CN108475062A - 车辆和基于地图识别车辆的位置的方法 - Google Patents

车辆和基于地图识别车辆的位置的方法 Download PDF

Info

Publication number
CN108475062A
CN108475062A CN201780005513.3A CN201780005513A CN108475062A CN 108475062 A CN108475062 A CN 108475062A CN 201780005513 A CN201780005513 A CN 201780005513A CN 108475062 A CN108475062 A CN 108475062A
Authority
CN
China
Prior art keywords
map
channel
vehicle
point cloud
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780005513.3A
Other languages
English (en)
Other versions
CN108475062B (zh
Inventor
白艾伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN108475062A publication Critical patent/CN108475062A/zh
Application granted granted Critical
Publication of CN108475062B publication Critical patent/CN108475062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • 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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4814—Constructional features, e.g. arrangements of optical elements of transmitters alone
    • G01S7/4815—Constructional features, e.g. arrangements of optical elements of transmitters alone using multiple transmitters
    • 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

Abstract

提供了一种车辆。所述车辆包括：光检测和测距(LiDAR)传感器，通过使用多通道激光获取车辆的关于周围地面的针对每个通道的点云信息。所述车辆还包括：通信器，与外部服务器进行通信，处理器，控制通信器从外部服务器接收地图数据并基于通过LiDAR传感器获取的针对每个通道的点云信息确定车辆在地图数据中的位置。

Description

车辆和基于地图识别车辆的位置的方法
技术领域
本公开涉及一种车辆和基于地图识别车辆的位置的方法。更具体地，本公开涉及一种包括光检测和测距(LiDAR)传感器的车辆和基于地图识别车辆的位置的方法。
背景技术
自主驾驶车辆指在没有驾驶员介入的情况下进行识别，确定驾驶方向，并控制车辆以自主驾驶到指定目的地的车辆。最近，自主驾驶车辆已经减少了交通事故的数量，提高了交通运输效率，节省了燃料并完成了驾驶替代，因此，作为用于增加便利性的个人交通工具而已经引起关注。
对于车辆的自主驾驶，需要各种技术，诸如，用于识别驾驶环境(诸如，车道、周围车辆或行人)的技术、用于确定驾驶条件的技术和控制技术(诸如，转向和加速/减速)。在这些技术中，用于精确地确定车辆位置的技术是十分重要的。也就是说，需要生成具有厘米单位的误差范围的详细地图并需要在生成的详细地图上确定车辆的精确位置。
用于确定车辆的位置的相关领域的技术使用全球定位系统(GPS)、Wi-Fi等，但由于精度不足而具有限制。因此，为了补偿这种限制，最近，已经对使用光检测和测距(LiDAR)传感器的技术进行研究，其中，LiDAR用于测量激光脉冲被发射并被反射回原始位置期间的时间以测量到反射物的距离。
在这种情况下，对于包括汽车的各种车辆的自主驾驶，已经需要用于生成实际路面环境的更详细的地图的技术，并需要在详细地图上更精确地确定移动目标的位置。
以上信息作为背景信息被呈现仅为了帮助理解本公开。至于以上信息中的任何信息是否可适用于针对本公开的现有技术，尚未作出确定并且也未进行声明。
发明内容
技术问题
本公开的多个方面在于至少解决以上提到的问题和/或缺点，并至少提供以下描述的优点。因此，本公开的一方面在于提供一种车辆和基于地图识别车辆的位置的方法，所述车辆和方法用于生成用于车辆的自主驾驶的详细地图并且在详细地图中确定精确位置。
技术方案
根据本公开的另一方面，提供一种车辆。所述车辆包括：光检测和测距(LiDAR)传感器，被配置为使用多通道激光获取关于车辆的周围地面的针对每个通道的点云信息；通信器，被配置为与外部服务器进行通信；以及处理器，被配置为控制通信器从外部服务器接收地图数据，并基于通过LiDAR传感器获取的针对每个通道的点云信息在地图数据中确定车辆的位置。
地图数据可以是包括针对多通道激光的每个通道的反射率信息的多通道地图数据，并且处理器可将通过LiDAR传感器获取的针对每个通道的点云信息和多通道地图数据匹配来确定车辆的位置。
地图数据可以是通过对针对多通道激光的每个通道的反射率信息进行合成而获取的单通道地图数据，处理器可将通过LiDAR传感器获取的针对每个通道的点云信息合成为单通道点云信息，并且将合成的单通道点云信息和单通道地图数据匹配来确定车辆的位置。
处理器可将包括在针对每个通道的点云信息的反射率信息乘以针对每个通道的权重，并对被乘以权重的针对每个通道的反射率信息求和，从而将针对每个通道的点云信息合成为单通道点云信息。
处理器可计算包括在针对每个通道的点云信息中的反射率信息的方差或者标准差，并且可将具有计算出的更大的方差值或者标准差的通道乘以更大的权重。
处理器可将通过LiDAR传感器获取的点云信息栅格化为二维(2D)数据，对栅格化的2D数据执行反射光移除，并将执行过反射光移除的2D数据和地图数据匹配来确定车辆的位置。
车辆还可包括：环境光传感器，被配置为检测车辆周围的环境光的强度，其中，处理器可根据通过环境光传感器检测的车辆周围的环境光的强度调节反射光移除的程度。
车辆还可包括：全球定位系统(GPS)接收器，被配置为接收包括车辆的位置信息的GPS信号，其中，处理器可基于通过GPS信号接收器接收的GPS信号和当前时间确定太阳的位置，并在反射光移除中使用被确定的太阳的位置。
车辆还可包括：GPS接收器，被配置为接收包括车辆的位置信息的GPS信号，其中，处理器可使用通过GPS信号接收器接收的GPS信号确定车辆的位置，并基于使用GPS信号确定的车辆的位置在地图数据中确定车辆的位置。
处理器可控制通信器从服务器接收与距离使用GPS信号确定的车辆的位置的预设距离范围相应的地图数据。
根据本公开的另一方面，提供了一种基于地图识别车辆的位置的方法。所述方法包括：从外部服务器接收地图数据，使用多通道LiDAR传感器获取关于车辆的周围地面的针对每个通道的点云信息，并基于针对每个通道的点云信息在地图数据中确定车辆的位置。
地图数据可以是包括针对多通道激光的每个通道的反射率信息的多通道地图数据，并且确定车辆的位置的步骤可包括：将通过LiDAR传感器获取的针对每个通道点云信息和多通道地图数据匹配来确定车辆的位置。
地图数据可以是通过对针对多通道激光的每个通道的反射率信息进行合成而获取的单通道地图数据，并且确定车辆的位置的步骤可包括：将通过LiDAR传感器获取的针对每个通道的点云信息合成合成为单通道点云信息，并将合成的单通道点云信息和单通道地图数据匹配来确定车辆的位置。
合成的步骤可包括：将包括在针对每个通道的点云信息中的反射率信息乘以针对每个通道的权重，并对被乘以权重的针对每个通道的反射率信息求和。
乘以权重的步骤可包括：计算对包括在针对每个通道的点云信息中的反射率信息的方差或者标准差，并将具有计算出的更大的方差值或者标准差的通道乘以更大的权重。
确定车辆的位置的步骤可包括：将通过LiDAR传感器获取的点云信息栅格化为2D数据，对栅格化的2D数据执行反射光移除，将执行过反射光移除的2D数据和地图数据匹配来确定车辆的位置。
所述方法还可包括：检测车辆周围的环境光的强度，其中，执行反射光移除的步骤可包括：根据检测的车辆周围的环境光的强度调节反射光移除的程度。
所述方法还可包括：接收包括车辆的位置信息的GPS信号，其中，执行反射光移除的步骤可包括：基于接收的GPS信号和当前时间确定太阳的位置，并使用确定的太阳的位置执行反射光移除。
所述方法还可包括：接收包括车辆的位置信息的GPS信号，其中，确定车辆的位置的步骤可包括：使用接收的GPS信号确定车辆的位置并基于使用GPS信号确定的车辆的位置在地图数据中确定车辆的位置。
接收地图数据的步骤可包括：从服务器接收与距离使用GPS信号确定的车辆位置的预设距离范围相应的地图数据。
有益效果
根据本公开的各种实施例，可生成具有误差范围小于厘米单位的详细地图，并可在生成的详细地图中精确地确定车辆的位置。因此，可容易实现车辆的自主驾驶。
从结合附图公开了本公开的各种实施例的下面的详细的描述，本公开的其它方面、优点和显著特征对于本领域中的技术人员将变得清楚。
附图说明
从下面结合附图进行的描述，本公开的特定实施例的以上和/或其它方面、特征和优点将变得更加清楚，其中：
图1是示出根据本公开的实施例的自主驾驶系统的示例的示图；
图2是示出根据本公开的实施例的地图生成环境的示例的示图；
图3A和图3B是示出根据本公开的各种实施例的每种材料类型根据电磁波的波长的反射率的示例的示图；
图4A、图4B、图4C、图5A和图5B是示出根据本公开的各种实施例的服务器生成地图的过程的示图；
图6A、图6B、图7A、和图7B是根据本公开的各种实施例的地图生成方法的流程图；
图8是示出根据本公开的实施例的车辆的位置识别环境的示例的示图；
图9是示出根据本公开的实施例的地图使用汽车的配置的框图；
图10A、图10B、图11A和图11B是示出根据本公开的各种实施例的车辆确定地图中的位置的过程的示图；
图12是示出根据本公开的实施例的车辆的组件的框图；
图13是示出根据本公开的实施例的地图使用汽车的组件的框图；
图14A和图14B是示出根据本公开的各种实施例的在地图中确定图13的车辆的位置的过程的示图；
图15A、图15B和图16是根据本公开的各种实施例的基于车辆的地图的识别方法的流程图；
图17是根据本公开的实施例的在自主驾驶系统中生成地图以及车辆基于生成的地图识别位置的情况的流程图；
在整个附图中，相同的标号将被理解为表示相同的部件、组件和结构。
具体实施方式
提供参照附图的以下描述以帮助全面理解由权利要求和它们的等同物限定的本公开的各种实施例。所述描述包括各种特定的细节以帮助进行理解，但是这些细节将被视为仅是示例性的。因此，本领域中的普通技术人员将认识到，在不脱离本公开的范围和精神的情况下，可对这里描述的各种实施例进行各种改变和修改。此外，为了清楚和简洁，可省略对公知的功能和结构的描述。
在下面的描述和权利要求中使用的术语和词语不限于书面含义，而是仅由发明人使用以便能够清楚和一致地理解本公开。因此，对本领域中的技术人员应明显的是，提供本公开的各种实施例的以下描述仅是用于说明的目的，而不是用于限制由附加的权利要求和它们的等同物限定的本公开的目的。
将理解的是，除非上下文明确地另有所指，否则单数形式包括复数指示物。因此，例如，提到“组件表面”包括提到一个或更多个这样的表面。
诸如“包括”或“包含”的术语可解释为指示某种特征、数目、操作、组件元件或它们的组合，但是不可被解释为排除存在一个或更多个其它特征、数目、操作、组件元件或它们的组合，或排除添加一个或更多个其它特征、数目、操作、组件元件或它们的组合的可能性。
此外，这里的元件的后缀“模块”和“单元”是为了方便描述而使用的，因此可交换使用并且不具有任何可区分的含义或功能。
在本公开的描述中，当被认为可能不必要地模糊本公开的实施例的实质时，相关领域的某些详细的解释被省略。
在下文中，汽车将被描述为车辆的示例，但车辆不限于此。例如，车辆可包括能够在其中带着乘客或货物被移动的船、机动车、飞机和火车。此外，无需说明，这里使用的地图生成汽车或地图使用汽车也是车辆的一种类型。
现在将参照附图更详细地描述本公开的特定实施例。
图1是示出根据本公开的实施例的自主驾驶系统10的示例的示图。
参照图1，自主驾驶系统10可包括地图生成汽车100、服务器200和地图使用汽车300。
地图生成汽车100可收集用于生成地图的信息并向服务器200发送该信息。详细地，地图生成汽车100可向服务器200发送关于地面的点云信息，其中，所述点云信息是为了生成地图在向目标地点驾驶期间使用多通道光检测和测距(LiDAR)传感器而获取的。
通常，LiDAR传感器指这样的传感器系统：发射具有特定频率的高输出脉冲激光并测量从目标接收反射波所花费的时间以获取关于到目标的距离的信息。
虽然可能存在各种LiDAR技术，但根据本公开的各种实施例的LiDAR传感器可以是能够执行空间以及在激光脉冲的行进方向上的距离信息的图像建模的LiDAR传感器。也就是说，根据本公开的各种实施例的LiDAR传感器可以是能够经由点扫描收集地面的点云信息的LiDAR传感器。
此外，在本公开的各种实施例中使用的LiDAR传感器可以是针对各个通道使用具有不同频率的多个激光的多通道LiDAR传感器，而通常不是使用具有单一频率的激光的通用LiDAR传感器。
因此，如图1所示，为了生成特定区域的道路的地图，地图生成汽车100可在正在相应区域的道路上驾驶时使用具有多个频率的激光来扫描道路，获取道路的针对每个频率通道的点云信息，并且经由网络1向服务器200发送该信息。
服务器200可使用从地图生成汽车100接收的道路的针对每个通道的点云信息生成相应道路的多通道地图。详细地，服务器200可将各种地图生成算法应用于针对每个通道的点云信息以生成具有多个通道的多通道地图，并且存储生成的多通道地图。在这种情况下，生成的多通道地图可以是包括关于道路表面的每个点的反射率信息的详细地图，并且可用于自主驾驶。
虽然生成的用于自主驾驶的详细地图在技术上能够被显示给消费者，但对本领域的普通技术人员将明显的是，地图被用于精确地识别车辆的位置而不是被消费者观看。
地图使用汽车300可基于多通道地图确定当前位置。详细地，地图使用汽车300可向服务器200请求包括当前位置的地图数据并从服务器200接收相应的多通道地图数据。此外，地图使用汽车300可使用多通道LiDAR传感器获取汽车300的当前位置处的周围地面的针对每个通道的点云信息。
例如，地图使用汽车300可在将安装在地图使用车辆300上的多通道LiDAR传感器朝向地面旋转360度时，获取地面的针对每个通道的点云信息，但不限于此。
因此，地图使用汽车300可将从服务器200接收的多通道地图数据和通过多通道LiDAR传感器获取的关于地面的点云信息匹配，并在多通道地图上确定地图使用汽车300的当前位置。
同样地，可使用多通道LiDAR传感器生成地图以便生成包括构成地面(例如，道路表面)的材料(例如，车道或者包装材料)的质地的详细地图，并且可在生成的详细地图上确定车辆的精确位置以便更精确地确定车辆的位置。因此，车辆的自主驾驶可变得更容易。
在下文中，针对本公开的各种实施例，将参照图2、图3A、图3B、图4A、图4B、图4C、图5A、图5B、图6A、图6B、图7A和图7B描述服务器200的地图(即，详细地图)生成。
图2是示出根据本公开的实施例的地图生成环境的示例的示图。
参照图2，地图生成汽车100可收集用于生成地图(即，详细地图)的信息。详细地，地图生成汽车100可使用安装的多通道LiDAR传感器获取地图生成汽车100的周围道路(在图2的示例中的铺路)的针对每个通道的点云信息，并向服务器200发送点云信息。为此，地图生成汽车100可通过网络1(诸如，因特网)连接到服务器200。
当地图生成汽车100发送关于地面的点云信息时，服务器200可接收点云信息，生成地图，并存储生成的地图。为此，服务器200可包括通信器210、处理器220和存储器230。
详细地，通信器210可被连接到网络1并可经由各种有线通信方法和无线通信方法与外部车辆通信。详细地，通信器210可使用远程通信模块或本地区域通信模块与外部车辆通信。当使用远程通信模块时，通信器210可根据通信标准(诸如电气与电子工程师协会(IEEE)、第三代(3G)、第三代合作伙伴项目(3GPP)、长期演进技术(LTE)和全球定位系统(GPS))与车辆通信。当使用本地区域通信模块时，通信器210可根据通信标准(诸如Wi-Fi、蓝牙、近场通信(NFC)、ZigBee和Picocast)与车辆通信。具体地，通信器210可接收由地图生成汽车100获取并发送的地面的针对每个通道的点云信息。
处理器220可控制服务器200的整体操作。具体地，处理器220可将各种地图生成算法应用于通过通信器210接收的针对每个通道的点云信息以生成多通道地图，并且在存储器230中存储生成的多通道地图。此外，根据本公开的实施例，处理器220可将接收的针对每个通道的点云信息合成为单通道点云信息，并将地图生成算法应用于经过合成的单通道点云信息以生成单通道。
如随后所述，处理器220可从由地图生成汽车100获取的针对每个通道的点云信息中移除环境光的影响，并且生成前面提及的多通道地图或者单通道地图。
生成的地图数据可存储在存储器230中。如随后所述，可根据地图使用汽车300的地图数据的发送请求向地图使用汽车300发送地图数据。
将参照图3A和图3B描述选择用于多通道LiDAR传感器的每个通道的频率的方法。
图3A和图3B是示出根据本公开的各种实施例的每种材料类型根据电磁波的波长的反射率的示例的示图。
详细地，图3A示出每种类型的表面(诸如，植被、干土、湿土、清澈的湖水和浑浊的河水)根据电磁波的波长的反射率。
图3B示出每种类型的矿物(诸如，方解石、高岭石、赤铁矿和蒙脱石)根据电磁波的波长的反射率。
参照图3A和图3B，电磁波的反射率会根据表面或者矿物的类型而变化。
当材料在特定波长下具有相同的反射率时，材料不能通过具有该波长的频率的激光进行区分。也就是说，随着在预定波长下的材料之间的反射率差越大，可越容易经由具有该波长的频率的激光对材料进行区分。
因此，当选择多通道LiDAR传感器的每个通道的激光频率时，可选择在构成地面的材料之间具有大的反射率差的频率。
例如，为了配置3通道LiDAR传感器，图3A的波长可被分成三个区域(0.4微米到1.0微米阶段、1.0微米到1.6微米阶段和1.6微米到2.2微米阶段)，可针对三个区域的每个区域计算表面类型针对电磁波的各个波长的反射率值的方差，然后可选择具有最高方差值的波长。三个被选择的波长的倒数可以是3通道LiDAR传感器的每个通道的激光的频率。
此外，例如，为了配置4通道LiDAR传感器，图3B的波长可被分成四个区域，可针对四个区域的每个区域计算矿物针对各个波长的反射率值的标准差，然后可选择具有最高标准差值的波长以便配置4通道LiDAR传感器的每个通道层频率。
然而，选择多通道频率的示例不限于此。例如，通道的数量可以是两个或五个或更多个。此外，根据材料的频率(或波长)的反射率数据不一定被划分为通道的数量，因此，例如，可针对所有的频率计算材料之间的反射率差(方差)，然后可按照从最高的差开始的顺序选择和通道的数量一样多的频率。
可在多通道LiDAR传感器中使用选择的频率的激光以便清楚地区分构成地面的材料，因此，有可能生成更详细的地图并在地图上精确地确定车辆的位置。
图4A、图4B和图4C是示出根据本公开的各种实施例的由服务器200-1和服务器200-2生成地图的过程的示例的示图。
图4A是示出多通道地图的生成的示例的示图。
参照图4A，地图生成汽车100-1可包括LiDAR传感器110-1和通信器120-1。构成地图生成汽车100-1的基本汽车组件(例如，转向装置、加速装置、减速装置、车门和电子控制单元(ECU))与本公开的实施例的实质无关，因此将不做说明或描述。
LiDAR传感器110-1可使用多通道激光获取关于地图生成汽车100-1的周围地面的点云信息。在这种情况下，点云信息可包括困难信息和地面的每个采样点的反射率信息。
为此，LiDAR传感器110-1可包括针对每个通道的激光发射器(未显示)和激光接收器(未显示)。此外，LiDAR传感器110-1可被安装在用于扫描车辆的周围地面的合适位置处(例如，安装在地图生成汽车100-1的上端部分)，以便向地面发射激光脉冲，但不限于此。
通信器120-1可与外部装置通信。详细地，通信器120-1可使用远程通信模块或者本地通信模块与位于地图生成汽车100-1的外部的外部装置(例如，云服务)200-1通信。当使用远程通信模块时，通信器120-1可根据通信标准(诸如IEEE、3G、3GPP、LTE和GPS)与服务器200-1通信。当使用本地通信模块时，通信器120-1可根据通信标准(诸如WiFi、蓝牙、NFC、ZigBee和Picocast)与服务器200-1通信。具体地，通信器120-1可向服务器200-1发送通过LiDAR传感器110-1获取的针对每个通道的点云信息。
响应于通过通信器210-1从地图生成汽车100-1接收针对每个通道的点云信息，服务器200-1可使用接收的信息生成多通道地图并且在存储器230-1中多通道地图。
详细地，处理器220-1可将即时定位与地图构建(SLAM)算法应用于通过通信器210-1接收的针对每个通道的点云信息。由地图生成汽车100-1相对于地面获取的针对每个通道的点云信息可通过SLAM 221-1算法被优化以便估计姿态信息。在这种情况下，姿态信息可包括将生成的地图上的x坐标和y坐标以及方向信息。
传感器信息呈现在每个估计的姿态信息项中，因此，处理器220-1可针对每个姿态将传感器信息反向投影并且执行栅格映射222-1。作为栅格映射222-1的结果，可生成多通道地图223-1。
在这种情况下，生成的多通道地图223-1可以是包括与安装在地图生成汽车100-1中的多通道LiDAR传感器的各个通道相应的通道的多通道2D反射率图。详细地，多通道地图223-1可包括针对每个通道的像素单元的反射率信息，并且可以是包括车道位置或者地图生成汽车100-1在其上驾驶的道路的质地信息的详细地图。处理器220-1可在存储器230-1中存储前面提及的生成的多通道地图223-1。
道路表面的反射率可根据时间而改变，因此，根据本公开的实施例，处理器220-1可在多通道地图中存储反射率的均值或者方差。
详细地，地图生成汽车100-1可在相同的道路上驾驶多次并向服务器200-1发送对于同一个点的针对多个通道的每个通道的点云信息，并且服务器200-1可将针对每个通道的均值或者方差值一起存储在多通道地图中。
图4B示出根据本公开的实施例的由服务器200-2生成单通道地图的过程。图4B的地图生成汽车100-2与图4A的地图生成汽车100-1大体相同。
响应于通过通信器210-2从地图生成汽车100-2接收针对每个通道的点云信息，服务器200-2可使用接收的信息生成单通道地图并且在存储器230-2中存储单通道地图。
详细地，响应于通过通信器210-2接收针对每个通道的点云信息，处理器220-2可将针对每个通道的点云信息合成为一个通道。在图4B中，脱色221-2可指处理器220-2进行这样的处理，即，将多通道点云信息合成为单通道点云信息的操作。
根据本公开的实施例，处理器220-2可将构成多通道的每个通道乘以固定的权重来合成一个通道。例如，在通过4通道LiDAR传感器接收点云信息的情况下，可将针对各个通道的点云信息项乘以权重25％并求和来合成单通道点云信息。
然而，仅因为通过N个通道获取信息不意味着每个通道需要与1/N的权重相乘。例如，在通过3通道LiDAR传感器接收点云信息的情况下，处理器220-2可将通过各个通道获取的信息乘以固定的权重，例如，将通过第一通道获取的信息乘以20％、将通过第二通道获取的信息乘以30％以及将通过第三通道获取的信息乘以50％，并且对结果求和来合成单通道点云信息。
在这种情况下，根据本公开的实施例，如上所述，当选择构成多通道的每个通道的频率时，材料之间具有大的反射率差的通道可乘以高的权重。也就是说，在以上的示例中，在第三通道的频率下材料之间的反射率差可以是最大的并且在第一通道的频率下材料之间的反射率差可以是最小的。也就是说，例如，处理器220-2可计算针对每个通道的点云信息的针对每个通道的方差或者标准差并将具有计算出的更大的方差值或者标准差的通道乘以更大的权重。
根据本公开的另一实施例，处理器220-2可针对多通道LiDAR传感器110-2的每次扫描适应性地改变权重并将每个通道乘以权重来合成单通道点云信息。这里，扫描可以是在LiDAR传感器110-2的一个操作期间获取的信息，例如，可以是在一次旋转(即，LiDAR传感器110-2的360゜)或者1/3旋转(即，120゜)期间获取的点云信息，但不限于此。
例如，处理器220-2可针对各次扫描计算通道信息项的方差值，按照和多个方差值一样多的值将通道信息项归一化，然后对归一化后的通道信息项求和来合成单通道点云信息。然而，本公开的实施例不限于此，因此，处理器220-2可针对各次扫描计算包括在针对每个通道的点云信息中的反射率信息的方差值或者标准差值，并将具有更大的计算出的方差值或者标准差值的通道乘以更高的权重来合成单通道点云信息。
图4C是示出当通过通信器210-2接收3通道点云信息时处理器220-2执行如上所述的脱色221-2的示例的概念的示图。如上所述，将被乘到每个通道信息项的权重1到3可以是固定的或者可针对每次扫描自适应地改变。
到目前为止，当将通道乘以权重时意味着包括在针对每个通道的点云信息中的针对每个通道的反射率信息被乘以权重，但不限于此。
因此，如图4B所示，当多通道点云信息被合成为单通道点云信息时，处理器220-2可将SLAM 222-2算法应用于单通道点云信息并且执行栅格映射223-2以生成地图，在这种情况下，生成的地图可以是单通道地图224-2。处理器220-2可在存储器230-2中存储生成的单通道地图224-2。
参照图4B，到目前为止，服务器200-2的处理器220-2执行脱色221-2的例子示例已经被描述，本公开的实施例不限于此。
例如，如上所述，包括在地图生成汽车100-2中的处理器(未显示)可对通过多通道LiDAR传感器110-2获取的针对每个通道的点云信息执行脱色。因此，当针对每个通道的点云信息被合成为单通道点云信息时，地图生成汽车100-2可通过通信器120-2向服务器200-2发送合成的单通道点云信息。
因此，服务器200-2可通过通信器210-2从地图生成汽车100-2接收单通道点云信息，将SLAM222-2算法应用于接收到的单通道点云信息，并且执行栅格映射223-2以生成单通道地图224-2。在这种情况下，服务器200-2的处理器220-2可不必单独地执行脱色221-2。
图5A和图5B是示出根据本公开的各种实施例的服务器200-3和服务器200-4从多通道点云信息中移除反射光并生成地图的过程的示例的示图。这里，反射光可通过反射光源(例如，太阳或者街灯)的光获取，并可使LiDAR传感器信息失真，从而降低地图生成或者位置识别的精度。也就是说，由于地图生成汽车100的LiDAR传感器110可扫描汽车100的周围地面以获取多通道点云信息，在这种情况下，由周围地面反射的反射光可使通过LiDAR传感器110获取的信息失真。因此，必需从通过LiDAR传感器110获取的信息中移除反射光的影响。
根据本公开的实施例，参照图5A，响应于通过通信器210-3接收到多通道点云信息，服务器200-3的处理器220-3可对接收的多通道点云信息执行栅格化221-3以获取2D数据。由于通过LiDAR传感器获取的点云信息是三维(3D)信息，因此可能有必要将3D信息转换成2D信息以便移除反射光。因此，处理器220-3可将针对每个通道的3D信息栅格化为针对每个通道的2D信息。
因此，处理器220-3可从针对每个通道的栅格化的2D数据中执行反射光移除222-3。详细地，处理器220-3可将各种用于移除反射光的算法应用于2D数据。例如，处理器220-3可将包括用于镜面反射移除的颜色空间分析、图像平面空间分析和视频序列分析的分析方法的至少一个应用于栅格化的2D数据以执行反射光移除。
这样，如参照图4A到图4C所述，当从针对每个通道的2D数据中移除反射光时，处理器220-3可将SLAM223-3算法应用于反射光被移除的针对每个通道的2D数据并执行栅格映射224-3以生成反射光的影响被移除的多通道地图225-3。
在本公开的一些实施例中，可对反射光被移除的针对每个通道的2D数据执行脱色226-3以合成单通道，SLAM 227-3算法可被应用于单通道，并且栅格映射228-3可被执行以生成反射光的影响被移除的单通道地图229-3。在这种情况下，根据本公开的实施例，当包括在地图生成汽车中的处理器(未显示)可对针对每个通道的点云信息执行脱色并向服务器200-3发送针对每个通道的点云信息时，服务器200-3的处理器220-3可对通过通信器210-3接收的单通道点云信息上执行栅格化221-3以执行反射光移除222-3，然后在不需要执行脱色226-3的情况下通过SLAM 227-3和栅格映射228-3生成单通道地图229-3。
这样，生成的多通道地图225-3或者单通道地图229-3可被存储在存储器230-3中。
图5B示出根据本公开的实施例的生成反射光的影响被移除的地图的示例。
参照图5B，地图生成汽车100-3可包括LiDAR传感器110-3、通信器120-3、处理器130-3、环境光传感器140-3、GPS接收器150-3和惯性传感器(未显示)。
LiDAR传感器110-3可在车辆(地图生成汽车100-3)驾驶期间向地图生成汽车100-3的周围地面发射具有多种频率的多个激光脉冲，以获取关于周围地面的多通道点云信息。
环境光传感器140-3可以检测车辆的环境光。例如，环境光传感器140-3可以检测照射地图生成汽车100-3的阳光的强度。为此，环境光传感器140-3可包括各种照度传感器，但不限于此。此外，在车辆中安装环境光传感器140-3的位置也可不限于特定的位置，因此，环境光传感器140-3可被安装在一个位置以便实验性地且容易地检测环境光的强度。
GPS接收器150-3可接收GPS信号并计算车辆的位置信息。详细地，GPS接收器150-3可以接收从预设数量(例如，三个或更多个)的卫星发送的GPS信号并计算车辆的当前位置信息。在本公开的一些实施例中，无需说明，处理器130-3可基于接收的GPS信号计算车辆的当前位置。
在车辆运动期间惯性传感器(未显示)可确定车辆的行进方向。
处理器130-3可基于车辆的位置确定太阳的位置。详细地，处理器130-3可基于关于当前的天气和时间的信息识别太阳在地球上的当前位置。此外，处理器130-3可通过GPS接收器150-3识别车辆在地球上的当前位置并通过惯性传感器(未显示)识别车辆的行进方向，因此，可以基于车辆的位置确定太阳的位置。
例如，处理器130-3可确定太阳的当前位置，也就是说，太阳是位于在地图生成汽车100-3的左、右、前、后和中心方向中的哪侧并且生成关于太阳的确定的位置的信息。
处理器130-3可控制通信器120-3向服务器200-4发送通过多通道LiDAR传感器110-3获取的针对每个通道的点云信息、通过环境光传感器140-3检测的环境光信息(例如，关于阳光的强度的信息)和前面提及的基于车辆的当前位置生成的关于太阳的位置的信息。
响应于通过通信器210-4从地图生成汽车100-3接收到信息，服务器200-4可使用接收的信息生成反射光被移除的多通道地图或单通道地图，并且将反射光被移除的多通道地图或单通道地图存储在存储器230-3中。
详细地，如上所述，处理器220-4可对接收的多通道点云信息执行栅格化221-4以便从针对每个通道的点云信息中移除反射光。然后，处理器220-4可将用于移除反射光的各种算法应用于针对每个通道的栅格化的2D数据以执行反射光移除222-4。
在这种情况下，处理器220-4可使用从地图生成汽车100-3接收的环境光信息和关于太阳的位置的信息中的至少一个来执行反射光移除222-4。
例如，当环境光(例如，阳光)的强度高时，处理器220-4可增加反射光移除222-4的强度，并当环境光的强度低时，处理器220-4可降低反射光移除222-4的强度。然而，使用环境光执行反射光移除222-4的示例不限于此，例如，当阳光的强度是预设的强度或者更高时，可执行反射光移除222-4，并当阳光的强度比目前的强度更低时，可不执行反射光移除222-4。
例如，当太阳位于地图生成汽车100-3的左前方时，反射光出现在地图生成汽车100-3的左前方的可能性高，因此，处理器220-4可针对每个通道的栅格化的2D数据增加与地图生成汽车100-3的左前侧相应的区域中的反射光移除222-4的强度。用这种方式，处理器220-4可应用关于太阳的位置的信息并执行反射光移除222-4。
这样，如参照图5A所述，当从针对每个通道的2D数据中移除反射光时，处理器220-3可以执行SLAM 222-3和SLAM 227-3以及栅格映射225-3和栅格映射228-3以生产多通道地图225-3或单通道地图229-3。在这种情况下，如上所述，为了生成单通道地图229-3，可由服务器200-4的处理器220-4或者地图生成汽车100-3的处理器130-3执行脱色226-3。
图6A和图6B是根据本公开的各种实施例的生成地图的方法的流程图。
图6A是根据本公开的实施例的生成多通道地图的方法的流程图。
参照图6A，在操作S610-1，地图生成汽车100(图1所示)可在作为用于生成多通道地图的目的地的地点驾驶时通过多通道LiDAR传感器获取关于地面的针对每个通道的点云信息。
因此，当地图生成汽车100向服务器200发送针对每个通道的点云信息时，在操作S610-2，服务器200可使用接收的针对每个通道的点云信息生成多通道地图。详细地，服务器200可将各种即时定位与地图构建(SLAM)算法应用于针对每个通道的点云信息并执行栅格映射以生成相应地点的地面的多通道地图。这样，生成的多通道地图可被存储在服务器200的存储器230中，然后，可根据地图使用汽车300的请求被发送到地图使用汽车300。
图6B是根据本公开的实施例的生成单通道地图的方法的流程图。
参照图6B，在操作S610-2，地图生成汽车100(在图1中示出)可在作为用于生成单通道地图的目的地的地点驾驶时通过多通道LiDAR传感器获取关于地面的针对每个通道的点云信息。因此，地图生成汽车100可向服务器200(在图1中示出)发送获取的针对每个通道的点云信息。
因此，在操作S620-2，服务器200可执行将接收的针对每个通道的点云信息乘以每个通道的权重的脱色以合成单一通道的点云信息。此外，在操作S630-2，服务器200可将SLAM算法应用于通过脱色合成的单通道点云信息并执行栅格映射以生成相应地点的地面的单通道地图。
根据本公开的实施例，可通过地图生成汽车100执行脱色。详细地，可将通过多通道LiDAR传感器获取的多通道点云信息乘以针对每个通道的权重以合成单通道点云信息并向服务器200发送合成的单通道点云信息。
因此，在操作S620-2，服务器200可将SLAM算法直接应用于从地图生成汽车100接收的单通道点云信息并执行栅格映射以生成单通道地图，而不需要执行单独的脱色。
图7A和图7B是根据本公开的各种实施例的从LiDAR传感器获取的信息移除或者减小失真(诸如，反射光)并生成地图的方法的流程图。
参照图7A，在操作S710-1，地图生成汽车100(在图1中示出)可在驾驶到作为用于生成地图的目的地的地点的同时通过多通道LiDAR传感器获取在地面上的针对每个通道的点云信息。这样，获取的多通道点云信息可在没有改变的情况下被发送到服务器200(在图1中示出)或可经由前面提及的脱色被合成为单通道点云信息并被发送到服务器200。
由于通过LiDAR传感器获取的信息是3D，因此会需要将接收到的3D信息转换为2D信息以便移除反射光。因此，在操作S720-1，服务器200可对接收到的多通道点云信息或者单通道点云信息执行栅格化以生成2D数据。
因此，在操作S730-1，服务器200可将各种用于移除或者最小化反射光的算法应用于栅格化的多通道或者单通道2D数据以执行反射光移除或者减弱。
然后，服务器200可将SLAM算法应用于执行了反射光移除或者减弱的2D数据并执行栅格映射以生成相应地点的地面的多通道地图或单通道地图(S740-1)。
图7B是根据本公开的实施例的用于生成反射光被移除的地图的方法的流程图。
参照图7B，在操作S710-2，地图生成汽车100(图1所示)可在在作为用于生成地图的目的地的地点驾驶时通过多通道LiDAR传感器获取关于地面的针对每个通道的点云信息。此外，在操作S720-2，地图生成汽车100可以通过环境光传感器检测环境光的强度。在这种情况下，环境光可以是阳光，但不限于此。
在操作S730-2，地图生成汽车100可计算太阳的位置信息。详细地，地图生成汽车100可使用关于当前的天气和时间的信息、通过GPS接收器的地图生成汽车100的关于当前位置的信息和通过惯性传感器的关于地图生成汽车100的移动方向的信息，基于地图生成汽车100的位置确定太阳的位置。
因此，地图生成汽车100可基于地图生成汽车100的位置向服务器200(在图1中示出)发送关于地面的多通道点云信息、环境光信息和关于太阳的位置的信息。
服务器200可在操作S740-2对从地图生成汽车100接收的多通道点云信息执行栅格化化以生成2D数据并在操作S750-2将用于移除反射光的各种算法应用于栅格化的2D数据。在这种情况下，服务器200可以通过使用环境光信息(例如，关于阳光的强度的信息)调节环境光移除或减少的强度。此外，服务器200可在应用用于移除或者减少环境光的算法时应用关于太阳的位置信息并执行反射光移除。
因此，在操作760-2，服务器200可将SLAM算法应用于反射光被移除的2D数据并执行栅格映射以生成相应地点的地面的地图。在这种情况下，如上所述，地图可被生成为多通道地图或者根据在每次操作还执行脱色被生成为单通道地图。
虽然已经参照图2、图3A、图3B、图4A、图4B、图4C、图5A、图5B、图6A、图6B、图7A和图7B描述了服务器200生成地图的示例，但是本公开的实施例不限于此，并且在本公开的一些实施例中，地图生成汽车100可使用通过LiDAR传感器获取的针对每个通道的点云信息直接生成地图，向服务器200发送生成的地图，并将生成的地图存储在服务器200中。
如上所述，通过服务器200或地图生成汽车100生成的地图可以是包括关于地面(例如，道路表面)的每个点的反射率信息的详细地图，和实际的地面相比可具有厘米单位的轻微误差，并可被用于精确地识别地图使用汽车300的位置，这将在随后描述。因此，自主驾驶可被更容易地执行。
在下文中，将参照图8、图9、图10A、图10B、图11A、图11B、图12、图13、图14A、图14B、图15A、图15B和图16描述地图使用汽车300使用如上所述的生成的地图精确地识别位置的实施例。
图8是示出根据本公开的实施例的车辆的位置识别环境的示例的示图。
参照图8，地图使用汽车300可基于地图识别地图使用汽车300在地图中的精确位置。
详细地，地图使用汽车300可通过各种网络1(诸如，因特网)连接到服务器200并且可从服务器200接收包含地图使用汽车300当前驾驶的地点的地图数据。在这种情况下，如上所述参照图2、图3A、图3B、图4A、图4B、图4C、图5A、图5B、图6A、图6B、图7A和7B，从服务器200接收的地图数据可指通过服务器200或地图生成汽车100生成的地图的地图数据。
此外，地图使用汽车300可使用安装在地图使用汽车300中的多通道LiDAR传感器获取汽车300的周围地面(在图8的示例中的铺路)上的针对每个通道的点云信息。
因此，地图使用汽车300可映射从服务器200接收到的和通过LiDAR传感器获取的地图数据以确定地图使用汽车300在地图中的当前位置。
这里，地图使用汽车300可以是基于通过外部服务器200接收的地图识别位置并使用识别的位置作为用于自主驾驶的信息的任何车辆。
图9是示出根据本公开的实施例的地图使用汽车300的配置的框图。
参照图9，地图使用汽车300可包括LiDAR传感器310、处理器320和通信器330。构成地图使用汽车300的通用基本汽车组件，例如，转向装置、加速装置、减速装置、车门和ECU与本公开的实施例的实质非必然相关，因此这些组件将不被进一步地示出或者描述。
LiDAR传感器310与已经参照图2、图3A、图3B、图4A、图4B、图4C、图5A、图5B、图6A、图6B、图7A和7B描述的LiDAR传感器110-1、LiDAR传感器110-2和LiDAR传感器110-3相同，因此将不提供对其的重复的描述。
然而，如下所述，在地图使用汽车300中使用的LiDAR传感器310的每个通道的频率可与安装在用于生成通过通信器330接收的地图数据的地图生成汽车100中的LiDAR传感器的每个通道的频率相同。
也就是说，例如，地图生成汽车100可包括3通道LiDAR传感器并使用3通道LiDAR传感器获取3通道点云信息，所述3通道LiDAR传感器包括使用第一频率的激光的第一通道、使用第二频率的激光的第二通道和使用第三频率的激光的第三通道。这样，当3通道点云信息被用于生成3通道地图或者单通道地图时，如果地图使用汽车300通过通信器330从服务器200接收3通道地图或者单通道地图数据，则需要被包括在地图使用汽车300中以便基于接收的地图识别位置的LiDAR传感器310可以是3通道LiDAR传感器(诸如，地图生成汽车100的LiDAR传感器)，所述3通道LiDAR传感器包括使用第一频率的激光的第一通道、使用第二频率的激光的第二通道和使用第三频率的激光的第三通道。
这样，LiDAR传感器310可使用多通道激光获取关于地图使用汽车300的周围地面的针对每个通道的点云信息。
通信器330可与外部服务器通信以发送和接收各种信息项。详细地，通信器330可在处理器320的控制下请求外部服务器200发送地图数据并响应于外部服务器200的请求接收被发送的地图。
为此，通信器330可经由各种有线通信方法和无线通信方法被连接到网络1并且可与服务器200通信。详细地，通信器330可使用远程通信模块或本地通信模块与外部服务器200通信。当使用远程通信模块时，通信器330可根据通信标准(诸如IEEE、3G、3GPP、LTE和GPS)与外部服务器200通信。当使用本地通信模块时，通信器330可根据通信标准(诸如Wi-Fi、蓝牙、NFC、ZigBee和Picocast)与车辆进行通信。
处理器320可控制地图使用汽车300的整体操作。具体地，处理器320可控制通信器330从外部服务器200接收地图数据。此外，处理器320可控制LiDAR传感器310获取关于地图使用汽车300所驾驶的地面(例如，道路表面)的多通道点云信息。因此，处理器320可基于通过LiDAR传感器获取的针对每个通道的点云信息确定地图使用汽车300在从外部服务器200接收的地图中的位置。
在下文中，将参照图10A、图10B、图11A、图11B、图12、图13、图14A和图14B详细描述地图使用汽车300确定地图使用汽车300在从服务器200接收的地图数据中的位置的各种实施例。
图10A示出根据本公开的实施例地图使用汽车基于多通道地图确定位置的示例。
参照图10A，地图使用汽车300(在图8中示出)的处理器320-1可将通过通信器330(在图9中示出)从服务器200(在图8中示出)接收的多通道地图数据322-1和通过LiDAR传感器310获取的多通道点云信息321-1匹配以在操作323-1确定地图使用汽车300在多通道地图中的定位位置。
在这种情况下，多通道地图可以是针对地图上的每个点的与通道的数量相应的反射率信息。也就是说，例如，在3通道地图的情况下，在地图上的特定点可包括三个反射率信息项。LiDAR传感器310也针对每个扫描点获取针对每个通道的点云信息，因此，例如，在3通道LiDAR传感器的情况下，可针对每个扫描点获取三个点云信息。
因此，处理器320-1可将通过LiDAR传感器310获取的多通道点云信息和多通道地图映射以确定地图使用汽车300在多通道地图中的当前位置。具体地，在本公开的实施例中，多个通道信息项被结合并彼此比较，因此，在地图中的位置可以被更精确地指定。
因此，处理器320-1可生成地图使用汽车300在多通道地图数据中的当前位置信息324-1。在这种情况下，位置信息324-1可包括地图使用汽车300在多通道地图中的x坐标和y坐标以及方向信息，但不限于此。
图10B示出根据本公开的实施例的地图使用汽车300(在图8中示出)基于单通道地图确定位置的示例。
参照图10B，在操作324-2，地图使用汽车300的处理器320-2可使用通过通信器330从服务器200接收的单通道地图数据323-2和通过LiDAR传感器310获取的多通道点云信息321-2在单通道地图数据323-2中确定地图使用汽车300(在图8中示出)的定位位置。
详细地，处理器320-2可将通过LiDAR传感器310获取的多通道点云信息乘以针对每个通道的权重来合成单通道点云信息。这个过程被称为脱色322-2。脱色322-2与参照图4B对于单通道地图的生成的描述中的脱色相同，因此，将不再提供对其的重复的描述。
在这种情况下，当通过将每个通道乘以固定的权重来生成单通道地图323-2时，被地图使用汽车300的处理器320-2用来和通过LiDAR传感器310获取的多通道点云信息的每个通道相乘的权重可以与在单通道地图323-2的生成过程中应用的权重相同，但不限于此。为此，服务器200也可在发送单通道地图323-2期间发送关于应用于地图生成过程的权重的信息。
因此，处理器320-2可以将单通道地图323-3和单通道点云信息匹配以在操作324-2中确定地图使用汽车300的位置并且生成位置信息325-2。
图11A和图11B示出根据本公开的实施例的当地图使用汽车300(在图8中示出)接收如同在图5A的示例生成的反射光被移除的地图时，处理器320确定地图使用汽车300的位置的操作。
详细地，图11A示出地图使用汽车300接收反射光被移除的多通道地图324-3的情况。在这种情况下，处理器320-3可使用栅格化322-3将通过LiDAR传感器310获取的多通道点云信息321-3转换为2D信息。然后，在操作323-3，处理器320-3可将参照图5A描述的用于移除反射光的各种算法应用于栅格化的2D信息以生成反射光被移除的多通道2D信息，并且将多通道2D信息和反射光被移除的多通道地图324-3匹配以在操作325-3在多通道地图324-3中确定地图使用汽车300的位置。因此，处理器320-3可生成地图使用汽车300的位置信息326-3。
图11B示出地图使用汽车300(在图8中示出)接收反射光被移除的单通道地图325-4的情况。在这种情况下，处理器320-4可对通过LiDAR传感器310获取的多通道点云信息321-4执行脱色322-4以合成单通道点云信息。然后，处理器320-4可使用栅格化323-4将合成的单通道点云信息转换为2D信息，并在操作324-4将参照图5A描述的用于移除反射光的各种算法应用于栅格化的2D信息以生成反射光被移除的2D信息。
因此，处理器320-4可将反射光被移除的单通道地图325-4和反射光被移除的栅格化的2D信息匹配以在操作326-4在单通道地图325-4中确定地图使用汽车300的定位位置。因此，处理器320-4可生成地图使用汽车300的位置信息327-4。
这里，生成的位置信息324-1、325-2、326-3和327-4可被用作用于自主驾驶的信息。
图12是示出根据本公开的实施例的车辆的组件的框图。
参照图12，地图使用汽车300-5可包括LiDAR传感器310-5、处理器320-5、通信器330-5和GPS接收器340-5。如参照图12所述，将不重复描述图12的和在图9中示出的地图使用汽车300的组件相同的组件，因此将不再提供重复的描述。
GPS接收器340-5可接收GPS信号并确定地图使用汽车300-5的位置。详细地，GPS接收器340-5可从预设数量的外部GPS卫星接收GPS信号并基于接收的GPS信号计算地图使用汽车300-5的位置。无需说明，在本公开的一些实施例中，处理器320-5可基于接收的GPS信号计算地图使用汽车300-5的位置。
根据本公开的实施例，处理器320-5首先可基于通过GPS接收器340-5接收的GPS信号在从服务器200接收的地图数据中确定地图使用汽车300的位置。然后，如上所述，处理器320-5其次可使用通过LiDAR传感器310-5获取的多通道点云信息确定地图使用汽车300-5的位置。
这样，与仅使用通过LiDAR传感器310-5获取的信息确定地图使用汽车300-5的位置的情况相比，可减少处理器320-5的计算量。也就是说，通过GPS信号计算的位置具有相对高的误差范围，因此，可首先通过GPS信号确定地图使用汽车300-5的位置，并对距离通过GPS信号确定的位置在预设范围(例如，用于通过GPS信号确定位置的通用误差范围)内的地图数据和通过LiDAR传感器310-5获取的信息以精确地确定地图使用汽车300-5的位置，从而与从服务器200接收的全部地图数据被匹配的情况相比，减少处理器320-5的计算量。
根据本公开的另一实施例，处理器320-5可请求服务器200(在图8中示出)发送与距离使用GPS信号确定的地图使用汽车300-5的位置在预设范围相应的区域的地图数据。也就是说，在地图使用汽车300-5驾驶的同时，处理器320-5可不请求服务器200发送被存储在服务器200中的全部区域的地图数据，而是可请求服务器200仅发送与距离通过GPS信号确定的位置的预定范围相应的区域的地图数据，从而减少处理器320-5的计算量。
图13是示出根据本公开的实施例的地图使用汽车300-6的组件的框图。
参照图13，地图使用汽车300-6可包括LiDAR传感器310-6、处理器320-6、单通道地图327-8(在图14B中示出)、通信器330-6、GPS接收器340-6和环境光传感器350-6。关于图12的描述，这里将省略与在图9示出的地图使用汽车300和在图12示出的地图使用汽车300-5的相同的组件的重复描述。
环境光传感器350-6可检测地图使用汽车300-6的环境光并向处理器320-6提供检测的环境光信息。例如，环境光传感器350-6可检测照射地图使用汽车300-6的阳光的强度并且向处理器320-6提供阳光的强度信息。为此，环境光传感器350-6可包括各种照度传感器，但不限于此。
此外，处理器320-6可通过由GPS接收器340-6接收的GPS信号确定地图使用汽车300-6的位置并基于当前的时间确定太阳的位置。此外，虽然没有说明，也可通过惯性传感器确定地图使用汽车300-6的移动方向。因此，处理器320-6可基于地图使用汽车300-6的位置确定太阳的位置。例如，处理器320-6可确定太阳的当前位置，也就是说，确定太阳位于在地图使用汽车300-6的左、右、前、后和中心方向中的哪一侧并生成关于太阳的确定位置的信息。
图14A是示出根据本公开的实施例的图13的地图使用汽车300-6在多通道地图326-7中确定位置的过程的示例的示图。
参照图14A，处理器320-6可对多通道点云信息321-7执行栅格化322-7并将用于移除反射光的各种算法应用于针对每个通道栅格化322-7的栅格化的2D数据以执行反射光移除325-7。
在这种情况下，处理器320-6可使用通过环境光传感器350-6获取的环境光信息323-7和确定太阳的位置信息324-7中的至少一个执行反射光移除325-7。
例如，当环境光(例如，阳光)的强度高时，处理器320-6可增加反射光移除325-7的强度，并当环境光的强度低时，处理器320-6可减小反射光移除325-7的强度。然而，本公开的实施例不限于使用环境光信息执行反射光移除325-7的示例。例如，当阳光的强度等于或高于预设强度时，可执行反射光移除325-7，而当阳光的强度低于所述预设强度时，可不执行反射光移除325-7。
例如，当太阳位于地图使用汽车300-6的左前方时，反射光出现在地图使用汽车300-6的左前方的可能性高，因此，处理器320-6可增加针对每个通道的栅格化的2D图像中与地图使用汽车300-6的左前侧相应的区域中的反射光移除325-7的强度。以这种方式，处理器320-6可应用关于太阳的位置的信息并执行反射光移除325-7。
因此，处理器320-6可将通过通信器330-6从服务器200接收的多通道地图326-7和反射光被移除的栅格化的多通道2D信息匹配，以在操作327-7在多通道地图326-7中确定地图使用汽车300-6的位置并生成位置信息328-7。
图14B是示出根据本公开的实施例的在单通道地图327-8中确定图13的地图使用汽车300-6的位置的过程的示例的示图。
参照图14B，为了在单通道地图327-8中确定地图使用汽车300-6的位置，处理器320-6可首先对通过LiDAR传感器310-6获取的多通道点云信息321-8执行脱色322-8以合成单通道点云信息，对合成的单通道点云信息执行栅格化323-8，然后栅格化的单通道2D信息执行反射光移除326-8。
在这种情况下，基于环境光信息324-8和太阳的位置信息325-8的至少一个的反射光移除326-8的调节与图14的以上描述相同，并且处理器320-6可将单通道地图327-8和反射光被移除的栅格化的单通道2D信息匹配以在操作328-8在单通道地图327-8中确定地图使用汽车300-6的定位位置并生成位置信息329-8。
地图使用汽车300、地图使用汽车300-5和地图使用汽车300-6的组件以各种形式被结合对本领域的技术人员将是明显的。例如，LiDAR传感器310、GPS接收器340-5和环境光传感器350-6可被安装在地图使用汽车300中，并且处理器320或者通信器330可被包括在连接到地图使用汽车300的单独装置中(例如，笔记本电脑、智能电话、个人数字助理(PDA)和便携式媒体播放器(PMP))。
图15A、图15B和图16是根据本公开的各种实施例的基于地图识别车辆的位置的方法的流程图。关于图15A、图15B和图16的描述，在此不再重复给出与以上的描述相同的描述。
图15A是根据本公开的实施例的基于多通道地图识别车辆的位置的方法的流程图。
参照图15A，在操作S1510-1，地图使用汽车300可从服务器200接收多通道地图数据。在这种情况下，多通道地图可以是由服务器200或地图生成汽车100基于由地图生成汽车100获取的多通道点云信息而生成的地图，其中，地图生成汽车100包括使用和地图使用汽车300中所包括的LiDAR传感器310相同的频率的LiDAR传感器。例如，可参照图4A的描述生成多通道地图，并且在这种情况下，地图生成汽车100的LiDAR传感器110-1和地图生成汽车300的LiDAR传感器310可具有针对LiDAR传感器310的每个通道的相同的激光频率。
在操作S1520-1，地图使用汽车300可通过LiDAR传感器310获取多通道点云信息。因此，地图使用汽车300可将接收的多通道地图数据和获取的多通道点云信息匹配以在操作S1530-1在多通道地图中确定地图使用汽车300的位置。
图15B是根据本公开的实施例的基于单通道地图识别车辆的位置的方法的流程图。
参照图15B，在操作S1510-2，地图使用汽车300可从服务器200接收单通道地图数据。在这种情况下，单通道地图也可以是由服务器200或地图生成汽车100基于由地图生成汽车100获取的多通道点云信息而生成的地图，其中，地图生成汽车100包括使用与地图使用汽车300的LiDAR传感器310的频率相同的频率的LiDAR传感器。例如，可参照图4B的描述生成单通道地图，并且在这种情况下，地图生成汽车100的LiDAR传感器110-1和地图生成汽车300的LiDAR传感器310可具有针对LiDAR传感器310的每个通道的相同的激光频率。
在操作S1520-2，地图使用汽车300可通过LiDAR传感器获取关于地图使用汽车300驾驶的地面的多通道点云信息，并将多通道点云信息乘以针对每个权重的权重以合成单通道点云信息，以便在操作S1530-2执行脱色。详细地，地图使用汽车300可将针对每个通道的点云信息乘以针对每个通道的权重，并对乘以权重后的针对每个通道的点云信息求和以执行脱色。在这种情况下，地图使用汽车300可计算针对每个通道的点云信息中所包括的反射率信息的方差或者标准差，并可将具有计算出的更大的方差值或者标准差的通道乘以更大的权重，但不限于此。
因此，在操作S1540-2，地图使用汽车300可将单通道地图数据和单通道点云信息匹配以在单通道地图中确定地图使用汽车300的位置。
图16是根据本公开的实施例的基于地图识别车辆的位置的方法的流程图。
参照图16，地图使用汽车300(在图8中示出)可在操作S1610从服务器200接收地图数据并在操作S1620通过LiDAR传感器310获取关于周围地面的多通道点云信息。在这种情况下，地图数据可以是多通道地图数据或者单通道地图。
此外，地图使用汽车300可在操作S1630获取环境光信息并在操作S1640计算太阳的位置信息。详细地，地图生成汽车300可通过环境光传感器获取诸如阳光强度的环境光信息，并基于从太阳的GPS卫星接收的GPS信号计算太阳的位置并基于当前时间计算太阳的位置信息。
响应于接收到多通道地图数据，地图使用汽车300可在操作S1650对获取的多通道点云信息执行栅格化并生成针对每个通道的2D数据，并在操作S1660将用于反射移除的各种算法应用于针对每个通道的栅格化的2D数据以执行反射光移除。在这种情况下，地图使用汽车300可基于环境光信息和太阳的位置的至少一个调节用于移除反射光的程度。
响应于接收到单通道地图数据，地图使用汽车300可首先对获取的多通道点云信息进行脱色以合成单通道点云信息，在操作S1650将单通道点云信息栅格化，并且在操作S1660从栅格化的2D数据中移除反射光。在这种情况下，无需说明，可基于环境光和太阳的位置信息的至少一个调节用于移除反射光的程度。
因此，如上所述，地图使用汽车300可在操作S1670将环境光被移除的信息和地图数据匹配以在地图中确定地图使用汽车300的位置。
图17是根据本公开的实施例的在自主驾驶系统中生成地图和车辆基于生成的地图识别位置的情况的流程图。
参照图17，地图生成汽车100可在操作S1710通过多通道LiDAR传感器获取关于地面的多通道点云信息并在操作S1720向服务器200发送多通道点云信息。因此，在操作S1730，服务器200可使用从地图生成汽车100接收的多通道点云信息生成地图并存储地图。在这种情况下，服务器200可生成多通道地图或对多通道点云信息执行脱色以生成单通道地图。
因此，在操作S1740，服务器200可根据来自地图使用汽车300的地图数据发送请求将存储的地图发送到地图使用汽车300。
地图使用汽车300可在操作S1750通过多通道LiDAR传感器310获取多通道点云信息并在操作S1760基于获取的多通道点云信息在从服务器200接收的地图中确定位置。
根据前面提及的本公开的各种实施例，可生成具有小于厘米单位的误差范围的详细地图，并且可在生成的详细地图中精确地确定车辆的位置。因此，可容易地实现车辆的自主驾驶。
根据本公开的前面提及的各种实施例，基于地图识别车辆的位置的方法或者地图使用汽车300的处理器320和处理器320-1以及单通道地图327-8的操作可被生成并且被安装在车辆中。
例如，用于执行基于地图识别车辆的位置的方法的程序可存储在非暂时性计算机可读介质中并且可被提供，所述方法包括从外部服务器接收地图数据，使用多通道LiDAR传感器获取关于车辆的周围地面的针对每个通道的点云信息，以及基于针对每个通道的点云信息确定车辆在地图数据中的位置。
非暂时性性计算机可读介质是半永久存储数据的介质，并可由装置从所述介质中读取数据，但非暂时性计算机可读介质不是短时间地存储数据的介质，诸如寄存器、缓存、内存等。详细地，前面提及的各种应用或程序可被存储在非暂时性计算机可读介质中，例如，致密盘(CD)、数字通用盘(DVD)、硬盘、蓝光光盘、通用串行总线(USB)、内存卡、只读存储器(ROM)等，并且可被提供。
尽管已参照本公开的各种实施例示出并描述了本公开，但是本领域中的技术人员将理解：在不脱离由权利要求和它们的等同物限定的本公开的精神和范围的情况下，可在其中进行形式和细节上的各种改变。

Claims (15)

1.一种车辆，包括：
光检测和测距(LiDAR)传感器，被配置为使用多通道激光获取关于车辆的周围地面的针对每个通道的点云信息；
通信器，被配置为与外部服务器进行通信；
处理器，被配置为：
控制通信器从外部服务器接收地图数据；
基于通过LiDAR传感器获取的针对每个通道的点云信息在地图数据中确定车辆的位置。
2.如权利要求1所述的车辆，
其中，地图数据是包括针对多通道激光的每个通道的反射率信息的多通道地图数据；
其中，处理器还被配置为将通过LiDAR传感器获取的针对每个通道的点云信息和多通道地图数据匹配以确定车辆的位置。
3.如权利要求1所述的车辆，
其中，地图数据是通过对针对多通道激光的每个通道的反射率信息进行合成而获取的单通道地图数据；
其中，处理器还被配置为：
将通过LiDAR传感器获取的针对每个通道的点云信息合成为单通道点云信息，
将合成的单通道点云信息和单通道地图数据匹配以确定车辆的位置。
4.如权利要求3所述的车辆，其中，处理器还被配置为：
将包括在针对每个通道的点云信息中的反射率信息乘以针对每个通道的权重，并且对被乘以权重的针对每个通道的反射率信息求和，从而将针对每个通道的点云信息合成为单通道点云信息。
5.如权利要求4所述的车辆，
其中，处理器还被配置为：
计算包括在针对每个通道的点云信息中的反射率信息的方差或者标准差；
将具有计算出的更大的方差值或者标准差的通道乘以更大的权重。
6.如权利要求1所述的车辆，其中，处理器还被配置为：
将通过LiDAR传感器获取的点云信息栅格化为二维(2D)数据；
对栅格化的2D数据执行反射光移除；
将执行过反射光移除的2D数据和地图数据匹配以确定车辆的位置。
7.如权利要求6所述的车辆，还包括：
环境光传感器，被配置为检测车辆周围的环境光的强度，
其中，处理器根据通过环境光传感器检测的车辆周围的环境光的强度调节反射光移除的程度。
8.如权利要求6所述的车辆，还包括：
全球定位系统(GPS)接收器，被配置为接收包括车辆的位置信息的GPS信号，
其中，处理器还被配置为：
基于通过GPS信号接收器接收的GPS信号和当前时间确定太阳的位置，
在反射光移除中使用确定的太阳的位置。
9.如权利要求1所述的车辆，还包括：
全球定位系统(GPS)接收器，被配置为接收包括车辆的位置信息的GPS信号，
其中，处理器还被配置为：
使用通过GPS信号接收器接收到的GPS信号确定车辆的位置，
基于使用GPS信号确定的车辆的位置在地图数据中确定车辆的位置。
10.如权利要求9所述的车辆，其中，处理器还被配置为：控制通信器从服务器接收与距离使用GPS信号确定的车辆的位置的预设距离范围相应的地图数据。
11.一种基于地图识别车辆的位置的方法，所述方法包括：
从外部服务器接收地图数据；
使用多通道光检测和测距(LiDAR)传感器获取关于车辆的周围地面的针对每个通道的点云信息；
基于针对每个通道的点云信息在地图数据中确定车辆的位置。
12.如权利要求11所述的方法，
其中，地图数据是包括针对多通道激光的每个通道的反射率信息的多通道地图数据；
其中，确定车辆的位置的步骤包括：将通过LiDAR传感器获取的针对每个通道的点云信息和多通道地图数据匹配以确定车辆的位置。
13.如权利要求11所述的方法，
其中，地图数据是通过对针对多通道激光的每个通道的反射率信息进行合成而获取的单通道地图数据；
其中，确定车辆的位置的步骤包括：
将通过LiDAR传感器获取的针对每个通道的点云信息合成为单通道点云信息，
将合成的单通道点云信息和单通道地图数据匹配以确定车辆的位置。
14.如权利要求13所述的方法，其中，合成点云信息的步骤包括：
将包括在针对每个通道的点云信息中的反射率信息乘以针对每个通道的权重；
对被乘以权重的针对每个通道的反射率信息求和。
15.如权利要求14所述的方法，其中，将反射率信息乘以权重的步骤包括：
针对每个通道，计算包括在针对每个通道的点云信息中的反射率信息的方差或者标准差；
将具有计算出的更大的方差值或者标准差的通道乘以更大的权重。
CN201780005513.3A 2016-02-05 2017-01-09 车辆和基于地图识别车辆的位置的方法 Active CN108475062B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020160015215A KR102373926B1 (ko) 2016-02-05 2016-02-05 이동체 및 이동체의 위치 인식 방법
KR10-2016-0015215 2016-02-05
PCT/KR2017/000252 WO2017135583A1 (en) 2016-02-05 2017-01-09 Vehicle and method of recognizing position of vehicle based on map

Publications (2)

Publication Number Publication Date
CN108475062A true CN108475062A (zh) 2018-08-31
CN108475062B CN108475062B (zh) 2021-12-21

Family

ID=59497602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780005513.3A Active CN108475062B (zh) 2016-02-05 2017-01-09 车辆和基于地图识别车辆的位置的方法

Country Status (5)

Country Link
US (1) US10768305B2 (zh)
EP (1) EP3365740A4 (zh)
KR (1) KR102373926B1 (zh)
CN (1) CN108475062B (zh)
WO (1) WO2017135583A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020097912A1 (en) * 2018-11-16 2020-05-22 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for positioning vehicles under poor lighting conditions
CN111366947A (zh) * 2018-12-26 2020-07-03 武汉万集信息技术有限公司 导航激光雷达对场景的识别方法、装置及系统
CN111656136A (zh) * 2018-11-09 2020-09-11 北京嘀嘀无限科技发展有限公司 使用激光雷达的车辆定位系统
CN112740134A (zh) * 2018-09-21 2021-04-30 三星电子株式会社 电子装置和电子装置的车辆控制方法、服务器和提供服务器的精确地图数据的方法
CN113227713A (zh) * 2018-12-13 2021-08-06 大陆汽车有限责任公司 生成用于定位的环境模型的方法和系统
JP2021148698A (ja) * 2020-03-23 2021-09-27 株式会社日立製作所 自動検査装置
CN114270139A (zh) * 2019-06-12 2022-04-01 罗伯特·博世有限公司 基于周围环境观察的位置确定

Families Citing this family (98)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9396554B2 (en) 2014-12-05 2016-07-19 Symbol Technologies, Llc Apparatus for and method of estimating dimensions of an object associated with a code in automatic response to reading the code
JP6082415B2 (ja) * 2015-03-03 2017-02-15 富士重工業株式会社 車両の走行制御装置
US9616773B2 (en) 2015-05-11 2017-04-11 Uber Technologies, Inc. Detecting objects within a vehicle in connection with a service
US10712160B2 (en) 2015-12-10 2020-07-14 Uatc, Llc Vehicle traction map for autonomous vehicles
US9841763B1 (en) 2015-12-16 2017-12-12 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US9840256B1 (en) 2015-12-16 2017-12-12 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US10352689B2 (en) 2016-01-28 2019-07-16 Symbol Technologies, Llc Methods and systems for high precision locationing with depth values
US10145955B2 (en) 2016-02-04 2018-12-04 Symbol Technologies, Llc Methods and systems for processing point-cloud data with a line scanner
JP6380422B2 (ja) * 2016-02-05 2018-08-29 トヨタ自動車株式会社 自動運転システム
US9990548B2 (en) 2016-03-09 2018-06-05 Uber Technologies, Inc. Traffic signal analysis system
US10721451B2 (en) * 2016-03-23 2020-07-21 Symbol Technologies, Llc Arrangement for, and method of, loading freight into a shipping container
US10719083B2 (en) 2016-07-01 2020-07-21 Uatc, Llc Perception system for autonomous vehicle
US10776661B2 (en) * 2016-08-19 2020-09-15 Symbol Technologies, Llc Methods, systems and apparatus for segmenting and dimensioning objects
US10438493B2 (en) 2016-08-24 2019-10-08 Uber Technologies, Inc. Hybrid trip planning for autonomous vehicles
WO2018051746A1 (ja) * 2016-09-16 2018-03-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ作成方法及び三次元データ作成装置
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
US11042161B2 (en) 2016-11-16 2021-06-22 Symbol Technologies, Llc Navigation control method and apparatus in a mobile automation system
US10451405B2 (en) 2016-11-22 2019-10-22 Symbol Technologies, Llc Dimensioning system for, and method of, dimensioning freight in motion along an unconstrained path in a venue
US10723018B2 (en) * 2016-11-28 2020-07-28 Brain Corporation Systems and methods for remote operating and/or monitoring of a robot
US10354411B2 (en) 2016-12-20 2019-07-16 Symbol Technologies, Llc Methods, systems and apparatus for segmenting objects
US10254121B2 (en) 2017-01-23 2019-04-09 Uber Technologies, Inc. Dynamic routing for self-driving vehicles
US10692252B2 (en) * 2017-02-09 2020-06-23 GM Global Technology Operations LLC Integrated interface for situation awareness information alert, advise, and inform
US10552691B2 (en) 2017-04-25 2020-02-04 TuSimple System and method for vehicle position and velocity estimation based on camera and lidar data
US11367092B2 (en) 2017-05-01 2022-06-21 Symbol Technologies, Llc Method and apparatus for extracting and processing price text from an image set
US10591918B2 (en) 2017-05-01 2020-03-17 Symbol Technologies, Llc Fixed segmented lattice planning for a mobile automation apparatus
US10726273B2 (en) 2017-05-01 2020-07-28 Symbol Technologies, Llc Method and apparatus for shelf feature and object placement detection from shelf images
WO2018204342A1 (en) 2017-05-01 2018-11-08 Symbol Technologies, Llc Product status detection system
US11449059B2 (en) 2017-05-01 2022-09-20 Symbol Technologies, Llc Obstacle detection for a mobile automation apparatus
US10949798B2 (en) 2017-05-01 2021-03-16 Symbol Technologies, Llc Multimodal localization and mapping for a mobile automation apparatus
US10663590B2 (en) 2017-05-01 2020-05-26 Symbol Technologies, Llc Device and method for merging lidar data
US11600084B2 (en) 2017-05-05 2023-03-07 Symbol Technologies, Llc Method and apparatus for detecting and interpreting price label text
US10816354B2 (en) 2017-08-22 2020-10-27 Tusimple, Inc. Verification module system and method for motion-based lane detection with multiple sensors
CN109425365B (zh) * 2017-08-23 2022-03-11 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
US10572763B2 (en) 2017-09-07 2020-02-25 Symbol Technologies, Llc Method and apparatus for support surface edge detection
US10521914B2 (en) 2017-09-07 2019-12-31 Symbol Technologies, Llc Multi-sensor object recognition system and method
DE102017217065A1 (de) * 2017-09-26 2019-03-28 Robert Bosch Gmbh Verfahren und System zum Kartieren und Lokalisieren eines Fahrzeugs basierend auf Radarmessungen
KR102086026B1 (ko) * 2017-10-26 2020-03-06 현대오트론 주식회사 라이다 장치, 라이다 신호 처리 장치 및 방법
CN109840448A (zh) * 2017-11-24 2019-06-04 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的信息输出方法和装置
US10989538B2 (en) 2017-12-15 2021-04-27 Uatc, Llc IMU data offset compensation for an autonomous vehicle
CN108279670B (zh) * 2017-12-29 2021-12-10 百度在线网络技术（北京）有限公司 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质
US10739459B2 (en) 2018-01-12 2020-08-11 Ford Global Technologies, Llc LIDAR localization
EP3517996B1 (en) * 2018-01-25 2022-09-07 Aptiv Technologies Limited Method for determining the position of a vehicle
US20210035448A1 (en) * 2018-01-31 2021-02-04 Pioneer Corporation Peripheral information processing method
WO2019151106A1 (ja) * 2018-01-31 2019-08-08 パイオニア株式会社 周辺情報処理方法
KR101947581B1 (ko) * 2018-02-07 2019-05-02 주식회사 에스더블유엠 포인트 클라우드 정보 공유 장치
US11009356B2 (en) * 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization and fusion
US11009365B2 (en) * 2018-02-14 2021-05-18 Tusimple, Inc. Lane marking localization
US20210048514A1 (en) * 2018-03-15 2021-02-18 Pioneer Corporation Sensor control device
CN110333524A (zh) * 2018-03-30 2019-10-15 北京百度网讯科技有限公司 车辆定位方法、装置及设备
US10887433B2 (en) * 2018-04-03 2021-01-05 Pony Ai Inc. System and method for incremental data processing
US10740911B2 (en) 2018-04-05 2020-08-11 Symbol Technologies, Llc Method, system and apparatus for correcting translucency artifacts in data representing a support structure
US10823572B2 (en) 2018-04-05 2020-11-03 Symbol Technologies, Llc Method, system and apparatus for generating navigational data
US11327504B2 (en) 2018-04-05 2022-05-10 Symbol Technologies, Llc Method, system and apparatus for mobile automation apparatus localization
US10832436B2 (en) 2018-04-05 2020-11-10 Symbol Technologies, Llc Method, system and apparatus for recovering label positions
US10809078B2 (en) 2018-04-05 2020-10-20 Symbol Technologies, Llc Method, system and apparatus for dynamic path generation
US11334753B2 (en) 2018-04-30 2022-05-17 Uatc, Llc Traffic signal state classification for autonomous vehicles
CN109100730B (zh) * 2018-05-18 2022-05-24 北京师范大学-香港浸会大学联合国际学院 一种多车协同快速建图方法
US11506483B2 (en) 2018-10-05 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for support structure depth determination
US11010920B2 (en) 2018-10-05 2021-05-18 Zebra Technologies Corporation Method, system and apparatus for object detection in point clouds
DE102019127806A1 (de) * 2018-10-15 2020-04-16 Ford Global Technologies, Llc Verfahren und vorrichtungen zum erzeugen einer erweiterten umgebung, die eine gewichtsanzeige beinhaltet, für ein fahrzeug
CN111175775A (zh) * 2018-11-09 2020-05-19 阿里巴巴集团控股有限公司 定位数据生成方法、装置以及电子设备
US11003188B2 (en) 2018-11-13 2021-05-11 Zebra Technologies Corporation Method, system and apparatus for obstacle handling in navigational path generation
US11090811B2 (en) 2018-11-13 2021-08-17 Zebra Technologies Corporation Method and apparatus for labeling of support structures
US11416000B2 (en) 2018-12-07 2022-08-16 Zebra Technologies Corporation Method and apparatus for navigational ray tracing
US11079240B2 (en) 2018-12-07 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for adaptive particle filter localization
US11100303B2 (en) 2018-12-10 2021-08-24 Zebra Technologies Corporation Method, system and apparatus for auxiliary label detection and association
US11015938B2 (en) 2018-12-12 2021-05-25 Zebra Technologies Corporation Method, system and apparatus for navigational assistance
US10731970B2 (en) 2018-12-13 2020-08-04 Zebra Technologies Corporation Method, system and apparatus for support structure detection
CN111443699B (zh) * 2018-12-28 2023-05-23 深圳市优必选科技有限公司 定位漂移检测方法及装置、机器人
CA3028708A1 (en) 2018-12-28 2020-06-28 Zih Corp. Method, system and apparatus for dynamic loop closure in mapping trajectories
CN111469781B (zh) * 2019-01-24 2023-06-23 北京京东乾石科技有限公司 用于输出信息的方法和装置
CN109816697B (zh) * 2019-02-02 2019-12-10 绥化学院 一种无人模型车建立地图的系统及方法
US11960286B2 (en) 2019-06-03 2024-04-16 Zebra Technologies Corporation Method, system and apparatus for dynamic task sequencing
US11662739B2 (en) 2019-06-03 2023-05-30 Zebra Technologies Corporation Method, system and apparatus for adaptive ceiling-based localization
US11341663B2 (en) 2019-06-03 2022-05-24 Zebra Technologies Corporation Method, system and apparatus for detecting support structure obstructions
US11402846B2 (en) 2019-06-03 2022-08-02 Zebra Technologies Corporation Method, system and apparatus for mitigating data capture light leakage
US11080566B2 (en) 2019-06-03 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for gap detection in support structures with peg regions
US11200677B2 (en) 2019-06-03 2021-12-14 Zebra Technologies Corporation Method, system and apparatus for shelf edge detection
US11151743B2 (en) 2019-06-03 2021-10-19 Zebra Technologies Corporation Method, system and apparatus for end of aisle detection
KR20200140527A (ko) * 2019-06-07 2020-12-16 현대자동차주식회사 자율주행차량의 위치 인식 장치 및 그 방법
US11654552B2 (en) * 2019-07-29 2023-05-23 TruPhysics GmbH Backup control based continuous training of robots
US11507103B2 (en) 2019-12-04 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for localization-based historical obstacle handling
US11107238B2 (en) 2019-12-13 2021-08-31 Zebra Technologies Corporation Method, system and apparatus for detecting item facings
KR102367185B1 (ko) * 2020-02-21 2022-02-23 숭실대학교산학협력단 라이더 스캔 데이터를 이용한 이동체 위치 추정 방법 및 장치
US11725944B2 (en) * 2020-03-02 2023-08-15 Apollo Intelligent Driving Technology (Beijing) Co, Ltd. Method, apparatus, computing device and computer-readable storage medium for positioning
US11822333B2 (en) 2020-03-30 2023-11-21 Zebra Technologies Corporation Method, system and apparatus for data capture illumination control
EP3893150A1 (en) 2020-04-09 2021-10-13 Tusimple, Inc. Camera pose estimation techniques
CN113866779A (zh) * 2020-06-30 2021-12-31 上海商汤智能科技有限公司 点云数据的融合方法、装置、电子设备及存储介质
US11450024B2 (en) 2020-07-17 2022-09-20 Zebra Technologies Corporation Mixed depth object detection
US11593915B2 (en) 2020-10-21 2023-02-28 Zebra Technologies Corporation Parallax-tolerant panoramic image generation
US11392891B2 (en) 2020-11-03 2022-07-19 Zebra Technologies Corporation Item placement detection and optimization in material handling systems
US11847832B2 (en) 2020-11-11 2023-12-19 Zebra Technologies Corporation Object classification for autonomous navigation systems
KR102398084B1 (ko) * 2021-02-19 2022-05-16 (주)오토노머스에이투지 도로 상황에 따라 조정된 가중치를 이용한 정밀지도 기반의 맵 매칭을 통해 이동체를 측위하는 방법 및 이를 이용한 이동체 위치 측정 장치
CN113296512B (zh) * 2021-05-24 2022-10-04 福建盛海智能科技有限公司 一种基于激光雷达和gps的无人循迹驾驶方法与终端
US11954882B2 (en) 2021-06-17 2024-04-09 Zebra Technologies Corporation Feature-based georegistration for mobile computing devices
CN115060276B (zh) * 2022-06-10 2023-05-12 江苏集萃清联智控科技有限公司 一种多环境适应性自动驾驶车辆定位设备、系统及方法
CN115326100B (zh) * 2022-10-17 2023-03-03 北京智行者科技股份有限公司 路径规划方法、装置、自动驾驶设备及计算机存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004065984A1 (en) * 2003-01-15 2004-08-05 ARETé ASSOCIATES Ultraviolet, infrared, and near-infrared lidar system and method
US20060089764A1 (en) * 2004-10-22 2006-04-27 Misha Filippov System and method for terrain feature tracking
US20060185021A1 (en) * 2002-03-15 2006-08-17 Microsoft Corporation Method and system of integrating third party authentication into internet browser code
CN101687509A (zh) * 2007-03-08 2010-03-31 丰田自动车株式会社 具有盲区预测、道路探测和车辆间通信的周围环境估计装置
CN201583661U (zh) * 2009-12-24 2010-09-15 武汉大学 多波长扫描激光雷达遥感装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和系统
CN102301391A (zh) * 2009-01-27 2011-12-28 日本电气株式会社 彩色图像处理方法、彩色图像处理设备以及彩色图像处理程序
US20120092645A1 (en) * 2010-10-13 2012-04-19 Japan Aerospace Exploration Agency Multi-lidar system
CN102971657A (zh) * 2010-07-22 2013-03-13 瑞尼斯豪公司 激光扫描设备和使用方法
US20140240501A1 (en) * 2011-09-30 2014-08-28 The Chancellor Masters And Scholars Of The University Of Oxford Localising transportable apparatus
US20140333468A1 (en) * 2013-05-07 2014-11-13 Google Inc. Methods and Systems for Detecting Weather Conditions Including Sunlight Using Vehicle Onboard Sensors
US20150109603A1 (en) * 2013-10-21 2015-04-23 Electronics And Telecommunications Research Institute Multi-wavelength image lidar sensor apparatus and signal processing method thereof
US9043072B1 (en) * 2013-04-04 2015-05-26 Google Inc. Methods and systems for correcting an estimated heading using a map
US20150266472A1 (en) * 2012-09-05 2015-09-24 Google Inc. Construction Zone Object Detection Using Light Detection and Ranging
CN105783936A (zh) * 2016-03-08 2016-07-20 武汉光庭信息技术股份有限公司 用于自动驾驶中的道路标识制图及车辆定位方法及系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997043806A2 (en) * 1996-05-17 1997-11-20 Uab Research Foundation Semiconductor laser with a superbroadband or multiline spectral output
US6664529B2 (en) 2000-07-19 2003-12-16 Utah State University 3D multispectral lidar
US8751156B2 (en) * 2004-06-30 2014-06-10 HERE North America LLC Method of operating a navigation system using images
KR100720595B1 (ko) 2006-08-02 2007-05-21 주식회사 아이센텍이엔씨 자동 추적 레이다 시스템과 연동하는 지능형 화상 감시시스템 및 그 방법
US20080033645A1 (en) 2006-08-03 2008-02-07 Jesse Sol Levinson Pobabilistic methods for mapping and localization in arbitrary outdoor environments
KR20080093569A (ko) 2007-04-17 2008-10-22 현대중공업 주식회사 레이더 계측에 따른 파랑정보를 이용한 선박 안전운항방법
JP5116555B2 (ja) 2008-04-25 2013-01-09 三菱電機株式会社 位置標定装置、位置標定システム、標定サーバ装置および位置標定方法
US8306672B2 (en) 2009-09-09 2012-11-06 GM Global Technology Operations LLC Vehicular terrain detection system and method
KR101221755B1 (ko) 2011-04-22 2013-01-11 경북대학교 산학협력단 위험기상과 관련된 반사도 셀의 탐지 방법
US8605998B2 (en) 2011-05-06 2013-12-10 Toyota Motor Engineering & Manufacturing North America, Inc. Real-time 3D point cloud obstacle discriminator apparatus and associated methodology for training a classifier via bootstrapping
US9024970B2 (en) 2011-12-30 2015-05-05 Here Global B.V. Path side image on map overlay
JP2013210346A (ja) 2012-03-30 2013-10-10 Hitachi Information & Telecommunication Engineering Ltd 可搬型レーザレーダ装置
KR102040152B1 (ko) * 2013-04-08 2019-12-05 삼성전자주식회사 3차원 영상 획득 장치 및 3차원 영상 획득 장치에서의 깊이 영상 생성 방법
KR102140307B1 (ko) 2013-07-02 2020-08-03 한국전자통신연구원 레이저 레이더 시스템
KR20150078881A (ko) 2013-12-31 2015-07-08 현대자동차주식회사 클라우드 컴퓨팅을 통한 차량 위치 측정방법
KR101475896B1 (ko) 2014-06-23 2014-12-23 서울공간정보 주식회사 영상데이터와 수치좌표데이터 합성을 통해 영상이미지의 오차를 수정하는 영상처리시스템
US9453941B2 (en) * 2014-12-22 2016-09-27 GM Global Technology Operations LLC Road surface reflectivity detection by lidar sensor
US10000000B2 (en) * 2015-03-10 2018-06-19 Raytheon Company Coherent LADAR using intra-pixel quadrature detection
US10739459B2 (en) * 2018-01-12 2020-08-11 Ford Global Technologies, Llc LIDAR localization

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060185021A1 (en) * 2002-03-15 2006-08-17 Microsoft Corporation Method and system of integrating third party authentication into internet browser code
WO2004065984A1 (en) * 2003-01-15 2004-08-05 ARETé ASSOCIATES Ultraviolet, infrared, and near-infrared lidar system and method
US20060089764A1 (en) * 2004-10-22 2006-04-27 Misha Filippov System and method for terrain feature tracking
CN101687509A (zh) * 2007-03-08 2010-03-31 丰田自动车株式会社 具有盲区预测、道路探测和车辆间通信的周围环境估计装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和系统
CN102301391A (zh) * 2009-01-27 2011-12-28 日本电气株式会社 彩色图像处理方法、彩色图像处理设备以及彩色图像处理程序
CN201583661U (zh) * 2009-12-24 2010-09-15 武汉大学 多波长扫描激光雷达遥感装置
CN102971657A (zh) * 2010-07-22 2013-03-13 瑞尼斯豪公司 激光扫描设备和使用方法
US20120092645A1 (en) * 2010-10-13 2012-04-19 Japan Aerospace Exploration Agency Multi-lidar system
US20140240501A1 (en) * 2011-09-30 2014-08-28 The Chancellor Masters And Scholars Of The University Of Oxford Localising transportable apparatus
US20150266472A1 (en) * 2012-09-05 2015-09-24 Google Inc. Construction Zone Object Detection Using Light Detection and Ranging
US9043072B1 (en) * 2013-04-04 2015-05-26 Google Inc. Methods and systems for correcting an estimated heading using a map
US20140333468A1 (en) * 2013-05-07 2014-11-13 Google Inc. Methods and Systems for Detecting Weather Conditions Including Sunlight Using Vehicle Onboard Sensors
US20150109603A1 (en) * 2013-10-21 2015-04-23 Electronics And Telecommunications Research Institute Multi-wavelength image lidar sensor apparatus and signal processing method thereof
CN105783936A (zh) * 2016-03-08 2016-07-20 武汉光庭信息技术股份有限公司 用于自动驾驶中的道路标识制图及车辆定位方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
党福星: "航空多光谱图像地形影响校正的模拟反射率方法", 《国土资源遥感》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112740134A (zh) * 2018-09-21 2021-04-30 三星电子株式会社 电子装置和电子装置的车辆控制方法、服务器和提供服务器的精确地图数据的方法
CN111656136A (zh) * 2018-11-09 2020-09-11 北京嘀嘀无限科技发展有限公司 使用激光雷达的车辆定位系统
CN111656136B (zh) * 2018-11-09 2023-09-29 北京嘀嘀无限科技发展有限公司 使用激光雷达的车辆定位系统
US11048264B2 (en) 2018-11-16 2021-06-29 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for positioning vehicles under poor lighting conditions
CN111448591A (zh) * 2018-11-16 2020-07-24 北京嘀嘀无限科技发展有限公司 不良光照条件下用于定位车辆的系统和方法
CN111448591B (zh) * 2018-11-16 2021-05-18 北京嘀嘀无限科技发展有限公司 不良光照条件下用于定位车辆的系统和方法
WO2020097912A1 (en) * 2018-11-16 2020-05-22 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for positioning vehicles under poor lighting conditions
US11676254B2 (en) 2018-11-16 2023-06-13 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for positioning vehicles under poor lighting conditions
CN113227713A (zh) * 2018-12-13 2021-08-06 大陆汽车有限责任公司 生成用于定位的环境模型的方法和系统
CN111366947A (zh) * 2018-12-26 2020-07-03 武汉万集信息技术有限公司 导航激光雷达对场景的识别方法、装置及系统
CN114270139A (zh) * 2019-06-12 2022-04-01 罗伯特·博世有限公司 基于周围环境观察的位置确定
JP2021148698A (ja) * 2020-03-23 2021-09-27 株式会社日立製作所 自動検査装置
JP7235691B2 (ja) 2020-03-23 2023-03-08 株式会社日立製作所 自動検査装置

Also Published As

Publication number Publication date
EP3365740A4 (en) 2018-12-05
CN108475062B (zh) 2021-12-21
KR102373926B1 (ko) 2022-03-14
US20170227647A1 (en) 2017-08-10
KR20170093608A (ko) 2017-08-16
US10768305B2 (en) 2020-09-08
EP3365740A1 (en) 2018-08-29
WO2017135583A1 (en) 2017-08-10

Similar Documents

Publication Publication Date Title
CN108475062A (zh) 车辆和基于地图识别车辆的位置的方法
Kukkala et al. Advanced driver-assistance systems: A path toward autonomous vehicles
US11204253B2 (en) Method and apparatus for displaying virtual route
US10353053B2 (en) Object detection using radar and machine learning
JP7008826B2 (ja) 自律車両の３ｄ環境イメージングを可能にする高度の位相角測定のための垂直オフセットを有するアンテナアレイを備えた自動車用レーダ
CN103852754B (zh) 飞行时间(tof)测量系统中的干扰抑制的方法
CN109696692A (zh) 协同数据处理
US20180260613A1 (en) Object tracking
CN103364778B (zh) 雷达装置及目标检测方法
EP3825728A1 (en) Method and device to improve radar data using reference data background
US20100309017A1 (en) Localization Using Virtual Antenna Arrays In Modulated Backscatter RFID Systems
US11636077B2 (en) Methods, devices, and systems for processing sensor data of vehicles
US11893317B2 (en) Method and apparatus for associating digital content with wireless transmission nodes in a wireless communication area
US20200258385A1 (en) Advanced detection of parking spot for vehicle
FR3054888A1 (fr) Procede de mesure de la hauteur d'une cible par rapport au sol par un radar en mouvement, et radar mettant en oeuvre un tel procede
CN108028883A (zh) 图像处理装置、图像处理方法和程序
WO2020226720A2 (en) Systems and methods for vehicle mapping and localization using synthetic aperture radar
JP2019512671A (ja) ユーザ情報を提示するための装置および対応する方法
Han et al. Localization and classification of target surfaces using two pairs of ultrasonic sensors
Belenguer et al. Vehicle identification by means of radio-frequency-identification cards and magnetic loops
US11561553B1 (en) System and method of providing a multi-modal localization for an object
EP4158375A2 (en) High resolution and computationally efficient radar techniques
Händel et al. State-of-the-art review on automotive radars and passive radar reflectors: Arctic challenge research project
Lu et al. Signal-source trackers on infrared-based dedicated short-range communication
US20210374300A1 (en) Method and apparatus for improved position and orientation based information display

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