CN115900682A - 通过序列估计和锚点检测改进道路拓扑的方法 - Google Patents

通过序列估计和锚点检测改进道路拓扑的方法 Download PDF

Info

Publication number
CN115900682A
CN115900682A CN202210585586.7A CN202210585586A CN115900682A CN 115900682 A CN115900682 A CN 115900682A CN 202210585586 A CN202210585586 A CN 202210585586A CN 115900682 A CN115900682 A CN 115900682A
Authority
CN
China
Prior art keywords
map
vehicle
road segment
boundary
anchor
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
CN202210585586.7A
Other languages
English (en)
Inventor
Y.魏
Y.G.门吉斯图
O.布兰
S.马赫什
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN115900682A publication Critical patent/CN115900682A/zh
Pending legal-status Critical Current

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
    • G01C21/3819—Road shape data, e.g. outline of a route
    • 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
    • G01C21/3852—Data derived from aerial or satellite images
    • 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
    • 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
    • G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
    • G01C21/3896—Transmission of map data from central databases

Landscapes

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

Abstract

本发明涉及一种通过序列估计和锚点检测改进道路拓扑的方法。一种生成用于导航车辆的地图的系统和方法。该系统包括远程处理器。远程处理器被配置为基于来自至少一个数据源的数据确定路段的位置的锚点，将锚点放置在路段的航拍图像内，基于锚点来预测路段在航拍图像上的边界标记，并为车辆提供边界标记。车辆处理器使用边界标记沿路段导航车辆。

Description

通过序列估计和锚点检测改进道路拓扑的方法
技术领域
本主题公开涉及自主车辆的导航，特别地涉及用于基于来自一个或多个数据源的数据来确定用于车辆导航的路段内的车道边界的系统和方法。
背景技术
自主车辆经常使用来自地图服务的数据进行导航，这些数据识别道路中心的位置、车道标记等。理想地，来自这些地图服务的数据是至少指示道路中心的位置的点。然而，在实践中，这些点可能会显著偏离道路的实际中心，导致地图构建不佳和车辆导航不佳。因此，希望以更高的精度指定中心标记和其他道路边界的位置，以改进现有导航地图中的道路拓扑。
发明内容
在一个示例性实施例中，公开了一种生成地图的方法。基于来自至少一个数据源的数据为路段的位置确定锚点(anchor point)。锚点放置在路段的航拍图像(aerialimage)内。基于锚点在航拍图像上预测路段的边界标记以形成地图。该地图被提供给车辆。
除了在此描述的一个或多个特征之外，至少一个数据源包括车辆遥测数据源、众包数据和航空影像数据源中的至少一个。确定锚点还包括确定多个候选者(candidate)，每个候选者具有相关联的置信度(confidence)水平，以及基于相关联的置信度水平从多个候选者中选择一候选者作为锚点。路段的边界标记还包括路段的中心标记、路段的车道标记和路段的边缘标记中的至少一个。在一实施例中，边界标记在先前从地图服务生成的地图上丢失。该方法包括将预测的边界标记与先前从服务生成的地图中的边界标记进行比较，以识别来自地图服务的地图中的错误。该方法还包括在远程处理器处确定路段的锚点和预测的边界标记，并且将预测的边界标记提供给车辆的处理器以操作车辆。该方法还包括使用地图中的边界标记沿路段导航车辆。
在另一个示例性实施例中，公开了一种用于生成地图的系统。该系统包括处理器，该处理器被配置为基于来自至少一个数据源的数据确定路段的位置的锚点，将锚点放置在路段的航拍图像内，基于锚点来预测路段在航拍图像上的边界标记，并为车辆提供边界标记，用于车辆沿路段的导航。
除了在此描述的一个或多个特征之外，至少一个数据源包括车辆遥测数据源、众包数据和航拍影像数据源中的至少一个。确定锚点还包括确定多个候选者，每个候选者具有相关联的置信度水平，以及基于相关联的置信度水平从多个候选者中选择一候选者作为锚点。路段的边界标记还包括路段的中心标记、路段的车道标记和路段的边缘标记中的至少一个。在一实施例中，处理器还被配置为预测从先前从地图服务生成的地图中丢失的边界标记。处理器还被配置为将预测的边界标记与先前生成的地图中的边界标记进行比较，以从地图服务中识别地图中的错误。在一实施例中，处理器是车辆的远程处理器，并且处理器将预测的边界标记提供给车辆处理器，该车辆处理器使用预测的边界标记来操作车辆。
在又一个示例性实施例中，公开了一种用于导航车辆的系统。该系统包括远程处理器和车辆处理器。远程处理器被配置为基于来自至少一个数据源的数据来确定路段的位置的锚点，将锚点放置在路段的航拍图像内，基于锚点来预测路段在航拍图像上的边界标记，并为车辆提供边界标记。车辆处理器使用边界标记沿路段导航车辆。
除了在此描述的一个或多个特征之外，至少一个数据源包括车辆遥测数据源、众包数据和航空影像数据源中的至少一个。确定锚点还包括确定多个候选者，每个候选者具有相关联的置信度水平，以及基于相关联的置信度水平从多个候选者中选择一候选者作为锚点。路段的边界标记还包括路段的中心标记、路段的车道标记和路段的边缘标记中的至少一个。远程处理器还被配置为使用锚点预测从先前生成的地图中丢失的边界标记。
当结合附图进行以下详细描述时，本公开的上述特征和优点以及其他特征和优点是显而易见的。
附图说明
其他特征、优点和细节仅以示例的方式出现在以下详细描述中，详细描述参考附图，在附图中：
图1示出了使用地图中标识的道路边界的用于车辆导航的系统；
图2示出了具有标记的路段，该标记示出了本文公开的映射(mapping)方法；
图3示出了用于估计边界标记的方法的流程图；
图4示出了用于从本文公开的各种数据源确定锚点的方法的流程图；
图5示出了从遥测数据确定锚点的方法的流程图；
图6示出了路段的一区域，该区域示出了使用置信度阈值来选择分隔线(separator line)的方法；
图7示出了使用关于图6讨论的置信度阈值方法不可接受的分隔线；
图8示出了用于从航拍图像确定边界标记的方法的流程图；
图9示出了用于预测边界标记的缝合步骤；
图10示出了路段的航拍图像，其示出了可以使用本文公开的方法确定的各种边界标记；和
图11示出了说明用于校正道路边界的HD/MD(高清晰度/低清晰度)地图的方法的图像。
具体实施方式
以下描述本质上仅是示例性的并且不旨在限制本公开、其应用或用途。应当理解，在所有附图中，对应的附图标记表示相同或对应的部件和特征。
根据示例性实施例，图1示出了用于使用地图中识别的道路边界进行车辆导航的系统100。系统100包括车辆102，其可以是与地图处理器或地图服务器104通信的自主或半自主的车辆。地图服务器104可以为车辆102提供高清或中清(HD/MD)导航地图。系统100还包括多个数据源，其向地图服务器104提供数据以使地图服务器104能够使用本文公开的方法生成地图。多个数据源可以包括但不限于遥测数据源106，例如高速车辆遥测(HSVT)数据源、提供众包数据的众包数据源108和天线图像数据源110，例如美国地质调查局(USGS)数据库。
在一实施例中，车辆102包括全球定位系统(GPS)112和传感器114(例如，激光雷达系统、雷达系统、一个或多个摄像机等)。车辆102还包括车辆处理器116。车辆处理器116可以从GPS 112、传感器114和地图服务器104获得信息并使用该信息来增强或自动化车辆102的操作。处理器120和地图服务器104可以使用处理电路，其可以包括专用集成电路(ASIC)、电子电路、处理器(共享、专用或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能的其他合适的组件。
地图服务器104可以执行基于云的通信，如图所示，或者可以在一段时间内与多个车辆(未示出)执行蜂窝或其他无线通信。地图服务器104可以从车辆102和其他车辆(未示出)接收遥测数据。例如，遥测数据包括基于GPS 112的车辆102的位置信度息、指示车辆102的方向和速度的信息，以及诸如车辆102的高度的附加信息。地图服务器104可以存储从每个车辆接收的遥测数据以供处理。
图2示出了具有标记的路段200，该标记示出了本文公开的映射方法。映射方法在路段上绘制边界标记，车辆可以使用该边界标记进行导航并保持其在车道内的位置。边界标记可以是中心标记204，如图2所示，或者可以是道路边缘标记或车道标记。锚点202被确定并用于标记路段200的中心标记204上的一个或多个位置。锚点202可以通过将本文公开的方法应用于来自一个或多个数据源(例如图1的一个或多个数据源)的数据来确定。基于锚点202的位置计算中心标记204并将其放置在路段内。
图3示出了用于估计边界标记的方法的流程图300。在框302中，针对沿路段200的道路边界的多个位置确定多个锚点202。在框304中，生成连接多个锚点的预测边界点。使用沿路段200的代表性锚点202和路段的航拍图像生成预测的边界点。预测的边界点形成边界标记的轮廓线或周线。通过将锚点和路段200的航拍图像输入到机器学习程序或神经网络，例如长短期记忆(LSTM)神经网络，可以从锚点202预测边界标记。
图4示出了用于从本文公开的各种数据源确定锚点202的方法的流程图400。在框402中，遥测数据在地图服务器104处被接收和聚合。遥测数据包括来自多个车辆的数据，这些车辆可以包括车辆102。在框404中，在框404中，通过确定锚点的置信度值，然后将该置信度值与置信度阈值进行比较，聚合(aggregate)的遥测数据被用于创建锚点202。此处参考图5和6提供了框404的方法的详细解释。
仍然参考图4，在框406中，在地图服务器104处接收众包车辆数据。众包车辆数据可以包括但不限于在多个车辆处获得的检测数据，例如摄像机图像数据、激光雷达数据、雷达数据、原始检测数据或其任意组合。在与车辆有关的车道标记处获得的检测数据。车道标记的相对位置与车辆位置、速度、航向等的知识相结合，以在地图服务器104的地图内提供车道标记的位置。车辆的位置、速度、航向等可以由GPS数据提供。众包数据识别边界标记的可能位置以及可能位置的置信度水平。在框408中，可能位置的置信度水平用于从众包数据中选择锚点202。众包数据在确定车道标记的位置是有用的。
在框410中，在地图服务器104处接收航拍图像。在框412中，可以使用图像处理来识别航拍图像内的可能锚点202，并且可以将置信度水平与可能的锚点相关联。使用航拍图像获得的边界标记可以包括路段200的边缘标记。
来自框404、408和412的锚点被认为是锚点202的候选者，并在聚合器414处被聚合。在框416中，从多个候选者中选择一个候选点作为路段的位置的代表性的锚点。选定的锚点可以是具有最佳或最高相关置信度水平的候选者。可以针对沿路段200的其他位置重复流程图400中所示的确定锚点的该过程，从而为沿路段的多个位置生成锚点。
图5示出了从遥测数据确定锚点的方法的流程图500。车辆的遥测数据包括车辆的位置、速度、方位、行进方向等。在框502中，从沿路段行驶的多个车辆获得遥测数据。遥测数据由图像510中的遥测点512表示。在框504中，遥测数据基于车辆的航向或行进方向进行划分。通常，车辆沿道路沿一个方向移动，如图像514中的第一遥测点516所示，或沿相反方向移动，如图像514中的第二遥测点518所示。在框506中，确定分隔线522(如图像520中所示)，该分隔线522表示路段的中心标记的计算位置。
图6示出了路段的区域600，其示出了用于使用置信度阈值来选择分隔线522的方法。绘制分隔线606以将区域600分成第一子区域608和第二子区域610。第一子区域608被指定为包括在第一方向流动的车辆，第二子区域610被指定为包括在第二方向流动的车辆。一旦绘制了分隔线606，就将车辆的方向与它们所在的子区域进行比较，以确定分隔线606的置信度水平。
当车辆的方向与为其指定方向的子区域相同时，进行正计数。例如，第一点614表示沿第一方向行驶的车辆。由于第一点614在第一子区域中，因此由第一点614表示的车辆方向与为第一子区域608指定的方向相同并且进行正计数。另一方面，第二点616表示沿第二方向行驶的车辆。由于由第二点616表示的车辆方向与第一子区域608的指定方向不同，因此不进行正计数。类似地，第三点618表示沿第二方向行驶的车辆并且在第二子区域610中。因此，由第三点618表示的车辆的方向与第二子区域610的指定方向相同并且进行正计数。然而，第四点620表示沿第一方向行驶的车辆，但在第二子区域610中。由于由第四点620表示的车辆的方向与第二子区域610的指定方向不同，所以不进行正计数。
对区域600的正计数求和生成置信度数。对于区域600，有40个点，其中36个点具有的方向与其设计的子区域相匹配。因此，区域70的置信度数为36/40。将置信度数与置信度阈值(例如，0.9)进行比较，以确定分隔线在指定锚点时是否可接受。对于分隔线606，置信度水平大于置信度阈值，因此被接受。可以选择锚点622作为分隔线606上的任何点。
图7示出了使用关于图6讨论的置信度阈值方法是不可接受的的分隔线702。分隔线702将区域700分隔成指定用于车辆在第一方向上行驶的第一子区域704和指定用于车辆在第二方向上行驶的第二子区域706。空心点708表示沿第一方向行驶的车辆，阴影点710表示沿第二方向行驶的车辆。使用关于图7讨论的方法，分隔线702的置信度水平是23/40。该置信度水平小于置信度阈值，因此不接受分隔线702。
现在提供对众包数据的讨论。对于众包数据(框406)，从多个车辆接收检测数据和GPS数据。对于给定的车辆，车道标记的检测和GPS数据由车辆感测。来自多个车辆的该检测和GPS数据在地图服务器104处聚合以定位边界。数据从具有相关置信度水平的车辆发送，这些置信度水平表明对边界位置的置信度。边界的组合置信度得分是基于每个点的置信度水平，如等式(1)所示:
Figure BDA0003663299000000061
其中N是车辆数量，T是计数阈值，c(k)是第k个数据点的置信度水平。当为众包贡献数据的车辆数量大于计数阈值T时，众包得分是数据的个体置信度水平的平均值。当为众包贡献数据的车辆数量小于计数阈值T时，众包得分被分配为零值。
图8示出了用于从航拍图像确定边界标记的方法的流程图800。在框802中，定义了一区域，并且定义了该区域的一组概率，其指示边界标记的位置的概率。如图像810中所示，相对于围绕所述线的区域，线812指示作为边界标记的位置的概率更高。在框804中，将概率区域与路段的航拍图像814进行比较以识别边界标记，例如边缘标记816，以确定概率计数。将这些概率相加以确定从航拍图像814中选择的锚点的边缘概率Pedge，如等式(2)所示；
Figure BDA0003663299000000071
其中Pk是与道路边缘点相关的概率，l是边缘长度。在框806中，概率之和被归一化以获得0.0至1.0范围内的置信度得分。归一化允许对从航拍图像获得的锚点和通过其他方法获得的锚点进行并排比较。
图9示出了用于预测边界标记的缝合步骤900。输入图像902示出了在选定位置具有锚点904的路段。输入图像902和锚点904被输入到序列估计模型906以生成包括锚点904和多个预测点910的输出图像908。
图10示出了道段的航拍图像1000，其示出了可以使用本文公开的方法确定的各种边界标记。锚点1002可用于标记表示路段的中心标记1004的边界。锚点1006可用于标记表示车道标记1008的边界。锚点1010可用于标记表示边缘标记1012的边界。
图11示出了图像1100，其示出了用于校正先前生成的用于道路边界的HD/MD(高清晰度/低清晰度)地图的方法。图像1100来自包括使用HD/MD映射过程在图像上绘制的边界标记的HD/MD图。边界标记1102被示为遵循它们各自的边界，例如中心标记和边缘标记。然而，边界标记1104包括HD/MD映射过程已经产生不良边界的区域1106。通过将使用本文公开的方法确定的边界标记与来自HD/MD地图的边界进行比较，可以在将地图提供给车辆以供导航之前识别、标记、验证和/或校正不良边界。当针对所选路段验证来自地图服务的边界标记时，可以将地图提供给车辆以用于导航目的。当边界标记未被验证时，可以指示车辆使用不同的方法或服务进行导航。
尽管已经参照示例性实施例描述了上述公开，但是本领域技术人员将理解，可以进行各种改变并且可以用等价物代替其元件而不背离其范围。此外，可以进行许多修改以使特定情况或材料适应本公开的教导而不背离本公开的基本范围。因此，本发明不限于所公开的特定实施例，而是将包括落入其范围内的所有实施例。

Claims (10)

1.一种生成地图的方法，包括：
基于来自至少一个数据源的数据来确定路段的位置的锚点；
将锚点放置在路段的航拍图像内；
基于锚点来预测该路段在航拍图像上的边界标记，以形成地图；和
将地图提供给车辆。
2.根据权利要求1所述的方法，其中确定所述锚点还包括确定多个候选者，每个候选者具有相关联的置信度水平，以及基于相关联的置信度水平从所述多个候选者中选择一候选者作为所述锚点。
3.根据权利要求1所述的方法，其中所述路段的边界标记还包括以下中的至少一个：(i)路段的中心标记；(ii)路段的车道标记；以及(iii)路段的边缘标记。
4.根据权利要求1所述的方法，其中所述边界标记在先前从地图服务生成的地图上丢失，还包括将所预测的边界标记与先前从地图服务生成的地图中的边界标记进行比较，以识别来自地图服务的地图中的错误。
5.根据权利要求1所述的方法，还包括在远程处理器处确定所述路段的锚点和预测的边界标记，并且将所预测的边界标记提供给所述车辆的处理器以操作所述车辆。
6.一种用于生成地图的系统，包括：
处理器，该处理器被配置为：
基于来自至少一个数据源的数据来确定路段的位置的锚点；
将锚点放置在路段的航拍图像内；
基于锚点来预测该路段在航拍图像上的边界标记；和
向车辆提供边界标记，以使车辆沿所述路段导航。
7.根据权利要求6所述的系统，其中确定所述锚点还包括确定多个候选者，每个候选者具有相关联的置信度水平，以及基于相关联的置信度水平从所述多个候选者中选择一候选者作为所述锚点。
8.根据权利要求6所述的系统，其中，所述路段的边界标记还包括以下中的至少一个：(i)路段的中心标记；(ii)路段的车道标记；以及(iii)路段的边缘标记。
9.根据权利要求6所述的系统，其中，所述处理器还被配置为预测从先前从地图服务生成的地图上丢失的边界标记，并将预测的边界标记与先前生成的地图中的边界标记进行比较以识别在来自地图服务的地图中的错误。
10.根据权利要求6所述的系统，其中，所述处理器是车辆的远程处理器，并且所述处理器将所预测的边界标记提供给车辆处理器，该车辆处理器使用所预测的边界标记来操作所述车辆。
CN202210585586.7A 2021-08-25 2022-05-26 通过序列估计和锚点检测改进道路拓扑的方法 Pending CN115900682A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/411,320 US20230063809A1 (en) 2021-08-25 2021-08-25 Method for improving road topology through sequence estimation and anchor point detetection
US17/411,320 2021-08-25

Publications (1)

Publication Number Publication Date
CN115900682A true CN115900682A (zh) 2023-04-04

Family

ID=85174730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210585586.7A Pending CN115900682A (zh) 2021-08-25 2022-05-26 通过序列估计和锚点检测改进道路拓扑的方法

Country Status (3)

Country Link
US (1) US20230063809A1 (zh)
CN (1) CN115900682A (zh)
DE (1) DE102022110689A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230194301A1 (en) * 2021-12-16 2023-06-22 Univrses Ab High fidelity anchor points for real-time mapping with mobile devices
US11796325B2 (en) * 2022-02-16 2023-10-24 Aptiv Technologies Limited Vehicle localization using map and vision data

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101952688A (zh) * 2008-02-04 2011-01-19 电子地图北美公司 用于与传感器检测到的对象进行地图匹配的方法
US9139203B2 (en) * 2011-11-04 2015-09-22 GM Global Technology Operations LLC Lane tracking system
US8706417B2 (en) * 2012-07-30 2014-04-22 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
DE102012024873A1 (de) * 2012-12-19 2014-06-26 Audi Ag Verfahren und Steuervorrichtung zum Bereitstellen eines vorausliegenden Straßenverlaufs
KR102534792B1 (ko) * 2015-02-10 2023-05-19 모빌아이 비젼 테크놀로지스 엘티디. 자율 주행을 위한 약도
EP3106836B1 (en) * 2015-06-16 2018-06-06 Volvo Car Corporation A unit and method for adjusting a road boundary
US20170138752A1 (en) * 2015-06-19 2017-05-18 Yakov Z. Mermelstein Method and System for Providing Personalized Navigation Services and Crowd-Sourced Location-Based Data
US10013610B2 (en) * 2015-10-23 2018-07-03 Nokia Technologies Oy Integration of positional data and overhead images for lane identification
US9507346B1 (en) * 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US10401852B2 (en) * 2015-11-04 2019-09-03 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
DE102016220308A1 (de) * 2016-10-18 2018-04-19 Continental Automotive Gmbh System und Verfahren zur Erzeugung von digitalen Straßenmodellen aus Luft- oder Satellitenbildern und von Fahrzeugen erfassten Daten
US10359518B2 (en) * 2016-12-30 2019-07-23 DeepMap Inc. Vector data encoding of high definition map data for autonomous vehicles
US10209715B2 (en) * 2017-01-19 2019-02-19 Robert Bosch Gmbh System and method of using crowd-sourced driving path data in an autonomous or semi-autonomous driving system
WO2018225446A1 (ja) * 2017-06-09 2018-12-13 株式会社デンソー 地図変化点検出装置
US10788831B2 (en) * 2017-10-06 2020-09-29 Wipro Limited Method and device for identifying center of a path for navigation of autonomous vehicles
US10628671B2 (en) * 2017-11-01 2020-04-21 Here Global B.V. Road modeling from overhead imagery
KR102541561B1 (ko) * 2018-02-12 2023-06-08 삼성전자주식회사 차량의 주행을 위한 정보를 제공하는 방법 및 그 장치들
US20190279247A1 (en) * 2018-03-08 2019-09-12 Here Global B.V. Crowd-sourced mapping
CN112204349B (zh) * 2018-04-03 2024-10-18 御眼视觉技术有限公司 用于车辆导航的系统和方法
US10429487B1 (en) * 2018-05-18 2019-10-01 Here Global B.V. Drone localization
WO2019241022A1 (en) * 2018-06-13 2019-12-19 Nvidia Corporation Path detection for autonomous machines using deep neural networks
US10782136B2 (en) * 2018-09-28 2020-09-22 Zoox, Inc. Modifying map elements associated with map data
US10872435B2 (en) * 2018-10-19 2020-12-22 Here Global B.V. Method and apparatus for iteratively establishing object position
EP3647728B1 (en) * 2018-11-05 2023-06-21 Toyota Jidosha Kabushiki Kaisha Map information system
US11194847B2 (en) * 2018-12-21 2021-12-07 Here Global B.V. Method, apparatus, and computer program product for building a high definition map from crowd sourced data
US11023745B2 (en) * 2018-12-27 2021-06-01 Beijing Didi Infinity Technology And Development Co., Ltd. System for automated lane marking
US10990815B2 (en) * 2018-12-27 2021-04-27 Beijing Didi Infinity Technology And Development Co., Ltd. Image pre-processing in a lane marking determination system
US11334090B2 (en) * 2019-02-13 2022-05-17 GM Global Technology Operations LLC Method and system for determining autonomous vehicle (AV) action based on vehicle and edge sensor data
US11313696B2 (en) * 2019-03-01 2022-04-26 GM Global Technology Operations LLC Method and apparatus for a context-aware crowd-sourced sparse high definition map
US11428537B2 (en) * 2019-03-28 2022-08-30 Nexar, Ltd. Localization and mapping methods using vast imagery and sensory data collected from land and air vehicles
US11657072B2 (en) * 2019-05-16 2023-05-23 Here Global B.V. Automatic feature extraction from imagery
US11100339B2 (en) * 2019-05-20 2021-08-24 Zoox, Inc. Closed lane detection
US12056815B2 (en) * 2019-06-14 2024-08-06 GM Global Technology Operations LLC Generating map features based on aerial data and telemetry data
US11654918B2 (en) * 2019-08-06 2023-05-23 GM Global Technology Operations LLC Estimation of road centerline based on vehicle telemetry
US11003934B2 (en) * 2019-08-30 2021-05-11 Here Global B.V. Method, apparatus, and system for selecting sensor systems for map feature accuracy and reliability specifications
CN114667437A (zh) * 2019-08-31 2022-06-24 辉达公司 用于自主驾驶应用的地图创建和定位
US11499833B2 (en) * 2019-09-25 2022-11-15 GM Global Technology Operations LLC Inferring lane boundaries via high speed vehicle telemetry
US10816993B1 (en) * 2019-11-23 2020-10-27 Ha Q Tran Smart vehicle
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
CN111123952B (zh) * 2019-12-31 2021-12-31 华为技术有限公司 一种轨迹规划方法及装置
EP4127607B8 (en) * 2020-03-24 2024-06-12 Mobileye Vision Technologies Ltd. Systems and methods for optimizing map tile requests for navigation
US11375352B2 (en) * 2020-03-25 2022-06-28 Intel Corporation Devices and methods for updating maps in autonomous driving systems in bandwidth constrained networks
WO2021231906A1 (en) * 2020-05-14 2021-11-18 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation involving traffic lights and traffic signs
US11972576B2 (en) * 2020-06-30 2024-04-30 Lyft, Inc. Generating and fusing reconstructions using overlapping map segments
CN114913501A (zh) * 2021-02-10 2022-08-16 通用汽车环球科技运作有限责任公司 注意力驱动的串流系统
US20220326023A1 (en) * 2021-04-09 2022-10-13 Zoox, Inc. Verifying reliability of data used for autonomous driving
US20230221140A1 (en) * 2022-01-12 2023-07-13 Woven Alpha, Inc. Roadmap generation system and method of using

Also Published As

Publication number Publication date
DE102022110689A1 (de) 2023-03-02
US20230063809A1 (en) 2023-03-02

Similar Documents

Publication Publication Date Title
JP6325806B2 (ja) 車両位置推定システム
WO2018142900A1 (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
CN108351218B (zh) 用于生成数字地图的方法和系统
KR20190082071A (ko) 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체
CN109815300B (zh) 一种车辆定位方法
CN115900682A (zh) 通过序列估计和锚点检测改进道路拓扑的方法
KR101921429B1 (ko) 정밀지도 제작 방법 및 정밀지도 제작 시스템
JP5388082B2 (ja) 静止物地図生成装置
KR102195179B1 (ko) 항공사진을 이용한 정사영상 구축방법
WO2020146102A1 (en) Robust lane association by projecting 2-d image into 3-d world using map information
CN111912416A (zh) 用于设备定位的方法、装置及设备
US11002553B2 (en) Method and device for executing at least one measure for increasing the safety of a vehicle
US20210341308A1 (en) Global map creation using fleet trajectories and observations
US11578991B2 (en) Method and system for generating and updating digital maps
JP2020026985A (ja) 車両位置推定装置及びプログラム
CN115344655A (zh) 地物要素的变化发现方法、装置及存储介质
JP2022039188A (ja) 位置姿勢算出方法および位置姿勢算出プログラム
CN113706586B (zh) 基于多点位感知的目标跟踪方法及装置、存储介质
CN109520495B (zh) 导航定位装置及应用其的导航定位方法
CN115917255A (zh) 基于视觉的位置和转弯标记预测
CN110764526B (zh) 一种无人机飞行控制方法及装置
CN116358547A (zh) 一种基于光流估计获取agv位置的方法
WO2022244134A1 (ja) 情報処理装置及び情報処理方法
CN113227713A (zh) 生成用于定位的环境模型的方法和系统
US11256930B2 (en) Road surface management system and road surface management method thereof

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