CN103649683A - 组合的雷达和gps定位系统 - Google Patents

Abstract

在一个实施例中，一种车辆内的定位系统包括全球定位系统(GPS)接收机、雷达传感器、包括存储在其中的程序指令的数据存储设备、存储在所述数据存储设备中的符号地图、以及可操作地耦接到所述数据存储设备、所述GPS接收机和所述雷达传感器的控制器，所述控制器配置为执行所述程序指令以便分析来自所述GPS接收机的数据、来自所述雷达传感器的数据以及来自存储的符号地图的数据，并且以所述分析为基础来确定大概的车辆位置。

Description

组合的雷达和GPS定位系统

技术领域

本发明涉及车辆定位系统，并且特别地涉及结合有全球定位系统(GPS)接收机的车辆定位系统。

背景技术

在多个不同的系统中使用车辆位置用于各种目的。在一个通用应用中，使用车辆位置以便对于车辆的操作者生成方向，以便导航到期望的位置。在这一类型的应用中，逐转弯(turn-by-turn)方向的生成仅要求车辆的常规位置、识别的目的地、以及在车辆位置和目的地之间可用的道路的符号地图。

车辆导航系统通常利用全球定位系统(GPS)接收机，该GPS接收机从多个GPS卫星中的一个或多个获取一个或多个信号，以便精确地计算接收机位置。所述GPS接收机获取并跟踪由载波、伪随机码和来自各种卫星的调制数据组成的信号。所述接收机将本地生成的码与从各自卫星接收的码进行相关，以便推导将与码片的本地生成相关的接收机时间相关到传输相对应的码片时的卫星时间的时序信息。接收机时间与在各种卫星处各种信号的传输时间之间的时序关系可以与来自各种卫星的调制数据一起使用，以便生成接收机关于与卫星共享的参照系，例如地固地心直角坐标系(ECEF)，的位置。

基本的GPS接收机可以典型地在大约5米内识别接收机的位置，这对于仅提供逐转弯指令的基本导航应用来说已经足够。在一些更加精确的导航系统中，该导航系统向驾驶员通知实际车道，车辆必须位于该车道中以便进行接下来的转弯。仅5米的车辆位置精确度不足以确定车辆是否处于适当的车道中用于即将到来的转弯。

也已经将车辆位置数据并入到提供碰撞避免的应用中。在一些车辆碰撞避免系统中，所述系统在特定的交通车道中确定主车辆和其它车辆二者的位置并且以车辆的车道精度位置为基础来确定碰撞概率。在这一类型的系统中，由于交通车道典型地具有小于大约4米的宽度，因此误差高达5米的车辆定位是不够的。

为了提供在车辆碰撞避免系统和更加精确的导航系统二者中都需要的更加精确的车辆位置数据，已经研究了各种替代方案。一种这样的替代方案被称为差分GPS系统。在差分GPS系统中，区域中的一组接收机用于解决由GPS卫星发射的信号中的不精确性。然后由GPS接收机产生一组用于特定区域中的接收机的差分校正并且由该GPS接收机用于校正它们的位置解决方案。通常，单个差分校正因子将考虑GPS系统中的大部分误差，包括接收机和／或卫星时钟误差、卫星位置的变化以及电离和大气延迟。使用差分GPS系统车辆位置估计能够将误差降低到2米的数量级。然而，在多路径环境(典型地为密集城市区域)中，误差会在50米的数量级。

基本GPS系统的另一替代方案是基于地图的定位。这一方案允许车辆相对于基于图像的地图的定位，这在Levinson等人的“Map-Based PrecisionVehicle Location in Urban Environments”，Robotics：Science and Systems Conference，2007中有所介绍。这一类型的系统使用道路表面的高分辨率图像，并且考虑到10-25厘米数量级的定位精确度。这一类型的系统要求的传感器是安装在车顶的扫描光探测和测距(LIDAR)传感器。这一方案要求大量的存储空间以便存储要求的预记录的图像，并且因而对于当前车辆系统被认为是不可行的。

也已经研究了基于视觉的定位系统。基于视觉的定位系统允许车辆关于映射在全球坐标系中的图像的数据库的定位。这些系统使用照相机作为主传感器，如Konolige等人在“Viewed-Based Maps”，International Conference on Robotics and Systems2009，以及Cummins等人在“Probabilisticappearance based navigation and loop closing”，International Conference on Robotics and Automation2007中报告的。还没有报告在大城市环境中这些系统的定位精确度。

