CN113544034B - 用于确定交通工具传感器的校正信息的装置和方法 - Google Patents
用于确定交通工具传感器的校正信息的装置和方法 Download PDFInfo
- Publication number
- CN113544034B CN113544034B CN202080018430.XA CN202080018430A CN113544034B CN 113544034 B CN113544034 B CN 113544034B CN 202080018430 A CN202080018430 A CN 202080018430A CN 113544034 B CN113544034 B CN 113544034B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- position information
- estimated position
- estimated
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 2
- 239000011159 matrix material Substances 0.000 description 19
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000013519 translation Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Abstract
根据本发明的实施方式的用于确定交通工具传感器的校正信息的方法包括以下步骤:基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图的地标之间的匹配信息来获取交通工具的估计位置信息;以及确定用于交通工具的车轮速度传感器的比例因子,该比例因子被限定为基于所获取的估计交通工具位置信息而获取的估计行驶距离与由车轮速度传感器检测到的交通工具的行驶距离之间的比率。
Description
技术领域
本公开内容涉及用于获取用于校正交通工具传感器的校正信息的装置和方法。作为参考,本申请要求2019年3月7日提交的韩国专利申请第10-2019-0026434号的优先权。优先权所基于的申请的全部内容通过引用并入本文中。
背景技术
通常,交通工具意指使用化石燃料、电力等作为动力源来在道路或轨道上驾驶的运输机器。
随着技术的发展,已经开发了向驾驶员提供各种功能的交通工具。特别地,根据交通工具电气化的趋势,出现了具有在事故发生之前或事故发生时立即操作以防止事故发生的主动安全系统(ASS)的交通工具。
此外,近年来,为了减轻驾驶员的负担并且提高驾驶员便利性,积极地进行了对具有高级驾驶员辅助系统(ADAS)的交通工具的研究,高级驾驶员辅助系统主动地提供关于驾驶环境的信息,诸如交通工具状况、驾驶员的状况以及周围环境。
由于ADAS根据由交通工具的位置确定的驾驶环境进行操作,所以需要预先准确地估计交通工具的位置。常规地,已经广泛使用通过使用卫星信号来估计交通工具位置的方法,但是最近,正在积极地进行关于结合卫星信号来考虑各种信息以提高精确度的方法的研究。
例如,ADAS可以通过使用由安装在交通工具上的车轮速度传感器检测到的交通工具的行驶距离或者通过使用由安装在交通工具上的横摆率传感器检测到的姿态信息来估计交通工具的位置信息。
发明内容
技术问题
本公开内容要解决的问题是提供一种交通工具传感器校正信息确定装置和方法,该交通工具传感器校正信息确定装置和方法用于基于通过将摄像装置图像与精确地图匹配而获取的交通工具的估计位置信息来确定用于车轮速度传感器的比例因子和用于横摆率传感器的偏差。
然而,本公开内容的实施方式不限于上面提到的那些实施方式。本领域技术人员根据下面的描述可以清楚地理解未提及的其他实施方式。
问题解决方案
根据本公开内容的一方面,提供了一种交通工具传感器校正信息确定方法,包括:基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具的估计位置信息;以及基于估计行驶距离和由交通工具的车轮速度传感器检测到的交通工具的行驶距离来确定车轮速度传感器的比例因子,估计行驶距离是基于所获取的交通工具的估计位置信息来计算的。
另外,确定用于车轮速度传感器的比例因子包括:从所获取的交通工具的估计位置信息中选择其中协方差的对角线分量小于或等于阈值并且估计行驶距离大于或等于阈值距离的两个估计位置信息;以及基于由交通工具的车轮速度传感器检测到的交通工具的行驶距离和根据所选择的两个估计位置信息计算的估计行驶距离来获取用于车轮速度传感器的比例因子。
另外,确定用于车轮速度传感器的比例因子包括:存储基于多个不同估计位置信息获取的多个候选比例因子;按存储时间与当前时间邻近的顺序、在多个候选比例因子之中获取预定参考数目的许多候选比例因子的平均;以及将所获取的候选比例因子的平均确定为用于车轮速度传感器的比例因子。
根据本公开内容的另一方面,提供了一种交通工具传感器校正信息确定方法,包括:基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具的估计位置信息;以及基于根据所获取的交通工具在精确地图上的估计位置信息确定的车道信息来确定用于交通工具的横摆率传感器的偏差。
此外,确定用于交通工具的横摆率传感器的偏差包括:基于车道信息确定交通工具是否存在于平地上;如果交通工具存在于平地上,则当交通工具停止时获取交通工具的横摆率传感器值;以及基于所获取的横摆率传感器值确定用于横摆率传感器的偏差。
此外,确定交通工具是否存在于平地上包括:基于车道信息获取地面的平面信息;以及基于所获取的平面信息来确定交通工具是否存在于平地上。
此外,基于平面信息确定交通工具是否存在于平地上是在平面信息中的法向量与预定参考向量之间的差小于或等于阈值差的情况下确定交通工具存在于平地上。
此外,获取交通工具的横摆率传感器值是在所获取的交通工具的估计位置信息的协方差的对角线分量小于或等于阈值的情况下获取交通工具的横摆率传感器值。
此外,获取交通工具的横摆率传感器值是在交通工具停止时在多个时间处获取交通工具的多个横摆率传感器值。
此外,基于所获取的横摆率传感器值确定用于横摆率传感器的偏差包括:生成所获取的多个横摆率传感器值的直方图;基于所生成的直方图中的累积值来确定参考部分;以及将参考部分中的横摆率传感器值的平均确定为用于横摆率传感器的偏差。
此外,获取交通工具的估计位置信息包括:通过将精确地图上的与基于GPS的交通工具的初始位置信息对应的地标匹配到摄像装置图像上来获取摄像装置的初始位置信息;基于摄像装置图像与精确地图上与多个候选位置信息中的每一个对应的地标之间的匹配信息来获取摄像装置的估计位置信息,所述多个候选位置信息是基于摄像装置的初始位置信息和交通工具的驾驶信息来采样的;以及基于摄像装置的估计位置信息获取交通工具的估计位置信息。
根据本公开内容的一方面,提供了一种交通工具传感器校正信息确定装置,包括:估计位置获取单元,其被配置成基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具的估计位置信息;以及比例因子确定单元,其被配置成基于估计行驶距离和由交通工具的车轮速度传感器检测到的交通工具的行驶距离来确定用于车轮速度传感器的比例因子,估计行驶距离是基于所获取的交通工具的估计位置信息来计算的。
根据本公开内容的另一方面,提供了一种交通工具传感器校正信息确定装置,包括:
估计位置获取单元,其被配置成基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具的估计位置信息;以及偏差确定单元,其被配置成基于根据所获取的交通工具在精确地图上的估计位置信息确定的车道信息来确定用于交通工具的横摆率传感器的偏差。
有益效果
根据本公开内容的实施方式,可以精确地确定用于校正车轮速度传感器和横摆率传感器的校正信息,从而提高交通工具位置估计的准确性。特别地,可以与轮胎压力无关地确定用于车轮速度传感器的比例因子,并且可以与诸如操作时间和内部温度的干扰无关地确定用于横摆率传感器的偏差,从而精确地校正交通工具传感器的检测结果。
因此,如果通过摄像装置图像与精确地图的匹配来估计交通工具的位置的结果不精确,则可以通过包括车轮速度传感器和横摆率传感器的交通工具传感器来精确地估计交通工具的位置。由此,可以通过不仅提高ADAS的精确度,而且提高自主交通工具的控制的精确度,从而可以提高驾驶员的驾驶便利性和驾驶安全性。
另外,可以在无需另外的感测装置的情况下提高安装在常规交通工具上的传感器的检测性能,从而降低制造成本。
附图说明
图1示出了根据本公开内容的实施方式的交通工具传感器校正信息确定系统的控制框图。
图2示出了根据本公开内容的另一实施方式的交通工具传感器校正信息确定系统传感器的控制框图。
图3示出了说明根据本公开内容的实施方式的交通工具传感器校正信息确定方法的流程图。
图4示出了说明根据本公开内容的实施方式的获取交通工具的估计位置信息的方法的流程图。
图5示出了说明根据本公开内容的实施方式的由估计位置获取单元获取的交通工具的估计位置信息的图。
图6示出了说明根据本公开内容的实施方式的比例因子确定方法的流程图。
图7示出了说明根据本公开内容的实施方式的通过将比例因子用于车轮速度传感器来校正交通工具的位置的方法的图。
图8示出了说明根据本公开内容的实施方式的偏差确定方法的流程图。
图9示出了说明根据本公开内容的实施方式的横摆率传感器值的直方图的图。
具体实施方式
根据结合附图进行的以下描述,将清楚地理解实现这些的实施方式和方法的优点和特征。然而,实施方式不限于所描述的这些实施方式,因为实施方式可以以各种形式来实现。应注意,提供呈现的实施方式是为了进行完整公开且还使本领域的技术人员能够了解实施方式的完整范围。因此,实施方式仅由所附权利要求的范围限定。
在描述本公开内容的实施方式时,如果确定相关的已知部件或功能的详细描述不必要地模糊了本公开内容的要旨,则将省略其详细描述。此外,考虑到本公开内容的实施方式的功能来限定下面要描述的术语,并且这些术语可以根据用户或操作者的意图或实践而变化。因此,其限定可以基于整个说明书的内容来作出。
图1和图2示出了根据本公开内容的各种实施方式的交通工具传感器校正信息确定系统1的控制框图。
参照图1,根据实施方式的交通工具传感器校正信息确定系统1可以包括交通工具V和交通工具传感器校正信息确定装置100。
交通工具V可以指示能够在沿着道路或轨道行驶的同时将人、物体或动物从一个位置移动至另一位置的运输工具。根据实施方式的交通工具V可以包括具有三个车轮的交通工具或具有四个车轮的交通工具、具有两个车轮的交通工具(例如摩托车、建筑机器、电动自行车、自行车)以及在轨道上行驶的列车等。
图1的交通工具V可以包括全球定位系统(GPS)模块,并且因此可以从至少一个GPS卫星接收包括导航数据的卫星信号。交通工具V可以基于卫星信号获取基于GPS的交通工具V的当前位置和交通工具V的行驶方向。
图1的交通工具V可以预先存储精确地图。本文中,精确地图可以指示对于交通工具的安全且精确的控制具有高精确度的地图,并且精确地图可以包括关于道路的平面位置以及高度、坡度、曲率等的信息。另外,精确地图还可以包括关于诸如行车道、路标、交通灯、护栏等道路设施的信息。
另外,图1的交通工具V可以包括高级驾驶员辅助系统(ADAS)。本文中,ADAS可以指示提供关于驾驶环境的信息(交通工具V的状况、驾驶员的状况以及周围环境信息)或者主动控制交通工具V以减轻驾驶员的负担并且提高便利性的系统。
在交通工具V中包括的ADAS可以包括用于检测交通工具V的驾驶环境的驾驶环境感测装置。根据一个实施方式的驾驶环境感测装置可以包括:雷达,其通过在交通工具V周围发射脉冲并且接收从位于相应方向上的对象反射的回波脉冲来检测驾驶环境;激光雷达,其在交通工具V周围发射激光并且接收从位于相应方向上的对象反射的回波激光;以及/或者超声波传感器,其在交通工具V周围发射超声波并且接收从位于相应方向上的对象反射的回波超声波等。
另外,ADAS可以包括摄像装置作为感测装置。摄像装置可以被设置为面向交通工具V的前方、侧方和/或后方,并且因此可以在相应的方向上拍摄摄像装置图像。所拍摄的摄像装置图像可以是用于通过图像处理来获取诸如行车道或路标以及交通工具V周围的对象的信息的基础。
可以通过将所获取的摄像装置图像与上述精确地图进行匹配来估计交通工具V的当前位置。此时,为了提高位置估计的精确度,可以参照交通工具V的行为信息。为此,交通工具V可以配备有以下传感器作为行为信息检测传感器:车轮速度传感器,其检测交通工具V的行驶距离;以及/或者横摆率传感器,其基于交通工具V的车轮的旋转速度来检测交通工具V的姿态信息。
另一方面,可以通过传感器的内部因素和/或行为信息检测环境来改变为了检测行为信息而安装在交通工具V上的行为信息检测传感器的检测精确度。例如,在行为传感器中,车轮速度传感器受到车轮上的轮胎的气压的影响,并且因此在输出传感器值中可能发生错误。另外,行为传感器中的横摆率传感器的内部偏差值可能被诸如操作时间和内部温度之类的干扰而改变。
因此,在参考行为信息来估计交通工具V的位置时,可以通过使用用于减小上述误差的校正信息来校正由行为信息检测传感器检测到的行为信息。为此,根据本公开内容的实施方式的交通工具传感器校正信息检测系统1可以将比例因子确定为安装在交通工具V上的行为信息检测传感器中的车轮速度传感器的校正信息,并且将偏差确定为行为信息检测传感器中的横摆率传感器的校正信息。
返回参照图1,根据本公开内容的实施方式的交通工具传感器校正信息确定装置100可以通过使用从交通工具V接收的信息来确定交通工具传感器的校正信息。本文中,校正信息可以包括用于车轮速度传感器的比例因子和用于横摆率传感器的偏差。
为了获取校正信息,交通工具传感器校正信息确定装置100可以通过以各种公知的通信方法与交通工具V通信来交换信息。根据实施方式的交通工具传感器校正信息确定装置100可以通过采用诸如CDMA、GSM、W-CDMA、TD-SCDMA、WiBro、LTE,EPC等的公知通信方法通过基站与交通工具V通信。替选地,根据另一实施方式的交通工具传感器校正信息确定装置100可以通过采用诸如无线LAN、Wi-Fi、蓝牙、Zigbee、Wi-Fi直连(WFD)、超宽带(UWB)、红外数据协会(IrDA)、蓝牙低能量(BLE)、近场通信(NFC)等的通信方法在预定距离内与交通工具V通信。然而,交通工具传感器校正信息确定装置100与交通工具V通信的方法不限于上述实施方式。
交通工具传感器校正信息确定装置100可以基于从交通工具V接收的信息来获取交通工具V的估计位置信息,并且根据所获取的估计位置信息来确定用于车轮速度传感器的比例因子和用于横摆率传感器的偏差信息。为此,交通工具传感器校正信息确定装置100可以包括估计位置获取单元110、比例因子确定单元120和偏差确定单元130。
估计位置获取单元110可以基于由交通工具V的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具V的估计位置信息。本文中,估计位置信息可以指示基于摄像装置图像与精确地图上的地标之间的匹配信息而获取的位置信息,并且位置信息可以包括位置坐标和姿态角。
比例因子确定单元120可以通过使用基于交通工具V的估计位置信息获取的估计行驶距离以及由交通工具V的车轮速度传感器检测到的交通工具V的行驶距离来确定用于车轮速度传感器的比例因子。本文中,可以将比例因子限定为基于交通工具V的估计位置信息获取的估计行驶距离与由交通工具V的车轮速度传感器检测到的交通工具V的行驶距离的比率。
偏差确定单元130可以基于交通工具V的估计位置信息获取车道信息。换言之,偏差确定单元130可以通过将交通工具V的估计位置信息输入至精确地图上来估计交通工具V在精确地图上的位置,交通工具V的估计位置信息是基于由交通工具V的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配而获取的,并且偏差确定单元130可以根据精确地图上的估计位置来获取在精确地图上预先输入的车道信息。
在基于根据交通工具V在精确地图上的估计位置信息确定的车道信息确定交通工具V停止在平地上时,偏差确定单元130可以确定交通工具V的横摆率传感器的偏差。
可以将根据本公开内容的实施方式的交通工具传感器校正信息确定装置100的每个部件实现为包括微处理器的计算设备,所述微处理器例如中央处理单元(CPU)、图形处理单元(GPU)等。替选地,可以将构成交通工具传感器校正信息确定装置100的多个部件实现为单个SOC(片上系统)。
另一方面,图1示出了将交通工具传感器校正信息确定装置100与交通工具V分离地设置以配置交通工具传感器校正信息确定系统1的情况,但是替选地,交通工具传感器校正信息确定装置100可以被设置在交通工具V内部。
参照图2,根据本公开内容的另一实施方式的交通工具传感器校正信息确定系统1可以由包括交通工具传感器校正信息确定装置100的交通工具V来配置。然而,除了设置交通工具传感器校正信息确定装置100的方式之外,图1的交通工具传感器校正信息确定系统1的操作与图2的交通工具传感器校正信息确定系统1的操作相同。
至此,已经描述了交通工具传感器校正信息确定系统1的每个部件。下文中,将描述由上述交通工具传感器校正信息确定装置100执行的交通工具传感器校正信息确定方法。
图3示出了说明根据本公开内容的实施方式的交通工具传感器校正信息确定方法的流程图。
首先,在步骤S100中,交通工具传感器校正信息确定装置100可以基于由交通工具V的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取交通工具V的估计位置信息。具体地,交通工具传感器校正信息确定装置100的估计位置获取单元110可以根据图4的方法获取交通工具V的估计位置信息。
图4示出了说明根据本公开内容的实施方式的获取交通工具V的估计位置信息的方法的流程图,并且图5示出了说明根据本公开内容的实施方式的由估计位置获取单元110获取的交通工具V的估计位置信息的图。
在步骤S110中,估计位置获取单元110可以通过将精确地图上与基于GPS的交通工具V的初始位置信息对应的地标匹配到摄像装置图像上来获取摄像装置的初始位置信息。为此,估计位置获取单元110可以首先获取基于卫星信号确定的基于GPS的交通工具V的初始位置信息。根据本公开内容的实施方式的估计位置获取单元110可以从交通工具V接收包括基于GPS的交通工具V的初始位置和初始姿态角的初始位置信息。替选地,根据另一实施方式的估计位置获取单元110可以从交通工具V仅接收基于GPS的交通工具的初始位置,并且可以通过使用该初始位置获取包括交通工具V的初始姿态角的初始位置信息。
在获取基于GPS的交通工具V的初始位置信息之后,估计位置获取单元110可以将精确地图上与初始位置信息对应的地标匹配到摄像装置图像上。具体地,估计位置获取单元110可以根据基于GPS的交通工具V在精确地图上的初始位置信息来确定第一感兴趣区域。例如,估计位置获取单元110可以根据基于GPS的交通工具V的初始位置信息将第一半径内的区域确定为第一感兴趣区域。例如,第一半径可以是几米或更小。
当确定了第一感兴趣区域时,估计位置获取单元110可以通过将存在于第一感兴趣区域上的行车道的第一地标匹配到由摄像装置拍摄的摄像装置图像来获取摄像装置的初始姿态角。具体地,估计位置获取单元110可以根据式1根据摄像装置的初始姿态角获取旋转矩阵R。
【式1】
本文中,式1的解S*可以指示包括摄像装置的初始姿态角的旋转矩阵R和摄像装置的初始位置的平移矩阵T的初始位置信息。Zk可以指示从摄像装置图像中检测到的行车道的坐标,并且Pk可以指示精确地图上与Zk对应的地标的坐标。CZk和CPk可以各自指示表示Zk和Pk的误差的协方差,并且H可以指示函数h()(其为雅可比矩阵)的偏导数。另外,函数h()可以指示将精确地图上的地标的坐标投影到摄像装置图像上的函数,函数h()可以根据式2来定义。
【式2】
h(T,RP)=K(R×P+T)
本文中,T可以指示摄像装置的初始位置的平移矩阵,R可以指示摄像装置的初始姿态角的旋转矩阵,并且P可以指示精确地图上地标的坐标。K可以指示用于将基于摄像装置坐标系的坐标投影到由摄像装置拍摄的摄像装置图像上的摄像装置的固有参数矩阵。
为了获取式1的解S*,估计位置获取单元110可以选择公知算法中的至少一个算法,例如高斯牛顿算法(Gauss Newtonalgorithm)或莱芬贝格-马夸特算法(Levenberg-Marquardt algorithm)。
在一个方向上延伸的诸如行车道的地标的点云集合的特征点的协方差可以具有在行车道的延伸方向上形成的椭圆形状。基于此,估计位置获取单元110可以通过使用彼此最接近的特征点作为对应关系重复地计算式1的解来将第一地标匹配到摄像装置图像上。
在计算式1以将在一个方向上延伸的行车道的第一地标匹配到摄像装置图像上时,在行车道延伸的垂直方向上的误差可能较大,而水平方向上的误差可能较小。因此,摄像装置的初始姿态角的旋转矩阵R可以具有可靠的精确度。
另一方面,与旋转矩阵R相比,摄像装置的初始位置的平移矩阵T可能不准确。因此,估计位置获取单元110可以通过将除了行车道之外的第二地标匹配到摄像装置图像上来获取摄像装置的初始位置的平移矩阵T。具体地,估计位置获取单元110可以根据基于GPS的交通工具V在精确地图上的初始位置信息来确定第二感兴趣区域。例如,估计位置获取单元110可以根据基于GPS的交通工具V的初始位置信息将等于或大于第一半径的第二半径内的区域确定为第二感兴趣区域。为了在更大范围内通过使用地标准确地获取摄像装置的初始位置,可以在摄像装置的初始位置信息中获取初始姿态角。本文中,第二半径可以是几百米或更小。
此后,估计位置获取单元110可以通过基于摄像装置的初始姿态角将存在于第二感兴趣区域上的除行车道之外的第二地标匹配到摄像装置图像上来获取摄像装置的初始位置。具体地,估计位置获取单元110可以通过将先前获取的摄像装置的初始姿态角的旋转矩阵R输入至式1来计算,从而获取摄像装置的初始位置的平移矩阵T。
在根据上述方法获取了摄像装置的初始位置信息之后,在步骤S120中,估计位置获取单元110可以基于摄像装置图像与精确地图上与多个候选位置信息中的每一个相对应的地标之间的匹配信息来获取摄像装置的估计位置信息,所述多个候选位置信息是基于摄像装置的初始位置信息和交通工具V的驾驶信息而采样的。
为此,估计位置获取单元110可以在摄像装置的初始位置信息周围采样多个候选位置信息。例如,根据本公开内容的实施方式的估计位置获取单元110可以将摄像装置的初始位置信息设置为平均,并且通过使用其中以预定协方差设置误差建模的高斯概率模型来执行采样。此时,可以将高斯概率模型限定为具有关于姿态角的三个自由度和关于位置的三个自由度的最小六个维度。
此后,估计位置获取单元110可以通过使用粒子滤波器来获取摄像装置的估计位置信息。具体地,估计位置获取单元110可以将交通工具V的驾驶信息反映到多个候选位置信息上。此时,估计位置获取单元110可以遵循式3。
【式3】
此处,矩阵[x(k);y(k);θ(k)]可以指示交通工具V在时间k处的位置和行驶方向。Sr可以指示根据交通工具V的右车轮速度的行驶距离,并且Sl可以指示根据交通工具V的左车轮速度的行驶距离。
为此,估计位置获取单元110可以从交通工具V接收包括车轮速度信息和横摆率信息的驾驶信息。
此后,估计位置获取单元110可以基于摄像装置图像与精确地图上的与多个候选位置信息中的每一个对应的地标之间的匹配信息对多个候选位置信息中的每一个候选位置信息进行加权。为此,估计位置获取单元110可以使用在其上提取地标的摄像装置图像。
在从摄像装置图像中提取第一地标和第二地标时,估计位置获取单元110可以将精确地图上与多个候选位置信息中的每一个候选位置信息对应的地标匹配到摄像装置图像上。此时,估计位置获取单元110可以将式2用于地标匹配。
在识别匹配误差时,估计位置获取单元110可以获取与匹配误差对应的权重。这可以遵循式4。
【式4】
此处,Gσ可以指示权重,(Δx,Δy)可以指示摄像装置图像上的x和y的误差,并且σ可以指示标准偏差。
此后,估计位置获取单元110可以通过将相应的权重分配到相应的候选位置信息来反映匹配误差。
在分配权重之后,估计位置获取单元110可以通过使用分配了权重的多个候选位置信息来重新采样多个候选位置信息。由于基于分配权重的结果重新执行采样,所以多个候选位置信息可以围绕候具有小的匹配误差的候选位置信息收敛。
当采样完成时,估计位置获取单元110可以识别多个重新采样的候选位置信息的标准偏差是否等于或小于参考标准偏差。本文中,参考标准偏差可以指示能够通过使用多个候选位置获取摄像装置的估计位置信息的最大标准偏差。
如果多个重新采样的候选位置信息的标准偏差等于或小于参考标准偏差,则估计位置获取单元110可以获取多个重新采样的候选位置信息的平均值作为摄像装置的估计位置信息。
另一方面,如果多个重新采样的候选位置信息的标准偏差大于参考标准偏差,则估计位置获取单元110可以将交通工具V的驾驶信息反映到多个重新采样的候选位置信息上,并且然后可以重复执行上述处理。
当获取了摄像装置的估计位置信息时,在步骤S130中,估计位置获取单元110可以基于摄像装置的估计位置信息来获取交通工具V的估计位置信息。为此,估计位置获取单元110可以验证摄像装置的估计位置信息是否有效。
具体地,估计位置获取单元110可以首先识别精确地图上与摄像装置的估计位置信息对应的地标中的除了行车道之外的第二地标。此后,估计位置获取单元110可以获取与第二地标中的每个地标的匹配误差对应的摄像装置的估计位置信息的权重。此处,摄像装置的估计位置信息的权重可以遵循上述式4。
当获取了与第二地标中的每个地标的匹配误差对应的权重时,估计位置获取单元110可以识别等于或大于参考值的权重的数目是否等于或大于参考数目。此处,参考值可以指示可以将摄像装置的位置信息确定为有效时根据匹配误差的最小权重,并且参考数目可以指示将摄像装置的位置信息被确定为有效时等于或大于参考值的权重的最小数目。
如果等于或大于参考值的权重的数目等于或大于参考数目,估计位置获取单元110可以确定摄像装置的估计位置信息为有效的。因此,估计位置获取单元110可以通过使用摄像装置的估计位置信息来获取交通工具V的估计位置信息。在这种情况下,估计位置获取单元110可以通过使用平移矩阵T和旋转矩阵R来获取交通工具V的估计位置信息。
另一方面,如果等于或大于参考值的权重的数目小于参考数目,则估计位置获取单元110可以将摄像装置的估计位置信息确定为无效。此后,估计位置获取单元110可以重新获取摄像装置的初始位置信息,从而再次执行获取交通工具V的估计位置的处理。
与上述方法不同,根据本公开内容的另一实施方式的估计位置获取单元110可以针对摄像装置图像的每一帧执行上述有效性验证,并且可以将验证结果与预定参考进行比较以验证摄像装置的估计位置信息的有效性。替选地,根据本公开内容的又一实施方式的估计位置获取单元110可以在交通工具V行驶预定距离的同时重复执行验证,并且可以在摄像装置的估计位置信息无效的情况下,重新获取摄像装置的初始位置信息。
以这种方式,估计位置获取单元110可以通过基于摄像装置图像的每一帧、预定时段或预定行驶距离重复执行有效性验证来监测摄像装置的估计位置信息。
参照图5,所获取的交通工具V的估计位置信息可以包括估计位置坐标Pv和协方差Sc。估计位置坐标Pv可以包括以二维表达的估计位置和估计姿态角,并且协方差Sc可以被表达为矩阵,该矩阵包括表示估计位置坐标的误差的对角线分量。在这种情况下,协方差Sc可以替代横摆率传感器值。
在获取交通工具V的估计位置信息之后,交通工具传感器校正信息确定装置100可以使用交通工具V的估计位置信息来确定用于车轮速度传感器的比例因子。再次参照图3,在步骤S200中,交通工具传感器校正信息确定装置100可以通过使用基于交通工具V的估计位置信息获取的估计行驶距离以及由交通工具V的车轮速度传感器检测到的交通工具V的行驶距离来确定用于车轮速度传感器的比例因子。具体地,交通工具传感器校正信息确定装置100的比例因子确定单元120可以根据图6确定用于车轮速度传感器的比例因子。
图6示出了说明根据本公开内容的实施方式的比例因子确定方法的流程图。
在步骤S210中,比例因子确定单元120可以首先获取其中交通工具V的估计位置信息的协方差的对角线分量小于或等于阈值的估计位置信息。如上所述,由矩阵表示的协方差的小对角线分量可以指示所获取的交通工具V的估计位置信息的误差在概率上较小。因此,对于用于获取交通工具V的行驶距离的起始位置坐标和结束位置坐标,所计算的交通工具V的行驶距离的精确度可以随着协方差的对角线分量的减小而增大。
因此,比例因子确定单元120可以将由估计位置获取单元110获取的多个估计位置信息与阈值进行比较,从而获取等于或小于阈值的估计位置信息。本文中,阈值可以指示可靠的估计位置信息的协方差的最大值。
此后,在步骤S220中,比例因子确定单元120可以从协方差的对角线分量小于或等于阈值的估计位置信息中选择估计行驶距离大于或等于阈值距离的两个估计位置信息。为了确定比例因子,由于基于根据两个估计位置信息的估计行驶距离来比较由车轮速度传感器检测到的交通工具V的行驶距离,所以起始位置坐标和结束位置坐标越远则越有利。
因此,比例因子确定单元120可以将阈值距离与其中协方差的对角线分量小于或等于阈值的估计位置信息之中的估计行驶距离进行比较,并且可以选择其中对角线分量大于或等于阈值距离的两个估计位置信息。本文中,阈值距离可以指示可用于确定可靠比例因子的估计行驶距离的最小值。
最后,在步骤S230中,比例因子确定单元120可以基于由交通工具V的车轮速度传感器检测到的交通工具V的行驶距离和根据所选择的两个估计位置信息的估计行驶距离来获取用于车轮速度传感器的比例因子。本文中,用于车轮速度传感器的比例因子λ可以由式5限定。
【式5】
本文中,D1可以指示由车轮速度传感器检测到的交通工具V的行驶距离,并且D2可以指示根据所选择的两个估计位置信息的估计行驶距离。
车轮速度传感器可以基于交通工具V的左车轮和右车轮的旋转速度来检测行驶距离。具体地,车轮速度传感器可以检测交通工具V的左车轮的行驶距离Sl和右车轮的行驶距离Sr的平均S作为交通工具V的行驶距离D1。
比例因子确定单元120可以通过将根据所选择的两个估计位置信息的估计行驶距离D2除以交通工具V的行驶距离D1来获取比例因子λ。所获取的比例因子λ可以稍后用于校正交通工具V的位置。下文中,将参照图7对通过使用比例因子校正交通工具V的位置的方法进行描述。
图7示出了说明根据本公开内容的实施方式的通过使用用于车轮速度传感器的比例因子来校正交通工具V的位置的方法的图。
参照图7,当在时间k位于原点O的宽度为b的交通工具V在弯道上行驶而在时间k+1位于A处时,可以基于车轮速度传感器的检测值来获取交通工具V在时间k+1的位置。特别地,通过使用用于车轮速度传感器的比例因子λ校正车轮速度传感器的检测值,可以更精确地获得交通工具V在时间k+1的位置。
如果交通工具V的左车轮的行驶距离Sl和右车轮的行驶距离Sr由车轮速度传感器提供,则可以根据式6来校正交通工具V在时间k+1的位置(x',y')。
【式6】
式6是通过将用于车轮速度传感器的比例因子λ应用于式3来得出的,并且矩阵[x(k);y(k);θ(k)]可以指示交通工具V在时间k的位置和行驶方向。Sr可以指示根据交通工具V的右车轮速度的行驶距离,并且Sl可以指示根据交通工具V的左车轮速度的行驶距离。
另一方面,比例因子确定单元120可以基于由估计位置获取单元110获取的多个不同的估计位置信息来确定用于车轮速度传感器的比例因子。为此,比例因子确定单元120可以首先通过使用由车轮速度传感器依次获取的不同的估计位置信息中的每一个来确定候选比例因子,并且然后以确定的顺序存储候选比例因子。
此后,比例因子确定单元120可以按存储时间与当前时间邻近的顺序来获取预定参考数目的候选比例因子的平均。本文中,参考数目可以指示用于确定比例因子的最佳候选比例因子的数目。
最后,比例因子确定单元120可以将所获取的候选比例因子的平均确定为用于车轮速度传感器的比例因子。每当获取了新的候选比例因子时,比例因子确定单元120可以重新确定和更新比例因子。由此,比例因子确定单元120可以实时确定反映外部环境变化例如安装在车轮上的轮胎压力的用于轮速传感器的比例因子。
再次参照图3,在步骤S300中,交通工具传感器校正信息确定装置可以基于根据交通工具V在精确地图上的估计位置信息的车道信息来确定用于交通工具V的横摆率传感器的偏差。具体地,交通工具传感器校正信息确定装置的偏差确定单元130可以根据图8确定用于横摆率传感器的偏差。
图8示出了说明根据本公开内容的实施方式的偏差确定方法的流程图,图9示出了说明根据本公开内容的实施方式的横摆率传感器值的直方图的图。
在步骤S310中,偏差确定单元130可以首先基于根据交通工具V在精确地图上的估计位置信息的车道信息获取地面的平面信息。为此,偏差确定单元130可以预先选择交通工具V的要用于确定偏差的估计位置信息。如上所述,由于协方差越小,估计位置信息的精确度越高,因此偏差确定单元130可以从由估计位置获取单元110获取的估计位置信息中选择协方差的对角线分量小于或等于阈值的估计位置信息。本文中,阈值可以指示可靠的估计位置信息的协方差的最大值。
此后,偏差确定单元130可以在精确地图上识别由估计位置获取单元110获取的交通工具V的估计位置信息,并且然后获取根据相应位置确定的感兴趣区域内的车道信息。本文中,感兴趣区域可以指示根据交通工具V的估计位置信息确定的周围区域。
偏差确定单元130可以基于所获取的车道信息来获取地面的平面信息。为此,偏差确定单元130可以获取所获取的车道信息的顶点分布的协方差,并且然后根据特征值分解方法获取与最小特征值对应的特征向量。在这种情况下,偏差确定单元130可以仅在最小特征值与后面特征值的比率大于参考特征值比率时才确定所选择的垂直方向是可靠的。
所获取的特征向量可以指示地面的法向量作为地面的平面信息。
此后,在步骤S320中,偏差确定单元130可以基于所获取的地面的平面信息来确定交通工具V是否存在于平地上。为此,偏差确定单元130可以将地面的平面信息中的法向量与参考向量进行比较。本文中,当地面是平地时,参考向量可以指示法向量,并且参考向量可以优选地确定为[0,0,1]。
如果平面信息中的法向量与参考向量之间的差超过阈值差,则偏差确定单元130可以确定交通工具V存在于斜坡上。另一方面,如果平面信息中的法向量与参考向量之间的差小于或等于阈值差,则偏差确定单元130可以确定交通工具V不存在斜坡上。本文中,临界差可以指示可以被视为地面的误差范围。
如果确定交通工具V不存在于平地上,则偏差确定单元130可以在不同的时间再次获取平面信息。
替选地,在步骤S330中,如果确定交通工具V存在于平地上,则偏差确定单元130可以在交通工具V停止时获取交通工具V的横摆率传感器值。最后,在步骤S340中,偏差确定单元130可以基于所获取的横摆率传感器值来确定用于横摆率传感器的偏差。
根据本公开内容的实施方式的偏差确定单元130可以将用于当前横摆率传感器的偏差替换为所获取的横摆率传感器值。替选地,根据本公开内容的另一实施方式的偏差确定单元130可以在交通工具V停止时在多个时间处获取交通工具V的多个横摆率传感器值,并且基于此来获取用于横摆率传感器的偏差。
具体地,偏差确定单元130可以生成所获取的多个横摆率传感器值的直方图。参照图9,通过累积所获取的横摆率传感器值,偏差确定单元130可以生成包括针对每个横摆率传感器值的累积数据的数目的直方图。
此后,偏差确定单元130可以基于所生成的直方图中的累积值来设置参考部分。本文中,参考部分可以指示用于确定实际偏差的横摆率传感器值的部分。为了设置参考部分,偏差确定单元130可以搜索其中累积最大量数据的横摆率传感器值。在图9的情况下,偏差确定单元130可以搜索DT,DT是累积最大量数据的横摆率传感器值。在搜索累积了最大量数据的横摆率传感器值之后,偏差确定单元130可以基于搜索到的横摆率传感器值将预定部分设置为搜索部分。在图9的情况下,偏差确定单元130可以设置围绕搜索到的横摆率传感器值的搜索部分Ds。
最后,偏差确定单元130可以将参考部分中的横摆率传感器值的平均确定为用于横摆率传感器的偏差。在这种情况下,可以根据参考部分中累积的数据的数目将偏差确定为横摆率传感器值的加权平均。
另外,由于横摆率传感器的偏差随时间变化,因此每当交通工具V停止在平地时,偏差确定单元130就可以在直方图中反映横摆率传感器值。另外,可以从直方图中删除在累积时间之后的阈值时间处的横摆率传感器值。由此,可以基于最新的数据来确定用于横摆率传感器的偏差。
另外,为了防止偏差在特定位置处被过度拟合,偏差确定单元130可以限制在特定位置处输出的要反映在直方图中的横摆率传感器值的数目。
在根据上述方法确定偏差时,可以校正从横摆率传感器输出的传感器值。由此,可以实时确定反映诸如操作时间和内部温度的干扰的用于横摆率传感器的偏差。
根据本公开内容的实施方式,可以精确地确定用于校正车轮速度传感器和横摆率传感器的校正信息,从而提高交通工具位置估计的精确度。特别地,可以与轮胎压力无关地确定用于车轮速度传感器的比例因子,并且可以与诸如操作时间和内部温度的干扰无关地确定横摆率传感器的偏差,从而精确地校正交通工具传感器的检测结果。
因此,如果通过摄像装置图像与精确地图的匹配来估计交通工具的位置的结果不精确,则可以通过包括车轮速度传感器和横摆率传感器的交通工具传感器来精确地估计交通工具的位置。由此,可以通过不仅提高ADAS的精确度,而且提高自主交通工具的控制的精确度,从而提高驾驶员的驾驶便利性和驾驶安全性。
另外,可以在无需另外的感测装置的情况下提高安装在常规交通工具上的传感器的检测性能,从而降低制造成本。
另一方面,根据实施方式的交通工具传感器校正信息确定方法的每个步骤可以以计算机程序的形式实现,该计算机程序被编程为执行包括在其中并且存储在计算机可读记录介质中的每个步骤。
以上描述仅仅是本公开内容的技术范围的示例性描述,并且本领域技术人员将理解,在不脱离本公开内容的原始特征的情况下,可以进行各种改变和修改。因此,本公开内容中公开的实施方式旨在说明而非限制本公开内容的技术范围,并且本公开内容的技术范围不受实施方式的限制。本公开内容的保护范围应当基于所附权利要求来解释,并且应当理解的是,包括在与其等同的范围内的所有技术范围都包括在本公开内容的保护范围内。
工业实用性
根据实施方式,上述用于获取交通工具传感器的校正信息的装置和方法可以用于各种领域,例如家庭或工业场所,并且因此具有工业实用性。
Claims (12)
1.一种交通工具传感器校正信息确定方法,包括:
基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取所述交通工具的估计位置信息;以及
基于估计行驶距离和由所述交通工具的车轮速度传感器检测到的所述交通工具的行驶距离来确定用于车轮速度传感器的比例因子,所述估计行驶距离是基于所获取的所述交通工具的估计位置信息来计算的,
其中,获取所述交通工具的估计位置信息包括:
通过在所述精确地图上的第一半径内的第一地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始姿态角;
通过基于所述摄像装置的初始姿态角在所述精确地图上的第二半径内的除了所述第一地标之外的第二地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始位置,其中,所述第二半径等于或大于所述第一半径;以及
基于所述摄像装置的初始位置和所述交通工具的驱动信息,获取所述交通工具的估计位置信息。
2.根据权利要求1所述的方法,其中,确定用于所述车轮速度传感器的比例因子包括:
从所获取的所述交通工具的估计位置信息中选择其中协方差的对角线分量小于或等于阈值并且所述估计行驶距离大于或等于阈值距离的两个估计位置信息;以及
基于由所述交通工具的车轮速度传感器检测到的所述交通工具的行驶距离和根据所选择的两个估计位置信息计算的所述估计行驶距离来获取用于所述车轮速度传感器的比例因子。
3.根据权利要求1所述的方法,其中,确定用于所述车轮速度传感器的比例因子包括:
存储基于多个不同估计位置信息获取的多个候选比例因子;
按存储时间与当前时间邻近的顺序、在所述多个候选比例因子之中获取预定参考数目的许多候选比例因子的平均;以及
将所获取的候选比例因子的平均确定为用于所述车轮速度传感器的比例因子。
4.一种交通工具传感器校正信息确定方法,包括:
基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取所述交通工具的估计位置信息;以及
基于根据所获取的所述交通工具在所述精确地图上的估计位置信息确定的车道信息来确定用于所述交通工具的横摆率传感器的偏差,
其中,获取所述交通工具的估计位置信息包括:
通过在所述精确地图上的第一半径内的第一地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始姿态角;
通过基于所述摄像装置的初始姿态角在所述精确地图上的第二半径内的除了所述第一地标之外的第二地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始位置,其中,所述第二半径等于或大于所述第一半径;以及
基于所述摄像装置的初始位置和所述交通工具的驱动信息,获取所述交通工具的估计位置信息。
5.根据权利要求4所述的方法,其中,确定用于所述交通工具的横摆率传感器的偏差包括:
基于所述车道信息确定所述交通工具是否存在于平地上;
如果所述交通工具存在于平地上,则当所述交通工具停止时获取所述交通工具的横摆率传感器值;以及
基于所获取的横摆率传感器值确定用于所述横摆率传感器的偏差。
6.根据权利要求5所述的方法,其中,确定所述交通工具是否存在于平地上包括:
基于所述车道信息获取地面的平面信息;以及
基于所获取的平面信息来确定所述交通工具是否存在于所述平地上。
7.根据权利要求6所述的方法,其中,基于所述平面信息确定所述交通工具是否存在于所述平地上是在所述平面信息之中的法向量与预定参考向量之间的差小于或等于阈值差的情况下确定所述交通工具存在于所述平地上。
8.根据权利要求5所述的方法,其中,获取所述交通工具的横摆率传感器值是在所获取的所述交通工具的估计位置信息的协方差的对角线分量小于或等于阈值的情况下获取所述交通工具的横摆率传感器值。
9.根据权利要求5所述的方法,其中,获取所述交通工具的横摆率传感器值是在所述交通工具停止时在多个时间处获取所述交通工具的多个横摆率传感器值。
10.根据权利要求9所述的方法,其中,基于所获取的横摆率传感器值确定用于所述横摆率传感器的偏差包括:
生成所获取的多个横摆率传感器值的直方图;
基于所生成的直方图中的累积值来确定参考部分;以及
将所述参考部分中的横摆率传感器值的平均确定为用于所述横摆率传感器的偏差。
11.根据权利要求1至10中任一项所述的方法,其中,获取所述交通工具的估计位置信息包括:
通过将所述精确地图上与基于GPS的交通工具的初始位置信息对应的地标匹配到所述摄像装置图像上来获取所述摄像装置的初始位置信息;
基于所述摄像装置图像与所述精确地图上与多个候选位置信息中的每一个对应的地标之间的匹配信息来获取所述摄像装置的估计位置信息,所述多个候选位置信息是基于所述摄像装置的初始位置信息和所述交通工具的驾驶信息而采样的;以及
基于所述摄像装置的估计位置信息获取所述交通工具的估计位置信息。
12.一种非暂态计算机可读存储介质,其存储包括计算机可执行指令的计算机程序,其中,所述指令在由处理器执行时使所述处理器执行交通工具传感器校正信息确定方法,所述方法包括:
基于由交通工具的摄像装置拍摄的摄像装置图像与精确地图上的地标之间的匹配信息来获取所述交通工具的估计位置信息;以及
基于估计行驶距离和由所述交通工具的车轮速度传感器检测到的所述交通工具的行驶距离来确定用于所述车轮速度传感器的比例因子,所述估计行驶距离是基于所获取的所述交通工具的估计位置信息来计算的,
其中,获取所述交通工具的估计位置信息包括:
通过在所述精确地图上的第一半径内的第一地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始姿态角;
通过基于所述摄像装置的初始姿态角在所述精确地图上的第二半径内的除了所述第一地标之外的第二地标与所述摄像装置图像之间进行匹配,获取所述摄像装置的初始位置,其中,所述第二半径等于或大于所述第一半径;
基于所述摄像装置的初始位置和所述交通工具的驱动信息,获取所述精确地图上的所述摄像装置的估计位置信息;以及
基于所述摄像装置的估计位置信息,获取所述精确地图上的所述交通工具的估计位置信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2019-0026434 | 2019-03-07 | ||
KR1020190026434A KR102634443B1 (ko) | 2019-03-07 | 2019-03-07 | 차량용 센서의 보정 정보 획득 장치 및 방법 |
PCT/KR2020/002976 WO2020180076A1 (ko) | 2019-03-07 | 2020-03-02 | 차량용 센서의 보정 정보 획득 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113544034A CN113544034A (zh) | 2021-10-22 |
CN113544034B true CN113544034B (zh) | 2024-07-05 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060315A (ko) * | 2009-11-30 | 2011-06-08 | 한국생산기술연구원 | 도로주행 로봇의 자기 위치 인식방법 |
JP2011252760A (ja) * | 2010-06-01 | 2011-12-15 | Honda Motor Co Ltd | ヨーレート検出装置 |
KR20180137904A (ko) * | 2017-06-20 | 2018-12-28 | 현대모비스 주식회사 | 차량 주행 정보의 보정 장치 및 방법 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060315A (ko) * | 2009-11-30 | 2011-06-08 | 한국생산기술연구원 | 도로주행 로봇의 자기 위치 인식방법 |
JP2011252760A (ja) * | 2010-06-01 | 2011-12-15 | Honda Motor Co Ltd | ヨーレート検出装置 |
KR20180137904A (ko) * | 2017-06-20 | 2018-12-28 | 현대모비스 주식회사 | 차량 주행 정보의 보정 장치 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210207977A1 (en) | Vehicle position estimation device, vehicle position estimation method, and computer-readable recording medium for storing computer program programmed to perform said method | |
CN105571606B (zh) | 能够改进车辆定位的方法和系统 | |
WO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
US11321950B2 (en) | Apparatus and method for detecting lane information, and computer-readable recording medium storing computer program programmed to execute same method | |
JP5168601B2 (ja) | 自車位置認識システム | |
CN108351216B (zh) | 估计装置、控制方法、程序以及存储介质 | |
US10267640B2 (en) | Vehicle position estimation device, vehicle position estimation method | |
US11300415B2 (en) | Host vehicle position estimation device | |
JP6881464B2 (ja) | 自己位置推定方法及び自己位置推定装置 | |
JP6721784B2 (ja) | 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体 | |
CN110795984A (zh) | 信息处理方法、信息处理装置及程序记录介质 | |
CN112805766B (zh) | 用于更新详细地图的装置和方法 | |
KR102331312B1 (ko) | 차량 내부 센서, 카메라, 및 gnss 단말기를 이용한 3차원 차량 항법 시스템 | |
JP7155284B2 (ja) | 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
US20220113139A1 (en) | Object recognition device, object recognition method and program | |
JP2017138660A (ja) | 物体検出方法、物体検出装置、およびプログラム | |
WO2018212292A1 (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
US20210396527A1 (en) | Apparatus and method for determining of correction information of vehicle sensor | |
KR20200120402A (ko) | 차량의 추정 위치 획득 장치 및 방법 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
US10916034B2 (en) | Host vehicle position estimation device | |
CN113544034B (zh) | 用于确定交通工具传感器的校正信息的装置和方法 | |
CN113375679A (zh) | 一种车道级定位方法、装置、系统和相关设备 | |
JP2021017073A (ja) | 位置推定装置 | |
US20240219570A1 (en) | LiDAR-BASED OBJECT DETECTION METHOD AND DEVICE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |