CN109974720B - 动态地图数据分类装置及其方法 - Google Patents

Abstract

本发明公开了一种动态地图数据分类装置及其方法，动态地图数据分类装置设于一车辆中，并包含至少一自动驾驶辅助系统、一无线通信接口、一储存器、一卫星定位模块与一处理器。无线通信接口无线连接一云端服务器，云端服务器中存有高解析地图与三维点云地图信息，卫星定位模块于一电子地图上取得车辆的位置坐标。储存器存有车辆的预定行驶路径的道路环境的至少一道路曲率与至少一路口特征的其中至少一者。处理器根据道路曲率与路口特征的其中至少一者及自动驾驶辅助系统的自动化驾驶辅助程度，分类出所需下载的地图数据，进而减少地图信息下载时间。

Description

动态地图数据分类装置及其方法

技术领域

本发明涉及一种分类技术，且特别关于一种动态地图数据分类装置及其方法。

背景技术

对于自驾车来说，行驶安全性至关重要，传统的数字导航地图数据已无法满足自驾车的需求，因此必须仰赖高阶析度的电子地图以取得行进路径中的道路环境地图数据，以及定位自身车辆的位置，若欲确保行驶安全，则三维点云地图数据亦属必要。

高解析电子地图的作用是，将道路信息提供给自驾车，如车道线、号志、道路曲率等，提供自驾车路侧特征，以估算车辆位置。但高分辨率地图的缺点是，须搭配其他定位技术，才能精准的估算车辆位置。如三维点云地图数据，需配合同步定位与地图构建(SLAM，Simultaneous localization and mapping)技术，以定位当时车辆位置，从而达到同时定位和地图建构的目的。然而，高分辨率电子地图与三维点云地图数据虽可提供丰富、精确的道路环境信息，但相对的数据量庞大，受限于现行的4G网络传输速度仍有限且不稳定，故需要花费较长的下载时间，然则对于自驾车而言，一点点的时间延迟皆可能使系统误判而造成极为严重的车辆事故。

因此，本发明针对上述困扰，提出一种动态地图数据分类装置及其方法，以解决现有技术所产生的问题。

发明内容

本发明的主要目的，在于提供一种动态地图数据分类装置及其方法，因为高解析地图与三维点云地图信息的数据量庞大，设置于车载端的动态地图数据分类装置的储存空间无法涵盖全部地图数据，故需要将数据放至云端服务器，供自驾车下载。因此，根据道路环境的道路曲率及路口特征的其中至少一者与自动驾驶辅助系统的自动化驾驶辅助程度，分类出所需下载的地图信息并依据车辆的位置坐标及车速信息提出一下载请求予云端服务器，以下载包含道路环境的区域地图信息。据此，针对较单纯的道路环境，可减少区域地图信息的下载量。针对较复杂的道路环境，可提前下载较高数据量的区域地图信息。

为达上述目的，本发明提供一种动态地图数据分类装置，其设置于一车辆中，包含至少一自动驾驶辅助系统、一无线通信接口、一储存器、一卫星定位模块与一处理器。卫星定位模块于一电子地图上取得车辆的位置坐标。处理器电性连接卫星定位模块，处理器依据车辆的行驶目的地与位置坐标在电子地图上规划一预定行驶路径，车辆在预定行驶路径上行驶，预定行驶路径的道路环境包含至少一道路曲率与至少一路口特征的其中至少一者。自动驾驶辅助系统电性连接处理器。无线通信接口电性连接处理器，并通过无线网络无线连接一云端服务器，云端服务器中存有高解析地图(HD Map)与三维点云地图信息。储存器电性连接处理器，储存器存有电子地图以及至少一道路曲率与至少一路口特征的其中至少一者。在处理器利用卫星定位模块发现车辆抵达包含至少一道路曲率与至少一路口特征的其中至少一者的道路环境前，处理器根据至少一道路曲率与至少一路口特征的其中至少一者，及自动驾驶辅助系统的自动化驾驶辅助程度，通过无线通信接口对高解析地图与三维点云地图信息进行分类，并从高解析地图或三维点云地图信息寻找对应道路环境的区域地图信息，以供下载。

本发明亦提供一种动态地图数据分类方法，首先，利用一车辆的位置坐标及行驶目的地于一电子地图上规划一预定行驶路径，车辆在预定行驶路径上行驶，预定行驶路径的道路环境包含至少一道路曲率与至少一路口特征的其中至少一者。接着，储存至少一道路曲率与至少一路口特征的其中至少一者。在车辆抵达包含至少一道路曲率与至少一路口特征的其中至少一者的道路环境前，根据至少一道路曲率与至少一路口特征的其中至少一者，及设于车辆中的至少一自动驾驶辅助系统的自动化驾驶辅助程度，对储存在云端服务器中的高解析地图与三维点云地图信息进行分类，并从高解析地图或三维点云地图信息寻找对应道路环境的区域地图信息，以供下载。

附图说明

图1为本发明的动态地图数据分类装置的一实施例的装置方块图。

图2为本发明的直线道路示意图。

图3为本发明的弯曲道路示意图。

图4为本发明的路口示意图。

图5为本发明的动态地图数据分类方法的一实施例的流程图。

图6为本发明的表一的对应流程图。

附图标记说明：10-动态地图数据分类装置；12-自动驾驶辅助系统；14-无线通信接口；16-储存器；18-卫星定位模块；20-处理器；22-道路环境；24-云端服务器；26-惯性测量单元。

具体实施方式

本发明的实施例将藉由下文配合相关图式进一步加以解说。尽可能的，于图式与说明书中，相同标号代表相同或相似构件。于图式中，基于简化与方便标示，形状与厚度可能经过夸大表示。可以理解的是，未特别显示于图式中或描述于说明书中的组件，为所属技术领域中具有通常技术者所知的形态。本领域的通常技术者可依据本发明的内容而进行多种的改变与修改。

以下请参阅图1、图2、图3与图4，其中图2为本发明的直线道路示意图，图3为本发明的弯曲道路示意图，图4为本发明的路口示意图。以下介绍本发明的动态地图数据分类装置10，其设于一车辆中。动态地图数据分类装置10包含至少一自动驾驶辅助系统12、一无线通信接口14、一储存器16、一卫星定位模块18与一处理器20，其中自动驾驶辅助系统12的数量以一为例，自动驾驶辅助系统12可例如为自动车道切换系统(Lane Changing System，LCS)、车道维持系统(Lane Keeping System，LKS)、自动紧急煞车系统(AutonomousEmergency Braking，AEB)、车道追随系统(Lane Following System，LFS)或主动式车距调节巡航系统(Adaptive Cruise Control，ACC)等。卫星定位模块18于一电子地图上取得车辆的位置坐标。处理器20电性连接卫星定位模块18，处理器20依据车辆的行驶目的地与位置坐标在电子地图上规划一预定行驶路径，车辆在预定行驶路径上行驶，预定行驶路径的道路环境22包含至少一道路曲率与至少一路口特征的其中至少一者。自动驾驶辅助系统12电性连接处理器20。无线通信接口14电性连接处理器20，并通过无线网络无线连接一云端服务器24，云端服务器24中存有高解析地图(HD Map)与三维点云地图信息。因为高解析地图与三维点云地图信息的数据量庞大，动态地图数据分类装置的储存空间无法涵盖全部地图数据，故需要将数据放至云端服务器24，供自驾车下载。储存器16电性连接处理器20，储存器16存有至少一道路曲率与至少一路口特征的其中至少一者与电子地图，其中道路曲率与路口特征的其中至少一者可由处理器20利用无线通信接口14与云端服务器24从高解析地图中下载，但本发明并不限于此。储存器16储存的电子地图亦可包含至少一道路曲率与至少一路口特征的其中至少一者。在处理器20利用卫星定位模块18发现车辆抵达包含至少一道路曲率与至少一路口特征的其中至少一者的道路环境22前，处理器20根据至少一道路曲率与至少一路口特征的其中至少一者，及自动驾驶辅助系统12的自动化驾驶辅助程度，通过无线通信接口14对高解析地图与三维点云地图信息进行分类，并从高解析地图或三维点云地图信息寻找对应道路环境22的区域地图信息，以供下载。

此外，处理器20更电性连接设于车辆中的一惯性测量单元(InertialMeasurement Unit,IMU)26，处理器20利用无线通信接口14取得网络速度与区域地图信息的文件大小，并利用惯性测量单元26取得车辆的速度，又利用卫星定位模块18取得道路环境22的经纬度，以根据车辆的位置坐标、上述经纬度、车辆的速度、网络速度与区域地图信息的文件大小决定下载区域地图信息的时间点。举例来说，若区域地图信息的文件大小为50M字节(MB)，车辆的速度为45公里/小时(Km/hr)，网络速度为20M位/秒(bps)，则处理器20根据速度、网络速度与区域地图信息的文件大小决定下载区域地图信息的时间点，在此时间点，通过无线通信接口14发出一下载请求给云端服务器24，以下载区域地图信息。依上述条件可知下载区域地图信息需要2.5秒，且车辆1秒走12.5公尺，故车辆应在至少距离下一包含有至少一道路曲率与路口特征的其中至少一者的道路环境22前31.25公尺就开始下载才可完整下载所需分区地图数据。因此，针对较复杂的道路环境22，可提前下载较高数据量的区域地图信息。针对较单纯的道路环境22，亦可减少区域地图信息的下载量。

自动驾驶辅助系统12的自动化驾驶辅助程度包含低、中与高。美国自动机工程协会(SAE)将自动驾驶等级分类成无自动化(No Automation)Level 0、驾驶辅助化(DriverAssistance)Level 1、部分自动化(Partial Automation)Level 2、条件自动化(Conditional Automation)Level 3、高度自动化(High Automation)Level 4与全自动化(Full Automation)Level 5。对应于该分类，本发明的低属于驾驶辅助化Level 1，中属于部分自动化Level 2或条件自动化Level3，高属于高度自动化Level 4或全自动化Level 5。一般来说，自动化驾驶辅助程度为低时需要有车道线信息与道路曲率信息。中相对低会提供更多信息给车辆使用，当有危险时，自动驾驶辅助系统12提供驾驶人足够的反应时间。高表示车辆需要具有高精密地图数据系统供自动驾驶辅助系统12驾驶。

请参阅图1、图2、图3、图4与图5，以下介绍本发明的动态地图数据分类装置的动态地图数据分类方法。首先，如步骤S10所示，处理器20利用车辆的位置坐标及行驶目的地于电子地图上规划预定行驶路径，车辆在预定行驶路径上行驶。接着，如步骤S12所示，处理器20利用无线通信接口14与云端服务器24从高解析地图中下载至少一道路曲率与至少一路口特征的其中至少一者，以储存至少一道路曲率与至少一路口特征的其中至少一者至储存器16中；此外，道路曲率及路口特征的其中一者除可通过云端服务器24下载外，亦可内建于车载端的电子地图中。最后，如步骤S14所示，处理器20利用卫星定位模块18发现车辆抵达包含至少一道路曲率与至少一路口特征的其中至少一者的道路环境22前，处理器20根据至少一道路曲率与至少一路口特征的其中至少一者，及自动驾驶辅助系统12的自动化驾驶辅助程度，通过无线通信接口14对高解析地图与三维点云地图信息进行分类，并从高解析地图或三维点云地图信息寻找对应道路环境22的区域地图信息，以供下载。区域地图信息具有不同等级，较高等级的区域地图信息具有较大数据量，需要提早下载，较低等级的区域地图信息具有较小数据量，可以于较接近路口特征时进行下载即可。但区域地图信息势必在车辆未到达道路环境22时就下载完成。

在步骤S14后，亦可选择性进行步骤S16。在步骤S16中，处理器20利用无线通信接口14取得网络速度与区域地图信息的文件大小，并利用惯性测量单元26取得车辆的速度，又利用卫星定位模块18取得道路环境22的经纬度，以根据车辆的位置坐标、上述经纬度、车辆的速度、网络速度与区域地图信息的文件大小决定下载区域地图信息的时间点。

以下说明高解析地图与三维点云地图信息的分类方式，此分类方式如表一与图6所示。

表一

当自动化驾驶辅助程度为低，且在车辆抵达包含如图4的路口特征的道路环境22前，区域地图信息包含高解析地图的第二级区域地图信息M2，即路口特征，其中路口特征具有交通号志、斑马线或停止线。当自动化驾驶辅助程度为低，且在车辆抵达包含小于一预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第一级区域地图信息M1，即车道属性，其包括道路曲率、车道线、速限与车道数，其中路口特征具有交通号志、斑马线或停止线。此道路曲率如图2所示，属直线道路。当自动化驾驶辅助程度为低，且在车辆抵达包含大于预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第一级区域地图信息M1，即车道属性，其包括道路曲率、车道线、速限与车道数。此道路曲率如图3所示，属弯曲道路。上述车道属性可包含车道线、车道数、速限与车道曲率的至少其中一者，但本发明并不限于此。举例来说，当自动驾驶辅助系统12为自动车道切换系统时，车道属性包含车道线、道路曲率、车道数与速限。当自动驾驶辅助系统12为车道维持系统时，车道属性包含车道线、道路曲率与速限。当自动驾驶辅助系统12为车道追随系统时，车道属性包含车道线、道路曲率、车道数与速限。当自动驾驶辅助系统12为主动式车距调节巡航系统时，车道属性包含车道线、车道曲率与速限。当自动驾驶辅助系统12为自动紧急煞车系统时，车道属性包含速限。当自动化驾驶辅助程度为中，且在车辆抵达包含如图4的路口特征的道路环境22前，区域地图信息包含高解析地图的第四级区域地图信息M4，即车道属性、路口特征与动态属性，其中路口特征具有交通号志、斑马线或停止线；车道属性包括道路曲率、车道线、速限及车道数；动态属性包含天气、车流速度、事故、壅塞、紧急救护、道路施工、散落物、坑洞与号志异常。当自动化驾驶辅助程度为中，且在车辆抵达包含小于一预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第三级区域地图信息M3，即车道属性与动态属性，其中车道属性包括道路曲率、车道线、速限、车道数；动态属性包含天气、车流速度、事故、壅塞、紧急救护、道路施工、散落物、坑洞与号志异常。此道路曲率如图2所示，属直线道路。当自动化驾驶辅助程度为中，且在车辆抵达包含大于预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第三级区域地图信息M3，即车道属性与动态属性，其中车道属性包括道路曲率、车道线、速限、车道数；动态属性包含天气、车流速度、事故、壅塞、紧急救护、道路施工、散落物、坑洞与号志异常。此道路曲率如图3所示，属弯曲道路。

当自动化驾驶辅助程度为高，且在车辆抵达包含如图4的路口特征的道路环境22前，区域地图信息为第六级区域地图信息M6，即车道属性、路口特征、动态属性及三维点云地图信息，并配合同步定位与地图构建(SLAM，Simultaneous localization and mapping)技术，定位车辆，其中路口特征具有交通号志、斑马线或停止线；车道属性包括道路曲率、车道线、速限与车道数。当自动化驾驶辅助程度为高，且在车辆抵达包含小于一预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第五级区域地图信息M5，即车道属性、动态属性及三维点云地图信息，其中车道属性包括道路曲率、车道线、速限与车道数；动态属性包括天气、车流速度与事故…等)。此道路曲率如图2所示，属直线道路。当自动化驾驶辅助程度为高，且在车辆抵达包含大于预设值的道路曲率却不包含路口特征的道路环境22前，区域地图信息包含高解析地图的第五级区域地图信息M5，即车道属性、动态属性及三维点云地图信息。此道路曲率如图3所示，属弯曲道路，其中车道属性包括道路曲率、车道线、速限、车道数；动态属性包含天气、车流速度、事故、壅塞、紧急救护、道路施工、散落物、坑洞与号志异常。

综上所述，本发明根据道路环境的道路曲率与路口特征的其中至少一者与自动驾驶辅助系统的自动化驾驶辅助程度，对高解析地图与三维点云地图信息进行分类，以不同条件对应不同等级的区域地图信息，进而减少区域地图信息下载时间与下载量。

以上所述仅为本发明一较佳实施例而已，并非用来限定本发明实施的范围，故举凡依本发明权利要求范围所述的形状、构造、特征及精神所为的均等变化与修饰，均应包括于本发明的保护范围内。

Claims (8)

1.一种动态地图数据分类装置，其设于一车辆中，其特征在于，该动态地图数据分类装置包含：

一卫星定位模块，于一电子地图上取得该车辆的位置坐标；

一处理器，电性连接该卫星定位模块，该处理器依据该车辆的行驶目的地与该位置坐标在该电子地图上规划一预定行驶路径，该车辆在该预定行驶路径上行驶，该预定行驶路径的道路环境包含至少一道路曲率与至少一路口特征的其中至少一者；

至少一自动驾驶辅助系统，电性连接该处理器；

一无线通信接口，电性连接该处理器，并通过无线网络无线连接一云端服务器，该云端服务器中存有高解析地图与三维点云地图信息；以及

一储存器，电性连接该处理器，该储存器存有该电子地图以及该至少一道路曲率与该至少一路口特征的其中至少一者，在该处理器利用该卫星定位模块发现该车辆抵达包含该至少一道路曲率与该至少一路口特征的其中至少一者的该道路环境前，该处理器根据该至少一道路曲率与该至少一路口特征的其中至少一者及该自动驾驶辅助系统的自动化驾驶辅助程度，通过该无线通信接口对该高解析地图与该三维点云地图信息进行分类，并从分类后的该高解析地图或该三维点云地图信息寻找对应该道路环境的区域地图信息，以供下载。

2.如权利要求1所述的动态地图数据分类装置，其特征在于，该至少一道路曲率与该至少一路口特征的其中至少一者由该处理器利用该无线通信接口与该云端服务器从该高解析地图中下载。

3.如权利要求1所述的动态地图数据分类装置，其特征在于，该储存器储存的该电子地图包含该至少一道路曲率与该至少一路口特征的其中至少一者。

4.如权利要求2或3所述的动态地图数据分类装置，其特征在于，该处理器更电性连接设于该车辆中的一惯性测量单元，该处理器利用该无线通信接口取得网络速度与该区域地图信息的文件大小，并利用该惯性测量单元取得该车辆的速度，又利用该卫星定位模块取得该道路环境的经纬度，以根据该位置坐标、该经纬度、该车辆的该速度、该网络速度与该区域地图信息的该文件大小决定下载该区域地图信息的时间点。

5.一种动态地图数据分类方法，其特征在于，包含下列步骤：

利用一车辆的位置坐标及行驶目的地于一电子地图上规划该一预定行驶路径，该车辆在该预定行驶路径上行驶，该预定行驶路径的道路环境包含至少一道路曲率与至少一路口特征的其中至少一者；

储存该至少一道路曲率与该至少一路口特征的其中至少一者；以及

在该车辆抵达包含该至少一道路曲率与该至少一路口特征的其中至少一者的该道路环境前，根据该至少一道路曲率与该至少一路口特征的其中至少一者，及设于该车辆中的至少一自动驾驶辅助系统的自动化驾驶辅助程度，对储存在云端服务器中的高解析地图与三维点云地图信息进行分类，并从分类后的该高解析地图或该三维点云地图信息寻找对应该道路环境的区域地图信息，以供下载。

6.如权利要求5所述的动态地图数据分类方法，其特征在于，该至少一道路曲率与该至少一路口特征的其中至少一者内存于该电子地图中。

7.如权利要求5所述的动态地图数据分类方法，其特征在于，该至少一道路曲率与该至少一路口特征的其中至少一者自该云端服务器下载后储存。

8.如权利要求6或7所述的动态地图数据分类方法，其特征在于，在对储存在该云端服务器中的该高解析地图与该三维点云地图信息进行分类之后，取得该车辆的速度、网络速度、该区域地图信息的文件大小以及该道路环境的经纬度，以根据该位置坐标、该经纬度、该车辆的该速度、该网络速度与该区域地图信息的该文件大小决定下载该区域地图信息的时间点。

Images