在再一方案中，还研究了一种基于视觉的车道检测系统，其允许相对于车辆的当前车道来检测车辆的位置。这些系统是典型的驾驶员辅助系统中的现有技术。在这一类型的系统中，检测车辆前方的车道标记的位置和路线。这一信息用于在车辆离开当前车道之前警告驾驶员(车道离开警告)或用于将车辆保持在车道中(道路保持支持)。这些系统典型地仅提供相对于当前车道的车辆位置。

因此，需要在道路路线上提供车道精度定位的系统。不要求诸如由基于地图的定位要求的道路的高分辨率图像，或者诸如由基于视觉的定位要求的图像的数据库的系统将是有利的。在仅使用道路和车道的符号地图的同时提供车道精度定位的系统将是进一步有利的。另一优点将是甚至在密集城市环境和改变照明状况中也表现出精确度和可靠性的系统。

发明内容

在一个实施例中，一种车辆内的定位系统包括全球定位系统(GPS)接收机、雷达传感器、包括存储在其中的程序指令的数据存储设备、存储在所述数据存储设备内的符号地图、以及可操作地耦接到所述数据存储设备、所述GPS接收机和所述雷达传感器的控制器，所述控制器配置为执行所述程序指令以便分析来自所述GPS接收机的数据、来自所述雷达传感器的数据以及来自存储的符号地图的数据，并且以所述分析为基础来确定大概的车辆位置。

根据另一实施例，一种定位车辆的方法包括确定全球定位系统(GPS)位置，获得与多个雷达检测到的对象相关联的雷达传感器数据，以确定的GPS位置为基础，参照符号地图来定义第一可能的车辆位置，以所述第一可能的车辆位置为基础，参照所述符号地图来投射所述多个雷达检测到的对象的第一位置，分析投射的所述多个雷达检测到的对象的第一位置，并且以对投射的第一位置的分析为基础来确定大概的车辆位置。

附图说明

图1描述了根据本发明原理的结合有存储的符号地图、雷达传感器和GPS接收机的车辆定位系统的示意图；

图2描述了可以由图1的系统执行以便使用基本的GPS接收机和现成的商用雷达传感器确定大概的车辆位置在特定的车道内的过程的流程图；

图3描述了图1的车辆的示例性透视图；并且

图4描述了图1的符号地图的示意性表示，具有不同的可能车辆位置以及检测到的对象的相关联的投射的位置。

具体实施方式

为了增强对本发明原理的理解，现在将参照在附图中说明的并且在下面的书面说明中描述的实施例。应当理解，并没有有意限制本发明的范围。进一步应当理解，对于本发明所属技术领域的普通技术人员来说显而易见的是，本发明包括对说明的实施例的任何改变和修改并且包括本发明原理的进一步应用。

图1描述了位于车辆102中的车辆定位系统100的示意图。所述定位系统100包括控制器104，随机存取存储器(RAM)108，非易失性数据存储设备112，显示器120，音频输出124，触觉输出128，输入设备132，射频(RF)接收机136，全球定位系统(GPS)接收机138，网络通信模块140，车内输入／输出(I／O)端口144，雷达传感器146和一个或多个车辆系统148。

控制器104是诸如微控制器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)，包括来自x86和ARM系列的微处理器的微处理器的电子处理设备，或者配置为执行本文公开的功能的任何电子设备。控制器104可以实现包括用于生成视觉显示数据的图形处理单元(GPU)以及用于生成音频输出信号的音频数字信号处理器(DPS)的软件和硬件功能单元。控制器104配置为执行与一个或多个软件程序相对应的指令。尽管图1描述了使用单个控制器104的车辆信息系统100，但是各种定位系统可以使用一个或多个控制器。可以使用片上系统(SoC)配置中的硬件或软件将由数据存储设备112、RAM108、RF接收机136、网络通信模块140、车内I／O端口144和车辆系统148提供的一些或全部功能与控制器104集成在一起。

RAM108可以通过使能控制器104以随机存取的方式加载并存储来自存储设备的数据的任何存储设备体现。示例实施例包括动态RAM(DRAM)和静态RAM(SRAM)。RAM108可操作地耦接到控制器104，并且控制器104可以将程序指令和数据加载并存储在RAM108中。在典型的实施例中，RAM108是易失性的，这意味着RAM108的内容在断电的时候即被擦除。

非易失性数据存储设备112可以被实现为硬驱，固态硬驱，或者被实现为配置为在没有外部供应的电源的情况下保留数据的任何数字存储设备。数据存储设备112与控制器104可操作地耦接。数据存储设备112读取存储的数据并将该数据提供到控制器104，并且对来自控制器104的写入命令做出响应而写入数据。所述数据存储设备112配置为保持一个或多个存储的程序114和存储的数据116。存储的程序或程序指令114包括用于实现操作系统的可执行代码以及在所述操作系统内执行的一个或多个用户空间程序。示例性用户空间程序包括网络浏览器和网络服务器。

数据存储设备112进一步存储符号地图118。符号地图118是这样一幅地图，其不仅详细说明了道路的实际位置，而且还详细说明了道路的车道的实际位置。这与简单地将为未划分的道路的位置详细说明为单条线并且利用两条线来详细说明划分的道路(一条线用于一个方向)的许多通常可用的导航地图相反。这样，这一类型的地图上的每一条线在所表示的路段中简单地表示组合的车道的中心。符号地图118典型地通过详细说明每一条车道的中心线来详细说明路段中每一条车道的实际位置。结合DefenseAdvanced Research Proj ects Agency(DARPA)Urban Challenge(城市挑战赛)描述了这样的符号地图的一个示例。可以通过网址http:／／archive.darpa.mil／grandchallenge／index.asp获得关于DARPA UrbanChallenge的具体信息，包括在该挑战赛中使用的符号地图的描述。因此，此处使用的术语“符号地图”指代具有车道具体细节的地图。

存储的数据116包括在操作中由一个或多个存储的程序使用的各种数据文件。存储的数据116包含定义对于存储的程序数据116中的程序的用户接口的格式的配置数据的一个或多个集合。配置数据可以包括定义用于生成用户接口的规则的CSS和XSLT文件。数据存储设备112的一个实施例包括多个数据存储设备，其中，一个数据存储设备被固定安装在车辆102中并且保持程序指令114，而保持数据的第二数据存储设备配置为连接到车辆102并且从车辆102上移除。

显示器120包括至少一个视觉显示设备，例如液晶显示器(LCD)，有机发光二极管(OLED)显示器，或投射设备。不同的车辆配置可以在车辆102中的各种位置包括一个或多个显示设备，包括头上显示器，其在操作者操作车辆102时在操作者的前面投射图像。控制器104可操作地耦接到显示设备120并且生成用于在显示设备120上显示或者由显示设备120显示的与文本和图形相对应的信号。显示设备120将生成的信号转换为视觉输出。

音频输出124典型地包括可操作地耦接到控制器104的一个或多个音频扬声器。音频输出124可以包括用于在输出之前对音频信号进行处理的各种滤波器和放大器。控制器104生成一个或多个音频信号用于音频输出124，包括从RF接收机136接收到的或保持在存储的数据116中的音频和音乐。音频输出124还发射与控制器104在操作期间生成的合成语音信号相对应的声音。

触觉输出128包括位于车辆102中并且可操作地耦接到控制器104的一个或多个触觉反馈设备。触觉输出128生成向车辆102的操作者提供反馈的反馈力。触觉反馈设备的通用示例包括可操作地耦接到汽车中的方向盘、油门踏板和刹车踏板的伺服装置和致动装置。可以将各种触觉设备放置在不同车辆中的不同控制设备上，包括飞机的操纵杆和摩托车的手把中。各种类型的反馈力包括振动或抵抗由操作者施加的移动的滞后力。

输入设备132配置为对用户动作做出响应而生成信号，并且将生成的信号提供到控制器104。各种类型的输入设备132包括但并不局限于按钮、旋钮、转盘、开关、滑块、键盘、触屏设备和音频输入设备。具体地说，显示设备120可以包括使能操作者触摸显示器120的一个或多个部分以便输入命令的触屏接口。音频输出124可以以将可听的命令路由到控制器104的麦克风的形式与输入设备132耦接，并且控制器104可以实现语音识别系统以便识别口头命令。控制器104配置为对从输入设备132接收生成的信号做出响应而采取一个或多个动作。控制器104可以对在生成信号时信息系统100的操作状态做出响应，对于由相同的输入设备生成的信号采取不同的动作。例如，当控制器104向操作者呈现音乐应用时，可以使用转盘来调整音乐的音量水平，同时在不同的操作环境下，相同的转盘也可以用于调节气候控制系统的温度水平。

RF接收机136配置为使用在不同频率上的各种调节技术来接收射频发射。通常示例包括模拟AM和FM无线电、地面数字无线电、卫星无线电以及地面和卫星视频传输。控制器104可以配置为对从RF接收机136接收的数据进行解码并且生成分别用于显示器120和音频输出124的相对应的视频和音频信号。在可选的配置中，RF接收机可以直接生成用于显示器120和音频输出124的信号，并且可以向控制器104提供元数据。各种形式的元数据包括音频和视频标题、艺术家信息、播放长度、音频视频比特率和可以经过显示器120和音频输出124提供给操作者的其它信息。

