CN114930122B - 用于更新数字道路地图的方法和处理器电路 - Google Patents
用于更新数字道路地图的方法和处理器电路 Download PDFInfo
- Publication number
- CN114930122B CN114930122B CN202080091010.4A CN202080091010A CN114930122B CN 114930122 B CN114930122 B CN 114930122B CN 202080091010 A CN202080091010 A CN 202080091010A CN 114930122 B CN114930122 B CN 114930122B
- Authority
- CN
- China
- Prior art keywords
- road map
- virtual
- associated data
- data set
- processor circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
本发明涉及一种用于更新数字道路地图(12)的方法,该数字道路地图针对至少一个绘制的道路(26)分别包含至少一个绘制的环境特性的、地点分辨的描述值,其中,在更新之前,由处理器电路(10)借助于待更新的道路地图(12)模拟出沿着至少一个绘制的道路(26)的虚拟行驶(27)(S10),其方式是,针对不同的虚拟地理位置(28)从道路地图(12)获知已经绘制的至少一个环境特性的相应的虚拟测量值(15‘),并且针对虚拟的地理位置(28)由虚拟测量值(15‘)生成描述虚拟行驶(27)的关联数据组(24),将所接收的进行测量的机动车(13)的相应的实际行驶(20)的关联数据组(16,16‘)与虚拟行驶(27)的关联数据组(24)相组合(S11),从所组合的数据组中计算更新的道路地图(12‘)(S12)。
Description
技术领域
本发明涉及一种用于更新数字道路地图的方法,在该数字道路地图中对至少一条道路绘制,其中,沿着至少一条绘制的道路的走向含有至少一个绘制的环境特性(例如环境温度或道路状况)的地点分辨的描述值。本发明还提供一种处理器电路,借助于该处理器电路可以执行该方法。
背景技术
为了设计数字道路地图,可以使用来自多个机动车的测量,这些机动车在环境中沿着位于那里的道路行驶并且测量关于不同的环境特性、例如关于环境温度或道路状况的测量值。因此,对于每个机动车产生测量数据,所述测量数据构成在逻辑上排列的或关联的数据组。因为每个数据组都针对某一获知地理位置给出在该处针对相应待测量的环境特性测得哪个测量值。因此,数据组的关联通过在各相应行驶期间中经过地理位置时的时间顺序得出。关联的数据组因此对应于机动车在其各自行驶时所沿的行驶轨迹。以下将作为逻辑关联的数据组对于不同的地理位置给出测量值的测量数据也称为“图形”,因为测量数据的表示方式对应于由节点和边组成的数学图形。
中央处理器电路、例如互联网服务器可以从多个机动车针对某一行驶接收其相应的由关联的数据组组成的图形,从而在处理器电路中为每一机动车针对相应行驶都存在关联的数据组,所述关联的数据组描述沿着轨迹在不同的地理位置处测得的测量值。如果多个机动车沿着相同的道路行驶,则针对该道路存在多个关联的数据组的图形。不同机动车的测量值可能彼此不同,因为传感器提供例如不同的质量(偏差/分布)和/或不同的测量条件。利用本身已知的算法可以汇总不同机动车的或一般而言不同行驶的(同一机动车或不同机动车的)关联数据组的图形。由此汇总的测量值在下面被称为描述值。这些描述值被记录在道路地图中,以便针对不同的地理位置空间分辨地描述待测量的或绘图的环境特性。
但如果然后添加了新的关联数据组,则于是不能将该新的测量数据事后集成到已完成的数字道路地图中。因此,必须将所有要考虑的测量数据还总是作为原始数据,即将所有关联数据组都保存在存储器中,并且总是在道路地图要更新时必须重新借助于预定的算法将旧、已经考虑的关联数据组与新添加的关联数据组相结合或组合,以便再获得道路地图的描述值。这使得数字道路地图的更新或保持最新非常耗费存储器并且计算量大。合适的算法的一个例子是所谓的SLAM(即时定位与地图绘制)方法。
