JP2020535410A - レーダ測定に基づいて車両をマッピング及び位置特定する方法及びシステム - Google Patents

Abstract

少なくとも１つの車両の車両周辺をマッピングし、前記少なくとも１つの車両を位置特定するための方法であって、前記車両周囲の測定データが、前記少なくとも１つの車両の少なくとも１つのレーダセンサによって決定され、前記少なくとも１つのレーダセンサの測定データが集計され、前記集計測定データは既存の集計測定データと比較され、前記集計測定データと前記既存の集計測定データとの比較に基づいて、前記集計測定データは測定誤差を低減させることによって最適化され、前記最適化された集計測定データに基づいて、マップが作成又は更新され、前記決定された測定データを、前記作成されたマップと比較することによって、前記少なくとも１つの車両は作成又は更新されたマップ上で位置特定される方法が開示されている。さらに、システムが開示されている。

Description

本発明は、少なくとも１つの車両の車両周辺をマッピングし、少なくとも１つの車両を位置特定するための方法、及びそのような方法を実行するためのシステムに関する。

現在の自動型又は半自動型車両は、提供される地図情報に大きく依存している。地図情報は、ルートを計画し、車両の位置を決定するために使用される。この時、地図情報又はマップは、通常複数のレベル（Ｅｂｅｎｅ）で存在する。第１のレベルは、例えば、正確な車線コースと運転操作を計画するために使用される。このデータにより、自動型又は半自動型車両が車線を維持し、又は車線に適合できる。他のレベルは、車両内部のセンサによって検出でき、情報レベルの既存の情報との比較によって識別できる検出可能な対象物を有する。識別された対象物に基づいて、車両は対象物との相対的な位置を、ひいてはマップ上での位置を決定できる。例えば道路状況、気象条件、駐車場情報、交通量などの動的に変化する情報は、マップのさらなる情報レベルに格納できる。

自動運転又は半自動運転機能を可能にするために、この地図情報は高い最新性、及び高い空間的正確性をもたなければならない。

本発明の課題は、マップを作成及び更新し、マップ上の少なくとも１つの車両位置を識別するための方法及びシステムを提案することであると見なすことができる。

この課題は、独立請求項のそれぞれの主題によって解決される。本発明の有利な実施形態は、それぞれ従属請求項の主題である。
本発明の一態様によれば、少なくとも１つの車両の車両周辺をマッピングし、少なくとも１つの車両を位置特定する方法が提供される。本発明によれば、車両周囲の測定データが、１つのステップにおいて、少なくとも１つの車両の少なくとも１つのレーダセンサによって決定される。続いて、少なくとも１つのレーダセンサの測定データが集計され、既存の集計測定データと比較される。集計測定データと既存の集計測定データとの比較に基づいて、集計測定データは測定誤差を低減させることによって最適化される。マップは、最適化された集計測定データに基づいて作成又は更新される。少なくとも１つの車両は、決定された測定データを、作成又は更新されたマップと比較することによって位置特定される。

この方法により、関連する地図情報を含むマップが少なくとも１つの車両によって作成又は更新できる。特に、マップの精度は、複数回繰り返し測定することによって向上できる。この方法によって、現存のマップを拡大して最適化することもできる。

この方法では、特に、レーダ測定データは、少なくとも１つの車両によって決定され、続いて集計される。測定データを集計することにより、決定された測定データから関連する点群を特定でき、これにより測定データの総数を減らすことができる。これにより、特に複数の測定が実行される場合、又は複数のレーダセンサが並行して作動する場合、測定データの量を減少させ、方法の速度を向上させることができる。決定された測定データの一部は、考え得る車両周辺を絞り込むことによっても分類できる。

測定データの集計又は圧縮された点群は、既に決定された点群と比較し、互いに調整できる。このプロセスの一部として、決定された測定データの偏差が最小化されるように、例えば点群間の間隔を定義して互いに比較できる。点群又はグループ化された点群間の間隔は、レーダ測定値に対して実行されるオドメトリによっても決定できる。

誤差の最適化された測定データ、又はグループ化された点群として存在する様々な測定の測定データは、マップの作成に使用される。このために、例えば、それぞれの測定データの現存の測定データに対する幾何学的なひずみ修正、又は位置合わせなどのさらなる補正を実行できる。

マップを作成するか、マップを更新するために測定データを追加した後、マップは次のステップで圧縮できる。これにより、マップのメモリ容量必要量を減らすことができ、したがって、少なくとも１つの車両でマップに迅速にアクセスできる。

作成されたマップに基づいて、少なくとも１つの車両によって決定されたレーダ測定データを使用して、少なくとも１つの車両を位置特定できる。このために、決定された測定データは、相違点を鑑みてマップと比較される。このプロセスは、例えば、外部サーバユニットやクラウド上で実行できる。

本方法の一実施例によれば、少なくとも１つのレーダセンサの測定データは、クラスタ分析によって集計される。クラスタ分析により、決定された測定データと既に格納されている測定データとの間に類似構造を見つけることができる。これにより、複数の測定からの測定データを意味のある測定データに圧縮し、ひいては偏差及び測定誤差を解消できる。

本方法の一実施例によれば、少なくとも１つのレーダセンサの測定データがフィルタリングされる。決定された測定データの数は、さらなる処理又は計算のためにフィルタによって減少させることができる。特に、非論理的な測定データ、又は走査パターンの外側にある測定データは削除できる。さらに、例えば学習可能なニューラルネットワークなどの機械学習プロセスを使用して、決定した測定値を解釈及びフィルタリングできる。

本方法の一実施例によれば、集計測定データはノードを形成し、既存の集計測定データと比較するために、ノード間の接続経路が形成され、比較される。これにより、この方法は、いわゆる「グラフＳＬＡＭ」に類似して、又は同時に行われる位置特定及びマップ作成方法のためにノードとエッジを生成し、それらを使用して地図情報を比較及び最適化する。

本方法の一実施例によれば、少なくとも１つのノードは、少なくとも１つの測定データクラウドに基づいて形成される。測定データクラウドは、例えばいわゆる「反復最近傍点」アルゴリズム又は任意の点調整アルゴリズムによって互いに調整させ、互いに一致させることができる。これにより、分散した測定データクラウドを圧縮できるため、以降の計算の精度を高めることができる。

本方法の一実施例によれば、ノードは、少なくとも１つのレーダセンサの測定場所を表し、測定場所間の接続経路は、オドメトリによって決定される。したがって、ノードは、それぞれレーダ測定が実行されたマップ上の位置になることができる。異なる測定間の時間を測定することにより、測定場所間の距離を決定できる。特に、オドメトリによる方法は、２つのノード間の距離又は接続経路を決定するために使用できる。例えば、連続して実行される複数のレーダ測定を使用することにより、レーダに基づきオドメトリを接続経路の決定に使用できる。例えば加速度センサ、ホイールセンサ、ＬＩＤＡＲセンサ、超音波距離センサ、カメラなどの他のセンサも、単独で、又は組み合わせてオドメトリによる測定方法の実行に使用できる。

本方法の一実施例によれば、測定誤差を低減するために、集計測定データは、少なくとも１つの第２のセンサの測定データと比較される。さらに、決定されたレーダ測定データの誤差を低減するために、少なくとも１つのさらなるセンサを使用できる。例えば、ＬＩＤＡＲセンサやカメラに基づくセンサを、車両周辺内の特徴的な対象物や幾何学的形状を検出するために使用できる。これらの特徴は、レーダ測定データと比較できる。これにより、誤った測定データを分類又は最適化できるため、測定値から生成できるマップは高い精度を有することができる。

本方法の一実施例によれば、マップは、最適化された集計測定データと重ね合わせることによって更新される。この方法により、新しく決定された測定値が既に格納された測定値に重なるか、又はそれと並行して保存される場合、技術的に特に簡単にマップを更新できる。あるいは、既存の測定データを新しい測定データで置き換えることができる。

本方法の実施例によれば、作成されるマップは圧縮される。これにより、マップのメモリ容量必要量を減少させることができる。特に、マップが外部サーバユニットによって提供される場合、場所によって接続速度が損なわれている場合でも、関連する地図情報を車両によって迅速に取得することができる。

本方法の一実施例によれば、作成されたマップはクラスタ形成によって圧縮され、タイムスタンプが作成されたマップの各クラスタに割り当てられ、マップが更新されると、対応する古いクラスタが最新のクラスタに置き換えられる。決定及び圧縮された測定データから作成又は更新されたマップは、さらなるステップにおいて、クラスタ形成の範囲でそのメモリ容量必要量を削減できる。これにより、データサイズと測定密度とによってマップが使用できなくなるのを回避できる。このプロセスは、現存のマップを更新するためにも使用できる。このために、マップの更新に使用される測定データを事前にクラスタにまとめることができ、したがって、マップをクラスタで更新又は拡張できる。特に、マップ上の個々のクラスタにはタイムスタンプを備えることができる。これにより、最新のマップクラスタを記録する際に、古くなったクラスタを削除できる。特に、より高い重み付けの最新のクラスタを、さらなる計算又はルート計画に取り入れることができる。

本方法の一実施例によれば、圧縮されたマップは、対象物を認識するために分析される。作成され、続いて圧縮されたマップは、識別可能な対象物及び特徴に関して検査できる。特に、決定され、マップの形態で使用される測定値は、監視付きの、又は無人の機械学習プロセス又はニューラルネットワークによって、関連性及び認識可能な対象物又は特徴について分析できる。これにより、例えば、ランドマーク、地理的又は幾何学的特徴を測定値から抽出することができる。これにより、少なくとも１つの車両の位置特定を単純化又は加速することができる。特に、そのようなマップは、例えば光学センサによって抽出された特徴が決定及び比較できる限り、レーダセンサのない車両でも使用できる。

この方法の一実施例によれば、作成されたマップは、少なくとも１つの地理的マップにリンクされる。これにより、作成又は更新されたマップは、さらなる情報レベルに接続できる。例えば、交通情報や場所に依存する気象データを提供できる。従来のＧＰＳデータを、精度を高め、決定した測定データを確認するために使用することもできる。これにより、位置特定された車両を、連結されたマップ上でも正確な位置で割り当てることができる。少なくとも１つの車両の位置特定は、好ましくは、測定点を比較することによって、又は測定点をマップデータでフィルタリングすることによって実現することができる。さらに、決定された測定点を予め３次元の測定点群として２次元又は２．５次元の点群に変換することができるため、対応して作成されたマップとの比較が可能である。

本発明のさらなる態様によれば、少なくとも１つの車両の車両周辺をマッピングし、少なくとも１つの車両を位置特定するための本発明にかかる方法を実行するためのシステムが提供される。システムは、測定データを決定するための少なくとも１つのレーダセンサを備えた少なくとも１つの車両を有する。システムはさらに、決定された測定データに基づいてマップを作成し、決定された測定データに基づいて少なくとも１つの車両を位置特定するための、少なくとも１つの外部処理ユニット、又は少なくとも１つの車両に配置された少なくとも１つの内部処理ユニットを有する。

このシステムにより、車両は、単独で、又は少なくとも１つの外部サーバユニットと組み合わせて、マップをレーダ測定データによって作成及び更新できる。特に、このようにして、自動運転又は半自動運転機能のための、正確で最新の地図情報を提供できる。測定データの処理は、例えば、外部サーバユニット又は複数の外部サーバユニットで行うことができる。ここで、複数の外部サーバユニットは、測定データや地図情報を評価及び提供するためのクラウドサービスを形成できる。

本発明にかかる方法は、「完全ＳＬＡＭ」又は「グラフＳＬＡＭ」方法を使用することにより、車両周辺において決定されたレーダ測定値を凝縮又は圧縮し、ひいては関連する測定点群を生成することができる。このために、クラスタ分析又は測定データの分類を実行できる。

圧縮された測定データは、既存の測定値と比較できる。ここで、測定値又は測定値パターンが再度認識されると、測定の不確かさと測定値の偏差を低減させることができる。
このように最適化された測定値は、続いて、マップの生成又は更新に使用される。結果として生じるマップが小さいメモリ容量を要するように、さらなるステップでマップを圧縮するか、クラスタで細分化することができる。

車両によって決定されたレーダ測定データは、マップとして格納されている測定値と比較できるため、車両の位置をマップ上で探知できる。
以下に、本発明の好ましい実施例を、非常に簡略化された概略図に基づいて詳述する。

第１の実施例にかかる、少なくとも１つの車両の車両周辺をマッピングし、少なくとも１つの車両を位置特定するための方法１の概略フロー図を示す。

第１のステップでは、少なくとも１つの車両の車両周囲の測定データが、少なくとも１つのレーダセンサによって決定される（２）。ここで、少なくとも１つのレーダセンサは、少なくとも１つの車両の中又は上に配置することができる。少なくとも１つのレーダセンサは、レーダ波を連続的に又は所定の時間間隔で生成し、対象物及び車両周辺の飛行時間分析に基づいて反射レーダ波を受信できる。このために、レーダセンサは、電子駆動制御装置と、レーダ波の生成を制御し、反射レーダ波を評価するための評価ユニットとを有する。反射し、レーダセンサによって受信されたレーダ波は、測定データ又は測定点の形態で決定され、少なくとも一時的に保存される。

さらなるステップにおいて、測定データは集計される（４）。これは、決定された測定データの測定データ密度を低減し、測定データのメモリ容量必要量を低減するのに特に役立つ。したがって、集計測定データは、例えば、無線通信リンクを介して、少なくとも１つの車両から１つ又は複数の外部サーバユニットに伝送することができる。続いて、１つ又は複数の外部サーバユニットは、提供されるより高い計算能力でさらなる処理ステップを引き受けることができる。あるいは、少なくとも１つの車両自体が、内部制御ユニット又は処理ユニットによって処理ステップを実行することができる。

測定データが集計されると（４）、決定された測定データから、論理的で意味のある測定データ又は測定点のみが保持される。特に、このステップ４では、ゴーストターゲットを示す測定データを削除できる。このために、例えば、密度に基づく空間クラスタ分析、又はいわゆるｋ平均法アルゴリズムを、決定された測定データに適用することができる。集計時には、生成及び受信されたレーダ波の放射方向も考慮することができる。このステップにより、決定された測定データを、例えば、測定点群又は測定点のグループにまとめることができ、グループはそれぞれ、反射レーダ波の受信角度に依存することができる。

次のステップでは、事前に集計された測定データが保存される。既存の集計測定データがメモリに格納されている場合、最新の集計測定データと既に保存されている集計測定データとの比較を、このステップで実行できる（６）。

このために、例えば、形成されたグループ間の間隔を測定又は計算し、既に格納されているデータの間隔と比較することができる。さらに、異なるデータ間でパターンを比較できる。このような比較により、方法の継続的に増加する測定誤差を減少させることができる（８）。このために、新しく決定及び集計された測定データは、既に格納されている測定値に適合又は補間される。

続いて、前のステップ８で最適化された測定データを使用して、レーダに基づく測定データからマップが作成される（１０）。以前の測定からマップが既に作成されている場合は、最適化された測定データをマップの更新に使用する（１０）。

作成したマップを使用して、少なくとも１つの車両を位置特定できる（１２）。このために、少なくとも１つの車両によって決定（２）された測定データは、マップとして格納された測定データ（１０）と比較される（１２）。決定された測定データ（２）がマップとして格納された測定データ（１０）と一致すると、マップ上の少なくとも１つの車両の位置（１４）をもたらすことができる
最適化された測定データ（１０）からマップを作成した後、マップをさらに圧縮できる（１６）。

したがって、方法１は、マップＭを生成するための部分と、生成されたマップに基づいて少なくとも１つの車両を位置特定Ｌするための部分とを有する。

Claims (13)

1. 少なくとも１つの車両の車両周辺をマッピング（Ｍ）し、前記少なくとも１つの車両を位置特定（Ｌ）するための方法（１）であって、
   前記車両周囲の測定データが、前記少なくとも１つの車両の少なくとも１つのレーダセンサによって決定され（２）、
   前記少なくとも１つのレーダセンサの測定データが集計され（４）、
   前記集計測定データ（４）は既存の集計測定データと比較され（６）、
   前記集計測定データと前記既存の集計測定データとの比較に基づいて、前記集計測定データは測定誤差を低減させることによって最適化され（８）、
   前記最適化された集計測定データに基づいて、マップが作成又は更新され（１０）、
   前記決定された測定データを、前記作成されたマップと比較する（１２）ことによって、前記少なくとも１つの車両は作成又は更新されたマップ上で位置特定される（１４）方法。
2. 前記少なくとも１つのレーダセンサの測定データは、クラスタ分析によって集計される（４）、請求項１に記載の方法。
3. 前記少なくとも１つのレーダセンサの前記測定データはフィルタリングされる、請求項１又は２に記載の方法。
4. 前記集計測定データ（４）はノードを形成し、既存の集計測定データと比較するために、前記ノード間の接続経路が形成され、比較される、請求項１から３のいずれか一項に記載の方法。
5. 少なくとも１つのノードは、少なくとも１つの測定データクラウドに基づいて形成される、請求項４に記載の方法。
6. 前記ノードは、前記少なくとも１つのレーダセンサの測定場所を表し、前記測定場所間の接続経路は、オドメトリによって決定される、請求項４に記載の方法。
7. 前記測定誤差を低減するために、前記集計測定データ（４）は、少なくとも１つの第２のセンサの測定データと比較される（６、８）、請求項１から６のいずれか一項に記載の方法。
8. 前記マップは、前記最適化された集計測定データと重ね合わせることにより更新される（１０）、請求項１から７のいずれか一項に記載の方法。
9. 前記作成されたマップは圧縮される（１６）、請求項１から８のいずれか一項に記載の方法。
10. 前記作成されたマップ（１０）はクラスタ形成によって圧縮され（１６）、前記作成されたマップの各クラスタにタイムスタンプが割り当てられ、前記マップが更新されると、対応する古いクラスタが最新のクラスタに置き換えられる、請求項１から９のいずれか一項に記載の方法。
11. 前記圧縮されたマップ（１６）は、対象物を認識するために分析される、請求項９に記載の方法。
12. 前記作成されたマップは、少なくとも１つの地理的マップにリンクされる、請求項１から１１のいずれか一項に記載の方法。
13. 少なくとも１つの車両の車両周辺をマッピング（Ｍ）し、前記少なくとも１つの車両を位置特定（Ｌ）するための、請求項１から１２のいずれか一項に記載の前記方法（１）を実行するためのシステムであって、測定データ（２）を決定するための少なくとも１つのレーダセンサと、前記決定された測定データに基づいてマップ（１０）を作成し、前記決定された測定データ（２）に基づいて前記少なくとも１つの車両を位置特定（Ｌ）するための、少なくとも１つの外部又は内部処理ユニットと、を備えた少なくとも１つの車両を有するシステム。

Images