GPS接收机138可以是提供大约10米或者更小的标称精确度的商用GPS接收机。GPS接收机138接收GPS信号用于确定设备在地球上的当前位置。在一些实施例中，可以在GPS接收机138中提供存储的地图118。GPS接收机138可以经由显示器120和／或音频输出124向车辆102的乘坐人提供建议的方向。

网络通信模块140可操作地耦接到控制器104并且使能控制器104使用一个或多个数字网络来发送和接收数据。在典型实施例中，网络通信模块140实现无线联网协议，其使能控制器104在车辆102处于操作中时使用外部数据网络发送和接收数据。适合的无线网络的示例包括3G和4G蜂窝数据网络、基于卫星的通信网络、任何适合的无线广域网(WWAN)、包括IEEE802.11无线网络的无线局域网(WLAN)，以及适合与车辆102一起使用的任何无线数据传输标准。控制器104可以配置为使用基于互联网协议(IP)的协议来发送和接收数据分组，例如使用IP版本4或IP版本6，包括传输控制协议(TCP)和用户数据报协议(UDP)的常见的连接层协议，以及多种应用级协议。具体地说，图1中体现的控制器104配置为发送和接收符合通常与万维网一起使用的超文本传输协议(HTTP)的数据。

输入／输出(I/O)端口144被放置在车辆内并且使能控制器104利用位于车辆附近的一个或多个电子设备来发送和接收数据。I／O端口144可以被实现为使用诸如通用串行总线(USB)或各种其它有线连接标准的标准连接类型的有线连接。I／O端口144也可以是无线端口，其使能经过包括802.11WLAN和蓝牙协议的无线协议与电子设备进行通信。在一些实施例中，I／O端口144和网络通信模块140可以共享公共的硬件部件。

各种电子设备可以使用I／O端口144与控制器104进行通信，包括车辆的操作者或者乘坐人携带的诊断仪器和电子设备。在一个实施例中，乘坐人携带诸如智能电话的手持通信设备，包括用于使用I／O端口144与控制器104进行通信的通信硬件和软件。定位系统100可以运行网络应用程序并且检索由电子设备提供的配置数据。

雷达传感器146可以是任何期望的雷达传感器，能够生成能够用于在其视场内确定距离和雷达反射表面的瞬时径向速度的数据。尽管在定位系统100内可以使用实际上具有任何距离和视场的雷达，但是定位系统100可以有利地与已知的廉价传感器一起使用。通常，可接受的雷达包括具有大致200米距离以及在10度和30度之间的视场的汽车雷达传感器。

一个或多个车辆系统148可操作地耦接到控制器104。车辆系统148可以包括车辆中的一个或多个传感器和测量仪器。汽车中的常用示例包括速度计、转速计、油量表、发动机温度计、胎压计等等。控制器104也可以配置为从车载诊断计算机系统获得误差码和诊断消息，并且在一些实施例中，控制器104可以实现车载诊断系统的功能。控制器104可以识别与车载自动诊断(OBD)协议相对应的故障码，并且生成与该故障码相对应的明语视觉或音频消息。其它车载系统可以包括具有用于自动调整的马达的部件，包括可调整的驾驶杆、座位、汽油和制动踏板以及反光镜。控制器104使用控制器域网络(CAN)通信总线或适合于将命令发送到车辆部件并且从车辆中的不同系统接收数据的其它通信系统，可操作地耦接到车辆系统148。

在操作中，控制器104从数据存储设备获得程序指令114并且执行程序指令114以便确定大概的车辆位置。这里使用的术语“大概的车辆位置”指的是在计算的GPS位置的误差范围内最有可能是实际车辆位置的位置。参照图2描述了用于确定大概的车辆位置的一种方法。

图2描述了一种处理150，该处理开始于在非易失性数据存储112内存储符号地图118(方框152)。可以将符号地图118存储在车辆提供的非易失性数据存储112中或存储在单独获得的非易失性数据存储112中，例如存储在便携式GPS接收机中。符号地图118可以被周期性地更新，例如通过使用从RF接收机136获得的数据以便提供更新的车道数据，例如在构建期间建立的临时交叉车道。