例如在US 2017/0248963 A1中描述了从多个机动车收集测量数据和基于这些测量数据计算数字道路地图。描述了3D绘图单元如何能够从所描述的类型的图形数据和LIDAR的测量数据中计算环境的3D道路地图。
由US 2019/0003838 A1公知了一种用于由不同机动车的测量数据计算车道精确的道路地图的方法。
由CN 109117718 A1已知的是,如何能够将各个机动车的测量值组合成描述值。在此,将各个点测量用作测量值,从而测量值的组合得到三维的点云,所述三维的点云然后借助于统计分析被计算为汇总测量值的描述值。
发明内容
本发明的目的在于,事后基于附加的测量值来更新基于各个机动车的测量的测量值的数字道路地图。
该目的通过独立权利要求的主题来实现。本发明的有利的实施方式通过从属权利要求、以下描述以及附图来描述。
通过本发明提供一种用于更新数字道路地图的方法。这种道路地图(英语:Map)能够展示环境的模型,即描述环境中的至少一条道路的几何走向。在此在至少一个绘制的道路的各相应区域中包含了至少一个绘制的环境特性的地点分辨的描述值。这种环境特性可以以所述方式例如是环境温度或道路状况(表面特性,如粗糙的、光滑的、沙质的,或道路等级,如高速公路、乡村道路)或可达到的平均行驶速度或可适用的法定速度限制。道路地图可以通过地图数据或模型数据来描述。为了更新道路地图、即模型数据,根据该方法通过处理器电路从至少一个进行测量的机动车分别接收至少一个关联数据组的图形。这样的关联数据组的图形分别描述机动车的行驶,即机动车的行驶轨迹或经过轨迹。因此,数据组沿着所行驶的行驶路线排列。在关联数据组的每个图形中,每个单独的数据组分别针对在行驶期间经过的地理位置给出在该地理位置处测量或采集的至少一个测量值。在此,这可以涉及关于已经绘制的环境特性的测量值或涉及关于新的、附加要绘制的环境特性的测量值。因此,只要机动车检测到测量值,机动车就可以将该测量值与地理位置的测量值以及例如机动车的空间定向(所谓的姿态)的测量值一起存储为数据组。如果在相同的地理位置处测得多个测量值(例如温度和道路状况),则这些测量值可以与地理位置一起存储在一个共同的数据组中。如果要对道路走向或车道走向进行绘制,则地理位置本身也可以构成一个测量值。属于同一行程的数据组序列或数据组链然后得出关联数据组的图形。
为了现在将关联数据组的所述至少一个接收的图形集成到已经存在的道路地图的模型数据或地图数据中,根据本发明提出以下内容。
在更新之前,通过处理器电路借助(已经可供使用的)待更新的道路地图模拟出沿着至少一个(在道路地图中)绘制的道路的虚拟行驶。这通过如下方式来执行,即,针对不同的虚拟地理位置从自道路地图分别读取或求取至少一个已经绘制的环境特性的相应的虚拟的测量值。这种虚拟测量值可以相应于来自道路地图的描述值或相应于描述值中的多个的插值。换言之,也就是说分别在虚拟的地理位置上扫描或采样道路地图。这些地理位置可以借助算法例如随机地获知或者根据预定的扫描网格来确定。于是可以由虚拟的地理位置和虚拟的测量值中像在实际行驶中那样产生描述该虚拟行驶的关联数据组。因此,存在道路地图的描述,该道路地图具有与新接收的实际行驶的测量值(即关联数据组的图形)相同的格式。所接收到的至少一个机动车的各自的真实或实际行驶的关联数据组与该虚拟行驶的关联数据组然后通过处理器电路相组合,也就是说,计算该至少一个环境特性的更新的描述值。然后,从这些组合的数据组中计算出更新的道路地图,即例如重新产生所描述的地图数据或模型数据。所述关联数据组的组合和所述更新的道路地图的计算在此可以利用也产生了原本的待更新的道路地图的传统的或已经公知的算法进行,因为先前对道路地图的描述也被提供作为关联数据组的图形,所以它能够如实际行驶的图形一样被处理。
通过本发明得到的优点是,可以事后在已经存在的数字道路地图中集成或加入新的测量值,而不必为此必须再存储或必须存在原始的测量值。这使得以节约资源的方式将道路地图保持最新,因为既不需要用于旧的、已经考虑的关联数据组的存储空间,也不必为了更新而将所有分别存在的关联数据组一起计算,这会随着测量值的增加而越来越多。已经在道路地图中考虑的关联数据组取而代之地被表示为虚拟行驶的关联数据组。
本发明还包括产生附加优点的实施方式。
在一种实施方式中,通过处理器电路将完成的、更新的道路地图发送给至少一个使用道路地图的机动车。因此,在该进行使用的机动车中提供更新了的地图数据或模型数据,其在该相应的机动车中可供导航辅助和/或用于运行自主驾驶功能使用或应用。因此,可以借助于更新的道路地图引导或导航机动车。
在一个实施方式中,在以所述方式组合关联数据组(即至少一个机动车的虚拟行驶的数据组或相应的实际行驶的数据组)时将相应的权重系数应用于数据组,其中,权重系数的相应的值来调节或确定相应的数据组对更新的道路地图(即对新计算的描述值)的影响。因此,虚拟行驶的关联数据组的权重系数的值可以设置为大于相应的实际行驶的权重系数的值。由此可以表达,就每地理位置而言,虚拟行驶的关联数据组与通过实际行驶重新加入的关联数据组相比代表了更大量的测量值。权重系数的值的和可以为1。相反地也可以规定,实际行驶的数据组的权重系数(或者多个实际行驶的数据组的权重系数的总和)获得的值总体上大于虚拟行驶的数据组的权重系数获得的值。这种情况例如可以是,存在关于环境中有发生变化的信号,例如探测到或被用信号告知了道路走向发生改变。如果例如多于预定最少数量的关联数据组的图形表明,所属的机动车行驶的轨迹明显与迄今绘制的道路的走向或几何形状不同,则这可以作为是对改变的道路走向的提示或信号,并且对权重系数的值进行调整或改变,由此新的关联数据组的权重系数大于虚拟行驶的关联数据组(目前的地图数据)的权重系数。本领域的技术人员可通过预定的显著性标准来规定将什么评估为明显的。
在一个实施方式中,通过从(所有可供使用的关联数据组的)测量值和相配属的地理位置中计算分别由测量值描述的环境特性的、更新的、地点分辨的描述值来计算更新的道路地图。例如,对于各个地理位置可以汇总对于该处的可供使用的测量值,或者汇总来自预定的区域、例如具有在10m2至100m2的大小范围中的面区域的测量值可以汇总为描述值。
在汇总测量值时,根据一个实施方式,计算分配给该地理位置的测量值的平均值以作为相应的描述值,因为例如在该地理位置处测得这些测量值或者在该地理位置周围的预定区域中(例如在10m2至100m2之间的所述区域中)测得这些测量值。描述值也可以是统计上的描述值,其中从可供使用的测量值中计算出其统计分布并且从中计算出相应描述值,例如作为根据所获知的统计分布的最可能的值。在此,可以考虑分布的形状,例如双峰(具有两个最大值的分布)或者一般地多峰(具有多个最大值的分布)。
在一种实施方式中,道路地图借助于时间上依次接收的关联数据组被迭代地更新,即多次依次更新。换言之,不是仅一次地借助于关联数据组的至少一个接收的图形执行道路地图的更新,而且多次地依次提供关联数据组的图形,然后分别重新执行更新。由此,道路地图可以在连续运行中、即在使用处理器电路的机动车被提供道路地图的模型数据期间被保持最新。
在一个实施例中,通过处理器电路删除已经考虑的实际行程的关联数据集。换言之,因此不保留已经在道路中考虑的实际行驶的关联数据组,否则会由此占据或阻塞数据存储器。更确切地说,处理器电路可以用较少的存储器就足够了,因为在道路地图中,也就是说在模型数据或地图数据中已经考虑的关联数据组通过描述值来表示并且通过产生虚拟行驶的关联数据组可以提供实际行驶的关联数据组的替代。
为了执行根据本发明的方法,提供所描述的处理器电路。这同样是本发明的组成部分。本发明的处理器电路包括至少一个微处理器,该微处理器与存储程序指令的数据存储器耦合,当由至少一个微处理器执行程序指令时,使得该至少一个微处理器执行本发明的方法的实施例。处理器电路可以被构造为因特网的服务器或者被构造为服务器群或服务器云。
最后,本发明还包括一种计算机可读的存储介质,其具有程序代码或程序指令,所述程序代码或程序指令被设置用于在由处理器电路执行时使所述处理器电路执行根据本发明的方法的实施方式。存储介质例如可以被构造为硬盘或闪存或CD-ROM或DVD.
所描述的进行测量和所描述的进行利用的机动车分别优选设计为汽车、尤其是轿车或载重汽车、或设计为轿车或摩托车。
本发明还包括其中分别实现所描述的实施方式中的多个实施方式的组合的实现方式。
附图说明
下面描述本发明的实施例。为此示出:
图1示出用于说明如按照本发明可用的用于由关联数据组产生道路地图的模型数据的已知算法的草图;
图2示出用于阐述关联数据组的图的草图;和
图3示出本发明的处理器电路的一个实施方式的示意图。
具体实施方式
下面阐述的实施例是本发明的优选实施方式。在实施例中,实施方式的所描述的部件分别构成本发明的各个可彼此独立地考虑的特征,这些特征也分别彼此独立地改进本发明。因此,本公开旨在包括实施例的特征的除了所示组合之外的组合。此外,所述实施方式也可以通过本发明的已经描述的特征中的其它特征来补充。
在附图中,相同的附图标记分别表示功能相同的元件。
图1示出了处理器电路10,其例如可以设置在因特网的服务器中并且例如通过计算中心来实现。处理器电路10可以基于一个或多个微处理器(所谓的CPU中央处理单元)。借助处理器电路10可以从传感器数据11中计算出数字道路地图12。传感器数据11可以由处理器电路10从机动车13接收,机动车位于环境14的道路网络中并且在那里测量值15可以描述环境14的至少一个环境特性,例如当前的温度和/或道路状况和/或各个道路的车道的位置。测量值15通过传感器数据11表示。机动车13中的每个机动车的行驶的测量值15可以分别整体地汇总成由关联数据组构成的图形16,这在下面还结合图2详细阐述。
处理器电路10可以基于至少一个微处理器P和与其连接/连通的数据存储器MEM,其可以包含用于本文描述的方法步骤的程序指令。
借助于本身由现有技术已知的算法17可以以本身已知的方式处从关联数据组的这种图形16计算得到道路地图12,也就是说,整体上可以从测量值15计算出如下数据格式的道路地图12,该数据格式可以通过可预先给定的数据格式所规定。例如,可以选择可能使用道路地图12的地图提供商的道路格式。这样的道路地图12例如可以描述车道走向和/或中线走向和/或车道界限和/或路标。至少一个环境特征的位置分布可以在道路地图中通过描述值来描述。
图2再次在图形16中示出测量值15的结构。在此示出了在环境14中机动车13如何能够沿着道路19实施行驶20。道路19应当在道路地图12中被绘制。沿着行驶路段或道路19,机动车13可以在行驶20期间以本身公知的方式利用车载传感器电路在不同的地理位置21处分别测量地理位置21本身,可选地测量至少一个另外的测量值15(也参见图1)。地理位置21的测量本身也可以表示本发明意义上的测量值15。
现在,由测量值15可以形成由关联数据组22构成的图形16。每个数据组22都在此代表在其中一个地理位置21处的测量或测量结果。在此,数据组22例如可以描述关于机动车13在地理位置21处所具有的姿态23的测量数据、对地理位置21本身的测量,例如表达为GNSS(全球导航卫星系统)的坐标,例如GPS(全球定位系统)。附加地可以包含另选地例如来自机动车13的其他传感器的测量值15,例如温度值和/或空气质量值和/或亮度值,仅列举一些实例。在图2中为了清楚起见仅一个数据组22完全设有附图标记。通过机动车13依次经过地理位置21的时间序列,得到图形16中的数据组22排列或序列。这样的图形16可以通过传感器数据11表示并且通过处理器电路10从机动车13接收(例如通过因特网连接),并且连同其它行驶的和/或其它机动车的其它图形16一起通过处理器电路10以所描述的方式借助算法17被换算成用于道路地图12的模型数据18。在此,然后汇总或组合各个测量值,以便由此获得道路19和/或另一环境特性或周边特性的描述值,所述描述值例如表示参数化的线或如本身已知的另一格式。于是,对于道路地图12来说实际上不再需要各个测量值15。
结合图1描述的、由现有技术已知的算法17仅须能够基于原始数据、即具有关联数据组的图形16或仅基于测量值15计算道路地图12。如果已经存在完成的道路地图12,则结果仅借助算法17不能将来自稍后时刻接收的测量值15的其他附加的新的信息集成到该道路地图12的地图数据中或模型数据18中。
图3示出,在新的附加的传感器数据11‘与关联数据组的附加的图形16‘、即附加的测量值出现或被接收到时,如何能够基于道路地图12的模型数据18(已经存在的描述数据)利用更新的模型数据18‘计算出更新的道路地图12‘。
为此,算法17本身不必被调整或改变。处理器电路10可以使用图形16‘,并且将其与人工生成的虚拟测量值15‘进行组合,人工生成的虚拟测量值15‘被汇总成图形24,该图可以以与图2中描述的图形16相同的方式结构化,因此不需要将其数据结构与新接收的图形16‘进行区分。为此,处理器电路10可以在步骤S10中运行模拟模块25,该模拟模块可以基于已经存在的道路地图12、即基于其模型数据18以及包含在其中的描述值,基于已经绘制的道路26模拟虚拟的行驶27,其方式是,对于不同的虚拟地理位置28分别进行或产生至少一个人工测量值15‘,即虚拟测量。模拟模块25可以是计算机程序。在此,相应的人工测量值15‘描述相应的环境特性的相应的在道路地图12的模型数据18中存储的或描述性的描述值,所述环境特性已经在道路地图12中被绘制。也可以设置描述的插值。
由此得到人工的测量值15‘,所述测量值可以以在图2中描述的方式被汇总为关联数据组的图形16。因此,这些人工生成的图形24也具有机动车辆13在实际驾驶中也会生成的结构。因此,对于算法17来说,在新的信息与已经绘图的信息之间没有区别,并且可以在步骤S11中通过算法17同时共同地处理图形24和新接收的图形16‘,由此产生更新的道路地图12‘的模型数据18‘。为此不需要保持存储原先所基于的图形16(参见图1)。这些图形可以在生成道路地图12的第一版本之后从处理器电路10中删除。
道路地图12和更新的道路地图12‘可以分别在其完成制图之后在步骤S12中提供给至少一个进行利用的机动车。因此,可以迭代地或重复地从机动车13中接收测量值15,通过处理器电路10迭代地或依次地处理所述测量值,并且将相应更新的道路地图12‘输出或传输给进行利用的机动车。因此,能够基于进行测量的机动车13连续地或逐步地更新在进行利用的机动车中的道路地图12。因此,进行利用的机动车29可以通过处理器电路10与进行测量的机动车13连通并且被逐级地或者逐步地供给道路地图12‘的更新的模型数据18‘。
这为许多车辆制造商提供了一种可能性,即,利用车辆传感器组(进行测量的机动车的传感器电路)的自身的观察来创建地图资料、保持当前地图资料最新或者提供变化,以便例如创建基础地图的新版本。来自传感器环境的观察在处理步骤中被转换成图形表示。然而,对于在进行利用的机动车中的导航辅助,所提供的信息必须以能够由基础地图(待更新的道路地图)的计算实例解释的格式存在。从图1中可以看出经验证的制图过程。这个过程被视为下面描述的构思的起始点。
为了生成该基础地图的模型,需要在要计算的地图部段中处理不同来源(例如不同的车辆制造商、衍生产品,仅列举示例)的车辆传感器信息。这归因于对应性搜索,对应性搜索是确定所要添加的信息之间的一致性的基础。现在在此不必再反复地采用已用过的数据组或其子集。这节省了大量的资源(存储器、RAM以及CPU负荷)。此外,防止了应用于解决对应性搜索和优化问题(SLAM方法)的大量的计算和时间耗费。此外,从数据保护的角度来看,考虑到了对个人相关信息的应用限制,因为在初始处理之后能够删除相关数据组。
为了使计算耗费、时间耗费、资源耗费和复杂性耗费最小化,提出将已经存在的所计算的初始地图(自身生成的地图或由第三方提供商)转换成图形表示。该过程描述了如何能够从作为输入的基础地图中建立构成虚拟行驶基础的虚拟观察和/或自我姿态。随后,这些变量被转换成图结构。因此,该图包含已经处理的和/或优化的虚拟行驶。相应的过程步骤可以从图3中获得。
基于该构思,可以单独地并且直接地处理新的内容(所要添加的记录行程的数据),这显著增加了对应性搜索和后续的图形优化的速度并且因此极大地节省了资源。此外,原始数据在处理之后可以连同全部图被删除,这是因为原始数据对于重新计算地图模型来说不再是必要的。
如已经描述的那样,由引入的地图模型生成虚拟的图形变量。所生成的变量优选在图形优化期间被固定。因此,所生成的模型被视为地面实况。特别有利的是,要注意,对于每次对应搜索而言都存在所生成的图形的足够的信息内容。为生成图形,可以使用以下要素或步骤:
·根据计算实例/库的数据结构引入参考地图模型;
·对多段线几何形状在连续对象、例如延伸线(直线观察结果仅包括非常少的节点,从而在该节点处产生关于附加的虚拟几何位置的描述值)的情况下进行插值;
·通过对参考路径采样来计算虚拟的自我姿态;
·计算虚拟的观察对象;
·将虚拟的自我姿态与相关对象关联。
总之,这些示例示出了如何能够通过本发明实现地图模型到图形表示的转换。
Claims (6)
1.一种用于更新数字道路地图(12)的方法,所述数字道路地图针对至少一个绘制的道路(26)分别包含至少一个绘制的环境特性的、地点分辨的描述值,其中,为了更新道路地图(12),通过处理器电路(10)从至少一个进行测量的机动车(13)中分别接收实际行驶的关联数据组(22)的至少一个图形(16,16‘),所述实际行驶的关联数据组描述机动车(13)相应的实际行驶(20),其中,在每个实际行驶的关联数据组(22)的图形(16,16‘)中,每个关于在实际行驶(20)期间所经过的地理位置(21)的单独的实际行驶的关联数据组(22)都给出在该地理位置(21)处检测到的、关于新的或已经绘制的环境特性的至少一个测量值(15),
其特征在于,
在更新之前,由处理器电路(10)借助于已经可供使用的、待更新的道路地图(12)模拟出沿着至少一个绘制的道路(26)的虚拟行驶(27),其方式是,针对不同的虚拟地理位置(28)从道路地图(12)获知在道路地图(12)中已经绘制的至少一个环境特性的相应的虚拟测量值(15‘),其中,这种虚拟测量值(15‘)相应于来自道路地图的描述值或相应于描述值中的多个的内推值,并针对虚拟的地理位置(28)由虚拟测量值(15‘)生成描述虚拟行驶(27)的关联数据组(24);
将所接收的至少一个机动车(13)的相应的实际行驶(20)的关联数据组(22)与虚拟行驶(27)的关联数据组(24)相组合,从所组合的关联数据组中计算更新的道路地图(12‘),其中,通过从所有可供使用的实际行驶的关联数据组(22)和虚拟行驶的关联数据组(24)的测量值(15,15‘)和相配属的地理位置(21,28)中计算分别通过该测量值(15,15‘)描述的周围环境特性的更新的、地点分辨的描述值来计算更新的道路地图(12‘),
其中,在相应地理位置(21、28)处计算分配给该地理位置的测量值(15、15‘)的平均值,这是因为在该地理位置处或者在该地理位置周围的预定区域中测得了所述测量值,或者获知测量值(15、15‘)的统计学分布并且由此获知相应的描述值,
其中,根据时间上依次接收的实际行驶的关联数据组(22)迭代地更新道路地图(12)。
2.根据权利要求1所述的方法,其中,通过处理器电路(10)将所述更新的道路地图(12‘)发送给使用该道路地图(12‘)的至少一个机动车(29)。
3.根据上述权利要求中任一项所述的方法,其中,在对实际行驶的关联数据组(22)和虚拟行驶的关联数据组(24)进行组合时将相应的权重系数应用于实际行驶的关联数据组(22)和虚拟行驶的关联数据组(24)。
4.根据权利要求1或2所述的方法,其中,通过处理器电路(10)删除实际行驶(20)的已经被考虑的实际行驶的关联数据组(22)。
5.一种处理器电路(10),其包括至少一个微处理器和存储了程序指令的数据存储器,所述程序指令在由所述至少一个微处理器执行时使所述微处理器执行根据前述权利要求中任一项所述的方法。
6.一种具有程序代码的存储介质,所述程序代码被配置为在由处理器电路(10)执行时使处理器电路执行根据权利要求1至4中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020103906.9 | 2020-02-14 | ||
DE102020103906.9A DE102020103906B4 (de) | 2020-02-14 | 2020-02-14 | Verfahren und Prozessorschaltung zum Aktualisieren einer digitalen Straßenkarte |
PCT/EP2020/085403 WO2021160319A1 (de) | 2020-02-14 | 2020-12-10 | VERFAHREN UND PROZESSORSCHALTUNG ZUM AKTUALISIEREN EINER DIGITALEN STRAßENKARTE |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114930122A CN114930122A (zh) | 2022-08-19 |
CN114930122B true CN114930122B (zh) | 2023-06-02 |
Family
ID=73835581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080091010.4A Active CN114930122B (zh) | 2020-02-14 | 2020-12-10 | 用于更新数字道路地图的方法和处理器电路 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230341240A1 (zh) |
EP (1) | EP4004490B1 (zh) |
CN (1) | CN114930122B (zh) |
DE (1) | DE102020103906B4 (zh) |
WO (1) | WO2021160319A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220274625A1 (en) * | 2021-02-26 | 2022-09-01 | Zoox, Inc. | Graph neural networks with vectorized object representations in autonomous vehicle systems |
US20230016578A1 (en) * | 2021-07-19 | 2023-01-19 | Embark Trucks, Inc. | Dynamically modifiable map |
DE102022001568B3 (de) | 2022-05-04 | 2023-09-28 | Mercedes-Benz Group AG | Verfahren zur Modellierung von Fahrspurbegrenzungen |
DE102022212695A1 (de) | 2022-11-28 | 2024-05-29 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Erstellen einer Kartendarstellung eines Straßenverkehrsnetzes für eine Navigation eines Fahrzeugs |
CN117765727B (zh) * | 2023-12-12 | 2024-06-07 | 佛山职业技术学院 | 一种汽车路面规划智能控制系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6356836B1 (en) * | 1997-06-12 | 2002-03-12 | Michael Adolph | Method and device for generating, merging and updating of destination tracking data |
CN101290725A (zh) * | 2007-04-17 | 2008-10-22 | 株式会社日立制作所 | 数字道路地图的生成方法和地图生成系统 |
DE102013211696A1 (de) * | 2013-06-20 | 2014-12-24 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Vervollständigen und/oder Aktualisieren einer digitalen Straßenkarte, Vorrichtung für ein Kraftfahrzeug und Kraftfahrzeug |
JP2017003728A (ja) * | 2015-06-09 | 2017-01-05 | 株式会社日立製作所 | 地図生成システム、方法、及びプログラム |
WO2017100797A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Vehicle traction map for autonomous vehicles |
WO2019063628A1 (de) * | 2017-09-28 | 2019-04-04 | Continental Automotive Gmbh | System zur erzeugung und/oder aktualisierung eines digitalen modells einer digitalen karte |
WO2019152049A1 (en) * | 2018-02-02 | 2019-08-08 | Ford Global Technologies, Llc | Map discrepancy identification with centralized map data |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2646779B1 (en) * | 2010-12-01 | 2018-04-25 | Volvo Lastvagnar AB | Method of enrichment of road information data |
WO2017021473A1 (en) | 2015-08-03 | 2017-02-09 | Tomtom Global Content B.V. | Methods and systems for generating and using localisation reference data |
US9612123B1 (en) | 2015-11-04 | 2017-04-04 | Zoox, Inc. | Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes |
US10502577B2 (en) * | 2016-06-30 | 2019-12-10 | Here Global B.V. | Iterative map learning based on vehicle on-board sensor data |
DE102016212587A1 (de) * | 2016-07-11 | 2018-01-11 | Continental Automotive Gmbh | Verfahren und System zur Erzeugung von Karteninformationen |
CN109117718B (zh) | 2018-07-02 | 2021-11-26 | 东南大学 | 一种面向道路场景的三维语义地图构建和存储方法 |
-
2020
- 2020-02-14 DE DE102020103906.9A patent/DE102020103906B4/de not_active Expired - Fee Related
- 2020-12-10 CN CN202080091010.4A patent/CN114930122B/zh active Active
- 2020-12-10 EP EP20824508.4A patent/EP4004490B1/de active Active
- 2020-12-10 WO PCT/EP2020/085403 patent/WO2021160319A1/de unknown
- 2020-12-10 US US17/799,357 patent/US20230341240A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6356836B1 (en) * | 1997-06-12 | 2002-03-12 | Michael Adolph | Method and device for generating, merging and updating of destination tracking data |
CN101290725A (zh) * | 2007-04-17 | 2008-10-22 | 株式会社日立制作所 | 数字道路地图的生成方法和地图生成系统 |
DE102013211696A1 (de) * | 2013-06-20 | 2014-12-24 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Vervollständigen und/oder Aktualisieren einer digitalen Straßenkarte, Vorrichtung für ein Kraftfahrzeug und Kraftfahrzeug |
JP2017003728A (ja) * | 2015-06-09 | 2017-01-05 | 株式会社日立製作所 | 地図生成システム、方法、及びプログラム |
WO2017100797A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Vehicle traction map for autonomous vehicles |
WO2019063628A1 (de) * | 2017-09-28 | 2019-04-04 | Continental Automotive Gmbh | System zur erzeugung und/oder aktualisierung eines digitalen modells einer digitalen karte |
WO2019152049A1 (en) * | 2018-02-02 | 2019-08-08 | Ford Global Technologies, Llc | Map discrepancy identification with centralized map data |
Also Published As
Publication number | Publication date |
---|---|
EP4004490A1 (de) | 2022-06-01 |
EP4004490B1 (de) | 2023-02-08 |
CN114930122A (zh) | 2022-08-19 |
WO2021160319A1 (de) | 2021-08-19 |
US20230341240A1 (en) | 2023-10-26 |
DE102020103906B4 (de) | 2022-12-29 |
DE102020103906A1 (de) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114930122B (zh) | 用于更新数字道路地图的方法和处理器电路 | |
CN110914777B (zh) | 用于自主车辆的高清地图以及路线存储管理系统 | |
Massow et al. | Deriving HD maps for highly automated driving from vehicular probe data | |
US10222222B2 (en) | Roundtrip range projection | |
WO2022083178A1 (zh) | 激光点云处理方法、电子装置和存储介质 | |
US12097873B2 (en) | Dynamic sensor data augmentation via deep learning loop | |
CN112703368B (zh) | 车辆定位的方法和装置、定位图层生成的方法和装置 | |
JP5421949B2 (ja) | 交通量予測装置、交通量予測方法およびプログラム | |
CN112700479B (zh) | 一种基于cnn点云目标检测的配准方法 | |
US20220063639A1 (en) | Method, apparatus, and computer program product for predicting autonomous transition regions using historical information | |
US11408746B2 (en) | Systems and methods for generating attributes-based recommendations | |
CN113191550A (zh) | 地图匹配方法及装置 | |
JP6586146B2 (ja) | 地図情報処理装置、地図情報処理方法および地図情報処理プログラム | |
CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
CN112534446B (zh) | 电子控制装置、神经网络更新系统 | |
US20230133867A1 (en) | Domain adaptation of autonomous vehicle sensor data | |
KR102408981B1 (ko) | Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법 | |
CN115689946A (zh) | 图像修复方法、电子设备及计算机程序产品 | |
CN115782921A (zh) | 用于自动驾驶的环境感知方法、装置及电子设备 | |
JP7261892B2 (ja) | 占有格子地図管理装置 | |
US20220153283A1 (en) | Enhanced component dimensioning | |
CN114543788A (zh) | 结构非结构环境通用的多层全局感知地图构建方法及系统 | |
JP7039536B2 (ja) | 地図情報処理システム | |
JP7353092B2 (ja) | 決定装置、決定方法および決定プログラム | |
CN113850915A (zh) | 一种基于Autoware的车辆循迹方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |