CN111176270A - 使用动态地标的定位 - Google Patents

使用动态地标的定位 Download PDF

Info

Publication number
CN111176270A
CN111176270A CN201911012577.3A CN201911012577A CN111176270A CN 111176270 A CN111176270 A CN 111176270A CN 201911012577 A CN201911012577 A CN 201911012577A CN 111176270 A CN111176270 A CN 111176270A
Authority
CN
China
Prior art keywords
vehicle
ego
surrounding
location
map
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.)
Pending
Application number
CN201911012577.3A
Other languages
English (en)
Inventor
约阿基姆·林·索尔斯泰特
安德里亚斯·申德勒
托尼·古斯塔夫松
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.)
Zheneti
Zenuity AB
Original Assignee
Zheneti
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 Zheneti filed Critical Zheneti
Publication of CN111176270A publication Critical patent/CN111176270A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • 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
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

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

Abstract

本发明涉及使用动态地标的定位。本公开涉及用于确定自我车辆(1)的地图位置的方法(100，200)、系统(10)和计算机程序产品。该方法包括：获取(101)包括道路几何形状的地图数据；通过测量周围车辆(2a，2b，2c)相对于自我车辆的位置和速度来初始化(102)至少一个动态地标；以及基于该测量和自我车辆的地理位置确定(105)周围车辆的第一地图位置。此外，该方法包括预测周围车辆的第二地图位置(106)，并且当估计周围车辆处于第二地图位置时，测量(107)周围车辆相对于自我车辆的地点，从而可以计算并更新自我车辆的地理位置。

Description

使用动态地标的定位
技术领域
本发明涉及一种用于确定车辆在地图中的位置的方法、系统和计算机程序产品。
背景技术
在过去的这几年里，自动驾驶车辆(autonomous vehicle)的发展突飞猛进，并且许多不同的解决方案正在探索中。如今，在这些领域的许多不同技术领域中，自动驾驶(AD)和高级驾驶辅助系统(ADAS)(即半自动驾驶)的发展正在进行中。其中一个领域是如何准确且一致地定位车辆，因为这是车辆在交通中行驶时的重要安全方面。
对自动驾驶和半自动驾驶车辆的重要要求是，它们能够准确估计前方的道路几何形状(geometry)，并且通常有两种不同的方法做到这一点：使用直接感知道路几何形状的前视传感器(forward-looking sensor)，或使用包含道路几何形状的地图(通常称为HD地图)以及估计车辆在地图中的位置的模块。
按惯例，基于卫星的定位系统(全球导航卫星系统，GNSS)，例如全球定位系统(GPS)、全球卫星导航系统(Globalnaya Navigazionnaya Sputnikovaya Sistema，GLONASS)、伽利略、北斗，都已被用于定位目的。然而，在自动驾驶道路车辆应用中，这些和其他区域性系统通常不够精确，不足以单独用于确定移动车辆的位置。此外，基于GNSS的解决方案在确定高度信息方面的精确度甚至更低。
其他解决方案包括将GNSS数据与车辆IMU(惯性测量单元)信号相结合，IMU信号通常会受到大比例尺和偏差误差的影响，从而导致几米的定位误差。此外，这些方法和系统在卫星连接差或没有卫星连接的情况下(比如在隧道或靠近高层建筑的地方)不起作用。
或者，有一些系统和方法利用许多不同的传感器来提高地图位置的可靠性，比如照相机、LIDAR、RADAR和其他用于确定车辆行驶参数(比如速度、角速率等)的传感器。然而，即使当车辆的位置和瞬时方向已知时，车辆的向前行驶仍然很难预测或估计，例如在道路重叠的区域或当不同路段彼此靠近时。
为此，提出了采用基于地标的定位方法的解决方案。这里，外部传感器用于检测地图中也可用的固定目标(称为地标)。然后，通过依次比较传感器数据和这些地标在地图上的位置来估计车辆的位置。通常在HD地图中可以使用并且大多数汽车级别的传感器可以检测到的地标的示例包括车道标记、道路边缘、交通标志、红绿灯、障碍物等。
然而，基于地标的定位的问题是，有时没有足够数量的地标可用于以足够的准确度来确定车辆的位置。这在地图上没有地标(例如，在乡村道路上行驶时)或传感器没有检测到地标的情况下很常见。对于后者，例如，由于交通拥挤、意外障碍物(比如被雪、冰或泥土覆盖的地标)或由于地标被移动或损坏，所以无法检测到地标。
因此，本领域存在改进的需要，并且特别是需要一种可以比目前已知的系统和方法更准确和/或更稳健地确定车辆在地图中的位置的系统和方法。
发明内容
因此，本发明的目标是提供一种用于确定自我车辆的地图位置的方法、相应的车辆控制系统和计算机程序产品以及包括这样的车辆控制系统的车辆，其减轻了目前已知系统的上述全部或至少一些缺点。
该目标是利用所附权利要求中定义的方法、车辆控制系统、计算机程序产品和车辆来实现的。在本发明上下文中，术语示例性被理解为用作实例、示例或说明。
根据本发明的第一方面，提供了一种用于确定/估计自我车辆的地图位置的方法，该自我车辆具有包括自我车辆的地理坐标集的地理位置，其中该方法包括：
获取包括自我车辆的周围环境的道路几何形状的地图数据；
通过以下步骤初始化至少一个动态地标：
测量位于自我车辆的周围环境中的一个或多个周围车辆相对于自我车辆的位置和速度；
基于周围车辆的所测量的位置和自我车辆的地理位置确定周围车辆的第一地图位置；
基于每个周围车辆的所确定的第一地图位置、每个周围车辆的测量速度和道路几何形状，来预测每个周围车辆的第二地图位置；
当周围车辆被估计为位于第二地图位置时，测量每个周围车辆相对于自我车辆的地点；并且
基于每个周围车辆的所预测的第二地图位置和每个周围车辆的所测量的地点，来更新自我车辆的地理位置。
利用所提议的方法，即使在卫星覆盖率差的区域和/或可用的“固定”地标数量不足的区域，也可以准确地确定车辆的地图位置。特别是，该方法适用于车辆能够使用包含道路几何形状的地图(通常称为HD地图)导航/驾驶的系统。更详细地说，该方法通过将周围车辆视为“动态”地标的形式(“动态”用于区别于常规的“固定”地标，比如道路标志、红绿灯、障碍物等)，使得能够使用周围车辆来确定自我车辆的当前地图位置。
本发明上下文中的车辆可以是任何类型的合适的道路车辆，比如汽车、公共汽车、卡车等。
所提出的方法的优点是，它允许在适用于自动驾驶或半自动驾驶的车辆定位(localization)系统中增加稳健性/冗余度。与目前已知的解决方案相比，在可用/可检测的地标较少或不存在的情况下，和/或在车辆传感器发生故障且无法进行地标识别(而周围车辆的雷达测量仍然可以)的情况下，尤其可以实现稳健性的提高。例如，传感器故障可能是车辆的一个或多个摄像机被太阳遮住。
在本发明上下文中，自我车辆的地理位置被解释为自我车辆的地图位置(也可以被称为地图中位置)。换句话说，地理位置或地图位置可以被理解为全球坐标系统中的坐标集(两个或多个坐标)。自我车辆的周围环境可以被理解为自我车辆周围的一般区域，在该区域中，目标可以通过车辆传感器(雷达、LIDAR、摄像机等)被检测和识别(比如其他车辆、地标、障碍物等)，即，在自我车辆的传感器范围内。
此外，在本公开中，术语位置(position)和地点(location)可以互换和同义地使用，其目的是区分初始化阶段(确定周围车辆的地图位置)和随后的定位阶段(基于周围车辆的预测的地图位置和自我车辆参照周围车辆的相对位置来确定自我车辆的地图位置)。因此，术语地点可以被解释为特定的地方或位置。
本发明至少部分地基于这样的认识：为了能够更接近完全自动驾驶车辆的视野，提供进一步用于增加目前已知系统的冗余度以便可以确保车辆在任何情况下的准确“地图中定位(positioning)”的替代方案将是有利的。这意味着，即使在卫星覆盖率差的区域和固定地标数量不足的区域，车辆也必须能够确切地“知道”车辆在哪里。因此，发明人认识到，可以利用周围交通来定位地图中的自我车辆。更详细地说，发明人认识到，即使周围车辆不能被视为可与已知地图位置进行比较的固定/静态地标，它们也可以被解释为在车道上具有缓慢变化的横向位置的动态地标。
在更具说明性的示例中，该方法可以理解为，首先在自我车辆的局部坐标系统中确定一个或多个周围车辆的位置(即，参照自我车辆确定每个周围车辆的位置)。然而，由于自我车辆的地理坐标已知，因此可以将周围车辆在局部坐标系统中的位置转换为全球/地图坐标系统，然后也可以在地图中确定“动态地标”。此外，将周围车辆的相对测量(位置和速度)与道路几何形状一起被用于预测/估计每个周围车辆的新的地图位置。这可以在每次测量每个周围车辆相对于自我车辆的位置和速度之后重复进行，从而可以在地图上“跟踪”周围车辆。换句话说，在初始化之后，每个周围车辆相对于自我车辆的位置的每次测量可用于确定/估计自我车辆的地理位置，并同时预测每个周围车辆的下一个地图位置。预测周围车辆的第二地图位置的步骤可以进一步基于周围车辆的加速度。例如，加速度可以由周围车辆的所测量的速度来计算。
所提出的方法主要用于提高目前已知的一般定位方法的稳健性(robustness)，但也作为用于如前所例举的常规已知方法的一种自动防故障(fail-safe)的替代方法。
根据本发明的示例性实施例，该方法进一步包括利用全球导航卫星系统GNSS来确定自我车辆的地理坐标集。作为先决条件，自我车辆在地图(地理位置)中的位置可由基于卫星的系统(比如GPS、GLONASS或任何其他区域性GNSS)确定。
此外，额外地或可替代地，自我车辆的地理坐标集的确定可进一步包括：
测量自我车辆的比力和角速度；并且
将测量的比力和角速度与道路几何形状进行比较，以确定自我车辆的地理坐标集。换句话说，自我车辆的内部IMU单元可以用于确定自我车辆的初始地图位置。这与上述GNSS系统结合使用可以是有利的，以提高自我车辆的地图定位的准确度。
此外，根据本发明的另一示例性实施例，地图数据进一步包括在自我车辆的周围环境中至少一个固定地标的固定地标地点坐标，并且其中，该方法进一步包括：
通过以下步骤确定自我车辆的地理坐标集：
测量至少一个固定地标相对于自我车辆的固定地标位置；并且
比较所测量的固定地标位置和固定地标地点坐标。
通过将动态地标(即周围车辆)与固定地标结合使用，可以实现更稳健的确定位置(positioning)/定位(localization)方法。特别是，地图数据包含在车辆的周围环境中一个或多个固定地标的地理坐标，并且通过测量自我车辆相对于这些固定地标中一个或多个的位置，可以以高精确度计算自我车辆的地理坐标(即地图位置)。换言之，相对固定地标测量从“车辆坐标系统”被转换为全球/地图坐标系统。
此外，动态地标和固定地标的结合可以用于提高自我车辆地理位置估计的准确度，并且尤其在没有或只有少量固定地标可用的情况下，提高整体定位方法的稳健性。
此外，该方法可以包括加权处理，其中，根据预定义的加权准则，用不同的因子对利用动态地标确定的定位和利用固定地标确定的定位进行加权。例如，根据在周围环境中有多少动态/固定地标可用以及其质量如何，加权标准可以是数据质量或数据可用性。
此外，根据本发明的又一示例性实施例，初始化动态地标的步骤进一步包括：
基于预定义的选择准则，检测并选择在自我车辆的周围环境中的周围车辆；
其中，测量周围车辆相对于自我车辆的位置和速度的步骤包括：测量所选择的周围车辆相对于自我车辆的位置和速度；并且
其中，测量周围车辆相对于自我车辆的地点的步骤包括：测量所选择的周围车辆相对于自我车辆的地点(当估计周围车辆处于预测的第二地图位置时)。因此，可以进一步优化该方法，以便主要关注合适的周围车辆，以便进一步提高准确度、效率并且潜在地节省处理功率。例如，一些周围车辆可能是不合适的“动态地标”，比如它们在相反方向上行驶或比自我车辆快/慢得多，这意味着它们很快将在相对测量的范围之外，并且对于自我车辆的定位来说不是特别可靠的参照点。因此，预定义的选择准则可以是下述中的至少一个：
周围车辆的速度为V±10％，其中V是自我车辆的速度；
周围车辆的行驶方向与自我车辆基本上相同；并且
周围车辆和自我车辆之间的相对距离低于预定义的阈值距离。如前所述，对将被初始化为动态地标并随后用作自我车辆的地图定位的参考点的周围车辆池进行限制可能是有利的。特别是，关注一个或多个周围车辆可能是有利的，该周围车辆将在一定范围内进行较长时间的相对测量(例如与在相反方向上行驶的车辆或比自我车辆快/慢得多的车辆相反)。
此外，根据本发明的另一示例性实施例，该方法进一步包括形成用于计算自我车辆的地理位置的状态向量，该状态向量包含表示自我车辆的地理坐标的车辆元素集和自我车辆的取向。形成表示车辆的地理位置和取向的状态向量为将来估计/确定自我车辆的位置提供了简单且有效的基础。在没有任何其他输入参数(比如固定或动态地标)的情况下，状态向量x可以例如包含车辆的位姿。位姿在这里被定义为2D笛卡尔位置(ξx，ξy)和自我车辆的取向θ。因此，状态向量可以表示为x＝[ξx，ξy，θ]T。因此，根据本发明的又一示例性实施例，更新地理位置的步骤包括更新状态向量中的自我车辆元素集。状态向量随后可被扩展以使状态向量包括一个或多个周围车辆的位置。
因此，根据又一示例性实施例，其中确定周围车辆的地图位置的步骤包括：扩展状态向量以包括表示周围车辆的地图位置的新元素；并且
其中，预测周围车辆的地图位置的步骤进一步包括：更新状态向量中表示周围车辆的地图位置的元素。因此，对于N个周围车辆，状态向量则可以表达为x＝[ξx，ξy，θ，(X1，Y1)，(X2，Y2)...(XN，YN)]T，其中(Xi，Yi)指示第i个周围车辆的地图位置。与每个周围车辆相关的元素的数量和类型取决于用于计算状态向量的滤波器选择，并且不应限于此特定示例。
此外，该方法可以包括在每次测量之后更新状态向量中与周围车辆相关联的每个元素集的步骤。这将能够在地图中对周围的车辆进行某种“跟踪”。
此外，根据本发明的又一示例性实施例，预测周围车辆的地图位置的步骤进一步基于预定义的车辆运动模型。这是为了能够在一些计算模型中预测周围车辆的地图位置。例如，预定义的运动模型可以基于周围车辆的横向运动慢(或至少比周围车辆的纵向运动慢得多)的假设。换句话说，假设纵向位置(沿道路主延长轴)的变化远远大于横向位置(侧向运动)的变化。
此外，根据本发明的第二方面，提供了一种用于确定自我车辆的地图位置的车辆控制系统，该系统包括：
定位系统，被配置为确定自我车辆的地理坐标集和自我车辆的取向；
车辆感知系统，包括至少一个用于检测在自我车辆外部的目标的传感器；
车辆控制单元，连接到定位系统和车辆感知系统，其中车辆控制单元被配置为：
获取包括自我车辆的周围环境的道路几何形状的地图数据；
利用定位系统估计自我车辆的地理位置；
通过以下步骤初始化至少一个动态地标：
利用车辆感知系统测量位于周围环境中的周围车辆相对于自我车辆的位置和速度，并且
基于自我车辆的地理位置和周围车辆的所测量的位置，确定周围车辆的第一地图位置，
基于周围车辆的所确定的第一地图位置、周围车辆的所测量的速度和道路几何形状，预测周围车辆的第二地图位置；
当估计周围车辆处于第二地图位置时，利用定位系统测量自我车辆相对于周围车辆的地点；并且
基于周围车辆的所预测的第二地图位置和周围车辆的所测量的地点，更新自我车辆的估计的地理位置。
对于本发明的这一方面，与先前讨论的本发明的第一方面一样，存在类似的优点和优选特征，并且反之亦然。
可利用适当的软件、硬件或其组合来提供车辆控制单元。此外，术语“连接到”在本发明上下文中作广义的解释，并且可以理解为在通信连接中。因此，能够在彼此之间直接或间接交换数据的两个单元/实体被认为是彼此连接的。例如，车辆控制单元可以直接从定位系统和感知系统获取数据，或者通过中央处理器检索数据。
此外，根据本发明的另一方面，提供了一种包括根据本发明的第二方面的车辆控制系统的车辆。对于本发明的这一方面，与在本发明的先前讨论的方面中一样，存在类似的优点和优选特征。
此外，根据本发明的另一方面，提供了一种非暂时性计算机可读存储介质，存储被配置成要由车辆控制系统的一个或多个处理器执行的一个或多个程序，给一个或多个程序包括用于进行根据参照本发明的第一方面讨论的实施例中的任一个的指令。对于本发明的这一方面，与在本发明的先前讨论的方面中一样，存在类似的优点和优选特征。
在本发明上下文中，术语自我车辆不应被解释为限于进行所有或一些方法步骤的地方，而应被解释为用于区分“活动”车辆与其他周围车辆的术语。因此，一些或所有方法步骤可由车辆内部的处理器、由外部实体的外部处理器(例如基于云的解决方案)或其组合执行。
下文将参照下面描述的实施例进一步明确本发明的这些和其他特征和优点。
附图说明
出于示例的目的，下面将参照附图中所图示的本发明的实施例来更详细地描述本发明，其中：
图1是根据本发明实施例的用于确定自我车辆(ego-vehicle)的地图位置的方法的流程图表示；
图2是根据本发明另一实施例的用于确定自我车辆的地图位置的方法的流程图表示；
图3是根据本发明实施例的具有用于估计自我车辆的地图位置的车辆控制系统的车辆的示意性俯视图表示。
具体实施方式
在下面的详细描述中，将描述本发明的一些实施例。然而，应当理解，不同实施例的特征在实施例之间是可交换的，并且可以以不同方式组合，除非另有特别说明。即使在下面的描述中阐述了许多具体细节以提供对本发明的更透彻的理解，但是对于本领域技术人员来说显而易见的是，本发明可以在没有这些具体细节的情况下实施。在其他情况下，不详细地描述众所周知的结构或功能，以免使本发明不清楚。即使以下公开可能更针对汽车形式的车辆，本发明也适用于其他类型的车辆，比如公共汽车、卡车等。
图1示出了用于估计/确定自我车辆的地图位置的方法100的流程图表示，其中自我车辆具有包括自我车辆的地理坐标集的预定义地理位置。例如，可以通过GNSS系统、车辆IMU(惯性测量单元)系统、地标测量定位系统或其组合来确定109预定义的地理位置。
该方法进一步包括获取101地图数据的步骤，该地图数据包括周围环境的道路几何形状。道路几何形状包括位置道路地图数据的表示(例如，道路中心或车道中心)和/或道路形状的表示(例如，曲率和/或朝向)。当然，确定自我车辆的地理位置的一些可替代方法可能需要一些地图数据。例如，当使用IMU数据或地标估计地理位置时。因此，可以由GNSS系统进行地理位置的初始粗略估计，然后可以通过使用地图数据和另外的测量技术(例如IMU数据和地标测量)来改进估计。
具体地，通过测量121自我车辆的比力和角速度(例如，通过IMU测量)并将测量的比力和角速度与道路几何形状进行比较122以确定自我车辆的地理坐标，可以来完成地理坐标集的确定。此外，另外或可选地，地图数据可以包括在周围环境中的周围环境中的至少一个固定地标(stationary landmark)的坐标，并且相应地，通过测量123固定地标的位置并将测量的固定地标的位置与固定地标地点坐标进行比较124，可以确定地理坐标集。
此外，至少一个动态地标被初始化102。初始化步骤包括测量104位于自我车辆的周围环境中的周围车辆相对于自我车辆的位置和速度。然后，确定105周围车辆的第一地图位置。基于周围车辆的测量位置和自我车辆的地理位置来进行计算。更详细地说，该步骤可以解释为坐标转换，其中自我车辆局部坐标系统(相对位置)中的测量被转换为全球坐标系统(例如GPS位置)。
动态地标初始化102可以进一步包括选择过程，在选择过程中基于预定义的选择标准，检测并选择103周围车辆。预定义的选择标准可以包括下述中的一个或多个：
周围车辆的速度为V±10％，其中V是自我车辆的速度。
周围车辆的行驶方向与自我车辆基本上相同。
周围车辆和自我车辆之间的相对距离低于预定义的阈值距离。
因此，测量步骤104和确定步骤105则可能仅对所选周围车辆执行，因为可以“跟踪”更合适的动态地标，这可以节省处理功率并提高定位/确定位置的方法的整体准确度。通过使用合适的动态地标，可以在较长的时间段内使用单独的周围车辆，这增加了稳健性，因为在定位过程中不断引入的“新”动态地标的量减少。换句话说，通过增加在较长时间段内使用同一动态地标的概率，使得定位/确定位置的方法更加稳定和可靠。
此外，动态地标和固定地标的组合可用于提高自我车辆地理位置估计的准确度，并且具体地，在没有或只有少量固定地标可用的情况下增加整体定位方法100的稳健性。
此外，方法100可以包括加权过程，其中，根据预定义的加权准则，用不同的因子对通过动态地标确定的定位和通过固定地标确定的定位进行加权。例如，根据周围环境中有多少动态/固定地标可用以及质量如何，加权标准可以是数据质量或数据可用性。
此外，预测106每个周围车辆(每个初始化的动态地标)的第二地图位置。预测基于周围车辆的所确定的第一地图位置、所测量的周围车辆的速度和道路几何形状(地图数据的一部分)。方法100进一步包括在估计每个周围车辆处于第二地图位置的时间点处测量107每个周围车辆相对于自我车辆的地点。随后，基于所预测的每个周围车辆的第二地图位置和所测量的每个周围车辆的地点，更新108自我车辆的地理位置。换句话说，相对测量107是从自我车辆的局部坐标系统转换为全球坐标系统(例如GPS)。
因此，一旦动态地标被初始化，就可以至少暂时地仅基于预测的地图位置和相对测量来计算自我车辆在地图(地理位置)中的位置。当然，新的动态地标可能会被不断地初始化和“跟踪”，并且初始化的动态地标可能会由于变化的条件和周围环境的变化而在途中掉落。此外，如果注意到基于动态地标确定的自我车辆的地理位置与GNSS测量和/或静态地标测量不太相关，则可以重新初始化已经初始化的动态地标。
图2显示出根据本发明的实施例的用于确定自我车辆的地图位置的方法的另一流程图表示。方法200的几个步骤与先前参考图1中讨论的实施例中的步骤相同，并且为了简洁起见，将不重复。类似地，假设自我车辆具有已知的地理位置，该地理位置包括地理坐标集以及可选地包括车辆的取向(orientation)。然而，该方法可以包括如已经例举的确定/估计的地理位置的步骤。
接着，方法200包括获取101地图数据的步骤，以及形成110自我车辆的状态向量。状态向量包括表示自我车辆的地理坐标和自我车辆的取向的自我车辆元素集，换句话说，状态向量可以说包含自我车辆的位姿(位置和取向)。更详细地说，方法200可以被解释为具有状态向量x的定位滤波器，该状态向量x包含2D笛卡尔位置(ξx，ξy)和自我车辆的取向(θ)。当然，如本领域技术人员已经实现的，状态向量还可以包含3D笛卡尔位置和三个不同的取向/角度(在每个轴之间)。然而，继续前面的2D示例，状态向量可以表示为：
x＝[ξX，ξY，θ]T (1)
状态向量的估计值x可以通过例如使用需要两种模型的贝叶斯(Bayesian)滤波器来计算。首先，过程模型：
x(t+T)＝f(x(t)，w(t))， (2)
过程模型描述了在给定初始状态和白高斯过程w(t)的情况下，如何预测状态向量的变化。此外，所测量的速度可以解释为对滤波器的确定性输入：
u＝[v1，v2...vN]T (3)
因此，如果进一步包括确定性输入(例如速度测量)，则过程模型可以被构造为：
x(t+T)＝f(x(t)，u(t)，w(t))， (4)
第二，测量模型：
z(t)＝h(x(t)，e(t))， (5)
测量模型与白高斯过程e(t)一起用于将存储在向量z(t)中的传感器观测值与状态向量x(t)相关联。高斯过程e(t)在(3)中用于建立传感器观测值中的误差模型。
此外，自我车辆的地理位置和取向与周围车辆的地图位置在同一滤波器中一起估计。因此，状态向量参数化被修改为包括定位滤波器中的周围交通，从初始化102一个或多个动态地标开始。初始化102包括测量104一个或多个周围车辆相对于自我车辆的位置和速度(例如，通过自我车辆的雷达、LIDAR或任何其他合适的感测布置)。因此，N个周围车辆的相对位置被存储在测量向量中：
Figure BDA0002244633640000101
可替代地，状态向量x可以被扩展以进一步包括所测量的速度vi，然而从计算的角度来看，限制状态向量x中的元素的数量是有利的。初始化102还可以包括如前面参考图1所述的选择过程103。
在初始化的进一步步骤中，周围车辆相对于自我车辆的位置被转换为地理/地图位置。更详细地说，进行从自我车辆的坐标系统到全球(地图)坐标系统的转换。换句话说，基于所测量的每个周围车辆的位置
Figure BDA0002244633640000102
和自我车辆的地理位置，确定105每个周围车辆的地图位置。这里，状态向量被扩展111为包括表示每个周围车辆的地图位置(Xi，Yi)的元素：
x＝[ξX，ξY，θ，(X1，Y1)，(X2，Y2)..(XN，YN)]T (7)
然而，根据本发明的示例性实施例，并且为了使能将周围车辆在道路上的纵向和横向运动分离的预测模型，道路对准坐标系统被使用。因此，通过假设周围车辆缓慢地改变其在道路上的横向位置(相对于其纵向位置)，可以在道路坐标
Figure BDA0002244633640000119
中描述其他车辆的状态向量参数化111。在本发明上下文中，道路坐标被视为表示“地图位置”的一个示例。这里，RX是沿ego车道中心的纵向距离，RY是相对于ego车道中心的横向距离，得到以下状态向量：
Figure BDA0002244633640000111
为了对周围车辆的未来位置进行预测，使用预测模型，如等式(9)和(10)所述。更详细地说，横向位置可以建模为随机行走模型：
Figure BDA0002244633640000112
并且利用周围车辆的所测量的速度可以预测纵向位置：
Figure BDA0002244633640000113
因此，基于所确定的每个周围车辆的第一地图位置、所测量的每个周围车辆的速度和道路几何形状，预测106每个周围车辆i的第二地图位置，从而可以更新112状态向量。
知道周围车辆的预测的地图位置，对每个周围车辆的地点/位置
Figure BDA0002244633640000114
进行测量107，并再次更新113状态向量x。更详细地说，为了更新113状态向量x，等式(5)中的测量模型采用从道路坐标系统
Figure BDA0002244633640000115
到自我车辆坐标系统的转换的形式
Figure BDA0002244633640000116
Figure BDA0002244633640000117
换言之，根据所预测的周围车辆的地图位置
Figure BDA0002244633640000118
当估计/预期每个周围车辆处于其第二地图位置时，对每个周围车辆的地点/位置进行测量107。然而，在该特定示例中，该过程可以被解释为进行测量107，并且该方法包括预测进行测量时的地图位置(在道路坐标系统中)。换句话说，当基于先前的测量并利用方程式(9)和(10)进行测量时，确定周围车辆“应在”的位置。
因此，由于每个周围车辆的地图位置是“已知的”，并且自我车辆参照每个周围车辆的相对位置是已知的，因此可以将周围车辆视为地标(动态地标)的形式，并且基于该信息更新108自我车辆的地理位置。这里，地理位置的更新108包括更新113状态向量元素。
总之，本发明方法100、200可以理解为首先在自我车辆的局部坐标系统中确定一个或多个周围车辆的位置(即，参照自我车辆确定每个周围车辆的位置)。然而，由于自我车辆的地理坐标已知，因此可以将周围车辆在局部坐标系统中的位置转换为全球/地图坐标系统，并且然后也可以在地图中确定“动态地标”。此外，将周围车辆的相对测量(位置和速度)与道路几何形状一起用于预测/估计每个周围车辆的新的地图位置。这可以在每个周围车辆相对于自我车辆的位置和速度的每次测量之后重复进行，从而可以在地图上“跟踪”周围车辆。换句话说，在初始化之后，每个周围车辆相对于自我车辆的位置的每个测量可被用于确定/估计自我车辆的地理位置，并同时预测每个周围车辆的下一个地图位置。预测周围车辆的第二地图位置的步骤可以进一步基于周围车辆的加速度。例如，加速度可以根据所测量的周围车辆的速度计算。
图3示出了根据本发明的实施例的具有车辆控制系统10的车辆1的示意性俯视图示。具有车辆控制系统10的车辆1在下文中将被称为自我车辆1。示意性图示显示出在具有四条独立车道的道路上的自我车辆和3个周围车辆2a、2b、2c。两个周围车辆2a、2b与自我车辆行驶方向相同(即在道路的同一侧上)，而一个周围车辆2c行驶在道路的相反侧。
车辆控制系统10包括定位系统11，定位系统11被配置成确定自我车辆1的地理坐标集(即地图位置)和自我车辆1的取向。车辆的取向是车辆行驶的取向，即车辆取向(前进取向)。此外，控制系统10具有车辆感知系统12，该车辆感知系统12包括至少一个用于检测并识别自我车辆1的外部的目标的传感器(未示出)。例如，车辆感知系统12可以包括雷达布置、LIDAR布置、一个或多个摄像机或任何其他合适的传感器中的一个或多个。
例如，车辆控制单元13可以表现为通用处理器、专用处理器、包含处理组件的电路、一组分布式处理组件、一组被配置为用于处理的分布式计算机、现场可编程门阵列(FPGA)等。车辆控制单元13可以进一步包括微处理器14、微控制器、可编程数字信号处理器或另一可编程设备。车辆控制单元13还可以包括、或者可代替地包括专用集成电路(ASIC)、可编程门阵列或可编程阵列逻辑、可编程逻辑设备或数字信号处理器。在控制器13包括可编程设备(比如上述微处理器、微控制器或可编程数字信号处理器)的情况下，处理器可以进一步包括控制可编程设备的操作的计算机可执行代码。
(车辆控制单元13的)处理器14可以是或可以包括用于进行数据或信号处理或用于执行存储在存储器16中的计算机代码的任意数量的硬件组件。车辆控制单元13可以具有相关联的存储器16，并且存储器16可以是用于存储用于完成或促进本说明书中描述的各种方法的数据和/或计算机代码的一个或多个设备。存储器16可以包括易失性存储器或非易失性存储器。存储器16可以包括数据库组件、目标代码组件、脚本组件或用于支持本说明书的各种活动的任何其他类型的信息结构。根据示例性实施例，任何分布式或本地存储器设备都可与本说明书的系统和方法一起使用。根据示例性实施例，存储器16可通信地连接到处理器14(例如，通过电路或任何其他有线、无线或网络连接)，并且包括用于执行本文所述的一个或多个处理的计算机代码。
接着，车辆控制系统13具有连接到定位系统11和车辆感知系统12的车辆控制单元13。控制单元被配置为执行根据本发明的上述实施例中的任何一个的方法。更详细地，车辆控制单元13被配置成获取包括自我车辆的周围环境的道路几何形状的地图数据。应当理解，车辆控制单元13可以包括数字信号处理器，该数字信号处理器被布置并配置为与非现场服务器或基于云的服务器进行数字通信。因此，可以向车辆控制单元13发送数据，并且可以从车辆控制单元13发送数据。然后，利用定位系统11来确定自我车辆的地理位置，该定位系统11可以利用GNSS系统、IMU数据和道路几何形状来确定地理位置，和/或通过使用前面已例举的固定地标来确定地理位置。
因此，可选地，根据控制电路中提供的功能，可以提供一个或多个通信接口15和/或一个或多个天线接口(未示出)，并且此外还可以提供一个或多个传感器接口(未示出)以从车辆内的传感器获取数据。
应当认识到，通信/天线接口还可以提供直接或通过车辆中的专用传感器控制电路来获取传感器数据的可能性：例如，可以通过天线接口获取GPS数据，车辆中的一些传感器可以使用本地网络设置(比如CAN总线、12C、以太网、光纤等)与控制电路通信。通信接口可以被布置成与车辆的其它控制功能通信，并且因此也可以被视为控制接口；然而，可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有协议(比如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术)的无线类型。
接下来，控制单元被配置为通过下述操作来初始化至少一个动态地标：
利用车辆感知系统来测量22a、22b、22c位于周围环境中的一个或多个周围车辆2a、2b、2c相对于自我车辆1的位置和速度。
基于自我车辆1的地理位置和所测量的周围车辆2a、2b、2c的位置，确定每个周围车辆22a、22b、22c的第一地图位置。
换句话说，控制单元10被配置成首先确定一个或多个周围车辆2a、2b、2c在自我车辆1的局部坐标系统中的位置，并且然后将该位置转换为全球坐标系统。
此外，车辆控制单元10被配置成预测每个周围车辆2a、2b、2c的第二(未来)地图位置。该预测基于所确定的每个周围车辆2a、2b、2c的第一地图位置、所测量的每个周围车辆2a、2b、2c的速度和道路几何形状。然后，当预期/估计周围车辆2a、2b、2c处于第二地图位置时，利用定位系统测量自我车辆相对于周围车辆2a、2b、2c的地点。因此，通过知道自我车辆1相对于周围车辆2a、2b、2c的位置，并且同时“知道”每个周围车辆2a、2b、2c在地图中的何处(或者至少应该是)，可以计算自我车辆1的地理位置。因此，控制单元10被配置成基于所预测的每个周围车辆2a、2b、2c的第二地图位置和所测量的每个周围车辆2a、2b、2c的地点来更新自我车辆的估计的地理位置。
如前所述，动态地标的初始化可以包括检测过程和选择过程，其中控制单元10被配置为基于预定义的选择标准来检测并选择周围车辆2a、2b、2c。例如，预定义的选择标准可以是，周围车辆2a、2b、2c的行驶方向21a、21b、21c与自我车辆1的行驶方向基本上相同(即，车辆在相同的大体方向上行驶)。因此，在图3中，车辆控制单元10可以避免利用定位系统11测量在相反方向21c上行驶的周围车辆2c的位置。
此外，车辆1可以通过例如无线链路连接到外部网络(例如，用于检索地图数据)。相同或某些其他无线链路可用于与车辆附近的其他车辆或与本地基础设施元件通信。蜂窝通信技术可用于远程通信，比如到外部网络的通信，并且如果所使用的蜂窝通信技术具有低延迟，则也可用于车辆之间的通信、V2V和/或车辆到基础设施、V2X。蜂窝无线电技术的示例包括GSM、GPRS、EDGE、LTE、5G、5G NR，等等，也包括未来的蜂窝解决方案。然而，在一些解决方案中，使用了中到短程通信技术，比如无线局域网(LAN)，例如基于IEEE 802.11的解决方案。ETSI正在研究用于车辆通信的蜂窝标准，并且例如，由于低延迟和对高带宽和通信信道的高效处理，5G被认为是合适的解决方案。
本公开预期在任何机器可读介质上用于完成各种操作的方法、设备和程序产品。本公开的实施例可以使用现有的计算机处理器来实现，或者由为该目的或另一目的而合并的用于适当系统的专用计算机处理器来实现，或者由硬连线系统来实现。本公开的范围内的实施例包括程序产品，该程序产品包括用于携带或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这种机器可读介质可以是可由通用或专用计算机或具有处理器的其他机器访问的任何可用介质。
举例来说，这种机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘储存器、磁盘储存器或其他磁性储存设备，或任何其他介质，该其他介质可用于以机器可执行指令或数据结构的形式携带或存储所需的程序代码并且可被通用或专用计算机或其他具有处理器的机器访问。当信息在网络或其他通信连接(硬接线、无线、或硬接线或无线的组合)上被传输或提供给机器时，机器将该连接适当地视为机器可读介质。因此，任何这样的连接都被适当地称为机器可读介质。上述的组合也包括在机器可读介质的范围内。机器可执行指令包括例如使通用计算机、专用计算机或专用处理机器执行某一功能或一组功能的指令和数据。
因此，应当理解，所描述的解决方案的部分可以在车辆中、位于车辆外部的系统中或者在车辆内部和外部的组合中实现；例如在与车辆通信的服务器中，所谓的云解决方案。例如，传感器数据可以被发送到外部系统，并且该系统执行步骤以确定周围车辆的预测位置，并发送回指示预测位置和用于控制车辆的其他相关参数的信息。
总之，所提出方法的优点是，该方法允许在合适的自动驾驶或半自动驾驶的车辆定位系统中增加稳健性/冗余度。与目前已知的解决方案相比，在可用/可检测的地标较少或不存在的情况下，和/或在车辆传感器发生故障且无法进行地标识别(而周围车辆的雷达测量仍然可以)的情况下，尤其可以实现稳健性的提高。例如，传感器故障可能是车辆的一个或多个摄像机被太阳遮住。
尽管图中可以显示方法步骤的特定顺序，但步骤的顺序可能与所描述的不同。此外，可以同时执行或部分同时执行两个或更多个步骤。例如，预测步骤和地点测量步骤可以基于如前面所例举的特定实现来互换。这种变化将取决于软件和硬件系统的选择和设计师的选择。所有这些变化都在本公开的范围内。同样，软件实现可以用基于规则的逻辑和其他逻辑的标准编程技术来完成，以完成各种连接步骤、处理步骤、比较步骤和决定步骤。此外，即使本公开已经参照本公开的具体的示例性实施例被描述，但对于本领域技术人员来说，许多不同的改变、修改等将变得显而易见。
示例性方法、设备和计算机可读存储介质在以下项目中设定：
1、一种用于确定自我车辆的地图位置的方法，自我车辆具有包括自我车辆的地理坐标集的地理位置，该方法包括：
获取包括自我车辆的周围环境的道路几何形状的地图数据；
通过以下步骤初始化至少一个动态地标：
测量位于自我车辆的周围环境中的周围车辆相对于自我车辆的位置和速度；
基于周围车辆的所测量的位置和自我车辆的地理位置，确定周围车辆的第一地图位置；
基于周围车辆的所确定的第一地图位置、周围车辆的所测量的速度和道路几何形状，预测周围车辆的第二地图位置；
当估计周围车辆处于第二地图位置时，测量周围车辆相对于自我车辆的地点；以及
基于周围车辆的所预测的第二地图位置和周围车辆的所测量的地点，更新自我车辆的地理位置。
2、根据第1项的方法，进一步包括：
通过全球导航卫星系统(GNSS)确定自我车辆的地理坐标集。
3、根据第1项或第2项的方法，进一步包括：
通过以下步骤确定自我车辆的地理坐标集：
测量自我车辆的比力和角速度；并且
将所测量的比力和角速度与道路几何形状进行比较，以确定自我车辆的地理坐标集。
4、根据第1至3项中任一项的方法，其中，地图数据进一步包括在自我车辆的周围环境中的至少一个固定地标的固定地标地点坐标，并且其中该方法进一步包括：
通过以下步骤确定自我车辆的地理坐标集：
测量至少一个固定地标相对于自我车辆的固定地标位置；并且
比较所测量的固定地标位置和固定地标地点坐标。
5、根据前述任一项的方法，其中，初始化动态地标的步骤进一步包括：
基于预定义的选择准则，检测并选择自我车辆的周围环境中的周围车辆；
其中，测量周围车辆相对于自我车辆的位置和速度的步骤包括：测量所选择的周围车辆相对于自我车辆的位置和速度；并且
其中，测量周围车辆相对于自我车辆的地点的步骤包括：测量所选择的周围车辆相对于自我车辆的地点。
6、根据第5项的方法，其中，所述预定义选择标准至少为下述中的一种：
周围车辆的速度为V±10％，其中V是自我车辆的速度；
周围车辆的行驶方向与自我车辆基本上相同；以及
周围车辆和自我车辆之间的相对距离低于预定义的阈值距离。
7、根据前述任何一项的方法，进一步包括：形成用于计算自我车辆的地理位置的状态向量，该状态向量包括表示自我车辆的地理坐标和自我车辆的取向的自我车辆元素集。
8、根据第7项的方法，其中更新地理位置的步骤包括：更新状态向量中的自我车辆元素集合。
9、根据第7项或第8项的方法，其中，确定周围车辆的地图位置的步骤包括：扩展状态向量以包括表示周围车辆的地图位置的新元素；并且
其中，预测周围车辆的地图位置的步骤进一步包括：更新状态向量中表示周围车辆的地图位置的元素。
10、根据上述任一项的方法，其中，预测周围车辆的地图位置的步骤进一步基于预定义的车辆运动模型。
11、根据第10项的方法，其中预定义的运动模型基于周围车辆的横向运动缓慢的假设。
12、一种用于确定自我车辆的地图位置的车辆控制系统，该系统包括：
定位系统，被配置为确定自我车辆的地理坐标集和自我车辆的取向；
车辆感知系统，包括至少一个用于检测在自我车辆外部的目标的传感器；
车辆控制单元，连接到定位系统和车辆感知系统，其中车辆控制单元被配置为：
获取包括自我车辆的周围环境的道路几何形状的地图数据；
利用定位系统估计自我车辆的地理位置；
通过以下步骤初始化至少一个动态地标：
利用车辆感知系统测量位于周围环境中的周围车辆相对于自我车辆的位置和速度，并且
基于自我车辆的地理位置和周围车辆的所测量的位置，确定周围车辆的第一地图位置，
基于周围车辆的所确定的第一地图位置、周围车辆的所测量的速度和道路几何形状，预测周围车辆的第二地图位置；
当估计周围车辆处于第二地图位置时，利用定位系统测量自我车辆相对于周围车辆的地点；并且
基于周围车辆的所预测的第二地图位置和周围车辆的所测量的地点，更新自我车辆的所估计的地理位置。
13、一种非暂时性计算机可读存储介质，存储被配置成由车辆控制系统的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行根据第1至11项中任一项所述的方法的指令。
14、一种车辆，包括根据第12项所述的车辆控制系统。
应注意，词语“包含”不排除存在除所列元素或步骤之外的其他元素或步骤，并且元素之前的词语“一”或“该”不排除多个此类元素的存在。还应注意，任何附图标记都不限制权利要求的范围，本发明至少可以部分地通过硬件和软件来实现，并且几个“装置”或“单元”可以由同一硬件项目来表示。
以上提及和描述的实施例仅作为示例给出，并且不应限于本发明。对于本领域技术人员来说，所附的专利实施例中所要求保护的本发明范围内的其他解决方案、用途、目标和功能应当是显而易见的。

Claims (14)

1.一种用于确定自我车辆的地图位置的方法(100，200)，所述自我车辆具有包括所述自我车辆的地理坐标集的地理位置，所述方法包括：
获取(101)包括所述自我车辆的周围环境的道路几何形状的地图数据；
通过以下步骤初始化(102)至少一个动态地标：
测量(104)位于所述自我车辆的所述周围环境中的周围车辆相对于所述自我车辆的位置和速度；
基于所述周围车辆的所测量的位置和所述自我车辆的所述地理位置，确定(105)所述周围车辆的第一地图位置；
基于所述周围车辆的所确定的第一地图位置、所述周围车辆的所测量的速度和所述道路几何形状，预测(106)所述周围车辆的第二地图位置；
当估计所述周围车辆处于所述第二地图位置时，测量(107)所述周围车辆相对于所述自我车辆的地点；并且
基于所述周围车辆的所预测的第二地图位置和所述周围车辆的所测量的地点，更新(108)所述自我车辆的所述地理位置。
2.根据权利要求1所述的方法(100，200)，进一步包括：
通过全球导航卫星系统GNSS确定(109)所述自我车辆的所述地理坐标集。
3.根据权利要求1或2所述的方法(100，200)，进一步包括：
通过以下步骤确定(120)所述自我车辆的所述地理坐标集：
测量(121)所述自我车辆的比力和角速度；并且
将所测量的比力和角速度与所述道路几何形状进行比较(122)，以确定所述自我车辆的所述地理坐标集。
4.根据权利要求1至3中任一项所述的方法(100，200)，其中所述地图数据进一步包括在所述自我车辆的所述周围环境中的至少一个固定地标的固定地标地点坐标，并且其中所述方法进一步包括：
通过以下步骤确定(120)所述自我车辆的所述地理坐标集：
测量(123)所述至少一个固定地标相对于所述自我车辆的固定地标位置；并且
比较(124)所测量的固定地标位置和所述固定地标地点坐标。
5.根据前述权利要求中任一项所述的方法(100，200)，其中初始化动态地标的步骤进一步包括：
基于预定义的选择准则，检测(103)并选择所述自我车辆的所述周围环境中的周围车辆；
其中，测量(104)所述周围车辆相对于所述自我车辆的位置和速度的步骤包括：测量所选择的周围车辆相对于所述自我车辆的位置和速度；并且
其中，测量(107)所述周围车辆相对于所述自我车辆的地点的步骤包括：测量所选择的周围车辆相对于所述自我车辆的地点。
6.根据权利要求5所述的方法(100，200)，其中所述预定义的选择准则至少为下述中的一种：
所述周围车辆的所述速度为V±10％，其中V是所述自我车辆的所述速度；
所述周围车辆的行驶方向与所述自我车辆基本上相同；以及
所述周围车辆和所述自我车辆之间的相对距离低于预定义的阈值距离。
7.根据前述权利要求中任一项所述的方法(100，200)，进一步包括：形成(110)用于计算所述自我车辆的所述地理位置的状态向量，所述状态向量包括表示所述自我车辆的所述地理坐标的和所述自我车辆的取向的自我车辆元素集。
8.根据权利要求7所述的方法(100，200)，其中更新(108)所述地理位置的步骤包括：更新(113)所述状态向量中的所述自我车辆元素集。
9.根据权利要求7或8所述的方法(100，200)，其中，确定(105)所述周围车辆的地图位置的步骤包括：扩展(111)所述状态向量以包括表示所述周围车辆的所述地图位置的新元素；并且
其中，预测(106)所述周围车辆的所述地图位置的步骤进一步包括：更新(112)所述状态向量中表示所述周围车辆的所述地图位置的所述元素。
10.根据前述权利要求中任一项所述的方法(100，200)，其中，预测(106)所述周围车辆的地图位置的步骤进一步基于预定义的车辆运动模型。
11.根据权利要求10所述的方法(100，200)，其中所述预定义的运动模型基于所述周围车辆的横向运动缓慢的假设。
12.一种用于确定自我车辆(1)的地图位置的车辆控制系统(10)，所述系统包括：
定位系统(11)，被配置为确定所述自我车辆的地理坐标集和所述自我车辆的取向；
车辆感知系统(12)，包括至少一个用于检测在所述自我车辆外部的目标的传感器；
车辆控制单元(13)，连接到所述定位系统和所述车辆感知系统，其中所述车辆控制单元被配置为：
获取包括所述自我车辆的周围环境的道路几何形状的地图数据；
利用所述定位系统估计所述自我车辆的地理位置；
通过以下步骤初始化至少一个动态地标：
利用所述车辆感知系统测量位于所述周围环境中的周围车辆(2a，2b，2c)相对于所述自我车辆的位置和速度，并且
基于所述自我车辆的所述地理位置和所述周围车辆的所测量的位置，确定所述周围车辆的第一地图位置，
基于所述周围车辆的所确定的第一地图位置、所述周围车辆的所测量的速度和所述道路几何形状，预测所述周围车辆的第二地图位置；
当估计所述周围车辆处于所述第二地图位置时，利用所述定位系统测量所述自我车辆相对于所述周围车辆的地点；并且
基于所述周围车辆的所预测的第二地图位置和所述周围车辆的所测量的地点，更新所述自我车辆的所估计的地理位置。
13.一种非暂时性计算机可读存储介质，存储被配置成由车辆控制系统的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行根据权利要求1至11中任一项所述的方法(100，200)的指令。
14.一种车辆(1)，包括根据权利要求12所述的车辆控制系统(10)。
CN201911012577.3A 2018-10-23 2019-10-23 使用动态地标的定位 Pending CN111176270A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18202128.7 2018-10-23
EP18202128.7A EP3644016A1 (en) 2018-10-23 2018-10-23 Localization using dynamic landmarks

Publications (1)

Publication Number Publication Date
CN111176270A true CN111176270A (zh) 2020-05-19

Family

ID=63965415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911012577.3A Pending CN111176270A (zh) 2018-10-23 2019-10-23 使用动态地标的定位

Country Status (3)

Country Link
US (1) US11555705B2 (zh)
EP (1) EP3644016A1 (zh)
CN (1) CN111176270A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152256A (zh) * 2020-09-08 2022-03-08 大众汽车股份公司 用于第一车辆并且用于在第一车辆处估计第二车辆的方位的装置、方法和计算机程序、车辆

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11015940B2 (en) * 2018-07-13 2021-05-25 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for longitudinal position correction of a vehicle using mapped landmarks
JP2020177289A (ja) * 2019-04-15 2020-10-29 ソニー株式会社 情報処理装置、情報処理方法及び情報処理プログラム
DE102019128253B4 (de) * 2019-10-18 2024-06-06 StreetScooter GmbH Verfahren zum Navigieren eines Flurförderzeugs
US11988741B2 (en) * 2020-12-17 2024-05-21 Aptiv Technologies AG Vehicle routing based on availability of radar-localization objects
US11579250B2 (en) * 2020-12-23 2023-02-14 Robert Bosch Gmbh Lane boundary detection using radar signature trace data
DE102022202384A1 (de) * 2022-03-10 2023-09-14 Continental Automotive Technologies GmbH Multi-Access Edge Computing- basierter spezifischer Relativgeschwindigkeitsdienst

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147591A (ja) * 1994-11-17 1996-06-07 Nec Corp 交通流計測装置
GB9713314D0 (en) * 1996-12-12 1997-08-27 Samsung Electronics Co Ltd Method for guiding a driver by predicting the progress path of a car
JPH10148665A (ja) * 1996-11-19 1998-06-02 Matsushita Electric Ind Co Ltd 車車間通信による相対位置算出装置
US20120112895A1 (en) * 2010-11-10 2012-05-10 Hyundai Motor Company System and method for detecting a vehicle in the vicinity by using wireless communication
CN105698801A (zh) * 2014-12-09 2016-06-22 沃尔沃汽车公司 提高由交通工具使用的数字地图数据准确度的方法和系统
US9707961B1 (en) * 2016-01-29 2017-07-18 Ford Global Technologies, Llc Tracking objects within a dynamic environment for improved localization
KR20170094947A (ko) * 2016-02-12 2017-08-22 서울과학기술대학교 산학협력단 지도 정보를 이용한 차량 측위 시스템 및 방법
CN107860399A (zh) * 2017-09-22 2018-03-30 北京机械设备研究所 一种基于地图匹配的车载捷联惯导行进间精对准方法
CN108269395A (zh) * 2016-12-30 2018-07-10 大唐高鸿信息通信研究院（义乌）有限公司 适用于车载短距离通信网络交通拥塞预测和处理方法
CN108508883A (zh) * 2017-02-28 2018-09-07 现代自动车株式会社 车辆位置估计设备和方法及使用其的车辆
CN109073404A (zh) * 2016-05-02 2018-12-21 谷歌有限责任公司 用于基于地标和实时图像生成导航方向的系统和方法
US20190016339A1 (en) * 2016-02-16 2019-01-17 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program
DE102018008904A1 (de) * 2018-11-13 2019-05-02 Daimler Ag Verfahren zur Lokalisierung eines Fahrzeugs in einer High Definition Karte anhand von Landmarkenobjekten und Sensorfusionsmodul für ein solches Verfahren

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0614530D0 (en) * 2006-07-21 2006-08-30 Trw Ltd Determining The Location of a Vehicle on a Map
JP5846020B2 (ja) * 2012-04-03 2016-01-20 株式会社デンソー 運転支援装置
WO2017057044A1 (ja) * 2015-09-30 2017-04-06 ソニー株式会社 情報処理装置及び情報処理方法
US10062290B2 (en) * 2015-12-16 2018-08-28 Ford Global Technologies, Llc Convoy vehicle look-ahead
DE102016203723A1 (de) * 2016-03-08 2017-09-14 Robert Bosch Gmbh Verfahren und System zum Bestimmen der Pose eines Fahrzeugs
US10281925B2 (en) * 2016-10-21 2019-05-07 Toyota Jidosha Kabushiki Kaisha Estimate of geographical position of a vehicle using wireless vehicle data

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147591A (ja) * 1994-11-17 1996-06-07 Nec Corp 交通流計測装置
JPH10148665A (ja) * 1996-11-19 1998-06-02 Matsushita Electric Ind Co Ltd 車車間通信による相対位置算出装置
GB9713314D0 (en) * 1996-12-12 1997-08-27 Samsung Electronics Co Ltd Method for guiding a driver by predicting the progress path of a car
US20120112895A1 (en) * 2010-11-10 2012-05-10 Hyundai Motor Company System and method for detecting a vehicle in the vicinity by using wireless communication
CN105698801A (zh) * 2014-12-09 2016-06-22 沃尔沃汽车公司 提高由交通工具使用的数字地图数据准确度的方法和系统
US9707961B1 (en) * 2016-01-29 2017-07-18 Ford Global Technologies, Llc Tracking objects within a dynamic environment for improved localization
KR20170094947A (ko) * 2016-02-12 2017-08-22 서울과학기술대학교 산학협력단 지도 정보를 이용한 차량 측위 시스템 및 방법
US20190016339A1 (en) * 2016-02-16 2019-01-17 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program
CN109073404A (zh) * 2016-05-02 2018-12-21 谷歌有限责任公司 用于基于地标和实时图像生成导航方向的系统和方法
CN108269395A (zh) * 2016-12-30 2018-07-10 大唐高鸿信息通信研究院（义乌）有限公司 适用于车载短距离通信网络交通拥塞预测和处理方法
CN108508883A (zh) * 2017-02-28 2018-09-07 现代自动车株式会社 车辆位置估计设备和方法及使用其的车辆
CN107860399A (zh) * 2017-09-22 2018-03-30 北京机械设备研究所 一种基于地图匹配的车载捷联惯导行进间精对准方法
DE102018008904A1 (de) * 2018-11-13 2019-05-02 Daimler Ag Verfahren zur Lokalisierung eines Fahrzeugs in einer High Definition Karte anhand von Landmarkenobjekten und Sensorfusionsmodul für ein solches Verfahren

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周崇华;高作刚;徐琛;苏志哲;: "基于智能手机App的交通信息服务系统规划研究", 交通与运输(学术版), no. 02 *
周崇华;高作刚;徐琛;苏志哲;: "基于智能手机App的交通信息服务系统规划研究", 交通与运输(学术版), no. 02, 30 December 2012 (2012-12-30) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152256A (zh) * 2020-09-08 2022-03-08 大众汽车股份公司 用于第一车辆并且用于在第一车辆处估计第二车辆的方位的装置、方法和计算机程序、车辆

Also Published As

Publication number Publication date
US11555705B2 (en) 2023-01-17
US20200124422A1 (en) 2020-04-23
EP3644016A1 (en) 2020-04-29

Similar Documents

Publication Publication Date Title
JP6906011B2 (ja) オブジェクトの二次元境界枠を自動運転車両の三次元位置に転換するための方法［ｍｅｔｈｏｄ ｆｏｒ ｔｒａｎｓｆｏｒｍｉｎｇ ２ｄ ｂｏｕｎｄｉｎｇ ｂｏｘｅｓ ｏｆ ｏｂｊｅｃｔｓ ｉｎｔｏ ３ｄ ｐｏｓｉｔｉｏｎｓ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｄｒｉｖｉｎｇ ｖｅｈｉｃｌｅｓ （ａｄｖｓ）］
KR101755944B1 (ko) Gps, uwb 및 v2x를 접목하여 차량의 위치를 결정하는 자율 주행 방법 및 시스템
US11555705B2 (en) Localization using dynamic landmarks
US11915099B2 (en) Information processing method, information processing apparatus, and recording medium for selecting sensing data serving as learning data
US9933268B2 (en) Method and system for improving accuracy of digital map data utilized by a vehicle
US11808581B2 (en) Lane-level map matching
US10698100B2 (en) Method and device for determining the position of a vehicle
KR101454153B1 (ko) 가상차선과 센서 융합을 통한 무인 자율주행 자동차의 항법시스템
EP3137850A1 (en) Method and system for determining a position relative to a digital map
JP2011174771A (ja) 位置推定装置および位置推定方法
US20230152120A1 (en) Map Information Correction Method, Driving Assistance Method, and Map Information Correction Device
KR101803195B1 (ko) 차량의 주행 환경에 따라 적응적으로 다중센서를 제어하는 장치 및 방법
US11578991B2 (en) Method and system for generating and updating digital maps
KR20220024791A (ko) 차량의 궤적을 결정하기 위한 방법 및 장치
KR20170112862A (ko) Gps 및 uwb 기술을 접목하여 차량의 위치를 감지하는 측위 시스템 및 방법
US20220266825A1 (en) Sourced lateral offset for adas or ad features
US20190114911A1 (en) Method and system for determining the location of a vehicle
CN114694111A (zh) 车辆定位
US11651598B2 (en) Lane mapping and localization using periodically-updated anchor frames
JP7321035B2 (ja) 物体位置検出方法及び物体位置検出装置
CN113306559A (zh) 在路形估计中对于垂直道路曲度的补偿
JP2018185156A (ja) 物標位置推定方法及び物標位置推定装置
CN118226771A (zh) 用于控制自动化车辆的方法、控制设备和存储介质
JP2020095435A (ja) 移動体

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