CN109410301A - 面向无人驾驶汽车的高精度语义地图制作方法 - Google Patents
面向无人驾驶汽车的高精度语义地图制作方法 Download PDFInfo
- Publication number
- CN109410301A CN109410301A CN201811202808.2A CN201811202808A CN109410301A CN 109410301 A CN109410301 A CN 109410301A CN 201811202808 A CN201811202808 A CN 201811202808A CN 109410301 A CN109410301 A CN 109410301A
- Authority
- CN
- China
- Prior art keywords
- data
- pilotless automobile
- precision
- production method
- laser radar
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 241000283070 Equus zebra Species 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 238000009933 burial Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，所述制作方法包括：步骤1：利用激光雷达设备采集各传感器数据；步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据；步骤3：在点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑字段属性；步骤4：导出指定格式的高精度语义地图。本发明实施例制作出的高精度语义地图包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，与传统矢量地图相比，提供了车道级别的道路信息，为无人驾驶汽车的局部路径规划提供了数据基础，进而有助于保障无人驾驶汽车行驶的安全性。
Description
技术领域
本发明涉及高精度地图制作技术领域，尤其涉及一种面向无人驾驶汽车的高精度语义地图制作方法。
背景技术
传统电子地图主要依靠卫星影像产生，再由GPS定位，这种方法可以达到米级精度。而面向无人驾驶需要精细化定义的精度达到厘米级的高精度地图，仅靠卫星与GPS是不能够保证无人驾驶汽车行驶安全的。车载移动测量系统作为一种先进的测量手段，具有快速、动态、主动和高精度等特点，能够采集大面积的三维道路信息。所谓精细化定义是需要格式化存储交通场景中的各种交通要素，包括车道线、道路边缘和路面标志等。
高精度地图的主要服务对象不是人类驾驶员，而是无人驾驶系统。它能够扩展车辆的静态环境感知能力，在精确定位、障碍物检测与避让、智能调速、转向及引导等方面发挥着重要作用，是无人驾驶中必不可少的一项关键技术。
高精度地图包含大量的行车辅助语义信息，包括路面的几何结构、标示线位置、周边道路环境的点云模型等。基于这些高精度的三维表征，无人驾驶系统可通过比对车载GPS、IMU、LiDAR和摄像头等数据来精确定位自己当前的位置，并进行实时导航。与传统地图相比，高精度地图具有更高的定时性，路网每天都在变化，通过与云端通信，无人驾驶汽车可实时得知路网更新信息。
现有的矢量地图制作方法限制了无人驾驶汽车的发展，无法应用于智能交通管理、高级驾驶辅助系统(ADAS)等领域。
发明内容
本发明实施例所要解决的技术问题在于，提供一种面向无人驾驶汽车的高精度语义地图制作方法，以使保障无人驾驶汽车行驶的安全性。
为了解决上述技术问题，本发明实施例提出了一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，所述制作方法包括：
步骤1：利用激光雷达设备采集各传感器数据；
步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据；
步骤3：在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑属性；
步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出指定格式的高精度语义地图。
本发明实施例通过提出一种面向无人驾驶汽车的高精度语义地图制作方法，包括步骤1～步骤4，利用无人驾驶汽车搭载的三维激光雷达系统采集车道数据，拼接生成点云数据后在点云数据中绘制轨迹数据和矢量数据，并为矢量数据编辑字段属性，最终导出预设格式的高精度语义地图，本发明实施例制作出的高精度语义地图包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，与传统矢量地图相比，提供了车道级别的道路信息，为无人驾驶汽车的局部路径规划提供了数据基础，进而有助于保障无人驾驶汽车行驶的安全性。
附图说明
图1是本发明实施例的面向无人驾驶汽车的高精度语义地图制作方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
请参照图1，本发明实施例的面向无人驾驶汽车的高精度语义地图制作方法包括步骤1～步骤4。
无人驾驶汽车搭载激光雷达设备。在外业过程中，激光雷达设备中的核心控制模块采用多传感器集成机器智能平台Aurora-I。Aurora-I是全球首款无人驾驶标准机器智能平台，完全面向量产化，具备完全感知和决策功能，集成GNSS模块、惯性测量单元和三维激光雷达等多种异构传感器。
步骤1：利用激光雷达设备采集各传感器数据。在外业过程中，选取数据采集路线后，利用无人驾驶汽车搭载激光雷达设备(包括三维激光雷达、GNSS、IMU等)采集各传感器数据，技术人员在负责控制采集设备的电脑系统上实时监控采集情况，确认采集设备处于正常工作状态。
步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据。为将激光雷达、IMU、摄像头等统一到一个坐标系下，在采集完数据后先进行多传感器标定，通过内业处理把各传感器数据融合到一起，随后利用无人驾驶汽车姿态数据和激光雷达数据拼接生成地面点云数据。
步骤3：在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑字段属性。在自主研发的高精度地图编辑软件中加载地面点云数据，利用编辑软件提供的绘图工具，依据点云的强度、颜色信息，沿车辆行驶方向人工绘制连续的轨迹，轨迹由间隔为一米的轨迹点组成，多段轨迹之间通过轨迹点相连；同时，依据道路的真实情况绘制如道路边沿、车道分离线和斑马线等矢量数据，每个矢量数据对象均由连续的线段组成，作为静态的底图对地图内容进行补充；最后，对绘制的数据进行编辑，可以为各个对象手动添加自定义的字段属性，作为为静态的底图对语义地图内容进行补充。
步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出预设格式的高精度语义地图。本发明实施例可通过预设对比算法或者人工验证的方式与对应位置图像信息作比对，找出错误并进行更正；再经过符号化处理、图面整饰、晕渲后，导出绘制的高精度语义地图，保存为指定格式(如*.csv)的文件，以满足L4级别无人驾驶的要求。
作为一种实施方式，激光雷达设备包括激光雷达、GNSS模块、IMU等传感器。采集数据包括GPS数据、无人驾驶汽车姿态数据和激光雷达数据等。
作为一种实施方式，所述步骤2包括标定子步骤、融合子步骤及拼接子步骤。
标定子步骤：通过内业处理对GPS数据、无人驾驶汽车姿态数据和激光雷达数据进行多传感器标定。
融合子步骤：通过内业处理将GPS数据、无人驾驶汽车姿态数据和激光雷达数据融合到一起。
拼接子步骤：通过内业处理利用无人驾驶汽车姿态数据和激光雷达数据拼接生成地面点云数据。
作为一种实施方式，所述步骤3包括轨迹数据绘制子步骤及矢量数据绘制子步骤。
轨迹数据绘制子步骤：在所述点云数据中，根据点云强度沿道路直行方向绘制直线轨迹，沿路口转向轨迹绘制曲线轨迹。优选地，以米为间隔绘制前行的轨迹。其中，所述直线轨迹和曲线轨迹的每段轨迹均由首尾两个轨迹点和前后两段轨迹线组成。轨迹点记录了当前位置和车辆在当前位置行驶时应有的速度、朝向信息。轨迹线除了首尾轨迹点的信息外，还记录了前后轨迹线的信息，当不止一种行驶方向(如路口转弯开始)时，会记录多条相邻的轨迹线。本发明实施例自动在轨迹点中记录了轨迹点序号、车辆行驶的位置、方向等信息，在轨迹线L(id,fpid,bpid,flid,blid...)中记录了当前轨迹线的编号，首尾轨迹点的编号，相邻的轨迹线的编号等信息。
假设轨迹点集为{p0,p1,p2...pn},轨迹线集为{l0,l1,l2...ln}。
在为无人驾驶汽车规划路径时，假设起点为从所有轨迹点中选择点使最小，则pi为起点，它的序号为idi，类似地，假设终点为Q,也可以找到与之对应pj作为终点。
从轨迹线集中选择线lj(idj,fpidj,bpidj,flidj,blidj...)，使得fpidj等于idi，则lj为起始线，类似地，选择lk使得flidj等于idk，则lk为第二条轨迹线，依次进行去则可以找到连续的轨迹线，直至lm使得bpidm等于pj的序号idj。上述连续的轨迹线即可作为无人驾驶汽车的规划路径用于无人驾驶汽车导航。
矢量数据绘制子步骤：在所述点云数据中，根据点云强度、颜色信息沿道路边缘、停止线、斑马线和车道线分别绘制直线。其中，直线段由首尾两个点相连而成。直线段记录了前后直线段的信息，点与点之间的间隔根据实际对象的情况来判断计算取值，没有固定的取值。本发明实施例绘制轨迹数据和矢量数据及编辑矢量数据的一些字段，快速构建一种结合了道路信息、间隔为一米的轨迹地图，为无人驾驶车辆提供精确的路线。每条直线段H(id,fpid,bpid,flid,blid...)都包含序号，首尾点序号，相邻线段序号字段，每个点N(id,x,y)都有序号和位置字段。
与轨迹线类似，连续的直线段即组成了每一个矢量对象，其附加的类别信息、属性信息可以作为语义信息对高精度地图的内容进行补充。
在无人驾驶实际落地过程中，高精度语义地图扮演着重要角色。本发明的面向无人驾驶汽车的高精度语义地图制作方法简单、实用、成本低；精细化程度高，可精细刻画各种道路要素和属性；生产效率高，自动化处理程度可达90％以上；其中的车道线识别方案具有良好的旋转和尺度不变性，可以检测多种车道线，包括白色实线、虚线、黄色单实线、双实线和虚线等。本发明主要涉及车道线、道路边缘和行驶轨迹等，车道线将路面划分为不同的功能区域，具有规范的几何特征、颜色等属性，规定了车辆的行驶方向、范围和变道规则等。
本发明实施例的高精度语义地图包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，与传统矢量地图相比，提供了车道级别的道路信息，为无人驾驶汽车的局部路径规划提供了数据基础，进而有助于保障无人驾驶汽车行驶的安全性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。
Claims (4)
1.一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，其特征在于，所述制作方法包括：
步骤1：利用车载激光雷达设备采集各传感器数据；
步骤2 ：对采集数据依次进行标定、融合、拼接，生成地面点云数据；
步骤3： 在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑属性；
步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出指定格式的高精度语义地图。
2.如权利要求1所述的面向无人驾驶汽车的高精度语义地图制作方法，其特征在于，所述激光雷达设备包括三维激光雷达、GNSS模块、IMU，所述采集数据包括GPS数据、无人驾驶汽车姿态数据和激光雷达数据。
3.如权利要求2所述的面向无人驾驶汽车的高精度语义地图制作方法，其特征在于，所述步骤2包括：
标定子步骤：通过内业处理对GPS数据、无人驾驶汽车姿态数据和激光雷达数据进行多传感器标定；
融合子步骤：通过内业处理将GPS数据、无人驾驶汽车姿态数据和激光雷达数据融合到一起；
拼接子步骤：通过内业处理利用无人驾驶汽车姿态数据和激光雷达数据拼接生成地面点云数据。
4.如权利要求1所述的面向无人驾驶汽车的高精度语义地图制作方法，其特征在于，所述步骤3包括：
轨迹数据绘制子步骤：在所述点云数据中，根据点云强度沿道路直行方向绘制直线轨迹，沿路口转向轨迹绘制曲线轨迹；其中，所述直线轨迹和曲线轨迹的每段轨迹均由首尾两个轨迹点和前后两段轨迹线组成；并在轨迹点中记录了轨迹点序号、车辆行驶的位置、方向信息，在轨迹线中记录了当前轨迹线的编号、首尾轨迹点的编号、相邻的轨迹线的编号信息；
矢量数据绘制子步骤：在所述点云数据中，根据点云强度、颜色信息沿道路边缘、停止线、斑马线和车道线分别绘制直线；其中，直线段由首尾两个点相连而成，每条直线段都包含序号、首尾点序号、相邻线段序号字段，每个点都有序号和位置字段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811202808.2A CN109410301A (zh) | 2018-10-16 | 2018-10-16 | 面向无人驾驶汽车的高精度语义地图制作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811202808.2A CN109410301A (zh) | 2018-10-16 | 2018-10-16 | 面向无人驾驶汽车的高精度语义地图制作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109410301A true CN109410301A (zh) | 2019-03-01 |
Family
ID=65468182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811202808.2A Pending CN109410301A (zh) | 2018-10-16 | 2018-10-16 | 面向无人驾驶汽车的高精度语义地图制作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109410301A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
| CN110082123A (zh) * | 2019-05-05 | 2019-08-02 | 中国汽车工程研究院股份有限公司 | 一种自动驾驶自动化测试系统 |
| CN110118564A (zh) * | 2019-03-22 | 2019-08-13 | 纵目科技（上海）股份有限公司 | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 |
| CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
| CN110220517A (zh) * | 2019-07-08 | 2019-09-10 | 紫光云技术有限公司 | 一种结合环境语意的室内机器人鲁棒slam方法 |
| CN110956838A (zh) * | 2019-12-16 | 2020-04-03 | 驭势科技（北京）有限公司 | 智能驾驶方法、矢量地图生成方法、车载设备及存储介质 |
| CN111443360A (zh) * | 2020-04-20 | 2020-07-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
| CN111552756A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种铲窝及卸点自动动态更新的矿区高精地图制作方法 |
| CN111899554A (zh) * | 2020-06-27 | 2020-11-06 | 武汉中海庭数据技术有限公司 | 一种关联停车位与车道方法、装置、电子设备及存储介质 |
| CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| CN112150576A (zh) * | 2019-06-28 | 2020-12-29 | 华晨汽车集团控股有限公司 | 一种高精度矢量地图采集系统和方法 |
| CN112339753A (zh) * | 2020-10-20 | 2021-02-09 | 高深智图(广州)科技有限公司 | 基于激光雷达定位技术的车道保持辅助系统 |
| WO2021051726A1 (zh) * | 2020-01-06 | 2021-03-25 | 深圳市速腾聚创科技有限公司 | 点云数据的处理方法、装置、存储介质及激光雷达系统 |
| CN112579924A (zh) * | 2020-12-29 | 2021-03-30 | 武汉中海庭数据技术有限公司 | 道路生成方法、电子装置和存储介质 |
| CN113593022A (zh) * | 2021-07-06 | 2021-11-02 | 安徽海博智能科技有限责任公司 | 一种用于矿山无人驾驶场景的高精地图制作方法 |
| CN113705515A (zh) * | 2021-09-03 | 2021-11-26 | 北京百度网讯科技有限公司 | 语义分割模型的训练和高精地图车道线的生成方法和设备 |
| CN113902864A (zh) * | 2021-10-18 | 2022-01-07 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
| CN113918666A (zh) * | 2020-07-09 | 2022-01-11 | 北京四维图新科技股份有限公司 | 地图数据的处理方法、装置、系统及存储介质 |
| CN115638788A (zh) * | 2022-12-23 | 2023-01-24 | 安徽蔚来智驾科技有限公司 | 语义矢量地图的构建方法、计算机设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
| CN105241465A (zh) * | 2015-10-20 | 2016-01-13 | 中国有色金属长沙勘察设计研究院有限公司 | 一种道路更新的方法 |
| CN107958486A (zh) * | 2017-11-21 | 2018-04-24 | 北京煜邦电力技术股份有限公司 | 一种导线矢量模型的生成方法及装置 |
| CN108007471A (zh) * | 2016-10-28 | 2018-05-08 | 北京四维图新科技股份有限公司 | 车辆引导区块获取方法和装置以及自动驾驶方法和系统 |
| CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
| CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
| CN108334523A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技（深圳）有限公司 | 道路场景地图的构建方法和装置 |
| CN108571975A (zh) * | 2017-03-07 | 2018-09-25 | 现代自动车株式会社 | 车辆及其控制方法以及使用该车辆和方法的自主驾驶系统 |
-
2018
- 2018-10-16 CN CN201811202808.2A patent/CN109410301A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
| CN105241465A (zh) * | 2015-10-20 | 2016-01-13 | 中国有色金属长沙勘察设计研究院有限公司 | 一种道路更新的方法 |
| CN108007471A (zh) * | 2016-10-28 | 2018-05-08 | 北京四维图新科技股份有限公司 | 车辆引导区块获取方法和装置以及自动驾驶方法和系统 |
| CN108334523A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技（深圳）有限公司 | 道路场景地图的构建方法和装置 |
| CN108571975A (zh) * | 2017-03-07 | 2018-09-25 | 现代自动车株式会社 | 车辆及其控制方法以及使用该车辆和方法的自主驾驶系统 |
| CN107958486A (zh) * | 2017-11-21 | 2018-04-24 | 北京煜邦电力技术股份有限公司 | 一种导线矢量模型的生成方法及装置 |
| CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
| CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周知红: "面向无人驾驶的车道级道路电子地图制作", 《测绘与空间地理信息》 * |
| 常欢: "无人车基于三维点云场景理解的语义地图构建", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 李宏利: "车道级驾驶辅助地图数据结构设计", 《卫星导航定位与北斗系统应用2018》 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110118564A (zh) * | 2019-03-22 | 2019-08-13 | 纵目科技（上海）股份有限公司 | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 |
| CN110118564B (zh) * | 2019-03-22 | 2024-02-23 | 纵目科技（上海）股份有限公司 | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 |
| CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
| CN110057373B (zh) * | 2019-04-22 | 2023-11-03 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
| CN110082123A (zh) * | 2019-05-05 | 2019-08-02 | 中国汽车工程研究院股份有限公司 | 一种自动驾驶自动化测试系统 |
| CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
| CN112069856B (zh) * | 2019-06-10 | 2024-06-14 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| CN112150576B (zh) * | 2019-06-28 | 2024-02-23 | 华晨汽车集团控股有限公司 | 一种高精度矢量地图采集系统和方法 |
| CN112150576A (zh) * | 2019-06-28 | 2020-12-29 | 华晨汽车集团控股有限公司 | 一种高精度矢量地图采集系统和方法 |
| CN110220517A (zh) * | 2019-07-08 | 2019-09-10 | 紫光云技术有限公司 | 一种结合环境语意的室内机器人鲁棒slam方法 |
| CN110956838A (zh) * | 2019-12-16 | 2020-04-03 | 驭势科技（北京）有限公司 | 智能驾驶方法、矢量地图生成方法、车载设备及存储介质 |
| WO2021051726A1 (zh) * | 2020-01-06 | 2021-03-25 | 深圳市速腾聚创科技有限公司 | 点云数据的处理方法、装置、存储介质及激光雷达系统 |
| CN111443360A (zh) * | 2020-04-20 | 2020-07-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
| CN111443360B (zh) * | 2020-04-20 | 2022-06-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
| CN111552756A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种铲窝及卸点自动动态更新的矿区高精地图制作方法 |
| CN111899554A (zh) * | 2020-06-27 | 2020-11-06 | 武汉中海庭数据技术有限公司 | 一种关联停车位与车道方法、装置、电子设备及存储介质 |
| CN113918666A (zh) * | 2020-07-09 | 2022-01-11 | 北京四维图新科技股份有限公司 | 地图数据的处理方法、装置、系统及存储介质 |
| CN112339753A (zh) * | 2020-10-20 | 2021-02-09 | 高深智图(广州)科技有限公司 | 基于激光雷达定位技术的车道保持辅助系统 |
| CN112579924A (zh) * | 2020-12-29 | 2021-03-30 | 武汉中海庭数据技术有限公司 | 道路生成方法、电子装置和存储介质 |
| CN112579924B (zh) * | 2020-12-29 | 2022-03-25 | 武汉中海庭数据技术有限公司 | 道路生成方法、电子装置和存储介质 |
| CN113593022A (zh) * | 2021-07-06 | 2021-11-02 | 安徽海博智能科技有限责任公司 | 一种用于矿山无人驾驶场景的高精地图制作方法 |
| CN113705515A (zh) * | 2021-09-03 | 2021-11-26 | 北京百度网讯科技有限公司 | 语义分割模型的训练和高精地图车道线的生成方法和设备 |
| CN113705515B (zh) * | 2021-09-03 | 2024-04-12 | 北京百度网讯科技有限公司 | 语义分割模型的训练和高精地图车道线的生成方法和设备 |
| CN113902864B (zh) * | 2021-10-18 | 2022-11-01 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
| CN113902864A (zh) * | 2021-10-18 | 2022-01-07 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
| CN115638788A (zh) * | 2022-12-23 | 2023-01-24 | 安徽蔚来智驾科技有限公司 | 语义矢量地图的构建方法、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109410301A (zh) | 面向无人驾驶汽车的高精度语义地图制作方法 | |
| US11307040B2 (en) | Map information provision system | |
| CN109341706B (zh) | 一种面向无人驾驶汽车的多特征融合地图的制作方法 | |
| CN109059944B (zh) | 基于驾驶习惯学习的运动规划方法 | |
| CN108180921B (zh) | 利用gps数据的ar-hud导航系统及其导航方法 | |
| US8682531B2 (en) | Image processing system and vehicle control system | |
| Tsugawa et al. | An architecture for cooperative driving of automated vehicles | |
| CN109084798B (zh) | 网络下发带有道路属性的控制点的路径规划方法 | |
| CN106441319A (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
| DK201970148A1 (en) | Motion graph construction and lane level route planning | |
| CN109946732A (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
| US20110242311A1 (en) | Image processing system and position measurement system | |
| CN110400490A (zh) | 轨迹预测方法和装置 | |
| CN111220143B (zh) | 一种成像设备的位置和姿态确定方法及装置 | |
| US20180135999A1 (en) | Componentized Junction Models | |
| CN113358125B (zh) | 一种基于环境目标检测和环境目标地图的导航方法及系统 | |
| JP2020516880A (ja) | ポリゴンにおける中間点を低減する方法および装置 | |
| CN113359171B (zh) | 基于多传感器融合的定位方法、装置和电子设备 | |
| CN109256028A (zh) | 一种用于无人驾驶的高精度路网自动生成的方法 | |
| CN109974739A (zh) | 基于高精度地图的全局导航系统及导航信息生成方法 | |
| CN116564116A (zh) | 数字孪生驱动的智能辅助驾驶引导系统与方法 | |
| US20230150549A1 (en) | Hybrid log simulated driving | |
| CN111413990A (zh) | 一种车道变更轨迹规划系统 | |
| CN116266380A (zh) | 一种环境数据重建方法、装置、系统及存储介质 | |
| CN117490727B (zh) | 定位精度评价方法、装置和电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
| RJ01 | Rejection of invention patent application after publication |