CN114993327A - 基于地图数据密度和导航特征密度的自动化车辆传感器选择 - Google Patents

基于地图数据密度和导航特征密度的自动化车辆传感器选择 Download PDF

Info

Publication number
CN114993327A
CN114993327A CN202210600498.XA CN202210600498A CN114993327A CN 114993327 A CN114993327 A CN 114993327A CN 202210600498 A CN202210600498 A CN 202210600498A CN 114993327 A CN114993327 A CN 114993327A
Authority
CN
China
Prior art keywords
location
digital map
sensor
host vehicle
navigation
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
Application number
CN202210600498.XA
Other languages
English (en)
Inventor
M·H·劳尔
J·P·阿布斯迈尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anbofu Technology Co ltd
Original Assignee
Delphi Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Delphi Technologies Inc filed Critical Delphi Technologies Inc
Publication of CN114993327A publication Critical patent/CN114993327A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; 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
    • G01C21/30Map- or contour-matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种适于由自动化车辆使用的导航系统(10)包括:第一传感器(22)、第二传感器(36)、数字地图(44)以及控制器(46)。数字地图(44)包括优先由第一传感器技术(34)检测的导航特征(42)的第一数据组(48)以及优先由第二传感器技术(40)检测的导航特征(42)的第二数据组(50)。控制器(46)分别使用第一和第二传感器(20)来确定主车辆(12)在数字地图(44)上的第一和第二位置。控制器(46)基于第一数据密度(64)与第二数据密度(66)的比较来选择第一和第二位置中的一者来导航主车辆(12)。替代地,控制器(46)分别确定由第一和第二传感器(20)检测到的导航特征(42)的第一特征密度(92)和第二特征密度(94),并且基于第一特征密度(92)和第二特征密度(94)的比较来选择第一位置(52)和第二位置(54)中的一者用于来导航主车辆(12)。

Description

基于地图数据密度和导航特征密度的自动化车辆传感器选择
本发明申请是国际申请号为PCT/US2017/033267,国际申请日为2017年5月18日,进入中国国家阶段的申请号为201780039021.6,名称为“基于地图数据密度和导航特征密度的自动化车辆传感器选择”的发明专利申请的分案申请。
技术领域
本公开总体上涉及导航自动化车辆,并且更具体地涉及选择多个传感器中的哪一个用于导航自动化车辆,其中该选择基于数字地图中的数据密度和/或由传感器检测到的导航特征的特征密度。
背景技术
使用各种传感器(例如,相机、雷达、激光雷达)导航、控制或以其他方式操作自动化车辆(主车辆)是已知的。还建议使用这种传感器来确定主车辆在数字地图上的位置。然而,各种传感器技术中的每一种对于检测各种类型的导航特征都具有优点和缺点,因此如果由不同传感器确定的数字地图上的位置与彼此不重合,和/或可能与使用全球定位系统(GPS)所确定的位置不重合,则会产生不确定性。
发明内容
根据一个实施例,提供了一种可用于导航自动化车辆的数字地图。数字地图包括第一数据组和第二数据组,该第一数据组由被表征为优先由第一传感器技术检测的导航特征组成,该第二数据组由被表征为优先由不同于第一传感器技术的第二传感器技术检测的导航特征组成。
在另一个实施例中,提供了一种适于由自动化车辆使用的导航系统。该系统包括第一传感器、第二传感器、数字地图和控制器。第一传感器用于确定第一导航特征相对于主车辆的第一相对位置,所述第一传感器被表征为基于第一传感器技术。第二传感器用于确定第二导航特征相对于主车辆的第二相对位置,所述第二传感器的被表征为基于不同于第一传感器技术的第二传感器技术。数字地图包括第一数据组和第二数据组,该第一数据组由被表征为优先由第一传感器技术检测的导航特征组成,第二数据组由被表征为优先由第二传感器技术检测的导航特征组成。控制器与第一传感器、第二传感器以及数字地图通信。控制器被配置为基于由第一传感器指示的第一导航特征的第一相对位置来确定主车辆在数字地图上的第一位置。靠近第一位置的数字地图的第一数据组由第一数据密度来表征。控制器进一步被配置为基于由第二传感器指示的第二导航特征的第二相对位置来确定主车辆在数字地图上的第二位置。靠近第二位置的数字地图的第二数据组由第二数据密度来表征。控制器还进一步被配置为基于第一数据密度与第二数据密度的比较来选择第一位置和第二位置中的一者用于导航主车辆。
在又一个实施例中,提供了一种用于由自动化车辆使用的导航系统。该系统包括第一传感器、第二传感器、数字地图和控制器。第一传感器用于确定第一导航特征相对于主车辆的第一相对位置,所述第一传感器被表征为基于第一传感器技术。第二传感器用于确定第二导航特征相对于主车辆的第二相对位置,所述第二传感器的被表征为基于不同于第一传感器技术的第二传感器技术。数字地图包括第一数据组和第二数据组,第一数据组由被表征为优先由第一传感器技术检测的导航特征组成,第二数据组由被表征为优先由第二传感器技术检测的导航特征组成。控制器与第一传感器、第二传感器以及数字地图通信。控制器被配置为基于由第一传感器指示的第一导航特征的第一相对位置来确定主车辆在数字地图上的第一位置,并且确定由第一传感器检测到的导航特征的第一特征密度。控制器进一步被配置为基于由第二传感器指示的第二导航特征的第二相对位置来确定主车辆在数字地图上的第二位置,并且确定由第二传感器检测到的导航特征的第二特征密度。控制器还进一步被配置为基于第一特征密度与第二特征密度的比较来选择第一位置和第二位置中的一者用于导航主车辆。
阅读优选实施例的下列详细描述并参考各个附图,进一步的特征和优点将更清楚地呈现,优选实施例仅作为非限制性示例给出。
附图说明
现在将参考各个附图通过示例的方式来描述本发明,其中:
图1是根据一个实施例的导航系统的示图;以及
图2是根据一个实施例的图1的系统所遇到的交通场景。
具体实施方式
图1示出了适于在自动化车辆(例如,主车辆12)上使用的导航系统10(以下称为系统10)的非限制性示例。本文中呈现的示例通常涉及当主车辆12正以自动模式14操作(即,完全自主的模式)时的实例,在该自动模式14中,主车辆12的操作人员(未示出)除了指定目的地外几乎不操作主车辆12。然而,设想了本文中所呈现的教导当主车辆12以手动模式16操作时是有用的,在该手动模式16中,自动化程度或自动化水平可能仅是向总体上控制主车辆12的转向器、加速器和制动器的操作人员提供操控建议,即系统10根据需要辅助操作人员到达目的地和/或避免碰撞。还设想了自动化车辆可以在没有操作人员的情况下操作。
系统10包括多个传感器20,这些传感器20包括第一传感器22,作为示例而非限制性,第一传感器22可以是相机24、雷达单元26或激光雷达单元28。第一传感器22通常用于确定第一导航特征42A相对于主车辆12的第一相对位置30,例如,以确定距离或范围以及到第一导航特征42A的方向或方位。第一导航特征42A可以是可有助于导航主车辆12的可由第一传感器22检测的任何物体。例如,第一导航特征42A可以是标志、交通信号灯、道路标记、障碍物、建筑物或可用于确定主车辆12在该主车辆12当前行驶的道路18(图2)上的位置的任何其他永久或半永久的特征。
多个传感器20还可以包括惯性单元32,该惯性单元32是跟踪主车辆12的相对运动的惯性导航系统(INS)的一部分。INS可以与全球定位系统(CPS)结合使用以在数字地图上跟踪或定位主车辆12。如本文中所使用,术语“导航特征”有时可替代地被称为“定位特征”,因为导航特征被用于在数字地图上定位主车辆。也就是说,“定位特征”可以代替整个文档中经常出现的“导航特征”。
注意,第一传感器22不限于仅检测第一导航特征42A,因为第一传感器22可以被车辆中的其他系统使用,该其他系统诸如碰撞避免系统。第一传感器22通常被表征为基于第一传感器技术34。例如,如果第一传感器22是相机24,则可以使用公知的成像技术,诸如,透镜以及图像检测器。如果第一传感器22是雷达单元26,则可以使用公知的雷达天线以及雷达收发机技术。
系统10,或更具体地,多个传感器20,还包括第二传感器36,该第二传感器36用于确定第二导航特征42B相对于主车辆12的第二相对位置38。第二传感器36被表征为基于与第一传感器22使用的第一传感器技术34不同的第二传感器技术40。这并不意味着表明主车辆12上的每个传感器都必须基于不同的传感器技术。在该示例中,第一传感器技术34被指定为不同于第二传感器技术40仅仅为了说明具有可用于检测导航特征42的各种实例的至少两种传感器技术的系统10的益处。认识到,在使用不同传感器技术的不同传感器之间可能存在一些不对准。也就是说,当第一传感器22与第二传感器36两者都检测导航特征42的相同实例时,第一相对位置30与第二相对位置38可能不精确地匹配。改进之处在于,系统10确定何时由第一传感器技术34更好或更可靠地提供导航引导,因此由第一传感器22检测到的第一导航特征42A应当被给予比由第二传感器技术40提供的导航引导更多的权重或可信度,或者当情况相反时也是相应的情况,如下文中将更详细地所解释。也就是说,系统10可以将第一相对位置30或第二相对位置38选择为优选用于导航主车辆12。
系统10还包括可用于导航自动化车辆(例如,主车辆12)的数字地图44。尽管图1表明数字地图44被构建到或集成到系统10的控制器46中,但是设想了数字地图44可以位于“云中”,并且可经由多种已知的通信方法来访问。数字地图44包括或包含第一数据组48以及第二数据组50,第一数据组48由被表征为优先由第一传感器技术34检测的导航特征42组成;第二数据组50由被表征为优先由第二传感器技术40检测的导航特征42组成,有利地,第二传感器技术40与第二传感器技术34不同。如本文中所使用,优先由特定的传感器技术检测意味着当与其他传感器技术相比时,导航特征42的实例更容易或更易于被一种传感器技术检测到。
例如,如果第一传感器22是相机24并且第二传感器36是雷达单元26,则第一数据组48将有利地由相比于雷达单元26更容易被相机24检测到的导航特征42(例如,道路标记62(图1))组成,因此第一相对位置30更容易由第一传感器22确定。类似地,如果第二传感器36是雷达单元26,则第二数据组50将有利地由更容易地被雷达单元26检测到的导航特征42(例如,如停止标志60)组成。虽然认识到相机24可容易地检测停止标志60,但是要注意,当与相机24确定范围与方向的能力相比,雷达单元可以更容易地确定停止标志60的范围和方向(即,第二相对位置38)。
尽管文中描述的数字地图44的非限制性示例表明所有的导航特征42被收集以形成数字地图44的统一版本,但是设想了可存在数字地图的多个实例,其中每个实例可以标识或包括更容易被特定类型的传感器检测到的导航特征。例如,一个地图供应商可以提供被优化以在相机24用作传感器时使用的数字地图,而另一个地图供应商可以提供第二数字地图,该第二数字地图被优化以在雷达单元26用作传感器时使用。预想到,各种地图将以使得各种数字地图可以对准的方式来确定尺寸,即,概念上重叠,以有效地形成单个统一的数字地图。例如,各种数字地图的所有版本都参考相同的世界坐标,例如,纬度、经度以及海拔高度。
