CN109405841A - 用于参与地图异常检测和校正的方法和设备 - Google Patents

用于参与地图异常检测和校正的方法和设备 Download PDF

Info

Publication number
CN109405841A
CN109405841A CN201810889439.2A CN201810889439A CN109405841A CN 109405841 A CN109405841 A CN 109405841A CN 201810889439 A CN201810889439 A CN 201810889439A CN 109405841 A CN109405841 A CN 109405841A
Authority
CN
China
Prior art keywords
data
vehicle
module
map
advance
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.)
Pending
Application number
CN201810889439.2A
Other languages
English (en)
Inventor
F·白
D·K·格林姆
R·A·波尔多
D·E·博然诺斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN109405841A publication Critical patent/CN109405841A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

提供了用于参与地图异常检测和校正的系统和方法。在一个实施例中，提供了一种用于地图异常检测的处理器实施方法。该方法包括由车辆中的处理器从车辆中的导航模块接收预先规划的轨迹数据；由处理器从一个或多个车辆感测系统中检索传感器数据；由处理器分析传感器数据和预先规划的轨迹数据；由处理器根据分析识别异常；以及将关于异常的信息传输到车辆外部的中央储存库，其中该中央储存库被配置为分析关于异常的信息以确定导航地图属性是否不正确。

Description

用于参与地图异常检测和校正的方法和设备
技术领域
本公开总体上涉及导航应用程序，并且更具体地涉及用于动态地识别由导航应用程序使用的绘图数据中的差异的系统和方法。
背景技术
导航应用程序广泛地在诸如手动驾驶车辆、自主车辆以及移动装置等实体中使用作为指示用户从一个点到另一个点的导航辅助工具。导航应用程序依赖于过去某个时间收集的绘图数据。绘图数据可能并不总是反映它想要描绘的实际环境。由于诸如道路施工等环境变化，绘图数据可能包含误差或者变得陈旧。
使用导航应用程序的实体通常具有可以用于感测实际环境的各种传感器。例如，车辆可以被配备有包含诸如雷达、激光雷达、图像传感器等感测装置的感知系统。感知系统和其它感测系统可以用于提供感测数据以用于验证导航应用程序所利用的绘图数据的准确性。
因此，期望提供用于利用由使用导航应用程序的实体收集的传感器数据来识别绘图数据中的差异的系统和方法。另外，从以下结合附图和前面的技术领域及背景技术进行的具体实施方式和所附权利要求书中将更清楚地明白本发明的其它理想特征和特性。
发明内容
提供了用于参与地图异常检测和校正的系统和方法。在一个实施例中，提供了一种用于地图异常检测的处理器实施方法。该方法包括由车辆中的处理器从车辆中的导航模块接收预先规划的轨迹数据；由处理器从一个或多个车辆感测系统中检索传感器数据；由处理器分析传感器数据和预先规划的轨迹数据；由处理器根据分析识别异常；以及将关于异常的信息传输到车辆外部的中央储存库，其中该中央储存库被配置为分析关于异常的信息以确定导航地图属性是否不正确。
在一个实施例中，传感器数据包括车辆性能数据、车辆感知数据以及车辆位置数据。
在一个实施例中，从控制器局域网(CAN)信号中检索车辆性能数据，从雷达传感器、激光雷达传感器或相机中检索车辆感知数据，并且从GPS中检索车辆位置数据。
在一个实施例中，车辆性能数据包括车速数据、车辆加速度数据以及车辆偏航数据。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括从传感器数据确定实际车辆轨迹数据并且将实际轨迹数据与预先规划的轨迹数据进行比较。
在一个实施例中，根据分析识别异常包括识别突然变道、突然道路出口或在地图路径上沿错误方向行驶。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括在导航模块中将实际车辆行程与预先规划的轨迹数据进行比较。
在一个实施例中，根据分析识别异常包括从导航模块接收车辆偏离由导航模块提供的导航操纵指令的通知。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括将识别预先规划的车辆路径上的结构特征的地图数据与预期存在该结构特征的实际区域的感知数据进行比较。
在一个实施例中，根据分析识别异常包括识别地图数据与关于结构特征的存在的感知数据之间的不一致。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括施加具有容差阈值的滤波器以用于对传感器数据中的变化进行分类。
在一个实施例中，根据分析识别异常包括识别传感器数据中超过容差阈值的突然变化。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括施加包括用于传感器数据的相关功能的滤波器。
在一个实施例中，根据分析识别异常包括识别传感器数据之间的相关性偏离超过预定水平时的示例。
在一个实施例中，分析传感器数据和预先规划的轨迹数据包括将由传感器数据确定的实际车辆行为与基于预先规划的轨迹数据的预期车辆行为进行比较。
在另一个实施例中，提供了一种用于确定数字地图差异的系统。该系统包括差异检测器模块，其包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器。差异检测器模块被配置为将从多个洞察模块接收的异常信息存储在中央储存库中，其中每个洞察模块位于远离差异检测器模块的不同车辆中。每个洞察模块包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器。每个洞察模块被配置为通过将来自导航模块的地图数据与车辆传感器数据进行比较来识别地图异常。差异检测器模块被配置为分析来自多个洞察模块的异常信息以确定报告的异常是否由数字地图数据中的差异导致。
在一个实施例中，差异检测器模块包括事件摄取模块，其被配置为管理从事件洞察模块接收异常消息使得接收完整的消息并且将接收的异常消息存储在中央储存库中的关系数据库中，其中所接收的异常消息按异常类型和异常发生的位置进行组织。
在一个实施例中，差异检测器模块包括一个或多个地图差异确定模块，其包括基于级联规则合成的确定模块、基于支持向量机(SVM)描述符和检测器的确定模块以及基于深度学习神经网络和卷积神经网络的确定模块中的一个或多个。
在一个实施例中，差异检测器模块进一步被配置为通过建立扩展强化学习区域来请求附加数据以用于确定报告的异常是否由数字地图数据中的差异导致，其中位于扩展强化学习区域中被配备有事件洞察模块的每一车辆被指示向差异检测器模块报告规划的轨迹信息、实际轨迹信息以及传感器数据。
在另一个实施例中，提供了一种用于确定数字地图差异的系统。该系统包括多个洞察模块，其包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器。每个洞察模块都位于不同的车辆中。每个洞察模块被配置为从其车辆中的导航模块接收预先规划的轨迹数据，从一个或多个车辆感测系统检索传感器数据，分析传感器数据和预先规划的轨迹数据，根据分析识别异常，并且将关于异常的信息传输到车辆外部的中央储存库。该系统进一步包括远离多个洞察模块定位的差异检测器模块。差异检测器模块包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器。差异检测器模块被配置为将从多个洞察模块接收的异常信息存储在中央储存库中，并且分析来自多个洞察模块的异常信息以确定报告的异常是否由数字地图数据中的差异引起。
附图说明
下文将结合以下附图描述示例性实施例，其中相同标号表示相同元件，且其中：
图1是描绘根据各种实施例的可以实施地图差异检测和校正系统的示例系统的框图；
图2是根据各种实施例的可以采用导航模块和洞察模块的示例车辆的框图；
图3是描绘根据各种实施例的示例地图差异检测和校正系统的示例部件的框图；
图4呈现了根据各种实施例的用于理解本主题的示例场景的俯视图；并且
图5是描绘根据各种实施例的车辆中用于识别可能由地图数据差异引起的异常的实例过程的过程流程图。
具体实施方式
具体实施方式本质上仅仅是示例性的，并且不旨在限制应用和用途。另外，不存在被任何前述的技术领域、背景技术、发明内容或具体实施方式中提出的任何明确的或暗示的理论约束的意图。如本文所使用，术语“模块”是指个别或呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，包括但不限于：专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享、专用或成组)以及执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能性的其它合适部件。
本公开的实施例在本文可以依据功能和/或逻辑块部件和各个处理步骤来描述。应当明白的是，这些块部件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实施。例如，本公开的实施例可以采用各种集成电路部件(例如，存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其它控制装置的控制下执行多种功能)。另外，本领域技术人员将明白的是，本公开的实施例可以结合任何数量的系统来实践，且本文所述的传感器平台仅仅是本公开的一个示例性实施例。
为了简明起见，本文可以不详细描述与信号处理、数据传输、信令、控制、机器学习模型、雷达、激光雷达、图像分析以及该系统(和该系统的单个操作部件)的其它功能方面有关的常规技术。另外，本文所包括的各个图式中所示的连接线旨在表示各个元件之间的示例性功能关系和/或物理联接。应当注意的是，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
图1是描绘其中可以实施地图差异检测和校正系统的示例系统100的框图。示例地图差异检测和校正系统可以实时或接近实时地检测绘图数据中的差异，并且在一些示例中，可以提供对绘图数据的建议校正。
示例系统100包括各种实体，诸如车辆102和由行人携带的移动装置104，其可以使用导航应用程序(未示出)来获取行驶方向。导航应用程序可以利用各种类型的数据，诸如道路拓扑和道路属性数据、道路几何数据、导航指导数据以及寻址和邮局信息(POI)来执行其功能。
道路拓扑和道路属性数据可以包括关于道路连通性、道路类型/功能道路类别、转弯和转弯限制、交叉口、交通标志调节器、限速、道路属性(例如，人行道、分隔带、景区和其它)以及其它类似的数据。道路几何数据可以包括关于道路段几何形状、道路段航向、道路曲率、道路斜度/坡度、路堤角/道路倾斜度的数据以及其它类似类型的数据。导航指导数据可以包括关于交通调节器标志、交通调节器位置、延长车道信息、车道编号、车道类型、车道合并/车道分离、车道标记、车道注释、车道规则/指导、自然指示的数据以及其它类似类型的数据。寻址和POI数据可以包括关于家庭/工作地址、重要的频繁访问、核心POI(例如，商业POI)、停车/收费/加油站的数据以及其它类似类型的数据。
导航应用程序启用实体102、104可以例如经由蜂窝通信信道106通过蜂窝网络(诸如4G#LTE或4G#LTE-V2X、公共网络108以及专用网络110等网络)与包含基于服务器的地图差异检测和校正应用程序114的后端服务器112进行通信。示例实体102、104包括用于与基于服务器的应用程序114进行通信的洞察应用程序(未示出)。
示例实体102、104中的洞察应用程序可以在导航应用程序的操作期间识别与地图数据相关的异常，并且将异常传送到基于云的应用程序114。基于云的应用程序114可以调查异常以确定导航应用程序所利用的地图数据中的差异是否确实存在，确定差异的本质，并且建议校正地图数据。示例基于云的应用程序114被配置为从异常报告实体112、114中的洞察应用程序接收传感器数据，可以指示洞察应用程序提供附加的传感器数据，并且可以向附近的实体(例如，车辆)指示报告的异常以提供可以用于进一步评估异常的传感器数据。
图2是可以采用导航模块和洞察模块的示例车辆200的框图。示例车辆200通常包括底盘12、车身14、前轮16以及后轮18。车身14被布置在底盘12上并且大致上包围车辆200的部件。车身14和底盘12可以共同形成框架。车轮16到18各自靠近车身14的相应拐角旋转地联接到底盘12。
示例车辆200可以是自主车辆(例如，自动控制以将乘客从一个位置运送到另一个位置的车辆)、半自主车辆或乘客驾驶的车辆。在任何情况下，洞察应用程序程序210都结合在示例车辆200中。示例车辆200被描绘为客车，但是也可以是另一种车辆类型，诸如摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等。
自主车辆200通常包括推进系统20、变速器系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34以及通信系统36。推进系统20在各种实施例中可以包括内燃机、诸如牵引电动机等电机和/或燃料电池推进系统。变速器系统22被配置为根据可选速比将来自推进系统20的动力传输到车轮16和18。
制动系统26被配置为向车轮16和18提供制动转矩。在各种实施例中，制动系统26可以包括摩擦制动器、线控制动器、诸如电机等再生制动系统，和/或其它适当的制动系统。
转向系统24影响车轮16和/或18的位置。虽然为了说明目的而被描绘为包括方向盘25，但是在本公开的范围内设想的一些实施例中，转向系统24可以不包括方向盘。
传感器系统28包括感测车辆200的外部环境和/或内部环境的可观察状况(诸如一个或多个乘员的状态)并且产生与可观察状况相关的传感器数据的一个或多个感测装置40a到40n。感测装置40a到40n可以包括但不限于雷达(例如，远程、中程短程)、激光雷达、全球定位系统、光学相机(例如，前向、360度、后置、侧置、立体等)、热(例如，红外)像仪、超声波传感器、测距传感器(例如，编码器)和/或可以结合根据本主题的系统和方法利用的其它传感器。
致动器系统30包括一个或多个致动器装置42a到42n，其控制一个或多个车辆特征，诸如但不限于推进系统20、变速器系统22、转向系统24以及制动系统26。在各种实施例中，车辆200还可包括图2中未说明的内部和/或外部车辆特征，诸如各种车门、行李箱，以及诸如无线电、音乐、照明、触摸屏显示部件(诸如与导航系统结合使用的部件)等驾驶室特征。
数据存储装置32存储用于自动控制车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的定义地图。在各种实施例中，定义地图可以由远程系统预定义并且从远程系统获取。例如，定义地图可以由远程系统组装并且(以无线方式和/或以有线方式)传送到车辆200并存储在数据存储装置32中。路线信息还可被存储在数据存储装置32内——即，一组道路段(在地理上与一个或多个定义地图相关联)，其一起定义了用户可以从起始位置(例如，用户的当前位置)行驶到目标位置所采取的路线。如将明白的是，数据存储装置32可以为控制器34的一部分、与控制器34分开，或作为控制器34的一部分以及单独系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以为任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)(例如，实施神经网络的定制ASIC)、现场可编程门阵列(FPGA)、与控制模块34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片集的形式)、它们的任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是一种持久或非易失性存储器，其可在处理器44断电时用于存储各种操作变量。计算机可读存储装置或介质46可以使用诸如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪速存储器或能够存储数据的任何其它电动、磁性、光学或组合存储器装置的许多已知存储器中的任何一种来实施，其中的一些数据表示由控制器34用于控制车辆200的可执行指令。在各种实施例中，控制器34被配置为实施如下文详细讨论的洞察模块。
控制器34可以实施导航模块和洞察模块。即，利用控制器34(例如，处理器44和计算机可读存储装置46)的合适软件和/或硬件部件来提供与车辆200结合使用的导航模块和洞察模块。
指令可以包括一个或多个单独的程序，每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器系统28的信号(例如，传感器数据)，执行用于自动控制车辆200的部件的逻辑、计算、方法和/或算法，并且产生被传输到致动器系统30的控制信号以基于逻辑、计算、方法和/或算法来自动地控制车辆200的部件。虽然图2中仅示出了一个控制器34，但是车辆200的实施例可以包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法且产生控制信号以自动控制车辆200的特征的任意数量的控制器34。
通信系统36被配置为向和从其它实体48(诸如但不限于其它车辆(“V2V”通信)、基础设施(“V2I”通信)、网络(“V2N”通信)、行人(“V2P”通信)、远程运输系统和/或用户装置无线地传送信息。在示例性实施例中，通信系统36是被配置为经由使用IEEE802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信来进行通信的通信系统。然而，诸如专用短程通信(DSRC)信道等附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车使用而设计的单向或双向短程到中程无线通信信道，以及相应的一组协议和标准。
车辆200还可以包括感知系统和定位系统。感知系统合成并处理所获取的传感器数据并且预测车辆200的环境的对象和特征的存在、位置、分类和/或路径。在各种实施例中，感知系统可以结合来自多个传感器(例如，传感器系统28)的信息，这些传感器包括但不限于相机、激光雷达、雷达和/或任何数量的其它类型的传感器。
定位系统处理传感器数据以及其它数据以确定车辆200相对于环境的位置(例如，相对于地图的本地位置、相对于道路车道的精确位置、车辆航向等)。可以明白的是，可以采用各种技术来实现这种定位，包括例如同时定位和绘图(SLAM)、粒子滤波器、卡尔曼滤波器、贝叶斯滤波器等。
在各种实施例中，控制器34实施机器学习技术以辅助控制器34的功能，诸如特征检测/分类、障碍物缓解、路线遍历、绘图、传感器集成、地面实况确定等。
图3是描绘示例地图差异检测和校正系统300的示例部件的框图。示例系统包括一台或多台车辆302和计算机实施地图差异检测器304。
示例车辆302包括：位置确定模块306，其可以利用GPS传感器以及控制器局域网(CAN)308，各种车辆控制器可以在通过控制器局域网来传送包含例如车辆性能数据(诸如速度、加速度以及偏航)的消息。示例车辆302还可以包括各种感知传感器310，诸如激光雷达、雷达以及相机。示例车辆302包括导航模块312和事件洞察模块314，其被配置为在导航模块312的操作期间识别与地图数据相关的异常并且将异常传送到地图差异检测器304。
示例事件洞察模块314被配置为从导航模块312中检索预先规划的轨迹数据，并且从一个或多个车辆感测系统中检索传感器数据(例如，316a、316b、316c、316d)。在该实施例中，传感器数据包括车辆性能数据、车辆感知数据以及车辆位置数据。从感知传感器(例如，雷达、激光雷达、相机)中检索示例车辆感知数据，从位置确定模块306中检索示例车辆位置数据作为GPS数据316a，并且从CAN308上的消息中检索示例车辆性能数据。示例车辆性能数据包括车速数据316b、车辆加速度数据316c以及车辆偏航数据316d。
示例事件洞察模块314被配置为分析传感器数据和预先规划的轨迹数据，并且识别关于来自该分析的地图数据的异常。示例事件洞察模块314可以被配置为从不自然的驾驶行为、从不服从的导航操纵指令、地图与传感器数据之间的矛盾等识别异常。示例事件洞察模块314可以被配置为执行多个不同的分析和识别操作以识别异常。
在一个示例中，事件洞察模块314被配置为通过将由车辆感测数据确定的实际车辆行为与基于预先规划的轨迹数据的预期车辆行为进行比较来分析车辆感测数据和预先规划的轨迹数据。在该示例中，事件洞察模块314可以进一步被配置为通过识别由车辆感测数据确定的实际车辆行为与基于路径规划数据的预期车辆行为之间的差异来根据分析识别异常。
在另一个示例中，事件洞察模块314被配置为通过从传感器数据确定实际车辆轨迹数据并且将实际轨迹数据与预先规划的轨迹数据进行比较来分析车辆感测数据和预先规划的轨迹数据。在该示例中，事件洞察模块314可以进一步被配置为通过识别不自然的驾驶行为(诸如突然变道、突然的道路出口或在地图路径上沿相反方向驾驶)来根据分析识别异常。
在另一个示例中，事件洞察模块314被配置为通过在导航模块中将实际车辆行程与预先规划的轨迹进行比较来分析车辆感测数据和预先规划的轨迹数据。在该示例中，事件洞察模块314进一步被配置为通过从导航模块接收车辆偏离由导航模块提供的导航操纵指令的通知来根据分析识别异常。
在另一个示例中，事件洞察模块314被配置为通过将识别预先规划的车辆路径上的结构特征的地图数据与预期存在该结构特征的实际区域的感知数据(例如，激光雷达和/或相机数据)进行比较来分析车辆感测数据和预先规划的轨迹数据。在该示例中，事件洞察模块314可以进一步被配置为通过识别地图数据与关于结构特征的存在的感知数据之间的不一致来根据分析识别异常。作为示例，当地图数据指示应当存在护栏时，感知传感器可能不会检测到护栏。示例事件洞察地图可以检测地图数据与车辆体验之间的不一致，并且将不一致性识别为异常。
示例事件洞察模块314包括数据滤波模块318，其可以由事件洞察模块314使用来分析传感器数据和预先规划的轨迹数据以识别关于来自该分析的地图数据的异常。在数据滤波模块318的一个示例使用中，示例事件洞察模块314被配置为通过施加具有容差阈值的数据滤波模块318来分析车辆感测数据和预先规划的轨迹数据，该公差阈值用于对传感器数据中的变化进行分类。在该示例中，根据分析识别异常包括识别传感器数据中超过容差阈值的突然变化。
在数据滤波模块318的另一个示例使用中，示例事件洞察模块314被配置为通过施加作为用于传感器数据的相关性函数的数据滤波模块318来分析车辆感测数据和预先规划的轨迹数据。在该示例中，根据分析识别异常包括识别传感器数据之间的相关性偏离超过预定水平时的示例。
示例事件洞察模块314进一步包括地图异常合成模块320，其被配置为合成包含传感器数据和与所识别的异常相关的预先规划的轨迹数据的异常消息，并且将异常消息发送到与地图差异检测器304相关联的中央储存库。
示例地图差异检测器304是计算机实施部件，其例如由后端服务器在包含事件洞察模块314的任何车辆外部的位置处实施。示例地图差异检测器304被配置为将从事件洞察模块接收的异常信息存储在中央储存库中，并且分析来自多个洞察模块的异常信息以确定报告的异常是否由数字地图数据中的差异引起。地图差异检测器304可以包括事件摄取模块322和一个或多个地图差异确定模块324、326、328。
示例事件摄取模块322被配置为执行示例地图差异检测器304的消息代理功能。示例事件摄取模块322中的示例消息代理被配置为管理从事件洞察模块314接收异常消息。示例消息代理确保半实时地正确且可靠地接收完整消息，并且如果没有接收到完整消息则请求重传消息的部分。示例事件摄取模块322还被配置为将接收的异常消息存储在中央储存库330(例如，关系数据库)中。接收的异常消息按异常类型和异常发生的位置进行组织使得可以一起分析与相同数据差异相关的异常消息。
一个或多个地图差异确定模块324、326、328可以包括基于级联规则合成的确定模块324、基于支持向量机(SVM)描述符和检测器的确定模块326，和/或基于深度学习神经网络和卷积神经网络的确定模块328。基于级联规则合成的确定模块324可以组合多个固定规则以确定异常是否由实际地图数据差异引起。基于SVM描述符和检测器的确定模块326可以由监督学习模型和算法形成，以确定异常是否由实际地图数据差异引起。可以通过使用大量示例异常数据训练神经网络来训练网络以确定异常何时由实际地图数据差异引起，来形成基于深度学习神经网络和卷积神经网络的确定模块328。
示例地图差异检测器304可以被配置为仅在大量实体报告相同地理区域中的类似异常之后才分析某些异常信息。这可以允许地图差异检测器304滤除与地图差异无关的异常。作为示例，这可以允许地图差异检测器304滤除由于与地图差异无关的驾驶员行为而导致的报告的异常(例如，特定驾驶员可能不喜欢遵循导航指令，并且基于偏离导航指令的报告的异常可以被拒绝，因为其它实体没有报告类似的异常)。
图4呈现了用于理解本主题的示例场景的俯视图。在道路404上描绘了多台车辆402。在该示例中，两台车辆406、408是自报告车辆。自报告车辆406、408可以识别地图属性异常并且向后端服务器处的地图差异检测器410报告407、409地图属性异常。
地图差异检测器410可以被配置为主动请求附加数据以用于确定异常是否确实由地图数据差异引起。在示例场景中，地图差异检测器410可能已经从报告特定位置处的类似异常的车辆接收到一个或多个异常消息。为了进一步调查异常，示例性地图差异检测器410可以建立扩展强化学习区域412。示例地图差异检测器410可以请求411扩展强化学习区域412中被配备有事件洞察模块的每一车辆报告409其规划的轨迹和实际轨迹信息以供地图差异检测器410用来确定地图差异时是否实际存在。另外，或者替代地，示例地图差异检测器410可以请求411扩展强化学习区域410中被配备有事件洞察模块的每一车辆报告409更详细的传感器数据(例如，GPS/CAN/图像/雷达/激光雷达信息)以供地图差异检测器410用来确定地图差异是否实际存在。在该示例中，扩展强化学习区域412中的一台车辆408被配备有事件洞察模块，以向地图差异检测器410报告409更详细的传感器数据。
在该示例中，地图差异检测器410被配置为指示扩展强化学习区域中的多台车辆向地图差异检测器410报告地图相关事件，包括GPS/CAN/图像/雷达/激光雷达信息数据。地图差异检测器410可以进一步被配置为例如使用一个或多个地图差异确定模块来识别对缺陷地图数据的校正，这些地图差异确定模块可以包括基于级联规则合成的确定模块、基于SVM描述符和检测器的确定模块，和/或基于深度学习神经网络和卷积神经网络的确定模块。
图5是描绘车辆中用于识别可能由地图数据差异引起的异常的实例过程500的过程流程图。示例过程500包括由车辆中的处理器从车辆中的导航模块接收预先规划的轨迹数据(操作502)并且由处理器从一个或多个车辆感测系统中检索传感器数据(操作504)。传感器数据可以包括车辆性能数据、车辆感知数据以及车辆位置数据。可以从控制器局域网(CAN)信号中检索车辆性能数据，可以从雷达传感器、激光雷达传感器或相机中检索车辆感知数据，并且可以从GPS中检索车辆位置数据。车辆性能数据可以包括车速数据、车辆加速度数据以及车辆偏航数据。
示例过程500进一步包括由处理器分析传感器数据和预先规划的轨迹数据(操作506)、由处理器根据分析识别异常(操作508)，并且将关于异常的信息传输到车辆外部的中央储存库(操作510)。分析传感器数据和预先规划的轨迹数据可以包括将由车辆感测数据确定的实际车辆行为与基于预先规划的轨迹数据的预期车辆行为进行比较。
在一个示例中，分析传感器数据和预先规划的轨迹数据包括从传感器数据确定实际车辆轨迹数据并且将实际轨迹数据与预先规划的轨迹数据进行比较。在该示例中，根据分析识别异常包括识别突然变道、突然道路出口或在地图路径上沿错误方向行驶。
在另一个示例中，分析传感器数据和预先规划的轨迹数据包括在导航模块中将实际车辆行程与预先规划的轨迹进行比较。在该示例中，根据分析识别异常可以包括从导航模块接收车辆偏离由导航模块提供的导航操纵指令的通知。
在另一个示例中，分析传感器数据和预先规划的轨迹数据包括将识别预先规划的车辆路径上的结构特征的地图数据与预期存在该结构特征的实际区域的感知数据(例如，激光雷达和/或相机数据)进行比较。在该示例中，根据分析识别异常可以包括识别地图数据与关于结构特征的存在的感知数据之间的不一致。
在另一个示例中，分析传感器数据和预先规划的轨迹数据包括施加具有用于对传感器数据中的变化进行分类的容差阈值的滤波器。在该示例中，根据分析识别异常可以包括识别传感器数据中超过容差阈值的突然变化。
在另一个示例中，分析传感器数据和预先规划的轨迹数据包括施加包括用于传感器数据的相关性函数的滤波器。在该示例中，根据分析识别异常可以包括识别传感器数据之间的相关性偏离超过预定水平时的示例。
虽然前述详细描述中已经提出了至少一个示例性实施例，但是应当明白的是，存在许多变化。还应当明白的是，示例性实施例或多个示例性实施例仅仅是示例并且不旨在以任何方式限制本公开的范围、适用性或配置。实情是，前述详细描述将给本领域技术人员提供用于实施示例性实施例或多个示例性实施例的便捷指引。应当理解的是，在不脱离所附权利要求书和其合法等同物的范围的情况下，可对元件的功能和设置作出各种改变。

Claims (10)

1.一种用于地图异常检测的处理器实施方法，所述方法包括：
由车辆中的处理器从所述车辆中的导航模块接收预先规划的轨迹数据；
由所述处理器从一个或多个车辆感测系统中检索传感器数据；
由所述处理器分析所述传感器数据和所述预先规划的轨迹数据；
由所述处理器根据所述分析识别异常；以及
将关于所述异常的信息传输到所述车辆外部的中央储存库；
其中所述中央储存库被配置为分析关于所述异常的所述信息以确定导航地图属性是否不正确。
2.根据权利要求1所述的方法，其中所述传感器数据包括车辆性能数据、车辆感知数据以及车辆位置数据，并且从控制器局域网(CAN)信号中检索所述车辆性能数据，从雷达传感器、激光雷达传感器或相机中检索所述车辆感知数据，并且可以从GPS中检索所述车辆位置数据。
3.根据权利要求1所述的方法，其中分析所述传感器数据和所述预先规划的轨迹数据包括在所述导航模块中将实际车辆行程与所述预先规划的轨迹数据进行比较，并且根据所述分析识别异常包括从所述导航模块接收所述车辆偏离由所述导航模块提供的导航操纵指令的通知。
4.根据权利要求1所述的方法，其中分析所述传感器数据和所述预先规划的轨迹数据包括将识别预先规划的车辆路径上的结构特征的地图数据与预期存在所述结构特征的实际区域的感知数据进行比较，并且根据所述分析识别异常包括识别所述地图数据与关于所述结构特征的存在的所述感知数据之间的不一致。
5.根据权利要求1所述的方法，其中分析所述传感器数据和所述预先规划的轨迹数据包括施加具有用于对所述传感器数据中的变化进行分类的容差阈值的滤波器，并且根据所述分析识别异常包括识别所述传感器数据中超出所述容差阈值的突然变化。
6.根据权利要求1所述的方法，其中分析所述传感器数据和所述预先规划的轨迹数据包括施加包括用于所述传感器数据的相关性函数的滤波器，并且根据所述分析识别异常包括识别所述传感器数据之间的相关性超出预定水平的示例。
7.根据权利要求1所述的方法，其中分析所述传感器数据和所述预先规划的轨迹数据包括将由所述传感器数据确定的实际车辆行为与基于所述预先规划的轨迹数据的预期车辆行为进行比较。
8.一种用于确定数字地图差异的系统，所述系统包括差异检测器模块，所述差异检测器模块包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器，所述差异检测器模块被配置为：
存储从中央储存库中的多个洞察模块接收的异常信息，其中每个洞察模块位于远离所述差异检测器模块的不同车辆中，每个洞察模块包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器，每个洞察模块被配置为通过将来自导航模块的地图数据与车辆传感器数据进行比较来识别地图异常；以及
分析来自所述多个洞察模块的所述异常信息以确定报告的异常是否由数字地图数据中的差异引起。
9.根据权利要求8所述的系统，其中所述差异检测器模块进一步被配置为通过建立扩展强化学习区域来请求附加数据以用于确定报告的异常是否由数字地图数据中的差异导致，其中位于所述扩展强化学习区域中被配备有事件洞察模块的每一车辆被指示向所述差异检测器模块报告规划的轨迹信息、实际轨迹信息以及传感器数据。
10.一种用于确定数字地图差异的系统，所述系统包括：
多个洞察模块，其包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器，每个洞察模块位于不同车辆中，每个洞察模块被配置为从其车辆中的导航模块接收预先规划的轨迹数据，从一个或多个车辆感测系统检索传感器数据，分析所述传感器数据和所述预先规划的轨迹数据，根据所述分析识别异常，并且将关于所述异常的信息传输到所述车辆外部的中央储存库；以及
差异检测器模块，其定位成远离所述多个洞察模块，所述差异检测器模块包括通过编程在非暂时性计算机可读介质中编码的指令配置的一个或多个处理器，所述差异检测器模块被配置为将从所述多个洞察器接收的异常信息存储在所述中央储存库中，并且分析来自所述多个洞察模块的所述异常信息以确定报告的异常是否由数字地图数据中的差异引起。
CN201810889439.2A 2017-08-15 2018-08-07 用于参与地图异常检测和校正的方法和设备 Pending CN109405841A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/677455 2017-08-15
US15/677,455 US20190056231A1 (en) 2017-08-15 2017-08-15 Method and apparatus for participative map anomaly detection and correction

Publications (1)

Publication Number Publication Date
CN109405841A true CN109405841A (zh) 2019-03-01

Family

ID=65235519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810889439.2A Pending CN109405841A (zh) 2017-08-15 2018-08-07 用于参与地图异常检测和校正的方法和设备

Country Status (3)

Country Link
US (1) US20190056231A1 (zh)
CN (1) CN109405841A (zh)
DE (1) DE102018119764A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160420A (zh) * 2019-12-13 2020-05-15 北京三快在线科技有限公司 基于地图的故障诊断方法、装置、电子设备和存储介质
CN111860558A (zh) * 2019-05-22 2020-10-30 北京嘀嘀无限科技发展有限公司 行程异常检测方法、装置及电子设备
CN111856521A (zh) * 2019-11-22 2020-10-30 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、电子设备和存储介质
CN112414430A (zh) * 2019-08-22 2021-02-26 北京初速度科技有限公司 一种电子导航地图质量检测方法及装置
CN112712608A (zh) * 2019-10-25 2021-04-27 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN114502444A (zh) * 2019-10-08 2022-05-13 高通股份有限公司 用于提供本地动态地图数据的边缘系统

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112017006530B4 (de) * 2017-01-24 2024-08-01 Ford Global Technologies, Llc Rückmeldung für ein autonomes fahrzeug
US10717384B2 (en) * 2017-10-25 2020-07-21 Pony Ai Inc. System and method for projecting trajectory path of an autonomous vehicle onto a road surface
WO2019117184A1 (ja) * 2017-12-15 2019-06-20 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 車載ネットワーク異常検知システム及び車載ネットワーク異常検知方法
US11205112B2 (en) 2019-04-01 2021-12-21 Honeywell International Inc. Deep neural network-based inertial measurement unit (IMU) sensor compensation method
DE102019207218A1 (de) * 2019-05-17 2020-11-19 Robert Bosch Gmbh Verfahren zum Validieren einer Kartenaktualität
CN112013854B (zh) * 2019-05-31 2022-10-04 北京地平线机器人技术研发有限公司 高精地图的检验方法及装置
DE102020200176A1 (de) * 2020-01-09 2021-07-15 Robert Bosch Gesellschaft mit beschränkter Haftung Verwertung eines ortsüblichen Verhaltens für automatisierte Fahrfunktionen
DE102020110269B4 (de) 2020-04-15 2023-05-04 Audi Aktiengesellschaft Verfahren zum Ermitteln einer Informationslücke in einem Fahrspurmarkierungsmodell für ein Kraftfahrzeug sowie System zum Durchführen eines derartigen Verfahrens
US11430333B2 (en) 2020-06-10 2022-08-30 Spaces Operations, Llc Method and system for dynamic mobile data communication
US11408750B2 (en) 2020-06-29 2022-08-09 Toyota Research Institute, Inc. Prioritizing collecting of information for a map
US11386776B2 (en) * 2020-10-05 2022-07-12 Qualcomm Incorporated Managing a driving condition anomaly
US20240134085A1 (en) * 2020-12-16 2024-04-25 University Of Maryland, College Park Vehicle-based anomaly detection using artificial intelligence and combined environmental and geophysical sensor data
CN115344659B (zh) * 2022-10-14 2023-02-03 北京道达天际科技股份有限公司 海量轨迹大数据的处理方法及系统、存储介质、电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332119A1 (en) * 2008-03-14 2010-12-30 Tom Tom International B.V. Navigation device and method
CN103359114A (zh) * 2012-03-26 2013-10-23 通用汽车环球科技运作有限责任公司 用于车辆侧向控制的系统和方法
US8942920B1 (en) * 2014-01-31 2015-01-27 United Parcel Service Of America, Inc. Concepts for determining the accuracy of map data
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3358303B1 (en) * 2017-02-07 2021-09-01 HERE Global B.V. An apparatus and associated methods for use in updating map data
US10551509B2 (en) * 2017-06-30 2020-02-04 GM Global Technology Operations LLC Methods and systems for vehicle localization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332119A1 (en) * 2008-03-14 2010-12-30 Tom Tom International B.V. Navigation device and method
CN103359114A (zh) * 2012-03-26 2013-10-23 通用汽车环球科技运作有限责任公司 用于车辆侧向控制的系统和方法
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变
US8942920B1 (en) * 2014-01-31 2015-01-27 United Parcel Service Of America, Inc. Concepts for determining the accuracy of map data

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111860558A (zh) * 2019-05-22 2020-10-30 北京嘀嘀无限科技发展有限公司 行程异常检测方法、装置及电子设备
CN111860558B (zh) * 2019-05-22 2024-08-02 北京嘀嘀无限科技发展有限公司 行程异常检测方法、装置及电子设备
CN112414430A (zh) * 2019-08-22 2021-02-26 北京初速度科技有限公司 一种电子导航地图质量检测方法及装置
CN112414430B (zh) * 2019-08-22 2022-12-02 北京初速度科技有限公司 一种电子导航地图质量检测方法及装置
CN114502444A (zh) * 2019-10-08 2022-05-13 高通股份有限公司 用于提供本地动态地图数据的边缘系统
CN114502444B (zh) * 2019-10-08 2024-01-05 高通股份有限公司 用于提供本地动态地图数据的边缘系统
CN112712608A (zh) * 2019-10-25 2021-04-27 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN112712608B (zh) * 2019-10-25 2024-03-01 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN111856521A (zh) * 2019-11-22 2020-10-30 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、电子设备和存储介质
CN111160420A (zh) * 2019-12-13 2020-05-15 北京三快在线科技有限公司 基于地图的故障诊断方法、装置、电子设备和存储介质
CN111160420B (zh) * 2019-12-13 2023-10-10 北京三快在线科技有限公司 基于地图的故障诊断方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
US20190056231A1 (en) 2019-02-21
DE102018119764A1 (de) 2019-02-21

Similar Documents

Publication Publication Date Title
CN109405841A (zh) 用于参与地图异常检测和校正的方法和设备
US11423677B2 (en) Automatic detection and positioning of pole-like objects in 3D
US11693409B2 (en) Systems and methods for a scenario tagger for autonomous vehicles
JP6969962B2 (ja) 車両の運転支援及び／又は走行制御のための地図情報提供システム
JP6401140B2 (ja) 交差点の構造の接合確率モデリング及び推定
US11460851B2 (en) Eccentricity image fusion
RU2742213C1 (ru) Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения
CN114375467B (zh) 用于检测紧急车辆的系统和方法
CN110481555A (zh) 自主乘坐动力学舒适度控制器
US20200149896A1 (en) System to derive an autonomous vehicle enabling drivable map
DE112020002764T5 (de) Systeme und verfahren zur fahrzeugnavigation
CN115004257A (zh) 用于涉及交通灯和交通标志的交通工具导航的系统和方法
DE112020002592T5 (de) Systeme und verfahren zur fahrzeugnavigation basierend auf bildanalyse
CN115552200A (zh) 用于生成重要性占据栅格地图的方法和系统
CN109814125A (zh) 用于确定激光雷达点的速度的系统和方法
CN108466621A (zh) 有效滚动半径
DE112021002680T5 (de) Systeme und verfahren zum erkennen einer offenen tür
US11820397B2 (en) Localization with diverse dataset for autonomous vehicles
CN113508065A (zh) 用于自主车辆控制的跨平台控制剖析
CN108981723A (zh) 用于验证道路曲率地图数据的系统和方法
CN109211255A (zh) 用于为具有自动车辆系统的机动车规划路线的方法
CN114518122A (zh) 行车导航方法、装置、计算机设备、存储介质和计算机程序产品
CN108986502A (zh) 感应回路检测系统和方法
CN113442916A (zh) 车辆不确定性共享
CN112512885A (zh) 一种辅助驾驶方法、装置和汽车

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190301