[go: up one dir, main page]

CN111279153A - 基于地图数据的质量指标来促进车辆导航的装置、方法和计算机程序产品 - Google Patents

基于地图数据的质量指标来促进车辆导航的装置、方法和计算机程序产品 Download PDF

Info

Publication number
CN111279153A
CN111279153A CN201880064877.3A CN201880064877A CN111279153A CN 111279153 A CN111279153 A CN 111279153A CN 201880064877 A CN201880064877 A CN 201880064877A CN 111279153 A CN111279153 A CN 111279153A
Authority
CN
China
Prior art keywords
map data
quality
data
quality indicator
program code
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.)
Granted
Application number
CN201880064877.3A
Other languages
English (en)
Other versions
CN111279153B (zh
Inventor
B·瓦尔克
U·源
D·温斯坦
P·科尔达
X·陈
D·多利亚
P·伯纳德
R·赫尔特奇
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.)
Here Global BV
Original Assignee
Here Global BV
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 Here Global BV filed Critical Here Global BV
Publication of CN111279153A publication Critical patent/CN111279153A/zh
Application granted granted Critical
Publication of CN111279153B publication Critical patent/CN111279153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/28—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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)

Abstract

提供了一种装置、方法和计算机程序产品，以利用地图数据来促进诸如自动驾驶车辆的车辆的导航，其中以更加计算有效的方式提供与地图数据相关联的质量。在方法的上下文中，接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据。方法确定与地图数据相关联的质量指标，并基于与地图数据相关联的质量指标，相对于其它类型的传感器数据对地图数据的依赖度加权。方法进一步包括至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆的导航信息。

