用于局部行进车道感知的方法和系统

背景技术

交通工具（包括非自主、半自主和自主交通工具）可利用测绘信息，以经由导航和/或高级驾驶员辅助系统(ADAS)或自主交通工具系统的一个或多个部件的直接操作控制而告知操作者。此类测绘信息可呈道路系统的数字化地图的形式。道路系统的数字化地图可基于从横穿道路网络并且捕获相关数据的勘测交通工具获得的数据以及通过其它方法而生成。此类地图可具有局部不准确性。此外，此类地图的部分可由于道路维修事件、道路建设以及对于道路网络的其它变化而变得过时。

因此，期望的是，实时感知道路的部分，以确定地面实况，所述地面实况可与数字化地图进行比较，以校正或以其它方式更新数字化地图，确定交通工具在道路上的位置，并且增强导航系统和ADAS/自主交通工具系统的操作。

发明内容

描述了用于在道路上操作的交通工具的系统，并且所述系统包括空间传感器、GPS传感器、导航系统以及控制器。空间传感器被布置成监测道路的在交通工具近侧的道路区段。还包括存储器装置，所述存储器装置包括数字化道路地图。控制器与空间传感器、GPS传感器、导航系统和存储器装置通信。控制器包括以下指令集，所述指令集可执行，以经由GPS传感器在道路地图的背景下确定交通工具的地理位置，并且经由空间传感器监测道路区段。确定基于空间传感器的包括对于道路区段的感测边缘的感知点云以及基于数字化道路地图的包括对于道路区段的测绘边缘的测绘点云。基于测绘点云与感知点云之间的变换而确定误差向量，并且还确定与误差向量相关联的第一置信区间。第一置信区间从高斯过程得出，所述高斯过程包括在道路区段的车道边缘中的误差的过往观测。确定基于测绘点云和感知点云的与纵向维度相关联的第二置信区间，并且确定基于测绘点云和感知点云的与横向维度相关联的第三置信区间。基于误差向量、第一置信区间、第二置信区间和第三置信区间而执行卡尔曼滤波分析，以动态确定交通工具相对于数字化道路地图的位置。基于交通工具相对于数字化道路地图的位置而控制交通工具的操作。采用高斯过程，以离线更新数字化道路地图。

本公开的方面包括以下指令集，所述指令集可执行，以在无扰动状态下执行测绘点云和感知点云的酌减距离迭代最近点(ICP)分析，以对于道路区段确定测绘点云与感知点云之间的变换。变换也被称为误差向量。查询高斯过程，以确定与误差向量和交通工具的位置相关联的第一置信区间。

本公开的另一方面包括以下指令集，所述指令集可执行，以执行测绘点云和感知点云的扰动灵敏度分析，以基于测绘点云和感知点云而确定与纵向维度相关联的第二置信区间，并且基于测绘点云和感知点云而确定与横向维度相关联的第三置信区间。

本公开的另一方面包括以下指令集，所述指令集可执行，以通过引发感知点云的x维度扰动而执行测绘点云和感知点云的扰动灵敏度分析，以确定与纵向维度相关联的第二置信区间。

本公开的另一方面包括以下指令集，所述指令集可执行，以通过引发感知点云的y维度扰动而执行测绘点云和感知点云的扰动灵敏度分析，以确定与横向维度相关联的第三置信区间。

本公开的另一方面包括以下指令集，所述指令集可执行，以基于误差向量而对于道路区段更新道路地图。

本公开的另一方面包括空间传感器，所述空间传感器是数字摄像头，所述数字摄像头被布置成监测道路的在交通工具近侧和前方的道路区段。

本公开的另一方面包括空间传感器，所述空间传感器是雷达传感器或激光雷达传感器中的一个，所述雷达传感器或激光雷达传感器中的一个被布置成监测道路的在交通工具近侧和前方的道路区段。

