CN110873568A - 高精度地图的生成方法、装置以及计算机设备 - Google Patents

高精度地图的生成方法、装置以及计算机设备 Download PDF

Info

Publication number
CN110873568A
CN110873568A CN201811004098.2A CN201811004098A CN110873568A CN 110873568 A CN110873568 A CN 110873568A CN 201811004098 A CN201811004098 A CN 201811004098A CN 110873568 A CN110873568 A CN 110873568A
Authority
CN
China
Prior art keywords
precision map
map
road
generating
precision
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
CN201811004098.2A
Other languages
English (en)
Other versions
CN110873568B (zh
Inventor
时一峰
陶圣
曹获
王海松
陶吉
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811004098.2A priority Critical patent/CN110873568B/zh
Priority to JP2019148733A priority patent/JP7209601B2/ja
Priority to EP19192209.5A priority patent/EP3617649A1/en
Priority to US16/549,393 priority patent/US20200072616A1/en
Publication of CN110873568A publication Critical patent/CN110873568A/zh
Application granted granted Critical
Publication of CN110873568B publication Critical patent/CN110873568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01C21/28—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
    • G01C21/34—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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
    • G05D1/0061—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Abstract

本申请提出一种高精度地图生成方法、装置以及计算机设备，其中，方法包括：通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。由此，通过获取自动驾驶汽车的目的地和本地高精度地图，在确定行驶的前方路段没有相应的高精度地图时，进一步的采集地图信息生成高精度地图，扩大了高精度地图的使用区域，提高了汽车行驶的安全性，从而更有利于自动驾驶汽车的普及，改善城市交通状况。

Description

高精度地图的生成方法、装置以及计算机设备
技术领域
本申请涉及人工智能技术领域，尤其涉及一种高精度地图的生成方法、装置以及计算机设备。
背景技术
随着智能交通技术的不断发展，汽车智能化技术正逐步得到广泛的应用，自动驾驶汽车已成为人们研究的热点。目前，自动驾驶汽车技术通过视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过高精度地图对前方的道路进行导航，从而实现自动驾驶。
但是，由于地域的多样性，并不是所有的道路都有相应的高精度地图，因此，在自动驾驶汽车行驶的路段没有高精度地图时，自动驾驶汽车的定位、感知及规划控制等都会受到很多限制，导致自动驾驶无法实现。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
本申请提出一种高精度地图的生成方法、装置以及计算机设备，以解决相关技术中自动驾驶汽车行驶的前方路段没有相应的高精度地图时，无法自动判断前方路况以实现安全驾驶的技术问题。
本申请第一方面实施例提出了一种高精度地图的生成方法，包括：
获取自动驾驶汽车中的本地高精度地图；
获取所述自动驾驶汽车的目的地；
根据所述目的地和所述本地高精度地图判断前方路段是否有相应高精度地图；以及
如果没有，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过所述自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
本申请实施例的高精度地图的生成方法，通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。由此，通过获取自动驾驶汽车的目的地和本地高精度地图，在确定行驶的前方路段没有相应的高精度地图时，进一步的采集地图信息生成高精度地图，扩大了高精度地图的使用区域，提高了汽车行驶的安全性，从而更有利于自动驾驶汽车的普及，改善城市交通状况。
本申请第二方面实施例提出了另一种高精度地图的生成方法，包括：
获取自动驾驶汽车上报的高精度地图；
获取所述高精度地图所对应的道路信息，根据所述道路信息获取对应的导航地图；
根据所述导航地图对所述高精度地图进行打分；
如果所述高精度地图的打分值大于预设阈值，则保存所述高精度地图。
本申请实施例的高精度地图的生成方法，通过获取自动驾驶汽车上报的高精度地图以及高精度地图所对应的道路信息，再根据道路信息获取对应的导航地图，进一步的根据导航地图对高精度地图进行打分，如果高精度地图的打分值大于预设阈值，则保存该高精度地图。由此，通过在无高精度地图区域，将自动驾驶汽车采集的高精度地图上报至服务器，并根据导航地图进行打分，可以获取符合标准的高精度地图，提高了高精度地图的采集能力，进一步的扩大了高精度地图的对应区域，从而更利于自动驾驶汽车的普及。
本申请第三方面实施例提出了一种高精度地图的生成装置，包括：
第一获取模块，用于获取自动驾驶汽车中的本地高精度地图；
第二获取模块，用于获取所述自动驾驶汽车的目的地；
判断模块，用于根据所述目的地和所述本地高精度地图判断前方路段是否有相应高精度地图；
生成模块，用于当前方路段没有相应高精度地图时，提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过所述自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
本申请实施例的高精度地图的生成装置，通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过所述自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。由此，通过获取自动驾驶汽车的目的地和本地高精度地图，在确定行驶的前方路段没有相应的高精度地图时，进一步的采集地图信息生成高精度地图，扩大了高精度地图的使用区域，提高了汽车行驶的安全性，从而更有利于自动驾驶汽车的普及，改善城市交通状况。
本申请第四方面实施例提出了另一种高精度地图的生成装置，包括：
第一获取模块，用于获取自动驾驶汽车上报的高精度地图；
第二获取模块，用于获取所述高精度地图所对应的道路信息，根据所述道路信息获取对应的导航地图；
处理模块，用于根据所述导航地图对所述高精度地图进行打分；
保存模块，用于在所述高精度地图的打分值大于预设阈值时，保存所述高精度地图。
本申请实施例的高精度地图的生成装置，通过获取自动驾驶汽车上报的高精度地图以及高精度地图所对应的道路信息，再根据道路信息获取对应的导航地图，进一步的根据导航地图对高精度地图进行打分，如果高精度地图的打分值大于预设阈值，则保存该高精度地图。由此，通过在无高精度地图区域，将自动驾驶汽车采集的高精度地图上报至服务器，并根据导航地图进行打分，可以获取符合标准的高精度地图，提高了高精度地图的采集能力，进一步的扩大了高精度地图的对应区域，从而更利于自动驾驶汽车的普及。
本申请第五方面实施例提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述实施例所述的高精度地图的生成方法。
本申请第六方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如前述实施例所述的高精度地图的生成方法。
本申请第七方面实施例提出了一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如前述实施例所述的高精度地图的生成方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种高精度地图的生成方法的流程示意图；
图2为本申请实施例所提供的另一种高精度地图的生成方法的流程示意图；
图3为本申请实施例所提供的又一种高精度地图的生成方法的流程示意图；
图4为本申请实施例所提供的一种高精度地图的生成装置的结构示意图；
图5为本申请实施例所提供的另一种高精度地图的生成装置的结构示意图；
图6示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
相关技术中，自动驾驶汽车通过视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过高精度地图对前方的道路进行导航。因此，在行驶的路段没有高精度地图时，自动驾驶汽车的定位、感知及规划控制等都会受到很多限制，导致自动驾驶无法实现。但是由于地域的多样性，很多地方可能没有对应的高精度地图，因此会影响自动驾驶汽车的推广程度。
针对上述问题，本申请实施例提出了一种高精度地图的生成方法，通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
下面参考附图描述本申请实施例的高精度地图的生成方法和装置。
图1为本申请实施例所提供的一种高精度地图的生成方法的流程示意图。
如图1所示，该高精度地图的生成方法包括以下步骤：
步骤101，获取自动驾驶汽车中的本地高精度地图。
其中，自动驾驶汽车，又称无人驾驶汽车、电脑驾驶汽车或者轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车是通过视频摄像头、雷达传感器以及激光测距器来了解汽车行驶过程中周围的交通状况，并通过本地高精度地图对前方的道路进行导航。但是，目前自动驾驶汽车行驶的过程中都配备有在紧急情况下掌握方向盘的驾驶员，使得在自动驾驶汽车出现异常时，可以切换为人工手动驾驶模式，以避免事故的发生。
需要说明的是，适用于自动驾驶汽车的高精度地图，不同于日常生活中用于导航的普通电子地图。高精度地图包含的数据信息更加丰富和详细，可以划分为动、静两方面的数据信息。其中，静态数据信息不仅包括基础性的二维道路数据，如车道标记、周边基础设施等，也涵盖了交通管制、道路施工、广域气象等准静态数据。其中，动态数据信息，包括事故、道路拥堵情况以及周边车辆、行人及信号灯等瞬息万变的动态信息数据。此外，不同于普通地图几个月甚至几年更新一次，高精度地图必须保持分钟级、乃至秒级的更新速度。而且，与普通的电子地图相比，高精度地图的定位精准度更高。例如，目前在手机上使用的GPS导航，其精准度一般在5至10米范围内，在楼宇密集地区或地下隧道的精度还要更低一些。而自动驾驶技术所需的高精度地图则要达到厘米级精度。
本申请实施例中，自动驾驶汽车从服务器获得正在行驶中的自动驾驶汽车的本地高精度地图信息。其中，本地高精度地图，根据自动驾驶汽车的行驶过程的周围环境不停的进行更新，其更新速度保持分钟级、乃至秒级。
步骤102，获取自动驾驶汽车的目的地。
具体地，自动驾驶汽车行驶前，用户会在导航里输入目的地，进而自动驾驶汽车可以通过处理器获取自动驾驶汽车的目的地。
步骤103，根据目的地和本地高精度地图判断前方路段是否有相应高精度地图。
本申请实施例中，本地高精度地图是实时更新的，因此可以检测自动驾驶汽车行驶的前方路段区域，进而根据获取的自动驾驶汽车的目的地和本地高精度地图判断汽车将要行驶的前方路段是否有相应的高精度地图。如果汽车将要行驶的前方路段具有相应的高精度地图，则获取当前的驾驶模式，如果是自动驾驶模式，则保持自动驾驶模式继续行驶；如果汽车将要行驶的前方路段没有相应的高精度地图，则顺序执行步骤104。
步骤104，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
其中，地图信息，包括雷达和摄像头采集的点云数据和图像数据。点云数据，是指通过雷达扫描后以点的形式记录的，每个点包含有三维坐标，有些可能含有颜色信息和反射强度信息。
本申请实施例中，在检测到自动驾驶汽车将要行驶的前方路段没有相应的高精度地图时，则获取当前的驾驶模式，如果是当前驾驶模式是自动驾驶模式，则提示驾驶员切换为手动驾驶模式。其中，手动驾驶模式，是指需要驾驶员进行操作的驾驶模式。
进一步地，自动驾驶汽车进入前方没有相应高精度地图的路段后，通过汽车配置的雷达和摄像头进行点云数据和图像数据的采集，结合点云数据和图像数据以生成对应的高精度地图。进而，将生成的高精度地图发送至服务器，服务器再根据前方路段对应的导航地图对该高精度地图进行打分，如果打分值大于预设阈值，则服务器采用该高精度地图。其中，预设阈值，是指预先设定的用于衡量自动驾驶汽车上报的高精度地图是否符合标准的值。
作为另一种可能的实现方式，服务器结合前方路段对应的导航地图对自动驾驶汽车上报的高精度地图进行打分时，可能会同时收到多个自动驾驶汽车发送的高精度地图，则分别对多个自动驾驶汽车发送的高精度地图进行打分，最后在高精度地图的打分值大于预设阈值的多个高精度地图中，选择最高的高精度地图生成标准的高精度地图。
可以理解的是，通过自动驾驶汽车配置的雷达和摄像头采集障碍物信息、道路信息、红绿灯信息、路口信息、停车区域信息、停止线信息、人行横道信息等。并通过惯性导航器获取自动驾驶汽车的当前位置，进而，根据雷达或摄像头采集的障碍物信息、道路信息、红绿灯信息、路口信息、停车区域信息、停止线信息、人行横道信息等生成高精度地图。
作为一种可能的实现方式，自动驾驶汽车通过配置的雷达的超声波传感器进行探测，利用声纳原理，当发射的超声波遇到障碍物时，会产生反射波，反射波被传感器接收后，控制器就会利用发射波与反射波计算出障碍物与雷达发射器之间的距离，进而获取障碍物信息。目前，常用的汽车雷达有超声波雷达、毫米波雷达以及激光雷达。
作为一种可能的实现方式，自动驾驶汽车通过配置的摄像头的图像传感器，采集前方路段没有相应高精度地图的图像信息，进而将采集的图像上传至服务器，用于生成高精度地图。应用于自动驾驶汽车的摄像头可能有前视摄像头和双摄像头，具体采用何种形式的摄像头根据实际情况而定，在此不做限定。
本申请实施例的高精度地图的生成方法，通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。由此，通过获取自动驾驶汽车的目的地和本地高精度地图，在确定行驶的前方路段没有相应的高精度地图时，进一步的采集地图信息生成高精度地图，扩大了高精度地图的使用区域，提高了汽车行驶的安全性，从而更有利于自动驾驶汽车的普及。
作为一种可能的实现方式，在图1所述实施例的基础上，参见图2，步骤104还可以包括：
步骤201，获取自动驾驶汽车的当前位置。
具体地，通过全球定位系统(Global Positioning System，GPS)获取当前自动驾驶汽车的当前位置。
步骤202，判断当前位置是否为道路的驶入点。
本申请实施例中，判断自动驾驶汽车当前位置是否为道路的驶入点，如果当前位置不是道路的驶入点，则继续行驶直至获取到自动驾驶汽车的当前位置为道路的驶入点，再顺序执行步骤203；如果当前位置为道路的驶入点，则直接执行步骤203。
步骤203，如果当前位置为道路的驶入点，则根据点云数据和图像数据生成始于道路的驶入点高精度地图，直至自动驾驶汽车驶出道路的驶出点，其中，道路的驶入点到驶出点之间的高精度地图为道路的高精度地图。
其中，点云数据和时间数据均包括时间戳，时间戳通常是一个字符序列，用于唯一地标识某一刻的时间。
具体地，根据自动驾驶汽车的目的地和本地高精度地图确定前方路段没有相应高精度地图时，通过确定自动驾驶汽车的当前位置为没有高精度地图路段的驶入点时，通过自动驾驶汽车配置的雷达和摄像头采集点云数据和图像数据。进而，根据点云数据获取自动驾驶汽车驶入点的道路的长度、宽度和位置坐标，同时根据图像数据获取道路的类型，标识线的类型和颜色，例如根据图像获取道路的停止线、实线、虚线、黄色的线、白色的线等道路信息。
进一步的，根据时间戳匹配获取的驶入点的道路的长度、宽度、位置坐标和类型，以及标识线的类型和颜色，将同一时间戳的点云数据和图像数据结合，生成道路的驶入点的高精度地图。当获取到自动驾驶汽车的当前位置为驶出点时，控制雷达和摄像头停止采集点云数据和图像数据。并将根据点云数据和图像数据生成始于道路的驶入点高精度地图，直至自动驾驶汽车驶出道路的驶出点时，即道路的驶入点到驶出点之间的高精度地图生成为道路的高精度地图。
本申请实施例的高精度地图的生成方法，通过获取自动驾驶汽车的当前位置，进一步的判断当前位置是否为道路的驶入点，如果当前位置为道路的驶入点，则根据点云数据和图像数据生成始于道路的驶入点高精度地图，直至自动驾驶汽车驶出道路的驶出点，其中，道路的驶入点到驶出点之间的高精度地图为道路的高精度地图。由此，可通过采集点云数据和图像数据生成道路的高精度地图，提高了高精度地图的采集精度，以便准确判断前方路段的路况，提高了自动驾驶汽车的安全性。
为了实现上述实施例，本申请还提出了另一种高精度地图的生成方法，图3为本申请实施例所提供的一种高精度地图的生成方法的流程示意图。
如图3所示，该高精度地图的生成方法包括以下步骤：
步骤301，获取自动驾驶汽车上报的高精度地图。
具体地，在检测到自动驾驶汽车前方路段没有相应高精度地图时，自动驾驶汽车在进入该路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图，进而将生成的高精度地图上报给服务器。因此，可以从服务器获取自动驾驶汽车上报的高精度地图。
可以理解的是，通过自动驾驶汽车配置的雷达和摄像头采集障碍物信息、道路信息、红绿灯信息、路口信息、停车区域信息、停止线信息、人行横道信息等。并通过惯性导航器获取自动驾驶汽车的当前位置，进而，根据雷达或摄像头采集的障碍物信息、道路信息、红绿灯信息、路口信息、停车区域信息、停止线信息、人行横道信息等生成高精度地图。
作为一种可能的实现方式，自动驾驶汽车上报的高精地图可以是按区域制作，制作的单位可以是道路级别，也就是路口到路口之间，当然可以做很多道路，由于制作的过程中自动驾驶汽车会上报位置，因此满足路口到路口之间的制作条件之后，就可以上传至服务器。
步骤302，获取高精度地图所对应的道路信息，根据道路信息获取对应的导航地图。
具体地，可以根据生成的高精度地图获取对应的道路信息，进而根据道路信息获取对应的导航地图。
其中，导航地图，是指普通的电子地图，用于在GPS设备上导航的软件，主要是用于路径的规划和导航功能上的实现。
步骤303，根据导航地图对高精度地图进行打分。
步骤304，如果高精度地图的打分值大于预设阈值，则保存高精度地图。
其中，预设阈值，是指预先设定的用于衡量自动驾驶汽车上报的高精度地图是否符合标准的值。
本申请实施例中，服务器结合道路信息对应的导航地图对自动驾驶汽车上报的高精度地图进行打分，如果高精度地图的打分值大于预设阈值，则确定上传的高精度地图符合要求，进一步生成标准的高精度地图，进而保存生成的高精度地图，以使其他自动驾驶汽车行驶该区域时，可以从服务器下载该高精度地图。
作为一种可能的实现方式，服务器结合道路信息对应的导航地图对自动驾驶汽车上报的高精度地图进行打分时，可能会同时收到多个自动驾驶汽车发送的高精度地图，则分别对多个自动驾驶汽车发送的高精度地图进行打分，最后在高精度地图的打分值大于预设阈值的多个高精度地图中，选择最高的高精度地图生成标准的高精度地图，进而保存生成的高精度地图。
进而，当其他自动驾驶汽车行驶该路段时，服务器也可能接收到其他自动驾驶汽车的高精度地图请求消息，其中，高精度地图请求消息中包括道路信息，进而，根据道路信息获取保存的高精度地图，并发送至其他自动驾驶汽车。以使其他自动驾驶汽车行驶该区域时，可以从服务器直接获取该高精度地图。
本申请实施例的高精度地图的生成方法，通过获取自动驾驶汽车上报的高精度地图以及高精度地图所对应的道路信息，再根据道路信息获取对应的导航地图，进一步的根据导航地图对高精度地图进行打分，如果高精度地图的打分值大于预设阈值，则保存该高精度地图。由此，通过在无高精度地图区域，将自动驾驶汽车采集的高精度地图上报至服务器，并根据导航地图进行打分，可以获取符合标准的高精度地图，进而，提高了高精度地图的采集能力，进一步的扩大了高精度地图的对应区域，从而更利于自动驾驶汽车的普及。
为了实现上述实施例，本申请还提出一种高精度地图的生成装置。
图4为本申请实施例提供的一种高精度地图的生成装置的结构示意图。
如图4所示，该高精度地图的生成装置100包括：第一获取模块110、第二获取模块120、判断模块130以及生成模块140。
第一获取模块110，用于获取自动驾驶汽车中的本地高精度地图。
第二获取模块120，用于获取自动驾驶汽车的目的地。
判断模块130，用于根据目的地和本地高精度地图判断前方路段是否有相应高精度地图。
生成模块140，用于当前方路段没有相应高精度地图时，提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
作为一种可能的实现方式，该高精度地图的生成装置100，还包括：
处理模块，用于将高精度地图发送至服务器，其中，服务器根据前方路段对应的导航地图对高精度地图进行打分，如果打分值大于预设阈值，则服务器采用高精度地图。
作为一种可能的实现方式，生成模块140，具体还可以包括：
获取单元，用于获取自动驾驶汽车的当前位置。
判断单元，用于判断当前位置是否为道路的驶入点。
生成单元，用于当自动驾驶汽车的当前位置为道路的驶入点时，根据点云数据和图像数据生成始于道路的驶入点高精度地图，直至自动驾驶汽车驶出道路的驶出点，其中，道路的驶入点到驶出点之间的高精度地图为道路的高精度地图。
作为一种可能的实现方式，生成单元，具体还可以用于：
根据点云数据获取道路的长度、宽度和位置坐标；
根据图像数据获取道路的类型，标识线的类型和颜色；
根据道路的长度、宽度、位置坐标和类型，以及标识线的类型和颜色生成始于道路的驶入点高精度地图。
本申请实施例的高精度地图的生成装置，通过获取自动驾驶汽车中的本地高精度地图以及目的地，进而根据目的地和本地高精度地图判断前方路段是否有相应高精度地图，如果前方路段没有相应高精度地图，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。由此，通过获取自动驾驶汽车的目的地和本地高精度地图，在确定行驶的前方路段没有相应的高精度地图时，进一步的采集地图信息生成高精度地图，扩大了高精度地图的使用区域，提高了汽车行驶的安全性，从而更有利于自动驾驶汽车的普及，改善城市交通状况。
为了实现上述实施例，本申请还提出另一种高精度地图的生成装置。
图5为本申请实施例提供的另一种高精度地图的生成装置的结构示意图。
如图5所示，该高精度地图的生成装置200包括：第一获取模块210、第二获取模块220、处理模块230以及保存模块240。
第一获取模块210，用于获取自动驾驶汽车上报的高精度地图。
第二获取模块220，用于获取高精度地图所对应的道路信息，根据道路信息获取对应的导航地图。
处理模块230，用于根据导航地图对高精度地图进行打分。
保存模块240，用于在高精度地图的打分值大于预设阈值时，保存高精度地图。
作为一种可能的实现方式，该高精度地图的生成装置200，还包括：
接收模块，用于接收其他自动驾驶汽车的高精度地图请求消息，其中，高精度地图请求消息中包括道路信息。
发送模块，用于根据道路信息获取保存的高精度地图，并发送至其他自动驾驶汽车。
本申请实施例的高精度地图的生成装置，通过获取自动驾驶汽车上报的高精度地图以及高精度地图所对应的道路信息，再根据道路信息获取对应的导航地图，进一步的根据导航地图对高精度地图进行打分，如果高精度地图的打分值大于预设阈值，则保存该高精度地图。由此，通过在无高精度地图区域，将自动驾驶汽车采集的高精度地图上报至服务器，并根据导航地图进行打分，可以获取符合标准的高精度地图，提高了高精度地图的采集能力，进一步的扩大了高精度地图的对应区域，从而更利于自动驾驶汽车的普及。
为了实现上述实施例，本申请还提出了一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述实施例所述的高精度地图的生成方法。
为了实现上述实施例，本申请还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如前述实施例所述的高精度地图的生成方法。
为了实现上述实施例，本申请还提出了一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如前述实施例所述的高精度地图的生成方法。
图6示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图6显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local AreaNetwork；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的高精度地图的生成方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示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。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种高精度地图的生成方法，其特征在于，包括：
获取自动驾驶汽车中的本地高精度地图；
获取所述自动驾驶汽车的目的地；
根据所述目的地和所述本地高精度地图判断前方路段是否有相应高精度地图；以及
如果没有，则提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过所述自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
2.如权利要求1所述的高精度地图的生成方法，其特征在于，还包括：
将所述高精度地图发送至服务器，其中，所述服务器根据所述前方路段对应的导航地图对所述高精度地图进行打分，如果打分值大于预设阈值，则所述服务器采用所述高精度地图。
3.如权利要求1所述的高精度地图的生成方法，其特征在于，所述地图信息包括的雷达和摄像头采集的点云数据和图像数据，所述生成高精度地图包括：
获取所述自动驾驶汽车的当前位置；
判断所述当前位置是否为道路的驶入点；
如果为所述道路的驶入点，则根据所述点云数据和图像数据生成始于所述道路的驶入点高精度地图，直至所述自动驾驶汽车驶出所述道路的驶出点，其中，所述道路的驶入点到所述驶出点之间的高精度地图为所述道路的高精度地图。
4.如权利要求3所述的高精度地图的生成方法，其特征在于，所述点云数据和所述图像数据均包括时间戳，所述根据所述点云数据和图像数据生成始于所述道路的驶入点高精度地图包括：
根据所述点云数据获取所述道路的长度、宽度和位置坐标；
根据所述图像数据获取所述道路的类型，标识线的类型和颜色；
根据所述道路的长度、宽度、位置坐标和类型，以及标识线的类型和颜色生成所述始于所述道路的驶入点高精度地图。
5.一种高精度地图的生成方法，其特征在于，包括：
获取自动驾驶汽车上报的高精度地图；
获取所述高精度地图所对应的道路信息，根据所述道路信息获取对应的导航地图；
根据所述导航地图对所述高精度地图进行打分；
如果所述高精度地图的打分值大于预设阈值，则保存所述高精度地图。
6.如权利要求5所述的高精度地图的生成方法，其特征在于，还包括：
接收其他自动驾驶汽车的高精度地图请求消息，其中，所述高精度地图请求消息中包括所述道路信息；
根据所述道路信息获取保存的所述高精度地图，并发送至所述其他自动驾驶汽车。
7.一种高精度地图的生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取自动驾驶汽车中的本地高精度地图；
第二获取模块，用于获取所述自动驾驶汽车的目的地；
判断模块，用于根据所述目的地和所述本地高精度地图判断前方路段是否有相应高精度地图；
生成模块，用于当前方路段没有相应高精度地图时，提示驾驶员切换为手动驾驶模式，并在进入前方路段之后通过所述自动驾驶汽车的雷达和摄像头采集地图信息，并生成高精度地图。
8.一种高精度地图的生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取自动驾驶汽车上报的高精度地图；
第二获取模块，用于获取所述高精度地图所对应的道路信息，根据所述道路信息获取对应的导航地图；
处理模块，用于根据所述导航地图对所述高精度地图进行打分；
保存模块，用于在所述高精度地图的打分值大于预设阈值时，保存所述高精度地图。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6中任一所述的高精度地图的生成方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的高精度地图的生成方法。
11.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行如权利要求1-6中任一所述的高精度地图的生成方法。
CN201811004098.2A 2018-08-30 2018-08-30 高精度地图的生成方法、装置以及计算机设备 Active CN110873568B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811004098.2A CN110873568B (zh) 2018-08-30 2018-08-30 高精度地图的生成方法、装置以及计算机设备
JP2019148733A JP7209601B2 (ja) 2018-08-30 2019-08-14 高精度地図生成方法、高精度地図生成装置、コンピュータ機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム
EP19192209.5A EP3617649A1 (en) 2018-08-30 2019-08-19 High-precision map generation method, device and computer device
US16/549,393 US20200072616A1 (en) 2018-08-30 2019-08-23 High-precision map generation method, device and computer device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811004098.2A CN110873568B (zh) 2018-08-30 2018-08-30 高精度地图的生成方法、装置以及计算机设备

Publications (2)

Publication Number Publication Date
CN110873568A true CN110873568A (zh) 2020-03-10
CN110873568B CN110873568B (zh) 2021-02-23

Family

ID=67659218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811004098.2A Active CN110873568B (zh) 2018-08-30 2018-08-30 高精度地图的生成方法、装置以及计算机设备

Country Status (4)

Country Link
US (1) US20200072616A1 (zh)
EP (1) EP3617649A1 (zh)
JP (1) JP7209601B2 (zh)
CN (1) CN110873568B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111256713A (zh) * 2020-03-20 2020-06-09 东风汽车集团有限公司 一种车辆自动驾驶的辅助方法和辅助系统
CN111623789A (zh) * 2020-05-25 2020-09-04 北京汽车研究总院有限公司 车辆的自动驾驶方法和装置
CN111638528A (zh) * 2020-05-26 2020-09-08 北京百度网讯科技有限公司 定位方法、装置、电子设备和存储介质
CN112612788A (zh) * 2020-12-11 2021-04-06 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112697157A (zh) * 2020-12-04 2021-04-23 盐城中科高通量计算研究院有限公司 一种巡逻车用高精度循迹地图自动生成方法
CN112721952A (zh) * 2021-01-29 2021-04-30 重庆长安汽车股份有限公司 一种l3级自动驾驶汽车的复杂路段行驶控制方法、装置、汽车及计算机存储介质
CN112960000A (zh) * 2021-03-15 2021-06-15 新石器慧义知行智驰(北京)科技有限公司 高精地图更新方法、装置、电子设备和存储介质
CN113173179A (zh) * 2021-06-09 2021-07-27 中国第一汽车股份有限公司 一种驾驶模式切换提示方法、装置及车辆
CN113554890A (zh) * 2021-06-30 2021-10-26 东风汽车集团股份有限公司 一种在隧道工况下基于5g通信的导航增强系统及方法
CN113701776A (zh) * 2021-08-27 2021-11-26 中国第一汽车股份有限公司 自动驾驶引导系统及方法
CN113978484A (zh) * 2021-09-30 2022-01-28 东风汽车集团股份有限公司 车辆控制方法、装置、电子设备及存储介质
CN114312834A (zh) * 2020-03-26 2022-04-12 华为技术有限公司 一种驾驶控制方法及装置
CN115221260A (zh) * 2022-07-18 2022-10-21 小米汽车科技有限公司 数据处理方法、装置、车辆及存储介质
CN115235487A (zh) * 2022-08-04 2022-10-25 北京百度网讯科技有限公司 数据处理方法及装置、设备和介质

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11017674B1 (en) * 2018-10-15 2021-05-25 Waymo Llc Managing and tracking scouting tasks using autonomous vehicles
KR20210030136A (ko) * 2019-09-09 2021-03-17 현대자동차주식회사 차량 데이터 생성 장치 및 방법, 그리고 시스템
CN111400421B (zh) * 2020-03-09 2023-07-07 中振同辂(江苏)机器人有限公司 基于云端服务器的高精地图制作方法及其制作系统
US20220067768A1 (en) * 2020-08-28 2022-03-03 Telenav, Inc. Navigation system with high definition mapping mechanism and method of operation thereof
CN112465970B (zh) * 2020-11-27 2024-03-19 北京斯年智驾科技有限公司 导航地图构建方法、装置、系统、电子装置和存储介质
CN112611388A (zh) * 2020-12-16 2021-04-06 北京五一视界数字孪生科技股份有限公司 路口生成方法、装置、存储介质及电子设备
JP7289855B2 (ja) * 2021-01-12 2023-06-12 本田技研工業株式会社 車両制御システムおよび車両制御方法
JP2022123940A (ja) * 2021-02-15 2022-08-25 本田技研工業株式会社 車両制御装置
CN113034566B (zh) * 2021-05-28 2021-09-24 湖北亿咖通科技有限公司 高精度地图构建方法、装置、电子设备及存储介质
CN113252062B (zh) * 2021-06-01 2021-12-10 智道网联科技(北京)有限公司 生成实时地图的方法、装置及电子设备、存储介质
CN113593022B (zh) * 2021-07-06 2022-06-14 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
CN114187412B (zh) * 2021-11-11 2024-03-22 北京百度网讯科技有限公司 高精地图生成方法、装置、电子设备及存储介质
US20230228591A1 (en) * 2022-01-14 2023-07-20 Faraday&Future Inc. System and method of collaboratively refining high definition maps for autonomous parking of a vehicle
DE102022001030B3 (de) * 2022-03-25 2023-03-30 Mercedes-Benz Group AG Verfahren zur Ermittlung einer Navigationsroute für einen automatisierten Fahrbetrieb eines Fahrzeugs
CN116067379B (zh) * 2023-03-07 2023-06-30 青岛慧拓智能机器有限公司 一种基于动态点云的长隧道场景下多传感器融合定位方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101403621A (zh) * 2008-10-29 2009-04-08 凯立德欣技术（深圳）有限公司 即时记录电子地图道路数据的方法
CN101446495A (zh) * 2007-11-27 2009-06-03 华晶科技股份有限公司 更新导航地图数据的方法
US8527199B1 (en) * 2012-05-17 2013-09-03 Google Inc. Automatic collection of quality control statistics for maps used in autonomous driving
CN105210128A (zh) * 2013-04-10 2015-12-30 谷歌公司 地图构建活跃的和不活跃的施工地带以用于自主驾驶
CN106776996A (zh) * 2016-12-02 2017-05-31 百度在线网络技术（北京）有限公司 用于测试高精度地图的准确性的方法和装置
CN108225348A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 地图创建以及运动实体定位的方法和装置
WO2018125938A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Enrichment of point cloud data for high-definition maps for autonomous vehicles
US20180188037A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Occupancy Map Updates Based on Sensor Data Collected by Autonomous Vehicles

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6252235B2 (ja) * 2014-02-25 2017-12-27 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN113654561A (zh) * 2014-12-05 2021-11-16 苹果公司 自主导航系统
JP6411956B2 (ja) * 2015-06-24 2018-10-24 本田技研工業株式会社 車両制御装置、および車両制御方法
US20180093675A1 (en) * 2016-09-30 2018-04-05 Ford Global Technologies, Llc Wake Alarm For Vehicles With An Autonomous Mode
US10859395B2 (en) * 2016-12-30 2020-12-08 DeepMap Inc. Lane line creation for high definition maps for autonomous vehicles
KR102396731B1 (ko) * 2018-02-27 2022-05-11 삼성전자주식회사 정밀 지도 데이터 제공 방법 및 이를 위한 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101446495A (zh) * 2007-11-27 2009-06-03 华晶科技股份有限公司 更新导航地图数据的方法
CN101403621A (zh) * 2008-10-29 2009-04-08 凯立德欣技术（深圳）有限公司 即时记录电子地图道路数据的方法
US8527199B1 (en) * 2012-05-17 2013-09-03 Google Inc. Automatic collection of quality control statistics for maps used in autonomous driving
CN105210128A (zh) * 2013-04-10 2015-12-30 谷歌公司 地图构建活跃的和不活跃的施工地带以用于自主驾驶
CN106776996A (zh) * 2016-12-02 2017-05-31 百度在线网络技术（北京）有限公司 用于测试高精度地图的准确性的方法和装置
WO2018125938A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Enrichment of point cloud data for high-definition maps for autonomous vehicles
US20180188037A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. Occupancy Map Updates Based on Sensor Data Collected by Autonomous Vehicles
CN108225348A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 地图创建以及运动实体定位的方法和装置

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111256713A (zh) * 2020-03-20 2020-06-09 东风汽车集团有限公司 一种车辆自动驾驶的辅助方法和辅助系统
CN114312834A (zh) * 2020-03-26 2022-04-12 华为技术有限公司 一种驾驶控制方法及装置
CN111623789A (zh) * 2020-05-25 2020-09-04 北京汽车研究总院有限公司 车辆的自动驾驶方法和装置
CN111623789B (zh) * 2020-05-25 2022-05-13 北京汽车研究总院有限公司 车辆的自动驾驶方法和装置
CN111638528A (zh) * 2020-05-26 2020-09-08 北京百度网讯科技有限公司 定位方法、装置、电子设备和存储介质
CN112697157A (zh) * 2020-12-04 2021-04-23 盐城中科高通量计算研究院有限公司 一种巡逻车用高精度循迹地图自动生成方法
CN112697157B (zh) * 2020-12-04 2023-10-20 盐城中科高通量计算研究院有限公司 一种巡逻车用高精度循迹地图自动生成方法
CN112612788A (zh) * 2020-12-11 2021-04-06 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112612788B (zh) * 2020-12-11 2024-03-01 中国北方车辆研究所 一种无导航卫星信号下的自主定位方法
CN112721952A (zh) * 2021-01-29 2021-04-30 重庆长安汽车股份有限公司 一种l3级自动驾驶汽车的复杂路段行驶控制方法、装置、汽车及计算机存储介质
CN112721952B (zh) * 2021-01-29 2022-07-05 重庆长安汽车股份有限公司 一种l3级自动驾驶汽车的复杂路段行驶控制方法、装置、汽车及计算机存储介质
CN112960000A (zh) * 2021-03-15 2021-06-15 新石器慧义知行智驰(北京)科技有限公司 高精地图更新方法、装置、电子设备和存储介质
CN113173179A (zh) * 2021-06-09 2021-07-27 中国第一汽车股份有限公司 一种驾驶模式切换提示方法、装置及车辆
CN113173179B (zh) * 2021-06-09 2023-02-21 中国第一汽车股份有限公司 一种驾驶模式切换提示方法、装置及车辆
CN113554890A (zh) * 2021-06-30 2021-10-26 东风汽车集团股份有限公司 一种在隧道工况下基于5g通信的导航增强系统及方法
CN113701776A (zh) * 2021-08-27 2021-11-26 中国第一汽车股份有限公司 自动驾驶引导系统及方法
CN113701776B (zh) * 2021-08-27 2024-03-15 中国第一汽车股份有限公司 自动驾驶引导系统及方法
CN113978484A (zh) * 2021-09-30 2022-01-28 东风汽车集团股份有限公司 车辆控制方法、装置、电子设备及存储介质
CN115221260B (zh) * 2022-07-18 2024-02-09 小米汽车科技有限公司 数据处理方法、装置、车辆及存储介质
CN115221260A (zh) * 2022-07-18 2022-10-21 小米汽车科技有限公司 数据处理方法、装置、车辆及存储介质
CN115235487B (zh) * 2022-08-04 2023-11-14 北京百度网讯科技有限公司 数据处理方法及装置、设备和介质
CN115235487A (zh) * 2022-08-04 2022-10-25 北京百度网讯科技有限公司 数据处理方法及装置、设备和介质

Also Published As

Publication number Publication date
CN110873568B (zh) 2021-02-23
JP2020034906A (ja) 2020-03-05
US20200072616A1 (en) 2020-03-05
JP7209601B2 (ja) 2023-01-20
EP3617649A1 (en) 2020-03-04

Similar Documents

Publication Publication Date Title
CN110873568B (zh) 高精度地图的生成方法、装置以及计算机设备
US10437257B2 (en) Autonomous driving system
CN110874229A (zh) 自动驾驶汽车的地图升级方法、装置
CN106996793B (zh) 地图更新判定系统
US20170227971A1 (en) Autonomous travel management apparatus, server, and autonomous travel management method
US20180120844A1 (en) Autonomous driving assistance system, autonomous driving assistance method, and computer program
US10795374B2 (en) Vehicle control device
US10369995B2 (en) Information processing device, information processing method, control device for vehicle, and control method for vehicle
CN110329253B (zh) 车道偏离预警系统、方法及车辆
US20200231178A1 (en) Vehicle control system, vehicle control method, and program
US20220063615A1 (en) Vehicle travel control apparatus
US11188071B2 (en) Driving control system
JP2023168399A (ja) 地図データ生成方法
US20220258737A1 (en) Map generation apparatus and vehicle control apparatus
CN114987529A (zh) 地图生成装置
US20230314165A1 (en) Map generation apparatus
US11867526B2 (en) Map generation apparatus
US20220262138A1 (en) Division line recognition apparatus
US11920949B2 (en) Map generation apparatus
US11906323B2 (en) Map generation apparatus
US20220268596A1 (en) Map generation apparatus
CN115050203B (zh) 地图生成装置以及车辆位置识别装置
JP2022191916A (ja) 位置推定装置
JP2023149510A (ja) 地図信頼度判定装置および運転支援装置
JP2022121836A (ja) 車両制御装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211018

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.