TWI678515B - 動態圖資分類裝置及其方法 - Google Patents
動態圖資分類裝置及其方法 Download PDFInfo
- Publication number
- TWI678515B TWI678515B TW107141553A TW107141553A TWI678515B TW I678515 B TWI678515 B TW I678515B TW 107141553 A TW107141553 A TW 107141553A TW 107141553 A TW107141553 A TW 107141553A TW I678515 B TWI678515 B TW I678515B
- Authority
- TW
- Taiwan
- Prior art keywords
- map
- road
- map information
- vehicle
- intersection
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 6
- 241000283070 Equus zebra Species 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本發明係揭露一種動態圖資分類裝置及其方法，動態圖資分類裝置設於一車輛中，並包含至少一自動駕駛輔助系統、一無線通訊介面、一儲存器、一衛星定位模組與一處理器。無線通訊介面無線連接一雲端伺服器，雲端伺服器中存有高解析地圖(HD Map)與三維點雲地圖資訊，衛星定位模組於一電子地圖上取得車輛之位置座標。儲存器存有車輛之預定行駛路徑之道路環境的至少一道路曲率與至少一路口特徵之其中至少一者。處理器根據道路曲率與路口特徵之其中至少一者及自動駕駛輔助系統之自動化駕駛輔助程度，分類出所需下載之圖資，進而減少地圖資訊下載時間。
Description
本發明係關於一種分類技術，且特別關於一種動態圖資分類裝置及其方法。
對於自駕車來說，行駛安全性至關重要，傳統的數位導航圖資已無法滿足自駕車的需求，因此必須仰賴高階析度的電子地圖以取得行進路徑中的道路環境圖資，以及定位自身車輛的位置，若欲確保行駛安全，則三維點雲圖資亦屬必要。
高解析電子地圖的作用是，將道路訊息提供給自駕車，如車道線、號誌、道路曲率等，提供自駕車路側特徵，以估算車輛位置。但高解析度地圖之缺點是，須搭配其他定位技術，才能精準的估算車輛位置。如三維點雲圖資，需配合同步定位與地圖構建（SLAM，Simultaneous localization and mapping）技術，以定位當時車輛位置，從而達到同時定位和地圖建構的目的。然而，高解析度電子地圖與三維點雲圖資雖可提供豐富、精確的道路環境資訊，但相對的資料量龐大，受限於現行的4G網路傳輸速度仍有限且不穩定，故需要花費較長的下載時間，然則對於自駕車而言，一點點的時間延遲皆可能使系統誤判而造成極為嚴重的車輛事故。
因此，本發明係在針對上述的困擾，提出一種動態圖資分類裝置及其方法，以解決習知所產生的問題。
本發明的主要目的，在於提供一種動態圖資分類裝置及其方法，因為高解析地圖與三維點雲地圖資訊之資料量龐大，設置於車載端的動態圖資分類裝置之儲存空間無法涵蓋全部圖資，故需要將資料放至雲端伺服器，提供自駕車下載。因此，根據道路環境之道路曲率及路口特徵之其中至少一者與自動駕駛輔助系統之自動化駕駛輔助程度，分類出所需下載的地圖資訊並依據車輛之位置座標及車速資訊提出一下載請求予雲端伺服器，以下載包含道路環境之區域地圖資訊。據此，針對較單純的道路環境，可減少區域地圖資訊的下載量。針對較複雜的道路環境，可提前下載較高資料量的區域地圖資訊。
為達上述目的，本發明提供一種動態圖資分類裝置，其係設置於一車輛中，包含至少一自動駕駛輔助系統、一無線通訊介面、一儲存器、一衛星定位模組與一處理器。衛星定位模組於一電子地圖上取得車輛之位置座標。處理器電性連接衛星定位模組，處理器依據車輛之行駛目的地與位置座標在電子地圖上規劃一預定行駛路徑，車輛在預定行駛路徑上行駛，預定行駛路徑之道路環境包含至少一道路曲率與至少一路口特徵之其中至少一者。自動駕駛輔助系統電性連接處理器。無線通訊介面電性連接處理器，並透過無線網路無線連接一雲端伺服器，雲端伺服器中存有高解析地圖（HD Map）與三維點雲地圖資訊。儲存器電性連接處理器，儲存器存有電子地圖以及至少一道路曲率與至少一路口特徵之其中至少一者。在處理器利用衛星定位模組發現車輛抵達包含至少一道路曲率與至少一路口特徵之其中至少一者之道路環境前，處理器根據至少一道路曲率與至少一路口特徵之其中至少一者，及自動駕駛輔助系統之自動化駕駛輔助程度，透過無線通訊介面對高解析地圖與三維點雲地圖資訊進行分類，並從高解析地圖或三維點雲地圖資訊尋找對應道路環境之區域地圖資訊，以供下載。
本發明亦提供一種動態圖資分類方法，首先，利用一車輛之位置座標及行駛目的地於一電子地圖上規劃一預定行駛路徑，車輛在預定行駛路徑上行駛，預定行駛路徑之道路環境包含至少一道路曲率與至少一路口特徵之其中至少一者。接著，儲存至少一道路曲率與至少一路口特徵之其中至少一者。在車輛抵達包含至少一道路曲率與至少一路口特徵之其中至少一者之道路環境前，根據至少一道路曲率與至少一路口特徵之其中至少一者，及設於車輛中的至少一自動駕駛輔助系統之自動化駕駛輔助程度，對儲存在雲端伺服器中的高解析地圖與三維點雲地圖資訊進行分類，並從高解析地圖或三維點雲地圖資訊尋找對應道路環境之區域地圖資訊，以供下載。
茲為使 貴審查委員對本發明的結構特徵及所達成的功效更有進一步的瞭解與認識，謹佐以較佳的實施例圖及配合詳細的說明，說明如後：
本發明之實施例將藉由下文配合相關圖式進一步加以解說。盡可能的，於圖式與說明書中，相同標號係代表相同或相似構件。於圖式中，基於簡化與方便標示，形狀與厚度可能經過誇大表示。可以理解的是，未特別顯示於圖式中或描述於說明書中之元件，為所屬技術領域中具有通常技術者所知之形態。本領域之通常技術者可依據本發明之內容而進行多種之改變與修改。
以下請參閱第1圖、第2圖、第3圖與第4圖，其中第2圖為本發明之直線道路示意圖，第3圖為本發明之彎曲道路示意圖，第4圖為本發明之路口示意圖。以下介紹本發明之動態圖資分類裝置10，其設於一車輛中。動態圖資分類裝置10包含至少一自動駕駛輔助系統12、一無線通訊介面14、一儲存器16、一衛星定位模組18與一處理器20，其中自動駕駛輔助系統12之數量以一為例，自動駕駛輔助系統12可例如為自動車道切換系統（Lane Changing System，LCS）、車道維持系統（Lane Keeping System，LKS）、自動緊急煞車系統（Autonomous Emergency Braking，AEB）、車道追隨系統（Lane Following System，LFS）或主動式車距調節巡航系統（Adaptive Cruise Control，ACC）等。衛星定位模組18於一電子地圖上取得車輛之位置座標。處理器20電性連接衛星定位模組18，處理器20依據車輛之行駛目的地與位置座標在電子地圖上規劃一預定行駛路徑，車輛在預定行駛路徑上行駛，預定行駛路徑之道路環境22包含至少一道路曲率與至少一路口特徵之其中至少一者。自動駕駛輔助系統12電性連接處理器20。無線通訊介面14電性連接處理器20，並透過無線網路無線連接一雲端伺服器24，雲端伺服器24中存有高解析地圖（HD Map）與三維點雲地圖資訊。因為高解析地圖與三維點雲地圖資訊之資料量龐大，動態圖資分類裝置之儲存空間無法涵蓋全部圖資，故需要將資料放至雲端伺服器24，提供自駕車下載。儲存器16電性連接處理器20，儲存器16存有至少一道路曲率與至少一路口特徵之其中至少一者與電子地圖，其中道路曲率與路口特徵之其中至少一者可由處理器20利用無線通訊介面14與雲端伺服器24從高解析地圖中下載，但本發明並不限於此。儲存器16儲存之電子地圖亦可包含至少一道路曲率與至少一路口特徵之其中至少一者。在處理器20利用衛星定位模組18發現車輛抵達包含至少一道路曲率與至少一路口特徵之其中至少一者之道路環境22前，處理器20根據至少一道路曲率與至少一路口特徵之其中至少一者，及自動駕駛輔助系統12之自動化駕駛輔助程度，透過無線通訊介面14對高解析地圖與三維點雲地圖資訊進行分類，並從高解析地圖或三維點雲地圖資訊尋找對應道路環境22之區域地圖資訊，以供下載。
此外，處理器20更電性連接設於車輛中之一慣性測量單元（Inertial Measurement Unit, IMU）26，處理器20利用無線通訊介面14取得網路速度與區域地圖資訊之檔案大小，並利用慣性測量單元26取得車輛之速度，又利用衛星定位模組18取得道路環境22的經緯度，以根據車輛之位置座標、上述經緯度、車輛之速度、網路速度與區域地圖資訊之檔案大小決定下載區域地圖資訊之時間點。舉例來說，若區域地圖資訊之檔案大小為50M位元組（MB），車輛之速度為45公里/小時（Km/hr），網路速度為20M位元/秒（bps），則處理器20根據速度、網路速度與區域地圖資訊之檔案大小決定下載區域地圖資訊之時間點，在此時間點，透過無線通訊介面14發出一下載請求給雲端伺服器24，以下載區域地圖資訊。依上述條件可知下載區域地圖資訊需要2.5秒，且車輛1秒走12.5公尺，故車輛應在至少距離下一包含有至少一道路曲率與路口特徵之其中至少一者的道路環境22前31.25公尺就開始下載才可完整下載所需區域圖資。因此，針對較複雜的道路環境22，可提前下載較高資料量的區域地圖資訊。針對較單純的道路環境22，亦可減少區域地圖資訊的下載量。
自動駕駛輔助系統12之自動化駕駛輔助程度包含低、中與高。美國自動機工程協會（SAE）將自動駕駛等級分類成無自動化（No Automation）Level 0、駕駛輔助化（Driver Assistance）Level 1、部分自動化（Partial Automation）Level 2、條件自動化（Conditional Automation）Level 3、高度自動化（High Automation）Level 4與全自動化（Full Automation）Level 5。對應於該分類，本發明之低屬於駕駛輔助化Level 1，中屬於部分自動化Level 2或條件自動化Level 3，高屬於高度自動化Level 4或全自動化Level 5。一般來說，自動化駕駛輔助程度為低時需要有車道線資訊與道路曲率資訊。中相對低會提供更多資訊給車輛使用，當有危險時，自動駕駛輔助系統12提供駕駛人足夠的反應時間。高表示車輛需要具有高精密圖資系統供自動駕駛輔助系統12駕駛。
請參閱第1圖、第2圖、第3圖、第4圖與第5圖，以下介紹本發明之動態圖資分類裝置之動態圖資分類方法。首先，如步驟S10所示，處理器20利用車輛之位置座標及行駛目的地於電子地圖上規劃預定行駛路徑，車輛在預定行駛路徑上行駛。接著，如步驟S12所示，處理器20利用無線通訊介面14與雲端伺服器24從高解析地圖中下載至少一道路曲率與至少一路口特徵之其中至少一者，以儲存至少一道路曲率與至少一路口特徵之其中至少一者至儲存器16中；此外，道路曲率及路口特徵之其中一者除可透過雲端伺服器24下載外，亦可內建於車載端的電子地圖中。最後，如步驟S14所示，處理器20利用衛星定位模組18發現車輛抵達包含至少一道路曲率與至少一路口特徵之其中至少一者之道路環境22前，處理器20根據至少一道路曲率與至少一路口特徵之其中至少一者，及自動駕駛輔助系統12之自動化駕駛輔助程度，透過無線通訊介面14對高解析地圖與三維點雲地圖資訊進行分類，並從高解析地圖或三維點雲地圖資訊尋找對應道路環境22之區域地圖資訊，以供下載。區域地圖資訊具有不同等級，較高等級之區域地圖資訊具有較大資料量，需要提早下載，較低等級之區域地圖資訊具有較小資料量，可以於較接近路口特徵時進行下載即可。但區域地圖資訊勢必在車輛未到達道路環境22時就下載完成。
在步驟S14後，亦可選擇性進行步驟S16。在步驟S16中，處理器20利用無線通訊介面14取得網路速度與區域地圖資訊之檔案大小，並利用慣性測量單元26取得車輛之速度，又利用衛星定位模組18取得道路環境22的經緯度，以根據車輛之位置座標、上述經緯度、車輛之速度、網路速度與區域地圖資訊之檔案大小決定下載區域地圖資訊之時間點。
以下說明高解析地圖與三維點雲地圖資訊之分類方式，此分類方式如表一與第6圖所示。
表一
| 自動化駕駛輔助程度 | 路口特徵 與道路曲率 | 區域地圖資訊之等級 | 地圖資訊等級內容 |
| 低 | 有路口特徵 | 第二級區域地圖資訊 | 高解析(HD)地圖之資訊(路口特徵，其中路口特徵具有交通號誌、斑馬線或停止線) |
| 低 | 無路口特徵，且道路曲率小於預設值 | 第一級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性，其中車道屬性包括道路曲率、車道線、速限與車道數) |
| 低 | 無路口特徵，且道路曲率大於預設值 | 第一級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性，其中車道屬性包括道路曲率、車道線、速限與車道數) |
| 中 | 有路口特徵 | 第四級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性、路口特徵與動態屬性，其中路口特徵具有交通號誌、斑馬線、停止線；車道屬性包括道路曲率、車道線、速限與車道數) |
| 中 | 無路口特徵，且道路曲率小於預設值 | 第三級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限與車道數；動態屬性包括天氣、車流速度與事故…等) |
| 中 | 無路口特徵，且道路曲率大於預設值 | 第三級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限與車道數；動態屬性包括天氣、車流速度與事故…等) |
| 高 | 有路口特徵 | 第六級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性、路口特徵與動態屬性，其中路口特徵具有紅綠燈號誌、斑馬線或停止線；車道屬性包括道路曲率、車道線、速限與車道數)及三維點雲地圖資訊) |
| 高 | 無路口特徵，且道路曲率小於預設值 | 第五級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限與車道數；動態屬性包括天氣、車流速度與事故…等)及三維點雲地圖資訊 |
| 高 | 無路口特徵，且道路曲率大於預設值 | 第五級區域地圖資訊 | 高解析(HD)地圖之資訊(車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限與車道數；動態屬性包括天氣、車流速度與事故…等)及三維點雲地圖資訊 |
當自動化駕駛輔助程度為低，且在車輛抵達包含如第4圖之路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第二級區域地圖資訊M2，即路口特徵，其中路口特徵具有交通號誌、斑馬線或停止線。當自動化駕駛輔助程度為低，且在車輛抵達包含小於一預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第一級區域地圖資訊M1，即車道屬性，其包括道路曲率、車道線、速限與車道數，其中路口特徵具有交通號誌、斑馬線或停止線。此道路曲率如第2圖所示，屬直線道路。當自動化駕駛輔助程度為低，且在車輛抵達包含大於預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第一級區域地圖資訊M1，即車道屬性，其包括道路曲率、車道線、速限與車道數。此道路曲率如第3圖所示，屬彎曲道路。上述車道屬性可包含車道線、車道數、速限與車道曲率之至少其中一者，但本發明並不限於此。舉例來說，當自動駕駛輔助系統12為自動車道切換系統時，車道屬性包含車道線、道路曲率、車道數與速限。當自動駕駛輔助系統12為車道維持系統時，車道屬性包含車道線、道路曲率與速限。當自動駕駛輔助系統12為車道追隨系統時，車道屬性包含車道線、道路曲率、車道數與速限。當自動駕駛輔助系統12為主動式車距調節巡航系統時，車道屬性包含車道線、車道曲率與速限。當自動駕駛輔助系統12為自動緊急煞車系統時，車道屬性包含速限。當自動化駕駛輔助程度為中，且在車輛抵達包含如第4圖之路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第四級區域地圖資訊M4，即車道屬性、路口特徵與動態屬性，其中路口特徵具有交通號誌、斑馬線或停止線；車道屬性包括道路曲率、車道線、速限及車道數；動態屬性包含天氣、車流速度、事故、壅塞、緊急救護、道路施工、散落物、坑洞與號誌異常。當自動化駕駛輔助程度為中，且在車輛抵達包含小於一預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第三級區域地圖資訊M3，即車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限、車道數；動態屬性包含天氣、車流速度、事故、壅塞、緊急救護、道路施工、散落物、坑洞與號誌異常。此道路曲率如第2圖所示，屬直線道路。當自動化駕駛輔助程度為中，且在車輛抵達包含大於預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第三級區域地圖資訊M3，即車道屬性與動態屬性，其中車道屬性包括道路曲率、車道線、速限、車道數；動態屬性包含天氣、車流速度、事故、壅塞、緊急救護、道路施工、散落物、坑洞與號誌異常。此道路曲率如第3圖所示，屬彎曲道路。
當自動化駕駛輔助程度為高，且在車輛抵達包含如第4圖之路口特徵之道路環境22前，區域地圖資訊為第六級區域地圖資訊M6，即車道屬性、路口特徵、動態屬性及三維點雲地圖資訊，並配合同步定位與地圖構建（SLAM，Simultaneous localization and mapping）技術，定位車輛，其中路口特徵具有交通號誌、斑馬線或停止線；車道屬性包括道路曲率、車道線、速限與車道數。當自動化駕駛輔助程度為高，且在車輛抵達包含小於一預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第五級區域地圖資訊M5，即車道屬性、動態屬性及三維點雲地圖資訊，其中車道屬性包括道路曲率、車道線、速限與車道數；動態屬性包括天氣、車流速度與事故…等）。此道路曲率如第2圖所示，屬直線道路。當自動化駕駛輔助程度為高，且在車輛抵達包含大於預設值之道路曲率卻不包含路口特徵之道路環境22前，區域地圖資訊包含高解析地圖之第五級區域地圖資訊M5，即車道屬性、動態屬性及三維點雲地圖資訊。此道路曲率如第3圖所示，屬彎曲道路，其中車道屬性包括道路曲率、車道線、速限、車道數；動態屬性包含天氣、車流速度、事故、壅塞、緊急救護、道路施工、散落物、坑洞與號誌異常。
綜上所述，本發明根據道路環境之道路曲率與路口特徵之其中至少一者與自動駕駛輔助系統之自動化駕駛輔助程度，對高解析地圖與三維點雲地圖資訊進行分類，以不同條件對應不同等級之區域地圖資訊，進而減少區域地圖資訊下載時間與下載量。
以上所述者，僅為本發明一較佳實施例而已，並非用來限定本發明實施之範圍，故舉凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾，均應包括於本發明之申請專利範圍內。
10‧‧‧動態圖資分類裝置
12‧‧‧自動駕駛輔助系統
14‧‧‧無線通訊介面
16‧‧‧儲存器
18‧‧‧衛星定位模組
20‧‧‧處理器
22‧‧‧道路環境
24‧‧‧雲端伺服器
26‧‧‧慣性測量單元
第1圖為本發明之動態圖資分類裝置之一實施例之裝置方塊圖。 第2圖為本發明之直線道路示意圖。 第3圖為本發明之彎曲道路示意圖。 第4圖為本發明之路口示意圖。 第5圖為本發明之動態圖資分類方法之一實施例之流程圖。 第6圖為本發明之表一之對應流程圖。
Claims (8)
- 一種動態圖資分類裝置，其係設於一車輛中，該動態圖資分類裝置包含： 一衛星定位模組，於一電子地圖上取得該車輛之位置座標； 一處理器，電性連接該衛星定位模組，該處理器依據該車輛之行駛目的地與該位置座標在該電子地圖上規劃一預定行駛路徑，該車輛在該預定行駛路徑上行駛，該預定行駛路徑之道路環境包含至少一道路曲率與至少一路口特徵之其中至少一者； 至少一自動駕駛輔助系統，電性連接該處理器； 一無線通訊介面，電性連接該處理器，並透過無線網路無線連接一雲端伺服器，該雲端伺服器中存有高解析地圖（HD Map）與三維點雲地圖資訊；以及 一儲存器，電性連接該處理器，該儲存器存有該電子地圖以及該至少一道路曲率與該至少一路口特徵之其中至少一者，在該處理器利用該衛星定位模組發現該車輛抵達包含該至少一道路曲率與該至少一路口特徵之其中至少一者之該道路環境前，該處理器根據該至少一道路曲率與該至少一路口特徵之其中至少一者，及該自動駕駛輔助系統之自動化駕駛輔助程度，透過該無線通訊介面對該高解析地圖與該三維點雲地圖資訊進行分類，並從該高解析地圖或該三維點雲地圖資訊尋找對應該道路環境之區域地圖資訊，以供下載。
- 如請求項1所述之動態圖資分類裝置，其中該至少一道路曲率與該至少一路口特徵之其中至少一者由該處理器利用該無線通訊介面與該雲端伺服器從該高解析地圖中下載。
- 如請求項1所述之動態圖資分類裝置，其中該儲存器儲存之該電子地圖包含該至少一道路曲率與該至少一路口特徵之其中至少一者。
- 如請求項2或3所述之動態圖資分類裝置，其中該處理器更電性連接設於該車輛中之一慣性測量單元（Inertial Measurement Unit, IMU），該處理器利用該無線通訊介面取得網路速度與該區域地圖資訊之檔案大小，並利用該慣性測量單元取得該車輛之速度，又利用該衛星定位模組取得該道路環境的經緯度，以根據該位置座標、該經緯度、該車輛之該速度、該網路速度與該區域地圖資訊之該檔案大小決定下載該區域地圖資訊之時間點。
- 一種動態圖資分類方法，其係包含下列步驟： 利用一車輛之位置座標及行駛目的地於一電子地圖上規劃該一預定行駛路徑，該車輛在該預定行駛路徑上行駛，該預定行駛路徑之道路環境包含至少一道路曲率與至少一路口特徵之其中至少一者； 儲存該至少一道路曲率與該至少一路口特徵之其中至少一者；以及 在該車輛抵達包含該至少一道路曲率與該至少一路口特徵之其中至少一者之該道路環境前，根據該至少一道路曲率與該至少一路口特徵之其中至少一者，及設於該車輛中的至少一自動駕駛輔助系統之自動化駕駛輔助程度，對儲存在雲端伺服器中的高解析地圖與三維點雲地圖資訊進行分類，並從該高解析地圖或該三維點雲地圖資訊尋找對應該道路環境之區域地圖資訊，以供下載。
- 如請求項5所述之動態圖資分類方法，其中該至少一道路曲率與該至少一路口特徵之其中至少一者，係指內存於該電子地圖中。
- 如請求項5所述之動態圖資分類方法，其中該至少一道路曲率與該至少一路口特徵之其中至少一者，係指自該雲端伺服器下載後儲存。
- 如請求項6或7所述之動態圖資分類方法，其中在對儲存在該雲端伺服器中的該高解析地圖與該三維點雲地圖資訊進行分類之後，取得該車輛之速度、網路速度、該區域地圖資訊之檔案大小，以及該道路環境的經緯度，以根據該位置座標、該經緯度、該車輛之該速度、該網路速度與該區域地圖資訊之該檔案大小決定下載該區域地圖資訊之時間點。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107141553A TWI678515B (zh) | 2018-11-21 | 2018-11-21 | 動態圖資分類裝置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107141553A TWI678515B (zh) | 2018-11-21 | 2018-11-21 | 動態圖資分類裝置及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI678515B true TWI678515B (zh) | 2019-12-01 |
| TW202020406A TW202020406A (zh) | 2020-06-01 |
Family
ID=69582683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW107141553A TWI678515B (zh) | 2018-11-21 | 2018-11-21 | 動態圖資分類裝置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI678515B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
| TWI604980B (zh) * | 2016-11-24 | 2017-11-11 | 國立臺北科技大學 | 載具控制系統及載具控制方法 |
| CN107462243A (zh) * | 2017-08-04 | 2017-12-12 | 浙江大学 | 一种基于高精度地图的云控自动驾驶任务生成方法 |
| US20180101172A1 (en) * | 2016-10-12 | 2018-04-12 | Electronics And Telecommunications Research Institute | Apparatus and method for sharing and learning driving environment data to improve decision intelligence of autonomous vehicle |
| TW201838847A (zh) * | 2017-04-20 | 2018-11-01 | 大陸商騰訊科技（深圳）有限公司 | 車道選擇方法、目標車輛及計算機儲存介質 |
| CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
-
2018
- 2018-11-21 TW TW107141553A patent/TWI678515B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
| US20180101172A1 (en) * | 2016-10-12 | 2018-04-12 | Electronics And Telecommunications Research Institute | Apparatus and method for sharing and learning driving environment data to improve decision intelligence of autonomous vehicle |
| TWI604980B (zh) * | 2016-11-24 | 2017-11-11 | 國立臺北科技大學 | 載具控制系統及載具控制方法 |
| TW201838847A (zh) * | 2017-04-20 | 2018-11-01 | 大陸商騰訊科技（深圳）有限公司 | 車道選擇方法、目標車輛及計算機儲存介質 |
| CN107462243A (zh) * | 2017-08-04 | 2017-12-12 | 浙江大学 | 一种基于高精度地图的云控自动驾驶任务生成方法 |
| CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202020406A (zh) | 2020-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11994865B2 (en) | Autonomous navigation system | |
| US11846522B2 (en) | Warning polygons for weather from vehicle sensor data | |
| EP3496064B1 (en) | Method and apparatus for publishing road event messages | |
| US10311728B2 (en) | Method and apparatus for providing a confidence-based road event message | |
| US10839005B2 (en) | Dynamic graphic information classification device and method | |
| CN102016507B (zh) | 基于环境传感器的自学习地图 | |
| JP7271669B2 (ja) | 自律車両のための自動性能チェック | |
| US20090138497A1 (en) | Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map | |
| EP3750144A1 (en) | Traffic light signal adjustment notification improvement | |
| CN114255606A (zh) | 辅助驾驶提醒、地图辅助驾驶提醒方法、装置和地图 | |
| CN109387208B (zh) | 一种地图数据的处理方法、装置、设备和介质 | |
| US11227420B2 (en) | Hazard warning polygons constrained based on end-use device | |
| US12283180B2 (en) | System and method for verification of traffic incidents | |
| US20240230370A1 (en) | Routing of an autonomous vehicle in a flood condition | |
| TWI678515B (zh) | 動態圖資分類裝置及其方法 | |
| CN109974720B (zh) | 动态地图数据分类装置及其方法 | |
| CN116353610A (zh) | 用于车辆的方法、设备、车辆和系统 | |
| US20240192018A1 (en) | System and method for virtual lane generation | |
| CN115257812B (zh) | 自动驾驶置信度获取及提醒方法及设备 | |
| US20230185993A1 (en) | Configurable simulation test scenarios for autonomous vehicles | |
| CN120431715A (zh) | 道路经验速度的确定方法、装置、设备及存储介质 | |
| US10486700B2 (en) | Selective disabling of deceleration area learning | |
| CN116923432A (zh) | 驾驶辅助系统和方法 | |
| CN120583490A (zh) | 数据应用方法、装置、车辆、介质及程序产品 | |
| KR20260017605A (ko) | 도로 이벤트 상황을 고려한 수요대응 자율주행(drt) ldm 동적 가상 정류장 등의 교통시설물 운영방법 |