CN110249205A - 用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法 - Google Patents

用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法 Download PDF

Info

Publication number
CN110249205A
CN110249205A CN201780085473.8A CN201780085473A CN110249205A CN 110249205 A CN110249205 A CN 110249205A CN 201780085473 A CN201780085473 A CN 201780085473A CN 110249205 A CN110249205 A CN 110249205A
Authority
CN
China
Prior art keywords
haf
semi
static object
feature
positioning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780085473.8A
Other languages
English (en)
Other versions
CN110249205B (zh
Inventor
H·米伦茨
J·罗德
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN110249205A publication Critical patent/CN110249205A/zh
Application granted granted Critical
Publication of CN110249205B publication Critical patent/CN110249205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • 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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation 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
    • 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
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种在数字式定位地图中定位自动化程度较高的车辆、尤其高度自动化车辆(HAF)的方法，所述方法包括以下步骤：S1借助至少一个第一传感器感测HAF的环境中的半静态对象的特征；S2将半静态对象的特征以及车辆位置传输给分析评估单元；S3对半静态对象进行分类，其中，为半静态对象分配特征“半静态”作为该分类的结果；S4将半静态对象的特征转移到HAF的本地环境模型中，其中，在创建所述本地环境模型时检验：适合于定位HAF的地标关于HAF的位置和/或行驶轨迹而言是否被半静态对象遮挡；S5将所述本地环境模型以数字式定位地图的形式传输给HAF，其中，所述数字式定位地图仅包含适合于定位HAF的、关于HAF的位置和/或行驶轨迹而言未被半静态对象遮挡的那些地标；和S6在使用所述数字式定位地图的情况下定位HAF。此外，本发明涉及一种相应的系统以及一种计算机程序。

Description

用于在数字式定位地图中定位自动化程度较高的车辆、例如 高度自动化的车辆(HAF)的方法
技术领域
本发明涉及一种用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化车辆(HAF)的方法和系统。
背景技术
由于车辆自动化程度提高，使用越来越复杂的驾驶员辅助系统。对于这样的驾驶员辅助系统和功能，例如高度自动化驾驶或全自动化驾驶，在车辆中需要大量能够精确地感测车辆环境的传感器。为了自动化程度更高地控制车辆，例如需要可靠地识别行车道，使得可以在识别出的行车道内引导车辆。下面，“自动化程度较高”理解为这样的自动化程度，所述自动化程度在联邦公路机构(BASt)的意义上相应于具有提高的系统责任的自动化纵向和横向引导，例如高度自动化驾驶和全自动化驾驶。
此外已知的是，根据不同的环境传感器，例如雷达传感器、摄像机、行驶动态性传感器、GPS(Global Positioning System：全球定位系统)，和数字地图可以构建对车辆周围环境的再现，即所谓的环境模型，其中，用于实现相比各个数据源更高精度和安全性以及更大视野范围的目标具有最高优先级。尤其在高度自动化驾驶的方面需要高的系统稳健性和系统可用性。现今为高度自动化车辆实现的驾驶员辅助系统将重点放在改善探测的精度、视野范围以及提高安全性。
在现有技术中公开在数字地图中定位高度自动化车辆(HAF)的多种可能性。其中例如包括如下方法：在所述方法中为HAF仅传输对于足够精确的定位而言所需数量或密度的地标，使得可以节省用于从服务器至车辆的传输的数据速率或者也可以降低车辆中的计算复杂性并且加快运行时间。然而，在此证明是不利的是，地标也可能被遮挡并因此不能够被HAF感知到。这一方面导致不必要的数据传输并且另一方面导致可能差的定位精度，因为没有足够的信息可用于匹配。“匹配”理解为将识别出的地标与存在于地图中的地标进行比较。但是，这与对于自动化驾驶所必需的高系统安全性相矛盾。
发明内容
因此，本发明的任务是，提供一种用于在数字式定位地图中定位高度自动化车辆(HAF)的改进方法。
该任务借助独立权利要求的对应主题来解决。本发明的有利构型是各个从属权利要求的主题。
根据本发明的一个方面，提供一种用于在数字式定位地图中定位自动化程度较高的车辆、尤其高度自动化车辆(HAF)的方法，该方法包括以下步骤：
S1借助至少一个第一传感器感测HAF周围环境中的半静态对象的特征；
S2将半静态对象的特征以及车辆位置传输给分析评估单元；
S3对半静态对象进行分类，其中，为半静态对象分配特征“半静态”作为该分类的结果；
S4将半静态对象的特征转移到HAF的本地环境模型中，其中，在创建本地环境模型时检验：适合于定位HAF的地标关于HAF的位置和/或行驶轨迹而言是否被半静态对象遮挡；
S5将本地环境模型以数字式定位地图的形式传输给HAF，其中，数字式定位地图仅包含适合于定位HAF的、关于HAF的位置和/或行驶轨迹而言未被半静态对象遮挡的地标；并且
S6在使用数字式定位地图的情况下定位HAF。
因此，根据本发明公开了一种用于高度自动化车辆的驾驶员辅助系统，该驾驶员辅助系统借助车辆内部的环境传感器探测地标用于定位车辆。进一步地，对地标进行分类并且必要时为地标分配属性“半静态”。原则上还能够将车辆的如下信息传输给服务器、必要时传输给后端服务器：借助所述信息，服务器可以对关于所引入的属性“被遮挡”或“可见”的假设进行更新。通过在将本地环境模型以数字式定位地图的形式传输给HAF时省略掉被遮挡的地标来提高定位的稳健性或者说精度，因为HAF的驾驶员辅助系统以及HAF的所配属的环境传感器在这种情况下不会浪费计算能力和时间来辨识总归不可见的地标并且来与更全面的预期的特征地图相匹配。
根据一种实施方式设置，至少一个第一传感器是位置固定的基础设施传感器，其中，至少一个基础设施传感器尤其安装在路灯或光信号设备上，和/或至少一个第一传感器安装在HAF上，和/或者至少一个第一传感器安装在另一HAF上。
根据另一实施方式设置，半静态对象的特征包括以下特征中的至少一个：轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
有利地，通过配属于至少一个传感器的控制单元和/或通过分析评估单元实现分类步骤S3，并且至少根据以下特征之一实现分类步骤S3：半静态对象的轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
优选，分析评估单元是移动边缘计算服务器(Mobile Edge Computing-Server)，其中，移动边缘计算服务器尤其是位置固定的。
根据一种有利的实施方式设置，将半静态对象的特征转移到本地环境模型中的步骤S4包括对半静态对象进行地理基准化(Georeferenzierung)的步骤。
由此，尤其引起如下技术优点：驾驶员辅助系统对半静态对象例如垃圾桶、泊车车辆或拖车进行识别、分类并将所述半静态对象的轮廓和地理位置传输给服务器。然后，服务器基于驶过的轨迹和可供使用的行车道几何形状针对驶来的车辆计算：对于当前或未来处于HAF的环境中的地标是否存在遮挡可能性。
在一种有利的构型中，分别通过一个无线电信号实现步骤S2、S5中的对应的传输方法步骤。
在另一实施方式中设置，在使用数字式定位地图的情况下定位HAF的步骤S6包括通过HAF的环境传感装置感知半静态对象的特征中的至少一个，并且HAF的控制装置使用匹配方法，以便将借助环境传感装置感知到的至少一个特征与定位地图的信息进行比较。
本发明的另一主题构成一种用于在数字式定位地图中定位高度自动化车辆(HAF)的系统，其中，该系统包括至少一个第一传感器，该第一传感器设置为用于感测HAF的周围环境中的半静态对象的特征。此外，该系统包括通信接口，该通信接口设置为用于将半静态对象的特征传输给分析评估单元，其中，分析评估单元设置为用于对半静态对象进行分类。该分类包括为半静态对象配属特征“半静态”作为该分类的结果。此外，分析评估装置设置为用于将半静态对象的特征转移到HAF的本地环境模型中，其中，该本地环境模型包含适合于定位HAF的地标。分析评估单元设置为用于在创建本地环境模型时检验，适合于定位HAF的路标关于HAF的位置和/或行驶轨迹而言是否被半静态对象遮挡。此外，分析评估装置设置为用于仅将关于HAF的位置和/或行驶轨迹而言未被半静态对象遮挡的那些地标添加到本地环境模型中，其中，通信接口还设置为用于将本地环境模型以数字式定位地图的形式传送给HAF。此外，该系统包括HAF的控制装置，其中，控制装置设置为用于在使用数字式定位地图以及HAF的环境传感器的情况下定位HAF。
本发明的另一主题是一种计算机程序，该计算机程序包括用于当在计算机上实施该计算机程序时执行本发明方法的程序代码。
通过本发明的解决方案尤其引起改善在定位HAF时的稳健性或者说精度的技术优点，因为在暂时遮挡的情况下减少了服务器与车辆之间的待传送的数据。因此，在车辆侧既不会浪费时间又不会浪费计算能力来探测总归不可见的地标并将所述不可见的地标与更全面的特征地图进行匹配/比较。
另一优点在于：总能够探测足够多的地标用于匹配并且以这种方式可在地图中提供这些地标。此外，可以基于车辆的反馈来求取存储在服务器上的地标的遮挡状况，由此使得能够在数字地图中再次实现对高度自动化车辆的可靠定位。
虽然下面主要结合乘用车来描述本发明，但是本发明不局限于此，而是可以借助任何类型的车辆例如载重车(LKV)和/或载客车(PKW)来利用本发明。
本发明的其他特征、应用可能性和优点由对在附图中示出的本发明实施例的后续描述得出。在此应注意的是，所示出的特征仅具有描述属性，并且也可以与上述其他扩展方案的特征组合地来使用，而不旨在以任何方式限制本发明。
附图说明
下面，根据优选实施例详细阐述本发明，其中，对于相同的特征使用相同的附图标记。附图是示意性的并且示出：
图1道路交通中的状况的俯视图，在该状况中使用用于定位高度自动化车辆(HAF)的本发明方法；和
图2本发明方法的一种实施方式的流程图。
具体实施方式
图1示出一种交通节点10，在该交通节点中，分别具有两个行车道110、120、111、121的两个道路区段100、101彼此相交，所述行车道可以被自动化程度较高的车辆、尤其高度自动化车辆(HAF)200行驶。此外，通过光信号设备150、151、152、153来调节交通节点10处的交通。此外，在交通节点10的环境中存在第一建筑物拐角180和第二建筑物拐角190。在该示例的范畴内应认为，光信号设备150、151、152、153，建筑物拐角180、190以及停车线170能够以地理基准化的形式并作为长久地标来提供用于创建数字环境模型。
这意味着，例如将建筑物拐角180的为了识别建筑物拐角180所需的确定特征以及该建筑物拐角在合适的坐标系中的位置以数字形式并为了创建用于HAF的环境模型而存储在数据存储器中。为了识别建筑物拐角所需的特征例如可以是该建筑物拐角的位置、邻接的墙壁的尺寸或颜色、该建筑物拐角沿竖直方向的延伸尺度等。数据存储器例如可以是本地的分析评估单元300、例如移动边缘计算服务器，或者是未示出的远程服务器。在该实施例的范围内认为，该数据存储器是本地的分析评估单元300的一部分。
将光信号设备150、151、152、153、建筑物拐角180、190以及停车线170作为长久地标使用包含：可以将它们的位置和为了识别它们所需的特征传输给HAF。在获得相应的信息之后，HAF的驾驶员辅助系统可以在使用所谓的匹配方法和相应的车载传感装置例如摄像机的情况下找出长久地标并且利用该长久地标相对于HAF的位置用于在数字地图中定位HAF。
此外，图1示出第一对象400以及第二对象410。第一对象400例如可以是用于道路施工的暂时放置的工棚(Baucontainer)，而第二对象410例如是暂时竖起的显示板。在登记(Anmeldung)的范畴内，第一对象400以及第二对象410称为半静态对象，因为它们虽然关于HAF200驶过的瞬间而言是不可运动的，但是不会如此长时间地停留在它们的位置上，使得所述第一对象和第二对象适合作为长久地标。
如在图1中可看到那样，第一对象400相对于HAF200而言遮挡光信号设备152，而第二对象410相对于HAF200而言遮挡第一建筑物拐角180，使得HAF200的环境传感器例如摄像机不能够找出原则上适合作为长久地标的光信号设备152以及建筑物拐角180。因此，将光信号设备152和建筑物拐角180的位置和为了识别该位置所需的特征传送给HAF200仅意味着分析评估单元300与HAF200之间的不必要的数据交换以及意味着在从一开始就毫无希望地尝试着识别HAF200的环境中的光信号设备152和建筑物拐角180情况下对HAF200的驾驶员辅助系统的传感器功率和计算功率的浪费。
为了避免这种情况，在本发明方法的第一步骤中，借助至少一个第一传感器感测HAF200的周围环境中的半静态对象400、410的特征，参见图2。在此，所述第一传感器可以是例如位置固定的安装在路灯或光信号设备上的基础设施传感器，或者也可以是安装在HAF200本身或另一HAF上的传感器，例如HAF的环境摄像机。
半静态对象400、410的特征可以是以下特征中的一个或多个：所感测的半静态对象400、410的轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
在步骤S2中，将半静态对象400、410的所感测的特征以及车辆位置传输给分析评估单元300。在此，优选通过无线电信号进行传输，因此不仅分析评估单元300而且第一传感器具有相应的通信接口。
在图2中示出的步骤S3包含对半静态对象400、410的分类，其中，在存在相应的评判准则的情况下将特征“半静态”配属给半静态对象400、410作为该分类的结果。在此，以下特征中的一个或多个例如可以用作用于将所记录的对象分类为“半静态”的评判准则：半静态对象400、410的轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
所述分类既可以还在将半静态对象400、410的所感测的特征以及车辆位置传输给分析评估单元300之前通过配属于至少一个传感器的控制单元来进行和/或可以在该分析评估单元已经接收到半静态对象400、410的特征以及车辆位置之后通过分析评估单元300来进行。
在步骤S4中，将半静态对象400、410的特征转移到HAF200的本地环境模型中，其中，在创建本地环境模型时检验，适合于定位HAF的地标关于HAF200的位置和/或行驶轨迹而言是否被半静态对象400、410遮挡。在图4的示例中，第一对象400以及第二对象410被分类为半静态对象。在由分析评估单元300创建本地环境模型并且伴随该创建来检验时确定，第一对象400相对于HAF200遮挡光信号设备152，而第二对象410相对于HAF200遮挡第一建筑物拐角180。
在此优选，将半静态对象400、410的特征转移到本地环境模型中的步骤S4包含对半静态对象400、410进行地理基准化的步骤。
因此，在步骤S5中以数字式定位地图的形式传输给HAF200的本地环境模型仅包含关于光信号设备150、151、153的信息以及关于作为长久地标的第二建筑角190以及停车线170的信息，因为它们关于HAF200的位置和行驶轨迹而言没有被半静态对象400、410遮挡。
然后在步骤S6中，在使用数字式定位地图的情况下通过HAF200的驾驶员辅助系统定位HAF200，其中，不仅使用所传输的长久地标而且使用其它定位信息，例如使用全球定位系统(GPS)。
为了辨识长久地标，在使用数字式定位地图情况下定位HAF200的步骤6在此优选如上所述包括：由HAF200的环境传感装置感知半静态对象400、410的特征中的至少一个，并且HAF200的驾驶员辅助系统或控制装置使用匹配方法，以便将借助环境传感装置感知到的至少一个特征与定位地图的信息进行比较。
如从上面内容可获知那样，图1也示出一种用于在数字定位图中定位HAF200的系统，其中，该系统包括：
·至少一个第一传感器，其中，所述至少一个第一传感器设置为用于感测HAF200的周围环境中的半静态对象400、410的特征；
·通信接口，其设置为用于将半静态对象400、410的特征传输给分析评估单元300，其中，分析评估单元300设置为用于，
·对半静态对象400、410进行分类，其中，该分类包括将特征“半静态”配属给半静态对象400、410作为该分类的结果；并且分析评估单元300还设置为用于，
·将半静态对象400、410的特征转移到HAF200的本地环境模型中，其中，本地环境模型包含适合于定位HAF200的地标，其中，分析评估单元300设置为用于在创建本地环境模型时检验，适合于定位HAF200的地标关于HAF200的位置和/或行驶轨迹而言是否被半静态对象400、410遮挡，并且分析评估单元300设置为用于仅将关于HAF200的位置和/或行驶轨迹而言未被半静态对象400、410遮挡的那些地标添加到本地环境模型中，其中，该通信接口还设置为用于将本地环境模型以数字式定位地图的形式传输给HAF200；和
·HAF200的驾驶员辅助系统或控制装置，该控制装置设置为用于在数字式定位地图以及HAF200的环境传感器的情况下定位HAF200。
本发明不局限于所描述和示出的实施例。而是本发明也包括在由专利权利要求限定的本发明的范围内的所有可由本领域技术人员实现的扩展方案。
除了所描述和反映的实施方式以外，还可以提出其它实施方式，它们可以包括所述特征的其它变型方案以及组合。

Claims (10)

1.一种用于在数字式定位地图中定位自动化程度较高的车辆、尤其高度自动化车辆(HAF)(200，201)的方法，包括步骤：
S1 借助至少一个第一传感器感测所述HAF(200，201)的周围环境中的半静态对象(400，410)的特征；
S2 将所述半静态对象(400，410)的特征以及车辆位置传输给分析评估单元(300)；
S3 对所述半静态对象(400，410)进行分类，其中，为所述半静态对象(400，410)分配特征“半静态”作为所述分类的结果；
S4 将所述半静态对象(400，410)的特征转移到所述HAF(200，201)的本地环境模型中，其中，在创建所述本地环境模型时检验：适用于定位所述HAF(200，201)的地标关于所述HAF(200，201)的位置和/或行驶轨迹而言是否被所述半静态对象(400，410)遮挡；
S5 将所述本地环境模型以数字式定位地图的形式传输给所述HAF(200，201)，其中，所述数字式定位地图仅包含适合于定位所述HAF(200，201)的、关于所述HAF(200，201)的位置和/或行驶轨迹而言未被所述半静态对象(400，410)遮挡的那些地标；并且
S6 在使用所述数字式定位地图的情况下定位所述HAF(200，201)。
2.根据权利要求1所述的方法，其特征在于，所述至少一个第一传感器是位置固定的基础设施传感器，其中，至少一个所述基础设施传感器尤其安装在路灯或光信号设备(150，151，152，153)上，和/或所述至少一个第一传感器安装在所述HAF(200，201)上，和/或所述至少一个第一传感器安装在另一HAF(200，201)上。
3.根据以上权利要求中任一项所述的方法，其特征在于，所述半静态对象(400，410)的特征包括以下特征中的至少一个：轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
4.根据以上权利要求中任一项所述的方法，其特征在于，所述分类的步骤(S3)通过配属于至少一个传感器的控制单元和/或通过所述分析评估单元(300)进行，并且所述分类的步骤(S3)至少根据以下特征中的一个进行：所述半静态对象(400，410)的轮廓、地理位置、颜色、尺寸、在空间中的取向、速度和/或加速状态。
5.根据以上权利要求中任一项所述的方法，其特征在于，所述分析评估单元(300)是移动边缘计算服务器，其中，所述移动边缘计算服务器尤其是位置固定的。
6.根据以上权利要求中任一项所述的方法，其特征在于，将所述半静态对象(400，410)的特征转移到本地环境模型中的所述步骤(S4)包括对所述半静态对象(400，410)进行地理基准化的步骤。
7.根据以上权利要求中任一项所述的方法，其特征在于，分别通过一个无线电信号实现所述步骤(S2，S5)中的所述转移的对应方法步骤。
8.根据以上权利要求中任一项所述的方法，其特征在于，在使用所述数字式定位地图的情况下定位所述HAF(200，201)的步骤(S6)包括：通过所述HAF(200，201)的环境传感装置感知所述半静态对象(400，410)的特征中的至少一个，并且所述HAF(200，201)的驾驶员辅助系统或控制装置使用匹配方法，以便将借助所述环境传感装置感知到的至少一个特征与定位地图的信息进行比较。
9.一种用于在数字式定位地图中定位高度自动化车辆(HAF)(200，201)的系统，包括：
·至少一个第一传感器，其中，所述至少一个第一传感器设置为用于感测所述HAF(200，201)的周围环境中的半静态对象(400，410)的特征；
·通信接口，其设置为用于将所述半静态对象(400，410)的特征传输给分析评估单元(300)，其中，所述分析评估单元(300)设置为用于，
·对所述半静态对象(400，410)进行分类，其中，所述分类包括将特征“半静态”配属给所述半静态对象(400，410)作为所述分类的结果；并且所述分析评估单元还设置为用于将所述半静态对象(400，410)的特征转移到所述HAF(200，201)的本地环境模型中，其中，所述本地环境模型包含适合于定位所述HAF(200，201)的地标，其中，所述分析评估单元设置为用于在创建所述本地环境模型时检验，适合于定位所述HAF(200，201)的地标关于所述HAF(200，201)的位置和/或行驶轨迹而言是否被所述半静态对象(400，410)遮挡，并且所述分析评估单元设置为用于仅将关于所述HAF(200，201)的位置和/或行驶轨迹而言未被所述半静态对象(400，410)遮挡的那些地标添加到所述本地环境模型中，其中，所述通信接口还设置为用于将所述本地环境模型以数字式定位地图的形式传输给所述HAF(200，201)；和
·所述HAF(200，201)的驾驶员辅助系统或控制装置，所述控制装置设置为用于在使用所述数字式定位地图以及所述HAF(200，201)的环境传感器的情况下定位所述HAF(200，201)。
10.一种计算机程序，其包括用于当在计算机上实施所述计算机程序时执行根据权利要求1至8中任一项所述的方法的程序代码。
CN201780085473.8A 2017-02-02 2017-12-12 用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法 Active CN110249205B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017201663.9A DE102017201663A1 (de) 2017-02-02 2017-02-02 Verfahren zur Lokalisierung eines höher automatisierten, z.B. hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte
DE102017201663.9 2017-02-02
PCT/EP2017/082432 WO2018141447A1 (de) 2017-02-02 2017-12-12 Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte

Publications (2)

Publication Number Publication Date
CN110249205A true CN110249205A (zh) 2019-09-17
CN110249205B CN110249205B (zh) 2024-08-02

Family

ID=60857050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780085473.8A Active CN110249205B (zh) 2017-02-02 2017-12-12 用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法

Country Status (6)

Country Link
US (1) US11120281B2 (zh)
EP (1) EP3577419A1 (zh)
JP (1) JP6910452B2 (zh)
CN (1) CN110249205B (zh)
DE (1) DE102017201663A1 (zh)
WO (1) WO2018141447A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7074438B2 (ja) * 2017-09-05 2022-05-24 トヨタ自動車株式会社 自車位置推定装置
DE102018209607A1 (de) * 2018-06-14 2019-12-19 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bestimmen einer Position eines Kraftfahrzeugs
US10698408B2 (en) * 2018-08-30 2020-06-30 Pony Ai Inc. Distributed sensing for vehicle navigation
DE102019124252A1 (de) * 2019-09-10 2021-03-11 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben eines Fahrzeugs, Fahrzeug, Computerprogramm und computerlesbares Speichermedium
DE102019007861A1 (de) * 2019-11-13 2021-05-20 Daimler Ag Verfahren zur Freigabe einer Fahrstrecke
US20210200237A1 (en) * 2019-12-31 2021-07-01 Lyft, Inc. Feature coverage analysis
DE102020107108A1 (de) * 2020-03-16 2021-09-16 Kopernikus Automotive GmbH Verfahren und System zum autonomen Fahren eines Fahrzeugs
DE102020209875A1 (de) 2020-08-05 2022-02-10 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Lokalisierung eines hochautomatisierten Fahrzeugs in einer digitalen Lokalisierungskarte und Landmarke zur Lokalisierung eines hochautomatisierten Fahrzeugs in einer digitalen Lokalisierungskarte
DE102021126288A1 (de) 2021-10-11 2023-04-13 Cariad Se Verfahren und Vorrichtung zum Bestimmen einer Eigenposition eines Fahrzeugs
DE102022203261A1 (de) 2022-04-01 2023-10-05 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Verfügbarkeitsvorhersage einer merkmalbasierten Lokalisierung eines Fahrzeugs und Verfahren zum Steuern eines Fahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009045326A1 (de) * 2009-10-05 2011-04-07 Robert Bosch Gmbh Verfahren und System zum Aufbau einer Datenbank zur Positionsbestimmung eines Fahrzeuges mit Hilfe von natürlichen Landmarken
CN102712317A (zh) * 2010-01-14 2012-10-03 丰田自动车工程及制造北美公司 使驾驶员与环境感测结合的车辆安全性系统
CN102910167A (zh) * 2011-08-04 2013-02-06 通用汽车环球科技运作有限责任公司 支持机动车在狭窄车道上行驶的驾驶支持装置
CN103782247A (zh) * 2011-09-07 2014-05-07 克朗设备有限公司 用于使用预先安置的物体定位工业车辆的方法和装置
DE102014201158A1 (de) * 2014-01-23 2015-07-23 Robert Bosch Gmbh Verfahren und Vorrichtung zum Überprüfen eines von einer Objekterkennung erkannten relevanten Objekts

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008159031A (ja) * 2006-11-27 2008-07-10 Sanyo Electric Co Ltd 特定方法およびそれを利用した特定装置、特定システム
KR101155565B1 (ko) * 2009-11-27 2012-06-19 한국전자통신연구원 네트워크를 이용한 차량 제어 방법 및 시스템
WO2013076829A1 (ja) 2011-11-22 2013-05-30 株式会社日立製作所 自律移動システム
EP3100206B1 (en) * 2014-01-30 2020-09-09 Mobileye Vision Technologies Ltd. Systems and methods for lane end recognition
JP6627214B2 (ja) * 2014-11-10 2020-01-08 日本精機株式会社 情報表示装置、制御方法、プログラム、及び記憶媒体
WO2016113974A1 (ja) * 2015-01-14 2016-07-21 オムロン株式会社 表示装置およびこれを備えた交通違反管理システム
EP3340205B1 (en) * 2015-08-19 2021-09-15 Sony Group Corporation Information processing device, information processing method, and program
US9734455B2 (en) * 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
DE102016203723A1 (de) * 2016-03-08 2017-09-14 Robert Bosch Gmbh Verfahren und System zum Bestimmen der Pose eines Fahrzeugs
CN108604988B (zh) * 2016-05-03 2021-01-05 华为技术有限公司 一种证书通知方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009045326A1 (de) * 2009-10-05 2011-04-07 Robert Bosch Gmbh Verfahren und System zum Aufbau einer Datenbank zur Positionsbestimmung eines Fahrzeuges mit Hilfe von natürlichen Landmarken
CN102712317A (zh) * 2010-01-14 2012-10-03 丰田自动车工程及制造北美公司 使驾驶员与环境感测结合的车辆安全性系统
CN102910167A (zh) * 2011-08-04 2013-02-06 通用汽车环球科技运作有限责任公司 支持机动车在狭窄车道上行驶的驾驶支持装置
CN103782247A (zh) * 2011-09-07 2014-05-07 克朗设备有限公司 用于使用预先安置的物体定位工业车辆的方法和装置
DE102014201158A1 (de) * 2014-01-23 2015-07-23 Robert Bosch Gmbh Verfahren und Vorrichtung zum Überprüfen eines von einer Objekterkennung erkannten relevanten Objekts

Also Published As

Publication number Publication date
US20200005058A1 (en) 2020-01-02
WO2018141447A1 (de) 2018-08-09
DE102017201663A1 (de) 2018-08-02
JP6910452B2 (ja) 2021-07-28
JP2020506387A (ja) 2020-02-27
CN110249205B (zh) 2024-08-02
EP3577419A1 (de) 2019-12-11
US11120281B2 (en) 2021-09-14

Similar Documents

Publication Publication Date Title
CN110249205A (zh) 用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法
US11250702B2 (en) Method and device for assisting in controlling automatic driving of vehicle, and system
KR102221321B1 (ko) 차량의 예상 주행 의도에 관한 정보를 제공하는 방법
CN110928286B (zh) 用于控制车辆的自动驾驶的方法、设备、介质和系统
US10955854B2 (en) Method and system for determining the position of a vehicle
CN103105168B (zh) 用于确定位置的方法
US10605612B2 (en) Method for incorporating a dynamic object into a digital map of a highly automated vehicle (HAV)
US11719555B2 (en) Map information system
CN115050202A (zh) 标记和归类交通标志的属性的方法和装置
CN106340197A (zh) 一种车路协同辅助驾驶系统及方法
WO2018235239A1 (ja) 車両用情報記憶方法、車両の走行制御方法、及び車両用情報記憶装置
CN110562222B (zh) 用于弯道场景的紧急制动控制方法、车载设备和存储介质
CN108001457A (zh) 自动车辆传感器控制系统
US20180216937A1 (en) Method for localizing a vehicle having a higher degree of automation on a digital map
WO2018116795A1 (ja) 運転支援システム及び運転支援装置
CN111583697B (zh) 驾驶支持系统和服务器装置
CN110562269A (zh) 一种智能驾驶车辆故障处理的方法、车载设备和存储介质
JP2019064575A (ja) 自動化された移動システムを運転するための方法および装置
CN110703770A (zh) 一种轨道检测车自动行驶控制的方法及装置
WO2021261167A1 (ja) 情報処理システム、情報処理装置および情報処理方法
KR102144778B1 (ko) 실시간 업데이트된 도로정보 제공방법 및 시스템
CN211742265U (zh) 用于智能驾驶公交的智慧路侧系统
KR20170082374A (ko) 차선 인식장치
JP2022139009A (ja) 運転支援装置、運転支援方法及びプログラム
CN114503177A (zh) 信息处理装置、信息处理系统和信息处理方法

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