CN114761758A - 多车道道路表征和跟踪算法 - Google Patents
多车道道路表征和跟踪算法 Download PDFInfo
- Publication number
- CN114761758A CN114761758A CN202080082879.2A CN202080082879A CN114761758A CN 114761758 A CN114761758 A CN 114761758A CN 202080082879 A CN202080082879 A CN 202080082879A CN 114761758 A CN114761758 A CN 114761758A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- landmark
- reference landmark
- landmarks
- 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
- 238000012512 characterization method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000015654 memory Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 239000000725 suspension Substances 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
Abstract
描述了关于用于定位路面上的车辆的方法和系统的实施方式。在一些实施方式中,存在于路面上的所链接的参考地标可以用来确定车辆在路面上的位置和/或预测车辆沿路面的行进路径。
Description
对相关申请的交叉引用
本申请要求在2019年11月4日提交的美国临时申请序列号62/930,525的根据35U.S.C.§119(e)的权益,该美国临时申请的公开内容通过引用整体并入本文中。
技术领域
所公开的实施方式涉及多车道道路表征、跟踪算法和相关系统。
背景技术
某些类型的高级车辆功能——包括例如自主或半自主驾驶特征(例如,自主转向系统、主动和半主动悬架系统等)——可能依赖于能够在路面上准确、高分辨率且可重复定位车辆的系统和方法。
发明内容
在一个实施方式中,一种定位车辆的方法,包括:感测与车辆正在经过的道路的路面相关联的一个或更多个参数;使用所感测的一个或更多个参数来识别车辆已遇到的道路上的第一参考地标;识别道路上的链接至第一参考地标的第二参考地标;以及预测车辆将经过的路面的在第一参考地标与第二参考地标之间延伸的部分。
在一个实施方式中,一种定位车辆的方法,包括:感测与车辆正在经过的道路的路面相关联的一个或更多个参数;至少部分地基于所感测的一个或更多个参数来识别车辆已遇到的道路上的第一参考地标;当车辆经过路面时继续感测一个或更多个参数;以及将一个或更多个参数仅与关于路面的在第一参考地标与链接至第一参考地标的至少一个参考地标之间包含地延伸的部分的信息相比较,以确定车辆在路面上的位置。
在一个实施方式中,一种车辆,包括:一个或更多个传感器,该一个或更多个传感器被配置成感测与车辆正在经过的道路的路面相关联的一个或更多个参数;以及处理器,处理器可操作地耦接至一个或更多个传感器。处理器可以被配置成:当车辆正在经过道路时感测与路面相关联的一个或更多个参数;使用所感测的一个或更多个参数来识别车辆已遇到的道路上的第一参考地标;识别道路上的链接至第一参考地标的第二参考地标;以及预测车辆将经过的路面的在第一参考地标与第二参考地标之间延伸的部分。
在一个实施方式中,一种车辆,包括:一个或更多个传感器,该一个或更多个传感器被配置成感测与车辆正在经过的道路的路面相关联的一个或更多个参数;以及处理器,处理器可操作地耦接至一个或更多个传感器。处理器可以被配置成:感测与车辆正在经过的道路的路面相关联的一个或更多个参数;至少部分地基于所感测的一个或更多个参数来识别车辆已遇到的道路上的第一参考地标;当车辆经过路面时继续感测一个或更多个参数;以及将一个或更多个参数仅与关于路面的在第一参考地标与链接至第一参考地标的至少一个参考地标之间包含地延伸的部分的信息相比较,以确定车辆在路面上的位置。
在一个实施方式中,一种生成道路图的方法,包括:确定经过路面的多个车辆中的每个车辆是否遇到多个参考地标;确定每个车辆相对于多个参考地标采取的行进路径,以识别多个参考地标之间的链接;生成多个参考地标的网格以及在多个参考地标之间延伸的链接;以及将网格存储在非暂态处理器可读存储器中以供将来回调和/或使用。
应当理解,前述构思和以下讨论的附加构思可以以任何合适的组合被布置,因为本公开内容在这方面不受限制。此外,当结合附图考虑时,根据以下对各种非限制性实施方式的详细描述,本公开内容的其他优点和新颖特征将变得明显。
在本说明书和通过引用并入的文献包括冲突和/或不一致的公开内容的情况下,以本说明书为准。如果通过引用方式并入的两个或更多个文献包括相对于彼此冲突和/或不一致的公开内容,则应当以具有较晚生效日期的文献为准。
附图说明
附图并非意在按比例绘制。在附图中,在各个附图中示出的每个相同或几乎相同的部件可以由相同的附图标记表示。为了清楚的目的,并非在每个附图中标记出每个部件。在附图中:
图1是车辆的一个实施方式的示意性表示;
图2是可操作地耦接至车辆的各种示例性系统的处理器的一个实施方式的示意性表示;
图3描绘了根据一个实施方式的可以与沿包括两个平行车道的道路行进相关联的不同的可能共同车道;
图4描绘了根据一个实施方式的沿路面的长度和宽度设置的不同参考地标的示意性布置;
图5描绘了根据一个实施方式的与路面的道路轮廓相关联的多个所链接的参考地标的示例性网格;
图6描绘了根据一个实施方式的沿路面的长度和宽度设置的不同参考地标的示意性布置;
图7是用于生成包括道路轮廓的道路图的方法的一个实施方式的示意图,该道路轮廓具有包括所链接的参考地标的网格;以及
图8是用于使用所链接的参考地标确定车辆位置的方法的一个实施方式的示意图。
具体实施方式
如上所述,某些车辆系统可以使用与车辆在路面上的位置有关的定位数据。然而,发明人已认识到,具有多个行车道的道路(在本文中称为“多车道道路”)对于各种定位系统可能存在另外的问题。例如,对于多车道道路,可能期望在两个维度上定位车辆相对于路面的位置。在一个这样的示例中,可能期望纵向地(例如,“距85号州际公路上的英里标记4三百英尺”)以及横向地(例如,“在三车道道路的中间车道中”)定位车辆在路面上的位置。常规的诸如GPS的全球导航卫星系统(GNSS)对于解决多车道道路的具体车道通常不准确。另外,发明人已认识到,虽然专用差分GNSS传感器和/或高度专用的相机系统可以用于更准确地定位车辆在路面上的位置,但是这些系统增加了车辆的成本和复杂性,并且另外增加了由于环境状况(例如,由于天气或当时的情况导致的低可见度)而导致的故障的机会。已认识到该问题,发明人已认识到与用于执行多车道道路中的具体车道定位的各种系统和方法相关联的益处,尤其是使用基于道路轮廓的定位系统。更具体地,发明人已认识到与使用存在于路面上的、可以用于定位路面上的车辆的参考地标相关联的益处。如下面详细阐述的,这可以不仅包括车辆在沿道路的长度的纵向方向上的定位,而且包括车辆在路面上的横向方向上的定位。相对于用于沿路面的纵向和/或横向尺寸定位车辆的典型定位系统,这些系统和方法可以提供改进的准确度、计算效率和可靠性。
虽然可能期望定位车辆在路面上的横向位置,但是存在可能使确定车辆的位置复杂化的各种状况。例如,当沿多车道道路行进时,驾驶员可能由于不同原因在各种地点改变车道。因此,在多车道道路上的单次驾驶中,车辆经过的实际路径可能包括多个车道的区段。也就是说,通常假设驾驶员在任何给定时间相比改变车道更可能保留在他们的当前车道中。然而,对于可能存在许多车辆在同一位置(例如,在其交通可能在一天的某些时间变慢的高速公路的出口车道中,或者为了避开建筑物)处切换车道的特定原因的位置,该假设可能失败。
除了上述之外,还可能存在驾驶员重复地采取恰好与给定车道不对应的路径的某些位置。例如,驾驶员可以在转弯中切角,使得驾驶员可以漂移跨过与各个车道相关联的车道标记。在这些情况下,车辆采取的实际路径可以不同于由道路中的车道标记限定的“车道”。因此,引入术语“共同车道”是有用的。如本文中所使用的,共同车道可以指沿着由若干车辆或者由同一车辆在多次驾驶中共同经过的路段的路径。由于驾驶员通常可以以最小的车道改变跟随车道标记,因此在某些位置,路段的共同车道可以与实际车道交叠。然而,如本文中所讨论的,在例如以下情况下,路段的共同车道可以不同于实际车道(如由车道标记限定的):驾驶员常规地在转弯中切角(从而漂移跨过车道标记);驾驶员常规地改变实际车道,例如,以从高速公路离开和/或以避免半永久性障碍物;以及/或者出于其他适当的原因。然而,驾驶员可以跟随的路径中的这些变化可能使定位车辆的位置复杂化。
鉴于以上,在一个实施方式中,可能期望确定车辆经过路面的位置。这可以包括感测与车辆正在经过的路面相关联的一个或更多个参数。所感测的路面的一个或更多个参数可以用于识别车辆已遇到的路面上的第一参考地标。在识别第一参考地标之后,第一参考地标可以用于提供与车辆在路面的即将到来的部分上的行进的可能路径有关的信息。例如,如上所述,车辆很可能将继续在同一车道中行进,除非可能存在诸如驶出匝道、障碍物或与沿路面行进相关联的一些其他事件。因此,包括多个所链接的参考地标的道路图可以用于确定链接至已被识别为被车辆遇到的第一参考地标的一个或更多个参考地标。因此,通过识别链接至第一参考地标的一个或更多个参考地标,可以预测车辆将经过的路面的在第一参考地标与链接至第一地标的一个或更多个后续参考地标之间延伸的部分。这可以迭代地进行,使得当车辆沿路面行进时,车辆遇到的每个参考地标可以被识别并且与其他所链接的参考地标相关联。
在一些情况下,可能期望帮助减少与识别车辆在车辆正在经过的路面的部分上的位置相关联的计算资源。在这样的实施方式中,可以识别车辆已遇到的第一参考地标。然后也可以识别链接至第一参考地标的一个或更多个参考地标。然而,当车辆在所链接的参考地标之间行进时,不是将所感测的与路面相关联的参数与关于整个路面的信息相比较,而是期望将该比较限制为在所链接的参考地标之间延伸并且包括所链接的参考地标的路面的部分。例如,这可以包括限制与多车道道路的具体共同车道的比较。只要该比较与仍然位于在参考地标之间延伸的道路的部分上的车辆一致,并且其他感测的车辆参数不指示车辆已离开当前车道,就可以继续进行所感测的参数与道路的在所链接的参考地标之间延伸的更有限部分的比较。然而,如果该比较指示车辆不再在路面的选定部分上并且/或者如果所感测的车辆参数指示车辆已偏离车道,则所感测的路面的一个或更多个参数的更一般的比较可以更一般地与路面的参考轮廓相比较,以识别可以指示车辆在路面上的位置的另一参考地标,之后可以再次开始使用所链接的参考地标的过程。因此,定位算法可以在计算上更昂贵的通用定位算法与计算上更便宜的定位算法之间转换,其中所链接的参考地标可以用于限制路面参考轮廓的用于在路面上定位车辆的部分。
以上实施方式中提到的定位方法可以用于确定和/或预测车辆在任何期望的尺寸组合中相对于路面的位置。例如,在一个实施方式中,定位模块可以用于确定和/或预测车辆在路面上的纵向位置。在另一实施方式中,定位模块可以用于确定和/或预测车辆在路面上的横向位置。在又一实施方式中,定位模块可以用于确定和/或预测车辆沿着的纵向和横向位置。因此,本文中描述的方法和系统可以被视为提供改进的方法,用于总体上确定车辆在路面上的定位,并且在一些情况下,更具体地,车辆在路面上的横向位置。如本文中所使用的,车辆在路面上的纵向位置可以指车辆沿着道路的长度的位置。对应地,车辆在路面上的横向位置可以指车辆沿着道路的宽度的位置,该宽度的位置可以对应于车辆相对于跨道路的宽度定位的单独车道的位置。
为了有助于实现上述定位模块,可能期望提供包括沿特定路面定位的链接参考地标的道路图。例如,在一些实施方式中,可以基于从经过特定道路的多个车辆聚集的信息来生成道路图。因此该信息可以由经过道路的特定部分多次的单个车辆提供以及/或者从经过道路的同一部分的多个车辆提供,因为本公开内容不限于这种方式。在任一情况下,所获得的信息可以用于形成路面的参考轮廓,可以分析该参考轮廓以确定路面上存在一个或更多个参考地标,如以下进一步详细描述的。在识别单独的参考地标之后,可以确定经过路面的每个车辆是否遇到各种参考地标。在一些实施方式中,这可以通过将与路面相关联的参数与经过路面的每个车辆的参考轮廓相比较来完成。可以确定每个车辆相对于多个参考地标的行进路径,以识别在多个参考地标之间延伸的链接。例如,车辆可以具有沿着包括多个参考地标的子集的路径延伸的行进路径。沿行进路径包括的参考地标随后可以彼此链接。可以对每个车辆继续该处理以聚集该信息来生成彼此链接的参考地标的网格。网格可以包括多个参考地标以及在参考地标之间延伸的链接。为了有助于使用包括网格的道路图,可以将道路图和相关联的网格存储在非暂态处理器可读存储器中,以用于将来的回调和/或使用,如本文中进一步描述的。
由于与在车辆的操作期间实时地感测路面上存在的道路特征并对其作出反应相关联的困难,在一些实施方式中可能期望的是,基于先前记录的与路面有关的用于改进响应时间的信息来控制车辆的一个或更多个系统以及/或者基于先前记录的与路面有关的信息来主动地控制一个或更多个系统。例如,如上所述,可以使用参考地标来确定车辆在路面上的当前位置。另外,存在于路面的即将到来部分中的一个或更多个参考地标可以与车辆先前遇到的参考地标链接。因此,与即将到来的参考地标和/或在所链接的参考地标之间延伸的路面的部分有关的信息(例如参考道路轮廓)可以用于控制车辆的一个或更多个系统,而不仅仅依赖于实时测量来确定这些系统的一个或更多个操作参数,如下面进一步描述的。例如,可以在遇到路面上的特定道路特征之前设置一个或更多个操作参数以在经过路面的即将到来的部分时提供车辆系统的改进操作,以及/或者可以在感测道路特征之前基于从沿着在所链接的参考地标之间延伸的路面的部分定位的一个或更多个道路特征到车辆的期望输入来操作一个或更多个系统。
在一些实施方式中,道路轮廓匹配可以用于利用本文中所描述的各种系统和方法来确定车辆在路面上的位置。如在国际专利申请第PCT/US2020/023610号(公布号为WO2020/191188)、美国专利申请第16,130,311号(公布号为US 2019/0079539)和美国专利申请第16,672,004号(公布号为US 2020/0139784)中更全面地描述的那样,道路轮廓生成和匹配是用于确定车辆在路面上的位置的高精度定位方法,所述专利申请的全部内容通过引用并入本文中。基于道路轮廓的定位的示例性方法可以通过例如首先使用传感器以感测与路面相关联的一个或更多个参数来收集参考道路轮廓来进行操作,一个或更多个参数例如是由路面输入到车辆的一个或更多个部分中的力和/或运动、车辆的各个部分相对于路面的高度变化、诸如激光位移传感器的光学传感器、激光速度多普勒换能器(LVDT)、激光雷达传感器、雷达传感器和/或任何其他适当的输入参数。根据参考道路轮廓,可以识别许多不同的特征(例如,不同系列的凸起),在本文中称为参考地标。用于识别参考道路轮廓中的这些参考地标的适当方法可以包括例如将道路轮廓的小区段与给定区域内的所有其他区段相比较,并且识别与其他区段最不相关(即,更唯一)的区段。每个参考地标可以与沿路面的特定绝对或相对位置相关联。例如,路面上的该位置可以包括相对于路面的横向和/或纵向位置信息。这些参考地标和相关联的位置数据可以存储在参考道路轮廓中。当车辆随后经过可获得参考道路轮廓的给定路面时,与由车辆的一个或更多个传感器感测的一个或更多个参数对应的测量的道路轮廓可以在车辆经过路面时被记录。然后可以将该测量的道路轮廓与存储在参考道路轮廓中的参考地标相比较。当“匹配”发生时,即,当车辆经过位于路面上的、先前已被识别为参考地标的道路特征时,可以使用参考地标的已知位置来确定车辆的位置。其次,国际专利申请PCT/US2020/023610描述了用于进行以下操作的各种示例性系统和方法:识别参考地标;生成并且存储包括参考地标的参考道路轮廓,以及将所测量的道路轮廓与参考道路轮廓相比较以确定车辆的位置。
在一些实施方式中,每个参考地标可以包括相对于路面的横向位置信息(例如,参考地标可以是具体车道的)。对于车道识别,每个参考地标可以不仅沿特定道路纵向地而且在道路内横向地充分不同。例如,参考地标可以是例如坑洼、下水道孔盖、井盖或仅存在于特定车道中而不存在于相邻车道中的其他道路特征。由于车辆经过与特定横向位置或车道相关联的道路特征可以使其相对简单地确定车辆的当前横向位置或行进车道,所以这样的地标可以使得能够精确的横向定位。通过测量车轮特定的道路轮廓可以实现甚至更精确的横向定位。例如,如果汽车的仅右车轮经过参考地标,则可以更精确地确定车辆的车轮在道路内的横向位置。
应当注意,道路轮廓可以随时间改变(例如,由于道路的重新铺砌、道路中坑洼的发展等)。然而,因为所链接的参考地标的识别和预测可能由于路面的改变而不准确,因此在试图实现这样的定位方法时存在困难。因此,在一些实施方式中,可以在给定时间段内更新沿路面的参考道路轮廓和参考地标。例如,给定车辆可能在给定时间段内多次经过相同的路面(例如,往返于工作的人,或者送货车驾驶员可能每周多次沿相同的一组路面驾驶)。另外,多个车辆可能在给定时间段期间经过同一路面。通过在多个车辆一次或更多次经过给定路面时收集道路轮廓数据(例如,来自多个车辆的“众包(crowd sourcing)”),或者通过在给定车辆每次经过给定路面时测量道路轮廓,可以如本文中所描述的考虑道路轮廓的改变。另外,可以使用该聚集数据更新包括在与各种参考地标相关联的道路轮廓中的特征信号,以改变与不同参考地标相关联的参考信息、添加新的参考地标以及/或者移除不再存在于路面上的参考地标。该信息然后可以用来更新存在于路面上的不同参考地标之间的链接,如下面进一步详细阐述的。
在某些实施方式中,参考道路轮廓中的每个参考地标可以与置信水平相关联。每当车辆经过给定道路时,可以测量道路轮廓。在一些实施方式中,当所测量的道路轮廓具有与给定参考地标匹配的特征时,与给定参考地标相关联的置信水平可以增加。另一方面,每次随后测量的道路轮廓具有与给定参考地标不匹配的特征时,与给定参考地标相关联的置信水平可以降低。在某些实施方式中,一旦与给定参考地标相关联的置信水平下降到阈值以下,就可以将该参考地标从参考道路轮廓中完全移除。例如,如果参考道路轮廓包含与坑洼或其他道路特征对应的参考地标,但是沿相关联的道路行进的足够数目的车辆未能检测到该参考地标,则可以假设对应的坑洼或其他道路特征不再存在(例如,市政当局已修复了它)。例如,系统设计者、操作者或所有者可以基于许多因素例如与道路的具体部分有关的典型操作信息来选择足够的数目,典型操作信息例如车辆的每日平均经过次数、或最近经过之间的时间、或与最近经过的各个速度相比路段的平均和典型速度以及诸如天气状况和从转向和加速器输入信号推断的驾驶员行为的其他考虑因素。在这样的情况下,一旦确定参考地标不再存在,就可能期望从参考道路轮廓中去除对应的参考地标。
如上所述,包括多个参考地标的道路轮廓可以随时间改变。除了去除不再存在的参考地标之外,还可能期望添加随时间引入道路轮廓的新参考地标。例如,在某些实施方式中,可以将测量的道路轮廓添加至给定道路的参考道路轮廓以产生更新的参考道路轮廓。例如,如果特定测量的道路轮廓基本上偏离现有的参考道路轮廓(即,如果特定测量的道路轮廓内的道路特征未能对应于包括在参考道路轮廓中的参考地标),则可以在测量的道路轮廓内识别新的参考地标。可以将这些新的参考地标添加至参考道路轮廓,以创建包含先前参考地标和新的地标两者的经更新的道路轮廓。
在一些实施方式中,参考轮廓可以包括参考地标的二维网格,而不是简单地包括参考地标的线性系列。例如,针对包含多个潜在平行路径的多车道道路的参考道路轮廓可以包括地标的网格,其中网格的尺寸对应于道路中车道的数目。在某些情况下,网格的尺寸甚至可以超过道路中的车道数目,因为例如车辆可能在同一物理车道内的两个不同路径中行驶(例如,当一些车辆准备离开高速公路而其他车辆停留在其车道内以继续行驶时)。
在本文中使用的道路特征可以对应于路面上引起力输入到车辆的一部分的任何特征,或者可以由可以向车辆的定位模块提供输入的一个或更多个传感器或系统以其他方式感测。虽然本公开内容不限于任何特定类型的道路特征,但是可以使用本文中公开的任何方法和系统来考虑的适当类型的道路特征可以包括但不限于坑洼、井盖、下水道孔盖、膨胀节、冻胀、坡顶、路面的总体表面粗糙度、裂缝、道路膨胀、倾斜转弯、排水沟和/或路面上引起相关力输入到车辆的一部分或可以由车辆在经过路面时测量的道路的其他特征的任何其他适当特征。对应地,可以用于感测与路面相关联的一个或更多个参数的适当类型的传感器可以包括但不限于加速计、高度传感器、力传感器、来自车辆的悬架系统的输出,但是也可以包括诸如激光、激光雷达或雷达的非接触式距离传感器或者诸如立体摄像装置的基于视觉的传感器。因此,应当理解,本公开内容不限于仅特定类型的道路特征或检测本文中描述的那些道路特征的存在的方法,因为本公开内容不限于这种方式。
本文中描述的系统和方法可以使用诸如包括可以被包括在道路图中的多个参考地标的道路轮廓的信息来获得与路面的即将到来的部分有关的信息。例如,包括在道路图中的道路轮廓除了包括诸如高度变化、在车辆经过路面时施加至车辆的感测加速度、车辆部件与路面之间的测量距离、车辆部件与诸如道路标记或道路标记的外部特征之间的测量距离和/或可以与路面相关联的任何其他适当参数的信息之外,还可以包括与跨路面行进的位置、方向有关的信息。例如,沿着在路面上行进的一个或更多个车道的高度变化或预期加速度可以包括在道路图中。此外,取决于实施方式,可以以任何数目的不同格式提供包括在道路轮廓中的信息,包括对空间域、空间频率域、时间域的参考和/或将与道路的特定部分相关联的参考信息与来自经过道路的车辆的感测信息相关联的任何其他适当方法。
不管包括在道路图中的具体信息,可以将道路图以多种方式提供给车辆。例如,在一个实施方式中,可以将道路图存储在包括在车辆上的非暂态处理器可读存储器上。可替选地,可以使用任何适当的无线通信方法将道路图从远程数据库上载至车辆上的缓冲器。因此,车辆位置的周围和/或沿车辆的行进路径的道路图的相关部分可以包括在缓冲器中,以供车辆的一个或更多个处理器使用。当车辆经过路面时,上传至缓冲器的道路图的部分可以相应地更新以确保沿路面的即将到来部分的路面的期望部分可以包括在缓冲器中。
鉴于以上,应当理解,包括在道路图中的信息的类型以及/或者将道路图提供给车辆的方式不限于任何特定实现方式。
也可以以任何适当的方式收集包括在道路图中的信息。例如,在一些实施方式中,可以使用车辆上传感器的实时检测沿被映射的路面来记录与一个或更多个参考地标(诸如一个或更多个参考轮廓)有关的数据。这些传感器可以包括但不限于车辆上的加速计和位置传感器,以记录来自路面的输入。在一些实施方式中,可以使用其他传感器,例如激光雷达、雷达、基于光学的传感器以及/或者能够测量与路面和/或车辆相对于路面的位置有关的一个或更多个参数的任何其他适当的传感器。另外,可以使用能够在对车辆记录与路面相关联的参数期间确定车辆在路面上的位置的定位系统。例如,GNSS数据、基于差分的GNSS数据、实时动态GNSS数据、基于地形的定位系统、航位推算、卡尔曼(Kalman)滤波器和/或任何其他适当的定位系统可以用于确定车辆在与检测到的信息相关联的路面上的绝对位置。在一些实施方式中,所记录的信息可以来自单个车辆或其他来源,或者所记录的信息可以来自众包道路图,其中与特定路面有关的信息由经过该路面的多个车辆记录并且聚集以生成聚集的道路图。然而,本公开内容不限于使用以这种方式生成的道路图。可替选地,在一些实施方式中,包括在道路图中的道路特征和有关信息可以从包括已知或静态道路轮廓的其他信息源获得。例如,可以通过任何其他适当的方法来生成道路图,方法包括但不限于激光道路扫描、基于摄像装置的道路绘图和地面穿透雷达,仅举几例。
转向附图,更详细地描述了具体的非限制性实施方式。应当理解,可以单独地和/或以任何期望的组合来使用相对于这些实施方式描述的各种系统、部件、特征和方法,因为本公开内容不限于仅本文中描述的具体实施方式。
图1描绘了经过路面102的车辆100,路面可以包括多个道路特征,多个道路特征可以被表征为一个或更多个参考地标。在一些实施方式中,车辆可以包括如图2所描绘的各种传感器和控制系统。在所描绘的附图中,车辆可以包括一个或更多个处理器,例如所描绘的处理器200。处理器可以可操作地与可以用于提供车辆的通用位置的可选通用定位系统(例如所描绘的GNSS系统202)耦接。系统还可以包括一个或更多个传感器204、一个或更多个车辆系统206、非暂态处理器可读存储器208以及在一些实施方式中与处理器可操作地耦接的无线通信系统210。适当类型的传感器可以包括但不限于:车辆的速度计输出;速度传感器、轴编码器;通常不被认为是传感器但是可以向处理器输出相关信息的系统,相关信息包括:转向输入、制动输入、来自悬架系统的高度输出、来自悬架系统、加速度传感器、诸如激光、激光雷达或雷达的非接触式位移传感器的速度测量结果;以及/或者包括在车辆中可以向处理器输出期望的信号以用于本文中描述的方法和系统中的任何其他适当类型的传感器或设备。例如,一个或更多个传感器可以感测与车辆正在经过的路面相关联的一个或更多个参数。在将诸如缓冲的道路图的信息传送至车辆的实施方式中,无线通信系统可以在处理器与一个或更多个远程数据库和/或服务器之间传输信息。与一个或更多个处理器相关联的存储器可以包括处理器可执行指令,当处理器可执行指令被执行时,使处理器和相关联的系统执行本文中描述的任何方法。取决于实施方式,处理器可以是车辆的中央处理器、与定位系统相关联的一个或更多个处理器、与包括在车辆中的单独系统相关联的一个或更多个处理器、前述的组合和/或任何其他适当的处理器,因为本公开内容不限制用于执行所公开的方法的处理器位于何处。
图3示出了应用于跨示例性路段行进的车辆的共同车道的概念。关于图3使用的所有附图标记都是示例性的并且仅用于说明目的。在所示的示例中,示例性路段具有两个实际车道,如当车辆经过所指示的路段时在两个分开的车道之间延伸的虚线车道分隔器所示。此外,路段的左车道包含坑洼308。在经过路段的100辆车辆中,54辆开始于左车道,并且46辆开始于右车道。所经过的路径如下:(i)25辆开始于左车道并且停留在左车道中,经过坑洼;(ii)15辆开始于左车道,改变至右车道以避开坑洼,然后返回至左车道;(iii)10辆开始于左车道,改变至右车道以避开坑洼,然后停留在右车道;(iv)46辆开始于右车道并且停留在右车道中。剩余的四个车辆采取一些不被任何其他车辆重复的随机路径。因此,尽管路段仅包含两条实际车道,但是存在四个不同的共同车道,如附图所示,对应于:跟随右车道的第一共同车道300;跟随左车道的第二共同车道302;通过切换至右车道来避开坑洼并且返回至左车道的第三共同车道304;以及通过切换至右车道来避开坑洼并且停留在右车道的第四共同车道306。因此,应当理解,虽然在附图中示出了两车道道路,但是包括跨道路的宽度延伸的任何数目的车道的道路可以与若干不同的共同车道相关联,共同车道的数目可以大于或等于道路上存在的车道的数目。
在某些实施方式中,共同车道可以针对给定车辆而被个性化。因此,例如,不是在上述示例中指代100辆不同的车辆,而是可以通过评估同一车辆行驶同一路段的100个不同实例来确定相关的共同车道。可替选地或附加地,共同车道甚至可以针对给定的驾驶员被进一步个性化,使得可以通过评估具体驾驶员所采取的路径来确定共同车道。
如上所述,在一些实施方式中,与道路的特定部分相关联的参考道路轮廓可以包括在路面的横向和纵向维度上沿路面定位在不同位置的多个参考地标的网格。图4示出了示例性路段,其可以是与以上相对于图3讨论的路段相同的路段,覆盖有对应的参考道路轮廓。参考道路轮廓包括标记为L1-L8的参考地标的二维网格。所示的路段包括与参考地标L5相关联的上述坑洼308。仅出于说明的目的,参考地标被示出为规则地间隔开,但是实际上可以不存在这样的限制,因为参考地标可以在它们之间具有与路面上存在的实际道路特征对应的任何横向和/或纵向间隔。
在该示例性情况下,可以将图3中所示的每个共同车道认为是将若干参考地标“链接”在一起的“链”。参照图4,共同车道1可以由以下参考地标的链限定:L1-L3-L5-L7;共同车道2由链L2-L4-L6-L8限定;共同车道3由L1-L4-L6-L7限定;并且共同车道4由L1-L4-L6-L8限定。也就是说,在某些实施方式中,参考道路轮廓的每个参考地标可以链接至一个或更多个其他参考地标。这些链接可以通过评估例如同一车辆的过去驾驶、多个车辆的过去驾驶和/或同一驾驶员的过去驾驶来建立,以确定车辆跨路面行进的路径通常经过的地标的特定序列。
图5示出了与针对真实路段的实际参考道路轮廓测量的参考道路轮廓类似的参考道路轮廓。通过测量经过真实路段的多个车辆的道路轮廓来生成道路轮廓。如在本文中描述的以及在国际专利申请PCT/US2020/023610中更详细地描述的,参考地标506在道路轮廓中被识别。然后将包括所识别的参考地标的所测量的道路轮廓彼此合并以形成聚集的道路图,并且创建与不同车辆的实际行进路径相关联的连续地标之间的链接508。地标之间的线示出了基于沿每个车辆的行进路径依次经过的参考地标而确定的链接。在一些实施方式中,可以基于以下来识别参考地标之间的链接:经过包括两个特定参考地标的路径的任何车辆、经过两个参考地标之间的路径的车辆的阈值数目、经过参考地标之间的路径的车辆的概率分布、车辆经过和所遇到的参考地标的统计分析和/或将两个或更多个地标彼此关联的任何其他适当方法。
如从图中可以看出,在参考地标之间延伸的链接形成共同车道。值得注意,以这种方式限定共同车道使得能够在不必知道关于特定路段所具有的实际车道数目的任何先验数据的情况下识别可能的路径。例如,如从图中可以看出,路段以分别包括第一车道500、第二车道502和第三车道504的三车道道路开始。第三车道结束,使得道路成为两车道道路,如从位于第三线中的参考地标506延伸至位于第一车道和第二车道中的对应参考地标的链接所指示的。因此,参考道路轮廓包括多个示出的参考地标的网格,其中每个地标与道路轮廓中的一个或更多个其他参考地标链接。在一些实施方式中,可以在给定的时间段内记录已过与两个相邻参考地标之间的链接对应的路面的特定部分的车辆的数目。给定链接的这些经过次数可以用于或者增强或者去除两个参考地标之间的链接,如以下基于适当阈值或其他适当参数进一步描述的。
如上所述,在一些实施方式中,可能期望基于由随着时间经过路面的一个或更多个车辆提供的数据来更新与路面的特定部分相关联的参考信息。例如,在一些实施方式中,可以经由差分GNSS或者从通常包括一个或更多个专用传感器的专用车道识别系统获取车道数据,所述一个或更多个专用传感器包括例如激光、雷达、激光雷达、地面穿透扫描、道路安装的应答器、可以识别车道标记和其他路径点的车载摄像装置等。如果车辆配备基于道路的定位系统和有能够确定车道数据的车道识别系统二者,在某些实施方式中,车辆可以在其经过给定路段时同时测量其道路轮廓和车道数据(例如,车辆在路面上的横向位置)。然后可以更新与该路段对应的参考道路轮廓,使得该参考道路轮廓的一个或更多个参考地标与该路段的具体车道相关联。以上提供了用于更新参考道路轮廓的示例性方法。以这种方式,当不具有车道识别系统的第二车辆随后经过道路时,可以仅使用基于道路的定位系统,通过将其测量的道路轮廓与关联于具体车道的参考地标进行匹配来确定第二车辆的车道位置(即,其在哪个车道中行进)。
可替选地或附加地,即使差分GNSS和/或车道识别传感器系统不可用,仍然可以基于关于哪些具体车轮遇到参考地标的历史(例如,众包)数据的统计分析来确定或至少估计参考地标的横向位置。例如,在某些实施方式中,车辆可以通过使用多个传感器(例如,加速计、悬架位置传感器或其他适当的传感器)来测量在经过道路时的道路轮廓,其中每个传感器与车辆的特定车轮相关联。在这些实施方式中,每个车轮可以测量不同的道路轮廓。例如,如果车辆的右车轮遇到小坑洼,但是左车轮没有遇到坑洼,则在右车轮处测量的道路轮廓将不同于在左车轮处测量的道路轮廓。如果一致地观察到特定参考地标仅被车辆的某一侧上的车轮遇到,或者特定参考地标更经常地被车辆的某一侧上的车轮遇到,则可以将参考地标的横向位置数据假设为更强的置信度。因此,针对车辆的多个车轮测量的道路轮廓可以用于提供关于道路特征(其可以是参考地标)相对于车辆的位置的信息。
在某些实施方式中,多个不同的车辆可以多次经过单个路面(或者同一车辆可以多次经过单个路面)。在某些实施方式中,每当经过路面的给定车辆遇到(或“撞击”)参考地标时,可以记录遇到参考地标的给定车辆的具体车轮。当参考地标被重复地经过时,可以确定以下的比率:(a)车辆的右车轮遇到参考地标的实例的数目(称为“右撞击”),以及(b)车辆的左车轮遇到参考地标的实例的数目(称为“左撞击”)。在某些实施方式中,至少部分地基于在给定时间段内观察到的右撞击与左撞击的比率或其他比较,可以确定或估计与参考地标相关联的横向位置数据和/或车道数据。该横向位置数据和/或车道数据可以与特定参考地标相关联并且存储在参考道路轮廓中。
作为示例,图6示出了覆盖有多个参考地标400至参考地标416的示例性道路。最初,每个参考地标的纵向位置可以是已知的(例如,在零周),但是横向位置(即,参考地标位于哪个具体车道内、或者参考地标位于单个车道内的何处)可能是未知的。例如,当参考地标406位于右车道的最右边部分时,很可能的是,当参考地标406被任何车辆遇到时,它仅被给定车辆的右车轮遇到,并且如果有的话,非常罕见地被任何车辆的左车轮遇到。随着时间的推移,可以使用针对特定参考地标的右撞击与左撞击的数目的比较来估计参考地标在路面上的位置。这可以使用比率、撞击的相对百分比、撞击分布的统计分析和/或用于比较在经过路面的车辆的任一侧上撞击的数目的任何其他适当的度量来完成。例如,由于参考地标位于最右边车道的右边,随着时间的推移,参考地标406的右撞击与总撞击的比率可以接近近似于1或等于1的值,或大于0.7但是小于1的数,或大于0.8但是小于1的数,或大于0.9但是小于1的数。相反地,图6中的参考地标414的左撞击与总撞击的比率可以接近近似于1或等于1的值,或大于0.7但是小于1的数,或大于0.8但是小于1的数,或大于0.9但是小于1的数。对于跨越两个车道的参考地标,类似于图6中的参考地标416,右撞击与总撞击的比率可以接近近似于0.5的值,并且左撞击与总撞击的比率也接近0.5。如所示出的,至少部分地基于具体参考地标的右撞击或左撞击与总撞击的历史比率,可以估计参考地标的横向位置或车道数据。在任一情况下,不管用于执行比较的具体度量如何,在一些实施方式中,由与位于车辆任一侧上的车轮相关联的传感器测量的所测量道路轮廓可以用于确定路面上的多个参考地标的相对横向位置。
可替选地或附加地,速度数据可以用于确定参考地标位于哪个车道中。在某些类型的道路中,一个车道可以比同一道路的另一车道具有更高的平均速度(例如,高速公路的左车道通常比同一高速公路的右车道具有更高的平均速度)。在某些实施方式中,多个不同的车辆可以多次经过单个路面(或者同一车辆可以多次经过单个路面)。在某些实施方式中,每当经过路面的给定车辆遇到参考地标时,可以记录车辆的操作速度。通过将遇到第一参考地标的车辆的第一平均操作速度与遇到第二参考地标的车辆的第二平均操作速度相比较,可以推断第一参考地标和第二参考地标二者的车道数据。例如,如果遇到图6中的地标404的车辆的平均操作速度是75mph并且遇到地标410的车辆的平均操作速度是55mph,则可以推断地标404位于左车道(其通常是许多高速公路中的“快速”车道)中并且地标410位于右车道中。因此,可以至少部分地基于遇到地标的车辆的操作速度的历史数据来确定地标的车道数据。在一些实施方式中,在计算撞击特定地标的车辆的平均速度时,可以忽略以小于预设阈值速度(例如,速度限制的10%、20%或30%)行进的车辆,以避免在所有交通以低速移动时对汽车进行计数。
在一些实施方式中,当要确定地标的横向位置时,系统可以经历其中监测车辆与特定路段中的所有这样的地标的交互的学习阶段。表I示出了这样的学习阶段的假设结果。在学习过程(WK0)开始时,存在零次左撞击和零次右撞击。在学习阶段结束时,所有参考地标已被撞击,撞击总数与左右撞击率对于许多参考地标基本上不同。通过考虑这些撞击的统计和/或每个参考地标被撞击的平均速度,可以确定参考地标中的一个或更多个的横向位置,并且可以将各种地标的该横向位置信息合并到道路轮廓中,该道路轮廓存储在与包括参考地标的道路部分相关联的道道路图中。因此,在学习阶段之后,可以至少部分地基于车辆的右车轮和/或左车轮是否撞击给定参考地标来确定车辆的横向位置。
表1
在某些实施方式中,GNSS或其他已知的定位系统(例如,GPS)可以用于确定车辆在其上行进的路段,但是可能无法提供具体的车道数据,要么因为车辆缺乏专门的车道识别系统要么因为环境因素(例如,缺乏可见度)妨碍使用这样的车道识别系统。在这些情况下,基于道路的定位系统可以用于识别车辆在其中行进的共同车道或实际车道。
在某些实施方式中,可以使用GNSS或一些其他已知的定位系统来识别车辆在其上行进的路段。在这样的实施方式中,路段可以是已知的,但是精确的位置和车道是未知的。然后,车辆可以在其经过路段时测量道路轮廓,并且可以将所测量的轮廓与包括多个参考地标的参考道路轮廓相比较。如果所测量的轮廓与参考地标之一匹配,则可以以适当的精度水平定位车辆。在某些实施方式中,如果所测量的道路轮廓的部分与参考地标之一之间的相似性超过阈值,则可以认为匹配发生。在某些实施方式中,仅在:(i)所测量的道路轮廓的部分与参考地标之一之间的相似性超过第一阈值,并且(ii)所测量的道路轮廓的该部分与路段中的参考地标的任何其他参考地标之间的相似性不超过第二阈值时,才可以认为匹配发生。基于阈值的适当类型的比较可以包括但不限于使用相关矩阵来比较道路轮廓之间的相对相关性、同时计算位置对准的范围的相关性以允许原始位置信号中的小误差以及/或者任何其他适当的比较方法,因为本公开内容不限于用于确定所测量的轮廓与参考轮廓之间的相似性的具体方法。
在某些实施方式中,代替寻找所测量的道路轮廓与各个参考地标之间的匹配,可以将所测量的道路轮廓与多个参考地标的序列相比较,其中每个序列形成先前识别的共同车道的一部分。通过查找与共同车道内的参考地标的序列的匹配,可以获得比在查找相对于位于路面上任何地方的各个参考地标的匹配时更高的置信水平。例如,再次参照图4,车辆可以在示例性路段上行进,同时测量路面的道路轮廓并且将测得的道路轮廓与示例性参考道路轮廓相比较。在一个可能的示例中,在所示路段上行进的车辆的测量的道路轮廓可以显示出与地标L3 60%的相似性,以及与L8 50%的相似性。仅基于这些值,不可能以足够的置信度确定车辆是否位于L3的位置或L8的位置。然而,如果还确定的是紧接在先前,所测量的道路轮廓显示出与L1 70%的相似性以及与L6仅10%的相似性。在这种情况下,由于L1-L3形成先前识别的共同车道,因此车辆实际上位于L3的位置处的置信度可能更高。因此,各种方法和系统可以使用关于形成路面上的共同车道的不同参考地标之间的链接的信息来确定特定测量的道路轮廓是否对应于路面上的一个或更多个参考地标。如以上示例中所示出的,这可以以下来完成:通过将所测量的轮廓与位于路面上的多个参考轮廓相比较,并且至少部分地基于所测量的道路轮廓与参考地标的总体相似性以及特定参考地标是否与车辆先前遇到的参考轮廓链接来选择参考轮廓。
除了以上之外,将给定路段中的所测量的道路轮廓与每个参考地标相比较可能在计算上是密集的。因此,在某些实施方式中,一旦确定了车辆的足够精确的位置,则仅将所识别的位置的共同车道中的随后地标与所测量的道路轮廓相比较。作为示例,再次返回至图4,可以确定车辆最近经过的参考地标L6。在一个实施方式中,可以将随后测量的道路轮廓与所有参考地标L1至L8相比较。然而,这可能需要相当大的计算力。可替选地,通过考虑包括L6的共同车道,可以确定L7和L8是位于作为包括L6的共同车道的一部分的车辆行进路径前方的仅有的后续参考地标。因此,仅将随后的所测量的道路轮廓与L7和L8相比较在计算上可以更高效。因此,不是将所测量的道路轮廓与所有附近的参考地标相比较,而是可以更高效地是将所测量的道路轮廓仅与形成包括先前匹配的参考轮廓的共同车道的一部分的参考地标相比较。换言之,在一些实施方式中,路面的一个或更多个测量的参数(例如测量的道路轮廓)的比较可以限于对链接至车辆已遇到的一个或更多个参考地标的参考地标进行分析。例如,所分析的参考地标可以限于链接至车辆已遇到的最后参考地标的参考地标。同样,这可以帮助提高比较处理的计算效率和准确性。
除了以上之外,可能期望知道车辆的前方是什么,使得一个或更多个车辆系统(例如,主动悬架系统、半主动悬架系统、转向系统、制动系统、推进系统)可以在遇到路面的即将到来的部分上的各种道路特征之前主动地准备(例如,通过调整车辆高度、悬架阻尼参数、制动压力、发动机速度和/或任何其他操作参数等)。在某些实施方式中,一旦车辆已被定位到给定参考地标的位置,则可以预测的是,车辆将跟随给定参考地标所属于的共同车道之一。通过基于先前识别的共同车道预测车辆可能跟随的路径,车辆系统可以主动地调整车辆上的一个或更多个系统的各种操作参数,并且/或者系统可以基于来自沿车辆的所预测的行进路径定位的道路特征的期望输入主动地操作。例如,在某些实施方式中,车辆的路径可以被预测并且可以与置信水平相关联。在某些实施方式中,可以至少部分地基于:(a)给定参考地标所属于的共同车道的数目,和/或(b)给定参考地标已链接到的其他参考地标的数目,来确定该置信水平。例如,返回至图4,地标L2属于仅一个共同车道(L2-L4-L6-L8)并且仅链接至一个其他参考地标L4。另一方面,地标L6属于几个共同车道并且已链接至两个其他参考地标L7和L8。因此,定位在地标L2处的车辆将行进至地标L4的位置的预测比定位在地标L6处的车辆将行进至地标L8的位置的预测可以与更高的置信水平相关联。因此,在某些实施方式中,本文中提到的各种车辆系统的控制可以部分地基于车辆的预测路径和与这样的预测相关联的置信水平二者。在某些实施方式中,能够主动调整和/或操作的车辆系统可以仅在与预测路径相关联的置信水平超过阈值时调整一个或更多个参数。
在完全主动或半主动悬架系统的一些实施方式中,关于车辆前方道路的信息可以用于防止撞击阻尼器的延伸和/或压缩端部止挡件。例如,基于关于车辆前方的道路轮廓的信息,可以确定的是,在车辆向前移动的速度下,阻尼器的预期竖直行进可以大于其可用行进范围。然后,控制器可以命令各种受控阀或致动器修改阻尼器的某些操作参数,以避免撞击端部止挡件中的一个或更多个。可替选地或另外地,可以调整车辆的乘坐高度,以增加阻尼器在需要额外范围的一侧(压缩或延伸)上的可用行进范围。
在某些实施方式中,可以以一种或更多种方式来确定车辆偏离车辆正在行进的当前共同车道的车道改变或共同车道改变。在某些实施方式中,来自一个或更多个传感器或车辆系统的信息可以用于检测与对应于实际车道或共同车道的路径的偏差。该信息可以包括:例如,与GNSS给出的路径的偏差;车辆横摆率和/或转向信息,其超过用于沿特定共同车道的期望行进路径的横摆率和/或转向输入(例如,超过期望横摆率和/或转向输入与实际横摆率和/或转向输入之间的阈值幅度差);使用存在的摄像装置信息来查看正在被跨越的车道标记;以及/或者能够确定车辆何时离开特定共同车道的任何其他适当的方法。替代地或附加地,当所测量的道路轮廓未能与期望参考地标的阈值数目匹配时,可以假设车道改变。在某些实施方式中,当由于这些原因中的任何原因而怀疑车道改变或共同车道改变时,基于道路的定位系统可以重新开始定位处理,并且可选地,可以防止车辆系统的主动调整,直到识别出新的共同车道。
图7示出了用于实现用于提供具有期望的参考地标和相关联的链接的道路图的映射模块的一种方法。根据该实施方式,可以在各种位置处存储和执行映射模块,各种位置包括通过与远离使用所得的道路图的车辆的中央数据库和/或服务器相关联的处理器。例如,可以使用集中式数据库来聚集用于编译道路图的信息,然后可以将该信息分发到各个车辆以实现本文中所描述的方法。然而,在单个车辆上的处理器上实现映射模块的实施方式也被考虑,因为本公开内容不限于此。
在所描绘的方法中,在600处,可以相对于路面上的位置感测与路面相关联的一个或更多个参数。如前所述,可以以任何数目的不同方式获得路面参数和位置数据。例如,可以从经过路面多次的或者单个车辆或者多个车辆聚集信息。可替选地,可以使用如先前提及的专用传感系统收集信息。在任一情况下,可以提供包括感测参数和位置信息的适当数据集。在获得期望的信息之后,在602处,可以使用路面的一个或更多个参数和相关联的位置信息来识别路面上的多个参考地标及其位置。如先前所述,可以通过任何适当的方法来完成参考地标的该识别,所述方法包括但不限于:计算在不同位置偏移处的多个道路轮廓段与地标之间的相关性,以及识别在低于预定阈值的距离偏移内具有最高相关性的一个。然后,在604处,可以使用所识别的多个参考地标和这些参考地标的相关联位置来生成与路面的纵向和横向尺寸对应的网格(例如多维网格)。例如,多维网格可以包括等于或大于先前描述的特定位置处的道路上的车道数目的多个维度。网格可以包括与参考地标有关的信息以及与每个参考地标相关联的对应位置信息。
在606处,可以使用与经过所映射的路面的多个车辆有关的信息来确定包括在网格中的参考地标之间的链接。该信息可以对应于包括来自车辆的传感器的适当感测道路输入的所测量的道路轮廓,该感测道路输入可以对应于用于对路面的该特定部分的参考道路轮廓进行表征的一个或更多个参数。该信息可以在单个车辆上感测和使用,并且/或者该信息可以从一个或更多个车辆传送至一个或更多个远程定位的服务器和/或数据库。不管信息聚集在何处或如何聚集,可以如以上所描述的对来自路面的多次经过的所测量的道路轮廓进行分析以识别车辆遇到哪些参考地标,以及以何种顺序遇到那些参考地标。如前所述,车辆在两个地标之间的每次经过可以用于加强这两个地标之间的关系。例如,一旦两个参考地标之间的关联(例如车辆经过的次数)超过阈值,则在网格中可以包括两个随后布置的参考地标之间的链接。对应地,在其中基于实际使用数据来更新道路图的实施方式中,如果在给定时间段内经过两个参考地标之间的道路区段的车辆的数目随时间下降到阈值以下,并且/或者如果车辆的阈值数目未能识别这些地标中的一个或两个,则可以从网格中去除链接和/或参考地标。然而,不管具体链接如何随时间生成和/或保持,可以提供包括多个参考地标以及在这些参考地标之间延伸的链接的网格。
在608处,可以生成包括所链接的多个参考地标的网格和它们在路面上的位置的参考道路轮廓。在一些情况下,参考道路轮廓可以简单地包括与参考地标中的每一个相关联的路面的一个或更多个参数。然而,还设想了其中与在参考地标之间延伸的路面的部分相关联的道路参数的部分包括在参考道路轮廓中的实施方式。一旦已生成了参考道路轮廓,就可以将包括参考道路轮廓的道路图存储在非暂态处理器可读存储器中,以用于将来回调和/或与本文中在610处描述的任何方法和系统一起使用。
应当理解,虽然附图中所描绘的实施方式示出了用于生成包括具有多个所链接的参考地标的期望参考轮廓的道路图的线性处理,但是也可以设想其中随时间更新与道路图的一个或更多个区段相关联的参考轮廓的实施方式。例如,如先前所描述的,在一些实施方式中,由经过包括在道路图中的道路的各个部分的车辆所感测的信息可以用于随时间更新参考地标和/或在参考地标之间延伸的链接,以确保道路图相对于路面上存在的实际状况是当前的。因此,应当理解,本公开内容不限于随时间生成和/或保持道路图的具体方式,因为本公开内容不限于此。
图8示出了可以由定位模块实现的方法的一个实施方式,该定位模块可以用于使用包括在道路图中的所链接的参考地标来确定车辆在路面上的位置。根据实施方式,定位模块可以简单地用于确定车辆在路面上的位置。然而,也考虑使用定位模块或来自定位模块的输出以控制设置在车辆上的系统的一个或更多个操作参数和/或操作的实施方式,如下面进一步详细描述的。根据特定实施方式,可以在车辆上的各个位置处存储和执行定位模块。这可以包括车辆的中央处理器、用于定位模块的专用处理器、与车辆的各种系统相关联的分布式处理器、前述的组合和/或任何其他适当的布置,因为本公开内容不限于在何处或如何实现这些处理。
在所描绘的实施方式中,在700处,可以识别车辆位置和沿路面的行进路径。例如,来自诸如全球导航卫星系统(GNSS)、基于地形的定位系统和/或任何其他适当的定位系统的定位系统的信息以及来自诸如自主车辆控制系统的适当系统的信息可以被处理器使用以识别车辆在道路上的近似位置。然后,在702处,处理器可以获得包括诸如与车辆正在经过的道路的部分有关的参考道路轮廓的信息的道路图。根据特定实施方式,处理器可以通过从存储器中调出期望的道路图、将其从远程数据库和/或服务器下载至车辆的数据加载到缓冲器中以及/或者用于获得包括路面的期望部分的道路图的任何其他适当方法来获得期望的道路图。
在704处,车辆可以感测与车辆正在经过的道路的路面有关的一个或更多个参数。如前所述,一个或更多个参数可以对应于能够表征路面的任何适当参数。这可以包括诸如以下的参数:加速度、力输入、高度变化、前述的组合和/或可以用于表征路面的任何其他适当类型的参数。另外,可以使用传感器、来自车辆的各种系统的输出和/或可以向处理器提供期望输入的任何其他适当设备来感测一个或更多个参数。不管如何感测一个或更多个参数,在706处,可以将可以与所测量的道路轮廓对应的一个或更多个感测的参数与参考道路轮廓相比较以识别车辆已遇到的一个或更多个参考地标。该比较可以使用先前公开的用于比较所测量的道路轮廓和参考道路轮廓的方法中的任何或者可以用于表征路面上的参考地标的其他适当信息来完成。在识别车辆已遇到的参考地标之后,在708处,可以识别链接至车辆遇到的最后参考地标的一个或更多个相关联的参考地标。例如,可以使用包括在路面上的参考地标的网格中的链接来识别包括最后遇到的参考地标的一个或更多个共同车道。这可以包括识别相对于车辆在路面上的行进方向沿一个或更多个共同车道设置在车辆前方的所链接的参考地标。然后这些共同车道可以用于基于所链接的参考地标来预测车辆在路面上的行进路径。与一个或更多个预测路径相关联的置信水平可以是链接至车辆的当前位置的共同车道的数目和对应的参考地标的函数。
在一些情况下,在710处,可以基于车辆的预测路径使用沿预测路径延伸到下一个所识别的参考地标的道路轮廓来控制车辆的一个或更多个系统。例如,系统的一个或更多个操作参数可以基于包括在沿车辆所位于的共同车道延伸的道路部分中的一个或更多个即将到来的道路特征而改变。可替选地,可以操作一个或更多个系统以抢先地响应一个或更多个即将到来的道路特征。以上进一步详细描述了用于沿路面上的一个或更多个共同车道基于车辆的预测路径来操作车辆的各种系统的具体方法。
在一些实施方式中,可能期望降低计算成本并且/或者提高与使用所链接的参考地标相关联的准确度。因此,在712处,定位模块可以继续感测与路面有关的一个或更多个参数,以提供例如测量的道路轮廓。在714处,可以将路面的一个或更多个感测参数(例如测量的道路轮廓)与沿车辆的一个或更多个预测路径(例如一个或更多个共同车道)延伸的参考道路轮廓相比较。例如,可以将所测量的道路轮廓与关联于与车辆已遇到的参考地标(例如最后的参考地标)链接的一个或更多个参考地标的一个或更多个参考道路轮廓相比较。这可以通过限制所测量的道路轮廓与关联于一个或更多个所链接的参考地标的那些参考道路轮廓的比较来改进计算成本和准确度二者。
除了以上之外,在一些实施方式中,在716处,系统还可以确定是否已发生了来自车辆沿其行进的共同车道的车道改变。例如,如先前所描述的,大于路面的给定部分的阈值的偏航率、线传感器、大于路面的给定部分的阈值的转向输入以及/或者任何其他适当的系统和/或方法可以用于确定车辆是否已偏离车辆正在行进的共同车道。
在718处,可以确定所测量的道路轮廓是否与沿预测行进路径的期望参考道路轮廓匹配,以及是否检测到车道改变。假设所测量的和所预测的参考道路轮廓匹配并且没有检测到车道改变,则处理可以继续识别随后遇到的参考地标并且使用链接至所遇到的参考地标的参考地标来预测车辆的路径。然而,如果所测量的和所预测的参考道路轮廓不匹配并且/或者如果检测到车道改变,则处理可以返回至步骤704,在步骤704处,可以通过使用在706处与车辆所位于的路段的参考道路轮廓的更一般的比较来识别车辆遇到的参考地标,从而确定车辆的大致位置。然后如以上先前所描述的继续处理。
本文中所描述的技术的上述实施方式可以以多种方式中的任何来实现。例如,可以使用硬件、软件或其组合来实现实施方式。当以软件实现时,软件代码可以在任何合适的处理器或处理器集合上执行,而不管是在单个计算设备中提供还是分布在多个计算设备中。这样的处理器可以实现为集成电路,集成电路部件中具有一个或更多个处理器,所述集成电路部件包括本领域已知的市售的集成电路部件,例如CPU芯片、GPU芯片、微处理器、微控制器或协处理器。可替选地,处理器可以在诸如ASIC的定制电路或由配置可编程逻辑器件产生的半定制电路中实现。作为又一可替选方案,无论是市售的、半定制的还是定制的,处理器都可以是较大电路或半导体器件的一部分。作为具体示例,一些市售的微处理器具有多个核,使得这些核中的一个或这些核的子集可以构成处理器。然而,可以使用任何适当格式的电路系统来实现处理器。
此外,处理器可以与一个或更多个输入和输出设备相关联。除了其他方面,这些设备可以用于呈现用户接口。可以用于提供用户接口的输出设备的示例包括用于输出的视觉呈现的显示屏和用于输出的听觉呈现的扬声器或其他声音生成设备。可以用于用户接口的输入设备的示例包括键盘、单个按钮和指示设备例如鼠标、触摸屏、触摸板和数字化平板。作为另一示例,处理器可以通过语音识别或以其他听觉格式接收输入信息。
这样的处理器可以通过任何适当形式的一个或更多个网络互连,网络包括局域网或广域网,例如企业网或因特网。这样的网络可以基于任何合适的技术并且可以根据任何合适的协议来操作,并且可以包括无线网络、有线网络或光纤网络。
此外,本文中概述的各种方法或过程可以被编码为软件,该软件能够在采用多种操作系统或平台中的任一种的一个或更多个处理器上执行。另外,这样的软件可以使用许多合适的编程语言和/或编程工具或脚本工具中的任何来编写,并且还可以被编译为在框架或者虚拟机上执行的可执行机器语言代码或中间代码。
在这方面,本文中描述的实施方式可以被实施为编码有一个或更多个程序的计算机可读存储介质(或多个计算机可读介质)(例如,计算机存储器、一个或更多个软盘、致密盘(CD)、光盘、数字视频盘(DVD)、磁带、闪存、RAM、ROM、EEPROM、现场可编程门阵列或者其他半导体器件中的电路配置或其他有形计算机存储介质),当所述一个或更多个程序在一个或更多个计算机或其他处理器上被执行时,执行实现以上讨论的各种实施方式的方法。如根据前述示例明显的是,处理器可读存储介质可以将信息保留足够的时间以提供非暂态形式的处理器可执行指令。这样的一个或多个处理器可读存储介质可以是可传输的,使得存储在其上的一个或多个程序可以被加载至一个或更多个不同的计算装设备其他处理器上,以实现如以上所讨论的本公开内容的各个方面。如本文中所使用的,术语“处理器可读存储介质”或“处理器可读存储器”仅涵盖可以被认为是制造品(即,制品)或机器的非暂态处理器可读介质。可替选地或附加地,本公开内容可以被实施为除了处理器可读存储介质之外的处理器可读介质,例如传播信号。
在本文中以一般意义使用术语“程序”或“软件”来指代可以被采用对计算设备或其他处理器进行编程以实现如以上讨论的本公开内容的各个方面的任何类型的计算机代码或计算机可执行指令集。另外,应当理解,根据该实施方式的一个方面,当被执行时执行本公开内容的方法的一个或更多个计算机程序不需要驻留在单个计算设备或处理器上,而是可以以模块化方式分布在许多不同的计算机或处理器之间,以实现本公开内容的各个方面。
处理器可执行指令可以是由一个或更多个处理器或其他设备执行的多种形式,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。通常,程序模块的功能可以在各种实施方式中按照期望进行组合或分布。
本文中所描述的各实施方式可以被实施为已提供了示例的方法。作为该方法的一部分执行的动作可以以任何合适的方式排序。因此,可以构造以与所示出的顺序不同的顺序来执行动作的实施方式,即使在说明性实施方式中被示出为顺序的动作,实施方式也可以包括同时执行一些动作。
此外,一些动作被描述为由“用户”进行。应当理解,“用户”不必是单个个体,并且在一些实施方式中,可以由个体的团队和/或个体结合计算机辅助工具或其他机制来执行可以归因于“用户”的动作。
虽然已结合各种实施方式和示例描述了本发明,但是本发明并不意在将本教导限制于这样的实施方式或示例。相反地,如本领域技术人员将理解的,本教导包含各种可替选方案、修改和等同物。因此,前面的描述和附图仅作为示例。
Claims (36)
1.一种定位车辆的方法,所述方法包括:
感测与所述车辆正在经过的道路的路面相关联的一个或更多个参数;
使用所感测的所述一个或更多个参数来识别所述车辆已遇到的所述道路上的第一参考地标;
识别所述道路上的链接至所述第一参考地标的第二参考地标;以及
预测所述车辆将经过所述路面的在所述第一参考地标与所述第二参考地标之间延伸的部分。
2.根据权利要求1所述的方法,还包括:将所述一个或更多个参数与参考道路轮廓相比较以识别所述第一参考地标。
3.根据权利要求2所述的方法,还包括:获得所述参考道路轮廓。
4.根据权利要求3所述的方法,其中,所述参考道路轮廓包括位于所述路面上的多个参考地标的网格,并且其中,所述网格的每个参考地标链接至所述网格中的至少一个其他参考地标。
5.根据权利要求1所述的方法,还包括:至少部分地基于所述第一参考地标的位置来确定所述车辆在所述路面上的横向位置。
6.根据权利要求1所述的方法,还包括:继续感测所述一个或更多个参数,并且将所述一个或更多个参数与在所述第一参考地标与所述第二参考地标之间延伸的参考道路轮廓相比较。
7.根据权利要求1所述的方法,还包括:在所述车辆遇到所述第二参考地标之前,至少部分地基于从在所述第一参考地标与所述第二参考地标之间包含地延伸的参考道路轮廓和所述第二参考地标的特征的组中选择的一个或更多个来控制所述车辆的系统。
8.根据权利要求7所述的方法,还包括:确定与所述预测相关联的置信水平,其中,所述置信水平至少部分地基于链接至所述第一参考地标的参考地标的总数来确定;并且其中,所述车辆的系统至少部分地基于所确定的置信水平来控制。
9.一种定位车辆的方法,所述方法包括:
感测与所述车辆正在经过的道路的路面相关联的一个或更多个参数;
至少部分地基于所感测的所述一个或更多个参数来识别所述车辆已遇到的所述道路上的第一参考地标;
当所述车辆经过所述路面时继续感测所述一个或更多个参数;以及
将所述一个或更多个参数仅与关于所述路面的在所述第一参考地标与链接至所述第一参考地标的至少一个参考地标之间包含地延伸的部分的信息相比较,以确定所述车辆在所述路面上的位置。
10.根据权利要求9所述的方法,还包括:将所述一个或更多个参数与参考道路轮廓相比较以识别所述第一参考地标。
11.根据权利要求10所述的方法,还包括:获得所述参考道路轮廓。
12.根据权利要求1所述的方法,其中,所述参考道路轮廓包括位于所述路面上的多个参考地标的网格,并且其中,所述网格的每个参考地标链接至所述网格中的至少一个其他参考地标,其中,所述第一参考地标和链接至所述第一地标的所述至少一个参考地标是所述多个参考地标的一部分。
13.根据权利要求9所述的方法,还包括:确定所述车辆在所述路面上的横向位置。
14.根据权利要求9所述的方法,还包括:在所述车辆遇到链接至所述第一参考地标的所述至少一个参考地标之前,至少部分地基于从在所述第一参考地标与所述至少一个参考地标之间包含地延伸的参考道路轮廓和所述至少一个参考地标的特征的组中选择的一个或更多个来控制所述车辆的系统。
15.根据权利要求9所述的方法,还包括:至少部分地基于所感测的所述一个或更多个参数来识别链接至所述第一参考地标的所述至少一个参考地标。
16.根据权利要求15所述的方法,还包括:预测所述车辆将经过所述路面的在所述第一参考地标与链接至所述第一参考地标的所述至少一个参考地标之间延伸的部分。
17.一种车辆,包括:
一个或更多个传感器,所述一个或更多个传感器被配置成感测与所述车辆正在经过的道路的路面相关联的一个或更多个参数;
处理器,所述处理器可操作地耦接至所述一个或更多个传感器,其中,所述处理器被配置成:
当所述车辆正在经过所述道路时感测与所述路面相关联的所述一个或更多个参数;
使用所感测的所述一个或更多个参数来识别所述车辆已遇到的所述道路上的第一参考地标;
识别所述道路上的链接至所述第一参考地标的第二参考地标;以及
预测所述车辆将经过所述路面的在所述第一参考地标与所述第二参考地标之间延伸的部分。
18.根据权利要求17所述的车辆,其中,所述处理器还被配置成将所述一个或更多个参数与参考道路轮廓相比较以识别所述第一参考地标。
19.根据权利要求18所述的车辆,其中,所述处理器还被配置成获得所述参考道路轮廓。
20.根据权利要求19所述的车辆,其中,所述参考道路轮廓包括位于所述路面上的多个参考地标的网格,并且其中,所述网格的每个参考地标链接至所述网格中的至少一个其他参考地标。
21.根据权利要求17所述的车辆,其中,所述处理器还被配置成至少部分地基于所述第一参考地标的位置来确定所述车辆在所述路面上的横向位置。
22.根据权利要求17所述的车辆,其中,所述处理器还被配置成:继续感测所述一个或更多个参数,并且将所述一个或更多个参数与在所述第一参考地标与所述第二参考地标之间延伸的参考道路轮廓相比较。
23.根据权利要求17所述的车辆,其中,所述处理器被配置成:在所述车辆遇到所述第二参考地标之前,至少部分地基于从在所述第一参考地标与所述第二参考地标之间包含地延伸的参考道路轮廓和所述第二参考地标的特征的组中选择的一个或更多个来控制所述车辆的系统。
24.根据权利要求23所述的车辆,其中,所述处理器还被配置成:确定与所述预测相关联的置信水平,其中,所述置信水平至少部分地基于链接至所述第一参考地标的参考地标的总数来确定;并且其中,所述处理器被配置成至少部分地基于所确定的置信水平来控制所述车辆的系统。
25.一种车辆,包括:
一个或更多个传感器,所述一个或更多个传感器被配置成感测与所述车辆正在经过的道路的路面相关联的一个或更多个参数;以及
处理器,所述处理器可操作地耦接至所述一个或更多个传感器,其中,所述处理器被配置成:
感测与车辆正在经过的道路的路面相关联的一个或更多个参数;
至少部分地基于所感测的所述一个或更多个参数来识别所述车辆已遇到的所述道路上的第一参考地标;
当所述车辆经过所述路面时继续感测所述一个或更多个参数;以及
将所述一个或更多个参数仅与关于所述路面的在所述第一参考地标与链接至所述第一参考地标的至少一个参考地标之间包含地延伸的部分的信息相比较,以确定所述车辆在所述路面上的位置。
26.根据权利要求25所述的车辆,其中,所述处理器还被配置成将所述一个或更多个参数与参考道路轮廓相比较以识别所述第一参考地标。
27.根据权利要求26所述的车辆,其中,所述处理器还被配置成获得所述参考道路轮廓。
28.根据权利要求27所述的车辆,其中,所述参考道路轮廓包括位于所述路面上的多个参考地标的网格,并且其中,所述网格的每个参考地标链接至所述网格中的至少一个其他参考地标,其中,所述第一参考地标和所述至少一个参考地标是所述多个参考地标的一部分。
29.根据权利要求25所述的车辆,其中,所述处理器还被配置成确定所述车辆在所述路面上的横向位置。
30.根据权利要求25所述的车辆,其中,所述处理器还被配置成:在所述车辆遇到链接至所述第一参考地标的所述至少一个参考地标之前,至少部分地基于从在所述第一参考地标与所述至少一个参考地标之间包含地延伸的参考道路轮廓和所述至少一个参考地标的特征的组中选择的一个或更多个来控制所述车辆的系统。
31.根据权利要求25所述的车辆,其中,所述处理器还被配置成至少部分地基于所感测的所述一个或更多个参数来识别链接至所述第一参考地标的所述至少一个参考地标。
32.根据权利要求31所述的车辆,其中,所述处理器还被配置成预测所述车辆将经过所述路面的在所述第一参考地标与链接至所述第一参考地标的所述至少一个参考地标之间延伸的部分。
33.一种生成道路图的方法,所述方法包括:
确定经过路面的多个车辆中的每个车辆是否遇到多个参考地标;
确定每个车辆相对于所述多个参考地标采取的行进路径,以识别所述多个参考地标之间的链接;
生成所述多个参考地标的网格以及在所述多个参考地标之间延伸的链接;以及
将所述网格存储在非暂态处理器可读存储器中以供将来回调和/或使用。
34.根据权利要求33所述的方法,其中,所述多个参考地标中的每个参考地标链接至所述网格的至少一个其他参考地标。
35.根据权利要求33所述的方法,其中,所述道路图包括在所链接的所述多个参考地标之间延伸的所述路面的参考轮廓。
36.根据权利要求33所述的方法,还包括:至少部分地基于与每个参考地标相关联的链接的数目来确定与在所链接的所述多个参考地标之间延伸的所述行进路径相关联的置信水平。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962930525P | 2019-11-04 | 2019-11-04 | |
US62/930,525 | 2019-11-04 | ||
PCT/US2020/058730 WO2021091914A1 (en) | 2019-11-04 | 2020-11-03 | Multi-lane road characterization and tracking algorithms |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114761758A true CN114761758A (zh) | 2022-07-15 |
Family
ID=75848657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080082879.2A Pending CN114761758A (zh) | 2019-11-04 | 2020-11-03 | 多车道道路表征和跟踪算法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220390239A1 (zh) |
EP (1) | EP4055344A4 (zh) |
JP (1) | JP2022553805A (zh) |
CN (1) | CN114761758A (zh) |
WO (1) | WO2021091914A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3534113B1 (en) | 2017-09-13 | 2022-11-02 | ClearMotion, Inc. | Road surface-based vehicle control |
DE102019003238B4 (de) * | 2019-05-08 | 2023-04-20 | Mercedes-Benz Group AG | Fahrzeugortung durch Kartenabgleich unter Berücksichtigung eines Straßenprofils |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2228542C1 (ru) * | 2003-08-14 | 2004-05-10 | Общество с ограниченной ответственностью "Альтоника" | Способ определения местоположения транспортного средства |
US20160171893A1 (en) * | 2014-12-16 | 2016-06-16 | Here Global B.V. | Learning Lanes From Radar Data |
CN105934652A (zh) * | 2014-02-03 | 2016-09-07 | 罗伯特·博世有限公司 | 用于确定车辆位置的方法和设备 |
CN107438754A (zh) * | 2015-02-10 | 2017-12-05 | 御眼视觉技术有限公司 | 用于自主车辆导航的稀疏地图 |
CN110062871A (zh) * | 2016-12-09 | 2019-07-26 | 通腾全球信息公司 | 用于基于视频的定位及映射的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3534113B1 (en) * | 2017-09-13 | 2022-11-02 | ClearMotion, Inc. | Road surface-based vehicle control |
-
2020
- 2020-11-03 JP JP2022525615A patent/JP2022553805A/ja active Pending
- 2020-11-03 WO PCT/US2020/058730 patent/WO2021091914A1/en unknown
- 2020-11-03 CN CN202080082879.2A patent/CN114761758A/zh active Pending
- 2020-11-03 US US17/773,676 patent/US20220390239A1/en active Pending
- 2020-11-03 EP EP20885265.7A patent/EP4055344A4/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2228542C1 (ru) * | 2003-08-14 | 2004-05-10 | Общество с ограниченной ответственностью "Альтоника" | Способ определения местоположения транспортного средства |
CN105934652A (zh) * | 2014-02-03 | 2016-09-07 | 罗伯特·博世有限公司 | 用于确定车辆位置的方法和设备 |
US20160171893A1 (en) * | 2014-12-16 | 2016-06-16 | Here Global B.V. | Learning Lanes From Radar Data |
CN107438754A (zh) * | 2015-02-10 | 2017-12-05 | 御眼视觉技术有限公司 | 用于自主车辆导航的稀疏地图 |
CN110062871A (zh) * | 2016-12-09 | 2019-07-26 | 通腾全球信息公司 | 用于基于视频的定位及映射的方法及系统 |
Non-Patent Citations (1)
Title |
---|
晏晓红: "基于空间认知的网络地图设计与评价研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 02, 15 February 2015 (2015-02-15), pages 008 - 51 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021091914A1 (en) | 2021-05-14 |
EP4055344A1 (en) | 2022-09-14 |
EP4055344A4 (en) | 2024-02-07 |
JP2022553805A (ja) | 2022-12-26 |
US20220390239A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11801860B2 (en) | Relevant traffic light mapping and navigation | |
US20210072031A1 (en) | Active image sensing for a navgational system | |
US20220001871A1 (en) | Road vector fields | |
RU2742213C1 (ru) | Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения | |
US11454973B2 (en) | Mapped driving paths for autonomous vehicle | |
RU2737874C1 (ru) | Способ хранения информации транспортного средства, способ управления движением транспортного средства и устройство хранения информации транспортного средства | |
JP5429380B2 (ja) | 運転支援装置 | |
US20220289239A1 (en) | Sign backside mapping and navigation | |
EP1674826A1 (en) | Systems, methods, and programs for determining whether a vehicle is on-road or off-road | |
US20220035378A1 (en) | Image segmentation | |
CN102208012A (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
CN109154505B (zh) | 用于确定车辆相对于马路的车道的横向位置的方法、设备和具有指令的计算机可读存储介质 | |
JP5531733B2 (ja) | 道路情報取得装置 | |
US20230195122A1 (en) | Systems and methods for map-based real-world modeling | |
CN114761758A (zh) | 多车道道路表征和跟踪算法 | |
EP4330934A2 (en) | Multi-frame image segmentation | |
US20230211726A1 (en) | Crowdsourced turn indicators | |
CN116235079A (zh) | 用于基于地形的车辆定位的方法和系统 | |
WO2022149049A2 (en) | Systems and methods for common speed mapping and navigation | |
Matthaei et al. | Robust grid-based road detection for ADAS and autonomous vehicles in urban environments | |
US20230206608A1 (en) | Systems and methods for analyzing and resolving image blockages | |
CN113261007A (zh) | 用于自动和自主车辆的多传感器数据融合的方法和装置 | |
JP7289761B2 (ja) | 車両の自己位置推定装置、および、自己位置推定方法 | |
CN111231959A (zh) | 车辆及控制车辆的方法 | |
US20240135728A1 (en) | Graph neural networks for parsing roads |
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 |