JP2023068010A - Self-position estimation device - Google Patents
Self-position estimation device Download PDFInfo
- Publication number
- JP2023068010A JP2023068010A JP2023037170A JP2023037170A JP2023068010A JP 2023068010 A JP2023068010 A JP 2023068010A JP 2023037170 A JP2023037170 A JP 2023037170A JP 2023037170 A JP2023037170 A JP 2023037170A JP 2023068010 A JP2023068010 A JP 2023068010A
- Authority
- JP
- Japan
- Prior art keywords
- information
- map data
- self
- cells
- cell
- 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 claims description 37
- 238000001514 detection method Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract 1
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 29
- 230000006870 function Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 239000003973 paint Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
Description
本発明は、移動体の自己位置を推定する自己位置推定装置に関する。 The present invention relates to a self-position estimation device for estimating the self-position of a mobile body.
自動運転車両等の移動体では、ライダ（ＬｉＤＡＲ；Light Detection and Ranging）などのセンサで計測した地物位置と、自動運転用の地図情報の地物位置と、をマッチングして高精度に現在位置を推定する必要がある。特許文献１は、ライダを用いて検出したランドマークとしての地物の位置と、地図情報の地物とを用いて現在位置を推定する手法の一例が記載されている。
For mobile objects such as autonomous driving vehicles, the current position is highly accurate by matching the feature positions measured by sensors such as lidar (LiDAR: Light Detection and Ranging) with the feature positions of map information for autonomous driving. must be estimated.
また、特許文献２には、ライダを用いて白線を検出し、車両に対する白線の横方向の相対位置または白線に対して車両が向いている方向を高精度に検出することが記載されている。
Further,
特許文献２に記載の方法により、白線（区画線）を利用して車両等の自己位置を推定することはできる。しかしながら、例えば、右折や左折等を示す進行方向別通行区分のような路面上に白線以外の標示がある場合に、当該標示を白線と誤って検出してしまうと自己位置推定の精度が低下してしまう。
According to the method described in
本発明が解決しようとする課題としては、移動体の自己位置推定の精度を向上させることが一例として挙げられる。 One example of the problem to be solved by the present invention is to improve the accuracy of self-position estimation of a mobile object.
上記課題を解決するために、請求項１に記載の発明は、路面に描かれた標示が一定サイズの複数のセルで分割されて表されており、前記複数のセルのそれぞれには、当該セルの位置に関する情報が設定されている地図データ、を取得する地図データ取得部と、移動体に搭載されたセンサから得られたセンサ情報を取得するセンサ情報取得部と、前記センサ情報取得部が取得した前記センサ情報から前記標示に該当する前記センサ情報を認識する認識部と、前記認識部により認識された前記標示に該当する前記センサ情報と、前記地図データと、のマッチングを行うことにより前記移動体の自己位置を推定する推定部と、
を備え、前記セル毎に、当該セルに対応する点群の反射強度に関する情報を含む属性情報を有している、ことを特徴としている。
In order to solve the above-mentioned problems, the invention according to
and each cell has attribute information including information on the reflection intensity of the point cloud corresponding to the cell.
請求項２に記載の発明は、移動体の自己位置を推定する自己位置推定装置で実行される自己位置推定方法であって、路面に描かれた標示が一定サイズの複数のセルで分割されて表されており、前記複数のセルのそれぞれには、当該セルの位置に関する情報が設定されている地図データ、を取得する地図データ取得工程と、前記移動体に搭載されたセンサから得られたセンサ情報を取得するセンサ情報取得工程と、前記センサ情報取得工程で取得された前記センサ情報から前記標示に該当する前記センサ情報を認識する認識工程と、前記認識工程により認識された前記標示に該当する前記センサ情報と、前記地図データと、のマッチングを行うことにより前記移動体の自己位置を推定する推定工程と、を含み、前記セル毎に、当該セルに対応する点群の反射強度に関する情報を含む属性情報を有している、ことを特徴としている。
The invention according to
請求項３に記載の発明は、請求項２に記載の自己位置推定方法を、コンピュータにより実行させることを特徴としている。
The invention according to
請求項４に記載の発明は、請求項３に記載の自己位置推定プログラムを格納したことを特徴としている。
The invention according to claim 4 is characterized in that the self-position estimation program according to
以下、本発明の一実施形態にかかる自己位置推定装置を説明する。本発明の一実施形態にかかる自己位置推定装置は、路面に描かれた標示が複数のセルで分割されて表されており、複数のセルのそれぞれには、当該セルの位置に関する情報が設定されている地図データを、地図データ取得部が取得し、センサ情報取得部が車両走行によってセンサから得られたセンサ情報を取得する。そして、認識部がセンサ情報取得部で取得されたセンサ情報から路面に描かれた標示に該当するセンサ情報を認識し、推定部が認識部により認識された路面に描かれた標示に該当するセンサ情報と、地図データと、のマッチングを行うことにより車両の自己位置を推定する。このようにすることにより、路面に描かれた標示を利用して自己位置推定をすることができ、移動体の自己位置推定の精度を向上させることができる。 A self-position estimation device according to an embodiment of the present invention will be described below. In the self-position estimation device according to one embodiment of the present invention, the marking drawn on the road surface is divided into a plurality of cells, and each of the plurality of cells is set with information regarding the position of the cell. The map data acquisition unit acquires the map data stored in the vehicle, and the sensor information acquisition unit acquires sensor information obtained from the sensor while the vehicle is running. Then, the recognizing unit recognizes sensor information corresponding to the marking drawn on the road surface from the sensor information acquired by the sensor information acquiring unit, and the estimating unit recognizes the sensor corresponding to the marking drawn on the road surface recognized by the recognizing unit. The self-position of the vehicle is estimated by matching the information with the map data. By doing so, it is possible to estimate the self-position using the markings drawn on the road surface, and improve the accuracy of the self-position estimation of the moving body.
また、セル毎に当該セルについての所定の属性情報を有してもよい。このようにすることにより、例えば、セル内における点群の分散や反射強度を属性情報として有するようにすれば、そのセルにおける標示を示すペイントの分布や割合等を把握することが可能となる、つまり、標示の輪郭が含まれるセルを特定することができる。 Also, each cell may have predetermined attribute information about the cell. By doing so, for example, if the distribution and reflection intensity of the point cloud in the cell are included as attribute information, it is possible to grasp the distribution and ratio of the paint indicating the sign in that cell. That is, it is possible to identify the cell that contains the outline of the indication.
また、本自己位置推定装置が対象とする路面に描かれた標示は、区画線を除く標示であってもよい。このようにすることにより、例えば白線等の区画線が既に他の方法によりデータ化されている場合は、白線等の区画線を除く、右折や左折等を示す進行方向別通行区分や最高速度といった道路標示について地図データに含めることが可能となる。 Also, the markings drawn on the road surface targeted by the present self-position estimation device may be markings other than lane markings. By doing this, for example, if the lane markings such as white lines have already been converted into data by other methods, it will be possible to display traffic divisions by direction of travel and maximum speed that indicate right turns and left turns, etc., excluding lane markings such as white lines. Road markings can be included in map data.
また、本発明の一実施形態にかかる自己位置推定方法は、路面に描かれた標示が複数のセルで分割されて表されており、複数のセルのそれぞれには、当該セルの位置に関する情報が設定されている地図データを、地図データ取得工程で取得し、センサ情報取得工程で車両走行によってセンサから得られたセンサ情報を取得する。そして、認識工程でセンサ情報取得工程により取得されたセンサ情報から路面に描かれた標示に該当するセンサ情報を認識し、推定工程で認識工程により認識された路面に描かれた標示に該当するセンサ情報と、地図データと、のマッチングを行うことにより車両の自己位置を推定する。このようにすることにより、路面に描かれた標示を地図データに含めることができ、移動体の自己位置推定の精度を向上させることができる。 Further, in the self-position estimation method according to the embodiment of the present invention, the marking drawn on the road surface is divided into a plurality of cells, and each of the plurality of cells contains information regarding the position of the cell. The set map data is obtained in the map data obtaining process, and the sensor information obtained from the sensor during vehicle travel is obtained in the sensor information obtaining process. Then, in the recognition step, sensor information corresponding to the marking drawn on the road surface is recognized from the sensor information acquired in the sensor information acquisition step, and in the estimating step, the sensor corresponding to the marking drawn on the road surface recognized by the recognition step is detected. The self-position of the vehicle is estimated by matching the information with the map data. By doing so, it is possible to include the markings drawn on the road surface in the map data, and it is possible to improve the accuracy of self-position estimation of the moving body.
また、本発明の一実施形態にかかる自己位置推定プログラムは、上述した自己位置推定方法を、コンピュータにより実行させている。このようにすることにより、コンピュータを用いて、路面に描かれた標示を地図データに含めることができ、移動体の自己位置推定の精度を向上させることができる。 A self-position estimation program according to an embodiment of the present invention causes a computer to execute the above-described self-position estimation method. By doing so, a computer can be used to include the markings drawn on the road surface in the map data, and the accuracy of self-position estimation of the mobile body can be improved.
また、上述した自己位置推定プログラムをコンピュータ読み取り可能な記録媒体に格納してもよい。このようにすることにより、当該プログラムを機器に組み込む以外に単体でも流通させることができ、バージョンアップ等も容易に行える。 Moreover, you may store the self-position estimation program mentioned above in the computer-readable recording medium. By doing so, the program can be distributed as a single unit in addition to being incorporated into the device, and version upgrades and the like can be easily performed.
本発明の第１の実施例にかかる地図データ生成装置及び地図データ構造を図１～図１１を参照して説明する。本実施例にかかる地図データ生成装置は、図１ではサーバ装置１として構成されている。サーバ装置１は、移動体としての車両Ｖに搭載されている車載装置２が収集した情報をインターネット等のネットワークＮを介して取得し、取得した情報に基づいて後述する地図データ構造を有する地図データを生成する。
A map data generating apparatus and a map data structure according to a first embodiment of the present invention will be described with reference to FIGS. 1 to 11. FIG. The map data generation device according to this embodiment is configured as the
図２にサーバ装置１の機能的構成を示す。サーバ装置１は、図２に示したように、制御部１１と、通信部１２と、記憶部１３と、を備えている。制御部１１は、サーバ装置１のＣＰＵ（Central Processing Unit）が機能し、サーバ装置１の全体制御を司る。制御部１１は、車載装置２から送信された例えば点群情報に基づいて地図データを生成する。
FIG. 2 shows the functional configuration of the
通信部１２は、サーバ装置１のネットワークインターフェース等が機能し、車載装置２が送信した例えば点群情報を受信する。また、通信部１２は、制御部１１で生成された地図データを、車両Ｖの車載装置２へ配信（送信）する。即ち、サーバ装置１は、地図データが格納されている記憶装置として機能する。
The
記憶部１３は、サーバ装置１のハードディスク等の記憶媒体が機能し、制御部１１で生成された地図データ等を記憶する。なお、記憶媒体としては、光ディスクやメモリーカード等のであってもよい。
The
図３に車載装置２の機能的構成を示す。車載装置２は、図３に示したように、制御部２１と、通信部２２と、記憶部２３と、を備えている。また、車載装置２は、図３に示したように、ライダ３ａやＧＰＳ（Global Positioning System）受信機３ｂ等を含む車両Ｖに搭載されたセンサ３が接続されている。
FIG. 3 shows a functional configuration of the in-
制御部２１は、例えばＣＰＵやメモリ等を有するマイクロコンピュータで構成され、車載装置２の全体制御を司る。制御部２１は、センサ３で検出された点群情報等を通信部１２からサーバ装置１へ送信させる。また、制御部２１は、ライダ３ａを用いて認識した路面上に描かれた標示等の地物を示す情報と、サーバ装置１で生成された後述する地図データ構造を有する地図データに含まれる路面上に描かれた標示等の情報と、に基づいて自己位置を推定する。また、制御部２１は、推定された自己位置に基づいて予め探索された経路に沿って車両Ｖを誘導（案内）する誘導装置（案内装置）の制御部として機能してもよい。この誘導装置には、車両Ｖを経路に沿って自律的に走行させる所謂自動運転機能と、ドライバ等に経路に沿った案内情報を提示するナビゲーション機能の少なくともいずれかを含むものである。
The
通信部２２は、制御部２１が取得した点群情報等をサーバ装置１に送信する。また、通信部２２は、サーバ装置１から配信された地図データ等を受信する。
The
記憶部２３は、制御部２１で動作するプログラムや各種データ等が格納されている。また、記憶部２３は、サーバ装置１から配信された地図データを記憶する。
The
センサ３は、ライダ３ａと、ＧＰＳ受信機３ｂと、を備えている。なお、センサ３は、これらのセンサ以外に、例えば速度センサ等の他のセンサを備えていてもよい。さらには、車両の前方等の周囲を撮像する車載カメラをセンサ３に含めてもよい。
The
ライダ３ａは、電磁波としてレーザ光を出射することで、外界に存在する物体までの距離を離散的に測定する。所定の検知領域において出力方向を変えながらパルス状のレーザを出力し、そのレーザの反射波を受信して点群情報を生成する。ライダ３ａは、検知領域内に複数パルスのレーザを出力し、この複数パルスのレーザの反射波に基づいて点群情報を生成する。点群情報を構成するそれぞれの情報は、レーザの出力方向と、当該レーザを反射した対象物までの距離と、反射波の強度（反射強度）と、を示す情報である。本実施例では、ライダ３ａは、主にレーザを路面に向けて照射し、路面を検知領域としている。このため、点群情報は、対象物としての路面までの距離を示す情報及び反射強度の情報が含まれる。勿論、路面以外にレーザを出射して、路面情報以外の周辺情報を取得するようにしてもよい。
The
ＧＰＳ受信機３ｂは、公知であるように複数のＧＰＳ衛星から送信される電波を定期的に受信して、現在の位置情報及び時刻を検出する。
As is well known, the
次に、上述した構成のサーバ装置１（地図データ生成装置）における地図データ生成方法について図４～図７を参照して説明する。図４は、サーバ装置１で実行されるフローチャートである。このフローチャートは、サーバ装置１の制御部１１で実行される。つまり、制御部１１のＣＰＵで実行されるコンピュータプログラム（地図データ生成プログラム）として構成されている。なお、このプログラムは、記憶部１３に記憶させるに限らず、光ディスクやメモリーカード等に記憶させてもよい。
Next, a map data generation method in the server device 1 (map data generation device) having the above configuration will be described with reference to FIGS. 4 to 7. FIG. FIG. 4 is a flowchart executed by the
まず、ステップＳ１１において、制御部１１は、車載装置２から点群情報等を取得する。なお、本ステップでは、車載装置２から収集した点群情報について、ＧＰＳ受信機３ｂが検出した現在位置に基づいて各点までの距離を絶対座標に変換している。あるいは、予め車載装置２で絶対座標に変換してもよい。即ち、制御部１１は、ライダ３ａ（所定のセンサ）から点群情報（路面情報）を取得する取得部として機能する。
First, in step S<b>11 , the
次に、ステップＳ１２において、制御部１１は、ステップＳ１１で取得した点群情報に基づいて二値化画像を生成する。本実施例の二値化画像とは、三次元座標を持つ点群を二次元化して、各点の反射強度に基づいて所定の閾値により二値化した画像である。このようにして生成された二値化画像は、反射強度の高い点が輝度が高いピクセルとして表現される。この二値化画像に含まれるピクセルは、変換前の点群が有する座標情報も引き継いでいる。
Next, in step S12, the
即ち、制御部１１は、取得部が取得した点群情報（路面情報）に基づいて、二値化画像（当該路面に描かれた標示を示す情報）を生成する標示情報生成部として機能する。
That is, the
次に、ステップＳ１３において、制御部１１は、ステップＳ１２で生成した二値化画像から路面外の輝度が高いピクセルを除去する。除去の例を図５及び図６を参照して説明する。図５は、ある道路の点群情報に基づいて生成された二値化画像である。この二値化画像上に白線（区画線）Ｗと、右折を示す進行方向別通行区分Ｒ（以下右折矢印Ｒとする）と、直進を示す進行方向通行区分Ｓ（以下直進矢印Ｓとする）が描かれている。また、この二値化画像には、路面外の不要なピクセルＵ（路面外の輝度が高いピクセル）も含まれている場合がある。
Next, in step S13, the
そして、このような二値化画像において、白線Ｗや進行方向別通行区分といった道路標示等の路面に描かれた標示以外の不要なピクセルＵを除去する。除去の方法としては、例えば、点群情報を取得した領域の地図データを別途取得し、その地図データに設定されている通行可能領域（路面の領域）と二値化画像とを対比させて、路面外にある輝度が高いピクセルを特定する方法が挙げられる。また、地図データに含まれる道路や車線のネットワークデータから道路や車線の幅員情報を取得して、路面外にある輝度が高いピクセルを特定してもよい。 Then, in such a binarized image, unnecessary pixels U other than road markings drawn on the road surface, such as white lines W and road markings by direction of travel, are removed. As a method of removal, for example, the map data of the area where the point cloud information was acquired is separately acquired, and the passable area (road area) set in the map data is compared with the binarized image. A method of identifying pixels with high luminance outside the road surface can be mentioned. Moreover, the width information of the road or lane may be acquired from the network data of the road or lane included in the map data, and the pixel with high luminance outside the road surface may be specified.
不要なピクセルＵの除去後の二値化画像を図６に示す。上述した処理によって、不要なピクセルＵが除去され、白線Ｗや右折矢印Ｒ、直進矢印Ｓといった路面に描かれた標示のみが残る。 The binarized image after removing unnecessary pixels U is shown in FIG. By the above-described processing, unnecessary pixels U are removed, leaving only the markings drawn on the road surface such as the white line W, the right turn arrow R, and the straight arrow S.
次に、ステップＳ１４において、制御部１１は、ステップＳ１３の処理が施された二値化画像において、路面に描かれた標示に対応するピクセルを一定サイズのセルにまとめる（セルを生成する）。生成されたセルは、当該セルに含まれるピクセルに基づいて座標情報が付与されている。即ち、標示情報生成部で生成された二値化画像（標示を示す情報）に基づいて当該標示を複数のセルで分割している。
Next, in step S14, the
ここで、本実施例のセルについて図７を参照して説明する。図７は、白線Ｗと右折矢印Ｒとが描かれた路面を示している。図７では、白線Ｗ、右折矢印Ｒとも破線内がステップＳ１３において輝度が高いピクセルとして表現されている。つまり、破線内が路面上に白線Ｗや右折矢印Ｒとして描かれた領域となる。 Here, the cell of this embodiment will be described with reference to FIG. FIG. 7 shows a road surface on which a white line W and a right-turn arrow R are drawn. In FIG. 7, both the white line W and the right-turn arrow R are expressed as pixels with high brightness in step S13 within the dashed lines. That is, the inside of the dashed line is the area where the white line W and the right turn arrow R are drawn on the road surface.
図７に示したように、路面に描かれた標示に対応するピクセルを一定サイズのセルＣにまとめることで、白線Ｗや右折矢印Ｒは複数のセルＣで分割される。このセルＣのサイズは路面に描かれた標示を複数に分割できる程度の大きさで適宜定めればよい。また、セルＣの形状は正方形に限らず長方形等の矩形や、三角形や六角形等の多角形でもよい。 As shown in FIG. 7, the white line W and the right-turn arrow R are divided into a plurality of cells C by grouping the pixels corresponding to the markings drawn on the road surface into cells C of a fixed size. The size of the cell C may be appropriately determined so that the marking drawn on the road surface can be divided into a plurality of cells. Moreover, the shape of the cell C is not limited to a square, and may be a rectangle such as a rectangle, or a polygon such as a triangle or a hexagon.
また、図７の例では、路面に描かれた標示が一部でも含まれる部分のみをセルにまとめているが、路面全体を複数のセルに分割したグリッド状（メッシュ状）としてもよい。但し、路面に描かれた標示のみをセルとした方が地図データのデータ量を小さくすることができる。また、路面全体を複数のセルに分割する場合は、路面に描かれた標示を含むセルには、その旨を示すフラグ等の情報を付与するとよい。 Also, in the example of FIG. 7, only a portion including even a part of the marking drawn on the road surface is grouped into cells, but the entire road surface may be divided into a plurality of cells in a grid (mesh) pattern. However, the amount of map data can be reduced by using only the signs drawn on the road surface as cells. Further, when dividing the entire road surface into a plurality of cells, it is preferable to add information such as a flag to that effect to the cell including the sign drawn on the road surface.
図４の説明に戻り、ステップＳ１５において、制御部１１は、後述する統計情報の付与のためステップＳ１４で生成されたセルＣの座標からステップＳ１１で取得した点群を参照して、セルＣと点群とを対応させる。即ち、各セルＣには座標情報が位置情報（位置に関する情報）として付与されている。
Returning to the description of FIG. 4, in step S15, the
そして、ステップＳ１６において、制御部１１は、各セルＣに属性情報としての統計情報を付与する。統計情報の例としては、当該セルＣに対応する点群の反射強度の平均や分散あるいはヒストグラム等が挙げられる。このようにして統計情報が付与された複数のセルＣからなる路面に描かれた標示を地図データに含めることで地図データが生成される。即ち、制御部１１は、複数のセルＣのそれぞれに、点群情報（路面情報）に基づく当該セルＣの位置に関する情報を含めて地図データを生成する地図データ生成部として機能する。
Then, in step S16, the
以上の説明から明らかなように、ステップＳ１１が取得工程、ステップＳ１２が標示情報生成工程、ステップＳ１４～Ｓ１６が地図データ生成工程として機能する。 As is clear from the above description, step S11 functions as an acquisition process, step S12 functions as a display information generation process, and steps S14 to S16 function as a map data generation process.
なお、センサ３に含まれるものとして車載カメラが車両Ｖに搭載されている場合は、各点にカメラで撮像された画像に基づく色を付加した色付き点群とし、反射強度に代えて色の平均や分散を用いてもよい。また、当該セルＣに対応する点群の座標値の平均や共分散を統計情報として付与することもできる。この場合は、反射強度又は色によるフィルタリング処理を施して路面に描かれた標示のみの点群の座標値を取り出す処理が必要となる。
When an in-vehicle camera is mounted on the vehicle V as one included in the
図８に、図４のフローチャートにより生成された地図データの地図データ構造の例を示す。図８に示したように、地図データ構造は、セルＩＤ１３１と、位置１３２と、統計情報１３３と、を含んでいる。セルＩＤは、セルを識別するＩＤである。位置１３２は、セルの位置を示す情報である、この位置１３２は、セルＣ毎に絶対位置（緯度、経度）を設定するに限らず、基準となるセルＣからの相対位置を設定してもよい。例えば図７の右折矢印Ｒであれば、左隅にあるセルＣを基準セルとして絶対位置を設定し、他のセルＣは基準セルからの相対位置を設定するようにしてもよい。統計情報１３３は、上述した反射強度や座標値の平均や分散等の情報が設定されている。また、図８に示した項目以外に、例えばその標示の内容を示す情報（白線、右折矢印、最高速度等）を含めてもよい。
FIG. 8 shows an example of the map data structure of the map data generated by the flowchart of FIG. As shown in FIG. 8, the map data structure includes
即ち、図８に示した地図データ構造は、路面に描かれた標示が複数のセルＣで分割されて表され、更に複数のセルＣのそれぞれには、当該セルＣの位置に関する情報（位置１３２）が設定されている。 That is, in the map data structure shown in FIG. 8, the markings drawn on the road surface are divided into a plurality of cells C, and each of the plurality of cells C contains information on the position of the cell C (position 132 ) is set.
このような地図データ構造を有する地図データは、例えば、車載装置２がナビゲーションや自動運転等の車両Ｖを誘導（案内）する機能を有する誘導（案内）装置として機能する場合に、この地図データを参照することで、路面に描かれた標示について、白線以外の標示も認識して案内することができる。
Map data having such a map data structure can be used, for example, when the in-
ところで、図４に示したフローチャートでは、路面に描かれた標示は全てセルＣで分割されるようにしているが、区画線（例えば白線）は、形状が線であり単純であるため、例えば区画線の中心線を点列として地図データに格納することで、よりデータ量を削減することが可能である。そのため、セルＣに分割する対象から区画線を除いてもよい。区画線を除いてセルＣに分割する地図データ生成方法を図９に示す。 By the way, in the flowchart shown in FIG. 4, all the markings drawn on the road surface are divided into cells C. By storing the center line of the line as a point sequence in the map data, it is possible to further reduce the amount of data. Therefore, partition lines may be excluded from targets for dividing into cells C. FIG. FIG. 9 shows a method of generating map data for dividing into cells C by removing division lines.
まず、ステップＳ２１において、制御部１１は、図４のステップＳ１１と同様に、車載装置２から点群情報等を取得する。
First, in step S21, the
次に、ステップＳ２２において、制御部１１は、図４のステップＳ１２と同様に、ステップＳ２１で取得した点群情報に基づいて二値化画像を生成する。
Next, in step S22, the
次に、ステップＳ２３において、制御部１１は、二値化画像から白線（区画線）を抽出する。本ステップにおける区画線の抽出方法の例を説明する。まず、二値化画像について画像処理を行い、例えば線分（直線）等を検出する。そして、検出した線分（直線）等のグルーピングを行い、一つの区画線の輪郭を抽出する。そして、既知の手法等を用い、抽出された区画線を点列により表現する。さらに、抽出された区画線から白線の端部及び非端部を認識し、当該認識した端部及び非端部間に点列を内挿（すなわち、端部と端部の間の連続部分に点列を内挿）してもよい。
Next, in step S23, the
このようにして、白線を点列により表現することができる（図１０を参照）。図１０は、図７について、白線Ｗの部分を点列で示したものである、白線Ｗは上述したステップＳ２３の処理によって、セルＣではなく複数の点Ｐにより表現される。 In this way, the white line can be represented by a series of dots (see FIG. 10). FIG. 10 shows the portion of the white line W in FIG. 7 by a series of dots.
図９の説明に戻る。次に、ステップＳ２４において、制御部１１は、ステップＳ２２で生成した二値化画像から路面外の輝度が高いピクセル及びステップＳ２３で抽出した白線部分のピクセルを除去する。路面外の輝度が高いピクセルについては、ステップＳ１３と同様の方法で除去すればよい。白線部分については、ステップＳ２３の処理によって抽出された輪郭に基づいて除去すればよい。
Returning to the description of FIG. Next, in step S24, the
次に、ステップＳ２５において、制御部１１は、ステップＳ２４の処理が施された二値化画像において、路面に描かれた標示に対応するピクセルを一定サイズのセルＣにまとめる（セルＣを生成する）。本ステップでは、ステップＳ２４で白線部分は除去されているので、白線を除いた路面に描かれた標示がセルＣに分割される。
Next, in step S25, the
次に、ステップＳ２６において、制御部１１は、図４のステップＳ１５と同様に統計情報の付与のためステップＳ２５で生成されたセルＣの座標からステップＳ２１で取得した点群を参照してセルＣと点群とを対応させる。
Next, in step S26, the
そして、ステップＳ２７において、制御部１１は、図４のステップＳ１６と同様に各セルＣに統計情報を付与する。このようにして統計情報が付与された複数のセルＣからなる路面に描かれた標示及び、ステップＳ２３で点列として表現された白線を地図データに含めることで地図データが生成される。
Then, in step S27, the
次に、上述した方法により生成された地図データ構造を有する地図データを用いて車載装置２で実行される自己位置推定方法について図１１のフローチャートを参照して説明する。このフローチャートは、車載装置２の制御部２１で実行される。つまり、制御部２１のＣＰＵで実行されるコンピュータプログラム（地図データ生成プログラム）として構成されている。なお、このプログラムは、記憶部２３に記憶させるに限らず、光ディスクやメモリーカード等に記憶させてもよい。
Next, the self-position estimation method executed by the in-
まず、ステップＳ３１において、制御部２１は、ライダ３ａから点群情報を取得する。この点群情報は、ライダ３ａがリアルタイムに取得した情報である。即ち、制御部２１は、車両走行によってライダ３ａ（センサ）から得られた点群情報（センサ情報）を取得するセンサ情報取得部として機能する。
First, in step S31, the
次に、ステップＳ３２において、制御部２１は、ステップＳ３１で取得した点群情報から路面に描かれた標示を、例えば地表面点群をフィルタリングする等により認識する。即ち、制御部２１は、センサ情報取得部が取得した点群情報（センサ情報）から路面に描かれた標示に該当する点群情報（センサ情報）を認識する認識部として機能する。
Next, in step S32, the
次に、ステップＳ３３において、制御部２１は、記憶部２３から地図データを取得する。本ステップで取得する地図データは、図８で説明した地図データ構造を有するものである。即ち、制御部２１は、路面に描かれた標示が複数のセルＣで分割されて表されており、複数のセルＣのそれぞれには、当該セルＣの位置に関する情報が設定されている地図データ、を取得する地図データ取得部として機能する。なお、地図データはサーバ装置１か
ら直接取得するようにしてもよい。
Next, in step S<b>33 , the
そして、ステップＳ３４において、制御部２１は、ステップＳ３２の処理が施された点群情報と、地図データに含まれる標示と、のマッチングを行って自己位置の推定をする。具体的には、点群情報と、地図データ側の各セルの統計情報とのマッチングを行って自己位置の推定をする。なお、マッチングの方法としては、ＮＤＴ（Normal Distributions Transform）等の周知のセルＣと点群とのマッチング方法を利用すればよい。即ち、制御部２１は、認識部により認識された標示に該当する点群情報（センサ情報）と、地図データと、のマッチングを行うことにより車両の自己位置を推定する推定部として機能する。
Then, in step S34, the
なお、マッチングは、ライダ３ａからリアルタイムに取得した点群情報を地図データと同様にセルで分割して統計情報を生成した上で行ってもよい。
Note that the matching may be performed after generating statistical information by dividing the point group information obtained in real time from the
以上の説明から明らかなように、ステップＳ３１がセンサ情報取得工程、ステップＳ３２が認識工程、ステップＳ３３が地図データ取得工程、ステップＳ３４が推定工程として機能する。 As is clear from the above description, step S31 functions as a sensor information acquisition process, step S32 functions as a recognition process, step S33 functions as a map data acquisition process, and step S34 functions as an estimation process.
また、上述した説明では、サーバ装置１で地図データを生成していたが、車載装置２で地図データの生成を行ってサーバ装置１へアップロードするようにしてもよい。つまり、図４や図９に示したフローチャートは車載装置２で実行される。この場合、サーバ装置１では、各車載装置２からアップロードされた部分的な地図データの結合や更新等の処理を行う。
Further, in the above description, the map data is generated by the
また、上述した説明では、点群等の収集を行う車両と、自己位置推定を行う車両が同じ車両Ｖであったが、異なる車両であってもよい。例えば、点群等の収集は専用の計測機器を搭載した計測車両が行い、その計測結果を利用して生成された地図データの配信を一般車両が受けて自己位置推定をするといった構成でもよい。 Also, in the above description, the vehicle V for collecting the point cloud and the like and the vehicle for estimating the self-position are the same vehicle V, but they may be different vehicles. For example, a measuring vehicle equipped with a dedicated measuring device collects the point cloud, etc., and a general vehicle receives distribution of map data generated using the measurement result and estimates its own position.
また、上述した実施例では、点群を取得するのは車両に搭載されたライダ３ａであったが、車両ではなく航空機等の飛翔体にライダを搭載し、上空から地上に向けてレーザ光を照射して得られた点群について上記した二値化処理等を行って地図データを生成してもよい。
In the above-described embodiment, the point cloud is acquired by the
本実施例によれば、サーバ装置１は、通信部１２がライダ３ａで検出された点群情報を取得し、制御部１１が通信部１２で取得された点群情報に基づいて、二値化画像を生成する。そして、二値化画像の路面に描かれた標示の部分を複数のセルＣで分割し、複数のセルＣのそれぞれに、位置１３２及び統計情報１３３を含めて地図データを生成する。このようにすることにより、路面に描かれた標示を地図データに含めることができ、車両Ｖの自己位置推定の精度を向上させることができる。また、複数のセルＣによって路面に描かれた標示を表現するため、複雑な形状の標示について、その輪郭を抽出して図化するといった複雑な処理を必要とせず、また、輪郭を再現する必要が無いので情報量を少なくすることが可能となる。
According to this embodiment, the
また、制御部１１は、点群情報に基づいて統計情報１３３をセルＣ毎に設定しているので、例えば、セルＣ内における点群の分散や反射強度を統計情報として有するようにすれば、そのセルＣにおける標示を示すペイントの分布や割合等を把握することが可能となる、つまり、標示の輪郭が含まれるセルＣを特定することができる。
In addition, since the
また、路面に描かれた標示は、区画線を除く標示であってもよい。このようにすることにより、白線等の区画線を除く、右折や左折等を示す進行方向別通行区分や最高速度といった道路標示について地図データに含めることが可能となる。 Also, the markings drawn on the road surface may be markings other than marking lines. By doing so, it becomes possible to include in the map data road markings such as traffic divisions by traveling direction indicating right turns, left turns, etc., and maximum speeds, excluding demarcation lines such as white lines.
また、本実施例にかかる地図データ構造は、路面に描かれた標示が複数のセルＣで分割されて表され、更に複数のセルＣのそれぞれには、当該セルＣの位置１３２が設定されており、この地図データ構造を利用する車載装置２は、セルＣの位置１３２によって、路面に描かれた標示を認識して車両Ｖの自己位置推定処理を行う。このようにすることにより、路面に描かれた標示を地図データに含めることができ、車両Ｖの自己位置推定の精度を向上させることができる。また、複数のセルＣによって標示を表現するため、複雑な形状の標示について、その輪郭を抽出して図化するといった複雑な処理を必要とせず、また、輪郭を再現する必要が無いので情報量を少なくすることが可能となる。
In the map data structure according to the present embodiment, the marking drawn on the road surface is divided into a plurality of cells C, and each of the plurality of cells C is set with the
また、地図データ構造は、セルＣ毎に当該セルＣについての統計情報を有していている。このようにすることにより、セルＣ内における点群の座標や反射強度の分散等を統計情報として格納することで、そのセルＣにおける標示を示すペイントの分布や割合等を把握することが可能となる、つまり、標示の輪郭が含まれるセルを特定することができる。 Also, the map data structure has statistical information for each cell C. By doing so, by storing the coordinates of the point group and the dispersion of the reflection intensity in the cell C as statistical information, it is possible to grasp the distribution, ratio, etc. of the paint indicating the sign in the cell C. It is possible to identify the cell that contains the outline of the indication.
また、サーバ装置１は、上述した地図データ構造を有する地図データが格納されているので、サーバ装置１から複数の車両に地図データを配信等することができる。
Further, since the
また、車載装置２は、路面に描かれた標示が複数のセルＣで分割されて表されており、複数のセルＣのそれぞれには、当該セルＣの位置１３２が設定されている地図データを、制御部２１が取得し、車両走行によってライダ３ａから得られた点群情報を取得する。そして、制御部２１が取得した点群情報から路面に描かれた標示に該当する点群情報を認識し、認識された路面に描かれた標示に該当する点群情報と、地図データと、のマッチングを行うことにより車両の自己位置を推定する。このようにすることにより、路面に描かれた標示を利用して自己位置推定をすることができ、車両Ｖの自己位置推定の精度を向上させることができる。
Further, the in-
次に、本発明の第２の実施例にかかる地図データ生成装置を図１２～図１３を参照して説明する。なお、前述した第１の実施例と同一部分には、同一符号を付して説明を省略する。 A map data generating apparatus according to a second embodiment of the present invention will now be described with reference to FIGS. 12 and 13. FIG. The same reference numerals are given to the same parts as those of the first embodiment described above, and the description thereof will be omitted.
本実施例は、構成は図１と同様であるが、地図データ生成方法が異なる。図１２に本実施例にかかる地図データ生成方法のフローチャートを示す。このフローチャートは、サーバ装置１の制御部１１で実行される。
This embodiment has the same configuration as that of FIG. 1, but differs in the method of generating map data. FIG. 12 shows a flowchart of the map data generation method according to the present embodiment. This flowchart is executed by the
まず、ステップＳ４１において、制御部１１は、車載装置２から点群情報等を取得する。
First, in step S<b>41 , the
次に、ステップＳ４２において、制御部１１は、ステップＳ４１で取得した点群について、各々が有する反射強度情報及び高さ情報（距離情報）に基づいてフィルタリングする。反射強度情報によるフィルタリングにより、再帰性反射材が用いられた反射強度が高い道路標示等の路面に描かれた標示を抽出することができる。また、高さ情報によるフィルタリングにより、標識等の路面以外の反射強度が高い点を排除することができる。
Next, in step S42, the
次に、ステップＳ４３において、ステップＳ４２の処理が施された点群情報に対して、ステップＳ１４等と同様に一定サイズのセルＣにまとめる（セルＣを生成する）。このステップの時点で各セルＣには点群情報の各点が有する絶対座標に基づいて位置情報が付与されている。 Next, in step S43, the point group information processed in step S42 is grouped into cells C of a fixed size (cells C are generated) in the same manner as in step S14 and the like. At the time of this step, each cell C is provided with position information based on the absolute coordinates of each point of the point group information.
そして、ステップＳ４４において、制御部１１は、ステップＳ１６等と同様に、各セルＣに属性情報としての統計情報を付与する。このようにして統計情報が付与された複数のセルＣからなる路面に描かれた標示を地図データに含めることで地図データが生成される。
Then, in step S44, the
ここで、本実施例も第１の実施例と同様に、セルＣに分割する対象から区画線を除いてもよい。区画線を除いてセルＣに分割する地図データ生成方法を図１３に示す。 Here, in this embodiment, as in the first embodiment, the division lines may be excluded from the objects to be divided into the cells C. FIG. FIG. 13 shows a map data generation method for dividing into cells C by excluding division lines.
まず、ステップＳ５１において、制御部１１は、上述したステップＳ２１と同様に、車載装置２から点群情報等を取得する。
First, in step S51, the
次に、ステップＳ５２において、制御部１１は、上述したステップＳ２２と同様に、ステップＳ５１で取得した点群情報に基づいて二値化画像を生成する。
Next, in step S52, the
次に、ステップＳ５３において、制御部１１は、二値化画像から白線（区画線）を抽出する。
Next, in step S53, the
次に、ステップＳ５４において、制御部１１は、ステップＳ５１で取得した点群情報から白線に対応する点群をフィルタリングする。また、制御部１１は、ステップＳ４２と同様に、各々が有する反射強度情報及び高さ情報（距離情報）に基づいてフィルタリングする。
Next, in step S54, the
次に、ステップＳ５５において、制御部１１は、ステップＳ５４の処理が施された点群情報に対して、ステップＳ４３と同様に一定サイズのセルＣにまとめる（セルＣを生成する）。
Next, in step S55, the
次に、ステップＳ５６において、制御部１１は、ステップＳ４４と同様に、各セルＣに属性情報としての統計情報を付与する。このようにして統計情報が付与された複数のセルＣからなる路面に描かれた標示及び、ステップＳ５３で点列として表現された白線を地図データに含めることで地図データが生成される。
Next, in step S56, the
本実施例によれば、サーバ装置１は、通信部１２がライダ３ａで検出された点群情報を取得し、制御部１１が通信部１２で取得された点群情報に基づいて、フィルタリングをする。そして、フィルタリングされた点群における路面に描かれた標示の部分を複数のセルＣで分割し、複数のセルＣのそれぞれに、位置１３２及び統計情報１３３を含めて地図データを生成する。このようにすることにより、点群情報から直接路面に描かれた標示をセル化することができる。
According to this embodiment, the
なお、上述した２つの実施例では、セルＣは平面状のものであったが、ボクセルや柱体など、立体で分割してもよい。 In the two embodiments described above, the cells C are planar, but may be divided into three dimensions such as voxels and columns.
また、本発明は上記実施例に限定されるものではない。即ち、当業者は、従来公知の知見に従い、本発明の骨子を逸脱しない範囲で種々変形して実施することができる。かかる変形によってもなお本発明の地図データ生成装置、地図データ構造及び自己位置推定装置を具備する限り、勿論、本発明の範疇に含まれるものである。 Moreover, the present invention is not limited to the above embodiments. That is, those skilled in the art can carry out various modifications according to conventionally known knowledge without departing from the gist of the present invention. As long as the map data generation device, map data structure, and self-position estimation device of the present invention are provided, even such modifications are of course included in the scope of the present invention.
１ サーバ装置（記憶装置、地図データ生成装置）
２ 車載装置（自己位置推定装置）
３ａ ライダ（センサ）
１１ 通信部（取得部）
１２ 制御部（標示情報生成部、地図データ生成部）
１３ 記憶部（記憶媒体）
２１ 制御部（地図データ取得部、センサ情報取得部、認識部、推定部）
２３ 記憶部（記憶媒体）
１３２ 位置（セルの位置に関する情報）
１３３ 統計情報（属性情報）
1 server device (storage device, map data generation device)
2 In-vehicle device (self-localization device)
3a lidar (sensor)
11 communication unit (acquisition unit)
12 control unit (display information generation unit, map data generation unit)
13 storage unit (storage medium)
21 control unit (map data acquisition unit, sensor information acquisition unit, recognition unit, estimation unit)
23 storage unit (storage medium)
132 position (information about the position of the cell)
133 Statistical information (attribute information)
Claims (8)
移動体に搭載されたセンサから得られたセンサ情報を取得するセンサ情報取得部と、
前記センサ情報取得部が取得した前記センサ情報から前記標示に該当する前記センサ情報を認識する認識部と、
前記認識部により認識された前記標示に該当する前記センサ情報と、前記地図データと、のマッチングを行うことにより前記移動体の自己位置を推定する推定部と、
を備え、
前記セル毎に、当該セルに対応する点群の反射強度に関する情報を含む属性情報を有している、
ことを特徴とする自己位置推定装置。 Map data for obtaining map data in which a marking drawn on a road surface is divided into a plurality of cells of a certain size and represented, and information relating to the position of each cell is set in each of the plurality of cells. an acquisition unit;
a sensor information acquisition unit that acquires sensor information obtained from a sensor mounted on a moving body;
a recognition unit that recognizes the sensor information corresponding to the sign from the sensor information acquired by the sensor information acquisition unit;
an estimating unit for estimating the self-position of the moving object by matching the sensor information corresponding to the sign recognized by the recognizing unit and the map data;
with
Each cell has attribute information including information on the reflection intensity of the point cloud corresponding to the cell,
A self-position estimation device characterized by:
路面に描かれた標示が一定サイズの複数のセルで分割されて表されており、前記複数のセルのそれぞれには、当該セルの位置に関する情報が設定されている地図データ、を取得する地図データ取得工程と、
前記移動体に搭載されたセンサから得られたセンサ情報を取得するセンサ情報取得工程と、
前記センサ情報取得工程で取得された前記センサ情報から前記標示に該当する前記センサ情報を認識する認識工程と、
前記認識工程により認識された前記標示に該当する前記センサ情報と、前記地図データと、のマッチングを行うことにより前記移動体の自己位置を推定する推定工程と、
を含み、
前記セル毎に、当該セルに対応する点群の反射強度に関する情報を含む属性情報を有している、
ことを特徴とする自己位置推定方法。 A self-position estimation method executed by a self-position estimation device for estimating the self-position of a mobile body,
Map data for obtaining map data in which a marking drawn on a road surface is divided into a plurality of cells of a certain size and represented, and information relating to the position of each cell is set in each of the plurality of cells. an acquisition step;
a sensor information acquisition step of acquiring sensor information obtained from a sensor mounted on the moving object;
a recognition step of recognizing the sensor information corresponding to the sign from the sensor information acquired in the sensor information acquisition step;
an estimating step of estimating the self-position of the moving object by matching the sensor information corresponding to the sign recognized by the recognizing step and the map data;
including
Each cell has attribute information including information on the reflection intensity of the point cloud corresponding to the cell,
A self-localization method characterized by:
前記センサ情報に基づいて、前記路面に描かれた標示を一定サイズの複数のセルに分割し、且つ前記複数のセルのそれぞれに当該セルの位置に関する情報が設定されている地図データを生成する生成部と、
を備え、
前記セルは、当該セルに対応する点群の反射強度に関する情報を含む属性情報を有している、
ことを特徴とする地図データ生成装置。 an acquisition unit that acquires sensor information obtained from a sensor that includes a road surface in its detection area;
generating map data in which the marking drawn on the road surface is divided into a plurality of cells of a predetermined size based on the sensor information, and information regarding the position of the cell is set in each of the plurality of cells; Department and
with
The cell has attribute information including information on the reflection intensity of the point cloud corresponding to the cell,
A map data generation device characterized by:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023037170A JP2023068010A (en) | 2018-08-28 | 2023-03-10 | Self-position estimation device |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018159020A JP2020034322A (en) | 2018-08-28 | 2018-08-28 | Self-position estimation device |
| JP2023037170A JP2023068010A (en) | 2018-08-28 | 2023-03-10 | Self-position estimation device |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018159020A Division JP2020034322A (en) | 2018-08-28 | 2018-08-28 | Self-position estimation device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023068010A true JP2023068010A (en) | 2023-05-16 |
Family
ID=69667706
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018159020A Pending JP2020034322A (en) | 2018-08-28 | 2018-08-28 | Self-position estimation device |
| JP2023037170A Pending JP2023068010A (en) | 2018-08-28 | 2023-03-10 | Self-position estimation device |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018159020A Pending JP2020034322A (en) | 2018-08-28 | 2018-08-28 | Self-position estimation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP2020034322A (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7402756B2 (en) | 2020-06-17 | 2023-12-21 | 日産自動車株式会社 | Environmental map generation method and environmental map generation device |
| JPWO2022075356A1 (en) * | 2020-10-07 | 2022-04-14 | ||
| CN114475650B (en) * | 2021-12-01 | 2022-11-01 | 中铁十九局集团矿业投资有限公司 | Vehicle driving behavior determination method, device, equipment and medium |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6225889B2 (en) * | 2014-11-19 | 2017-11-08 | 株式会社豊田中央研究所 | Vehicle position estimation apparatus and program |
| JP2018025490A (en) * | 2016-08-10 | 2018-02-15 | 株式会社デンソー | Position estimation device |
-
2018
- 2018-08-28 JP JP2018159020A patent/JP2020034322A/en active Pending
-
2023
- 2023-03-10 JP JP2023037170A patent/JP2023068010A/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020034322A (en) | 2020-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108571974B (en) | Vehicle positioning using a camera | |
| EP3519770B1 (en) | Methods and systems for generating and using localisation reference data | |
| JP2023068010A (en) | Self-position estimation device | |
| US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
| US9898668B2 (en) | System and method of object detection | |
| US8611585B2 (en) | Clear path detection using patch approach | |
| CN106463051B (en) | Traffic signal recognition device and traffic signal recognition method | |
| EP2549457B1 (en) | Vehicle-mounting vehicle-surroundings recognition apparatus and vehicle-mounting vehicle-surroundings recognition system | |
| US8452053B2 (en) | Pixel-based texture-rich clear path detection | |
| CN103164851B (en) | Lane segmentation object detecting method and device | |
| US9360332B2 (en) | Method for determining a course of a traffic lane for a vehicle | |
| US20140236463A1 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
| KR20170104287A (en) | Driving area recognition apparatus and method for recognizing driving area thereof | |
| JP6678605B2 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP2008168811A (en) | Traffic lane recognition device, vehicle, traffic lane recognition method, and traffic lane recognition program | |
| CN108108750A (en) | Metric space method for reconstructing based on deep learning and monocular vision | |
| JP2014175007A (en) | Road edge detection method and road edge detection device | |
| JP2012208525A (en) | Stationary object map generation device | |
| CN109635737A (en) | Automobile navigation localization method is assisted based on pavement marker line visual identity | |
| JP2014203465A (en) | Lane-based localization | |
| CN114413881A (en) | Method and device for constructing high-precision vector map and storage medium | |
| JP2020034321A (en) | Map data generation device | |
| CN112352260A (en) | Lane estimation device, method, and program | |
| CN113835102A (en) | Lane line generation method and device | |
| CN114084129A (en) | Fusion-based vehicle automatic driving control method and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230310 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231121 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240131 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240625 |