本公开的另一方面包括高级驾驶员辅助系统(ADAS)，其中，指令集可执行，以基于交通工具相对于道路地图的位置而控制与ADAS相关联的驾驶自动化状态。

本公开还提出了以下技术方案。

1. 用于交通工具的系统，包括：

空间传感器、GPS传感器、导航系统、控制器以及存储器装置；

其中，所述存储器装置包括道路的数字化道路地图；

其中，所述空间传感器被布置成监测道路的道路区段；

所述控制器与所述空间传感器、所述GPS传感器、所述导航系统和所述存储器装置通信，所述控制器包括指令集，所述指令集可执行用于：

经由所述GPS传感器在所述数字化道路地图的背景下确定交通工具的地理位置；

经由所述空间传感器监测道路区段；

基于所述空间传感器而确定包括对于道路区段的感测边缘的感知点云；

基于所述数字化道路地图而确定包括对于道路区段的测绘边缘的测绘点云；

基于所述测绘点云与所述感知点云之间的变换而确定误差向量；

确定与所述误差向量相关联的第一置信区间；

基于所述测绘点云和所述感知点云而确定与纵向维度相关联的第二置信区间；

基于所述测绘点云和所述感知点云而确定与横向维度相关联的第三置信区间；

基于所述误差向量、所述第一置信区间、所述第二置信区间和所述第三置信区间而执行卡尔曼滤波分析，以动态确定交通工具相对于所述数字化道路地图的位置；以及

基于交通工具相对于所述数字化道路地图的位置而控制交通工具的操作。

2. 根据技术方案1所述的系统，其中，所述指令集可执行用于：

在无扰动状态下执行所述测绘点云和所述感知点云的第一酌减距离迭代最近点(ICP)分析，以对于道路区段确定所述测绘点云与所述感知点云之间的所述误差向量；

基于所述测绘点云与所述感知点云之间的所述误差向量而确定所述误差向量；以及

查询高斯过程，以确定与所述误差向量相关联的所述第一置信区间。

3. 根据技术方案1所述的系统，还包括以下指令集，所述指令集可执行，以执行所述测绘点云和所述感知点云的扰动灵敏度分析，以基于所述测绘点云和所述感知点云而确定与所述纵向维度相关联的所述第二置信区间，并且基于所述测绘点云和所述感知点云而确定与所述横向维度相关联的所述第三置信区间。

4. 根据技术方案3所述的系统，其中，可执行以执行所述测绘点云和所述感知点云的扰动灵敏度分析的所述指令集包括以下指令集，所述指令集可执行，以引发所述感知点云的x维度扰动，以确定与所述纵向维度相关联的所述第二置信区间。

5. 根据技术方案3所述的系统，其中，可执行以执行所述测绘点云和所述感知点云的扰动灵敏度分析的所述指令集包括以下指令集，所述指令集可执行，以引发所述感知点云的y维度扰动，以确定与所述横向维度相关联的所述第三置信区间。

6. 根据技术方案1所述的系统，还包括以下指令集，所述指令集可执行，以使用高斯过程基于所述误差向量而对于道路区段更新所述数字化道路地图，所述高斯过程包括在所述数字化道路地图上在给定位置处的误差的过往观测。

7. 根据技术方案1所述的系统，其中，所述空间传感器包括数字摄像头，所述数字摄像头被布置成监测道路的在交通工具近侧和前方的道路区段。

8. 根据技术方案1所述的系统，其中，所述空间传感器包括雷达传感器或激光雷达传感器中的一个，所述雷达传感器或激光雷达传感器中的一个被布置成监测道路的在交通工具近侧和前方的道路区段。

9. 根据技术方案1所述的系统，还包括高级驾驶员辅助系统(ADAS)，其中，所述指令集可执行，以基于交通工具相对于所述数字化道路地图的位置而控制与所述ADAS相关联的驾驶自动化状态。

10. 用于控制交通工具的方法，其中，所述交通工具包括空间传感器、GPS传感器、导航系统以及控制器，所述方法包括：

经由所述空间传感器监测道路的道路区段，所述交通工具正操作在所述道路区段上；

经由所述GPS传感器在所述道路区段的数字化道路地图的背景下确定所述交通工具的地理位置；

基于经由所述空间传感器的监测而确定包括对于所述道路区段的感测边缘的感知点云；

基于所述数字化道路地图而确定包括对于所述道路区段的测绘边缘的测绘点云；

基于所述测绘点云与所述感知点云之间的变换而确定误差向量；

确定与所述误差向量相关联的第一置信区间；

基于所述测绘点云和所述感知点云而确定与纵向维度相关联的第二置信区间；

基于所述测绘点云和所述感知点云而确定与横向维度相关联的第三置信区间；

基于所述误差向量、所述第一置信区间、所述第二置信区间和所述第三置信区间而执行卡尔曼滤波分析，以动态确定所述交通工具相对于所述数字化道路地图的位置；以及

基于所述交通工具相对于所述数字化道路地图的位置而控制所述交通工具的操作。

11. 根据技术方案10所述的方法，还包括：

在无扰动状态下执行所述测绘点云和所述感知点云的第一酌减距离迭代最近点(ICP)分析，以对于所述道路区段确定所述测绘点云与所述感知点云之间的所述误差向量；

基于所述测绘点云与所述感知点云之间的所述误差向量而确定所述误差向量；以及

查询高斯过程，以确定与所述误差向量相关联的所述第一置信区间。

12. 根据技术方案10所述的方法，还包括执行所述测绘点云和所述感知点云的扰动灵敏度分析，以基于所述测绘点云和所述感知点云而确定与所述纵向维度相关联的所述第二置信区间，并且基于所述测绘点云和所述感知点云而确定与所述横向维度相关联的所述第三置信区间。

13. 根据技术方案12所述的方法，其中，执行所述测绘点云和所述感知点云的扰动灵敏度分析包括引发所述感知点云的x维度扰动，以确定与所述纵向维度相关联的所述第二置信区间。

14. 根据技术方案12所述的方法，其中，执行所述测绘点云和所述感知点云的扰动灵敏度分析包括引发所述感知点云的y维度扰动，以确定与所述横向维度相关联的所述第三置信区间。

15. 根据技术方案10所述的方法，还包括使用高斯过程基于所述误差向量而对于所述道路区段更新所述数字化道路地图，所述高斯过程包括在所述数字化道路地图上在给定位置处的误差的过往观测。

16. 根据技术方案10所述的方法，其中，所述空间传感器包括数字摄像头，所述数字摄像头被布置成监测道路的在所述交通工具近侧和前方的道路区段。

17. 根据技术方案10所述的方法，其中，所述空间传感器包括雷达传感器或激光雷达传感器中的一个，所述雷达传感器或激光雷达传感器中的一个被布置成监测道路的在所述交通工具近侧和前方的道路区段。

18. 根据技术方案10所述的方法，其中，所述交通工具还包括高级驾驶员辅助系统(ADAS)，其中，所述方法还包括基于所述交通工具相对于所述数字化道路地图的位置而控制与所述ADAS相关联的驾驶自动化状态。

上文的发明内容不旨在表示本公开的每个可能实施例或每个方面。更确切地，上述的发明内容旨在例示本文公开的一些新颖方面和特征。当与所附附图和所附权利要求结合时，根据用于执行本公开的代表性实施例和模式的以下详细描述，本公开的上文的特征和优点以及其它特征和优点将容易地显而易见。

附图说明

现在将参考所附附图通过示例的方式描述一个或多个实施例，其中：

图1示意性地示出了根据本公开的交通工具的侧视图，所述交通工具被设置在行进表面（例如，铺设道路表面）上，并且能够横穿行进表面；

图2图像化地显示了根据本公开的道路区段的顶视图，所述道路区段可为数字化道路地图的部分，可由参考图1描述的交通工具的实施例采用所述数字化道路地图；

图3示意性地显示了根据本公开的涉及用于数字化道路地图的道路区段的准确性的动态交通工具机载评估的控制例程的第一部分以及用于更新数字化道路地图的过程的细节；

图4图形化地显示了根据本公开的涉及与数字化道路地图的道路区段相关联的数据的高斯分析的细节；

图5示意性地显示了根据本公开的涉及用于数字化道路地图的道路区段的准确性的动态交通工具机载评估的控制例程的第二部分的细节；

图6图像化地显示了根据本公开的涉及与道路区段相关联的感知点云和测绘点云的细节；

图7图像化地显示了根据本公开的涉及测绘点云和感知点云的扰动灵敏度分析的细节，包括x维度扰动和相关联的向量。

所附附图不一定是按比例的，并且可呈现如本文公开的本公开的各种优选特征的略微简化的表示，包括例如具体尺寸、定向、位置和形状。与此类特征相关联的细节将部分由特定预期应用和使用环境确定。

具体实施方式

如本文描述和示出的，所公开实施例的部件可被布置和设计成各种不同配置。因此，以下详细描述不旨在限制如所要求的本公开的范围，而仅是表示其可能实施例。此外，虽然在以下描述中阐述了大量具体细节，以便提供本文公开的实施例的透彻理解，但是一些实施例可在没有一些这些细节的情况下实践。此外，为了清楚的目的，没有详细描述相关技术中所理解的某些技术材料，以便避免不必要地模糊本公开。

附图呈简化形式，并且不是精确按比例的。为了方便和清楚的目的，可相对于附图使用方向术语 ，例如，纵向、横向、顶部、底部、左、右、上、之上、上方、上方、之下、后方和前方。这些以及类似方向术语不应被视为限制本公开的范围。此外，如本文示出和描述的，可在缺少本文未具体公开的元件的情况下实践本公开。

如本文使用的，术语“系统”指的是机械和电气硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，其单独地或组合地提供所描述的功能性。这可包括但不限于专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器（共享、专用或组）、包含软件或固件指令的存储器、组合逻辑电路和/或其它部件。

参考附图（其中，贯穿于若干附图，相似的附图标记对应于相似或类似的部件），图1（与本文公开的实施例一致）示意性地示出了交通工具10的侧视图，所述交通工具10被设置在行进表面70（例如，铺设道路表面）上，并且能够横穿行进表面70。交通工具10包括交通工具机载导航系统24、包括数字化道路地图25的计算机可读存储装置或介质（存储器）23、空间监测系统100、交通工具控制器50、全球定位系统(GPS)传感器52、人/机界面(HMI)装置60，并且在一个实施例中包括自主控制器65和远程信息处理控制器75。交通工具10可包括但不限于呈商业交通工具、工业交通工具、农业交通工具、客运交通工具、飞机、船只、火车、全地形交通工具、个人移动设备、机器人和类似的形式的移动平台，以实现本公开的目的。

在一个实施例中，空间监测系统100包括：一个或多个空间传感器和系统，被布置成监测交通工具10前方的可视区域32；以及空间监测控制器110。被布置成监测交通工具10前方的可视区域32的空间传感器例如包括激光雷达传感器34、雷达传感器36、数字摄像头38等等。空间传感器中的每个被设置成机载于交通工具，以监测全部或部分可视区域32，以检测接近远程对象，例如，道路特征、车道标记、建筑物、行人、道路标志、交通控制灯和标志、其它交通工具以及在交通工具10近侧的地理特征。空间监测控制器110基于来自空间传感器的数据输入而生成可视区域32的数字表示。空间监测控制器110可评估来自空间传感器的输入，以鉴于每个接近远程对象而确定交通工具10的线性范围、相对速度和轨迹。空间传感器可位于交通工具10上的各种位置处，包括前拐角、后拐角、后侧和中侧。在一个实施例中，空间传感器可包括前部雷达传感器和摄像头，尽管本公开不限于此。空间传感器的放置允许空间监测控制器110监测交通流量，包括接近交通工具、交叉口、车道标记以及围绕交通工具10的其它对象。可由车道标记检测处理器（未显示）采用由空间监测控制器110生成的数据，以估测道路。交通工具空间监测系统100的空间传感器可包括对象定位感测装置，所述对象定位感测装置包括范围传感器，例如，FM-CW（调频连续波）雷达、脉冲和FSK（频移键控）雷达以及Lidar（光检测和测距）装置以及超声波装置，其依赖于例如多普勒效应测量的效应，以定位前方对象。可能的对象定位装置包括电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)视频图像传感器以及利用数字摄影方法以‘查看’前方对象（包括一个或多个交通工具）的其它摄像头/视频图像处理器。

激光雷达传感器34采用脉冲和反射激光束，以测量到对象的范围或距离。雷达传感器36采用无线电波，以确定对象的范围、角度和/或速度。摄像头38包括图像传感器、镜头和摄像头控制器。图像传感器是采用光敏感测元件的多维阵列而将光学图像转换成电子信号的电光装置。摄像头控制器操作性地连接到图像传感器，以监测可视区域32。摄像头控制器被布置成控制图像传感器，以捕获与经由镜头投影到图像传感器上的可视区域32相关联的视场(FOV)的图像。光学镜头可被配置成包括特征，例如，针孔镜头、鱼眼镜头、立体镜头、伸缩镜头等等。摄像头38经由图像传感器以期望速率（例如，每秒30个图像文件）周期性捕获与可视区域32相关联的图像文件。每个图像文件包括以摄像头38的原始分辨率捕获的全部或部分可视区域32的2D或3D像素化数字表示。在一个实施例中，图像文件呈24位图像的形式，包括表示可视区域32的RGB（红-绿-蓝）可见光的光谱值和深度值。图像文件的其它实施例可包括处于一定分辨率水平的2D或3D图像，描绘了可视区域32的黑白或灰度可见光的光谱表示、可视区域32的红外光谱表示或其它图像表示，而没有限制。在一个实施例中，对于涉及明度和/或亮度的参数，可评估多个图像文件的图像表示。可选地，可基于RGB颜色分量、明度、纹理、轮廓或其组合而评估图像表示。图像传感器与编码器通信，所述编码器对于每个图像文件执行数字信号处理(DSP)。摄像头38的图像传感器可被配置成以标称标准清晰度分辨率（例如，640x480像素）捕获图像。可选地，摄像头38的图像传感器可被配置成以标称高清晰度分辨率（例如，1440x1024像素）或以另一合适的分辨率捕获图像。摄像头38的图像传感器可以预定图像捕获速率捕获静止图像或可选地捕获数字视频图像。在一个实施例中，图像文件作为编码数据文件被通信到摄像头控制器，所述编码数据文件被存储在非暂时性数字数据存储介质中，用于机载或非机载分析。

摄像头38有利地被安装和定位在交通工具10上处于允许捕获可视区域32的图像的位置中，其中，可视区域32的至少部分包括在交通工具10前方并且包括交通工具10的轨迹的行进表面70的部分。可视区域32还可包括周围环境，例如，包括交通工具交通、路边对象、行人和其它特征、天空、地平线、行进车道和交通工具10前方驶来的交通。还可采用其它摄像头（未显示），例如，包括被设置在交通工具10的后部分或侧部分上的第二摄像头，以监测交通工具10的后方以及交通工具10的右侧或左侧中的一个。

自主控制器65被配置成实施自主驾驶或高级驾驶员辅助系统(ADAS)交通工具功能性。此类功能性可包括能够提供一定驾驶自动化水平的交通工具机载控制系统。术语‘驾驶员’和‘操作者’描述了负责指导交通工具10的操作的人员，无论是积极参与控制一个或多个交通工具功能，还是指导自主交通工具的操作。驾驶自动化可包括一系列动态驾驶和交通工具操作。驾驶自动化可包括涉及单个交通工具功能（例如，转向、加速和/或制动）的某种水平的自动控制或干预，其中，驾驶员连续地具有交通工具10的总体控制。驾驶自动化可包括涉及多个交通工具功能（例如，转向、加速和/或制动）的同时控制的某种水平的自动控制或干预，其中，驾驶员连续地具有交通工具10的总体控制。驾驶自动化可包括交通工具驾驶功能的同时自动控制（包括转向、加速和制动），其中，驾驶员在行程期间对于一段时间周期放弃交通工具的控制。驾驶自动化可包括交通工具驾驶功能的同时自动控制（包括转向、加速和制动），其中，驾驶员对于整个行程放弃交通工具10的控制。驾驶自动化包括硬件和控制器，其被配置成在各种驾驶模式下监测空间环境，以在动态交通工具操作期间执行各种驾驶任务。通过非限制性示例的方式，驾驶自动化可包括巡航控制、自适应巡航控制、车道变换警告、干预和控制、自动停车、加速、制动和类似。通过非限制性示例的方式，自主交通工具功能包括自适应巡航控制(ACC)操作、车道引导和车道保持操作、车道变换操作、转向辅助操作、对象避让操作、停车辅助操作、交通工具制动操作、交通工具速度和加速操作、交通工具横向运动操作，例如，作为车道引导、车道保持和车道变换操作等等的部分。如此，制动命令可通过自主控制器65独立于通过交通工具操作者的动作并且响应于自主控制功能而生成。

