CN110271553A - 用于稳健地定位车辆的方法和设备 - Google Patents

用于稳健地定位车辆的方法和设备 Download PDF

Info

Publication number
CN110271553A
CN110271553A CN201910187908.0A CN201910187908A CN110271553A CN 110271553 A CN110271553 A CN 110271553A CN 201910187908 A CN201910187908 A CN 201910187908A CN 110271553 A CN110271553 A CN 110271553A
Authority
CN
China
Prior art keywords
vehicle
sensing data
positioning system
ambient enviroment
numerical map
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.)
Pending
Application number
CN201910187908.0A
Other languages
English (en)
Inventor
J·罗德
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN110271553A publication Critical patent/CN110271553A/zh
Pending legal-status Critical Current

Links

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
    • G01C21/30—Map- or contour-matching
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

提出一种用于借助定位***(10)稳健地定位车辆的方法。提供所述车辆的至少一个传感器的传感器数据，该传感器数据包含关于所述车辆的周围环境的和/或自身运动的信息。提供所述车辆的周围环境的数字地图，并且基于传感器数据和/或数字地图求取车辆的周围环境的场景。由所求取的场景推导出定位***的稳健程度并且基于由该场景推导出的稳健程度对该定位***的当前的稳健程度进行匹配。基于所匹配的稳健程度，借助定位***的分配模块(18)将传感器数据分配给数字地图。基于分配给该数字地图的传感器数据，借助定位***的位置确定模块(20)求取车辆的位置和/或定向。由此，可以以有利的方式降低用于该定位的计算开销。

Description

用于稳健地定位车辆的方法和设备
技术领域
本发明涉及一种用于稳健地(robust)定位车辆(尤其至少部分自动化的车辆)的方法。此外，本发明涉及一种用于稳健地定位车辆的定位***。
背景技术
出于至少部分自动化地行驶车辆的目的，越来越多地研发出对车辆的稳健定位。这使得能够在车辆本地的周围环境模型中共同地使用数字地图中的附加信息以及车辆的一个或多个传感器的传感器数据。后者可以形成用于规划车辆***的驾驶行为(例如规划速度、减速和/或转向运动)的基础。可以将驾驶行为的规划和/或所属的行为决策用作轨迹规划和调整的基础。
通常，在稳健定位的范畴内，将用于检测车辆的周围环境的多个不同传感器的传感器数据相互组合。例如将(可选地结合车道识别的)一个或多个摄像机的摄像机数据、一个或多个雷达传感器的雷达数据、一个或多个激光雷达传感器的激光雷达数据和/或包含关于车辆的周围环境的信息的任何其他数据进行组合和/或融合。
尤其出于地理参考的目的，可以将传感器数据的至少一部分和/或所组合的传感器数据的至少一部分分配给数字地图。这也称为地图匹配(Map-Matching)。
因此，用于稳健定位的方法可能非常昂贵并且计算密集。所以这可能使在车辆中实现相应的定位***变得困难。
发明内容
借助本发明的实施方式，可以以有利的方式提供一种用于稳健地定位车辆的改善的方法和/或一种改善的定位***。在根据本发明的方法中，尤其可以以有利的方式降低计算开销。
本发明的一方面涉及一种用于借助定位***稳健地定位车辆的方法。该方法包括提供、求取和/或检测车辆的至少一个传感器的传感器数据的步骤，其中，传感器数据包含关于车辆的周围环境和/或自身运动的信息。此外，该方法包括提供车辆的周围环境的数字地图的步骤。该方法的特征尤其在于以下步骤：
-基于传感器数据和/或基于数字地图求取车辆的周围环境的场景；
-由所求取的场景推导出定位***的稳健程度(例如所要求的稳健程度)；
-基于由所述场景推导出的稳健程度来对定位***的当前的稳健程度进行匹配；
-基于所匹配的稳健程度，借助定位***的分配模块将传感器数据的至少一部分分配给数字地图的至少一部分；
-基于分配给数字地图的传感器数据，借助定位***的位置确定模块求取车辆的位置和/或定向。
车辆尤其可以是至少部分自动化的车辆。该方法可以称为用于运行定位***的方法和/或用于控制至少部分自动化的车辆的方法。
传感器数据可以是用于检测车辆的周围环境的一个或多个传感器的任何数据。传感器数据例如可以是一个或多个摄像机的摄像机数据、一个或多个雷达传感器的雷达数据、一个或多个超声传感器的超声数据、一个或多个激光雷达传感器的激光雷达数据和/或任何其他的数据。传感器数据也可以表示由不同的数据组合而成和/或融合而成的数据。因此，该方法可以包括为了生成传感器数据而对不同传感器的数据进行组合的步骤。
定位***可以表示车辆内部的定位***。定位***例如可以在车辆的控制设备中实现。替代地或附加地，定位***可以至少部分地在车辆外部的数据处理装置(例如服务器和/或云服务器)上实现。车辆和数据处理装置可以具有用于通信和/或数据交换的接口。
通常，所求取的场景可以表示对车辆的周围环境的至少一部分和/或对周围环境的至少一个特征的代表、成像和/或估算。
定位***在不利的周围环境条件下和/或在不利的周围环境下求取车辆的正确定位(即车辆的正确的位置和/或定向)的能力可以称为定位的和/或定位***的稳健性(或所要求的稳健性)。稳健程度(和/或稳健性)通常可以表示车辆定位的正确性和/或正确性概率的度量。定位***可以设置用于在定位期间实现当前的稳健程度和/或当前预给定的稳健程度。因此，稳健程度可以表示对定位***的定位要求。这种定位要求可以代表和/或描述定位正确性的质量、品质和/或度量。在此，正确性可以通过定位***的定位相对于数字地图的估计的准确性来定义。
以有利的方式，通过求取场景以及基于由场景推导出的稳健程度来对当前的稳健程度进行匹配，可以根据场景来匹配定位***。这又可以导致显著降低定位所需的计算开销。一方面，由此可以更快速且更高效地构型定位，并且另一方面，更多的计算能力可供车辆的其他***使用。由此，也可以以有利的方式降低能耗。而且由于计算开销降低，也可以降低对硬件(例如控制设备)的要求，从而可以使用更成本有利的硬件(例如定位***)来进行定位。
尤其可以认为本发明基于以下描述的知识。车辆的具有高稳健程度的定位可以与相当大的计算开销相关联。因此，可能需要在计算开销或计算能力、定位准确度和稳健程度之间找到折中。在用于定位的传统***中，目前仅将(可选地结合车道识别的)摄像机数据、激光雷达数据以及(必要时)其他的数据彼此融合。可选地，可以在传统***中识别出并且去除传感器数据中的异常值。
与传统***不同，根据本发明设置，根据场景以及与场景相关联的对于定位的定位要求来匹配定位***的稳健性和/或稳健程度。例如，在存在具有潜在高速的其他车辆的交叉路口附近，定位要求被提高。在这种场景中，可以借助根据本发明的方法来相应地提高和/或匹配稳健程度(和/或至少一个定位要求)。相反，车辆在停车场上的运行可能与低的定位要求相关联。在这种场景中，也可以借助根据本发明的方法以有利的方式相应地匹配和/或降低稳健程度(和/或至少一个定位要求)。
根据本发明的一种实施方式，对当前的稳健程度进行匹配的步骤包括如下步骤：基于由场景推导出的稳健程度，对定位***的分配模块的至少一个参数进行匹配。例如可以将分配模块重新参数化(reparametrisieren)。
根据本发明的一种实施方式，分配模块的至少一个参数描述在车辆的周围环境中考虑的对象的数量和/或至车辆的如下最大距离：直至所述最大距离分析处理传感器数据。换句话说，可以基于推导出的稳健程度来匹配处于周围环境中的对象的数量和/或周围环境的视野。例如可以在周围环境中将确定的对象(例如树、房屋和/或其他静态的或半静态的对象)隐藏(ausblenden)，以便基于所推导出的稳健程度来匹配当前的稳健程度。替代地或附加地，可以隐藏和/或去除相距超过最大距离的对象。
根据本发明的一种实施方式，对分配模块的至少一个参数的匹配具有以下部分步骤中的至少一个：
-选择数字地图的地图数据以分配传感器数据的至少一部分；
-选择数字地图的分辨率；
-选择用于将传感器数据分配给数字地图的算法(尤其地图匹配算法)；
-对用于将传感器数据分配给数字地图的算法(尤其地图匹配算法)的至少一个参数进行匹配；
-对分配模块的粒子滤波器中的粒子数量进行匹配。
为了匹配当前的稳健程度，例如可以使用数字地图中所包含的关于周围环境的信息的仅一部分。为了匹配当前的稳健程度，也可以求取和/或使用的确定的地图类型。此外，可以根据所推导出的稳健程度来选择稳健的算法或不稳健的算法。稳健的算法例如可以基于频谱配准(Regisitierung)和/或对成本函数的匹配。不稳健的算法例如可以基于迭代过程范畴内的点对点分配和/或距离度量。替代地或附加地，为了匹配当前的稳健程度，可以匹配和/或改变算法的一个或多个参数。例如可以在用于确定最近点的迭代算法中改变形成对应对的点的最大距离(迭代最近点，ICP算法)。替代地或附加地，可以借助粒子滤波器对传感器数据进行滤波，并且可以为了匹配当前的稳健程度而对粒子数量进行匹配。
根据本发明的一种实施方式，对当前的稳健程度进行匹配的步骤包括：对传感器数据的数据处理进行匹配。例如可以改变传感器数据的分辨率(尤其时间分辨率)。也可以根据稳健程度对传感器数据进行平滑处理、聚合和/或预处理。为了匹配稳健程度，也可以将传感器数据的一部分去除，并且可以仅将传感器数据的其他部分分配给数字地图。
根据本发明的一种实施方式，所求取的场景包括：周围环境中的对象对车辆周围环境的一部分的遮盖和/或遮盖程度。替代地或附加地，该场景包括车辆的周围环境中的对象的数量。该场景也可以包括道路类型——例如高速公路、国道、高行驶量道路、低行驶量道路、单车道道路和/或多车道道路。此外，场景可以包括交叉路口、交叉路口类型、停车场和/或居民区。场景也可以包括道路的行驶程度(Grad der Befahrung)、车辆的周围环境中的其他交通参与者的数量、车辆的速度、其他交通参与者的速度和/或车辆的周围环境中的障碍物的数量。
根据本发明的一种实施方式，求取场景的步骤包括：求取传感器数据的干扰程度和/或一致性程度。替代地或附加地，求取场景的步骤包括：求取数字地图的至少一部分的有效日期。换句话说，为了求取场景，可以考虑传感器数据之间的一致性和/或偏差。也可以检查：数字地图是最新的还是过时的。
根据本发明的一种实施方式，该方法还具有基于传感器数据的至少一部分和/或基于数字地图的至少一部分生成车辆的周围环境模型的步骤，其中，基于所生成的周围环境模型推导出稳健程度。例如可以基于传感器数据(可选地结合数字地图中的周围环境信息)来生成周围环境模型。车辆的周围环境的模型尤其能够实现和/或代表对车辆所处的实际周围环境的估计，从而可以基于周围环境模型来估计和/或求取具有高精度的场景。
根据本发明的一种实施方式，数字地图具有关于推荐的稳健程度的地理参考说明，其中，稳健程度由地理参考说明推导出。换句话说，数字地图可以包含根据地理坐标推荐的稳健程度，基于该稳健程度可以求取和/或推导出用于匹配定位***的当前稳健程度的稳健程度。
根据本发明的一种实施方式，该方法还包括求取场景变化的步骤和基于所求取的场景变化推导出另一稳健程度的步骤。由此，在场景和/或车辆的周围环境发生变化时，可以以有利的方式动态地匹配稳健程度。
根据本发明的一种实施方式，该方法还具有基于所求取的位置和/或定向生成用于控制车辆的控制命令的步骤。然后可以将该控制命令传输给车辆的控制设备，该控制设备可以指示车辆实施控制命令。控制命令例如可以包括速度预先规定、速度、加速度、减速和/或转向运动。
本发明的另一方面涉及一种用于稳健地定位车辆的定位***，其中，定位***设置用于执行如上文和下文所描述的方法。定位***可以具有数据存储器和处理器。在数据存储器上可以存储程序元素(Programmelement)，在处理器上运行该程序元素时，该程序元素指示定位***执行如上文和下文所描述的方法。在该数据存储器中还可以存储有至少一个数字地图和/或传感器数据。该定位***还可以具有分配模块和/或位置确定模块，该分配模块用于将传感器数据分配给数字地图，该位置确定模块用于求取车辆的定位(即位置和/或定向)。该定位***可以安装在车辆中和/或在车辆中实现。替代地或附加地，该定位***可以至少部分地在服务器上实现。
如上文和下文所描述的方法的特征、元素和/或步骤可以是定位***的特征和/或元素，反之亦然。
附图说明
以下参照附图详细地描述本发明的实施例。
图1示出根据本发明的一种实施例的定位***；
图2示出根据本发明的一种实施例的用于说明用于稳健地定位车辆的方法的步骤的流程图；
图3示出根据本发明的一种实施例的用于说明用于稳健地定位车辆的方法的步骤的流程图。
这些附图仅仅是示意性的并且并非按照比例的。在附图中，相同的、作用相同的或相似的元件设有相同的附图标记。
具体实施方式
图1示出根据本发明的一种实施例的定位***10。
定位***10具有数据存储器12和处理器14。在数据存储器12中存储有至少一个数字地图和车辆的至少一个传感器的传感器数据。在数据存储器12中也存储有至少一个数字地图。
可选地，定位***10具有用于确定车辆的位置的定位设备16。定位设备16例如可以具有GPS传感器。
定位***10还具有分配模块18，该分配模块用于将传感器数据分配给数字地图。此外，定位***10具有位置确定模块20，该位置确定模块用于求取车辆的定位(即位置和定向)。
定位***10可以安装在车辆中和/或在车辆中实现。替代地或附加地，定位***10可以至少部分地在服务器上实现，并且通过车辆的和定位***10的接口可以交换数据，所述数据例如是用于控制车辆的控制命令和/或描述车辆的定位的数据。
图2示出根据本发明的一种实施例的用于说明用于借助定位设备10稳健地定位车辆的方法的步骤的流程图。在此，定位设备10可以相应于参照图1描述的定位设备10。
在步骤S1中，该方法包括提供车辆的至少一个传感器的传感器数据，其中，该传感器数据包含关于车辆的周围环境的信息。此外，步骤S1包括提供车辆的周围环境的数字地图。
在步骤S2中，基于传感器数据和/或基于数字地图求取车辆的周围环境的场景。在此，车辆的周围环境的场景可以包括关于如下的信息：由周围环境中的对象对车辆的周围环境的一部分的遮盖、车辆的周围环境中的对象的数量、道路类型、交叉路口、交叉路口类型、停车场、居民区、道路的行驶程度、车辆的周围环境中的其他交通参与者的数量和/或车辆的周围环境中的障碍物的数量。此外，该场景可以包括关于车辆的速度和/或其他交通参与者的速度的信息。
为了在步骤S2中求取场景，可选地，也可以求取传感器数据的干扰程度和/或一致性程度。替代地或附加地，可以求取数字地图的至少一部分的有效日期。
此外，在步骤S2中，可以基于传感器数据的至少一部分和/或基于数字地图的至少一部分生成车辆的周围环境模型。例如可以由周围环境模型推导出场景。也可以基于数字地图求取场景。
在另一步骤S3中，由在步骤S2中求取的场景推导出定位***10的稳健程度，和/或，基于该场景求取定位***的稳健程度。
在另一步骤S4中，基于由场景推导出的稳健程度来匹配定位***10的当前的稳健程度。
为此，可以基于由场景推导出的稳健程度来对定位***10的分配模块18的至少一个参数进行匹配。该参数例如可以描述在车辆的周围环境中考虑的对象的数量。该参数也可以描述至车辆的如下最大距离：直至该最大距离分析处理传感器数据和/或在该最大距离内考虑传感器数据。
而且在步骤S4中，为了匹配当前的稳健程度，可以选择和/或匹配数字地图的地图数据和/或用于将传感器数据分配给数字地图的算法。也可以选择和/或匹配数字地图的分辨率。也可以选择和/或匹配用于将传感器数据分配给数字地图的算法的至少一个参数。也可以对分配模块18的粒子滤波器中的粒子数量进行匹配。替代地或附加地，可以匹配传感器数据的数据处理。
在另一步骤S5中，基于在步骤S4中匹配的稳健程度，借助定位***10的分配模块18将传感器数据的至少一部分分配给数字地图的至少一部分。
在另一步骤S6中，基于分配给数字地图的传感器数据，借助定位***10的位置确定模块20求取车辆的定位、位置和/或定向。
在可选的步骤S7中，基于在步骤S6中求取的定位、位置和/或定向，生成用于控制车辆的控制命令。可以通过定位***的接口输出该控制命令，并且例如将该控制命令提供给车辆的另一控制设备。然后，该控制设备可以基于控制命令来导航、定位、监测和/或控制车辆。
图3示出根据本发明的一种实施例的用于说明用于稳健地定位车辆的方法的步骤的流程图。除非另外描述，否则图3的方法具有与图2的方法相同的步骤。
在步骤S1中，例如借助定位设备16求取初始定位——即车辆的初始位置和/或初始定向。
在步骤S2中，将定位***10初始化，并且例如可以在标准模式中以定位***10的预给定的稳健程度、预给定的性能和/或预给定的定位精度来运行该定位***。
然后，在步骤S3中求取并且可选地在步骤S3'中输出车辆的定位(即位置和/或定向)。
然后在步骤S4中，如在图2中所阐述的那样，可以基于数字地图和/或基于车辆的传感器的传感器数据来求取场景。
在步骤S4'中，如在图2中所阐述的那样，可以由场景推导出定位***的稳健程度。
此外，在步骤S4和/或S4'中，如在图2中所阐述的那样，可以基于对定位***10的至少一个参数的匹配来匹配当前的稳健程度和/或预给定的稳健程度。
然后，可以使用如此匹配的参数和/或所匹配的稳健程度来根据步骤S3定位车辆和/或在步骤S3'中输出定位。
在此，可以迭代地运行步骤S3和S4，以及可选的S3'和S4'。一旦在步骤S4中求取到场景变化，则可以触发和/或激发步骤S4'、S3和S3'中的至少一个。
作为对此的补充应当指出，“包括”不排除存在其他元素并且“一个”不排除存在多个。此外还应指出，参考上述实施例中的任一个所描述的特征也可以与上述其他实施例的其他特征组合地使用。

Claims (12)

1.一种用于借助定位***(10)稳健地定位车辆的方法，所述方法具有以下步骤：
提供所述车辆的至少一个传感器的传感器数据，其中，所述传感器数据包含关于所述车辆的周围环境的和/或自身运动的信息；
提供所述车辆的周围环境的数字地图；
其特征在于，所述方法还具有以下步骤：
基于所述传感器数据和/或基于所述数字地图求取所述车辆的周围环境的场景；
由所求取的场景推导出所述定位***(10)的稳健程度；
基于由所述场景推导出的稳健程度来对所述定位***(10)的当前的稳健程度进行匹配；
基于所匹配的稳健程度，借助所述定位***(10)的分配模块(18)将所述传感器数据的至少一部分分配给所述数字地图的至少一部分；
基于分配给所述数字地图的传感器数据，借助所述定位***(10)的位置确定模块(20)求取所述车辆的位置和/或定向。
2.根据权利要求1所述的方法，其中，对当前的稳健程度进行匹配的步骤包括：基于由所述场景推导出的稳健程度，对所述定位***(10)的分配模块的至少一个参数进行匹配。
3.根据权利要求2所述的方法，其中，所述至少一个参数描述在所述车辆的周围环境中考虑的对象的数量；和/或，其中，所述至少一个参数描述至所述车辆的如下最大距离：直至所述最大距离分析处理和/或考虑所述传感器数据。
4.根据权利要求2或3所述的方法，其中，对所述分配模块(18)的至少一个参数的匹配具有以下部分步骤中的至少一个：
选择所述数字地图的地图数据以分配所述传感器数据的至少一部分；
选择所述数字地图的分辨率；
选择用于将所述传感器数据分配给所述数字地图的算法；
对用于将所述传感器数据分配给所述数字地图的算法——尤其地图匹配算法——的至少一个参数进行匹配；
对所述分配模块(18)的粒子滤波器中的粒子数量进行匹配。
5.根据以上权利要求中任一项所述的方法，其中，对当前的稳健程度进行匹配的步骤包括：对所述传感器数据的数据处理进行匹配。
6.根据以上权利要求中任一项所述的方法，其中，所述车辆的周围环境的所求取的场景包括从元素组中选择出的至少一个元素：
所述周围环境中的对象对所述车辆的周围环境的一部分的遮盖、所述车辆的周围环境中的对象的数量、道路类型、交叉路口、交叉路口类型、停车场、居民区、道路的行驶程度、所述车辆的周围环境中的其他交通参与者的数量、所述车辆的速度、其他交通参与者的速度以及所述车辆的周围环境中的障碍物的数量。
7.根据以上权利要求中任一项所述的方法，其中，求取所述场景的步骤包括以下部分步骤中的至少一个：
求取所述传感器数据的干扰程度和/或一致性程度；
求取所述数字地图的至少一部分的有效日期。
8.根据以上权利要求中任一项所述的方法，所述方法还具有：
基于所述传感器数据的至少一部分和/或基于所述数字地图的至少一部分生成所述车辆的周围环境模型；
其中，基于所生成的周围环境模型推导出所述稳健程度。
9.根据以上权利要求中任一项所述的方法，其中，所述数字地图具有关于推荐的稳健程度的地理参考说明；
其中，所述稳健程度由所述地理参考说明推导出。
10.根据以上权利要求中任一项所述的方法，所述方法还具有：求取场景变化并且基于所求取的场景变化推导出另一稳健程度。
11.根据以上权利要求中任一项所述的方法，所述方法还具有：基于所求取的位置和/或定向生成用于控制所述车辆的控制命令。
12.一种定位***(10)，所述定位***用于稳健地定位车辆，其中，所述定位***(10)设置用于执行根据以上权利要求中任一项所述的方法。
CN201910187908.0A 2018-03-13 2019-03-13 用于稳健地定位车辆的方法和设备 Pending CN110271553A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018203753.1 2018-03-13
DE102018203753.1A DE102018203753A1 (de) 2018-03-13 2018-03-13 Verfahren und Vorrichtung zur robusten Lokalisierung eines Fahrzeugs

Publications (1)

Publication Number Publication Date
CN110271553A true CN110271553A (zh) 2019-09-24

Family

ID=67774688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910187908.0A Pending CN110271553A (zh) 2018-03-13 2019-03-13 用于稳健地定位车辆的方法和设备

Country Status (3)

Country Link
US (1) US11150096B2 (zh)
CN (1) CN110271553A (zh)
DE (1) DE102018203753A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021083584A1 (en) * 2019-10-29 2021-05-06 Holoride Gmbh Method and control device for operating a virtual reality headset in a vehicle
US11807272B2 (en) 2020-07-28 2023-11-07 Toyota Research Institute, Inc. Systems and methods for multiple algorithm selection
DE102021130418A1 (de) 2021-11-22 2023-05-25 Bayerische Motoren Werke Aktiengesellschaft Positioniersicherheit eines Fahrzeugs
DE102022209225A1 (de) 2022-09-06 2024-03-07 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bestimmen einer hochgenauen Position eines Fahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010049215A1 (de) * 2010-10-21 2011-07-28 Daimler AG, 70327 Verfahren zur Bestimmung einer Fahrzeugumgebung
DE102011119762A1 (de) * 2011-11-30 2012-06-06 Daimler Ag System und Verfahren zur Positionsbestimmung eines Kraftfahrzeugs
DE102013018315A1 (de) * 2013-10-31 2015-04-30 Bayerische Motoren Werke Aktiengesellschaft Umfeldmodell mit adaptivem Gitter
DE102015001360A1 (de) * 2014-12-20 2015-08-20 Daimler Ag Verfahren zur Positionsbestimmung eines Fahrzeugs
US20160258766A1 (en) * 2015-03-06 2016-09-08 Umm Al-Qura Univeristy Vehicle localization and transmission method and system using a plurality of communication methods

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014223363B4 (de) * 2014-11-17 2021-04-29 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Lokalisation eines Kraftfahrzeugs in einer ortsfesten Referenzkarte
US10852146B2 (en) * 2018-02-28 2020-12-01 Ford Global Technologies, Llc Localization technique selection
US11501105B2 (en) * 2018-03-02 2022-11-15 Zoox, Inc. Automatic creation and updating of maps

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010049215A1 (de) * 2010-10-21 2011-07-28 Daimler AG, 70327 Verfahren zur Bestimmung einer Fahrzeugumgebung
DE102011119762A1 (de) * 2011-11-30 2012-06-06 Daimler Ag System und Verfahren zur Positionsbestimmung eines Kraftfahrzeugs
DE102013018315A1 (de) * 2013-10-31 2015-04-30 Bayerische Motoren Werke Aktiengesellschaft Umfeldmodell mit adaptivem Gitter
DE102015001360A1 (de) * 2014-12-20 2015-08-20 Daimler Ag Verfahren zur Positionsbestimmung eines Fahrzeugs
US20160258766A1 (en) * 2015-03-06 2016-09-08 Umm Al-Qura Univeristy Vehicle localization and transmission method and system using a plurality of communication methods

Also Published As

Publication number Publication date
DE102018203753A1 (de) 2019-09-19
US11150096B2 (en) 2021-10-19
US20190285418A1 (en) 2019-09-19

Similar Documents

Publication Publication Date Title
Alonso et al. Accurate global localization using visual odometry and digital maps on urban environments
CN108139225B (zh) 确定机动车的布局信息
CN110146909B (zh) 一种定位数据处理方法
CN110271553A (zh) 用于稳健地定位车辆的方法和设备
Schroedl et al. Mining GPS traces for map refinement
JP2819125B2 (ja) 自動車
CN107328410A (zh) 用于定位自动驾驶车辆的方法和汽车电脑
WO2018126228A1 (en) Sign and lane creation for high definition maps used for autonomous vehicles
CN108801276A (zh) 高精度地图生成方法及装置
CN111263960B (zh) 用于更新高清晰度地图的设备和方法
JP2024025803A (ja) センサを利用して獲得した空間情報を活用する車両、センサを利用して獲得した空間情報を活用するセンシング装置、及びサーバ
CN111220143B (zh) 一种成像设备的位置和姿态确定方法及装置
Randeniya et al. Vision–IMU integration using a slow-frame-rate monocular vision system in an actual roadway setting
CN111524169A (zh) 用神经网络基于传感器数据和地图数据的图像配准的定位
US10907972B2 (en) 3D localization device
CN110715671A (zh) 三维地图生成方法、装置、车辆导航设备和无人驾驶车辆
JP2023054314A (ja) 情報処理装置、制御方法、プログラム及び記憶媒体
Christensen et al. Autonomous vehicles for micro-mobility
CN105324637B (zh) 驾驶辅助***、方法以及存储介质
CN117576652B (zh) 道路对象的识别方法、装置和存储介质及电子设备
CN115456898A (zh) 停车场的建图方法、装置、车辆及存储介质
CN111469781B (zh) 用于输出信息的方法和装置
Flade et al. Lane detection based camera to map alignment using open-source map data
CN116380088B (zh) 车辆定位方法、装置、车辆及存储介质
Del Pizzo et al. Reliable vessel attitude estimation by wide angle camera

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