CN113324552B - 一种基于边缘计算的智能汽车高精度地图系统 - Google Patents

一种基于边缘计算的智能汽车高精度地图系统 Download PDF

Info

Publication number
CN113324552B
CN113324552B CN202110589252.2A CN202110589252A CN113324552B CN 113324552 B CN113324552 B CN 113324552B CN 202110589252 A CN202110589252 A CN 202110589252A CN 113324552 B CN113324552 B CN 113324552B
Authority
CN
China
Prior art keywords
data
module
information
map
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.)
Active
Application number
CN202110589252.2A
Other languages
English (en)
Other versions
CN113324552A (zh
Inventor
邱天
周轶
魏俊生
安康
林中朴
徐扬程
李海勇
刘靖馨
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.)
Shanghai Songhong Intelligent Automobile Technology Co ltd
Shanghai International Automobile City Group Co ltd
Original Assignee
Shanghai Songhong Intelligent Automobile Technology Co ltd
Shanghai International Automobile City Group Co ltd
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 Shanghai Songhong Intelligent Automobile Technology Co ltd, Shanghai International Automobile City Group Co ltd filed Critical Shanghai Songhong Intelligent Automobile Technology Co ltd
Priority to CN202110589252.2A priority Critical patent/CN113324552B/zh
Publication of CN113324552A publication Critical patent/CN113324552A/zh
Application granted granted Critical
Publication of CN113324552B publication Critical patent/CN113324552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; 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
    • G01C21/30Map- or contour-matching
    • G01C21/32Structuring or formatting of map data

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系统,包括静态地图模块、动态数据模块和用户服务模块;静态地图模块,用于接收外界传感器信息,并描绘静态的车辆驾驶环境;动态数据模块,用于接收节点范围内的车辆传感器、路侧传感器、静态地图模块的信息,形成节点服务范围内总体性的地图动态数据;用户服务模块,用于接收用户个人信息、静态地图模块的信息和动态数据模块的信息,根据用户个人信息,在用户服务模块直接进行计算,对节点范围内的路径进行规划,通过自我调整提供与当前场景最为匹配的信息服务。本发明提出了一种基于边缘计算的智能汽车高精度地图系统及其应用方法,实现了高效、高速、高质量的动态地图服务。

Description

一种基于边缘计算的智能汽车高精度地图系统
技术领域
本发明涉及高精度地图,尤其涉及一种基于边缘计算的智能汽车高精度地图系统。
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,使得模块较为简单,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系统,明确基于边缘计算的智能汽车高精度地图系统的应用方法,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系统,其包括静态地图模块、动态数据模块、用户服务模块;
静态地图模块,用于接收外界传感器信息,并描绘静态的车辆驾驶环境;
动态数据模块,用于接收节点范围内的车辆传感器、路侧传感器、静态地图模块的信息,形成节点服务范围内总体性的地图动态数据;
用户服务模块,用于接收用户个人信息、静态地图模块的信息和动态数据模块的信息,根据用户个人信息,在用户服务模块直接进行计算,对节点范围内的路径进行规划,通过自我调整提供与当前场景最为匹配的信息服务。
优选地,所述静态地图模块描绘的静态的车辆驾驶环境对应的数据信息包括节点数据信息、路段数据信息、车道数据信息和交通设施数据信息。
优选地,所述动态数据模块的地图动态数据包括半动态地图数据和动态地图数据。
优选地,所述半动态地图数据包括交通时间数据、交通流量数据、交通限制数据。
优选地,所述动态地图数据包括车辆数据和交通信号数据。
优选地,所述用户服务模块接收的用户个人信息包括用户驾驶经验信息、用户始终点信息和用户当前位置信息。
一种基于边缘计算的智能汽车高精度地图系统的应用方法,包括如下步骤:
(1)智能汽车高精度地图系统通过车载传感器感知周边环境以及自身位置,接收车载传感器的数据后,与静态地图模块中的数据进行匹配,实现车辆对周边环境的精准定位和感知;
(2)智能汽车高精度地图系统根据用户个人信息,通过用户服务模块,判断最为匹配的信息服务需求;
(3)智能汽车高精度地图系统引入静态地图模块、动态数据模块的信息,根据用户服务模块判断的最为匹配的信息服务需求,在用户服务模块直接进行驾驶路径的规划;
(4)智能汽车高精度地图系统根据路径规划,在实际行驶中,通过实时环境感知与地图匹配,获取交通标志、障碍物相对于动态车辆的精确位置,对自动驾驶车辆的驾驶行为进行控制。
优选地,其中步骤(3)能细化为:
1)智能汽车高精度地图系统基于车辆定位位置和静态地图模块的数据,确定起终点之间的全局路径规划;
2)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息进行第二次全局路径规划;
3)智能汽车高精度地图系统根据静态地图模块和动态数据模块生成局部代价地图,基于车辆的相对定位,进行第一次局部路径规划;
4)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息进行第二次局部路径规划。
相比于现有技术,本发明技术方案具有以下技术效果:
(1)本发明提出了一种基于边缘计算的智能汽车高精度地图系统,明确了基于边缘计算节点的智能汽车高精度地图系统的应用方法,方便了后续为用户提供基于边缘计算部署高精度地图的服务。
(2)本发明根据用户个人信息,进行针对性的用户服务,提高了服务质量,满足了客户需求。
(3)本发明实现了安全、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。
(4)本发明基于边缘计算节点,做到高效、高速、高质量的信息传递,提高了服务质量。
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系统中静态地图模块的基本架构;
图2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系统中静态地图模块基本架构中节点拓展的架构;
图3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系统中静态地图模块基本架构中路段拓展的架构;
图4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系统中静态地图模块基本架构中车道包含的一系列交通标牌的架构。
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
本实施例介绍了一种基于边缘计算的智能汽车高精度地图系统的结构。
一种基于边缘计算的智能汽车高精度地图系统,包括静态地图模块、动态数据模块和用户服务模块;
静态地图模块,用于接收外界传感器信息,并描绘静态的车辆驾驶环境,提供丰富的道路语义信息辅助与约束车辆行为;
动态数据模块,用于接收节点范围内的车辆传感器、路侧传感器、静态地图模块的信息,形成节点服务范围内总体性的地图动态数据;
用户服务模块,用于接收用户个人信息、静态地图模块的信息和动态数据模块的信息,根据用户个人信息,在用户服务模块直接进行计算,对节点范围内的路径进行规划,通过自我调整提供与当前场景最为匹配的信息服务。
静态地图模块:请参考表1,其为智能汽车高精度地图系统静态地图模块的数据信息,其展示了所述静态地图模块描绘的静态的车辆驾驶环境对应的数据信息包括节点数据信息、路段数据信息、车道数据信息和交通设施数据信息。,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智能汽车高精度地图系统静态地图模块的数据信息
Figure BDA0003088793950000051
请参考图1,其为基于边缘计算的智能汽车高精度地图系统中静态地图模块的基本架构,其展示了静态地图模块的基本架构,为一个层层嵌套的形式,按照节点——路段——车道依次展开,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,与交通设施模块连接。
进一步的,交通设施数据信息包括节点拓展数据信息、路段拓展数据信息和车道拓展数据信息。
请参考图2,其为一种基于边缘计算的智能汽车高精度地图系统中静态地图模块基本架构中节点拓展的架构,其展示了节点拓展数据信息包括了节点标线区,其对节点的属性和几何表达做了扩充,展示了节点标线区类型包括网状线禁停区、中心圈、非机动车禁驶区。
请参考图3,其为一种基于边缘计算的智能汽车高精度地图系统中静态地图模块基本架构中路段拓展的架构,其展示了路段拓展数据信息包括路段对应人行横道数据信息和路段设置的交通标牌数据信息,路段对应人行横道数据信息包括了人行横道的类型和中心坐标,路段设置的交通标牌模块数据信息包括了类型、属性拓展、补充描述、标牌位置和标牌几何拓展。
请参考图4,其为一种基于边缘计算的智能汽车高精度地图系统中静态地图模块基本架构中车道包含的一系列交通标牌的架构,其展示了车道拓展数据信息包括了车道内的交通标牌数据信息,车道内的交通标牌数据信息包括了交通标牌的类型、属性拓展、补充描述、标牌位置和标牌几何拓展。
实施例2
基于上述实施例1,本实施例主要介绍了动态数据模块。
动态数据模块:请参考表2,其为智能汽车高精度地图系统动态数据信息,其展示了动态数据模块包括: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,动态数据模块的数据信息仅引入节点范围内的,保证了高效性和高速型。
进一步的,所述半动态地图数据包括交通时间数据、交通流量数据、交通限制数据。
进一步的,所述动态地图数据包括车辆数据和交通信号数据。
高精度地图动态数据模块既包含检测事件和目标本身的内容属性描述,也包含其与静态地图模块的几何关联性描述。
表2智能汽车高精度地图系统动态数据信息
Figure BDA0003088793950000061
实施例3
基于上述实施例2,本实施例主要介绍了用户服务模块。
用户服务模块: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,根据用户个人信息,向客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。请参考图3,其为智能汽车高精度地图系统应用服务主要内容,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智能汽车高精度地图系统应用服务主要内容
Figure BDA0003088793950000071
本发明提出了一种基于边缘计算的智能汽车高精度地图系统方便了后续为用户提供基于边缘计算部署高精度地图的服务。
实施例4
基于上述实施例3,本实施例主要介绍了一种智能汽车高精度地图系统的应用方法:
一种智能汽车高精度地图系统的应用方法,包括如下步骤:
(1)汽车定位;
(2)判断信息服务需求;
(3)驾驶路径规划;
(4)控制驾驶车辆。
其中步骤(1)为智能汽车高精度地图系统通过车载传感器感知周边环境以及自身位置,通过接收器接收车载传感器的数据后,与静态地图模块中的数据进行匹配,实现车辆对周边环境的精准定位和感知。
其中步骤(2)为智能汽车高精度地图系统根据用户个人信息,通过用户服务模块,判断最为匹配的信息服务需求。
其中步骤(3)为智能汽车高精度地图系统引入静态地图模块、动态数据模块的信息,根据用户服务模块判断的最为匹配的信息服务需求,在用户服务模块直接进行对驾驶路径的规划。
进一步的,其中步骤(3)还包括:
1)智能汽车高精度地图系统基于车辆定位位置和静态地图模块的数据,确定起终点之间的全局路径规划;
2)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息进行第二次全局路径规划;
3)智能汽车高精度地图系统根据静态地图模块和动态数据模块生成局部代价地图,基于车辆的相对定位,进行第一次局部路径规划;
4)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息进行第二次局部路径规划。
其中步骤(4)为智能汽车高精度地图系统根据路径规划,在实际行驶中,通过实时环境感知与地图匹配,获取交通标志、障碍物相对于动态车辆的精确位置,对自动驾驶车辆的驾驶行为进行控制。
本发明根据用户个人信息,构建用户服务模块,提高了服务质量,满足了客户需求。
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 (7)

1.一种基于边缘计算的智能汽车高精度地图系统,其特征在于,其包括:
静态地图模块、动态数据模块和用户服务模块;
静态地图模块,用于接收外界传感器信息,并描绘静态的车辆驾驶环境;
动态数据模块,用于接收节点范围内的车辆传感器、路侧传感器、静态地图模块的信息,形成节点服务范围内总体性的地图动态数据;
用户服务模块,用于接收用户个人信息、静态地图模块的信息和动态数据模块的信息,根据用户个人信息,在用户服务模块直接进行计算,对节点范围内的路径进行规划,通过自我调整提供与当前场景最为匹配的信息服务;
所述静态地图模块描绘的静态的车辆驾驶环境对应的数据信息包括节点数据信息、路段数据信息、车道数据信息和交通设施数据信息;
所述静态地图模块的基本架构,为一个层层嵌套的形式,按照节点——路段——车道依次展开,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,与交通设施模块连接;
所述交通设施数据信息包括节点拓展数据信息、路段拓展数据信息和车道拓展数据信息;
所述节点拓展数据信息包括了节点标线区;
所述路段拓展数据信息包括路段对应人行横道数据信息和路段设置的交通标牌数据信息,路段对应人行横道数据信息包括了人行横道的类型和中心坐标,路段设置的交通标牌模块数据信息包括了类型、属性拓展、补充描述、标牌位置和标牌几何拓展;
所述车道拓展数据信息包括了车道内的交通标牌数据信息,车道内的交通标牌数据信息包括了交通标牌的类型、属性拓展、补充描述、标牌位置和标牌几何拓展。
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系统,其特征在于,所述动态数据模块的地图动态数据包括半动态地图数据和动态地图数据。
3.根据权利要求2所述的一种基于边缘计算的智能汽车高精度地图系统,其特征在于,所述半动态地图数据包括交通时间数据、交通流量数据、交通限制数据。
4.根据权利要求2所述的一种基于边缘计算的智能汽车高精度地图系统,其特征在于,所述动态地图数据包括交通车辆定位数据和交通信号数据。
5.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系统,其特征在于,所述用户服务模块接收的用户个人信息包括用户驾驶经验信息、用户始终点信息和用户当前位置信息。
6.根据权利要求1-5任一项所述的一种基于边缘计算的智能汽车高精度地图系统的应用方法,其特征在于,其包括如下步骤:
(1)智能汽车高精度地图系统通过车载传感器感知周边环境以及自身位置,接收车载传感器的数据后,与静态地图模块中的数据进行匹配,实现车辆对周边环境的精准定位和感知;
(2)智能汽车高精度地图系统根据用户个人信息,通过用户服务模块,判断最为匹配的信息服务需求;
(3)智能汽车高精度地图系统引入静态地图模块、动态数据模块的信息,根据用户服务模块判断的最为匹配的信息服务需求,在用户服务模块直接进行对驾驶路径的规划;
(4)智能汽车高精度地图系统根据路径规划,在实际行驶中,通过实时环境感知与地图匹配,获取交通标志、障碍物相对于动态车辆的精确位置,对自动驾驶车辆的驾驶行为进行控制。
7.根据权利要求6所述的一种基于边缘计算的智能汽车高精度地图系统的应用方法,其特征在于,其中步骤(3)能细化为:
1)智能汽车高精度地图系统基于车辆定位位置和静态地图模块的数据,确定起终点之间的全局路径规划;
2)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息,进行第二次全局路径规划;
3)智能汽车高精度地图系统根据静态地图模块和动态数据模块的数据生成局部代价地图,基于车辆的相对定位,进行第一次局部路径规划;
4)智能汽车高精度地图系统引入用户服务模块的数据,根据用户个人信息进行第二次局部路径规划。
CN202110589252.2A 2021-05-28 2021-05-28 一种基于边缘计算的智能汽车高精度地图系统 Active CN113324552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110589252.2A CN113324552B (zh) 2021-05-28 2021-05-28 一种基于边缘计算的智能汽车高精度地图系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110589252.2A CN113324552B (zh) 2021-05-28 2021-05-28 一种基于边缘计算的智能汽车高精度地图系统

Publications (2)

Publication Number Publication Date
CN113324552A CN113324552A (zh) 2021-08-31
CN113324552B true CN113324552B (zh) 2023-03-14

Family

ID=77422126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110589252.2A Active CN113324552B (zh) 2021-05-28 2021-05-28 一种基于边缘计算的智能汽车高精度地图系统

Country Status (1)

Country Link
CN (1) CN113324552B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116578663A (zh) * 2023-07-12 2023-08-11 中国电信股份有限公司 动态地图处理方法及装置、存储介质及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798394A (zh) * 2011-05-26 2012-11-28 上海博泰悦臻电子设备制造有限公司 路径规划方法及系统
CN106197449A (zh) * 2016-06-30 2016-12-07 中国科学院计算技术研究所 一种基于网络路径选择算法的地图路径规划方法及系统
CN106846870A (zh) * 2017-02-23 2017-06-13 重庆邮电大学 基于集中式视觉的停车场‑车辆协同的智能停车系统及方法
CN107797555A (zh) * 2017-10-30 2018-03-13 奇瑞汽车股份有限公司 一种游览车自动驾驶控制方法及装置
CN110320930A (zh) * 2019-06-17 2019-10-11 中国工程物理研究院电子工程研究所 基于Voronoi图的多无人机编队队形可靠变换方法
WO2020045318A1 (ja) * 2018-08-31 2020-03-05 株式会社デンソー 車両側装置、サーバ、方法および記憶媒体
CN111439261A (zh) * 2020-05-12 2020-07-24 吉林大学 一种用于智能车群主动换道功能的车流量计算系统
WO2020177767A1 (zh) * 2019-03-06 2020-09-10 路特迩科技(杭州)有限公司 基于电子地图的交通和旅行信息服务系统及方法
CN112068548A (zh) * 2020-08-07 2020-12-11 北京航空航天大学 5g环境下面向特殊场景的无人驾驶车辆路径规划方法
CN112540607A (zh) * 2020-04-03 2021-03-23 深圳优地科技有限公司 路径规划的方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102267563B1 (ko) * 2018-11-29 2021-06-23 한국전자통신연구원 자율주행 방법 및 그 시스템

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798394A (zh) * 2011-05-26 2012-11-28 上海博泰悦臻电子设备制造有限公司 路径规划方法及系统
CN106197449A (zh) * 2016-06-30 2016-12-07 中国科学院计算技术研究所 一种基于网络路径选择算法的地图路径规划方法及系统
CN106846870A (zh) * 2017-02-23 2017-06-13 重庆邮电大学 基于集中式视觉的停车场‑车辆协同的智能停车系统及方法
CN107797555A (zh) * 2017-10-30 2018-03-13 奇瑞汽车股份有限公司 一种游览车自动驾驶控制方法及装置
WO2020045318A1 (ja) * 2018-08-31 2020-03-05 株式会社デンソー 車両側装置、サーバ、方法および記憶媒体
WO2020177767A1 (zh) * 2019-03-06 2020-09-10 路特迩科技(杭州)有限公司 基于电子地图的交通和旅行信息服务系统及方法
CN110320930A (zh) * 2019-06-17 2019-10-11 中国工程物理研究院电子工程研究所 基于Voronoi图的多无人机编队队形可靠变换方法
CN112540607A (zh) * 2020-04-03 2021-03-23 深圳优地科技有限公司 路径规划的方法、装置、电子设备及存储介质
CN111439261A (zh) * 2020-05-12 2020-07-24 吉林大学 一种用于智能车群主动换道功能的车流量计算系统
CN112068548A (zh) * 2020-08-07 2020-12-11 北京航空航天大学 5g环境下面向特殊场景的无人驾驶车辆路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
智能高精地图数据逻辑结构与关键技术;刘经南等;《测绘学报》;20190815;第939-953页 *

Also Published As

Publication number Publication date
CN113324552A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
US11337029B2 (en) Map based feedback loop for vehicle observations
EP3457085B1 (en) Lane-centric road network model for navigation
US10296795B2 (en) Method, apparatus, and system for estimating a quality of lane features of a roadway
US10331957B2 (en) Method, apparatus, and system for vanishing point/horizon estimation using lane models
US11645839B2 (en) Lane feature detection in aerial images based on road geometry
US10565865B2 (en) Split lane traffic jam detection and remediation
EP3443302B1 (en) Intersection map message creation for vehicle communication
US8204680B1 (en) Method of operating a navigation system to provide road curvature
CN108981730A (zh) 用于为操作自动驾驶车辆生成参考路径的方法和系统
US20200201891A1 (en) Method, apparatus, and computer program product for identifying at-risk road infrastructure
US11915583B2 (en) Traffic predictions at lane level
WO2022193995A1 (zh) 一种地图更新方法、基于地图的驾驶决策方法及装置
EP3617654A1 (en) User familiarization with a novel route for reducing cognitive load associated with navigation
CN113324552B (zh) 一种基于边缘计算的智能汽车高精度地图系统
US20230154073A1 (en) Dynamic geometry using virtual spline for making maps
Boubakri et al. High definition map update for autonomous and connected vehicles: A survey
US11081000B2 (en) Method and system for generating heading information of vehicles
CN112683285A (zh) 一种基于边缘计算的高精度地图数据交互方法
US20200072629A1 (en) User familiarization with a novel route for reducing cognitive load associated with navigation
CN112991741B (zh) 交通流预测方法和装置
US20230222905A1 (en) Method, apparatus, and system for traffic light signal phase and timing verification using sensor data and probe data
CN113157832A (zh) 一种基于边缘计算的智能汽车高精度地图生成方法
US11479264B2 (en) Mobile entity interaction countdown and display
US11029171B2 (en) User familiarization with a novel route for reducing cognitive load associated with navigation
Ammoun et al. Design of a new GIS for ADAS oriented applications

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