操作者控制件可被包括在交通工具10的乘客舱中，并且通过非限制性示例的方式可包括方向盘、加速器踏板、制动踏板和操作者输入装置，所述操作者输入装置是HMI装置60的元件。操作者控制件使得交通工具操作者能够与运行的交通工具10交互，并且指导交通工具10的操作，以提供乘客运输。在交通工具10的一些实施例中，可省略操作者控制装置，包括方向盘、加速器踏板、制动踏板、变速范围选择器和类似。

HMI装置60提供人机交互，用于指导信息娱乐系统、全球定位系统(GPS)传感器52、导航系统24和类似的操作的目的，并且包括控制器。HMI装置60监测操作者请求，并且向操作者提供信息，包括交通工具系统的状态、服务和维护信息。HMI装置60与多个操作者界面装置通信，和/或控制多个操作者界面装置的操作，其中，操作者界面装置能够传送与自动交通工具控制系统中的一个的操作相关联的消息。HMI装置60还可与一个或多个装置通信，所述一个或多个装置监测与交通工具操作者相关联的生物特征数据，例如，包括眼睛视线位置、姿势和头部位置追踪等等。为了描述的简单性，HMI装置60被描绘为单一装置，但是在本文描述的系统的实施例中，可被配置为多个控制器和相关联的感测装置。操作者界面装置可包括能够传送催促操作者动作的消息的装置，并且可包括电子视觉显示模块，例如，液晶显示器(LCD)装置、平视显示器(HUD)、音频反馈装置、可穿戴装置和触觉座椅。能够催促操作者动作的操作者界面装置优选地由HMI装置60控制或通过HMI装置60控制。在操作者的视场中，HUD可投影信息，所述信息反射到交通工具的挡风玻璃的内部侧上，包括传送与操作自动交通工具控制系统中的一个相关联的置信水平。HUD还可提供增强现实信息，例如，车道位置、交通工具路径、方向和/或导航信息和类似。

机载导航系统24采用数字化道路地图25，用于向交通工具操作者提供导航支持和信息的目的。自主控制器65采用数字化道路地图25，用于控制自主交通工具操作或ADAS交通工具功能的目的。

交通工具10可包括远程信息处理控制器75，所述远程信息处理控制器75包括能够进行交通工具外通信（包括与具有无线和有线通信能力的通信网络90通信）的无线远程信息处理通信系统。远程信息处理控制器75能够进行交通工具外通信，包括短程交通工具对于交通工具(V2V)通信和/或交通工具对于外界(V2x)通信，其可包括与基础设施监测器（例如，交通摄像头）的通信。可选地或附加地，远程信息处理控制器75具有无线远程信息处理通信系统，所述无线远程信息处理通信系统能够与手持装置（例如，蜂窝电话、卫星电话或另一电话装置）短程无线通信。在一个实施例中，手持装置包括软件应用，所述软件应用包括无线协议，以与远程信息处理控制器75通信，并且手持装置执行交通工具外通信，包括经由通信网络90与非机载服务器95通信。可选地或附加地，远程信息处理控制器75通过经由通信网络90与非机载服务器95通信而直接执行交通工具外通信。

术语“控制器”和相关术语（例如，微控制器、控制单元、处理器和类似的术语）指的是以下中的一个或各种组合：（多个）专用集成电路(ASIC)、现场可编程门阵列(FPGA)、（多个）电子电路、（多个）中央处理单元，例如，（多个）微处理器和呈存储器和存储装置（只读、可编程只读、随机存取、硬盘驱动等等）的形式的（多个）相关联的非暂时性存储器部件（由存储器23指示）。非暂时性存储器部件能够呈以下形式存储机器可读指令：一个或多个软件或固件程序或例程、（多个）组合逻辑电路、（多个）输入/输出电路和装置、信号调节和缓冲电路系统以及可由一个或多个处理器存取的其它部件，以提供所描述的功能性。（多个）输入/输出电路和装置包括监测来自传感器的输入的模拟/数字转换器和相关装置，其中，以预设采样频率或响应于触发事件而监测此类输入。软件、固件、程序、指令、控制例程、代码、算法和类似的术语意味着控制器可执行指令集，包括校准和查找表。每个控制器执行（多个）控制例程，以提供期望功能。例程可按定期间隔执行，例如，在正在进行的操作期间每100微秒执行一次。可选地，例程可响应于触发事件的发生而执行。控制器、致动器和/或传感器之间的通信可使用直接有线点对点链路、网络化通信总线链路、无线链路或另一合适的通信链路而实现。通信包括呈合适的形式的交换数据信号，例如，包括经由传导介质的电气信号、经由空气的电磁信号、经由光学波导的光学信号和类似。数据信号可包括离散的、模拟的或数字化的模拟信号，其表示来自传感器的输入、致动器命令以及控制器之间的通信。术语“信号”指的是传递信息的物理可识别指示符，并且可为合适的波形（例如，电气、光学、磁性、机械或电磁），例如，DC、AC、正弦波、三角波、方波、振动和类似，其能够通过介质行进。参数被限定为可测量的量，其表示可使用一个或多个传感器和/或物理模型而识别的装置或其它元件的物理性质。参数可具有离散值，例如，“1”或“0”，或在值上可无限可变。

