CN114174137A - Adas或ad特征的源横向偏移 - Google Patents
Adas或ad特征的源横向偏移 Download PDFInfo
- Publication number
- CN114174137A CN114174137A CN201980098131.9A CN201980098131A CN114174137A CN 114174137 A CN114174137 A CN 114174137A CN 201980098131 A CN201980098131 A CN 201980098131A CN 114174137 A CN114174137 A CN 114174137A
- Authority
- CN
- China
- Prior art keywords
- lateral distance
- vehicle
- road
- predefined
- roadway
- 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
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 151
- 238000012795 verification Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 abstract description 33
- 238000005259 measurement Methods 0.000 abstract description 22
- 230000015654 memory Effects 0.000 description 43
- 238000004891 communication Methods 0.000 description 31
- 230000008447 perception Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000001413 cellular effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 5
- 230000010267 cellular communication Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000000116 mitigating effect Effects 0.000 description 4
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/20—Data confidence level
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/55—External transmission of data to or from the vehicle using telemetry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开涉及用于提供车辆的周围环境的一部分的道路模型的方法和控制装置。更具体地,本公开涉及利用以道路参照物(例如,车道标记)关于道路边界的横向偏移的形式存储的参考数据来验证横向偏移的本地测量值或基于存储的参考数据来控制驾驶员辅助或自动驾驶特征。本公开还涉及一种用于为道路模型估计提供验证数据的方法。
Description
技术领域
本公开涉及自动驾驶(AD)和高级驾驶员辅助系统(ADAS)领域。更具体地,本公开涉及用于确定跟踪道路参照物的横向偏移(相对于道路边界)的方法和控制装置,并且由此为定位在道路上的车辆确定道路边界表示。
背景技术
在过去这几年期间,自动驾驶车辆的发展突飞猛进,并且正在探索许多不同的解决方案。今天,自动驾驶(AD)和高级驾驶员辅助系统(ADAS)(即,半自动驾驶)两者在这些领域内的许多不同技术领域内都在不断发展。这样的一个领域是如何准确和一致地定位车辆,因为当车辆在交通中移动时,这是重要的安全方面。
道路偏离是AD和ADAS系统两者中的关键问题,并且降低道路偏离风险的适当解决方案至关重要,此外,道路边缘干预是EuroNCAP车道支持系统(LSS)评级的一部分。通常,车道支持系统分为车道偏离警告和车道保持辅助两个子类别,其旨在当驾驶员无意中离开车道或当驾驶员在没有指示的情况下改变车道时向驾驶员提供帮助和警告。
但是,对于所有车道支持系统或任何其他转向系统,精确和可靠地检测道路几何形状是关键功能。传统解决方案基于以下想法:跟踪道路参照物(例如,车道标记)并且添加偏移量,以便估计道路边缘相对于车辆的位置。更具体地,当前已知的解决方案包括用于首先决定使用什么参照物(左侧车道标记、右侧车道标记、其他地标、其他车辆等)的逻辑,并且如果在干预期间丢失了对所选参照物的跟踪,则干预将中止,或者必须执行到另一参照物的交换(这将需要更多的逻辑)。中止干预或强制LSS切换到不同的参照物不仅存在安全风险,而且用户体验也会受到影响。
鉴于即将对车道支持系统提出更严格的要求以及汽车行业中用于提供可靠的、鲁棒的和具有成本效益的解决方案的总体目标,需要新的和改进的解决方案,其减轻与目前已知的道路边界跟踪系统相关的问题。
发明内容
因此,本公开的目的是提供一种用于提供车辆周围环境的一部分的道路模型的方法、一种用于提供用于道路模型估计的验证数据的方法、一种相对应的计算机可读存储介质、一种控制装置以及一种车辆,它们减轻了目前已知系统的全部或至少一些缺点。
更详细地,本公开的一个目的是提供一种用于跟踪道路边缘的鲁棒且可靠的解决方案,其适合在自动和半自动车辆的车道支持系统中实现。
这些和其他目的借助于以下方式实现:一种用于提供车辆的周围环境的一部分的道路模型的方法、一种用于提供用于道路模型估计的验证数据的方法、一种相对应的计算机可读存储介质、一种控制装置以及一种车辆、以及在所附权利要求中定义的车辆。术语“示例性”在本上下文中被理解为用作实例、示例或图示。
根据本公开的第一方面,提供了一种用于提供车辆的周围环境的一部分的道路模型的方法。道路模型可以被理解为表示车辆的周围环境中的可行驶路径,其中,道路模型包括车道跟踪和道路边界跟踪特征。该方法包括:从车辆的定位系统获得车辆的地理位置;以及获得包括关于位于车辆的周围环境中的道路参照物和道路边界的空间信息的传感器数据。此外,该方法包括:确定或获得在道路参照物与道路边界之间的第一横向距离;以及基于车辆的地理位置,获得在所确定的第一横向距离与相对应的第二横向距离之间的比较,相对应的第二横向距离在道路参照物与道路边界之间。第二横向距离是存储的参考距离,其可以本地存储在车辆中或远程存储在车辆经由外部广域网可访问的远程数据资源库中。该方法进一步包括:基于在所确定的第一横向距离与相对应的第二横向距离之间的比较来控制驾驶员辅助或自动驾驶特征。
所介绍的讨论的方法提供了一种有效的装置,以用于通过将传感器数据与参考数据进行实时比较来验证车载系统的道路边界表示,以便降低由于不准确的道路边界跟踪而导致的意外道路偏离或车辆安全系统的错误干预的风险。不准确可能例如由不准确或损坏的传感器数据引起。距所跟踪的道路参照物(例如,车道标记)和道路边界(例如,道路边缘)的横向距离也可称为所跟踪的道路参照物的“横向偏移”。换言之,将“所感知的”横向距离与参考值(其可以本地存储或远程存储在“云”中)进行比较,以便验证车辆自身的传感器读数,并且然后,基于验证结果来控制AD或ADAS特征(例如,道路偏离缓解系统)。为ADAS和AD系统中的道路边缘跟踪提供更高的可用性和可靠性。
术语“获得”在本文中被广义地解释并且包括接收、检索、收集、获取等。道路边界在本上下文中被理解为道路的边缘部分并且在一些上下文中可以被称为道路边缘。然而,在一些示例性实施例中,道路边界可以是道路边缘、路障、道牙子、沟渠或定义了可行驶表面(即,道路)的边缘部分的任何其他结构。关于道路参照物或道路边界的空间信息可以例如包括对道路参照物或道路边界的跟踪或跟踪进行估计所需的道路参照物或道路边界的数据。道路参照物应理解为参照特征,其可用于估计关于车辆的道路的几何形状。道路参照物例如可以是左侧车道标记、右侧车道标记、路标、车辆、道路边界(即,左侧道路边缘可用于估计右侧道路边缘的位置)等。
本发明人认识到,为了提高例如车道跟踪解决方案的可用性和可靠性,可以利用由其他车辆进行的、已上传到“云”的测量值来验证车辆自己的估计。更详细地,本发明人认识到车道跟踪模型中的横向偏移(即,从所跟踪的参照物到道路边界的横向距离)是易于产生测量误差的、道路建模所需的参数。测量误差可能源于环境因素(例如,积雪覆盖的道路边缘)或由于硬件故障。因此,通过提供用于基于由同一地理区域中的其他车辆进行的测量来验证测量的装置,可以容易地实现用于验证车道跟踪系统的简单且有效的装置。
继续,根据本公开的示例性实施例,该方法进一步包括:基于至少一个预定义条件为所确定的第一横向距离分配置信度值,并且控制驾驶员辅助或自动驾驶特征的步骤进一步基于所分配的置信度值。
进一步,并且根据本公开的另一示例性实施例,该方法进一步包括:将所分配的置信度值与预定义置信度阈值进行比较。相应地,控制驾驶员辅助或自动驾驶特征的步骤包括:如果满足以下两个条件之一则抑制驾驶员辅助或自动驾驶特征。两个条件中的一个是如果所确定的第一横向距离与相对应的第二横向距离之间的比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,两个条件中的另一个是如果为所确定的第一横向距离所分配的置信度值低于预定义置信度阈值。因此,如果车辆的内部系统指示测量可能有误,或者如果与“参考”值的比较指示测量可能有误,则ADAS或AD特征被抑制。
但是,根据另一示例性实施例,ADAS或AD特征不会被抑制,而是基于相对应的置信度测试将“参考值”(即,第二横向距离)用作输入参数。更详细地,并且根据本公开的另一示例性实施例,该方法进一步包括:将所分配的置信度值与预定义置信度阈值进行比较,以及获得在道路参照物与道路边界之间的相对应的第二横向距离。进一步,控制驾驶员辅助或自动驾驶特征的步骤包括:如果以下条件之一为真,则将所获得的第二横向距离作为驾驶员辅助或自动驾驶特征的控制参数来应用。两个条件中的一个是如果所确定的第一横向距离与相对应的第二横向距离之间的比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,两个条件中的另一个是如果为所确定的第一横向距离所分配的置信度值低于预定义置信度阈值。
更进一步,根据又一示例性实施例,该方法进一步包括:将车辆的所获得的地理位置和每个第一横向距离发送到远程实体,并且获得比较的步骤包括从远程实体接收在第一横向距离与相对应的第二横向距离之间的比较。术语“远程实体”在本上下文中被广义地解释,并且包括能够处理数据以及向远程客户端(例如,车辆)发送数据和从远程客户端(例如,车辆)接收数据的任何合适的远程系统。
但是,数据的处理(即,第一横向距离与第二横向距离之间的比较)也可以在车辆中本地执行。因此,根据又一示例性实施例,该方法进一步包括:将车辆的所获得的地理位置发送到远程实体,以及基于车辆的地理位置从远程实体接收在道路参照物与道路边界之间的相对应的第二横向距离。因此,获得比较的步骤包括(在本地)将第一横向距离与相对应的第二横向距离进行比较。
参考数据也可以被包括在本地数据资源中(例如,保存为本地存储的HD地图中的图层)。因此,根据本公开的又一示例性实施例,该方法进一步包括:基于车辆的地理位置,从本地数据资源库接收在道路参照物与道路边界之间的相对应的第二横向距离。因此,获得比较的步骤包括(在本地)将每个第一横向距离与相对应的第二横向距离进行比较。
根据本公开的第二方面,提供了一种存储一个或多个程序的(非暂时性)计算机可读存储介质,一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,一个或多个程序包括用于执行根据关于本公开的第一方面所讨论的实施例中的任一实施例的方法的指令。对于本公开的这个方面,存在与先前讨论的本公开的第一方面类似的优点和优选特征。
如本文使用的术语“非暂时性”旨在描述不包括传播电磁信号的计算机可读存储介质(或“存储器”),但并不旨在以其他方式限制由短语“计算机可读介质或存储器”所包括的物理计算机可读存储装置的类型。例如,术语“非暂时性计算机可读介质”或“有形存储器”旨在包括不一定永久存储信息的存储装置的类型,包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或信号(诸如可以经由诸如网络和/或无线链路的通信介质进行输送的电、电磁或数字信号)传输。因此,如本文使用的术语“非暂时性”是对介质本身的限制(即,有形的,不是信号),而不是对数据存储持久性的限制(例如,RAM与ROM)。
进一步,根据本公开的第三方面,提供了一种用于提供车辆的周围环境的一部分的道路模型的控制装置。该控制装置包括控制电路,该控制电路被配置为:从车辆的定位系统获得车辆的地理位置,以及获得包括关于位于车辆的周围环境中的道路参照物和道路边界的空间信息的传感器数据。控制电路进一步被配置为:确定或获得在道路参照物与道路边界之间的第一横向距离,以及基于所获得的位置,获得在所确定的第一横向距离与相对应的第二横向距离之间的比较,相对应的第二横向距离在道路参照物与道路边界之间。第二横向距离在这里是存储的参考距离。此外,控制电路被配置为:基于在所确定的第一横向距离与相对应的第二横向距离之间的比较来控制驾驶员辅助或自动驾驶特征。对于本公开的这个方面,存在与先前讨论的本公开的第一方面类似的优点和优选特征。
更进一步,根据本公开的第四方面,提供了一种车辆,包括:用于监测车辆的地理位置的定位系统、包括用于监测车辆的周围环境的至少一个传感器的感知系统以及根据关于本公开的第三方面所公开的实施例中的任一实施例的控制装置。对于本公开的这个方面,存在与先前讨论的本公开的第一方面类似的优点和优选特征。
继续,根据本公开的第五方面,提供一种用于为道路模型估计提供验证数据的方法。本公开的这方面可以被理解为本公开的先前讨论的方面的“服务器侧”或“云侧”。该方法包括:从第一远程车辆接收第一组车辆数据,第一组车辆数据包括第一远程车辆的地理位置以及传感器数据,传感器数据包括在与第一远程车辆的地理位置相关联的区域处的在道路参照物与道路边界之间的横向距离。该方法进一步包括:存储第一组车辆数据以便形成存储的、在道路参照物与道路边界之间的参考横向距离,以及从位于该区域中的第二远程车辆接收第二组车辆数据。第二组车辆数据包括第二远程车辆的地理位置。进一步,该方法包括:将包括关于存储的、在道路参照物与道路边界之间的参考横向距离的信息的信号发送到第二远程车辆。对于本公开的这个方面,存在与先前讨论的本公开的第一方面类似的优点和优选特征。
根据本公开的第六方面,提供了一种存储一个或多个程序的(非暂时性)计算机可读存储介质,一个或多个程序被配置为由车队管理系统的一个或多个处理器执行,一个或多个程序包括用于执行根据关于本公开的第五方面所讨论的实施例中的任一实施例的方法的指令。对于本公开的这个方面,存在与先前讨论的本公开的第五方面类似的优点和优选特征。
继续,根据本公开的第七方面,提供了一种用于提供车辆的周围环境的一部分的道路模型的方法。该方法包括:从车辆的定位系统获得车辆的地理位置,以及获得包括关于位于车辆的周围环境中的道路参照物的空间信息的传感器数据。此外,该方法包括:基于车辆的地理位置以及传感器数据,获得存储的、在车辆的周围环境中的在道路参照物与道路边界之间的横向距离,以及基于所获得的存储的横向距离来控制驾驶员辅助或自动驾驶特征。
在当车辆自身系统无法生成可靠的横向偏移(例如,由于天气条件或损坏的传感器数据)时的情况下,上面介绍的方法提供了一种用于实时获得道路边界表示的有效装置。这可以降低由于不准确的道路边缘跟踪而意外偏离道路或导致车辆安全系统错误干预的风险,并增加AD或ADAS特征的可用性。距所跟踪的道路参照物(例如,车道标记)和道路边界(例如,道路边缘)的横向距离也可称为所跟踪的道路参照物的“横向偏移”。换言之,横向距离是从包含“参考”值的数据资源库中获得的,并且可以基于所获得的“参考”距离来控制AD或ADAS特征(例如,道路偏离缓解系统)。相应地,这可以为ADAS和AD系统中的道路边缘跟踪提供更高的可用性和可靠性。
本发明通过以下来实现:在车辆无法检测或查看道路边界的情况下以在道路参照物(例如,车道标记)与道路边界(例如,道路边缘、道路障碍等)之间的横向偏移的形式提供源道路几何形状数据。例如,在冬季期间,路面的一部分(特别是道路边缘)可能被雪覆盖,因此车辆的感知系统可能无法检测和跟踪道路边缘。这可能会导致车辆安全系统不可用、干预缺失,并且在一些情况下甚至会导致车辆安全系统进行错误干预。因此,借助于所提出的方法,车辆可以利用包含关于在车辆能够跟踪的道路参照物与道路边界之间的横向偏移的信息的“源数据”(即,从在该特定路段上行驶的其他车辆所提供的数据)。相应地,增加的可用性和鲁棒性被添加到车辆的道路建模特征并且因此改善了整体道路安全。
进一步,根据本公开的第八方面,提供了一种存储一个或多个程序的(非暂时性)计算机可读存储介质,一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,一个或多个程序包括用于执行根据关于本公开的第七方面所讨论的实施例中的任一实施例的方法的指令。对于本公开的这个方面,存在与先前讨论的本公开的第七方面类似的优点和优选特征。
进一步,根据本公开的第九方面,提供了一种用于提供车辆的周围环境的一部分的道路模型的控制装置。该控制装置包括控制电路,该控制电路被配置为:从车辆的定位系统获得车辆的地理位置,以及获得包括关于位于车辆的周围环境中的道路参照物的空间信息的传感器数据。该控制电路进一步被配置为基于车辆的地理位置以及传感器数据获得存储的、在车辆的周围环境中的在道路参照物与道路边界之间的横向距离,以及基于所获得的存储的横向距离来控制驾驶员辅助或自动驾驶特征。对于本公开的这个方面,存在与先前讨论的本公开的第七方面类似的优点和优选特征。
更进一步,根据本公开的第十方面,提供了一种车辆,包括:用于监测车辆的地理位置的定位系统、包括用于监测车辆的周围环境的至少一个传感器的感知系统、以及根据关于本公开的第九方面所公开的实施例中的任一实施例的控制装置。对于本公开的这个方面,存在与先前讨论的本公开的第一方面类似的优点和优选特征。
本公开的进一步实施例在从属权利要求中限定。应该强调的是,当在本说明书中使用时,术语“包括/包含”用于指定所陈述的特征、整数、步骤或部件的存在。它不排除一个或多个其他特征、整数、步骤、部件或其组的存在或添加。
本公开的这些和其他特征和优点将在下面参照下文中描述的实施例进一步阐明。
附图说明
本公开的实施例的进一步目的、特征和优点将从以下参照附图的详细描述中变得显而易见,其中:
图1是根据本公开的实施例的用于提供车辆的周围环境的一部分的道路模型的方法的示意性流程图表示。
图2是根据本公开的实施例的用于提供车辆的周围环境的一部分的道路模型的方法的子过程的示意性流程图表示。
图3是根据本公开的实施例的用于提供车辆的周围环境的一部分的道路模型的方法的子过程的示意性流程图表示。
图4是根据本公开的实施例的包括用于提供车辆的周围环境的一部分的道路模型的控制装置的车辆的示意性侧视图的图示。
图5是根据本公开的实施例的包括用于提供车辆的周围环境的一部分的道路模型的控制装置的车辆的一系列示意性透视图。
图6a至图6b是根据本公开的实施例的对用于为道路边界估计提供验证数据的方法进行描绘的示意性透视图的图示。
图7是根据本公开的实施例的用于提供车辆的周围环境的一部分的道路模型的方法的示意性流程图表示。
图8是根据本公开的实施例的用于提供车辆的周围环境的一部分的道路模型的方法的示意性流程图表示。
图9是根据本公开的实施例的包括用于提供车辆的周围环境的一部分的道路模型的控制装置的车辆的示意性侧视图的图示。
具体实施方式
本领域技术人员将理解的是,本文所解释的步骤、服务和功能可以使用单独的硬件电路、使用与可编程微处理器或通用计算机结合运行的软件、使用一个或多个专用集成电路(ASIC)和/或使用一个或多个数字信号处理器(DSP)来实现。还将理解的是,当依据方法来描述本公开时,它也可以在一个或多个处理器和耦接到一个或多个处理器的一个或多个存储器中体现,其中,一个或多个存储器存储在由一个或多个处理器执行时执行本文公开的步骤、服务和功能的一个或多个程序。
在以下示例性实施例的描述中,相同的附图标记表示相同或相似的部件。
图1是用于提供车辆的周围环境的一部分的道路模型的方法100的示意性流程图表示。图1还包括在每个框101至106右侧的示意图,其中,各框表示方法的各个步骤并且附图用于支持性地图示各种方法步骤。道路边界在本上下文中被理解为道路的边缘部分并且在一些上下文中可以被称为道路边缘。然而,在一些示例性实施例中,道路边界可以是道路边缘、路障、道牙子、沟渠或定义了可行驶表面(即,道路)的边缘部分的任何其他结构。道路模型可以被理解为表示车辆的周围环境中的可行驶路径,其中,道路模型包括车道跟踪和道路边界跟踪特征。术语“获得”在本文中被广义地解释并且包括接收、检索、收集、获取等。
该方法包括:从车辆的定位系统获得101车辆的地理位置。定位系统可以是诸如例如GPS、GLONASS、北斗、伽利略等的全球导航卫星系统(GNSS)的形式。但是,定位系统可以可替代地或附加地利用诸如里程计、卡尔曼滤波、粒子滤波、同时定位和映射(SLAM)或实时运动学(RTK)的其他技术。更详细地,定位系统可以包括诸如GPS的无线通信装置。在一个实施例中,车辆接收GPS卫星信号。如所理解的,GPS处理GPS卫星信号以确定车辆的位置信息(诸如,位置、速度、加速度、偏航和方向等)。如本文所述,定位系统与控制装置通信,并且能够将关于车辆的这样的位置信息传输到控制器控制装置。
方法100进一步包括:获得102传感器数据的步骤,传感器数据包括关于位于车辆的周围环境中的道路参照物和道路边界的空间信息。关于道路参照物的空间信息可以例如包括对该道路参照物的跟踪或跟踪进行估计所需的道路参照物的数据。因此,关于道路参照物的空间信息可以包括与车辆坐标系或任何其他合适的坐标系(例如,GPS坐标)相关的道路参照物的位置数据。换言之,关于道路参照物的空间信息可以被理解为用于形成如以下将更详细地讨论的道路参照物模型的一个或多个参数。
感知系统在本上下文中被理解为负责从诸如摄像机、LIDAR和雷达、超声波传感器的传感器上获取原始传感器数据并且将原始数据转换为场景理解的系统。自然地,传感器数据可以直接从一个或多个合适的传感器(诸如例如,摄像机、LIDAR传感器、雷达、超声波传感器等)接收102。道路参照物应理解为参照特征,其可用于估计关于车辆的道路的几何形状。道路参照物例如可以是左侧车道标记、右侧车道标记、路标、车辆、道路边界(即,左侧道路边缘可用于估计右侧道路边缘的位置)等。
关于道路边界是“道路参照物”,这可以例如是车辆行驶在小的乡村道路上而没有任何其他可用道路参照物的情况。然后,为了估计右侧道路边界的位置,可以使用左侧道路边界,并且由此估计道路宽度以便启用/禁用特定AD或ADAS特征(例如,自动超车)。换言之,可以基于另一道路边界的位置来验证道路边界的位置。因此,例如,如果只有左侧道路边界是本地可用的(即,可被车辆的传感器检测到),则在左侧道路边界与右侧道路边界之间的横向距离可以被存储并从“云”中检索。
继续,传感器数据可以包括一个或多个道路参照物的(例如,图像)的一个或多个检测。此外,可以基于接收到的传感器数据为每个道路参照物形成参照物表示模型,该参照物表示模型可以例如采用三阶多项式方程的形式:
yi=Aix3+Bix2+Cix+Di (1)
其中i表示道路参照物的索引(例如,左侧车道标记、右侧车道标记、道路边缘、路标、其他车辆等)。多项式方程(1)描述了在车辆坐标系中的相关联的道路参照物(例如,车道标记)的几何形状。可替代的参照物表示模型用回旋曲线来描述道路参照物几何形状,该回旋曲线具有从道路边界/边缘的横向偏移(ΔL)、航向(α)、弯曲(c0)和曲率(c1)。但是,建模为回旋曲线的道路参照物几何形状可以通过以下三阶多项式来近似:
因此,参考分量Ai、Bi、Ci和Di可以被认为分别代表曲率、弯曲、航向和到道路边界的横向偏移。
相应地,可以说传感器数据包括关于在车辆的周围环境中的一个或多个道路参照物的参照物表示模型的信息。
进一步,方法100包括:确定103在观察到的道路参照物与观察到的道路边界之间的第一横向距离。换句话说,确定第一横向距离的步骤被理解为确定道路参照物“i”相对于道路边界的参考分量Di(即,横向偏移)。如果道路参照物是道路边界(例如,道路边缘),那么这一步可以解释为对道路宽度的估计。方法100可以进一步包括:基于一个或多个预定义条件向所确定103的第一横向距离分配106置信度值的步骤。例如,一个或多个预定义条件可以是环境条件(水、碎屑、路面上的雪),该环境条件可能导致传感器测量的降低的可靠性。因此,预定义条件可以与道路参照物和/或道路边界的观察有关。预定义条件可以附加地或可替代地与传感器误差容限、车辆运动等有关。
继续,方法100包括:基于所获得的车辆位置来获得104在所确定的第一横向距离与相对应的第二横向距离之间的比较,该第二横向距离在(相对应的)道路参照物与道路边界之间。第二横向距离是存储的参考距离。步骤104可以被理解为基于假定构成“真实值”的存储的参考距离来验证所观察到的/检测到的第一横向距离。参考距离可以本地存储在车辆中(例如,作为HD地图数据中的图层),也可以经由外部网络远程访问(例如,存储在云解决方案中)。因此,比较可以由车载系统本地执行或在“云”中远程执行,关于后者,方法可以包括可以相应地将传感器数据上传到云。此外,方法100可以包括:获得(例如,从远程数据资源库接收)相对应的第二横向距离的步骤。这可以例如是如果参考数据(即,源横向距离)是远程存储的但比较是在本地执行的情况。
根据示例性实施例,所获得的传感器数据包括道路参照物类型和用于识别/监测的道路参照物的道路参照物标识(参照物ID)中的至少一种。例如,传感器数据可以指示所识别的/道路参照物是车辆当前所行驶的路段的最右侧车道的左侧车道标记。道路参照物类型可以被解释为描述道路参照物的类型(例如,车道标记、路标、交通标志、护栏等)的参数,而道路参照物ID则是更具体的(例如,右侧第二车道的右侧车道标记,或最左侧车道中的左侧车道标记)。这可以有利于促进在所测量的横向距离与相对应的参考横向距离(即,第二横向距离)之间的比较,以便比较适当的距离。换句话说,确定道路参照物ID或道路参照物类型用于通过对可用的道路参照物进行分类来帮助比较实体,以便将所测量的横向距离(例如,在右侧车道标记与道路边界之间)与存储的参考距离(在右侧车道标记与道路边界之间)进行比较。因此,所获得104的比较有利地进一步基于道路参照物类型和道路参照物ID中的至少一个。
此外,方法100可以包括:接收存储的参考数据的参照物ID,即,哪个道路参照物相对于包括在数据资源库中(即,在云中)的哪个道路边界的横向偏移。因此,所获得的传感器数据可以基于所接收的存储的参考数据的参照物ID。更详细地,“车辆”可以基于在特定位置的特定情况下哪个参考数据可用来跟踪道路参照物。例如,如果数据资源库仅包含左侧车道标记相对于右侧道路边界的参考数据(即,存储的横向距离),则可以控制车辆的感知系统主要关注左侧车道标记以便测量在横向车道标记与右侧道路边界之间的第一横向距离。
此外,所获得的传感器数据可以进一步包括(附加的)道路参照物数据,诸如例如车道标记是实线还是虚线、单线还是双线、车道标记的颜色、车道标记的类型(例如,画线或博特点)。类似地,如果道路参照物是道路边界,则(附加的)道路参照物数据可以进一步包括道路边界类型(例如,人行道、砾石、雪)或护栏类型(例如,混凝土墙、铁丝网等)。此外,传感器数据可以包括元数据,诸如例如哪个传感器用于检测道路参照物、用于检测道路参照物的传感器的类型、光照条件、天气信息(降雨、降雪、温度、湿度等)。
接下来,基于比较来控制105驾驶员辅助特征或自动驾驶特征(即,ADAS或AD特征)。例如,该比较可以示出第一横向距离偏离第二横向距离,这可以用作应该启动车辆感知系统的诊断测试并且可以抑制依赖于准确横向距离观察的AD或ADAS特征的指示。可选地或可替代地,如果横向距离的“本地”测量偏离“参考”横向距离(即,第二横向距离),则可以避免在相关联的时间步长中更新道路几何形状的“本地”模型。但是,如果比较104指示所确定103的第一横向距离在置信度范围内,则AD或ADAS特征可以使用所确定的横向距离(其现已被验证)作为控制参数,并且可以改善总体道路安全性。
上面讨论的方法100用于以下目的:通过对传感器数据(即,感知环境)与参考数据(即,源数据)进行实时比较来验证车载系统的道路边界表示(例如,道路边缘跟踪),以便降低由于不准确的道路边缘表示而导致的意外道路偏离或车辆安全系统的错误干预的风险。距所检测的道路参照物(例如,车道标记)和所检测的道路边界(例如,道路边缘)的横向距离是在本公开中用作关键参数的参数。更详细地,将“所感知的”横向距离与参考值(其可以本地存储或远程存储在“云”中)进行比较,以便验证车辆自身的传感器读数,并且然后,基于验证结果来控制AD或ADAS特征(例如,道路偏离缓解系统)。
参考值(即,第二横向距离)是存储的参考距离,优选地包括来自不同车辆的多个测量值。因此,在一些实施例中,第二横向距离可以是多个不同测量值的平均值的形式,其中,具有合适的传感器和通信装备的车辆提供每个测量值。此外,可以为每个测量值提供分配的质量值,以便将参考距离构建为加权平均值,其中,权重取决于所分配的质量值。
图2图示用于提供车辆的周围环境的一部分的道路模型的方法的子过程的示意性流程图表示。图示的子过程可以被解释为关于图1所讨论的方法的示例性实施例。更具体地,图2中所图示的子过程进一步包括与基于一个或多个预定义条件为所测量/所确定的第一横向距离分配106置信度值的步骤相关的方法步骤。相应地,该方法进一步包括:获得107一个或多个置信度阈值(即,与所分配106的置信度值相关的阈值),并且将所分配的置信度值与预定义置信度阈值进行比较108。控制驾驶员辅助特征(ADAS特征)或自动驾驶(AD)特征的步骤相应地进一步基于该比较108。
更详细地,该方法包括如果以下两个条件109、111中的至少一个为真,则抑制110ADAS/AD特征。也就是,如果为所确定的第一横向距离分配的置信度值低于预定义置信度阈值,或者如果在所确定的第一横向距离与相对应的第二横向距离之间的比较指示在所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值。换句话说,如果第一横向距离的测量值的可靠性是有问题的,或者如果与参考值(第二横向距离)的比较直接示出第一测量值是错误的,则抑制110ADAS/AD特征。近似地,如果条件109、111两者都满足,则方法可以包括允许112AD/ADAS特征被激活或保持有效的步骤。
总之,前面参照图2讨论的实施例通过在两个明确且独立的步骤中验证109、111所确定的第一横向距离的准确性,为车载道路边缘跟踪添加了进一步的鲁棒性,从而改善了车辆的道路建模特征的鲁棒性。
图3是用于提供车辆的周围环境的一部分的道路模型的方法的子过程的另一示意性流程图表示。类似地,如在参照图2所讨论的过程中,图3所图示的子过程可以被解释为关于图1所讨论的方法的示例性实施例。更具体地,图3中所图示的子过程包括与基于一个或多个预定义条件为所测量/所确定的第一横向距离分配106置信度值的步骤相关的进一步的方法步骤。
相应地,该方法进一步包括:获得113相对应的一个或多个第二横向距离以及获得107第一横向距离的置信度阈值。如所述的,术语“获得”在本文中被广义地解释并且包括“被动地”接收或“主动地”从感知系统、相关联的传感器中检索置信度阈值,或基于单独单元中的计算模型确定单独单元中的置信度阈值。置信度阈值可以是动态的并且取决于一个或多个其他参数(诸如,车辆的地理位置、车辆速度、交通密度、一天中的某个时间等)。
相应地,将所分配106的置信度值与相对应的阈值进行比较108。与关于图2讨论的实施例近似,该方法包括:检查109、111置信度值是否超过阈值,或者在所确定的第一横向距离与第二横向距离之间的比较是否指示第一横向距离是错误的。但是,基于这些比较,可以基于所获得113的第二横向距离来控制110AD/ADAS特征,或者基于(现在验证的)第一横向距离来控制112AD/ADAS特征。
关于第一可替代方案,即,使用所获得113的第二横向距离作为控制参数,控制ADAS或AD特征的步骤然后包括至少暂时地将所获得的第二横向距离作为驾驶员辅助或自动驾驶特征的控制参数来应用。如果车载系统无法估计在道路参照物与道路边界之间的横向距离,并且因此无法生成可靠的道路模型,则这可能是有用的,并且AD/ADAS特征被提供了暂时利用存储的参考距离的可能性。所获得113的第二横向距离可以被理解为存储的参考距离并且可以例如是从由其他车辆进行的多个测量所聚合的源距离。
用于执行上面讨论的功能的可执行指令可选地被包含在非暂时性计算机可读存储介质中或在被配置为由一个或多个处理器执行的其他计算机程序产品中。
图4是包括用于提供车辆的周围环境的一部分的道路模型的控制装置10的车辆1的示意性侧视图。车辆1进一步包括感知系统2和定位系统4。感知系统2在本上下文中被理解为负责从诸如摄像机、LIDAR和雷达、超声波传感器的传感器3a、3b、3c上获取原始传感器数据并且将该原始数据转换为场景理解的系统。定位系统4被配置为监测车辆的地理位置和航向,并且可以是诸如GPS、北斗、伽利略或GLONASS的全球导航卫星系统(GNSS)的形式。此外,定位系统可以实现为实时运动学(RTK)GPS,以便改善精度。
感知系统2包括多个传感器3a至3c(例如,摄像机、LIDAR、RADAR、超声换能器等)。传感器3a至3c被配置为获取车辆的周围环境的信息表示。更详细地,感知系统包括适用于跟踪一个或多个道路参照物(例如,车道标记、道路边缘、其他车辆、地标等)的传感器,以便估计道路几何形状并且尤其是行驶的道路上的道路边界。
控制装置10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可以被称为控制电路11。控制电路11被配置为执行存储在存储器12中的指令以执行根据本文公开的任一实施例的用于提供车辆的周围环境的一部分的道路模型的方法。换言之,控制装置10的存储器12可以包括用于存储计算机可执行指令的一个或多个(非暂时性)计算机可读存储介质,计算机可执行指令当由一个或多个计算机处理器11执行时,例如可以使计算机处理器11执行本文描述的技术。存储器12可选地包括高速随机存取存储器,诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器装置;并且可选地包括非易失性存储器,诸如一个或多个磁盘存储装置、光盘存储装置、闪存装置或其他非易失性固态存储器装置。
更详细地,控制电路11被配置为从车辆1的定位4获得车辆的地理位置(或包括关于车辆1的地理位置的信息的数据)。地理位置可以是一组地理坐标(例如,GPS坐标)和车辆1的航向的形式。控制电路11进一步被配置为获得传感器数据,传感器数据包括关于位于车辆1的周围环境中的一个或多个道路参照物(例如,车道标记)和道路边界(例如,道路边缘)的空间信息。传感器数据可以由车辆的感知系统2提供。接下来,控制电路被配置为确定在每个道路参照物与道路边界之间的第一横向距离。
进一步,控制电路11被配置为基于所获得的位置并且可选地基于传感器数据来获得在每个所确定的第一横向距离与每个相对应的第二横向距离之间的比较,每个相对应的第二横向距离在道路参照物与道路边界之间。第二横向距离应理解为存储的参考距离。换句话说,控制电路11获得在每个合适的道路参照物与车辆的当前地理位置中的道路边界之间的参考横向距离。术语“获得”在本上下文中被广义地解释并且包括被动地接收、主动地检索或根据请求接收,以及获取特定数据集的任何其他合适的方式。
然后,控制电路11被配置为基于在所确定的第一横向距离与相对应的第二横向距离之间的比较来控制驾驶员辅助或自动驾驶特征。术语“控制驾驶员辅助特征或自动驾驶特征”被认为包括直接控制和间接控制两者(即,向直接负责执行AD或ADAS特征的不同车辆控制系统发送信号)。
进一步,车辆1可以经由例如(例如,用于检索地图数据的)无线链路连接到外部网络21。相同或一些其他无线链路可以被用于与该车辆附近的其他车辆或与本地基础设施元件通信。蜂窝通信技术可以被用于诸如到外部网络的远程通信,并且如果所使用的蜂窝通信技术具有低延迟,则它还可以被用于车辆之间、车辆对车辆(V2V)和/或车辆对基础设施V2X的通信。蜂窝无线电技术的示例是GSM、GPRS、EDGE、LTE、5G、5G NR等,还包括未来的蜂窝解决方案。但是,在一些解决方案中,使用诸如无线局域网(LAN)(例如,基于IEEE 802.11的解决方案)的中短距离通信技术。ETSI正在研究用于车辆通信的蜂窝标准,并且例如由于低延迟以及高带宽和通信信道的高效处理,5G被认为是合适的解决方案。
处理器11(与控制装置10相关联)可以是或包括用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件部件。装置10具有相关联的存储器12,并且存储器12可以是用于存储数据和/或计算机代码以用于完成或促进本说明书中描述的各种方法的一个或多个装置。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括用于支持本说明书的各种活动的数据库部件、目标代码部件、脚本部件或任何其他类型的信息结构。根据示例性实施例,任何分布式存储器装置或本地存储器装置可以与本说明书的系统和方法一起使用。根据示例性实施例,存储器12可通信地连接到处理器11(例如,经由电路或任何其他有线、无线或网络连接)并且包括用于执行本文描述的一个或多个过程的计算机代码。
应当理解的是,传感器接口14还可以提供直接或经由车辆中的专用传感器控制电路2获取传感器数据的可能性。通信/天线接口13可以进一步提供借助于天线7将输出发送到远程位置(例如,远程操作员或控制中心)的可能性。此外,车辆中的一些传感器可以使用诸如CAN总线、I2C、以太网、光纤等的本地网络设置与控制装置10通信。通信接口13可以被布置为与车辆的其他控制功能进行通信,并且因此,也可以被视为控制接口;但是,可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有诸如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术的协议的无线类型。
图5示出包括用于提供车辆1的周围环境的一部分的道路模型的控制装置的车辆1的一系列透视图的图示(a)至图示(c)。这一系列的图示(a)至图示(c)用于阐明验证过程,在该验证过程中,控制装置被布置为监测中心车道标记8b和右侧道路边界8a并且确定两者之间的横向距离15。然后,将该横向距离与存储的参考值(由附图标记17所指示)进行比较/验证,以增加道路边界跟踪的完整性水平。换言之,根据存储的“地面真实情况”来验证所跟踪的道路参照物8b的横向偏移。
在最上面的图示(即,图(a))中,车辆1的控制装置10获得车辆的地理位置(例如,由车辆1的GPS单元提供)以及传感器数据。自然地,车辆1的地理位置可以通过其他方式(诸如实时运动学(RTK)GPS单元、结合地标测量的HD地图数据等)提供。传感器数据包括如附图标记9a、9b所指示的关于道路参照物8a至8d和道路边界8a、8d的空间信息。如前所述,术语“道路参照物”包括道路边界/边缘,因为在某些情况下,可能期望确定两条道路边缘8a、8d之间的横向距离。然后,经由外部网络(例如,蜂窝网络)21将所测量的横向距离15发送到远程实体20以进行如问号16所指示的验证。即使在所图示的实施例中验证是被远程(即,在“云”中)执行的,但验证也可以可替代地在车辆1中本地执行。更详细地,车辆可以包括本地数据资源库,该本地数据资源库包括存储的“参考距离”(例如,以HD中的图层形式)。但是,“云”解决方案的优势在于,连接到同一系统的车辆可以定期更新横向距离15,而本地数据资源库可以例如在预定义场景(例如,在车辆维修期间)更新。在后一实施例中,控制电路可以被配置为检索相对应的第二横向距离,并且然后,通过对两个距离进行比较来验证测量值15。
验证包括在所确定的第一横向距离15与相对应的第二横向距离(即,存储的参考距离)之间进行如附图标记17所指示的比较。
在底部的图(即,图示(c))中,车辆1接收如附图标记18所指示的所确定的第一横向距离的可靠性的验证,并且控制装置10可以使用所确定的第一横向距离15作为用于AD或ADAS特征(诸如例如,道路偏离缓解系统)的控制参数。近似地,如果比较17已经指示所确定的第一横向距离15在一个或多个预定义阈值之外,则可以抑制AD或ADAS特征并且提示驾驶员接管车辆1的控制。
图6a和图6b是在路段上行驶的两个车辆1a、1b的透视图的图示,其中,每个车辆1a、1b连接到同一系统20,系统20被配置为提供用于道路模型估计的验证数据。更具体地,两个图6a和6b用作图示根据本公开的实施例的用于为道路边界估计提供验证数据的方法。因此,两个车辆1a优选地包括如前面所讨论的控制电路10(为了避免混乱,仅示出了一个)。远程系统20优选地提供有合适的硬件和软件(控制电路、存储器、通信电路等),以用于执行以下描述的过程。
更详细地,图6a示出监测如虚线所指示的前方道路几何形状的第一车辆1a。此外,第一车辆1a经由外部网络21与云系统20通信,以便向/从远程数据资源库20发送和接收数据。换句话说,第一车辆1a识别在道路的中心车道标记8b与右侧道路边界8a之间的如虚线双箭头15a所指示的第一横向距离。换言之,第一车辆1a确定与中心车道标记相关联的道路参照物模型相对于道路边界的横向偏移。第一车辆的控制装置(未示出)被布置为通过向远程实体20发送包括关于所确定的第一横向距离15a的信息的数据来验证该检测15a。前面已经关于图5讨论了该过程,并且为了简洁起见将不再进一步阐述。
继续,在“云侧”或“系统侧”,从第一远程车辆1a接收第一组车辆数据。第一组车辆数据包括第一远程车辆1a的位置(即,地理坐标或地图位置)以及传感器数据,传感器数据包括在与第一远程车辆的位置相关联的地理区域处的在道路参照物与道路边界之间的横向距离15a。然后,存储第一组车辆数据以便形成存储的、在道路参照物与道路边界之间的参考横向距离。车辆数据可以进一步包括与所接收的横向距离15a相关联的置信度值,由此可以基于来自多个远程车辆1a、1b的“源”横向距离的加权和来生成参考距离。因此,系统侧20不仅用于验证横向距离的实时估计的目的,而且还用于聚合多个测量以便形成可用于至少两个目的的参考距离。也就是,要么与车辆自身横向距离的估计进行比较(即,用于验证目的),要么发送到远程车辆并且在车辆内部系统或部件出现故障的情况下由其使用。
进一步,在图示后续时间步长的图6b中,两辆车1a、1b已经向前行驶,并且第二辆车1b现在处于与图6a中的第一辆车1a大致相同的位置。远程系统20进一步被配置为从第二远程车辆1b(其现在位于与第一车辆1a之前所位于的地理区域相同的地理区域中)接收第二组车辆数据。第二组车辆数据包括至少关于第二远程车辆的地理位置的信息。此外,远程系统20被配置为将信号(例如,经由外部通信网络21)发送到第二远程车辆1b,其中,该信号包括关于存储的、在道路参照物8a与道路边界8b之间的参考横向距离的信息。但是,自然地,如果第二车辆有能力估计出横向距离15b,则第二组车辆数据可以进一步包括关于在道路参照物与道路边界之间的所确定的横向距离15b的信息。横向距离15b借助于第二车辆1b的控制装置10确定。
因此,关于存储的参考横向距离的信息可以是包括距离的直接值或度量的数据的形式,或者可以是关于在(由第二远程车辆1b)所确定的横向距离15b与存储的参考横向距离之间的比较的信息。这可能取决于应用程序或场景(例如,如果比较是在车辆中本地进行或由远程系统20进行,或者如果第二车辆1b无法确定横向距离15b)。在其中远程系统20发送关于在所确定的横向距离15b与存储的参考横向距离之间的比较的信息的第一情况下,提供验证过程。换句话说,远程系统20使第二车辆1b能够使用其他车辆1a的聚合测量值以便验证其自身的测量值15b。
在第二情况下,远程系统20将存储的参考横向距离值发送到第二车辆1b,并且为第二车辆1b的道路建模模块提供改善的鲁棒性和可靠性。换句话说,如果第二车辆1b由于某种原因无法确定在道路参照物8b与道路边界8a之间的横向距离,则存储的参考横向距离可以至少暂时地由第二车辆1b的控制系统所使用,以便安全地操纵车辆。
用于执行上面讨论的功能的可执行指令可选地被包括在非暂时性计算机可读存储介质中或在被配置为由一个或多个处理器执行的其他计算机程序产品中。
图7是图示用于提供车辆的周围环境的一部分的道路模型的方法200的示意性流程图表示。图7还包括在每个框202至204右侧的示意图,其中,各框表示方法200的步骤并且附图用于支持性地图示各种方法步骤。道路模型可以被理解为表示车辆的周围环境中的可行驶路径,其中,道路模型包括车道跟踪和道路边界跟踪特征。道路边界在本上下文中被理解为道路的边缘部分并且在一些上下文中可以被称为道路边缘。然而,在一些示例性实施例中,道路边界可以是道路边缘、路障、道牙子、沟渠或定义了可行驶表面(即,道路)的边缘部分的任何其他结构。
该方法包括:从车辆的定位系统获得201车辆的地理位置。定位系统可以是诸如例如GPS、GLONASS、北斗、伽利略等的全球导航卫星系统(GNSS)的形式。但是,定位系统可以可替代地或附加地利用诸如里程计、卡尔曼滤波、粒子滤波、同时定位和映射(SLAM)或实时运动学(RTK)的其他技术。更详细地,定位系统可以包括诸如GPS的无线通信装置。在一个实施例中,车辆接收GPS卫星信号。如所理解的,GPS处理GPS卫星信号以确定车辆的位置信息(诸如,位置、速度、加速度、偏航和方向等)。如本文所述,定位系统与控制装置通信,并且能够将关于车辆的这样的位置信息传输到控制器控制装置。
方法200进一步包括:获得202传感器数据的步骤,传感器数据包括关于位于车辆的周围环境中的道路参照物的空间信息。道路参照物的位置在本上下文中被理解为对该道路参照物的跟踪或跟踪进行估计所需的道路参照物的数据。因此,道路参照物的位置可以与车辆坐标系有关,或转换为任何其他合适的坐标系(例如,GPS坐标)。换言之,关于道路参照物的空间信息可被理解为用于形成如前面所讨论的并且如以下将更详细地讨论的道路参照物模型的一个或多个参数。
感知系统在本上下文中被理解为负责从诸如摄像机、LIDAR和雷达、超声波传感器的传感器上获取原始传感器数据并且将原始数据转换为场景理解的系统。自然地,传感器数据可以直接从一个或多个合适的传感器(诸如例如,摄像机、LIDAR传感器、雷达、超声波传感器等)接收202。道路参照物应理解为参照特征,其可用于估计关于车辆的道路几何形状。道路参照物例如可以是左侧车道标记、右侧车道标记、路标、车辆、道路边界(即,左侧道路边缘可用于估计右侧道路边缘的位置)等。
关于道路边界是“道路参照物”,这可以例如是车辆行驶在小的乡村道路上而没有任何其他可用道路参照物的情况。然后,为了估计右侧道路边界的位置,可以使用左侧道路边界,并且由此估计道路宽度以便启用/禁用特定AD或ADAS特征(例如,自动超车)。
因此,传感器数据可以包括各个道路参照物的(例如,图像)的一个或多个检测。此外,可以基于接收到的传感器数据为每个道路参照物形成参照物表示模型,该参照物表示模型可以例如是如前面所讨论的三阶多项式方程(1)的形式。
多项式方程(1)描述了在车辆坐标系中的相关联的道路参照物(例如,车道标记)的几何形状。可替代的参照物表示模型用回旋曲线来描述道路参照物几何形状,该回旋曲线具有从道路边界/边缘的横向偏移(ΔL)、航向(α)、弯曲(c0)和曲率(c1)。但是,建模为回旋曲线的道路参照物几何形状可以通过如前面所讨论的以下三阶多项式(2)来近似。因此,参考分量Ai、Bi、Ci和Di可以被认为分别代表曲率、弯曲、航向和横向偏移。
相应地,可以说传感器数据包括关于在车辆的周围环境中的一个或多个道路参照物的参照物表示模型的信息。
接下来,获得203相对应的第二横向距离(即,一个或多个存储的参考距离)。术语“获得”在本文中被广义地解释并且包括接收、检索、收集、获取等。换言之,方法200进一步包括:基于车辆的位置以及传感器数据获得203存储的、在车辆的周围环境中的在道路参照物(由感知系统的传感器监测)与道路边界之间的第二横向距离。此外,传感器数据可以进一步包括用于检测的/跟踪的道路参照物的道路参照物类型或道路参照物标识(ID)。
道路参照物ID可以包括用于得出正在跟踪什么道路参照物(例如,中间车道标记、左侧第三车道的右侧车道标记、中心实线车道标记等)所必须的信息。道路参照物类型可以被解释为描述道路参照物的类型(例如,车道标记、路标、交通标志、护栏等)的参数,而道路参照物ID则在某种程度上是更具体的(例如,右侧第二车道的右侧车道标记,或最左侧车道中的左侧车道标记)。相应地,获得203存储的第二横向距离的步骤可以进一步基于道路参照物类型和/或道路参照物ID。
此外,所获得的传感器数据可以进一步包括(附加的)道路参照物数据,诸如例如车道标记是实线还是虚线、单线还是双线、车道标记的颜色、车道标记的类型(例如,画线或博特点)。类似地,如果道路参照物是道路边界,则(附加的)道路参照物数据可以进一步包括道路边界类型(例如,人行道、砾石、雪)或护栏的类型(例如,混凝土墙、铁丝网等)。此外,传感器数据可以包括元数据,诸如例如哪个传感器用于检测道路参照物、用于检测道路参照物的传感器的类型、光照条件、天气信息(降雨、降雪、温度、湿度等)。
进一步,参考距离可以本地存储在车辆中(例如,作为HD地图数据中的图层),也可以经由外部网络远程访问(例如,存储在云解决方案中)。因此,获得203存储的横向距离的步骤可以包括基于车辆的位置以及传感器数据,从本地数据资源库中检索存储的、在道路参照物与道路边界之间的横向距离。
但是,根据另一示例性实施例,方法200可以进一步包括将所获得的车辆的地理位置以及传感器数据发送到远程数据资源库。因此,获得203存储的(第二)横向距离的步骤可以包括基于车辆的地理位置以及传感器数据,从远程数据资源库(也可以称为远程实体)接收存储的、在道路参照物与道路边界之间的(第二)横向距离。
继续,方法200包括:基于所获得的存储的(第二)横向距离来控制204ADAS或AD特征。更具体地,控制204ADAS或AD特征的步骤可以包括在预定义时间段期间将所获得的存储的横向距离作为驾驶员辅助或自动驾驶特征的控制参数来应用。例如,如果车载系统无法估计在道路参照物与道路边界之间的横向距离(即,道路参照物的横向偏移)并且因此无法生成可靠的道路模型,则这可能是有用的。相应地,为车辆提供了暂时地利用存储的参考距离的可能性。存储的参考距离可以例如是从由其他车辆进行的多个测量所聚合的源距离。AD或ADAS特征可以基于存储的参考距离来操作,直到车辆停止,或者当计时器达到阈值时AD/ADAS特征可以被抑制。
上面呈现的方法200允许在车辆无法检测或查看道路边界的情况下以在道路参照物(例如,车道标记)与道路边界(例如,道路边缘、道路障碍等)之间的横向偏移的形式提供源道路几何形状数据。例如,在冬季期间,路面的一部分(特别是道路边缘)可能被雪覆盖,因此车辆的感知系统可能无法检测和跟踪道路边缘。这可能导致车辆安全系统的错误干预。
因此,借助于所提出的方法200,车辆可以利用包含关于在车辆能够跟踪的道路参照物与道路边界之间的横向偏移的信息的“源数据”(即,从在该特定路段上行驶的其他车辆所提供的数据)。相应地,鲁棒性被添加到车辆的道路建模特征,并且因此,改善了整体道路安全。
继续,图8是图示用于提供车辆的周围环境的一部分的道路模型的方法的示意性流程图表示。方法中的一些与上面关于图7的流程图所讨论的相同或相似,并且为简便和简洁起见,将不再详细讨论。
方法300包括:从车辆的定位系统获得301车辆的地理位置,获得302包括关于位于车辆的周围环境中的道路参照物的空间信息的传感器数据。此外,在图8所图示的示例实施例中,传感器数据进一步包括关于位于周围环境中的道路边界的空间信息。如所述的,道路边界在本公开的上下文中被理解为可行驶表面的边缘部分并且在一些上下文中被称为道路边缘。
进一步,方法300包括:基于车辆的位置以及传感器数据获得303存储的、在车辆的周围环境中的在道路参照物(由感知系统的传感器监测)与道路边界之间的横向距离。如所述的,存储的横向距离可以理解为可以基于由多个不同车辆所执行的多个测量的参考距离的类型。
进一步,方法300可选地包括:(如虚线框所指示的)确定304在检测的/监测的一个或多个道路参照物与检测的/监测的一个或多个道路边界之间的横向距离。换句话说,方法300可以包括:从道路边界来确定所跟踪的道路参照物的“横向偏移”。
接下来,方法300包括:基于一个或多个预定义条件为关于道路参照物和/或道路边界的空间信息分配305置信度值。换句话说,方法300包括:确定道路参照物和/或道路边界的测量或跟踪的可靠性。例如,道路状况可能是恶劣的大雨/雪雨,并且可能难以准确估计道路参照物和/或道路边界的几何模型,因此可以分配305“低”置信度值。因此,一个或多个预定义条件可取决于一个或多个环境因素(天气、交通密度等)、车辆的运动参数、传感器质量等。
进一步,将置信度值与相关联的预定义置信度阈值进行比较306。然后,基于该比较306,如果置信度值低于预定义置信度阈值,则在预定义时间段将所获得303的存储的横向距离作为ADAS或AD特征的控制参数来应用307。附加地或可选地,一个或多个第二置信度值可以分配给所确定304的第一横向距离。类似地,比较可以相对于第二置信度值和相关联的预定义置信度阈值而进行。近似地,如果第二置信度值低于第二预定义置信度阈值,则可以在预定义时间段期间将所获得的存储的横向距离作为驾驶员辅助或自动驾驶特征的控制参数来应用307。
可替代地,驾驶员辅助或自动驾驶特征可以基于所获得320的传感器数据和所获得303的存储的横向距离的融合来控制307。更详细地,方法300可以包括:将“本地”数据(传感器数据)和“云”数据(存储的横向距离)融合(未示出)以便确定在所跟踪的道路参照物与道路边界之间的横向偏移。在这种情况下,两个数据集(本地和云)同时使用,并且可以例如根据某个预定义模型进行加权。
用于执行上面讨论的功能的可执行指令可选地被包括在非暂时性计算机可读存储介质中或在被配置为由一个或多个处理器执行的其他计算机程序产品中。
图9是包括用于提供车辆的周围环境的一部分的道路模型的控制装置10的车辆1的示意性侧视图。车辆1进一步包括感知系统2和定位系统4。感知系统2在本上下文中被理解为负责从诸如摄像机、LIDAR和雷达、超声波传感器的传感器3a、3b、3c上获取原始传感器数据并且将该原始数据转换为场景理解的系统。定位系统4被配置为监测车辆的地理位置和航向,并且可以是诸如GPS、北斗、伽利略或GLONASS的全球导航卫星系统(GNSS)的形式。此外,定位系统可以实现为实时运动学(RTK)GPS,以便改善精度。
感知系统2包括多个传感器3a至3c(例如,摄像机、LIDAR、RADAR、超声换能器等)。传感器3a至3c被配置为获取车辆的周围环境的信息表示。更详细地,感知系统包括适用于跟踪一个或多个道路参照物(例如,车道标记、道路边缘、其他车辆、地标等)的传感器,以便估计道路几何形状并且尤其是行驶的道路上的道路边界。
控制装置10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可以被称为控制电路11。控制电路11被配置为执行存储在存储器12中的指令以执行根据本文公开的任一实施例的用于提供车辆的周围环境的一部分的道路模型的方法。换言之,控制装置10的存储器12可以包括用于存储计算机可执行指令的一个或多个(非暂时性)计算机可读存储介质,计算机可执行指令当由一个或多个计算机处理器11执行时,例如可以使计算机处理器11执行本文描述的技术。存储器12可选地包括高速随机存取存储器,诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器装置;并且可选地包括非易失性存储器,诸如一个或多个磁盘存储装置、光盘存储装置、闪存装置或其他非易失性固态存储器装置。
更详细地,控制电路11被配置为从车辆1的定位4获得车辆的地理位置(或包括关于车辆1的地理位置的信息的数据)。地理位置可以是一组地理坐标(例如,GPS坐标)和车辆1的航向的形式。控制电路11进一步被配置为获得传感器数据,传感器数据包括关于位于车辆1的周围环境中的一个或多个道路参照物(例如,车道标记)的空间信息。传感器数据可以由车辆的感知系统2提供。接下来,控制电路被配置为基于车辆的地理位置以及传感器数据获得存储的、在道路参照物与道路边界之间的横向距离。
进一步,控制电路11被配置为基于所获得的存储的横向距离来控制驾驶员辅助或自动驾驶(即,ADAS或AD)特征。更具体地,控制电路11被配置为在预定义时间段期间将所获得的存储的横向距离作为驾驶员辅助或自动驾驶特征的控制参数来(直接或间接)应用。例如,如果车载系统2无法估计在道路参照物与道路边界之间的横向距离(即,道路参照物的横向偏移)并且因此无法生成可靠的道路模型,则这可能是有用的。相应地,为车辆1提供了暂时地利用存储的参考距离的可能性。存储的参考距离可以例如是从由其他车辆进行的多个测量所聚合的源距离。AD或ADAS特征可以基于存储的参考距离来操作,直到车辆停止,或者当计时器达到阈值时AD/ADAS特征可以被抑制。
进一步,车辆1可以经由例如(例如,用于检索地图数据的)无线链路连接到外部网络21。相同或一些其他无线链路可以被用于与该车辆附近的其他车辆或与本地基础设施元件通信。蜂窝通信技术可以被用于诸如到外部网络的远程通信,并且如果所使用的蜂窝通信技术具有低延迟,则它还可以被用于车辆之间、车辆对车辆(V2V)和/或车辆对基础设施V2X的通信。蜂窝无线电技术的示例是GSM、GPRS、EDGE、LTE、5G、5G NR等,还包括未来的蜂窝解决方案。但是,在一些解决方案中,使用诸如无线局域网(LAN)(例如,基于IEEE 802.11的解决方案)的中短距离通信技术。ETSI正在研究用于车辆通信的蜂窝标准,并且例如由于低延迟以及高带宽和通信信道的高效处理,5G被认为是合适的解决方案。
处理器11(与控制装置10相关联)可以是或包括用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件部件。装置10具有相关联的存储器12,并且存储器12可以是用于存储数据和/或计算机代码以用于完成或促进本说明书中描述的各种方法的一个或多个装置。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括用于支持本说明书的各种活动的数据库部件、目标代码部件、脚本部件或任何其他类型的信息结构。根据示例性实施例,任何分布式存储器装置或本地存储器装置可以与本说明书的系统和方法一起使用。根据示例性实施例,存储器12可通信地连接到处理器11(例如,经由电路或任何其他有线、无线或网络连接)并且包括用于执行本文描述的一个或多个过程的计算机代码。
应当理解的是,传感器接口14还可以提供直接或经由车辆中的专用传感器控制电路2获取传感器数据的可能性。通信/天线接口13可以进一步提供借助于天线7将输出发送到远程位置(例如,远程操作员或控制中心)的可能性。此外,车辆中的一些传感器可以使用诸如CAN总线、I2C、以太网、光纤等的本地网络设置与控制装置10通信。通信接口13可以被布置为与车辆的其他控制功能进行通信,并且因此,也可以被视为控制接口;但是,可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有诸如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术的协议的无线类型。
上面已经参照具体实施例介绍了本公开。但是,除上述之外的其他实施例也是可能的并且在本公开的范围内。在本公开的范围内可以提供与上述描述的那些不同的、通过硬件或软件执行方法的方法步骤。因此,根据示例性实施例,提供了一种存储一个或多个程序的非暂时性计算机可读存储介质,一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,一个或多个程序包括用于执行根据上面讨论的实施例的任一个的方法的指令。可替代地,根据另一示例性实施例,云计算系统可以被配置为执行本文介绍的任何方法。云计算系统可以包括分布式云计算资源,分布式云计算资源在一个或多个计算机程序产品的控制下共同执行本文介绍的方法。
总体而言,计算机可访问介质可以包括任何有形的或非暂时性的、诸如电子、磁或光介质的存储介质或储存介质(例如,经由总线耦接到计算机系统的磁盘或CD/DVD-ROM)。本文使用的术语“有形的”和“非暂时性的”旨在描述不包括传播电磁信号的计算机可读存储介质(或“存储器”),但不旨在以其他方式限制由短语“计算机可读介质或存储器”所包括的物理计算机可读存储装置的类型。例如,术语“非暂时性计算机可读介质”或“有形存储器”旨在包括不一定永久存储信息的存储装置的类型,包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或信号(诸如,可以经由诸如网络和/或无线链路的通信介质进行输送的电、电磁或数字信号)传输。
处理器11(与控制装置10相关联)可以是或包括用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件部件。装置10具有相关联的存储器12,并且存储器12可以是用于存储数据和/或计算机代码以用于完成或促进本说明书中描述的各种方法的一个或多个装置。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括用于支持本说明书的各种活动的数据库部件、目标代码部件、脚本部件或任何其他类型的信息结构。根据示例性实施例,任何分布式存储器装置或本地存储器装置可以与本说明书的系统和方法一起使用。根据示例性实施例,存储器12可通信地连接到处理器11(例如,经由电路或任何其他有线、无线或网络连接)并且包括用于执行本文描述的一个或多个过程的计算机代码。
应当理解的是,传感器接口14还可以提供直接或经由车辆中的专用传感器控制电路2获取传感器数据的可能性。通信/天线接口13可以进一步提供借助于天线7将输出发送到远程位置(例如,远程操作员或控制中心)的可能性。此外,车辆中的一些传感器可以使用诸如CAN总线、I2C、以太网、光纤等的本地网络设置与控制装置10通信。通信接口13可以被布置为与车辆的其他控制功能进行通信,并且因此,也可以被视为控制接口;但是,可以提供单独的控制接口(未示出)。车辆内的本地通信也可以是具有诸如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术的协议的无线类型。
总之,本公开涉及用于提供车辆的周围环境的一部分的道路模型的方法和控制装置。更具体地,本公开涉及利用以道路参照物(例如,车道标记)相对于道路边界的横向偏移的形式存储的参考数据来验证横向偏移的本地测量值或基于存储的参考数据来直接控制驾驶员辅助或自动驾驶特征。附加地,关于后一方面,驾驶员辅助或自动驾驶特征可以基于传感器数据和所获得的存储的横向距离的融合来控制。本公开还涉及一种用于为道路模型估计提供验证数据的方法。
相应地,应当理解的是,所描述的解决方案的部分可以在车辆中、在位于车辆外部的系统中或在车辆内部和外部的组合中实施;例如,在与车辆通信的服务器中,即,所谓的云解决方案。例如,传感器数据可以被发送到外部系统,并且该系统执行将传感器数据(其他车辆的运动)与预定义行为模型进行比较的步骤。实施例的不同特征和步骤可以以所描述的那些组合之外的方式组合。
应当注意的是,词语“包括”不排除所列的元件或步骤之外的其他元件或步骤的存在,并且元件前的词语“一”不排除存在多个这样的元件。应当进一步注意的是,任何附图标记均不限制权利要求的范围,本发明至少可以部分借助于硬件和软件来实现,并且几个“装置”或“单元”可以由硬件的同一条目来表示。
尽管各个图可能示出了方法步骤的特定顺序,但是步骤的顺序可能与所描绘的不同。此外,两个或多个步骤可以同时或部分同时地执行。例如,基于特定实现,接收包括关于道路参照物和车辆的地理位置的空间信息的信号的步骤可以互换。这样的改变将取决于所选择的软件和硬件系统以及取决于设计者的选择。此外,除非另外明确说明,否则特征或步骤可以在实施例之间互换。所有这样的改变都在本公开的范围内。同样,软件实现可以通过标准编程技术、用基于规则的逻辑和其他逻辑来完成,以完成各种连接步骤、处理步骤、比较步骤和决策步骤。如上提到和描述的实施例仅作为示例给出,并且不应限制本发明。在以下描述的专利实施例中所要求保护的本发明范围内的其他解决方案、用途、目的和功能对于本领域技术人员来说应该是显而易见的。
Claims (32)
1.一种用于提供车辆的周围环境的一部分的道路模型的方法,所述方法包括:
从所述车辆的定位系统获得所述车辆的地理位置;
获得包括关于位于所述车辆的所述周围环境中的道路参照物和道路边界的空间信息的传感器数据;
确定在所述道路参照物与所述道路边界之间的第一横向距离;
基于所述车辆的所述地理位置,获得在所确定的第一横向距离与相对应的第二横向距离之间的比较,所述相对应的第二横向距离在所述道路参照物与所述道路边界之间,所述第二横向距离是存储的参考距离;
基于在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较来控制驾驶员辅助或自动驾驶特征。
2.根据权利要求1所述的方法,进一步包括:
基于至少一个预定义条件为所确定的第一横向距离分配置信度值;
其中,控制所述驾驶员辅助或自动驾驶特征的步骤进一步基于所分配的置信度值。
3.根据权利要求2所述的方法,进一步包括:
将所分配的置信度值与预定义置信度阈值进行比较;
其中,控制所述驾驶员辅助或自动驾驶特征的步骤包括:
如果:
在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,或者
为所确定的第一横向距离所分配的置信度值低于所述预定义置信度阈值,则
抑制所述驾驶员辅助或自动驾驶特征。
4.根据权利要求2所述的方法,进一步包括:
将所分配的置信度值与预定义置信度阈值进行比较;
获得在所述道路参照物与所述道路边界之间的所述相对应的第二横向距离;
其中,控制所述驾驶员辅助或自动驾驶特征的步骤包括:
如果:
在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,或者
为所确定的第一横向距离所分配的置信度值低于所述预定义置信度阈值,则
将所获得的第二横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
5.根据权利要求3或4所述的方法,其中,控制所述驾驶员辅助或自动驾驶特征的步骤包括:
如果:
在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值低于第二预定义阈值,或者
为所确定的第一横向距离所分配的置信度值高于所述预定义置信度阈值,则将所确定的第一横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
6.根据前述权利要求中任一项所述的方法,其中,所述传感器数据进一步包括用于道路参照物的道路参照物类型和道路参照物标识ID中的至少一个;并且
其中,在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较进一步基于所述道路参照物类型和所述道路参照物ID中的至少一个。
7.根据前述权利要求中任一项所述的方法,进一步包括:
将所述车辆的所获得的地理位置和每个第一横向距离发送到远程实体;并且
其中,获得所述比较的步骤包括从所述远程实体接收在所述第一横向距离与所述相对应的第二横向距离之间的所述比较。
8.根据权利要求1-6中任一项所述的方法,进一步包括:
将所述车辆的所获得的地理位置发送到远程实体;
从所述远程实体接收在所述道路参照物与所述道路边界之间的所述相对应的第二横向距离;
其中,获得所述比较的步骤包括(在本地)将所述第一横向距离与所述相对应的第二横向距离进行比较。
9.根据权利要求1-6中任一项所述的方法,进一步包括:
基于所述车辆的所述地理位置,从本地数据资源库接收在所述道路参照物与所述道路边界之间的所述相对应的第二横向距离;并且
其中,获得所述比较的步骤包括(在本地)将每个第一横向距离与所述相对应的第二横向距离进行比较。
10.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,所述一个或多个程序包括用于执行根据前述权利要求中任一项所述的方法的指令。
11.一种用于提供车辆的周围环境的一部分的道路模型的控制装置,所述控制装置包括控制电路,所述控制电路被配置为:
从所述车辆的定位系统获得所述车辆的地理位置;
获得包括关于位于所述车辆的所述周围环境中的道路参照物和道路边界的空间信息的传感器数据;
确定在所述道路参照物与所述道路边界之间的第一横向距离;
基于所获得的位置,获得在所确定的第一横向距离与相对应的第二横向距离之间的比较,所述相对应的第二横向距离在所述道路参照物与所述道路边界之间,所述第二横向距离是存储的参考距离;
基于在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较来控制驾驶员辅助或自动驾驶特征。
12.根据权利要求11所述的控制装置,其中,所述控制电路进一步被配置为基于至少一个预定义条件为所确定的第一横向距离分配置信度值;以及
进一步基于所分配的置信度值控制所述驾驶员辅助或自动驾驶特征。
13.根据权利要求12所述的控制装置,其中,所述控制电路进一步被配置为:
将所分配的置信度值与预定义置信度阈值进行比较;并且
其中,所述控制电路被配置为通过以下方式控制所述驾驶员辅助或自动驾驶特征:
如果:
在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,或者
为所确定的第一横向距离所分配的置信度值低于所述预定义置信度阈值,则
抑制所述驾驶员辅助或自动驾驶特征。
14.根据权利要求12所述的控制装置,其中,所述控制电路进一步被配置为:
将所分配的置信度值与预定义置信度阈值进行比较;
获得在所述道路参照物与所述道路边界之间的所述相对应的第二横向距离;
其中,所述控制电路被配置为通过以下方式控制所述驾驶员辅助或自动驾驶特征:
如果:
在所确定的第一横向距离与所述相对应的第二横向距离之间的所述比较指示所确定的第一横向距离与所获得的第二横向距离之间的差值高于第一预定义阈值,或者
为所确定的第一横向距离所分配的置信度值低于所述预定义置信度阈值,则
将所获得的第二横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
15.一种车辆,包括:
定位系统,用于监测所述车辆的地理位置;
感知系统,包括用于监测所述车辆的周围环境的至少一个传感器;
根据权利要求11-14中任一项所述的控制装置。
16.一种用于为道路模型估计提供验证数据的方法,所述方法包括:
从第一远程车辆接收第一组车辆数据,所述第一组车辆数据包括所述第一远程车辆的地理位置以及传感器数据,所述传感器数据包括在与所述第一远程车辆的所述地理位置相关联的区域处的在道路参照物与道路边界之间的横向距离;
存储所述第一组车辆数据以便形成存储的、在所述道路参照物与所述道路边界之间的参考横向距离;
从位于所述区域中的第二远程车辆接收第二组车辆数据,所述第二组车辆数据包括所述第二远程车辆的地理位置;
将包括关于存储的、在所述道路参照物与所述道路边界之间的所述参考横向距离的信息的信号发送到所述第二远程车辆。
17.根据权利要求16所述的方法,其中,所述第二组数据进一步包括:包含在所述区域处的在所述道路参照物与所述道路边界之间的第二横向距离的传感器数据,所述方法进一步包括:
将所述第二横向距离与所形成的参考横向距离进行比较;
其中,发送到所述第二远程车辆的信号包括关于在所述第二横向距离与所形成的参考横向距离之间的所述比较的信息。
18.根据权利要求16或17所述的方法,其中,从第一远程车辆接收所述第一组车辆数据的步骤包括从多个远程车辆接收车辆数据,所述车辆数据包括由所述多个远程车辆中的每一个获得的、在所述区域处的在所述道路参照物与所述道路边界之间的所述横向距离;并且
其中,存储的所述参考横向距离基于从所述多个远程车辆接收的所述车辆数据。
19.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求16-18中任一项所述的方法的指令。
20.一种用于提供车辆的周围环境的一部分的道路模型的方法,所述方法包括:
从所述车辆的定位系统获得所述车辆的地理位置;
获得包括关于位于所述车辆的所述周围环境中的道路参照物的空间信息的传感器数据;
基于所述车辆的所述地理位置以及所述传感器数据,获得存储的、在所述车辆的所述周围环境中的在所述道路参照物与道路边界之间的横向距离;
基于所获得的存储的横向距离来控制驾驶员辅助或自动驾驶特征。
21.根据权利要求20所述的方法,其中,控制所述驾驶员辅助或自动驾驶特征的步骤包括:
在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
22.根据权利要求20或21所述的方法,进一步包括:
获得包括关于位于所述周围环境中的道路边界的空间信息的传感器数据;
基于至少一个预定义条件为关于所述道路参照物和/或所述道路边界的所述空间信息分配置信度值;
将所述置信度值与预定义置信度阈值进行比较;
如果所述置信度值低于所述预定义置信度阈值,则在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
23.根据权利要求22所述的方法,其中,所述置信度值为第一置信度值,所述至少一个预定义条件为至少一个第一预定义条件,并且所述预定义置信度阈值为第一预定义置信度阈值,所述方法进一步包括:
确定在所述道路参照物与所述道路边界之间的第一横向距离;
基于至少一个第二预定义条件将第二置信度值分配给所述第一横向距离;
将所述第二置信度值与第二预定义置信度阈值进行比较;
如果所述第二置信度值低于所述第二预定义置信度阈值,则在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
24.根据权利要求20-23中任一项所述的方法,其中,所述传感器数据进一步包括用于所述道路参照物的道路参照物类型和道路参照物标识ID中的至少一个;并且
其中,获得存储的所述横向距离的步骤进一步基于所述道路参照物类型和所述道路参照物ID中的至少一个。
25.根据权利要求20-24中任一项所述的方法,其中,获得存储的所述横向距离的步骤包括:基于所述车辆的所述地理位置以及所述传感器数据,从本地数据资源库中检索存储的、在所述道路参照物与所述道路边界之间的所述横向距离。
26.根据权利要求20-24中任一项所述的方法,进一步包括:
将所述车辆的所获得的地理位置以及所述传感器数据发送到远程数据资源库;并且
其中,获得存储的所述横向距离的步骤包括:基于所述车辆的所述地理位置以及所述传感器数据,从所述远程数据资源库中接收存储的、在所述道路参照物与所述道路边界之间的所述横向距离。
27.一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求20-26中任一项所述的方法的指令。
28.一种用于提供车辆的周围环境的一部分的道路模型的控制装置,所述控制装置包括控制电路,所述控制电路被配置为:
从所述车辆的定位系统获得所述车辆的地理位置;
获得包括关于位于所述车辆的周围环境中的道路参照物的空间信息的传感器数据;
基于所述车辆的所述地理位置以及所述传感器数据,获得存储的、在所述车辆的所述周围环境中的在所述道路参照物与道路边界之间的横向距离;
基于所获得的存储的横向距离来控制驾驶员辅助或自动驾驶特征。
29.根据权利要求28所述的控制装置,其中,所述控制电路被配置为通过在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用,从而控制所述驾驶员辅助或自动驾驶特征。
30.根据权利要求28或29所述的控制装置,其中,所述控制电路进一步被配置为:
获得包括关于位于所述周围环境中的道路边界的空间信息的传感器数据;
基于至少一个预定义条件为关于所述道路参照物和/或所述道路边界的所述空间信息分配置信度值;
将所述置信度值与预定义置信度阈值进行比较;
如果所述置信度值低于所述预定义置信度阈值,则在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
31.根据权利要求30所述的控制装置,其中,所述置信度值为第一置信度值,所述至少一个预定义条件为至少一个第一预定义条件,并且所述预定义置信度阈值为第一预定义置信度阈值,所述控制电路进一步被配置为:
确定在所述道路参照物与所述道路边界之间的第一横向距离;
基于至少一个第二预定义条件将第二置信度值分配给所述第一横向距离;
将所述第二置信度值与第二预定义置信度阈值进行比较;
如果所述第二置信度值低于所述第二预定义置信度阈值,则在预定义时间段期间将所获得的存储的横向距离作为所述驾驶员辅助或自动驾驶特征的控制参数来应用。
32.一种车辆,包括:
定位系统,用于监测所述车辆的地理位置;
感知系统,包括用于监测所述车辆的周围环境的至少一个传感器;
根据权利要求28-31中任一项所述的控制装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2019/067630 WO2021001018A1 (en) | 2019-07-01 | 2019-07-01 | Sourced lateral offset for adas or ad features |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114174137A true CN114174137A (zh) | 2022-03-11 |
Family
ID=67297135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980098131.9A Pending CN114174137A (zh) | 2019-07-01 | 2019-07-01 | Adas或ad特征的源横向偏移 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220266825A1 (zh) |
EP (1) | EP3994043A1 (zh) |
CN (1) | CN114174137A (zh) |
WO (1) | WO2021001018A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110867131A (zh) * | 2019-11-20 | 2020-03-06 | 北京百度网讯科技有限公司 | 用于更新地图的方法、装置、设备和存储介质 |
CN110954128B (zh) * | 2019-12-03 | 2021-11-16 | 阿波罗智能技术(北京)有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
US11506503B2 (en) * | 2020-07-09 | 2022-11-22 | Toyota Research Institute, Inc. | Prioritizing uploading of map related data from vehicles |
US20220178700A1 (en) * | 2020-12-03 | 2022-06-09 | Motional Ad Llc | Localization based on surrounding vehicles |
DE102023001633A1 (de) | 2022-05-10 | 2023-11-16 | Mercedes-Benz Group AG | System und Verfahren zur Validierung eines falsch positiven Spurwechselsignals in einem Fahrzeug |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2012211A1 (en) * | 2007-07-03 | 2009-01-07 | Ford Global Technologies, LLC | A system for monitoring the surroundings of a vehicle |
WO2009059766A1 (en) * | 2007-11-06 | 2009-05-14 | Tele Atlas North America Inc. | Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map |
JP5007840B2 (ja) * | 2009-05-22 | 2012-08-22 | トヨタ自動車株式会社 | 運転支援装置 |
DE102010048760A1 (de) * | 2010-09-17 | 2011-07-28 | Daimler AG, 70327 | Verfahren zur Erzeugung eines Straßenmodells |
EP3256815A1 (en) * | 2014-12-05 | 2017-12-20 | Apple Inc. | Autonomous navigation system |
US20170021863A1 (en) * | 2015-07-20 | 2017-01-26 | Dura Operating, Llc | System and method for verifying road position information for a motor vehicle |
WO2017077807A1 (ja) * | 2015-11-06 | 2017-05-11 | 本田技研工業株式会社 | 車両走行制御装置 |
EP3217374A1 (en) * | 2016-03-10 | 2017-09-13 | Volvo Car Corporation | Method and system for estimating a boundary of a road technical field |
JP6686760B2 (ja) * | 2016-07-21 | 2020-04-22 | いすゞ自動車株式会社 | 画像処理装置及び画像処理方法 |
US10551509B2 (en) * | 2017-06-30 | 2020-02-04 | GM Global Technology Operations LLC | Methods and systems for vehicle localization |
KR102374919B1 (ko) * | 2017-10-16 | 2022-03-16 | 주식회사 만도모빌리티솔루션즈 | 자율주행 지원 장치 및 방법 |
US11163309B2 (en) * | 2017-11-30 | 2021-11-02 | Direct Current Capital LLC | Method for autonomous navigation |
-
2019
- 2019-07-01 CN CN201980098131.9A patent/CN114174137A/zh active Pending
- 2019-07-01 US US17/622,983 patent/US20220266825A1/en active Pending
- 2019-07-01 WO PCT/EP2019/067630 patent/WO2021001018A1/en unknown
- 2019-07-01 EP EP19739934.8A patent/EP3994043A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3994043A1 (en) | 2022-05-11 |
WO2021001018A1 (en) | 2021-01-07 |
US20220266825A1 (en) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11808581B2 (en) | Lane-level map matching | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
CN108073170B (zh) | 用于自主车辆的自动化协同驾驶控制 | |
CN106546977B (zh) | 车辆雷达感知和定位 | |
CN111561937B (zh) | 用于精确定位的传感器融合 | |
CN114174137A (zh) | Adas或ad特征的源横向偏移 | |
US9283967B2 (en) | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle | |
US10620317B1 (en) | Lidar-based high definition map generation | |
KR101454153B1 (ko) | 가상차선과 센서 융합을 통한 무인 자율주행 자동차의 항법시스템 | |
US20180154901A1 (en) | Method and system for localizing a vehicle | |
EP3745376A1 (en) | Method and system for determining driving assisting data | |
US11555705B2 (en) | Localization using dynamic landmarks | |
US20210190537A1 (en) | Method and system for generating and updating digital maps | |
US20200265245A1 (en) | Method and system for automatic generation of lane centerline | |
CN114080537A (zh) | 收集与可导航网络有关的用户贡献数据 | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
US20220205804A1 (en) | Vehicle localisation | |
US11908206B2 (en) | Compensation for vertical road curvature in road geometry estimation | |
JP2018159752A (ja) | 地図情報学習方法及び地図情報学習装置 | |
CN114440864A (zh) | 一种汽车定位的方法及装置 | |
CN116027375B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 | |
US20230202497A1 (en) | Hypothesis inference for vehicles | |
EP4186770A1 (en) | Method and system for estimation of an operational design domain boundary | |
CN114715181A (zh) | 用于运行至少部分自动化的车辆的方法、设备及计算机程序 |
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 |