CN116406470A - 地图生成-自身位置推断装置 - Google Patents
地图生成-自身位置推断装置 Download PDFInfo
- Publication number
- CN116406470A CN116406470A CN202180071554.9A CN202180071554A CN116406470A CN 116406470 A CN116406470 A CN 116406470A CN 202180071554 A CN202180071554 A CN 202180071554A CN 116406470 A CN116406470 A CN 116406470A
- Authority
- CN
- China
- Prior art keywords
- map
- unit
- self
- vehicle
- required accuracy
- 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
- 238000005259 measurement Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 25
- 238000003672 processing method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 20
- 238000000034 method Methods 0.000 description 20
- 238000005070 sampling Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G01C21/38—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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/10—Map spot or coordinate position indicators; Map reading aids
-
- 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
-
- 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
-
- 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
- G01C21/3848—Data obtained from both position sensors and additional sensors
Abstract
本发明的目的在于提供一种能高精度地推断自身车辆位置姿态的地图生成‑自身位置推断装置。本发明的地图生成‑自身位置推断装置具备:地图生成部(110),其根据传感器的输出来生成由点群和自身车辆的行驶位置构成的地图;要求精度判定部(120),其根据传感器的输出和地图生成部(110)所生成的地图来判定下一次行驶时的自身位置推断所要求的位置姿态推断精度(要求精度);数据选择部(130),其根据地图生成部(110)所生成的地图和要求精度判定部(120)所判定的要求精度来选择地图中包含的点群;地图记录部(140),其记录包含数据选择部(130)所选择的点群、行驶位置以及要求精度的选择地图作为记录地图;以及自身位置推断部(150),其将由数据选择部(130)所选择的点群和自身车辆的行驶位置构成的当前地图与地图记录部(140)中记录的记录地图相关联,由此来推断记录地图上的当前的车辆的位置姿态。
Description
技术领域
本发明涉及一种地图生成-自身位置推断装置。
背景技术
要扩大自动驾驶、驾驶辅助系统的运用范围,基于自身位置推断的来自地图的信息获取就比较重要。但是,例如虽然已针对高速公路而完善了驾驶辅助系统用的地图,但尚未着眼于普通道路或住家周边等住宅区的地图完善。对此,专利文献1中有以下记载:“本发明的方法涉及一种汽车的驾驶员在驻车空间尤其是每天驻车的驻车空间例如车库进行驻车时使用汽车的驾驶员辅助装置来辅助驾驶员的方法。此外,该驾驶员辅助装置具有学习模式及动作模式。在学习模式下,在通过驾驶员的驾驶将汽车停驻至驻车空间的期间内,驾驶员辅助装置使用传感器装置来检测与驻车空间的周围相关的基准数据并将其加以存储。在学习模式下,驾驶员辅助系统还记录汽车在学习模式中到达的基准目标位置。将具有与基准目标位置相关的信息尤其是与周围相关的信息的数据加以存储。在随后的动作模式下,由传感器装置检测传感器数据,并将其与基准数据进行比较。根据该比较的结果、使用检测到的传感器数据来认识或识别驻车空间的周围,确定汽车相对于基准目标位置的当前位置。驾驶员辅助装置根据汽车相对于基准目标位置的当前位置来决定驻车路径,汽车沿该路径从当前位置停驻至驻车空间”。
现有技术文献
专利文献
专利文献1:日本专利第6022447号公报
发明内容
发明要解决的问题
在专利文献1记载的现有技术中,在初次行驶时自生成由与周围的物体相关的数据和行驶路径构成的地图,在下一次之后的行驶时在生成地图上推断自身位置(自身车辆位置),由此能实现使用地图中包含的行驶路径的自动驻车。但是,若将通过低精度的传感器、方法获取到的与周围的物体相关的数据用于地图生成,则存在自身位置推断的精度降低这一问题。另一方面,若不将通过低精度的传感器、方法获取到的与周围的物体相关的数据用于地图生成,则可利用的信息减少,所以存在无法推断自身位置的区间增多这一问题。专利文献1中虽然设想了自动驻车,但在要求在更大范围且各种条件下进行动作的自动驾驶、驾驶辅助中,须兼顾自身位置推断精度的提高与自身位置可推断区间的扩大。
本发明是鉴于上述缘由而成,其目的在于提供一种能高精度地推断自身车辆位置姿态的地图生成-自身位置推断装置。
解决问题的技术手段
展示本发明的代表性的地图生成-自身位置推断装置之一,其特征在于,具备:地图生成部,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置和自身车辆周边物体的测量结果即点群构成的地图;要求精度判定部,其基于所述传感器所获取到的信息和所述地图来判定所述自身车辆的行驶位置的规定地点上的自身车辆位置推断的要求精度;数据选择部,其根据所述要求精度从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;地图记录部,其记录所述地图作为记录地图;以及自身位置推断部,其通过自身车辆的行驶中生成的所述选择地图与所述记录地图的比较来推断所述记录地图中的当前的自身车辆位置。
发明的效果
根据本发明,可以实现一种能高精度地推断自身车辆位置姿态的地图生成-自身位置推断装置。
上述以外的课题、构成以及效果将通过以下实施方式的说明来加以明确。
图1为表示第1实施方式的地图生成-自身位置推断装置100的块构成的图。
图2为表示车辆行驶过的环境的一例的图。
图3为表示地图生成部110所生成的地图310的一例的图。
图4为表示使用点群311、点群312的要求精度判定的一例的图。
图5为表示使用物标的检测结果的要求精度判定的一例的图。
图6为表示使用转向角速度作为车辆信息的要求精度判定的一例的图。
图7为表示使用驾驶辅助系统的动作状况作为车辆信息的要求精度判定的一例的图。
图8为表示数据选择部130所选择的选择地图380的一例的图。
图9为表示网格采样的一例的图。
图10为表示自身位置推断部150所推断出的自身车辆的位置姿态的一例的图。
图11为表示第2实施方式的地图生成-自身位置推断装置500的块构成的图。
具体实施方式
下面,使用附图,对实施本发明的方式进行说明。再者,在用于说明实施发明的方式的所有图中,对具有同一功能的部分标注同一符号,其重复的说明有时予以省略。
[第1实施方式]
下面,参考图1~图10,对地图生成-自身位置推断装置的第1实施方式进行说明。再者,地图生成-自身位置推断装置是以具备CPU(Central Processing Unit)等处理器、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)等存储器等的电脑的形式构成。地图生成-自身位置推断装置的各功能是通过由处理器执行ROM中存储的程序来实现。RAM对包含处理器所执行的程序下的运算的中间数据等的数据进行存放。
(块构成)
图1为表示第1实施方式的地图生成-自身位置推断装置100的块构成的图。地图生成-自身位置推断装置100以传感器组200(以下有时简称为传感器200)的测量数据为输入。地图生成-自身位置推断装置100具备地图生成部110、要求精度判定部120、数据选择部130、地图记录部140以及自身位置推断部150。传感器200具备第1外界传感器210、第2外界传感器220、相对位置传感器230以及车辆信息传感器240。
地图生成-自身位置推断装置100的动作由地图生成模式和位置推断模式构成。地图生成模式是根据传感器200的输出来生成由点群(以自身车辆周边物体的测量结果的形式获得的点的集合)和自身车辆的行驶位置构成的地图,并作为记录地图加以保存。位置推断模式是根据传感器200的输出和记录地图来推断记录地图中的当前的自身车辆的位置姿态。
在地图生成模式下,地图生成部110、要求精度判定部120、数据选择部130以及地图记录部140进行动作。地图生成部110根据传感器200的输出来生成由点群和自身车辆的行驶位置构成的地图。要求精度判定部120根据传感器200的输出和地图生成部110所生成的地图来判定下一次行驶时的自身位置推断所要求的位置姿态推断精度(以下有时称为要求精度)。数据选择部130根据地图生成部110所生成的地图和要求精度判定部120所判定的要求精度来选择地图中包含的点群。地图记录部140记录包含数据选择部130所选择的点群、行驶位置以及要求精度的选择地图作为记录地图。
在位置推断模式下,地图生成部110、数据选择部130以及自身位置推断部150进行动作。地图生成部110和数据选择部130的动作与地图生成模式中相同。其中,数据选择部130使用地图记录部140中记录的要求精度代替要求精度判定部120所判定的要求精度来实施地图中包含的点群的选择。自身位置推断部150将由数据选择部130所选择的点群和自身车辆的行驶位置构成的当前地图与地图记录部140中记录的记录地图相关联,由此来推断记录地图上的当前的车辆的位置姿态。
再者,在地图生成模式下,地图生成部110在线进行动作。即,地图生成部110针对来自传感器200的每一输入而实施处理。要求精度判定部120、数据选择部130、地图记录部140可在线进行动作,也可离线进行动作。例如,可使要求精度判定部120、数据选择部130、地图记录部140仅在地图生成模式结束时动作一次。在位置推断模式下,地图生成部110、数据选择部130、自身位置推断部150在线进行动作。
再者,在本实施方式中,在地图生成模式和位置推断模式下是相同的(通用的)地图生成部110、数据选择部130进行动作,但也可在地图生成模式和位置推断模式下准备不同的(别的)地图生成部110、数据选择部130而使其动作。
(传感器的构成)
对朝地图生成-自身位置推断装置100输入测量数据的传感器200的构成进行说明。传感器200是包含特性不同的多个传感器(210、220、230、240)而构成。
第1外界传感器210和第2外界传感器220是搭载于车辆(自身车辆)上而测量车辆周围的环境的外界传感器。外界传感器例如为单目摄像机、立体摄像机、LiDAR、毫米波雷达、声呐等,对存在于车辆周围的物体的三维位置进行测量。再者,在使用单目摄像机的情况下,所获取的数据为图像,虽无法直接获取三维位置,但可以借助公知的运动体视法等、通过使用多个图像来测量三维位置。此外,也可通过假定路面的形状来推断图像中检测到的白线、停止线、人行横道等的三维位置。
多个外界传感器的测量结果输入至地图生成-自身位置推断装置100。在本实施方式中,对输入第1外界传感器210、第2外界传感器220等特性不同的两个外界传感器的测量结果的例子进行说明。但外界传感器的数量并不限定于两个,两个以上的任意数量的外界传感器的测量结果均可成为输入。此外,除了物理种类不同的传感器以外,第1外界传感器210、第2外界传感器220还包括对传感器的测量结果的处理方法不同的传感器。因而,例如第1外界传感器210可使用基于单目摄像机的图像的运动体视法下的三维位置测量,第2外界传感器220可使用基于单目摄像机的图像的物体识别和路面形状假定下的三维位置测量。在该情况下,即便使用的是单目摄像机等在物理上为一个种类的传感器,由于测量三维位置用的处理方法不同,所以本实施方式中也视为特性不同的外界传感器。
在本实施方式中,使用声呐作为第1外界传感器210,使用针对周视摄像机(单目摄像机)的图像的运动体视作为第2外界传感器220。在低速区域内的驾驶辅助、自动驾驶系统中,声呐、周视摄像机已搭载于众多车型。声呐和针对周视摄像机的图像的运动体视中,存在声呐的三维位置的测量精度高但可测量范围窄、针对周视摄像机的图像的运动体视的可测量范围宽但三维位置的测量精度低等特性的差异。但第1外界传感器210并不限定于声呐、第2外界传感器220并不限定于针对周视摄像机的图像的运动体视,也可为其他外界传感器。
