一种车辆环境映射的方法以及相应的系统、车辆和计算机程序产品

摘要

一种用于车辆(V)环境映射的方法(1000)，包括以下操作：‑接收(1010)来自多个传感器的输入值集合，‑将时间融合处理应用(1030)到输入值集合，从而得到各自的占据栅格地图集合，‑将数据融合处理应用(1040、1050、1060)于占据栅格地图集合，从而得到至少一个融合占据栅格地图，其特征在于包括：‑通过比较地图集合中的占据栅格地图检测(1070)差异，从而得到检测到的差异的集合，‑处理(1090)至少一个融合占据栅格地图，输出可行驶空间的融合占据栅格地图，该处理操作包括在该至少一个融合占据栅格地图中执行冲突的仲裁(1090a，1090b)。可行驶空间的复合融合占据栅格地图被供应(IA)到用户电路，例如驾驶辅助接口。

说明书

技术领域

本发明涉及地图构建技术和车辆环境映射。

一个或多个实施例可以涉及处理至少一个融合栅格地图以确定对象的占据，例如便于检测障碍物的位置以及如何避免与这种障碍物接触。

背景技术

多传感器数据融合可以促进组合来自不同源的信息以形成统一的图片，例如通过基于来自多个源的数据提供表示环境的融合占据栅格地图。

不同的映射技术可以提供不同类型的地图，例如：

-专用于结构化环境，因此取决于周围环境中这种结构的存在，例如基于特征的模型，

-针对非结构化环境定制，例如占据栅格地图。

这两种办法绝不是相互排斥的，而实际上它们是相辅相成的。

占据栅格地图非常适于路径规划和躲避障碍任务。相反地，基于特征的地图可能非常适于定位目的，其中可能需要对象的相对姿态以准确估计车辆的自身位置和定向。

占据栅格地图(简称栅格地图)将(车辆周围)环境表示为具有固定尺寸和空间分辨率的二维栅格地图。可以根据离散二进制网格的分辨率定义栅格地图的准确性。此外，它们可以沿车辆的纵轴和横轴的方向定向，并且可以具有彼此成直角放置的边缘部分。

可以提供栅格地图表示车辆环境，该栅格地图被分割成栅格单元格，每个单元格存储描述环境的特征。例如，每个单元格可以存储概率值/似然值，例如单元格是否被占据的概率。实际上，可以将地图构建公式化为优化问题，该优化问题在给定环境、车辆位置和传感器测量的在先知识的情况下最大化特定栅格单元格实际上被占据(或空闲)的概率。

栅格地图有助于给驾驶辅助系统提供关于周围映射环境中障碍物的存在及其空间占据的信息。因此，驾驶辅助系统可以基于该信息操作车辆功能操作。例如，驾驶辅助系统可以对交通状况做出反应。

如本领域技术人员已知的，栅格地图可以在各种坐标系(例如笛卡尔坐标或极坐标)中表示环境。

可以通过多个传感器/检测器(例如全球定位系统(GPS)天线和/或地理信息系统(GIS)天线、激光雷达(LIDAR)、摄像机等)对环境进行扫描。

根据单个传感器数据可以生成多个栅格地图，以提供关于环境的相关信息。

以高精度和高准确度组合(例如通过数据融合)所有传感器信息，尤其是与例如用于车辆和自动化车辆的驾驶辅助系统和方法相关的信息，将多个占据栅格地图融合为统一连贯的地图，是本发明的目的。

占据栅格地图可以有助于映射车辆周围的环境以便寻找可能的障碍物，从而以这种方式确定可行驶空间以便能够估计它自身位置的自主系统可以安全地导航通过所映射的环境。

与单个传感器映射相反，由于多传感器融合而构建的栅格地图严重依赖于传感器测量权重。除非用户特别规定，传统的映射办法(例如贝叶斯占据过滤器(Bayes OccupancyFilter)(BOF)或D-S理论(Dempster-Shafer theory)(DST))应用相等的权重。经验性地调整的传感器权重针对某些场景定制的，特别是在传感器读数不矛盾的情况下。

