用于运载工具状态估计的系统、方法以及介质与流程

1.本公开涉及用于运载工具状态估计的系统、方法以及介质。


背景技术：

2.自动驾驶运载工具需要能够确定或估计当前运载工具状态，诸如加速度和速度等，使得自动驾驶运载工具可以适当地控制自身。然而，由于包括成本、复杂性、重量等的各种原因，这种运载工具可能仅包括有限数量的传感器。因此，准确地确定或估计这种自动驾驶运载工具的当前运载工具状态可能是具有挑战性的。


技术实现要素：

3.根据本公开的一方面，提供一种用于运载工具状态估计的系统，包括：至少一个处理器；以及存储器，其上存储有指令，所述指令在由所述至少一个处理器执行时使所述至少一个处理器：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来提供指示所述运载工具的当前状态的运载工具状态变量集合。
4.根据本公开的另一方面，提供一种用于运载工具状态估计的方法，包括：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。
5.根据本公开的另一方面，提供至少一个非暂时性存储介质，其存储有指令，所述指令在由包括处理器的计算系统执行时使所述计算系统：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。
附图说明
6.图1是可以实现包括自主系统的一个或多于一个组件的运载工具的示例环境；
7.图2是包括自主系统的运载工具的一个或多于一个系统的图；
8.图3是图1和图2的一个或多于一个装置和/或一个或多于一个系统的组件的图；
9.图4是自主系统的某些组件的图；
10.图5a是示出信号处理系统的示例的框图；
11.图5b是示出图5a的信号处理系统的更详细的框图；
12.图6a是用于运载工具状态估计的信号约定的示例的图示；
13.图6b是用于纵向速度预测的信号约定的示例的图示；
14.图6c是用于侧偏刚度估计的信号约定的示例的图示；
15.图7是示出信号处理操作的示例的数据流图；以及
16.图8是用于基于传感器数据的运载工具状态估计的处理的流程图。
具体实施方式
17.在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本公开的透彻理解。然而，本公开所描述的实施例可以在没有这些具体细节的情况下实施将是明显的。在一些实例中，众所周知的构造和装置是以框图形式例示的，以避免不必要地使本公开的方面模糊。
18.在附图中，为了便于描述，例示了示意要素(诸如表示系统、装置、模块、指令块和/或数据要素等的那些要素等)的具体布置或次序。然而，本领域技术人员将要理解，除非明确描述，否则附图中示意要素的具体次序或布置并不意在意味着要求特定的处理次序或序列、或处理的分离。此外，除非明确描述，否则在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其他要素结合。
19.此外，在附图中，连接要素(诸如实线或虚线或箭头等)用于例示两个或更多个其他示意要素之间或之中的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，要素之间的一些连接、关系或关联未在附图中例示，以便不使本公开内容模糊。此外，为了便于例示，可以使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令(例如，“软件指令”)的通信，本领域技术人员应理解，这种要素可以表示影响通信可能需要的一个或多于一个信号路径(例如，总线)。
20.尽管使用术语“第一”、“第二”和/或“第三”等来描述各种要素，但这些要素不应受这些术语的限制。术语“第一”、“第二”和/或第三”仅用于区分一个要素与另一要素。例如，在没有背离所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点这两者都是触点，但它们不是相同的触点。
21.在本文所描述的各种实施例的说明书中使用的术语仅是为了描述特定实施例的目的而包括的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，并且可以与“一个或多于一个”或者“至少一个”互换使用，除非上下文另有明确说明。还将理解的是，如本文所使用的术语“和/或”是指并且包括关联的列出项中的一个或多于一个的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多于一个其他特征、整数、步骤、操作、要素、组件和/或其群组。
22.如本文所使用的，术语“通信”和“进行通信”是指信息(或者由例如数据、信号、消息、指令和/或命令等表示的信息)的接收、收到、传输、传送和/或提供等中的至少一者。对于要与另一单元进行通信的一个单元(例如，装置、系统、装置或系统的组件、以及/或者它们的组合等)而言，这意味着该一个单元能够直接地或间接地从另一单元接收信息和/或向该另一单元发送(例如，传输)信息。这可以是指本质上为有线和/或无线的直接或间接连接。另外，即使可以在第一单元和第二单元之间修改、处理、中继和/或路由所传输的信息，两个单元也可以彼此进行通信。例如，即使第一单元被动地接收信息并且不主动地向第二单元传输信息，第一单元也可以与第二单元进行通信。作为另一示例，如果至少一个中介单元(例如，位于第一单元和第二单元之间的第三单元)处理从第一单元接收到的信息、并将处理后的信息传输至第二单元，则第一单元可以与第二单元进行通信。在一些实施例中，消息可以是指包括数据的网络分组(例如，数据分组等)。
23.如本文所使用的，取决于上下文，术语“如果”可选地被解释为意指“当
…
时”、“在
…
时”、“响应于确定为”和/或“响应于检测到”等。类似地，取决于上下文，短语“如果已确定”或“如果检测到[所陈述的条件或事件]”可选地被解释为意指“在确定
…
时”、“响应于确定为“或”在检测到[所陈述的条件或事件]时”和/或“响应于检测到[所陈述的条件或事件]”等。此外，如本文所使用的，术语“有”、“具有”或“拥有”等旨在是开放式术语。此外，除非另有明确说明，否则短语“基于”意在是意味着“至少部分基于”。
[0024]
现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其他情况下，尚未详细描述众所周知的方法、过程、组件、电路和网络，以便不会不必要地使实施例的方面模糊。
[0025]
总体概述
[0026]
在一些方面和/或实施例中，本文描述的系统、方法和计算机程序产品包括和/或实现信号处理系统，该信号处理系统接收由设置在运载工具上的一个或多于一个传感器生成的传感器数据。传感器数据可以由信号处理系统使用来计算某些参数，诸如可以用于预测运载工具的横向速度的侧偏刚度值(例如，轮胎在运载工具侧偏的同时抵抗其形状变形的能力，或者更具体地，如下面更详细地描述的横向力相对于轮胎侧滑角的曲线的斜率)等。使用计算的参数，信号处理系统可以预测运载工具的横向速度，并且通过将预测横向速度值输入到递归滤波器(例如，表示运载工具的运动学模型的卡尔曼滤波器)中来输出指示运载工具的当前状态的运载工具状态变量集合。
[0027]
借助于本文描述的系统、方法和计算机程序产品的实现，根据本公开的实施例的用于基于传感器数据的运载工具状态估计的技术允许进行准确的运载工具状态估计，而不使用高精度gps传感器或对于自主运载工具或其他消费者运载工具可能成本过高的其他传感器。这些技术可以提高各种运载工具动力学状态变量的预测和估计的准确性，同时由于不必使用昂贵的gps传感器而保持制造成本处于低水平。通过这样做，本公开中描述的系统可以实现av堆栈中的其他层(诸如预测系统(例如，被配置为确定与运载工具相关联的预测)、规划系统(例如，被配置为生成与运载工具相关联的路线)、控制系统(例如，控制与运载工具相关联的移动或其他操作)等)的性能的改进。
[0028]
如本领域技术人员根据本公开将理解的，本文公开的实施例提高了机动系统和其他非机动运载工具系统的能力，以提供用于更准确地预测和估计各种运载工具动力学状态变量的机制，而不必使用昂贵的gps传感器。用于准确地确定诸如横向速度等的运载工具动力学状态变量的现有技术涉及利用昂贵且复杂的gps传感器。然而，如上文所论述，这种方法对于机动运载工具或其他消费者运载工具来说可能过于昂贵且复杂。
[0029]
相比之下，本公开的实施例利用imu和通常包括在运载工具系统中的其他传感器来进行运载工具状态变量的准确预测和估计，而不使用昂贵的gps传感器。通过这样做，本文描述的运载工具状态估计技术可以提高自主运载工具系统和一般运载工具系统的性能，同时保持制造成本和复杂性处于低水平。
[0030]
因此，当前公开的实施例应对了自主运载工具系统内固有的技术挑战(诸如在不增加制造成本的情况下预测和估计更准确的运载工具状态变量等)。这些技术问题通过本文所述的各种技术解决方案来应对，包括使用轮胎侧偏刚度值来预测横向速度、更新轮胎侧偏刚度值、以及将更新的轮胎侧偏刚度值反馈回横向速度预测处理以计算更新的横向速度预测。因此，本公开表示对现有自主运载工具系统和一般运载工具系统的改进。
[0031]
用于具有自主系统的运载工具的示例环境
[0032]
现在参考图1，例示示例环境100，在该示例环境100中，包括自主系统的运载工具以及不包括自主系统的运载工具进行操作。如所例示的，环境100包括运载工具102a-102n、对象104a-104n、路线106a-106n、区域108、运载工具到基础设施(v2i)装置110、网络112、远程自主运载工具(av)系统114、队列管理系统116和v2i系统118。运载工具102a-102n、运载工具到基础设施(v2i)装置110、网络112、自主运载工具(av)系统114、队列管理系统116和v2i系统118经由有线连接、无线连接、或者有线或无线连接的组合互连(例如，建立用于通信的连接等)。在一些实施例中，对象104a-104n经由有线连接、无线连接、或者有线或无线连接的组合与运载工具102a-102n、运载工具到基础设施(v2i)装置110、网络112、自主运载工具(av)系统114、队列管理系统116和v2i系统118中的至少一者互连。
[0033]
运载工具102a-102n(单独称为运载工具102且统称为运载工具102)包括被配置为运输货物和/或人员的至少一个装置。在一些实施例中，运载工具102被配置为与v2i装置110、远程av系统114、队列管理系统116和/或v2i系统118经由网络112进行通信。在一些实施例中，运载工具102包括小汽车、公共汽车、卡车和/或火车等。在一些实施例中，运载工具102与本文所述的运载工具200(参见图2)相同或类似。在一些实施例中，一组运载工具200中的运载工具200与自主队列管理器相关联。在一些实施例中，如本文所述，运载工具102沿着相应的路线106a-106n(单独称为路线106且统称为路线106)行驶。在一些实施例中，一个或多于一个运载工具102包括自主系统(例如，与自主系统202相同或类似的自主系统)。
[0034]
对象104a-104n(单独称为对象104且统称为对象104)例如包括至少一个运载工具、至少一个行人、至少一个骑车者和/或至少一个构造物(例如，建筑物、标志、消防栓等)等。各对象104(例如，位于固定地点处并在一段时间内)是静止的或(例如，具有速度且与至少一个轨迹相关联地)移动。在一些实施例中，对象104与区域108中的相应地点相关联。
[0035]
路线106a-106n(单独称为路线106且统称为路线106)各自与连接av可以导航所沿着的状态的一系列动作(也称为轨迹)相关联(例如，规定该一系列动作)。各个路线106始于初始状态(例如，与第一时空地点和/或速度等相对应的状态)，并且结束于最终目标状态
(例如，与不同于第一时空地点的第二时空地点相对应的状态)或目标区(例如，可接受状态(例如，终止状态)的子空间)。在一些实施例中，第一状态或区(例如，初始状态)包括一个或多于一个个体将要搭载av的地点，并且第二状态或区(例如，最终目标状态)包括搭载av的一个或多于一个个体将要下车的一个或多于一个地点。在一些实施例中，路线106包括多个可接受的状态序列(例如，多个时空地点序列)，这多个状态序列与多个轨迹相关联(例如，限定多个轨迹)。在示例中，路线106仅包括高级别动作或不精确的状态地点，诸如指示在车行道交叉口处转换方向的一系列连接道路等。附加地或可替代地，路线106可以包括更精确的动作或状态，诸如例如车道区域内的特定目标车道或精确地点以及这些位置处的目标速率等。在示例中，路线106包括沿着具有到达中间目标的有限前瞻视界的至少一个高级别动作的多个精确状态序列，其中有限视界状态序列的连续迭代的组合累积地与共同形成在最终目标状态或区处终止的高级别路线的多个轨迹相对应。
[0036]
区域108包括运载工具102可以导航的物理区域(例如，地理区)。在示例中，区域108包括至少一个州(例如，国家、省、国家中所包括的多个州中的单独州等)、州的至少一部分、至少一个城市、城市的至少一部分等。在一些实施例中，区域108包括至少一个已命名干道(本文称为“道路”)，诸如公路、州际公路、公园道路、城市街道等。附加地或可替代地，在一些示例中，区域108包括至少一个未命名道路，诸如行车道、停车场的一段、空地和/或未开发地区的一段、泥路等。在一些实施例中，道路包括至少一个车道(例如，道路的运载工具102可以穿过的部分)。在示例中，道路包括与至少一个车道标记相关联的(例如，基于至少一个车道标记所识别的)至少一个车道。
[0037]
运载工具到基础设施(v2i)装置110(有时称为运载工具到万物(vehicle-to-everything)(v2x)装置)包括被配置为与运载工具102和/或v2i基础设施系统118进行通信的至少一个装置。在一些实施例中，v2i装置110被配置为与运载工具102、远程av系统114、队列管理系统116和/或v2i系统118经由网络112进行通信。在一些实施例中，v2i装置110包括射频识别(rfid)装置、标牌、照相机(例如，二维(2d)和/或三维(3d)照相机)、车道标记、路灯、停车计时器等。在一些实施例中，v2i装置110被配置为直接与运载工具102进行通信。附加地或可替代地，在一些实施例中，v2i装置110被配置为与运载工具102、远程av系统114和/或队列管理系统116经由v2i系统118进行通信。在一些实施例中，v2i装置110被配置为与v2i系统118经由网络112进行通信。
[0038]
网络112包括一个或多于一个有线和/或无线网络。在示例中，网络112包括蜂窝网络(例如，长期演进(lte)网络、第三代(3g)网络、第四代(4g)网络、第五代(5g)网络、码分多址(cdma)网络等)、公共陆地移动网络(plmn)、局域网(lan)、广域网(wan)、城域网(man)、电话网(例如，公共交换电话网(pstn))、专用网络、自组织网络、内联网、因特网、基于光纤的网络、云计算网络等、以及/或者这些网络中的一部分或全部的组合等。
[0039]
远程av系统114包括被配置为与运载工具102、v2i装置110、网络112、队列管理系统116和/或v2i系统118经由网络112进行通信的至少一个装置。在示例中，远程av系统114包括服务器、服务器组和/或其他类似装置。在一些实施例中，远程av系统114与队列管理系统116位于同一位置。在一些实施例中，远程av系统114参与运载工具的组件(包括自主系统、自主运载工具计算和/或由自主运载工具计算实现的软件等)中的一部分或全部的安装。在一些实施例中，远程av系统114在运载工具的寿命期间维护(例如，更新和/或更换)这
些组件和/或软件。
[0040]
队列管理系统116包括被配置为与运载工具102、v2i装置110、远程av系统114和/或v2i基础设施系统118进行通信的至少一个装置。在示例中，队列管理系统116包括服务器、服务器组和/或其他类似装置。在一些实施例中，队列管理系统116与拼车公司(例如，用于控制多个运载工具(例如，包括自主系统的运载工具和/或不包括自主系统的运载工具)的操作等的组织)相关联。
[0041]
在一些实施例中，v2i系统118包括被配置为与运载工具102、v2i装置110、远程av系统114和/或队列管理系统116经由网络112进行通信的至少一个装置。在一些示例中，v2i系统118被配置为与v2i装置110经由不同于网络112的连接进行通信。在一些实施例中，v2i系统118包括服务器、服务器组和/或其他类似装置。在一些实施例中，v2i系统118与市政当局或私营机构(例如，用于维护v2i装置110的私营机构等)相关联。
[0042]
提供图1所例示的要素的数量和布置作为示例。与图1例示的要素相比，可以存在附加的要素、更少的要素、不同的要素和/或不同布置的要素。附加地或可替代地，环境100的至少一个要素可以进行被描述为由图1的至少一个不同要素进行的一个或多于一个功能。附加地或可替代地，环境100的至少一组要素可以进行被描述为由环境100的至少一个不同组的要素进行的一个或多于一个功能。
[0043]
现在参考图2，运载工具200包括自主系统202、动力总成控制系统204、转向控制系统206和制动系统208。在一些实施例中，运载工具200与运载工具102(参见图1)相同或类似。在一些实施例中，运载工具200具有自主能力(例如，实现如下的至少一个功能、特征和/或装置等，该至少一个功能、特征和/或装置使得运载工具200能够在无人类干预的情况下部分地或完全地操作，其包括但不限于完全自主运载工具(例如，放弃依赖人类干预的运载工具)和/或高度自主运载工具(例如，在某些情形下放弃依赖人类干预的运载工具)等)。对于完全自主运载工具和高度自主运载工具的详细描述，可以参考sae国际标准j3016：道路上机动车自动驾驶系统相关术语的分类和定义(sae international's standard j3016：taxonomy and definitions for terms related to on-road motor vehicle automated driving systems)，其全部内容通过引用而被包含。在一些实施例中，运载工具200与自主队列管理器和/或拼车公司相关联。
[0044]
自主系统202包括传感器套件，该传感器套件包括诸如照相机202a、lidar传感器202b、雷达(radar)传感器202c和麦克风202d等的一个或多于一个装置。在一些实施例中，自主系统202可以包括更多或更少的装置和/或不同的装置(例如，超声波传感器、惯性传感器、(以下论述的)gps接收器、以及/或者用于生成与运载工具200已行驶的距离的指示相关联的数据的里程计传感器等)。在一些实施例中，自主系统202使用自主系统202中所包括的一个或多于一个装置来生成与本文所述的环境100相关联的数据。由自主系统202的一个或多于一个装置生成的数据可以由本文所述的一个或多于一个系统使用以观测运载工具200所位于的环境(例如，环境100)。在一些实施例中，自主系统202包括通信装置202e、自主运载工具计算202f和安全控制器202g。
[0045]
照相机202a包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。照相机202a包括用以捕获包括物理对象(例如，小汽车、公共汽车、路缘和/或人员等)的图
像的至少一个照相机(例如，使用诸如电荷耦合器件(ccd)等的光传感器的数字照相机、热照相机、红外(ir)照相机和/或事件照相机等)。在一些实施例中，照相机202a生成照相机数据作为输出。在一些示例中，照相机202a生成包括与图像相关联的图像数据的照相机数据。在该示例中，图像数据可以指定与图像相对应的至少一个参数(例如，诸如曝光、亮度等的图像特性、以及/或者图像时间戳等)。在这样的示例中，图像可以采用格式(例如，raw、jpeg和/或png等)。在一些实施例中，照相机202a包括配置在(例如，定位在)运载工具上以为了立体影像(立体视觉)的目的而捕获图像的多个独立照相机。在一些示例中，照相机202a包括生成图像数据并将该图像数据传输到自主运载工具计算202f和/或队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)的多个照相机。在这样的示例中，自主运载工具计算202f基于来自至少两个照相机的图像数据来确定多个照相机中的至少两个照相机的视场中的到一个或多于一个对象的深度。在一些实施例中，照相机202a被配置为捕获在相对于照相机202a的距离(例如，高达100米和/或高达1千米等)内的对象的图像。因此，照相机202a包括为了感知在相对于照相机202a一个或多于一个距离处的对象而优化的诸如传感器和镜头等的特征。
[0046]
在实施例中，照相机202a包括被配置为捕获与一个或多于一个交通灯、街道标志和/或提供视觉导航信息的其他物理对象相关联的一个或多于一个图像的至少一个照相机。在一些实施例中，照相机202a生成与一个或多于一个图像相关联的交通灯数据。在一些示例中，照相机202a生成与包括格式(例如，raw、jpeg和/或png等)的一个或多于一个图像相关联的tld数据。在一些实施例中，生成tld数据的照相机202a与本文所述的包含照相机的其他系统的不同之处在于：照相机202a可以包括具有宽视场(例如，广角镜头、鱼眼镜头、以及/或者具有约120度或更大的视角的镜头等)的一个或多于一个照相机，以生成与尽可能多的物理对象有关的图像。
[0047]
激光检测和测距(lidar)传感器202b包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。lidar传感器202b包括被配置为从发光器(例如，激光发射器)发射光的系统。由lidar传感器202b发射的光包括在可见光谱之外的光(例如，红外光等)。在一些实施例中，在操作期间，由lidar传感器202b发射的光遇到物理对象(例如，运载工具)并被反射回到lidar传感器202b。在一些实施例中，由lidar传感器202b发射的光不会穿透该光遇到的物理对象。lidar传感器202b还包括至少一个光检测器，该至少一个光检测器在从发光器发射的光遇到物理对象之后检测到该光。在一些实施例中，与lidar传感器202b相关联的至少一个数据处理系统生成表示lidar传感器202b的视场中所包括的对象的图像(例如，点云和/或组合点云等)。在一些示例中，与lidar传感器202b相关联的至少一个数据处理系统生成表示物理对象的边界和/或物理对象的表面(例如，表面的拓扑结构)等的图像。在这样的示例中，该图像用于确定lidar传感器202b的视场中的物理对象的边界。
[0048]
无线电检测和测距(雷达)传感器202c包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。雷达传感器202c包括被配置为发射(脉冲的或连续的)无线电波的系统。由雷达传感器202c发射的无线电波包括预先确定的频谱内的无线电波。在一些实施例中，在操作期间，由雷达传感器202c发射的无线电波遇到物理对象并被反射回到雷达传
感器202c。在一些实施例中，由雷达传感器202c发射的无线电波未被一些对象反射。在一些实施例中，与雷达传感器202c相关联的至少一个数据处理系统生成表示雷达传感器202c的视场中所包括的对象的信号。例如，与雷达传感器202c相关联的至少一个数据处理系统生成表示物理对象的边界和/或物理对象的表面(例如，表面的拓扑结构)等的图像。在一些示例中，该图像用于确定雷达传感器202c的视场中的物理对象的边界。
[0049]
麦克风202d包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。麦克风202d包括捕获音频信号并生成与该音频信号相关联(例如，表示该音频信号)的数据的一个或多于一个麦克风(例如，阵列麦克风和/或外部麦克风等)。在一些示例中，麦克风202d包括变换器装置和/或类似装置。在一些实施例中，本文所述的一个或多于一个系统可以接收由麦克风202d生成的数据，并基于与该数据相关联的音频信号来确定对象相对于运载工具200的位置(例如，距离等)。
[0050]
通信装置202e包括被配置为与照相机202a、lidar传感器202b、雷达传感器202c、麦克风202d、自主运载工具计算202f、安全控制器202g和/或线控(dbw)系统202h进行通信的至少一个装置。例如，通信装置202e可以包括与图3的通信接口314相同或类似的装置。在一些实施例中，通信装置202e包括运载工具到运载工具(v2v)通信装置(例如，用于实现运载工具之间的数据的无线通信的装置)。
[0051]
自主运载工具计算202f包括被配置为与照相机202a、lidar传感器202b、雷达传感器202c、麦克风202d、通信装置202e、安全控制器202g和/或dbw系统202h进行通信的至少一个装置。在一些示例中，自主运载工具计算202f包括诸如客户端装置、移动装置(例如，蜂窝电话和/或平板电脑等)和/或服务器(例如，包括一个或多于一个中央处理单元和/或图形处理单元等的计算装置)等的装置。在一些实施例中，自主运载工具计算202f与本文所述的自主运载工具计算400相同或类似。附加地或可替代地，在一些实施例中，自主运载工具计算202f被配置为与自主运载工具系统(例如，与图1的远程av系统114相同或类似的自主运载工具系统)、队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)、v2i装置(例如，与图1的v2i装置110相同或类似的v2i装置)和/或v2i系统(例如，与图1的v2i系统118相同或类似的v2i系统)进行通信。
[0052]
安全控制器202g包括被配置为与照相机202a、lidar传感器202b、雷达传感器202c、麦克风202d、通信装置202e、自主运载工具计算202f和/或dbw系统202h进行通信的至少一个装置。在一些示例中，安全控制器202g包括被配置为生成和/或传输控制信号以操作运载工具200的一个或多于一个装置(例如，动力总成控制系统204、转向控制系统206和/或制动系统208等)的一个或多于一个控制器(电气控制器和/或机电控制器等)。在一些实施例中，安全控制器202g被配置为生成优先于(例如，覆盖)由自主运载工具计算202f生成和/或传输的控制信号的控制信号。
[0053]
dbw系统202h包括被配置为与通信装置202e和/或自主运载工具计算202f进行通信的至少一个装置。在一些示例中，dbw系统202h包括被配置为生成和/或传输控制信号以操作运载工具200的一个或多于一个装置(例如，动力总成控制系统204、转向控制系统206和/或制动系统208等)的一个或多于一个控制器(例如，电气控制器和/或机电控制器等)。附加地或可替代地，dbw系统202h的一个或多于一个控制器被配置为生成和/或传输控制信
号以操作运载工具200的至少一个不同的装置(例如，转向信号灯、前灯、门锁和/或挡风玻璃雨刮器等)。
[0054]
动力总成控制系统204包括被配置为与dbw系统202h进行通信的至少一个装置。在一些示例中，动力总成控制系统204包括至少一个控制器和/或致动器等。在一些实施例中，动力总成控制系统204从dbw系统202h接收控制信号，并且动力总成控制系统204使运载工具200开始向前移动、停止向前移动、开始向后移动、停止向后移动、沿某方向加速、沿某方向减速、进行左转和/或进行右转等。在示例中，动力总成控制系统204使提供至运载工具的马达的能量(例如，燃料和/或电力等)增加、保持相同或减少，由此使运载工具200的至少一个轮旋转或不旋转。
[0055]
转向控制系统206包括被配置为使运载工具200的一个或多于一个轮旋转的至少一个装置。在一些示例中，转向控制系统206包括至少一个控制器和/或致动器等。在一些实施例中，转向控制系统206使运载工具200的两个前轮和/或两个后轮向左或向右旋转，以使运载工具200左转或右转。
[0056]
制动系统208包括被配置为使一个或多于一个制动器致动以使运载工具200减速和/或保持静止的至少一个装置。在一些示例中，制动系统208包括被配置为使与运载工具200的一个或多于一个轮相关联的一个或多于一个卡钳在运载工具200的相应转子上闭合的至少一个控制器和/或致动器。附加地或可替代地，在一些示例中，制动系统208包括自动紧急制动(aeb)系统和/或再生制动系统等。
[0057]
在一些实施例中，运载工具200包括用于测量或推断运载工具200的状态或条件的性质的至少一个平台传感器(未明确例示出)。在一些示例中，运载工具200包括诸如全球定位系统(gps)接收器、惯性测量单元(imu)、轮速率传感器、轮制动压力传感器、轮转矩传感器、引擎转矩传感器和/或转向角传感器等的平台传感器。
[0058]
现在参考图3，例示装置300的示意图。如所例示的，装置300包括处理器304、存储器306、存储组件308、输入接口310、输出接口312、通信接口314和总线302。在一些实施例中，装置300对应于：运载工具102的至少一个装置(例如，运载工具102的系统的至少一个装置)；以及/或者网络112的一个或多于一个装置(例如，网络112的系统的一个或多于一个装置)。在一些实施例中，运载工具102的一个或多于一个装置(例如，运载工具102的系统的一个或多于一个装置)、以及/或者网络112的一个或多于一个装置(例如，网络112的系统的一个或多于一个装置)包括至少一个装置300和/或装置300的至少一个组件。如图3所示，装置300包括总线302、处理器304、存储器306、存储组件308、输入接口310、输出接口312和通信接口314。
[0059]
总线302包括许可装置300的组件之间的通信的组件。在一些实施例中，处理器304以硬件、软件、或者硬件和软件的组合来实现。在一些示例中，处理器304包括处理器(例如，中央处理单元(cpu)、图形处理单元(gpu)和/或加速处理单元(apu)等)、麦克风、数字信号处理器(dsp)、以及/或者可被编程为进行至少一个功能的任意处理组件(例如，现场可编程门阵列(fpga)和/或专用集成电路(asic)等)。存储器306包括随机存取存储器(ram)、只读存储器(rom)、以及/或者存储供处理器304使用的数据和/或指令的另一类型的动态和/或静态存储装置(例如，闪速存储器、磁存储器和/或光存储器等)。
[0060]
存储组件308存储与装置300的操作和使用相关的数据和/或软件。在一些示例中，
存储组件308包括硬盘(例如，磁盘、光盘、磁光盘和/或固态盘等)、紧凑盘(cd)、数字多功能盘(dvd)、软盘、盒式磁带、磁带、cd-rom、ram、prom、eprom、flash-eprom、nv-ram和/或另一类型的计算机可读介质、以及相应的驱动器。
[0061]
输入接口310包括许可装置300诸如经由用户输入(例如，触摸屏显示器、键盘、小键盘、鼠标、按钮、开关、麦克风和/或照相机等)等接收信息的组件。附加地或可替代地，在一些实施例中，输入接口310包括用于感测信息的传感器(例如，全球定位系统(gps)接收器、加速度计、陀螺仪和/或致动器等)。输出接口312包括用于提供来自装置300的输出信息的组件(例如，显示器、扬声器和/或一个或多于一个发光二极管(led)等)。
[0062]
在一些实施例中，通信接口314包括许可装置300与其他装置经由有线连接、无线连接、或者有线连接和无线连接的组合进行通信的类似收发器那样的组件(例如，收发器和/或单独的接收器和发射器等)。在一些示例中，通信接口314许可装置300从另一装置接收信息和/或向另一装置提供信息。在一些示例中，通信接口314包括以太网接口、光接口、同轴接口、红外接口、射频(rf)接口、通用串行总线(usb)接口、接口和/或蜂窝网络接口等。
[0063]
在一些实施例中，装置300进行本文所述的一个或多于一个处理。装置300基于处理器304执行由诸如存储器305和/或存储组件308等的计算机可读介质所存储的软件指令来进行这些处理。计算机可读介质(例如，非暂时性计算机可读介质)在本文被限定为非暂时性存储器装置。非暂时性存储器装置包括位于单个物理存储装置内的存储空间或跨多个物理存储装置分布的存储空间。
[0064]
在一些实施例中，经由通信接口314从另一计算机可读介质或从另一装置将软件指令读取到存储器306和/或存储组件308中。存储器306和/或存储组件308中所存储的软件指令在执行时，使处理器304进行本文所述的一个或多于一个处理。附加地或可替代地，代替软件指令或与软件指令组合使用硬连线电路以进行本文所述的一个或多于一个处理。因此，除非另外明确说明，否则本文所描述的实施例不限于硬件电路和软件的任何特定组合。
[0065]
存储器306和/或存储组件308包括数据存储部或至少一个数据结构(例如，数据库等)。装置300能够从存储器306或存储组件308中的数据存储部或至少一个数据结构接收信息，将信息存储在该数据存储部或至少一个数据结构中，将信息通信至该数据存储部或至少一个数据结构，或者搜索该数据存储部或至少一个数据结构中所存储的信息。在一些示例中，该信息包括网络数据、输入数据、输出数据或其任何组合。
[0066]
在一些实施例中，装置300被配置为执行存储在存储器306和/或另一装置(例如，与装置300相同或类似的另一装置)的存储器中的软件指令。如本文所使用的，术语“模块”是指存储器306和/或另一装置的存储器中所存储的至少一个指令，该至少一个指令在由处理器304和/或另一装置(例如，与装置300相同或类似的另一装置)的处理器执行时，使装置300(例如，装置300的至少一个组件)进行本文所述的一个或多于一个处理。在一些实施例中，模块以软件、固件和/或硬件等来实现。
[0067]
提供图3所例示的组件的数量和布置作为示例。在一些实施例中，与图3所例示的组件相比，装置300可以包括附加的组件、更少的组件、不同的组件或不同布置的组件。附加地或可替代地，装置300的一组组件(例如，一个或多于一个组件)可以进行被描述为由装置300的另一组件或另一组组件进行的一个或多于一个功能。
[0068]
现在参考图4，例示出自主运载工具计算400(有时称为“av堆栈”)的示例框图。如所例示的，自主运载工具计算400包括感知系统402(有时称为感知模块)、规划系统404(有时称为规划模块)、定位系统406(有时称为定位模块)、控制系统408(有时称为控制模块)和数据库410。在一些实施例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库410包括在运载工具的自动导航系统(例如，运载工具200的自主运载工具计算202f)中和/或在该自动导航系统中实现。附加地或可替代地，在一些实施例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库410包括在一个或多于一个独立系统(例如，与自主运载工具计算400相同或类似的一个或多于一个系统等)中。在一些示例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库41包括在位于运载工具中的一个或多于一个独立系统以及/或者如本文所述的至少一个远程系统中。在一些实施例中，自主运载工具计算400中所包括的系统中的任意和/或全部以软件(例如，存储器中所存储的软件指令)、计算机硬件(例如，通过微处理器、微控制器、专用集成电路(asic)和/或现场可编程门阵列(fpga)等)、或者计算机软件和计算机硬件的组合来实现。还将理解，在一些实施例中，自主运载工具计算400被配置为与远程系统(例如，与远程av系统114相同或类似的自主运载工具系统、与队列管理系统116相同或类似的队列管理系统116、以及/或者与v2i系统118相同或类似的v2i系统等)进行通信。
[0069]
在一些实施例中，感知系统402接收与环境中的至少一个物理对象相关联的数据(例如，感知系统402检测至少一个物理对象所使用的数据)，并对该至少一个物理对象进行分类。在一些示例中，感知系统402接收由至少一个照相机(例如，照相机202a)捕获到的图像数据，该图像与该至少一个照相机的视场内的一个或多于一个物理对象相关联(例如，表示该一个或多于一个物理对象)。在这样的示例中，感知系统402基于物理对象(例如，自行车、运载工具、交通标志和/或行人等)的一个或多于一个分组来对至少一个物理对象进行分类。在一些实施例中，基于感知系统402对物理对象进行分类，感知系统402将与物理对象的分类相关联的数据传输到规划系统404。
[0070]
在一些实施例中，规划系统404接收与目的地相关联的数据，并且生成与运载工具(例如，运载工具102)可以朝向目的地行驶所沿着的至少一个路线(例如，路线106)相关联的数据。在一些实施例中，规划系统404定期地或连续地从感知系统402接收数据(例如，上述的与物理对象的分类相关联的数据)，并且规划系统404基于感知系统402所生成的数据来更新至少一个轨迹或生成至少一个不同轨迹。在一些实施例中，规划系统404从定位系统406接收与运载工具(例如，运载工具102)的更新位置相关联的数据，并且规划系统404基于定位系统406所生成的数据来更新至少一个轨迹或生成至少一个不同轨迹。
[0071]
在一些实施例中，定位系统406接收与运载工具(例如，运载工具102)在区域中的地点相关联(例如，表示该地点)的数据。在一些示例中，定位系统406接收与至少一个lidar传感器(例如，lidar传感器202b)所生成的至少一个点云相关联的lidar数据。在某些示例中，定位系统406从多个lidar传感器接收与至少一个点云相关联的数据，并且定位系统406基于各个点云来生成组合点云。在这些示例中，定位系统406将该至少一个点云或组合点云与数据库410中所存储的区域的二维(2d)和/或三维(3d)地图进行比较。然后，基于定位系统406将至少一个点云或组合点云与地图进行比较，定位系统406确定运载工具在区域中的位置。在一些实施例中，地图包括运载工具的导航之前生成的该区域的组合点云。在一些实
施例中，地图包括但不限于车行道几何性质的高精度地图、描述道路网连接性质的地图、描述车行道物理性质(诸如交通速率、交通流量、运载工具和自行车交通车道的数量、车道宽度、车道交通方向或车道标记的类型和地点、或者它们的组合等)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其他行驶信号灯等)的空间地点的地图。在一些实施例中，基于感知系统所接收到的数据来实时地生成地图。
[0072]
在另一示例中，定位系统406接收由全球定位系统(gps)接收器所生成的全球导航卫星系统(gnss)数据。在一些示例中，定位系统406接收与运载工具在区域中的地点相关联的gnss数据，并且定位系统406确定运载工具在区域中的纬度和经度。在这样的示例中，定位系统406基于运载工具的纬度和经度来确定运载工具在区域中的位置。在一些实施例中，定位系统406生成与运载工具的位置相关联的数据。在一些示例中，基于定位系统406确定运载工具的位置，定位系统406生成与运载工具的位置相关联的数据。在这样的示例中，与运载工具的位置相关联的数据包括与对应于运载工具的位置的一个或多于一个语义性质相关联的数据。
[0073]
在一些实施例中，控制系统408从规划系统404接收与至少一个轨迹相关联的数据，并且控制系统408控制运载工具的操作。在一些示例中，控制系统408从规划系统404接收与至少一个轨迹相关联的数据，并且控制系统408通过生成并传输控制信号以使动力总成控制系统(例如，dbw系统202h和/或动力总成控制系统204等)、转向控制系统(例如，转向控制系统206)和/或制动系统(例如，制动系统208)进行操作，来控制运载工具的操作。在示例中，在轨迹包括左转的情况下，控制系统408传输控制信号以使转向控制系统206调整运载工具200的转向角，由此使运载工具200左转。附加地或可替代地，控制系统408生成并传输控制信号以使运载工具200的其他装置(例如，前灯、转向信号灯、门锁和/或挡风玻璃雨刮器等)改变状态。
[0074]
在一些实施例中，感知系统402、规划系统404、定位系统406和/或控制系统408实现至少一个机器学习模型(例如，至少一个多层感知器(mlp)、至少一个卷积神经网络(cnn)、至少一个递归神经网络(rnn)、至少一个自动编码器和/或至少一个变换器等)。在一些示例中，感知系统402、规划系统404、定位系统406和/或控制系统408单独地或与上述系统中的一个或多于一个结合地实现至少一个机器学习模型。在一些示例中，感知系统402、规划系统404、定位系统406和/或控制系统408实现至少一个机器学习模型作为管道(例如，用于识别位于环境中的一个或多于一个对象的管道等)的一部分。
[0075]
数据库410存储传输至感知系统402、规划系统404、定位系统406和/或控制系统408的、从其接收到的、以及/或者由其更新的数据。在一些示例中，数据库410包括用于存储与操作相关的数据和/或软件、并使用自主运载工具计算400的至少一个系统的存储组件(例如，与图3的存储组件308相同或类似的存储组件)。在一些实施例中，数据库410存储与至少一个区域的2d和/或3d地图相关联的数据。在一些示例中，数据库410存储与城市的一部分、多个城市的多个部分、多个城市、县、州和/或国家(state)(例如，国家)等的2d和/或3d地图相关联的数据。在这样的示例中，运载工具(例如，与运载工具102和/或运载工具200相同或类似的运载工具)可以沿着一个或多于一个可驾驶区(例如，单车道道路、多车道道路、高速公路、偏僻道路和/或越野道路等)驾驶，并且使至少一个lidar传感器(例如，与lidar传感器202b相同或类似的lidar传感器)生成与表示该至少一个lidar传感器的视场
中所包括的对象的图像相关联的数据。
[0076]
在一些实施例中，数据库410可以跨多个装置来实现。在一些示例中，数据库410包括在运载工具(例如，与运载工具102和/或运载工具200相同或类似的运载工具)、自主运载工具系统(例如，与远程av系统114相同或类似的自主运载工具系统)、队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)中和/或v2i系统(例如，与图1的v2i系统118相同或类似的v2i系统)等中。
[0077]
基于传感器数据来估计运载工具状态变量
[0078]
自主运载工具系统通常使用各种运载工具状态变量来描述运载工具的当前状态并允许自主运载工具堆栈中的其他层进行其各自的任务。可用于确定这种运载工具状态变量的一种机制是高精度gps传感器。这种gps传感器可以以高准确度生成诸如横向速度等的运载工具状态变量。然而，这种gps传感器可能花费数万美元，使得其在日常运载工具中使用是不切实际的。
[0079]
为了应对这个问题，信号处理系统可以使用由imu和运载工具上的其他传感器生成的传感器数据来估计运载工具状态变量，而不使用这种gps传感器。更具体地，信号处理系统包括与侧偏刚度估计器通信的横向速度预测器，侧偏刚度估计器定期地更新由横向速度预测器使用的侧偏刚度值以计算横向速度。然后将横向速度馈送到卡尔曼滤波器中，该卡尔曼滤波器输出运载工具状态变量。
[0080]
这些技术的一些优点包括使用imu传感器数据对各种状态变量的预测和估计的准确性得以提高，而不必依赖于更昂贵的gps传感器。更准确的运载工具状态变量预测和估计可以使av堆栈中的其他层(诸如预测系统和规划系统等)的性能提高。下面参考图5a、5b、6a-6c、7和8更详细地描述这些技术。
[0081]
信号处理环境
[0082]
图5a是示出信号处理环境500的示例的框图。在所示示例中，信号处理环境500包括与传感器504通信地耦接的信号处理系统502。在一些实施例中，传感器504可以与图2中的传感器202a-202d和/或图3中的输入接口310相同或类似。在一些情况下，信号处理环境500和/或信号处理系统502可以形成本文至少参考图4描述的感知系统402的至少一部分。
[0083]
传感器504生成传感器数据506并将传感器数据506通信到信号处理系统502。传感器504可以包括惯性测量单元(imu)、轮速率传感器、转向角传感器等中的任何一个或任何组合。类似地，传感器数据506可以包括不同类型的传感器数据，诸如前向和横向加速度、偏航率等。在一些实施例中，传感器数据506包括沿x轴的加速度(在本文中也称为前向加速度)、沿y轴的加速度(在本文中也称为横向加速度)、沿z轴的加速度、侧倾率、俯仰率和偏航率中的任何一个或任何组合。
[0084]
在一些实施例中，信号处理系统502可以从除传感器504之外的不同组件获得传感器数据506。此外，一个或多于一个传感器504和/或不同的组件可以在信号处理系统502获得传感器数据506之前进行初步信号处理以修改传感器数据506。
[0085]
信号处理系统502包括被配置为处理传感器数据506的信号处理器508。信号处理器508可以对传感器数据506进行各种信号处理任务。在一些实施例中，信号处理器508可以基于或使用一个或多于一个更新的参数512、一个或多于一个默认参数或者信号处理器508可用的其他参数来这样做。例如，信号处理器508可以基于或使用传感器数据506、其他参数
和/或任何等式或滤波器来预测或估计一个或多于一个运载工具状态变量，并且输出预测或估计的变量作为经处理的传感器数据510。
[0086]
应当理解，信号处理系统502可以包括更少、更多或不同的组件。例如，信号处理系统502可以包括对传感器数据506进行不同处理功能以及/或者处理来自不同传感器504的传感器数据506的多个信号处理器508。
[0087]
信号处理器508还可以生成更新的参数512，其可以包括由信号处理器508使用的一个或多于一个参数、变量或值的更新版本，以生成包括在经处理的传感器数据510中的数据。然后，信号处理器508可以使用更新的参数512来生成更新的经处理的传感器数据510。例如，更新的参数512可以包括侧偏刚度值，其可以用于预测或估计运载工具的横向速度。在这样的示例中，在更新侧偏刚度值之后，信号处理器508还可以基于更新的侧偏刚度值来更新横向速度。
[0088]
在一些实施例中，信号处理器508定期地生成更新的参数512(例如，每分钟、每小时、每天、每周、每月或一些其他预定义时段)。在其他实施例中，信号处理器508在检测到用于生成更新的参数512的当前版本的信息的变化时生成更新的参数512。作为示例，当横向力和/或法向力的更新值可用于信号处理器508时，信号处理器508可以生成侧偏刚度的更新值(参见图5b)。通过连续更新用于预测和/或估计运载工具状态变量的参数，信号处理器508可以提高作为经处理的传感器数据510输出到环境(例如，环境100)中的一个或多于一个其他系统的运载工具状态变量的准确性。下面参考图5b更详细地描述信号处理器508(和信号处理系统502)的操作。
[0089]
信号处理系统的详细描述
[0090]
图5b是示出根据一些实施例的图5a的信号处理系统的更详细的框图。在所示示例中，信号处理系统502接收控制器局域网(can)信号520(在本文中也称为can总线信号)，并且包括数据预处理块502a、前向速度预测块502b、横向速度预测块502c、横向力预测块502d、法向力预测块502e、侧偏刚度估计块502f和运动学滤波器块502g(这些也统称为块502)。尽管未在图5b中示出，但是信号处理系统502可以将估计或预测的运载工具状态变量中的一个或多于一个(例如，被指示为由框502f和502g输出的变量的任何组合)输出到运载工具的一个或多于一个其他系统(例如，图4中所示的那些系统)。
[0091]
can总线信号
[0092]
can信号520可以包括指示前向和横向加速度、偏航率等的惯性测量单元(imu)传感器数据、指示(一个或多于一个)轮/轮胎速率的轮/轮胎速率传感器数据、指示转向角的转向角传感器数据等(包括本文所述的任何其他信号或值)。
[0093]
数据预处理
[0094]
在数据预处理块502a处，信号处理系统502预处理can信号520以供图5b所示的块502使用。
[0095]
可以由信号处理系统502进行的一个预处理是偏差去除(或偏差减少)。例如，imu可能不总是位于运载工具的重心(“cg”)，其确切位置可以根据(一个或多于一个)乘客和/或货物的重量分布而改变。在一些情况下，这可能使imu传感器数据的直接使用不可靠。另外，imu可能具有可能需要校正(例如，由于供imu使用的组件中的缺陷)的内置偏差(例如，运载工具不移动时的非零加速度值)。除了偏差去除之外，信号处理系统502还可以进行各
种信号融合(例如，融合轮速率以预测运载工具纵向速度)、信号变换(例如，下面的等式(1))等。
[0096]
偏差确定和去除的一种方法包括使用在测试运载工具上在高加速度、中至高运载工具前向速度和相对突然的转向输入的情况下收集的“地面真值”数据，并且验证相对于地面真值数据的运载工具的内置imu偏差。示例实验设置可以包括配备有imu和gps传感器(例如，由oxford technical solutions ltd.制造的rt3000型全球导航卫星系统(gnss)和惯性导航系统(ins))的测试运载工具、用于驾驶测试运载工具的高摩擦系数(“高mu”)路面(例如，汽车赛道)以及从在路面上驾驶测试运载工具收集的多个驾驶循环数据集(例如，5个集合)。
[0097]
在示例实验设置中，以下关系用于收集gps传感器数据集(根据图6a-6c中所示并在下表1中定义的约定)：
[0098][0099]
其中vy(cg)、a
x
(cg)和ay(cg)表示反映到测试运载工具的重心(cg)上的gps测量结果vy(gps)、a
x
(gps)和ay(gps)，并且dx表示运载工具的cg与gps传感器的位置之间沿纵轴(x轴)的偏移距离。
[0100]
图6a是用于运载工具状态估计的信号约定的示例的图示。如图6a所示，信号约定的x轴沿着运载工具的前向方向设置，信号约定的y轴沿着运载工具的横向方向设置，并且信号约定的z轴沿着垂直于运载工具的前向方向和横向方向这两者的方向设置。图6a还示出了绕x轴的角速度ω
x
、绕y轴的角速度ωy和绕z轴的角速度ωz。
[0101]
另外，在下表1中提供本文使用的变量列表及其定义：
[0102][0103]
表1变量的列表及定义
[0104]
在一些实施例中，信号处理系统502通过确定gps测量结果和imu测量结果之间的差，在数据预处理块502a中计算并去除(或减少)imu中的偏差。例如，可以使用以下等式计算横向加速度或前向加速度的偏差：
[0105]
bias：＝|a
gps-a
imu
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0106]
为了减少或最小化噪声的影响，可以如下对所计算的偏差值使用低通滤波器：
[0107]
bias
filt
(k)＝λbias
filt
(k-1)+(1-λ)bias(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0108]
在等式(3)中，k表示当前采样时刻，k-1表示先前采样时刻，bias()表示包括噪声的原始偏差计算函数，并且bias
filt
()表示经滤波的偏差计算函数，其不包括bias()中包括的至少一些噪声(从而平滑偏差计算)。
[0109]
在其他实施例中，信号处理系统502使用预定条件(例如，当运载工具处于静止或慢速运动时，通过将imu中的非零趋势或非零常数值归零)来确定偏差，而不依赖于gps传感器。在这样的实施例中，使用实时数据来进行偏差减少或去除。
[0110]
前向速度预测
[0111]
在前向速度预测块502b处，信号处理系统502计算运载工具前向速度(也称为纵向速度)的预测值，以前馈到运载工具动力学状态估计(例如，由运动学滤波器块502g进行的速度估计)中。轮的旋转速率是与运载工具纵向速度有关的主要信息源。因此，在一些实施例中，信号处理系统502(例如，在如图5b所示的数据预处理块502a处)通过将使用编码器测量的轮角速率乘以恒定滚动半径来计算等效线性轮速度(v
fl
、v
fr
、v
rl
、v
rr
，其在图5b中示出为vw(1：4))。
[0112]
然而，轮在加速和制动期间倾向于纵向滑动。此外，当前轮转向时，其纵向方向不与运载工具对齐，并且偏航率增加了附加项。因此，在一些实施例中，可以如下计算修改后的速度值：
[0113][0114]
其中和是测量的轮的等效线性速度，并且l是两个后轮(或两个前轮)之间的距离。
[0115]
图6b是用于纵向速度预测的信号约定的示例的图示。根据该信号约定，四个轮速度(v
fl
、v
fr
、v
rl
、v
rr
)可以用于如下表示运载工具前向速度：
[0116][0117][0118][0119][0120]
可以使用径向基函数将这些表达式融合为加权和，以获得cg处的前向速度的预测，如下所示：
[0121][0122]
其中，
[0123][0124]
在等式(4.3)中，是所预测前向速度的先前样本值，并且另外，参数σ
ax
和(4个值)是可调的，并且反映了前向加速度a
x
和不同轮速率的不确定性/可靠性水平。
[0125]
附加地或可替代地，为了考虑纵向滑动的影响，信号处理系统502可以通过以下方式来计算前向速度的预测(在图5b中示出为v
x，pred
)：(i)如果前向加速度处于或高于正加速度阈值，则识别并使用轮速度(v
fl
、v
fr
、v
rl
、v
rr
)的最大值；(ii)如果前向加速度处于或低于负加速度阈值(即，减速度阈值)，则识别并使用轮速度(v
fl
、v
fr
、v
rl
、v
rr
)的最小值；以及(iii)如果前向加速度在正加速度阈值和负加速度阈值之间，则计算轮速度的加权均值，其中分配给各个轮速度的权重取决于各个轮速度测量结果的可靠性及其对所估计速度的影响(例如，各个轮的滑动趋势)。
[0126]
在一些实施例中，在前向速度的预测中仅使用轮速度的子集(例如，仅后轮、仅前轮等)。如图5b所示，预测的前向速度被提供给横向速度预测块502c和运动学滤波器块502g。
[0127]
横向速度预测
[0128]
在横向速度预测块502c处，信号处理系统502计算运载工具横向速度的预测值，以前馈到运载工具动力学状态估计(例如，由运动学滤波器块502g进行的速度估计)中。
[0129]
横向速度预测的一种方法是由以下等式定义的运动学方法：
[0130][0131]
其中，lf和lr分别是从运载工具cg到前轴和后轴的距离。在一些情况下，针对v
x
和vy的小值，使用该近似。
[0132]
横向速度预测的另一种方法是使用自行车模型的动力学方法：
[0133][0134]
其中，m和iz分别是运载工具的质量和偏航惯性矩。该模型为线性轮胎力操作范围内的横向动力学提供了良好的近似。
[0135]
横向速度预测的又一种方法是运动学方法，其中使用横向轮胎力获得以下：
[0136][0137]
其中这里，f
yf
和f
yr
分别表示前/后横向力。
[0138]
横向速度预测的又一种方法是与上述方法密切相关的运动学方法：
[0139][0140]
其中是偏航角的加速度。
[0141]
横向速度预测的又一种方法涉及以下力和力矩平衡等式(忽略风阻力)：
[0142][0143]
其中m是运载工具质量，f
yf
和f
yr
分别是前轴和后轴处的横向力，并且jz是相对于z轴的运载工具惯性矩。
[0144]
通过将第一等式乘以lf、减去第二等式、并代入f
yr
，信号处理系统502可以获得：
[0145][0146]
通过求解vy，信号处理系统502可以获得用于预测横向速度的以下表达式：
[0147][0148]
其中l＝lf+lr，并且c
ar
是后轮胎侧偏刚度(在本文中也称为cr)。
[0149]
在一些情况下，因为上述方法仅依赖于cr(或上述等式中的c
ar
)而不依赖于cf(例如，在cf不如cr准确的情况下)，所以使用以上述方式预测的横向速度的来自框502g的所估计横向速度可以更准确。
[0150]
尽管本文描述了根据一些实施例的横向速度预测的若干方法，但是在其他实施例中，使用了横向速度预测的不同方法。
[0151]
横向力和法向力的预测
[0152]
在横向力预测块502d和法向力预测块502e处，信号处理系统502分别计算横向力和法向力的预测值。可以使用传感器数据(例如，前向加速度、横向加速度、转向角和偏航率)和来自框502b的其他预测值(例如，前向速度预测)来计算横向力和法向力。
[0153]
例如，前轴上的横向力(f
yf
)、后轴上的横向力(f
yr
)、前轴上的法向力(f
zf
)和后轴上的法向力(f
zr
)可以使用以下等式(使用图6c中所示的约定)来计算：
[0154][0155][0156][0157][0158]
其中h
cg
表示运载工具的cg的高度，并且m和m
tot
表示运载工具的总质量。
[0159]
在其他实施例中，可以使用计算横向力和法向力的其他已知方法。
[0160]
侧偏刚度估计
[0161]
在侧偏刚度估计块502f处，信号处理系统502估计前轮胎和后轮胎的侧偏刚度。下面根据图6c中所示的约定描述本文提及的估计侧偏刚度值的示例处理。
[0162]
估计方法
[0163]
基于使用全球导航卫星系统(gnss)和/或惯性导航系统(ins)(例如rt3000)在测试装置上收集的数据，可以基于运载工具自行车模型上的力矩平衡和力平衡等式来计算前轮胎上的预测横向力f
yf
和后轮胎上的预测横向力f
yr
：
[0164][0165]
其中ay是变换到重心(cg)(例如，实际cg或所估计或预定cg)上的横向加速度的测试装置测量结果。
[0166]
在小rwa区域中，横向轮胎力可以用与轮胎滑移角αf和αr的线性关系表示：
[0167][0168]
其中，δ是道路轮角(rwa：road wheel angle)(在本文中也称为转向角)，并且在小rwa区域中，前速度角和后速度角(前轮胎侧滑角和后轮胎侧滑角)可以由以下来近似：
[0169][0170]
利用所收集的数据，信号处理系统502可以绘制f
yf vsαf以及f
yr vsαr，并且使用线性拟合来识别参数cf和cr(侧偏刚度值)。在一些实施例中，信号处理系统502修整线性区域之外的数据，并且聚焦于f
yf vsαf以及f
yr vsαr的图线(plot)的小rwa区域。然后，信号处理系统502对f
yf vsαf以及f
yr vsαr的图线进行线性拟合(y＝a*x)以确定参数cf和cr。
[0171]
为了验证所确定的cf和cr的值，信号处理系统502将cf和cr值输入到运载工具状态估计器中，并且将通过对动力学自行车模型进行积分而预测的vy的值与使用所确定的cf和cr值预测的vy的值进行比较。在一些实施例中，信号处理系统502确定两个值之间的差是否低于阈值水平，在这种情况下，所确定的cf和cr值被验证。在其他实施例中，信号处理系统502确定这两个值之间的差是否小于在使用与所确定的cf和cr值不同的默认cf和cr值的情况下的两个值之间的差，在这种情况下，所确定的cf和cr值被验证。如本文所述，信号处理系统502可以连续地或定期地更新cf和cr值(例如，供信号处理系统502的其他块或其他系统使用)。
[0172]
运载工具状态估计
[0173]
在运动学滤波器块502g处，信号处理系统502使用传感器数据和输入到块502g中的任何预测或估计的变量来进行运载工具状态估计。运载工具动力学(vd：vehicle dynamics)状态估计涉及估计控制运载工具的前向和横向运动所需的多个重要信号。在框502g处的运载工具状态估计之前可能已经进行的多个算法包括以下项中的一个或多于一个：
[0174]
·
imu(原始)数据预处理和偏差去除
[0175]
·
运载工具横向力计算(前/后轴)
[0176]
·
运载工具前向速度/轮胎速率融合
[0177]
·
运载工具横向速度预测
[0178]
·
轮胎侧偏刚度的计算与更新
[0179]
运动学滤波器块502g可以包括递归滤波器(例如，运动学卡尔曼滤波器(kf))，其可以用于进行以下任务：
[0180]
·
根据从融合轮速率获得的预测值来估计v
x
[0181]
·
估计vy、俯仰角和侧倾角
[0182]
可以用于实现框502g中使用的滤波器的一个示例模型是以下运动学模型：
[0183][0184]
在第一等式的左侧提供了包括运载工具状态变量的变化率的矩阵(例如，前向速度v
x
的变化率、横向速度vy的变化率、g
x
和gy的变化率(其在上面的第三等式中被定义并且涉及俯仰角和侧倾角))。在第一等式的右侧提供了指示卡尔曼滤波器的动力学乘以目标矩阵(例如，状态矢量)的4
×
4矩阵以及还包括输入值(例如，前向加速度a
x
和横向加速度ay)的输入矩阵，该目标矩阵包括要由卡尔曼滤波器估计(例如，并输出到与信号处理系统502通信的其他系统)的运载工具状态变量。如输出信号y(第二等式)所示，卡尔曼滤波器可以输出包括估计的前向速度v
x
和估计的横向速度vy的输出矢量。在一些实施例中，卡尔曼滤波器的误差率被计算为预测值减去估计值(例如，(v
x，pred-v
x_hat
，v
y，pred-v
y_hat
))，并且信号处理系统502可以基于误差率低于阈值来确定为卡尔曼滤波器成功地估计了估计值。
[0185]
尽管不是该等式的一部分，但是运动学滤波器块502g还可以包括轮胎侧滑角αf和αr的计算。作为一个示例，前轮胎侧滑角αf和αr可以使用以下等式(使用图6c中所示的约定)来计算：
[0186][0187]
在一些实施例中，使用欧拉离散时间等效物来实现滤波器。如上述运动学模型所示，卡尔曼滤波器接收vy的预测值(当运载工具正在进行直线运动(即，偏航率为零或接近零)时，其可以减少噪声)。这样做可以改善卡尔曼滤波器的性能。本文描述了横向速度预测的许多不同方法，并且可以将横向速度的任何预测值馈送到卡尔曼滤波器中以进行运载工具状态估计，包括横向速度估计。
[0188]
将运载工具状态变量输出到其他系统
[0189]
使用在图5b中所示的任何框处确定或估计的变量的任何组合，信号处理系统502可以连续地或定期地将运载工具状态变量输出到运载工具的一个或多于一个其他系统(例如，图4中所示的那些系统)，使得这样的系统可以利用运载工具状态变量来进行其各自的操作(例如，控制运载工具移动、进行其他预测或估计等)。例如，这种运载工具状态变量可以用于横向速度和前向速度控制，以使运载工具遵循给定轨迹并预测或估计轨迹的曲率。
[0190]
这种实现的示例在图7中示出。图7示出了用于基于传感器数据的运载工具状态估计的处理的实现700的图。在一些实施例中，实现700包括信号处理系统702a、规划系统702b和控制系统702c。在一些实施例中，信号处理系统702a与信号处理系统502相同或类似。在一些实施例中，规划系统702b与规划系统404相同或类似。在一些实施例中，控制系统702c与控制系统408相同或类似。
[0191]
如图7所示，在704处，由信号处理系统702a(例如，以与参考图5a和5b描述的方式类似的方式)处理传感器数据，并且在706处，由信号处理系统702a将经处理的传感器数据(其可以包括参考图5a和5b描述的运载工具状态变量中的一个或多于一个)传输到规划系统702b和控制系统702c(例如，如由图5a和5b中的信号处理系统502所完成的)。例如，规划系统702b可以使用经处理的传感器数据来生成与运载工具相关联的路线，并且控制系统702c可以使用经处理的传感器数据来控制与运载工具相关联的操作。尽管系统702b和702c作为示例示出，但是更少或更多的系统可以与信号处理系统702a通信并且被配置为接收经处理的传感器数据(706)以用于其各自的任务。
[0192]
示例流程图
[0193]
现在参考图8，示出了用于基于传感器数据的运载工具状态估计的处理800的流程图。在一些实施例中，关于处理800描述的一个或多于一个步骤由自主系统202(例如，完全地、部分地等)进行。另外或替代地，在一些实施例中，关于处理800描述的一个或多于一个步骤由与自主系统202分离或包括自主系统202的另一装置或装置组(例如，完全地、部分地等)进行。图8中所示的流程图仅出于说明性目的而提供。应当理解，可以移除图8所示的例程的一个或多于一个步骤，或者可以改变步骤的顺序。此外，出于说明清楚示例的目的，在各个数据流阶段期间进行各种操作的上下文中描述了一个或多于一个特定系统组件。然而，可以使用其他系统布置和跨系统组件的处理步骤的分布。
[0194]
在框802处，信号处理系统502接收由设置在运载工具上的一个或多于一个传感器生成的传感器数据。传感器可以包括imu(例如，6-dof imu)、轮速率传感器、转向角传感器等。例如，imu可以位于运载工具的重心处或运载工具上的附近位置处。在一些实施例中，传感器不包括gps传感器或被配置为检测前向或横向速度的其他传感器。
[0195]
由一个或多于一个传感器生成的传感器数据可以包括运载工具的前向加速度值、运载工具的横向加速度值、运载工具的转向角、各个轮(例如，左前、右前、左后和右后)的轮旋转速率等的一个或多于一个组合。在一些实施例中，信号处理系统502在进入框804之前对传感器数据进行一个或多于一个预处理操作(例如，偏差去除、信号融合、信号变换等)。
[0196]
在框804处，信号处理系统502至少部分地基于由传感器数据指示的转向角和横向加速度来计算与运载工具相关联的侧偏刚度值。例如，信号处理系统502可以根据上面结合框502f描述的技术来计算侧偏刚度值。
[0197]
在框806处，信号处理系统502至少部分地基于侧偏刚度值来预测与运载工具相关联的横向速度值。例如，信号处理系统502可以根据上面结合框502c描述的技术来预测横向速度值。
[0198]
在框808处，信号处理系统502至少通过将横向速度值输入到递归滤波器中来输出指示运载工具的当前状态的运载工具状态变量集合。例如，运载工具状态变量集合可以包括通过将预测横向速度与图5b中所示的其他变量一起输入到递归滤波器(例如，卡尔曼滤
波器)中而确定的横向速度的估计值。另外，如图5b所示，信号处理系统502还可以输出估计的侧偏刚度值。
[0199]
在一些实施例中，由信号处理系统502输出的运载工具状态变量中的一个或多于一个用于控制运载工具的移动。在一些这样的实施例中，这种控制涉及使运载工具在没有人类驾驶员辅助的情况下被自主地控制。
[0200]
尽管未在图8中示出，但是信号处理系统502可以继续迭代地计算更新的侧偏刚度值，计算更新的预测横向速度值，将更新的预测横向速度值输入到递归滤波器中，并且将由递归滤波器输出的更新的估计运载工具动力学状态变量输出到与信号处理系统502通信的一个或多于一个外部系统。例如，可以使用在框806处确定的预测横向速度或在框808处确定的估计横向速度来计算更新的侧偏刚度值。在一些情况下，作为传感器数据的一部分接收的更新的偏航率也用于计算更新的侧偏刚度值。附加地或可替代地，可以使用其他预测或估计变量的更新版本来计算更新的侧偏刚度值(例如，由图5b的框502g输出的侧滑角)。
[0201]
在一些实施例中，信号处理系统502定期地或根据预定时间表(例如，每分钟、每10分钟、每小时等)计算更新的侧偏刚度值。在其他实施例中，信号处理系统502响应于用于计算侧偏刚度值的一个或多于一个变量(例如，横向力、侧滑角等)的变化或者响应于检测到这些(一个或多于一个)变量的阈值变化量来计算更新的侧偏刚度值。
[0202]
应当理解，可以使用不同的传感器数据506和/或不同的更新的参数512多次重复例程800。在一些情况下，随着运载工具行驶并捕获传感器数据506，信号处理系统502可以迭代地重复例程800。此外，信号处理系统502可以针对不同的传感器和/或传感器的不同参数重复例程800。
[0203]
在本节中提供了一些枚举的示例实现(ei)，但不限于此。
[0204]
ei 1：一种系统，包括：至少一个处理器；以及存储器，其上存储有指令，所述指令在由所述至少一个处理器执行时使所述至少一个处理器：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来提供指示所述运载工具的当前状态的运载工具状态变量集合。
[0205]
ei 2：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为使得使用指示所述运载工具的当前状态的所述运载工具状态变量集合来控制所述运载工具的移动。
[0206]
ei 3：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为使得使用指示所述运载工具的当前状态的所述运载工具状态变量集合在放弃对人类驾驶员辅助的依赖情况下自主地控制所述运载工具的移动。
[0207]
ei 4：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于所述传感器数据来预测与所述运载工具相关联的前向速度值，并且将所述前向速度值输入到所述递归滤波器中。
[0208]
ei 5：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于所述传感器数据来预测与所述运载工具相关联的横向力值和法向力值，并且至少部分地基于
所述横向力值和所述法向力值来计算所述侧偏刚度值。
[0209]
ei 6：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为确定要对所述传感器数据进行偏差去除处理，并且在使用所述传感器数据来计算所述侧偏刚度值之前对所述传感器数据进行所述偏差去除处理。
[0210]
ei 7：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于所述运载工具状态变量集合来更新所述侧偏刚度值。
[0211]
ei 8：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于更新的侧偏刚度值来更新所述横向速度值。
[0212]
ei 9：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于更新的横向速度值来更新所述运载工具状态变量集合。
[0213]
ei 10：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为定期地更新所述侧偏刚度值，并且还基于更新的侧偏刚度值来更新所述横向速度值。
[0214]
ei 11：根据任一前述ei所述的系统，其中，所述侧偏刚度值包括前侧偏刚度值和后侧偏刚度值。
[0215]
ei 12：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为将所述运载工具状态变量集合输出到以下各系统其中至少之一：(i)规划系统，其中输出到所述规划系统的所述运载工具状态变量集合被配置为使所述规划系统基于所述运载工具状态变量集合来生成与所述运载工具相关联的路线，(ii)控制系统，其中输出到所述控制系统的所述运载工具状态变量集合被配置为使所述控制系统基于所述运载工具状态变量集合来控制与所述运载工具相关联的操作，(iii)定位系统，其中输出到所述定位系统的所述运载工具状态变量集合被配置为使所述定位系统基于所述运载工具状态变量集合来确定与所述运载工具相关联的位置，以及(iv)预测系统，其中输出到所述预测系统的所述运载工具状态变量集合被配置为使所述预测系统基于所述运载工具状态变量集合来确定与所述运载工具相关联的预测。
[0216]
ei 13：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为使用运动学自行车模型来预测与所述运载工具相关联的所述横向速度值。
[0217]
ei 14：根据任一前述ei所述的系统，其中，所述至少一个处理器还被配置为基于由各自不同于全球定位系统传感器即gps传感器的一个或多于一个传感器所生成的传感器数据来预测所述横向速度值。
[0218]
ei 15：根据任一前述ei所述的系统，还包括至少一个传感器，所述至少一个传感器被配置为生成所述传感器数据。
[0219]
ei 16：一种方法，包括：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。
[0220]
ei 17：根据任一前述ei所述的方法，还包括：基于所述运载工具状态变量集合来更新所述侧偏刚度值；以及基于更新的侧偏刚度值来更新所述横向速度值。
[0221]
ei 18：根据任一前述ei所述的方法，还包括：基于更新的横向速度值来更新所述运载工具状态变量集合。
[0222]
ei 19：至少一个非暂时性存储介质，其存储有指令，所述指令在由包括处理器的计算系统执行时使所述计算系统：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。
[0223]
ei 20：根据任一前述ei所述的至少一个非暂时性存储介质，其中，所述指令在由所述计算系统执行时还使所述计算系统：基于所述运载工具状态变量集合来更新所述侧偏刚度值；基于更新的侧偏刚度值来更新所述横向速度值；以及基于更新的横向速度值来更新所述运载工具状态变量集合。
[0224]
在先前描述中，已经参考许多具体细节描述了本公开的方面和实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本公开范围的唯一且排他的指示、以及申请人期望是本公开范围的内容是以发布权利要求书的具体形式从本技术发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

技术特征：
1.一种用于运载工具状态估计的系统，包括：至少一个处理器；以及存储器，其上存储有指令，所述指令在由所述至少一个处理器执行时使所述至少一个处理器：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来提供指示所述运载工具的当前状态的运载工具状态变量集合。2.根据权利要求1所述的系统，其中，所述至少一个处理器还被配置为使得使用指示所述运载工具的当前状态的所述运载工具状态变量集合来控制所述运载工具的移动。3.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为使得使用指示所述运载工具的当前状态的所述运载工具状态变量集合在放弃对人类驾驶员辅助的依赖情况下自主地控制所述运载工具的移动。4.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于所述传感器数据来预测与所述运载工具相关联的前向速度值，并且将所述前向速度值输入到所述递归滤波器中。5.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于所述传感器数据来预测与所述运载工具相关联的横向力值和法向力值，并且至少部分地基于所述横向力值和所述法向力值来计算所述侧偏刚度值。6.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为确定要对所述传感器数据进行偏差去除处理，并且在使用所述传感器数据来计算所述侧偏刚度值之前对所述传感器数据进行所述偏差去除处理。7.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于所述运载工具状态变量集合来更新所述侧偏刚度值。8.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于更新的侧偏刚度值来更新所述横向速度值。9.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于更新的横向速度值来更新所述运载工具状态变量集合。10.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为定期地更新所述侧偏刚度值，并且还基于更新的侧偏刚度值来更新所述横向速度值。11.根据前述权利要求中任一项所述的系统，其中，所述侧偏刚度值包括前侧偏刚度值和后侧偏刚度值。12.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为将所述运载工具状态变量集合输出到以下各系统其中至少之一：(i)规划系统，其中输出到所述规划系统的所述运载工具状态变量集合被配置为使所述规划系统基于所述运载工具状态变量集合来生成与所述运载工具相关联的路线，
(ii)控制系统，其中输出到所述控制系统的所述运载工具状态变量集合被配置为使所述控制系统基于所述运载工具状态变量集合来控制与所述运载工具相关联的操作，(iii)定位系统，其中输出到所述定位系统的所述运载工具状态变量集合被配置为使所述定位系统基于所述运载工具状态变量集合来确定与所述运载工具相关联的位置，以及(iv)预测系统，其中输出到所述预测系统的所述运载工具状态变量集合被配置为使所述预测系统基于所述运载工具状态变量集合来确定与所述运载工具相关联的预测。13.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为使用运动学自行车模型来预测与所述运载工具相关联的所述横向速度值。14.根据前述权利要求中任一项所述的系统，其中，所述至少一个处理器还被配置为基于由各自不同于全球定位系统传感器即gps传感器的一个或多于一个传感器所生成的传感器数据来预测所述横向速度值。15.根据前述权利要求中任一项所述的系统，还包括至少一个传感器，所述至少一个传感器被配置为生成所述传感器数据。16.一种用于运载工具状态估计的方法，包括：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。17.根据权利要求16所述的方法，还包括：基于所述运载工具状态变量集合来更新所述侧偏刚度值；以及基于更新的侧偏刚度值来更新所述横向速度值。18.根据前述权利要求中任一项所述的方法，还包括：基于更新的横向速度值来更新所述运载工具状态变量集合。19.至少一个非暂时性存储介质，其存储有指令，所述指令在由包括处理器的计算系统执行时使所述计算系统：接收由一个或多于一个传感器生成的传感器数据，所述传感器数据至少指示与运载工具相关联的横向加速度值和与所述运载工具相关联的转向角；基于由所述传感器数据指示的所述转向角和所述横向加速度值，计算与所述运载工具相关联的侧偏刚度值；基于所述侧偏刚度值来预测与所述运载工具相关联的横向速度值；以及至少通过将所述横向速度值输入到递归滤波器中来输出指示所述运载工具的当前状态的运载工具状态变量集合。20.根据权利要求19所述的至少一个非暂时性存储介质，其中，所述指令在由所述计算系统执行时还使所述计算系统：基于所述运载工具状态变量集合来更新所述侧偏刚度值；基于更新的侧偏刚度值来更新所述横向速度值；以及
基于更新的横向速度值来更新所述运载工具状态变量集合。

技术总结
本公开涉及用于运载工具状态估计的系统、方法以及介质。提供了用于基于传感器数据的运载工具状态估计的方法，其可以包括：接收由一个或多于一个传感器生成的传感器数据，计算与运载工具相关联的侧偏刚度值，基于侧偏刚度值来预测与运载工具相关联的横向速度值，以及至少通过将横向速度值输入到递归滤波器中来输出指示运载工具的当前状态的运载工具状态变量集合。所描述的一些方法还包括基于运载工具状态变量集合来更新侧偏刚度值，基于更新的侧偏刚度值来更新横向速度值，以及基于更新的横向速度值来更新运载工具状态变量集合。还提供了系统和计算机程序产品。了系统和计算机程序产品。了系统和计算机程序产品。


技术研发人员：A
受保护的技术使用者：动态AD有限责任公司
技术研发日：2022.02.21
技术公布日：2023/7/20