CN110383101A - Hd地图的生成和使用 - Google Patents
Hd地图的生成和使用 Download PDFInfo
- Publication number
- CN110383101A CN110383101A CN201780087984.3A CN201780087984A CN110383101A CN 110383101 A CN110383101 A CN 110383101A CN 201780087984 A CN201780087984 A CN 201780087984A CN 110383101 A CN110383101 A CN 110383101A
- Authority
- CN
- China
- Prior art keywords
- high resolution
- map
- resolution ground
- ground map
- rsu
- 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
Links
- 230000004927 fusion Effects 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 230000006854 communication Effects 0.000 claims description 53
- 238000004891 communication Methods 0.000 claims description 53
- 238000009825 accumulation Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 5
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims 8
- 240000007594 Oryza sativa Species 0.000 claims 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 claims 1
- 238000000034 method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
- G01C21/3694—Output thereof on a road map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C21/00—Systems for transmitting the position of an object with respect to a predetermined reference system, e.g. tele-autographic system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Optics & Photonics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种装置,包括:处理器单元,被配置为提供第一高清晰度地图;传感器单元,被配置为提供表示在装置***的环境条件的传感器数据;以及接收器单元,被配置为接收表示第二高清晰度地图的数据。处理器单元被配置为融合第二高清晰度地图和传感器数据,以便提供第一高清晰度地图。装置还包括:发送器单元,被配置用于发送融合第二高清晰度地图和传感器数据的结果;并且包括:命令生成器单元,被配置为基于第一高清晰度地图生成表示用于装载该装置的交通工具的交通工具控制命令的命令信号。
Description
技术领域
本发明涉及无线通信领域,并且更具体地,涉及用于生成高清晰度(HD)地图的装置和用于生成HD地图的方法、使用该HD地图的无线通信网络和交通工具。本发明还涉及用于自主驾驶的HD地图传送网络。
背景技术
如[1]中所报道的,自主驾驶被认为是5G***中三个最大的应用之一。如[2]中所报道的,对于自主驾驶,用于汽车导航***的当前地图的分辨率不够,并且需要更高分辨率且实时的地图。这种新地图被称为HD(高清晰度)地图或动态地图。图7示出了由LiDAR(光检测和测距)收集的HD地图的示例,该LiDAR是感测汽车的近场环境中的对象的基于激光的过程。图7示出了由LiDAR收集的用于HD地图的点云图像。本文中描述的技术方案涉及CIU和RSU以及由CIU和/或RSU组成的网络,以通过实时地传送广泛覆盖的HD地图来实现自主驾驶。用于自主驾驶的CIU可以包括:HD传感器单元(例如,LiDAR),以收集HD地图的信息;毫米波Rx(接收器)单元,以例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地从周围的汽车(即其他CIU和/或RSU)接收HD地图。CIU可以包括HD地图处理单元,以通过组合由RSU接收的多个HD地图来计算支持前方至少300米的HD地图。这些CIU可以包括毫米波Tx(发送器)单元,以例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地将在CIU中继器中计算的HD地图中继至周围的汽车或RSU。CIU可以包括自主驾驶单元,以基于在CIU中继器中计算的HD地图而生成用于加速器、制动、转向等的汽车驾驶命令。在[2]中,据报道,用于一小时驾驶的HD地图的总数据大小变为大约1T字节,这与2.2Gbps的数据速率相对应。在[2]中,还要注意的是,接收HD地图的帧的延时应小于10毫秒。
最新的3GPP版本14设法支持V2V(交通工具对交通工具)通信,以支持道路安全服务[3]。已经开发了3GPP V2V以及诸如IEEE802.11p、ETSI CAM和US SAE的相关标准以在交通工具之间交换诸如紧急情况、警告、位置、速度等的驾驶信息,以辅助安全驾驶。然而,由于V2V链路中的数据速率有限,因此可以交换的数据大小对于针对HD地图而需要巨大数据大小的自主驾驶而言太小。此外,由于交通工具的生产周期较长,因此将V2V集成在所有的交通工具中是有问题的。
最新的3GPP版本14也设法支持V2X(交通工具对所有事物)通信,以通过基础设施来支持道路安全服务[3]。3GPP V2X是当前VICS(交通工具信息和通信***)和DSRC(专用短程通信)的扩展,以通过基础设施在道路与交通工具之间交换有关交通堵塞、交通事故、交通建设等信息。图8示出了用于对汽车事故和行人穿过马路进行警告的V2X的示例,其中RSU(路边单元)检测道路上的事件。在图8中,交通安全服务器的作用是利用RSU检测的交通事件的信息来更新交通地图,并且将地图传送至位于同一区域或城市的汽车。由于交通安全服务器位于网络深处,因此交通地图传送的延时远大于10毫秒。
已经提出了将毫米波汽车雷达和毫米波通信结合起来,以在不增加硬件成本的情况下通过使用毫米波技术来增加交通工具之间的数据速率[4]。在[5]中,已经提出了通过交换一组汽车(车队)内或甚至来自RSU的感测信息(例如,LiDAR信息)来进行协作感测和协作操控,以解决看不见对象的问题。
因此,需要改进自主驾驶。
发明内容
本发明的目的是提供一种允许安全可靠的自主驾驶的概念。
发明人已经发现,通过将接收的HD地图与自身的传感器数据组合,可以获得用于装载相应装置的交通工具的控制命令,该控制命令是可靠的,因为其包括由自身的传感器扫描的区域内的信息并且包括自身的传感器可能看不见但接收的地图看得见的区域处的信息。因此,对于装置本身看得见和看不见的区域而言,需要命令信号的场景可靠。通过发送适配的地图或生成的地图,可以向其他装置提供相同的可靠性。
根据实施例,装置包括:处理器单元,被配置为提供第一高清晰度地图;传感器单元,被配置为提供表示在装置***的环境条件的传感器数据;以及接收器单元,被配置为接收表示第二高清晰度地图的数据。处理器单元被配置为融合第二高清晰度地图和传感器数据,以便提供第一高清晰度地图。装置包括:发送器单元,被配置用于发送融合第二高清晰度地图和传感器数据的结果。装置还包括:命令生成器单元,被配置为基于第一高清晰度地图而生成表示用于装载装置的交通工具的交通工具控制命令的命令信号。
装置可以通过将外部地图与自身的传感器数据融合、通过基于这样刷新的HD地图而生成驱动命令,并且通过重新分布刷新的地图而允许安全可靠的自主驾驶。
根据实施例,通信网络包括多个装置,其中,多个装置被配置为交换由多个装置生成的高清晰度地图。至少一个装置或多个装置被配置为融合从通信网络的其他装置接收的高清晰度地图,以便生成累积高清晰度地图。这可以允许覆盖大区域或地区的高清晰度地图,即累积高清晰度地图可以包括广泛的覆盖范围并且还可以包括低摇摆问题,这是因为可以基于不同观察点来生成地图。
根据实施例,路边单元(RSU)包括:处理器单元,被配置为提供第一高清晰度地图。RSU还包括:传感器单元,被配置用于提供表示在RSU***的环境条件的传感器数据;以及接收器单元,被配置为接收表示第二高清晰度地图的数据。处理器单元被配置为融合第二高清晰度地图和传感器数据,以便提供第一高清晰度地图。RSU还包括:发送器单元,被配置用于发送融合第二高清晰度地图和传感器数据的结果。第一高清晰度地图包括RSU周围至少300米半径内的地图信息。这可以允许路边单元可以提供RSU周围半径内地图的高度精确信息,以便使数据的诸如交通工具的承运能够精确地导航。
根据实施例,网络包括多个RSU,其中,RSU以彼此相距一定距离定位,以便覆盖交通***的行车路线。这可以允许在本地分布点处提供用于自主驾驶的信息,使得沿着交通***的行车路线,信息是可用的。
根据实施例,通信网络包括多个RSU,其中,多个RSU被配置为交换由多个RSU生成的高清晰度地图。多个RSU中的至少一个RSU被配置为融合从通信网络的其他RSU接收的高清晰度地图,以便生成累积高清晰度图。这可以允许由路边单元生成的累积高清晰度地图的优点。
根据实施例,通信网络包括多个上述装置和多个RSU。多个装置和多个RSU被配置为交换由多个装置和由多个RSU生成的高清晰度地图。通信网络的至少一个装置或至少一个RSU被配置为融合接收的高清晰度地图,以便生成累积高清晰度地图。因此,累积高清晰度地图可以由装置和RSU协作地生成。
根据实施例,交通工具包括上述装置。交通工具被配置为响应于表示交通工具控制命令的命令信号自主地移动。
另外的实施例在从属权利要求中加以限定。
附图说明
现在参考附图进一步详细描述本发明的实施例,在附图中:
图1示出了根据实施例的汽车内部单元(CIU)的示意性框图;
图2示出了根据实施例的路边单元(RSU)的示意性框图;
图3示出了根据实施例的HD地图的示意性框图;
图4a示出了根据实施例的通信网络的示意性框图;
