JP2021508814A - ＬｉＤＡＲを用いた車両測位システム - Google Patents

Abstract

本開示の実施形態は、車両を測位するシステム及び方法を提供する。システムは、車両に設けられたセンサによって捕捉されたシーンに関する点群を受信するように構成される通信インタフェースを含む。システムは、点群及び高精度地図を記憶するように構成されるストレージをさらに含む。また、システムは、プロセッサを含む。プロセッサは、点群の第１の３Ｄ表現を作成し、シーンに関して高精度地図の第２の３Ｄ表現を作成するように構成される。プロセッサは、第１の３Ｄ表現と第２の３Ｄ表現とを比較することによって車両の姿勢情報を決定するようにさらに構成される。プロセッサは、姿勢情報に基づいて車両の位置を決定する。

Description

本開示は光検出と測距（ＬｉＤＡＲ）を用いた測位システム及び方法に関し、より詳細には、ＬｉＤＡＲデータと高精度地図との間のボクセルマッチング法を用いて車両の位置を推定する測位システム及び方法に関する。

自律運転及びロボットナビゲーション技術は正確な測位に大きく依存する。例えば、車両を高精度で測位することは、自律運転にとって重要である。全地球測位システム（ＧＰＳ）又は慣性計測ユニット（ＩＭＵ）を使用するなどの従来の測位方法は、自律運転によって要求される十分な測位精度を提供しない。例えば、ＧＰＳ測位の精度は、一般的に数メートルのオーダーである。いずれも測位誤差をセンチメートル以内にする必要がある、車両を車線の間に測位するか又は車両の前に歩行者を測位するなどの自動運転制御には十分に正確ではないことが多い。また、ＧＰＳ信号は常に利用可能ではない。例えば、ＧＰＳ信号は、車両がトンネル内又は高層ビル付近にあるときに弱いか又は失われることが多い。さらに、ＩＭＵによる測定誤差は通常時間又は距離とともに累積し、測位の不正確さをもたらす。

高解像度地図は、それらが周囲を走行するときに車両上の様々なセンサ、検出器及び他の装置によって取得された画像及び情報を集約することによって取得され得る。例えば、車両は、車両が走行している道路又は周囲の物体の特徴を捉えるために、ＬｉＤＡＲ、ＧＰＳ受信機、一つ以上のＩＭＵセンサ及び一つ以上のカメラなどの複数の集積センサを備えてもよい。高精度地図は、調査車両の対応する三次元（３Ｄ）姿勢情報（例えば、位置及び向き）に基づいて複数の点群（ポイントクラウド）フレームを集約することによって得ることができる。

高精度地図に基づいて、車両は、特徴マッチングと、カメラ画像及びＧＰＳ／ＩＭＵ信号などのリアルタイムなセンサ測定との融合とによって測位され得る。しかしながら、測位結果は、例えば、カメラ画像を撮影するときの照明条件とセンサ測定におけるノイズの影響を受けることが多い。別の高精度測位方法は、ＬｉＤＡＲによって捕捉されたリアルタイム点群をポイントツーポイントで高精度地図とマッチングさせる。しかしながら、そのような方法は、処理される必要があるデータ量及びアルゴリズムの複雑さを考えると、計算のコストが高い。さらに、車両の実際の位置に十分に近い初期位置を必要とする。別の方法は、点群をセグメント化し、そのセグメントから特徴を抽出し、その特徴を高精度地図から抽出された特徴とマッチングさせる。この方法は通常リアルタイムに実行できず、測定ノイズに敏感である。

本開示の実施態様は、改善された車両測位システム及び方法によって上記問題に対処する。

本開示の実施態様は、車両を測位するシステムを提供する。システムは、前記車両に設けられたセンサによって捕捉されたシーンに関する点群を受信するように構成される通信インタフェースを含む。システムは、前記点群及び高精度地図を記憶するように構成されるストレージをさらに含む。システムは、プロセッサをさらに含む。前記プロセッサは、前記点群の第１の３Ｄ表現を作成し、前記シーンに関して前記高精度地図の第２の３Ｄ表現を作成するように構成される。前記プロセッサは、前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって前記車両の姿勢情報を決定するようにさらに構成される。前記プロセッサは、前記姿勢情報に基づいて前記車両の位置を決定する。

また、本開示の実施態様は、車両を測位する方法を提供する。方法は、前記車両に設けられたセンサによって捕捉されたシーンに関する点群を受信することを含む。方法は、プロセッサにより、前記点群の第１の３Ｄ表現を作成することと、前記プロセッサにより、前記シーンに関して高精度地図の第２の３Ｄ表現を作成することとをさらに含む。本方法は、前記プロセッサにより、前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって前記車両の姿勢情報を決定することと、前記姿勢情報に基づいて前記車両の位置を決定することとをさらに含む。

さらに、本開示の実施態様は、一つ以上のプロセッサによって実行されたときに、前記一つ以上のプロセッサに動作を実行させる命令を記憶した非一時的コンピュータ可読記憶媒体を提供する。前記動作は、前記車両に設けられたセンサによって捕捉されたシーンに関する点群を受信することを含む。前記動作は、前記点群の第１の３Ｄ表現を作成することと、前記シーンに関して高精度地図の第２の３Ｄ表現を作成することとをさらに含む。前記動作は、前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって車両の姿勢情報を決定することと、前記姿勢情報に基づいて前記車両の位置を決定することとをさらに含む。

前述の一般的な説明及び以下の詳細な説明は、例示的かつ説明的なものに過ぎず、特許請求される本発明を限定するものではないことを理解されたい。

本開示の実施形態に係る、センサを有する例示的な車両の概略図を示す。 本開示の実施形態に係る、リアルタイム点群データに基づいて車両を測位するための例示的な測位サーバのブロック図を示す。 本開示の実施形態に係る、点群データの例示的な３Ｄ表現を示す。 本開示の実施形態に係る、車両を測位するための例示的な方法のフローチャートを示す。 本開示の実施形態に係る、例示的なボクセルマッチング法のフローチャートを示す。

ここで例示的な実施形態を詳細に参照するが、それらの実施例は添付の図面に示される。可能な限り、同じ又は同様の部分を指すために図面全体にわたって同じ符号を使用する。

図１は、本開示の実施形態に係る、複数のセンサを有する例示的な車両１００の概略図を示す。いくつかの実施形態によれば、車両１００は高解像度地図の構築又は三次元（３Ｄ）都市モデリングのためのデータを取得するように構成される調査車両であり得る。車両１００は、電気車両、燃料電池車両、ハイブリッド車両、又は従来の内燃機関車両であり得ることが企図される。車両１００は、本体部１１０及び少なくとも一つの車輪１２０を有し得る。本体部１１０は、スポーツ車両、クーペ、セダン、ピックアップトラック、ステーションワゴン、スポーツユーティリティビークル（ＳＵＶ）、ミニバン、又はコンバージョンバンなどの任意の本体部スタイルであり得る。いくつかの実施形態では、車両１００は、図１に示すように、一対の前輪及び一対の後輪を含み得る。しかしながら、車両１００は、車両１００が動き回ることを可能にするより少ない車輪又は同等の構造を有し得ることが企図される。車両１００は、全輪駆動（ＡＷＤ）、前輪駆動（ＦＷＲ）、又は後輪駆動（ＲＷＤ）であるように構成されてもよい。いくつかの実施形態では、車両１００は、車両を占有する運転者によって操作され、遠隔制御され、及び／又は自律的であるように構成され得る。

図１に示すように、車両１００は、取り付け構造１３０を介して本体部１１０に取り付けられたＬｉＤＡＲ１４０を備え得る。取り付け構造１３０は、車両１００の本体部１１０に取り付けられるか又は別の方法で取り付けられる電気機械装置であってもよい。いくつかの実施形態では、取り付け構造１３０は、ねじ、接着剤、又は別の取り付け機構を使用し得る。車両１００は、任意の適切な取り付け機構を使用して、本体部１１０の内側又は外側にＧＰＳ／ＩＭＵ１５０をさらに備えてもよい。車両１００がＬｉＤＡＲ１４０又はＧＰＳ／ＩＭＵ１５０を備えてもよい様態は、図１に示される実施例に限定されず、望ましい感知性能を達成するように変更され得ることが企図される。

いくつかの実施形態では、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０は、車両１００が軌道に沿って移動するときにデータを捕捉するように構成されてもよい。本開示によれば、ＬｉＤＡＲ１４０は、周囲を走査して点群を取得するように構成されてもよい。ＬｉＤＡＲはターゲットにパルスレーザ光を照射し、反射パルスをセンサで測定することによってターゲットまでの距離を測定する。その後、レーザの戻り時間の差及び波長を使用してターゲットのデジタル３Ｄ表現を作成することができる。ＬＩＤＡＲ走査に使用される光は、紫外線、可視線、又は近赤外線であり得る。狭いレーザビームは非常に高い解像度で物理的特徴をマッピングすることができるので、ＬｉＤＡＲスキャナは特に高解像度地図の調査に適する。いくつかの実施形態では、ＬｉＤＡＲスキャナは点群を捕捉してもよい。車両１００が軌道に沿って移動すると、ＬｉＤＡＲ１４０は複数の時点で一連の点群（それぞれがある時点で取得された点群フレームと呼ばれる）を取得することができる。

図１に示すように、車両１００は、ＧＰＳ受信機及び一つ以上のＩＭＵセンサなどの車両１００の測位のためのナビゲーションユニットにおいて使用されるセンサを含み得る、ＧＰＳ／ＩＭＵ１５０をさらに備えてもよい。ＧＰＳは、ＧＰＳ受信機に地理位置情報及び時間情報を提供する全地球航法衛星システムである。ＩＭＵは、加速度計及びジャイロスコープなどの様々な慣性センサ、場合によっては磁力計を使用して、車両の特定力、角速度、場合によっては車両の周囲の磁場を測定し、提供する電子装置である。ＧＰＳ受信機とＩＭＵセンサとを組み合わせることによって、ＧＰＳ／ＩＭＵ１５０は、各時点での車両１００の位置及び向き（例えば、オイラー角）を含む、走行するときの車両１００のリアルタイム姿勢データを提供することができる。

本開示によれば、車両１００は、地図サーバ１７０及び測位サーバ１８０と通信する車両１００の本体部１１０の内部にローカルコントローラ１６０を含むことができる。いくつかの実施形態では、地図サーバ１７０及び測位サーバ１８０の各々は、ローカル物理サーバ、クラウドサーバ（図１に示す）、仮想サーバ、分散サーバ、又は任意の他の適切なコンピューティング装置であり得る。地図サーバ１７０及び測位サーバ１８０は、無線ローカルエリアネットワーク（ＷＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、電波などの無線ネットワーク、セルラーネットワーク、衛星通信ネットワーク、及び／又はローカル又は短距離無線ネットワーク（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標））などのネットワークを介して車両１００のＬｉＤＡＲ１４０、ＧＰＳ／ＩＭＵ１５０及び／又は他のコンポーネントと通信することができる。例えば、地図サーバ１７０及び測位サーバ１６０は、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０からセンサ測定を受信してもよい。地図サーバ１７０と測位サーバ１８０も、互いに通信することができる。例えば、測位サーバ１８０は、地図サーバ１７０から高精度地図又はそのいくつかの部分を受信し得る。

本開示によれば、コントローラ１６０及び測位サーバ１８０は、ＬｉＤＡＲ１４０によって捕捉された点群とＧＰＳ／ＩＭＵ１５０によって捕捉された姿勢データに基づいて車両１００の姿勢情報の推定を個別に又は集合的に実行することができる。いくつかの実施形態では、コントローラ１６０又は測位サーバ１８０は、ＧＰＳ／ＩＭＵ１５０によって提供される初期位置情報に基づいて地図サーバ１７０から高精度地図を取り出し、高精度地図の３Ｄ表現を作成することができる。コントローラ１６０又は測位サーバ１８０はまた、ＬｉＤＡＲ１４０によって取得された点群を受信し、点群の３Ｄ表現を作成することができる。点群及び高精度地図の３Ｄ表現は、データを「ボクセル化」することによって作成することができる。コントローラ１６０又は測位サーバ１８０は、３Ｄ表現に対してボクセルマッチング法を実行して車両１００の姿勢情報を最適化することができる。車両１００は、最適化された姿勢情報に基づいて測位され得る。いくつかの実施形態では、点群及び高精度地図は、複数の解像度でボクセル化してもよく、ボクセルマッチング法はまず低い解像度で３Ｄ表現に対して実行され、方法が高い解像度で３Ｄ表現に対して実行されるとき、得られた姿勢情報は初期推定として使用される。開示されたシステム及び方法は、改善された精度及び低減された計算コストを提供する。

例えば、図２は、本開示の実施形態に係る、リアルタイム点群データに基づいて車両を測位するための例示的な測位サーバ１８０のブロック図を示す。本開示によれば、測位サーバ１８０は、車両姿勢推定のために様々なタイプのデータを使用し得る。様々なタイプのデータは、車両１００が軌道に沿って移動するときに、車両１００の周囲のシーンに関して車両１００に設けられたＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０によって捕捉され得る。データは、様々な時点での複数の点群フレームからなるＬｉＤＡＲ１４０によって捕捉された点群２０１を含んでもよい。データはまた、ＧＰＳ／ＩＭＵ１５０によって取得された車両１００の初期姿勢データ２０３を含んでもよい。いくつかの実施形態では、点群２０１は、ＧＰＳ受信機及びＩＭＵセンサからの初期姿勢データ２０３に基づいてネイティブＬｉＤＡＲデータをローカル座標系からグローバル座標系（例えば、経度／緯度座標）に変換することによって較正され得る。

車両姿勢推定のために測位サーバ１８０に提供されるデータは、地図サーバ１７０によって提供される高精度地図２０５をさらに含む。高精度地図２０５は、調査領域の特徴を捕捉するために派遣された調査車両上の様々なセンサ、検出器、及び他の装置によって取得された画像及び情報を集約することによって構築され得る。いくつかの実施形態では、高精度地図２０５は、より大きい高精度地図、例えば、ローカル高精度地図の一部であり得る。地図サーバ１７０はまた、ＧＰＳ／ＩＭＵ１５０から姿勢データ２０３を受信し、姿勢データ２０３に対応するシーンの高精度地図２０５を取り出すことができる。

いくつかの実施形態では、図２に示すように、測位サーバ１８０は、通信インタフェース２０２、プロセッサ２０４、メモリ２０６、及びストレージ２０８を含み得る。いくつかの実施形態では、測位サーバ１８０は、集積回路（ＩＣ）チップ（特定用途向け集積回路（ＡＳＩＣ）又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）として実装される）などの単一の装置内の異なるモジュール、又は専用機能を有する別個の装置を有し得る。いくつかの実施形態では、測位サーバ１８０の一つ以上のコンポーネントは、車両１００の内部に配置され得るか、又は代替的に、モバイル装置内、クラウド内、又は別の遠隔位置にあり得る。測位サーバ１８０のコンポーネントは、集積装置内にあってもよく、又は異なる位置に分散するが、ネットワーク（図示せず）を介して互いに通信してもよい。例えば、プロセッサ２０４は、プロセッサ搭載車両１００、モバイル装置内のプロセッサ、又はクラウドプロセッサ、又はそれらの任意の組み合わせであり得る。

通信インタフェース２０２は、例えば、通信ケーブル、無線ローカルエリアネットワーク（ＷＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、電波ネットワーク、セルラーネットワーク及び／又はローカル無線ネットワーク（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＷｉ−Ｆｉ（登録商標））などの無線ネットワーク、又は他の通信方法を介して、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０などのコンポーネントと地図サーバ１７０に対してデータを送受信し得る。いくつかの実施形態では、通信インタフェース２０２は、データ通信接続を提供するために、総合サービスデジタルネットワーク（ＩＳＤＮ）カード、ケーブルモデム、衛星モデム、又はモデムであり得る。別の例として、通信インタフェース２０２は、互換性のあるＬＡＮへのデータ通信接続を提供するためのローカルエリアネットワーク（ＬＡＮ）アダプタであってもよい。無線リンクはまた、通信インタフェース２０２によって実装され得る。そのような実装形態では、通信インタフェース２０２は、様々なタイプの情報を表すデジタルデータストリームを搬送する電気、電磁、又は光信号を送受信することができる。

いくつかの実施形態によれば、通信インタフェース２０２は、点群２０１及び初期姿勢データ２０３を含む、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０によって捕捉されたデータを受信することができる。通信インタフェース２０２はさらに、地図サーバ１７０から高精度地図２０５を受信することができる。受信されたデータは、記憶のためにメモリ２０６及び／又はストレージ２０８に提供されてよく、又は処理のためにプロセッサ２０４に提供されてもよい。通信インタフェース２０２はまた、プロセッサ２０４によって生成された最適化された姿勢情報を受信し、通信リンクを介して車両１００内の任意のローカルコンポーネント又は任意の遠隔装置に姿勢情報を提供することができる。

プロセッサ２０４は、任意の適切なタイプの汎用又は専用マイクロプロセッサ、デジタル信号プロセッサ、又はマイクロコントローラを含み得る。プロセッサ２０４は、車両姿勢推定専用の単独のプロセッサモジュールとして構成され得る。代替的に、プロセッサ２０４は、車両姿勢推定とは無関係の他の機能を実行することもできる共有プロセッサモジュールとして構成され得る。

図２に示すように、プロセッサ２０４は、３Ｄ表現生成ユニット２１０、ボクセルマッチングユニット２１２、測位ユニット２１４、姿勢情報推定ユニット２１６などの複数のモジュール／ユニットを含み得る。これらのモジュール／ユニット（及び任意の対応するサブモジュール又はサブユニット）は、他のコンポーネントとともに使用するために、又はプログラムの少なくとも一部を実行するために設計されたプロセッサ２０４のハードウェアユニット（例えば、集積回路の部分）であり得る。プログラムは、コンピュータ可読記憶媒体に記憶されてもよく、プロセッサ２０４によって実行されると、一つ以上の機能又は動作を実行することができる。図２は、一つのプロセッサ２０４内の全てのユニット２１０−２１６を示すが、これらのユニットは、互いに近接して又は離れて配置された複数のプロセッサ間に分散されてもよいことが企図される。

３Ｄ表現生成ユニット２１０は、点群２０１の３Ｄ表現を作成するように構成され得る。いくつかの実施形態では、３Ｄ表現生成ユニット２１０は、点群２０１の３Ｄ空間をいくつかのボクセルに分割し得る。例えば、図３は、本開示の実施形態に係る、点群２０１の例示的な３Ｄ表現を示す。図３に示すように、３Ｄ表現３１０は、複数のボクセル３２０を含む。各ボクセルは、例えば、局所的な３Ｄ表面特徴分布を含む一組のボクセル値によって特徴付けられる。いくつかの実施形態では、ボクセル値はまた、平均強度値とｘ、ｙ、及びｚ方向に沿ったその３Ｄ分布とを含む。例えば、強度値の３Ｄ分布は、ガウス／正規分布であってもよい。

したがって、ボクセル３２０は、３Ｄ空間情報ならびに点群強度分布を含むことができる。点群を直接マッチングする方法と比較して、そのようなボクセルを含む３Ｄ表現をマッチングすることは、測位精度を向上させることができる。

いくつかの実施形態では、３Ｄ表現ユニット２１０はさらに、第２の３Ｄ表現、すなわち、高精度地図２０５の少なくとも一部の３Ｄ表現を作成するように構成され得る。高精度地図２０５は、調査中に取得された点群データを含み得る。したがって、高精度地図２０５の３Ｄ表現は、図３に関連して上述したと同じ方法を使用して作成され得る。

再び図２を参照すると、ボクセルマッチングユニット２１２は、点群２０１の３Ｄ表現と高精度地図２０５の対応する３Ｄ表現との間のボクセルマッチング動作を実行するように構成され得る。いくつかの実施形態では、ボクセルマッチングは、点群２０１の３Ｄ表現と高精度地図２０５の対応する３Ｄ表現との最小差に対応する車両１００の最適化された姿勢情報を見つけ得る。例えば、この差は、二つの表現の対応するボクセル間の差の合計差として計算することができる。いくつかの実施形態では、差はまた、逆に、二つの表現のボクセル間の類似度によって特徴付けられ得る。ボクセルマッチングユニット２１２は、この類似度を最大化するために最適化問題を解くことができる。最適化問題を解くために、ニュートン反復法などの反復法を実施することができる。

いくつかの実施形態では、初期姿勢情報Ｔ_０は、最適化問題を解くとき、第１の反復の開始点（初期推定とも呼ばれる）として使用され得る。例えば、Ｔ_０＝（ｘ_０、ｙ_０、ｚ_０、ｒｏｗ_０、ｐｉｔｃｈ_０、ｙａｗ_０）であり、ここでｘ_０、ｙ_０、及びｚ_０は、車両位置の三次元座標であり、ｒｏｗ_０、ｐｉｔｃｈ_０、及びｙａｗ_０は、車両姿勢を示す。３Ｄ表現は、最初に初期姿勢情報Ｔ_０に基づいて作成することができる。

いくつかの実施形態では、Ｔ_０は、前の点群フレームについて取得された姿勢情報を使用して姿勢情報推定ユニット２１６によって推定され得る。最適化処理の間に、姿勢情報Ｔは、所定の探索空間Ｘ、Ｙ、Ｚ、ＲＯＬＬ、ＰＩＴＣＨ、ＹＡＷ内で反復的に改良することができる。最適化された姿勢Ｔは、最適化コスト関数がいくつかの所定の停止基準を満たした後に得ることができる。例えば、停止基準は、マッチング最大値Ｔｈｍ及び／又は計算時間最大値Ｔｈｔを含み得る。類似度ＬがＴｈｍを超える（すなわち、点群データ２０１と高精度地図２０５の対応するボクセルの間の類似度がＴｈｍより大きい）場合、又は計算時間がＴｈｔを超える場合、反復処理は停止してもよく、最後に更新された姿勢情報は、現在の点群フレームに関連する最適化された点群姿勢情報Ｔとして使用されてもよい。

いくつかの実施形態では、点群姿勢情報Ｔが利用可能になった後、測位ユニット２１４は次いで、ボクセルマッチングユニット２１２によって取得された点群姿勢情報Ｔを、ＧＰＳ／ＩＭＵ１５０によって提供される初期姿勢データ２０３とマージし得る。例えば、点群姿勢情報Ｔと初期姿勢データ２０３は、アンセンテッドカルマンフィルタ（ＵＫＦ）方法を使用してマージされて、フィルタリングされた姿勢情報Ｔ’を生成し得る。ＵＫＦ法は、アンセンテッド変換（ＵＴ）と呼ばれる決定論的サンプリング技術を使用して事後平均の周りのサンプルポイント（シグマポイントと呼ばれる）の最小セットを選択する。次いで、シグマポイントは非線形関数を介して伝播され、そこから新しい事後平均及び共分散推定が形成される。得られるＵＫＦフィルタは、真の平均及び共分散をより正確に推定することができる。姿勢推定のためにいくつかの既存のナビゲーションシステムによって使用された拡張カルマンフィルタ（ＥＫＦ）と比較して、ＵＫＦは、ヤコビアンを計算せず、したがって、前状態の不確実性の非線形性及び広がりに理論的に優れるという利点を有する。本開示によれば、測位ユニット２１４は、フィルタリングされた姿勢情報Ｔ’を使用して車両１００を測位することができる。

いくつかの実施形態では、姿勢情報推定ユニット２１６は、測位ユニット２１４によって現在の点群フレームについて決定されたフィルタリングされた姿勢情報Ｔ’に基づいて、次の点群フレームについての初期姿勢情報Ｔ_０を推定し得る。いくつかの実施形態では、姿勢情報推定ユニット２１６は、点群フレーム間の姿勢変化に基づいてＴ_０を推定することができる。例えば、姿勢情報推定ユニット２１６は、各点群フレーム内の点の３Ｄ座標及びそれらの関連する属性（例えば反射レーザ強度）に基づいて、隣接する点群フレーム間の姿勢変化を計算することができる。他の例として、姿勢情報推定ユニット２１６は、点群フレームに対応して得られた姿勢データ２０３間の姿勢変化を算出してもよい。

推定された初期姿勢情報Ｔ_０は、次の点群フレームについて最適化された姿勢情報Ｔを推定するためにボクセルマッチングユニット２１２に提供されてもよい。初期姿勢情報Ｔ_０は現在の点群フレームについて最適化されたＴに基づいて推定されるので、初期推定として十分に正確であり、したがって最適化処理が迅速に収束することに役立つことができる。

本開示によるいくつかの実施形態では、点群２０１及び高精度地図２０５は、異なる解像度でボクセル化してもよい。例えば、３Ｄ表現生成ユニット２１０は、それぞれの３Ｄ表現において異なるサイズのボクセル３２０を有する点群２０１のための複数の３Ｄ表現を生成してもよい。多重解像度ボクセル化が３Ｄ表現生成ユニット２１０によって実装されるとき、マッチング動作のためにボクセルマッチングユニット２１２によって使用される対応する点群と高精度地図の３Ｄ表現は同じ解像度である。

いくつかの実施形態では、３Ｄ表現生成ユニット２１０は、第１の解像度Ｒ_１で点群２０１及び高精度地図２０５の３Ｄ表現を生成することができる。Ｒ_１は、比較的低い解像度、すなわち、比較的大きいボクセルサイズを有する３Ｄ表現であり得る。ボクセルマッチングユニット２１２及び測位ユニット２１４は、最初に低解像度の３Ｄ表現に基づいて車両１００を測位することができる。解像度Ｒ_１で得られる姿勢情報は、車両の位置の大まかな推定であり得る。次いで、３Ｄ表現生成ユニット２１０は、解像度Ｒ_１より高い第２の解像度Ｒ_２で点群２０１及び高精度地図２０５の３Ｄ表現を生成することができる。解像度Ｒ_２での３Ｄ表現を使用して車両を測位するとき、解像度Ｒ_１での推定姿勢情報は、初期推定として使用される。

推定処理がますます高い解像度で繰り返されるに連れて、車両１００の推定位置の精度も向上させることができる。より低い解像度で推定された姿勢情報は十分に正確な初期推定を提供することができるので、多重解像度ボクセル化手法は、処理が収束する前に必要とされるかなりの数の反復を省き、したがって計算速度を向上させることができる。

メモリ２０６及びストレージ２０８は、プロセッサ２０４が処理する必要があり得る任意のタイプの情報を記憶するために提供される任意の適切なタイプのストレージ装置を含み得る。メモリ２０６及びストレージ２０８は、ＲＯＭ、フラッシュメモリ、ダイナミックＲＡＭ及びスタティックＲＡＭを含むがこれらに限定されない揮発性又は不揮発性、磁気、半導体ベース、テープベース、光学、リムーバブル、ノンリムーバブル、又は他のタイプのストレージ装置又は有形（すなわち、非一時的）コンピュータ可読記憶媒体であってもよい。メモリ２０６及び／又はストレージ２０８は、本明細書で開示される車両姿勢推定機能を実行するためにプロセッサ２０４によって実行され得る一つ以上のコンピュータプログラムを記憶するように構成され得る。例えば、メモリ２０６及び／又はストレージ２０８は、車両１００が軌道に沿って移動するときにプロセッサ２０４によって実行されてＬｉＤＡＲ１４０及び／又はＧＰＳ／ＩＭＵ１５０を制御して様々なタイプのデータを捕捉し、捕捉されたデータを処理して車両１００の姿勢情報を推定することができるプログラムを記憶するように構成され得る。

メモリ２０６及び／又はストレージ２０８はさらに、プロセッサ２０４によって使用される情報及びデータを記憶するように構成され得る。例えば、メモリ２０６及び／又はストレージ２０８は、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０によって捕捉された様々なタイプのデータ及び推定姿勢情報を記憶するように構成され得る。様々なタイプのデータは、データの各フレームが処理された後に、恒久的に記憶され、定期的に除去されるか、又は直ちに無視され得る。

図４は、本開示の実施形態に係る、車両１００を測位するための例示的な方法４００のフローチャートを示す。例えば、方法４００は、特に、コントローラ１６０、地図サーバ１７０、測位サーバ１８０、ＬｉＤＡＲ１４０及びＧＰＳ／ＩＭＵ１５０を含む、車両１００の車両姿勢推定システムによって実装され得る。しかしながら、方法４００は、この例示的な実施形態に限定されない。

方法４００は、以下で説明するように、ステップＳ４０２−Ｓ４１６を含み得る。本明細書で提供される開示を実行するために、ステップのいくつかは任意選択であり得ることを理解されたい。さらに、ステップのいくつかは、同時に又は図４に示されるものとは異なる順序で実行され得る。

ステップＳ４０２において、時点ｔ_１でシーンに関して点群フレームＰＣ_１（例えば点群２０１）を捕捉することができる。例えば、点群フレームＰＣ_１は、ＬｉＤＡＲ１４０により捕捉されてもよい。いくつかの実施形態では、車両１００の初期姿勢データＩＰ_１（例えば、初期姿勢データ２０３）も、時点ｔ_１において捕捉され得る。例えば、初期姿勢データＩＰ_１は、ＧＰＳ／ＩＭＵ１５０によって捕捉されてもよい。初期姿勢データＩＰ_１は、同じ時点で捕捉されたときに点群フレームＰＣ_１に対応し得る。いくつかの実施形態では、捕捉された初期姿勢データＩＰ_１及び点群フレームＰＣ_１は、測位サーバ１８０に送信され、それにより受信され得る。

ステップＳ４０４において、初期姿勢データＩＰ_１に基づいて、地図サーバ１７０から高精度地図（例えば、高精度地図２０５）を得ることができる。初期姿勢データＩＰ_１は、その対応する点群フレームＰＣ_１のおおよその位置を提供するので、地図サーバ１７０は、以前に構築された高精度地図の関連部分、例えばシーンを含む高精度地図の部分を選択することができる。いくつかの実施形態では、高精度地図は、測位サーバ１８０によって受信されてもよい。

ステップＳ４０６−Ｓ４１０において、測位サーバ１８０は、ボクセルマッチング法を使用して車両１００の姿勢情報Ｔを最適化することができる。姿勢情報Ｔを最適化するために、測位センサ１８０は、ステップＳ４０２で取得された点群フレームＰＣ_１をステップＳ４０４で取得された高精度地図の点群データとマッチングさせるために、所定の空間Ｘ、Ｙ、Ｚ、ＲＯＬＬ、ＰＩＴＣＨ、ＹＡＷを探索し得る。本開示によれば、測位サーバ１８０は、点群フレームＰＣ_１と高精度地図の対応する点群データの３Ｄ表現を生成し、二つの３Ｄ表現の間の差を減らす最適化推定姿勢を決定することができる。

いくつかの実施形態では、測位サーバ１８０は、Ｒ_１及びＲ_２などの複数の解像度でボクセルマッチングを実行することができ、ここで解像度Ｒ_２が解像度Ｒ_１より高い。多重解像度手法が使用されるとき、ボクセルマッチングは同じ解像度で第１の３Ｄ表現（例えば、点群フレームの３Ｄ表現）と第２の３Ｄ表現（例えば、高精度地図の３Ｄ表現）との間で実行され得る。いくつかの実施形態では、ボクセルマッチングは、より低い解像度からより高い解像度まで実行され得る。例えば、Ｓ４０８において、最も低い解像度を使用して、姿勢情報最適化動作を実行することができる。次に、ステップＳ４１０において、全ての解像度が処理されたか否かを判断する。そうでない場合、方法４００の処理は、ボクセルマッチングのために次の最も低い解像度が選択される（最初に、「次の」最も低い解像度は最も低い解像度、例えばＲ_１であり得る）ステップＳ４０６に戻る。ステップＳ４０８において、測位サーバ１８０は、選択された解像度で点群フレームと高精度地図の３Ｄ表現のボクセルマッチングを実行することができる。

図５は、本開示の実施形態に係る、例示的なボクセルマッチング法５００のフローチャートを示す。方法５００は、方法４００のステップＳ４０８を実行するために、測位サーバ１８０によって実装され得る。しかしながら、ステップＳ４０８は、方法５００の実装形態に限定されない。方法５００は、以下で説明するように、ステップＳ５０２−Ｓ５１６を含み得る。本明細書で提供される開示を実行するために、ステップのいくつかは任意選択であり得ることを理解されたい。さらに、ステップのいくつかは、同時に又は図５に示されるものとは異なる順序で実行され得る。

ステップＳ５０２において、姿勢Ｔ_０は姿勢情報Ｔの初期推定として設定することができる。例えば、Ｔ_０＝（ｘ_０、ｙ_０、ｚ_０、ｒｏｗ_０、ｐｉｔｃｈ_０、ｙａｗ_０）であり、ここでｘ_０、ｙ_０、及びｚ_０は、車両位置の三次元座標であり、ｒｏｗ_０、ｐｉｔｃｈ_０、及びｙａｗ_０は、車両姿勢を示す。いくつかの実施形態では、Ｔ_０は、前の点群フレーム（例えば、時点ｔ_０に対応するＰＣ_０）について取得された姿勢情報を使用して姿勢情報推定ユニット２１６によって推定され得る。多重解像度手法が使用されるとき、計算速度を改善するために、より低い解像度の最適化された姿勢情報を初期姿勢Ｔ_０として使用することができる。

ステップＳ５０４において、マッチング閾値Ｔｈｍ及び時間閾値Ｔｈｔを設定することができる。いくつかの実施形態では、マッチング閾値Ｔｈｍと時間閾値Ｔｈｔの両方は、停止基準の一部であり得る。Ｔｈｍは姿勢情報Ｔを最適化するために使用されるコスト関数Ｌの最大値である。Ｔｈｔは計算時間の最大値である。コスト関数Ｌの値がＴｈｍを超える場合、又は計算時間がＴｈｔを超える場合、最適化処理は停止され得る（ステップＳ５１２を参照）。

ステップＳ５０６において、測位サーバ１８０は、初期姿勢情報Ｔ_０に基づいて、選択された解像度で点群フレームＰＣ_１の第１の３Ｄ表現及び高精度地図の第２の３Ｄ表現を生成することができる。いくつかの実施形態では、３Ｄ表現を生成するために、３Ｄ表現生成ユニット２１０は、図３に示すように、点群データの３Ｄ空間をいくつかのボクセル３２０に分割することができる。各ボクセルは、例えば、局所的な３Ｄ表面特徴分布と、平均強度値と、ｘ、ｙ、及びｚ方向に沿ったその３Ｄ分布とを含む一組のボクセル値によって特徴付けられる。

ステップＳ５０８において、選択された解像度の３Ｄ表現のボクセル値分布を決定することができる。いくつかの実施形態では、ボクセル値（例えば、強度値）の３Ｄ分布は、式（１）−（３）を用いて特徴付けられるガウス／正規分布であり得る。

ここで、ｐ_ｉはボクセル内の点ｉの３Ｄ座標と点ｉにおける強度値であり、μは、ガウス分布Ｎ（μ，Σ）の平均値であり、Σはガウス分布の分散である。

ステップＳ５１０において、測位センサ１８０は、二つの３Ｄ表現のボクセル値分布間の類似度を計算することができる。例えば、類似度Ｌは、以下の式（４）を用いて求めることができる：

ここで、μ_ｉとΣ_ｉは、それぞれボクセルのガウス分布の平均ベクトルと分散行列である。姿勢情報Ｔは、この類似度を最大化することによって最適化される。

いくつかの実施形態では、ニュートン反復法などの反復法が、最適化問題を解くために実装され得る。各反復中に、コスト関数（例えば、Ｌ）の値及び計算時間が追跡される。ステップＳ５１２において、コスト関数Ｌの値がＴｈｍを超えた場合、又は計算時間がＴｈｔを超えた場合（Ｓ５０８：はい）、停止基準が満たされたと考えられ、反復過程が収束したと考えられる。したがって、ボクセルマッチングユニット２１２は最適化を停止し、最新の姿勢情報Ｔを最適化された姿勢として測位ユニット２１４に提供する。

一方、Ｌ＞ＴｈｍもＴ＞Ｔｈｔも満たされない場合（Ｓ５０８：いいえ）、方法５００はＳ５１４に進み、さらに姿勢Ｔを更新する。いくつかの実施形態では、点群フレームと高精度地図の３Ｄ表現の間の差をさらに減らすために姿勢Ｔを改良することができる。更新された姿勢Ｔを用いて、方法５００は別の反復のためにステップＳ５０６に戻る。例えば、ステップＳ５０６及びＳ５０８において、測位サーバ１８０は、点群フレーム及び高精度地図の３Ｄ表現を生成し、最新の姿勢Ｔに基づいてボクセル値分布を決定することができる。

図４に戻って参照すると、ステップＳ４１０において、全ての解像度が処理されたか否かを判断する。そうでない場合（Ｓ４１０：いいえ）、方法４００はＳ４０６に戻り、ボクセルマッチングのために次の最も低い解像度を選択する。例えば、解像度Ｒ_１が処理された後、解像度Ｒ_２は次の最も低い解像度になり、ステップＳ４０６において選択され得る。したがって、解像度Ｒ_２での第１と第２の３Ｄ表現をステップＳ４０８において比較してマッチングして選択された解像度で最適化された姿勢Ｔを決定することができる。

全ての解像度が処理された場合（Ｓ４１０：はい）、方法４００はステップＳ４１２に進み、点群フレームＰＣ_１の最適化された姿勢情報Ｔと対応する初期姿勢データＩＰとをフィルタリングしてマージする。例えば、測位サーバ１８０は、ＵＫＦ法を使用して点群姿勢情報Ｔと初期姿勢データ２０３をフィルタリングしてマージし、マージされた姿勢情報Ｔ’を取得することができる。ステップＳ４１４において、マージされた姿勢情報Ｔ’に基づいて、車両１００を高精度地図に測位することができる。

いくつかの実施形態では、マージされた姿勢情報Ｔ’をさらに利用して、次の点群フレームに推定姿勢情報を提供することができる。例えば、ステップＳ４１２で取得されたマージされた姿勢情報Ｔ’は時点ｔ_１で捕捉された点群フレームＰＣ_１に対応する場合、測位サーバ１８０は次の時点ｔ_２で捕捉された点群フレームＰＣ_２の姿勢情報を推定し得る。推定姿勢情報は、点群フレームＰＣ_２に対応する最適化された姿勢情報Ｔを見つけるために姿勢Ｔ_０の初期推定として提供され得る。

いくつかの実施形態では、姿勢情報推定ユニット２１６は、それぞれ時点ｔ_１とｔ_２で捕捉された点群フレームＰＣ_２と点群フレームＰＣ_１との間の姿勢変化に基づいて姿勢情報を推定することができる。例えば、姿勢情報推定ユニット２１６は、各点群フレーム内の点の３Ｄ座標及びそれらの関連する属性（例えば反射レーザ強度）に基づいて姿勢変化を計算することができる。一例では、四次元（４Ｄ）正規分布変換（ＮＤＴ）を使用して、各点のＸ、Ｙ、及びＺ座標と反射層強度とに基づいて姿勢変化を計算することができる。４Ｄ ＮＤＴは、単一の点群フレームから再構築された３Ｄ点の離散セットを、３Ｄ空間で定義された区分的に連続で微分可能な確率密度に変換する。確率密度は、容易に計算できる一組の正規分布からなることができる。確率密度分布は、対応する点群フレームの点群姿勢情報を表すために使用され得る。別の例として、姿勢情報推定ユニット２１６は、それぞれ時点ｔ_１とｔ_２において捕捉された初期姿勢データＩＰ_１とＩＰ_２との間の姿勢変化を計算し得る。

本開示の別の態様は、実行されると、上述のように一つ以上のプロセッサに方法を実行させる命令を記憶する非一時的コンピュータ可読記憶媒体に関する。コンピュータ可読記憶媒体は、揮発性又は不揮発性、磁気、半導体ベース、テープベース、光学、リムーバブル、ノンリムーバブル、又は他のタイプのコンピュータ可読記憶媒体又はコンピュータ可読ストレージ装置であり得る。例えば、コンピュータ可読記憶媒体は、開示されるように、コンピュータ命令を記憶したストレージ装置又はメモリモジュールであり得る。いくつかの実施形態では、コンピュータ可読記憶媒体は、コンピュータ命令を記憶したディスク又はフラッシュドライブであり得る。

開示されたシステム及び関連する方法に対して様々な修正及び変形を行えることは、当業者には明らかである。当業者であれば、他の実施形態は、本明細書の思想と開示されたシステム及び関連する方法の実施から自明である。

本明細書及び実施例は、例示的なものに過ぎず、本発明の真の範囲は、添付の特許請求の範囲及びそれらの均等物によって限定されることが意図される。

１００ 車両
１１０ 本体部
１２０ 車輪
１３０ 取り付け構造
１４０ ＬｉＤＡＲ
１５０ ＧＰＳ／ＩＭＵ
１６０ ローカルコントローラ
１７０ 地図サーバ
１８０ 測位サーバ
２０１ 点群
２０２ 通信インタフェース
２０３ 姿勢データ
２０４ プロセッサ
２０５ 高精度マップ
２０６ メモリ
２０８ ストレージ
２１０ ３Ｄ表現生成ユニット
２１２ ボクセルマッチングユニット
２１４ 測位ユニット
２１６ 姿勢情報推定ユニット

Claims (20)

1. 車両を測位するシステムであって、
   前記車両に設けられたセンサによって捕捉されたシーンに関する点群を受信するように構成される通信インタフェースと、
   前記点群及び高精度地図を記憶するように構成されるストレージと、
   プロセッサと
   を含み、
   前記プロセッサは、
   前記点群の第１の３Ｄ表現を作成し、
   前記シーンに関して前記高精度地図の第２の３Ｄ表現を作成し、
   前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって前記車両の姿勢情報を決定し、
   前記姿勢情報に基づいて前記車両の位置を決定する
   ように構成される、システム。
2. 前記センサがＬｉＤＡＲである、請求項１に記載のシステム。
3. 前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することは、前記第１の３Ｄ表現のボクセルを前記第２の３Ｄ表現の対応するボクセルと比較することを含む、請求項１に記載のシステム。
4. プロセッサは、
   前記第１の３Ｄ表現の第１のボクセル値分布を決定し、
   前記第２の３Ｄ表現の第２のボクセル値分布を決定し、
   前記第１のボクセル値分布を前記第２のボクセル値分布と比較する
   ようにさらに構成される、請求項１に記載のシステム。
5. 前記通信インタフェースは、前記車両に設けられた測位センサによって前記車両の取得された姿勢情報を受信するようにさらに構成され、
   前記プロセッサは、前記取得された姿勢情報を使用して前記姿勢情報を改良するようにさらに構成される、請求項１に記載のシステム。
6. 前記姿勢情報を改良するために、前記プロセッサは、前記取得された姿勢情報及び前記決定された姿勢情報にフィルタを適用するように構成される、請求項５に記載のシステム。
7. 前記フィルタは、アンセンテッドカルマンフィルタ（ＵＫＦ）である、請求項６に記載のシステム。
8. 前記プロセッサは、初期姿勢情報に基づいて前記点群の前記第１の３Ｄ表現を作成するようにさらに構成され、前記初期姿勢情報は、前記車両の以前の位置に対応する姿勢情報に基づいて推定される、請求項１に記載のシステム。
9. 前記プロセッサは、前記姿勢情報を更新して前記第１の３Ｄ表現と前記第２の３Ｄ表現との間の類似度を高めるようにさらに構成される、請求項１に記載のシステム。
10. 前記プロセッサは、
    前記点群の第１の解像度の第１の３Ｄ表現と、前記点群の第２の解像度の第１の３Ｄ表現とを作成し、ここで前記第１の解像度が前記第２の解像度よりも低く、
    前記高精度地図の前記第１の解像度の第２の３Ｄ表現と、前記高精度地図の前記第２の解像度の第２の３Ｄ表現とを作成し、
    前記第１の解像度の前記第１の３Ｄ表現と前記第１の解像度の前記第２の３Ｄ表現とを比較することによって前記姿勢情報を決定し、
    前記第２の解像度の前記第１の３Ｄ表現と前記第２の解像度の前記第２の３Ｄ表現とを比較することによって前記姿勢情報を改良する
    ように構成される、請求項１に記載のシステム。
11. 車両を測位する方法であって、
    前記車両に設けられたセンサによって捕捉されたシーンに関する点群を受信することと、
    プロセッサにより、前記点群の第１の３Ｄ表現を作成することと、
    前記プロセッサにより、前記シーンに関して高精度地図の第２の３Ｄ表現を作成することと、
    前記プロセッサにより、前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって前記車両の姿勢情報を決定することと、
    前記姿勢情報に基づいて前記車両の位置を決定することと
    を含む方法。
12. 前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することは、前記第１の３Ｄ表現のボクセルを前記第２の３Ｄ表現の対応するボクセルと比較することを含む、請求項１１に記載の方法。
13. 前記第１の３Ｄ表現の第１のボクセル値分布を決定することと、
    前記第２の３Ｄ表現の第２のボクセル値分布を決定することと、
    前記第１のボクセル値分布を前記第２のボクセル値分布と比較することと
    をさらに含む、請求項１に記載の方法。
14. 前記車両の取得された姿勢情報を受信することと、
    前記取得された姿勢情報を使用して前記姿勢情報を改良することと
    をさらに含む、請求項１に記載の方法。
15. 前記姿勢情報を改良することは、前記取得された姿勢情報及び前記決定された姿勢情報にカルマンフィルタを適用することをさらに含む、請求項１４に記載の方法。
16. 初期姿勢情報に基づいて前記点群の前記第１の３Ｄ表現を作成することをさらに含み、前記初期姿勢情報は、前記車両の以前の位置に対応する姿勢情報に基づいて推定される、請求項１１に記載の方法。
17. 前記姿勢情報を更新して前記第１の３Ｄ表現と前記第２の３Ｄ表現との間の類似度を高めることをさらに含む、請求項１１に記載の方法。
18. 前記点群の第１の解像度の第１の３Ｄ表現と、前記点群の第２の解像度の第１の３Ｄ表現とを作成することであって、前記第１の解像度が前記第２の解像度よりも低い、ことと、
    前記高精度地図の前記第１の解像度の第２の３Ｄ表現と、前記高精度地図の前記第２の解像度の第２の３Ｄ表現とを作成することと、
    前記第１の解像度の前記第１の３Ｄ表現と前記第１の解像度の前記第２の３Ｄ表現とを比較することによって前記姿勢情報を決定することと、
    前記第２の解像度の前記第１の３Ｄ表現と前記第２の解像度の前記第２の３Ｄ表現とを比較することによって前記姿勢情報を改良することと
    をさらに含む、請求項１に記載の方法。
19. 一つ以上のプロセッサによって実行されたとき、前記一つ以上のプロセッサに動作を実行させる命令を記憶した非一時的コンピュータ可読記憶媒体であって、
    前記動作は、
    車両に設けられたセンサによって捕捉されたシーンに関する点群を受信することと、
    前記点群の第１の３Ｄ表現を作成することと、
    前記シーンに関して高精度地図の第２の３Ｄ表現を作成することと、
    前記第１の３Ｄ表現と前記第２の３Ｄ表現とを比較することによって前記車両の姿勢情報を決定することと、
    前記姿勢情報に基づいて前記車両の位置を決定することと
    を含む、非一時的コンピュータ可読記憶媒体。
20. 前記動作は、
    前記第１の３Ｄ表現の第１のボクセル値分布を決定することと、
    前記第２の３Ｄ表現の第２のボクセル値分布を決定することと、
    前記第１のボクセル値分布を前記第２のボクセル値分布と比較することと
    をさらに含む、請求項１５に記載のコンピュータ可読記憶媒体。