如本文使用的，术语‘动态’和‘动态地’描述了实时执行的步骤或过程，并且其特征在于监测或以其它方式确定参数的状态，并且在例程的执行期间或在例程的执行的迭代之间定期或周期性地更新参数的状态。

图2示意性地显示了道路区段200的顶视图，所述道路区段200可为可由参考图1描述的交通工具10的实施例采用的数字化道路地图25的部分。还显示了交通工具10的实施例。示例道路区段200是T形交叉口，包括主道路元素202以及按直角连接到主道路元素202的侧道路元素204。在每个行进方向上，示例道路区段200被描绘为单个车道。然而，道路区段200以及与其相关联的构思可应用于被配置为多车道道路的道路区段。如所显示的，交通工具10被设置在侧道路元素204上接近主道路元素202。显示了道路区段200的边缘部分205，表示地球物理地面实况。显示了参考系240，包括在交通工具10的定向的背景下限定的纵向方向(X)和横向方向(Y)。显示了第一点集210，并且表示被设置在道路区段200的边缘部分205处的多个车道标记的地球物理位置，如由交通工具空间监测系统100的空间传感器中的一个和多个感知的。第一点集210形成与道路区段200相关联的感知点云。第二点集220表示在数字化道路地图25上识别的车道标记的基于地图的位置，其对应于车道标记210中的单独一个，并且表示地图边缘225。第二点集形成与道路区段200相关联的测绘点云。第三点235表示交通工具10的地球物理位置，如由GPS传感器52指示的。如插图230中显示的，误差向量231可被识别，并且表示车道标记220中的一个的基于地图的位置（由221指示的）与车道标记210中的一个的地球物理位置（由211指示的）之间的差异，包括在纵向方向(X)232和横向方向(Y) 233上量化的变换。

由道路区段200的地图边缘225和相关联的车道区段表示的车道标记210的地球物理位置可由以下的等式1表示：

y = A + Bx + Cx

可形成与等式1相关联的参数，用于由与道路区段200相关联的第一点集210形成的感知点云。还可形成与等式1相关联的参数，用于由与道路区段200相关联的第二点集220形成的测绘点云。

如本文描述的，提供了系统和相关联的方法，用于采用正在道路（通过非限制性示例的方式，包括参考图2描述的道路区段200）上操作的交通工具10的实施例（参考图1描述）使用车道感知输入（使用多项式等式而描述）进行实时交通工具定位。系统包括空间传感器、GPS传感器、导航系统以及控制器。空间传感器被布置成监测道路的在交通工具近侧的道路区段。还包括交通工具机载存储器装置，所述交通工具机载存储器装置包括道路地图。控制器与空间传感器、GPS传感器、导航系统和存储器装置通信。控制器包括以下指令集，所述指令集可执行，以经由GPS传感器在道路地图的背景下确定交通工具的地理位置，并且经由空间传感器监测道路区段。确定基于空间传感器的包括对于道路区段的感测边缘的感知点云以及基于道路地图的包括对于道路区段的测绘边缘的测绘点云。总体上，假定的是，感知点云相对于地面实况比测绘点云更准确。感知点云变换到测绘点云上，这意味着测绘点云是固定的，并且感知点云变换，如参考图5中描述的第二例程描述的。

基于测绘点云与感知点云之间的变换而确定误差向量，并且还确定与误差向量相关联的第一置信区间。如本文描述的，确定基于测绘点云和感知点云的与纵向维度相关联的第二置信区间，并且通过扰动灵敏度分析而确定基于测绘点云和感知点云的与横向维度相关联的第三置信区间。基于误差向量、第一置信区间、第二置信区间和第三置信区间而执行卡尔曼滤波分析，以动态确定交通工具相对于道路地图的位置。基于交通工具10相对于道路地图25的位置而控制交通工具10的操作。这参考图3-图7在以下描述。

图3示意性地显示了涉及第一例程300的细节，用于数字化道路地图的道路区段的准确性的动态交通工具机载评估，以确定与对于道路区段的感测边缘与对于道路区段的测绘边缘之间的变换相关联的第一置信区间。对于道路区段的感测边缘被表示为感知点云310，并且对于道路区段的测绘边缘被表示为测绘点云320。这包括在无扰动状态下采用测绘点云320和感知点云310的酌减距离迭代最近点(ICP)分析，并且查询高斯过程，以确定与对于道路区段的感测边缘与对于道路区段的测绘边缘之间的变换相关联的第一置信区间。参考交通工具10的实施例（参考图1描述）以及道路区段200的示例（参考图2描述）描述例程300。控制例程300可在交通工具机载的情况下执行，例如，由空间监测控制器110、导航系统24或在独立控制器中。

对于第一例程300的输入包括：感知点云310，类似于与参考图2描述的道路区段200相关联的第一点集210；以及测绘点云320，类似于与参考图2描述的道路区段200相关联的第二点集220。感知点云310和测绘点云320是对于距离酌减迭代最近点(ICP)算法330的输入，其对于感知点云310中的数据和测绘点云320中的对应数据进行操作，以确定无扰动变换向量340。在现有技术中理解了ICP算法的实施方案，以确定点云之间的变换。可在大量GPS坐标处确定的地图误差数据库中捕获无扰动变换向量340。地图误差数据库在包括过往观测的高斯过程中被采用，以确定道路区段的车道边缘中的误差，并且基于其而更新地图，并且可被存储在非机载服务器95的存储器装置中。

无扰动变换向量340作为误差向量355输出，所述误差向量355与表示对于道路区段的感测边缘的感知点云310和表示对于道路区段的测绘边缘的测绘点云320相关联。查询高斯过程350，以确定观测中的置信水平。因此，高斯过程350的结果包括基于GPS坐标处确定的地图误差数据库中的信息在给定GPS坐标点处的相关联的误差向量355。误差向量355涉及参考图2显示的感测边缘（例如，感测边缘215）与地图边缘（例如，地图边缘225）之间的变换。变换可在纵向方向(X)和横向方向(Y)上量化。可采用误差向量355，以更新由导航系统24采用的数字化道路地图25和交通工具位置。通过非限制性示例的方式，这可包括更新道路区段200的地图边缘225（参考图2显示）。

在GPS坐标中的每个处查询高斯过程350，以评估无扰动变换向量340，以确定在该位置处观测的平均误差以及其对应标准偏差。使用那些值，可通过在任一方向上远离平均值的标准偏差的数量而描述无扰动变换，并且该信息用于说明将观测该值的可能性。其越远离历史观测平均值，则其发生的可能性越小，并且传感器读数的置信度越小。在其实施方案中，高斯过程350可为N维度的，使得其能够捕获误差的不同表示。高斯过程350的方面可被存储在非机载服务器95的存储器装置中。

图4图形化地显示了与高斯过程400的执行相关联的数据，所述数据包括对于给定GPS点的误差向量的估测量值以及相关联的置信区间。第一条集410表示从参考线405（例如，道路边缘）的误差向量的量值，其中，相关联的误差条412指示不确定性。第二条集420表示从参考线405的估测误差向量的量值，其中，相关联的估测误差条422指示不确定性。线430表示插值误差，使得GPS坐标包括可被报告的平均历史误差和置信区间。

图5示意性地显示了第二例程500，用于数字化道路的道路区段的准确性的动态机载评估。第二例程500包括测绘点云和感知点云的扰动灵敏度分析。在一个实施例中，扰动灵敏度分析包括扰动距离酌减迭代最近点(ICP)分析，其呈测绘点云和感知点云的第二酌减距离迭代最近点(ICP)分析的形式。扰动灵敏度分析包括：引发感知点云的x维度扰动，并且然后引发感知点云的y维度扰动，其与对于道路区段的感测边缘和对于道路区段的测绘边缘相关联；以及确定对于道路区段的感测边缘与对于道路区段的测绘边缘之间的更新变换以及相对于地图的更新交通工具位置。

第二例程500示出为逻辑流程图中的框的集合，其表示可在硬件、软件或其组合中实施的一系列操作。在软件的背景下，框表示计算机指令，当由一个或多个处理器执行时，所述计算机指令执行所陈述的操作。为了方便和清楚地说明，参考交通工具10（参考图1描述）描述了所述方法。

表1

第二例程500的执行可在以下进行。第二例程500的步骤可按合适次序执行，并且不限于参考图5描述的次序。如本文采用的，术语“1”指示肯定回答或“是”，并且术语“0”指示否定回答或“否”。

对于第二例程500的输入包括：感知点云310，类似于与参考图2描述的道路区段200相关联的第一点集210；以及测绘点云320，类似于与参考图2描述的道路区段200相关联的第二点集220。

感知点云310和测绘点云320被输入到第一距离酌减迭代最近点(ICP)算法(330)，以确定对于道路区段的感测边缘与对于道路区段的测绘边缘之间的无扰动变换向量340以及相关联的第一置信区间342。无扰动变换向量340可呈向量的形式表示，所述向量在感知点云310和测绘点云320的单独点之间可分解成横向误差项（即，∆x）和纵向误差项（即，∆y）。静态形式的高斯过程350’被存储在交通工具10的存储器23中。在GPS坐标中的每个处查询静态高斯过程350’，以评估无扰动变换向量340，以确定在该位置处观测的平均误差以及其对应标准偏差。使用那些值，可通过在任一方向上远离平均值的标准偏差的数量而描述无扰动变换。该信息用于说明将观测该值的可能性。其越远离历史观测平均值，则其发生的可能性越小，并且传感器读数的置信度越小。

感知点云310和测绘点云320也被输入到扰动灵敏度分析例程560。扰动灵敏度分析例程560是通过以下操作的迭代过程：将多个x维度扰动引发到感知点云310中(563)，并且执行距离酌减ICP算法(564)的实施例，以基于x维度扰动而确定对于道路区段的感测边缘与对于道路区段的测绘边缘之间的多个x变换(565)。图7示意性地显示了x维度扰动和相关联的向量的示例。线710呈对于道路区段的边缘的形式描绘了地面实况，点712表示感知点云，并且点714-2表示测绘点云的点。点714-1、714-3和714-4表示到感知点云中的x维度扰动。向量720表示已经旋转180

扰动灵敏度分析例程560重新执行步骤562、563、564、565、566、567，以引发多个y维度扰动，并且执行距离酌减ICP算法(564)，以基于已经经受180

将使用迭代最近点算法而计算变换向量（也被称为误差向量），所述迭代最近点算法被修改成酌减更远离传感器的点的权重。下文是对于最小化功能的此更新。可使用基于以下最小化关系而确定误差向量：

其中：

(x

C表示感知点云310的感知边缘与测绘点云320的测绘边缘中的点之间的对应关系。感知点云310中的给定点被认为对应于测绘点云320中的点，其在两个点之间具有最小欧几里德距离。

当已经引发多个x维度扰动并且已经确定相关联的更新变换时，根据以下等式3执行皮尔逊相关系数(568)：

其中：

原始变换在图6中由向量620指示；

旋转原始变换在图6中由向量626指示；

噪声在图6中由向量622指示；以及

新变换在图6中由向量624指示。

在包括步骤561、562、563、564、565、566的迭代过程中，对于x维度上的扰动和y维度上的扰动执行皮尔逊相关系数。当存在有足够的道路形状信息以获得地面实况并且去除噪声时，原始变换与由扰动引发的相加噪声结合应该等于新变换。

采用皮尔逊相关系数（等式3）而实现了比较，当存在有完全正相关时，所述皮尔逊相关系数等于1。当皮尔逊相关系数接近0时，这暗示在引发噪声与所发现的变换之间缺少相关性。

扰动灵敏度分析例程560的输出包括基于测绘点云和感知点云的与纵向方向相关联的第二置信区间571以及基于测绘点云和感知点云的与横向方向相关联的第三置信区间573 (572)。

由无扰动变换340确定的第一置信区间342、与高斯过程350相关联的误差向量355以及扰动灵敏度分析例程560的输出（包括与纵向维度相关联的第二置信区间571以及与横向维度相关联的第三置信区间573）作为输入被提供到卡尔曼滤波574，以实时动态确定交通工具10相对于道路区段的地图部分的位置。

基于误差向量355、第一置信区间342、第二置信区间571和第三置信区间573而执行卡尔曼滤波574，以动态确定交通工具10相对于道路地图200的位置(575)。

灵敏度分析评估和估测数学模型在每个维度上（即，在横向维度和纵向维度上）的输出的不确定性，并且将不确定性划分并且分配到输入的不同不确定性源。

可采用卡尔曼滤波574的结果，以基于对于道路区段的感测边缘与对于道路区段的测绘边缘之间的最终变换和相关联的不确定性(580)而实时动态更新交通工具10相对于道路地图的位置（575）。总体结果包括基于对于道路区段的感测边缘与对于道路区段的测绘边缘之间的变换和相关联的不确定性而更新道路地图。导航系统24的操作可基于对于道路区段的更新道路地图。当交通工具10配备有某种形式的ADAS或其它自主驾驶能力时，自主控制器65能够基于对于道路区段的更新道路地图而控制与ADAS相关联的驾驶自动化状态，例如，转向或制动。基于对于道路区段的更新道路地图而增强交通工具10（包括导航系统24和自主控制器65）的操作。

为了降低搜索空间的复杂性，并且允许感测边缘215与地图边缘225之间的更高保真度匹配，距离酌减ICP分析330将感测边缘与测绘边缘的比例限定为1 m比1 m，因此消除了对于修改感测边缘的比例以匹配测绘边缘的比例的需要。距离酌减ICP分析330还在纵向方向(X)和横向方向(Y)上从地图边缘225的偏移的方面限定感测边缘215，而没有围绕交通工具10的轴线的旋转元素。实验上显示了这是更好的，因为远离空间传感器的低保真度感测导致旋转的不良应用。此外，经验观测指示的是，数据越远离传感器，则数据的质量越低。如此，在ICP最小化功能中，酌减了更远离交通工具10的点的信息增益。横向误差项和纵向误差项表示相应横向和纵向维度上的地图误差。

因此，从距离酌减ICP分析330输出的变换338用于形成误差度量，所述误差度量可与高斯过程350结合，以估测地图上的不同点处的误差，以对于定位变换生成改善的置信度量。

流程图示中的流程图和框图示出了根据本公开的各种实施例的系统、方法和计算机程序产品的可能实施方案的架构、功能性和操作。在此方面，流程图或框图中的每个框可表示代码的模块、区段或部分，其包括一个或多个可执行指令，用于实施（多个）指定逻辑功能。还将注意的是，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可由执行指定功能或动作的功能专用的基于硬件的系统或功能专用的硬件与计算机指令的组合实施。这些计算机程序指令还可被存储在计算机可读介质中，所述计算机可读介质可指导计算机或其它可编程数据处理设备，用于以特定方式运行，使得被存储在计算机可读介质中的指令产生制品，包括实施流程图和/或框图的一个或多个框中指定的功能/动作的指令集。

详细描述和附图或图示支持和描述本教导，但是本教示的范围仅由权利要求限定。虽然已经详细描述了用于执行本教示的最佳模式和其它实施例中的一些，但是存在有各种可选设计和实施例，用于实践所附权利要求中限定的本教导。