CN113157832A - 一种基于边缘计算的智能汽车高精度地图生成方法 - Google Patents
一种基于边缘计算的智能汽车高精度地图生成方法 Download PDFInfo
- Publication number
- CN113157832A CN113157832A CN202011639074.1A CN202011639074A CN113157832A CN 113157832 A CN113157832 A CN 113157832A CN 202011639074 A CN202011639074 A CN 202011639074A CN 113157832 A CN113157832 A CN 113157832A
- Authority
- CN
- China
- Prior art keywords
- map
- precision map
- information
- intelligent
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims abstract description 7
- 230000010365 information processing Effects 0.000 claims abstract description 7
- 230000003068 static effect Effects 0.000 claims description 20
- 230000001149 cognitive effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009469 supplementation Effects 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/545—Interprogram communication where tasks reside in different layers, e.g. user- and kernel-space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明介绍了一种基于边缘计算的智能汽车高精度地图生成方法，包括以下步骤：构建用户模型；基于观测、制图者主观因素、用户模型信息，形成制图者对环境的认识；经过智能化信息加工，通过互联网传输，形成智能高精地图；通过互联网接受地图，分析与解释地图，形成用图者对环境的认识；用户对地图的评价和反馈，制图者对反馈的响应，两者间通过网络进行动态交互；基于用户对环境的认识，为实际行动提供基础；基于这个明确的高精度地图生成方法，明确了部署在边缘计算节点上的高精度地图层次结构，并进一步建立高精度地图的数据逻辑结构，为后续基于边缘计算部署高精度地图服务业务流程提供了一个很好的理论基础和技术参照。
Description
技术领域
本发明涉及信息传输模型领域，尤其涉及一种基于边缘计算的智能汽车高精度地图生 成方法。
背景技术
高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精 确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信 息。
高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一 类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道 周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施 信息。
当前高精度地图应用存在两个主要问题：其一，为自动驾驶提供服务的高精度地图其 数据结构和交互格式尚不明确，传统的电子导航用高精度地图在格式、描述和关联上规则 与自动驾驶的现实需求都存在不小差异，同时偏重于静态和环境描述，无法表征半动态、 动态地图信息；其二：目前的高精度地图主要作为静态文件部署在车载端，不仅受限于车 辆单视角，难以实时了解道路拥堵和排队信息，同时增加了车载端的计算载荷，此外到达 新的城市或环境后还需要进行大规模的地图数据下载或更新。
期刊文献“智能高精度地图数据逻辑结构与关键技术”刘经南、詹骄等，《测绘学报》 2019年8月第48卷第8期，从地图学理论上提出智能高精地图信息传输模型，从实际应用上结合轮式机器人自主智能控制流程，提出智能高精地图数据逻辑结构，并分析其在自动驾驶中的应用，从计算模式上总结“众包+边云协同计算”计算模式，并针对如何提高 众包数据质量的问题，开展关键技术分析，从应用场景分析未来智能高精地图的有效应用 场景。该篇文献中的信息传输模型不够完善，且逻辑结构较为简单，需要进行进一步的补 充。
因此，如何设计一种基于边缘计算的智能汽车高精度地图生成方法，明确部署在边缘 计算节点上的高精度地图层次结构，是目前亟待解决的问题。
发明内容
本发明采用以下技术方案解决上述技术问题：
一种基于边缘计算的智能汽车高精度地图生成方法，包括如下步骤：
(1)用户模型构建阶段：获取用户认知特征及需求F，构建用户模型；
(2)信息获取阶段：基于直接观测、间接观测、制图者主观因素、用户模型信息， 形成制图者对环境的认识U1’；
(3)信息加工阶段：基于制图者对环境的认识，智能化信息加工，通过互联网传输，形成智能高精地图；
(4)信息解译阶段：通过互联网接受地图，结合自身对环境的观测与个人特征，分析与解释地图，形成用图者对环境的认识U2’；
(5)交互反馈阶段：用户对地图的评价和反馈，制图者对反馈的响应，两者间通过网络进行动态交互；
(6)行为指导阶段：基于用户对环境的认识，得到迭代的用户地图需求模型，为实际行动提供基础。
进一步的，步骤1中所述用户认知特征及需求F，向制图者传输时，通过C-V2X网联通讯手段。
进一步的，步骤2中从制图者对环境的认识到形成智能高精度地图到用图者对环境的 认识，其中的信息传输通过C-V2X网联通讯手段。
进一步的，步骤2中从制图者对环境的认识U1’信息加工得到的地图信息和从智能高 精度地图得到的地图信息，受到V2X信息交互标准的约束。
进一步的，步骤2中所述信息获取阶段的直接观测和间接观测，观测的是客观世界的 数据信息。
进一步的，所述客观世界的数据信息从路测设备和用图者智能网联车辆的车载传感器 获取。
进一步的，所述客观世界的数据信息包括静态路网、交通时间、交通流、动态物体、交通环境。
进一步的，所述用图者智能网联车辆的车载传感器包括：摄像头、激光雷达、OBU(车 载单元)。
进一步的，所述路测设备包括：视频检测器、雷达、红绿灯、气象检测器、路面检测器和RSU(路侧单元)。
上述设计了一种基于边缘计算的智能汽车高精度地图生成方法，其应用基于上述基于 边缘计算的高精度地图生成方法，并根据消息类型及车载端的自动驾驶高精度地图框架 Lanelet2,确定高精度地图数据的逻辑层次，包括：静态地图层、动态数据层和用户服务 层。
进一步的，所述静态地图层包括：区域内的节点、路段、车道、标志标牌在内的交通设施。
进一步的，所述动态数据层包括：隔一段时间进行更新的半动态地图数据和动态地图 信息，所述半动态地图数据包括交通流量、交通限制、交通事件。所述动态地图信息包括 交通参与者的信息和交通信号控制的信息。
相比于现有技术，本发明技术方案具有以下有益效果：
(1)本方法提出了一个完整的基于边缘计算的智能汽车高精度地图生成方法，解决 了目前“车-路-云”结合的边缘计算系统生态中，智能高精度地图数据的传播模式不清晰， 逻辑结构不明确导致难以向智能网联车辆提供高质量地图信息服务的问题。
(2)本方法设计了一个完整的基于边缘计算的智能汽车高精度地图生成方法，明确 了部署在边缘计算节点上的高精度地图层次结构，并进一步建立高精度地图在静态数据、 动态数据、用户服务三个层次上的数据逻辑结构，为后续基于边缘计算部署高精度地图服 务业务流程提供了一个很好的理论基础和逻辑分类。
(3)实现安全、高效、快捷、方便的动态地图服务，通过路侧实时动态数据将交通事件等地图信息更新到高精度地图再下发给车辆，从而减小交通事故及拥挤率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一 些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这 些附图获得其他的附图。在所有附图中，类似的元件或部分一般由类似的附图标记标识。 附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明提供的一种基于边缘计算的智能汽车高精度地图生成方法；
图2为本发明提供的高精度地图静态数据层基本架构。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的 附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本 申请一部分实施例，而不是全部的实施例。在下面的描述中，提供诸如具体的配置和组件 的特定细节仅仅是为了帮助全面理解本申请的实施例。因此，本领域技术人员应该清楚， 可以对这里描述的实施例进行各种改变和修改而不脱离本申请的范围和精神。另外，为了 清楚和简洁，实施例中省略了对已知功能和构造的描述。
应该理解，说明书通篇中提到的“一个实施例”或“本实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“一个实施例”或“本实施例”未必一定指相同的实施例。此外，这些特定的特征、 结构或特性可以任意适合的方式结合在一个或多个实施例中。
此外，本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清 楚的目的，其本身并不指示所讨论各种实施例和/或设置之间的关系。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系， 例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文 中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以 表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关 联对象是一种“或”关系。
本文中术语“至少一种”，仅仅是一种描述关联对象的关联关系，表示可以存在三种 关系，例如，A和B的至少一种，可以表示：单独存在A，同时存在A和B，单独存在B这 三种情况。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体 或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在 任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵 盖非排他性的包含。
实施例1
请参考图1，其为本发明中提出的基于边缘计算的智能汽车高精度地图生成方法，其 展示了高精度地图信息传输需要经过以下步骤：
(1)用户模型构建阶段：获取用户认知特征及需求F，构建用户模型；
(2)信息获取阶段：基于直接观测、间接观测、制图者主观因素、用户模型信息， 形成制图者对环境的认识U1’；
(3)信息加工阶段：基于制图者对环境的认识，智能化信息加工，通过互联网传输，形成智能高精地图；
(4)信息解译阶段：通过互联网接受地图，结合自身对环境的观测与个人特征，分析与解释地图，形成用图者对环境的认识U2’；
(5)交互反馈阶段：用户对地图的评价和反馈，制图者对反馈的响应，两者间通过网络进行动态交互；
(6)行为指导阶段：基于用户对环境的认识，得到迭代的用户地图需求模型，为实际行动提供基础。
优选地，步骤1中，用户认知特征及需求F，向制图者传输时，通过C-V2X网联通讯手段。
优选地，步骤2中，从制图者对环境的认识到形成智能高精度地图到用图者对环境的 认识，其中的信息传输通过C-V2X网联通讯手段。
优选地，步骤2中，从制图者对环境的认识U1’信息加工得到的地图信息和从智能高 精度地图得到的地图信息，受到V2X信息交互标准的约束。
优选地，所述信息获取阶段的直接观测和间接观测，观测的是客观世界的数据信息。
优选地，所述客观世界的数据信息从路测设备和用图者智能网联车辆的车载传感器获 取。
优选地，所述客观世界的数据信息包括静态路网、交通时间、交通流、动态物体、交通环境。
优选地，所述用图者智能网联车辆的车载传感器包括：摄像头、激光雷达、OBU(车载单元)。
优选地，所述路测设备包括：视频检测器、雷达、红绿灯、气象检测器、路面检测器和RSU(路侧单元)。
实施例2
基于上述实施例1，本实施例介绍了基于边缘计算的智能汽车高精度地图生成方法的 应用。
基于上述搭建的高精度地图数据信息模型，并参考当前合作式协议中的信息类型及车 载端常用的自动驾驶高精度地图框架Lanelet2，确定高精度地图数据的逻辑层次。
本方法将高精度地图数据逻辑结构分为3个层次：静态地图层、动态数据层和用户服 务层。
静态地图层：请参考表1，其为高精度地图静态数据层，其展示了边缘计算节点部署 的静态地图层包括区域内的节点、路段、车道、标志标牌在内的道路设施等地图要素，一个完整的地图数据可以由多个路口的地理数据元素组成。
表1高精度地图静态数据层
请参考图2，其为高精度地图静态数据层基本架构，其展示了静态高精度地图的基础 逻辑架构，为一个层层嵌套的形式，按照路网节点——道路路段——车道层次展开，每个层次都对描述主体的属性、几何、拓扑连接、关联关系等主要的地理要素进行描述。同 时针对不同场景以及其他图层的需求，每个层次都预留相应的拓展接口，为左弯待转区、 可变车道、人行横道、潮汐车道、网状线禁停区、公交专用道等特殊道路交通场景的描述 提供了空间。
动态数据层：请参考表2，其为高精度地图动态数据结构，其展示了动态数据层包括： 隔一段时间进行更新的半动态地图数据和动态地图信息，即实时更新的交通目标运动状态 信息及信号控制实时状态信息。
优选地，半动态地图数据包括交通流量、交通限制、交通事件。所述动态地图信息包 括交通参与者的信息和交通信号控制的信息。
高精度地图动态数据结构既包含检测事件和目标本身的内容属性描述，也包含其与静 态高精度地图的几何关联性描述。
表2高精度地图动态数据结构
用户服务层：由于用户需求的多种多样，这一层级的数据结构没有固定的格式，根据 向用户提供的地图应用服务的类型，具备一些通用的特征和形式。请参考表3，其为高精度地图应用服务主要内容，其展示了一些常用地图服务应用，包括应用针对的场景，数据交互的主要内容，服务策略。
表3高精度地图应用服务主要内容
以上所述仅为本发明的优选实施例而已，其并非因此限制本发明的保护范围，对于本 领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，通 过常规的替代或者能够实现相同的功能在不脱离本发明的原理和精神的情况下对这些实 施例进行变化、修改、替换、整合和参数变更均落入本发明的保护范围内。
Claims (10)
1.一种基于边缘计算的智能汽车高精度地图生成方法，包括如下步骤：
步骤1：用户模型构建阶段：获取用户认知特征及需求F，构建用户模型；
步骤2：信息获取阶段：基于直接观测、间接观测、制图者主观因素、用户模型信息，形成制图者对环境的认识U1’；
步骤3：信息加工阶段：基于制图者对环境的认识，智能化信息加工，通过互联网传输，形成智能高精地图；
步骤4：信息解译阶段：通过互联网接受地图，结合自身对环境的观测与个人特征，分析与解释地图，形成用图者对环境的认识U2’；
步骤5：交互反馈阶段：用户对地图的评价和反馈，制图者对反馈的响应，两者间通过网络进行动态交互；
步骤6：行为指导阶段：基于用户对环境的认识，得到迭代的用户地图需求模型，为实际行动提供基础。
2.根据权利要求1所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于，步骤1中，所述用户认知特征及需求F，向制图者传输时，通过C-V2X网联通讯手段；步骤2中，从制图者对环境的认识到形成智能高精度地图到用图者对环境的认识，其中的信息传输通过C-V2X网联通讯手段。
3.根据权利要求1所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于，步骤2中，从制图者对环境的认识U1’信息加工得到的地图信息和从智能高精度地图得到的地图信息，受到V2X信息交互标准的约束。
4.根据权利要求1所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于，步骤2中，所述信息获取阶段的直接观测和间接观测，观测的是客观世界的数据信息，所述客观世界的数据信息从路测设备和用图者智能网联车辆的车载传感器获取。
5.根据权利要求4所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于，所述客观世界的数据信息包括静态路网、交通时间、交通流、动态物体、交通环境。
6.根据权利要求4所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于所述用图者智能网联车辆的车载传感器包括：摄像头、激光雷达、OBU。
7.根据权利要求4所述的一种基于边缘计算的智能汽车高精度地图生成方法，其特征在于，所述路测设备包括：视频检测器、雷达、红绿灯、气象检测器、路面检测器和RSU。
8.一种如权利要求1-7任一项所述的一种基于边缘计算的智能汽车高精度地图生成方法的应用，其特征在于，基于上述基于边缘计算的智能汽车高精度地图生成方法，并根据消息类型及车载端的自动驾驶高精度地图框架Lanelet2,确定高精度地图数据的逻辑层次，包括：静态地图层、动态数据层和用户服务层。
9.根据权利要求8所述的一种基于边缘计算的智能汽车高精度地图生成方法的应用，其特征在于，所述静态地图层包括：区域内的节点、路段、车道、标志标牌在内的交通设施。
10.根据权利要求9所述的一种基于边缘计算的智能汽车高精度地图生成方法的应用，其特征在于，所述动态数据层包括：隔一段时间进行更新的半动态地图数据和动态地图信息，所述半动态地图数据包括交通流量、交通限制、交通事件，所述动态地图信息包括交通参与者的信息和交通信号控制的信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011639074.1A CN113157832A (zh) | 2020-12-31 | 2020-12-31 | 一种基于边缘计算的智能汽车高精度地图生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011639074.1A CN113157832A (zh) | 2020-12-31 | 2020-12-31 | 一种基于边缘计算的智能汽车高精度地图生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113157832A true CN113157832A (zh) | 2021-07-23 |
Family
ID=76878247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011639074.1A Pending CN113157832A (zh) | 2020-12-31 | 2020-12-31 | 一种基于边缘计算的智能汽车高精度地图生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113157832A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023108523A1 (zh) * | 2021-12-16 | 2023-06-22 | 华为技术有限公司 | 一种更新地图的方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657031A (zh) * | 2018-12-28 | 2019-04-19 | 国汽(北京)智能网联汽车研究院有限公司 | 一种基于智能网联汽车的高精度动态地图生成与应用方法 |
| CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
| CN111599201A (zh) * | 2020-04-24 | 2020-08-28 | 东风汽车集团有限公司 | 智能交通下基于v2x的智能网联汽车系统及方法 |
-
2020
- 2020-12-31 CN CN202011639074.1A patent/CN113157832A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657031A (zh) * | 2018-12-28 | 2019-04-19 | 国汽(北京)智能网联汽车研究院有限公司 | 一种基于智能网联汽车的高精度动态地图生成与应用方法 |
| CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
| CN111599201A (zh) * | 2020-04-24 | 2020-08-28 | 东风汽车集团有限公司 | 智能交通下基于v2x的智能网联汽车系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘经南等: "智能高精地图数据逻辑结构与关键技术", 《测绘学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023108523A1 (zh) * | 2021-12-16 | 2023-06-22 | 华为技术有限公司 | 一种更新地图的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11475677B2 (en) | Method, apparatus, and system for generating synthetic image data for machine learning | |
| US11645839B2 (en) | Lane feature detection in aerial images based on road geometry | |
| US11874119B2 (en) | Traffic boundary mapping | |
| US20190034740A1 (en) | Method, apparatus, and system for vanishing point/horizon estimation using lane models | |
| CN110378293B (zh) | 一种基于实景三维模型生产高精度地图的方法 | |
| CN105512166A (zh) | 一种微博舆情与城市路况相映射的交通平行方法 | |
| CN110688943A (zh) | 一种基于实际驾驶数据自动获取图像样本的方法和装置 | |
| CN113899355A (zh) | 地图更新方法、装置、云端服务器和共享骑行设备 | |
| CN114179829A (zh) | 多端协同的车辆行驶方法、装置、系统及介质 | |
| Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
| CN112683285B (zh) | 一种基于边缘计算的高精度地图数据交互方法 | |
| US11989805B2 (en) | Dynamic geometry using virtual spline for making maps | |
| US20210156696A1 (en) | Method and system to validate road signs | |
| CN113157832A (zh) | 一种基于边缘计算的智能汽车高精度地图生成方法 | |
| CN113324552B (zh) | 一种基于边缘计算的智能汽车高精度地图系统 | |
| Zhang et al. | Open HD map service model: an interoperable high-Definition map data model for autonomous driving | |
| WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
| CN115112132A (zh) | 感知地图生成方法、装置及计算机可读存储介质 | |
| WO2020262312A1 (ja) | 地図表現データ処理装置、対応情報の生産方法、およびプログラム | |
| Al-Ezaly et al. | An innovative traffic light recognition method using vehicular ad-hoc networks | |
| CN115062445A (zh) | 基于自然驾驶数据的仿真场景构建方法及系统 | |
| Redzic et al. | A location cloud for highly automated driving | |
| CN108318044A (zh) | 一个基于多源异构众包数据的风景路网建模系统 | |
| WO2024125316A1 (zh) | 一种地图评估方法及装置 | |
| Garofalakis et al. | Vehicle Routing and Road Traffic Simulation: A Smart Navigation System |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |