CN112084354A - 组合异类地图 - Google Patents
组合异类地图 Download PDFInfo
- Publication number
- CN112084354A CN112084354A CN202010528261.6A CN202010528261A CN112084354A CN 112084354 A CN112084354 A CN 112084354A CN 202010528261 A CN202010528261 A CN 202010528261A CN 112084354 A CN112084354 A CN 112084354A
- Authority
- CN
- China
- Prior art keywords
- objects
- subset
- map
- lane
- maps
- 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
Links
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000011524 similarity measure Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3644—Landmark guidance, e.g. using POIs or conspicuous other objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种用于生成地图的系统包括处理设备,该处理设备配置为执行:确定多个地图中的每个接收的地图的出处;将每个接收的地图解析成关注对象;并且比较关注对象以识别表示共同特征的一个或多个对象集。对于每个对象集,处理设备配置为:基于与对象集中的每个对象相关的出处来选择对象集的子集;并且计算子集中的每个对象的相似性度量。该相似性度量选自子集中的对象与参考对象之间的对准,和/或对象与参考对象之间的位置关系。该处理设备配置为:基于相似性度量来生成表示共同特征的共同对象;以及生成包括共同对象的合并地图。
Description
技术领域
本公开涉及地图绘制和导航领域,更具体地,涉及用于生成地图和/或合并地图的系统和方法。
背景技术
现代车辆和驾驶员越来越依赖于地图和导航系统。例如,许多驾驶员利用诸如移动设备和车载地图应用之类的地图绘制程序来进行导航。另外,车辆越来越多地配备有传感器和控制器,以促进自主操作或半自主操作(例如自适应巡航控制、避免碰撞、自动制动)。用户导航和自主操作可能会受到可用地图的详细程度和准确性的影响。在许多情况下,可用地图是从不同的来源中检索的,并且具有不同的类型。导航和位置确定的有效性可能取决于分析和组合来自不同类型地图的信息的能力。
发明内容
在一示例性实施例中,一种用于生成地图的系统包括处理设备,其包括输入模块,该输入模块配置为接收区域的多个地图。该处理设备配置为执行:确定多个地图中的每个接收的地图的出处;将每个接收的地图解析成表示该区域中的关注特征的关注对象;以及比较来自多个地图的关注对象以识别一个或多个对象集,每个对象集表示共同特征。对于每个对象集,该处理设备配置为执行:基于与对象集中的每个对象相关的出处来选择对象集的子集;计算子集中的每个对象的相似性度量。该相似性度量选自子集中的对象与子集中的参考对象之间的对准,和/或子集中的对象与子集中的参考对象之间的位置关系。该处理设备还配置为执行:基于相似性度量,从子集中的至少一个对象生成表示共同特征的共同对象;以及生成包括共同对象的合并地图。
除了本文所述的一个或多个特征之外,基于与对象相对应的接收的地图的源和分辨率中的至少一个来估计与对象相关的出处。
除了本文所述的一个或多个特征之外,计算相似性度量包括:从子集中选择对象作为参考对象;以及估计从参考对象到子集中的每个其他对象的距离。
除了本文所述的一个或多个特征之外,关注对象包括一个或多个车道对象,一个或多个车道对象中的每个表示道路车道的一段。
除了本文所述的一个或多个特征之外,基于与参考对象相关的出处和参考对象的长度来选择参考对象。
除了本文所述的一个或多个特征之外,处理设备配置为估计子集中的每个对象的长度,并且合并具有比所选长度更短的长度的对象。
除了本文所述的一个或多个特征之外,其中,处理设备配置为基于计算每个对象相对于参考对象的横向位置的加权平均来生成共同对象。
除了本文所述的一个或多个特征之外,计算加权平均包括基于出处为子集中的每个对象分配权重。
除了本文所述的一个或多个特征之外,子集中的每个对象的相似性度量是基于每个对象在参考对象上的投影的对准度量。
除了本文所述的一个或多个特征之外,子集中的每个对象的相似性度量是基于以下中的至少一个的对准度量:每个对象在参考对象上的投影,以及每个对象相对于参考对象的角度航向。
除了本文所述的一个或多个特征之外,处理设备是车辆的一部分或者与车辆通信。
在一示例性实施例中,一种用于生成地图的方法包括:通过处理设备接收区域的多个地图;确定多个地图中的每个接收的地图的出处;将每个接收的地图解析成表示该区域中的关注特征的关注对象;以及比较来自多个地图的关注对象以识别一个或多个对象集,每个对象集表示共同特征。该方法还包括:对于每个对象集,基于与对象集中的每个对象相关的出处来选择对象集的子集;并且计算子集中的每个对象的相似性度量。该相似性度量选自子集中的对象与子集中的参考对象之间的对准,和/或子集中的对象与子集中的参考对象之间的位置关系,该方法还包括:对于每个对象集,基于相似性度量,从子集中的至少一个对象生成表示共同特征的共同对象;以及生成包括共同对象的合并地图。
除了本文所述的一个或多个特征之外,基于与对象相对应的接收的地图的源和分辨率中的至少一个来确定与对象相关的出处。
除了本文所述的一个或多个特征之外,计算相似性度量包括:从子集中选择对象作为参考对象;以及估计从参考对象到子集中的每个其他对象的距离。
除了本文所述的一个或多个特征之外,关注对象包括一个或多个车道对象,一个或多个车道对象中的每个表示道路车道的一段。
除了本文所述的一个或多个特征之外,基于与参考对象相关的出处和参考对象的长度来选择参考对象。
除了本文所述的一个或多个特征之外,生成共同对象包括:估计子集中的每个对象的长度,并且合并具有比所选长度更短的长度的对象。
除了本文所述的一个或多个特征之外,其中,基于计算每个对象相对于参考对象的横向位置的加权平均来生成共同对象。
除了本文所述的一个或多个特征之外,计算加权平均包括基于出处为子集中的每个对象分配权重。
除了本文所述的一个或多个特征之外,子集中的每个对象的相似性度量是基于每个对象在参考对象上的投影的对准度量。
除了本文所述的一个或多个特征之外,子集中的每个对象的相似性度量是基于以下中的至少一个的对准度量:每个对象在参考对象上的投影,以及每个对象相对于参考对象的角度航向。
除了本文所述的一个或多个特征之外,处理设备是车辆的一部分或者与车辆通信。
当结合附图考虑时,根据以下详细描述,本公开的以上特征和优点以及其他特征和优点将显而易见。
附图说明
其他特征、优点和细节仅通过示例的方式在下面的详细描述中出现,该详细描述参考附图,其中:
图1是包括导航系统的机动车辆的俯视图;
图2描绘了根据示例性实施例的一方面的地图系统的各方面,该地图系统包括配置为分析和合并各种地图的处理设备;
图3描绘了可以由图2的地图系统分析和合并的地图类型的示例;
图4是描绘根据示例性实施例的一方面的分析和/或合并地图的方法的各方面的流程图;
图5是示出根据示例性实施例的一方面的地图系统以及分析和/或合并地图的方法的各方面的框图;
图6描绘了根据示例性实施例的一方面的经由图4的方法从来自接收的地图的对象创建的地图间对象集的示例;
图7描绘了根据示例性实施例的一方面的合并地图的方法的示例的各方面;
图8描绘了根据示例性实施例的一方面的用于合并来自多个地图的对象的计算的示例的各方面;
图9描绘了根据示例性实施例的一方面的合并来自多个地图的对象的示例;以及
图10描绘了根据示例性实施例的一方面的合并多个地图的示例的结果。
具体实施方式
以下描述本质上仅是示例性的,并且无意于限制本公开、其应用或用途。
图1示出了机动车辆10的实施例,该机动车辆包括至少部分地限定乘员舱14的车身12。车身12还支撑各种车辆子系统,包括发动机组件16,以及其他子系统,以支持发动机组件16和其他车辆部件的功能,比如制动子系统、转向子系统、燃料喷射子系统、排气子系统等。
在一实施例中,车辆10包括地图绘制或地图生成系统20的各方面,其可被结合到一个或多个处理设备22中或与之通信。图1中示出了处理设备22的示例,其可以由用户通过用户界面24操作或与之交互。地图生成系统20可以利用处理设备22,例如以接收地图并生成合并的地图,与远程处理设备通信,和/或接收由远程处理设备生成的合并的地图。
图2示出了配置为执行与分析和合并地图有关的各种功能的计算机系统30的实施例。计算机系统30的部件包括一个或多个处理器或处理单元32、系统存储器34以及将包括系统存储器34的各种系统部件耦合到一个或多个处理单元32的总线36。系统存储器34可以包括各种计算机系统可读介质。这样的介质可以是处理单元32可访问的任何可用介质,并且包括易失性和非易失性介质、可移除和不可移除介质。
处理单元32可以是机载处理设备比如处理设备22、计算机、膝上型计算机或移动设备中的处理设备或者远程处理设备,比如服务器。另外,处理单元32可以包括多个处理器,比如机载处理器和远程处理器。
例如,系统存储器34包括用于从不可移除的非易失性存储器(例如硬盘驱动器)读取和写入的存储系统38。系统存储器34还可包括易失性存储器40,比如随机存取存储器(RAM)和/或高速缓冲存储器。计算机系统30还可以包括其他可移除/不可移除、易失性/非易失性计算机系统存储介质。
如将在下面进一步描绘和描述,系统存储器34可以包括至少一个程序产品,其具有配置为执行本文所述实施例的功能的一组(例如至少一个)程序模块。
例如,系统存储器34存储具有一组(至少一个)程序模块44的程序/实用程序42。程序/实用程序42可以是操作系统、一个或多个应用程序、其他程序模块以及程序数据。程序模块44通常执行本文描述的实施例的功能和/或方法。例如,程序模块44可以包括用于获取输入数据(例如地图、位置信息、图像、来自地图的地图元数据等)、生成合并的地图、向用户呈现所获取的地图和/或合并的地图等的模块。
一个或多个处理单元32还可以与一个或多个外部设备46通信,比如键盘、指向设备、显示器和/或使一个或多个处理单元32能够与一个或多个其他计算设备通信的任何设备(例如网卡、调制解调器等)。另外,一个或多个处理单元32可与一个或多个传感器48(比如相机和/或雷达设备)通信。这种通信可以通过输入/输出(I/O)接口50发生。
一个或多个处理单元32还可以经由网络适配器54与一个或多个网络52通信,比如局域网(LAN)、通用广域网(WAN)和/或公共网络(例如因特网)。应该理解,尽管未示出,但其他硬件和/或软件部件可以与计算系统30结合使用。示例包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动器阵列、RAID系统、磁带驱动器和数据档案存储系统等。
地图生成系统20配置为获取多个数字地图,其可以从任何合适的一个或多个位置获取。通常,地图是指表示地理区域的数据,其包括各种特征的位置的指示或表示。在一实施例中,地图是交通地图,其指示包括道路、道路车道(或简单地为车道)、交通流设备、建筑物、人行道的特征及用户关注的任何其他特征的位置。可以从任何合适的位置或源(例如经由网络52)接收或获取地图,比如车辆导航系统、移动设备、服务器、数据库、地图服务等。
为了生成合并的地图,可以使用各种类型的地图,其可以具有不同级别的复杂性、细节、大小、面积和其他特征。例如,不同的地图类型可能具有不同的分辨率。如本文所述的地图的“分辨率”通常是指由地图呈现的信息的量或详细程度和准确性。
图3示出了根据本文所述实施例的可以获取和合并的地图类型的示例。这些示例说明了从各种来源和过程生成的地图的不同分辨率级别。
第一示例称为高清晰度(HD)地图60。HD地图60包括高精度的车道位置、交通流指示器和车道连接。例如,地图60包括车道位置和方向指示器62以及交通灯指示器64。这种高清晰度地图通常至少部分地手动生成,并且通常需要大量的多模式数据收集集成。
第二示例是中等清晰度(MD)地图66,其是可以从众包数据中导出的自动原位地图。基于从车辆日志和导航地图收集的数据,使用全自动过程(无需人工创建或编辑)来生成该示例中的MD地图66。因此,MD地图66需要预先驾驶相关道路。如图所示,MD地图66包括示出交叉路口70的车道位置指示器68(无方向指示),并且还可以包括诸如交通灯和流量控制指示器的附加信息。
第三示例是低清晰度(LD)地图72。LD地图72包括可以或可以不指示单独车道的道路指示器74。在该示例中,道路指示器示出道路的路径而不定义单独车道,通常,LD地图72不包括交通灯、交通流信息和关于特定对象的信息。
应当指出,高清晰度、中清晰度和低清晰度的名称旨在说明地图之间清晰度、分辨率和/或详细程度的差异。换句话说,这些定义是相对的,并不旨在表示地图定义的绝对度量。
图4描绘了方法80的实施例,该方法用于分析接收的地图并基于来自多个地图的组合对象来生成一个或多个合并的地图。根据方法80生成的地图在本文中称为“合并的地图”。方法80的全部或部分可以由处理设备执行。例如,该方法可以由地图生成系统20和/或计算机系统30中的一个或多个处理器完全或与人类用户一起执行。结合框81-87讨论方法80。方法80不限于其中的步骤的数量或顺序,因为由框81-87表示的一些步骤可以以与下面描述的顺序不同的顺序执行,或者可以执行比所有步骤更少的步骤。
在框81,处理设备收集、获取或以其他方式接收地理区域的多个地图。多个地图可以表示相同的区域或其部分。例如,地图可以表示区域的不同程度和/或示出重叠的区域。在一实施例中,至少一些接收的地图是不同类型的和/或具有不同的分辨率级别。例如,处理设备接收地图66和地图72,并且配置为通过识别地图对象并组合对象来合并地图66和地图72,如下面进一步讨论。
在框82,处理设备识别每个地图中的一个或多个对象。通常,“对象”是地图中所示或与之相关的特征的表示,比如车道段、十字路口、交通流信息、交通信号灯、建筑物、人行道、树木或可以从地图上识别的任何其他特征。可以基于诸如元数据、注释和与地图图像一起存储或作为其一部分的其他信息的地图数据来识别对象。另外,可以通过执行图像分析来识别对象。
例如,处理设备识别代表地图66中所示的车道段的各种车道对象,并将地图66解析为构成对象。在该示例中,处理设备识别代表车道段的车道对象。同样,处理设备解析地图72中所示的车道段。
在框83,比较来自每个地图的对象以确定表示相同或相似(即共同)特征的对象。这样的对象在本文中称为“地图间对象”。处理设备将对象分组为对象集,以将其组合和/或合并为共同对象。“共同对象”是指表示地图特征的组合对象,其由本文所述的地图间对象的分析和组合产生。
例如,处理设备将来自地图66的第一车道段和来自地图72的第二车道段识别为代表相同特征,比如相同车道或道路。
在框84,对于每个地图间对象集,基于从中选择每个地图间对象的地图的出处来选择地图间对象集的子集。地图间对象集的子集可以是该集中的其中一个地图间对象、其中一些地图间对象或所有地图间对象。在一实施例中,通过向每个对象分配出处等级并且从该集中去除具有低出处等级的对象来选择子集。
地图或对象的“出处”是指地图或对象的来源,并且与地图的分辨率有关。例如,地图60、66和72分别来自不同的来源,并具有相关的分辨率级别。
在框85,基于一个或多个相似性度量来分析地图间对象的子集中的每个对象。可以去除所选相似性度量值之外的对象。相似性度量的示例包括:子集中的参考对象与子集中的其他对象之间的对准的度量,以及子集中的其他对象与参考对象之间的位置关系的度量。位置关系可以包括子集中的每个其他对象与参考对象之间的距离。
例如,如果对象的子集包括表示车道或道路的一部分的多个车道段,则相似性度量可以包括长度、横向距离(即在垂直于参考对象的方向上从参考对象上的点到对象上的点的距离)、相对航向角度和重叠量。可以去除子集中具有在所选或阈值之外的相似性度量(例如横向距离大于所选距离或相对航向角度大于所选角度)的对象。
在框86,例如通过加权平均来合并子集中的其余对象,以生成用于关联特征的共同对象。对于每个地图间对象集重复上述过程,直到为每个地图间对象集生成共同对象。
在框87,使用生成的共同对象以及单独的对象(仅出现在一个地图中的对象)来构造合并的地图。
图5示出了方法80的示例和可用于执行方法80的各方面的处理模块的示例。在该示例中,获取两个地图并将其合并为合并的地图,但要注意的是,可以使用方法80来合并具有任何类型和/或分辨率的任何数量的地图。
在该示例中,将第一地图90、第二地图92和第三地图94输入到分类模块96。第一地图90是高清晰度(HD)地图,也称为地图A。第二地图92是中等清晰度(MD)地图,也称为地图B。第三地图94是低清晰度(LD)地图,也称为地图C。
通过将逻辑98解析成对象来对地图90、92和94解析。这样的对象可以包括车道段、交叉路口、交通流对象和表示关注特征的其他对象。交通流对象的示例包括交通灯、道路标记、停车杆、人行道、人行横道等。
比较逻辑100比较识别的对象并确定来自地图的对象是否与相同或共同的地图特征相关。将确定表示相同特征的对象指定为地图间对象,并将其分组为地图间对象集。
例如,每个地图90、92和94包括代表车道和/或道路的各种车道对象。每个车道对象可以代表车道的长度或段。车道对象可以是线性的(例如代表直车道段)或非线性的(例如代表弯曲车道或道路段或者车道之间的交叉路口中的交通流路径)。
地图间对象集的示例在图6中示出。将地图90、92和94解析为包括车道对象的对象。来自地图90(地图A)的车道对象包括数量n个车道段,每个车道段表示为“车道Ai”,其中i是介于1和n之间的整数。来自地图92(地图B)的车道对象包括数量m个车道段,每个车道段表示为“车道Bj”,其中j是介于1和m之间的整数。来自地图94(地图C)的车道对象被解析为数量p个车道。每个车道是“车道Ck”,其中j是介于0和p之间的数字。
如图6所示,由于获取的地图90、92和94的不同特性,特定组中的车道对象通常不相同,并且可以具有不同级别的相似性。例如,地图间对象集120包括车道对象A1、B1和C1,它们全部具有大致相同的长度和方向,但具有不同的横向位置。地图间对象集122包括车道对象A2、B2和C2,其具有大致相同的长度和方向,但具有不同的长度以及起点和终点。
地图间对象集124包括车道对象A3和B3,它们具有大致相同的长度和方向,表示车道段。该集还包括两个车道对象C3和C4,它们比车道对象A3和B3短,并且覆盖所表示的车道段的较小长度。如下面进一步讨论,车道对象C3和C4可以合并以形成更长的车道对象,其长度更接近车道段的长度。
地图间对象集126包括车道对象A5、B5和C5,它们全部具有不同的角度航向。地图间对象集128包括车道对象A6和A7、车道对象B6以及车道对象C6和C7,它们具有不同的长度、不同的起点和终点以及不同的定向。
再次参照图5,基于构成对象之间的位置和方向关系,使用分类逻辑102对每个地图间对象集分类。车道对象的类别示例包括具有相同方向的车道、具有相反方向的车道以及连接车道。连接车道通常是指在交叉路口连接的车道或具有不同方向但具有共同连接点的车道。例如,地图间对象集120、122、124和126都可被分类为具有相同方向的车道,地图间对象集128可被分类为具有相同方向的车道以及连接车道。
将分类的地图间对象集输入到合并模块104,其将地图间对象集中的对象组合或合并为可用于填充合并地图112的相应共同对象。
对于每个地图间对象集,优先级逻辑106选择一个或多个对象用于构造合并的地图。根据优先级标准,将对象集中的所有或某些对象选择为将被合并的子集。子集可以是单个对象或多个对象。
在一实施例中,优先级标准包括应用于地图间对象集中的每个对象的出处等级。出处等级可以基于适当因素的任意组合,比如从中获取对象的地图的来源(例如策展地图、众包地图、来自GPS导航系统的地图等)、地图的分辨率、每个地图中描绘的区域的大小等。例如,与众包地图相比,来自策展地图的对象具有更高的出处等级,来自描绘较小区域的地图的对象具有更高的出处等级,且来自分辨率更高的地图的对象具有更高的出处等级。
可以采用其他优先级标准。例如,在车道对象的情况下,长度是优先级标准,其中较长的车道具有较高的优先级,而与参考对象具有较高对准度的车道具有较高的优先级。优先级较低的对象可被合并或移除。
一旦移除了任何期望的对象,就将每个地图间对象集的子集输入到合并逻辑108,其在适当或期望的情况下合并对象。从优先级逻辑106输出的对象可以合并成单个对象。例如,可以以任何合适的方式,比如通过计算角度航向和/或垂直距离的加权平均,将具有相似对准的车道对象合并为单个共同车道对象。然后可以将适当的标签应用于每个合并或共同对象(例如交通灯指示器、人行横道标签、停车杆标签、车道索引、方向数据、交叉路口、车道连接等)。
合并模块104还可包括用于执行检查以确保准确性的检查逻辑110。检查方法包括图形遍历或图形搜索技术,比如2跳车道图形检查。然后可以输出合并的地图112。
图7-9示出了在第一地图150和第二地图160之间的车道对象的合并过程的示例。如图7所示,地图150包括车道150a、150b、150c、150d和150e,每个代表各自的车道段。地图160包括车道160a、160b、160c、160d和160e,每个代表各自的车道段。
图8示出了用于评估两个对象之间的相似性的相似性度量的计算示例。结合估计两个车道对象(即车道对象150a和车道对象160a)之间的相似性来讨论这些示例。在具有正交轴x和y的二维空间中显示对象。在该示例中,车道对象150a被选择为参考对象,并且从点A(ax,ay)延伸到点B(bx,by)。
一种相似性度量是对准度量r,其是从车道对象150a上的点A到点P的距离。点P的位置以及因此距离r的值指示车道对象150a和160a之间的对准。距离r基于车道对象160a在车道对象150a上的标量投影,并且可以基于以下公式计算:
如果r等于零,则点P与点A重合,并且车道对象160a垂直于车道对象150a(潜在地指示连接的车道集)。如果r等于一,则车道对象160a与车道对象150a完全对准。如果r大于零,则点P位于车道对象150a的向后延伸上,而如果r小于零,则点P位于车道对象150a的向前延伸上(即在箭头的方向上)。如果r在零和一之间,则点P在点A和B之间。
可以用来评估相似性的另一度量是每个车道对象的长度L。如上所述,长度L也可以用于评估优先级。例如,车道对象150a的长度L计算如下:
L=sqrt((bx-ax)2+(by-ay)2) (2)
另一相似性度量是车道对象之间的垂直距离(pd)。pd是根据值s计算的,该值s表示点C相对于点P的位置,并使用以下公式计算:
如果s等于零,则点C在点P上。如果s小于零,则点C和车道对象160a沿着从点P延伸的垂直线位于点P的左侧。如果s小于零,则点C和车道对象160a沿着该垂直线位于点P的右侧。
垂直距离pd可以计算如下:
pd=|s|*L (4)
图9描绘了使用长度和垂直距离的相似性度量的合并过程的示例。可以类似地使用其他相似性度量,比如角度航向。创建地图间对象集,其包括从其他地图收集的车道对象150a、车道对象160a以及车道对象170a、180a和190a。
通过基于车道对象150a、160a、170a、180a和190a的对应地图特征来选择它们,从而创建地图间对象集。在该示例中,检查每个车道对象150a、160a、170a、180a和190a的车道索引,以确定以上车道对象对应于相同特征。还确定每个车道对象150a、160a、170a、180a和190a的出处。
基于出处和长度,每个车道对象150a、160a、170a、180a和190a具有优先等级或级别。车道对象150a是从具有高出处等级的高清晰度地图中获取的,并且具有高优先级。车道对象160a是从中等清晰度地图中获取的,并且具有较低的优先级。车道对象170a、180a和190a的优先等级低于车道对象150a和160a的优先等级。具有最高优先等级的车道对象(在该示例中是车道对象150a)被选择为参考车道对象。
如该示例中所示,车道对象150a、160a、170a、180a和190a通常是平行的。估计从每个车道对象160a、170a、180a和180b到车道对象150a的pd,并且保留在所选pd值(例如5米)内的车道对象。所选pd之外的任何对象都可以移除。在该示例中,所有示出的车道对象150a、160a、170a、180a和190a都在所选pd值内。
如果适用,长度相对短的车道对象可以合并。例如,车道对象170a、180a和190a的长度明显更短并且具有相同的横向位置(即相同的pd),因此它们可以合并成单个更长的车道。然后,将地图间对象集(车道对象150a、车道对象160a和通过合并车道对象170a、180和190a创建的车道对象)中的其余车道对象组合,以生成最终的合并对象。例如,车道对象的横向位置可被平均以获得合并或共同的车道对象。
图10示出了合并车道对象的示例,并且示出了构造合并地图的各方面。通常,地图合并过程包括合并接收的地图的航点和边缘点,并使用各种可用对象填充合并的地图。例如,如图10所示,从第一获取的地图(MD地图,未示出)获取代表车道段的车道对象200和交通灯对象202。车道对象204和停车杆对象206是从第二地图(HD地图,未示出)获取的。如上所述,车道对象200和204收集在地图间对象集中,具有优先等级并且被合并。例如,通过计算横向位置的加权平均来合并车道对象200和204的横向位置。施加到每个车道对象200和204的权重可以基于长度和/或优先等级。生成得到的合并车道对象208。
例如,可以通过修剪或扩展车道线以在车道对象之间创建连接来调整合并的车道对象。例如,当车道对象208合并到合并的地图中时,可以修剪车道对象208以终止于停止杆对象206。
在构建合并的地图时可以进行其他调整。例如,平行的车道线可被索引(例如以表示道路中的车道位置)。上游和下游车道可以合并。对于具有不同出处的对象,可以在需要的地方建立新的连接。其他相关对象可以合并(例如交通灯指示器),并且交叉路口和进入车道也可以合并。
如上所述,实施例可以包括对合并的地图执行检查以确保准确性。以下是这种检查的示例。提供该示例是出于说明的目的,而并非旨在进行限制,因为可以以各种其他方式执行检查。
在此示例中,检查包括循环遍历所有合并的车道对象。检查平行的左右车道和连接车道是否有任何旧参考(如果是,请使用新参考替换旧参考),检查车道以确保它们被一致地修剪,对准边缘类型并且正确地布排车道索引。另外,检查交叉路口以确保它们正确地关联,并且交叉路口中的所有进入车道均正确。本文描述的实施例具有许多优点。例如,实施例提供了有效地合并不同类型和分辨率的地图的方式。为了创建现实世界的地图和导航系统,通常有必要融合各种类型、详细程度和准确性的地图。地图类型之间的不兼容性可能带来许多挑战,本文所述的实施例解决了这些挑战。另外,本文描述的地图合并方法和过程提供了在不兼容的地图系统之间平滑过渡的有效方式。
本文中使用的术语仅出于描述特定实施例的目的,并不旨在限制本公开。如本文所用,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非上下文另外明确指出。还将理解,术语“包括”及其变体在本说明书中使用时指定存在所述的特征、整数、步骤、操作、元件和/或部件,但不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或其组。
尽管已经参考示例性实施例描述了以上公开,但本领域技术人员将理解,在不脱离其范围的情况下,可以进行各种改变并且可以用等同物代替其元件。另外,在不脱离本公开的实质范围的情况下,可以做出许多修改以使特定情况或材料适应本公开的教导。因此,意图是本公开不限于所公开的特定实施例,而是将包括落入其范围内的所有实施例。
Claims (10)
1.一种用于生成地图的系统,包括:
处理设备,其包括输入模块,该输入模块配置为接收区域的多个地图,该处理设备配置为执行:
确定多个地图中的每个接收的地图的出处;
将每个接收的地图解析成表示该区域中的关注特征的关注对象;
比较来自多个地图的关注对象以识别一个或多个对象集,每个对象集表示共同特征;并且
对于每个对象集,执行:
基于与对象集中的每个对象相关的出处来选择对象集的子集;
计算子集中的每个对象的相似性度量,该相似性度量选自以下中的至少一个:子集中的对象与子集中的参考对象之间的对准,以及子集中的对象与子集中的参考对象之间的位置关系;
基于相似性度量,从子集中的至少一个对象生成表示共同特征的共同对象;以及
生成包括共同对象的合并地图。
2.根据权利要求1所述的系统,其中,基于与对象相对应的接收的地图的源和分辨率中的至少一个来估计与对象相关的出处。
3.根据权利要求2所述的系统,其中,计算所述相似性度量包括:从子集中选择对象作为参考对象;以及估计从参考对象到子集中的每个其他对象的距离。
4.根据权利要求3所述的系统,其中,所述关注对象包括一个或多个车道对象,一个或多个车道对象中的每个表示道路车道的一段,并且子集中的每个对象的相似性度量是基于以下中的至少一个的对准度量:每个对象在参考对象上的投影,以及每个对象相对于参考对象的角度航向。
5.根据权利要求4所述的系统,其中,基于与参考对象相关的出处和参考对象的长度来选择参考对象。
6.根据权利要求1所述的系统,其中,所述处理设备是车辆的一部分或者与车辆通信。
7.一种用于生成地图的方法,包括:
通过处理设备接收区域的多个地图;
确定多个地图中的每个接收的地图的出处;
将每个接收的地图解析成表示该区域中的关注特征的关注对象;
比较来自多个地图的关注对象以识别一个或多个对象集,每个对象集表示共同特征;并且
对于每个对象集,执行:
基于与对象集中的每个对象相关的出处来选择对象集的子集;
计算子集中的每个对象的相似性度量,该相似性度量选自以下中的至少一个:子集中的对象与子集中的参考对象之间的对准,以及子集中的对象与子集中的参考对象之间的位置关系;
基于相似性度量,从子集中的至少一个对象生成表示共同特征的共同对象;以及
生成包括共同对象的合并地图。
8.根据权利要求7所述的方法,其中,基于与对象相对应的接收的地图的源和分辨率中的至少一个来确定与对象相关的出处,并且计算所述相似性度量包括:从子集中选择对象作为参考对象;以及估计从参考对象到子集中的每个其他对象的距离。
9.根据权利要求8所述的方法,其中,所述关注对象包括一个或多个车道对象,一个或多个车道对象中的每个表示道路车道的一段,基于与参考对象相关的出处和参考对象的长度来选择参考对象,并且生成所述共同对象包括:估计子集中的每个对象的长度,以及合并具有比所选长度更短的长度的对象。
10.根据权利要求9所述的方法,其中,所述共同对象是基于计算每个对象相对于参考对象的横向位置的加权平均而生成的,并且计算加权平均包括基于所述出处为子集中的每个对象分配权重。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/439,188 | 2019-06-12 | ||
US16/439,188 US11307039B2 (en) | 2019-06-12 | 2019-06-12 | Combining heterogeneous types of maps |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112084354A true CN112084354A (zh) | 2020-12-15 |
CN112084354B CN112084354B (zh) | 2024-06-14 |
Family
ID=73735541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010528261.6A Active CN112084354B (zh) | 2019-06-12 | 2020-06-11 | 组合异类地图 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11307039B2 (zh) |
CN (1) | CN112084354B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101317175A (zh) * | 2005-10-12 | 2008-12-03 | 谷歌公司 | 分布式地理信息系统中的实体显示优先级 |
AU2009211435A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas B.V. | Method for map matching with sensor detected objects |
US20110187719A1 (en) * | 2010-01-29 | 2011-08-04 | Denso Corporation | Map data, map data production method, storage medium and navigation apparatus |
CN102725609A (zh) * | 2009-12-14 | 2012-10-10 | 通腾德国股份有限公司 | 用于对多个地图构建基块中的对象进行交叉参考及去除重复的方法及系统 |
CN105008860A (zh) * | 2013-01-18 | 2015-10-28 | 通腾发展德国公司 | 用于创建地图数据的方法及设备 |
EP3130891A1 (en) * | 2015-08-11 | 2017-02-15 | Continental Automotive GmbH | System and method of matching of road data objects for generating and updating a precision road database |
US20170059328A1 (en) * | 2015-08-28 | 2017-03-02 | Here Global B.V. | Generating Map Data |
US20170076473A1 (en) * | 2015-09-15 | 2017-03-16 | Facebook, Inc. | Systems and methods for utilizing multiple map portions from multiple map data sources |
DE102016205436A1 (de) * | 2015-11-25 | 2017-06-01 | Volkswagen Aktiengesellschaft | Verfahren und System zum Erstellen einer digitalen Karte |
CN107764263A (zh) * | 2016-08-22 | 2018-03-06 | 高德信息技术有限公司 | 一种车道序号的生成方法和装置 |
WO2019000417A1 (en) * | 2017-06-30 | 2019-01-03 | SZ DJI Technology Co., Ltd. | SYSTEMS AND METHODS OF GENERATING CARDS |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11507775B2 (en) * | 2018-12-05 | 2022-11-22 | Here Global B.V. | Method and apparatus for matching heterogeneous feature spaces |
-
2019
- 2019-06-12 US US16/439,188 patent/US11307039B2/en active Active
-
2020
- 2020-06-11 CN CN202010528261.6A patent/CN112084354B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101317175A (zh) * | 2005-10-12 | 2008-12-03 | 谷歌公司 | 分布式地理信息系统中的实体显示优先级 |
AU2009211435A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas B.V. | Method for map matching with sensor detected objects |
CN102725609A (zh) * | 2009-12-14 | 2012-10-10 | 通腾德国股份有限公司 | 用于对多个地图构建基块中的对象进行交叉参考及去除重复的方法及系统 |
CN104949681A (zh) * | 2009-12-14 | 2015-09-30 | 通腾德国股份有限公司 | 用于对多个地图构建基块中的对象进行交叉参考及去除重复的方法及系统 |
US20110187719A1 (en) * | 2010-01-29 | 2011-08-04 | Denso Corporation | Map data, map data production method, storage medium and navigation apparatus |
CN105008860A (zh) * | 2013-01-18 | 2015-10-28 | 通腾发展德国公司 | 用于创建地图数据的方法及设备 |
EP3130891A1 (en) * | 2015-08-11 | 2017-02-15 | Continental Automotive GmbH | System and method of matching of road data objects for generating and updating a precision road database |
US20180231387A1 (en) * | 2015-08-11 | 2018-08-16 | Continental Automotive Gmbh | System and method of matching of road data objects for generating and updating a precision road database |
US20170059328A1 (en) * | 2015-08-28 | 2017-03-02 | Here Global B.V. | Generating Map Data |
US20170076473A1 (en) * | 2015-09-15 | 2017-03-16 | Facebook, Inc. | Systems and methods for utilizing multiple map portions from multiple map data sources |
DE102016205436A1 (de) * | 2015-11-25 | 2017-06-01 | Volkswagen Aktiengesellschaft | Verfahren und System zum Erstellen einer digitalen Karte |
CN108351218A (zh) * | 2015-11-25 | 2018-07-31 | 大众汽车有限公司 | 用于生成数字地图的方法和系统 |
CN107764263A (zh) * | 2016-08-22 | 2018-03-06 | 高德信息技术有限公司 | 一种车道序号的生成方法和装置 |
WO2019000417A1 (en) * | 2017-06-30 | 2019-01-03 | SZ DJI Technology Co., Ltd. | SYSTEMS AND METHODS OF GENERATING CARDS |
Also Published As
Publication number | Publication date |
---|---|
US20200393252A1 (en) | 2020-12-17 |
US11307039B2 (en) | 2022-04-19 |
CN112084354B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7082151B2 (ja) | 地図軌跡マッチングデータの品質決定方法、装置、サーバ及び媒体 | |
WO2021007185A1 (en) | Using high definition maps for generating synthetic sensor data for autonomous vehicles | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
KR20190082071A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
US20080262721A1 (en) | Map generation system and map generation method by using GPS tracks | |
CN108279016B (zh) | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 | |
JP5421949B2 (ja) | 交通量予測装置、交通量予測方法およびプログラム | |
CN112001986A (zh) | 虚拟车道的生成方法、装置以及电子设备和存储介质 | |
WO2018058888A1 (zh) | 一种街景图像的识别方法、装置、服务器及存储介质 | |
CN110796066B (zh) | 一种车道线组构建方法及装置 | |
CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
US20230410536A1 (en) | Method and system for map construction | |
CN112798004A (zh) | 一种车辆的定位方法、装置、设备及存储介质 | |
US20200273219A1 (en) | Method and system for map construction | |
CN112084354B (zh) | 组合异类地图 | |
Patnaik et al. | Application of genetic programming clustering in defining LOS criteria of urban street in Indian context | |
CN116107576A (zh) | 页面组件的渲染方法、装置、电子设备和车辆 | |
CN115388878A (zh) | 一种地图构建方法、装置及终端设备 | |
CN104567887A (zh) | 一种路径匹配方法及装置 | |
JP2023152480A (ja) | 地図データ生成方法、地図データ生成装置及び地図データ生成プログラム | |
CN114136327A (zh) | 一种虚线段的查全率的自动化检查方法及系统 | |
CN113360593A (zh) | 传感器数据处理方法及设备 | |
CN112767512B (zh) | 一种环境线状元素生成方法、装置、电子设备及存储介质 | |
Stannartz et al. | Comparison of curve representations for memory-efficient and high-precision map generation | |
EP4390319A1 (en) | Method, apparatus, and computer program product for selective processing of sensor data |
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 |