CN108139456A - 加速度计辅助导航的方法 - Google Patents
加速度计辅助导航的方法 Download PDFInfo
- Publication number
- CN108139456A CN108139456A CN201680061393.4A CN201680061393A CN108139456A CN 108139456 A CN108139456 A CN 108139456A CN 201680061393 A CN201680061393 A CN 201680061393A CN 108139456 A CN108139456 A CN 108139456A
- Authority
- CN
- China
- Prior art keywords
- group
- data
- vehicle
- gps
- positioning
- 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
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
Abstract
主要基于传感器的导航的方法包括:在第一时段中,使用导航设备的GPS接收器收集地球物理位置数据;在第一时段中,使用导航设备的加速度计收集第一组加速度计数据;分析第一组加速度计数据以产生第一组竖直车辆运动数据;生成第一组竖直车辆运动数据和地球物理位置数据之间的映射关联;在第一时段之后的第二时段中,使用加速度计收集第二组加速度计数据;分析第二组加速度计数据以产生第二组竖直车辆运动数据;以及通过根据映射关联分析第二组竖直车辆运动数据来计算车辆的估计定位。
Description
相关申请的交叉引用
本申请要求于2015年8月20日提交的序列号为62/207,461的美国临时申请的利益,其通过此引用以其整体并入本文。
技术领域
本发明大体上涉及车辆远程信息处理领域,更具体地,涉及在车辆远程信息处理领域中用于确定加速度计辅助导航的新的且有用的方法。
背景
GPS接收器现在通常用于车辆中以提供定位数据——该定位数据可用于车辆跟踪、路由和多种其他重要任务。特别地,许多个人车辆驾驶者利用智能电话中常见的GPS接收器来提供定位数据。
遗憾的是,这些GPS接收器耗电大,并且可能会迅速耗尽宝贵的智能电话电池储备。加上这个问题,GPS还需要在接收器和GPS卫星之间有相对不受遮挡的视线,这在城市中和其他地区中可能会有问题。鉴于这些问题,GPS单独地在许多情况下可能无法提供令人满意的导航解决方案。因此,在车辆远程信息处理领域中需要创建用于加速度辅助导航的新的且有用的方法。本发明提供了这种新的且有用的方法。
附图简述
图1是优选实施例的方法的流程图表示;
图2是优选实施例的方法的第一实施的流程图表示;
图3是优选实施例的方法的第二实施的流程图表示;
图4A、图4B和图4C是依赖于车辆运动数据关于位置的关系的水平速度的示意图表示;
图5A、图5B和图5C是依赖于车辆运动数据关于时间的关系的水平速度的示意图表示;
图6是将补充数据与地图数据进行匹配的示例表示;以及
图7是优选实施例的方法的自动驾驶者识别的流程图表示。
优选实施例的描述
对本发明的优选实施例的以下描述并非旨在将本发明限制于这些优选实施例,而是旨在使本领域的任何技术人员能够制造并且使用本发明。
如图1所示,用于加速度计辅助导航的方法100包括收集GPS数据S120、收集补充数据S130、使GPS数据和补充数据相关联S140、以及基于补充数据执行导航S150。另外或可替代地,方法100可以包括检测重复的行程S110。
方法100用于使用补充数据(例如,加速度计数据、气压计数据、陀螺仪数据、指南针数据、众包导航数据)作为减少GPS无线电的使用的方式来实现导航,从而节省电力和/或允许在不利于基于GPS导航的区域中进行导航。
如图2所示,优选地,方法100用于实现(通过S110检测的)通常行驶的路线的主要基于加速度计的导航;在沿路线驾驶时,获取GPS数据和加速度计数据二者,使得加速度计数据可以与路线相关联(S120和S130)。在收集到足够的加速度计数据之后,加速度计数据与由GPS接收器获取的位置数据相关联(S140),从而创建沿着路线的位置(和/或沿着路线的运动)和加速度计数据之间的关联。一旦创建了令人满意的关联,就可以(单独或与GPS组合)使用加速度计数据来执行导航(S150)。
如图3所示,方法100也可以用于实现(通过S110检测的)通常行驶的路线的主要基于气压计的导航;类似于加速度计驱动方法,在沿路线驾驶时,获取GPS数据和气压计数据二者,使得气压计数据可以与路线相关联(S120和S130)。在收集到足够的气压计数据之后,气压计数据与由GPS接收器获取的位置数据相关联(S140),从而创建沿着路线的位置(和/或沿着路线的运动)和气压计数据之间的关联。一旦创建了令人满意的关联,就可以(单独或与GPS组合)使用气压计数据来执行导航(S150)。由于对导航设备的用户移动相对不敏感,气压计数据作为补充数据源可能特别令人感兴趣。
另外或可替代地,方法100可以用于实现多种补充数据辅助的导航技术。例如,方法100可以用于减少GPS无线电活动的时间量(例如,以一定间隔测量GPS数据并使用加速度计数据在这些间隔之间执行航位推算),而不明确地将位置与加速度计数据相关联(在这种情况下,加速计数据可以链接到位置的变化,但不一定是绝对位置)。作为另一示例,方法100可以使用无线电发射机(例如,蜂窝、Wi-Fi等)的存在(或不存在)和它们的传输特性来辅助导航。
尽管补充数据优选地包括加速度计数据,但补充数据可以包括适于执行导航的任何数据;例如,视觉数据(例如,来自摄像头的图像)、音频数据(例如,环境道路噪声)和/或(例如,如由气压计测量的)高度数据。另外或可替代地,补充数据可以包括从其他源接收的定位数据;例如,可以将来自附近GPS接收器(例如,附近汽车中的智能电话的GPS接收器)的GPS数据用作定位的近似指示器。
方法100优选地在具有GPS接收器和加速度计的智能电话上实施,但另外或可替代地,可以在包括GPS(或其他基于GNSS的系统)接收器或与GPS(或其他基于GNSS的系统)进行通信的任何电子设备(例如,智能手表、平板电脑、头戴式显示器、智能眼镜)上实施。此后,实施方法100的设备将被称为导航设备。
S110包括检测重复的行程。S110用于检测导航设备用户正沿着经常行驶的路线行驶(或者,可替代地,正在经常一起选择的来源地和目的地之间行驶)。
优选地,S110帮助确定哪些路线对于执行补充数据和GPS数据的关联是理想的。例如,为了使仅使用加速度计数据(在加速度计数据已经与位置相关联之后)的导航鲁棒,方法100可能需要跨多个行程获取的加速度计数据(例如,以平均该数据或以其他方式从该数据生成强信号)。结果,在一些实施中,方法100可以不收集补充数据和/或可以不处理补充数据,直到在通过S110检测到重复的行程(例如,重复的路线、重复的来源地/目的地对)之后才进行。
S110可以包括储存来源地地址或定位已被使用的次数、目的地地址或定位已被使用的次数、特定的来源地/目的地对被使用的次数和/或任何合适的导航数据。
S110可以包括通过将来源地和/或目的地与储存的数据进行比较来检测重复的行程。另外或可替代地,S110可以包括以任何方式检测行程;例如,S110可以包括通过将行驶的路线和与重复的行程链接的路线的一部分进行比较来检测行程。在这个示例中,用户可以从家开始驾驶上班;S110检测到用户正沿着用户通常为这个行程所采取的路线行驶。
行程检测可以借助于用户提交的行驶来源地和/或用户提交的行驶目的地来进行;可替代地,行程检测可以在没有用户提交的行驶来源地和/或行驶目的地的帮助下进行。如果在没有用户输入特定的行驶来源地的情况下进行行程检测,则S110可以包括打开导航设备的GPS接收器并经由GPS检测行驶来源地定位;然而,检测或估计行驶来源地可以以任何合适的方式来完成。如果在没有用户输入特定的目的地的情况下进行行程检测,则S110可以包括提示用户从常去的目的地中选择。例如,如果S110检测到用户大致在“工作”路径点和“日托所”路径点二者的方向上从家驾驶到目的地,则S110可以包括提示用户从这些目的地中选择。如果在没有用户输入特定的目的地的情况下进行行程检测,则S110也可以包括基于任何合适的导航数据预测可能的目的地。例如,如果S110检测到用户正在接近用户的家庭地址的地点并且在用户的家的方向上行驶,则S110可以预测用户正在向家行驶。在这个示例中,S110可以利用附加的信息来预测可能的目的地;例如,如果S110检测到用户正在某个时间(例如,在工作日的夜间)驾驶,则S110可以更加确信地预测用户正在返回家中。如果在没有用户输入特定的目的地的情况下进行行程检测,并且S110包括预测可能的目的地,则预测步骤可以包括执行用户导航数据的历史分析。历史分析用于聚合和合成不同类型的用户导航数据(例如,来源地地址或定位已被使用的次数、目的地地址或定位已被使用的次数、特定的来源地/目的地对被使用的次数、一天中的时间、用户行驶的瞬时方向等)。优选地,S110可以在没有明确的用户输入的情况下使用历史分析来对用户目的地做出明智的预测,但另外或可替代地,S110可以使用历史分析用于任何其他合适的目的。历史分析还可以包括使用来自其他用户的导航数据;例如,即使用户不具有广泛的用户导航数据集,S110也能够基于其他用户朝向(例如,朝向市中心或体育场)行驶的常见的目的地来预测用户目的地。
S110可以包括使用任何合适的数据执行行程检测。例如,S110可以包括基于(如由智能电话麦克风感测到的)孩子笑声的声音检测到用户要去日托所,或者基于一天中的时间(例如,用户通常离开房屋去工作的时间)检测到用户要去工作。作为另一示例,S110可以包括基于用户日历/约会信息来执行重复的行程检测;如果用户具有链接到导航系统的电子日历,则导航系统可以基于其中包含的信息(例如,储存的目的地、公司名称、联系人姓名、时间和日期等)来识别重复的行程目的地。作为另一示例,S110可以包括基于最近的互联网搜索执行行程检测;如果用户最近已经使用互联网来查找地址或搜索餐厅的名称,并且如果导航系统链接到用户并且也连接到互联网,则导航系统可以在即使没有用户明确指示特定的预期目的地的情况下基于这样的最近的搜索来识别行程目的地。
在优选实施例的一个变型中,S110包括采取用户输入来确定频繁的行程。例如,用户可以指定他们采取的频繁的行程(例如,家到工作),以便加速度计数据的收集/处理立即开始用于路线(而不是在观察到用户频繁采取该路线之后才自动将该路线识别为重复的行程)。
在优选实施例的另一变型中,S110包括生成一组先前行驶的路线并将来自该组的特定的先前行驶的路线确定为检测到的先前行驶的路线。优选地,每个先前行驶的路线与映射到补充数据(例如,加速度计数据、气压计数据、音频数据等)的地球物理位置相关联,以实现至少部分地基于这种补充数据的导航。生成先前行驶的路线可以根据任何合适的传感器数据、GPS数据和/或用户导航数据来确定;这些数据也可以用于计算与每个先前行驶的路线相关联的概率权重(即,预测置信度估计),其可以辅助将特定的先前行驶的路线确定为检测到的先前行驶的路线。例如,如果该组先前行驶的路线包括相似但在特定地球物理定位处分开的两条路线,则在该特定地球物理定位处的车辆运动数据可以帮助S110区分这两条路线;S110可以使用该数据来更新对应于两条路线的概率权重并检测具有更高概率的路线。概率权重可以被静态确定(例如,当用户首次开始行驶时被确定)、被动态更新(例如,基于任何合适的数据被连续更新)或以其他方式确定。S110可以包括用于生成该组先前行驶的路线并用于选择该组中的特定一个作为检测到的先前行驶的路线的任何合适的方法。
响应于检测到先前行驶的路线,S110还可以包括根据先前行驶的路线进行导航,其用于向用户提供行驶方向。响应于检测到具有足够的补充数据的先前行驶的路线,S110还可以包括改变GPS接收器的操作状态(例如,改变GPS接收器的占空比、关断GPS接收器等)并基于补充数据进行导航而不收集附加的GPS数据。S110还可以包括响应于检测到先前行驶的路线而采取任何其他合适的动作。
S120包括收集GPS数据。S120用于使用GPS接收器来收集导航数据;该数据可用于学习新路线和/或出于导航目的用作位置数据的主要来源。另外或可替代地,S120可以包括收集任何全球导航卫星系统(GNSS)数据(例如,GLONASS、Galileo、BeiDou等)。
优选地,S120包括根据导航系统操作状态来收集GPS数据。优选地,操作状态指示如何收集GPS数据,包括数据收集频率、GPS接收器功率状态、GPS接收器定向等。
优选地,当对于导航和/或路线学习的目的必要时,S120用于收集GPS数据,而当GPS数据收集没有必要时禁用GPS接收器。例如,如果路线是补充导航源熟知的(例如,其可以仅通过加速度计数据、气压计数据或任何其他合适的补充数据导航),则S120可以包括关闭GPS接收器。作为另一示例,S120可以包括针对熟知的路线不频繁地收集GPS数据(例如,每十秒一次)。相反,S120可以包括针对未知的路线频繁地收集GPS数据(例如,每秒几次)。
另外或可替代地,如果接收器不能够接收位置信息(或者位置信息低于质量阈值),则S120可以包括修改操作状态(例如,关断GPS接收器)。例如,行使穿过密集型城市的用户可能无法接收到高质量的GPS位置数据。由于遮蔽和多径干扰,这样的城市地点(有时称为“都市峡谷”或“街道峡谷”)会影响接收到的GPS位置数据的质量。遮蔽是指由于视线效应引起的GPS误差;在密集型城市的背景下,高层建筑可能会在物理上阻挡GPS信号传输到GPS接收器,从而将GPS“阴影”有效地投射到特定的城市地点之上。S120可以包括检测这样的遮蔽效应(例如,通过观察总共接收到的GPS信号功率的变化),然后修改GPS接收器的操作状态(例如,关断GPS接收器以节省电池电力、减少GPS接收器的占空比以保持电力直到遮蔽效应减弱等)。多径干扰是指由于波干扰而产生的误差;在密集型城市的背景下,建筑物可能在GPS信号通往GPS接收器的路上反射GPS信号,导致GPS接收器处的多个接收的信号,该多个接收的信号被记录为行驶了不同的距离并且比GPS卫星和GPS接收器之间的直接视线距离更远。由于直接视线距离用于定位GPS接收器,因此该数量的误差导致在确定GPS接收器的定位上存在误差。尽管在密集型的城市环境之外甚至可能发生多径干扰(例如,GPS信号可能反射离开大气中的云,甚至远离都市环境),但是多径干扰在都市环境中可能尤其成问题,在都市环境中遮蔽影响沿着直接视线传输到GPS接收器的信号的接收功率,并且在都市环境中从虚假反射信号接收的功率可能被错误地放大。S120可以包括检测这种多径干扰。例如,S120可以通过在GPS接收器处测量接收的信号的时间相关函数来检测多径干扰;由于直接传输的GPS信号和中间反射的GPS信号源自相同的信号源,因此它们很可能具有类似的信号特征,由于中间反射的GPS信号行使较长的距离到GPS接收器的事实,所以这些信号特征在GPS接收器处在时间上分开。可以被包括在GPS接收器中并且可以测量这样的时间相关函数的示例电路是延迟锁定回路(DLL),其测量作为时间间隔的函数的第一(“早”)接收的信号和第二(“晚”)接收的信号之间的功率差,以便确定将早信号和晚信号映射到彼此之上的早-晚时间间隔。DLL电路输出被称为鉴别器曲线的电压信号;通过找到鉴别器曲线的零点(即,早信号功率和晚信号功率之差为零时的时间间隔),DLL电路可以确定存在引起鉴别器成为零的早-晚时间间隔。如果DLL电路可以在鉴别器曲线中找到这样的零点,则这可能是早信号和晚信号之间的显著的时间相关性的指示;然后,S120可以能够使用该信息来推断多径效应的存在。可替代地,S120可以包括以任何合适的方式检测多径干扰。响应于检测到多径干扰,然后,S120可以修改GPS接收器的操作状态(例如,关断GPS接收器以节省电池电力、减少GPS接收器的占空比以保持电力直到多径效应减弱等)。
另外或可替代地,S120可以包括响应于以任何其他合适的方式确定GPS位置信息低于质量阈值而修改GPS接收器的操作状态。例如,在GPS接收器处接收的信号的信号质量也可能受到GPS卫星几何结构的影响。如果两个卫星在GPS接收器的视场中彼此几乎一致,则与在视场中进一步分开的两个卫星相比,通过三角测量确定的推断的GPS接收器位置可能具有放大的误差。这种几何效应可以依照几何精度因子(geometric dilution ofprecision,GDOP)来量化,该几何精度因子被定义为因卫星几何结构产生的误差与因信号测量产生的其他误差的比率。较低的GDOP值(即,强几何结构)对应于GPS测量结果中的较高的置信度(即,较小的误差),而较高的GDOP值(即,弱几何结构)对应于GPS测量结果中的较低的置信度(即,较大的误差)。大于20的GDOP值可能表示较差的GPS置信度/较大的GPS误差,但可以使用可替代的GDOP阈值。响应于确定高的GDOP值,然后,S120可以修改GPS接收器的操作状态(例如,关断GPS接收器以节省电池电力、减少GPS接收器的占空比以保持电力直到恢复强的卫星几何结构、相对于GPS卫星重定向GPS接收器以尝试改进视场中的卫星几何结构等)。
