用于調節道路邊界的單元和方法與流程

此處提出的示例實施例旨在用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界的方法和單元。

背景技術：

自主車輛是能夠感應其環境并且不使用人工輸入來導航的車輛。想象這種車輛能夠在自主駕駛模式與其中駕駛員手動操作車輛的手動駕駛模式之間切換。進一步想象僅在預先批準或證實的道路或區域上允許這種自主駕駛。因此，車輛最初駕駛路段需要人類駕駛員控制車輛并且隨后切換為自主駕駛模式。雖然在自主駕駛模式下，車輛的駕駛員可能忙于車輛處于手動駕駛模式時不可能的動作。這種動作的示例是睡眠、工作或使用多媒體應用。通過駕駛員接管對車輛的控制來啟動最終路段從而離開所述證實的道路并且手動駕駛直至到達目的地。

US2013261870A公開了一種自主機器控制系統，包括測量位置和定向的定位單元，以及存儲包括沿車道的期望行進路徑的路徑規劃的導航單元。車道具有通過左手側邊界和右手側邊界限定的寬度。導航單元接收與位置或定向相關的不確定性數值并且基于實際的機器足跡和不確定性數值形成虛擬二維足跡。導航單元還模擬虛擬足跡沿期望行進路徑的移動，計算通過虛擬足跡和左手側邊界限定的左手側邊距值(margin value)，并且計算通過虛擬足跡和右手側邊界限定的右手側邊距值。將邊距值與預定值相比，并且如果任一邊距值低于預定值則控制機器的速度或行進方向。

US6393362公開了根據與車輛的特定任務相關的預定軌跡完成并且通過車內GPS和雙向通信硬件由引導系統實施的露天礦(surface mine)中每個自主車輛的功能。車輛的當前位置被連續地監控并且與沿其路徑的潛在危險位置相關，因此通過實施適當的預定控制策略可進行校正作用。每個車輛被分配一個代表車輛物理存在和操作公差的安全包絡面(safety envelope)。安全包絡面是每個車輛特有的并且被圍繞車輛的變量空間所限定，其中當車輛沿其指定軌跡移動時其可物理存在。安全包絡面的形狀和尺寸動態地變化從而當沿其預定路徑完成其自主功能時滿足面對車輛的當前軌跡條件的安全要求。安全包絡面根據車輛特定的預定規則組變化。通過監控當前交通條件并建立沿接近軌跡行進的車輛安全包絡面可能重疊的位置，動態地識別沿礦場地產內路徑和道路的預定車輛軌跡之間的交點。

WO2008089966公開了對道路上車輛做出視頻為基礎的道路偏移警告的方法和系統。道路偏移警告涉及從視頻成像器(video imager)接收車輛前方道路的圖像，并且檢測圖像中對應于道路上標記的一個或多個路標。隨后，分析圖像區域超出檢測標記的特征以確定對應于所述圖像區域的道路的可行駛等級并且基于檢測的路標檢測車輛相對于道路上標記的橫向偏移。產生警報信號作為所述橫向偏移和所述等級的功能。

US20080243378公開了用于車輛中的導航系統。除了附加傳感器例如攝像機、激光掃描器或雷達之外，所述系統包括絕對位置傳感器例如GPS。所述系統進一步包括數字地圖或數據庫，其包括用于至少一些車輛周圍物體的記錄。這些記錄可包括相對位置屬性和傳統的絕對位置。當車輛移動時，傳感器感知這些物體中至少一些物體的存在，并且測量車輛與這些物體的相對位置。該信息連同絕對位置信息和添加的地圖資料可用于確定車輛的位置，并且支持特征例如增強行駛方向、沖突避免或自主輔助駕駛。根據實施例，系統還允許使用相對位置而不求助于存儲的絕對位置信息來定義一些物體的屬性。

技術實現要素：

公開了一種用于調節用于自主車輛路徑規劃的道路二維虛擬顯示的道路邊界的單元。所述單元包括被構造為獲取車輛相對于參照物的測量位置和測量方位角(heading angle)的獲取單元。所述單元還包括被構造為接收測量位置、測量方位角和道路地圖數據作為輸入的不確定性單元。不確定性單元進一步被構造為基于所述輸入確定分別表示車輛在道路上的位置和方位角的不確定性量的位置不確定性數值和方位角不確定性數值。所述單元進一步包括被構造為調節所述道路的所述二維虛擬顯示的可行駛部分的寬度和方位角的調節單元，其中分別基于所述位置不確定性數值和所述方位角不確定性數值調節所述寬度和方位角。

因此，一個優點是所述單元能夠計算車輛位置和方位角的估算值或測量值以及反映位置和方位角的所述估算值精確度的相應不確定性測量值或數值。因此當車輛沿道路行駛時可規律地或連續地確定和調節車輛前方道路的可行駛部分。當確定了可行駛部分實際上是可行駛的確定性或可能性時，車輛可在該確定的可行駛部分中安全行駛，并且，可調節確定性或可能性的水平或閾值。藉此，道路曲率、天氣、傳感器性能等等的變化情況能被考慮在內。

一個優點是當表示道路的可行駛部分時車輛定位和方位角自身不精確的估算值或測量值具有考慮在內的相應不確定性或置信度測量值。因此在道路可行駛部分的定義或確定內包含了位置不確定性。

一個優點是所述單元提供了對于自我車輛定位估算中不確定性將蔓延至所產生的可行駛區域的問題的解決方案。

該問題的原因是可在自我車輛的局部坐標系中表示可行駛區域并且由于自我車輛的確切位置不是已知的，所以可行駛區域的確切位置也不是已知的。該問題的解決方案是定位不確定性影響可行駛區域的尺寸。因此如果不確定性較大，則可行駛區域的尺寸較小，并且如果不確定性較低，則可行駛區域的尺寸將較大。可行駛區域由此能被計算為使得區域內的所有點具有在道路邊界之間的可能性，并且該可能性必須高于某個可能性閾值。

自主車輛可為自我行駛(self-driven)汽車或其它車輛，例如卡車、摩托車等等。

二維虛擬顯示的道路邊界能被表示為用于每個邊界的整體坐標列表或參數化曲線例如樣條曲線。

道路邊界限定了用于車輛的道路的可行駛部分。

道路的二維虛擬顯示可為網格顯示。

可選地，道路的二維虛擬顯示可為多邊形鏈路顯示。

道路邊界的二維(2D)虛擬顯示被構造為為車輛的路徑規劃部件或單元提供道路邊界。二維顯示是存儲在地圖上的道路物理邊界的確切位置。

位置和方位角可通過使用車輛內/上的內部傳感器和/或外部傳感器，藉由來自衛星導航系統(例如全球定位系統(GPS)或類似于GPS的系統)的數據、藉由來自慣性測量裝置(IMU)的數據、藉由來自地圖的數據來測量或估算。

因此，可藉由傳感器確定或測量車輛的位置和方位角的不確定性。

傳感器本身包括其測量值中固有的不確定性。傳感器的不確定性取決于位置和環境。

可事先(即在車輛開始行駛之前)例如在車輛被賣給其所有人之前的車輛制造商處確定傳感器的不確定性，或在車輛中以規律地間隔完成，例如每次起動車輛時或例如每天一次或例如車輛已經行駛了每100千米、每500千米、每1000千米等等。

傳感器的不確定性可通過基準傳感器確定，即可根據基準傳感器模擬不確定性。

每個傳感器的不確定性不僅是傳感器特定的，而且取決于環境例如光線條件、天氣條件等等。例如，如果例如在夜里很黑、如果下雨或雪等等則傳感器的不確定性更高。

傳感器不確定性還取決于車輛的位置，例如取決于傳感器能檢測到的路標等等的數量和/或尺寸。

地圖可以是標準地圖或包括更多信息的擴展或專用地圖，例如密集地圖、高清(HD)地圖、高分辨率地圖、增強地圖等等，其為包括有關環境例如路標、導軌、道路車道等等的更多數據和信息的地圖。地圖可存儲在車輛中，例如車輛內的單元或GPS單元中，或地圖可存儲在遠程存儲器例如云存儲器中。

地圖可用于查找例如查找車輛的位置。當車輛移動時，可連續地查找地圖。

可藉由橫向位置和縱向位置限定所述位置。

方位角是車輛的角度，即車輛縱軸相對于行駛車道的角度。因此方位角對應于方向、定向等等。

車輛的測量位置和測量方位角是相對于參照物的，并且參照物可為道路上的路標、GPS地圖位置、固定坐標系例如局部或整體坐標系中的位置。

路標可以是具有確切位置例如精確GPS的交通標志、建筑物等等。路標可具有用于測量車輛的確切位置的優點。藉由車輛中的內部和/或外部傳感器例如形式為攝像機、激光、激光雷達的傳感器并且藉由地圖數據的路標位置的知識來識別路標。

輸入至所述單元的輸入數據因此可包括有關路標例如路標形狀和位置、路標的類型等等的數據。當車輛沿道路行駛時，可通過車輛內的傳感器連續地檢測新路標或其它路標。

不確定性數值反映了測量位置和方位角的精確度。不確定性越低，測量位置和方位角的精確度越高，不確定性越高則測量位置和方位角的精確度越低。

可行駛部分是道路的可行駛區域或部分。

可駕駛部分的寬度和方位角的調節能被執行為使得確定性例如是99.9％是可駕駛部分是可駕駛道路。

可行駛部分能被調節的寬度可以是對車輛在道路上的橫向位置的調節。

所述單元可以是中央處理器(CPU)、處理單元、處理器、路徑規劃部件的控制部件和/或其它類似裝置。

在一些實施例中，獲取單元被構造為以預定時間間隔獲取所述測量位置和所述測量方位角，并且在一些實施例中，不確定性單元被構造為以預定時間間隔確定所述位置不確定性數值和所述方位角不確定性數值，并且在一些實施例中，所述調節單元被構造為以預定時間間隔調節所述道路的所述可行駛部分的寬度和角度。

因此，一個優點是這些獲取、確定和調節的步驟可以規律的時間間隔發生。用于不同步驟的時間間隔可能不同或相同。時間間隔是預定的，并且可發生在例如每1毫秒(ms)、每2ms、每5ms、每10ms、每15ms、每20ms、每25ms、每30ms、每40ms、每50ms、每100ms一次等等。

在一些實施例中，所述參照物是所述道路上的路標、衛星導航系統例如GPS中的地圖位置和/或固定坐標系中的位置。

在一些實施例中，不確定性單元進一步被構造為根據概率分布確定位置不確定性數值和方位角不確定性數值，其中概率分布基于濾波器計算。

形成概率分布的輸入和數據是測量位置、測量方位角和道路地圖數據。概率分布是濾波器的輸出。概率分布可為高斯分布即正態分布等等。

在一些實施例中，不確定性單元進一步被構造為接收車輛的測量速度和方向作為用于確定位置不確定性數值和方位角不確定性數值的輸入。

可通過車輛內的內部傳感器測量車輛的測量速度和方向。可通過車輪轉速傳感器測量車輛的測量速度。通過提供車輛偏航率(yaw rate)等等的慣性測量裝置(IMU)測量車輛的測量方向。

在一些實施例中，濾波器計算是基于形式為測量位置、測量方位角和道路地圖數據的輸入。

在一些實施例中，濾波器計算的濾波器是貝葉斯濾波器例如粒子濾波器，或卡爾曼濾波器例如常規的卡爾曼濾波器、擴展卡爾曼濾波器或無跡卡爾曼濾波器。

一個優點是濾波器(例如貝葉斯濾波器)使用輸入(即例如來自GPS、IMU、相對于路標的測量值和地圖的測量值)來計算概率分布。根據該概率分布，有可能計算位置和方位角的估算值以及位置和方位角的相關不確定性數值。

在一些實施例中，不確定性單元被構造為由概率分布產生多個樣本，其中每個樣本包括位置估算值和方位角估算值。不確定性單元進一步被構造為確定每個位置估算值的所述位置不確定性數值，其中所述位置不確定性數值基于產生所述相應位置估算值的樣本數量。不確定性單元也被構造為確定每個方位角估算值的所述方位角不確定性數值，其中所述方位角不確定性數值產生相應方位角估算值的樣本數量。

一個優點是由概率分布產生樣本，因為樣本可提供比實際測量更正確和精確的位置和方位角的測量值。

樣本將不包含任何不確定性數值。通過根據分布描繪樣本，人們將獲得很少不可能的樣本并且多個可能樣本的拷貝。隨后通過分別由特定位置和方位角數值產生的樣本數量描述位置不確定性數值和方位角不確定性數值。例如，當帶有相應的位置和方位角測量值的樣本的數量或量極多時，位置不確定性數值和方位角不確定性數值較低，并且當用于相應的位置和方位角測量值的樣本的數量或量較低時，位置不確定性數值和方位角不確定性數值極高。

根據上述從概率分布產生的樣本對于在本發明中可使用的若干方法是常見的。這些方法可稱為蒙特卡羅方法(Monto Carlo method)和確定抽樣法(deterministic sampling method)。可使用多種模式來表示道路，例如網格顯示和多邊形鏈路顯示。因此方法和道路顯示可以是帶有多邊形鏈路顯示的確定抽樣，或帶有網格顯示的確定抽樣，或最佳抽樣例如選擇帶有多邊形鏈路顯示的最佳樣本等等。可基于多個預定參數等等確定哪個樣本最佳。因此，可確定地選擇或產生樣本，例如使用或基于確定抽樣來產生樣本。可選地，使用或基于蒙特卡羅網格顯示產生樣本。

樣本可針對每1m道路、每50cm、每25cm、或每1.5m道路等等產生。

在一些實施例中，調節單元被構造為針對每個樣本確定車輛前方的可行駛部分。調節單元進一步被構造為累加被確定為可行駛的部分。調節單元還被構造為根據所累加的被確定為可行駛的部分計算所述道路的所述二維虛擬顯示的所述可行駛部分，其中通過所述相應的位置估算值和所述相應的方位角估算值產生的樣本數量高于某個閾值。

一個優點是對于每個樣本評估車輛前方的哪個區域或部分是可行駛的。通過從所有樣本累加所有這些區域或部分，能使用閾值來確定車輛前方的哪個區域或部分是可行駛的。

其中產生相應位置估算值和相應方位角估算值的樣本的數量高于某個閾值的部分對應于其中不確定性數值低于某個閾值的部分。因此，為了所述部分可行駛，不確定性數值必須低于某個閾值。可選地，可以說為了所述部分可行駛，確定性數值必須高于某個閾值，其中確定性數值基于產生相應位置估算值和相應方位角估算值的樣本數量。

在一些實施例中，位置不確定性數值和方位角不確定性數值是包括置信度或精確度水平或間隔的估算值。

一個優點是位置不確定性數值和方位角不確定性數值能被設置為帶有置信度或精確度水平或間隔的估算值。

因此，帶有置信度或精確度水平或間隔的這種估算值是如上所述從概率分布抽取樣本的可選方案。

位置不確定性數值的估算值可表示為用于橫向或x-軸位置的εx，和用于縱向或y-軸的εy。因此，位置xpos、ypos可表示為xpos＝x±εx，ypos＝y±εy。

方位角不確定性數值的估算值可表示為εα。因此方位角αpos可表示為αpos＝α±εα。

在一些實施例中，所述位置不確定性數值和所述方位角不確定性數值受到所述車輛環境中環境因素和/或用于測量所述車輛的所述位置和方位角的一個或多個傳感器品質和/或所述道路的所述地圖數據品質的影響。

環境因素例如可以是天氣例如雨、雪；光線狀況，例如白天或夜晚；溫度例如冰凍溫度、熱浪等等。

根據一個方面，公開了包括根據前述任一實施例的單元的車輛。

根據一個方面，公開了在單元內執行的用于調節用于自主車輛路徑規劃的道路二維虛擬顯示的道路邊界的方法。所述方法包括在獲取單元內獲取相對于參照物的車輛測量位置和測量方位角。所述方法進一步包括在不確定性單元內接收測量位置、測量方位角和道路地圖數據作為輸入。所述方法還包括在不確定性單元內基于所述輸入確定分別表示車輛在道路上的位置和方位角的不確定性量的位置不確定性數值和方位角不確定性數值。所述方法額外地包括在調節單元中調節所述道路的所述二維虛擬顯示的可行駛部分的寬度和方位角，其中分別基于所述位置不確定性數值和所述方位角不確定性數值調節所述寬度和方位角。

根據一個方面，公開了一種計算機可讀介質，包括在單元中執行的用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界的程序指令，其中通過計算機系統的一個或多個處理器執行所述程序指令促使一個或多個處理器執行下述步驟：獲取所述車輛相對于參照物的測量位置和測量方位角；接收所述測量位置、所述測量方位角和所述道路地圖數據作為輸入；基于所述輸入確定分別表示所述車輛在所述道路上的位置和方位角的不確定性量的位置不確定性數值和方位角不確定性數值；并且調節所述道路的所述二維虛擬顯示的可行駛部分的寬度和方位角，其中分別基于所述位置不確定性數值和所述方位角不確定性數值調節所述寬度和方位角。

在一些實施例中，計算機可讀介質進一步包括促使一個或多個處理器執行上述方法步驟的可執行指令。

附圖說明

上述內容將根據如附圖所示的以下示例實施例的更特定描述而更為清楚，其中類似的附圖標記指的是不同示意圖中相同的部件。附圖不一定是按比例的，重點要放在示出示例實施例上。

圖1示出如何產生可行駛部分的系統結構。

圖2示出以曲線坐標系表示自我車輛位置的示例。

圖3示出可行駛部分如何受到自我車輛的定向或方位角中不確定性影響的示例。

圖4示出可行駛部分如何受到自我車輛的橫向位置中不確定性影響的示例。

圖5示出可行駛部分如何受到自我車輛的縱向位置中不確定性影響的示例。

圖6示出將自我車輛前方的區域分隔為網格并且計算網格中每個格子位于由道路邊界示出的道路上的可能性的方法。

圖7示出使用一對多邊形鏈路的可行駛部分，一個多邊形鏈路用于左側邊界并且另一個多邊形鏈路用于右側邊界。

圖8示出被構造為用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界的單元的說明性示例。

圖9示意性地示出包括被構造為用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界的單元的車輛的說明性示例。

圖10示出用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界的方法的流程圖。

具體實施方式

在下面的描述中，出于說明而非限制的目的，闡述細節例如特定模塊、元件、技術等等從而提供對示例實施例的徹底了解。然而，本來有技術人員顯而易見，可以除這些細節之外的其它方式實施示例實施例。其它情況下，省略對已知的方法和元件的詳細說明以便易于理解示例實施例的描述。此處使用的術語是出于描述示例實施例的目的而非意圖限定此處提出的實施例。借助形式為汽車的車輛描述此處提出的示例實施例。應當理解，此處提出的示例實施例可應用于任何形式的車輛或運輸工具，例如包括汽車、卡車、公交車和施工設備以及飛機、船舶、輪船和航天飛船。

自主駕駛允許車輛的乘員特別是駕駛員從事當車輛處于手動駕駛模式時不可能從事的動作。因而，此處描述的一些示例實施例的至少一個示例目標是提供其中駕駛員和/或車輛的乘員可以在自主駕駛模式期間安排在手動駕駛模式期間不可能從事的動作的系統。

自主或自我行駛車輛必須始終能夠確保乘員和其它道路使用者的安全性。該目標的重要部分是沿著道路在正確的車道內安全地導航車輛。導航任務包括兩個步驟：首先是路徑規劃步驟，其選擇車輛的安全軌跡；第二是控制部分，其沿選定的路徑行駛車輛。為了形成車輛軌跡的安全規劃，路徑規劃算法需要前方道路的詳細說明。常見的方法是將該詳細的道路描述存儲在精確的地圖中然后令系統確定地圖中車輛的位置。使用車輛的估算位置，可從地圖提取對前方道路的描述。此處該描述被稱為“可行駛部分”或“可行駛區域”，并且圖1示出如何產生可行駛區域的系統結構。

從圖1的左側開始，是測量車輛的動態特性和周圍路標的位置和特性的多個傳感器，傳感器1……傳感器N。定位的濾波器通過將路標的傳感器測量值與存儲在地圖(附圖中MAP)中的路標的確切位置相匹配來估算車輛位置。

車輛的動態特性可以是速度、加速度、旋轉、偏航率估算值、定向或方位角等等。

測量車輛動態特性以及周圍路標位置和特性的傳感器可以是外部傳感器和/或車輛中的內部傳感器。傳感器可以是與太空衛星導航系統通信的裝置，例如全球定位系統(GPS)、慣性測量單元(IMU)、攝像機、雷達傳感器、激光雷達傳感器、加速度計、回轉儀等等。

傳感器例如攝像機可用于感應或捕獲環境中的路標例如交通標志，和/或可用于感應或捕獲道路上的線條等等。傳感器例如攝像機能被構造為感應或捕獲環境中的一些東西例如建筑物等等。

傳感器例如激光或激光掃描器可用于感應、掃描、捕獲物體例如道路擋板、交通標志等等。

傳感器例如雷達例如可用于感應或捕獲道路擋板等等。

外部傳感器例如攝像機、激光、雷達等等可以預定時間間隔例如每40毫秒捕獲和/或發送數據至定位濾波器或自我車輛的定位濾波器。

內部傳感器例如車速傳感器、IMU、回轉儀、加速度計等等可連續地或恒定地或以預定時間間隔例如每1毫秒捕獲和/或發送數據至定位濾波器或自我車輛的定位濾波器。因而內部傳感器數據可比外部傳感器數據更頻繁地被捕獲和/或發送。路標可為在附圖中表示的固定物體，例如獨特的物體，如建筑物、山脈、隧道、路標、交通標志等等。

地圖可為存儲在車內GPS單元中的二維(2D)地圖，可能為高分辨率(HD)地圖，包括比標準地圖更多的有關道路及其環境的信息等等。

定位濾波器的參數化法和輸出如下所述。

GPS為自我車輛的定位濾波器提供了車輛的全球定位。IMU為自我車輛的定位濾波器提供了車輛的全球定位的改變。傳感器(傳感器1……傳感器N)為自我車輛的定位濾波器提供了路標的信息和位置。地圖為自我車輛的定位濾波器提供了路標的傳感器模型。基于該輸入，自我車輛的定位濾波器估算自我車輛的地圖定位，其提供給產生可行駛區域的單元或模塊。來自地圖的有關道路的道路邊界的信息也提供給產生可行駛區域的模塊。產生可行駛區域的模塊的輸出是可行駛區域，并且該可行駛區域被輸入到路徑規劃模塊或單元中。

因此，圖1中被稱為“產生可行駛區域”的模塊或單元將定位估算與存儲在地圖中的道路物理邊界的確切位置結合起來。這些邊界能以很多不同的方式表示，例如用于每個邊界的整體坐標列表或參數化曲線例如樣條曲線。定位估算是不精確的，但具有相關的不確定性/置信度測量值，當表達可行駛部分時需要考慮該測量值。權利要求和該說明書中描述的單元和方法提出了如何在可行駛區域的估算或測量中包括定位不確定性的方案。有關可行駛區域的更多細節如下所述。

自我車輛定位(Ego vehicle positioning)

參見圖1，自我車輛定位濾波器的任務是計算車輛位置的估算值和反映估算值精確度的相應不確定性測量值。能使用很多不同的參數化法和坐標系表示所述位置。同樣，存在用于計算位置估算值的多種方法，并且例如使用實施例中公開的后驗概率分布(posterior probability distribution)或置信水平來表示不確定性測量值。

自我車輛位置可在曲線坐標系(x_t；y_t)中表示，如圖2所示。此處，x_t是沿道路的縱向位置，并且y_t是車道內的橫向位置。此外，自我車輛定位濾波器或定位濾波器估算相對于車道的方位角α_t和對應于自我車輛所在車道的離散參數La_t。因此方位角α_t是相對于車道的方向或定向并且方位角α_t可對應于定向、方向等等。La_t＝1對應于一個或第一車道，并且La_t＝2對應于另一個或第二車道。

定位濾波器的狀態向量被定義為x_t＝[x_t y_t α_t La_t]^T，并且在時間ti時收集自傳感器i的測量值存儲在矢量zⁱt中。在時間t獲取的所有傳感器觀察結果用Z_0：t表示。貝葉斯分析法可用于定位濾波器計算后驗分布p(x_t I Z_0:t；M)，其中M是地圖。該實施p(x_t I Z_0:t；M)可用于計算位置狀態向量x_t的估算值x^t和對估算值的相關不確定性描述。

在貝葉斯統計中，隨機事件或不確定問題的后驗概率是考慮了相關證據或背景后分配的條件概率。類似地，后驗概率分布是取決于從實驗或調查取得的證據的作為隨機變量處理的未知數量的概率分布。

可行駛區域

產生可行駛區域或可行駛部分的模塊或單元的任務是為路徑規劃模塊提供自我車輛前方可安全駛入的區域的描述或信息，并且以車輛的局部直角坐標系(xego；yego)表示。通過本申請的單元和方法還解決了一個復雜情況，即自我車輛定位估算值的不確定性將傳送至產生的可行駛區域。這是因為可行駛區域是在自我車輛的局部坐標系中表示并且由于自我車輛的確切位置不是已知的，所以可行駛區域的確切位置也不是已知的。由于大多數路徑規劃算法不能處理可行駛區域的非決定性的描述，因此本申請的一個目的是定位不確定性可影響可行駛區域的尺寸。如果定位不確定性較大或過高，可行駛區域的尺寸將過小，反之亦然，即如果定位不確定性較低，則可行駛區域或可行駛部分的尺寸較大。一般概念是計算可行駛區域使得區域內部的所有點位于道路邊界之間的可能性高于某個閾值。作為示例，考慮附圖3-5，示出位置和航向的不確定性是如何影響可行駛區域的。在圖3-5中，通過短劃線表示存儲在地圖中的真實道路邊界301，并且得到的可行駛區域302位于點線之間。

圖3示出可行駛區域302受到自我車輛303的彎曲箭頭所示的定向或方位角的不確定性的影響。因此靠近車輛303的可行駛區域302幾乎與存儲在地圖中的道路邊界301所示的真實區域一樣寬，同時它進一步減少。

圖4示出可行駛區域302受到通過自我車輛303的橫向箭頭所示的橫向位置不確定性的影響。可行駛區域302相對于沿道路的道路邊界301減少了相同的尺寸。

圖5示出可行駛區域302受到自我車輛303的縱向箭頭所示的縱向位置的不確定性的影響。因此靠近車輛303的可行駛區域302幾乎與存儲在地圖中的道路邊界301所示的真實區域一樣寬，同時它進一步減少。

在下文中，提供了如果給出精確的地圖和不確定位置估算值時如何計算可行駛區域的更詳細的方法。應注意到，本文獻提出的所有示例中，僅一個可行駛區域與自我車輛前方的車道相關，但應理解所述方法能被概括為可具有與彼此相鄰的多車道相關的多個可行駛區域。

用網格顯示的蒙特卡羅法(A Monte Carlo method)

圖6示出了一種方法，例如蒙特卡羅法，其將自我車輛303前方的區域分隔為網格604并且計算網格604中每個格子605位于由道路邊界301(短劃線)示出的道路上的可能性。使用蒙特卡羅法計算所述可能性，其中從后驗分布抽取大量獨立樣本x(i)t～p(x_t I Z_0:t；M)，其中i＝1,…,N。對于每個樣本x(i)t，評估網格604中的哪些格子605位于道路上并且哪些沒有。通過累加來自所有樣本的結果，可構造網格，其中每個格子含有用于評估哪個特定格子位于道路上的樣本數量。該結果類似于圖6所示。通過設定每個格子605被認為是道路一部分需要多大可能性的閾值，能產生通過點線示出的確定性可行駛區域302。

每個格子605被認為是道路301一部分所需多大可能性的閾值例如可為99％如99.9％，因為安全性對于自主車輛來說是最重要的。通過網格604中的暗格示出99.9％的可能性。通過網格中的灰格示出99％的可能性。

蒙特卡羅法或蒙特卡羅試驗是依賴于重復隨機抽樣的算法的大類；典型地多次進行模擬以獲得未知隨機實體的分布。

用網格顯示的確定性抽樣法

該第二方法使用與參見圖6的第一方法相同的網格顯示，但使用小得多的樣本組計算概率值，x(i)t，i＝1，……，n。此外，不是隨機地從后驗分布p(x_t I Z_0:t；M)抽取它們，而是例如通過選擇后驗分布的等高線上的樣本來確定地選擇它們。除了這些區別外，它與圖6中所示的第一方法的步驟相同：對于每個樣本，評估哪些格子605位于道路301上，然后根據產生哪些可行駛區域來形成累加的網格。

用多邊形鏈路顯示的確定性抽樣法

該第三方法類似于如上所述的第二方法，它確定地從概率分布p(x_t I Z_0:t；M)中選擇了一組樣本x(i)t；i＝1，……，n。然而，第三方法不是使用圖6所示的網格顯示，而是使用一對多邊形鏈路表示可行駛區域302，一個或第一多邊形鏈路706用于左側邊界并且一個或第二多邊形鏈路707用于右側邊界，參見圖7。通過被稱為(xj ego；yj ego)的坐標對708的序列限定每個線條706、707；j＝1，……，L，其中例如通過對縱軸y前方一定距離等距離抽樣來預選縱坐標xj ego；j＝1，……，L。為了找到橫坐標，yj ego；j＝1，……，L，對每個樣本x(i)t；i＝1，……，n通過將地圖中的道路邊界301轉換為樣本的局部坐標系來計算一對多邊形鏈路。所有樣本具有不同的局部坐標系，因為它們具有不同的值x_t＝[x_t y_t α_t La_t]T。通過從所有樣本中選擇得到最窄可行駛區域302的橫坐標來決定橫坐標yj ego；j＝1，……，L。在圖7中，示出簡化的示例，其中短劃線是道路邊界301示出的真實可行駛區域并且點線706y、706α、707y、707α是使用α_t的兩個不同的值和y_t的兩個不同的值轉換這些邊界的結果，藉此獲得計算出的可行駛區域302。

用多邊形鏈路顯示的最佳抽樣法

該第四方法使用與參見圖7的第三方法相同的多邊形鏈路顯示，但是沒有確定地選擇樣本。相反，這樣計算它們：對于每個縱坐標，找到位于概率分布p(x_t I Z_0:t；M)的選定等高線上且具有距左側道路邊界的最小橫向距離或距右側道路邊界的最大橫向距離的最佳樣本x(i)t。

圖8示出被構造為一個單元的說明性示例，所述單元用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界。

用于調節道路邊界的單元809包括被構造為獲取測量位置和車輛相對于參照物的測量方位角的獲取單元810。

單元809包括被構造為接收測量位置、測量方位角和道路地圖數據作為輸入的不確定性單元811。不確定性單元811進一步被構造為基于所述輸入確定分別表示車輛在道路上的位置和方位角的不確定性量的位置不確定性數值和方位角不確定性數值。

單元809包括被構造為調節道路的二維虛擬顯示的可行駛部分的寬度和方位角的調節單元812，其中分別基于位置不確定性數值和方位角不確定性數值調節寬度和方位角。

圖9示意性地示出包括單元809的車輛303，所述單元被構造為用于調節用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界。單元809可放置在車輛303中除圖上所示之外的其它位置。

圖10示出用于在單元中對用于自主車輛的路徑規劃的道路二維虛擬顯示的道路邊界實施調節的方法的流程圖。所述方法包括：

在S1中，在獲取單元中獲取車輛相對于參照物的測量位置和測量方位角。

在S2中，在不確定性單元中接收測量位置、測量方位角和道路地圖數據作為輸入。

在S3中，基于所述輸入確定不確定性單元中的位置不確定性數值和方位角不確定性數值，所述位置不確定性數值和方位角不確定性數值分別表示車輛在道路上的位置和方位角的不確定性量。

在S4中，在調節單元中調節道路的二維虛擬顯示的可行駛部分的寬度和方位角，其中分別基于位置不確定性數值和方位角不確定性數值調節寬度和方位角。

此處對示例實施例的描述是為了說明的目的。所述描述不是窮盡的或意圖將示例實施例限定為所公開的確切形式，而是可根據上述教導進行改進和變化并且從實施對所提供實施例的各種可選方案獲得改進和變化。選擇和描述此處論述的示例是為了解釋示例實施例的原理和特性以及其實際應用從而使得本領域技術人員能夠以各種方式使用示例實施例并且預計適于特定使用的各種改進。此處描述的實施例的特征可與組合為方法、儀器、模塊、系統和計算機程序產品的所有可能的組合。應當理解，此處提出的示例實施例可以任何彼此組合實施。

應注意到，單詞“包括”不一定排除除列出之外其它元件或步驟的存在，并且“一個”前述元件不排除多個這種元件的存在。應當進一步注意到，任何附圖標記不限定權利要求的范圍，至少可部分地通過硬件和軟件實施示例實施例，硬件的相同項目可表示若干“工具”、“單元”或“裝置”。

此處描述的各種示例實施例在方法步驟或過程的常規上下文中描述，一方面可通過體現為計算機可讀介質的計算機程序產品實施，所述介質包括計算機可執行指令例如網絡環境中計算機執行的程序代碼。計算機可讀介質可包括可移除和不可移除的存儲裝置，包括而不限于只讀存儲器(ROM)、隨機存取存儲器(RAM)、光盤(CD)、數字通用盤(DVD)等等。通常，程序模塊可包括執行特定任務或實施特定抽象數據類型的例行程序、程序、目標、模塊、數據結構等等。計算機可執行指令、關聯數據結構和程序模塊表示用于執行此處公開方法步驟的程序代碼示例。這種可執行指令或關聯數據結構的特定序列表示用于實施這種步驟或過程中所述功能的相應動作的示例。

在附圖和說明書中，已經公開了示例實施例。但是，可對這些實施例做出很多變化和改進。因此，雖然采用了專用名詞，但它們僅用于通用和描述的意義而非限制，實施例的范圍受到以下權利要求的限定。