CN105324729A - 用于模型化车辆的周围环境的方法 - Google Patents
用于模型化车辆的周围环境的方法 Download PDFInfo
- Publication number
- CN105324729A CN105324729A CN201480033385.XA CN201480033385A CN105324729A CN 105324729 A CN105324729 A CN 105324729A CN 201480033385 A CN201480033385 A CN 201480033385A CN 105324729 A CN105324729 A CN 105324729A
- Authority
- CN
- China
- Prior art keywords
- surrounding environment
- brick
- model
- surrounding
- measuring position
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 239000011449 brick Substances 0.000 claims description 60
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000010586 diagram Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical group OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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; 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种用于模型化车辆的周围环境(1)的方法,包括以下步骤:通过由至少一个传感器(2)检测周围环境(1)得到用于多个测量位置的周围环境数据;存储所述测量位置;提供多个砖(3)、尤其网格瓦片,以便存储所述周围环境数据;在第一周围环境模型(10)的至少一个第一砖(4)和至少一个第二砖(5)中存储周围环境数据,其中第一砖(4)和第二砖(5)代表周围环境(1)的部分区域;存储来自第一砖(4)的周围环境数据的至少一个明确的特征(8)和所属的第一测量位置,在所述第一测量位置处检测特征(8);存储车辆的所行驶的轨迹;检测来自第二砖(5)内的第二测量位置处的特征(8),其中第一砖(4)和第二砖(5)的周围环境数据不同;由第一测量位置和第二测量位置和行驶的轨迹求取已校正的测量位置和已校正的轨迹;以及通过第一周围环境模型(10)的根据已校正的轨迹校正的周围环境数据的加入来创建第二周围环境模型(20)。
Description
技术领域
本发明涉及一种用于模型化车辆的周围环境的方法。此外,本发明涉及一种控制设备,所述控制设备可以实施根据本发明的方法。
背景技术
如果移动***(例如机器人、车辆)应当自动地在周围环境中寻找路径并且实施处理,则对于所述***而言必要的是,创建其局部的周围环境的地图。借助周围环境传感器来检测周围环境并且逐渐地补充或者校正地图。对此的任意的代表形式是所谓的占用网格。在此,将周围环境描述为限定矩形的尺寸并且将所述矩形自身细分成均匀地网格化的元素——所谓的单元。所述单元中的每一个可以包含占用度量。
为了将历史测量正确地记录到周围环境模型中,移动***需要关于其自身位置的了解。所述了解可以由全球定位、如GPS或者通过局部参考、例如里程表或者耦合导航获得。用于全球定位的辅助模块通常具有以下不利:所述辅助模块非常昂贵并且此外也通常达不到所需要的精确度。局部定位单元确定车辆的关于(初始的)参考位置的相对运动。因为相对运动的测量通常具有误差(在例如由不要测量的车轮打滑引起的里程表的情形中),所以误差累积并且发生位置、但主要是角信息(定向)方面的偏移。
图1例如示出具有占用网格的周围环境模型30,所述占用网格具有车辆的周围环境测量数据,所述车辆多次以圆行驶。其中,模型化自由面7和障碍物9、尤其壁。在真实世界中,侧面上的长的壁位于相同的位置处,然而在所产生的周围环境模型30中所述壁具有显著偏移。因此,周围环境模型30逐渐地越来越差并且因此变得不能使用。
在机器人中,所述现象作为闭环问题已知并且存在以下解决方案:适合的***除周围环境模型的创建以外存储所有位置数据、所有所属的测量数据以及如有必要存储适合的特征。在此,特征是在理想情形中可以明确辨识且可以分配的特别的特征。例如列举位置特征、如棱边或者基于图像的特征、如SIFT特征(Scaleinvariantfeaturetransform:尺度不变特征变换)。
当车辆再次位于早已知的位置处时,可以根据所述特征确定。如果定位单元具有过大的误差,则推算出:必须如何校正已经测量了所属特征的位置,以便最大化特征的测量可能性。所述问题强烈地与SLAM、同时定位以及映射同源。
如果已经校正了轨迹,则可以虚拟重新行驶所述轨迹并且对于每一个时间步将所记录的测量集成到新的世界模型中,所述世界模型现在不再具有偏移。
然而,经典的方法具有以下大的不利:必须对于所有时间步存储测量数据,对于环路闭合可以考虑所述时间步。这导致以下问题:第一是必须保留显著数量的存储空间,第二是事先不确定数据量多大,这意味着,需要增大的数据存储器,其中不明确地判断何时可以使其复位。
网格瓦片(GridTiles)是用于模型化机器人的具有未知延展的周围环境的方法。基本构思在于,模型化通过一组小的方砖实现,所述方砖分别围绕机器人铺设。所述砖中的每一个尤其具有占用网格并且具有与四个相邻的砖的相邻关系。如果机器人或者所述对象中的所检测的位于迄今通过所述砖描述的区域之外,则在那里同样铺设砖并且将测量集成到分别涉及的砖的网格中。
具有如此描述的周围环境检测、周围环境模型和闭环能力的移动***可以是车辆、尤其具有适合的驾驶员辅助***的汽车。
发明内容
根据本发明的用于模型化车辆的周围环境的方法包括以下步骤:首先获得用于多个测量位置的周围环境数据。这通过借助至少一个传感器来检测周围环境实现。传感器优选是有源的或者无源的光学的传感器。替代地,传感器优选是超声传感器或者雷达传感器。根据本发明,存储以下全部的测量位置:在所述测量位置处传感器检测周围环境。此外提供多个砖,所述多个砖用于存储周围环境数据。砖有利地是网格瓦片。
随后存储周围环境数据。这优选在先前提供的砖中实现。因此,根据本发明设置,周围环境数据存储在第一周围环境模型的至少一个第一砖和至少一个第二砖中。第一砖和第二砖代表周围环境的应当模型化的部分区域。附加地,存储来自第一砖的周围环境数据的至少一个明确(eindeutig)的特征和所属的第一测量位置。所述第一测量位置是以下位置:在所述位置处已经检测了特征。最后,存储车辆的所行驶的轨迹。这优选可以已经通过测量点的存储来实现,因为测量点离散化地描绘车辆的轨迹。
随后,由第二砖内的第二测量位置检测先前已经存储了的特征。在此,根据本发明设置,第一砖的周围环境数据与第二砖的周围环境数据不同。因此,根据网格瓦片方法不实施第一砖和第二砖的聚集。然而,第二单元内的特征的检测示出:第一单元和第二单元必须代表周围环境的相同的部分区域。然而因为第一单元和第二单元的周围环境数据不同,所以存在测量误差。这也意味着:车辆相对于第一周围环境模型已经驶过的轨迹是有误差的。
为了校正测量误差,在下一步骤中考虑第一测量位置和第二测量位置。优选地,根据第一测量位置和第二测量位置之间的差可以求取已校正的轨迹,其方式是,优选地第一测量位置和第二测量位置的差推算出所行驶的轨迹。最后,可以根据所得到的第二轨迹创建第二周围环境模型,已校正的周围环境数据加入到所述第二周围环境模型中。为此,已校正的周围环境数据由已校正的轨迹和第一周围环境模型计算。
通过所述方式产生第二周围环境模型,所述第二周围环境模型具有正确的值,即使当原始的测量数据由于测量误差是有误差时。优选地,明确地不实施如在现有技术中那样的所有测量数据的附加存储。
从属权利要求示出本发明的优选扩展方案。
在本发明的一种优选实施方式中,第二周围环境模型的创建包括以下步骤:虚拟地沿着所行驶的轨迹行驶第一周围环境模型,其中在所存储的测量位置处实现周围环境的所代表的部分区域的虚拟测量。通过这种方式获得虚拟的测量数据。所述虚拟的测量数据近似于原始地通过传感器获得的测量数据,因为后者作为周围环境数据存储在第一周围环境模型的砖中。此外,实现沿着已校正的轨迹虚拟地行驶第二周围环境模型。在此,将虚拟的测量数据加入到第二周围环境模型中。因为第二周围环境模型借助已校正的轨迹行驶,所以不再存在测量误差。更确切地说,将虚拟的测量数据全局正确地加入到第二周围环境模型中。第一周围环境模型的虚拟行驶和第二环节模型的虚拟行驶优选同时实施。由此,避免虚拟的测量数据的暂存,因为虚拟的测量数据直接地加入到第二周围环境模型中。
有利地,虚拟的测量通过在环绕所存储的测量位置的预限定的区域内从第一周围环境模型提取测量数据来实现。这能够实现虚拟测量数据的快速且简单的获得。
同样有利地,虚拟的测量通过虚拟的传感器实现。虚拟的传感器尤其具有预限定的虚拟的检测区域,从而以尽可能小的偏差地近似真实的测量。
优选地,所行驶的轨迹和已校正的轨迹具有相同的长度。这能够实现来自第一周围环境模型的测量数据直接传输到第二周围环境模型中,尤其通过1:1逻辑。因此,不需要将所行驶的轨迹上的位置耗费地变换成已校正的轨迹上的位置。
有利地,所述特征是位置特征、尤其所检测的棱边。替代地或附加地,所述特征有利地是图像特征,所述图像特征可以借助尺度不变的特征变换(也称作SIFT,尺度不变特征变换)从周围环境数据提取。
此外有利地设置,第一周围环境模型和第二周围环境模型存储在一个共同的存储器装置中。网格瓦片的应用尤其设置,存在网格管理器,所述网格管理器接管提供并且去除新的砖的任务。因此,所述网格管理器优选可以管理砖的两个集,所述两个集构成第一周围环境模型和第二周围环境模型。这引起存储器资源的节省。
在根据本发明的方法的一种优选实施方式中,从第一周围环境模型删除第一周围环境模型的以下砖:所述砖的周围环境数据已经加入到了第二周围环境模型中。这具有以下优点:不再需要的数据不阻碍附加的存储空间。因此,显著降低用于存储第一周围环境模型和第二周围环境模型的耗费。
特别优选地设置,第一周围环境模型和第二周围环境模型在车辆的周围环境的预限定的部分区域中重叠。通过这种方式,可以将用于存储第一周围环境模型和第二周围环境模型的必要的存储需求减小到最小。
附加地,本发明涉及一种控制设备。所述控制设备与至少一个传感器连接,所述传感器设置用于扫描其周围环境。此外,存储器装置与控制设备连接。控制设备根据本发明设置用于实施以上所描述的方法。特别地,控制设备布置在车辆中,从而控制设备可以创建车辆的周围环境模型,以便向驾驶员示出其车辆的周围环境。
附图说明
随后参照附图详细描述本发明的实施例。附图示出:
图1:根据现有技术的周围环境模型的示意图;
图2:根据本发明的一个实施例的第一周围环境模型的示意图;
图3:根据本发明的一个实施例的第一周围环境模型的另一示意图;
图4:根据本发明的一个实施例的第二周围环境模型的示意图;
图5:根据本发明的一个实施例的控制设备的示意图。
具体实施方式
在本发明的一个实施例中有利地使用网格瓦片,可以利用所述网格瓦片的以下特征:如果借助网格瓦片描绘其周围环境1的机器人、尤其车辆在一个环路中行驶并且没有准确地识别出与最后的环路通过的相同位置处的相同情况,则铺设新的砖3。这完全自动地实现,如在图2中示出的那样。图2示意性示出第一周围环境模型10,所述第一周围环境模型由多个砖3构成。砖3之间的相邻关系仅仅局部已知,从而环路端部近前的、没有由开始砖(第一砖4)得知的第三砖6贴靠新的相邻砖(第二砖5)。第一砖4和第二砖5的聚集(合并)根据网格瓦片算法仅仅当其内容足够相似、即例如识别出相同的周围环境对象时才实施。
如果机器人行驶一环路并且机器人的定位单元是有误差的,则存在可比较的情形。则不能成功地实施合并步骤并且除第二砖5以外铺设其他的新的砖3并且因此创建新的虚拟平面。这例如在图3中实施。
图3示出第一周围环境模型10的示图代表,其中在此又模型化障碍物9和自由面7。对于第一周围环境模型10的创建,机器人、尤其车辆行驶多个环路。例如通过里程表偏移可以不实施合并步骤,因为第一砖4和第二砖5的内容(比较图2)不同。因此,借助每一个环路创建一个新的平面300。
在图3中清楚可见,每一个平面300相对于位于其下方的平面300旋转多度。为了校正所述数据,存储所有位置点(测量点)。附加地可能的是,在一个列表中携带有特别的特征8,然而所述特征8也可以由网格数据、例如线区段获得。特别地,特征8可以是位置特征、如棱边或者基于图像的特征、如SIFT特征(尺度不变特征变换)。
借助所存储的位置点和特征8(Features)实施先前所描述的闭环方案,以便计算实际行驶的轨迹。明确地不实施如在现有技术中那样的所有测量数据的附加存储。因此,当重新识别出特征8时确定。例如,特征8可以存在于第一砖4中,从而在第二砖5中重新识别特征8。通过这种方式可以确保,机器人位于真实早已知的位置处。如果传感器1探测出第二砖5中的特征8在与在第一砖4中不同的位置处,则根据所述误差计算已校正的轨迹。这类似于已知的闭环方案地实现。
现在,第二周围环境模型20借助已校正的轨迹创建,这在图4中示出。第二周围环境模型20类似于第一周围环境模型10地模型化障碍物9和自由面7。为了创建第二周围环境模型20,借助原始的轨迹虚拟地行驶所记录的第一周围环境模型并且对于所存储的每一个位置点借助虚拟的传感器检测虚拟机器人的局部的周围环境。在最简单的情形中,所有测量数据在一定的半径内提取,在另外的步骤中可以修剪视域、即虚拟的传感器的检测范围。此外,可以在网格中通过虚拟的传感器隐藏遮盖的像素(第一周围环境模型10)。由此,虚拟地近似传感器2的测量,所述测量在此在开始场景中已经发生。
在第二周围环境模型20中,虚拟机器人再次沿着已校正的轨迹行驶。在此,在每一个相应的轨迹点上集成相应提取的虚拟的传感器测量。在此有利的是,两个轨迹、即已校正的轨迹和原始的轨迹具有相同长度,以便可以通过“1:1逻辑”实施对应(Korrespondenz)。由此确保,所有局部正确的信息由第一周围环境模型10转变成现在全局同样正确的第二周围环境模型20。
这能够借助根据现有技术的经典的周围环境模型实现,因为如在图1中示出的那样多个空的空间与旧的和/或其他的测量数据重叠。因此,为了解决闭环问题,对于经典的模型化而言必须存储所有测量数据。通过根据本发明的方法可以忽略所述存储步骤。
在图1、3和4中示出的数据记录在10厘米的分辨率的情况下占用约两兆字节的存储空间。所属的测量数据占用约六十兆字节。总体上,必须存储所述数据。依照根据本发明的方法同时构造两个模型,即需要最大四兆字节。由此,得到总共约93%的存储增益。在较大的环路和较长的路程时,可以任意地增大对于经典的闭环的存储器需求。借助网格瓦片可以闭合每一个环路,对于所述每一个环路存在足够的存储器,使得其两次地描绘为周围环境模型、即描绘为第一周围环境模型10和第二周围环境模型20。
所述实施例的其他方面:
借助相同的方法同样可以正确地模型化停车楼的或者可比较的多层结构的模型。在此,虽然不存在经典的闭环问题,然而在适当选择特征(特征,例如摄像机的上方四分之一中的图像特征,所述上方四分之一拍摄停车楼平面的覆盖或者壁棱边)时多层问题归属于经典的闭环。
为了得到进一步的存储器优化,可以追溯到网格瓦片的另一优点。在此,网格管理器接管数据管理。如果对于第二周围环境模型20而言由所述网格管理器要求没有每个相邻关系的砖3,则存在两个分开的模型,它们通过相同的存储器区域模型化。为了实现存储器增益,砖3可以由第一周围环境模型10(已经完全提取了其信息)由模型显示并且复位。由此能够实现,第一周围环境模型10和第二周围环境模型20仅仅仍在环绕车辆的相应的当前位置的砖3上重叠。在图4中的所示出的实施例中,这是约150个砖。由此,所需要的附加的存储器需求可以从用于两个不相交的周围环境模型的两兆字节减小到分别具有一千字节的150个砖。这意味着,从原始的根据经典的闭环方法所需要的六十兆字节减小了99.75%。
总而言之提出了一种方法,使得可以通过机器人、尤其具有适合的驾驶员辅助***的车辆的周围环境借助网格瓦片的模型化简单且存储器有利地处理所述闭环问题。由此,不仅节省大量的不必要的存储器单元,而且避免持续增大的存储器。
通过定位单元中的偏移,网格瓦片完全自动地构造周围环境的3D模型。由此避免,新的测量覆盖旧的测量并且使其无效,如其在现有技术中的情形那样(参见图1)。通过模型的虚拟行驶以及将虚拟的测量集成到新的世界模型中可以矫正并且因此校正模型。
图5示出根据本发明的一个实施例的控制设备100。所述控制设备100与存储器装置200和传感器2连接,从而所述控制设备可以实施以上所描述的方法。
Claims (10)
1.一种用于模型化车辆的周围环境(1)的方法,所述方法包括以下步骤:
通过由至少一个传感器(2)检测所述周围环境(1)获得用于多个测量位置的周围环境数据;
存储所述测量位置;
提供多个砖(3)、尤其网格瓦片,以便存储所述周围环境数据;
在第一周围环境模型(10)的至少一个第一砖(4)和至少一个第二砖(5)中存储所述周围环境数据,其中,所述第一砖(4)和所述第二砖(5)代表所述周围环境(1)的部分区域;
存储来自所述第一砖(4)的周围环境数据的至少一个明确的特征(8)和所属的第一测量位置,在所述第一测量位置处已经检测了所述特征(8);
存储所述车辆的所行驶的轨迹;
检测来自所述第二砖(5)内的第二测量位置的特征(8),其中,所述第一砖(4)和所述第二砖(5)的周围环境数据不同;
由所述第一测量位置和所述第二测量位置和所行驶的轨迹求取已校正的测量位置和已校准的轨迹;
通过所述第一周围环境模型(10)的根据所述已校正的轨迹校正的周围环境数据的加入来创建第二周围环境模型(20)。
2.根据权利要求1所述的方法,其特征在于,所述第二周围环境模型的创建包括以下步骤:
沿着所行驶的轨迹虚拟地行驶所述第一周围环境模型(10)并且在所存储的测量位置处虚拟地测量所述周围环境(1)的所代表的部分区域,以便获得虚拟的测量数据;
沿着所述已校正的轨迹虚拟地行驶所述第二周围环境模型(20)并且将所述虚拟的测量数据加入到所述第二周围环境模型(20)中。
3.根据权利要求2所述的方法,其特征在于,所述虚拟的测量通过在环绕所存储的测量位置的预限定的区域内从所述第一周围环境模型(10)提取测量数据来实现。
4.根据权利要求2或3所述的方法,其特征在于,所述虚拟的测量通过虚拟的传感器实现,其中,所述虚拟的传感器具有预限定的虚拟的检测区域。
5.根据以上权利要求中任一项所述的方法,其特征在于,所行驶的轨迹和已校正的轨迹具有相同的长度。
6.根据以上权利要求中任一项所述的方法,其特征在于,所述特征(8)是位置特征、尤其所检测的棱边和/或是图像特征,所述图像特征能够借助尺度不变的特征变换从所述周围环境数据提取。
7.根据以上权利要求中任一项所述的方法,其特征在于,所述第一周围环境模型(10)和所述第二周围环境模型(20)存储在一个共同的存储器装置(200)中。
8.根据以上权利要求中任一项所述的方法,其特征在于,从所述第一周围环境模型(10)删除所述第一周围环境模型(10)的以下砖(3):所述砖的周围环境数据已经加入到了所述第二周围环境模型(20)中。
9.根据权利要求8所述的方法,其中,所述第一周围环境模型(10)和所述第二周围环境模型(20)在所述车辆的周围环境(1)的预限定的部分区域中重叠。
10.一种控制设备(100),其与至少一个用于扫描周围环境(1)的传感器(2)和至少一个存储器装置(200)连接,其特征在于,所述控制设备(100)设置用于实施根据以上权利要求中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013211126.6A DE102013211126A1 (de) | 2013-06-14 | 2013-06-14 | Verfahren zum Modellieren eines Umfelds eines Fahrzeugs |
DE102013211126.6 | 2013-06-14 | ||
PCT/EP2014/060142 WO2014198489A1 (de) | 2013-06-14 | 2014-05-16 | Verfahren zum modellieren eines umfelds eines fahrzeugs |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105324729A true CN105324729A (zh) | 2016-02-10 |
CN105324729B CN105324729B (zh) | 2018-10-12 |
Family
ID=50729522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480033385.XA Active CN105324729B (zh) | 2013-06-14 | 2014-05-16 | 用于模型化车辆的周围环境的方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3008534B1 (zh) |
CN (1) | CN105324729B (zh) |
DE (1) | DE102013211126A1 (zh) |
WO (1) | WO2014198489A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216249A (zh) * | 2016-12-21 | 2018-06-29 | 罗伯特·博世有限公司 | 用于车辆的周围环境检测的***和方法 |
CN108303098A (zh) * | 2018-02-09 | 2018-07-20 | 上海思岚科技有限公司 | 机器人路径规划方法及设备 |
CN109813555A (zh) * | 2017-11-22 | 2019-05-28 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆中视觉位置评估的***和方法 |
CN110914639A (zh) * | 2017-07-10 | 2020-03-24 | 奥迪股份公司 | 产生和更新至少一个建筑物的至少一个空间的拓扑地图的数据生成方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015003666A1 (de) | 2015-03-20 | 2016-09-22 | Daimler Ag | Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors |
DE102015111613A1 (de) | 2015-07-17 | 2017-01-19 | Still Gmbh | Verfahren zur Hinderniserfassung bei einem Flurförderzeug |
DE102016210890A1 (de) | 2016-06-17 | 2017-12-21 | Robert Bosch Gmbh | Konzept zum Überwachen eines Umfelds eines innerhalb eines Parkplatzes fahrenden Kraftfahrzeugs |
DE102016210886A1 (de) | 2016-06-17 | 2017-12-21 | Robert Bosch Gmbh | Konzept zum Steuern eines Verkehrs innerhalb eines Parkplatzes |
GB201718507D0 (en) | 2017-07-31 | 2017-12-27 | Univ Oxford Innovation Ltd | A method of constructing a model of the motion of a mobile device and related systems |
EP3729225A1 (en) * | 2017-12-21 | 2020-10-28 | University of Zagreb Faculty of Electrical Engineering and Computing | Interactive computer-implemented method, graphical user interface and computer program product for building a high-accuracy environment map |
DE102019202702B3 (de) | 2019-02-28 | 2020-08-13 | Kuka Deutschland Gmbh | Abfahren einer vorgegebenen Anordnung von Wegen mit einem mobilen Roboter |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1291668A3 (en) * | 2001-09-07 | 2004-12-01 | Matsushita Electric Industrial Co., Ltd. | Vehicle surroundings display device and image providing system |
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN101650891A (zh) * | 2008-08-12 | 2010-02-17 | 三星电子株式会社 | 创建3维网络地图的方法和控制自动行进设备的方法 |
CN102809379A (zh) * | 2011-06-01 | 2012-12-05 | 通用汽车环球科技运作有限责任公司 | 用于基于传感器的环境模型构造的***和方法 |
CN103123727A (zh) * | 2011-11-21 | 2013-05-29 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7774158B2 (en) * | 2002-12-17 | 2010-08-10 | Evolution Robotics, Inc. | Systems and methods for landmark generation for visual simultaneous localization and mapping |
US8121399B2 (en) * | 2005-12-16 | 2012-02-21 | Ihi Corporation | Self-position identifying method and device, and three-dimensional shape measuring method and device |
US8577538B2 (en) * | 2006-07-14 | 2013-11-05 | Irobot Corporation | Method and system for controlling a remote vehicle |
US7584020B2 (en) * | 2006-07-05 | 2009-09-01 | Battelle Energy Alliance, Llc | Occupancy change detection system and method |
US8209143B1 (en) * | 2009-09-15 | 2012-06-26 | Google Inc. | Accurate alignment of multiple laser scans using a template surface |
-
2013
- 2013-06-14 DE DE102013211126.6A patent/DE102013211126A1/de not_active Ceased
-
2014
- 2014-05-16 WO PCT/EP2014/060142 patent/WO2014198489A1/de active Application Filing
- 2014-05-16 CN CN201480033385.XA patent/CN105324729B/zh active Active
- 2014-05-16 EP EP14724111.1A patent/EP3008534B1/de active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1291668A3 (en) * | 2001-09-07 | 2004-12-01 | Matsushita Electric Industrial Co., Ltd. | Vehicle surroundings display device and image providing system |
CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
CN101650891A (zh) * | 2008-08-12 | 2010-02-17 | 三星电子株式会社 | 创建3维网络地图的方法和控制自动行进设备的方法 |
CN102809379A (zh) * | 2011-06-01 | 2012-12-05 | 通用汽车环球科技运作有限责任公司 | 用于基于传感器的环境模型构造的***和方法 |
CN103123727A (zh) * | 2011-11-21 | 2013-05-29 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108216249A (zh) * | 2016-12-21 | 2018-06-29 | 罗伯特·博世有限公司 | 用于车辆的周围环境检测的***和方法 |
CN108216249B (zh) * | 2016-12-21 | 2022-10-28 | 罗伯特·博世有限公司 | 用于车辆的周围环境检测的***和方法 |
CN110914639A (zh) * | 2017-07-10 | 2020-03-24 | 奥迪股份公司 | 产生和更新至少一个建筑物的至少一个空间的拓扑地图的数据生成方法 |
US10921137B2 (en) | 2017-07-10 | 2021-02-16 | Audi Ag | Data generation method for generating and updating a topological map for at least one room of at least one building |
CN110914639B (zh) * | 2017-07-10 | 2021-08-13 | 奥迪股份公司 | 产生和更新至少一个建筑物的至少一个空间的拓扑地图的数据生成方法 |
CN109813555A (zh) * | 2017-11-22 | 2019-05-28 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆中视觉位置评估的***和方法 |
CN108303098A (zh) * | 2018-02-09 | 2018-07-20 | 上海思岚科技有限公司 | 机器人路径规划方法及设备 |
CN108303098B (zh) * | 2018-02-09 | 2018-09-25 | 上海思岚科技有限公司 | 机器人路径规划方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105324729B (zh) | 2018-10-12 |
EP3008534B1 (de) | 2019-10-02 |
EP3008534A1 (de) | 2016-04-20 |
DE102013211126A1 (de) | 2014-12-18 |
WO2014198489A1 (de) | 2014-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105324729A (zh) | 用于模型化车辆的周围环境的方法 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
JP6760114B2 (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
CN110859044B (zh) | 自然场景中的集成传感器校准 | |
CN110033489B (zh) | 一种车辆定位准确性的评估方法、装置及设备 | |
CN103472823B (zh) | 一种智能机器人用的栅格地图创建方法 | |
US10948302B2 (en) | Methods and systems for generating and using localization reference data | |
WO2021000809A1 (zh) | 利用激光slam在长走廊建图的方法、装置、***、存储介质 | |
Tao et al. | Lane marking aided vehicle localization | |
JP2020500290A (ja) | 位置特定基準データを生成及び使用する方法及びシステム | |
CN108362295A (zh) | 车辆路径引导设备和方法 | |
CN105674993A (zh) | 基于双目相机的高精度视觉定位地图生成***及方法 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
CN103487033B (zh) | 一种基于变高单应的河流水面摄影测量方法 | |
CN103411587B (zh) | 定位定姿方法及*** | |
CN108549376A (zh) | 一种基于信标的导航定位方法及*** | |
CN112734765A (zh) | 基于实例分割与多传感器融合的移动机器人定位方法、***及介质 | |
KR102371852B1 (ko) | 포인트 클라우드 정보에 기반한 맵 업데이트 방법 및 장치 | |
CN103235810A (zh) | 遥感影像控制点数据智能检索方法 | |
CN112833890A (zh) | 地图构建方法、装置、设备、机器人及存储介质 | |
CN113985465A (zh) | 传感器融合定位方法、***、可读存储介质及计算机设备 | |
Shi et al. | Fusion of a panoramic camera and 2D laser scanner data for constrained bundle adjustment in GPS-denied environments | |
WO2020007323A1 (zh) | 商超购物车定位方法、商超购物车定位***及商超购物车 | |
US20090226094A1 (en) | Image correcting device and method, and computer program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |