KR20200012960A - 차선 정밀 도로 지도의 작성 방법 및 그 장치 - Google Patents
차선 정밀 도로 지도의 작성 방법 및 그 장치 Download PDFInfo
- Publication number
- KR20200012960A KR20200012960A KR1020197038750A KR20197038750A KR20200012960A KR 20200012960 A KR20200012960 A KR 20200012960A KR 1020197038750 A KR1020197038750 A KR 1020197038750A KR 20197038750 A KR20197038750 A KR 20197038750A KR 20200012960 A KR20200012960 A KR 20200012960A
- Authority
- KR
- South Korea
- Prior art keywords
- road
- intersection
- model
- lanes
- precision
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000008859 change Effects 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 26
- 238000000926 separation method Methods 0.000 claims description 26
- 230000036961 partial effect Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 17
- 230000002441 reversible effect Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 230000004075 alteration Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 20
- 238000009826 distribution Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241001463014 Chazara briseis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/02—Tracing profiles of land surfaces
- G01C7/04—Tracing profiles of land surfaces involving a vehicle which moves along the profile to be traced
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
본 발명은 차선 정밀 도로 지도(lane-accurate road map)(22)를 작성하기 위한 방법에 관한 것이다. 상기 방법은 차도 정밀 디지털 도로 지도(14)를 제공하는 단계와, 궤적 데이터 기록(16)을 제공하는 단계와, 차도 정밀 도로 지도(14)를 적어도 하나의 도로 세그먼트(26)로 세그먼트화하여 적어도 하나의 도로(17)를 식별하는 단계를 포함한다. 상기 방법은 추가로, 적어도 하나의 도로 모델(28)에서 도로 세그먼트(26)를 모델링하는 단계를 더 포함하며, 도로 모델(28)은 도로(17)의 차선들(23)을 기술하기 위한 매개변수들(L, W, G, C)을 포함한다. 또한, 상기 방법은 도로 모델(28)의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)을 무작위로 선택함으로써 도로 모델(28)의 매개변수들(L, W, G, C) 중 적어도 일부의 매개변수 값들을 무작위로 변경하는 단계와, 도로 모델(28)에 대한 적어도 하나의 확률값의 결정 하에 도로 모델(28)에 궤적 데이터 기록(16)의 궤적 데이터(27) 중 적어도 일부분을 할당하는 단계도 더 포함한다. 결정된 적어도 하나의 확률값을 기반으로, 도로 모델(28)의 최적의 매개변수 값들이 결정되며, 이를 기반으로 특히 높은 정확도를 특징으로 할 수 있는 차선 정밀 도로 지도(22)가 작성된다.
Description
본 발명은 일반적으로 도로 지도의 작성에 관한 것이다. 특히 본 발명은 차선 정밀 디지털 도로 지도(digital lane-accurate road map)를 작성하기 위한 방법 및 그 데이터 처리 장치에 관한 것이다.
특히 차량의 자동화 및/또는 자율 주행과 관련하여, 과거, 디지털 도로 지도의 작성을 위한 다양한 방법들이 개발되었다.
지능형 교통 시스템(Intelligent Transportation Systems)에 대한 제16차 국제 IEEE 연례 회의의 회의록(ITSC 2013년), 201호에 실린 Uruwaragoda(우루바라고다) 등의 논문(2013년) "커널 밀도 추정을 이용한 차량 궤적으로부터 차선 수준 도로 데이터 생성(Generating Lane Level Road Data from Vehicle Trajectories Using Kernel Density Estimation)"에는, 예컨대 도로 상에서 차선들의 개수 및 폭을 추정하기 위한 방법이 개시되어 있다. 이를 위해, 차도 정밀 도로 지도(roadway-accurate road map)를 기반으로, 도로의 중앙선은 이산 간격들에서 직각으로 교차된다. 이런 수직선들 각자에 대해 도로 상에서 차량들의 궤적들과의 교점들이 계산되고 각각 커널 밀도 추정이 실행된다. 따라서, 도로를 따라서, 차선 개수 및 차선 폭에 대한 정보들을 포함하고 최종적으로 연산될 수 있는 지지점들(supporting point)이 생성된다.
데이터 마이닝 및 지식 개발(Data Mining and Knowledge Discovery)(2004년 9월호)에 실린 Schroedel(쉬뢰델) 등의 논문, "지도 개선을 위한 GPS 추적 마이닝(Mining GPS Traces for Map Refinement)"에는, 지도의 사전 지식 없이, 알고리즘이 차량들의 궤적들을 우선 세그먼트들로 분할하여 중앙선을 식별함으로써, 차선 개수 및 차선 폭에 대한 정보들이 도출된다. 그리고 차선들에 대해 진술할 수 있도록 하기 위해, 상기 중앙선을 따라 밀도 추정 방법에 의해 차량들의 궤적들까지의 수직 간격들(vertical interval)이 분류된다.
지능형 교통 시스템에 대한 IEEE 거래(transaction)(2010년4월호, 2010년10월호)에 실린 Betaille(베타일레) 등의 논문, "차선 수준 차량 항법을 위한 향상된 지도 작성(Creating Enhanced Maps for Lane-Level Vehicle Navigation)"에서는, 클로소이드(Clothoid)를 통해 기술되는 모델들이 차량들의 측정된 궤적 데이터에 매칭되는 모델 기반 접근법이 추구되고 있다.
본 발명의 실시형태들에 의해, 바람직한 방식으로, 세분화되고 정밀하며 차선 정밀 도로 지도를 작성하기 위한 향상된 방법, 그리고 상응하는 데이터 처리 장치가 제공될 수 있다.
본 발명의 일 양태는 차선 정밀 도로 지도, 특히 차선 정밀 디지털 도로 지도의 작성 및/또는 생성(generation)을 위한 방법에 관한 것이다. 이 경우, 상기 방법은 하기 단계들을 포함한다.
- 적어도 하나의 도로의 도로 코스(road course)를 기술하기 위한 차도 정밀 디지털 도로 지도를 제공하는 단계;
- 적어도 하나의 도로를 따르는 도로 사용자들의 다량의 궤적 데이터를 포함하는 궤적 데이터 기록을 제공하는 단계;
- 적어도 하나의 도로 세그먼트로 차도 정밀 도로 지도를 세그먼트화하고, 분할하고, 그리고/또는 구분하면서 적어도 하나의 도로를 식별하고, 그리고/또는 결정하는 단계;
- 도로 모델이 도로의 차선들의 기하학적 및/또는 위상적 기술(geometric and/or topological description)을 위한 복수의 매개변수를 포함하는 조건에서, 적어도 하나의 도로 모델에서 도로 세그먼트를 모델링하는 단계;
- 매개변수 값들의 변경을 위해 도로 모델의 변경 연산(change operation)을 무작위로 선택(random selection)함으로써 도로 모델의 매개변수들 중 적어도 일부분의 매개변수 값들을 무작위로 가변시키고, 그리고/또는 변동시키는 단계, 특히 수회 무작위로 가변시키고, 그리고/또는 변동시키는 단계;
- 확률값이 도로 모델을 통한 궤적 데이터의 맵핑(mapping), 시뮬레이션 및/또는 모사(imitation)의 품질 및/또는 특질(characteristic)과 상관관계가 있는 조건에서, 도로 모델을 위한 적어도 하나의 확률값을 결정하면서 도로 모델에 궤적 데이터 기록의 궤적 데이터 중 적어도 일부분을 할당하는 단계;
- 결정된 적어도 하나의 확률값을 기반으로, 도로 모델의 매개변수들 중 적어도 일부분의 최적의 매개변수 값들을 결정하는 단계; 및
- 도로 모델의 최적의 매개변수 값들을 기반으로 차선 정밀 도로 지도를 작성하는 단계.
"차도 정밀 디지털 도로 지도"는, 여기서, 그리고 하기에서, 오직 도로 코스(road course) 및/또는 차도와 관련한 정보들만을 포함하지만, 그러나 차도 상의 개별 차선들과 관련한 정보들을 포함하지 않는 도로 지도를 지칭할 수 있다. 예컨대 차도 정밀 도로 지도는 하나 이상의 노드 및 에지를 포함할 수 있으며, 에지는 도로 및/또는 도로 섹션의 표시를 위해 이용될 수 있고, 노드는 교차점의 표시를 위해 이용될 수 있다. 말하자면, 차도 정밀 도로 지도는 노드들과 에지들을 포함하는 그래프를 지칭할 수 있다. 이 경우, 그래프 및/또는 차도 정밀 도로 지도에서 에지들은 화살표들을 통해, 그리고 노드들은 점들을 통해 표현되고, 그리고/또는 표시될 수 있다.
"차선 정밀 도로 지도"란 용어는, 개별 차선들과 관련한 정보들을 포함하는 디지털 도로 지도 및/또는 그래프를 지칭할 수 있다. 차선 정밀 도로 지도는 특히 예컨대 차선 폭, 차선 개수, 반대 주행 방향의 차선들 간의 이격 거리, 및/또는 도로 및/또는 도로 섹션의 곡률과 관련하는 것과 같은 개별 차선들의 기하구조와 관련한 정보들을 포함할 수 있다. 이런 기하학적 정보들은 예컨대 "도로의 차선들의 기하학적 기술(geometric description)을 위한 매개변수들" 중 적어도 일부분에서 고려될 수 있고, 그리고/또는 그 일부분에 포함될 수 있다. 말하자면, "기하학적 기술을 위한 매개변수들"은, 차선들의 개수, 개별 차선들의 폭, 도로 내지 개별 차선들의 곡률, 및/또는 반대 주행 방향의 차선들 간의 이격 거리의 기술을 위한 매개변수들을 포함할 수 있다. 또한, 차선 정밀 도로 지도는 차선들의 위상구조(topology)와 관련한 정보들을 포함할 수 있으며, 위상구조는 개별 차선들 간의 연결 도로, 연결부 및/또는 연결성을 기술할 수 있다. 이런 위상적 정보들은 예컨대 "도로의 차선들의 위상적 기술을 위한 매개변수들" 중 적어도 일부분에서 고려되고, 그리고/또는 그 일부분에 포함될 수 있다. 말하자면, "도로의 차선들의 위상적 기술을 위한 매개변수들"은, 개별 차선들 간의 연결 도로, 연결부, 연결성; 도로 세그먼트 내에서 개별 차선들의 소실(disappear); 및/또는 도로 세그먼트 내에서 추가 차선의 생성;을 기술하기 위한 매개변수들을 포함할 수 있다.
"궤적 데이터"란 용어는, 도로를 따라서, 그리고/또는 교차점에서 예컨대 차량, 자전거 및/또는 보행자와 같은 도로 사용자의 궤적, 이동 프로파일(movement profile), 주행로 및/또는 이동을 기술하는, 예컨대 GPS 좌표들(GPS: 지구 측위 시스템; Global Positioning System) 및/또는 GNSS 데이터(GNSS; 지구 항법 위성 시스템; Global Navigation Satellite System)와 같은 지리적 좌표들(geographic coordinate)을 지칭할 수 있다. 말하자면, "궤적 데이터 기록"이란 용어는 하나 이상의 도로 사용자의 다량의 상기 유형의 궤적 데이터를 지칭할 수 있다.
또한, "적어도 하나의 도로 모델에서 도로 세그먼트를 모델링하는 단계"란 용어는 적어도 하나의 도로 모델에서 도로 세그먼트를 맵핑하고, 시뮬레이션하고, 모방(emulation)하고, 그리고/또는 모사하는 단계를 포함할 수 있다. 이 경우, 도로 모델은 도로 세그먼트의 수학적 및/또는 모델 기반 추상화(abstraction) 및/또는 기술을 지칭할 수 있다.
하기에서는, 본 발명에 따른 방법이 요약된다. 차도 정밀 도로 지도는 예컨대 데이터 처리 장치 내에서 데이터 처리 장치의 데이터 메모리로부터 판독 입력될 수 있다. 이 경우, 차도 정밀 도로 지도는 하나 이상의 도로 및/또는 하나 이상의 교차점의 지리적 기술(geographic description)을 위한 하나 이상의 노드 및/또는 하나 이상의 에지를 포함할 수 있다. 따라서, 차도 정밀 도로 지도를 제공하는 단계는 차도 정밀 도로 지도를 판독 입력하는 단계, 및/또는 적어도 하나의 에지 및/또는 적어도 하나의 노드를 판독 입력하는 단계를 포함할 수 있다. 이런 경우, 차도 정밀 도로 지도는 예컨대 적어도 하나의 노드 및/또는 적어도 하나의 에지에 근거하여 분석될 수 있고 적어도 하나의 도로 세그먼트로 분할되고, 그리고/또는 세그먼트화될 수 있다. 특히 차도 정밀 도로 지도는, 예컨대 노드들 및/또는 에지들을 기반으로 각각 개별 도로 세그먼트들로 분할될 수 있는 복수의 도로를 포함할 수 있다. 달리 말하면, 도로들 및/또는 적어도 하나의 도로는 노드들 및/또는 에지들을 기반으로 식별될 수 있다. 그에 뒤이어, 식별된 도로 세그먼트들 각자는 별도의 도로 모델에서 맵핑되고, 모델링되고, 시뮬레이션되고, 그리고/또는 모사될 수 있다. 그런 후에, 각각 하나의 도로 세그먼트에 할당될 수 있는 도로 모델들 각자에 대해, 각각의 도로 모델의 매개변수들 중 적어도 일부분은 가변되고, 그리고/또는 변동될 수 있다. 특히 각각의 도로 모델의 매개변수들은 수회 반복해서 가변될 수 있으며, 상이한 도로 모델들의 매개변수들은 동시에, 또는 시간 순서로 연속해서 가변될 수 있다. 이 경우, 매개변수 값들은 궤적 데이터와 무관하게 가변될 수 있다. 또한, 궤적 데이터는, 예컨대 궤적 데이터 및/또는 차도 정밀 도로 지도의 지리적 좌표들에 근거하여, 각각의 도로 모델들에 할당될 수 있다. 이 경우, 궤적 데이터 중 어느 것이 도로 세그먼트들 중 하나 내에 배치되는지가 결정될 수 있으며, 그럼으로써 이를 기반으로 개별 도로 모델들에 관련된 궤적 데이터가 결정될 수 있게 된다. 특히 도로 모델에서 모델링하는 단계는, 도로 모델에 궤적 데이터를 할당하는 단계 전에 수행될 수 있다. 그에 뒤이어, 각각의 도로 모델들을 통해 궤적 데이터가 얼마나 잘 모사되고, 그리고/또는 시뮬레이션되는지가 점검될 수 있으며, 도로 모델들 각자에 대한 상기 맵핑의 품질 및/또는 특질에 대한 척도로서 확률값이 결정될 수 있다. 말하자면, 본 발명의 문맥에서 확률은 상응하는 도로 모델을 통한 궤적 데이터의 맵핑, 시뮬레이션 및/또는 모사의 특질 및/또는 품질에 대한 척도를 지칭할 수 있다. 특히 도로 모델들 각자에 대해 복수의 확률값은 각각의 도로 모델의 매개변수들 중 일부분을 서로 독립적으로 수회 가변시킴으로써 결정될 수 있다. 그 다음, 도로 모델들 각자에 대해 결정된 확률값들을 토대로, 동일한 도로 모델의 다른 확률값들에 비해 높은 적어도 하나의 확률값 및/또는 최대 확률값이 선택될 수 있으며, 이런 확률값은 그에 따라 관련된 도로 모델의 최적의 구성, 및/또는 관련된 도로 모델의 최적의 매개변수 값들에 상응할 수 있다. 또한, 최대 확률값의 결정의 범주에서, 이른바 시뮬레이션 어닐링 방법(simulated annealing method)이 이용될 수 있다. 그로 인해, 도로 모델과 궤적 데이터 간의 일치를 악화시키는 변경 연산들이 최적화 과정의 시간의 경과에 따라 상대적으로 더 드물게 수용(acceptance)되게 하고, 그리고/또는 도로 모델의 최적화가 곧바로 도로 모델의 최적의 매개변수 값들에서, 다시 말하면 가장 확률이 높고, 그리고/또는 가장 좋은 도로 모델에서 종료되게 한다. 따라서, 최종적으로, 개별 도로 모델들의 확률값들 및 매개변수 값들은 반복해서 최적화될 수 있다. 개별 도로 모델들의 최적의 매개변수 값들이 선정되고, 그리고/또는 선택될 수 있으며, 그리고 그에 따라 차선 정밀 도로 지도를 표시하고, 그리고/또는 표현할 수 있다. 달리 말하면, 차선 정밀 도로 지도는 적어도 하나의 도로 모델의 최적의 매개변수들을 통해 표현될 수 있다. 따라서, 본 발명에 따른 방법에 따라서, 하나 이상의 도로 세그먼트는 하나 이상의 도로 모델에서 맵핑되고, 그에 뒤이어 하나의 도로 모델 또는 도로 모델들의 최적의 매개변수 값들이 반복해서 결정될 수 있다.
그러므로 본 발명에 따른 방법은 모델 기반 최적화 방법을 지칭할 수 있으며, 이런 모델 기반 최적화 방법을 기반으로 바람직한 방식으로 하나 이상의 도로 사용자의 이동 프로파일들, 궤적 데이터, 및/또는 주행 궤적들을 토대로, 주행한 도로망의 정확한 위상적 및 기하학적 도로 지도가 도출되고, 그리고/또는 결정될 수 있다. 이 경우, 특히 개별 차선들의 개수, 코스, 폭, 이격 거리 및/또는 연결성이 높은 정밀도로 결정될 수 있다. 이는 직선 도로 세그먼트들, 커브 세그먼트들 및/또는 교차로 세그먼트들에 대해 수행될 수 있다.
본 발명은, 특히 하기에서 기술되는 지식들을 기반으로 하는 것으로서 평가될 수 있다. 많은 양산 차량에서 연결성 솔루션들(connectivity solution)의 가용성에 의해, 그리고/또는 스마트폰 애플리케이션들을 통해, 이미 오늘날 차량들 및/또는 도로 사용자들의 무수한 이동 프로파일 및/또는 궤적 데이터가 파악될 수 있다. 따라서, 이는, 간단하고 비용 효과적이면서도 적시에 가용될 수 있는 데이터 소스를 의미할 수 있다. 이와 동시에, 도로망의 광범위하게 정확한 지도 작성(mapping)은 세계적으로 자동 주행의 문맥에서 점점 더 중요해지고 있다. 그러므로 본 발명에 따른 방법은 바람직한 방식으로 예컨대 대규모 차량 군집(vehicle fleet)의 공지된 이동 프로파일들, 궤적 데이터 및/또는 주행 궤적들의 분석을 기반으로 도로망의 정확한 지도 작성을 가능하게 할 수 있다. 예컨대 보통은 전통적인 지도 제조업체들에 의해 실행되는 것과 같은 고도로 특수화된 측정 차량들을 통한 지도 작성에 비해, 본 발명에 따른 방법을 위해 이용되는 궤적들은 비용 효과적이고 간단하면서도 다량으로 제공될 수 있으며, 그럼으로써 도로망의 비용 효과적이고 신속하면서도 광범위하고 정밀한 지도 작성이 실행될 수 있게 된다.
일 실시형태에 따라서, 최적의 매개변수 값들은 몬테카를로 방법(Monte Carlo Method)을 기반으로, 특히 가역적 점프 마코프 체인 몬테카를로 방법(RJMCMC: Reversible Jump Markov Chain Monte Carlo Method)을 기반으로 결정된다. 특히 도로 모델의 매개변수들 중 적어도 일부분의 매개변수 값들의 무작위 가변을 위한 변경 연산의 무작위 선택은 몬테카를로 방법 및/또는 가역적 점프 마코프 체인 몬테카를로 방법을 기반으로 수행될 수 있다. 이 경우, 변경 연산들 중 모두 또는 적어도 일부분은 균등 분포(uniform distribution)된 것으로 상정될 수 있으며, 그리고 난수(random number)를 기반으로 변경 연산들 중 하나는 매개변수 값들 중 적어도 일부분의 무작위 가변을 위해 선택될 수 있으며, 다시 말하면 마치 주사위로 결정될 수 있다. 변경 연산의 무작위 선택 후에, 상기 변경 연산은 실행될 수 있고, 그에 뒤이어, 그를 통해 매개변수 값들에서 야기되는 변경이 수용되거나 거부(rejection)되는지 그 여부가 판단될 수 있다. RJMCMC 방법의 과정에서, 일반적으로 예컨대 궤적 데이터와 같은 입력 데이터는 무작위 실험(random experiment)의 실현으로서 평가될 수 있으며, 입력 데이터의 분포는 기초가 되는 도로망 및/또는 도로 모델을 통해 포괄될 수 있다. 이 경우, RJMCMC 방법의 목표는, 예컨대 실제의 도로망과 같은 공지되지 않은 분포를 도로 모델에 근거하여 재구성하는 것일 수 있다. 이 경우, 도로 모델 및/또는 이 도로 모델의 매개변수 값들은 무작위로, 그리고/또는 궤적 데이터와 무관하게 가변될 수 있다. 그에 뒤이어, 각각의 결정된 확률값에 따라서, 그리고/또는 각각 결정된 확률값의 레벨에 따라서, 관련된 매개변수 값들, 내지 매개변수 값들의 변경은, 예컨대 임계값과의 비교를 기반으로, 그리고/또는 평가 지표(evaluation metric)를 기반으로 거부되거나 수용될 수 있다. 또한, 최적의 매개변수 값들의 결정의 과정에서, 시뮬레이션 어닐링 방법이 사용될 수 있다.
일 실시형태에 따라서, 도로 모델은 도로 세그먼트의 적어도 부분 영역에서 일정한 개수의 차선들을 모델링하기 위한 적어도 하나의 도로 블록을 포함한다. 그 대안으로, 또는 그에 추가로, 도로 모델은, 적어도 하나의 기하학적 매개변수 행렬 및 적어도 하나의 위상적 매개변수 행렬을 기반으로, 도로 세그먼트의 적어도 부분 영역에서 변경되는 개수의 차선들을 모델링하기 위한 적어도 하나의 연결 블록을 포함하며, 기하학적 매개변수 행렬의 값들은 도로 세그먼트 이내에서 차선 개수의 변경을 기술하며, 위상적 매개변수 행렬의 값들은 도로 세그먼트 이내에서 개별 차선들 간의 연결부를 기술한다. 달리 말하면, 도로 모델의 적어도 하나의 도로 블록 및 연결 블록을 통해 각각의 식별된 도로 세그먼트를 모델링할 수 있다. 특히 2개의 연결 블록 사이에 배치된 도로 블록을 통해 각각의 식별된 도로 세그먼트를 모델링할 수 있다. 일정한 차선 개수를 모델링하는 각각의 도로 세그먼트에서 각각 하나의 도로 블록의 이용을 통해, 바람직한 방식으로 계산 비용은 감소될 수 있다. 또한, 도로 세그먼트당 적어도 하나의 연결 블록의 이용을 통해, 도로 모델의 유연성은 증가될 수 있는데, 그 이유는 상호 간에 인접한 2개의 도로 세그먼트의 기하구조 및/또는 위상구조에서 뜻밖의 변경들이 신뢰성 있게, 그리고 포괄적으로 연결 블록에서 모델링되고, 그리고/또는 고려될 수 있기 때문이다. 이 경우, 연결 블록은 차도의 각각의 주행 방향에 대해 각각 하나의 기하학적 매개변수 행렬 및 각각 하나의 위상적 매개변수 행렬을 포함할 수 있다. 달리 말하면, 연결 블록은 상이한 주행 방향의 차선들의 기하구조 및/또는 위상구조의 모델링을 위해 2개의 기하학적 매개변수 행렬 및 2개의 위상적 매개변수 행렬을 포함할 수 있다.
일 실시형태에 따라서, 도로 모델에서 도로 세그먼트를 모델링하는 단계는 하기 부분 단계들을 포함한다.
- 단위 간격으로 도로 세그먼트를 매개변수화함으로써, 도로 세그먼트에서 도로의 각각의 지점이 단위 간격에서의 매개변수화 값을 통해 결정되게 하는 부분 단계;
- 도로 모델의 적어도 하나의 도로 블록 및 적어도 하나의 연결 블록으로 도로 세그먼트를 세그먼트화하고, 그리고/또는 구분하는 부분 단계;
- 연결 블록의 적어도 하나의 기하학적 매개변수 행렬을 기반으로 도로 세그먼트 이내에서 차선의 소실 또는 생성을 모델링하고, 시뮬레이션하고, 그리고/또는 모사하는 부분 단계;
- 연결 블록의 적어도 하나의 위상적 매개변수 행렬을 기반으로 도로 세그먼트 이내에서 개별 차선들의 연결부를 모델링하고, 시뮬레이션하고, 그리고/또는 모사하는 부분 단계; 및
- 도로 모델의 변경 연산의 무작위 선택을 기반으로 기하학적 매개변수 행렬의 값들 및/또는 위상적 매개변수 행렬의 값들을 결정하는 부분 단계.
이 경우, 매개변수화하는 단계는 도로 세그먼트의 길이 및/또는 길이방향 연장부를 결정하는 단계와, 결정된 길이로 정규화하는 단계를 포함할 수 있다. 달리 말하면, 각각의 도로 세그먼트는 1차원으로 매개변수화될 수 있으며, 그럼으로써 바람직한 방식으로 도로 세그먼트의 각각의 지점은 0과 1 사이의 값을 통해, 다시 말하면 단위 간격의 값을 통해 기술될 수 있게 된다.
일 실시형태에 따라서, 차도 정밀 디지털 도로 지도는 적어도 하나의 교차로와, 이 교차로와 연결된 복수의 도로를 포함하며, 본원의 방법은 추가로 하기 단계들을 더 포함한다.
- 적어도 하나의 교차로 세그먼트로 차도 정밀 도로 지도를 세그먼트화하고, 그리고/또는 구분하면서 적어도 하나의 교차로를 식별하는 단계;
- 교차로 모델이 교차로의 차선들의 기하학적 및/또는 위상적 기술을 위한 복수의 매개변수를 포함하는 조건에서, 적어도 하나의 교차로 모델에서 교차로 세그먼트를 모델링하고, 맵핑하고, 시뮬레이션하고, 그리고/또는 모사하는 단계;
- 매개변수 값들의 변경을 위해 교차로 모델의 변경 연산을 무작위로 선택함으로써 교차로 모델의 매개변수들 중 적어도 일부분의 매개변수 값들을 무작위로 가변시키고, 그리고/또는 변동시키는 단계, 특히 수회 무작위로 변경하는 단계;
- 확률값이 교차로 모델을 통한 궤적 데이터의 맵핑의 품질 및/또는 특질과 상관관계가 있는 조건에서, 교차로 모델에 대한 적어도 하나의 확률값을 결정하면서 교차로 모델에 궤적 데이터 기록의 궤적 데이터 중 적어도 일부분을 할당하는 단계;
- 결정된 적어도 하나의 확률값을 기반으로, 교차로 모델의 매개변수들 중 적어도 일부분의 최적의 매개변수 값들을 결정하는 단계; 및
- 교차로 모델의 최적의 매개변수 값들을 기반으로 차선 정밀 도로 지도를 작성하는 단계.
그러므로 본 발명에 따라서, 도로 모델을 통해 차도 정밀 도로 지도의 각각의 도로 세그먼트를 모델링하고 교차로 모델을 통해서는 각각의 교차로 세그먼트를 모델링할 수 있다. 그렇게 하여, 바람직한 방식으로, 교차로들 및 도로들의 개별 특성들이 모델링될 수 있으며, 그리고 계산 비용은 감소될 수 있다. 또한, 이는 작성된 차선 정밀 도로 지도의 정밀도 및/또는 정확도를 증가시킬 수 있다. 이 경우, 차도 정밀 도로 지도 내에서 교차로는 예컨대 2개보다 많은 에지와 연결된 하나의 노드를 식별함으로써 식별될 수 있다.
일 실시형태에 따라서, 교차로 모델은 거리 매개변수(d) 및 각도 매개변수(a)를 기반으로 교차로의 주행 가능한 표면을 모델링하기 위한 외부 교차로 모델을 포함한다. 그 대안으로, 또는 그에 추가로, 교차로 모델에서 교차로 세그먼트를 모델링하는 단계는 하기 부분 단계들을 포함한다.
- 예컨대 차도 정밀 도로 지도에서 2개보다 많은 에지와 연결된 하나의 노드의 결정을 기반으로 차도 정밀 도로 지도에서 교차로 노드를 결정하는 부분 단계;
- 결정된 에지의 개수가 교차로와 연결된 도로들의 개수에 상응할 수 있는 조건에서, 교차로와 연결된 도로들의 개수를 결정하면서 차도 정밀 도로 지도에서 교차로 노드와 연결된 에지들의 개수를 결정하는 부분 단계; 및
- 교차로 분기들 각자가 각각의 교차로 분기를 따라서 교차로의 경계면까지 교차로의 중심의 이격 거리의 지시를 위한 거리 매개변수(d)를 통해 정의되며, 그리고 교차로 분기들 각자는 각각의 교차로 분기와 기준 방향, 예컨대 기준 교차로 분기 사이의 회전 각도의 지시를 위한 각도 매개변수(a)를 통해 정의되는 조건에서, 교차로와 연결된 도로들의 개수에 상응하는 개수의 교차로 분기를 생성하는 부분 단계.
외부 교차로 모델을 통해, 바람직한 방식으로, 교차로 분기들과 이에 연결되는 도로들 사이의 연결 횡단면은, 예컨대 차선들의 개수, 차선들의 폭, 반대 주행 방향의 차선들 사이의 이격 거리, 및/또는 곡률과 관련하여, 정밀하게 모델링되고, 그리고/또는 상호 간에 매칭될 수 있다.
일 실시형태에 따라서, 교차로 모델은, 교차로 모델의 요인 행렬(F)(factor matrix)을 기반으로, 교차로 내로 진입하는 차선들, 교차로로부터 진출하는 차선들, 및 교차로의 주행 가능한 표면에 걸친 차선들의 코스를 모델링하기 위한 내부 교차로 모델을 포함한다. 그 대안으로, 또는 그에 추가로, 교차로 모델에서 교차로 세그먼트를 모델링하는 단계는 하기 부분 단계들을 포함한다.
- 요인 행렬(F)의 값들이 교차로 면에 걸친 차선들의 코스 및 연결부를 기술하는 조건에서, 요인 행렬(F)을 기반으로, 교차로 내로 진입하는 차선들 중 적어도 일부분; 교차로로부터 진출하는 차선들 중 적어도 일부분; 및 교차로의 교차로 면에 걸쳐 진행하는 차선들 중 적어도 일부분의 코스;를 모델링하고, 시뮬레이션하고, 맵핑하고, 그리고/또는 모사하는 부분 단계; 및
- 궤적 데이터 기록의 궤적 데이터 중 적어도 일부분을 기반으로 요인 행렬(F)의 값들을 결정하는 부분 단계.
내부 교차로 모델을 통해, 바람직한 방식으로, 교차로 면에 걸친 개별 차선들의 각각의 가능한 연결은 정밀하게 모델링될 수 있다. 또한, 궤적 데이터를 기반으로 요인 행렬의 값들을 결정함으로써, 교차로에 걸친 차선들의 가능한 연결부들의 개수 및 그에 따른 계산 비용은 감소될 수 있는데, 그 이유는 궤적 데이터가 항상 차선들의 실제 및 현실적인 연결부들을 표현하고, 그리고/또는 표시할 수 있기 때문이다.
일 실시형태에 따라서, 도로 모델 및/또는 교차로 모델은, 차선들의 개수의 기술을 위한 개수 매개변수(L), 개별 차선들의 폭의 기술을 위한 폭 매개변수(W), 도로의 곡률을 기술하기 위한 곡률 매개변수(C), 및 반대 주행 방향의 차선들 간의 이격 거리의 기술을 위한 이격 거리 매개변수(G)를 각각 포함한다. 전술한 매개변수들은 교차로 모델의 내부 교차로 모델 및/또는 외부 교차로 모델의 매개변수들일 수 있다. 또한, 전술한 매개변수들은 도로 모델의 도로 블록 및/또는 연결 블록의 매개변수들일 수 있다. 반대 주행 방향의 차선들 간의 이격 거리는 예컨대 반대 주행 방향의 이웃한 차선들 간의 구조적인 분리를 기술할 수 있다. 도로 모델 및/또는 교차로 모델의 앞서 열거한 매개변수들을 통해, 도로들 및/또는 교차로들이 정밀하게 모델링될 수 있고 이렇게 정밀하고 차선 정밀 도로 지도가 작성될 수 있는 점이 보장될 수 있다.
일 실시형태에 따라서, 도로 모델 및/또는 교차로 모델은, 도로 모델에서, 즉 도로 모델의 도로 블록 및/또는 연결 블록에서, 도로 블록 내로 연결 블록을 삽입하기 위한 삽입 연산(insertion operation); 하나의 도로 블록으로 2개의 도로 블록 및 하나의 연결 블록을 융합하기 위한 융합 연산(fusion operation); 도로의 길이방향 연장부의 매개변수화를 위한 매개변수화 값을 매칭시키기 위한 매칭 연산; 차선을 부가하기 위한 부가 연산; 차선을 제거하기 위한 제거 연산; 반대 주행 방향의 차선들 간의 이격 거리를 매칭시키기 위한 이격 거리 매칭 연산; 차선의 폭을 매칭시키기 위한 폭 매칭 연산; 및 도로의 곡률을 매칭시키기 위한 곡률 매칭 연산;으로 구성되는 목록에서 선택되는 적어도 하나의 변경 연산을 포함한다. 앞서 열거한 변경 연산들에 의해, 바람직한 방식으로, 도로 모델 및/또는 교차로 모델의 매개변수들 중 모든 매개변수 및/또는 적어도 대부분 매개변수의 매개변수 값들이 변경 연산들 중 하나의 무작위 선택을 통해 가변될 수 있다. 또한, 변경 연산들은 실재하는 도로망의 생각해볼 수 있으면서 현실적인 모든 변경을 맵핑할 수 있으며, 이는 다시금 정밀하면서도 현실적이며 차선 정밀 도로 지도를 작성하는 것을 허용할 수 있다.
일 실시형태에 따라서, 본원의 방법은, 추가로, 도로 모델 및/또는 교차로 모델을 통한 궤적 데이터의 맵핑의 품질을 기술하는 평가 지표를 기반으로, 변경 연산의 무작위 선택을 기반으로 무작위로 가변되는 매개변수 값들을 거부하거나 수용하는 단계를 더 포함한다. 이 경우, 평가 지표는 궤적 데이터와 도로 모델 및/또는 교차로 모델 간의 일치의 기술을 위한 제1 항(term)을 포함한다. 또한, 평가 지표는, 도로 기하구조의 적어도 하나의 기결정 특성변수, 특히 차선 폭 및/또는 도로 폭과 관련한 특성변수의 고려를 위한 제2 항을 포함한다. 예컨대 특성변수에 대해, 특성변수의 치수를 기결정할 수 있는, 특성변수의 값들과 관련한 확률적 디폴트(stochastic default)가 제공될 수 있다. 예컨대 차선 폭은 정규 분포에 의해 결정될 수 있으며, 그럼으로써 차선 폭은 약 3.25m 근처에서 구해져야 한다. 그에 따라, 예컨대 6m의 차선 폭이 분석되는 점은 방지될 수 있다. 그러므로 평가 지표를 통해, 바람직한 방식으로 도로 기하구조 및/또는 교차로 기하구조에 대한 각각의 사전 지식이 고려될 수 있다. 예컨대 평가 지표에서, 도로 공사를 위한 공사 표준들(construction standard) 및/또는 공사 규정들(construction regulation)이 고려될 수 있다. 그에 따라, 특히 본 발명에 따른 방법을 통해 현실적이고 차선 정밀 도로 지도들이 작성될 수 있는 점이 보장될 수 있다. 또한, 그렇게 하여 계산 시간도 감소될 수 있다.
본 발명의 또 다른 양태는 차도 정밀 디지털 도로 지도를 기반으로 차선 정밀 도로 지도를 결정하기 위한 데이터 처리 장치에 관한 것이다. 이 경우, 데이터 처리 장치는, 상기 및 하기에서 기술되는 것처럼 방법을 실행하도록 구성된다. 여기서, "구성된다"란 용어는, 데이터 처리 장치가 예컨대 프로그램 요소를 포함하고, 이 프로그램 요소는 예컨대 데이터 처리 장치의 프로세서에서 자신의 실행 동안 데이터 처리 장치로 하여금 본 발명에 따른 방법을 실행하게 한다는 점을 의미할 수 있다. 예컨대 프로그램 요소는 상응하는 소프트웨어 명령어들을 포함할 수 있다.
상기 및 하기에서 본 발명에 따른 방법과 관련하여 기술되는 모든 특징, 단계, 기능 및/또는 특징은 상기 및 하기에서 기술되는 것처럼 데이터 처리 장치의 특징들, 기능들 및/또는 특징들일 수 있으며, 그리고 그 반대의 경우에도 또한 동일하다.
일 실시형태에 따라서, 본원의 데이터 처리 장치는 차도 정밀 디지털 도로 지도의 저장을 위한 데이터 메모리, 및 프로세서를 포함한다. 또한, 데이터 메모리에는, 프로세서에서 자신의 실행 동안 데이터 처리 장치로 하여금 본 발명에 따른 방법을 실행하게 하는 프로그램 요소가 더 저장될 수 있다.
하기에서는, 본 발명의 실시예들이 첨부된 도면들을 참조하여 상세하게 기술된다.
도 1은 본 발명의 일 실시예에 따른 데이터 처리 장치의 도면이다.
도 2는 본 발명의 일 실시예에 따른 차선 정밀 도로 지도의 작성을 위한 방법 단계들의 흐름도이다.
도 3a ~ 3d는 차도 정밀 도로 지도를 작성하기 위한 방법을 나타낸 도면이다.
도 4a ~ 4c는 본 발명의 일 실시예에 따른 차선 정밀 도로 지도를 작성하기 위한 방법 단계들을 각각 나타낸 도면이다.
도 5a ~ 5c는 본 발명의 일 실시예에 따른 도로 모델을 각각 나타낸 도면이다.
도 6a ~ 6d는 본 발명의 일 실시예에 따른 교차로 모델을 각각 나타낸 도면이다.
도 7a ~ 7e는 본 발명의 일 실시예에 따른 변경 연산들을 각각 나타낸 도면이다.
도 8a 및 8b는 본 발명의 일 실시예에 따른 평가 지표의 적용을 각각 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 차선 정밀 도로 지도의 작성을 위한 방법 단계들의 흐름도이다.
도 3a ~ 3d는 차도 정밀 도로 지도를 작성하기 위한 방법을 나타낸 도면이다.
도 4a ~ 4c는 본 발명의 일 실시예에 따른 차선 정밀 도로 지도를 작성하기 위한 방법 단계들을 각각 나타낸 도면이다.
도 5a ~ 5c는 본 발명의 일 실시예에 따른 도로 모델을 각각 나타낸 도면이다.
도 6a ~ 6d는 본 발명의 일 실시예에 따른 교차로 모델을 각각 나타낸 도면이다.
도 7a ~ 7e는 본 발명의 일 실시예에 따른 변경 연산들을 각각 나타낸 도면이다.
도 8a 및 8b는 본 발명의 일 실시예에 따른 평가 지표의 적용을 각각 나타낸 도면이다.
도면들은 개략적일 뿐이고 정확한 축척은 아니다. 도면들에서 동일하거나, 동일하게 작용하거나, 유사한 요소들에는 동일한 도면부호들이 부여되어 있다.
도 1에는 본 발명의 일 실시예에 따른 데이터 처리 장치(10)가 도시되어 있다.
데이터 처리 장치(10)는 데이터 메모리(12)를 포함한다. 데이터 메모리(12) 내에는, 예컨대 도로(17)의 도로 코스(도 4a 참조) 및/또는 교차로(19)(도 4a 참조)의 기술을 위한 적어도 하나의 노드(11)(예컨대 도 3c 및 3d 참조) 및/또는 하나의 에지(13)(예컨대 도 3c 및 3d 참조)를 포함할 수 있는 차도 정밀 도로 지도(14)가 기록되어 있을 수 있다. 특히 차도 정밀 도로 지도(14)는 복수의 도로(17) 및/또는 교차로(19)를 포함한 도로망의 기술을 위한 복수의 노드(11) 및/또는 에지(13)를 포함할 수 있다. 또한, 데이터 메모리(12) 내에는, 도로 사용자들의 복수의 궤적 데이터(27)(도 3b 참조)를 포함할 수 있는 궤적 데이터 기록(16)이 저장되어 있을 수 있다.
그 대안으로, 또는 그에 추가로, 데이터 처리 장치(10)는 인터페이스(15)를 포함할 수 있으며, 이 인터페이스를 통해 차선 정밀 도로 지도(22) 및/또는 궤적 데이터 기록(16)이 데이터 처리 장치(10)로 공급될 수 있다. 인터페이스(15)는 예컨대 무선으로 형성될 수 있으며, 그럼으로써 차도 정밀 도로 지도(14) 및/또는 궤적 데이터 기록(16)은 예컨대 WLAN, 블루투스 서버 등을 통해, 예컨대 적어도 하나의 서버에 의해, 그리고/또는 클라우드 환경을 통해 무선으로 수신될 수 있다.
