CN113454692B - 驾驶信息提供方法以及车辆地图提供服务器和方法 - Google Patents

驾驶信息提供方法以及车辆地图提供服务器和方法 Download PDF

Info

Publication number
CN113454692B
CN113454692B CN202080015561.2A CN202080015561A CN113454692B CN 113454692 B CN113454692 B CN 113454692B CN 202080015561 A CN202080015561 A CN 202080015561A CN 113454692 B CN113454692 B CN 113454692B
Authority
CN
China
Prior art keywords
vehicle
driving information
information
map
surrounding
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.)
Active
Application number
CN202080015561.2A
Other languages
English (en)
Other versions
CN113454692A (zh
CN113454692B9 (zh
Inventor
李性洙
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.)
SK Telecom Co Ltd
Original Assignee
SK Telecom Co Ltd
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
Priority claimed from KR1020190019488A external-priority patent/KR20200101188A/ko
Priority claimed from KR1020190069873A external-priority patent/KR20200142716A/ko
Application filed by SK Telecom Co Ltd filed Critical SK Telecom Co Ltd
Publication of CN113454692A publication Critical patent/CN113454692A/zh
Publication of CN113454692B publication Critical patent/CN113454692B/zh
Application granted granted Critical
Publication of CN113454692B9 publication Critical patent/CN113454692B9/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/38—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
    • 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
    • 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
    • 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
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • 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
    • G01C21/3889—Transmission of selected map data, e.g. depending on 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
    • G01C21/3885—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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]
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

根据本发明的一个实施方式的车辆地图提供服务器提供车辆地图的方法包括以下步骤：从第一车辆接收第一信息，第一信息包括关于第一图像中的第二车辆的第二驾驶信息；从第三车辆接收第二信息，第二信息包括关于第二图像中的第四车辆的第四驾驶信息；通过使用第一信息和第二信息来确定第二车辆与第四车辆是否相同，以及根据第二车辆与第四车辆是否相同通过使用第二驾驶信息和/或第四信息来创建车辆地图；根据车辆地图预测第一车辆地图，该第一车辆地图包括关于第一车辆的驾驶路线上的一个或更多个车辆在当前时刻的驾驶信息；以及将第一车辆地图发送至第一车辆。

Description

驾驶信息提供方法以及车辆地图提供服务器和方法
技术领域
本公开内容涉及一种驾驶信息提供方法、车辆地图提供服务器和车辆地图提供方法。
背景技术
协同智能交通***(C-ITS)是指在驾驶车辆时向驾驶员实时提供关于周围交通状况的信息和关于诸如突然停车和物体坠落的意外危险的信息的***。
C-ITS旨在提前预防交通事故或大幅减少交通事故。为了达到这个目的，应实时识别周围车辆的位置，并且其中一种方法是通过车对车(V2V)和车对路(基础设施)(V2I)的持续数据共享来确定周围车辆的位置。
然而，在这种方法中，难以确定不支持V2V通信或V2I通信的周围车辆的位置。此外，如果发生通信延迟，其性能可能会急剧下降。
发明内容
技术问题
本公开内容要解决的问题是实时识别不支持V2V通信或V2I通信的周围车辆的位置，并将位置提供给车辆，从而更有效地向车辆或车辆的驾驶员提供驾驶辅助服务，例如C-ITS。
然而，本公开内容的实施方式不限于以上提及的实施方式。本领域技术人员可以从以下描述中清楚地理解未提及的其他实施方式。
解决问题的方法
根据本公开内容的一方面，提供了一种由车辆地图提供服务器执行的车辆地图提供方法，包括：从第一车辆接收第一信息，第一信息包括第一车辆拍摄的第一图像、第一车辆的第一驾驶信息、在第一图像上的第二车辆的第二驾驶信息；从第三车辆接收第二信息，第二信息包括第三车辆拍摄的第二图像、第三车辆的第三驾驶信息、在第二图像上的第四车辆的第四驾驶信息；通过使用预先存储的车辆地图信息，或通过使用第一信息和第二信息，确定第二车辆与第四车辆是否相同；通过使用第二驾驶信息与第四驾驶信息中的至少一个以及第一驾驶信息和第三驾驶信息，根据第二车辆与第四车辆是否相同来生成车辆地图；基于第一驾驶信息，根据车辆地图预测第一车辆地图，该第一车辆地图包括第一车辆的路线上的一个或更多个车辆在当前时间的驾驶信息；以及将第一车辆地图发送至第一车辆。
在本文中，生成车辆地图是下述操作：如果第二车辆与第四车辆相同，则通过使用第二驾驶信息和第四驾驶信息中较晚生成的驾驶信息来生成车辆地图。
在本文中，确定第二车辆与第四车辆是否相同包括：将第二驾驶信息中包括的第二车辆的标识符与第四驾驶信息中包括的第四车辆的标识符进行比较；以及基于比较的结果确定第二车辆与第四车辆是否相同。
在本文中，确定第二车辆与第四车辆是否相同是下述操作：如果第二驾驶信息或第四驾驶信息中不包括标识符，则通过使用第二驾驶信息中包括的第二车辆的位置信息和姿态角以及第四驾驶信息中包括的第四车辆的位置信息和姿态角来确定第二车辆与第四车辆是否相同。
在本文中，确定第二车辆与第四车辆是否相同包括：在第一图像上提取第二车辆的第一特征点；在第二图像上提取第四车辆的第二特征点；以及基于第一特征点与第二特征点是否匹配，确定第二车辆与第四车辆是否相同。
在本文中，如果第一特征点与第二特征点匹配并且第二车辆与第四车辆之间的距离小于或等于阈值，则第二车辆被确定为与第四车辆相同。
在本文中，确定第二车辆与第四车辆是否相同是下述操作：通过使用机器学习模型来确定第二车辆与第四车辆是否相同，该机器学习模型是通过将尺寸彼此不同、针对多个车辆型号中的每一个的多个训练图像接收作为一个输入来训练的。
根据本公开内容的另一方面，提供了一种由上面安装有驾驶信息提供设备的第一车辆执行的车辆地图提供方法，该方法包括：从位于第一车辆周围的第二车辆接收第一信息，第一信息包括第二车辆拍摄的第一图像、第二车辆的第一自身车辆驾驶信息以及在第一图像上的第三车辆的第一周围车辆驾驶信息；从位于第一车辆周围的第四车辆接收第二信息，第二信息包括由第四车辆拍摄的第二图像、第四车辆的第二自身车辆驾驶信息以及在第二图像上的第五车辆的第二周围车辆驾驶信息；通过使用预先存储的车辆地图信息，或通过使用第一信息和第二信息，确定第三车辆与第五车辆是否相同；以及通过使用第一周围车辆驾驶信息和第二周围车辆驾驶信息中的至少一个以及第一自身车辆驾驶信息和第二自身车辆驾驶信息，根据第三车辆与第五车辆是否相同来生成当前时间的车辆地图。
发明效果
根据本公开内容的实施方式，即使存在不具有支持诸如V2V通信或V2I通信的功能的模块的车辆，包括不具有该模块的车辆的驾驶信息的车辆地图也可以被提供给另一车辆或另一驾驶员。此外，可以向相应车辆提供包括其自身车辆未检测到的周围车辆的驾驶信息的车辆地图。因此，可以快速、准确且主动地向每个车辆提供驾驶辅助服务。
附图说明
图1示出了根据实施方式的图示上面安装有驾驶信息提供设备的车辆与上面未安装驾驶信息提供设备的另一车辆之间的关系以及与各个车辆进行通信的车辆地图提供服务器的图。
图2示出了根据实施方式的关于执行驾驶信息提供方法的过程的流程图。
图3示出了根据实施方式的驾驶信息提供设备的框图。
图4示出了根据实施方式的图示车辆拍摄的周围车辆的图像。
图5示出了根据实施方式的图示执行车辆地图提供方法的过程的流程图。
图6示出了根据实施方式的图示能够根据车辆地图提供方法提供的车辆地图的图。
图7示出了根据实施方式的车辆地图提供服务器的框图。
图8示出了根据实施方式的图示收集驾驶信息的过程的流程图。
图9示出了根据另一实施方式的图示收集驾驶信息的过程的流程图。
图10示出了图示根据图9的实施方式在其上提取特征点的车辆区域的图像。
图11示出了根据图9的实施方式在其上匹配特征点的图像。
图12示出了根据另一实施方式的用于生成车辆分类符的训练图像。
图13示出了输入至根据图12的实施方式的车辆分类符中的输入图像。
图14示出了根据实施方式的图示生成车辆地图的过程的流程图。
图15示出了根据实施方式的图示在不存在车辆地图提供服务器的环境中其自身车辆与周围车辆共享驾驶信息的方法的图。
图16示出了根据实施方式的图示在不存在车辆地图提供服务器的环境中其自身车辆与周围车辆共享驾驶信息的方法的流程图。
具体实施方式
通过结合附图进行的以下描述，将清楚地理解实施方式的优点和特征以及实现这些的方法。然而，实施方式不限于所描述的那些实施方式，因为实施方式可以以各种形式实现。应当注意，提供本实施方式是为了进行全面公开，并且还允许本领域技术人员了解实施方式的全部范围。因此，实施方式应仅由所附权利要求的范围限定。
在描述本公开内容的实施方式时，如果确定相关已知部件或功能的详细描述不必要地模糊了本公开内容的主旨，则将省略其详细描述。此外，下面描述的术语是考虑到本公开内容的实施方式的功能而定义的，并且可以根据用户或操作者的意图或实践而变化。因此，其定义可以基于整个说明书的内容进行。
图1示出了根据实施方式的图示上面安装有驾驶信息提供设备100的车辆310和320与上面未安装驾驶信息提供设备100的另一车辆300之间的关系以及与车辆310和320进行通信的车辆地图提供服务器200的图。
然而，由于图1只是示例，因此本公开内容的构思不限于图1所示的构思。
参照图1，示出了三个车辆。第二车辆310和第三车辆320均配备有驾驶信息提供设备100，但第一车辆300未配备驾驶信息提供设备100。在本文中，驾驶信息提供设备100可以是支持诸如V2V或V2I的通信功能的模块。
在第二车辆310和第三车辆320中，安装在车辆310和320中的每一个上的驾驶信息提供设备100不仅获得他们自身车辆310和320的驾驶信息，而且计算周围车辆的驾驶信息。在本文中，驾驶信息可以包括相应车辆的位置信息、姿态角信息、行驶方向信息、速度信息、标识符以及获得相应车辆的驾驶信息的时间信息中的至少一种，但不限于此。
以此方式获得或计算的驾驶信息被发送至车辆地图提供服务器200。例如，第一车辆300的驾驶信息可以由安装在第二车辆310或第三车辆320上的驾驶信息提供设备100计算，并且可以被发送至车辆地图提供服务器200。换言之，即使第一车辆300本身不能计算其自身车辆的驾驶信息并将其发送至车辆地图提供服务器200，第二车辆310或第三车辆320也可以计算第一车辆300的驾驶信息并将驾驶信息发送至车辆地图提供服务器200。
车辆地图提供服务器200收集接收到的驾驶信息，生成车辆地图，并将车辆地图发送至车辆310和320中的每一个。例如，可以将包括第一车辆300的驾驶信息以及第三车辆320的驾驶信息的车辆地图发送至第二车辆310。另外，可以将包括第二车辆310的驾驶信息的车辆地图发送至第三车辆320。即使第三车辆320不能检测到第一车辆300，车辆地图还可以包括由第二车辆310检测到的第一车辆300的驾驶信息，并且可以被发送至第三车辆320。
在本文中，车辆地图指示在地图上不仅显示自身车辆的而且显示周围车辆的上述驾驶信息的地图数据。由于可以通过车辆地图识别周围车辆的位置、姿态角、行驶方向或速度，因此可以在车辆310和320中的每一个中提供使用它们的ADAS的各种驾驶辅助服务，如前方碰撞警告、自动制动***、盲点检测等的功能。
换言之，根据实施方式，即使存在不具有支持诸如V2V或V2I的通信功能的模块的车辆，也可以将包括不具有该模块的车辆的驾驶信息的车辆地图提供给另一车辆或另一驾驶员。此外，可以向相应的车辆提供包括自身车辆未检测到的周围车辆的驾驶信息的车辆地图。因此，可以快速、准确且主动地向每个车辆提供驾驶辅助服务。
在下文中，将描述提供这样的技术构思的详细技术。
图2示出了根据实施方式的图示执行驾驶信息提供方法的过程的流程图，图3示出了执行图2所示的驾驶信息提供方法的驾驶信息提供设备100的框图。
在本文中，由于图2和图3只是示例，因此本公开内容的构思不限于图2和图3所示的构思。
参照图2，通过包括以下步骤来执行驾驶信息提供方法：步骤S100，获得其自身车辆的驾驶信息；步骤S110，检测自身车辆周围的周围车辆；步骤S120，计算检测到的周围车辆的驾驶信息；步骤S130，将自身车辆的驾驶信息和周围车辆的驾驶信息中的至少之一发送至车辆地图提供服务器200，车辆地图提供服务器200通过收集多个车辆中的每一个的驾驶信息来生成车辆地图；步骤S140，从车辆地图提供服务器200接收包括在自身车辆的路线上的周围车辆的驾驶信息的车辆地图；以及步骤S150，基于接收到的车辆地图提供预定驾驶辅助服务。
为此，驾驶信息提供设备100包括通信单元110、自身车辆驾驶信息获得单元120、周围车辆检测单元130、周围车辆驾驶信息计算单元140和驾驶辅助服务提供单元150。驾驶信息提供设备100的每个部件可以以由处理器执行的硬件模块或软件模块的形式或者软件模块和硬件模块的组合的形式来实现。
在下文中，将参照图1至图4详细描述驾驶信息提供设备100的每个部件以及由每个部件执行的操作或效果。
通信单元110是支持V2V通信或V2I通信的无线通信模块。例如，通信单元110可以是能够通过采用通信方法、通过采用诸如CDMA、GSM、W-CDMA、TD-SCDMA、WiBro、LTE、EPC、无线LAN、Wi-Fi、蓝牙、Zigbee、Wi-Fi直连(WFD)、超宽带(UWB)、红外数据协会(IrDA)、低功耗蓝牙(BLE)或近场通信(NFC)的通信方法来执行无线通信的无线通信模块。
在连接至分布并安装在道路上的多个V2I基站中的至少一个之后，车辆可以通过通信单元110与车辆地图提供服务器200进行发送和接收数据。例如，通信单元110配备有用于连接至多个V2I基站中距离车辆的当前位置最近的V2I基站的算法。如果通信单元110基于该算法连接至一个V2I基站，则车辆可以通过通信单元110通过连接的V2I基站与车辆地图提供服务器200进行发送和接收数据。
自身车辆驾驶信息获得单元120是获得其自身车辆的驾驶信息的部件。在本文中，可以通过各种方法获得自身车辆的驾驶信息中的位置和姿态角。
例如，可以通过使用从GPS卫星接收的GPS信号或预先给出的信息来获得自身车辆的位置和姿态角。
可替选地，可以通过将详细地图上的地标与自身车辆拍摄的图像进行匹配的方法来获得自身车辆的位置和姿态角。在本文中，可以通过包括如下步骤来执行将详细地图上的地标与自身车辆拍摄的图像进行匹配的方法：通过将详细地图上的与基于GPS的自身车辆的初始位置信息相对应的地标匹配到自身车辆的相机拍摄的图像上来获得相机的初始位置信息；基于图像与详细地图上的与基于相机的初始位置信息和自身车辆的驾驶信息采样的多个候选位置信息中的每一个相对应的地标之间的匹配误差，获得相机的估计位置信息；以及基于相机的估计位置信息获得自身车辆的估计位置信息。
另外，可以通过使用可以作为CAN数据获得的轮速值来获得自身车辆的速度信息。
此外，可以基于GPS信息等获得自身车辆的行驶方向信息。
此外，自身车辆的标识符可以是从车辆地图提供服务器200预先给出的自身车辆本身的ID。
另外，获得自身车辆的上述驾驶信息的时间信息可以是指获得上述驾驶信息中的每一个的基于GPS的时间信息。
周围车辆检测单元130是检测位于自身车辆周围的周围车辆的部件。例如，周围车辆检测单元130可以通过在自身车辆周围拍摄的相机或检测在自身车辆周围行驶或未移动的车辆的传感器来实现。
周围车辆驾驶信息计算单元140是计算由周围车辆检测单元130检测到的周围车辆的驾驶信息的部件。首先，将描述计算周围车辆的位置信息的方法。为此，可以获得周围车辆检测单元130所拍摄的包括周围车辆的图像。
周围车辆驾驶信息计算单元140获得周围车辆位于地面上的位置信息，即获得的图像中的像素的坐标值。在本文中，如果图像上检测到周围车辆的区域以预定的边界框为界限，则所获得的像素的坐标值是指关于边界框与地面接触的像素的坐标值，如图4所示。如果周围车辆距自身车辆相对较远，则相应的像素值可能会在图像上显示成相对地靠近消失点。如果周围车辆距自身车辆相对较近，则相应的像素值可能会在图像上显示成相对地远离消失点。换言之，相应的像素值与周围车辆与自身车辆之间的间隔距离具有预定的相关性。因此，可以基于使用该相关性的算法来计算自身车辆与周围车辆之间的间隔距离。
此后，周围车辆驾驶信息计算单元140通过使用以下等式1将周围车辆检测单元130所拍摄的周围车辆的图像上的坐标值的格式转换为安装在自身车辆上的相机向前看的坐标值的格式。
[等式1]
mnew＝KRK-1m
在本文中，K表示安装在自身车辆上的相机的固有参数的3x3矩阵，R表示将自身车辆拍摄的图像上的特定像素值m转换为相机向前看的坐标系的旋转矩阵，以及mnew表示安装在自身车辆上的相机向前看的坐标系中经转换的坐标值。在本公开内容中，特定像素值m可以是周围车辆位于地面上的位置信息，即在上述获得的图像上的像素的坐标值。另外，可以通过使用基于相机被安装在自身车辆上时计算的车辆坐标系的旋转矩阵、或者通过使用与由基于相机的ADAS提供的相机基于地面的姿态角相关的旋转矩阵来确定旋转矩阵R的值。
此后，周围车辆驾驶信息计算单元140通过使用以下等式2来计算周围车辆与作为自身车辆的行驶方向的纵轴方向之间的旋转角θ。
[等式2]
在本文中，HFOV表示相机的水平视角，unew表示等式1中mnew的x轴坐标值，cx表示相机的主点，以及image-width表示图像的水平分辨率。
此后，周围车辆驾驶信息计算单元140通过使用以下等式3来计算周围车辆的位置[xa，ya]。
[等式3]
xa＝xs+lcos(θs+θ)
ya＝ys+lsin(θs+D
在本文中，[xs，ys，θs]表示自身车辆驾驶信息获得单元120获得的自身车辆的位置和姿态角，以及l表示周围车辆驾驶信息计算单元140计算得到的自身车辆与周围车辆的间隔距离。θ表示等式2中计算得到的自身车辆的纵轴方向与周围车辆的检测位置之间的旋转角，以及[xa，ya]表示在图像上检测到的周围车辆的位置。因此，图像上检测到的周围车辆的姿态角变为θ+θs。
此后，周围车辆驾驶信息计算单元140通过使用以下等式4来计算在图像上检测到的周围车辆的行驶方向信息。
[等式4]
xt1:t2＝xa，t2-xa，t1
yt1:t2＝ya，t2-ya，t1
在本文中，[xa,t1，ya,t1]和[xa,t2，ya,t2]分别表示通过使用等式3计算得到的周围车辆在时间t1和时间t2的位置，以及θa表示周围车辆的行驶方向。如果周围车辆没有移动，则[xa,t1:t2，ya,t1:t2]的值为0，或者由于图像识别误差而具有接近0的值。在这种情况下，如果存在先前计算的θa的值，则按原样使用先前的值。否则，θa使用与自身车辆方向相同的值θs。
此后，周围车辆驾驶信息计算单元140通过使用以下等式5来计算在图像上检测到的周围车辆的速度信息。
[等式5]
v＝d/(t2-t1)
在本文中，d表示通过使用等式4计算得出的时间t1与时间t2之间的行驶距离，以及v表示周围车辆的速度。
另一方面，周围车辆驾驶信息计算单元140获得关于周围车辆的标识符的信息并将其分配给周围车辆和周围车辆的驾驶信息。作为获得方法，存在如下方法：从周围车辆检测单元130所拍摄的包括周围车辆的图像中识别周围车辆的车牌号。然而，如果从图像中没有识别出车牌号，则可以不将标识符分配给相应的驾驶信息和相应的周围车辆。
驾驶辅助服务提供单元150基于通过通信单元110接收的车辆地图提供预定的驾驶辅助服务。例如，驾驶辅助服务提供单元150可以提供ADAS的各种驾驶辅助服务，例如前方碰撞警告、自动制动***、盲点检测等的功能。
为此，驾驶辅助服务提供单元150可以通过使用包括在车辆地图中的周围车辆的驾驶信息来基于当前时间预测和提供周围车辆的驾驶信息。在本文中，描述“预测”的原因是源于车辆地图中包括的驾驶信息是多个车辆中的每一个在“当前时间”之前的先前时间获得或计算的驾驶信息。换言之，这是因为可以基于在先前时间获得或计算的驾驶信息的过程来“预测”当前时间的驾驶信息。驾驶辅助服务提供单元150可以通过使用以下等式6来基于当前时间预测周围车辆的驾驶信息。
[等式6]
xa，t2＝xa，t1+v(t2-t1)cosθa
ya，t2＝ya，t1+v(t2-t1)sinθa
在本文中，(xa,t2，ya,t2)表示基于当前时间t2预测的周围车辆的位置，以及时间t1表示各个车辆获得或计算驾驶信息的时间。
另一方面，如果满足预定条件，则驾驶辅助服务提供单元150可以提供上述驾驶辅助服务。例如，驾驶辅助服务提供单元150可以通过使用包括在车辆地图中的自身车辆的驾驶信息来基于当前时间预测自身车辆的驾驶信息，然后如果自身车辆的预测驾驶信息与实际驾驶信息之间的信息差异小于阈值，则使上述驾驶辅助服务被提供。通过这个，可以验证车辆地图的有效性。
接下来，将描述车辆地图提供服务器200。
图5示出了根据实施方式的图示执行车辆地图提供方法的过程的流程图，以及图7示出了执行图5所示的车辆地图提供方法的车辆地图提供服务器200的框图。
在本文中，由于图5和图7只是示例，因此本公开内容的构思不限于图5和图7所示的构思。
参照图5，通过包括如下步骤来执行车辆地图提供方法：步骤S200，从多个车辆中的每一个接收针对车辆获得的驾驶信息和针对车辆的周围车辆计算的驾驶信息；步骤S210，通过针对每个车辆收集接收到的多个车辆中的每一个的驾驶信息和接收到的多个车辆的周围车辆的驾驶信息来生成车辆地图；步骤S230，提取要发送至多个车辆中的每一个的车辆地图，以便包括关于在相应车辆的路线上的周围车辆的驾驶信息；以及步骤S240，将所提取的车辆地图中的每一个发送至相应的车辆。
在本文中，车辆地图是指在地图上不仅显示上述其自身车辆的驾驶信息而且显示周围车辆的驾驶信息的地图数据，并且作为示例在图6中示出。由于可以通过车辆地图识别周围车辆的位置、姿态角、行驶方向或速度，因此可以在车辆310和320中的每一个中提供使用它们的ADAS的各种驾驶辅助服务，如前方碰撞警告、自动制动***、盲点检测等的功能。
为此，车辆地图提供服务器200包括通信单元210、车辆地图生成单元220和车辆地图提取单元230作为部件。车辆地图提供服务器200的每个部件可以以由处理器执行的硬件模块或软件模块的形式或者软件模块和硬件模块的组合的形式来实现。
在下文中，将参照图5至图9详细描述车辆地图提供服务器200的每个部件以及由每个部件执行的操作或效果。
通信单元210是无线通信模块。例如，通信单元210可以是能够通过采用通信方法、通过采用诸如CDMA、GSM、W-CDMA、TD-SCDMA、WiBro、LTE、EPC、无线LAN、Wi-Fi、蓝牙、Zigbee、Wi-Fi直连(WFD)、超宽带(UWB)、红外数据协会(IrDA)、低功耗蓝牙(BLE)或近场通信(NFC)的通信方法来执行无线通信的无线通信模块。
车辆地图提供服务器200可以通过通信单元210通过分布和安装在道路上的多个V2I基站中的任何一个与车辆进行发送和接收数据。例如，如果车辆连接至多个V2I基站中的靠近其当前位置的V2I基站，则车辆地图提供服务器200可以通过通信单元210通过车辆所连接的V2I基站与车辆或安装在车辆上的驾驶信息提供设备100进行发送和接收数据。
通过通信单元210，车辆地图提供服务器200接收多个车辆的驾驶信息。在这种情况下，接收到的驾驶信息不仅可以包括关于发送驾驶信息的车辆的信息，而且可以包括关于发送驾驶信息的车辆周围的周围车辆的信息。另外，接收到的驾驶信息可以包括相应车辆的位置信息、姿态角信息、行驶方向信息、速度信息和标识符、以及获得相应车辆的驾驶信息的时间信息中的至少之一，但是不限于此。
车辆地图生成单元220针对每个车辆收集通过通信单元210接收的上述驾驶信息。将参照图8描述收集过程。
参照图8，在步骤S211中，车辆地图生成单元220确定通过通信单元210接收的驾驶信息中是否包括标识符。标识符可以包括车辆ID或车牌号。在一些情况下，接收到的驾驶信息可以不包括标识符。例如，当其自身车辆无法识别周围车辆的车牌号时就会是这种情况。
作为确定的结果，如果在接收到的驾驶信息中包括标识符，则在步骤S212中，车辆地图生成单元220基于标识符收集每个车辆的驾驶信息。因此，例如，接收到的第一车辆的驾驶信息和接收到的第二车辆的驾驶信息可以被分开收集。
然而，作为确定的结果，如果在接收到的驾驶信息中不包括标识符，则在步骤S213中，根据实施方式的车辆地图生成单元220可以基于车辆的位置信息和姿态角信息来收集每个车辆的驾驶信息。下面将更详细地描述步骤S213。
首先，车辆地图生成单元220从不包括标识符的驾驶信息中提取车辆的位置信息和姿态角信息。此后，车辆地图生成单元220通过将提取的位置信息和提取的姿态角信息与先前即对于具有标识符的每个车辆收集的最新位置信息和最新姿态角信息进行比较来得出每个误差。车辆地图生成单元220提取具有得出的误差为最小或小于阈值的位置信息和姿态信息的车辆的标识符。车辆地图生成单元220在假设提取的标识符是用于不包括上述标识符的驾驶信息的标识符之后执行收集。
在本文中，在得出上述误差的过程中，可以应用如下方法：通过将车辆的位置信息和姿态角信息的误差建模为高斯概率分布(均值和协方差)来使用以下等式7的马哈拉诺比斯(Mahalanobis)距离计算。
[等式7]
在本文中，P1和P2中的每一个表示从中得出误差的两个车辆中的每一个的位置/方向，并且C1和C2中的每一个表示与P1和P2中的每一个相对应的协方差矩阵。如果马哈拉诺比斯距离Dm的值小于或等于阈值，则其被确定为交叠。
此外，根据另一实施方式的车辆地图生成单元220可以从周围车辆检测单元130所拍摄的包括周围车辆的图像中提取特征点，基于特征点执行车辆之间的匹配，然后收集每个车辆的驾驶信息。在下文中，将描述根据另一实施方式的由车辆地图生成单元220执行的收集驾驶信息的方法。
参照图9，在步骤S300中，车辆地图生成单元220可以首先提取从周围车辆检测单元130所拍摄的包括周围车辆的图像中检测到的车辆区域的特征点，并生成与其相对应的描述符。具体地，车辆地图生成单元220可以从周围车辆检测单元130拍摄的周围图像中检测每个车辆的车辆区域。在本文中，车辆区域可以表示图4所示的边界框。
在车辆区域的检测之后，车辆地图生成单元220可以通过使用尺度不变特征变换(SIFT)、加速鲁棒特征(SURF)、定向快速旋转简要(ORB)等方法从周围车辆检测单元130拍摄的周围图像上的车辆区域中提取每个车辆的特征点。图10示出了图示车辆地图生成单元220从车辆区域提取的特征点的图。此后，车辆地图生成单元220可以通过使用特征点周围的图像信息来生成描述符。
在生成描述符之后，在步骤S310中，车辆地图生成单元220可以通过使用提取的特征点和描述符来执行特定车辆与其余车辆之间的匹配。图11示出了车辆地图生成单元220执行的基于特征点和描述符的匹配结果。
此后，在步骤S320中，车辆地图生成单元220可以通过使用基于RANSAC的仿射变换来获得有效的匹配结果。由于匹配结果中可能存在噪声，因此车辆地图生成单元220可以通过使用基于RANSAC的仿射变换来确定匹配结果的有效性。
如等式8所示的是通过仿射变换从特征点的像素坐标(x，y)转换而来的坐标(u，v)。
[等式8]
在本文中，m1、m2、m3、m4、tx和ty可以表示仿射变换的参数。为了获得仿射变换的参数，车辆地图生成单元220可以将等式8转换为诸如AX＝B的形式。具体地，车辆地图生成单元220可以将等式8转换为等式9以获得仿射变换的参数。
[等式9]
当通过等式9获得所有特征点的仿射变换的参数时，车辆地图生成单元220可以将相应的匹配确定为像素坐标误差小于或等于阈值的特征点的有效匹配，然后确定有效特征点的数目。
此后，车辆地图生成单元220可以重复上述匹配过程预定次数，然后当有效特征点的数目为最大时确定m1、m2、m3、m4、tx和ty作为仿射变换的参数。
在这种情况下，如果特征点之间的匹配结果中没有1：N的匹配结果，即没有一对多的匹配结果，则在步骤S330中，如果车辆之间的距离小于或等于阈值，则车辆地图生成单元220可以将车辆确定为相同车辆。具体地，如果车辆的特征点之间的距离小于或等于阈值，则车辆地图生成单元220可以确定车辆为相同车辆。
另一方面，如果特征点之间的匹配结果中存在一对多的匹配结果，则在步骤S340中，如果车辆之间的距离小于或等于阈值，并且有效特征点的匹配数目最大或车辆之间的距离最小，则车辆地图生成单元220可以将车辆确定为相同车辆。具体地，如果车辆的特征点之间的距离小于或等于阈值，并且有效特征点的匹配数目最大或车辆之间的距离最小，则车辆地图生成单元220可以确定车辆为相同车辆。
当根据上述方法确定车辆是否为相同车辆时，车辆地图生成单元220可以收集每个车辆的驾驶信息。车辆地图生成单元220可以将通过确定车辆为相同车辆而收集的驾驶信息中最后接收到的驾驶信息确定为相同车辆的驾驶信息。
此外，根据另一实施方式的车辆地图生成单元220可以通过使用通过机器学习例如深度学习生成的车辆分类符来收集每个车辆的驾驶信息。在下文中，将描述根据另一实施方式的由车辆地图生成单元220执行的收集驾驶信息的方法。
在收集每个车辆的驾驶信息之前，可以由车辆地图提供服务器200生成车辆分类符并且可以预先存储车辆分类符。为此，车辆地图提供服务器200可以首先针对多个车辆型号中的每一个生成如图12所示的各种尺寸的训练图像。
如上所述，对于一个车辆型号生成各种尺寸的训练图像是为了生成能够识别各种距离的车辆型号的车辆分类符。通过这个，与通过学习特定尺寸的训练图像生成的人工神经网络相比，可以生成对车辆型号具有更高识别率的人工神经网络。
在这种情况下，车辆地图提供服务器200可以通过基于车辆型号的可识别距离改变尺寸来生成多个训练图像。通常，如果设置在车辆中的相机从车辆面向前方，则可以根据距相机的距离来确定相机拍摄的图像上车辆的尺寸。基于此，根据实施方式的车辆地图提供服务器200可以确定最小识别距离和最大识别距离，并且可以在最小识别距离和最大识别距离中的每一个处确定图像上每个车辆型号的尺寸。此后，根据实施方式的车辆地图提供服务器200可以在最小识别距离与最大识别距离之间划分为任意数量的部分，并且可以生成与划分的部分中的每一个相对应的训练图像。
此后，车辆地图提供服务器200可以通过使用针对多个车辆型号中的每一个生成的各种尺寸的训练图像作为一个输入来训练人工神经网络。根据实施方式的车辆地图提供服务器200可以通过学习作为一个输入数据的每个车辆型号的各种尺寸的训练图像来生成车辆分类符，并且所生成的车辆分类符可以是基于神经网络的模型。基于神经网络的车辆分类符可以实现为诸如卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)和双向循环深度神经网络(BRDNN)的模型。
根据实施方式的车辆分类符可以包括训练图像所输入到的输入层、输出与输入训练图像相对应的车辆型号的输出层、以及设置在输入层与输出层之间的多个隐藏层。输出层可以与多个隐藏层中的最后隐藏层形成全连接网络。在这种情况下，人工神经网络的输出层可以包括N个数量的车辆型号的节点，并且每个节点可以表示车辆型号。
如果车辆分类符被实现为CNN模型，则多个隐藏层可以包括多个卷积层和子采样层。卷积层可以通过将各种卷积核应用于输入对象图像来获得训练图像的特征向量。以这种方式，卷积核可以作为一种用于提取高维训练图像的特征的模板。子采样层可以是减少获得的特征向量的维度的神经元层，并且可以降低卷积层生成的特征向量的空间分辨率。通过这个过程，车辆分类符可以降低问题的复杂性。卷积层和子采样层可以重复地设置在隐藏层中，使得可以重复地执行上述过程。
车辆地图提供服务器200可以通过使用反向传播来在使输出与正确答案之间的误差最小化的方向上重新调整人工神经网络的参数，并且可以通过使用上述输入来重复地训练人工神经网络直到输出收敛到正确答案为止。根据实施方式的车辆地图提供服务器200可以根据监督学习生成车辆分类符。监督学习可以指示学习包括输入和与输入相对应的标签的训练数据的机器学习方法，并且标签可以指示训练数据中对输入的正确答案。
当遵循监督学习方法时，车辆地图提供服务器200可以通过使用多个训练图像作为输入并学习其中训练图像中的车辆型号与初始标签相关联的训练数据来生成车辆分类符。具体地，车辆地图提供服务器200可以通过学习作为输入的训练图像与作为正确答案的车辆型号之间的关系来根据车辆型号对输入的训练图像进行分类。
可替选地，车辆地图提供服务器200可以通过使用其中车辆型号在训练图像上被标记的一些训练数据以及包括未标记的训练图像的其余训练数据一起学习的半监督学习生成车辆分类符。否则，车辆地图提供服务器200可以根据使用关于学习结果是否正确的反馈的强化学习来生成车辆分类符。
可替选地，车辆地图生成单元220可以从外部设备接收上述车辆分类符。
如果生成或提供了车辆分类符，则车辆地图生成单元220可以从周围车辆检测单元130拍摄的周围图像中检测每个车辆的车辆区域。在本文中，车辆区域可以指示图4所示的边界框。
此后，车辆地图生成单元220可以将检测到的车辆区域的尺寸改变为用于学习关于车辆分类符的训练图像的各种尺寸。图13(a)示出了从周围图像中检测每个车辆的车辆区域的结果，以及图13(b)示出了图13(a)中检测到的任何一个车辆区域的不同变化的尺寸。
在以不同方式改变车辆区域的尺寸之后，车辆地图生成单元220可以将彼此不同尺寸的多个车辆区域作为一个输入输入至车辆分类符，并且可以基于来自车辆分类符的输出结果确定车辆型号。车辆分类符可以针对每个车辆型号输出0到1的可靠性，并且车辆地图生成单元220可以选择具有最高可靠性的车辆型号，但是如果可靠性大于或等于阈值，则可以确定其是有效的。
在这种情况下，如果存在多个相同的车辆型号，则车辆地图生成单元220可以通过使用等式7来计算马哈拉诺比斯距离，然后可以将具有最小马哈拉诺比斯距离的车辆确定为相同车辆。
如果根据上述方法确定车辆是否为相同车辆，则车辆地图生成单元220可以收集每个车辆的驾驶信息。车辆地图生成单元220可以将通过将车辆确定为相同车辆而收集的驾驶信息中的最后接收的驾驶信息确定为相同车辆的驾驶信息。
车辆地图生成单元220基于相同车辆的驾驶信息生成车辆地图。此时，车辆地图生成单元220可以在去除更新延迟的驾驶信息之后生成车辆地图，并且这将参照图14进行描述。
参照图14，在通过图8的方法针对每个车辆收集驾驶信息之后，在步骤S214中，车辆地图生成单元220在要生成车辆地图的时间处确定从更新每个车辆的驾驶信息的时间或最后接收到驾驶信息的时间已经过去了多少时间。如果经过时间超过阈值，即如果存在更新延迟的驾驶信息，则车辆地图生成单元220在步骤S215中去除延迟的驾驶信息，然后在步骤S216中生成车辆地图。
在本文中，可以以各种方式确定是否存在更新延迟的驾驶信息。例如，如果车辆的速度与未更新的经过时间的乘积，即车辆未更新已行驶的距离等于或大于预定阈值，则可以确定其是更新延迟的驾驶信息。可替选地，如果车辆的速度为零，则如果未更新的经过时间等于或大于预定阈值，则可以确定其是更新延迟的驾驶信息。然而，这只是确定是否存在更新延迟的驾驶信息的示例。
车辆地图提取单元230从车辆地图生成单元220生成的车辆地图中提取要发送至多个车辆中的每一个的车辆地图。提取的车辆地图可以通过通信单元210发送至相应的车辆。在这种情况下，要发送至多个车辆中的每一个的车辆地图可以是指包括相应车辆的驾驶信息或相应车辆的路线上的周围车辆的驾驶信息的车辆地图。
此外，由于通过使用通信单元210从多个车辆接收的驾驶信息是多个车辆中的每一个生成驾驶信息时的驾驶信息，因此可以预测在执行每个步骤时车辆的驾驶信息以提供，以便车辆地图生成单元220生成车辆地图，或者以便车辆地图提取单元230提取要发送至每个车辆的车辆地图。
因此，要发送至多个车辆中的每一个的车辆地图可以包括在相应车辆的路线上的周围车辆的驾驶信息、或基于生成车辆地图的时间预测的或者基于多个车辆中的每一个生成驾驶信息时的驾驶信息提取的相应车辆的驾驶信息。
换言之，根据实施方式，即使存在不具有支持诸如V2V或V2I的通信功能的模块的车辆，也可以将包括不具有该模块的车辆的驾驶信息的车辆地图提供给另一车辆或另一驾驶员。此外，可以向相应车辆提供包括其自身车辆未检测到的周围车辆的驾驶信息的车辆地图。因此，可以快速、准确且主动地向每个车辆提供驾驶辅助服务。
如上所述，接收到生成的车辆地图的车辆的驾驶信息提供设备100可以预测自身车辆和周围车辆的驾驶信息。具体地，驾驶信息提供设备100的驾驶辅助服务提供单元150可以基于从车辆地图提供服务器200接收的车辆地图来预测自身车辆和周围车辆的驾驶信息。
另外，如果针对自身车辆和周围车辆预测的驾驶信息与由自身车辆估计的驾驶信息之间的差异大于或等于阈值，则驾驶辅助服务提供单元150可以通过预测的驾驶信息与实际的驾驶信息之间的匹配来校正预测的驾驶信息。在本文中，自身车辆估计的驾驶信息可以指示由自身车辆驾驶信息获得单元120和周围车辆驾驶信息计算单元140获得的驾驶信息。
驾驶辅助服务提供单元150可以通过识别车牌号的结果，或以车辆地图提供服务器200执行的相同方法提取车辆区域中的图像特征点和描述符并进行匹配来执行周围车辆之间的匹配。在执行匹配之后，驾驶辅助服务提供单元150可以获得周围车辆和自身车辆的匹配误差，并且可以通过使用匹配误差的平均值来校正预测的驾驶信息。具体地，驾驶辅助服务提供单元150可以根据等式10来校正预测的驾驶信息。
[等式10]
在本文中，如果给定n个数目的相应车辆，则xi@vehicle和yi@vehicle可以是指指示自身车辆估计的车辆位置的坐标，以及xi@server和yi@server可以是指指示根据车辆提供服务器200提供的车辆地图预测的车辆位置的坐标。此外，x和y可以指示用于校正车辆的预测位置的值，以及驾驶辅助服务提供单元150可以将车辆的预测位置校正为xi@server+x和yi@server+y。
此时，如果根据等式10的校正结果与自身车辆估计的驾驶信息之间的误差小于或等于阈值，则驾驶辅助服务提供单元150确定其是可以预测周围车辆的位置的情况。
另一方面，如果在车辆地图预测的周围车辆的驾驶信息与自身车辆估计的周围车辆的驾驶信息之间出现交叠数据，则根据实施方式的驾驶辅助服务提供单元150可以通过使用周围车辆的驾驶信息的协方差误差来选择周围车辆的驾驶信息。
具体地，驾驶辅助服务提供单元150可以根据等式7预测指示周围车辆的绝对位置/方向的估计误差的协方差。在本文中，周围车辆的绝对位置/方向[xa，ya，θa]的协方差可以是3x3矩阵的形式。
此时，如果对角线分量之间的位置方差为Cxs和Cys，则驾驶辅助服务提供单元150可以选择基于车辆地图预测的周围车辆的位置的(Cxs+Cys)值和自身车辆估计的周围车辆的位置的(Cxs+Cys)值中较小的值作为周围车辆的位置。
可替选地，如果出现交叠数据，则根据另一实施方式的驾驶辅助服务提供单元150可以通过将卡尔曼(Kalman)滤波器应用于由自身车辆估计的周围车辆的驾驶信息和基于车辆地图预测的周围车辆的驾驶信息来选择周围车辆的驾驶信息。具体地，驾驶辅助服务提供单元150可以根据等式11获得周围车辆的位置/方向Pestimated。
[等式11]
Pestimated＝(Cs+Cv)-1(Cv -1ps+Cs -1Pv)
在本文中，Ps指示基于车辆地图预测的周围车辆的位置/方向，Pv指示自身车辆估计的周围车辆的位置/方向，以及Cs和Cv分别指示Ps和Pv的协方差矩阵。
图15示出了根据实施方式的图示在不存在车辆地图提供服务器200的环境中其自身车辆与周围车辆共享驾驶信息的方法的图。
参照图15，第一车辆410、第二车辆420和第三车辆430可以是配备有驾驶信息提供设备100的车辆。
在没有车辆地图提供服务器200的环境中，第一车辆410可以与在第一区域R1内行驶或定位的第二车辆420、第三车辆430和第四车辆440进行发送和接收第二车辆420、第三车辆430和第四车辆440中的每一个的驾驶信息以及第二车辆420、第三车辆430和第四车辆440中的每一个周围的周围车辆的驾驶信息。
在本文中，第一区域R1可以指示第一车辆410周围的区域，在该区域中第一车辆410旨在与周围车辆进行发送和接收驾驶信息。可以根据实施方式改变第一区域R1的尺寸、形状等。
另外，没有车辆地图提供服务器200的环境指示配备有驾驶信息提供设备100的车辆暂时或(半)永久不能与车辆地图提供服务器200进行通信的情况，或者车辆地图提供服务器200不存在的情况。
通过参照图2和图3描述的方法，第一车辆410可以向第三车辆430和第四车辆440发送由第一车辆410本身拍摄的第一图像、第一车辆410本身的驾驶信息以及第一图像上的第三车辆430和第四车辆440的驾驶信息。
更详细地，第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的自身车辆驾驶信息获得单元120来获得第一车辆410本身的自身驾驶信息。自身车辆驾驶信息可以包括第一车辆410的位置信息、姿态角信息、行驶方向信息、速度信息、获得驾驶信息的时间信息以及标识符中的至少之一。
此外，第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的周围车辆检测单元130来在第一图像上检测第三车辆430和第四车辆440。在图15中，为了描述方便，描述了第一车辆410基于第一车辆410的行驶方向向前拍摄，但不限于此。换言之，如果第一车辆410侧向或向后拍摄，则也可以检测在相应方向行驶或定位的车辆，以及不仅可以通过使用拍摄的图像还可以使用检测正在行驶或不在自身车辆周围移动的车辆的传感器来检测周围车辆。还可以使用传感器来检测附近的车辆。
第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的周围车辆驾驶信息计算单元140来计算第三车辆430和第四车辆440中的每一个的周围车辆驾驶信息。周围车辆驾驶信息可以包括第三车辆430和第四车辆440中的每一个的位置信息、姿态角信息、行驶方向信息、速度信息、获得驾驶信息的时间信息以及标识符中的至少之一。
第一车辆410可以通过使用第三车辆430和第四车辆440中的每一个的自身车辆驾驶信息和周围车辆驾驶信息来生成第一区域R1或比第一区域R1宽的区域的车辆地图。在本文中，比第一区域R1宽的区域可以指示不仅包括第一区域R1而且包括在第一区域R1内行驶或定位的周围车辆的一部分区域的区域。
车辆地图可以分别包括第一车辆410的自身驾驶信息以及第三车辆430和第四车辆440中的每一个的周围车辆驾驶信息。换言之，车辆地图可以显示第一车辆410以及在第一车辆410周围行驶或定位的第三车辆430和第四车辆440的位置信息、行驶方向信息、速度信息、获得驾驶信息的时间信息以及标识符。
第一车辆410可以将车辆地图发送至第三车辆430和第四车辆440。第一车辆410可以从第三车辆430和第四车辆440接收由第三车辆430和第四车辆440中的每一个生成的车辆地图。
此时，第一车辆410可以从第二车辆420接收车辆地图，该车辆地图包括第二车辆420的自身车辆驾驶信息以及第一车辆410、第四车辆440和第五车辆450中的每一个的周围车辆驾驶信息。第一车辆410可以通过接收到的车辆地图识别第二车辆420在第一车辆410本身周围驾驶或定位。
第一车辆410可以通过使用从第二车辆420、第三车辆430和第四车辆440接收的车辆地图来更新由第一车辆410本身生成的车辆地图，并且可以将更新的车辆地图发送至第二车辆420、第三车辆430和第四车辆440。更新的车辆地图不仅可以包括第三车辆430和第四车辆440的驾驶信息，而且可以包括从第二车辆420接收到的第二车辆420和第五车辆450的驾驶信息。
与第一车辆410类似，第二车辆420可以将第二车辆420生成的车辆地图发送至在第二区域R2内行驶或定位以及第二车辆420旨在与其进行发送和接收驾驶信息的第一车辆410、第四车辆440和第五车辆450。此外，第二车辆420可以从第一车辆410、第四车辆440和第五车辆450中的每一个接收由第一车辆410、第四车辆440和第五车辆450中的每一个生成的车辆地图，可以通过使用接收到的车辆地图来更新第二车辆420本身生成的车辆地图，并且可以将更新的车辆地图发送至第一车辆410、第四车辆440和第五车辆450。
通过上述过程，虽然第一车辆410本身没有检测到第二车辆420，但是第一车辆410可以获得在第一车辆410周围行驶或定位的第二车辆420的驾驶信息，并且虽然第五车辆450未位于第一区域R1中，但是第一车辆410可以获得第二区域R2内的第五车辆450的驾驶信息。因此，第一车辆410的车辆地图还可以包括第二车辆420和第五车辆450的驾驶信息。因此，第一车辆410可以生成比第一区域R1宽的区域的车辆地图。
根据实施方式，第一车辆410无法与车辆地图提供服务器200进行通信，但此后第一车辆410移动到通信可用区域，或者驾驶信息提供设备100或车辆地图提供服务器200被修复，从而再次启用第一车辆410与车辆地图提供服务器200之间的通信。在这种情况下，第一车辆410可以向车辆地图提供服务器200发送车辆地图、或者最近生成或更新的自身车辆驾驶信息和周围车辆驾驶信息。
此外，在没有车辆地图提供服务器200的环境中，参照图5至图14描述的车辆地图提供服务器200管理自身车辆和周围车辆的驾驶信息的方法可以相同地应用于第一车辆410。
然而，当车辆地图提供服务器200管理大范围内的驾驶信息时，第一车辆410管理第一区域R1中或比第一区域R1宽的区域中的驾驶信息，并且第一车辆410与第二车辆420至第五车辆450分开地生成或更新车辆地图，使得车辆之间的标识符的共享可能不是很重要。因此，根据实施方式，在没有车辆地图提供服务器200的环境中的第一车辆410可以不执行通过使用标识符确定车辆是否相同以及基于标识符收集每个车辆的驾驶信息的功能。
图16示出了根据实施方式的图示在不存在车辆地图提供服务器200的环境中其自身车辆与周围车辆共享驾驶信息的方法的流程图。
参照图15和图16，在步骤S1600中，第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的自身车辆驾驶信息获得单元120来获得第一车辆410本身的自身车辆驾驶信息。
在步骤S1610中，第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的周围车辆检测单元130来在由第一车辆410拍摄的第一图像上检测第三车辆430和第四车辆440。
在步骤S1620中，第一车辆410可以通过使用安装在第一车辆410上的驾驶信息提供设备100中包括的周围车辆驾驶信息计算单元140来计算第三车辆430和第四车辆440中的每一个的周围车辆驾驶信息。
在步骤S1630中，第一车辆410可以通过使用自身车辆驾驶信息和第三车辆430和第四车辆440中的每一个的周围车辆驾驶信息生成车辆地图。
在步骤S1640中，第一车辆410可以向第三车辆430和第四车辆440发送车辆地图。
在步骤S1650中，第一车辆410可以从第三车辆430和第四车辆440接收由第三车辆430和第四车辆440中的每一个生成的车辆地图，并且可以从第二车辆420接收第二车辆420的自身驾驶信息、以及第一车辆410、第四车辆440和第五车辆450中的每一个的周围车辆驾驶信息。
在步骤S1660中，第一车辆410可以通过使用从第二车辆420、第三车辆430和第四车辆440接收的车辆地图来更新由第一车辆410本身生成的车辆地图。在步骤S1670中，第一车辆410可以将更新的车辆地图发送至第二车辆420、第三车辆430和第四车辆440。
另一方面，根据实施方式的驾驶信息提供方法和车辆地图提供方法中的每一个可以以计算机程序的形式实现，该计算机程序被编程为执行其中包括的每个步骤并且存储在计算机可读记录介质中。
以上描述仅为本公开内容的技术范围的示例性描述，并且本领域技术人员将理解，在不脱离本公开内容的原有特征的情况下，可以进行各种变化和修改。因此，本公开内容中所公开的实施方式旨在解释而非限制本公开内容的技术范围，并且本公开内容的技术范围不受实施方式的限制。本公开内容的保护范围应当基于所附权利要求解释，并且应当理解，与其等同的范围内包括的所有技术范围被包括在本公开内容的保护范围内。
工业适用性
根据实施方式，上述驾驶信息提供方法、车辆地图提供服务器200和车辆地图提供方法可以用于各种领域，例如家庭、工业现场等，从而具有工业适用性。

Claims (15)

1.一种由车辆地图提供服务器执行的车辆地图提供方法，所述方法包括：
从第一车辆接收第一信息，所述第一信息包括所述第一车辆拍摄的第一图像、所述第一车辆的第一驾驶信息、在所述第一图像上的第二车辆的第二驾驶信息；
从第三车辆接收第二信息，所述第二信息包括所述第三车辆拍摄的第二图像、所述第三车辆的第三驾驶信息、在所述第二图像上的第四车辆的第四驾驶信息；
通过使用预先存储的车辆地图信息，或通过使用所述第一信息和所述第二信息，确定所述第二车辆与所述第四车辆是否相同；
通过使用所述第二驾驶信息与所述第四驾驶信息中的至少一个以及所述第一驾驶信息和所述第三驾驶信息，根据所述第二车辆与所述第四车辆是否相同来生成车辆地图；
基于所述第一驾驶信息，根据所生成的所述车辆地图预测第一车辆地图，所述第一车辆地图包括所述第一车辆的路线上的一个或更多个车辆在当前时间的驾驶信息；以及
将所述第一车辆地图发送至所述第一车辆，
其中，生成所述车辆地图是下述操作：如果所述第二车辆与所述第四车辆相同，则通过使用所述第二驾驶信息和所述第四驾驶信息中较晚生成的驾驶信息来生成所述车辆地图。
2.根据权利要求1所述的方法，其中，所述第二驾驶信息和所述第四驾驶信息包括相应车辆的位置信息、姿态角信息、行驶方向信息、速度信息、标识符以及获得相应车辆的所述驾驶信息的时间信息中的至少一种。
3.根据权利要求1所述的方法，其中，确定所述第二车辆与所述第四车辆是否相同包括：
将所述第二驾驶信息中包括的所述第二车辆的标识符与所述第四驾驶信息中包括的所述第四车辆的标识符进行比较；以及
基于比较的结果确定所述第二车辆与所述第四车辆是否相同。
4.根据权利要求1所述的方法，其中，确定所述第二车辆与所述第四车辆是否相同是下述操作：如果所述第二驾驶信息或所述第四驾驶信息中不包括标识符，则通过使用所述第二驾驶信息中包括的所述第二车辆的位置信息和姿态角以及所述第四驾驶信息中包括的所述第四车辆的位置信息和姿态角来确定所述第二车辆与所述第四车辆是否相同。
5.根据权利要求1所述的方法，其中，确定所述第二车辆与所述第四车辆是否相同包括：
在所述第一图像上提取所述第二车辆的第一特征点；
在所述第二图像上提取所述第四车辆的第二特征点；以及
基于所述第一特征点与所述第二特征点是否匹配，确定所述第二车辆与所述第四车辆是否相同。
6.根据权利要求5所述的方法，其中，如果所述第一特征点与所述第二特征点匹配并且所述第二车辆与所述第四车辆之间的距离小于或等于阈值，则所述第二车辆被确定为与所述第四车辆相同。
7.根据权利要求1所述的方法，其中，确定所述第二车辆与所述第四车辆是否相同是下述操作：通过使用机器学习模型来确定所述第二车辆与所述第四车辆是否相同，所述机器学习模型是通过将尺寸彼此不同、针对多个车辆型号中的每一个的多个训练图像接收作为一个输入来训练的。
8.一种由上面安装有驾驶信息提供设备的第一车辆执行的车辆地图提供方法，所述方法包括：
从位于所述第一车辆周围的第二车辆接收第一信息，所述第一信息包括所述第二车辆拍摄的第一图像、所述第二车辆的第一自身车辆驾驶信息以及在所述第一图像上的第三车辆的第一周围车辆驾驶信息；
从位于所述第一车辆周围的第四车辆接收第二信息，所述第二信息包括所述第四车辆拍摄的第二图像、所述第四车辆的第二自身车辆驾驶信息以及在所述第二图像上的第五车辆的第二周围车辆驾驶信息；
通过使用预先存储的车辆地图信息，或通过使用所述第一信息和所述第二信息，确定所述第三车辆与所述第五车辆是否相同；以及
通过使用所述第一周围车辆驾驶信息和所述第二周围车辆驾驶信息中的至少一个以及所述第一自身车辆驾驶信息和所述第二自身车辆驾驶信息，根据所述第三车辆与所述第五车辆是否相同来生成当前时间的车辆地图，
其中，生成所述车辆地图是下述操作：如果所述第三车辆与所述第五车辆相同，则通过使用所述第一周围车辆驾驶信息和所述第二周围车辆驾驶信息中较晚生成的驾驶信息来生成所述车辆地图。
9.根据权利要求8所述的方法，其中，所述第一周围车辆驾驶信息和所述第二周围车辆驾驶信息包括相应车辆的位置信息、姿态角信息、行驶方向信息、速度信息、标识符以及获得相应车辆的所述驾驶信息的时间信息中的至少一种。
10.根据权利要求8所述的方法，其中，确定所述第三车辆与所述第五车辆是否相同包括：
将所述第一周围车辆驾驶信息中包括的所述第三车辆的标识符与所述第二周围车辆驾驶信息中包括的所述第五车辆的标识符进行比较；以及
基于比较的结果确定所述第三车辆与所述第五车辆是否相同。
11.根据权利要求8所述的方法，其中，确定所述第三车辆与所述第五车辆是否相同是下述操作：如果所述第一周围车辆驾驶信息或所述第二周围车辆驾驶信息中不包括标识符，则通过使用所述第一周围车辆驾驶信息中包括的所述第三车辆的位置信息和姿态角以及所述第二周围车辆驾驶信息中包括的所述第五车辆的位置信息和姿态角来确定所述第三车辆与所述第五车辆是否相同。
12.根据权利要求8所述的方法，其中，确定所述第三车辆与所述第五车辆是否相同包括：
在所述第一图像上提取所述第三车辆的第一特征点；
在所述第二图像上提取所述第五车辆的第二特征点；以及
基于所述第一特征点与所述第二特征点是否匹配来确定所述第三车辆与所述第五车辆是否相同。
13.根据权利要求12所述的方法，其中，如果所述第一特征点与所述第二特征点匹配并且所述第三车辆与所述第五车辆之间的距离小于或等于阈值，则所述第三车辆被确定为与所述第五车辆相同。
14.根据权利要求8所述的方法，其中，确定所述第三车辆与所述第五车辆是否相同是下述操作：通过使用机器学习模型来确定所述第三车辆与所述第五车辆是否相同，所述机器学习模型是通过将尺寸彼此不同、针对多个车辆型号中的每一个的多个训练图像接收作为一个输入来训练的。
15.一种包括计算机程序的非暂态计算机可读存储介质，其中，所述计算机程序包括指令，所述指令在由处理器执行时使所述处理器执行根据权利要求1至14中任一项所述的车辆地图提供方法。
CN202080015561.2A 2019-02-19 2020-02-19 驾驶信息提供方法以及车辆地图提供服务器和方法 Active CN113454692B9 (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR10-2019-0019488 2019-02-19
KR1020190019488A KR20200101188A (ko) 2019-02-19 2019-02-19 주행 정보 제공 방법, 차량맵 제공 서버 및 방법
KR10-2019-0069873 2019-06-13
KR1020190069873A KR20200142716A (ko) 2019-06-13 2019-06-13 주행 정보 제공 방법, 차량맵 제공 서버 및 방법
PCT/KR2020/002426 WO2020171605A1 (ko) 2019-02-19 2020-02-19 주행 정보 제공 방법, 차량맵 제공 서버 및 방법

Publications (3)

Publication Number Publication Date
CN113454692A CN113454692A (zh) 2021-09-28
CN113454692B true CN113454692B (zh) 2024-04-16
CN113454692B9 CN113454692B9 (zh) 2024-07-02

Family

ID=

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739843A (zh) * 2009-12-04 2010-06-16 河海大学常州校区 多视觉信息融合的车辆安全驾驶实时立体感知装置及方法
CN104867356A (zh) * 2015-06-04 2015-08-26 重庆邮电大学 一种基于DSRC和Telematics的车辆威胁评估***
KR20160050873A (ko) * 2014-10-31 2016-05-11 오재영 투명 내비게이션 기능이 포함된 블랙박스 시스템
CN105711597A (zh) * 2016-02-25 2016-06-29 江苏大学 前方局部行驶环境感知***及方法
KR20160116727A (ko) * 2015-03-31 2016-10-10 (주)그린아이티코리아 전자 장치를 이용한 차량 추적 시스템, 서버 및 그 제공 방법
CN107972671A (zh) * 2017-07-19 2018-05-01 宁波诺丁汉大学 一种驾驶行为分析***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739843A (zh) * 2009-12-04 2010-06-16 河海大学常州校区 多视觉信息融合的车辆安全驾驶实时立体感知装置及方法
KR20160050873A (ko) * 2014-10-31 2016-05-11 오재영 투명 내비게이션 기능이 포함된 블랙박스 시스템
KR20160116727A (ko) * 2015-03-31 2016-10-10 (주)그린아이티코리아 전자 장치를 이용한 차량 추적 시스템, 서버 및 그 제공 방법
CN104867356A (zh) * 2015-06-04 2015-08-26 重庆邮电大学 一种基于DSRC和Telematics的车辆威胁评估***
CN105711597A (zh) * 2016-02-25 2016-06-29 江苏大学 前方局部行驶环境感知***及方法
CN107972671A (zh) * 2017-07-19 2018-05-01 宁波诺丁汉大学 一种驾驶行为分析***

Also Published As

Publication number Publication date
CN113454692A (zh) 2021-09-28
US20210364321A1 (en) 2021-11-25
WO2020171605A1 (ko) 2020-08-27

Similar Documents

Publication Publication Date Title
KR102221695B1 (ko) 자율주행을 위한 고정밀 지도의 업데이트 장치 및 방법
US11216673B2 (en) Direct vehicle detection as 3D bounding boxes using neural network image processing
Nguyen et al. Stereo-camera-based urban environment perception using occupancy grid and object tracking
Suhr et al. Sensor fusion-based vacant parking slot detection and tracking
KR102016549B1 (ko) 차량 및 차선 위치 검출 시스템 및 방법
US11527077B2 (en) Advanced driver assist system, method of calibrating the same, and method of detecting object in the same
US20210364321A1 (en) Driving information providing method, and vehicle map providing server and method
JP2019500602A (ja) 画像ベースの車両位置特定のためのシステム及び方法
CN111263960B (zh) 用于更新高清晰度地图的设备和方法
WO2012086821A1 (ja) 測位装置、測位方法
JP6520740B2 (ja) 物体検出方法、物体検出装置、およびプログラム
CN105716567A (zh) 通过单眼图像获取设备侦测物体与机动车辆距离的方法
EP3428878A1 (en) Image recognition system
EP3217376A2 (en) Object detecting device, object detecting method, and computer-readable medium
US11514683B2 (en) Outside recognition apparatus for vehicle
US20200047751A1 (en) Cooperative vehicle safety system and method
CN115923839A (zh) 一种车辆路径规划方法
US11899101B2 (en) Predicting the course of a road on the basis of radar data
Al Mamun et al. Efficient lane marking detection using deep learning technique with differential and cross-entropy loss.
CN113454692B9 (zh) 驾驶信息提供方法以及车辆地图提供服务器和方法
KR20200142716A (ko) 주행 정보 제공 방법, 차량맵 제공 서버 및 방법
JP6171608B2 (ja) 物体検出装置
JP2011214961A (ja) 基準パターン情報生成装置、方法、プログラムおよび一般車両位置特定装置
US20240161398A1 (en) Late-to-early temporal fusion for point clouds
US20230074419A1 (en) Training of 3d lane detection models for automotive applications

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
CI03 Correction of invention patent

Correction item: Description

Correct: Correct

False: Error

Number: 16-01

Page: ??

Volume: 40