在控制器46与第一传感器22、第二传感器36以及数字地图44通信的情况下,控制器46可以被配置为基于由第一传感器22检测或指示的第一导航特征42A的第一相对位置30来确定主车辆12在数字地图44上的第一位置52,并且基于由第二传感器36检测或指示的第二导航特征42B的第二相对位置38来确定主车辆12在数字地图44上的第二位置54。由于前述的第一传感器22相对于第二传感器36可能的未对准,和/或在各种数字地图上指示的导航特征42的可能的未对准/位置误差,第一位置52和第二位置54可能不精确地匹配或重合。因此,期望确定使用第一位置52或第二位置54来确定数字地图44上的当前位置56的优点的方式或方法。
在数字地图44的一个实施例中,第一数据组48由靠近数字地图44上的当前位置56的第一数据密度64来表征,并且第二数据组50由靠近数字地图44上的当前位置56的第二数据密度66来表征。也就是说,靠近第一位置52的数字地图44的第一数据组48可以由第一数据密度64来表征,并且数字地图44上靠近第二位置54的第二数据组50可以由第二数据密度66来表征。如本文中所使用,第一数据密度64与第二数据密度66导航特征42的多少实例足够接近当前位置56(即,第一位置52或第二位置54)以便可由系统10的传感器20检测到的指示。例如,在城市环境中,数据密度可由数字地图44上存在多少在当前位置56的一百米(100m)内的导航特征42来指示,而在农村环境中,数据密度可由数字地图44上存在多少在当前位置56的一千米(1000m)内的导航特征42来指示。
图2示出了主车辆12可能遇到的交通场景58的非限制性示例。设想到,许多永久性特征(诸如,停止标志60、道路标记62以及铁路轨道68)将是存在于数字地图44中的导航特征42中的一些。作为进一步的示例而非限制,由于使用可用的图像处理算法容易地确定停止标志60的图像,并且形成停止标志60的金属提供相对强的雷达信号返回,因此停止标志60可容易地被相机24和雷达单元26两者检测到。还要注意的是,停止标志60将容易地被雷达单元检测到。然而,出于本领域技术人员将认识到的原因,相机24可能比雷达单元26更容易检测到道路标记62。相比之下,铁路轨道68可能无法提供与道路18的表面的强烈的视觉对比,因此将不会像被雷达单元26检测到那样容易地被相机24检测到,因为金属轨道将提供大量雷达信号返回。
临时物体(诸如,其他车辆72以及即将穿过道路18的行人74)的实例将不会在数字地图44上,因此将不会用于确定主车辆12的当前位置56。也就是说,如果检测到这种临时物体,则为了主车辆12的导航目的,它们将被系统10忽略,但是不一定被主车辆12的控制的其他方面(诸如,碰撞避免)忽略。虽然仅在一周中的某些天和一天中的某些时间出现的协管员76的具体位置将不适合用作导航特征,但是协管员76的存在时间表可以被包括在数字地图44中,因此当预料到存在协管员76时,系统10可以使用增强的检测方法。还设想了半永久性物体(诸如,建筑标志70)可由政府机构从数字地图44中添加和移除,或者通过由主车辆12与其他车辆72进行的协作检测和分类从数字地图44中添加和移除。
在系统10的一个实施例中,数字地图44可以被配置成可用于基于靠近当前位置56的数字地图44的第一数据密度与第二数据密度66的比较来选择将用于检测当前位置56处的导航特征42的优选传感器技术。也就是说,存在于数字地图44中的靠近当前位置56的导航特征密度的比较可以用于确定使用第一数据组48或第二数据组50中的哪一个,即,第一传感器22还是第二传感器36被用于或主要被用于导航主车辆12。作为非限制性示例,在图2中,除了停止标志60之外还存在许多永久标志的实例,因此第二数据密度66可以大于可以仅包括道路标记62的第一数据密度64。对于该示例,优选的传感器技术可以是雷达,因此第二传感器36(雷达单元26)被用作用于确定数字地图44上的当前位置56的主要装置。
