CN104535070B - 高精细地图数据结构、采集和处理系统及方法 - Google Patents
高精细地图数据结构、采集和处理系统及方法 Download PDFInfo
- Publication number
- CN104535070B CN104535070B CN201410838738.5A CN201410838738A CN104535070B CN 104535070 B CN104535070 B CN 104535070B CN 201410838738 A CN201410838738 A CN 201410838738A CN 104535070 B CN104535070 B CN 104535070B
- Authority
- CN
- China
- Prior art keywords
- data
- gps
- panoramic picture
- information
- road
- 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.)
- Active
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供了一种高精细地图数据结构、采集和处理系统及方法，所述结构采用分层结构，共四层结构，每层数据互相关联，即：第一层：道路网络；第二层：车道网络，同时与第一层道路关联：第三层：车道线信息，同时与第二层道路关联；第四层：特殊信息数据。所述系统包括：全景图像拍摄处理模块、GPS处理模块、惯性导航模块、旋转编码器以及地理信息处理模块。本发明使用全景相机拍摄道路全景图像，同时采集GPS原始数据、惯性导航装置数据、旋转编码器数据，处理数据得到单张全景图像不同视角投影图像及对应的GPS、车辆航向角信息，之后按照定义的数据结构对道理地理信息数据进行标注，得到高精细地图。
Description
技术领域
本发明涉及地理信息数据采集领域、地图测绘领域，具体地，涉及一种高精细地图数据结构、基于全景图像的高精细地图数据采集和处理系统及方法。
背景技术
全球定位系统(GPS)为地理信息采集提供了较为成熟的定位技术，也是高精细地图制作过程中必需的地理信息数据的提供者。普通单点GPS的精度远达不到建立车道级地图的要求，一般采用差分系统(RTK-GPS)来提高GPS定位精度。但实际中RTK-GPS对GPS信号质量要求很高，而且基站电台的覆盖范围有限，极易因为建筑、树木遮挡信号失效，所以需要使用惯性导航系统(INS)辅助定位。
现有导航地图精度一般不高，并且以整条道路作为对象提供道路信息数据或进行导航指令发布，这种导航地图称之为道路级别地图，是对实际交通环境的大幅度简化，能提供的信息量数量少，精确度低，对驾驶员的辅助能力较低。
随着车辆先进驾驶辅助系统技术以及无人驾驶技术的发展，对地图精度以及信息量的要求也逐渐提高，原有道路级地图已经无法满足，需要一种能提供高精度、详细道路信息的新型高精细地图。
高精细地图面向的应用对象一般并非驾驶员，而是各类电子系统，从应用角度出发，高精细地图不仅需要数据上的高精度，更要包含内容详细，条理清晰的道路信息，但是目前对于高精细地图内容和数据结构缺少统一的细致定义。
高精细地图制作也存在其他方法，如使用激光雷达或普通摄像头，这些方法各有优缺点。使用激光雷达采集信息精度高，全局性好，但成本高昂，数据量大，且生成图像为反射率图像，与现实景物存在差异；使用普通摄像头采集信息成本低廉，使用较为简便，但视野较小，易被遮挡。
发明内容
针对现有技术的不足，本发明的目的是提供一种高精细地图数据结构、采集和处理系统及方法法，使用全景相机拍摄道路全景图像，同时采集GPS原始数据、惯性导航装置数据、旋转编码器数据，处理数据得到单张全景图像不同视角投影图像及对应的GPS、车辆航向角信息，之后按照定义的数据结构对道理地理信息数据进行标注，得到高精细地图。
为了实现上述目的，本发明采用了以下技术方案：
根据本发明的一个方面，提供一种高精细地图数据结构，所述结构采用分层结构，共四层结构，每层数据互相关联，即：
第一层：道路网络；
第二层：车道网络；
第三层：车道线信息；
第四层：包含交通标志、交通信号灯等一类的特殊信息数据。
所述高精细地图数据结构采用分层结构，每一层存储一种类型的数据，在地理信息查询和地图显示的过程的中可只对相应层数据进行操作，每层的具体信息可根据需要增减，这样能够提高地图数据的使用效率，方便在数据库中存储和使用。
上述高精细地图数据结构，使用带有空间扩展的数据库管理系统，能方便地进行数据库连接和检索。是本发明中以下所获得的高精细地图数据标注的依据，也是各类面向道路的车道级高精细地图可通用的结构定义。
根据本发明的第二方面，提供一种基于全景图像的高精细地图数据采集和处理系统，包括：全景图像拍摄处理模块、GPS处理模块、惯性导航模块、旋转编码器以及地理信息处理模块，其中：
全景图像拍摄处理模块，用于采集多镜头不同视角图片，并输出拼接过的全景图片，全景图片经图像算法处理后，获取俯视投影图和前视投影图作为地理信息处理模块输入，用于地理信息标注；
GPS处理模块，用于接收GPS卫星信号，以及接收惯性导航模块数据、旋转编码器数据，将接收到的GPS原始数据经精确单点定位技术处理以及与惯性导航模块数据、旋转编码器数据融合，获得高精度GPS数据，高精度的GPS数据可作为地理信息处理模块输入，用于地理信息标注；
惯性导航模块，用于接收惯性导航装置数据，并输入到GPS处理模块，主要用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，以在GPS信号丢失情况下的数据推算；
旋转编码器，根据车轮旋转圈数，获取车辆里程信息，并并输入到GPS处理模块，主要用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，帮助推导车辆航向角数据；
地理信息处理模块，接收全景图像处理所得的俯视投影图和前视投影图以及高精度GPS数据，将所有数据汇入地理信息标注工具软件，在单张俯视投影图上，根据高精细地图定义，标注一系列道路信息，生成高精度地图。
优选的，所述全景图像拍摄处理模块架设在数据采集车辆上并高出车辆顶端，所述旋转编码器安装在车轮上，旋转编码器每检测到车辆行驶过一段距离，就使系统发送一个触发脉冲，该脉冲触发全景相机使之进行全景图像拍摄，同时触发一次时间戳记录，用于后处理中获取该全景图像对应的GPS数据。
优选的，所述GPS处理模块，对采集的GPS原始数据使用精确单点定位技术做后处理，得到厘米级别的高精度GPS数据，用于全景图像拍摄位置的定位，针对信号遮挡区域无法获取GPS数据的情况，引入扩展卡尔曼滤波器对GPS原始数据、惯性导航装置数据、编码器数据进行融合，融合后得到精度很高的GPS结果，同时得到精确的车辆航向角数据。
优选的，所述地理信息处理模块，利用前视投影图来观察道路结构，俯视投影图与得到的GPS数据和车辆航向角数据结合，用以推测俯视投影图中每个像素的GPS信息，这也是后续标注地理信息数据的基础。
优选的，所述地理信息处理模块，在单张俯视投影图上标注一系列道路信息，包括：道路边沿、车道线、路面标志、交通标志、路口点信息、特殊区域，或者根据实际需要添加新信息类型，标注完的信息共同组成高精细地图的地图数据。
优选的，所述地理信息处理模块，将获取的数据导入数据库表格中，然后使用地理编辑软件对数据进行可视化编辑，可观察到车道级高精细道路地图，其中数据精度可达厘米级。
根据本发明的第三方面，提供一种基于全景图像的高精细地图数据采集和处理方法，具体步骤如下：
步骤1、在数据采集车辆上架设高出车辆顶端全景相机，在车轮上安装旋转编码器，旋转编码器每检测到车辆行驶过一段距离，就使系统发送一个触发脉冲，该脉冲触发全景相机使之进行全景图像拍摄，同时触发一次时间戳记录，用于后处理中获取该全景图像对应的GPS数据；
步骤2、对采集的GPS原始数据使用精确单点定位技术(PPP)做后处理，可以得到厘米级别的高精度GPS数据，用于全景图像拍摄位置的定位，针对信号遮挡区域无法获取GPS数据的情况，本发明引入了扩展卡尔曼滤波器，对GPS原始数据、惯性导航装置数据、编码器数据进行融合，融合后可以得到精度很高的GPS结果，同时得到精确的车辆航向角数据；
步骤3、对全景图像进行处理，运用球心投影算法，根据全景相机水平偏角以及俯仰角数据获取对应特定视角的投影图，这里使用俯视投影图和前视投影图；
步骤4、步骤3中得到的前视投影图用来观察道路结构，俯视投影图与步骤2中得到的GPS数据和车辆航向角数据结合，用以推测俯视投影图中每个像素的GPS信息，这也是后续标注地理信息数据的基础；
步骤5、在单张俯视投影图上标注一系列道路信息，包括：道路边沿、车道线、路面标志、交通标志、路口点信息、特殊区域等，也可根据实际需要添加新信息类型，标注完的信息共同组成高精细地图的地图数据；
步骤6、将获取的数据导入数据库表格中，然后使用地理编辑软件对数据进行可视化编辑，可观察到车道级高精细道路地图，其中数据精度可达厘米级。
本发明与现有技术对比，其有益效果如下：
(1)本发明以全景图像作为地图图像采集手段，具有采集成本低，视野范围广的特点，全景图像转为俯视投影图后，分辨率高，可清晰看到地面细节，这是航空图片、卫星图片等采集方式无法做到的；
(2)本发明数据处理中使用精确单点定位技术(PPP)以及基于扩展卡尔曼滤波器的多传感器数据融合，处理可得厘米级别的高精度的GPS数据和车辆航向角数据，用于后续数据标注；
(3)本发明设计了一种车道级高精细道路地图的分层数据结构，包含了与道路相关的多种地理信息数据类型，并给出数据层次，使所有地理信息数据可以在数据库中被有序存储和高效使用；
(4)本发明地理信息数据标注，标注基于单张全景图像及对应的GPS、车辆航向角数据，标注内容灵活，标注结果精度高。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一实施例中高精细地图数据采集和处理方法流程图；
图2为本发明一实施例中采集和处理系统各类车载传感器配置示意图；
图3为本发明一实施例中精确单点定位和数据融合后数据与影像地图匹配效果图；
图4为本发明一实施例中标注用工具软件界面示意图；
图5为本发明一实施例中某区域内道路边缘等部分数据标注结果展示图；
图中：全景图像拍摄处理模块1，GPS接收机2，旋转编码器3。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明设计了一种车道级高精细道路地图的分层数据存储结构，其结构如下：
第一层：道路网络；
第二层：车道网络；
第三层：车道线信息；
第四层：交通标志，交通信号灯等特殊信息。
第一层与常规地图一致，是道路级别的网络结构，以下是部分数据表格：
| Road_link_ID | SHAPE | START_NODE | END_NODE | NAME | WIDTH | LANES |
| 道路ID | 折线 | 起始路点 | 终止路点 | 道路名 | 道路宽度 | 车道数量 |
第二层是车道网络信息，存储各个车道的数据，同时与第一层道路关联：
| Lane_link_ID | SHAPE | ON_ROAD_LINK | SPEED_LIMITATION | right_LANE | left_LANE |
| 车道ID | 折线 | 所在道路 | 速度限制 | 右边车道 | 左边车道 |
第三层是车道线信息，与第二层车道关联：
| Lane_marker_link_ID | SHAPE | ON_ROAD_LINK | right_LANE | left_LANE | LINE |
| 车道线ID | 折线 | 所在道路 | 右边车道 | 左边车道 | 车道线型 |
第四层存储交通标志，交通信号灯等特殊信息数据，数据类型可按需增减；
根据上述数据库表格设计，可以将获取的数据导入数据库中，进行相关编辑，得到车道级高精细道路地图数据。
如图2所示，为本发明一实施例中高精细道路地图采集和处理系统部分结构示意图，所述系统包括：
全景图像拍摄处理模块，用于采集多镜头不同视角图片，并输出拼接过的全景图片，全景图片经图像算法处理后，获取俯视投影图和前视投影图作为地理信息处理模块输入，用于地理信息标注；
GPS处理模块，用于接收GPS卫星信号，以及接收惯性导航模块数据、旋转编码器数据，将接收到的GPS原始数据经精确单点定位技术处理以及与惯性导航模块数据、旋转编码器数据融合，获得高精度GPS数据，高精度的GPS数据可作为地理信息处理模块输入，用于地理信息标注；
惯性导航模块，用于接收惯性导航装置数据，并输入到GPS处理模块，主要用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，以在GPS信号丢失情况下的数据推算；
旋转编码器，根据车轮旋转圈数，获取车辆里程信息，并并输入到GPS处理模块，主要用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，帮助推导车辆航向角数据；
地理信息处理模块，接收全景图像处理所得的俯视投影图和前视投影图以及高精度GPS数据，将所有数据汇入地理信息标注工具软件，在单张俯视投影图上，根据高精细地图定义，标注一系列道路信息，生成高精度地图。
所述全景图像拍摄处理模块架设在数据采集车辆上并高出车辆顶端，所述旋转编码器安装在车轮上，旋转编码器每检测到车辆行驶过一段距离，就使系统发送一个触发脉冲，该脉冲触发全景相机使之进行全景图像拍摄，同时触发一次时间戳记录，用于后处理中获取该全景图像对应的GPS数据。
如图1所示，为本发明一实施例中高精细道路地图采集和处理流程图，其中高精细地图创建分为两部分：地理信息原始数据采集和数据处理制图，具体步骤如下：
步骤1、传感器配置如图2所示，数据采集车需要安装车载计算机、全景相机、GPS接收机和惯性导航装置、旋转编码器。车载计算机用于GPS等地理数据和全景图像的数据采集和存储，并进行触发操作，触发主要依靠旋转编码器数据，每隔一段距离发送触发信号，采集一帧图像，同时记录时间戳以便之后将GPS等地理数据进行同步；
步骤2、对全景图像拍摄处理模块进行标定，以确定俯视投影图中每个像素点所代表的实际距离；
步骤3、驾驶车辆在目标区域进行数据采集，要求尽量靠近中间车道，避免与其他车辆长时间并行，避免频繁换道，不能倒车；
步骤4、对全景图像进行处理，全景图像拍摄处理模块的全景相机采集的全景图像为球型，依靠球心投影算法，根据输入的水平偏角和俯仰角数据，获取全景图像某一特定视角的投影图，本实例中使用显示地面数据的俯视投影图和显示车辆正前方数据的前视投影图；
步骤5、对地理数据进行处理，首先利用精确单点定位(PPP)处理GPS原始数据，获取较精确的GPS数据，引入惯性导航装置数据和旋转编码器数据，用扩展卡尔曼滤波器进行数据融合，解决信号遮挡问题，之后结合步骤1中存储的时间戳，推算每张全景图像对应的高精度GPS数据及车辆航向角数据，GPS处理效果如图3所示，处理后数据与卫星影像图匹配良好；
步骤6、为在单张全景图像上标注各类数据，如图4中是用来标注交通标志、地面标志、交通灯信息的工具软件界面，工具软件同时显示单张全景图像的俯视投影图和前视投影图，方便观察道路信息，标注时选取感兴趣的信息点，赋予其相应属性并存储；工具软件可以采用现有技术实现；
步骤7、将获取的数据导入数据库表格中，使用地理编辑软件对数据进行可视化编辑，得到车道级高精细道路地图数据，数据精度可达厘米级，如图5展示了某区域内部分数据标注结果示意图。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (9)
1.一种基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述系统包括：
全景图像拍摄处理模块，用于采集多镜头不同视角图片，并输出拼接过的全景图片，全景图片经图像算法处理后，获取俯视投影图和前视投影图作为地理信息处理模块输入，用于地理信息标注；
GPS处理模块，用于接收GPS卫星信号，以及接收惯性导航模块数据、旋转编码器数据，将接收到的GPS原始数据经精确单点定位技术处理以及与惯性导航模块数据、旋转编码器数据融合，获得高精度GPS数据，高精度的GPS数据作为地理信息处理模块输入，用于地理信息标注；
惯性导航模块，用于接收惯性导航装置数据，并输入到GPS处理模块，主要用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，以在GPS信号丢失情况下的数据推算；
旋转编码器，根据车轮旋转圈数，获取车辆里程信息，并输入到GPS处理模块，用于与GPS数据、旋转编码器数据融合以获取高精度GPS数据，帮助推导车辆航向角数据；
地理信息处理模块，接收全景图像处理所得的俯视投影图和前视投影图以及高精度GPS数据，将所有数据汇入地理信息标注工具软件，在单张俯视投影图上，根据高精细地图定义，标注一系列道路信息，生成高精细地图；
所述高精细地图的地图数据，其结构采用分层结构，共四层结构，每层数据互相关联，即：
第一层：道路网络；
第二层：车道网络，同时与第一层道路关联：
第三层：车道线信息，同时与第二层道路关联；
第四层：特殊信息数据。
2.根据权利要求1所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述全景图像拍摄处理模块架设在数据采集车辆上并高出车辆顶端，所述旋转编码器安装在车轮上，旋转编码器每检测到车辆行驶过一段距离，就使系统发送一个触发脉冲，该脉冲触发全景相机使之进行全景图像拍摄，同时触发一次时间戳记录，用于后处理中获取该全景图像对应的GPS数据。
3.根据权利要求1所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述GPS处理模块，对采集的GPS原始数据使用精确单点定位技术做后处理，得到厘米级别的高精度GPS数据，用于全景图像拍摄位置的定位，针对信号遮挡区域无法获取GPS数据的情况，引入扩展卡尔曼滤波器对GPS原始数据、惯性导航装置数据、编码器数据进行融合，融合后得到精度很高的GPS结果，同时得到精确的车辆航向角数据。
4.根据权利要求1所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述地理信息处理模块，利用前视投影图来观察道路结构，俯视投影图与得到的GPS数据和车辆航向角数据结合，用以推测俯视投影图中每个像素的GPS信息，这也是后续标注地理信息数据的基础。
5.根据权利要求4所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述地理信息处理模块，在单张俯视投影图上标注一系列道路信息，包括：道路边沿、车道线、路面标志、交通标志、路口点信息、特殊区域，或者根据实际需要添加新信息类型，标注完的信息共同组成高精细地图的地图数据。
6.根据权利要求4所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述地理信息处理模块，将获取的数据导入数据库表格中，然后使用地理编辑软件对数据进行可视化编辑，可观察到车道级高精细道路地图，其中数据精度可达厘米级。
7.根据权利要求1-6任一项所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述高精细地图的地图数据采用分层结构，每一层存储一种类型的数据，在地理信息查询和地图显示的过程的中可只对相应层数据进行操作，每层的具体信息能根据需要增减，这样能够提高地图数据的使用效率，方便在数据库中存储和使用。
8.根据权利要求1-6任一项所述的基于全景图像的高精细地图数据采集和处理系统，其特征在于，所述高精细地图的地图数据,使用带有空间扩展的数据库管理系统，能方便地进行数据库连接和检索。
9.一种用于权利要求1-8任一项所述系统的基于全景图像的高精细地图数据采集和处理方法，其特征在于，所述方法具体步骤如下：
步骤1、布置全景图像拍摄处理模块、旋转编码器，旋转编码器每检测到车辆行驶过一段距离，就使系统发送一个触发脉冲，该脉冲触发全景图像拍摄处理模块使之进行全景图像拍摄，同时触发一次时间戳记录，用于后处理中获取该全景图像对应的GPS数据；
步骤2、对采集的GPS原始数据使用精确单点定位技术做后处理，得到厘米级别的高精度GPS数据，用于全景图像拍摄位置的定位；针对信号遮挡区域无法获取GPS数据的情况，引入了扩展卡尔曼滤波器，对GPS原始数据、惯性导航装置数据、编码器数据进行融合，融合后得到精度很高的GPS结果，同时得到精确的车辆航向角数据；
步骤3、对全景图像进行处理，运用球心投影算法，根据全景图像拍摄处理模块水平偏角以及俯仰角数据获取对应特定视角的投影图，这里使用俯视投影图和前视投影图；
步骤4、步骤3中得到的前视投影图用来观察道路结构，俯视投影图与步骤2中得到的GPS数据和车辆航向角数据结合，用以推测俯视投影图中每个像素的GPS信息，这也是后续标注地理信息数据的基础；
步骤5、在单张俯视投影图上标注一系列道路信息，包括：道路边沿、车道线、路面标志、交通标志、路口点信息、特殊区域中一种或多种，或者根据实际需要添加新信息类型，标注完的信息共同组成高精细地图的地图数据；
步骤6、将获取的数据导入数据库表格中，然后数据进行可视化编辑，可观察到车道级高精细道路地图，其中数据精度可达厘米级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410838738.5A CN104535070B (zh) | 2014-12-26 | 2014-12-26 | 高精细地图数据结构、采集和处理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410838738.5A CN104535070B (zh) | 2014-12-26 | 2014-12-26 | 高精细地图数据结构、采集和处理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104535070A CN104535070A (zh) | 2015-04-22 |
| CN104535070B true CN104535070B (zh) | 2017-11-14 |
Family
ID=52850645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410838738.5A Active CN104535070B (zh) | 2014-12-26 | 2014-12-26 | 高精细地图数据结构、采集和处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104535070B (zh) |
Families Citing this family (58)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991906A (zh) * | 2016-01-21 | 2017-07-28 | 北京四维图新科技股份有限公司 | 室内停车场地图采集方法和装置 |
| CN106989751A (zh) * | 2016-01-21 | 2017-07-28 | 北京四维图新科技股份有限公司 | 一种导航数据匹配方法及装置 |
| CN105892464A (zh) * | 2016-04-29 | 2016-08-24 | 大连楼兰科技股份有限公司 | 基于固定路线的专用车自动驾驶系统及其驾驶方法 |
| CN105955257A (zh) * | 2016-04-29 | 2016-09-21 | 大连楼兰科技股份有限公司 | 基于固定路线的公交车自动驾驶系统及其驾驶方法 |
| CN105929823A (zh) * | 2016-04-29 | 2016-09-07 | 大连楼兰科技股份有限公司 | 基于现有地图的自动驾驶系统及其驾驶方法 |
| CN106210647A (zh) * | 2016-08-02 | 2016-12-07 | 中睿通信规划设计有限公司 | 基于航拍构建基站覆盖区域全景影像的方法及系统 |
| JP6443409B2 (ja) * | 2016-08-08 | 2018-12-26 | トヨタ自動車株式会社 | 送信要否判定装置及び進路計画システム |
| CN106101517A (zh) * | 2016-08-25 | 2016-11-09 | 中国电建集团西北勘测设计研究院有限公司 | 一种车载全景相机系统及其操作方法 |
| KR102014259B1 (ko) * | 2016-11-24 | 2019-08-26 | 엘지전자 주식회사 | 차량에 구비된 차량 제어 장치 및 차량의 제어방법 |
| CN108225342A (zh) * | 2016-12-22 | 2018-06-29 | 沈阳美行科技有限公司 | 一种地图数据系统、生成和使用方法及其应用 |
| CN108253973B (zh) * | 2016-12-28 | 2021-05-07 | 北京四维图新科技股份有限公司 | 高精度地图和标准地图关联的方法及装置 |
| CN108279428B (zh) * | 2017-01-05 | 2020-10-16 | 武汉四维图新科技有限公司 | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 |
| CN106777366A (zh) * | 2017-01-24 | 2017-05-31 | 亚信蓝涛（江苏）数据科技有限公司 | 一种微观交通基础道路数字化及可视化方法 |
| CN108460815B (zh) | 2017-02-22 | 2022-06-17 | 腾讯科技（深圳）有限公司 | 地图道路要素编辑方法和装置 |
| CN108734949A (zh) * | 2017-04-18 | 2018-11-02 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质 |
| CN107084728B (zh) * | 2017-04-21 | 2020-06-23 | 百度在线网络技术（北京）有限公司 | 用于检测数字地图的方法和装置 |
| CN107229690B (zh) * | 2017-05-19 | 2019-01-25 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
| CN107817509A (zh) * | 2017-09-07 | 2018-03-20 | 上海电力学院 | 基于rtk北斗和激光雷达的巡检机器人导航系统及方法 |
| CN107665250A (zh) * | 2017-09-26 | 2018-02-06 | 百度在线网络技术（北京）有限公司 | 高清道路俯视地图的构建方法、装置、服务器和存储介质 |
| WO2019083513A1 (en) * | 2017-10-24 | 2019-05-02 | Nissan North America, Inc. | LOCATION DETERMINATION FOR VEHICLE OPERATION |
| CN107976182A (zh) * | 2017-11-30 | 2018-05-01 | 深圳市隐湖科技有限公司 | 一种多传感器融合建图系统及其方法 |
| CN108007470B (zh) * | 2017-11-30 | 2021-06-25 | 深圳市隐湖科技有限公司 | 一种移动机器人地图文件格式和路径规划系统及其方法 |
| CN109102711A (zh) * | 2017-12-15 | 2018-12-28 | 蔚来汽车有限公司 | 确定道路安全速度信息的方法 |
| US10684132B2 (en) * | 2018-03-19 | 2020-06-16 | Here Global B.V. | Generation and update of a lane network graph model |
| CN110316084B (zh) * | 2018-03-30 | 2021-09-21 | 比亚迪股份有限公司 | 基于车载显示终端的导航显示系统、方法和车辆 |
| CN110398912B (zh) * | 2018-04-25 | 2021-02-19 | 北京四维图新科技股份有限公司 | 一种电子地图外业数据采集设备的故障监测系统 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN108827326A (zh) * | 2018-06-20 | 2018-11-16 | 安徽迈普德康信息科技有限公司 | 一种基于大数据的导航地图的采集方法及其采集装置 |
| CN108801276B (zh) * | 2018-07-23 | 2022-03-15 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
| CN109084786B (zh) * | 2018-08-09 | 2020-12-25 | 北京智行者科技有限公司 | 一种地图数据的处理方法 |
| CN109256028B (zh) * | 2018-08-28 | 2020-08-11 | 江苏久高电子科技有限公司 | 一种用于无人驾驶的高精度路网自动生成的方法 |
| CN110941684B (zh) * | 2018-09-21 | 2023-06-13 | 阿里巴巴（中国）有限公司 | 一种地图数据的生产方法、相关装置及系统 |
| JP6873960B2 (ja) * | 2018-09-27 | 2021-05-19 | 株式会社日立製作所 | 地図データ高詳細度化システム、そのサーバ、及びその方法 |
| CN110969574A (zh) * | 2018-09-29 | 2020-04-07 | 广州汽车集团股份有限公司 | 一种车载全景地图创建方法及装置 |
| CN111089579B (zh) * | 2018-10-22 | 2022-02-01 | 北京地平线机器人技术研发有限公司 | 异构双目slam方法、装置及电子设备 |
| CN109615902A (zh) * | 2018-10-30 | 2019-04-12 | 北斗易行车(北京)科技有限公司 | 一种厘米级车位级粒度引导车辆精确入位算法及装置 |
| CN111238497B (zh) | 2018-11-29 | 2022-05-06 | 华为技术有限公司 | 一种高精度地图的构建方法及装置 |
| CN109470255B (zh) * | 2018-12-03 | 2022-03-29 | 禾多科技（北京）有限公司 | 基于高精度定位及车道线识别的高精度地图自动生成方法 |
| CN109655073B (zh) * | 2018-12-06 | 2021-07-23 | 宁波吉利汽车研究开发有限公司 | 一种在无或弱信号区域中的地图绘制方法、装置及车辆 |
| CN111352139B (zh) * | 2018-12-24 | 2022-04-08 | 同方威视技术股份有限公司 | 扫描设备自主导向方法、装置和扫描设备 |
| CN109543661A (zh) * | 2018-12-28 | 2019-03-29 | 北京隆恩智慧科技有限公司 | 基于语音辅助的关注点信息自动获取系统及关注点信息自动获取方法 |
| CN109976332A (zh) * | 2018-12-29 | 2019-07-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
| CN110174120B (zh) * | 2019-04-16 | 2021-10-08 | 百度在线网络技术（北京）有限公司 | 用于ar导航模拟的时间同步方法及装置 |
| WO2020215254A1 (zh) * | 2019-04-24 | 2020-10-29 | 深圳市大疆创新科技有限公司 | 车道线地图的维护方法、电子设备与存储介质 |
| CN110047372A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于可重构计算的高精度地图生成系统 |
| CN110047373A (zh) * | 2019-04-28 | 2019-07-23 | 北京超维度计算科技有限公司 | 一种基于通用应用处理器的高精度地图生成系统 |
| CN110275883A (zh) * | 2019-05-17 | 2019-09-24 | 浙江吉利控股集团有限公司 | 一种高精度地图存储系统及方法 |
| CN110276952B (zh) * | 2019-06-27 | 2020-11-27 | 武汉中海庭数据技术有限公司 | 一种交通信息模拟采集方法及装置 |
| CN110470311A (zh) * | 2019-07-08 | 2019-11-19 | 浙江吉利汽车研究院有限公司 | 一种地图生成方法、装置及计算机存储介质 |
| CN110660218B (zh) * | 2019-09-29 | 2021-01-05 | 上海莫吉娜智能信息科技有限公司 | 利用毫米波雷达的高精度地图制作方法及系统 |
| CN110889378B (zh) * | 2019-11-28 | 2023-06-09 | 湖南率为控制科技有限公司 | 一种多视图融合交通标志检测识别方法及其系统 |
| CN113076383B (zh) * | 2020-01-06 | 2023-03-21 | 阿里巴巴集团控股有限公司 | 道路数据采集车及其数据采集系统 |
| TWI726630B (zh) | 2020-02-25 | 2021-05-01 | 宏碁股份有限公司 | 地圖建構系統以及地圖建構方法 |
| CN111664859B (zh) * | 2020-05-28 | 2021-12-24 | 武汉中海庭数据技术有限公司 | 一种高精度地图生产过程中的数据采集方法及系统 |
| CN111811527A (zh) * | 2020-09-12 | 2020-10-23 | 蘑菇车联信息科技有限公司 | 地图数据的时间同步方法、装置及相关设备 |
| CN114553972B (zh) * | 2020-11-10 | 2024-05-28 | 魔门塔(苏州)科技有限公司 | 应用于自动驾驶的数据传输装置、方法、车载终端和介质 |
| US20220349725A1 (en) * | 2021-04-21 | 2022-11-03 | Nvidia Corporation | High definition mapping for autonomous systems and applications |
| CN115205828B (zh) * | 2022-09-16 | 2022-12-06 | 毫末智行科技有限公司 | 一种车辆定位方法、装置、整车控制器及可读存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893443B (zh) * | 2010-07-08 | 2012-03-21 | 上海交通大学 | 道路数字正射影像地图的制作系统 |
| CN102915669A (zh) * | 2012-10-17 | 2013-02-06 | 中兴通讯股份有限公司 | 一种实景地图的制作方法和装置 |
| CN203126621U (zh) * | 2013-03-14 | 2013-08-14 | 武汉大学 | 一种车载三维激光与全景影像测量系统 |
| CN103761274B (zh) * | 2014-01-09 | 2017-03-01 | 深圳先进技术研究院 | 以全景摄像机对街景数据库进行更新的方法 |
| CN103868493B (zh) * | 2014-02-25 | 2016-07-27 | 中国人民解放军92859部队 | 一种基于ppp技术的深度基准面大地高测量方法 |
| CN104076381B (zh) * | 2014-06-24 | 2016-04-13 | 武汉大学 | 实时精密单点定位方法 |
| CN104236579B (zh) * | 2014-10-09 | 2016-06-08 | 武汉大学 | 一种基于Android内核层实现高精度卫星导航定位方法 |
-
2014
- 2014-12-26 CN CN201410838738.5A patent/CN104535070B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104535070A (zh) | 2015-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104535070B (zh) | 高精细地图数据结构、采集和处理系统及方法 | |
| US11959771B2 (en) | Creation and use of enhanced maps | |
| EP3290952B1 (en) | Automatic localization geometry detection | |
| JP7045628B2 (ja) | 車両の動作を制御するための車両の装置、車両、およびコンピュータプログラム | |
| US20190317974A1 (en) | Systems and methods for tagging objects for augmented reality | |
| JP2021088357A (ja) | 自律車両ナビゲーションのための疎な地図並びにレーン測定値のクラウドソーシング及び配信 | |
| JP2024045389A (ja) | レーンマッピング及びナビゲーション | |
| EP3667236B1 (en) | A method of determining position data | |
| CN104573733A (zh) | 一种基于高清正射影像图的高精细地图生成系统及方法 | |
| US11367208B2 (en) | Image-based keypoint generation | |
| JP2017519973A (ja) | デジタル地図に対する位置を決定する方法およびシステム | |
| KR20190028359A (ko) | 필수 이미지 및 위치 캡처 시스템 및 방법 | |
| CN101815928A (zh) | 捕获供在地图数据库中使用的沿跨越表面的参考线的线性特征的方法 | |
| CN101523157A (zh) | 用于产生正射纠正瓦片的方法和设备 | |
| CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
| CN108645420A (zh) | 一种基于差分导航的自动驾驶车辆多路径地图的创建方法 | |
| CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
| CN104063499A (zh) | 基于车载空间信息采集的空间矢量poi提取方法 | |
| KR102475042B1 (ko) | 정밀 지도 구축 장치 및 방법 | |
| Liu | Lane offset survey for one-lane horizontal curvatures using binocular stereo vision measurement system | |
| McCarthy et al. | Integration of LIDAR and stereoscopic imagery for route corridor surveying | |
| Dhruwa et al. | Generation of 3-D Large-Scale Maps Using Lidar Point Cloud Data | |
| Caroti et al. | Road’s Cadastre and Safety Evaluation Gis Realised With Data of a MMS Vehicle | |
| Buller et al. | Autonomous Vehicle Sensor Suite Data with Ground Truth Trajectories for Algorithm Development and Evaluation | |
| ITRM20070442A1 (it) | Sistema autogeoreferenziato di rilevazione tridimensionale e dispositivo per la implementazione di detto sistema. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |