DE102022110689A1 - Verfahren zum Verbessern der Straßentopologie durch eine Sequenzschätzung und Detektion von Ankerpunkten - Google Patents

Verfahren zum Verbessern der Straßentopologie durch eine Sequenzschätzung und Detektion von Ankerpunkten Download PDF

Info

Publication number
DE102022110689A1
DE102022110689A1 DE102022110689.6A DE102022110689A DE102022110689A1 DE 102022110689 A1 DE102022110689 A1 DE 102022110689A1 DE 102022110689 A DE102022110689 A DE 102022110689A DE 102022110689 A1 DE102022110689 A1 DE 102022110689A1
Authority
DE
Germany
Prior art keywords
road segment
vehicle
anchor point
map
boundary marker
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
DE102022110689.6A
Other languages
English (en)
Inventor
Yijun Wei
Yehenew G. MENGISTU
Orhan BULAN
Sheetal Mahesh
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 DE102022110689A1 publication Critical patent/DE102022110689A1/de
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
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3807Creation or updating of map data characterised by the type of data
    • G01C21/3815Road data
    • G01C21/3819Road shape data, e.g. outline of a route
    • 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
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3833Creation or updating of map data characterised by the source of data
    • G01C21/3852Data derived from aerial or satellite images
    • 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
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3807Creation or updating of map data characterised by the type of data
    • G01C21/3815Road data
    • 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
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3885Transmission of map data to client devices; Reception of map data by client devices
    • G01C21/3896Transmission 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

System und Verfahren zum Erzeugen einer Karte zum Navigieren eines Fahrzeugs. Das System umfasst einen Remote- bzw. Fern-Prozessor. Der Fern-Prozessor ist dafür konfiguriert, einen Ankerpunkt für eine Position eines Straßensegments basierend auf Daten von zumindest einer Datenquelle zu bestimmen, den Ankerpunkt in einem Luftbild des Straßensegments zu platzieren, eine Begrenzungsmarkierung des Straßensegments auf dem Luftbild basierend auf dem Ankerpunkt vorherzusagen und dem Fahrzeug die Begrenzungsmarkierung bereitzustellen. Ein Fahrzeug-Prozessor navigiert das Fahrzeug unter Verwendung der Begrenzungsmarkierung entlang dem Straßensegment.

Description

  • Einführung
  • Der Gegenstand der Offenbarung bezieht sich auf die Navigation von autonomen Fahrzeugen und insbesondere auf ein System und ein Verfahren zum Bestimmen einer Fahrspurbegrenzung innerhalb eines Straßensegments für die Fahrzeugnavigation basierend auf Daten von einer oder mehreren Datenquellen.
  • Autonome Fahrzeuge navigieren häufig unter Verwendung von Daten von Kartendiensten, die die Lage der Straßenmitte, Fahrspurmarkierungen etc. angeben. Idealerweise handelt es sich bei den Daten von diesen Kartendiensten um Punkte, die zumindest die Lage der Straßenmitte angeben. In der Praxis können diese Punkte von der tatsächlichen Straßenmitte jedoch erheblich abweichen, was zu einem schlechten Kartenaufbau und einer schlechten Fahrzeugnavigation führt. Dementsprechend ist es wünschenswert, die Lage der Mittenmarkierung und anderer Straßenbegrenzungen mit größerer Genauigkeit zu spezifizieren, um die Straßentopologie in bestehenden Navigationskarten zu verbessern.
  • Zusammenfassung
  • In einer beispielhaften Ausführungsform wird ein Verfahren zum Erzeugen einer Karte offenbart. Ein Ankerpunkt wird für eine Lage bzw. Position eines Straßensegments auf der Basis von Daten von zumindest einer Datenquelle bestimmt. Der Ankerpunkt wird innerhalb eines Luftbildes des Straßensegments platziert. Eine Begrenzungsmarkierung des Straßensegments wird auf dem Luftbild basierend auf dem Ankerpunkt vorhergesagt, um die Karte zu erstellen. Die Karte wird einem Fahrzeug bereitgestellt.
  • Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale umfasst die zumindest eine Datenquelle eine Fahrzeugtelemetrie-Datenquelle, ausgelagerte bzw. Crowd-Sourced-Daten und/oder eine Luftbild-Datenquelle. Das Bestimmen des Ankerpunktes umfasst ferner ein Bestimmen einer Vielzahl von Kandidaten, wobei jeder Kandidat ein zugeordnetes Vertrauensniveau hat, und basierend auf dem zugeordneten Vertrauensniveau ein Auswählen eines Kandidaten als den Ankerpunkt aus der Vielzahl von Kandidaten. Die Begrenzungsmarkierung des Straßensegments umfasst ferner eine Mittenmarkierung des Straßensegments, eine Fahrspurmarkierung des Straßensegments und/oder eine Randmarkierung des Straßensegments. In einer Ausführungsform fehlt die Begrenzungsmarkierung auf einer zuvor erzeugten Karte von einem Kartendienst. Das Verfahren umfasst ein Vergleichen der vorhergesagten Begrenzungsmarkierung mit einer Begrenzungsmarkierung in der zuvor erzeugten Karte vom Dienst, um einen Fehler in der Karte vom Kartendienst zu identifizieren. Ferner umfasst das Verfahren ein Bestimmen des Ankerpunkts und der vorhergesagten Begrenzungsmarkierung des Straßensegments in einem Remote bzw. Fern-Prozessor und ein Bereitstellen, einem Prozessor des Fahrzeugs, der vorhergesagten Begrenzungsmarkierung, um das Fahrzeug zu betreiben. Das Verfahren umfasst ferner ein Navigieren des Fahrzeugs entlang dem Straßensegment unter Verwendung bzw. anhand der Begrenzungsmarkierung in der Karte.
  • In einer anderen beispielhaften Ausführungsform wird ein System zum Erzeugen einer Karte offenbart. Das System umfasst einen Prozessor, der dafür konfiguriert ist, einen Ankerpunkt für einen Ort eines Straßensegments basierend auf Daten von zumindest einer Datenquelle zu bestimmen, den Ankerpunkt in einem Luftbild des Straßensegments zu platzieren, eine Begrenzungsmarkierung des Straßensegments auf dem Luftbild basierend auf dem Ankerpunkt vorherzusagen und die Begrenzungsmarkierung einem Fahrzeug zur Navigation des Fahrzeugs entlang dem Straßensegment bereitzustellen.
  • Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale umfasst die zumindest eine Datenquelle eine Fahrzeugtelemetrie-Datenquelle, Crowd-Sourced-Daten und/oder eine Luftbild-Datenquelle. Ein Bestimmen des Ankerpunktes umfasst ferner ein Bestimmen einer Vielzahl von Kandidaten, wobei jeder Kandidat ein zugeordnetes Vertrauensniveau hat, und basierend auf dem zugeordneten Vertrauensniveau ein Auswählen eines Kandidaten als den Ankerpunkt aus der Vielzahl von Kandidaten. Die Begrenzungsmarkierung des Straßensegments umfasst ferner eine Mittenmarkierung des Straßensegments, eine Fahrspurmarkierung des Straßensegments und/oder eine Randmarkierung des Straßensegments. In einer Ausführungsform ist der Prozessor ferner dafür konfiguriert, die Begrenzungsmarkierung vorherzusagen, die in einer zuvor von einem Kartendienst erzeugten Karte fehlt. Ferner ist der Prozessor dafür konfiguriert, die vorhergesagte Begrenzungsmarkierung mit einer Begrenzungsmarkierung in der zuvor erzeugten Karte zu vergleichen, um einen Fehler in der Karte vom Kartendienst zu identifizieren. In einer Ausführungsform ist der Prozessor ein Fern-Prozessor für ein Fahrzeug, und der Prozessor stellt die vorhergesagte Begrenzungsmarkierung einem Fahrzeug-Prozessor bereit, der die vorhergesagte Begrenzungsmarkierung nutzt, um das Fahrzeug zu betreiben.
  • In noch einer weiteren beispielhaften Ausführungsform wird ein System zum Navigieren eines Fahrzeugs offenbart. Das System umfasst einen Fern-Prozessor und einen Fahrzeug-Prozessor. Der Fern-Prozessor ist dafür konfiguriert, einen Ankerpunkt für eine Lage eines Straßensegments basierend auf Daten von zumindest einer Datenquelle zu bestimmen, den Ankerpunkt in einem Luftbild des Straßensegments zu platzieren, basierend auf dem Ankerpunkt eine Begrenzungsmarkierung des Straßensegments auf dem Luftbild vorherzusagen und die Begrenzungsmarkierung dem Fahrzeug bereitzustellen. Der Fahrzeug-Prozessor navigiert das Fahrzeug anhand der Begrenzungsmarkierung entlang dem Straßensegment.
  • Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale umfasst die zumindest eine Datenquelle eine Fahrzeugtelemetrie-Datenquelle, Crowd-Sourced-Daten und/oder eine Luftbild-Datenquelle. Ein Bestimmen des Ankerpunktes umfasst ferner ein Bestimmen einer Vielzahl von Kandidaten, wobei jeder Kandidat ein zugeordnetes Vertrauensniveau hat, und basierend auf dem zugeordneten Vertrauensniveau ein Auswählen eines Kandidaten als Ankerpunkt aus der Vielzahl von Kandidaten. Die Begrenzungsmarkierung des Straßensegments umfasst ferner eine Mittenmarkierung des Straßensegments, eine Fahrspurmarkierung des Straßensegments und/oder eine Randmarkierung des Straßensegments. Der Fern-Prozessor ist dafür konfiguriert, die Begrenzungsmarkierung, die in einer zuvor erzeugten Karte fehlt, unter Verwendung des Ankerpunkts vorherzusagen.
  • Die obigen Merkmale und Vorteile sowie andere Merkmale und Vorteile der Offenbarung sind aus der folgenden detaillierten Beschreibung ohne weiteres ersichtlich, wenn sie in Verbindung mit den beiliegenden Zeichnungen vorgenommen wird.
  • Figurenliste
  • Weitere Merkmale, Vorteile und Einzelheiten sind in der folgenden detaillierten Beschreibung nur beispielhaft enthalten, wobei sich die detaillierte Beschreibung auf die Zeichnungen bezieht, in denen:
    • 1 ein System zur Fahrzeugnavigation unter Verwendung einer in einer Karte identifizierten Straßenbegrenzung zeigt;
    • 2 ein Straßensegment mit Markierungen zeigt, die ein hierin offenbartes Abbildungs- bzw. Kartierungsverfahren veranschaulichen;
    • 3 ein Flussdiagramm eines Verfahrens zum Schätzen einer Begrenzungsmarkierung zeigt;
    • 4 ein Flussdiagramm eines Verfahrens zum Bestimmen von Ankerpunkten aus den verschiedenen, hierin offenbarten Datenquellen zeigt;
    • 5 ein Flussdiagramm eines Verfahrens zum Bestimmen von Ankerpunkten aus Telemetriedaten zeigt;
    • 6 einen Bereich eines Straßensegments zeigt, was ein Verfahren zum Auswählen einer Trennlinie unter Verwendung einer Vertrauensschwelle veranschaulicht;
    • 7 eine Trennlinie veranschaulicht, die unter Verwendung des in Bezug auf 6 diskutierten Verfahrens mit Vertrauensschwellen nicht akzeptabel ist;
    • 8 ein Flussdiagramm eines Verfahrens zum Bestimmen einer Begrenzungsmarkierung aus einem Luftbild zeigt;
    • 9 einen Anfüge- bzw. Heftschritt zum Vorhersagen einer Randmarkierung veranschaulicht;
    • 10 ein Luftbild eines Straßensegments zeigt, das verschiedene Begrenzungsmarkierungen zeigt, die unter Verwendung der hierin offenbarten Verfahren bestimmt werden können; und
    • 11 ein Bild zeigt, das ein Verfahren zum Korrigieren von HD/MD-Karten (High Definition/Low Definition bzw. mit hoher Auflösung/niedriger Auflösung) für Stra-ßenbegrenzungen veranschaulicht.
  • Detaillierte Beschreibung
  • Die folgende Beschreibung ist ihrer Art nach lediglich beispielhaft und soll die vorliegende Offenbarung, ihre Anwendung oder Nutzungen nicht einschränken. Es sollte sich verstehen, dass in den Zeichnungen entsprechende Bezugsziffern gleiche oder entsprechende Teile und Merkmale bezeichnen.
  • Gemäß einer beispielhaften Ausführungsform zeigt 1 ein System 100 zur Fahrzeugnavigation unter Verwendung einer in einer Karte identifizierten Straßenbegrenzung. Das System 100 umfasst ein Fahrzeug 102, das ein autonomes oder semi-autonomes Fahrzeug in Kommunikationsverbindung mit einem Karten-Prozessor oder Karten-Server 104 sein kann. Der Karten-Server 104 kann das Fahrzeug 102 mit Karten mit hoher Auflösung oder mittlerer Auflösung (HD/MD) für die Navigation versorgen. Das System 100 umfasst auch eine Vielzahl von Datenquellen, die dem Karten-Server 104 Daten bereitstellen, um dem Karten-Server 104 zu ermöglichen, unter Verwendung der hierin offenbarten Verfahren Karten zu erzeugen. Die Vielzahl von Datenquellen kann, ist aber nicht darauf beschränkt, eine Telemetrie-Datenquelle 106 wie etwa eine HSVT-Datenquelle (High-Speed Vehicle Telemetry), eine Crowd-Sourced-Datenquelle 108, die Crowd-Sourced-Daten bereitstellt, und eine Luftbild-Datenquelle 110 wie etwa die Datenbank des United States Geological Survey (USGS) umfassen.
  • In einer Ausführungsform umfasst das Fahrzeug 102 ein globales Positionsbestimmungs- bzw. satellitengestütztes Navigationssystem (GPS) 112 und Sensoren 114 (z. B. ein Lidar-System, ein Radar-System, eine oder mehrere Kameras etc.). Das Fahrzeug 102 umfasst auch einen Fahrzeug-Prozessor 116. Der Fahrzeug-Prozessor 116 kann Informationen von dem GPS 112, den Sensoren 114 und dem Karten-Server 104 erhalten und die Informationen nutzen, um den Betrieb des Fahrzeugs 102 zu erweitern bzw. verbessern oder zu automatisieren. Der Prozessor 120 und der Karten-Server 104 können eine Verarbeitungsschaltungsanordnung nutzen, die eine anwendungsspezifische integrierte Schaltung (ASIC), eine elektronische Schaltung, einen Prozessor (gemeinsam, dediziert oder als Gruppe) und einen Speicher, der ein oder mehrere Software- oder Firmware-Programme ausführt, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten umfassen kann, die die beschriebene Funktionalität bereitstellen.
  • Der Karten-Server 104 kann, wie gezeigt, eine Cloud-basierte Kommunikation durchführen oder eine zellulare oder andere drahtlose Kommunikation mit mehreren (nicht dargestellten) Fahrzeugen über einen Zeitraum durchführen. Der Karten-Server 104 kann Telemetriedaten von dem Fahrzeug 102 und anderen (nicht dargestellten) Fahrzeugen empfangen. Die Telemetriedaten umfassen Positionsinformationen für das Fahrzeug 102 basierend auf dem GPS 112, Informationen, die Richtung und Geschwindigkeit des Fahrzeugs 102 angeben, sowie zusätzliche Informationen wie etwa die Höhe des Fahrzeugs 102. Der Karten-Server 104 kann die von jedem Fahrzeug empfangenen Telemetriedaten zur Verarbeitung speichern.
  • 2 zeigt ein Straßensegment 200 mit Markierungen, die ein hier offenbartes Abbildungs- bzw. Kartierungsverfahren veranschaulichen. Das Kartierungsverfahren zeichnet eine Begrenzungsmarkierung auf das Straßensegment, die von Fahrzeugen zur Navigation und zur Beibehaltung ihrer Position innerhalb einer Fahrspur verwendet werden kann. Die Begrenzungsmarkierung kann, wie in 2 gezeigt, eine Mittenmarkierung 204 oder eine Straßenrandmarkierung oder eine Fahrspurmarkierung sein. Ankerpunkte 202 werden bestimmt und genutzt, um eine oder mehrere Positionen auf der Mittenmarkierung 204 des Straßensegments 200 zu markieren. Die Ankerpunkte 202 können durch Anwenden der hierin offenbarten Verfahren auf Daten von einer oder mehreren Datenquellen, wie etwa der einen oder mehreren Datenquellen von 1, bestimmt werden. Die Mittenmarkierung 204 wird basierend auf den Positionen der Ankerpunkte 202 berechnet und innerhalb des Straßensegments platziert.
  • 3 zeigt ein Flussdiagramm 300 eines Verfahrens zum Schätzen einer Begrenzungsmarkierung. Im Kasten 302 wird eine Vielzahl von Ankerpunkten 202 für eine Vielzahl von Positionen entlang einer Straßenbegrenzung des Straßensegments 200 bestimmt. Im Kasten 304 werden vorhergesagte Begrenzungspunkte erzeugt, die die Vielzahl von Ankerpunkten verbinden. Die vorhergesagten Begrenzungspunkte werden unter Verwendung der repräsentativen Ankerpunkte 202 entlang dem Straßensegment 200 und von Luftbildern des Straßensegments erzeugt. Die vorhergesagten Begrenzungspunkte bilden einen Umriss oder eine Kontur der Begrenzungsmarkierung. Eine Begrenzungsmarkierung kann aus den Ankerpunkten 202 vorhergesagt werden, indem die Ankerpunkte und ein Luftbild des Straßensegments 200 in ein Programm für maschinelles Lernen oder ein neuronales Netz wie etwa ein neuronales Netz mit Langzeit-Kurzzeit-Speicher (LSTM) eingegeben werden.
  • 4 zeigt ein Flussdiagramm 400 eines Verfahrens zum Bestimmen von Ankerpunkten 202 aus den verschiedenen, hier offenbarten Datenquellen. Im Kasten 402 werden Telemetriedaten empfangen und auf dem Karten-Server 104 aggregiert. Die Telemetriedaten enthalten Daten von einer Vielzahl von Fahrzeugen, zu denen auch das Fahrzeug 102 gehören kann. Im Kasten 404 werden die aggregierten Telemetriedaten verwendet, um einen Ankerpunkt 202 zu erzeugen, indem ein Konfidenz- bzw. Vertrauenswert für den Ankerpunkt bestimmt und dann der Vertrauenswert mit einer Vertrauensschwelle verglichen wird. Eine detaillierte Erläuterung der Verfahren des Kastens 404 wird hierin mit Verweis auf 5 und 6 geliefert.
  • Noch auf 4 verweisend, werden im Kasten 406 Crowd-Sourced-Fahrzeugdaten beim Karten-Server 104 empfangen. Die Crowd-Sourced-Fahrzeugdaten können, sind aber nicht darauf beschränkt, Detektionsdaten, die bei einer Vielzahl von Fahrzeugen erhalten bzw. gewonnen wurden, wie etwa Kamerabilddaten, Lidar-Daten, Radar-Daten, Detektions-Rohdaten oder eine beliebige Kombination davon umfassen. Die Detektionsdaten werden an einer Fahrspurmarkierung in Bezug auf das Fahrzeug gewonnen. Die relative Lage bzw. der Fahrspurmarkierung wird mit dem Wissen über den Standort bzw. die Position, die Geschwindigkeit, den Kurs etc. des Fahrzeugs kombiniert, um eine Lage der Fahrspurmarkierung innerhalb einer Karte auf dem Karten-Server 104 bereitzustellen. Die Position, die Geschwindigkeit, der Kurs etc. des Fahrzeugs können durch GPS-Daten bereitgestellt werden. Die Crowd-Sourced-Daten identifizieren eine mögliche Position einer Begrenzungsmarkierung sowie ein Vertrauensniveau für die mögliche Position. Im Kasten 408 werden die Vertrauensniveaus der möglichen Positionen verwendet, um einen Ankerpunkt 202 aus den Crowd-Sourced-Daten auszuwählen. Die Crowd-Sourced-Daten sind beim Bestimmen einer Lage der Fahrspurmarkierung nützlich.
  • Im Kasten 410 werden Luftbilder beim Karten-Server 104 empfangen. Im Kasten 412 kann die Bildverarbeitung genutzt werden, um mögliche Ankerpunkte 202 innerhalb eines Luftbildes zu identifizieren, und kann den möglichen Ankerpunkten kann ein Vertrauensniveau zugeordnet werden. Die unter Verwendung der Luftbilder erhaltene Begrenzungsmarkierung kann eine Randmarkierung für das Straßensegment 200 enthalten.
  • Die Ankerpunkte aus den Kästen 404, 408 und 412 werden als Kandidaten für Ankerpunkte 202 betrachtet und werden im Aggregator 414 zusammengefasst bzw. aggregiert. Im Kasten 416 wird aus der Vielzahl der Kandidaten ein Kandidatenpunkt ausgewählt, der ein repräsentativer Ankerpunkt für die Position des Straßensegments sein soll. Der ausgewählte Ankerpunkt kann der Kandidat sein, der ein optimales oder höchstes zugeordnetes Vertrauensniveau aufweist. Dieser im Flussdiagramm 400 dargestellte Prozess zum Bestimmen eines Ankerpunkts kann für andere Positionen entlang dem Straßensegment 200 wiederholt werden, um so Ankerpunkte für eine Vielzahl von Positionen entlang dem Straßensegment zu erzeugen.
  • 5 zeigt ein Flussdiagramm 500 eines Verfahrens zum Bestimmen von Ankerpunkten aus Telemetriedaten. Telemetriedaten für ein Fahrzeug umfassen Standort bzw. Position, Geschwindigkeit, Ausrichtung, Fahrtrichtung etc. des Fahrzeugs. Im Kasten 502 werden Telemetriedaten von einer Vielzahl von auf einem Straßensegment fahrenden Fahrzeugen erhalten. Die Telemetriedaten werden durch Telemetriepunkte 512 im Bild 510 repräsentiert. Im Kasten 504 werden die Telemetriedaten basierend auf dem Kurs oder der Fahrtrichtung der Fahrzeuge partitioniert bzw. aufgeteilt. Im Allgemeinen bewegt sich ein Fahrzeug entweder in eine Richtung entlang der Straße, wie durch die ersten Telemetriepunkte 516 in Bild 514 angezeigt ist, oder in die entgegengesetzte Richtung, wie durch die zweiten Telemetriepunkte 518 in Bild 514 angezeigt ist. Im Kasten 506 wird eine Trennlinie 522 (wie in Bild 520 gezeigt) bestimmt, die die berechnete Lage bzw. Position der Mittenmarkierung des Straßensegments repräsentiert.
  • 6 zeigt einen Bereich 600 eines Straßensegments, was ein Verfahren zum Auswählen einer Trennlinie 522 unter Verwendung einer Vertrauensschwelle veranschaulicht. Eine Trennlinie 606 wird eingezeichnet, um den Bereich 600 in einen ersten Teilbereich 608 und einen zweiten Teilbereich 610 zu trennen. Der erste Teilbereich 608 wird so bestimmt, dass er Fahrzeuge enthält, die sich in die erste Richtung bewegen, und der zweite Teilbereich 610 wird so bestimmt, dass er Fahrzeuge enthält, die sich in die zweite Richtung bewegen. Sobald die Trennlinie 606 einmal eingezeichnet ist, werden die Richtungen der Fahrzeuge mit den Teilbereichen verglichen, in denen sie sich befinden, um ein Vertrauensniveau für die Trennlinie 606 zu bestimmen.
  • Wenn eine Richtung des Fahrzeugs mit dem Teilbereich übereinstimmt, für den die Richtung bestimmt bzw. bezeichnet ist, wird eine positive Zählung vorgenommen. Zum Beispiel repräsentiert ein erster Punkt 614 ein Fahrzeug, das in eine erste Richtung fährt. Da der erste Punkt 614 im ersten Teilbereich liegt, ist die Richtung des durch den ersten Punkt 614 repräsentierten Fahrzeugs die gleiche wie die für den ersten Teilbereich 608 bezeichnete Richtung, und es wird eine positive Zählung vorgenommen. Der zweite Punkt 616 repräsentiert auf der anderen Seite ein Fahrzeug, das in die zweite Richtung fährt. Da die Richtung des durch den zweiten Punkt 616 repräsentierten Fahrzeugs sich von der für den ersten Teilbereich 608 bezeichneten Richtung unterscheidet, wird keine positive Zählung vorgenommen. Ähnlich repräsentiert der dritte Punkt 618 ein Fahrzeug, das in eine zweite Richtung fährt, und liegt im zweiten Teilbereich 610. Daher ist die Richtung des durch den dritten Punkt 618 repräsentierten Fahrzeugs die gleiche wie die für den zweiten Teilbereich 610 bezeichnete Richtung und wird eine positive Zählung vorgenommen. Ein vierter Punkt 620 repräsentiert jedoch ein Fahrzeug, das in die erste Richtung fährt, liegt aber im zweiten Teilbereich 610. Da sich die Richtung des durch den vierten Punkt 620 repräsentierten Fahrzeugs von der bezeichneten Richtung des zweiten Teilbereichs 610 unterscheidet, wird keine positive Zählung vorgenommen.
  • Das Summieren der positiven Zählungen für den Bereich 600 ergibt eine Vertrauenszahl. Für den Bereich 600 gibt es 40 Punkte, von denen 36 Richtungen aufweisen, die mit ihren konzipierten Teilbereichen übereinstimmen. Die Vertrauenszahl für den Bereich 700 ist also 36/40. Die Vertrauenszahl wird mit einer Vertrauensschwelle (z. B. 0,9) verglichen, um zu bestimmen, ob die Trennlinie akzeptable ist, um einen Ankerpunkt zu bezeichnen. Für die Trennlinie 606 ist das Vertrauensniveau höher als die Vertrauensschwelle und wird daher akzeptiert. Als Ankerpunkt 622 kann jeder beliebige Punkt auf der Trennlinie 606 ausgewählt werden.
  • 7 veranschaulicht eine Trennlinie 702, die unter Verwendung des in Bezug auf 6 diskutierten Verfahren mit Vertrauensschwellen nicht akzeptabel ist. Die Trennlinie 702 trennt den Bereich 700 in den ersten Teilbereich 704, der für in eine erste Richtung fahrende Fahrzeuge bezeichnet wird, und den zweiten Teilbereich 706, der für in eine zweite Richtung fahrende Fahrzeuge bezeichnet wird. Der leere bzw. weiße Punkt 708 repräsentiert ein in die erste Richtung fahrendes Fahrzeug, und der schraffierte Punkt 710 repräsentiert ein in die zweite Richtung fahrendes Fahrzeug. Unter Verwendung der in Bezug auf 7 beschriebenen Verfahren beträgt das Vertrauensniveau für die Trennlinie 702 23/40. Dieses Vertrauensniveau ist geringer als die Vertrauensschwelle, weshalb die Trennlinie 702 nicht akzeptiert wird.
  • Nun werden die Crowd-Sourced-Daten diskutiert. Für die Crowd-Sourced-Daten (Kasten 406) werden Detektionsdaten und GPS-Daten von einer Vielzahl von Fahrzeugen empfangen. Für ein bestimmtes Fahrzeug werden eine Detektion einer Fahrspurmarkierung und die GPS-Daten vom Fahrzeug erfasst. Diese Detektions- und GPS-Daten von der Vielzahl von Fahrzeugen werden beim Karten-Server 104 aggregiert, um die Begrenzung zu lokalisieren. Die Daten werden von den Fahrzeugen mit zugeordneten Vertrauensniveaus gesendet, die das Vertrauen in die Lage bzw. Position der Begrenzung angeben. Ein kombinierter Vertrauenswert bzw. -Score für die Begrenzung basiert auf den Vertrauensniveaus für jeden Punkt, wie in Gl. (1) dargestellt ist: S c o r e C r o w d s o u r c e = { 1 N k = 1 N c ( k ) f a l l s   N T 0 s o n s t
    Figure DE102022110689A1_0001
    wobei N die Anzahl an Fahrzeugen ist, T eine Zählschwelle ist und c(k) ein Vertrauensniveau für den k-ten Datenpunkt ist. Wenn die Anzahl an Fahrzeugen, die Daten für das Crowd-Sourcing beitragen, größer ist als die Zählschwelle T, ist der Crowd-Sourced-Wert bzw. -Score ein Durchschnitt der einzelnen Vertrauensniveaus der Daten. Wenn die Anzahl an Fahrzeugen, die Daten für das Crowd-Sourcing beitragen, geringer als die Zählschwelle T ist, wird dem Crowd-Sourced-Score der Wert Null zugewiesen.
  • 8 zeigt ein Flussdiagramm 800 eines Verfahrens zum Bestimmen einer Begrenzungsmarkierung aus einem Luftbild. Im Kasten 802 wird ein Bereich definiert und wird ein Satz von Wahrscheinlichkeiten von dem Bereich definiert, der eine Wahrscheinlichkeit einer Position einer Begrenzungsmarkierung angibt. Wie in Bild 810 gezeigt ist, geben Linien 812 eine höhere Wahrscheinlichkeit dafür, dass es sich um eine Position einer Begrenzungsmarkierung handelt, in Bezug auf den die Linien umgebenden Bereich an. Im Kasten 804 wird der Wahrscheinlichkeitsbereich mit einem Luftbild 814 eines Straßensegments verglichen, um eine Begrenzungsmarkierung wie etwa eine Randmarkierung 816 zu identifizieren, um eine Wahrscheinlichkeitszählung zu bestimmen. Die Wahrscheinlichkeiten werden summiert, um eine Randwahrscheinlichkeit Pedge für einen aus dem Luftbild 814 ausgewählten Ankerpunkt zu bestimmen, wie in Gl. (2) dargestellt ist; P e d g e = 1 l k = 1 N P k
    Figure DE102022110689A1_0002
    wobei Pk die mit einem Straßenrandpunkt verbundene Wahrscheinlichkeit und / eine Randlänge ist. Im Kasten 806 wird die Summe der Wahrscheinlichkeiten normiert, um einen Vertrauenswert bzw. -Score innerhalb eines Bereichs von 0,0 bis 1,0 zu erhalten. Die Normierung ermöglicht einen Vergleich nebeneinander des aus dem Luftbild erhaltenen Ankerpunkts mit Ankerpunkten, die mit den anderen Verfahren erhaltenen Ankerpunkte.
  • 9 veranschaulicht einen Anfüge- bzw. Heftschritt (engl.: stitching step) 900 zum Vorhersagen einer Begrenzungsmarkierung. Das Eingabebild 902 zeigt ein Straßensegment mit einem Ankerpunkt 904 an einer ausgewählten Position. Das Eingabebild 902 und der Ankerpunkt 904 werden in ein Sequenzschätzungsmodell 906 eingegeben, um ein Ausgabebild 908 zu erzeugen, das den Ankerpunkt 904 und eine Vielzahl vorhergesagter Punkten 910 enthält.
  • 10 zeigt ein Luftbild 1000 eines Straßensegments, das verschiedene Begrenzungsmarkierungen zeigt, die unter Verwendung der hierin offenbarten Methoden bestimmt werden können. Ein Ankerpunkt 1002 kann verwendet werden, um eine Begrenzung zu markieren, die eine Mittenmarkierung 1004 des Straßensegments repräsentiert. Ein Ankerpunkt 1006 kann verwendet werden, um eine Begrenzung zu markieren, die eine Fahrspurmarkierung 1008 repräsentiert. Ein Ankerpunkt 1010 kann verwendet werden, um eine Begrenzung zu markieren, die eine Randmarkierung 1012 repräsentiert.
  • 11 zeigt ein Bild 1100, das ein Verfahren zum Korrigieren einer zuvor erzeugten HD/MD-Karte (High Definition/Low Definition bzw. hohe Auflösung/niedrige Auflösung) für Straßenbegrenzungen veranschaulicht. Das Bild 1100 stammt von einer HD/MD-Karte, die Begrenzungsmarkierungen enthält, die unter Verwendung eines HD/MD-Kartierungsprozesses auf dem Bild eingezeichnet wurden. Die Begrenzungsmarkierungen 1102 sind so dargestellt, dass sie ihren jeweiligen Begrenzungen folgen, wie etwa die Mittenmarkierung und die Randmarkierung. Die Begrenzungsmarkierung 1104 umfasst jedoch einen Bereich 1106, in dem der HD/MD-Kartierungsprozess eine schlechte Begrenzung erzeugt hat. Durch Vergleichen einer Begrenzungsmarkierung, die unter Verwendung der hierin offenbarten Methoden bestimmt wurde, mit den Begrenzungen der HD/MD-Karte können schlechte Begrenzungen identifiziert, mit Flags versehen bzw. gekennzeichnet, verifiziert und/oder korrigiert werden, bevor die Karte dem Fahrzeug zur Navigation bereitgestellt wird. Wenn die Begrenzungsmarkierung vom Kartendienst für ein ausgewähltes Straßensegment verifiziert ist, kann die Karte dem Fahrzeug zu Navigationszwecken bereitgestellt werden. Wenn die Begrenzungsmarkierung nicht verifiziert wird, kann das Fahrzeug angewiesen werden, unter Verwendung eines anderen Verfahrens oder Dienstes zu navigieren.
  • Obwohl die obige Offenbarung unter Bezugnahme auf beispielhafte Ausführungsformen beschrieben wurde, versteht es sich für den Fachmann, dass verschiedene Änderungen vorgenommen können und Äquivalente bzw. gleichwertige Elemente durch andere Elemente davon ersetzt werden können, ohne von ihrem Anwendungsbereich abzuweichen. Außerdem können viele Modifikationen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Offenbarung anzupassen, ohne von ihrem wesentlichen Umfang abzuweichen. Daher soll die vorliegende Offenbarung nicht auf die einzelnen offengelegten Ausführungsformen beschränkt sein, sondern schließt alle Ausführungsformen ein, die in ihren Umfang fallen.

Claims (10)

  1. Verfahren zum Erzeugen einer Karte, umfassend: ein Bestimmen eines Ankerpunkts für eine Position eines Straßensegments basierend auf Daten von zumindest einer Datenquelle; ein Platzieren des Ankerpunkts innerhalb eines Luftbilds des Straßensegments; ein Vorhersagen einer Begrenzungsmarkierung des Straßensegments auf dem Luftbild basierend auf dem Ankerpunkt, um die Karte zu erstellen; und ein Bereitstellen der Karte für ein Fahrzeug.
  2. Verfahren nach Anspruch 1, wobei ein Bestimmen des Ankerpunkts ferner ein Bestimmen einer Vielzahl von Kandidaten, wobei jeder Kandidat ein zugeordnetes Vertrauensniveau hat, und basierend auf dem zugeordneten Vertrauensniveau ein Auswählen eines Kandidaten als den Ankerpunkt aus der Vielzahl von Kandidaten umfasst.
  3. Verfahren nach Anspruch 1, wobei die Begrenzungsmarkierung des Stra-ßensegments ferner umfasst: (i) eine Mittenmarkierung des Straßensegments; (ii) eine Fahrspurmarkierung des Straßensegments; und/oder (iii) eine Randmarkierung des Straßensegments.
  4. Verfahren nach Anspruch 1, wobei die Begrenzungsmarkierung auf einer zuvor erzeugten Karte eines Kartendienstes fehlt, ferner umfassend ein Vergleichen der vorhergesagten Begrenzungsmarkierung mit einer Begrenzungsmarkierung in der zuvor erzeugten Karte vom Kartendienst, um einen Fehler in der Karte vom Kartendienst zu identifizieren.
  5. Verfahren nach Anspruch 1, ferner umfassend ein Bestimmen des Ankerpunkts und der vorhergesagten Begrenzungsmarkierung des Straßensegments bei einem Fern-Prozessor und ein Bereitstellen der vorhergesagten Begrenzungsmarkierung für einen Prozessor des Fahrzeugs, um das Fahrzeug zu betreiben.
  6. System zum Erzeugen einer Karte, umfassend: einen Prozessor, der dafür konfiguriert ist: einen Ankerpunkt für eine Position eines Straßensegments basierend auf Daten von zumindest einer Datenquelle zu bestimmen; den Ankerpunkt innerhalb eines Luftbildes des Straßensegments zu platzieren; eine Begrenzungsmarkierung des Straßensegments auf dem Luftbild basierend auf dem Ankerpunkt vorherzusagen; und die Begrenzungsmarkierung einem Fahrzeug zur Navigation des Fahrzeugs entlang dem Straßensegment bereitzustellen.
  7. System nach Anspruch 6, wobei ein Bestimmen des Ankerpunkts ferner ein Bestimmen einer Vielzahl von Kandidaten, wobei jeder Kandidat ein zugeordnetes Vertrauensniveau hat, und basierend auf dem zugeordneten Vertrauensniveau ein Auswählen eines Kandidaten als den Ankerpunkt aus der Vielzahl von Kandidaten umfasst.
  8. System nach Anspruch 6, wobei die Begrenzungsmarkierung des Straßensegments ferner umfasst: (i) eine Mittenmarkierung des Straßensegments; (ii) eine Fahrspurmarkierung des Straßensegments; und/oder (iii) eine Randmarkierung des Straßensegments.
  9. System nach Anspruch 6, wobei der Prozessor ferner dafür konfiguriert ist, die Begrenzungsmarkierung vorherzusagen, die in einer zuvor erzeugten Karte von einem Kartendienst fehlt, und die vorhergesagte Begrenzungsmarkierung mit einer Begrenzungsmarkierung in der zuvor erzeugten Karte zu vergleichen, um einen Fehler in der Karte des Kartendienstes zu identifizieren.
  10. System nach Anspruch 6, wobei der Prozessor ein Fern-Prozessor für ein Fahrzeug ist und der Prozessor die vorhergesagte Begrenzungsmarkierung einem Fahrzeug-Prozessor bereitstellt, der die vorhergesagte Begrenzungsmarkierung nutzt, um das Fahrzeug zu betreiben.
DE102022110689.6A 2021-08-25 2022-05-02 Verfahren zum Verbessern der Straßentopologie durch eine Sequenzschätzung und Detektion von Ankerpunkten Pending DE102022110689A1 (de)

Applications Claiming Priority (2)

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

Publications (1)

Publication Number Publication Date
DE102022110689A1 true DE102022110689A1 (de) 2023-03-02

Family

ID=85174730

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022110689.6A Pending DE102022110689A1 (de) 2021-08-25 2022-05-02 Verfahren zum Verbessern der Straßentopologie durch eine Sequenzschätzung und Detektion von Ankerpunkten

Country Status (3)

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

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP2242994A1 (de) * 2008-02-04 2010-10-27 Tele Atlas North America Inc. Verfahren zum kartenabgleich mit sensorerfassten objekten
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
EP3845427A1 (de) * 2015-02-10 2021-07-07 Mobileye Vision Technologies Ltd. Spärliche karte für autonome fahrzeugnavigation
EP3106836B1 (de) * 2015-06-16 2018-06-06 Volvo Car Corporation Einheit und verfahren zur einstellung einer strassenbegrenzung
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
EP3998457A1 (de) * 2018-04-03 2022-05-18 Mobileye Vision Technologies Ltd. Systeme und verfahren zur fahrzeugnavigation
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 (de) * 2018-11-05 2023-06-21 Toyota Jidosha Kabushiki Kaisha Karteninformationssystem
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
US20200394838A1 (en) * 2019-06-14 2020-12-17 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
WO2021042051A1 (en) * 2019-08-31 2021-03-04 Nvidia Corporation Map creation and localization for autonomous driving applications
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
WO2021191683A1 (en) * 2020-03-24 2021-09-30 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
CN115719482A (zh) * 2020-05-14 2023-02-28 御眼视觉技术有限公司 用于涉及交通灯和交通标志的交通工具导航的系统和方法
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
CN115900682A (zh) 2023-04-04
US20230063809A1 (en) 2023-03-02

Similar Documents

Publication Publication Date Title
DE112014004990B4 (de) Verfahren zum Erzeugen exakter Fahrspurebenen-Karten
DE112015000592B4 (de) Ampelzykluslängenschätzvorrichtung
DE102015214338A1 (de) Bestimmung einer Anordnungsinformation für ein Fahrzeug
DE112018000605T5 (de) Informationsverarbeitungsvorrichtung, Datenverwaltungsvorrichtung, Datenverwaltungssystem, Verfahren und Programm
DE102013208521A1 (de) Kollektives Erlernen eines hochgenauen Straßenmodells
DE112015006622T5 (de) Fahrspurbestimmungsvorrichtung und Fahrspurbestimmungsverfahren
DE102015000394B4 (de) Fahrzeugflotten-basierte Messung von Umgebungsdaten
DE112017004302T5 (de) Fahrerunterstützungssystem zum Bestimmen einer Position eines Fahrzeugs
DE102009047407A1 (de) Verfahren und Navigationsgerät zur Vereinfachung einer Beschreibung einer Fahrtroute
DE112018008077T5 (de) Globale Kartenerstellung unter Verwendung lokaler bordeigener Karten, die durch Flottenbewegungsbahnen und -beobachtungen erstellt wurden
DE102018111935A1 (de) Bildverarbeitungssystem, Bildverarbeitungsverfahren, Informationsverarbeitungsvorrichtung und Aufzeichnungsmedium
DE112018007134T5 (de) Fahrassistenzssystem, fahrassistenzverfahren und fahrassistenzprogramm
DE112018004108T5 (de) Bildsammelsystem, bildsammelverfahren, bildsammelvorrichtung, aufzeichnungsmedium und fahrzeugkommunikationsvorrichtung
DE102019216914A1 (de) System und verfahren zur automatisierten erzeugung von semantischen karten
DE102014212866A1 (de) Verfahren zum Ermitteln eines Parkplatzes aus einer Anzahl von Messpunkten
DE102013202345A1 (de) Strasseninformationsbereitstellungsvorrichtung
DE102022110689A1 (de) Verfahren zum Verbessern der Straßentopologie durch eine Sequenzschätzung und Detektion von Ankerpunkten
DE112017008071B4 (de) Verfahren und System zur globalen Lokalisierung
DE102018202970A1 (de) Verfahren zum Ermitteln einer topologischen Information einer Straßenkreuzung
DE102017122440A1 (de) Verfahren zum Lokalisieren und Weiterbilden einer digitalen Karte durch ein Kraftfahrzeug; Lokalisierungseinrichtung
DE112021001817T5 (de) Landkartenaktualisierungsvorrichtung und landkartenaktualisierungsprogramm
DE102018211326A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Position eines Fahrzeugs
DE102017116360A1 (de) Clustering von erfassungen von gegenständen entlang strassen für navigationsbezogene vorgänge
DE112020007822T5 (de) Falschfahrenbestimmungsvorrichtung und falschfahrenbestimmungsverfahren
DE102021110449A1 (de) Verfahren und System zum Navigieren einer mobilen Plattform in einer Umgebung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G01C0021320000

Ipc: G01C0011040000