-
Die Erfindung bezieht sich auf ein Verfahren zum Erkennen von Änderungen in Referenzdaten für geografische Daten, eine Vorrichtung zum Ausführen des Verfahrens, ein Computerprogramm und ein computerlesbares Speichermedium.
-
Die Datenqualität von Straßenmodellen wird üblicherweise basierend auf der ISO19157:2013 Norm bestimmt. Hierbei werden Messwerte, also geografische Daten, die ein Modell eines Straßenabschnitts abbilden, mit Referenzdaten gemäß vorgegeben Formeln verglichen.
-
Wenn eine Ermittlung der Referenzdaten allerdings schon eine gewisse Zeit her ist, können sich Änderungen in dem Straßenabschnitt ergeben haben, die nicht mehr korrekt durch die Referenzdaten abgebildet werden. Beispielsweise kann sich eine Fahrbahn verengt haben durch eine Baustelle, eine Fahrbahnmarkierung geändert haben oder neue Verkehrsschilder aufgestellt worden sein.
-
Somit ist es Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zum Erkennen von Änderungen in Referenzdaten für geografische Daten bereitzustellen.
-
Die Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Weiter bevorzugte Ausführungsformen sind Gegenstand der abhängigen Patenansprüche.
-
Gemäß einem Aspekt der Erfindung umfasst ein Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten die folgenden Schritte: Empfangen der geografischen Daten, die ein Modell eines Straßenabschnitts abbilden, und der Referenzdaten, die eine genaue Referenz des Straßenabschnitts abbilden. Bestimmen einer Datenpunktewolke aus den geografischen Daten und Bestimmen einer Referenzpunktewolke aus den Referenzdaten. Zuordnen jeweils eines Datenpunkts der Datenpunktewolke zu jeweils einem Referenzpunkt der Referenzpunktewolke unter Durchführung eines iterative closest point Algorithmus, ICP Algorithmus, wobei der ICP Algorithmus iterativ einen Datenpunkt abhängig von mindestens einer Randbedingung einem Referenzpunkt zuordnet. Bestimmen eines Unterschieds zwischen jeweils einem Datenpunkt und dem zugeordneten Referenzpunkt, wobei sich der Unterschied zwischen dem Datenpunkt und dem Referenzpunkt auf deren Position bezieht. Bestimmen, ob eine Änderung in den Referenzdaten vorliegt basierend auf dem bestimmten Unterschied.
-
Auf diese Weise wird weder den Referenzdaten noch den geografischen Daten zu 100% vertraut.
-
Der Begriff „Änderung in den Referenzdaten“, wie er hier benutzt wird, beschreibt eine Veränderung der Realität in dem Straßenabschnitt im Hinblick auf die zur Verfügung stehenden Referenzdaten.
-
Vorzugsweise bezieht sich der Unterschied zwischen dem Datenpunkt und dem zugeordneten Referenzpunkt auf die jeweilige Position der Punkte.
-
Vorzugsweise umfasst das Zuordnen der Datenpunkte zu den Referenzpunkten ein Annähern der Datenpunktwolke zu der Referenzpunktewolke.
-
Vorzugsweise stellt die Distanz des Datenpunkts zu einem Referenzpunkt eine Randbedingung dar, die vorzugsweise um weitere Randbedingungen erweitert werden kann. Weiter vorzugsweise wirkt die Randbedingung bei der Zuordnung eines Datenpunktes zu einem Referenzpunkt als Filter.
-
Vorzugsweise umfasst die mindestens eine Randbedingung eine Objektklasse des Datenpunkts und des Referenzpunkts.
-
Vorzugsweise umfasst jeder Datenpunkt der Datenpunktwolke semantische Informationen, wie beispielsweise die Objektklasse. Beispiele einer Objektklasse umfassen ein Verkehrsschild, eine Straßenmarkierung und/oder eine Spurart.
-
Auf diese Weise wird beim Zuordnen eines Datenpunkts zu einem Referenzpunkt nicht nur auf den Abstand geachtet, sondern auch weitere semantische Informationen beachtet. Vorzugsweise wird ein Datenpunkt nicht dem am nächsten liegendsten Referenzpunkt zugeordnet, wenn sich die Objektklasse des Datenpunkts und des Referenzpunkts unterscheiden. In anderen Worten wird ein Datenpunkt der Objektklasse Verkehrsschild nicht einem Referenzpunkt der Objektklasse Straßenmarkierung zugeordnet.
-
Insbesondere, wenn einem Datenpunkt mehrere Referenzpunkte zugeordnet werden können, werden zusätzliche semantische Informationen wie die Objektklasse mit in die Zuordnungsentscheidung einbezogen.
-
Vorzugsweise umfasst die mindestens eine Randbedingung einen Objekttypen und/oder einen Objektsubtypen des Datenpunkts und des Referenzpunkts.
-
Vorzugsweise umfasst eine Objektklasse mindestens einen Objekttyp. Beispielsweise umfasst ein Objekttyp der Objektklasse Verkehrsschild die Objekttypen Warnschild und/oder Geschwindigkeitsschild. Beispielsweise umfasst ein Objekttyp der Objektklasse Straßenmarkierung die Objekttypen durchgezogen und/oder unterbrochen. Beispielsweise umfasst ein Objekttyp der Objektklasse Spurart die Objekttypen normal und/oder Seitenstreifen.
-
Weiter vorzugsweise umfasst ein Objekttyp wiederum Objektsubtypen. Beispielsweise umfasst ein Objektsubtyp des Objekttyps Warnschild die Objektsubtypen Baustelle und/oder linke Kurve. Beispielsweise umfasst ein Objektsubtyp des Objekttyps Geschwindigkeitsschild die Objektsubtypen 50 km/h und/oder 80 km/h. Beispielsweise umfasst ein Objektsubtyp des Objekttyps durchgezogen die Objektsubtypen weiße Farbe und/oder gelbe Farbe. Beispielsweise umfasst ein Objektsubtyp des Objekttyps unterbrochen die Objektsubtypen weiße Farbe und/oder gelbe Farbe.
-
Auf diese Weise kann jedem Datenpunkt eine semantische Information zugeordnet werden.
-
Vorzugsweise umfasst die Objektklasse, der Objekttyp und/oder der Objektsubtyp ein Konfidenzlevel, wobei der ICP Algorithmus die Zuordnung abhängig von dem jeweiligen Konfidenzlevel bestimmt.
-
Beispielsweise wird eine Konfidenz bestimmt, ob ein Verkehrsschild überhaupt existent ist. Wenn solch eine Konfidenz gering ist, wird der entsprechende Datenpunkt vorzugsweise ignoriert.
-
Vorzugsweise bilden die Datenpunkte die geografischen Spurdaten mit einer vorher festgelegten Datenauflösung ab und die Referenzpunkte bilden die Referenzdaten mit einer vorher festgelegten Referenzauflösung ab, wobei die Datenauflösung der Referenzauflösung entspricht.
-
Vorzugsweise ist die Datenauflösung und die Referenzauflösung auf 10cm festgelegt.
-
Grundsätzlich sind die Datenauflösung und die Referenzauflösung frei wählbar.
-
Vorzugsweise wird beim Zuordnen ein Datenpunkt der Datenpunktewolke jeweils lediglich mit einem Referenzpunkt der Referenzpunktewolke gleichzeitig verglichen.
-
Vorzugsweise wird der ICP Algorithmus durch ein Abbruchkriterium abgebrochen, wobei das Abbruchkriterium eine vorbestimmte Anzahl an Iterationen, einen minimalen Abstand eines Datenpunkts zu einem Referenzpunkt und/oder dass sich ein gemittelter Abstand der einander zugeordneten Datenpunkte und Referenzpunkte nur geringfügig, beispielsweise unter 10mm, geändert hat, umfasst.
