CN110873570A - 用于位置信息的定源、生成并且更新表示位置的地图的方法和装置 - Google Patents

Abstract

本文中所描述的是用于位置信息的定源、生成并且更新表示位置的地图（16）的方法和装置（11）。从所述位置处经过的至少两个道路车辆（12）中，从环境传感器获得（1、2）关于周围环境的经车辆配准的数据，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个获得（1、2）定位数据。使定位数据平滑（3）以建立针对相应车辆（12）的连续轨迹。通过使用来自所述位置处经过的每个相应车辆（12）的数据而创建单独的周围环境地图。从所述单独的周围环境地图中标识共享区域段的子地图（15）。使共享区域段的子地图（15）对互相关（6）。来自子地图（15）的成对互相关（6）的信息被用于优化相对于周围环境的全地图（16）的每个子地图（15）偏移，并且将子地图（15）合并到全地图（16）中。

Description

用于位置信息的定源、生成并且更新表示位置的地图的方法 和装置

技术领域

本公开一般地涉及自主车辆定位技术，并且具体地涉及用于位置信息的定源（sourcing）、生成并且更新表示位置的地图的方法。它还涉及用于位置信息的定源、生成并且更新表示位置的地图的装置。

背景技术

自主驾驶（AD）当前是汽车工业中最大的工程挑战之一。在数字化解决方案的帮助下，可以极大地改善道路安全，从而显著减少伤亡。此外，可以在AD的帮助下、通过减少交通堵塞来改善交通效率、驾驶舒适度、以及最显著地环境影响，所述交通堵塞潜在地引起与正常驾驶场景相比的增加的二氧化碳排放。

为了在道路上安全地引导自主车辆，最重要的是具有对精确定位信息的访问。在先前，迄今已主要通过使用高精度装备的勘测车辆来创建精确的定位地图，所述高精度装备特别是具有厘米准确度的昂贵的高精度全球定位系统（GPS）传感器，诸如所谓的实时运动学（RTK）GPS传感器。然而，这是昂贵的过程，其与针对如下的增加的需要不是很好地成比例（scale）：在道路网络恒定改变时用于AD目的的持续最新的环境地图。因而，当需要快速并且持续更新地图的时候，此途径不再可行。

为了解决此问题，已经建议通过车辆的车队来众包地图，所述车辆使用消费者等级的卫星定位装置，诸如在大多数汽车中可用的消费者等级GPS装置。然而，使用消费者等级的卫星定位装置将引入关于每个车辆的实际位置的不确定性。

解决此问题的一个尝试由US2013103298A1呈现，其公开了用于确定车辆的位置的方法。所述方法包括如下步骤：从与车辆相关联的雷达传感器获取多个传感器数据；通过使用GPS单元来获得车辆的近似位置；比较传感器数据与地理参照传感器数据的数据库；并且基于所述比较来确定车辆的位置。

US2013103298A1还公开了一种针对精确车辆定位来组装高分辨率数据库的方法。所述方法包括如下步骤：从至少一个车辆获得多个雷达传感器读数；从所述至少一个车辆获得多个GPS单元读数，其中所述GPS读数与雷达传感器读数相关；以及处理雷达传感器读数以及GPS单元读数以生成雷达数据的地理参照数据库。作为对使用高分辨率/经扩增的GPS系统来构建数据库的替代，或为了补充和更新数据库，可以从行进于各种道路的多个车辆获得数据，其中这些车辆配备有典型的低分辨率GPS单元以及低或高分辨率雷达系统。高分辨率GPS是相对昂贵的，并且用来扩增GPS信息以便提供更高分辨率的系统可能不在所有位置中可用。

此外，根据US2013103298A1，随着道路状况改变（例如由于诸如建筑物、天气、交通事故等等之类的因素），存在保持数据库准确并且最新的需要。因此，在一个实施例中，通过并入从许多车辆所获得的数据来开发和/或更新数据库，所述车辆行进于各种道路，配备有典型的低分辨率GPS单元以及低或高分辨率雷达系统。由这样的系统所收集的雷达数据、连同随附的GPS数据从车辆（例如实时地使用无线数据通信）被传输到中央位置，在该处它被求平均并且被并入到数据库中。

虽然来自具有低分辨率GPS的单个车辆的测量将相对不准确，但是US2013103298A1表明许多这样的测量的平均将提供具有更高分辨率的测量。对从行进于特定路线的车辆所收集的低分辨率数据求平均可以首先用来构建数据库，并且还可以用来保持数据库最新，而无论它最初如何被开发。另外，IMU系统收集关于可以被使用的测量车辆的速度和取向的数据，连同来自轮子上的旋转编码器和GPS单元的信息，以追踪测量车辆的位置。来自其它传感器的数据可以与雷达传感器数据相组合以增强可用的信息。例如，在合适的条件下，视频图像数据可以被分析以利用比雷达传感器数据更好的准确性来标识特定的结构（例如建筑物）及其尺度，因为图像数据提供比雷达更好的角分辨率。

解决此问题的其它尝试（例如诸如由US2014379254A1所描述的）公开了一种用于在车辆导航或建图（mapping）系统中使用的定位方法，以及实现这样的方法的系统。所述方法包括从位于车辆上或车辆中的至少一个传感器获得传感器测量数据的一个或多个集合，传感器测量的每个集合指示车辆周围的环境中的对象离传感器的距离，并且传感器测量数据的每个集合包括从沿着车辆行进方向的时间或距离窗口中的一系列位置所获得的数据。

根据US2014379254A1，执行相关程序，其将传感器测量数据的所述一个或多个集合与所存储的参照传感器测量数据相关，并且取决于相关程序来确定车辆对照与所存储的参照传感器测量数据相关联的所存储的位置数据的相对位置。导航系统可以此外包括定位传感器子系统，其包括一个或多个绝对定位模块或其它逻辑与相对定位模块或其它逻辑的混合。

根据US2014379254A1的绝对定位模块从绝对定位传感器获得数据，所述绝对定位传感器包括例如GPS或伽利略接收器。此数据可以用来获得关于车辆的绝对位置的初始估计。相对定位模块从相对定位传感器获得数据，所述相对定位传感器在此情况下是激光传感器（任何其它合适类型的传感器可以被使用，例如雷达、激光、光学（可见）或无线电传感器）。此数据可以用来获得车辆相比于一个或多个界标或其它特征的相对位置或方位，为此，数字地图包括界标传感器测量数据的集合。

US2014379254A1的数字地图数据库可以存储从先前的传感器测量所获得的传感器测量数据。还可以提供附加的相对定位传感器，以用于执行另外的相对位置测量。在定位过程中，从传感器中的每一个所获得的测量数据与所存储的传感器测量数据相比较以确定传感器测量信号是否匹配所存储的参照测量数据，所述参照测量数据也被称为界标数据。

根据US2014379254A1的定位的目标是要找到在从车辆传感器连续获取的测量数据集与被存储在数据库中的界标测量数据之间的相关，并且然后计算车辆对照针对数据库中所存储的界标的、来自位置数据的界标的相对位置。

发明内容

本发明的目的是要提供一种用于位置信息的定源，生成并且更新表示位置的地图的经改进的方法和装置。

根据第一方面，提供了一种用于位置信息的定源、生成并且更新表示该位置的地图的方法，其包括：从所述位置处经过的至少两个道路车辆中，从环境传感器获得关于周围环境的经车辆配准的数据，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个获得定位数据；使定位数据平滑以建立针对相应车辆的连续轨迹；通过使用关于周围环境的数据以及来自所述位置处经过的每个相应的车辆的经平滑的定位数据来创建单独的周围环境地图；从所述单独的周围环境地图中标识共享区域段的子地图；使共享区域段的子地图对互相关；将来自子地图的成对互相关的信息用于优化相对于周围环境的全地图的每个子地图偏移；将子地图合并到周围环境的全地图中。

在另外的实施例中，所述方法此外包括作为环境传感器来使用以下各项中的一个或多个：雷达传感器；激光雷达传感器；超声传感器；相机传感器；IR传感器。

在又一另外的实施例中，所述方法此外包括当创建单独的周围环境地图的时候将关于周围环境的经车辆配准的数据变换到二维网格中，以及基于那些二维网格来执行共享区域段的子地图对的互相关。

在更进一步的实施例中，共享区域段的子地图对的互相关此外包括标识与子地图的最大重叠相对应的强度峰值，其指示在子地图和强度峰值位置之间的最大相关。

在另外的实施例中，所述方法此外包括通过分析互相关峰形来确定子地图对的相对重要性。

在又一另外的实施例中，所述方法此外包括执行相应子地图的旋转的另外对准。

在更进一步的实施例中，所述方法此外包括标识包含如下信息的子地图：所述信息表示高达60×60米的周围环境中的扩展。

在又一另外的实施例中，所述方法此外包括标识包含如下信息的子地图：所述信息表示至少10×10米的周围环境中的扩展。

在又一另外的实施例中，所述方法此外包括：通过使用“Graph-SLAM”途径、同步定位与建图（simultaneous localization and mapping）来优化相对于周围环境的全地图的每个子地图偏移，以找到与观察最大地一致的子地图偏移的配置，以及将子地图移动到与其对应的新偏移位置中，以用于将其合并到周围环境的全地图中。

根据第二方面，提供了一种用于位置信息的定源、生成并且更新表示位置的地图的装置，其包括：通信接口，其用于从所述位置处经过的至少两个道路车辆中，从环境传感器接收关于周围环境的经车辆配准的数据，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个接收定位数据；以及处理装置，其包括软件，所述软件用于当被所述处理装置执行的时候执行以下各项：使定位数据平滑以建立针对相应车辆的连续轨迹；通过使用关于周围环境的数据以及来自所述位置处经过的每个相应的车辆的、经平滑的定位数据来创建单独的周围环境地图；从所述单独的周围环境地图中标识共享区域段的子地图；使共享区域段的子地图对互相关；使用来自子地图的成对互相关的信息来优化相对于周围环境的全地图的每个子地图偏移；将子地图合并到周围环境的全地图中。

以上实施例具有为自主道路车辆产生最新地图的有益效应，其中地图定位是可能的，地图其按性能与根据高精度探查所创建的地图可比。

附图说明

在下文中，将参考附图仅仅作为示例来更详细地描述本文中的实施例，在所述附图中：

图1示意性地图示了根据本文中的实施例的用于位置信息的定源、生成并且更新表示位置的地图的方法。

图2示意性地图示了根据本文中的实施例的用于位置信息的定源、生成并且更新表示位置的地图的装置。

具体实施方式

在下文中，将描述用于位置信息的定源，生成并且更新表示位置的地图16的方法和装置10的某些示例实施例。

所提议的方法和装置10涉及使用消费者等级传感器的环境传感器地图16的众包，所述地图16足够用于实现高精度定位、尤其是用于自主道路车辆。

众包是主要涉及通过工作负载分布来解决问题的概念，其中若干用户每个对解决问题的小部分有所贡献，因而协作地达成总的解决方案。

本文中的实施例基于：车辆12的车队基于来自每个车辆12的不准确的观察来共同地创建/更新地图16，其不准确性在更多信息被添加时将被补偿。它此外基于以下实现：我们更好的是不尝试将环境传感器检测关联到所标识的界标，或甚至是离散界标的集合，而是替代地将通过环境传感器的若干子地图15配准聚合到在空间中量化的地图中，例如，作为网格地图。然后，我们可以将这些小的子地图15视为建图过程中的测量，并且得到要解决的显著更容易的问题。

网格地图或占据型网格地图表示如被划分成网格的世界，其中每个网格包括单元块，每个单元要么以某种可能性被对象占据要么不被占据。此可能性可以通过使用从对象返回的检测量除以可能的检测返回的最大量来被近似。在对从传感器所收集的原始数据进行后处理之后，感兴趣的特征可以被建图到对应的网格中，其中每个网格可以与其它的独立来被检查。

通过使用消费者等级的卫星定位装置（诸如全球定位系统（GPS））以及在道路车辆12中可用的惯性测量单元（IMU）和轮速传感器，我们得到角度方面的足够精度以及平面中位置方面的相对精度，以准确地对在长度方面高达大约60米的区域建图。因为从GPS+IMU的组合中获得对角度的良好估计是可能的，所以所述角度可以被视为已知，并且然后仅仅有必要找到局部子地图15相对于来自相同或其它建图道路车辆12的其它经过的、相同位置的子地图15的相对x和y偏移。这可以通过如下来被解决：对来自相同区域的子地图15进行成对互相关，并且然后建立线性方程系统来针对每个经过的位置中的未知偏移进行求解。

全球定位系统（GPS）是基于空间的无线电导航系统，其向地球上或地球附近任何地方的GPS接收器提供地理位置（纬度、经度和高度）以及时间信息。大多数GPS系统通过如下来操作：使用围绕地球的轨道中的三个或更多卫星，使用经定时的信号来计算到每一个的距离，并且因而对表面上的接收器位置进行三角测量。其它类似的卫星定位装置包括欧洲全球导航卫星系统（GNSS），其也称为伽利略，或俄罗斯的基于空间的卫星导航系统，其称为GLONASS。

因此，本文中所提供的是一种用于位置信息的定源、生成并且更新表示位置的地图16的方法。所提议的方法包括从环境传感器获得1关于周围环境的经车辆配准的数据13，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个获得2定位数据。从所述位置处经过的至少两个道路车辆12获得关于周围环境的数据以及定位数据。

消费者等级的GPS卫星定位装置当前在具有导航目的的大多数现代汽车中可用。可得到的位置准确性取决于制造商而不同，但是大多数文献描述了如大约10米的典型误差。此误差对于导航而言是可接受的，然而对于自主道路车辆的车道定位而言不是可接受的。

传感器是能够感测其周围环境并且处置各种输入信号的设备。那些输入可以是光、颜色、距离、角度或任何其它环境现象。传感器的通常的输出一般是可被计算机理解的信号，其具有用于人类理解的可视化的潜能。作为所提议的方法中的环境传感器，可以使用以下各项中的一个或多个：雷达传感器；激光雷达传感器；超声传感器；相机传感器；IR传感器。

雷达通过相当简单的概念来操作，由此雷达发射器朝向区域发射具有已知频率的电磁辐射的波形信号，并且接收器检测从对象反射回来的信号的回波。通过分析在发射和接收信号之间的时间，可以确定到对象的距离。还可以通过检测信号的返回角来确定到对象的角度。基于所述距离和角度，因而可以获得检测相对于雷达设备的位置。通过还分析由多普勒效应所引起的返回信号的频率的移位，可以确定所检测的对象的相对速度，由此允许区分静止对象与移动目标。

激光雷达——光检测和测距——是一种勘测方法，其通过用脉冲激光照射目标并且利用传感器来测量所反射的脉冲来测量到目标的距离。在激光返回时间和波长方面的差异然后可以用来构成对周围环境中目标的数字表示。

以与雷达和激光雷达类似的方式，在系统中经常使用超声传感器，其通过解释所反射的信号来评估目标。例如，通过测量在发送信号与接收回波之间的时间，可以计算对象的距离。

相机传感器可以包括前视相机（FLC），其是使用可见光作为输入并且旨在标识道路车辆（尤其是车道）前方的对象的图像传感器。通过使用众所周知的计算机视觉概念（诸如Huge变换以及阈值化），可以检测当前车道的左和右标记，如从相机中所看到的那样，并且通过使用顶视图变换而将来自投影帧的所检测的车道变换成鸟眼视觉，车道在此后可以利用相对于本地车辆坐标系的位置来表示。

IR传感器是如下设备：其通过使用红外辐射来形成热区图像，类似于通过使用可见光来形成图像的常见相机。

惯性测量单元（IMU）是一种传感器块，其包含精密陀螺仪、加速度仪、以及磁力计传感器。因而，这些惯性传感器不仅可以测量角速度和线性加速度，而且可以测量磁场强度。常见的IMU具有六个自由度，三个正交陀螺仪轴和三个正交加速度仪轴。通过结合消费者等级GPS和/或其它低成本传感器（诸如例如轮速传感器）来使用低成本IMU，可以以增加的准确性来改进定位和建图性能。

执行定位数据的平滑3来建立针对相应道路车辆12的连续轨迹，所述轨迹然后可以用来描述相应道路车辆12的相对运动。平滑3是一种方法术语，所述方法可以生成平滑数据集或估计在某个感兴趣时间处的状态向量。因为在给定先前数据的情况下，滤波器仅能估计当前状态，所以平滑3能够通过使用来自先前和稍后时间两者的数据来改善当前状态的准确性。Rauch–Tung–Striebel（RTS）平滑是通常使用的平滑方法之一。在本文中描述的用于位置信息的定源、生成并且更新表示位置的地图的方法中，所建议的是使用Rauch–Tung–Striebel（RTS）平滑或平方根无损Rauch-Tung-Striebel平滑，或使用平方根无损卡尔曼滤波器（UKF）平滑算法。

用于位置信息的定源、生成并且更新表示位置的地图16的方法此外包括使用地图创建算法来创建单独的周围环境地图，其使用关于周围环境的数据以及作为地面实况而使用来自所述位置处经过的每个相应的道路车辆12的经平滑的定位数据。地图创建算法可以例如被布置成计算直方图状网格中的检测强度。

一些实施例此外包括当创建单独的周围环境地图的时候将关于周围环境的经道路车辆12配准的数据变换到二维网格中。这样的变换是从环境传感器在其中报告检测的坐标系向全局坐标系的简单坐标变换。

用于位置信息的定源、生成并且更新表示位置的地图16的方法此外包括从单独的周围环境地图中标识5共享区域段的子地图15。这通过使用消费者等级卫星定位装置所提供的近似位置来完成。因为假定平滑3所引起的进向（heading）中的误差非常低，所以所有子地图15可以被视为在旋转方面与彼此近似对准。

用于位置信息的定源、生成并且更新表示位置的地图16的方法还包括使共享区域段的子地图15对互相关6。互相关被广泛用作在信号处理中的相似性测量。类似地，2D互相关用于图像图案匹配，其中一个图像充当将在另一个中匹配的模板，并且是一种找到在该处两个图像（或矩阵）与彼此最相似的位置的方法。这通过如下来完成：选择图像之一作为模板，并且使此图像在另一个之上迭代地移位，并且计算针对互相关矩阵中每个元素的重叠总和。

在其中当创建单独的周围环境地图的时候关于周围环境的经道路车辆12配准的数据已经被变换到二维网格中的实施例中，共享区域段的子地图15对的互相关6基于那些二维网格。

然而，在先前提到的互相关6过程之后，子地图15通常不充分相对于彼此被定位。如果在此阶段尝试地图合并，则结果得到的地图将会非常模糊，并且不能提供满意的定位结果。

因此，所述方法还包括使用来自子地图的成对互相关的信息来用于优化7相对于周围环境的全地图16的每个子地图15偏移以及将子地图15合并到周围环境的全地图16中。

为了正确地对准子地图15，Graph-SLAM——同步定位与建图——途径被实现以找到与观察最大地一致的子地图15偏移的配置，即一种节点配置，所述节点配置使所有误差平方总和最小，其也被称为所有观察的对数似然性。因为子地图15可以被视为在旋转方面与彼此近似对准，所以最小二乘方Graph-SLAM公式化可以作为加权线性系统来被求解。在子地图15已经被移动到它们的新位置中之后，子地图15被合并以产生最终的众包全地图16。

在机器人导航中，同步定位与建图（SLAM）是如下过程：其迭代地构造机器人的未知周围环境的地图，而同时找到机器人在所述地图中的未知位置，因此名称。对于此方法，将考虑离线SLAM，即数据将已经由经过感兴趣的位置的道路车辆12收集，并且总地图16将后验地被构建。

用于离线建图的SLAM问题的一个表示可以采取图形的形式，其中节点对应于机器人的姿势，并且边缘表示在来自测量的每个节点对之间的空间约束。SLAM问题的此表示被称为基于图形（Graph）的SLAM。Graph-SLAM问题的解决方案是将所有误差平方总和最小化的节点配置，其也被称为所有观察的对数似然性，替换地意指将测量一致性最大化的配置。

因此，在一般的实施例中，如图1中示意性地图示的，所述方法包括：

从所述位置处经过的至少两个道路车辆中，从环境传感器获得关于周围环境的经车辆配准的数据1，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个获得定位数据2；

使定位数据3平滑以建立针对相应车辆的连续轨迹；

通过使用关于周围环境的数据以及来自所述位置处经过的每个相应的车辆12的、经平滑的定位数据来创建单独的周围环境地图4；

从所述单独的周围环境地图中标识5共享区域段的子地图15；

使共享区域段的子地图15对互相关6；

将来自子地图15的成对互相关的信息用于优化7相对于周围环境全地图16的每个子地图15偏移；

将子地图合并8到周围环境的全地图16中。

共享区域段的子地图15对的互相关6在另外的实施例中可以包括标识与子地图15的最大重叠相对应的强度峰值，其指示在子地图16和强度峰值的位置之间的最大相关。互相关6表示在两个子地图15直方图之间的相似度，其中互相关6的最大强度峰值将指代直方图的最大重叠。

子地图15对的相对重要性在附加的实施例中可以通过分析互相关峰形来确定。我们假定两个子地图15的互相关6与具有特定偏移的两个子地图15的对数似然性成比例。在最大可能的偏移处找到峰值，并且所述峰值处的曲率可以被解释为确定性的度量，并且被用来计算协方差矩阵，其稍后可以用来表示针对每个子地图15对的所找到的偏移的不确定性。这在优化过程7中是有用的信息。

如果来自平滑3的方向信息不够，则根据所述方法的又一另外的实施例，建议执行相应子地图15的旋转的另外对准。

在更进一步的实施例中，所述方法包括标识包含如下信息的子地图15：所述信息表示在周围环境中的扩展，即在建图道路车辆12周围、高达60×60米的环境。最大子地图15尺寸与经平滑的轨迹中的误差以及全地图16中的所期望的精度有关。因而，如果使用更佳品质IMU或轮速传感器，或能够接受较低精度地图，则子地图15尺寸能够更大。此处的60米假定汽车等级传感器以及在全地图16中几分米的精度。

在又一另外的实施例中，所述方法包括标识包含如下信息的子地图15：所述信息表示至少10×10米的周围环境中的扩展。最小子地图15尺寸涉及每个子地图15中的信息含量，即在每个子地图15中能够预期检测多少不同的源。如果环境传感器检测到车道标记、交通标志和其它路边柱杆，则将难以使用比10米更小的子地图15。

在所述方法的又一另外的实施例中，相对于周围环境的全地图16的每个子地图15偏移可以通过如下来优化：使用Graph-SLAM途径，同步定位与建图，以找到与观察最大地一致的子地图15偏移的配置，并且将子地图15移动到与其对应的新偏移位置中，以用于将其合并到周围环境的全地图16中。

因此，特此提供的是一种方法，其实现为自主道路车辆产生最新地图16，其按性能与根据高精度探查所创建的地图可比，其中定位是可能的。

通过连续地添加来自经过不同感兴趣位置的道路车辆12的信息并且重复将经对准和优化的子地图15合并到全地图16中的方法，周围环境的高品质最新全地图16可以被生成并且维护。

根据第二方面，提供了一种装置10，如在图2中示意性地图示的那样，其用于位置信息的定源、生成并且更新表示位置的地图16。所述装置10包括通信接口11，其用于从所述位置处经过的至少两个道路车辆12（在图2中通过道路车辆12的记号“×2”来被指示）中，从环境传感器接收关于周围环境的经车辆配准的数据13，以及从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个接收定位数据。所述通信接口11优选地被布置成使用无线数据通信而例如通过蜂窝式无线电网络或类似物来接收道路车辆数据。

所述装置10此外包括处理装置14，所述处理装置14包括软件，所述软件用于当被处理装置执行的时候执行以下各项：使定位数据平滑3以建立针对相应车辆12的连续轨迹；通过使用关于周围环境的数据以及来自所述位置处经过的每个相应车辆12的、经平滑的定位数据来创建4单独的周围环境地图；从所述单独的周围环境地图中标识5共享区域段的子地图15；使共享区域段的子地图15对互相关6；使用来自子地图15的成对互相关6的信息来优化7相对于周围环境的全地图16的每个子地图15偏移；以及将子地图15合并8到周围环境的全地图16中。

处理装置11可以被布置在道路车辆12中、远程服务器处，或所谓的云中，或在其之间被分布。

因此，特此提供的是一种装置，其具有实现为自主道路车辆产生最新地图的有益效果，所述最新地图按性能与根据高精度探查所创建的地图可比，其中定位是可能的。

所述装置10允许连续地添加来自经过不同感兴趣位置的道路车辆12的信息并且重复将经对准和优化的子地图15合并到全地图16中的过程，由此允许周围环境的高品质最新全地图16被生成并且维护。

受益于在前述描述和相关联的附图中所呈现的教导的、这些发明所属于的领域中技术人员将想到本文中所阐明的发明的许多修改和其它实施例。因此，要理解的是本发明不被限制到所公开的特定实施例并且修改和其它实施例意图被包括在所附权利要求的范围内。此外，虽然前述描述和相关联的附图在元件和/或功能的某些示例性组合的上下文中描述示例性实施例，但是应当领会到可以通过替换的实施例来提供元件和/或功能的不同组合而不偏离所附权利要求的范围。在这方面，例如，还设想与以上显式描述的那些相比的元件和/或功能的不同组合，如可在所附权利要求中的一些中所阐明的那样。在其中优点、益处或问题的解决方案在本文中被描述的情况下，应当领会到，这样的优点、益处和/或解决方案可以适用于某些示例实施例，但是不一定是全部示例实施例。因此，本文中所描述的任何优点、益处或解决方案不应当被视为对于所有实施例或在本文中要求保护的实施例而言是关键的、被要求或必要的。虽然在本文中采用了特定术语，但是它们仅仅在一般性和描述性意义上被使用并且不用于限制的目的。

Claims (10)

1.一种用于位置信息的定源、生成并且更新表示位置的地图（16）的方法，其特征在于它包括：

从所述位置处经过的至少两个道路车辆（12）中，从环境传感器获得（1、2）关于周围环境的经车辆（12）配准的数据（13），并且从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个获得（1、2）定位数据；

使定位数据平滑（3）以建立针对相应车辆（12）的连续轨迹；

通过使用关于周围环境的数据（13）以及来自所述位置处经过的每个相应车辆（12）的、经平滑的定位数据来创建（4）单独的周围环境地图；

从所述单独的周围环境地图中标识（5）共享区域段的子地图（15）；

使共享区域段的子地图（15）对互相关（6）；

将来自子地图（15）的成对互相关（6）的信息用于优化（7）相对于周围环境的全地图（16）的每个子地图（15）偏移；

将子地图（15）合并（8）到周围环境的全地图（16）中。

2.根据权利要求1所述的方法，其中它此外包括作为环境传感器而使用以下各项中的一个或多个：雷达传感器；激光雷达传感器；超声传感器；相机传感器；IR传感器。

3.根据权利要求1或2中任一项所述的方法，其中它还包括当创建单独的周围环境地图的时候将关于周围环境的经车辆（12）配准的数据变换到二维网格中，并且基于那些二维网格来执行共享区域段的子地图（15）对的互相关（6）。

4.根据权利要求1至3中任一项所述的方法，其中共享区域段的子地图（15）对的互相关（6）此外包括标识与子地图（15）的最大重叠相对应的强度峰值，其指示在子地图（15）和强度峰值的位置之间的最大相关。

5.根据权利要求4所述的方法，其中它此外包括通过分析互相关峰形来确定子地图（15）对的相对重要性。

6.根据权利要求1至5中任一项所述的方法，其中它此外包括执行相应子地图（15）的旋转的附加对准。

7.根据权利要求1至6中任一项所述的方法，其中它此外包括标识包含如下信息的子地图（15）：所述信息表示高达60×60米的周围环境中的扩展。

8.根据权利要求7所述的方法，其中它此外包括标识包含如下信息的子地图（15）：所述信息表示至少10×10米的周围环境中的扩展。

9.根据权利要求1至8中任一项所述的方法，其中它此外包括通过使用Graph-SLAM途径——同步定位与建图——来优化相对于周围环境的全地图（16）的每个子地图（15）偏移，以找到与观察最大地一致的子地图（15）偏移的配置，并且将子地图（15）移动到与其对应的新偏移位置中，以用于将其合并到周围环境的全地图（16）中。

10. 一种用于位置信息的定源、生成并且更新表示位置的地图（16）的装置，其特征在于它包括：

通信接口（11），其用于从所述位置处经过的至少两个道路车辆（12）中，从环境传感器接收关于周围环境的经车辆（12）配准的数据，并且从消费者等级卫星定位装置以及从惯性测量单元和轮速传感器中的至少一个接收定位数据；以及

处理装置（14），其包括软件，所述软件用于当被所述处理装置（14）执行的时候执行以下各项：

使定位数据平滑以建立针对相应车辆（12）的连续轨迹；

通过使用关于周围环境的数据以及来自所述位置处经过的每个相应车辆（12）的、经平滑的定位数据来创建单独的周围环境地图；

从所述单独的周围环境地图中标识共享区域段的子地图（15）；

使共享区域段的子地图（15）对互相关；

使用来自子地图（15）的成对互相关的信息来优化相对于周围环境的全地图（16）的每个子地图（15）偏移；

将子地图（15）合并到周围环境的全地图（16）中。

Images