特開2024-137659複合確率フィルタを使用して、ビークル測位およびマップ推定を併せて実行するためのシステムならびに方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024137659
(43)【公開日】2024-10-07
(54)【発明の名称】複合確率フィルタを使用して、ビークル測位およびマップ推定を併せて実行するためのシステムならびに方法
(51)【国際特許分類】
G01S 19/45 20100101AFI20240927BHJP
G01C 21/28 20060101ALI20240927BHJP
【ＦＩ】
G01S19/45
G01C21/28
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
【外国語出願】
(21)【出願番号】P 2023201182
(22)【出願日】2023-11-29
(31)【優先権主張番号】18/188,760
(32)【優先日】2023-03-23
(33)【優先権主張国・地域又は機関】US
(71)【出願人】
【識別番号】000006013
【氏名又は名称】三菱電機株式会社
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】バーントープ，カール
(72)【発明者】
【氏名】グレイフ，マルクス
(72)【発明者】
【氏名】ディ・カイラノ，ステファノ
(72)【発明者】
【氏名】ミラルド，ペドロ
【テーマコード（参考）】
2F129
5J062
【Ｆターム（参考）】
2F129AA11
2F129BB02
2F129BB15
2F129BB33
2F129BB47
2F129BB48
2F129BB64
2F129GG17
2F129GG18
5J062AA04
5J062BB01
5J062CC07
5J062DD24
5J062FF01
5J062FF02
5J062FF04
(57)【要約】
【課題】本開示は、複数の確率フィルタを使用して、ビークルの制御およびマップの更新を併せて行うためのシステムならびに方法を開示する。
【解決手段】本方法は、異なる制御ステップにおいてビークルの状態を示す一連の測定値を収集することを含む。本方法はまた、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成された複数の確率フィルタを実行することを含む。本方法は、ビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいてビークルの位置を判断することと、マップの現在の状態の第２の重み付けされた組み合わせに基づいてマップを更新することとを含み、第１の重み付けされた組み合わせおよび第２の重み付けされた組み合わせの重みは異なる。
【選択図】図１Ａ
【解決手段】本方法は、異なる制御ステップにおいてビークルの状態を示す一連の測定値を収集することを含む。本方法はまた、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成された複数の確率フィルタを実行することを含む。本方法は、ビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいてビークルの位置を判断することと、マップの現在の状態の第２の重み付けされた組み合わせに基づいてマップを更新することとを含み、第１の重み付けされた組み合わせおよび第２の重み付けされた組み合わせの重みは異なる。
【選択図】図１Ａ
【特許請求の範囲】
【請求項1】
全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値と、環境のマップに対する前記ビークルの位置を示すカメラの測定値とを含む、異なるセンサの測定値を融合することによって、前記環境内を移動する前記ビークルの位置特定および前記環境の前記マップの推定を併せて実行するためのシステムであって、
少なくとも１つのプロセッサと、
命令が記憶された少なくとも１つのメモリとを備え、前記命令は、前記少なくとも１つのプロセッサによって実行されると、前記システムに、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させ、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを反復的に実行させ、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプライン表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記命令は、さらに、前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断させ、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新させ、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、システム。
少なくとも１つのプロセッサと、
命令が記憶された少なくとも１つのメモリとを備え、前記命令は、前記少なくとも１つのプロセッサによって実行されると、前記システムに、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させ、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを反復的に実行させ、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプライン表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記命令は、さらに、前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断させ、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新させ、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、システム。
【請求項2】
判断された前記ビークルの前記位置および前記環境の更新された前記マップに基づいて前記ビークルを制御するよう構成されるコントローラをさらに備える、請求項１に記載のシステム。
【請求項3】
有線通信チャネルまたは無線通信チャネルのうちの少なくとも１つを介して前記環境の更新された前記マップを送信するよう構成される送信機をさらに備える、請求項１に記載のシステム。
【請求項4】
前記複数の確率フィルタは、前記測定ノイズの分布を除いて同一の測定モデルを有する、請求項１に記載のシステム。
【請求項5】
前記少なくとも１つのプロセッサは、前記システムに、
第１の確率フィルタを実行させて、前記複数の確率フィルタのうちの第１の確率フィルタの内部状態に基づいて、前記ビークルの第１の現在の状態および前記マップの状態を予測させ、
第２の確率フィルタを実行させて、前記第２の確率フィルタの内部状態に基づいて、前記ビークルの第２の現在の状態および前記マップの前記状態を予測させ、
予測された前記第１の現在の状態および予測された前記第２の現在の状態の組み合わせに基づいて、前記第１の確率フィルタの前記内部状態および前記第２の確率フィルタの前記内部状態を更新させる、請求項１に記載のシステム。
第１の確率フィルタを実行させて、前記複数の確率フィルタのうちの第１の確率フィルタの内部状態に基づいて、前記ビークルの第１の現在の状態および前記マップの状態を予測させ、
第２の確率フィルタを実行させて、前記第２の確率フィルタの内部状態に基づいて、前記ビークルの第２の現在の状態および前記マップの前記状態を予測させ、
予測された前記第１の現在の状態および予測された前記第２の現在の状態の組み合わせに基づいて、前記第１の確率フィルタの前記内部状態および前記第２の確率フィルタの前記内部状態を更新させる、請求項１に記載のシステム。
【請求項6】
前記少なくとも１つのプロセッサは、前記システムに、
前記マップを表すマップ点を受信させ、
受信された前記マップ点に対応するスプラインセグメントを求めさせ、
前記マップの前記現在の状態に対する前記スプライン表現に対応するスプラインパラメータを、求められた前記スプラインセグメント、および前記マップ点に対する回帰マップの総二乗全変動誤差の尺度を最小化する最適化問題を解決することに基づいて求めさせる、請求項１に記載のシステム。
前記マップを表すマップ点を受信させ、
受信された前記マップ点に対応するスプラインセグメントを求めさせ、
前記マップの前記現在の状態に対する前記スプライン表現に対応するスプラインパラメータを、求められた前記スプラインセグメント、および前記マップ点に対する回帰マップの総二乗全変動誤差の尺度を最小化する最適化問題を解決することに基づいて求めさせる、請求項１に記載のシステム。
【請求項7】
前記スプラインパラメータは、スプライン連続性を暗黙的に強制するためのパラメータ化プロセスを受ける、請求項６に記載のシステム。
【請求項8】
前記複数の確率フィルタの各々は、対応するガウス確率分布によって定義される前記プロセスノイズおよび前記測定ノイズを有する非線形カルマンフィルタであり、前記ガウス確率分布の平均は、測定空間に変換される、予測される現在の状態の前記推定であり、異なる測定ノイズ共分散は、前記測定ノイズの前記ガウス確率分布をもたらす、請求項１に記載のシステム。
【請求項9】
前記測定空間に変換される、前記予測される現在の状態の前記推定は、前記複数の確率フィルタに共通である、請求項８に記載のシステム。
【請求項10】
前記測定空間に変換される、前記予測される現在の状態の前記推定は、前記複数の確率フィルタの異なる確率フィルタによって異なる、請求項８に記載のシステム。
【請求項11】
前記複数の確率フィルタは、複合確率フィルタを形成し、前記複合確率フィルタは、前記現在の測定値に基づいて前記予測される現在の状態を更新するために使用される対応するカルマンフィルタの利得の値に基づいて、異なる測定ノイズの相関の尤度を推定するよう構成される、請求項１に記載のシステム。
【請求項12】
前記利得は、カルマン利得である、請求項１１に記載のシステム。
【請求項13】
前記ビークルは、無人航空機（ＵＡＶ）である、請求項１に記載のシステム。
【請求項14】
全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値と、環境のマップに対する前記ビークルの位置を示すカメラの測定値とを含む、異なるセンサの測定値を融合することによって、前記環境内を移動する前記ビークルの位置特定および前記環境の前記マップの推定を併せて実行することに基づいて、前記ビークルの移動を制御するコントローラであって、
少なくとも１つのプロセッサと、
命令が記憶された少なくとも１つのメモリとを備え、前記命令は、前記少なくとも１つのプロセッサによって実行されると、前記コントローラに、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させ、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行させ、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記命令は、さらに、前記少なくとも１つのプロセッサによって実行されると、前記コントローラに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断させ、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新させ、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、コントローラ。
少なくとも１つのプロセッサと、
命令が記憶された少なくとも１つのメモリとを備え、前記命令は、前記少なくとも１つのプロセッサによって実行されると、前記コントローラに、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させ、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行させ、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記命令は、さらに、前記少なくとも１つのプロセッサによって実行されると、前記コントローラに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断させ、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新させ、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、コントローラ。
【請求項15】
前記少なくともプロセッサは、前記ビークルの判断された前記位置および前記環境の更新された前記マップに基づいて前記ビークルを制御するよう構成される、請求項１４に記載のコントローラ。
【請求項16】
有線通信チャネルまたは無線通信チャネルのうちの少なくとも１つを介して前記環境の更新された前記マップを送信するよう構成される送信機をさらに備える、請求項１４に記載のコントローラ。
【請求項17】
前記複数の確率フィルタの各々は、対応するガウス確率分布によって定義される前記プロセスノイズおよび前記測定ノイズを有する非線形カルマンフィルタであり、前記ガウス確率分布の平均は、測定空間に変換される、予測される現在の状態の前記推定であり、異なる測定ノイズ共分散は、前記測定ノイズの前記ガウス確率分布をもたらす、請求項１４に記載のコントローラ。
【請求項18】
全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値と、環境のマップに対する前記ビークルの位置を示すカメラの測定値とを含む、異なるセンサの測定値を融合することによって、前記環境内を移動する前記ビークルの位置特定および前記環境の前記マップの推定を併せて実行するための方法であって、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することと、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行することとを含み、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記方法はさらに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断することと、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新することとを含み、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、方法。
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することと、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行することとを含み、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記方法はさらに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断することと、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新することとを含み、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、方法。
【請求項19】
第１の確率フィルタを実行して、前記複数の確率フィルタのうちの第１の確率フィルタの内部状態に基づいて、前記ビークルの第１の現在の状態および前記マップの状態を予測することと、
第２の確率フィルタを実行して、前記第２の確率フィルタの内部状態に基づいて、前記ビークルの第２の現在の状態および前記マップの前記状態を予測することと、
予測された前記第１の現在の状態および予測された前記第２の現在の状態の組み合わせに基づいて、前記第１の確率フィルタの前記内部状態および前記第２の確率フィルタの前記内部状態を更新することとをさらに含む、請求項１８に記載の方法。
第２の確率フィルタを実行して、前記第２の確率フィルタの内部状態に基づいて、前記ビークルの第２の現在の状態および前記マップの前記状態を予測することと、
予測された前記第１の現在の状態および予測された前記第２の現在の状態の組み合わせに基づいて、前記第１の確率フィルタの前記内部状態および前記第２の確率フィルタの前記内部状態を更新することとをさらに含む、請求項１８に記載の方法。
【請求項20】
全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値と、環境のマップに対する前記ビークルの位置を示すカメラの測定値とを含む、異なるセンサの測定値を融合することによって、前記環境内を移動する前記ビークルの位置特定および前記環境の前記マップの推定を併せて実行するための方法を実行するために、プロセッサによって実行可能なプログラムが具現化された非一時的なコンピュータ可読記憶媒体であって、前記方法は、
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することと、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行することとを含み、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記方法はさらに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断することと、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新することとを含み、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、非一時的なコンピュータ可読記憶媒体。
異なる制御ステップにおいて前記ビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することと、
前記ビークルの位置の状態および前記マップの状態においてパラメータ化された複数の確率フィルタを実行することとを含み、前記確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、前記ビークルの座標によって表される前記ビークルの前記位置の現在の状態と、前記マップのスプラインフィッティング表現を形成する多項式の係数によって表される前記マップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、前記方法はさらに、
前記ビークルの前記位置を、前記複数の確率フィルタによって追跡される前記位置の前記現在の状態の第１の重み付けされた組み合わせに基づいて判断することと、
前記環境の前記マップを、前記複数の確率フィルタによって追跡される前記マップの前記現在の状態の第２の重み付けされた組み合わせに基づいて更新することとを含み、前記第１の重み付けされた組み合わせの重みは、前記第２の重み付けされた組み合わせの重みとは異なる、非一時的なコンピュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、概して、ビークル測位およびマップ更新に関し、より詳細には、複合確率フィルタを使用する、ビークル位置特定およびマップ推定を併せて実行するためのシステムならびに方法に関する。
【背景技術】
【0002】
様々な制御方法は、制御下のデバイスの状態を推定するために確率フィルタを使用する。カルマンフィルタなどの確率フィルタは、統計的ノイズおよび他の不正確さを含む、経時的に観察される一連の測定値を使用し、単一の測定値のみに基づくものよりも正確である傾向がある未知の変数の推定値を生成する。
【0003】
確率フィルタは、予測フェーズおよび更新フェーズを含む２フェーズプロセスによって機能する。予測フェーズについて、確率フィルタは、現在の状態変数の推定値を、それらの不確実性とともに生成する。そのために、確率フィルタは、プロセスノイズの影響を受ける予測モデルを用いる。予測モデルの例は、制御下のデバイスの運動モデルである。さらに、次の測定の結果（ランダムノイズを含む何らかの誤差を伴って破損される）が観察され、現在の状態変数の推定値は、測定値の重み付けされた平均を使用して更新され、より多くの重みが、より大きな確実性を伴う測定値に与えられる。そのために、確率フィルタは、測定ノイズを受ける測定モデルを用いる。プロセスノイズおよび測定ノイズの両方は、推定状態および／または測定値の変動の可能性の尤度を示す確率密度関数（ＰＤＦ）によって表すことができる。
【発明の概要】
【発明が解決しようとする課題】
【0004】
通常、プロセスノイズおよび測定ノイズは、運動モデルの不確実性の理解および測定値の信頼性を反映するように予め決定される。しかしながら、いくつかの用途では、測定ノイズを予め決定することは実用的ではない。例えば、全地球航法衛星システム（ＧＮＳＳ）の測定値を使用して追跡されるビークルの状態に基づいてビークルが制御されるビークル制御アプリケーションでは、ＧＮＳＳ測定値は、異なる時点において異なる信頼性を有する。たとえば、異なる時点において、衛星の異なる配列が、ビークルのＧＮＳＳ受信機の見通し線内に存在し得、測定ノイズの変動を引き起し得る。追加または代替として、衛星信号は、ＧＮＳＳ測定値に著しいノイズを加えるマルチパスの影響を受け得る。
【0005】
そのために、追跡されるビークルの状態および制御アプリケーションに基づいて測定ノイズを調整することが望ましい。カルマンフィルタなどの確率フィルタにおいて測定ノイズを変化させることは可能であるが、リアルタイムアプリケーションにおける測定ノイズの推定は計算的に困難であり、確率フィルタの発散にもつながり得る。この課題は、部分的には、確率フィルタの動作の根底にある測定値および仮定の統計的特性の分析の困難さに起因する。
【0006】
さらに、自律運転におけるなど、ビークル追跡および制御のいくつかの応用シナリオでは、正確で信頼できるナビゲーションのために、ロバストで高精度の位置特定技術が必要とされる。典型的には、任意の自律ビークルにおいて、多くのセンサが自律ビークル自律運転支援および制御機能に設置され、これらのセンサの主な目的は物体検出である。しかしながら、これらの複数のセンサは、複合確率フィルタの使用に伴って充分に活用されておらず、したがって、データ精度の問題が存続し得る。
【0007】
したがって、自律運転アプリケーションにおいてビークル追跡および制御関連機能のために複数のセンサおよび複合確率フィルタの存在に対応することができる、自律運転システムのためのシステムおよび方法が必要とされている。
【課題を解決するための手段】
【0008】
いくつかの実施形態は、自律運転アプリケーションで使用されるビークルに関連付けられる複数のセンサが、ビークルの環境内の１つ以上の物体に関連付けられる特徴データを抽出するために利用され得るという認識に基づく。抽出された特徴データは、物体のハードウェア記述言語（ＨＤＬ）情報と融合されて、より正確なビークル位置特定を提供し得る。そのために、いくつかの実施形態は、ビークルに設置された複数のセンサを使用することによってビークルの位置特定および制御のためのシステムならびに方法を開示する。
【0009】
いくつかの実施形態は、カルマンフィルタのような確率フィルタの内部変数および／または計算が、測定ノイズの正確さを評価するために使用され得るという認識に基づく。具体的には、測定ノイズの正確さの評価のメトリックは、デバイスの状態を示す現在の測定値を、確率フィルタの予測モデルによって予測される状態に相関させる、測定ノイズの尤度であり得る。
【0010】
この相関は、以下の例によって説明することができる。デバイスの予測される状態、例えばビークルの予測される状態は、例えばＧＮＳＳ測定空間における測定のドメインに変換される。例えば、そのような変換は、測定値のモデルを使用して実行することができる。次に、測定ノイズは、変換された状態を中心として、期待される測定値の確率分布を生成する。確率フィルタによって使用されるガウス確率分布の場合、期待される測定値のガウス確率分布の平均は、カルマンフィルタによって予測される状態によって決定され、分散は、所定の測定ノイズの１つである。予測される状態を更新するための測定値が受信されると、測定値は、期待される測定値の確率分布にマッピングされて、求められる相関の尤度を推定することができる。
【0011】
このように、測定ノイズは、確率フィルタの性能外の測定値の追加の統計的分析を必要とすることなく、確率フィルタの内部変数および／または計算を使用して評価される。上述の例は、状態推定と測定値との間の相関の原理を示すだけでなく、この相関の推定を実施するために使用することもできることに留意されたい。しかしながら、異なる実施形態は、この相関を評価するために、異なる技法を使用することができる。たとえば、いくつかの実施形態は、カルマンフィルタによって求められたカルマン利得の評価を使用して、予測される状態および予測される状態の共分散を更新し、これは、不偏推定器の場合、平均二乗誤差（ＭＳＥ）である。そのような計算は、確率フィルタの内部であり、すなわち、デバイスの状態を追跡するためにいずれにせよ計算される。したがって、これらの変数の計算は、追加のリソースを必要としない。
【0012】
しかしながら、いくつかの実施形態は、確率フィルタの内部変数および／または計算の使用は、選択された測定ノイズの正確さの評価のための計算要件を低減することができるが、評価自体が確率フィルタの内部性能によって損なわれる、という認識に基づく。言い換えれば、測定ノイズの正確さは、必ずしもカルマンフィルタに依存せずに測定値を反映する真の正確さではなく、確率フィルタ自体の観点からの正確さである。そのために、この評価を使用して測定ノイズを適合させることは問題であるかもしれないが、むしろ、この評価を使用して、選択された測定ノイズで確率フィルタの性能を評価することが問題であり得る。
【0013】
この問題に対処するために、いくつかの実施形態は、異なる測定ノイズを有する複数の確率フィルタを使用し、デバイスの状態を、異なるフィルタによって推定された状態の重み付けされた組み合わせとして決定し、各フィルタの重みは、測定ノイズの尤度の対応する評価から導出され、デバイスの状態を示す現在の測定値を、確率フィルタの予測モデルによって予測される状態に相関させる。このように、測定値の統計的特性を分析する必要なく、異なる測定ノイズを考慮することができる。
【0014】
いくつかの実施形態は、全地球航法衛星システム（ＧＮＳＳ）から受信された衛星信号に基づいてビークルの状態を追跡する現在の方法は、高定性的である衛星測定値に感度を有し、なぜならば、そうでなければ、高精度推定を生成することができないからであるという認識に基づく。他の実施形態は、状態追跡を改善するために様々なセンサを組み合わせる必要があるという認識に基づく。さまざまなセンサが互いに補完する理由は、そのような組み合わせが、より多様な条件において感知可能な推定を生成する可能性が高いからである。例えば、一実施形態は、ＧＮＳＳ位置測定をカメラ相対位置測定および道路のマップと組み合わせてビークルの状態を追跡する。別の実施形態は、自ビークルの近傍のビークルの相対位置を測定するカメラと、自ビークルの近傍のビークルの相対位置を測定するライダー測定とを組み合わせ、なぜならば、それらの測定は、カメラおよびライダーのそれぞれの構成の違いにより、互いに補完するからである。
【0015】
いくつかの実施形態は、確率フィルタを利用して測定値を融合し、状態推定値を生成する。確率フィルタは、測定値の確率的記述、測定モデルを必要とする。この目的のために、いくつかの実施形態は、確率フィルタにおいて使用されるべき測定モデルについて測定ノイズ特性が判断される必要があることを認識する。いくつかの実施形態は、測定更新において確率的測定モデルを使用するために、センサ測定値の精度がビークルの状態の追跡と同時に判断される必要があり、なぜならば、追跡はリアルタイムで実行され、したがって、再帰的確率フィルタを実行する前に測定モデルを設定することはできないからである、という理解に基づく。いくつかの実施形態は、この理解を利用して、センサ測定値が複合確率フィルタに到達するにつれて、確率的測定モデルにおいて使用される測定ノイズを適合させる。
【0016】
そのために、いくつかの実施形態は、ビークルの状態および異なるセンサの測定ノイズを併せて推定して、測定値に従ってビークルの状態を最も良く記述する測定ノイズを判断する。例えば、一実施形態は、第１のノイズ値を第１のセンサに関連付け、第２のノイズ値を第１のセンサに関連付け、さらに、第１のノイズ値を第２のセンサに関連付け、第２のノイズ値を第２のセンサに関連付け、ノイズ値およびセンサの各組合せに対して複数の確率フィルタを実行して、それらのうちのどれがビークルの状態を最もよく記述するかを判断する。他の実施形態では、複数の確率フィルタは、複数の確率フィルタを、複数のフィルタの重み付けされた組み合わせとして、ともに重み付けする複合確率フィルタに統合される。
【0017】
いくつかの実施形態は、様々なセンサについてノイズ値の特定の組み合わせを使用する確率フィルタが前の時間ステップにおいて最良の適合を与えた場合、次の時間ステップに対しても良好な適合を生成する可能性が高いという理解に基づく。例えば、ＧＮＳＳ位置測定が、例えば都市環境におけるマルチパスに起因して前の時間ステップにおいて信頼できなかった場合、ＧＮＳＳ位置測定は、次の時間ステップにおいてもマルチパスを被りやすい可能性がある。しかしながら、測定の非信頼性がマルチパスの影響ではなく、他の何らかのモデル化されていない外乱によるものである場合、それは、信頼できる測定値を生成するチャンスも有する。いくつかの実施形態は、この理解をもって、制御の各時間ステップにおいて複数の確率フィルタを統合および重み付けし、確率フィルタは、前の時間ステップにおけるそれらの重みに基づいて異なる重み付けを与えられる。
【0018】
いくつかの実施形態は、複数の確率フィルタの計算の複雑さが、ノイズ値の仮説の数およびセンサの数とともに望ましくなく増大するという理解に基づいている。例えば、ある実施形態は、異なる可能なノイズ値を使用することは、ノイズ値の可能な組み合わせの数、したがって推定に使用される確率フィルタの数に指数関数的な複雑さがあるように、可能なノイズ値の連続空間のグリッド化として解釈され得ることを理解する。
【0019】
いくつかの実施形態は、自動車用途において、自動車グレードの電子制御ユニットの計算能力が制限され、多数の確率フィルタの使用が計算的に実現可能ではないと認識する。一実施形態は、推定に使用される確率フィルタのサブセットを選択することによってこれを改善する。例えば、一実施形態は、前の時間ステップで状態をよく表したものに近いノイズレベルの値に対応する確率フィルタを選択する。このようにすることで、各時間ステップで選択された確率フィルタのサブセットがセンサ品質の進化に従うことが可能になる。
【0020】
したがって、一実施形態は、全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値、および環境のマップに対するビークルの位置を示すカメラの測定値を含む、異なるセンサの測定値を融合することによって、環境内を移動するビークルの位置特定および環境のマップの推定を併せて実行するためのシステムを開示する。システムは、少なくとも１つのプロセッサと、命令が記憶された少なくとも１つのメモリとを含み、命令は、少なくとも１つのプロセッサによって実行されるとシステムに、異なる制御ステップにおいてビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させる。システムはさらに、ビークルの位置の状態およびマップの状態においてパラメータ化された複数の確率フィルタを実行するようにされ、確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用する。システムはさらに、ビークルの位置を、複数の確率フィルタによって追跡されるビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいて判断するようにさせられる。さらに、システムは、環境のマップを、複数の確率フィルタによって追跡されるマップの現在の状態の第２の重み付けされた組み合わせに基づいて更新するようにされ、第１の重み付けされた組み合わせの重みは、第２の重み付けされた組み合わせの重みとは異なる。
【0021】
したがって、別の実施形態は、全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値、および環境のマップに対するビークルの位置を示すカメラの測定値を含む、異なるセンサの測定値を融合することによって、環境内を移動するビークルの位置特定および環境のマップの推定を併せて実行するための方法を開示する。本方法は、異なる制御ステップにおいてビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することを含む。本方法は、ビークルの位置の状態およびマップの状態においてパラメータ化された複数の確率フィルタを実行することをさらに含み、確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用する。本方法は、ビークルの位置を、複数の確率フィルタによって追跡されるビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいて判断することをさらに含む。本方法は、環境のマップを、複数の確率フィルタによって追跡される環境のマップの現在の状態の第２の重み付けされた組合せに基づいて更新することをさらに含み、第１の重み付けされた組合せの重みは、第２の重み付けされた組合せの重みとは異なる。
【0022】
したがって、さらに別の実施形態は、全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値と、環境のマップに対するビークルの位置を示すカメラの測定値とを含む、異なるセンサの測定値を融合することによって、環境内を移動するビークルの位置特定および環境のマップの推定を併せて実行するための方法を実行するために、プロセッサによって実行可能なプログラムが具現化された非一時的なコンピュータ可読記憶媒体を開示する。本方法は、異なる制御ステップにおいてビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集することを含む。本方法は、ビークルの位置の状態およびマップの状態においてパラメータ化された複数の確率フィルタを実行することをさらに含み、確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用する。本方法は、ビークルの位置を、複数の確率フィルタによって追跡されるビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいて判断することをさらに含む。本方法は、環境のマップを、複数の確率フィルタによって追跡される環境のマップの現在の状態の第２の重み付けされた組合せに基づいて更新することをさらに含み、第１の重み付けされた組合せの重みは、第２の重み付けされた組合せの重みとは異なる。
【0023】
したがって、いくつかの実施形態は、全地球航法衛星システム（ＧＮＳＳ）衛星に対するビークルの位置を示すＧＮＳＳの測定値および環境のマップに対するビークルの位置を示すカメラの測定値を含む異なるセンサの測定値を融合することによって、環境内を移動するビークルの位置特定および環境のマップの推定を併せて実行することに基づいてビークルの移動を制御するコントローラを開示する。コントローラは、少なくとも１つのプロセッサと、命令が記憶された少なくとも１つのメモリとを備え、命令は、少なくとも１つのプロセッサによって実行されると、コントローラに、異なる制御ステップにおいてビークルの位置を示すＧＮＳＳ測定値およびカメラ測定値を含む一連の測定値を収集させ、ビークルの位置の状態およびマップの状態においてパラメータ化された複数の確率フィルタを実行させ、確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、ビークルの座標によって表されるビークルの位置の現在の状態と、マップのスプラインフィッティング表現を形成する多項式の係数によって表されるマップの現在の状態とを併せて追跡するよう構成され、異なる確率フィルタは、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用し、命令は、さらに、少なくとも１つのプロセッサによって実行されると、コントローラに、ビークルの位置を、複数の確率フィルタによって追跡されるビークルの位置の現在の状態の第１の重み付けされた組み合わせに基づいて判断させ、環境のマップを、複数の確率フィルタによって追跡されるマップの現在の状態の第２の重み付けされた組み合わせに基づいて更新させ、第１の重み付けされた組み合わせの重みは、第２の重み付けされた組み合わせの重みとは異なる。
【0024】
図面の簡単な説明
以下、添付図面を参照して本発明を詳細に説明する。示される図面は必ずしも縮尺通りではなく、代わりに、概して、本開示の実施形態の原理を説明することに重点が置かれる。
以下、添付図面を参照して本発明を詳細に説明する。示される図面は必ずしも縮尺通りではなく、代わりに、概して、本開示の実施形態の原理を説明することに重点が置かれる。
【図面の簡単な説明】
【0025】
【図1A】本開示の一実施形態による、ビークルの運動を制御するためのシステムのブロック図を示す。
【図1B】本開示のいくつかの実施形態による、異なるセンサからの情報を融合するよう構成されたシステムを示す。
【図1C】本開示のいくつかの実施形態による、ビークルの位置を特定し、環境のマップを推定するために使用される例示的なセンサ一式を示す。
【図1E】本開示のいくつかの実施形態による、マップの表現の概略図を示す。
【図1F】本開示のいくつかの実施形態による、マップのスプライン表現のための多項式の概略図を示す。
【図1G】本開示のいくつかの実施形態による、マップの連続スプライン表現の概略図を示す。
【図2A】本開示のいくつかの実施形態による、確率的融合機構の概略フローチャートを示す。
【図2B】本開示のいくつかの実施形態による、異なる仮説分布の概略図を図示する。
【図3A】本開示のいくつかの実施形態による、分布の例を示す。
【図3B】本開示のいくつかの実施形態による、測定値を使用して状態の補正を決定するプロセスを示す。
【図3C】本開示のいくつかの実施形態による、異なる分散を有するガウス分布を示す。
【図3D】本開示のいくつかの実施形態による、ビークルの状態とマップの状態との結合分布を更新するための概略図を示す。
【図3E】本開示の一実施形態による、連続性を暗黙的に強制するスプラインのパラメータ化の概略図を示す。
【図4A】本開示の一実施形態による、環境内を移動するビークルの位置特定およびマップの推定を併せて実行するためのシステムのブロック図を示す。
【図4B】本開示のいくつかの実施形態による、位置特定システムによって実行される方法の概略図を示す。
【図4G】本開示のいくつかの実施形態による重み付け機構を示す概略図である。
【図5A】本開示のいくつかの実施形態による、ＧＮＳＳの概略図を示す。
【図5B】本開示のいくつかの実施形態による、マルチパスがＧＮＳＳ受信機のための信号を妨害するシナリオを示す。
【図6A】本開示のいくつかの実施形態による、ビークルの状態およびマップの状態を推定するための方法のブロック図を示す。
【図6B】本開示のいくつかの実施形態による、反復において複合確率フィルタによって実行される機能のブロック図を図示する。
【図6C-1】本開示のいくつかの実施形態による、重み付けされた組合せを生成するためのプロセスのブロック図を示す。
【図6C-2】本開示のいくつかの実施形態による、重み付けされた組合せを生成するためのプロセスのブロック図を示す。
【図6D】本開示の代替的な実施形態による、重み付けされた組み合わせを生成するためのプロセスのブロック図を示す。
【図6E】本開示のいくつかの実施形態による、記憶された履歴重みを使用して重み付けされた組み合わせを決定するための概略図を示す。
【図6F】本開示のいくつかの実施形態による、マップを表すスプラインを決定するための方法のフローチャートを示す。
【図6G】本開示のいくつかの実施形態によるスプラインパラメータを決定するための方法のフローチャートを示す。
【図7A】本開示のいくつかの実施形態による、ビークルの状態およびマップの状態を併せて推定するための概略図を示す。
【図7B】本開示の様々な実施形態に従って収集された異なるセンサ測定値を示す。
【図7C】本開示のいくつかの実施形態による、推定された測定値と収集された測定値との比較を示す概略図である。
【図7D】本開示の様々な実施形態による、確率フィルタの異なる推定が異なる重みをどのように割り当てられ、複合分布を形成するかのプロセスを示す。
【図7E】本開示の様々な実施形態による、異なるセンサが、どのように、異なる重み付けを得て、異なる測定空間上で定義されるかのプロセスを示す。
【図7F】本開示の様々な実施形態による、異なる測定空間上で定義された測定値が、互いを比較するためにどのように同じ測定空間に変換されるかのプロセスを示す。
【図8】本開示の様々な実施形態による、推定された結合状態に基づいてビークルを制御するための方法のブロック図を示す。
【図9A】本開示のいくつかの実施形態による、複合確率フィルタにおいて採用される運動モデルを図示する。
【図9B】本開示のいくつかの実施形態による、カメラ測定値のモデル化のシナリオを図示する。
【図9C】本開示のいくつかの実施形態による、多項式関数をサンプリングするためのシナリオを示す。
【図10】本開示のいくつかの実施形態による、ＧＮＳＳおよびカメラ測定値を使用して追跡される結合状態に基づいてビークルの運動を制御するためのコントローラのブロック図を示す。
【図11A】本開示のいくつかの実施形態による、コントローラを含むビークルの概略図を示す。
【図12A】本開示のいくつかの実施形態による、あるシナリオを示すトラフィックシナリオを示す。
【図12D】本開示のいくつかの実施形態による、同期メッセージ交換に関連するユースケースを示す。
【図13】一実施形態による、状態推定に基づくビークル間（Ｖ２Ｖ）通信および計画の例を示す。
【図14】一実施形態による事故回避シナリオのための複数ビークル隊列走行整形の概略図を示す。
【図16】本開示のいくつかの実施形態による、混合自律ビークルの直接および間接制御のためのシステムのブロック図を示す。
【発明を実施するための形態】
【0026】
詳細な説明
以下の説明では、説明の目的で、本開示を充分に理解するために、多数の具体的な詳細が述べられる。しかしながら、本開示はこれらの具体的な詳細なしに実施され得ることが当業者には明らかであろう。他の例では、本開示を不明瞭にすることを回避するために、装置および方法がブロック図の形式でのみ示されている。
以下の説明では、説明の目的で、本開示を充分に理解するために、多数の具体的な詳細が述べられる。しかしながら、本開示はこれらの具体的な詳細なしに実施され得ることが当業者には明らかであろう。他の例では、本開示を不明瞭にすることを回避するために、装置および方法がブロック図の形式でのみ示されている。
【0027】
本明細書および特許請求の範囲で用いられる場合、文言「例えば」、「例として」、「等」、ならびに動詞「備える」、「有する」、「含む」、およびそれらの他の動詞形は、１つ以上の構成要素または他の項目のリストとともに用いられる場合、各々オープンエンドと解釈されるべきであり、そのリストは、他の追加の構成要素または項目を排除するものと見なすべきではないことを意味する。「～に基づく」という文言は、少なくとも部分的に基づくことを意味する。さらに、本明細書で使用される表現および用語は、説明の目的のためであり、限定と見なされるべきではないことを理解されたい。この記載内で利用されるいかなる見出しも、便宜上のものにすぎず、法的または限定的な効果を有さない。
【0028】
いくつかの実施形態の目的は、ビークルの状態およびビークルの環境のマップの状態を示す測定値を有する異なるセンサの測定値を融合することによって、環境内を移動するビークルの位置特定および環境のマップの推定を併せて実行することのためのシステムならびに方法を提供することである。ここで、ビークルの状態とは、前記ビークルの位置および進行方向を含む。加えて、状態は、ビークルの速度および進行速度を含むことができる。環境のマップの状態は、環境のマップをパラメータ化するパラメータを含む。
【0029】
この目的のために、図１Ａは、いくつかの実施形態によるシステム１００の概略図を示す。本明細書で使用されるように、システム１００は、センサ１０１、センサ１０２、およびセンサ１０３（以下、集合的にセンサ１０１～１０３と呼ぶ）という異なるセンサからの情報とともに、センサ１０１～１０３によって暗黙的または明示的に測定される状態の推定９９を提供する。例えば、システム１００は、センサ１０１からの情報１０１ａ、センサ１０２からの情報１０２ａ、およびセンサ１０３からの情報１０３ａなどの情報を受信する。センサ１０１～１０３のモデル１１０、例えば、確率的モデルまたは決定論的モデル、および潜在的に追加的に、センサ１０１～１０３の暗黙的または明示的に測定される状態の運動のモデル１２０を使用することによって、融合機構１３０は、状態推定９９を生成するために情報（以下、まとめて情報１０１ａ～１０３ａと呼ぶ）をマージする。システム１００の融合機構１３０によって生成された状態推定９９は、異なるセンサ１０１～１０３に関連付けられるデバイス１０４の位置特定を併せて実行するようにシステム１００を構成する。
【0030】
ある例では、デバイス１０４は、マップ１０５によって表される環境１００ａ内を移動するビークルである（以下では、説明を簡潔にするために、デバイス１０４をビークルと呼ぶ）。異なるセンサ１０１～１０３の１０１ａ～１０３ａの情報は、全地球航法衛星システム（ＧＮＳＳ）に対するビークル１０４の位置を示すＧＮＳＳの測定値を含む測定値によって表される。さらに、センサ１０１～１０３のうちの少なくとも１つはカメラであり、センサからの情報１０１ａ～１０３ａは、環境１００ａのマップ１０５に対するビークル１０４の位置を示すカメラの測定値を含む。
【0031】
システム１００は、コンピューティングシステム、ナビゲーションユニット、高度運転者支援システム（ＡＤＡＳ）、自律ナビゲーションユニットなどであってもよい。そのために、システム１００は、少なくとも１つのプロセッサと、少なくとも１つのプロセッサによって実行されると、ビークル１０４の位置特定およびマップ１０５の更新を併せて実行することに関連する機能をシステムに実行させる命令が記憶された少なくとも１つのメモリとを含む。機能は、ＧＮＳＳ測定値およびカメラ測定値を含む測定値のシーケンスを収集することを含む。したがって、測定値のシーケンスは、センサからの情報１０１ａ～１０３ａとして表され、システム１００の異なる制御ステップにおいてビークル１０４の位置を示す。
【0032】
機能は、融合機構１３０によって複数の確率フィルタを実行することをさらに含む。複数の確率フィルタは、状態１２０の運動のモデルによって提供されるビークルの位置の状態と、センサ１１０のモデルによって提供されるマップ１０５の状態とにおいてパラメータ化される。動作において、融合機構１３０の確率フィルタの各々は、予測ノイズを受ける予測モデルと、ＧＮＳＳの測定ノイズを受けるＧＮＳＳ測定値およびカメラの測定ノイズを受けるカメラ測定値を融合する測定モデルとを使用して、ビークルの座標によって表されるビークル１０４の位置の現在の状態と、マップ１０５のスプラインフィッティング表現を形成する多項式の係数によって表されるマップ１０５の現在の状態とを併せて追跡するよう構成される。異なる確率フィルタは、ある例では、異なるＧＮＳＳの測定ノイズ、異なるカメラの測定ノイズ、またはその両方を使用する。
【0033】
システム１００は、複数の確率フィルタによって追跡される位置の現在の状態の第１の重み付けされた組み合わせに基づいてビークル１０４の位置を判断する機能を実行するようにさらに構成される。また、システム１００は、さらに、複数の確率フィルタによって追跡されるマップ１０５の現在の状態の第２の重み付けされた組み合わせに基づいて環境１００ａのマップ１０５を更新する機能を実行するように構成される。そのために、第１の重み付けされた組み合わせの重みは、第２の重み付けされた組み合わせの重みとは異なる。
【0034】
いくつかの実施形態は、推定に関与する異なるタイプの不確実性、例えば、ビークル１０４の状態の推定不確実性、マップ１０５の状態の不確実性、および測定値１０１ａ～１０３ａの不確実性があるという認識に基づく。いくつかの実施形態は、異なるタイプの不確実性は確率的として、例えば、測定の不確実性のガウス分布として表され得るという認識に基づく。他の実施形態は、ビークル１０４の状態およびマップ１０５の状態の同時推定の成功のために、異なる不確実性が別個の量として識別され、結合不確実性として統合されない必要があるという認識に基づく。例えば、融合機構１３０は、ビークル１０４の状態の推定およびマップ１０５の状態の不確実性に不確実性を割り当てるだけでなく、どのような測定値がどのようなレベルの不確実性を引き起こすかを判断する必要がある。すなわち、融合機構１３０は、ビークル１０４の状態とマップ１０５の状態との別々の不確実性を判定するために、異なるセンサ１０１～１０３から不確実性を分離する必要がある。この目的のために、いくつかの実施形態は、システム１００にその機能を実行させるために、異なるセンサ１０１～１０３の不確実性を明確にするための融合機構１３０として確率的融合を使用する。既に論じた機能は、マップ１０５もしくはビークル状態のいずれかまたは両方が誤差を伴って推定される可能性を考慮するためにビークル状態およびマップパラメータを併せて推定することを含む。
【0035】
システム１００の機能は、以下で議論される種々の実施形態でさらに説明されるであろう。
【0036】
図１Ｂは、異なるセンサ１０１～１０３からの情報１０１ａ～１０３ａを融合するよう構成されたシステム１００を示す。本開示の一実施形態では、異なるセンサ１０１～１０３のうち、含まれるセンサ１０１は、慣性測定ユニット（ＩＭＵ）（以下、ＩＭＵ１０１と呼ぶ）であり、加速度および回転速度をＩＭＵ１０１からの情報１０１ａとして出力し、センサ１０２は、カメラ１０２（以下、カメラ１０２という）であり、画像の画素をカメラ１０２からの情報またはカメラ測定値１０２ａとして出力し、センサ１０３は、例えばＧＰＳを利用した全地球航法衛星システム（ＧＮＳＳ）受信機（以下、ＧＮＳＳ受信機１０３という）であり、受信機の位置に対応するＧＮＳＳ測定値をＧＮＳＳ１０３からの情報１０３ａまたはＧＮＳＳ測定値１０３ａとして出力する。センサ１０１～１０３は、一例ではビークル１０４に取り付けられている。
【0037】
また、ＩＭＵ１０１は、磁界を出力することもできる。例示的な搭載として、ＩＭＵ１０１は、ビークル１０４の内部に搭載することができ、したがって、ＩＭＵ１０１は、ビークル１０４の加速度および回転速度に関する情報１０１ａを測定する。同様に、カメラ１０２は、ビークル１０４の前方に取り付けることができ、ビークル１０４の前方の道路上の物体を識別するための命令を実行するシステム１００の少なくとも１つのプロセッサに接続することができる。例えば、カメラ１０２は、ビークル１０４の前方の車線標示の座標または多項式表現を出力することができる。ＧＮＳＳ受信機１０３は、１つまたはいくつかの衛星配列、たとえばＧＰＳ、ＧＡＬＩＬＥＯ、およびＱＺＳを使用していくつかの衛星からコードおよび搬送波位相測定値を受信し、ＧＮＳＳ受信機１０３の位置を判断する。例えば、ＧＮＳＳ受信機１０３がビークル１０４の内部に搭載されている場合、ＧＮＳＳ受信機１０３は、ビークル１０４の位置を効果的に測定する。
【0038】
図１Ｃは、ビークルの位置を特定し、環境１００ａのマップを推定するために使用される例示的なセンサ一式９９ｃを示す。例えば、センサ一式９９ｃは、ビークルの異なる場所に取り付けられたいくつかのカメラ１０２ｃを含むことができ、環境１００ａの点群を判断する１つもしくはいくつかのライダー１０７ｃまたはレーダー１０８ｃ、およびＩＭＵ１０１を含むことができる。レーダーまたはライダーをカメラ１０２と組み合わせて使用することは、相補的であるため有益である。例えば、レーダーおよびカメラの両方は、環境１００ａに対するビークルの位置を示す、環境１００ａの測定値を与えるが、それらは異なる誤差源の影響を受けやすい。さらなる補完として、センサ一式９９ｃは、超音波センサ１０９ｃを含むことができ、これは、位置特定のために使用することができる、環境内の物体を測定するためのさらに代替的な方法を加える。
【0039】
いくつかの実施形態は、メモリに記憶され、位置特定に使用することができる追加の情報源として使用される事前マップ１０５ｃを利用する。例えば、マップ表現に含まれる道路の車線標示をカメラ１０２に測定させることによって、カメラ１０２は、ＧＮＳＳ１０３を補完するための全地球測位情報を与えることができる。
【0040】
センサ一式９９ｃからの情報およびセンサ情報のモデル１１０を使用して、融合機構１３０は、本開示の他の実施形態によって説明される原理に従って、センサ情報１０１ａ～１０３ａを状態にマッピングし（１１０ｃ）、状態を推定する（１２０ｃ）。
【0041】
いくつかの実施形態は、道路上の１つまたはいくつかの車線の車線標示を含む環境１００ａのマップを使用し、マップは、モバイルマッピングシステム（ＭＭＳ）を使用して構築されている。いくつかの実施形態では、ＭＭＳは、離散点として表されてメモリに記憶される。他の実施形態は、ビークルが道路上を移動し、カメラが道路の車線標示を測定するとき、ＭＭＳによって判断された離散点は、カメラを使用して、ビークルの位置特定と、マップとの整列とを併せて行う場合、カメラ測定値を充分に表さない場合があることを理解する。
【0042】
例示のために、図１Ｄは、ビークル１６０ｄが車線標示によって表される車線縁部の近くを走行するシナリオを示す。マップ１０５は、点１１０ｄ～１４０ｄによって表される。ビークル１６０ｄに搭載されたカメラは、コンピュータビジョン（ＣＶ）アルゴリズムを備え、ＣＶアルゴリズムによって検出される車線標示の多項式表現１５０ｄを判断する。ビークル１６０ｄは、多項式表現１５０ｄが２つの点１１０ｄと１２０ｄとの間で初期化されるように、マップ１０５の２つの点間に位置する。したがって、多項式表現１５０ｄのカメラ測定値をマップ１０５と比較してビークル１６０ｄの位置を特定する方法を理解することは困難である。
【0043】
いくつかの実施形態は、更新においてマップ１０５を使用するために、連続表現が有利であることを認識する。図１Ｅは、いくつかの実施形態に従って、マップ１０５をどのように表すかの図を示す。具体的には、ＭＭＳからのマップ点１１０ｅ、１２０ｅ、１３０ｅ、１４０ｅにスプライン表現１５０ｅとして多項式をフィッティングすることにより、連続マップ表現１５０ｅが構築される。スプラインは、制御点によって定義される区分的多項式のセットである。例えば、点１１０ｅ～１４０ｅは、制御点とすることができ、スプラインは、スプライン表現１５０ｅを与えるようにそのような点によって定義される多項式を最もよく表すようにフィッティングされることができる。
【0044】
いくつかの実施形態では、推定されるべき状態は、ビークル１０４の状態およびマップ１０５の状態であり、マップ１０５の状態は、１つまたはいくつかのスプラインを形成する１つまたはいくつかの多項式の係数を含む。スプライン表現を使用することにより、スプラインから、カメラ測定値と任意に良好に整列することができる点をサンプリングすることが可能になり、したがって、様々な測定値、例えば、カメラ測定値、ＧＮＳＳ測定値、およびマップを比較する簡単な方法を与える。
【0045】
スプラインは、接続される多項式のセットからなる。マップの表現は連続的であり、例えば、道路の車線の車線標示は連続的であるため、スプラインに含まれる多項式は、暗黙的または明示的に強制的な連続性である。
【0046】
図１Ｆは、多項式１５０ｅが点１１０ｅ～１４０ｅによって定義され、別の多項式１４０ｆが点１４０ｅ、１１０ｆ、１２０ｆ、および１３０ｆによって定義される図を示す。いくつかの実施形態は、多項式１５０ｅの終点１４０ｅおよび多項式１４０ｆの開始点１４０ｅにおける空間位置において連続性を強制する。他の実施形態は、スプラインに沿った速度に沿っても連続性を強制し、そのような連続性を達成するためのパラメータ化は、本開示の他の実施形態によって説明される。
【0047】
一実施形態では、ＭＭＳからのマップは、ビークルが道路を通り抜けるにつれて再帰的に出力される。例えば、マップ点は、ビークル１０４の周囲の所与の水平線について固定出力レートで出力される。この目的のために、離散点は、バッチで再帰的に与えられ、それによって、スプライン間の連続性は、本開示の他の実施形態によって説明されるように、スプライン内の多項式間と同様に強制される。
【0048】
いくつかの実施形態は、マップ１０５またはマップ１０５の表現は、いくつかの理由により不確実であり得る、という理解に基づく。
【0049】
例えば、ＭＭＳは、高性能カメラおよびライダーなどの高コストセンサを使用して道路をマッピングする。しかしながら、そのような高コストセンサを用いても、世界座標において実際のマップ位置の不確実性をもたらす、ある精度の損失を引き起こす、不可避的な欠陥が存在する。
【0050】
例えば、ＭＭＳは、ある更新レート、例えば、数週間または数ヶ月で、都市の街路をマッピングする。しかしながら、そのようなマッピングインスタンス間には、例えば、再舗装された道路が新たな車線標示をもたらして位置がわずかに異なること、または一時的な道路工事が車線の変更もしくは街路の経路変更につながることに起因して、街路において捕捉されない、道路に対する変更が存在し得る。
【0051】
図１Ｇは、いくつかの実施形態による、マップ点１１０ｅ～１４０ｅが連続スプライン表現１５０ｅに変換されている状況を示す。前述の不完全性のため、いくつかの実施形態は、マップ１０５の不確実性を連続スプライン表現１５０ｅの不確実性に移し、不確実性分布１５０ｇをもたらす。いくつかの実施形態では、そのような不確実性分布１５０ｇは、マップ更新とビークル位置更新とのバランスをとるために使用される。
【0052】
図１Ｈは、ビークル１１０ｈが車線標示１２０ｈおよび１４０ｈを有する道路上を走行するシナリオの図を示す。しかしながら、メモリに記憶されたマップは、車線標示が１２０ｈおよび１４０ｈとは異なる位置１３０ｈおよび１５０ｈに位置することを示す。カメラは、車線標示１２０ｈおよび１４０ｈまでの距離１０８ｈおよび１０９ｈを測定する。しかしながら、メモリに記憶されたマップが真のマップとは異なるので、カメラ測定値１０８ｈおよび１０９ｈは、ビークル１１０ｈが異なる場所１６０ｈに位置することに対応する。これに対応して、マップ更新がグラウンドトゥルースとして信頼される場合、推定ビークル位置は誤っていることになる。
【0053】
図１Ｉは、図１Ｈの同じビークル１１０ｈが同じ道路を走行するシナリオの図を示す。このシナリオでは、推定位置１１０ｉは真の位置とは異なる。したがって、測定値１０８ｈおよび１０９ｈでは、推定は、ビークルが１１０ｉに位置すると考えるので、測定値１０８ｈおよび１０９ｈは、ビークル位置１１０ｉと車線標示１３０ｉおよび１４０ｉとの間で測定される１０８ｉおよび１０９ｉであると解釈される。したがって、マップが更新される場合、マップが位置１３０ｉおよび１４０ｉにおいて誤って推定されることにつながる。
【0054】
このため、および図１Ｈおよび図１Ｉから、いくつかの実施形態は、マップもしくはビークル状態のいずれかまたは両方が誤差を伴って推定される可能性を考慮するために、ビークル状態およびマップパラメータを併せて推定する。言い換えれば、マップを含めることによってビークル位置特定を改善することができ、ビークル状態を含めることによってマップのオンライン推定を改善することができる。
【0055】
いくつかの実施形態は、マップおよびビークル状態の確率的融合が有利であることを活用し、なぜならば、不確実性を組み込むことにより、ある度合いの信頼度を利用してビークル状態およびマップの状態を更新することができるからである。このようにすることは、情報の融合が、様々なセンサに依拠することと、マップの状態の推定と、ビークルの状態の推定との間でバランスをとることができることを意味する。
【0056】
図２Ａは、いくつかの実施形態による確率的融合機構１３０の概略フローチャートを示す。ビークルの状態およびマップの状態を含む結合状態の推定結合分布２１０ａをともに形成する、マップ１０５の状態の初期推定値、ビークル１０４の状態、および関連する不確実性の推定値を使用して、融合機構１３０は、予測分布２２０ａに対する推定を予測し（２７０ａ）、予測、すなわち時間伝搬は、典型的には、ビークル１０４の状態の運動モデル１２０を利用する。いくつかの実施形態では、ビークル１０４の状態の時間伝播は、ビークルの操舵およびビークルの加速度などのビークル排他的特性に依存するので、ビークル１０４の状態の予測２１０ａおよびマップ１０５の状態は、互いに独立して判断され得る。次に、確率的融合機構１３０は、ビークル１０４およびマップ１０５の集約状態を測定し（２８０ａ）、感知は確率的不確実性を有し、測定された分布２３０ａをもたらす。次に、コスト関数２９５ａを使用して、融合機構１３０は、測定された分布２３０ａを使用して、測定された状態空間に変換２４０ａされた予測分布２２０ａを補正２９０ａして、推定分布２５０ａを達成し、ここで、補正２９０ａは、融合機構１３０内で最小化するためのコスト関数に基づく。次の時間ステップ２６０ａでは、終了条件が満たされるまで手順が繰り返される。
【0057】
融合機構１３０は、ビークル１０４の状態とマップ１０４の状態との結合コスト関数を最小化する補正ポリシーを決定するために実現され得る。結合コスト関数２９５ａは、測定値からの結合予測状態の偏差、補正の大きさなどを含み得る。結合コスト関数２９ａは、現在の推定によって提供される現在の時間インスタンスにおけるビークル１０４およびマップ１０５の状態を含み得る。追加または代替として、結合コスト関数２９５ａは、予測される将来の状態または履歴測定値からの状態の履歴偏差を含み得る。例えば、コスト関数は、二乗２ノルムを使用することができ、
【0058】
【数1】
【0059】
ここで、ｘ（ｔ）は予測される状態を表し得、ｕ（ｔ）は制御入力、例えばビークルの操舵角および加速度を表し得、Ｑは正定値行列であり得る。
【0060】
ビークルの予測される将来の状態は、運動モデル１２０および制御ポリシーｕ（ｔ）を使用して取得され得、
【0061】
【数2】
【0062】
ビークルの測定された状態ｘ０は、時間ゼロにおけるビークルの予測される将来の状態を初期化ｘ（０）＝ｘ０するために使用され得る。
【0063】
図２Ａに示される最適化ベースの手順は、シミュレーションモデルおよびある時間ホライズンＴｈｏｒにわたるビークル１０４の状態を定義する制約を受けるコスト関数（１）を最小化するために実現され得る。
【0064】
【数3】
【0065】
二次コスト関数および線形運動モデルに関しては、（３）は、いくつかの実施形態によればカルマンフィルタの形態で実現されることができ、非線形運動モデルに関しては、（３）は、カルマンフィルタの種々の非線形バージョン、例えば、アンセンテッドカルマンフィルタ、またはより一般的には線形回帰カルマンフィルタによって近似されることができる。
【0066】
いくつかの実施形態は、単一の測定値は測定変動の分布から１つのサンプルしか知らせないため、測定された分布２３０ａはそれ自体不確実であるという認識に基づく。測定分布は、公称条件下で判断することができるが、実行時では、多数の要因のため、変動することになる。例えば、ＧＮＳＳ測定は、時として、信頼性があり得、それは、分布の小さい分散を意味し、時として、例えば、マルチパスまたはわずかな見通し線衛星のため、ＧＮＳＳ測定は、信頼性がなく、大きい分散を暗示し得る。この目的のため、いくつかの実施形態は、測定が由来し得る分布の異なる仮説を使用して各測定をモデル化する。
【0067】
たとえば、図２Ｂを参照すると、カメラ測定値は、第１の仮説２３０ａ、第２の仮説２３０ｂ、および第３の仮説２３１ｂなどの分布を有することができる。いくつかの実施形態では、そのような異なる分布の可能性は、異なるタイプの不確実性、例えば、ＧＮＳＳ不確実性、カメラ不確実性、およびマップ不確実性を明確にするために、複数の確率フィルタを含む複合確率フィルタにおいて使用される。一実施形態は、第１の仮説２３０ａ、第２の仮説２３０ｂ、および第３の仮説２３１ｂの不確実性のうちのどれが最良のコスト関数を与えるかを判断するために、結合コスト関数２９５ａに従ってビークル１０４の状態およびマップ１０５の状態を更新する際に、異なるタイプの測定値の複数の可能な平均および分散を使用する。
【0068】
図３Ａは、本開示のいくつかの実施形態による、分布３１０ａの例を示す。図３Ａは、図２Ａと併せて説明される。分布３１０ａは、状態およびマップの予測結合分布２２０ａであり得る。例えば、分布３１０ａは、ガウス分布に対応し得る。ガウス分布３１０ａは、平均３２０ａおよび分散３３０ａによって定義することができ、平均３２０ａは、分布３１０ａの中心位置を定義し、分散３３０ａは、分布３１０ａの広がり（または幅）を定義する。図３Ａはまた、異なる平均３２１ａおよび分散３３１ａによって定義される、いくつかの実施形態による第２の分布３１１ａの例を含む。いくつかの実施形態では、そのような異なる分布は、異なるタイプの不確実性を明確にするために異なる測定分布仮説と併せて使用される結合状態、すなわち、ビークルの状態およびマップの状態の平均ならびに分散の、異なる推定である。
【0069】
図３Ｂは、状態の結合分布、すなわちビークル１０４の状態とマップ１０５の状態とを含む拡張状態を定義する分布が、測定値を使用して状態の補正を判断するために、どのように使用され得るかの手順を示す。図３Ｂは、図２Ａと併せて説明される。分布３１０ｂは、ビークルの状態およびマップの予測結合分布２２０ａに対応することができ、すなわち、分布３１０ａまたは第２分布３１１ａに対応することができる。分布３１０ｂは、状態の運動モデルの不確実性の異なる仮説を前提として、ある数の推定を定義してもよい。例えば、分布３１０ｂは、３つの異なる不確実性に関する３つの状態仮説、または不確実性による制御アクションを提供し得る。３つの状態仮説は、第１の状態３２０ｂ、第２の状態３３０ｂ、および第３の状態３４０ｂによって与えられ得る。次いで、手順は、測定２８０ａを伴い、３つの異なる状態をその測定および測定分布２３０ａとともに使用して推定性能を評価することができる。例えば、分布３１０ｂは、平均ｘおよび分散σ２を有するガウス分布であり得る。この例では、第１の状態３２０ｂはｘ＿１＝ｘ－σによって与えられ得、第２の状態３３０ｂはｘ＿２＝ｘによって与えられ得、第３の状態３４０ｂはｘ＿３＝ｘ＋σによって与えられ得る。
【0070】
次いで、３つの状態をもたらす予測の結果は、補正ステップ２９０ａにおいて結合状態の補正された結合分布２５０ａを判断するために使用され得る。例えば、結合分布は、３つの仮説の重み付けされた平均を測定分布２３０ａと組み合わせて使用して更新されてもよく、重みは、結合コスト関数２９５ａに従って選択されてもよく、
【0071】
【数4】
【0072】
ここで、ｃｉは、状態ｘｉに関連付けられる推定の評価されたコスト関数である。結合分布は、他の測定分布と組み合わせることができ、異なる重みをもたらす。ある例では、重みの評価は、異なる測定分布２３０ｂを使用して選択され得る。
【0073】
図３Ｃは、本開示のいくつかの実施形態による、異なる分散を有するガウス分布－第１のガウス分布３１０ｃ、第２のガウス分布３２０ｃ、および第３のガウス分布３３０ｃ（以下、まとめてガウス分布３１０ｃ、３２０ｃおよび３３０ｃと呼ぶ）を示す。図３Ｃは、図２Ａと併せて説明される。ガウス分布３１０ｃ、３２０ｃ、および３３０ｃは、測定値２３０ａの分布の異なる仮説であってもよく、例えば、図２Ｂの分布２３０ａ、２３０ｂ、および２３１ｂであってもよい。これらのガウス分布３１０ｃ、３２０ｃおよび３３０ｃの各々は、互いに対して異なる分散を有し得るが、ガウス分布３１０ｃ、３２０ｃおよび３３０ｃの平均３４０ｃは同じであり得る。分散が小さく、平均３４０ｃがガウス分布間で最も高い確率を有するガウス分布は、分布を定義する正しい測定値に関して、より確実であり得る。
【0074】
図３Ｄは、本開示のいくつかの実施形態による、補正ステップ２９０ａにおいてビークル１０４の状態とマップ１０５の状態との結合分布２２０ａを更新するための概略図３１０ｄを示す。図３Ｄは、図２Ａと併せて説明される。概略図３１０ｄは、予測ガウス分布３２０ｄと、測定の不確実性を定義するガウス分布３４０ｄと、補正ガウス分布３３０ｄとを含む。例えば、予測ガウス分布３２０ｄは、１つまたは複数のパラメータの予測結合分布２２０ａであり得る。例えば、測定の不確実性を定義するガウス分布３４０ｄは、前記測定の分散を測定する以前の実験から判断された図３Ｃにおける分布の１つであってもよい。例えば、補正ガウス分布３３０ｄは、ビークル１０４の状態とマップ１０５の状態との補正結合分布２５０ａであってもよい。概略図３１０ｄはまた、別の予測ガウス分布３２１ｄと、測定の別の不確実性を定義する別のガウス分布３４１ｄと、分布３２１ｄおよび３４１ｄを使用して得られる補正ガウス分布３３１ｄとを含む。いくつかの実施形態では、２つの補正ガウス分布３４１ｄおよび３４０ｄは、ビークル１０４の状態およびマップ１０５の状態の補正結合分布２５０ａを形成するために、一緒に重み付けされる。
【0075】
一実施形態は、確率分布がスプラインパラメータにわたるスプラインによって表されるマップ事前確率分布が、２次元または３次元空間に分布する接続点のセット、いわゆるマップ点として与えられ得るマップに回帰される必要があるという認識に基づく。一実施形態は、マップ点を特定のスプラインセグメントに関連付け、Ｌ２ノルムとして、マップ点に関して回帰された道路マップの総二乗全変動誤差の尺度を最小にする回帰を公式化することによって、これを行い、
【0076】
【数5】
【0077】
そのようなコスト関数は、線形系を反転させることによって不等式制約なしで提示されるとき、分析的に最小化することができる。これは、自乗可積分曲線を表すために使用されるパラメータにおいて線形である、当該任意の自乗可積分曲線について当てはまる。一例として、ただし一般性を失うことなく、ｄ次元空間におけるベジェ曲線について、
【0078】
【数6】
【0079】
そのような回帰の特徴は、道路マップからのサンプリングされた測定値上の均質なガウスノイズとして符号化されたマップ点における不確実性が、スプラインパラメータ、すなわち、マップ１０５の状態を構成するパラメータにおける不確実性に直接伝播され得ることである。ここでも、一般性を失うことなく、例としてベジェ曲線を使用して、スプライン係数の共分散行列について以下の式を得る。
【0080】
【数7】
【0081】
ここで、積における最後の因子は、マップ点に関連付けられるノイズの分散である。言い換えれば、マップ点の不確実性の事前尺度を有することによって、スプラインパラメータ、すなわちマップの状態は、不確実性事前確率分布を自然に得る。
【0082】
いくつかの実施形態は、速度における連続性制約がマップにおいて強制され得るという認識に基づいており、これは、マップ１０５の状態とビークル１０４の状態との結合分布を推定する推定器において使用される暗黙的に連続するベジェ曲線表現と上記で表されたベジェ曲線との間に１対１のマッピングがあることを保証する。一実施形態は、回帰における制御点の表現を、フィルタにおいてマップ１０５を表すスプラインにおける変数にマッピングする、上への非線形マップＦを表す。実際、前者にわたる分布は、一次展開によって後者の分布にマッピングすることができ、以下の近似関係が、マップ１０５の事前不確実性を割り当てるため得られる。
【0083】
【数8】
【0084】
【数9】
【0085】
図４Ａは、本開示の一実施形態による、環境内を移動するビークルの位置特定およびマップの推定を併せて実行するためのシステム４００のブロック図を示す。図１Ａに示すように、システム４００はシステム１００と等価であり、ビークルはビークル１０４であり、マップはマップ１０５である。
【0086】
位置特定システム４００は、プロセッサ４０２ａおよびメモリ４０４ａを含む。プロセッサ４０２ａは、シングルコアプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、または任意の数の他の構成であり得る。メモリ４０４ａは、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、または任意の他の好適なメモリシステムを含み得る。さらに、いくつかの実施形態では、メモリ４０４ａは、ハードドライブ、光学ドライブ、サムドライブ、ドライブのアレイ、またはそれらの任意の組合せを使用して実現され得る。ある実施形態では、メモリ４０４ａは、複数の確率フィルタ４０５ａを記憶する。複数の確率フィルタ４０５ａは、図４Ｂにおいて詳細に説明される。本説明を通して、複数の確率フィルタ４０５ａは、本開示の範囲から逸脱することなく、複合確率フィルタ４０５ａと称される。一実施形態では、位置特定システム４００は、ビークル１０４に通信可能に結合され得る。
【0087】
図４Ｂは、本開示のいくつかの実施形態による、位置特定システム４００によって実行される方法の概略図を示す。位置特定システム４００は、ビークル１０４の状態およびマップ１０５の状態を示す測定値を使用してビークルを追跡する。たとえば、測定値は、ビークルの位置、ビークルの進行角度、ビークルの速度、および環境のマップに対するビークルの位置を示すカメラの測定値のうちの１つまたは組合せを含み得る。一実施形態では、ビークル１０４の状態を示す測定値は、図１Ａおよび図１Ｂに示すセンサ測定値１０１ａ～１０３ａに対応し得る。言い換えれば、ビークル１０４の状態を示す測定値は、１つ以上のセンサ１０１～１０３から取得することができる。例えば、ビークル１０４の速度を示す測定値は、ビークル１０４の速度センサから取得されてもよい。いくつかの実施形態では、カメラの測定値は、環境１００ａなどの環境の特徴、例えば道路の車線標示を出力するように後処理される。いくつかの実施形態によると、そのような車線標示は、マップ１０５のスプライン表現を使用してマップ１０５を構成する。
【0088】
位置特定システム４００は、まず、異なる制御ステップでビークル１０４の状態を示す一連の測定値を収集する（４１０ｂ）。例えば、測定値のシーケンスは、図１Ｂにおいて先に示されているＧＮＳＳ測定１０３ａおよびカメラ測定１０２ａを含む。集合的に、ＧＮＳＳ測定値１０３ａおよびカメラ測定値１０２ａは、位置特定システム４００の異なる制御ステップにおいてビークル１０４の位置を示す。さらに、位置特定システム４００は、ビークル１０４の位置の状態およびマップ１０５の状態においてパラメータ化された複数の確率フィルタを含む複合確率フィルタ４０５ａを反復的に実行する（４２０ｂ）。複合確率フィルタは、測定値のシーケンスを使用して異なる制御ステップの各々においてビークル１０４の状態およびマップ１０５の状態を併せて追跡して、測定値のシーケンスに対応するビークル１０４およびマップ１０５の状態の結合シーケンス４２５ｂを生成するよう構成される。さらに、位置特定システム４００は、複合確率フィルタ４０５ａによって追跡されるビークル１０４およびマップ１０５の状態の結合状態、すなわち結合状態を出力する（４３０ｂ）。
【0089】
現在の測定値を使用して現在の制御ステップのための反復を実行するために、複合確率フィルタ４０５ａは、ビークル１０４の位置の状態およびマップ１０５の状態を併せて、ならびに異なる測定分布においてパラメータ化された複数の確率フィルタ、すなわち、確率フィルタ４２１ｂ、確率フィルタ４２２ｂ、および確率フィルタ４２３ｂ（以下、まとめて複数の確率フィルタ４２１ｂ～４２３ｂと呼ぶ）を実行して、現在の制御ステップのための結合状態の複数の推定値を生成するよう構成される。例えば、確率フィルタ４２１ｂは状態４３１ｂを生成し、確率フィルタ４２２ｂは状態４３２ｂを生成し、確率フィルタ４２３ｂは状態４３３ｂを生成する。
【0090】
複数の確率フィルタ４２１ｂ～４２３ｂの各々は、プロセスノイズを受ける予測モデルを用いて現在の結合状態を反復的に予測し、測定ノイズを受ける測定モデルを用いて、現在の測定に基づいて、予測される現在の結合状態を更新する確率フィルタであり、２つの異なるフィルタ４２１ｂおよび４２２ｂは、異なる測定ノイズを有する。
【0091】
そのために、複合確率フィルタ４０５ａは、例えば、状態４３１ｂ、４３２ｂ、および４３３ｂの、ビークル１０４の位置およびマップ１０５の状態の結合状態の複数の推定値に変動を引き起こす異なる測定ノイズを有する複数の確率フィルタ４２１ｂ～４２３ｂを実行する。次に、複合確率フィルタ４０５ａは、複数の確率フィルタ４２１ｂ～４２３ｂの各々について、現在の測定値を、予測される現在の状態と相関させる、対応する測定ノイズの尤度を推定し、ビークル１０４の位置とマップ１０５の状態との結合状態の複数の推定値を、正規化された重み－対応する確率フィルタについて推定される尤度から導出される、状態４３１ｂに対する重み４４１ｂ、状態４３２ｂに対する重み４４２ｂ、および状態４３３ｂに対する重み４４３ｂ（以下、重み４４１ｂ～４４３ｂと呼ぶ）－で重み付けされた組み合わせに組み合わせる（４５０ｂ）。したがって、現在の制御ステップのために複合確率フィルタ４０５ａによって追跡される結合状態は、重み付けされた組合せ４５０ｂに基づく。
【0092】
このように、測定ノイズは、確率フィルタの性能外の測定値の追加の統計的分析を必要とすることなく、確率フィルタの内部変数および／または計算を使用して評価される。上述の例は、状態推定と測定値との間の相関の原理を示すだけでなく、相関の推定を実施するために使用することもできることに留意されたい。しかしながら、異なる実施形態は、相関を評価するために異なる技法を使用することができる。たとえば、いくつかの実施形態は、カルマンフィルタによって求められたカルマン利得の評価を使用して、予測される現在の状態および状態推定値の共分散を更新し、これは、不偏推定器については平均二乗誤差（ＭＳＥ）である。例えば、一実施形態は、複合確率フィルタにおける各カルマンフィルタのカルマン利得を求め、カルマン利得を使用して更新された予測される現在の状態および状態推定値の更新された共分散を求め、カルマン利得に基づいて更新された状態および共分散に基づいて測定ノイズの尤度を求める。そのような計算は、確率フィルタの内部であり、すなわち、デバイスの状態を追跡するためにいずれにせよ計算される。したがって、これらの変数の計算は、追加のリソースを必要としない。
【0093】
しかしながら、いくつかの実施形態は、確率フィルタの内部変数および／または計算の使用は測定ノイズの正確さの評価のための計算要件を低減し得るが、評価自体が確率フィルタの内部性能によって損なわれるという認識に基づく。言い換えれば、測定ノイズの正確さは、必ずしもカルマンフィルタに依存せずに測定値を反映する真の正確さではなく、確率フィルタ自体の観点からの正確さである。そのために、この評価を使用して測定ノイズを適合させることは問題であるかもしれないが、むしろ、この評価を使用して、選択された測定ノイズで確率フィルタの性能を評価することが問題であり得る。
【0094】
この問題に対処するために、いくつかの実施形態は、異なる測定ノイズを有する複数の確率フィルタを使用し、結合状態を、各フィルタの重みが測定ノイズの尤度の対応する評価から導出される、複数の確率フィルタ４２１ｂ～４２３ｂによって推定される状態の重み付けされた組み合わせとして求めて、結合状態を示す現在の測定値を、フィルタの予測モデルによって予測される状態に相関させる。このように、測定値の統計的特性を分析する必要なく、異なる測定ノイズを考慮することができる。
【0095】
いくつかの実施形態では、各時間ステップにおいて、複数の確率フィルタ４２１ｂ～４２３ｂの各々は、重み付けされた組み合わせ４５０ｂに基づいて初期化される。
【0096】
重み付けされた組み合わせは、いくつかの方法で求めることができる。一実施形態は、測定尤度を使用して重み付けすることによって重み付けされた組み合わせを求め、各尤度は異なる測定分布を含み、結合状態は測定尤度に挿入される。別の実施形態は、ビークルの状態およびマップの状態に対して異なる重み付けされた組み合わせを求める。
【0097】
追跡の確率的性質により、測定ノイズの選択は、状態４３１ｂおよび関連付けられる重み４４１ｂに影響を及ぼす。そのために、測定ノイズの選択は、状態４３１ｂの推定に影響を及ぼし、それによって、測定ノイズの選択の正確さは、確率フィルタの動作に有益であり得る。
【0098】
同様に、事前マップ不確実性の選択は、更新に影響を及ぼす。いくつかの実施形態では、異なるマップ事前ノイズが、異なる確率フィルタのために使用される。他の実施形態では、マップ事前ノイズは、本開示の既に言及された実施形態によって判断される。
【0099】
いくつかの実施形態は、カルマンフィルタのような確率フィルタの内部変数および／または計算が、複数の確率フィルタ４２１ｂ～４２３ｂにおいて使用される測定ノイズの正確さを評価するために使用され得るという認識に基づく。具体的には、測定ノイズの正確さの評価のメトリックは、結合状態を示す現在の測定値を予測モデルによって予測される結合状態に相関させる測定ノイズの尤度であり得る。
【0100】
図４Ｃおよび図４Ｄは、本開示のいくつかの実施形態による測定ノイズの正確さの例示的な評価の図を示す。ビークル１０４およびマップ１０５の予測される現在の結合状態４０５ｃは、変換された結合状態４１５ｃを得るために、測定のドメイン（すなわち、測定空間）に変換４１０ｃされる。変換された状態の例は、図４Ｄに示される４４０ｄである。そのような変換は、例えば、測定値のモデルを使用して実行することができる。次に、異なる測定ノイズ特性、例えば、ノイズ共分散が、図４Ｄに示される異なる測定ノイズ４１０ｄおよび４２０ｄの尤度を推定するために、変換された状態４４０ｄを中心とされる（４２０ｃ）。一実施形態では、複数の確率フィルタ４２１ｂ～４２３ｂの各々は、プロセスノイズおよび測定ノイズが対応するガウス確率分布によって定義される非線形カルマンフィルタであり、測定空間に変換される予測される現在の結合状態の推定は、ガウス確率分布の平均であり、異なる測定ノイズは、対応するガウス確率分布の異なる分散を定義する。
【0101】
さらに、予測される現在の状態４０５ｃを更新するための現在の測定値４２５ｃが受信されるとき、測定値は、探索された相関の尤度を推定するために確率分布上にマッピングされ得る（４３０ｄ）。例えば、図４Ｄに見られるように、測定ノイズ４２０ｄの尤度は、マッピングされた測定４３０ｄにおいて測定ノイズ４１０ｄの尤度よりも大きい。
【0102】
いくつかの実施形態では、各時間ステップにおいて、複数の確率フィルタ４２１ｂ～４２３ｂの各々は、重み付けされた組合せ４２５ｂに基づいて初期化される。例えば、図４Ｅを参照すると、一実施形態では、変換状態４１５ｅが、複数の確率フィルタ４２１ｂ～４２３ｂの各々を初期化するために使用され、複合確率フィルタ４５０ａの予測結合状態は、各確率フィルタにおいて内部的に異なる測定ノイズ共分散を有することによって、異なって更新される。そのために、測定空間に変換される予測される現在の結合状態（すなわち、変換状態４１５ｅ）の推定は、複数の確率フィルタ４２１ｂ～４２３ｂに共通である。
【0103】
いくつかの他の実施形態では、複数の確率フィルタ４２１ｂ～４２３ｂは、内部状態推定値を使用して並列に動作し、重み付けされた組み合わせ４２５ｂは、複合確率フィルタ４０５ａの出力としてのみ使用される。例えば、図４Ｆを参照すると、第１の変換状態４５１ｆは、確率フィルタ４２１ｂについて、確率フィルタ４２１ｂの予測される現在の状態を測定空間に変換することによって、得られる。第２の変換状態４５２ｆは、確率フィルタ４２２ｂについて、確率フィルタ４２２ｂの予測される現在の状態を測定空間に変換することによって、得られる。第３の変換状態４５３ｆは、確率フィルタ４２３ｂについて、確率フィルタ４２３ｂの予測される現在の状態を測定空間に変換することによって、得られる。複数の確率フィルタ４２１ｂ～４２３ｂは、次の反復において、それぞれ、第１の変換状態４５１ｆ、第２の変換状態４５２ｆ、および第３の変換状態４５３ｆを使用して、それらの内部状態推定を更新するよう構成される。言い換えれば、測定空間に変換された予測される現在の結合状態の推定は、異なる確率フィルタについて異なる。
【0104】
いくつかの実施形態は、同じ変換状態推定値を有するとき、制御の各時間ステップにおいて各確率フィルタを初期化することは、状態推定値において多様性の欠如を引き起こし得、なぜならば、各確率フィルタは多様化に対して１つの時間ステップのみを有するからである、という認識に基づく。いくつかの他の実施形態は、複数の確率フィルタ４２１ｂ～４２３ｂを互いに独立して動作させることは、枯渇を引き起こす可能性があり、これは、数時間ステップ後に、複数の確率フィルタ４２１ｂ～４２３ｂのうちの１つのみが非ゼロの重みを有し得ることを意味するという理解に基づく。
【0105】
前述の問題を解決するために、いくつかの実施形態は、推定値の混合によって制御の各時間ステップにおいて状態推定値をともに初期化し、各確率フィルタの混合は、重み４４１ｂ、４４２ｂ、および４４３ｂ、ならびに他の重みとの関係によって決定される。
【0106】
いくつかの実施形態は、異なる重み付けされた組み合わせ４５０ｂを使用して、ビークルの状態およびマップの状態をそれぞれ重み付けする。そのような異なる重み付けは、異なるメトリック、すなわちコスト関数が異なるエンティティに関連付けられるときに有益であり得る。例えば、いくつかのアプリケーションは、滑らかなビークル位置推定に焦点を当てる重み付けを必要とする場合があり、なぜならば、滑らかなビークル位置推定は、位置推定の高速変動が制御性能に有害であり得る制御コンテキストにおいて使用されることになるからであるが、他のアプリケーションは、マップの最良の推定値を提供することに焦点を当てる重み付けを必要とする場合があり、なぜならば、そのようなマップは経路付けシステムに使用されるからである。
【0107】
図４Ｇは、いくつかの実施形態による重み付けの２つの例、すなわち第１の重み付け４１０ｇおよび第２の重み付け４２０ｇを示し、第１の重み付け４１０ｇは、ビークル４７０の重み付けされた状態を生成するために、異なる確率フィルタからのビークル１０４の状態を一緒に重み付けするために使用され、第２の重み付け４２０ｇは、マップ４８０の重み付けされた状態を生成するために、異なる確率フィルタからのマップ１０５の状態を一緒に重み付けするために使用される。例えば、ビークル１０４の状態の第１の重み付け４１０ｇは、平均二乗の意味で行われ、なぜならば、そのような重み付けは、より滑らかな推定値を生成することが公知であるからである。例えば、マップ１０５の状態の第２の重み付け４２０ｇは、最大事後的意味で行われ、なぜならば、そのような重み付けは、より変動する推定値を生成することが知られている一方で、より確からしい推定値を生成することも知られているからである。
【0108】
そのために、ビークル１０４の状態４３１ｂは対応する重み４４１ｂを有し、ビークル１０４の状態４３２ｂは対応する重み４４２ｂを有し、ビークル１０４の状態４３３ｂは対応する重み４４３ｂを有する。これらの状態および重みはすべて、最小平均二乗重み付けである第１の重み付け４１０ｇによって組み合わされて、ビークルの重み付けされた状態４７０を生成する。生成されたビークルの重み付けされた状態４７０は、複数の確率フィルタ４２１ｂ～４２３ｂによって追跡される位置の現在の状態４３１ｂ～４３３ｂの組み合わせである。この組み合わせは、第１の重み付け４１０ｇの組み合わせである。
【0109】
そのために、マップ１０５の状態４５１ｂは対応する重み４６１ｂを有し、マップ１０５の状態４５２ｂは対応する重み４５２ｂを有し、マップ１０５の状態４５３ｂは対応する重み４６３ｂを有する。これらの状態および重みはすべて、マップの重み付けされた状態４８０を生成するために、最大事後重み付けである第２の重み付け４２０ｇによって組み合わされる。生成されたマップの重み付けされた状態４８０は、複数の確率フィルタ４２１ｂ～４２３ｂによって追跡されるマップの現在の状態４６１ｂ～４６３ｂの組み合わせである。この組み合わせは、第２の重み付け４２０ｇの組み合わせである。また、重み４４１ｂ～４４３ｂは、重み４６１ｂ～４６３ｂとは異なる。
【0110】
異なる重み付けされた組み合わせは、各々、それらの長所と短所とを有し、互いに独立したマップの状態とビークルの状態との間で異なる重みを生成することにより、ある重み付けを伴う、異なる目的関数値を得ることができる。他のタイプの重み付けされた組合せが可能であるが、４１０ｇおよび４２０ｇは、可能な重み付けされた組合せのうちの２つのそのような具体例を提供することを理解されたい。
【0111】
いくつかの実施形態は、図４Ａおよび図４Ｂに記載される複合確率フィルタフレームワークが、全地球航法衛星システム（ＧＮＳＳ）の測定に適用され得るという認識に基づく。例えば、複合確率フィルタ４０５ａは、ＧＮＳＳ測定値１０３ａを使用して異なる制御ステップにおいてビークル１０４の状態を追跡して、ＧＮＳＳ測定値１０３ａに対応する状態４３１～４３３ｂなどのビークルの状態のシーケンスを生成するよう構成され得る。
【0112】
ＧＮＳＳは、地球に対するモバイル受信機の地理的位置を判断するために使用され得る衛星のシステムである。ＧＮＳＳは、ＧＰＳ、Galileo、Glonass、ＱＺＳＳ、およびBeiDouを含み得る。ＧＮＳＳの例は、図５Ａにおいて詳細に説明される。図５Ａは、いくつかの実施形態による、ＧＮＳＳの概略図を示す。たとえば、Ｎ番目の衛星５０２は、符号および搬送波位相測定値を受信機５３０および５３１のセットに送信する（５２０および５２１）。たとえば、受信機５３０は、Ｎ個の衛星５０１，５０３，５０４，および５０２から信号５１０、５２０を受信するように位置決めされる。同様に、受信機５３１は、Ｎ個の衛星５０１，５０３，５０４，および５０２から信号５２１および５１１を受信するように位置決めされる。
【0113】
様々な実施形態では、ＧＮＳＳ受信機５３０および５３１は、異なるタイプであり得る。例えば、図５Ａの例示的な実施形態では、受信機５３１は、位置が既知であるベース受信機である。例えば、受信機５３１は、地上に取り付けられた受信機であり得る。対照的に、受信機５３０は、移動するよう構成されたモバイル受信機である。例えば、受信機５３０は、ビークル１０４などのビークルに搭載される。いくつかの実現形態では、第２の受信機５３１は任意選択であり、大気の影響ならびに受信機および衛星の内部クロックの誤差など、様々なソースに起因する不確実性および誤差を除去するか、または少なくとも低減するために、使用され得る。いくつかの実施形態では、符号および搬送波位相信号を受信する複数のＧＮＳＳ受信機がある。
【0114】
いくつかの実施形態の目的は、ビークル１０４の状態の衛星ベースの追跡を改善するためのシステムおよび方法であって、ビークルはＧＮＳＳ受信機を備える、システムおよび方法を開示することである。別の目的は、衛星信号から受信された情報の非同期協調を使用するそのようなシステムおよび方法を提供することである。いくつかの実施形態のさらに別の目的は、確率的である、すなわち、確率的外乱および誤差源を考慮する、そのようなシステムおよび方法を提供することである。他の実施形態の目的は、衛星信号に依存するだけでなく、異なるソースからの異なる情報を使用してビークルの状態を追跡することである。例えば、いくつかの実施形態では、ビークルの状態は、ＧＮＳＳ受信機を使用して衛星から受信されたＧＮＳＳ信号と、無線周波数（ＲＦ）受信機を使用して遠隔サーバから受信されたビークルの状態の確率分布の第１および第２のモーメントとを使用して追跡される。
【0115】
特定のシナリオ、例えば高層建築物間では、符号および搬送波位相信号における情報内容が高精度の状態推定を実行することを困難にするように、衛星信号の複数の歪みが存在する。例えば、図５Ｂは、マルチパスが受信機５０１ｂのための信号を妨害するシナリオの図を示す。受信機５０１ｂは、衛星５１０ｂおよび５２０ｂから様々な信号５０９ｂおよび５１９ｂを受信する。信号５２８ｂ、５２９ｂ、５３８ｂ、５３９ｂを送信する他の衛星５３０ｂおよび５４０ｂがあるが、障害物５７０ｂ、たとえば都市部の建築物に起因して、これらの信号は受信機に直接送信されない。
【0116】
以前は、衛星５４０ｂから送信された信号５３８ｂは利用可能ではなかったが、突然、衛星信号５３９ｂは、マルチパスイベント５０２ｂの後に受信機に到達する。そのようなシナリオは、確率フィルタが誤った曖昧さ推定値にロックオンし、大きな推定誤差を引き起こすので、ビークルの状態を追跡する際の確率フィルタの性能を深刻に損なう可能性がある。
【0117】
さらに、いくつかの実施形態は、適応巡航制御または短期車線変更といった特定の先進ドライバ支援システム（ＡＤＡＳ）タスクを実行するためには、たとえば超音波、レーダー、またはカメラによって測定され得る、他のビークルに対する相対位置および速度を知っていれば充分であるという認識に基づく。しかしながら、より先進のＡＤＡＳおよび自律運転（ＡＤ）機能を有するビークルを取り囲む多くのアプリケーションでは、直接測定できる、周囲のビークルに対する相対位置を知ることは、充分ではないが、所与の時間ステップにおいてＡＤ機能を有するビークルから見えさえもしない物体に対する状態情報を知ることも重要である。例えば、経路計画またはマルチエージェント動作計画および協調タスクにおいて、解決されるべき制御問題は、道路表面品質は様々であり、所与のビークルの各乗客は、例えば、運転者の快適さおよび他のパフォーマンスメトリックに関連する異なる優先度を有するなか、ビークルを異なる目標に向けて最適に調整することである。特定のビークルがどの時限経路をとるべきかを識別することは、自ビークルの位置、他ビークルの時限経路、および対象の道路の環境設定に依存する。
【0118】
いくつかの実施形態は、カメラを使用して、ＡＤ能力を有するビークルのすぐ近くの道路および周囲の物体に対する相対運動を検出することができるが、カメラはビークルの全地球測位を提供することはできないという認識に基づく。また、レーダー、ライダー、および超音波などの距離センサは、カメラと同様に相対運動を検出することができるが、センサ測定値をビークルとマップにおける位置に関係付けるマップを伴わない限り、ビークルを全地球測位するための唯一のセンサとして使用することはできない。
【0119】
さらに、いくつかの実施形態は、ＧＮＳＳが、例えば、都市高層建物から、様々な妨害および閉鎖を受けやすいという認識に基づく。したがって、いくつかの実施形態は、ＧＮＳＳを追加の感知で補完する。たとえば、カメラおよびライダーなどの追加の感知と組み合わされたＧＮＳＳは、ＧＮＳＳが全地球測位を提供し、追加の感知が相対測位を提供するので、全地球測位ならびに不確実なマップおよび他の物体に対する測位を達成することができる。したがって、いくつかの位置特定推定方法では、多数のセンサが一緒に使用されて、センサ単独で提供できるものに対して性能を向上させる目的でビークルの位置特定を達成する。
【0120】
この目的のために、様々な方法は、ＧＮＳＳ測定値と、環境１００ｇのマップ１０５に対するビークル１０４の状態を示す異なるタイプのセンサ１０１～１０３などの複数のセンサの測定値とを融合して、ビークル１０４の状態およびマップ１０５の状態を推定する。複数のセンサは、カメラ、レーダー、ライダーなどのうちの１つまたは組合せを含み得る。追加または代替として、複数のセンサは、カラー画像を生成するカメラ、深度画像を生成する深度センサ、および複数の遠隔センサの融合測定値を生成する路肩ユニット（ＲＳＵ）のうちの１つまたは組合せを含み得る。
【0121】
複数のセンサの測定値を使用することは有益である。例えば、異なるセンサは、互いを補完することができ、例えば、ＧＮＳＳは、環境が都市であるかまたは地方であるかに依存するが、天候に依存せず、カメラは、環境が地方であるかまたは都市であるかに依存しないが、車線標示を検出するのに気象条件および道路の質に対して感度を有する。
【0122】
複数のセンサの測定値を融合する様々な推定方法は、そのようなセンサの測定ノイズが先験的に判断されると仮定する。しかしながら、実際には、測定ノイズは、運転条件、環境、ならびにそのようなセンサ測定値を生成したフィルタリングおよびコンピュータビジョンアルゴリズムとともに変動するため、時間変動する。例えば、カメラは、コンピュータビジョンアルゴリズムと共に使用されて、ビークルが走行している車線に隣接する車線の車線標示測定値を生成する。気象条件、道路の質、および使用される特定のコンピュータビジョンアルゴリズムに応じて、車線標示は、場合によっては正確に検出され、場合によっては誤差を伴って検出され、場合によっては、道路の他の部分、例えば、道路の亀裂が、車線標示として検出される。このような検出結果に応じて、測定ノイズの特性は変化することになる。
【0123】
したがって、変化する測定ノイズに適応しながら複数のセンサの測定値を融合することによってビークルの状態およびマップの状態を追跡する必要がある。いくつかの実施形態によれば、位置特定システム４００は、有線、無線、または両方の通信リンクを使用して複数のセンサに動作可能に接続されてもよく、したがって、位置特定システム４００は、ビークル１０４の状態およびマップ１０５の状態を示す複数のセンサの測定値を収集することができる。さらに、複合確率フィルタ４０５ａの複数の確率フィルタ４２１ｂ～４２３ｂの測定モデルは、複数のセンサ１０１～１０３の測定値を融合して、ビークル１０４の状態およびマップ１０５の状態の対応する推定値を生成する。
【0124】
本開示の以下の部分では、ＧＮＳＳ測定値およびカメラ測定値を使用してビークルの状態およびマップの状態を推定し、そのような推定に基づいてビークルを制御するための方法について説明する。次に、複数のセンサの測定値を用いてビークルの状態およびマップの状態を推定する方法について説明する。
【0125】
図６Ａは、本開示のいくつかの実施形態による、ＧＮＳＳ測定値１０３ａおよびカメラ測定値１０２ａを使用してビークル１０４の状態およびマップ１０５の状態、結合状態を推定し、推定された結合状態に基づいてビークル１０４を制御するための方法６００のブロック図を示す。本明細書で使用されるように、ビークル１０４は、乗用車、トラクタトレーラ、バスなどの任意のタイプの移動主体であり得る。いくつかの実施形態では、方法６００は、ビークルの状態、マップの状態、および複数の測定分布においてパラメータ化された複合確率フィルタ４０５ａを使用し、ビークルの状態は、ビークルの位置およびビークルの向きを含む。ブロック６１０において、方法６００は、異なる制御ステップにおいて結合状態を示すＧＮＳＳ測定値１０３ａおよびカメラ測定値１０２ａのシーケンスを収集することを含む。ブロック６２０において、方法６００は、ＧＮＳＳ測定値およびカメラ測定値のシーケンスを使用して異なる制御ステップにおいて結合状態を追跡するよう構成された複合確率フィルタ４０５ａを反復的に実行して、ＧＮＳＳ測定値およびカメラ測定値のシーケンスに対応するビークルの状態のシーケンスおよびマップの状態のシーケンスを生成することを含む。例えば、図４Ａ、図４Ｂ、図４Ｃ、図４Ｄ、図４Ｅおよび図４Ｆに関連して説明したように、ビークル１０４およびマップ１０５の結合状態は、ビークルの状態およびマップの状態の重み付けされた組み合わせとして取得されてもよい。
【0126】
いくつかの実施形態では、ＧＮＳＳ測定値およびカメラ測定値のシーケンスは、例えば、車輪の回転速度から得られる、ビークル１０４の操舵車輪角度およびビークル１０４の速度の測定を伴う。他の実施形態では、測定値は、ビークル１０４の進行速度およびビークル１０４の加速度を含む。一実施形態では、そのような追加の測定値は、ビークル１０４の前方への運動を時間的に予測するために使用される。これはいくつかの理由で有利である。例えば、ＧＮＳＳの測定値は、典型的には、１または数ヘルツの更新レートで到着し、コンピュータビジョンアルゴリズムと組み合わせたカメラ１０２も、限定された更新レートを有する。しかしながら、慣性測定ユニットからの加速度および進行速度、ならびに車輪回転速度および操舵車輪角度は、典型的には、はるかに高い周波数、例えば１００Ｈｚ以上で測定される。したがって、そのような追加の測定値は、ＧＮＳＳ１０３および／またはカメラ１０２の測定値間でビークル位置を更新するために使用され得る。
【0127】
他の実施形態では、カメラ測定値およびＧＮＳＳ測定値は、カメラ測定値をマップ１０５内の全地球位置に関連付けるために、他の実施形態に従って構築された事前マップを伴う。
【0128】
ブロック６３０において、方法６００は、追跡される結合状態に基づいてビークルを制御することを含む。例えば、ビークル１０４の制御は、ＡＤ／ＡＤＡＳ動作に従って行われ得る。
【0129】
現在のＧＮＳＳ測定値およびカメラ測定値を使用して現在の制御ステップのための反復を実行するために、複合確率フィルタ４０５ａは、図６Ｂで説明される機能を実行する。
【0130】
図６Ｂは、本開示のいくつかの実施形態による、反復において複合確率フィルタ４０５ａによって実行される機能のブロック図を示す。ブロック６４０において、複合確率フィルタ４０５ａは、測定のノイズの異なる分布を除いて、同一の測定モデルを有する複数の確率フィルタ４２１ｂ～４２３ｂなどの複数の確率フィルタを実行し、現在のＧＮＳＳ測定値１０３ａおよびカメラ測定値１０２ａをビークル１０４の状態およびマップ１０５の状態の現在の推定値と関連付けて、現在の制御ステップのためのビークルの状態およびマップの状態の複数の推定値を生成する。複数の確率フィルタは、ビークルの状態の複数の推定値間で変動を引き起こす異なる測定ノイズを受ける。いくつかの実現形態では、複数の確率フィルタは、第１の確率密度関数（ＰＤＦ）によって定義される第１の測定ノイズを受ける結合状態の第１の推定値を生成するよう構成された第１の確率フィルタと、第１のＰＤＦとは異なる第２のＰＤＦによって定義される第２の測定ノイズを受ける結合状態の第２の推定値を生成するよう構成された第２の確率フィルタとを含む。いくつかの実施形態では、マップ事前確率分布の不確実性は、すべての確率フィルタについて同じであり、その理由は、そのような不確実性は、データから先験的に演繹することができるからである。他の実施形態では、マップ事前不確実性はまた、異なる確率フィルタに対して異なる。例えば、これは、マップ不確実性についての知識が先験的に知られていない場合に有利であり得る。
【0131】
ブロック６５０において、複合確率フィルタ４０５ａは、ビークルの状態の複数の推定値を、複数の確率フィルタの１つまたは組合せによって予測される測定値の現在のセットの推定値を中心とする異なる測定ノイズに従って測定値の現在のセットの尤度から導出される重みで、重み付けされた組み合わせに結合する。ブロック６６０において、複合確率フィルタ４０５ａは、重み付けされた組み合わせに基づいて、現在の制御ステップについて複合確率フィルタ４０５ａによって追跡される結合状態を推定する。たとえば、図４Ｇは、そのような重み付けされた組合せを生成することを示す。
【0132】
図６Ｃ－１および図６Ｃ－２は、本開示のいくつかの実施形態による、重み付けされた組合せ６５０を生成するためのプロセスのブロック図を示す。ブロック６７０ａにおいて、複合確率フィルタ４０５ａは、ビークルの現在の状態およびマップの状態の予測を状態空間から測定空間に変換することによって、現在のＧＮＳＳ測定値およびカメラ測定値の推定を判断する。このような変換を図４Ｅおよび図４Ｆに示す。ブロック６７０ｂにおいて、複合確率フィルタ４０５ａは、第１のＰＤＦおよび第２のＰＤＦを、現在のＧＮＳＳおよびカメラ測定値の推定を中心とする。
【0133】
ブロック６７０ｃにおいて、複合確率フィルタ４０５ａは、現在のＧＮＳＳおよびカメラ測定値の推定を中心とする第１のＰＤＦに従って、現在のＧＮＳＳおよびカメラ測定値の第１の尤度を求める。ブロック６７０ｄにおいて、複合確率フィルタ４０５ａは、現在のＧＮＳＳおよびカメラ測定値の推定を中心とする第２のＰＤＦに従って、現在のＧＮＳＳおよびカメラ測定値の第２の尤度を求める。ブロック６７０ｅにおいて、複合確率フィルタ４０５ａは、第１の尤度および第２の尤度を正規化して、結合状態の第１の推定値を重み付けするための第１の重みと、結合状態の第２の推定値を重み付けするための第２の重みとを求める。
【0134】
ブロック６７０ｆにおいて、複合確率フィルタ４０５ａは、第１の重みで重み付けされた結合状態の第１の推定値および第２の重みで重み付けされた結合状態の第２の推定値に基づいて、重み付けされた組合せを求める。
【0135】
図６Ｄは、本開示の代替的な実施形態による、重み付けされた組み合わせ６５０を生成するためのプロセスのブロック図を示す。ブロック６８０ａにおいて、複合確率フィルタ４０５ａは、第１の確率フィルタを実行して、第１の確率フィルタの内部状態に基づいてビークルの第１の現在の状態およびマップの状態を予測し、ビークルの第１の現在の状態およびマップの第１の現在の状態を更新する。ビークルおよびマップの第１の現在の状態は、ビークルの状態およびマップの状態の第１の推定値を生成するために、第１の確率フィルタの利得に従って現在のＧＮＳＳおよびカメラ測定値を処理する測定モデルを使用して更新される。
【0136】
ブロック６８０ｂにおいて、複合確率フィルタ４０５ａは、第２の確率フィルタを実行して、第２の確率フィルタの内部状態に基づいてビークルおよびマップの第２の現在の状態を予測し、ビークルの第２の現在の状態およびマップの状態を更新する。ビークルおよびマップの第２の現在の状態は、ビークルの状態およびマップの状態の第２の推定値を生成するために、第２の確率フィルタの利得に従って現在のＧＮＳＳおよびカメラ測定値を処理する測定モデルを使用して更新される。
【0137】
ブロック６８０ｃにおいて、複合確率フィルタ４０５ａは、第１の確率フィルタおよび第２の確率フィルタによって生成された結合状態の第１の予測される現在の状態推定および第２の予測される現在の状態推定の組み合わせに基づいて、第１の確率フィルタの内部状態および第２の確率フィルタの内部状態を更新する。
【0138】
いくつかの実施形態では、複合確率フィルタ４０５ａは、いくつかの以前の制御ステップについて求められた第１の確率フィルタおよび第２の確率フィルタの履歴重みを記憶する。さらに、複合確率フィルタ４０５ａは、現在の重み（たとえば、第１の重み）と第１の確率フィルタの履歴重みとの平均に基づいて、現在の制御ステップにおいて第１の確率フィルタに重み付けするための重みを更新する。同様に、複合確率フィルタ４０５ａは、現在の重み（たとえば、第２の重み）と第２の確率フィルタの履歴重みとの平均に基づいて、現在の制御ステップにおいて第２の確率フィルタに重み付けするための重みを更新する。
【0139】
図６Ｅは、本開示のいくつかの実施形態による、記憶された履歴重みを使用して、重み付けされた組み合わせを判断するための概略図を示す。ブロック６９０ａにおいて、各確率フィルタによって求められた状態推定値が受信される。次に、ブロック６９０ｂにおいて、収集された測定値６９０ｄ、記憶された履歴重み６９０ｅ、ならびにＧＮＳＳ測定値およびカメラ測定値のノイズ共分散の仮説が、重み６９０ｆを求めるために比較される。代替的に、事前マップのノイズ共分散の仮説も、重み６９０ｆを求めるために使用される。ブロック６９０ｃにおいて、求められた重み６９０ｆに基づいて、状態推定値は重み付けされた組み合わせとして組み合わされる。履歴重みは、位置特定システム４００のメモリ４０４に記憶され得る。代替実施形態では、履歴重みは、外部メモリに記憶されてもよく、位置特定システム４００は、外部メモリから履歴重みを取り出す。
【0140】
状態推定値の比較および重み６９０ｆの決定は、いくつかの方法で実行することができる。例えば、一実施形態では、各確率フィルタの重みは、記憶された履歴重みと、ノイズ共分散の関連付けられた仮説を有する測定モデルに受信された状態推定値を挿入するときの収集された測定値と受信された状態推定値との重み付けされた差との組み合わせによって求められる。別の実施形態では、各確率フィルタの重みは、ノイズ共分散の関連付けられた仮説を有する測定モデルに受信された状態推定値を挿入するときの収集された測定値と受信された状態推定値との重み付けされた差によって一意に求められる。さらに別の実施形態では、重みは、ノイズ共分散の関連付けられる仮説を有する測定モデルに受信された状態推定値を挿入するときの収集された測定値と受信された状態推定値との現在の重み付けされた差と、固定数の以前の時間ステップを使用して求められた重みとの平均に基づいて求められる。例えば、一実施形態は、以前の時間ステップを使用して求められた重みのスライディングウィンドウを使用して、移動平均として重みを求める。このようにすることは、滑らかな推定性能を保証するために、連続する時間ステップにわたって重みの変動を制御する手段を提供する。
【0141】
図６Ｆは、いくつかの実施形態による、マップ１０５を表すスプラインをどのように求めるかについての方法６００ｆのフローチャートを示す。第１に、本方法は、マップ１０５を表すマップ点を受信する（６１０ｆ）。いくつかの実施形態では、マップ点は、全地球マップ、例えば、都市またはより大きな領域の道路のマップ点を構成し、いくつかの実施形態では、マップ点は、例えば、道路上の先読みのために再帰的に与えられ、方法６００ｆは、マップ点が受信されるにつれて、反復的に実行される。
【0142】
次に、方法６００ｆは、スプラインセグメント、すなわち完全なスプラインを構成する多項式セグメントを求めること６２０ｆを含む。いくつかの実施形態では、セグメントは空間において均一であるが、他の実施形態では、セグメントは、例えば、異なる道路曲率に対応するように不均一である。例えば、湾曲した道路の場合、スプラインセグメントは、多項式の所与の次数について、直線道路の場合の同じ次数の多項式の場合と同じフィッティングを有するよう、空間において、より短い必要がある。
【0143】
次いで、方法６００ｆは、スプラインパラメータおよび追加的にスプラインパラメータに関連付けられる不確実性を求めること６３０ｆを含む。
【0144】
図６Ｇは、一実施形態によるスプラインパラメータを決定（６３０ｆ）するための方法のフローチャートを示す。決定６３０ｆは、マップ点に対して回帰道路マップの総二乗全変動誤差の尺度を最小化する最適化問題を、Ｌ２－ノルム
【0145】
【数10】
【0146】
そのようなコスト関数を使用して、本方法は、最適化問題を解く（６２０ｇ）。例えば、一実施形態では、スプラインは、ベジェ曲線によって表され、ｄ次元空間におけるベジェ曲線について、
【0147】
【数11】
【0148】
他の実施形態は、ＭＭＳによってマッピングされるマップ点が、マップの不確実性の関連付けられる尺度を有することがあるという概念に基づく。一実施形態は、これを活用して、スプラインをベジェ曲線に関して定式化し、これは、マップ点不確実性から変換されるスプライン係数の共分散行列
【0149】
【数12】
【0150】
を可能にし、言い換えれば、マップ点の不確実性の事前尺度を有することによって、スプラインパラメータ、すなわち、マップの状態は、不確実性事前確率分布を自然に得る。
【0151】
こうして決定されたスプラインパラメータは、次いで、マップ１０５の現在の状態のスプライン表現を形成する多項式の係数として使用される。図７Ａは、本開示のいくつかの実施形態による、複数のセンサ１０１～１０３の測定値を使用して、ビークルの状態およびマップの状態を併せて推定するための、すなわち、結合状態７３５ａを推定するための概略図を示す。いくつかの実施形態では、ビークル１０４の状態およびマップ１０５の状態においてパラメータ化された複合確率フィルタ７００ａを使用して、ビークル１０４の状態およびマップ１０５の状態を推定する。複合確率フィルタ７００ａは、収集された測定値７０９ａに基づいてビークルの状態およびマップの状態を推定する。例えば、収集された測定値７０９ａは、第１のセンサからの第１の測定値および第２のセンサからの第２の測定値を含む。
【0152】
複合確率フィルタ７００ａは、複数の確率フィルタを含む。例えば、複合確率フィルタ７００ａは、第１の確率フィルタ７２０ａおよび第２の確率フィルタ７１０ａを含む。第１の確率フィルタ７２０ａは、第１の測定値のノイズ共分散の第１の仮説７０７ａおよび第２の測定値のノイズ共分散の第１の仮説７０７ａを使用して、第１の状態推定７２５ａを求める。同様に、第２の確率フィルタ７１０ａは、第１の測定値のノイズ共分散の第２の仮説７０８ａおよび第２の測定値のノイズ共分散の第２の仮説７０８ａを使用して、第２の状態推定７１５ａを求める。一実施形態では、第１の測定値のノイズ共分散の第１の仮説７０７ａは、第１の測定値のノイズ共分散の第２の仮説７０８ａとは異なり、第２の測定値のノイズ共分散の第１の仮説７０７ａは、第２の測定値のノイズ共分散の第２の仮説７０８ａとは異なるか、またはそれら両方である。そのような場合、いずれかの測定の第１および第２のノイズ分布は、そのパラメータに関して異なる分布であるが、同じエンティティを表す。例えば、双方の分布は、カメラの測定値を表すが、異なるノイズ値を有する。
【0153】
次に、第１の確率フィルタ７２０ａの第１の状態推定値７２５ａおよび第２の確率フィルタ７１０ａからの第２の状態推定値７１５ａを使用して、ビークル１０４およびマップ１０５の結合状態７３５ａは、重み付けされた組み合わせ７３０ａとして求められ、組み合わせの重み付け７３０ａは、オンライン、オフライン、またはそれらの組み合わせとして求められる。一実施形態では、ビークル１０４およびマップ１０５の結合状態７３５ａは、第１の確率フィルタ７２０ａおよび第２の確率フィルタ７１０ａの重み付けされた平均である。別の実施形態では、ビークル７３５ａの状態は、最も高い重みを有する確率フィルタの出力である。
【0154】
一実施形態では、各確率フィルタは、結合状態の平均および共分散を推定する線形回帰カルマンフィルタである。別の実施形態では、確率フィルタは、結合状態の事後分布のサンプリングされた表現を出力する粒子フィルタである。いくつかの実施形態は、カルマンフィルタ（ＫＦ）の様々な変形、例えば拡張ＫＦ（ＥＫＦ）、アンセンテッドＫＦ（ＵＫＦ）などの線形回帰ＫＦ（ＬＲＫＦ）を含む確率フィルタを使用する。
【0155】
いくつかの実施形態は、様々なセンサの測定ノイズ値の特定の組み合わせを使用する確率フィルタが前の時間ステップにおいて最良の適合をもたらす場合、次の時間ステップに対しても良好な適合をもたらす可能性があるという理解に基づく。例えば、ＧＮＳＳ測定が、例えば都市環境におけるマルチパスに起因して前の時間ステップにおいて信頼できなかった場合、ＧＮＳＳ測定は、次の時間ステップにおいてもマルチパスを受けやすい可能性がある。しかしながら、測定の非信頼性がマルチパスの影響ではなく、他の何らかのモデル化されていない外乱によるものである場合、それは、信頼できる測定値を生成するチャンスも有する。いくつかの実施形態は、この理解をもって、制御の各時間ステップにおいて複数の確率フィルタを統合および重み付けし、確率フィルタは、前の時間ステップにおけるそれらの重みに基づいて異なる重み付けを与えられる。
【0156】
いくつかの実施形態は、複数の確率フィルタの計算の複雑さが、ノイズ値の仮説の数およびセンサの数とともに望ましくなく増大するという理解に基づいている。例えば、ある実施形態は、異なる可能なノイズ値を使用することは、ノイズ値の可能な組み合わせの数、したがって推定に使用される確率フィルタの数に指数関数的な複雑さがあるように、可能なノイズ値の連続空間のグリッド化として解釈され得ることを理解する。
【0157】
いくつかの実施形態は、自動車用途において、自動車グレードの電子制御ユニットの計算能力が制限され、多くの確率フィルタの使用が計算的に実現可能ではないと認識する。一実施形態は、推定に使用される確率フィルタのサブセットを選択することによってこれを改善する。例えば、１つの実施形態は、前の時間ステップで状態をよく表したものに近い測定ノイズの値に対応する確率フィルタを選択する。このようにすることで、各時間ステップで選択される確率フィルタのサブセットがセンサ品質の進化を辿ることが可能になる。
【0158】
図７Ｂは、本開示の様々な実施形態による収集された異なるセンサ測定値７０９ａの図を示す。例えば、収集された測定値７０９ａの第１の測定値は、コンピュータビジョンアルゴリズムと共に、例えば所与の次数の多項式として出力される道路の車線標示を測定するカメラ測定値７１０ｂであり、第２の測定値は、環境、例えば道路障壁、側壁、および他のビークルまでの距離を測定するライダー測定値７２０ｂである。加えて、または代替として、測定値７０９ａは、ビークルおよび環境の測定値７３０ｂ、７４０ｂを提供する測定値の組み合わせであり、例えば、環境は、先験的にオフラインでマッピングされ、マップの状態を使用してオンラインで更新され、マップの状態は、マップ表現点に適合するスプラインを形成する多項式のパラメータを含み、事前パラメータは、他の実施形態による測定との対応するスプラインの適合に従って最適化される。マップは、例えばマップ１０５である。
【0159】
いくつかの実施形態は、測定のノイズ共分散の第１の仮説と、前記測定のノイズ共分散の第２の仮説とを使用し、第１の仮説は、確率フィルタのうちの１つによって使用され、第２の仮説は、複合フィルタ４０５ａなどの複合フィルタ内の確率フィルタのうちの別のものによって使用される。
【0160】
図７Ｃは、センサの収集された測定値７２５ｃによって比較される推定測定値７１５ｃが存在する状況の図を示す。ある確率フィルタでは、分布７３０ｃの仮説が使用され、別の確率フィルタでは、分布７１０ｃの仮説を使用する。したがって、図７Ｃのシナリオについて、分布７３０ｃの仮説を使用する確率フィルタは、収集された測定値７２５ｃの値における確率が分布７１０ｃの方が分布７３０ｃよりも高いので、収集された測定値を正確に記述する。
【0161】
図７Ｄは、本開示の様々な実施形態による、どのようにして、確率フィルタの異なる推定が異なる重みを割り当てられ、複合分布を形成するかの図を示す。図７Ａの第１の確率フィルタ７２０ａは状態分布７３０ｄを推定し、第２の確率フィルタ７１０ａは状態分布７１０ｄを推定する。各確率フィルタに対する重み７３５ｄおよび７１５ｄが求められる。複合分布７２０ｄは、状態分布７３０ｄおよび７１０ｄの重み付けされた組み合わせとして求められる。
【0162】
図７Ｅは、本開示の様々な実施形態による、異なるセンサが異なる重み付けを得る方法、およびそれらが異なる測定空間上で定義される図を示す。例えば、いくつかの実施形態は、測定空間７１７ｅ上に定義された第１の測定のための分布の第１の仮説７１４ｅ、分布の第２の仮説７１５ｅ、および第２の測定空間７２７ｅ上に定義された第２の測定のための分布の第１の仮説７２４ｅ、分布の第２の仮説７２５ｅを使用する。いくつかの実施形態では、分布－第１の測定空間７１７ｅについての分布の第１の仮説７１４ｅおよび分布の第２の仮説７１５ｅは、同じ測定空間７１７ｅに属し、分布－第２の測定空間７２７ｅについての分布の第１の仮説７２４ｅおよび分布の第２の仮説７２５ｅは、同じ測定空間７２７ｅに属する。その後、７１４ｅおよび７１５ｅは、異なる方法で、７２５ｅおよび７２４ｅと組み合わせることができる。たとえば、組合せ７１４ｅおよび７２５ｅは、ある確率フィルタにおいて使用され得るが、組合せ７１４ｅおよび７２４ｅは、別の確率フィルタにおいて使用され得る。分布７１４ｅおよび７１５ｅは、同じ測定空間上で定義されるので、それらは、後続の測定更新のために個々のフィルタで直接使用され得る。
【0163】
一実施形態は、第１の測定は測定空間７１７ｅ上に定義され、第２の測定は第２の測定空間７２７ｅ上に定義されるため、それらを直接比較することはできないことを認識する。
【0164】
図７Ｆは、本開示の様々な実施形態による、異なる測定空間上で定義される測定値が互いに比較するためにどのように同じ測定空間に変換されるかの図を示す。いくつかの実施形態は、変換７１６ｆを使用して第１の測定値の分布７１５ｆを変換し、変換７２６ｆを使用して第２の測定値の分布７２５ｆを変換して、第１の測定値の分布７３５ｆ、第２の測定値の分布７４５ｆをもたらし、それらの分布は、同じ測定空間７４６ｆ上で定義され、したがって、互いに比較および重み付けされ得る。
【0165】
いくつかの実施形態は、結合測定モデルを使用することによって、異なるセンサを採用する。例えば、図７Ｆを参照すると、いくつかの実施形態は、結合測定モデルを、以下に従って平均および共分散を有する結合ガウス分布としてモデル化し、
【0166】
【数13】
【0167】
ここで、共分散要素Ｒ１、Ｒ１２、およびＲ２は、各確率フィルタに固有の測定ノイズ共分散である。
【0168】
いくつかの実施形態では、ビークルの状態を含む結合状態の出力推定値７３５ａは、ビークルを制御するために使用される。一実施形態では、モデル予測コントローラ（ＭＰＣ）が、ビークルの状態およびマップの状態の出力推定値７３５ａに基づいてビークルを制御するために使用され、マップの状態の不確実性は、確率的ＭＰＣ定式に含まれる。
【0169】
図８は、本開示の様々な実施形態による、推定結合状態８２１に基づいてビークル１０４を制御するための方法８００のブロック図を示す。具体的には、方法８００は、各制御時間ステップにおいて最適制御構造化プログラムの形態で不等式制約付き最適化問題を解く（８５０）ことによって、制御解、例えば解ベクトル８５５を計算するＭＰＣによって実現され得る。解ベクトル８５５は、システムの予測時間ホライズンにわたる将来の最適な制御入力のシーケンスを含む。最適化問題８５０における、制御コスト関数８４０、等式、および不等式制約８３０の最適制御データ８４５は、動的モデル８２５、ビークル制約８２０、ビークルおよびマップの現在の推定状態８２１、ならびに参照８０５および信頼度８０６を含む制御コマンドに依存する。
【0170】
いくつかの実施形態では、不等式制約付き最適化問題８５０の解は、前の制御時間ステップからの予測時間ホライゾンにわたる状態および制御値を使用し、これはＭＰＣのメモリから読み出すことができる（８１０）。この概念は、最適化アルゴリズムのウォームスタートまたはホットスタートと呼ばれ、ＭＰＣの必要な計算労力を大幅に低減する。同様に、対応する解ベクトル８５５を使用して、次の制御時間ステップのための最適または準最適状態および制御値のシーケンスを更新および記憶することができる（８６０）。
【0171】
本開示のいくつかの実施形態では、ＭＰＣは、制御コスト関数８４０における１つまたは複数の項を、複合確率フィルタ４０５ａによって計算される参照８０５および対応する信頼度８０６に適合させる。
【0172】
ある実施形態では、ビークルの現在の状態（例えば、現在の状態）を予測するために確率フィルタによって使用される予測モデルは、プロセスノイズの影響を受けるビークルの状態遷移の運動モデルであり得る。運動モデルの例は、図９Ａにおいて以下で説明される。
【0173】
【数14】
【0174】
図９Ａは、本開示のいくつかの実施形態による、複合確率フィルタ４０５ａにおいて採用される運動モデル９００の図を示す。運動モデル９００は、通常の運転シナリオにおいて有効であることが示されたシングルトラックモデル、すなわち自転車モデルである。いくつかの実施形態では、ビークルの状態ベクトルは、x=(pX,pY,vX,vY,ψ)、すなわち、ビークルの位置、速度、および進行速度である。いくつかの他の実施形態では、ビークルの時間展開は、力モーメント平衡によって以下のようにモデル化され、
【0175】
【数15】
【0176】
他の実施形態では、シングルトラックモデルは運動学的であり、すなわち、それは、力モーメント平衡を無視する。例えば、一実施形態では、運動学的シングルトラックモデルは、
【0177】
【数16】
【0178】
さらに、運動モデル９００によって予測される状態（例えば、状態ｚ）は、測定モデルを使用して更新される。複合確率フィルタ４０５ａで使用される測定モデルは、測定値（ＧＮＳＳ測定値およびカメラ測定値など）をモデル化する。いくつかの実施形態は、確率フィルタ、例えば混合整数カルマンフィルタまたは粒子フィルタによって前処理された位置測定値としてＧＮＳＳ測定値をモデル化する。他の実施形態は、例えば図９Ｂに示すように、カメラ測定値を道路の車線標示までの距離および前方の道路の近似としてモデル化し、カメラは、前方の道路の多項式９２０ｂとして、いずれかの車線の車線標示または車線標示までの距離９１０ｂを測定する。いくつかの他の実施形態は、道路の事前マップを利用して、カメラが与える相対位置測定値を、ＧＮＳＳが与える全地球位置測定値に関係付ける。さらなる実施形態は、加速度計およびジャイロを含む慣性測定ユニットを利用して、ビークル状態推定をさらに向上させる。いくつかの実施形態は、測定モデルを、ｙｋ＝ｈ（ｘｋ，ｕｋ）＋ｅｋに従って分散されたガウスとしてモデル化し、式中、ｅｋは、ブロック対角共分散行列で分散されたゼロ平均ガウスであり、共分散行列の要素は、複合確率フィルタ４０５ａの複数の確率フィルタ４２１ａ～４２３ａの各々について仮定される。いくつかの実施形態は、基礎となる分布がガウス分布でなくても、典型的には最初の２つのモーメント（例えば、平均および分散）が分布をよく記述するという認識に基づく。いくつかの実施形態では、この認識は、ビークル状態の共分散を求める際に利用される。
【0179】
いくつかの実施形態は、多項式近似、すなわち連続表現を測定モデルに含めるために、離散値が必要であることを認識する。したがって、そのような実施形態は、図９Ｃに示すように、多項式関数９２０ｂを点－点９３０ｂ、点９４０ｂ、および点９５０ｂでサンプリングし、これらは、結合状態７３５ａを更新するための測定モデルに含めることができる。
【0180】
いくつかの実施形態は、測定モデルを使用して確率分布のパラメータ、すなわち平均および共分散を更新する。例えば、一実施形態は、カルマンフィルタ（ＫＦ）を使用して確率分布のパラメータを更新する。別の実施形態は、運動モデルおよび測定モデルはビークルのいくつかの状態に対して非線形であることを認識する。この目的のために、いくつかの実施形態は、線形回帰ＫＦなどの非線形ＫＦを使用して、確率分布のパラメータを更新する。
【0181】
【数17】
【0182】
【数18】
【0183】
いくつかの実施形態は、プロセスノイズが加法的に入ると仮定し、これは計算をかなり単純化する。
【0184】
いくつかの他の実施形態は、関連付けられるモーメント積分を求めるためにＬＲＫＦを活用し、積分点のセットが使用される。例えば、いくつかの実施形態は、アンセンテッド変換に従って積分点を使用し、他の実施形態は、球面立体求積法規則（spherical cubature rule）を利用する。しかしながら、任意の組の統合スキームを使用することができる。
【0185】
いくつかの実施形態では、複合確率フィルタ４０５ａは、対話多モデル（ＩＭＭ）フレームワークに従って実現される。ＩＭＭを使用することにより、測定値のノイズ共分散の仮説の異なる組合せを使用して第１の測定値および第２の測定値を組み込む系統的な方法が可能になる。各時間ステップｋにおいて、ＩＭＭは、測定値を説明する確率を反映する重みqkを各モデルに割り当てる。
【0186】
【数19】
【0187】
【数20】
【0188】
推定の各時間ステップにおいて、ＩＭＭは、遷移行列を使用して、異なるｍ個のモデルを混合する。
【0189】
【数21】
【0190】
そのような混合の後、いくつかの実施形態は、ビークル状態推定値を求めるためにｍ個の確率フィルタを実行する。その後、事後分布は、
【0191】
【数22】
【0192】
すなわち、確率フィルタの各々の重み付けされた組み合わせに従って求められ、重み付けは、仮定されたノイズ共分散で正規化された測定値とのそのフィッティングに従って行われる。
【0193】
【数23】
【0194】
いくつかの実施形態は、ＧＮＳＳ測定値を使用して追跡されるビークルの状態に基づいてビークルの移動を制御するためのコントローラを提供する。そのようなコントローラは、以下で図１０において詳細に説明される。
【0195】
図１０は、本開示のいくつかの実施形態による、ＧＮＳＳ測定値およびカメラ測定値を使用して追跡される結合状態１０１１ａに基づいてビークル１０２０ａの移動を制御するためのコントローラ１０００のブロック図を示す。コントローラ１０００はシステム１００によって実現され、ビークル１０２０ａはビークル１０４に相当する。コントローラ１０００は、ビークル１０２０ａに通信可能に結合される。コントローラ１０００は、例えば、運動モデル１０４０ａと、測定モデル１０４１ａと、制約１０４２ａと、ビークル１０２０ａの測定値のノイズ共分散の仮説１０４３ａと、さらにマップ事前不確実性の追加的に異なる仮説とを記憶するためのメモリ１０６５ａに接続された単一の中央処理装置（ＣＰＵ）または複数のＣＰＵプロセッサ１０６０ａの形態のコンピュータを含む。プロセッサ１０６０ａは、シングルコアマイクロプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、複数の接続されたプロセッサのネットワーク、または任意の数の他の構成であり得る。メモリ１０６５ａは、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、または任意の他の好適なメモリシステムを含み得る。
【0196】
コントローラ１０００は、図６Ａ、図６Ｂ、図６Ｃ、図６Ｄ、図６Ｅ、図６Ｆ、図６Ｇ、図６Ｈ、および図７Ａで説明した方法のステップを実行して、ビークル１０２０ａの状態を推定する。推定された結合状態１０２０ａに基づいて、コントローラ１０００は制御入力を生成する。コントローラ１０００は、結合状態１０１１ａに対応する制御入力に基づいてビークル１０２０ａを制御する。
【0197】
図１１Ａは、本開示のいくつかの実施形態による、コントローラ１０００を含むビークル１０２０ａの概略図を示す。本明細書で使用されるように、ビークル１０２０ａは、乗用車、バス、またはローバーなどの任意のタイプの車輪付きビークルであり得る。また、ビークル１０２０ａは、自律ビークルまたは半自律ビークルであり得る。例えば、いくつかの実施形態は、ビークル１０２０ａの運動を制御する。運動の例は、ビークル１０２０ａの操舵システム１１０３によって制御される、ビークルの横方向運動を含む。一実施形態では、操舵システム１１０３は、コントローラ１０００によって制御される。加えて、または代替として、操舵システム１１０３は、ビークル１０２０ａの運転者によって制御され得る。
【0198】
ビークルはまた、コントローラ１０００またはビークル１０２０ａの他の構成要素によって制御され得るエンジン１１０６を含むことができる。ビークル１００２ａはまた、周囲環境を検知するための１つ以上のセンサ１１０４を含むことができる。センサ１１０４の例は、距離レンジファインダ、レーダー、ライダー、およびカメラを含む。ビークル１０２０ａはまた、その現在の運動量および内部状態を感知するために１つ以上のセンサ１１０５を含むことができる。センサ１１０５の例は、全地球測位システム（ＧＰＳ）、加速度計、慣性測定ユニット、ジャイロスコープ、シャフト回転センサ、トルクセンサ、たわみセンサ、圧力センサ、および流量センサを含む。センサは、コントローラ１０００に情報を提供する。ビークルは、有線または無線通信チャネルを通してコントローラ１０００の通信能力を可能にする送受信機１１０７を装備することができる。
【0199】
図１１Ｂは、本開示のいくつかの実施形態による、コントローラ１０００とビークル１０２０ａのコントローラ１１２０との間の対話の概略図を示す。例えば、いくつかの実施形態では、ビークル１０２０ａのコントローラ１１２０は、ビークル１０２０ａの回転および加速を制御する操舵コントローラ１１２５およびブレーキ／スロットルコントローラ１１３０である。このような場合、コントローラ１０００は、ビークル１０２０ａの状態を制御するためにコントローラ１１２５および１１３０に制御入力を出力する。コントローラ１１２０はまた、ハイレベルコントローラ、例えば、コントローラ１０００の制御入力をさらに処理する車線維持支援コントローラ１１３５を含むことができる。両方の場合において、コントローラ１１２０は、コントローラ１０００の出力を使用して、ビークル１０２０ａの運動を制御するために、ビークル１０２０ａの操舵輪および／またはブレーキといったビークルの少なくとも１つのアクチュエータを制御する。
【0200】
いくつかの実施形態は、センサの精度が、時間とともに、滑らかに、および急に変動し得るという理解に基づいている。他の実施形態は、ＫＦおよびＬＲＫＦなどの確率フィルタが、その標準的な定式化において、状態推定値を更新するために使用される測定値の先験的に設定されたノイズ共分散を必要とし、ノイズ共分散は、各測定値の重要性を正規化し、一緒に重み付けする効果を有することを認識している。いくつかの他の実施形態は、例えばノイズ適応のために変分ベイズ法を使用してノイズを適応させるＫＦが、収束保証を有さず、先験的に設定されたノイズ共分散に小さい変更を行うときに良好に機能するという認識に基づく。しかしながら、例えばＧＰＳ測定値における外れ値の場合、そのような方法は誤差の傾向があり、なぜならば、外れ値が、ある時間ステップから別の時間ステップに起こる傾向があり、ノイズ適応方法が、そのような大きな変化をリアルタイムでノイズ共分散に正しく適応させることに関する問題を有することがよく知られているからである。例えば、ノイズ推定のための変分ベイズ法は、パラメータ推定値の変化が生じ得る率を求める調整係数、例えば忘却係数に依存する。このような忘却係数は、ゆっくりと変化するパラメータを仮定して設計されることが多い。したがって、例えばＧＮＳＳ測定信頼性の場合のような高速変動は、そのような手法ではうまく対処されない。これは、各フィルタの確率が、測定ノイズ共分散の仮説が尤度に組み込まれる尤度を使用して求められるため、迅速に収束する、本開示に開示される方法とは対照的である。
【0201】
図１２Ａは、いくつかの実施形態によるシナリオを示すトラフィックシナリオを示す。いくつかの実施形態は、道路側ユニット（ＲＳＵ）が、マップの状態に関する情報を他のＲＳＵに通信するために使用され、他のビークルに通信され得るという認識に基づく。たとえば、第１の位置における第１のビークルについて推定されたマップの状態に関する情報は、第２のビークルが第１の位置を訪問していないにもかかわらず第１の位置のマップの状態に関する情報を有するように、第２の位置における第２のビークルと共有され得る。
【0202】
ビークルとＲＳＵとの間の通信を確立するために、ＲＳＵとビークルとの間の情報転送は、図１２Ａに示されるようにコアインフラストラクチャネットワークを通過する必要があり、ビークルＶ１ １２１０ａとクラウド１２２０ａとの間の通信は、ＲＳＵ１２３０ａおよびコアネットワーク１２４０ａを通過する必要があり、ビークルＶ１とＶ２ １２５０ａとの間の通信は、ＲＳＵ１２３０ａからＲＳＵ１２９０ａに進む必要がある。
【0203】
他の実施形態は、マップの部分に関する情報を、マップのそのような特定の部分を以前に見ていないビークルにアップロードするために、様々なＲＳＵを使用できることを認識する。
【0204】
図１２Ｂは、いくつかの実施形態による、無線周波数（ＲＦ）チャネル１２３９を介して送信される、１つまたはいくつかのＲＳＵから受信される情報の非同期協調を使用して、マップを追跡するための遠隔サーバ１２００を示す。遠隔サーバ１２００は、マップの状態のその信念を１つまたはいくつかのＲＳＵに送信する（１２７０）送信機１２９９と、マップの状態の第１および第２のモーメントを受信する（１２３９）ためのＲＦ受信機１２６０とを含む。
【0205】
サーバ１２００は、本開示のいくつかの実施形態による確率フィルタ１２０５を実行するための命令を記憶するメモリ１２８０を含む。確率フィルタ１２０５は、複合確率フィルタ４０５ａと同等である。
【0206】
遠隔サーバ１２００は、複数のビークルからＲＦチャネルを介して送信される情報１２３９を受信するＲＦ受信機１２６０に動作可能に接続される（１２５０）ＲＦ測定モジュール１２４０を含む。いくつかの実施形態では、情報は、複数のビークルから観測されるマップの第１のモーメントおよび第２のモーメントを含む。
【0207】
いくつかの実施形態は、いくつかのビークルが同じスプラインセグメントに対応する同じ道路セグメントを測定しており、マップの状態のその部分の推定値は異なる平均および共分散を有し得ることを認識する。一実施形態は、分散推定スキームを使用してマップの状態の第１および第２のモーメントを求める。例えば、一実施形態は、コンセンサスフィルタ１２０５を採用する。
【0208】
種々の実施形態では、遠隔サーバ１２００は、マップの類似部分の第１および第２のモーメントを使用して、マップのそのセグメントを更新する。
【0209】
他の実施形態では、サーバ１２００は、マップセグメントに対応する更新された第１および第２のモーメント、すなわち平均および共分散を送信する（１２７０）ためのＲＦ送信機１２９９を含む。例えば、図１２Ｃを参照すると、ビークル１２１０ｃから測定されたマップセグメント１２３０ｃの平均および共分散は、マップセグメント１２２０ｃに位置するビークル１２４０ｃに送信される。
【0210】
【数24】
【0211】
他の実施形態は、フィルタ１２０５を融合カルマンフィルタとして実現し、重みは、推定値の相対不確実性に基づいて求められる。
【0212】
【数25】
【0213】
【数26】
【0214】
いくつかの実施形態では、重みは、推定値を、推定値の重み付けされた組み合わせとして融合するために使用され、重みは、推定誤差の重み付けされた事後共分散を最適化している。
【0215】
他の実施形態では、様々なＲＳＵのマップの状態の推定値を送信する複数のビークルが存在する。送信された推定値は、マップの状態の確率分布の第１のモーメントおよび第２のモーメントを含む。そのような情報送信は、例えばＲＳＵ内またはクラウド内に位置する遠隔サーバが追加の感知能力を有さない場合に有益であり得る。そのような場合、遠隔サーバは、複数のビークルから受信された情報を使用して、そのような情報をマージし、したがって、各ビークルの状態の推定を改善し、第１および第２のモーメントをビークルに送信するか、またはＲＳＵの近傍の他のビークルに情報を直接送信することができる。
【0216】
いくつかの実施形態では、ビークルの確率的システムは、マップの状態のその確率分布を送信し、送信に応答して他のビークルからマップの状態の第１および第２のモーメントを受信する。
【0217】
いくつかの実施形態では、遠隔サーバ１２００は、マップに関する複数のビークルの状態情報に基づいて拡張状態を形成する。拡張状態は、複数のビークルからのマップ状態の状態の和集合である。例えば、拡張状態は、複数のビークルからのマップの状態を含み、ビークルは、そのようなマップのサブセットを測定している。
【0218】
いくつかの実施形態は、ビークルと通信する遠隔サーバを使用することは、異なるデバイスに対して異なるクロックを使用することを必要とし、そのようなクロック間の同期が必要であるという認識に基づく。
【0219】
ビークルのクロックは、ビークルのＧＮＳＳ受信機と通信しているＧＮＳＳのクロックに同期させることができる。しかしながら、いくつかの実施形態は、ＧＮＳＳのクロックに対するビークルのクロックの個々の同期は、異なるビークルが有する可能性がある異なるクロックオフセット誤差に起因して、ビークル通信ネットワークにおけるビークルの同期を保証しないという認識に基づく。さらに、ＧＮＳＳ同期は、都市環境における衛星信号のマルチパスによって悪影響を受ける可能性がある。
【0220】
異なる規格は、クロックの相互同期のためのプロトコルを提供する。例えば、ＩＥＥＥは、精度時間プロトコル（ＰＴＰ）ベースの同期規格を開発してきた。しかしながら、これらのプロトコルは、同期するデバイス間の情報交換を必要とし、これは、汎用ビークル通信ネットワークの文脈では非実用的であり得る。
【0221】
いくつかの実施形態は、ビークル通信ネットワークが関与ビークルに対して特別な要件を有するという認識に基づく。他のネットワークにおけるノードとは異なり、ビークル通信ネットワークにおけるビークルは、その存在を周期的に告知する。例えば、Wireless Access in Vehicular Environments (WAVE)に対するIEEE Dedicated Short Range Communications (DSRC)では、ビークルが１００ｍｓ毎にハートビートメッセージを送信して、その存在を周辺ビークルに知らせる必要がある。ハートビートメッセージの属性は、一時的ＩＤ、時間、緯度、経度、高度、位置精度、速度および送信、進行方向、加速度、操舵輪角度、ブレーキシステムステータス、およびビークルサイズのうちの１つまたは組合せを含む。
【0222】
いくつかの実施形態は、このハートビートメッセージは必要な同期データを含み、したがって同期のために使用することができるという認識に基づく。この手法は、ネットワークトラフィックを低減し、干渉を軽減する。同期データが自動的に送信されることによって、ビークルは、従来の同期方法において実行されるメッセージ交換なしにサイレント同期を達成することができる。
【0223】
例えば、いくつかの実施形態は、ビークルのクロックオフセットおよびビークルの位置は未知であるという仮定の下で、複数のハートビートメッセージにおいて受信された情報の三辺測量に基づいて、ビークルのクロックを他のビークルのクロックに同期させることができるという認識に基づく。これは、２種類の方法でビークルの三辺測量を行うことができるためである。１つの方法は、未知のクロックオフセットの関数であるハートビートメッセージの送信時間と受信時間との間に光が移動する距離を使用する。別の方法は、複数のビークルの位置間の距離と、ハートビートメッセージを送信する時間と、特定の時間におけるビークルの未知の位置とを使用する。これらの２種類の距離を比較することによって、特定の時間におけるビークルの未知のクロックオフセットおよび未知の位置を同時に求めることが可能である。
【0224】
図１２Ｄは、ＩＥＥＥ精密時間プロトコル（ＰＴＰ）ベースの同期における同期メッセージ交換に関連するユースケース１２００ｄを示す。そのような同期は、マスタ１２００ｄ１とスレーブ１２００ｄ２との間の少なくとも２つのメッセージ交換を必要とする。マスタ１２００ｄ１は、まず、時刻Ｔ１において、スレーブ１２００ｄ２にＳｙｎｃメッセージを送信する。スレーブ１２００ｄ２は、時刻Ｔ２においてＳｙｎｃメッセージを受信する。ＳｙｎｃメッセージがタイムスタンプＴ１を含む場合であっても、より正確な同期のために、マスタ１２００ｄ１は、正確なタイムスタンプＴ１を含むFollow_ Upメッセージをスレーブ１２００ｄ２に送信することができる。スレーブ１２００ｄ２は、マスタ１２００ｄ１から受信したＳｙｎｃメッセージおよびFollow_Upメッセージを処理した後、時刻Ｔ３にDelay_Reqメッセージをマスタに送信する。マスタ１２００ｄ１は、時刻Ｔ４においてDelay_Reqメッセージを受信すると、タイムスタンプＴ４を含むDelay_Respメッセージをスレーブ１２００ｄ２に返信する。４つのタイムスタンプＴ１、Ｔ２、Ｔ３、およびＴ４を使用して、スレーブ１２００ｄ２は、メッセージ伝搬時間およびクロックオフセットを計算し、したがって、そのクロックをマスタのクロックに同期させる。例えば、対称リンクの場合、伝搬時間ｔｐおよびクロックオフセットｔｏは、
【0225】
【数27】
【0226】
いくつかの実施形態では、ビークルの状態の確率分布のパラメータは、ＧＮＳＳ測定値とともに、遠隔サーバに送信される。
【0227】
例示的な実施形態
図１３は、一実施形態による、状態推定に基づくビークル間（Ｖ２Ｖ）通信および計画の一例を示す。本明細書で使用されるように、各ビークルは、乗用車、移動ロボット、またはローバーを含む、任意のタイプの移動輸送システムであり得る。例えば、ビークルは、自律ビークルまたは半自律ビークルであり得る。
図１３は、一実施形態による、状態推定に基づくビークル間（Ｖ２Ｖ）通信および計画の一例を示す。本明細書で使用されるように、各ビークルは、乗用車、移動ロボット、またはローバーを含む、任意のタイプの移動輸送システムであり得る。例えば、ビークルは、自律ビークルまたは半自律ビークルであり得る。
【0228】
この例では、複数のビークル、すなわちビークル１３００、ビークル１３１０、およびビークル１３２０が、所与の高速道路１３０１上を移動している。各ビークルは、多くの運動を行うことができる。例えば、ビークルは、経路１３５０、経路１３９０、経路１３８０などの同じ経路上に留まることができ、または車線１３６０もしくは車線１３７０など、経路（もしくは車線）を変更することができる。各ビークルは、それ自体の感知能力、例えばライダー、カメラ、ＧＮＳＳ等を有する。各ビークルは、その近隣ビークルと情報を送受信（１３３０、１３４０）する可能性を有し、および／または遠隔サーバを介して他のビークルを介して間接的に情報を交換することができる。例えば、ビークル１３００およびビークル１３２０は、ビークル１３１０を介して情報を交換することができる。このタイプの通信ネットワークでは、情報は、フリーウェイまたは高速道路１３０１の大部分にわたって送信することができる。
【0229】
いくつかの実施形態は、以下のシナリオに対処するよう構成される。例えば、ビークル１３２０は、その経路を変更したいと望み、その経路計画においてオプション１３７０を選択する。しかしながら、同時に、ビークル１３１０も、その車線を変更することを選択し、オプション１３６０に従うことを希望する。この場合、２つのビークルが衝突する可能性があり、またはせいぜいビークル１３１０は、ビークル１３２０との衝突を回避するために緊急ブレーキを実行しなければならないことになる。これは、本開示が役立ち得るところである。そのために、いくつかの実施形態は、ビークルが現在の時刻ｔにおいてビークルが感知するものを送信するだけでなく、加えて、または代替として、ビークルが時刻Ｔ＋δｔにおいて行うことを計画しているものを送信することも可能にする。
【0230】
図１３の例では、ビークル１３２０は、車線変更するその計画の実行を計画およびコミットした後、ビークル１３１０にその計画を通知する。したがって、ビークル１３１０は、δｔ時間間隔においてビークル１３２０が左への移動１３７０を計画していることを知る。したがって、ビークル１３１０は、１３６０の代わりに、運動１３９０、すなわち同じ車線に留まることを選択することができる。
【0231】
加えて、または代替として、ビークルの運動は、協調的に判断される状態推定に基づいて、遠隔サーバ１２００によって、併せて制御することができる。例えば、いくつかの実施形態では、結合状態推定のために判定される複数のビークルは、共有された制御目的で併せて制御されるビークルの隊列を形成および潜在的に形成し得るビークルである。
【0232】
図１４は、一実施形態による事故回避シナリオのための複数ビークル隊列整形の概略図である。例えば、フリーウェイ１４０１上を移動するビークルのグループ１４３０、１４７０、１４５０、１４６０を考える。ここで、突然、ビークル隊列の前方の道路の経路変更１４００があると考える。この経路変更は、ビークルが公称計画に従って移動するのにゾーン１４００を安全でないものにする。ビークル１４２０、１４６０は、例えばカメラを用いて問題を感知し、この情報をビークル１４３０、１４７０に通信する。次いで、隊列は、分散最適化アルゴリズム、例えば、経路変更１４００に従って操縦する隊列の最良の形状を選択し、ビークルの流れを中断しないように保つ、形成維持マルチエージェントアルゴリズムを実行する。この例示的な実施例では、隊列の最良の形状は、整列し、線を形成して（１４９５）、経路変更１４００による潜在的な衝突を回避することである。
【0233】
図１５Ａは、本開示のいくつかの実施形態による、無人航空機（ＵＡＶ）が、サーバ１５１０ａ上で実現されるシステム１００を使用して制御される、実施形態１５００ａを図示する。サーバ１５１０ａは、前述の図６Ａ、図６Ｂ、図６Ｃ、図６Ｄ、図６Ｅ、図６Ｆ、図６Ｇ、図６Ｈ、および図７Ａの方法のステップを実行する。ビークル１０４に相当するビークル１５２０ａは、ＵＡＶであり、システム１００によって実行される動作を実行する。ビークル１５２０ａは、それ自体の状態のデータ１５３０ａおよび／または環境データをサーバ１５１０ａに送り返すことができる。いくつかの実施形態では、システム１００によって生成されるビークル１５２０ａおよびマップ状態の同時追跡に基づく運動計画１５５５は、外乱および環境に関する追加情報が収集されるにつれて連続的に更新される。外乱および環境に関する情報は、ビークル１５２０ａ自体によって、または任意の第三者センサ１５３１ａ、１５３２ａ、１５３３ａによって収集され得る。センサ１５３１ａ、１５３２ａ、１５３３ａは、考慮されるビークル１５２０ａに応じて、風速を測定するＬｉＤＡＲ等の物理的センサ、または風速もしくは海流の気象予報等の非物理的センサであってもよい。
【0234】
図１５Ｂは、本開示のいくつかの実施形態による、システム１００のステップがサーバ１５１０ｂ上で実現される別の実施形態を示す。通信は図１５Ａと同じであり、運動計画１５３１ｂ、１５３２ｂ、１５３３ｂがそれぞれビークル１５２１ｂ、１５２２ｂ、１５２３ｂに送信される。図１５Ａで説明した実施形態とは対照的に、ビークル１５２１ｂ、１５２２ｂ、および１５２３ｂは、外乱を測定することができる感覚機器（機上搭載センサ）を含む。したがって、サーバ１５１０ｂへの通信１５４１ｂ、１５４２ｂ、および１５４３ｂは、外乱に関する測定値を含む。この実施形態では、いかなる追加の外部感知も必要ないが、いくつかの実施形態は、外部センサ１５３１ａ、１５３２ａ、１５３３ａを機上搭載感知と組み合わせる。他の実施形態では、サーバ１５１０ｂは、物理的に、ビークル上で、それのより大きな制御システムの構成要素として、実行される。
【0235】
図１６は、いくつかの実施形態による、混合自律ビークルの直接および間接制御のためのシステム１６００のブロック図を示す。システム１６００は、ＲＳＵの一部として遠隔サーバ上に配置されて、自律ビークル、半自律ビークル、および／または手動駆動ビークルを含む、通過する混合自律ビークルを制御することができる。システム１６００は、システム１６００を他の機械およびデバイスに接続するいくつかのインターフェースを有することができる。ネットワークインターフェースコントローラ（ＮＩＣ）１６０２は、システム１６００を、バス１６０４を介して、システム１６００を混合オートマタビークルに接続するネットワーク１６０６に接続して、同方向に走行する混合自律ビークルのグループの交通状態を受信するよう適合された受信機を含み、混合自律ビークルのグループは、隊列構成に参加しようとする被制御ビークルと少なくとも１つの非制御ビークルとを含み、交通状態は、グループ内の各ビークルおよび被制御ビークルの状態を表す。例えば、一実施形態では、交通状態は、混合オートマタビークルの現在の運転間隔、現在の速度、および現在の加速度を含む。いくつかの実施形態では、混合オートマタビークルは、隊列中の側方に位置する被制御ビークルから所定の範囲内のすべての非制御ビークルを含む。
【0236】
ＮＩＣ１６０２はまた、ネットワーク１６０６を介して被制御ビークルに制御コマンドを送信するように適合された送信機を含む。そのために、システム１６００は、制御コマンド１６１０を混合自律ビークルのグループ内の被御ビークルにネットワーク１６０６を介して提出するよう構成された出力インターフェース、例えば制御インターフェース１６０８を含む。このように、システム１６００は、混合オートマタビークルと直接的または間接的に無線通信する遠隔サーバ上に配置することができる。
【0237】
システム１６００はまた、他のタイプの入力および出力インターフェースを含むことができる。例えば、システム１６００は、ヒューマンマシンインターフェース１６１２を含むことができる。ヒューマンマシンインターフェース１６１２は、コントローラをキーボード１６１４およびポインティングデバイス１６１６に接続することができ、ポインティングデバイス１６１６は、とりわけ、マウス、トラックボール、タッチパッド、ジョイスティック、ポインティングスティック、スタイラス、またはタッチスクリーンを含むことができる。
【0238】
システム１６００は、記憶された命令を実行するよう構成されたプロセッサ１６１８と、プロセッサによって実行可能な命令を記憶するメモリ１６２０とを含む。プロセッサ１６１８は、シングルコアプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、または任意の数の他の構成であり得る。メモリ１６２０は、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、または任意の他の好適なメモリマシンを含み得る。プロセッサ１６１８は、バス１６０４を介して１つ以上の入力および出力装置に接続することができる。
【0239】
プロセッサ１６１８は、命令を記憶するとともに命令によって使用されるデータを処理するメモリストレージ１６２２に動作可能に接続される。ストレージ１６２２は、メモリ１６２０の一部を形成するか、またはそれに動作可能に接続され得る。例えば、メモリは、混合オートマタビークルの拡張状態を追跡し、交通状態を混合自律ビークルの目標運転間隔に変換するようにトレーニングされた複数の確率フィルタ（複合確率フィルタ４０５ａと等価）を含む複合確率フィルタ１６２４を記憶し、ビークルの運動を説明するよう構成された１つまたは複数のモデル１６２６を記憶するよう構成することができる。例えば、モデル１６２６は、運動モデル、測定モデル、交通モデルなどを含むことができる。
【0240】
プロセッサ１６１８は、非制御ビークルも間接的に制御する、被制御ビークルに対する制御コマンドを決定するよう構成される。そのために、プロセッサは、制御生成器１６２８を実行して、ビークルの状態に基づいて制御コマンドを決定するよう構成される。いくつかの実施形態では、制御生成器１６２８は、個々のビークルおよび／またはビークルの隊列の拡張状態から制御コマンドを生成するよう訓練された深層補強学習（ＤＲＬ）コントローラを使用する。
【0241】
本記載は、例示的な実施形態のみを与え、本開示の範囲、適用性、または構成を限定することを意図しない。むしろ、例示的な実施形態の以下の説明は、１つ以上の例示的な実施形態を実現するための実施可能な説明を当業者に提供する。企図されるのは、特許請求の範囲に記載されるように開示される主題の精神および範囲から逸脱することなく、要素の機能および構成において行われ得るさまざまな変更である。
【0242】
以下の説明では、実施形態の完全な理解のために、具体的な詳細が与えられる。しかしながら、当業者によって理解されることは、実施形態がこれらの具体的な詳細なしで実施され得ることであり得る。たとえば、開示される主題におけるシステム、プロセス、および他の要素は、不必要な詳細で実施形態を不明瞭にしないように、ブロック図の形態の構成要素として示される場合がある。他の例では、周知のプロセス、構造、および技術は、実施形態を不明瞭にすることを回避するために、不必要な詳細を伴わずに示される場合がある。さらに、さまざまな図面における同様の参照番号および名称は、同様の要素を示した。
【0243】
また、個々の実施形態は、フローチャート、フロー図、データフロー図、構造図、またはブロック図として示されるプロセスとして説明されてもよい。フローチャートは、動作を順次プロセスとして説明し得るが、動作の多くは、並列にまたは同時に実行することができる。加えて、動作の順序は並べ替えられてもよい。プロセスは、その動作が完了したときに終了されてもよいが、論じられていない、または図に含まれていない追加のステップを有してもよい。さらに、特に説明される任意のプロセスにおけるすべての動作が、すべての実施形態において生じ得るわけではない。プロセスは、メソッド、関数、プロシージャ、サブルーチン、サブプログラムなどに対応してもよい。プロセスが関数に対応するとき、関数の終了は、呼び出し関数またはメイン関数への関数の復帰に対応することができる。
【0244】
さらに、開示される主題の実施形態は、少なくとも部分的に、手動または自動のいずれかで実現されてもよい。手動または自動の実現例は、マシン、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、もしくはそれらの任意の組み合わせを用いて実行されてもよく、または少なくとも支援されてもよい。ソフトウェア、ファームウェア、ミドルウェア、またはマイクロコードで実現される場合、必要なタスクを実行するためのプログラムコードまたはコードセグメントは、機械可読媒体に格納されてもよい。必要なタスクはプロセッサが実行してもよい。
【0245】
本明細書で概説される様々な方法またはプロセスは、様々なオペレーティングシステムまたはプラットフォームのいずれか１つを使用する１つ以上のプロセッサ上で実行可能なソフトウェアとしてコード化されてもよい。加えて、そのようなソフトウェアは、いくつかの好適なプログラミング言語および／またはプログラミングもしくはスクリプトツールのうちのいずれかを使用して書かれてもよく、また、フレームワークまたは仮想マシン上で実行される実行可能機械言語コードまたは中間コードとしてコンパイルされてもよい。典型的には、プログラムモジュールの機能は、様々な実施形態において所望に応じて組み合わせられるかまたは分散されてもよい。
【0246】
本開示の実施形態は、一例が提供された方法として具現化されてもよい。方法の一部として実行される行為は、任意の好適な方法で順序付けされてもよい。したがって、例示的な実施形態において連続的な行為として示されているいくつかの行為を同時に実行することを含むことができる、例示とは異なる順序で行為が実行される実施形態を構築してもよい。
【0247】
さらに、本開示の実施形態および本明細書で説明される機能動作は、デジタル電子回路、有形に具現化されたコンピュータソフトウェアもしくはファームウェア、本明細書で開示される構造およびそれらの構造的均等物を含むコンピュータハードウェア、またはそれらの１つもしくは複数の組合せにおいて実装され得る。さらに、本開示のいくつかの実施形態は、１つ以上のコンピュータプログラム、すなわち、データ処理装置によって実行するために、またはデータ処理装置の動作を制御するために、有形の非一時的プログラム担体上に符号化されたコンピュータプログラム命令の１つ以上のモジュールとして実現され得る。さらに、プログラム命令は、人工的に生成された伝搬信号、例えば、データ処理装置による実行のために適切な受信装置への送信のために情報を符号化するよう生成される機械生成された電気、光、または電磁信号上に符号化され得る。コンピュータ記憶媒体は、機械可読記憶装置、機械可読記憶基板、ランダムもしくはシリアルアクセスメモリデバイス、またはそれらの１つ以上の組合せとすることができる。
【0248】
本開示の実施形態によれば、「データ処理装置」という文言は、例として、プログラム可能なプロセッサ、コンピュータ、または複数のプロセッサもしくはコンピュータを含む、データを処理するためのすべての種類の装置、デバイス、およびマシンを包含することができる。装置は、専用論理回路、例えばＦＰＧＡ（フィールドプログラマブルゲートアレイ）またはＡＳＩＣ（特定用途向け集積回路）を含むことができる。本装置はまた、ハードウェアに加えて、当該コンピュータプログラムの実行環境を生成するコード、例えば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、またはそれらの１つ以上の組合せを構成するコードを含むことができる。
【0249】
コンピュータプログラム（これらは、プログラム、ソフトウェア、ソフトウェアアプリケーション、モジュール、ソフトウェアモジュール、スクリプト、またはコードとも呼ばれ、または記載され得る）は、コンパイルされたもしくは解釈された言語、または宣言型言語もしくは手続き型言語を含む任意の形態のプログラミング言語で記述することができ、独立型プログラムとして、またはモジュール、コンポーネント、サブルーチン、もしくはコンピューティング環境での使用に適した他のユニットとして含む任意の形態で展開することができる。コンピュータプログラムは、ファイルシステム内のファイルに対応してもよいが、対応する必要はない。プログラムは、他のプログラムまたはデータを保持するファイルの一部、例えばマークアップ言語ドキュメントに格納された１つ以上のスクリプト、問題のプログラム専用の単一のファイル、または複数の協調ファイル、例えば１つ以上のモジュール、サブプログラムもしくはコードの一部を格納するファイルに格納することができる。
【0250】
コンピュータプログラムは、１つのコンピュータ上、または１つのサイトに位置するか、もしくは複数のサイトにわたって分散され、通信ネットワークによって相互接続された複数のコンピュータ上で実行されるように展開することができる。コンピュータプログラムの実行に適したコンピュータは、一例として、汎用マイクロプロセッサもしくは専用マイクロプロセッサまたはその両方、および任意の他の種類の中央処理ユニットを含み、例えばそれらに基づき得る。一般に、中央処理ユニットは、読み取り専用メモリもしくはランダムアクセスメモリまたはその両方から命令およびデータを受信する。コンピュータの必須要素は、命令を実行するための中央処理ユニット、ならびに命令およびデータを格納するための１つ以上のメモリデバイスである。
【0251】
一般に、コンピュータはまた、データを格納するための１つ以上の大容量記憶装置、例えば、磁気ディスク、光磁気ディスク、もしくは光ディスクを含むか、またはそれらからデータを受信するか、もしくはそれらにデータを転送するか、もしくはその両方を行うように動作可能に結合されることにもなる。しかしながら、コンピュータは、そのようなデバイスを有する必要はない。さらに、コンピュータは、数例を挙げると、別のデバイス、例えば、携帯電話、携帯情報端末（ＰＤＡ）、モバイルオーディオもしくはビデオプレーヤ、ゲームコンソール、全地球測位システム（ＧＰＳ）受信機、または携帯型記憶装置、例えばユニバーサルシリアルバス（ＵＳＢ）フラッシュドライブに組み込むことができる。
【0252】
ユーザとの対話を提供するために、本明細書で説明される主題の実施形態は、ユーザに情報を表示する表示装置、例えばＣＲＴ（陰極線管）またはＬＣＤ（液晶ディスプレイ）モニタ、ならびにキーボードおよびポインティングデバイス、例えばマウスまたはトラックボールを有するコンピュータ上で実現され得、これにより、ユーザは、コンピュータに入力を提供することができる。他の種類のデバイスも、ユーザとの相互作用を提供するために用いることができ；例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックとすることができ；ユーザからの入力は、音響入力、音声（スピーチ）入力、または触覚入力を含む任意の形態で受信され得る。さらに、コンピュータは、ユーザによって用いられるデバイスにドキュメントを送信し、デバイスからドキュメントを受信することによって、例えば、ウェブブラウザから受信された要求に応答して、ユーザのクライアントデバイス上のウェブブラウザにウェブページを送信することによって、ユーザと対話することができる。
【0253】
本明細書で説明する主題の実施形態は、例えばデータサーバとしてバックエンドコンポーネントを含む、または例えばアプリケーションサーバなどのミドルウェアコンポーネントを含む、またはフロントエンドコンポーネント、例えばユーザが本明細書に記載される主題の実現例と対話できるグラフィカルユーザインターフェイスもしくはウェブブラウザを有するクライアントコンピュータ、または１つもしくは複数のそのようなバックエンドコンポーネント、ミドルウェアコンポーネントもしくはフロントエンドコンポーネントの任意の組合せを含む計算システムにおいて実現され得る。システムのコンポーネントは、任意の形態または媒体のデジタルデータ通信、例えば通信ネットワークによって相互接続されることができる。通信ネットワークの例は、ローカルエリアネットワーク（「ＬＡＮ」）およびワイドエリアネットワーク（「ＷＡＮ」）、例えばインターネットを含む。
【0254】
コンピューティングシステムは、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、一般に、互いに遠隔であり、一般に、通信ネットワークを介して対話する。クライアントとサーバとの関係は、それぞれのコンピュータ上で実行され、互いにクライアント－サーバ関係を有するコンピュータプログラムによって生じる。
【0255】
本開示は特定の好ましい実施形態を参照して説明されたが、本開示の精神および範囲内でさまざまな他の適合および変更を行うことができることを理解されたい。したがって、本開示の真の精神および範囲内に入るそのようなすべての変形および修正を包含することは、特許請求の範囲の態様である。
【図1A】
【図1B】
【図1C】
【図1D】
【図1E】
【図1F】
【図1G】
【図1H】
【図1I】
【図2A】
【図2B】
【図3A】
【図3B】
【図3C】
【図3D】
【図3E】
【図4A】
【図4B】
【図4C】
【図4D】
【図4E】
【図4F】
【図4G】
【図5A】
【図5B】
【図6A】
【図6B】
【図6C-1】
【図6C-2】
【図6D】
【図6E】
【図6F】
【図6G】
【図7A】
【図7B】
【図7C】
【図7D】
【図7E】
【図7F】
【図8】
【図9A】
【図9B】
【図9C】
【図10】
【図11A】
【図11B】
【図12A】
【図12B】
【図12C】
【図12D】
【図13】
【図14】
【図15A】
【図15B】
【図16】
【外国語明細書】