EP3631364A1 - VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE - Google Patents

VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE

Info

Publication number
EP3631364A1
EP3631364A1 EP18713229.5A EP18713229A EP3631364A1 EP 3631364 A1 EP3631364 A1 EP 3631364A1 EP 18713229 A EP18713229 A EP 18713229A EP 3631364 A1 EP3631364 A1 EP 3631364A1
Authority
EP
European Patent Office
Prior art keywords
road
model
intersection
lane
lanes
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.)
Withdrawn
Application number
EP18713229.5A
Other languages
English (en)
French (fr)
Inventor
Daniel Zaum
Oliver ROETH
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of EP3631364A1 publication Critical patent/EP3631364A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3819—Road shape data, e.g. outline of a route
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3667—Display of a road map
    • G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope 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
    • G01C21/3863—Structures of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C7/00—Tracing profiles
    • G01C7/02—Tracing profiles of land surfaces
    • G01C7/04—Tracing profiles of land surfaces involving a vehicle which moves along the profile to be traced
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Definitions

  • the present invention relates generally to the creation of road maps.
  • the present invention relates to a method and a
  • Data processing device for creating a digital lane-accurate road map.
  • Data processing device can be provided.
  • One aspect of the invention relates to a method for creating and / or
  • the method has the following steps:
  • Road map in at least one road segment
  • Trajektoreins to the road model by determining at least one probability value for the road model, wherein the probability value with a quality and / or quality of an image, Replica and / or imitation of the trajectory data by the
  • the "digital lane-exact road map” may here and hereinafter designate a road map which contains only information regarding a roadway and / or a lane, but no information regarding individual lanes on the lane.
  • the lane-exact road map may have one or more nodes and edges , where an edge may be used to represent a road and / or a road section and a node to represent an intersection.
  • the roadway may denote a graph with nodes and edges, where the edges may be arrows and the nodes may be points in the graph and / or the road-specific road map given and / or displayed.
  • the term "lane-accurate road map” may designate a digital road map and / or graph having information regarding individual lanes.
  • the lane-exact road map may in particular have information regarding a geometry of individual lanes, such as a lane width, a lane number, a distance between lanes
  • the direction of travel and / or a curvature of a road and / or a road section may be considered and / or included in at least part of the "parameters for geometrically describing lanes of the road”.
  • the "geometric description parameters” may include parameters for describing a number of lanes, a width of individual lanes, a curvature of a road or individual lanes, and / or a distance between lanes of opposite direction of travel
  • topology Containing information regarding a topology of the lanes, wherein the topology may describe a connection path, a connection and / or a connectivity between individual lanes.
  • This topological Information can be considered and / or contained in at least part of the "parameters for the topological description of lanes of the road"
  • Lanes a disappearance of individual lanes in the road segment and / or generating an additional lane in the road segment.
  • the term "trajectory data” may refer to geographic coordinates, such as Global Positioning System (GPS) coordinates and / or Global Navigation Satellite System (GNSS) data, which may include a trajectory, a motion profile, a driveway, and / or a Movement of one
  • GPS Global Positioning System
  • GNSS Global Navigation Satellite System
  • Road user such as a vehicle, a bicycle and / or a pedestrian, describe along a road and / or at an intersection.
  • trajectory data set may refer to a set of such trajectory data of one or more road users.
  • modeling the road segment in at least one road model may include mapping, replicating, imitating, and / or modeling
  • the road model can designate a mathematical and / or model-based abstraction and / or description of the road segment.
  • the process according to the invention is summarized below.
  • the lane-exact road map for example, in a
  • Data processing device can be read. It can the
  • road-specific road map one or more nodes and / or one or more edges for the geographical description of one or more roads and / or one or more intersections.
  • Providing the lane-exact road map can thus include reading the lane-exact road map and / or reading the at least one edge and / or the at least one node.
  • the lane-exact road map can then be analyzed, for example based on the at least one node and / or the at least one edge, and in at least one Road segment divided and / or segmented.
  • the lane-exact road map may have a plurality of roads, which may each be subdivided into individual road segments, for example based on the nodes and / or edges.
  • roads and / or the at least one road may be identified based on the nodes and / or edges. Subsequently, each of the identified
  • Road segments are mapped, modeled, simulated and / or imitated in a separate street model. After that, for each of the
  • Road models which may each be assigned to a road segment, at least a part of the parameters of the respective road model varies and / or changed.
  • the parameters of each road model can be varied iteratively multiple times, with parameters
  • Trajektoriensky to the respective road models, for example, based on geographical coordinates of the trajectory data and / or the
  • Road models associated trajectory data can be determined.
  • the step of modeling in the road model may occur prior to the step of associating the trajectory data with the road model. Subsequently, it can be checked how well the trajectory data are imitated and / or simulated by the respective road models, whereby a probability value can be determined for each of the road models as a measure of the quality and / or quality of such a map.
  • the probability value can be determined for each of the road models as a measure of the quality and / or quality of such a map.
  • Probability in the context of the invention a measure of a quality and / or quality of imaging, replica and / or imitation of the trajectory data by the corresponding road model denote.
  • a plurality of probability values may be obtained by multiple independently varying a portion of the parameters each
  • Road model are determined. From the likelihood values determined for each of the road models, at least one high and / or one highest likelihood value can be selected in each case in comparison with other likelihood values of the same road model, which thus corresponds to an optimum configuration of the associated road model and / or the optimal parameter values of the associated road model. Furthermore, in the context of identifying the highest
  • Probable value the so-called simulated annealing method are used. This may cause change operations that deteriorate a correspondence between the road model and trajectory data to be accepted less frequently as the time of the optimization process progresses, and / or that the optimization of the road model may occur directly in the optimal parameter values of the road model, i. the most likely and / or best street model ends. Ultimately, therefore, the
  • Road models are optimized iteratively.
  • the optimal parameter values of the individual road models can be selected and / or selected and can thus represent a lane-accurate road map and / or
  • the lane-exact road map may be given by the optimal parameters of the at least one road model.
  • the method according to the invention can thus provide that one or more road segments are imaged in one or more road models, and subsequently the optimal parameter values of the one road model or the road models are determined iteratively.
  • the method according to the invention can therefore be model-based
  • Designate an optimization method based on which can be derived and / or determined from motion profiles, trajectory data and / or driving trajectories of one or more road users an accurate topological and geometric road map of a busy road network in an advantageous manner.
  • a number, a course, a width, a distance and / or a connectivity of individual lanes can be determined with high precision. This can be for straight road segments,
  • Curve segments and / or done for crossing segments are straight-edged segments and / or done for crossing segments.
  • the invention may be considered to be based upon the findings described below.
  • the method according to the invention can therefore advantageously permit an exact mapping of a road network based on an analysis of known movement profiles, trajectory data and / or driving trajectories, for example a large vehicle fleet. For example, in comparison to a mapping by highly specialized measuring vehicles, as is often done by traditional card manufacturers, those for the inventive method
  • the optimal parameter values are determined based on a Monte Carlo method, in particular based on a Reversible Jump Markov Chain Monte Carlo method (RJMCMC).
  • RJMCMC Reversible Jump Markov Chain Monte Carlo method
  • randomly selecting a change operation to randomly vary the parameter values of at least a portion of the parameters of the road model based on the Monte Carlo method and / or the Reversible Jump Markov Chain Monte Carlo method.
  • all or at least a part of the change operations can be assumed to be equally distributed and, based on a random number, one of the change operations can be assumed to be random
  • Variation of at least a portion of the parameter values is selected, i. to be diced, as it were. After randomly selecting a change operation, this change operation may be performed and then it may be decided whether the change in the parameter values caused thereby is accepted or discarded.
  • input data such as the trajectory data
  • the aim of the RJMCMC method can be the unknown
  • the road model and / or the parameter values of the road model can be varied randomly and / or independently of the trajectory data. Subsequently, depending on the determined
  • Probably the associated parameter values or the change of the parameter values are rejected or accepted, for example based on a comparison with a threshold and / or based on a
  • Parameter values are a simulated annealing method used.
  • the road model has at least one road block for modeling at least one partial area of the road block
  • the road model has at least one connection block for modeling, based on at least one geometric parameter matrix and at least one topological parameter matrix, of a number of lanes changing at least in a subarea of the road segment, wherein values of the geometric parameter matrix are a change of a
  • Describe lane numbers within the road segment, and where values of the topological parameter matrix describe a connection between individual lanes within the road segment.
  • it may be provided to model each identified road segment by at least one road block and a connection block of the road model.
  • each identified road segment may be provided, each identified road segment by at least one road block and a connection block of the road model.
  • Road segment by a arranged between two connection blocks road block to model.
  • one road block in each road segment which models a constant lane number, advantageously a computational effort can be reduced.
  • flexibility of the road model may be increased, as any changes in geometry and / or topology of two adjacent ones
  • connection block can each have one geometric and one topological parameter matrix for each
  • Parameter matrices for modeling a geometry and / or topology of lanes have different direction of travel.
  • Road segments in the road model the following sub-steps: Parameterizing the road segment in a unit interval such that each point of the road in the road segment passes over one
  • Parameterization value is set in the unit interval
  • Modeling emulating and / or imitating a disappearance or generation of a traffic lane within the road segment based on at least one geometric parameter matrix of the road
  • the step of parameterizing may comprise a step of determining a length and / or a longitudinal extent of the road segment and a step of normalizing to the determined length.
  • each road segment can be parameterized one-dimensionally, whereby advantageously each point of the road segment is represented by a value between zero and one, i. by a value of the unit interval.
  • the digital roadway-specific roadmap has at least one intersection and a plurality of the intersection
  • junction model a plurality of parameters to geometric and / or topological description of lanes of the intersection
  • Trajectory data set to the intersection model determining at least one probability value for the intersection model, wherein the probability value correlates with a quality and / or a quality of an image of the trajectory data by the intersection model;
  • each road segment of the roadway accurate road map by a road model can therefore be provided, each road segment of the roadway accurate road map by a road model and each
  • Intersection segment to model by a crossing model As a result, the individual properties of intersections and roads can be modeled in an advantageous manner, and a computational effort can be reduced.
  • this can be a precision and / or accuracy of the created
  • an intersection in the lane-exact road map can be identified, for example, by identifying a node connected with more than two edges.
  • the crossing model has an outer one
  • junction segments in the intersection model the following sub-steps: - Means in an intersection node in the lane-exact road map, such as based on determining a node connected with more than two edges in the lane-exact road map; Determining a number of edges of the lane-exact road map associated with the intersection node by determining a number of roads connected to the intersection, the number of edges determined corresponding to the number of roads connected to the intersection; Generate and / or generate one of the number with the intersection
  • Angular parameter (a) for indicating a rotation angle between the respective crossing arm and a reference direction, for example, a reference crossing arm is defined.
  • connected streets accurately modeled and / or matched, for example, in terms of a number of lanes, a width of lanes, a distance between lanes of opposite
  • the crossing model has an interior
  • a crossing model for modeling based on a factor matrix (F) of the intersection model, intersection lanes, intersection lanes, and lane layout over a drivable area of the intersection.
  • F factor matrix
  • Step of modeling the intersection segment in the intersection model the following substeps:
  • Factor matrix describe a course and a connection of lanes on the crossing surface
  • Junction model each have a number parameter (L) for describing a number of lanes, a width parameter (W) for describing a width of individual lanes, a curvature parameter (C) for describing a curvature of a road and a distance parameter (G)
  • the parameters mentioned above can be parameters of an inner intersection model and / or an outer intersection model of the intersection model. Also, the above parameters can be parameters of a road block and / or a connection block of the
  • Driving direction can describe about a structural separation between adjacent lanes of opposite direction of travel.
  • lane-exact road map can be created.
  • Intersection model at least one change operation selected from the list consisting of an insertion operation for inserting a connection block into a road block, a merging operation for merging two road blocks and a connection block to a road block, a fitting operation for adjusting a parameterization value for parameterizing a longitudinal extension of a road; an add operation for adding a traffic lane, a removal operation for removing one
  • Lane a distance adjustment operation for adjusting a distance between lanes of opposite direction of travel, a A width adjustment operation for adjusting a width of a lane and a curvature adjustment operation for adjusting a curvature of a road in the road model, a road block, and / or a connection block of the road model.
  • Change operations may advantageously have the parameter values of all and / or at least a majority of the parameters of the
  • Road model and / or the crossing model can be varied by random selection of one of the change operations. Furthermore, the
  • the method further comprises a step of discarding or accepting randomly selected parameter values based on randomly selecting a change operation based on a
  • Evaluation metric which describes the quality of the mapping of the trajectory data by the road model and / or an intersection model.
  • the valuation metric has a first term for describing a
  • the evaluation metric has a second term for taking into account at least one predetermined parameter of a road geometry, in particular a parameter with respect to one
  • Lane width and / or a road width on.
  • a parameter there may be a stochastic specification with respect to the values of the parameter, which can predetermine the dimension of the parameter.
  • a track width can be determined by means of a normal distribution, so that a track width in the vicinity of approximately 3.25 m is to be searched.
  • track widths e.g. 6 m to be examined. Therefore, any prior knowledge about a road geometry and / or a crossing geometry can advantageously be taken into account via the evaluation metric.
  • the valuation metric For example, in the valuation metric
  • Another aspect of the invention relates to a data processing apparatus for determining a lane-accurate road map based on a digital road-accurate road map.
  • the data processing device is adapted to the method as above and below
  • be set up mean that the data processing device, for example via a
  • Program element has, which in its execution, for example on a processor of the data processing device, the data processing device instructs to carry out the inventive method.
  • the program element may have corresponding software instructions.
  • the data processing device has a data memory for storing a digital roadway-specific road map and a processor.
  • On the data memory can also be a
  • Program element to be stored, which when executed on the processor, the data processing device instructs to carry out the inventive method.
  • Fig. 1 shows a data processing apparatus according to a
  • FIG. 2 is a flow chart illustrating steps of a method of creating a lane-accurate road map according to FIG.
  • FIGS. 3A to 3D each illustrate a method of creating a
  • 4A to 4C each illustrate steps of a method for creating a lane-accurate road map according to an embodiment of the invention.
  • Figs. 5A to 5C each illustrate a road model according to one
  • FIGS. 6A to 6D each illustrate a crossing model according to one
  • Figs. 7A to 7E respectively illustrate change operations according to one
  • FIGS. 8A and 8B each illustrate an application of a score metric according to one embodiment of the invention.
  • FIG. 1 shows a data processing device 10 according to a
  • the data processing device 10 has a data memory 12.
  • a roadway-compliant road map 14 which includes at least one node 11 (see, e.g., Figures 3C and 3D) and / or an edge 13 (see, e.g., Figures 3C and 3D) for describing
  • Street road 17 (see Fig. 4A) and / or an intersection 19 (see Fig. 4A) may have.
  • the roadway-accurate road map 14 may include a plurality of nodes 11 and / or edges 13 for
  • Trajektoriensky 27 (see Fig. 3B) of road users may have.
  • the data processing device 10 may have an interface 15 via which the lane-specific road map 14 and / or the trajectory data record 16 of the data processing device 10 can be provided.
  • the interface 15 may be carried out wirelessly, for example, so that the road-specific road map 14 and / or the
  • Trajektonenariessatz 16 can be received wirelessly, for example via WLAN, Bluetooth server and / or the like, for example, from at least one server and / or a cloud environment.
  • the data processing device 10 has at least one processor 18. On the processor 18, a stored approximately in the data memory 12 program element can be executed, which the
  • Data processing device 10 and / or the processor 18 instructs to carry out the inventive method for creating a lane-accurate road map 22, as described above and below.
  • the data processing device 10 via an operating element 20 for inputting an operator input, such as by a user, have.
  • the control element may also have a display element 21 for displaying the
  • roadway accurate road map 14 the lane exact road map 22 and / or the trajectory data set 16 have.
  • FIG. 2 is a flowchart illustrating steps of a method of creating a lane-accurate road map 22 according to one
  • a digital roadway-accurate road map 14 is provided for describing a road course of at least one road 17 and / or at least one intersection 19, for example via the
  • the roadway-compliant road map 14 may include a plurality of roads 17 and intersections 19.
  • a trajectory data set 16 which includes a plurality of trajectory data 27 of road users along the at least one road 17 and / or the at least one intersection 19 has.
  • the trajectory data record 16 can also be provided via the data memory 12 and / or via the interface 15 of the data processing device 10.
  • the at least one road 17 is identified by segmenting the roadway-compliant road map 14 into at least one road segment 26 (see FIG. 4C). This can be done based on the node 1 1 and / or edges 13 of the roadway accurate road map 14.
  • at least one intersection 19 may be segmented to segment the lane
  • the road-by-road road map 14 may be divided into a plurality of road segments 26 and a plurality of crossing segments 19a.
  • step S3 the at least one road segment 26 is modeled in at least one road model 28 (see FIGS. 5A, 5B).
  • all road segments 26 can each be modeled in a road model 28.
  • step S3 the at least one intersection 19 in a crossing model 34 (see FIGS. 6A-6C) can be modeled.
  • each of the intersections 19 can be modeled in a separate intersection model 34.
  • Junction models 34 a plurality of parameters for the geometric and / or topological description of lanes 23 on.
  • step S4 parameter values of at least part of the parameters of the road model 28 and / or the intersection model 34 are obtained by randomly selecting a change operation 40, 41, 42, 43, 44, 46, 48, 50 (see FIGS. 7A-7E) Road model 28 and / or the crossing model 34 varies.
  • step S4 the parameter values of all
  • Road models 28 and all crossing models 34 are iteratively and repeatedly varied.
  • step S5 at least part of the trajectory data 27 of the trajectory data record 16 is assigned to the road model 28 while determining at least one probability value for the road model 28.
  • the trajectory data 27 may be added to each of the Road models 28, each determining at least one
  • the trajectory data 27 may be assigned to the at least one intersection model 34 by determining at least one probability value in step S5, the trajectory data 27 to each of
  • Crossing models 34 each determining at least one
  • Probability value for each of the crossing models 34 are assigned.
  • the probability values correlate with a quality of an image of the trajectory data 27 by the respective road model 28 and / or the respective intersection model 34.
  • optimal parameter values of at least part of the parameters of the road model 28 and / or the intersection model 34 are determined based on the determined at least one probability value. In particular, for each of the road models 28 and / or for each of the
  • Crossing models 34 optimal parameter values are determined.
  • a lane-accurate road map 22 is created based on the optimum parameter values of the at least one road model 28 and / or the at least one intersection model 34.
  • the lane-exact road map 22 may be given by the optimal parameter values of all road models 28 and / or all intersection models 34.
  • FIGS. 3A to 3D each illustrate a method of creating a
  • Road map 16 may serve as the basis for creating a lane-accurate road map 22. Accordingly, all the steps described with reference to FIGS. 3A to 3D can also be part of the method according to the invention for creating a lane-accurate road map 22.
  • trajectory data set 16 having a plurality of collected trajectory data 27 and / or trajectories 27 is illustrated. Further, FIG. 3A illustrates segmenting and / or splitting the trajectory data 27 into various traffic scenarios and / or segments 24a-c. Schematically, in FIG. 3A, a first segment 24a describing a curve, a second segment 24b describing an intersection, and a third segment representing a road describes, shown. The segments 24a-c are determined as described below.
  • the trajectory data 27 collected by a vehicle fleet, such as GNSS trajectories 27, can also be of any desired size in any number
  • the trajectories 27 can be automatically divided according to a logic.
  • the trajectory data 27 which as
  • Input data can be divided into different traffic scenarios 24a-c and / or different segments 24a-c, where each of the
  • Segments 24a-c a straight road, a curve or an intersection
  • each trajectory 27 can be traversed and based on limits in a travel angle change and / or a
  • the cluster When combined, the cluster is considered a curve and / or intersection. Based on the found curves and / or
  • Intersections can then be triangulation and then a Delaunay decomposition constructed. Every cell of this decomposition can be a final one
  • segments 24a-c can be considered as cells 24a-c of decomposition
  • a lane-exact road map 14 may be generated, which may correspond to a graph consisting of node 1 1 and edges 13, wherein the nodes 1 1 and edges 13 may represent a road centerline. Exemplary is such a roadway accurate
  • the input data 16, 27 can be segmented as described in FIG. 3A.
  • For every Cell 24a-c may then be initialized with a graph which may describe the traffic scenario of the respective segment 24a-c or the respective cell 24a-c.
  • the desired goal is that the models in the cells 24a-c, linked by boundary conditions, can be individually developed and finally fused into a graph.
  • FIGS. 3B-3D the creation of a road-specific road map 14 in FIGS. 3B-3D for the
  • FIG. 3A shows a cell 24c or a segment 24c and the vehicle trajectories 27.
  • FIG. 3C shows an initial road map 14 and FIG. 3D an optimized road map 14.
  • the road maps 14 of FIGS. 3C and 3D can also be referred to as cell graphs 14 ,
  • first all cell edges 25 can be cut with the trajectories 27 in order to determine the road centers on the cell edges 25, as shown in FIG. 3B. These centers can be included in the graphs of the corresponding cells 24c as nodes 11, as shown in Fig. 3C. In addition, in each cell 24c, the center of gravity of the cell 24c may be inserted as node 1 1 in the graph and connected by edges 13 to the nodes 1 1 on the cell edges 25.
  • a valuation metric can be introduced, which describes how well the models map the data. On the one hand, the distance between the models and the trajectory data 27 and, on the other hand, the differences in the direction of travel can be taken into account. To optimize the models and create the final lane-exact roadmap 16 as shown in FIG. 3B. These centers can be included in the graphs of the corresponding cells 24c as nodes 11, as shown in Fig. 3C. In addition, in each cell 24c, the center of gravity of the cell 24c may be inserted as node 1 1 in the graph and connected by edges
  • RJMCMC Reversible Jump Markov Chain Monte Carlo
  • split operation and / or merge operation At the moving operation a node 1 1 of a cell graph 24c is moved in space.
  • the create operation describes adding a new node 11 into the graph 24c and forms a reversible pair of operations with the remove operation.
  • a node 1 1 In the fusing operation, a node 1 1 is inserted into an adjacent edge 13, so that two closely adjacent edges 13 are unitized piecewise.
  • the splitting operation reverts such a construct and thus represents the opposite of the merging operation.
  • the presence of reversible pairs may be advantageous for a correct stochastic description of the operation.
  • the middle node 1 1 was removed during the optimization, since it is used for the
  • FIGS. 4A to 4C respectively illustrate steps of a method for creating a lane-accurate road map 22 according to an embodiment of the invention.
  • a roadway-accurate road map 14 is shown.
  • Fig. 4B illustrates a parameterization
  • Fig. 4C illustrates a segmentation of road 17 of the road map 14.
  • Figs. 5A to 5C respectively show
  • Fig. 5A shows a connection block 30 of the road model 28
  • Fig. 5B shows a road block 32 of the road model 28
  • Fig. 5C shows geometric and topological parameter matrices of the connection block 30 of Fig. 5A.
  • FIG. 4A shows a road-grade graph 14 and / or a lane-exact road map 14, which includes a road 17 and at the ends a respective one
  • junction 19 by means of nodes 11 and edges 13 describes.
  • the road 17 is first parameterized one-dimensionally.
  • each point p of the road 17 may have a value p e [0; 1] of the unit interval.
  • road segments 26, as shown in FIG. 4C can be defined.
  • the road 17 is subdivided into one or more road segments 26, which may be identified based on the nodes 11 and / or edges 13, for example.
  • the segmentation of the road 17 into road segments 26 may allow lane-level traffic situations in the road model 28
  • the driving on a constant number of lanes 23 and the widening or narrowing of the road 17 is distinguished by a lane 23.
  • a general road block 32 as shown in Fig. 5B may have a number parameter L for describing a number of lanes 23, a width parameter W for describing a width of individual lanes 23, a curvature parameter C for describing a curvature of a road 17, and a distance parameter G for describing a distance between adjacent lanes 23 have opposite direction of travel.
  • the road block 28 may have a type parameter T for describing a type of lane marking for each lane 23.
  • the parameter G can be a size of a structural separation between the
  • a generic road block 32 may thus be sized
  • a road 17 is thus defined as a set of m road segments 26
  • connections of lanes 23 on the road segment 26 can be described by cubic Hermite polynomials.
  • a road segment 26 not only to have a constant curvature, but also to assume an arbitrary course, whereby only the boundary conditions of continuity and differentiability are adhered to in order to produce a realistic road course.
  • the boundary conditions are introduced by specifying the connection points and the slope or the gradient vector in the connection points.
  • the magnitude of the slope vectors is accessible or integrated as parameter C in the road model 28.
  • a general road block 32 also referred to below as B A , may be specified by further restrictions or additions.
  • 5B includes the restriction that the number L of the lanes 23 in the respective road segment 26 remains constant.
  • a road segment can be imaged on which only the inherent properties such as the track widths W change.
  • the lanes 23 are marked with characteristic values -1, -2, +1, +2, wherein the sign indicates a direction of travel and the lanes of each direction of travel are numbered with consecutive natural numbers 1, 2.
  • connection block 30 also referred to below as B C , as illustrated in FIG. 5A, describes a traffic situation in which the number L of lanes 23 changes and in which a combination or splitting of lanes 23 can be modeled. Therefore, the connection block 30 becomes opposite to the road block 32 by a connection permutation
  • Lane 23 disappears or is generated, as well as topologically defined which lanes 23 are connected. As shown in FIG. 5C, an individual geometric parameter matrix and an individual geometric parameter matrix are used for each direction of travel
  • Connectedness of lanes 23 is indicated in binary terms by a one and a non-connectedness by a zero, as shown in Fig. 5C. Also in Figures 5A and 5C, the lanes 23 are marked with characteristics -1, -2, +1, +2, the sign indicating a direction of travel and the
  • Lanes 23 are numbered in each direction with consecutive natural numbers 1, 2. For example, in the situation illustrated in FIG. 5A, it is topologically possible to change from the lane -1 to the new lane -2 on the left side, or to remain on the existing lane. This topological information is not synonymous with a simple one
  • a connection block 30 can therefore be used as
  • connection block 30 is, if necessary, to compensate for the differences between the road blocks 32 (eg with respect to the lane number L). If no changes are necessary, the connection block 30 can represent a road block 32 as a special case.
  • FIGS. 6A to 6D each illustrate a crossing model 34 according to one
  • FIGS. 6A and 6B show an outer intersection model 36 of the intersection model 34
  • FIG. 6C shows an inner intersection model 38 of the intersection model 34
  • FIG. 6D shows a factor matrix F of the inner intersection model of FIG. 6C.
  • an intersection 19 has been represented by a node 11 connected to more than two edges 13.
  • a node 11 connected to more than two edges 13.
  • the roadway-accurate road map 14 is first segmented into at least one crossing segment 19 a and / or a
  • junction segment 19a is in the lane road map 14th
  • the crossing segment 19a is then in an inner
  • junction model 38 and an outer intersection model 36 models, as explained in more detail below.
  • the crossing model 34 also referred to below, sets itself apart
  • FIGS. 6A and 6B show an outer crossing model 36, also designated below.
  • intersection nodes 35 are identified. Since a large intersection 19 in the lane-exact road map 14 may be described by a plurality of nodes 11, by means of a
  • the outer intersection model 36 may be generated on the center of the participating nodes 11. On the basis of the identified crossing nodes 35, the information can be taken directly from how many roads 17 are connected to the junction 19. For each street 17, a crossing arm A1-A4 is created.
  • everyone Junction arm A1-A4 has a distance parameter d which describes the distance from the center to the beginning of the crossing surface 37 with respect to this crossing arm A1-A4 and an angle parameter a which defines a rotation angle relative to a reference direction, for example the east direction.
  • a a transition point from the road 17 to the crossing area 37 is defined for each crossing arm A1-A4.
  • the inner crossing model 38 is in
  • Figs. 6C and 6D illustrate.
  • the inner crossing model 38 describes the
  • Each intersection arm A1-A4 has the same information as a general road block 32 of the lane
  • each connection is influenced by a parameter C, which can specify the course over the crossing surface 37.
  • the parameters C are stored in the factor matrix F, as shown in Fig. 6D, where a value of zero indicates that the connection does not exist.
  • the boundary of the intersection area 37 is additionally defined.
  • the factor matrix F can be used for each
  • each crossing arm A1-A4 have a row and a column. For the sake of clarity, different directions of travel are illustrated by different signs of the indices in FIG. 6D. Furthermore, the lanes 23 of the individual crossing arms A1-A4 in FIG. 6D are numbered consecutively with natural numbers.
  • the roadway-specific road map 14 is divided into roads 17 and intersections 19.
  • Angular parameter a of the crossing arms A1-A4 can be determined from the road map 14. Subsequently, the road models 28 between the intersections 19, where a road 17 in the graph is described by a chain ⁇ v x , ..., v y ⁇ . In the lane-specific road model 28, a connection block 30 is generated on each node 11 and a road block 32 is created therebetween. Each road 17 begins and ends with a connection block 30 which may optionally correct the differences between the adjacent road block 32 and the intersection. Each road 17 is initialized as two lanes with one lane 23 per direction of travel. The totality of the ⁇ road models 28 and for intersection models 34 will be referred to as.
  • the initialized models 28, 34, ⁇ represent the current configuration of the overall model.
  • the parameters of these models are the described properties of the road blocks 32, the connection blocks 30, the inner intersection models 36, and the outer intersection models 38 RJMCMC method are varied, therefore, the following are the possible change operations and the
  • FIGS. 7A to 7E respectively illustrate change operations 40, 41, 42, 43, 44, 46, 48, 50 according to an embodiment of the invention. Specifically, FIG. 7A on the left side illustrates an insertion operation 40 for inserting a
  • Fig. 7A illustrates a right hand one
  • Fig. 7B illustrates a
  • Fig. 7C shows a distance adjusting operation 46 for adjusting a distance G between opposite-direction lanes 23
  • Fig. 7D shows a width adjustment operation 48 for adjusting a width W of a lane 23
  • Fig. 7E shows a curvature adjustment operation 50 for adjusting a curvature C of a road 17.
  • the change operations 40, 41, 42, 43, 44, 46, 48, 50 are again divided into two classes.
  • the merging operation 41 and the fitting operation 42 as shown in Fig. 7A change the road model 28 at the block level, that is, the individual properties are not changed but only the number of road blocks 32 and connection blocks 30 and their spatial
  • an existing road block 32 becomes two road blocks 32 and one
  • the removal operation 44 correspondingly connects such a constellation and, with the addition operation 43, forms a reversible pair whose selection probabilities can be selected to satisfy the extended detailed balance condition.
  • the adaptation operation 42 the boundaries of a road block 32 and / or connection block 30 are changed with respect to the parameterization of the road model 28.
  • Parameter values of a road block 32 are parameter values of a road block 32.
  • the parameter values of a road block 32 are parameter values of a road block 32.
  • Connection block 30 can not be active, but only passively changed. These adapt their parameters to the adjacent road blocks 32.
  • Distance operation 44 also forms a reversible pair, while the three adjustment operations 42, 46, 50 only change the values of the parameters.
  • the acceptance probability is determined as:
  • the Jacobian of transformation is with a determinant of 1, because the matrix has triangular shape.
  • the merge operation 41 can be considered as a reverse case.
  • the constellation road block 32, connection block 30, road block 32 is summarized, with no new components being needed for the transformation, but being calculated.
  • the constellation is in the parameterization P of the road model 28 by the sequence ⁇ p a , b , p c , p ci ⁇ dei ⁇ eri.
  • the fitting operation 42 describes as a transition between the upper view in FIG. 7A and the right-hand view in FIG. 7A.
  • the parameter can be changed by a maximum of half the parametrized length p, of the road block 32.
  • the search function is realized as a random movement:
  • the road model 28 is supplemented by a new lane width of a lane 23.
  • the new track width is drawn from a normal distribution whose expected value and variance result from road construction specifications. These can be determined in the context of the scenario or the type of road 17. For the transformation follows:
  • the acceptance probability for the opposite distance operation 44 is calculated accordingly, where the component u is the track width of the lane 23 to be removed:
  • intersection model 34 consists of the inner intersection model 36 and the outer intersection model 38, there are various change operations for each sub-model 36, 38.
  • the two parameters distance d and angle a influence the shape of the outer intersection model 36.
  • the number of intersection arms A1-A4 is already extracted from the road map 14 in the initialization process and is not changed any more.
  • two change operations are defined which change the two parameters d, a but not the dimension of the outer intersection model 36.
  • the outer crossing model may have a Distance parameter change operation and a
  • each crossing arm A1-A4 has a connection cross-section which has the same characteristics as a road block 32. Since at each crossing arm A1-A4 a connection block 30th
  • Factor matrix F of Figure 6D is not done by an RJMCMC operation.
  • FIGS. 8A and 8B each illustrate an application of a score metric according to one embodiment of the invention.
  • the vehicle trajectories 27 are displayed on the lanes 23.
  • each center line of each road segment 26 and each intersection 19 is converted into a graph, wherein the center line is discretized in small steps with node 11 and edges 13.
  • Each graph is then optimized to a minimum number of nodes 11 using the Douglas-Peucker algorithm. Finally, these graphs become one
  • HMM hidden Markov model
  • the Euclidean distance Y d between the trajectory and lane according to FIG. 8A, as well as the included driving angle Y a are determined as the evaluation measure
  • the jump function for consideration of the passages is defined as: where the lanes of the model, the number of trajectories that have been mapped to the ⁇ th track and ⁇ describes the minimum number of passes to be reached.
  • the method may be varied using the defined RJMCMC change operations 40, 41, 42, 43, 44, 46, 48, 50. This will be an objective function
  • a corresponding algorithm for carrying out the method according to the invention can be subdivided into a warm-up phase and a main phase.
  • the warm-up phase for example, not all change operations 40, 41, 42, 43, 44, 46, 48, 50 can be available, but only
  • Distance adjustment operation 46 of the road models 28 and crossing model 34 are used.
  • the problem addressed by this measure occurs on roads with great structural separation: with equal choice of operations and an initial model with no structural separation, the method can quickly generate a multi-lane model. Many iterations are then used to replace the redundant lanes 23 with a structural separation. By the warm-up phase can be a better initial estimation of separation can be achieved in very few iterations.
  • simulated annealing method can be used, the purpose of which is to influence the above-described objective function as a function of the transit time:
  • the cooling function is an exponentially decreasing function:

Landscapes

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

Abstract

Es wird ein Verfahren zur Erstellung einer fahrspurgenauen Straßenkarte (22), vorgeschlagen. Das Verfahren weist einen Schritt des Bereitstellens einer digitalen fahrbahngenauen Straßenkarte (14) einen Schritt des Bereitstellens eines Trajektoriendatensatzes (16) und einen Schritt des Identifizierens wenigstens einer Straße (17) unter Segmentieren der fahrbahngenauen Straßenkarte (14) in wenigstens ein Straßensegment (26)auf. Weiter weist das Verfahren einen Schritt des Modellierens des Straßensegments (26) in wenigstens einem Straßenmodell (28), wobei das Straßenmodell (28) Parameter (L, W, G, C) zur Beschreibung von Fahrspuren (23) der Straße (17) aufweist. Ferner weist das Verfahren einen Schritt des zufälligen Variierens von Parameterwerten zumindest eines Teils der Parameter (L, W, G, C) des Straßenmodells (28) durch zufälliges Auswählen einer Änderungsoperation (40, 41, 42, 43, 44, 46, 48, 50) des Straßenmodells (28) sowie einen Schritt des Zuordnens zumindest eines Teils der Trajektoriendaten (27) des Trajektoreindatensatzes (16) zu dem Straßenmodell (28) unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Straßenmodell (28). Basierend auf dem ermittelten wenigstens einen Wahrscheinlichkeitswertwerden optimale Parameterwerte des Straßenmodells (28)ermittelt und basierend darauf wird einefahrspurgenaue Straßenkarte (22) erstellt, welche sich insbesondere durch eine hohe Genauigkeit auszeichnen kann.

Description

Beschreibung Titel
Verfahren und Vorrichtung zur Erstellung einer fahrspurgenauen Straßenkarte Gebiet der Erfindung
Die vorliegende Erfindung betrifft allgemein die Erstellung von Straßenkarten. Insbesondere betrifft die vorliegende Erfindung ein Verfahren und eine
Datenverarbeitungsvorrichtung zur Erstellung einer digitalen fahrspurgenauen Straßenkarte.
Stand der Technik
Insbesondere im Hinblick auf ein automatisiertes und/oder autonomes Fahren von Fahrzeugen wurden in vergangener Zeit diverse Verfahren zur Erstellung digitaler Straßenkarten entwickelt.
In einer Arbeit von Uruwaragoda et al., 2013,„Generating Lane Level Road Data from Vehicle Trajectroies Using Kernel Density Estinnation", Proceedings of the 16th International I EEE Annual Conference on Intelligent Transportation Systems (ITSC 2013), 201, ist beispielsweise ein Verfahren zum Schätzen einer Anzahl und einer Breite von Fahrspuren auf Straßen offenbart. Dazu wird ausgehend von einer fahrbahngenauen Straßenkarte die Mittellinie der Straße in diskreten Abständen rechtwinkelig geschnitten. Zu jeder dieser Lotrechten werden die Schnittpunkte mit Trajektorien von Fahrzeugen auf der Straße berechnet und jeweils eine Kerndichteschätzung durchgeführt. Somit werden Stützstellen entlang der Straße erzeugt, welche Informationen über eine Spuranzahl und eine Spurbreite enthalten und abschließend verknüpft werden können.
In einer Arbeit von Schroedel et al.,„Mining GPS Traces for Map Refinement", Data Mining and Knowledge Discovery, 2004, 9, werden Informationen über eine Spuranzahl und eine Spurbreite ohne Kartenvorwissen abgeleitet, indem ein Algorithmus die Trajektorien von Fahrzeugen zunächst in Segmente unterteilt und die Mittellinie identifiziert. Entlang dieser Mittellinie werden lotrechte
Abstände zu den Trajektorien der Fahrzeuge mit Dichteschätzverfahren kategorisiert, um Aussagen über die Fahrspuren treffen zu können. In Betaille et al.,„Creating Enhanced Maps for Lane-Level Vehicle Navigation", I EEE Transaction on Intelligent Transportation System, 2010, 4, 2010, 10 ist ein modellbasierter Ansatz verfolgt, in welchem durch Klothoide beschriebene Modelle an gemessene Trajektoriendaten von Fahrzeugen angepasst werden.
Offenbarung der Erfindung
Mit Ausführungsformen der Erfindung können in vorteilhafter Weise ein verbessertes Verfahren zum Erstellen einer detaillierten und präzisen
fahrspurgenauen Straßenkarte sowie eine entsprechende
Datenverarbeitungsvorrichtung bereitgestellt werden.
Ein Aspekt der Erfindung betrifft ein Verfahren zur Erstellung und/oder
Generierung einer fahrspurgenauen Straßenkarte, insbesondere einer digitalen fahrspurgenauen Straßenkarte. Das Verfahren weist dabei die folgenden Schritte auf:
Bereitstellen einer digitalen fahrbahngenauen Straßenkarte zur
Beschreibung eines Straßenverlaufs wenigstens einer Straße;
- Bereitstellen eines Trajektoriendatensatzes, welcher eine Mehrzahl von
Trajektoriendaten von Verkehrsteilnehmern entlang der wenigstens einen Straße aufweist;
Identifizieren und/oder Ermitteln der wenigstens einen Straße unter Segmentieren, Aufteilen und/oder Einteilen der fahrbahngenauen
Straßenkarte in wenigstens ein Straßensegment;
Modellieren des Straßensegments in wenigstens einem Straßenmodell, wobei das Straßenmodell eine Mehrzahl von Parameter zur geometrischen und/oder topologischen Beschreibung von Fahrspuren der Straße aufweist; zufälliges Variieren und/oder Verändern, insbesondere mehrfaches zufälliges Variieren und/oder Verändern, von Parameterwerten zumindest eines Teils der Parameter des Straßenmodells durch zufälliges Auswählen einer Änderungsoperation des Straßenmodells zur Änderung von
Parameterwerten;
Zuordnen zumindest eines Teils der Trajektoriendaten des
Trajektoreindatensatzes zu dem Straßenmodell unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Straßenmodell, wobei der Wahrscheinlichkeitswert mit einer Güte und/oder Qualität einer Abbildung, Nachbildung und/oder Imitierung der Trajektoriendaten durch das
Straßenmodell korreliert;
Ermitteln, basierend auf dem ermittelten wenigstens einen
Wahrscheinlichkeitswert, von optimalen Parameterwerten zumindest eines Teils der Parameter des Straßenmodells; und
Erstellen einer fahrspurgenauen Straßenkarte basierend auf den optimalen Parameterwerten des Straßenmodells.
Die„digitale fahrbahngenaue Straßenkarte" kann hier und im Folgenden eine Straßenkarte bezeichnen, welche lediglich Informationen bezüglich eines Straßenverlaufs und/oder einer Fahrbahn enthält, jedoch keine Informationen bezüglich einzelner Fahrspuren auf der Fahrbahn. Beispielsweise kann die fahrbahngenaue Straßenkarte einen oder mehrere Knoten und Kanten aufweisen, wobei eine Kante zur Darstellung einer Straße und/oder eines Straßenabschnitts und ein Knoten zur Darstellung einer Kreuzung verwendet werden kann. Gleichsam kann die fahrbahngenaue einen Graphen mit Knoten und Kanten bezeichnen. Dabei können die Kanten durch Pfeile und die Knoten durch Punkte in dem Graphen und/oder der fahrbahngenauen Straßenkarte gegeben und/oder dargestellt sein.
Der Begriff„fahrspurgenaue Straßenkarte" kann eine digitale Straßenkarte und/oder einen Graphen bezeichnen, welcher Informationen bezüglich einzelner Fahrspuren aufweist. Die fahrspurgenaue Straßenkarte kann insbesondere Informationen bezüglich einer Geometrie einzelner Fahrspuren, wie etwa bezüglich einer Fahrspurbreite, einer Fahrspuranzahl, eines Abstandes zwischen Fahrspuren entgegengesetzter Fahrtrichtung und/oder einer Krümmung einer Straße und/oder eines Straßenabschnitts enthalten. Diese geometrischen Informationen können etwa in zumindest einem Teil der„Parameter zur geometrischen Beschreibung von Fahrspuren der Straße" berücksichtigt und/oder enthalten sein. Gleichsam können die„Parameter zur geometrischen Beschreibung" Parameter zur Beschreibung einer Anzahl von Fahrspuren, einer Breite einzelner Fahrspuren, einer Krümmung einer Straße bzw. einzelner Fahrspuren und/oder eines Abstandes zwischen Fahrspuren entgegengesetzter Fahrtrichtung aufweisen. Ferner kann die fahrspurgenaue Straßenkarte
Informationen bezüglich einer Topologie der Fahrspuren enthalten, wobei die Topologie einen Verbindungsweg, eine Verbindung und/oder eine Konnektivität zwischen einzelnen Fahrspuren beschreiben kann. Diese topologischen Informationen können etwa in zumindest einem Teil der„Parameter zur topologischen Beschreibung von Fahrspuren der Straße" berücksichtigt und/oder enthalten sein. Gleichsam können die„Parameter zur topologischen
Beschreibung von Fahrspuren der Straße" Parameter zur Beschreibung eines Verbindungswegs, einer Verbindung, einer Konnektivität zwischen einzelnen
Fahrspuren, eines Verschwindens einzelner Fahrspuren in dem Straßensegment und/oder eines Erzeugens einer zusätzlichen Fahrspur in dem Straßensegment aufweisen. Der Begriff„Trajektoriendaten" kann geographische Koordinaten bezeichnen, wie etwa GPS-Koordinaten (Global Positioning System, GPS) und/oder GNSS-Daten (Global Navigation Satellite System, GNSS), welche eine Trajektorie, ein Bewegungsprofil, einen Fahrweg und/oder eine Bewegung eines
Verkehrsteilnehmers, wie etwa eines Fahrzeugs, eines Fahrrads und/oder eines Fußgängers, entlang einer Straße und/oder auf einer Kreuzung beschreiben.
Gleichsam kann der Begriff„Trajektoriendatensatz" eine Menge derartiger Trajektoriendaten eines oder mehrerer Verkehrsteilnehmer bezeichnen.
Ferner kann der Begriff„Modellieren des Straßensegments in wenigstens einem Straßenmodell" ein Abbilden, ein Nachbilden, ein Nachahmen und/oder ein
Imitieren des Straßensegments in dem wenigstens einen Straßenmodell bezeichnen. Dabei kann das Straßenmodell eine mathematische und/oder modellbasierte Abstraktion und/oder Beschreibung des Straßensegments bezeichnen.
Im Folgenden ist das erfindungsgemäße Verfahren zusammengefasst. Die fahrbahngenaue Straßenkarte kann beispielsweise in einer
Datenverarbeitungsvorrichtung von einem Datenspeicher der
Datenverarbeitungsvorrichtung eingelesen werden. Dabei kann die
fahrbahngenaue Straßenkarte einen oder mehrere Knoten und/oder eine oder mehrere Kanten zur geographischen Beschreibung einer oder mehrerer Straßen und/oder einer oder mehrere Kreuzungen aufweisen. Das Bereitstellen der fahrbahngenauen Straßenkarte kann somit ein Einlesen der fahrbahngenauen Straßenkarte und/oder ein Einlesen der wenigstens einen Kante und/oder des wenigstens einen Knoten umfassen. Die fahrbahngenaue Straßenkarte kann dann, beispielsweise anhand des wenigstens einen Knotens und/oder der wenigstens einen Kante, analysiert werden und in wenigstens ein Straßensegment unterteilt und/oder segmentiert werden. Insbesondere kann die fahrbahngenaue Straßenkarte eine Mehrzahl von Straßen aufweisen, welche jeweils, beispielsweise basierend auf den Knoten und/oder Kanten, in einzelne Straßensegmente unterteilt werden können. Mit anderen Worten können Straßen und/oder die wenigstens eine Straße basierend auf den Knoten und/oder Kanten identifiziert werden. Daran anschließend kann jedes der identifizierten
Straßensegmente in einem separaten Straßenmodell abgebildet, modelliert, nachgebildet und/oder imitiert werden. Danach kann für jedes der
Straßenmodelle, welche jeweils einem Straßensegment zugeordnet sein können, zumindest ein Teil der Parameter des jeweiligen Straßenmodells variiert und/oder verändert werden. Insbesondere können die Parameter eines jeden Straßenmodells mehrfach iterativ variiert werden, wobei Parameter
unterschiedlicher Straßenmodelle zeitgleich oder in einer zeitlichen Abfolge nacheinander variiert werden können. Dabei können die Parameterwerte unabhängig von den Trajektoriendaten variiert werden. Des Weiteren können die
Trajektoriendaten zu den jeweiligen Straßenmodellen, beispielsweise anhand von geographischen Koordinaten der Trajektoriendaten und/oder der
fahrbahngenauen Straßenkarte, zugeordnet werden. Dabei kann ermittelt werden, welche der Trajektoriendaten in einem der Straßensegmente
angeordnet sind, so dass basierend darauf die zu den einzelnen
Straßenmodellen zugehörigen Trajektoriendaten ermittelt werden können.
Insbesondere kann der Schritt des Modellierens in dem Straßenmodell vor dem Schritt des Zuordnens der Trajektoriendaten zu dem Straßenmodell erfolgen. Anschließend kann überprüft werden, wie gut die Trajektoriendaten durch die jeweiligen Straßenmodelle imitiert und/oder nachgebildet sind, wobei als Maß für die Güte und/oder Qualität einer solchen Abbildung für jedes der Straßenmodelle ein Wahrscheinlichkeitswert ermittelt werden kann. Gleichsam kann der
Wahrscheinlichkeit im Kontext der Erfindung ein Maß für eine Qualität und/oder Güte einer Abbildung, Nachbildung und/oder Imitierung der Trajektoriendaten durch das entsprechende Straßenmodell bezeichnen. Insbesondere kann für jedes der Straßenmodelle eine Mehrzahl von Wahrscheinlichkeitswerten durch mehrfaches unabhängiges Variieren eines Teils der Parameter jeden
Straßenmodells ermittelt werden. Aus den für jedes der Straßenmodelle ermittelten Wahrscheinlichkeitswerten kann sodann jeweils wenigstens ein im Vergleich zu anderen Wahrscheinlichkeitswerten desselben Straßenmodells hoher und/oder ein höchster Wahrscheinlichkeitswert ausgewählt werden, welcher somit einer optimalen Konfiguration des zugehörigen Straßenmodells und/oder den optimalen Parameterwerten des zugehörigen Straßenmodells entsprechen kann. Ferner kann im Rahmen der Ermittlung des höchsten
Wahrscheinlichkeitswertes das sogenannte Simulated Annealing Verfahren zum Einsatz kommen. Dies kann bewirken, dass Änderungsoperationen, welche eine Übereinstimmung zwischen Straßenmodell und Trajektoriendaten verschlechtern mit fortschreitender Zeit des Optimierungsprozesses seltener akzeptiert werden und/oder dass die Optimierung des Straßenmodells direkt in den optimalen Parameterwerten des Straßenmodells, d.h. dem wahrscheinlichsten und/oder besten Straßenmodell, endet. Letztlich können somit die
Wahrscheinlichkeitswerte sowie die Parameterwerte der einzelnen
Straßenmodelle iterativ optimiert werden. Die optimalen Parameterwerte der einzelnen Straßenmodelle können selektiert und/oder ausgewählt werden und können somit eine fahrspurgenaue Straßenkarte darstellen und/oder
repräsentieren. Mit anderen Worten kann die fahrspurgenaue Straßenkarte durch die optimalen Parameter des wenigstens einen Straßenmodells gegeben sein.
Das erfindungsgemäße Verfahren kann somit vorsehen, dass eines oder mehrere Straßensegmente in einem oder mehreren Straßenmodellen abgebildet werden und anschließend iterativ die optimalen Parameterwerte des einen Straßenmodells oder der Straßenmodelle ermittelt werden.
Das erfindungsgemäße Verfahren kann daher ein modellbasiertes
Optimierungsverfahren bezeichnen, basierend auf welchem in vorteilhafter Weise aus Bewegungsprofilen, Trajektoriendaten und/oder Fahrtrajektorien eines oder mehrerer Verkehrsteilnehmer eine genaue topologische und geometrische Straßenkarte eines befahrenen Straßennetzes abgeleitet und/oder ermittelt werden kann. Dabei können insbesondere eine Anzahl, ein Verlauf, eine Breite, ein Abstand und/oder eine Konnektivität einzelner Fahrspuren mit hoher Präzision bestimmt werden. Dies kann für gerade Straßensegmente,
Kurvensegmente und/oder für Kreuzungssegmente erfolgen.
Die Erfindung kann insbesondere als auf den nachfolgenden beschriebenen Erkenntnissen beruhend angesehen werden. Mit einer Verfügbarkeit von Konnektivitätslösungen in vielen Serienfahrzeugen und/oder über Smartphone- Anwendungen können bereits heute unzählige Bewegungsprofile und/oder Trajektoriendaten von Fahrzeugen und/oder Verkehrsteilnehmern erfasst werden. Dies kann somit eine Datenquelle darstellen, welche einfach, kostengünstig und frühzeitig verfügbar sein kann. Gleichzeitig gewinnt die flächendeckend genaue Kartierung des Straßennetzes weltweit im Kontext des automatischen Fahrens immer größere Bedeutung. Das erfindungsgemäße Verfahren kann daher in vorteilhafter Weise eine genaue Kartierung eines Straßennetzes basierend auf einer Analyse von bekannter Bewegungsprofile, Trajektoriendaten und/oder Fahrtrajektorien, etwa einer großen Fahrzeugflotte, ermöglichen. Beispielsweise im Vergleich zu einer Kartierung durch hoch spezialisierte Messfahrzeuge, wie sie häufig von traditionellen Kartenherstellern vorgenommen wird, können die für das erfindungsgemäße Verfahren
verwendeten Trajektorien kostengünstig, einfach und in großen Mengen bereitgestellt werden, so dass eine kostengünstige, schnelle, flächendeckende sowie präzise Kartierung eines Straßennetzes vorgenommen werden kann.
Gemäß einer Ausführungsform werden die optimalen Parameterwerte basierend auf einer Monte Carlo Methode, insbesondere basierend auf einer Reversible Jump Markov Chain Monte Carlo Methode (RJMCMC), ermittelt. Insbesondere kann das zufällige Auswählen einer Änderungsoperation zur zufälligen Variierung der Parameterwerte wenigstens eines Teils der Parameter des Straßenmodells basierend auf der Monte Carlo Methode und/oder der Reversible Jump Markov Chain Monte Carlo Methode erfolgen. Dabei können alle oder zumindest ein Teil der Änderungsoperationen als gleichverteilt angenommen werden und basierend auf einer Zufallszahl kann eine der Änderungsoperationen zur zufälligen
Variierung zumindest eines Teils der Parameterwerte ausgewählt, d.h. gleichsam gewürfelt, werden. Nach zufälliger Auswahl einer Änderungsoperation kann diese Änderungsoperation durchgeführt werden und anschließend kann entschieden werden, ob die dadurch hervorgerufene Änderung in den Parameterwerten akzeptiert oder verworfen wird. Im Zuge der RJMCMC Methode können allgemein Eingabedaten, wie etwa die Trajektoriendaten, als Realisierung eines Zufallsexperiments angesehen werden, wobei eine Verteilung der Eingabedaten durch das zugrundeliegende Straßennetz und/oder das Straßenmodell impliziert werden kann. Ziel der RJMCMC Methode kann dabei sein, die unbekannte
Verteilung, wie etwa das tatsächliche Straßennetz, anhand des Straßenmodells zu rekonstruieren. Dabei kann das Straßenmodell und/oder die Parameterwerte des Straßenmodells zufällig und/oder unabhängig von den Trajektoriendaten variiert werden. Anschließend können je nach ermitteltem
Wahrscheinlichkeitswert und/oder je nach Höhe des ermittelten
Wahrscheinlichkeitswertes die zugehörigen Parameterwerte bzw. die Änderung der Parameterwerte verworfen oder angenommen werden, etwa basierend auf einem Vergleich mit einem Schwellenwert und/oder basierend auf einer
Bewertungsmetrik. Auch kann im Zuge der Ermittlung der optimalen
Parameterwerte ein Simulated Annealing Verfahren zum Einsatz kommen.
Gemäß einer Ausführungsform weist das Straßenmodell wenigstens einen Straßenblock zum Modellieren einer zumindest in einem Teilbereich des
Straßensegments konstanten Anzahl von Fahrspuren auf. Alternativ oder zusätzlich weist das Straßenmodell wenigstens einen Verbindungsblock zum Modellieren, basierend auf wenigstens einer geometrischen Parametermatrix und wenigstens einer topologischen Parametermatrix, einer sich zumindest in einem Teilbereich des Straßensegments ändernden Anzahl von Fahrspuren auf, wobei Werte der geometrischen Parametermatrix eine Änderung einer
Fahrspurenanzahl innerhalb des Straßensegments beschreiben, und wobei Werte der topologischen Parametermatrix eine Verbindung zwischen einzelnen Fahrspuren innerhalb des Straßensegments beschreiben. Mit anderen Worten kann vorgesehen sein, jedes identifizierte Straßensegment durch zumindest einen Straßenblock und einen Verbindungsblock des Straßenmodells zu modellieren. Insbesondere kann vorgesehen sein, jedes identifizierte
Straßensegment durch einen zwischen zwei Verbindungsblöcken angeordneten Straßenblock zu modellieren. Durch Verwendung je eines Straßenblocks in jedem Straßensegment, welcher eine konstante Fahrspuranzahl modelliert, kann in vorteilhafter Weise ein Rechenaufwand reduziert sein. Ferner kann durch Verwendung wenigstens eines Verbindungsblocks pro Straßensegment eine Flexibilität des Straßenmodells erhöht sein, da etwaige Änderungen in einer Geometrie und/oder Topologie von zwei aneinander angrenzenden
Straßensegmenten zuverlässig und umfassend in dem Verbindungsblock modelliert und/oder berücksichtigt werden kann. Dabei kann der Verbindungblock je eine geometrische und je eine topologische Parametermatrix für jede
Fahrtrichtung einer Fahrbahn aufweisen. Mit anderen Worten kann der
Verbindungsblock über zwei geometrische und zwei topologische
Parametermatrizen zur Modellierung einer Geometrie und/oder Topologie von Fahrspuren unterschiedlicher Fahrtrichtung aufweisen.
Gemäß einer Ausführungsform weist der Schritt des Modellierens des
Straßensegments in dem Straßenmodell die folgenden Teilschritte auf: Parametrisieren des Straßensegments in einem Einheitsintervall, so dass jeder Punkt der Straße in dem Straßensegment über einen
Parametrisierungswert in dem Einheitsintervall festgelegt ist;
Segmentieren und/oder Einteilen des Straßensegments in wenigstens einen Straßenblock und wenigstens einen Verbindungsblock des
Straßenmodells;
Modellieren, Nachbilden und/oder Imitieren eines Verschwindens oder eines Erzeugens einer Fahrspur innerhalb des Straßensegments basierend auf wenigstens einer geometrischen Parametermatrix des
Verbindungsblocks;
Modellieren, Nachbilden und/oder Imitieren einer Verbindung einzelner Fahrspuren innerhalb des Straßensegments basierend auf wenigstens einer topologischen Parametermatrix des Verbindungsblocks; und
Ermitteln von Werten der geometrischen Parametermatrix und/oder von Werten der topologischen Parametermatrix basierend auf einer zufälligen
Auswahl einer Änderungsoperation des Straßenmodells.
Dabei kann der Schritt des Parametrisierens einen Schritt des Ermitteins einer Länge und/oder einer Längserstreckung des Straßensegments und einen Schritt des Normierens auf die ermittelte Länge umfassen. Mit anderen Worten kann jedes Straßensegment eindimensional parametrisiert werden, wodurch in vorteilhafter Weise jeder Punkt des Straßensegments durch einen Wert zwischen Null und Eins, d.h. durch einen Wert des Einheitsintervalls, beschrieben werden kann.
Gemäß einer Ausführungsform weist die digitale fahrbahngenaue Straßenkarte wenigstens eine Kreuzung und eine Mehrzahl von mit der Kreuzung
verbundenen Straßen auf, wobei das Verfahren weiter die folgenden Schritte aufweist:
Identifizieren der wenigstens einen Kreuzung unter Segmentieren und/oder Einteilen der fahrbahngenauen Straßenkarte in wenigstens ein
Kreuzungssegment;
Modellieren, Abbilden, Nachbilden und/oder Imitieren des
Kreuzungssegments in wenigstens einem Kreuzungsmodell, wobei das
Kreuzungsmodell eine Mehrzahl von Parameter zur geometrischen und/oder topologischen Beschreibung von Fahrspuren der Kreuzung aufweist;
zufälliges Variieren und/oder Verändern, insbesondere mehrfaches zufälliges Variieren, von Parameterwerten zumindest eines Teils der Parameter des Kreuzungsmodells durch zufälliges Auswählen einer
Änderungsoperation des Kreuzungsmodells zur Änderung von
Parameterwerten;
Zuordnen zumindest eines Teils der Trajektoriendaten des
Trajektoriendatensatzes zu dem Kreuzungsmodell unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Kreuzungsmodell, wobei der Wahrscheinlichkeitswert mit einer Güte und/oder einer Qualität einer Abbildung der Trajektoriendaten durch das Kreuzungsmodell korreliert;
Ermitteln, basierend auf dem ermittelten wenigstens einen
Wahrscheinlichkeitswert, von optimalen Parameterwerten zumindest eines
Teils der Parameter des Kreuzungsmodells; und
Erstellen einer fahrspurgenauen Straßenkarte basierend auf den optimalen Parameterwerten des Kreuzungsmodells. Erfindungsgemäß kann daher vorgesehen sein, jedes Straßensegment der fahrbahngenauen Straßenkarte durch ein Straßenmodell und jedes
Kreuzungssegment durch ein Kreuzungsmodell zu modellieren. Dadurch können in vorteilhafter Weise die individuellen Eigenschaften von Kreuzungen und Straßen modelliert werden und es kann ein Rechenaufwand reduziert sein.
Zudem kann dies eine Präzision und/oder Genauigkeit der erstellten
fahrspurgenauen Straßenkarte erhöhen. Dabei kann eine Kreuzung in der fahrbahngenauen Straßenkarte etwa durch Identifizieren eines mit mehr als zwei Kanten verbundenen Knotens identifiziert werden. Gemäß einer Ausführungsform weist das Kreuzungsmodell ein äußeres
Kreuzungsmodell zum Modellieren einer befahrbaren Fläche der Kreuzung basierend auf einem Distanzparameter (d) und einem Winkelparameter (a) auf. Alternativ oder zusätzlich weist der Schritt des Modellierens des
Kreuzungssegments in dem Kreuzungsmodell die folgenden Teilschritte auf: - Ermittein eines Kreuzungsknotens in der fahrbahngenauen Straßenkarte, etwa basierend auf einem Ermitteln eines mit mehr als zwei Kanten verbundenen Knotens in der fahrbahngenauen Straßenkarte; Ermitteln einer Anzahl von mit dem Kreuzungsknoten verbundenen Kanten der fahrbahngenauen Straßenkarte unter Ermitteln einer Anzahl von mit der Kreuzung verbundenen Straßen, wobei die Anzahl der ermittelten Kanten der Anzahl der mit der Kreuzung verbundenen Straßen entsprechen kann; - Generieren und/oder Erzeugen einer der Anzahl von mit der Kreuzung
verbundenen Straßen entsprechenden Anzahl von Kreuzungsarmen, wobei jeder der Kreuzungsarme durch einen Distanzparameter (d) zur Angabe eines Abstandes eines Zentrums der Kreuzung zu einer
Begrenzungsfläche der Kreuzung entlang des jeweiligen Kreuzungsarmes definiert ist, und wobei jeder der Kreuzungsarme durch einen
Winkelparameter (a) zur Angabe eines Drehwinkels zwischen dem jeweiligen Kreuzungsarm und einer Referenzrichtung, beispielsweise eines Referenzkreuzungsarmes, definiert ist.
Durch das äußere Kreuzungsmodell kann in vorteilhafter Weise ein
Anschlussquerschnitt zwischen den Kreuzungsarmen und den daran
angeschlossenen Straßen präzise modelliert und/oder aufeinander abgestimmt sein, beispielsweise im Hinblick auf eine Anzahl von Fahrspuren, eine Breite von Fahrspuren, eines Abstandes zwischen Fahrspuren entgegengesetzter
Fahrtrichtung und/oder einer Krümmung.
Gemäß einer Ausführungsform weist das Kreuzungsmodell ein inneres
Kreuzungsmodell zum Modellieren, basierend auf einer Faktormatrix (F) des Kreuzungsmodells, von in die Kreuzung einführenden Fahrspuren, von aus der Kreuzung ausführenden Fahrspuren und eines Verlaufs von Fahrspuren über eine befahrbare Fläche der Kreuzung auf. Alternativ oder zusätzlich weist der
Schritt des Modellierens des Kreuzungssegments in dem Kreuzungsmodell die folgenden Teilschritte auf:
Modellieren, Nachbilden, Abbilden und/oder Imitieren zumindest eines Teils von in die Kreuzung einführenden Fahrspuren, zumindest eines Teils von aus der Kreuzung ausführenden Fahrspuren und eines Verlaufs zumindest eines Teils von über eine Kreuzungsfläche der Kreuzung führenden Fahrspuren basierend auf einer Faktormatrix (F), wobei Werte der
Faktormatrix (F) einen Verlauf und eine Verbindung von Fahrspuren über die Kreuzungsfläche beschreiben; und
Ermitteln von Werten der Faktormatrix (F) basierend auf zumindest einem Teil der Trajektoriendaten des Trajektoriendatensatzes. Durch das innere Kreuzungsmodell kann in vorteilhafter Weise jede mögliche Verbindung einzelner Fahrspuren über die Kreuzungsfläche präzise modelliert werden. Ferner kann durch Ermitteln der Werte der Faktormatrix basierend auf den Trajektoriendaten eine Anzahl möglicher Verbindungen der Fahrspuren über die Kreuzung und somit ein Rechenaufwand reduziert sein, da die
Trajektoriendaten stets tatsächliche und realistische Verbindungen der
Fahrspuren repräsentieren und/oder darstellen können. Gemäß einer Ausführungsform weist das Straßenmodell und/oder ein
Kreuzungsmodell jeweils einen Anzahlparameter (L) zur Beschreibung einer Anzahl von Fahrspuren, einen Breitenparameter (W) zur Beschreibung einer Breite einzelner Fahrspuren, einen Krümmungsparameter (C) zur Beschreibung einer Krümmung einer Straße und einen Abstandsparameter (G) zur
Beschreibung eines Abstands zwischen Fahrspuren entgegengesetzter
Fahrtrichtung auf. Voranstehend genannte Parameter können Parameter eines inneren Kreuzungsmodells und/oder eines äußeren Kreuzungsmodells des Kreuzungsmodells sein. Auch können voranstehend genannte Parameter Parameter eines Straßenblocks und/oder eines Verbindungsblocks des
Straßenmodells sein. Der Abstand zwischen Fahrspuren entgegengesetzter
Fahrtrichtung kann etwa eine bauliche Trennung zwischen benachbarten Fahrspuren entgegengesetzter Fahrtrichtung beschreiben. Durch voranstehend aufgelistete Parameter des Straßenmodells und/oder des Kreuzungsmodells kann in vorteilhafter Weise sichergestellt sein, dass Straßen und/oder
Kreuzungen präzise modelliert werden können und so eine präzise
fahrspurgenaue Straßenkarte erstellt werden kann.
Gemäß einer Ausführungsform weist das Straßenmodell und/oder ein
Kreuzungsmodell wenigstens eine Änderungsoperation ausgewählt aus der Liste bestehend aus einer Einfügoperation zum Einfügen eines Verbindungsblocks in einen Straßenblock, eine Verschmelzoperation zum Verschmelzen zweier Straßenblöcke und eines Verbindungsblocks zu einem Straßenblock, eine Anpassungsoperation zum Anpassen eines Parametrisierungswertes zur Parametrisierung einer Längserstreckung einer Straße; eine Hinzufügeoperation zum Hinzufügen einer Fahrspur, eine Entfernungsoperation zum Entfernen einer
Fahrspur, eine Abstandsanpassungsoperation zum Anpassen eines Abstandes zwischen Fahrspuren entgegengesetzter Fahrtrichtung, eine Breitenanpassungsoperation zum Anpassen einer Breite einer Fahrspur und eine Krümmungsanpassungsoperation zur Anpassung einer Krümmung einer Straße in dem Straßenmodell, eines Straßenblocks und/oder eines Verbindungsblocks des Straßenmodells auf. Mittels voranstehend aufgelisteter
Änderungsoperationen können in vorteilhafter Weise die Parameterwerte sämtlicher und/oder zumindest eines Großteils der Parameter des
Straßenmodells und/oder des Kreuzungsmodells durch zufällige Auswahl einer der Änderungsoperationen variiert werden. Ferner können die
Änderungsoperationen sämtliche denkbaren und realistischen Änderungen eines realen Straßennetzes zuverlässig abbilden, was wiederum erlauben kann, eine präzise und realistische fahrspurgenaue Straßenkarte zu erstellen.
Gemäß einer Ausführungsform weist das Verfahren weiter einen Schritt des Verwerfens oder Akzeptierens von basierend auf dem zufälligen Auswählen einer Änderungsoperation zufällig variierten Parameterwerten basierend auf einer
Bewertungsmetrik auf, welche die Güte der Abbildung der Trajektoriendaten durch das Straßenmodell und/oder ein Kreuzungsmodell beschreibt. Dabei weist die Bewertungsmetrik einen ersten Term zur Beschreibung einer
Übereinstimmung zwischen den Trajektoriendaten und dem Straßenmodell und/oder einem Kreuzungsmodell auf. Weiter weist die Bewertungsmetrik einen zweiten Term zur Berücksichtigung wenigstens einer vorbestimmten Kenngröße einer Straßengeometrie, insbesondere einer Kenngröße bezüglich einer
Fahrspurbreite und/oder einer Straßenbreite, auf. Beispielsweise kann es für eine Kenngröße eine stochastische Vorgabe bezüglich der Werte der Kenngröße geben, welche die Dimension der Kenngröße vorbestimmen kann.
Beispielsweise kann eine Spurbreite mittels einer Normalverteilung festgelegt sein, so dass eine Spurbreite in der Nähe von rund 3,25 m gesucht werden soll. Damit kann vermieden werden, dass Spurbreiten von z.B. 6 m untersucht werden. Über die Bewertungsmetrik kann daher in vorteilhafter Weise jedwedes Vorwissen über eine Straßengeometrie und/oder eine Kreuzungsgeometrie berücksichtigt werden. Beispielsweise können in der Bewertungsmetrik
Baunormen und/oder Baurichtlinien für den Straßenbau berücksichtigt werden. Damit kann insbesondere sichergestellt sein, dass durch das erfindungsgemäße Verfahren realistische fahrspurgenaue Straßenkarten erstellt werden können. Auch kann eine Rechenzeit dadurch reduziert sein. Ein weiterer Aspekt der Erfindung betrifft eine Datenverarbeitungsvorrichtung zum Ermitteln einer fahrspurgenauen Straßenkarte basierend auf einer digitalen fahrbahngenauen Straßenkarte. Dabei ist die Datenverarbeitungsvorrichtung dazu eingerichtet, das Verfahren, wie voranstehend und nachfolgend
beschrieben, auszuführen. Dabei kann der Begriff„eingerichtet sein" bedeuten, dass die Datenverarbeitungsvorrichtung beispielsweise über ein
Programmelement verfügt, welches bei dessen Ausführung, etwa auf einem Prozessor der Datenverarbeitungsvorrichtung, die Datenverarbeitungsvorrichtung anleitet, das erfindungsgemäße Verfahren auszuführen. Beispielsweise kann das Programmelement entsprechende Softwareinstruktionen aufweisen.
Sämtliche Merkmale, Schritte, Funktionen und/oder Charakteristika, welche voranstehend und nachfolgend in Bezug auf das erfindungsgemäße Verfahren beschrieben sind, können Merkmale, Funktionen und/oder Charakteristika der Datenverarbeitungsvorrichtung, wie voranstehend und nachfolgend beschrieben, sein und umgekehrt.
Gemäß einer Ausführungsform weist die Datenverarbeitungsvorrichtung einen Datenspeicher zur Speicherung einer digitalen fahrbahngenauen Straßenkarte und einen Prozessor auf. Auf dem Datenspeicher kann ferner ein
Programmelement gespeichert sein, welches bei dessen Ausführung auf dem Prozessor die Datenverarbeitungsvorrichtung anleitet, das erfindungsgemäße Verfahren auszuführen.
Kurze Beschreibung der Zeichnungen
Im Folgenden werden Ausführungsbeispiele der Erfindung mit Bezug auf die beiliegenden Figuren detailliert beschrieben.
Fig. 1 zeigt eine Datenverarbeitungsvorrichtung gemäß einem
Ausführungsbeispiel der Erfindung.
Fig. 2 zeigt ein Flussdiagramm zur Illustration von Schritten eines Verfahrens zur Erstellung einer fahrspurgenauen Straßenkarte gemäß einem
Ausführungsbeispiel der Erfindung. Fig. 3A bis 3D illustrieren jeweils ein Verfahren zur Erstellung einer
fahrbahngenauen Straßenkarte.
Fig. 4A bis 4C illustrieren jeweils Schritte eines Verfahrens zur Erstellung einer fahrspurgenauen Straßenkarte gemäß einem Ausführungsbeispiel der Erfindung.
Fig. 5A bis 5C illustrieren jeweils ein Straßenmodell gemäß einem
Ausführungsbeispiel der Erfindung. Fig. 6A bis 6D illustrieren jeweils ein Kreuzungsmodell gemäß einem
Ausführungsbeispiel der Erfindung.
Fig. 7A bis 7E illustrieren jeweils Änderungsoperationen gemäß einem
Ausführungsbeispiel der Erfindung.
Fig. 8A und 8B illustrieren jeweils eine Anwendung einer Bewertungsmetrik gemäß einem Ausführungsbeispiel der Erfindung.
Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. In den Figuren sind gleiche, gleich wirkende oder ähnliche Elemente mit gleichen
Bezugszeichen versehen.
Ausführungsformen der Erfindung Fig. 1 zeigt eine Datenverarbeitungsvorrichtung 10 gemäß einem
Ausführungsbeispiel der Erfindung.
Die Datenverarbeitungsvorrichtung 10 weist einen Datenspeicher 12 auf. In dem Datenspeicher 12 kann etwa eine fahrbahngenaue Straßenkarte 14 hinterlegt sein, welche wenigstens einen Knoten 11 (siehe z.B. Fig. 3C und 3D) und/oder eine Kante 13 (siehe z.B. Fig. 3C und 3D) zur Beschreibung eines
Straßenverlaufs einer Straße 17 (siehe Fig. 4A) und/oder einer Kreuzung 19 (siehe Fig. 4A) aufweisen kann. Insbesondere kann die Fahrbahngenaue Straßenkarte 14 eine Mehrzahl von Knoten 11 und/oder Kanten 13 zur
Beschreibung eines Straßennetzes mit mehreren Straßen 17 und/oder
Kreuzungen 19 aufweisen. Auch kann in dem Datenspeicher 12 ein Trajektonendatensatz 16 hinterlegt sein, welcher eine Mehrzahl von
Trajektoriendaten 27 (siehe Fig. 3B) von Verkehrsteilnehmern aufweisen kann.
Alternativ oder zusätzlich kann die Datenverarbeitungsvorrichtung 10 eine Schnittstelle 15 aufweisen, über welche die fahrspurgenaue Straßenkarte 14 und/oder der Trajektonendatensatz 16 der Datenverarbeitungsvorrichtung 10 bereitgestellt werden kann. Die Schnittstelle 15 kann etwa drahtlos ausgeführt sein, so dass die fahrbahngenaue Straßenkarte 14 und/oder der
Trajektonendatensatz 16 beispielsweise über WLAN, Bluetooth Server und/oder oder dergleichen drahtlos empfangen werden kann, beispielsweise von wenigstens einem Server und/oder über eine Cloud-Umgebung.
Weiter weist die Datenverarbeitungsvorrichtung 10 wenigstens einen Prozessor 18 auf. Auf dem Prozessor 18 kann ein etwa in dem Datenspeicher 12 hinterlegtes Programmelement ausgeführt werden, welches die
Datenverarbeitungsvorrichtung 10 und/oder den Prozessor 18 anleitet, das erfindungsgemäße Verfahren zur Erstellung einer fahrspurgenauen Straßenkarte 22, so wie voranstehend und nachfolgend beschrieben, auszuführen. Optional kann die Datenverarbeitungsvorrichtung 10 über ein Bedienelement 20 zur Eingabe einer Bedieneingabe, etwa durch einen Benutzer, aufweisen. Das Bedienelement kann zudem ein Anzeigeelement 21 zur Anzeige der
fahrbahngenauen Straßenkarte 14, der fahrspurgenauen Straßenkarte 22 und/oder des Trajektoriendatensatzes 16 aufweisen.
Fig. 2 zeigt ein Flussdiagramm zur Illustration von Schritten eines Verfahrens zur Erstellung einer fahrspurgenauen Straßenkarte 22 gemäß einem
Ausführungsbeispiel der Erfindung. In einem ersten Schritt S1 wird eine digitale fahrbahngenauen Straßenkarte 14 zur Beschreibung eines Straßenverlaufs wenigstens einer Straße 17 und/oder wenigstens einer Kreuzung 19 bereitgestellt, beispielsweise über den
Datenspeicher 12 und/oder über die Schnittstelle 15 der
Datenverarbeitungsvorrichtung 10. Insbesondere kann die fahrbahngenaue Straßenkarte 14 eine Mehrzahl von Straßen 17 und Kreuzungen 19 aufweisen.
Ferner wird in Schritt S1 ein Trajektonendatensatz 16 bereitgestellt, welcher eine Mehrzahl von Trajektoriendaten 27 von Verkehrsteilnehmern entlang der wenigstens einen Straße 17 und/oder der wenigstens einen Kreuzung 19 aufweist. Auch der Trajektoriendatensatz 16 kann über den Datenspeicher 12 und/oder über die Schnittstelle 15 der Datenverarbeitungsvorrichtung 10 bereitgestellt sein.
In einem Schritt S2 wird die wenigstens eine Straße 17 unter Segmentieren der fahrbahngenauen Straßenkarte 14 in wenigstens ein Straßensegment 26 (siehe Fig. 4C) identifiziert. Dies kann basierend auf den Knoten 1 1 und/oder Kanten 13 der fahrbahngenauen Straßenkarte 14 erfolgen. Optional kann in Schritt S2 wenigstens eine Kreuzung 19 unter Segmentieren der fahrbahngenauen
Straßenkarte 14 in wenigstens ein Kreuzungssegment 19a erfolgen.
Insbesondere kann in Schritt S2 die fahrbahngenaue Straßenkarte 14 in eine Mehrzahl von Straßensegmente 26 und eine Mehrzahl von Kreuzungssegmenten 19a unterteilt werden.
In einem weiteren Schritt S3 wird das wenigstens eine Straßensegment 26 in wenigstens einem Straßenmodell 28 (siehe Fig5A, 5B) modelliert. Insbesondere können in Schritt S2 alle Straßensegmente 26 jeweils in einem Straßenmodell 28 modelliert werden. Zudem kann in Schritt S3 die wenigstens eine Kreuzung 19 in einem Kreuzungsmodell 34 (siehe Fig. 6A-6C) modelliert werden. Insbesondere kann jede der Kreuzungen 19 in einem separaten Kreuzungsmodell 34 modelliert werden. Dabei weist jedes der Straßenmodelle 28 und/oder jedes der
Kreuzungsmodelle 34 eine Mehrzahl von Parameter zur geometrischen und/oder topologischen Beschreibung von Fahrspuren 23 auf.
In einem weiteren Schritt S4 werden Parameterwerten zumindest eines Teils der Parameter des Straßenmodells 28 und/oder des Kreuzungsmodells 34 durch zufälliges Auswählen einer Änderungsoperation 40, 41 , 42, 43, 44, 46, 48, 50 (siehe Fig. 7A-7E) des Straßenmodells 28 und/oder des Kreuzungsmodells 34 variiert. Insbesondere können in Schritt S4 die Parameterwerte aller
Straßenmodelle 28 und aller Kreuzungsmodelle 34 iterativ und mehrfach variiert werden.
In einem weiteren Schritt S5 wird zumindest ein Teil der Trajektoriendaten 27 des Trajektoreindatensatzes 16 zu dem Straßenmodell 28 unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Straßenmodell 28 zugeordnet.
Insbesondere können in Schritt S5 die Trajektoriendaten 27 zu jedem der Straßenmodelle 28 unter Ermitteln jeweils wenigstens eines
Wahrscheinlichkeitswertes für jedes der Straßenmodelle 28 zugeordnet werden. Ferner können in Schritt S5 die Trajektoriendaten 27 zu dem wenigstens einen Kreuzungsmodell 34 unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes zugeordnet werden können in Schritt S5 die Trajektoriendaten 27 zu jedem der
Kreuzungsmodelle 34 unter Ermitteln jeweils wenigstens eines
Wahrscheinlichkeitswertes für jedes der Kreuzungsmodelle 34 zugeordnet werden. Die Wahrscheinlichkeitswerte korrelieren dabei mit einer Güte einer Abbildung der Trajektoriendaten 27 durch das jeweilige Straßenmodell 28 und/oder das jeweilige Kreuzungsmodell 34.
In einem Schritt S6 werden basierend auf dem ermittelten wenigstens einen Wahrscheinlichkeitswert optimalen Parameterwerte zumindest eines Teils der Parameter des Straßenmodells 28 und/oder des Kreuzungsmodells 34 ermittelt. Insbesondere können für jedes der Straßenmodelle 28 und/oder für jedes der
Kreuzungsmodelle 34 optimale Parameterwerte ermittelt werden.
In einem Schritt S7 wird eine fahrspurgenaue Straßenkarte 22 basierend auf den optimalen Parameterwerten des wenigstens einen Straßenmodells 28 und/oder des wenigstens einen Kreuzungsmodells 34 erstellt. Insbesondere kann die fahrspurgenaue Straßenkarte 22 durch die optimalen Parameterwerte aller Straßenmodelle 28 und/oder aller Kreuzungsmodelle 34 gegeben sein.
Fig. 3A bis 3D illustrieren jeweils ein Verfahren zur Erstellung einer
fahrbahngenauen Straßenkarte 16. Die derart erstellte fahrbahngenaue
Straßenkarte 16 kann als Grundlage für die Erstellung einer fahrspurgenauen Straßenkarte 22 dienen. Entsprechend können sämtliche in Bezug auf Fig. 3A bis 3D beschriebenen Schritte auch Teil des erfindungsgemäßen Verfahrens zur Erstellung einer fahrspurgenauen Straßenkarte 22 sein.
In Fig. 3A ist Trajektoriendatensatz 16 mit einer Mehrzahl von gesammelten Trajektoriendaten 27 und/oder Trajektorien 27 illustriert. Ferner illustriert Fig. 3A ein Segmentieren und/oder Einteilen der Trajektoriendaten 27 in verschiedene Verkehrsszenarien und/oder Segmente 24a-c. Schematisch sind in Fig. 3A ein erstes Segment 24a, welches eine Kurve beschreibt, ein zweites Segment 24b, welches eine Kreuzung beschreibt, und ein drittes Segment, welches eine Straße beschreibt, gezeigt. Die Segmente 24a-c werden dabei wie im Folgenden beschrieben ermittelt.
Die von einer Fahrzeugflotte gesammelten Trajektoriendaten 27, etwa GNSS Trajektorien 27, können in einer beliebigen Anzahl ein ebenso beliebig großes
Verkehrsszenario beschreiben. Um die Dimension der auszuwertenden Daten greifbar zu machen, können die Trajektorien 27 automatisiert gemäß einer Logik aufgeteilt werden. Dazu können die Trajektoriendaten 27, welche als
Eingabedaten bezeichnet werden können, in verschiedene Verkehrsszenarien 24a-c und/oder verschiedene Segmente 24a-c unterteilt werden, wobei jedes der
Segmente 24a-c eine gerade Straße, eine Kurve oder eine Kreuzung
beschreiben kann.
In einem automatisierten Verfahren kann jede Trajektorie 27 durchlaufen werden und anhand von Grenzwerten in einer Fahrtwinkeländerung und/oder einer
Geschwindigkeit können einzelne Messpunkte als potentielle Kurvenpunkte identifiziert werden. Diese Punkte liegen somit entweder auf einer Kurve, einer Kreuzung oder können durch Messfehler zu Stande kommen. Anschließend können alle identifizierten Punkte über Distanzgrenzwerte geclustert, aggregiert und/oder zusammengefasst werden. Ab einer bestimmten Menge an
zusammengefassten Punkten wird das Cluster als eine Kurve und/oder eine Kreuzung angesehen. Basierend auf den gefundenen Kurven und/oder
Kreuzungen kann dann eine Triangulation und darauf eine Delaunay Zerlegung konstruiert werden. Eine jede Zelle dieser Zerlegung kann final eine
eigenständige Verkehrssituation 24a-c und/oder ein Segment 24a-c beschreiben.
Gleichsam könne die Segmente 24a-c als Zellen 24a-c der Zerlegung
interpretiert werden.
Basierend auf einer Menge an Trajektoriendaten 27, etwa GNSS
Fahrzeugtrajektorien 27, kann eine fahrbahngenaue Straßenkarte 14 erzeugt werden, welche einem Graphen, bestehend aus Knoten 1 1 und Kanten 13, entsprechen kann, wobei die Knoten 1 1 und Kanten 13 eine Straßenmittellinie repräsentieren können. Exemplarisch ist eine derartige fahrbahngenaue
Straßenkarte 14 in Fig. 3D illustriert.
Zur Erstellung der fahrbahngenauen Straßenkarte 14 können zunächst die Eingabedaten 16, 27 wie bei Fig. 3A beschrieben segmentiert werden. Für jede Zelle 24a-c kann anschließend ein Graph initialisiert werden, welcher das Verkehrsszenario des jeweiligen Segments 24a-c bzw. der jeweiligen Zelle 24a-c beschreiben kann. Das angestrebte Ziel ist dabei, dass die Modelle in den Zellen 24a-c, verknüpft über Randbedingungen, individuell entwickelt und abschließend zu einem Graphen fusioniert werden können. Exemplarisch ist das Erstellen einer fahrbahngenauen Straßenkarte 14 in den Figuren 3B-3D für das
Straßensegment 24c aus Fig. 3A gezeigt. Fig. 3B zeigt dabei eine Zelle 24c bzw. ein Segment 24c und die Fahrzeugtrajektorien 27. Fig. 3C zeigt eine initiale Straßenkarte 14 und Fig. 3D eine optimierte Straßenkarte 14. Die Straßenkarten 14 der Figuren 3C und 3D könne auch als Zellgraphen 14 bezeichnet werden.
Zur Initialisierung können zunächst alle Zellränder 25 mit den Trajektorien 27 geschnitten werden, um die Straßenzentren auf den Zellrändern 25 zu ermitteln, wie in Fig. 3B gezeigt. Diese Zentren können in die Graphen der entsprechenden Zellen 24c als Knoten 1 1 aufgenommen, wie in Fig. 3C gezeigt. Zusätzlich kann in jeder Zelle 24c der Schwerpunkt der Zelle 24c als Knoten 1 1 in den Graph eingefügt und durch Kanten 13 mit den Knoten 1 1 auf den Zellrändern 25 verbunden werden. Zur Verknüpfung der Trajektoriendaten 27 und der Modelle bzw. Zellgraphen kann eine Bewertungsmetrik eingeführt werden, welche beschreibt, wie gut die Modelle die Daten abbilden. Dabei können einerseits die Distanz zwischen den Modellen und den Trajektoriendaten 27 und andererseits die Unterschiede in der Fahrtrichtung berücksichtigt werden. Um die Modelle zu optimieren und die finale fahrbahngenaue Straßenkarte 16, wie in Fig. 3D gezeigt, zu erstellen, kann eine
Reversible Jump Markov Chain Monte Carlo (RJMCMC) Methode eingesetzt werden. Dabei werden die Trajektoriendaten 27 als die Realisierung eines Zufallsexperimentes angesehen, dessen Verteilung durch das zugrundeliegende Straßennetz impliziert wird. Ziel der Methode ist, die unbekannte Verteilung, in diesem Fall das Straßennetz, zu rekonstruieren. Dabei werden die Modelle zufällig, unabhängig von den Trajektoriendaten 27 variiert und anschließend kann eine Entscheidung über eine Annahme oder ein Verwerfen der Änderung aufgrund der Bewertungsmetrik getroffen werden. Die zufällige Variierung der Modelle erfolgt durch die zufällige Auswahl vorgeschriebener
Änderungsoperationen. Zur Auswahl stehen beispielsweise eine
Bewegoperation, eine Erzeugoperation, eine Entfernoperation, eine
Aufteiloperation und/oder eine Verschmelzoperation. Bei der Bewegoperation wird ein Knoten 1 1 eines Zellgraphen 24c im Raum bewegt. Die Erzeugoperation beschreibt das Hinzufügen eines neuen Knotens 1 1 in den Graphen 24c und bildet mit der Entfernoperation ein reversibles Paar von Operationen. Bei der Verschmelzoperation wird ein Knoten 1 1 in eine benachbarte Kante 13 eingefügt, sodass zwei nahe beieinanderliegende Kanten 13 stückweise vereint werden.
Die Aufteiloperation löst ein derartiges Konstrukt wieder auf und stellt somit das Gegenteil der Verschmelzoperation dar. Das Vorhandensein von reversiblen Paaren kann für eine korrekte stochastische Beschreibung des Vorgangs vorteilhaft sein. Wie aus einem Vergleich der Figuren 3C und 3D ersichtlich, wurde während der Optimierung der mittlere Knoten 1 1 entfernt, da dieser zur
Beschreibung der Straße 17 nicht erforderlich ist.
Fig. 4A bis 4C illustrieren jeweils Schritte eines Verfahrens zur Erstellung einer fahrspurgenauen Straßenkarte 22 gemäß einem Ausführungsbeispiel der Erfindung. Im Speziellen ist in Fig. 4A eine fahrbahngenaue Straßenkarte 14 gezeigt. Fig. 4B illustriert ein Parametrisieren und Fig. 4C ein Segmentieren von Straße 17 der Straßenkarte 14. Ferner zeigen Fig. 5A bis 5C jeweils ein
Straßenmodell 28 gemäß einem Ausführungsbeispiel der Erfindung. Im
Speziellen zeigt Fig. 5A einen Verbindungsblock 30 des Straßenmodells 28, Fig. 5B zeigt einen Straßenblock 32 des Straßenmodells 28 und Fig. 5C zeigt geometrische und topologische Parametermatrizen des Verbindungsblocks 30 aus Fig. 5A.
Fig. 4A zeigt einen straßengenauen Graphen 14 und/oder eine fahrbahngenaue Straßenkarte 14, welche eine Straße 17 und an den Enden jeweils eine
Kreuzung 19 mittels Knoten 11 und Kanten 13 beschreibt. Um die Straße 17 in eine fahrspurgenaue Straßenkarte 22 zu überführen, wird die Straße 17 zunächst eindimensional parametrisiert. Somit kann, wie in Figur 4B dargestellt, jeder Punkt p der Straße 17 über einen Wert p e [0; 1] des Einheitsintervalls beschrieben werden.
Basierend auf dieser Parametrisierung können Straßensegmente 26, wie Figur 4C dargestellt, definiert werden. Mit anderen Worten wird die Straße 17 in eines oder mehrere Straßensegmente 26 unterteilt, welche etwa basierend auf den Knoten 11 und/oder Kanten 13 identifiziert werden können. Die Segmentierung der Straße 17 in Straßensegmente 26 kann es erlauben, Verkehrssituationen auf Fahrspurebene in dem Straßenmodell 28 zu
beschreiben, wie in Fig. 5A bis 5C illustriert. Dabei wird das Fahren auf einer konstanten Anzahl an Fahrspuren 23 und die Aufweitung bzw. Verengung der Straße 17 um eine Fahrspur 23 unterschieden.
Ein allgemeiner Straßenblock 32, wie in Fig. 5B gezeigt, kann dabei über einen Anzahlparameter L zur Beschreibung einer Anzahl von Fahrspuren 23, einen Breitenparameter W zur Beschreibung einer Breite einzelner Fahrspuren 23, einen Krümmungsparameter C zur Beschreibung einer Krümmung einer Straße 17 und einen Abstandsparameter G zur Beschreibung eines Abstands zwischen benachbarten Fahrspuren 23 entgegengesetzter Fahrtrichtung aufweisen. Auch kann der Straßenblock 28 über einen Typenparameter T zur Beschreibung eines Typs einer Fahrbahnmarkierung für jede Fahrspur 23 verfügen. Der Parameter G kann dabei eine Größe einer baulichen Trennung zwischen den
entgegengesetzten Fahrspuren 23 beschreiben.
Ein allgemeiner Straßenblock 32 kann somit durch die Größe
definiert sein.
Eine Straße 17 ist somit definiert als eine Menge von m Straßensegmenten 26
und deren Parametrisierungswerten P, welche die longitudinale Ausdehnung auf der Straße 17 gemäß Figuren 4A bis 4C beschreiben gegeben sein:
Um einen gekrümmtes Straßensegment 26 darzustellen, können alle
Verbindungen von Fahrspuren 23 auf dem Straßensegment 26 durch kubische Hermite Polynome beschrieben werden. Dadurch ist es möglich, dass ein Straßensegment 26 nicht nur eine konstante Krümmung aufweist, sondern einen beliebigen Verlauf annehmen kann, wobei lediglich die Randbedingungen der Stetigkeit und Differenzierbarkeit eingehalten werden, um einen realistischen Straßenverlauf zu erzeugen. Die Randbedingungen werden durch die Vorgabe der Anschlusspunkte und der Steigung bzw. dem Steigungsvektor in den Anschlusspunkten eingebracht. Um den Verlauf der Polynome zu beeinflussen, ist der Betrag der Steigungsvektoren als Parameter C in dem Straßenmodells 28 zugänglich bzw. integriert. Ein allgemeiner Straßenblock 32, im Folgenden auch als BA bezeichnet, kann durch weitere Einschränkungen oder Ergänzungen spezifiziert werden. Ein Straßenblock 32 wie in Fig. 5B gezeigt, enthält die Einschränkung, dass die Anzahl L der Fahrspuren 23 in dem jeweiligen Straßensegment 26 konstant bleibt. Somit kann ein Straßenstück abgebildet werden, auf welchem sich lediglich die inhärenten Eigenschaften wie die Spurbreiten W ändern. In Figur 5B sind die Fahrspuren 23 mit Kennwerten -1, -2, +1, +2 gekennzeichnet, wobei das Vorzeichen eine Fahrtrichtung angibt und die Fahrspuren jeder Fahrtrichtung mit fortlaufenden natürlichen Zahlen 1, 2 nummeriert sind.
Ein Verbindungsblock 30, im Folgenden auch als BC bezeichnet, wie in Fig. 5A dargestellt, beschreibt eine Verkehrssituation, in welcher sich die Anzahl L der Spuren 23 ändert und in der somit eine Zusammenführung oder Aufspaltung von Fahrspuren 23 modelliert werden kann. Daher wird der Verbindungsblock 30 gegenüber dem Straßenblock 32 durch eine Verbindungspermutation
ergänzt, welche sowohl geometrisch beschreibt, welche
Fahrspur 23 verschwindet bzw. erzeugt wird, als auch topologisch definiert, welche Fahrspuren 23 verbunden sind. Wie in Figur 5C dargestellt, wird für jede Fahrtrichtung eine individuelle geometrische Parametermatrix und eine
topologische Parametermatrix angegeben. Eine existierende Information
bzw. Verbundenheit von Fahrspuren 23 wird binär durch eine Eins und eine Nicht-Verbundenheit durch eine Null verdeutlicht, wie in Fig. 5C gezeigt. Auch in Figuren 5A und 5C sind die Fahrspuren 23 mit Kennwerten -1, -2, +1, +2 gekennzeichnet, wobei das Vorzeichen eine Fahrtrichtung angibt und die
Fahrspuren 23 jeder Fahrtrichtung mit fortlaufenden natürlichen Zahlen 1, 2 nummeriert sind. Beispielsweise ist es in der in Fig. 5A dargestellten Situation topologisch möglich, auf der linken Seite von der Fahrspur -1 auf die neue Fahrspur -2 zu wechseln, oder auf der vorhandenen Spur zu verbleiben. Diese topologische Information ist nicht gleichbedeutend mit einem einfachen
Spurwechselmanöver, was durch die Art der Fahrbahnmarkierung impliziert werden kann. Ein Verbindungsblock 30 kann daher als
definiert sein.
Zusätzlich zu diesen Einschränkungen an das Straßenmodell 30 kann ferner vorgegeben sein, dass zwischen zwei Straßenblöcken 32 ein Verbindungsblock 30 liegt, um gegebenenfalls die Unterschiede zwischen den Straßenblöcken 32 (z.B. bzgl. der Fahrspuranzahl L) auszugleichen. Sollte keine Änderungen nötig sein, kann der Verbindungsblock 30 als Spezialfall einen Straßenblock 32 darstellen.
Fig. 6A bis 6D illustrieren jeweils ein Kreuzungsmodell 34 gemäß einem
Ausführungsbeispiel der Erfindung. Im Speziellen zeigen Fig. 6A und 6B ein äußeres Kreuzungsmodell 36 des Kreuzungsmodells 34, Fig. 6C zeigt ein inneres Kreuzungsmodell38 des Kreuzungsmodells 34 und Fig. 6D zeigt eine Faktormatrix F des inneren Kreuzungsmodells aus Fig. 6C.
In der bisherigen Repräsentation einer Straßenkarte 14, wie etwa in Fig. 4A gezeigt, wurde eine Kreuzung 19 durch einen Knoten 11, welcher mit mehr als zwei Kanten 13 verbunden ist, dargestellt. Für die fahrspurgenaue Abbildung und/oder Modellierung einer Kreuzung 19 werden sowohl geometrische
Informationen über eine Kreuzungsfläche 37 und/oder eine befahrbare Fläche 37 bzw. Kreuzungsfläche 37, als auch topologische Informationen über die
Konnektivität der ein- und ausführenden Fahrspuren 23 und deren Fahrweg über die Kreuzungsfläche 37 benötigt. Dazu wird die fahrbahngenaue Straßenkarte 14 zunächst in wenigstens ein Kreuzungssegment 19a segmentiert und/oder ein
Kreuzungssegment 19a wird in der fahrbahngenauen Straßenkarte 14
identifiziert. Das Kreuzungssegment 19a wird dann in einem inneren
Kreuzungsmodell 38 und einem äußeren Kreuzungsmodell 36 modelliert, wie im Folgenden näher erläutert.
Das Kreuzungsmodell 34, im Folgenden auch mit bezeichnet, setzt sich aus
zwei verschiedenen Einzelmodellen zusammen. In Figur 6A und 6B ist ein äußere Kreuzungsmodell 36, im Folgenden auch mit bezeichnet, dargestellt.
Zur Initialisierung werden die Knoten 11 der fahrbahngenauen Straßenkarte 14 untersucht und anhand der verbundenen Kanten 13 werden Kreuzungsknoten 35 identifiziert. Da eine große Kreuzung 19 in der fahrbahngenauen Straßenkarte 14 durch mehrere Knoten 11 beschrieben sein kann, können mithilfe eines
Distanzwertes gegebenenfalls mehrere Knoten 11 zusammengefasst werden.
Das äußere Kreuzungsmodell 36 kann auf dem Zentrum der beteiligten Knoten 11 erzeugt werden. Anhand der identifizierten Kreuzungsknoten 35 kann direkt die Information entnommen werden, wie viele Straßen 17 mit der Kreuzung 19 verbunden sind. Für jede Straße 17 wird ein Kreuzungsarm A1-A4 erzeugt. Jeder Kreuzungsarm A1-A4 verfügt über einen Distanzparameter d, welcher den Abstand vom Zentrum zum Beginn der Kreuzungsfläche 37 bezüglich dieses Kreuzungsarmes A1-A4 beschreibt und einen Winkelparameter a, welcher relativ zu einer Referenzrichtung, beispielsweise der Ostrichtung, einen Drehwinkel definiert. Durch diese beiden Parameter d, a ist für jeden Kreuzungsarm A1-A4 ein Übergangspunkt von der Straße 17 in die Kreuzungsfläche 37 festgelegt.
Das innere Kreuzungsmodell 38, im Folgenden auch mit bezeichnet, ist in
Fig. 6C und 6D illustriert. Das innere Kreuzungsmodell 38 beschreibt die
Konnektivität der Fahrspuren 23. Jeder Kreuzungsarm A1-A4 verfügt dabei über die gleichen Informationen wie ein allgemeiner Straßenblock 32 des
Straßenmodells 28, wodurch die Geometrie der verbundenen Straßen 17 festgelegt ist. Zwischen jeder ein- und ausführenden Fahrspur 23 kann eine Verbindung bestehen, deren Verlauf durch ein kubisches Hermite Polynom beschrieben werden kann. Somit wird jede Verbindung durch einen Parameter C beeinflusst, der den Verlauf über die Kreuzungsfläche 37 vorgeben kann. Die Parameter C werden in der Faktormatrix F gespeichert, wie in Fig. 6D dargestellt, wobei ein Wert von Null angibt, dass die Verbindung nicht existiert. Durch die Identifizierung der äußeren Spurverläufe wird zusätzlich die Begrenzung der Kreuzungsfläche 37 definiert. Die Faktormatrix F kann dabei für jede
Fahrtrichtung und jeden Kreuzungsarm A1-A4 eine Zeile und eine Spalte aufweisen. Der Übersichtlichkeit halber sind unterschiedliche Fahrtrichtungen durch unterschiedliche Vorzeichen der Indizes in Fig. 6D illustriert. Ferner sind die Fahrspuren 23 der einzelnen Kreuzungsarme A1-A4 in Fig. 6D fortlaufend mit natürlichen Zahlen nummeriert.
Im Folgenden werden Details des in voranstehenden Figuren, insbesondere den Figuren 4A bis 6D, beschriebenen Straßenmodells 28, des Kreuzungsmodells 32 sowie das erfindungsgemäßen Verfahrens zur Erstellung der fahrspurgenauen Straßenkarte 22 beschrieben.
Zur Initialisierung der Modelle 28, 34 wird die fahrbahngenaue Straßenkarte 14 in Straßen 17 und Kreuzungen 19 aufgeteilt. Auf jeder Kreuzung 19 wird ein initiales Kreuzungsmodell 34 mit einem Armabstand von d n = 25m erzeugt, wobei die Anzahl der angeschlossenen Straßen 17 und somit die
Winkelparameter a der Kreuzungsarme A1-A4 aus der Straßenkarte 14 bestimmt werden. Anschließend werden die Straßenmodelle 28 zwischen den Kreuzungen 19 generiert, wobei eine Straße 17 im Graph durch eine Kette {vx, ... , vY} beschrieben wird. Im fahrspurgenauen Straßenmodell 28 wird auf jedem Knoten 11 ein Verbindungsblock 30 und dazwischen ein Straßenblock 32 erzeugt. Jede Straße 17 beginnt und endet mit einem Verbindungsblock 30, welcher gegebenenfalls die Unterschiede zwischen dem angrenzenden Straßenblock 32 und dem Kreuzungsanschluss korrigieren kann. Jede Straße 17 wird als zweispurig mit je einer Fahrspur 23 pro Fahrtrichtung initialisiert. Die Gesamtheit der α Straßenmodelle 28 und fr Kreuzungsmodelle 34 wird im Folgenden als bezeichnet.
Die initialisierten Modelle 28, 34, Φ stellen die aktuelle Konfiguration des Gesamtmodells dar. Die Parameter dieser Modelle sind die beschriebenen Eigenschaften bzw. Parameter der Straßenblöcke 32, der Verbbindungsblöcke 30, der inneren Kreuzungsmodelle 36 und der äußeren Kreuzungsmodelle 38. Diese sollen unter Verwendung einer RJMCMC Methode variiert werden, daher werden im Folgenden die möglichen Änderungsoperationen und die
entsprechenden Übergangskerne eingeführt. Für alle Modelle 28, 30, 32, 34, 36, 38 gibt es einerseits Änderungsoperationen, welche lediglich die Werte der vorhandenen Parameter beeinflussen und andererseits jene, welche die
Dimension eines Modells 28, 30, 32, 34, 36, 38 verändern.
Fig. 7A bis 7E illustrieren jeweils Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50 gemäß einem Ausführungsbeispiel der Erfindung. Im Speziellen illustriert Fig. 7A linker Hand eine Einfügoperation 40 zum Einfügen eines
Verbindungsblocks 30 in einen Straßenblock 32 sowie eine Verschmelzoperation
41 zum Verschmelzen zweier Straßenblöcke 32 und eines Verbindungsblocks 30 zu einem Straßenblock 32 als reversible Änderungsoperation 41 zu der
Einfügoperation 40. Ferner illustriert Fig. 7A rechter Hand eine
Anpassungsoperation 42 zum Anpassen eines Parametrisierungswertes zur Parametrisierung einer Längserstreckung einer Straße 17. Fig. 7B illustriert eine
Hinzufügeoperation 43 zum Hinzufügen einer Fahrspur 23 und eine
Entfernungsoperation 44 zum Entfernen einer Fahrspur 23. Weiter zeigt Fig. 7C eine Abstandsanpassungsoperation 46 zum Anpassen eines Abstandes G zwischen Fahrspuren 23 entgegengesetzter Fahrtrichtung, Fig. 7D zeigt eine Breitenanpassungsoperation 48 zum Anpassen einer Breite W einer Fahrspur 23 und Fig. 7E zeigt eine Krümmungsanpassungsoperation 50 zur Anpassung einer Krümmung C einer Straße 17. Bezüglich eines Straßenmodells 28 werden die Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50 nochmals in zwei Klassen unterteilt. Die Einfügoperation
40, die Verschmelzoperation 41 und die Anpassungsoperation 42 wie in Fig. 7A dargestellt, verändern das Straßenmodell 28 auf Block-Ebene, das heißt die individuellen Eigenschaften werden nicht verändert, sondern nur die Anzahl der Straßenblöcke 32 und Verbindungsblöcke 30 sowie deren räumliche
Ausdehnung werden verändert. Bei der Hinzufügeoperation 43 wird ein vorhandener Straßenblock 32 in zwei Straßenblöcke 32 und einen
Verbindungsblock 30 aufgeteilt. Die Entfernungsoperation 44 verbindet entsprechend eine derartige Konstellation und bildet mit der Hinzufügeoperation 43 ein reversibles Paar, dessen Auswahlwahrscheinlichkeiten so gewählt werden können, dass die erweiterte Detailed Balance Condition erfüllt ist. Bei der Anpassungsoperation 42 werden die Grenzen eines Straßenblocks 32 und/oder Verbindungsblocks 30 bzgl. der Parametrisierung des Straßenmodells 28 verändert. Die Hinzufügeoperation 43, die Entfernungsoperation 44, die
Abstandsanpassungsoperation 46, die Breitenanpassungsoperation 48 und die Krümmungsanpassungsoperation 50 verändern die Eigenschaften bzw.
Parameterwerte eines Straßenblockes 32. Die Parameterwerte eines
Verbindungsblockes 30 können nicht aktiv, sondern nur passiv verändert werden. Diese passen ihre Parameter den angrenzenden Straßenblöcken 32 an. Die Hinzufügeoperation 43 zum Hinzufügen einer Fahrspur 23 und eine
Entfernungsoperation 44 bilden dabei ebenfalls ein reversibles Paar, während die drei Adjustierungsoperationen42, 46, 50 lediglich die Werte der Parameter verändern.
Um keine der Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50 bei der zufälligen Variierung von Parameterwerten des Straßenmodells 28 und/oder des Kreuzungsmodells 34 zu präferieren bzw. um jede der Änderungsoperationen 40,
41, 42, 43, 44, 46, 48, 50 mit gleicher Wahrscheinlichkeit auszuwählen, werden die Auswahlwahrscheinlichkeiten aller Änderungsoperationen 40, 41, 42, 43, 44. 46, 48, 50 als identisch angenommen:
Im Folgenden werden die einzelnen Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50 genauer betrachtet. Der Übergang von der oberen Darstellung in Figur 7A zur Darstellung linker Hand der Fig. 7A erfolgt mittels der Einfügoperation 40. Die longitudinale
Ausdehnung des zu teilenden Straßenblocks 32, Bs ist über die Parametrisierung P des Straßenmodells mit den Werten mit der parametrisierten
Länge definiert. Zur Teilung werden zwei neue Werte
auf dieser Länge mit < u; benötigt:
Die Akzeptanzwahrscheinlichkeit wird bestimmt als:
Die Jacobimatrix der Transformation lautet mit einer Determinante von 1, da die Matrix Dreiecksform hat.
Die Verschmelzoperation 41 kann als umgekehrter Fall angesehen werden. Die Konstellation Straßenblock 32, Verbindungsblock 30, Straßenblock 32 wird zusammengefasst, wobei für die Transformation keine neuen Komponenten benötigt, sondern berechnet werden. Die Konstellation ist in der Parametrisierung P des Straßenmodells 28 durch die Folge {pa, b,pc,pci} dei\n\eri. Die
Akzeptanzwahrscheinlichkeit lautet:
Die Anpassungsoperation 42 beschreibt als Übergang zwischen der oberen Darstellung in Fig. 7A und der Darstellung rechter Hand in Fig. 7A. die
Veränderung eines der beiden Parametrisierungswerte eines Straßenblocks 32.
Der Parameter kann dabei maximal um die halbe parametrisierte Länge p, des Straßenblocks 32 verändert werden. Um keine Bewegungsrichtung zu präferieren wird die Suchfunktion als Zufallsbewegung realisiert: Um, wie in Fig. 7B dargestellt, eine neue Fahrspur mit Hinzufügeoperation 43 einzufügen, wird das Straßenmodell 28 um eine neue Fahrspurbreite einer Fahrspur 23 ergänzt. Die neue Spurbreite wird aus einer Normalverteilung gezogen, dessen Erwartungswert und Varianz sich aus straßenbaulichen Vorgaben ergeben. Diese können im Kontext des Szenarios bzw. der Art der Straße 17 bestimmt werden. Für die Transformation folgt:
Die Determinante der Jacobimatrix ist 1 und die Akzeptanzwahrscheinlichkeit ergibt sich zu: Die Akzeptanzwahrscheinlichkeit für die gegensätzliche Entfernungsoperation 44 wird entsprechend berechnet, wobei die Komponente u die Spurbreite der zu entfernenden Fahrspur 23 ist:
Die drei in Figuren 7C, 7D, 7E dargestellten Änderungsoperationen 46, 48, 50 verändern die vorhandenen Parameterwerte des Straßenmodells 28 und/des Kreuzungsmodells. Daher werden die entsprechenden Suchfunktionen als Gleichverteilung realisiert:
Da das Kreuzungsmodell 34 aus dem inneren Kreuzungsmodell 36 und dem äußeren Kreuzungsmodell 38 besteht, gibt es für jedes Untermodell 36, 38 verschiedene Änderungsoperationen. Wie in Figuren 6A und 6B dargestellt, beeinflussen die zwei Parameter Distanz d und Winkel a die Gestalt des äußeren Kreuzungsmodells 36. Die Anzahl der Kreuzungsarme A1-A4 wird bereits im Initialisierungsprozess aus der Straßenkarte 14 extrahiert und wird nicht mehr verändert. Somit werden zwei Änderungsoperationen definiert, welche die beiden Parameter d, a, aber nicht die Dimension des äußeren Kreuzungsmodells 36 verändern. Mit anderen Worten kann das äußere Kreuzungsmodell über eine Distanzparameteränderungsoperation und eine
Winkelparameteränderungsoperation verfügen. Daher werden Suchfunktionen als Gleichverteilung umgesetzt:
Im inneren Kreuzungsmodell 38 verfügt jeder Kreuzungsarm A1-A4 über einen Anschlussquerschnitt, welcher die gleichen Eigenschaften wie ein Straßenblock 32 hat. Da an jedem Kreuzungsarm A1-A4 ein Verbindungsblock 30
angeschlossen ist, reagiert dieser auf die Änderungen des Kreuzungsarmes Al-
A4 genau wie auf Änderungen eines Straßenblocks 32. Daher sind die
Änderungsoperationen zum Variieren der Anschlusseigenschaften identisch zu den bereits definierten eines Straßenblocks 32. Mit anderen Worten verfügt das innere Kreuzungsmodell 38 über die voranstehend beschriebenen
Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50. Die Beeinflussung der
Faktormatrix F aus Figur 6D geschieht nicht durch eine RJMCMC Operation.
Fig. 8A und 8B illustrieren jeweils eine Anwendung einer Bewertungsmetrik gemäß einem Ausführungsbeispiel der Erfindung.
Für die Bewertungen wird einerseits ein Maß bezüglich der Übereinstimmung zwischen dem Straßenmodell 28 und/oder dem Kreuzungsmodell 34 und den Trajektoriendaten 27 in einem ersten Term und andererseits Vorwissen über die Modelle 28, 34 in einem zweiten Term berücksichtigt. Im Folgenden
werden diese Maße dargelegt.
Im ersten Schritt werden die Fahrzeugtrajektorien 27 auf die Fahrspuren 23 abgebildet. Dazu wird zunächst jede Mittellinie eines jeden Straßensegments 26 und jeder Kreuzung 19 in einen Graphen überführt, wobei die Mittellinie kleinschrittig mit Knoten 11 und Kanten 13 diskretisiert wird. Jeder Graph wird anschließend mit dem Douglas-Peucker-Algorithmus auf eine minimale Anzahl von Knoten 11 optimiert. Abschließend werden diese Graphen zu einer
Gesamtrepräsentation G fusioniert. Im nächsten Schritt wird für jede Trajektorie 27 ein Hidden-Markov-Modell (HMM) erzeugt, welches als versteckte Zustände die Kanten 13 des generierten
Graphen G und als emittierte Beobachtungen die Trajektorienpunkte hat. Das HMM wird mit Hilfe des Viterbi-Algorithmus gelöst und ergibt die
wahrscheinlichste Zuordnung eines jeden Messpunktes zu einer Fahrspur 23:
Als Bewertungsmaß werden der euklidische Abstand Yd zwischen Trajektorie und Fahrspur gemäß Figur 8A, sowie der eingeschlossene Fahrtwinkel Ya gemäß
Figur 8B ausgewertet. Zusätzlich wird ein Grenzwert für die minimale Anzahl an Durchfahrten eingeführt. Yf beschreibt eine Sprungfunktion, welche bewirkt, dass
Fahrspuren mit zu wenigen Durchfahrten als nicht zuverlässig eingestuft und die Konfiguration abgelehnt wird. Allgemein ist die Definition der Funktion von der Gesamtzahl an Durchfahrten abhängig und kann gegebenenfalls so gestaltet werden, dass ein bestimmter Wert als normale Anzahl gewertet wird und eine Abweichung zur Abwertung führt. Der erste Term der Bewertungsmetrik ist somit gegeben durch:
Die Sprungfunktion zur Berücksichtigung der Durchfahrten ist dabei definiert als: wobei die Fahrspuren des Models, die Anzahl der Trajektorien, welche auf die χ-te Spur abgebildet wurden und η die minimal zu erreichende Anzahl an Durchfahrten beschreibt.
In Wird Vorwissen über die fahrspurgenauen Modelle 28, 34 berücksichtigt. Um die Straßensegmente und Kreuzungen 19 realistisch zu halten werden
Regularisierungsterme eingeführt, welche die Entwicklung der Eigenschaften beeinflussen. Reguliert werden dabei die Breite einer Fahrspur und die Länge eines Blocks: Bezüglich der Spurbreite w wird eine Normalverteilung angenommen, dessen Parameter im Kontext des Szenarios zu wählen sind. Kenngrößen zu
verschiedenen Szenarien können aus diversen Richtlinien zum Straßenbau entnommen werden.
Overfitting würde in diesem Verfahren durch eine Aufreihung sehr kurzer
Straßensegmente 26 entstehen. Um dem entgegen zu wirken wird eine
Minimallänge für ein Straßensegment eingeführt, welche durch die Regul mit Hilfe einer Sprungfunktion realisiert wird:
Nachdem alle Straßenmodelle 28 und Kreuzungsmodelle 34 initialisiert wurden, kann das Verfahren mithilfe der definierten RJMCMC Änderungsoperationen 40, 41, 42, 43, 44, 46, 48, 50 variiert werden. Dazu wird eine Zielfunktion
Ermittelt, welche sowohl die Übereinstimmung zwischen den Trajektoriendaten 27 und den Modellen 28, 34 in als auch vorhandenes Vorwissen, über zu
vermeidende und zu bestärkende Entwicklungen der Modelle 28, 34 in
bestimmt, wobei das Verhältnis zwischen den Daten- und dem
Modellwissen bestimmt.
Ein entsprechender Algorithmus zur Durchführung des erfindungsgemäßen Verfahrens kann in eine Aufwärmphase und eine Hauptphase unterteilt sein. In der Aufwärmphase können etwa nicht alle Änderungsoperationen40, 41, 42, 43, 44, 46, 48, 50 zur Verfügung stehen, sondern es können nur
Abstandsanpassungsoperation 46 der Straßenmodelle 28 bzw. Kreuzungsmodell 34 verwendet werden. Das mit dieser Maßnahme behandelte Problem tritt bei Straßen mit großer baulicher Trennung auf: Bei einer gleichberechtigten Auswahl der Operationen und einem initialen Modell ohne bauliche Trennung kann das Verfahren schnell ein Modell mit vielen Fahrspuren erzeugen. Es werden anschließend viele Iterationen dazu verwendet, die überflüssigen Fahrspuren 23 gegen eine bauliche Trennung zu tauschen. Durch die Aufwärmphase kann eine bessere initiale Schätzung der Trennung in sehr wenigen Iterationen erreicht werden.
Ferner kann das sogenannte Simulated Annealing Verfahren zum Einsatz kommen, dessen Zweck ist, die oben beschriebene Zielfunktion in Abhängigkeit der Laufzeit zu beeinflussen:
wobei die Funktion für jede Zelle eine Kühlfunktion mit
darstellt. Dies bewirkt, dass sich die Entstehung der Markov- Kette auf besser bewertete Regionen der Zielfunktion konzentrieren kann. In der Praxis bedeutet dies, dass Änderungsoperationen, welche die Bewertung verschlechtern mit fortschreitender Laufzeit seltener akzeptiert werden. Der Wert der Kühlfunktion sinkt, sobald eine vorgeschlagene Änderungsoperation abgelehnt wurde. Die Kühlfunktion ist dabei eine exponentiell abnehmende Funktion:
wobei der Parameter Λ so gewählt wird, dass eine bestimmte Anzahl an Schritten 5 benötigt wird, um eine Temperatur zu erreichen. Dazu wird die
Funktion in eine Berechnungsvorschrift in Abhängigkeit der Schrittanzahl überführt:
Ergänzend ist darauf hinzuweisen, dass„umfassend" keine anderen Elemente ausschließt und„eine" oder„ein" keine Vielzahl ausschließt. Ferner sei darauf hingewiesen, dass Merkmale, die mit Verweis auf eines der obigen
Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen anderer oben beschriebener Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkung anzusehen.

Claims

Ansprüche
1 . Verfahren zur Erstellung einer fahrspurgenauen Straßenkarte (22), das
Verfahren aufweisend die Schritte:
Bereitstellen einer digitalen fahrbahngenauen Straßenkarte (14) zur
Beschreibung eines Straßenverlaufs wenigstens einer Straße (17);
Bereitstellen eines Trajektonendatensatzes (16), welcher eine Mehrzahl von Trajektoriendaten (27) von Verkehrsteilnehmern entlang der wenigstens einen Straße (17) aufweist;
Identifizieren der wenigstens einen Straße (17) unter Segmentieren der fahrbahngenauen Straßenkarte (14) in wenigstens ein Straßensegment (26); dadurch gekennzeichnet, dass das Verfahren ferner die Schritte aufweist: Modellieren des Straßensegments (26) in wenigstens einem Straßenmodell (28);
wobei das Straßenmodell (28) eine Mehrzahl von Parameter (L, W, G, C) zur geometrischen und/oder topologischen Beschreibung von Fahrspuren (23) der Straße (17) aufweist;
zufälliges Variieren, insbesondere mehrfaches zufälliges Variieren, von Parameterwerten zumindest eines Teils der Parameter (L, W, G, C) des Straßenmodells (28) durch zufälliges Auswählen einer Änderungsoperation (40, 41 , 42, 43, 44, 46, 48, 50) des Straßenmodells (28) zur Änderung von
Parameterwerten;
Zuordnen zumindest eines Teils der Trajektoriendaten (27) des
Trajektoreindatensatzes (16) zu dem Straßenmodell (28) unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Straßenmodell (28), wobei der Wahrscheinlichkeitswert mit einer Güte einer Abbildung der
Trajektoriendaten (27) durch das Straßenmodell (28) korreliert;
Ermitteln, basierend auf dem ermittelten wenigstens einen
Wahrscheinlichkeitswert, von optimalen Parameterwerten zumindest eines Teils der Parameter (L, W, G, C) des Straßenmodells (28); und
Erstellen einer fahrspurgenauen Straßenkarte (22) basierend auf den optimalen Parameterwerten des Straßenmodells (28).
2. Verfahren nach Anspruch 1 ,
wobei die optimalen Parameterwerte basierend auf einer Monte Carlo Methode, insbesondere basierend auf einer Reversible Jump Markov Chain Monte Carlo Methode, ermittelt werden.
3. Verfahren nach Anspruch 1 oder 2, wobei das Straßenmodell (28)
wenigstens einen Straßenblock (32) zum Modellieren einer zumindest in einem Teilbereich des Straßensegments (26) konstanten Anzahl von Fahrspuren (23) aufweist; und/oder
wobei das Straßenmodell (28) wenigstens einen Verbindungsblock (30) zum Modellieren, basierend auf wenigstens einer geometrischen Parametermatrix (RGL, RGR) und wenigstens einer topologischen Parametermatrix (RTL, RTR) einer sich zumindest in einem Teilbereich des Straßensegments (26) ändernden Anzahl von Fahrspuren (23) aufweist,
wobei Werte der geometrischen Parametermatrix (RGL, RGR) eine Änderung einer Fahrspurenanzahl (L) innerhalb des Straßensegments (26)
beschreiben; und
wobei Werte der topologischen Parametermatrix (RTL, RTR) eine Verbindung zwischen einzelnen Fahrspuren (23) innerhalb des Straßensegments (26) beschreiben.
4. Verfahren nach einem der voranstehenden Ansprüche, wobei der Schritt des Modellierens des Straßensegments (26) in dem Straßenmodell (28) die folgenden Teilschritte aufweist:
Parametrisieren des Straßensegments (26) in einem Einheitsintervall, so dass jeder Punkt der Straße (17) in dem Straßensegment (26) über einen Parametrisierungswert in dem Einheitsintervall festgelegt ist;
Segmentieren des Straßensegments (26) in wenigstens einen Straßenblock (32) und wenigstens einen Verbindungsblock (30) des Straßenmodells (28); Modellieren eines Verschwindens oder eines Erzeugens einer Fahrspur (23) innerhalb des Straßensegments (26) basierend auf wenigstens einer geometrischen Parametermatrix (RGL, RGR) des Verbindungsblocks (30); Modellieren einer Verbindung einzelner Fahrspuren innerhalb des
Straßensegments basierend auf wenigstens einer topologischen
Parametermatrix (RTL, RTR) des Verbindungsblocks (30); und
Ermitteln von Werten der geometrischen Parametermatrix (RGL, RGR) und/oder von Werten der topologischen Parametermatrix (RTL, RTR) basierend auf einer zufälligen Auswahl einer Änderungsoperation (40, 41 , 42, 43, 44, 46, 48, 50) des Straßenmodells (28).
5. Verfahren nach einem der voranstehenden Ansprüche, wobei die digitale fahrbahngenaue Straßenkarte (14) wenigstens eine Kreuzung (19) und eine Mehrzahl von mit der Kreuzung (19) verbundenen Straßen (17) aufweist; wobei das Verfahren weiter aufweist:
Identifizieren der wenigstens einen Kreuzung (19) unter Segmentieren der fahrbahngenauen Straßenkarte (14) in wenigstens ein Kreuzungssegment (19a);
Modellieren des Kreuzungssegments (19a) in wenigstens einem
Kreuzungsmodell (34);
wobei das Kreuzungsmodell (34) eine Mehrzahl von Parameter (L, W, G, C) zur geometrischen und/oder topologischen Beschreibung von Fahrspuren (23) der Kreuzung (19) aufweist;
zufälliges Variieren, insbesondere mehrfaches zufälliges Variieren, von Parameterwerten zumindest eines Teils der Parameter des
Kreuzungsmodells (34) durch zufälliges Auswählen einer
Änderungsoperation (40, 41 , 42, 43, 44, 46, 48, 50) des Kreuzungsmodells (34) zur Änderung von Parameterwerten;
Zuordnen zumindest eines Teils der Trajektoriendaten (27) des
Trajektoriendatensatzes (16) zu dem Kreuzungsmodell (34) unter Ermitteln wenigstens eines Wahrscheinlichkeitswertes für das Kreuzungsmodell, wobei der Wahrscheinlichkeitswert mit einer Güte einer Abbildung der Trajektoriendaten (27) durch das Kreuzungsmodell (34) korreliert;
Ermitteln, basierend auf dem ermittelten wenigstens einen
Wahrscheinlichkeitswert, von optimalen Parameterwerten zumindest eines Teils der Parameter (L, W, G, C) des Kreuzungsmodells (34); und
Erstellen einer fahrspurgenauen Straßenkarte (22) basierend auf den optimalen Parameterwerten des Kreuzungsmodells (34).
6. Verfahren nach Anspruch 5, wobei das Kreuzungsmodell (34) ein äußeres Kreuzungsmodell (36) zum Modellieren einer befahrbaren Kreuzungsfläche (37) der Kreuzung (19) basierend auf einem Distanzparameter (d) und einem Winkelparameter (a) aufweist; und/oder
wobei der Schritt des Modellierens des Kreuzungssegments (19a) in dem Kreuzungsmodell (34) die folgenden Teilschritte aufweist: Ermitteln eines Kreuzungsknotens (35) in der fahrbahngenauen
Straßenkarte (14);
Ermitteln einer Anzahl von mit dem Kreuzungsknoten (35) verbundenen Kanten (13) der fahrbahngenauen Straßenkarte (14) unter Ermitteln einer Anzahl von mit der Kreuzung (19) verbundenen Straßen (17);
Generieren einer der Anzahl von mit der Kreuzung verbundenen Straßen (17) entsprechenden Anzahl von Kreuzungsarmen (A1 -A4), wobei jeder der Kreuzungsarme (A1 -A4) durch einen Distanzparameter (d) zur Angabe eines Abstandes eines Zentrums der Kreuzung (19) zu einer Begrenzungsfläche der Kreuzung (19) entlang des jeweiligen Kreuzungsarmes (A1 -A4) definiert ist; und
wobei jeder der Kreuzungsarme (A1 -A4) durch einen Winkelparameter (a) zur Angabe eines Drehwinkels zwischen dem jeweiligen Kreuzungsarm (A1 - A4) und einer Referenzrichtung definiert ist.
7. Verfahren nach einem der Ansprüche 5 und 6, wobei das Kreuzungsmodell (34) ein inneres Kreuzungsmodell (38) zum Modellieren, basierend auf einer Faktormatrix (F) des Kreuzungsmodells (34), von in die Kreuzung (19) einführenden Fahrspuren (23), von aus der Kreuzung (19) ausführenden Fahrspuren (23) und eines Verlaufs von Fahrspuren (23) über eine
Kreuzungsfläche (37) der Kreuzung (19) aufweist; und/oder
wobei der Schritt des Modellierens des Kreuzungssegments (19a) in dem Kreuzungsmodell (34) die folgenden Teilschritte aufweist:
Modellieren zumindest eines Teils von in die Kreuzung (19) einführenden Fahrspuren (23), zumindest eines Teils von aus der Kreuzung (19) ausführenden Fahrspuren (23) und eines Verlaufs zumindest eines Teils von über die Kreuzungsfläche (37) der Kreuzung (19) führenden Fahrspuren (23) basierend auf einer Faktormatrix (F), wobei Werte der Faktormatrix (F) einen Verlauf und eine Verbindung von Fahrspuren (23) über die Kreuzungsfläche (37) beschreiben; und
Ermitteln von Werten der Faktormatrix (F) basierend auf zumindest einem Teil der Trajektoriendaten (27) des Trajektoriendatensatzes (16).
8. Verfahren nach einem der voranstehenden Ansprüche,
wobei das Straßenmodell (28) und/oder ein Kreuzungsmodell (34) jeweils einen Anzahlparameter (L) zur Beschreibung einer Anzahl von Fahrspuren (23), einen Breitenparameter (W) zur Beschreibung einer Breite einzelner Fahrspuren (23), einen Krümmungsparameter (C) zur Beschreibung einer Krümmung einer Straße (17) und einen Abstandsparameter (G) zur
Beschreibung eines Abstands zwischen Fahrspuren (23) entgegengesetzter Fahrtrichtung aufweist.
9. Verfahren nach einem der voranstehenden Ansprüche,
wobei das Straßenmodell (28) und/oder ein Kreuzungsmodell (34) wenigstens eine Änderungsoperation (40, 41 , 42, 43, 44, 46, 48, 50) ausgewählt aus der Liste bestehend aus einer Einfügoperation (40) zum Einfügen eines Verbindungsblocks (30) in einen Straßenblock (32), eine Verschmelzoperation (41 ) zum Verschmelzen zweier Straßenblöcke (32) und eines Verbindungsblocks (30) zu einem Straßenblock (32), eine
Anpassungsoperation (42) zum Anpassen eines Parametrisierungswert.es zur Parametrisierung einer Längserstreckung einer Straße (17); eine Hinzufügeoperation (43) zum Hinzufügen einer Fahrspur (23), eine
Entfernungsoperation (44) zum Entfernen einer Fahrspur (23), eine
Abstandsanpassungsoperation (46) zum Anpassen eines Abstandes zwischen Fahrspuren (23) entgegengesetzter Fahrtrichtung, eine
Breitenanpassungsoperation (48) zum Anpassen einer Breite einer Fahrspur (23) und eine Krümmungsanpassungsoperation (50) zur Anpassung einer Krümmung einer Straße (17).
1 0. Verfahren nach einem der voranstehenden Ansprüche, weiter aufweisend:
Verwerfen oder Akzeptieren von basierend auf dem zufälligen Auswählen einer Änderungsoperation zufällig variierten Parameterwerten basierend auf einer Bewertungsmetrik, welche die Güte der Abbildung der
Trajektoriendaten (27) durch das Straßenmodell (28) und/oder ein
Kreuzungsmodell (34) beschreibt;
wobei die Bewertungsmetrik einen ersten Term zur Beschreibung einer Übereinstimmung zwischen den Trajektoriendaten (27) und dem
Straßenmodell (28) und/oder einem Kreuzungsmodell (34) aufweist;
wobei die Bewertungsmetrik einen zweiten Term zur Berücksichtigung wenigstens einer vorbestimmten Kenngröße einer Straßengeometrie, insbesondere einer Kenngröße bezüglich einer Fahrspurbreite und/oder einer Straßenbreite, aufweist.
11. Datenverarbeitungsvorrichtung (10) zum Ermitteln einer fahrspurgenauen Straßenkarte (22) basierend auf einer digitalen fahrbahngenauen
Straßenkarte (14),
wobei die Datenverarbeitungsvorrichtung (10) dazu eingerichtet ist, das Verfahren nach einem der voranstehenden Ansprüche auszuführen.
12. Datenverarbeitungsvorrichtung (10) nach Anspruch 1 1 , wobei die
Datenverarbeitungsvorrichtung (10) einen Datenspeicher (12) zur Speicherung einer digitalen fahrbahngenauen Straßenkarte (14) und einen Prozessor (18) aufweist.
EP18713229.5A 2017-06-01 2018-03-23 VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE Withdrawn EP3631364A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017209346.3A DE102017209346A1 (de) 2017-06-01 2017-06-01 Verfahren und Vorrichtung zur Erstellung einer fahrspurgenauen Straßenkarte
PCT/EP2018/057506 WO2018219522A1 (de) 2017-06-01 2018-03-23 VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE

Publications (1)

Publication Number Publication Date
EP3631364A1 true EP3631364A1 (de) 2020-04-08

Family

ID=61768328

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18713229.5A Withdrawn EP3631364A1 (de) 2017-06-01 2018-03-23 VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE

Country Status (7)

Country Link
US (1) US20200132476A1 (de)
EP (1) EP3631364A1 (de)
JP (1) JP2020524295A (de)
KR (1) KR20200012960A (de)
CN (1) CN111065893A (de)
DE (1) DE102017209346A1 (de)
WO (1) WO2018219522A1 (de)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111133490B (zh) * 2017-09-29 2022-03-25 日立安斯泰莫株式会社 自动驾驶控制装置及方法
US10895460B2 (en) * 2017-11-06 2021-01-19 Cybernet Systems Corporation System and method for generating precise road lane map data
CN111383450B (zh) * 2018-12-29 2022-06-03 阿里巴巴集团控股有限公司 一种交通路网的描述方法及装置
DE102019102922A1 (de) * 2019-02-06 2020-08-06 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Multi-Sensor-Datenfusion für automatisierte und autonome Fahrzeuge
US11200431B2 (en) * 2019-05-14 2021-12-14 Here Global B.V. Method and apparatus for providing lane connectivity data for an intersection
DE102019114190A1 (de) * 2019-05-27 2020-12-03 Zf Automotive Germany Gmbh Datenträger, Verfahren zum automatisierten Steuern eines Fahrzeugs sowie Verfahren zum Generieren eines Datenträgers
DE102019209226A1 (de) * 2019-06-26 2020-12-31 Volkswagen Aktiengesellschaft Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten
CN112148811B (zh) * 2019-06-26 2023-01-10 陕西汽车集团股份有限公司 一种车载gps轨迹路径压缩方法
DE102019209711A1 (de) 2019-07-02 2021-01-07 Volkswagen Aktiengesellschaft Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten, sowie zum Bereitstellen von Parametern für eine solche Verarbeitung
US11781875B2 (en) * 2019-08-21 2023-10-10 Toyota Motor Engineering & Manufacturing North America, Inc. Apparatus and method for forming and analyzing connected roads
US11499833B2 (en) * 2019-09-25 2022-11-15 GM Global Technology Operations LLC Inferring lane boundaries via high speed vehicle telemetry
CN110795805A (zh) * 2019-10-09 2020-02-14 中山大学 一种精细化交叉口几何拓扑构建方法及系统
DE102019215656B4 (de) * 2019-10-11 2021-07-22 Zf Friedrichshafen Ag Verfahren zum Bewerten einer ausgewählten Route, Routenbewertungssystem und Computerprogramm
CN110909711B (zh) * 2019-12-03 2022-08-02 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
DE102020200169B3 (de) * 2020-01-09 2021-06-10 Volkswagen Aktiengesellschaft Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung
CN113405558B (zh) * 2020-02-29 2024-04-09 华为技术有限公司 自动驾驶地图的构建方法及相关装置
US11443465B2 (en) * 2020-03-24 2022-09-13 Here Global B.V. Method, apparatus, and computer program product for generating turn paths through an intersection
CN111653088B (zh) * 2020-04-21 2022-02-01 长安大学 一种车辆出行量预测模型构建方法及预测方法和系统
CN111540010B (zh) * 2020-05-15 2023-09-19 阿波罗智联(北京)科技有限公司 一种道路监测的方法、装置、电子设备及存储介质
CN111612854B (zh) * 2020-06-30 2021-02-12 滴图(北京)科技有限公司 实景地图的生成方法、装置、计算机设备和存储介质
DE102020209444A1 (de) 2020-07-27 2022-01-27 Zf Friedrichshafen Ag Kartierung von Verkehrswegen in unbefestigtem Gelände
JP7471185B2 (ja) 2020-09-23 2024-04-19 株式会社日本総合研究所 プログラム、情報処理方法および情報処理装置
JP7474667B2 (ja) 2020-09-23 2024-04-25 株式会社日本総合研究所 プログラム、情報処理方法、道路インフラ整備方法および情報処理装置
JP7471184B2 (ja) 2020-09-23 2024-04-19 株式会社日本総合研究所 プログラム、情報処理方法および情報処理装置
KR102244237B1 (ko) * 2020-10-22 2021-04-26 주식회사 그린블루 차선 정밀도로지도의 작성이 가능한 정밀도로지도 구축시스템
CN112364847A (zh) * 2021-01-12 2021-02-12 深圳裹动智驾科技有限公司 基于个例大数据的自动驾驶预测方法和计算机设备
FR3120690B1 (fr) * 2021-03-15 2023-02-10 Psa Automobiles Sa Procédé et dispositif de détermination d’une fiabilité d’une cartographie base définition.
CN113155141A (zh) * 2021-04-09 2021-07-23 阿波罗智联(北京)科技有限公司 地图的生成方法、装置、电子设备及存储介质
CN113139258B (zh) * 2021-04-28 2024-01-09 北京百度网讯科技有限公司 道路数据处理方法、装置、设备及存储介质
CN113188550B (zh) * 2021-05-17 2021-12-07 紫清智行科技(北京)有限公司 循迹自动驾驶车辆的地图管理与路径规划方法及系统
KR20220146661A (ko) * 2021-06-29 2022-11-01 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 차도 레벨 내비게이션 지도 구축 방법, 장치, 기기 및 저장 매체
CN113465613B (zh) * 2021-07-22 2023-12-26 全图通位置网络有限公司 一种城市轨道交通中隧道网络定位的地图匹配优化方法
CN113763522A (zh) * 2021-09-18 2021-12-07 腾讯科技（深圳）有限公司 地图渲染方法、装置、设备和介质
US20230099772A1 (en) * 2021-09-29 2023-03-30 Waymo Llc Lane search for self-driving vehicles
DE102021211466A1 (de) 2021-10-12 2023-04-13 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Generieren einer Straßenkarte für Fahrzeuge mit integrierter Geschwindigkeitsinformation
CN114088107B (zh) * 2021-11-25 2024-08-06 北京百度网讯科技有限公司 数据处理方法、装置、设备和介质
CN114387410B (zh) * 2021-12-10 2023-03-24 阿波罗智能技术(北京)有限公司 道路数据融合的地图生成方法、装置以及电子设备
CN114495489B (zh) * 2021-12-30 2023-07-25 中智行(上海)交通科技有限公司 一种路口车道拓扑连接关系生成方法
CN114360261B (zh) * 2021-12-30 2023-05-19 北京软通智慧科技有限公司 车辆逆行的识别方法、装置、大数据分析平台和介质
DE102022200057A1 (de) 2022-01-05 2023-07-06 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Anreichern einer digitalen Karte für ein wenigstens teilautomatisiertes Fahrzeug mit Informationen betreffend Routenänderungen
DE102022101540A1 (de) 2022-01-24 2023-07-27 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung und Verfahren zur Ermittlung eines Referenz-Fahrpfads für einen Fahrbahnabschnitt
DE102022101542A1 (de) 2022-01-24 2023-07-27 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung und Verfahren zur Ermittlung eines Referenzverlaufs
DE102022001568B3 (de) 2022-05-04 2023-09-28 Mercedes-Benz Group AG Verfahren zur Modellierung von Fahrspurbegrenzungen
DE102022207651A1 (de) 2022-07-26 2024-02-01 Volkswagen Aktiengesellschaft Erstellen eines logischen Wegenetzes in Parkräumen
DE102022207902A1 (de) 2022-08-01 2024-02-01 Volkswagen Aktiengesellschaft Verfahren zum Betrieb eines Fahrerassistenzsystems für einen assistierten Spur-wechselvorgang eines Kraftfahrzeugs
KR20240023908A (ko) 2022-08-16 2024-02-23 (주)뷰런테크놀로지 이동체의 이동 경로를 이용한 차선 검출 방법 및 장치
US11727164B1 (en) * 2022-09-21 2023-08-15 Embark Trucks Inc. Three-dimensional road geometry estimation

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3498310B2 (ja) * 2001-04-23 2004-02-16 株式会社日立製作所 道路地図作成システム
JP4370869B2 (ja) * 2003-09-25 2009-11-25 トヨタ自動車株式会社 地図データ更新方法および地図データ更新装置
EP1907792A1 (de) * 2005-07-22 2008-04-09 Telargo Inc. Verfahren, einrichtung und system zum modellieren eines strassennetz-graphen
JP5064870B2 (ja) * 2007-04-17 2012-10-31 株式会社日立製作所 デジタル道路地図の生成方法及び地図生成システム
WO2010040401A1 (en) * 2008-10-08 2010-04-15 Tomtom International B.V. A system and method for determining road attributes
US20130278441A1 (en) * 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
JP5844921B2 (ja) * 2012-11-21 2016-01-20 パナソニック株式会社 複合材料中の繊維状フィラーの３次元画像処理方法および３次元画像処理装置
US9384394B2 (en) * 2013-10-31 2016-07-05 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
US9170116B1 (en) * 2014-07-11 2015-10-27 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
US10013508B2 (en) * 2014-10-07 2018-07-03 Toyota Motor Engineering & Manufacturing North America, Inc. Joint probabilistic modeling and inference of intersection structure
US10533863B2 (en) * 2014-10-10 2020-01-14 Here Global B.V. Apparatus and associated methods for use in lane-level mapping of road intersections
DE102015000399B4 (de) * 2015-01-13 2019-08-29 Audi Ag Kartographieren von Fahrspuren mittels Fahrzeugflottendaten

Also Published As

Publication number Publication date
JP2020524295A (ja) 2020-08-13
KR20200012960A (ko) 2020-02-05
CN111065893A (zh) 2020-04-24
DE102017209346A1 (de) 2019-01-10
US20200132476A1 (en) 2020-04-30
WO2018219522A1 (de) 2018-12-06

Similar Documents

Publication Publication Date Title
EP3631364A1 (de) VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE
EP3329216A1 (de) Bestimmung einer anordnungsinformation für ein fahrzeug
DE10149283A1 (de) Verfahren und Anordnung zur Ermittlung eines einem von einem mobilen System tatsächlich zurückgelegten Fahrweg entsprechenden Kartenfahrwegs in einer Karte
EP2507589B1 (de) Verfahren zur vereinfachung einer beschreibung einer fahrtroute
DE102022112059B3 (de) Verfahren, System und Computerprogrammprodukt zur Kalibrierung und Validierung eines Fahrerassistenzsystems (ADAS) und/oder eines automatisierten Fahrsystems (ADS)
DE102013207658A1 (de) Verfahren zum Bestimmen eines Fahrspurverlaufes einer Fahrspur
WO2021160319A1 (de) VERFAHREN UND PROZESSORSCHALTUNG ZUM AKTUALISIEREN EINER DIGITALEN STRAßENKARTE
DE102014204317A1 (de) Verfahren und Vorrichtung zur Ermittlung von Kreuzungsparametern
DE102020206705A1 (de) Simulationen mit realistischen sensorfusionsdetektionsschätzungen von objekten
DE102010055708A1 (de) Verfahren zum Berechnen einer kollisionsfreien Geschwindigkeit für einen Agenten in einer Menschenmassensimulationsumgebung
DE112011105210T5 (de) Ortskurvenkorrekturverfahren, Ortskurvenkorrekturvorrichtung und mobiles Objektgerät
DE112017008071T5 (de) Verfahren und System zur globalen Lokalisierung
DE102016220561A1 (de) Verfahren zur Ermittlung von Fahrrouten für Landfahrzeuge
DE102022210504A1 (de) System und Verfahren zur Prädiktion einer zukünftigen Position eines Verkehrsteilnehmers
DE112020007352B4 (de) Führungseinrichtung, programm und führungsverfahren
DE102019215656B4 (de) Verfahren zum Bewerten einer ausgewählten Route, Routenbewertungssystem und Computerprogramm
EP3011273B1 (de) Verfahren zum ermitteln von korrekturwerten für einen routenberechnungsalgorithmus
EP2466531A1 (de) Verfahren zum Erstellen von Navigationsfeldern und Verfahren und Vorrichtung zur dynamischen Wegeplanung
DE102010003852A1 (de) Verfahren und Navigationsgerät zur Bestimmung der Kurvigkeit eines Streckenabschnitts einer digitalen Straßenkarte
WO2014202347A1 (de) Verfahren und vorrichtung zum ermitteln einer route sowie korrekturwerten für heuristikwerte
DE102013217061A1 (de) Spurgenaue Positionierung eines Fahrzeugs
DE102023002030B3 (de) Verfahren zur Erstellung einer digitalen Karte
DE102023100858A1 (de) Verfahren und System zur objektiven Bewertung eines ADAS/ADS-Systems
DE102014015903B4 (de) Ausgeben einer Richtungsanweisung mit einer Navigationseinrichtung
DE102015222944A1 (de) Verfahren zum Ermitteln einer Aufenthaltswahrscheinlichkeit eines Objektes in einem Wegenetz und Steuergerät

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20200102

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: ROBERT BOSCH GMBH

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20201211

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20210422