导航系统操作状态(由于它们与GPS数据收集有关)可以基于任何输入数据来设置。例如,S120可以包括根据导航系统电池状态(例如,充电水平、充电状态)、一天中的时间、定位、路线了解(例如,收集了关于当前路线和/或位置的多少数据)、GPS信号质量或任何其他数据来不同地收集GPS数据。
S130包括收集补充数据。S130用于收集对可用于执行导航的GPS/GNSS数据的补充的数据。优选地,补充数据包括对导航有用但不由导航设备的GPS接收器收集的任何数据。例如,补充数据可以包括视觉数据(例如,来自摄像头的图像)、音频数据(例如,环境道路噪声)、(例如,如由IMU测量的)运动数据、(例如,如由气压计测量的)大气压力数据和/或(例如,从气压数据推断的)高度数据。另外或可替代地,补充数据可以包括从其他源接收的定位数据;例如,可以将来自附近GPS接收器(例如,附近汽车中的智能电话的GPS接收器)的GPS数据用作定位的近似指示器。作为另一示例,可以使用蜂窝塔三角测量数据(即,从无线电塔三角测量或三边测量导出的位置数据)或WiFi三角测量数据作为定位的近似指示器。
优选地,当对于导航和/或路线学习的目的必要时,S130用于收集补充数据。由于大多数补充数据收集技术比基于GPS的导航消耗的功率实质上更少,因此S130可以包括比GPS数据收集实质上更频繁地执行补充数据收集。另外或可替代地,S130可以包括以任何频率收集和/或储存补充数据。
S130可以包括处理补充数据;例如,原始加速度计数据可以被转换成测量的加速度。作为另一示例,S130可以包括对音频和/或视频数据执行特征辨别以识别运动变化。作为第三示例,S130可以包括基于(例如,如从互联网可访问的气象报告接收的)气象状况来解译气压计数据。作为第四示例,S130可以包括解释磁力计数据以检测车辆航向的变化(例如,车辆转弯)。
在优选实施例的一个变型中,S130可以包括处理加速度计数据以便分离与竖直车辆运动(例如,垂直于路面的车辆运动)对应的加速度计数据。优选地,竖直车辆运动数据包括时间、竖直车辆加速度和竖直车辆速度,但是还可以包括或排除与竖直车辆运动有关的其他数据。分离竖直车辆运动作为地球物理定位的特征标志可能是有用的;例如,如果特定的路面包括特定深度的坑洼,则当车辆穿过坑洼时所采集的竖直车辆运动数据可以是该坑洼的地球物理位置的特征,并且可以用于估计车辆的定位而无需使用GPS。例如,用于识别定位的其他路面特征可以包括减速带。为了从竖直车辆运动数据中辨别出鲁棒的特征曲线,S130可以包括从给定定位处的多个行程中采集数据,以便提取竖直车辆运动数据中的特有的曲线特征;可替代地,S130可以从给定定位处的单次行程中采集数据以推断特有的竖直车辆运动曲线(例如,竖直车辆运动数据中的特征曲线可以与单次行程明显不同)。S130还可以包括后处理所采集的数据(例如,数据过滤、数据平滑、数据平均等)以便例如滤出噪声和/或分离特征曲线的固有特征。
在后处理竖直车辆运动数据的具体示例中,为了辨别表征地球物理定位的鲁棒曲线,S130还可以包括针对车辆的悬架校准竖直车辆运动数据(即,路面特征如何表现为如由导航设备记录的竖直车辆运动响应)。在S130不能利用关于车辆悬架的任何特定信息的情况下,S130可以完成相对于基线悬架曲线默认值(baseline suspension profiledefault)的悬架校准;该曲线可以表示从导航设备可访问的所有竖直车辆运动数据推断的平均竖直车辆响应,但可替代地,可以任何合适的方式建立。在参考位置已知(例如,经由GPS定位)并且与特定的竖直车辆运动曲线相关联的情况下,S130可以包括将相关联的竖直车辆运动曲线与基于加速度计数据的测量的竖直车辆运动曲线(即,没有悬架校准)进行比较并基于悬架相关的差异来确定悬架校准曲线。在导航设备可以利用关于车辆悬架的信息的情况下,S130可以使用这样的信息来检索相应储存的校准曲线并且根据相应储存的校准曲线来校准竖直车辆运动数据。例如,车辆悬架可以是特定车辆制造商的特征(例如,由福特制造的车辆可以具有与由雪佛兰制造的车辆不同的特征悬架响应)、特定车辆类型的特征(例如,SUV可以具有与轿车不同的特征悬架响应)、特定车辆的特征(例如,特定车辆可以具有与另一车辆不同的特征悬架响应,即使其他车辆由同一制造商制造且是相同的车辆类型)、特定车辆重量的特征或任何其他合适的车辆参数的特征。S130可以以任何合适的方式检测任何合适的车辆参数;例如,S130可以经由直接的用户输入(例如,通过与导航设备相关联的用户接口)、检测(例如,导航设备可以能够例如经由无线电或蓝牙无线地与车辆的电子控制单元对接,以确定合适的车辆参数)、推断(例如,在行驶期间监测的车辆性能)或以任何其他合适的方式来检测合适的车辆参数。
在优选实施例的另一变型中,S130还可以包括处理加速度计数据,以便分离与水平车辆运动(例如,平行于路面的车辆运动)相对应的加速度计数据。优选地,水平车辆运动数据包括时间、水平车辆加速度和水平车辆速度,但是还可以包括或排除与水平车辆运动有关的其他数据。如图4A、图4B和图4C所示,这种水平车辆数据可能是有用的,因为竖直车辆运动数据可能需要基于水平车辆速度来缩放以便与特征车辆运动曲线相关。如图4A所示,第一组竖直车辆运动数据可以对应于跨某个地球物理区域以第一水平速度行驶的车辆;然而,如图4B所示,第二(可能但不一定不同的)组竖直车辆运动数据可以对应于跨相同的地球物理区域但以较快的水平速度行驶的相同车辆。如图4C所示,与该地球物理区域相关联的竖直车辆运动曲线可能已经以第三可能中间的水平速度收集。虽然,如图4A、图4B和图4C所示,竖直车辆运动响应被示意性地表示为随着水平车辆速度的增加而增加,但竖直车辆运动响应可以减小或者与水平车辆速度完全不相关。如果竖直车辆运动数据以任何方式取决于作为定位的函数的水平车辆速度,则S130可以包括以任何合适的方式根据水平车辆运动数据对竖直车辆运动数据进行缩放。
在另一具体示例中,并且如图5A、图5B和图5C所示,这种水平车辆数据可以另外是有用的,因为随着水平车辆速度的增加,特征车辆运动曲线可以在时间上对应于更窄的竖直运动响应。如图5A所示,第一组竖直车辆运动数据可对应于作为时间的函数的以第一水平速度跨地球物理区域行驶的车辆;然而,如图5B所示,第二(可能但不一定不同的)组竖直车辆运动数据可对应于作为时间的函数的跨相同的地球物理区域但以较快的水平速度行驶的相同的车辆。如图5C所示,作为时间的函数的与该地球物理区域相关联的竖直车辆运动曲线可能已经以第三可能中间的水平速度收集。如果垂直车辆运动数据以任何方式取决于作为时间的函数的水平车辆速度,则S130可以包括对特征竖直运动曲线进行时间缩放以便考虑竖直车辆运动曲线对水平车辆运动的依赖性;在没有时间缩放的情况下,例如,S130根据竖直车辆运动数据估计车辆定位的能力可能会受到影响。
在另一个具体示例中,S130可以包括使用水平车辆运动数据以便推断水平车辆行驶方向。S130可以包括在基于竖直车辆运动数据估计车辆定位中并入水平车辆行驶方向。例如,如果S130使用竖直车辆运动数据来估计车辆的定位并且基于竖直车辆运动曲线生成两个概率相等的可能定位,则S130可以包括使用水平车辆行驶方向来在它们之间做出决定(例如,车辆是否正朝向其中一个定位行驶并远离另一定位)。另外地或可替代地,S130可以包括以任何合适的方式使用水平车辆运动数据。
在优选实施例的另一变型中,S130可以包括收集并处理气压计数据。相对于加速度计数据,气压计数据可能对于本地导航设备移动相对不敏感(例如,受与导航设备交互的用户影响相对较少);然后,气压计数据结合加速度计数据可以改进主要单独基于气压计或加速度数据的定位估计。然而,S130可以包括主要或仅使用单个补充数据源。尽管与车辆的定位相关的气压读数可以是该定位的特征(例如,定位的高度),但气压数据也可能受到不是特定定位的特征的外在因素(例如,气象)的影响;因此,S130可以包括处理气压计数据以便校正这些外在因素。在影响气压的外在因素是气象的具体示例中,S130可以包括采集与气象相关联的压力数据(例如,经由导航设备通过互联网从本地气象源中检索数据),并根据与气象相关联的压力数据校正气压计数据。另外,S130可以包括任何合适的气压计处理步骤(例如,时间平均、噪声过滤、聚合来自多个源的与气象相关联的压力数据等)。例如,S130可以包括计算气压或标准化气压的变化(例如,将气压标准化为初始气压或查看变化以移除由气象影响引起的误差)。
另外或可替代地,S130可以包括当导航系统操作状态与补充数据收集(例如,选择是否储存传感器数据、补充数据收集的频率、处理参数等)有关时修改导航系统操作状态。导航系统操作状态(当它们与补充数据收集有关时)可以根据任何输入数据进行设置。例如,S130可以包括根据导航系统电池状态(例如,充电水平、充电状态)、一天中的时间、定位、路线了解(例如,收集了关于当前路线和/或位置的多少数据)、GPS信号质量或任何其他数据来不同地收集补充数据。
S140包括使GPS数据和补充数据相关联。S140用于将补充数据链接到位置;在大多数情况下,GPS数据是该位置数据的初始来源。例如,S140可以包括使特定加速度计或气压计响应与(如由GPS确定的)特定位置相关联。
S140可以包括以任何方式使GPS数据和补充数据相关联;例如,可以使用GPS数据来将补充数据关联到位置。在该示例中,特定的补充数据曲线(例如,如由加速度计测量的特定转弯模式)可以与(如由GPS测量的)特定的位置或区域相关,以便在将来如果检测到该补充数据曲线,可以在不使用GPS的情况下导出导航系统定位。
优选实施例的一个示例包括使用GPS数据来提供初始位置测量结果,然后,S140可以使用该初始位置测量结果来基于补充数据估计车辆位置。例如,S140可以包括基于竖直车辆运动数据计算车辆的估计定位,然后将该估计定位与GPS初始化位置进行比较。如果基于竖直车辆运动的车辆的估计定位包括在旧金山的一个候选定位和在美国奥克兰的另一个候选定位,则S140可以在计算车辆的估计定位时利用GPS初始化数据将车辆定位到旧金山(即,地点可用于对候选定位进行加权或评分)。
作为另一示例,可以使用GPS数据来提供初始位置测量结果,从中可以使用运动测量结果来执行航位推算或类似技术。航位推算是指基于运动数据计算位置的变化的过程(例如,不通过GPS直接测量位置);通过测量作为时间的函数的车辆速度(或从加速度计测量结果推断车辆速度),可以通过时间积分来计算位置的变化。航位推算可用于估计车辆在路面上的定位;在这种情况下,航位推算法可以具体利用水平车辆运动数据来估计相对于路面的水平车辆位置的变化。如果S140包括航位推算以估计车辆位置的变化,则航位推算的结果可用于各种目的。
在第一具体示例中,S140可以包括航位推算,以产生与基于竖直车辆运动数据的车辆定位估计分开的车辆定位估计。在该具体示例中,S140可以包括:从GPS接收器接收初始位置;使用航位推算来估计车辆位置的变化,该变化可以被添加到初始位置以产生GPS和加速度计导出的定位估计;以及将GPS和加速度计导出的定位估计与根据映射关联从竖直车辆运动数据导出的估计车辆定位进行比较。特别地,在S140从具有可比似然性的一组可能定位中选择从竖直车辆运动数据导出的估计车辆定位的情况下,S140可以包括GPS和加速度计导出的定位估计与从竖直车辆运动数据导出的估计车辆定位的比较来计算车辆的估计定位(例如,平均GPS和加速度计导出的定位估计和从竖直车辆运动数据导出的估计车辆定位、根据GPS和加速度计导出的定位估计来调整与该组可能的竖直车辆运动定位中的每个成员相关联的概率或置信度权重、根据置信度权重平均估计等)。S140也可以包括基于在任一估计中所计算的置信度水平在GPS和加速度计导出的定位估计和从竖直车辆运动数据导出的估计车辆定位之间进行选择。例如,如果GPS和加速计导出的定位估计对应于由于GPS差GPS卫星几何结构引起的初始位置误差而产生的海洋中部的定位,则S140可以包括向GPS和加速度计导出的定位估计分配低的置信度(例如,其中置信度分配基于与接收的GPS信号相关联的GDOP值的计算),并且基于较高相关联的置信度选择从竖直车辆运动数据导出的估计车辆定位。在不同的背景下,不是在不同的定位估计之间进行选择,而是S140可以包括根据估计的置信度权重对不同的估计进行加权并且将置信度加权的平均值作为估计车辆定位。
在第二具体示例中,S140可以包括航位推算以从竖直车辆运动数据计算定位估计误差。如果车辆在已知的定位处开始(例如,通过GPS已知),则S140可以包括航位推算,以通过将已知的定位添加到从航位推算计算出的车辆位置变化来估计车辆定位,从而产生GPS和加速度计导出的定位估计;当GPS和加速度计导出的定位估计与从竖直车辆运动数据估计的定位类似时,S140可以能够使用该信息来推断来自竖直车辆运动数据的定位估计误差低(例如,误差低于某个阈值、预测的置信度高于某个阈值置信度等),并采取相应的动作(例如,修改GPS接收器的操作状态、主要使用补充数据进行导航等)。S140也可以包括以任何其他合适的方式(例如,通过将来自竖直车辆数据的定位估计与GPS导出的定位估计进行直接比较)来计算定位估计误差。
为了任何其他合适的目的,S140也可以包括航位推算。
优选地,GPS数据在时间基础上与补充数据相关联;也就是说,GPS数据与在GPS数据的某个时段(例如,几秒)内获得的补充数据相关联。然后,可以将在未来时间(例如,一个月后)获得的后续补充数据与(例如,用于相关性分析的)先前的补充数据进行比较;优选地,S140包括使用该比较和与先前的补充数据的GPS关联来基于在未来时间的补充数据估计定位。基于先前和后续的补充数据的比较的估计定位可以以任何合适的方式执行。例如,计算车辆的估计定位可以包括生成一组可能的定位,每个可能的定位与补充数据曲线相关联。在一些具体示例中,S140可以仅基于来自可能的定位的这组补充数据曲线和在行驶时获得的补充数据(例如,实时竖直车辆运动数据、实时气压计数据等)之间的相关性来计算车辆的估计定位;可替代地,S140也可以使用附加信息(例如,与GPS测量的初始车辆定位的接近度、与从航位推算推断出的GPS和加速度计导出的定位的组合等)来计算车辆的估计定位。S140也可以包括以任何合适的方式(例如,平均不同的估计、基于概率权重对估计进行加权平均、基于与任一估计方法对应的置信度权重对估计进行加权平均)基于比较来计算车辆的估计定位。另外或可替代地,GPS数据可以以任何方式与补充数据相关联。
优选地,GPS数据与经处理的补充数据相关联(以下更详细地描述),但另外或可替代地,可以与未经处理的补充数据相关联。
优选地,S140包括执行补充数据处理和/或过滤。优选地,补充数据处理尝试识别补充数据内对应于特定位置/区域或对应于与特定位置相关联的运动的模式或事件。作为位置对应的示例,特定路段的路面可以具有可通过(位于行驶在该路段的汽车中的导航系统的)加速度计读数识别的特征曲线。作为运动对应的示例,道路中的特定曲线可能导致可预测且明显的驾驶者转弯响应(可由加速度计和/或陀螺仪数据识别)。
这些对应可以以多种方式形成;例如,当补充数据模式与一位置重复相关联时(例如,模式可能没有被明确识别,但在五个不同的时间观察,它每次都出现在由GPS测量的特定位置中),可以形成对应。作为另一示例,如图6所示,对应可以通过特征识别来形成(例如,模式看起来像具有特定曲率半径的右转弯,其可以基于曲线和GPS位置与存在于导航地图数据中的道路相匹配)。
在S140包括执行特征识别的情况下,S140优选地首先包括执行特征识别。例如,在前面的示例中,S140可以包括首先识别特定的加速度计数据模式识别右转弯,并且在所述识别之后,然后将右转弯与导航地图道路曲率数据进行比较。
特征识别也可用于从补充数据中移除噪声(和/或任何其他不需要的信号分量)。例如,S140可以包括检测由智能电话的加速度计记录的由于用户在汽车内移动电话(而非汽车本身的运动)引起的运动数据;与该运动相关联的信号可以从用于导航目的的补充数据中移除。作为另一示例,S140可以包括检测在转弯期间的车道变化,并且变换运动数据以更好地反映转弯的曲率(而不是原始数据,其包括由于转弯和车道变化二者引起的运动)。在一些情况下,噪声可能不容易移除(例如,噪声压过信号的情况),并且S140可以包括丢弃噪声补充数据。