发明内容

一个或多个实施例的目的是克服从现有技术可获得的解决方案的固有的局限性。

根据一个或多个实施例，由于具有权利要求1所说明的特征的方法，该目的得以实现。一个或多个实施例可以涉及相应的系统、车辆和计算机程序产品。

权利要求形成本文提供的关于各种实施例的技术教导的组成部分。

根据本文描述的解决方案，该方法包括根据来自多个源的数据，提供车辆环境的融合栅格地图表示(例如以占据栅格地图的形式)。

在一个或多个实施例中，自适应传感器权重可以例如迭代地应用于多传感器融合地图。

附图说明

现在将参考附图仅通过非限制性示例来描述实施例，其中：

-图1是根据实施例的车辆的示例性功能图，

-图2是占据栅格地图的实施例的视图，

-图3是图1的处理的可能的布置部分的示例，

-图4是根据实施例的占据栅格地图的可能的视图的示例，

-图5和图6是图的处理的可能的布置部分的示例，

-图7是图1的处理的实施例的可能的视图的示例，

-图8a、图8b和图9是图1的处理的可能的布置部分的示例，

-图10是车辆环境映射方法的实施例的示例。

具体实施方式

在下文的说明书中，示出了一个或多个具体细节，旨在提供对本说明书的实施例的示例的深入理解。可以在没有一个或多个具体细节或者在具有其他方法、组件、材料等的情况下获得实施例。在其他情况下，没有详细示出或说明已知的结构、材料或操作，因此实施例的某些方面将不会被难以理解。

本说明书的框架中对“一个实施例(an embodiment)”或“一个实施例(oneembodiment)”的引用旨在表明所描述的与该实施例相关的特定配置、结构或特征被包含在至少一个实施例中。因此，可能在本说明书的一处或多处中出现的诸如“在一个实施例中”或“在一个实施例中”之类的措辞不一定指同一个实施例。

此外，特定的构造、结构或特征可以任何适当的方式组合在一个或多个实施例中。

本文中使用的引用仅出于方便起见而提供，且因此不定义实施例的保护程度或保护范围。

图1示出了根据本文描述的解决方案的一个实施例的车辆的功能性图的示例。这种实施例包括配备有多个传感器S

例如，所述车辆V可以是自主驾驶车辆例如无人驾驶汽车。车辆的其他示例可以是类似汽车的车辆、自动机器人等。

多个传感器/检测器设备S

传感器S

-互补功能，例如覆盖由车辆探索的环境的不同视场区域和/或在所利用的物理工作原理中，

-连贯功能，例如提供关于同一视场的数据和/或通过相同的物理工作原理获取同一视场上的数据。

通常系统100将经仲裁的地图M提供给用户，例如作为辅助驾驶的援助；或者提供给使用所确定的地图M来控制车辆V的另一系统，例如用于自动驾驶的系统。图1示出了系统100可以耦合到输出接口IA。例如，接口IA可以是包括显示单元的用户接口，该显示单元可用于显示可行驶空间的这种经仲裁的融合占据栅格地图M。可替代地，在输出接口IA处可用的地图数据可以由另一系统使用及处理。

系统100配置为处理来自传感器S

如上所述，在接口IA处可用的可行驶空间的经仲裁的融合占据栅格地图M可以由车辆的控制系统使用以操作车辆本身，例如，导航在由系统100提供的作为输出的融合占据栅格地图M中表示的环境。

如图1中所例示，系统100通常包括多个传感器S

特别地，将多个传感器S

如图1所示，时间融合阶段30集合可以包括第一时间融合阶段301、第二时间融合阶段302、第i时间融合阶段30i，以处理来自多个传感器读数Y

例如，时间融合阶段30集合可以分布在各自的传感器上，以本身已知的方式(例如经由软件)提供传感器读数的本地分散处理。

在图1所示的示例性实施例中：

-第一时间融合阶段301接收来自第一传感器S

-第二时间融合阶段302接收来自第二传感器S

-第i时间融合阶段30i接收来自第i传感器的传感器读数的第i数据集Y

因此，根据来自传感器S

可替代地，第i传感器/源也可以直接提供栅格地图G

如上所述，在变型实施例中，在时间融合阶段30集合中的处理传感器读数Y

-坐标系转换操作，例如从传感器框架到车辆框架，

-时间融合操作，例如根据车辆的工作时间进行数据标准化、数据同步，

-数据融合操作，例如数据的组合、关联、相关、估计。

优选地，由时间融合阶段30集合提供的在地图G

图2是示例性的占据栅格地图G

占据栅格地图通常包括数量为N＝n*m的单个单元格g

具体地，如在笛卡尔坐标系中一样，栅格地图G

占据栅格地图G

栅格G

示出的实施例中的栅格的每个单元格g

-数值可以是概率值p(g

-根据概率值p(g

通常，如果存储在单元格中的概率值为：

-低于一定阈值，例如p(g

-高于一定阈值，例如p(g

-等于一定阈值，例如p(g

栅格地图通常以二维栅格描述，例如G

例如，图2、图4和图7所示的，当在显示器上或以任何图形形式可视化栅格地图时，与每个栅格单元格的分类标签有关的信息可以被编码为填充栅格单元格区域的图案/颜色。

与在每个栅格单元格g

图3是示出第i时间融合处理阶段30i的实施例的示例图。

时间融合处理30i涉及汇总在传感器读数中接收到的信息，例如，将第i源S

因此，根据来自传感器S

时间融合处理阶段30i可包括从传感器框架到车辆框架的坐标系转换操作301、302、30i，如下所述：

-将传感器读数格式化为具有与优选传感器模型相关联的特征的矢量，

-计算逆似然/传感器模型，以从测量值中提取与环境相关的信息，

-考虑传感器读数中存在的测量误差。

如图3所例示，第i时间阶段30i在给定时间k从第i传感器S

类似地，车辆状态V

在某个时间k车辆姿态/状态V

如本文所述，贝叶斯占据过滤器(BOF)足够使用。例如，BOF是计算占据栅格地图G

为了执行时间融合处理30i，提供例如在阶段324中存储/生成的初始占据栅格地图M

-将每个单元格的状态分类为“未知”，例如，如果没有关于车辆周围环境的先验信息是可用的，分配的概率值为0.45

-如果关于环境的先验信息是已知的，加载栅格单元格值。例如，当车辆进入/退出房屋车库时，阶段303可以被自主控制系统操作以根据先验已知的车库平面几何提供初始占据栅格地图M

此外，“前一个”栅格地图G

注意，在系统启动时，初始栅格M

时间融合阶段30i融合先验地图知识M

贝叶斯定理指出栅格地图M

-“前一个”栅格地图M

-例如根据逆似然模型计算的概率p(g

-贝叶斯增益，f{p(not(g

如图5中所示，在增益阶段520中计算贝叶斯增益。

注意，在对地图的先验未知边界的假设中，仅基于测量计算贝叶斯增益。

在图3所示的示例性实施例中，遗忘因子327也被应用于传感器占据栅格，例如被应用于“前一个”地图。遗忘因子阶段可以引入参数(例如指数衰减因子)，作为用于增加或减少更新的栅格G

因此时间融合处理30可以被公式化为对以下问题的递归解：考虑到环境G

注意，在时间k(表示为G

此外，根据一阶马尔科夫假设，当表示传感器占据栅格地图G

图4是从来自多个传感器S

分类自传感器占据栅格地图的栅格单元格内容的各自“状态”标签可以根据每个传感器的传感器读数参数/工作原理而改变。

实际上，各自的传感器占据栅格地图G

例如，在所示示例中：

-第一占据格地图G

-第二栅格地图G

-第i地图G

具体地，在经过传感器读数Y

为此，栅格融合阶段40接收地图集合G

可以将不同的办法用于数据融合40，其可以包括对地图G

这两种办法在图8和图9所示的两个实施例中进行了总结，其表示数据融合方框40的实现方式。

例如，如图1所例示，可以使用如图8所示的基于贝叶斯推断50或如图9所示的基于D-S理论60的数据融合。

因此，融合栅格地图可以促进准确地预测和/或检测沿车辆V的行驶路径的障碍物的占据率，从而有助于通过驾驶辅助系统/接口对车辆V的行驶路径进行在线校正。

例如，当车辆由自动驾驶系统(在图中不可见)操作时，可以有助于避免车辆与障碍物之间的碰撞。

如上所述，例如，栅格融合处理40可以包括以下至少之一：

-贝叶斯推断/贝叶斯占据过滤器(BOF)融合处理阶段50，

-D-S理论(DST)融合处理阶段60。

实际上，贝叶斯占据过滤器(BOF)(参见例如图5)和D-S证据理论(DST)(参见例如图6)中的至少一个适用于栅格融合处理阶段40。尽管在图8和图9中表示了各自单独的实现方式，但是栅格融合处理阶段40和仲裁阶段90可以包括并行操作的BOF和DST实施例。

如图5所例示，在BOF融合50中，基于权重W

一般来说，BOF(栅格融合处理)50的结果可以用从时间融合产生的传感器占据栅格地图的加权(线性)组合来表示，例如：

除非由用户和/或设计事先指定，假设传感器均对BOF栅格融合处理50产生同等贡献，即，将地图以相等权重进行组合，例如w

在经典贝叶斯设置中，假设在栅格单元格

其中，将关于地图占据率的估算与以似然形式p(G

但是，基于栅格的办法没有能力预测对象的行为，因为这将需要特征识别和数据关联技术的实现，并因此仅依赖于测量权重。类似地，与时间融合一样，如果没有基于模型的预测，则预期的地图从时间k-1到k的变化是p(F

因此，例如，在第i传感器的真实权重w

提供迭代可调整的权重的反馈网络，例如，如以下所讨论的在由仲裁阶段90提供的数据集W中，可以便于BOF融合期间的自动传感器权重w

可替代地，例如在图9的方框60(在图6中详细描述)中，可以采用被称为D-S证据理论(DST)的一组组合规则。DST被开发以便通过利用应用在证据栅格上的组合规则(即证据理论)解决占据栅格之间发生的不确定性。

实际上，根据贝叶斯定理，基于每个单元格的单个概率评估单元格的占据率，而在DST中，基于四个“质量”的信任函数做出关于占据率的决策。此外，贝叶斯定理中的信任转变仅在两个状态之间是可能的，并且受到对称限制。

如图6所例示，DST处理60提供至少一个占据栅格地图F

与关于图2所讨论的类似，证据栅格地图E具有分配有概率值的单个栅格单元格。此外，与概率值相关的分类包括的不只是单元格的“状态”的二进制集：实际上，不确定性被建模为信任函数Bel(X)。

关于环境占据率的“信任”(即支持状态主张的证据，分类被认为是真实的程度)被分类为被占据(O)或空闲(FR)，从而得出随机变量的所有可能状态的集合X＝{O,FR}。X的可能子集的集合，即“识别框架”(简称FOD)表示为

其中：

-X是可能的状态2

-m(A)是基本概率密度函数值，也称为A的“质量”，对于包括在2

-Bel(X)是2

证据栅格地图E中的单元格的内容(也称为“似然”)是检测在车辆V周围环境空间中对象/障碍物存在的可靠程度的指标。

DST融合过程60通常从基本质量分配(BMA)阶段610开始，包括基于硬约束的过程，该过程能够将四个质量重新分布到占据栅格地图单元格p(g

例如，两个信息源，如传感器占据栅格地图G

给定交换性质，传感器的融合顺序无关紧要。

在证据办法中，信任可以在四个状态之间转移，在这些状态中，每个转变具有不同的含义、动态和重要性。尽管DST在单元格中建模了更高的置信水平，而不仅是单个概率值，但传感器栅格权重w

如在图8中引用执行BOF的数据融合方框50的实施例中所示，在该实施例中，时间融合阶段集合30被耦合到栅格融合状态40，栅格融合状态40包括基于贝叶斯推断50和差异评估阶段70的数据融合方框50。

差异评估阶段70接收地图G

例如，检测到的差异D集合可以包括：

-在各自的传感器栅格地图之间有冲突的单元格的位置集合，如下所述，和/或

-指示在成对的传感器之间的不一致的值的集合，例如，将第一传感器栅格中的栅格单元格的概率值从第二传感器栅格中的相应栅格单元格的概率值中减去而得到。

例如，上述信息可以矩阵形式组合。

图7是在差异检测阶段70中处理地图集合的可能结果的示例。

如图7所示，部分a)是融合地图F的示例时间帧，在图7的部分b)、c)和d)中将其一部分(以黑方框为界)放大了。

由于不同的传感器提供可能彼此之间冲突的不同信息，融合地图F、E的绝大多数栅格单元格可能具有关于空间占据率的高度冲突或不确定信息相对应的关联值，即

因此，差异处理阶段70可以提供检测到的差异D集合，其包含关于在占据栅格地图的组之间的冲突存在的结构化信息，特别是用于说明冲突在哪里以及与冲突相关的是所比较的栅格地图的哪组(例如，对)。

具体地，检测到的差异D集合包括例如：

-第一差异Δ

-第二差异Δ

-第i差异Δ

例如，这种信息可以以具有差异分量Δ

通过将地图单元格中的概率值从不同地图单元格中的概率值中减去可以计算所述“冲突”值。

差异处理阶段70存在的效果是促进对由传感器S

如图8a所例示，数据融合阶段40和差异评估阶段70被耦合到仲裁阶段90，仲裁阶段90接收地图集合FF作为输入，在图8的实施例的情况下，地图集合FF包括BOF数据融合方框50、融合地图F和检测到的差异D集合。

在图9的实施例的情况下，仲裁阶段90′接收集合FF，该集合FF包括融合地图F和证据栅格E。

如图8、图9所例示的仲裁阶段90、90′基本上包括占据栅格处理阶段85(在图9中表示为85′)，接收融合地图集合FF作为输入，并且提供经仲裁的融合地图集合MM作为输出，这种阶段85通常包括冲突检测阶段83、冲突解决阶段87和冲突校正阶段89。在图9中，变型实施例用90′指示，并且相应的方框用“主要”上标指示，如85′、83′、89′、87′，以示出相应功能的可能的不同内部实现。

根据在数据融合处理阶段40(例如BOF融合50和/或DST融合60)中使用的方法，冲突仲裁阶段90可以使用不同的方法以解决由传感器提供的关于融合栅格F和/或证据栅格E的单元格的占据状态的可能的冲突(例如矛盾)信息。

具体地，在如图8a所示的变型实施例中，数据融合处理阶段40和差异评估阶段70中的BOF融合处理阶段50被耦合到冲突仲裁阶段90。

在所考虑的实施例中，冲突仲裁阶段90还包括基于概率模型或替代地基于编码规则和逻辑公式的情况评估阶段80，以通过处理检测到的差异D集合解决融合地图F中的冲突单元格值。因此，冲突仲裁阶段90从BOF融合处理阶段50接收融合地图F并且从差异检测阶段70接收检测到的差异D集合作为输入。

在图8所例示的实施例中，情况评估阶段80包括冲突评估阶段84和基于差异的关系建模(简称DBRM)阶段82。占据栅格处理阶段85包括冲突检测阶段83、冲突解决阶段87和冲突校正阶段89。

占据栅格处理阶段85中的冲突检测阶段83从BOF处理阶段50接收融合地图F，并提供所述地图F和/或冲突单元格集合CA和/或触发信号作为输出。

具体地，冲突检测阶段83在输入融合地图F中的栅格单元格

-融合地图F的栅格单元格对于一定数量的BOF数据融合50周期具有概率值

-栅格单元格

冲突检测阶段83因此可以提供标记的单元格CA集合作为输出，以信号通知已发生了冲突。注意，在时间k可以标记融合栅格F内的多个标记的单元格CA。因此，在融合地图F内可以为每组单元格CA启用相同的标记。可替代地，可以将多个标记值在同一时间k与多个栅格单元格相关联，例如，以将较高的“冲突级别”与较低的“冲突级别”区分开。

触发信号可以周期性地生成，即在给定的时刻，或者根据冲突单元格CA集合中的概率值。触发信号及其可以在内部使用或提供给用户处理阶段87、84。

例如，冲突检测阶段83可以在应用标记之前在数据融合处理40中从BOF处理阶段50接收融合地图F的多个时间帧。冲突检测阶段83在标记所述冲突单元格CA集合之前可以等待一定时间k(例如一定数量的融合处理周期)，和/或等待单元格概率值稳定。

可替代地，冲突单元格CA的非空集合的存在本身可以用作触发信号。

在所考虑的实施例中，冲突检测阶段83向情况评估阶段80中的冲突评估阶段84和占据栅格地图处理阶段85中的冲突解决阶段87提供所述标记的单元格CA和/或融合地图F和/或触发信号的集合。

在图8的示例性实施例中，情况评估阶段中的冲突评估阶段83接收以下作为输入：

-来自差异评估阶段70的检测到的差异D集合，

-由DBRM阶段82提供的基于差异的关系模型DM(例如存储在存储器82中)，

-冲突单元格CA的集合，和/或融合地图F和/或触发信号。

由阶段82提供的基于差异的关系模型DM表示一组规则，以应用于融合栅格地图F和/或冲突单元格CA的集合中的冲突栅格单元格，以执行以下至少一项：

-冲突单元格的空间评估，例如单元格位置，

-占据概率的评估，例如通过差异解决逻辑。

因此，冲突评估阶段84配置为使用(例如组合)检测到的差异D集合和基于差异的关系模型DM，因此提供了方法以便解决冲突，其维持栅格单元格的状态“不确定/未知”。

更详细地，为了获得信息以将不明确的单元格的占据“提示”为第一状态(例如“被占据”

与前述参考图7讨论的相似，通过观察不同传感器测量之间基于差异的关系的存在来开发第一示例性解析逻辑。

在图7的b)、c)和d)部分中，区域A是对应于道路边缘(例如车道)的栅格单元格。该信息通过视觉传感器确认为车道，并通过(GPS/GIS)背景地图确认为(圆形)边界。但是，激光雷达传感器可能会将产生的熔融地图的单元格

因此，如图7所例示，视觉传感器与激光雷达(部分c)的和背景地图(GIS/GPS)与激光雷达(部分d)的检测到的差异D集合中的差异D

障碍物检测是一个关心的事，尤其是关于准确确定临时护栏的存在，该临时护栏可能出现在道路上和/或确定道路边界的车道上。这些对象可能是不确定性的来源，因为它们的出现/存在可能在至少一对传感器读数中产生/处于冲突。

对于每个单元格，通过使用以下逻辑/规则，基于检测到的差异D可以评估所述对象的存在：

-如果差异Δ

-如果Δ

-在任何其他情况下，该单元格被标记为“空闲”。

因此，“冲突”值是由差异建模阶段82提供的差异评估模型DM的参数。可以在阶段82提供的模型DM中参数化“冲突”。例如，如前面所讨论的，“conflict”＝0.5可能意味着使用来自第一传感器的数据，栅格单元格g

冲突评估阶段83提供关于冲突单元格和冲突类型的信息(例如在数据集CR中)作为情况评估阶段80的输出。因此，如图8所例示，占据栅格处理阶段85中的冲突解决阶段87接收以下内容作为输入：

-由情况评估阶段80提供的数据集CR，以及

-由冲突检测阶段83提供的触发信号和/或融合地图F和/或冲突单元格CA的位置和值的集合。

冲突解决阶段87处理输入，例如将冲突概率评估为传感器测量中的时空置信度。因此，可以计算自适应权重值W以用于进一步处理。例如，权重值可以包括自适应权重值W，该自适应权重值W可以被传递“回”先前的阶段，例如经由反馈网络被传递到数据融合处理阶段40，特别是在BOF融合阶段50的阶段520中，以应用到数据融合处理中的传感器栅格值。

冲突解决阶段87处理所述输入，提供值CC的集合。

在一个或多个实施例中，值CC的集合表示在前馈校正的情况下应用于融合地图F的校正δF，或在校正应用于反馈变型的情况下的权重校正δW。

因此，这将“提示”(即推动或重新分配)所述冲突单元格进入定义状态(例如，被占据或空置状态)的概率。例如，可以根据所检测到的差异D集合中的“冲突”值的测量来计算所述解析的栅格单元格值，例如通过在由情况评估阶段80提供的数据集CR中应用规则。

冲突解决阶段87的输出被传送到冲突校正阶段89。

因此，冲突校正阶段89接收：

-来自冲突校正阶段87的值CC的集合，

-规则数据集CR，

-来自数据融合处理阶段40中的BOF融合阶段50的融合地图F。

冲突校正阶段89提供可行驶融合地图M作为输出，如前所述，可将其提供给驾驶辅助系统/接口IA。例如，通过将融合地图F中冲突栅格单元格的值与相应值CC(例如解析的栅格单元格值)进行合并和/或替换而在冲突校正阶段89中获得所述融合栅格地图M。

分别在前馈或反馈变型中，冲突校正阶段89中的处理可以表示为：M＝F-δF，融合地图F与阶段87的校正δF之间的差值；或

因此，融合栅格地图M有助于准确地预测和/或检测沿着车辆V的行驶路径的障碍物的占据，从而有助于通过驾驶辅助系统/接口IA对车辆V的行驶路径进行在线校正。

例如，当车辆由自动驾驶系统(在图中不可见)操控时，可以有助于避免车辆与障碍物之间的碰撞。

在图8b的示例中，为了提供简化的示例，传感器栅格地图G

-第一对传感器一致，例如Δ

-第二对传感器不一致，例如Δ

-第三对传感器不一致，例如Δ

尽管在其他实施例中可以执行不同计算以确定差异，但是上面示出的计算当然表示简单的示例。

结合模型DM在冲突评估阶段84中处理检测到的差异集合，提供数据集CR值，例如

此外，冲突解决阶段87可以接收融合阶段中使用的权重的初始值，例如

因此，冲突解决阶段87可以计算更新的权重值，例如以提供给栅格融合处理阶段40中的BOF融合阶段50。例如，权重可以如下计算：

CC＝[w

其中：

-w

-w

以及

-u＝CA+CA*CC＝0.55，

-v＝CA-CC＝0.11。

因此，无论是前馈配置还是反馈配置，都可以根据融合栅格地图M中的这些权重，对传感器栅格地图的占据概率相应地进行融合和加权。

在仲裁阶段90的另一变型实施例中，如在图1、5和8中可见的，值CC可以包括自适应权重W以在数据融合处理阶段40中反馈到BOF融合处理50，例如特别是在BOF融合处理的阶段520中。这有助于在数据融合处理50中对传感器占据栅格地图的W、520、50进行迭代加权，例如提供加权的线性意见池融合。

如上所述，在如图9所例示的变型实施例中，数据融合处理阶段40中的DST融合处理阶段60被耦合到仲裁阶段90。

具体地，在如图9所例示的变型实施例中，仲裁阶段90′可以包括证据栅格处理阶段85′。

如图9中所例示的，与前面所讨论的类似，证据栅格处理阶段85′包括检测阶段83′和解决阶段87′。

在如图9所例示的变型实施例中，当从DST处理60接收也包括证据栅格E的融合地图的集合FF时，检测阶段83′配置为将所述证据栅格E传递至解决阶段87′，例如每次阶段83′收到证据栅格E时，传递值并触发阶段87′的激活。

在图9所例示的变型实施例中，冲突解决阶段87′包括例如存储比例冲突解决(PCR)规则，其适合于与DST栅格融合60结合使用。

在如图9所例示的变型实施例中，关于栅格单元格占据值的决策“逻辑”(例如，如何“提示”冲突单元格的概率)可以基于具有多个值的“信任函数”Bel(X)，例如四个值(质量)-(空闲、被占据、冲突、未知)，不同于二进制的贝叶斯值空闲/被占据。因此，由于有可能在四个“状态”之间分配“信任”，DST有助于提高映射的分辨率。实际上，这有助于以更详细、更真实的方式表示环境中发生的转变并提供更可靠的环境地图。

实际上，即使GPS信息指出没有墙壁，除非激光雷达传感器给出相反指示，则最好通过分配“冲突”值来突出显示此信息，将其与GPS和激光雷达对某区域均未给出信息因此将其标记为“未知”的情况区别开。在BOF融合50中，在先前示例的两种情况下，融合地图F的栅格单元格都会被分配相同的概率值(例如0.5)和相同的状态(例如“未知”)。另一方面，DST可以区分更多“证据”状态，例如四个状态空闲、被占据、冲突、未知。

然而，已经观察到，DST融合60在组合来自(高度)冲突源的信息时可能会产生违反直觉的结果，因此PCR处理87′可以用于应对不可预测的“证据”栅格地图E，扩展DST性能以自动解决潜在冲突。

例如，一个或多个实施例可以包括冲突的质量再分配的操作87′，例如，根据所有完整性约束与非空集合成比例地再分配。

例如，PCR阶段87′配置为对所有子集(空闲、被占据、冲突、未知)∈A计算所有来源n的结合组合，生成如下所示的基本DST公式：

全部冲突质量可以表示为如下所示：

其中：

-上式中的附录m(X

因此，如图9所例示的，在使用证据栅格E的一个或多个实施例中，每个部分冲突质量与基本概率质量成比例地被再分配89′到其子集，该基本概率质量在仲裁阶段90′的冲突解决阶段87′中已经分配给这些子集。

再次注意，图8和图9的变型实施例可以在另一变型实施例中进行组合，其中仲裁阶段90可以耦合到BOF融合处理和DST融合60。

实际上，在证据栅格地图E上使用比例冲突再分配规则87′(简称PCR)，以及使用通过由差异D的情况评估80提供的规则CR来解决冲突，其并不是互斥的办法。

两种办法可以在一个变型实施例中组合，包括例如在仲裁阶段90：

-多个专门的并行阶段，每个阶段执行特定功能，例如一对冲突解决阶段87、87′；

-执行两种操作的同一阶段，例如，同一处理阶段87配备为在具有PCR 87′的DST证据栅格E上和/或在BOF融合地图F和规则数据集CR上进行操作。

例如，如果在处理数据融合阶段40中包括处理阶段50和60，则后一种布置可以证明是有用的。实际上，在数据融合阶段40中可以例如并行地执行DST处理60和BF处理50，以改善两种方法的一致性并减少彼此的弱点，例如促进改进的鲁棒性。

因此，冲突仲裁阶段90可以促进对至少一个融合栅格地图F、E的栅格单元格中的冲突的连贯和可靠的校正，从而输出可行驶融合地图M。

将理解的是，前面讨论的处理阶段的表示-特别是数据融合阶段40、BOF融合50、DST融合60、仲裁阶段90和/或90′和差异检测阶段70-作为不同实体仅仅是为了清楚和简单起见。在一个或多个实施例中，那些阶段中的一个或多个阶段可以以多功能阶段和/或电路的形式被集成，例如在单个处理器或DSP中。

图10是根据所描述的实施例的车辆环境映射的方法1000的示例图。

用于映射车辆V(例如陆地车辆)的环境的所述方法1000包括以下操作：

-在方法操作的开始表明S

-1010表示从多个传感器S

-1030表示将(分散的)时间融合处理30；301、302、30i应用到所述输入值Y

-1040表示将数据融合处理40应用于所述占据栅格地图G

-1070表示通过比较所述地图G

-1090表示处理1090所述融合占据栅格地图的集合FF的操作，输出可行驶空间的融合占据栅格地图的集合MM，所述处理操作包括在所述至少一个融合占据栅格地图F、E中执行冲突仲裁1090a、1090b。操作1090a对应于图8中的由仲裁方框90的实施例执行的操作，而操作1090b对应于图9中的仲裁块90′的实施例执行的操作，这也将在下面详述；

-IA表示向至少一个驾驶者辅助设备提供可行驶的经仲裁的融合地图M的操作，驾驶者辅助设备IA配置为根据所述可行驶空间的所述经仲裁的融合占据栅格地图M进行操作。

如上所述，操作1090处理特别包括以下至少之一：

-前馈处理1090a、1090b，

-反馈处理1090a，包括传感器占据栅格单元格和/或传感器读数的自适应加权，例如通过向数据融合处理阶段40(例如向BOF融合50的阶段520)提供自适应权重W。

如上所述，操作1090a前馈处理特别地包括：

-例如在方框83处，在至少一个融合地图F或E中在一定时间段内标记被分类为不确定的栅格单元格集合，从而得到标记的栅格单元格集合，

-例如在方框84中分析所述检测到的差异D集合，根据(例如存储在方框82中的)存储的模型(例如模型DM)提供一组复合规则，

-例如在方框87中，将所述组复合规则(特别是自适应加权规则)应用于在至少一个融合地图F中的所述标记的栅格单元格集合的值，从而提供值CC(例如复合/校正栅格单元格值)的集合，

-例如在方框89中，通过将所述复合栅格单元格值的集合并入至少一个融合地图F中的标记栅格单元格中，提供可行驶空间的所述复合融合占据栅格地图(M)。

如上所述，操作1090b处理特别地包括：

-例如在方框83′处，传递证据栅格E中在一定时间段内被分类为不确定的栅格单元格集合，

-例如在方框87′中，在证据栅格E中应用“质量”的比例冲突再分配，从而提供复合栅格单元格值CC的集合，

-例如在方框89′中，通过将所述复合栅格单元格值集合并入证据栅格E中的标记栅格单元格中，提供可行驶空间的所述复合融合占据栅格地图(M)。

如上所述，该方法可以包括使用用于BOF的方框50和90或用于DST的方框60和90′，例如执行操作1050、1090a或1060、1090b。然而，在另一变型实施例中，数据融合方框40可以包括方框50和60，并且系统100可以包括仲裁方框90、90′，这意味着该方法可以包括并执行图10所示的所有操作，例如操作1040、1050、1070、1090a和1090b。

综上所述，一个或多个实施例：

-提供车辆(例如陆地车辆)环境映射，

-包括时间融合和数据融合操作，例如通过贝叶斯占据过滤器和/或D-S证据理论，

-时间融合处理可以在单个传感器中本地执行，并且单个传感器栅格地图可以以两个为一组进行比较以分析差异，

-通过冲突仲裁处理进一步处理差异分析和数据融合结果，例如使用基于差异的关系模型和/或成比例的冲突再分配，

-冲突仲裁可以提供复合融合栅格地图，例如具有由仲裁处理提供的用于冲突单元格的新值，

-可以将复合融合栅格地图提供给驾驶辅助系统，例如配备有系统的车辆上以执行根据实施例的方法。

还将理解的是，伴随本说明书在全部附图中例示的各种单独的实现选项不一定必须旨在以附图中例示的相同组合来采用。因此，一个或多个实施例可以相对于附图中例示的组合单独地和/或以不同的组合采用这些(即非强制性的)选项。

在不损害基本原理、不背离保护范围的情况下，细节和实施例可以相对于仅通过示例的方式描述的内容做出(甚至是显著的)改变。保护范围由所附权利要求书限定。