CN112292582B - 用于生成高清晰度地图的方法和系统 - Google Patents

用于生成高清晰度地图的方法和系统 Download PDF

Info

Publication number
CN112292582B
CN112292582B CN201980027141.3A CN201980027141A CN112292582B CN 112292582 B CN112292582 B CN 112292582B CN 201980027141 A CN201980027141 A CN 201980027141A CN 112292582 B CN112292582 B CN 112292582B
Authority
CN
China
Prior art keywords
consecutive
vehicle
map
poses
pose
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.)
Active
Application number
CN201980027141.3A
Other languages
English (en)
Other versions
CN112292582A (zh
Inventor
许金涛
杨庆雄
冯中杰
吴望龙
李岩
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.)
WeRide Corp
Original Assignee
WeRide Corp
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 WeRide Corp filed Critical WeRide Corp
Publication of CN112292582A publication Critical patent/CN112292582A/zh
Application granted granted Critical
Publication of CN112292582B publication Critical patent/CN112292582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • 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
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G01C21/3694—Output thereof on a road map
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

提供了生成高清晰度地图的方法，其可用于自动驾驶中。该方法包括在连续的位置处获得由安装车辆上的传感器生成的连续的绘制地图数据。绘制地图数据用于生成车辆在连续的位置处的距离扫描位姿和GPS位置。该方法还包括根据车辆的距离扫描位姿和GPS位置生成车辆在连续的位置处的连续的优化位姿。然后通过基于优化位姿拼接连续的绘制地图数据来生成地图。