S140也可以包括使用特征识别来修改如何储存和/或关联补充数据。例如,S140可以包括使z轴车辆运动(其由加速度计和/或气压计测量,并且对应于跨路面的高度变化)与道路上的位置相关联。路面不仅可以是沿着道路(即,在行驶方向上)的位置的函数,而且还可以是跨道路(即,车辆在哪个车道并且甚至可能在车道内的位置)的位置的函数。结果,可能需要跨所有车道(在特定方向上)测量数据,以提供路面和沿着道路的位置之间的良好相关性。在这个示例中,S140可以包括分别针对车道储存数据;因此,S140可以使用车道变化的特征识别来修改针对哪个车道储存数据。
特征识别可以以任何合适的方式来执行。作为第一示例,特征识别可以包括将补充数据与标记为表示特定特征的相同类型的补充数据进行比较(例如,加速度计数据与其他加速度计数据进行比较)。作为第二个例子,特征识别可以包括在算法上处理补充数据以评估它的某些特征。作为第三示例,特征识别可以包括执行一种类型的补充数据和另一种类型的数据(例如,其他补充数据、GPS数据等)之间的初步对应,然后基于在第二类型的数据上运行的特征识别来识别第一类型的补充数据中的特征。作为第四示例,特征识别可以包括从用户接收明确的特征识别(例如,用户按下识别到用户刚做出右转弯的按钮)。
S140可以包括通过确认多个来源来执行补充数据处理。例如,S140可以包括接收除了来自智能电话加速度计的加速度计数据之外的车辆速度计数据(例如,经由OBD-II接口);如果智能电话加速度计记录了速度计未注意到的加速度的大变化,则可能表示智能电话正在相对于车辆运动(并且该加速度计数据可能会相应地被处理/过滤)。
作为另一示例,S140可以包括基于车辆速度(在一些情况下,其可以经由导航系统的GPS接收器获得)来调整补充数据。竖直车辆运动数据的时间缩放是一个示例,但另外或可替代地,S140可以包括以任何合适的方式基于车辆速度(例如,由于相对于移动车辆的空气运动引起的速度调整的气压计测量结果)来调整补充数据。
如前面的示例所示,基于所使用的收集机制,补充数据收集可能会经历高度的变化性。优选地,S140包括以经调整以考虑到一些这种变化性的方式使GPS数据和补充数据相关联。
例如,如果加速度计数据由智能电话收集,则数据可能会基于车内智能电话的位置和定向而显著改变。S140可以包括自动调整收集的数据以对此进行考虑;另外或可替代地,S140可以包括请求用户以特定方式放置智能电话。
类似地,由移动导航系统收集的补充数据可以基于与该移动导航系统相关联的驾驶者和/或车辆而改变。S140可以包括基于车辆和/或驾驶者修改补充数据;例如,如果S140包括使(如由加速度计检测的)路面测量结果与位置相关联,则可能需要考虑车辆的悬架响应以允许将在一个车辆中获得的数据与另一车辆中的数据进行比较。
S140可以包括通过要求导航系统用户识别车辆和/或驾驶者来识别车辆和/或车辆的驾驶者。另外或可替代地,S140可以包括自动识别车辆和/或驾驶者。
如图7所示,并且如其整体通过引用并入的第14/206,721号美国专利申请所描述的,在优选实施例的一个实施中,S140包括自动识别车辆和/或驾驶者。
S150包括基于补充数据执行导航。S150用于根据补充数据来执行车辆导航,但是可以仅基于补充数据或者基于补充数据和GPS数据二者的组合(和/或任何其他相关数据)来执行导航。优选地,S150包括通过将从补充数据计算的位置(例如,纬度和经度、相比于道路的相对位置等)与地图数据进行比较来执行导航,但另外或可替代地,可以包括以任何方式执行导航。
如前所述,优选地,S150包括根据导航系统状态来执行导航(例如,向用户提供指导、向自动驾驶汽车提供指导等)。优选地,导航系统状态确定如何使用补充数据和GPS数据来执行导航,以及补充数据和GPS数据收集参数。导航状态也可以确定补充数据和GPS数据如何被处理和/或校准或者用于任何其他合适的目的。
在优选实施例的一个变型中,S150包括建议车辆要占用的道路车道。例如,如果S140能够识别车辆正在行驶的车道,则S150可以包括引导车辆占用特定车道(例如,占用右侧车道以进行特定转弯)。
优选实施例及其变型的系统和方法可以被至少部分地体现和/或实现为被配置成接收储存计算机可读指令的计算机可读介质的机器。优选地,指令由计算机可执行组件来执行,该计算机可执行组件优选地与导航系统集成。计算机可读介质可存储在任何合适的计算机可读媒介上,诸如RAM、ROM、闪存、EEPROM、光学设备(CD或DVD)、硬盘驱动器、软盘驱动器或任何合适的设备。计算机可执行组件优选地是通用或专用处理器,但任何合适的专用硬件或硬件/固件组合设备可替代地或另外地可执行指令。
如本领域中的技术人员将从先前的详细描述以及从附图和权利要求中认识到的,可在不偏离在权利要求中限定的本发明的范围的情况下对本发明的优选的实施例进行修改和改变。
Claims (21)
1.一种用于车辆在路面上主要基于传感器的导航的方法,所述方法包括:
·在第一时段中,使用导航设备的GPS接收器收集地球物理位置数据;
·在所述第一时段中,使用所述导航设备的加速度计收集第一组加速度计数据;
·分析所述第一组加速度计数据,以产生第一组竖直车辆运动数据;其中,竖直车辆运动数据描述垂直于所述路面的所述车辆的运动;
·生成所述第一组竖直车辆运动数据和所述地球物理位置数据之间的映射关联;
·在所述第一时段之后的第二时段中,使用所述加速度计收集第二组加速度计数据;
·分析所述第二组加速度计数据,以产生第二组竖直车辆运动数据;以及
·通过根据所述映射关联分析所述第二组竖直车辆运动数据来计算所述车辆的估计定位。
2.如权利要求1所述的方法,还包括:
·生成一组先前行驶的路线,所述一组先前行驶的路线中的每个先前行驶的路线与先前映射到竖直车辆运动数据的地球物理位置相关联;
·在所述导航设备处接收行驶来源地和行驶目的地;
·确定来自所述一组先前行驶的路线的第一先前行驶的路线与所述行驶来源地、所述行驶目的地和所述车辆的估计定位相交;以及
·根据所述第一先前行驶的路线来导航所述车辆。
3.如权利要求2所述的方法,还包括响应于识别到所述第一先前行驶的路线,关断所述GPS接收器;其中根据所述第一先前行驶的路线导航所述车辆包括基于竖直车辆运动数据进行导航而不收集附加的GPS数据。
4.如权利要求3所述的方法,其中,在所述导航设备处接收行驶来源地和行驶目的地包括接收用户提交的行驶来源地和用户提交的行驶目的地。
5.如权利要求3所述的方法,其中,在所述导航设备处接收行驶来源地和行驶目的地包括接收GPS推断的行驶来源地和用户提交的行驶目的地。
6.如权利要求3所述的方法,其中,在所述导航设备处接收行驶来源地和行驶目的地包括接收GPS推断的行驶来源地,并且还包括从所述GPS推断的行驶来源地、当前时间和对所述一组先前行驶的路线的历史分析来预测预计的行驶目的地。
7.如权利要求1所述的方法,还包括计算定位估计误差;并且响应于所述定位估计误差低于定位估计误差阈值,禁用所述GPS接收器并基于竖直车辆运动数据进行导航而不收集附加的GPS数据。
8.如权利要求7所述的方法,其中,计算定位估计误差包括基于GPS导出的定位和所述车辆的估计定位的比较来计算定位估计误差,所述GPS导出的定位从由所述GPS接收器在所述第二时段中收集的第二组地球物理位置数据导出。
9.如权利要求7所述的方法,其中,计算定位估计误差包括基于GPS和加速度计导出的定位和所述车辆的估计定位的比较来计算定位估计误差;其中,所述方法还包括通过以下步骤在所述第二时段中导出所述GPS和加速度计导出的定位:
·从由所述GPS接收器收集的第二组地球物理位置数据推断GPS测量的初始车辆定位;其中,在所述第一时段和所述第二时段之间的第一时间收集所述地球物理位置数据;
·在所述第一时间和所述第二时段中的第二时间之间收集第三组加速度计数据;
·分析所述第三组加速度计数据,以产生第一组水平车辆运动数据;
·从所述第一组水平车辆运动数据计算车辆位置变化;以及
·通过将所述车辆位置变化添加到所述GPS测量的初始车辆定位来计算所述GPS和加速度计导出的定位。
10.如权利要求1所述的方法,其中,计算所述车辆的估计定位包括:
·从由所述GPS接收器收集的第二组地球物理位置数据推断GPS测量的初始车辆定位;其中,在所述第一时段和所述第二时段之间的第一时间收集所述地球物理位置数据;
·生成一组可能的定位,所述一组可能的定位中的每个可能的定位与竖直车辆运动曲线相关联;以及
·基于所述一组可能的定位与所述GPS测量的初始车辆定位的接近度和所述竖直车辆运动曲线与所述第二组竖直车辆运动数据的相关性二者,从所述一组可能的定位计算所述车辆的估计定位。
11.如权利要求1所述的方法,其中,计算所述车辆的估计定位包括:
·从由所述GPS接收器收集的第二组地球物理位置数据推断GPS测量的初始车辆定位;其中,在所述第一时段和所述第二时段之间的第一时间收集所述地球物理位置数据;
·在所述第一时间和所述第二时段中的第二时间之间收集第三组加速度计数据;
·分析所述第三组加速度计数据,以产生第一组水平车辆运动数据;
·从所述第一组水平车辆运动数据计算车辆位置变化;
·通过将所述车辆位置变化添加到所述GPS测量的初始车辆定位来计算GPS和加速度计导出的定位;
·生成一组可能的定位,所述一组可能的定位中的每个可能的定位与竖直车辆运动曲线相关联;以及
·基于所述一组可能的定位与所述GPS和加速度计导出的定位的接近度和所述竖直车辆运动曲线和所述第二组竖直车辆运动数据的相关性二者,从所述一组可能的定位计算所述车辆的估计定位。
12.如权利要求1所述的方法,其中,计算所述车辆的估计定位包括:
·从由所述GPS接收器收集的第二组地球物理位置数据推断GPS测量的初始车辆定位;其中,在所述第一时段和所述第二时段之间的第一时间收集所述地球物理位置数据;
·在所述第一时间和所述第二时段中的第二时间之间收集第三组加速度计数据;
·分析所述第三组加速度计数据,以产生第一组水平车辆运动数据;
·从所述第一组水平车辆运动数据计算车辆位置变化;
·通过将所述车辆位置变化添加到所述GPS测量的初始车辆定位来计算GPS和加速度计导出的定位;
·通过根据所述映射关联分析所述第二组竖直车辆运动数据来计算竖直加速度计导出的定位和竖直加速度计置信度;以及
·基于所述竖直加速度计导出的置信度将所述GPS和加速度计导出的定位和所述竖直加速度计导出的定位中的一个选择作为所述车辆的估计定位。
13.如权利要求1所述的方法,还包括:
·在所述第二时段中,使用所述导航设备的GPS接收器收集第二组地球物理位置数据;
·基于所述第二组GPS地球物理位置数据导出GPS导出的定位;
·计算在所述GPS导出的定位中的GPS准确性置信度;
其中,计算所述车辆的估计定位包括从初始估计定位和所述GPS导出的定位的加权组合来计算所述车辆的估计定位;其中,所述初始估计定位是单独从对所述第二组竖直车辆数据的分析计算出来的;其中,所述GPS导出的定位由所述GPS准确性置信度加权。
14.如权利要求13所述的方法,还包括基于所述GPS准确性置信度修改所述GPS接收器的占空比。
15.如权利要求14所述的方法,其中,计算GPS准确性置信度包括计算几何精度因子等级,并将所述几何精度因子等级与几何精度因子等级阈值进行比较。
16.如权利要求1所述的方法,还包括:
·在所述第一时段中,收集第一车辆速度;
·在所述第二时段中,收集第二车辆速度;
·其中,根据所述映射关联分析所述第二组竖直车辆运动数据包括基于所述第一车辆速度和所述第二车辆速度之间的差异对所述第二组竖直车辆运动数据进行时间缩放。
17.如权利要求1所述的方法,还包括:
·在所述第一时段中,收集第一辆车悬架曲线;
·在所述第二时段中,收集第二车辆悬架曲线;
·其中,根据所述映射关联分析所述第二组竖直车辆运动数据包括还根据所述第一车辆悬架曲线和所述第二车辆悬架曲线分析所述第二组竖直车辆运动数据。
18.如权利要求1所述的方法,还包括:
·在所述第一时段中,使用所述导航设备的气压计收集第一组气压计数据;以及
·在所述第二时段中,使用所述气压计收集第二组气压计数据;
其中,生成所述映射关联还包括生成所述第一组气压计数据和所述地球物理位置数据之间的所述映射关联;其中,计算所述车辆的估计定位还包括根据所述映射关联分析所述第二组气压计数据。
19.如权利要求18所述的方法,其中,收集所述第一组气压计数据包括在所述第一时段中收集第一组气象数据并使用所述第一组气象数据处理所述第一组气压计数据;其中,收集所述第二组气压计数据包括在所述第二时段中收集第二组气象数据并使用所述第二组气象数据处理所述第二组气压计数据。
20.一种用于车辆在路面上主要基于传感器的导航的方法,所述方法包括:
·在第一时段中,使用导航设备的GPS接收器收集地球物理位置数据;
·在所述第一时段中,使用所述导航设备的气压计收集第一组气压计数据;
·生成所述第一组气压计数据和所述地球物理位置数据之间的映射关联;
·在所述第一时段之后的第二时段中,使用所述气压计收集第二组气压计数据;以及
·通过根据所述映射关联分析所述第二组气压计数据来计算所述车辆的估计定位。
21.如权利要求20所述的方法,其中,收集所述第一组气压计数据包括在所述第一时段中收集第一组气象数据并使用所述第一组气象数据处理所述第一组气压计数据;其中,收集所述第二组气压计数据包括在所述第二时段中收集第二组气象数据并使用所述第二组气象数据处理所述第二组气压计数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562207461P | 2015-08-20 | 2015-08-20 | |
US62/207,461 | 2015-08-20 | ||
PCT/US2016/048053 WO2017031498A1 (en) | 2015-08-20 | 2016-08-22 | Method for accelerometer-assisted navigation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108139456A true CN108139456A (zh) | 2018-06-08 |
CN108139456B CN108139456B (zh) | 2022-03-04 |
Family
ID=58051060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680061393.4A Active CN108139456B (zh) | 2015-08-20 | 2016-08-22 | 加速度计辅助导航的方法 |
Country Status (8)
Country | Link |
---|---|
US (4) | US9733089B2 (zh) |
EP (1) | EP3338105B1 (zh) |
JP (1) | JP6676147B2 (zh) |
CN (1) | CN108139456B (zh) |
DK (1) | DK3338105T3 (zh) |
ES (1) | ES2904564T3 (zh) |
PT (1) | PT3338105T (zh) |
WO (1) | WO2017031498A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859135A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市万普拉斯科技有限公司 | 导航方法、装置和移动终端 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITTO20130307A1 (it) | 2013-04-17 | 2014-10-18 | Itt Italia Srl | Metodo per realizzare un elemento frenante, in particolare una pastiglia freno, sensorizzato, pastiglia freno sensorizzata, impianto frenante di veicolo e metodo associato |
US9939035B2 (en) | 2015-05-28 | 2018-04-10 | Itt Italia S.R.L. | Smart braking devices, systems, and methods |
ITUB20153706A1 (it) | 2015-09-17 | 2017-03-17 | Itt Italia Srl | Dispositivo frenante per veicolo pesante e metodo di prevenzione del surriscaldamento dei freni in un veicolo pesante |
ITUB20153709A1 (it) * | 2015-09-17 | 2017-03-17 | Itt Italia Srl | Dispositivo di analisi e gestione dei dati generati da un sistema frenante sensorizzato per veicoli |
ITUA20161336A1 (it) | 2016-03-03 | 2017-09-03 | Itt Italia Srl | Dispositivo e metodo per il miglioramento delle prestazioni di un sistema antibloccaggio e antiscivolamento di un veicolo |
US10719983B2 (en) * | 2016-04-06 | 2020-07-21 | Anagog Ltd. | Three dimensional map generation based on crowdsourced positioning readings |
US20170329331A1 (en) * | 2016-05-16 | 2017-11-16 | Magna Electronics Inc. | Control system for semi-autonomous control of vehicle along learned route |
IT201600077944A1 (it) | 2016-07-25 | 2018-01-25 | Itt Italia Srl | Dispositivo per il rilevamento della coppia residua di frenatura in un veicolo equipaggiato con freni a disco |
US10012993B1 (en) | 2016-12-09 | 2018-07-03 | Zendrive, Inc. | Method and system for risk modeling in autonomous vehicles |
US10486700B2 (en) * | 2017-03-21 | 2019-11-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Selective disabling of deceleration area learning |
WO2018222937A1 (en) | 2017-05-31 | 2018-12-06 | Carmera, Inc. | System of vehicles equipped with imaging equipment for high-definition near real-time map generation |
US10901432B2 (en) * | 2017-09-13 | 2021-01-26 | ClearMotion, Inc. | Road surface-based vehicle control |
DE102017216238A1 (de) * | 2017-09-14 | 2019-03-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Ermitteln einer Position eines Kraftfahrzeugs in einer Umgebung sowie Steuervorrichtung für ein Kraftfahrzeug und Recheneinrichtung zum Betreiben an einem Datennetzwerk |
US10921462B2 (en) | 2017-09-22 | 2021-02-16 | Apple Inc. | Inertial navigation stabilization via barometer |
US11183071B2 (en) * | 2018-08-31 | 2021-11-23 | International Business Machines Corporation | Drone flight optimization using drone-to-drone permissioning |
WO2020081980A1 (en) | 2018-10-19 | 2020-04-23 | ClearMotion, Inc. | Method and apparatus for responding to road surface discontinuities |
US11801726B2 (en) * | 2018-11-01 | 2023-10-31 | ClearMotion, Inc. | Vehicle control based on localization and road data |
WO2020165738A1 (en) | 2019-02-12 | 2020-08-20 | Propeller Aerobotics Pty Ltd | Remote vehicle state estimation systems and methods |
US11256268B1 (en) * | 2019-03-29 | 2022-02-22 | Zoox, Inc. | Techniques for authorizing vehicle control systems |
CN110069593B (zh) * | 2019-04-24 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 图像处理方法及系统、服务器、计算机可读介质 |
IT201900015839A1 (it) | 2019-09-06 | 2021-03-06 | Itt Italia Srl | Pastiglia freno per veicoli e suo processo di produzione |
KR20210057393A (ko) * | 2019-11-12 | 2021-05-21 | 삼성전자주식회사 | 정밀 항법 장치 및 그 장치의 동작 방법 |
WO2021207707A2 (en) * | 2020-04-09 | 2021-10-14 | PHY Wireless, LLC | Mobile-based positioning using assistance data provided by onboard micro-bsa |
US20230176212A1 (en) * | 2020-04-29 | 2023-06-08 | Lg Electronics Inc. | Method for operating rsu related to vru location in wireless communication system |
US11302345B2 (en) * | 2020-05-06 | 2022-04-12 | Here Global B.V. | Method, apparatus, and computer program product for vehicle localization via frequency audio features |
US20220116743A1 (en) * | 2020-10-14 | 2022-04-14 | Lyft, Inc. | Detecting handheld device movements utilizing a handheld-movement-detection model |
JP2022149676A (ja) * | 2021-03-25 | 2022-10-07 | いすゞ自動車株式会社 | 位置推定装置、位置推定方法及び位置推定システム |
WO2022248114A1 (en) | 2021-05-25 | 2022-12-01 | Itt Italia S.R.L. | A method and a device for estimating residual torque between the braked and braking elements of a vehicle |
US20230384411A1 (en) * | 2022-05-27 | 2023-11-30 | Calamp Corp. | Technologies for determining location of a telematics device during communication mode switching |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101239572A (zh) * | 2003-02-18 | 2008-08-13 | 伯斯有限公司 | 地面车辆的垂直轨迹设计 |
US8352189B2 (en) * | 2009-02-02 | 2013-01-08 | Surface Systems & Instruments, Inc. | Method for generating high resolution surface topology map using surface profiling and surveying instrumentation |
JP2013195143A (ja) * | 2012-03-16 | 2013-09-30 | Nikon Corp | 位置検出装置、電子機器、位置検出システム、及びプログラム |
Family Cites Families (200)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH588374A5 (zh) * | 1975-03-14 | 1977-05-31 | Speno International | |
DE3439000A1 (de) * | 1984-10-25 | 1986-04-30 | Teldix Gmbh, 6900 Heidelberg | Koppelnavigationseinrichtung |
EP0534892B1 (en) * | 1991-09-27 | 1996-05-22 | Nessim Igal Levy | Position-locating method |
US5673039A (en) | 1992-04-13 | 1997-09-30 | Pietzsch Ag | Method of monitoring vehicular traffic and of providing information to drivers and system for carring out the method |
US5646857A (en) | 1995-03-31 | 1997-07-08 | Trimble Navigation Limited | Use of an altitude sensor to augment availability of GPS location fixes |
US6049778A (en) | 1997-10-31 | 2000-04-11 | Walker Asset Management Limited Partnership | Method and apparatus for administering a reward program |
JP3931432B2 (ja) * | 1998-06-19 | 2007-06-13 | 株式会社デンソー | 車載用ナビゲーション装置 |
US6944679B2 (en) | 2000-12-22 | 2005-09-13 | Microsoft Corp. | Context-aware systems and methods, location-aware systems and methods, context-aware vehicles and methods of operating the same, and location-aware vehicles and methods of operating the same |
JP4229358B2 (ja) * | 2001-01-22 | 2009-02-25 | 株式会社小松製作所 | 無人車両の走行制御装置 |
US6826477B2 (en) * | 2001-04-23 | 2004-11-30 | Ecole Polytechnique Federale De Lausanne (Epfl) | Pedestrian navigation method and apparatus operative in a dead reckoning mode |
JP4497748B2 (ja) * | 2001-04-27 | 2010-07-07 | パイオニア株式会社 | ナビゲーション装置、ナビゲーションシステム用のサーバ装置、目的地推定処理プログラムおよび目的地推定処理プログラムを記録した記録媒体 |
US8326257B2 (en) | 2002-10-28 | 2012-12-04 | Qualcomm Incorporated | Utilizing speed and position information to select an operational mode in a wireless communication system |
WO2004085220A1 (de) | 2003-03-26 | 2004-10-07 | Continental Teves Ag & Co. Ohg | Elektronisches steuersystem für ein fahrzeug und verfahren zum ermitteln mindestens eines vom fahrer unabhängigen eingriffs in ein fahrzeugsystem |
JP3969373B2 (ja) * | 2003-09-26 | 2007-09-05 | アイシン・エィ・ダブリュ株式会社 | ナビゲーション装置 |
US7532196B2 (en) | 2003-10-30 | 2009-05-12 | Microsoft Corporation | Distributed sensing techniques for mobile devices |
US7065449B2 (en) | 2004-03-05 | 2006-06-20 | Bell Geospace, Inc. | Method and system for evaluating geophysical survey data |
CZ2004770A3 (cs) | 2004-06-29 | 2006-02-15 | Pavelka@Miloslav | Zpusob detekce únavy operátora ze svalové cinnosti a zarízení k provádení tohoto zpusobu |
US20060153198A1 (en) | 2005-01-10 | 2006-07-13 | Siemens Communications, Inc. | Systems and methods for uninterrupted communication sessions |
US20070005228A1 (en) | 2005-06-30 | 2007-01-04 | Sehat Sutardja | GPS-based traffic monitoring system |
JP2007212265A (ja) * | 2006-02-09 | 2007-08-23 | Nissan Motor Co Ltd | 経路提示装置 |
US20070208501A1 (en) | 2006-03-03 | 2007-09-06 | Inrix, Inc. | Assessing road traffic speed using data obtained from mobile data sources |
US7831380B2 (en) | 2006-03-03 | 2010-11-09 | Inrix, Inc. | Assessing road traffic flow conditions using data obtained from mobile data sources |
US9635534B2 (en) | 2006-05-16 | 2017-04-25 | RedSky Technologies, Inc. | Method and system for an emergency location information service (E-LIS) from automated vehicles |
US8856019B2 (en) | 2006-05-24 | 2014-10-07 | True[X] Media Inc. | System and method of storing data related to social publishers and associating the data with electronic brand data |
EP1860904A1 (en) | 2006-05-26 | 2007-11-28 | Matsushita Electric Industrial Co., Ltd. | Mobility management in communication networks |
US8005759B2 (en) | 2006-08-17 | 2011-08-23 | Experian Information Solutions, Inc. | System and method for providing a score for a used vehicle |
US20080103907A1 (en) | 2006-10-25 | 2008-05-01 | Pudding Ltd. | Apparatus and computer code for providing social-network dependent information retrieval services |
DE102008008555B4 (de) | 2007-02-21 | 2018-06-28 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zum Minimieren von Gefahrensituationen bei Fahrzeugen |
US20080243439A1 (en) | 2007-03-28 | 2008-10-02 | Runkle Paul R | Sensor exploration and management through adaptive sensing framework |
WO2008131752A1 (de) | 2007-04-30 | 2008-11-06 | Peiker Acustic Gmbh & Co. Kg | Navigationssystem und steuereinheit für ein navigationssystem |
US9932033B2 (en) | 2007-05-10 | 2018-04-03 | Allstate Insurance Company | Route risk mitigation |
US10157422B2 (en) | 2007-05-10 | 2018-12-18 | Allstate Insurance Company | Road segment safety rating |
US10096038B2 (en) | 2007-05-10 | 2018-10-09 | Allstate Insurance Company | Road segment safety rating system |
US7881868B2 (en) | 2007-06-12 | 2011-02-01 | Palo Alto Research Center Incorporated | Dual assessment for early collision warning |
US7801675B2 (en) | 2007-07-13 | 2010-09-21 | Dash Navigation, Inc. | System and method of identifying portions of roads |
US8577703B2 (en) | 2007-07-17 | 2013-11-05 | Inthinc Technology Solutions, Inc. | System and method for categorizing driving behavior using driver mentoring and/or monitoring equipment to determine an underwriting risk |
JP2009133702A (ja) * | 2007-11-30 | 2009-06-18 | Clarion Co Ltd | 測位装置 |
CN101909950A (zh) | 2007-12-06 | 2010-12-08 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 用于发射紧急呼叫的方法和系统 |
US8849309B2 (en) | 2007-12-20 | 2014-09-30 | Telecom Italia S.P.A. | Method and system for forecasting travel times on roads |
US9141974B2 (en) | 2008-01-16 | 2015-09-22 | Martin Kelly Jones | Systems and methods for determining mobile thing (MT) identification and/or MT motion activity using sensor data of wireless communication device |
US8315786B2 (en) | 2008-06-27 | 2012-11-20 | Microsoft Corporation | Local decision policies about the sharing of sensed data that enhance privacy and lower communication costs for services that aggregate data from personal devices |
US10210479B2 (en) | 2008-07-29 | 2019-02-19 | Hartford Fire Insurance Company | Computerized sysem and method for data acquistion and application of disparate data to two stage bayesian networks to generate centrally maintained portable driving score data |
CN102177750A (zh) | 2008-10-09 | 2011-09-07 | 犹他大学研究基金会 | 用于防止驾驶时使用手机的系统和方法 |
US20100100398A1 (en) | 2008-10-16 | 2010-04-22 | Hartford Fire Insurance Company | Social network interface |
DE102008062916A1 (de) | 2008-12-23 | 2010-06-24 | Continental Safety Engineering International Gmbh | Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen |
US8264375B2 (en) | 2009-01-29 | 2012-09-11 | Navteq B.V. | Method and system for developing traffic messages |
US8054168B2 (en) | 2009-02-27 | 2011-11-08 | General Motors Llc | System and method for estimating an emergency level of a vehicular accident |
KR20120020164A (ko) | 2009-05-08 | 2012-03-07 | 오브에지, 엘엘씨 | 차량 작동자에 의한 모바일 장치의 사용에 대한 정책 기반 제어 및 모니터링을 위한 시스템, 방법, 및 장치 |
US20100299021A1 (en) | 2009-05-21 | 2010-11-25 | Reza Jalili | System and Method for Recording Data Associated with Vehicle Activity and Operation |
US9086292B2 (en) | 2009-06-26 | 2015-07-21 | Microsoft Technology Licensing, Llc | Routing, alerting, and transportation guidance based on preferences and learned or inferred risks and desirabilities |
US9688286B2 (en) | 2009-09-29 | 2017-06-27 | Omnitracs, Llc | System and method for integrating smartphone technology into a safety management platform to improve driver safety |
US9222798B2 (en) | 2009-12-22 | 2015-12-29 | Modena Enterprises, Llc | Systems and methods for identifying an activity of a user based on a chronological order of detected movements of a computing device |
JP4998543B2 (ja) * | 2009-12-22 | 2012-08-15 | カシオ計算機株式会社 | 測位装置、測位方法及びプログラム |
US9558520B2 (en) | 2009-12-31 | 2017-01-31 | Hartford Fire Insurance Company | System and method for geocoded insurance processing using mobile devices |
US20110238308A1 (en) | 2010-03-26 | 2011-09-29 | Isaac Thomas Miller | Pedal navigation using leo signals and body-mounted sensors |
US20120065871A1 (en) | 2010-06-23 | 2012-03-15 | Massachusetts Institute Of Technology | System and method for providing road condition and congestion monitoring |
US8395542B2 (en) * | 2010-08-27 | 2013-03-12 | Trimble Navigation Limited | Systems and methods for computing vertical position |
US8478697B2 (en) | 2010-09-15 | 2013-07-02 | Yahoo! Inc. | Determining whether to provide an advertisement to a user of a social network |
JP5577979B2 (ja) * | 2010-09-16 | 2014-08-27 | 株式会社デンソー | 車両用位置検出装置 |
US9800716B2 (en) | 2010-09-21 | 2017-10-24 | Cellepathy Inc. | Restricting mobile device usage |
US8750853B2 (en) | 2010-09-21 | 2014-06-10 | Cellepathy Ltd. | Sensor-based determination of user role, location, and/or state of one or more in-vehicle mobile devices and enforcement of usage thereof |
US8907772B1 (en) | 2010-09-29 | 2014-12-09 | Cyber Physical Systems, Inc. | System and method for automatic unsafe driving determination and notification |
US8489330B2 (en) | 2010-10-09 | 2013-07-16 | Fleetcor Technologies Operating Company, Llc | Navigation system with distance limitation mechanism and method of operation thereof |
JP5263260B2 (ja) * | 2010-10-27 | 2013-08-14 | 株式会社デンソー | 移動体用測位装置及びカーナビゲーション装置 |
WO2012056655A1 (ja) | 2010-10-28 | 2012-05-03 | パナソニック株式会社 | 交通事故検出装置及び交通事故検出方法 |
US8559976B2 (en) | 2010-11-09 | 2013-10-15 | Ntt Docomo, Inc. | System and method for population tracking, counting, and movement estimation using mobile operational data and/or geographic information in mobile network |
US20120129545A1 (en) | 2010-11-19 | 2012-05-24 | IIlume Software, Inc. | Systems and methods for selectively invoking positioning systems for mobile device control applications using multiple sensing modalities |
US8612139B2 (en) | 2010-11-30 | 2013-12-17 | GM Global Technology Operations LLC | Systems and methods for planning vehicle routes based on safety factors |
US8521193B2 (en) | 2010-12-08 | 2013-08-27 | Deutsche Telekom Ag | Energy-efficient positioning system for smartphone using cell-id sequence matching |
EP4195137A3 (en) | 2010-12-15 | 2023-09-13 | Auto Telematics Ltd | Method and system for logging vehicle behaviour |
US8447804B2 (en) | 2010-12-21 | 2013-05-21 | GM Global Technology Operations LLC | Information gathering system using multi-radio telematics devices |
US8682699B2 (en) | 2010-12-26 | 2014-03-25 | The Travelers Indemnity Company | Systems and methods for customer-related risk zones |
US8928495B2 (en) | 2011-01-24 | 2015-01-06 | Lexisnexis Risk Solutions Inc. | Systems and methods for telematics monitoring and communications |
US20120197587A1 (en) | 2011-02-01 | 2012-08-02 | Yiu Wah Luk | Vehicle ride evaluation |
IT1403839B1 (it) | 2011-02-09 | 2013-11-08 | Infomobility It S P A | Dispositivo di sicurezza per veicolo. |
US9221428B2 (en) | 2011-03-02 | 2015-12-29 | Automatic Labs Inc. | Driver identification system and methods |
US9672492B2 (en) | 2011-03-23 | 2017-06-06 | Hartford Fire Insurance Company | System and method for distributing insurance social media related information |
GB201106555D0 (en) | 2011-04-19 | 2011-06-01 | Tomtom Int Bv | Taxi dispatching system |
US9285944B1 (en) | 2011-04-22 | 2016-03-15 | Angel A. Penilla | Methods and systems for defining custom vehicle user interface configurations and cloud services for managing applications for the user interface and learned setting functions |
US9424606B2 (en) | 2011-04-28 | 2016-08-23 | Allstate Insurance Company | Enhanced claims settlement |
US8543135B2 (en) * | 2011-05-12 | 2013-09-24 | Amit Goyal | Contextually aware mobile device |
GB2492369B (en) | 2011-06-29 | 2014-04-02 | Itis Holdings Plc | Method and system for collecting traffic data |
US20110307188A1 (en) | 2011-06-29 | 2011-12-15 | State Farm Insurance | Systems and methods for providing driver feedback using a handheld mobile device |
EP2557503B1 (en) | 2011-07-28 | 2020-04-01 | Tata Consultancy Services Ltd. | Application performance measurement and reporting |
CA2844673C (en) | 2011-08-09 | 2019-11-05 | Otman A. Basir | Vehicle monitoring system with automatic driver identification |
US20130052614A1 (en) | 2011-08-31 | 2013-02-28 | Pulsar Informatics, Inc. | Driver Performance Metric |
US20130069802A1 (en) | 2011-09-20 | 2013-03-21 | Amotech Ltd. | Car accident automatic emergency service alerting system |
US8996234B1 (en) | 2011-10-11 | 2015-03-31 | Lytx, Inc. | Driver performance determination based on geolocation |
US9298575B2 (en) | 2011-10-12 | 2016-03-29 | Lytx, Inc. | Drive event capturing based on geolocation |
US20130325517A1 (en) | 2011-11-16 | 2013-12-05 | Gregory Berg | Insurance Systems and Method Using Online Social Networks |
US8754766B2 (en) | 2011-11-18 | 2014-06-17 | General Motors Llc | Providing emergency communication services using a vehicle telematics unit and a mobile device |
US8989914B1 (en) | 2011-12-19 | 2015-03-24 | Lytx, Inc. | Driver identification based on driving maneuver signature |
KR20140121845A (ko) | 2012-01-13 | 2014-10-16 | 펄스 펑션 에프6 리미티드 | 3d 관성 센서를 갖는 텔레매틱스 시스템 |
US20140309893A1 (en) | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Health statistics and communications of associated vehicle users |
KR101920303B1 (ko) * | 2012-03-19 | 2018-11-20 | 현대모비스 주식회사 | 3차원 위치 판정 장치 및 방법 |
JP5867223B2 (ja) * | 2012-03-26 | 2016-02-24 | 富士通株式会社 | 測位システム,サーバ,携帯端末,測位方法及びプログラム |
KR101966622B1 (ko) | 2012-04-05 | 2019-04-09 | 삼성전자주식회사 | 나노 임프린트 리소그래피용 템플리트의 제조 및 보정 방법 |
US8731530B1 (en) | 2012-04-26 | 2014-05-20 | Intelligent Technologies International, Inc. | In-vehicle driver cell phone detector |
US8799125B2 (en) | 2012-05-24 | 2014-08-05 | Hartford Fire Insurance Company | System and method for rendering dynamic insurance quote interface |
US20130332357A1 (en) | 2012-06-06 | 2013-12-12 | Google Inc. | Setting peer-to-peer authorization levels with social network content |
US8634822B2 (en) | 2012-06-24 | 2014-01-21 | Tango Networks, Inc. | Automatic identification of a vehicle driver based on driving behavior |
US20140046896A1 (en) | 2012-08-13 | 2014-02-13 | Kevin Grant Potter | Automated Extraction and Reporting on Applicant Private Social Network Information |
US20140074402A1 (en) | 2012-09-12 | 2014-03-13 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for determining risks associated with driving routes |
US20140081670A1 (en) | 2012-09-14 | 2014-03-20 | Hartford Fire Insurance Company | System and method for automated validation and augmentation of quotation data |
US9414221B1 (en) | 2012-12-21 | 2016-08-09 | Apio Systems, Inc. | System and method for determining compromised driving |
US9659492B2 (en) | 2013-01-11 | 2017-05-23 | Here Global B.V. | Real-time vehicle spacing control |
US9936341B1 (en) | 2013-02-15 | 2018-04-03 | United Parcel Service Of America, Inc. | Geographic representations of geographic areas |
US20140358394A1 (en) | 2013-02-15 | 2014-12-04 | Lxtch, Llc | Jolt and Jar Recorder System and Methods of Use Thereof |
US9188451B2 (en) * | 2013-02-28 | 2015-11-17 | Here Global B.V. | Method and apparatus for minimizing power consumption in a navigation system |
US9645970B2 (en) | 2013-02-28 | 2017-05-09 | Ford Global Technologies, Llc | Driver coaching system |
US9224293B2 (en) | 2013-03-16 | 2015-12-29 | Donald Warren Taylor | Apparatus and system for monitoring and managing traffic flow |
US8954340B2 (en) | 2013-03-15 | 2015-02-10 | State Farm Mutual Automobile Insurance Company | Risk evaluation based on vehicle operator behavior |
US9674214B2 (en) | 2013-03-15 | 2017-06-06 | Zerofox, Inc. | Social network profile data removal |
US8972103B2 (en) | 2013-03-19 | 2015-03-03 | Ford Global Technologies, Llc | Method of building and using local map of vehicle drive path |
US9677887B2 (en) | 2013-03-22 | 2017-06-13 | Qualcomm Incorporated | Estimating an initial position and navigation state using vehicle odometry |
US9131347B2 (en) * | 2013-04-26 | 2015-09-08 | Qualcomm Incorporated | Utilizing a pressure profile to determine a location context identifier |
US20150025917A1 (en) | 2013-07-15 | 2015-01-22 | Advanced Insurance Products & Services, Inc. | System and method for determining an underwriting risk, risk score, or price of insurance using cognitive information |
WO2015008290A2 (en) | 2013-07-18 | 2015-01-22 | Secure4Drive Communication Ltd. | Method and device for assisting in safe driving of a vehicle |
CN105659639B (zh) | 2013-07-26 | 2019-09-06 | 艾纳高格有限公司 | 将外部设备关联到交通工具及所述关联的应用 |
US20150084757A1 (en) | 2013-09-23 | 2015-03-26 | Agero, Inc. | Methods and systems for determining auto accidents using mobile phones and initiating emergency response |
US9064412B2 (en) | 2013-10-09 | 2015-06-23 | Bayerische Motoren Werke Aktiengesellschaft | Method for providing information to first responders of vehicle accidents |
US9368027B2 (en) | 2013-11-01 | 2016-06-14 | Here Global B.V. | Traffic data simulator |
JP6444023B2 (ja) * | 2013-11-12 | 2018-12-26 | 株式会社Nttドコモ | 端末装置、測位方法及びプログラム |
US9301082B2 (en) | 2013-12-06 | 2016-03-29 | Apple Inc. | Mobile device sensor data subscribing and sharing |
US9495601B2 (en) | 2013-12-09 | 2016-11-15 | Mirsani, LLC | Detecting and reporting improper activity involving a vehicle |
WO2015123604A1 (en) * | 2014-02-17 | 2015-08-20 | Tourmaline Labs, Inc. | Systems and methods for estimating movements of a vehicle using a mobile device |
US20160189303A1 (en) | 2014-03-21 | 2016-06-30 | Gil Emanuel Fuchs | Risk Based Automotive Insurance Rating System |
US10133530B2 (en) | 2014-05-19 | 2018-11-20 | Allstate Insurance Company | Electronic display systems connected to vehicles and vehicle-based systems |
US9293042B1 (en) | 2014-05-19 | 2016-03-22 | Allstate Insurance Company | Electronic display systems connected to vehicles and vehicle-based systems |
US9852475B1 (en) | 2014-05-20 | 2017-12-26 | State Farm Mutual Automobile Insurance Company | Accident risk model determination using autonomous vehicle operating data |
US20220005291A1 (en) | 2014-05-20 | 2022-01-06 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US20170034656A1 (en) | 2014-06-24 | 2017-02-02 | Intel Corporation | Apparatus,system and method of geofencing |
US9423318B2 (en) | 2014-07-29 | 2016-08-23 | Honeywell International Inc. | Motion detection devices and systems |
US9628975B1 (en) | 2014-08-06 | 2017-04-18 | Mobile Video Computing Solutions Llc | Crash event detection, response and reporting apparatus and method |
US9913099B2 (en) | 2014-08-06 | 2018-03-06 | Mobile Video Computing Solutions, LLC | Crash event detection, response and reporting apparatus and method |
US10623899B2 (en) | 2014-08-06 | 2020-04-14 | Mobile Video Computing Solutions Llc | Crash event detection, response and reporting apparatus and method |
US20160042767A1 (en) | 2014-08-08 | 2016-02-11 | Utility Associates, Inc. | Integrating data from multiple devices |
US20160048399A1 (en) | 2014-08-15 | 2016-02-18 | At&T Intellectual Property I, L.P. | Orchestrated sensor set |
US9763055B2 (en) * | 2014-08-26 | 2017-09-12 | Regents Of The University Of Minnesota | Travel and activity capturing |
EP2990290B1 (en) | 2014-09-01 | 2019-11-06 | Honda Research Institute Europe GmbH | Method and system for post-collision manoeuvre planning and vehicle equipped with such system |
US9731713B2 (en) | 2014-09-10 | 2017-08-15 | Volkswagen Ag | Modifying autonomous vehicle driving by recognizing vehicle characteristics |
US9773281B1 (en) | 2014-09-16 | 2017-09-26 | Allstate Insurance Company | Accident detection and recovery |
US11170446B1 (en) | 2014-10-28 | 2021-11-09 | State Farm Mutual Automobile Insurance Company | Systems and methods for communicating with an electric vehicle |
US20160129913A1 (en) | 2014-11-06 | 2016-05-12 | Lars Boesen | System and Method for the Automatic Persona Identification of a Person Post Motion |
US10846799B2 (en) | 2015-01-28 | 2020-11-24 | Arity International Limited | Interactive dashboard display |
US10049583B2 (en) | 2015-02-01 | 2018-08-14 | Clearag, Inc. | Flight condition evaluation and protection for unmanned aerial vehicles and remotely-piloted vehicles |
US20180174446A1 (en) | 2015-02-09 | 2018-06-21 | Kevin Sunlin Wang | System and method for traffic violation avoidance |
US9928735B2 (en) | 2015-02-09 | 2018-03-27 | Operr Technologies, Inc. | Systems and methods for traffic violation avoidance |
KR20160111173A (ko) | 2015-03-16 | 2016-09-26 | 현대자동차주식회사 | 차량 사고정보 제공장치 및 방법 |
US10267661B2 (en) | 2015-03-23 | 2019-04-23 | Incoming Pty Ltd | Energy efficient mobile context collection |
US9767625B1 (en) | 2015-04-13 | 2017-09-19 | Allstate Insurance Company | Automatic crash detection |
US9967701B1 (en) * | 2015-04-20 | 2018-05-08 | Verizon Patent And Licensing Inc. | Pressure sensor assisted position determination |
US10067157B2 (en) | 2015-05-07 | 2018-09-04 | Truemotion, Inc. | Methods and systems for sensor-based vehicle acceleration determination |
US9892363B2 (en) | 2015-05-07 | 2018-02-13 | Truemotion, Inc. | Methods and systems for sensor-based driving data collection |
US9449495B1 (en) | 2015-05-15 | 2016-09-20 | State Farm Mutual Automobile Insurance Company | Crash detection and severity classification system implementing emergency assistance |
EP3095659A1 (en) | 2015-05-19 | 2016-11-23 | Volvo Car Corporation | Method and system for providing a driver behaviour adapted evasive manoeuvre |
CN106294474B (zh) | 2015-06-03 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 显示数据的处理方法、装置及系统 |
US10055981B2 (en) | 2015-06-11 | 2018-08-21 | Here Global B.V. | Traffic speed modeling |
US9716978B2 (en) | 2015-06-25 | 2017-07-25 | Motorola Mobility Llc | Mobile communication device system and method for determining mode settings of vehicle passengers |
US10453337B2 (en) | 2015-06-25 | 2019-10-22 | Here Global B.V. | Method and apparatus for providing safety levels estimate for a travel link based on signage information |
US9842437B2 (en) | 2015-06-29 | 2017-12-12 | Allstate Insurance Company | Automatically identifying drivers |
US9457754B1 (en) | 2015-07-13 | 2016-10-04 | State Farm Mutual Automobile Insurance Company | Method and system for identifying vehicle collisions using sensor data |
US9888392B1 (en) | 2015-07-24 | 2018-02-06 | Allstate Insurance Company | Detecting handling of a device in a vehicle |
WO2017020142A1 (zh) | 2015-08-03 | 2017-02-09 | 深圳市好航科技有限公司 | 多用途车辆智能监控系统及方法 |
US9818239B2 (en) | 2015-08-20 | 2017-11-14 | Zendrive, Inc. | Method for smartphone-based accident detection |
US20210272207A1 (en) | 2015-08-28 | 2021-09-02 | State Farm Mutual Automobile Insurance Company | Vehicular driver profiles and discounts |
US10139237B2 (en) | 2015-09-01 | 2018-11-27 | Chris Outwater | Method for remotely identifying one of a passenger and an assigned vehicle to the other |
US9587952B1 (en) | 2015-09-09 | 2017-03-07 | Allstate Insurance Company | Altering autonomous or semi-autonomous vehicle operation based on route traversal values |
EP3350979A4 (en) | 2015-09-17 | 2019-03-27 | TrueMotion, Inc. | SYSTEMS AND METHODS FOR DETECTION AND EVALUATION OF DISTURBED CONDUCTORS |
CA3001657A1 (en) | 2015-10-13 | 2017-04-20 | Flywheel Software, Inc. | Accurately determining real time parameters describing vehicle motion based on multiple data sources |
US10176524B1 (en) | 2015-10-26 | 2019-01-08 | Allstate Insurance Company | Vehicle-to-vehicle incident information collection |
US10304260B2 (en) | 2015-10-26 | 2019-05-28 | Verizon Patent And Licensing, Inc. | Automated vehicle identification and inspection data processing system |
US20170124660A1 (en) | 2015-11-02 | 2017-05-04 | Verizon Patent And Licensing Inc. | Telematics Based Systems and Methods for Determining and Representing Driving Behavior |
US10334050B2 (en) | 2015-11-04 | 2019-06-25 | Zoox, Inc. | Software application and logic to modify configuration of an autonomous vehicle |
US10054446B2 (en) | 2015-11-17 | 2018-08-21 | Truemotion, Inc. | Methods and systems for combining sensor data to measure vehicle movement |
US9854396B2 (en) | 2015-11-23 | 2017-12-26 | Sap Portals Israel Ltd. | Monitoring movement transitions via cellular network data |
US9928667B2 (en) | 2015-12-21 | 2018-03-27 | International Business Machines Corporation | Determining vehicle occupancy using sensors |
US10503168B1 (en) | 2016-01-22 | 2019-12-10 | State Farm Mutual Automotive Insurance Company | Autonomous vehicle retrieval |
US10324463B1 (en) | 2016-01-22 | 2019-06-18 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation adjustment based upon route |
US11220258B2 (en) | 2016-01-26 | 2022-01-11 | Cambridge Mobile Telematics Inc. | Systems and methods for sensor-based vehicle crash prediction, detection, and reconstruction |
US10349219B2 (en) | 2016-01-26 | 2019-07-09 | Truemotion, Inc. | Methods and systems for combining sensor data to determine vehicle movement information |
US9632507B1 (en) | 2016-01-29 | 2017-04-25 | Meritor Wabco Vehicle Control Systems | System and method for adjusting vehicle platoon distances based on predicted external perturbations |
US10269075B2 (en) | 2016-02-02 | 2019-04-23 | Allstate Insurance Company | Subjective route risk mapping and mitigation |
CA3014660C (en) | 2016-02-15 | 2021-08-17 | Allstate Insurance Company | Early notification of non-autonomous area |
US20170241791A1 (en) | 2016-02-24 | 2017-08-24 | Allstate Insurance Company | Risk Maps |
US9788156B1 (en) | 2016-03-30 | 2017-10-10 | International Business Machines Corporation | Geofence determination |
US10081357B2 (en) | 2016-06-23 | 2018-09-25 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
US10127812B2 (en) | 2016-08-29 | 2018-11-13 | Allstate Insurance Company | Electrical data processing system for monitoring or affecting movement of a vehicle using a traffic device |
US10733460B2 (en) | 2016-09-14 | 2020-08-04 | Nauto, Inc. | Systems and methods for safe route determination |
WO2018053175A1 (en) | 2016-09-14 | 2018-03-22 | Nauto Global Limited | Systems and methods for near-crash determination |
US10032373B2 (en) | 2016-09-29 | 2018-07-24 | Cubic Corporation | Systems and methods for using autonomous vehicles in traffic |
US10937060B2 (en) | 2017-04-24 | 2021-03-02 | International Business Machines Corporation | Intelligent location based notification |
US9900747B1 (en) | 2017-05-16 | 2018-02-20 | Cambridge Mobile Telematics, Inc. | Using telematics data to identify a type of a trip |
US20170279947A1 (en) | 2017-06-13 | 2017-09-28 | Mediatek Inc. | Hybrid Telematics Enhancements With In-Vehicle Mobile Devices And Smart Sensors |
US10430695B2 (en) | 2017-06-16 | 2019-10-01 | Nauto, Inc. | System and method for contextualized vehicle operation determination |
US11627195B2 (en) | 2017-06-22 | 2023-04-11 | Aeris Communications, Inc. | Issuing alerts for IoT devices |
US10304329B2 (en) | 2017-06-28 | 2019-05-28 | Zendrive, Inc. | Method and system for determining traffic-related characteristics |
US20190035266A1 (en) | 2017-07-26 | 2019-01-31 | GM Global Technology Operations LLC | Systems and methods for road user classification, position, and kinematic parameter measuring and reporting via a digital telecommunication network |
KR102374919B1 (ko) | 2017-10-16 | 2022-03-16 | 주식회사 만도모빌리티솔루션즈 | 자율주행 지원 장치 및 방법 |
US20210309261A1 (en) | 2021-06-21 | 2021-10-07 | Intel Corporation | Driver and environment monitoring to predict human driving maneuvers and reduce human driving errors |
-
2016
- 2016-08-22 US US15/243,513 patent/US9733089B2/en active Active
- 2016-08-22 ES ES16837957T patent/ES2904564T3/es active Active
- 2016-08-22 CN CN201680061393.4A patent/CN108139456B/zh active Active
- 2016-08-22 WO PCT/US2016/048053 patent/WO2017031498A1/en active Application Filing
- 2016-08-22 DK DK16837957.6T patent/DK3338105T3/da active
- 2016-08-22 EP EP16837957.6A patent/EP3338105B1/en active Active
- 2016-08-22 JP JP2018506604A patent/JP6676147B2/ja active Active
- 2016-08-22 PT PT168379576T patent/PT3338105T/pt unknown
-
2017
- 2017-07-18 US US15/652,558 patent/US10209077B2/en active Active
-
2019
- 2019-01-04 US US16/240,183 patent/US11079235B2/en active Active
-
2021
- 2021-06-28 US US17/360,769 patent/US11927447B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101239572A (zh) * | 2003-02-18 | 2008-08-13 | 伯斯有限公司 | 地面车辆的垂直轨迹设计 |
US8352189B2 (en) * | 2009-02-02 | 2013-01-08 | Surface Systems & Instruments, Inc. | Method for generating high resolution surface topology map using surface profiling and surveying instrumentation |
JP2013195143A (ja) * | 2012-03-16 | 2013-09-30 | Nikon Corp | 位置検出装置、電子機器、位置検出システム、及びプログラム |
Non-Patent Citations (1)
Title |
---|
DEBBIE WALTER, PAUL D. GROVES等: "Novel Environmental Features for Robust Multisensor Navigation", 《INSTITUTE OF NAVIGATION GNSS+ 2013》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859135A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市万普拉斯科技有限公司 | 导航方法、装置和移动终端 |
WO2021104003A1 (zh) * | 2019-11-27 | 2021-06-03 | 深圳市万普拉斯科技有限公司 | 导航方法、装置和移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN108139456B (zh) | 2022-03-04 |
US20170052028A1 (en) | 2017-02-23 |
WO2017031498A1 (en) | 2017-02-23 |
US20190137275A1 (en) | 2019-05-09 |
EP3338105B1 (en) | 2022-01-05 |
JP2018525632A (ja) | 2018-09-06 |
US20210325187A1 (en) | 2021-10-21 |
US11079235B2 (en) | 2021-08-03 |
US9733089B2 (en) | 2017-08-15 |
US10209077B2 (en) | 2019-02-19 |
US11927447B2 (en) | 2024-03-12 |
EP3338105A4 (en) | 2018-10-10 |
JP6676147B2 (ja) | 2020-04-08 |
PT3338105T (pt) | 2022-01-24 |
DK3338105T3 (da) | 2022-01-24 |
ES2904564T3 (es) | 2022-04-05 |
EP3338105A1 (en) | 2018-06-27 |
US20170314929A1 (en) | 2017-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108139456A (zh) | 加速度计辅助导航的方法 | |
US8180566B2 (en) | Apparatus and program for finding vehicle position | |
US7339523B2 (en) | Navigation system using radio frequency tags | |
US10267646B2 (en) | Method and system for varying step length estimation using nonlinear system identification | |
CN109298389A (zh) | 基于多粒子群优化的室内行人组合位姿估计方法 | |
CN107014375B (zh) | 超低部署的室内定位系统及方法 | |
JPWO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
CN102798877A (zh) | 确定移动设备在人身上的位置的分层状况检测方法 | |
JP2016057836A (ja) | 移動体分析システムおよび移動体の方向軸推定方法 | |
JP2007333385A (ja) | 不動物位置記録装置 | |
US20160097861A1 (en) | Method and apparatus for location determination | |
TW201142339A (en) | Remote sensing satellite positioning device and method thereof | |
Ren et al. | Movement pattern recognition assisted map matching for pedestrian/wheelchair navigation | |
CN104422449B (zh) | 一种车辆导航的方法、装置 | |
Gu et al. | Integration of positioning and activity context information for lifelog in urban city area | |
JP4919172B2 (ja) | 車両案内装置 | |
CN105142107A (zh) | 一种室内定位方法 | |
KR101161103B1 (ko) | 사용자 위치 추적 방법, 이를 이용한 평면도 제작 방법 및 장치 | |
JP2009216400A (ja) | ナビゲーション装置、及びナビゲーションプログラム | |
Hnatiuc et al. | Path recognition using mobile phone | |
Alasaadi et al. | Parkzoom: A parking spot identification system | |
EP0763712A1 (en) | Vehicle navigator system | |
Junoh et al. | Region Classification using Wi-Fi and Magnetic Field Strength. | |
CN114794640A (zh) | 基于智能头盔、移动端和云端的导航路径生成系统和方法 | |
Tsubouchi et al. | Enhancing Indoor Altitude Estimation on Smartphones: Resolving Ventilation Fan Effects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |