CN112673233A - 地图构建系统和方法 - Google Patents
地图构建系统和方法 Download PDFInfo
- Publication number
- CN112673233A CN112673233A CN202080003298.5A CN202080003298A CN112673233A CN 112673233 A CN112673233 A CN 112673233A CN 202080003298 A CN202080003298 A CN 202080003298A CN 112673233 A CN112673233 A CN 112673233A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- sensor
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000010276 construction Methods 0.000 title description 6
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000013507 mapping Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000005259 measurement Methods 0.000 claims description 31
- 238000012546 transfer Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 34
- 238000003860 storage Methods 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 20
- 238000012937 correction Methods 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 238000003915 air pollution Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000000835 fiber Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000001373 regressive effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road 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
- G01C21/38—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
- 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
- G01S17/93—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
- 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
- G01S19/485—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 whereby the further system is an optical system or imaging system
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请涉及地图构建系统和方法。所述系统包括与第一传感器和第二传感器相连接的处理电路。所述系统执行所述方法以接收包括由所述第一传感器获得的车辆的位姿信息的第一数据;接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据;根据所述第二数据校正所述第一数据;以及根据所述校正的第一数据和所述第二数据构建地图。
Description
技术领域
本申请涉及地图构建系统和方法。具体的,涉及根据车辆的校正的位置信息和/或姿态信息以及与所述车辆的环境相关的信息构建地图的系统和方法。
背景技术
常规的或自动驾驶(例如,无人驾驶的)车辆已被用于通过在环境中导航并拍摄环境图片来构建地图。地图构建还依赖于自动驾驶车辆的位置信息(例如,纬度、经度、高度)和/或姿态信息(例如,姿态角、速度)。位置/姿态信息通常由车辆上的全球定位系统(GPS)设备(和/或惯性测量单元(IMU))提供;与车辆的环境(例如,道路、建筑物)相关的信息也是地图构建的关键,通常由车辆上的激光雷达(LIDAR)设备测量。由于所测量的位置/姿态信息可能存在误差(例如,由GPS设备的不精确引起的误差),所构建的地图可能因此精度较低并且模糊不清。因此,需要提供能够校正所述误差并构建高精度地图的系统及方法。
发明内容
根据本申请的一个方面,提供了一种地图构建电子系统。所述电子系统可以包括处理电路。所述处理电路与第一传感器以及第二传感器相连接。所述处理电路可以被配置为执行以下操作中的一个或多个。所述处理电路可以接收包括由所述第一传感器获得的车辆的位姿信息的第一数据。所述处理电路可以接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据。所述处理电路可以根据所述第二数据校正所述第一数据。所述处理电路可以根据所述校正的第一数据和所述第二数据构建地图。
根据本申请的另一个方面,提供了一种地图构建方法。所述方法可以在具有与第一传感器和第二传感器相连接的处理电路的计算设备上实施。所述方法可以包括以下操作中的一个或多个。所述处理电路可以接收包括由所述第一传感器获得的车辆位姿信息的第一数据。所述处理电路可以接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据。所述处理电路可以根据所述第二数据校正所述第一数据。所述处理电路可以根据所述校正的第一数据和所述第二数据构建地图。
根据本申请的另一个方面,提供了一种非暂时性计算机可读介质。所述非暂时性计算机可读介质可以包括用于地图构建的一组指令。当所述一组指令由与第一传感器和第二传感器相连接的处理电路执行时,所述一组指令指示所述处理电路执行以下操作中的一个或多个。所述处理电路可以接收包括由所述第一传感器获得的车辆位姿信息的第一数据。所述处理电路可以接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据。所述处理电路可以根据所述第二数据校正所述第一数据。所述处理电路可以根据所述校正的第一数据和所述第二数据构建地图。
在一些实施例中,所述位姿信息可以包括所述车辆的位置参数或姿态参数中的至少一个,所述第一传感器包括全球定位系统(GPS)设备。
在一些实施例中,所述道路环境信息可以包括激光雷达(LIDAR)测量结果,所述第二传感器可以包括LIDAR设备。
在一些实施例中,所述处理电路可以根据所述LIDAR测量结果确定所述车辆的相邻两个路径点之间的转移关系。所述处理电路可以根据所述第二数据、所述转移关系和优化方程校正所述第一数据。在一些实施例中,所述转移关系包括平移变换或旋转变换中的至少一个。
在一些实施例中,所述相邻两个路径点之间的距离可以小于阈值距离。
在一些实施例中,所述优化方程可以与所述第一数据、所述转移关系和权重系数有关。
在一些实施例中,所述车辆的所述位置参数可以包括来自所述GPS设备的采样点的位置参数。
在一些实施例中,所述权重系数可以与所述车辆的路径点周围的采样点的稠密度相关联。
在一些实施例中,所述处理电路可以被配置为根据所述第二数据,使用即时定位与地图构建(SLAM)算法校正所述第一数据。
本申请的一部分附加特征可以下面的描述中进行说明。通过对以下描述和相应附图的检查或对实施例的生产或操作的了解,本申请的一部分附加特征对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将结合示例性实施例进一步进行描述。这些示例性的实施例将结合附图进行详细描述。这些实施例并不构成对本申请的限定。在各图中,相同的标号表示相同的结构,其中:
图1是根据本申请一些实施例所示的示例地图构建系统的示意图;
图2是根据本申请的一些实施例所示的计算设备的示例硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的移动设备的示例硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例车辆的框图;
图5是根据本申请的一些实施例所示的示例处理模块的框图;以及
图6是根据本申请的一些实施例所示的示例地图构建程序的流程图。
具体实施方式
以下描述是为了使本领域技术人员能够实施和利用本申请,并提供在特定应用及其要求的上下文中。对于本领域技术人员来讲,对本申请披露的实施例进行的各种修改是显而易见的,并且本文中定义的通则在不背离本申请的实质及范围的情况下,可以适用于其他实施例及应用。因此,本申请不限于所示的实施例,而是被赋予与权利要求一致的最宽范围。
本文中所使用的术语仅为方便描述特定示例性实施例,并不仅限于此。在本文中,除非上下文明确提示例外情形,“一”、“一个”和“该”并非特指单数,也可包括复数。进一步理解,在本说明书中,术语“包括”与“包含”仅提示包括明确标识的特征、整体、步骤、操作、元素和/或组件,但并不排除存在或添加一个或多个其他特征、整体、步骤、操作、元素、组件和/或其组合的情况。
参看下面的说明以及附图,本申请的这些和其他特征、特点、操作方法、结构的相关元素的功能、部分的结合和制造的经济性可以被更好地理解,其中说明和附图构成了本申请的一部分。然而,可以清楚地理解,附图仅用作说明和描述的目的,并不意在限制本申请的保护范围。可以理解的是,附图并非按比例绘制。
本申请中使用了流程图用于说明根据本申请的实施例的系统所执行的操作。可以清楚地理解,流程图中的操作可以不按顺序实施。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或多个其他操作添加到这些流程图中,或者从这些流程图中移除某一步或数步操作。
本申请的一方面涉及地图构建系统和方法。根据本申请,所述系统和方法可以接收包括由第一传感器(例如,GPS设备、IMU)获得的车辆的位姿信息的第一数据,并接收包括由第二传感器(例如,LIDAR设备)获得的所述车辆的道路环境信息的第二数据。所述系统和方法可以根据所述第二数据校正所述第一数据。所述系统和方法可以进一步根据所述校正的第一数据和所述第二数据构建地图。
需要说明的是,本申请中的地图构建是植根于后互联网时代的新兴服务。它为在后互联网时代可能出现的车辆提供了技术解决方案。在前互联网时代,车辆不可能通过处理位姿信息和道路环境信息来构建地图。因此,目前的解决方案深深植根于并旨在解决仅发生在后互联网时代的问题。
图1是根据本申请的一些实施例所示的示例地图构建系统100的示意图。如图1所示,地图构建系统100可以包括至少一个车辆110、网络120、服务器130、定位设备140、以及存储设备150。在一些实施例中,车辆110可以在有或没有司机的情况下在道路160上导航。道路160可以包括用于限定车道的虚线(即车道线)165-1、道路标记165-2及165-3、人行横道165-4等。
所述车辆110可以在从一个地方到另一个地方的导航过程中构建地图。此处,所述地图可以指车辆110的环境的图形表示,显示所述环境的状态、大小、方向、相对位置、以及距离。所述环境可以包括但不限于其它车辆、道路上的行人和/或障碍物、道路、交通信号及标志、方向信息、交叉路口,车道信息(例如,车道线165-1、路标165-2及165-3、人行横道165-4等)、车道边界、限速、建筑物、河流、湖泊、其他水体、桥梁及隧道、天气状况(例如,晴天、下雨或下雪)、交通状况(例如,道路畅通或拥堵)、能见度情况、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或多种的组合。
在一些实施例中,车辆110可以在没有驾驶员输入(例如,控制车辆110的方向盘、油门或制动踏板)的情况下以自动驾驶模式运行。在所述自动驾驶模式下,车辆110可以检测和/或接收与车辆110的所述环境相关的信息,和/或车辆110的信息(例如,位置信息、姿态信息、时间信息),处理所述信息并根据所述信息构建地图。例如,车辆110可以接收与所述环境相关的激光雷达(LIDAR)测量结果,并根据与所述环境相关的所述LIDAR测量结果,以及车辆110的位置信息和/或姿态信息构建地图。车辆110可以进一步使用所述地图来确定导航策略。例如,车辆110可以根据所述地图确定从起始位置到目的地位置的导航路径。
车辆110可以使用多种技术检测与所述环境相关的信息和/或所述车辆110的信息。示例性的技术可以包括雷达技术、激光技术、定位技术(例如,GPS)、测距技术、视频技术、超声波技术等中的一种或多种的组合。
车辆110可以与网络120、服务器130、定位设备140和/或存储设备150进行通信。例如,车辆110可以通过网络120与其它车辆通信。又例如,车辆110可以定期地将车辆110的信息(例如,位置信息、时间信息等)发送给服务器130。服务器110根据所述信息监控车辆110。再例如,车辆110可以包括被配置为与定位设备140通信以定位车辆110的位置的信号发射器和信号接收器。
车辆110可以是任何类型的车辆,包括例如汽车、卡车、摩托车、公共汽车、船、飞机、直升机、割草机、休闲车辆、游乐园车辆、农场设备、建筑设备、电车、高尔夫球车、火车等。
网络120可以促进信息和/或数据的交换。在一些实施例中,地图构建系统100中的一个或多个组件(例如,车辆110、服务器130、定位设备140或存储设备150)可以通过网络120向地图构建系统100中的其他组件发送信息和/或数据。例如,服务器130可以通过网络120从车辆110接收车辆110的位置信息。在一些实施例中,网络120可以是任意形式的有线或无线网络,或有线/无线网络的组合。仅仅作为示例,网络120可以包括电缆网络、缆线网络、光纤网络、电信网络、内部网络、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公用电话交换网路(PSTN)、蓝牙网络,紫蜂网络、近场通信(NFC)网络等中的一种或多种的组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站和/或因特网接入点120-1、120-2等,通过所述接入点,地图构建系统100中的一个或多个组件可以连接到网络120以交换数据和/或信息。
服务器130可以是计算机服务器。在一些实施例中,服务器130可以是单个服务器或服务器组。所述服务器组可以是通过接入点连接到网络120的集中式服务器组,或经由一个或多个接入点连接到网络120的分布式服务器组。在一些实施例中,服务器130可以本地连接到网络120或与网络120远程连接。例如,服务器130可以通过网络120访问存储在车辆110和/或存储设备150中的信息和/或数据。又例如,存储设备150可以作为服务器130的后端数据存储。在一些实施例中,服务器130可以在云平台上实施。仅仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云、多层云等中的一种或多种的组合。
定位设备140可以确定与物体例如车辆110、服务器130等相关的信息。例如,定位设备140可以确定车辆110的当前时间和当前位置。在一些实施例中,定位设备140可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、指南针导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。所述信息包括物体的位置、高度、速度、或物体的加速度、和/或当前时间。定位设备140包括一个或多个卫星,例如卫星140-1、卫星140-2和卫星140-3。卫星140-1至140-3可以独立或共同确定上述信息。定位设备140可以通过网络120将上述信息发送给车辆110或服务器130。
存储设备150可以存储数据和/或指令。在一些实施例中,存储设备150可以存储从车辆110和/或服务器130获得的数据。在一些实施例中,存储设备150可以存储车辆110执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等中的一种或多种的组合。在一些实施例中,示例性的大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的易失性读写存储器可以包括随机存取存储器(RAM)。示例性的RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)、零电容RAM(Z-RAM)等。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可编程可擦除ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、数字多功能盘ROM等。在一些实施例中,存储设备150可以在云平台上实施。在一些实施例中,所述云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云、多层云等中的一种或多种的组合。
图2是根据本申请的一些实施例所示的计算设备200的示例硬件和/或软件组件的示意图。计算设备200可以是被设计成安装在车辆上并控制车辆性能的专用计算机。例如,计算设备200可以是单板处理器。
计算设备200可用于实施本申请的地图构建系统。计算设备200可以用于实施本文描述的地图构建系统的任一组件。例如,在计算设备200上,通过其硬件、软件程序、固件或它们的组合可以实现车辆110的处理模块420。为了方便起见,图中只绘制了一台计算机,但是本申请所描述的与地图构建系统相关的计算机功能可以是以分布的方式由一组相似的平台所实施,以分散系统的处理负载。
例如,计算设备200可以包括与其连接的网络(例如,网络120)相连接并进行数据通信的通信(COM)端口250。计算设备200还可以包括一个或多个处理器形式的、用于执行程序指令的中央处理器(CPU)220。所述示例性的计算机平台可以包括内部通信总线210、不同形式的程序存储器和数据存储器,例如,用于存储由计算机处理和/或传输的各种各样的数据文件的磁盘270、和只读存储器(ROM)230或随机存取存储器(RAM)240。所述示例性的计算机平台还可以包括存储在ROM 230、RAM 240和/或其他类型的非暂时性存储介质中的,由CPU 220执行的程序指令。本申请的方法和/或过程可以作为程序指令来实施。计算设备200还可以包括输入/输出组件260,其支持计算机、用户以及其中的其他组件之间的输入/输出。计算设备200还可以通过网络通信接收程序和数据。
例如,CPU 220可以包括其中的一个或多个接口电路222以及处理电路224。接口电路222可以被配置为通过内部通信总线210从计算设备200的其它组件(例如,RAM 230、ROM240、磁盘270等)接收电子信号,其中所述电子信号对处理电路224处理的结构化数据和/或指令进行编码。处理电路224可以通过执行如算术计算、逻辑计算、控制操作等操作来处理所述结构化数据和/或指令。接口电路222可以接收编码为电信号的所述操作的结果。接口电路222可以通过内部通信总线210从处理电路224发出电子信号。
仅为理解方便,计算设备200中仅描述了一个CPU和/或处理器。然而,应当理解,本申请中的计算设备200还可以包括多个CPU和/或处理器,因此本申请中描述的由一个CPU和/或处理器执行的操作和/或方法步骤也可以由多个CPU和/或处理器共同或者分别执行。例如,计算设备200的CPU和/或处理器可以执行步骤A以及步骤B。又例如,步骤A以及步骤B也可以由计算设备200中的两个不同的CPU和/或处理器共同或分别执行(例如,第一处理器执行步骤A并且第二处理器执行步骤B,或者所述第一和第二处理器共同执行步骤A和B)。
图3是根据本申请的一些实施例所示的移动设备的示例硬件和/或软件组件的示意图。如图3所示,移动设备300可以包括通信模块310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入/输出(I/O)350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),亦可包括在移动设备300内。在一些实施例中,移动操作系统370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用程序380可从存储器390加载至内存360以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的应用程序,用于从服务器130发送、接收以及呈现与车辆110的状态(例如,车辆110的位置)有关的信息。用户与信息流的交互可以通过I/O 350实现,并通过网络120提供给服务器130和/或地图构建系统100的其他组件。
图4是根据本申请的一些实施例所示的示例车辆110的框图。如图4所示,车辆110可以包括通信模块410、处理模块420、传感模块430、驱动模块440、控制模块450以及存储模块460。
通信模块410可以促进信息和/或数据的交换。在一些实施例中,通信模块410可以促进其他车辆组件(例如,处理模块420、传感模块430、驱动模块440、控制模块450和/或存储模块460)之间的通信。例如,传感模块430可以将与车辆110相关的信息(例如,位置信息)传送到通信模块410。通信模块410然后将所述信息传送到处理模块420。在一些实施例中,通信模块410可以促进地图构建系统100的其他组件(例如,车辆110、服务器130、定位设备140和/或存储设备150)之间的通信。例如,通信模块410可以通过例如网络120与其他车辆进行通信。又例如,通信模块410可以定期地向服务器130发送车辆110的信息(例如,位置信息、时间信息等)。服务器130可以根据所述信息监控车辆110。通信模块410可以使用任何类型的有线或无线技术,或有线/无线技术的组合。所述有线技术可以基于有线连接,例如金属电缆、光缆、混合电缆等中的一种或多种的组合。示例性的无线技术可以包括蜂窝通信技术(例如,GSM、GPRS、CDMA、2G、3G、4G、5G)、短距离无线电通信技术(例如,蓝牙、近场通信(NFC)技术、射频识别(RFID)技术、紫蜂、无线保真(Wi-Fi)技术)、窄带物联网(NB-IoT)、低功耗广域网(LPWAN)(例如,LoRa)等。
处理模块420可以被配置为处理信息和/或数据。在一些实施例中,可以从车辆110的其他组件(例如,通信模块410、传感模块430和/或存储模块460)接收所述信息和/或数据。例如,处理模块420可以接收来自传感模块430的车辆110的位置参数和/或姿态参数,以及LIDAR测量结果,并且基于所述车辆110的位置参数和/或姿态参数,以及LIDAR测量结果构建地图。在一些实施例中,处理模块420可以在计算设备200和/或移动设备300上实施,并用于执行本申请中的处理模块420的功能。
在一些实施例中,处理模块420可以是被设计成安装在车辆上并控制车辆性能的专用计算机。例如,处理模块420可以是单板处理器。在一些实施例中,处理模块420还可以包括其他设备,例如移动设备、平板电脑、笔记本电脑、车辆110内的内置设备等中的一种或多种的组合。在一些实施例中,所述移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。在一些实施例中,所述智能家居设备可以包括智能照明设备、智能电器的控制设备、智能监控设备、智能电视、智能摄影机、对讲机等中的一种或多种的组合。在一些实施例中,所述可穿戴设备可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰等中的一种或多种的组合。在一些实施例中,所述智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等中的一种或多种的组合。在一些实施例中,所述虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等中的一种或多种的组合。例如,所述虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HoloLensTM或GearVRTM等。在一些实施例中,所述内置设备可以包括车载计算机、车载电视等。
在一些实施例中,处理模块420可以包括一个或者多个处理单元(例如,单核处理引擎或多核处理引擎)。仅仅作为示例,处理模块420可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等中的一种或多种的组合。
传感模块430可以被配置为检测和/或获取与车辆110相关的信息。传感模块430可以通过通信模块410将所述信息发送到处理模块420。在一些实施例中,传感模块430可以包括至少一个全球定位系统(GPS)设备、至少一个惯性测量单元(IMU)、至少一个成像设备、至少一个激光雷达(LIDAR)设备、至少一个雷达(RADAR)设备、至少一个超声波传感器、至少一个环境传感器等中的一种或多种的组合。所述GPS设备可以被配置为确定车辆110的位置信息(例如,纬度、经度或高度)和时间信息(例如,当前时间)。例如,所述GPS设备可以与定位设备140进行通信以确定车辆110的位置信息和时间信息。所述IMU可以被配置为测量车辆110的任何角速度以及线性加速度(例如,线速度变化)。例如,所述IMU可以包括一个或多个加速度计,用于测量沿车辆110的局部坐标系(例如,车体坐标系)的x、y和/或z方向的线性加速度,以及可以包括一个或多个陀螺仪,用于测量沿车辆110的局部坐标系(例如,车体坐标系)的x、y和/或z方向的角速度。所述IMU可以基于车辆110的所述线性加速度和所述角速度确定车辆110的姿态角(例如,俯仰角、滚转角和/或偏航角)。示例性的陀螺仪可以包括微机电系统(MEMS)陀螺仪、量子陀螺仪、光纤陀螺仪等。示例性的加速度计可以包括激光加速度计、压电式加速度计、压阻式加速度计、电容式加速度计等。所述成像设备可以被配置为捕捉车辆110所处环境(例如,道路,信号灯,路标,建筑物等)的图像和/或视频。所述成像设备可以检测可见光、红外线或紫外线。例如,所述成像设备可以是照相机。所述照相机可以是任何类型的照相机包括,例如静止照相机、摄影机等。所述LIDAR设备、所述RADAR设备以及所述超声波传感器可以被配置为通过电波检测物体。所述物体可以包括其他车辆、车道标记、路缘、建筑物、桥梁、道路上的行人和/或障碍物等。所述LIDAR设备、所述RADAR设备以及所述超声波传感器可以使用不同技术确定所述物体的特征(例如,从所述物体到车辆110的距离、所述物体的高度、所述物体的方向、所述物体的速度等)。例如,所述RADAR设备可以使用无线电波来确定所述物体与车辆110之间的距离。又例如,所述超声波传感器可以使用声音传播来确定所述物体与车辆110之间的距离。再例如,所述LIDAR设备可以使用激光束扫描所述物体并获取所述物体的三维(3D)点云数据。所述3D点云数据可以包括所述物体的3D空间信息(例如,3D坐标)、强度信息(例如,所述物体的回归反射率特性的测量)、所述物体与所述车辆之间的距离等。所述环境传感器可以包括一个或多个被配置为感知环境信息的传感器。所述环境信息可以包括与车辆110的状态相关的信息(例如,剩余电量、剩余汽油量等)、天气状况(例如,晴天、下雨、下雪)、交通状况(例如,道路畅通或拥堵)、能见度条件、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或多种的组合。在一些实施例中,所述环境信息的部分或全部被当作是与车辆110环境相关的信息中的一部分。
驱动模块440可以被配置为向车辆110提供动力。驱动模块440可以接收来自处理模块420的控制信号,以控制车辆110的动力供应。在一些实施例中,驱动模块440可以包括一个或多个发动机、能源、变速器、车轮等。在一些实施例中,所述发动机可以包括至少一个内燃机、至少一个电动机、至少一个蒸汽发动机、至少一个斯特林发动机等中的一种或多种的组合。在一些实施例中,所述发动机可以包括至少一个汽油发动机、至少一个电动机等。所述能源可以是为所述发动机提供动力的能源。所述发动机可以将所述能源转换为机械能。示例性的所述能源的类型可以包括汽油、柴油、压缩气体燃料、丙烷、乙醇、太阳能电池板、电池、其他电源等。所述变速器可以被配置为从所述发动机向所述车轮传递机械能。在一些实施例中,所述变速器可以包括至少一个变速箱、至少一个离合器、至少一个差动器、至少一个传动轴等。所述车轮可以以各种形式实现包括,例如独轮车、摩托车、三轮车、四轮车等。
控制模块450可以被配置为控制车辆110的操作。控制模块450可以接收来自处理模块420的控制信号,用于控制控制模块450的操作。控制模块450可以包括转向单元(例如,方向盘)、制动单元(例如,制动踏板)、节气门等。所述转向单元可以被配置为调节车辆110的朝向和/或方向。所述制动单元可以被配置为使车辆110减速。所述节气门可以被配置为控制车辆110的速度和/或加速度。所述转向单元、所述制动单元和/或所述节气门可以包括实现其功能的机械结构的任意组合。
存储模块460可以被配置为存储信息和/或数据。所述信息和/或数据可以由通信模块410、处理模块420、传感模块430、驱动模块440、控制模块450、或车辆110和/或地图构建系统100的任何组件提供。在一些实施例中,存储模块460可以存储来自传感模块430的感测数据、来自处理模块420的地图数据、和/或编码的电信号。在一些实施例中,存储模块460可以存储程序和/或指令,所述程序和/或指令可以由处理模块420的处理器执行以接收包括由第一传感器获得的车辆的位姿信息的第一数据,接收由第二传感器获得的包括车辆道路环境信息的第二数据,根据所述第二数据校正所述第一数据,并根据所述校正的第一数据和所述第二数据构建地图。在一些实施例中,存储模块460包括硬盘驱动器、固态驱动器、可移动存储驱动器(例如,闪存盘驱动器、光盘驱动器等)、数字录像机等中的一种或多种的组合。
图5是根据本申请的一些实施例所示的示例处理模块420的框图。如图5所示,处理模块420可以包括获取单元510、校正单元520以及生成单元530。处理模块420中的一个或多个单元可以由至少一个计算设备和/或至少一个移动设备来实施,例如图2所示的计算设备200中的CPU 220、图3所示的移动设备300中的CPU 340、或地图构建系统100中的任何组件。
获取单元510可以被配置为接收包括车辆110的位姿信息的第一数据和/或包括车辆110的道路环境信息的第二数据。所述位姿信息可以包括车辆110的位置参数和/或姿态参数。在一些实施例中,车辆110的位置参数可以包括纬度、经度和/或高度。在一些实施例中,车辆110的姿态参数可以包括加速度(例如,线性加速度、角加速度)、朝向(例如,车辆指向的方向)、速度(例如,平移速度、角速度)、姿态角(例如,俯仰角、滚转角和/或偏航角)等。所述道路环境信息可以包括与车辆110的环境有关的信息。所述环境可以包括但不限于其它车辆、道路上的行人和/或障碍物、交通信号及标志、方向信息、道路、交叉路口,车道信息(例如,车道线165-1、路标165-2及165-3、人行横道165-4等)、车道边界、限速、建筑物、河流、湖泊、其他水体、桥梁及隧道、天气状况(例如,晴天、下雨或下雪)、交通状况(例如,道路畅通或拥堵)、能见度情况、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或几种的组合。在一些实施例中,所述道路环境信息可以包括所述环境的图像和/或视频、所述环境的激光雷达(LIDAR)测量结果、所述环境的雷达(RADAR)测量结果、所述环境的超声波测量结果、环境信息等。
在一些实施例中,获取单元510可以从第一传感器(例如,GPS设备、IMU等)接收所述第一数据(例如,所述位姿信息)和/或从第二传感器(例如,LIDAR设备、RADAR设备等)接收所述第二数据(例如,所述道路环境信息)。所述第一传感器和/或所述第二传感器可以与车辆110分离或安装在车辆110上。例如,获取单元510可以通过网络120从所述第一传感器接收所述第一数据。又例如,获取单元510可以通过车辆110的通信模块410从所述第一传感器接收所述第一数据。在一些实施例中,获取单元510可以从本申请中其他地方披露的存储设备(例如,存储设备150)接收所述第一数据和/或所述第二数据。
校正单元520可以被配置为根据所述第二数据校正所述第一数据。在某些情况下,所述位姿信息(作为所述第一数据的一部分)并不完全正确或精确,并且包含可能影响所构建地图的精度的误差。在一些实施例中,校正单元520可以根据所述第二数据,使用即时定位与地图构造(SLAM)算法校正所述第一数据。在某些实施例中,所述SLAM算法可以包括卡尔曼滤波器算法、扩展卡尔曼滤波器算法、粒子滤波算法、期望最大化算法等中的一种或多种的组合。在一些实施例中,校正单元520可以根据由所述第二传感器(例如,LIDAR设备)获得的LIDAR测量结果(作为所述第二数据的一部分)确定车辆110的相邻两个路径点之间的转移关系(例如,平移变换、旋转变换),并根据所述转移关系和SLAM算法校正所述车辆110的位姿信息。在某些实施例中,所述SLAM算法可以表示为优化方程。所述校正第一数据的具体描述可以参见图6及其描述。
生成单元530可以被配置为根据所述校正的第一数据和所述第二数据构建地图。所述地图可以是车辆110的环境的图形表示,显示所述环境的状态、大小、方向、相对位置和距离。所述环境可以包括但不限于其它车辆、道路上的行人和/或障碍物、道路、交通信号及标志、方向信息、交叉路口,车道信息(例如,车道线165-1、路标165-2及165-3、人行横道165-4等)、车道边界、限速、建筑物、河流、湖泊、其他水体、桥梁及隧道、天气状况(例如,晴天、下雨或下雪)、交通状况(例如,道路畅通或拥堵)、能见度情况、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或几种的组合。所述地图可以是三维(3D)地图或二维(2D)地图。所述地图可以是彩色地图。所述地图还可以包括代表所述地图的不同特征的符号。例如,所述地图可以包括指南针,用于指示哪个方向是北、南、东以及西。又例如,所述地图可以包括用于估计距离的比例尺。再例如,所述地图可以包括不同的颜色以识别道路、河流、建筑物等。
在一些实施例中,生成单元530可以根据车辆110的所述校正的位姿信息以及所述LIDAR测量结果,使用数据融合技术构建地图。所述数据融合技术可以包括代数算法(例如,加权数据融合算法、图像比例算法)、卡尔曼滤波器算法、贝叶斯估计算法、证据推理算法、神经网络算法等。
处理模块420中的所述单元可以通过有线连接、无线连接或有线/无线连接的组合相互连接或相互通信。所述有线连接可以包括金属电缆、光缆、混合电缆等中的一种或几种的组合。所述无线连接可以包括蜂窝通信技术(例如,GSM、GPRS、CDMA、2G、3G、4G、5G)、短距离无线电通信技术(例如,蓝牙、近场通信、射频识别、紫蜂、无线保真)、窄带物联网(NB-IoT)、低功耗广域网路(LPWAN)(例如,LoRa)等。两个或多个所述单元可以组合成一个单元。例如,校正单元520以及生成单元530可以组合成一个单元,其可以根据所述第二数据校正所述第一数据,并根据所述校正的第一数据和所述第二数据构建地图。又例如,处理模块420可以包括用于存储所述第一数据、所述第二数据、所述校正的第一数据和/或所述地图的存储单元(未示出)。
图6是根据本申请的一些实施例所示的示例地图构建程序600的流程图。程序600中的一个或多个步骤可以通过车辆110中的电子设备实施,例如计算设备200中的CPU 220、处理电路224和/或车辆110中的CPU 220中的接口电路222、车辆110中的移动设备300中的CPU 340、和/或车辆110中的处理模块420。在一些实施例中,程序600可以作为一组指令存储在包含计算机程序产品的非暂时性计算机可读介质中。所述非暂时性计算机可读介质可以与计算机设备通信。当执行与程序600相关的指令时,所述计算机设备可以接收包括由第一传感器获得的车辆位姿信息的第一数据,接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据,根据所述第二数据校正所述第一数据,以及根据所述校正的第一数据和所述第二数据构建地图。
在步骤610中,获取单元510(和/或CPU 220、CPU 340、和/或接口电路222)可以接收包括由第一传感器获得的车辆(例如,车辆110)的位姿信息的第一数据。在一些实施例中,所述第一传感器可以与所述车辆分离,并通过例如网络120将所述第一数据传送到获取单元510。在一些实施例中,所述第一传感器可以安装在所述车辆上,并通过例如通信模块410将所述第一数据传送到获取单元510。
所述第一传感器可以被配置为检测和/或获取所述车辆的所述位姿信息。所述位姿信息可以包括所述车辆的位置参数和/或姿态参数。在一些实施例中,所述车辆的所述位置参数可以包括纬度、经度和/或高度。在一些实施例中,所述车辆的所述位置参数可以表示为沿全局坐标系的x,y和/或z方向的位置。在一些实施例中,所述车辆的所述位置参数可以表示为到已知位置(例如,在胜利路、复兴大道路口以西100米处等)的相对位置。在一些实施例中,所述车辆110的所述姿态参数可以包括加速度(例如,线性加速度、角加速度)、朝向(例如,车辆指向的方向)、速度(例如,平移速度、角速度)、姿态角(例如,俯仰角、滚转角和/或偏航角)等。
在一些实施例中,所述第一传感器可以包括位置传感器和/或姿态传感器。所述位置传感器可以使用定位技术确定所述车辆的位置参数。所述定位技术可以包括全球定位系统(GPS)、全球导航卫星系统(GLONASS)、北斗导航卫星系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(Wi-Fi)定位技术等中的一种或多种的组合。例如,所述位置传感器可以包括GPS设备(例如,GPS接收器)。定位设备140可以包括一个或多个GPS卫星,用于广播无线电信号使所述GPS设备能够确定所述车辆的位置信息和时间信息。在与定位设备140的通信中,对于给定的采样率,所述GPS设备可以获取按时间排列的一系列采样点。每个所述采样点可以包括数据,例如位置参数(例如,纬度、经度和/或高度)、时间戳(例如,获取所述数据的时间)、所述车辆的瞬时速度,所述车辆的朝向等。所述GPS设备的采样率可以指每秒获得的采样点的数量。
所述姿态传感器可以被配置为确定所述车辆的姿态参数。在一些实施例中,所述姿态传感器可以包括加速度计、陀螺仪、惯性测量单元(IMU)、指南针等中的一种或多种的组合。所述IMU可以被配置为测量所述车辆的任何角速度以及线性加速度(例如,线速度变化)。例如,所述IMU可以包括一个或多个加速度计,用于测量沿所述车辆的局部坐标系(例如,车体坐标系)的x,y和/或z方向的线性加速度,以及可以包括一个或多个陀螺仪,用于测量沿所述车辆的局部坐标系(例如,车体坐标系)的x,y和/或z方向的角速度。所述IMU可以基于所述车辆的所述线性加速度和所述角速度确定所述车辆的姿态角(例如,俯仰角、滚转角和/或偏航角)。示例性的陀螺仪可以包括微机电系统(MEMS)陀螺仪、量子陀螺仪、光纤陀螺仪等。示例性的加速度计可以包括激光加速度计、压电式加速度计、压阻式加速度计、电容式加速度计等。在一些实施例中,所述位置传感器还可以确定所述车辆的所述姿态参数。例如,所述车辆的GPS设备可以确定所述车辆的速度及朝向。
在步骤620中,获取单元510(和/或CPU 220、CPU 340和/或接口电路222)可以接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据。在一些实施例中,所述第二传感器可以与所述车辆分离,并通过例如网路120将所述第二数据传送到获取单元510。在一些实施例中,所述第二传感器可以安装在所述车辆上,并通过例如通信模块410将所述第二数据传送给到获取单元510。
所述第二传感器可以被配置为检测和/或获取所述车辆的所述道路环境信息。所述道路环境信息可以包括与所述车辆的环境相关的信息。所述环境可以包括但不限于其它车辆、道路上的行人和/或障碍物、交通信号及标志、方向信息、道路、交叉路口,车道信息(例如,车道线165-1、路标165-2及165-3、人行横道165-4等)、车道边界、限速、建筑物、河流、湖泊、其他水体、桥梁及隧道、天气状况(例如,晴天、下雨或下雪)、交通状况(例如,道路畅通或拥堵)、能见度情况、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或几种的组合。所述道路环境信息可以包括所述环境的图像和/或视频、所述环境的激光雷达(LIDAR)测量结果、所述环境的雷达(RADAR)测量结果、所述环境的超声波测量结果、环境信息等。
在一些实施例中,所述第二传感器可以包括成像设备、LIDAR设备、RADAR设备、超声波传感器、环境传感器等。所述成像设备可以捕捉所述环境的图像和/或视频。在一些实施例中,所述成像设备能够检测可见光、红外线或紫外线。例如,所述成像设备可以是照相机。所述照相机可以是任何类型的摄像机,例如静止照相机,摄影机等。所述LIDAR设备可以使用激光束扫描物体(例如,其他车辆、道路上的行人和/或障碍物、交通信号和标志、道路、交叉路口、车道信息、车道边界、建筑物等)并获取LIDAR测结果数。所述LIDAR测量结果包括所述物体的三维(3D)点云数据,该3D点云数据可以为建立所述物体的三维模型提供基础。所述3D点云数据可以包括所述物体的3D空间信息(例如,3D坐标)、强度信息(例如,所述物体的回归反射率特性的测量)、所述物体与所述车辆之间的距离等。所述RADAR设备可以使用无线电波获取所述RADAR测量结果。所述RADAR测量结果可以包括例如所述物体与所述车辆之间的距离、所述物体的速度、所述物体的方向、所述物体的高度等。所述超声波传感器可以基于声音传播来获取所述超声波测量结果。所述超声波测量结果可以包括例如所述物体与所述车辆之间的距离、所述物体的速度、所述物体的方向、所述物体的高度等。所述环境传感器可以包括一个或多个用于获取所述环境信息的传感器。所述环境信息可以包括与所述车辆的状态相关的信息(例如,剩余电量、剩余汽油量等)、天气状况(例如晴天、下雨、下雪)、交通状况(例如,道路畅通或拥堵)、能见度条件、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或几种的组合。
在步骤630中,校正单元520(和/或CPU 220、CPU 340和/或处理电路222)可以根据所述第二数据校正所述第一数据。在某些情况下,所述位姿信息(作为所述第一个数据的一部分)并不完全正确或精确,并且包含可能影响所构建地图的精度的误差。在一些实施例中,校正单元520可以根据所述第二数据,使用即时定位与地图构建(SLAM)算法校正所述第一数据。在某些实施例中,所述SLAM算法可以包括卡尔曼滤波器算法、扩展卡尔曼滤波器算法、粒子滤波算法、期望最大化算法等中的一种或几种的组合。
在一些实施例中,校正单元520可根据所述LIDAR测量结果确定所述车辆的相邻两个路径点之间的转移关系,并根据所述转移关系和SLAM算法校正所述车辆的所述位姿信息。在某些实施例中,所述SLAM算法可以表示为优化方程。
路径点可以是车辆行驶路线上的位置。所述路径点可以与,例如所述车辆的位置参数、所述车辆的姿态参数、时间信息(例如,车辆在所述路径点的时间)和/或所述车辆的道路环境信息对应。在一些实施例中,所述相邻两个路径点之间的距离可以小于阈值距离,该阈值距离可以是地图构建系统100的默认设置,或者可以由用户基于特定情景来改变。仅仅作为示例,所述阈值距离可以是5米。
在一些实施例中,所述车辆的相邻两个路径点之间的转移关系可以包括平移变换和旋转变换。所述平移变换可以指所述车辆的相邻两个路径点的位置参数之间的差异。所述旋转变换可以指所述车辆的相邻两个路径点的姿态参数之间的差异。在一些实施例中,所述转移关系可以是矩阵或阵列的形式。例如,所述转移关系可以是包括平移变换和旋转变换的4×4矩阵。所述平移变换和旋转变换可以表示为矩阵的矩阵元素。校正单元520可以基于两个路径点的LIDAR测量结果,使用配准算法确定所述相邻两个路径点之间的转移关系。例如,校正单元520可以基于所述相邻两个路径点的3D点云数据,使用配准算法确定所述相邻两个路径点之间的转移关系。仅仅作为示例,所述相邻两个路径点可以是路径点“A”和路径点“B”。当所述车辆分别处于路径点“A”和路径点“B”时,获取单元510可以从所述第二传感器(例如,LIDAR设备)接收物体(例如,其他车辆、道路上的行人和/或障碍物、交通信号和标志、道路、交叉路口、车道信息、车道边界、建筑物等)的3D点云数据。校正单元520可以基于分别对应于路径点“A”和路径点“B”的3D点云数据,使用配准算法来确定路径点“A”和路径点“B”之间的转移关系。所述3D点云数据可以包括所述物体的3D空间信息(例如,3D坐标)、强度信息(例如,所述物体的回归反射率特性的测量)、所述物体与所述车辆之间的距离等。在一些实施例中,所述配准算法可以包括迭代最近点(ICP)算法。
在一些实施例中,校正单元520可以基于所述转移关系和所述优化方程校正所述车辆的位姿信息。例如,所述优化方程可以表示为方程式(1)和方程式(2):
bi=xi-yi 方程式(2)
其中Error可以表示方程式(1)的值,i表示所述车辆的路径点,N表示所述路径点的总数,yi表示由所述第一传感器(例如,GPS设备和/或IMU)获得的所述车辆在路径点i处的位姿信息,xi表示所述车辆在路径点i处的校正的位姿信息,bi表示所述第一传感器在路径点i处的误差,pi表示根据LIDAR测量结果确定的,所述车辆的路径点i与相邻路径点i+1之间的转移关系,αi是权重系数,λ是系数。
在一些实施例中,校正单元520可以根据方程式(1)的最小值校正所述车辆的位姿信息yi(i=0,...,N),从而确定所述车辆的校正的位姿信息xi(i=0,...,N)。根据位姿信息yi(i=0,...,N)、转移关系pi、权重系数αi和/或系数λ,校正单元520可以使用优化算法确定方程式(1)的最小值。当方程式(1)的值是最小值时,校正单元520可以确定所述车辆的校正的位姿信息xi(i=0,...,N)。在一些实施例中,所述优化算法可以包括最小二乘算法、梯度下降算法等。
如方程式(1)所示,误差bi乘以系数λ。系数λ表示一段时间内(例如,100毫秒)误差bi变化的最大值。仅仅作为示例,系数λ可以是0.9995。
在一些实施例中,权重系数αi与所述车辆的路径点周围的采样点稠密度有关。在某些实施例中,权重系数αi与稠密度可以是反比关系。例如,当稠密度大时,权重系数αi的值可能较小,反之亦然。在一些实施例中,所述路径点i周围的采样点稠密度可以表示为路径点i周围的采样点的数量。所述采样点可以来自位置传感器,例如所述车辆的GPS设备。定位设备140可以包括一个或多个GPS卫星,用于广播无线电信号使所述GPS设备能够确定所述车辆的位置信息和时间信息。在与定位设备140的通信中,对于给定的采样率,所述GPS设备可以获取按时间排列的一系列采样点。每个所述采样点可以包括数据,例如位置参数(例如,纬度、经度和/或高度)、时间戳(例如,获取所述数据的时间)、所述车辆的瞬时速度,所述车辆的朝向等。所述GPS设备的采样率可以指每秒获得的采样点的数量。所述GPS设备的采样率可以是一个固定值或默认值,例如1Hz至50Hz之间的值。假设所述车辆需要一段时间间隔从所述路径点i行驶到所述相邻路径点i+1,则所述路径点i周围的采样点的数量可以是所述GPS设备的采样率与所述一段时间间隔的乘积。例如,在转弯时,所述车辆的速度可能低于直线行驶时的速度,从所述路径点i到所述相邻路径点i+1的时间间隔可能比直线行驶时的时间间隔长。因此,转弯时的所述路径点i周围采样点的数量可能大于直线行驶时的所述路径点i周围采样点的数量。因此,转弯时的权重系数αi可能小于直线行驶时的权重系数。
在一些实施例中,权重系数αi可以表示为方程式(3):
其中αi可以表示权重系数,di可以表示在一定距离(例如,5米)内所述路径点i周围采样点的数量。di可以是从所述路径点i到所述相邻路径点i+1的时间间隔与所述GPS设备采样率的乘积。
如方程式(3)所示,当所述路径点周围的采样点数量di增加时,权重系数αi的值减小,反之亦然。仅仅作为示例,di的最大值可以是5、10、50、100或500。
在步骤640中,生成单元530(和/或CPU 220、CPU 340和/或处理电路222)可以根据所述校正的第一数据和所述第二数据构建地图。在一些实施例中,生成单元530可以基于步骤630中获得的所述车辆的所述校正的位姿信息以及步骤620中获得的所述LIDAR测量结果,使用数据融合技术构建地图。所述数据融合技术可以包括代数算法(例如,加权数据融合算法、图像比例算法)、卡尔曼滤波器算法、贝叶斯估计算法、证据推理算法、神经网络算法等。
所述地图可以是所述车辆的环境的图形表示,显示所述环境的状态、大小、方向、相对位置、以及距离。所述环境可以包括但不限于其它车辆、道路上的行人和/或障碍物、交通信号及标志、方向信息、道路、交叉路口、车道信息(例如,车道线165-1、路标165-2及165-3、人行横道165-4等)、车道边界、限速、建筑物、河流、湖泊、其他水体、桥梁及隧道、天气状况(例如,晴天、下雨或下雪)、交通状况(例如,道路畅通或拥堵)、能见度情况、风速、温度、湿度、空气污染指数(例如,PM2.5指数)等中的一种或几种的组合。所述地图可以是三维(3D)地图或二维(2D)地图。所述地图可以是彩色地图。所述地图还可以包括代表所述地图的不同特征的符号。例如,所述地图可以包括指南针,用于指示哪个方向是北、南、东以及西。又例如,所述地图可以包括用于估计距离的比例尺。再例如,所述地图可以包括不同的颜色以识别道路、河流、建筑物等。
以上描述仅仅是说明性的。需要注意的是,本领域技术人员可以在除了图6所描述的步骤之外考虑附加性的或替代性的步骤。例如,步骤610和步骤620可以合并为一个步骤,其中获取单元510可以同时或依次接收所述第一数据和所述第二数据。又例如,程序600可以进一步包括,通过例如通信模块410将所述地图发送到存储设备150或地图构建系统100中的任何其他组件。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并未明确说明,但本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如,“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应当强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个非暂时性计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机可读信号介质可能包括含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种形式,包括电磁形式、光形式等、或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、缆线、光纤电缆、RF、或类似媒体、或任何上述介质的组合。
本申请各方面操作所需的计算机程序编码可以用任意一种或多种程序语言的编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机上运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算器连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算器(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素或序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,此类细节仅起说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备中实施,但也可以只通过软件的解决方案得以实现,例如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,这种披露方法并不意味着本申请所需的特征比权利要求中涉及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (20)
1.一种地图构建电子系统,包括:
与第一传感器和第二传感器相连接的处理电路,其中所述处理电路被配置为:
接收包括由所述第一传感器获得的车辆的位姿信息的第一数据;
接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据;
根据所述第二数据校正所述第一数据;以及
根据所述校正的第一数据和所述第二数据构建地图。
2.如权利要求1所述的电子系统,其中:
所述位姿信息包括所述车辆的位置参数或姿态参数中的至少一个,所述第一传感器包括全球定位系统(GPS)设备。
3.如权利要求2所述的电子系统,其中:
所述道路环境信息包括激光雷达(LIDAR)测量结果,所述第二传感器包括LIDAR设备。
4.如权利要求3所述的电子系统,为校正所述第一数据,所述处理电路被配置为:
根据所述LIDAR测量结果确定所述车辆的相邻两个路径点之间的转移关系,所述转移关系包括平移变换或旋转变换中的至少一个;以及
根据所述第二数据、所述转移关系和优化方程校正所述第一数据。
5.如权利要求4所述的电子系统,其中所述相邻两个路径点之间的距离小于阈值距离。
6.如权利要求4或5所述的电子系统,其中所述优化方程与所述第一数据、所述转移关系和权重系数有关。
7.如权利要求6所述的电子系统,其中所述车辆的所述位置参数包括来自所述GPS设备的采样点的位置参数。
8.如权利要求7所述的电子系统,其中所述权重系数与所述车辆的路径点周围的采样点的稠密度相关联。
9.如权利要求1-8中任一项所述的电子系统,其中所述处理电路被配置为根据所述第二数据,使用即时定位与地图构建(SLAM)算法校正所述第一数据。
10.一种在具有与第一传感器和第二传感器相连接的处理电路的计算设备上实施的地图构建方法,所述方法包括:
接收包括由所述第一传感器获得的车辆的位姿信息的第一数据;
接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据;
根据所述第二数据校正所述第一数据;以及
根据所述校正的第一数据和所述第二数据构建地图。
11.如权利要求10所述的方法,其中:
所述位姿信息包括所述车辆的位置参数或姿态参数中的至少一个,所述第一传感器包括全球定位系统(GPS)设备。
12.如权利要求11所述的方法,其特征在于:
所述道路环境信息包括激光雷达(LIDAR)测量结果,所述第二传感器包括LIDAR设备。
13.如权利要求12所述的方法,其中校正所述第一数据包括:
根据所述LIDAR测量结果确定所述车辆的相邻两个路径点之间的转移关系,所述转移关系包括平移变换或旋转变换中的至少一个;以及
根据所述第二数据、所述转移关系和优化方程校正所述第一数据。
14.如权利要求13所述的方法,其中所述相邻两个路径点之间的距离小于阈值距离。
15.如权利要求13或14所述的方法,其中所述优化方程与所述第一数据、所述转移关系和权重系数有关。
16.如权利要求15所述的方法,其中所述车辆的所述位置参数包括来自所述GPS设备的采样点的位置参数。
17.如权利要求16所述的方法,其中所述权重系数与所述车辆的路径点周围的采样点的稠密度相关联。
18.如权利要求10-17中任一项所述的方法,其中所述方法包括根据所述第二数据,使用即时定位与地图构建(SLAM)算法校正所述第一数据。
19.一种非暂时性计算机可读介质,包括用于地图构建的一组指令,其中当由与第一传感器和第二传感器相连接的处理电路执行时,所述一组指令指示所述处理电路执行动作:
接收包括由所述第一传感器获得的车辆的位姿信息的第一数据;
接收包括由所述第二传感器获得的所述车辆的道路环境信息的第二数据;
根据所述第二数据校正所述第一数据;以及
根据所述校正的第一数据和所述第二数据构建地图。
20.如权利要求19所述的非暂时性计算机可读介质,其中:
所述位姿信息包括所述车辆的位置参数或姿态参数中的至少一个,所述第一传感器包括全球定位系统(GPS)设备。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/135321 WO2022120733A1 (en) | 2020-12-10 | 2020-12-10 | Systems and methods for constructing map |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112673233A true CN112673233A (zh) | 2021-04-16 |
CN112673233B CN112673233B (zh) | 2024-04-16 |
Family
ID=75413893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080003298.5A Active CN112673233B (zh) | 2020-12-10 | 2020-12-10 | 地图构建系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112673233B (zh) |
WO (1) | WO2022120733A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024092559A1 (zh) * | 2022-11-02 | 2024-05-10 | 华为技术有限公司 | 一种导航方法及相应装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180196127A1 (en) * | 2017-01-11 | 2018-07-12 | Toyota Research Institute, Inc. | Systems and methods for automatically calibrating a lidar using information from a secondary vehicle |
CN208635810U (zh) * | 2017-07-31 | 2019-03-22 | 意法半导体股份有限公司 | 用于陆地车辆导航的系统以及车辆 |
CN110723151A (zh) * | 2019-09-24 | 2020-01-24 | 华为技术有限公司 | 智能驾驶系统初始化方法和装置 |
CN110988949A (zh) * | 2019-12-02 | 2020-04-10 | 北京京东乾石科技有限公司 | 定位方法、定位装置、计算机可读存储介质与可移动设备 |
CN111089580A (zh) * | 2018-10-23 | 2020-05-01 | 北京自动化控制设备研究所 | 一种基于协方差交叉的无人战车同时定位与地图构建方法 |
CN111127584A (zh) * | 2019-11-19 | 2020-05-08 | 奇点汽车研发中心有限公司 | 建立视觉地图的方法和装置、电子设备和存储介质 |
DE102019115874A1 (de) * | 2018-11-27 | 2020-05-28 | GM Global Technology Operations LLC | Systeme und verfahren zur verbesserten entfernungsschätzung durch eine monokamera unter verwendung von radar- und bewegungsdaten |
CN111323802A (zh) * | 2020-03-20 | 2020-06-23 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
CN111721289A (zh) * | 2020-06-28 | 2020-09-29 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备、存储介质及车辆 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6427908B2 (ja) * | 2014-03-24 | 2018-11-28 | アイシン・エィ・ダブリュ株式会社 | 地図情報生成システム、方法およびプログラム |
CN111260549A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111929718A (zh) * | 2020-06-12 | 2020-11-13 | 东莞市普灵思智能电子有限公司 | 一种自动驾驶对象探测和定位系统及方法 |
-
2020
- 2020-12-10 CN CN202080003298.5A patent/CN112673233B/zh active Active
- 2020-12-10 WO PCT/CN2020/135321 patent/WO2022120733A1/en active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180196127A1 (en) * | 2017-01-11 | 2018-07-12 | Toyota Research Institute, Inc. | Systems and methods for automatically calibrating a lidar using information from a secondary vehicle |
CN208635810U (zh) * | 2017-07-31 | 2019-03-22 | 意法半导体股份有限公司 | 用于陆地车辆导航的系统以及车辆 |
CN111089580A (zh) * | 2018-10-23 | 2020-05-01 | 北京自动化控制设备研究所 | 一种基于协方差交叉的无人战车同时定位与地图构建方法 |
DE102019115874A1 (de) * | 2018-11-27 | 2020-05-28 | GM Global Technology Operations LLC | Systeme und verfahren zur verbesserten entfernungsschätzung durch eine monokamera unter verwendung von radar- und bewegungsdaten |
CN110723151A (zh) * | 2019-09-24 | 2020-01-24 | 华为技术有限公司 | 智能驾驶系统初始化方法和装置 |
CN111127584A (zh) * | 2019-11-19 | 2020-05-08 | 奇点汽车研发中心有限公司 | 建立视觉地图的方法和装置、电子设备和存储介质 |
CN110988949A (zh) * | 2019-12-02 | 2020-04-10 | 北京京东乾石科技有限公司 | 定位方法、定位装置、计算机可读存储介质与可移动设备 |
CN111323802A (zh) * | 2020-03-20 | 2020-06-23 | 北京百度网讯科技有限公司 | 车辆定位方法、装置及设备 |
CN111721289A (zh) * | 2020-06-28 | 2020-09-29 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备、存储介质及车辆 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024092559A1 (zh) * | 2022-11-02 | 2024-05-10 | 华为技术有限公司 | 一种导航方法及相应装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022120733A1 (en) | 2022-06-16 |
CN112673233B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11035678B2 (en) | Automatic localization geometry detection | |
CN110832348B (zh) | 用于自主车辆的高清晰度地图的点云数据丰富 | |
US11255974B2 (en) | Method of determining position of vehicle and vehicle using the same | |
US20230204784A1 (en) | Segmenting ground points from non-ground points to assist with localization of autonomous vehicles | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
US9618344B2 (en) | Digital map tracking apparatus and methods | |
CN108885106A (zh) | 使用地图的车辆部件控制 | |
WO2021003455A1 (en) | Determining localization confidence of vehicles based on convergence ranges | |
CN113853508A (zh) | 定位方法和定位装置 | |
US10876844B2 (en) | Systems and methods for loading and tracking maps on a vehicle | |
CN108801276A (zh) | 高精度地图生成方法及装置 | |
WO2019173009A1 (en) | Automatic identification of roadside objects for localization | |
CN110221328A (zh) | 一种组合导航方法和装置 | |
JP2021524026A (ja) | 姿勢判断システムおよび方法 | |
JP2011523703A (ja) | ロードマップを構築し、乗物の位置を判別する方法及びシステム | |
US20200209005A1 (en) | Systems and methods for loading object geometry data on a vehicle | |
CN112889041B (zh) | 一种确定二维地图的系统和方法 | |
US8885151B1 (en) | Condensing sensor data for transmission and processing | |
CN112566603A (zh) | 一种轮椅结构参数自适应调节方法、系统及存储介质 | |
CN112041210B (zh) | 用于自动驾驶的系统和方法 | |
CN112673233B (zh) | 地图构建系统和方法 | |
CN116202538B (zh) | 地图匹配融合方法、装置、设备及存储介质 | |
US11594014B2 (en) | Annotating high definition map points with measure of usefulness for localization | |
WO2021046699A1 (en) | Systems and methods for positioning | |
WO2020139330A1 (en) | Systems and methods for loading and tracking maps on a vehicle |
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 |