图4b示出了根据实施例的高清晰度地图的示意性框图;
图5示出了根据实施例的包括多个RSU的网络的示意性框图;
图6示出了根据实施例的包括多个CIU的网络的示意性框图;
图7示出了由LiDAR收集的HD地图的示例;以及
图8示出了根据现有技术的用于对汽车事故和行人穿过道路进行警告的V2X的示例,其中,RSU(路边单元)检测这些道路上的事件。
具体实施方式
在下面的描述中,即使出现在不同的图中,相等或等同的元件或者具有相等或等同功能的元件也由相等或等同的附图标记来表示。
在以下描述中,阐述了多个细节,以提供对本发明的实施例的更详尽的解释。然而,对于本领域的技术人员而言将显而易见的是,可以在没有这些具体细节的情况下实践本发明的实施例。在其他实例中,以框图形式而非详细地示出了公知的结构和设备,以避免使本发明的实施例模糊不清。此外,除非另有特别说明,否则下文中描述的不同实施例的特征可以彼此组合。
本文中描述的实施例可以涉及高清晰度地图(HD地图)。这种地图可以包括从多种传感器聚合模式获取的数据。这可以包括但不局限于诸如根部分信息的地理数据与有关对象存在于根部分(roots)上的数据和/或诸如速度限制等的附加数据相结合。聚合信息可以提供有高清晰度,即包括几米、几分米或甚至几厘米的分辨率。HD地图可以提供信息或者可能已经是用作十米波图的地图,即其可以导出沿着哪个方向在哪个距离处阻碍了路径。包含在HD地图中的信息可以包括汽车、行人、穿过的其他对象、交通灯以及与交通相关的所有其他信息。
本文中描述的一些实施例涉及交通工具。尽管可以结合道路车辆来描述交通工具,但是在本文中给出的解释也适用于机载交通工具。尽管使用空间中的一个附加维度,但与道路交通工具一样,机载交通工具必须避免与其他对象碰撞,必须遵循具体的交通规定,并且通常从起点行驶至目标。
本文中描述的一些实施例涉及路边单元(RSU),其中,本文中描述的其他实施例可以涉及汽车内部单元(CIU)。这些术语用于将可安装至交通工具的装置和被配置用于诸如在车道旁边的更明确位置的装置区分开。尽管使用术语“汽车”,但这不应限制本文中描述的实施例。CIU也可以与本文中描述的交通工具相同的方式安装至诸如无人机的机载交通工具上,而不局限于道路车辆。此外,RSU并不局限于安装在道路旁边,特别是在为机载交通工具提供数据或HD地图时。RSU也可以安装至诸如建筑物的屋顶、山脉、树木、灯柱的其他点或对象,还可以安装至诸如气球或任何其他交通工具的相对静止的空中交通工具。简而言之,CIU可以是用于使用HD地图来控制交通工具的装置,其中,RSU可以是支持CIU的基础设施的部分。
图1示出了根据实施例的汽车内部单元(CIU)的示意性框图。CIU包括处理器单元110,处理器单元110被配置为提供高清晰度地图。CIU 100还包括传感器单元120,传感器单元120被配置用于提供表示在装置***的环境条件的传感器数据。例如,传感器单元120可以包括用于对象检测和测距的传感器,诸如雷达(无线电检测和测距)或LiDAR(光检测和测距)。环境条件可以是例如装置与相邻或更远对象的距离、装置的速度、装置在HD地图中和/或在包括装置高度等的绝对坐标系中的位置。传感器数据122可以包括例如关于利用传感器单元120可感测或可检测的对象的大小、速度和/或位置的信息。传感器单元120可以被配置为使用成像技术来扫描装置的***以提供传感器数据122。环境条件可以是到***内的被检测对象的距离。
CIU 100还包括接收器单元130,接收器单元130被配置为接收表示高清晰度地图的数据132,该数据132由诸如另外的CIU和/或RSU和/或包括作为CIU和/或RSU的多个装置的网络的外部源提供。
处理器单元110被配置为融合接收的HD地图和传感器数据122,以便生成并提供CIU 100的HD地图。
CIU 140包括发送器单元140,发送器单元140被配置用于发送由处理器单元110执行的融合的结果112。发送器单元140被配置为提供用于发送结果112的信号142,其中,信号142优选地是无线信号。
CIU 100还包括命令生成器单元150,命令生成器单元150被配置为生成表示用于装载CIU 100的交通工具的交通工具控制命令的命令信号152。处理器单元110被配置为向命令生成器150提供信息114,使得命令生成器单元150可以基于此来导出命令信号152。信息114基于处理器单元110生成的HD地图。根据一个示例,信息114是HD地图。根据另一示例,信息114与结果112对应。例如,通过利用数据122修改包含在接收的HD地图中的信息来获得结果112。通过数据132接收的HD地图可以例如包括关于地图中其他对象的速度或位置的信息。自身的传感器数据可以包括更准确的数据或更实际的数据,使得处理单元110可以通过自身的传感器数据来更新或升级接收的HD地图的数据。根据示例,与利用传感器单元120感测的范围相比,接收的HD地图覆盖更广泛或更大的区域。处理单元110可以被配置为仅更新或刷新接收的HD地图中其他数据可用的区域或数据对象。其他数据可以由传感器单元120生成,或者可以通过使用接收器单元130接收另外的HD地图来接收。另外的HD地图可以覆盖与第二HD地图不同的区域和/或可以具有不同的时间戳。
CIU可以被配置为基于所谓的基本地图来确定命令信号152。这种基本地图可以包括关于诸如河流、街道等交通方式的信息,并且可以用于例如导航***中。这种基本地图对于多个CIU或RSU可以是公共的,并且可以与HD地图的数据进行组合。由于该基本地图可能已经存在于接收节点处,因此装置100可以被配置为省略发送这种基本地图。为了节省带宽和能量,装置可以被配置为在没有这种基本地图的情况下发送融合通过信号132接收的HD地图和传感器数据122的结果。因此,接收的HD地图132也可以是在没有所述基本地图的情况下的地图,其中,处理单元110可以被配置为将接收的高清晰度地图与传感器数据以及与也被称为静态地图的基本地图融合。为了分发相关的动态信息,仅分发(即发送)融合结果作为与接收节点处的静态地图融合的高清晰度地图,可能就足够了。
命令信号152可以被配置为控制交通工具。命令信号152可以涉及例如指示交通工具制动、加速、转弯、爬升、下沉、连接等的信号。
CIU 100可以被配置为:利用接收器单元130来接收另外的数据(该另外的数据表示至少一个另外的HD地图)并且融合接收的HD地图和传感器数据122,以便提供其自身的HD地图。
由信号142发送或由信号132接收的HD地图可以包括大量的数据。为了接收大量的数据和/或发送大量的数据,接收器单元130和发送器单元140被分别配置为接收毫米波长信号以发送毫米波长信号。作为毫米波长信号,可以理解的是,信号被发送,以便包括至少1毫米且至多10毫米的波长,这可以与至少30千兆赫兹且至多300千兆赫兹的频率范围相对应,并且允许高比特率发送。通过非限制性示例,考虑到世界上的无线电规则,毫米波频率可以从24.25千兆赫开始。发送器单元140可以被配置为以至少2Gbps、至少2.1Gbps或至少2.2Gbps的比特率发送高清晰度地图。例如,可能需要至少2.75兆字节的帧大小作为用于发送高清晰度地图的每帧数据大小,特别是在发送融合的高清晰度地图时。处理器单元110可以被配置为提供高清晰度地图,以便包括至少2.75兆字节、至少3.25兆字节或至少3.75兆字节的数据大小。
此外,处理器单元可以被配置为按时间间隔生成HD地图,以便提供对HD地图的连续更新。于是可以将单个HD地图理解为HD地图的帧。例如,处理器可以被配置为分别生成HD地图、帧,其间的时间距离为至多10毫秒、8毫秒或甚至7毫秒。这可以允许对HD地图进行实时更新。实时可以被理解为足够早地提供数据,使得在仍然存在的延迟的接收器侧没有延迟或负面影响。例如,以每小时180千米即每秒50米的速度行驶,并且接收或生成时间距离为10毫秒的HD地图,等于装载CIU的交通工具移动约0.5米。交通工具的传感器可以感测更远的对象,例如至少10米、至少30米或至少100米,使得0.5米或10毫秒的延迟可以在没有任何负面影响的情况下得到补偿,并且因此尽管在单帧之间具有时间步长,但可以被认为是实时的。
110处的处理器单元可以被配置为生成高清晰度地图,以便包括CIU周围至少300米半径的地图信息。
CIU 100可以包括可选的传统接口160,可选的传统接口160被配置为根据传统V2V或V2X通信方案来发送数据。为此,处理单元110可以被配置为结合接收的HD地图和/或结合传感器数据122而确定或提取接收的数据的细节116。处理单元110可以被配置为使诸如与道路安全服务有关的信息(例如交通拥堵、交通事故、交通建设等)的提取的细节116与通信方案一致,并且根据该通信方案来发送那些提取的细节116。简而言之,尽管这可能需要数据转换,但CIU可以与现有的通信方案兼容。
处理器单元110可以被配置为生成高清晰度地图,以便包括与接收的HD清晰度地图132相比相同的坐标系。这可以允许增加地图的面积和/或获得可以被重新发送和/或作为整体使用的累积地图。
CIU 100可以被配置为例如使用接收器单元130来接收可选的信息134。信息134可以包括指示要生成的高清晰度地图中的感兴趣区域的信息。处理单元可以被配置为生成高清晰度图,以便包括与感兴趣区域外的区域相比的在感兴趣区域内的高等级的分辨率,即高等级的信息。感兴趣区域可以是例如交通工具或装载CIU的交通工具的坡度或目标。例如,沿着交通工具要行驶的路线,可以生成与其中交通工具可能不行驶的路线旁边的区域或道路相比的,具有更高等级的分辨率的高清晰度地图。
换而言之,图1示出了CIU的框图。HD传感器单元例如通过使用LiDAR来收集用于HD地图的信息。毫米波Rx单元例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地从周围的汽车和/或RSU接收HD地图。HD地图处理单元通过组合由毫米波Rx单元接收的多个HD地图来计算支持前方至少300米的HD地图。毫米波Tx单元例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地将在HD地图处理单元中计算的HD地图中继至周围的汽车和/或RSU。自主驾驶单元基于在HD地图处理单元中计算的HD地图而生成用于加速器、制动和转向的汽车驾驶命令。
图2示出了根据实施例的路边单元(RSU)的示意性框图。如针对CIU 100所描述的,RSU 200可以被配置为提供HD地图。与CIU 100相反,RSU 200可以分别在没有自主驱动单元、命令生成器150的情况下实现。路边单元200可以向交通工具提供HD地图,特别是在其中装载CIU的交通工具缺少其他交通工具提供HD地图的情况下。
RSU 200可以包括处理单元210,处理单元210可以等同于处理单元110并且被配置为提供HD地图。RSU 200可以包括传感器单元220,传感器单元220可以等同于传感器单元120并且被配置用于提供传感器数据222,传感器数据222可以等同于传感器数据122并且表示在RSU 200***的环境条件。如针对数据132所描述的,RSU 200包括可以等同于接收器单元130的接收器单元230并且可以被配置为接收表示第二外部高清晰度地图的数据232。
处理器单元210被配置为融合外部高清晰度地图232和传感器数据222,以便提供如信号212所示的高清晰度地图。RSU 200包括发送器单元240,发送器单元240被配置用于通过使用信号242来发送融合第二高清晰度地图和传感器数据222的结果。正如结合CIU100所解释的,结果可以是在没有所述地图的情况下重叠或融合HD地图。可替换地,也可以发送所述地图,这可能导致用于附加数据成本的更完整的数据集。
由信号242发送的高清晰度地图包括RSU周围至少300米、至少350米或至少400米的半径内的地图信息。
如针对CIU 100所描述的,RSU 200可以包括传统接口260,传统接口260被配置为根据传统V2X通信方案来发送提取的细节和/或将细节216发送至回程网络。因此,CIU 100、RSU 200可以被配置为与传统网络进行通信,其中,RSU 200可以用回程通信替代交通工具对交通工具通信。
结合CIU 100解释的提供给通信、发送或提供的数据量的细节也可以应用于RSU200,即生成的高清晰度地图可以大于传感器单元220感测的区域,接收器单元230和发送器单元240可以使用毫米波长进行通信,发送器单元240可以被配置用于以至少2Gbps的比特率发送高清晰度地图,该高清晰度地图可以包括至少2.75兆字节、至少3.25兆字节或至少3.75兆字节的数据大小。此外,处理器单元可以被配置为生成高清晰度地图作为多个帧的帧,两个后续帧在时间距离上间隔至多10毫秒,优选地8毫秒,并且更优选地6毫秒。
如针对传感器单元120所描述的,传感器单元220可以使用成像技术来提供传感器数据222,例如传感器单元220可以包括LiDAR传感器。
当参考图1时,接收的高清晰度地图132可以是由信号242发送的高清晰度地图,即高清晰度地图242。反之亦然,高清晰度地图332可以是由CIU 100发送的高清晰度地图142。当考虑到融合也可以被理解为适应调整接收的地图的部分时,传感器单元120或220可以被配置为使用LiDAR传感器来扫描相应的装置100或200的***,其中,环境条件可以是到***内的被检测对象的距离。接收的高清晰度地图132或232可以是从另一装置接收的地图,接收的高清晰度地图可以包括与由相应的另一装置生成的接收的高清晰度地图区域内的对象有关的信息。处理器单元110、210可以分别被配置为使用相应装置与分别由传感器单元120、220检测的对象之间的距离,并且使用装载相应处理器单元110或210的装置的实际位置来适应调整与接收的地图中的一个或多个对象有关的信息。
可能类似于CIU的RSU还可以被理解为:接收器单元230被配置为接收表示至少第三高清晰度地图的数据,并且处理器单元210被配置为融合第二和第三高清晰度地图以及传感器数据,以便提供第一高清晰度地图。此外,处理器单元210可以被配置为生成高清晰度地图,以便包括与接收的高清晰度地图相比相同的坐标系。此外,处理器单元可以被配置为融合接收的高清晰度地图、传感器数据和静态地图,以便提供第一高清晰度地图。RSU可以被配置为在发送融合高清晰度地图和传感器数据的结果时不发送静态地图。
换而言之,图2示出了RSU的框图。HD传感器单元例如通过使用LiDAR来收集用于HD地图的信息。毫米波Rx单元例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地从周围的RSU和/或汽车接收HD地图。HD地图处理单元通过组合由毫米波Rx单元接收的多个HD地图来计算支持沿着一条或多条道路前方至少300米的HD地图。毫米波Tx单元例如以大于2.2Gbps的吞吐量并且以小于10毫秒的延时实时地将利用HD地图处理单元计算的HD地图中继至周围的RSU和/或汽车。用于自主驾驶的RSU可以包括HD传感器单元,例如LiDAR传感器,以收集HD地图的信息。其还可以包括毫米波Rx单元,以例如以大于2.2Gbps的吞吐量并且小于10毫秒的延时实时地接收来自周围的RSU和/或汽车的HD地图。其还可以包括HD地图处理单元,以通过组合通过CIU或RSU接收的多个HD地图来计算支持沿着道路前方至少300米的HD地图。其还可以包括毫米波Tx单元,以例如以大于2.2Gbps的吞吐量并且以小于10ms的延时实时地将在CIU中继器中计算的地图中继至周围的RSU和/或汽车(CIU)。
图3示出了可以例如由CIU 100或由RSU 200接收的HD地图302的示意性框图。尽管图3示出了存在CIU 100,但是可替换地,可以存在RSU 200。此外,根据本文中描述的实施例,可以存在另外的CIU或RSU。CIU 100可以被配置为例如使用传感器单元120来扫描***304。当接收可以是HD地图132的HD地图302时,CIU 100可以被配置为适应其已经获得自身的传感器数据的HD地图302的区域。因此,由CIU 100或RSU 200生成的高清晰度的区域可以大于***304的区域。
HD地图可以包括诸如与HD地图302中的区域或对象306有关的时间戳的元数据。因此,处理器单元110或210可以被配置为确定与区域或对象306有关的信息年龄。可替换地,可以生成HD地图以便包括指示高清晰度地图的其他部分的年龄的信息。使用信息年龄,处理器单元110或210可以被配置为对包括在某个阈值以上的年龄的信息进行折算,即可以丢弃老化或过旧的信息。例如,在没有其他CIU或RSU再检测到行人的某一时间之后,可以丢弃与作为穿过街道的行人的对象306有关的信息。简单地,行人可能已经穿过街道并且可能已经离开了街道。对于某些对象类别,信息老化的阈值可以是不同的,例如行人、动物或其他交通工具可以离开位置,其中,很有可能建筑物等将在较长时间内保持在某一位置。例如,被认为移动的对象的信息老化的阈值可以是例如1小时、30分钟或5分钟或甚至更少。被认为是静态的一类对象的老化的阈值可以是例如一个月、一周或一天或更少。
图4示出了通信网络400的示意性框图,通信网络400包括被装载或安装至交通工具450a至450d的多个CIU 100a至100e,交通工具450a至450d可以是例如汽车或无人机。可替换地,交通工具可以是任何其他的驱动或飞行交通工具。通信网络400还包括多个RSU200a至200f。每个CIU 100a至100e和RSU 200a至200f与相应的***304a至304h相关联,其可以部分地或完全地重叠,但是也可以彼此间隔开。区域304a至304h中的每一个可以指示诸如传感器单元120或220的HD传感器的覆盖范围。每个CIU 100a至100e可以被配置为正如可以是例如高清晰度地图132、142、232和/或242的双向通信链路432a和432b所指示的、与相邻的CIU和/或相邻的RSU进行通信。
CIU 100a至100e和/或RSU中的一个或多个可以被配置为与当前5G中的传统V2X和/或接收和/或发送指示网络中节点的速度、制动等信息的回程网络通信。每个CIU和/或RSU可以实时地提供用于自主驾驶和/或飞行的HD地图470。
因此,多个网络节点,即RSU和CIU可以被配置为交换由相应节点生成的高清晰度地图470。RSU和/或CIU中的至少一个装置可以被配置为融合节点的高清晰度地图,以便生成累积高清晰度地图。
如针对HD地图470所示,尽管不能“看到”***304f,但是CIU 100a并且因此交通工具450a可以意识到该区域中的对象等。
如所指示的,这可以通过RSU之间的通信,例如通过双向通信432c来实现。
交通工具550a至550d可以被配置为响应于表示交通工具控制命令的命令信号152而自主地移动。安装至交通工具540的CIU可以被配置为将生成的高清晰度地图发送至其他CIU、至通信网络结构、至例如结合图5和图6所描述的网络的网络、至另外的交通工具和/或RSU。
换而言之,图4示出了本文中描述的实施例的典型场景。实施例的提议可以是实现汽车或无人机的自主驾驶。几辆汽车正在实施或装载结合图1所描述的CIU,以通过使用由CIU计算的HD地图来实现自主驾驶。在图4中,结合图2所解释的RSU位于例如灯柱上以及交通信号具有大约每隔100米的距离,以通过将HD地图传送至装有CIU的汽车来辅助自主驾驶。附近汽车中的多个CIU和道路(或包括交叉路口的道路)上不同灯柱中的多个RSU具有形成本地网络的功能,以交换HD地图信息以扩大HD地图的覆盖范围并且以通过组合从不同角度(位置)测量的多个HD地图来避免阻塞问题。由于HD地图的所需精度取决于离感兴趣位置的距离,(即在更靠近目标自主驾驶汽车的区域内可能需要更高的精度),因此CIU和RSU可以基于与感兴趣位置的距离差异而支持要被中继的HD地图的自适应分辨率降低。CIU可以支持传统V2V和V2X通信的接口,以与周围交通工具V2V或通过V2X与交通安全服务器交换诸如紧急情况、警告、位置、速度等减少的信息。类似地,RSU通过连接至交通安全服务器的Tx通信和回程网络而支持传统接口,以交换诸如紧情况、警告、位置、速度等减少的信息。本文中描述的实施例可以应用于在其中自主驾驶可能是强制性的城市中飞行的无人机。实施例可以允许实现实时传送HD地图、实现交通工具和无人机的自主驾驶和/或提高道路安全服务。
特别地,如在一些场景中,LiDAR传感器可能无法测量高达300米的距离,不同RSU和/或CIU之间的协作可以允许特别是在具有许多交叉口和阻塞对象的城市环境中生成距离至少300米的地图。实施例提供了实现用于将HD地图信息传送至汽车以实现自主驾驶的基础设施网络的思想和概念。所描述的实施例的概念还可以应用于未来的无人机交通***,其中自主驾驶对于远距离驾驶或飞行而言可能是强制性的。
图4b示出了根据实施例的高清晰度地图470的示意性框图。高清晰度地图470可以包括与例如CIU有关的感兴趣区域475。例如,生成高清晰度地图470的CIU或RSU可以被配置为接收指示感兴趣区域475的信息并且生成要提供给指示CIU的高清晰度地图。在感兴趣区域中,高清晰度图470的分辨率可以包括与感兴趣区域475之外的区域477相比的更高的等级。分辨率程度可以涉及在高清晰度地图中表示的对象的类型,但是也可以涉及高清晰度地图470中的对象的扩展精度方面的分辨率。例如,与感兴趣区域475分开的区域477可以布置成与感兴趣区域475有关的CIU距离很远,或者可以是这样的区域:通过该区域,与感兴趣区域475有关的CIU没有预定的行驶。可以相对于地图中的数据大小而排除或者至少减少诸如在该分开位置处的街道上的交通工具的对象的存在、位置或大小,以便在区域477中获得与感兴趣区域475相比的较小数据大小的高清晰度地图470。可以生成高清晰度地图470,以便包括多个区域475、477和可选地包括479,即多于两个,其中,每个区域可以包括不同等级的分辨率。感兴趣区域475中的分辨率等级可以比区域477和/或479中的高至少2倍,至少3倍,至少4倍或更多倍。感兴趣区域可以包括高清晰度地图470的至多50%的部分,优选地包括高清晰度地图470的区域的至多40%或者更优选地至多30%的部分。
图5示出了包括多个RSU 200a至200f的网络500的示意性框图。例如,通信网络400的RSU 200a至200f可以至少部分地形成网络500。如图4中所示,RSU以彼此相距一定距离定位,以便覆盖诸如道路或飞行路线的交通***的行车路线。RSU可以根据双向通信链路432a至432f的发送范围而彼此通信。RSU可以以彼此相距一定距离定位,该距离至多是两个RSU的传感器单元的范围的总和,使得RSU的***基本上无间隙,即对于沿着行车路线的每个点或间隔,信息可用于HD地图。例如,相邻RSU之间的距离502可以为至多500米,至多400米或者至多300米。
可替换地,网络500可以包括RSU 200a至200f,其中,RSU被配置为交换由RSU 200a至200f生成的高清晰度地图。至少一个RSU 200a至200f可以被配置为融合从通信网络500的其他RSU接收的高清晰度地图,以便生成累积高清晰度地图。因此,当与网络400相比时,形成网络500的RSU可以生成累积高清晰度地图。
图6示出了包括多个CIU 100a至100f的网络600的示意性框图,其中,CIU可以例如由交通工具450a至450f各自安装或装载。类似于通信网络500,CIU 100a至100f可以通过通信链路432a至432h彼此进行通信,以便交换由CIU 100a至100f生成的高清晰度地图。CIU中的至少一个可以被配置为融合来自通信网络的其他装置的高清晰度地图,以便生成累积高清晰度地图。
结合图4至图6描述的高清晰度地图的通信和交换可以被理解为:接收高清晰度地图的网络节点将该地图包括到现有的地图,并且进一步将由此获得的地图发送至另一节点。因此,逐步地,地图的大小可以增加,并且由装置生成的高清晰度地图可以包括既不被发送输入地图的装置看到也不被生成高清晰度地图的装置看到的区域。简而言之,由CIU或RSU的传感器扫描的***可以分布在网络的大部分或甚至整个网络上。
即使不存在周围的CIU或RSU,则独立CIU仍然可以像自主驾驶***那样执行,即与其他CIU和/或RSU的通信可能是有益的但并非必需的。
CIU中继器可以涉及诸如包括多个或许多CIU的网络600的通信网络,以通过在多个CIU之间交换HD地图信息来计算具有更广泛的覆盖范围且更少的阻塞问题的HD地图。RSU中继器可以涉及诸如包括多个或许多RSU的网络500的通信网络,以通过在多个RSU之间交换HD地图信息来计算具有更广泛的覆盖范围且更少的阻塞问题的HD地图。CIU-RSU中继器可以涉及诸如包括多个或许多CIU以及多个或众多RSU的通信网络400的通信网络,以通过在多个CIU和RSU之间交换HD地图信息来计算具有更广泛的覆盖范围且更少的阻塞问题的HD地图。CIU可以用于通信网络中并且包括基于离感兴趣位置的距离差异的要相关的HD地图的自适应分辨率降低的功能。这可以称为CIU-AdapRes。作为RSU-AdapRes,功能可以被理解为:RSU用于通信网络中并且具有基于(与请求或接收高清地图的CIU相关的)离感兴趣位置的距离差异的要被中继的HD地图的自适应分辨率降低的功能。即CIU或RSU可以被配置为基于指示感兴趣区域的信息来适应调整正在生成的地图的分辨率。特别是,当CIU或RSU执行HD地图融合时,数据帧的数据大小可以超过2.75兆字节的大小。例如,当实时地发送数据时,这可以导致数据速率超过2.2Gbps。AdapRes,即提供高清晰度地图以便包括不同的区域,该区域包括不同等级的分辨率,可以防止或者至少减少数据大小和/或数据速率的超过数。换而言之,为了确保10毫秒的延时,在2.2Gbps数据速率的情况下,每帧数据大小应小于2.75兆字节,但可以超过此数据大小或数据速率,其中,超过数可以通过降低地图的部分或区域的分辨率而被限制在可容许水平。
CIU可以包括传统V2V和V2X通信(CIU-传统)的接口,以交换诸如紧急情况、警告、位置、速度的减少的信息。RSU可以包括传统V2X通信(RSU-传统)和回程网络通信的接口,回程网络被连接至交通安全服务器以交换诸如紧急情况、警告、位置、速度的减少的信息。无人机(无人驾驶飞行器)可以通过交换来自/到周围无人机和/或RSU的HD地图信息来实现或装载用于自主驾驶的CIU。
本文中描述的实施例的应用可以是例如用于汽车和/或无人机的自主驾驶或飞行、诸如避免碰撞等的道路安全服务等,并且/或者可以在智能城市的范围内,即导航、城市指南、停车场等。
虽然已经在装置的上下文中描述了一些方面,但是将清楚的是,这些方面还表示对应方法的描述,其中,块或装置对应于方法步骤或方法步骤的特征。类似地,在方法步骤的上下文中描述的方面也表示对相应块或项或相应装置的特征的描述。
根据某些实现要求,可以在硬件中或在软件中实现本发明的实施例。实现方式可以使用其上存储有与可编程计算机***协作(或能够协作)的电子可读控制信号的数字存储介质,例如软盘、DVD、CD、ROM、PROM、EPROM、EEPROM或FLASH存储器来执行,使得执行相应的方法。
根据本发明的一些实施例包括具有能够与可编程计算机***协作的电子可读控制信号的数据载体,以便执行本文中描述的方法中的一种。
通常,本发明的实施例可以实现为具有程序代码的计算机程序产品,程序代码可操作以当计算机程序产品在计算机上运行时执行方法中的一种。程序代码可以例如存储在机器可读载体上。
其他实施例包括存储在机器可读载体上的计算机程序,该计算机程序用于执行本文中描述的方法中的一种。
换而言之,因此,本发明方法的实施例是具有程序代码的计算机程序,该程序代码用于当计算机程序在计算机上运行时执行本文中描述的方法中的一种。
因此,本发明方法的另一实施例是包括其上记录有计算机程序的数据载体(或者数字存储介质或计算机可读介质),该计算机程序用于执行本文中描述的方法中的一种。
因此,本发明方法的另一实施例是表示计算机程序的数据流或信号序列,该计算机程序用于执行本文中描述的方法中的一种。数据流或信号序列可以例如被配置为经由数据通信连接,例如经由互联网进行传送。
另一实施例包括处理机构,例如计算机或可编程逻辑器件,该处理机构被配置为或适应于执行本文中描述的方法中的一种。
另一实施例包括其上安装有计算机程序的计算机,该计算机程序用于执行本文中描述的方法中的一种。
在一些实施例中,可编程逻辑器件(例如,现场可编程门阵列)可以用于执行本文中描述的方法的功能中的一些或全部。在一些实施例中,现场可编程门阵列可以与微处理器协作以执行本文中描述的方法中的一种。通常,方法优选地由任何硬件装置来执行。
上述实施例对于本发明的原理仅是说明性的。应当理解的是,本文中描述的布置和细节的修改和变化对于本领域的其他技术人员将是显而易见的。因此,旨在仅由所附专利权利要求书的范围来进行限制而非由通过对本文中实施例的描述和解释而提供的具体细节来进行限制。
文献
[1]“5G Automotive Vision,”5GPPP White Paper,Oct.20,2015.
[2]Heiko G.Seif,Xiaolong Hu,“Autonomous Driving in the iCity-HD Mapsas a Key Challenge of the Automotive Industry,”ELSEVlER,Engineering,pp.159-162,June 2016.
[3]Philippe Gicquel,“Autonomous Vehicles Needs Realtime Dynamic MapData,”Geospatial World,Nov.2015.
[4]“Study on LTE Support for Vehicle to Everything(V2X)Services,”3GPPTR22.885,V14.0.0,Dec.2015.
[5]V Va.T.Shimizu,G.Bansal and R.W.Heath Jr,.“Millimeter WaveVehicular Communications:A Survey,”Foundations andin Networking,Vol.10,no.1,pp.1-113,June 2016.
[6]L Hobert,A.Festag,I.Llatser,L.Altomare,F.Visintainer,A.Kovacs,“EnhancementS of V2X Communication in Support of Cooperative AutonomousDriving,”IEEE Commun.Mag.,vol.53,no.12,pp.64-70,Dec 2015。
Claims (44)
1.一种装置(100)包括:
处理器单元(110),被配置为提供第一高清晰度地图(470);
传感器单元(120),被配置为用于提供表示在所述装置的***(304)的环境条件的传感器数据(122);
接收器单元(130),被配置为接收表示第二高清晰度地图(132)的数据;
其中,所述处理器单元(110)被配置为:融合所述第二高清晰度地图(132)和所述传感器数据(122),以便提供所述第一高清晰度地图(470);
发送器单元(140),被配置用于发送融合(112)所述第二高清晰度地图(132)和所述传感器数据(122)的结果;以及
命令发生器单元(150),被配置为基于所述第一高清晰度地图(470)来生成命令信号(152),所述命令信号(152)表示用于装载所述装置(100)的交通工具(450a-f)的交通工具控制命令。
2.根据权利要求1所述的装置,其中,所述接收器单元(130)被配置为接收表示至少第三高清晰度地图的数据;
其中,所述处理器单元(110)被配置为:融合所述第二高清晰度地图(132)、所述第三高清晰度地图和所述传感器数据(122),以便提供所述第一高清晰度地图(470)。
3.根据权利要求1或2所述的装置,其中,所述第一高清晰度地图(470)的区域大于所述***(304)的区域。
4.根据前述权利要求之一所述的装置,其中,所述接收器单元(130)被配置为:使用毫米波长信号来接收所述第二高清晰度地图(132)和/或使用所述毫米波长信号来发送所述第一高清晰度地图(470)。
5.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为:接收指示所述第一高清晰度地图(470)中的感兴趣区域的信息(134)并且提供所述第一高清晰度图(470),以便在所述感兴趣区域内包括第一等级的分辨率并且在所述感兴趣区域外的区域内包括第二等级的分辨率,其中,所述第一等级的分辨率比所述第二等级的分辨率高。
6.根据权利要求5所述的装置,其中,所述第一等级比所述第二等级高至少2倍。
7.根据权利要求5或6所述的装置,其中,所述感兴趣区域包括所述高清晰度地图(470)的至多50%的部分。
8.根据前述权利要求之一所述的装置,其中,所述发送器单元(140)被配置用于以至少2Gbps的比特率发送所述第一高清晰度地图(470)。
9.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为生成所述第一高清晰度地图(470)作为所述第一高清晰度地图(470)的帧,其中,所述处理器单元(110)被配置为生成所述第一高清晰度地图(470)的多个帧,其中,所述处理器单元(110)被配置为以至多10毫秒的时间距离生成所述多个帧。
10.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为生成包括至少2.75兆字节的数据大小的所述第一高清晰度地图(470)。
11.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为生成所述第一高清晰度地图(470),以便包括所述装置周围至少300m半径内的地图信息。
12.根据前述权利要求之一所述的装置,其中,所述传感器单元(120)被配置为使用成像技术来扫描所述装置的所述***(304)以提供所述传感器数据(122),其中,所述环境条件是到所述***(304)内的被检测对象的距离。
13.根据前述权利要求之一所述的装置,其中,所述传感器单元(120)包括LiDAR传感器。
14.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为确定所述第一高清晰度地图(470)中与所述第一高清晰度地图(470)中的所述装置的交通参数有关的细节部分(116),其中,所述装置包括:传统接(160),被配置为根据传统V2V或V2X通信方案来发送所述细节部分(116)。
15.根据前述权利要求之一所述的装置,
其中,所述传感器单元(120)被配置为使用LiDAR传感器来扫描所述装置的***(304),其中,所述环境条件是到所述***(304)内的被检测对象的距离;
其中,所述第二高清晰度地图(132)是从另一装置接收的地图,所述第二高清晰度地图(132)包括与由所述另一装置生成的所述第二高清晰度地图(132)的区域内的对象有关的信息;并且
其中,所述处理器单元(110)被配置为:使用所述装置与所述传感器单元(120)检测的所述对象之间的距离并且使用所述装置的实际位置来适应调整与所述对象有关的信息。
16.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为生成所述第一高清晰度地图(470),以便包括与所述第二高清晰度地图(132)相同的坐标系。
17.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为融合所述第二高清晰度地图(132)、所述传感器数据(122)和静态地图,以便提供所述第一高清晰度地图(470),其中,所述装置被配置为在发送融合(112)所述第二高清晰度地图(132)和所述传感器数据(122)的结果时不发送所述静态地图。
18.根据前述权利要求之一所述的装置,其中,所述处理器单元(110)被配置为生成所述第一高清晰度地图(470),以便包括指示所述第一高清晰度地图(470)的信息年龄的信息,其中,所述处理器单元(110)被配置为在提供所述第一高清晰度地图(470)时对所述第二高清晰度地图(132)中的老化信息(306)进行折算,其中所述老化信息包括在阈值之上的年龄。
19.一种通信网络(600),包括根据权利要求1至16之一所述的多个装置(100a-f),其中,所述多个装置(100a-f)被配置为交换(432a-g)由所述多个装置(100a-f)生成的高清晰度地图(470);
其中,所述多个装置(100a-f)中的至少一个装置被配置为融合从所述通信网络的其他装置接收的所述高清晰度地图,以便生成累积高清晰度地图。
20.一种RSU,包括:
处理器单元(210),被配置为提供第一高清晰度地图(470);
传感器单元(220),被配置为提供表示在所述RSU的***(304)的环境条件的传感器数据(222);
接收器单元(230),被配置为接收表示第二高清晰度地图(232)的数据;
其中,所述处理器单元(210)被配置为:融合所述第二高清晰度地图(232)和所述传感器数据(222),以便提供所述第一高清晰度地图(470);
发送器单元(240),被配置用于发送融合(212)所述第二高清晰度地图(232)和所述传感器数据(222)的结果;以及
其中,所述第一高清晰度地图(470)包括所述RSU周围至少300米半径内的地图信息。
21.根据权利要求20所述的RSU,其中,所述接收器单元(230)被配置为接收表示至少第三高清晰度地图的数据;
其中,所述处理器单元(210)被配置为:融合所述第二高清晰度地图(232)、所述第三高清晰度地图和所述传感器数据(222),以便提供所述第一高清晰度地图(470)。
22.根据权利要求20或21所述的RSU,其中,所述第一高清晰度地图(470)的区域大于所述***(304)的区域。
23.根据权利要求20至22之一所述的RSU,其中,所述接收器单元(230)被配置为:使用毫米波长信号来接收所述第二高清晰度地图(232)和/或使用所述毫米波长信号来发送所述第一高清晰度地图(470)。
24.根据权利要求20至23之一所述的RSU,其中,所述处理器单元(210)被配置为:接收指示所述第一高清晰度地图(470)中的感兴趣区域的信息并且提供所述第一高清晰度图(470),以便在所述感兴趣区域内包括第一等级的分辨率并且在所述感兴趣区域外的区域内包括第二等级的分辨率,其中,所述第一等级的分辨率比所述第二等级的分辨率高。
25.根据权利要求24所述的RSU,其中,所述第一等级比所述第二等级高至少2倍。
26.根据权利要求24或25所述的RSU,其中,所述感兴趣区域包括所述高清晰度地图(470)的至多50%的部分。
27.根据权利要求20至26之一所述的RSU,其中,所述发送器单元(240)被配置为用于以至少2Gbps的比特率发送所述第一高清晰度地图(470)。
28.根据权利要求20至27之一所述的RSU,其中,所述处理器单元(210)被配置为生成所述第一高清晰度地图(470)作为所述第一高清晰度地图(470)的帧,其中,所述处理器单元(210)被配置为生成所述第一高清晰度地图(470)的多个帧,其中,所述处理器单元(210)被配置为以至多10毫秒的时间距离生成所述多个帧。
29.根据权利要求20至28之一所述的RSU,其中,所述处理器单元(210)被配置为生成包括至少2.75兆字节的数据大小的所述第一高清晰度地图(470)。
30.根据权利要求20至29之一所述的RSU,其中,所述传感器单元(220)被配置为使用成像技术来扫描所述装置的所述***(304)以提供所述传感器数据(222),其中,所述环境条件是到所述***(304)内的被检测对象的距离。
31.根据权利要求20至30之一所述的RSU,其中,所述传感器单元(220)包括LiDAR传感器。
32.根据权利要求20至31之一所述的RSU,其中,所述处理器单元(210)被配置为确定与所述第一高清晰度地图(470)中的所述RSU的交通参数有关的所述第一高清晰度地图(470)的细节部分(216),其中,所述RSU包括:传统接口(260),被配置为根据传统V2X通信方案来发送所述细节部分(216)或者将所述细节部分发送至回程网络。
33.根据权利要求20至32之一所述的RSU,
其中,所述传感器单元(220)被配置为使用LiDAR传感器来扫描所述RSU的***(304),其中,所述环境条件是到所述***(304)内的被检测对象的距离;
其中,所述第二高清晰度地图(232)是从另一装置接收的地图,所述第二高清晰度地图(232)包括与由所述另一装置生成的所述第二高清晰度地图(232)的区域内的对象有关的信息;并且
其中,所述处理器单元(210)被配置为:使用所述RSU与所述传感器单元(220)检测的所述对象之间的距离并且使用所述RSU的实际位置来适应调整与所述对象有关的信息。
34.根据权利要求20至33之一所述的RSU,其中,所述处理器单元(210)被配置为生成所述第一高清晰度地图(470),以便包括与所述第二高清晰度地图(232)相同的坐标系。
35.根据权利要求20至34之一所述的RSU,其中,所述处理器单元(210)被配置为融合所述第二高清晰度地图(232)、所述传感器数据(222)和静态地图,以便提供所述第一高清晰度地图(470),其中,所述RSU被配置为在发送融合(212)所述第二高清晰度地图(232)和所述传感器数据(222)的结果时不发送所述静态地图。
36.根据权利要求20至35之一所述的RSU,其中,所述处理器单元(210)被配置为生成所述第一高清晰度地图(470),以便包括指示所述第一高清晰度地图(470)的信息年龄的信息,其中,所述处理器单元(210)被配置为在提供所述第一高清晰度地图(470)时对所述第二高清晰度地图(232)中的老化信息(306)进行折算,所述老化信息包括在阈值之上的年龄。
37.一种网络(500),包括根据权利要求20至36之一所述的多个RSU(200a-f),其中,所述多个RSU(200a-f)以彼此相距一定距离(502)定位,以便覆盖交通***的行车路线。
38.根据权利要求37所述的网络,其中,所述RSU以彼此相距所述一定距离(502)定位,以便无间隙地覆盖所述行车路线。
39.根据权利要求37或38所述的网络,其中,所述距离(502)至多为500米。
40.一种通信网络,包括根据权利要求22至36之一所述的多个RSU,其中,所述多个RSU被配置为交换由所述多个RSU生成的高清晰度地图;
其中,所述多个RSU(200a-f)中的至少一个RSU被配置为融合从所述通信网络(500)的其他RSU接收的所述高清晰度地图,以便生成累积高清晰度地图。
41.一种通信(400)网络包括:
多个根据权利要求1至18之一所述的装置(100a-e);以及
多个根据权利要求22至36之一所述的RSU(200a-f);
其中,所述多个装置(100a-f)和所述多个RSU(200a-f)被配置为交换(432a-b)由所述多个装置(100a-f)和由所述多个RSU(200a-f)生成的高清晰度地图;
其中,所述通信网络(400)的至少一个装置或至少一个RSU被配置为融合接收到的高清晰度地图,以便生成累积高清晰度地图。
42.一种交通工具(450),包括根据权利要求1至16之一所述的装置(100),其中,所述交通工具(450)被配置为响应于表示所述交通工具控制命令的所述命令信号(152)自主地移动。
43.根据权利要求42所述的交通工具,其中,所述交通工具(450)是道路交通工具或无人驾驶飞行器。
44.根据权利要求42或43所述的交通工具,其中,所述装置(100)被配置为将所述第一高清晰度地图(470)发送至以下项中的一个:另一装置(100a-f)、根据权利要求17所述的通信网络(600)、根据权利要求18至28之一所述的RSU(200a-f)、另一交通工具(450a-b)、根据权利要求33至35之一所述的网络(500)和根据权利要求36所述的通信网络(400)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17150342 | 2017-01-05 | ||
EP17150342.8 | 2017-01-05 | ||
PCT/EP2017/084835 WO2018127461A1 (en) | 2017-01-05 | 2017-12-29 | Generation and use of hd maps |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110383101A true CN110383101A (zh) | 2019-10-25 |
Family
ID=57758492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780087984.3A Pending CN110383101A (zh) | 2017-01-05 | 2017-12-29 | Hd地图的生成和使用 |
Country Status (9)
Country | Link |
---|---|
US (2) | US11815617B2 (zh) |
EP (2) | EP4293319A3 (zh) |
JP (1) | JP7134977B2 (zh) |
KR (3) | KR20210111890A (zh) |
CN (1) | CN110383101A (zh) |
CA (1) | CA3049155C (zh) |
MX (1) | MX2019008120A (zh) |
RU (1) | RU2721677C1 (zh) |
WO (1) | WO2018127461A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3358754A1 (en) * | 2017-02-02 | 2018-08-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Antenna array codebook with beamforming coefficients adapted to an arbitrary antenna response of the antenna array |
US11003193B2 (en) * | 2017-12-29 | 2021-05-11 | Intel Corporation | Broadcasting map segments for individualized maps |
US20190322367A1 (en) * | 2018-04-23 | 2019-10-24 | Lear Corporation | Method of controlling an unmanned aerial road side unit drone |
US20190339082A1 (en) * | 2018-05-02 | 2019-11-07 | Blackberry Limited | Method and system for hybrid collective perception and map crowdsourcing |
WO2019239463A1 (ja) * | 2018-06-11 | 2019-12-19 | 三菱電機株式会社 | 車両走行制御装置および車両走行制御方法 |
EP3588800A1 (en) | 2018-06-29 | 2020-01-01 | FRAUNHOFER-GESELLSCHAFT zur Förderung der angewandten Forschung e.V. | Antenna array codebook with beamforming coefficients adapted to an arbitrary antenna response of the antenna array |
CN110940347B (zh) * | 2018-09-21 | 2024-04-12 | 斑马智行网络(香港)有限公司 | 一种辅助车辆导航方法和*** |
CN112042262A (zh) * | 2018-10-18 | 2020-12-04 | 惠普发展公司,有限责任合伙企业 | 用于无线访问边缘计算资源的扩展坞 |
WO2020091112A1 (ko) * | 2018-11-01 | 2020-05-07 | 엘지전자 주식회사 | 차량용 전자 장치, 차량용 전자 장치의 동작 방법 및 시스템 |
WO2020091119A1 (ko) * | 2018-11-02 | 2020-05-07 | 엘지전자 주식회사 | 차량용 전자 장치, 차량용 전자 장치의 동작 방법 및 시스템 |
CN109657031B (zh) * | 2018-12-28 | 2020-08-04 | 国汽(北京)智能网联汽车研究院有限公司 | 一种基于智能网联汽车的高精度动态地图生成与应用方法 |
CN109714421B (zh) * | 2018-12-28 | 2021-08-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行*** |
CN111508250B (zh) * | 2019-01-30 | 2021-12-31 | 杭州海康威视数字技术股份有限公司 | 一种路况信息处理方法及*** |
WO2020174279A2 (en) * | 2019-02-25 | 2020-09-03 | Mobileye Vision Technologies Ltd. | Systems and methods for vehicle navigation |
US11507084B2 (en) * | 2019-03-27 | 2022-11-22 | Intel Corporation | Collaborative 3-D environment map for computer-assisted or autonomous driving vehicles |
US10992752B2 (en) | 2019-03-28 | 2021-04-27 | Intel Corporation | Sensor network configuration mechanisms |
US11556127B2 (en) * | 2020-04-03 | 2023-01-17 | Baidu Usa Llc | Static obstacle map based perception system |
WO2021246550A1 (ko) * | 2020-06-04 | 2021-12-09 | 엘지전자 주식회사 | 경로 제공 장치 및 그것의 경로 제공 방법 |
WO2022024120A1 (en) * | 2020-07-28 | 2022-02-03 | Ception Technologies Ltd. | Guidance of a transport vehicle to a loading point |
CN111896010A (zh) * | 2020-07-30 | 2020-11-06 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、车辆以及存储介质 |
EP4187522A4 (en) * | 2020-08-25 | 2023-09-06 | Huawei Technologies Co., Ltd. | METHOD FOR OBTAINING DYNAMIC INFORMATION AND ASSOCIATED DEVICE |
DE102020213831B4 (de) | 2020-11-03 | 2023-02-02 | Volkswagen Aktiengesellschaft | Verfahren zum Ermitteln einer Existenzwahrscheinlichkeit eines möglichen Elements in einer Umgebung eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
KR102368576B1 (ko) * | 2020-11-09 | 2022-02-25 | 한국교통대학교산학협력단 | 지역 동적 지도를 이용한 채널상태 예측을 통한 무선 통신을 수행하기 위한 방법 및 장치 |
KR102256541B1 (ko) * | 2020-11-30 | 2021-05-25 | 에스케이증권 주식회사 | 라이다 센서를 가지는 스마트폴을 이용한 자율주행 시스템 |
US20230194717A1 (en) * | 2021-12-16 | 2023-06-22 | Gm Cruise Holdings Llc | Utilizing light detection and ranging sensors for vehicle-to-everything communications |
US20230260404A1 (en) * | 2022-02-15 | 2023-08-17 | International Business Machines Corporation | Multi-vehicle collaboration with group visualization |
DE102022213238A1 (de) | 2022-11-24 | 2024-05-29 | Continental Autonomous Mobility Germany GmbH | Verfahren und System zum Bereitstellen einer Umgebungsrepräsentation an ein autonomes Bodenfahrzeug |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101446495A (zh) * | 2007-11-27 | 2009-06-03 | 华晶科技股份有限公司 | 更新导航地图数据的方法 |
US20100106356A1 (en) * | 2008-10-24 | 2010-04-29 | The Gray Insurance Company | Control and systems for autonomously driven vehicles |
CN101799992A (zh) * | 2009-02-03 | 2010-08-11 | 通用汽车环球科技运作公司 | 组合的车辆到车辆通信和目标检测感测 |
US8880273B1 (en) * | 2013-01-16 | 2014-11-04 | Google Inc. | System and method for determining position and distance of objects using road fiducials |
JP2014228637A (ja) * | 2013-05-21 | 2014-12-08 | 株式会社デンソー | 道路情報送信装置、地図生成装置、道路情報収集システム |
CN104210439A (zh) * | 2013-06-03 | 2014-12-17 | 现代自动车株式会社 | 使用车辆位置传感器数据生成道路地图的方法和*** |
CN104636763A (zh) * | 2014-12-01 | 2015-05-20 | 北京工业大学 | 一种基于无人驾驶车的道路与障碍物检测方法 |
CN105022397A (zh) * | 2014-04-25 | 2015-11-04 | 谷歌公司 | 用于使用多个传感器进行物体检测的方法和*** |
US20160028824A1 (en) * | 2014-07-23 | 2016-01-28 | Here Global B.V. | Highly Assisted Driving Platform |
DE102014217847A1 (de) * | 2014-09-08 | 2016-03-10 | Conti Temic Microelectronic Gmbh | Fahrerassistenzsystem, Verkehrstelematiksystem und Verfahren zum Aktualisieren einer digitalen Karte |
CN105425803A (zh) * | 2015-12-16 | 2016-03-23 | 纳恩博(北京)科技有限公司 | 自主避障方法、装置和*** |
DE102015008879A1 (de) * | 2015-07-09 | 2016-03-24 | Daimler Ag | Verfahren zur Selbstlokalisation eines Fahrzeugs |
CN105488498A (zh) * | 2016-01-15 | 2016-04-13 | 武汉光庭信息技术股份有限公司 | 一种基于激光点云的车道边线自动提取方法及*** |
KR20160040911A (ko) * | 2014-10-06 | 2016-04-15 | 현대모비스 주식회사 | V2x 통신 기반의 차량 주변환경 인식 장치 및 그 동작 방법 |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及*** |
CN105759295A (zh) * | 2014-09-02 | 2016-07-13 | 现代自动车株式会社 | 用于无人驾驶车辆的识别行驶环境的设备和方法 |
DE102015001631A1 (de) * | 2015-02-07 | 2016-08-11 | Audi Ag | Verfahren zum Betrieb eines Kraftfahrzeugs in einer Navigationsumgebung und Navigationsumgebung |
US20160259814A1 (en) * | 2015-03-03 | 2016-09-08 | Fuji Jukogyo Kabushiki Kaisha | Map data processing device for vehicle |
DE102015206605A1 (de) * | 2015-04-14 | 2016-10-20 | Continental Teves Ag & Co. Ohg | Kalibrierung und Überwachung von Umfeldsensoren mit Hilfe hochgenauer Karten |
CN106289275A (zh) * | 2015-06-23 | 2017-01-04 | 沃尔沃汽车公司 | 用于改进定位精度的单元和方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002005672A (ja) | 2000-06-23 | 2002-01-09 | Sony Corp | 地図情報表示装置 |
US9377528B2 (en) * | 2010-03-19 | 2016-06-28 | Northeastern University | Roaming mobile sensor platform for collecting geo-referenced data and creating thematic maps |
WO2013150630A1 (ja) * | 2012-04-05 | 2013-10-10 | 株式会社日立製作所 | 地図データ作成装置、自律移動システムおよび自律移動制御装置 |
RU2571871C2 (ru) * | 2012-12-06 | 2015-12-27 | Александр ГУРЕВИЧ | Способ определения границ дороги, формы и положения объектов, находящихся на дороге, и устройство для его выполнения |
KR102231638B1 (ko) * | 2014-11-20 | 2021-03-24 | 현대엠엔소프트 주식회사 | 지도 디스플레이 속도 향상을 위한 우선순위를 고려한 지도 표출 방법 |
EP3734504A1 (en) | 2015-02-10 | 2020-11-04 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
US9625582B2 (en) * | 2015-03-25 | 2017-04-18 | Google Inc. | Vehicle with multiple light detection and ranging devices (LIDARs) |
WO2016166791A1 (ja) | 2015-04-13 | 2016-10-20 | 三菱電機株式会社 | 運転支援装置 |
KR20170082674A (ko) * | 2016-01-06 | 2017-07-17 | 한국전자통신연구원 | 차량안전 주행지원 단말장치 및 차량안전 주행지원 방법 |
US9829884B1 (en) * | 2016-05-10 | 2017-11-28 | Dura Operating, Llc | Scalable driver assistance system |
CN110832348B (zh) * | 2016-12-30 | 2023-08-15 | 辉达公司 | 用于自主车辆的高清晰度地图的点云数据丰富 |
-
2017
- 2017-12-29 EP EP23203522.0A patent/EP4293319A3/en active Pending
- 2017-12-29 RU RU2019124439A patent/RU2721677C1/ru active
- 2017-12-29 JP JP2019536973A patent/JP7134977B2/ja active Active
- 2017-12-29 MX MX2019008120A patent/MX2019008120A/es unknown
- 2017-12-29 KR KR1020217027854A patent/KR20210111890A/ko active Application Filing
- 2017-12-29 CA CA3049155A patent/CA3049155C/en active Active
- 2017-12-29 WO PCT/EP2017/084835 patent/WO2018127461A1/en unknown
- 2017-12-29 CN CN201780087984.3A patent/CN110383101A/zh active Pending
- 2017-12-29 EP EP17826533.6A patent/EP3566069B1/en active Active
- 2017-12-29 KR KR1020197022384A patent/KR20190099521A/ko not_active IP Right Cessation
- 2017-12-29 KR KR1020237005297A patent/KR102631850B1/ko active IP Right Grant
-
2019
- 2019-07-02 US US16/460,775 patent/US11815617B2/en active Active
-
2023
- 2023-11-07 US US18/504,020 patent/US20240069150A1/en active Pending
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101446495A (zh) * | 2007-11-27 | 2009-06-03 | 华晶科技股份有限公司 | 更新导航地图数据的方法 |
US20100106356A1 (en) * | 2008-10-24 | 2010-04-29 | The Gray Insurance Company | Control and systems for autonomously driven vehicles |
CN101799992A (zh) * | 2009-02-03 | 2010-08-11 | 通用汽车环球科技运作公司 | 组合的车辆到车辆通信和目标检测感测 |
US8880273B1 (en) * | 2013-01-16 | 2014-11-04 | Google Inc. | System and method for determining position and distance of objects using road fiducials |
JP2014228637A (ja) * | 2013-05-21 | 2014-12-08 | 株式会社デンソー | 道路情報送信装置、地図生成装置、道路情報収集システム |
CN104210439A (zh) * | 2013-06-03 | 2014-12-17 | 现代自动车株式会社 | 使用车辆位置传感器数据生成道路地图的方法和*** |
CN105022397A (zh) * | 2014-04-25 | 2015-11-04 | 谷歌公司 | 用于使用多个传感器进行物体检测的方法和*** |
US20160028824A1 (en) * | 2014-07-23 | 2016-01-28 | Here Global B.V. | Highly Assisted Driving Platform |
CN105759295A (zh) * | 2014-09-02 | 2016-07-13 | 现代自动车株式会社 | 用于无人驾驶车辆的识别行驶环境的设备和方法 |
DE102014217847A1 (de) * | 2014-09-08 | 2016-03-10 | Conti Temic Microelectronic Gmbh | Fahrerassistenzsystem, Verkehrstelematiksystem und Verfahren zum Aktualisieren einer digitalen Karte |
KR20160040911A (ko) * | 2014-10-06 | 2016-04-15 | 현대모비스 주식회사 | V2x 통신 기반의 차량 주변환경 인식 장치 및 그 동작 방법 |
CN104636763A (zh) * | 2014-12-01 | 2015-05-20 | 北京工业大学 | 一种基于无人驾驶车的道路与障碍物检测方法 |
DE102015001631A1 (de) * | 2015-02-07 | 2016-08-11 | Audi Ag | Verfahren zum Betrieb eines Kraftfahrzeugs in einer Navigationsumgebung und Navigationsumgebung |
US20160259814A1 (en) * | 2015-03-03 | 2016-09-08 | Fuji Jukogyo Kabushiki Kaisha | Map data processing device for vehicle |
DE102015206605A1 (de) * | 2015-04-14 | 2016-10-20 | Continental Teves Ag & Co. Ohg | Kalibrierung und Überwachung von Umfeldsensoren mit Hilfe hochgenauer Karten |
CN106289275A (zh) * | 2015-06-23 | 2017-01-04 | 沃尔沃汽车公司 | 用于改进定位精度的单元和方法 |
DE102015008879A1 (de) * | 2015-07-09 | 2016-03-24 | Daimler Ag | Verfahren zur Selbstlokalisation eines Fahrzeugs |
CN105425803A (zh) * | 2015-12-16 | 2016-03-23 | 纳恩博(北京)科技有限公司 | 自主避障方法、装置和*** |
CN105488498A (zh) * | 2016-01-15 | 2016-04-13 | 武汉光庭信息技术股份有限公司 | 一种基于激光点云的车道边线自动提取方法及*** |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US11815617B2 (en) | 2023-11-14 |
KR102631850B1 (ko) | 2024-02-02 |
CA3049155C (en) | 2023-09-19 |
EP3566069A1 (en) | 2019-11-13 |
EP4293319A2 (en) | 2023-12-20 |
JP2020505678A (ja) | 2020-02-20 |
MX2019008120A (es) | 2019-10-24 |
KR20210111890A (ko) | 2021-09-13 |
WO2018127461A1 (en) | 2018-07-12 |
KR20190099521A (ko) | 2019-08-27 |
RU2721677C1 (ru) | 2020-05-21 |
EP4293319A3 (en) | 2024-03-20 |
KR20230028810A (ko) | 2023-03-02 |
JP7134977B2 (ja) | 2022-09-12 |
US20240069150A1 (en) | 2024-02-29 |
US20190323855A1 (en) | 2019-10-24 |
EP3566069B1 (en) | 2023-10-25 |
CA3049155A1 (en) | 2018-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110383101A (zh) | Hd地图的生成和使用 | |
US11630998B2 (en) | Systems and methods for automatically training neural networks | |
EP3629059B1 (en) | Sharing classified objects perceived by autonomous vehicles | |
CN110546695B (zh) | 用于交通灯的信号相位和定时的综合管理的方法、装置和计算机程序产品 | |
US10249204B2 (en) | Connected vehicle traffic safety system and a method of predicting and avoiding crashes at railroad grade crossings | |
US9646496B1 (en) | Systems and methods of creating and blending proxy data for mobile objects having no transmitting devices | |
US10616734B1 (en) | Unmanned aerial vehicle assisted V2X | |
WO2019211059A1 (en) | Method and system for hybrid collective perception and map crowdsourcing | |
US11568741B2 (en) | Communication device, control method thereof, and communication system including the same | |
Vermesan et al. | IoT technologies for connected and automated driving applications | |
KR102635088B1 (ko) | 차량 통신 데이터의 패킷 필터링 방법 및 그를 수행하는 차량용 통신 단말 장치 | |
Ashok et al. | Review on Energy Efficient V2V Communication Techniques for a Dynamic and Congested Traffic Environment | |
US20240005791A1 (en) | Driving assistance system, server device, and driving assistance information generation method | |
Narasimha et al. | Connected Automobiles | |
Schmeitz et al. | Paper number ITS-TP1800 EU AUTOPILOT project: Platooning use case in Brainport | |
WO2023189879A1 (en) | Intersection-based map message generation and broadcasting | |
WO2023189880A1 (en) | Path prediction based on intersection information from map messages | |
WO2023189881A1 (en) | Collision warning based on intersection information from map messages | |
US20230316907A1 (en) | Intersection-based offboard vehicle path generation | |
DK180220B1 (en) | Sharing classified objects perceived by autonomous vehicles | |
Johnston et al. | MONITORING AND REPORTING THE SAFETY PERFORMANCE OF DIFFERENT MODELS AND VERSIONS OF AUTONOMOUS VEHICLES |
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 |