JP2023544030A - マップ検証方法 - Google Patents

Abstract

少なくとも半自律型ロボット（F）の環境センサによって検出されたものとして少なくとも半自律型ロボット（F）の環境要素を表すものである、少なくとも１つの検出要素（S３、S４、S５）を描写するための少なくとも半自律型ロボット（F）のセンサデータを受信するステップと、所定のマップ上にプロットされたものとして、少なくとも半自律型ロボット（F）の環境要素を表すものである、少なくとも１つのマップ要素（A３、A４、A５）を有するマップを描写するマップデータ（Dk）を受信するステップと、マップ上の少なくとも半自律型ロボット（F）の位置を示す位置特定データ（Dl）を受信するステップと、センサデータ不確実性、マップデータ不確実性、および／または位置特定データ不確実性を含む、データ不確実性を決定するステップと、初期値で少なくとも１つのマップ要素（A３、A４、A５）のための存在確率（P）を初期化するステップと、マップデータ（Dk）、センサデータ（Ds）、位置特定データ（Dl）、およびデータ不確実性を使用して、少なくとも１つのマップ要素（A３、A４、A５）の存在確率（P）を更新するステップと、を備える、マップ検証方法である。
【選択図】図１ａ

Description

本発明は、マップ検証方法に関する。

現在、少なくとも半自律型ロボット、特に部分的に自動化された運転車両は特に今後の挙動を計画するために、高解像度マップ、いわゆるHDマップに大きく依存している。少なくとも半自律型ロボットからのセンサデータのみに依存することは、トラフィック状況の評価において望ましくない誤差をもたらす可能性がある。

しかしながら、マップデータが古い場合、少なくとも半自律型ロボットの今後の挙動も、エラーなしに計画することができない。

したがって、マップデータを検証する方法が望まれている。

本発明の実施形態は、独立請求項に係るマップ検証方法を提供する。本発明の有用な実施形態は、従属請求項、明細書、および添付の図面から明らかになるであろう。

本発明の一態様によれば、マップ検証方法、すなわちカード型信憑性チェック方法は、以下のステップを含む。少なくとも１つの検出された要素を示す少なくとも半自律型ロボットのセンサデータを受信するステップであって、この場合、少なくとも１つの検出された要素は、少なくとも半自律型ロボットの環境センサによって検出されたものとして少なくとも半自律型ロボットの環境要素を表すものであるステップ。少なくとも１つのマップ要素を有するマップを描写するマップデータを受信するステップであって、この場合、少なくとも１つのマップ要素は、所定のマップ上にプロットされたものとして少なくとも半自律型ロボットの環境要素を表すものであるステップ。受信されたセンサデータから位置特定データを決定するステップであって、この場合、位置特定データは、マップ上の少なくとも半自律型ロボットの位置を示すものであるステップ。データ不確実性を決定するステップであって、この場合、データ不確実性は、センサデータ不確実性、マップデータ不確実性、および／または位置特定データ不確実性を含むものであるステップ。少なくとも１つのマップ要素の存在確率を初期値で初期化するステップ。マップデータ、センサデータ、位置特定データ、およびデータ不確実性を使用して、少なくとも１つのマップ要素の存在確率を更新するステップである。

好ましくは、少なくとも半自律型ロボットのセンサデータは、少なくとも半自律型ロボットのセンサによって検出されたオンラインセンサデータを含む。好ましくは、センサデータは、カメラデータ、ライダデータ、レーダデータ、および／またはＧＰＳデータを含む。

本明細書で使用するとき、「マップ要素」という用語は特に、交通標識または信号機等の交通標識、並びに道路標識を含む。

一般に、少なくとも半自律型ロボットは、少なくとも部分的に自動化された運転車両であり得る。あるいは、少なくとも半自律型ロボットは、飛行、泳行、潜水、または歩行によって移動するものなどの別の移動ロボットであってもよい。例えば、移動ロボットは、少なくとも半自律型芝刈機、または少なくとも半自律型掃除ロボット等であってもよい。

好ましくは、存在確率を初期化することは、マップ要素存在確率の初期値を決定することを含み、初期値はセンサデータが存在しない場合にマップ要素に割り当てられた仮の存在確率を示す。

好ましくは、位置特定データはＧＰＳデータを含む。

好ましくは、位置特定データは、受信されたセンサデータおよび受信されたマップデータを使用して決定される。例えば、位置特定データは、特にＧＰＳデータを用いて、マップデータをセンサデータと照合することによって決定される。したがって、位置特定データは、マップ上の少なくとも半自律型ロボットの少なくとも推定位置を示す。

したがって、マップ検証方法はいわゆるマルコフ仮定を使用し、それに従って、実際の状態は前の状態および現在のセンサデータのみに依存するが、状態の完全な履歴には依存しない。このようにして、マップ検証方法の最も簡単な計算負荷を実現することができる。

好ましくは、データ不確実性を決定するステップはセンサデータ、マップデータ、および位置特定データを確率表示で表すステップを含む。

好ましくは、確率表示はベイズ表現を含む。

センサデータの確率表示は、センサ測定値の空間的不確実性、センサ測定値の干渉率、センサによるマップ要素の検出確率、および／または使用される形態に依存する的中度および非的中度を考慮に入れる。

クラッタとも称される摂動は、センサ測定値、すなわち、実物体、つまりマップ要素によって決定されないセンサデータ、例えば、ゴースト測定値を含む。

クラッタレートは時間ステップ当たりのクラッタ測定の数を表し、これは、典型的にはクラッタ測定が独立して行われるときにポアソン分布を使用してモデル化される。

好ましくは、マップ検証方法は、少なくとも半自律型ロボットにおいて、言い換えればオンラインで実行される。マップ検証方法はマップデータおよびセンサデータだけでなく、少なくとも半自律型ロボットの位置特定、すなわち、マップに対するその推定位置も使用する。タスクはマップ要素を確認または除去し、したがって、マップデータとセンサデータとの間の可能な不一致、すなわち、少なくとも半自律型ロボットの環境を検出することである。

マップ検証方法を適切に機能させるための前提条件は、正確な位置特定だけでなく、正確なセンサ較正である。この理由は、マップデータとセンサデータとの間の検出された乖離が不正確なまたは古いマップによってだけでなく、不十分な位置特定および不正確に較正されたまたは不完全なセンサによっても引き起こされ得ることである。

好ましくは、マップ要素の共通の存在確率が異なるセンサから計算される。代替的に、マップ要素の別個の存在確率が、各センサまたは異なるセンサの組合せに対して計算される。

好ましくは、センサデータは、追跡されていないセンサ測定値からのデータを含み、センサ測定値からの誤差は経時的にフィルタリングされる追跡された要素とは異なり、経時的にほとんどまたは全く相関を有さない。時間的に無相関の測定誤差を有する測定は確率的にモデル化するのがはるかに容易であり、このモデルはまた、内部妥当性チェックの一部として行われるチェックがより容易である。測定値が失われることはなく、マップ検証方法は特に、追跡アルゴリズムによってフィルタリングされたものであろう摂動測定値を含む、すべての利用可能な情報にアクセスすることができる。

存在確率を更新することは、要素融合またはオブジェクト融合の概念に該当する。言い換えれば、存在確率は、マップデータとセンサデータとを融合することによって直接観測可能なマップ要素について計算される。これは各センサに対して個別に実行することができるが、一度に全ての利用可能なセンサデータまたはセンサの任意の組合せに基づく同時存在確率も可能である。

また、存在確率に加えて、マップ要素の更新位置を算出することが好ましい。これは、ランダム有限集合アプローチ（略してＲＦＳアプローチ）における（マルチ）ベルヌーイフィルタによって本質的に行われるか、または必要であれば、対数二元ベイジアンフィルタアプローチ（略してロジットアプローチ）を介して追加のカルマンフィルタとして追加することができる。

水平線内のマップ要素の更新された存在確率の計算は、入力データの確率表示を使用して、各時間ステップで可視マップ要素に対して実行される。

このようにして、安全性に関する改善された挙動および軌道計画が提供される。

このようにして、融合されたセンサデータおよびマップデータに基づいて、少なくとも半自律型ロボットの環境の全体的、正確、かつ実際の表現が提供される。

好ましい実施形態によれば、マップ検証方法は、以下のステップを含む。少なくとも１つのマップ要素を環境センサのセンサ空間に投影することである。

マップ水平線の一部であるマップ要素は全ての関連する、例えば、前向きのセンサ、すなわち、それらのセンサ空間に投影される。この投影は通常、達成するのが容易であるが、センサ座標からマップ座標への逆投影は一般に、例えばモノカメラの場合、より複雑であるか、または更には未定義である。マップ水平線は全体的なマップの部分集合であり、少なくとも半自律型ロボットの近傍のマップ要素からなる。このマップ水平線は少なくとも全ての関連するセンサの視野を含むが、典型的にはより大きい。

好ましい実施形態によれば、マップ検証方法は、以下のステップ、すなわち、少なくとも１つの検出された要素に少なくとも１つのマップ要素を割り当てるステップを備える。

割り当てステップではセンサ空間内の要素を示すためのセンサデータ、すなわちセンサ測定値の所定数の最良のグローバルアサインメントが、マーティのランク付けされた割り当てアルゴリズム、および、例えば、ハンガリアン法を基礎として使用して計算される。ランク付けされた割り当ては例えば、ＲＦＳ理論からのマルチオブジェクト測定モデルに基づくことができ、これはセンサ測定の空間的不確実性だけでなく、摂動速度、摂動強度、および検出確率も捕捉する。特に、（マルチ）ベルヌーイフィルタは、関連付けステップにおいて既に計算されているそれぞれの確率に基づいて重み付けされる複数の関連付けを処理することができる。特に、これらの関連付けはまた、感知欠如（マップ要素がいかなる感知にも割り当てられていない）および干渉感知（感知がいかなるマップ要素にも割り当てられていない）の可能性を考慮に入れる。

好ましくは、検出された要素とマップ要素との関連付けはシステム内で、この情報に依存するすべてのモジュール間で一度だけ同期される。そうでなければ、マップ検証方法は、完全に異なる関連付けを行うことができる他の機能モジュールから切り離され、これらの潜在的に不正確な関連付けの正確さをチェックすることなく、それを使用する。マップオブジェクトを描写するための測定値の関連付けは、入力として位置特定を必要とする。関連付けは前の時間ステップからの予測された位置特定推定値に依存し、提供された関連付けは位置特定モジュールの次のステップを更新するために使用される。

好ましい実施形態によれば、マップ検証方法は、以下のステップを備える。少なくとも１つのマップ要素の存在確率を評価する評価ステップであって、評価することは、マップ要素を確認すること、マップ要素、潜在的に新しいマップ要素が誤りであることを証明すること、および可能なステートメントを何ら作成しないことのうちの１つを含むものである、評価ステップ。

センサデータを既存のマップ要素に割り当てることができない場合、潜在的に新しいマップ要素が識別される。このようにして、潜在的に新しいマップ要素を識別することができる。言い換えれば、測定値、すなわち対応するセンサデータを既存のマップ要素に割り当てることができない確率が決定される。その結果、潜在的に新しいマップ要素が報告されるか、または新しいマップ要素が直接初期化される。

好ましい実施形態によれば、存在確率を更新するステップは、ランダム有限集合（ＲＦＳ）アプローチまたはロジットアプローチを含む。

ＲＦＳアプローチは、ランダム有限集合理論を使用して、空間不確実性、摂動速度、摂動強度、および検出確率に基づくセンサモデルを指す。

ロジットアプローチは、二元ベイジアンフィルタの対数実施を使用する的中率および非的中率に基づくセンサモデルを指す。

ＲＦＳアプローチはさらに、（マルチ）ベルヌーイフィルタを適用することによって、存在確率に加えて、マップ要素の更新された位置を提供することができ、ここで、ロジットアプローチは、位置更新も提供するためにカルマンフィルタと組み合わされなければならない。

この情報のすべてを用いて、ＲＦＳまたはロジットアプローチのいずれかを用いて、従来のマップ要素の存在確率を更新することが可能である。存在確率は、収集されたが不確実なセンサデータに基づいて、マップ要素が依然として存在するか否かを特定する。全く不可視のマップ要素は更新されず、したがって、先行時間ステップからのそれらの存在確率を保持する。マップ要素の存在確率、好ましくは位置の更新は、センサ測定値のセットが利用可能である各時間ステップで行われる。ＲＦＳおよびロジットの両方のアプローチはマルコフ仮定に従い、更新されたマップ要素の実際の状態は、マップ要素の状態の完全な履歴ではなく、現在の測定値およびその先行状態のみに依存する。

存在確率の更新は（マルチ）ベルヌーイフィルタおよびＲＦＳベースの測定モデルのいずれかによって行われ、これらのモデルはさらに、副産物としてのセンサデータを用いて、または対数尤度（ロジット）および対応する的中／非的中率を有する二元ベイジアンフィルタを用いて、マップオブジェクト位置を更新する。

マルチベルヌーイフィルタはＲＦＳ理論に基づいており、センサ測定値の空間的不確実性、センサの摂動速度／強度、およびマップ要素の検出確率を考慮に入れている。

二元ベイジアンフィルタは単にロジットまたは対数オッズアプローチとも呼ばれ、特定の確率を有する要素の的中および非的中をモデル化し、マップ要素付近の測定値は的中と見なされ、近傍の測定値は、見える場合、その特定のマップ要素の非的中と見なされない。

ポイント状のオブジェクト、またはセンサ空間に対してまばらに拡張されたオブジェクトの場合、説明されるアプローチは例えば、信号機、交通標識、破線のレーンマーキング、ポール、木幹、ボットのポイントなど、直接適用することができる。ソリッドレーンマーキング、例えば、境界は、それらが長すぎ、したがってセンサの視野を著しく超える場合、より小さいセグメントに分割される必要があり得る。次いで、これらのより小さいセグメントは、提案されたアプローチを使用して、それらの存在についてチェックされることができる。したがって、（連続的である）固定車線境界の各セグメントに存在確率が割り当てられる。

（マルチ）ベルヌーイフィルタに依存するＲＦＳアプローチを使用することの副産物として、測定値がすでに存在する物体の一部ではない確率を計算することができる。この情報は、潜在的に新しいマップ要素の完全な指標である。したがって、任意の既知のマップ要素に属さない高い確率を有する追加の測定値が、新しいマップ要素の推論を可能にするために転送される。これらの測定値を使用して、新しいマップ要素を作成し、マップ検証方法の以下のステップでもそれらを更新することができる。

好ましい実施形態によれば、存在確率は、５０％の初期値で初期化される。

好ましくは、初期値は予め定められている。さらに好ましくは、初期値がマップ要素ごとに動的に決定される。例えば、初期値を決定するために、マップ要素および／またはマップデータの特性に応じて、存在確率の所定の傾向が決定される。例えば、道路標識の種類のマップ要素は、道路標識が通常信号機よりも頻繁に置換されると仮定される場合、信号機の種類のマップ要素よりも低い初期確率で初期化される。

好ましい実施形態によれば、少なくとも１つのマップ要素の存在確率を更新することは、時間間隔で繰り返される。

好ましくは、時間隔は予め決定される。さらに、好ましくは、時間間隔が少なくとも半自律型ロボットの少なくとも１つの環境センサの検出レートに依存する。言い換えれば、少なくとも１つのマップ要素の先行存在確率は、新しいセンサデータが利用可能になるとすぐに更新される。例えば、少なくとも半自律型ロボットの環境センサは、毎秒２５フレームを提供するカメラを備える。その結果、少なくとも１つのマップ要素の従来存在確率は、毎秒２５回更新される。

好ましい実施形態によれば、マップ検証方法は、以下のステップを備える。環境センサの視野およびマップ要素の遮蔽を使用して決定されるものであるマップ要素の可視性を決定するステップ。マップ要素の可視性を使用して検出確率を決定するステップ。

マップ要素の可視性は、センサの視野を確認するだけでなく、それぞれのマップ要素の遮蔽も確認する。

好ましくは、検出確率がセンサの真の陽性率を使用して決定される。

加えて、可視性は、センサ測定値およびマップ要素の不確実性、ならびに誤差伝搬を介した位置特定および較正情報の不確実性を考慮に入れる。次いで、可視性情報を検出確率に統合することができる。検出確率はマップオブジェクトの可視性だけでなく、一般に、センサまたは検出アルゴリズムが対応する測定値を生成する確率も捕捉する。したがって、非可視物体の検出確率はゼロであるが、完全に可視物体の検出確率は一般に１ではない。この理由はセンサが典型的には全ての可視物体を検出することができず、それらのうちの特定の割合のみを検出することができるからである（真の陽性な結果の割合を参照されたい）。

マップ要素の可視性は各センサについて別々に推定され、特に、センサ原点からそれぞれのマップ要素までの視線をチェックすることによって、センサの知覚可能な視野と、マップ要素の前の他のオブジェクトによる任意の遮蔽とをチェックすることによって推定される。これは、例えば、環境の３D表現を提供するステレオカメラシステムのためのスチクセル（Stixel）表現を使用することによって行うことができる。次いで、この表現を使用して、そのようなスチクセルがマップ要素の前に位置するかどうかをチェックすることができ、したがって、それを不明瞭にする。代替案は、地上の全てのマップ要素に特に使用することができるモノカメラからのラベル付きピクセル画像を使用することである。基本的なアイデアは予想されるマップ要素の前のピクセルがオブジェクト、例えば、車、歩行者などとして分類されるかどうかをチェックして、その背後の地面上のマップ要素、例えば、車線マーカーを不明瞭にすることを知ることである。

次いで、マップ要素の検出確率は、その推定された可視性からだけでなく、その特定のマップ要素の種類に対するセンサの真陽性率からも導出される。検出確率は、マップ要素が対応するセンサ読取値を生成する可能性を指定する。これは、ロジット表現における的中率に密接に関連し、ＲＦＳアプローチの測定モデルに直接統合される。検出確率は完全に可視でないマップ要素についてはゼロであり、完全に可視であるオブジェクトについては１以下である。検出確率は完全に可視のマップ要素に対して１つのみであり、真陽性率が１であるセンサ、すなわち、センサは、この場合、いかなる偽陰性測定も提供しない。

真陽性率は環境中に存在するマップ要素の総数に対する検出されたマップ要素の割合を特定し、言い換えれば、真陽性測定値と偽陰性測定値との合計に対する真陽性測定値の比を記述する。

検出確率は、既存のマップ要素が対応する測定値、すなわちセンサデータを生成する確率を含む。これは、マップ要素の可視性および環境センサの真陽性率を含む。

好ましい実施形態によれば、データ不確実性は、マップ要素の可視性を決定するために使用される。

好ましい実施形態によれば、所定の閾値を下回る検出確率を有する少なくとも１つのマップ要素の存在確率は更新されない。

好ましい実施形態によれば、マップ検証方法は、以下のステップを備える。すなわち、存在確率の妥当性を検証するステップである。

マップ妥当性検証法自体の妥当性を検証するため、存在確率を計算するために使用される確率的仮定が、少なくとも半自律型ロボットにおける内部信憑性または妥当性チェックの文脈においてチェックされる。この妥当性チェックは仮定されたパラメータ、例えば、ＲＦＳベースのアプローチにおける空間的不確実性、摂動率、および検出確率、または、予定義された有意水準におけるオンライン推定パラメータからの、ロジットアプローチにおける的中および非的中率の統計的に有意な偏差を報告する。さらに、マップからセンサ空間への誤差伝搬は潜在的に非線形の関数の線形化を必要とし、これはまた、妥当性チェックとして関連領域における強い非線形性についてチェックされる。

存在確率を更新するために使用される確率的およびアルゴリズム的仮定は、内部妥当性または一貫性チェックとしてオンラインで検証される。好ましくは、環境センサの測定モデルが一貫性についてチェックされる。測定モデルの関連パラメータ、例えば、センサ測定の空間的不確実性、センサ摂動速度、およびＲＦＳベースの定式化を使用するときの検出確率は、オンラインで推定される。続いて、妥当性チェックは、最初に存在確率を計算するために行われた仮定がこれらのオンライン推定パラメータの信頼区間内にあることを検証する。この目的のために、統計的仮説検定が好ましくは実施される。好ましくは、パラメータはオンラインで推定される。しかし、それらは、自己実現的な予言を避けるために、相応的に調整されない。したがって、推定されたパラメータは２つの間の確率的偏差を検出し、信憑性チェック自体もはや信憑性がないことをさらなるモジュールに報告するために、仮定されたパラメータに対してチェックされるだけである。これは、信憑性チェック自体の自己評価の一形態である。

好ましい実施形態によれば、少なくとも半自律型ロボットの異なるセンサからのセンサデータを比較して、存在確率の妥当性を検証する。

本発明のさらなる態様によれば、マップ検証システムは、本明細書で指定されるマップ検証方法を実行するように構成される。

本発明のさらなる態様によれば、少なくとも半自律型ロボットを制御するための方法は、以下のステップを備える。少なくとも１つのマップ要素の存在確率を決定するため、本明細書で指定されるマップ検証方法の実行するステップ。センサデータ、マップデータ、位置特定データ、および少なくとも１つのマップ要素の存在確率を使用してロボット軌道を決定するステップ。決定されたロボット軌道に基づいて少なくとも半自律型ロボットを制御するステップ。

このようにして、マップ検証方法は少なくとも半自律型ロボットの環境におけるそれらの存在に依存する前に、センサデータ、特に少なくとも半自律型ロボットのオンラインセンサデータを用いてマップの関連部分を確認することによって、行動および軌道計画がマップデータを安全に使用することを可能にする。マップ検証方法の出力に基づいて、行動計画モジュールはどのマップ要素がセンサデータで確認されるかを知り、どのマップ要素が例えば、遮蔽のために未知であり、どのマップ要素がもはや存在しないかを知る。したがって、マップ検証方法は、融合センサおよびマップデータに基づいて、少なくとも半自律型ロボットの環境の全体像、正確で最も重要な実表現を提供する。

次の実施例では、行動計画を示す。

実施例１
車両は信号機が見当たらない交差点に接近しており、信号機が依然として存在する場合、それは隠れることはないであろう。存在確率は、車両が見当たらない信号機に近づくにつれて、５０％から０％にゆっくりと減少する。行動生成は車両をかなり早く減速させて、存在確率の低下に応答し、最終的に、信号機がマップにおいて安全上重要であるときに安全な停止に達し、古いマップデータに依存しながら交差点に入ることを回避する。

実施例２
車両は、信号機が隠れた交差点に接近しつつある。行動生成は可能であれば、車両を減速させる、および／または信号機を隠す物体の周りを走行させる。この点に関する着想は、信号機の存在についてのより多くの情報を収集することである。信号機を見ることができず、安全上重要である場合、車両は交差点の前に停止する。

実施例３
車両は、信号機を明瞭に見ることができる交差点に接近しつつある。信号機の存在確率は、車両が交差点に近づくにつれて、５０％から１００％にゆっくりと増加する。車両は、信号機およびその状態を知覚することができるので、交差点を安全に横切るために減速する必要がない。

好ましい実施形態によれば、少なくとも半自律型ロボットを制御するための方法は、以下のステップを備える。センサデータ、マップデータ、位置特定データ、および少なくとも１つのマップ要素の存在確率を使用して制御モードを決定するステップ、及び決定された制御モードに基づいて少なくとも半自律型ロボットを制御するステップである。

好ましくは、制御モードは少なくとも半自律型ロボットの所定の挙動特性を含む。例えば、制御モードは、「ノーマルドライブ」モード、「予防安全」モード、および／または「安全停止」モードを含む。制御モードに応じて、少なくとも半自律型ロボットは同じ入力データ、すなわち、センサデータ、マップデータ、および／または位置特定データを与えられて、異なるように制御される。

好ましくは、コンピュータ・プログラムは、コンピュータ・プログラムがコンピュータによって実行されるときに、コンピュータ・プログラムに、本明細書で指定されるマップ検証方法を実行させる命令を含む。

好ましくは、マシン読取可能な記憶媒体が本明細書に記載のコンピュータ・プログラムを記憶する。

有利には、少なくとも１つのマップ要素を含むマップデータがリモートサーバーから受信され、マップ検証方法の結果は有利には、リモートサーバーに送信され、少なくとも１つのマップ要素の更新または少なくとも１つのマップ要素の位置におけるマップリサーベイがトリガされるべきかどうかの決定の基礎として、そこで使用される。マップ検証方法の結果は、特に、少なくとも１つのマップ要素の存在が確認される、又は誤りであることを立証されるか否か、またはその存在について何らのステートメントも作成できないか否かを示す、少なくとも１つのマップ要素の更新された存在確率またはそれから導出された情報である。

本発明を改善するさらなる手段を、図面を参照して本発明の好ましい実施形態の明細書と共に以下により詳細に説明する。

第１の時間ステップにおける第１の実施形態によるマップ検証方法を示す図である。 第２の時間ステップにおける第１の実施形態によるマップ検証方法を示す図である。 第３の時間ステップにおける第１の実施形態によるマップ検証方法を示す図である。 マップ検証方法の概略図である。 第１の時間ステップにおける第２の実施形態によるマップ検証方法を示す図である。 第２の時間ステップにおける第２の実施形態によるマップ検証方法を示す図である。 第３の時間ステップにおける第２の実施形態によるマップ検証方法を示す図である。 マップ検証システムを示す図である。

図１aは、第１の時間ステップにおける第１のトラフィック状況V１を示す。少なくとも半自律型ロボット、この場合は少なくとも部分的に自動化された運転車両は、交差点に向かって進んでいる。高精度（HD）マップのマップデータから、第１の信号機A１と第２の信号機A２の２つのマップ要素を得ることができる。しかし、この場合、第１の信号機A１は、建設工事のために撤去された。この点において、第１の信号機A１に関するマップデータは古くなっている。マップ検証方法によれば、第１の信号機A１および第２の信号機A２について、第１の存在確率P１および第２の存在確率P２が５０％の値で初期化される。この第１の時間ステップでは、車両Fは依然として交差点から比較的遠く離れている。車両Fの環境センサによって提供されるセンサデータは、第１の信号機A１に対しても第２の信号機A２に対しても検出要素を有しない。第１の時間ステップでは、第１の存在確率P１および第２の存在確率P２が更新される信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fの環境センサが第１の信号機A１または第２の信号機A２のいずれかを検出することができない程に、車両Fが交差点から依然としてかなり離れていると判定される。換言すれば、第１の信号機A１および第２の信号機A２は車両Fの環境センサの視野内にない。したがって、センサデータに基づいて、第１の存在確率P１および第２の存在確率P２については、それ以上のステートメントを作成できないと判定される。この点で、第１の存在確率P１は５０％のままであり、第２の存在確率P２は５０％のままである。少なくとも部分的に自動化された運転車両の制御のために、交差点までの車両Fの十分な距離に基づいて、ノーマル速度での運転を継続することが決定される。この場合の車両の制御モードは、「ノーマルドライブ」である。

図１bは、第２の時間ステップにおける第１のトラフィック状況V１を示す。少なくとも部分的に自動化された車両Fは、第１の時間ステップよりも交差点に近い。第２の時間ステップでは、第１の存在確率P１および第２の存在確率P２が更新される、信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fの環境センサが第１の信号機A１および第２の信号機A２の両方を検出することができるべき交差点に車両Fがすでに十分に近接していると判定される。換言すれば、第１の信号機A１および第２の信号機A２は車両Fの環境センサの視界範囲内にある。これにより、センサデータに基づいて、第１の存在確率P１および第２の存在確率P２についてのステートメントを作成できると判定される。第１の信号機A１は規定されたように、もはや存在しないので、車両Fの環境センサはまた、マップデータから予期される位置におけるいかなる要素も検出しない。対照的に、第２の信号機A２はまだマップデータから予想される位置にある。この点において、第１の存在確率P１は５０％から３５％に低減され、第２の存在確率P２は５０％から７０％に増大される。少なくとも部分的に自動化された運転車両の制御のために、第１の存在確率P１および第２の存在確率P２に基づいて、車両Fをわずかに減速させることが決定され、その結果、特に第１の信号機A１についてさらなるステートメントを作成できるように、環境を測定するためのより多くの時間が存在する。車両Fの制御モードは、「ノーマルドライブ」から「予防安全」に変更される。

この場合、信憑性チェックでは、センサデータとマップデータとの間の第１の信号機A１の差異が検出された。第１の信号機A１が車両Fの環境センサによっても検出された場合、第１の存在確率P１は５０％から７０％に増加され、車両Fの制御モードは「ノーマルドライブ」で変化しないままであった。

図１cは、第３の時間ステップにおける第１のトラフィック状況V１を示す。少なくとも部分的に自動化された車両Fは、第２の時間ステップよりも交差点に近い。第３の時間ステップでは、第１の存在確率P１および第２の存在確率P２が更新される、信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fの環境センサが第１の信号機A１および第２の信号機A２の両方を検出することができるべき交差点に車両Fが依然として十分に近いと判定される。換言すれば、第１の信号機A１および第２の信号機A２は車両Fの環境センサの視界範囲内にある。したがって、センサデータに基づいて、第１の存在確率P１および第２の存在確率P２についてのステートメントを作成できると判定される。規定されたように、第１の信号機A１は、もはや存在しないので、車両Fの環境センサは、マップデータから予想される位置に要素を検出し続けない。対照的に、第２の信号機A２はまだマップデータから予想される位置にある。この点において、第１の存在確率P１は３５％から５％に低減され、第２の存在確率P２は７０％から９９％に増大される。第１の存在確率P１および第２の存在確率P２に基づいて、第１の信号機A１が存在しないことによって起こり得る危機的状況が生じた可能性が高いので、少なくとも部分的に自動化された車両の制御が、交差点の前に車両Fを安全停止させるように決定される。ここで、車両Fの制御モードは、「予防安全」から「安全停止」に変更される。この状況では、車両Fの遠隔操作が監視センタから要求され、それによって、車両Fのトラフィック状況が手動で解決される。さらに、マップデータの更新または交差点の更新された測定が開始される。

図２は、以下のステップを含むマップ検証方法を示す。第１のステップS１０において、少なくとも１つの検出された要素を示す車両のセンサデータが受信され、少なくとも１つの検出された要素は車両の環境センサによって検出された車両の環境要素を表す。第２のステップS２０において、少なくとも１つのマップ要素を有するマップを示すマップデータが受信され、少なくとも１つのマップ要素は所定のマップ上にプロットされた車両の環境要素を表す。第３のステップS３０において、位置特定データが受信されたセンサデータから決定され、位置特定データは、マップ上の車両の位置を示す。第４のステップS４０において、データ不確実性が決定され、データ不確実性は、センサデータ不確実性、マップデータ不確実性、および／または位置特定データ不確実性を含む。第５のステップS５０において、少なくとも１つのマップ要素の存在確率が初期化される。第６のステップS６０において、少なくとも１つのマップ要素の存在確率が、マップデータ、センサデータ、位置特定データ、およびデータ不確実性を使用して更新される。

図３aは、第１の時間ステップにおける第２のトラフィック状況V２を示す。

少なくとも部分的に自動化された運転車両Fは、交差点の近くに配置される。高精度（HD）マップのマップデータから、３つのマップ要素、すなわち、第３の信号機A３、第４の信号機A４、および第５の信号機A５が見られる。この場合、第３の信号機A３、第４の信号機A４および第５の信号機A５は、実際には依然として存在している。この点において、マップデータは現実のものである。

しかしながら、第３の信号機A３に割り当てることができる第３の検出要素S３と、第４の信号機A４に割り当てることができる第４の検出要素S４とが、センサデータから生じる。

マップ検証方法によれば、第３の信号機A３、第４の信号機A４および第５の信号機A５について、第３の存在確率P３、第４の存在確率P４および第５の存在確率P５が５０％の値で初期化される。第１の時間ステップでは、第３の存在確率P３、第４の存在確率P４、および第５の存在確率P５が更新される、信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fの環境センサが第３の信号機A３、第４の信号機A４、および第５の信号機A５を検出することができるべき交差点に車両Fが十分に近いと判定される。しかしながら、車両Fからのセンサデータはまた、車両Fの環境センサと第５の信号機A５との間の見通し線内にある車両Fの近傍にトラックL、LKWが存在することを明らかにする。換言すれば、第３の信号機A３および第４の信号機A４は車両Fの環境センサの視野内にあり、第５の信号機A５は車両Fの環境センサの視野内にない。したがって、第５の存在確率P５についてはそれ以上のステートメントを作成できないと判断されるが、第３の存在確率P３および第４の存在確率P４についてはステートメントを作成できる。この点に関して、第１の時間ステップでは、第５の存在確率P５は５０％のままであり、第３の存在確率P３および第４の存在確率P４は５０％から７７．１％に増加される。

図３bは、第２の時間ステップにおける第２のトラフィック状況V２を示す。

さらに、センサデータから、第３の信号機A３に割り当てることができる第３の検出要素S３と、第４の信号機A４に割り当てることができる第４の検出要素S４とのみが存在する。

第２の時間ステップでは、第３の存在確率P３、第４の存在確率P４、および第５の存在確率P５が更新される、信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fが車両Fの環境センサが第３の信号機A３、第４の信号機A４、および第５の信号機A５を検出することができるべき交差点にまだ十分に近いと判定される。しかしながら、車両Fのセンサデータは、車両Fの環境センサと第５の信号機A５との間の視野内にある車両Fの近傍にトラックL、LKWがあることを明らかにし続ける。換言すれば、第３の信号機A３および第４の信号機A４は車両Fの環境センサの視野内にあり、第５の信号機A５は車両Fの環境センサの視野内にない。したがって、第５の存在確率P５についてはそれ以上のステートメントを作成できないと判断されるが、第３の存在確率P３および第４の存在確率P４についてはステートメントを作成できる。この点に関して、第２の時間ステップでは、第５の存在確率P５は５０％のままであり、第３の存在確率P３および第４の存在確率P４はそれぞれ７７．１％から９９．５％に増加される。

図３cは、第３の時間ステップにおける第２のトラフィック状況V２を示す。

ここで、センサデータは、第３の信号機A３に割り当てることができる第３の検出要素S３と、第４の信号機A４に割り当てることができる第４の検出要素S４と、第５の信号機A５に割り当てることができる第５の検出要素S５とをもたらす。

第３の時間ステップでは、第３の存在確率P３、第４の存在確率P４、および第５の存在確率P５が更新される、信憑性チェックが実行される。信憑性チェックでは、車両Fの内部統計および位置特定データに基づいて、車両Fが車両Fの環境センサが第３の信号機A３、第４の信号機A４、および第５の信号機A５を検出することができる程交差点に依然として十分に近いと判定される。また、車両Fのセンサデータは、車両Fの近傍にあるトラックLが車両Fの環境センサと第５の信号機A５との間の視野内にもはや存在しないことも明らかにしている。すなわち、第３の信号機A３、第４の信号機A４および第５の信号機は車両Fの環境センサの視界範囲内にある。これにより、第５の存在確率P５、第３の存在確率P３および第４の存在確率P４についてのステートメントを作成できると判定される。この点に関して、第３の時間ステップでは、第５の存在確率P５が５０％から６９．５％に増加し、第３の存在確率P３および第４の存在確率P４が９９．５％から１００％に増加される。

図４は、オブジェクトマッピングユニット１１およびオブジェクト融合ユニット１２を備えるマップ検証システム１０を示す。マップ検証システム１０は、センサシステム２０、位置特定システム３０、およびマップシステム４０への入力として結合される。さらに、マップ検証システム１０は、出力として行動計画システム５０に結合される。

センサシステム２０は、センサデータDsを提供する。マップシステム４０は、マップデータDkを提供する。位置特定システム３０は、センサデータDsおよびマップデータDkから位置特定データDlを決定する。センサデータDs、マップデータDk、および位置特定データDlは、マップ検証システム１０、特にオブジェクトマッピングユニット１１に提供される。

オブジェクトマッピングユニット１１はセンサタイプに特有であり、各センサについて１回初期化される。オブジェクトマッピングユニット１１はマップ要素をそれぞれのセンサ空間上に、例えば、カメラ座標系に投影するように構成され、例えば、これらのマップ要素への視線を潜在的にブロックするスチクセルに基づいて、センサ空間内のマップ要素の可視性を推定するように構成される。オブジェクトマッピングユニット１１は例えば、マーティのアルゴリズムを使用して、センサデータの確率的定式化およびランク付けされた割り当てアルゴリズムを使用して、k個の最良の関連付けを計算するようにさらに構成される。オブジェクトの割り当ては実際のマップの信憑性チェックからアウトソーシングされる。これはマップに固有のものではなく、その結果は位置特定などの他のモジュールで使用できるためである。したがって、オブジェクトマッピングユニット１１はマップ要素をセンサ空間内に、または言い換えればセンサ座標系内に投影し、マップ要素の可視性を特に推定し、センサデータ、すなわちセンサ測定値を割り当ててセンサ空間内のマップ要素を描写するように構成される。

オブジェクト融合ユニット１２はマップ要素の存在確率を更新し、任意選択で、マップ要素の位置も更新するように構成される。さらに、オブジェクト融合ユニット１２はセンサデータ、すなわち、任意の既存のマップ要素に割り当てられていないセンサ測定値を識別し、したがって、潜在的に新しいマップ要素を識別するように構成される。オブジェクト融合ユニット１２は、アルゴリズム的／確率的仮定の正確さをチェックする、すなわち存在確率の有効性をチェックするように構成される。

その結果、マップ検証システム１０はマップ要素に、存在確率P、未割り当て測定値Mu、および妥当性チェック結果Vを、行動計画システム５０に提供する。その結果、行動計画システム５０は、提供されたデータに基づいて、少なくとも部分的に自動化された運転車両の行動を制御する。

Claims (15)

1. マップ検証方法であって、
   少なくとも半自律型ロボット（F）の環境センサによって検出されたものとして少なくとも半自律型ロボット（F）の環境要素を表すものである、少なくとも１つの検出要素（S３、S４、S５）を描写するための少なくとも半自律型ロボット（F）のセンサデータを受信するステップ（S１０）と、
   所定のマップ上にプロットされたものとして、少なくとも半自律型ロボット（F）の環境要素を表すものである、少なくとも１つのマップ要素（A３、A４、A５）を有するマップを描写するマップデータ（Dk）を受信するステップ（S２０）と、
   マップ上の少なくとも半自律型ロボット（F）の位置を示す位置特定データ（Dl）を受信するステップ（S３０）と、
   データ不確実性は、センサデータ不確実性、マップデータ不確実性、および／または位置特定データ不確実性を含む、データ不確実性を決定するステップ（S４０）と、
   初期値で少なくとも１つのマップ要素（A３、A４、A５）のための存在確率（P）を初期化するステップ（S５０）と、
   マップデータ（Dk）、センサデータ（Ds）、位置特定データ（Dl）、およびデータ不確実性を使用して、少なくとも１つのマップ要素（A３、A４、A５）の存在確率（P）を更新するステップ（S６０）と、
   を備える、マップ検証方法。
2. 請求項１に記載のマップ検証方法において、少なくとも１つのマップ要素（A３、A４、A５）を環境センサのセンサ空間に投影するステップを備える、マップ検証方法。
3. 請求項１又は２に記載のマップ検証方法において、少なくとも１つのマップ要素（A３、A４、A５）を少なくとも１つの検出要素（S３、S４、S５）に割り当てるステップを備える、マップ検証方法。
4. 請求項１～３のうちいずれか一項に記載の方法において、前記少なくとも１つのマップ要素（A３、A４、A５）の存在確率（P３、P４、P５）を評価するステップを備え、評価することは、マップ要素を確認すること、マップ要素、潜在的に新しいマップ要素が誤りであることを立証すること、および可能なステートメントを何ら作成しないのうちの１つを含むものであるマップ検証方法。
5. 請求項１～４のうちいずれか一項に記載のマップ検証方法において、前記存在確率（P３、P４、P５）を更新するステップは、ランダム有限集合（RFS）アプローチまたはロジットアプローチを含む、マップ検証方法。
6. 請求項１～５のうちいずれか一項に記載のマップ検証方法において、前記存在確率（P３、P４、P５）は、５０％の初期値で初期化される、マップ検証方法。
7. 請求項１～６のうちいずれか一項に記載のマップ検証方法において、前記少なくとも１つのマップ要素（A３、A４、A５）の前記存在確率（P３、P４、P５）を更新するステップは、時間間隔で繰り返される、マップ検証方法。
8. 請求項１～７のうちいずれか一項に記載のマップ検証方法において、前記環境センサの視野およびマップ要素（A３、A４、A５）の遮蔽を使用して決定されるものである、マップ要素（A３、A４、A５）の可視性を決定するステップと、
   マップ要素（A３，A４，A５）の可視性を用いて、検出確率を決定するステップと、
   を備える、マップ検証方法。
9. 請求項１～８のうちいずれか一項に記載のマップ検証方法において、前記データ不確実性は、前記マップ要素（A３、A４、A５）の可視性を決定するために使用される、マップ検証方法。
10. 請求項１～９のうちいずれか一項に記載のマップ検証方法において、所定の閾値を下回る検出確率を有する前記少なくとも１つのマップ要素（A３、A４、A５）の存在確率（P３、P４、P５）は更新されない、マップ検証方法。
11. 請求項１～１０のうちいずれか一項に記載のマップ検証方法において、前記存在確率（P３、P４、P５）の妥当性を検証するステップを備える、マップ検証方法。
12. 請求項１１に記載のマップ検証方法において、前記少なくとも半自律型ロボット（F）の異なるセンサからのセンサデータ（Ds）が、前記存在確率（P３、P４、P５）の妥当性を検証するために互いに比較される、マップ検証方法。
13. 請求項１～１２のうちいずれか一項に記載の方法を実行するように構成されたマップ検証システム（１０）。
14. 少なくとも半自律型ロボットを制御するための方法であって、
    少なくとも１つのマップ要素の存在確率を決定するための、請求項１～１２のいずれか一項に記載のマップ検証方法を実行するステップと、
    少なくとも１つのマップ要素（A３、A４、A５）のセンサデータ（Ds）、マップデータ（Dk）、位置特定データ（Dl）、および存在確率（P３、P４、P５）の使用によりロボット軌道を決定するステップと、
    決定されたロボット軌道に基づいて少なくとも半自律型ロボットを制御するステップと、
    を備える、方法。
15. 請求項１４に記載の方法において、
    少なくとも１つのマップ要素（A３、A４、A５）のセンサデータ（Ds）、マップデータ（Dk）、位置特定データ（Dl）、および存在確率（P３、P４、P５）の使用により制御モードを決定するステップと、
    決定された制御モードに基づいて少なくとも半自律型ロボットを制御するステップと、
    を備える、方法。
    

Images