CN106461402A - 用于确定相对于数字地图的位置的方法及系统 - Google Patents

用于确定相对于数字地图的位置的方法及系统 Download PDF

Info

Publication number
CN106461402A
CN106461402A CN201580030559.1A CN201580030559A CN106461402A CN 106461402 A CN106461402 A CN 106461402A CN 201580030559 A CN201580030559 A CN 201580030559A CN 106461402 A CN106461402 A CN 106461402A
Authority
CN
China
Prior art keywords
vehicle
data
real
positioning reference
longitudinal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580030559.1A
Other languages
English (en)
Other versions
CN106461402B (zh
Inventor
克日什托夫·米克萨
布拉泽伊·库比亚克
拉法尔·扬·格利什琴斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TomTom Global Content BV
Original Assignee
TomTom Global Content BV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TomTom Global Content BV filed Critical TomTom Global Content BV
Publication of CN106461402A publication Critical patent/CN106461402A/zh
Application granted granted Critical
Publication of CN106461402B publication Critical patent/CN106461402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30Map- or contour-matching
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3833Creation or updating of map data characterised by the source of data
    • G01C21/3848Data obtained from both position sensors and additional sensors
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30248Vehicle exterior or interior
    • G06T2207/30252Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明揭示一种确定交通工具(100)相对于数字地图的纵向位置的方法,其中通过使用至少一个测距传感器扫描所述交通工具周围的横向环境来确定实时扫描数据(200、202),所述实时扫描数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中的表面的经测量的横向距离。检索针对所述交通工具(100)相对于所述数字地图的所认为的当前纵向位置的与所述数字地图相关联的定位参考数据,且通过计算互相关来将其与所述实时扫描数据(200、202)进行比较以确定纵向偏移。基于所述纵向偏移调整所述所认为的当前纵向位置以确定所述交通工具(100)相对于所述数字地图的所述纵向位置。

Description

用于确定相对于数字地图的位置的方法及系统
技术领域
本发明涉及用于改进相对于数字地图的定位精度的方法及系统,且所述方法及系统是高度及全自动驾驶应用所需的。更具体来说,本发明的实施例涉及参考数据的产生(例如,通过众包技术)、所述参考数据的格式以及通过与来自交通工具的经感测数据的比较来使用所述参考数据以在数字地图上准确定位交通工具。
背景技术
近年来,交通工具配备有导航装置已经变得普遍,所述导航装置可呈可移除地定位在交通工具内的便携式导航装置(PND)的形式或呈集成到交通工具中的系统的形式。这些导航装置包括用于确定所述装置的当前位置的构件;通常为全球导航卫星系统(GNSS)接收器,例如GPS或GLONASS。然而,应了解,可使用其它手段,例如使用移动电信网络、表面信标或类似物。
导航装置还可访问代表交通工具正在其上行进的可导航网络的数字地图。数字地图(或有时称为数学图)以其最简单的形式实际上是含有表示节点(最常见地表示道路交叉点)以及表示那些交叉点之间的道路的那些节点之间的线的数据的数据库。在更详细的数字地图中,线可被划分成由起始节点及结束节点定义的区段。这些节点可为“真实的”其中其表示最少3条线或区段相交的道路交叉点,或其可为“人工的”其中其被提供为未在一端或两端由真实节点界定的区段的锚点以尤其提供用于特定路段的形状信息或识别沿着道路的所述道路的某些特性(例如速度限制)在其处改变的位置的手段。在实际上所有现代数字地图中,节点和区段进一步由各种属性界定,这些属性再次由数据库中的数据表示。举例来说,每一节点通常将具有地理坐标以界定其真实世界位置,例如,纬度和经度。节点通常还将具有与其相关联的实况数据,其指示在交叉点处是否可能从一条道路移动到另一条道路;而区段也将具有相关属性,例如允许的最大速度、车道大小、车道数量、中间是否存在分隔物等等。出于本申请案的目的,此形式的数字地图被称为“标准地图”。
导航装置经布置以能够使用所述装置的当前位置以及标准地图来执行多个任务,例如关于所确定的路线的引导,以及基于所确定的路线提供相对于当前位置或预测的未来位置的交通及行进信息。
然而,已认识到,标准地图内所含有的数据不足以用于各种下一代应用,例如高度自动驾驶,其中交通工具能够在没有来自驾驶员的输入的情况下自动控制(例如)加速度,制动及转向,且甚至是完全自动化的“自驾”交通工具。对于此类应用,需要更精确的数字地图。此更详细的数字地图通常包括三维向量模型,其中道路的每一车道连同与其它车道的连接性数据一起被单独表示。出于本申请案的目的,此形式的数字地图将被称为“规划地图”或“高清晰度(HD)地图”。
图1中展示规划地图的部分的表示,其中每一条线表示车道的中心线。图2展示规划地图的另一示范性部分,但是这次覆盖在道路网络的图像上。这些地图内的数据通常精确到一米以内,甚至更小,且可使用各种技术来收集。
用于收集数据以构建此类规划地图的一种示范性技术是使用移动地图绘制系统;其实例描绘于图3中。移动地图绘制系统2包括勘测交通工具4、安装在交通工具4的顶部8上的数码相机40及激光扫描仪6。勘测交通工具2进一步包括处理器10、存储器12及收发器14。另外,勘测交通工具2包括绝对定位装置2(例如GNSS接收器)及包含惯性测量单元(IMU)及距离测量仪器(DMI)的相对定位装置22。绝对定位装置20提供交通工具的地理坐标,且相对定位装置22用于提高由绝对定位装置20测量的坐标的精度(且在无法接收来自导航卫星的信号的那些情况下替换绝对定位装置)。激光扫描仪6、相机40、存储器12、收发器14、绝对定位装置20及相对定位装置22皆经配置用于与处理器10通信(如由线24指示)。激光扫描仪6经配置以使激光束以3D方式扫描遍及环境,且创建表示环境的点云;每一点指示激光束从其反射的物体的表面的位置。激光扫描仪6还经配置为飞行时间激光测距仪以便测量到激光束在物体表面上的每一入射位置的距离。
在使用中,如图4所展示,勘测交通工具4沿道路30行进,道路30包括其上涂有道路标记34的表面32。处理器10根据使用绝对定位装置20及相对定位装置22测量的位置及定向数据来确定交通工具4在任何时刻的位置和定向,且用合适时戳将数据存储于存储器12中。另外,相机40重复地捕获道路表面32的图像以提供多个道路表面图像;处理器10将时戳添加到每一图像并将图像存储于存储器12中。激光扫描仪6还重复地扫描表面32以提供至少多个经测量的距离值;处理器将时戳添加到每一距离值并将其存储于存储器12中。图5及6中展示从激光扫描仪6获得的数据的实例。图5展示3D视图,且图6展示侧视图投影;每一图片中的颜色表示到道路的距离。从这些移动地图绘制交通工具获得的所有数据可经分析且用于创建由交通工具行进的可导航(或道路)网络的部分的规划地图。
申请人已认识到,为了将此类规划地图用于高度及完全自动化的驾驶应用,需要以高准确度知晓交通工具相对于规划地图的位置。使用导航卫星或地面信标确定装置的当前位置的传统技术提供准确度为约5到10米的装置的绝对位置;接着,将此绝对位置与数字地图上的对应位置匹配。虽然此准确度水平对于大多数传统应用是足够的,但对于下一代应用来说,其不够准确,在下一代应用中相对于数字地图的位置要求在亚米准确度下,甚至当在道路网络上高速行进时也要求具有此准确度。因此,需要改进的定位方法。
发明内容
根据本发明的第一方面,提供一种持续确定交通工具相对于数字地图的纵向位置的方法;所述数字地图包括表示交通工具沿其行进的可导航网络(例如,道路网络)的可导航元素(例如,道路)的数据。所述方法包括:接收通过扫描所述交通工具周围的横向环境而获得的实时扫描数据;检索针对所述交通工具相对于所述数字地图的所认为的当前纵向位置的与所述数字地图相关联的定位参考数据,其中所述定位参考扫描数据包括所述所认为的当前纵向位置周围的所述横向环境的参考扫描,任选地其中已贯穿整个所述数字地图从先前已沿路线行进的至少一个装置获得所述参考扫描;将所述实时扫描数据与所述定位参考扫描数据进行比较以确定所述实时扫描数据与所述定位参考扫描数据之间的纵向偏移;以及基于所述纵向偏移来调整所述所认为的当前纵向位置。
因此,根据本发明的第一方面,交通工具相对于数字地图的位置因此总是可以高准确度获知。现有技术中的实例已尝试通过将所收集的数据与沿着路线的预定地标的已知参考数据进行比较来确定交通工具的位置。然而,地标可能稀疏地分布在许多路线上,从而导致当交通工具在地标之间行进时交通工具位置的显著估计误差。这在例如高度自动驾驶系统的情况下是一个问题,其中此类误差可导致灾难性后果,例如导致严重损伤或生命损失的交通工具碰撞事故。本发明的第一方面通过具有贯穿整个数字地图的参考扫描数据并通过实时扫描交通工具周围的横向环境来解决此问题。以此方式,本发明的第一方面允许比较实时扫描数据与参考数据,使得交通工具相对于数字地图的位置总是以高准确度获知。
所认为的当前纵向位置可至少最初从绝对定位系统获得,例如卫星导航装置(例如GPS,GLONASS)、欧洲伽利略定位系统、COMPASS定位系统或IRNSS(印度区域导航卫星系统)。然而,应了解,可使用其它位置确定手段,例如使用移动电信、表面信标或类似物。
数字地图可包括表示可导航网络的可导航元素(例如,道路网络的道路)的三维向量模型,其中单独表示可导航元素(例如,道路)的每一车道。因此,可通过确定交通工具在其中行进的车道来获知交通工具在道路上的横向位置。在其它实施例中,可使用实时扫描数据与经检索的定位参考数据的比较来确定交通工具的横向位置,如下面更详细论述。
实时扫描数据可在交通工具的左侧及交通工具的右侧获得。这有助于减少瞬态特征对位置估计的影响。此类瞬态特征可为(例如)停放的交通工具、超车的交通工具或在同一路线上沿相反方向行进的交通工具。因此,实时扫描数据可记录存在于交通工具两侧上的特征。在一些实施例中,可从交通工具的左侧或交通工具的右侧获得实时扫描数据。
定位参考数据可包括对可导航元素的左侧及可导航元素的右侧上的横向环境的参考扫描,且可导航元素的每一侧的定位参考数据可存储于组合数据集中。因此,来自可导航网络的多个部分的数据可以有效的数据格式存储在一起。存储于组合数据集中的数据可被压缩,从而允许可导航网络的更多部分的数据存储于相同的存储容量内。如果参考扫描数据通过无线网络连接发射到交通工具,那么数据压缩还将允许使用减小的网络带宽。
来自交通工具左侧的实时扫描数据与来自可导航元素左侧的定位参考数据的比较以及来自交通工具右侧的实时扫描数据与来自可导航元素右侧的定位参考数据的比较可为单个比较。因此,当扫描数据包括来自可导航元素的左侧的数据及来自可导航元素的右侧的数据时,可将扫描数据作为单个数据集进行比较,从而相较于其中单独执行针对可导航元素的左侧的比较及针对可导航元素的右侧的比较的情况显著减少处理要求。
交通工具相对于数字地图的纵向位置可总是以亚米准确度获知。因此,在一些实施例中,本发明特别适合于需要高准确度位置估计的应用,例如高度自动驾驶。
将实时扫描数据与定位参考数据进行比较可包括计算实时扫描数据与定位参考数据之间的互相关,优选地归一化互相关。
实时扫描数据与定位参考数据的比较可在纵向数据窗口上执行。因此,窗口化数据允许比较考虑可用数据的子集。可针对重叠窗口周期性地执行比较。用于比较的数据的窗口中的至少一些重叠确保相邻的计算出的纵向偏移值之间的差异对数据平滑。窗口可具有足以使偏移计算的准确度不随瞬态特征改变的长度,优选地长度为至少100m。此类瞬态特征可为(例如)停放的交通工具、超车的交通工具或在同一路线上沿相反方向行进的交通工具。在一些实施例中,长度为至少50m。在一些实施例中,长度为200m。以此方式,针对纵向路段(‘窗口’,例如200m)确定经感测的环境数据,接着将所得数据与路段的定位参考数据进行比较。通过在此大小的路段(即,基本上大于交通工具的长度的路段)上执行比较,非静止或临时物体(例如道路上的其它交通工具、停在道路旁的交通工具等等)通常不会影响比较结果。
可使用至少一个测距仪传感器来获得实时扫描数据。测距仪传感器可经配置以沿单个轴操作。测距仪传感器可经布置以在垂直轴上执行扫描。当在垂直轴上执行扫描时,收集多个高度处的平面的距离信息,且因此所得扫描显著更详细。替代地或另外,测距仪传感器可经布置以在水平轴上执行扫描。
测距仪传感器可经布置成指向与交通工具的行进方向成大约90度的向外方向。因此,在使用多个测距仪传感器的情况下,可单次比较中针对同时获取的所有实时扫描数据执行与参考扫描数据的比较。
测距仪传感器经配置以获得在50°与90°之间的获取角度内的数据。如本文所使用,术语获取角度意指表示测距仪传感器可观察到的两个物体的可能最大角距的测距仪传感器的总角视场。在一些实施例中,获取角度大约为70度。
测距仪传感器可为激光扫描仪。激光扫描仪可包括使用至少一个镜遍及横向环境扫描的激光束。因此,激光扫描仪可经定位成远离交通工具的表面以保护精密组件。在一些实施例中,镜经致动以使激光扫描遍及横向环境。因此,仅需要通过物理旋转的轻质镜而不是较重的激光扫描仪组合件。
可远程存储定位参考数据的至少部分。优选地,定位参考数据的至少部分本地存储在交通工具上。因此,即使定位参考数据在整个路线中可用,其也不需要连续地传送到交通工具上且可在交通工具上执行比较。
定位参考数据可以压缩格式存储。定位参考数据可具有对应于30KB/km或更小的大小。
可针对在数字地图中表示的可导航网络的可导航元素中的至少部分(且优选地全部)存储定位参考数据。因此,交通工具的位置可在沿路线的任何地方持续确定。
可已从位于先前已沿可导航元素行进的移动地图绘制交通工具上的至少一个装置获得参考扫描。因此,可已使用与其位置被持续确定的当前交通工具不同的交通工具来获取参考扫描。在一些实施例中,移动地图绘制交通工具具有与其位置被持续确定的交通工具类似的设计。
根据本发明的第二方面,提供了一种产生与数字地图相关联的参考扫描的方法;所述数字地图包括表示可导航网络(例如道路网络)的可导航元素(例如道路)的数据。所述方法包括沿在数字地图中表示的至少一个可导航元素获得横向环境的参考扫描;以及贯穿整个参考扫描确定参考扫描的实际位置。
因此,根据本发明的第二方面,对于数字地图中的至少一个路线,一直沿所述路线获得参考扫描。此所获得的参考数据适合于在本发明的第一方面的任何实施例中使用。
可在可导航元素的左侧及可导航元素的右侧上获得参考扫描。这有助于减少瞬态特征对可使用所产生的参考扫描执行的位置估计的影响。此类瞬态特征可为(例如)停放的交通工具、超车的交通工具或在同一路线上沿相反方向行进的交通工具。显然,在此情况下,在获取参考扫描数据时存在瞬态特征。因此,参考扫描可记录存在于路线两侧上的特征。
可使用至少一个测距仪传感器来获得参考扫描数据。测距仪传感器可经配置以沿单个轴操作。测距仪传感器可经布置为在垂直轴上执行扫描。当在垂直轴上执行扫描时,收集多个高度处的平面的距离信息,且因此所得扫描显著更详细。替代地或另外,测距仪传感器可经布置成在水平轴上执行扫描。
测距仪传感器可经布置成指向与交通工具的行进方向成大约90°的向外方向。因此,在使用多个测距仪传感器的情况下,可在单次比较中针对同时获取的所有实时扫描数据执行与参考扫描数据的比较。
测距仪传感器可经配置以获得在50°与90°之间的获取角度内的数据。如本文所使用,术语获取角度意指表示测距仪传感器可观察到的两个物体的可能最大角距的测距仪传感器的总角视场。在一些实施例中,获取角度大约为70度。
测距仪传感器可为激光扫描仪。激光扫描仪可包括使用镜遍及横向环境扫描的激光束。因此,激光扫描仪可经定位成远离交通工具的表面以保护精密组件。在一些实施例中,镜经致动以使激光扫描遍及横向环境。因此,仅需要通过物理旋转的轻质镜而不是较重的激光扫描仪组合件。另外或替代地,测距仪传感器可为雷达扫描仪及/或一对立体照相机。
所述方法可进一步包括:基于所确定的实际位置将参考扫描与数字地图对准;以及将所述参考扫描存储在与所述数字地图相关联的数据库中。实际位置可从绝对定位系统确定,例如卫星导航装置(例如GPS,GLONASS)、欧洲伽利略定位系统、COMPASS定位系统或IRNSS(印度区域导航卫星系统)。然而,应了解,可使用其它位置确定手段,例如使用移动电信、表面信标或类似物。所述方法可进一步包括将参考扫描及所确定的实际位置发射到服务器,以用于随后基于所确定的实际位置将参考扫描与数字地图对准及存储在与数字地图相关联的数据库中。
根据本发明的第三方面,提供了一种存储与数字地图相关联的参考扫描数据的方法;所述数字地图包括表示可导航网络(例如道路网络)的可导航元素(例如道路)的数据。所述方法包括:接收通过扫描可导航元素两侧上的横向环境而获得的定位参考扫描数据;以及将来自所述可导航元素的每一侧的定位参考数据存储于单个组合数据集中。
因此,根据本发明的第三方面,来自可导航元素的多个部分的数据可以有效的数据格式存储在一起。存储于组合数据集中的数据可被压缩,从而允许针对路线的更多部分的数据存储于相同的存储容量内。如果参考扫描数据通过无线网络连接发射到交通工具,那么数据压缩还将允许使用减小的网络带宽。
所述方法可进一步包括将单个组合数据集发射到用于确定交通工具的纵向位置的装置。
根据本发明的第四方面,提供了一种确定交通工具相对于数字地图的纵向位置的方法,所述数字地图包括表示交通工具沿其行进的可导航网络的可导航元素的数据,所述方法包括:
通过使用至少一个测距仪传感器扫描所述交通工具周围的横向环境来确定实时扫描数据,所述实时扫描数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到横向环境中的表面的经测量的横向距离;
检索针对所述交通工具相对于所述数字地图的所认为的当前纵向位置的与所述数字地图相关联的定位参考数据,其中所述定位参考数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中表面的所述横向距离;
通过计算互相关来将所述实时扫描数据与所述定位参考数据进行比较,以确定所述实时扫描数据与所述定位参考数据之间的纵向偏移;以及
基于所述纵向偏移调整所述所认为的当前纵向位置以确定所述交通工具相对于所述数字地图的所述纵向位置。
本发明扩展到一种装置,例如导航装置、交通工具等等,所述装置具有例如一或多个处理器的构件,其经布置(例如经编程)以执行本文所描述的任何方法。本发明进一步扩展到含有可执行以执行或致使装置执行本文所描述的任何方法的计算机可读指令的非暂时性物理存储媒体。
如由所属领域的技术人员将了解,本发明的方面及实施例可且优选地确实酌情包含本文关于本发明的任何其它方面描述的本发明的优选及任选特征中的任何一或多者或全部。
附图说明
现将参考附图仅通过示例的方式描述本发明的实施例,其中:
图1是规划地图的部分的表示;
图2展示覆盖在道路网络的图像上的规划地图的部分;
图3及4展示可用于收集用于构建地图的数据的示范性移动地图绘制系统;
图5展示从激光扫描仪获得的数据的3D视图,而图6展示从激光扫描仪获得的数据的侧视图投影;
图7展示根据实施例的在沿道路行进同时感测其周围环境的交通工具;
图8展示与经感测的环境数据(例如,由图7的交通工具收集的)比较的定位参考数据的比较;
图9展示可如何存储定位参考数据的示范性格式;
图10A展示由安装到沿道路行进的交通工具的测距传感器获取的实例性点云,而图10B展示此点云数据已被转换为两个深度图;
图11展示在实施例中根据归一化互相关计算所确定的偏移;
图12展示在“参考”数据集与“本地测量”数据集之间执行的相关的另一实例;及
图13展示根据实施例的位于交通工具内的系统。
具体实施方式
已认识到,需要一种用于确定装置(例如交通工具)相对于数字地图(代表可导航网络,例如道路网络)的位置的改进方法。特定来说,需要能够准确地确定(例如,以亚米准确度)装置相对于数字地图的纵向位置。在本申请案中的术语“纵向”是指沿装置(例如交通工具)在其上移动的可导航网络的部分的方向;换句话说,沿交通工具在其上行进的道路的长度。本申请中的术语“横向”具有垂直于纵向方向的通常含义,且因此是指沿道路的宽度的方向。
如将理解,当数字地图包括如上所描述的规划地图(例如,三维向量模型,其中单独表示道路的每一车道(与相对于如标准地图中的道路的中心线相对照)时,装置(例如,交通工具)的横向位置简单地涉及确定装置当前正在其中行进的车道。已知用于执行此确定的各种技术。举例来说,可仅使用从全球导航卫星系统(GNSS)接收器获得的信息进行确定。另外或替代地,可使用来自相机、激光器或与所述装置相关联的其它成像传感器的信息;例如近年来已进行大量研究,其中(例如)使用各种图像处理技术分析来自安装在交通工具内的一或多个摄像机的图像数据以检测及跟踪交通工具在其中行进的车道。一种示范性技术在由河俊华(Junhwa Hur)、康肖南(Sean-Nam Kang)及徐承佑(Seung-Woo Seo)撰写的论文“使用条件随机场的城市驾驶环境中的多车道检测(Multi-lane detection in urbandriving environments using conditional random fields)”中阐述,所述论文发表在《智能交通工具研讨会会议记录(the proceedings of the Intelligent VehiclesSymposium)》,第1297到1302页,IEEE,(2013)。此处,装置可具有来自摄像机、雷达及/或激光雷达传感器的数据馈送,且使用适当算法实时处理所接收的数据以确定装置在其中行进的装置或交通工具的当前车道。替代地,另一装置或设备(例如可从移动眼N.V.(MobileyeN.V.)公司购得的移动眼系统)可基于这些数据馈送提供对交通工具的当前车道的确定,且接着将当前车道的确定馈送给所述装置,例如通过有线连接或蓝牙连接。
在实施例中,可通过将交通工具周围的环境(且优选地在交通工具的一侧或两侧上)的实时扫描与和数字地图相关联的环境的参考扫描进行比较来确定交通工具的纵向位置。根据此比较,可以确定纵向偏移(如果存在),且可使用所确定的偏移来匹配交通工具的位置与数字地图。因此,交通工具相对于数字地图的位置可总是以高准确度获知。
可使用定位在交通工具上的至少一个测距仪传感器获得对交通工具周围的环境的实时扫描。至少一个测距仪传感器可以采取任何合适的形式,但在优选实施例中包括激光扫描仪,即LiDAR装置。激光扫描仪可经配置以使激光束扫描遍及环境且创建环境的点云表示;每一点指示反射激光的物体的表面的位置。如应了解,激光扫描仪经配置以记录激光束在从物体的表面反射之后返回到扫描仪所花费的时间,且所记录的时间接着可用于确定到每一点的距离。在优选实施例中,测距仪传感器经配置以沿单个轴操作以便获得在某一获取角度(例如,50到90°之间,例如70°)内的数据;例如当传感器包括激光扫描仪时,使用装置内的镜来扫描激光束。
图7中展示其中交通工具100沿道路行进的实施例。交通工具配备有位于交通工具每一侧上的测距仪传感器101、102。虽然传感器经展示在交通工具的每一侧上,但在其它实施例中,在交通工具的一侧上仅可使用单个传感器。优选地,传感器适当地对准使得可组合来自每一传感器的数据,如下面更详细论述。
如上文论述,测距仪传感器可经布置以沿单个轴操作。在一个实施例中,传感器可经布置以在水平方向上(即,在平行于道路表面的平面中)执行扫描。这(例如)在图7中展示。通过在交通工具沿道路行进时持续扫描环境,可收集如图8中所展示的经感测的环境数据。数据200是从左传感器102收集的数据,且展示物体104。数据202是从右传感器101收集的数据,且展示物体106及108。在其它实施例中,传感器可经布置以在垂直方向上(即在垂直于道路表面的平面中)执行扫描。通过在交通工具沿道路行进时持续扫描环境,以图6的方式收集环境数据是可能的。将了解,通过在垂直方向上执行扫描,收集针对多个高度处的平面的距离信息,且因此所得扫描显著更详细。当然将了解,可根据需要沿任何轴执行扫描。
环境的参考扫描从先前已沿道路行进的一个或多个交通工具获得,且接着将其与数字地图适当地对准并使其与数字地图相关联。参考扫描存储在与数字地图相关联的数据库中,且在本文中被称为定位参考数据。当与数字地图匹配时,定位参考数据的组合可被称为定位地图。如将了解,将远离交通工具而创建定位地图;通常由数字地图制作公司(例如汤姆汤姆国际B.V.(TomTom International B.V.)或HERE公司、诺基亚公司)提供。
参考扫描可从专用交通工具获得,例如移动地图绘制交通工具(例如,图3中所展示的)。然而,在优选实施例中,可从由交通工具在其沿可导航网络行进时收集的经感测的环境数据来确定参考扫描。此经感测的环境数据可被存储且周期性地发送到数字地图绘制公司以创建、维护及更新定位地图。
虽然定位参考数据优选地本地存储在交通工具处,但应了解,所述数据可远程存储。在实施例中,且特别是在本地存储定位参考数据时,数据以压缩格式存储。
在实施例中,针对道路网络中的道路的每一侧收集定位参考数据。在此类实施例中,用于道路的每一侧的参考数据可单独存储,或替代地其可一起存储于组合数据集中。
在实施例中,定位参考数据可经存储为图像数据。图像数据可为颜色,例如,RGB、图像或灰度图像。
图9展示可如何存储定位参考数据的示范性格式。在此实施例中,道路左侧的参考数据提供在图像的左侧,且道路右侧的参考数据提供在图像的右侧;数据集被对准,使得针对特定纵向位置的左侧参考数据集展示为与针对同一纵向位置的右侧参考数据集相对。
在图9的图像中,且仅出于说明性目的,纵向像素大小为0.5m,在中心线的每一侧上存在40个像素。还已确定,图像可存储为灰度图像,而不是颜色(RGB)图像。通过以此格式存储图像,定位参考数据具有对应于30KB/km的大小。
在图10A及10B中可看到另一实例。图10A展示由安装到沿道路行进的交通工具的测距传感器获取的实例点云。在图10B中,此点云数据已被转换为两个深度图;一个用于交通工具的左侧,且另一个用于交通工具的右侧,其已彼此靠近放置以形成合成图像。
如上所论述,将由交通工具确定的经感测的环境数据与定位参考数据进行比较以确定是否存在偏移。任何经确定的偏移接着可用来调整交通工具的位置以使得其准确地匹配数字地图上的正确位置。此经确定的偏移在本文中被称为相关指数。
在实施例中,针对纵向路段(例如200m)确定经感测的环境数据,接着将所得数据(例如,图像数据)与针对所述路段的定位参考数据进行比较。通过在此大小的路段(即,基本上大于交通工具的长度的路段)上执行比较,非静止或临时物体(例如道路上的其它交通工具、停在道路旁的交通工具等等)通常将不会影响比较结果。
优选地,通过计算经感测的环境数据与定位参考数据之间的互相关来执行比较,以便确定数据集对准程度最高的纵向位置。在最大对准处两个数据集的纵向位置之间的差异允许确定纵向偏移。这(例如)可通过在图8的经感测的环境数据与定位参考数据之间指示的偏移来看到。
在实施例中,当数据集经提供为图像时,互相关包括归一化互相关操作,使得可减轻定位参考数据与经感测的环境数据之间的亮度、照明条件等等的差异。优选地,对(例如,200m长的)重叠窗口周期性地执行比较,使得在交通工具沿道路行进时持续地确定任何偏移。图11展示在示范性实施例中,依据在所描绘的定位参考数据与所描绘的经感测的环境数据之间的归一化互相关计算所确定的偏移。
图12说明在“参考”数据集与“本地测量”数据集(其在交通工具沿道路行进时由交通工具获取)之间执行的相关的另一实例。两个图像之间的相关的结果可在“移位”对“纵向相关指数”的图中看出,其中最大峰值的位置用于确定所说明的最佳拟合移位,其接着可用于调整交通工具相对于数字地图的纵向位置。
如可从图9、10B、11及12看出,定位参考数据及经感测的环境数据优选地呈深度图的形式,其中每一元素(例如,在深度图被存储为图像时的像素)包括:指示纵向位置(沿道路)的第一值;指示高度(即,高于地面的高度)的第二值;及指示横向位置(跨道路)的第三值。深度图的每一元素(例如,像素)因此有效地对应于交通工具周围的环境的表面的部分。如将了解,由每一元素(例如,像素)表示的表面的大小将随着压缩量而改变,使得元素(例如,像素)将表示具有深度图(或图像)的较高压缩水平的较大表面积。
在实施例中,其中定位参考数据存储于装置的数据存储构件(例如,存储器)中,可在交通工具内的一个或多个处理器上执行比较步骤。在其它实施例中,其中远离交通工具而存储定位参考数据,经感测的环境数据可通过无线连接发送到服务器,例如,经由移动电信网络。能够存取定位参考数据的服务器(例如,同样使用移动电信网络)将接着使任何经确定的偏移返回到交通工具。
图13中描绘根据本发明的实施例的位于交通工具内的示范性系统。在此系统中,被称为相关指数提供器单元的处理装置从经定位以检测交通工具左侧的环境的测距传感器及经定位以检测交通工具右侧的环境的测距传感器接收数据馈送。处理装置还访问数字地图(其优选地呈规划地图的形式)及位置参考数据的数据库,所述位置参考数据适当地匹配数字地图。处理装置经布置以执行上述方法,且因此任选地在将数据馈送转换为合适形式(例如,组合来自两个传感器的数据的图像数据)之后比较来自测距传感器的数据馈送与定位参考数据以确定纵向偏移及因此交通工具相对于数字地图的准确位置。所述系统还包括地平线提供器单元,且所述地平线提供器单元使用所确定的交通工具的位置及数字地图内的数据来提供关于交通工具将要横越的可导航网络的即将到来的部分的信息(称为“地平线数据”)。此地平线数据接着可用于控制交通工具内的一或多个系统执行各种辅助或自动驾驶操作,例如,自适应巡航控制、自动车道变换、紧急制动辅助等等。
总之,本发明至少在优选实施例中涉及一种基于纵向相关的定位方法。交通工具周围的3D空间以两个深度图的形式来表示,两个深度图覆盖道路的左侧及右侧,且其可组合成单个图像。存储于数字地图中的参考图像与来源于交通工具的激光器或其它测距传感器的深度图互相关,以将交通工具精确地沿(即,纵向地)数字地图中的道路的表示进行定位。在实施例中,深度信息接着可用于跨(即,横向地)道路定位车辆。
在优选实施方案中,交通工具周围的3D空间被投影到平行于道路轨迹的两个栅格,且投影的值在栅格的每一单元内经平均化。纵向相关器深度图的像素具有沿行驶方向约50cm且高度约为20cm的尺寸。由像素值编码的深度经量化为大约10cm。虽然沿行驶方向的深度图图像分辨率为50cm,但定位的分辨率高得多。互相关图像表示其中激光点被分布及平均化的栅格。适当的上采样使得能够找到子像素系数的移位向量。类似地,约10cm的深度量化并不意味着跨越道路的10cm的定位精度,这是因为量化误差在所有相关像素上被平均化。因此,在实践中,定位的精度主要受激光精度及校准的限制,而纵向相关器指数的量化误差只有极小的贡献。
因此,应了解,定位信息(例如,深度图(或图像))总是可用的(即使在周围环境中没有尖锐物体)、紧凑的(存储整个世界的道路网络是可能的),且使得精度与其它方法相当或甚至比其它方法更好(其归因于其在任何地方的可用性及因此较高的误差平均化可能性)。
可至少部分地使用软件(例如,计算机程序)来实施根据本发明的任何方法。因此,本发明还扩展到包括计算机可读指令的计算机程序,计算机可读指令可执行以执行或致使导航装置执行根据本发明的任何方面或实施例的方法。因此,本发明涵盖计算机程序产品,其在由一或多个处理器执行时致使一或多个处理器产生用于在显示屏上显示的合适图像(或其它图形信息)。本发明对应地扩展到包括此软件的计算机软件载体,当用于操作包括数据处理构件的系统或设备时,所述软件与所述数据处理构件一起致使所述设备或系统执行本发明的方法的步骤。此计算机软件载体可为非暂时性物理存储媒体,例如ROM芯片,CDROM或磁盘;或可为信号,例如经由电线的电子信号、光学信号或无线电信号(例如到卫星)或类似物。本发明提供一种含有指令的机器可读媒体,所述指令在由机器读取时致使机器根据本发明的任何方面或实施例的方法来操作。
在不明确陈述的情况下,应了解,本发明在其任何方面可包含关于本发明的其它方面或实施例描述的任何或所有特征,只要其不是相互排斥的。特定来说,虽然已描述可在所述方法中且由所述设备执行的操作的各种实施例,但应了解,这些操作中的任何一或多者或全部可根据需要酌情以任何组合在所述方法中且由所述设备执行。

Claims (14)

1.一种确定交通工具相对于数字地图的纵向位置的方法,所述数字地图包括表示所述交通工具沿其行进的可导航网络的可导航元素的数据,所述方法包括:
通过使用至少一个测距仪传感器扫描所述交通工具周围的横向环境来确定实时扫描数据,所述实时扫描数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中的表面的经测量的横向距离;
检索针对所述交通工具相对于所述数字地图的所认为的当前纵向位置的与所述数字地图相关联的定位参考数据,其中所述定位参考数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中的表面的所述横向距离;
通过计算互相关来将所述实时扫描数据与所述定位参考数据进行比较,以确定所述实时扫描数据与所述定位参考数据之间的纵向偏移;以及
基于所述纵向偏移调整所述所认为的当前纵向位置以确定所述交通工具相对于所述数字地图的所述纵向位置。
2.根据权利要求1所述的方法,其中通过扫描所述交通工具的左侧及所述交通工具的右侧两者上的所述横向环境来获得所述实时扫描数据,以便确定被组合成合成图像的所述交通工具的所述左侧的深度图及所述交通工具的所述右侧的深度图。
3.根据权利要求1或2所述的方法,其中所述定位参考数据包括表示针对多个纵向位置及高度的到所述交通工具的所述左侧上的所述横向环境中的表面的所述横向距离的深度图,及表示针对多个纵向位置及高度的到所述交通工具的所述右侧上的所述横向环境中的表面的所述横向距离的深度图。
4.根据权利要求3所述的方法,其中表示针对多个纵向位置及高度的到所述交通工具的所述左侧上的所述横向环境中的表面的所述横向距离的所述深度图及表示针对多个纵向位置及高度的到所述交通工具的所述右侧上的所述横向环境中的表面的所述横向距离的所述深度图经组合成合成图像。
5.根据权利要求4所述的方法,当从属于权利要求2时,其中在所述实时扫描数据的所述合成图像与所述定位参考数据的所述图像之间计算所述互相关。
6.根据任一前述权利要求所述的方法,其中所述定位参考数据的所述一或多个深度图经存储为压缩图像。
7.根据任一前述权利要求所述的方法,其中所述定位参考数据的所述一或多个深度图经存储为灰度图像。
8.根据任一前述权利要求所述的方法,其中使用在预定纵向距离的窗口期间获得的实时扫描数据来执行所述实时扫描数据与所述定位参考数据的所述比较。
9.根据权利要求8所述的方法,其中针对重叠窗口周期性地执行所述比较。
10.根据任一前述权利要求所述的方法,其中所述测距仪传感器包括下列中的一或多者:激光扫描仪;雷达扫描仪;及一对立体相机。
11.根据任一前述权利要求所述的方法,其中所述定位参考数据经本地存储于所述交通工具的存储器中。
12.一种用于确定交通工具相对于数字地图的纵向位置的装置,所述数字地图包括表示所述交通工具沿其行进的可导航网络的可导航元素的数据,所述装置包括至少一个处理器及具有计算机可读指令的存储器,所述计算机可读指令可由所述至少一个处理器执行以致使所述装置:
通过使用至少一个测距仪传感器扫描所述交通工具周围的横向环境来确定实时扫描数据,所述实时扫描数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中的表面的经测量的横向距离;
检索针对所述交通工具相对于所述数字地图的所认为的当前纵向位置的与所述数字地图相关联的定位参考数据,其中所述定位参考数据包括一或多个深度图,每一深度图表示针对多个纵向位置及高度的到所述横向环境中的表面的所述横向距离;
通过计算互相关来将所述实时扫描数据与所述定位参考数据进行比较,以确定所述实时扫描数据与所述定位参考数据之间的纵向偏移;以及
基于所述纵向偏移调整所述所认为的当前纵向位置以确定所述交通工具相对于所述数字地图的所述纵向位置。
13.一种计算机程序产品,其包括指令,所述指令在由计算装置的至少一个处理器执行时致使所述计算装置根据权利要求1到11中任一权利要求所述的方法操作。
14.一种非暂时性计算机可读媒体,其具有存储于其上的根据权利要求13所述的计算机程序产品。
CN201580030559.1A 2014-04-30 2015-04-30 用于确定相对于数字地图的位置的方法及系统 Active CN106461402B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1407643.4 2014-04-30
GBGB1407643.4A GB201407643D0 (en) 2014-04-30 2014-04-30 Improved positioning relatie to a digital map for assisted and automated driving operations
PCT/EP2015/059614 WO2015173034A1 (en) 2014-04-30 2015-04-30 Method and system for determining a position relative to a digital map

Publications (2)

Publication Number Publication Date
CN106461402A true CN106461402A (zh) 2017-02-22
CN106461402B CN106461402B (zh) 2019-12-03

Family

ID=50972142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580030559.1A Active CN106461402B (zh) 2014-04-30 2015-04-30 用于确定相对于数字地图的位置的方法及系统

Country Status (7)

Country Link
US (1) US10240934B2 (zh)
EP (1) EP3137850B1 (zh)
JP (1) JP6694395B2 (zh)
KR (1) KR102425272B1 (zh)
CN (1) CN106461402B (zh)
GB (2) GB201407643D0 (zh)
WO (1) WO2015173034A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108732584A (zh) * 2017-04-17 2018-11-02 百度在线网络技术(北京)有限公司 用于更新地图的方法和装置
CN110244702A (zh) * 2018-03-07 2019-09-17 罗伯特·博世有限公司 用于生成或更新周围环境地图的方法和定位系统
CN110347147A (zh) * 2018-04-06 2019-10-18 通用汽车环球科技运作有限责任公司 用于车辆的定位的方法和系统
CN110873570A (zh) * 2018-09-03 2020-03-10 哲纳提公司 用于位置信息的定源、生成并且更新表示位置的地图的方法和装置
CN112149490A (zh) * 2019-06-28 2020-12-29 采埃孚股份公司 确定机动交通工具的环境中的对象
CN113450439A (zh) * 2020-03-26 2021-09-28 华为技术有限公司 一种虚实融合方法、设备及系统
CN113494912A (zh) * 2020-03-20 2021-10-12 Abb瑞士股份有限公司 基于虚拟传感器响应的交通工具的位置估计

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10082797B2 (en) * 2015-09-16 2018-09-25 Ford Global Technologies, Llc Vehicle radar perception and localization
EP3384362B1 (en) * 2015-11-30 2021-03-17 Raytheon Company Navigation system for an autonomous vehicle based on cross correlating coherent images
CN107515006A (zh) * 2016-06-15 2017-12-26 华为终端(东莞)有限公司 一种地图更新方法和车载终端
US11067996B2 (en) 2016-09-08 2021-07-20 Siemens Industry Software Inc. Event-driven region of interest management
US10520904B2 (en) * 2016-09-08 2019-12-31 Mentor Graphics Corporation Event classification and object tracking
US10317901B2 (en) 2016-09-08 2019-06-11 Mentor Graphics Development (Deutschland) Gmbh Low-level sensor fusion
US10678240B2 (en) 2016-09-08 2020-06-09 Mentor Graphics Corporation Sensor modification based on an annotated environmental model
CN109791052B (zh) * 2016-09-28 2023-06-27 通腾全球信息公司 使用数字地图对点云的数据点进行分类的方法和系统
US10579065B2 (en) * 2016-11-23 2020-03-03 Baidu Usa Llc Algorithm and infrastructure for robust and efficient vehicle localization
EP3343172B1 (en) * 2017-01-03 2024-03-13 iOnRoad Technologies Ltd. Creation and use of enhanced maps
US10436595B2 (en) * 2017-02-02 2019-10-08 Baidu Usa Llc Method and system for updating localization maps of autonomous driving vehicles
US10380890B2 (en) * 2017-02-08 2019-08-13 Baidu Usa Llc Autonomous vehicle localization based on walsh kernel projection technique
US10884409B2 (en) 2017-05-01 2021-01-05 Mentor Graphics (Deutschland) Gmbh Training of machine learning sensor data classification system
DE102017211607A1 (de) * 2017-07-07 2019-01-10 Robert Bosch Gmbh Verfahren zur Verifizierung einer digitalen Karte eines höher automatisierten Fahrzeugs (HAF), insbesondere eines hochautomatisierten Fahrzeugs
US10796572B2 (en) * 2017-07-17 2020-10-06 Ford Global Technologies, Llc Automated map anomaly detection and update
US10503175B2 (en) 2017-10-26 2019-12-10 Ford Global Technologies, Llc Lidar signal compression
KR102333033B1 (ko) 2017-12-07 2021-12-01 삼성전자주식회사 차량 및 그 제어 방법
US11073828B2 (en) * 2017-12-08 2021-07-27 Samsung Electronics Co., Ltd. Compression of semantic information for task and motion planning
US11145146B2 (en) 2018-01-31 2021-10-12 Mentor Graphics (Deutschland) Gmbh Self-diagnosis of faults in an autonomous driving system
US10553044B2 (en) 2018-01-31 2020-02-04 Mentor Graphics Development (Deutschland) Gmbh Self-diagnosis of faults with a secondary system in an autonomous driving system
US10776983B2 (en) 2018-02-27 2020-09-15 Nvidia Corporation Analysis of point cloud data using depth and texture maps
US10684132B2 (en) * 2018-03-19 2020-06-16 Here Global B.V. Generation and update of a lane network graph model
JP6847885B2 (ja) * 2018-03-20 2021-03-24 株式会社東芝 情報処理装置、情報処理方法及びプログラム
US11256729B2 (en) * 2018-03-29 2022-02-22 Aurora Operations, Inc. Autonomous vehicle relative atlas incorporating hypergraph data structure
US10521913B2 (en) * 2018-03-29 2019-12-31 Aurora Innovation, Inc. Relative atlas for autonomous vehicle and generation thereof
US10503760B2 (en) * 2018-03-29 2019-12-10 Aurora Innovation, Inc. Use of relative atlas in an autonomous vehicle
CN111033299B (zh) 2018-07-02 2023-06-16 北京嘀嘀无限科技发展有限公司 基于点云利用位姿预估的车辆导航系统
DE102019205994A1 (de) 2019-04-26 2020-10-29 Robert Bosch Gmbh Verfahren zum Ausbilden einer Lokalisierungsschicht einer digitalen Lokalisierungskarte zum automatisierten Fahren
US11755917B2 (en) * 2019-11-15 2023-09-12 Waymo Llc Generating depth from camera images and known depth data using neural networks
US11872965B2 (en) * 2020-05-11 2024-01-16 Hunter Engineering Company System and method for gyroscopic placement of vehicle ADAS targets
CN112800159B (zh) * 2021-01-25 2023-10-31 北京百度网讯科技有限公司 地图数据处理方法及装置
CN113096441B (zh) * 2021-03-25 2022-08-05 北京星云互联科技有限公司 一种车辆预警方法、装置、车辆及存储介质
CN114719859B (zh) * 2022-04-22 2025-08-08 智道网联科技(北京)有限公司 融合定位方法、装置及电子设备、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011023246A1 (en) * 2009-08-25 2011-03-03 Tele Atlas B.V. A vehicle navigation system and method
CN102317954A (zh) * 2009-02-16 2012-01-11 戴姆勒股份公司 检测对象的方法
CN102455425A (zh) * 2010-10-20 2012-05-16 银河港(北京)技术有限公司 一种全视景光电雷达及利用地面目标图像定位的扫描方法
CN103278170A (zh) * 2013-05-16 2013-09-04 东南大学 基于显著场景点检测的移动机器人级联地图创建方法
US20140028678A1 (en) * 2010-12-30 2014-01-30 Radoslaw Pawel Chmielewski System and method for generating textured map object images

Family Cites Families (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4700307A (en) 1983-07-11 1987-10-13 General Dynamics Corp./Convair Division Feature navigation system and method
US6233361B1 (en) * 1993-08-24 2001-05-15 Roger Colston Downs Topography processor system
DE4408329C2 (de) 1994-03-11 1996-04-18 Siemens Ag Verfahren zum Aufbau einer zellular strukturierten Umgebungskarte von einer selbstbeweglichen mobilen Einheit, welche sich mit Hilfe von auf Wellenreflexion basierenden Sensoren orientiert
US5961571A (en) 1994-12-27 1999-10-05 Siemens Corporated Research, Inc Method and apparatus for automatically tracking the location of vehicles
US6526352B1 (en) 2001-07-19 2003-02-25 Intelligent Technologies International, Inc. Method and arrangement for mapping a road
US7085637B2 (en) 1997-10-22 2006-08-01 Intelligent Technologies International, Inc. Method and system for controlling a vehicle
US7418346B2 (en) * 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
DE19532104C1 (de) 1995-08-30 1997-01-16 Daimler Benz Ag Verfahren und Vorrichtung zur Bestimmung der Position wenigstens einer Stelle eines spurgeführten Fahrzeugs
JPH1031799A (ja) 1996-07-15 1998-02-03 Toyota Motor Corp 自動走行制御装置
US5999866A (en) 1996-11-05 1999-12-07 Carnegie Mellon University Infrastructure independent position determining system
JP3848431B2 (ja) * 1997-04-28 2006-11-22 本田技研工業株式会社 車両位置推定装置と車両位置推定方法、および、走行車線維持装置と走行車線維持方法
US6047234A (en) 1997-10-16 2000-04-04 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback
US6266442B1 (en) 1998-10-23 2001-07-24 Facet Technology Corp. Method and apparatus for identifying objects depicted in a videostream
DE19930796A1 (de) 1999-07-03 2001-01-11 Bosch Gmbh Robert Verfahren und Vorrichtung zur Übermittlung von Navigationsinformationen von einer Datenzentrale an ein fahrzeugbasiertes Navigationssystem
JP4685313B2 (ja) 1999-12-29 2011-05-18 ジオスパン コーポレイション 任意の局面の受動的な体積画像の処理方法
US6671615B1 (en) 2000-05-02 2003-12-30 Navigation Technologies Corp. Navigation system with sign assistance
US6608913B1 (en) 2000-07-17 2003-08-19 Inco Limited Self-contained mapping and positioning system utilizing point cloud data
US20050149251A1 (en) 2000-07-18 2005-07-07 University Of Minnesota Real time high accuracy geospatial database for onboard intelligent vehicle applications
US6772062B2 (en) 2001-05-31 2004-08-03 The Regents Of The University Of California Intelligent ultra high speed distributed sensing system and method for sensing roadway markers for intelligent vehicle guidance and control
JP3910582B2 (ja) 2001-07-31 2007-04-25 株式会社キャドセンター 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
JP2003232888A (ja) 2001-12-07 2003-08-22 Global Nuclear Fuel-Japan Co Ltd 輸送物の健全性確認検査システムおよび健全性確認方法
DE10202756A1 (de) 2002-01-25 2003-08-07 Daimler Chrysler Ag Digitale Karte mit Temperaturdaten
US7433889B1 (en) 2002-08-07 2008-10-07 Navteq North America, Llc Method and system for obtaining traffic sign data using navigation systems
US6728608B2 (en) 2002-08-23 2004-04-27 Applied Perception, Inc. System and method for the creation of a terrain density model
US6847887B1 (en) 2003-03-04 2005-01-25 Navteq North America, Llc Method and system for obtaining road grade data
FI115668B (fi) 2003-03-25 2005-06-15 Sandvik Tamrock Oy Kaivosajoneuvon paikan ja suunnan alustaminen
US6856897B1 (en) 2003-09-22 2005-02-15 Navteq North America, Llc Method and system for computing road grade data
US7035733B1 (en) 2003-09-22 2006-04-25 Navteq North America, Llc Method and system for obtaining road grade data
US6990407B1 (en) 2003-09-23 2006-01-24 Navteq North America, Llc Method and system for developing traffic messages
US7050903B1 (en) 2003-09-23 2006-05-23 Navteq North America, Llc Method and system for developing traffic messages
US7096115B1 (en) 2003-09-23 2006-08-22 Navteq North America, Llc Method and system for developing traffic messages
US7251558B1 (en) 2003-09-23 2007-07-31 Navteq North America, Llc Method and system for developing traffic messages
DE102004055069B4 (de) 2004-07-15 2007-02-15 Daimlerchrysler Ag Mehrdimensionale Fahrbahnvermessung
DE102004046589A1 (de) 2004-08-05 2006-02-23 Volkswagen Ag Vorrichtung für ein Kraftfahrzeug
DE102005008185A1 (de) 2005-02-23 2006-08-31 Daimlerchrysler Ag Verfahren, System und Fahrzeuggerät zur Überprüfung digitaler Straßendaten
WO2006118563A1 (en) * 2005-04-29 2006-11-09 Chubb International Holdings Limited Method and device for consistent region of interest
EP1889007B1 (en) 2005-06-06 2009-08-26 TomTom International B.V. Navigation device with camera-info
US7728869B2 (en) 2005-06-14 2010-06-01 Lg Electronics Inc. Matching camera-photographed image with map data in portable terminal and travel route guidance method
WO2007011522A2 (en) 2005-07-14 2007-01-25 Gm Global Technology Operations, Inc. Remote perspective vehicle environment observation system
US20070055441A1 (en) 2005-08-12 2007-03-08 Facet Technology Corp. System for associating pre-recorded images with routing information in a navigation system
JP4600357B2 (ja) 2006-06-21 2010-12-15 トヨタ自動車株式会社 測位装置
CA2646830A1 (en) 2006-06-27 2008-01-03 Tomtom International B.V. Navigation device and method for providing warnings for a speed trap
CN101472778B (zh) 2006-07-06 2011-10-19 西门子公司 对车道上的车辆进行定位的装置
JP5069439B2 (ja) 2006-09-21 2012-11-07 パナソニック株式会社 自己位置認識システム
US20080243378A1 (en) 2007-02-21 2008-10-02 Tele Atlas North America, Inc. System and method for vehicle navigation and piloting including absolute and relative coordinates
WO2008150153A1 (en) * 2007-06-08 2008-12-11 Tele Atlas B.V. Method of and apparatus for producing a multi-viewpoint panorama
AU2009211435A1 (en) 2008-02-04 2009-08-13 Tele Atlas B.V. Method for map matching with sensor detected objects
WO2010004689A1 (ja) 2008-07-07 2010-01-14 三菱電機株式会社 車両走行環境検出装置
WO2010048036A2 (en) * 2008-10-22 2010-04-29 Terratrim, Inc. Systems and methods for managing utility consumption
JP5531474B2 (ja) * 2008-12-12 2014-06-25 株式会社豊田中央研究所 地図生成装置、走路推定装置、移動可能領域推定装置、及びプログラム
EP2209091B1 (en) * 2009-01-16 2012-08-08 Honda Research Institute Europe GmbH System and method for object motion detection based on multiple 3D warping and vehicle equipped with such system
US8301374B2 (en) 2009-08-25 2012-10-30 Southwest Research Institute Position estimation for ground vehicle navigation based on landmark identification/yaw rate and perception of landmarks
TWI391874B (zh) 2009-11-24 2013-04-01 Ind Tech Res Inst 地圖建置方法與裝置以及利用該地圖的定位方法
US8861842B2 (en) * 2010-02-05 2014-10-14 Sri International Method and apparatus for real-time pedestrian detection for urban driving
JP5062497B2 (ja) * 2010-03-31 2012-10-31 アイシン・エィ・ダブリュ株式会社 風景画像認識を用いた自車位置検出システム
US8594425B2 (en) * 2010-05-31 2013-11-26 Primesense Ltd. Analysis of three-dimensional scenes
IT1401367B1 (it) * 2010-07-28 2013-07-18 Sisvel Technology Srl Metodo per combinare immagini riferentesi ad un contenuto tridimensionale.
US20120044241A1 (en) * 2010-08-20 2012-02-23 Himax Technologies Limited Three-dimensional on-screen display imaging system and method
US9140792B2 (en) 2011-06-01 2015-09-22 GM Global Technology Operations LLC System and method for sensor based environmental model construction
JP2013061270A (ja) * 2011-09-14 2013-04-04 Mitsubishi Electric Corp 現在位置算出装置および現在位置算出方法
US8630805B2 (en) 2011-10-20 2014-01-14 Robert Bosch Gmbh Methods and systems for creating maps with radar-optical imaging fusion
US9194949B2 (en) 2011-10-20 2015-11-24 Robert Bosch Gmbh Methods and systems for precise vehicle localization using radar maps
US8831337B2 (en) * 2011-11-11 2014-09-09 Texas Instruments Incorporated Method, system and computer program product for identifying locations of detected objects
US9070216B2 (en) * 2011-12-14 2015-06-30 The Board Of Trustees Of The University Of Illinois Four-dimensional augmented reality models for interactive visualization and automated construction progress monitoring
JP5404861B2 (ja) * 2012-07-17 2014-02-05 株式会社豊田中央研究所 静止物地図生成装置
US9111444B2 (en) * 2012-10-31 2015-08-18 Raytheon Company Video and lidar target detection and tracking system and method for segmenting moving targets
US9438891B2 (en) * 2014-03-13 2016-09-06 Seiko Epson Corporation Holocam systems and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102317954A (zh) * 2009-02-16 2012-01-11 戴姆勒股份公司 检测对象的方法
WO2011023246A1 (en) * 2009-08-25 2011-03-03 Tele Atlas B.V. A vehicle navigation system and method
CN102455425A (zh) * 2010-10-20 2012-05-16 银河港(北京)技术有限公司 一种全视景光电雷达及利用地面目标图像定位的扫描方法
US20140028678A1 (en) * 2010-12-30 2014-01-30 Radoslaw Pawel Chmielewski System and method for generating textured map object images
CN103278170A (zh) * 2013-05-16 2013-09-04 东南大学 基于显著场景点检测的移动机器人级联地图创建方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108732584A (zh) * 2017-04-17 2018-11-02 百度在线网络技术(北京)有限公司 用于更新地图的方法和装置
CN108732584B (zh) * 2017-04-17 2020-06-30 百度在线网络技术(北京)有限公司 用于更新地图的方法和装置
CN110244702A (zh) * 2018-03-07 2019-09-17 罗伯特·博世有限公司 用于生成或更新周围环境地图的方法和定位系统
CN110347147A (zh) * 2018-04-06 2019-10-18 通用汽车环球科技运作有限责任公司 用于车辆的定位的方法和系统
CN110873570A (zh) * 2018-09-03 2020-03-10 哲纳提公司 用于位置信息的定源、生成并且更新表示位置的地图的方法和装置
CN110873570B (zh) * 2018-09-03 2024-04-09 哲纳提公司 用于位置信息的定源、生成并且更新表示位置的地图的方法和装置
CN112149490A (zh) * 2019-06-28 2020-12-29 采埃孚股份公司 确定机动交通工具的环境中的对象
CN113494912A (zh) * 2020-03-20 2021-10-12 Abb瑞士股份有限公司 基于虚拟传感器响应的交通工具的位置估计
CN113450439A (zh) * 2020-03-26 2021-09-28 华为技术有限公司 一种虚实融合方法、设备及系统

Also Published As

Publication number Publication date
US10240934B2 (en) 2019-03-26
GB201407643D0 (en) 2014-06-11
GB201415616D0 (en) 2014-10-15
US20170052032A1 (en) 2017-02-23
EP3137850A1 (en) 2017-03-08
JP6694395B2 (ja) 2020-05-13
WO2015173034A1 (en) 2015-11-19
KR102425272B1 (ko) 2022-07-26
JP2017519973A (ja) 2017-07-20
EP3137850B1 (en) 2018-08-29
CN106461402B (zh) 2019-12-03
KR20160147016A (ko) 2016-12-21

Similar Documents

Publication Publication Date Title
CN106461402B (zh) 用于确定相对于数字地图的位置的方法及系统
US11629962B2 (en) Methods and systems for generating and using localization reference data
CN109791052B (zh) 使用数字地图对点云的数据点进行分类的方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant