CN110546696A - 用于自主车辆的用于自动生成和更新数据集的方法 - Google Patents

用于自主车辆的用于自动生成和更新数据集的方法 Download PDF

Info

Publication number
CN110546696A
CN110546696A CN201880027099.0A CN201880027099A CN110546696A CN 110546696 A CN110546696 A CN 110546696A CN 201880027099 A CN201880027099 A CN 201880027099A CN 110546696 A CN110546696 A CN 110546696A
Authority
CN
China
Prior art keywords
vehicle
traffic light
traffic
lane
data set
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
CN201880027099.0A
Other languages
English (en)
Other versions
CN110546696B (zh
Inventor
H·霍曼
F·吉根加克
M·施奈德
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 CN110546696A publication Critical patent/CN110546696A/zh
Application granted granted Critical
Publication of CN110546696B publication Critical patent/CN110546696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • 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
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

公开一种用于自主车辆的用于自动生成和更新数据集的方法，其中，记录至少一个交通信号灯和该交通信号灯的切换状态，求取至少一个行车道标记，记录至少一个前方行驶的车辆的轨迹，使用所收集的数据来生成和更新该数据集，其中，基于所检测的至少一个轨迹、至少一个交通信号灯的至少一个切换状态和所求取的至少一个行车道标记，将至少一个车道分配给至少一个交通信号灯。此外公开一种用于执行所述方法的自主的或部分自主的车辆。

Description

用于自主车辆的用于自动生成和更新数据集的方法
技术领域
本发明涉及一种用于自主车辆的用于自动生成和更新数据集的方法，本发明还一种用于执行这种方法的自主车辆或部分自主车辆，所述自主车辆或部分自主车辆适用于借助该方法收集的数据。
背景技术
对于自主车辆和部分自主车辆而言，高准确度的地图是必不可少的。在此，能够通过车辆调用关于道路几何形状和车道几何形状的精确到厘米的信息，使得由此能够实现用于自主车辆和驾驶员辅助装置的轨迹规划。此外，所谓的HAD(“highly automateddriving”高度自动驾驶)地图包括诸如静态3D对象、行车道标记、导向柱、交通标志和交通信号灯的地标。这些可以由诸如3D激光扫描仪、视频摄像机和雷达传感器的车辆内部传感器来感知，并且能够实现在地图内对车辆进行高准确度定位。附加地，所述地图包含关于车道连通性(例如交叉路口处的转弯可能性)的信息。在此，尤其可以将交通信号灯手动地分配给确定的车道。部分地，不同车辆的若干系统在不同时刻将所探测的地标、轨迹数据和GPS信息发送给车辆外部的服务器，在那里，使用所述数据来生成和更新地图。这例如可以通过图形补偿方法来实现。然而，在此无法将交通信号灯自动化地分配给确定的车道。
发明内容
本发明所基于的任务可以视为，提出一种用于借助人群支持的(crowdgestützt)交通信号灯-车道分配来自动生成并自动更新数据集的方法，本发明还提出一种用于执行所述方法和用于使用所述数据集的自主车辆或部分自主车辆。
该任务借助根据本发明的主题来解决。本发明的有利构型由下述说明书得出。
根据本发明的一方面，提供一种用于自主车辆的用于自动生成和更新数据集的方法。在此，记录至少一个交通信号灯和至少一个交通信号灯的切换状态。此外，求取至少一个行车道标记，并且记录前方行驶的至少一个车辆的轨迹。使用所收集的数据来生成和更新数据集。根据本发明，基于所检测的至少一个轨迹、至少一个交通信号灯的至少一个切换状态和所求取的至少一个行车道标记，将至少一个车道分配给至少一个交通信号灯。
在此，由至少一个传感器(例如摄像机或激光雷达(Light detection andranging：光探测和测距)传感器)记录至少一个前方行驶的车辆的轨迹，并且基于相应交通信号灯的所求取的切换状态以及由所记录的行车道标记限定的车道推导出：相应的车道例如是转弯车道还规定用于直线行驶。因此，可以以自动化的方式将方向功能(Richtungsfunktion)分配给每个交通信号灯和对应的车道，而不必在行车道上识别方向标记箭头。即使在行车道上缺少方向标记或方向标记被遮盖的情况下，这同样能够实现。在此，观察前方行驶的车辆的行驶轨迹并且将其用于进行分配。例如，如果交通信号灯的切换状态发生改变，并且在行车道上求取到具有时间上的相应运动(例如启动和转弯过程)的车辆，则可以通过对数据的分析处理确定：在交通信号灯和行车道处涉及转弯车道。由此，不同于当今的手动分配，即使对于复杂的交叉路口，也能够高效地并且自动化地生成具有大面积覆盖的HAD地图。该方法尤其可以由一个或多个车辆执行。优选地，每个车辆借助传感器求取数据形式的所描述的因素。使用所收集的数据来生成和更新数据集。可以由相应的兼容车辆将该数据集传输到车辆外部的服务器单元。此外，该方法通过对“绿浪”(在该绿浪的情况下，多个交通信号灯相继切换成绿灯)的可能预测能够使一个或多个车辆在交通中快速前进。为此，车辆必须已知自身的车道、交通信号灯的当前的切换状态和切换周期，以及必要时已知其他车辆的位置。以这种方式，可以降低燃料消耗，可以优化或缩短行驶时间，并且例如可以在自动驾驶功能中提高行驶舒适性。此外，可以借助已知的切换周期来预测自身车道上的前方行驶的车辆的制动过程。
根据该方法的一种实施例，由不同车辆在不同时刻进行测量，并且将所述测量传输给外部服务器单元用于进行分析处理。在车辆外部的服务器单元上可以收集并共同地分析处理来自不同观察的数据，这些不同的观察来源于不同的车辆以及不同的时间。在此，可以由以下信息给相应的交通信号灯分配相应的车道：在哪个交通信号灯阶段中或在哪个切换状态下，车辆从哪个车道经过交叉路口。
根据该方法的另一实施例，通过不同车辆在不同时刻的测量，将至少一个交通信号灯的切换周期检测为数据集和/或补充为数据集。通过使用由不同车辆在不同时刻记录的数据，可以检测至少一个交通信号灯的完整的切换周期，或者例如检测交叉路口的全部信号灯设备或交通信号灯设备。即使每个单独的车辆观察到交通信号灯或交通信号灯设备的很短的时间区段，这也是能够实现的。在此还可以检测各个交通信号灯阶段的持续时间。此外，可以通过重复测量来对观察错误、错误驾驶员和错误转弯者进行识别和分类。
根据该方法的另一实施例，由至少两个车辆支持的测量求取至少一个交通信号灯的至少一个切换状态的持续时间。因为单个车辆无法始终检测交通信号灯的整个切换周期，所以有利的是：可以由不同车辆的个体化求取的数据来求取一个或多个交通信号灯的整个切换周期。在此，例如可以将交通信号灯的切换状态的变化用作数据合并情况下的共同时间基准点。
根据该方法的另一优选实施例，检测并且存储沿着车辆路段的至少两个交通信号灯设备的相对于彼此的切换状态。在此，可以通过车辆的测量来检测切换周期的周期持续时间或各个交通信号灯阶段(尤其绿灯阶段)的长度，并且因此也可以检测交通信号灯的整个切换周期的长度，并且将所检测的传输给车辆外部的服务器单元。尤其也可以检测并存储沿着行驶路段的多个交通信号灯的相对于彼此的切换时刻。由此，例如可以由自主车辆将所检测的“绿浪”充分地用于时间优化地经过多个耦合的交通信号灯设备。
根据该方法的另一实施例，在外部服务器单元上收集至少两个车辆的所求取的数据，并且将这些数据处理成交通信号灯设备及其彼此相关性的模型。可以在服务器单元上收集所有参与的车辆的所求取的数据，并且可以求取所有交通信号灯及其彼此相关性的模型。由服务器单元再将交通信号灯模型分配给进行数据检测的车辆，并且可选地还分配给被动参与的车辆。因此，同样可以对其他的自主车辆或部分自主车辆的行驶规划进行优化。因此例如可以对交通信号灯前方的车辆的启动行为或停止行为或者两个交通信号灯之间的速度特性进行匹配，使得例如可以将车辆的总行驶时间和/或燃料消耗最小化。例如可以将这种模型用于行驶路段的总行驶时间的未来预测。
根据该方法的另一实施例，将该模型和所检测的至少一个数据集自动化地存储在车辆外部的HAD地图中，或者将其用于修正车辆外部的HAD地图。优选地，可以将交通信号灯或完整交通信号灯设备的所生成的模型或多个模型以及数据集形式的所求取的数据存储在如下地图中或用于更新或修正如下地图：该地图适用于所谓的“高度自动驾驶”。因此，自主车辆或部分自主车辆可以访问HAD地图并自动地沿着路段导航。通过交通信号灯模型和始终更新的数据集，可以沿着定义的路段无干扰地导航这种车辆，并且在导航期间最佳地且自动地考虑交通信号灯阶段。
根据该方法的另一实施例，在外部服务器单元中或在车辆中将至少一个车道分配至至少一个交通信号灯。现代车辆具有各种各样的控制设备和计算机单元。自主车辆或部分自主车辆尤其必须具有性能卓越的运算操作，所述运算操作用于分析处理传感器并且用于控制车辆。在此，已经存在的计算机单元可以接管或预处理车道或方向信息至相应交通信号灯和交通信号灯阶段的分配。由此，可以减少外部服务器单元的计算开销。因此，可以实现更快的服务器单元，该服务器单元可以更动态地或更快地对来自车辆的询问或对到达的数据集做出反应。替代地，外部服务器单元可以接管车道的分配，因为固定的计算单元原则上可以具有更高的计算能力和更大的存储容量。为了传输重要相关的数据，不仅车辆而且外部服务器单元都可以具有通信设备，该通信设备能够彼此双向地进行通信和交换数据。
根据本发明的另一方面，提供一种自主的或部分自主的车辆，所述自主的或部分自主的车辆用于执行根据本发明的前一方面所述的方法。该车辆具有至少一个传感器，所述至少一个传感器用于检测行车道标记、用于检测前方行驶的车辆及其轨迹、并且用于检测交通信号灯和交通信号灯的切换状态。此外，该车辆具有至少一个通信设备，所述至少一个通信设备用于发送所检测的信息并且用于接收外部服务器单元的所收集和所处理的数据集。
在此，例如可以使用安装在车辆中的至少一个传感器(例如摄像机或激光雷达传感器)来探测行车道标记、前方行驶的车辆和交通信号灯。附加地，可以检测车辆轨迹和交通信号灯的切换状态。由车辆轨迹和交通信号灯的切换状态的相互作用，可以将前方行驶的车辆分配给确定的车道。由此，尤其可以将方向功能分配给不同的车道。通过通信设备将这些数据发送到车辆外部的至少一个服务器单元。通过服务器单元收集并共同地分析处理这些来自不同观察的数据集，这些不同的观察来源于不同车辆以及不同时间。为此，由所求取的以下信息将交通信号灯分配给车道并生成相应的交通信号灯模型：在哪个交通信号灯阶段中，车辆从哪个车道经过交叉路口。通过使用已由多个车辆在不同时刻记录的数据集，即使每个单个的车辆仅观察到很短的时间区段，也能够检测到交通信号灯设备的完整的切换周期。此外，可以通过重复测量来对观察错误、错误驾驶员和错误转弯者进行识别和分类。
根据一种实施例，对于车辆，车辆外部的HAD地图能够用于导航。由此，车辆可以访问车辆外部的存储在服务器单元上的HAD地图，并使用该HAD地图来进行导航。替代地或附加地，车辆还可以暂时地缓冲或缓存地图，并且从车辆内部的计算机单元中调用该地图。
根据另一实施例，HAD地图中的交通信号灯位置以及关于交通信号灯的所求取的数据集能够投影到车辆内部的至少一个摄像机的车辆内部图像坐标系中。例如，只要存在显示单元，则例如可以将HAD地图中的交通信号灯的相应位置传输到车辆内部的传感装置中并且使其在摄像机图像中可视化。通过投影尤其可以提高交通信号灯识别算法的探测准确度和作用距离。由此，可以改善时间上的规划期限以及自动化行驶功能的稳健性，使得可以优化行驶舒适性、安全性和燃料消耗。
附图说明
以下根据大幅简化的示意图进一步阐述本发明的优选实施例。在此示出：
图1示出根据第一实施例的用于自主车辆的用于自动生成和更新数据集的方法的示意图；
图2示出根据第一实施例的车辆的示意图；
图3示出交通信号灯设备，在该交通信号灯设备处示例性地执行根据第一实施例的方法。
在附图中，相同的结构性元件分别具有相同的附图标记。
具体实施方式
图1示出根据第一实施例的用于自主车辆2的用于自动生成和更新数据集的方法1的示意图。方法1具有车辆侧部分4和车辆外部部分6。方法1的车辆侧部分4由具有相应传感装置和计算机单元的车辆2执行。方法1的车辆外部部分6由外部服务器单元执行。
在方法1中，在第一步骤中由车辆侧的传感装置记录10至少一个交通信号灯和至少一个交通信号灯的切换状态。在另一步骤中，求取12至少一个行车道标记。随后，记录和追踪14至少一个前方行驶的车辆的车辆轨迹。使用所收集的数据来生成和更新车辆外部的数据集。为此，将所收集的数据传输16给车辆外部的服务器单元。在此，所提及的步骤能够彼此并行地进行或相继进行。
车辆外部的服务器单元28接收18所收集的数据。基于至少一个交通信号灯34的至少一个切换状态，在所求取的至少一个行车道标记36上和前方行驶的车辆40的所检测的至少一个轨迹上辨识至少一个车道38，并且将该车道分配20给至少一个交通信号灯34。通过所述分配，可以给车道38分配方向功能，该方向功能能够由后续的自主车辆或部分自主车辆2使用，以便尤其能够在交通信号灯的区域中最佳地进行导航。
在图2中示出根据第一实施例的车辆2的示意图。车辆2设计用于执行方法1的车辆侧部分4，所述方法用于自动生成和更新车辆外部的数据集。车辆2具有布置在车辆2前侧的摄像机22。摄像机22拍摄车辆2的周围环境并且将所产生的图像传输给车辆侧的计算机单元24。计算机单元24分析处理所产生的图像、求取行车道标记、记录前方行驶的车辆并且根据图像来追踪前方行驶的车辆40的轨迹或行驶方向。此外，计算机单元24通过分析所述图像来识别交通信号灯和交通信号灯的切换状态。可以通过通信设备26将所求取的和所分析的信息连续地或以数据包的形式发送给车辆外部的服务器单元28。为此，服务器单元28同样具有车辆外部的通信设备30，该车辆外部的通信设用于接收所求取的数据并且用于发送所分析处理的或所请求的数据。
图3示出交通信号灯设备32，在该交通信号灯设备处示例性地使用根据第一实施例的方法1。尤其示出已由车辆2的摄像机22所拍摄的图像。计算机单元24已识别到交通信号灯设备32的交通信号灯34。此外，已由计算机单元24记录行车道标记36。因此，行车道标记36用于辨识图像中的车道38。此外，已由计算机单元24识别到前方行驶的车辆40。借助每个另外的图像记录前方行驶的车辆40，并且尤其检测所述前方行驶的车辆的运动速度和运动方向。因此，可以基于从相应车道38出发的运动并且基于交通信号灯34的切换状态来求取方向信息。车道38上的箭头表明这种方向信息。尤其能够根据该图像求取：在右车道上，前方行驶的车辆向右转弯，因此该车道38预计是用于右转弯的车道38。现在可以根据由其他车辆2所求取的其他数据来评估或修正该信息。根据三个中间车道38上的前方行驶的车辆40的车辆轨迹，可以给车道38分别分配直线行驶。

Claims (11)

1.一种用于自主车辆(2)的用于自动生成和更新数据集的方法(1)，其中，
记录(10)至少一个交通信号灯(34)和所述至少一个交通信号灯(34)的切换状态，
求取(12)至少一个行车道标记(36)，
记录(14)至少一个前方行驶的车辆(40)的轨迹，
使用所收集的数据来生成和更新所述数据集，
其特征在于，基于所检测的至少一个轨迹(14)、所述至少一个交通信号灯(10，34)的至少一个切换状态和所求取的至少一个行车道标记(12，36)，将至少一个车道(38)分配给至少一个交通信号灯(34)。
2.根据权利要求1所述的方法，其中，通过不同的车辆(2)在不同时刻进行测量，并且将所述测量传输给外部服务器单元(28)用于进行分析处理。
3.根据权利要求1或2所述的方法，其中，通过不同的车辆(2)在不同时刻的测量，将至少一个交通信号灯(34)的切换周期检测为数据集和/或补充为数据集。
4.根据权利要求1至3中任一项所述的方法，其中，由车辆支持的至少两个测量求取所述至少一个交通信号灯(34)的至少一个切换状态的持续时间。
5.根据权利要求1至4中任一项所述的方法，其中，检测并且存储沿着车辆路段的至少两个交通信号灯设备(32)的相对于彼此的切换状态。
6.根据权利要求1至5中任一项所述的方法，其中，在所述外部服务器单元(28)上收集至少两个车辆(2)的所求取的数据，并且将所求取的数据处理成交通信号灯设备(32)及其彼此相关性的模型。
7.根据权利要求1至6中任一项所述的方法，其中，将所述模型和所检测的至少一个数据集自动化地存储在车辆外部的HAD地图中，或者使用所述模型和所检测的至少一个数据集来修正车辆外部的HAD地图。
8.根据权利要求1至7中任一项所述的方法，其中，在所述外部服务器单元(28)中或者在车辆(2，24)中进行所述至少一个车道(38)至所述至少一个交通信号灯(34)的分配。
9.一种自主的或部分自主的车辆(2)，所述自主的或部分自主的车辆用于执行根据以上权利要求中任一项所述的方法，所述自主的或部分自主的车辆具有至少一个传感器(22)和通信设备(26)，所述至少一个传感器用于检测行车道标记(36)、前方行驶的车辆(40)、所述前方行驶的车辆(40)的轨迹、交通信号灯(34)以及所述交通信号灯(34)的切换状态，所述通信设备用于发送所检测的数据并且用于接收外部服务器单元(28)的所收集的和所处理的数据集。
10.根据权利要求9所述的车辆，其中，对于所述车辆(2)，车辆外部的HAD地图能够用于导航。
11.根据权利要求9或10所述的车辆，其中，所述车辆外部的HAD地图中的交通信号灯位置和关于交通信号灯(34)的所求取的数据集能够投影到车辆内部的至少一个摄像机(22)的车辆内部的图像坐标系中。
CN201880027099.0A 2017-04-24 2018-03-23 用于自主车辆的用于自动生成和更新数据集的方法 Active CN110546696B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017206847.7A DE102017206847B4 (de) 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
DE102017206847.7 2017-04-24
PCT/EP2018/057463 WO2018197122A1 (de) 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug

Publications (2)

Publication Number Publication Date
CN110546696A true CN110546696A (zh) 2019-12-06
CN110546696B CN110546696B (zh) 2022-08-30

Family

ID=61801935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880027099.0A Active CN110546696B (zh) 2017-04-24 2018-03-23 用于自主车辆的用于自动生成和更新数据集的方法

Country Status (5)

Country Link
US (1) US11335188B2 (zh)
EP (1) EP3616181A1 (zh)
CN (1) CN110546696B (zh)
DE (1) DE102017206847B4 (zh)
WO (1) WO2018197122A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113905941A (zh) * 2019-10-29 2022-01-07 索尼集团公司 地理控制区中的车辆控制
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7067067B2 (ja) 2018-01-11 2022-05-16 トヨタ自動車株式会社 信号機認識装置、及び自動運転システム
DE102019212263A1 (de) * 2019-08-15 2021-02-18 Volkswagen Aktiengesellschaft Verfahren zur Erhöhung der Verkehrsflussdichte an einer Ampelkreuzung
DE102019217144B4 (de) * 2019-11-06 2021-10-14 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
DE102019217555B4 (de) * 2019-11-14 2022-01-27 Zf Friedrichshafen Ag Verfahren und Steuereinrichtung zur Fahrzeugsteuerung
DE102020200704A1 (de) 2020-01-22 2021-08-05 Volkswagen Aktiengesellschaft Verfahren zur Bestimmung eines Verkehrsregelkriteriums einer Verkehrsampeln, sowie Verkehrsregelbestimmungssystem und Fahrzeug
CN111703422B (zh) * 2020-06-24 2021-06-29 北京经纬恒润科技股份有限公司 智能驾驶车辆的目标跟踪路径选择方法及装置
DE102020208378B3 (de) * 2020-07-03 2021-09-23 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
US11263901B1 (en) * 2020-09-28 2022-03-01 Ford Global Technologies, Llc Vehicle as a sensing platform for traffic light phase timing effectiveness
EP4105818A1 (en) * 2021-06-18 2022-12-21 Continental Autonomous Mobility Germany GmbH Method and system for estimating road lane geometry
DE102021209977A1 (de) 2021-09-09 2023-03-09 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Steuergerät
US20230343109A1 (en) * 2022-04-22 2023-10-26 Toyota Research Institute, Inc. Systems and methods for detecting traffic lights of driving lanes using a camera and multiple models
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033598A (zh) * 2006-03-07 2007-09-12 程祖本 一种全流通法交叉路口的道路设置、信号灯控制及通行方法
US20090167561A1 (en) * 2007-12-26 2009-07-02 Aochengtongli S&T Development ( Beijing ) Co., Ltd Intelligent traffic light control system
CN101572006A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 交通信号灯控制方法
CN101572005A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 车道行驶方向显示和控制方法
US20090290869A1 (en) * 2007-02-02 2009-11-26 Toyota Jidosha Kabushiki Kaisha Vehicle-mounted receiver apparatus
CN101719318A (zh) * 2009-03-19 2010-06-02 王苏华 一种交通路口的车辆引导方法
CN102117546A (zh) * 2011-03-10 2011-07-06 上海交通大学 车载交通信号灯辅助装置
WO2015106913A1 (de) * 2014-01-16 2015-07-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren und system zum schätzen eines fahrspurverlaufs
CN106327897A (zh) * 2016-09-07 2017-01-11 重庆云途交通科技有限公司 一种基于车路协同技术的信号灯状态终端显示方法及系统
CN106537480A (zh) * 2014-03-31 2017-03-22 罗伯特·博世有限公司 用于分析车辆的交通环境状况的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8340894B2 (en) 2009-10-08 2012-12-25 Honda Motor Co., Ltd. Method of dynamic intersection mapping
WO2011113022A1 (en) * 2010-03-11 2011-09-15 Inrix, Inc. Learning road feature delay times based on aggregate driver behavior
US9435654B2 (en) * 2013-06-01 2016-09-06 Savari, Inc. System and method for creating, storing, and updating local dynamic MAP database with safety attribute
DE102013220662A1 (de) * 2013-10-14 2015-04-16 Continental Teves Ag & Co. Ohg Verfahren zur Erkennung von Verkehrssituationen beim Betrieb eines Fahrzeugs
DE102015206593A1 (de) * 2015-04-14 2016-10-20 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug, Anordnung und Verfahren zur Analyse eines Verhaltens einer Lichtsignalanlage
EP3154043B1 (de) * 2015-10-06 2021-01-13 Volkswagen Aktiengesellschaft Verfahren und system zum bereitstellen von informationen im umfeld einer kreuzung
DE102015016349B4 (de) * 2015-10-07 2023-02-23 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren für ein Fahrassistenzsystem für ein Fahrzeug sowie Vorrichtung und Verfahren für eine Kontrollinstanz für ein kontrollierbares Verkehrszeichen
US9672734B1 (en) * 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033598A (zh) * 2006-03-07 2007-09-12 程祖本 一种全流通法交叉路口的道路设置、信号灯控制及通行方法
US20090290869A1 (en) * 2007-02-02 2009-11-26 Toyota Jidosha Kabushiki Kaisha Vehicle-mounted receiver apparatus
US20090167561A1 (en) * 2007-12-26 2009-07-02 Aochengtongli S&T Development ( Beijing ) Co., Ltd Intelligent traffic light control system
CN101572006A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 交通信号灯控制方法
CN101572005A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 车道行驶方向显示和控制方法
CN101719318A (zh) * 2009-03-19 2010-06-02 王苏华 一种交通路口的车辆引导方法
CN102117546A (zh) * 2011-03-10 2011-07-06 上海交通大学 车载交通信号灯辅助装置
WO2015106913A1 (de) * 2014-01-16 2015-07-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren und system zum schätzen eines fahrspurverlaufs
CN106537480A (zh) * 2014-03-31 2017-03-22 罗伯特·博世有限公司 用于分析车辆的交通环境状况的方法
CN106327897A (zh) * 2016-09-07 2017-01-11 重庆云途交通科技有限公司 一种基于车路协同技术的信号灯状态终端显示方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
C. RUHHAMMER, M. BAUMANN, V. PROTSCHKY, H. KLOEDEN, F. KLANNER A: "Automated Intersection Mapping From Crowd Trajectory Data", 《 IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113905941A (zh) * 2019-10-29 2022-01-07 索尼集团公司 地理控制区中的车辆控制
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same
US11643093B2 (en) * 2021-09-24 2023-05-09 Autonmous A2Z Method for predicting traffic light information by using lidar and server using the same

Also Published As

Publication number Publication date
DE102017206847A1 (de) 2018-10-25
US20200126408A1 (en) 2020-04-23
US11335188B2 (en) 2022-05-17
WO2018197122A1 (de) 2018-11-01
CN110546696B (zh) 2022-08-30
EP3616181A1 (de) 2020-03-04
DE102017206847B4 (de) 2020-08-13

Similar Documents

Publication Publication Date Title
CN110546696B (zh) 用于自主车辆的用于自动生成和更新数据集的方法
JP7040867B2 (ja) システム、方法およびプログラム
US11669102B2 (en) Navigating a vehicle based on a detected barrier
JP7432285B2 (ja) レーンマッピング及びナビゲーション
US20210072765A1 (en) Systems and methods for navigating lane merges and lane splits
EP3644294B1 (en) Vehicle information storage method, vehicle travel control method, and vehicle information storage device
RU2742213C1 (ru) Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения
EP3088280A1 (en) Autonomous driving vehicle system
US20170316684A1 (en) Vehicle lane map estimation
JP2007126086A (ja) 車両位置推定装置、車両用走行支援装置及び車両位置推定方法
JP2022516857A (ja) 交通参加者の運転マヌーバ予測のための方法
US20220371583A1 (en) Systems and Methods for Selectively Decelerating a Vehicle
JP2019095210A (ja) 車両制御装置、車両制御方法、およびプログラム
JP6507841B2 (ja) 先行車両推定装置及びプログラム
JP2021006448A (ja) 単一車両走行用に設計された自動運転システムでの車両隊列実施
WO2022165498A1 (en) Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle
US11117571B2 (en) Vehicle control device, vehicle control method, and storage medium
US20210180982A1 (en) Map generation device and map generation method
CN115143973A (zh) 地图信息判定装置、存储介质以及地图信息判定方法
JP2022139009A (ja) 運転支援装置、運転支援方法及びプログラム
CN115050203B (zh) 地图生成装置以及车辆位置识别装置
US20240067222A1 (en) Vehicle controller, vehicle control method, and vehicle control computer program for vehicle control
US20230399026A1 (en) State Identification For Road Actors With Uncertain Measurements Based On Compliant Priors
JP2023118462A (ja) 道路端推定装置、道路端推定方法及び道路端推定用コンピュータプログラム
JP2023169631A (ja) 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム

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