또한, 데이터 처리 장치(10)는 적어도 하나의 프로세서(18)를 포함한다. 프로세서(18)에서는, 예컨대 데이터 메모리(12) 내에 기록된 프로그램 요소가 실행될 수 있으며, 이 프로그램 요소는 데이터 처리 장치(10) 및/또는 프로세서(18)로 하여금 차선 정밀 도로 지도(22)를 작성하기 위한 본 발명에 따른 방법을 상기 및 하기에서 기술되는 것처럼 실행하게 한다.
선택적으로, 데이터 처리 장치(10)는 예컨대 사용자를 통한 조작 입력의 입력을 위한 조작 요소(20)를 포함할 수 있다. 또한, 조작 요소는 차도 정밀 도로 지도(14), 차선 정밀 도로 지도(22) 및/또는 궤적 데이터 기록(16)의 표시를 위한 표시 요소(21)를 포함할 수 있다.
도 2에는, 본 발명의 일 실시예에 따른 차선 정밀 도로 지도(22)의 작성을 위한 방법의 단계들을 나타낸 흐름도가 도시되어 있다.
제1 단계 S1에서, 차도 정밀 디지털 도로 지도(14)는, 적어도 하나의 도로(17) 및/또는 적어도 하나의 교차로(19)의 도로 코스를 기술하기 위해, 예컨대 데이터 처리 장치(10)의 데이터 메모리(12)를 통해, 그리고/또는 그의 인터페이스(15)를 통해 공급된다. 특히 차도 정밀 도로 지도(14)는 복수의 도로(17) 및 교차로(19)를 포함할 수 있다. 또한, 단계 S1에서, 적어도 하나의 도로(17) 및/또는 적어도 하나의 교차로(19)를 따르는 도로 사용자들의 다량의 궤적 데이터(27)를 포함하는 궤적 데이터 기록(16)도 공급된다. 궤적 데이터 기록(16)도 데이터 처리 장치(10)의 데이터 메모리(12)를 통해, 그리고/또는 그의 인터페이스(15)를 통해 공급될 수 있다.
단계 S2에서, 적어도 하나의 도로(17)는 차도 정밀 도로 지도(14)의 적어도 하나의 도로 세그먼트(26)로의 세그먼트화(도 4c 참조) 하에 식별된다. 이는, 차도 정밀 도로 지도(14)의 노드들(11) 및/또는 에지들(13)을 기반으로 수행될 수 있다. 선택적으로, 단계 S2에서 적어도 하나의 교차로(19)는 차도 정밀 도로 지도(14)의 적어도 하나의 교차로 세그먼트(19a)로의 세그먼트화 하에 식별될 수 있다. 특히 단계 S2에서는, 차도 정밀 도로 지도(14)가 복수의 도로 세그먼트(26) 및 복수의 교차로 세그먼트(19a)로 분할될 수 있다.
그 다음 단계 S3에서, 적어도 하나의 도로 세그먼트(26)가 적어도 하나의 도로 모델(28)(도 5a, 5b 참조)에서 모델링된다. 특히 단계 S2에서는 모든 도로 세그먼트(26)가 각각 하나의 도로 모델(28)에서 모델링될 수 있다. 또한, 단계 S3에서는, 적어도 하나의 교차로(19)가 교차로 모델(34)(도 6a ~ 6c 참조)에서 모델링될 수 있다. 특히 교차로들(19) 각각이 별도의 교차로 모델(34)에서 모델링될 수 있다. 이 경우, 도로 모델들(28) 각각 및/또는 교차로 모델들(34) 각각은 차선들(23)의 기하학적 및/또는 위상적 기술을 위한 복수의 매개변수를 포함한다.
그 다음 단계 S4에서, 도로 모델(28) 및/또는 교차로 모델(34)의 매개변수들 중 적어도 일부분의 매개변수 값들은, 도로 모델(28) 및/또는 교차로 모델(34)의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)(도 7a ~ 7e 참조)의 무작위 선택을 통해 변경된다. 특히, 단계 S4에서는 모든 도로 모델(28) 및 모든 교차로 모델(34)의 매개변수 값들이 반복해서 여러 번 변경될 수 있다.
그 다음 단계 S5에서, 궤적 데이터 기록(16)의 궤적 데이터(27) 중 적어도 일부는, 도로 모델(28)에 대한 적어도 하나의 확률값의 결정 하에 도로 모델(28)에 할당된다. 특히, 단계 S5에서는, 도로 모델들(28) 각각에 대한 각각 적어도 하나의 확률값의 결정 하에, 궤적 데이터(27)가 도로 모델들(28) 각각에 할당될 수 있다. 또한 단계 S5에서는, 적어도 하나의 확률값의 결정 하에, 궤적 데이터(27)가 적어도 하나의 교차로 모델(34)에 할당될 수 있다. 특히, 단계 S5에서는, 궤적 데이터(27)가, 교차로 모델들(34) 각각에 대한 각각 적어도 하나의 확률값의 결정 하에, 교차로 모델들(34) 각각에 할당될 수 있다. 이 경우, 확률값들은 각각의 도로 모델(28) 및/또는 각각의 교차로 모델(34)을 통한 궤적 데이터(27)의 맵핑 품질과 상관된다.
단계 S6에서는, 결정된 적어도 하나의 확률값을 기반으로, 도로 모델(28) 및/또는 교차로 모델(34)의 매개변수들 중 적어도 일부분의 최적의 매개변수 값들이 결정된다. 특히, 도로 모델들(28) 각각에 대해, 그리고/또는 교차로 모델들(34) 각각에 대해 최적의 매개변수 값들이 결정될 수 있다.
단계 S7에서, 차선 정밀 도로 지도(22)는 적어도 하나의 도로 모델(28) 및/또는 적어도 하나의 교차로 모델(34)의 최적의 매개변수 값들을 기반으로 작성된다. 특히, 차선 정밀 도로 지도(22)는 모든 도로 모델(28) 및/또는 모든 교차로 모델(34)의 최적의 매개변수 값들에 의해 제공될 수 있다.
도 3a ~ 3d에는, 차도 정밀 도로 지도(16)의 작성을 위한 방법이 각각 도시되어 있다. 상기 유형으로 작성된 차도 정밀 도로 지도(14)는 차선 정밀 도로 지도(22)의 작성을 위한 토대로서 이용될 수 있다. 그에 상응하게, 도 3a ~ 3d를 참조하여 기술되는 모든 단계는 차선 정밀 도로 지도(22)의 작성을 위한 본 발명에 따른 방법의 부분일 수도 있다.
도 3a에는, 다량의 수집된 궤적 데이터(27) 및/또는 궤적(27)을 포함하는 궤적 데이터 기록(16)이 도시되어 있다. 또한, 도 3a에는, 궤적 데이터(27)를 여러 교통 시나리오 및/또는 세그먼트(24a~c)로 세그먼트화하고 그리고/또는 분류하는 단계가 도시되어 있다. 도 3a에는, 커브를 기술하는 제1 세그먼트(24a), 교차로를 기술하는 제2 세그먼트(24b), 및 도로를 기술하는 제3 세그먼트가 개략적으로 도시되어 있다. 이 경우, 세그먼트들(24a~c)은 하기에 기술되는 것처럼 결정된다.
차량 군집으로부터 수집된 궤적 데이터(27), 예컨대 GNSS 궤적들(27)은 임의의 개수로, 마찬가지로 임의의 크기의 교통 시나리오를 기술할 수 있다. 평가할 데이터의 차원을 더 쉽게 설명하기 위해, 궤적들(27)은 자동화되어 논리에 따라 분할될 수 있다. 이를 위해, 입력 데이터로서 지칭될 수 있는 궤적 데이터(27)는 여러 교통 시나리오(24a~c) 및/또는 여러 세그먼트(24a~c)로 분할될 수 있으며, 세그먼트들(24a~c) 각자는 직선 도로, 커브 또는 교차로를 기술할 수 있다.
한 자동화된 방법에서는, 각각의 궤적(27)이 통과될 수 있으며, 주행 각도 변경 및/또는 속도의 한계값들에 근거하여, 개별 측정점들이 잠재적 커브점들로서 식별될 수 있다. 따라서, 상기 지점들은 커브 또는 교차로 상에 위치하거나, 측정 오류에 의해 발생할 수 있다. 그에 뒤이어, 모든 식별된 지점은 거리 한계값들을 통해 군집화되고, 집계되며, 그리고/또는 통합될 수 있다. 정해진 양의 통합 지점들에서부터, 클러스터가 커브 및/또는 교차로로서 평가된다. 그런 다음, 발견된 커브들 및/또는 교차로들을 기반으로, 삼각측량(triangulation)과 그에 이어 들로네 분할(Delaunay partitioning)이 구성될 수 있다. 상기 분할의 각각의 셀(cell)은 최종적으로 독립적인 교통 상황(24a~c) 및/또는 세그먼트(24a~c)를 기술할 수 있다. 말하자면, 세그먼트들(24a~c)은 분할의 셀들(24a~c)로서 해석될 수도 있다.
다량의 궤적 데이터(27), 예컨대 GNSS 차량 궤적(27)을 기반으로, 노드들(11)과 에지들(13)로 구성되는 그래프에 상응할 수 있는 차도 정밀 도로 지도(14)가 생성될 수 있으며, 노드들(11)과 에지들(13)은 도로 중앙선을 재현할 수 있다. 상기 유형의 차도 정밀 도로 지도(14)의 샘플이 도 3d에 도시되어 있다.
차도 정밀 도로 지도(14)의 작성을 위해, 우선 입력 데이터(16, 27)가 도 3a에서 기술되는 것처럼 세그먼트화될 수 있다. 그에 뒤이어, 각각의 셀(24a~c)에 대해, 각각의 세그먼트(24a~c) 내지 각각의 셀(24a~c)의 교통 시나리오를 기술할 수 있는 그래프가 초기화될 수 있다. 이 경우, 의도되는 목표는, 셀들(24a~c) 내의 모델들이 한계 조건들을 통해 연산되면서 개별적으로 전개되고, 최종적으로 하나의 그래프로 융합될 수 있게 하는 것이다. 차도 정밀 도로 지도(14)를 작성하는 단계는 도 3a에서의 도로 세그먼트(24c)에 대한 도 3b ~ 3d에 예시적으로 도시되어 있다. 이 경우, 도 3b에는, 셀(24c) 내지 세그먼트(24c)와 차량 궤적들(27)이 도시되어 있다. 도 3c에는 초기 도로 지도(14)가 도시되어 있으며, 도 3d에는 최적화된 도로 지도(14)가 도시되어 있다. 도 3c 및 3d의 도로 지도들(14)은 셀 그래프(14)라고도 지칭될 수 있다.
초기화를 위해, 우선 도 3b에 도시된 것처럼, 셀 테두리들(25) 상에서 도로 중심들을 결정하기 위해 모든 셀 테두리(25)는 궤적들(27)과 교차될 수 있다. 상기 중심들은, 도 3c에 도시된 것처럼, 상응하는 셀들(24c)의 그래프들 내에 노드(11)로서 기록될 수 있다. 그에 추가로, 각각의 셀(24c)에서 셀들(24c)의 중점이 노드(11)로서 그래프 내에 삽입될 수 있고, 에지들(13)에 의해 셀 테두리들(25) 상의 노드들(11)과 연결될 수 있다.
궤적 데이터(27) 및 모델들 내지 셀 그래프들의 연산을 위해, 모델들이 데이터를 얼마나 잘 맵핑하는지를 기술하는 평가 지표가 삽입될 수 있다. 이 경우, 한편으로 모델들과 궤적 데이터(27) 간의 거리가, 다른 한편으로는 주행 방향에서의 차이가 고려될 수 있다. 도 3d에 도시된 것처럼, 모델들을 최적화하고 최종적인 차도 정밀 도로 지도(14)를 작성하기 위해, 가역적 점프 마코프 체인 몬테카를로(RJMCMC) 방법이 사용될 수 있다. 이 경우, 궤적 데이터(27)는 무작위 실험의 실현으로서 평가될 수 있고, 상기 무작위 실험의 분포는 기초가 되는 도로망을 통해 시사될 수 있다. 상기 방법의 목표는, 공지되지 않은 분포, 이 경우에는 도로망을 재구성하는 것이다. 이 경우, 모델들은 무작위로, 궤적 데이터(27)와 무관하게 변경되며, 그에 뒤이어 평가 지표를 기반으로 변경의 수용 또는 거부에 대한 판단이 내려질 수 있다. 모델들의 무작위 가변은 전술한 변경 연산들의 무작위 선택을 통해 수행된다. 예컨대 이동 연산, 생성 연산, 제거 연산, 분할 연산 및/또는 융합 연산이 가용하다. 이동 연산의 경우, 셀 그래프(24c)의 노드(11)가 공간적으로 이동된다. 생성 연산은 그래프(24c) 내에 신규 노드(11)의 부가를 기술하며, 제거 연산과 함께 가역적 연산 쌍을 형성한다. 융합 연산의 경우, 노드(11)는 인접한 에지(13) 내로 삽입되며, 그럼으로써 거의 서로 나란히 위치하는 2개의 에지(13)가 한 개씩 통합되게 된다. 분할 연산은 상기 유형의 구성을 다시 해체하고, 그럼으로써 융합 연산의 반대를 의미한다. 가역적 쌍들의 존재는 과정의 정확한 확률적 기술을 위해 바람직할 수 있다. 도 3c 및 3d의 비교에서 알 수 있는 것처럼, 최적화 동안 중앙 노드(11)가 제거되었는데, 그 이유는 상기 중앙 노드는 도로(17)를 기술하는 데 불필요하기 때문이다.
도 4a 내지 4c에는, 본 발명의 일 실시예에 따른 차선 정밀 도로 지도(22)의 작성을 위한 방법의 단계들이 각각 도시되어 있다. 특별히 도 4a에는, 차도 정밀 도로 지도(14)가 도시되어 있다. 도 4b에는, 매개변수화 단계가 도시되어 있고, 도 4c에는, 도로 지도(14)의 도로(17)를 세그먼트화하는 단계가 도시되어 있다. 나아가 도 5a 내지 5c에는, 본 발명의 일 실시예에 따른 도로 모델(28)이 각각 도시되어 있다. 특히 도 5a에는 도로 모델(28)의 연결 블록(30)이 도시되어 있고, 도 5b에는 도로 모델(28)의 도로 블록(32)이 도시되어 있으며, 도 5c에는 도 5a에서의 연결 블록(30)의 기하학적 및 위상적 매개변수 행렬들이 도시되어 있다.
도 4a에는, 노드들(11) 및 에지들(13)을 이용하여 하나의 도로(17) 및 단부들에서는 각각 하나의 교차로(19)를 기술하는 도로가 정확한 그래프(14) 및/또는 차도 정밀 도로 지도(14)가 도시되어 있다. 도로(17)를 차선 정밀 도로 지도(22)로 전환하기 위해, 도로(17)는 우선 1차원으로 매개변수화된다. 따라서, 도 4b에 도시된 것처럼, 도로(17)의 각각의 지점(p)은 단위 간격의 값(
)을 통해 기술될 수 있다.
상기 매개변수화를 기반으로, 도로 세그먼트들(26)은 도 4c에 도시된 것처럼 정의될 수 있다. 달리 말하면, 도로(17)는, 예컨대 노드들(11) 및/또는 에지들(13)을 기반으로 식별될 수 있는 하나 이상의 도로 세그먼트(26)로 분할된다.
도로(17)를 도로 세그먼트들(26)로 세그먼트화함으로써, 도 5a 내지 5c에 도시된 것처럼, 도로 모델(28) 내 차선 평면에서 교통 상황들을 기술할 수 있다. 이 경우, 일정한 개수의 차선들(23) 상에서의 주행과, 차선(23)을 중심으로 하는 도로(17)의 확장 내지 축소가 구분된다.
이 경우, 도 5b에 도시된 것과 같은 전반적인 도로 블록(32)은, 차선들(23)의 개수를 기술하기 위한 개수 매개변수, 개별 차선들(23)의 폭을 기술하기 위한 폭 매개변수(W), 도로(17)의 곡률을 기술하기 위한 곡률 매개변수(C), 및 반대 주행 방향의 이웃한 차선들(23) 사이의 이격 거리를 기술하기 위한 이격 거리 매개변수(G)를 포함할 수 있다. 또한, 도로 블록(28)은 각각의 차선(23)에 대한 도로 표시(road marking)의 유형을 기술하기 위한 유형 매개변수(type parameter)(T)를 포함할 수 있다. 이 경우, 매개변수(G)는 반대 차선들(23) 사이의 구조적 분리의 변수를 기술할 수 있다.
따라서, 전반적인 도로 블록(32)은 하기 변수를 통해 정의될 수 있다.
따라서, 도로(17)는, m개의 도로 세그먼트(26)의 양(
), 및 도 4a 내지 4c에 따라 도로(17) 상에서 길이방향 치수를 기술하는 상기 도로 세그먼트들의 매개변수화 값들(P)로서 정의되는 방식으로 표현될 수 있다.
굽은 도로 세그먼트(26)를 표시하기 위해, 도로 세그먼트(26) 상의 차선들(23)의 모든 연결부는 삼차 헤르미트 다항식(cubic Hermite polynomial)을 통해 기술될 수 있다. 그렇게 하여, 도로 세그먼트(26)는 일정한 곡률을 포함할 뿐만 아니라 임의의 코스를 취할 수 있으며, 현실적인 도로 코스를 생성하기 위해 오직 지속성 및 차별성의 한계 조건들만 유지되면 된다. 한계 조건들은 연결점들 및 이 연결점들 내에서의 구배(gradient) 내지 구배 벡터(gradient vector)의 디폴트를 통해 도입된다. 다항식들의 전개에 영향을 미치기 위해, 구배 벡터들의 절댓값은 도로 모델(28)에서 매개변수(C)로서 접근될 수 있거나 적분된다.
하기에서 
로서도 지칭되는 전반적인 도로 블록(32)은 또 다른 제한 또는 보충을 통해 명시될 수 있다. 도 5b에 도시된 것과 같은 도로 블록(32)은 각각의 도로 세그먼트(26)에서 차선들(23)의 개수(L)가 일정하게 유지된다는 제한을 포함한다. 따라서, 차선 폭(W)과 같은 고유 특성들만이 변경되는 도로 섹션이 맵핑될 수 있다. 도 5b에서는, 차선들(23)은 특성값들(-1, -2, +1, +2)로 식별 표시되어 있으며, 부호는 주행 방향을 지시하고, 각각의 주행 방향의 차선들은 연속하는 자연수들(1, 2)로 넘버링된다.
도 5a에 도시된 것처럼 하기에서 
로서도 지칭되는 연결 블록(30)은, 차선들(23)의 개수(L)가 변경됨에 따라 차선들(23)의 연결 또는 분할이 모델링될 수 있는 교통 상황을 기술한다. 그러므로 연결 블록(30)은 도로 블록(32)에 비해 연결 순열[
]을 통해 보충되며, 이런 연결 순열은 기하학적으로 어느 차선(23)이 소실되거나 생성되는지를 기술할 뿐만 아니라, 위상적으로는 어느 차선들(23)이 연결되어 있는지도 정의한다. 도 5c에 도시된 것처럼, 각각의 주행 방향에 대해, 개별 기하학적 매개변수 행렬(R GR , R GL ) 및 위상적 매개변수 행렬(R TR , R TL )이 명시된다. 그리고 도 5c에 도시된 것처럼, 차선들(23)의 존재하는 정보 내지 연결성은 이진수로 1을 통해 설명되고, 비연결성은 0을 통해 설명된다. 또한, 도 5a 및 5c에는, 차선들(23)이 특성값들(-1, -2, +1, +2)로 식별 표시되어 있으며, 부호는 주행 방향을 지시하고, 각각의 주행 방향의 차선들(23)은 연속하는 자연수들(1, 2)로 넘버링된다. 예컨대 도 5a에 도시된 상황에서, 위상적으로, 좌측에서 차선 -1에서 신규 차선 -2로 전환할 수 있거나, 또는 존재하는 차선에서 잔존할 수 있다. 이런 위상적 정보는 단순한 차선 전환 기동(lane changeover maneuver)과 동일한 의미가 아니며, 이는 도로 표시의 유형을 통해 시사될 수 있다. 그러므로 연결 블록(30)은 하기 식으로서 정의될 수 있다.
또한, 도로 모델(30)에 대한 상기 제한에 추가로, 경우에 따라 도로 블록들(32) 간의 차이를 [예컨대 차선 개수(L)와 관련하여] 보상하기 위해, 2개의 도로 블록(32) 사이에 연결 블록(30)이 위치하는 점이 기설정될 수 있다. 변경이 필요하지 않다면, 연결 블록(30)은 특별한 경우로서 도로 블록(32)을 의미할 수 있다.
도 6a 내지 6d에는, 본 발명의 일 실시형태에 따른 교차로 모델(34)이 각각 도시되어 있다. 상세하게, 도 6a 및 6b에는 교차로 모델(34)의 외부 교차로 모델(36)이 도시되어 있고, 도 6c에는 교차로 모델(34)의 내부 교차로 모델(38)이 도시되어 있으며, 도 6d에는 도 6c에서의 내부 교차로 모델의 요인 행렬(F)이 도시되어 있다.
예컨대 도 4a에 도시된 것처럼, 도로 지도(14)의 지금까지의 표현에서, 교차로(19)는 2개보다 많은 에지(13)와 연결되어 있는 하나의 노드(11)를 통해 표시되었다. 교차로(19)의 차선 정밀 맵핑 및/또는 모델링을 위해, 교차로 면(37) 및/또는 주행 가능한 면(37) 내지 교차로 면(37)에 대한 기하학적 정보들뿐만 아니라, 진입 및 진출 차선들(23)의 연결성 및 교차로 면(37)에 걸친 그 주행로에 대한 위상적 정보들도 요구된다. 이를 위해, 차도 정밀 도로 지도(14)는 우선 적어도 하나의 교차로 세그먼트(19a)로 세그먼트화되고, 그리고/또는 교차로 세그먼트(19a)는 차도 정밀 도로 지도(14) 내에서 식별된다. 그런 다음, 교차로 세그먼트(19a)는, 하기에서 더 상세하게 설명되는 것처럼, 내부 교차로 모델(38) 및 외부 교차로 모델(36)에서 모델링된다.
하기에서 
로도 지칭되는 교차로 모델(34)은, 2개의 상이한 개별 모델로 구성된다. 도 6a 및 6b에는, 하기에서 
로도 지칭되는 외부 교차로 모델(36)이 도시되어 있다. 초기화를 위해, 차도 정밀 도로 지도(14)의 노드들(11)이 분석되며, 연결된 에지들(13)에 근거하여 교차로 노드들(35)이 식별된다. 차도 정밀 도로 지도(14)에서 큰 교차로(19)는 복수의 노드(11)를 통해 기술될 수 있기 때문에, 거리 값(d cr )에 의해, 경우에 따라 복수의 노드(11)가 통합될 수 있다. 외부 교차로 모델(36)은 관계되는 노드들(11)의 중심에서 생성될 수 있다. 식별된 교차로 모드들(35)에 근거하여 직접적으로, 얼마나 많은 도로(17)가 교차로(19)와 연결되어 있는지에 대한 정보가 추론될 수 있다. 각각의 도로(17)에 대해 교차로 분기(A1 ~ A4)가 생성된다. 각각의 교차로 분기(A1~A4)는, 상기 교차로 분기(A1 ~ A4)와 관련하여 교차로 면(37)의 중심에서부터 시작 부분까지의 이격 거리를 기술하는 거리 매개변수(d)와, 기준 방향, 예컨대 동향(easting)에 상대적으로 회전 각도를 정의하는 각도 매개변수(a)를 포함한다. 상기 두 매개변수(d, a)를 통해, 각각의 교차로 분기(A1 ~ A4)에 대해 도로(17)로부터 교차로 면(37)으로의 전이점이 결정된다.
하기에서 
로도 지칭되는 내부 교차로 모델(38)은 도 6c 및 6d에 도시되어 있다. 내부 교차로 모델(38)은 차선들(23)의 연결성을 기술한다. 이 경우, 각각의 교차로 분기(A1 ~ A4)는 도로 모델(28)의 전반적인 도로 블록(32)과 같은 동일한 정보들을 포함하며, 그럼으로써 연결된 도로들(17)의 기하구조가 결정되게 된다. 각각의 유입 차선(23)과 각각의 유출 차선(23) 사이에는, 자체의 코스가 삼차 헤르미트 다항식을 통해 기술될 수 있는 연결부가 존재할 수 있다. 따라서, 각각의 연결부는, 교차로 면(37)에 걸친 코스를 기설정할 수 있는 매개변수(C)를 통해 영향을 받는다. 매개변수들(C)은, 도 6d에 도시된 것처럼 요인 행렬(F)에 저장되며, 0의 값은 연결부가 존재하지 않는다는 점을 지시한다. 외부 차선 코스들의 식별을 통해, 추가로, 교차로 면(37)의 경계가 정의된다. 이 경우, 요인 행렬(F)은 각각의 주행 방향 및 각각의 교차로 분기(A1~A4)에 대해 하나의 행과 하나의 열을 포함할 수 있다. 명확성을 위해, 상이한 주행 방향들은 도 6d에서 첨자들의 상이한 부호를 통해 도시되어 있다. 또한, 개별 교차로 분기들(A1~A4)의 차선들(23)은 도 6d에서 연속으로 자연수들로 넘버링되어 있다.
하기에서는, 전술한 도면들, 특히 도 4a ~ 6d에 기술된 도로 모델(28) 및 교차로 모델(32)의 세부 내용뿐만 아니라 차선 정밀 도로 지도(22)의 작성을 위한 본 발명에 따른 방법도 기술된다.
모델들(28, 34)의 초기화를 위해, 차도 정밀 도로 지도(14)는 도로들(17) 및 교차로들(19)로 분할된다. 각각의 교차로(19) 상에는 dinit = 25m의 분기간 간격을 갖는 초기 교차로 모델(34)이 생성되며, 연결된 도로들(17)의 개수 및 그에 따른 교차로 분기들(A1~A4)의 각도 매개변수들(a)은 도로 지도(14)를 토대로 결정된다. 그에 뒤이어, 교차로들(19) 간의 도로 모델들(28)이 생성되며, 그래프 내에서 도로(17)는 하나의 문자열[
]에 의해 기술된다. 차선 정밀 도로 모델(28)에서 각각의 노드(11) 상에 연결 블록(30)이 생성되고, 그 사이에는 도로 블록(32)이 생성된다. 각각의 도로(17)는, 경우에 따라 인접한 도로 블록(32)과 교차로 연결부 간의 차이를 보정할 수 있는 연결 블록(30)으로 시작되고 끝난다. 각각의 도로(17)는 주행 방향당 각각 하나의 차선(23)을 포함한 2차선으로서 초기화된다. 이하, a개의 도로 모델(28) 및 b개의 교차로 모델(34) 전체를 
이라고 지칭한다.
초기화된 모델들(28, 34, Φ)은 전체 모델의 실제 구성을 의미한다. 상기 모델들의 매개변수들은 도로 블록들(32), 연결 블록들(30), 내부 교차로 모델들(36) 및 외부 교차로 모델들(38)의 기술되는 특성들 내지 매개변수들이다. 상기 매개변수들은 RJMCMC 방법의 이용 하에 변경될 수 있으며, 그로 인해 하기에서는 가능한 변경 연산들 및 상응하는 전이 커널들(transition kernel)이 삽입된다. 모든 모델(28, 30, 32, 34, 36, 38)에 대해, 한편으로는 존재하는 매개변수들의 값들에만 영향을 미치는 변경 연산들, 및 다른 한편으로는 모델(28, 30, 32, 34, 36, 38)의 차원을 변동시키는 변경 연산들이 있다.
도 7a ~ 7e에는, 본 발명의 일 실시예에 따른 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50)이 각각 도시되어 있다. 상세하게는, 도 7a에서 왼쪽에, 도로 블록(32) 내로 연결 블록(30)을 삽입하기 위한 삽입 연산(40)과; 이 삽입 연산(40)에 대한 가역적 변경 연산(41)으로서, 2개의 도로 블록(32) 및 하나의 연결 블록(30)을 하나의 도로 블록(32)으로 융합하기 위한 융합 연산(41);이 도시되어 있다. 또한, 도 7a에서 오른쪽에는, 도로(17)의 길이방향 연장부의 매개변수화를 위한 매개변수화 값을 매칭하기 위한 매칭 연산(42)이 도시되어 있다. 도 7b에는, 차선(23)을 부가하기 위한 부가 연산(43) 및 차선(23)을 제거하기 위한 제거 연산(44)이 도시되어 있다. 또한, 도 7c에는, 반대 주행 방향의 차선들(23) 간의 이격 거리(G)을 매칭시키기 위한 이격 거리 매칭 연산(46)이 도시되어 있으며, 도 7d에는, 차선(23)의 폭(W)을 매칭시키기 위한 폭 매칭 연산(48)이 도시되어 있으며, 그리고 도 7e에는, 도로(17)의 곡률을 매칭시키기 위한 곡률 매칭 연산(50)이 도시되어 있다.
도로 모델(28)과 관련하여, 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50)은 다시 2개의 등급(class)으로 분할된다. 도 7a에 도시된 것과 같은 삽입 연산(40), 융합 연산(41) 및 매칭 연산(42)은 블록 계층(block layer)에서 도로 모델(28)을 변동시키며, 다시 말하면 개별 특성들이 변동되는 것이 아니라, 도로 블록들(32) 및 연결 블록들(30)의 개수 및 이들의 공간 범위(spatial extent)만이 변동된다. 부가 연산(43)의 경우, 하나의 존재하는 도로 블록(32)은 2개의 도로 블록(32) 및 하나의 연결 블록(30)으로 분할된다. 제거 연산(44)은 그에 상응하게 상기 유형의 콘스텔레이션(constellation)을 연결하고 부가 연산(43)과 함께 가역적 쌍을 형성하며, 상기 가역적 쌍의 선택 확률은 확장된 세부 균형 조건(Detailed Balance Condition)이 충족되도록 선택될 수 있다. 매칭 연산(42)의 경우, 도로 모델(28)의 매개변수화와 관련하여 도로 블록(32) 및/또는 연결 블록(30)의 경계들이 변동된다. 부가 연산(43), 제거 연산(44), 이격 거리 매칭 연산(46), 폭 매칭 연산(48) 및 곡률 매칭 연산(50)은 도로 블록(32)의 특성들 내지 매개변수 값들을 변동시킨다. 연결 블록(30)의 매개변수 값들은 능동적(active)으로가 아니라, 수동적(passive)으로만 변동될 수 있다. 상기 매개변수 값들은 자체의 매개변수들을 인접한 도로 블록들(32)에 매칭시킨다. 이 경우, 차선(23)을 부가하기 위한 부가 연산(43)과 제거 연산(44)은 마찬가지로 가역적 쌍을 형성하는 반면, 3개의 조정 연산(42, 46, 50)은 오직 매개변수들의 값들만 변동시킨다.
도로 모델(28) 및/또는 교차로 모델(34)의 매개변수 값들의 무작위 변화 시, 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50) 중 어느 것에도 우선권을 부여하지 않고 동일한 확률로 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50) 각각을 선택하기 위해, 모든 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)의 선택 확률들(ω40,ω41,ω42,ω43,ω44,ω46,ω48,ω50)은 하기와 같이 동일한 것으로 가정된다.
여기서, 
하기에서는, 개별 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50)이 더 구체적으로 고려된다.
도 7a에서의 상부 도면에서부터 도 7a의 왼쪽 도면으로의 전이는 삽입 연산(40)에 의해 수행된다. 분리할 도로 블록(32, 
)의 길이방향 치수는 길이가 매개변수화된(
) 값들[
]을 갖는 도로 모델(
)의 매개변수화(P)를 통해 정의된다. 분리를 위해, 다음과 같이 상기 길이에서 2개의 신규 값[
](
)이 요구된다.
위의 식에서, 
이고,
수용 확률(acceptance probability)은 하기 식으로서 결정된다.
변환의 자코비안 행렬(Jacobian matrix)은 1의 행렬계수(determinant)를 갖는 하기 식에 따르는데,
그 이유는 행렬이 삼각형 형태를 갖기 때문이다.
융합 연산(41)은 정반대의 경우로서 간주될 수 있다. 도로 블록(32), 연결 블록(30), 도로 블록(32)의 콘스텔레이션은 통합되며, 변환을 위해 신규 성분들이 요구되는 것이 아니라 계산된다. 상기 콘스텔레이션은 도로 모델(28)의 매개변수화(P)에서 시퀀스[
]를 통해 정의된다. 수용 확률은 하기 식에 따른다.
여기서, 
이다.
매칭 연산(42)은, 도 7a에서의 상부 도면과 도 7a에서의 오른쪽 도면 간의 전이로서, 도로 블록(32)의 두 매개변수화 값 중 하나의 변동을 기술한다. 이 경우, 매개변수는 도로 블록(32)의 절반 매개변수화 길이(
)만큼 최대로 변동될 수 있다. 이동 방향에 우선권을 부여하지 않기 위해, 검색 함수(search function)는 하기와 같이 무작위 이동(random movement)으로서 실현된다.
도 7b에 도시된 것처럼, 부가 연산(43)으로 신규 차선을 삽입하기 위해, 도로 모델(28)은 차선(23)의 신규 차선 폭만큼 보충된다. 신규 차선 폭은, 자체의 예상값(expectation value) 및 분산(variance)이 도로 구조적 디폴트들에서 기인하는 정규 분포를 토대로 추론된다. 상기 디폴트들은 도로(17)의 시나리오 내지 유형의 문맥에서 결정된다. 변환식은 하기와 같다.
자코비안 행렬의 행렬계수는 1이며, 수용 확률은 하기 식과 같다.
반대되는 제거 연산(44)에 대한 수용 확률은 그에 상응하게 계산되며, 성분(
)은 하기 식처럼 제거할 차선(23)의 차선 폭이다.
도 7c, 7d, 7e에 도시된 3개의 변경 연산(46, 48, 50)은 도로 모델(28) 및/또는 교차로 모델의 존재하는 매개변수 값들을 변동시킨다. 그러므로 상응하는 검색 함수는 하기와 같이 균등 분포로서 실현된다.
교차로 모델(34)은 내부 교차로 모델(36)과 외부 교차로 모델(38)로 구성되기 때문에, 각각의 하위 모델(36, 38)에 대해 여러 변경 연산이 존재한다. 도 6a 및 6b에 도시된 것처럼, 2개의 매개변수인 거리(d) 및 각도(a)는 외부 교차로 모델(36)의 형상에 영향을 미친다. 교차로 분기들(A1~A4)의 개수는 이미 초기화 프로세스에서 도로 지도(14)에서 추출되며, 더 이상 변동되지 않는다. 따라서, 두 매개변수(d, a)를 모두 변동시키지만, 외부 교차로 모델(36)의 차원은 변동시키지 않는 2개의 변경 연산이 정의된다. 달리 말하면, 외부 교차로 모델은 거리 매개변수 변경 연산 및 각도 매개변수 변경 연산을 포함할 수 있다. 그러므로 검색 함수들은 하기와 같이 균등 분포로서 실현된다.
내부 교차로 모델(38)에서, 각각의 교차로 분기(A1 ~ A4)는 도로 블록(32)과 동일한 특성들을 보유하는 연결 횡단면을 포함한다. 각각의 교차로 분기(A1 ~ A4)에 연결 블록(30)이 연결되기 때문에, 상기 연결 블록은 도로 블록(32)의 변경들에 대해서와 똑같이 교차로 분기(A1 ~ A4)의 변경에 반응한다. 그러므로 연결 특성들을 변경시키기 위한 변경 연산들은 도로 블록(32)의 이미 정의한 변경 연산들과 동일하다. 달리 말하면, 내부 교차로 모델(38)은 앞서 기술한 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50)을 포함한다. 도 6d에서의 요인 행렬(F)의 영향은 RJMCMC 연산을 통해 발생하지 않는다.
도 8a 및 8b에는, 본 발명의 일 실시예에 따른 평가 지표의 적용이 각각 도시되어 있다.
평가를 위해, 한편으로 도로 모델(28) 및/또는 교차로 모델(34)과 궤적 데이터(27) 간의 일치와 관련한 척도가 제1 항(
)에서 고려되고, 다른 한편으로는 모델들(28, 34)에 대한 사전 지식이 제2 항(
)에서 고려된다. 하기에서는 상기 척도들이 설명된다.
제1 단계에서, 차량 궤적들(27)이 차선들(23) 상에 맵핑된다. 이를 위해, 우선 각각의 도로 세그먼트(26) 및 각각의 교차로(19)의 각각의 중앙선이 그래프로 옮겨지며, 이때 중앙선은 노드들(11) 및 에지들(13)에 의해 조금씩 이산된다. 그에 뒤이어 각각의 그래프는 더글라스 패커 알고리즘(Douglas-Peucker algorithm)에 의해 노드들(11)의 최소 개수로 최적화된다. 최종적으로, 상기 그래프들은 하기 식처럼 하나의 전체 표현(G)으로 융합된다.
다음 단계에서, 각각의 궤적(27)에 대해, 은닉된 상태로서 생성된 그래프(G)의 에지들(13)과, 결정된 확인 내용으로서 궤적점들을 포함하는 은닉 마코프 모델(HMM: Hidden-Markov Model)이 생성된다. HMM은 비터비 알고리즘(Viterbi Algorithm)에 의해 해결되어 하기 식처럼 차선(23)에 각각의 측정점의 가장 확률이 높은 할당을 도출한다.
평가 척도로서는, 궤적과 차선 간의 유클리드 이격 거리(
)가 도 8a에 따라 평가되고, 포함된 주행 각도(
)는 도 8b에 따라 평가된다. 그에 추가로, 통과의 최소 개수에 대한 한계값이 삽입된다. 
는, 통과 수가 너무 적은 차선들은 신뢰성 없는 것으로서 분류되고 구성이 거부되게 하는 도약 함수(jump function)를 기술한다. 일반적으로 함수의 정의는 통과의 총수에 따라 결정되며, 경우에 따라 정해진 값이 정규수(normal number)로서 평가되고 편차는 평가절하를 야기하도록 형성될 수 있다. 따라서, 평가 지표의 제1항은 하기 식으로 표현된다.
이 경우, 통과의 고려를 위한 도약 함수는 하기 식으로서 정의되며,
상기 식에서, 
는 모델의 차선들을 기술하고, 
는 x번째 차선 상으로 맵핑된 궤적들의 개수를 기술하며, 
는 최소로 도달되는 통과 수를 기술한다.
차선 폭(w)과 관련하여, 자체의 매개변수들이 시나리오의 문맥에서 선택되는 것인 정규 분포가 상정된다. 여러 시나리오에 대한 특성변수들은 도로 공사에 대한 다양한 지침들에서 추론될 수 있다.
본원의 방법에서, 매우 짧은 도로 세그먼트들(26)의 정렬(line up)에 의해 오버피팅(overfitting)이 발생할 수도 있다. 이를 상쇄시키기 위해, 하기 식처럼, 도약 함수에 의한 조절을 통해 실현되는, 도로 세그먼트의 최소 길이가 산입된다.
모든 도로 모델(28) 및 교차로 모델(34)이 초기화된 후에, 본원의 방법은 정의된 RJMCMC 변경 연산들(40, 41, 42, 43, 44, 46, 48, 50)에 의해 변경될 수 있다. 이를 위해, 하기와 같은 목표 함수가 결정되며,
상기 목표 함수는, 
에서 궤적 데이터(27)와 모델들(28, 34) 간의 일치를 결정할 뿐만 아니라, 
에서는 모델들(28, 34)의 방지되거나 강화될 전개들에 대한 존재하는 사전 지식도 결정하며, 
은 데이터 지식과 모델 지식 간의 비율을 결정한다.
본 발명에 따른 방법의 실행을 위한 상응하는 알고리즘은 웜업 단계(warm-up phase)와 메인 단계(main phase)로 나뉠 수 있다. 웜업 단계에서, 예컨대 모든 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)이 가용한 것이 아니라, 도로 모델들(28) 내지 교차로 모델(34)의 이격 거리 매칭 연산(46)만이 이용될 수 있다. 이런 조치로 처리되는 문제는 구조적 분리가 큰 도로들에서 발생한다. 요컨대 권리가 동등한 연산들의 선택 및 구조적 분리가 없는 초기 모델의 경우, 본원의 방법은 신속하게 다수의 차선을 포함한 모델을 생성할 수 있다. 그에 뒤이어, 불필요한 차선들(23)을 구조적 분리로 바꾸기 위해, 다수의 반복이 이용된다. 웜업 단계를 통해, 매우 적은 반복으로 분리의 더 적합한 초기 추정이 달성될 수 있다.
또한, 이른바 모의 담금질(simulated annealing) 방법도 사용될 수 있는데, 이 방법의 목적은 실행 시간에 따라서 앞서 기술한 목표 함수에 하기 식처럼 영향을 주는 것이며,
위의 식에서, 각각의 셀에 대한 함수[
]는 하기 식을 갖는 냉각 함수(cooling function)를 의미한다.
이로 인해, 마코프 체인((Markov Chain)의 발생은 더 낫게 평가된 목표 함수의 구역으로 집중될 수 있게 된다. 실제로 이는, 평가를 악화시키는 변경 연산들은 실행 시간이 지속됨에 따라 상대적으로 더 드물게 수용됨을 의미한다. 냉각 함수의 값은, 제안된 변경 연산이 거부된 즉시 감소한다. 이 경우, 냉각 함수는 하기 식처럼 지수형으로 감소하는 함수이며,
위의 식에서, 매개변수(
)는, 온도(
)에 도달하기 위해, 단계들의 정해진 개수(s)가 요구되도록 선택된다. 이를 위해, 함수는 하기 식처럼 단계 개수에 따른 계산 규칙으로 전환된다.
보충 설명으로, "포함하는"이란 말은 다른 요소들을 배제하지 않으며, "하나"는 다수를 배제하지 않는다는 점을 주지해야 한다. 또한, 상술한 실시예들 중 어느 하나를 참조하여 기술한 특징들은 앞서 기술한 다른 실시예들의 다른 특징들과 조합되어서도 사용될 수 있다는 점도 주지해야 한다. 청구범위에서 도면부호들은 제한으로서 간주되어서는 안 된다.
Claims (12)
- 차선 정밀 도로 지도(22)를 작성하기 위한 방법으로서,
적어도 하나의 도로(17)의 도로 코스를 기술하기 위한, 차도 정밀 디지털 도로 지도(14)를 제공하는 단계;
적어도 하나의 도로(17)를 따르는 도로 사용자들의 다량의 궤적 데이터(27)를 포함하는 궤적 데이터 기록(16)을 제공하는 단계;
차도 정밀 도로 지도(14)를 적어도 하나의 도로 세그먼트(26)로 세그먼트화하여 적어도 하나의 도로(17)를 식별하는 단계;
를 포함하는, 차선 정밀 도로 지도의 작성 방법에 있어서,
상기 방법은 추가로,
도로 모델(28)이 도로(17)의 차선들(23)의 기하학적 및/또는 위상적 기술을 위한 복수의 매개변수(L, W, G, C)를 포함하는 조건에서, 적어도 하나의 도로 모델(28) 내에서 도로 세그먼트(26)를 모델링하는 단계;
매개변수 값들의 변경을 위해 상기 도로 모델(28)의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)을 무작위로 선택함으로써, 상기 도로 모델(28)의 매개변수들(L, W, G, C) 중 적어도 일부의 매개변수 값들을 무작위로, 특히 수회 무작위로 변경하는 단계;
확률값이 도로 모델(28)을 통한 궤적 데이터(27)의 맵핑의 품질과 상관되는 조건에서, 상기 도로 모델(28)을 위한 적어도 하나의 확률값의 결정 하에 상기 도로 모델(28)에 궤적 데이터 기록(16)의 궤적 데이터(27) 중 적어도 일부분을 할당하는 단계;
결정된 적어도 하나의 확률값을 기반으로, 도로 모델(28)의 매개변수들(L, W, G, C) 중 적어도 일부의 최적의 매개변수 값들을 결정하는 단계; 및
상기 도로 모델(28)의 최적의 매개변수 값들을 기반으로, 차선 정밀 도로 지도(22)를 작성하는 단계;를 더 포함하는 것을 특징으로 하는, 차선 정밀 도로 지도의 작성 방법. - 제1항에 있어서, 상기 최적의 매개변수 값들은 몬테카를로 방법을 기반으로, 특히 가역적 점프 마코프 체인 몬테카를로(reversible jump Markov chain Monte Carlo) 방법을 기반으로 결정되는, 차선 정밀 도로 지도의 작성 방법.
- 제1항 또는 제2항에 있어서, 도로 모델(28)은, 적어도 도로 세그먼트(26)의 부분 영역에서 일정한 개수의 차선들(23)을 모델링하기 위한 적어도 하나의 도로 블록(32)을 포함하고, 그리고/또는
도로 모델(28)은, 적어도 하나의 기하학적 매개변수 행렬(RGL, RGR) 및 적어도 하나의 위상적 매개변수 행렬(RTL, RTR)을 기반으로, 적어도 도로 세그먼트(26)의 부분 영역에서 변경되는 개수의 차선들(23)을 모델링하기 위한 적어도 하나의 연결 블록(30)을 포함하며,
상기 기하학적 매개변수 행렬(RGL, RGR)의 값들은 도로 세그먼트(26) 내에서의 차선 개수(L)의 변경을 기술하고,
상기 위상적 매개변수 행렬(RTL, RTR)의 값들은 도로 세그먼트(26) 내에서의 개별 차선들(23) 간의 연결부를 기술하는, 차선 정밀 도로 지도의 작성 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서, 도로 모델(28)에서 도로 세그먼트(26)를 모델링하는 단계는 하기의 부분 단계들:
단위 간격으로 상기 도로 세그먼트(26)를 매개변수화함으로써, 상기 도로 세그먼트(26) 내에서 도로(17)의 각각의 지점이 단위 간격에서의 매개변수화 값을 통해 결정되게 하는 단계;
도로 세그먼트(26)를 도로 모델(28)의 적어도 하나의 도로 블록(32) 및 적어도 하나의 연결 블록(30)으로 세그먼트화하는 단계;
연결 블록(30)의 적어도 하나의 기하학적 매개변수 행렬(RGL, RGR)을 기반으로 상기 도로 세그먼트(26) 내에서의 차선(23)의 소실 또는 생성을 모델링하는 단계;
연결 블록(30)의 적어도 하나의 위상적 매개변수 행렬(RTL, RTR)을 기반으로 도로 세그먼트 내에서의 개별 차선들의 연결부를 모델링하는 단계; 및
도로 모델(28)의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)의 무작위 선택을 기반으로 기하학적 매개변수 행렬(RGL, RGR)의 값들 및/또는 위상적 매개변수 행렬(RTL, RTR)의 값들을 결정하는 단계;
를 포함하는, 차선 정밀 도로 지도의 작성 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 차도 정밀 디지털 도로 지도(14)는 적어도 하나의 교차로(19) 및 상기 교차로(19)와 연결된 복수의 도로(17)를 포함하며, 상기 방법은 추가로,
상기 차도 정밀 도로 지도(14)를 적어도 하나의 교차로 세그먼트(19a)로 세그먼트화하여 상기 적어도 하나의 교차로(19)를 식별하는 단계;
교차로 모델(34)이 교차로(19)의 차선들(23)의 기하학적 및/또는 위상적 기술을 위한 복수의 매개변수(L, W, G, C)를 포함하는 조건에서, 적어도 하나의 교차로 모델(34)에서 교차로 세그먼트(19a)를 모델링하는 단계;
매개변수 값들의 변경을 위해 교차로 모델(34)의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)을 무작위로 선택함으로써 상기 교차로 모델(34)의 매개변수들 중 적어도 일부의 매개변수 값들을 무작위로, 특히 수회 무작위로 변경하는 단계;
확률값이 교차로 모델(34)을 통한 궤적 데이터(27)의 맵핑의 품질과 상관되는 조건에서, 상기 교차로 모델에 대한 적어도 하나의 확률값의 결정 하에 교차로 모델(34)에 궤적 데이터 기록(16)의 궤적 데이터(27) 중 적어도 일부분을 할당하는 단계;
결정된 적어도 하나의 확률값을 기반으로, 교차로 모델(34)의 매개변수들(L, W, G, C) 중 적어도 일부의 최적의 매개변수 값들을 결정하는 단계; 및
교차로 모델(34)의 최적의 매개변수 값들을 기반으로 차선 정밀 도로 지도(22)를 작성하는 단계;
를 더 포함하는, 차선 정밀 도로 지도의 작성 방법. - 제5항에 있어서, 교차로 모델(34)은 거리 매개변수(d) 및 각도 매개변수(a)를 기반으로 교차로(19)의 주행 가능한 교차로 면(37)을 모델링하기 위한 외부 교차로 모델(36)을 포함하고, 그리고/또는
교차로 모델(34)에서 교차로 세그먼트(19a)를 모델링하는 단계는 하기의 부분 단계:
차도 정밀 도로 지도(14)에서 교차로 노드(35)를 결정하는 단계;
교차로(19)와 연결된 도로들(17)의 개수의 결정 하에, 상기 차도 정밀 도로 지도(14)에서 교차로 노드(35)와 연결된 에지들(13)의 개수를 결정하는 단계;
교차로 분기들(A1 ~ A4) 각자가 각각의 교차로 분기(A1 ~ A4)를 따라서 교차로(19)의 경계면까지의 교차로(19)의 중심의 이격 거리를 안내하기 위한 거리 매개변수(d)에 의해 정의되고, 상기 교차로 분기들(A1 ~ A4) 각자는 각각의 교차로 분기(A1 ~ A4)와 기준 방향 사이의 회전 각도의 안내를 위한 각도 매개변수(a)에 의해 정의되는 조건에서, 상기 교차로와 연결된 도로들(17)의 개수에 상응하는 개수의 교차로 분기(A1 ~ A4)를 생성하는 단계;
를 포함하는, 차선 정밀 도로 지도의 작성 방법. - 제5항 또는 제6항에 있어서, 교차로 모델(34)은, 상기 교차로 모델(34)의 요인 행렬(F)을 기반으로, 상기 교차로(19) 내로 진입하는 차선들(23), 상기 교차로(19)로부터 진출하는 차선들(23), 및 상기 교차로(19)의 교차로 면(37)에 걸친 차선들(23)의 코스를 모델링하기 위한 내부 교차로 모델(38)을 포함하고, 그리고/또는
상기 교차로 모델(34)에서 교차로 세그먼트(19a)를 모델링하는 단계는 하기의 부분 단계:
요인 행렬(F)의 값들이 교차로 면(37)에 걸친 차선들(23)의 코스 및 연결부를 기술하는 조건에서, 상기 요인 행렬(F)을 기반으로, 교차로(19) 내로 진입하는 차선들(23) 중 적어도 일부와, 교차로(19)로부터 진출하는 차선들(23) 중 적어도 일부와, 교차로(19)의 교차로 면(37)에 걸쳐 진행하는 차선들(23) 중 적어도 일부의 코스를 모델링하는 단계; 및
궤적 데이터 기록(16)의 궤적 데이터(27) 중 적어도 일부분을 기반으로 요인 행렬(F)의 값들을 결정하는 단계;
를 포함하는, 차선 정밀 도로 지도의 작성 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서, 도로 모델(28) 및/또는 교차로 모델(34)은, 차선들(23)의 개수의 기술을 위한 개수 매개변수(L), 개별 차선들(23)의 폭의 기술을 위한 폭 매개변수(W), 도로(17)의 곡률을 기술하기 위한 곡률 매개변수(C), 및 반대 주행 방향의 차선들(23) 간의 이격 거리의 기술을 위한 이격 거리 매개변수(G)를 각각 포함하는, 차선 정밀 도로 지도의 작성 방법.
- 제1항 내지 제8항 중 어느 한 항에 있어서, 도로 모델(28) 및/또는 교차로 모델(34)은, 도로 블록(32) 내로 하나의 연결 블록(30)을 삽입하기 위한 삽입 연산(40); 하나의 도로 블록(32)으로 2개의 도로 블록(32) 및 하나의 연결 블록(30)을 융합하기 위한 융합 연산(41); 도로(17)의 길이방향 연장부의 매개변수화를 위한 매개변수화 값을 매칭시키기 위한 매칭 연산(42); 차선(23)을 부가하기 위한 부가 연산(43); 차선(23)을 제거하기 위한 제거 연산(44); 반대 주행 방향의 차선들(23) 간의 이격 거리를 매칭시키기 위한 이격 거리 매칭 연산(46); 차선(23)의 폭을 매칭시키기 위한 폭 매칭 연산(48); 및 도로(17)의 곡률을 매칭시키기 위한 곡률 매칭 연산(50);으로 구성되는 목록에서 선택된 적어도 하나의 변경 연산(40, 41, 42, 43, 44, 46, 48, 50)을 포함하는, 차선 정밀 도로 지도의 작성 방법.
- 제1항 내지 제9항 중 어느 한 항에 있어서, 상기 방법은 추가로:
도로 모델(28) 및/또는 교차로 모델(34)을 통한 궤적 데이터(27)의 맵핑의 품질을 기술하는 평가 지표를 기반으로, 변경 연산의 무작위 선택에 기반하여 무작위로 변경된 매개변수 값들을 거부하거나 수용하는 단계를 더 포함하고;
상기 평가 지표는 궤적 데이터(27)와 도로 모델(28) 및/또는 교차로 모델(34) 간의 일치를 기술하기 위한 제1 항(term)을 포함하며;
상기 평가 지표는, 도로 기하구조의 적어도 하나의 기결정 특성변수, 특히 차선 폭 및/또는 도로 폭과 관련한 특성변수의 고려를 위한 제2 항을 포함하는, 차선 정밀 도로 지도의 작성 방법. - 차도 정밀 디지털 도로 지도(14)를 기반으로 차선 정밀 도로 지도(22)를 결정하기 위한 데이터 처리 장치(10)에 있어서,
상기 데이터 처리 장치(10)는 제1항 내지 제10항 중 어느 한 항에 따른 방법을 실행하도록 구성되는, 데이터 처리 장치(10). - 제11항에 있어서, 데이터 처리 장치(10)는 차도 정밀 디지털 도로 지도(14)의 저장을 위한 데이터 메모리(12) 및 프로세서(18)를 포함하는, 데이터 처리 장치(10).
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102017209346.3 | 2017-06-01 | ||
| DE102017209346.3A DE102017209346A1 (de) | 2017-06-01 | 2017-06-01 | Verfahren und Vorrichtung zur Erstellung einer fahrspurgenauen Straßenkarte |
| PCT/EP2018/057506 WO2018219522A1 (de) | 2017-06-01 | 2018-03-23 | VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200012960A true KR20200012960A (ko) | 2020-02-05 |
Family
ID=61768328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197038750A KR20200012960A (ko) | 2017-06-01 | 2018-03-23 | 차선 정밀 도로 지도의 작성 방법 및 그 장치 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20200132476A1 (ko) |
| EP (1) | EP3631364A1 (ko) |
| JP (1) | JP2020524295A (ko) |
| KR (1) | KR20200012960A (ko) |
| CN (1) | CN111065893A (ko) |
| DE (1) | DE102017209346A1 (ko) |
| WO (1) | WO2018219522A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102244237B1 (ko) * | 2020-10-22 | 2021-04-26 | 주식회사 그린블루 | 차선 정밀도로지도의 작성이 가능한 정밀도로지도 구축시스템 |
| KR20240023908A (ko) | 2022-08-16 | 2024-02-23 | (주)뷰런테크놀로지 | 이동체의 이동 경로를 이용한 차선 검출 방법 및 장치 |
Families Citing this family (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6941178B2 (ja) * | 2017-09-29 | 2021-09-29 | 日立Astemo株式会社 | 自動運転制御装置及び方法 |
| US10895460B2 (en) * | 2017-11-06 | 2021-01-19 | Cybernet Systems Corporation | System and method for generating precise road lane map data |
| CN111383450B (zh) * | 2018-12-29 | 2022-06-03 | 阿里巴巴集团控股有限公司 | 一种交通路网的描述方法及装置 |
| DE102019102922A1 (de) * | 2019-02-06 | 2020-08-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Multi-Sensor-Datenfusion für automatisierte und autonome Fahrzeuge |
| US11200431B2 (en) | 2019-05-14 | 2021-12-14 | Here Global B.V. | Method and apparatus for providing lane connectivity data for an intersection |
| DE102019114190A1 (de) * | 2019-05-27 | 2020-12-03 | Zf Automotive Germany Gmbh | Datenträger, Verfahren zum automatisierten Steuern eines Fahrzeugs sowie Verfahren zum Generieren eines Datenträgers |
| CN112148811B (zh) * | 2019-06-26 | 2023-01-10 | 陕西汽车集团股份有限公司 | 一种车载gps轨迹路径压缩方法 |
| DE102019209226A1 (de) * | 2019-06-26 | 2020-12-31 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten |
| DE102019209485A1 (de) | 2019-06-28 | 2020-12-31 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten |
| US11738770B2 (en) * | 2019-07-02 | 2023-08-29 | Nvidia Corporation | Determination of lane connectivity at traffic intersections for high definition maps |
| DE102019209711A1 (de) | 2019-07-02 | 2021-01-07 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm und Vorrichtung zur Verarbeitung von durch ein Kraftfahrzeug erfassten Daten, sowie zum Bereitstellen von Parametern für eine solche Verarbeitung |
| US11781875B2 (en) * | 2019-08-21 | 2023-10-10 | Toyota Motor Engineering & Manufacturing North America, Inc. | Apparatus and method for forming and analyzing connected roads |
| US11499833B2 (en) * | 2019-09-25 | 2022-11-15 | GM Global Technology Operations LLC | Inferring lane boundaries via high speed vehicle telemetry |
| CN110795805A (zh) * | 2019-10-09 | 2020-02-14 | 中山大学 | 一种精细化交叉口几何拓扑构建方法及系统 |
| DE102019215656B4 (de) * | 2019-10-11 | 2021-07-22 | Zf Friedrichshafen Ag | Verfahren zum Bewerten einer ausgewählten Route, Routenbewertungssystem und Computerprogramm |
| CN110909711B (zh) * | 2019-12-03 | 2022-08-02 | 阿波罗智能技术(北京)有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
| DE102020200169B3 (de) * | 2020-01-09 | 2021-06-10 | Volkswagen Aktiengesellschaft | Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung |
| CN113405558B (zh) * | 2020-02-29 | 2024-04-09 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
| US11443465B2 (en) * | 2020-03-24 | 2022-09-13 | Here Global B.V. | Method, apparatus, and computer program product for generating turn paths through an intersection |
| CN111653088B (zh) * | 2020-04-21 | 2022-02-01 | 长安大学 | 一种车辆出行量预测模型构建方法及预测方法和系统 |
| CN111540010B (zh) * | 2020-05-15 | 2023-09-19 | 阿波罗智联(北京)科技有限公司 | 一种道路监测的方法、装置、电子设备及存储介质 |
| CN111612854B (zh) * | 2020-06-30 | 2021-02-12 | 滴图(北京)科技有限公司 | 实景地图的生成方法、装置、计算机设备和存储介质 |
| DE102020209444A1 (de) | 2020-07-27 | 2022-01-27 | Zf Friedrichshafen Ag | Kartierung von Verkehrswegen in unbefestigtem Gelände |
| JP7474667B2 (ja) | 2020-09-23 | 2024-04-25 | 株式会社日本総合研究所 | プログラム、情報処理方法、道路インフラ整備方法および情報処理装置 |
| JP7471185B2 (ja) | 2020-09-23 | 2024-04-19 | 株式会社日本総合研究所 | プログラム、情報処理方法および情報処理装置 |
| JP7471184B2 (ja) | 2020-09-23 | 2024-04-19 | 株式会社日本総合研究所 | プログラム、情報処理方法および情報処理装置 |
| CN112364847A (zh) * | 2021-01-12 | 2021-02-12 | 深圳裹动智驾科技有限公司 | 基于个例大数据的自动驾驶预测方法和计算机设备 |
| FR3120690B1 (fr) * | 2021-03-15 | 2023-02-10 | Psa Automobiles Sa | Procédé et dispositif de détermination d’une fiabilité d’une cartographie base définition. |
| CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
| CN113139258B (zh) * | 2021-04-28 | 2024-01-09 | 北京百度网讯科技有限公司 | 道路数据处理方法、装置、设备及存储介质 |
| CN113188550B (zh) * | 2021-05-17 | 2021-12-07 | 紫清智行科技(北京)有限公司 | 循迹自动驾驶车辆的地图管理与路径规划方法及系统 |
| KR20220146661A (ko) * | 2021-06-29 | 2022-11-01 | 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 | 차도 레벨 내비게이션 지도 구축 방법, 장치, 기기 및 저장 매체 |
| CN113465613B (zh) * | 2021-07-22 | 2023-12-26 | 全图通位置网络有限公司 | 一种城市轨道交通中隧道网络定位的地图匹配优化方法 |
| CN113763522A (zh) * | 2021-09-18 | 2021-12-07 | 腾讯科技（深圳）有限公司 | 地图渲染方法、装置、设备和介质 |
| US20230099772A1 (en) * | 2021-09-29 | 2023-03-30 | Waymo Llc | Lane search for self-driving vehicles |
| DE102021211466A1 (de) | 2021-10-12 | 2023-04-13 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Generieren einer Straßenkarte für Fahrzeuge mit integrierter Geschwindigkeitsinformation |
| CN114088107B (zh) * | 2021-11-25 | 2024-08-06 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备和介质 |
| CN114387410B (zh) * | 2021-12-10 | 2023-03-24 | 阿波罗智能技术(北京)有限公司 | 道路数据融合的地图生成方法、装置以及电子设备 |
| CN114360261B (zh) * | 2021-12-30 | 2023-05-19 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
| CN114495489B (zh) * | 2021-12-30 | 2023-07-25 | 中智行(上海)交通科技有限公司 | 一种路口车道拓扑连接关系生成方法 |
| DE102022200057A1 (de) | 2022-01-05 | 2023-07-06 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Anreichern einer digitalen Karte für ein wenigstens teilautomatisiertes Fahrzeug mit Informationen betreffend Routenänderungen |
| DE102022101540A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenz-Fahrpfads für einen Fahrbahnabschnitt |
| DE102022101542A1 (de) | 2022-01-24 | 2023-07-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und Verfahren zur Ermittlung eines Referenzverlaufs |
| DE102022001568B3 (de) | 2022-05-04 | 2023-09-28 | Mercedes-Benz Group AG | Verfahren zur Modellierung von Fahrspurbegrenzungen |
| DE102022207651B4 (de) | 2022-07-26 | 2024-10-17 | Volkswagen Aktiengesellschaft | Erstellen eines logischen Wegenetzes in Parkräumen |
| DE102022207902A1 (de) | 2022-08-01 | 2024-02-01 | Volkswagen Aktiengesellschaft | Verfahren zum Betrieb eines Fahrerassistenzsystems für einen assistierten Spur-wechselvorgang eines Kraftfahrzeugs |
| US11727164B1 (en) * | 2022-09-21 | 2023-08-15 | Embark Trucks Inc. | Three-dimensional road geometry estimation |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3498310B2 (ja) * | 2001-04-23 | 2004-02-16 | 株式会社日立製作所 | 道路地図作成システム |
| JP4370869B2 (ja) * | 2003-09-25 | 2009-11-25 | トヨタ自動車株式会社 | 地図データ更新方法および地図データ更新装置 |
| WO2007010317A1 (en) * | 2005-07-22 | 2007-01-25 | Telargo Inc. | Method, device and system for modeling a road network graph |
| JP5064870B2 (ja) * | 2007-04-17 | 2012-10-31 | 株式会社日立製作所 | デジタル道路地図の生成方法及び地図生成システム |
| WO2010040401A1 (en) * | 2008-10-08 | 2010-04-15 | Tomtom International B.V. | A system and method for determining road attributes |
| US20130278441A1 (en) * | 2012-04-24 | 2013-10-24 | Zetta Research and Development, LLC - ForC Series | Vehicle proxying |
| TWI497063B (zh) * | 2012-11-21 | 2015-08-21 | Panasonic Corp | 複合材料中之纖維狀塡料的三維影像處理方法及三維影像處理裝置 |
| US9384394B2 (en) * | 2013-10-31 | 2016-07-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
| US9170116B1 (en) * | 2014-07-11 | 2015-10-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
| US10013508B2 (en) * | 2014-10-07 | 2018-07-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Joint probabilistic modeling and inference of intersection structure |
| US10533863B2 (en) * | 2014-10-10 | 2020-01-14 | Here Global B.V. | Apparatus and associated methods for use in lane-level mapping of road intersections |
| DE102015000399B4 (de) * | 2015-01-13 | 2019-08-29 | Audi Ag | Kartographieren von Fahrspuren mittels Fahrzeugflottendaten |
-
2017
- 2017-06-01 DE DE102017209346.3A patent/DE102017209346A1/de not_active Withdrawn
-
2018
- 2018-03-23 WO PCT/EP2018/057506 patent/WO2018219522A1/de active Application Filing
- 2018-03-23 US US16/617,774 patent/US20200132476A1/en not_active Abandoned
- 2018-03-23 EP EP18713229.5A patent/EP3631364A1/de not_active Withdrawn
- 2018-03-23 KR KR1020197038750A patent/KR20200012960A/ko unknown
- 2018-03-23 CN CN201880036146.8A patent/CN111065893A/zh active Pending
- 2018-03-23 JP JP2019566326A patent/JP2020524295A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102244237B1 (ko) * | 2020-10-22 | 2021-04-26 | 주식회사 그린블루 | 차선 정밀도로지도의 작성이 가능한 정밀도로지도 구축시스템 |
| KR20240023908A (ko) | 2022-08-16 | 2024-02-23 | (주)뷰런테크놀로지 | 이동체의 이동 경로를 이용한 차선 검출 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3631364A1 (de) | 2020-04-08 |
| WO2018219522A1 (de) | 2018-12-06 |
| US20200132476A1 (en) | 2020-04-30 |
| DE102017209346A1 (de) | 2019-01-10 |
| CN111065893A (zh) | 2020-04-24 |
| JP2020524295A (ja) | 2020-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20200012960A (ko) | 차선 정밀 도로 지도의 작성 방법 및 그 장치 | |
| CN106104656B (zh) | 地图信息生成系统、方法及程序 | |
| CN105043403B (zh) | 高精度地图路线规划系统及方法 | |
| CN110220521B (zh) | 一种高精地图的生成方法和装置 | |
| US10480954B2 (en) | Vehicle routing guidance to an authoritative location for a point of interest | |
| US11603114B2 (en) | Apparatus for generation of data of travel path inside intersection, program for generation of data of travel path inside intersection, and storage medium | |
| CN108847121A (zh) | 构建高精度地图的方法和装置 | |
| CN102102992A (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 | |
| CN111190211B (zh) | 一种gps失效位置预测定位方法 | |
| Zhang et al. | A lane-level road network model with global continuity | |
| CN113191550A (zh) | 地图匹配方法及装置 | |
| CN111272190A (zh) | 地图标定错误检测方法和装置 | |
| CN111311907B (zh) | 基于元胞传输模型的不确定基本图参数辨识的识别方法 | |
| CN116071722A (zh) | 基于路段轨迹的车道几何信息提取方法、系统、设备及介质 | |
| CN115424133A (zh) | 一种车道级高精度可计算路网构建方法、装置及电子设备 | |
| CN113514072B (zh) | 一种面向导航数据与大比例尺制图数据的道路匹配方法 | |
| CN116597398A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN115374498B (zh) | 一种考虑道路属性特征参数的道路场景重构方法及系统 | |
| Roeth et al. | Extracting lane geometry and topology information from vehicle fleet trajectories in complex urban scenarios using a reversible jump MCMC method | |
| Qu et al. | What is a typical signalized intersection in a city? A pipeline for intersection data imputation from OpenStreetMap | |
| CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
| KR102244237B1 (ko) | 차선 정밀도로지도의 작성이 가능한 정밀도로지도 구축시스템 | |
| CN113850915A (zh) | 一种基于Autoware的车辆循迹方法 | |
| Amara et al. | A GIS data realistic road generation approach for traffic simulation | |
| Roeth et al. | Road network reconstruction using reversible jump MCMC simulated annealing based on vehicle trajectories from fleet measurements |