CN114144816A - 产生用于确定机动车的位置的非语义的参考数据 - Google Patents
产生用于确定机动车的位置的非语义的参考数据 Download PDFInfo
- Publication number
- CN114144816A CN114144816A CN202080053013.9A CN202080053013A CN114144816A CN 114144816 A CN114144816 A CN 114144816A CN 202080053013 A CN202080053013 A CN 202080053013A CN 114144816 A CN114144816 A CN 114144816A
- Authority
- CN
- China
- Prior art keywords
- determining
- cluster
- point
- points
- raw data
- 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
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
根据以计算机实施的用于产生用于确定机动车(6)的位置的非语义的参考数据的方法,提供一组原始数据点(7),该组原始数据点描绘了预设的环境区域(11)。为每个原始数据点(7)确定预设的描述符,其表征环境区域(11)的特性。以如下方式产生至少一个点簇(9a、9b、9c、9d、9e、9f),即将原始数据点(7)根据其描述符分组。根据原始数据点(7)的描述符,为第一点簇分配一个特征参数,其涉及用于确定机动车(6)的位置的信息增益。根据特征参数,第一点簇的特征信息作为用于确定位置的非语义的参考数据存储在存储单元(10)上。
Description
本发明涉及一种用于产生用于确定机动车的位置的非语义的参考数据的以计算机实施的方法,其中,提供一组原始数据点,该组原始数据点描绘了预设的环境区域。本发明还涉及一种用于确定机动车的位置的方法、用于确定机动车的位置的地图系统、具有地图系统的机动车、用于产生用于确定机动车的位置的非语义的参考数据的计算机系统、计算机程序和计算机可读的存储介质。
例如,对于导航或轨迹规划,高度自动化或自主的机动车需要精确了解其自身的位置。在用于确定位置的已知的方法中,例如机动车环境中的语义结构和图案、即所谓的地标由车辆传感器识别,并且与机动车的数字地图中的相应的条目进行比较。在此,这种语义结构始终被分配给预定义的类别,例如设有关于它是什么类型的对象、例如交通标志或房子边缘的信息。
然而,基于地标的定位具有以下缺点,即只有那些可以分配给或多或少通用的类别的环境特征用于定位。这限制了可用于定位的环境特征的数量,从而在没有此类地标可用的区域中,无法实施定位或只能以低的精度实施定位。
也可以借助全球导航卫星系统的卫星信号来确定机动车的位置。然而,通常安装在机动车中的卫星接收器的精度太低,从而无法实现高度自动化或自主的驾驶。相反,高精度的卫星接收器带来相当大的成本耗费。
文献EP 3 290 864 A1描述了一种用于确定车辆位置的驾驶员辅助系统。在此,根据GPS信号采集机动车的大致的位置数据。此外,机动车的环境的图像被记录,并且与存储的图像数据进行比较。通过组合由此获得的信息,即使在卫星接收较差的情况下,也可以确定机动车的位置。
基于该背景,本发明所要解决的技术问题在于,提供一种用于确定机动车的位置、尤其用于基于地图确定机动车的位置的改进的方案,其与语义的环境结构的可用性无关。
根据本发明,该技术问题通过独立权利要求的相应的技术方案来实现。有利的扩展方案和设计方式是从属权利要求的技术方案。
改进的方案基于以如下方式产生非语义的参考数据的构思,即描绘环境的原始数据点根据用于描述环境特性的预设的描述符进行类聚,并且根据信息增益存储相应的特征信息,相应的点簇(punktcluster)可以使该信息增益有助于位置确定。
根据改进的方案的一个独立方面,说明了一种用于产生用于确定机动车的位置的非语义的参考数据的以计算机实施的方法。在此,提供一组尤其是通过环境传感器产生的原始数据点,其描绘了预设的环境区域。借助计算单元,为每个原始数据点确定预设的描述符,其表征在相应的原始数据点的位置处或在对应于环境中的相应的原始数据点的位置处的环境区域的特性。借助计算单元产生至少一个点簇,其方法是,尤其借助计算单元,将原始数据点根据其相应的描述符分组到点簇中。借助计算单元,根据第一点簇的原始数据点的描述符,为至少一个点簇的第一点簇分配一个特征参数(Kennzahl或称为特征因数),其涉及用于确定机动车的位置的信息增益(Informationsgewinn或称为信息获取、信息获益)。根据特征参数,借助计算单元,将第一点簇的特征信息作为用于确定位置的非语义的参考数据存储在存储单元上。
环境区域尤其是环境传感器或数据采集系统或安装有环境传感器的数据采集车辆的环境区域。在机动车使用用于确定位置的参考数据之前,尤其产生原始数据点。因此,环境区域是机动车的可能的位置的环境区域。
环境传感器例如可以设计为雷达传感器或激光雷达传感器,也被称为激光扫描仪。为了描绘环境区域,环境传感器系统从扫描点产生点云,这些扫描点尤其作为三维坐标元组存在。描绘环境区域的原始数据点尤其是这样的点云或其一部分。
尤其以计算机可读的形式提供该组原始数据点,从而可以借助计算单元读取原始数据点。尤其地,原始数据点的产生不一定是根据改进的方案的用于产生非语义的参考数据的方法的一部分。
预先产生并且然后提供原始数据点的事实尤其具有以下优点,即在产生原始数据点时可以使用高精度的测量装置。
该组原始数据点的若干原始数据点可以例如作为预设的参考坐标系、例如全球坐标系或世界坐标系、例如诸如WGS84之类的大地坐标系中的相应的坐标元组存在。
描述符尤其是环境区域的可根据原始数据点测量的特性、例如几何特性。可以用作描述符的几何特性尤其包括扫描的表面或环境区域中的区域的曲率或平均曲率。原始数据点的统计特性或它们的分布或原始数据点的分布特性也可以用作描述符。环境的光学特性也可以通过原始数据点反映出来。尤其地,原始数据点除了空间坐标之外还可以包含强度信息,或者强度信息可以被分配给原始数据点并且被提供。在此,在激光雷达传感器的情况下,这例如是反射的激光束的强度。因为发射特性、尤其发射激光束的波长分布是已知的,所以可以根据强度来确定对应于原始数据点的环境中相应的点的光谱反射率或颜色。这些特性也可以用作描述符。
预设的描述符还可以包含几个适合作为描述符的值,或从这些值导出的一个或多个变量。
通过不与环境中的对象的含义级别相关联的描述符的使用,能够实现对环境进行非语义的描述。
为了将该组原始数据点的若干原始数据点分组到至少一个点簇中,尤其将该组原始数据点的每个原始数据点要么分配给至少一个点簇的恰好一个点簇,或相应的原始数据点被清理或丢弃,即没有进一步被考虑用于产生参考数据。
第一点簇的原始数据点尤其是该组原始数据点的由于分组而形成第一点簇的那些原始数据点。
根据描述符对原始数据点进行分组这一事实尤其可以理解为,各个原始数据点的单独的描述符被考虑用于分组,或者原始数据点的描述符例如通过描述符的分布的平均值形成或局部的平均值形成或其他的分析被统计评估,并且根据统计评估的结果执行分组。这两个方面也可以被组合或依次执行,以便产生至少一个点簇。
尤其地,原始数据点首先可以根据其单独的描述符被分组,例如被分组为描述符簇,并且然后可以例如基于其相应的原始数据点的描述符,给描述符簇分配簇描述符,其例如对应于相应的描述符簇的原始数据点的描述符的统计特征值、例如平均值、中值等。在第二步骤中,描述符簇可以根据另外的标准,尤其是根据其簇描述符被分组成点簇。
第一点簇的特征参数涉及用于确定机动车的位置的信息增益这一事实例如可以理解为,特征参数说明了使用第一点簇来确定机动车的位置对位置确定的精度产生什么样的影响。在此,特征值例如可以说明,第一点簇多清楚地被识别、在第一个点簇的紧邻的环境中存在多少个另外的簇、簇描述符或第一点簇的原始数据点的描述符与至少一个点簇的其他的点簇相比有多不同等。
换句话说,特征参数可以表达,环境区域的由第一点簇表示的特征有多明显。在此,特征的区别性越高,特征的唯一性(Einzigartigkeit)或奇异性越高,并且相应的特征附近的其他的特征的密度越小,那么特征例如可以被视为更明显的。这些特性可以通过预设的规则或规定进行量化,从而特征有多明显的说明也可以根据预设的规则进行量化并且因此可以被测量。
每个点簇尤其可以分配给环境区域中的相应的特征或者可以理解为相应的特征。
由点簇表示的特征是非语义的特性,因此不必给这些特征分配价值。
特征信息例如包含第一点簇的位置、例如第一点簇的原始数据点的中间的或表征的位置、第一点簇的原始数据点的空间范围或第一点簇的其他的几何特性或第一点簇的原始数据。特征信息还可以包含原始数据点的描述符和/或第一点簇的簇描述符。
特征信息根据特征参数的存储例如可以如下地进行,即特征信息和相关的特征参数一起被存储,或者特征信息包含特征参数本身。备选地或附加地,第一点簇的特征信息例如可以仅在特征参数高于预设的极限值时才被存储。备选地或附加地,如果特征参数小于预设的极限值,那么特征信息可以以标记的形式存储,以便表明相应的点群仅有限地适用于位置确定。
通过根据标号存储特征信息,确保参考数据的高的质量,并且尤其能够实现根据参考数据的位置确定的高的精度。
由于可以根据非语义的特征来描述环境区域,因此根据改进的方案的方法可以尽可能与环境区域的内容无关地,即与哪些对象或结构位于环境区域内无关地产生用于确定位置的参考数据。因此,改进的方案可以普遍且灵活地使用,并且尤其是与语义的地标的存在无关。
尤其地,由点簇表示的特征还可以涉及环境中的人类无法直观识别的特征。
根据改进的方案,原始数据点的描述符用作识别环境中的特征本身并且考虑特别有区别的特征来确定位置或将其存储为参考数据的手段。在此例如充分利用了,用于区别的特征、即尤其是可清楚识别的特征的原始数据点的描述符的分布、尤其是空间分布不同于非区别性的特征、例如具有非常复杂的表面的对象。特征信息形式的特征以没有内容意义的形式被示出并且进一步使用。
根据用于提供用于确定位置的参考数据的方法的至少一个实施方式,该方法包含借助环境传感器系统采集传感器测量数据以及基于传感器测量数据产生原始数据点。
根据至少一个实施方式,借助计算单元,根据相应的点簇的原始数据点的相应的描述符,为至少一个点簇的每个点簇分配相应的特征参数,该特征参数涉及用于通过相应的点簇确定机动车的位置的相应的信息增益。至少一个点簇的点簇的相应的特征信息根据点簇的相应的特征参数存储在存储单元上。
由此,环境区域中的大量特征以非语义的方式被识别,并且被提供为参考数据以用于确定位置。
根据至少一个实施方式,借助计算单元分析至少一个点簇的所有点簇的空间分布。根据空间分布的分析结果,为第一点簇确定定位特征值,并且必要时为至少一个点簇的所有其它的点簇确定定位特征值。借助计算单元根据第一点簇的定位特征值确定第一点簇的特征参数。必要时,这同样适用于其他的点簇的特征参数。
定位特征值尤其量化了至少一个点簇的点簇在第一点簇的位置处、即尤其是在第一点簇的附近的密度有多高。
第一点簇附近的点簇越多,则第一点簇越不适用于确定位置,或者信息增益越低,第一点簇可以使该信息增益有助于位置确定。
相应地,点簇在第一点簇的位置处的密度越小,那么定位特征值例如越大。
尤其地,针对第一点簇的定位特征值越大,那么第一点簇的特征参数越大。
通过对环境区域中的被更强烈定位的特征的优选,增加了可以借助参考数据确定位置的可靠性或精度。
根据至少一个实施方式,借助计算单元确定至少一个点簇的位于第一点簇所在的环境区域的预设的子区域中的点簇的数量。根据预设的子区域中的点簇的数量确定定位特征值。
例如,定位特征值可以附加地根据至少一个点簇的点簇的总数被确定,例如被确定为预设的子区域中的点簇的数量与总数的比。
例如,可以将环境区域完全划分为多个预设的子区域,包括第一点簇所在的子区域。
然后可以例如根据不同的子区域中的点簇的平均数量来确定定位特征值。例如,定位特征值可以确定为第一点簇所在的子区域的点簇数量与所有子区域的点簇的平均数量的比。
在这些实施方式中,尤其考虑到点簇的平均密度,以便确定定位特征值。
根据至少一个实施方式,位于第一点簇的预设的子区域中的点簇的数量越多,那么定位特征值越小。
根据至少一个实施方式,借助计算单元,根据第一点簇的原始数据点的描述符并且根据至少一个点簇的第二点簇的原始数据点的描述符确定第一点簇的奇异性特征值。根据第一点簇的奇异性特征值,并且尤其根据定位特征值确定特征参数。
点簇或相应于点簇的特征的奇异性或唯一性可以理解为,相应的点簇的原始数据点的描述符或相应的点簇的簇描述符与至少一个点簇的其他的点簇相比的偏差的特征值。尤其地,至少一个点簇的所有点簇的描述符或簇描述符可以用于确定第一点簇的奇异性编码。
通过对独特的或奇异的特征或点簇的优选,那些与环境区域中的其他的特征尽可能少地相同的用于确定位置的特征尤其是优选的。相应地,可以进一步提高参考数据的质量、即尤其是可以通过参考数据实现的位置确定的精度。
根据至少一个实施方式,第一点簇的原始数据点的描述符与第二点簇的描述符的差异越大,或者第一点簇的簇描述符与第二点簇的簇描述符的差异越大,那么第一点簇的奇异性特征值越大。
根据至少一个实施方式,奇异性特征值和定位特征值借助计算单元被加权,并且根据加权的奇异性特征值和加权的定位特征值确定特征参数。
由此能够实现,根据应用情况或根据所使用的描述符的类型,赋予奇异性特征值或定位特征值更大的价值。
根据至少一个实施方式,借助计算单元产生至少一个描述符簇,其方式是,原始数据点根据其相应的描述符并且独立于其相应的空间位置地被分组。至少一个点簇通过原始数据点的空间分组而产生,其中,至少一个描述符簇的每个描述符簇与至少一个点簇的其中一个点簇相同或被分开,以便形成至少一个点簇的点簇中的至少两个。
为了产生至少一个描述符簇,将其描述符具有类似的值的那些原始数据点分组。因为为此不考虑原始数据点的空间位置,所以描述符簇也可以根据预设的标准在空间上是不连续的。
因此,描述符簇尤其可以理解为该组原始数据点的根据预设的定义具有类似的描述符,并且尤其根据已知的用于簇分析的方法形成的原始数据点的子集。
相应地,描述符簇可以表示环境区域中的一个或多个特征。通过使用描述符并且忽略空间位置,两个在空间上彼此分离的但在其他方面相同或相似的对象例如可以导致相同的描述符簇的原始数据点。例如,可以将环境区域中的在空间上彼此分离布置的两个墙分配给相同的描述符簇。
根据至少一个实施方式,借助计算单元,针对每个描述符簇,根据描述符簇的原始数据点的描述符,例如通过对原始数据点的描述符的统计评估来确定簇描述符。例如,簇描述符可以相应于描述符簇的原始数据点的描述符的平均值或另一统计参量。
由此,可以共同进一步处理描述符簇的原始数据点,由此降低内存和/或计算需求。
根据至少一个实施方式,该组原始数据点的不能根据预设的规则分配给描述符簇中的一个的所有原始数据点被丢弃,并且不再被考虑用于产生参考数据。
根据至少一个实施方式,借助计算单元,根据第一点簇的原始数据点的描述符来确定第一点簇的区别性特征值。根据区别性特征值,并且尤其根据定位特征值,并且例如根据第一点簇的奇异性特征值确定特征参数。
根据所使用的描述符的类型或原始数据点,可以分别不同地确定区别性特征值。
尤其地,为了确定区别性特征值,可以确定第一点簇的原始数据点的描述符的值的分布,并且将其与预设的标准比较。
例如,可以根据分布确定,第一点簇的描述符是单峰分布还是多峰分布,分布具有多少个局部最大值,局部最大值的最大值有多大,分布或分布的各个子分布有多宽等。例如,分布中的跳跃也可以被考虑用于确定区别性特征值。
根据至少一个实施方式,借助计算单元产生第一点簇的原始数据点的描述符的直方图,并且对直方图进行分析,以便确定区别性特征值。
区别性特征值尤其描述了,可以多好地描述第一点簇,第一点簇描述的特征例如在环境中可以多清楚地被识别。
通过优选具有更高的区别性特征值的特征,可以实现位置确定的更高的可靠性。
根据至少一个实施方式,为至少一个描述符簇的每个描述符簇确定相应的区别性特征值。然后,第一点簇的区别性特征值相应于从其产生第一点簇的描述符簇的区别性特征值。
因此,第一点簇在一定程度上继承了相关的描述符簇的独特特征值。
根据至少一个实施方式,借助计算单元确定第一点簇的原始数据点的描述符的分布,并且根据分布确定区别性特征值。
根据至少一个实施方式,第一点簇的特征信息借助计算单元根据区别性特征值存储在存储单元上。
尤其地,如果区别性特征值大于预设的另外的极限值,那么特征信息例如只能存储在存储单元上。
根据至少一个实施方式,借助计算单元对区别性特征值、奇异性特征值和定位特征值进行加权,并且根据加权的区别性特征值、加权的奇异特征值和加权的定位特征值确定特征参数。
根据改进的方案的另一独立的方面,说明了一种用于确定机动车的位置的方法。在此,通过机动车的环境传感器产生机动车的环境的图像数据。借助机动车的另外的计算单元,将图像数据与用于确定位置的预设的参考数据进行比较,所述参考数据尤其存储在机动车的数字地图或地图系统上。借助另外的计算单元,根据比较结果确定机动车的位置。在此,借助根据改进的方案的用来确定用于确定位置的参考数据的方法产生用于确定位置的参考数据。
根据改进的方案的另一独立的方面,地图系统、尤其是数字地图系统、尤其是数字地图或高清地图被说明用于确定机动车的位置。地图系统具有另外的存储单元,其中,用于确定位置的参考数据存储在另外的存储单元上,通过根据改进方案的用来确定用于确定机动车的位置的参考数据的方法产生所述参考数据。
按照根据改进的方案的方法在其上存储特征信息的存储单元尤其是地图系统的另外的存储单元。
根据改进的方案的另一独立的方面,说明一种机动车,其具有用于根据改进的方案确定位置的地图系统。
根据改进方案的另一独立的方面,说明了一种用于产生用于确定机动车的位置的参考数据的计算机系统。计算机系统具有计算单元和存储单元。计算单元设计用于,得到一组原始数据点,该组原始数据点描绘了预设的环境区域。计算单元设计用于,为每个原始数据点确定描述符,该描述符表征相应的原始数据点的位置处的环境区域的特性。计算单元设计用于产生至少一个点簇,其方式是,将原始数据点根据其描述符分组。计算单元设计用于,根据第一点簇的原始数据点的描述符,将涉及用于确定机动车的位置的信息增益的特征参数分配给至少一个点簇的第一点簇。计算单元设计用于,根据特征参数,将第一点簇的特征信息作为用于确定位置的参考数据存储在存储单元上。
计算单元设计用于得到该组原始数据点的事实尤其可以理解为,可以借助计算单元读取原始数据点。
根据改进的方案的计算机系统的其他的实施方式直接从根据改进的方案的用于产生用于确定位置的非语义的参考数据的方法的不同的实施方式产生,反之亦然。尤其地,根据改进的方案的计算机系统被设计或编程用于执行根据改进的方案的用于产生非语义的参考数据的方法,或者计算机系统执行这样的方法。
根据改进的方案的另一独立的方面,说明了一种带有指令的计算机程序。当计算机程序由计算机系统、尤其是根据改进的方案的计算机系统,尤其是由计算机系统的计算单元执行时,指令促使计算机系统执行根据改进的方案的用于确定非语义的参考数据的方法。
根据改进的方案的另一独立的方面,说明一种计算机可读的存储介质,根据改进的方案的计算机程序存储在该计算机可读的存储介质上。
本发明还包括所述的实施方式的特征的组合。
下面描述本发明的实施例。
在附图中:
图1示出了根据改进的方案的计算机系统的示例性的实施方式;
图2示出了根据改进的方案的用于确定非语义的参考数据的方法的示例性的实施方式的流程图;并且
图3示出了根据改进的方案的具有地图系统的示例性的实施方式的机动车。
下面阐述的实施例是本发明的优选的实施方式。在实施例中,实施方式的所描述的部件分别表示本发明的各个彼此被视为独立的特征,它们也分别独立地扩展本发明,并且因此也单独地或以与所示的组合不同地被视为本发明的组成部分。此外,所描述的实施方式还可以通过本发明的已经描述的其他特征来补充。
在附图中,功能相同的元件分别配备有相同的附图标记。
在图1中,示意性示出了根据改进的方案的计算机系统16。计算机系统16具有计算单元8和存储单元10。一组原始数据点例如存储在存储单元10上,该组原始数据点描绘了预设的环境区域、即机动车6的潜在的环境区域。
计算机系统16的功能在下面借助根据改进的方案的用于产生参考数据的方法的示例性的实施方式来详细阐述,如例如在图2中所示的那样。
图2示出了用于产生用于确定机动车6的位置的非语义的参考数据的方法的示例性的实施方式的流程图。
在该方法的步骤1中,提供该组原始数据点7,其方式是,该组原始数据点以计算机可读的形式,即尤其借助计算单元8可读取地存储在存储单元10上。该组原始数据点7例如对应于或者说相当于通过激光雷达系统预先产生的点云。
借助计算单元8将预设的描述符分配给每个原始数据点7,或者借助计算单元8为每个原始数据点7计算相应的描述符,其中,该描述符尤其表征在通过相应的原始数据点表示的位置处的环境区域的几何特性、例如在相应的原始数据点的位置处的环境或环境中的物体的曲率或平均曲率。附加地或备选地,深度信息也可以用作描述符。
在该方法的步骤2中,通过将原始数据点7与相似的描述符组合,将原始数据点分组为描述符簇12a、12b、12c。也就是说,相同类型的描述符通过类聚方法被分组为描述符簇12a、12b、12c。
在该步骤中,例如可以将环境区域11中的涉及类似的对象的那些特征组合在一个共同的描述符簇12a、12b、12c中,例如,可以将所有与墙类似的描述组合在一个描述符簇12a、12b,12c中。
在步骤2中,那些根据预设的标准不能分配给描述符簇12a、12b、12d中的一个的原始数据7也可以被清理,并且然后不再使用。
在步骤2中,尤其基于相应的描述符簇12a、12b、12c的相应的原始数据点7的描述符,尤其可以为每个描述符簇12a、12b、12c确定区别性特征值(或称为独特性特征值)。在此,区别性特征值量化相应的描述符簇12a、12b、12c的描述符的可书写性和可再识别性。
例如,在步骤2中,其区别性特征值低于预设的极限值的描述符簇12a、12b、12c都可以被清理,并且不再进一步被考虑。
为了示例性的阐述,图2示意性示出了两个描述符簇12a、12b、12c的分布17a、17b。例如,分布17a可以将曲率值的分布表示为广告柱的描述符,而分布17b可以表示树的相应的分布。虽然分布17a指出高的独特性,因为它具有三个不同的最大值,但分布17b可能不适用于位置确定,因为它指出描述符的相对均匀的分布,并且因此表示低的区别性特征值。
在该方法的步骤3中,描述符簇12a、12b、12c在空间上彼此分离,从而借助计算单元8产生相应的点簇9a、9b、9c、9d、9e、9f。例如,定位在环境的不同的点处的两个房屋墙可以落入相同的描述符簇12a、12b、12c中,但落入不同的点簇9a、9b、9c、9d、9e、9f中。
点簇9a、9b、9c、9d、9e、9f尤其接管相应的描述符簇12a、12b、12c的区别性特征值,从描述符簇分别产生点簇。
在步骤3中,还可以借助计算单元8,为每个点簇9a、9b、9c、9d、9e、9f确定唯一性特征值或奇异性特征值。点簇9a、9b、9c、9d、9e、9f的唯一性或奇异性尤其量化相应的点簇9a、9b、9c、9d、9e、9f与其他的点簇9a、9b、9c、9d、9e、9f的差异。
尤其可以如下地确定奇异性特征值,即借助计算单元8,根据预设的数学规则描述各个点簇9a、9b、9c、9d、9e、9f的描述符之间的差异。
例如,如果在环境区域11中存在许多房屋墙,那么各个相关的点簇9a、9b、9c、9d、9e、9f的奇异性特征值小于在那里只有一个房屋墙的情况。
在步骤3中,除了点簇9a、9b、9c、9d、9e、9f之外,还可以分配定位特征值。为此,尤其可以对点簇9a、9b的空间分布18进行分析。尤其地,可以借助计算单元8将环境区域11划分为预设的数量的子区域,并且可以确定位于子区域内的点簇的数量。子区域中的点簇越多,那么该子区域中的点簇9a、9b、9c、9d、9e、9f的定位特征值越小。
在该方法的步骤4中,借助计算单元8,根据定位特征值、奇异性特征值和区别性特征值,针对每个点簇9a、9b、9c、9d、9e、9f确定相关的特征参数,其涉及用于确定机动车的位置的信息增益。尤其地,相应的点簇的定位特征值、奇异性特征值和/或相应的点簇9a、9b、9c、9d、9e、9f的区别性特征值越高,那么特征参数越高。
定位特征值、奇异性特征值和区别性特征值一起描述了,环境区域11中的由相应的点簇9a、9b、9c、9d、9e、9f描述的特征有多明显。该特征越明显,那么信息增益越高,用于确定机动车的位置的相应的点簇9a、9b、9c、9d、9e、9f在一定程度上越有价值。
在该方法的步骤5中,针对每个点簇9a、9b、9c、9d、9e、9f的特征信息、尤其是点簇9a、9b、9c、9d、9e、9f的相应的空间位置、范围或其他的几何信息,以及例如点簇9a、9b、9c、9d、9e、9f的相应的特征参数或相应的特征值存储在存储单元10上,如果与相应的点簇9a、9b、9c、9d、9e、9f的信息增益相关的特征参数大于相关的预设的极限值。
由此尤其地,只有那些足够明显的特征或点簇9a、9b、9c、9d、9e、9f作为用于确定位置的非语义的参考数据存储在存储单元上,这通过极限值定义。
图3示出了机动车6,其具有另外的处理单元14和环境传感器系统13、例如照相机、激光雷达系统或雷达系统。
机动车6此外具有数字地图15、尤其是另外的存储单元,在该另外的存储单元上存储有数字地图15。数字地图15包含用于确定位置的参考数据,这些参考数据按照根据改进的方案的方法产生。
通过机动车6的环境传感器13可以产生机动车6的环境的图像数据。图像数据可以借助计算单元14与数字地图15上的参考数据比较。
根据图像数据中的比较可以识别由参考数据表示的特征,从而可以确定机动车6的位置。
如所描述的那样,通过改进的方案说明了提供和使用用于确定机动车的位置的非语义的参考数据的可能性。
由于改进的方案,高精度的原始数据点可以用于为数字地图产生明显的参考数据,以便能够实现机动车的精确的定位。
在不同的实施方式中,与直接存储原始数据点相比,通过原始数据点的类似的描述符的组合,明显减少数字地图的存储空间。
因此,改进的方案可以建立高度准确的全局参考地图,非语义的特征与其描述一起存储在全局参考地图中。
附图标记列表
1方法步骤
2方法步骤
3方法步骤
4方法步骤
5方法步骤
6机动车
7原始数据点
8计算单位
9a、9b、9c、9d、9e、9f点簇
10存储单元
11环境区域
12a、12b、12c描述符簇
13环境传感器
14计算单元
15数字地图
16计算机系统
17a分布
17b分布
18空间分布
Claims (16)
1.一种计算机实施的用于产生用于确定机动车(6)的位置的非语义的参考数据的方法,其中,提供一组原始数据点(7),所述组原始数据点描绘了预设的环境区域(11);
其特征在于,
-借助计算单元(8),为每个原始数据点(7)确定预设的描述符,描述符表征在相应的原始数据点(7)的位置处的环境区域(11)的特性;
-借助计算单元(8),以如下方式产生至少一个点簇(9a、9b、9c、9d、9e、9f),即方式为将原始数据点(7)根据其描述符分组;
-借助计算单元(8),根据第一点簇的原始数据点(7)的描述符,为至少一个点簇(9a、9b、9c、9d、9e、9f)的第一点簇分配特征参数,所述特征参数涉及用于确定机动车(6)的位置的信息增益;并且
-根据所述特征参数,所述第一点簇的特征信息作为用于确定位置的非语义的参考数据被存储在存储单元(10)上。
2.根据权利要求1所述的方法,其特征在于,借助所述计算单元(8),
-分析至少一个点簇(9a、9b、9c、9d、9e、9f)的所有点簇(9a、9b、9c、9d、9e、9f)的空间分布;
-根据空间分布的分析结果,为第一点簇确定定位特征值;并且
-根据定位特征值确定所述特征参数。
3.根据权利要求2所述的方法,其特征在于,借助所述计算单元(8),
-确定位于第一点簇所在的环境区域(11)的预设的子区域中的点簇的数量;并且
-根据所述数量确定定位特征值。
4.根据权利要求1至3中任一项所述的方法,其特征在于,借助所述计算单元(8),
-根据第一点簇的原始数据点(7)的描述符并且根据至少一个点簇的第二点簇的原始数据点(7)的描述符确定第一点簇的奇异性特征值;并且
-根据所述奇异性特征值确定所述特征参数。
5.根据权利要求1至4中任一项所述的方法,其特征在于,借助所述计算单元(8),
-产生至少一个描述符簇(12a、12b、12c),其方式是,所述原始数据点(7)根据其描述符并且独立于其相应的空间位置地被分组;并且
-至少一个点簇(9a、9b、9c、9d、9e、9f)通过原始数据点(7)的空间分组而产生,其中,每个描述符簇(12a、12b、12c)与其中一个点簇相同或被分开,以便形成点簇中的至少两个。
6.根据权利要求1至5中任一项所述的方法,其特征在于,借助所述计算单元(8),
-根据所述第一点簇的原始数据点(7)的描述符来确定第一点簇的区别性特征值;并且
-根据所述区别性特征值确定特征参数。
7.根据权利要求6所述的方法,其特征在于,借助所述计算单元(8),
-确定所述第一点簇的原始数据点(7)的描述符的分布;并且
-根据所述分布确定区别性特征值。
8.根据权利要求6或7所述的方法,其特征在于,借助所述计算单元(8),根据区别性特征值,将所述第一点簇的特征信息存储在存储单元(10)上。
9.根据权利要求6至8中任一项所述的方法,其特征在于,仅当所述区别性特征值大于或等于预设的极限值时,第一点簇的特征信息才借助计算单元(8)存储在存储单元(10)上。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述特征参数说明了,使用第一点簇来确定机动车(6)的位置对于位置确定的精度产生什么样的影响。
11.一种用于确定机动车(6)的位置的方法,其中,
-通过机动车(6)的环境传感器(13)产生机动车(6)的环境的图像数据;
-借助机动车(6)的另外的计算单元(14),将所述图像数据与用于确定位置的预设的参考数据进行比较;并且
-借助另外的计算单元(14),根据比较结果确定机动车(6)的位置;
其特征在于,借助根据权利要求1至10中任一项所述的方法产生用于确定位置的参考数据。
12.一种用于确定机动车(6)的位置的地图系统,所述地图系统具有另外的存储单元(15),其特征在于,在所述另外的存储单元(15)上存储有用于确定位置的参考数据,所述参考数据借助权利要求1至10中任一项所述的方法产生。
13.一种机动车,具有根据权利要求12所述的用于确定位置的地图系统(15)。
14.一种计算机系统,用于产生用于确定机动车(6)的位置的非语义的参考数据,所述计算机系统(16)具有计算单元(8)和存储单元(10),其中,所述计算单元(8)设计用于,得到一组原始数据点,所述组原始数据点描绘了预设的环境区域(11);
其特征在于,所述计算单元(8)设计用于,
-为每个原始数据点(7)确定描述符,所述描述符表征相应的原始数据点的位置处的环境区域(11)的特性;
-产生至少一个点簇(9a、9b、9c、9d、9e、9f),其方式是,将所述原始数据点(7)根据其描述符分组;
-根据第一点簇的原始数据点(7)的描述符,将涉及用于确定机动车(6)的位置的信息增益的特征参数分配给至少一个点簇(9a、9b、9c、9d、9e、9f)的第一点簇;并且
-根据所述特征参数,将第一点簇的特征信息作为用于确定位置的参考数据存储在存储单元(10)上。
15.一种计算机程序,具有指令,所述指令在通过计算机系统执行计算机程序时促使所述计算机系统执行根据权利要求1至10中任一项所述的方法。
16.一种计算机可读的存储介质,其上存储有按照权利要求15所述的计算机程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019119852.6A DE102019119852A1 (de) | 2019-07-23 | 2019-07-23 | Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs |
DE102019119852.6 | 2019-07-23 | ||
PCT/EP2020/068242 WO2021013475A1 (de) | 2019-07-23 | 2020-06-29 | Erzeugen nicht-semantischer referenzdaten zur positionsbestimmung eines kraftfahrzeugs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114144816A true CN114144816A (zh) | 2022-03-04 |
Family
ID=71409410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080053013.9A Pending CN114144816A (zh) | 2019-07-23 | 2020-06-29 | 产生用于确定机动车的位置的非语义的参考数据 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220262034A1 (zh) |
EP (1) | EP4004581A1 (zh) |
CN (1) | CN114144816A (zh) |
DE (1) | DE102019119852A1 (zh) |
WO (1) | WO2021013475A1 (zh) |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7433509B1 (en) * | 2001-10-09 | 2008-10-07 | Nanometrics Incorporated | Method for automatic de-skewing of multiple layer wafer for improved pattern recognition |
JP4685501B2 (ja) * | 2004-07-07 | 2011-05-18 | 株式会社エヌ・ティ・ティ・ドコモ | チャネル割り当て方法 |
US8791996B2 (en) * | 2010-03-31 | 2014-07-29 | Aisin Aw Co., Ltd. | Image processing system and position measurement system |
US20130173225A1 (en) * | 2011-04-29 | 2013-07-04 | Thomson Licensing | Method for sampling mesh models and apparatus for sampling mesh models |
US20170242443A1 (en) * | 2015-11-02 | 2017-08-24 | Peloton Technology, Inc. | Gap measurement for vehicle convoying |
US9488492B2 (en) * | 2014-03-18 | 2016-11-08 | Sri International | Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics |
US9311899B2 (en) * | 2012-10-12 | 2016-04-12 | International Business Machines Corporation | Detecting and describing visible features on a visualization |
US10198707B1 (en) * | 2013-02-07 | 2019-02-05 | United Parcel Service Of America, Inc. | Systems and methods for synchronized delivery |
US9117144B2 (en) * | 2013-08-14 | 2015-08-25 | Qualcomm Incorporated | Performing vocabulary-based visual search using multi-resolution feature descriptors |
US10586163B1 (en) * | 2014-06-06 | 2020-03-10 | Mmsr, Llc | Geographic locale mapping system for outcome prediction |
US9664779B2 (en) * | 2014-07-03 | 2017-05-30 | GM Global Technology Operations LLC | Object classification for vehicle radar systems |
EP3290864A1 (en) * | 2016-08-30 | 2018-03-07 | Continental Automotive GmbH | Driver assistance system for determining a position of a vehicle |
US10935978B2 (en) * | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US11138037B2 (en) * | 2017-11-02 | 2021-10-05 | Mediatek Inc. | Switch policy for hybrid scheduling in multi-processor systems |
US10846511B2 (en) * | 2018-12-20 | 2020-11-24 | Here Global B.V. | Automatic detection and positioning of pole-like objects in 3D |
CN111771206B (zh) * | 2019-01-30 | 2024-05-14 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的地图分区系统 |
JP7248208B2 (ja) * | 2019-01-30 | 2023-03-29 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッド | 自動運転車のためのポイントクラウド登録システム |
US11816997B2 (en) * | 2021-04-29 | 2023-11-14 | Ge Aviation Systems Llc | Demand driven crowdsourcing for UAV sensor |
-
2019
- 2019-07-23 DE DE102019119852.6A patent/DE102019119852A1/de active Pending
-
2020
- 2020-06-29 CN CN202080053013.9A patent/CN114144816A/zh active Pending
- 2020-06-29 US US17/628,970 patent/US20220262034A1/en active Pending
- 2020-06-29 EP EP20735552.0A patent/EP4004581A1/de active Pending
- 2020-06-29 WO PCT/EP2020/068242 patent/WO2021013475A1/de unknown
Also Published As
Publication number | Publication date |
---|---|
DE102019119852A1 (de) | 2021-01-28 |
WO2021013475A1 (de) | 2021-01-28 |
US20220262034A1 (en) | 2022-08-18 |
EP4004581A1 (de) | 2022-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107817496B (zh) | 适用于自动车辆的对象检测系统 | |
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN109100741B (zh) | 一种基于3d激光雷达及图像数据的目标检测方法 | |
US20190206122A1 (en) | Method and apparatus for generating raster map | |
CN113412505B (zh) | 用于对通过探测和测距传感器获得的点云进行有序表示和特征提取的处理单元和方法 | |
CN112526513A (zh) | 基于聚类算法的毫米波雷达环境地图构建方法及装置 | |
CN101702200B (zh) | 一种机载激光雷达点云数据的自动分类方法 | |
KR102195164B1 (ko) | 다중 라이다를 이용한 다중 물체 인식 시스템 및 방법 | |
US11493624B2 (en) | Method and system for mapping and locating a vehicle based on radar measurements | |
CN114981840A (zh) | 基于点云数据的地面分割方法、装置和计算机设备 | |
CN110930453B (zh) | 目标物体定位方法、装置及可读存储介质 | |
CN112166457A (zh) | 点云分割方法、系统和可移动平台 | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN113008296B (zh) | 用于通过在点云平面上融合传感器数据来检测汽车环境的方法和汽车控制单元 | |
US11629963B2 (en) | Efficient map matching method for autonomous driving and apparatus thereof | |
JPWO2019040997A5 (zh) | ||
US20210033706A1 (en) | Methods and systems for automatically labeling point cloud data | |
CN111736167B (zh) | 一种获取激光点云密度的方法和装置 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
Hebel et al. | Change detection in urban areas by direct comparison of multi-view and multi-temporal ALS data | |
CN112154355B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN114144816A (zh) | 产生用于确定机动车的位置的非语义的参考数据 | |
CN113591890A (zh) | 一种聚类的方法和装置 | |
US20240127585A1 (en) | Method for determining the encoder architecture of a neural network | |
CN112906519B (zh) | 一种车辆类型识别方法及装置 |
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 |