Description

用于生成高清晰度地图的方法和系统
相关申请的交叉引用
本申请为2019年4月22日提交的PCT/US2019/028420的进入国家阶段的申请，其要求2018年4月20日提交的美国临时专利申请62/660,264的权益，两者的内容均通过引用整体并入本文。
技术领域
本申请总体上涉及导航技术，更具体地，涉及用于生成高清晰度地图的方法和系统。
背景技术
自动驾驶汽车需要在道路上做出实时决策。尽管机器人具有比人类更有效地完成某些事情的能力，但在驾驶和导航方面，实时决策能力却是人类仍然具有优势的关键领域之一。例如，人类认为做出这样的决策，例如将车辆停在正确的位置、注意在十字路口处的交通信号以及在最后时刻避开道路上的障碍物，是理所当然的。然而，对于机器人来说，做出这些决策是非常困难的。作为用于自动驾驶汽车的决策过程的一部分，绘制地图成为帮助机器人在正确的时间做出正确的决策的关键组成部分。
自动驾驶汽车使用包含大量的驾驶辅助信息的高清晰度(High Definition，HD)地图。最重要的信息是道路网络的准确三维表示，例如交叉路口的布局和路标的位置。HD地图还包含许多语义信息，例如交通信号灯的颜色意味着什么、车道的速度限制以及左转弯开始的位置。HD地图与传统地图之间的主要区别在于精度——传统地图通常具有米级精度，而HD地图则需要厘米级精度以确保自动驾驶汽车的安全。制作如此高精度的HD地图仍然是一项具有挑战性的任务。因此，迫切需要用于制作用于自动驾驶的HD地图的新方法。
发明内容
在一方面中，本公开提供了生成高清晰度地图的方法。在一个实施例中，该方法包括：获取n个连续的绘制地图数据(n为至少5的整数)，其分别在车辆的n个连续的位置之一处生成，其中，n个连续的绘制地图数据包括：在n个连续的位置处的n个连续的距离扫描数据，和车辆在n个连续的位置处的n个连续的GPS位置；基于n个连续的距离扫描数据，生成车辆的距离扫描位姿；估计车辆在n个连续的位置处的n个连续的位姿；使用具有包括距离扫描位姿和n个连续的GPS位置的优化约束的迭代优化过程来校准n个连续的位姿，从而生成车辆在n个连续的位置处的n个连续的优化位姿；以及通过基于n个连续的优化位姿来拼接n个连续的绘制地图数据，生成第一地图。
在一个实施例中，距离扫描位姿是通过正态分布变换或迭代最近点(IterativeClosest Point，ICP)算法生成的。
在一个实施例中，距离扫描位姿包括：(i)车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数；或者(ii)车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中第k个位置是关键位置。在某些实施例中，距离扫描位姿包括(i)和(ii)两者。
在某些实施例中，迭代优化过程是图优化过程、ISAM算法或CERES算法。
在某些实施例中，n个连续的绘制地图数据是由从由相机、LiDAR、雷达、卫星导航装置、航位推算装置或者其组合组成的组中选择的传感器生成的。在一些实施例中，n个连续的距离扫描数据是由LiDAR生成的。在一些实施例中，n个连续的GPS位置是由卫星导航装置和/或航位推算装置生成的。在一些实施例中，卫星导航装置是GPS接收机、GLONASS接收机、伽利略接收机或北斗GNSS接收机。在一些实施例中，卫星导航装置是RTK卫星导航装置。在一些实施例中，航位推算装置是惯性测量单元(IMU)或里程计。
在一个实施例中，本公开的方法还包括：通过基于在m个连续的位置处的m个连续的优化位姿来拼接m个连续的绘制地图数据，得到至少第二地图，其中，m个连续的优化位姿是根据m个连续的距离扫描数据和m个连续的GPS位置生成的，并且m是至少5的整数；使用具有第二优化约束的第二迭代优化过程来校准n个连续的优化位姿和m个连续的优化位姿，从而生成n个连续的全局优化位姿和m个连续的全局优化位姿；以及通过基于n个连续的全局优化位姿和m个连续的全局优化位姿来拼接第一地图与第二地图，生成全局地图。
在一个实施例中，第二优化约束包括基于n个连续的距离扫描数据和m个连续的距离扫描数据生成的距离扫描位姿、n个连续的GPS位置和m个连续的GPS位置。
在一个实施例中，基于n个连续的距离扫描数据和m个连续的距离扫描数据生成的距离扫描位姿包括：(i)车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数，其中第i个位置是n个连续的位置之一；(ii)车辆在第j个位置和第(j-1)个位置之间的相对位姿，其中j是2至m之间的整数，其中第j个位置是m个连续的位置之一；以及(iii)车辆在第p个位置和第q个位置之间的相对位姿，其中p是1至n之间的整数，q是1至m之间的整数，其中第p个位置是n个连续的位置之一，第q个位置是m个连续的位置之一，并且第p个位置和第q个位置之间的距离在阈值以内。
在另一方面中，本公开提供了根据本文中公开的方法生成的高清晰度地图。
在又一方面中，本公开提供了导航装置。在一个实施例中，导航装置包括：数据存储器，用于存储本文中公开的高清晰度地图；定位模块，用于检测车辆的当前位置；处理器，配置为接收车辆的目的地，并且基于高清晰度地图、车辆的当前位置和车辆的目的地来计算车辆的路线。
在一个实施例中，处理器还配置为：接收与车辆的当前位置相关联的交通信息；并基于路线和交通信息生成至少一个行驶控制指令，其中，车辆根据该至少一个行驶控制指令来行驶。
在一个实施例中，导航装置还包括显示器，该显示器用于显示车辆以及与车辆的当前位置相关联的高清晰度地图数据的至少一部分。
在另一方面中，本公开提供了生成高清晰度地图的系统。在一个实施例中，该系统包括：车辆，该车辆包括传感器、卫星导航装置和/或航位推算装置、以及距离扫描装置；处理器；以及用于存储可由处理器执行的指令的存储器，其中处理器配置为执行根据本公开的方法的用于生成高清晰度地图的步骤。
可以理解的是，以上整体概述和以下详细描述仅是示例性和解释性的，并非对本发明的限制。
附图说明
结合在本说明书中并构成本说明书的一部分的附图示出了与本发明相符合的实施例，并且与本说明书一起用于解释本发明的原理。在下文中将结合以下附图来描述示例性实施例，其中，相似的附图标记表示相似的要素。
图1示出了安装有收集绘制地图数据的设备的车辆。
图2示出了用于基于所收集的距离扫描数据来生成车辆的距离扫描位姿的示例性方法。
图3示出了用于生成用作优化约束的距离扫描位姿的示例性方法，该优化约束包括车辆在连续的位置之间的相对位姿。
图4示出了用于生成用作优化约束的距离扫描位姿的示例性方法，该优化约束包括车辆关于关键位置的相对位姿。
图5示出了根据示例性实施例的用于生成高清晰度地图的方法的流程图。
图6示出了根据示例性实施例的用于生成全局高清晰度地图的方法的流程图。
具体实施方式
在进一步详细描述本公开之前，应当理解，本公开不限于所描述的特定实施例，而是因此当然可以变化。也应当理解，本文中所使用的术语仅用于描述特定实施例，并不旨在进行限制，因为本公开的范围将仅由所附的权利要求书来限定。
除非另有定义，本文中所使用的所有技术和科学术语具有如本公开所属的领域中的普通技术人员通常所理解的相同含义。现在将描述优选的方法和材料，尽管与本文中所描述的那些方法或材料相似或等同的任何方法和材料也可以用于本公开的实践或测试中。
本说明书中所引用的所有出版物和专利均通过引用并入本文，就像每个单独的出版物或专利均被具体地和单独地指出，以通过引用并入本文一样，并且它们通过引用并入本文，以公开和描述与所引用的出版物相关联的方法和/或材料。对任何出版物的引用是为了其在申请日之前的公开内容，而不应被视为承认本公开无权凭借在先公开内容而早于该出版物。此外，所提供的出版物的日期可能不同于其实际的出版日期，其可能需要独立确认。
对于本领域技术人员而言，在阅读本公开后将显而易见的是，本文中所描述和示出的每个单独的实施例具有分立的部件和特征，在不脱离本公开的范围或精神下，其可以容易地与其他几个实施例中的任何一个的特征分离或组合在一起。任何叙述的方法可以按照叙述的事件的顺序或逻辑上可能的任何其他顺序来实施。
本公开涉及用于生成例如在自动驾驶中使用的高清晰度地图的方法和系统。为了简洁起见，与自动驾驶技术以及系统的其他功能方面(以及系统的各个操作组件)有关的常规技术和部件在此可能不会详细描述。此外，本文中包含的各种附图中所示的连接线旨在表示各种元件之间的示例性功能关系和/或物理联接。应当注意，在本发明的实施例中可以存在许多替代或额外的功能关系或物理连接。
除非内容另有明确规定，否则如本文中所使用的单数形式“一”、“一个”和“该”也包括复数个的指代对象。
注意，在本公开中，例如“包括”、“包括了”、“包括有”、“包含”、“包含有”等术语具有美国专利法中赋予的含义；它们是包容性的或开放式的，并且不排除额外的、未引用的元素或方法步骤。例如“基本上由……构成”和“基本上由……组成”等术语具有美国专利法赋予的含义；它们允许包括不会实质上影响要求保护的发明的基本和新颖特征的额外成分或步骤。术语“由……组成”和“由……构成”具有美国专利法赋予它们的含义；即这些术语是封闭式的。
生成高清晰度地图的方法
作为自动驾驶系统不可或缺的一部分，高清晰度地图(HD地图)是高精度定位、环境感知、规划和决策制定以及实时导航的基础。由自动驾驶汽车使用的HD地图包含大量的驾驶辅助信息，包括道路网络的准确三维表示，例如交叉路口的布局和路标的位置等。
绘制地图数据收集
为了生成HD地图，需要对原始绘制地图数据集进行收集、处理、整合和编辑。在本公开的某些实施例中，使用安装在车辆上的传感器的组合来获取原始绘制地图数据集。
图1示出了示例性的车辆，该车辆配备有收集绘制地图数据集的设备。参考图1，车辆100安装有LiDAR(光检测和测距)101，该LiDAR使用光束来密集地采样环境中的物体的表面。LiDAR是主动光学传感器，其在移动通过特定勘测路线的同时向目标发送激光束。由LiDAR传感器中的接收器检测并分析来自该目标的激光反射。这些接收器记录从激光脉冲离开系统到其返回系统之间的精确时间，以计算传感器与目标之间的距离。结合位置信息(例如GPS和INS)，这些距离测量值将被转换成物体空间中反射目标的实际三维点的测量值。
车辆100还配备有卫星导航装置103，其通过使用卫星对车辆的位置进行三角测量来定位车辆。卫星导航装置包括但不限于GPS接收机、GLONASS接收机、Galileo接收机、北斗GNSS接收机和RTK卫星导航装置。
车辆100还包含惯性导航系统(Inertial Navigation System，INS)104，惯性导航系统104包括航位推算装置，例如惯性测量单元(Inertial Measurement Unit，IMU)和里程计。
在某些实施例中，车辆100还包含额外的传感器，例如照相机102、雷达105、红外传感器106和超声传感器107。这些传感器可以用于收集可能有助于生成HD地图的车辆100的空间信息和周围信息。
为了生成HD地图，所收集的绘制地图数据集包括至少两类：(1)由距离扫描装置(例如LiDAR)生成的距离扫描数据；(2)通常由卫星导航装置和/或航位推算装置生成的位置/位姿数据。
在接收到原始绘制地图数据集(例如，由LiDAR收集的点数据)后，计算机或服务器随后通过分析由本文中所描述的各种装置收集的信息(包括激光时间距离、激光扫描角度、GPS位置和INS信息)，将绘制地图数据集处理成高精度的地理坐标参考的x、y、z坐标。
因此，在一方面中，本公开提供了用于生成助力自动驾驶和自动驾驶车辆的高清晰度地图(HD地图)的方法。在某些实施例中，通过本文中公开的方法生成的HD图在厘米级精度(例如1cm、2cm、3cm、4cm或5cm)上具有极高的精度，这允许自动驾驶车辆生成有关如何进行自我操纵以及如何在3D空间中导航的非常精确的指令。
距离扫描位姿
在某些实施例中，本文中公开的用于生成HD地图的方法涉及到基于所收集的距离扫描数据来生成车辆的距离扫描位姿的步骤，该步骤在图2中详细示出。通常，距离扫描位姿包括车辆的位置(即，x、y、z坐标)和取向(即，朝向)。现在参考图2，配备有距离扫描装置(例如，LiDAR)的车辆200分别在位置211和212处收集了两个距离扫描数据221和222。距离扫描数据221和222具有至少重叠的数据(例如，点云)，示出为树。
当基于该重叠数据来匹配两个距离扫描数据221和222时(参见230)，可以计算车辆(或传感器，即距离扫描装置)240(表示为)在两个位置211和212之间的相对位姿。如本文中所使用的，“相对位姿”是指，相对于车辆(或传感器)在第二位置处的位姿，该车辆(或传感器)在第一位置处的位姿(位置和取向)。计算(相对)距离扫描数据的算法包括但不限于正态分布变换和迭代最近点算法。
正态分布变换(Normal Distribution Transform，NDT)是一种可应用于距离扫描匹配的算法(例如，参见P.Biber，The Normal Distributions Transform:A New Approachto Laser Scan Matching，IEEE(2003)；M.Magnusson，The Three-Dimensional Normal-Distributions Transform，毕业论文，University(2009)，其公开内容通过引用并入本文)。通常，NDT将距离扫描数据细分为像元。然后，将正态分布分配给每个像元，每个像元将局部模拟对点进行测量的概率。变换的结果是分段的连续的且可区分的概率密度，可用于匹配其他扫描，例如使用牛顿算法。
迭代最近点(Iterative Closest Point，ICP)是一种最小化两个点云之间的差异的算法。在ICP中，一个点云(顶点云)或参考或目标保持固定，而另一个，其源被变换为与该参考最匹配。该算法迭代地修改使误差测度(通常是从源到参考点云的距离)最小化所需的变换(平移和旋转的组合)，例如匹配对的坐标之间的平方差之和。ICP是在对三维模型进行的对准中被广泛使用的算法之一，其给出了所需的刚体变换的初始猜测(Rusinkiewics S和Levoy M，Efficient variants of the ICP algorithm，Proceedings InternationalInternational Conference on3-D Digital Imaging and Modeling(2001)145-152，其公开内容通过引用并入)。
可以理解，如果已知第一位置和第二位置之间的相对位姿以及第二位置和第三位置之间的相对位姿，则上述方法可以扩展为确定车辆在第一位置和第三位置之间的相对位姿。因此，该方法允许通过直接或间接地匹配距离扫描数据，即通过匹配两个位置之间的中间距离扫描数据，确定车辆在两个位置之间的相对位姿。
如果已知车辆在位置311处的位姿，则可以基于相对位姿340来确定车辆在位置312处的位姿。因此，以上公开的方法可以用于以相对形式或绝对形式估计车辆的位姿。因此，如本文中所使用的，距离扫描位姿包括相对位姿和绝对位姿两者。
迭代优化过程
在某些实施例中，本文中公开的方法包括使用迭代优化过程的优化或校准的步骤。在某些实施例中，迭代优化过程具有包括距离扫描位姿和/或GPS位置的优化约束。
在某些实施例中，用作优化约束的距离扫描位姿包括：(i)车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数；(ii)车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中第k个位置是关键位置；或者(i)和(ii)两者。
图3示出了一个实施例，在该实施例中，用作优化约束的距离扫描位姿包括车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数。为简单起见，仅示出了五个位置。现在参考图3，车辆300沿着道路在五个连续的位置301-305处生成五个距离扫描数据311-315。通过匹配距离扫描数据312和距离扫描数据311来计算车辆在位置302和位置301之间的相对距离扫描位姿321。类似地，通过匹配每对连续的距离扫描数据，分别计算在位置303和302之间、在位置304和303之间以及在位置305和304之间的相对距离扫描位姿322、323、324。然后，迭代优化过程使用包括车辆在每对连续的距离扫描数据之间的相对位姿在内的优化约束来校准位姿。
图4示出了一个实施例，在该实施例中，用作优化约束的距离扫描位姿包括车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中第k个位置是关键位置。为简单起见，仅示出了五个位置。现在参考图4，车辆400沿着道路在五个位置401-405处生成五个距离扫描数据411-415。位置403被选择作为关键位置。通常，关键位置被选择是因为GPS数据或距离扫描数据在该位置中是良好且可靠的。通过匹配距离扫描数据411和距离扫描数据413来计算车辆在位置401和位置403之间的相对距离扫描位姿421。类似地，通过匹配每对距离扫描数据，分别计算位置402和403之间、位置404和403之间以及位置405和403之间的相对距离扫描位姿422、423、424。然后，迭代优化过程使用包括计算出的车辆的相对位姿在内的优化约束来校准位姿。
在某些实施例中，迭代优化过程具有包括GPS位置的优化约束。如本文中所使用的，“GPS位置”是指基于由卫星导航装置和/或航位推算装置生成的位置/位姿数据而计算出的位置。通常，通过组合卫星导航装置和航位推算装置来改善GPS位置。
在某些实施例中，迭代优化过程是图优化过程、iSAM算法或CERES算法。参见例如，R.Kummerle等，g2o:A General Framework for Graph Optimization，IEEE(2011)；KaessM等，iSAM:Incremental smoothing and mapping，IEEE(2008)Transaction on Robotics，manuscript，其公开内容通过引用并入本文中。
在某些实施例中，迭代优化过程具有包括距离扫描位姿和GPS位置两者的优化约束。在一个示例中，迭代优化过程包括F(x)＝Fr(x)+Fg(x)和x*＝argminx(F(x))的目标函数，其中x表示位姿的虚拟测量值，x*表示n个连续的优化位姿，Fr(x)表示具有距离扫描位姿的优化约束的函数，而Fg(x)表示具有GPS位置的优化约束的函数。
在某些实施例中，Fr(x)＝Fn(x)，其中
其中，误差函数
其中表示距离扫描位姿，表示两个连续的距离扫描位姿的相对位姿。是计算虚拟测量值xv的测量预测函数的相对位姿，其通过该处理进行了优化。在某些实施例中，基于由卫星导航装置和/或航位推算装置生成的位置/位姿数据来估计xv的初始猜测。
表示绘制地图数据(即测量值)的逆协方差，因此是对称且正定的。
在某些实施例中，Fr(x)＝Fk(x)，其中
其中，误差函数
其中表示距离扫描位姿，表示车辆在位置和关键位置之间的相对位姿。是计算虚拟测量值xv的测量预测函数的相对位姿，其通过该处理进行了优化。在某些实施例中，基于由卫星导航装置和/或航位推算装置生成的位置/位姿数据来估计xv的初始猜测。
表示绘制地图数据(即测量值)的逆协方差，因此是对称且正定的。
在某些实施例中，
其中，位置误差函数
其中，表示车辆位姿的位置(x、y、z坐标)，是车辆的GPS位置(顶点vi)。
表示绘制地图数据(即测量值)的逆协方差，因此是对称且正定的。
在某些实施例中，迭代优化过程具有包括距离扫描位姿和GPS位置两者的优化约束，其中距离扫描位姿既包括连续的距离扫描位姿的相对位姿又包括关于关键位置的相对位姿。在一个示例中，迭代优化过程包括F(x)＝Fn(x)+Fk(x)+Fg(x)和x*＝argminx(F(x))的目标函数，其中
地图生成
图5示出了根据一个示例性实施例的用于生成HD地图的方法的流程图。参考图5，该方法包括获得生成HD地图所需的数据集的步骤。通常使用安装在车辆(例如图1中所示的车辆100)上的传感器的组合来获取数据集。传感器的组合包括，例如，相机、LiDAR、雷达、卫星导航装置和航位推算装置。卫星导航装置包括但不限于GPS接收机、GLONASS接收机、Galileo接收机、北斗GNSS接收机和RTK卫星导航装置。航位推算装置包括但不限于惯性测量单元(Inertial Measurement Unit，IMU)和里程计。
为了生成HD地图，在本公开的方法中使用的数据集包括两类数据：由距离扫描装置(例如，LiDAR)生成的距离扫描数据；通常由卫星导航装置和/或航位推算装置生成的位置/位姿数据。当车辆围绕某个区域移动时，传感器会在连续的位置处生成数据。本文中的连续的位置是指，在车辆移动所沿着的路径或轨迹中的多个位置，并且这些位置当在该路径中观察时彼此相邻(见图3所示)。因此，由于每个数据是当车辆(即传感器)处于这些连续的位置之一处时生成的，因此这些数据被称为是连续的。应该理解，不同的传感器可以以不同的频率生成数据。例如，LiDAR可以以5Hz的频率(即，每秒5次扫描)生成距离扫描数据，而GPS接收机可以以高得多的频率生成位置数据。然而，可以实施操作来调整传感器或数据，以使得由不同传感器生成以及用于制作HD地图的连续的数据相匹配，即，在相同的连续的位置处生成。
参考图5，该示例性方法还包括基于距离扫描数据生成车辆的距离扫描位姿的步骤。
参考图5，该示例性方法还包括步骤：通过使用具有包括距离扫描位姿和n个连续的GPS位置的优化约束的迭代优化过程来校准估计的连续的位姿，生成车辆在连续的位置处的连续的优化位姿。
在一个实施例中，当在n个连续的位置处生成了n个连续的绘制地图数据时，距离扫描位姿包括(i)车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数；(ii)车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中第k个位置是关键位置；或者(i)和(ii)两者。
在某些实施例中，在这些连续的位置中存在一系列关键位置。两个最接近的关键位置之间的距离约为10米至30米。
参考图5，在生成优化位姿之后，该方法还包括通过根据优化位姿来拼接连续的绘制地图数据，制作HD地图的步骤。当在绘制地图数据处理的上下文中使用时，术语“拼接”指的是结合两个或更多个重叠图像(例如，来自距离扫描数据的点云)以生成地图的过程。将绘制地图数据(图像)拼接成地图的方法在本领域中是已知的，例如，参见R.Kummerle等，g2o:A General Framework for Graph Optimization，IEEE(2011)及其中的参考文献)。
在一些实施例中，上述方法可以处理在大约100、200、300、400、500、600、700、800、900、1000、1100、1200、1300、1400、1500、1600、1700、1800个位置处生成的地图绘制数据。在一个实施例中，上述方法处理在大约1000-1500个位置处生成的地图绘制数据。
全局地图生成
取决于获得的计算能力和/或绘制地图数据，先前的部分中公开的方法可能更适合于生成局部地图(例如距离为100m、200m、300m、400m、500m、600m、700m、800m、900m、1000m)。局部地图可以进一步用于生成全局地图(距离在1km、2km、3km、4km、5km、6km、7km、8km、9km、10km、20km、30km、40km、50km、100km、200km以上)。因此，在另一方面中，本公开提供了合并局部地图以生成全局地图的方法。图6示出了用于生成全局地图的方法的流程图。
参考图6，该示例性方法包括获得使用在先前的部分中公开的方法生成的若干局部地图(子地图)的步骤。在一个示例中，该方法获得至少第一子地图和第二子地图。基于n个连续的优化位姿和n个连续的位置，通过拼接n个连续的绘制地图数据来生成第一子地图(n是至少5的整数，例如6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、25、30、35、40等)，其中，该n个连续的优化位姿是根据基于n个连续的距离扫描数据和n个连续的GPS位置生成的距离扫描位姿来生成的。基于m个连续的优化位姿和m个连续的位置，通过拼接m个连续的绘制地图数据来生成第二子地图(m是至少5的整数)，其中，该m个连续的优化位姿是根据基于m个连续的距离扫描数据和m个连续的GPS位置生成的距离扫描位姿来生成的。
该示例性方法还包括步骤：通过使用具有第二优化约束的第二迭代优化过程来校准n个连续的优化位姿和m个连续的优化位姿，生成n个连续的全局优化位姿和m个连续的全局优化位姿，该第二优化约束包括：
基于n个连续的距离扫描数据和m个连续的距离扫描数据生成的距离扫描位姿，
n个连续的GPS位置，以及
m个连续的GPS位置，
从而生成了n个连续的全局优化位姿和m个连续的全局优化位姿。
在某些实施例中，基于n个连续的距离扫描数据和m个连续的距离扫描数据生成的距离扫描位姿包括：(i)车辆在第i个位置和第(i-1)个位置之间的相对位姿，其中i是2至n之间的整数，其中第i个位置是n个连续的位置之一；(ii)车辆在第j个位置和第(j-1)个位置之间的相对位姿，其中j是2至m之间的整数，其中第j个位置是m个连续的位置之一；以及(iii)车辆在第p个位置和第q个位置之间的相对位姿，其中p是1至n之间的整数，q是1至m之间的整数，其中第p个位置是n个连续的位置之一，第q个位置是m个连续的位置之一，并且第p个位置和第q个位置之间的距离在阈值以内。
在一个示例中，迭代优化过程包括F(x)＝Fe(x)+Fi(x)+Fg(x)和x*＝argminx(F(x))的目标函数，其中
其中，sl≠sk并且vj∈N(vi)。如果vj和vi之间的距离小于阈值，则vj在vi(N(vi))的邻域中。C表示子地图集。
在一些实施例中，阈值是大约10米、20米、30米、40米、50米、60米、70米、80米、90米、100米、110米、120米、130米、140米、150米、160米、170米、180米、190米、200米、250米、300米、350米、400米、450米、500米、550米、600米、650米、700米、750米、800米、850米、900米或1000米。
参考图5，在生成优化位姿之后，该方法还包括通过基于全局优化位姿拼接子地图来制作全局地图的步骤。
装置和系统
通过本文中公开的方法生成的HD地图可以用于自动驾驶车辆中。因此，在另一方面中，本公开提供了导航装置。在一个实施例中，导航装置包括：数据存储器，用于存储本文中公开的高清晰度地图；定位模块，用于检测车辆的当前位置；处理器，配置为接收车辆的目的地并基于HD地图、车辆的当前位置和车辆的目的地来计算车辆的路线。
在一个实施例中，处理器还配置为：接收与车辆的当前位置相关联的交通信息；并基于路线和交通信息生成至少一个行驶控制指令，其中，车辆根据该至少一个行驶控制指令来行驶。
在一个实施例中，导航装置还包括显示器，该显示器用于显示车辆以及与车辆的当前位置相关联的高清晰度地图数据的至少一部分。
在另一方面中，本公开提供了生成HD地图的系统。在一个实施例中，该系统包括：车辆，该车辆包括传感器、卫星导航装置和/或航位推算装置、以及距离扫描装置；处理器；以及用于存储可由处理器执行的指令的存储器，其中处理器配置为执行根据本公开的方法的用于生成高清晰度地图的步骤。
如本文中所使用的，处理器包括在同一集成芯片上的多核处理器，或者在单个电路板上或网络连结的多个处理单元。基于本文中提供的公开内容和教导，本领域普通技术人员将知道并理解使用硬件以及硬件和软件的组合来实现本公开的实施例的其他方式和/或方法。
在本申请中描述的任何软件组件或功能可以被实现为将由处理器利用使用了例如常规的或面向对象的技术的任何合适的计算机语言(例如，例如Java、C++或Perl)来执行的软件代码。该软件代码可以作为一系列指令或命令存储在计算机可读介质上以用于存储和/或传输，合适的介质包括随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、例如硬盘驱动器或软盘等的磁介质、或者例如光盘(CD)或数字通用光盘(Digital Versatile Disk，DVD)等的光学介质、以及闪存等。该计算机可读介质可以是这样的存储或传输装置的任何组合。

Claims (18)

1.生成高清晰度地图的方法，所述方法包括：
获取n个连续的绘制地图数据，其分别在车辆的n个连续的位置之一处生成，n为至少5的整数，其中，所述n个连续的绘制地图数据包括：
在所述n个连续的位置处的n个连续的距离扫描数据，和
所述车辆在所述n个连续的位置处的n个连续的GPS位置；
基于所述n个连续的距离扫描数据，生成所述车辆的距离扫描位姿；所述距离扫描位姿包括：（i）所述车辆在第i个位置和第i-1个位置之间的相对位姿，其中i是2至n之间的整数；或者（ii）所述车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中所述第k个位置是关键位置；
估计所述车辆在所述n个连续的位置处的n个连续的位姿；
使用具有包括所述距离扫描位姿和所述n个连续的GPS位置的优化约束的迭代优化过程来校准所述n个连续的位姿，从而生成所述车辆在所述n个连续的位置处的n个连续的优化位姿；以及
通过基于所述n个连续的优化位姿来拼接所述n个连续的绘制地图数据，生成第一地图。
2.如权利要求1所述的方法，其特征在于，所述距离扫描位姿是通过正态分布变换或迭代最近点算法生成的。
3.如权利要求1所述的方法，其特征在于，所述距离扫描位姿包括（i）和（ii）两者。
4.如权利要求1所述的方法，其特征在于，所述迭代优化过程是图优化过程、ISAM算法或CERES算法。
5.如权利要求1所述的方法，其特征在于，所述车辆的所述n个连续的位姿是基于由卫星导航装置和/或航位推算装置生成的数据来估计的。
6.如权利要求1所述的方法，其特征在于，所述n个连续的绘制地图数据是由从由相机、LiDAR、雷达、卫星导航装置、航位推算装置或者其组合组成的组中选择的传感器生成的。
7.如权利要求1所述的方法，其特征在于，所述n个连续的距离扫描数据是由LiDAR生成的。
8.如权利要求1所述的方法，其特征在于，所述n个连续的GPS位置是由卫星导航装置和/或航位推算装置生成的。
9.如权利要求8所述的方法，其特征在于，所述卫星导航装置是GPS接收机、GLONASS接收机、伽利略接收机、北斗GNSS接收机或RTK卫星导航装置。
10.如权利要求8所述的方法，其特征在于，所述航位推算装置是惯性测量单元IMU或里程计。
11.如权利要求1所述的方法，其特征在于，还包括：
通过基于在m个连续的位置处的m个连续的优化位姿来拼接m个连续的绘制地图数据，得到至少第二地图，其中，所述m个连续的优化位姿是根据m个连续的距离扫描数据和m个连续的GPS位置生成的，并且m是至少5的整数；
使用具有第二优化约束的第二迭代优化过程来校准所述n个连续的优化位姿和所述m个连续的优化位姿，所述第二优化约束包括：
基于所述n个连续的距离扫描数据和所述m个连续的距离扫描数据生成的距离扫描位姿，
所述n个连续的GPS位置，和
所述m个连续的GPS位置，
从而生成n个连续的全局优化位姿和m个连续的全局优化位姿；以及
通过基于所述n个连续的全局优化位姿和所述m个连续的全局优化位姿来拼接所述第一地图与所述第二地图，生成全局地图。
12.如权利要求11所述的方法，其特征在于，基于所述n个连续的距离扫描数据和所述m个连续的距离扫描数据生成的所述距离扫描位姿包括：
（i）所述车辆在第i个位置和第i-1个位置之间的相对位姿，其中i是2至n之间的整数，其中所述第i个位置是所述n个连续的位置之一；
（ii）所述车辆在第j个位置和第j-1个位置之间的相对位姿，其中j是2至m之间的整数，其中所述第j个位置是所述m个连续的位置之一；和
（iii）所述车辆在第p个位置和第q个位置之间的相对位姿，其中p是1至n之间的整数，q是1至m之间的整数，其中：
所述第p个位置是所述n个连续的位置之一，
所述第q个位置是所述m个连续的位置之一，并且
所述第p个位置和所述第q个位置之间的距离在阈值内。
13.高清晰度地图，其根据方法生成，所述方法包括：
获取n个连续的绘制地图数据，其分别在车辆的n个连续的位置之一处生成，n为至少5的整数，其中，所述n个连续的绘制地图数据包括：
在所述n个连续的位置处的n个连续的距离扫描数据，和
车辆在所述n个连续的位置处的n个连续的GPS位置；
基于所述n个连续的距离扫描数据，生成所述车辆的距离扫描位姿；所述距离扫描位姿包括：（i）所述车辆在第i个位置和第i-1个位置之间的相对位姿，其中i是2至n之间的整数；或者（ii）所述车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中所述第k个位置是关键位置；
估计所述车辆在所述n个连续的位置处的n个连续的位姿；
使用具有包括所述距离扫描位姿和所述n个连续的GPS位置的优化约束的迭代优化过程来校准所述n个连续的位姿，从而在所述n个连续的位置处生成所述车辆的n个连续的优化位姿；以及
通过基于所述n个连续的优化位姿来拼接所述n个连续的绘制地图数据，生成所述地图。
14.导航装置，包括：
数据存储器，其用于存储如权利要求13所述的高清晰度地图；
定位模块，其用于检测车辆的当前位置；和
处理器，其配置为：
接收所述车辆的目的地，以及
基于所述高清晰度地图、所述车辆的所述当前位置和所述车辆的所述目的地，计算所述车辆的路线。
15.如权利要求14所述的导航装置，其特征在于，所述处理器还配置为：
接收与所述车辆的所述当前位置相关联的交通信息；以及
基于所述路线和所述交通信息，生成至少一个行驶控制指令，其中，所述车辆根据所述至少一个行驶控制指令来行驶。
16.如权利要求14所述的导航装置，其特征在于，还包括：显示器，所述显示器用于显示所述车辆以及与所述车辆的所述当前位置相关联的高清晰度地图数据的至少一部分。
17.生成高清晰度地图的系统，包括：
车辆，其包括：
传感器，
卫星导航装置和/或航位推算装置，和
距离扫描装置；
处理器；和
存储器，其用于存储可由所述处理器执行的指令，
其中，所述处理器配置为执行以下步骤：
获取n个连续的绘制地图数据，其分别在车辆的n个连续的位置之一处生成，n为至少5的整数，其中，所述n个连续的绘制地图数据包括：
在所述n个连续的位置处的n个连续的距离扫描数据，和
所述车辆在所述n个连续的位置处的n个连续的GPS位置；
基于所述n个连续的距离扫描数据，生成所述车辆的距离扫描位姿；所述距离扫描位姿包括：（i）所述车辆在第i个位置和第i-1个位置之间的相对位姿，其中i是2至n之间的整数；或者（ii）所述车辆在第i个位置和第k个位置之间的相对位姿，其中i和k是1至n之间的整数，其中所述第k个位置是关键位置；
估计所述车辆在所述n个连续的位置处的n个连续的位姿；
使用具有包括所述距离扫描位姿和所述n个连续的GPS位置的优化约束的迭代优化过程来校准所述n个连续的位姿，从而生成所述车辆在所述n个连续的位置处的n个连续的优化位姿；以及
通过基于所述n个连续的优化位姿来拼接所述n个连续的绘制地图数据，生成第一地图。
18.如权利要求17所述的系统，其中，所述处理器配置为还执行以下步骤：
通过基于在m个连续的位置处的m个连续的优化位姿来拼接m个连续的绘制地图数据，得到至少第二地图，其中，所述m个连续的优化位姿是根据m个连续的距离扫描数据和m个连续的GPS位置生成的，并且m是至少5的整数；
使用具有第二优化约束的第二迭代优化过程来校准所述n个连续的优化位姿和所述m个连续的优化位姿，所述第二优化约束包括：
基于所述n个连续的距离扫描数据和所述m个连续的距离扫描数据生成的距离扫描位姿，
所述n个连续的GPS位置，和
所述m个连续的GPS位置，
从而生成n个连续的全局优化位姿和m个连续的全局优化位姿；以及
通过基于所述n个连续的全局优化位姿和所述m个连续的全局优化位姿来拼接所述第一地图与所述第二地图，生成全局地图。
CN201980027141.3A 2018-04-20 2019-04-22 用于生成高清晰度地图的方法和系统 Active CN112292582B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862660264P 2018-04-20 2018-04-20
US62/660,264 2018-04-20
PCT/US2019/028420 WO2019204800A1 (en) 2018-04-20 2019-04-22 Method and system for generating high definition map

Publications (2)

Publication Number Publication Date
CN112292582A CN112292582A (zh) 2021-01-29
CN112292582B true CN112292582B (zh) 2024-08-27

Family

ID=68239216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980027141.3A Active CN112292582B (zh) 2018-04-20 2019-04-22 用于生成高清晰度地图的方法和系统

Country Status (3)

Country Link
US (1) US20210180984A1 (zh)
CN (1) CN112292582B (zh)
WO (1) WO2019204800A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530024B (zh) * 2018-10-15 2024-09-17 华为技术有限公司 用于虚拟场景的数据处理方法以及设备
CN110954114B (zh) * 2019-11-26 2021-11-23 苏州智加科技有限公司 电子地图的生成方法、装置、终端及存储介质
US20230204363A1 (en) * 2020-05-26 2023-06-29 Sensible 4 Oy Method for improving localization accuracy of a self-driving vehicle
CN111968229B (zh) * 2020-06-28 2024-07-16 阿波罗智能技术(北京)有限公司 高精度地图制图方法及装置
CN112100311B (zh) * 2020-11-19 2021-03-05 深圳市城市交通规划设计研究中心股份有限公司 一种道路交通路网地理信息数据管理方法、装置及系统
US12105192B2 (en) 2020-12-17 2024-10-01 Aptiv Technologies AG Radar reference map generation
US20220197301A1 (en) * 2020-12-17 2022-06-23 Aptiv Technologies Limited Vehicle Localization Based on Radar Detections
CN113470143B (zh) * 2021-06-29 2024-04-05 阿波罗智能技术(北京)有限公司 电子地图绘制方法、装置、设备以及自动驾驶车辆
CN114279434B (zh) * 2021-12-27 2024-06-14 驭势科技（北京）有限公司 一种建图方法、装置、电子设备和存储介质
US20230400306A1 (en) * 2022-06-14 2023-12-14 Volvo Car Corporation Localization for autonomous movement using vehicle sensors

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6759979B2 (en) * 2002-01-22 2004-07-06 E-Businesscontrols Corp. GPS-enhanced system and method for automatically capturing and co-registering virtual models of a site
US20080033645A1 (en) * 2006-08-03 2008-02-07 Jesse Sol Levinson Pobabilistic methods for mapping and localization in arbitrary outdoor environments
US8364334B2 (en) * 2008-10-30 2013-01-29 Honeywell International Inc. System and method for navigating an autonomous vehicle using laser detection and ranging
US8582182B2 (en) * 2009-05-20 2013-11-12 Dacuda Ag Automatic sizing of images acquired by a handheld scanner
JP5745067B2 (ja) * 2010-09-24 2015-07-08 アイロボット・コーポレーション Ｖｓｌａｍ最適化のためのシステムおよび方法
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
US9342888B2 (en) * 2014-02-08 2016-05-17 Honda Motor Co., Ltd. System and method for mapping, localization and pose correction of a vehicle based on images
US10339389B2 (en) * 2014-09-03 2019-07-02 Sharp Laboratories Of America, Inc. Methods and systems for vision-based motion estimation
US9989969B2 (en) * 2015-01-19 2018-06-05 The Regents Of The University Of Michigan Visual localization within LIDAR maps
CN105953798B (zh) * 2016-04-19 2018-09-18 深圳市神州云海智能科技有限公司 移动机器人的位姿确定方法和设备
EP3497405B1 (en) * 2016-08-09 2022-06-15 Nauto, Inc. System and method for precision localization and mapping
JP6294924B2 (ja) * 2016-09-05 2018-03-14 株式会社Ｓｕｂａｒｕ 車両の走行制御装置
CN106441319B (zh) * 2016-09-23 2019-07-16 中国科学院合肥物质科学研究院 一种无人驾驶车辆车道级导航地图的生成系统及方法

Also Published As

Publication number Publication date
WO2019204800A1 (en) 2019-10-24
US20210180984A1 (en) 2021-06-17
CN112292582A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112292582B (zh) 用于生成高清晰度地图的方法和系统
US10240934B2 (en) Method and system for determining a position relative to a digital map
JP6401140B2 (ja) 交差点の構造の接合確率モデリング及び推定
Vivacqua et al. A low cost sensors approach for accurate vehicle localization and autonomous driving application
CN110873570A (zh) 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
CN107850449A (zh) 用于生成及使用定位参考数据的方法及系统
JP2009294214A (ja) 地形構造を用いたナビゲーション方法及びシステム
Shunsuke et al. GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon
CN115135963A (zh) 用于在场景地图中生成3d参考点的方法
Soheilian et al. Generation of an integrated 3D city model with visual landmarks for autonomous navigation in dense urban areas
Bao et al. Vehicle self-localization using 3D building map and stereo camera
JP2022547373A (ja) セルラーベースのナビゲーション方法
WO2023222671A1 (en) Position determination of a vehicle using image segmentations
JP2009110249A (ja) 自律走行移動体の走行経路決定用地図作成装置及び走行経路決定用地図作成方法
CN116890847A (zh) 车辆姿势评估
Wei Multi-sources fusion based vehicle localization in urban environments under a loosely coupled probabilistic framework
JP2020073931A (ja) 情報処理装置、制御方法、プログラム及び記憶媒体
Gu et al. Correction of vehicle positioning error using 3D-map-GNSS and vision-based road marking detection
Gu et al. Vehicle localization based on global navigation satellite system aided by three-dimensional map
Lima et al. LiDAR observations by motion compensation and scan accumulation
Zuev et al. Mobile system for road inspection and 3D modelling
Mohammed In vehicle smartphone based position estimates on urban roads for lane departures using road level GIS information
Maksimychev et al. Autonomous Navigation in Rural Environment based on Digital Filters and LIDAR Data
Prince Investigation of the possible applications of drone-based data acquisition for the development of road information systems
Elkholy Radar and INS Integration for Enhancing Land Vehicle Navigation in GNSS-Denied Environment

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