在方框154，从雷达传感器146获得检测到的对象数据。控制器104对雷达检测到的对象数据进行处理以便确定每一个雷达检测到的对象的速度。在一个实施例中，确定雷达检测到的对象的绝对速度。控制器104可以从车辆系统148获得数据以便辅助确定雷达检测到的对象的绝对速度。可以用于这一目的的车辆系统包括车载车辆里程计、方向盘角度、IMU等等。通过取消车辆102的移动，可以确定雷达检测到的对象关于诸如符号地图118的参照系的选择的参照系的绝对速度。

一旦确定了每一个雷达检测到的对象的速度，就可以以确定的速度为基础来对检测到的对象进行分类(方框156)。在一个实施例中，检测到的对象的分类以诸如5英里每小时(MPH)的单个速度阈值为基础，将高于该阈值的检测到的对象分类为动态障碍物，并且将低于该阈值的对象分类为静态对象。静态对象包括标志、停放的车辆、栅栏柱、障碍物、天桥和在道路旁常见的其它非移动对象。动态对象包括以大于该速度阈值的速度移动的车辆以及非车辆对象。

在一些实施例中，使用多个阈值可以对检测到的对象进行更好的分类。举例来说，以8MPH速度移动的检测到的对象可以是自行车、跑步的行人、鹿或机动车辆。以45MPH的速度移动的检测到的对象则很大可能是机动车辆。诸如检测到的雷达信号的强度的附加数据可以用于在对检测到的对象进行分类时对速度数据进行加强。因而，可以将雷达截面大于某一阈值的检测到的对象分类为机动车辆，即便当该检测到的对象以非常低的速度在移动时。

在方框158，确定车辆102的GPS位置，并且将误差范围与确定的GPS位置相关联。可以以感测的条件为基础来计算该误差范围，或者可以定义缺省误差范围。该误差范围定义了在确定的GPS位置附近在预定的可能性内车辆102位于其中的区域。在简单的示例中，可以将所述误差范围定义为在确定的GPS位置周围半径为5米的圆形。在这一示例中，存在实际车辆位置在该误差范围内99.9％的可能性。实际上，对于移动车辆的误差范围通常不是圆形，因为在除了车辆速度之外的所有变量保持不变的情况下，轨道内误差将大于跨轨道误差。

接下来，生成在误差范围内的可能车辆位置的列表(方框160)。所述可能车辆位置可以是1维的，简单地表明在确定的GPS位置和可能车辆位置之间的横向偏移(跨轨道误差)，或者是2维的，指明在确定的GPS位置和可能车辆位置之间的横向偏移和纵向偏移(轨道内误差)二者。可以以多个不同的标准为基础来对可能车辆位置的数量进行选择。随着对于精确度的期望的增加，对于给定误差范围的可能车辆位置的数量会增加。类似地，对于给定的期望精确度，随着误差范围的尺寸增加，列表中可能车辆位置的数量也会增加。在一个实施例中，为了维持期望的计算速度，不论误差范围尺寸如何，都将生成固定数量的可能车辆位置。

在方框162，选择可能车辆位置中的一个并且对于选择的可能车辆位置生成实际位置概率或“大概的车辆位置分数”(方框164)。所述“大概的车辆位置分数”是选择的可能车辆位置是实际车辆位置的可能性的度量。使用确定的GPS位置、与检测到的对象相关联的雷达数据以及下面将充分讨论的符号地图数据来确定所述大概的车辆位置分数。接下来，控制器104确定是否存在不具有大概的车辆位置分数的可能车辆位置(方框166)。如果存在不具有大概的车辆位置分数的可能车辆位置，则方法在方框162继续。如果所有的可能车辆位置都具有相关联的大概的车辆位置分数，则方法150在方框168继续。

在方框168，控制器104分析与可能车辆位置相关联的大概的车辆位置分数。如果一个可能车辆位置具有比其它大概的车辆位置分数高的大概的车辆位置分数，则将该可能车辆位置识别为可能的实际车辆位置。在多于一个的可能车辆位置共享最高的实际位置概率的情况下，控制器可以将共享最高的实际位置概率的可能车辆位置的组的中心识别为可能的实际车辆位置。如果期望，可以使用对大概的车辆位置分数的更加复杂的分析，例如基于所有生成的大概的车辆位置分数的局部最大值的识别。

如上所述，使用确定的GPS位置、与检测到的对象相关联的雷达数据和符号地图数据来生成对于每一个可能位置的大概的车辆位置分数。在一个实施例中，所述概率分数以对于检测到的对象的每一个分类生成的对齐分数为基础。在这一实施例中，参照下面描述的符号地图118来定义选择的车辆位置。

举例而言，图3描述了在示例性时间处从车辆102观察到的视图200。在视图200中，两台车辆202和204位于迎面而来的车道上而另一辆车208位于临近车道212的车道210中，其中车辆102行驶在车道212中。在视图200中还示出了天桥214和路标216。图4提供了与视图200相关联的符号地图的描述220。因而，描述220包括车道中心线222、224、226、228、230和232。车道中心线224与图3的车道206相关联，而车道中心线226与车道210相关联，并且车道中心线228与车道212相关联。

在描述220中还示出了与确定的GPS位置242相关联的误差范围240。图4中描述了在误差范围240内选择的车辆位置244处的车辆102，该车辆具有与雷达传感器146相关联的视场246。该选择的车辆位置244与确定的GPS位置242相偏离。

一旦参照图4中描述的符号地图118定义了选择的车辆位置244，则可以参照符号地图118使用以雷达数据为基础的每一个雷达检测到的对象关于选择的车辆位置244的相对位置，来定义每一个雷达检测到的对象的位置。本文将这一相对位置称为对于各自雷达检测到的对象的“投射位置”。因而，参照图4，将车辆204描述在投射位置248处，将车辆208描述在投射位置250处，并且将路标216描述在投射位置252处。

因而，对于检测到的对象中的特定一个的投射位置将以选择的可能车辆位置为基础而变化。例如，图4描述了第二选择的车辆位置244’，其对于车辆204、车辆208和路标216分别产生投射位置248’、投射位置250’和投射位置252’。因此，对于一个选择的可能车辆位置(位置244)，检测到的对象的投射位置可能位于道路车道的中心(例如，参见投射位置250)，而对于第二选择的可能车辆位置(位置244’)，对于相同的检测到的对象的投射位置可以距离最近的道路车道的中心有30英尺远(例如，参见投射位置250’)。

回顾在处理150的方框156处，雷达检测到的对象的速度用于对雷达检测到的对象进行分类，然后，使用所述雷达检测到的对象的分类来生成对于投射位置的合理分数。因此，如果检测到的对象正以60MPH的速度移动，则检测到的对象很可能为车辆。因而，与产生对于更加远离道路车道中心的动态雷达检测到的对象的投射位置(投射位置250’)的选择的可能车辆位置(位置244’)相比较，产生对于位于道路车道中心附近的动态雷达检测到的对象的投射位置(投射位置250)的选择的可能车辆位置(位置244)更有可能是实际车辆位置。

结果，可以将算法结合在存储的数据116或程序指令114中，其中，与产生对于更加远离车道中心的动态检测到的对象的投射位置的选择的车辆位置相比较，产生对于更加接近车道中心的动态检测到的对象的投射位置的选择的车辆位置的分数要更高。因而，仅以投射位置250和250’为基础，位置244将比位置244’具有更高的分数，而仅以投射位置248和248’为基础，位置244将与位置244’具有大约相同的分数，投射位置248和248’距离车道中心的距离大致相同，虽然分别是两个不同的车道中心224和222。

类似地，与产生对于更加接近车道中心的静态检测到的对象的投射位置(例如，参见投射位置250和250’)的选择的车辆位置相比较，产生对于更加远离车道中心的静态检测到的对象的投射位置的选择的车辆位置具有更高的分数。

可以增加算法的复杂性，以便提供增加的保真度。例如，通过在多次反复上跟踪检测到的对象，可以对该检测到的对象进行更好的分类。因而，先前被分类为动态的对象可以保留在“动态”分类下，即便当其停止时，例如，在停止信号灯前停止的车辆。因此，与同样接近车道中心的当前正在移动的动态对象相比较，接近车道中心的先前被分类为动态对象的停止车辆可以具有一样高的分数。

本文将先前的分数称为“对齐分数”，并且对于位于每一个可能车辆位置处的每一个检测到的对象，生成该“对齐分数”。通常，该对齐分数对于每一个选择的车辆位置提供定量平均值，该定量平均值以雷达检测到的对象的分类为基础来对雷达检测到的对象与其它选择的车辆位置进行比较，比较雷达检测到的对象关于交通车道的中心定位得多么合适。在实施例中，将检测到的对象简单地分类为“动态”和“静态”的对齐分数可以使用下面的等式进行表示：

$P\left(d\right|l)=e^{\frac{\mathrm{dist}{(d,\mathrm{lane})}^2}{{2\mathrm{\λ}}^2}}$ 和 $P\left(s\right|l)=1-e^{\frac{\mathrm{dist}{(s,\mathrm{lane})}^2}{{2\mathrm{\λ}}^2}}$

其中P(d|l)是特定动态对象(d)对于正在被评估的选择的可能车辆位置(l)的动态对象对齐分数，

“dist(d，lane)”是检测到的动态对象位置与最近的车道中心之间的距离，其中，以雷达数据为基础，使用检测到的对象到车辆的相对位置来定义动态对象位置(“投射位置”)，并且车道位置以符号地图为基础，

P(s|l)是特定检测到的静态对象(s)对于正在被评估的选择的可能车辆位置(l)的静态对象对齐分数，并且

“dist(s，lane)”是检测到的静态对象位置的投射位置与最近的车道中心之间的距离。

一旦对于选择的可能车辆位置的所有检测到的对象生成了对齐分数，即根据下面的等式以对于每一个检测到的对象的对齐分数为基础来生成对于选择的可能车辆位置的概率分数：

$\left(R\right|l)=\underset{S}{\mathrm{\Π}}P\left(s\right|l)\underset{D}{\mathrm{\Π}}P\left(d\right|l)$

其中，“R”是观测到的雷达测量值。

一旦以对齐分数为基础生成了对于选择的可能车辆位置的概率分数，即能够根据下面的等式使用以对齐分数为基础的概率分数和GPS数据二者来生成大概的车辆位置分数：

$P\left(l\right|R,g)=\frac{P\left(R\right|l,g)P\left(l\right|g)}{Z}=\frac{P\left(R\right|l)P\left(l\right|g)}{Z}$

其中，“ $Z=\underset{L}{\mathrm{\Σ}}P\left(R\right|l)P\left(l\right|g)$ ”是归一化常数，并且

“g”是确定的GPS位置。

为了提供稳定性并且降低噪声，随着时间对这些分数进行滤波，以使得P(l_t+1)=aP(l_t)+(1-a)P(l|R_t+1，g_t+1)其中0≤a≤1。这提供了车辆位置的平滑估计。为了在时间t处估计车辆的位置(大概的车辆位置)，仅简单地报告具有最高P(l_t)的位置。

因此，所述大概的车辆位置以某一精确度来识别车辆的位置，以使得即便当车辆位于多车道道路中时，也将识别出车辆位于其中的特定车道。通过使用确定的GPS位置、与检测到的对象相关联的雷达数据以及符号地图数据来生成概率分数，来实现这一精确度。

一旦确定了可能的实际车辆位置，所述车辆定位系统100就可以使用该可能的实际车辆位置，通过该车辆定位系统100提供一个或多个功能。例如，所述可能的实际车辆位置可以用于提供特定车道导航指示。因而，如果车辆102没有位于用于进行即将到来的转弯的正确车道中，则音频输出124可以用于向车辆操作者给出语音警告以便改变车道。

在包括车道离开警告系统的车辆中，所述可能的实际车辆位置可以用于优先或修改车道离开警告。例如，当车辆被确定为沿着朝向与当前占用的车道相同方向上的行驶相关联的另一交通车道而离开本车道时，将向驾驶员给出温和的警告。当沿着朝向与当前占用的车道相反方向上的行驶相关联的非车道区域或者行驶车道而离开本车道时，将生成加重的警告。

所述可能的实际车辆位置可以进一步用于优化自适应巡航控制系统。例如，所述可能的实际车辆位置可以与雷达观测相组合以便更加精确地确定其它车辆关于道路地图的位置。这允许自适应巡航控制确定其它车辆正在占用道路中的哪条车道，并且因而改善了对其当前和以后的位置的预测，这考虑了改善的性能。

尽管在附图和前述说明中对本发明进行了详细的说明和描述，但是应当认为这在本质上仅仅是说明性的而非限制性的。应当理解，仅仅给出了优选实施例，并且在本发明精神内的所有改变、修改和进一步应用都应当受到保护。

Claims (19)

1.一种车辆内的定位系统，包括：

全球定位系统(GPS)接收机；

雷达传感器；

包括存储在其中的程序指令的数据存储设备；

存储在所述数据存储设备内的符号地图；以及

控制器，所述控制器可操作地耦接到所述数据存储设备、所述GPS接收机和所述雷达传感器，所述控制器配置为执行所述程序指令以便

分析来自所述GPS接收机的数据、来自所述雷达传感器的数据和来自存储的符号地图的数据，并且

以所述分析为基础来确定大概的车辆位置。

2.如权利要求1所述的系统，其中，分析来自所述GPS接收机的数据、来自所述雷达传感器的数据和来自存储的符号地图的数据包括：

以来自所述GPS接收机的数据为基础来生成可能车辆位置的列表，并且确定大概的车辆位置包括：

对于所述可能车辆位置中的每一个，估计实际位置概率。

3.如权利要求2所述的系统，其中，分析来自所述GPS接收机的数据、来自所述雷达传感器的数据和来自存储的符号地图的数据包括：

确定对于由所述雷达检测到的多个对象中的每一个的速度；并且

以确定的速度为基础来对由所述雷达检测到的多个对象中的每一个进行分类。

4.如权利要求3所述的系统，其中，对所述多个对象中的每一个进行分类包括：

以确定的速度为基础将由所述雷达检测到的多个对象中的每一个分类为静态或者动态。

5.如权利要求4所述的系统，其中，确定大概的车辆位置包括：

对于所述可能车辆位置中的每一个，确定对于被分类为动态的多个对象中的每一个的各自的动态对象对齐分数；并且

对于所述可能车辆位置中的每一个，确定对于被分类为静态的多个对象中的每一个的各自的静态对象对齐分数。

6.如权利要求5所述的系统，其中：

所述各自的动态对象对齐分数以被分类为动态的多个对象中的各自一个关于车道的第一假定中心的投射位置为基础；并且

所述各自的静态对象对齐分数以被分类为静态的多个对象中的各自一个关于车道的第二假定中心的投射位置为基础。

7.如权利要求3所述的系统，其中，确定大概的车辆位置包括：

对于所述可能车辆位置中的每一个，对于多个对象中的每一个确定各自的对象对齐分数。

8.如权利要求7所述的系统，其中：

所述各自的对象对齐分数以所述多个对象中的各自一个关于车道的假定中心的投射位置为基础。

9.如权利要求1所述的系统，其中，所述控制器进一步配置为执行所述程序指令以便以确定的大概的车辆位置为基础来生成车道特定的导航指令。

10.如权利要求1所述的系统，其中，所述控制器进一步配置为执行所述程序指令以便以确定的大概的车辆位置为基础来生成车道特定的车道离开警告。

11.如权利要求1所述的系统，其中，所述控制器进一步配置为执行所述程序指令以便以确定的大概的车辆位置为基础来生成自适应巡航指令。

12.一种定位车辆的方法，包括：

确定全球定位系统(GPS)位置；

获得与多个雷达检测到的对象相关联的雷达传感器数据；

以确定的GPS位置为基础，参照符号地图来定义第一可能的车辆位置；

以所述第一可能的车辆位置为基础，参照所述符号地图来投射所述多个雷达检测到的对象的第一位置；

分析投射的所述多个雷达检测到的对象的第一位置；

以对投射的第一位置的分析为基础来确定大概的车辆位置。

13.如权利要求12所述的方法，进一步包括：

以确定的GPS位置为基础，参照所述符号地图来定义第二可能的车辆位置；

以所述第二可能的车辆位置为基础，参照所述符号地图来投射所述多个雷达检测到的对象的第二位置；

分析投射的所述多个雷达检测到的对象的第二位置；并且

以对投射的第二位置的分析为基础来确定所述大概的车辆位置。

14.如权利要求13所述的方法，进一步包括：

确定对于所述多个雷达检测到的对象中的每一个的速度；并且

以确定的速度为基础来对所述多个雷达检测到的对象中的每一个进行分类。

15.如权利要求14所述的方法，其中，对所述多个雷达检测到的对象中的每一个进行分类包括：

以确定的速度为基础来将所述多个雷达检测到的对象中的每一个分类为静态或者动态。

16.如权利要求15所述的方法，其中，以对投射的第一位置的分析为基础来确定大概的车辆位置包括：

对于被分类为动态的所述多个雷达检测到的对象中的每一个，确定各自的动态对象对齐分数；并且

对于被分类为静态的所述多个雷达检测到的对象中的每一个，确定各自的静态对象对齐分数。

17.如权利要求16所述的方法，其中：

所述各自的动态对象对齐分数以被分类为动态的所述多个雷达检测到的对象中的各自一个关于车道的第一假定中心的投射位置为基础；并且

所述各自的静态对象对齐分数以被分类为静态的所述多个雷达检测到的对象中的各自一个关于车道的第二假定中心的投射位置为基础。

18.如权利要求14所述的方法，其中，以对投射的第一位置的分析为基础来确定大概的车辆位置包括：

对于所述多个雷达检测到的对象中的每一个，确定各自的对象对齐分数。

19.如权利要求18所述的方法，其中：

所述各自的对象对齐分数以所述多个雷达检测到的对象中的各自一个关于车道的假定中心的投射位置为基础。

Images