CN111007540A 用于预测传感器误差的方法和装置 （赫尔环球有限公司）

本发明涉及用于预测传感器误差的方法和2其中，所述机器学习模型已通过地面真值传感器误差所述至少一个存储器和所述计算机程序代码被配置成，和所述至少一个处理器一起，针对地理区域采集地面真值传感器误差数据，其中所述地面真值传感器地面真值传感器误差值标注的传感器数据、地图数据或其组合中提取出来的训练特征集；其中，所述输入特征集是从传感器数据提取的，所316.一种用于预测传感器误差的非暂时性的计算机可读存储介质，承载一个或多个序其中，所述机器学习模型已通过地面真值传感器误差4[0002]自动驾驶已迅速成为汽车制造商以及导航/地图服务提供商关注的领域。一个特作。传统的定位通常依赖于位置传感器(例如，使用全球定位系统(GPS)或类似物的传感的GPS或类似的传感器可能容易受到误差的影响，这些误差对定位精度有很大的影响。因数据或其组合中提取输入特征集。该方法还包括使用机器学习模型对输入特征集进行处至少一个存储器，所述至少一个存储器包括用于一个或多个计算机程序的计算机程序代部分地使得所述装置从至少一个传感器接收传感器数据，该传感器数据采集于地理位置。至少部分地使得装置从至少一个传感器接收传感器数据，该传感器数据采集于地理位置。5至少一个信号，基于或至少部分地基于(或至少部分地来自)任意一个或任意组合的方法6[0021]图2是根据一个实施方式说明基于预测传感器误差减少定位搜索空间的示例的[0022]图3是根据一个实施方式的地图平台的组件图，包括用于预测传感器误差的机器[0024]图5是说明根据一个实施方式装有传感器的车辆的示例的图，该传感器支持利用[0026]图7A和7B是说明根据一个实施方式将机器学习模型部署到车辆以预测传感器误7误差将被预测。关于车辆定位，为了准确定位车辆101，可以采用一种被称为定位[0033]准确地在地图上确定车辆101的位置，使在精细和粗略的尺度上规划路线成为可安全的路线规划决策。虽然使用其他传感器105(如惯性传感器(INS)或惯性测量单元市峡谷或其他类似地形的系统误差可能导致错误定位车辆101，偏离其真实位置多达几个术问题，可以使用两个GPS传感器计算一个差分传感器读数，其针对系统偏差或传感器误8传感器的传感器读数和/或表示位置的地图数据，以计算该车辆101的位置传感器103或其[0038]在一个实施方式中，经过训练的机器学习模型115可以通过通信网络部署在地图117和/或地图模块121可以使用机器学习来执行与预测传感器误差相关的功能。根据本发[0039]图4是根据一个实施方式训练机器学习模型115以预测传感器误差的过程的流程图平台117、地图模块121和/或其任何其部件模块可以提供完成过程400的各个部分的构9件，以及提供与系统100的其他组件一起完成本文描述的其他过程的实施方式的构件。此外，单独描述涉及地图平台117或地图模块121中任何一个的功能/操作的实施方式也同样501在被测区域行驶时，车辆501可以开始从位置传感器503获取位置数据，从摄像传感器或方向的车辆姿态数据)可以用典型的消费级位置传感器(例如，单个GPS接收器对产生差数据>，<激光雷达网格数据>。由于这些车辆在感兴趣的地理区域内行驶和采集探测数据[0043]在一个实施方式中，特征提取模块301可以接收数据中已经用探测点的相应地面每个探测点的已知位置与被测位置之间的差值或偏移量，以表示地面真值传感器误差值。[0045]在一个实施方式中，训练或地面真值集可以包括来自其他数据源例如数字地图筑物等)或地形可能与传感器误差存在潜在的相关性(如建筑物引起GPS传感器的多路径干测到的建筑物或楼宇的特性可以是被提取出来用于训练机器学习模型115的特征。通过识物或楼宇的三维(3D)模型，其可以被用作训练机器学习模型115的输入特征。