CN109425358A - 信息处理装置及方法、车辆、行驶控制方法及地图更新方法 - Google Patents
信息处理装置及方法、车辆、行驶控制方法及地图更新方法 Download PDFInfo
- Publication number
- CN109425358A CN109425358A CN201810960398.1A CN201810960398A CN109425358A CN 109425358 A CN109425358 A CN 109425358A CN 201810960398 A CN201810960398 A CN 201810960398A CN 109425358 A CN109425358 A CN 109425358A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- map
- detection
- region
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003672 processing method Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 296
- 238000004891 communication Methods 0.000 claims description 107
- 238000012360 testing method Methods 0.000 claims description 65
- 230000001133 acceleration Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003716 rejuvenation Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 abstract description 29
- 238000012545 processing Methods 0.000 description 25
- 230000015654 memory Effects 0.000 description 17
- 238000007689 inspection Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 239000000470 constituent Substances 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010021033 Hypomenorrhoea Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G01C21/34—Route searching; Route guidance
-
- 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
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- 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
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
- G01C21/3896—Transmission of map data from central databases
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
提供一种能够有效地更新为精度好的地图数据的信息处理装置、车辆、信息处理方法、行驶控制方法以及地图更新方法等。向车辆(200)发布表示车辆行驶的道路的道路形状的地图的信息处理装置(100)具备:存储划分为多个区域的地图的地图数据库(151);第1判定部(110),其针对多个区域的各个区域,基于从由地图表示的道路形状向当前的道路形状的变化量以及在该区域中行驶了的车辆的预定动作的发生次数中的至少一方,判定是否需要更新该区域的地图。
Description
技术领域
本发明涉及更新地图数据的信息处理装置、车辆、信息处理方法、行驶控制方法以及地图更新方法。
背景技术
以往,如专利文献1、专利文献2以及非专利文献1,已知使用搭载于车辆的传感器取得的数据来更新地图数据的技术。
现有技术文献
专利文献1:日本特开2016-156973号公报
专利文献2:日本特开2016-153832号公报
非专利文献1:A.K.Aijazi,P.Checchin,and L.Trassouldaine,“Det ectingandUpdating Changes in Lidar Point Clouds for Automatic 3D UrbanCartography”,ISPRS Ann.Photogramm.Remote Sens.Spati al Inf.Sci.,II-5/W2,7-12,2013,http://www.isprs-ann-photogramm-rem ote-sens-spatial-inf-sci.net/II-5-W2/7/2013/isprsannals-II-5-W2-7-2013.pdf
发明内容
发明要解决的技术问题
但是,在上述现有技术中,存在难以更新为精度好的地图数据这一技术问题。
本公开是解决上述以往的技术问题而完成的,目的在于提供一种能够有效地更新为精度好的地图数据的信息处理装置、车辆等。
用于解决技术问题的技术方案
本公开的信息处理装置是向车辆发布地图的信息处理装置,所述地图表示道路形状,所述道路形状是所述车辆所行驶的道路以及所述道路周边的形状,所述信息处理装置具备:地图数据库,其存储有划分为多个区域的所述地图;和第1判定部,其针对所述多个区域的各个区域,基于从由所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域行驶了的车辆的预定动作的发生次数中的至少一方,判定是否需要更新该区域的所述地图。
本公开的车辆具备:第1检测部,其检测所行驶的道路以及作为所述道路周边的形状的道路形状;第2通信部,其从外部的信息处理装置经由通信网络接收道路形状的检测请求;第2判定部,其在由所述第2通信部接收到所述检测请求的情况下,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新地图而检测行驶中的道路的道路形状的行驶的检测模式;切换部,其在由所述第2判定部判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变;以及控制部,其以由所述切换部切换后的行驶模式使所述车辆行驶。
本公开的地图更新方法是向1辆以上的车辆发布地图的信息处理装置和所述1辆以上的车辆进行的地图更新***中的所述地图的地图更新方法,所述地图表示道路形状,所述道路形状是所述1辆以上的车辆所行驶的道路以及所述道路周边的形状,所述地图更新方法包括:在所述信息处理装置中,针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图,从正在判定为需要更新所述地图的区域中行驶或者预定在判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择高精度地检测道路形状的检测车辆,经由通信网络对所选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求,在所述1辆以上的车辆中被选择为所述检测车辆的车辆中,从外部的信息处理装置经由所述通信网络接收所述检测请求,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新所述地图而检测行驶中的道路的道路形状的行驶的检测模式,在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变,以切换后的行驶模式使所述检测车辆行驶。
此外,这些总括性或者具体的技术方案既可以由***、方法、集成电路、计算机程序或者计算机可读取的CD-ROM等记录介质来实现,也可以由***、方法、集成电路、计算机程序以及记录介质的任意组合来实现。
发明的效果
根据本公开的信息处理装置、车辆等,能够有效地更新为精度好的地图数据。
附图说明
图1是表示实施方式涉及的地图更新***的概略图。
图2是表示实施方式涉及的信息处理装置的硬件结构的一个例子的框图。
图3是表示实施方式涉及的车辆的硬件结构的一个例子的框图。
图4是表示实施方式涉及的地图更新***的功能构成的一个例子的框图。
图5是用于对第1判定部的分数的算出进行说明的图。
图6是表示区分为多个区域的三维地图的一部分的图。
图7A是表示事件历史记录数据库的一个例子的图。
图7B是表示车辆数据库的一个例子的图。
图8A是表示对接收到检测请求这一情况进行通知的UI的一个例子的图。
图8B是表示对用户询问是否将行驶模式切换为检测模式的UI的一个例子的图。
图9是表示实施方式涉及的地图更新***的地图更新方法的一个例子的时序图。
图10是表示实施方式涉及的更新判定处理的详细情况的一个例子的流程图。
图11是表示实施方式涉及的行驶控制的详细情况的一个例子的流程图。
图12是用于对设为检测模式而增大车间距离来行驶的效果进行说明的图。
图13A是用于对设为检测模式而减小最大速度或者最大加速度来行驶的效果进行说明的图。
图13B是用于对设为检测模式而减小最大速度或者最大加速度来行驶的效果进行说明的图。
图14A是用于说明对由多个对象物导致发生阻塞(occlusion)进行抑制的效果的图。
图14B是用于说明对由多个对象物导致发生阻塞进行抑制的效果的图。
标号说明
1地图更新***;11CPU;12主存储器;13储存设备;14通信IF;21CPU;22主存储器;23储存设备;24通信IF;25拍摄装置;26LIDAR;27IMU;28GNSS;29显示器;30输入IF;40、41虚线;50对象物;50a实际的位置;50b推定的位置;51~57、51b~57b点;70~72对象物;100信息处理装置;110第1判定部;120选择部;130第1通信部;140位置取得部;150数据库;151地图数据库;152地图历史记录数据库;153事件历史记录数据库;154车辆数据库;200车辆;200a、200b位置;210第2通信部;220第2判定部;230切换部;240控制部;250第1检测部;260地图数据库;270输入受理部;280第2检测部;290拥堵检测部;291、292UI;300通信网络;310基站;400卡车。
具体实施方式
(成为本发明的基础的见解)
本发明的发明人关于“背景技术”一栏记载的地图更新***,发现了会产生以下的问题。
在专利文献1中,公开了具有管理地图数据的服务器和搭载了传感器的车辆的地***。该***中,车辆根据从传感器取得的数据与地图数据的比较来检测环境的变化点,服务器从车辆取得变化点的数据和变化点检测时的传感器精度信息,通过由传感器精度信息对变化点数据进行加权来更新地图数据。
另外,与专利文献1同样地,在专利文献2中公开了基于车辆行驶了的区域的交通量进行变化点的加权来更新地图数据的***。
另外,非专利文献1中公开了:根据激光雷达(LiDAR:Light Detection AndRanging,激光探测及测距***)的观测数据与分割为格子状的地图的比较,检测环境的变化点,从多次的观测计算各变化点的方差。并且,在非专利文献1中公开了使用各变化点的方差的计算结果而推定为暂时性的环境变化不反映于地图的更新、仅将推定为恒久性的变化反映于地图的更新这一算法、以及向实际数据的应用结果。
在这些文献的技术中,各地图区域的交通量的多少与服务器的数据收集量的多少相关,因此,具有在交通量多的区域中会过剩地进行数据通信、且在交通量少的区域中更新数据不足这一问题。特别是由激光雷达或者摄像头得到的检测数据为大容量数据,因此,在交通量多的区域中,多会进行无用的通信。另一方面,在交通量少的区域中,由激光雷达或者摄像头得到的检测数据会容易不足,因此,即使是在实际的道路产生了变化点,也无法维持更新频度,无法维持信息新鲜度。因此,车辆一定会维持在地图数据与实际行驶的道路之间产生了差异的状态不变地进行行驶。此外,专利文献2公开了增大在交通量少的区域得到的检测数据的权重而维持更新频度的方法。但是,该方法中,在检测到的数据的精度差的情况下,会留有牺牲了更新的可靠性这一问题。
另外,在上述文献的技术中,有可能在从车辆的传感器收集检测数据时,也收集精度差的检测数据。例如,车辆一边行驶、一边通过传感器对周围进行检测,因此,存在如下可能性:因传感器的检测期间的车辆的振动或者急加速而推定车辆的自身位置的精度会恶化,检测数据与地图数据的匹配精度变差。另外,当检查数据期间的车辆接近大型车辆等时,有可能在激光雷达的检测数据发生阻塞,无法适当地检测周围状况。此外,专利文献1公开了如下方法:根据与数据检测时的传感器精度有关的要素,改变检测到的数据的权重。但是,该方法中会留下如下问题:在传感器精度不稳定的状况下会仅进行低的加权,因此,更新不会取得进展。
为了解决这样的问题,本公开的一技术方案涉及的信息处理装置是向车辆发布地图的信息处理装置,所述地图表示道路形状,所述道路形状是所述车辆所行驶的道路以及所述道路周边的形状,所述信息处理装置具备:地图数据库,其存储有划分为多个区域的所述地图;和第1判定部,其针对所述多个区域的各个区域,基于从由所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域行驶了的车辆的预定动作的发生次数中的至少一方,判定是否需要更新该区域的所述地图。
由此,将地图分割为多个区域,针对多个区域的各个区域,判定是否需要更新地图。这样,信息处理装置能够有效地判定需要更新地图的区域。
另外,也可以为,还具备:选择部,其从正在由所述第1判定部判定为需要更新所述地图的区域中行驶或者预定在由所述第1判定部判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择检测所述道路形状的检测车辆;和第1通信部,其经由通信网络对由所述选择部选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求。
由此,对需要更新地图的区域,请求1辆以上的车辆进行检测数据的检测。这样,信息处理装置选择在需要更新的区域中行驶或者预定在需要更新的区域中行驶的车辆来发送检测请求,因此,能够有效地取得精度好的检测数据。因此,信息处理装置能够有效地更新为精度好的地图数据。
另外,也可以为,所述车辆是进行自动驾驶的车辆,所述预定动作是到当前为止的预定期间中发生的急减速、急加速、所述自动驾驶期间的手动驾驶介入、以及急躲避中的至少一个。
由此,在进行自动驾驶的车辆中预定动作的发生次数越多,信息处理装置判断为在地图表示的道路形状与实际的道路形状之间差异越大。原因在于,若地图表示的道路形状与实际的道路形状之间产生差异,推定自车位置的精度会变差,因此,稳定的行驶控制变得困难。这样,预定动作的发生次数越多,信息处理装置判断为在地图表示的道路形状与实际的道路形状之间差异越大,因此,能够有效地判断是否需要更新地图。
另外,也可以为,所述选择部选择车高为预定高度以上的车辆来作为所述检测车辆。
因此,能够选择能高精度地检测道路形状的车辆。
另外,也可以为,所述选择部选择具有检测所述道路形状的、检测精度为预定精度以上的传感器的车辆来作为所述检测车辆。
因此,能够选择能高精度地检测道路形状的车辆。
另外,也可以为,所述选择部选择以前曾以为了进行所述地图的更新而检测所述道路形状的检测模式行驶过的车辆来作为所述检测车辆。
因此,能够选择能以用于高精度地检测道路形状的检测模式行驶的可能性高的车辆。由此,能够降低到选择以检测模式行驶的车辆为止所花费的时间以及处理负荷。
另外,也可以为,所述第1判定部,针对所述多个区域的各个区域,基于所述变化量和所述发生次数中的至少一方算出分数,判定为所述多个区域中的算出的分数超过预定分数的区域的地图需要更新。
因此,能够针对多个区域的各个区域,有效地且容易地判定是否需要更新该区域的地图。
另外,也可以为,所述第1判定部增大所述多个区域中的每单位期间判定为需要更新的次数为第1次数以上的区域的所述预定分数,减小每所述单位期间判定为需要更新的次数小于第2次数的区域的所述预定分数,所述第2次数为所述第1次数以下。
因此,越是道路形状的时间序列的变化大的区域,越能够增大更新频度。由此,能够以与道路形状的时间序列的变化相应的频度,进行区域的地图的更新。由此,能够按各区域以适当的频度进行多个区域的地图的更新。
本公开的一技术方案涉及的车辆具备:第1检测部,其检测所行驶的道路以及作为所述道路周边的形状的道路形状;第2通信部,其从外部的信息处理装置经由通信网络接收道路形状的检测请求;第2判定部,其在由所述第2通信部接收到所述检测请求的情况下,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新地图而检测行驶中的道路的道路形状的行驶的检测模式;切换部,其在由所述第2判定部判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变;以及控制部,其以由所述切换部切换后的行驶模式使所述车辆行驶。
由此,车辆能够以作为与通常模式不同的行驶模式的、用于为了更新地图而检测道路形状的检测模式行驶,因此,能够高精度地检测道路形状。另外,车辆即使在从信息处理装置接收到检测请求的情况下,也根据车辆200的状况来不将行驶模式切换为检测模式而保持通常模式不变地进行行驶,能够抑制损害车辆的用户的便利性。
另外,也可以为,所述第2通信部将表示由所述第1检测部检测到的所述道路形状的检测数据经由所述通信网络发送给所述信息处理装置。
因此,车辆能够向信息处理装置发送在需要更新地图的区域中高精度地检测到的检测数据。
另外,也可以为,所述检测模式是在与所述通常模式相比减小最大行驶速度、减小最大行驶加速度、增大车间距离、增大所述第1检测部进行检测的检测频率中的变更了至少一个设定的状态下进行行驶的行驶模式。
因此,车辆能够在检测模式中高精度地检测道路形状。
另外,也可以为,还具备检测与所述车辆相距一定距离以内的后续车辆的第2检测部,所述控制部在所述行驶模式由所述切换部切换为了所述检测模式的情况下,当所述第2检测部检测到所述后续车辆时,以所述通常模式使所述车辆行驶。
因此,车辆即使是在行驶模式切换为了检测模式的情况下,也能够在第2检测部检测到后续车辆时,以不妨碍后续车辆的方式行驶。
另外,也可以为,还具备检测所述车辆周围的拥堵的发生的拥堵检测部,所述控制部在由所述切换部将所述行驶模式切换为了所述检测模式的情况下,当所述拥堵检测部检测到所述拥堵的发生时,以所述通常模式使所述车辆行驶。
因此,车辆即使是在行驶模式切换为了检测模式的情况下,也能够在其他车辆的密度为预定密度以上的拥堵时,以不会妨碍拥堵的车辆的方式行驶。
另外,也可以为,还具备输入受理部,所述输入受理部受理表示是否允许将所述行驶模式从所述通常模式切换为所述检测模式的输入,所述第2判定部在由所述输入受理部受理的所述输入表示允许的情况下,判定为切换所述行驶模式,在由所述输入受理部受理的所述输入表示不允许的情况下,判定为不切换所述行驶模式。
因此,车辆在没有从位于车室内的人得到允许的情况下,不切换行驶模式而以通常模式进行行驶,因此,能够抑制损害该人的便利性。
另外,也可以为,所述车辆是运送客人的车辆,所述第2判定部在所述车辆不是去迎接所述客人的期间、且所述车辆不是运送所述客人的期间的情况下,判定为切换所述行驶模式,在所述车辆是去迎接所述客人的期间、或者是运送所述客人的期间的情况下,判定为不切换所述行驶模式。
因此,车辆在迎接客人活着运送客人的情况下,使行驶模式为通常模式不变而进行行驶,因此,能够抑损害客人的便利性。
本公开的一技术方案涉及的地图更新方法是向1辆以上的车辆发布地图的信息处理装置和所述1辆以上的车辆进行的地图更新***中的所述地图的地图更新方法,所述地图表示道路形状,所述道路形状是所述1辆以上的车辆所行驶的道路以及所述道路周边的形状,所述地图更新方法包括:在所述信息处理装置中,针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图,从正在判定为需要更新所述地图的区域中行驶或者预定在判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择高精度地检测道路形状的检测车辆,经由通信网络对所选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求,在所述1辆以上的车辆中被选择为所述检测车辆的车辆中,从外部的信息处理装置经由所述通信网络接收所述检测请求,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新所述地图而检测行驶中的道路的道路形状的行驶的检测模式,在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变,以切换后的行驶模式使所述检测车辆行驶。
此外,这些总括性的或者具体的技术方案既可以由***、方法、集成电路、计算机程序或者计算机可读取的CD-ROM等记录介质来实现,也可以由***、方法、集成电路、计算机程序或记录介质的任意组合来实现。
以下,参照附图对本公开的一技术方案涉及的信息处理装置、车辆、信息处理方法、行驶控制方法以及地图更新方法进行具体的说明。
此外,以下说明的实施方式均是表示本发明的一具体例。以下的实施方式中所示的数值、形状、材料、构成要素、构成要素的配置位置以及连接方式、步骤、步骤的顺序等是一个例子,并不是意在限定本发明。另外,对于以下实施方式的构成要素中的未记载在表示最上位概念的独立权利要求项中的构成要素,作为任意的构成要素来说明。另外,在全部附图中,对同一要素分配相同的标号。
(实施方式)
以下使用图1~图14B对实施方式进行说明。
[1-1.构成]
图1是实施方式涉及的地图更新***的概略图。
具体而言,在图1中示出了信息处理装置100、多辆车辆200、通信网络300以及移动通信***的基站310。例如,地图更新***1具备这些构成要素中的信息处理装置100以及多辆车辆200。此外,在图1中,多辆车辆200示出了2辆车辆,但只要是1辆以上,则也可以是任何辆数。
信息处理装置100是将表示多辆车辆200行驶的道路以及该道路周边的三维的道路形状的三维地图发布给多辆车辆200的装置。信息处理装置100例如是服务器。
多辆车辆200分别具备由三维地图表示的三维的道路形状和该车辆200具备的检测部(传感器)。多辆车辆200分别例如是通过对由检测部检测到的、该车辆200正行驶的道路以及该道路周边的三维的道路形状进行匹配来推定自车位置,使用所推定的自车位置来进行自动驾驶或者驾驶辅助的车辆。多辆车辆200分别例如使用ICP(Iterative ClosestPoint,迭代最近点)算法、NDT(Normal Distributions Transform,正态分布变换)算法进行上述匹配。
然而,在道路的形状变化、道路周边的建造物改建变化和/或道路周边的树木等自然物的形状大幅度变化的情况下,由三维地图表示的道路形状与实际的道路形状会变得不一致。道路以及道路周边的形状天天在变化。例如,树木的形状因季节而会有较大的不同。另外,若在道路旁边有建筑现场,则该道路周边的形状会天天在变化。由此,匹配精度会恶化。
这样,当匹配精度恶化时,推定自车位置的精度会恶化。车辆200为了根据所推定的自车位置进行行驶、停止、右左转弯等的自主控制,若所推定的自车位置与现实的位置产生较大的偏差,则会在预想外的位置停止、转弯,这成为安全上的威胁。因此,为了确保自主控制下的车辆200的行驶上的安全性,需要将信息处理装置100所保持的三维地图的信息新鲜度保持得较高。也即是,与面向以往的汽车导航***的抽象的地图相比,需要具有压倒性高的更新频度。另外,难以仅使用检测道路形状的专用的检测车辆来以高更新频度实现大范围的道路形状的检测。因此,在地图更新***1中,使搭载了检测部(传感器)的一般的通用的多辆车辆200检测地图更新用的检测数据,使检测数据汇集于信息处理装置100。
在使用由多辆车辆200具备的传感器得到的检测数据来更新信息处理装置100保持的三维地图的情况下,通常不会仅使用某1辆车辆200的某时刻检测到的检测数据来进行更新。原因在于,有可能在因某种理由而检测数据的精度变差的情况下将该检测数据用于更新时会更新为精度差的地图。也即是,应该极力避免使用对偶发的环境变化进行检测而得到的检测数据来进行更新。因此,通过在多辆车辆200适度地分散了的时刻进行检测而得到的多个检测数据中,将该多个检测数据共同的环境变化视为是确切的检测数据,并反映于更新即可。这在专利文献1、专利文献2以及非专利文献1中是成为其基本的已知想法。
从该观点出发,信息处理装置100对于某1个环境变化也需要多个检测数据。但是,对于通过该地点的全部车辆上传检测数据,无论是在通信量的观点上、还是在信息处理装置100的计算资源的观点上,浪费都是较大的。例如,如交通量多的大型国道等那样,也有1日5万辆以上行驶的道路,进而由LIDAR或者摄像头得到的检测数据如上所述那样为大容量数据,因此,会成为庞大的通信量。
相反地,有时交通量少的区域中的检测数据无法足够地汇集,存在不足以更新三维地图的情况。在专利文献2中,在交通量少的道路,将每1数据的可靠度修正为较高来使得足以进行更新。也即是,在交通量少的区域中,以少的检测数据的状态来使得更新得到落实,因此,在那样的状态下可靠性会被牺牲。因此,谋求在交通量少的区域中更多地对检测数据进行检测、以及使一个一个的检测数据的精度提高。
因此,信息处理装置100将三维地图分割为多个区域,针对多个区域的各个区域,判定是否需要更新三维地图,仅对需要更新三维地图的区域,对1辆以上的车辆200请求检测数据的检测。另外,信息处理装置100选择正在该区域中行驶或者预定在该区域中行驶的1辆以上的车辆200中的、能够高精度地检测道路形状的车辆200,作为请求检测数据的检测的车辆200。这样,信息处理装置100选择能够对需要更新的区域高精度地检测道路形状的车辆200来发送检测请求,因此,能够将三维地图的信息新鲜度保持得尽可能地高,并且,能够降低由于对检测数据进行汇总而产生的通信量以及该检测数据的处理负荷。
使用图2对信息处理装置100的硬件结构进行说明。
图2是表示实施方式涉及的信息处理装置的硬件构成的一个例子的框图。
如图2所示,信息处理装置100具备CPU11(中央处理单元)、主存储器12、储存设备13、通信IF(Inter face,接口)14来作为硬件结构。
CPU11是执行存储于储存设备13等的控制程序的处理器。
主存储器12是用作在CPU11执行控制程序时使用的工作区域的易失性存储区域。
储存设备13是保持控制程序、内容等的非易失性存储区域。
通信IF14是经由通信网络与多辆车辆200进行通信的通信接口。通信IF14例如是有线LAN接口。此外,通信IF14也可以是无线LAN接口。另外,通信IF14不限于LAN接口,只要是能够建立与通信网络的通信连接的通信接口,则也可以是任何的通信接口。
接着,使用图3对车辆200的硬件结构进行说明。
图3是表示实施方式涉及的车辆的硬件结构的一个例子的框图。
如图3所示,车辆200具备CPU21(Central Processing Unit)、主存储器22、储存设备23、通信IF(Inter Face)24、拍摄装置25、LIDAR26、IMU(惯性测量单元)27、GNSS(全球导航卫星***)28、显示器29、输入IF(Inter Face)30来作为硬件结构。此外,在图3中示出多辆车辆200各自的构成。此外,多辆车辆200也可以分别全部包含图3所示的硬件构成。例如,车辆200具有拍摄装置25以及LIDAR26中的至少一方即可。另外,车辆200也可以具有显示器29。另外,车辆200也可以没有输入IF30。另外,车辆200也可以代替CPU21(CentralProcessing Unit)、主存储器22而具有专用电路。
CPU21是执行存储于储存设备23等的控制程序的处理器。
主存储器22是用作CPU21执行控制程序时使用的工作区域的易失性存储区域。
储存设备23是保持控制程序、内容等的非易失性的存储区域。
通信IF24是经由通信网络300与信息处理装置100进行通信的通信接口。也即是,通信IF24只要是能够与通信网络300通信连接的通信接口即可。具体而言,通信IF24是通过与移动通信***的基站310的通信连接来与通信网络300进行通信连接的通信接口。通信IF24例如也可以是符合如第3代移动通信***(3G)、第4代移动通信***(4G)、或者LTE(注册商标)等的移动通信***中利用的通信标准的无线通信接口。另外,通信IF24例如既可以是符合IEEE802.11a、b、g、n标准的无线LAN(Local Area Network)接口,也可以是通过与未图示的路由器(例如、移动无线LAN路由器)的通信连接来与通信网络300进行通信连接的通信接口。
拍摄装置25是具有透镜等光学***以及图像传感器的摄像头。
LIDAR26是在车辆200的水平方向上在360度全方位以及垂直方向上检测与位于预定角度(例如30度)的角度范围的检测范围内的物体之间的距离的激光传感器。LIDAR26向周围发出激光,检测被周围的物体反射的激光,由此计测从LIDAR26到物体的距离。LIDAR26例如以厘米量级计测该距离。这样,LIDAR26检测车辆200周围的地形表面的多个点各自的三维坐标。也即是,LIDAR26能够通过检测周围的地形表面的多个三维坐标,检测包含车辆200周围的物体的地形的三维形状。
IMU27是包括加速度传感器以及陀螺仪传感器的传感器装置。加速度传感器是检测车辆200的不同的三个方向各自涉及的加速度的传感器。陀螺仪传感器是检测以车辆200的不同的三个方向为轴的绕3轴的各个旋转的角速度的传感器。
GNSS28从包括GPS卫星的人造卫星接收表示该GNSS28的位置的信息。也即是,GNSS28检测车辆200的当前位置。
显示器29是显示CPU21的处理结果的显示装置。显示器29例如是液晶显示器、有机EL显示器。此外,显示器29配置于车辆200的车室内。
输入IF30例如是配置于显示器29的表面的受理用户对显示器29上显示的UI(用户界面)的输入的触摸面板。输入IF30例如也可以是数字键盘、键盘、鼠标等输入装置。此外,输入IF30配置于车辆200的车室内。
返回图1,通信网络300是供信息处理装置100以及多辆车辆彼此进行通信的通信网络。通信网络300既可以是如因特网的通用网络,也可以是地图更新***1的专用网络。
接着,使用图4对地图更新***的功能构成进行说明。
图4是表示实施方式涉及的地图更新***的功能构成的一个例子的框图。
首先,对信息处理装置100的功能构成进行说明。
信息处理装置100也可以具备第1判定部110、选择部120、第1通信部130、数据库150来作为功能构成。信息处理装置100也可以还具备位置取得部140。
第1判定部110针对多个区域的各个区域,基于从由三维地图表示的道路形状向当前的道路的道路形状的变化量、以及在该区域中行驶了的车辆的预定动作的发生次数中的至少一方,判定是否需要更新该区域的三维地图。具体而言,第1判定部110针对多个区域的各个区域,基于上述变化量以及上述发生次数中的至少一方来算出分数。并且,第1判定部110也可以对多个区域中的算出的分数超过预定分数的区域的三维地图判定为需要更新。
例如,第1判定部110也可以使用下述式1算出用于决定是否需要更新地图的分数。
图5是用于说明第1判定部的分数的算出的图。
在此,在式1以及图5中,S表示分数,ci表示过去的更新分数中的变更量,P表示从最终更新时刻回溯的预定期间,T表示从最终更新时刻到当前时刻的经过时间,pj表示各种事件的发生次数,α以及βj表示系数。此外,各种事件的发生次数是指车辆200的预定动作的发生次数。另外,预定动作是指到当前为止的预定期间T期间在车辆200发生的急减速、急加速、自动驾驶中的手动驾驶介入以及急躲避。此外,预定动作也可以不是急减速、急加速、手动驾驶介入以及急躲避的全部,而是其中的至少一个即可。
第1判定部110算出的分数是由式1的第1项表示的基于从由三维地图表示的道路形状向当前的道路的道路形状的变化量的分数、与由式1的第2项表示的基于在区域中行驶了的车辆200的预定动作的发生次数的分数的加权和。即,在过去的更新历史记录频繁更新的区域、从最终更新时刻的经过时间长的区域、或者急减速、急回避等事件频发的区域的分数容易变高。此外,分数也可以是由式1的第1项表示的分数、以及由式1的第2项表示的分数中的一方。
图6是表示划分为多个区域的三维地图的一部分的图。
如图6所示,第1判定部110针对多个区域A1~A4、B1~B4、C1~C4的各个区域,通过进行式1的计算来算出分数。此外,构成图6所示的三维地图的多个的区域是一部分,因此,第1判定部110对图6未示出的多个区域的各个区域也进行式1的计算。
另外,第1判定部110也可以增大多个区域中的每单位期间判定为需要更新的次数为第1次数以上的区域的预定分数,减小每单位期间判定为需要更新的次数小于第1次数以下的第2次数的区域的预定分数。
第1判定部110例如可以由CPU11、主存储器12、储存设备13等来实现。
选择部120从正在由第1判定部110判定为需要更新三维地图的区域中行驶或者预定在该区域中行驶的1辆以上的车辆200中,选择检测道路形状的检测车辆。选择部120也可以使用由后述的位置取得部140取得的、多辆车辆200的当前位置或者行驶路径,确定正在上述区域中行驶或者预定在该区域中行驶的1辆以上的车辆200。
选择部120也可以进一步从所确定的正在上述区域中行驶或者预定在该区域中行驶的1辆以上的车辆200中,使用存储于后述的车辆数据库154中的车辆信息,选择检测道路形状的检测车辆。例如,选择部120也可以使用车辆信息所包含的车高信息或者车种信息,选择车高为预定高度以上的车辆来作为检测车辆。另外。例如选择部120也可以使用车辆信息所包含的传感器信息或者车种信息,选择具有检测道路形状的、检测精度为预定精度以上的传感器的车辆来作为检测车辆。另外,例如选择部120也可以使用车辆信息所包含的历史记录信息,选择以前曾为了进行三维地图的更新而以检测道路形状的检测模式进行过行驶的车辆来作为检测车辆。
选择部120例如可以有CPU11、主存储器12、储存设备13等来实现。
第1通信部130对选择部120选择的检测车辆经由通信网络300发送使之检测区域的道路形状的检测请求。第1通信部130是第1通信部的一个例子。第1通信部130也可以从作为检测车辆发送了检测请求的车辆200经由通信网络300接收该车辆200具备的传感器的检测数据。另外,第1通信部130也可以接收表示多辆车辆200各自的当前位置的位置信息或者表示行驶路径的路径信息。另外,第1通信部130也可以接收多辆车辆200各自的预定动作的发生历史记录。由第1通信部130接收到的预定动作的发生历史记录按多辆车辆200的每个车辆而存储于事件历史记录数据库153。第1通信部130例如可由PU11、主存储器12、储存设备13、通信IF14等来实现。
位置取得部140经由第1通信部130取得多辆车辆200的当前位置或者行驶路径。位置取得部140每数秒~每数十秒取得多辆车辆200的当前位置或者行驶路径。位置取得部140例如可由CPU11、主存储器12、储存设备13等来实现。
数据库150具有地图数据库151、地图历史记录数据库152、事件历史记录数据库153以及车辆数据库154。
地图数据库151存储有划分为多个区域的三维地图。多个区域是二维地图的区域被划分为多个而得到的区域。三维地图是点群地图(point cloud map,点云地图),是由三维空间上的点群构成包含道路的地形(土地的形状)的数据。构成点群的多个点(例如数百万以上的点)分别由三维坐标(x、y、z)表示。
当第1通信部130从检测车辆接收到检测车辆的传感器的检测数据时,地图数据库151的三维地图被更新为基于接收到的检测数据的三维地图。因此,地图数据库151存储着最新的三维地图。此外,对于进行更新之前存储于地图数据库151的三维地图,例如可使用如下数据,即使用具备预定传感器的装置预先检测到的道路形状的数据。
地图历史记录数据库152存储有地图数据库151中过去存储的三维地图。也即是,地图历史记录数据库152存储有地图数据库151存储过的、通过被更新而变为了不是最新的三维地图。此外,地图历史记录数据库152也可以包含在地图数据库151中。
事件历史记录数据库153按多辆车辆200的每辆车辆存储有经由第1通信部130取得的在多辆车辆200发生过的预定动作的发生历史记录。例如如图7A所示,事件历史记录数据库153具有关联了识别多辆车辆200的车辆ID、发生过的预定动作、发生预定动作的时刻、发生预定动作的区域的数据。
车辆数据库154存储有车辆信息。车辆信息是与多辆车辆200的车辆有关的信息。具体而言,车辆信息也可以包含表示多辆车辆200各自的车高的车高信息。另外,车辆信息也可以包含表示多辆车辆200各自具有的传感器的检测精度的传感器信息。另外,车辆信息也可以包含表示车种的车种信息。此外,车种信息例如也可以包含车高信息。另外,车种信息也可以用于确定传感器的检测精度。也即是,能够通过使用车种信息来确定车种,因此,能够确定该车种的车辆具有的传感器的种类。由此,通过使用车种信息,能够确定传感器的检测精度。另外,车辆信息也可以包含表示多辆车辆200分别是否以用于检测道路形状的检测模式进行过行驶的历史记录信息。例如如图7B所示,车辆数据库154具有关联了识别多辆车辆200的车辆ID、该车辆的车高、该车辆的传感器的传感器精度、作为该车辆以检测模式行驶过的历史记录信息的行驶次数的数据。
此外,在图7B中,作为车高设为具有与车高相应地分类为“高”、“中”、“低”这三等级的信息,但也可以具有车高的数值本身。
另外,图7B中的传感器精度例如也可以针对多个种类的传感器的各个传感器通过事先进行预定的检测测试来分类为“高”、“中”、“低”、“不明”等,从而被进行定义。传感器的种类和车辆既可以根据车种来进行关联,也可以通过从车辆取得表示传感器的种类的信息来确定该车辆的传感器的种类。此外,“不明”是指未进行预定的测试的传感器。
数据库150例如可由储存设备13等来实现。此外,数据库150具有的地图数据库151、地图历史记录数据库152、事件历史记录数据库153以及车辆数据库154既可以由一个储存设备来实现,也可以由多个储存设备来实现,还可以各自由对应的多个储存设备来实现。另外,信息处理装置100既可以不具有数据库150,也可以为与信息处理装置100不同的装置具有数据库150。在该情况下,信息处理装置100和其他的装置彼此以能够通信方式相连接。
接着,对车辆200的功能构成进行说明。
车辆200具备第2通信部210、第2判定部220、切换部230、控制部240、第1检测部250、地图数据库260来作为功能构成。车辆200还可以具备输入受理部270。车辆200还可以具备第2检测部280。车辆200还可以具备拥堵检测部290。
第2通信部210从外部的信息处理装置100经由通信网络300接收当前的道路形状的检测请求。第2通信部210是第2通信部的一个例子。第2通信部210也可以通信网络300向信息处理装置100发送表示由第1检测部250检测到的道路形状的检测数据。另外,第2通信部210也可以经由通信网络300向信息处理装置100发送表示当前位置的位置信息或者表示行驶路径的路径信息。另外,第2通信部210也可以经由通信网络300向信息处理装置100发送车辆200的预定动作的发生历史记录。第2通信部210例如可由CPU21、主存储器22、储存设备23、通信IF24等来实现。
第2判定部220在由第2通信部210接收到检测请求的情况下,判定是否将车辆200的行驶模式从通常模式切换为检测模式。通常模式是进行通常行驶的行驶模式。检测模式是进行为了更新三维地图而检测行驶中的道路的三维的道路形状的行驶的行驶模式。更具体而言,检测模式是如下的行驶模式:与通常模式相比,以减小最大速度、减小最大加速度、增大与其他车辆之间的车间距离、增大第1检测部250检测的检测频率中的变更了至少一个设定的状态进行行驶。在检测模式中,所设定的最大速度、最大加速度、车间距离以及检测频率既可以是预先确定的固定值,也可以根据分数变更为由下述的式2算出的值。设定变更后的控制可以使用与已经实用化的巡航控制功能等同样的技术。此外,第1检测部250的检测频率是指用于第1检测部250的检测的采样频率。例如,是用于在同一方向上检测位置的采样频率。检测频率在LIDAR26中是受发光部的旋转频率。
vnew:检测模式的最大速度
vold:通常模式的最大速度(限制速度等)
Sth:分数的阈值
S:当前的分数
vmin:最低速度
第2判定部220也可以在由后述的输入受理部270受理的输入允许将行驶模式从通常模式切换为检测模式、也即是表示允许的情况下,判定为切换行驶模式。另一方面,第2判定部220也可以在由输入受理部270受理的输入不允许切换行驶模式、也即是表示不允许的情况下,判定为不切换行驶模式。
另外,第2判定部220也可以在车辆200是运送客人的车辆、且车辆200不处于正在去迎接客人的期间、且车辆200不处于运送客人的期间的情况下,判定为切换行驶模式。另一方面,第2判定部220也可以在车辆200处于去迎接客人的期间、或者车辆200处于运送客人的期间的情况下,判定为不切换行驶模式。此外,车辆200正迎接客人的期间是表示为了运送客人而车辆200行驶到该客人所在的场所为止的状态。另外,车辆200正在运送客人的期间是表示车辆200正在运载了客的状态下进行行驶的状态。
第2判定部220例如可由CPU21、主存储器22、储存设备23等来实现。
切换部230在由第2判定部220判定为切换为检测模式的情况下,将行驶模式切换为检测模式,在判定为不切换为检测模式的情况下,使行驶模式为通常模式不变。
控制部240使车辆200以由切换部230切换后的行驶模式进行行驶。此外,控制部240也可以在由切换部230将行驶模式切换为了检测模式的情况下,当后述的第2检测部280检测到后续车辆时,使车辆200以通常模式进行行驶。另外,控制部240也可以在由切换部230将行驶模式切换为检测模式的情况下,当后述的拥堵检测部290检测到车辆200周围发生拥堵时,使车辆200以通常模式来行驶。也即是,控制部240也可以即使在切换为了检测模式的情况下,当检测到后续车辆时或者检测到拥堵时,停止检测模式下的行驶,使车辆以通常模式来行驶。
第1检测部250检测道路的三维的道路形状。第1检测部250在由切换部230将行驶模式切换为检测模式的情况下,在车辆200以检测模式行驶的状态下,检测该车辆正行驶的道路的三维的道路形状。第1检测部250例如可由CPU21、主存储器22、储存设备23、拍摄装置25、LIDAR26等来实现。
地图数据库260存储有三维地图。由第2通信部210每预定期间来取得存储于信息处理装置100的地图数据库151的最新的三维地图,在地图数据库260存储由第2通信部210取得的最新的三维地图。地图数据库260例如可由CPU21、主存储器22、储存设备23等来实现。
输入受理部270受理表示是否允许将行驶模式从通常模式切换为检测模式的输入。输入受理部270例如从处于车辆200的车室内的人受理上述输入。输入受理部270例如可由显示器29以及输入IF30来实现,如图8A或者图8B所示,在显示器29显示通知接收到了检测请求这一情况的UI(用户界面)291或者询问用户是否将行驶模式切换为检测模式的UI292。用户能够通过操作输入IF30,选择在UI 291或者UI 292显示的“是”或者“否”。输入受理部270受理在UI 291或者UI 292受理的表示“是”或者“否”的输入,作为表示是否允许从通常模式切换为检测模式的输入。此外,输入受理部270在UI 291或者UI 292中受理对“是”的输入来作为表示允许切换为检测模式的输入,受理对“否”的输入来作为表示不允许切换为检测模式的输入。
第2检测部280检测与车辆200相距一定距离以内的后续车辆。第2检测部280例如可由CPU21、主存储器22、储存设备23、拍摄装置25、LIDAR26等来实现。此外,拍摄装置25在实现了第2检测部280的功能的一部分的情况下,对车辆200的后方进行拍摄。
拥堵检测部290检测车辆200周围的拥堵的发生。拥堵检测部290也可以通过推定车辆周围的多个其他车辆200的密度是否为预定密度以上来检测拥堵的发生。具体而言,拥堵检测部290也可以通过推定在车辆200周围的预定范围内存在几辆其他车辆200来推定上述密度。拥堵检测部290例如可由CPU21、主存储器22、储存设备23、拍摄装置25、LIDAR26等来实现。此外,拥堵检测部290也可以基于车辆200的当前位置,从外部的信息处理装置取得该当前位置周边的拥堵信息,由此检测车辆200周围的拥堵的发生。
[1-2.工作]
接着对地图更新***1的工作进行说明。
图9是表示实施方式涉及的地图更新***中的地图更新方法的一个例子的时序图。
地图更新方法包括由信息处理装置100进行的信息处理方法和由车辆200进行的行驶控制方法。
首先,在信息处理装置100中,第1判定部110对多个区域的各个区域判定是否需要更新该区域的地图(S11)。判定是否需要更新地图的更新判定处理的详细情况将在后面描述。
选择部120从正在由第1判定部110判定为需要更新地图的区域中行驶或者预定在该区域中行驶的1辆以上的车辆,选择检测道路形状的检测车辆(S12)。
第1通信部130经由通信网络300向检测车辆发送使之检测上述区域的道路形状的检测请求(S13)。
并且,被选择为检测车辆的车辆200通过接收检测请求来开始行驶控制(S21)。该车辆200在行驶控制中允许了检测模式下的行驶的情况下,以检测模式进行行驶,并且,进行道路形状的检测。也包含检测请求的接收的行驶控制的详细情况将在后面描述。
车辆200在进行了道路形状的检测的情况下,将得到的检测数据经由通信网络300发送给信息处理装置100(S22)。
并且,在信息处理装置100中,第1通信部130接收从车辆200发送的检测数据(S14),进行地图数据库151的三维地图的更新(S15)。
此外,步骤S22、S14、S15的处理也可以不必须进行。例如,信息处理装置100既可以不具备地图数据库151,也可以为具备第1判定部110、选择部120以及第1通信部130的第1信息处理装置和具备数据库150的第2信息处理装置在结构上相分离。在该情况下,第1信息处理装置从第2信息处理装置取得用于判定是否需要更新地图的信息,进行步骤S11~S13。车辆200进行步骤S21,代替步骤S22而进行将检测数据发送给第2信息处理装置的处理。并且,第2信息处理装置进行步骤S14、S15的处理。
图10是表示实施方式涉及的更新判定处理的详细的一个例子的流程图。
信息处理装置100每预定期间反复进行更新判定处理。
第1判定部110针对多个区域A1~A4、B1~B4、C1~C4的各个区域进行执行以下的步骤S32~S35的处理的循环(S31)。
第1判定部110算出多个区域中的一个区域、例如区域A1的分数(S32)。第1判定部110例如使用式1算出分数。
第1判定部110判定算出的分数是否超过预定分数(S33)。
第1判定部110在判定为算出的分数超过预定分数的情况下(S33:是),判定为需要更新区域A1(S34)。
另一方面,第1判定部110在判定为算出的分数为预定分数以下的情况下(S33:否),判定为不需要更新区域A1(S35)。
第1判定部110当对区域A1进行步骤S34或者步骤S35后,对还未进行循环的剩余的区域A2~A4、B1~B4、C1~C4的各个区域按顺序反复进行循环。第1判定部110在对全部区域A1~A4、B1~B4、C1~C4进行了循环的情况下,结束循环并结束更新判定处理。
此外,在上述中,第1判定部110设为通过执行循环来对多个区域A1~A4、B1~B4、C1~C4的各个区域进行更新判定处理,但也可以通过并行地进行关于多个区域A1~A4、B1~B4、C1~C4的各个区域的步骤S32~S35来进行更新判定处理。
图11是表示实施方式涉及的行驶控制的详细情况的例的流程图。
被信息处理装置100发送了检测请求的车辆200、也即是被信息处理装置100选择为检测车辆的车辆200进行行驶控制。
在车辆200中,第2通信部210接收检测请求(S41)。
第2判定部220判定是否将车辆200的行驶模式从通常模式切换为检测模式(S42)。
切换部230在由第2判定部220判定为将行驶模式切换为检测模式的情况下(S42:是),切换为检测模式(S43)。切换部230在由第2判定部220判定为不将行驶模式切换为检测模式的情况下(S42:否),使行驶模式为通常模式不变,结束行驶控制处理。
控制部240使车辆200以由切换部230切换后的检测模式在判定为需要更新的区域内行驶(S44),使第1检测部250进行该区域中的道路形状的检测。此时,控制部240使车辆200以与通常模式相比减小最大速度、减小最大加速度、增大与其他车辆之间的车间距离、增大第1检测部250进行检测的检测频率中的变更了至少一个设定的状态下来行驶,使第1检测部250在该状态下进行道路形状的检测。
切换部230判定区域中的道路形状的检测是否结束(S45)。
切换部230在判定为检测结束的情况下(S45:是),将车辆200的行驶模式从检测模式切换为通常模式(S46)。另一方面,切换部230在判定为检测未结束的情况下(S45:否),反复进行步骤S45。也即是,切换部230使检测模式持续,直到区域中的道路形状的检测结束,当该检测结束时将检测模式切换为通常模式。
控制部240使车辆以由切换部230切换后的通常模式行驶(S47),结束行驶控制。
此外,步骤S45~S47也可以不一定进行。
[1-3.检测模式下的行驶例]
图12是用于对作为检测模式而增大车间距离来行驶的效果进行说明的图。
如图12所示,在车辆200的上部配置有LIDAR26来作为传感器。多条虚线表示从LIDAR26发出的激光,LIDAR26在从虚线40到虚线41的范围内发出激光。
考虑在车辆200的前方正行驶着卡车400的情况。此时,作为LIDAR26的检测数据,优选是检测周围的建筑物、树木、道路等记载于地图的对象物而得到的数据,不是检测暂时位于前方的卡车400而得到的数据。但是,LIDAR26无法进行透视,因此,难以检测卡车400的相面对侧的对象物。
在该情况下,LIDAR26会检测作为不应该检测的对象物的卡车400,无法检测应检测的对象物。因此,有可能基于检测到卡车400的检测数据误解为环境变化。当然也能能够从与LIDAR26并行地由拍摄装置25获得的图像等检测为是卡车400,将检测到卡车400的检测数据从利用于地图的更新中排除掉。但是,用于检测卡车400的处理会产生负荷,无法避免不能检测应检测的对象物这一状况。因此,例如如图12所示,如在前方正行驶着卡车400的情况下等,为了有效地检测应检测的对象物,将与前方的车辆之间的车间距离取得大是有效果的。
此外,将用LIDAR26检测对象物作为例子来进行了说明,但可以说在使用立体摄像头等拍摄装置来检测对象物的情况下也是同样的。
此外,认为在单侧单车道的道路检测到后续车的情况下和/或在拥堵期间有必要考虑不变更车间距离设定。拥堵信息由已经上市销售的车辆取得,另外,车道(lane)信息通常也包含在地图信息中,后续车检测能够用全方位激光雷达、后摄像头容易地进行检测。
图13A以及图13B是用于对作为检测模式的减小最大速度或者最大加速度而行驶的效果进行说明的图。
图13A以及图13B是从上面观察车辆200和对象物50的图。车辆200为了表示朝向等而简单地进行了表示。在图13A中,车辆200具备的LIDAR26位于xy平面的原点,在360度的全方位上发出由虚线表示的激光。此时,LIDAR26中,作为被对象物50反射的部位的点51~点57各自的坐标作为点群被进行检测。此外,检测到的坐标是以车辆200的LIDAR26的中心坐标、也即是xy平面的原点作为基准时的值,不是地图上的坐标。
为了更新地图,需要求出点51~点57的地图上的坐标。这考虑地图上的车辆的位置以及/或者姿势,通过从以车辆200的LIDAR26为中心的第1坐标系向地图上的第2坐标系进行坐标变换来求出。坐标变换使用式3。
xb:第2坐标系的点的x坐标
yb:第2坐标系的点的y坐标
zb:第2坐标系的点的z坐标
R:第2坐标系上的车辆200的姿势的3×3旋转矩阵
t:第2坐标系上的车辆的位置(xc、yc、zc)T
x:第1坐标系的点的x坐标
y:第1坐标系的点的y坐标
z:第1坐标系的点的z坐标
地图上的第2坐标系中的车辆200的位置以及/或者姿势通过上述的ICP、NDT算法来推定。这些算法一般是反复型算法,因此,具有初始值依赖性。因此,在使用了这些算法的车辆200的位置以及/或者姿势的推定中,当提供不适当的初始值时推定精度会恶化。一般,作为初始值,可使用从当前时刻的位置以及或者姿势、速度、加速度、角加速度等推定的下一时刻的位置以及或者姿势,但急加速、急转弯中,其精度会恶化。
在此,如图13B所示,在尽管车辆200在地图上的第2坐标系中位于位置200a、但推定为位于位置200b的情况下,从如图13A那样检测到的第1坐标系的点51~点57推定的第2坐标系上的坐标值成为点51b~点57b。也即是,对象物的所推定的位置50b与对象物的实际的位置50a之间会产生错开。
也即是,在车辆200为急加减速中、急转弯中、振动多的状况等中,所推定的车辆200的位置以及/或者姿势的误差会变大。由于车辆200的位置以及/或者姿势的误差变大,因此,在从如上所述检测到的点群推定的对象物的坐标值也会产生误差。由此,通过减小最大速度、最大加速度的设定,能够提高车辆200的第2坐标系中的位置以及/或者姿势的推定精度,能够防止在推定的坐标值产生误差。
进一步,与式2同样地,考虑根据分数改变传感器的检测频率。例如,LIDAR26的激光的受发光部在内部旋转,能够改变其旋转频率。LIDAR26通过增大受发光部的旋转频率来使之快速旋转,能够增大所检测的检测数据的时间上的密度。此外,在该情况下,受发光部的激光的发光周期不变,因此,受发光部每1周而得到的检测数据所包含的点的数量减少。但是,一般而言,检测数据所包含的点群被利用为下采样,因此,几乎不成为问题。这样,通过增大LIDAR26的受发光部的旋转频率,能够提高通过增大检测数据的时间上的密度来推定自车位置时的匹配处理中提供的初始位置的精度,能够提高自车位置的推定精度。
图14A以及图14B是用于说明对由多个对象物导致发生阻塞进行抑制的效果的图。
在图14A中,无论在时刻t=0以及时刻t=1的哪个地点,对象物71都进入对象物70、72的阴影中,因此,车辆200的LIDAR26无法检测对象物71。在此,如图14B所示,若使LIDAR26的旋转频率为2倍而使得从时刻t=0.5的位置也能够进行检测,则能够检测对象物71。此外,图14A以及图14B中由虚线所示的LIDAR26的激光的角度间隔是示意性的,实际上为0.5度以下。即使那样的角度间隔,从时刻t=0以及时刻t=1的位置,由于成为对象物70、72的阴影,因此,也无法检测对象物71。
在上述中,以LIDAR26为例子进行了记载,但检测频率的变更也可以在其他传感器中实施。例如,即使是在使用立体摄像头等拍摄装置来检测对象物的情况下,可以说也是与上述同样的。
[1-4.效果等]
根据本实施方式涉及的信息处理装置100,将三维地图分割为多个区域,针对多个区域的各个区域判定是否需要更新地图。这样,信息处理装置100能够有效地判定需要更新地图的区域。
另外,在信息处理装置100中,对需要更新地图的区域,对1辆以上的车辆20请求检测数据的检测。这样,信息处理装置100选择在需要更新的区域中行驶或者预定在该区域行驶的车辆200并发送检测请求,因此,能够有效地取得精度好的检测数据。因此,信息处理装置100能够有效地更新为精度好的地图数据。
另外,在信息处理装置100中,车辆200是进行自动驾驶的车辆。预定动作是到当前为止的预定期间中发生的急减速、急加速、自动驾驶期间的手动驾驶介入以及急躲避中的至少一个。也即是,在进行自动驾驶的车辆中预定动作的发生次数越多,信息处理装置100判定为地图表示的道路形状与实际的道路形状之间的差异越大。这是因为,当在地图表示的道路形状与实际的道路形状之间产生差异时,推定自车位置的精度变差,因此,难以进行稳定的行驶控制。这样,预定动作的发生次数越多,信息处理装置100判断为地图表示的道路形状与实际的道路形状之间的差异越大,能够有效地判定是否需要更新地图。
另外,在信息处理装置100中,选择部120选择车高为预定高度以上的车辆来作为检测车辆。因此,能够选择能高精度地检测道路形状的车辆200。
另外,在信息处理装置100中,选择部120选择具有检测道路形状的、检测精度为预定精度以上的传感器的车辆200来作为检测车辆。因此,能够选择能高精度地检测道路形状的车辆200。
另外,在信息处理装置100中,选择部120选择以前曾为了进行地图的更新而以检测道路形状的检测模式行驶过的车辆200来作为检测车辆。因此,能够选择能以用于高精度检测道路形状的检测模式进行行驶的可能性高的车辆。由此,能够减少到选择以检测模式行驶的车辆为止所需的时间以及该选择涉及的处理负荷。
另外,在信息处理装置100中,第1判定部110针对多个区域的各个区域,基于道路形状的变化量以及预定动作的发生次数中的至少一方来算出分数。第1判定部110判定为多个区域中的算出的分数超过预定分数的区域的地图需要更新。因此,能够针对多个区域的各个区域,有效且容易地判定是否需要更新该区域的地图。
另外,在信息处理装置100中,第1判定部110增大多个区域中的每单位期间判定为需要更新的次数为第1次数以上的区域的预定分数,减小每单位期间的判定为需要更新的次数小于第1次数以下的第2次数的区域的预定分数。这样,第1判定部110根据过去判定了是否需要更新的次数来变更用于判定是否需要更新地图的分数的阈值,因此,越是道路形状的时间序列的变化大的区域,越能够增大更新频度。由此,能够以与道路形状的时间序列的变化相应的频度,进行区域的地图的更新。由此,能够按每个区域以适当的频度进行多个区域的地图的更新。
根据本实施方式涉及的车辆200,在接收到检测请求的情况下,以与通常模式不同的行驶模式、且用于为了地图的更新而检测道路形状的检测模式来行驶。因此,车辆200能够高精度地检测道路形状。另外,车辆200即使是在从信息处理装置接收到检测请求的情况下,也根据车辆200的状况来不切换检测模式而保持通常模式不变地进行行驶,因此,能够抑制车辆200的用户的利便性受到损害。
另外,在车辆200中,第2通信部210将表示由第1检测部250检测到的道路形状的检测数据经由通信网络300发送给信息处理装置100。因此,车辆200能够将在需要更新地图的区域中高精度地检测到的检测数据发送给信息处理装置100。
另外,在车辆200中,检测模式是与通常模式相比以减小最大行驶速度、减小最大行驶速度、增大车间距离、增大第1检测部250进行检测的检测频率中的变更了至少一个设定的状态来行驶的行驶模式。因此,车辆200能够在检测模式中高精度地检测道路形状。
另外,在车辆200中,还具备检测与车辆200相距一定距离以内的后续车辆的第2检测部280。控制部240在通过切换部230而行驶模式被切换为检测模式的情况下,当第2检测部280检测到后续车辆时,使车辆200以通常模式来行驶。因此,车辆200即使在行驶模式被切换为检测模式的情况下,当第2检测部280检测到后续车辆时,也能够以不会妨碍后续车辆的方式进行行驶。
另外,在车辆200中,还具备检测车辆200周围的拥堵的发生的拥堵检测部290。控制部240在通过切换部230而行驶模式被切换为检测模式的情况下,当拥堵检测部290检测到拥堵的发生时,使车辆200以通常模式来行驶。因此,车辆200即使在行驶模式被切换为检测模式的情况下,当车辆200周围拥堵时,也能够以不会妨碍后续车辆的方式进行行驶。
另外,在车辆200中,还具备受理表示是否允许将行驶模式从通常模式切换为检测模式的输入的输入受理部270。第2判定部220在输入受理部270受理的输入表示允许的情况下,判定为切换行驶模式,在由输入受理部270受理的输入表示不允许的情况下,判定为不切换行驶模式。因此,车辆200在没有从处于车室内的人得到允许的情况下,不切换行驶模式而以通常模式来行驶,因此,能够抑制损害该人的利便性。
另外,在车辆200中,车辆200是运送客人的车辆。第2判定部220在车辆200不是正在迎接客人的期间、且车辆200不是运送客人的期间的情况下,判定为切换行驶模式。第2判定部220在车辆200处于正迎接客人的期间、或者处于运送客的期间的情况下,判定为不切换行驶模式。因此,在车辆200处于正迎接客人的期间或正运送客人的期间的情况下,使行驶模式保持通常模式不变来行驶,因此,能够抑制损害客人的利便性。
[1-5.变形例]
在上述实施方式中,设为为了检测车辆200周围的地形表面的三维形状而使用LIDAR26,但不限于此。例如,既可以使用立体摄像头来从由立体摄像头拍摄到的图像检测车辆200周围的地形表面的三维形状,也可以使用距离传感器以及摄像头的组合来从距离传感器的检测结果以及由摄像头拍摄到的图像检测车辆200周围的地形表面的三维形状。
在上述实施方式中,设为了使用表示道路以及道路周边的三维形状的三维地图来作为地图,但也可以使用表示道路以及道路周边的二维形状的二维地图。在该情况下,由LIDAR26等实现的第1检测部250设为了以三维形状检测作为车辆200周边的道路以及道路周边的形状的道路形状,但也可以以二维形状来进行检测。此外,第1检测部250也可以通过将以三维形状检测到的道路形状变换为二维形状来以二维形状进行检测。
在上述实施方式中,设为了在车辆200中通过切换部230而行驶模式被切换为检测模式的情况下,当第2检测部280检测到后续车辆时,控制部240使车辆200以通常模式来行驶。但是,也可以在从信息处理装置100接收到检测请求之后,第2检测部280检测到后续车辆的情况下,第2判定部220判定为不将行驶模式切换为检测模式。
在上述实施方式中,设为了在车辆200中通过切换部230而行驶模式被切换为检测模式的情况下,当拥堵检测部290检测到车辆200周围的拥堵的发生时,控制部240使车辆200以通常模式来行驶。但是,也可以在从信息处理装置100接收到检测请求之后,拥堵检测部290检测到车辆200周围的拥堵的发生的情况下,第2判定部220判定为不将行驶模式切换为检测模式。
此外,在上述实施方式中也可以为在信息处理装置100或者服务用的服务器等中具备如下那样的服务的构成,该服务为在接收到针对信息处理装置100选择的检测车辆的、使之检测区域的道路形状的检测请求的车辆200将行驶模式从通常模式变更为检测模式的情况下,对车辆200的所有者或者正乘车的人提供报酬的服务。在此的报酬既可以是给与金钱,也可以是给与积分服务。
信息处理装置100能够唯一地确定车辆200,因此,例如在车辆200为自动驾驶出租车的情况下,作为如正乘坐车辆200的乘客同意行驶模式的变更这样的情况下的服务,使车内200具备的端末显示特定的QR码(注册商标)。并且,乘客用乘客所拥有的智能电话等对QR码(注册商标)进行扫描,从智能电话等向信息处理装置100或者服务用的服务器发送表示同意了行驶模式的变更的信息。也可以是如乘客由此得到上述报酬、也即是信息处理装置100对乘客给与报酬那样的方案。或者,也可以为对车辆200分别关联所有者的账户,在该账户储存表示答应了行驶模式的变更的信息。
通过给与报酬,允许将行驶模式从通常模式向检测模式变更的车辆会增加,能够更多地收集精度高的数据。
此外,上述各实施方式中,各构成要素也可以由专用的硬件构成,或者通过执行适于各构成要素的软件程序来实现。各构成要素也可以通过CPU或者处理器等程序执行部读出并执行记录在硬盘或者半导体存储器等记录介质中的软件程序来实现。在此,实现上述各实施方式的信息处理方法、行驶控制方法、地图更新方法等的软件为如下的程序。
即,该程序使计算机执行如下信息处理方法,所述信息处理方法是向车辆发布地图的信息处理装置进行的信息处理方法,所述地图表示道路形状,所述道路形状是所述车辆所行驶的道路以及所述道路周边的形状,所述信息处理方法包括:针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图,从正在判定为需要更新所述地图的区域中行驶或者预定在判定为需要更新所述地图的区域中行驶的1辆以上的车辆中选择高精度地检测道路形状的检测车辆,经由网络对所选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求。
另外,该程序使计算机执行如下行驶控制方法,所述行驶控制方法是车辆进行的行驶控制方法,包括:检测道路形状,所述道路形状是所行驶的道路以及所述道路周边的形状;从外部的信息处理装置经由通信网络接收道路形状的检测请求;判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新地图而检测行驶中的道路的道路形状的行驶的检测模式;在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变;以切换后的行驶模式使所述车辆行驶。
另外,该程序使计算机执行如下地图更新方法,所述地图更新方法是是向1辆以上的车辆发布地图的信息处理装置和所述1辆以上的车辆进行的地图更新***中的所述地图的地图更新方法,所述地图表示道路形状,所述道路形状是所述1辆以上的车辆所行驶的道路以及所述道路周边的形状,所述地图更新方法包括:在所述信息处理装置中,针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图,从正在判定为需要更新所述地图的区域中行驶或者预定在判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择高精度地检测道路形状的检测车辆,经由通信网络对所选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求,在所述1辆以上的车辆中被选择为所述检测车辆的车辆中,从外部的信息处理装置经由所述通信网络接收所述检测请求,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新所述地图而检测行驶中的道路的道路形状的行驶的检测模式,在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变,以切换后的行驶模式使所述检测车辆行驶。
以上,基于实施方式对本发明的一个或者多个技术方案涉及的信息处理装置、车辆、信息处理方法、行驶控制方法以及地图更新方法进行了说明,但本发明并不限定于该实施方式。只要不脱离本发明的宗旨,对本实施方式实施了本领域技术人员能够想到的各种变形而得到的方式、组合不同的实施方式中的构成要素而构建的方式也可以包含在本发明的一个或者多个技术方案的范围内。
产业上的可利用性
本公开作为能够有效地更新为精度好的地图数据的信息处理装置、车辆、信息处理方法、行驶控制方法以及地图更新方法等是有用的。
Claims (18)
1.一种信息处理装置,向车辆发布地图,所述地图表示道路形状,所述道路形状是所述车辆所行驶的道路以及所述道路周边的形状,所述信息处理装置具备:
地图数据库,其存储有划分为多个区域的所述地图;和
第1判定部,其针对所述多个区域的各个区域,基于从由所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域行驶了的车辆的预定动作的发生次数中的至少一方,判定是否需要更新该区域的所述地图。
2.根据权利要求1所述的信息处理装置,还具备:
选择部,其从正在由所述第1判定部判定为需要更新所述地图的区域中行驶或者预定在由所述第1判定部判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择检测所述道路形状的检测车辆;和
第1通信部,其经由通信网络对由所述选择部选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求。
3.根据权利要求2所述的信息处理装置,
所述车辆是进行自动驾驶的车辆,
所述预定动作是到当前为止的预定期间中发生的急减速、急加速、所述自动驾驶期间的手动驾驶介入、以及急躲避中的至少一个。
4.根据权利要求2或者3所述的信息处理装置,
所述选择部选择车高为预定高度以上的车辆来作为所述检测车辆。
5.根据权利要求2或者3所述的信息处理装置,
所述选择部选择具有检测所述道路形状的、检测精度为预定精度以上的传感器的车辆来作为所述检测车辆。
6.根据权利要求2或者3所述的信息处理装置,
所述选择部选择以前曾以为了进行所述地图的更新而检测所述道路形状的检测模式行驶过的车辆来作为所述检测车辆。
7.根据权利要求1~3中任一项所述的信息处理装置,
所述第1判定部,
针对所述多个区域的各个区域,基于所述变化量和所述发生次数中的至少一方算出分数,
判定为所述多个区域中的算出的分数超过预定分数的区域的地图需要更新。
8.根据权利要求1~3中任一项所述的信息处理装置,
所述第1判定部增大所述多个区域中的每单位期间判定为需要更新的次数为第1次数以上的区域的所述预定分数,减小每所述单位期间判定为需要更新的次数小于第2次数的区域的所述预定分数,所述第2次数为所述第1次数以下。
9.一种车辆,具备:
第1检测部,其检测道路形状,所述道路形状是所行驶的道路以及所述道路周边的形状;
第2通信部,其从外部的信息处理装置经由通信网络接收道路形状的检测请求;
第2判定部,其在由所述第2通信部接收到所述检测请求的情况下,判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新地图而检测行驶中的道路的道路形状的行驶的检测模式;
切换部,其在由所述第2判定部判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变;以及
控制部,其以由所述切换部切换后的行驶模式使所述车辆行驶。
10.根据权利要求9所述的车辆,
所述第2通信部将表示由所述第1检测部检测到的所述道路形状的检测数据经由所述通信网络发送给所述信息处理装置。
11.根据权利要求9或者10所述的车辆,
所述检测模式是在与所述通常模式相比减小最大行驶速度、减小最大行驶加速度、增大车间距离、增大所述第1检测部进行检测的检测频率中的变更了至少一个设定的状态下进行行驶的行驶模式。
12.根据权利要求11所述的车辆,
还具备检测与所述车辆相距一定距离以内的后续车辆的第2检测部,
所述控制部在所述行驶模式由所述切换部切换为了所述检测模式的情况下,当所述第2检测部检测到所述后续车辆时,以所述通常模式使所述车辆行驶。
13.根据权利要求11所述的车辆,
还具备检测所述车辆周围的拥堵的发生的拥堵检测部,
所述控制部在由所述切换部将所述行驶模式切换为了所述检测模式的情况下,当所述拥堵检测部检测到所述拥堵的发生时,以所述通常模式使所述车辆行驶。
14.根据权利要求9或者10所述的车辆,
还具备输入受理部,所述输入受理部受理表示是否允许将所述行驶模式从所述通常模式切换为所述检测模式的输入,
所述第2判定部在由所述输入受理部受理的所述输入表示允许的情况下,判定为切换所述行驶模式,在由所述输入受理部受理的所述输入表示不允许的情况下,判定为不切换所述行驶模式。
15.根据权利要求9或者10所述的车辆,
所述车辆是运送客人的车辆,
所述第2判定部在所述车辆不是去迎接所述客人的期间、且所述车辆不是运送所述客人的期间的情况下,判定为切换所述行驶模式,在所述车辆是去迎接所述客人的期间、或者是运送所述客人的期间的情况下,判定为不切换所述行驶模式。
16.一种信息处理方法,是向车辆发布地图的信息处理装置进行的信息处理方法,所述地图表示道路形状,所述道路形状是所述车辆所行驶的道路以及所述道路周边的形状,包括:
针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图。
17.一种行驶控制方法,是车辆进行的行驶控制方法,包括:
检测道路形状,所述道路形状是所行驶的道路以及所述道路周边的形状;
从外部的信息处理装置经由通信网络接收道路形状的检测请求;
判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新地图而检测行驶中的道路的道路形状的行驶的检测模式;
在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变;
以切换后的行驶模式使所述车辆行驶。
18.一种地图更新方法,是具备向1辆以上的车辆发布地图的信息处理装置和所述1辆以上的车辆的地图更新***中的所述地图的地图更新方法,所述地图表示道路形状,所述道路形状是所述1辆以上的车辆所行驶的道路以及所述道路周边的形状,所述地图更新方法包括:
在所述信息处理装置中,
针对多个区域的各个区域,基于从由存储于所述信息处理装置具备的地图数据库中的所述地图表示的所述道路形状向当前的所述道路形状的变化量、和在该区域中行驶了的车辆的预定行为的发生次数中的至少一方,判定是否需要更新该区域的所述地图,
从正在判定为需要更新所述地图的区域中行驶或者预定在判定为需要更新所述地图的区域中行驶的1辆以上的车辆中,选择高精度地检测道路形状的检测车辆,
经由通信网络对所选择的所述检测车辆发送使之检测所述区域的道路形状的检测请求,
在所述1辆以上的车辆中被选择为所述检测车辆的车辆中,
从外部的信息处理装置经由所述通信网络接收所述检测请求,
判定是否将所述车辆的行驶模式从进行通常行驶的通常模式切换为进行为了更新所述地图而检测行驶中的道路的道路形状的行驶的检测模式,
在判定为切换为所述检测模式的情况下,将所述行驶模式切换为所述检测模式,在判定为不切换为所述检测模式的情况下,将所述行驶模式保持为所述通常模式不变,
以切换后的行驶模式使所述检测车辆行驶。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017163739 | 2017-08-28 | ||
JP2017-163739 | 2017-08-28 | ||
JP2018-075712 | 2018-04-10 | ||
JP2018075712A JP7141845B2 (ja) | 2017-08-28 | 2018-04-10 | 情報処理装置、情報処理方法および地図更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109425358A true CN109425358A (zh) | 2019-03-05 |
CN109425358B CN109425358B (zh) | 2023-12-22 |
Family
ID=62951980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810960398.1A Active CN109425358B (zh) | 2017-08-28 | 2018-08-17 | 信息处理装置及方法、车辆、行驶控制方法及地图更新方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10935385B2 (zh) |
EP (1) | EP3460406B1 (zh) |
CN (1) | CN109425358B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693056A (zh) * | 2019-03-13 | 2020-09-22 | 赫尔环球有限公司 | 用于维护和更新自修复的高清晰度地图的小地图 |
CN111880527A (zh) * | 2020-06-19 | 2020-11-03 | 中国煤炭科工集团太原研究院有限公司 | 井下无人驾驶运输车机器人控制方法 |
CN112466005A (zh) * | 2020-11-26 | 2021-03-09 | 重庆长安汽车股份有限公司 | 基于用户使用习惯的自动驾驶围栏的更新***及方法 |
CN113192353A (zh) * | 2020-01-29 | 2021-07-30 | 丰田自动车株式会社 | 地图生成用数据收集装置、地图生成用数据收集方法以及车辆 |
CN113269977A (zh) * | 2020-01-29 | 2021-08-17 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN113375681A (zh) * | 2020-03-09 | 2021-09-10 | 丰田自动车株式会社 | 地图数据更新装置及存储地图数据更新用计算机程序的存储介质 |
CN113465610A (zh) * | 2020-03-30 | 2021-10-01 | 本田技研工业株式会社 | 信息处理装置、路径引导装置、信息处理方法以及计算机可读存储介质 |
CN113641770A (zh) * | 2020-04-27 | 2021-11-12 | 丰田自动车株式会社 | 地图管理装置以及地图管理方法 |
CN113785253A (zh) * | 2019-05-09 | 2021-12-10 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
CN113804210A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN113808263A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN114096804A (zh) * | 2019-06-13 | 2022-02-25 | 株式会社电装 | 地图数据生成***、数据中心以及车载装置 |
CN114526744A (zh) * | 2020-11-05 | 2022-05-24 | 丰田自动车株式会社 | 地图更新装置和地图更新方法 |
CN115280393A (zh) * | 2020-03-18 | 2022-11-01 | 三菱电机株式会社 | 行驶道路判定装置和行驶道路判定方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3273422A4 (en) * | 2015-03-18 | 2018-12-19 | Nec Corporation | Driving control device, driving control method, and vehicle-to-vehicle communication system |
JP7147442B2 (ja) * | 2018-10-02 | 2022-10-05 | トヨタ自動車株式会社 | 地図情報システム |
EP3647728B1 (en) | 2018-11-05 | 2023-06-21 | Toyota Jidosha Kabushiki Kaisha | Map information system |
TWI674393B (zh) * | 2018-11-09 | 2019-10-11 | 財團法人車輛研究測試中心 | 多定位系統切換與融合校正方法及其裝置 |
CN112347206A (zh) * | 2019-08-06 | 2021-02-09 | 华为技术有限公司 | 地图更新方法、装置及存储介质 |
US11226207B2 (en) * | 2019-12-18 | 2022-01-18 | GM Cruise Holdings, LLC | Semantic map with live updates |
CN112163063B (zh) * | 2020-10-22 | 2023-07-25 | 腾讯科技(深圳)有限公司 | 生成高精度地图的方法、装置和计算机可读存储介质 |
GB2601780A (en) * | 2020-12-10 | 2022-06-15 | Daimler Ag | Method for verifying map data of an environment of a vehicle |
KR20220105777A (ko) * | 2021-01-21 | 2022-07-28 | 현대자동차주식회사 | 주행 정보 기반 지도 생성 장치 및 방법 |
DE102021107716A1 (de) * | 2021-03-26 | 2022-09-29 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Bereitstellen einer Navigationskarte an ein Fahrzeug, computerlesbares Medium, System, und Fahrzeug |
CN113722342A (zh) * | 2021-09-03 | 2021-11-30 | 北京百度网讯科技有限公司 | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 |
CN117367456B (zh) * | 2023-12-05 | 2024-05-28 | 文诚恒远(天津)供应链管理服务有限公司 | 车辆路线偏离检测方法、装置、存储介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005165639A (ja) * | 2003-12-02 | 2005-06-23 | Matsushita Electric Ind Co Ltd | 差分地図データ生成装置、地図データ更新装置、差分地図データ生成プログラムおよび地図差分更新システム |
JP2007052341A (ja) * | 2005-08-19 | 2007-03-01 | Fujitsu Ten Ltd | 道路データ更新装置 |
WO2007080829A1 (ja) * | 2006-01-10 | 2007-07-19 | Pioneer Corporation | データ更新装置、データ更新方法、データ更新プログラムおよび記録媒体 |
CN101029830A (zh) * | 2006-03-03 | 2007-09-05 | 株式会社电装 | 地图数据更新方法 |
US20130345955A1 (en) * | 2011-01-19 | 2013-12-26 | Zenrin Co., Ltd. | Road network analysis system |
CN105937912A (zh) * | 2015-03-03 | 2016-09-14 | 富士重工业株式会社 | 车辆的地图数据处理装置 |
CN106575475A (zh) * | 2014-08-21 | 2017-04-19 | 松下知识产权经营株式会社 | 信息管理装置、车辆及信息管理方法 |
US20170122749A1 (en) * | 2015-11-04 | 2017-05-04 | Toyota Jidosha Kabushiki Kaisha | Map update determination system |
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***和机器人 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7783403B2 (en) * | 1994-05-23 | 2010-08-24 | Automotive Technologies International, Inc. | System and method for preventing vehicular accidents |
US7359782B2 (en) * | 1994-05-23 | 2008-04-15 | Automotive Technologies International, Inc. | Vehicular impact reactive system and method |
US7630806B2 (en) * | 1994-05-23 | 2009-12-08 | Automotive Technologies International, Inc. | System and method for detecting and protecting pedestrians |
US7610146B2 (en) * | 1997-10-22 | 2009-10-27 | Intelligent Technologies International, Inc. | Vehicle position determining system and method |
US7912645B2 (en) * | 1997-10-22 | 2011-03-22 | Intelligent Technologies International, Inc. | Information transfer arrangement and method for vehicles |
US7295925B2 (en) * | 1997-10-22 | 2007-11-13 | Intelligent Technologies International, Inc. | Accident avoidance systems and methods |
US7796081B2 (en) * | 1997-10-22 | 2010-09-14 | Intelligent Technologies International, Inc. | Combined imaging and distance monitoring for vehicular applications |
US10358057B2 (en) * | 1997-10-22 | 2019-07-23 | American Vehicular Sciences Llc | In-vehicle signage techniques |
US7979172B2 (en) * | 1997-10-22 | 2011-07-12 | Intelligent Technologies International, Inc. | Autonomous vehicle travel control systems and methods |
US20080147253A1 (en) * | 1997-10-22 | 2008-06-19 | Intelligent Technologies International, Inc. | Vehicular Anticipatory Sensor System |
US8000897B2 (en) * | 1997-10-22 | 2011-08-16 | Intelligent Technologies International, Inc. | Intersection collision avoidance techniques |
US7791503B2 (en) * | 1997-10-22 | 2010-09-07 | Intelligent Technologies International, Inc. | Vehicle to infrastructure information conveyance system and method |
US7962285B2 (en) * | 1997-10-22 | 2011-06-14 | Intelligent Technologies International, Inc. | Inertial measurement unit for aircraft |
US20080154629A1 (en) * | 1997-10-22 | 2008-06-26 | Intelligent Technologies International, Inc. | Vehicle Speed Control Method and Arrangement |
US7979173B2 (en) * | 1997-10-22 | 2011-07-12 | Intelligent Technologies International, Inc. | Autonomous vehicle travel control systems and methods |
US8060308B2 (en) * | 1997-10-22 | 2011-11-15 | Intelligent Technologies International, Inc. | Weather monitoring techniques |
JPH11128748A (ja) * | 1997-10-31 | 1999-05-18 | Shin Etsu Chem Co Ltd | 白金錯体触媒 |
CA2446545C (en) * | 2001-05-07 | 2012-12-04 | C3 Trans Systems Llc | Autonomous vehicle collision/crossing warning system |
US7460948B2 (en) * | 2006-03-10 | 2008-12-02 | Gm Global Technology Operations, Inc. | Traffic notification system for reporting traffic anomalies based on historical probe vehicle data |
US9103671B1 (en) * | 2007-11-29 | 2015-08-11 | American Vehicular Sciences, LLC | Mapping techniques using probe vehicles |
CH705152B1 (de) * | 2010-02-23 | 2017-05-15 | Israel Aerospace Ind Ltd | System und Verfahren für den autonomen Betrieb einer Multitask-Erdbaumaschine. |
US8571722B2 (en) * | 2010-10-22 | 2013-10-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for safely parking vehicle near obstacles |
JP5732340B2 (ja) * | 2011-07-21 | 2015-06-10 | 株式会社日立製作所 | 地図データ配信サーバ、地図データ配信システム及び地図データ配信方法 |
US8595037B1 (en) * | 2012-05-08 | 2013-11-26 | Elwha Llc | Systems and methods for insurance based on monitored characteristics of an autonomous drive mode selection system |
US9141107B2 (en) * | 2013-04-10 | 2015-09-22 | Google Inc. | Mapping active and inactive construction zones for autonomous driving |
WO2016077690A1 (en) * | 2014-11-14 | 2016-05-19 | Henderson Ricky Jay | Power docking port system |
JP2016153832A (ja) | 2015-02-20 | 2016-08-25 | パイオニア株式会社 | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 |
JP2016156973A (ja) | 2015-02-25 | 2016-09-01 | パイオニア株式会社 | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 |
US10232856B2 (en) * | 2016-07-28 | 2019-03-19 | Ford Global Technologies, Llc | Vehicle user-communication system and method |
CN108121764B (zh) * | 2016-11-26 | 2022-03-11 | 星克跃尔株式会社 | 图像处理装置、图像处理方法、电脑程序及电脑可读取记录介质 |
US10816346B2 (en) * | 2016-12-30 | 2020-10-27 | DeepMap Inc. | Occupancy map updates based on sensor data collected by autonomous vehicles |
US10782704B2 (en) * | 2017-01-30 | 2020-09-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Determination of roadway features |
JP6803279B2 (ja) * | 2017-03-28 | 2020-12-23 | クラリオン株式会社 | 車載装置、地図更新システム |
JP6704876B2 (ja) * | 2017-06-02 | 2020-06-03 | 本田技研工業株式会社 | 自動走行制御システム |
-
2018
- 2018-07-13 EP EP18183505.9A patent/EP3460406B1/en active Active
- 2018-07-26 US US16/045,858 patent/US10935385B2/en active Active
- 2018-08-17 CN CN201810960398.1A patent/CN109425358B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005165639A (ja) * | 2003-12-02 | 2005-06-23 | Matsushita Electric Ind Co Ltd | 差分地図データ生成装置、地図データ更新装置、差分地図データ生成プログラムおよび地図差分更新システム |
JP2007052341A (ja) * | 2005-08-19 | 2007-03-01 | Fujitsu Ten Ltd | 道路データ更新装置 |
WO2007080829A1 (ja) * | 2006-01-10 | 2007-07-19 | Pioneer Corporation | データ更新装置、データ更新方法、データ更新プログラムおよび記録媒体 |
CN101029830A (zh) * | 2006-03-03 | 2007-09-05 | 株式会社电装 | 地图数据更新方法 |
US20130345955A1 (en) * | 2011-01-19 | 2013-12-26 | Zenrin Co., Ltd. | Road network analysis system |
CN106575475A (zh) * | 2014-08-21 | 2017-04-19 | 松下知识产权经营株式会社 | 信息管理装置、车辆及信息管理方法 |
CN105937912A (zh) * | 2015-03-03 | 2016-09-14 | 富士重工业株式会社 | 车辆的地图数据处理装置 |
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***和机器人 |
US20170122749A1 (en) * | 2015-11-04 | 2017-05-04 | Toyota Jidosha Kabushiki Kaisha | Map update determination system |
CN106996793A (zh) * | 2015-11-04 | 2017-08-01 | 丰田自动车株式会社 | 地图更新判定*** |
Non-Patent Citations (1)
Title |
---|
王文斐;熊蓉;褚健;: "基于粒子滤波和点线相合的未知环境地图构建方法", 自动化学报, no. 09 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693056A (zh) * | 2019-03-13 | 2020-09-22 | 赫尔环球有限公司 | 用于维护和更新自修复的高清晰度地图的小地图 |
CN111693056B (zh) * | 2019-03-13 | 2024-02-02 | 赫尔环球有限公司 | 用于维护和更新自修复的高清晰度地图的小地图 |
CN113785253A (zh) * | 2019-05-09 | 2021-12-10 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
CN114096804A (zh) * | 2019-06-13 | 2022-02-25 | 株式会社电装 | 地图数据生成***、数据中心以及车载装置 |
CN113269977B (zh) * | 2020-01-29 | 2023-02-17 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN113192353A (zh) * | 2020-01-29 | 2021-07-30 | 丰田自动车株式会社 | 地图生成用数据收集装置、地图生成用数据收集方法以及车辆 |
CN113269977A (zh) * | 2020-01-29 | 2021-08-17 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN113375681A (zh) * | 2020-03-09 | 2021-09-10 | 丰田自动车株式会社 | 地图数据更新装置及存储地图数据更新用计算机程序的存储介质 |
CN115280393B (zh) * | 2020-03-18 | 2024-06-04 | 三菱电机株式会社 | 行驶道路判定装置和行驶道路判定方法 |
CN115280393A (zh) * | 2020-03-18 | 2022-11-01 | 三菱电机株式会社 | 行驶道路判定装置和行驶道路判定方法 |
CN113465610A (zh) * | 2020-03-30 | 2021-10-01 | 本田技研工业株式会社 | 信息处理装置、路径引导装置、信息处理方法以及计算机可读存储介质 |
CN113465610B (zh) * | 2020-03-30 | 2024-03-22 | 本田技研工业株式会社 | 信息处理装置、路径引导装置、信息处理方法以及计算机可读存储介质 |
CN113641770A (zh) * | 2020-04-27 | 2021-11-12 | 丰田自动车株式会社 | 地图管理装置以及地图管理方法 |
CN113641770B (zh) * | 2020-04-27 | 2024-04-23 | 丰田自动车株式会社 | 地图管理装置以及地图管理方法 |
CN113808263B (zh) * | 2020-06-11 | 2024-03-01 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN113808263A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 地图生成用数据收集装置以及地图生成用数据收集方法 |
CN113804210A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN113804210B (zh) * | 2020-06-11 | 2024-05-14 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN111880527B (zh) * | 2020-06-19 | 2022-12-27 | 中国煤炭科工集团太原研究院有限公司 | 井下无人驾驶运输车机器人控制方法 |
CN111880527A (zh) * | 2020-06-19 | 2020-11-03 | 中国煤炭科工集团太原研究院有限公司 | 井下无人驾驶运输车机器人控制方法 |
CN114526744A (zh) * | 2020-11-05 | 2022-05-24 | 丰田自动车株式会社 | 地图更新装置和地图更新方法 |
CN114526744B (zh) * | 2020-11-05 | 2024-03-22 | 丰田自动车株式会社 | 地图更新装置和地图更新方法 |
CN112466005B (zh) * | 2020-11-26 | 2022-08-09 | 重庆长安汽车股份有限公司 | 基于用户使用习惯的自动驾驶围栏的更新***及方法 |
CN112466005A (zh) * | 2020-11-26 | 2021-03-09 | 重庆长安汽车股份有限公司 | 基于用户使用习惯的自动驾驶围栏的更新***及方法 |
Also Published As
Publication number | Publication date |
---|---|
US10935385B2 (en) | 2021-03-02 |
EP3460406A1 (en) | 2019-03-27 |
US20190063929A1 (en) | 2019-02-28 |
CN109425358B (zh) | 2023-12-22 |
EP3460406B1 (en) | 2024-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109425358A (zh) | 信息处理装置及方法、车辆、行驶控制方法及地图更新方法 | |
US10422639B2 (en) | Enrichment of point cloud data for high-definition maps for autonomous vehicles | |
US11727272B2 (en) | LIDAR-based detection of traffic signs for navigation of autonomous vehicles | |
CN110832474B (zh) | 更新高清地图的方法 | |
US10474164B2 (en) | Representing navigable surface boundaries of lanes in high definition maps for autonomous vehicles | |
US11428536B2 (en) | Navigable boundary generation for autonomous vehicles | |
US20240005167A1 (en) | Annotating high definition map data with semantic labels | |
US11651553B2 (en) | Methods and systems for constructing map data using poisson surface reconstruction | |
JP7141845B2 (ja) | 情報処理装置、情報処理方法および地図更新方法 | |
CN108387241A (zh) | 更新自动驾驶车辆的定位地图的方法和*** | |
CN107228676A (zh) | 来自连接的车辆队列的地图更新 | |
US11590989B2 (en) | Training data generation for dynamic objects using high definition map data | |
US11927449B2 (en) | Using map-based constraints for determining vehicle state | |
US20230105230A1 (en) | Systems and methods for defining serviceable areas | |
US10801844B2 (en) | Remediating dissimilarities between digital maps and ground truth data via dissimilarity threshold tuning | |
US11035676B2 (en) | Navigation system and method for providing navigational assistance at a venue | |
US11682124B2 (en) | Systems and methods for transferring map data between different maps | |
US20200408533A1 (en) | Deep learning-based detection of ground features using a high definition map | |
US20220413510A1 (en) | Targeted driving for autonomous vehicles | |
CN112105892B (zh) | 使用运动数据和面元数据识别地图特征的方法和*** |
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 |