CN111260918A - 精确至车道地定位车辆的方法和服务器单元 - Google Patents
精确至车道地定位车辆的方法和服务器单元 Download PDFInfo
- Publication number
- CN111260918A CN111260918A CN201911219299.9A CN201911219299A CN111260918A CN 111260918 A CN111260918 A CN 111260918A CN 201911219299 A CN201911219299 A CN 201911219299A CN 111260918 A CN111260918 A CN 111260918A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- server unit
- measurement data
- determined
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000004891 communication Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于通过至少一个服务器单元精确至车道地定位至少一个车辆的方法,其中,由所述服务器单元接收车辆环境的测量数据,根据所接收的所述测量数据通过所述服务器单元求取由所述车辆行驶的车道的车道宽度或者由所述服务器单元限定所述车道宽度,基于所接收的所述测量数据由所述服务器单元求取行车道,基于所述行车道的所求取的所述车道宽度求取所述车辆的精确至车道的位置,将所述车辆的精确至车道的位置输出给所述车辆的控制器。此外,本发明还涉及一种相应的服务器单元。
Description
技术领域
本发明涉及一种用于通过至少一个服务器单元精确至车道(spurgenau)地定位至少一个车辆的方法以及一种用于与至少一个车辆建立通信连接的服务器单元。
背景技术
用于精确至车道地定位车辆的方法已经公知,这些方法在车辆内部对测量数据进行分析评估并且因此进行定位。除了利用GPS传感器以外,也已知一些方法,这些方法对摄像机的图像数据进行分析并且由此推断自己的车道。
然而这种方法需要比常用控制器的计算花费更大的计算花费。由此,在具有多车道的道路上不能保证在车辆内部精确至车道的定位的可靠性并且不能保证车辆出现在传感器测量范围内。
发明内容
本发明所基于的任务可以在于,提出一种方法和一种服务器单元,它们使得能够成本高效并稳健地定位车辆。
该任务借助本发明的方法和服务器单元来解决。本发明的有利构型从各个优选实施方式得到。
根据本发明的一个方面,提供一种用于通过至少一个服务器单元精确至车道地定位至少一个车辆的方法。在一个步骤中,由服务器单元接收车辆环境的测量数据。根据所接收的测量数据通过服务器单元来求取由车辆行驶的车道的车道宽度或者由该服务器单元来限定所述车道宽度。
接下来,基于所接收的测量数据由服务器单元求取行车道。在此,可以通过服务器单元将测量数据中的一个或多个分段或者说区域辨识为行车道。
基于行车道的所求取的车道宽度来求取车辆的精确至车道的位置。
在此,根据一个实施方式,可以基于所求取的车道宽度求取行车道的车道数量并且求取车辆的精确至车道的位置。因此,尤其可以求取,车辆目前位于多个现有车道中的哪个车道上或者车辆已行驶在哪些车道上。
将车辆的精确至车道的位置输出给控制器。因此,至少一个车辆可以获知它自己的位置并且例如在地图内辨识自己。也可以将车辆的精确至车道的位置通过通信连接传输给该车辆或者说该车辆的控制器。
根据另一实施方式,测量数据作为经分割的测量数据由服务器单元接收。在此,车辆环境的由车辆的至少一个传感器求取的并且在车辆内部被控制器分割的测量数据可以经由通信连接由服务器单元接收。因此,可以根据所接收的测量数据通过服务器单元来求取由车辆行驶的车道的车道宽度或者由服务器单元来限定所述车道宽度。基于所求取的车道宽度,通过服务器单元计算行车道的车道数量并且求取车辆的精确至车道的位置。接下来可以将车辆的精确至车道的位置经由通信连接传输给该车辆的控制器。
根据本发明的另一方面,提供一种用于与至少一个车辆建立通信连接的服务器单元,其中,所述服务器单元设立为用于执行所述方法中的至少一个。
通过所述方法,可以提供成本高效和稳健的车辆定位。在此,所述定位可以精确至车道地进行,由此该车辆获知,它在当前行驶的道路区段上位于哪个车道上。
至少一个车辆内部的传感器可以是前视摄像机、倒车摄像机、取代后视镜的摄像机、激光雷达传感器、雷达传感器等。由传感器求取的测量数据可以以表格、图像的形式或以运动图像或者说图像序列的形式存在。各个测量数据可以由车辆内部的控制器接收并且经由通信单元被传输给服务器单元。为此,可以在至少一个车辆侧控制器或者通信单元与车辆外部的服务器单元之间建立无线通信连接。
所述通信连接优选可以是基于WLAN、GSM、UMTS、LTE等标准的无线连接。
所述测量数据可以经压缩地或未经压缩地被传输给服务器单元。由此,可以将计算花费转移到后端***或者说服务器单元中。服务器单元可以静态地或移动地布置在例如载重车中。该后端***可以具有比车辆内部控制器高的计算能力并且例如使用神经网络,以便对由车辆收纳的测量数据进行分析。可以经由通信连接将服务器单元的分析结果发回给所述至少一个车辆。
通过所述方法和所述服务器单元可以在同时减小车辆内部的复杂性的情况下实现车辆的精确至车道的定位的高品质。
将计算量大的计算转移到至少一个服务器单元中可以降低车辆的车载电子设备的成本和复杂性。
根据一个实施方式,所接收的测量数据通过服务器单元和/或通过车辆的控制器在语义(semantisch)上被分割为多种类别。由传感器求取的测量数据例如可以以图像的形式存在。所述图像例如可以由倒车摄像机、前视摄像机或行车记录仪生成或由取代后视镜的摄像机(Spiegelersatzkamera)生成。可以在借助神经网络的情况下在语义上对从车辆传输给服务器的图像进行分割。在此,每个图像点配属有一个或多个语义类别。这些类别例如可以是车辆、行车道、人行道、植物、建筑物、行人等。尤其,类别“行车道和车辆”可以被所述方法利用。此外,使用至少一个另外的类别可以是有利的,所述至少一个另外的类别包含所有剩余的图像点,这些剩余的图像点不能够配属于其它类别。
根据另一实施方式,通过服务器单元和/或车辆控制器的至少一个神经网络执行测量数据的语义分割。由于使用借助神经网络进行语义分割的技术,因而可以确保,即使在变化的光线条件和环境条件下车辆的定位也能可靠地工作。
根据另一实施例,借助至少两个传感器的测量数据的数据融合由服务器单元和/或车辆控制器执行测量数据的语义分割。因此,替代于通过神经网络创建例如摄像机图像的语义分割,也可以通过其它方法来创建所述分割。例如,至少一个摄像机的测量数据的分割可以通过对来自立体摄像机、雷达传感器或激光雷达传感器的数据进行解释和/或融合来进行。
根据另一实施例,通过对所接收的测量数据进行分割由服务器单元和/或车辆控制器计算行车道分段。接下来,将该行车道分段分成部分区段,其中,由服务器单元选择该行车道分段的没有被对象遮盖的部分区段用于确定车道数量。由此足够的是,仅能够看到行车道的部分区段。这种状况例如可能在提高的交通流量的情况下会出现,在该交通流量中,行车道在传感器的观察范围内被其它车辆遮盖。图像的通过分割被分类为行车道的区段被划分为部分区段。这例如可以是矩形部分区段。接下来可以对各个部分区段的像素进行分析。如果例如部分区段中的像素中的一半以上属于同一语义类别或者说属于该行车道,那么可以将整个部分区段配属于该行车道。由此尤其可以对所求取的车道执行可信性验证。如果例如至少一个部分区段具有语义类别“行车道”,那么该部分区段所从属的车道视为存在。
根据另一实施方式,车辆环境的测量数据作为至少一个图像或者作为运动图像由服务器单元接收。优选,测量数据可以由指向后面的摄像机、指向前面的摄像机或在车辆的行驶方向上指向侧面的摄像机来求取。
根据另一实施方式,借助车辆的至少两个传感器的测量数据由服务器单元求取由车辆行驶的车道。由此,多个传感器的测量数据可以被用于定位车辆的车道。例如,可以冗余地使用多个传感器的测量数据,以便基于处于车辆前方的环境的测量数据和/或处于车辆后方的环境的测量数据来确定车道。
根据另一实施例,车道的车道宽度由服务器单元限定为恒定的行车道或者根据行车道类型被限定。替代于基于测量数据对当前车道宽度的计算或估计,也可以通过服务器单元确定被固定地限定的车道宽度。例如,可以限定3.5m的通用车道宽度。替代或附加地,可以借助测量数据来辨识道路类别并且为对应的道路类别分配一个恒定的车道宽度。在此例如高速公路可以具有4.5m的车道宽度,封闭式居民区内的道路可以具有3.5m的车道宽度,郊区道路可以具有4.0m的车道宽度。
附图说明
下面,借助强烈简化的示意图更详细地阐述本发明的优选实施例。在此示出:
图1具有车辆和外部服务器单元的布置的示意图;
图2用于阐明所述方法的示意性流程图;
图3由倒车摄像机求取的、呈图像形式的测量数据;
图4在行车道片段中具有所示部分区段的在图3中示出的在语义上被分割的图像。
具体实施方式
图1示出具有车辆2和外部服务器单元4的布置1的示意图。车辆2行驶在具有两个车道8的行车道6上。
车辆2具有前视摄像机10和倒车摄像机12。因此,前视摄像机10和倒车摄像机12可以记录车辆2后方和前方的环境。为此,通过前视摄像机10和倒车摄像机12求取测量数据。在车辆2行驶期间也可以通过前视摄像机10和倒车摄像机12记录测量数据。
此外,车辆2具有控制器14。控制器14能传导数据地与前视摄像机10和倒车摄像机12连接并因此可以读取所求取的测量数据并且至少暂时存储这些数据。
控制器14具有车辆侧通信单元16。借助通信单元16,控制器14可以将由前视摄像机10和倒车摄像机12求取的测量数据传输给车辆外部的服务器单元14。
根据该实施例,通信单元16可以与外部服务器单元4建立无线通信连接18。在此,通信连接18是移动无线电连接,该移动无线电连接例如基于LTE或UMTS移动无线电标准。
经由通信连接18可以将在车辆侧求取的测量数据传输给服务器单元4。服务器单元4具有至少一个神经网络20,该神经网络可以被用于分析评估测量数据。
在图2中示出用于阐明方法22的示意性流程图,该方法用于精确至车道地定位至少一个车辆2。
在步骤23中,通过至少一个车辆侧传感器10,12求取测量数据。这例如可以通过由倒车摄像机12拍摄照片来进行。接下来,将所述图像或者说测量数据经由控制器14并且经由通信单元16传输24给外部服务器单元4。在此,通信单元16用作无线电接口。
在图3中示例性地示出倒车摄像机12的照片。在此,测量数据以照片的形式构型并且示出具有三个车道8的行车道6。车道8部分地被车辆遮盖。
在所述方法22的另一步骤25中,由服务器单元4接收所述图像或者说测量数据。
在另一步骤26中,服务器单元4求取在测量数据中反映出的道路区段的车道宽度D。这通过以下方式来发生:属于当前车道8的左侧车道标记和右侧车道标记M被辨识出并且根据所述行车道标记的位置来估计所行驶的车道8的车道宽度D。
与此并行地或接下来,可以在服务器单元4中在借助神经网络20的情况下在语义上对从车辆2传输的数据进行分割27。通过语义分割,为每个图像点配属一个例如预先限定的类别。根据该实施例,针对车辆32、行车道6、人行道34、植物36和建筑物38使用类别。
图4示出倒车摄像机12的在图3中示出的照片,该照片通过透视法被校正并且通过神经网络20被分割。因此,图4示出语义分割的结果。
在所述方法22的另一步骤28中,在经语义分割的图像中设立车道模型。在此,车道8例如基于所辨识的行车道标记M和所求取的车道宽度D被投影到该图像上。
接下来,针对每个车道8检查29:分别定位在车道8上的像素配属于哪些类别。由此可以检查,是否存在对应的车道8。基于存在的车道8的数量可以推导出,车辆2位于哪个车道8上。
在图4中示出的经分割的图像显示相关的矩形部分区域40,所述部分区域被考虑用于求取车道8的数量。在此,在车辆2右侧旁的三个其它常规车道8被服务器单元4辨识出。因此,车辆2位于第三车道8上。
在另一步骤30中,由服务器单元4将所求取的车道或者说车辆2的精确至车道的位置发送给车辆2的控制器14。在另一步骤31中,车辆2的所述精确至车道的位置由控制器14接收。
在此,车辆2的所述精确至车道的位置例如可以是一个明确的车道,在测量时间点车辆2行驶在该车道上。替代或附加地,所述精确至车道的位置也可以是车辆2横向于行驶方向或者说行车道走向的相对位置。
在图4中阐明,所述方法22针对车道8被部分遮盖的情况是稳健的。在图4中示出不同的分段或者说图像区域,所述分段或者说图像区域配属于不同的类别。对于所述方法而言足够的是,例如行车道6的至少一个部分区段40是可见的。为此,将每个行车道划分为多个部分区段40,并且对这些部分区段40中的像素进行分析。根据该实施例,这些部分区段是矩形的。
如果部分区段40中的像素中的一半以上属于同一语义类别,那么该部分区段配属于所述同一类别。图4阐明该做法。在此,一些部分区段40配属于类别“车辆32”、类别“行车道6”和类别“人行道34”。如果至少一个部分区段40具有语义类别“行车道”,那么该部分区段40所从属的车道8视为存在。
为了计算用于估计自身车道的置信值,使用以下信息:多少潜在的车道8被其它车辆32遮盖。为此,使用以下方程:
置信值=(1-(#像素车辆/#像素总))2
在此,#像素车辆是配属于类别“车辆32”的所有部分区段40内的所有图像点的总和。变量“#像素总”描述所有部分区段40的所有图像点的总和。
Claims (11)
1.一种用于通过至少一个服务器单元(4)精确至车道地定位至少一个车辆(2)的方法(22),其中,
由所述服务器单元(4)接收车辆环境的测量数据,
根据所接收的所述测量数据通过所述服务器单元(4)求取由所述车辆(2)行驶的车道(8)的车道宽度(D)或者由所述服务器单元(4)限定所述车道宽度,
基于所接收的所述测量数据由所述服务器单元(4)求取行车道(6),
基于所述行车道(6)的所求取的所述车道宽度(D)求取所述车辆(2)的精确至车道的位置,
将所述车辆(2)的精确至车道的位置输出给所述车辆(2)的控制器(14)。
2.根据权利要求1所述的方法,其中,基于所求取的所述车道宽度(D)求取所述行车道(6)的车道(8)的数量并且求取所述车辆(2)的精确至车道的位置。
3.根据权利要求1或2所述的方法,其中,所接收的所述测量数据通过所述服务器单元(4)和/或通过所述车辆(2)的控制器(14)在语义上被分割为多种类别。
4.根据权利要求3所述的方法,其中,通过所述服务器单元(4)的至少一个神经网络(20)和/或所述车辆(2)的所述控制器(14)的至少一个神经网络执行所述测量数据的语义分割。
5.根据权利要求1或2或3所述的方法,其中,借助至少两个传感器(10,12)的测量数据的数据融合由所述服务器单元(4)和/或所述车辆(2)的所述控制器(14)执行所述测量数据的语义分割。
6.根据权利要求1至5之一所述的方法,其中,通过对所接收的所述测量数据进行分割由所述服务器单元(4)和/或所述车辆(2)的所述控制器(14)计算行车道分段(6),将所述行车道分段(6)分成部分区段(40),其中,由所述服务器单元(4)选择所述行车道分段(6)的没有被对象(32)遮盖的部分区段(40)用于确定车道(8)的数量。
7.根据权利要求1至6之一所述的方法,其中,所述车辆环境的测量数据作为至少一个图像或作为运动图像由所述服务器单元(4)接收。
8.根据权利要求1至7之一所述的方法,其中,借助所述车辆(2)的至少两个传感器(10,12)的测量数据由所述服务器单元(4)求取由所述车辆(2)行驶的车道(8)。
9.根据权利要求1至8之一所述的方法,其中,车道(8)的车道宽度(D)由所述服务器单元(4)限定为恒定的或者根据行车道类型被限定。
10.根据上述权利要求之一所述的方法,其中,所述测量数据作为车辆环境的经分割的测量数据由所述服务器单元(4)接收。
11.一种用于与至少一个车辆(2)建立通信连接(18)的服务器单元(4),其中,所述服务器单元(4)设立为用于执行根据上述权利要求之一所述的方法(22)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018220803.4A DE102018220803A1 (de) | 2018-12-03 | 2018-12-03 | Spurgenaue Lokalisierung von Fahrzeugen |
DE102018220803.4 | 2018-12-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111260918A true CN111260918A (zh) | 2020-06-09 |
Family
ID=70681358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219299.9A Pending CN111260918A (zh) | 2018-12-03 | 2019-12-03 | 精确至车道地定位车辆的方法和服务器单元 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111260918A (zh) |
DE (1) | DE102018220803A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007264712A (ja) * | 2006-03-27 | 2007-10-11 | Fuji Heavy Ind Ltd | 車線検出装置 |
US20170053533A1 (en) * | 2014-06-19 | 2017-02-23 | Hitachi Automotive Systems, Ltd. | Object Recognition Apparatus and Vehicle Travel Controller Using Same |
US20170267177A1 (en) * | 2016-03-17 | 2017-09-21 | Ford Global Technologies, Llc | Vehicle Lane Boundary Position |
US20180025234A1 (en) * | 2016-07-20 | 2018-01-25 | Ford Global Technologies, Llc | Rear camera lane detection |
WO2018117538A1 (ko) * | 2016-12-23 | 2018-06-28 | 삼성전자 주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7979173B2 (en) * | 1997-10-22 | 2011-07-12 | Intelligent Technologies International, Inc. | Autonomous vehicle travel control systems and methods |
DE102014210770A1 (de) * | 2014-06-05 | 2015-12-17 | Conti Temic Microelectronic Gmbh | Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges |
US10048688B2 (en) * | 2016-06-24 | 2018-08-14 | Qualcomm Incorporated | Dynamic lane definition |
-
2018
- 2018-12-03 DE DE102018220803.4A patent/DE102018220803A1/de active Pending
-
2019
- 2019-12-03 CN CN201911219299.9A patent/CN111260918A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007264712A (ja) * | 2006-03-27 | 2007-10-11 | Fuji Heavy Ind Ltd | 車線検出装置 |
US20170053533A1 (en) * | 2014-06-19 | 2017-02-23 | Hitachi Automotive Systems, Ltd. | Object Recognition Apparatus and Vehicle Travel Controller Using Same |
US20170267177A1 (en) * | 2016-03-17 | 2017-09-21 | Ford Global Technologies, Llc | Vehicle Lane Boundary Position |
US20180025234A1 (en) * | 2016-07-20 | 2018-01-25 | Ford Global Technologies, Llc | Rear camera lane detection |
WO2018117538A1 (ko) * | 2016-12-23 | 2018-06-28 | 삼성전자 주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
Also Published As
Publication number | Publication date |
---|---|
DE102018220803A1 (de) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3721172B1 (en) | Systems and methods for anonymizing navigation information | |
DK180774B1 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
CN107851125B (zh) | 通过车辆和服务器数据库进行两步对象数据处理以生成、更新和传送精确道路特性数据库的***和方法 | |
CN107850453B (zh) | 匹配道路数据对象以更新精确道路数据库的***和方法 | |
CN107850672B (zh) | 用于精确车辆定位的***和方法 | |
US20210025725A1 (en) | Map verification based on collected image coordinates | |
EP3647734A1 (en) | Automatic generation of dimensionally reduced maps and spatiotemporal localization for navigation of a vehicle | |
CN102889892B (zh) | 实景导航的方法及导航终端 | |
EP3358302B1 (en) | Travel control method and travel control device | |
CN108351218B (zh) | 用于生成数字地图的方法和*** | |
US20190049992A1 (en) | System and Method for Improved Obstable Awareness in Using a V2x Communications System | |
EP3647733A1 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
US20170151945A1 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
EP4275192A2 (en) | Systems and methods for common speed mapping and navigation | |
CN112240774B (zh) | 车载处理装置 | |
CN111260918A (zh) | 精确至车道地定位车辆的方法和服务器单元 | |
JP7347502B2 (ja) | 渋滞情報提供装置、渋滞情報処理方法及びプログラム | |
CN113936058A (zh) | 基于车辆的数据获取 | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 | |
US20230237679A1 (en) | Aligning geodata graph over electronic maps | |
US20230403471A1 (en) | Multiple position rolling shutter imaging device | |
CN115188181A (zh) | 一种多融合道路车辆感知、导航方法及*** | |
WO2023141090A1 (en) | Aligning geodata graph over electronic maps | |
WO2024081330A1 (en) | Rolling shutter compensation |
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 |