需要注意的器数据随后从用于计算目标传感器的预测传感器误差的地理位置采集(如下文结合图6的在训练过程中，训练模块303将训练数据集(如地面真值数据)的特征矢量或矩阵放入机器单独描述涉及地图平台117或地图模块121中任何一个的功能/操作的实施方式也同样适用一个实施方式中，部署包括在地图模块121中实例化经过训练的机器学习模型115的实例，[0052]图7A和图7B是说明根据一个实施方式将机器学习模型部署到车辆以预测传感器其中经过训练的机器学习模型115被实例化)使用机器学习模型115处理接收到的传感器观域捕捉的摄像图像或激光雷达数据)可以被输入到用来预测传感器误差(例如，GPS或位置[0058]在步骤605中，误差预测模块305使用经过训练的机器学习模型115处理输入特征利用关联至训练模型时确定的地面真值传感器误差的传感器数据的特征回归预测传感器平台125使用机器学习模型115的输出(例如传感器误差预测或传感器误差先验)来提供诸[0063]在一个实施方式中，车辆101配置了各种传感器，用于生成或采集车辆传感器数[0064]车辆101的传感器的其他例子可以包括光传感器、用高度传感器和加速度传感器此外，无线网络可以是如蜂窝网络，可采用各种技术，包括增强型数据速率GSM演进技术机系统上执行的哪一个软件应用程序发送或接收信息。开放式系统互连(OSI)参考模型中中，使用多边形(例如二维特征)或多边形挤出(例如三维特征)表示地理特征(例如二维特挤出可以互换使用。在一个实施方式中，以下术语适用于在地理数据库113中表示地理特示沿着多边形边界的其他位置，而不是此多边形的边界与另一个多边形的边界相交的位索引813可以是与存储的特征多边形相关联的多113可以包含关于感兴趣点(POI)的数据及POI数据记录807中其各自位置。地理数据库113点(POI)或感兴趣点(POI)数据记录807关误差数据层的属性或数据记录或地理数据库113的覆盖物，其与预测属性及地图属性或特表示传感器误差，此颗粒度等级在与地理数据库113中描绘实际道路或道路网络被所用颗录805和/或POI数据记录807；或其部分(例如，比路段记录805所示的更小或不同的段)关差记录809中的预测传感器误差数据也可以与相应记录803、805和/或807的特征或元数据[0083]在一个实施方式中，地理数据库113可以由内容提供商129与服务平台125地图开发人员)联合维护。地图开发人员可以采集地理数据来生成和增强地理数据库113。地图开发人员可以使用不同的方法来采集数据。这些方法可以包括从其他来源获得数据，[0086]本文描述的用于预测传感器误差的过程可以有利地通过软件、硬件(如通用处理[0087]图9说明了可以在其上可以执行本发明实施方式的计算机系统900。计算机系统[0089]处理器902在信息上执行一组操作，按照与预测传感器误差有关的计算机程序代[0090]计算机系统900还包括一个与总线910耦合的存储器904。存储器904(如随机存取理器902用于在执行处理器指令期间存储临时值。计算机系统900还包括与总线910耦合的只读存储器(ROM)906或其他静态存储设备，用于存储不被计算机系统900改变的静态信息[0091]信息(包括用于预测传感器误差的指令)被从外部输入设备912(如由人类用户操现文本或图像的阴极射线管(CRT)或液晶显示器(LCD)、或等离子屏幕或打印机)和定位设的小光标图像的位置，并发出与显示在914上的图形元素相关联的命令。在某些实施方式用途的硬件被配置为执行处理器902因为特定原因不能足够快地执行的操作。专用集成电路的例子包括用于生成用于显示914的图形加速器、用于加密和解密总线上发送的消息的[0093]计算机系统900还包括与总线910耦合的通信接口970的一个或多个实例。通信接口970提供一个耦合到各种外部设备单向或双向通信，这些外部设备使用自己的处理器操相应类型电话线的信息通信连接。在某些实施方式中，通信接口970是一种电缆调制解调器，其将总线910上的信号转换为用于同轴电缆上的通信连接的信号或用于光纤电缆上的[0094]这里使用的术语计算机可读介质是指参与向处理器902提供信息，包括用于执行介质。出的语音信号的麦克风放大器。从麦克风1111输出的放大的语音信号被提供给编译码器意合适的无线介质，例如全球微波互联接入(WiMAX)、长期演进(LTE)网络、码分多址[0102]传送到移动站1101的语音信号通过天线1117被接收，并立即被低噪声放大器误差。MCU1103也分别向显示1107传送显示命令和向语音输[0104]编译码器CODEC1113包括模数转换器ADC1123和数模转换器DAC1143。存储器何其他能够存储数字数据的非易失的或非暂时性的存储介[0106]虽然通过若干实施方式和实现方式对本发明进行了描述，但本发明并非局限于