TW202229069A - 用於路線圖生成的穩健的車道邊界關聯 - Google Patents

用於路線圖生成的穩健的車道邊界關聯 Download PDF

Info

Publication number
TW202229069A
TW202229069A TW110144899A TW110144899A TW202229069A TW 202229069 A TW202229069 A TW 202229069A TW 110144899 A TW110144899 A TW 110144899A TW 110144899 A TW110144899 A TW 110144899A TW 202229069 A TW202229069 A TW 202229069A
Authority
TW
Taiwan
Prior art keywords
lane boundary
states
lane
boundaries
generated
Prior art date
Application number
TW110144899A
Other languages
English (en)
Inventor
烏爾斯 尼森
金武龍
朱班 喬斯
Original Assignee
美商高通公司
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
Application filed by 美商高通公司 filed Critical 美商高通公司
Publication of TW202229069A publication Critical patent/TW202229069A/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

通過使用生成的或“虛設”狀態,可以使得新檢測到的車道邊界與車道邊界的關聯演算法更加穩健。不同類型的虛設狀態可以用於識別異常值/錯誤檢測和/或新的合法車道邊界。因此,根據新檢測到的車道邊界與其相關聯的虛設狀態的類型,可以忽略新檢測到的車道邊界,或者可以將相關聯的虛設狀態添加到濾波器的車道邊界狀態中。

Description

用於路線圖生成的穩健的車道邊界關聯
概括而言,本發明涉及電子車輛系統領域,並且更具體地,本發明涉及先進駕駛輔助系統(Advanced Driver-Assist Systems, ADAS)。
諸如ADAS之類的車輛系統通常需要識別和跟蹤車輛正在其上行駛的道路的車道邊界。為此,此類系統可以使用前向相機來捕獲道路上的車道標線的圖像,並且將在圖像中檢測到的車道標線與車輛所跟蹤的對應車道邊界進行關聯。然而,傳統的車道關聯演算法無法有效地忽略被錯誤地識別為車道標線的標線,諸如施工標線、輪胎打滑痕跡等。此外,當檢測到新車道邊界時,傳統的車道映射演算法未被配置為有效地處理新車道邊界的添加。
本文的實施例允許關聯演算法通過使用生成的或“虛設”狀態來避免由於新檢測到的車道邊界引起的問題。不同類型的虛設狀態可以用於識別異常值/錯誤檢測和/或新的合法車道邊界。因此,根據新檢測到的車道邊界與其相關聯的虛設狀態的類型,可以忽略新檢測到的車道邊界,或者可以將相關聯的虛設狀態添加到濾波器的車道邊界狀態中。
根據本揭露內容,一種將車道邊界測量與車道邊界狀態進行關聯的示例方法包括:在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量。所述方法還包括:確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態可以包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度。所述方法還包括:將所述車道邊界測量與相關聯的狀態進行關聯,其中,所述相關聯的狀態可以包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的。所述方法還包括:響應於所述關聯:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。
根據本揭露內容,一種示例設備包括:記憶體;感測器;以及與所述感測器和所述記憶體通訊地耦合的一個或多個處理單元。所述一個或多個處理單元被配置為:獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量。所述一個或多個處理單元還被配置為:確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態可以包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度。所述一個或多個處理單元還被配置為:將所述車道邊界測量與相關聯的狀態進行關聯,其中,所述相關聯的狀態可以包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的。所述一個或多個處理單元還被配置為:響應於所述關聯,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。
根據本揭露內容,另一種示例設備包括:用於獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量的構件。所述設備還包括:用於確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度的構件,其中,所述多個狀態可以包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度。所述設備還包括:用於將所述車道邊界測量與相關聯的狀態進行關聯的構件,其中,所述相關聯的狀態可以包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的。所述設備還包括:用於響應於所述關聯來執行以下操作的構件:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。
根據本揭露內容,一種示例非暫時性電腦可讀媒體儲存用於將車道邊界測量與車道邊界狀態進行關聯的指令。所述指令包括用於進行以下操作的程式碼:在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量。所述指令還包括用於進行以下操作的程式碼:確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態可以包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度的目的。所述指令還包括用於進行以下操作的程式碼:將所述車道邊界測量與相關聯的狀態進行關聯,其中,所述相關聯的狀態可以包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的。所述指令還包括用於進行以下操作的程式碼:響應於所述關聯,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。
現在將關於圖式來描述若干說明性實施例,圖式構成其一部分。隨後的描述僅提供實施例,而並不旨在限制本揭露內容的範圍、適用性或配置。確切而言,隨後對實施例的描述將為本領域技術人員提供用於實施實施例的可行描述。應理解,在不脫離本揭露內容的範圍的情況下,可以對元素的功能和佈置進行各種改變。
如本文所使用的,術語“坐標系”、“參考系”、“參照系”等指代跟蹤車輛和車道邊界的位置的坐標系。根據期望的功能,參考系可以包括2-D坐標系(例如,2-D地圖上的緯度和經度等)或3-D坐標系(例如,3-D地圖上的緯度、經度和高度(latitude, longitude, and altitude, LLA))。此外,根據一些實施例,車輛的位置可以包括朝向資訊,諸如前進方向。在一些實施例中,車輛的位置估計可包括六個自由度(six degrees of freedom, 6DoF)(也被稱為“姿勢”)的估計,其包括平移(緯度、經度和高度)和朝向(俯仰、翻滾和偏航)資訊。
圖1是車輛110的簡化透視圖,其示出了車輛110可以使用ADAS系統的環境。衛星120可以向車輛110上的全球導航衛星系統(Global Navigation Satellite System, GNSS)接收機(例如,全球定位系統(Global Positioning System, GPS)接收機)提供無線(例如,射頻(radio frequency, RF))訊號,以確定車輛110的位置(例如,使用絕對坐標或全球坐標)。(當然,儘管為了視覺簡潔,圖1中的衛星120被示為相對靠近車輛110,但是將理解的是,衛星120將在環繞地球的軌道中。)衛星120可以是一個或多個GNSS系統的一個或多個衛星星座的一部分。
此外,一個或多個相機可以捕獲車輛的周圍環境的圖像。(例如,前向相機可以拍攝來自車輛110的前方的視角130的圖像(例如,視頻)。)此外,車輛110上和/或車輛110中的一個或多個運動感測器(例如,加速計、陀螺儀等)可以提供指示車輛110運動的運動資料。此類感測器可以被併入慣性測量單元(inertial measurement unit, IMU)中。在一些實施例中,可以對圖像和運動資料進行融合以提供額外的定位資訊。然後,這可以用於補充和/或替代(例如,在需要時)車輛110的GNSS定位,和/或幫助識別和跟蹤車輛110正在沿著其行駛的道路上的車道邊界。
跟蹤車道邊界、將新檢測到的邊界映射到這些跟蹤的車道邊界以及相對於車道邊界來定位車輛的過程在本文中被稱為車道映射和定位。這可以是用於車輛110的若干ADAS功能的主要啟用因素,諸如車道保持和自適應巡航控制。車道映射和定位通常由聯合地跟蹤車道邊界和車輛位置的濾波器執行,諸如擴展卡爾曼濾波器(extended Kalman filter, EKF)或粒子濾波器。在圖2中示出了用於執行車道映射和定位的示例系統。
圖2是根據一個實施例的車道映射和定位系統200的方塊圖。系統200可以由車輛110內的各種組件和系統來實施,並且可以構成一個或多個額外車輛系統(例如,車輛定位、導航和/或自動駕駛系統等)的一部分。與本文中的其它實施例一樣,僅作為示例提供的這些圖和替代實施例可以重新排列、添加、省略、組合、分離、重新排列和/或以其它方式改變所示的組件。
此處,車輛感測器205可以包括一個或多個相機210、IMU 215、輪速感測器220、GNSS接收機225和/或能夠指示車輛移動和/或跟蹤車輛110正在其上行駛的道路上的車道邊界的其它感測器。感測器205向如上所述可以執行車道映射和定位的濾波器提供輸入。為此,可以首先將來自一個或多個相機210的輸入提供給可以由處理單元和/或專用電路執行的車道邊界檢測功能單元235。對相機圖像使用對象檢測和/或類似演算法,車道邊界檢測功能單元235可以基於來自相機210的相機圖像來識別候選車道邊界(本文中也被稱為車道邊界“檢測”或“測量”),並且將這些候選車道邊界提供給濾波器230。
如所提到的,濾波器230可以包括卡爾曼濾波器(例如,EKF)、粒子濾波器、滑動窗口演算法或類似的濾波器或用於狀態估計的演算法,其可以由處理單元和/或專用電路執行(例如,在軟體中)。使用關聯功能單元240,濾波器230可以將來自車道邊界檢測功能單元235的輸入中的候選車道邊界與當前正被跟蹤的估計車道邊界進行關聯。然後,濾波器230的估計功能單元250可以基於關聯來更新被跟蹤的車道邊界,並且基於來自感測器205的輸入來更新車輛的位置。
然後,可以由濾波器230執行的這種車道映射和定位的結果提供給車輛110內的各種系統中的任何一者,包括ADAS系統255。如圖所示,ADAS系統255可以包括例如顯示器260、控制塊265、導航塊270、路徑規劃塊275和/或其它功能單元。顯示器260例如可以向駕駛或其它車輛用戶顯示車輛110的位置和/或車道邊界。例如,控制塊265可以控制車輛110的自動功能,諸如車道保持、自適應巡航控制、自動駕駛功能和/或其它功能,這些功能可能包括車輛控制的制動、加速、轉向等等。導航塊270可以包括用於為車輛110提供導航的設備或系統,該設備或系統可以使用關於車輛110的位置和/或車道邊界的資訊。路徑規劃塊275可以包括用於基於地圖和當前車輛位置來計算車輛的目標路徑並且然後將目標路徑提供給一個或多個車輛控制系統的設備或系統。
圖3A-3C是根據一個實施例的被提供以幫助說明車道關聯的過程的圖。如所提到,這可以由在圖2中所示的濾波器230的關聯功能單元240來執行。
圖3A示出了相機圖像300。從其獲得圖像的相機可以包括在圖2中所示的感測器205的相機210,並且可以是車輛110的前向相機(例如,具有類似於在圖1中所示的視角130的視角)。這可以允許相機捕獲指示車輛110正在沿著其行駛的道路上的車道邊界的車道標線310的圖像。根據期望的功能,車輛相機可以每秒幾次捕獲圖像或視頻(例如,每秒30幀(30 frames per second, 30fps))。車道邊界檢測(例如,在圖2的框235處)可以以類似的速率來執行。
圖3B示出了基於圖3A的相機圖像300的車道邊界檢測輸出320。如前所提到的,車道邊界檢測可以使用各種識別和/或跟蹤演算法來識別相機圖像300內的車道邊界測量330。在一些實施例中,車道邊界檢測輸出320可以包括相機圖像300內的每個車道邊界測量330的標識(例如,使用諸如數字或字母之類的唯一標識符)、以及對應於每個車道邊界測量330的像素。
車道邊界測量330可能並不總是與車道標線310準確地對應。在一些情況下,例如,車道標線310可能被車輛或其它對象、雪、冰等遮擋。並且因此,車道邊界檢測輸出320可能無法準確識別某些車道標線310。此外,在一些情況下,車道邊界檢測可能錯誤地將道路上的其它標線(例如,施工標線、輪胎打滑痕跡等)識別為車道標線310。因此,車道邊界檢測輸出320中的車道邊界測量330最終可能不會被確定為與實際車道邊界相對應。因此,車道邊界測量330在本文中也被稱為候選車道邊界或候選車道邊界。
圖3C示出了車道邊界映射340,其中,車道邊界測量330與當前在濾波器中跟蹤並且由車道邊界狀態350或濾波器狀態表示的車道邊界相關聯(或被映射到車道邊界)。如圖所示,通過將車道邊界狀態350投影到相機圖像平面上(例如,如圖3C所示),並且將所投影的車道邊界狀態與車道邊界測量330進行比較,該映射可以基於相機圖像300而在圖像平面中發生。(替代地,車道邊界測量330可以被投影到另一平面/坐標系上以進行關聯。)廣義地說,通過基於諸如距離、朝向、估計不確定性等因素將車道邊界測量330與最相似的車道邊界狀態350進行匹配來發生關聯。可以使用各種演算法來執行這種關聯。
可以維護針對“自車道”360(車輛位於其中)的車道邊界的車道邊界狀態350。在可用時,也可以維護針對與自車道360相鄰的車道的車道邊界,諸如相鄰的左車道370(在左側緊鄰自車道360的車道)和相鄰的右車道380(在右側緊鄰自車道360的車道)。例如,跟蹤相鄰車道可以允許ADAS系統接收車道邊界映射340作為輸入,以確定是否盡可能地進行車道變換並且(可選地)執行車道變換操縱。來自額外車道的額外車道邊界也可以由車道邊界狀態350跟蹤和表示,這取決於諸如期望功能、檢測到的車道數量、處理能力等的功能。
在濾波器內,車道邊界狀態350可以使用參數化模型來描述車道邊界。也就是說,每個車道邊界狀態350可以包括針對以下各項中的一項或多項的值向量(例如,純量狀態):表示曲率、前進方向和/或其它車道邊界特徵的純量參數。然後,濾波器可以確定允許車道邊界狀態350準確地表示對應的車道邊界的參數值。(因此,車道邊界狀態350在本文中也被稱為車道邊界估計。)
在車道映射和定位系統200的實施中的困難之一是確保從新相機圖像300推導的車道邊界測量330與正確的車道邊界狀態350的正確關聯。錯誤關聯可能導致嚴重的估計錯誤或者甚至導致濾波器發散。這進而可能導致可以依賴於正確的車道映射的下游車輛系統(例如,ADAS系統)的錯誤功能或故障。
如前所述,關聯任務因兩種另外的現象而變得更加困難。第一個困難由應當被濾波器230忽略的錯誤的或異常的車道邊界測量330引起。即使使用複雜的檢測演算法,這種異常值也是可能的,並且可能例如由於輪胎標線、褪色的先前油漆標線、路面的裂縫以及具有挑戰性的天氣條件(諸如下雪或大雨)而導致。第二個困難由新檢測到的車道邊界引起。在這種情況下,濾波器230必須發起新車道邊界狀態350,而不是將新檢測到的車道邊界與現有的車道邊界狀態350進行關聯。例如,由於車道分割、出口、車輛變換車道(導致額外邊界的可見性)等,出現此類新車道邊界。
本文提供的實施例提供了處理該檢測到狀態關聯的原則性和全面的方法,其考慮了異常值和新車道邊界狀態發起兩者。為此,各實施例可以利用“虛設”車道邊界狀態。下文關於圖4-6提供了細節。然而,首先,建立概念(參考先前描述的圖式)以提供各實施例的數學描述。
在車輛周圍的車道邊界(例如,由車道標線310標識)可以由向量x來描述。例如,如果該向量是用兩個維度來描述的,其可以是車道邊界的偏移量和前進方向。替代地,根據一些實施例,如果其是用是三個維度來描述的,則其可包括車道邊界的普呂克線坐標(Plücker line-coordinates)。其它表示也是可能的。在濾波器230內對車道邊界x的估計(由
Figure 02_image001
表示)包括針對該車道邊界的濾波器狀態,並且被稱為車道邊界狀態350。如果濾波器230跟蹤N個車道邊界,則其具有N個對應的車道邊界狀態350(
Figure 02_image003
)。對於每個這樣的車道邊界狀態
Figure 02_image005
,濾波器230還估計對應的協方差矩陣
Figure 02_image007
在給定車道邊界x的情況下,車道邊界檢測功能單元235(當被應用於相機圖像時)產生測量的雜訊向量
Figure 02_image009
。此處,
Figure 02_image011
是測量函數,而z是測量雜訊,其被假設為高斯分佈,具有平均值零以及協方差矩陣Q。例如,y(對應於圖3B和3C中的車道邊界測量330)可以是相機圖像300內的、車道邊界檢測功能單元235在相機圖像300內找到的對應於車道邊界(例如,由車道標線310標識)的像素序列。通常,車道邊界檢測功能單元235可以產生多個(M個)車道邊界測量330(
Figure 02_image013
),其中,M個車道邊界測量330中的每一者對應於不同的車道邊界。也就是說,可以存在如下的情況:可能僅存在一個或兩個車道邊界測量330。
然後,關聯問題是將M個車道邊界測量
Figure 02_image015
與N個車道邊界濾波器狀態
Figure 02_image005
進行關聯。通常,M≠N。一些車道邊界測量330可能是異常值,這意味著它們不對應於任何真實的車道邊界,並且因此應當被丟棄。一些車道邊界測量330可以對應於在濾波器中尚未跟蹤的新車道邊界,並且因此應當觸發新狀態被添加到濾波器230。可以進一步注意的是,一些車道邊界測量可能無法被檢測到(例如,可能被遮擋或以其它方式無法被檢測演算法正確地識別),這可能導致M有時小於N。
從車道邊界狀態
Figure 02_image005
觀察測量
Figure 02_image017
的負對數可能性可以被表示為
Figure 02_image019
,並且可以使用以下等式來確定(在去除不相關的常數項之後):
Figure 02_image021
(1) 其中,
Figure 02_image023
(2) 並且
Figure 02_image025
(3)
Figure 02_image027
是在濾波器狀態
Figure 02_image005
下估計的測量函數
Figure 02_image029
的雅可比行列式(Jacobian)。數量
Figure 02_image019
可以被解釋為將測量
Figure 02_image015
與車道邊界狀態
Figure 02_image005
進行關聯的成本。
最小成本關聯是將每個測量m分配給狀態
Figure 02_image031
的關聯,使得沒有任何狀態具有與其相關聯的一個以上的測量,並且總關聯成本被最小化。總關聯成本可以被確定為:
Figure 02_image033
(4) 例如,可以使用Munkres分配演算法來高效地找到該最小成本關聯演算法。
因此,一般來說,濾波器230可以通過計算針對每個車道邊界測量/車道邊界狀態對的成本函數
Figure 02_image019
並且使用以上項(4)來確定最小成本關聯,從而執行車道邊界測量與車道邊界狀態的關聯。類似行的“成本”將相對小,因為車道邊界測量和車道邊界狀態(由等式(1)中的
Figure 02_image035
表示)的相對差異將是小的。因此,成本函數
Figure 02_image037
可以被視為車道邊界測量與車道邊界狀態之間的相似性的度量或程度,並且最小成本關聯用於識別與濾波器230中的車道邊界狀態最相似的車道邊界測量集合,其中存在測量到狀態的1:1映射。同樣,在一個或多個車道邊界測量與現有車道邊界狀態不對應的情況下,該過程可能是複雜的。
圖4是類似於圖3C的車道邊界映射輸入的圖,其提供了存在額外測量的情況的示例。在圖4中,存在兩個車道邊界測量410和兩個車道邊界狀態420,其中在左側的車道邊界測量410-1應當與在左側的車道邊界狀態420-1相關聯,並且在右側的車道邊界測量410-2應當與在右側的車道邊界狀態420-2相關聯。然而,此外,額外測量包括異常值測量430。如所提到的,這種異常值測量430可能是車道邊界檢測功能單元235錯誤地將輪胎痕跡、施工標線、被掩蓋的車道標線等識別為合法的車道標線的結果。
當然,當從車道邊界檢測塊235接收車道邊界測量410和異常值測量430時,濾波器230沒有接收關於異常值測量430是異常值的任何指示。為了允許濾波器230的關聯塊240通過將異常值測量430與車道邊界測量410或其它合法測量(例如,新車道邊界測量)區分開以有效地處理異常值測量430,本文的實施例可以使用異常值虛設狀態。如本文所使用的,術語“虛設狀態”是不作為濾波器的一部分並且僅在關聯問題的求解期間使用的狀態。
圖5提供了如何在圖4中所示的情形下使用域狀態以幫助確保去除異常值測量430的示例。此處,三個異常值虛設狀態540共同位於車道邊界映射空間內的中間區域處,遠離其它車道邊界狀態420。(這可以確保異常值虛設狀態540在關聯過程期間不被映射到車道邊界測量410。)在關聯期間,車道邊界測量410與對應的車道邊界狀態420正確地相關聯,並且異常值測量430與異常值虛設狀態540之一相關聯。因為異常值測量430與異常值虛設狀態540相關聯,所以其隨後被濾波器230忽略(例如,在估計塊250中不用於更新車道邊界狀態420)。
更一般地說,對異常值虛設狀態的使用可以如下描述。對於異常值處理,可以引入
Figure 02_image039
個虛設異常值虛設狀態,並且將其作為車道邊界狀
Figure 02_image041
進行處理,其中數字
Figure 02_image043
被選擇為使得針對每個車道邊界測量存在一個異常值虛設狀態。(因此,在圖5中的示例中,存在三個異常值虛設狀態540,針對兩個車道邊界測量410和異常值測量430有一個異常值虛設狀態。)針對異常值虛設狀態的相關聯的協方差矩陣
Figure 02_image045
可以被選擇為大到使得其可以與任何可能的車道測量相關聯。這導致成本函數
Figure 02_image019
中的
Figure 02_image047
的相應大的值,從而導致針對這些異常值虛設狀態而言項
Figure 02_image049
的大值以及
Figure 02_image051
的小值。這有效地導致異常值虛設狀態具有相對高的基本成本,其受車道測量的擬合的影響較小。如果最小成本關聯將測量分配給異常值虛設車道邊界,則對應的測量將被確定為異常值並且被丟棄/忽略。這允許異常值虛設狀態捕獲無關測量,而不會錯誤地捕獲有效測量。
取決於期望的功能,各實施例可以另外或替代地使用虛設狀態來在濾波器230內發起新車道邊界狀態。該過程在方式上與檢測異常值測量的過程類似。下文關於圖6描述了該過程的示例。
圖6是由濾波器230保持的車道邊界狀態620(其可以與車道邊界測量610相對應)以及發起虛設狀態630的示例的圖。發起虛設狀態630位於/靠近可能出現新的車道邊界測量的位置。這有助於確保:如果新車道邊界測量確實出現,其將在關聯過程(例如,如前所述,計算成本函數和最小成本關聯)期間被映射到發起虛設狀態630。
發起虛設狀態630的數量和放置可以根據期望的功能而變化。例如,發起虛設狀態630-1和630-2位於預期檢測到用於相鄰車道的車道邊界的位置(其可以是基於用於道路的已知或預期車道寬度的)。發起虛設狀態630-3以可能預期出口車道的角度來放置在車道邊界狀態620-2上。因此,發起虛設狀態630-3的位置和角度可以取決於道路的類型(地面街道、公路、高速公路等)。更廣泛地說,發起虛設狀態630的位置和放置可以取決於多種因素(道路類型、已知/預期車道寬度、車輛速度、相機位置等),並且可以被放置在預期新車道邊界(例如,來自新車道和/或出口車道)的位置、車道邊界模糊的位置,等等。
更一般地說,對發起虛設狀態的使用可以如下描述。對於狀態發起處理,可以引入
Figure 02_image053
個發起虛設狀態,並且將其處理為車道邊界狀態
Figure 02_image055
。基於如上所述的各種因素中的任何一種來選擇數量
Figure 02_image053
,並且將其定位在很可能出現新邊界測量。選擇相關聯的協方差矩陣
Figure 02_image057
,以反映這些新車道邊界測量可能出現的位置的習知知識。如果最小成本關聯將測量分配給這些
Figure 02_image053
個發起虛設狀態中的一個狀態,則將發起虛設狀態作為新車道邊界狀態添加到濾波器230。
可以注意到的是,在可用的情況下,一些實施例能夠從車道邊界的預構建高解析度(high definition, HD)地圖獲得車道邊界資訊。該車道邊界資訊可以用於幫助對車輛的定位,而不是地圖生成。因此,從道路上的車道標線的圖像推導的車道邊界測量可以與HD地圖中的車道邊界相關聯。本文描述的關聯技術也可以被應用於此類情形。
在這些情形下,車道邊界不是正在濾波器中跟蹤的,而是從HD地圖中獲得的。測量函數
Figure 02_image029
可以是依據具有協方差
Figure 02_image059
的車輛姿勢估計
Figure 02_image061
和來自HD地圖的已知車道邊界
Figure 02_image063
。在這種情況下,在車輛姿態
Figure 02_image061
的濾波器狀態下估計的測量函數
Figure 02_image029
的雅可比行列式為:
Figure 02_image065
(5) 並且
Figure 02_image067
(6)
虛設車道邊界可以按照上述方式用於異常值檢測和拒絕(諸如由施工區或其它HD地圖錯誤導致的)。然而,將無需存在新車道發起。
圖7是根據一個實施例的將車道邊界測量與車道邊界狀態進行關聯的方法700的流程圖。替代實施例可以以替代的順序執行功能,組合、分離和/或重新排列在圖7的塊中所示的功能,和/或並行地執行功能,這取決於期望的功能。本領域普通技術人員將明白這種變化。用於執行在圖7中所示的一個或多個框的功能的單元可以包括例如濾波器230。如所提到的,濾波器230可以包括卡爾曼濾波器(例如,EKF)、粒子濾波器、或被配置為從來自一個或多個感測器205的經更新資料序列遞迴地更新狀態估計(例如,車道邊界狀態)的類似演算法。濾波器230可以在軟體中實施,並且由車載電腦系統(諸如下面將進一步詳細描述的圖8的行動計算系統800)的處理單元和/或其它硬體和/或軟體組件執行。另外或替代地,此類單元可以包括專用硬體。
在框710處,功能包括:在道路上的車輛處獲得指示沿著道路的一部分檢測到的候選車道邊界的車道邊界測量。如在本文實施例所描述的,檢測到的候選車道邊界可以由車道邊界檢測功能單元使用對象檢測和/或類似圖像處理技術來從位於車輛上的相機的圖像中提取,以基於圖像中的一個或多個車道標線來確定檢測到的候選車道邊界。車道邊界測量可以由(例如)執行框710處的功能的濾波器從這樣的車道邊界檢測功能單元來獲得。
用於執行框710的功能的單元可以包括匯流排805、處理單元810、數位訊號處理器(Digital Signal Processor, DSP)820、輸入設備870、工作記憶體835和/或行動計算系統800的其它組件,如在圖8中所示並且在下文中進一步詳細描述的。
在框720處,功能包括:確定在車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,多個狀態包括:(i)描述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及(ii)一個或多個生成的狀態,其中,一個或多個生成的狀態被生成以用於確定相似性程度。一個或多個車道邊界狀態可以包括濾波器狀態。另外或替代地,描述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態可以是從道路的相應的一個或多個車道邊界的HD地圖來確定的。根據一些實施例,一個或多個車道邊界狀態可以包括使用參數來描述或近似一個或多個車道邊界的參數化模型。在一些實施例中,一個或多個車道邊界狀態包括指示以下各項的一個或多個參數:車道邊界的前進方向、車道邊界的曲率、車道邊界的偏移或車道邊界上的點,或其任何組合。如在上述實施例中所指出的,相似性可以包括成本函數或類似的比較度量,其可以比較諸如車道邊界測量和車道邊界狀態的位置和/或朝向的特性。
用於執行框720的功能的單元可以包括匯流排805、處理單元810、數位訊號處理器(DSP)820、工作記憶體835和/或行動計算系統800的其它組件,如在圖8中所示並且在下文中進一步詳細描述的。
在框730處,功能包括:將車道邊界測量與相關聯的狀態進行關聯,其中:(i)相關聯的狀態包括一個或多個生成的狀態中的一個狀態,以及(ii)關聯是基於所確定的在車道邊界測量與相關聯的狀態之間的相似性程度的。如在本文的實施例中詳細描述的,最小成本關聯演算法(例如,Munkres分配演算法)可以用於例如將車道邊界測量與狀態進行關聯以找到具有最小總成本的關聯。此外,該關聯可以導致車道邊界測量與生成的(虛設)狀態(諸如發起虛設狀態或異常值虛設狀態)相關聯。
用於執行框730的功能的單元可以包括匯流排805、處理單元810、數位訊號處理器(DSP)820、輸入設備870、工作記憶體835和/或行動計算系統800的其它組件,如在圖8中所示並且在下文中進一步詳細描述的。
在框740處,功能包括:響應於關聯,(i)將相關聯的狀態添加到第一集合的一個或多個車道邊界狀態中,或者(ii)忽略車道邊界測量。當車道邊界測量與異常值狀態相關聯時,可能發生忽略車道邊界測量。因此,根據方法700的一些實施例,忽略車道邊界測量是進一步基於確定相關聯的狀態包括用於標識無關車道邊界測量的生成的異常值狀態的。在這種情況下,車道邊界測量可以包括多個車道邊界測量中的一個車道邊界測量,並且一個或多個生成的狀態可以包括對應的多個異常值狀態(包括生成的異常值狀態),使得異常值狀態的數量與車道邊界測量的數量匹配。替代地,當車道邊界測量與發起狀態相關聯時,可以發生將相關聯的狀態添加到第一集合的一個或多個車道邊界狀態中。因此,根據方法700的一些實施例,將相關聯的狀態添加到第一集合的一個或多個車道邊界狀態中是進一步基於確定相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態的。在這樣的實施例中,該方法還可以包括生成包括生成的發起狀態的多個發起狀態,其中,發起狀態的數量是基於模糊車道邊界的候選位置、由道路上的新車道形成的新車道邊界的候選位置、或由道路上的出口形成的新車道邊界的候選位置、或其任何組合。
用於執行框740的功能的單元可以包括匯流排805、處理單元810、數位訊號處理器(DSP)820、工作記憶體835和/或行動計算系統800的其它組件,如在圖8中所示並且在下文中進一步詳細描述的。
一些實施例還可以包括向設備或系統提供輸出。例如,根據一些實施例,方法700還可以包括基於將相關聯的狀態添加到第一集合的一個或多個車道邊界狀態中或忽略車道邊界測量來提供輸出。提供輸出可以包括向車輛的先進駕駛輔助系統(ADAS)或車輛的用戶介面或兩者提供輸出。如本領域普通技術人員將明白的,該輸出不僅可以影響濾波器的操作,而且更一般地可以影響車輛的操作。更穩健的車道關聯可以導致由車輛使用的更可靠的資訊,這可以導致車輛功能的更穩健且更可靠的自動化。
圖8是行動計算系統800的一個實施例的方塊圖,行動計算系統800可以用於執行在本文的實施例中描述的部分或全部功能,包括在圖7中所示的框中的一個或多個框的功能。行動計算系統800可以位於車輛上,並且可以包括圖2的車道映射和定位系統200的部分或全部組件。例如,圖2的濾波器230和車道邊界檢測功能單元235可以由處理單元810和/或DSP 820執行;感測器205中的任何或全部感測器可以與感測器840、GNSS接收機880和/或輸入設備870相對應;ADAS 255可以由處理單元810和/或DSP 820來實施,或者可以被包括在輸出設備815中;等等。本領域普通技術人員將明白圖2和圖8的額外或替代組件可以重疊的情況。
應當注意,圖8僅意在提供各種組件的一般說明,其中任何或全部組件可以酌情使用。因此,圖8大致示出了如何以相對分離或相對更整合的方式實施各個系統元件。此外,可以注意的是,由圖8所示的組件可以定位到單個設備和/或分佈在各種網路設備之間,這些設備可以被佈置在車輛上的不同實體位置處。
行動計算系統800被示為包括硬體元件,這些硬體元件可以經由匯流排805電子地/通訊地耦合(或者可以酌情以其它方式進行通訊)。這些硬體元件可以包括處理單元810,其可以包括但不限於一個或多個通用處理器、一個或多個專用處理器(諸如數位訊號處理器(DSP)、圖形處理單元(graphical processing unit, GPU)、特殊應用積體電路(application specific integrated circuit, ASIC)、現場可程式化閘陣列(field-programmable gate array, FPGA)等)和/或可以被配置為執行本文描述的方法中的一種或多種方法(包括在圖7中描述的方法的至少一部分)的其它處理結構或單元。行動計算系統800還可以包括一個或多個輸入設備870,其可以包括但不限於CAN匯流排(和/或用於各種車輛系統的另一資料源)、車輛反饋系統、用戶輸入(例如,觸控螢幕顯示器、制動輸入、轉向輸入、刻度盤、開關等)等。行動計算系統800還可以包括一個或多個輸出設備815,其可以包括但不限於顯示設備(例如,儀錶板顯示器、資訊娛樂螢幕等)、燈、儀錶、車輛自動化和/或控制系統等。
行動計算系統800還可以包括可以使行動計算系統800能夠與其它設備進行通訊(如在以上實施例中描述)的無線通訊介面830,其可以包括但不限於數據機、網卡、紅外通訊設備、無線通訊設備和/或晶片組(諸如藍牙®設備、IEEE 802.11設備、IEEE 802.15.4設備、Wi-Fi設備、WiMAX設備、WAN設備和/或各種蜂巢式設備)等。無線通訊介面830可以允許例如經由存取點、各種基站和/或其它存取節點類型和/或其它網路組件、電腦系統、和/或與網路的發送/接收點(transmission/reception points, TRP)通訊地耦合的任何其它電子設備來與TRP傳送(例如,發送和接收)資料和信令,如本文描述的。
通訊可以經由用於車輛通勤場合的適用的通訊標準進行,諸如車聯網(Vehicle-to-everything, V2X)。V2X可以包括在支持V2X的車輛之間的車輛到車輛(vehicle-to-vehicle, V2V)通訊、在車輛與基於基礎設施的設備(通常被稱為路側單元或路邊單元(roadside units, RSU))之間的車輛到基礎設施(vehicle-to-infrastructure, V2I)通訊、在車輛與附近人員(行人、騎自行車者和其它道路使用者)等之間的車輛到人(vehicle-to-person, V2P)通訊。此外,V2X可以使用各種無線射頻通訊技術中的任何一種。例如,蜂巢式V2X(Cellular V2X, CV2X)是V2X的一種形式,其使用基於蜂巢式的通訊,諸如長期演進(long-term evolution, LTE)、第五代新無線電(fifth-generation new radio, 5G NR)和/或由第三代合作夥伴計劃(3rd Generation Partnership Project, 3GPP)定義的直接通訊模式中的其它蜂巢式技術。以這種方式,行動計算系統800可以包括V2X設備或V2X用戶設備(user equipment, UE)。
可以經由發送和/或接收無線訊號834的一個或多個無線通訊天線832來執行由無線通訊介面830進行的通訊。根據一些實施例,無線通訊天線832可以包括多個離散的天線、天線陣列或其任何組合。天線832可以能夠使用波束(例如,Tx波束和Rx波束)來發送和接收無線訊號。可以使用數位和/或類比波束成形技術以及相應的數位和/或類比電路來執行波束成形。無線通訊介面830可以包括這樣的電路。
根據期望的功能,無線通訊介面830可以包括用於與基站和其它地面收發機(諸如無線設備和存取點)進行通訊的單獨的接收機和發射機、或收發機、發射機和/或接收機的任何組合。行動計算系統800可以與可以包括各種網路類型的不同的資料網路進行通訊。例如,無線廣域網(Wireless Wide Area Network, WWAN)可以是分碼多存取(Code-division multiple access, CDMA)網路、分時多存取(Time Division Multiple Access, TDMA)網路、分頻多存取(Frequency Division Multiple Access, FDMA)網路、正交分頻多存取(Orthogonal Frequency Division Multiple Access, OFDMA)網路、單載波分頻多存取(Single-Carrier Frequency Division Multiple Access, SC-FDMA)網路、WiMAX(IEEE 802.16)網路等。CDMA網路可以實施一個或多個RAT,諸如CDMA2000、寬帶CDMA(wideband CDMA, WCDMA)等。CDMA2000包括IS-95、IS-2000和/或IS-856標準。TDMA網路可以實施全球行動通訊系統(Global System for Mobile Communications, GSM)、數位先進行動電話系統(Digital Advanced Mobile Phone System, D-AMPS)或某種其它RAT。OFDMA網路可以採用LTE、改進的LTE、5G NR等。在來自3GPP的文件中描述了5G NR、LTE、改進的LTE、GSM和WCDMA。在來自名為“第三代合作夥伴計劃X3”(3rd Generation Partnership Project X3, 3GPP2)的聯盟的文件中描述了Cdma2000。3GPP和3GPP2文件可公開獲得。無線區域網(wireless local area network, WLAN)也可以是IEEE 802.11x網路,並且無線個域網(wireless personal area network, WPAN)可以是藍牙網路、IEEE 802.15x或某種其它類型的網路。本文描述的技術也可以用於WWAN、WLAN和/或WPAN的任何組合。
行動計算系統800還可以包括感測器840。如前所述,感測器可以包括本文描述的車輛感測器中的任何一者,包括在圖2中所示和先前描述的感測器205。另外或替代地,感測器840可以包括但不限於一個或多個慣性感測器和/或其它感測器(例如,加速度計、陀螺儀、相機、磁強計、高度計、麥克風、接近度感測器、光感測器、氣壓計等),其中的一些可以用於獲得位置相關測量和/或其它資訊。
行動計算系統800的實施例還可以包括全球導航衛星系統(GNSS)接收機880,其能夠使用天線882(其可以與天線832相同)從一個或多個GNSS衛星接收訊號884。基於GNSS訊號測量的定位可以用於補充和/或併入本文描述的技術。GNSS接收機880可以使用傳統技術來從GNSS系統(諸如GPS、伽利略、GLONASS、日本上空的準天頂衛星系統(Quasi-Zenith Satellite System, QZSS)、印度上空的印度區域衛星導航系統(Indian Regional Navigational Satellite System, IRNSS)、中國上空的北斗導航衛星系統(BeiDou Navigation Satellite System, BDS)等)的GNSS衛星120提取行動計算系統800的位置。此外,GNSS接收機880可以與各種增強系統(例如,基於衛星的增強系統(Satellite Based Augmentation System, SBAS))一起使用,所述增強系統可以與一個或多個全球和/或區域導航衛星系統(例如,廣域增強系統(Wide Area Augmentation System, WAAS)、歐洲對地靜止導航覆蓋服務(European Geostationary Navigation Overlay Service, EGNOS)、多功能衛星增強系統(Multi-functional Satellite Augmentation System, MSAS)和地球靜止增強導航系統(Geo Augmented Navigation system, GAGAN)等)相關聯或以其它方式被啟用以與其一起使用。
可以注意的是,儘管在圖8中將GNSS接收機880示出為不同的組件,但是各實施例不限於此。如本文所使用的,術語“GNSS接收機”可以包括被配置為獲得GNSS測量(來自GNSS衛星的測量)的硬體和/或軟體組件。因此,在一些實施例中,GNSS接收機可以包括由一個或多個處理單元(諸如處理單元810、DSP 820和/或無線通訊介面830內的處理單元(例如,在數據機中))執行(作為軟體)的測量引擎。GNSS接收機還可以可選地包括定位引擎,其可以使用來自測量引擎的GNSS測量來使用EKF、加權最小二乘(Weighted Least Squares, WLS)、hatch濾波器、粒子濾波器等來確定GNSS接收機的位置。定位引擎也可以由一個或多個處理單元(諸如處理單元810或DSP 820)來執行。
行動計算系統800還可以包括記憶體860和/或與記憶體860相通訊。記憶體860可以包括但不限於本地和/或網路可存取儲存裝置;磁碟驅動器;驅動器陣列;光學儲存設備;固態儲存設備,諸如隨機存取記憶體(random access memory, RAM)、和/或唯讀記憶體(read-only memory, ROM),其可以是可程式化、可閃速更新的等等。此類儲存設備可以被配置為實施任何適當的資料儲存,包括但不限於各種文件系統、資料庫結構等。
行動計算系統800的記憶體860還可以包括軟體元件(在圖8中未示出),包括操作系統、設備驅動器、可執行庫和/或其它程式碼,諸如一個或多個應用程式,其可以包括由各個實施例提供的電腦程式,和/或可以被設計為實施由其它實施例提供的方法和/或配置由其它實施例提供的系統,如本文描述的。僅通過舉例的方式,可以將關於上文討論的方法描述的一個或多個過程實施為記憶體860中的可由行動計算系統800(和/或行動計算系統800內的處理單元810或DSP 820)執行的程式碼和/或指令。那麼,在一個方面中,可以使用這樣的程式碼和/或指令來配置和/或適配通用電腦(或其它設備)以執行根據所描述的方法的一個或多個操作。
對於本領域技術人員將顯而易見的是,可以根據具體要求進行實質性的改變。例如,還可以使用定制硬體,和/或可以用硬體、軟體(包括可移植軟體,諸如小應用程式等)或兩者來實施特定元素。此外,可以採用到諸如網路輸入/輸出設備之類的其它計算設備的連接。
參照圖式,可以包括記憶體的組件可以包括非暫時性機器可讀媒體。如本文使用的,術語“機器可讀媒體”和“電腦可讀媒體”指代參與提供使得機器以特定方式操作的資料的任何儲存媒體。在上文提供的實施例中,各種機器可讀媒體可以涉及向處理單元和/或其它設備提供指令/程式碼以供執行。另外或替代地,機器可讀媒體可以用於儲存和/或攜帶這樣的指令/程式碼。在許多實施中,電腦可讀媒體是實體和/或有形儲存媒體。這樣的媒體可以採用多種形式,包括但不限於非揮發性媒體和揮發性媒體。電腦可讀媒體的常見形式包括例如磁性和/或光學媒體、具有孔圖案的任何其它實體媒體、RAM、可編程ROM(programmable ROM, PROM)、可擦除PROM(erasable PROM, EPROM)、快閃EPROM、任何其它記憶體晶片或盒、或電腦可以從中讀取指令和/或程式碼的任何其它媒體。
本文討論的方法、系統和設備是示例。各個實施例可以酌情省略、替代或添加各種過程或組件。例如,關於某些實施例描述的特徵可以組合在各個其它實施例中。實施例的不同方面和元素可以以類似方式組合。本文提供的圖的各種組件可以用硬體和/或軟體來體現。此外,技術不斷發展,並且因此,許多元素是示例,其不將本揭露內容的範圍限制於那些特定示例。
已經證明,主要出於常用的原因,有時將這樣的訊號稱為位元、資訊、值、元素、符號、字符、變量、術語、數字、數值等是方便的。然而,應當理解的是,所有這些或類似術語將與適當的物理量相關聯,並且僅僅是方便的標籤。除非另有特別說明,否則從上文討論中顯而易見的是,將明白貫穿本說明書討論,使用諸如“處理”、“運算”、“計算”、“確定”、“查明”、“識別”、“關聯”、“測量”、“執行”等的術語是指特定裝置的動作或過程,諸如專用電腦或類似的專用電子計算設備。因此,在本說明書的上下文中,專用電腦或類似的專用電子計算設備能夠操縱或變換訊號,這些訊號通常被表示為專用電腦或類似的專用電子計算設備的記憶體、寄存器或其它資訊儲存設備、傳輸設備、或顯示設備內的實體電子、電氣或磁量。
如本文中使用的,術語“和”和“或”可以包括各種含義,也預期這些含義至少部分地取決於使用這些術語的上下文。通常,如果使用“或”來關聯列表(諸如A、B或C),則其旨在意指A、B和C(此處在包含性意義上使用)以及A、B或C(此處在排他性意義上使用)。另外,如本文中使用的,術語“一個或多個”可以用於以單數形式描述任何特徵、結構或特性,或者可以用於描述特徵、結構或特性的某種組合。然而,應當注意的是,這僅僅是說明性示例,並且所要求保護的主題不限於該示例。此外,如果術語“中的至少一個”用於關聯列表(諸如A、B或C),則其可以被解釋為意指A、B和/或C的任何組合,諸如A、AB、AA、AAB、AABBCCC等。
在描述了若干實施例之後,在不脫離本揭露內容的範圍的情況下,可以使用各種修改、替代構造和等效物。例如,上述元素可以僅僅是較大系統的組件,其中,其它規則可以優先於或以其它方式修改各個實施例的應用。此外,可以在考慮上述元素之前、期間或之後採取多個步驟。因此,上述描述不限制本揭露內容的範圍。
鑒於該描述,各實施例可以包括特徵的不同組合。在以下編號的條款中描述了實施示例: 條款1、一種將車道邊界測量與車道邊界狀態進行關聯的方法,所述方法包括:在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量;確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態、以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度;將所述車道邊界測量與相關聯的狀態進行關聯,其中:所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及響應於所述關聯:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。 條款2、根據條款1所述的方法,其中,忽略所述車道邊界測量是進一步基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態的。 條款3、根據條款1或2所述的方法,其中:所述車道邊界測量包括一數量的車道邊界測量中的一個車道邊界測量,並且所述一個或多個生成的狀態包括包含所述生成的異常值狀態的對應數量的異常值狀態,使得異常值狀態的數量與車道邊界測量的數量匹配。 條款4、根據條款1所述的方法,其中,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中是進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態的。 條款5、根據條款1或4所述的方法,還包括:生成包括所述生成的發起狀態的一數量的發起狀態,其中,發起狀態的所述數量是基於:模糊車道邊界的候選位置、或由所述道路上的新車道形成的新車道邊界的候選位置、或由所述道路上的出口形成的新車道邊界的候選位置、或其任何組合。 條款6、根據條款1-5中任一項所述的方法,其中,描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態是根據所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖來確定的。 條款7、根據條款1-6中任一項所述的方法,其中,所述檢測到的候選車道邊界是從由位於所述車輛上的相機拍攝的圖像中提取的。 條款8、根據條款1-7中任一項所述的方法,還包括:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。 條款9、根據條款1-8中任一項所述的方法,其中,提供所述輸出包括將所述輸出提供給以下各項:所述車輛的先進駕駛輔助系統(ADAS)、或所述車輛的用戶介面、或兩者。 條款10、根據條款1-9中任一項所述的方法,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數:所述車道邊界的前進方向、或所述車道邊界的曲率、或所述車道邊界的偏移、或所述車道邊界上的點、或其任何組合。 條款11、一種設備,包括:記憶體;以及與所述記憶體通訊地耦合的一個或多個處理單元,所述一個或多個處理單元被配置為:獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量;確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態、以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度;將所述車道邊界測量與相關聯的狀態進行關聯,其中:所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及響應於所述關聯:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。 條款12、根據條款11所述的設備,其中,所述一個或多個處理單元被配置為:進一步基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態,來忽略所述車道邊界測量。 條款13、根據條款11或12所述的設備,其中,所述一個或多個處理單元被配置為:確定包括所述生成的異常值狀態的一數量的異常值狀態,使得異常值狀態的數量與車道邊界測量的數量匹配。 條款14、根據條款11的任一項所述的設備,其中,所述一個或多個處理單元被配置為:進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中。 條款15、根據條款11或14所述的設備,其中,所述一個或多個處理單元還被配置為:生成包括所述生成的發起狀態的一數量的發起狀態,其中,發起狀態的所述數量是基於:模糊車道邊界的候選位置、或由所述道路上的新車道形成的新車道邊界的候選位置、或由所述道路上的出口形成的新車道邊界的候選位置、或其任何組合。 條款16、根據條款11-15中任一項所述的設備,其中,所述一個或多個處理單元還被配置為:根據所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖,來確定描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態。 條款17、根據條款11-16中任一項所述的設備,其中,所述一個或多個處理單元還被配置為:從由位於所述車輛上的相機拍攝的圖像中提取所述檢測到的候選車道邊界。 條款18、根據條款11-17中任一項所述的設備,其中,所述一個或多個處理單元還被配置為:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。 條款19、根據條款11-18中任一項所述的設備,其中,為了提供所述輸出,所述一個或多個處理單元被配置為將所述輸出提供給以下各項:所述車輛的先進駕駛輔助系統(ADAS)、或所述車輛的用戶介面、或兩者。 條款20、根據條款11-19中任一項所述的設備,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數:所述車道邊界的前進方向、或所述車道邊界的曲率、或所述車道邊界的偏移、或所述車道邊界上的點、或其任何組合。 條款21、一種設備,包括:用於獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量的構件;用於確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度的構件,其中,所述多個狀態包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態、以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度;用於將所述車道邊界測量與相關聯的狀態進行關聯的構件,其中:所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及用於響應於所述關聯來執行以下操作的構件:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。 條款22、根據條款21所述的設備,還包括:用於進一步使得所述忽略所述車道邊界測量基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態的構件。 條款23、根據條款21或22所述的設備,還包括:用於確定包括所述生成的異常值狀態的一數量的異常值狀態,使得異常值狀態的數量與車道邊界測量的數量匹配的構件。 條款24、根據條款21所述的設備,還包括:用於進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中的構件。 條款25、根據條款21或24所述的設備,還包括:用於生成包括所述生成的發起狀態的一數量的發起狀態的構件,其中,發起狀態的所述數量是基於:模糊車道邊界的候選位置、或由所述道路上的新車道形成的新車道邊界的候選位置、或由所述道路上的出口形成的新車道邊界的候選位置、或其任何組合。 條款26、根據條款21-25中任一項所述的設備,還包括:用於根據所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖,來確定描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態的構件。 條款27、根據條款21-26中任一項所述的設備,其中,所述檢測到的候選車道邊界是從由位於所述車輛上的相機拍攝的圖像中提取的。 條款28、根據條款21-27中任一項所述的設備,還包括:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。 條款29、根據條款21-28中任一項所述的設備,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數:所述車道邊界的前進方向、或所述車道邊界的曲率、或所述車道邊界的偏移、或所述車道邊界上的點、或其任何組合。 條款30、一種儲存用於將車道邊界測量與車道邊界狀態進行關聯的指令的非暫時性電腦可讀媒體,所述指令包括用於進行以下操作的程式碼:在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量;確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括:描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態、以及一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度;將所述車道邊界測量與相關聯的狀態進行關聯,其中:所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及響應於所述關聯:將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者忽略所述車道邊界測量。
110:車輛 120:衛星 130:視角 200:系統 205:感測器 210:相機 215:IMU 220:輪速感測器 225:接收機 230:濾波器 235:車道邊界檢測功能單元 240:關聯功能單元 250:估計功能單元 255:先進駕駛輔助系統 260:顯示器 265:控制塊 270:導航塊 275:路徑規劃塊 300:相機圖像 310:車道標線 320:車道邊界檢測輸出 330:車道邊界測量 340:車道邊界映射 350:車道邊界狀態 360:自車道 370:相鄰的左車道 380:相鄰的右車道 410-1、410-2:車道邊界測量 420-1、420-2:車道邊界狀態 430:異常值測量 540:異常值虛設狀態 610-1、610-2:車道邊界測量 620-1、620-2:車道邊界狀態 630-1、630-2、630-3:發起虛設狀態 700:流程圖 710、720、730、740:框 800:行動計算系統 805:匯流排 810:處理單元 815:輸出設備 820:數位訊號處理器 830:無線通訊介面 832:天線 834:訊號 840:感測器 860:記憶體 870:輸入設備 880:GNSS接收機 882:天線 884:訊號
通過舉例的方式示出了本揭露內容的各方面。
圖1是車輛的透視圖的圖;
圖2是根據一個實施例的車道映射和定位系統的方塊圖;
圖3A-3C示出了根據一個實施例的車道關聯的過程的圖;
圖4-6是示出根據一個實施例的車道邊界狀態、車道邊界測量和“虛設”狀態的使用的示例的圖;
圖7是根據一個實施例的將車道邊界測量與車道邊界狀態進行關聯的方法的流程圖;以及
圖8是行動計算系統的實施例的方塊圖。
根據某些示例實施,各個圖式中的相似的元件符號指示相似的元素。另外,可以通過在用於元素的第一數字後面跟隨有字母或者連字符和第二數字來指示該元素的多個實例。例如,元素110的多個實例可以被指示為110-1、110-2、110-3等或110a、110b、110c等。當僅使用第一數字來指代這樣的元素時,將理解為該元素的任何實例(例如,前面示例中的元素110將指代元素110-1、110-2和110-3或元素110a、110b和110c)。
700:流程圖
710、720、730、740:框

Claims (30)

  1. 一種將車道邊界測量與車道邊界狀態進行關聯的方法,所述方法包括: 在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量; 確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括: 描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及 一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度; 將所述車道邊界測量與相關聯的狀態進行關聯,其中: 所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且 所述關聯是基於所述確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及 響應於所述關聯: 將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者 忽略所述車道邊界測量。
  2. 如請求項1所述的方法,其中,忽略所述車道邊界測量是進一步基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態的。
  3. 如請求項2所述的方法,其中: 所述車道邊界測量包括一數量的車道邊界測量中的一個車道邊界測量,並且 所述一個或多個生成的狀態包括包含所述生成的異常值狀態的對應數量的異常值狀態,使得異常值狀態的所述數量與車道邊界測量的所述數量匹配。
  4. 如請求項1所述的方法,其中,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中是進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態的。
  5. 如請求項4所述的方法,還包括:生成包括所述生成的發起狀態的一數量的發起狀態,其中,所述數量的發起狀態是基於: 模糊車道邊界的候選位置,或者 由所述道路上的新車道形成的新車道邊界的候選位置,或者 由所述道路上的出口形成的新車道邊界的候選位置,或者 其任何組合。
  6. 如請求項1所述的方法,其中,描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態是從所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖來確定的。
  7. 如請求項1所述的方法,其中,所述檢測到的候選車道邊界是從由位於所述車輛上的相機拍攝的圖像中提取的。
  8. 如請求項1所述的方法,還包括:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。
  9. 如請求項8所述的方法,其中,提供所述輸出包括將所述輸出提供給以下各項: 所述車輛的先進駕駛輔助系統(Advanced Driver-Assist System, ADAS),或者 所述車輛的用戶介面,或者 兩者。
  10. 如請求項1所述的方法,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數: 所述車道邊界的前進方向,或者 所述車道邊界的曲率,或者 所述車道邊界的偏移,或者 所述車道邊界上的點,或者 其任何組合。
  11. 一種設備,包括: 記憶體; 感測器;以及 與所述感測器和所述記憶體通訊地耦合的一個或多個處理單元,所述一個或多個處理單元被配置為: 獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量; 確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括: 描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及 一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度; 將所述車道邊界測量與相關聯的狀態進行關聯,其中: 所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且 所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及 響應於所述關聯: 將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者 忽略所述車道邊界測量。
  12. 如請求項11所述的設備,其中,所述一個或多個處理單元被配置為:進一步基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態,來忽略所述車道邊界測量。
  13. 如請求項12所述的設備,其中,所述一個或多個處理單元被配置為:確定包括所述生成的異常值狀態的一數量的異常值狀態,使得所述異常值狀態的數量與車道邊界測量的數量匹配。
  14. 如請求項11所述的設備,其中,所述一個或多個處理單元被配置為:進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中。
  15. 如請求項14所述的設備,其中,所述一個或多個處理單元還被配置為:生成包括所述生成的發起狀態的一數量的發起狀態,其中,所述數量的發起狀態是基於: 模糊車道邊界的候選位置,或者 由所述道路上的新車道形成的新車道邊界的候選位置,或者 由所述道路上的出口形成的新車道邊界的候選位置,或者 其任何組合。
  16. 如請求項11所述的設備,其中,所述一個或多個處理單元還被配置為:從所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖,來確定描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態。
  17. 如請求項11所述的設備,其中,所述感測器包括位於所述車輛上的相機,並且其中,所述一個或多個處理器還被配置為:從由所述相機拍攝的圖像中提取所述檢測到的候選車道邊界。
  18. 如請求項11所述的設備,其中,所述一個或多個處理單元還被配置為:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。
  19. 如請求項18所述的設備,其中,為了提供所述輸出,所述一個或多個處理單元被配置為將所述輸出提供給以下各項: 所述車輛的先進駕駛輔助系統(ADAS),或者 所述車輛的用戶介面,或者 兩者。
  20. 如請求項11所述的設備,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數: 所述車道邊界的前進方向,或者 所述車道邊界的曲率,或者 所述車道邊界的偏移,或者 所述車道邊界上的點,或者 其任何組合。
  21. 一種設備,包括: 用於獲得指示沿著車輛所位於的道路的一部分檢測到的候選車道邊界的車道邊界測量的構件; 用於確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度的構件,其中,所述多個狀態包括: 描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及 一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度; 用於將所述車道邊界測量與相關聯的狀態進行關聯的構件,其中: 所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且 所述關聯是基於所述確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及 用於響應於所述關聯來執行以下操作的構件: 將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者 忽略所述車道邊界測量。
  22. 如請求項21所述的設備,還包括:用於進一步使得所述忽略所述車道邊界測量基於確定所述相關聯的狀態包括用於識別無關車道邊界測量的生成的異常值狀態的構件。
  23. 如請求項22所述的設備,還包括:用於確定包括所述生成的異常值狀態的一數量的異常值狀態,使得所述異常值狀態的數量與車道邊界測量的數量匹配的構件。
  24. 如請求項21所述的設備,還包括:用於進一步基於確定所述相關聯的狀態包括被創建用於識別新車道邊界的生成的發起狀態,將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中的構件。
  25. 根據權利要24所述的設備,還包括:用於生成包括所述生成的發起狀態的一數量的發起狀態的構件,其中,所述數量的啟動狀態是基於: 模糊車道邊界的候選位置,或者 由所述道路上的新車道形成的新車道邊界的候選位置,或者 由所述道路上的出口形成的新車道邊界的候選位置,或者 其任何組合。
  26. 如請求項21所述的設備,還包括:用於根據所述道路的所述相應的一個或多個車道邊界的高解析度(HD)地圖,來確定描述所述道路的所述相應的一個或多個車道邊界的所述一個或多個車道邊界狀態的構件。
  27. 如請求項21所述的設備,其中,所述檢測到的候選車道邊界是從由位於所述車輛上的相機拍攝的圖像中提取的。
  28. 如請求項21所述的設備,還包括:基於所述將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中或者所述忽略所述車道邊界測量來提供輸出。
  29. 如請求項21所述的設備,其中,描述所述道路的相應的一個或多個車道邊界的所述一個或多個車道邊界狀態包括指示以下各項的一個或多個參數: 所述車道邊界的前進方向,或者 所述車道邊界的曲率,或者 所述車道邊界的偏移,或者 所述車道邊界上的點,或者 其任何組合。
  30. 一種儲存用於將車道邊界測量與車道邊界狀態進行關聯的指令的非暫時性電腦可讀媒體,所述指令包括用於進行以下操作的程式碼: 在道路上的車輛處獲得指示沿著所述道路的一部分檢測到的候選車道邊界的車道邊界測量; 確定在所述車道邊界測量與多個狀態中的每個狀態之間的相似性程度,其中,所述多個狀態包括: 描述所述道路的相應的一個或多個車道邊界的一個或多個車道邊界狀態,以及 一個或多個生成的狀態,其中,所述一個或多個生成的狀態被生成以用於確定所述相似性程度; 將所述車道邊界測量與相關聯的狀態進行關聯,其中: 所述相關聯的狀態包括所述一個或多個生成的狀態中的一個狀態,並且 所述關聯是基於所確定的在所述車道邊界測量與所述相關聯的狀態之間的相似性程度的;以及 響應於所述關聯: 將所述相關聯的狀態添加到所述一個或多個車道邊界狀態中,或者 忽略所述車道邊界測量。
TW110144899A 2021-01-20 2021-12-01 用於路線圖生成的穩健的車道邊界關聯 TW202229069A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/153,704 US11636693B2 (en) 2021-01-20 2021-01-20 Robust lane-boundary association for road map generation
US17/153,704 2021-01-20

Publications (1)

Publication Number Publication Date
TW202229069A true TW202229069A (zh) 2022-08-01

Family

ID=79170940

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110144899A TW202229069A (zh) 2021-01-20 2021-12-01 用於路線圖生成的穩健的車道邊界關聯

Country Status (5)

Country Link
US (1) US11636693B2 (zh)
EP (1) EP4281944A1 (zh)
CN (1) CN116724338A (zh)
TW (1) TW202229069A (zh)
WO (1) WO2022159253A1 (zh)

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4392389B2 (ja) * 2005-06-27 2009-12-24 本田技研工業株式会社 車両及び車線認識装置
US7561032B2 (en) * 2005-09-26 2009-07-14 Gm Global Technology Operations, Inc. Selectable lane-departure warning system and method
US7876926B2 (en) * 2006-11-03 2011-01-25 Delphi Technologies, Inc. Lane marker detection and fitting methods
JP2008168811A (ja) * 2007-01-12 2008-07-24 Honda Motor Co Ltd 車線認識装置、車両、車線認識方法、及び車線認識プログラム
US9090263B2 (en) * 2010-07-20 2015-07-28 GM Global Technology Operations LLC Lane fusion system using forward-view and rear-view cameras
US8706417B2 (en) * 2012-07-30 2014-04-22 GM Global Technology Operations LLC Anchor lane selection method using navigation input in road change scenarios
US9824300B2 (en) * 2016-03-01 2017-11-21 Ford Global Technologies, Llc Vehicle lane learning
CN106096525B (zh) 2016-06-06 2019-07-19 重庆邮电大学 一种复合型车道识别***及方法
CN106203398B (zh) * 2016-07-26 2019-08-13 东软集团股份有限公司 一种检测车道边界的方法、装置和设备
US20180173229A1 (en) * 2016-12-15 2018-06-21 Dura Operating, Llc Method and system for performing advanced driver assistance system functions using beyond line-of-sight situational awareness
US20190212747A1 (en) * 2017-08-30 2019-07-11 Continental Automotive Systems, Inc. Lane Marker Signal Improvement through Mapped Geo-Referenced Lane Boundaries
CN108229386B (zh) * 2017-12-29 2021-12-14 百度在线网络技术(北京)有限公司 用于检测车道线的方法、装置和介质
US10990815B2 (en) 2018-12-27 2021-04-27 Beijing Didi Infinity Technology And Development Co., Ltd. Image pre-processing in a lane marking determination system
US11544940B2 (en) * 2019-01-04 2023-01-03 Qualcomm Incorporated Hybrid lane estimation using both deep learning and computer vision
US11195028B2 (en) 2019-01-04 2021-12-07 Qualcomm Incorporated Real-time simultaneous detection of lane marker and raised pavement marker for optimal estimation of multiple lane boundaries
US11854402B2 (en) * 2020-07-10 2023-12-26 Here Global B.V. Method, apparatus, and system for detecting lane departure events based on probe data and sensor data

Also Published As

Publication number Publication date
CN116724338A (zh) 2023-09-08
EP4281944A1 (en) 2023-11-29
WO2022159253A1 (en) 2022-07-28
US20220230017A1 (en) 2022-07-21
US11636693B2 (en) 2023-04-25

Similar Documents

Publication Publication Date Title
US10788830B2 (en) Systems and methods for determining a vehicle position
US9734399B2 (en) Context-aware object detection in aerial photographs/videos using travel path metadata
CN110603463A (zh) 使用摄像头在车辆处进行非视距(NLoS)卫星检测
CN110945320B (zh) 车辆定位方法和***
US20150345974A1 (en) Driving support device, driving support method, and recording medium storing driving support program
US20130162824A1 (en) Apparatus and method for recognizing current position of vehicle using internal network of the vehicle and image sensor
US20220357441A1 (en) Radar and camera data fusion
CN109844457B (zh) 用于产生数字道路模型的***和方法
JP6520740B2 (ja) 物体検出方法、物体検出装置、およびプログラム
BR112016026372B1 (pt) Aparelho de detecção de alvo e método de detecção de alvo
US11651598B2 (en) Lane mapping and localization using periodically-updated anchor frames
US20220113139A1 (en) Object recognition device, object recognition method and program
JP2019078700A (ja) 情報処理装置および情報処理システム
US10607385B2 (en) Augmented reality positioning and tracking system and method
US20240061119A1 (en) Cellular radio frequency (rf) sensing in automobile navigation
EP3339808B1 (en) Positioning objects in an augmented reality display
JP2024038322A (ja) 測定装置、測定方法およびプログラム
JP2017211307A (ja) 測定装置、測定方法およびプログラム
JP2023099851A (ja) 測定装置、測定方法およびプログラム
CN112528719A (zh) 推定装置、推定方法以及存储介质
TW202229069A (zh) 用於路線圖生成的穩健的車道邊界關聯
JP2019132701A (ja) 地図情報作成方法
JPWO2018212284A1 (ja) 測定装置、測定方法およびプログラム