-
Beispielsweise ist ein minimaler Abstand 1cm. Weiter beispielsweise umfasst das Abbruchkriterium 50 Iterationen.
-
Auf diese Weise wird ein verbessertes Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten zur Verfügung gestellt.
-
In einer bevorzugten Ausführungsform umfasst das Verfahren den folgenden Schritt. Veranlassen einer Aktualisierung der Referenzdaten, wenn eine Änderung in den Referenzdaten bestimmt wird.
-
Vorzugsweise wird eine Meldung an ein Messfahrzeug gesendet, dass der Straßenabschnitt, in dem der Unterschied festgestellt wurde, neu vermessen werden soll.
-
Vorzugsweise wird ein Objekt, insbesondere eine Objektzuordnung, des Straßenabschnitts neu vermessen. Weiter vorzugsweise wird ein Teil des Objekts neu vermessen. Durch die Zuordnung von Datenpunkten zu Referenzpunkten ist es möglich eine Position des Unterschieds in einem Objekt, oder in anderen Worten einer Objektzuordnung, genau zu bestimmen. Somit muss nicht das gesamte Objekt neu vermessen werden, sondern lediglich ein Teil des Objekts wird neu vermessen. Beispielsweise kann festgestellt werden, in welchem Bereich sich eine Spurmarkierung in den Referenzdaten geändert hat. Folglich muss die Spurmarkierung auch nur in dem Bereich neu vermessen werden, in dem der Unterschied festgestellt wurde. Auf diese Weise können die Referenzdaten effizient aktuell gehalten werden.
-
Auf diese Weise wird ein verbessertes Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten zur Verfügung gestellt.
-
In einer bevorzugten Ausführungsform umfasst das Verfahren die folgenden Schritte. In einem Schritt wird eine Verarbeitungspriorität für den bestimmen Unterschied bestimmt, wobei die Verarbeitungspriorität angibt mit welcher Priorität der Unterschied verarbeitet werden soll. In einem weiteren Schritt wird die Aktualisierung der Referenzdaten abhängig von der Verarbeitungspriorität veranlasst.
-
Wird eine Mehrzahl von Unterschieden in den Referenzdaten festgestellt und es können nicht sämtliche Unterschiede mit einer einzigen neuen Vermessung vermessen werden, werden die detektierten Unterschiede nach der Verarbeitungspriorität nacheinander vermessen.
-
Vorzugsweise umfasst die Verarbeitungspriorität mehrere Stufen, wie hoch, mittel und niedrig.
-
Beispielsweise wird einer Änderung des Objekts Fahrbahnmarkierung eine hohe Verarbeitungspriorität zugeordnet und einer Änderung des Objekts Verkehrszeichen nur eine mittlere Verarbeitungspriorität zugeordnet. Die Verarbeitungspriorität wird vorzugsweise abhängig von ihrer realen Dringlichkeit bestimmt, beispielsweise abhängig von einer Auswirkung der Änderung auf die Sicherheit des Straßenverkehrs.
-
In einer bevorzugten Ausführungsform umfasst das Verfahren folgende Schritte. In einem Schritt wird ein Konfidenzlevel des Unterschieds bestimmt, das angibt mit welcher Wahrscheinlichkeit der Unterschied auf einer Änderung in den Referenzdaten oder einer Qualität der geografischen Daten beruht. In einem weiteren Schritt wird bestimmt, ob eine Änderung in den Referenzdaten vorliegt, basierend auf dem Konfidenzlevel des Unterschieds.
-
Das Konfidenzlevel gibt vorzugsweise in einer Prozentanzahl an, in wie weit den Referenzdaten vertraut werden kann. Beispielsweise kann über einem festgestellten Unterschied eine Aussage getroffen werden, dass zu 80% eine Änderung in den Referenzdaten vorliegt.
