绝对准确度提供明显的优势。
60.图4描绘了根据本公开由图1和图2中所示的hd地图系统100通过组合由车辆105收集的lidar点云数据(例如，slam)数据与由ix控制点装置110、115(即控制节点)获得的ix节点数据130而生成的ix控制点405的地图400。地图400被描绘为具有多个控制点405，所述多个控制点表示车辆105和ix控制点装置110和115在地图构建区域中收集感测数据的离散位置。例如，ix控制点装置110和115示出了那些装置在地图构建区域中所设置于的静止位置。作为静止装置，控制节点可以定位并固定在地图构建区域中的固定位置处，其中每个相应位置可以具有第一已知且精确定义的纬度经度以及关于指向角和从已知罗盘方向的旋转的已知且精确定义的方向。尽管图4中仅示出了两个ix控制点405，但是应当理解，hd地图构建系统100可以包括任何数量的控制节点。图4中描绘了多条lidar感测线115，表示从单个ix控制点装置115辐射出来的lidar信号。为了清楚起见，未示出与控制点装置110相关联的lidar感测线。ix控制点装置115是静止的，因此，作为ix控制点装置115的一部分设置的lidar和其他感测装置可以对其周围环境进行重复的感测测量，从一次测量到下一次后续测量的预期变化很小。控制点装置110和115可以从两个或更多个不变的控制点感知地图特
征的尺寸和位置，在增量地图平滑和地图构建步骤150(如图1所示)期间，布置在车辆105上的类似感测装置可以通过这些控制点进行校准和调整。
61.图4中描绘的其他点(不是ix控制点装置110和115)代表车辆105在地图构建区域300内行驶时收集车辆感测数据125的离散车辆位置。在每个相应的ix控制点处，hd地图系统100可以使用lidar282、相机系统283、imu 284和/或车辆105上的其他感测装置(例如，如关于图2所描述的vps 281)收集车辆感测数据125。图4中所示的每个节点点(与静止装置(例如ix控制点装置110和115)相关联的控制节点点除外)示出了vps 281可以测量感测数据的点，并且可以将感测数据存储于设置在车辆105上和/或远程(例如在分布式数据存储系统中)的感测数据库中(图1-4中未示出)。尽管为了清楚起见未示出，但是多个控制点405中的每个相应的控制点具有从每个相应的测量点在所有方向上辐射出来的lidar感测线。车辆105可以在其穿越地图构建区域300时生成slam节点数据(例如，车辆感测数据125)，并且将车辆感测数据125传输到hd地图构建计算机系统135和/或将数据存储在车辆105上存储器255中。
62.因此，ix控制点装置110和115可以使用ix节点lidar地图(未与图4的组合地图分开显示)、车辆感测数据地图(也未与图4的组合地图400分开显示)生成感测数据(例如，ix节点数据130)，以在增量地图平滑和地图构建之后生成hd地图155。在两个lidar地图(一个由ix控制点装置110和115创建，且另一个由vps 181在车辆105穿越地图构建区域时创建)中，鉴于ix控制点装置的静止且精确已知的位置，ix控制点衍生的地图被用作控制点，并被用作由车辆感测系统生成的多个slam节点中每个节点的位置移位的基点。hd地图构建计算机系统135可以将车辆感测数据125与ix节点数据130组合以形成lidar点云(例如，如图5所示)。
63.图5示出了根据本公开的示例性slam节点图500，其可以包括slam节点数据(例如，图4中所描绘的由vps 281获得的节点)与由ix控制点装置110和115获得的ix节点数据的组合。尽管在图5中被描绘成连续线505的地图，但是地图部分510a的放大部分510b示出了多个slam节点507，这些节点代表在车辆105穿越地图构建区域300时沿车辆行驶路径的增量距离(例如0.5-1m)上收集的车辆感测数据515与由ix控制点装置110和120生成的点云数据(例如ix节点数据130)融合。slam原子节点507中的每一个可以与和使用vps 281收集的车辆感测数据125融合的ix控制点装置110和115的固定且已知的定位和取向相关联。例如，slam节点可以包括lidar数据520、相机数据525和/或imu数据530，其中数据由车辆和ix控制点装置110两者生成。尽管大多数节点507可以源自vps 281，但是节点中的至少两个源自ix节点数据130(如图1所示)。
64.在数据收集过程期间，车辆通过ix所在的区域。因此，车辆lidar和ix lidar看到相同的环境。道路边界、相同的3d结构等出现在ix和车辆数据两者中。在slam过程期间，环境中的匹配生成slam批量优化方法所使用的约束。系统可以分别为涉及ix的任何约束分配更多的权重，并且因此，地图根据ix的位置更精确地进行对准。hd地图构建计算机系统135可以通过使用批量优化算法对多个ix节点507(即，slam节点)进行平滑来生成优化的hd地图。在题为“增量平滑和地图构建(incremental smoothing and mapping)”的论文(michael kaess，佐治亚理工学院，2008年12月，其以引用方式并入本文)中描述了一种示例性批量优化算法(以下称为“kaess”)。根据一个实施例，从与ix控制点装置110和120相关
联的两个静止控制点(在本文中也称为ix节点和/或ix控制点)获得ix节点数据130，而在kaess中，优化问题利用动态控制点求解。除了ix控制点装置110和120之外，其他节点507相对于彼此移动以对线性化误差进行全局优化并使其最小化为小于预定的线性化误差阈值。例如，线性化误差阈值可以是正或负1cm-2cm，并且因此生成绝对准确的hd地图155。简而言之，ix控制点装置110和115所处的ix控制点充当静止基准/地面控制点，具有固定且已知的位置。例如，ix控制点装置110和115具有相对于北东地坐标系(单位为弧度)和一个精确已知的取向而言精确(例如，在1cm-2cm内)已知的纬度经度、侧倾、俯仰和航向。
65.图6描绘了根据本公开的用于使用图1的hd地图系统构建hd地图的示例性方法600的流程图。在步骤605处，方法600可以开始于：通过处理器从第一交叉路口(ix)控制装置和第二ix控制装置接收第一感测数据，所述第一感测数据包括地图构建区域中的特征的第一尺寸信息和第一位置信息。
66.在步骤610处，方法600还可以包括：通过所述处理器从车辆感测系统接收lidar点云，所述lidar点云包括所述地图构建区域中的所述特征的第二尺寸信息和第二位置信息。在一个方面，hd计算系统可以在车辆在地图构建区域中行驶的地图构建行程之后接收lidar点云作为单个数据传输。在另一个实施例中，当车辆前进通过其地图构建任务中的每个离散步骤时，hd地图计算系统可以通过车辆tcu增量地接收lidar点云数据。
67.例如，在一个方面，当沿着地图构建区域中的路线驾驶时，由av收集lidar点云。感测数据可以包括lidar感测数据、相机数据和惯性测量单元(imu)数据等。在一个方面，所述方法包括：使所述汽车计算机的处理器实例化一个或多个slam生成程序，所述slam生成程序使所述车辆的感知系统使用lidar模块和/或任何其他车辆感测装置(诸如相机系统和imu)来获得用于生成lidar点云的slam数据。
68.在一个方面，车辆感测系统可以被配置和/或编程用于在车辆沿着地图构建区域中的路线行驶时在沿着路线的离散点处获得所述车辆感测数据。例如，车辆感测系统可以每1m、2m、4m等获得lidar数据。因此，lidar点云可以表示与地图构建区域中的特征相关联的多个图像、lidar和imu数据，其中在车辆改变位置时，从不同的角度和视角捕捉与这些特征相关的数据样本。
69.此步骤还可以包括：使用相机数据，并且更具体地，通过车辆感测系统收集的单色或rgb图像信息，来生成lidar点云；以及通过hd地图计算系统的处理器接收感测信息。例如，当车辆接近地图构建区域中的某个特征时，当车辆靠近所述特征时，以及当车辆经过所述特征时，车辆感测系统可以获得捕获所述特征的数字图像的多个图像。
70.在步骤615处，方法600还可以包括：通过所述处理器基于所述第一感测数据与所述lidar点云的组合来生成多个ix节点。所述多个ix节点可以包括在第一固定且已知的位置处的第一ix节点以及在第二固定且已知的位置处的第二ix节点。在一个方面，第一ix控制装置可以设置在地图构建区域中具有第一已知纬度和第一已知经度的第一静止位置处。在另一个方面，第一ix控制装置可以设置在具有第二已知纬度和第二已知经度的第二静止位置处。在一个方面，此步骤可以包括：将由所述车辆感测系统获得的所述slam(例如，lidar点云)与由ix控制节点装置生成的ix节点数据组合。
71.在步骤620处，方法600还可以包括：通过使用批量优化算法对组合的ix节点和slam姿态图进行平滑来生成包括所述地图构建区域中的所述特征的优化的hd地图。该步骤
可以包括：使用所述批量优化算法通过将所述多个ix节点的线性化误差降低到小于线性化误差阈值来对所述lidar点云数据进行平滑。根据本文所描述的实施例，第一感测数据和lidar点云不包括gps数据。根据其他方面，第一感测数据和lidar点云数据不包括实时运动学(rtk)信息。因此，hd地图系统可以在没有gps和rtk中的一者或多者的情况下生成绝对和相对准确的hd地图。
72.此步骤还可以包括：增量地图平滑和地图构建，包括针对ix控制点装置110和115确定相对于北东地坐标系(单位为弧度)和一个精确已知的取向而言精确(例如，在1cm-2cm内)已知的纬度经度、侧倾、俯仰和航向。
73.在以上公开中，已参考了形成以上公开的一部分的附图，附图示出了其中可实践本公开的具体实现方式。应理解，在不脱离本公开的范围的情况下，可以利用其他实现方式，并且可以进行结构改变。本说明书中对“一个实施例”、“实施例”、“示例性实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但每个实施例可以不一定包括所述特定特征、结构或特性。另外，此类短语不一定是指同一实施例。此外，当结合实施例描述特征、结构或特性时，无论是否明确描述，本领域的技术人员都将认识到结合其他实施例的此类特征、结构或特性。
74.此外，在适当的情况下，本文中描述的功能可在以下一者或多者中执行：硬件、软件、固件、数字部件或模拟部件。例如，一个或多个专用集成电路(asic)可被编程为执行本文所描述的系统和程序中的一者或多者。贯穿说明书和权利要求使用某些术语来指代特定系统部件。如本领域技术人员将理解，部件可以通过不同的名称来指代。本文件不意图区分名称不同但功能相同的部件。
75.还应理解，如本文所使用的词语“示例”意图在本质上是非排他性的和非限制性的。更具体地，本文使用的词语“示例”指示若干示例中的一者，并且应理解，没有对所描述的特定示例进行不适当的强调或偏好。
76.计算机可读介质(也称为处理器可读介质)包括参与提供可由计算机(例如，由计算机的处理器)读取的数据(例如，指令)的任何非暂时性(例如，有形)介质。此类介质可采取许多形式，包括但不限于非易失性介质和易失性介质。计算装置可包括计算机可执行指令，其中所述指令可由一个或多个计算装置(诸如以上列出的那些)执行并且存储在计算机可读介质上。
77.关于本文所描述的过程、系统、方法、启发法等，应理解，尽管已经将此类过程等的步骤描述为根据某个有序顺序发生，但是此类过程可以以与本文所描述的次序不同的次序执行所描述的步骤来实践。还应理解，可同时执行某些步骤，可添加其他步骤，或者可省略本文描述的某些步骤。换言之，本文中对过程的描述是出于说明各种实施例的目的而提供的，并且绝不应被解释为限制权利要求。
78.因此，应当理解，以上描述意图是说明性的而非限制性的。在阅读以上描述时，除所提供的示例之外的许多实施例和应用将为明显的。所述范围不应参考以上描述来确定，而是应参考所附权利要求以及享有此类权利要求的权利的等效物的整个范围来确定。预计并且意图在于本文所讨论的技术未来将有所发展，并且所公开的系统和方法将并入此类未来实施例中。总而言之，应当理解，本技术能够进行修改和改变。
79.除非在本文中做出明确的相反指示，否则权利要求中使用的所有术语意图被赋予
其如本文中描述的技术人员所理解的普通含义。特别地，除非权利要求叙述相反的明确限制，否则使用例如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一者或多者。除非另有特别说明或在使用时在上下文内以其他方式理解，否则诸如尤其是“能够”、“可能”、“可以”或“可”的条件语言通常意图表达某些实施例可能包括某些特征、元件和/或步骤，而其他实施例可不包括某些特征、元件和/或步骤。因此，此类条件语言一般并不意图暗示一个或多个实施例无论如何都需要各特征、元件和/或步骤。
80.根据实施例，第一感测数据和lidar点云不包括实时运动学(rtk)信息。
81.根据本发明，提供了一种高清晰度地图构建系统中的非暂时性计算机可读存储介质，其上存储有指令，所述指令当由处理器执行时使所述处理器：从第一交叉路口(ix)控制装置和第二ix控制装置接收第一感测数据，所述第一感测数据包括地图构建区域中的特征的第一尺寸信息和第一位置信息；从自主车辆(av)接收lidar点云，所述lidar点云包括所述地图构建区域中的所述特征的第二尺寸信息和第二位置信息；以及基于所述第一感测数据和所述lidar点云的组合生成多个ix节点；以及通过使用批量优化算法对所述多个ix节点进行平滑来生成包括所述地图构建区域中的所述特征的优化高清晰度(hd)地图。
82.根据实施例，所述批量优化将所述多个ix节点的线性化误差减小到小于线性化误差阈值。
83.根据实施例，所述lidar点云是由所述av在沿着所述地图构建区域中的路线行驶时收集的。
84.根据实施例，所述第一ix控制装置被设置在所述地图构建区域中具有第一已知纬度和第一已知经度的第一静止位置处，并且所述第二ix控制装置被设置在具有第二已知纬度和第二已知经度的第二静止位置处。