在以上示例中,第一导航特征42A与第一物体(道路标记62)相关联,并且第二导航特征42B与不同于第一物体的第二物体(停止标志60)相关联。然而,应认识到,第一导航特征42A与第二导航特征42B可以与相同的物体相关联,例如,相机24与雷达单元26两者都可以容易地检测停止标志60,但是雷达单元26可能能够更容易地检测更远的标志(诸如,铁路交叉道口标志)的实例。然而,由此可见,当第一数据密度64大于第二数据密度66时,有利地根据第一位置52(其基于第一导航特征42A来确定)对主车辆12导航,并且当第一数据密度64不大于第二数据密度66时,根据第二位置54(其基于第一导航特征42A来确定)操作主车辆12。
应认识到,与农村环境相比,在城市环境中,导航特征42的数据密度可以相对较高。选择传感器20中的哪一个用于或主要用于确定当前位置56的优点在于,主车辆12的轨迹不太可能由于第一传感器22和第二传感器36之间的不对准误差和/或地图数据不一致性而抖动。然而,还应该认识到,在农村环境中,导航特征42的密度可能非常稀疏,即低于数据阈值78(图1),在系统10的替代实施例中,控制器46可以有利地进一步被配置为基于第一位置52与第二位置54的组合或平均来确定平均位置80,并且当第一数据密度64与第二数据密度66两者都小于数据阈值78时,根据平均位置80来导航主车辆12。
可选地,除了第一传感器22和第二传感器36之外,系统10还包括用于确定主车辆12在数字地图44上的第三位置的定位设备82。定位设备82可以是被配置成用于车辆到基础设施(V2I)通信、车辆到车辆(V2V)通信和/或车辆到行人(V2P)通信的全球定位传感器(GPS)和/或收发机(未示出),该V2I通信、V2V通信和V2P通信可以一般地标记为V2X通信,由此,相对于经由V2X接收的GPS坐标确定主车辆12的第三位置,如将由本领域技术人员所认识。
在撰写本文时,高精度GPS系统(例如,+/-0.1m精度)通常对于在成本敏感的汽车应用中使用来说是过于昂贵的。因此,虽然系统10将相机24用作第一传感器22来将第一位置52确定到第一精度86(例如,+/-0.1m)并使用雷达单元26将第二位置54确定到第二精度88(例如,+/-0.1m)的具有成本效益的手段是容易获得的,但是使用GPS确定第三位置84的具有成本效益的手段可能要求系统10接受或容忍第三精度90(例如,+/-0.5m),该第三精度90被表征为比第一精度86和第二精度88更不准确。
上述系统10的替代实施例包括第一传感器22、第二传感器36、数字地图44和控制器46。然而,代替基于数字地图44的第一数据密度64和第二数据密度66来选择使用传感器20中的哪一个来确定当前位置56,控制器46替代地被配置成确定由第一传感器22检测到的导航特征42的第一特征密度92(例如,第一导航特征42A的多少个实例),确定由第二传感器36检测到的导航特征42的第二特征密度94(例如,第二导航特征42B的多少个实例),并且基于第一特征密度92和第二特征密度94的比较来选择第一位置52和第二位置54中的一者用于导航主车辆12。也就是说,系统10依赖于由传感器20实际检测到的所检测的导航特征的密度,而不是依赖于地图数据的密度。第一特征密度92和第二特征密度94的比较用于确定第一数据组48和第二数据组50中的哪一个被用于或主要被用于导航主车辆12。
这种基于特征密度的实施例相比基于数据密度的实施例的优点在于,系统10可能能够更容易地适应与第二传感器36相比更显著地影响第一传感器22的能力/灵敏度的特殊条件,或者相反。例如,如果天气条件使得道路被雪和/或冰覆盖,则相机24可能不能够容易地检测道路标记62。相反,如果交通特别拥挤,即,交通密度相对较高;则广播雷达信号的车辆的数量可能导致由雷达单元26检测导航特征42的距离实例的问题。
与先前的实施例类似,由此可见,当第一特征密度92大于第二特征密度94时,可以根据第一位置52来导航主车辆12,并且当第一特征密度92不大于第二特征密度94时,根据第二位置54来操作主车辆12。此外,控制器46可以进一步被配置为基于第一位置52和第二位置54来确定平均位置80,并且当由于例如主车辆12正在农村环境中行驶而导致第一特征密度92和第二特征密度94两者都小于特征密度阈值96时,根据平均位置来导航主车辆12。
因此,提供了导航系统(系统10)、用于系统10的控制器46和数字地图44以及操作系统10的方法。系统10通常被配置成如果存在足够数量的导航特征42来导航主车辆12,则主要使用多个传感器中的一个来导航主车辆12。通过仔细选择多个传感器中的一个,预期主车辆12的操作将更稳定/更平稳,并且因此为主车辆12的乘坐者提供更好的旅行体验。
尽管已经根据本发明的优选实施例描述了本发明,但是并不旨在受限于此,而是仅受所附权利要求书中所阐述的范围限制。

Claims (11)

1.一种适于主车辆的导航系统,所述系统包括:
第一雷达传感器,所述第一雷达传感器基于第一雷达传感器技术,并且被配置用于确定第一导航特征相对于主车辆的第一位置;
第二雷达传感器,所述第二雷达传感器基于不同于所述第一雷达传感器技术的第二雷达传感器技术,并且被配置用于确定第二导航特征相对于所述主车辆的第二位置;
数字地图,所述数字地图包括:
使用所述第一雷达传感器技术能检测到并且靠近所述第一位置的导航特征的第一数据组;和
使用所述第二雷达传感器技术能检测到并且靠近所述第二位置的导航特征的第二数据组;以及
控制器,所述控制器被配置用于与所述第一雷达传感器、所述第二雷达传感器和所述数字地图进行通信,以通过以下操作来导航所述主车辆:
基于第一相对位置来确定所述主车辆在所述数字地图上的第一位置,包括所述第一位置的所述数字地图的第一区域具有第一数据密度,所述第一数据密度指示所述第一区域内的导航特征的所述第一数据组的第一数量;
基于第二相对位置来确定所述主车辆在所述数字地图上的第二位置,包括所述第二位置的所述数字地图的第二区域具有第二数据密度,所述第二数据密度指示所述第二区域内的导航特征的所述第二数据组的第二数量;和
基于所述第一数据密度与所述第二数据密度的比较来选择所述第一位置或所述第二位置以用于导航所述主车辆。
2.根据权利要求1所述的系统,其特征在于,所述第一传感器不同于所述第二传感器。
3.根据权利要求1至2中任一项所述的系统,其特征在于,所述第一导航特征与第一物体相关联,并且所述第二导航特征与不同于所述第一物体的第二物体相关联。
4.根据权利要求1至3中任一项所述的系统,其特征在于,所述第一导航特征和所述第二导航特征与同一物体相关联。
5.根据权利要求1至4中任一项所述的系统,其特征在于,所述控制器进一步被配置用于:当所述第一数据密度大于所述第二数据密度时选择所述第一位置,并且当所述第一数据密度不大于所述第二数据密度时选择所述第二位置。
6.根据权利要求1至5中任一项所述的系统,其特征在于,所述控制器进一步被配置用于:
基于所述第一位置和所述第二位置来确定所述主车辆的平均位置;并且
当所述第一数据密度与所述第二数据密度各自小于阈值时,选择所述平均位置,而不是选择所述第一位置或所述第二位置。
7.根据权利要求1至6中任一项所述的系统,其特征在于,所述系统包括被配置用于确定所述主车辆在所述数字地图上的第三位置的定位设备。
8.根据权利要求7所述的系统,其特征在于,所述控制器进一步被配置用于:
将所述第一位置确定到第一精度;
将所述第二位置确定到第二精度;并且
将所述第三位置确定到第三精度,所述第三精度比所述第一精度和所述第二精度更不准确。
9.一种由适于导航主车辆的导航系统执行的方法,所述方法包括:
使用基于第一雷达传感器技术的第一雷达传感器,来确定第一导航特征相对于主车辆的第一位置;
使用基于与所述第一雷达传感器技术不同的第二雷达传感器技术的第二雷达传感器,来确定第二导航特征相对于所述主车辆的第二位置;
从数字地图标识使用所述第一雷达传感器技术能检测到并且靠近所述第一位置的导航特征的第一数据组;
从所述数字地图标识使用所述第二雷达传感器技术能检测到并且靠近所述第二位置的导航特征的第二数据组;
基于第一相对位置来确定所述主车辆在所述数字地图上的第一位置,包括所述第一位置的所述数字地图的第一区域具有第一数据密度,所述第一数据密度指示所述第一区域内的导航特征的所述第一数据组的第一数量;
基于第二相对位置来确定所述主车辆在所述数字地图上的第二位置,包括所述第二位置的所述数字地图的第二区域具有第二数据密度,所述第二数据密度指示所述第二区域内的导航特征的所述第二数据组的第二数量;以及
基于所述第一数据密度与所述第二数据密度的比较来选择所述第一位置或所述第二位置以用于导航所述主车辆。
10.一种适于导航主车辆的导航系统,所述系统包括:
用于使用基于第一传感器技术的第一传感器来确定第一导航特征相对于主车辆的第一位置的装置;
用于使用基于与所述第一传感器技术不同的第二传感器技术的第二传感器来确定第二导航特征相对于所述主车辆的第二位置的装置;
用于从数字地图标识使用所述第一传感器技术能检测到并且靠近所述第一位置的导航特征的第一数据组的装置;
用于从所述数字地图标识使用所述第二传感器技术能检测到并且靠近所述第二位置的导航特征的第二数据组的装置;
用于基于第一相对位置来确定所述主车辆在所述数字地图上的第一位置的装置,包括所述第一位置的所述数字地图的第一区域具有第一数据密度,所述第一数据密度指示所述第一区域内的导航特征的所述第一数据组的第一数量;
用于基于第二相对位置来确定所述主车辆在所述数字地图上的第二位置的装置,包括所述第二位置的所述数字地图的第二区域具有第二数据密度,所述第二数据密度指示所述第二区域内的导航特征的所述第二数据组的第二数量;以及
用于基于所述第一数据密度与所述第二数据密度的比较来选择所述第一位置或所述第二位置以用于导航所述主车辆的装置。
11.根据权利要求10所述的系统,其特征在于,所述第一传感器包括基于第一雷达技术的雷达传感器,所述第一雷达技术不同于由所述第二传感器使用的第二雷达技术,所述第二传感器包括第二雷达传感器。
CN202210600498.XA 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择 Pending CN114993327A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US15/189,389 US10345107B2 (en) 2016-06-22 2016-06-22 Automated vehicle sensor selection based on map data density and navigation feature density
US15/189,389 2016-06-22
PCT/US2017/033267 WO2017222691A1 (en) 2016-06-22 2017-05-18 Automated vehicle sensor selection based on map data density and navigation feature density
CN201780039021.6A CN109314085B (zh) 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201780039021.6A Division CN109314085B (zh) 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择

Publications (1)

Publication Number Publication Date
CN114993327A true CN114993327A (zh) 2022-09-02

Family

ID=60677284

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210600498.XA Pending CN114993327A (zh) 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择
CN201780039021.6A Active CN109314085B (zh) 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201780039021.6A Active CN109314085B (zh) 2016-06-22 2017-05-18 基于地图数据密度和导航特征密度的自动化车辆传感器选择

Country Status (4)

Country Link
US (1) US10345107B2 (zh)
EP (1) EP3475976B1 (zh)
CN (2) CN114993327A (zh)
WO (1) WO2017222691A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017211607A1 (de) * 2017-07-07 2019-01-10 Robert Bosch Gmbh Verfahren zur Verifizierung einer digitalen Karte eines höher automatisierten Fahrzeugs (HAF), insbesondere eines hochautomatisierten Fahrzeugs
US10921133B2 (en) * 2017-12-07 2021-02-16 International Business Machines Corporation Location calibration based on movement path and map objects
US11199413B2 (en) * 2018-07-19 2021-12-14 Qualcomm Incorporated Navigation techniques for autonomous and semi-autonomous vehicles
DE102018219602A1 (de) * 2018-11-15 2020-05-20 Robert Bosch Gmbh Verfahren zum Erkennen von Kartenfehlern
US12105192B2 (en) 2020-12-17 2024-10-01 Aptiv Technologies AG Radar reference map generation
US11988741B2 (en) 2020-12-17 2024-05-21 Aptiv Technologies AG Vehicle routing based on availability of radar-localization objects
US11810459B1 (en) 2022-05-09 2023-11-07 Aptiv Technologies Limited Vehicle localization based on radar detections in garages

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7298289B1 (en) * 1998-01-27 2007-11-20 Hoffberg Steven M Mobile communication device
RU2010136929A (ru) * 2008-02-04 2012-03-20 Теле Атлас Норт Америка Инк. (Us) Способ для согласования карты с обнаруженными датчиком объектами
JP4582170B2 (ja) * 2008-03-27 2010-11-17 トヨタ自動車株式会社 勾配情報演算装置、車両走行制御装置、ナビゲーションシステム
US9052207B2 (en) * 2009-10-22 2015-06-09 Tomtom Polska Sp. Z O.O. System and method for vehicle navigation using lateral offsets
GB2501466A (en) * 2012-04-02 2013-10-30 Univ Oxford Localising transportable apparatus
US9062979B1 (en) 2013-07-08 2015-06-23 Google Inc. Pose estimation using long range features
KR20150054443A (ko) * 2013-11-12 2015-05-20 현대모비스 주식회사 내비게이션을 이용한 차량 주행 제어 장치 및 방법
US20150153184A1 (en) * 2013-12-04 2015-06-04 GM Global Technology Operations LLC System and method for dynamically focusing vehicle sensors
KR101574010B1 (ko) * 2014-03-31 2015-12-02 박원일 안전운전용 영상표시장치 및 그 구동방법
WO2016106715A1 (en) * 2014-12-31 2016-07-07 SZ DJI Technology Co., Ltd. Selective processing of sensor data
EP3998455A1 (en) * 2015-08-03 2022-05-18 TomTom Global Content B.V. Methods and systems for generating and using localisation reference data
US9684081B2 (en) * 2015-09-16 2017-06-20 Here Global B.V. Method and apparatus for providing a location data error map

Also Published As

Publication number Publication date
EP3475976B1 (en) 2023-06-28
EP3475976A1 (en) 2019-05-01
CN109314085B (zh) 2022-06-17
US20170370729A1 (en) 2017-12-28
CN109314085A (zh) 2019-02-05
EP3475976A4 (en) 2020-05-20
US10345107B2 (en) 2019-07-09
WO2017222691A1 (en) 2017-12-28

Similar Documents

Publication Publication Date Title
CN109314085B (zh) 基于地图数据密度和导航特征密度的自动化车辆传感器选择
US20220001871A1 (en) Road vector fields
CN106352867B (zh) 用于确定车辆自身位置的方法和设备
EP2491344B1 (en) System and method for vehicle navigation using lateral offsets
CN108001457B (zh) 自动车辆传感器控制系统
KR101905952B1 (ko) 차량 및 인프라 연계 기반 디지털 맵 생성 시스템 및 방법
US20080243378A1 (en) System and method for vehicle navigation and piloting including absolute and relative coordinates
CN109313033B (zh) 导航数据的更新
CN101641610A (zh) 用于包含绝对及相对坐标的车辆导航及领航的系统及方法
CN104296756A (zh) 运行机动车的方法和机动车
CN110530377B (zh) 用于实施用于车辆的至少一个提高安全性的措施的方法和装置
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
CN109425350A (zh) 道路定位、道路切换判断方法、装置、设备及存储介质
WO2021240884A1 (ja) 車両制御装置、および、自車位置推定方法
WO2017175719A1 (ja) 位置捕捉システム
JP2007241468A (ja) 車線変更検出装置
US10989558B2 (en) Route guidance method and route guidance device
CN110869864A (zh) 用于定位较高程度自动化的车辆的方法以及相应的驾驶员辅助系统和计算机程序
EP3907468A1 (en) Vehicle, apparatus, method, and computer program for determining a merged environmental map
Kojima et al. High accuracy local map generation method based on precise trajectory from GPS Doppler
JPWO2020031295A1 (ja) 自己位置推定方法及び自己位置推定装置
JP7323146B2 (ja) 情報処理方法、プログラム、及び情報処理装置
Hussain Merge Assist System Using GPS and DSRC Based Vehicle-to-Vehicle Communication
KR20230012159A (ko) 차량 측위 방법, 차량 및 차량 측위 시스템
CN115808179A (zh) 一种交通信息获取方法、装置及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20240401

Address after: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant after: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region after: Luxembourg

Address before: Babado J San Michaele

Applicant before: Delphi Technologies, Inc.

Country or region before: Barbados

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240428

Address after: 2 Pestaroz Street, Schaffhausen, Switzerland

Applicant after: Anbofu Technology Co.,Ltd.

Country or region after: Switzerland

Address before: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant before: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region before: Luxembourg

TA01 Transfer of patent application right