-
In einer bevorzugten Ausführungsform umfasst das Verfahren folgende Schritte. In einem Schritt wird eine Objektzuordnung abhängig von den zugeordneten Datenpunkten und Referenzpunkten bestimmt, wobei die Objektzuordnung eine Zuordnung eines rekonstruierten Modells des Straßenabschnitts mit einer rekonstruierten Referenz des Straßenabschnitts darstellt. In einem weiteren Schritt wird das Konfidenzlevel des Unterschieds basierend auf der Objektzuordnung bestimmt.
-
Vorzugsweise wird für die Objektzuordnung ein key performance indicator, KPI, bestimmt, der Eigenschaften der Objektzuordnung aus Datenpunkten und Referenzpunkten beschreibt. Der KPI umfasst vorzugsweise eine Vollständigkeit der geografischen Daten zu den Referenzdaten und/oder eine semantische Genauigkeit der Objektzuordnung. Die Vollständigkeit beschreibt, in wie weit Datenpunkte oder Referenzpunkte in Bereichen einer Objektzuordnung komplett fehlen. In anderen Worten beschreibt die Vollständigkeit einen strukturellen Unterschied zwischen rekonstruiertem Modell und rekonstruierter Referenz. Die Vollständigkeit weist somit auf Teile von Objekten oder ganzen Objekten hin, die zwar in den Referenzpunkten abgebildet sind aber nicht in den Datenpunkten abgebildet sind, oder umgekehrt. Die semantische Genauigkeit der Objektzuordnung weist auf Teile von Objekten hin, in denen sich die das rekonstruierte Modell semantisch von der rekonstruierten Referenz unterscheidet. Beispiele hierfür sind durchgezogene Linien zu gestrichelten Linien oder verschiedene Arten von Verkehrsschildern.
-
Basierend auf dem KPI wird eine Art der Änderung basierend auf dem bestimmten Unterschied bestimmt. Beispielsweise weist eine niedrige semantische Genauigkeit und eine geringe Vollständigkeit einer Fahrspur auf eine Änderung der Anzahl von Fahrspuren hin. Demgegenüber weist eine lediglich geringe semantische Genauigkeit einer Fahrspur auf eine Änderung in der Fahrspurmarkierung hin. In einem weiteren Beispiel weist eine geringe semantische Genauigkeit eines Verkehrsschilds auf eine Änderung des Verkehrsschilds hin, während eine geringe Vollständigkeit eher auf ein Entfernen oder ein Hinzufügen des Verkehrsschilds hinweist.
-
Vorzugsweise wird die Änderung nicht für die gesamte Objektzuordnung bestimmt, sondern kann auch eine Änderung einzelner Bereiche der Objektzuordnung beschreiben.
-
Auf diese Weise wird ein verbessertes Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten zur Verfügung gestellt.
-
In einer bevorzugten Ausführungsform umfasst das Verfahren die folgenden Schritte. In einem ersten Schritt werden Objektzuordnungen in einer Region um die Objektzuordnung, bei der ein Unterschied bestimmt worden ist, nach weiteren Unterschieden geprüft. In einem weiteren Schritt wird das Konfidenzlevel des Unterschieds basierend auf der Anzahl von Unterschieden in der geprüften Region bestimmt.
-
Vorzugsweise wird basierend auf der Anzahl der bestimmten Unterschiede ein Unsicherheitslevel der Region bestimmt. Je mehr Unterschiede zwischen den geografischen Daten und den Referenzdaten bei Objektzuordnungen in einer Region festgestellt werden, desto höher ist das Unsicherheitslevel der Region. Je höher das Unsicherheitslevel der Region ist, desto eher wird auf eine mangelnde Qualität der geografischen Daten geschlossen. Im Umkehrschluss führt ein bestimmter Unterschied bei einer Objektzuordnung in einer Region mit niedrigem Unsicherheitslevel eher zu einer Anpassung des Konfidenzlevels in Richtung Unterschied in den Referenzdaten.
-
Auf diese Weise wird ein verbessertes Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten zur Verfügung gestellt.
-
In einer bevorzugten Ausführungsform wird das Konfidenzlevel des Unterschieds abhängig von geografischen Daten einer Vielzahl von unterschiedlichen Quellen bestimmt.
-
Vorzugsweise erhalten geografische Daten, die von einer großen Anzahl von Quellen bestimmt werden ein besonders hohes Konfidenzlevel. Solche sogenannten crowd source Daten werden beispielsweise von einer Vielzahl von Fahrzeugen zur Verfügung gestellt, die den relevanten Straßenabschnitt beim Durchfahren vermessen. Insbesondere werden hierfür Sensordaten zur Verfügung gestellt, die für anderweitige Fahrzeugfunktionen bereits aufgenommen werden.
-
Beispielsweise umfassen die Sensordaten Kameradaten, GPS-Daten, Lidardaten und/oder Radardaten.
-
Gemäß einem Aspekt der Erfindung ist eine Vorrichtung zum Erkennen einer Änderung in Referenzdaten für geografische Daten eingerichtet, das Verfahren, wie es hier beschrieben ist, auszuführen.
-
Gemäß einem Aspekt der Erfindung ist ein Computerprogramm vorgesehen, das, wenn es auf einem Prozessor ausgeführt wird, den Prozessor anleitet, die Schritte des Verfahrens, wie es hier beschrieben ist, auszuführen.
-
Gemäß einem Aspekt der Erfindung ist ein computerlesbares Speichermedium vorgesehen, auf dem ein Computerprogramm, wie es hier beschrieben ist, gespeichert ist.
-
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Die beiliegenden Zeichnungen veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Konzepten der Erfindung.
-
Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die dargestellten Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
-
Es zeigen:
- 1: eine Datenpunktwolke aus geografischen Daten und eine Referenzpunktwolke aus Referenzdaten;
- 2: teilweise zu Referenzpunkten zugeordnete Datenpunkte;
- 3: vollständig zu Referenzpunkten zugeordnete Datenpunkte;
- 4: ein rekonstruiertes Modell des Straßenabschnitts;
- 5: eine schematische Darstellung eines Szenarios in dem eine Änderung in Referenzdaten für geografische Daten bestimmt wird;
- 6: schematisch ein Verfahren zum Erkennen einer Änderung in Referenzdaten für geografische Daten;
- 7: eine schematische Darstellung einer semantischen Änderung von Referenzdaten; und
- 8: eine schematische Darstellung einer semantischen Änderung und strukturellen Änderung von Referenzdaten.
-
1 zeigt geografische Daten 10, die einen Straßenabschnitt modellieren. In diesem Fall handelt es sich um eine Straße, die in einer Kurve aufgeht und an dessen Straßenrand ein Verkehrsschild steht. Die geografischen Daten 10 werden beispielsweise von einer Straßendatenbank abgefragt. Die geografischen Daten 10 liegen vorzugsweise im protobuf-Format, geojson-Format oder im Keyhole Markup Language, KML, -Format vor. Bei den geografischen Daten 10 handelt es sich um Messdaten. Um die Qualität dieser geografischen Daten 10 zu bestimmen müssen diese mit Referenzdaten 20 verglichen werden. Die Referenzdaten liegen vorzugsweise im OpenDrive-Format vor.
-
Zum Bestimmen eines Unterschieds U der geografischen Daten 10 würde im einfachsten Fall ein direktes Vergleichen mit den Referenzdaten 20 genügen. Hierzu kann der Norm ISO19157:2013 gefolgt werden, welche die Messwerte gemäß vorgegebener Formeln mit den Referenzwerten vergleicht. Allerdings wird hierbei nicht abgebildet, welcher Teil der geografischen Daten 10 mit welchem Teil der Referenzdaten 20 verglichen werden soll.
-
Deshalb werden die geografischen Daten 10 in eine Datenpunktewolke 11 umgewandelt, welche die geografischen Daten 10 in einer vorher festgelegten Auflösung abbilden. Zum Beispiel wird eine Auflösung von 10 cm gewählt. Ähnlich wie die geografischen Daten 10 werden die Referenzdaten 20 in eine Referenzpunktewolke 21 umgewandelt. Die Auflösung der Referenzpunktewolke 21 entspricht hierbei der Auflösung der Datenpunktewolke 11. Die Datenpunktewolke 11 umfasst somit eine Vielzahl von Datenpunkten D und die Referenzpunktewolke 21 umfasst eine Vielzahl von Referenzpunkten R.
-
Wie in 2 gezeigt ist wird iterativ jedem Datenpunkt D ein Referenzpunkt R zugeordnet. Jede dieser Zuordnung ist als Punktzuordnung ZP markiert. Die Zuordnung wird basierend auf einem iterative closest point, ICP, Algorithmus durchgeführt. Hierbei wird jedem Datenpunkt D Schritt für Schritt einer der Referenzpunkte R zugeordnet abhängig von einer Randbedingung. In der einfachsten Form umfasst die Randbedingung einen Abstand des Datenpunkts D zu dem Referenzpunkt R. In anderen Worten wird ein Datenpunkt D mit umliegenden Referenzpunkten R verglichen, vorzugsweise paarweise. Der Referenzpunkt, der dem Datenpunkt D am nächsten liegt wird dem Datenpunkt D zugeordnet. Zusätzlich zu dem Abstand als Randbedingung werden semantische Informationen der Datenpunkte D und der Referenzpunkte R mit einkalkuliert. Die semantischen Informationen umfassen beispielsweise Objektklassen, Objekttypen und/oder Objektsubtypen. In andern Worten wird ein Datenpunkt D mit der Objektklasse Straßenschild nicht einem Referenzpunkt R der Objektklasse Fahrbahnmarkierung zugeordnet, auch wenn die jeweiligen Punkte sehr nah aneinander liegen. Auf diese Weise kann sichergestellt werden, dass ein Unterschied U der Referenzdaten R nicht durch falsche Datenvergleiche ungenau bestimmt wird.
-
In 3 ist eine vollständige Zuordnung der Datenpunkte D zu den jeweiligen Referenzpunkten R abgebildet. Im Zuge der Zuordnung wurden sämtliche Datenpunkte D den Referenzpunkten R angenähert ohne die Positionierung der Datenpunkte D untereinander und der Referenzpunkte R untereinander zu ändern.
-
Wie in 4 gezeigt ist, wird aus den Zugeordneten Datenpunkten D und Referenzpunkten R wieder mindestens ein Objekt bestimmt. Diese Objektzuordnung ZO beispielsweise ein rekonstruiertes Modell 12 einer linken Fahrbahnmarkierung das einer rekonstruierten Referenz 22 der linken Fahrbahnmarkierung zugeordnet ist.
-
Basierend auf den Objektzuordnungen ZO kann nun ein Unterschied U der Referenzdaten 20 zu den geografischen Daten 10 bestimmt werden.
-
5 beschreibt ein Szenario, in dem die geografischen Daten 20 ein besonders hohes Konfidenzlevel aufweisen. Dies ist darauf zurückzuführen, dass eine Vielzahl von Fahrzeugen V mit ihren Sensoren Sensordaten S eines Straßenabschnittes bestimmen. Basierend auf den geografischen Daten 20 und den Referenzdaten 10 werden, wie oben beschrieben, ein rekonstruiertes Modell 12 und ein Referenzmodell 22 bestimmt. Das Referenzmodell 22 beschreibt eine Straße mit einer unterbrochenen Mittelmarkierung und einem Verkehrsschild mit 90 km/h Beschränkung. Dahingegen beschreibt das rekonstruierte Modell 12 eine Straße mit durchgezogener Mittelmarkierung und einem Verkehrsschild mit 50 km/h Beschränkung. Das aus den Messungen der Fahrzeuge V bestimmte rekonstruierte Modell 12 weist ein höheres Konfidenzlevel auf, als das Referenzmodell 22.
-
Demzufolge kann der Unterschied U in der Fahrzeugmarkierung und der Unterschied U in dem Verkehrsschild bestimmt werden. Wie bereits beschrieben wird den geografischen Daten in diesem Fall ein besonders hohes Konfidenzlevel zugeordnet. Deshalb kann basierend auf den bestimmten Unterschieden U eine Änderung 30 in den Referenzdaten 20 bestimmt werden. Die Änderung 30 in den Referenzdaten 20 gibt somit an, wo und wie sich die Realität im Vergleich zu den Referenzdaten 20 geändert hat. Diese Änderungen 30 werden zusammengefasst und an eine Data Management Plattform 40 weitergegeben. Die Data Management Plattform 40 veranlasst dann, dass die Referenzdaten 10 in diesem Straßenabschnitt aktualisiert werden. Dies geschieht beispielsweise durch ein neues Vermessen des Bereichs in dem Änderungen 30 bestimmt wurden. Somit können die Referenzdaten 20 aktuell gehalten werden.
-
6 zeigt schematisch ein Verfahren zum Erkennen einer Änderung 30 in Referenzdaten für geografische Daten. In einem ersten Schritt S10 werden die geografischen Daten 10 empfangen, die ein Modell eines Straßenabschnitts abbilden, und die Referenzdaten 20 empfangen, die eine genaue Referenz des Straßenabschnitts abbilden. In einem zweiten Schritt S20 wird eine Datenpunktewolke 11 aus den geografischen Daten 10 bestimmt und eine Referenzpunktewolke 21 aus den Referenzdaten 20 bestimmt. In einem dritten Schritt wird jeweils ein Datenpunkt D der Datenpunktewolke 11 zu jeweils einem Referenzpunkt R der Referenzpunktewolke 21 unter Durchführung eines iterative closest point Algorithmus, ICP Algorithmus, zugeordnet, wobei der ICP Algorithmus iterativ einen Datenpunkt D abhängig von mindestens einer Randbedingung einem Referenzpunkt R zuordnet, wobei die Randbedingung eine Distanz des Datenpunkts D zu einem Referenzpunkt R umfasst. In einem vierten Schritt S40 wird ein Unterschied U zwischen jeweils einem Datenpunkt D und dem zugeordneten Referenzpunkt R bestimmt. In einem fünften Schritt S50 wird basierend auf dem bestimmten Unterschied U bestimmt, ob eine Änderung 30 in den Referenzdaten 20 vorliegt.
-
7 zeigt eine schematische Darstellung einer semantischen Änderung von Referenzdaten 20. Das Referenzmodell 22 zeigt eine durchgezogene Straßenmarkierung und das rekonstruierte Modell 12 zeigt in einem ersten Abschnitt A1 eine durchgezogene Straßenmarkierung, in einem zweiten Abschnitt A2 eine unterbrochene Straßenmarkierung und in einem dritten Abschnitt eine durchgezogene Straßenmarkierung. Somit kann ein Unterschied U in dem zweiten Abschnitt A2 festgestellt werden. Es wird somit lediglich eine Aktualisierung der Referenzdaten 20 in dem zweiten Abschnitt A2 veranlasst anstelle einer Vermessung des gesamten Objekts.
-
8 zeigt eine schematische Darstellung einer semantischen Änderung und strukturellen Änderung von Referenzdaten 20. Das Referenzmodell 22 zeigt einen Straßenabschnitt mit zwei Spuren. Das rekonstruierte Modell 12 hingegen zeigt eine Verengung der Fahrbahn von zwei Spuren auf eine Spur. Hier unterscheidet sich das Referenzmodell 22 von dem rekonstruierten Modell 12 nicht nur semantisch, sondern strukturell. Wie im obigen Beispiel wird basierend auf dem festgestellten Unterschied U eine Aktualisierung der Referenzdaten 20 veranlasst.