相对位置传感器230是输出自身车辆的相对位置的传感器。其中,与外界传感器一样,包括根据传感器的测量结果来推断自身车辆的相对位置的处理。此处,所谓相对位置,表示以某一时刻的车辆的位置和姿态为基准的位置和姿态。例如相对位置传感器230可为根据车辆的转向角度和轮胎的旋转量来推断自身车辆的相对运动的公知的车轮测程法。此外,也可为根据摄像机或LiDAR的测量结果来推断自身车辆的相对运动的公知的图像测程法或LiDAR测程法。
车辆信息传感器240是获取车辆的速度、转向角度(对应于驾驶员的驾驶操作量)、挡位、对驾驶员的驾驶操作进行辅助的驾驶辅助系统的动作状况(后文中说明)等车辆的信息的传感器。
(地图生成-自身位置推断装置的动作)
使用图2~图10,对以传感器200的测量数据为输入的地图生成-自身位置推断装置100的各部中的处理的内容进行说明。
(地图生成部的动作)
首先,使用图2、图3,对地图生成部110中的处理的内容进行说明。地图生成部110根据传感器200的输出(也就是特性不同的多个传感器所获取到的信息)来生成由点群和自身车辆的行驶位置构成的地图。
图2为表示车辆行驶过的环境的一例的图。车辆300在行驶位置(行驶路径)301上行驶,在行驶位置301周围存在车道标线302、建筑物303、树木304、电线杆305等物体。
图3为表示地图生成部110所生成的地图310的一例的图。图3展示了地图生成部110在图2所示的环境下生成的地图310。地图310由第1外界传感器210(本例中为声呐)所获取到的点群311、第2外界传感器220(本例中为针对周视摄像机的图像的运动体视)所获取到的点群312、以及相对位置传感器230所获取到的行驶位置313构成。
点群311、312是以车辆300的行驶中由外界传感器检测(测量)自身车辆周边物体所得到的结果的形式获得的点的集合。
行驶位置313是由相对位置传感器230获取到的、以某一时刻的车辆300的位置和姿态为坐标系原点的各时刻下的车辆300的位置和姿态。
由第1外界传感器210获取到的点群311和由第2外界传感器220获取到的点群312通过如下方式来获取:使用传感器在车辆上的安装位置姿态以及传感器测量到点群的时刻下的行驶位置313,将各外界传感器所获取到的以传感器为基准的物体的三维位置转换为与行驶位置313相同的坐标系。即,点群311、点群312、行驶位置313为相同坐标系中的位置及位置姿态。
此外,点群311、点群312、行驶位置313可为三维空间内的位置及位置姿态,也可为二维空间内的位置及位置姿态。当使用三维空间时,能够推断二维空间下表现不了的高度和间距。另一方面,当使用二维空间时,能够减少地图310的数据容量。
(要求精度判定部的动作)
接着,使用图4~图7,对要求精度判定部120中的处理的内容进行说明。要求精度判定部120根据传感器200的输出和地图生成部110所生成的地图310来判定下一次行驶时的自身位置推断所要求的位置姿态推断精度(要求精度)。
例如,要求精度判定部120在行驶位置313的各时刻下判定要求精度。此外,例如要求精度判定部120以下一次行驶时的自身位置推断所要求的位置姿态推断精度高、低这2个值来判定要求精度。再者,要求精度的判定时机、判定基准不限定于此,也可不在行驶位置313的所有时刻(地点)都判定要求精度,只要能判别位置姿态推断精度的高低,也能以2个值以外来判定要求精度。
图4为表示使用点群311、点群312的要求精度判定的一例的图。图4中,由要求精度判定部120判定行驶位置313为要求精度高的行驶位置321(行驶位置313的实线部分)和要求精度低的行驶位置322(行驶位置313的虚线部分)中的哪一钟。
在使用点群311、点群312的要求精度判定中,使用各时刻的行驶位置314起到车辆300左侧的点群为止的距离331和到车辆300右侧的点群为止的距离332来判定要求精度。到车辆300左侧的点群为止的距离331和到车辆300右侧的点群为止的距离332是各时刻下的行驶位置314起到预先对车辆300设定的探索范围333、334内包含的点当中距车辆300的距离最近的点为止的距离。在距离331、332之和比预先设定的阈值小的情况下判定要求精度高,在这以外的情况下判定要求精度低。即,在距障碍物的距离近的情况下,判定为要在下一次行驶时实现使用地图生成-自身位置推断装置100的驾驶辅助、自动驾驶就需要高精度的自身位置推断及控制。
图5为表示使用物标的检测结果的要求精度判定的一例的图。在使用物标的检测结果的要求精度判定中,使用由第1外界传感器210、第2外界传感器220或者其他传感器检测到的物标的位置来判定要求精度。图5中展示了使用暂时停止线340作为物标的情况。在各时刻下的行驶位置314起到暂时停止线340为止的距离341比预先设定的阈值小的情况下判定为要求精度高的行驶位置321(行驶位置313的实线部分),在这以外的情况下判定为要求精度低的行驶位置322(行驶位置313的虚线部分)。此处,物标不限于暂时停止线340,也可使用交通信号灯、标识、道路标记、路口等物标。即,在距预先设定的控制中重要的物标的距离近的情况下,判定为要在下一次行驶时实现使用地图生成-自身位置推断装置100的驾驶辅助、自动驾驶就需要高精度的自身位置推断及控制。
图6为表示使用转向角速度作为车辆信息的要求精度判定的一例的图。在使用车辆信息的要求精度判定中,使用从车辆信息传感器240获取到的车辆信息来判定要求精度。在图6所示的使用转向角速度的例子中,首先检测转向角速度变得比预先设定的阈值大的位置350。接着,在各时刻下的行驶位置314起到位置350为止的距离351比预先设定的阈值小的情况下判定为要求精度高的行驶位置321(行驶位置313的实线部分),在这以外的情况下判定为要求精度低的行驶位置322(行驶位置313的虚线部分)。再者,在转向角速度变得比预先设定的阈值大的位置350有多个(图6中为两个)的情况下,根据各时刻下的行驶位置314和距离最近的位置350来计算距离351。此处,车辆信息不限于转向角速度,也可使用制动量、车辆的速度、加速度、角速度、角加速度、挡位变化、转向灯点亮、危险警告灯点亮来作为车辆信息。即,在行驶中的驾驶员的驾驶动作或者遵循驾驶动作的车辆的行为变化大的地点上,判定为要在下一次行驶时实现使用地图生成-自身位置推断装置100的驾驶辅助、自动驾驶就需要高精度的自身位置推断及控制。
图7为表示使用驾驶辅助系统的动作状况作为车辆信息的要求精度判定的一例的图。在作为驾驶辅助系统之一的车道保持系统在发挥功能的状况下,图7中展示了在位置371上因飞白等而未识别出车道标线370所以车道保持系统关闭(也称为解除)、在位置372上识别出车道标线302所以车道保持系统打开(也称为恢复)的状况。在各时刻下的行驶位置314处于位置371与位置372之间的情况下判定为要求精度高的行驶位置321(行驶位置313的实线部分)。此外,在各时刻下的行驶位置314起到位置371和位置372中近的一方为止的距离373比预先设定的阈值小的情况下判定为要求精度高的行驶位置321(行驶位置313的实线部分)。在这以外的情况下判定为要求精度低的行驶位置322(行驶位置313的虚线部分)。即,在行驶中驾驶辅助系统关闭的区间内,判定为要在下一次行驶时实现使用地图生成-自身位置推断装置100的驾驶辅助就需要高精度的自身位置推断及控制。
此处,关于针对各距离的阈值,可针对各物标或各车辆信息使用不同阈值。此外,也可根据各时刻下的行驶位置314相较于各物标或者借助各车辆信息检测到的位置而言位于近前还是位于远处来变更阈值。此外,也可使用时刻代替位置,或者除了位置以外还使用时刻。
要求精度判定部120也可将前文所述那样的多个判定指标加以组合来判定最终的要求精度。例如,可将判定为要求精度高的行驶位置321的指标有N个以上的位置最终判定为要求精度高的行驶位置321。此处,N为1以上的整数。
(数据选择部的动作)
接着,使用图8、图9,对数据选择部130中的处理的内容进行说明。数据选择部130根据地图生成部110所生成的地图310和要求精度来选择地图中包含的点群。此处,在地图生成模式下使用要求精度判定部120所判定的要求精度,在位置推断模式下使用地图记录部140中记录的记录地图中包含的要求精度。此外,数据选择部130生成包含所选择的点群(选择点群)、行驶位置以及要求精度的选择地图。
本实施方式的数据选择部130根据前文所述的要求精度、从地图生成部110所生成的地图310中选择与测量到点群的传感器的种类或处理方法相应的地图的数据(点群)来生成选择地图。换句话说,数据选择部130从地图生成部110所生成的地图310中选择测量到点群的传感器当中与前文所述的要求精度相应的种类或处理方法的传感器的数据(点群)(而与自身车辆的行驶位置和自身车辆的行驶位置的规定地点上的要求精度一起)来生成选择地图。
图8为表示数据选择部130所选择的选择地图380的一例的图。图8中展示了使用图3所示的地图310和图4所示的要求精度的判定结果(要求精度高的行驶位置321、要求精度低的行驶位置322)来选择数据所得到的结果(选择地图380)。在各时刻下的行驶位置314为要求精度高的行驶位置321的情况下,数据选择部130在该位置上仅选择由第1外界传感器210(三维位置的测量精度高的传感器)获取到的点群311,不选择由第2外界传感器220(三维位置的测量精度低的传感器)获取到的点群312。在各时刻下的行驶位置314为要求精度低的行驶位置322的情况下,数据选择部130在该位置上选择由第1外界传感器210获取到的点群311和由第2外界传感器220获取到的点群312两者。即,数据选择部130在地图上要求精度高的行驶位置上仅使用从(与地图上要求精度低的行驶位置相比而)三维位置的测量精度高的外界传感器获取到的点群(信息)。
再者,在位置推断模式下使用地图记录部140中记录的记录地图中包含的要求精度的情况下,使用由自身位置推断部150推断出的位置姿态将自身车辆的行驶中生成的地图310的各时刻下的行驶位置314转换为记录地图上的位置姿态,使用针对最近的记录地图上的行驶位置的要求精度的判定结果。
此外,数据选择部130也可并用网格采样等公知的采样方法。图9为表示网格采样的一例的图。在网格采样中,设定预先设定的尺寸的网格,在各网格内仅选择1点,由此来减少点的数量。再者,也可选择各网格内的点的均值或中值来作为点。此处,数据选择部130实施与要求精度相应的点群的采样。即,数据选择部130分别设定针对要求精度高的行驶位置321上测量到的点群的网格385和针对要求精度低的行驶位置322上测量到的点群的网格386,并使网格386的各网格的尺寸大于网格385的各网格的尺寸。此外,数据选择部130根据可用于地图的记录的容量(也就是预先设定的记录地图的最大容量)来动态地决定网格的尺寸而实施点群的采样。例如,首先将网格385与网格386的尺寸设定为相同值。接着,逐渐增大网格386的尺寸,采用地图的容量变为预先设定的地图的最大容量以下时的尺寸。由此,可以在将地图的容量控制在由硬件和系统的制约决定的最大容量以下的同时优先留下要求精度高的行驶位置321上测量到的点(换句话说就是减少要求精度低的行驶位置322上测量到的点)。
(地图记录部的动作)
地图记录部140记录包含所述数据选择部130所选择的点群(选择点群)、行驶位置以及要求精度的选择地图作为记录地图。再者,也能以代替选择地图的方式或者除了选择地图之外另加的方式将由地图生成部110所生成的自身车辆的行驶位置(行驶路径)和自身车辆周边物体的测量结果即点群构成的地图(例如与要求精度绑定而)作为记录地图加以记录。
(自身位置推断部的动作)
接着,使用图10,对自身位置推断部150中的处理的内容进行说明。自身位置推断部150将地图记录部140中记录的选择地图380(记录地图)与根据当前的(行驶中的)传感器200的输出而生成的选择地图380(当前地图)相关联(进行比较),由此来推断记录地图上的当前的(行驶中的)车辆的位置姿态。
图10为表示自身位置推断部150所推断出的自身车辆的位置姿态的一例的图。图10中,点群311、点群312、行驶位置313、要求精度的判定结果(要求精度高的行驶位置321、要求精度低的行驶位置322)表示记录地图的数据。自身位置推断部150在这些记录地图上推断当前的自身车辆300的位置姿态390、行驶位置(行驶路径)391。
自身位置推断部150通过将各地图中包含的点群311、点群312相关联来求记录地图与当前地图之间的位置姿态。基于点群的关联的位置姿态的推断使用公知的ICP(Iterative closest point)法或NDT(Normal Distributions Transform)法。当使用记录地图与当前地图之间的位置姿态时,可以将地图上的位置姿态转换为另一地图上的位置姿态。因而,可以通过使用记录地图与当前地图之间的位置姿态将当前地图中包含的行驶位置313转换为记录地图上的位置姿态来求记录地图上的当前的自身车辆300的位置姿态390、行驶位置(行驶路径)391。
在ICP法和NDT法中,在输入的点的数量少的情况或者点聚集于空间中的一部分的情况下,位置姿态的推断会失败(误差极大)。另一方面,若输入精度低的点,则位置推断的精度降低。自身位置推断部150使用由数据选择部130选择的点群,所以在位置推断的要求精度低的行驶位置322上使用由第1外界传感器210(三维位置的测量精度高的传感器)获取到的点群311和由第2外界传感器220(三维位置的测量精度低的传感器)获取到的点群312两者,由此,点数量增多、点在空间中的分布宽,所以能实施位置推断而不失败。此外,在位置推断的要求精度高的行驶位置321上仅使用由高精度的第1外界传感器210获取到的点群311,所以能实施高精度的位置推断。
此外,在ICP法和NDT法中,输入的2个点群的特性相近能够实现高精度的推断。自身位置推断部150中使用的当前地图中包含有数据选择部130根据记录地图中包含的要求精度来选择的点群。即,位置推断模式下数据选择部130所进行的对地图的数据选择的基准在当前地图和记录地图中一致,所以自身位置推断部150能高精度地推断位置姿态。
(作用效果)
根据上述第1实施方式,获得以下作用效果。
(1)地图生成-自身位置推断装置100具备地图生成部110、要求精度判定部120、数据选择部130、地图记录部140以及自身位置推断部150。地图生成部110根据传感器200的输出来生成由点群和自身车辆的行驶位置构成的地图。要求精度判定部120根据传感器200的输出和地图生成部110所生成的地图来判定下一次行驶时的自身位置推断所要求的位置姿态推断精度(要求精度)。数据选择部130根据地图生成部110所生成的地图和要求精度判定部120所判定的要求精度来选择地图中包含的点群。地图记录部140记录包含数据选择部130所选择的点群、行驶位置以及要求精度的选择地图作为记录地图。自身位置推断部150将由数据选择部130所选择的点群和自身车辆的行驶位置构成的当前地图与地图记录部140中记录的记录地图相关联,由此来推断记录地图上的当前的车辆的位置姿态(图1)。数据选择部130在要求精度高的行驶位置上仅选择从三维位置的测量精度高的外界传感器获取到的点群,在要求精度低的行驶位置上选择从三维位置的测量精度高的外界传感器获取到的点群和从三维位置的测量精度低的外界传感器获取到的点群两者,从而选择从比要求精度高的行驶位置多的外界传感器获取到的点群(图8)。因此,在位置推断的要求精度高的行驶位置上仅(优先)使用高精度的点群,由此能实施高精度的位置推断。此外,在位置推断的要求精度低的行驶位置上使用大量点群,由此能在广阔范围内实施位置推断。
(2)地图记录部140记录数据选择部130所选择的点群(选择地图380)。因此,能减小记录地图的容量(数据量)。
(3)在地图生成模式下,数据选择部130使用要求精度判定部120所判定的要求精度从地图中选择数据(点群)。在位置推断模式下,数据选择部130使用地图记录部140中记录的记录地图中包含的要求精度从自身车辆的行驶中生成的地图中选择数据(点群)(图1)。因此,位置推断模式下自身位置推断部150所使用的记录地图与当前地图的数据选择的基准一致,所以能高精度地推断位置姿态。
(4)数据选择部130通过与要求精度相应的点群的采样来减少点的数量(图9)。因此,能在优先留下要求精度高的行驶位置321上测量到的点群的同时减小记录地图的容量。
(5)数据选择部130通过与预先设定的记录地图的最大容量相应的点群的采样来减少点的数量。因此,能将地图的容量控制在由硬件和系统的制约决定的最大容量以下。
(6)地图生成-自身位置推断装置100在地图生成模式下使要求精度判定部120、数据选择部130、地图记录部140在地图生成模式结束时仅离线动作一次。地图记录部140中记录选择地图作为记录地图。因此,能够减小需要周期处理的在线处理的计算成本。此外,要求精度判定部120使用整个地图,所以在判定要求精度的各时刻下可以使用各时刻之前的时刻的传感器200的数据来判定各时刻下的要求精度。因此,能高精度地判定要求精度。
(7)要求精度判定部120在自身车辆的行驶位置起到点群为止的距离近的情况下判定需要高精度的自身位置推断及控制(图4)。因此,能在窄路等距障碍物的距离近的环境下高精度地推断位置姿态。
(8)要求精度判定部120在自身车辆的行驶位置起到预先设定的物标(传感器200所检测到的物标)为止的距离近的情况下判定需要高精度的自身位置推断及控制(图5)。因此,能在暂时停止线或交通信号灯处的停止等当中高精度地推断位置姿态。
(9)要求精度判定部120使用转向角速度(对应于驾驶员的驾驶操作量)、挡位、对驾驶员的驾驶操作进行辅助的驾驶辅助系统的动作状况等车辆信息来判定要求精度(图6、图7)。因此,能在转弯、后退、驾驶辅助系统的动作等状况下高精度地推断位置姿态。
如上所述,上述第1实施方式的地图生成-自身位置推断装置100具备:地图生成部110,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置(行驶路径)和自身车辆周边物体的测量结果即点群构成的地图;要求精度判定部120,其基于所述传感器所获取到的信息和所述地图来判定所述自身车辆的行驶位置的规定地点上的(下一次行驶时的)自身车辆位置(自身位置)推断的要求精度;数据选择部130,其根据所述要求精度从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;地图记录部140,其记录所述地图作为记录地图;以及自身位置推断部150,其通过自身车辆的行驶中生成的所述选择地图与所述记录地图的比较来推断所述记录地图中的当前的自身车辆位置。
与所述要求精度低的行驶位置相比,所述数据选择部130在所述要求精度高的行驶位置上优先选择所述多个传感器当中位置测量精度高的传感器所获取到的信息来制作选择地图。
所述数据选择部130在所述要求精度高的行驶位置上选择所述多个传感器当中位置测量精度高的传感器所获取到的信息来制作选择地图,在所述要求精度低的行驶位置上选择所述多个传感器当中位置测量精度高的传感器所获取到的信息和位置测量精度低的传感器所获取到的信息两者来制作选择地图。
此外,所述地图记录部140还记录针对所述记录地图(选择地图)的所述要求精度,所述数据选择部130使用所述记录地图中包含的所述要求精度来实施针对自身车辆的行驶中生成的所述地图的数据选择。
更详细而言,上述第1实施方式的地图生成-自身位置推断装置100在地图生成模式下包含:所述地图生成部110,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置(行驶路径)和自身车辆周边物体的测量结果即点群构成的地图;所述要求精度判定部120,其基于所述传感器所获取到的信息和所述地图来判定所述自身车辆的行驶位置的规定地点上的(下一次行驶时的)自身车辆位置(自身位置)推断的要求精度;所述数据选择部130,其根据所述要求精度判定部120所判定的所述要求精度从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;以及所述地图记录部140,其记录所述选择地图作为记录地图,在位置推断模式下包含:所述地图生成部110,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置(行驶路径)和自身车辆周边物体的测量结果即点群构成的地图;所述数据选择部130,其根据(在自身车辆的行驶中)记录于所述地图记录部140中的所述选择地图(记录地图)中包含的所述要求精度,从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;以及所述自身位置推断部150,其通过自身车辆的行驶中生成的所述选择地图(当前地图)与所述地图记录部140中记录的所述选择地图(记录地图)的比较来推断所述记录地图中的当前的自身车辆位置。
例如在与自动驻车相比要求在更大范围且各种条件下进行动作的自动驾驶、驾驶辅助中,须兼顾自身位置推断精度的提高与自身位置可推断区间的扩大,而根据上述第1实施方式,可以实现能高精度地推断自身车辆位置姿态的地图生成-自身位置推断装置100。
[第2实施方式]
下面,参考图11,对地图生成-自身位置推断装置的第2实施方式进行说明。在以下的说明中,对与第1实施方式相同的构成要素标注相同符号而主要对不同点进行说明。不特别说明的内容与第1实施方式相同。本实施方式中是以除了第1实施方式的地图生成-自身位置推断装置100以外还具备数据暂时保存部和离线地图生成部的地图生成-自身位置推断装置为对象,所述数据暂时保存部暂时保存传感器的数据,所述离线地图生成部根据数据暂时保存部中保存的数据而通过离线处理来生成地图。
(块构成)
图11为表示第2实施方式的地图生成-自身位置推断装置500的块构成的图。地图生成-自身位置推断装置500具备地图生成部110、要求精度判定部120、数据选择部130、地图记录部140、自身位置推断部150、数据暂时保存部560以及离线地图生成部570。数据暂时保存部560暂时保存传感器200的数据(在线处理)。离线地图生成部570根据数据暂时保存部560中保存的数据而通过离线处理来生成地图。
(数据暂时保存部的动作)
对数据暂时保存部560中的处理的内容进行说明。数据暂时保存部560暂时保存传感器200的数据。
数据暂时保存部560在地图生成模式下进行动作,暂时保存要求精度判定部120中判定为要求精度高的行驶位置321的行驶位置313上获取到的传感器200的数据。此处,第1外界传感器210、第2外界传感器220的数据不限于点群,也可为处理前的各传感器的输出。例如,在使用针对周视摄像机的图像的运动体视作为第2外界传感器220的情况下,数据暂时保存部560除了通过运动体视得到的点群以外还可保存周视摄像机的图像。保持数据暂时保存部560中保存的数据直至离线地图生成部570的动作完成为止。
(离线地图生成部的动作)
接着,对离线地图生成部570中的处理的内容进行说明。离线地图生成部570根据数据暂时保存部560中保存的数据而通过离线处理来生成地图。
离线地图生成部570在判断地图生成模式的行驶已结束后进行动作,根据数据暂时保存部560中保存的要求精度高的行驶位置321上的传感器200的数据而通过离线处理来生成地图。由于离线地图生成部570通过离线处理来生成地图,从而能生成精度比地图生成部110高的地图。例如在数据暂时保存部560中保存有图像的情况下,可以使用根据图像来推断摄像机的位置姿态和特征点的三维位置的公知的SfM(Structure from Motion)法。通过使用SfM法,能够获得精度比通过车轮测程推断出的行驶位置和通过运动体视推断出的点群高的行驶位置、点群。
此外,离线地图生成部570在算法上是以在线处理为前提,但也能以处理时间不足而无法在地图生成部110中运行的算法来生成地图。例如,可在地图生成部110中通过能高速处理的车轮测程来推断行驶位置,在离线地图生成部570中使用根据图像来推断行驶位置的图像测程或者根据图像来推断行驶位置和点群的Visual SLAM(SimultaneousLocalization and Mapping)法。
此处,由地图生成部110生成的地图与由离线地图生成部570生成的地图被统合为一个地图而记录至地图记录部140。具体而言,使用由离线地图生成部570推断出的距开始起点的相对位置姿态来计算要求精度高的行驶位置的开始地点之后的行驶位置。同样地,使用由相对位置传感器230求出的距结束地点的相对位置姿态来计算要求精度高的行驶位置的结束地点之后的行驶位置。由此,能将2个不同的相对位置姿态的推断结果联系起来而获得一个坐标系上的行驶位置。
再者,离线地图生成部570的动作可在点火断开后,也可在驾驶员下车后。此外,离线地图生成部570无须连续进行动作,也可在其他处理的负荷少的期间内逐步实施处理。
(作用效果)
根据上述第2实施方式,获得以下作用效果。
(1)离线地图生成部570在判断地图生成模式的行驶已结束时进行动作,根据数据暂时保存部560中保存的传感器200的数据而通过离线处理来生成地图(由自身车辆的行驶位置和自身车辆周边物体的测量结果即点群构成的地图)。因此,可以通过离线处理生成地图来获得高精度的地图。此外,通过使用高精度的地图,能在位置推断模式下高精度地推断位置姿态。
(2)数据暂时保存部560在地图生成模式下进行动作,暂时保存要求精度判定部120中判定为要求精度高的行驶位置321的行驶位置上获取到的传感器200的数据。因此,仅保存要求精度高的行驶位置321上获取到的传感器200的数据,不保存要求精度低的行驶位置322上获取到的传感器200的数据,所以能减小数据的暂时保存所需的容量。
例如在与自动驻车相比要求在更大范围且各种条件下进行动作的自动驾驶、驾驶辅助中,须兼顾自身位置推断精度的提高与自身位置可推断区间的扩大,而如上所述,根据上述第2实施方式,与第1实施方式一样,可以实现能高精度地推断自身车辆位置姿态的地图生成-自身位置推断装置500。
再者,本发明包含各种变形形态,并不限定于上述实施方式。例如,上述实施方式是为了以易于理解的方式说明本发明所作的详细说明,并非一定限定于具备说明过的所有构成。在本发明的技术思想的范围内思索的其他形态也包含在本发明的范围内。此外,可以将某一实施方式的构成的一部分替换为其他实施方式的构成,此外,也可以对某一实施方式的构成加入其他实施方式的构成。此外,可以对各实施方式的构成的一部分进行其他构成的追加、删除、替换。此外,上述的各构成、功能、处理部、处理单元等例如可通过利用集成电路进行设计等而以硬件来实现它们的一部分或全部。此外,上述的各构成、功能等也可通过由处理器解释并执行实现各功能的程序而以软件来实现。实现各功能的程序、表格、文件等信息可以放在存储器、硬盘、SSD(Solid State Drive)等记录装置或者IC卡、SD卡、DVD等记录介质中。
符号说明
100…地图生成-自身位置推断装置(第1实施方式)、110…地图生成部、120…要求精度判定部、130…数据选择部、140…地图记录部、150…自身位置推断部、200…传感器组、210…第1外界传感器、220…第2外界传感器、230…相对位置传感器、240…车辆信息传感器、310…地图、380…选择地图、500…地图生成-自身位置推断装置(第2实施方式)、560…数据暂时保存部、570…离线地图生成部。
Claims (14)
1.一种地图生成-自身位置推断装置,其特征在于,具备:
地图生成部,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置和自身车辆周边物体的测量结果即点群构成的地图;
要求精度判定部,其基于所述传感器所获取到的信息和所述地图来判定所述自身车辆的行驶位置的规定地点上的自身车辆位置推断的要求精度;
数据选择部,其根据所述要求精度从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;
地图记录部,其记录所述地图作为记录地图;以及
自身位置推断部,其通过自身车辆的行驶中生成的所述选择地图与所述记录地图的比较来推断所述记录地图中的当前的自身车辆位置。
2.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
与所述要求精度低的行驶位置相比,所述数据选择部在所述要求精度高的行驶位置上优先选择所述多个传感器当中位置测量精度高的传感器所获取到的信息来制作选择地图。
3.根据权利要求2所述的地图生成-自身位置推断装置,其特征在于,
所述数据选择部在所述要求精度高的行驶位置上选择所述多个传感器当中位置测量精度高的传感器所获取到的信息来制作选择地图,在所述要求精度低的行驶位置上选择所述多个传感器当中位置测量精度高的传感器所获取到的信息和位置测量精度低的传感器所获取到的信息两者来制作选择地图。
4.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
所述地图记录部记录所述选择地图来代替所述地图作为记录地图。
5.根据权利要求4所述的地图生成-自身位置推断装置,其特征在于,
所述地图记录部还记录针对所述记录地图的所述要求精度,
所述数据选择部使用所述记录地图中包含的所述要求精度来实施针对自身车辆的行驶中生成的所述地图的数据选择。
6.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
所述数据选择部实施与所述要求精度相应的所述点群的采样。
7.根据权利要求6所述的地图生成-自身位置推断装置,其特征在于,
所述数据选择部实施与预先设定的所述记录地图的最大容量相应的所述点群的采样。
8.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
在地图生成模式下,使所述要求精度判定部、所述数据选择部、所述地图记录部在地图生成模式的结束时仅离线动作一次,在所述地图记录部中记录所述选择地图作为记录地图。
9.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
所述要求精度判定部根据自身车辆的行驶位置起到点群为止的距离来判定所述要求精度。
10.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
所述要求精度判定部根据自身车辆的行驶位置起到所述传感器所检测到的物标为止的距离来判定所述要求精度。
11.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
所述要求精度判定部根据包含驾驶员的驾驶操作量、挡位、对驾驶员的驾驶操作进行辅助的驾驶辅助系统的动作状况中的至少一者的车辆信息来判定所述要求精度。
12.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,进而具备:
数据暂时保存部,其暂时保存所述传感器所获取到的数据;以及
离线地图生成部,其根据所述数据暂时保存部中保存的数据而通过离线处理来生成地图。
13.根据权利要求12所述的地图生成-自身位置推断装置,其特征在于,
所述数据暂时保存部仅保存所述自身车辆的行驶位置当中所述要求精度高的行驶位置上获取到的数据。
14.根据权利要求1所述的地图生成-自身位置推断装置,其特征在于,
在地图生成模式下包含:
所述地图生成部,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置和自身车辆周边物体的测量结果即点群构成的地图;
所述要求精度判定部,其基于所述传感器所获取到的信息和所述地图来判定所述自身车辆的行驶位置的规定地点上的自身车辆位置推断的要求精度;
所述数据选择部,其根据所述要求精度判定部所判定的所述要求精度从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;以及
所述地图记录部,其记录所述选择地图作为记录地图;
在位置推断模式下包含:
所述地图生成部,其根据特性不同的多个传感器所获取到的信息来生成由自身车辆的行驶位置和自身车辆周边物体的测量结果即点群构成的地图;
所述数据选择部,其根据所述地图记录部中记录的所述选择地图中包含的所述要求精度,从所述地图中选择与测量到所述点群的所述传感器的种类或处理方法相应的所述地图的数据来生成选择地图;以及
所述自身位置推断部,其通过自身车辆的行驶中生成的所述选择地图与所述地图记录部中记录的所述选择地图的比较来推断所述记录地图中的当前的自身车辆位置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020187515A JP2022076877A (ja) | 2020-11-10 | 2020-11-10 | 地図生成・自己位置推定装置 |
JP2020-187515 | 2020-11-10 | ||
PCT/JP2021/031926 WO2022102216A1 (ja) | 2020-11-10 | 2021-08-31 | 地図生成・自己位置推定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116406470A true CN116406470A (zh) | 2023-07-07 |
Family
ID=81601057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180071554.9A Pending CN116406470A (zh) | 2020-11-10 | 2021-08-31 | 地图生成-自身位置推断装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230400328A1 (zh) |
JP (1) | JP2022076877A (zh) |
CN (1) | CN116406470A (zh) |
DE (1) | DE112021004428T5 (zh) |
WO (1) | WO2022102216A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010023162A1 (de) | 2010-06-09 | 2011-12-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs beim Einparken in eine Parklücke, Fahrerassistenzeinrichtung und Kraftfahrzeug |
JP6645910B2 (ja) * | 2016-05-31 | 2020-02-14 | 株式会社デンソー | 位置推定装置 |
CN111902697A (zh) * | 2018-03-23 | 2020-11-06 | 三菱电机株式会社 | 行驶辅助系统、行驶辅助方法和行驶辅助程序 |
JP7245084B2 (ja) * | 2019-03-15 | 2023-03-23 | 日立Astemo株式会社 | 自動運転システム |
-
2020
- 2020-11-10 JP JP2020187515A patent/JP2022076877A/ja active Pending
-
2021
- 2021-08-31 CN CN202180071554.9A patent/CN116406470A/zh active Pending
- 2021-08-31 DE DE112021004428.1T patent/DE112021004428T5/de active Pending
- 2021-08-31 WO PCT/JP2021/031926 patent/WO2022102216A1/ja active Application Filing
- 2021-08-31 US US18/249,273 patent/US20230400328A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022102216A1 (ja) | 2022-05-19 |
US20230400328A1 (en) | 2023-12-14 |
DE112021004428T5 (de) | 2023-06-15 |
JP2022076877A (ja) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102223270B1 (ko) | 여분의 초음파 radar를 구비한 자율 주행 차량 | |
JP6878493B2 (ja) | 自動運転車両(adv)に用いるピッチ角の補正方法 | |
US9823661B2 (en) | Occupancy grid map for a vehicle | |
JP6831880B2 (ja) | 自動運転のための事前収集の静的反射図に基づく自動lidarキャリブレーション | |
JP6342822B2 (ja) | 自動運転システム、自動運転の方法及びコンピューティング装置 | |
CN108688660B (zh) | 运行范围确定装置 | |
JP6779326B2 (ja) | 複数のスレッドを使用して自動運転車両に用いられる基準線を生成するための方法及びシステム | |
CN109426261B (zh) | 自动驾驶装置 | |
US20100164701A1 (en) | Method of analyzing the surroundings of a vehicle | |
JP6757442B2 (ja) | 自動運転車における車線後処理 | |
JP7149288B2 (ja) | 自動運転車両のための螺旋曲線に基づく垂直駐車計画システム | |
US20180144199A1 (en) | Vehicle vision | |
JP6558214B2 (ja) | 自動運転装置 | |
JP6908674B2 (ja) | 自動運転車両を動作させるための所定のキャリブレーションテーブルに基づく車両制御システム | |
Valldorf et al. | Advanced Microsystems for Automotive Applications 2007 | |
JP6892516B2 (ja) | 列挙に基づく自動運転車両の3ポイントターン計画 | |
WO2019207639A1 (ja) | 行動選択装置、行動選択プログラム及び行動選択方法 | |
US20210197811A1 (en) | Course prediction device, computer readable medium, and course prediction method | |
JP6987150B2 (ja) | 自動運転車両の3ポイントターンの最適プランナー切り替え方法 | |
CN110023781B (zh) | 用于根据车辆周围环境的雷达签名确定车辆的准确位置的方法和设备 | |
CN116406470A (zh) | 地图生成-自身位置推断装置 | |
JP7005571B2 (ja) | 所定の負荷較正テーブルによる自動運転車両の車両負荷の確定方法 | |
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 | |
JP7228698B2 (ja) | 車両制御装置 | |
WO2022239350A1 (ja) | 地図生成・自己位置推定装置 |
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 |