JP2023134478A - ナビゲーション情報を匿名化するためのシステム及び方法 - Google Patents

ナビゲーション情報を匿名化するためのシステム及び方法 Download PDF

Info

Publication number
JP2023134478A
JP2023134478A JP2023101198A JP2023101198A JP2023134478A JP 2023134478 A JP2023134478 A JP 2023134478A JP 2023101198 A JP2023101198 A JP 2023101198A JP 2023101198 A JP2023101198 A JP 2023101198A JP 2023134478 A JP2023134478 A JP 2023134478A
Authority
JP
Japan
Prior art keywords
road
vehicle
road segment
navigation
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023101198A
Other languages
English (en)
Inventor
ヴィエンテ、クフィール
Viente Kfir
ハレル、エリ
Harel Eli
タル タミール、アチヤ
Tal Tamir Achiya
シュワルツ、マキシム
Schwartz Maxim
シャピラ、ドリ
Shapira Dori
ネフシュタン、ニムロッド
Nehushtan Nimrod
グダルヤフ、ヨラム
Gdalyahu Yoram
ブラウンシュタイン、ダニエル
Braunstein Daniel
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.)
Mobileye Vision Technologies Ltd
Original Assignee
Mobileye Vision Technologies Ltd
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 Mobileye Vision Technologies Ltd filed Critical Mobileye Vision Technologies Ltd
Publication of JP2023134478A publication Critical patent/JP2023134478A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—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
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P11/00—Measuring average value of speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/646—Following a predefined trajectory, e.g. a line marked on the floor or a flight path
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Environmental & Geological Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

【課題】匿名化される運転情報を収集する。【解決手段】処理装置は、１又は複数のセンサから出力を受信し、出力に基づいてホスト車両の少なくとも１つの動作表現を決定し、ホスト車両の環境を表す少なくとも１つの画像を受信し、少なくとも１つの画像を解析して道路区間に関連する少なくとも１つの道路特性を決定し、道路区間の第１部分に関連する第１の道路セグメント情報を組み立てることであって、道路区間の第１部分は、ホスト車両が走行した経路に関連する出発点から離れており、道路区間の第２部分に関連する第２の道路セグメント情報を組み立て、および自律車両の道路ナビゲーションモデルを組み立てるために、第１の道路セグメント情報および第２の道路セグメント情報をサーバに送信させる、ように構成され得る。【選択図】図１

Description

［関連出願の相互参照］
本願は、２０１９年３月５日に出願した出願第１６／２９２，７５７号の継続出願であり、２０１８年３月５日に出願した米国仮特許出願第６２／６３８，７１３号、２０１８年３月１４日に出願した米国仮特許出願第６２／６４２，８２３号、２０１８年３月１５日に出願した米国仮特許出願第６２／６７１，７７９号、２０１８年１１月２６日に出願した米国仮特許出願第６２／７７１，３３５号、２０１９年２月１４日に出願した米国仮特許出願第６２／８０５，６３２号、２０１９年２月１４日に出願した米国仮特許出願第６２／８０５，６４６号、及び、２０１９年３月４日に出願した米国仮特許出願第６２／８１３，４０３号の優先権の利益を主張する。上記の出願のすべてが、それらの全体に参照により本明細書に組み込まれる。
本開示は、概して自律走行車両のナビゲーションに関する。
［背景情報］
技術が進展し続けるにつれて、車道でナビゲートすることが可能な完全な自律走行車両という目標が見えてきた。自律走行車両は、様々な要因を考慮して、対象とする目的地に安全かつ正確に到達するためにそれらの要因に基づいて適切な判断を行う必要があり得る。例えば、自律走行車両は、視覚情報（例えば、カメラから取り込まれた情報）を処理及び解釈する必要があり得、また、他の情報源（例えば、ＧＰＳデバイス、速度センサ、加速度計、サスペンションセンサなどから）から取得した情報を用い得る。同時に、目的地へナビゲートするために、自律走行車両は、特定の道路（例えば、複数車線の道路内の特定の車線）内の位置を識別し、他の車両と一緒にナビゲートし、障害物及び歩行者を避け、交通信号及び標識を観測し、適切な交差点又はインターチェンジにおいてある道路から別の道路へ走行する必要もあり得る。車両がその目的地へ走行しながら、自律走行車両により収集された膨大な量の情報を利用及び解釈することで、多くの設計上の課題をもたらす。自律走行車両が解析、アクセス及び／又は格納を必要とし得る完全な量のデータ（例えば、取り込まれた画像データ、地図データ、ＧＰＳデータ、センサデータなど）は、実際には自律ナビゲーションを制限する可能性があり、又は、さらに悪い影響を与え得る課題をもたらす。さらに、自律走行車両が従来のマッピング技術に依拠してナビゲートする場合、マップを格納及び更新するのに必要な完全な量のデータが、非常に困難な課題をもたらす。
本開示と矛盾しない困難な実施形態は、自律走行車両のナビゲーションのためのシステム及び方法を提供する。開示される実施形態は、カメラを用いて自律走行車両のナビゲーション機能を提供してよい。例えば、開示される実施形態と矛盾しないように、開示されるシステムは、車両の環境を監視する１、２又はそれより多くのカメラを含んでよい。開示されるシステムは、例えば、カメラのうちの１又は複数により取り込まれた画像の解析に基づいて、ナビゲーション応答を提供してよい。
いくつかの実施形態において、システム及び方法は、ホスト車両により通過される道路区間に関連する匿名化導出情報を収集するためのナビゲーションシステムを含み得る。ナビゲーションシステムは、少なくとも１つのプロセッサを含み得る。少なくとも１つのプロセッサは、本開示と矛盾しない１又は複数の機能、処理又は方法を実行するようにプログラムされ得る。プロセッサは、ホスト車両の動作を示す出力を受信するようにプログラムされ得る。ホスト車両と関連付けられる１又は複数のセンサから出力が受信され得る。プロセッサは、１又は複数のセンサからの出力に対して、少なくとも部分的に基づいて、ホスト車両に対する少なくとも１つの動作表現を判定するようにプログラムされ得る。プロセッサは、ホスト車両の環境を表す少なくとも１つの画像を受信するようにプログラムされ得る。少なくとも１つの画像は、カメラから受信されてよく、道路区間に沿う環境の表現を含み得る。プロセッサは、少なくとも１つの画像を解析して、道路区間と関連付けられる少なくとも１つの道路特性を判定するようにプログラムされ得る。プロセッサは、道路の第１部分に関連する第１の道路セグメント情報を組み立てるようにプログラムされ得る。第１の道路セグメント情報は、判定されたホスト車両に対する少なくとも１つの動作表現を含み得、道路区間の第１部分に関連する判定された少なくとも１つの道路特性を含み得る。プロセッサは、道路区間の第２部分に関連する第２の道路セグメント情報を組み立てるようにプログラムされ得る。第２の道路セグメント情報は、非現実的には、第１の道路セグメント情報と同一の方式で組み立てられ得る。第２の道路セグメント情報は、ホスト車両に対する判定された少なくとも１つの動作表現と、道路区間の第２部分に関連する判定された少なくとも１つの道路特性とを含んでよい。道路区間の第２部分は、道路区間の第１部分とは異なってよく、道路区間の第３部分により道路区間の第１部分から空間的に離れていてよい。プロセッサは、自律走行車両の道路ナビゲーションモデルの組み立てのために、ホスト車両に関連して配置されるサーバに、第１の道路セグメント情報及び第２の道路セグメント情報の伝送を実行するようにプログラムされ得る。プロセッサは、道路区間の第３部分に関連する組み立てられた道路セグメント情報のサーバへの伝送を控えるようにプログラムされ得る。
いくつかの実施形態において、システム及び方法は、自律走行車両のナビゲーションで用いる車両のナビゲーション情報を処理するサーバベースのシステムを含んでよい。サーバベースのシステムは、少なくとも１つのプロセッサを含んでよい。少なくとも１つのプロセッサは、本開示と矛盾しない１又は複数の機能、処理又は方法を実行するようにプログラムされ得る。プロセッサは、複数の車両からナビゲーション情報を受信するようにプログラムされ得る。複数の車両からのナビゲーション情報は、共通の道路区間と関連付けられ得る。複数の車両のそれぞれからのナビゲーション情報は、共通の道路区間の第１部分に関連する道路セグメント情報、及び、共通の道路区間の第２部分に関連する道路セグメント情報を含んでよい。第１の道路セグメント情報は、ホスト車両に対する判定された少なくとも１つの動作表現、及び、共通の道路区間の第１部分に関連する判定された少なくとも１つの道路特性を含んでよい。第２の道路セグメント情報は、ホスト車両に対する判定された少なくとも１つの動作表現、及び、共通の道路区間の第２部分に関連する判定された少なくとも１つの道路特性を含んでよい。道路区間の第２部分は、道路区間の第１部分とは異なっていてよく、道路区間の第１部分から空間的に離れ得る。プロセッサは、共通の道路区間と関連付けられるナビゲーション情報を格納するようにプログラムされ得る。プロセッサは、複数の車両から受信したナビゲーション情報に基づいて、共通の道路区間に関する自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成するようにプログラムされ得る。プロセッサは、共通の道路区間に沿って１又は複数の自律走行車両を自律的にナビゲートする際に用いるために、自律走行車両の道路ナビゲーションモデルを１又は複数の自律走行車両に分配するようにプログラムされ得る。
他の開示される実施形態と矛盾することなく、非一時的なコンピュータ可読記憶媒体は、少なくとも１つの処理デバイスにより実行され、本明細書で説明される方法のいずれかを実行するプログラム命令を格納してよい。
上記の大まかな説明及び以下の詳細な説明は、例示及び説明に過ぎず、特許請求の範囲を限定するものではない。
本開示の一部に組み込まれ、その一部を構成する添付の図面は、様々な開示される実施形態を示す。図面は以下のとおりである。
開示される実施形態と矛盾しない例示的なシステムの概略図である。
開示される実施形態と矛盾しないシステムを含む例示的な車両の概略側面図である。
開示される実施形態と矛盾しない図２Ａに示される車両及びシステムの概略平面図である。
開示される実施形態と矛盾しないシステムを含む車両の別の実施形態の概略平面図である。
開示される実施形態と矛盾しないシステムを含む車両のさらに別の実施形態の概略平面図である。
開示される実施形態と矛盾しないシステムを含む車両のさらに別の実施形態の概略平面図である。
開示される実施形態と矛盾しない例示的な車両制御システムの概略図である。
開示される実施形態と矛盾しない車両撮像システムのためのバックミラー及びユーザインタフェースを含む車両の内部の概略図である。
開示される実施形態と矛盾しないバックミラーの後方及び車両のフロントガラスと向かい合って配置されるように構成されるカメラマウントの例の図である。
開示される実施形態と矛盾しない異なる遠近から図３Ｂに示されるカメラマウントの図である。
開示される実施形態と矛盾しないバックミラーの後方及び車両のフロントガラスと向かい合って配置されるように構成されるカメラマウントの例の図である。
開示される実施形態と矛盾しない１又は複数の演算を実行するための命令を格納するように構成されるメモリの例示的なブロック図である。
開示される実施形態と矛盾しない単眼画像解析に基づいて、１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない画像のセット内の１又は複数の車両及び／又は歩行者を検出するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない画像のセット内の路面標示及び／又は車線形状情報を検出するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない画像のセット内の交通信号灯を検出するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない車両経路に基づいて、１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない先行車両が車線を変更するか否かを判定するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しないステレオ画像解析に基づいて、１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない画像の３つのセットの解析に基づいて、１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しない自律走行車両のナビゲーションを提供するためのスパースマップを示す。
開示される実施形態と矛盾しない道路セグメントの部分の多項式表現を示す。
開示される実施形態と矛盾しないスパースマップに含まれる特定の道路セグメントに対する車両のターゲット軌跡を表す３次元空間における曲線を示す。
開示される実施形態と矛盾しないスパースマップに含まれ得る例示的なランドマークを示す。
開示される実施形態と矛盾しない軌跡の多項式表現を示す。
開示される実施形態と矛盾しない複数車線の道路に沿うターゲット軌跡を示す。 開示される実施形態と矛盾しない複数車線の道路に沿うターゲット軌跡を示す。
開示される実施形態と矛盾しない例示的な道路シグネチャプロファイルを示す。
開示される実施形態と矛盾しない自律走行車両のナビゲーションのために、複数の車両から受信したクラウドソーシングデータを用いるシステムの概略図である。
開示される実施形態と矛盾しない複数の３次元スプラインにより表される例示的な自律走行車両の道路ナビゲーションモデルを示す。
開示される実施形態と矛盾しない多くん運転から位置情報を結合することから生成されるマップの概要を示す。
開示される実施形態と矛盾しないランドマークとして例示的な標識を用いて、２つの運転を長手方向に整列させた例を示す。
開示される実施形態と矛盾しないランドマークとして例示的な標識を用いて、多くの運転を長手方向に整列させた例を示す。
開示される実施形態と矛盾しないカメラ、車両及びサーバを用いて、運転データを生成するためのシステムの概略図である。
開示される実施形態と矛盾しないスパースマップをクラウドソーシングするためのシステムの概略図である。
開示される実施形態と矛盾しない道路セグメントに沿う自律走行車両のナビゲーションのためのスパースマップを生成するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しないサーバのブロック図を示す。
開示される実施形態と矛盾しないメモリのブロック図を示す。
開示される実施形態と矛盾しない車両と関連付けられる車両の軌跡をクラスタリングする処理を示す。
開示される実施形態と矛盾しない自律ナビゲーションのために用いられ得る車両のナビゲーションシステムを示す。
開示される実施形態と矛盾しないメモリのブロック図を示す。
開示される実施形態と矛盾しないナビゲーション情報を匿名化するための例示的なプロセスを示すフローチャートである。
開示される実施形態と矛盾しないランドマークを有する例示的な道路区間及び動作表現を示す。
開示される実施形態と矛盾しないナビゲーションシステムにより取り込まれ得る例示的な画像を示す。
開示される実施形態と矛盾しないナビゲーションシステムにより取り込まれ得る例示的な画像を示す。
開示される実施形態と矛盾しない判定された道路セグメントと共に例示的な道路区間を示す。
開示される実施形態と矛盾しない自律走行車両のナビゲーションモデルの態様を示す例示的な道路区間を示す。
開示される実施形態と矛盾しないメモリのブロック図を示す。
開示される実施形態と矛盾しない匿名化されたナビゲーション情報を用いて、自律走行車両のナビゲーションモデルを生成及び分配するための例示的な処理を示すフローチャートである。
以下の詳細な説明では、添付の図面について言及する。可能な限り、同一又は類似の部分を指すために、図面及び以下の説明では同じ参照番号が用いられる。いくつかの例示的な実施形態が本明細書で説明されるが、修正、適応及びその他の実装も可能である。例えば、図面に示される構成要素に対して、置換、追加又は修正が行われ得、本明細書で説明される例示的な方法は、開示される方法に対する段階を置き換え、並べ替え、除去し、又は、追加することにより修正され得る。したがって、以下の詳細な説明は、開示される実施形態及び例に限定されることはない。代わりに、適切な範囲が、添付の特許請求の範囲により定義される。
自律走行車両の概要
本開示において用いられるように、用語「自律走行車両」は、運転者の入力なしに、少なくとも１つのナビゲーションの変更を実施することが可能な車両を指す。「ナビゲーションの変更」は、車両のステアリング、ブレーキ又は加速のうちの１又は複数における変更を指す。自律的であるためには、車両は、完全に自動（例えば、運転者なし、又は、運転者の入力なしの完全な操作）である必要はない。むしろ、自律走行車両は、特定の期間の間に運転者の制御のもとで動作し、他の期間の間に運転者の制御なしで動作できるものを含む。自律走行車両はまた、車両ナビゲーションのいくつかの態様、例えば、（例えば、車両の車線制約間の車両のコースを保持する）ステアリングだけ制御するが、運転者に対する他の態様（例えば、ブレーキ）を残したままであり得る車両を含んでよい。場合によっては、自律走行車両は、車両のブレーキ、速度制御、及び／又は、ステアリングのうちの一部又はすべての態様を処理し得る。
人の運転者は、一般的に、車両を制御するために視覚的なきっかけ及び観測に頼っているので、したがって、交通インフラストラクチャは、車線標示、交通標識及び交通信号灯が運転者に視覚情報を提供するようにすべて設計された状態で形成される。交通インフラストラクチャのこれらの設計特性を考慮して、自律走行車両は、カメラと、車両の環境から取り込まれた視覚情報を解析する処理ユニットとを含み得る。視覚情報は、例えば、運転者により観測可能な交通インフラストラクチャの構成要素（例えば、車線標示、交通標識、交通信号灯など）、及び、他の障害物（例えば、他の車両、歩行者、ごみなど）を含み得る。さらに、自律走行車両はまた、格納された情報、例えば、ナビゲートするときに、車両の環境のモデルを提供する情報を用いてよい。例えば、車両は、ＧＰＳデータ、（例えば、加速度計、速度センサ、サスペンションセンサなどからの）センサデータ、及び／又は、他のマップデータを用いて、車両が走行している間の環境に関連する情報を提供してよく、車両は（他の車両と同様に）、当該情報を用いて、モデル上のそれ自身の位置を特定してよい。
本開示におけるいくつかの実施形態において、自律走行車両は、ナビゲートしている間に、（例えば、カメラ、ＧＰＳデバイス、加速度計、速度センサ、サスペンションセンサなどから）取得した情報を用いてよい。他の実施形態において、自律走行車両は、ナビゲートしている間に、車両による（又は、他の車両による）過去のナビゲーションから取得した情報を用いてよい。さらに他の実施形態において、自律走行車両は、ナビゲートしている間に取得した情報と、過去のナビゲーションから取得した情報との組み合わせを用いてよい。以下のセクションでは、開示される実施形態と矛盾しないシステムの概要を提供し、前向きの撮像システム及び当該システムと矛盾しない方法の概要が後に続く。その後に続くセクションは、自律走行車両のナビゲーションに対するスパースマップを構築、使用及び更新するためのシステム及び方法を開示する。
システムの概要
図１は、例示的に開示される実施形態と矛盾しないシステム１００のブロック図表現である。システム１００は、特定の実施例の要件によって様々なコンポーネントを含み得る。いくつかの実施形態において、システム１００は、処理ユニット１１０、画像取得ユニット１２０、位置センサ１３０、１又は複数のメモリユニット１４０、１５０、マップデータベース１６０、ユーザインタフェース１７０及び無線トランシーバ１７２を含み得る。処理ユニット１１０は、１又は複数の処理デバイスを含み得る。いくつかの実施形態において、処理ユニット１１０は、アプリケーションプロセッサ１８０、画像プロセッサ１９０又は任意の他の適切な処理デバイスを含み得る。同様に、画像取得ユニット１２０は、特定のアプリケーションの要件によって、任意の数の画像取得デバイス及ビーコンポーネントを含み得る。いくつかの実施形態において、画像取得ユニット１２０は、画像取込デバイス１２２、画像取込デバイス１２４及び画像取込デバイス１２６などの１又は複数の画像取込デバイス（例えば、カメラ）を含み得る。システム１００はまた、処理デバイス１１０を画像取得デバイス１２０に通信可能に接続するデータインタフェース１２８を含んでよい。例えば、データインタフェース１２８は、任意の有線及び／又は無線リンク、又は、画像取得デバイス１２０により取得された画像データを処理ユニット１１０に伝送するためのリンクを含み得る。
無線トランシーバ１７２は、無線周波数、赤外線周波数、磁界又は電界を用いて、１又は複数のネットワーク（例えば、セルラー、インターネットなど）に、エアインタフェースを介した伝送をやり取りするように構成される１又は複数のデバイスを含み得る。無線トランシーバ１７２は、任意の既知の規格（例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｂｌｕｅｔｏｏｔｈ Ｓｍａｒｔ（登録商標）、８０２．１５．４、ＺｉｇＢｅｅ（登録商標）など）を用いて、データを伝送及び／又は受信してよい。そのような伝送は、ホスト車両から１又は複数の離れて配置されたサーバへの通信を含み得る。そのような伝送はまた、ホスト車両と、（例えば、ホスト車両の環境にいるターゲット車両を考慮して又はこれと一緒に、ホスト車両のナビゲーションの調整を容易にするために、）ホスト車両の環境にいる１又は複数のターゲット車両との間の通信（一方向又は双方向）、又は、伝送車両の近傍にいる不特定の受信者へのブロードキャスト伝送を含んでよい。
アプリケーションプロセッサ１８０及び画像プロセッサ１９０の両方は、様々なタイプの処理デバイスを含んでよい。例えば、アプリケーションプロセッサ１８０及び画像プロセッサ１９０のいずれか又は両方は、マイクロプロセッサ、プリプロセッサ（例えば、画像プリプロセッサ）、グラフィック処理ユニット（ＧＰＵ）、中央処理装置（ＣＰＵ）、サポート回路、デジタル信号プロセッサ、集積回路、メモリ、又は、アプリケーションの実行、及び、画像処理及び解析に適した任意の他のタイプのデバイスを含んでよい。いくつかの実施形態において、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、任意のタイプのシングル又はマルチコアプロセッサ、モバイルデバイスマイクロコントローラ、中央処理装置などを含んでよい。例えば、インテル（登録商標）、ＡＭＤ（登録商標）などの製造業者から入手可能なプロセッサ、又は、ＮＶＩＤＩＡ（登録商標）、ＡＴＩ（登録商標）などのような製造業者から入手可能なＧＰＵ等を含む様々な処理デバイスが用いられてよく、様々なアーキテクチャ（例えば、ｘ８６プロセッサ、ＡＲＭ（登録商標）など）を含んでよい。
いくつかの実施形態において、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、モービルアイ（登録商標）から入手可能なプロセッサチップのＥｙｅＱシリーズのいずれかを含んでよい。これらのプロセッサの設計はそれぞれ、ローカルメモリ及び命令セットを有する複数の処理ユニットを含む。そのようなプロセッサは、複数の画像センサから画像データを受信するためのビデオ入力を含んでよく、また、ビデオ出力機能を含んでよい。一例において、ＥｙｅＱ２は、３３２ＭＨｚで動作する９０ｎｍ－ミクロン技術を用いる。ＥｙｅＱ２アーキテクチャは、２つの浮動小数点、ハイパースレッド３２ビットＲＩＳＣ ＣＰＵ（ＭＩＰＳ３２ ３４Ｋ コア）、５つのＶｉｓｉｏｎ－Ｃｏｍｐｕｔｉｎｇ－Ｅｎｇｉｎｅｓ（ＶＣＥ）、３つのＶｅｃｔｏｒ－Ｍｉｃｒｏｃｏｄｅ Ｐｒｏｃｅｓｓｏｒ（ＶＭＰ）、Ｄｅｎａｌｉ－６４ビットモバイルＤＤＲコントローラ、１２８－ビットのインターナルＳｏｎｉｃｓインターコネクト、１６ビットのデュアルビデオ入力及び１８ビットのビデオ出力コントローラ、１６チャネルＤＭＡ、及びいくつかの周辺機器で構成される。ＭＩＰＳ３４Ｋ ＣＰＵは、５つのＶＣＥ、３つのＶＭＰ及びＤＭＡ、第２のＭＩＰＳ３４Ｋ ＣＰＵ、及び、マルチチャネルＤＭＡ並びに他の周辺機器を管理する。５つのＶＣＥ、３つのＶＭＰ及びＭＩＰＳ３４Ｋ ＣＰＵは、マルチファンクションバンドルアプリケーションにより要求される集中的な視覚計算を実行できる。別の例では、第三世代プロセッサであり、かつ、ＥｙｅＱ２よりも６倍以上高性能であるＥｙｅＱ３が、開示される実施形態において用いられ得る。他の例では、ＥｙｅＱ４及び／又はＥｙｅＱ５が、開示される実施形態において用いられ得る。もちろん、任意の新しい又は将来のＥｙｅＱ処理デバイスが、開示される実施形態と一緒に用いられてもよい。
本明細書で開示される処理デバイスのいずれかが、特定の機能を実行するように構成され得る。処理デバイス、例えば、説明したＥｙｅＱプロセッサ又は他のコントローラ又はマイクロプロセッサのいずれかを構成して特定の機能を実行することは、コンピュータ実行可能な命令をプログラミングすること、及び、処理デバイスの動作中の実行のために、処理デバイスに対してそれらの命令を利用可能にすることを含んでよい。いくつかの実施形態において、処理デバイスを構成することは、アーキテクチャ命令で処理デバイスを直接的にプログラミングすることを含んでよい。例えば、処理デバイス、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）及び特定用途向け集積回路（ＡＳＩＣ）などは、例えば、１又は複数のハードウェア記述言語（ＨＤＬ）を用いて構成され得る。
他の実施形態において、処理デバイスを構成することは、動作中に処理デバイスにアクセス可能なメモリに実行可能な命令を格納することを含んでよい。例えば、処理デバイスは、動作中に、メモリにアクセスして、格納した命令を取得して実行してよい。いずれにしても、本明細書で開示されるセンシング、画像解析及び／又はナビゲーション機能を実行するように構成される処理デバイスは、ホスト車両の複数のハードウェアベースのコンポーネントの制御する専用のハードウェアベースのシステムを表す。
図１は、処理ユニット１１０に含まれる２つの別個の処理デバイスを示すが、より多く又はより少ない処理デバイスが用いられてよい。例えば、いくつかの実施形態において、単一の処理デバイスが、アプリケーションプロセッサ１８０及び画像プロセッサ１９０のタスクを遂行するために用いられてよい。他の実施形態において、これらのタスクは、２つより多くの処理デバイスにより実行されてよい。さらに、いくつかの実施形態において、システム１００は、他のコンポーネント、例えば、画像取得ユニット１２０を含まない１又は複数の処理ユニット１１０を含んでよい。
処理ユニット１１０は、様々なタイプのデバイスを有してよい。例えば、処理ユニット１１０は、コントローラ、画像プリプロセッサ、中央処理装置（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、サポート回路、デジタル信号プロセッサ、集積回路、メモリ、又は、画像処理及び解析用の任意の他のタイプのデバイスなどの様々なデバイスを含んでよい。画像プリプロセッサは、画像センサからの画像を取り込み、デジタル化して処理するビデオプロセッサを含んでよい。ＣＰＵは、任意の数のマイクロコントローラ又はマイクロプロセッサを有してよい。ＧＰＵは、任意の数のマイクロコントローラ又はマイクロプロセッサを有してもよい。サポート回路は、キャッシュ、電力供給、クロック、及び、入力－出力回路を含む、この技術分野で一般によく知られている任意の数の回路であってよい。メモリは、プロセッサにより実行された場合、システムの動作を制御するソフトウェアを格納してよい。メモリは、データベース及び画像処理ソフトウェアを含んでよい。メモリは、任意の数のランダムアクセスメモリ、リードオンリメモリ、フラッシュメモリ、ディスクドライブ、光記憶装置、テープストレージ、リムーバブルストレージ及び他のタイプの記憶装置を有してよい。一例において、メモリは、処理ユニット１１０とは別個であってよい。別の例において、メモリは、処理ユニット１１０に統合されてよい。
各メモリ１４０、１５０は、プロセッサ（例えば、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０）により実行された場合、システム１００の様々な態様の動作を制御し得るソフトウェア命令を含んでよい。これらのメモリユニットは、様々なデータベース及び画像処理ソフトウェア、並びに、訓練されたシステム、例えば、ニューラルネットワーク又はディープニューラルネットワークなどを含んでよい。メモリユニットは、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、フラッシュメモリ、ディスクドライブ、光記憶装置、テープストレージ、リムーバブルストレージ及び／又は任意の他のタイプの記憶装置を含んでよい。いくつかの実施形態において、メモリユニット１４０、１５０は、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０とは別個であってよい。他の実施形態において、これらのメモリユニットは、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０に統合されてよい。
位置センサ１３０は、システム１００の少なくとも１つのコンポーネントと関連付けられた位置を判定するのに適した任意のタイプのデバイスを含んでよい。いくつかの実施形態において、位置センサ１３０は、ＧＰＳ受信機を含んでよい。そのような受信器は、グローバルポジショニングシステム衛星によりブロードキャストされた信号を処理することにより、ユーザの位置及び速度を判定できる。位置センサ１３０からの位置情報は、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０に利用可能となり得る。
いくつかの実施形態において、システム１００は、コンポーネント、例えば、車両２００の速度を測定するための速度センサ（例えば、回転速度計、速度計）、及び／又は、車両２００の加速を測定するための加速度計（単軸又は複数軸のいずれか）を含んでよい。
ユーザインタフェース１７０は、システム１００の１又は複数のユーザに情報を提供するのに、又は、１又は複数のユーザからの入力を受信するのに適した任意のデバイスを含んでよい。いくつかの実施形態において、ユーザインタフェース１７０は、例えば、タッチスクリーン、マイク、キーボード、ポインタデバイス、トラックホイール、カメラ、ノブ、ボタンなどを含むユーザ入力デバイスを含んでよい。そのような入力デバイスを用いて、ユーザは、命令又は情報をタイピングし、音声コマンドを提供し、ボタン、ポインタ又は視線追跡機能を用いて、又は、又は、システム１００に情報を通信するための任意の他の適切な技術を通じて、画面上のメニューオプションを選択することにより、システム１００に情報入力又はコマンドを提供することができる。
ユーザインタフェース１７０は、ユーザとの間で情報を提供及び受信し、例えば、アプリケーションプロセッサ１８０による使用のための情報を処理するように構成される１又は複数の処理デバイスを備えてよい。いくつかの実施形態において、そのような処理デバイスは、目の動きを認識及び追跡し、音声コマンドを受信及び解釈し、キーボード入力又はメニュー選択などに応答してタッチスクリーンに対して行われたタッチ及び／又はジェスチャーを認識及び解釈するための命令を実行してよい。いくつかの実施形態において、ユーザインタフェース１７０は、ディスプレイ、スピーカ、触覚デバイス、及び／又は、ユーザに出力情報を提供するための任意の他のデバイスを含んでよい。
マップデータベース１６０は、システム１００に有用なマップデータを格納するための任意のタイプのデータベースを含んでよい。いくつかの実施形態において、マップデータベース１６０は、道路、水を使用した建築物（ｗａｔｅｒ ｆｅａｔｕｒｅｓ）、地理的形状、会社、ポイントオブインタレスト、レストラン、ガソリンスタンドなどを含む様々な項目の基準座標系における位置に関連するデータを含んでよい。マップデータベース１６０は、そのような項目の位置だけでなく、例えば、格納した特徴のいずれかと関連付けられる名称を含むそれらの項目に関連する記述子も格納してよい。いくつかの実施形態において、マップデータベース１６０は、システム１００の他のコンポーネントと共に物理的に配置され得る。代替的に又はさらに、マップデータベース１６０又はその一部は、システム１００の他のコンポーネント（例えば、処理ユニット１１０）に対して離れて配置され得る。そのような実施形態において、マップデータベース１６０からの情報は、ネットワークへの有線又は無線データ接続を介して（例えば、セルラネットワーク及び／又はインターネットなどを介して）ダウンロードされ得る。場合によっては、マップデータベース１６０は、特定の道路特徴（例えば、車線標示）又はホスト車両に対するターゲット軌跡で構成される多項式表現を含むスパースデータモデルを格納してよい。そのようなマップを生成するシステム及び方法は、図８～図１９を参照して以下で議論される。
画像取込デバイス１２２、１２４及び１２６はそれぞれ、環境から少なくとも１つの画像を取り込むのに適した任意のタイプのデバイスを含んでよい。さらに、任意の数の画像取込デバイスは、画像プロセッサへの入力のための画像を取得するために用いられてよい。いくつかの実施形態では、単一の画像取込デバイスだけを含んでよいが、他の実施形態では、２、３又はさらに、４又はそれより多い画像取込デバイスを含んでよい。画像取込デバイス１２２、１２４及び１２６は、以下では、図２Ｂ～図２Ｅを参照してさらに説明される。
システム１００又はその様々なコンポーネントは、様々な異なるプラットフォームに組み込まれてよい。いくつかの実施形態において、システム１００は、図２Ａに示されるように、車両２００に含まれてよい。例えば、車両２００は、図１に関連して上述したように、処理ユニット１１０及びシステム１００の他のコンポーネントのいずれかを備えてよい。いくつかの実施形態において、車両２００は、単一の画像取込デバイス（例えば、カメラ）だけを備えてよいが、他の実施形態において、例えば、図２Ｂ～図２Ｅに関連して議論されるように、複数の画像取込デバイスが用いられ得る。図２Ａに示されるように、例えば、車両２００の画像取込デバイス１２２及び１２４のいずれかが、ＡＤＡＳ（先進運転支援システム）画像セットの不可欠な要素であってよい。
画像取得ユニット１２０の一部として車両２００に含まれる画像取込デバイスが、任意の適切な位置に配置されてよい。いくつかの実施形態において、図２Ａ～図２Ｅ及び図３Ａ～図３Ｃに示されるように、画像取込デバイス１２２は、バックミラーの近傍に配置されてよい。この位置は、車両２００の運転者の視線と同様の視線を提供してよく、運転者に何が見えて何が見えないかを判定する際に役立ち得る。画像取込デバイス１２２は、バックミラーの近くのいずれかの位置に配置されてよいが、ミラーの運転者側に画像取込デバイス１２２を設置することは、運転者の視野及び／又は視線を表す画像を取得するのにさらに役立ち得る。
画像取得ユニット１２０の画像取込デバイスに対する他の位置が用いられてもよい。例えば、画像取込デバイス１２４は、車両２００のバンパー上及びバンパー内に配置されてよい。そのような位置は、広視野を有する画像取込デバイスに特に適し得る。バンパーに配置された画像取込デバイスの視線は、運転者の視線とは異なっていてよく、したがって、バンパーの画像取込デバイス及び運転者は、常に同じオブジェクトを見ているわけではない。画像取込デバイス（例えば、画像取込デバイス１２２、１２４及び１２６）は、他の位置に配置されてもよい。例えば、画像取込デバイスは、車両２００のサイドミラーの一方又は両方上又はその中に、車両２００のルーフに、車両２００のボンネットに、車両２００のトランクに、車両２００の側面に取り付けられ、車両２００のウィンドウのいずれかの後方に取り付けられ、又は、車両２００のウィンドウのいずれかの正面に取り付けられ、車両２００の正面及び／又は背面にあるライト外観に又はライト外観の近くなどに搭載され得る。
画像取込デバイスに加えて、車両２００は、システム１００の様々な他のコンポーネントを含んでよい。例えば、処理ユニット１１０は、車両のエンジン制御ユニット（ＥＣＵ）と統合される、又は、ＥＣＵとは別個である、のいずれかの車両２００に含まれ得る。車両２００は、位置センサ１３０、例えば、ＧＰＳ受信機を備えてもよく、マップデータベース１６０、及び、メモリユニット１４０及び１５０を含んでもよい。
以前に議論したように無線トランシーバ１７２は、１又は複数のネットワーク（例えば、セルラネットワーク、インターネットなど）を介してデータを伝送及び／又は受信してよい。例えば、無線トランシーバ１７２は、システム１００により収集されたデータを１又は複数のサーバにアップロードし、１又は複数のサーバからデータをダウンロードしてよい。無線トランシーバ１７２を介して、システム１００は、例えば、マップデータベース１６０、メモリ１４０及び／又はメモリ１５０に格納されたデータに対する周期的な又は要求に応じた更新を受信してよい。同様に、無線トランシーバ１７２は、システム１００から任意のデータ（例えば、画像取得ユニット１２０により取り込まれた画像、位置センサ１３０又は他のセンサ、車両制御システムなどにより受信されたデータ）及び／又は処理ユニット１１０により処理された任意のデータを１又は複数のサーバにアップロードしてよい。
システム１００は、プライバシーレベル設定に基づいて、データをサーバに（例えば、クラウドに）アップロードしてよい。例えば、システム１００は、車両、及び、又は、車両の運転者／所有者を一意に識別し得るサーバに送信された複数のタイプのデータ（メタデータを含む）を規制又は制限するようにプライバシーレベル設定を実装してよい。そのような設定は、例えば、無線トランシーバ１７２を介してユーザにより設定されってよく、工場のデフォルト設定により、又は、無線トランシーバ１７２により受信されたデータにより初期化されてよい。
いくつかの実施形態において、システム１００は、「高」プライバシーレベルに従って、データをアップロードしてよく、設定した設定の下、システム１００は、特定の車両及び／又は運転者／所有者に関する詳細情報を用いることなく、データ（例えば、経路、取り込まれた画像などに関連する位置情報）を伝送してよい。例えば、「高」プライバシー設定に従ってデータをアップロードするときに、システム１００は、車両の識別番号（ＶＩＮ）、又は、車両の運転者又は所有者の名前を含めなくてもよく、代わりに、データ、例えば、経路に関連する取り込まれた画像及び／又は限定された位置情報を伝送してよい。
他のプライバシーレベルが考えられる。例えば、システム１００は、「中」プライバシーレベルに従って、データをサーバに伝送してよく、「高」プライバシーレベルの下では含まれない追加の情報、例えば、車両のメーカー及び／又はモデル、及び／又は車両タイプなどの（例えば、乗用車、スポーツ用多目的車、トラックなど）追加情報を含んでよい。いくつかの実施形態において、システム１００は、「低」プライバシーレベルに従ってデータをアップロードしてよい。「低」プライバシーレベル設定の下では、システム１００は、データをアップロードし、特定の車両、所有者／運転者、及び／又は、車両が走行する経路の一部又は全体を一意に識別するのに十分な情報を含んでよい。そのような「低」プライバシーレベルのデータは、例えば、ＶＩＮ、運転者／所有者の名前、出発前の車両の開始地点、車両の対象とする目的地、車両のメーカー及び／又はモデル、車両のタイプなどのうちの１又は複数を含み得る。
図２Ａ、開示される実施形態と矛盾しない例示的な車両撮像システムの概略側面図である。図２Ｂは、図２Ａに示される実施形態の概略平面図の例示である。図２Ｂに示されるように、開示される実施形態は、車両２００のバックミラーの近傍及び／又は運転者の近くに配置される第１の画像取込デバイス１２２、車両２００のバンパー領域上及びバンパー領域内（例えば、バンパー領域２１０のうちの１つ）に配置される第２の画像取込デバイス１２４、及び、処理ユニット１１０を有するシステム１００をその車体に含む車両２００を含み得る。
図２Ｃに示されるように、画像取込デバイス１２２及び１２４は両方とも、車両２００のバックミラーの近傍及び／又は運転者の近くに配置されてよい。さらに、２つの画像取込デバイス１２２及び１２４が図２Ｂ及び図２Ｃに示されるが、他の実施形態では、２つより多い画像取込デバイスを含み得ることが理解されるべきである。例えば、図２Ｄ及び図２Ｅに示される実施形態では、第１、第２及び第３の画像取込デバイス１２２、１２４及び１２６が、車両２００のシステム１００に含まれる。
図２Ｄに示されるように、画像取込デバイス１２２は、車両２００のバックミラーの近傍及び／又は運転者の近くに配置されてよく、画像取込デバイス１２４及び１２６は、車両２００のバンパー領域上及びバンパー領域内（例えば、バンパー領域２１０のうちの１つ）に配置されてよい。図２Ｅに示されるように、画像取込デバイス１２２、１２４及び１２６は、車両２００のバックミラーの近傍及び／又は運転席の近くに配置されてよい。開示される実施形態は、画像取込デバイスの特定の数及び構成に限定されることはなく、画像取込デバイスは、車両２００内及び／又は車両２００上の任意の適当な位置に配置されてよい。
開示される実施形態が車両に限定されることはなく、他のコンテキストに適用され得ることが理解されるべきである。開示される実施形態が、特定のタイプの車両２００に限定されることはなく、自動車、トラック、トレーラ及び他のタイプの車両を含むあらゆるタイプの車両に適用可能であり得ることも理解されたい。
第１の画像取込デバイス１２２は、任意の好適なタイプの画像取込デバイスを含み得る。画像取込デバイス１２２は、光軸を含み得る。一例において、画像取込デバイス１２２は、グローバルシャッタを有するＡｐｔｉｎａ Ｍ９Ｖ０２４ ＷＶＧＡセンサを含み得る。他の実施形態において、画像取込デバイス１２２は、１２８０×９６０画素の解像度を提供してよく、ローリングシャッタを含み得る。画像取込デバイス１２２は、様々な光学素子を含み得る。いくつかの実施形態において、例えば、画像取込デバイスに対して所望焦点距離及び視野を提供するために、１又は複数のレンズが含まれてよい。いくつかの実施形態において、画像取込デバイス１２２は、６ｍｍレンズ又は１２ｍｍレンズと関連付けられてよい。いくつかの実施形態において、画像取込デバイス１２２は、図２Ｄに示されるように、所望の視野（ＦＯＶ）２０２を有する画像を取り込むように構成されてよい。例えば、画像取込デバイス１２２は、例えば、４０度から５６度の範囲内の、４６度のＦＯＶ、５０度のＦＯＶ、５２度のＦＯＶ又はそれより大きいＦＯＶを含む標準のＦＯＶを有するように構成されてよい。代替的に、画像取込デバイス１２２は、２３から４０度の範囲内の狭ＦＯＶ、例えば、２８度のＦＯＶ又は３６度のＦＯＶを有するように構成されてよい。さらに、画像取込デバイス１２２は、１００から１８０度の範囲内の広ＦＯＶを有するように構成されてよい。いくつかの実施形態において、画像取込デバイス１２２は、広角のバンパーのカメラ、又は、最大で１８０度のＦＯＶを有するカメラを含み得る。いくつかの実施形態において、画像取込デバイス１２２は、約１００度の水平ＦＯＶを用いて、約２：１のアスペクト比（例えば、ＨｘＶ＝３８００×１９００画素）を有する７．２Ｍ画素の画像取込デバイスであってよい。そのような画像取込デバイスは、３つの画像取込デバイス構成の代わりに用いられてよい。著しいレンズの歪みに起因して、そのような画像取込デバイスの鉛直ＦＯＶは、画像取込デバイスが半径方向に対称なレンズを用いる実装において、５０度より大幅に小さくなり得る。例えば、そのようなレンズは、１００度の水平ＦＯＶを用いて、５０度よりも大きい鉛直ＦＯＶを可能にする半径方向に対称でなくてよい。
第１の画像取込デバイス１２２は、車両２００と関連付けられるシーンに関連する複数の第１の画像を取得してよい。複数の第１の画像のそれぞれは、ローリングシャッタを用いて取り込まれ得る、一連の画像走査線として取得され得る。各走査線は、複数の画素を含み得る。
第１の画像取込デバイス１２２は、第１の一連の画像走査線のそれぞれの取得に関連付けられる走査速度を有してよい。走査速度は、特定の走査線に含まれる各画素と関連付けられる画像データを画像センサが取得できる速度を指し得る。
画像取込デバイス１２２、１２４及び１２６は、例えば、ＣＣＤセンサ又はＣＭＯＳセンサを含む任意の好適なタイプ及び数の画像センサを含んでよい。１つの実施形態において、ＣＭＯＳ画像センサは、ローリングシャッタと共に使用されてよく、行における各画素は一度に１つずつ読み取られ、画像フレーム全体が取り込まれるまで、行のスキャンは行ごとに進行する。いくつかの実施形態において、行は、フレームに対して上から下まで順次取り込まれ得る。
いくつかの実施形態において、本明細書で開示される画像取込デバイス（例えば、画像取込デバイス１２２、１２４及び１２６）のうちの１又は複数は、高解像度カメラを構成してよく、５Ｍ画素、７Ｍ画素、１０Ｍ画素又はより大きい画素より大きい解像度を有してよい。
ローリングシャッタの使用は、結果として、異なる時間に異なる行における画素が露光されて取り込まれることになり、取り込まれた画像フレームに、スキュー及び他の画像アーチファクトを生じるかもしれない。一方、グローバルシャッター又はシンクロナスシャッターで動作するように構成された画像取込デバイス１２２の場合、すべての画素は、同じ時間だけ、共通の露光時間中に露光されてもよい。結果として、グローバルシャッタを使用するシステムから収集されたフレーム内の画像データは、特定の時間におけるＦＯＶ全体のスナップショット（例えば、ＦＯＶ２０２）を表す。一方、ローリングシャッタを適用した場合、フレーム内の各行が露光され、データが異なる時間に取り込まれる。したがって、ローリングシャッタを有する画像取込デバイスでは、移動するオブジェクトに歪みが現れるかもしれない。この現象は、以下でより詳細に説明される。
第２の画像取込デバイス１２４及び第３の画像取込デバイス１２６は、任意のタイプの画像取込デバイスであってよい。第１の画像取込デバイス１２２のように、画像取込デバイス１２４及び１２６のそれぞれは、光軸を含み得る。１つの実施形態において、画像取込デバイス１２４及び１２６のそれぞれは、グローバルシャッタを有するＡｐｔｉｎａ Ｍ９Ｖ０２４ ＷＶＧＡセンサを含み得る。代替的に、画像取込デバイス１２４及び１２６のそれぞれは、ローリングシャッタを含み得る。画像取込デバイス１２２のように、画像取込デバイス１２４及び１２６は、様々なレンズ及び光学素子を含むように構成されてよい。いくつかの実施形態において、画像取込デバイス１２４及び１２６と関連付けられるレンズは、ＦＯＶ（例えば、画像取込デバイス１２２と関連付けられるＦＯＶ２０２）と同じ又はそれより狭ＦＯＶ（例えば、ＦＯＶ２０４及び２０６）を提供してよい。例えば、画像取込デバイス１２４及び１２６は、４０度、３０度、２６度、２３度、２０度又はそれより低いＦＯＶを有してよい。
画像取込デバイス１２４及び１２６は、車両２００と関連付けられるシーンに関連する複数の第２及び第３の画像を取得してよい。複数の第２及び第３の画像のそれぞれは、ローリングシャッタを用いて取り込まれ得る、第２及び第３の一連の画像走査線として取得され得る。各走査線又は行は、複数の画素を有してよい。画像取込デバイス１２４及び１２６は、第２及び第３の一連に含まれる画像走査線のそれぞれの取得に関連付けられる第２及び第３の走査速度を有し得る。
各画像取込デバイス１２２、１２４及び１２６は、車両２００に関連する任意の適切な位置及び方向に配置され得る。画像取込デバイス１２２、１２４及び１２６の相対的な配置は、画像取込デバイスから取得される情報と一緒に結合する際に役立つように選択されてよい。例えば、いくつかの実施形態において、画像取込デバイス１２４と関連付けられるＦＯＶ（例えば、ＦＯＶ２０４）は、画像取込デバイス１２２と関連付けられるＦＯＶ（例えば、ＦＯＶ２０２）及び画像取込デバイス１２６と関連付けられるＦＯＶ（例えば、ＦＯＶ２０６）と部分的に又は完全に重複してよい。
画像取込デバイス１２２、１２４及び１２６は、任意の適切な相対的な高さで、車両２００に配置されてよい。一例では、画像取込デバイス１２２、１２４及び１２６間には高さの差があり、ステレオ解析を可能にするのに十分な視差情報を提供し得る。例えば、図２Ａに示されるように、２つの画像取込デバイス１２２及び１２４は、異なる高さを有する。画像取込デバイス１２２、１２４及び１２６間には、横方向のずれ差があってもよく、例えば、処理ユニット１１０によるステレオ解析のために追加の視差情報をもたらす。図２Ｃ及び図２Ｄに示されるように、横方向のずれにおける差は、ｄｘにより示され得る。いくつかの実施形態において、前後のずれ（例えば、範囲のずれ）が画像取込デバイス１２２、１２４及び１２６間に存在し得る。例えば、画像取込デバイス１２２は、画像取込デバイス１２４及び／又は画像取込デバイス１２６の０．５から２メートル又はそれより後方に配置されてよい。このタイプのずれは、画像取込デバイスのうちの１つが、他の画像取込デバイスの可能性のある死角をカバーすることを可能にし得る。
画像取込デバイス１２２は、任意の適切な解像度機能（例えば、画像センサと関連付けられる画素の数）を有してよく、画像取込デバイス１２２と関連付けられる画像センサの解像度は、画像取込デバイス１２４及び１２６と関連付けられる画像センサの解像度より高い、低い、又は同じであってよい。いくつかの実施形態において、画像取込デバイス１２２及び／又は画像取込デバイス１２４及び１２６と関連付けられる画像センサは、６４０×４８０、１０２４×７６８、１２８０×９６０の解像度、又は、任意の他の適切な解像度を有してよい。
フレームレート（例えば、次の画像フレームと関連付けられる画素データの取り込みに移る前に、画像取込デバイスが１つの画像フレームの画素データのセットを取得するレート）は制御可能であり得る。画像取込デバイス１２２と関連付けられるフレームレートは、画像取込デバイス１２４及び１２６と関連付けられるフレームレートより高い、低い、又は同じであってよい。画像取込デバイス１２２、１２４及び１２６と関連付けられるフレームレートは、フレームレートのタイミングに影響を与え得る様々な要因に依存し得る。例えば、画像取込デバイス１２２、１２４及び１２６のうちの１又は複数は、画像取込デバイス１２２、１２４及び／又は１２６における画像センサの１又は複数の画素と関連付けられる画像データを取得する前後に掛かる選択可能な画素遅延時間を含み得る。一般に、各画素に対応する画像データは、デバイスに対するクロックレート（例えば、１画素毎のクロックサイクル）に従って取得され得る。さらに、ローリングシャッタを含む実施形態では、画像取込デバイス１２２、１２４及び１２６のうちの１又は複数は、画像取込デバイス１２２、１２４及び／又は１２６における画像センサの画素の行と関連付けられる画像データを取得する前後に掛かる選択可能な水平ブランキング期間を含み得る。さらに、画像取込デバイス１２２、１２４及び／又は１２６のうちの１又は複数は、画像取込デバイス１２２、１２４及び１２６の画像フレームと関連付けられる画像データを取得する前後に掛かる選択可能な垂直ブランキング期間を含み得る。
これらのタイミング制御は、それぞれのライン走査速度が異なる場合であっても、画像取込デバイス１２２、１２４及び１２６と関連付けられるフレームレートの同期を可能にし得る。さらに、以下でより詳細に議論されるように、これらの選択可能なタイミング制御は、要因（例えば、画像センサの解像度、最大ライン走査速度など）の中でも特に、画像取込デバイス１２２の視野が画像取込デバイス１２４及び１２６のＦＯＶとは異なる場合であっても、画像取込デバイス１２２のＦＯＶが画像取込デバイス１２４及び１２６の１又は複数のＦＯＶと重複する領域から画像取込の同期を可能にし得る。
画像取込デバイス１２２、１２４及び１２６でのフレームレートのタイミングは、関連する画像センサの解像度に依存し得る。例えば、両方のデバイスに対する同様のライン走査速度を仮定すると、一方のデバイスが、６４０×４８０の解像度を有する画像センサを含み、他方のデバイスが１２８０×９６０の解像度を有する画像センサを含む場合、高い解像度を有するセンサから画像データのフレームを取得するのにより多くの時間が必要とされる。
画像取込デバイス１２２、１２４及び１２６における画像データ取得のタイミングに影響を与え得る別の要因は、最大ライン走査速度である。例えば、画像取込デバイス１２２、１２４及び１２６に含まれる画像センサからの画像データの行の取得は、ある最小の時間量を必要とする。画素遅延時間が加えられていないと仮定すると、１行の画像データを取得するためのこの最小の時間量は、特定のデバイスに対する最大ライン走査速度に関連する。より高い最大ライン走査速度を提示するデバイスは、より低い最大ライン走査速度を有するデバイスより高いフレームレートを提供する可能性がある。いくつかの実施形態において、画像取込デバイス１２４及び１２６のうちの１又は複数は、画像取込デバイス１２２と関連付けられる最大ライン走査速度より高い最大ライン走査速度を有し得る。いくつかの実施形態において、画像取込デバイス１２４及び／又は１２６の最大ライン走査速度は、画像取込デバイス１２２の最大ライン走査速度よりも、１．２５倍、１．５倍、１．７５倍、２倍又はそれより大きくてよい。
別の実施形態において、画像取込デバイス１２２、１２４及び１２６は、同じ最大ライン走査速度を有してもよいが、画像取込デバイス１２２は、その最大走査速度より小さい、又は、これに等しい走査速度で動作してよい。システムは、画像取込デバイス１２４及び１２６のうちの１又は複数が、画像取込デバイス１２２のライン走査速度に等しいライン走査速度で動作するように構成されてよい。他の事例では、システムは、画像取込デバイス１２４及び／又は画像取込デバイス１２６のライン走査速度が、画像取込デバイス１２２のライン走査速度よりも１．２５倍、１．５倍、１．７５倍、２倍又はそれより大きくなるように構成されてよい。
いくつかの実施形態において、画像取込デバイス１２２、１２４及び１２６は、非対称であってよい。つまり、それらは、様々な視野（ＦＯＶ）及び焦点距離を有するカメラを含み得る。例えば、画像取込デバイス１２２、１２４及び１２６の視野は、車両２００の環境に関連する任意の所望の領域を含み得る。いくつかの実施形態において、画像取込デバイス１２２、１２４及び１２６のうちの１又は複数は、車両２００の前方、車両２００の後方、車両２００の側方又はそれらの組み合わせにおける環境から画像データを取得するように構成され得る。
さらに、各画像取込デバイス１２２、１２４及び／又は１２６と関連付けられる焦点距離は、各デバイスが車両２００に関連する所望の距離範囲にあるオブジェクトの画像を取得するように、（例えば、適切なレンズなどを含めることにより）選択可能であり得る。例えば、いくつかの実施形態において、画像取込デバイス１２２、１２４及び１２６は、車両から数メートル内に近寄るオブジェクトの画像を取得してよい。画像取込デバイス１２２、１２４及び１２６は、車両からより遠い（例えば、２５ｍ、５０ｍ、１００ｍ、１５０ｍ又はそれより遠い）範囲にあるオブジェクトの画像を取得するように構成されてもよい。さらに、画像取込デバイス１２２、１２４及び１２６の焦点距離は、ある画像取込デバイス（例えば、画像取込デバイス１２２）が、相対的に車両の近く（例えば、１０ｍ以内又は２０ｍ以内）にあるオブジェクトの画像を取得する一方、他の画像取込デバイス（例えば、画像取込デバイス１２４及び１２６）は、車両２００からより遠く（例えば、２０ｍ、５０ｍ、１００ｍ、１５０ｍなどより遠く）にあるオブジェクトの画像を取得できるように選択され得る。
いくつかの実施形態によれば、１又は複数の画像取込デバイス１２２、１２４及び１２６のＦＯＶは、広角を有してよい。例えば、特に、車両２００の近傍にある領域の画像を取り込むために用いられ得る画像取込デバイス１２２、１２４及び１２６にとって、１４０度のＦＯＶを有する方が都合がよい。例えば、画像取込デバイス１２２は、車両２００の右側又は左側にある領域の画像を取り込むために用いられてよく、そのような実施形態において、画像取込デバイス１２２が広ＦＯＶ（例えば、少なくとも１４０度）を有することが望ましいかもしれない。
画像取込デバイス１２２、１２４及び１２６のそれぞれと関連付けられる視野は、それぞれの焦点距離に依存し得る。例えば、焦点距離が大きくなるにつれて、対応する視野が縮小する。
画像取込デバイス１２２、１２４及び１２６は、任意の適切な視野を有するように構成され得る。ある特定の例において、画像取込デバイス１２２は、４６度の水平ＦＯＶを有してよく、画像取込デバイス１２４は、２３度の水平ＦＯＶを有してよく、画像取込デバイス１２６は、２３度と４６度との間の水平ＦＯＶを有してよい。別の例において、画像取込デバイス１２２は、５２度の水平ＦＯＶを有してよく、画像取込デバイス１２４は、２６度の水平ＦＯＶを有してよく、画像取込デバイス１２６は、２６度と５２度との間の水平ＦＯＶを有してよい。いくつかの実施形態において、画像取込デバイス１２４及び／又は画像取込デバイス１２６のＦＯＶに対する画像取込デバイス１２２のＦＯＶの比は、１．５から２．０まで変化し得る。他の実施形態において、この比は、１．２５と２．２５との間で変化し得る。
システム１００は、画像取込デバイス１２２の視野が、画像取込デバイス１２４及び／又は画像取込デバイス１２６の視野と少なくとも部分的に又は完全に重複するように構成されてよい。いくつかの実施形態において、システム１００は、画像取込デバイス１２４及び１２６の視野が、例えば、画像取込デバイス１２２の視野の範囲内に含まれ（例えば、より狭く）、画像取込デバイス１２２の視野と共通の中央を共有するように構成され得る。他の実施形態において、画像取込デバイス１２２、１２４及び１２６は、隣接するＦＯＶを取り込んでよい、又は、それらのＦＯＶにおいて部分的に重複する部分を有してよい。いくつかの実施形態において、狭ＦＯＶの画像取込デバイス１２４及び／又は１２６の中央が広ＦＯＶのデバイス１２２の視野の下半分に配置され得るように、画像取込デバイス１２２、１２４及び１２６の視野は整列されてよい。
図２Ｆは、開示される実施形態と矛盾しない例示的な車両制御システムの概略図である。図２Ｆに示されるように、車両２００は、スロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０を含み得る。システム１００は、１又は複数のデータリンク（例えば、任意の有線及び／又は無線リンク、又は、データを伝送するためのリンク）を介して、スロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０のうちの１又は複数に入力（例えば、制御信号）を提供してよい。例えば、画像取込デバイス１２２、１２４及び／又は１２６により取得された画像の解析に基づいて、システム１００は、（例えば、加速させ、方向転換させ、車線変更させるなどにより）車両２００をナビゲートするために、スロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０のうちの１又は複数に制御信号を提供してよい。さらに、システム１００は、車両２００の動作条件（例えば、速度、車両２００がブレーキする及び／又は方向転換するか否か、など）を示す入力を、スロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４のうちの１又は複数から受信してよい。さらなる詳細は、以下で、図４～図７に関連して提供される。
図３Ａに示されるように、車両２００は、車両２００の運転者又は搭乗者とインタラクションするためのユーザインタフェース１７０を含んでもよい。例えば、車両に適用されるユーザインタフェース１７０は、タッチスクリーン３２０、ノブ３３０、ボタン３４０及びマイク３５０を含み得る。車両２００の運転者又は搭乗者は、（例えば、ウィンカーハンドルを含む車両２００のステアリングコラム上又はその近くに例えば配置される）ハンドル及び（例えば、車両２００のステアリングホイールに配置される）ボタンなどを用いて、システム１００とインタラクションしてもよい。いくつかの実施形態において、マイク３５０は、バックミラー３１０に隣接して配置されてよい。同様に、いくつかの実施形態において、画像取込デバイス１２２は、バックミラー３１０の近くに配置されてよい。いくつかの実施形態において、ユーザインタフェース１７０は、１又は複数のスピーカ３６０（例えば、車両のオーディオシステムのスピーカ）を含んでもよい。例えば、システム１００は、スピーカ３６０を介して、様々な通知（例えば、アラート）を提供してよい。
図３Ｂ～図３Ｄは、開示される実施形態と矛盾しない、バックミラー（例えば、バックミラー３１０）の背後で、車両のフロントガラスに向き合って配置されるように構成される例示的なカメラマウント３７０の図である。図３Ｂに示されるように、カメラマウント３７０は、画像取込デバイス１２２、１２４及び１２６を含んでよい。画像取込デバイス１２４及び１２６は、グレアシールド３８０の背後に配置され、グレアシールド３８０は、車両のフロントガラスにぴったり重なり、フィルム及び／又は反射防止用材料の構成を含み得る。例えば、グレアシールド３８０は、一致する傾きを有する車両のフロントガラスに対してシールドを揃えるように配置されてよい。いくつかの実施形態において、画像取込デバイス１２２、１２４及び１２６のそれぞれは、例えば、図３Ｄに図示されるように、グレアシールド３８０の背後に配置されてよい。開示される実施形態は、画像取込デバイス１２２、１２４及び１２６、カメラマウント３７０及びグレアシールド３８０の特定の構成に限定されることはない。図３Ｃは、正面からの図３Ｂに示されるカメラマウント３７０の図である。
本開示の利点を有する当業者により理解されるように、数々の変形及び／又は修正が、上記の開示される実施形態に行われてよい。例えば、必ずしもすべてのコンポーネントが、システム１００の動作に不可欠なわけではない。さらに、任意のコンポーネントは、システム１００の任意の適切な部分に配置されてよく、当該コンポーネントは開示される実施形態の機能性を提供しつつ、様々な構成に再構築されてよい。したがって、上記の構成は例であり、上述の構成に関わらず、システム１００は、車両２００の周辺を解析し、解析に応答して車両２００をナビゲートするように、広範囲な機能性を提供できる。
以下でさらに詳細に議論され、様々な開示される実施形態と矛盾しないように、システム１００は、自律運転及び／又は運転者支援技術に関連する様々な特徴を提供してよい。例えば、システム１００は、画像データ、位置データ（例えば、ＧＰＳの位置情報）、マップデータ、速度データ、及び／又は、車両２００に含まれるセンサからのデータを解析してよい。システム１００は、例えば、画像取得ユニット１２０、位置センサ１３０及び他のセンサから、解析用のデータを収集してよい。さらに、システム１００は、車両２００が、収集されたデータを解析して、特定の動作を行うべきか否かを判定し、次に、人の介在なしに判定された動作を自動的に行ってよい。例えば、人の介在なしに車両２００がナビゲートする場合、システム１００は、（例えば、スロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０のうちの１又は複数に制御信号を送信することにより）車両２００のブレーキ、加速、及び／又は、ステアリングを自動的に制御してよい。さらに、システム１００は、収集されたデータを解析し、収集されたデータの解析に基づいて、車両の搭乗者に警告及び／又はアラートを発行してよい。システム１００により提供される様々な実施形態に関するさらなる詳細は、以下で提供される。
前向きのマルチ撮像システム
上述したように、システム１００は、マルチカメラシステムを用いる運転支援機能を提供してよい。マルチカメラシステムは、車両の進行方向を向いている１又は複数のカメラを用いてよい。他の実施形態において、マルチカメラシステムは、車両の側方又は車両の後部を向いている１又は複数のカメラを含んでよい。１つの実施形態において、例えば、システム１００は、２つのカメラ撮像システムを用いてよく、第１のカメラ及び第２のカメラ（例えば、画像取込デバイス１２２及び１２４）は、車両（例えば、車両２００）の前方及び／又は側方に配置されてよい。第１のカメラは、第２のカメラの視野より広い、より狭い、又は、部分的に重複する視野を有してよい。さらに、第１のカメラは、第１のカメラにより提供される画像の単眼画像解析を実行する第１の画像プロセッサに接続されてよく、第２のカメラは、第２のカメラにより提供される画像の単眼画像解析を実行する第２の画像プロセッサに接続されてよい。第１及び第２の画像プロセッサの出力（例えば、処理された情報）は組み合わせられてよい。いくつかの実施形態において、第２の画像プロセッサは、第１のカメラ及び第２のカメラの両方から画像を受信して、ステレオ解析を実行してよい。別の実施形態において、システム１００は、カメラの各が様々な視野を有する３つのカメラ撮像システムを用いてよい。したがって、そのようなシステムは、車両の前方及び側方の両方の様々な距離に配置されているオブジェクトから導出された情報に基づいて判定を行ってよい。単眼画像解析への言及は、画像解析が単一の視点から（例えば、単一のカメラから）取り込まれた画像に基づいて実行される例を指し得る。ステレオ画像解析は、画像取込パラメータの１又は複数のバリエーションで取り込まれた２又はそれより多くの画像に基づいて画像解析が実行された例を指し得る。例えば、ステレオ画像解析を実行するのに適した取り込まれた画像は、２又はそれより多くの異なる位置から、様々な視野から、異なる焦点距離を用いて、視差情報などと共に取り込まれた画像を含んでよい。
例えば、１つの実施形態において、システム１００は、画像取込デバイス１２２、１２４及び１２６を用いて、３カメラ構成を実装してよい。そのような構成において、画像取込デバイス１２２は、狭視野（例えば、約２０から４５度などの範囲から選択された３４度又は他の値）を提供してよく、画像取込デバイス１２４は、広視野（例えば、約１００から約１８０度の範囲から選択された１５０度又は他の値）を提供してよく、画像取込デバイス１２６は、中間の視野（例えば、約３５から約６０度の範囲から選択される４６度又は他の値）を提供してよい。いくつかの実施形態において、画像取込デバイス１２６は、主カメラ又はプライマリカメラとして動作し得る。画像取込デバイス１２２、１２４及び１２６は、バックミラー３１０の背後に配置され、実質的に並んで（例えば、６ｃｍ離れて）配置されていてよい。さらに、いくつかの実施形態において、上述したように、画像取込デバイス１２２、１２４及び１２６のうちの１又は複数は、車両２００のフロントガラスにぴったり重なるグレアシールド３８０の背後に取り付けられ得る。そのようなシールドは、画像取込デバイス１２２、１２４及び１２６の車の内部からの任意の反射の影響を最小限に抑えるように動作し得る。
別の実施形態において、図３Ｂ及び図３Ｃに関連して上述したように、広視野カメラ（例えば、上記の例における画像取込デバイス１２４）は、狭い及び主視野カメラ（例えば、上記の例における画像デバイス１２２及び１２６）より下部に取り付けられ得る。この構成は、広視野カメラからの自由な視線をもたらし得る。反射を減らすために、カメラは、車両２００のフロントガラスの近くに取り付けられてよく、反射した光を減衰させるために、カメラに偏光板を含み得る。
３カメラシステムは、特定の性能特性を提供し得る。例えば、いくつかの実施形態は、別のカメラからの検出結果に基づいて、あるカメラによるオブジェクトの検出を検証する能力を含み得る。上述した３カメラ構成では、処理ユニット１１０は、３つの処理デバイス（例えば、上述したようなプロセッサチップの３つのＥｙｅＱシリーズ）を含んでよく、例えば、各処理デバイスは、画像取込デバイス１２２、１２４及び１２６のうちの１又は複数により取り込まれた画像を処理するのに特化している。
３カメラシステムにおいて、第１の処理デバイスは、主カメラ及び狭視野カメラの両方から画像を受信し、てよく、狭ＦＯＶカメラの視覚処理を実行して、例えば、他の車両、歩行者、車線標示、交通標識、交通信号灯及び他の道路オブジェクトを検出し得る。さらにに，第１の処理デバイスは，主カメラ及び狭カメラからの画像間の画素の視差を計算し、車両２００の環境の３Ｄ再構築を生成し得る。第１の処理デバイスは、次に、３Ｄ再構築を、３Ｄマップデータと、又は、別のカメラからの情報に基づいて算出された３Ｄ情報と結合してよい。
第２の処理デバイスは、主カメラから画像を受信し、視覚処理を実行して、他の車両、歩行者、車線標示、交通標識、交通信号灯及び他の道路オブジェクトを検出し得る。さらに、第２の処理デバイスは、カメラのずれを計算し、当該ずれに基づいて、一連の画像間の画素の視差を計算し、シーン（例えば、動作からの構造）の３Ｄ再構築を生成し得る。第２の処理デバイスは、ステレオ３Ｄ画像と組み合わせられる対象の３Ｄ再構築に基づく動作からの構造を第１の処理デバイスに送信し得る。
第３の処理デバイスは、広ＦＯＶカメラから画像受信し、当該画像を処理して、車両、歩行者、車線標示、交通標識、交通信号灯及び他の道路オブジェクトを検出し得る。第３の処理デバイスは、さらに、追加の処理命令を実行して画像を解析し、画像内を移動するオブジェクト、例えば、車線を変更する車両、歩行者などを識別し得る。
いくつかの実施形態において、画像ベースの情報のストリームを独立して取り込まれて処理されることは、システムの冗長性を提供するための機会を提供し得る。そのような冗長性は、例えば、第１の画像取込デバイス及びそのデバイスから処理された画像を用いて、少なくとも第２の画像取込デバイスからの画像情報を取り込んで処理することにより取得された情報を検証及び／又は補完することを含み得る。
いくつかの実施形態において、システム１００は、車両２００にナビゲーション支援を提供する際に、２つの画像取込デバイス（例えば、画像取込デバイス１２２及び１２４）を用いてよく、第３の画像取込デバイス（例えば、画像取込デバイス１２６）を用いて、冗長性を提供し、他の２つの画像取込デバイスから受信したデータの解析を検証し得る。例えば、そのような構成において、画像取込デバイス１２２及び１２４は、車両２００をナビゲートするためにシステム１００によるステレオ解析のための画像を提供してよく、一方、画像取込デバイス１２６は、画像取込デバイス１２２及び／又は画像取込デバイス１２４から取り込まれた画像に基づいて取得した情報の冗長性及び検証を提供するために、システム１００による単眼解析のための画像を提供してよい。つまり、画像取込デバイス１２６（及び、対応する処理デバイス）は、（例えば、自動緊急ブレーキ（ＡＥＢ）システムを提供するために）画像取込デバイス１２２及び１２４から導出された解析に対するチェックを提供するための冗長サブシステムを提供するものととらえられ得る。さらに、いくつかの実施形態において、受信したデータの冗長性及び検証は、１又は複数のセンサから受信した情報（例えば、レーダ、ライダ、音響センサ、車両の外部の１又は複数のトランシーバから受信した情報など）に基づいて補完され得る。
当業者であれば、上記のカメラ構成、カメラの配置、カメラの数、カメラの位置などが例に過ぎないことを認識するだろう。これらの構成要素及びシステム全体に対して説明したその他のものは、開示される実施形態の範囲から逸脱することなく、様々な異なる構成において組み立てられて用いられてよい。運転者支援及び／又は自律走行車両の機能性を提供するためのマルチカメラシステムの使用に関するさらなる詳細は、以下のとおりである。
図４は、メモリ１４０及び／又は１５０の例示的な機能ブロック図であり、開示される実施形態と矛盾しない１又は複数の演算を実行するための命令が格納され／プログラムされ得る。以下では、メモリ１４０に言及するが、当業者であれば、命令がメモリ１４０及び／又は１５０に格納されてよいことを認識するだろう。
図４に示されるように、メモリ１４０は、単眼画像解析モジュール４０２、ステレオ画像解析モジュール４０４、速度及び加速度モジュール４０６、及び、ナビゲーション応答モジュール４０８を格納してよい。開示される実施形態は、メモリ１４０の特定の構成に限定されることはない。さらに、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、メモリ１４０に含まれるモジュール４０２、４０４、４０６及び４０８のいずれかに格納されている命令を実行してよい。当業者であれば、処理ユニット１１０に対する以下の説明での言及は、アプリケーションプロセッサ１８０及び画像プロセッサ１９０に対して個々に又はまとめて言及し得ることを理解するだろう。したがって、以下の処理のいずれかの段階は、１又は複数の処理デバイスにより実行されてよい。
１つの実施形態において、単眼画像解析モジュール４０２は、処理ユニット１１０により実行される場合、画像取込デバイス１２２、１２４及び１２６のうちの１つにより取得された画像のセットの単眼画像解析を実行する命令（例えば、コンピュータビジョンソフトウェア）を格納してよい。いくつかの実施形態において、処理ユニット１１０は、画像のセットからの情報を、追加の知覚情報（例えば、レーダ、ライダなどからの情報）と結合して、単眼画像解析を実行してよい。以下で、図５Ａ～図５Ｄに関連して説明されるように、単眼画像解析モジュール４０２は、画像セット内の特徴セット、例えば、車両の環境と関連付けられる車線標示、車両、歩行者、道路標識、高速道路出口ランプ、交通信号灯、危険物及び他のいずれかの特徴を検出するための命令を含み得る。解析に基づいて、（例えば、処理ユニット１１０を介して）システム１００は、ナビゲーション応答モジュール４０８に関連して以下で議論されるように、方向転換、車線変更及び加速度の変更など、車両２００における１又は複数のナビゲーション応答を実行させてよい。
１つの実施形態において、ステレオ画像解析モジュール４０４は、処理ユニット１１０により実行される場合、画像取込デバイス１２２、１２４及び１２６のいずれかから選択された画像取込デバイスの組み合わせにより取得された第１及び第２の画像セットについてのステレオ画像解析を実行する命令（例えば、コンピュータビジョンソフトウェア）を格納し得る。いくつかの実施形態において、処理ユニット１１０は、第１及び第２の画像セットからの情報を追加の知覚情報（例えば、レーダからの情報）と結合して、ステレオ画像解析を実行してよい。例えば、ステレオ画像解析モジュール４０４は、画像取込デバイス１２４により取得された第１の画像のセット、及び、画像取込デバイス１２６により取得された第２の画像のセットに基づいてステレオ画像解析を実行するための命令を含み得る。以下で、図６に関連して説明されるように、ステレオ画像解析モジュール４０４は、第１及び第２の画像セット内の特徴のセット、例えば、車線標示、車両、歩行者、道路標識、高速道路出口ランプ、交通信号灯及び危険物などを検出するための命令を含み得る。解析に基づいて、処理ユニット１１０は、ナビゲーション応答モジュール４０８に関連して以下で議論されるように、方向転換、車線変更、及び、加速度の変更など、車両２００における１又は複数のナビゲーション応答を実行させてよい。さらに、いくつかの実施形態において、ステレオ画像解析モジュール４０４は、訓練されたシステム（例えば、ニューラルネットワーク又はディープニューラルネットワーク）、又は、訓練されていないシステム、例えば、コンピュータビジョンアルゴリズムを用いて、知覚情報が取り込まれて処理された環境内のオブジェクトを検出及び／又は分類するように構成され得るシステムと関連付けられる技術を実装してよい。１つの実施形態において、ステレオ画像解析モジュール４０４及び／又は他の画像処理モジュールは、訓練されているシステム及び訓練されていないシステムの組み合わせを用いるように構成されてよい。
１つの実施形態において、速度及び加速度モジュール４０６は、車両２００の速度及び／又は加速度を変更させるように構成される車両２００内の１又は複数のコンピューティング及び電気機械デバイスから受信したデータを解析するように構成されるソフトウェアを格納してよい。例えば、処理ユニット１１０は、単眼画像解析モジュール４０２及び／又はステレオ画像解析モジュール４０４の実行から導出されたデータに基づいて、車両２００に対する目標速度を計算するように、速度及び加速度モジュール４０６と関連付けられた命令を実行してよい。そのようなデータは、例えば、目標位置、速度及び／又は加速度、近くの車両、歩行者又は道路オブジェクトに対して相対的な車両２００の位置及び／又は速度、及び、道路の車線標示に対して相対的な車両２００の位置情報を含み得る。さらに、処理ユニット１１０は、知覚入力（例えば、レーダからの情報）、及び、車両２００の他のシステム、例えば、車両２００のスロットリングシステム２２０、ブレーキシステム２３０及び／又はステアリングシステム２４０からの入力に基づいて、車両２００に対する目標速度を計算してよい。算出された目標速度に基づいて、処理ユニット１１０は、車両２００のスロットリングシステム２２０、ブレーキシステム２３０、及び／又は、ステアリングシステム２４０に電子信号を伝送して、例えば、物理的にブレーキをかける、又は、車両２００のアクセルを緩めることにより、速度及び／又は加速度を変更することをトリガし得る。
１つの実施形態において、ナビゲーション応答モジュール４０８は、単眼画像解析モジュール４０２及び／又はステレオ画像解析モジュール４０４から導出されたデータに基づいて、所望のナビゲーション応答を判定するように、処理ユニット１１０により実行可能なソフトウェアを格納してよい。そのようなデータは、近くの車両、歩行者及び道路オブジェクト、及び、車両２００の目標位置情報などと関連付けられる位置及び速度情報を含み得る。さらに、いくつかの実施形態において、ナビゲーション応答は、マップデータ、車両２００の予め定められた位置、及び／又は、単眼画像解析モジュール４０２及び／又はステレオ画像解析モジュール４０４から検出された車両２００と１又は複数の物体との間の相対速度又は相対加速度に（部分的に又は完全に）基づいてよい。ナビゲーション応答モジュール４０８は、知覚入力（例えば、レーダからの情報）、及び、車両２００の他のシステム、例えば、車両２００のスロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０からの入力に基づいて、所望のナビゲーション応答を判定してもよい。所望のナビゲーション応答に基づいて、処理ユニット１１０は、車両２００のスロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０に電子信号を伝送して、例えば、車両２００のステアリングホイールを回転させて、予め定められた角度の回転を実現することにより、所望のナビゲーション応答をトリガしてよい。いくつかの実施形態において、処理ユニット１１０は、車両２００の速度の変更を算出するために、速度及び加速度モジュール４０６の実行への入力として、ナビゲーション応答モジュール４０８の出力（例えば、所望のナビゲーション応答）を用いてよい。
さらに、本明細書で開示されるモジュール（例えば、モジュール４０２、４０４及び４０６）のいずれかは、訓練されたシステム（など、ニューラルネットワーク又はディープニューラルネットワーク）又は訓練されていないシステムと関連付けられる技術を実装してよい。
図５Ａは、開示される実施形態と矛盾しない、単眼画像解析に基づいて１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャート５００Ａである。段階５１０において、処理ユニット１１０は、処理ユニット１１０と画像取得ユニット１２０との間のデータインタフェース１２８を介して複数の画像を受信してよい。例えば、画像取得ユニット１２０に含まれるカメラ（例えば、視野２０２を有する画像取込デバイス１２２）は、車両２００の前方（又は、例えば、車両の側方又は後部）の領域の複数の画像を取り込み、それらをデータ接続（例えば、デジタル、有線、ＵＳＢ、無線、Ｂｌｕｅｔｏｏｔｈ（登録商標）など）を介して処理ユニット１１０に伝送してよい。処理ユニット１１０は、以下で図５Ｂ～図５Ｄに関連するさらなる詳細で説明されるように、段階５２０において、単眼画像解析モジュール４０２を実行して、複数の画像の解析を実行してよい。解析を実行することにより、処理ユニット１１０は、画像セット内の特徴セット、例えば、車線標示、車両、歩行者、道路標識、高速道路出口ランプ及び交通信号灯などを検出してよい。
段階５２０において、処理ユニット１１０は、単眼画像解析モジュール４０２を実行し、様々な道路障害物、例えば、トラックのタイヤのパーツ、落下した道路標識、ルーズカーゴ及び小動物などを検出することを実行してもよい。道路障害物は、構造、形状、サイズ及び色によって異なり、そのような障害物の検出をより困難にし得る。いくつかの実施形態において、処理ユニット１１０は、単眼画像解析モジュール４０２を実行し、複数の画像に対するマルチフレーム解析を実行して道路障害物を検出し得る。例えば、処理ユニット１１０は、連続する画像フレーム間のカメラの動きを推定し、フレーム間の画素の視差を計算して道路の３Ｄマップを構築してよい。次に、処理ユニット１１０は、３Ｄマップを用いて、路面及び路面に存在する障害物を検出してよい。
段階５３０において、処理ユニット１１０は、ナビゲーション応答モジュール４０８を実行して、段階５２０において実行された解析、及び、図４に関連して上述した技術に基づいて、車両２００における１又は複数のナビゲーション応答を行ってよい。ナビゲーション応答は、例えば、方向転換、車線変更及び加速度の変更などを含み得る。いくつかの実施形態において、処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されたデータを用いて、１又は複数のナビゲーション応答を行ってよい。さらに、複数のナビゲーション応答は、同時に、順番に、又は、それらの任意の組み合わせで生じ得る。例えば、処理ユニット１１０は、例えば、車両２００のステアリングシステム２４０及びスロットリングシステム２２０に制御信号を連続して伝送することにより、車両２００を一車線向こう側に変えて、その後加速させてよい。代替的に、処理ユニット１１０は、例えば、車両２００のブレーキシステム２３０及びステアリングシステム２４０に制御信号を連続的に伝送することにより、車両２００にブレーキをかけさせながら、同時に車線を変えてよい。
図５Ｂは、開示される実施形態と矛盾しない、画像のセット内の１又は複数の車両及び／又は歩行者を検出するための例示的なプロセスを示すフローチャート５００Ｂである。処理ユニット１１０は、単眼画像解析モジュール４０２を実行して、処理５００Ｂを実施してよい。段階５４０において、処理ユニット１１０は、可能性のある車両及び／又は歩行者を表す候補オブジェクトのセットを判定してよい。例えば、処理ユニット１１０は、１又は複数の画像をスキャンし、当該画像を１又は複数の予め定められたパターンと比較し、各画像内に、関心のあるオブジェクト（例えば、車両、歩行者又はそれらの一部）を含み得る可能性のある位置を識別してよい。予め定められたパターンは、高い割合の「偽のヒット」及び低い割合の「見逃し」を実現するようなやり方で設計されてよい。例えば、処理ユニット１１０は、可能性のある車両又は歩行者として候補オブジェクトを識別するために、予め定められたパターンとの低閾値の類似性を用いてよい。そうすることにより、処理ユニット１１０が車両又は歩行者を表す候補オブジェクトを見逃す（例えば、識別していない）確率を減らすことが可能となり得る。
段階５４２において、処理ユニット１１０は、候補オブジェクトのセットをフィルタリングし、分類基準に基づいて、特定の候補（例えば、無関係なオブジェクト又は関連性の低いオブジェクト）を除外してよい。そのような基準は、データベース（例えば、メモリ１４０に格納されているデータベース）に格納されたオブジェクトの種類と関連付けられている様々な特性から導出され得る。特性は、（例えば、車両２００に対する）オブジェクトの形状、寸法、質感、位置などを含み得る。したがって、処理ユニット１１０は、候補オブジェクトのセットから１又は複数の基準のセットを用いて、偽の候補を拒否してよい。
段階５４４において、処理ユニット１１０は、画像の複数のフレームを解析して、候補オブジェクトのセット内のオブジェクトが車両及び／又は歩行者を表すか否かを判定してよい。例えば、処理ユニット１１０は、連続したフレームにわたって検出した候補オブジェクトを追跡し、検出されたオブジェクト（例えば、車両２００に関連するサイズ、位置など）と関連付けられたフレームごとのデータを蓄積してよい。さらに、処理ユニット１１０は、検出されたオブジェクトに対するパラメータを推定し、オブジェクトのフレームごとの位置データを予測された位置と比較してよい。
段階５４６において、処理ユニット１１０は、検出されたオブジェクトに対する測定値のセットを構築してよい。そのような測定値は、例えば、検出されたオブジェクトと関連付けられた（車両２００に関連する）位置、速度及び加速度の値を含み得る。いくつかの実施形態において、処理ユニット１１０は、一連の時間ベースの観測、例えば、カルマンフィルタ又は線形二次推定（ＬＱＥ）を用いた推定技術に基づいて、及び／又は、異なるオブジェクトの種類（例えば、車、トラック、歩行者、自転車、道路標識など）に対する利用可能なモデル化データに基づいて、測定値を構築してよい。カルマンフィルタは、オブジェクトのスケールの測定に基づいてよく、ここで、スケールの測定値は、衝突までの時間（例えば、車両２００がオブジェクトに到達までの時間の長さ）に比例する。したがって、段階５４０－５４６を実行することによって、処理ユニット１１０は、取り込まれた画像のセット内に現れる車両及び歩行者を識別して、車両及び歩行者と関連付けられる情報（例えば、位置、速度、サイズ）を導出し得る。識別子及び導出された情報に基づいて、処理ユニット１１０は、上記の図５Ａに関連して説明されたように、車両２００における１又は複数のナビゲーション応答を行ってよい。
段階５４８において、処理ユニット１１０は、１又は複数の画像のオプティカルフロー解析を実行して、「偽のヒット」を検出する確率、及び、車両又は歩行者を表す候補オブジェクトを見逃す確率を減らし得る。オプティカルフロー解析は、例えば、他の車両及び歩行者と関連付けられる１又は複数の画像内の車両２００に関連し、路面動作とは区別される動作パターンを解析することを指し得る。処理ユニット１１０は、異なる時間に取り込まれた複数の画像フレームにわたるオブジェクトの異なる位置を観測することにより、候補オブジェクトの動作を計算してよい。処理ユニット１１０は、候補オブジェクトの動作を算出するための数学的モデルへの入力として、位置及び時間の値を用いてよい。したがって、オプティカルフロー解析は、車両２００の近くにある車両及び歩行者を検出する別の方法を提供してよい。処理ユニット１１０は、段階５４０－５４６の組み合わせでオプティカルフロー解析を実行して、車両及び歩行者を検出するための冗長性を提供し、システム１００の信頼性を向上させ得る。
図５Ｃは、開示される実施形態と矛盾しない、画像のセット内の路面標示及び／又は車線形状情報を検出するための例示的なプロセスを示すフローチャート５００Ｃである。処理ユニット１１０は、単眼画像解析モジュール４０２を実行して処理５００Ｃを実施してよい。段階５５０において、処理ユニット１１０は、１又は複数の画像をスキャンすることにより、オブジェクトのセットを検出してよい。車線標示、車線形状情報及び他の関連する路面標示のセグメントを検出するために、処理ユニット１１０は、オブジェクトのセットをフィルタリングして、無関係であると判定されたもの（例えば、わずかなくぼみ、小さな岩など）を除外してよい。段階５５２において、処理ユニット１１０は、同じ道路標示又は車線標示に属する段階５５０において検出されたセグメントを一緒にグループ化してよい。グループ化に基づいて、処理ユニット１１０は、検出されたセグメントを表すモデル、例えば、数学的なモデルを展開し得る。
段階５５４において、処理ユニット１１０は、検出されたセグメントと関連付けられる測定値のセットを構築してよい。いくつかの実施形態において、処理ユニット１１０は、画像平面から現実世界の平面上に検出されたセグメントの射影を作成してよい。射影は、物理的な特性、例えば、検出された道路の位置、傾き、曲率及び曲率関数に対応する係数を有する３次多項式を用いて特徴付けられてよい。射影を生成する際に、処理ユニット１１０は、路面の変化、及び、車両２００と関連付けられるピッチ及びロールレートを考慮し得る。さらに、処理ユニット１１０は、路面に存在する位置及びモーションキューを解析することにより、道路の標高をモデルしてよい。さらに、処理ユニット１１０は、１又は複数の画像内の特徴点のセットを追跡することにより、車両２００と関連付けられているピッチ及びロールレートを推定してよい。
段階５５６において、処理ユニット１１０は、例えば、連続する画像フレームにわたって検出されたセグメントを追跡すること、及び、検出されたセグメントと関連付けられているフレームごとのデータを蓄積することにより、マルチフレーム解析を実行してよい。処理ユニット１１０がマルチフレーム解析を実行するので、段階５５４で構築された測定値のセットは、より信頼できるものとなり、ますます高い信頼水準と関連付けられ得る。したがって、段階５５０、５５２、５５４及び５５６を実行することにより、処理ユニット１１０は、取り込まれた画像のセット内に現れる路面標示を識別し、車線形状情報を導出し得る。識別子及び導出された情報に基づいて、処理ユニット１１０は、上記の図５Ａに関連して説明されたように、車両２００における１又は複数のナビゲーション応答を行ってよい。
段階５５８において、処理ユニット１１０は、その周囲のコンテキストにおいて、車両２００に対する安全モデルをさらに展開するように、追加の情報源を考慮し得る。処理ユニット１１０は、安全モデルを用いて、システム１００が安全な方式で車両２００の自律制御を実行し得るコンテキストを画定してよい。安全モデルを展開するために、いくつかの実施形態において、処理ユニット１１０は、他の車両の位置及び動き、検出された道路の縁部及び境界、及び／又は、マップデータ（例えば、マップデータベース１６０からのデータ）から抽出された一般的な道路の道路形状描写を考慮してよい。追加の情報源を考慮することで、処理ユニット１１０は、路面標示及び車線の幾何学形状を検出するための冗長性を提供し、システム１００の信頼性を高め得る。
図５Ｄは、開示される実施形態と矛盾しない、画像のセット内の交通信号灯を検出するための例示的なプロセスを示すフローチャート５００Ｄである。処理ユニット１１０は、単眼画像解析モジュール４０２を実行して、処理５００Ｄを実施してよい。段階５６０において、処理ユニット１１０は、画像のセットをスキャンすることができ、交通信号灯を含みそうな画像内の位置に現れるオブジェクトを識別してよい。例えば、処理ユニット１１０は、交通信号灯に対応する可能性が低いそれらのオブジェクトを除外して、候補オブジェクトのセットを構築するために、識別されたオブジェクトをフィルタリングしてよい。フィルタリングは、交通信号灯と関連付けられている様々な特性、例えば、（例えば、車両２００に関連する）形状、寸法、テクスチャ、位置に基づいて行われてよい。そのような特性は、交通信号灯及び交通制御信号についての複数の例に基づいてよく、データベースに格納されてよい。いくつかの実施形態において、処理ユニット１１０は、可能性のある交通信号灯を反映する候補オブジェクトのセットに対してマルチフレーム解析を実行してよい。例えば、処理ユニット１１０は、連続する画像フレームにわたって候補オブジェクトを追跡し、候補オブジェクトの現実世界の位置を推定し、（交通信号灯である可能性が低い）移動しているそれらのオブジェクトを取り除いてよい。いくつかの実施形態において、処理ユニット１１０は、候補オブジェクトに対して色解析を実行し、可能性のある交通信号灯の内部に現れる検出された色の相対位置を識別してよい。
段階５６２、処理ユニット１１０は、ジャンクションの幾何学形状を解析してよい。解析は、（ｉ）車両２００の側方のいずれかで検出された車線の数、（ｉｉ）道路上で検出されたマーキング（例えば、矢印マーク）、及び、（ｉｉｉ）マップデータから抽出されたジャンクションの記述（マップデータベース１６０からのデータなど）の任意の組み合わせに基づいてよい。処理ユニット１１０は、単眼解析モジュール４０２の実行から導出された情報を用いて解析を実行してよい。さらに、処理ユニット１１０は、段階５６０で検出された交通信号灯と車両２００の近くに現れる車線との間の対応関係を判定してよい。
車両２００がジャンクションに近づくと、段階５６４において、処理ユニット１１０は、解析されたジャンクションの幾何学形状及び検出された交通信号灯と関連付けられる信頼水準を更新してよい。例えば、ジャンクションに実際に現れる数と比較された、ジャンクションに現れると推定される交通信号灯の数は、信頼水準に影響を与え得る。したがって、信頼水準に基づいて、処理ユニット１１０は、安全性の条件を改善するために、車両２００の運転者に制御を委任してよい。段階５６０、５６２及び５６４を実行することにより、処理ユニット１１０は、取り込まれた画像のセット内に現れる交通信号灯を識別し、ジャンクションの幾何学情報を解析してよい。識別及び解析に基づいて、処理ユニット１１０は、上記の図５Ａに関連して説明されたように、車両２００における１又は複数のナビゲーション応答を行ってよい。
図５Ｅは、開示される実施形態と矛盾しない、車両経路に基づいて車両２００における１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャート５００Ｅである。段階５７０において、処理ユニット１１０は、車両２００と関連付けられる初期の車両経路を構築してよい。車両経路は、座標（ｘ、ｚ）に表される点のセットを用いて表され、点のセット内の２点間の距離ｄｉは、１から５メートルの範囲に収まり得る。１つの実施形態において、処理ユニット１１０は、２つの多項式、例えば、左右の道路多項式を用いて、初期の車両経路を構築してよい。処理ユニット１１０は、２つの多項式間の幾何学的な中間点を計算し、もしあれば、予め定められたオフセット（例えば、スマート車線のオフセット）により、結果的な車両経路に含まれる各点を補ってよい（ゼロのオフセットは、車線の中央での走行に対応し得る）。オフセットは、車両経路内の任意の２点間のセグメントと垂直な方向であってよい。別の実施形態において、処理ユニット１１０は、１つの多項式及び推定される車線幅を用いて、推定される車線幅の半分に加えて予め定められたオフセット（例えば、スマート車線のオフセット）だけ車両経路の各点をオフセットしてよい。
段階５７２において、処理ユニット１１０は、段階５７０で構築された車両経路を更新してよい。処理ユニット１１０は、高い解像度を用いて段階５７０で構築された車両経路を再構築してよく、その結果、車両経路を表す点のセットにおける２点間の距離ｄｋは、上述した距離ｄｉより短い。例えば、距離ｄｋは、０．１から０．３メートルの範囲に収まり得る。処理ユニット１１０は、車両経路の全長に対応する（すなわち、車両経路を表す点のセットに基づいて）累積距離ベクトルＳを生じ得る放物線スプラインアルゴリズムを用いて車両経路を再構築してよい。
段階５７４において、処理ユニット１１０は、段階５７２で構築された更新済みの車両経路に基づいて、（（ｘｌ、ｚｌ）として座標に表される）先読み点を判定してよい。処理ユニット１１０は、累積距離ベクトルＳから先読み点を抽出してよく、先読み点は、先読み距離及び先読み時間と関連付けられてよい。１０から２０メートルまでの範囲に下限を有し得る先読み距離は、車両２００の速度と先読み時間との積として算出され得る。例えば、車両２００の速度が落ちた場合、先読み距離も（例えば、下限に達するまで）縮まり得る。逆に、０．５から１．５秒までの範囲であり得る先読み時間は、車両２００におけるナビゲーション応答を行うことと関連付けられる１又は複数の制御ループ、例えば、ヘッディングの誤差追跡制御ループのゲインに比例し得る。例えば、ヘッディングの誤差追跡制御ループのゲインは、ヨーレートループの帯域幅、ステアリングアクチュエータループ、及び、車の横方向の運動状態などに依存し得る。したがって、ヘッディングの誤差追跡制御ループのゲインが高くなると、先読み時間が短くなる。
段階５７６において、処理ユニット１１０は、段階５７４で判定された先読み点に基づいて、ヘッディングの誤差及びヨーレートコマンドを判定してよい。処理ユニット１１０は、先読み点の逆正接、例えば、ａｒｃｔａｎ（ｘｌ／ｚｌ）を算出することによりヘッディングの誤差を判定してよい。処理ユニット１１０は、ヘッディングの誤差とハイレベル制御ゲインの積として、ヨーレートコマンドを判定してよい。先読み距離が下限にない場合、ハイレベル制御ゲインは、（２／先読み時間）に等しくなり得る。そうでない場合、ハイレベル制御ゲインは、（２×車両２００の速度／先読み距離）に等しくなり得る。
図５Ｆは、開示される実施形態と矛盾しない、先行車両が車線を変更するか否かを判定するための例示的なプロセスを示すフローチャート５００Ｆである。段階５８０において、処理ユニット１１０は、先行車両（例えば、車両２００の前方を走行する車両）と関連付けられているナビゲーション情報を判定してよい。例えば、処理ユニット１１０は、上記の図５Ａ及び図５Ｂに関連して説明された技術を用いて、先行車両の位置、速度（例えば、方向及び速度）、及び／又は、加速度を判定してよい。処理ユニット１１０は、上記の図５Ｅに関連して説明された技術を用いて、１又は複数の道路多項式、（車両２００と関連付けられる）先読み点、及び／又は、スネイルトレイル（例えば、先行車両が取る経路を記述する点のセット）を判定してもよい。
段階５８２において、処理ユニット１１０は、段階５８０で判定されたナビゲーション情報を解析してよい。１つの実施形態において、処理ユニット１１０は、スネイルトレイルと道路多項式との間の（例えば、軌跡に沿う）距離を計算してよい。軌跡に沿うこの距離の分散が、予め定められた閾値（例えば、直線道路では０．１から０．２メートル、適度にカーブした道路では０．３から０．４メートル及び急カーブのある道路では０．５から０．６メートル）を超える場合、処理ユニット１１０は、先行車両が車線を変更しそうであると判定してよい。複数の自動車が車両２００の前方を走行していることが検出された場合、処理ユニット１１０は、各車両と関連付けられたスネイルトレイルを比較してよい。比較に基づいて、処理ユニット１１０は、スネイルトレイルが他の車両のスネイルトレイルと一致していない車両が車線を変更しそうであると判定してよい。処理ユニット１１０は、（先行車両と関連付けられている）スネイルトレイルの曲率を先行車両が走行している道路セグメントの予想される曲率とさらに比較してよい。予想される曲率は、マップデータから（例えば、マップデータベース１６０からのデータから）、道路多項式から、他の車両のスネイルトレイルから、及び、道路についての予備知識などから抽出されてよい。スネイルトレイルの曲率と道路セグメントの予想される曲率との差が、予め定められた閾値を超える場合、処理ユニット１１０は、先行車両が車線を変更しそうであると判定してよい。
別の実施形態において、処理ユニット１１０は、特定の期間（例えば、０．５から１．５秒）にわたって、先行車両の瞬間の位置を（車両２００と関連付けられている）先読み点と比較してよい。先行車両の瞬間の位置と先読み点との間の距離が、特定の期間中に変化した場合、変化の累積的合計が予め定められた閾値（例えば、直線道路では０．３から０．４メートル、適度にカーブした道路では０．７から０．８メートル、及び、急カーブのある道路では１．３から１．７メートル）を超えた場合、処理ユニット１１０は、先行車両が車線を変更しそうであると判定してよい。別の実施形態において、処理ユニット１１０は、軌跡に沿って走行した横方向距離を予想されるスネイルトレイルの曲率と比較することにより、スネイルトレイルの幾何学形状を解析してよい。予想される曲率半径は、計算（δｚ ２＋δｘ ２）／２／(δｘ)に従って判定されてよく、ここで、δｘは走行した横方向距離を表し、δｚは、走行した長手方向の距離を表す。走行した横方向距離と予想される曲率との間の差が、予め定められた閾値（例えば、５００から７００メートル）を超えた場合、処理ユニット１１０は、先行車両が車線を変更しそうであると判定してよい。別の実施形態において、処理ユニット１１０は、先行車両の位置を解析してよい。先行車両の位置が、道路多項式（例えば、先行車両が道路多項式の上部にオーバーレイされる）を分かりにくくする場合、処理ユニット１１０は、先行車両が車線を変更しそうであると判定してよい。先行車両の前方に別の車両が検出されるように、及び、２つの車両のスネイルトレイルが平行でないような位置に先行車両がいる場合、処理ユニット１１０は、（より近い）先行車両が車線を変更しそうであると判定してよい。
段階５８４において、処理ユニット１１０は、段階５８２で実行された解析に基づいて、先行車両２００が車線を変更しているか否かを判定してよい。例えば、処理ユニット１１０は、段階５８２で実行された個々の解析の重み付けされた平均に基づいた判定を行ってよい。そのようなスキームの下、例えば、特定のタイプの解析に基づいて、先行車両が車線を変更しそうであるとの処理ユニット１１０による判定は、「１」の値が割り当てられてよい（「０」は、先行車両が車線を変更しそうにないとの判定を表す）。段階５８２で実行された異なる解析は、異なる重みが割り当てられてよく、開示される実施形態では、解析及び重みの特定の組み合わせに限定されることはない。
図６は、開示される実施形態と矛盾しない、ステレオ画像解析に基づいて１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャート６００である。段階６１０において、処理ユニット１１０は、データインタフェース１２８を介して第１及び第２の複数の画像を受信してよい。例えば、画像取得ユニット１２０に含まれるカメラ（例えば、視野２０２及び２０４を有する画像取込デバイス１２２及び１２４）は、車両２００の前方の領域の第１及び第２の複数の画像を取り込み、それらをデジタル接続（例えば、ＵＳＢ、無線、Ｂｌｕｅｔｏｏｔｈ（登録商標）など）を介して処理ユニット１１０に伝送してよい。いくつかの実施形態において、処理ユニット１１０は、２又はそれより多くのデータインタフェースを介して第１及び第２の複数の画像を受信してよい。開示される実施形態は、特定のデータインタフェース構成又はプロトコルに限定されることはない。
段階６２０において、処理ユニット１１０は、ステレオ画像解析モジュール４０４を実行し、第１及び第２の複数の画像のステレオ画像解析を実行して、車両の前方の道路についての３Ｄマップを作成し、画像内の特徴、例えば、車線標示、車両、歩行者、道路標識、高速道路出口ランプ、交通信号灯及び道路障害物などを検出し得る。ステレオ画像解析は、上記の図５Ａ～図５Ｄに関連して説明された段階と同様の態様で実行され得る。例えば、処理ユニット１１０は、ステレオ画像解析モジュール４０４を実行し、第１及び第２の複数の画像内の候補オブジェクト（例えば、車両、歩行者、路面標示、交通信号灯、道路障害物など）を検出し、様々な基準に基づいて候補オブジェクトのサブセットを取り除き、マルチフレーム解析を実行して、測定値を構築し、残りの候補オブジェクトに対する信頼水準を判定してよい。上記の段階を実行する際に、処理ユニット１１０は、１つの画像のセットのみからの情報よりはむしろ、第１及び第２の複数の画像の両方からの情報を考慮してよい。例えば、処理ユニット１１０は、第１及び第２の複数の画像の両方に現れる候補オブジェクトに対する画素レベルのデータ（又は、取り込まれた画像の２つのストリームからの他のデータサブセット）における差を解析してよい。別の例として、処理ユニット１１０は、オブジェクトが、複数の画像のうちの１つに現れているが、他の画像には現れていないことを観測することにより、又は、２つの画像ストリームに現れるオブジェクトに関連して存在し得る他の差に関連して、（例えば、車両２００に関連する）候補オブジェクトの位置及び／又は速度を推定してよい。例えば、車両２００に関連する位置、速度及び／又は加速度は、画像ストリームの一方又は両方に現れるオブジェクトと関連付けられる特徴の軌跡、位置、動作、特性などに基づいて判定され得る。
段階６３０、処理ユニット１１０は、ナビゲーション応答モジュール４０８を実行して、段階６２０において実行された解析、及び、図４に関連して上述したような技術に基づいて、車両２００における１又は複数のナビゲーション応答を行ってよい。ナビゲーション応答は、例えば、方向転換、車線変更、加速度の変更、速度の変更及びブレーキなどを含み得る。いくつかの実施形態において、処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されたデータを用いて、１又は複数のナビゲーション応答を行ってよい。さらに、複数のナビゲーション応答は、同時に、順番に、又は、それらの任意の組み合わせで生じ得る。
図７は、開示される実施形態と矛盾しない、画像の３つのセットの解析に基づいて、１又は複数のナビゲーション応答を行うための例示的なプロセスを示すフローチャート７００である。段階７１０において、処理ユニット１１０は、データインタフェース１２８を介して第１、第２及び第３の複数の画像を受信してよい。例えば、画像取得ユニット１２０に含まれるカメラ（例えば、視野２０２、２０４及び２０６を有する画像取込デバイス１２２、１２４及び１２６）は、前方、及び／又は、車両２００の側方の領域の第１、第２及び第３の複数の画像を取り込み、それらをデジタル接続（例えば、ＵＳＢ、無線、Ｂｌｕｅｔｏｏｔｈ（登録商標）など）を介して処理ユニット１１０に伝送してよい。いくつかの実施形態において、処理ユニット１１０は、３又はそれより多くのデータインタフェースを介して、第１、第２及び第３の複数の画像を受信してよい。例えば、画像取込デバイス１２２、１２４、１２６のそれぞれは、処理ユニット１１０にデータを通信するために関連するデータインタフェースを有してよい。開示される実施形態は、特定のデータインタフェース構成又はプロトコルに限定されることはない。
段階７２０において、処理ユニット１１０は、第１、第２及び第３の複数の画像を解析して、画像内の特徴、例えば、車線標示、車両、歩行者、道路標識、高速道路出口ランプ、交通信号灯及び道路障害物などを検出してよい。解析は、上記の図５Ａ～図５Ｄ及び図６に関連して説明された段階と同様の態様で実行されてよい。例えば、処理ユニット１１０は、第１、第２及び第３の複数の画像のそれぞれに対して、（例えば、単眼画像解析モジュール４０２の実行を介して、上記の図５Ａ～図５Ｄに関連して説明された段階に基づいて）単眼画像解析を実行してよい。代替的に、処理ユニット１１０は、第１及び第２の複数の画像、第２及び第３の複数の画像、及び／又は、第１及び第３の複数の画像に対して、（例えば、ステレオ画像解析モジュール４０４の実行を介して、上記の図６に関連して説明された段階に基づいて）ステレオ画像解析を実行してよい。第１、第２及び／又は第３の複数の画像の解析に対応する処理された情報が組み合わせられてよい。いくつかの実施形態において、処理ユニット１１０は、単眼及びステレオ画像解析の組み合わせを実行してよい。例えば、処理ユニット１１０は、第１の複数の画像に対して、（例えば、単眼画像解析モジュール４０２の実行を介して）単眼画像解析を実行し、第２及び第３の複数の画像に対して、（例えば、ステレオ画像解析モジュール４０４の実行を介して）ステレオ画像解析を実行してよい。画像取込デバイス１２２、１２４及び１２６の構成、それらのそれぞれの位置及び視野２０２、２０４及び２０６を含む、は、第１、第２及び第３の複数の画像に対して行われたタイプの解析に影響を与え得る。開示される実施形態は、画像取込デバイス１２２、１２４及び１２６の特定の構成、又は、第１、第２及び第３の複数の画像に対して行われるタイプの解析に限定されることはない。
いくつかの実施形態において、処理ユニット１１０は、段階７１０及び７２０で取得及び解析された画像に基づいて、システム１００に対するテストを実行してよい。そのようなテストは、画像取込デバイス１２２、１２４及び１２６の特定の構成に対して、システム１００の全体的な性能のインジケータを提供してよい。例えば、処理ユニット１１０は、「偽のヒット」（例えば、システム１００が、車両又は歩行者の存在を間違って判定した場合）及び「見逃し」の割合を判定してよい。
段階７３０において、処理ユニット１１０は、第１、第２及び第３の複数の画像のうちの２つから導出された情報に基づいて、車両２００における１又は複数のナビゲーション応答を行ってよい。第１、第２及び第３の複数の画像のうちの２つを選択することは、様々な係数、例えば、複数の画像のそれぞれにおいて検出されたオブジェクトの数、タイプ及びサイズなどに依存し得る。処理ユニット１１０は、画像品質及び解像度画像、画像内に反映される効果的な視野、取り込まれたフレームの数、及び、関心のある１又は複数の物体がフレームに実際に現れる程度（例えば、オブジェクトが現れるフレームのパーセンテージ、それぞれのそのようなフレームにおいて現れるオブジェクトの割合など）などに反映されるに基づいた選択を行ってもよい。
いくつかの実施形態において、処理ユニット１１０は、他の画像源から導出された情報と矛盾しない１つの画像源から導出された情報の程度を判定することにより、第１、第２及び第３の複数の画像のうちの２つから導出された情報を選択してよい。例えば、処理ユニット１１０は、画像取込デバイス１２２、１２４及び１２６のそれぞれから導出された処理された情報（単眼解析によるものか、ステレオ解析によるものか、又は、これら２つの任意の組み合わせによるものか）を結合し、画像取込デバイス１２２、１２４及び１２６のそれぞれから取り込まれた画像にわたって合致する視覚インジケータ（例えば、車線標示、検出された車両及びその位置及び／又は経路、検出された交通信号灯など）を判定してよい。処理ユニット１１０は、取り込まれた画像にわたって一貫性のない情報（例えば、車線を変更している車両、車両２００に近すぎる車両を示す車線モデルなど）を除外してもよい。したがって、処理ユニット１１０は、一貫性のある及び一貫性のない情報の判定に基づいて、第１、第２及び第３の複数の画像のうちの２つから導出された情報を選択してよい。
ナビゲーション応答は、例えば、方向転換、車線変更及び加速度の変更などを含み得る。処理ユニット１１０は、段階７２０において実行された解析、及び、図４に関連して上述したような技術に基づいて、１又は複数のナビゲーション応答を行ってよい。処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されるデータを用いて、１又は複数のナビゲーション応答を行ってもよい。いくつかの実施形態において、処理ユニット１１０は、第１、第２及び第３の複数の画像のいずれか内で検出された車両２００とオブジェクトとの間の相対位置、相対速度及び／又は相対加速度に基づいて、１又は複数のナビゲーション応答を行ってよい。複数のナビゲーション応答が、同時に、順番に、又は、それらの任意の組み合わせで生じ得る。
自律走行車両のナビゲーションに対するスパース道路モデル
いくつかの実施形態において、開示されるシステム及び方法は、自律走行車両のナビゲーションに対するスパースマップを用いてよい。特に、スパースマップは、道路セグメントに沿う自律走行車両のナビゲーションのためであってよい。例えば、スパースマップは、多量のデータを格納及び／又は更新することなく、自律走行車両をナビゲートするために十分な情報を提供してよい。以下でさらに詳細に議論されるように、自律走行車両は、スパースマップを用いて、１又は複数の格納された軌跡に基づいて、１又は複数の道路をナビゲートしてよい。
自律走行車両のナビゲーションに関するスパースマップ
いくつかの実施形態において、開示されるシステム及び方法は、自律走行車両のナビゲーションのためのスパースマップを生成してよい。例えば、スパースマップは、過剰なデータストレージ又はデータ転送レートを必要とすることなく、ナビゲーションに十分な情報を提供し得る。以下でさらに詳細に議論されるように、車両（自律走行車両であってよい）は、スパースマップを用いて、１又は複数の道路をナビゲートしてよい。例えば、いくつかの実施形態において、スパースマップは、車両ナビゲーションのために十分であり得るが、小さいデータフットプリントも示す道路及び当該道路に沿う潜在的なランドマークに関連するデータを含み得る。例えば、以下で詳細に説明されるスパースデータマップは、詳細なマップ情報、例えば、道路に沿って収集された画像データを含むデジタルマッピングと比較して、大幅に少ないストレージ空間、及び、データ転送帯域幅を必要とし得る。
例えば、道路セグメントの詳細な表現を格納するよりはむしろ、スパースデータマップは、道路に沿う好ましい車両経路の３次元多項式表現を格納してよい。これらの経路は、ほとんどデータストレージ空間を必要とし得ない。さらに、説明したスパースデータマップにおいて、ランドマークは、ナビゲーションに役立てるために、スパースマップ道路モデルにおいて識別され及び含められ得る。これらのランドマークは、車両ナビゲーションを有効にするのに適切な任意の間隔で配置されてよいが、場合によっては、そのようなランドマークは、高密度かつ短い間隔でモデルにおいて、識別され及び含められる必要はない。むしろ、場合によっては、少なくとも５０メートル、少なくとも１００メートル、少なくとも５００メートル、少なくとも１キロメートル又は少なくとも２キロメートル分、間隔が空いているランドマークに基づいて、ナビゲーションが可能であり得る。他のセクションでより詳細に議論されるように、様々なセンサ及びデバイス、例えば、車両が車道に沿って走行する際に、画像取込デバイス、グローバルポジショニングシステムセンサ、モーションセンサなどを備える車両により収集又は測定されたデータに基づいて、スパースマップが生成され得る。場合によっては、特定の道路に沿う１又は複数の車両の複数の運転中に収集されたデータに基づいて、スパースマップが生成され得る。１又は複数の車両の複数の運転を用いてスパースマップを生成することは、スパースマップを「クラウドソーシングする」と称され得る。
開示される実施形態と矛盾することなく、自律走行車両システムは、ナビゲーションのためにスパースマップを用いてよい。例えば、開示されるシステム及び方法は、自律走行車両に対する道路ナビゲーションモデルを生成するためにスパースマップを分配してよく、スパースマップ及び／又は生成された道路ナビゲーションモデルを用いて、道路セグメントに沿って自律走行車両をナビゲートしてよい。本開示と矛盾しないスパースマップは、自律走行車両が、関連する道路セグメントに沿って移動するときに通過し得る予め定められた軌跡を表し得る１又は複数の３次元輪郭を含み得る。
本開示と矛盾しないスパースマップは、１又は複数の道路の特徴を表すデータを含んでもよい。そのような道路特徴は、認識されたランドマーク、道路シグネチャプロファイル及び車両をナビゲートするのに有用な任意の他の道路関連の特徴を含み得る。本開示と矛盾しないスパースマップは、スパースマップに含まれる相対的に少量のデータに基づいて、車両の自律ナビゲーションを可能にし得る。例えば、道路の詳細な表現、例えば、道路縁部、道路曲率、道路セグメントと関連付けられた画像、又は、道路セグメントと関連付けられた他の物理的な特徴を詳しく説明するデータを含むよりはむしろ、スパースマップについての開示される実施形態は、相対的に小さいストレージ空間（及び、スパースマップの一部が車両に転送される場合は、相対的に小さい帯域幅）を必要としてよいが、さらに自律走行車両のナビゲーションのために十分に提供してよい。以下でさらに詳細に議論される開示されたスパースマップの小さいデータフットプリントは、少量のデータしか必要としない道路関連要素の表現を格納することによりいくつかの実施形態において実現され得るが、依然として、自律ナビゲーションを可能にする。
例えば、道路の様々な態様の詳細な表現を格納するよりはむしろ、開示されたスパースマップは、車両が道路に沿って進み得る１又は複数の軌跡の多項式表現を格納してよい。したがって、開示されたスパースマップを用いて道路に沿ったナビゲーションを可能するために、道路の物理的な性質に関する詳細を格納する（又は、転送する必要がある）よりはむしろ、場合によっては、道路の物理的な態様を解釈する必要はあるが、むしろ、特定の道路セグメントに沿ってその走行経路を軌跡（例えば、多項式スプライン）と揃えることで、車両が特定の道路セグメントに沿ってナビゲートされてよい。このようにして、車両は、車道画像、道路パラメータ、道路レイアウトなどの格納を含む手法よりもかなり少ない格納空間を必要とし得る格納された軌跡（例えば、多項式スプライン）に主に基づいてナビゲートされ得る。
道路セグメントに沿う格納された軌跡の多項式表現に加えて、開示されたスパースマップは、道路特徴を表し得るスモールデータオブジェクトを含んでもよい。いくつかの実施形態において、スモールデータオブジェクトは、デジタル署名を含んでよく、デジタル署名は、道路セグメントに沿って走行する車両に搭載されたセンサ（例えば、カメラ又は、サスペンションセンサなどの他のセンサ）デジタル画像（又は、デジタル信号取得）から導出される。デジタル署名は、センサにより取得された信号に関連する縮小したサイズを有し得る。いくつかの実施形態において、デジタル署名は、例えば、その後の運転中に、センサにより取得される信号から道路特徴を検出及び識別するように構成される分類機能と互換性を有するように作成され得る。いくつかの実施形態において、その後の時点で、同じ道路セグメントに沿って走行しているカメラが搭載された車両により取り込まれる道路特徴の画像（又は、格納された署名が画像に基づいていない、及び／又は、他のデータを含む場合、センサにより生成されたデジタル信号）に基づいて、道路特徴が、格納された署名と相関がある、又はこれとマッチングする能力を維持しつつ、デジタル署名は、デジタル署名ができるだけ少ないフットプリントを有するように作成されてよい。
いくつかの実施形態において、データオブジェクトのサイズは、さらに、道路特徴の一意性と関連付けられてよい。例えば、カメラが搭載された車両により検出可能な道路特徴について、カメラシステムが搭載された車両は、特定のタイプの道路特徴、例えば、道路標識と関連付けられるように、その道路特徴に対応する画像データを区別することが可能な分類器に結合され、そのような道路標識は、その領域において局所的に一意（例えば、近くに同じタイプの同じ道路標識又は道路標識が存在しない）であり、道路特徴及びその位置のタイプを示すデータを格納するのに十分であり得る。
以下でさらに詳細に議論されるように、道路特徴（例えば、道路セグメントに沿うランドマーク）は、相対的数バイトで道路特徴を表現し得るスモールデータオブジェクトとして格納されてよいが、同時に、そのようなナビゲーションのための特徴を認識及び用いるのに十分な情報を提供する。一例では、道路標識は、車両のナビゲーションの基礎となり得る認識されたランドマークとして識別され得る。道路標識の表現は、例えば、ランドマークのタイプ（例えば、停止標識）を示す数バイトのデータ、及び、ランドマークの位置（例えば、座標）を示す数バイトのデータを含むスパースマップに格納されてよい。（例えば、ランドマークに基づいて検索、認識及びナビゲートするのに十分な表現を用いる）ランドマークのそのような軽いデータ表現に基づいたナビゲートは、スパースマップと関連付けられるデータオーバーヘッドを大幅に増加させることなく、スパースマップと関連付けられる所望のレベルのナビゲーション機能性を提供してよい。ランドマーク（及び他の道路特徴）のこの無駄のない表現は、特定の道路特徴を検出、識別及び／又は分類するように構成されるそのような車両に含まれ搭載されたセンサ及びプロセッサを利用し得る。
例えば、所与の領域において、標識、もっと言えば、特定のタイプの標識が局所的に一意である場合（例えば、他の標識が存在しない、又は、同じタイプの他の標識が存在しない場合）、スパースマップは、ランドマークのタイプ（標識、すなわち、特定のタイプの標識）を示すデータを用いてよく、ナビゲーション（例えば、自律ナビゲーション）中に、カメラが搭載された自律走行車両が、標識を含む領域の（すなわち、特定のタイプの標識）の画像を取り込んだ場合、プロセッサは、画像を処理し、（画像内に実際に存在する場合）標識を検出し、標識として（すなわち、特定のタイプの標識として）画像を分類し、当該画像の位置をスパースマップに格納されているような標識の位置と相関させてよい。
スパースマップの生成
いくつかの実施形態において、スパースマップは、道路セグメントに沿って広がる路面特徴、及び、道路セグメントと関連付けられる複数のランドマークとのうちの少なくとも１つのライン表現を含み得る。特定態様において、スパースマップは、「クラウドソーシング」を介して、例えば、１又は複数の車両が道路セグメントを通過するときに取得された複数の画像の画像解析を通じて、生成されてよい。
図８は、１又は複数の車両、例えば、車両２００（自律走行車両であってよい）が、自律走行車両のナビゲーションを提供するためにアクセスし得るスパースマップ８００を示す。スパースマップ８００は、メモリ、例えば、メモリ１４０又は１５０に格納され得る。そのようなメモリデバイスは、任意のタイプの非一時的ストレージデバイス又はコンピュータ可読媒体を含み得る。例えば、いくつかの実施形態において、メモリ１４０又は１５０は、ハードドライブ、コンパクトディスク、フラッシュメモリ、磁気ベースのメモリデバイス、光学ベースのメモリデバイスなどを含み得る。いくつかの実施形態において、スパースマップ８００は、メモリ１４０又は１５０又は他のタイプのストレージデバイスに格納され得るデータベース（例えば、マップデータベース１６０）に格納されてよい。
いくつかの実施形態において、スパースマップ８００は、搭載される車両２００に提供されるストレージデバイス又は非一時的なコンピュータ可読媒体（例えば、ナビゲーションシステムを搭載した車両２００に含まれるストレージデバイス）に格納され得る。車両２００に提供されるプロセッサ（例えば、処理ユニット１１０）は、車両が道路セグメントを通過するときに、自律走行車両２００を案内するためのナビゲーション命令を生成するために、搭載される車両２００に提供されるストレージデバイス又はコンピュータ可読媒体に格納されるスパースマップ８００にアクセスしてよい。
しかしながら、スパースマップ８００は、車両に対してローカルに格納される必要はない。いくつかの実施形態において、スパースマップ８００は、車両２００又は車両２００と関連付けられるデバイスと通信するリモートサーバに提供されるストレージデバイス又はコンピュータ可読媒体に格納され得る。車両２００に提供されるプロセッサ（例えば、処理ユニット１１０）は、リモートサーバからスパースマップ８００に含まれるデータを受信してよく、車両２００の自律運転を案内するためのデータを実行してよい。そのような実施形態において、リモートサーバは、スパースマップ８００のすべて又はその一部だけを格納してよい。したがって、搭載される車両２００及び／又は搭載される１又は複数の追加の車両に提供されるストレージデバイス又はコンピュータ可読媒体は、スパースマップ８００のその他の部分を格納してよい。
さらに、そのような実施形態において、スパースマップ８００は、様々な道路セグメント（例えば、車両の数十、数百、数千又は数百万など）を通過する複数の車両にアクセス可能となり得る。スパースマップ８００が複数のサブマップを含んでよいことも留意されたい。例えば、いくつかの実施形態において、スパースマップ８００は、車両をナビゲートする際に用いられ得る数百、数千、数百又はそれより多くのサブマップを含んでよい。そのようなサブマップは、ローカルマップと称されてよく、車道に沿って走行する車両は、車両が走行している位置に関連する任意の数のローカルマップにアクセスしてよい。スパースマップ８００のローカルマップ部分は、スパースマップ８００のデータベースに対するインデックスとして、全球測位衛星システム（ＧＮＳＳ）キーを用いて格納してよい。したがって、本システムにおいて、ホスト車両をナビゲートするためのステアリング角度の計算が、ホスト車両のＧＮＳＳ位置、道路特徴又はランドマークに頼ることなく実行され得る一方、そのようなＧＮＳＳ情報は、関連するローカルマップの検索用に用いられてよい。
一般に、スパースマップ８００は、車道に沿って１又は複数の車両が走行するときに、それらから収集されたデータに基づいて生成されてよい。例えば、１又は複数の車両に乗せられたセンサ（例えば、カメラ、速度計、ＧＰＳ、加速度計など）を用いて、車道に沿って１又は複数の車両が走行する軌跡が記録されてよく、車道に沿って後続の移動を行う車両に対する好ましい軌跡の多項式表現は、１又は複数の車両により走行された収集された軌跡に基づいて判定され得る。同様に、１又は複数の車両により収集されたデータは、特定の道路に沿う可能性のあるランドマークを識別するのに役立ち得る。通過する車両から収集されたデータは、例えば、道路幅プロファイル、道路粗さプロファイル、動線間隔プロファイル、道路条件などの道路プロファイル情報を識別するために用いられてもよい。収集された情報を用いて、スパースマップ８００は、１又は複数の自律走行車両をナビゲートする際に用いるために、（例えば、ローカルストレージに対して、又は、オンザフライデータ伝送を介して）生成及び分配されてよい。しかしながら、いくつかの実施形態において、マップの生成は、マップの初期生成時に終了するものではない。以下でより詳細に議論されるように、それらの車両がスパースマップ８００に含まれる車道を通過し続けながら、スパースマップ８００は、車両から収集されたデータに基づいて継続的に又は定期的に更新されてよい。
スパースマップ８００に記録されるデータは、グローバルポジショニングシステム（ＧＰＳ）データに基づく位置情報を含んでよい。例えば、ランドマークの位置、道路プロファイルの位置などを含む様々なマップ要素について、例えば、位置情報がスパースマップ８００に含まれてよい。スパースマップ８００に含まれるマップ要素の位置は、車道を通過する車両から収集されたＧＰＳデータを用いて取得され得る。例えば、特定されたランドマークを通過する車両は、車両と関連付けられたＧＰＳ位置情報、及び、（例えば、車両に搭載された１又は複数のカメラから収集されたデータの画像解析に基づく）車両に対する特定されたランドマークの位置の判定を用いて、特定されたランドマークの位置を判定してよい。特定されたランドマーク（又は、スパースマップ８００に含まれる他のいずれかの特徴）のそのような位置判定は、追加の車両が特定されたランドマークの位置を通ったときに、繰り返され得る。追加の位置判定の一部又はすべては、特定されたランドマークに対するスパースマップ８００に格納されている位置情報を精緻化するために用いられてよい。例えば、いくつかの実施形態において、スパースマップ８００に格納されている特定の特徴に対する複数の位置測定値は、一緒に平均化されてよい。しかしながら、任意の他の数学的な演算が、マップ要素に対して複数の判定された位置に基づいて、マップ要素の格納された位置を精緻化するために用いられてもよい。
開示される実施形態のスパースマップは、相対的少ない量の格納されたデータを用いて、車両の自律ナビゲーションを可能にし得る。いくつかの実施形態において、スパースマップ８００は、道路１キロメートル当たり２ＭＢ未満、道路１キロメートル当たり１ＭＢ未満、道路１キロメートル当たり５００ｋＢ未満、又は、道路１キロメートル当たり１００ｋＢ未満のデータ密度（例えば、ターゲット軌跡、ランドマーク及び任意の他の格納された道路特徴を表すデータを含む）を有してよい。いくつかの実施形態において、スパースマップ８００のデータ密度は、道路１キロメートル当たり１０ｋＢ未満、もっと言えば、道路１キロメートル当たり２ｋＢ未満（例えば、１キロメートル当たり１．６ｋＢ）、又は、道路１キロメートル当たり１０ｋＢ以下、又は、道路１キロメートル当たり２０ｋＢ以下であってよい。いくつかの実施形態において、すべてではない場合、米国の車道のほとんどが、合計４ＧＢ又はそれ未満のデータを有するスパースマップを用いて自律的にナビゲートされ得る。これらのデータ密度の値は、スパースマップ８００全体にわたる、スパースマップ８００内のローカルマップにわたる、及び／又は、スパースマップ８００内の特定の道路セグメントにわたる平均を表し得る。
述べたように、スパースマップ８００は、道路セグメントに沿う自律運転又はナビゲーションを案内するための複数のターゲット軌跡８１０の表現を含んでよい。そのようなターゲット軌跡は、３次元スプラインとして格納され得る。例えば、スパースマップ８００に格納されたターゲット軌跡は、特定の道路セグメントに沿う車両の以前の横断についての２又はそれより多くの再構築された軌跡に基づいて判定されてよい。道路セグメントは、単一のターゲット軌跡又は複数のターゲット軌跡と関連付けられてよい。例えば、２車線道路では、第１方向における道路に沿った走行の対象経路を表すために、第１のターゲット軌跡が格納されてよく、別の方向（例えば、第１方向とは反対）における道路に沿った走行の対象経路を表すために、第２のターゲット軌跡が格納されてよい。特定の道路セグメントに関して、追加のターゲット軌跡が格納され得る。例えば、複数車線の道路では、複数車線の道路と関連付けられる１又は複数の車線にいる車両に対する走行の対象経路を表す１又は複数のターゲット軌跡が格納されてよい。いくつかの実施形態において、複数車線の道路の各車線は、独自のターゲット軌跡と関連付けられてよい。他の実施形態において、複数車線の道路上に存在する車線よりも少ないターゲット軌跡が格納されてよい。そのような場合、複数車線の道路をナビゲートする車両は、格納されたターゲット軌跡のいずれかを用いて、ターゲット軌跡が格納される車線からの車線オフセットの量を考慮して、そのナビゲーションを案内してよい（例えば、３車線高速道路のうち最も左側の車線において、車両が走行しており、ターゲット軌跡が、高速道路の中央車線に対してしか格納されていない場合、車両は、ナビゲーション命令を生成するときに、中央車線と最も左側の車線との間の車線オフセットの量を考慮することにより、中央車線のターゲット軌跡を用いてナビゲートしてよい）。
いくつかの実施形態において、ターゲット軌跡は、車両が走行するときに、車両が取るべき理想的な経路を表し得る。ターゲット軌跡は、例えば、走行の車線のほぼ中央に配置されてよい。他の場合、ターゲット軌跡は、道路セグメントと比べて他の箇所に配置されてよい。例えば、ターゲット軌跡は、道路の中央、道路の縁部又は車線の縁部などとほぼ一致し得る。そのような場合、ターゲット軌跡に基づくナビゲーションは、ターゲット軌跡の位置に対して維持されるべき判定された量のオフセットを含んでよい。さらに、いくつかの実施形態において、ターゲット軌跡の位置に対して維持されるべき判定された量のオフセットは、車両のタイプに基づいて異なり得る（例えば、ターゲット軌跡の少なくとも一部に沿って、２つの車軸を含む乗用車は、２つより多くの車軸を含むトラックとは異なるオフセットを有し得る）。
スパースマップ８００は、特定の道路セグメント、ローカルマップなどと関連付けられる複数の予め定められたランドマーク８２０に関連するデータを含んでもよい。以下でより詳細に議論されるように、これらのランドマークは、自律走行車両のナビゲーションの際に用いられ得る。例えば、いくつかの実施形態において、ランドマークは、格納されたターゲット軌跡に対する車両の現在位置を判定するために用いられ得る。この位置情報を用いて、自律走行車両は、判定された位置におけるターゲット軌跡の方向に一致するように、ヘッディング方向を調節できる。
複数のランドマーク８２０は、任意の適切な間隔でスパースマップ８００を識別及び格納してよい。いくつかの実施形態において、ランドマークは、相対的に高い密度（例えば、数メートルごと又はそれ以上）で格納されてよい。しかしながら、いくつかの実施形態において、かなり大きめのランドマークスペーシング値が使用されてよい。例えば、スパースマップ８００において、識別（又は認識）されるランドマークは、１０メートル、２０メートル、５０メートル、１００メートル、１キロメートル又は２キロメートル分、間隔が空いていてよい。場合によっては、特定されたランドマークは、２キロメートルよりもさらに離れた距離で配置されてよい。
したがって、ランドマーク間、及び、ターゲット軌跡に対する車両位置の判定の間、車両がセンサを用いて、そのエゴモーションを判定し、ターゲット軌跡に対するその位置を推定するデッドレコニングに基づいて、車両はナビゲートしてよい。デッドレコニングによるナビゲーション中に誤差が蓄積するので、ターゲット軌跡に対する経時的な位置判定は、次第に正確ではなくなる可能性がある。車両は、スパースマップ８００に存在するランドマーク（それらの既知の位置）を用いて、位置判定においてデッドレコニングによって誘導される誤差を取り除き得る。このようにして、スパースマップ８００に含まれる特定されたランドマークは、ターゲット軌跡に対する車両の正確な位置が判定され得るナビゲーション用アンカーとしての役割を果たし得る。適切な場所の位置において、特定の量の誤差が許容可能であり得るので、特定されたランドマークは、自律走行車両に常に利用可能である必要はない。むしろ、適切なナビゲーションは、依然として、上記で述べたように、１０メートル、２０メートル、５０メートル、１００メートル、５００メートル、１キロメートル、２キロメートル又はそれより長いランドマークスペーシングに基づくことが可能であり得る。いくつかの実施形態において、道路１ｋｍごとに１つの特定されたランドマークの密度は、１ｍ以内の長手方向の位置判定精度を維持するのに十分であり得る。したがって、道路セグメントに沿って現れるすべての可能性のあるランドマークがスパースマップ８００に格納される必要があるわけではない。
さらに、いくつかの実施形態において、車線標示は、ランドマークスペーシング中の車両の位置を特定するために用いられ得る。ランドマークスペーシング中の車線標示を用いることにより、デッドレコニングによるナビゲーション中の蓄積が最小化され得る。
ターゲット軌跡及び特定されたランドマークに加えて、スパースマップ８００は、様々な他の道路特徴に関連する情報を含んでよい。例えば、図９Ａは、スパースマップ８００に格納さえ得る特定の道路セグメントに沿う曲線の表現を示す。いくつかの実施形態において、道路の単一の車線は、道路の左側及び右側についての３次元多項式記述によりモデル化されてよい。単一の車線の左側及び右側を表すそのような多項式が図９Ａに示される。道路がいくつの車線を有し得るかに関わらず、図９Ａに示されるのと同様のやり方で多項式を用いて、道路が表されてよい。例えば、複数車線の道路の左側及び右側は、図９Ａに示されるものと同様の多項式により表されてよく、複数車線の道路に含まれる中間の車線標示（例えば、車線の境界を表す破線マーキング、異なる方向に走行する車線間の境界を表す黄色の実線など）は、図９Ａに示されるものなどの多項式を用いて表されてもよい。
図９Ａに示されるように、車線９００は、多項式（例えば、１次、２次、３次又は任意の適切な次数の多項式）を用いて表されてよい。例として、車線９００は２次元の車線として示されており、多項式は２次元多項式として示される。図９Ａに示されるように、車線９００は、左側９１０及び右側９２０を含む。いくつかの実施形態において、１より大きい多項式は、道路又は車線の境界の各側の位置を表すために用いられてよい。例えば、左側９１０及び右側９２０のそれぞれは、任意の適切な長さの複数の多項式により表され得る。場合によっては、多項式は、約１００ｍの長さを有するが、１００ｍより長い又は短い他の長さが用いられてもよい。さらに、ホスト車両が車道に沿って走行するときに、その後に遭遇する多項式に基づいて、ナビゲートする際にシームレスな移行を促すために、多項式は、互いに重なり合うことができる。例えば、左側９１０及び右側９２０のそれぞれは、長さ約１００メートルのセグメント（第１予め定められた範囲の例）に分離され、約５０メートル分、互いに重なり合う複数の３次多項式により表されてよい。左側９１０及び右側９２０を表す多項式は、同じ次数を有していてもいなくてもよい。例えば、いくつかの実施形態において、いくつかの多項式は、２次多項式であってよく、いくつかは、３次多項式であってよい、及び、いくつかは、４次多項式であってよい。
図９Ａに示される例において、車線９００の左側９１０は、３次多項式の２つのグループにより表される。第１のグループは、多項式セグメント９１１、９１２及び９１３を含む。第２のグループは、多項式セグメント９１４、９１５及び９１６を含む。２つのグループ、互いに実質的に平行である一方、道路のそれらのそれぞれの側の位置に従う。多項式セグメント９１１、９１２、９１３、９１４、９１５及び９１６は、約１００メートルの長さを有し、連続して隣接するセグメントと約５０メートル分重なり合う。しかしながら、前述のように、異なる長さ及び異なる重なり合う量の多項式が用いられてもよい。例えば、多項式は、５００ｍ、１ｋｍ又はそれより長い長さを有してよく、重なり合う量は、０から５０ｍ、５０ｍから１００ｍ、又は１００ｍより大きく変化してよい。さらに、図９Ａが、２Ｄ空間（例えば、紙の表面上）に拡張した多項式を表したものとして示されるが、これらの多項式は、Ｘ－Ｙ湾曲に加えて道路セグメント内の高度変化を表すために、３次元（例えば、高さ成分を含む）に広がる曲線を表し得ることが理解されるべきである。図９Ａに示される例では、車線９００の右側９２０は、さらに、多項式セグメント９２１、９２２及び９２３を有する第１のグループと、及び多項式セグメント９２４、９２５及び９２６を有する第２のグループとにより表される。
スパースマップ８００のターゲット軌跡に戻ると、図９Ｂは、特定の道路セグメントに沿って走行する車両に対するターゲット軌跡を表す３次元多項式を示す。ターゲット軌跡は、ホスト車両が特定の道路セグメントに沿って走行すべきＸ－Ｙ経路だけでなく、道路セグメントに沿って走行するときに、ホスト車両が経験する高度変化も表す。したがって、スパースマップ８００における各ターゲット軌跡は、図９Ｂに示される３次元多項式９５０のように、１又は複数の３次元多項式により表され得る。スパースマップ８００は、複数の軌跡（例えば、世界中の車道に沿う様々な道路区間に沿った車両の軌跡を表すために、数１００万又は数１０億円又はそれ以上の軌跡）を含み得る。いくつかの実施形態において、各ターゲット軌跡は、３次元多項式セグメントをつなぐスプラインに対応し得る。
スパースマップ８００に格納された多項式曲線のデータフットプリントに関して、いくつかの実施形態において、各３次多項式は、４つのパラメータにより表されてよく、それぞれは、４バイトのデータを必要とする。適切な表現は、１００ｍごとに約１９２バイトデータを必要とする３次多項式で取得され得る。これは、約１００ｋｍ／ｈｒで走行するホスト車両に対するデータ使用／転送要件では、毎時約２００ｋＢに相当し得る。
スパースマップ８００は、幾何学記述子及びメタデータの組み合わせを用いて車線ネットワークを説明し得る。上述したように、幾何学形状は、多項式又はスプラインにより説明され得る。メタデータは、車線の数、特別な特性（例えば、カープール車線）及び可能性ある他のスパースラベルを説明し得る。そのようなインジケータの総フットプリントは、ごくわずかであり得る。
したがって、本開示の実施形態に係るスパースマップは、道路セグメントに沿って広がる路面特徴の少なくとも１つのライン表現、路面特徴に実質的に対応する道路セグメントに沿う経路を表す各ライン表現を含み得る。上述したように、いくつかの実施形態において、路面特徴の少なくとも１つのライン表現は、スプライン、多項式表現又は曲線を含んでよい。さらに、いくつかの実施形態において、路面特徴は、道路縁部又は車線標示の少なくとも一方を含んでよい。さらに、「クラウドソーシング」に関して以下で議論されるように、路面特徴は、１又は複数の車両が道路セグメントを通過するときに取得された複数の画像の画像解析を通じて識別され得る。
前述のように、スパースマップ８００は、道路セグメントと関連付けられる複数の予め定められたランドマークを含んでよい。ランドマークの実画像を格納し、例えば、取り込まれた画像及び格納された画像に基づく画像認識解析に依存するよりはむしろ、スパースマップ８００内の各ランドマークは、格納された実画像が必要とするよりも少ないデータを用いて表され、認識されてよい。ランドマークを表すデータは、道路に沿うランドマークを説明又は識別するのに十分な情報をさらに含んでよい。ランドマークの実画像よりはむしろランドマークの特性を説明するデータを格納することは、スパースマップ８００のサイズを減らし得る。
図１０は、スパースマップ８００において表され得るランドマークのタイプの例を示す。ランドマークは、道路セグメントに沿う任意の視認可能で識別可能なオブジェクトを含んでよい。ランドマークは、それらが一定であり、それらの位置及び／又はコンテンツに関してあまり変化しないように選択されてよい。スパースマップ８００に含まれるランドマークは、車両が特定の道路セグメントを通過するときのターゲット軌跡に関する車両２００の位置を判定する際に有用であり得る。ランドマークの例は、交通標識、方向標識、一般的な標識（例えば、長方形の標識）、沿道に欠かせないもの（例えば、電柱、反射板など）及び任意の他の適切なカテゴリを含んでよい。いくつかの実施形態において、道路上の車線標示がスパースマップ８００内のランドマークとして含まれてもよい。
図１０に示されるランドマークの例は、交通標識、方向標識、沿道に欠かせないもの及び一般的な標識を含む。交通標識は、例えば、速度制限標識（例えば、速度制限標識１０００）、イールド標識（ｙｉｅｌｄ ｓｉｇｎ）（例えば、イールド標識１００５）、経路番号標識（例えば、経路番号標識１０１０）、交通信号灯標識（例えば、交通信号灯標識１０１５）、停止標識（例えば、停止標識１０２０）を含んでよい。方向標識は、異なる位置への１又は複数の方向を示す１又は複数の矢印を含む標識を含んでよい。例えば、方向標識は、車両を異なる道路又は場所へ案内するための矢印、及び、車両を道路から離れる方に外れる方に案内する矢印を有する出口の標識１０３０などを有する高速道路標識１０２５を含んでよい。したがって、複数のランドマークのうちの少なくとも１つは道路標識を含んでよい。
一般的な標識は、交通量とは無関係であり得る。例えば、一般的な標識は、広告用に用いられる掲示板、又は、２つの国、州、群、市又は町の間の境界に隣接するウェルカムボードを含んでよい。図１０は、一般的な標識１０４０（「Ｊｏｅ'ｓ Ｒｅｓｔａｕｒａｎｔ」）を示す。一般的な標識１０４０は、長方形の形状を有し得るが、図１０に示されるように、一般的な標識１０４０は、他の形状、例えば、正方形、円形、三角形などを有してもよい。
ランドマークは、沿道に欠かせないもの（ｒｏａｄｓｉｄｅ ｆｉｘｔｕｒｅｓ）を含んでもよい。沿道に欠かせないものは、標識ではないオブジェクトであってよく、交通量又は方向に関連していなくてもよい。例えば、沿道に欠かせないものは、街灯柱（例えば、街灯柱１０３５）、電柱、交通信号灯の柱などを含んでよい。
ランドマークは、自律走行車両のナビゲーションシステムにおける使用のために特別に設計され得るビーコンを含んでもよい。例えば、そのようなビーコンは、ホスト車両をナビゲートする際に役立つように、予め定められた間隔で配置されるスタンドアロン構造を含んでよい。そのようなビーコンは、道路セグメントに沿って走行する車両により識別又は認識され得る既存の道路標識に加えられる視覚／グラフィック情報（例えば、アイコン、エンブレム、バーコードなど）を含んでもよい。そのようなビーコンは、電子コンポーネントを含んでもよい。そのような実施形態において、電子ビーコン（例えば、ＲＦＩＤタグなど）は、非視覚情報をホスト車両に伝送するために用いられ得る。そのような情報は、例えば、ホスト車両がターゲット軌跡に沿ってその位置を判定する際に用いられ得るランドマークの識別情報及び／又はランドマークの位置情報を含んでよい。
いくつかの実施形態において、スパースマップ８００に含まれるランドマークは、予め定められたサイズのデータオブジェクトにより表され得る。ランドマークを表すデータは、特定のランドマークを識別するための任意の適切なパラメータを含み得る。例えば、いくつかの実施形態において、スパースマップ８００に格納されるランドマークは、例えば、ランドマークの物理的サイズ（例えば、既知のサイズ／スケールに基づいてランドマークへの距離の推定をサポートする）、以前のランドマークへの距離、横方向のオフセット、高さ、タイプコード（例えば、ランドマークのタイプ－どのようなタイプの方向標識、交通標識など）、ＧＰＳ座標（例えば、グローバルな位置推定をサポートする）及び、任意の他の適切なパラメータなどのパラメータを含み得る。各パラメータは、データサイズと関連付けられ得る。例えば、ランドマークのサイズは、８バイトのデータを用いて格納されてよい。以前のランドマークへの距離、横方向のオフセット、及び高さは、１２バイトのデータを用いえ規定されてよい。方向標識又は交通標識などのランドマークと関連付けられるタイプコードは、約２バイトのデータを必要とし得る。一般的な標識について、一般的な標識の識別を可能にする画像署名は、５０バイトのデータストレージを用いて格納され得る。ランドマークのＧＰＳ位置は、１６バイトのデータストレージと関連付けられ得る。各パラメータに対するこれらのデータサイズは例に過ぎず、他のデータサイズも用いられてよい。
この方式で、スパースマップ８００にランドマークを表すことは、データベースにランドマークを効率的に表すための無駄のない解決策を提示し得る。いくつかの実施形態において、標識は、セマンティックな標識及び非セマンティックな標識と称され得る。セマンティックな標識は、標準的な意味がある任意の分類の標識（例えば、速度制限標識、警告標識、方向標識など）を含み得る。非セマンティックな標識は、標準的な意味と関連付けられていない任意の標識（例えば、事業所を識別する一般的な広告標識など）を含み得る。例えば、各セマンティック標識は、３８バイト（例えば、サイズに対して８バイト、以前のランドマークへの距離、横方向のオフセット及び高さに対して１２バイト、タイプコードに対して２バイト、及び、ＧＰＳ座標に対して１６バイト）のデータで表され得る。スパースマップ８００は、タグシステムを用いてランドマークのタイプを表してよい。場合によっては、各交通標識又は方向標識は、独自のタグと関連付けられてよく、ランドマークの識別情報の一部としてデータベースに格納され得る。例えば、データベースは、様々な交通標識を表すために約１０００のオーダの異なるタグを含んでよく、方向標識を表すために約１００００のオーダの異なるタグを含んでよい。もちろん、任意の適切な数のタグが用いられてよく、追加のタグが必要に応じて作成されてよい。いくつかの実施形態において、汎用の標識は、約１００バイトより小さい（例えば、サイズに対して８バイト、以前のランドマークへの距離、横方向のオフセット及び高さに対して１２バイト、画像署名に対して５０バイト、及び、ＧＰＳ座標に対して１６バイトを含む約８６バイト）を用いて表され得る。
したがって、画像署名を必要としないセマンティックな道路標識について、スパースマップ８００に対するデータ密度影響は、５０ｍ当たり約１つの相対的に高いランドマークの密度においてでさえ、１キロメートル当たり約７６０バイトのオーダ（例えば、１ｋｍ当たり２０個のランドマーク×１ランドマーク当たり３８バイト＝７６０バイト）であり得る。画像署名コンポーネントを含む汎用の標識を考慮しても、データ密度影響は、１ｋｍ当たり約１．７２ｋＢ（例えば、１ｋｍ当たり２０個のランドマーク×１ランドマーク当たり８６バイト＝１７２０バイト）である。セマンティックな道路標識について、これは、１００ｋｍ／ｈｒで走行する車両に対する１時間当たりのデータ使用量が約７６ｋＢに相当する。汎用の標識について、これは、１００ｋｍ／ｈｒで走行する車両に対する１時間当たりのデータ使用量が約１７０ｋＢに相当する。
いくつかの実施形態において、概して長方形のオブジェクト、例えば、長方形の標識は、１００バイト以下のデータによりスパースマップ８００において表され得る。スパースマップ８００における概して長方形のオブジェクト（例えば、一般的な標識１０４０）の表現は、概して長方形のオブジェクトと関連付けられる簡略化した画像署名（例えば、簡略化した画像署名１０４５）を含み得る。この簡略化した画像署名は、例えば、認識されたランドマークとして、例えば汎用の標識を識別するのに役立てるために用いられ得る。そのような簡略化した画像署名（例えば、オブジェクトを表す実画像データから導出された画像情報）は、オブジェクトの実画像を格納する必要性、又は、ランドマークを認識するために実画像に対して実行される画像解析と比較する必要性を回避し得る。
図１０を参照すると、スパースマップ８００は、一般的な標識１０４０の実画像よりはむしろ、一般的な標識１０４０と関連付けられる簡略化した画像署名１０４５を含んでよい又は格納してよい。例えば、画像取込デバイス（例えば、画像取込デバイス１２２、１２４又は１２６）は、一般的な標識１０４０の画像を取り込み、プロセッサ（例えば、画像プロセッサ１９０、又は、ホスト車両に乗せられた、又は、ホスト車両に対して離れて配置された、のいずれかの画像を処理できる任意の他のプロセッサ）は、画像解析を実行して、一般的な標識１０４０と関連付けられた一意の署名又はパターンを含む簡略化した画像署名１０４５を抽出／作成してよい。１つの実施形態において、簡略化した画像署名１０４５は、形状、色、パターン、明度パターン、又は、一般的な標識１０４０を説明するための一般的な標識１０４０の画像から抽出され得る他のいずれかの特徴を含み得る。
例えば、図１０において、簡略化した画像署名１０４５に示される円形、三角形及び星形は、異なる色の領域を表し得る。円、三角及び星により表されるパターンは、スパースマップ８００に、例えば、画像署名を含むように指定される５０バイト内に格納され得る。特に、円形、三角形及び星形は、そのような形状が画像署名の一部として格納されることを示すことを必ずしも意味するものではない。むしろ、これらの形状は、識別可能な色差、テクスチャ領域、グラフィック形状、又は、汎用の標識と関連付けられ得る特性の他のバリエーションを有する認識可能な領域を概念的に表すことを意味する。そのような簡略化した画像署名は、一般的な標識の形式でランドマークを識別するために用いられ得る。例えば、簡略化した画像署名は、例えば、カメラが搭載された自律走行車両を用いて取り込まれた画像データと格納された簡略化した画像署名の比較に基づいて同じ－同じでない解析（ｓａｍｅ－ｎｏｔ－ｓａｍｅ ａｎａｌｙｓｉｓ）を実行するために用いられ得る。
したがって、複数のランドマークは、１又は複数の車両が道路セグメントを通過するときに取得された複数の画像の画像解析を通じて識別され得る。「クラウドソーシング」に関して以下で説明されるように、いくつかの実施形態において、複数のランドマークを識別するための画像解析は、ランドマークが現れていない画像にランドマークが現れている画像の割合が閾値を超えている場合、可能性のあるランドマークを承認することを含み得る。さらに、いくつかの実施形態において、複数のランドマークを識別するための画像解析は、ランドマークが現れている画像にランドマークが現れていない画像の割合が閾値を超えていない場合、可能性のあるランドマークを拒否することを含み得る。
ターゲット軌跡に戻ると、ホスト車両は、特定の道路セグメントをナビゲートするために用いられてよく、図１１Ａは、スパースマップ８００を構築又は維持する処理の間に取り込まれた多項式表現の軌跡を示す。スパースマップ８００に含まれるターゲット軌跡の多項式表現は、同じ道路セグメントに沿った車両の以前の横断の２又はそれより多くの再構築された軌跡に基づいて判定され得る。いくつかの実施形態において、スパースマップ８００に含まれるターゲット軌跡の多項式表現は、同じ道路セグメントに沿った車両の以前の横断の２又はそれより多くの再構築された軌跡の集合であり得る。いくつかの実施形態において、スパースマップ８００に含まれるターゲット軌跡の多項式表現は、同じ道路セグメントに沿った車両の以前の横断の２又はそれより多くの再構築された軌跡の平均であり得る。他の数学的な演算は、道路セグメントに沿って通過する車両から収集された再構成された軌跡に基づいて、道路経路に沿うターゲット軌跡を構築するためにも用いられ得る。
図１１Ａに示されるように、道路セグメント１１００は、異なる時間に多数の車両２００により走行され得る。各車両２００は、道路セグメントに沿って車両が取った経路に関連するデータを収集してよい。特定の車両により走行される経路は、可能性のソース中でも特にカメラデータ、加速度計情報、速度センサ情報、及び／又は、ＧＰＳ情報に基づいて判定され得る。そのようなデータは、道路セグメントに沿って走行する車両の軌跡を再構築するために用いられてよく、これらの再構成された軌跡に基づいて、ターゲット軌跡（又は、複数のターゲット軌跡）は、特定の道路セグメントに対して判定され得る。そのようなターゲット軌跡は、車両が道路セグメントに沿って走行するときの、（例えば、自律ナビゲーションシステムにより案内される）ホスト車両の好ましい経路を表してよい。
図１１Ａに示される例において、第１の再構築された軌跡１１０１は、第１の時間期間（例えば、１日目）に道路セグメント１１００を通過する第１の車両から受信したデータに基づいて判定されてよく、第２の再構築された軌跡１１０２は、第２の時間期間（例えば、２日目）に道路セグメント１１００を通過する第２の車両から取得されてよく、第３の再構築された軌跡１１０３は、第３の時間期間（例えば、３日目）に道路セグメント１１００を通過する第３の車両から取得されてよい。各軌跡１１０１、１１０２及び１１０３は、３次元多項式などの多項式により表され得る。いくつかの実施形態において、再構成された軌跡のいずれかが、道路セグメント１１００を通過する搭載される車両において、組み立てられ得ることに留意されたい。
さらに又は代替的に、そのような再構成された軌跡は、道路セグメント１１００を通過する車両から受信した情報に基づいて、サーバ側上で判定され得る。例えば、いくつかの実施形態において、車両２００は、道路セグメント１１００に沿うそれらの動き（例えば、数ある中でも特に、ステアリング角度、ヘッディング、時間、位置、速度、検知された道路の幾何学形状、及び／又は、検知されたランドマーク）に関連するデータを１又は複数のサーバに伝送してよい。サーバは、受信したデータに基づいて、車両２００に対する軌跡を再構築してよい。サーバは、第１、第２及び第３の軌跡１１０１、１１０２及び１１０３に基づいて、その後に同じ道路セグメント１１００に沿って走行する自律走行車両のナビゲーションを案内するためのターゲット軌跡を生成してもよい。ターゲット軌跡が、道路セグメントの単一の以前の横断と関連付けられ得る一方、いくつかの実施形態において、スパースマップ８００に含まれる各ターゲット軌跡は、同じ道路セグメントを通過する車両の２又はそれより多くの再構築された軌跡に基づいて判定され得る。図１１Ａにおいて、ターゲット軌跡は、１１１０により表される。いくつかの実施形態において、ターゲット軌跡１１１０は、第１、第２及び第３の軌跡１１０１、１１０２及び１１０３の平均に基づいて生成され得る。いくつかの実施形態において、スパースマップ８００に含まれるターゲット軌跡１１１０は、２又はそれより多くの再構築された軌跡の集合（例えば、重み付けされた組み合わせ）であり得る。
図１１Ｂ及び図１１Ｃは、地理的な領域１１１１内に存在する道路セグメントと関連付けられるターゲット軌跡の概念をさらに示す。図１１Ｂに示されるように、地理的な領域１１１１内の第１の道路セグメント１１２０は、第１方向における車両走行に対して指定される２つの車線１１２２、及び、第１方向とは反対の第２方向における車両走行に対して指定される２つの追加の車線１１２４を含む複数車線道路を含み得る。車線１１２２及び車線１１２４は、２重の黄色い車線１１２３によって分離されていてよい。地理的な領域１１１１は、道路セグメント１１２０と相互作用する分岐した道路セグメント１１３０を含んでもよい。道路セグメント１１３０は、２車線道路を含んでよく、各車線は走行の異なる方向に対して指定される。地理的な領域１１１１は、他の道路特徴、例えば、停止線１１３２、停止標識１１３４、速度制限標識１１３６及びハザードサイン１１３８を含んでもよい。
図１１Ｃに示されるように、スパースマップ８００は、地理的な領域１１１１内の車両の自律ナビゲーションを支援するための道路モデルを含むローカルマップ１１４０を含み得る。例えば、ローカルマップ１１４０は、地理的な領域１１１１内の道路セグメント１１２０及び／又は１１３０と関連付けられる１又は複数の車線に対するターゲット軌跡を含み得る。例えば、ローカルマップ１１４０は、車線１１２２を通過するときに、自律走行車両がアクセス又は依存し得るターゲット軌跡１１４１及び／又は１１４２を含み得る。同様に、ローカルマップ１１４０は、車線１１２４を通過ときに、自律走行車両がアクセス又は依存し得るターゲット軌跡１１４３及び／又は１１４４を含み得る。さらに、ローカルマップ１１４０は、道路セグメント１１３０を通過するときに、自律走行車両がアクセス又は依存し得るターゲット軌跡１１４５及び／又は１１４６を含み得る。ターゲット軌跡１１４７は、車線１１２０（特に、車線１１２０の最も右側の車線と関連付けられているターゲット軌跡１１４１に関連する）から道路セグメント１１３０（特に、道路セグメント１１３０の第１の側と関連付けられているターゲット軌跡１１４５に関連する）へ移行するときに、自律走行車両が進むべき好ましい経路を表す。同様に、ターゲット軌跡１１４８は、道路セグメント１１３０（特に、ターゲット軌跡１１４６に関する）から道路セグメント１１２４の一部（特に、示されるように、車線１１２４の左側車線と関連付けられているターゲット軌跡１１４３に関する）へ移行するときに自律走行車両が進むべき好ましい経路を表す。
スパースマップ８００は、地理的な領域１１１１と関連付けられる他の道路関連特徴の表現を含んでもよい。例えば、スパースマップ８００は、地理的な領域１１１１において識別される１又は複数のランドマークの表現を含んでもよい。そのようなランドマークは、停止線１１３２と関連付けられる第１のランドマーク１１５０、停止標識１１３４と関連付けられる第２のランドマーク１１５２、速度制限標識１１５４と関連付けられる第３のランドマーク、及び、ハザードサイン１１３８と関連付けられる第４のランドマーク１１５６を含んでよい。そのようなランドマークは、例えば、示されるターゲット軌跡いずれかに対するその現在位置を判定する際に、自律走行車両を支援するために用いられてよく、判定された位置におけるターゲット軌跡の方向と一致するように、車両がそのヘッディングを調節してよい。
いくつかの実施形態において、スパースマップ８００は、道路シグネチャプロファイルを含んでもよい。そのような道路シグネチャプロファイルは、道路と関連付けられる少なくとも１つのパラメータにおいて、任意の識別可能／測定可能なバリエーションと関連付けられてよい。例えば、場合によっては、そのようなプロファイルは、路面情報におけるバリエーション、例えば、特定の道路セグメントの表面粗さにおけるバリエーション、特定の道路セグメントにわたる道路幅におけるバリエーション、特定の道路セグメントに沿って塗装された点線の間の距離におけるバリエーション、特定の道路セグメントに沿う道路曲率におけるバリエーションなどと関連付けられてよい。図１１Ｄは、道路シグネチャプロファイル１１６０の例を示す。プロファイル１１６０は、上記で挙げられたパラメータのいずれかを表し得る一方、他にも一例において、プロファイル１１６０は、例えば、車両が特定の道路セグメントを走行しているときに、サスペンションのずれの量を示す出力を提供する１又は複数のセンサをモニタリングすることにより取得されるような、路面の粗さの測定を表してよい。
代替的に又は同時に、プロファイル１１６０は、特定の道路セグメントを走行するカメラが搭載された車両を介して取得される画像データに基づいて判定されるときに、道路幅のバリエーションを表してよい。そのようなプロファイルは、例えば、特定のターゲット軌跡に対する自律走行車両の特定の位置を判定する際に有用であり得る。つまり、道路セグメントを通過するときに、自律走行車両は、道路セグメントと関連付けられる１又は複数のパラメータと関連付けられるプロファイルを測定してよい。測定されたプロファイルが、道路セグメントに沿う位置に対するパラメータバリエーションをプロットする予め定められたプロファイルと相互に関連があり得／マッチングされ得、次に、道路セグメントに沿う現在位置、したがって、道路セグメントのターゲット軌跡に対する現在位置を判定するために、測定され予め定められたプロファイルが（例えば、測定され予め定められたプロファイルの対応する部分を重ね合わせることにより）用いられてよい。
いくつかの実施形態において、スパースマップ８００は、自律走行車両のユーザ、環境状況、及び／又は、運転に関連する他のパラメータと関連付けられる異なる特性に基づいた異なる軌道を含み得る。例えば、いくつかの実施形態において、異なる軌跡は、異なるユーザの好み及び／又はプロファイルに基づいて生成され得る。そのような異なる軌跡を含むスパースマップ８００は、異なるユーザの異なる自律走行車両に提供され得る。例えば、一部のユーザは、有料道路を回避することを優先させてよく、一方、その他のユーザは、経路上に有料道路が存在するか否かに関わらず、最も短い又は最も速い経路を取ることを優先させてよい。開示されるシステムは、そのような異なるユーザの好み又はプロファイル基づいた異なる軌道を用いて、異なるスパースマップを生成してよい。別の例として、一部のユーザは、早く移動する車線で走行することを優先させてよく、一方、他のユーザは、常に、中央車線に位置を保持することを優先させてよい。
異なる軌跡は、異なる環境条件、例えば、日中及び夜間、雪、雨、霧などに基づいて、スパースマップ８００を生成され及びこれに含まれ得る。異なる環境条件下で運転する自律走行車両は、そのような異なる環境条件に基づいて生成されたスパースマップ８００が提供され得る。いくつかの実施形態において、自律走行車両に提供されるカメラは、環境状況を検出してよく、スパースマップを生成及び提供するサーバにそのような情報を返してよい。例えば、サーバは、検出された環境状況下の自律運転にとってより適切又は安全であり得る軌跡を含めるように、すでに生成されたスパースマップ８００を生成又は更新してよい。環境状況に基づくスパースマップ８００の更新は、自律走行車両が道路に沿って走行するときに、動的に実行され得る。
運転に関連する他の異なるパラメータは、異なる自律走行車両に異なるスパースマップを生成及び提供するための基準として用いられてもよい。例えば、自律走行車両が高速で走行しているときに、ターンがよりきつくなり得る。道路よりはむしろ、特定の車線と関連付けられる軌跡は、車両が特定の軌跡に従うように、自律走行車両が特定の車線内を維持し得るようにスパースマップ８００に含まれ得る。カメラが搭載された自律走行車両により取り込まれた画像が、車両が車線の外側にドリフトした（例えば、車線標示を越えた）ことを示す場合、動作は、車両内にトリガされて、特定の軌跡に従って指定された車線に車両を戻し得る。
スパースマップのクラウドソーシング
いくつかの実施形態において、開示されるシステム及び方法は、自律走行車両のナビゲーションに対するスパースマップを生成してよい。例えば、開示されるシステム及び方法は、１又は複数の自律走行車両が道路のシステムに沿ってナビゲートするために用い得るスパースの生成のためにクラウドソーシングされたデータを用いてよい。本明細書で用いられるような「クラウドソーシング」は、異なる時間に道路セグメントを走行する様々な車両（例えば、自律走行車両）からデータが受信されることを意味し、そのようなデータは、道路モデルを生成及び／又は更新するために用いられる。次に、モデルは、自律走行車両のナビゲーションを支援するために、道路セグメントに沿って後に走行する車両又は他の車両に伝送されてよい。道路モデルは、自律走行車両が道路セグメントを通過するときに、それらが進むべき好ましい軌跡を表す複数のターゲット軌跡を含み得る。ターゲット軌跡は、車両からサーバに伝送され得る道路セグメントを通過する車両から収集される再構築される実際の軌跡と同じであり得る。いくつかの実施形態において、ターゲット軌跡は、道路セグメントを通過するときに、１又は複数の車両が以前に取った実際の軌跡とは異なり得る。ターゲット軌跡は、（例えば、平均化、又は、任意の他の適切な演算を通じて）実際の軌跡に基づいて生成され得る。
車両がサーバにアップロードし得る車両の軌跡データは、車両に対して実際の再構築された軌跡に対応してよく、推奨された軌跡に対応してよく、車両の実際の再構築された軌跡に基づいてよい、又は、これに関連してよいが、実際の再構築された軌跡とは異なり得る。例えば、車両は、それらの実際の再構成された軌跡を修正し、修正された実際の軌跡をサーバに提出して（例えば、推奨されて）よい。道路モデルは、他の車両の自律ナビゲーションに対するターゲット軌跡として、推奨され、修正された軌跡を用いてよい。
軌跡情報に加えて、スパースデータマップ８００を構築する際の可能性のある使用に対する他の情報は、可能性のあるランドマーク候補に関連する情報を含み得る。例えば、情報のクラウドソーシングを通じて、開示されるシステム及び方法は、環境内の可能性のあるランドマークを識別し、ランドマークの位置を精緻化してよい。ランドマークは、ターゲット軌跡に沿って車両の位置を判定及び／又は調節するために、自律走行車両のナビゲーションシステムにより用いられてよい。
車両が道路に沿って走行するときに、車両が生成し得る再構成された軌跡は、任意の適切な方法により取得されてよい。いくつかの実施形態において、再構成された軌跡は、例えば、エゴモーション推定（例えば、カメラ、したがって、車両の車体の３次元並進及び３次元回転）を用いて、車両に対する動きのセグメントを一緒にステッチすることにより展開され得る。回転及び並進推定は、他のセンサ又はデバイス、例えば、慣性センサ及び速度センサからの情報と共に１又は複数の画像取込デバイスにより取り込まれた画像の解析に基づいて判定され得る。例えば、慣性センサは、加速度計、又は、車体の変換及び／又は回転の際の変化を測定するように構成される他の適したセンサを含み得る。車両は、車両の速度を測定する速度センサを含み得る。
いくつかの実施形態において、カメラ（したがって、車体）のエゴモーションは、取り込まれた画像のオプティカルフロー解析に基づいて推定され得る。画像のシーケンスのオプティカルフロー解析は、画像のシーケンスから画素の動作を識別し、識別した動作に基づいて、車両の動きを判定する。エゴモーションは、車両が進む道路セグメントと関連付けられた軌跡を再構築するために、道路セグメントを経時的及びこれに沿って統合され得る。
異なる時間に、道路セグメントに沿う複数の運転において複数の自動車により収集されるデータ（例えば、再構成された軌跡）は、スパースデータマップ８００に含まれる（例えば、ターゲット軌跡などを含む）道路モデルを構築するために用いられてよい。異なる時間に、道路セグメントに沿う複数の運転において複数の自動車により収集されたデータは、モデルの精度を向上させるために平均化されてもよい。いくつかの実施形態において、道路の幾何学形状及び／又はランドマークに関するデータは、異なる時間に、共通の道路セグメントを通じて走行する複数の自動車から受信され得る。異なる車両から受信されるそのようなデータは、道路モデルを生成し、及び／又は、道路モデルを更新するように組み合わせられ得る。
道路セグメントに沿って再構築された軌跡の幾何学形状（及び、ターゲット軌跡も）は、３次元空間内の曲線により表されてよく、３次元多項式をつなぐスプラインであってよい。再構築された軌跡の曲線は、車両に設置されたカメラにより取り込まれたビデオストリーム又は複数の画像の解析から判定されてよい。いくつかの実施形態において、車両の現在位置の数メートル前方にある各フレーム又は画像において、位置が識別される。この位置は、所定の時間期間内に車両が走行することが予想される場所である。この操作は、フレームごとに繰り返されてよく、同時に、車両はカメラのエゴモーション（回転及び並進）を計算してよい。各フレーム又は画像において、カメラに取り付けられた基準フレーム内の車両により、所望の経路に対する短い範囲のモデルが生成される。短い範囲のモデルは、いくつかの座標フレーム内の道路の３次元モデルを取得するために一緒にステッチされてよく、任意の又は予め定められた座標フレームであってよい。次に、道路の３次元モデルは、スプラインにより取り付けられてよく、適切な次数で構成される１又は複数の多項式を含んでよい、又は、つながってよい。
各フレームにおいて短い範囲の道路モデルを成立させるために、１又は複数の検出モジュールが用いられてよい。例えば、ボトムアップ車線検出モジュールが用いられてよい。ボトムアップ車線検出モジュールは、車線標示が道路に描かれている場合に有用であり得る。このモジュールは、画像内の縁部を見つけて、それらを一緒に組み立てて車線標示を形成し得る。第２モジュールは、ボトムアップ車線検出モジュールと一緒に用いられてよい。第２モジュールは、入力画像から正確な短い範囲の経路を予測するように訓練され得る、端末間のディープニューラルネットワークである。両方のモジュールにおいて、道路モデルは、画像の座標フレームにおいて検出され、カメラに実質的に取り付けられ得る３次元空間に変換されてよい。
再構築された軌跡のモデル化方法は、長期間にわたるエゴモーションの統合に起因する、ノイズ成分を含み得る誤差の蓄積を取り入れてよいが、生成されるモデルは、局所的なスケールにわたるナビゲーションに十分な精度を提供し得るので、そのような誤差は、重要ではない。さらに、衛星画像又は測地測量などの外部の情報源を用いることにより、統合された誤差をキャンセルすることが可能である。例えば、開示されるシステム及び方法は、ＧＮＳＳ受信器を用いて、蓄積された誤差をキャンセルしてよい。しかしながら、ＧＮＳＳポジショニング信号は、常に取得可能で正確なわけではないかもしれない。開示されるシステム及び方法は、ＧＮＳＳポジショニングの有効性及び精度に弱く依存するステアリングアプリケーションを可能にし得る。そのようなシステムにおいて、ＧＮＳＳ信号の使用が制限される場合がある。例えば、いくつかの実施形態において、開示されるシステムは、データベースのインデックス作成の目的だけのためにＧＮＳＳ信号を用いてよい。
いくつかの実施形態において、自律走行車両のナビゲーションステアリングアプリケーションについて関連し得る距離範囲（例えば、局所的なスケール）は、５０メートル、１００メートル、２００メートル、３００メートルなどのオーダであってよい。主に、前もって軌跡を計画し、道路モデルにおける車両の場所を見つけ出すという２つの目的のために幾何学な道路モデルが用いられるように、そのような距離が用いられてよい。いくつかの実施形態において、１．３秒先（又は、１．５秒、１．７秒、２秒などの任意の時間）に配置されたターゲット点に従って、制御アルゴリズムが車両を操縦する場合、タスクを計画することは、４０メートル前方の典型的な範囲（又は、２０メートル、３０メートル、５０メートルなどの任意の他の適切な距離の前方）にわたるモデルを用いてよい。位置推定タスクは、別の欄でより詳細に説明される「テールアライメント」と呼ばれる方法に従って、自動車の６０メートル後方（又は、任意の他の適切な距離、例えば、５０メートル、１００メートル、１５０メートルなど）の典型的な範囲にわたる道路モデルを用いる。開示されるシステム及び方法は、計画された軌跡が、例えば、車線中央から３０ｃｍ以上逸れないように、特定の範囲、例えば、１００メートルにわたって十分な精度を有する幾何学モデルを生成し得る。
上記で説明したように、３次元道路モデルは、短い範囲の部分を検出し、それらを一緒にステッチすることで構築され得る。ステッチは、カメラにより取り込まれたビデオ及び／又は画像、車両の動きに反射する慣性センサからのデータ、及び、ホスト車両の速度信号を用いて、６段階のエゴモーションモデルを計算することにより有効にされ得る。蓄積された誤差は、１００メートルのオーダなど、一部の局所的な距離範囲にわたって十分小さいかもしれない。これはすべて、特定の道路セグメントにわたる単一の運転において完了し得る。
いくつかの実施形態において、複数の運転は、結果的なモデルを平均化し、その精度をさらに向上させるために用いられてよい。同じ自動車が複数回同じ経路を走行してよく、複数の自動車は、それらの収集されたモデルのデータをセントラルサーバに送信してよい。いずれの場合でも、マッチング手順は、ターゲット軌跡を生成するために、重なり合うモデルを識別し、平均を可能にするように実行され得る。構築されるモデル（例えば、ターゲット軌跡を含む）は、一旦、収束基準を満たすと、ステアリングのために用いられ得る。その後の運転で、さらなるモデル改善のために、かつ、インフラの変化に適応するために用いられ得る。
運転経験の共有（例えば、複数の自動車間の検知データ）は、それらがセントラルサーバに接続されている場合に実現可能になる。各車両クライアントは、その現在位置に関連し得る普遍的な道路モデルの部分的なコピーを格納し得る。車両とサーバとの間の双方向更新手順が車両及びサーバにより実行され得る。上述した小型フットプリントの概念は、非常に小さい帯域幅を用いて、双方向更新を実行する開示されるシステム及び方法を可能にする。
可能性のあるランドマークに関連する情報が判定されてもよく、セントラルサーバに転送されてもよい。例えば、開示されるシステム及び方法は、ランドマークを含む１又は複数の画像に基づいて、可能性のあるランドマークについての１又は複数の物理的な特性を判定してよい。物理的な特性は、物理的サイズランドマークの（例えば、高さ、幅）、車両からランドマークまでの距離、以前のランドマークに対するランドマーク間の距離、ランドマークの横方向の位置（例えば、走行車線に関連するランドマークの位置）、ランドマークのＧＰＳ座標、ランドマークのタイプ、ランドマークにあるテキストの識別情報などを含み得る。例えば、車両は、カメラにより取り込まれた１又は複数の画像を解析して、速度制限標識などの可能性のあるランドマークを検出し得る。
車両は、１又は複数の画像の解析に基づいて、車両からランドマークまでの距離を判定し得る。いくつかの実施形態において、当該距離は、スケーリング方法及び／又はオプティカルフロー方法などの適切な画像解析方法を用いたランドマークの画像の解析に基づいて判定され得る。いくつかの実施形態において、開示されるシステム及び方法は、可能性のあるランドマークのタイプ又は分類を判定するように構成され得る。スパースマップに格納されている特定の可能性のあるランドマークが予め定められたタイプ又は分類に対応すると、車両が判定した場合、車両がランドマークのタイプ又は分類のインジケーションをその位置と共にサーバに通信するだけで十分な場合がある。サーバは、そのようなインジケーションを格納し得る。その後に、他の車両は、ランドマークの画像を取り込んで、（例えば、分類器を用いて）当該画像を処理し、画像を処理した結果を、ランドマークのタイプに関してサーバに格納されているインジケーションと比較し得る。様々なタイプのランドマークがあり得、異なるタイプのランドマークは、アップロード対象の異なるタイプのデータと関連付けられて、サーバに格納されてよく、異なる処理を搭載する車両は、ランドマークを検出して、ランドマークに関する情報をサーバに通信してよく、システムを搭載した車両は、サーバからランドマークのデータを受信し、自律ナビゲーションの際にランドマークを識別するために、当該ランドマークのデータを用いてよい。
いくつかの実施形態において、道路セグメントを走行する複数の自律走行車両は、サーバと通信し得る。車両（又はクライアント）は、（例えば、エゴモーション統合を通じて）その運転を説明する曲線を任意の座標フレームに生成し得る。車両は、同じフレーム内にランドマークを検出し、それらを探し得る。車両は、曲線及びランドマークをサーバにアップロードし得る。サーバは、複数の運転にわたる車両からのデータを収集し、統合された道路モデルを生成し得る。例えば、図１９に関して以下で議論されるように、サーバは、アップロードされた曲線及びランドマークを用いて、統合された道路モデルを有するスパースマップを生成し得る。
サーバは、モデルをクライアント（例えば、車両）に分配してもよい。例えば、サーバは、スパースマップを１又は複数の車両に分配してよい。サーバは、車両から新たなデータを受信した場合、モデルを継続的に又は定期的に更新してよい。例えば、サーバは、新たなデータを処理して、当該データが、サーバ上の新たなデータの更新又は作成をトリガすべき情報を含むか否かを評価し得る。サーバは、自律走行車両のナビゲーションを提供するために、更新されたモデル又は更新を車両に分配し得る。
サーバは、車両から受信した新たなデータが、モデルに対する更新をトリガすべきか、新たなデータの作成をトリガすべきかを判定するための１又は複数の基準を用い得る。例えば、新たなデータが、特定の位置にあった以前に認識されたランドマークがもはや存在していないことを示す、又は、別のランドマークによって置き換えられている場合、サーバは、新たなデータがモデルに対する更新をトリガすべきであると判定し得る。別の例として、道路セグメントが閉鎖されていることを新たなデータが示す場合、かつ、これが他の車両から受信したデータにより裏付けられている場合、サーバは、新たなデータがモデルに対する更新をトリガすべきであると判定し得る。
サーバは、モデルに対する更新が関連付けられている道路セグメントを走行している１又は複数の車両に更新されたモデル（又は、モデルの更新された部分）を分配してよい。サーバは、モデルに対する更新が関連付けられている、道路セグメントを走行する予定の車両、又は、計画された移動が道路セグメントを含む車両に更新されたモデルを分配してもよい。例えば、更新が関連付けられている道路セグメントに到達する前の別の道路セグメントに沿って、自律走行車両が走行している間、サーバは、車両が道路セグメントに到達する前に、自律走行車両に更新又は更新されたモデルを分配し得る。
いくつかの実施形態において、リモートサーバは、複数のクライアント（例えば、共通の道路セグメントに沿って走行する車両）から軌跡及びランドマークを収集し得る。サーバは、複数の自動車から収集した軌跡に基づいて、ランドマークを用いて曲線を一致させ、平均道路モデルを作成し得る。サーバは、道路のグラフ及び各ノードにおける最確経路、又は、道路セグメントの接続を計算してもよい。例えば、リモートサーバは、軌跡を揃えて、収集した軌跡からクラウドソーシングされたスパースマップを生成し得る。
サーバは、共通の道路セグメント、例えば、複数の自動車により測定されるような一方のランドマークから他方のランドマークの間の距離（例えば、道路セグメントに沿う前のもの）に沿って走行される複数の自動車から受信したランドマーク属性を平均化して、弧の長さパラメータを判定し、経路に沿う位置推定及び各クライアント車両に対する速度較正をサポートし得る。サーバは、共通の道路セグメントに沿って走行され、同じランドマークが認識されている複数の自動車により測定されたランドマークの物理的寸法を平均化し得る。平均化された物理的寸法は、距離の推定、例えば、車両からランドマークまでの距離をサポートするために用いられ得る。サーバは、共通の道路セグメントに沿って走行され、同じランドマークが認識されている複数の自動車により測定されたランドマークの横方向の位置（例えば、車両がランドマークへ走行している車線からの位置）を平均し得る。平均化された横方向の部分は、車線指定をサポートするために用いられ得る。サーバは、同じ道路セグメントに沿って走行され、同じランドマークが認識されている複数の自動車により測定されたランドマークのＧＰＳ座標を平均し得る。ランドマークの平均化されたＧＰＳ座標は、道路モデルにおいて、ランドマークのグローバルローカライゼーション又はポジショニングをサポートするために用いられ得る。
いくつかの実施形態において、サーバは、車両から受信したデータに基づいて、モデルの変更、例えば、建築物、迂回路、新しい標識、標識の除去などを識別し得る。サーバは、車両から新たなデータを受信した際に、モデルを継続的に又は定期的に若しくは即座に更新し得る。サーバは、自律ナビゲーションを提供するために、モデルに更新を分配してよい、又は、車両に更新されたモデルを分配してよい。例えば、以下でさらに議論されるように、サーバは、クラウドソーシングされたデータを用いて、車両により検出された「ゴースト」ランドマークを取り除き得る。
いくつかの実施形態において、サーバは、自律運転中の運転者の介在を解析し得る。サーバは、介在が発生した時点及び位置で車両から受信したデータ、及び／又は、介在が発生した時の前に受信したデータを解析し得る。サーバは、介在が発生し、かつ、介在に緊密に関連しているデータの特定の部分、例えば、一時的な車線通行止めの設定を示すデータ、道路内の歩行者を示すデータを識別し得る。サーバは、識別されたデータに基づいてモデルを更新し得る。例えば、サーバは、モデルに格納されている１又は複数の軌跡を修正し得る。
図１２は、クラウドソーシングを用いて、スパースマップを生成する（及び、クラウドソーシングされたスパースマップを用いて分配しナビゲートする）システムの概略図である。図１２は、１又は複数の車線を含む道路セグメント１２００を示す。複数の車両１２０５、１２１０、１２１５、１２２０及び１２２５は、（図１２では同時に道路セグメント１２００上に現れるように示されているが）同時に又は異なる時間に道路セグメント１２００を走行し得る。車両１２０５、１２１０、１２１５、１２２０及び１２２５の少なくとも１つは、自律走行車両であってよい。本例を簡単にするために、車両１２０５、１２１０、１２１５、１２２０及び１２２５のすべてが自律走行車両であると推測される。
各車両は、他の実施形態において開示される車両（例えば、車両２００）と同様であってよく、他の実施形態において開示される車両に含まれる又はこれと関連付けられるコンポーネント又はデバイスを含んでよい。各車両は、画像取込デバイス又はカメラ（例えば、画像取込デバイス１２２又はカメラ１２２）を備え得る。各車両は、点線で示されるような無線通信経路１２３５を通じて、１又は複数のネットワークを介して（例えば、セルラネットワーク及び／又はインターネットなどを介して）リモートサーバ１２３０と通信し得る。各車両は、サーバ１２３０にデータを伝送し、サーバ１２３０からデータを受信し得る。例えば、サーバ１２３０は、異なる時間に道路セグメント１２００を走行する複数の自動車からデータを収集してよく、自律走行車両の道路ナビゲーションモデルを生成するために収集されたデータ、又は、又はモデルに対する更新を処理してよい。サーバ１２３０は、サーバ１２３０にデータを伝送した車両に、自律走行車両の道路ナビゲーションモデル又はモデルに対する更新を伝送し得る。サーバ１２３０は、その後に道路セグメント１２００を走行する他の車両に、自律走行車両の道路ナビゲーションモデル又はモデルに対する更新を伝送し得る。
車両１２０５、１２１０、１２１５、１２２０及び１２２５が道路セグメント１２００を走行しているときに、車両１２０５、１２１０、１２１５、１２２０及び１２２５により収集（例えば、検出、検知又は測定）されたナビゲーション情報は、サーバ１２３０に伝送され得る。いくつかの実施形態において、ナビゲーション情報は、共通の道路セグメント１２００と関連付けられ得る。ナビゲーション情報は、各車両が道路セグメント１２００にわたって走行するときに、車両１２０５、１２１０、１２１５、１２２０及び１２２５のそれぞれと関連付けられる軌跡を含み得る。いくつかの実施形態において、軌跡は、車両１２０５に提供される様々なセンサ及びデバイスにより検知されるデータに基づいて再構築され得る。例えば、軌跡は、加速度計データ、速度データ、ランドマークのデータ、道路の幾何学形状又はプロファイルデータ、車両の配置データ、エゴモーションデータのうちの少なくとも１つに基づいて再構築され得る。いくつかの実施形態において、軌跡は、慣性センサ、例えば、加速度計からのデータ、及び、速度センサにより検知された車両１２０５の速度に基づいて再構築され得る。さらに、いくつかの実施形態において、軌跡は、３次元並進及び／又は３次元回転（又は回転動作）を示し得るカメラの検知されたエゴモーションに基づいて、（例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５のそれぞれに搭載されたプロセッサにより）判定され得る。カメラ（したがって、車体）のエゴモーションは、カメラにより取り込まれた１又は複数の画像の解析から判定され得る。
いくつかの実施形態において、車両１２０５の軌跡は、車両１２０５に搭載されたプロセッサにより判定され、サーバ１２３０に伝送されてよい。他の実施形態において、サーバ１２３０は、車両１２０５に提供される様々なセンサ及びデバイスにより検知されたデータを受信し、車両１２０５からデータした受信に基づいて軌跡を判定し得る。
いくつかの実施形態において、車両１２０５、１２１０、１２１５、１２２０及び１２２５からサーバ１２３０に伝送されるナビゲーション情報は、路面、道路の幾何学形状又は道路プロファイルに関するデータを含んでよい。道路セグメント１２００の幾何学形状は、車線構成及び／又はランドマークを含んでよい。車線構成は、道路セグメント１２００の車線の総数、車線のタイプ（例えば、一方向車線、双方向車線、走行車線、追い越し車線など）、車線上のマーキング、車線の幅などを含んでよい。いくつかの実施形態において、ナビゲーション情報は、車線指定、例えば、車両走行する複数の車線のうち、１つの車線を含んでよい。例えば、車線指定は、左側又は右側から３番目の車線を車両が走行していることを示す数値「３」と関連付けられてよい。別の例として、車線指定は、車両が中央車線を走行していることを示すテキスト値「中央車線」と関連付けられてよい。
サーバ１２３０は、非一時的なコンピュータ可読媒体、例えば、ハードドライブ、コンパクトディスク、テープ、メモリなどにナビゲーション情報を格納し得る。サーバ１２３０は、（例えば、サーバ１２３０に含まれるプロセッサを通じて）複数の車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報に基づいて、共通の道路セグメント１２００に対する自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成してよく、スパースマップの一部として当該モデルを格納してよい。サーバ１２３０は、異なる時間に道路セグメントの車線を走行する複数の自動車（例えば、１２０５、１２１０、１２１５、１２２０及び１２２５）から受信したクラウドソーシングされたデータ（例えば、ナビゲーション情報）に基づいて、各車線と関連付けられる軌跡を判定し得る。サーバ１２３０は、クラウドソーシングされたナビゲーションデータに基づいて判定された複数の軌跡に基づいて、自律走行車両の道路ナビゲーションモデル又はモデルの一部（例えば、更新された部分）を生成し得る。車両のナビゲーションシステムに提供される既存の自律走行車両の道路ナビゲーションモデルを更新するために、道路セグメント１２００を走行している自律走行車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの１又は複数、又は、その後に道路セグメントを走行する任意の他の自律走行車両に、サーバ１２３０は、モデル又はモデルの更新された部分を伝送し得る。自律走行車両の道路ナビゲーションモデルは、共通の道路セグメント１２００に自律的に沿ってナビゲートする際に自律走行車両により用いられ得る。
上記で説明したように、自律走行車両の道路ナビゲーションモデルは、スパースマップ（例えば、図８に示されるスパースマップ８００）に含まれ得る。スパースマップ８００は、道路に沿う道路の幾何学形状及び／又はランドマークに関連するデータのスパース記録を含んでよく、自律走行車両の自律ナビゲーションを案内するのに十分な情報を提供し得るが、過剰なデータストレージを要求することはない。いくつかの実施形態において、自律走行車両の道路ナビゲーションモデルは、スパースマップ８００とは別々に格納されてよく、当該モデルがナビゲーション用に実行されるときに、スパースマップ８００からのマップデータを用いてよい。いくつかの実施形態において、自律走行車両の道路ナビゲーションモデルは、自律走行車両１２０５、１２１０、１２１５、１２２０及び１２２５、又は、その後に道路セグメント１２００に沿って走行する他の車両の自律ナビゲーションを案内するために、道路セグメント１２００に沿うターゲット軌跡を判定するためのスパースマップ８００に含まれるマップデータを用いてよい。例えば、自律走行車両の道路ナビゲーションモデルが車両１２０５のナビゲーションシステムに含まれるプロセッサにより実行される場合、モデルは、プロセッサに、車両１２０５の現在走行中のコースを検証及び／又は修正するために、スパースマップ８００に含まれる予め定められた軌跡と、車両１２０５から受信したナビゲーション情報に基づいて判定された軌跡を比較させてよい。
自律走行車両の道路ナビゲーションモデルにおいて、道路特徴又はターゲット軌跡の幾何学形状は、３次元空間において曲線で符号化され得る。１つの実施形態において、曲線は、１又は複数の接続３次元多項式を含む３次元スプラインであってよい。当業者であれば、データを適合するために、スプラインが一連の多項式により区分的に定義された数値関数であり得ることを理解するだろう。道路の３次元幾何学形状データを適合するためのスプラインは、線形スプライン（１次）、二次スプライン（２次）、３次元スプライン（３次）又は任意の他のスプライン（他の次数）、又は、それらの組み合わせを含み得る。スプラインは、道路の３次元幾何学形状データのデータポイントをつなぐ（例えば、適合させる）異なる次元の１又は複数の３次元多項式を含み得る。いくつかの実施形態において、自律走行車両の道路ナビゲーションモデルは、共通の道路セグメント（例えば、道路セグメント１２００）又は道路セグメント１２００の車線に沿うターゲット軌跡に対応する３次元スプラインを含み得る。
上記で説明したように、スパースマップに含まれる自律走行車両の道路ナビゲーションモデルは、他の情報、例えば、道路セグメント１２００に沿う少なくとも１つのランドマークの識別情報を含み得る。ランドマークは、車両１２０５、１２１０、１２１５、１２２０及び１２２５のそれぞれに設置されるカメラ（例えば、カメラ１２２）の視野内に見える場合がある。いくつかの実施形態において、カメラ１２２は、ランドマークの画像を取り込み得る。車両１２０５に提供されるプロセッサ（例えば、プロセッサ１８０、１９０又は処理ユニット１１０）は、ランドマークの画像を処理して、ランドマークに関する識別情報を抽出し得る。 ランドマークの実画像よりはむしろ、ランドマークの識別情報がスパースマップ８００に格納され得る。ランドマークの識別情報は、実画像よりもかなり少ない格納空間しか必要としない場合がある。他のセンサシステム（例えば、ＧＰＳシステム）は、ランドマーク（例えば、ランドマークの位置）の特定の識別情報を提供してもよい。ランドマークは、交通標識、矢印マーク、車線標示、破線の車線標示、交通信号灯、停止線、方向標識（例えば、方向を示す矢印を有する高速道路の出口の標識、異なる方向又は場所を示す矢印を有する高速道路の標識）、ランドマークビーコン又は街灯柱のうちの少なくとも１つを含み得る。ランドマークビーコンは、車両に設置される受信器に信号を伝送又は反射する、道路セグメントに沿って設置されたデバイス（例えば、ＲＦＩＤデバイス）を指し、車両がデバイスの側を通った場合に、車両により受信されたビーコン及びデバイスの位置（例えば、デバイスのＧＰＳの位置から判定される）が自律走行車両の道路ナビゲーションモデル及び／又はスパースマップ８００に含まれるべきランドマークとして用いられ得る。
少なくとも１つのランドマークの識別情報は、少なくとも１つのランドマークの位置を含み得る。ランドマークの位置は、複数の車両１２０５、１２１０、１２１５、１２２０及び１２２５と関連付けられるセンサシステム（例えば、グローバルポジショニングシステム、慣性ベースのポジショニングシステム、ランドマークビーコンなど）を用いて実行される位置測定値に基づいて判定され得る。いくつかの実施形態において、ランドマークの位置は、複数の運転を通じて異なる車両１２０５、１２１０、１２１５、１２２０及び１２２５のセンサシステムにより検出、収集又は受信された位置測定値を平均化することにより判定され得る。例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５は、位置測定値データをサーバ１２３０に伝送してよく、サーバ１２３０は、位置測定値を平均し、平均化した位置測定値をランドマークの位置として用い得る。ランドマークの位置は、その後の運転において車両から受信した測定値により継続的に改良され得る。
ランドマーク識別情報は、ランドマークのサイズを含み得る。車両（例えば、１２０５）に提供されるプロセッサは、画像の解析に基づいてランドマークの物理的サイズを推定し得る。サーバ１２３０は、異なる運転を通じて異なる車両から同じランドマークの物理的サイズについての複数の推定値を受信し得る。サーバ１２３０は、ランドマークに関する物理的サイズに到着する異なる推定値を平均化し、そのランドマークのサイズを道路モデルに格納し得る。物理的サイズの推定値は、車両からランドマークまでの距離をさらに判定又は推定するために用いられ得る。ランドマークまでの距離は、車両の現在の速度と、カメラの拡張焦点に対して画像内に現れるランドマークの位置に基づくスケール拡大とに基づいて推定され得る。例えば、ランドマークまでの距離は、Ｚ＝Ｖ×ｄｔ×Ｒ／Ｄにより推定されてよく、Ｖは車両の速度であり、Ｒは時刻ｔ１におけるランドマークからの拡張焦点までの画像内の距離であり、Ｄは、ｔ１からｔ２までの画像内のランドマークに対する距離の変化である。ｄｔは、（ｔ２－ｔ１）を表す。例えば、ランドマークまでの距離は、Ｚ＝Ｖ×ｄｔ×Ｒ／Ｄにより推定されてよく、Ｖは車両の速度であり、Ｒはは、ランドマークと拡張焦点との間の画像内の距離であり、ｄｔは時間間隔であり、Ｄは、エピポーラ線に沿うランドマークの画像ずれである。上記の式と同等である他の式、例えば、Ｚ＝Ｖ×ω／Δωが、ランドマークまでの距離を推定するために用いられ得る。ここで、Ｖは車両の速度であり、ωは、（オブジェクトの幅のような）画像の長さであり、Δωは、単位時間における画像の長さの変化である。
ランドマークの物理的サイズが知られている場合、ランドマークまでの距離は、以下の式、Ｚ＝ｆ×Ｗ／ωに基づいて判定されてもよく、ｆは焦点距離であり、Ｗは、ランドマークのサイズ（例えば、高さ又は幅）であり、ωは、ランドマークが画像を離れたときの画素の数である。上記の式から、距離Ｚの変化は、ΔＺ＝ｆ×Ｗ×Δω／ω２＋ｆ×ΔＷ／ωを用いて算出されてよく、ΔＷは、平均化によりゼロに減衰し、Δωは、画像の境界ボックス精度を表す画素の数である。ランドマークの物理的サイズを推定する値は、サーバ側において、複数の観測値を平均化することにより算出され得る。距離推定の結果的な誤差は、非常に小さいかもしれない。上記の式、すなわちΔＷ及びΔωを用いた場合に生じ得る誤差の２つの情報源が存在する。距離の誤差に対するそれらの寄与は、ΔＺ＝ｆ×Ｗ×Δω／ω２＋ｆ×ΔＷ／ωにより与えられる。しかしながら、ΔＷは、平均化によりゼロに減衰しており、したがって、ΔＺは、Δωにより判定される（例えば、画像内の境界ボックスの不正確さ）。
知られていない寸法のランドマークについて、ランドマークまでの距離は、一連のフレーム間のランドマークにおける特徴点を追跡することにより推定され得る。例えば、速度制限標識に現れる特定の特徴は、２又はそれより多くの画像フレーム間で追跡され得る。それらの追跡された特徴に基づいて、特徴点ごとの距離の分布が生成され得る。距離評価は、距離の分布から抽出され得る。例えば、距離の分布に現れる最も頻度の高い距離が、距離評価として用いられ得る。別の例として、距離の分布の平均が距離評価として用いられ得る。
図１３は、複数の３次元スプライン１３０１、１３０２及び１３０３により表される例示的な自律走行車両の道路ナビゲーションモデルを示す。図１３に示される曲線１３０１、１３０２及び１３０３は、例示の目的だけのためである。各スプラインは、複数のデータポイント１３１０を接続する１又は複数の３次元多項式を含み得る。各多項式は、１次多項式、２次多項式、３次多項式又は異なる次元を有する任意の適切な多項式の組み合わせであってよい。各データポイント１３１０は、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報と関連付けられ得る。いくつかの実施形態において、各データポイント１３１０は、ランドマークに関連するデータ（例えば、ランドマークのサイズ、位置及び識別情報）、及び／又は、道路シグネチャプロファイル（例えば、道路の幾何学形状、道路粗さプロファイル、道路曲率プロファイル、道路幅プロファイル）と関連付けられ得る。いくつかの実施形態において、いくつかのデータポイント１３１０は、ランドマークに関連するデータと関連付けられてよく、その他のものは、道路シグネチャプロファイルに関連するデータと関連付けられてよい。
図１４は、５つの別個の運転から受信された未処理の位置データ１４１０（例えば、ＧＰＳデータ）を示す。同時に別個の車両が、別個の時間に同じ車両が、又は、別個の時間に別個の車両が通過した場合、ある運転は、別の運転とは別個であり得る。位置データ１４１０における誤差及び同じ車線内の車両の異なる位置（例えば、ある車両が、別の車両よりも車線の左側に近づいて運転し得る）を説明するために、サーバ１２３０は、１又は複数の統計技術を用いて、未処理位置データ１４１０の変動が、実際の相違又は統計的な誤差を表すかを判定するマップの概要１４２０を生成し得る。概要１４２０内の各経路は、経路を形成した未加工のデータ１４１０にリンクされて戻ってよい。例えば、概要１４２０内のＡとＢとの間の経路は、運転１からではなく、運転２、３、４及び５からの未加工のデータ１４１０にリンクされる。概要１４２０は、（例えば、上述したスプラインとは異なり、同じ道路上の複数の車線から運転を組み合わせるので）車両をナビゲートするために用いられるのに十分に詳細でないかもしれないが、有用なトポロジカル情報を提供してよく、交点を定義するために用いられ得る。
図１５は、マップの概要のセグメント（例えば、概要１４２０内のセグメントＡからＢ）内のスパースマップに対して、さらなる詳細が生成され得る例を示す。図１５に示されるように、データ（例えば、エゴモーションデータ及び路面標識データなど）は、運転に沿う位置Ｓ（又は、Ｓ１又はＳ２）に応じて示され得る。サーバ１２３０は、運転１５１０のランドマーク１５０１、１５０３及び１５０５と、運転１５２０のランドマーク１５０７及び１５０９との間の一意の一致を識別することによってスパースマップに対するランドマークを識別し得る。そのようなマッチングアルゴリズムは、ランドマーク１５１１、１５１３及び１５１５の識別をもたらし得る。しかしながら、当業者であれば、他のマッチングアルゴリズムが用いられてよいことを認識する。例えば、一意のマッチングの代わりに、又は、これと組み合わせて、確率最適化が用いられてよい。サーバ１２３０、運転を長手方向に整列させて、マッチングされたランドマークを整列させ得る。例えば、サーバ１２３０は、基準運転として、１つの運転（例えば、運転１５２０）を選択し、次に、整列のために他の運転（例えば、運転１５１０）をシフト及び／又は弾力的に伸ばしてよい。
図１６は、スパースマップで用いる揃えられたランドマークのデータの例を示す。図１６の例において、ランドマーク１６１０は、道路標識を有する。図１６の例は、複数の運転１６０１、１６０３、１６０５、１６０７、１６０９、１６１１及び１６１３からのデータをさらに示す。図１６の例では、運転１６１３からのデータは、「ゴースト」ランドマークで構成されており、運転１６０１、１６０３、１６０５、１６０７、１６０９及び１６１１のいずれも、運転１６１３において特定されたランドマークの近傍にあるランドマークの識別情報を含まないので、サーバ１２３０は、それをそのように識別し得る。したがって、サーバ１２３０は、ランドマークが現れていない画像に対するランドマークが現れている画像の割合が閾値を超えている場合、可能性のあるランドマークを承認してよく、及び／又は、ランドマークが現れている画像に対するランドマークが現れていない画像の割合が閾値を超えている場合、可能性のあるランドマークを拒否してよい。
図１７は、運転データを生成するためのシステム１７００を示し、スパースマップをクラウドソーシングするために用いられ得る。図１７に示されるように、システム１７００は、カメラ１７０１及び位置特定デバイス１７０３（例えば、ＧＰＳロケータ）を含み得る。カメラ１７０１及び位置特定デバイス１７０３は、車両（例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの１つ）に取り付けられ得る。カメラ１７０１は、複数のタイプの複数のデータ、例えば、エゴモーションデータ、交通標識データ又は道路データなどを提供し得る。カメラのデータ及び位置データは、運転セグメント１７０５にセグメント化され得る。例えば、運転セグメント１７０５はそれぞれ、１ｋｍ未満の運転からのカメラのデータ及び位置データを有し得る。
いくつかの実施形態において、システム１７００は、運転セグメント１７０５における冗長性を取り除き得る。例えば、ランドマークがカメラ１７０１からの複数の画像に現れている場合、システム１７００は、運転セグメント１７０５がランドマークの位置及びこれに関連する任意のメタデータのうちの一方のみのコピーを含むように、冗長データを取り去り得る。さらなる例として、カメラ１７０１からの複数の画像内に車線標示が現れている場合、システム１７００は、運転セグメント１７０５が任意のメタデータの位置及び車線標示に関連する任意のメタデータのうちの一方のコピーのみを含むように、冗長データを取り去り得る。
システム１７００は、サーバ（例えば、サーバ１２３０）も含む。サーバ１２３０は、車両から運転セグメント１７０５を受信し、運転セグメント１７０５を単一の運転１７０７に再結合し得る。そのような配置は、サーバが運転全体に関連するデータを格納することも可能にしつつ、車両とサーバとの間でデータを移動させる場合の帯域幅要件を低減することを可能にし得る。
図１８は、スパースマップをクラウドソーシングするためにさらに構成される図１７のシステム１７００を示す。図１７のように、システム１７００は、車両１８１０を含み、例えば、（例えば、エゴモーションデータ、交通標識データ又は道路データなどを提供する）カメラ及び位置特定デバイス（例えば、ＧＰＳロケータ）を用いて、運転データを取り込む。図１７のように、車両１８１０は、収集されたデータを複数の運転セグメント（図１８において、「ＤＳ１ １」、「ＤＳ２ １」、「ＤＳＮ１」として示される）にセグメント化する。次に、サーバ１２３０は、運転セグメントを受信し、受信したセグメントから（図１８において「運転１」として示される）運転を再構築する。
図１８にさらに示されるように、システム１７００はまた、追加の車両からデータを受信する。例えば、車両１８２０はまた、例えば、（例えば、エゴモーションデータ、交通標識データ又は道路データなどを提供する）カメラ、及び、位置特定デバイス（例えば、ＧＰＳロケータ）を用いて運転データを取り込む。車両１８１０と同様に、車両１８２０は、収集されたデータを複数の運転セグメント（図１８において「ＤＳ１ ２」、「ＤＳ２ ２」、「ＤＳＮ２」として示される）にセグメント化する。次に、サーバ１２３０は、運転セグメントを受信し、受信したセグメントから運転（図１８において、「運転２」として示される）を再構築する。任意の数の追加の車両が用いられてよい。例えば、図１８はまた、運転データを取り込み（図１８において「ＤＳ１ Ｎ」、「ＤＳ２ Ｎ」、「ＤＳ３ Ｎ」として示される）運転セグメントにそれをセグメント化し、（図１８において、「運転Ｎ」として示される）運転へと再構築するために、それをサーバ１２３０に送信する「自動車Ｎ」を含む。
図１８に示されるように、サーバ１２３０は、複数の車両（例えば、「自動車１」（車両１８１０とも名付けられる））、「自動車２」（車両１８２０とも名付けられる）及び「自動車Ｎ」）から収集さえる再構築された運転（例えば、「運転１」、「運転２」及び「運転Ｎ」）を用いて、（「マップ」として示される）スパースマップを構築し得る。
図１９は、道路セグメントに沿う自律走行車両のナビゲーション用のスパースマップを生成するための例示的な処理１９００を示すフローチャートである。処理１９００は、サーバ１２３０に含まれる１又は複数の処理デバイスにより実行され得る。
処理１９００は、１又は複数の車両が道路セグメントを通過するときに取得された複数の画像を受信する段階（段階１９０５）を含み得る。サーバ１２３０は、車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの１又は複数内に含まれるカメラから画像を受信し得る。例えば、カメラ１２２は、車両１２０５が道路セグメント１２００に沿って走行しているときに、車両１２０５を取り囲む環境についての１又は複数の画像を取り込んでよい。いくつかの実施形態において、サーバ１２３０は、図１７に関して上述したように、車両１２０５のプロセッサにより取り除かれた冗長性を有していた取り除かれた画像データを受信してもよい。
処理１９００は、複数の画像に基づいて、道路セグメントに沿って広がる路面特徴の少なくとも１つのライン表現を識別する段階（段階１９１０）をさらに含み得る。各ライン表現は、路面特徴と実質的に対応する道路セグメントに沿う経路を表し得る。例えば、サーバ１２３０は、カメラ１２２から受信した環境画像を解析して道路縁部又は車線標示を識別し、道路縁部又は車線標示と関連付けられる道路セグメント１２００に沿う走行の軌跡を判定し得る。いくつかの実施形態において、軌跡（又は、ライン表現）は、スプライン、多項式表現又は曲線を含み得る。サーバ１２３０、段階１９０５で受信したカメラのエゴモーション（例えば、３次元並進及び／又は３次元回転動作）に基づいて、車両１２０５の走行の軌跡を判定し得る。
処理１９００は、複数の画像に基づいて、道路セグメントと関連付けられる複数のランドマークを識別する段階（段階１９１０）を含んでもよい。例えば、サーバ１２３０は、カメラ１２２から受信した環境画像を解析して、１又は複数のランドマーク、例えば、道路セグメント１２００に沿う道路標識を識別し得る。サーバ１２３０は、１又は複数の車両が道路セグメントを通過するときに取得された複数の画像の解析を用いてランドマークを識別し得る。クラウドソーシングを可能にするために、解析は、道路セグメントと関連付けられる可能性のあるランドマークを承認及び拒否することに関する規則を含んでよい。例えば、解析は、ランドマークが現れていない画像に対するランドマークが現れている画像の割合が閾値を超えている場合、可能性のあるランドマークを承認すること、及び／又は、ランドマークが現れている画像に対するランドマークが現れていない画像の割合が閾値を超えている場合、可能性のあるランドマークを拒否することを含み得る。
処理１９００は、サーバ１２３０により実行される他の操作又は段階を含んでよい。以下でさらに詳細に議論されるように、例えば、ナビゲーション情報は、道路セグメントに沿って走行する車両に対するターゲット軌跡を含んでよく、処理１９００は、サーバ１２３０により、道路セグメントを走行している複数の自動車に関連する車両の軌跡をクラスタリングする段階、及び、クラスタリングされた車両の軌跡に基づいて、ターゲット軌跡を判定する段階を含んでよい。車両の軌跡をクラスタリングする段階は、サーバ１２３０により、車両の絶対方向（ａｂｓｏｌｕｔｅ ｈｅａｄｉｎｇ）又は車両の車線指定のうちの少なくとも一方に基づいて、道路セグメントを走行する車両に関連する複数の軌跡を複数のクラスタにクラスタリングする段階を含み得る。ターゲット軌跡を生成する段階は、サーバ１２３０により、クラスタリングされた軌跡を平均化する段階を含み得る。さらなる例として、処理１９００は、段階１９０５において受信されたデータを整列させる段階を含んでよい。上述したように、サーバ１２３０により実行される他の処理又は段階が処理１９００に含まれてもよい。
開示されるシステム及び方法は、他の特徴を含んでよい。例えば、開示されるシステムは、グローバル座標よりはむしろ、ローカル座標を用いてよい。自律運転について、いくつかのシステムは、ワールド座標においてデータを示し得る。例えば、地球表面における経度及び緯度の座標が用いられてよい。ステアリング用のマップを用いるために、ホスト車両は、マップに関連するその位置及び方位を判定してよい。マップ上に車両を配置するために、車体基準フレームと世界基準フレーム（例えば、北、東及び下）との間の回転変換を見つけるために、ＧＰＳが搭載されたデバイスを用いることは、自然なことのようである。車体基準フレームが、マップ基準フレームを用いて位置合わせされると、次に、所望の経路が、車体基準フレームに表され得、ステアリングコマンドが算出又は生成され得る。
開示されるシステム及び方法は、高価な調査装置を利用することなく自律走行車両それ自体により収集され得る低フットプリントモデルを用いた自律走行車両のナビゲーション（例えば、ステアリング制御）を可能にし得る。自律ナビゲーション（例えば、ステアリングアプリケーション）をサポートするために、道路モデルは、モデルに含まれる軌跡に沿う車両の場所又は位置を判定するために用いられ得る道路の幾何学形状、その車線構成及びランドマークを有するスパースマップを含んでよい。上述したように、スパースマップの生成は、道路を走行している車両と通信し、かつ、車両からデータを受信するリモートサーバにより実行され得る。データは、検知データ、検知データに基づいて再構築された軌跡、及び／又は、修正されて再構成された軌跡を表し得る推奨される軌跡を含んでよい。以下で議論されるように、サーバは、自律ナビゲーションに役立てるために、車両、又は、その後に道路を走行する他の車両に当該モデルを送り返す場合がある。
図２０は、サーバ１２３０のブロック図を示す。サーバ１２３０は、両方のハードウェアコンポーネント（例えば、通信制御回路、スイッチ及びアンテナ）、及び、ソフトウェアコンポーネント（例えば、通信プロトコル、コンピュータコード）を含み得る通信ユニット２００５を含み得る。例えば、通信ユニット２００５は、少なくとも１つのネットワークインタフェースを含んでよい。サーバ１２３０は、通信ユニット２００５を通じて車両１２０５、１２１０、１２１５、１２２０及び１２２５と通信し得る。例えば、サーバ１２３０は、通信ユニット２００５を通じて、車両１２０５、１２１０、１２１５、１２２０及び１２２５から伝送されたナビゲーション情報を受信し得る。サーバ１２３０は、通信ユニット２００５を通じて、自律走行車両の道路ナビゲーションモデルを１又は複数の自律走行車両に分配し得る。
サーバ１２３０は、少なくとも１つの非一時的ストレージ媒体２０１０、例えば、ハードドライブ、コンパクトディスク、テープなどを含んでよい。ストレージデバイス１４１０は、データ、例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報、及び／又は、サーバ１２３０がナビゲーション情報に基づいて生成した自律走行車両の道路ナビゲーションモデルを格納するように構成され得る。ストレージデバイス２０１０は、任意の他の情報、例えば、スパースマップ（例えば、図８に関して上述したスパースマップ８００）を格納するように構成され得る。
ストレージデバイス２０１０に加えて、又は、これの代わりに、サーバ１２３０は、メモリ２０１５を含んでよい。メモリ２０１５は、メモリ１４０又は１５０と同様であってよい、又は、これらとは異なっていてよい。メモリ２０１５は、非一時的メモリ、例えば、フラッシュメモリ、ランダムアクセスメモリなどであってよい。メモリ２０１５は、データ、例えば、プロセッサ（例えば、プロセッサ２０２０）により実行可能なコンピュータコード又は命令、マップデータ（例えば、スパースマップ８００のデータ）、自律走行車両の道路ナビゲーションモデル、及び／又は、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報を格納するように構成され得る。
サーバ１２３０は、メモリ２０１５に格納されているコンピュータコード又は命令を実行して様々な機能を実行するように構成される少なくとも１つの処理デバイス２０２０を含んでよい。例えば、処理デバイス２０２０は、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報を解析し、当該解析に基づいて、自律走行車両の道路ナビゲーションモデルを生成し得る。処理デバイス２０２０は、通信ユニット１４０５を制御して、１又は複数の自律走行車両（例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの１又は複数、又は、その後に道路セグメント１２００を走行する任意の車両）に自律走行車両の道路ナビゲーションモデルを分配し得る。処理デバイス２０２０は、プロセッサ１８０、１９０又は処理ユニット１１０と同様であってよい、又は、これらとは異なっていてよい。
図２１は、自律走行車両のナビゲーションで用いる道路ナビゲーションモデルを生成するための１又は複数の演算を実行するためのコンピュータコード又は命令を格納し得るメモリ２０１５のブロック図を示す。図２１に示されるように、メモリ２０１５は、車両のナビゲーション情報を処理するための操作を実行するための１又は複数のモジュールを格納し得る。例えば、メモリ２０１５は、モデル生成モジュール２１０５及びモデル分配モジュール２１１０を含んでよい。プロセッサ２０２０は、メモリ２０１５に含まれるモジュール２１０５及び２１１０のいずれかに格納されている命令を実行し得る。
モデル生成モジュール２１０５は、プロセッサ２０２０により実行されるときに、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報に基づいて、共通の道路セグメント（例えば、道路セグメント１２００）に対する自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成し得る命令を格納し得る。例えば、自律走行車両の道路ナビゲーションモデルを生成する際に、プロセッサ２０２０は、共通の道路セグメント１２００に沿う車両の軌跡を異なるクラスタにクラスタリングし得る。プロセッサ２０２０は、異なるクラスタのそれぞれに対するクラスタリングされた車両の軌跡に基づいて、共通の道路セグメント１２００に沿うターゲット軌跡を判定し得る。そのような操作は、各クラスタにおいて、（例えば、クラスタリングされた車両の軌跡を表すデータを平均化することにより）クラスタリングされた車両の軌跡の中間又は平均の軌跡を求める段階を含んでよい。いくつかの実施形態において、ターゲット軌跡は、共通の道路セグメント１２００の単一の車線と関連付けられ得る。
道路モデル及び／又はスパースマップは、道路セグメントと関連付けられる軌跡を格納し得る。これらの軌跡は、自律ナビゲーションに対する自律走行車両に提供されるターゲット軌跡と称され得る。ターゲット軌跡は、複数の自動車から受信されてよい、又は、複数の自動車から受信される実際の軌跡又は推奨される軌跡（実際の軌跡にいくつかの修正を加えたもの）に基づいて生成されてよい。道路モデル又はスパースマップに含まれるターゲット軌跡は、他の車両から受信した新しい軌跡を用いて継続的に更新（例えば、平均化）され得る。
道路セグメントを走行する車両は、様々なセンサによりデータを収集し得る。データは、ランドマーク、道路シグネチャプロファイル、車両運動（例えば、加速度計データ、速度データ）、車両位置（例えば、ＧＰＳデータ）を含んでよく、実際の軌跡自体を再構築するか、車両に対する実際の軌跡を再構築するサーバにデータを伝送するかのいずれかであってよい。いくつかの実施形態において、車両は、軌跡に関連するデータ（例えば、任意の基準フレームにおける曲線）、ランドマークのデータ、及び、サーバ１２３０への走行経路に沿う車線指定を伝送し得る。複数の運転において、同じ道路セグメントに沿って走行する様々な車両は、異なる軌跡を有し得る。サーバ１２３０は、クラスタリング処理を通じて、車両から受信した軌跡から各車線と関連付けられる経路又は軌跡を識別し得る。
図２２は、共通の道路セグメント（例えば、道路セグメント１２００）に対するターゲット軌跡を判定するために、車両１２０５、１２１０、１２１５、１２２０及び１２２５と関連付けられる車両の軌跡をクラスタリングする処理を示す。クラスタリング処理から判定されるターゲット軌跡又は複数のターゲット軌跡は、自律走行車両の道路ナビゲーションモデル又はスパースマップ８００に含まれ得る。いくつかの実施形態において、道路セグメント１２００に沿って走行する車両１２０５、１２１０、１２１５、１２２０及び１２２５は、複数の軌跡２２００をサーバ１２３０に伝送し得る。いくつかの実施形態において、サーバ１２３０は、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したランドマーク、道路の幾何学形状及び車両運動の情報に基づいて軌跡を生成し得る。自律走行車両の道路ナビゲーションモデルを生成するために、サーバ１２３０は、図２２に示されるように、車両の軌跡１６００を複数のクラスタ２２０５、２２１０、２２１５、２２２０、２２２５及び２２３０にクラスタリングし得る。
クラスタリングは、様々な基準を用いて実行され得る。いくつかの実施形態において、クラスタ内のすべて運転は、道路セグメント１２００に沿う絶対方向に対して類似している場合がある。絶対方向は、車両１２０５、１２１０、１２１５、１２２０及び１２２５により受信されるＧＰＳ信号から取得され得る。いくつかの実施形態において、絶対方向は、デッドレコニングを用いて取得され得る。当業者が理解するように、デッドレコニングは、以前に判定された位置、推定された速度などを用いることにより、現在位置と、したがって、車両１２０５、１２１０、１２１５、１２２０及び１２２５のヘッディングとを判定するために用いられ得る。絶対方向によりクラスタリングされた軌跡は、車道に沿う経路を識別するのに有用であり得る。
いくつかの実施形態において、クラスタ内のすべての運転は、道路セグメント１２００上の運転に沿う車線指定（例えば、ジャンクション前後の同じ車線における）に対して類似し得る。車線指定によりクラスタリングされる軌跡は、車道に沿う車線を識別するのに有用であり得る。いくつかの実施形態において、両方の基準（例えば、絶対方向及び車線指定）は、クラスタリングのために用いられてよい。
各クラスタ２２０５、２２１０、２２１５、２２２０、２２２５及び２２３０において、軌跡は、特定のクラスタと関連付けられるターゲット軌跡を取得するために平均化され得る。例えば、同じ車線のクラスタと関連付けられる複数の運転からの軌跡が平均化され得る。平均化された軌跡は、特定の車線と関連付けられるターゲット軌跡であってよい。軌跡のクラスタを平均化するために、サーバ１２３０は、任意の軌跡Ｃ０の基準フレームを選択し得る。すべての他の軌跡（Ｃ１...Ｃｎ）に対して、サーバ１２３０は、ＣｉをＣ０にマッピングするリジッド変換を見つけてよく、ｉ＝１、２、・・・ｎであり、ｎは、正の整数であり、クラスタに含まれる軌跡の総数に対応する。サーバ１２３０は、Ｃ０基準フレーム内の中間曲線又は軌跡を計算し得る。
いくつかの実施形態において、ランドマークは、異なる運転間でマッチングする弧の長さを画定してよく、車線との軌跡の整列のために用いられ得る。いくつかの実施形態において、ジャンクションの前後の車線標示は、車線との軌跡の整列のために用いられ得る。
軌跡から車線を組み立てるために、サーバ１２３０は、任意の車線の基準フレームを選択し得る。サーバ１２３０は、部分的に重なる車線を選択した基準フレームにマッピングし得る。サーバ１２３０は、すべて車線が同じ基準フレーム内となるまでマッピングし続けてよい。互いに隣接する車線は、それらが同じ車線であり、後にそれらが横方向にシフトされ得るかのように整列させられ得る。
道路セグメントに沿って認識されるランドマークは、まず、車線レベルで、次に、ジャンクションレベルで共通基準フレームにマッピングされ得る。例えば、同じランドマークは、複数の運転における複数の自動車により複数回認識される場合がある。異なる運転において受信される同じランドマークに関するデータは、わずかに異なる場合がある。そのようなデータは、平均化され、同じ基準フレーム、例えば、Ｃ０基準フレームにマッピングされ得る。さらに又は代替的に、複数の運転において受信される同じランドマークのデータの分散が算出され得る。
いくつかの実施形態において、道路セグメント１２０の各車線は、ターゲット軌跡及び特定のランドマークと関連付けられ得る。ターゲット軌跡又は複数のそのようなターゲット軌跡は、自律走行車両の道路ナビゲーションモデルに含まれてよく、同じ道路セグメント１２００に沿って走行する他の自律走行車両によって後で用いられ得る。車両が道路セグメント１２００に沿って走行している間に車両１２０５、１２１０、１２１５、１２２０及び１２２５により識別されたランドマークは、ターゲット軌跡に関連して記録され得る。ターゲット軌跡及びランドマークのデータは、その後の運転の際に他の車両から受信される新たなデータを用いて継続的に又は定期的に更新され得る。
自律走行車両の位置を特定するために、開示されるシステム及び方法は、拡張カルマンフィルタを用いてよい。車両の位置は、３次元位置データ、及び／又は、３次元方向データ、エゴモーションの統合による車両の現在位置についての将来の位置の前もった予測に基づいて判定され得る。車両の位置推定は、ランドマークの画像観測により修正又は調節され得る。例えば、車両がカメラにより取り込まれた画像内にランドマークを検出した場合、ランドマークは、道路モデル又はスパースマップ８００内に格納される既知のランドマークと比較され得る。既知のランドマークは、道路モデル及び／又はスパースマップ８００に格納されているターゲット軌跡に沿う既知の位置（例えば、ＧＰＳデータ）を有し得る。現在の速度と、ランドマークの画像とに基づいて、車両からランドマークまでの距離が推定され得る。ターゲット軌跡に沿う車両の位置は、（道路モデル又はスパースマップ８００に格納されている）ランドマークまでの距離、及び、ランドマークの既知の位置に基づいて調節され得る。道路モデル及び／又はスパースマップ８００に格納されているランドマークの位置／位置データ（例えば、複数の運転からの中間値）が正確であると推測され得る。
いくつかの実施形態において、開示されるシステムは、閉ループサブシステムを形成してよく、車両の６自由度の位置（例えば、３次元位置データ、さらに３次元方向データ）の推定が、自律走行車両をナビゲート（例えば、ホイールをステアリング）して、所望の地点（例えば、１．３秒先に格納される）に到達させるために用いられ得る。次に、ステアリング及び実際のナビゲーションから測定されたデータは、６自由度の位置を推定するために用いられ得る。
いくつかの実施形態において、道路に沿うポール、例えば、街灯柱、及び、電力線ポール又はケーブル線ポールは、車両の場所を見つけ出すためのランドマークとして用いられ得る。他のランドマーク、例えば、交通標識、交通信号灯、道路上の矢印、停止線、及び、道路セグメントに沿うオブジェクトの静的な特徴又はシグネチャが、車両の場所を見つけ出すためのランドマークとして用いられてもよい。位置を特定するためにポールが用いられる場合、ポールの一番下が遮られる場合があり、それらが道路平面にないことがあるので、ｙ観測（すなわち、ポールまでの距離）よりはむしろ、ポールのｘ観測（すなわち、車両からの視野角）が用いられ得る。
図２３は、クラウドソーシングされたスパースマップを用いた自律ナビゲーションに用いられ得る車両用のナビゲーションシステムを示す。例として、車両は、車両１２０５として参照される。図２３に示される車両は、例えば、車両１２１０、１２１５、１２２０及び１２２５、並びに、他の実施形態において示される車両２００を含む本明細書に開示される任意の他の車両であってよい。図１２に示されるように、車両１２０５は、サーバ１２３０と通信し得る。車両１２０５は、画像取込デバイス１２２（例えば、カメラ１２２）を含み得る。車両１２０５は、道路（例えば、道路セグメント１２００）を走行するために、車両１２０５にナビゲーションガイダンスを提供するために構成されるナビゲーションシステム２３００を含み得る。車両１２０５は、他のセンサ、例えば、速度センサ２３２０及び加速度計２３２５を含んでもよい。速度センサ２３２０は、車両１２０５の速度を検出するように構成され得る。加速度計２３２５は、車両１２０５の加速度又は減速度を検出するように構成され得る。図２３に示される車両１２０５は、自律走行車両であってよく、ナビゲーションシステム２３００は、ナビゲーションガイダンスを自律運転に提供するために用いられ得る。代替的に、車両１２０５は、非自律、人により制御される車両であってもよく、ナビゲーションシステム２３００は、さらに、ナビゲーションガイダンスを提供するために用いられ得る。
ナビゲーションシステム２３００は、通信経路１２３５を通じてサーバ１２３０と通信するように構成される通信ユニット２３０５を含み得る。ナビゲーションシステム２３００は、ＧＰＳ信号を受信及び処理するように構成されるＧＰＳユニット２３１０も含んでよい。ナビゲーションシステム２３００は、データ、例えば、ＧＰＳ信号、（車両１２０５に搭載されたストレージデバイスに格納され、及び／又は、サーバ１２３０から受信され得る）スパースマップ８００からのマップデータ、道路プロファイルセンサ２３３０により検知された道路の幾何学形状、カメラ１２２により取り込まれた画像、及び／又は、サーバ１２３０から受信した自律走行車両の道路ナビゲーションモデルを処理うるように構成される少なくとも１つのプロセッサ２３１５をさらに含み得る。道路プロファイルセンサ２３３０は、異なるタイプの道路プロファイル、例えば、路面の粗さ、道路幅、道路の標高、道路曲率などを測定するための異なるタイプのデバイスを含み得る。例えば、道路プロファイルセンサ２３３０は、車両２３０５のサスペンションの動きを測定して、道路粗さプロファイルを導出するデバイスを含んでよい。いくつかの実施形態において、道路プロファイルセンサ２３３０は、車両１２０５から道端（例えば、道端の境界）までの距離を測定し、これにより、道路の幅を測定するレーダセンサを含んでよい。いくつかの実施形態において、道路プロファイルセンサ２３３０は、道路の上下の高度を測定するために構成されるデバイスを含んでよい。いくつかの実施形態において、道路プロファイルセンサ２３３０は、道路曲率を測定するように構成されるデバイスを含んでよい。例えば、カメラ（カメラ１２２、又は、別のカメラ）は、道路曲率を示す道路の画像を取り込むために用いられ得る。車両１２０５は、そのような画像を用いて、道路曲率を検出し得る。
少なくとも１つのプロセッサ２３１５は、車両１２０５と関連付けられる少なくとも１つの環境画像をカメラ１２２から受信するプログラムされ得る。少なくとも１つのプロセッサ２３１５は、少なくとも１つの環境画像を解析して、車両１２０５に関連するナビゲーション情報を判定し得る。ナビゲーション情報は、道路セグメント１２００に沿う車両１２０５の走行に関連する軌跡を含み得る。少なくとも１つのプロセッサ２３１５は、カメラ１２２（したがって、車両）の動作、例えば、３次元並進及び３次元回転動作に基づいて、軌跡を判定し得る。いくつかの実施形態において、少なくとも１つのプロセッサ２３１５は、カメラ１２２により取得された複数の画像の解析に基づいて、カメラ１２２の並進及び回転動作を判定し得る。いくつかの実施形態において、ナビゲーション情報は、車線指定情報（例えば、車両１２０５がどの車線を道路セグメント１２００に沿って走行するか）を含み得る。車両１２０５からサーバ１２３０に伝送されるナビゲーション情報は、自律走行車両の道路ナビゲーションモデルを生成及び／又は更新するためにサーバ１２３０により用いられてよく、自律ナビゲーションガイダンスを車両１２０５に提供するために、サーバ１２３０から車両１２０５へ送り返され得る。
少なくとも１つのプロセッサ２３１５は、車両１２０５からサーバ１２３０にナビゲーション情報を伝送するようにプログラムされてもよい。いくつかの実施形態において、ナビゲーション情報は、道路情報と共にサーバ１２３０に伝送され得る。道路の位置情報は、ＧＰＳユニット２３１０により受信されるＧＰＳ信号、ランドマークの情報、道路の幾何学形状、車線情報などのうちの少なくとも１つを含み得る。少なくとも１つのプロセッサ２３１５は、自律走行車両の道路ナビゲーションモデル又はモデルの一部をサーバ１２３０から受信し得る。サーバ１２３０から受信した自律走行車両の道路ナビゲーションモデルは、車両１２０５からサーバ１２３０に伝送されたナビゲーション情報に基づく少なくとも１つの更新を含み得る。サーバ１２３０から車両１２０５に伝送されるモデルの一部は、モデルの更新された部分を含み得る。少なくとも１つのプロセッサ２３１５は、受信した自律走行車両の道路ナビゲーションモデル又はモデルの更新された部分に基づいて、車両１２０５による少なくとも１つのナビゲーション操作（例えば、方向転換を行う、ブレーキをかける、加速する、別の車両を追い越すなどのステアリング）を行い得る。
少なくとも１つのプロセッサ２３１５は、通信ユニット１７０５、ＧＰＳユニット２３１５、カメラ１２２、速度センサ２３２０、加速度計２３２５及び道路プロファイルセンサ２３３０を含む、車両１２０５に含まれる様々なセンサ及ビーコンポーネントと通信するように構成され得る。少なくとも１つのプロセッサ２３１５は、様々なセンサ及ビーコンポーネントからの情報又はデータを収集し、情報又はデータを通信ユニット２３０５を通じてサーバ１２３０に伝送し得る。代替的に又はさらに、車両１２０５の様々なセンサ又はコンポーネントは、サーバ１２３０と通信し、センサ又はコンポーネントにより収集されたデータ又は情報をサーバ１２３０に伝送してもよい。
いくつかの実施形態において、車両１２０５、１２１０、１２１５、１２２０及び１２２５は、互いに通信してよく、互いにナビゲーション情報を共有してよく、その結果、車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの少なくとも１つは、例えば、他の車両により共有される情報に基づいて、クラウドソーシングを用いて自律走行車両の道路ナビゲーションモデルを生成し得る。いくつかの実施形態において、車両１２０５、１２１０、１２１５、１２２０及び１２２５は、互いにナビゲーション情報を共有してよく、各車両は、車両に提供される独自の自律走行車両の道路ナビゲーションモデルを更新してよい。いくつかの実施形態において、車両１２０５、１２１０、１２１５、１２２０及び１２２５のうちの少なくとも１つ（例えば、車両１２０５）は、ハブ車両として機能し得る。ハブ車両（例えば、車両１２０５）の少なくとも１つのプロセッサ２３１５は、サーバ１２３０により実行される機能の一部又はすべてを実行し得る。例えば、ハブ車両の少なくとも１つのプロセッサ２３１５は、他の車両と通信し、他の車両からナビゲーション情報を受信し得る。ハブ車両の少なくとも１つのプロセッサ２３１５は、自律走行車両の道路ナビゲーションモデルを生成してよい、又は、他の車両から受信した共有される情報に基づいてモデルを更新してよい。ハブ車両の少なくとも１つのプロセッサ２３１５は、自律ナビゲーションガイダンスを提供するために、自律走行車両の道路ナビゲーションモデル又は当該モデルに対する更新を他の車両に伝送し得る。
ナビゲーション情報の匿名化
上記に開示されるように、１又は複数の車両からのデータは、自律走行車両のナビゲーションで用いる道路ナビゲーションモデルを生成するために用いられ得る。道路ナビゲーションモデルを生成するために用いられるデータは、本開示と矛盾しない任意のデータを含んでよく、データは、ホスト車両がある場所から次の場所へ移動するときに生成され、取り込まれ、又は、導出され得る。ホスト車両は、自律走行車両、部分的な自律走行車両、又は、人の運転者により動作される車両であってよい。例えば、道路又は車両の環境を示す１又は複数の画像は、車両が第１の場所から第２の場所へ移動するときに取り込まれ得る。別の例として、複数のＧＰＳ位置は、車両が走行しているときに判定され得る。依然として、データは、上述したように車両が走行する軌跡を判定するために生成され得る。
一部の環境において、データは個人情報を含んでよい。例えば、車両が私有地にあるガレージに格納される場合、当該車両の軌跡は、ガレージから私有地を横切る軌道と、車両が進入する公道とを含んでよい。別の例として、データは、人の家から人の職場までの軌跡を含んでよく、そうでない場合は、個人又は車両へと追跡することが可能であり得る情報を含んでよい。例えば、人が自身の家からオフィスビルへ毎日移動する場合、人の家からオフィスパークまでの経路を示す複数の軌跡が生成されるかもしれない。データは、人を識別するために用いられ得ることができるかもしれない。例えば、家と関連付けられた住所を容易に判定し、その家と関連付けられた人がオフィスビルで働いていると判定することができる。経路と関連付けられるパターンを判定し、それらのパターンを個人と相関させることもできるかもしれない。例えば、日常的に家からオフィスビルまで人が移動すると判定できる。個々の運転の癖を判定することもできるかもしれない。これらの例が示すように、いずれかの個々の車両又はユーザまでたどることができないように、データを匿名化する必要があり得る。
本開示と矛盾することなく、データは、１又は複数のシステムにより匿名化され得る。例えば、データは、それが取り込まれるとき、それが伝送されるとき、それが車両内で処理されるとき、リモートサーバにより処理されるとき、又は、それらの組み合わせなどで、匿名され得る。データは、例えば、車両と関連付けられるＶＩＮ番号、車両と関連付けられるユーザの識別情報、及び、データと関連付けられるメタデータなどの識別情報が取り除かれ得る。さらに又は代替的に、データは、以下で議論されるように、データをさらに匿名化するように処理され得る。
いくつかの実施形態において、ナビゲーションシステムは、ホスト車両が通過する道路区間に関連する匿名化される運転情報を収集し得る。ナビゲーションシステムは、本開示と矛盾しない任意のナビゲーションシステム、例えば、システム１００、システム２３００、それらの組み合わせの一部又は同様のシステムであってよい。ナビゲーションシステムは、ホスト車両に配置され得る、又は、ホスト車両と通信し得ることが考えられる。いくつかの実施形態において、ナビゲーションシステムは、離れて配置されるが、ホスト車両の１又は複数のセンサ、例えば、ＧＰＳユニット、カメラ、速度センサ、加速度計、道路プロファイルセンサなどと直接通信し得る。いくつかの実施形態において、ナビゲーションシステムは、ナビゲーションシステム２３００であってよく、運転情報は、ＧＰＳユニット２３１５、カメラ１２２、速度センサ２３２０、加速度計２３２５及び道路プロファイルセンサ２３３０からのデータを含んでよい。
本開示と矛盾することなく、ナビゲーションシステムは、少なくとも１つのプロセッサを含んでよい。少なくとも１つのプロセッサは、１又は複数の演算、処理、方法又は機能を実行して、ホスト車両のナビゲーションに関連するデータを匿名化するように構成され得る。例えば、プロセッサは、以下の図２５に関して議論されるプロセスを実行するようにプログラムされ得る。少なくとも１つのプロセッサは、本明細書に開示される任意のプロセッサ、例えば、処理ユニット１１０、プロセッサ２３１５又は別のプロセッサであってよい。
用語「道路区間」は、車道、高速道路、又は、車両によりナビゲート可能な他の表面（例えば、舗装されていない表面）のいずれか不可欠な要素を指すために用いられる。いくつかの実施形態において、道路区間は、交差点、高速道路の長さ、近傍にある１又は複数の道路、又は、２つの目的地間の経路などを有し得る。本開示と矛盾することなく、用語「道路セグメント」は、道路区間の任意の部分を指すために用いられる。いくつかの実施形態において、道路区間は、１又は複数の道路セグメントで構成され得る。例えば、車両は、道路区間に関連するナビゲーション情報を収集してよく、その情報は、道路区間内の複数の道路セグメントに対して解析され得る。
図２４は、開示される実施形態と矛盾しない、１又は複数の演算を実行するための命令が格納され／プログラムされ得るメモリの例示的な機能ブロック図である。図２４は、メモリ１４０又は１５０を参照するが、メモリは、本明細書に開示される任意のメモリ、又は、本明細書に開示される任意のプロセッサと通信する以前に開示されていないメモリであってよい。以下の説明ではメモリ１４０を参照するが、当業者であれば、命令が本開示と矛盾しない任意のメモリに格納され得ることを認識するだろう。
メモリ１４０は、ナビゲーション情報を匿名化に関連する１又は複数の演算を実行するための命令を含み得る１又は複数のモジュールを格納してよい。図２４に示されるように、メモリ１４０は、動作判定モジュール２４０２、画像解析モジュール２４０４、道路セグメント化モジュール２４０６及び送信モジュール２４０８を含む。開示される実施形態は、メモリ１４０の特定の構成に限定されることはない。さらに、処理ユニット１１０、画像プロセッサ１９０、アプリケーションプロセッサ１８０及び／又はプロセッサ２３１５は、メモリ１４０に含まれるモジュール２４０２、２４０４、２４０６及び２４０８のいずれかに格納されている命令を実行してよい。以下の議論は、プロセッサ、処理ユニット１１０及びプロセッサ２３１５を参照する。当業者であれば、そのような参照が本開示と矛盾しない任意の他のプロセッサを参照してよいことを理解するだろう。したがって、メモリ１４０に格納されている任意の処理の段階、又は、任意の命令の実行は、１又は複数のプロセッサ又は処理デバイスにより実行され得る。
いくつかの実施形態において、動作判定モジュール２４０２は、プロセッサにより実行される場合、ホスト車両に対する少なくとも１つの動作表現を判定する命令を含み得る。動作表現は、１又は複数のセンサからの出力に基づいて判定されてよい。出力は、本明細書に開示される任意のセンサ又はセンサの組み合わせからの出力を含み得る。例えば、出力は、ＧＰＳユニット２３１０、カメラ１２２、速度センサ２３２０、加速度計２３２５及び／又は道路プロファイルセンサ２３３０からのデータを含み得る。別の例では、出力は、任意の他のセンサ又はセンサの組み合わせ、例えば、１又は複数のライダシステム、レーダシステム、音響センサシステム又はカメラシステムなどからの出力を含み得る。いくつかの実施形態において、動作判定モジュール２４０２は、複数の車両に対する動作表現の判定を促進する。例えば、動作判定モジュール２４０２は、１又は複数のセンサの出力が受信される別の車両の１又は複数の動作表現としてナビゲーションシステム２３００が配置されるホスト車両のナビゲーションに関連する動作表現の判定を促進し得る。１又は複数の動作表現の判定は、以下でさらに議論される。
いくつかの実施形態において、画像解析モジュール２４０４は、プロセッサにより実行される場合、１又は複数の画像の解析を実行して、道路区間と関連付けられる少なくとも１つの道路特性を判定する命令を格納してよい。１又は複数の画像は、１又は複数の画像取込デバイス、例えば、画像取込デバイス１２２、１２４又は１２６により取り込まれる。画像解析は、本開示における他の箇所で議論されたのと実質的に同一の方式で実行されてよい。例えば、画像解析は、図５Ａ～図５Ｆ、図６及び／又は図７に関連して議論したように、例えば、単眼画像解析又はステレオ画像解析が実行されてよい。いくつかの実施形態において、プロセッサは、画像のセットからの情報を追加の知覚情報（例えば、レーダ、ライダなどからの情報）を結合して、画像解析を実行してよい。
道路特性は、いずれも本開示と矛盾しなくてよい。例えば、道路特性は、道路の縁部、道路と関連付けられる中央線、道路の傾き又は任意の他の特性を含み得る。いくつかの実施形態において、道路特性は、道路区間の環境内の任意のオブジェクト、オブジェクトのグループ、又は、オブジェクトの組み合わせであってよい。例えば、道路特性は、道路区間に沿う又は道路区間上の１又は複数のランドマーク、例えば、停止標識、道路標識、交通信号、建物、マーカ、それらの組み合わせ又は任意の他のオブジェクトであってよい。いくつかの実施形態において、道路特性は、任意の静止又は動的な非一時的なオブジェクトであってよい。予め定められた信頼のレベルで車両による検出が可能な場合、非一時的なオブジェクトが道路特性であってよい。例えば、車両が道路区間をナビゲートする場合に標識を検出する可能性がある場合、一時的な建設標識が道路特性であってよい。道路特性とみなされ得る非一時的ではあるが一時的なオブジェクトの他の例は、動的な車線変更境界又は標識（必要に応じて、例えば、交通量の混雑時間中などに、例えば、１又は複数の車線の方向を切り換えるために用いられるもの）及び、特別な車線と関連付けられる標識又はゲート（例えば、高占有率の車線が特定の時間に開いているか否かを示す標識、有料道路と関連付けられる標識など）などを含み得る。つかの間の一時的なオブジェクトは、道路特性として含めることから除外されてよい。例えば、歩行者、車両、動物、又は、道路区間のその後のナビゲーション中に同一又は類似の位置にない可能性がある他の一時的なオブジェクトは、道路特性として除外され得る。いくつかの実施形態において、道路特性は、一時的な特性、例えば、天候条件又は道路障害物のインジケーション（例えば、自動車の衝突、油こぼれ、走行車線で停止した車両など）などを含み得る。画像解析モジュール２４０４は、道路特性と関連付けられる位置、形状、サイズ又は他の情報の判定を促すように構成されてよい。例えば、道路特性が、道路の側方で検出された停止標識である場合、プロセッサ２３１５は、画像解析モジュール２４０４に格納されている命令を実行することにより、停止標識の位置を判定し得る。
いくつかの実施形態において、道路セグメント化モジュール２４０６は、プロセッサにより実行されるときに、道路セグメント情報を組み立てて匿名化するための１又は複数の演算を実行する命令を格納し得る。道路セグメント情報は、例えば、動作判定モジュール２４０２により判定される動作表現、及び／又は、画像解析モジュール２４０４により判定される道路特性を含んでよい。例えば、道路セグメント情報は、ホスト車両が走行する軌跡、及び、車両に対する道路縁部の位置を含んでよい。いくつかの実施形態において、道路セグメント化モジュール２４０６は、道路の異なるセグメントと関連付けられる複数の道路セグメント情報を判定するための命令を格納し得る。複数のセグメントは、１台の車両から受信した情報から判定される１又は複数のセグメントを含んでよい。例えば、第１の車両と関連付けられる軌跡は、１又は複数のセグメントにセグメント化されてよく、各セグメントに関連する情報が判定され得る。さらに又は代替的に、複数のセグメントは、複数の車両から受信した情報から判定される１又は複数のセグメントを含み得る。例えば、第１の車両と関連付けられる第１の軌跡は、１又は複数のセグメントにセグメント化されてよく、第２の車両と関連付けられる第２の軌跡は、１又は複数のセグメントにセグメント化されてよい。
道路セグメントは、任意の長さであってよく、当該長さは、任意の手段により判定されてよい。例えば、道路セグメントの長さは、判定された又は予め定められた間隔内でランダムに選択されてよい。いくつかの実施形態において、道路セグメントの長さは、関連する道路区間のタイプ又は位置に応じ得る。例えば、長く伸びた高速道路で構成される道路区間の道路セグメントは、複数の都市区画で構成される道路区間の道路セグメントより大幅に長くてよい。この例では、長く伸びた高速道路に関連する道路セグメントは、例えば、数キロメートルの長さであってよいが、一方、都市区画に関連する道路セグメントは、１キロメートル又はそれより短くてよい。いくつかの実施形態において、道路セグメントの長さは、道路区間上のナビゲーションの速度に応じ得る。例えば、速度制限が時速６５マイル（時速約１０５ｋｍ）を超え得る長く伸びた州間高速道路の道路セグメントは、速度制限が時速３５マイル（時速約５６ｋｍ）であり得る地方の道路の道路セグメントより大幅に長くてよい。いくつかの実施形態において、道路セグメントの長さは、道路区間におけるナビゲーションの複雑性に応じてよい。例えば、直線道路部分の道路セグメントは、カーブした道路区間の道路セグメントより大幅に長くてよい。同様に、わずかな曲がり角を含む経路と関連付けられる道路セグメントは、複数又は頻繁な曲がり角を必要とするものより大幅に長くてよい。いくつかの実施形態において、道路区間の長さは、ユーザにより判定され得る。例えば、本開示と矛盾しないシステムを用いる請負業者は、各道路セグメントが特定の長さの範囲内にあることを指示し得る。いくつかの実施形態において、道路区間の長さは、道路区間の特性又は品質により判定され得る。例えば、各道路セグメントは、１又は複数のランドマークがセグメントと関連付けられ得る長さであってよい。別の例において、道路セグメントがトンネル、環状交差点、橋渡し又は他の一意の特徴を含む場合、少なくとも１つの道路セグメントは、一意の特徴と少なくとも同じ長さであってよい。いくつかの実施形態において、道路セグメントの長さは、ランドマークの密度、又は、他の検出可能な道路特性に基づいて判定されてよい。道路特性の密度は予め定められてよく、範囲、閾値又は他の量として表されてよい。例えば、各道路セグメントは、例えば、車両により検出される５から７個のランドマーク、オブジェクト、又は、非セマンティックな特徴がある長さであってよい。上記の例は、例示に過ぎず、道路セグメントが、任意の長さを有してよく、かつ、本開示と矛盾しない任意の手段により判定され得ることが理解される。
道路セグメント化モジュール２４０６は、プロセッサにより実行されるときに、車両ナビゲーション情報に関連するデータの匿名化を最適化する命令を含み得る。命令は、いつ、どこで情報をセグメント化するかをプロセッサ２３１５に命令することにより匿名化を最適化し得る。例えば、第１命令は、開始、終了又は両方が任意のセグメントに含まれないように、軌跡がセグメント化される必要があることを指示し得る。この例では、軌跡の開始がセグメントに含まれていないことを指示することにより、私道、ガレージ又は他のプライベートな部分の軌跡（例えば、自宅又は職場と関連付けられる部分、又は、自宅又は職場の一部）が含まれないことを確保し得る。いずれのセグメントにも含まれていない個人情報は、削除されるか、安全な場所に格納され得る。いくつかの実施形態において、自律走行車両の道路ナビゲーションモデルを生成するために個人情報が必要又は有用であるかをプロセッサ２３１５が判定していう間、個人情報は、バッファに一時的に格納され得る。例えば、道路セグメントを用いて、駐車場内又はその外部への方向転換をマッピングすることが適切又は好ましいと判定される場合、例えば、オフィスビルの駐車場内又はその外部への軌跡を含む道路セグメントは、バッファに格納され、ナビゲーションモデルに含めるために伝送され得る。同様の例において、例えば、モデルに含めることが適切な道路セグメントに含まれる交差点、一意の道路特徴、他の道路特性がある場合、同じ道路セグメントは、バッファに格納され、ナビゲーションモデルに含めるために伝送され得る。バッファに格納されている道路セグメント情報は、複数のサブセグメントにさらに分けられてよく、道路セグメントの１又は複数の部分が、ナビゲーションモデルにおいて後に用いられる場合、匿名化が維持されることを可能にし得ることが考えられる。
道路セグメント化モジュール２４０６は、プロセッサにより実行されるときに、自律走行車両に対するナビゲーションモデルを生成するのに十分な情報が含まれることを確保する命令を含み得る。命令は、データの一部を保持するようプロセッサ２３１５に命令することにより、セグメント化された道路情報に十分な情報が含まれることを確保し得る。例えば、命令は、一意の道路構造に関連する情報がセグメントに含まれること、データの最小のパーセンテージが維持されること、一般に走行されていない領域に関連する日付が維持されることなどを指示し得る。例えば、命令は、トンネル、橋、環状交差点、合流車線、高速道路出口ランプ、又は、他の一意の道路特性が検出された場合、情報は、一意の特性に関連する情報がセグメント化によって失われないように維持されるべきであることを指示し得る。保持するための命令が一意のデータがプライベートな領域に関連するデータを除去するための命令と一貫性がない場合、道路セグメント化モジュール２４０６は、匿名化及び個人情報が削除され得ることを確保するために好みを与え得ることが考えられる。道路セグメント化モジュール２４０６における命令の実行の際に、プロセッサ２３１５により実行されるセグメント化のタイプのさらなる例が以下で議論される。
メモリ１４０は、プロセッサにより実行される場合、道路セグメント情報の伝送を実行する命令を格納し得る送信モジュール２４０８を含み得る。道路セグメント情報は、本開示と矛盾しないさらなる処理のために、外部サーバ、例えば、サーバ１２３０に伝送され得る。それをサーバ１２３０に伝送する前に、情報をセグメント化しておくことで、匿名化が維持され得る。道路セグメント情報は、追加の処理のために、別の車両又は別のシステムに伝送されてもよい。いくつかの実施形態において、情報は、以下で議論されるように、処理３１００と矛盾しないさらなる処理のために、サーバ１２３０に伝送され得る。
モジュール２４０２、２４０４、２４０６及び２４０８のいずれかは、訓練されたシステム（例えば、ニューラルネットワーク又はディープニューラルネットワーク）又は訓練されていないシステムを用いて実装されてよい。
図２５は、ホスト車両が通過する道路区間に関連する匿名化される運転情報を収集するための例示的なプロセスを示すフローチャート２５００である。処理２５００は、ナビゲーションシステム２３００に含まれるプロセッサ２３１５により、システム１００に含まれる処理ユニット１１０より、又は、別のプロセッサにより実行され得る。いくつかの実施形態において、処理２５００は、動作判定モジュール２４０２、画像解析モジュール２４０４、道路セグメント化モジュール２４０６及び／又は送信モジュール２４０８に格納されている命令に従って、プロセッサ２３１５により実行され得る。
本開示と矛盾することなく、処理２５００は、ホスト車両の動作を示す出力を受信するための段階２５１０を含み得る。出力は、１又は複数のセンサから出力される情報を含み得る。１又は複数のセンサは、ホスト車両と関連付けられる動作、位置又は他の品質に関連するデータを収集するように構成され得る。出力情報は、プロセッサ、又は、プロセッサと通信するシステムにより受信され得る。いくつかの実施形態において、１又は複数のセンサは、ＧＰＳセンサ、及び、速度センサ又は加速度計のうちの１又は複数を含み得る。例えば、プロセッサ２３１５は、のうちの１又は複数のＧＰＳユニット２３１０、カメラ１２２、速度センサ２３２０、加速度計２３２５及び／又は道路プロファイルセンサ２３３０からの出力情報を受信するように構成され得る。出力は、本明細書で開示される有線伝送により、無線伝送により、又は、任意の手段により直接的に又は間接的にセンサのいずれかから受信され得る。
いくつかの実施形態において、情報は、本開示と矛盾しない１又は複数の出力を判定するために以前に処理されている場合がある。例えば、情報は、ホスト車両の軌跡を判定するために処理されている場合があり、判定された軌道は、段階２５１０でプロセッサ２３１５により受信され得る。いくつかの実施形態において、プロセッサ２３１５は、１又は複数のセンサから直接未加工のデータを受信し得る。
本開示と矛盾することなく、処理２５００は、ホスト車両に対する少なくとも１つの動作表現を判定するための段階２５２０を含み得る。少なくとも１つの動作表現は、１又は複数のセンサからの出力に少なくとも部分的に基づいて判定され得る。例えば、動作表現は、処理２５００の段階２５１０において受信された出力から判定され得る。少なくとも１つの動作表現は、ホスト車両の動作についての任意のインジケータを含み得る。例えば、動作表現は、ホスト車両と関連付けられる加速度、車両と関連付けられる速度、所与の時間における車両の経度及び緯度の位置、又は、車両と関連付けられる空間における３次元位置などを含み得る。いくつかの実施形態において、少なくとも１つの動作表現は、ホスト車両の判定された軌道を含んでよい。軌跡は、本明細書に開示された、例えば、図１２、図２０及び他の箇所に関連して説明された任意の手段により判定され得る。図２６Ａは、段階２５２０において判定された軌跡のいずれかであり得る複数の車両に対する軌跡を説明する。
いくつかの実施形態において、動作表現は、予め定められた座標系に関連するホスト車両に対するエゴモーション表現を含んでよい。例えば、エゴモーションは、回転、並進、横方向又は車両の他の動作を含み得る。ホスト車両のエゴモーションは、例えば、車両と関連付けられる速度、車両と関連付けられるヨーレート、又は、車両と関連付けられる傾き又はロールなどのうちの１又は複数をから判定され得る。いくつかの実施形態において、ホスト車両に対するエゴモーション表現は、６自由度に対して判定され得る。他の実施形態において、ホスト車両に対するエゴモーション表現は、任意の他の自由度に対して、例えば、３自由度に対して判定されてよい。
処理２５００は、道路セグメントに沿うホスト車両の環境を表す少なくとも１つの画像を受信するための段階２５３０を含み得る。少なくとも１つの画像は、ホスト車両と関連付けられる１又は複数のカメラから受信され得る。例えば、プロセッサ２３１５は、画像取込デバイス１２２から１又は複数の画像を受信し得る。１又は複数の画像は、無線伝送、有線伝送又は任意の他の方法を含む、本明細書に開示される任意の手段により受信されてよい。１又は複数の画像は、ホスト車両の環境についての表現を含み得る。例えば、１又は複数の画像は、以下でより詳細に説明される図２６Ｂ又は図２６Ｃのものと同様の画像を含んでよい。
処理２５００は、少なくとも１つの画像を解析して、道路区間と関連付けられる少なくとも１つの道路特性を判定するための段階２５４０を含んでよい。例えば、プロセッサ２３１５は、上述した画像解析モジュール２４０４に格納される命令に従って１又は複数の画像を解析し得る。別の例として、訓練されたシステム、例えば、ニューラルネットワークは、少なくとも１つの道路特性を判定するために用いられ得る。１又は複数の特性は、道路の任意の特性、例えば、道路の中央線、道路の縁部、道路に沿うランドマーク、道路にできた穴、及び、道路の曲がり角などを含んでよい。いくつかの実施形態において、判定された少なくとも１つの道路特性は、検出された車線スプリット、車線合流、破線の車線標示、実線の車線標示、車線内の路面の色、車線の色、車線方向又は車線タイプのうちの１又は複数のインジケータを含む車線特性を含んでよい。例えば、車線特性は、車線がＨＯＶ車線であり、実線により他の車線から分離されているとの判定を含んでよい。いくつかの実施形態において、判定された少なくとも１つの道路特性は、道路縁部のインジケータを含んでよい。本開示における他の箇所で議論したように、道路縁部は、縁部に沿って検出された境界、検出された歩道、縁部を示す線、縁部に沿う縁石に基づいて、又は、道路に沿う他のオブジェクトの検出により判定され得る。
いくつかの実施形態において、１又は複数の特性は、１又は複数の予め定義された特性を含み得る。例えば、プロセッサ２３１５は、特に、本開示と矛盾しない任意の１又は複数の特性を識別するように構成され得る。一部の道路特性は、道路と関連付けられる一般又は頻繁なタイプ、例えば、停止標識、速度制限標識、交通信号又は他のセマンティックなオブジェクトなどであってよい。プロセッサ２３１５は、上述したような画像解析を用いたこれらのセマンティックな道路特性、学習され又は予め定義された関連性を検出し得る。例えば、プロセッサ２３１５は、赤い八角形のオブジェクトを検出し、オブジェクトが停止標識であると判定し得る。別の例として、プロセッサ２３１５は、道路標識、例えば、「速度制限」、「ゆずれ」又は「スクールゾーン」などと一般的に関連付けられるテキストを検出し、オブジェクトが道路標識であると判定し得る。頻繁に発生するものでない他の道路特性、又は、他の非セマンティックなオブジェクト又は特徴が同じく判定されてよい。例えば、道路にできた穴又は変色したコンクリートのパッチは、道路特性としての役割を果たし得る。この例では、プロセッサ２３１５は、画像を解析して、例えば、道路にできた穴と関連付けられる影、変色と関連付けられるダークスポット、又は、周囲の環境から非セマンティックなオブジェクトを区別する任意の他の要素を検出することにより、道路にできた穴又は変色したコンクリートを検出してよい。次に、非セマンティックな特徴は、道路区間に沿ってそれに続く車両のナビゲートのための道路特性として用いられ得る。
いくつかの実施形態において、判定された少なくとも１つの道路特性はランドマークの識別子を含み得る。ランドマークの識別子は、任意のランドマーク、例えば、図１０に関して議論したものを含み得る。ランドマークの識別子は、ランドマークのタイプ、ランドマークの位置又はそれらの組み合わせに関連する情報を含み得る。ランドマークのタイプは、交通信号、ポール、路面標識、停止線又は標識のうちの少なくとも１つを含み得る。ランドマークの位置は、ランドマークと関連付けられるＧＰＳ座標、道路又は別のランドマークに対するランドマークの位置、又は、本開示と矛盾しないランドマークの位置を識別する任意の他の手段を含み得る。例えば、ランドマークの識別子は、ランドマークが道路標識であるというインジケータ、及び、道路に対する道路標識の位置を含み得る。
いくつかの実施形態において、判定された道路条件は、道路と関連付けられる一時的な条件を含み得る。一時的な条件は、道路上に常に存在するものであってよいが、プロセッサ２３１５により受信される画像が検出される。一時的な条件は、例えば、自動車の衝突の存在、停止した車両、歩行者、又は、歩行者、道路上の動物、天候条件、又は、他の条件のグループの存在を含み得る。例えば、判定された少なくとも１つの道路特性は、道路区間に沿う天候条件のインジケータを有する一時的な道路特性を含み得る。天候条件は、雪、雨、霧又は太陽のまぶしさのうちの少なくとも１つと関連付けられてよい。
処理２５００は、道路区間の第１部分に関連する第１の道路セグメント情報を組み立てるための段階２５５０を含んでよい。第１の道路セグメント情報は、ホスト車両に対する少なくとも１つの動作表現、及び／又は、道路の第１部分に関連する少なくとも１つの道路特性を含んでよい。例えば、プロセッサ２３１５は、段階２５２０で判定された動作表現と、段階２５４０で判定された道路特性とを有する第１の道路セグメント情報を組み立ててよい。例として、動作表現は、ホスト車両により走行される軌跡を含んでよく、組み立てられた道路セグメントが、軌跡、及び、軌跡と対応する道路の一部と関連付けられる道路特性を含み得る。
プロセッサ２３１５は、上述した道路セグメント化モジュール２４０６に格納されている命令に従って第１の道路セグメントを組み立て得る。例えば、プロセッサ２３１５は、命令に従って複数のセグメントに軌跡を分割し得る。次に、プロセッサ２３１５は、複数のセグメントから第１の道路セグメントを選択し、道路特性を有する第１のセグメントを組み合わせて、第１の道路セグメント情報を組み立ててよい。
第１の道路セグメント情報の組み立ては、情報がホスト車両から受信されたときに実行され得る。例えば、移動中、１又は複数のセンサ及び１又は複数のカメラからの情報は、プロセッサ２３１５により受信されてよく、プロセッサ２３１５は、受信した情報から動作表現及び道路特性を判定すること、及び、情報を第１の道路セグメント情報に組み立てることを開始してよい。この例では、複数の道路セグメント情報は、順次判定されてよく、ナビゲーションモデルを生成する際にセグメント化された情報を用いることに役立ち得る。
いくつかの実施形態において、プロセッサは、予め定められた遅延の後に、第１の道路セグメント情報の組み立てを開始するようにプログラムされ得る。道路セグメント化モジュール２４０６に関連して議論したように、遅延させた組み立ては、道路セグメント情報を匿名化するのに役立つ場合がある。例えば、遅延させることなく道路セグメント情報が組み立てられる場合、最初に組み立てられた道路セグメント情報は、車両により走行される経路の始点に関連する情報を含み得る。当該始点は、個人情報、例えば、ガレージの位置、私道の経路又は他の情報を含み得る。例えば、始点が個人の家又は会社にある場合、始点は、車両又は運転される経路と関連付けられる個人を判定するために用いられてもよい。遅延機能は、移動の最初の部分が第１の道路セグメント情報を組み立てる際に用いられないことを確保し得る。遅延は、時間的な遅延を含み得る。例えば、最初の１０秒、２０秒、３０秒、１分、２分、５分、又は他の間隔に関連する情報は、第１の道路セグメント情報から除外され得る。遅延は、距離ベースであってもよい。例えば、最初の１００フィート（約３０．５ｍ）、５００フィート（約１５２．４ｍ）、１／２マイル（約０．８ｋｍ）、１マイル（約１．６ｋｍ）又は他の距離に関連する情報は、第１の道路セグメント情報から除外され得る。遅延は、本開示と矛盾しない任意の手段により実現され得る。例えば、１又は複数のセンサは、遅延が経過するまで、それとともに関連するホスト車両又は道路の動作に関連する情報を取り込むことを開始しなくてよい。別の例において、１又は複数のセンサは、移動の期間に関する情報を取り込んでよく、プロセッサ２３１５は、遅延の間に取り込まれた情報を削除又は除外するように命令され得る。いくつかの実施形態において、遅延の長さは、時間ベースか距離ベースかがランダムに判定されてよく、又は、予め定義された閾値内でランダムに判定されてよい。例えば、遅延は、５秒から４５秒の所定の時間範囲、又は、０．５ｋｍから２ｋｍの予め定められた距離などの間にあるようにランダムに選択され得る。
第１の道路セグメント情報において組み立てられる情報の匿名化を保持するために、他の手段が用いられてよいことが考えられる。例えば、プロセッサ２３１５により受信される画像は、家、私道又はプライベートデータの他のインジケータを含み、プロセッサ２３１５は、第１の道路セグメント情報に包含されているものからプライベートデータに関連して取得される任意の情報を除外するようにプログラムされ得る。情報の匿名化を保持する手段の例は、道路セグメント化モジュール２４０６に関連する議論を含む本開示の全体を通じて議論されている。
処理２５００は、道路区間の第２部分に関連する第２の道路セグメント情報を組み立てるための段階２５６０を含んでよい。段階２５４０で組み立てられた第１の道路セグメント情報と同様に、第２の道路セグメント情報は、ホスト車両の少なくとも１つの動作表現、及び／又は、道路区間に関連する少なくとも１つの道路特性を含んでよい。例えば、プロセッサ２３１５は、段階２５２０で判定された動作表現と、段階２５４０で判定された道路特性とを有する第２の道路セグメント情報を組み立ててよい。例として、動作表現は、ホスト車両が走行した軌跡を含んでよく、組み立てられた道路セグメントは、軌跡と、軌跡に対応する道路の一部と関連付けられる道路特性とを含んでよい。第２の道路セグメント情報は、第１の道路セグメント情報に対して議論したのと実質的に同一の方式で組み立てられてよい。
第２の道路セグメント情報の組み立ては、第１のセグメント情報の組み立てと同様に、情報の匿名化を確保する手段を含み得る。例えば、第２の道路セグメント情報は、遅延の後に組み立てられてよく、個人情報と関連付けられる道路区間の一部（例えば、自宅又は職場の近く）は、第２の道路セグメント情報などから除外され得る。
本開示と矛盾することなく、道路区間の第２部分は、道路区間の第１部分とは異なっていてよい。例えば、段階２５５０で組み立てられた第１の道路セグメント情報と関連付けられる道路区間は、段階２５６０で組み立てられた第２の道路セグメント情報として、道路セグメント情報が組み立てられる道路区間とは異なる道路区間であってよい。したがって、第２の道路セグメント情報は、第１のセグメント情報のものとは異なる道路特性及び／又は動作表現を含み得る。
いくつかの実施形態において、道路区間の第２部分は、道路区間の第１部分から空間的に離れている場合がある。第１及び第２の道路区間は、道路区間の第３部分により空間的に離れていてよい。第３部分は、任意の距離であり得る。第３部分により第１及び第２部分を分離することは、情報をさらに匿名化し得る。例えば、第３部分は、セグメント化された道路情報を用いて生成されたマップに含まれなくてよい。いくつかの実施形態において、第１及び第２部分に関連する情報は、さらなる処理のために伝送されてよく、他方、第３部分に関連する情報は、削除され、処理することなく格納され、そうでなければ、本開示と矛盾しないさらなる処理から除外されてよい。
第３部分は任意の長さであってよい。第１の道路区間と第２の道路区間との間の距離が大きくなると、車両が方向転換し、退出し、そうでない場合は、第１部分と第２部分との間を走行していない可能性がより高くなる。したがって、いくつかの実施形態において、第３部分により表される相対的に大きな空間的な間隔が好ましい場合がある。例えば、道路区間の第１部分は、少なくとも１ｋｍの距離分、道路区間の第２部分から空間的に離れていてよい。他の実施形態において、道路区間の第１部分は、任意の他の距離（例えば、０．５ｋｍ、１．５ｋｍ、２ｋｍ、２．５ｋｍ、３ｋｍ、２．５ｋｍ、５ｋｍなど）分、道路区間の第２部分から空間的に離れていてよい。第３部分の長さは、例えば、道路セグメント化モジュール２４０６に関連して議論した第１及び第２の道路セグメントの長さを判定する手段を含む、本開示と矛盾しない任意の手段により判定されてよい。
第１の道路セグメント情報及び第２の道路セグメント情報の組み立ては、図２６Ａ～図２８に関連してさらに議論される。第１の道路セグメント情報及び第２の道路セグメント情報のそれぞれは、１又は複数の要因に基づいて組み立てられ得る。上述した匿名化の特徴は、そのような要因の例である。いくつかの実施形態において、第１の道路セグメント情報と関連付けられる道路の第１部分及び第２の道路セグメント情報と関連付けられる道路の第２部分は、予め定められた長さ又はランダムに選ばれた長さであってよい。例えば、道路区間の第１部分及び道路区間の第２部分は、それぞれ、少なくとも２ｋｍ、２ｋｍから９ｋｍ、少なくとも４ｋｍ又は少なくとも１０ｋｍなどの長さを有し得る。各部分の長さ（例えば、１ｋｍ、１．５ｋｍ、２ｋｍ、２．５ｋｍ、３ｋｍ、４ｋｍ、５ｋｍなど）は、任意の長さ、予め定められた長さ又は判定された最適化長さであってよい。例えば、プロセッサ２３１５は、道路区間の２０ｋｍに関連する情報を受信してよく、２０ｋｍが、各４ｋｍの３つの部分にセグメント化されるべきであり、かつ、道路区間の残りの長さは、上述した匿名化要因を提供するために削除されるべきであると判定されてよい。別の例では、プロセッサ２３１５は、第１のセグメントは、５ｋｍの長さの一部を含むべきであり、第２のセグメントは、４ｋｍの長さの道路部分を含むべきであると判定し得る。例は、説明の目的のみのためであり、限定するものではない。議論したように、各道路セグメントは任意の長さであってよい。各部分の長さを判定する手段の例は、道路セグメント化モジュール２４０６に関連して上述されている。
いくつかの実施形態において、道路区間は、ランダムにセグメント化されてよい。例えば、道路区間の第１部分及び道路区間の第２部分はそれぞれ、プロセッサによりランダムに又は任意に判定された長さを有し得る。例えば、プロセッサ２３１５は、１又は複数のランダムな長さを判定し、道路セグメント情報が組み立てられるべき道路セグメントのそれぞれにランダムな長さを割り当ててよい。いくつかの実施形態において、ランダムに判定された長さは、予め定められた長さの閾値の範囲内に含まれ得る。例えば、ランダムに判定された長さは、予め定められた長さの＋／－０．５ｋｍの範囲内に含まれ得る。
本開示と矛盾することなく、第１及び第２の道路区間は、道路区間、以前に判定された道路区間又は他のデータに関連するデータに基づいて判定されてよい。いくつかの実施形態において、第１の道路区間、第２の道路区間又は両方は、道路の特性に基づいて判定されてよい。例えば、道路区間が曲がり角を含む場合、プロセッサ２３１５は、第１部分又は第２部分のいずれかが曲がり角に対応するセグメントを含むことを確保するようにプログラムされ得る。曲がり角は、真っすぐなセグメントよりも自律走行車両をナビゲートするのがより困難であり得るので、曲がり角に対応する道路セグメント情報は、自律走行車両に対するナビゲーションモデルを生成する際に有益であり得る。同様に、道路が一意の道路特性を含む場合、プロセッサ２３１５は、少なくとも１つのセグメントが一意の特性を含むようにプログラムされ得る。例えば、道路区間がトンネルを含む場合、道路の第１部分又は道路区間の第２部分の少なくとも一方は、道路区間の第１部分又は道路区間の第２部分のいずれかの範囲内にトンネルの長さが完全に含まれるように、少なくとも１つのプロセッサにより指定される。いくつかの実施形態において、プロセッサ２３１５は、例えば、サーバ１２３０から受信したデータに基づいて、第１及び第２の道路部分を判定してよい。例えば、サーバ１２３０が、複数の車両から第１の道路セグメント情報及び第２の道路セグメント情報を受信した場合、図１２及び図２３に対して議論されたように、サーバ１２３０は、取得された情報がない道路区間の一部を判定するように構成されてよい。この事例では、サーバ１２３０は、道路区間の第１又は第２のセグメントのいずれかの一部として、見逃した部分を含めるための命令をプロセッサ２３１５に伝送してよい。
処理２５００の議論は、第１及び第２の道路セグメントを参照しているが、任意の数の道路セグメントが生成され得ることが理解される。例えば、複数の道路セグメントは、いずれか１つの道路区間に対して生成され得る。
処理２５００は、自律走行車両の道路ナビゲーションモデルの組み立てのために、ホスト車両に対して離れて配置されたサーバに、第１の道路セグメント情報及び第２の道路セグメント情報の伝送を行うための段階２５７０を含み得る。例えば、プロセッサ２３１５は、段階２５５０で組み立てられる第１の道路セグメント情報及び／又は段階２５６０で組み立てられる第２の道路セグメント情報をサーバ１２３０に伝送し得る。サーバ１２３０は、図１２、図１４及び／又は図２１及び本明細書の他の箇所に関連して議論したように、複数のホスト車両からの道路セグメント情報を用いて、自律走行車両の道路ナビゲーションマップを生成し得る。サーバ１２３０に伝送されるデータは、ホスト車両が走行する未処理の経路よりはむしろ、１又は複数のセグメントを有するので、データは、車両が走行した経路へ追跡することが可能ではなく、これにより、データの匿名性を保証し得る。プロセッサ２３１５が、第１部分及び第２部分を分離する道路の第３部分に関連する情報を組み立てる例では、プロセッサは、道路区間の第３部分に関連する組み立てられた道路セグメント情報のサーバへの伝送を控えてよい。上記の第３部分に関連する情報の伝送により、プロセッサ２３１５は、上述したように、データが匿名化されることを確保し得る。
いくつかの実施形態において、第１及び第２の道路セグメント情報の組み立て後に、プロセッサ２３１５は、情報を一時的に格納し、情報がユーザ又は車両へと追跡することが可能であり得る任意の情報を含んでいないと判定した場合のみ、情報を伝送し得る。例えば、プロセッサは、道路セグメント情報の最終組み立てがホスト車両による運転の終了を表す道路セグメント情報の最終組み立てについてのサーバへの伝送を控えるようにプログラムされ得る。道路セグメント情報が、運転の終点を除外することを確保することは、道路セグメント情報を生成するために用いられるユーザ又は車両を識別するために、情報が用いられない可能性があることを確保するのに役立つかもしれない。別の例では、プロセッサは、道路セグメント情報の初期の組み立てが、ホスト車両による運転の開始の表現を含む道路セグメント情報の初期の組み立てについてのサーバへの伝送を控えるようにプログラムされ得る。別の例として、プロセッサ２３１５は、追加の処理を実行して、識別する情報が、動作表現、道路特性又は道路セグメント情報などの他のデータのいずれかに含まれているかを判定してよい。例えば、プロセッサ２３１５は、例えば、情報を収集するために用いられる車両の反射、ユーザの家の画像又は住所、又は、個人又は車両と関連付けられ得る他のデータを含む道路セグメント情報に画像が含まれていないことを確保するために二次画像解析を実行してよい。
いくつかの実施形態において、第１の道路セグメント情報のセットは、第１の時間に伝送されてよく、第２の道路セグメント情報のセットは、第２の時間に伝送されてよい。上述したように、単一の道路区間は、複数の道路セグメントにセグメント化されてよく、匿名化を保持するために、すべての道路セグメントが第１の時間に伝送されるわけではない。第２の時間において、追加の道路セグメント情報が伝送され得ることが考えられる。これらの実施形態では、道路区間に対して、１台の車両により生成された実質的にすべての道路セグメント情報は、匿名化を維持しつつ、自律走行車両の道路ナビゲーションモデルを生成する際に用いられ得る。これは、例えば、相対的に少ない車両が道路区間を走行する場合に有益である可能性があり、したがって、道路セグメント情報は、複数の車両から効果的又は効率的に伝送されることができない。
処理２５００は、ナビゲーションモデルを受信しホスト車両におけるナビゲーション応答を行うための段階（図示されていない）を含み得る。例えば、プロセッサは、自律走行車両のナビゲーションモデルをリモートサーバから受信し、自律走行車両の道路ナビゲーションモデルに基づいて、ホスト車両により少なくとも１つのナビゲーション操作を行わせるようにプログラムされ得る。自律走行車両の道路ナビゲーションモデルは、例えば、段階２５７０においてサーバ１２３０により生成されたナビゲーションモデルであり得る。本開示における他の箇所で議論されたように、ナビゲーション操作は、ホスト車両による任意の応答、例えば、加速、ブレーキ、方向転換、車線変更又は停止などであり得る。
当業者であれば、本開示の利点を用いて、処理２５００の段階が任意の順序で実行されてよく、一部の段階が除外されてよいことを理解する。例えば、道路区間と関連付けられる道路特性を判定することに関する段階２５３０及び２５４０が、ホスト車両の１又は複数の動作表現を判定することに関する段階２５１０及び２５２０の前に又はこれらと実質的に同時に実行されることができないとする理由は存在しない。同様に、処理２５００の任意の他の段階が再構築又は省略され得る。処理２５００は、例えば、自律走行車両のナビゲーション及び／又はナビゲーションデータの匿名化に関連する規制上の標準を満たす又は超えるように調節され得る。例えば、規制上の標準は、自律走行車両の道路ナビゲーションモデルが含む必要があるレベルの詳細を指示し得る。当業者であれば、データの匿名性を維持しつつ、規制上の標準を満たす必要がある情報を収集するために、処理２５００をどのように調節するかを理解している。
図２６Ａは、処理２５００により受信又は判定され得るタイプの複数の動作表現及び道路特性の例示的な図である。図２６Ｂ及び図２６Ｃは、処理２５００中に受信され、１又は複数の道路特性を判定するために用いられ得るタイプの画像の例である。図は、例示のためだけであり、処理２５００の理解を促進するために用いられ、又は、ホスト車両により通過される道路区間に関連する運転情報を匿名化するための手段と同様である。
図２６Ａは、道路区間２６０１及び複数の軌跡２６０６、２６０８、２６１０、２６１２及び２６１４を示し、各軌跡がホスト車両により走行される経路を表す。上述したように、軌跡は、処理２５００の段階２５１０の一部として１又は複数のセンサから受信され得る。さらに又は代替的に、軌跡は、段階２５２０の一部として未加工のデータから判定されてよく、図１１Ａ、図２２及び本開示における他の箇所に関して説明したように、軌跡が判定される。
いくつかの実施形態において、軌跡２６０６、２６０８、２６１０、２６１２及び２６１４のそれぞれは、単一のホスト車両により走行される経路を表してよく、各経路は異なる時間において走行される。例えば、車両１２０５は、第１の時間において軌跡２６０６を、第２の時間において軌跡２６０８を、第３の時間において軌跡２６１０を、第４の時間において軌跡２６１２を、かつ、第５の時間において軌跡２６１４を走行し得る。いくつかの実施形態において、軌跡２６０６、２６０８、２６１０、２６１２及び２６１４のそれぞれは、異なるホスト車両により走行される経路を表し得る。例えば、車両１２０５は、軌跡２６０６を走行してよく、車両１２１０は、軌跡２６０８を走行してよく、車両１２１５は、軌跡２６１０を走行してよく、車両１２２０は、軌跡２６１２を走行してよく、車両１２２５は、軌跡２６１４を走行してよい。他の例では、車両１２０５は、第１の時間において軌跡２６０６を走行し、第２の時間において軌跡２６０８を走行してよく、車両１２１０は、第３の時間において軌跡２６１０を走行してよく、車両１２１５は、第４の時間において軌跡２６１２を、かつ、第５の時間において軌跡２６１４を走行してよい。車両１２０５、１２１０、１２１５、１２２０及び１２２５及び軌跡２６０６、２６０８、２６１０、２６１２及び２６１４の任意の他の組み合わせが可能であってよい。以下の説明では、明確にするために、軌跡は、１台の車両とマッチングされている。
軌跡２６０６は、ホスト車両の動作表現を含み得る。車両１２０５は、軌跡２６０６により表される経路を走行してよく、車両１２０５内の１又は複数のセンサは、軌跡２６０６に関連するデータを収集してよい。例えば、車両１２０５は、図２３において議論されるナビゲーションシステム２３００を含んでよく、１又は複数のセンサ、例えば、ＧＰＳユニット２３１０、カメラ１２２、速度センサ２３２０、加速度計２３２５及び道路プロファイルセンサ２３３０からデータを収集し得る。軌跡２６０６は、本明細書に開示される方法、処理及び動作に従って、プロセッサにより判定され得る。例えば、プロセッサ２３１５は、１又は複数のセンサからデータを受信し、動作表現モジュール２４０２に格納されている命令に従ってデータを処理して、軌跡２６０６を判定し得る。例えば、軌跡２６０６は、処理２５００の段階２５２０の一部として判定され得る。軌跡２６０６により表される経路は、家２６０２で始まり、道路区間２６０１に沿って進み、停止標識２６１６、停止線２６１８及びオフィスビル２６０４を通過する。軌跡２６０６が、匿名化されることなく自律走行車両のナビゲーションモデルを判定するために用いられる場合、ナビゲーションモデルは、家２６０２へと自律走行車両をナビゲートするための方向を含み得、家の住人にとって望まれていない可能性がある。軌跡２６０６が匿名化されずに伝送される場合、当該伝送が傍受され、家２６０６に住む個人と軌跡２６０６を関連付けるために用いられ得る可能性もある。軌跡２６０６の匿名化が必要とされ又は所望される他の理由があり得る。図２７の議論は、軌跡２６０６に対する処理２５００中に実現される匿名化を議論する。
軌跡２６０８、２６１０、２６１２及び２６１４のそれぞれは、軌跡２６０６と実質的に同一の方式で判定され得る。例えば、軌跡に対応するホスト車両は、１又は複数のセンサ、例えば、ＧＰＳユニット２３１０、カメラ１２２、速度センサ２３２０、加速度計２３２５及び道路プロファイルセンサ２３３０からデータを収集し得るナビゲーションシステム２３００を含む。軌跡２６０８、２６１０、２６１２及び２６１４は、本明細書に開示される方法、処理及び動作に従って、プロセッサにより判定され得る。例えば、各ホスト車両に配置されるプロセッサ２３１５は、１又は複数のセンサからデータを受信し、動作表現モジュール２４０２に格納されている命令に従ってデータを処理して、対応する軌跡を判定し得る。例えば、車両１２１０は、その中にナビゲーションシステム２３００及びプロセッサ２３１５を含んでよく、１又は複数のセンサにより収集されたデータから軌跡２６０８を判定してよい。同様に、車両１２１５は、ナビゲーションシステム２３００及びプロセッサ２３１５を含んでよく、１又は複数のセンサにより収集されたデータから軌跡２６１０を判定してよい。同様に、車両１２２０は、その中にナビゲーションシステム２３００及びプロセッサ２３１５を含んでよく、軌跡２６１２を判定してよい。同様に、車両１２２５は、ナビゲーションシステム２３００及びプロセッサ２３１５を含んでよく、軌跡２６１４を判定してよい。
軌跡２６０８、２６１０、２６１２及び２６１４のそれぞれは、匿名化を要求し、又は、匿名化から利益を得るかもしれない個人情報を含み得る。例えば、軌跡２６１２は、匿名化を必要としないオフィスビル２６０４に最終目的地を含んでよく、軌跡２６１２に関連するデータは、車両１２２０又はそれとともに関連する個人へと追跡され得る。依然として、道路区間２６０１に沿う開始点又は終点を持たない軌跡は、軌跡と関連付けられる車両又は車両と関連付けられる個人へと追跡され得るデータを含み得る。したがって、軌跡２６０８、２６１０、２６１２及び２６１４により示される動作表現は、匿名されるものとする。匿名化は、処理２５００において議論されたように生じ得る。図２７はまた、軌跡の匿名化について議論する。
図２６Ｂは、本開示と矛盾しない、画像取込デバイスにより取り込まれ、道路特性を判定するために用いられ得るタイプの例示的な画像２６２０である。画像２６２０は、車両が道路区間２６０１に沿って走行しているときに取り込まれた画像を表す。例えば、画像２６２０は、車両１２０５が軌跡２６０６に沿って走行しているときに、車両１２０５に含まれるカメラ１２２により取り込まれ得る。画像２６２０は、図１５～図１６に関連して議論されたようなものを含む本明細書で開示される任意の手段により取り込まれ得る。画像２６２０は、処理２５００の一部として受信及び解析され得る。例えば、画像２６２０は、処理２５００の段階２５３０において受信された１又は複数の画像のうちの１つであってよい。画像２６２０は、停止標識２６１６及び道路縁部２６２２の表現を含む。停止標識２６１６は、図２６Ａの停止標識２６１６と対応し得る。
画像２６２０は１又は複数の道路特性を判定するために解析され得る。例えば、画像２６２０は、処理２５００の段階２５４０の一部として解析され得る。画像２６２０は、画像解析モジュール２４０４に格納されている命令に従って解析され得る。他の箇所で議論されるように、１又は複数の道路特性は、ランドマークの位置、道路縁部、中心線、又は、道路の他の特徴を含み得る。画像は、本開示と矛盾しない任意の手段により解析され得る。例えば、画像は、１又は複数の道路特性を含むことが知られている他の画像と比較され得る。別の例では、ランドマーク又は他の道路特性は、ランドマークの縁部を検出することにより判定され得る。いくつかの実施形態において、１又は複数の訓練されている又は訓練されていないシステムは、画像解析を実行するように構成され得る。例えば、画像解析モジュール２４０４は、道路特性を検出するように訓練されたニューラルネットワーク又はディープニューラルネットワークを含み得る。
画像２６２０の例において、プロセッサ２３１５は、停止標識２６１６及び／又は道路縁部２６２２を検出し得る。プロセッサ２３１５は、本開示と矛盾しない追加の機能、例えば、画像解析モジュール２４０４と矛盾しないものを実行し得る。例えば、プロセッサ２３１５は、停止標識２６１６と関連付けられる位置を判定し得る。当該位置は、道路区間２６０１、別のランドマーク、ホスト車両、又は、任意の他の静止又は可動型のオブジェクトに対して判定され得る。さらに又は代替的に、位置は、座標系、例えば、予め定められた座標系、ＧＰＳセンサにより用いられる座標系、緯度及び／又は経度などに対して判定され得る。したがって、停止標識２６１６と関連付けられる道路特性は、停止標識２６１６の視覚的表現、停止標識２６１６の位置、停止標識２６１６の修正された画像、それらの組み合わせ、又は、停止標識２６１６に関連する他のデータを含み得る。例として、画像２６１６を処理した後に、プロセッサ２３１５は、道路区間２６０１に関連する停止標識２６１６の位置を判定してよい。当該位置は、本明細書で開示される任意の手段により道路区間２６０１の視覚的表現で表され得る。例えば、以下でさらに議論される図２７及び図２８は、停止標識２６１６と関連付けられると判定された位置に停止標識マーカ２７１６を含む。
上述したように、例えば、停止標識２６１６の画像よりはむしろ、停止標識マーカ２７１６を用いることにより停止標識２６１６の位置を表す方が、道路特性のデータフットプリントを大幅に減らし得る。停止標識マーカ２７１６を用いることにより停止標識２６１６の位置を表すことはまた、データの匿名性を向上させ得る。例えば、停止標識２６１６の画像は、停止標識２６１６で停止した別の車両、画像２６２０が取り込まれた車両の反射、停止標識２６１６の近くの歩行者、又は、停止標識２６１６の環境にある他の情報などの個人情報を含み得る。停止標識に関連する未加工のデータよりはむしろ、画像２６２０を処理して、停止標識２６１６の位置を判定し、当該位置の表現を用いることにより、停止標識２６１６に関連する情報が匿名化される。
画像２６２０の例では、プロセッサ２３１５は、道路縁部２６２２を検出し得る。道路縁部２６２２は、本明細書で開示される任意の手段、例えば、ある道路から別の表面への変更を意味し得る縁石、車線、歩道、草木又は他のオブジェクトの検出などにより検出され得る。プロセッサ２３１５は、道路縁部２６２２の位置を判定し得る。上述したように、別の道路特性、車両の位置又は標準的な又は予め定められた座標系などに対する位置が判定され得る。例えば、道路縁部２６２２は、画像２６２０が取り込まれたホスト車両と停止標識２６１６との間に配置されていると判定され得る。
図２６Ｃは、本開示と矛盾しない、画像取込デバイスにより取り込まれ、道路特性を判定するために用いられ得るタイプの例示的な画像２６３０である。画像２３６０は、車両が道路区間２６０１に沿って走行するときに取り込まれる画像を表す。例えば、画像２６３０は、車両１２０５が軌跡２６０６に沿って走行するときに、車両１２０５に含まれるカメラ１２２により取り込まれ得る。画像２６３０は、図１５及び図１６に関連して議論したものを含む、本明細書で開示される任意の手段により取り込まれ得る。画像２６３０は、処理２５００、又は、本明細書で開示される任意の他の操作、処理又は方法の一部として受信及び解析され得る。例えば、画像２６３０は、処理２５００の段階２５３０で受信された１又は複数の画像のうちの１つであってよく、画像解析モジュール２４０４に格納されている命令に従ってプロセッサ２３１５により処理されてよい。画像２６３０は、画像２６２０に関連して議論されたのと実質的に同一の方式で処理されてよい。
画像２６３０は、本開示と矛盾しない、道路区間２６０１に対して判定され得る追加の例示的な道路特性を含む。道路特性のそれぞれは、本明細書に開示される任意の手段により判定され得る。例えば、道路特性は、画像解析モジュール２４０４に格納されている命令を実行するプロセッサ２３１５により判定され得る。別の例において、道路特性は、処理２５００の一部として、例えば、段階２５４０の一部として判定され得る。
画像２６３０に対して判定される道路特性は、道路縁部２６３２、レール２６３４及び中心線２６３８を含む。本開示において他の箇所で議論したように、各特性は、特性の位置又は特性の他の品質に対する情報を含み得る。例えば、プロセッサ２３１５は、画像２６３０が取り込まれた車両１２０５とレール２６３４との間に道路縁部２３６２が配置されていると判定してよい。別の例では、プロセッサ２３１５は、中心線２６３８が反対方向に進む２つの車線の交通量を分離する点線であると判定してよい。別の例において、プロセッサ２３１５は、レール２６３４が車両１２０５に対して道路の右手側に配置されていると判定され得る。例は限定するものではなく、道路特性は、本開示と矛盾しない任意の他の情報を含み得ることが理解される。
本開示に説明されるように、１又は複数のセグメントは、ホスト車両と関連付けられる単一の軌跡又は他の動作表現から組み立てられてよい。例えば、上述したように、車両１２０５内のナビゲーションシステム、例えば、ナビゲーションシステム２３００は、１又は複数のセンサからデータを取り込み、車両１２０５が進む経路を表す軌跡２６０６を判定してよい。同様に、ナビゲーションシステム２３００は、（例えば、カメラ１２２から）１又は複数の画像を取り込んでよく、１又は複数の道路特性は、１又は複数の画像から判定され得る。ナビゲーションシステム２３００の一部であるプロセッサ２３１５は、次に、動作表現及び／又は道路特性から１又は複数の道路セグメントを組み立ててよい。プロセッサ２３１５は、道路セグメント化モジュール２４０６に格納されている命令に従って道路セグメント情報を組み立ててよい。未加工のデータを伝送するよりはむしろ、ナビゲーション情報を１又は複数のセグメントへと組み立てることは、いずれか１つの個別又は車両へリンクされ得るように、情報を匿名することを助ける。
図２７は、本開示と矛盾しない、組み立てられた複数の道路セグメント２７０１－２７１５を含む道路区間２６０１の例示的な図である。道路セグメントは、本明細書に開示される任意の手段により組み立てられてよい。例えば、各セグメントは、処理２５００に従って組み立てられてよい。各セグメントは、ホスト車両と関連付けられる１又は複数の動作表現、及び／又は、道路と関連付けられる１又は複数の道路特性から組み立てられてよい。例えば、セグメントはそれぞれ、図２６Ａに示される軌跡（すなわち、軌跡２２０６、２６０８、２６１０、２６１２及び２６１４）の一部、及び、図２６Ｂ～図２６Ｃに示される道路特性の一部を有してよい。明確にするために、図２７に示される各セグメントは、図２６Ａにおける軌跡を表すために用いられる車線に対応する車線のタイプ（例えば、実線又は点線）として表されるが、しかしながら、セグメントが任意の手法で示され得ることが理解される。いくつかの実施形態において、セグメントは、道路区間２６０１に関連して図示されない場合がある。例えば、各セグメントは、図１１Ａに関して説明されたような他のセグメントに関連して、図１３に関して説明されたような３次元空間におけるスプラインとして、図２２に関して説明されたクラスタ、又は、本開示と矛盾しない任意の他の形式で図示されてよい。
図２７は、複数の車両又は移動と関連付けられる情報から組み立てられる道路セグメントを示す。図２７は、組み立てられ得るが限定されない様々なタイプのセグメントを示すために用いられていることが理解される。例えば、各車両と関連付けられるセグメントは、各車両内のシステムにより判定され得る。その環境において、図２７に示されるように、同じ図に表示される異なる車両から複数のセグメントが存在することはあり得ない。他の実施形態において、複数の車両からのデータは、複数のセグメントへと組み立てられる前に、（任意のある車両に対して）遠隔にあるプロセッサ又はサーバに伝送され得る。明確にするために、セグメントのそれぞれは、対応し、１つのホスト車両と共に、図２６Ａからの軌跡に対して説明される。
車両１２０５と関連付けられる軌跡２６０６は、上述したように、１又は複数のセグメントへと組み立てられ得る。図２７において、軌跡２６０６は、第１のセグメント２７０１、第２のセグメント２７０２及び第３のセグメント２７０３へとセグメント化される。各セグメント２７０１、２７０２、２７０３は、軌跡２６０６により表される経路の一部に従う。各セグメント２７０１、２７０２、２７０３は、実質的に同じサイズ又は異なるサイズであり得ることが考えられる。いくつかの実施形態において、各セグメント２７０１、２７０２、２７０３は、ランダムなサイズ、予め定められたサイズ、判定サイズ、又は、それらの閾値内にあってよい。各セグメント２７０１、２７０２、２７０３間の距離は、同じく、ランダムなサイズ、予め定められたサイズ、判定サイズ、それらの閾値内にあってよい。セグメント２７０１、２７０２及び２７０３は、軌跡２６０６より少ない個人情報を含み、したがって、車両１２０５の動作表現に関連するデータを匿名化することが本開示から明らかである。例えば、軌跡２６０６は、家２６０２の開始点を示し、他方、セグメント２７０１、つまり、家２６０２に最も近いセグメントは、道路区間２６０１の真っすぐな経路を単に示し、セグメント２７０１が家２６０２と関連付けられることを示すインジケーションを提供しない。したがって、セグメント２７０１から、車両１２０５が家２６０２と関連付けられると結論付けることはできない。同じことが、セグメント２７０２及び２７０３のそれぞれに対して当てはまる。
上述したように、各セグメントは、道路特性情報及び／又は動作表現情報を含み得る。例えば、セグメント２７０２は、図２７に示される軌跡及びセグメント２７０２に密接に近い停止標識マーカ２７１６に関する情報の両方を含み得る。
上述したように、軌跡２６０６からセグメント２７０１、２７０２及び２７０３に対するデータを組み立ている間、プロセッサ２３１５は、セグメント２７０１、２７０２及び２７０３の間に配置されるセグメントに関連するデータを組み立ててよい。例えば、第１のセグメントは、セグメント２７０１とセグメント２７０２との間に配置されてよく、第２のセグメントは、セグメント２７０２とセグメント２７０３との間に配置されてよい。匿名化を確保するために、セグメント２７０１、２７０２及び２７０３だけが、さらなる処理のために伝送されてよいが、軌跡２６０６の他のセグメント又は一部は伝送されなくてよい。例えば、軌跡２６０６の残りの部分の上述の伝送の間、プロセッサ２３１５は、セグメント２７０１、２７０２及び２７０３のそれぞれをサーバ１２３０に伝送してよい。軌跡２６０６の伝送されていない部分は、サーバ１２３０による処理から削除、格納、そうでない場合除外されてよい。
図２６Ａに示される他の軌跡は、図２７に示されるようなセグメントへと同様に組み立てられてよい。各軌跡及び対応するセグメント、及び、車両の議論は、それぞれが１又は複数の道路セグメントを組み立てるための１又は複数の例示的なプロセスを開示し、道路セグメント情報に含まれ得るタイプの情報の例を提供する。軌跡２６０８は、セグメント２７０４、２７０５及び２７０６へと組み立てられ得る。例えば、車両１２１０に配置され、又は、車両１２１０と通信するプロセッサ２３１５は、処理２５００の段階２５３０の一部として軌跡２６０８を判定してよく、処理２５００の段階２２５０及び／又は２５６０の一部として、セグメント２７０４、２７０５及び２７０６を組み立ててよい。各セグメント２７０４、２７０５及び２７０６は、本開示と矛盾しない特定のデータを含める又は除外するように処理され得る。例えば、セグメント２７０４は、家２６０２に関連する個人情報を含まないことを確保するように処理され得る。別の例では、セグメント２７０５は、セグメント２７０５に続く経路により示される方向転換をナビゲートするのに十分な情報を含むことを確保するように処理され得る。処理した後に、自律走行車両の道路ナビゲーションモデルを生成する際に用いるために、プロセッサ２３１５は、セグメント２７０４、２７０５及び２７０６をサーバ１２３０に伝送してよい。上述したように、セグメント２７０４、２７０５及び２７０６に含まれていない軌跡２６０８の一部は、サーバ１２３０による処理から削除され、格納され、そうでない場合除外され得る。
軌跡２６１０は、セグメント２７０７、２７０８及び２７０９へと組み立てられ得る。例えば、車両１２１５に配置され、又は、車両１２１５と通信するプロセッサ２３１５は、上述したように軌跡２６１０を判定してよく、処理２５００の間に判定された動作表現及び／又は道路特性を用いてセグメント２７０７、２７０８及び２７０９を組み立ててよい。上述したように軌跡２６１０のいずれかの一意の態様が軌跡２６０６から組み立てられる少なくとも１つのセグメントに含まれることを確保するやり方で、軌跡２６１０は処理され得る。例えば、軌跡２６１０により示される経路を走行している間に、車両１２１５により行われる左折が、少なくとも１つのセグメントに含まれるべき一部としてマーキングされ得る。セグメント２７０８は、関心のある一部として、方向転換のマーキングの結果として組み立てられ得る。議論したように、セグメント２７０７、２７０８及び２７０９のそれぞれは、１又は複数の道路特性に関連する情報を含み得る。例えば、セグメント２７０８は、（停止線２６１６に対応する）停止線マーカ２７１８及び／又は停止標識マーカ２７１６に対するその位置に関連する情報を含んでよく、セグメント２７０７は、道路縁部又は中央線（例えば、中心線２６３８、道路縁部２６３２など）などに対するその位置に関連する情報を含んでよい。
軌跡２６１２は、セグメント２７１０及び２７１１へと組み立てられ得る。例えば、車両１２２０に配置され、又は、車両１２２０と通信するプロセッサ２３１５は、（例えば、段階２５１０又は段階２５２０の一部として）軌跡２６１２を受信又は判定してよく、軌跡２６１２及び１又は複数の道路特性の様々な部分を用いてセグメント２７１０及び２７１１を組み立ててよい。セグメント２７１０及び２７１１を組み立てるために用いられる１又は複数の道路特性は、例えば、本明細書で開示される道路縁部、ランドマーク又は任意の他の道路特性を含み得る。例えば、セグメント２７１０は、セグメント２７１０に対応する軌跡２６１２、及び、停止線マーカ２７１８及び／又は停止標識マーカ２７１６に対するセグメント２７１０の位置のインジケーションの一部を用いて組み立てられ得る。別の例では、車両１２２０は画像２６３０を取り込んでよく、セグメント２７１１は、中心線２６３８、セグメント２７１１に対応する軌跡２６１２、及び、道路縁部２６３２及び／又はレール２６３４に対するセグメント２７１１の位置の一部を含み得る。上述したように、セグメント２７１０及び２７１１は、本開示と矛盾しない自律走行車両のナビゲーションモデルへの組み立てのためにサーバ１２３０に伝送され得る。例えば、プロセッサ２３１５は、処理２５００の段階２５７０の一部として、サーバ１２３０にセグメント２７１０及び２７１１を伝送してよい。セグメント２７１０及び２７１１に含まれていない軌跡２６１２の一部は、自律走行車両のナビゲーションモデルから除外され得る。例えば、プロセッサ２３１５は、セグメント２７１０又はセグメント２７１１のいずれかに含まれていない軌跡２６１２の一部の伝送を控えてよく又は削除してよく、そうでない場合、除外してよい。オフィスビル２６０４へと通じる軌跡２６１２の終点が、セグメント２７１０又はセグメント２７１１のいずれかに含まれていないことに気づく。これは、匿名化処理の結果であり得る。例えば、オフィスビル２６０４に対応するとの判定の際に、軌跡２６１２の終点が削除され得る。別の例において、終点に関連するデータは、遅延又は他の要因に起因して、１又は複数のセンサにより収集されていない。別の例において、プロセッサ２３１５は、終点に対応するセグメントを判定してよいが、車両、個人又は会社にリンクされ得る情報を伝送することを回避するために、セグメントの伝送を控えてよい。
軌跡２６１４は、セグメント２７１２、２７１３、２７１４及び２７１５へと組み立てられてよい。例えば、車両１２２５に配置され、又は、車両１２２５と通信するプロセッサ２３１５は、１又は複数のセンサ、例えば、ＧＰＳユニット２３１０、カメラ１２２、速度センサ２３２０、加速度計２３２５、及び、道路プロファイルセンサ２３３０の出力から軌跡２６１４を判定してよく、道路区間２６０１と関連付けられる１又は複数の道路特性を判定してよい。次に、プロセッサ２３１５は、セグメント２７１２、２７１３、２７１４及び２７１５、及び、セグメント２７１２、２７１３、２７１４及び２７１５間に配置されたセグメントを含む軌跡２６１４に沿う複数のセグメントを組み立ててよい。例えば、プロセッサ２３１５は、セグメント２７１２、セグメント２７１３、及び、セグメント２７１２及び２７１３間のセグメント（図示されていない）を判定してよい。同じことが、軌跡２６１４の長さに対して行われてよい。匿名化処理の一部として、プロセッサ２３１５は複数のセグメントのうちの第１のセットを削除、そうでない場合は、除外してよい。例えば、プロセッサ２３１５は、セグメント２７１２、２７１３、２７１４及び２７１５を除く、軌跡２６１４に沿うすべてのセグメントを削除してよい。別の例では、プロセッサ２３１５は、セグメント２７１２、２７１３、２７１４及び２７１５を伝送し、軌跡２６１４に沿う残りのセグメントを伝送することを控えてよい。
図２７に関連して議論される例は、開示される実施形態の様々な態様の例を提供することが意図されている。それらは特許請求の範囲の範囲に限定されるものではない。例は、他の例と組み合わせられてよく、本開示と矛盾しないやり方で修正されてよく、そうでない場合は変更されてよい。
本開示において議論されるように、複数のセグメント化された道路情報は、サーバ又はプロセッサに伝送され得る。例えば、車両１２０５は、セグメント２７０１－２７０３に関する情報を伝送してよく、車両１２１０は、セグメント２７０４－２７０６に関連する情報を伝送してよく、車両１２１５は、セグメント２７０７－２７０９に関連する情報を伝送してよく、車両１２２０は、セグメント２７１０－２７１１に関連する情報を伝送してよく、車両１２２５は、セグメント２７１２－２７１５に関連する情報を伝送してよい。データは、自律走行車両のナビゲーションで用いる車両のナビゲーション情報を処理するために例えば、サーバベースのシステムに伝送されてよい。例えば、サーバ１２３０は、伝送された情報を受信し、ナビゲーションモデルを組み立てるための１又は複数の演算、機能、処理又は方法を実行してよい。サーバは、ナビゲーションモデルを組み立てるようにプログラムされた少なくとも１つのプロセッサを含む。少なくとも１つのプロセッサは、複数の車両からナビゲーション情報を受信するようにプログラムされ得る。例えば、少なくとも１つのプロセッサは、車両１２０５、１２１０、１２１５、１２２０及び１２２５から伝送された道路セグメント情報を受信してよい。いくつかの実施形態において、複数の車両からのナビゲーション情報は、共通の道路区間と関連付けられてよい。例えば、サーバ１２３０は、図２７に示されるように、道路区間２６０１と関連付けられた複数の道路セグメントを受信してよい。他の実施形態において、複数の車両からのナビゲーション情報は、異なる道路区間と関連付けられてよい。この事例では、少なくとも１つのプロセッサは、第１の道路区間に関連するナビゲーション情報の第１のグループ、及び、第２の道路区間に関連するナビゲーション情報の第２のグループなどを判定するようにプログラムされ得る。
次に、共通の道路区間と関連付けられるナビゲーション情報は、共通の道路区間に対する自律道路ナビゲーションモデルを生成するために用いられ得る。道路ナビゲーションモデルは、図９Ａ～図９Ｂ、図１１Ａ～図１１Ｄ、図３０及び本明細書の他の箇所に関して議論されたように、本開示と矛盾しない任意の手段に従って生成されてよい。
図２８は、図２７に示されるナビゲーション情報から判定された自律道路ナビゲーションモデル２８００の態様を示す例示的な道路区間（例えば、道路区間２６０１）である。自律道路ナビゲーションモデル２８００（本明細書では、ナビゲーションモデル２８００と称される）は、ローカルマップ（例えば、ローカルマップ１１４０）と実質的に同様であってよく、自律走行車両に対する１又は複数のターゲット軌跡を含んでよい。例えば、ナビゲーションモデル２８００は、道路区間２６０１を通じて様々な経路に対応するターゲット軌跡２８０２、２８０４、２８０６、２８０８、２８１０、２８１２、２８１４及び２８１６を含んでよい。自律走行車両は、道路区間２６０１をナビゲートするときに、ターゲット軌跡２８０２、２８０４、２８０６、２８０８、２８１０、２８１２、２８１４及び２８１６のうちの１又は複数にアクセス又は依存し得る。ターゲット軌跡２８０２、２８０４、２８０６、２８０８、２８１０、２８１２、２８１４及び２８１６は、図１１Ｃに関して議論したように、ターゲット軌跡１１４１－１１４８に対して議論されたものとして機能し得る。
ナビゲーションマップ２８００に含まれるターゲット軌跡のそれぞれは、取り込まれたナビゲーション情報から判定されてよい、又は、１又は複数のホスト車両により判定されてよい。例えば、道路区間２６０１について判定された道路セグメントは、図２７に関連して議論されたように、ナビゲーションマップ２８００において示される軌跡の少なくとも一部を生成するために用いられ得る。例えば、ターゲット軌跡２８０２は、セグメント２７０４、２７０１、２７０２、２７１１及び２７０３を含み得る。さらに、ターゲット軌跡２８０２は、軌跡２６０６、軌跡２６０８及び軌跡２６１２の組み合わせから導出され得る。ターゲット軌跡２８０２を組み立てるために、軌跡２６０６、２６０８及び２６１２よりはむしろセグメント２７０４、２７０１、２７０２、２７１１及び２７０３を用いる利点は、セグメント２７０４、２７０１、２７０２、２７１１及び２７０３と関連付けられる情報が、軌跡２６０６、２６０８及び２６１２に含まれる潜在的にパーソナルな又は識別する情報、例えば、家２６０６である軌跡２６０６の開始点と、オフィスビル２６０４である軌跡２６１２の終点を欠いていることである。セグメント２７０４、２７０１、２７０２、２７１１及び２７０３を組み立たることと関連付けられる段階、機能及び操作を実行することにより、情報は、識別する情報を取り除き、サーバ１２３０は追加の匿名化する機能を実行する必要はない。しかしながら、いくつかの実施形態において、サーバ１２３０は、ナビゲーションモデル、例えば、ナビゲーションモデル２８００を組み立てるときに、追加の匿名化する機能を実行してよい。
図２８及びナビゲーションモデル２８００は、サーバ１２３０及び実行するようにプログラムされ得る操作を参照する際に以下でさらに議論される。図２９は、メモリデバイス、本開示と矛盾しない１又は複数のモジュールを含み得るメモリ２９００の例示的なブロック図である。メモリ２９００は、サーバ１２３０内にあってよい、又は、サーバ１２３０と通信してよい。サーバ１２３０に含まれる少なくとも１つのプロセッサは、メモリ２９００に格納されている命令を実行するようにプログラムされ得る。
メモリ２９００は、ナビゲーションデータ受信モジュール２９０５及びナビゲーションモデル生成モジュール２９１０を含み得る。ナビゲーションデータ受信モジュール２９０５は、少なくとも１つのプロセッサにより実行されるときに、１又は複数の車両からナビゲーションデータを受信する命令を含み得る。例えば、ナビゲーションデータ受信モジュール２９０５は、図２７に関して議論される道路セグメントデータなどを受信するための命令を含み得る。
いくつかの実施形態において、ナビゲーションデータ受信モジュール２９０５は、少なくとも１つのプロセッサにより実行されるときに、１又は複数の車両から受信したナビゲーションデータを編成する命令を含み得る。例えば、サーバ１２３０は、複数の車両からデータを受信してよく、当該データは複数の道路区間と関連付けられ得る。ナビゲーションデータ受信モジュール２９０５に含まれる命令は、プロセッサ２０２０が、例えば、受信したナビゲーション情報に対応する道路区間を識別し、道路区間に対応するグループにそれを編成することを可能にし得る。例えば、サーバ１２３０が、図２７に示される道路セグメント及び複数の他の道路セグメントを受信した場合、プロセッサ２０２は、道路セグメント２７０１－２７１５が道路区間２６０１と関連付けられると判定し得る。別の例として、サーバ１２３０は、共通の道路区間に関連するナビゲーション情報を受信し、他の要因に従ってナビゲーション情報を編成してよい。例えば、サーバ１２３０は、セグメント２７０１－２７１５を受信してよく、ナビゲーションデータ受信モジュール２９０５に対する命令を実行するプロセッサ２０２０は、例えば、セグメント２７１２、２７１３及び２７０９が、通りの第１の側と関連付けられると判定してよい、すなわち、セグメント２７０４、２７０１、２７０２、２７１１及び２７０３が、通りの第２の側などと関連付けられている。別の例では、ナビゲーション情報は、近くの（例えば、予め定められた距離内にある）ランドマーク、道路縁部又は他の道路特性に基づいて編成され得る。例えば、道路セグメント２７０１－２７１５は、近くの停止標識マーカ２７１６、停止線マーカ２７１８、家２６０２、オフィスビル２６０４又は任意の他の道路特性に基づいて編成され得る。いくつかの実施形態において、第１の道路セグメント情報のセットは、第１の自律走行車両の道路ナビゲーションモデルに含めるために、第１の時間に編成されてよく、第２の道路セグメント情報のセットは、第２のナビゲーションモデルに含めるために、又は、第１のナビゲーションモデルを更新するために、第２の時間において編成され得る。例えば、道路セグメント２７０４、２７０１及び２７１１は、道路の第１の側に関連するように第１の時間に編成されてよく、道路セグメント２７０５、２７０２及び２７０３は、道路の同じ側に関連するように第２の時間に編成され得る。例は限定するものではなく、ナビゲーションデータが本開示と矛盾しない任意の手法で編成され得ることが理解される。
いくつかの実施形態において、ナビゲーションデータ受信モジュール２９０５は、少なくとも１つのプロセッサにより実行されるときに、受信したナビゲーションデータを格納する命令を含み得る。例えば、プロセッサ２０２０は、メモリデバイス、データベース、又は、メモリ２０１５又はストレージデバイス２０１０などの他のメモリにナビゲーションデータを格納してよい。ナビゲーションデータが編成される実施形態では、上述したように、データは、編成される前、編成された後、又は、それらの組み合わせにおいて格納され得る。
ナビゲーションモデル生成モジュール２９１０は、１又は複数のプロセッサにより実行されるときに、ナビゲーションデータに基づいて、ナビゲーションモデルを生成する命令を格納してよい。命令は、少なくとも１つのプロセッサに、本開示と矛盾しないスパースマップ又は自律走行車両の道路ナビゲーションモデルを作成することと矛盾しない１又は複数の機能を実行させてよい。例えば、ナビゲーションモデル生成モジュール２９１０は、処理１９００、処理３０００又はナビゲーションマップを生成するための任意の他の処理のすべて又は一部を実行するための命令を含み得る。ナビゲーションモデル生成モジュール２９１０は、少なくとも１つのプロセッサに実行されるときに、生成されたナビゲーションモデルを１又は複数の車両に伝送させる命令を格納してよい。例えば、命令は、プロセッサ２０２０に、生成されたナビゲーションモデルを１又は複数の自律走行車両に分配させてよい。
メモリ２９００に含まれるモジュールのいずれか（例えば、ナビゲーションデータ受信モジュール２９０５、又は、ナビゲーションモデル生成モジュール２９１０）は、訓練されたシステム又は訓練されていないシステムと関連付けられる技術を実装してよい。例えば、モジュールは、ニューラルネットワーク又はディープニューラルネットワークを実装してよい。
図３０は、自律走行車両のナビゲーションで用いる車両のナビゲーション情報を処理するための例示的な処理３０００を示すフローチャートである。処理３０００は、サーバ１２３０に含まれる少なくとも１つのプロセッサにより実行され得る。さらに、処理３００は、メモリ２９００に格納されている命令を実行することにより、少なくとも１つのプロセッサにより実行され得る。
処理３０００は、複数の車両からナビゲーション情報を受信するための段階３０１０を含んでよい。サーバ１２３０は、本開示と矛盾しない１又は複数の車両から伝送されたナビゲーション情報を受信してよい。例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５はそれぞれ、ナビゲーションシステム２３００を含んでよく、ナビゲーションシステム２３００は、（例えば、処理２５００を実施することにより）ナビゲーション情報を収集し、処理し、及び、伝送してよく、サーバ１２３０は、ナビゲーション情報を受信してよい。サーバ１２３０は、ナビゲーション情報を受信するように構成される１又は複数のデバイス、例えば、特に、情報を受信するように構成される受信器、又は、情報を受信するように構成されるプロセッサを含んでよい。例えば、プロセッサ２０２０は、ナビゲーションデータ受信モジュール２９０５に対して、ナビゲーション情報を受信するように命令を実行してよい。いくつかの実施形態において、サーバ１２３０は、サーバ１２３０から、サーバ１２３０と通信する１又は複数の車両に伝送される要求に応答して、ナビゲーション情報を受信してよい。例えば、プロセッサ２０２０は、通信ユニット２００５、及び、車両１２０５及び１２１０を通じて要求を伝送することにより、車両１２０５及び１２１０からの情報を要求してよく、当該要求に応答してデータを伝送してよい。
いくつかの実施形態において、複数の車両からのナビゲーション情報は、共通の道路区間と関連付けられ得る。例えば、車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信されるナビゲーション情報は、道路区間２６０１と関連付けられる。いくつかの実施形態において、複数の車両からのナビゲーション情報は、異なる道路区間と関連付けられ得る。これらの実施形態において、サーバ１２３０内のプロセッサ２０２０は、情報のそれぞれが関連付けられる道路区間に従ってデータを編成又はソートしてよい。編成又はソートは、上述した、ナビゲーションデータ受信モジュール２９０５に格納された命令に従って実行されてよい。いくつかの実施形態において、サーバ１２３０は、１又は複数の車両から、特定の道路区間と関連付けられるナビゲーションデータを要求してよい。例えば、プロセッサ２０２０は、特定の道路区間に対するナビゲーションモデルが不完全である、誤っている、又は、古いデータを有すると判定してよく、１又は複数の車両から道路区間に関連する情報を要求してよい。サーバ１２３０は、（例えば、道路区間を最近走行し、道路区間を走行した可能性がある１又は複数の車両を識別することにより）特定の車両から共通の道路区間のデータを要求してよい、又は、（例えば、サーバ１２３０と通信するあらゆる車両からデータを要求し、共通の道路区間と関連付けられるデータを分離することにより）車両の任意のサブセットから共通の道路区間のデータを要求してよいことが考えられる。
サーバ１２３０により受信されるナビゲーション情報は、１又は複数のホスト車両と関連付けられる１又は複数の動作表現を含んでよい。いくつかの実施形態において、ナビゲーション情報は、１又は複数の車両と関連付けられる複数の動作表現を含んでよい。動作表現は、さらに、共通の道路区間の１又は複数の部分と関連付けられてよい。動作表現は、本明細書で開示される任意の動作表現を含んでよい。例えば、共通の道路区間の第１及び第２部分に関連して、ホスト車両に対する少なくとも１つの動作表現は、ホスト車両に対する判定された軌道を含んでよい。この例では、ホスト車両に対する判定された軌道は、図２７に示される道路セグメント情報と関連付けられる軌跡、例えば、道路セグメント２７０１－２７１５のいずれかと実質的に同じであってよい。本明細書において開示される任意の手段により、少なくとも１つの動作表現が判定され得る。例えば、共通の道路区間の第１及び第２部分に関連する、ホスト車両に対する少なくとも１つの動作表現は、ＧＰＳセンサ、速度センサ又は加速度計のうちの少なくとも１つからの出力に基づいて判定され得る。例えば、車両１２０５から受信したナビゲーション情報は、例えば、ＧＰＳユニット２３１０、速度センサ２３２０及び／又は加速度計２３２５からのデータを用いて処理２５００の一部として判定される動作表現を含んでよい。
サーバ１２３０により受信されるナビゲーション情報は、１又は複数の道路区間と関連付けられる１又は複数の道路特性を含んでよい。いくつかの実施形態において、１台の車両からのナビゲーション情報は、１又は複数の道路区間と関連付けられる複数の道路特性を含み得る。いくつかの実施形態において、ナビゲーション情報は、１又は複数の道路区間と関連付けられる単一の道路特性を含んでよい。道路特性は、本明細書で開示される道路特性を含んでよく、道路区間の１又は複数の部分と関連付けられてよい。例えば、少なくとも１つの道路特性は、共通の道路区間の第１及び第２部分に関連してよく、検出された車線スプリット、車線合流、破線の車線標示、実線の車線標示、車線内の路面の色、車線の色、車線方向、車線タイプ、道路縁部の位置、ランドマークの識別子、又は、共通の道路区間に沿う天候条件のインジケータのうちの１又は複数のインジケータを含んでよい。例として、例えば、車両１２０５から受信したナビゲーション情報は、道路区間２６０１の道路縁部２６３２、レール２６３４及び／又は中心線２６３８のインジケータを含んでよい。別の例では、道路特性は、ランドマークのタイプ又はランドマークの位置のうちの少なくとも一方を含み得るランドマークの識別子を含んでよい。ランドマークのタイプは、交通信号、ポール、路面標識、停止標識又は標識のうちの少なくとも１つを含んでよい。例えば、道路セグメント２７１１と関連付けられる道路特性は、停止標識２６１６、オフィスビル２６０４又は任意の他のランドマークの識別子を含んでよい。
段階３０１０の一部として、サーバ１２３０により受信されたナビゲーション情報は、処理２５００に従って判定されるナビゲーションデータを含んでよい。複数の車両のそれぞれからのナビゲーション情報は、共通の道路区間の第１部分に関連する道路セグメント情報を含んでよい。ナビゲーション情報の各部分は、ホスト車両と関連付けられる１又は複数の動作表現（例えば、軌跡、加速度など）及び／又は道路区間と関連付けられる１又は複数の道路特性（例えば、ランドマーク、道路縁部など）を含んでよい。例えば、第１の道路セグメント情報は、ホスト車両に対する判定された少なくとも１つの動作表現、及び、共通の道路区間の第１部分に関連する判定された少なくとも１つの道路特性を含んでよい。例えば、サーバ１２３０は、上述したように、道路セグメント２７０１と関連付けられる軌跡、及び、道路セグメント２７０１が家２６０２の近くに道路区間２６０１の道路縁部２６３２であることを示すインジケーション含み得る道路セグメント情報を車両１２０５から受信し得る。同様に、サーバ１２３０は、上述したよう、道路セグメント２７１１と関連付けられる軌跡、及び、停止標識マーカ２７１６に対する道路セグメント２７１１の位置のインジケーションを含み得る第１の道路セグメント情報を車両１２２０から受信し得る。
複数の車両のそれぞれから受信されるナビゲーション情報は、道路区間の複数のセグメントに関連する情報を含んでよい。例えば、複数の車両のそれぞれからのナビゲーション情報は、共通の道路区間の第２部分に関連する第２の道路セグメント情報を含んでよい。第１の道路セグメント情報のように、複数のセグメント情報のそれぞれは、ホスト車両と関連付けられる１又は複数の動作表現、及び／又は、道路区間と関連付けられる１又は複数の道路特性を含んでよい。いくつかの実施形態において、第２の道路セグメント情報は、ホスト車両に対する判定された少なくとも１つの動作表現、及び、共通の道路区間の第２部分に関連する判定された少なくとも１つの道路特性を含んでよい。例えば、サーバ１２３０は、道路セグメント２７０２と関連付けられた軌跡と、例えば、道路区間２６０１の停止標識２６１６、停止標識マーカ２７１６及び／又は道路縁部２６２２に対する道路セグメント２７０１の位置についてのインジケーションとを含み得る第２の道路セグメント情報を車両１２０５から受信してよい。
上記の例では、第１の道路セグメント情報及び第２の道路セグメント情報を有するナビゲーション情報について議論したが、任意の数の道路セグメント情報がサーバ１２３０により受信されてよいことが理解される。例えば、道路セグメント２７１２、２７１３、２７１４及び２７１５のそれぞれに関する道路セグメント情報を有するナビゲーション情報を、車両２６１４が伝送してよく、サーバ１２３０が受信してよい。別の例では、１又は複数関連する道路セグメントに関連するナビゲーション情報を、車両１２０５、１２１０、１２１５、１２２０及び１２２５のそれぞれが伝送してよく、サーバ１２３０が受信してよい。例えば、サーバ１２３０は、道路区間２６０１に対して判定された道路セグメントごと（例えば、道路セグメント２７０１～２７１５）にナビゲーション情報を受信してよい。
複数の道路セグメント情報を有するナビゲーション情報をサーバ１２３０が受信するいくつかの実施形態において、ナビゲーション情報において表される道路セグメントは、共通の道路区間の異なる部分に関し得る。例えば、車両１２０５から受信される第１の道路セグメント情報（例えば、道路セグメント２７０１）、及び、車両１２０５から受信される第２の道路セグメント情報（例えば、道路セグメント２７０２）は、道路区間２６０１の異なる部分と関連付けられてよい。道路セグメント情報に関連する道路部分は、任意の長さであってよい、同じ長さであってよい、又は、様々な長さであってよい。例えば、共通の道路区間の第１部分、及び、共通の道路区間の第２部分はそれぞれ、少なくとも４ｋｍの長さを有し得る。別の例では、共通の道路区間の第１部分は、４ｋｍ未満の長さを有してよく、道路区間の第２部分は、少なくとも４ｋｍの長さを有してよい。
いくつかの実施形態において、ナビゲーション情報において表される道路セグメントは、道路区間の空間的に離れた部分に関連し得る。例えば、道路区間の第２部分は、道路区間の第１部分とは異なっていてよく、道路区間の第１部分から空間的に離れていてよい。上述したように、第１及び第２の道路部分は、任意の距離分離れていてよい。例えば、共通の道路区間の第１部分は、少なくとも１ｋｍの距離分、共通の道路区間の第２部分から空間的に離れていてよい。
処理３０００は、共通の道路区間と関連付けられるナビゲーション情報を格納するための段階３０２０を含み得る。上述したように、段階３０１０で受信したナビゲーション情報は、共通の道路区間と関連付けられてよい。さらに又は代替的に、サーバ１２３０は、共通の道路区間に対応するグループにナビゲーション情報を編成又はソートするように構成されてよい。例えば、プロセッサ２０２０は、ナビゲーションデータ受信モジュール２９０５に格納されている命令を実行して、受信したナビゲーション情報が対応する共通の道路区間を識別し、対応する共通の道路区間に関連するナビゲーションデータを格納してよい。
ナビゲーション情報は、サーバ１２３０と通信する任意のメモリデバイスに格納され得る。例えば、ナビゲーション情報は、サーバ１２３０内のメモリ、例えば、メモリ２９００、メモリ２０１５、ストレージデバイス２０１０又は別のメモリデバイスに格納され得る。別の例では、サーバ１２３０は、ナビゲーション情報を外部のメモリ、データベース又は他のストレージデバイスに伝送してよい。
処理３０００は、複数の車両からのナビゲーション情報に基づいて、共通の道路区間に関する自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成するための段階３０３０を含んでよい。例えば、プロセッサ２０２０は、ナビゲーションモデル生成モジュール２９１０に格納した命令を実行して、自律走行車両で用いるナビゲーションモデルを生成してよい。上述したように、段階３０３０で生成された自律走行車両のナビゲーションモデルは、ナビゲーションモデル２８００、マップの概要１４２０、ローカルマップ１１４０又はスパースマップ８００と実質的に同様であり得る。
共通の道路セグメントに対する自律走行車両の道路ナビゲーションモデルは、共通の道路セグメントに沿って広がる路面特徴の少なくとも１つのライン表現を含んでよく、各ライン表現は、路面特徴に実質的に対応する共通の道路セグメントに沿う経路を表し得る。例えば、路面特徴は、道路縁部又は車線標示を含み得る。さらに、路面特徴は、複数の車両が共通の道路セグメントを通過するときに取得された複数の画像の画像解析を通じて識別され得る。例えば、サーバ１２３０は、共通の道路セグメント２６０１を走行する車両１２０５、１２１０、１２１５、１２２０及び１２２５から受信したナビゲーション情報に基づいて、共通の道路セグメント２６０１に対する自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成してよい。
いくつかの実施形態において、自律走行車両の道路ナビゲーションモデルは、マップ、画像又は衛星画像上に重ね合わせられるように構成されてよい。例えば、当該モデルは、従来のナビゲーションサービス、例えば、Ｇｏｏｇｌｅ（登録商標） Ｍａｐｓ又はＷａｚｅ（登録商標）などにより提供されるマップ又は画像上に重ね合わせられてよい。例として、マップ上に重ね合わせられる自律走行車両の道路ナビゲーションモデルは、ナビゲーションモデル２８００と実質的に同様に現れてよい。
自律走行車両の道路ナビゲーションモデルは、本開示と矛盾しない任意の手段により生成されてよい。例えば、図１１Ｃ及びローカルマップ１１４０に関して説明したように、サーバ１２３０内のプロセッサ上で少なくともナビゲーション情報から１又は複数のターゲット軌跡を組み立てて、ターゲット軌跡からの１又は複数のローカルマップをさらに組み立ててよい。別の例では、サーバ１２３０内の少なくとも１つのプロセッサは、ナビゲーションモデル生成モジュール２９１０に格納されている命令を実行して、処理１９００の少なくとも一部を実行してよい。いくつかの実施形態において、自律走行車両のナビゲーションモデルは、本明細書で開示されている１又は複数の処理を修正又は結合することにより生成され得る。
処理３０００は、自律走行車両の道路ナビゲーションモデルを１又は複数の車両に分配するための段階３０４０を含み得る。車両は、自律走行車両であってよく、自律走行車両のナビゲーションモデルに含まれる道路区間に沿ってナビゲートするために自律走行車両のナビゲーションモデルを用いてよい。例えば、サーバ１２３０は、共通の道路区間に沿って１又は複数の自律走行車両を自律的にナビゲートする際に用いるために、自律走行車両のナビゲーションモデルを１又は複数の自律走行車両に分配してよい。例えば、サーバ１２３０は、道路区間２６０１に沿って自律的にナビゲートする際の後の使用のためにナビゲーションモデル２８００を車両１２０５、１２１０、１２１５、１２２０及び／又は１２２５又は任意の他の車両に分配してよい。自律走行車両のナビゲーションモデルは、本開示と矛盾しない任意の手段により分配されてよい。例えば、プロセッサ２０２０は、通信ユニット１４０５、又は、サーバ１２３０と通信する別の通信又は伝送デバイスを通じて、ナビゲーションモデル２８００の伝送を実行してよい。
本開示と矛盾することなく、自律走行車両のナビゲーションモデルが分配される１又は複数の自律走行車両は、自律走行車両のナビゲーションモデルの受信に応答して、１又は複数のナビゲーション応答を経験し得る。例えば、車両１２０５は、ナビゲーションモデル２８００を受信してよく、例えば、道路区間２６０１の動作表現及び／又は道路特性に基づいて、一連のナビゲーション応答を実行することにより、ターゲット軌跡２８０２に沿って走行してよい。上述したように、ナビゲーション応答は、車両を動作させることと矛盾しない任意の動作、例えば、加速、ブレーキ、方向転換、合流、停止及び車線切り替えなどであってよい。例えば、各自律走行車両は、ナビゲーションモデル２８００を解釈するように構成される１又は複数のシステムを有してよく、ナビゲーションモデル２８００において示される経路をナビゲートするために、一連のナビゲーション応答を実行してよい。
いくつかの実施形態において、１又は複数の自律走行車両は、自律走行車両のナビゲーションマップ、１又は複数の画像、及び／又は、センサからの１又は複数の出力を用いて、ナビゲーション応答を判定してよい。例えば、１又は複数の自律走行車両は、上述したナビゲーション応答モジュール４０８の１又は複数の命令を実行して、知覚入力（例えば、レーダからの情報）、及び、車両（例えば、車両２００）の他のシステム、例えば、車両２００のスロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０からの入力に基づいて、所望のナビゲーション応答を判定してよい。所望のナビゲーション応答に基づいて、プロセッサ（例えば、処理ユニット１１０）は、車両２００のスロットリングシステム２２０、ブレーキシステム２３０及びステアリングシステム２４０に電子信号を伝送して、例えば、車両２００のステアリングホイールを回転させて、予め定められた角度の回転を実現することにより、所望のナビゲーション応答をトリガしてよい。いくつかの実施形態において、処理ユニット１１０は、車両２００の速度の変更を算出するために、速度及び加速度モジュール４０６の実行への入力として、ナビゲーション応答モジュール４０８の出力（例えば、所望のナビゲーション応答）を用いてよい。
例えば、車両１２０５は、ナビゲーションマップ２８００を受信してよく、カメラ１２２を用いて１又は複数の画像を取り込んでよい。次に、車両１２０５に配置されたプロセッサ２３１５は、ナビゲーションモデル２８００と関連付けられる１又は複数の道路特性と、取り込まれた画像を比較し、比較に基づいてナビゲーション応答を判定してよい。例えば、車両１２０５が、ターゲット軌跡２８０８上を走行しており、取り込まれた画像が停止標識２６１６を示す場合、プロセッサ２３１５は、車両１２０５が停止する必要があり、ターゲット軌跡２８２０又はターゲット軌跡２８１４のいずれかを用いて方向転換する必要があり得ると判定してよい。したがって、プロセッサ２３１５は、車両１２０５に停止線マーカ２７１８で停止し、ターゲット軌跡２８２０を用いて方向転換させてよい。
いくつかの実施形態において、自律走行車両は、道路区間を有する受信した自律走行車両のナビゲーションモデル及び以下のナビゲーションモデル上でターゲット軌跡を揃えることにより、道路区間をナビゲートしてよい。例として、自律走行車両は、図２６Ａの軌跡２６１０と同様の経路内の道路区間２６０１をナビゲートする必要がある場合、自律走行車両は、ナビゲーションモデル２８００を用いて、停止線マーカ２７１８に到達するまでターゲット軌跡２８０８に沿ってナビゲートし、次に、ターゲット軌跡２８１４に従うことにより左折を実行し、ターゲット軌跡２８０４を再開してよい。自律走行車両は、例えば、１又は複数のランドマーク、車線標示又は他の道路特性を用いて、自律走行車両のナビゲーションモデルを道路区間と関連するマップ、図、又は、座標系と揃え得る。例えば、車両１２０５は、道路区間と関連付けられる１又は複数のランドマークを含み得る１又は複数の画像（例えば、画像２６２０又は２６３０と同様の画像）を取り込んでよく、プロセッサ２３１５は、１又は複数のランドマークを有する撮像されたランドマークをナビゲーションモデル２８００と比較して、ターゲット軌跡２８０２－２８２０を道路区間２６０１と揃えてよい。
上記の説明は、例示の目的のために提示されている。正確な形式又は開示される実施形態に対して網羅的ではなく、限定されることはない。開示される実施形態の明細書及び慣例の考慮から、修正及び適応が当業者に明らかとなる。さらに、開示される実施形態の態様は、メモリに格納されているものとして説明されているが、当業者であれば、これらの態様が、二次ストレージデバイスなどの他のタイプのコンピュータ可読媒体、例えば、ハードディスク又はＣＤ－ＲＯＭ、又は、他の形式のＲＡＭ又はＲＯＭ、ＵＳＢメディア、ＤＶＤ、Ｂｌｕ－ｒａｙ（登録商標）、４Ｋ Ｕｌｔｒａ ＨＤ Ｂｌｕ－ｒａｙ又は他の光ドライブメディアに格納されることもできる。
記載される説明及び開示される方法に基づくコンピュータプログラムは、経験のある開発者の技術の範囲内にある。様々なプログラム又はプログラムモジュールは、当業者に知られる技術のいずれかを用いて生成されてよく、既存のソフトウェアに関連して設計されてよい。例えば、プログラムセクション又はプログラムモジュールは、Ｎｅｔ Ｆｒａｍｅｗｏｒｋ、Ｎｅｔ Ｃｏｍｐａｃｔ Ｆｒａｍｅｗｏｒｋ（及び、Ｖｉｓｕａｌ Ｂａｓｉｃ（登録商標）、Ｃなど関連する言語）、Ｊａｖａ（登録商標）、Ｃ＋＋、Ｏｂｊｅｃｔｉｖｅ－Ｃ、ＨＴＭＬ、ＨＴＭＬ／ＡＪＡＸの組み合わせ、ＸＭＬ、又は、Ｊａｖａ（登録商標）アプレットに含まれるＨＴＭＬにおいて、又は、それらによって、設計され得る。
さらに、本明細書において、例示的な実施形態が説明されてきたが、同等の要素、修正、省略、（例えば、様々な実施形態にわたる態様の）組み合わせ、適応及び／又は改変を有する任意及びすべての実施形態の範囲は、本開示に基づいて当業者により理解される。特許請求の範囲における限定は、特許請求の範囲において使用される言語に基づいて広く解釈され、本願の明細書又は本願の手続き中に説明される例に限定されることはない。例は、非限定的なものとして解釈されるべきである。さらに、開示される方法の段階は、段階を並べ替えること、及び／又は、段階を挿入又は削除することを含めて、任意の手法で修正されてよい。したがって、本明細書及び事例は例示するだけのものととらえられるべきであり、真の範囲及び精神が以下の特許請求の範囲及びその均等物の全範囲によって示されることが意図される。

Claims (35)

  1. ホスト車両により通過される道路区間に関連する匿名化される運転情報を収集するためのナビゲーションシステムであって、前記ナビゲーションシステムは、
    回路およびメモリを含む少なくとも１つのプロセッサであって、前記メモリは、前記回路によって実行されたときに、
    前記ホスト車両の動作を示す出力を１又は複数のセンサから受信することと、
    前記１又は複数のセンサからの前記出力に少なくとも部分的に基づいて前記ホスト車両に対する少なくとも１つの動作表現を決定することと、
    前記道路区間に沿う前記ホスト車両の環境を表す少なくとも１つの画像をカメラから受信することと、
    前記少なくとも１つの画像を解析して、前記道路区間と関連付けられる少なくとも１つの道路特性を決定することと、
    道路区間の第１部分の開始点を決定することであって、前記道路区間の前記第１部分の前記開始点は、前記道路区間に沿って前記ホスト車両が走行する経路の開始点とは異なることと、
    前記道路区間の前記第１部分に関連する第１の道路セグメント情報を組み立てることであって、前記第１の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第１部分に関連する前記決定された少なくとも１つの道路特性とを含む、組み立てることと、
    道路区間の第２部分の開始点を決定することであって、前記道路区間の前記第２部分の前記開始点は、前記道路区間の前記第１部分の終点とは異なることと、
    前記道路区間の第２部分に関連する第２の道路セグメント情報を組み立てることであって、前記第２の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第２部分に関連する前記決定された少なくとも１つの道路特性とを含むことと、
    自律走行車両の道路ナビゲーションモデルの組み立てのために、前記ホスト車両に関連して離れて配置されたサーバへの、前記第１の道路セグメント情報及び前記第２の道路セグメント情報の伝送を実行することと、
    を行うようにプログラムされる少なくとも１つのプロセッサを備えるナビゲーションシステム。
  2. 前記道路区間の前記第２部分の始点が、前記道路区間の第３部分によって道路区間の第１部分の終点から空間的に分離されており、
    前記メモリが、前記回路によって実行されたときに前記少なくとも１つのプロセッサに、前記道路区間の前記第３部分に関連する組み立てられた道路セグメント情報の前記サーバへの伝送を控えることを行わせる命令をさらに含む、請求項１に記載のナビゲーションシステム。
  3. 前記道路区間の前記第１部分の開始点は、前記ホスト車両が走行した経路の開始点から、前記ホスト車両が走行した経路の開始点から予め定められる距離分、空間的に離れている、請求項１に記載のナビゲーションシステム。
  4. 前記道路区間の前記第１部分の開始点は、前記ホスト車両が走行した経路の開始点から、前記ホスト車両が走行した経路の開始点に対する時間的な遅れから決定される距離分、空間的に離れている、請求項１に記載のナビゲーションシステム。
  5. 前記道路区間の前記第１部分の終了点は、前記道路区間の前記第２部分の開始点から少なくとも１ｋｍの距離分、空間的に離れている、請求項１に記載のナビゲーションシステム。
  6. 前記ホスト車両に対する前記少なくとも１つの動作表現は、前記ホスト車両に対して決定された軌道を含む、請求項１に記載のナビゲーションシステム。
  7. 前記ホスト車両に対する前記少なくとも１つの動作表現は、予め定められた座標系に関連する前記ホスト車両に対するエゴモーション表現を含む、請求項１に記載のナビゲーションシステム。
  8. 前記ホスト車両に対する前記エゴモーション表現は、６自由度について決定される、請求項７に記載のナビゲーションシステム。
  9. 前記１又は複数のセンサは、ＧＰＳセンサを含む、請求項１に記載のナビゲーションシステム。
  10. 前記１又は複数のセンサは、速度センサ又は加速度計のうちの少なくとも一方を含む、請求項１に記載のナビゲーションシステム。
  11. 前記決定された少なくとも１つの道路特性は、検出された車線スプリット、車線合流、破線の車線標示、実線の車線標示、車線内の路面の色、車線の色、車線方向又は車線タイプのうちの１又は複数を含む車線特性のインジケータを含む、請求項１に記載のナビゲーションシステム。
  12. 前記決定された少なくとも１つの道路特性は、道路縁部の位置のインジケータを含む、請求項１に記載のナビゲーションシステム。
  13. 前記決定された少なくとも１つの道路特性は、ランドマークの識別子を含む、請求項１に記載のナビゲーションシステム。
  14. 前記ランドマークの識別子は、ランドマークのタイプ又はランドマークの位置のうちの少なくとも一方を含む、請求項１３に記載のナビゲーションシステム。
  15. 前記ランドマークのタイプは、交通信号、ポール、路面標識、停止線又は標識のうちの少なくとも１つを含む、請求項１４に記載のナビゲーションシステム。
  16. 前記決定された少なくとも１つの道路特性は、道路区間に沿う天候条件のインジケータを有する一時的な道路特性を含む、請求項１に記載のナビゲーションシステム。
  17. 前記天候条件のインジケータは、雪、雨、霧又は太陽のまぶしさのうちの少なくとも１つと関連付けられる、請求項１６に記載のナビゲーションシステム。
  18. 前記道路区間の前記第１部分及び前記道路区間の前記第２部分はそれぞれ、少なくとも２ｋｍの長さを有する、請求項１に記載のナビゲーションシステム。
  19. 前記道路区間の前記第１部分及び前記道路区間の前記第２部分はそれぞれ、前記少なくとも１つのプロセッサによりランダムに決定された長さを有する、請求項１に記載のナビゲーションシステム。
  20. 前記ランダムに決定された長さは、予め定められた長さの＋／－０．５ｋｍの範囲内にある、請求項１９に記載のナビゲーションシステム。
  21. 前記メモリは、前記回路によって実行されると、前記少なくとも１つのプロセッサに、前記離れて配置されたサーバから、前記自律走行車両の道路ナビゲーションモデルを受信させ、前記自律走行車両の道路ナビゲーションモデルに基づいて、前記ホスト車両による少なくとも１つのナビゲーション操作を行わせる命令を含む、請求項１に記載のナビゲーションシステム。
  22. 前記メモリは、前記回路によって実行されると、前記少なくとも１つのプロセッサに予め定められた遅延の後に前記第１の道路セグメント情報の組み立てを開始させる命令を含む、請求項１に記載のナビゲーションシステム。
  23. 前記メモリは、前記回路によって実行されると、前記少なくとも１つのプロセッサに、道路セグメント情報の最終組み立てについての前記サーバへの伝送を控える命令を含み、前記道路セグメント情報の最終組み立ては、前記ホスト車両による運転の終了を表す、請求項１に記載のナビゲーションシステム。
  24. 前記メモリは、前記回路によって実行されると、前記少なくとも１つのプロセッサに、道路セグメント情報の初期の組み立てについての前記サーバへの伝送を控える命令を含み、前記道路セグメント情報の初期の組み立ては、前記ホスト車両による運転の開始の表現を含む、請求項１に記載のナビゲーションシステム。
  25. ホスト車両により通過される道路区間に関連する匿名化される運転情報を収集する方法であって、
    前記ホスト車両の動作を示す出力を１又は複数のセンサから受信する段階と、
    前記１又は複数のセンサからの前記出力に少なくとも部分的に基づいて前記ホスト車両に対する少なくとも１つの動作表現を決定する段階と、
    前記道路区間に沿う前記ホスト車両の環境を表す少なくとも１つの画像をカメラから受信する段階と、
    前記少なくとも１つの画像を解析して、前記道路区間と関連付けられる少なくとも１つの道路特性を決定する段階と、
    前記道路区間の第１部分の開始点を決定する段階であって、前記道路区間の前記第１部分の前記開始点は、前記道路区間に沿って前記ホスト車両が走行する経路の開始点とは異なる段階と、
    前記道路区間の前記第１部分に関連する第１の道路セグメント情報を組み立てる段階であって、前記第１の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第１部分に関連する前記決定された少なくとも１つの道路特性とを含む、組み立てる段階と、
    前記道路区間の第２部分の開始点を決定する段階であって、前記道路区間の前記第２部分の前記開始点は、前記道路区間の前記第１部分の終点とは異なる段階と、
    前記道路区間の第２部分に関連する第２の道路セグメント情報を組み立てる段階であって、前記第２の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第２部分に関連する前記決定された少なくとも１つの道路特性とを含む段階と、
    自律走行車両の道路ナビゲーションモデルの組み立てのために、前記ホスト車両に関連して離れて配置されたサーバへの、前記第１の道路セグメント情報及び前記第２の道路セグメント情報の伝送を実行する段階と、
    を備える方法。
  26. コンピュータに、ホスト車両により通過される道路区間に関連する匿名化される運転情報を収集する方法を実行させるプログラムであって、
    前記方法は、
    前記ホスト車両の動作を示す出力を１又は複数のセンサから受信する段階と、
    前記１又は複数のセンサからの前記出力に少なくとも部分的に基づいて前記ホスト車両に対する少なくとも１つの動作表現を決定する段階と、
    前記道路区間に沿う前記ホスト車両の環境を表す少なくとも１つの画像をカメラから受信する段階と、
    前記少なくとも１つの画像を解析して、前記道路区間と関連付けられる少なくとも１つの道路特性を決定する段階と、
    前記道路区間の第２部分の開始点を決定する段階であって、前記道路区間の前記第２部分の前記開始点は、前記道路区間の第１部分の終点とは異なる段階と、
    前記道路区間の前記第１部分に関連する第１の道路セグメント情報を組み立てる段階であって、前記第１の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第１部分に関連する前記決定された少なくとも１つの道路特性とを含む、組み立てる段階と、
    道路区間の第２部分の開始点を決定する段階であって、前記道路区間の前記第２部分の前記開始点は、前記道路区間の前記第１部分の終点とは異なる段階と、
    前記道路区間の第２部分に関連する第２の道路セグメント情報を組み立てる段階であって、前記第２の道路セグメント情報は、前記ホスト車両に対して前記決定された少なくとも１つの動作表現と、前記道路区間の前記第２部分に関連する前記決定された少なくとも１つの道路特性とを含む段階と、
    自律走行車両の道路ナビゲーションモデルの組み立てのために、前記ホスト車両に関連して離れて配置されたサーバへの、前記第１の道路セグメント情報及び前記第２の道路セグメント情報の伝送を実行する段階と、
    を備える、プログラム。
  27. 自律走行車両ナビゲーションに使用するための車両ナビゲーション情報を処理するためのサーバベースシステムであって、前記サーバベースシステムは、
    回路およびメモリを含む少なくとも１つのプロセッサであって、前記メモリは、前記回路によって実行されたときに、前記少なくとも１つのプロセッサによって、
    複数の車両からナビゲーション情報を受信する段階であって、前記複数の車両からの前記ナビゲーション情報は、共通の道路区間に関連付けられており、前記ナビゲーション情報は、
    前記共通の道路区間の第１部分に対する第１の道路セグメント情報であって、前記第１の道路セグメント情報は、前記複数の車両のうちの第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の第１の部分に対する決定された少なくとも１つの道路特性とを含む、第１の道路セグメント情報と、
    前記共通の道路区間の第２部分に対する第２の道路セグメント情報であって、前記第２の道路セグメント情報は、前記第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第２部分に対する決定された少なくとも１つの道路特性とを含み、前記道路区間の前記第２部分は、前記道路区間の前記第１部分とは異なり、前記道路区間の少なくとも第３部分によって前記道路区間の前記第１部分から空間的に分離されている、前記第２の道路セグメント情報と、
    前記共通の道路区間の前記第３部分に対する第３の道路セグメント情報であって、前記第３の道路セグメント情報は、前記複数の車両のうちの第２車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第３部分に対する決定された少なくとも１つの道路特性と、を含む、第３の道路セグメント情報と、を含む受信する段階と、
    前記共通の道路区間に関連付けられた前記ナビゲーション情報を記憶する段階と、
    前記複数の車両からの前記ナビゲーション情報に基づいて、前記共通の道路区間の自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成する段階と、
    前記自律走行車両の道路ナビゲーションモデルを１台以上の自律走行車両に配布し、前記共通の道路区間に沿って１又は複数の自律走行車両の自律走行のナビゲートをするのに使用する段階と、を実行する、
    サーバベースシステム。
  28. 前記道路区間の前記第１部分は、開始点からの予め定められた距離に基づいて、前記第１車両が走行する経路の開始点から離れている、請求項２７に記載のサーバベースシステム。
  29. 前記道路区間の前記第１部分は、前記第１車両が走行する経路の開始点から、前記開始点に対する時間的な遅れから決定される距離だけ離れている、請求項２７に記載のサーバベースシステム。
  30. 前記道路区間の前記第１部分は、前記道路区間の前記第２部分から少なくとも１ｋｍの距離だけ空間的に離れている、請求項２７に記載のサーバベースシステム。
  31. 前記道路区間の前記第１部分および前記道路区間の前記第２部分は、それぞれ少なくとも２ｋｍの長さを有する、請求項２７に記載のサーバベースシステム。
  32. 前記道路区間の前記第１部分および前記道路区間の前記第２部分はそれぞれ、前記少なくとも１つのプロセッサによってランダムに決定される長さを有する、請求項２７に記載のサーバベースシステム。
  33. 前記ランダムに決定された長さは、予め定められた長さの＋／－０．５ｋｍの範囲内にある、請求項３２に記載のサーバベースシステム。
  34. 自律走行車両ナビゲーションに使用するための車両ナビゲーション情報の処理方法であって、
    複数の車両からナビゲーション情報を受信する段階であって、前記複数の車両からの前記ナビゲーション情報は、共通の道路区間に関連付けられており、前記ナビゲーション情報は、
    前記共通の道路区間の第１部分に対する第１の道路セグメント情報であって、前記第１の道路セグメント情報は、前記複数の車両のうちの第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の第１の部分に対する決定された少なくとも１つの道路特性とを含む、第１の道路セグメント情報と、
    前記共通の道路区間の第２部分に対する第２の道路セグメント情報であって、前記第２の道路セグメント情報は、前記第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第２部分に対する決定された少なくとも１つの道路特性とを含み、前記道路区間の前記第２部分は、前記道路区間の前記第１部分とは異なり、前記道路区間の少なくとも第３部分によって前記道路区間の前記第１部分から空間的に分離されている、前記第２の道路セグメント情報と、
    前記共通の道路区間の前記第３部分に対する第３の道路セグメント情報であって、前記第３の道路セグメント情報は、前記複数の車両のうちの第２車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第３部分に対する決定された少なくとも１つの道路特性と、を含む、第３の道路セグメント情報と、を含む受信する段階と、
    前記共通の道路区間に関連付けられた前記ナビゲーション情報を記憶する段階と、
    前記複数の車両からの前記ナビゲーション情報に基づいて、前記共通の道路区間の自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成する段階と、
    前記自律走行車両の道路ナビゲーションモデルを１台以上の自律走行車両に配布し、前記共通の道路区間に沿って１又は複数の自律走行車両の自律走行のナビゲートをするのに使用する段階と、
    を備える、方法。
  35. コンピュータに、自律走行車両ナビゲーションに使用するための車両ナビゲーション情報の処理方法を実行させるプログラムであって、
    前記処理方法は、
    複数の車両からナビゲーション情報を受信する段階であって、前記複数の車両からの前記ナビゲーション情報は、共通の道路区間に関連付けられており、前記ナビゲーション情報は、
    前記共通の道路区間の第１部分に対する第１の道路セグメント情報であって、前記第１の道路セグメント情報は、前記複数の車両のうちの第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の第１の部分に対する決定された少なくとも１つの道路特性とを含む、第１の道路セグメント情報と、
    前記共通の道路区間の第２部分に対する第２の道路セグメント情報であって、前記第２の道路セグメント情報は、前記第１車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第２部分に対する決定された少なくとも１つの道路特性とを含み、前記道路区間の前記第２部分は、前記道路区間の前記第１部分とは異なり、前記道路区間の少なくとも第３部分によって前記道路区間の前記第１部分から空間的に分離されている、前記第２の道路セグメント情報と、
    前記共通の道路区間の前記第３部分に対する第３の道路セグメント情報であって、前記第３の道路セグメント情報は、前記複数の車両のうちの第２車両に対する決定された少なくとも１つの動作表現と、前記共通の道路区間の前記第３部分に対する決定された少なくとも１つの道路特性と、を含む、第３の道路セグメント情報と、を含む受信する段階と、
    前記共通の道路区間に関連付けられた前記ナビゲーション情報を記憶する段階と、
    前記複数の車両からの前記ナビゲーション情報に基づいて、前記共通の道路区間の自律走行車両の道路ナビゲーションモデルの少なくとも一部を生成する段階と、
    前記自律走行車両の道路ナビゲーションモデルを１台以上の自律走行車両に配布し、前記共通の道路区間に沿って１又は複数の自律走行車両を自律走行させるのに使用する段階と、
    を備える、プログラム。
JP2023101198A 2018-03-05 2023-06-20 ナビゲーション情報を匿名化するためのシステム及び方法 Pending JP2023134478A (ja)

Applications Claiming Priority (16)

Application Number Priority Date Filing Date Title
US201862638713P 2018-03-05 2018-03-05
US62/638,713 2018-03-05
US201862642823P 2018-03-14 2018-03-14
US62/642,823 2018-03-14
US201862671779P 2018-05-15 2018-05-15
US62/671,779 2018-05-15
US201862771335P 2018-11-26 2018-11-26
US62/771,335 2018-11-26
US201962805646P 2019-02-14 2019-02-14
US201962805632P 2019-02-14 2019-02-14
US62/805,646 2019-02-14
US62/805,632 2019-02-14
US201962813403P 2019-03-04 2019-03-04
US62/813,403 2019-03-04
JP2020537182A JP7302934B2 (ja) 2018-03-05 2019-03-05 ナビゲーション情報を匿名化するためのシステム及び方法
PCT/US2019/020718 WO2019173315A1 (en) 2018-03-05 2019-03-05 Systems and methods for anonymizing navigation information

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2020537182A Division JP7302934B2 (ja) 2018-03-05 2019-03-05 ナビゲーション情報を匿名化するためのシステム及び方法

Publications (1)

Publication Number Publication Date
JP2023134478A true JP2023134478A (ja) 2023-09-27

Family

ID=65818634

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020537182A Active JP7302934B2 (ja) 2018-03-05 2019-03-05 ナビゲーション情報を匿名化するためのシステム及び方法
JP2023101198A Pending JP2023134478A (ja) 2018-03-05 2023-06-20 ナビゲーション情報を匿名化するためのシステム及び方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2020537182A Active JP7302934B2 (ja) 2018-03-05 2019-03-05 ナビゲーション情報を匿名化するためのシステム及び方法

Country Status (8)

Country Link
US (3) US11205012B2 (ja)
EP (2) EP3721172B1 (ja)
JP (2) JP7302934B2 (ja)
KR (1) KR20200130279A (ja)
CN (1) CN111837014A (ja)
AU (3) AU2019231196B2 (ja)
IL (1) IL276754A (ja)
WO (1) WO2019173315A1 (ja)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018119417A1 (en) * 2016-12-22 2018-06-28 Nissan North America, Inc. Autonomous vehicle service system
CN109840448A (zh) * 2017-11-24 2019-06-04 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的信息输出方法和装置
US11417107B2 (en) * 2018-02-19 2022-08-16 Magna Electronics Inc. Stationary vision system at vehicle roadway
US11015940B2 (en) * 2018-07-13 2021-05-25 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for longitudinal position correction of a vehicle using mapped landmarks
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
KR102146451B1 (ko) * 2018-08-17 2020-08-20 에스케이텔레콤 주식회사 좌표계 변환 정보 획득 장치 및 방법
US11604476B1 (en) * 2018-10-05 2023-03-14 Glydways Inc. Road-based vehicle guidance system
US11068724B2 (en) * 2018-10-11 2021-07-20 Baidu Usa Llc Deep learning continuous lane lines detection system for autonomous vehicles
US11126197B2 (en) * 2018-11-19 2021-09-21 Waymo Llc Verification of iterative closest point alignments for autonomous vehicles
US11981337B2 (en) * 2018-12-11 2024-05-14 Israel Fermon Smart road infrastructure for vehicle safety and autonomous driving
US11010617B2 (en) * 2018-12-12 2021-05-18 Here Global B.V. Methods and systems for determining roadwork zone extension based on lane marking data
IL270540A (en) * 2018-12-26 2020-06-30 Yandex Taxi Llc Method and system for training a machine learning algorithm to recognize objects from a distance
EP3818339B1 (en) * 2019-02-04 2024-02-21 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation
US10860878B2 (en) * 2019-02-16 2020-12-08 Wipro Limited Method and system for synthesizing three-dimensional data
CN112041774A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的基于摄像机的横向位置校准
DE102019209226A1 (de) * 2019-06-26 2020-12-31 Volkswagen Aktiengesellschaft Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten
US11340354B2 (en) * 2019-06-26 2022-05-24 Nio Usa, Inc. Methods to improve location/localization accuracy in autonomous machines with GNSS, LIDAR, RADAR, camera, and visual sensors
US20220270358A1 (en) * 2019-09-05 2022-08-25 NetraDyne, Inc. Vehicular sensor system calibration
AU2020347579A1 (en) * 2019-09-12 2022-04-07 Yosef Mintz System and method to optimize citywide traffic flow by privacy preserving scalable predictive citywide traffic load-balancing supporting, and being supported by, optimal zone to zone demand-control planning and predictive parking management
US11458988B2 (en) * 2019-09-13 2022-10-04 Ghost Locomotion Inc. Controlling an automated vehicle using visual anchors
CN113221602B (zh) * 2020-01-21 2023-09-29 百度在线网络技术（北京）有限公司 道路路面状况确定方法、装置、设备和介质
US11250279B2 (en) * 2020-03-31 2022-02-15 Robert Bosch Gmbh Generative adversarial network models for small roadway object detection
CN111959505B (zh) * 2020-06-29 2022-10-11 阿波罗智能技术(北京)有限公司 车辆巡航控制方法、装置、电子设备和存储介质
CN111885138A (zh) * 2020-07-16 2020-11-03 广州小鹏车联网科技有限公司 控制方法、车辆和服务器
US11703337B2 (en) * 2020-07-22 2023-07-18 Here Global B.V. Method, apparatus, and computer program product for anonymizing trajectories
US11605232B2 (en) * 2020-08-27 2023-03-14 Robert Bosch Gmbh System and method for road sign ground truth construction with a knowledge graph and machine learning
CN116802461A (zh) * 2020-08-31 2023-09-22 移动眼视觉科技有限公司 用于基于地图的真实世界建模的系统和方法
DE102020122895B3 (de) * 2020-09-02 2022-01-13 Audi Aktiengesellschaft Bereitstellung von Daten eines Kraftfahrzeugs
US11662215B2 (en) * 2020-11-03 2023-05-30 Here Global B.V. Method, apparatus, and computer program product for anonymizing trajectories
US11164084B1 (en) * 2020-11-11 2021-11-02 DeepCube LTD. Cluster-connected neural network
DE102020007078B3 (de) 2020-11-19 2022-03-24 Daimler Ag Verfahren zum anonymisierten Übertragen von zeit- und ortsreferenzierten Sensordaten eines Fahrzeuges zu einer fahrzeugexternen Rechnereinheit
CN112418092B (zh) * 2020-11-23 2022-09-23 中国第一汽车股份有限公司 一种障碍物感知的融合方法、装置、设备及储存介质
CN112581758A (zh) * 2020-12-07 2021-03-30 北京交通大学 一种检测道路路标的方法和系统
CN112885129B (zh) * 2021-01-21 2021-12-28 腾讯科技（深圳）有限公司 道路限速的确定方法、装置、设备及计算机可读存储介质
CN112966041B (zh) * 2021-02-02 2024-04-26 苍穹数码技术股份有限公司 数据处理方法、装置、设备及存储介质
US11822682B2 (en) * 2021-05-17 2023-11-21 Here Global B.V. Method, apparatus, and computer program product for quantifying the privacy risk of trajectory data
US11805391B2 (en) 2021-06-04 2023-10-31 Here Global B.V. Method, apparatus, and computer program product for anonymizing trajectories
CN113596015A (zh) * 2021-07-27 2021-11-02 同济大学 基于雾计算的群智感知中支持隐私保护的身份认证方法
US20230160713A1 (en) * 2021-11-19 2023-05-25 Here Global B.V. Method, apparatus and computer program product for identifying work zones within a map
WO2023141083A1 (en) * 2022-01-18 2023-07-27 ClearMotion, Inc. Maintaining vehicle anonymity during cloud-supported vehicle localization and control
CN114821530B (zh) * 2022-04-22 2023-06-02 北京裕峻汽车技术研究院有限公司 基于深度学习的车道线检测方法及系统
US20230418977A1 (en) * 2022-06-28 2023-12-28 Here Global B.V. Method, apparatus, and computer program product for estimating the privacy risk of anonymized trajectory data
CN116118783B (zh) * 2023-04-04 2023-08-08 深圳曦华科技有限公司 自动驾驶域控制器实现行车数据优化的方法及装置
CN117455751B (zh) * 2023-12-22 2024-03-26 新华三网络信息安全软件有限公司 路段图像的处理系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010007261A1 (de) * 2010-02-09 2011-08-11 Continental Automotive GmbH, 30165 Verfahren zur Übermittlung von Reiserouten-Informationen
US8478499B2 (en) * 2010-06-07 2013-07-02 Ford Global Technologies, Llc System and method for vehicle speed monitoring using historical speed data
WO2012076040A1 (en) * 2010-12-07 2012-06-14 Tomtom International B.V. Mapping or navigation apparatus and method of operation thereof
CN105229422B (zh) 2013-03-15 2018-04-27 大众汽车有限公司 自动驾驶路线规划应用
CN104596522B (zh) * 2014-05-27 2018-07-06 腾讯科技（深圳）有限公司 一种导航剩余时间获取方法和装置
CA3067160A1 (en) * 2015-02-10 2016-08-18 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US9550495B2 (en) * 2015-03-27 2017-01-24 Intel Corporation Technologies for assisting vehicles with changing road conditions
US9970780B2 (en) * 2015-11-19 2018-05-15 GM Global Technology Operations LLC Method and apparatus for fuel consumption prediction and cost estimation via crowd sensing in vehicle navigation system
US11721205B2 (en) * 2016-06-13 2023-08-08 Here Global B.V. Method, apparatus, and computer program product for processing sensor data

Also Published As

Publication number Publication date
US20220067209A1 (en) 2022-03-03
US11205012B2 (en) 2021-12-21
EP3721172A1 (en) 2020-10-14
EP4253913A2 (en) 2023-10-04
KR20200130279A (ko) 2020-11-18
AU2019231196A1 (en) 2020-07-23
JP2021515286A (ja) 2021-06-17
US11768959B2 (en) 2023-09-26
WO2019173315A1 (en) 2019-09-12
AU2024201126B2 (en) 2024-06-13
CN111837014A (zh) 2020-10-27
AU2019231196B2 (en) 2023-11-23
EP3721172B1 (en) 2023-05-10
AU2024201123A1 (en) 2024-03-14
AU2024201126A1 (en) 2024-03-14
AU2024201123B2 (en) 2024-05-16
US20210209253A1 (en) 2021-07-08
US11972022B2 (en) 2024-04-30
JP7302934B2 (ja) 2023-07-04
IL276754A (en) 2020-10-29
EP4253913A3 (en) 2023-12-13
US20190272389A1 (en) 2019-09-05

Similar Documents

Publication Publication Date Title
JP7302934B2 (ja) ナビゲーション情報を匿名化するためのシステム及び方法
JP7125214B2 (ja) プログラムおよびコンピューティングデバイス
US20210364319A1 (en) Infrastructure mapping and layered output
JP2022535351A (ja) 車両ナビゲーションのためのシステム及び方法
WO2019195404A1 (en) Systems and methods for vehicle navigation
JP2023509468A (ja) 車両ナビゲーション用のシステムおよび方法
US20210381848A1 (en) Bandwidth management for map generation and refinement
CN116539052A (zh) 用于车辆导航的系统、方法和装置
US20220332349A1 (en) Navigation based on partially occluded pedestrians
JP7477256B2 (ja) ナビゲーションのためのマップタイル要求を最適化するためのシステム及び方法
JP2023539868A (ja) マップベースの現実世界モデル化のシステム及び方法
CA3087718A1 (en) Systems and methods for anonymizing navigation information
CN114930123A (zh) 用于检测交通灯的系统和方法
WO2023067385A2 (en) Radar-camera fusion for vehicle navigation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230718

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240430