详情

原文传递用于自动驾驶车辆的俯仰角校准方法

专利名称：	用于自动驾驶车辆的俯仰角校准方法
摘要：	在一个实施方式中，ADV的系统使用安装在ADV上的多个传感器在ADV的视角图中感知对象，包括使用单目图像捕获设备捕获对象的图像。系统确定对象的二维(2D)边界框以及从ADV到对象的感知距离。系统基于2D边界框和从ADV到对象的感知距离，通过至少修改先前的外在校准值，在图像的图像空间内搜索动态俯仰角，以计算距离。系统基于所搜索的动态俯仰角来确定从ADV到ADV的视角图的地面上的点的距离。系统基于所确定的地面上的点的距离来生成行驶轨迹，以控制ADV。
专利类型：	发明专利
国家地区组织代码：	美国;US
申请人：	百度(美国)有限责任公司
发明人：	陈亦魁
专利状态：	有效
申请日期：	2019-01-15T00:00:00+0800
发布日期：	2019-10-29T00:00:00+0800
申请号：	CN201910034380.3
公开号：	CN110386142A
代理机构：	北京英赛嘉华知识产权代理有限责任公司
代理人：	马晓亚;王艳春
分类号：	B60W40/00(2006.01);B;B60;B60W;B60W40
申请人地址：	美国加利福尼亚州
主权项：	1.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：使用安装在所述自动驾驶车辆上的多个传感器在所述自动驾驶车辆的视角图中感知对象，包括使用单目图像捕获设备捕获所述对象的图像；基于所述对象的图像确定所述对象的二维边界框以及从所述自动驾驶车辆到所述对象的感知距离；在所述对象的图像的图像空间内，基于所述二维边界框以及从所述自动驾驶车辆到所述对象的所述感知距离，通过至少修改先前的外在校准值来搜索动态俯仰角，以计算距离值；基于所搜索的动态俯仰角确定从所述自动驾驶车辆到所述自动驾驶车辆的所述视角图的地面上的点的距离；以及基于所确定的所述地面上的点的距离来生成行驶轨迹以控制所述自动驾驶车辆。 2.根据权利要求1所述的计算机实施的方法，其中，至少修改先前的外在校准值包括修改与所述单目图像捕获设备的先前的外在校准值相关联的俯仰角。 3.根据权利要求1所述的计算机实施的方法，其中，所述对象的所述二维边界框由以下方式确定：将机器学习算法模型应用于在所述视角图中捕捉所述对象的所述图像；以及基于所述机器学习算法模型确定包围所述对象的所述二维边界框的尺寸。 4.根据权利要求1所述的计算机实施的方法，还包括确定所述二维边界框的触地点，以基于所述二维边界框的所述触地点计算从所述自动驾驶车辆到所述对象的距离。 5.根据权利要求1所述的计算机实施的方法，其中，搜索所述动态俯仰角包括基于公式D＝h/tan(α+β)计算从所述自动驾驶车辆到所述对象的距离，其中β是要计算的动态俯仰角，D是计算的距离，α是从摄像机光轴到地面的先前校准角，h是所述对象的估计高度。 6.根据权利要求1所述的计算机实施的方法，其中，使用二分搜索算法搜索所述动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。 7.根据权利要求1所述的计算机实施的方法，其中使用贪婪搜索算法搜索动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。 8.一种存储有指令的非暂时性机器可读介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器执行操作，所述操作包括：使用安装在所述自动驾驶车辆上的多个传感器在所述自动驾驶车辆的视角图中感知对象，包括使用单目图像捕获设备捕获所述对象的图像；基于所述对象的图像确定所述对象的二维边界框以及从所述自动驾驶车辆到所述对象的感知距离；在所述对象的图像的图像空间内，基于所述二维边界框以及从所述自动驾驶车辆到所述对象的所述感知距离，通过至少修改先前的外在校准值来搜索动态俯仰角，以计算距离值；基于所搜索的动态俯仰角确定从所述自动驾驶车辆到所述自动驾驶车辆的所述视角图的地面上的点的距离；以及基于所确定的所述地面上的点的距离来生成行驶轨迹以控制所述自动驾驶车辆。 9.根据权利要求8所述的非暂时性机器可读介质，其中，至少修改先前的外在校准值包括修改与所述单目图像捕获设备的先前的外在校准值相关联的俯仰角。 10.根据权利要求8所述的非暂时性机器可读介质，其中，所述对象的所述二维边界框由以下方式确定：将机器学习算法模型应用于在所述视角图中捕捉所述对象的所述图像；以及基于所述机器学习算法模型确定包围所述对象的所述二维边界框的尺寸。 11.根据权利要求8所述的非暂时性机器可读介质，其中，所述操作还包括确定所述二维边界框的触地点，以基于所述二维边界框的所述触地点计算从所述自动驾驶车辆到所述对象的距离。 12.根据权利要求8所述的非暂时性机器可读介质，其中，搜索所述动态俯仰角包括基于公式D＝h/tan(α+β)计算从所述自动驾驶车辆到所述对象的距离，其中β是要计算的动态俯仰角，D是计算的距离，α是从摄像机光轴到地面的先前校准角，h是所述对象的估计高度。 13.根据权利要求8所述的非暂时性机器可读介质，其中，使用二分搜索算法搜索所述动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。 14.根据权利要求8所述的非暂时性机器可读介质，其中使用贪婪搜索算法搜索动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。 15.一种数据处理系统，包括：一个或多个处理器；以及存储器，耦合到所述处理器以存储指令，所述指令在由所述一个或多个处理器执行时致使所述一个或多个处理器执行操作，所述操作包括：使用安装在所述自动驾驶车辆上的多个传感器在所述自动驾驶车辆的视角图中感知对象，包括使用单目图像捕获设备捕获所述对象的图像；基于所述对象的图像确定所述对象的二维边界框以及从所述自动驾驶车辆到所述对象的感知距离；在所述对象的图像的图像空间内，基于所述二维边界框以及从所述自动驾驶车辆到所述对象的所述感知距离，通过至少修改先前的外在校准值来搜索动态俯仰角，以计算距离值；基于所搜索的动态俯仰角确定从所述自动驾驶车辆到所述自动驾驶车辆的所述视角图的地面上的点的距离；以及基于所确定的所述地面上的点的距离来生成行驶轨迹以控制所述自动驾驶车辆。 16.根据权利要求15所述的系统，其中，至少修改先前的外在校准值包括修改与所述单目图像捕获设备的先前的外在校准值相关联的俯仰角。 17.根据权利要求15所述的系统，其中，所述对象的所述二维边界框由以下方式确定：将机器学习算法模型应用于在所述视角图中捕捉所述对象的所述图像；以及基于所述机器学习算法模型确定包围所述对象的所述二维边界框的尺寸。 18.根据权利要求15所述的系统，其中，所述操作还包括确定所述二维边界框的触地点，以基于所述二维边界框的所述触地点计算从所述自动驾驶车辆到所述对象的距离。 19.根据权利要求15所述的系统，其中，搜索所述动态俯仰角包括基于公式D＝h/tan(α+β)计算从所述自动驾驶车辆到所述对象的距离，其中β是要计算的动态俯仰角，D是计算的距离，α是从摄像机光轴到地面的先前校准角，h是所述对象的估计高度。 20.根据权利要求15所述的系统，其中，使用二分搜索算法搜索所述动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。 21.根据权利要求15所述的系统，其中使用贪婪搜索算法搜索动态俯仰角，直到从所述自动驾驶车辆到所述对象的计算的距离在从所述自动驾驶车辆到所述对象的所述感知距离的第二预定阈值内。
所属类别：	发明专利