Description

基于地图数据的质量指标来促进车辆导航的装置、方法和计 算机程序产品
技术领域
提供了一种装置、方法和计算机程序产品，用于至少部分地基于与地图数据相关联的质量指标来促进车辆的导航，并且更具体地，用于促进诸如自动驾驶车辆的车辆的导航。
背景技术
车辆的导航通常取决于地图数据，该地图数据定义了道路上或周围的多个对象。这些对象包括路段、路标、车道标记、桥和许多其它特征。为了提供对地图数据的相对质量的一些保证，有时与地图数据关联高级语句(high level statement)，以提供对地图数据的质量的一般指示。由于驾驶员也负责车辆的导航和地图数据的评估，所以地图数据的质量的该一般指示对于依赖于车辆的手动驾驶的车辆行驶可能是足够的。
然而，自动驾驶车辆不依赖于车辆的手动驾驶，而是基于各种传感器数据来进行自动驾驶车辆的导航。因此，传感器数据通常必须具有更高的质量。该传感器数据由多种不同类型的传感器提供，传感器包括例如由车辆装载并被配置为采集车辆周围的环境图像的相机和其它检测器设备(诸如雷达系统、光检测和测距(LIDAR)系统等)。此外，自动驾驶车辆所依赖的传感器数据包括地图数据。基于对传感器数据的组合的分析，自动驾驶车辆沿着其路线被引导。为了依赖于不同类型的传感器数据，与不同类型的传感器数据中的每一者相关联的质量必须被定义，并且通常必须满足预定义的质量标准。尽管相机和其它检测器设备很容易被配置为提供有关所提供数据质量的信息，但有关地图数据质量的一般性高级语句通常不足以确保自动驾驶车辆的导航系统能够依赖于地图数据。
为了提供关于与地图数据相关联的质量的更详细的指示，可以将地图数据与已知具有预定义准确性的参考数据进行比较。然而，在任何规模上，地图数据与具有预定义准确性的参考数据的比较是计算密集且时间消耗的，并且在许多情况下，即使不是不可能，但也是不切实际的。由于在导航期间自动驾驶车辆消耗的地图数据量相对较大，因此在大多数(如果不是全部)涉及自动驾驶车辆的情况下，无法合理地进行地图数据与具有预定义准确性的参考数据的比较来评估地图数据的质量。
发明内容
根据示例实施例，提供了一种装置、方法和计算机程序产品，以便利用地图数据来促进诸如自动驾驶车辆的车辆的导航，在该地图数据中以更加计算有效的方式提供与地图数据相关联的质量。通过提供关于与地图数据相关联的质量的指示，诸如自动驾驶车辆的车辆的导航可以在确定地图数据与其它类型的传感器数据组合的方式时考虑与地图数据相关联的质量，从而允许自动驾驶车辆以可靠和可信赖的方式导航。根据示例实施例，与地图数据相关联的质量信息是细粒度的或本地化的，从而进一步促进确定相对于其它类型的传感器数据可以依赖于地图数据的方式，以及以本地化方式进行的车辆的导航。因此，组合不同类型的传感器数据以便促进车辆导航的方式可以取决于与在不同位置处的地图数据相关联的质量的变化而在不同位置之间改变，从而进一步提高地图数据支持的导航的可靠性和可信赖性。
在示例实施例中，提供了一种用于促进车辆的导航的方法，该方法包括接收包括地图数据、相机数据和检测器数据的多种不同类型的传感器数据。例如，该方法可以分别从车辆上的相机和检测器接收相机数据和检测器数据。该方法确定与地图数据相关联的质量指标，并基于与地图数据相关联的质量指标，相对于其它类型的传感器数据对地图数据的依赖度加权。例如，质量指标可以包括用于对象的准确性的质量预测、用于对象的存在置信度的质量预测和/或用于对象的分类内容的质量预测。该方法进一步包括至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆的导航信息。
关于对地图数据的依赖度进行加权，示例实施例的方法在质量指标指示地图数据具有更高质量的实例中比在质量指标指示地图数据具有更低质量的实例中设置更高的地图数据相对于其它类型的传感器数据的依赖度。在其中车辆包括自动驾驶车辆的实施例中，导航信息的确定可以包括至少部分地基于相对于其它类型的传感器数据对地图数据的加权来定义自动驾驶车辆要遵循的路线。示例性实施例的方法还包括通过使与一个或多个对象相关联的质量指标随时间推移衰减直到与一个或多个对象相关联的地图数据被刷新，来修改与地图数据所表示的一个或多个对象相关联的质量指标。在此方面，与一个或多个对象相关联的质量指标随时间推移取决于由地图数据表示的对象的类型而以不同的速率衰减。关于确定质量指标，示例实施例的方法分别确定针对由地图数据表示的一个或多个离散对象和一个或多个连续对象的质量指标。
在另一个实施例中，提供了一种用于促进车辆的导航的装置。装置包括至少一个处理器和包括计算机程序代码的至少一个存储器，至少一个存储器和该计算机程序代码采用处理器被配置为使装置至少接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据。例如，不同类型的传感器数据可以包括分别来自车辆上的相机和检测器的相机数据和检测器数据。至少一个存储器和计算机程序代码采用处理器还被配置为使装置确定与地图数据相关联的质量指标，并基于与地图数据相关联的质量指标，相对于其它类型的传感器数据对地图数据的依赖度加权。例如，质量指标可以是用于对象的准确性的质量预测、用于对象的存在置信度的质量预测和/或用于对象的分类置信度的质量预测中的一个或多个。至少一个存储器和计算机程序代码采用处理器进一步被配置为使装置至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆的导航信息。
至少一个存储器和计算机程序代码采用处理器被配置为使示例实施例的装置通过在质量指标指示地图数据具有更高质量的实例中比在质量指标指示地图数据具有更低质量的实例中设置更高的地图数据相对于其它类型的传感器数据的依赖度，来对地图数据的依赖度加权。在其中车辆包括自动驾驶车辆的实施例中，至少一个存储器和计算机程序代码采用处理器被配置为使示例实施例的装置通过至少部分地基于相对于其它类型的传感器数据对地图数据的加权来定义自动驾驶车辆要遵循的路线，而确定导航信息。至少一个存储器和计算机程序代码采用处理器进一步被配置为使示例实施例的装置通过使与一个或多个对象相关联的质量指标随时间推移衰减直到与一个或多个对象相关联的地图数据被刷新，来随时间推移修改与由地图数据表示的一个或多个对象相关联的质量指标。在此方面，与一个或多个对象相关联的质量指标随时间推移取决于由地图数据表示的对象的类型而以不同的速率衰减。至少一个存储器和计算机程序代码采用处理器被配置为使示例实施例的装置通过分别确定针对由地图数据表示的一个或多个离散对象和一个或多个连续对象的质量指标，来确定质量指标。
在另一个示例实施例中，提供了一种用于促进车辆的导航的计算机程序产品。计算机程序产品包括具有存储在其中的计算机可执行程序代码部分的至少一个非暂态计算机可读存储介质。计算机可执行程序代码部分包括程序代码指令，该程序代码指令被配置为接收包括地图数据、相机数据和检测器数据的多种不同类型的传感器数据。例如，相机数据和检测器数据可以分别从车辆上的相机和检测器接收。计算机可执行程序代码部分还包括被配置为确定与地图数据相关联的质量指标的程序代码指令。在此方面，质量指标可以包括用于对象的准确性的质量预测、用于对象的存在置信度的质量预测和/或用于对象的分类置信度的质量预测中的一个或多个。计算机可执行程序代码部分另外包括被配置为基于与地图数据相关联的质量指标而相对于其它类型的传感器数据对地图数据的依赖度加权的程序代码指令，以及被配置为至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆的导航信息的程序代码指令。
在一个实施例中，被配置为对地图数据的依赖度进行加权的程序代码指令可包括：被配置为在质量指标指示地图数据具有更高质量的实例中比在质量指标指示地图数据具有更低质量的实例中设置更高的地图数据相对于其它类型的传感器数据的依赖度的程序代码指令。在其中车辆包括自动驾驶车辆的实施例中，被配置为确定导航信息的程序代码指令可包括被配置为至少部分地基于相对于其它类型的传感器数据对地图数据的加权来定义自动驾驶车辆要遵循的路线的程序代码指令。在示例实施例中，计算机可执行程序代码部分进一步包括被配置为通过使与一个或多个对象相关联的质量指标随时间推移衰减直到与一个或多个对象相关联的地图数据被刷新来随时间推移修改与由地图数据表示的一个或多个对象相关联的质量指标的程序代码指令。例如，与一个或多个对象相关联的质量指标可随时间推移取决于由地图数据表示的对象的类型而以不同的速率衰减。根据示例实施例被配置为确定质量指标的程序代码指令包括被配置为分别确定针对由地图数据表示的一个或多个离散对象和一个或多个连续对象的质量指标的程序代码指令。
在另一个示例实施例中，提供了一种用于促进车辆的导航的装置，装置包括用于接收包括地图数据、相机数据和检测器数据的多种不同类型的传感器数据的部件。示例实施例的装置还包括：用于确定与地图数据相关联的质量指标的部件，以及用于基于与地图数据相关联的质量指标来相对于其它类型的传感器数据对地图数据的依赖度进行加权的部件。示例实施例的装置进一步包括用于至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆的导航信息的部件。
附图说明
这样，已经概括地描述了本公开的某些示例实施例，下面将参考附图，这些附图不一定按比例绘制，并且在附图中：
图1是根据本公开的示例实施例的自动驾驶车辆的示意图，该自动驾驶车辆至少部分地基于包括相对彼此加权的地图数据、相机数据和检测器数据的不同类型的传感器数据来导航；
图2是根据本公开的示例实施例专门配置并且配置为从各种不同类型的传感器接收传感器数据的装置的框图；
图3是示出根据本公开的示例实施例的诸如由图2的装置执行的操作的流程图；以及
图4是根据本公开的示例实施例的具有多个对象的地图的一部分的示意图，针对其定义质量指标。
具体实施方式
现在将在下面参考附图更充分地描述一些实施例，在附图中示出了一些但不是全部实施例。实际上，各种实施例可以以许多不同的形式来体现，并且不应被解释为限于在此阐述的实施例；相反，提供这些实施例是为了使本公开满足适用的法律要求。全文中，相同的参考标号表示相同的元件。如在此所使用的，根据本公开的实施例，术语“数据”、“内容”、“信息”和类似术语可以互换使用，以指代能够被发送、接收和/或存储的数据。因此，不应使用任何此类术语来限制本公开的实施例的精神和范围。
提供了一种装置、方法和计算机程序产品，以促进诸如自动驾驶车辆的车辆(其可以是完全自动驾驶车辆或部分自动驾驶车辆)的导航。在此方面，示例实施例的装置、方法和计算机程序产品基于包括地图数据、相机数据和检测器数据的各种不同类型的传感器数据来促进车辆的导航。至少部分地基于与地图数据相关联的质量指标，示例实施例的装置、方法和计算机程序产品对包括地图数据的不同类型的传感器数据的依赖度进行不同地加权，从而提高了自动驾驶车辆的最终导航的可靠性和可信赖性。
由于与地图数据相关联的质量指标可以在本地基础上被分别确定，所以根据示例实施例，针对包括地图数据的不同类型的传感器数据的依赖度可随位置而变化，以便进一步增加示例实施例的装置、方法和计算机程序产品所促进的导航的可靠性和可信赖性。另外地或可替代地，为了将某些对象的位置可能随时间推移而变化的可能性纳入考虑，在质量数据被刷新前，由地图数据表示的至少一些对象的质量指标可随时间推移而衰减。因此，根据由地图数据表示的至少一些对象的潜在变化，针对不同类型的传感器数据的依赖度可随时间推移而相应地变化。
现在参考图1，示意性地示出了自动驾驶车辆10。用于促进自动驾驶车辆的导航的装置12被配置为接收各种不同类型的传感器数据。该装置可以由车辆装载，或者可以在车辆外但是与车辆通信，诸如通过与车辆上的导航和/或地图系统通信。如图1中所示，该装置被配置为从自动驾驶车辆上的相机16接收相机数据，并从自动驾驶车辆上的一个或多个检测器18接收检测器数据。自动驾驶车辆可以装载不同类型的检测器，并且检测器被配置为提供检测器数据，包括例如雷达系统、LIDAR系统和/或等。取决于由自动驾驶车辆装载的相机的类型和检测器设备的类型，相机数据和检测器数据通常具有与其相关联的预定义的相应质量。
用于促进自动驾驶车辆10的导航的装置12还被配置为接收地图数据形式的传感器数据。地图数据可以由车辆上的地图数据库存储，或者可以由远离车辆的地图数据库14提供，但是对于该装置是可评估的，诸如经由装置的通信接口，以促进自动驾驶车辆的导航。地图数据识别多个对象以及相应对象的位置，并且在一些情况下，还识别与对象相关联的一个或多个属性。如在此所述，质量指标与地图数据相关联，并且更具体地，与由地图数据表示的对象相关联，以允许示例实施例的装置至少部分地基于与地图数据相关联的质量指标对地图数据相对于其它类型的传感器数据的依赖度进行不同地加权。通过对具有更高质量的地图数据的依赖度比对具有更低质量的地图数据的依赖度进行更大程度地加权，针对车辆(诸如自动驾驶车辆)生成的导航信息可具有提高的可靠性和可信赖性。
与地图数据相关联的质量指标可以以各种不同的方式来定义。在一个实施例中，质量指标包括与地图数据所表示的多个对象中的每一个对象相关联的一组质量值。例如，一个实施例的一组质量值包括用于对象的准确性的质量预测(代表相应对象的绝对位置误差值的地理空间准确性误差)、用于对象的存在置信度的质量预测和/或用于对象的分类置信度的质量预测。
由于对每个地图特征的绝对位置误差的直接测量是不切实际的，因此可以预测包括地理空间准确性误差的一组质量值，而不是对其进行测量。尽管可以以各种方式预测地理空间准确性误差，但是根据示例实施例，通过概率分布来预测绝对位置误差r。概率分布的特征在于概率密度函数F(r)，根据该函数，相应的对象符合R的绝对位置误差要求的概率可以定义为：AO＝Pr(r≤R)＝r＝R∫r＝0F(r)dr。尽管可以以各种方式定义概率密度函数F(r)，但是在一个实施例中，概率密度函数F(r)可以基于基于机器学习的技术以逐案的基础而定义。通过针对由地图数据表示的多个不同对象中的每一个对象重复该概率分布的确定，可以在本地基础上定义预测绝对位置误差r，其表示相应对象的地理空间准确性误差。
如上所述，一组质量值还包括用于存在置信度的质量预测，其表示地图对象的正确表示的置信度。例如，存在置信度提供了对由地图表示的对象的存在是否是真肯定(truepositive)而非假否定(false negative)的度量。可以在从预测模型和/或从对象检测算法创建地图期间提供存在置信度值。在示例实施例中，与相应对象相关联的存在置信度EO被定义为相应对象是真肯定的概率。
如上所述，一组质量值中的另一质量值是用于分类置信度的质量预测。分类置信度假定相应对象的存在，并提供关于对象或相应对象的属性是否已经正确分类的度量。可以在地图创建期间诸如从预测模型或从分类算法提供分类置信度。在一个实施例中，分类置信度CA被定义为属性被正确分类的概率。
如所描述的，质量指标(诸如一组质量值)可以基于每个对象来定义，也就是说，采用针对每个相应对象的一组质量值来定义。然而，也可以或可替代地针对验证组定义质量指标。验证组是指符合一个或多个特征类(诸如可以预定义)的一组对象。举例来说，预定义的特征类可以包括桥梁、坡道、道路分隔线、车道标记颜色、车道标记材料、车道标记样式、路边障碍和标志面。单个地图对象可以是多个验证组的元素。例如，路标可以是分类标志验证组、本地化模型对象验证组以及本地化和车道模型对象验证组的元素。
相对于相应验证组中包含的特征类内的所有参考数据对象，确定用于验证组的质量指标。因此，关于其中路标被包括在三个单独的验证组中的前述示例，可以将与三个不同的验证组(路标是其成员)中的每一个验证组相关联的质量指标与路标相关联，该质量指标针对路标本身基于对象而限定。关于上述的一组质量值，仅代表相应的对象而不是针对验证组来确定用于分类置信度的质量预测。然而，可以针对相应的对象以及相应的对象是其成员的每个验证组来确定地理空间预测误差和存在置信度的质量预测。
关于验证组的地理空间预测误差，可以将地理空间预测误差AVG定义为预测的相对位置误差s的概率分布，其中概率密度函数G(s)被定义为：AVG＝Pr(s≤S)＝s＝S∫s＝0G(s)ds。尽管可以以各种方式定义概率密度函数G(s)，但是在一个实施例中，概率密度函数G(s)可以基于基于机器学习的技术在逐案的基础上定义。因此，概率密度函数为相应的验证组AVG提供了地理空间预测误差，该地理空间预测误差定义了验证组中对象的总体配置的概率以及对象组的配置是否与真实世界中所表示对象的配置相匹配。另外，针对验证组定义的存在置信度值EVG的质量预测确定了作为验证组元素的对象确实存在并因此被表示为真肯定而不是假否定的概率。换句话说，验证组的存在置信度EVG可以被定义为关于相应验证组的所有元素是否都是真实世界对象的概率，并且例如可以在地图创建期间通过预测模型或从对象检测算法提供。
作为示例，图4描绘了一对路段、多个路标和坡道。以对象为基础，并且如图4中所示，针对每个对象(即，针对每个路标，每个路段的坡道和属性(例如每个车道标记))定义地理空间准确性误差AO、对象的存在置信度EO的质量预测和分类置信度CA的质量预测。此外，可以为一个或多个验证组(包括车道线验证组、标志面验证组等)确定一组质量值，包括地理空间准确性误差和存在置信度的质量预测。
诸如可以由上述一组质量值表示的质量指标可以有利地间接表示其它类型的质量信息。例如，质量指标可以间接表示由于某些对象的形状而固有的测量和检测不确定性，诸如可以称为模糊性。例如，因为护栏的精确位置的一致测量和通信可能发生变化，所以护栏的形状可能引入测量和检测不确定性。在此方面，处于不同高度的传感器可以以不同的偏移量识别护栏，从而在护栏的解释位置中导致一定程度的测量和检测不确定性。因此，测量和检测不确定性(即，模糊性)可以间接由地理空间预测误差表示，而地理空间预测误差进而基于所测量的护栏的位置。
质量指标(诸如一组质量值)也可以间接表示与地图数据的源相关联的质量问题。在此方面，在创建和更新地图时利用的源数据的特性，诸如源的类型，与包括该地图的地图数据相关联的年份或滞后时间，采集地图数据的密度，地图数据的一致性等可以由质量指标间接地表示。质量指标还间接表示对创建地图数据所代表的对象的过程所引入的地图数据的质量的任何影响。在此方面，创建由地图数据表示的不同对象的过程可随时间推移变化或演变，并且因此，可能引入由质量指标间接表示的附加或不同的质量问题。质量指标还可以间接地表示与由地图表示的真实世界对象所驻留的行政区域(诸如国家或州)有关的质量问题，因为与不同的行政区域相关联的地图数据的质量可能相应地改变。
质量指标可以与离散对象相关联，诸如可以由单点或横线表示。在此方面，质量指标可以与各种不同类型的离散对象(诸如路标、杆状对象或车道终点)相关联。然而，质量指标也可以与沿道路纵向延伸的连续对象(诸如跨道路离散化单元，例如路段)相关联。连续对象的示例包括路段、沿路段竖立的护栏、沿路段延伸的车道标记等。在此方面，路段是由起点、终点和侧向边界描述的唯一可识别定义明确的地理离散。另外地或可替代地，质量指标也可以与对象的属性(诸如以路标形式的离散对象的符号分类和以路段形式的连续对象的车道标记颜色)相关联。
现在参考图2，描绘了可以根据示例实施例具体配置的装置12的框图。该装置可以由各种不同类型的计算装置来体现，包括例如，地图或导航系统、高级驾驶员辅助系统(ADAS)、全球定位系统(GPS)或车辆(诸如自动驾驶车辆)装载或之外的其它类型的计算设备。无论实施该装置的方式如何，所示实施例的装置包括如下，与如下相关联，或与如下通信：诸如处理器22和存储器24的处理电路20，以及可选地通信接口26和/或用户接口28。
在处理电路20的一些实施例中，处理器22(和/或协处理器、或辅助或以其它方式与处理器相关联的任何其它电路)可以经由总线与存储器设备24通信，用于在装置12的组件之间传递信息。存储器设备可以是非暂态的，并且可以包括例如一个或多个易失性和/或非易失性存储器。换句话说，例如，存储器设备可以是包括门的电子存储设备(例如，计算机可读存储介质)，该电子存储设备被配置为存储可由机器(例如，如处理器的计算设备)取得的数据(例如，位)。因此，存储器设备用作计算机可读存储介质，其指示物理存储介质(例如，易失性或非易失性存储器设备)，并且不同于指示电磁信号的计算机可读传输介质。存储器设备可以被配置为存储信息、数据、内容、应用、指令等，以使装置能够根据示例实施例执行各种功能。例如，存储器设备可以被配置为缓冲输入数据以供处理器处理。另外地或可替代地，存储器设备可以被配置为存储指令以供处理器执行。
处理器22可以多种不同方式体现。例如，处理器可被体现为各种硬件处理部件中的一个或多个部件，诸如协处理器、微处理器、控制器、数字信号处理器(DSP)、具有或不具有伴随DSP的处理元件或各种其它处理电路，包括集成电路，诸如例如ASIC(专用集成电路)、FPGA(现场可编程门阵列)、微控制器单元(MCU)、硬件加速器、专用计算机芯片等。另外地或可替代地，处理器可以包括经由总线串联配置的一个或多个处理器，以使得能够独立执行指令、流水线和/或多线程。
在示例实施例中，处理器22可以被配置为执行存储在存储器设备24中或以其它方式可被处理器访问的指令。可替代地或另外地，处理器可以被配置为执行硬编码功能。因此，无论是通过硬件或软件方法配置，还是通过其组合配置，处理器均可以表示能够执行根据相应配置时的实施例的操作的实体(例如，物理地体现在电路中)。因此，例如，当处理器被体现为ASIC、FPGA等时，处理器可以是被具体配置的用于进行在此所述操作的硬件。可替代地，作为另一示例，当处理器被体现为软件指令的执行器时，指令可以具体地配置处理器以在执行指令时执行在此所述的算法和/或操作。然而，在一些情况下，处理器可以是特定设备(例如，计算设备)的处理器，该特定设备被配置为采用通过处理器用执行在此描述的算法和/或操作的指令的进一步配置的实施例。处理器可包括除其它外的时钟、算术逻辑单元(ALU)和被配置为支持处理器的操作的逻辑门。
示例实施例的装置12还包括通信接口26。通信接口可以是被配置为从与该装置通信的其它电子设备接收数据和/或向其发送数据的任何部件，诸如以硬件或硬件和软件的组合体现的设备或电路的任何部件。在此方面，通信接口可以包括例如天线(或多个天线)以及用于实现与多种不同类型的网络(诸如第一类型的网络和第二类型的网络)进行通信的支持硬件和/或软件。另外地或可替代地，通信接口可以包括用于与天线交互以经由天线引起信号传输或处理经由天线接收的信号的接收的电路。
装置12还可以可选地包括用户接口28，用户接口可转而与处理电路20通信以向用户提供输出，并且在一些实施例中，以接收用户输入的指示。因此，用户接口可以包括显示器，并且在一些实施例中，还可以包括键盘、鼠标、操纵杆、触摸屏、触摸区域、软键、一个或多个麦克风、多个扬声器或其它输入/输出机制。在一个实施例中，处理电路可以包括用户接口电路，该用户接口电路被配置为控制一个或多个用户接口元件(诸如显示器，并且在一些实施例中，为多个扬声器、振铃器、一个或多个麦克风等)的至少一些功能。处理电路和/或用户接口电路可被配置为通过存储在处理电路可访问的存储器(例如，存储器设备22等)上的计算机程序指令(例如，软件和/或固件)来控制一个或多个用户接口元件的一个或多个功能。
现在参考图3，描绘了根据示例实施例的诸如由图2的装置12执行的操作，以便促进诸如自动驾驶车辆的车辆10的导航。如图3的框30中所示，该装置包括诸如处理电路20、处理器22、通信接口26等的部件，用于接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据。在一个实施例中，可以从地图数据库14接收地图数据，地图数据库14是该装置的组成部分，或者与该装置相关联以及与该装置通信，诸如远程地图数据库。相机数据和检测器数据可以由诸如自动驾驶车辆的车辆装载的相机16和一个或多个检测器设备18(诸如雷达系统、LIDAR系统等)提供。装置可以直接从相机和检测器接收相机数据和检测器数据，或者相机数据和/或检测器数据存储在存储器22(诸如数据库)中以供装置随后取得。
如图3的框32所示，装置12还包括用于确定与地图数据相关联的质量指标的部件，诸如处理电路20、处理器22等。尽管装置(诸如处理电路)可以以各种不同的方式确定质量指标，但是示例实施例的装置(诸如处理电路)可以根据一组质量值(诸如如上所述，用于对象的准确性的质量预测、用于对象的存在置信度的质量预测和/或用于对象的分类置信度的质量预测)来确定质量指标。同样如上所述，该装置(诸如处理电路)被配置为确定由地图数据表示的多个不同的相应对象中的每个对象和/或包括相应类型的一个或多个对象的多个不同的验证组中的每个验证组的质量指标。此外，示例实施例的装置(诸如处理电路)被配置为分别确定由地图数据表示的一个或多个离散对象和一个或多个连续对象(诸如路段)的质量指标。
如图3的框34所示，装置12还包括用于基于与地图数据相关联的质量指标相对于其它类型的传感器数据对地图数据的依赖度加权的部件，诸如处理电路20、处理器22等。在此方面，装置(诸如处理电路)被配置为通过在质量指标指示地图数据具有更高质量的实例中设置比在质量指标指示地图数据具有更低质量的实例中更高的地图数据相对于其它类型的传感器数据的依赖度，来对地图数据的依赖度加权。因此，相比在质量指标指示地图数据具有较低质量的实例，可以在质量指标指示地图数据具有较高质量的实例中更大程度地依赖地图数据。装置(诸如处理电路)相对于其它类型的传感器数据对地图数据的依赖度加权的方式可以以各种方式定义，但是在一个实施例中，与地图数据相关联的加权和与地图数据相关联的质量指标(诸如与地图数据相关联的质量指标的归一化表示)成正比。
如图3的框36所示，装置12进一步包括用于至少部分地基于相对于其它类型的传感器数据对地图数据的加权来确定用于车辆10的导航信息的部件，诸如处理电路20、处理器22等。在此方面，装置(诸如处理电路)被配置为在其中相对于其它类型的传感器数据对地图数据设置更高的依赖度的实例中比在其中相对于其它类型的传感器数据对地图数据设置更低的依赖度的实例中更大程度地基于相对于其它类型的传感器数据的地图数据来确定导航信息。实际上，在其中相应的加权与地图数据和其它类型的传感器数据相关联的实例中，可以基于地图数据和其它类型的传感器数据的相应的加权来确定导航信息。在该示例中，在由于地图数据具有较高的质量指标而对地图数据设置更高的依赖度的实例中，可以主要基于地图数据而很少依赖于其它类型的传感器数据，来为车辆定义路线。相反，在地图数据具有相对较低的质量指标的实例中，可以由于地图数据的较低的质量指标而对地图数据设置较小的依赖度，而对其它类型的传感器数据(包括相机数据和/或检测器数据)设置较大的依赖度，从而定义路线。
就相对于其它类型的传感器数据对地图数据的依赖度而言，每个自动驾驶车辆可具有与地图不同的需求，使得示例实施例的装置12(诸如处理电路20)可以相对于其它类型的传感器数据对地图数据的依赖度进行定制，以便根据车辆的需要确定最优路线。就导航信息而言，质量指标可以另外地或可替代地允许车辆在各种候选路线中进行选择，以便提高地图质量。在一些实施例中，相对于其它类型的传感器数据对地图数据的依赖度加权的方式还可以至少部分地取决于其它因素，诸如天气数据，而相对于其它类型的传感器数据对地图数据的依赖度至少部分地取决于车辆10正在或将要行驶通过的天气。
在前述示例中，车辆10可以是自动驾驶车辆，并且装置12(诸如处理电路20)可以被配置为通过至少部分地基于地图数据相对于其它类型的传感器数据的加权来定义自动驾驶车辆要遵循的路线来确定导航信息。然而，所确定的导航信息可以诸如结合路线的限定、针对手动致动的车辆的驾驶员的估计到达时间的计算等被其它类型的车辆利用。
在示例实施例中，质量指标是动态的，其中与地图数据相关联的质量指标和对地图数据的加权的依赖度被反复确定以考虑例如质量指标的衰减和刷新和/或对新的或不同的地图数据的采集。例如，该实施例的装置12还包括用于确定是否要修改质量指标，并且如果是，则用于随时间推移修改与地图数据所表示的一个或多个对象相关联的质量指标的部件，诸如处理电路20、处理器22等。参见图3的框38。在此方面，装置(诸如处理电路)被配置为使与一个或多个对象相关联的质量指标随时间推移衰减，直到与该一个或多个对象相关联的地图数据被刷新为止。质量指标的衰减反映了随着时间流逝，代表相应对象的地图数据的质量上的逐渐降低，因为相应对象的位置和存在可随时间推移变化，从而不能再由地图数据准确地表示出来，由此导致随时间推移降低并衰减的质量指标。与一个或多个对象相关联的质量指标可随时间推移取决于地图数据表示的对象的类型而以不同的速率衰减。例如，一些类型的对象在位置和存在方面随时间推移变化很小，甚至根本没有变化，从而具有随时间推移非常缓慢(如果有的话)衰减的质量指标。相反，其它对象更有可能随时间推移经历位置或存在的变化，并且因此，可具有随时间推移更快地衰减的对应质量指标。可以基于对象的类型来预先定义与不同类型的对象衰减相关联的质量指标的速率，其中例如由存储器24存储并由处理电路引用衰减速率以便诸如重复或定期修改质量指标。在由于质量指标的衰减而对质量指标进行修改之后，装置(诸如处理电路)可以再次基于与地图数据相关联的质量指标相对于其它类型的传感器数据对地图数据的依赖度进行加权，并且然后至少部分地基于地图数据相对于其它类型的传感器数据的加权来确定用于车辆的导航信息。
在被刷新后，可以采用指示地图数据具有比代表相应对象的地图数据的先前衰减版本更高质量的所得质量指标频繁确定与由地图表示的对象相关联的质量指标。因此，由于与质量数据随时间推移的衰减以及地图数据的刷新和/或由于接收到附加或新的传感器数据(包括附加或新的地图数据)而反复确定与地图数据相关联的质量指标，并且基于与地图数据相关联的质量指标对相对于其它类型的传感器数据的对地图数据的依赖度反复加权之后，可以反复地确定用于车辆的导航信息。
示例实施例的装置12、方法和计算机程序产品利用地图数据促进了诸如自动驾驶车辆的车辆10的导航，其中以更计算有效的方式提供与地图数据相关联的质量，诸如基于预测，而不是与参考数据进行比较。通过提供关于与地图数据相关联的质量的指示，诸如自动驾驶车辆的车辆的导航可以在确定地图数据与其它类型的传感器数据组合的方式方面考虑与地图数据相关联的质量，从而允许自动驾驶车辆以可靠和可信赖的方式导航。由于根据示例实施例与地图数据相关联的质量信息与对象和/或对象的属性相关联，因此该质量信息是粒状的或本地化的，从而进一步促进对可相对于其它类型的传感器数据而依赖地图数据的方式的确定，以及车辆以本地化方式进行的导航。因此，组合不同类型的传感器数据(包括地图数据)以便于车辆导航的方式可取决于不同位置处与地图数据相关联的质量的变化和/或随时间推移与地图数据相关联的质量的变化而因位置而异，从而进一步提高了地图数据支持的导航的可靠性和可信赖性。
如上所述，图3示出了根据本发明示例实施例的装置12、方法和计算机程序产品的流程图。将理解的是，流程图的每个框以及流程图中的框的组合可以通过各种部件来实现，诸如硬件、固件、处理器、电路和/或与包括一个或多个计算机程序指令的软件的执行相关联的其它设备。例如，上述过程中的一个或多个过程可以由计算机程序指令来体现。在此方面，体现上述过程的计算机程序指令可以由装置的存储器设备24存储，并由处理电路20、处理器22等执行。将理解，任何此类计算机程序指令可以被加载到计算机或其它可编程装置(例如，硬件)以产生机器，使得所得到的计算机或其它可编程装置实现流程图框中指定的功能。这些计算机程序指令还可以存储在计算机可读存储器中，该计算机可读存储器可以指导计算机或其它可编程装置以特定方式起作用，使得存储在计算机可读存储器中的指令产生制品，该制品的执行实现流程图框中指定的功能。也可以将计算机程序指令加载到计算机或其它可编程装置上，以使一系列操作在计算机或其它可编程装置上执行以产生计算机实现的过程，使得在计算机或其它可编程装置上执行的指令提供用于实现流程图框中指定的功能的操作。
因此，流程图的框支持用于执行指定功能的部件的组合以及用于执行指定功能的用于执行指定功能的操作的组合。还将理解，流程图的一个或多个框以及流程图中的框的组合可以通过执行指定功能的基于专用硬件的计算机系统或专用硬件和计算机指令的组合来实现。
在一些实施例中，可以修改或进一步放大上述操作中的某些操作。此外，在一些实施例中，可以包括附加的可选操作。对以上操作的修改、添加或放大可以以任何顺序和以任何组合来执行。
受益于前述说明书和相关附图中呈现的教导，这些发明所属领域的技术人员将想到在此阐述的本发明的许多修改和其它实施例。因此，应当理解，本发明不限于所公开的特定实施例，并且修改和其它实施例旨在被包括在所附权利要求的范围内。此外，尽管前述描述和相关附图在元件和/或功能的某些示例性组合的上下文中描述了示例性实施例，但是应当理解，在不脱离所附权利要求的范围的情况下，元件和/或功能的不同组合也可以由替代实施例提供。在此方面，例如，如上文所附权利要求中的一些所阐述的，与上文明确描述的元件和/或功能的不同组合也被考虑。尽管本文采用了特定术语，但是它们仅在一般性和描述性意义上使用，而不是出于限制的目的。

Claims (24)

1.一种用于促进车辆的导航的方法，所述方法包括：
接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据；
确定与所述地图数据相关联的质量指标；
基于与所述地图数据相关联的所述质量指标，相对于其它类型的传感器数据对所述地图数据的依赖度加权；以及
至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来确定用于所述车辆的导航信息。
2.根据权利要求1所述的方法，其中，对所述地图数据的依赖度进行加权包括：在所述质量指标指示所述地图数据具有更高质量的实例中设置比在所述质量指标指示所述地图数据具有更低质量的实例中更高的相对于其它类型的传感器数据对所述地图数据的依赖度。
3.根据权利要求1所述的方法，其中，接收所述多种不同类型的传感器数据包括分别从所述车辆上的相机和检测器接收相机数据和检测器数据。
4.根据权利要求1所述的方法，其中，所述车辆包括自动驾驶车辆，并且其中，确定导航信息包括：至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来定义所述自动驾驶车辆要遵循的路线。
5.根据权利要求1所述的方法，进一步包括通过使与所述一个或多个对象相关联的所述质量指标随时间推移衰减直到与所述一个或多个对象相关联的所述地图数据被刷新，来随时间推移修改与所述地图数据所表示的一个或多个对象相关联的所述质量指标。
6.根据权利要求5所述的方法，其中，与一个或多个对象相关联的所述质量指标随时间推移取决于由所述地图数据表示的对象的类型而以不同的速率衰减。
7.根据权利要求1所述的方法，其中，确定所述质量指标包括：分别确定针对由所述地图数据表示的一个或多个离散对象和一个或多个连续对象的所述质量指标。
8.根据权利要求1所述的方法，其中，确定所述质量指标包括：确定用于对象的准确性的质量预测、用于所述对象的存在置信度的质量预测或用于所述对象的分类置信度的质量预测中的一个或多个。
9.一种用于促进车辆的导航的装置，所述装置包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码采用所述处理器被配置为使所述装置至少：
接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据；
确定与所述地图数据相关联的质量指标；
基于与所述地图数据相关联的所述质量指标，相对于其它类型的传感器数据对所述地图数据的依赖度加权；以及
至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来确定用于所述车辆的导航信息。
10.根据权利要求9所述的装置，其中，所述至少一个存储器和计算机程序代码采用所述处理器被配置为使所述装置通过在所述质量指标指示所述地图数据具有更高质量的实例中设置比在所述质量指标指示所述地图数据具有更低质量的实例中更高的相对于其它类型的传感器数据对所述地图数据的依赖度，来对所述地图数据的依赖度加权。
11.根据权利要求9所述的装置，其中，所述至少一个存储器和计算机程序代码被配置为使所述装置通过分别从所述车辆上的相机和检测器接收相机数据和检测器数据，来接收多种不同类型的传感器数据。
12.根据权利要求9所述的装置，其中，所述车辆包括自动驾驶车辆，并且其中，所述至少一个存储器和计算机程序代码采用所述处理器被配置为使所述装置通过至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来定义所述自动驾驶车辆要遵循的路线，来确定导航信息。
13.根据权利要求9所述的装置，其中，所述至少一个存储器和计算机程序代码采用所述处理器进一步被配置为使所述装置通过使与所述一个或多个对象相关联的所述质量指标随时间推移衰减直到与所述一个或多个对象相关联的所述地图数据被刷新，来随时间推移修改与所述地图数据所表示的一个或多个对象相关联的所述质量指标。
14.根据权利要求13所述的装置，其中，与一个或多个对象相关联的质量指标随时间推移取决于由所述地图数据表示的对象的类型而以不同的速率衰减。
15.根据权利要求9所述的装置，其中，所述至少一个存储器和计算机程序代码采用所述处理器被配置为使所述装置通过分别确定针对由所述地图数据表示的一个或多个离散对象和一个或多个连续对象的所述质量指标，来确定所述质量指标。
16.根据权利要求9所述的装置，其中，所述至少一个存储器和计算机程序代码采用所述处理器被配置为使所述装置通过确定用于对象的准确性的质量预测、用于所述对象的存在置信度的质量预测或用于所述对象的分类置信度的质量预测中的一个或多个，来确定所述质量指标。
17.一种用于促进车辆的导航的计算机程序产品，所述计算机程序产品包括具有存储在其中的计算机可执行程序代码部分的至少一个非暂态计算机可读存储介质，所述计算机可执行程序代码部分包括程序代码指令，所述程序代码指令被配置为：
接收多种不同类型的传感器数据，包括地图数据、相机数据和检测器数据；
确定与所述地图数据相关联的质量指标；
基于与所述地图数据相关联的所述质量指标，相对于其它类型的传感器数据对所述地图数据的依赖度加权；以及
至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来确定用于所述车辆的导航信息。
18.根据权利要求17所述的计算机程序产品，其中，被配置为对所述地图数据的依赖度进行加权的所述程序代码指令包括：被配置为在所述质量指标指示所述地图数据具有更高质量的实例中设置比在所述质量指标指示所述地图数据具有较低质量的实例中更高的相对于其它类型的传感器数据对所述地图数据的依赖度的程序代码指令。
19.根据权利要求17所述的计算机程序产品，其中，被配置为接收所述多种不同类型的传感器数据的程序代码指令包括被配置为分别从所述车辆上的相机和检测器接收相机数据和检测器数据的程序代码指令。
20.根据权利要求17所述的计算机程序产品，其中，所述车辆包括自动驾驶车辆，并且其中，被配置为确定导航信息的所述程序代码指令包括被配置为至少部分地基于相对于其它类型的传感器数据对所述地图数据的所述加权来定义所述自动驾驶车辆要遵循的路线的程序代码指令。
21.根据权利要求17所述的计算机程序产品，其中，所述计算机可执行程序代码部分进一步包括被配置为通过使与所述一个或多个对象相关联的所述质量指标随时间推移衰减直到与所述一个或多个对象相关联的地图数据被刷新，来随时间推移修改与所述地图数据所表示的一个或多个对象相关联的质量指标的程序代码指令。
22.根据权利要求21所述的计算机程序产品，其中，与一个或多个对象相关联的质量指标随时间推移取决于由所述地图数据表示的对象的类型而以不同的速率衰减。
23.根据权利要求17所述的计算机程序产品，其中，被配置为确定所述质量指标的所述程序代码指令包括被配置为分别确定针对由所述地图数据表示的一个或多个离散对象和一个或多个连续对象的所述质量指标的程序代码指令。
24.根据权利要求17所述的计算机程序产品，其中，被配置为确定所述质量指标的所述程序代码指令包括被配置为确定用于对象的准确性的质量预测、用于所述对象的存在置信度的质量预测或用于所述对象的分类置信度的质量预测中的一个或多个的程序代码指令。
CN201880064877.3A 2017-10-09 2018-10-08 基于地图数据的质量指标来促进车辆导航的装置、方法和计算机程序产品 Active CN111279153B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/728,153 2017-10-09
US15/728,153 US10802485B2 (en) 2017-10-09 2017-10-09 Apparatus, method and computer program product for facilitating navigation of a vehicle based upon a quality index of the map data
PCT/IB2018/057786 WO2019073360A1 (en) 2017-10-09 2018-10-08 APPARATUS, METHOD AND COMPUTER PROGRAM PRODUCT FOR FACILITATING NAVIGATION OF A VEHICLE BASED ON MAPPING DATA QUALITY INDEX

Publications (2)

Publication Number Publication Date
CN111279153A true CN111279153A (zh) 2020-06-12
CN111279153B CN111279153B (zh) 2024-04-09

Family

ID=64051626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880064877.3A Active CN111279153B (zh) 2017-10-09 2018-10-08 基于地图数据的质量指标来促进车辆导航的装置、方法和计算机程序产品

Country Status (4)

Country Link
US (2) US10802485B2 (zh)
EP (1) EP3673237A1 (zh)
CN (1) CN111279153B (zh)
WO (1) WO2019073360A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10802485B2 (en) * 2017-10-09 2020-10-13 Here Global B.V. Apparatus, method and computer program product for facilitating navigation of a vehicle based upon a quality index of the map data
US11068627B2 (en) 2018-08-09 2021-07-20 Zoox, Inc. Procedural world generation
US11778945B2 (en) * 2019-04-10 2023-10-10 Deere & Company Machine control using real-time model
US11493934B2 (en) * 2019-08-07 2022-11-08 GM Global Technology Operations LLC GPS data integrity verification
DE102019218631A1 (de) * 2019-11-29 2021-06-02 Robert Bosch Gmbh Zertifizierung von Kartenelementen für automatisierte Fahrfunktionen
CN113124860A (zh) * 2020-01-14 2021-07-16 上海仙豆智能机器人有限公司 导航决策方法、导航决策系统和计算机可读存储介质
JP7429301B2 (ja) * 2020-02-20 2024-02-07 トムトム グローバル コンテント ベスローテン フエンノートシャップ 地図変化データの生成
US11472442B2 (en) 2020-04-23 2022-10-18 Zoox, Inc. Map consistency checker
US12209869B2 (en) 2021-04-09 2025-01-28 Zoox, Inc. Verifying reliability of data used for autonomous driving
DE102021210924A1 (de) * 2021-09-29 2023-03-30 Volkswagen Aktiengesellschaft Verfahren zum Querführen eines Kraftfahrzeugs auf einer Straße mit wenigstens zwei Fahrspuren sowie Kraftfahrzeug
US20230322259A1 (en) * 2022-04-06 2023-10-12 Qualcomm Incorporated Inclusion And Use Of Safety and Confidence Information Associated With Objects In Autonomous Driving Maps
CN115761724A (zh) * 2022-11-16 2023-03-07 武汉中海庭数据技术有限公司 相对位置置信度估计方法、系统、电子设备及存储介质
GB2632881A (en) * 2023-08-23 2025-02-26 Continental Autonomous Mobility Germany GmbH Methods for handling a potential adversarial attack on an autonomous vehicle while driving a road
EP4517261A1 (en) * 2023-08-30 2025-03-05 Volkswagen Ag Method for evaluating a digital map onboard of a vehicle, system and vehicle
US20250283732A1 (en) * 2024-03-08 2025-09-11 GM Global Technology Operations LLC Map quality assessment system

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007060273A (ja) * 2005-08-24 2007-03-08 Denso Corp 環境認識装置
CN101464995A (zh) * 2008-12-22 2009-06-24 武汉大学 基于空间拓扑的二维矢量空间数据数字水印方法
WO2009156126A1 (de) * 2008-06-27 2009-12-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und verfahren zum zuordnen eines aktuellen messwerts für eine geographische position zu einem kartenobjekt
US20100241354A1 (en) * 2007-11-02 2010-09-23 Continental Teves Ag & Co. Ohg Verification of digital maps
CN101949704A (zh) * 2009-07-10 2011-01-19 爱信艾达株式会社 信赖度评价装置、信赖度评价方法以及信赖度评价程序
CN102016507A (zh) * 2008-04-30 2011-04-13 大陆-特韦斯贸易合伙股份公司及两合公司 基于环境传感器的自学习地图
CN102568236A (zh) * 2010-12-08 2012-07-11 罗伯特·博世有限公司 识别交通标志并将其与交通标志信息比较的方法和装置
CN102822628A (zh) * 2010-03-26 2012-12-12 大陆汽车有限责任公司 地图信息的评估
CN102906789A (zh) * 2010-03-29 2013-01-30 索尼公司 数据处理装置、数据处理方法、图像处理装置和方法以及程序
WO2013016453A2 (en) * 2011-07-25 2013-01-31 Ips Group Inc. Low-power vehicle detection
CN103077201A (zh) * 2012-12-27 2013-05-01 武汉大学 一种基于互联网主动迭代探测的未知位置估算方法
CN103930794A (zh) * 2011-11-14 2014-07-16 罗伯特·博世有限公司 用于运行传感器的方法
CN104406581A (zh) * 2010-10-25 2015-03-11 株式会社日立制作所 机器人系统以及地图更新方法
DE102014111127A1 (de) * 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte sowie Fahrerassistenzsystem
US20160189004A1 (en) * 2014-12-31 2016-06-30 Here Global B.V. Method and apparatus for object identification and location correlation based on received images
US20160259814A1 (en) * 2015-03-03 2016-09-08 Fuji Jukogyo Kabushiki Kaisha Map data processing device for vehicle
US20160318368A1 (en) * 2015-04-29 2016-11-03 International Business Machines Corporation Automatic Vehicle Climate Control Based on Predicted Air Quality
US9489635B1 (en) * 2012-11-01 2016-11-08 Google Inc. Methods and systems for vehicle perception feedback to classify data representative of types of objects and to request feedback regarding such classifications
CN106441318A (zh) * 2016-09-20 2017-02-22 百度在线网络技术（北京）有限公司 一种地图展示方法和装置
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位
US20170124476A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
CN106796434A (zh) * 2015-08-28 2017-05-31 松下电器（美国）知识产权公司 地图生成方法、自身位置推定方法、机器人系统和机器人
CN106996793A (zh) * 2015-11-04 2017-08-01 丰田自动车株式会社 地图更新判定系统
US20170248439A1 (en) * 2016-02-29 2017-08-31 Komatsu Ltd. Control system for work machine, work machine, and management system for work machine
US20210004613A1 (en) * 2019-07-02 2021-01-07 DeepMap Inc. Annotating high definition map data with semantic labels

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6047234A (en) * 1997-10-16 2000-04-04 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback
JP5038566B2 (ja) 2001-09-25 2012-10-03 株式会社ゼンリン 管理装置および情報提供装置
DE102008046683A1 (de) 2007-09-13 2009-03-26 Continental Teves Ag & Co. Ohg Erstellung von Qualitätsparametern einer digitalen Karte
JP5387277B2 (ja) 2009-08-07 2014-01-15 アイシン・エィ・ダブリュ株式会社 走行支援で利用される情報の信頼度特定装置、方法およびプログラム
SE1100538A1 (sv) 2011-07-15 2013-01-16 Scania Cv Ab Grafiskt användargränssnitt
JP5914249B2 (ja) * 2012-08-10 2016-05-11 クラリオン株式会社 経路計算システム、ナビゲーション装置および経路計算方法
US9563199B1 (en) * 2013-11-27 2017-02-07 Google Inc. Assisted perception for autonomous vehicles
US10338602B2 (en) * 2014-12-17 2019-07-02 Husqvarna Ab Multi-sensor, autonomous robotic vehicle with mapping capability
US20170024843A1 (en) * 2015-07-24 2017-01-26 Le Holdings (Beijing) Co., Ltd. Method and device for removing video watermarks
US9870511B2 (en) 2015-10-14 2018-01-16 Here Global B.V. Method and apparatus for providing image classification based on opacity
US9630619B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Robotic vehicle active safety systems and methods
US10802485B2 (en) * 2017-10-09 2020-10-13 Here Global B.V. Apparatus, method and computer program product for facilitating navigation of a vehicle based upon a quality index of the map data

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007060273A (ja) * 2005-08-24 2007-03-08 Denso Corp 環境認識装置
US20100241354A1 (en) * 2007-11-02 2010-09-23 Continental Teves Ag & Co. Ohg Verification of digital maps
CN102016507A (zh) * 2008-04-30 2011-04-13 大陆-特韦斯贸易合伙股份公司及两合公司 基于环境传感器的自学习地图
WO2009156126A1 (de) * 2008-06-27 2009-12-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und verfahren zum zuordnen eines aktuellen messwerts für eine geographische position zu einem kartenobjekt
CN101464995A (zh) * 2008-12-22 2009-06-24 武汉大学 基于空间拓扑的二维矢量空间数据数字水印方法
CN101949704A (zh) * 2009-07-10 2011-01-19 爱信艾达株式会社 信赖度评价装置、信赖度评价方法以及信赖度评价程序
CN102822628A (zh) * 2010-03-26 2012-12-12 大陆汽车有限责任公司 地图信息的评估
CN102906789A (zh) * 2010-03-29 2013-01-30 索尼公司 数据处理装置、数据处理方法、图像处理装置和方法以及程序
CN104406581A (zh) * 2010-10-25 2015-03-11 株式会社日立制作所 机器人系统以及地图更新方法
CN102568236A (zh) * 2010-12-08 2012-07-11 罗伯特·博世有限公司 识别交通标志并将其与交通标志信息比较的方法和装置
WO2013016453A2 (en) * 2011-07-25 2013-01-31 Ips Group Inc. Low-power vehicle detection
CN103930794A (zh) * 2011-11-14 2014-07-16 罗伯特·博世有限公司 用于运行传感器的方法
US9489635B1 (en) * 2012-11-01 2016-11-08 Google Inc. Methods and systems for vehicle perception feedback to classify data representative of types of objects and to request feedback regarding such classifications
CN103077201A (zh) * 2012-12-27 2013-05-01 武汉大学 一种基于互联网主动迭代探测的未知位置估算方法
DE102014111127A1 (de) * 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte sowie Fahrerassistenzsystem
US20160189004A1 (en) * 2014-12-31 2016-06-30 Here Global B.V. Method and apparatus for object identification and location correlation based on received images
US20160259814A1 (en) * 2015-03-03 2016-09-08 Fuji Jukogyo Kabushiki Kaisha Map data processing device for vehicle
US20160318368A1 (en) * 2015-04-29 2016-11-03 International Business Machines Corporation Automatic Vehicle Climate Control Based on Predicted Air Quality
CN106796434A (zh) * 2015-08-28 2017-05-31 松下电器（美国）知识产权公司 地图生成方法、自身位置推定方法、机器人系统和机器人
CN106546977A (zh) * 2015-09-16 2017-03-29 福特全球技术公司 车辆雷达感知和定位
US20170124476A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
CN106996793A (zh) * 2015-11-04 2017-08-01 丰田自动车株式会社 地图更新判定系统
US20170248439A1 (en) * 2016-02-29 2017-08-31 Komatsu Ltd. Control system for work machine, work machine, and management system for work machine
CN106441318A (zh) * 2016-09-20 2017-02-22 百度在线网络技术（北京）有限公司 一种地图展示方法和装置
US20210004613A1 (en) * 2019-07-02 2021-01-07 DeepMap Inc. Annotating high definition map data with semantic labels

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱富晓;王艳慧;: "多层次多粒度OSM路网目标数据质量综合评估方法研究", 地球信息科学学报, vol. 19, no. 11, 1 December 2017 (2017-12-01), pages 1422 - 1432 *
邓敏;刘杨;程涛;陈杰;: "地图综合中语义质量的度量方法研究", 地理与地理信息科学, no. 05, 15 September 2008 (2008-09-15), pages 11 - 15 *

Also Published As

Publication number Publication date
EP3673237A1 (en) 2020-07-01
US10802485B2 (en) 2020-10-13
WO2019073360A1 (en) 2019-04-18
CN111279153B (zh) 2024-04-09
US20200073386A1 (en) 2020-03-05
US20190107836A1 (en) 2019-04-11
US11067989B2 (en) 2021-07-20

Similar Documents

Publication Publication Date Title
CN111279153B (zh) 基于地图数据的质量指标来促进车辆导航的装置、方法和计算机程序产品
US10332389B2 (en) Extrapolating speed limits within road graphs
US10210411B2 (en) Method and apparatus for establishing feature prediction accuracy
US10546400B2 (en) Method and apparatus for defining bi-directional road geometry from probe data
CN108692739B (zh) 用于具有异构测量结果的导航系统的完整性监视方法
US10210403B2 (en) Method and apparatus for pixel based lane prediction
Ai et al. Automatic horizontal curve identification and measurement method using GPS data
US10198941B2 (en) Method and apparatus for evaluating traffic approaching a junction at a lane level
CN111198560B (zh) 用于使用变分自编码器网络来预测特征空间衰减的方法和装置
US11327155B2 (en) Radar sensor misalignment detection for a vehicle
US10922558B2 (en) Method and apparatus for localization using search space pruning
US10147315B2 (en) Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data
US10152635B2 (en) Unsupervised online learning of overhanging structure detector for map generation
US12165406B2 (en) Method, apparatus, and computer program product for identifying and correcting intersection lane geometry in map data
EP4202365A1 (en) Method, apparatus, and computer program product for identifying and correcting lane geometry in map data
EP3452785B1 (en) Method and apparatus for disambiguating location probe points within an ambiguous probe region of a road network
CN112465886A (zh) 模型生成方法、装置、设备和可读存储介质
CN111899505B (zh) 交通限制解除的检测方法和装置
JP7333369B2 (ja) 交通データの処理方法、装置、電子機器、記憶媒体およびコンピュータプログラム製品
US20230194298A1 (en) Method, apparatus, and computer program product for correcting lane geometry in map data
JP2023023232A (ja) 地図更新装置、地図更新方法、および地図更新用コンピュータプログラム
US12461948B2 (en) Method, apparatus, and computer program product for map data conflation
US20200201889A1 (en) Method and apparatus for identifying critical parameters of a localization framework based on an input data source
US12205326B2 (en) Neural network-based method and apparatus for improving localization of a device
JP2021025796A (ja) ナビゲーションシステム、ナビゲーション方法及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant