CN102809379A - 用于基于传感器的环境模型构造的系统和方法 - Google Patents
用于基于传感器的环境模型构造的系统和方法 Download PDFInfo
- Publication number
- CN102809379A CN102809379A CN2012101780904A CN201210178090A CN102809379A CN 102809379 A CN102809379 A CN 102809379A CN 2012101780904 A CN2012101780904 A CN 2012101780904A CN 201210178090 A CN201210178090 A CN 201210178090A CN 102809379 A CN102809379 A CN 102809379A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- map
- sub
- location
- object space
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; 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
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/04—Systems determining the presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
Abstract
本发明涉及用于基于传感器的环境模型构造的系统和方法。一种方法和系统可确定车辆的估计位置,使用与车辆相关联的传感器测量相对于车辆的物体位置,并结合之前存储的物体位置使用测量的相对物体位置来确定更新的车辆位置。可使用与和传感器相关联的系统不同的系统如GPS系统来确定估计的车辆位置。可相对于对应于车辆位置的子地图来测量物体位置。
Description
技术领域
本发明涉及使用例如车辆测量物体的位置(之前记录的物体位置数据)与全球定位系统(GPS)车辆位置数据的组合来确定车辆的地理位置。
背景技术
许多车辆主动安全功能及其它车辆应用依赖于精确的车辆位置数据。例如,车辆与车辆之间和车辆与公共设施之间的分析,包括正向碰撞警报和增强交通灯违反警报,需要确定精确的车辆位置,以恰当地警告驾驶员有关潜在的威胁。车道偏离警告、自适应前照明、交通灯违反警报和车道居中需要精确的车道几何测量,这基于位置数据,例如GPS位置数据。因此,许多车辆主动安全功能的恰当执行直接受车辆位置测量的精确度限制。当前可用于非军用的GPS定位方法在某些情形下仅精确到3米以内,当低于最小数量的卫星针对于车辆时,GPS定位精度会进一步降低。因此,当前定位方法的精度和可靠性对于许多车辆主动安全功能是不足的。
需要一种提高例如使用GPS系统的车辆位置测量的精度的方法和系统。
发明内容
一种方法和系统可确定车辆的估计位置,使用与车辆相关联的传感器测量相对于车辆的物体位置,并结合之前存储的物体位置使用测量的物体位置来确定更新的车辆位置。估计的车辆位置可使用与跟传感器相关联的不同的系统如GPS系统来确定。物体位置可相对于对应于车辆位置的子地图来测量。
本发明提供以下技术方案:
方案1. 一种方法,包括:
确定车辆的估计位置;
使用与所述车辆相关联的传感器来测量物体相对于所述车辆的位置;以及
结合之前存储的物体位置使用测量的相对物体位置来确定更新的车辆位置。
方案2. 如方案1所述的方法,其中使用不同于与所述传感器相关联的系统的系统来确定所述估计位置。
方案3. 如方案1所述的方法,其中之前存储的物体位置相对于子地图测量,所述方法包括使用所述车辆的估计位置确定多个子地图中的哪个对应于车辆位置。
方案4. 如方案1的方法,包括通过确定相对于之前存储的物体位置的车辆位置来确定所述更新的车辆位置。
方案5. 如方案1的方法,包括结合之前存储的物体位置使用相对物体位置来更新物体位置。
方案6. 如方案1的方法,其中使用最小二乘数学方法来更新估计的车辆位置。
方案7. 如方案1的方法,其中相对于分为多个子地图的全球环境地图确定所述车辆的位置。
方案8. 一种系统,包括:
数据库,其存储之前收集的关于物体位置的信息;
车辆位置检测系统;
传感器;
控制器,用于:
从所述车辆位置检测系统确定所述车辆的估计位置;
使用所述传感器测量物体相对于所述车辆的位置;以及
结合之前存储的物体位置使用测量的相对物体位置来确定更新的车辆位置。
方案9. 如方案8的系统,其中所述控制器用于使用不同于与所述传感器相关联的系统的系统来确定所述车辆的估计位置。
方案10. 如方案8的系统,其中所述控制器用于确定相对于子地图的之前存储的物体位置,所述方法包括使用所述车辆的估计位置确定多个子地图中的哪个对应于车辆位置。
方案11. 如方案8的系统,其中所述控制器用于通过确定相对于之前存储的物体位置的车辆位置来确定所述更新的车辆位置。
方案12. 如方案8的系统,其中所述控制器用于结合之前存储的物体位置使用相对物体位置来更新物体位置。
方案13. 如方案8的系统,其中所述控制器用于使用最小二乘数学方法来确定更新的车辆位置。
方案14. 如方案8的系统,其中所述控制器用于相对于分为多个子地图的全球环境地图确定所述车辆的位置。
方案15. 一种方法,包括:
在车辆中,使用与所述车辆相关联的传感器来评估路标的地理位置;以及
使用评估的路标位置来计算所述车辆的地理位置。
方案16. 如方案15的方法,其中路标位置相对于子地图评估,所述方法包括使用所述车辆的计算位置来评估多个子地图中的哪个对应于车辆位置。
方案17. 如方案15的方法,包括通过相对于评估的路标位置计算所述车辆的位置来计算所述车辆的地理位置。
方案18. 如方案15的方法,包括结合多个之前检测的路标位置使用评估的路标位置来更新路标位置。
方案19. 如方案15的方法,其中使用最小二乘数学方法来计算所述车辆的位置。
方案20. 如方案15的方法,其中根据分为多个子地图的全球环境地图来计算所述车辆的位置。
附图说明
在说明书的结论部分特别指出和明确要求了作为本发明的主题。但是,当结合附图阅读时,参考下面的详细描述可最佳地理解本发明的操作的组织和方法、以及其目的、特征和优点,其中:
图1为根据本发明实施例的车辆和物体位置测量方法和系统的示意图;
图2为根据本发明实施例的车辆定位系统的示意图;
图3为使用根据本发明实施例的物体位置测量系统的车辆的示意图;
图4为使用根据本发明实施例的物体位置测量系统的车辆的示意图;
图5为根据本发明实施例的用于测量物体位置以更新车辆位置的方法的流程图;以及
图6为根据本发明实施例的方法的流程图。
附图标记在附图中可重复,以表示相应或相似的元件。此外,附图中示出的一些框可组合成单一的功能。
具体实施方式
在下面的详细描述中,陈述了许多具体细节,以提供本发明实施例的全面理解。但是,本领域的技术人员可理解,可没有这些具体细节就实施本发明的实施例。在其它情况下,并不详细描述公知的方法、程序、部件和电路,以便不会使本发明不明显。
除非以其它方式具体地陈述,从下面的描述可清楚,在整个说明书描述中利用术语,例如“处理”、“计算”、“存储”、“确定”、“估计”、“测量”、“提供”、“传输”等,指的是计算机或计算系统或类似电子计算装置的动作和/或过程,其将表示为计算系统的驻存器和/或存储器内的物理量(例如电子量)的数据处理和/或转换成类似地表示为计算系统存储器、驻存器或其它此类信息存储、传送或显示装置内的物理量的其它数据。
本发明的实施例可组合车辆的位置或地理位置信息(及相关信息,例如行驶方向、速度、加速度、航向、横摆率等)和由与车辆相连的传感器测量的数据,以定位或确定车辆的绝对位置。例如可从具有有限精度(例如,至3米)的GPS系统来确定起初的或“总体”位置数据。精炼或更加精确的位置数据可通过感测在车辆外部的具有已知位置的物体的相对位置以及调节或修改初始或总体位置数据来确定。
例如,身为成像器的传感器可将物体、路标或元件成像,确定物体相对于车辆的相对位置、路标或元件相对于车辆的相对位置,并使用该信息来确定或精练车辆位置。感测的物体、路标或元件通常为静态元件,包括,但不限于,灯柱、交通信号/灯、桥、出口坡道、路肩、树、石头、道路标志、建筑物、基础设施元件、静态天然物体或其它物体。车辆中的系统可使用安装在车辆内或以其它方式与车辆相连的传感器测量或估计物体的位置。可使用本领域技术人员已知的不同类型的传感器,包括,但不限于,成像器、雷达接收器、超声波传感器或光感装置(例如,LIDAR(光探测和测距)装置)。车辆可为机动车,例如轿车、厢式汽车或货车,但是本发明的实施例可与其它机车或非机车装置一起使用。起始的位置信息可来自车辆位置检测系统,例如GPS信息、航位推算信息(例如,车轮速度、加速度、横摆速率等)、车辆传感器测量的相对位置信息或其它信息。测量的物体位置和计算的车辆位置可存储在安装于车辆中的计算机或计算系统、未安装在车辆中的计算机、或者其它存储装置或介质中。
在一个实施例中,基于估计的车辆位置和物体相对于车辆的相对位置产生物体或路标的几何位置。通过几次通行或旅程,物体位置的精度被精炼和提高(由于在一个实施例中,物体位置部分地从车辆固有的不精确GPS位置来获得)。在单独的车辆旅程上,可使用该越来越精确的物体位置来为该旅程的车辆精炼或产生更加精确的GPS信息。
当本文描述时,车辆中传感器的位置、观看点、航向或方向、及其它位置和方向数据通常可与车辆的其它数据互相交换。当在本文使用时,由于图像由安装在车辆内的传感器来捕获,所以距车辆的距离和角度通常为距传感器的距离和角度。在一个实施例中,有关车辆尺寸的边界信息可被添加至传感器的位置和方向数据。因此可考虑传感器在车辆内或相对于车辆的位置。
图1为根据本发明实施例的车辆和物体位置测量系统的示意图。车辆10(例如,汽车、货车或其它车辆)可包括车辆定位系统100。一个或多个传感器可附连至车辆10或与车辆10相联。LIDAR或激光雷达(LADAR)传感器20、雷达传感器22、计算机视觉传感器(例如摄像机)24、成像器或其它远程感测装置可获得允许系统100确定静态路标或物体30(例如,街道信号、树、桥、建筑物、结构或其它静态路标)相对于车辆的相对位置的数据。
LIDAR传感器20和雷达传感器22优选安装在车辆的前面或后面,但是也可安装在车辆10的侧面或任意其它位置。一个或多个LADAR传感器20和/或雷达传感器22可大体上沿着通常向前行驶的方向、与通常向前行驶方向相反的方向、或者沿着相对于车辆10的任意其它方向地面向或感测。在一个实施例中,摄像机24可面向前方(例如,面向通常行驶的方向)、可通过挡风玻璃28成像、并可例如安装至后视镜26。摄像机24还可面向后方(例如,面向与通常行驶相反的方向)。摄像机24还可位于其它位置,例如在乘客舱50外面并相对于车辆10在任意方向。可使用不只一个摄像机24,从不同的观看点获得图像。
一个或多个传感器20、22、24可通过例如有线链接40或无线链接向车辆定位系统100传输感测的数据(例如,图像)。不只一个传感器20、22、24可与车辆相联,从不同的观看点获得物体位置的信息。
在本发明的一个实施例中,车辆定位系统100为安装在车辆仪表板上、乘客舱50中或行李箱60中的计算装置或包括该计算装置,并可为传统车辆定位检测系统(例如GPS)的一部分,或与其相连、或从其接收定位信息或包括该系统。在替代实施例中,车辆定位系统100可位于车辆的其它部分中、可位于车辆的多个部分、或者将其全部或部分功能设在远程(例如,在远程服务器中)。
每个物体30都可具有为其存储的信息(例如,在系统100中),例如经度、纬度以及高度或海拔。车辆位置数据可包括行驶航向或方向,因此可包括例如六个数,如经度、纬度、高度或海拔以及航向数据,该航向数据可包括三个数。还可使用用来表示物体位置和车辆位置和/或航向的其它方法和系统。
在本发明的一个实施例中,车辆10可包括车辆动态测量装置。车辆动态测量装置可包括一个或多个惯量测量单元(IMU)70、加速度计72、速度计74、车辆速度传感器76、转向传感器78或其它装置。这些装置可测量车辆动态数据,包括纵向加速度、横向(即,角向或向心)加速度、横摆率、速度、车轮旋转、转向方向及车辆10的其它的车辆动态特征。测量的车辆动态信息可通过例如有线链接或无线链接传输至系统100。车辆动态数据可被系统100或其它系统在航向推算和其它计算中使用。
图2为根据本发明实施例的车辆定位系统的示意图。车辆定位系统100可包括一个或多个处理器或控制器110、存储器120、长期存储器130、输入装置或区域140、及输出装置或区域150。输入装置或区域140可为例如触摸屏、键盘、麦克风、指针设备或其它装置。输出装置或区域150可为例如显示器、屏幕、音响装置(例如扬声器或耳机)或其它装置。输入装置或区域140和输出装置或区域150可组合成例如触摸屏显示输入,其可为系统100的一部分。车辆定位系统100可包括GPS系统180或用于接收或确定如车辆10的位置信息的另一系统,或与该系统联接或连接。GPS系统180可位于车辆10中与系统100分开的位置。
系统100可包括一个或多个数据库170,该数据库可包括例如之前遇到的各物体(例如,交通信号、树、雕像、车道标记等)的信息,包括物体的地理或三维(3D)位置以及物体几何信息或其它物体分类信息,以及可能的标识符或索引标识。物体(例如树)的地理或3D位置可例如以GPS系统中所用的格式或位置、XYZ坐标组、或其它适当的定位信息来存储。系统100还可基于感测的物体数据将物体数据按照几何、形状、外观、颜色、纹理、或物体的其它物理特征来分类。例如,如果由传感器(例如,LIDAR 20或摄像机24)测量的被感测的物体形状数据与之前存储的树的几何数据相匹配,那么系统100可与3D位置数据一起存储将物体分类为树的物体几何数据。
数据库170可全部或部分地存储在存储器120、长期存储器130或其它装置中的一个或两个中。系统100可包括地图数据175,但是该数据可被远程访问,并可与系统100分开地存储。地图数据还可存储在数据库170中。地图数据175可包括由车辆10之前测量的物体的3D位置、几何形状、和/或外观。
处理器或控制器110可为例如中央处理单元(CPU)、芯片或任何适当的计算装置。处理器或控制器110可包括多个处理器,并可包括通用处理器和/或专用处理器,例如图形处理芯片。处理器110可执行例如存储在存储器120或长期存储器130中的代码或指令,以实施本发明的实施例。
存储器120可以是或可包括例如,随机存取存储器(RAM)、只读存储器(ROM)、动态RAM(DRAM)、同步DRAM(SD-RAM)、双倍数据速率(DDR)存储器芯片、闪存、易失性存储器、非易失性存储器、高速缓冲存储器、缓冲器、短期存储单元、长期存储单元或其它适当的存储器单元或存储单元。存储器120可以是或包括多个存储器单元。
长期存储器130可以是或可包括,例如,硬盘驱动器、软盘驱动器、光盘驱动器(CD)、CD-可刻录(CD-R)驱动器、通用串行总线(USB)装置或其它适当的可移动和/或固定存储单元,并可包括多个单元或这些单元的组合。
存储器120和/或长期存储器130和/或其它存储装置可存储车辆10遇到的道路、交叉路口或其它区域的几何信息,可包括例如位置坐标(例如,X/Y/Z坐标,GPS坐标)和静态物体30的几何形状数据。
图3为使用根据本发明实施例的物体位置测量系统的车辆的示意图。配备有传感器的车辆10(例如,轿车或其它类车辆)可为静止或运动的。车辆10可使用传感器20、22、24来测量物体相对于车辆的位置。相关物体或路标位置220可表示物体30、车道标记230、路肩240或其它静态物体的相对位置。相关路标或物体位置220为物体30相对于车辆10的相对地理位置或定位。相关物体位置220可存储为车辆定位系统100中的数据。在一个实施例中,相关物体位置220数据可存储为矢量。
在一个实施例中,传感器可包括一个或多个LIDAR装置20和/或雷达装置22。LIDAR装置20和/或雷达装置22可测量相对于车辆的物体位置和物体30与车辆10之间的相对角度。系统100可使用物体位置和角度数据来确定相关物体定位220。LIDAR传感器20可测量物体30的几何(例如,尺寸和形状)和/或其它特征。
在一个实施例中,传感器可包括计算机视觉传感器(例如,摄像机)24。系统100可使用由一个或多个摄像机24感测的数据,利用各种方法来确定相关物体定位220。例如,可使用三角测量方法或其它方法。当车辆10相对于物体30移动时,摄像机24可捕获物体30的多幅图像。系统100可确定从摄像机24到物体30的线的角度。系统100可在三角计算方法中使用多幅图像和确定的角度来确定相关物体定位220。摄像机24相对于车辆10的GPS中心点的具体位置和视角可以是已知的,并用于这种计算。摄像机24可提供图像,从而提供测量(例如,使用处理器110)物体30的视觉特征或外观(例如,纹理和颜色)和/或其它特征的能力。
车辆定位系统100可取回例如前次旅程期间车辆10收集或测量的物体位置、几何和/或外观数据。之前测量的物体位置、几何和/或外观数据可被匹配至当前传感器测量的相关物体定位220、传感器测量的物体几何、传感器测量的物体外观、和/或其它传感器测量信息。之前测量的物体位置数据可表示关于全球地图或子地图坐标框架的物体的位置。然而当前传感器测量的相关物体定位220可表示关于车辆坐标框架的物体的位置。为了将测量的当前相关物体定位220匹配至之前测量的物体定位数据,车辆定位系统100可使用转换矩阵算法或其它方法来将测量的相关物体定位220测量转换为全球或子地图坐标框架。替代地,之前测量的物体位置数据可使用转换矩阵算法转换为车辆坐标框架,以便匹配。也可使用其它坐标转换方法。
通过将相关物体定位220、几何和外观匹配至之前存储的测量数据,可在车辆定位系统100中计算和更新车辆10的位置。车辆定位系统100还可将相对物体定位220匹配至之前存储的测量数据,以更新表示物体30、分道线230、道路边缘240或其它静态物体的位置的存储位置数据。
图4为示出使用根据本发明实施例的物体位置测量系统的车辆的示意图。车辆旅程可映射至地理数据或信息的大型或全球环境地图300上。全球地图300可表示地球一部分的地理和/或地形,包括路标、物体、之前的车辆位置数据和其它信息。在一个实施例中,全球地图300存储为系统或数据库(例如,数据库170)中的地理位置数据(例如,相对于基准点(如家庭或办公室)的X/Y/Z坐标,GPS坐标)的列表。包含整个车辆旅程的全球地图300可能跨越许多英里。例如,全球地图300可能覆盖从家到工作地的路线或任何其它车辆路线。在相对短的旅程中,传感器20、22、24可能检测成千上万的路标,产生对于系统100或任何计算机过大以致相对于全球地图300无法有效处理的数据量。而且,车辆和路标位置测量可基于感测的车辆相对于路标220的相对位置来确定。如果物体30距车辆10越近,则感测的测量的精度越高。因此,为了提高车辆定位系统100中的处理时间、数据存储效率和测量精度,大型地图300可被分为多个子地图或局部地图302、304、306、308。全球地图300可为与GPS系统相关联的传统地图的一部分或来自该传统地图。
在一个实施例中,子地图302、304、306、308可在系统或数据库(例如,数据库170)中存储为地理位置信息(例如,X/Y/Z坐标,GPS坐标)的列表。每个子地图可连结至全球地图300中的一个节点或由该节点表示,每个子地图可覆盖例如沿各方向几百米的距离。也可使用其它子地图尺寸。每个子地图的尺寸都受与车辆相关联的传感器20、22、24的有效范围或其它因素限制。例如,LIDAR传感器20、雷达传感器22和计算机视觉传感器24的有效范围可从80到140米。图4中的全球地图300示出了四个子地图302、304、306、308,但是可以存在任意数量的子地图构成全球地图300。
每个子地图都可包括一组物体位置数据,该数据可包括物体相对于例如子地图302的原点310的位置。可通过例如确定最靠近当前已知的、估计的或计算的车辆位置的子地图原点来确定车辆是否在特定子地图中。在一个实施例中,子地图由它们的原点定义,子地图的边界由例如Voronoi数学方法确定。也可使用定义子地图的其它方法。通过查找子地图的Voronoi相邻空间、并且如果该空间内的子地图共享物体或路标则确定它们相邻来发现相邻的子地图。当车辆10第一次行驶新路线时可产生新的子地图。例如,如果车辆距当前子地图的原点的距离大于100米或另一阈值,那么产生新的子地图。原点310可为子地图302内的任意点。当系统100产生子地图302时或在任意其它时刻可确定原点310。当产生子地图302时,原点310可定义为产生子地图302时车辆10所位于的点。通过将物体30相对于子地图的位置与子地图(或子地图的原点)相对于全球地图300的位置相结合,可确定物体30相对于全球地图300或在绝对意义上的位置。
当车辆10行驶通过由子地图302表示的区域时,可使用来自一个或多个传感器20、22、24的数据测量物体312、314在车辆所位于的子地图302内的位置或相对位置(相对于车辆10)。一个或多个LIDAR传感器20还可测量物体312、314的几何(例如,尺寸和形状)。一个或多个摄像机24可测量或提供能够测量物体312、314的视觉特征或外观(例如,纹理和颜色)的图像。基于估计的子地图302中的车辆位置和测量的物体312、314的相对位置,可计算物体312、314相对于子地图302的原点310的位置。将估计的或计算的物体312、314相对于子地图302的原点310的位置与之前存储的物体位置数据作比较,以确定物体312、314的位置与存储的物体或路标数据是否匹配。还可将物体312、314的几何(例如,尺寸和形状)和外观(例如,纹理和颜色)与之前存储的物体几何和外观数据作比较,以确定物体312、314与存储的物体或路标数据是否匹配。如果物体312、314相对于子地图302的原点310的位置、几何和/或外观与之前存储的数据匹配,那么物体312、314关于子地图302的原点310的位置可用来更新存储的物体位置数据。如果物体312、314关于子地图302的原点310的位置、几何和/或外观与之前存储的数据不匹配,那么存储的数据可更新成包括物体312、314的位置。基于物体312、314相对于子地图302的原点310的位置和存储的物体位置数据,可确定车辆10的更新位置。
相邻、重叠或邻近的子地图的位置可彼此相关联。子地图302可与邻近子地图304、306重叠,公用路标312(例如,对应于物体30或就是物体30)可存在,该公用路标可在各相邻的两个或多个重叠子地图302、304中被车辆10感测或测量。公用路标312可用来将邻近或相邻子地图302、304的位置彼此相关联。相邻子地图302、304的原点310的位置可使用作为基准点的公用路标312彼此相关联。基于子地图302关于相邻子地图304、306的关联位置,也可更新物体316、318、320在相邻子地图中关于子地图304、306的各原点310的位置。各子地图原点310关于各相邻子地图原点310的关联位置可用来产生全球环境地图300。
根据一个实施例,使用数学建模技术可计算或确定或估计或最优化车辆10和测量的物体30相对于子地图302的位置。还可使用数学建模技术计算相对于邻近或相邻子地图304、306的车辆位置和物体位置。所述数学建模技术可为加权最小二乘算术方法、贝叶斯滤波方法(例如,卡尔曼滤波和粒子滤波)或其它数学方法。
加权最小二乘算术方法可用来根据之前测量的车辆位置数据(例如,具有低精度的GPS数据)、之前测量的路标位置数据、航向推算位置估计、和传感器测量的路标相对于车辆220的相对位置,来计算或估计车辆10和测量的路标30相对于子地图或子地图原点310的位置。在一个实施例中,可最小化下面的公式,以从初始或估计的车辆位置最优化或精炼车辆位置:
加权最小二乘近似方法,该方法的一个例子在上式中所表示,可被使用来确定或更新相对于子地图的车辆位置和测量的路标。计算的和值可为加权最小二乘方程的近似、最佳拟合或最小化解。可以规定的间隔或时间步长或以预定的更新速率来计算当前车辆位置和物体位置。当前车辆位置和物体位置可例如每100毫秒或以其它间隔计算。
方程的第一项表示之前记录的车辆位置数据的贡献,其中可为恰在计算时间(例如,当前旅程的一个位置)之前计算的相对于子地图302的车辆位置。例如,可在之前的间隔或时间步长内已经计算过。集合可为当前车辆旅程期间记录的车辆位置数据的之前的分布。集合可为例如之前时间步长期间记录的车辆位置数据的之前的分布,其中可为之前记录的车辆位置的矢量,可为表示记录的车辆位置的协方差的矩阵。例如车辆位置可已经在计算车辆位置的当前时间之前的100毫秒(或其它时间)测量过。因此,车辆位置可提供当前车辆位置的很接近的近似。因此,项表示之前测量的在当前旅程上的车辆位置对相对于子地图302的车辆位置的加权最小二乘近似的贡献。
项表示之前记录的物体位置数据的贡献,其中可为之前测量的相对于子地图302的物体位置。集合可为之前车辆旅程期间或当前旅程期间记录的物体位置数据的之前的分布,其中可为之前记录的物体位置的矢量,可为表示之前记录的物体位置的协方差的矩阵。集合可包括来自其它源(包括,但不限于,GPS数据)的最佳估计的物体位置数据。
项可表示航向推算车辆位置计算的贡献。航向推算车辆位置计算可使用车辆的动态输入估计车辆的位置(例如,基于来自传感器如70、72、74和76的数据的计算)。矩阵和为将非线性车辆位置数据和转换为线性数据集合的线性矩阵。由矢量表示车辆动态输入,可包括横摆率、纵向加速度、横向加速度、速度或其它车辆动态。
车辆定位系统100可计算车辆位置和物体位置关于子地图302的加权最小二乘近似解值。系统100还将车辆位置数据和物体位置数据存储在数据库(例如,存储器120)中,并将该数据提供给增强的驱动应用。也可使用利用来自具有已知位置的物体的相对位置来确定或精炼车辆位置的其它方法。
图5为示出根据本发明实施例的使用物体位置更新车辆位置的方法的流程图。其操作可由车辆定位系统100或者与车辆10相联或分开的其它系统来实施。如框402中所示,可在开始车辆点火时起动系统或程序。如框404所示,可由系统100确定(例如,通过GPS或传感器测量)来确定车辆的位置。如框406所示,如果无法由系统100确定或计算车辆的初始位置,那么可使用存储在例如存储器120、长期存储器130或其它存储装置中的最后位置。无论新数据(可包括车辆位置、路标位置、车辆动态数据(例如,纵向加速度、横向加速度、横摆率)和其它数据)是否可用,都可被系统100访问,如框408所示。如框410和412所示,使用车辆位置数据(例如,GPS数据),可确定哪个子地图对应于当前车辆位置。对应于车辆位置的子地图可基于车辆位置、之前记录的路标位置数据、和路标相对于车辆的相对位置中的一个或多个来确定。在一个实施例中,可通过测量车辆与一个或多个子地图原点310之间的相对距离来确定对应于车辆位置的子地图。与车辆10最近的子地图原点310可对应于车辆10被认为所位于的子地图302。
如果系统100确定车辆位置不对应于之前存储的子地图的位置,那么在系统中产生新的子地图(例如,存储在存储器120中),如框414所示。当车辆10第一次行驶通过一个地形时产生新的子地图。第一次车辆10起动时,系统100可不含有子地图。
使用来自与车辆相关联的一个或多个传感器20的数据,可检测物体,并可确定相对于车辆的物体位置,如框416所示。在一个实施例中,只有小于预定尺寸(例如,宽度或直径)的物体可被传感器20、22、24测量。例如,只有直径或宽度小于0.5米(m)的物体可被测量。在一个实施例中,只有距离任意附近物体大于预定距离的物体可被传感器20、22、24测量。例如,只有距离最近物体大于2米的物体可被跟随。在一个实施例中,只有相对于地面移动小于预定对地速度的物体可被传感器20、22、24测量。例如,在一个实施例中,只有行驶小于1 m/s的物体可被检测。移动快于预定对地速度的物体可被过滤掉,以确保只有静态物体被记录为路标。但是,缓慢移动的物体可为例如风中吹动的树;因此,可检测某些缓慢移动的物体。在本发明的其它实施例中,可检测或测量任意尺寸、距附近物体任意距离或任意对地速度的物体。
如果物体30满足尺寸、接近其它物体、速度、其它标准,那么可确定该物体是否匹配存储器120、长期存储器130或其它存储装置中之前记录的物体中的任意一个,如框418所示。通过比较物体坐标位置、尺寸、速度、物体形状、物体几何、物体颜色、物体纹理和其它数据可匹配物体。如果路标或物体30未与之前记录的物体中的任意一个相匹配,那么可将物体30增加至系统存储器(例如,存储器块120),如框420所示。因为物体30被之前测量期间的另一存储物体(例如,另一轿车)遮蔽或堵塞,所以可确定测量的物体30不与之前测量的任意物体相匹配。如果之前测量中遮蔽所测量物体30的物体在随后的测量中不再出现,那么可从存储器数据库(例如,存储器120)删除遮蔽物体,如框422和框424所示。
物体位置数据或更新位置数据可用来关于车辆10所位于的子地图302定位邻近、或相邻的子地图304、306,如框426所示。如框428和430所示,在确定相邻子地图304、306之后,可通过系统100刷新、精炼或计算当前子地图302物体位置数据和车辆关于子地图302的位置。通过系统100使用数学建模技术,可确定计算的子地图物体位置数据和车辆位置。一种数学建模方法例如可基于在当前子地图内的之前测量的车辆位置数据、在当前子地图内的之前测量的路标位置数据、航向推算计算、和路标相对于车辆220的相对位置来计算近似或最佳拟合相对于子地图的物体位置和车辆位置数据。也可使用确定或精炼车辆位置的其它方法。
如框432所示,至于相对于当前子地图302的计算或精练的车辆位置和物体位置,可更新位于相邻子地图内的物体312、316、318的位置。通过将相邻子地图304、306的位置关联至对应于车辆位置的子地图302的位置,可更新物体312、316、318的位置。基于位于两个相邻子地图(例如,子地图302和子地图304)内的物体312的计算位置,可将相邻子地图304、306的位置关联至当前子地图302。
车辆位置和物体位置可输出至用户(例如,通过显示器)和/或一个或多个增强驱动应用(例如,增强物体检测系统),如框434所示。增强物体检测系统可使用之前存储的物体位置来构造关于之前存储的物体的道路几何的地图。在车辆于道路上的后续旅程中,增强物体检测系统可关于道路几何而定位和安置车辆10。然后增强物体检测可只测量道路中的物体,从而降低物体检测面积,因而加速物体检测过程。通过只测量道路中的物体,还会降低错误物体检测的次数。
系统100可输出车辆和路标位置数据至自适应前照明(AFL)应用。AFL应用可使用车辆位置和物体位置数据以关于之前存储的物体构造道路表面几何。在车辆于道路上的后续旅程中,增强物体检测系统可使用车辆位置和物体位置数据以相对于道路几何来定位和安置车辆10。然后AFL可使用车辆相对于道路几何的定位位置来控制车辆前大灯、前灯、雾灯或其它照明装置的方向和航向。
系统100可输出车辆和路标位置信息至交通灯违章警报应用。交通灯违章警报应用可利用车辆位置和物体位置数据来相对于之前存储的物体构造交叉路口的环境地图。之前存储的物体位置可包括交通灯、车道标志、交叉路肩及其它路标。然后交通灯违章警报应用可相对于存储的物体位置定位车辆,并确定车辆10位于哪个车道。假如车辆相对于道路上的车道标志的位置精确,交通灯违章警报系统可基于车辆10的车道位置输出不同的指令或警报。
系统100可输出车辆和路标位置信息至正面碰撞警告(FCA)应用。FCA应用还可具有知晓位置或知晓环境的威胁评估功能。FCA可通过音响信号、灯光或其它方法警告驾驶员在车辆前方有造成潜在碰撞危险的物体来发挥作用。FCA可使用路侧路标和计算的车辆位置数据来阻止碰撞警告错误警报。当FCA系统警告驾驶员车辆前方不存在物体时,产生FCA错误警报。可通过存储引起故障警告的物体的位置和故障警报时的车辆位置来阻止所述错误警告。在后续车辆旅程中,FCA可基于之前记录的车辆和物体位置数据来识别在之前旅程中引起错误警报的错误物体,并阻止错误警告。
图6为根据本发明实施例的方法的流程图。
操作500中,可确定估计的车辆位置。车辆(例如图1的车辆10)的估计位置可通过传感器或系统(例如GPS系统)确定。
操作510中,使用来自与车辆相连的传感器(例如图1的传感器20)的数据计算或测量物体相对于车辆的位置。例如,可使用例如图像数据、LIDAR数据等相对于车辆位置确定交通信号、天然物体或其它物体的位置。操作510中使用的传感器可不同于步骤500中使用的系统或传感器。
操作520中,可结合之前存储的物体位置使用测量的物体位置(例如图2中相对物体位置220)确定更新的车辆位置。
可使用其它操作或其它系列的操作。
本发明的实施例可包括用于执行本文所述操作的设备。这类设备可专门构造用于期望的目的,或可包括通过存储在计算机内的计算机程序而有选择地激活或再配置的计算机或处理器。该计算机程序可存储在计算机可读或处理器可读的存储介质、任意类型的盘(包括软盘、光盘、CD-ROM、磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、电可擦写可编程只读存储器(EEPROM)、磁卡或光卡、或者适于存储电子指令的任何其它类型介质。应当清楚,可使用各种编程语言来实现本文所述的本发明教导。本发明的实施例可包括编码、包括或存储指令(例如计算机可执行指令)的制品,例如非暂时性计算机或处理器可读存储介质(例如存储器、盘式驱动器或USB闪存),当所述指令被处理器或控制器执行时,引起处理器或控制器实施本文所公开的方法。所述指令可引起处理器或控制器执行实施本文公开方法的程序。
本文所述各实施例的特征可与本文所述的其它实施例一起使用。为说明和描述性目的给出了本发明实施例的前面描述。不意欲详尽地或将本发明限制为所公开的精确模式。本领域技术人员应当清楚,根据上面的教导,许多修改、变型、替代品、变化或等效物都是可能的。因此,应当理解,所附权利要求意欲覆盖落入本发明实质内的所有这种修改和变化。
Claims (10)
1.一种方法,包括:
确定车辆的估计位置;
使用与所述车辆相关联的传感器来测量物体相对于所述车辆的位置;以及
结合之前存储的物体位置使用测量的相对物体位置来确定更新的车辆位置。
2.如权利要求1所述的方法,其中使用不同于与所述传感器相关联的系统的系统来确定所述估计位置。
3.如权利要求1所述的方法,其中之前存储的物体位置相对于子地图测量,所述方法包括使用所述车辆的估计位置确定多个子地图中的哪个对应于车辆位置。
4.如权利要求1所述的方法,包括通过确定相对于之前存储的物体位置的车辆位置来确定所述更新的车辆位置。
5.如权利要求1所述的方法,包括结合之前存储的物体位置使用相对物体位置来更新物体位置。
6.如权利要求1所述的方法,其中使用最小二乘数学方法来更新估计的车辆位置。
7.如权利要求1所述的方法,其中相对于分为多个子地图的全球环境地图确定所述车辆的位置。
8.一种系统,包括:
数据库,其存储之前收集的关于物体位置的信息;
车辆位置检测系统;
传感器;
控制器,用于:
从所述车辆位置检测系统确定所述车辆的估计位置;
使用所述传感器测量物体相对于所述车辆的位置;以及
结合之前存储的物体位置使用测量的相对物体位置来确定更新的车辆位置。
9.如权利要求8所述的系统,其中所述控制器用于使用不同于与所述传感器相关联的系统的系统来确定所述车辆的估计位置。
10.一种方法,包括:
在车辆中,使用与所述车辆相关联的传感器来评估路标的地理位置;以及
使用评估的路标位置来计算所述车辆的地理位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/151064 | 2011-06-01 | ||
US13/151,064 US9140792B2 (en) | 2011-06-01 | 2011-06-01 | System and method for sensor based environmental model construction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102809379A true CN102809379A (zh) | 2012-12-05 |
CN102809379B CN102809379B (zh) | 2016-05-18 |
Family
ID=47173567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210178090.4A Active CN102809379B (zh) | 2011-06-01 | 2012-06-01 | 用于基于传感器的环境模型构造的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9140792B2 (zh) |
CN (1) | CN102809379B (zh) |
DE (1) | DE102012208974A1 (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277190A (zh) * | 2014-06-30 | 2016-01-27 | 现代自动车株式会社 | 用于车辆自定位的装置和方法 |
CN105324729A (zh) * | 2013-06-14 | 2016-02-10 | 罗伯特·博世有限公司 | 用于模型化车辆的周围环境的方法 |
CN106574976A (zh) * | 2014-04-09 | 2017-04-19 | 大陆-特韦斯股份有限公司 | 通过参考周围环境中的物体来进行车辆的位置校正 |
CN107036607A (zh) * | 2015-12-15 | 2017-08-11 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN107077784A (zh) * | 2015-01-31 | 2017-08-18 | 奥迪股份公司 | 用于提供关于在机动车的环境区域中的至少一个对象的信息的方法和系统 |
WO2017177651A1 (en) * | 2016-04-15 | 2017-10-19 | Huawei Technologies Co., Ltd. | Systems and methods for side-directed radar from a vehicle |
CN107305587A (zh) * | 2016-04-22 | 2017-10-31 | 丰田自动车株式会社 | 周边信息收集系统以及周边信息获取装置 |
CN107643073A (zh) * | 2016-07-20 | 2018-01-30 | 福特全球技术公司 | 后部摄像机路口检测 |
CN108225320A (zh) * | 2016-12-22 | 2018-06-29 | 通用汽车环球科技运作有限责任公司 | 使用v2x、传感器和gnss信息的车辆定位系统 |
CN108627175A (zh) * | 2017-03-20 | 2018-10-09 | 现代自动车株式会社 | 用于识别车辆位置的系统和方法 |
CN109154506A (zh) * | 2016-04-11 | 2019-01-04 | 大众汽车有限公司 | 用于确定第一地标的全局位置的方法和系统 |
CN109425346A (zh) * | 2017-08-30 | 2019-03-05 | 安波福技术有限公司 | 在自动化车辆中使用的多个数字地图的对准 |
CN109920056A (zh) * | 2019-03-18 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 建筑物渲染方法、装置、设备和介质 |
CN110597243A (zh) * | 2018-06-12 | 2019-12-20 | 百度(美国)有限责任公司 | 自动驾驶车辆的基于v2x通信的车辆车道系统 |
CN110969055A (zh) * | 2018-09-29 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111190171A (zh) * | 2018-11-15 | 2020-05-22 | 罗伯特·博世有限公司 | 用于识别地图错误的方法 |
CN111866743A (zh) * | 2020-07-27 | 2020-10-30 | 精英数智科技股份有限公司 | 井下传感器位置更新方法及电子设备 |
CN112639524A (zh) * | 2020-04-30 | 2021-04-09 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN112880694A (zh) * | 2019-11-29 | 2021-06-01 | Aptiv技术有限公司 | 确定车辆的位置的方法 |
Families Citing this family (117)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140379254A1 (en) * | 2009-08-25 | 2014-12-25 | Tomtom Global Content B.V. | Positioning system and method for use in a vehicle navigation system |
US20110250836A1 (en) * | 2010-04-09 | 2011-10-13 | Telcordia Technologies, Inc. | Interference-adaptive uwb radio-based vehicle communication system for active-safety |
US20130127639A1 (en) * | 2011-12-12 | 2013-05-23 | Maryam Mohammadvali | Virtual traffic monitoringsystem and a method for avoiding traffic rule violations |
KR20130068249A (ko) * | 2011-12-15 | 2013-06-26 | 한국전자통신연구원 | 이동체의 위치 추정 장치 및 방법 |
US9488483B2 (en) | 2013-05-17 | 2016-11-08 | Honda Motor Co., Ltd. | Localization using road markings |
DE102013016435B4 (de) * | 2013-10-02 | 2015-12-24 | Audi Ag | Verfahren zur Korrektur von Positionsdaten und Kraftfahrzeug |
US9495602B2 (en) | 2013-10-23 | 2016-11-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Image and map-based detection of vehicles at intersections |
US9384394B2 (en) * | 2013-10-31 | 2016-07-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
CN107533801A (zh) | 2013-11-01 | 2018-01-02 | 国际智能技术公司 | 使用测绘车辆的地图测绘技术 |
US9298992B2 (en) * | 2014-02-20 | 2016-03-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Geographic feature-based localization with feature weighting |
GB201407643D0 (en) | 2014-04-30 | 2014-06-11 | Tomtom Global Content Bv | Improved positioning relatie to a digital map for assisted and automated driving operations |
US9170116B1 (en) | 2014-07-11 | 2015-10-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
US9843893B2 (en) * | 2014-09-09 | 2017-12-12 | Here Global B.V. | Method and apparatus for providing point-of-interest detection via feature analysis and mobile device position information |
US9199643B1 (en) | 2014-09-25 | 2015-12-01 | GM Global Technology Operations LLC | Sensor odometry and application in crash avoidance vehicle |
US10013508B2 (en) | 2014-10-07 | 2018-07-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Joint probabilistic modeling and inference of intersection structure |
EP3018448B1 (en) * | 2014-11-04 | 2021-01-06 | Volvo Car Corporation | Methods and systems for enabling improved positioning of a vehicle |
EP3032221B1 (en) * | 2014-12-09 | 2022-03-30 | Volvo Car Corporation | Method and system for improving accuracy of digital map data utilized by a vehicle |
CA2976344A1 (en) * | 2015-02-10 | 2016-08-18 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
US9616773B2 (en) | 2015-05-11 | 2017-04-11 | Uber Technologies, Inc. | Detecting objects within a vehicle in connection with a service |
KR20180012811A (ko) * | 2015-06-26 | 2018-02-06 | 닛산 지도우샤 가부시키가이샤 | 차량 위치 판정 장치 및 차량 위치 판정 방법 |
US11274928B2 (en) | 2015-08-03 | 2022-03-15 | Tomtom Global Content B.V. | Methods and systems for generating and using localization reference data |
US10508923B2 (en) * | 2015-08-28 | 2019-12-17 | Nissan Motor Co., Ltd. | Vehicle position estimation device, vehicle position estimation method |
JP2017072423A (ja) * | 2015-10-05 | 2017-04-13 | パイオニア株式会社 | 推定装置、制御方法、プログラム及び記憶媒体 |
DE102015220695A1 (de) * | 2015-10-22 | 2017-04-27 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bewerten des Inhalts einer Karte |
CA2981783A1 (en) * | 2015-10-30 | 2017-05-04 | Komatsu Ltd. | Control system of work machine, work machine, management system of work machine, and method of managing work machine |
DE102016205436A1 (de) * | 2015-11-25 | 2017-06-01 | Volkswagen Aktiengesellschaft | Verfahren und System zum Erstellen einer digitalen Karte |
US10712160B2 (en) | 2015-12-10 | 2020-07-14 | Uatc, Llc | Vehicle traction map for autonomous vehicles |
US9840256B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
US9841763B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
JP2017116363A (ja) * | 2015-12-24 | 2017-06-29 | アイシン・エィ・ダブリュ株式会社 | 車両位置推定システム、方法およびプログラム |
US9990548B2 (en) | 2016-03-09 | 2018-06-05 | Uber Technologies, Inc. | Traffic signal analysis system |
JP6569572B2 (ja) * | 2016-03-17 | 2019-09-04 | 株式会社デンソー | 車両位置決定装置 |
DE102016205866A1 (de) * | 2016-04-08 | 2017-10-12 | Robert Bosch Gmbh | Verfahren zur Bestimmung einer Pose eines wenigstens teilautomatisiert fahrenden Fahrzeugs mittels speziell ausgewählter und von einem Backend-Server übertragener Landmarken |
US10838062B2 (en) * | 2016-05-24 | 2020-11-17 | Veoneer Us, Inc. | Direct detection LiDAR system and method with pulse amplitude modulation (AM) transmitter and quadrature receiver |
US10416292B2 (en) | 2016-05-24 | 2019-09-17 | Veoneer Us, Inc. | Direct detection LiDAR system and method with frequency modulation (FM) transmitter and quadrature receiver |
DE102016210029A1 (de) * | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210025A1 (de) * | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210027A1 (de) | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210023A1 (de) | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210017A1 (de) * | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
DE102016210032A1 (de) * | 2016-06-07 | 2017-12-07 | Robert Bosch Gmbh | Verfahren Vorrichtung und System zur Falschfahrererkennung |
CN105954781A (zh) * | 2016-06-30 | 2016-09-21 | 邓春生 | 车载定位系统通信装置 |
US10852744B2 (en) | 2016-07-01 | 2020-12-01 | Uatc, Llc | Detecting deviations in driving behavior for autonomous vehicles |
WO2018006082A2 (en) | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Autonomous vehicle control using submaps |
US10209081B2 (en) * | 2016-08-09 | 2019-02-19 | Nauto, Inc. | System and method for precision localization and mapping |
DE102016214868A1 (de) * | 2016-08-10 | 2018-02-15 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Erstellen oder Ergänzen einer Karte für ein Kraftfahrzeug |
US10127461B2 (en) | 2016-08-12 | 2018-11-13 | Here Global B.V. | Visual odometry for low illumination conditions using fixed light sources |
US10438493B2 (en) | 2016-08-24 | 2019-10-08 | Uber Technologies, Inc. | Hybrid trip planning for autonomous vehicles |
US10066946B2 (en) | 2016-08-26 | 2018-09-04 | Here Global B.V. | Automatic localization geometry detection |
US10712746B2 (en) * | 2016-08-29 | 2020-07-14 | Baidu Usa Llc | Method and system to construct surrounding environment for autonomous vehicles to make driving decisions |
US10317901B2 (en) | 2016-09-08 | 2019-06-11 | Mentor Graphics Development (Deutschland) Gmbh | Low-level sensor fusion |
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 |
US10678240B2 (en) | 2016-09-08 | 2020-06-09 | Mentor Graphics Corporation | Sensor modification based on an annotated environmental model |
US10558976B1 (en) | 2016-09-23 | 2020-02-11 | Wells Fargo Bank, N.A. | Unique identification of customer using an image |
US10599150B2 (en) | 2016-09-29 | 2020-03-24 | The Charles Stark Kraper Laboratory, Inc. | Autonomous vehicle: object-level fusion |
US10377375B2 (en) * | 2016-09-29 | 2019-08-13 | The Charles Stark Draper Laboratory, Inc. | Autonomous vehicle: modular architecture |
EP3516422A1 (en) * | 2016-09-29 | 2019-07-31 | The Charles Stark Draper Laboratory, Inc. | Autonomous vehicle: vehicle localization |
US10452068B2 (en) | 2016-10-17 | 2019-10-22 | Uber Technologies, Inc. | Neural network system for autonomous vehicle control |
US10296001B2 (en) * | 2016-10-27 | 2019-05-21 | Uber Technologies, Inc. | Radar multipath processing |
EP3343431A1 (en) * | 2016-12-28 | 2018-07-04 | Volvo Car Corporation | Method and system for vehicle localization from camera image |
US10449956B2 (en) * | 2017-01-18 | 2019-10-22 | Ford Global Technologies, Llc | Object tracking by unsupervised learning |
US10254121B2 (en) | 2017-01-23 | 2019-04-09 | Uber Technologies, Inc. | Dynamic routing for self-driving vehicles |
US10152635B2 (en) | 2017-01-24 | 2018-12-11 | Here Global B.V. | Unsupervised online learning of overhanging structure detector for map generation |
CN108347691B (zh) * | 2017-01-24 | 2021-10-26 | 华为技术有限公司 | 一种定位方法及设备 |
US10929462B2 (en) * | 2017-02-02 | 2021-02-23 | Futurewei Technologies, Inc. | Object recognition in autonomous vehicles |
US10101745B1 (en) | 2017-04-26 | 2018-10-16 | The Charles Stark Draper Laboratory, Inc. | Enhancing autonomous vehicle perception with off-vehicle collected data |
US20180314253A1 (en) | 2017-05-01 | 2018-11-01 | Mentor Graphics Development (Deutschland) Gmbh | Embedded automotive perception with machine learning classification of sensor data |
WO2018212290A1 (ja) * | 2017-05-19 | 2018-11-22 | パイオニア株式会社 | 情報処理装置、制御方法、プログラム及び記憶媒体 |
JP7074438B2 (ja) * | 2017-09-05 | 2022-05-24 | トヨタ自動車株式会社 | 自車位置推定装置 |
US10613200B2 (en) | 2017-09-19 | 2020-04-07 | Veoneer, Inc. | Scanning lidar system and method |
US10838043B2 (en) | 2017-11-15 | 2020-11-17 | Veoneer Us, Inc. | Scanning LiDAR system and method with spatial filtering for reduction of ambient light |
US11460550B2 (en) | 2017-09-19 | 2022-10-04 | Veoneer Us, Llc | Direct detection LiDAR system and method with synthetic doppler processing |
DE102017216954A1 (de) | 2017-09-25 | 2019-03-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen einer hochgenauen Position und zum Betreiben eines automatisierten Fahrzeugs |
US11194022B2 (en) | 2017-09-29 | 2021-12-07 | Veoneer Us, Inc. | Detection system with reflection member and offset detection array |
US10684370B2 (en) * | 2017-09-29 | 2020-06-16 | Veoneer Us, Inc. | Multifunction vehicle detection system |
US11585901B2 (en) | 2017-11-15 | 2023-02-21 | Veoneer Us, Llc | Scanning lidar system and method with spatial filtering for reduction of ambient light |
US10989538B2 (en) | 2017-12-15 | 2021-04-27 | Uatc, Llc | IMU data offset compensation for an autonomous vehicle |
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 |
US11093759B2 (en) | 2018-03-06 | 2021-08-17 | Here Global B.V. | Automatic identification of roadside objects for localization |
DE102018205322A1 (de) * | 2018-04-10 | 2019-10-10 | Audi Ag | Verfahren und Steuervorrichtung zum Erkennen einer Fehlfunktion zumindest eines Umfeldsensors eines Kraftfahrzeugs |
DE102018206067A1 (de) * | 2018-04-20 | 2019-10-24 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen einer hochgenauen Position eines Fahrzeugs |
US11334753B2 (en) | 2018-04-30 | 2022-05-17 | Uatc, Llc | Traffic signal state classification for autonomous vehicles |
US10546200B2 (en) | 2018-05-23 | 2020-01-28 | Here Global B.V. | Method, apparatus, and system for detecting a physical divider on a road segment |
US11015940B2 (en) * | 2018-07-13 | 2021-05-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for longitudinal position correction of a vehicle using mapped landmarks |
US20200026277A1 (en) * | 2018-07-19 | 2020-01-23 | GM Global Technology Operations LLC | Autonomous driving decisions at intersections using hierarchical options markov decision process |
EP3617749B1 (en) | 2018-09-03 | 2020-11-11 | Zenuity AB | Method and arrangement for sourcing of location information, generating and updating maps representing the location |
CN111212375B (zh) * | 2018-11-20 | 2021-08-03 | 华为技术有限公司 | 定位位置调整方法及其装置 |
US10896334B2 (en) | 2018-11-28 | 2021-01-19 | Here Global B.V. | Method and system of a machine learning model for detection of physical dividers |
US11188765B2 (en) * | 2018-12-04 | 2021-11-30 | Here Global B.V. | Method and apparatus for providing real time feature triangulation |
US11475763B2 (en) * | 2019-02-15 | 2022-10-18 | Autonomous Solutions, Inc. | Semantic information sharing in autonomous vehicles |
GB2596708B (en) * | 2019-03-07 | 2024-01-10 | Mobileye Vision Technologies Ltd | Aligning road information for navigation |
US11096026B2 (en) | 2019-03-13 | 2021-08-17 | Here Global B.V. | Road network change detection and local propagation of detected change |
US11255680B2 (en) | 2019-03-13 | 2022-02-22 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
US11287267B2 (en) | 2019-03-13 | 2022-03-29 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
US11287266B2 (en) | 2019-03-13 | 2022-03-29 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
US11280622B2 (en) | 2019-03-13 | 2022-03-22 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
US11402220B2 (en) | 2019-03-13 | 2022-08-02 | Here Global B.V. | Maplets for maintaining and updating a self-healing high definition map |
US10832439B1 (en) * | 2019-04-19 | 2020-11-10 | Zoox, Inc. | Locating entities in a mapped environment |
US11392128B1 (en) | 2019-04-19 | 2022-07-19 | Zoox, Inc. | Vehicle control using directed graphs |
US11249184B2 (en) | 2019-05-07 | 2022-02-15 | The Charles Stark Draper Laboratory, Inc. | Autonomous collision avoidance through physical layer tracking |
US11293758B2 (en) * | 2019-05-22 | 2022-04-05 | Ford Global Technologies, Llc | Systems and methods for increasing the accuracy of vehicle positioning |
US11474218B2 (en) | 2019-07-15 | 2022-10-18 | Veoneer Us, Llc | Scanning LiDAR system and method with unitary optical element |
US11579257B2 (en) | 2019-07-15 | 2023-02-14 | Veoneer Us, Llc | Scanning LiDAR system and method with unitary optical element |
CN110794392B (zh) * | 2019-10-15 | 2024-03-19 | 上海创昂智能技术有限公司 | 车辆定位方法、装置、车辆及存储介质 |
US11313969B2 (en) | 2019-10-28 | 2022-04-26 | Veoneer Us, Inc. | LiDAR homodyne transceiver using pulse-position modulation |
EP3839434A1 (en) | 2019-12-20 | 2021-06-23 | Zenuity AB | Method and system for generating and updating digital maps |
DE102020208082A1 (de) | 2020-06-30 | 2021-12-30 | Robert Bosch Gesellschaft mit beschränkter Haftung | Ermitteln einer Ausgangsposition eines Fahrzeugs für eine Lokalisierung |
US11619497B2 (en) * | 2020-10-30 | 2023-04-04 | Pony Ai Inc. | Autonomous vehicle navigation using with coalescing constraints for static map data |
JP2022123238A (ja) * | 2021-02-12 | 2022-08-24 | 本田技研工業株式会社 | 区画線認識装置 |
US11326758B1 (en) | 2021-03-12 | 2022-05-10 | Veoneer Us, Inc. | Spotlight illumination system using optical element |
US11732858B2 (en) | 2021-06-18 | 2023-08-22 | Veoneer Us, Llc | Headlight illumination system using optical element |
CN117730239A (zh) * | 2021-07-30 | 2024-03-19 | 华为技术有限公司 | 用于导航的设备和方法 |
DE102021123503A1 (de) | 2021-09-10 | 2023-03-16 | Cariad Se | Ermittlung einer absoluten Initialposition eines Fahrzeugs |
DE102022118587A1 (de) | 2022-07-25 | 2024-01-25 | Bayerische Motoren Werke Aktiengesellschaft | Sensorvorrichtung, Sensorsystem, Umfeldüberwachungssystem, Verfahren und Computerprogramm |
DE102022122031A1 (de) | 2022-08-31 | 2024-02-29 | Cariad Se | Verfahren zum Bereitstellen eines Zuverlässigkeitswerts für eine Objektinformation einer Landkarte |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080036654A1 (en) * | 2006-08-11 | 2008-02-14 | Hansen Joseph H | Method for fusing multiple gps measurement types into a weighted least squares solution |
CN101473195A (zh) * | 2006-06-21 | 2009-07-01 | 丰田自动车株式会社 | 定位装置 |
CN101641610A (zh) * | 2007-02-21 | 2010-02-03 | 电子地图北美公司 | 用于包含绝对及相对坐标的车辆导航及领航的系统及方法 |
CN101996420A (zh) * | 2009-08-21 | 2011-03-30 | 索尼公司 | 信息处理装置、信息处理方法及程序 |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2989890A (en) * | 1956-11-13 | 1961-06-27 | Paramount Pictures Corp | Image matching apparatus |
US4671650A (en) * | 1982-09-20 | 1987-06-09 | Crane Co. (Hydro-Aire Division) | Apparatus and method for determining aircraft position and velocity |
US5416712A (en) | 1993-05-28 | 1995-05-16 | Trimble Navigation Limited | Position and velocity estimation system for adaptive weighting of GPS and dead-reckoning information |
EP0766846B1 (de) * | 1994-06-22 | 1998-03-04 | Siemens Aktiengesellschaft | Verfahren zur orientierung, fahrwegplanung und steuerung einer autonomen mobilen einheit |
JP3564547B2 (ja) | 1995-04-17 | 2004-09-15 | 本田技研工業株式会社 | 自動走行誘導装置 |
US6526352B1 (en) | 2001-07-19 | 2003-02-25 | Intelligent Technologies International, Inc. | Method and arrangement for mapping a road |
US6768944B2 (en) | 2002-04-09 | 2004-07-27 | Intelligent Technologies International, Inc. | Method and system for controlling a vehicle |
JP3866346B2 (ja) * | 1996-12-18 | 2007-01-10 | 株式会社ザナヴィ・インフォマティクス | 地図データベース装置 |
US7647180B2 (en) | 1997-10-22 | 2010-01-12 | Intelligent Technologies International, Inc. | Vehicular intersection management techniques |
US6385539B1 (en) | 1999-08-13 | 2002-05-07 | Daimlerchrysler Ag | Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data |
US6366851B1 (en) | 1999-10-25 | 2002-04-02 | Navigation Technologies Corp. | Method and system for automatic centerline adjustment of shape point data for a geographic database |
US7102496B1 (en) * | 2002-07-30 | 2006-09-05 | Yazaki North America, Inc. | Multi-sensor integration for a vehicle |
US6853919B2 (en) | 2003-02-04 | 2005-02-08 | General Motors Corporation | Method for reducing repeat false alarm indications in vehicle impact detection systems |
CN101002240A (zh) * | 2004-03-16 | 2007-07-18 | 日本先锋公司 | 地图描绘设备、导航装置、地图描绘方法、地图描绘程序、以及用于记录地图描绘程序的信息记录介质 |
US7444240B2 (en) | 2004-05-20 | 2008-10-28 | Ford Global Technologies, Llc | Collision avoidance system having GPS enhanced with OFDM transceivers |
US7228230B2 (en) * | 2004-11-12 | 2007-06-05 | Mitsubishi Denki Kabushiki Kaisha | System for autonomous vehicle navigation with carrier phase DGPS and laser-scanner augmentation |
JP4536524B2 (ja) * | 2005-01-11 | 2010-09-01 | 株式会社エヌ・ティ・ティ・データ | モザイク画像合成装置、モザイク画像合成方法及びモザイク画像合成プログラム |
US20070070069A1 (en) * | 2005-09-26 | 2007-03-29 | Supun Samarasekera | System and method for enhanced situation awareness and visualization of environments |
JP2007232690A (ja) * | 2006-03-03 | 2007-09-13 | Denso Corp | 現在地検出装置、地図表示装置、および現在地検出方法 |
JP5028851B2 (ja) * | 2006-04-24 | 2012-09-19 | 株式会社デンソー | 道路情報検出装置及びプログラム |
JP4724043B2 (ja) * | 2006-05-17 | 2011-07-13 | トヨタ自動車株式会社 | 対象物認識装置 |
US7680749B1 (en) | 2006-11-02 | 2010-03-16 | Google Inc. | Generating attribute models for use in adaptive navigation systems |
US7512487B1 (en) | 2006-11-02 | 2009-03-31 | Google Inc. | Adaptive and personalized navigation system |
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 |
JP4569837B2 (ja) | 2007-03-30 | 2010-10-27 | アイシン・エィ・ダブリュ株式会社 | 地物情報収集装置及び地物情報収集方法 |
EP2185896B1 (de) * | 2007-08-29 | 2014-06-11 | Continental Teves AG & Co. oHG | Korrektur einer fahrzeugposition mittels markanter punkte |
US20090143125A1 (en) * | 2007-11-29 | 2009-06-04 | Microsoft Corporation | Population of landmarks for use with a map application |
EP2242994A1 (en) * | 2008-02-04 | 2010-10-27 | Tele Atlas North America Inc. | Method for map matching with sensor detected objects |
US8014943B2 (en) * | 2008-05-08 | 2011-09-06 | Gabriel Jakobson | Method and system for displaying social networking navigation information |
US8855917B2 (en) | 2008-10-16 | 2014-10-07 | Csr Technology Inc. | System and method for use of a vehicle back-up camera as a dead-reckoning sensor |
US20100164789A1 (en) | 2008-12-30 | 2010-07-01 | Gm Global Technology Operations, Inc. | Measurement Level Integration of GPS and Other Range and Bearing Measurement-Capable Sensors for Ubiquitous Positioning Capability |
US8988283B2 (en) * | 2010-03-17 | 2015-03-24 | Hisep Technology Ltd. | Direction finding system device and method |
-
2011
- 2011-06-01 US US13/151,064 patent/US9140792B2/en active Active
-
2012
- 2012-05-29 DE DE102012208974A patent/DE102012208974A1/de active Pending
- 2012-06-01 CN CN201210178090.4A patent/CN102809379B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101473195A (zh) * | 2006-06-21 | 2009-07-01 | 丰田自动车株式会社 | 定位装置 |
US20080036654A1 (en) * | 2006-08-11 | 2008-02-14 | Hansen Joseph H | Method for fusing multiple gps measurement types into a weighted least squares solution |
CN101641610A (zh) * | 2007-02-21 | 2010-02-03 | 电子地图北美公司 | 用于包含绝对及相对坐标的车辆导航及领航的系统及方法 |
CN101996420A (zh) * | 2009-08-21 | 2011-03-30 | 索尼公司 | 信息处理装置、信息处理方法及程序 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105324729A (zh) * | 2013-06-14 | 2016-02-10 | 罗伯特·博世有限公司 | 用于模型化车辆的周围环境的方法 |
CN105324729B (zh) * | 2013-06-14 | 2018-10-12 | 罗伯特·博世有限公司 | 用于模型化车辆的周围环境的方法 |
CN106574976A (zh) * | 2014-04-09 | 2017-04-19 | 大陆-特韦斯股份有限公司 | 通过参考周围环境中的物体来进行车辆的位置校正 |
CN106574976B (zh) * | 2014-04-09 | 2019-11-05 | 大陆-特韦斯股份有限公司 | 通过参考周围环境中的物体来进行车辆的位置校正 |
CN105277190A (zh) * | 2014-06-30 | 2016-01-27 | 现代自动车株式会社 | 用于车辆自定位的装置和方法 |
CN107077784A (zh) * | 2015-01-31 | 2017-08-18 | 奥迪股份公司 | 用于提供关于在机动车的环境区域中的至少一个对象的信息的方法和系统 |
CN107036607B (zh) * | 2015-12-15 | 2020-07-28 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN107036607A (zh) * | 2015-12-15 | 2017-08-11 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN109154506B (zh) * | 2016-04-11 | 2022-04-15 | 大众汽车有限公司 | 用于确定第一地标的全局位置的方法和系统 |
CN109154506A (zh) * | 2016-04-11 | 2019-01-04 | 大众汽车有限公司 | 用于确定第一地标的全局位置的方法和系统 |
WO2017177651A1 (en) * | 2016-04-15 | 2017-10-19 | Huawei Technologies Co., Ltd. | Systems and methods for side-directed radar from a vehicle |
US10317524B2 (en) | 2016-04-15 | 2019-06-11 | Huawei Technologies Co., Ltd. | Systems and methods for side-directed radar from a vehicle |
CN107305587A (zh) * | 2016-04-22 | 2017-10-31 | 丰田自动车株式会社 | 周边信息收集系统以及周边信息获取装置 |
CN107305587B (zh) * | 2016-04-22 | 2021-01-12 | 丰田自动车株式会社 | 周边信息收集系统以及周边信息获取装置 |
CN107643073A (zh) * | 2016-07-20 | 2018-01-30 | 福特全球技术公司 | 后部摄像机路口检测 |
CN108225320A (zh) * | 2016-12-22 | 2018-06-29 | 通用汽车环球科技运作有限责任公司 | 使用v2x、传感器和gnss信息的车辆定位系统 |
CN108225320B (zh) * | 2016-12-22 | 2022-02-18 | 通用汽车环球科技运作有限责任公司 | 使用v2x、传感器和gnss信息的车辆定位系统 |
CN108627175A (zh) * | 2017-03-20 | 2018-10-09 | 现代自动车株式会社 | 用于识别车辆位置的系统和方法 |
CN109425346B (zh) * | 2017-08-30 | 2022-06-03 | 安波福技术有限公司 | 用于自动化车辆的导航系统 |
CN109425346A (zh) * | 2017-08-30 | 2019-03-05 | 安波福技术有限公司 | 在自动化车辆中使用的多个数字地图的对准 |
CN110597243A (zh) * | 2018-06-12 | 2019-12-20 | 百度(美国)有限责任公司 | 自动驾驶车辆的基于v2x通信的车辆车道系统 |
CN110597243B (zh) * | 2018-06-12 | 2023-04-07 | 百度(美国)有限责任公司 | 自动驾驶车辆的基于v2x通信的车辆车道系统 |
CN110969055A (zh) * | 2018-09-29 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN110969055B (zh) * | 2018-09-29 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111190171A (zh) * | 2018-11-15 | 2020-05-22 | 罗伯特·博世有限公司 | 用于识别地图错误的方法 |
CN109920056A (zh) * | 2019-03-18 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 建筑物渲染方法、装置、设备和介质 |
CN112880694A (zh) * | 2019-11-29 | 2021-06-01 | Aptiv技术有限公司 | 确定车辆的位置的方法 |
CN112880694B (zh) * | 2019-11-29 | 2024-04-16 | Aptiv技术股份公司 | 确定车辆的位置的方法 |
CN112639524A (zh) * | 2020-04-30 | 2021-04-09 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN112639524B (zh) * | 2020-04-30 | 2022-05-17 | 华为技术有限公司 | 一种目标检测方法及装置 |
CN111866743A (zh) * | 2020-07-27 | 2020-10-30 | 精英数智科技股份有限公司 | 井下传感器位置更新方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
DE102012208974A1 (de) | 2012-12-06 |
US9140792B2 (en) | 2015-09-22 |
CN102809379B (zh) | 2016-05-18 |
US20120310516A1 (en) | 2012-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102809379B (zh) | 用于基于传感器的环境模型构造的系统和方法 | |
US20220397402A1 (en) | Systems and methods for determining road safety | |
US11940290B2 (en) | Virtual stop line mapping and navigation | |
US10671084B1 (en) | Using obstacle clearance to measure precise lateral gap | |
US11073832B1 (en) | Collision mitigation static occupancy grid | |
US20210063162A1 (en) | Systems and methods for vehicle navigation | |
EP3972882B1 (en) | Systems and methods for predicting blind spot incursions | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
CN112055839A (zh) | 确定车辆的位置的方法和使用该方法的车辆 | |
CN104691447A (zh) | 用于动态地聚焦车辆传感器的系统和方法 | |
CN104094177A (zh) | 基于感知不确定性的车辆控制 | |
CN103718124A (zh) | 传感器域选择 | |
US10198643B1 (en) | Plane estimation for contextual awareness | |
JP2023106536A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム | |
CN113924462A (zh) | 用于确定物体尺寸的导航系统和方法 | |
JP2023532482A (ja) | 開いている扉を検出するためのシステムおよび方法 | |
US20220371583A1 (en) | Systems and Methods for Selectively Decelerating a Vehicle | |
US20230211726A1 (en) | Crowdsourced turn indicators | |
Moras et al. | Drivable space characterization using automotive lidar and georeferenced map information | |
JP6848847B2 (ja) | 静止物体地図情報生成装置 | |
US11982540B2 (en) | Infrastructure mapping and layered output | |
US20230311863A1 (en) | Detecting an open door using a sparse representation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |