[go: up one dir, main page]

CN107228676B - 来自连接的车辆队列的地图更新 - Google Patents

来自连接的车辆队列的地图更新 Download PDF

Info

Publication number
CN107228676B
CN107228676B CN201710179770.0A CN201710179770A CN107228676B CN 107228676 B CN107228676 B CN 107228676B CN 201710179770 A CN201710179770 A CN 201710179770A CN 107228676 B CN107228676 B CN 107228676B
Authority
CN
China
Prior art keywords
database
road object
road
response
vehicle
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
CN201710179770.0A
Other languages
English (en)
Other versions
CN107228676A (zh
Inventor
G·吉尤尔朱
L·斯滕内斯
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.)
Here Global BV
Original Assignee
Here Global BV
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 Here Global BV filed Critical Here Global BV
Publication of CN107228676A publication Critical patent/CN107228676A/zh
Application granted granted Critical
Publication of CN107228676B publication Critical patent/CN107228676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • G06F16/2365Ensuring data consistency and integrity
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

通过至少一个传感器检测道路设施物品或另一类型的道路物体。确定与道路设施物品或道路物体相关联的相关联地理位置。在达到预定时间之后,将地理位置与本地数据库进行比较。在达到预定时间后并根据与本地数据库的比较,更新远程数据库。在一些示例中,基于本地数据库中的置信水平来删除指示道路设施物品或道路物体的数据。

Description

来自连接的车辆队列的地图更新
技术领域
以下公开涉及地图更新,更具体地,涉及来自连接的车辆队列的地图更新。
背景技术
地图数据库可以用于提供:基于导航的特征,诸如从原始位置到目的地位置的最优路线的路线指令;以及基于地图的特征,诸如地图的分段和显示,以手动地定位感兴趣的位置或点。地图数据库用于驾驶员辅助系统或无人驾驶系统。地图数据库也用于改善车辆燃料经济性的系统,诸如考虑到即将到来的坡度和速度变化来优化变速齿轮选择的系统。
地图属性通常随时间改变。当新道路被建设、其他道路被关闭、速度限制改变或营业位置被改变时,地理数据库应该被更新。现实世界观察可以指示地图属性改变。人群源可以被用于从用户接收更新信息。然而,数据传送可能对用户设备以及网络造成不必要的负担。在用户设备和地图开发商之间传送的数据量的减少降低了成本并且提高了系统的速度和总体操作。
发明内容
在一个实施例中,一种用于在指定时间更新远程地理数据库的方法包括:接收指示道路设施物品的传感器数据;确定与道路设施物品相关联的地理位置;基于当前时间与预定时间的第一比较来延迟;执行地理位置和指示道路设施物品的数据与本地数据库的第二比较;以及响应于第一比较和第二比较,向远程地理数据库发送更新。
在一个实施例中,一种用于在预定时间向远程数据库发送更新的装置包括:传感器、位置检测器和控制器。传感器被配置为接收指示道路物体的传感器数据。位置检测器被配置为确定与道路物体相关联的地理位置。控制器被配置为:确定从接收到传感器数据起何时已经过去了预定时间;将道路物体的地理位置与本地数据库进行比较;以及响应于预定时间过去来生成用于远程数据库的更新消息。
在一个实施例中,一种用于地理数据库更新的方法包括:接收指示道路设施物品的传感器数据;确定与道路设施物品相关联的地理位置;标识本地数据库中的置信度值;将置信度值与置信度阈值进行比较;以及响应于所述置信度值超过置信度阈值,丢弃指示道路设施物品的传感器数据。
在一个实施例中,一种装置包括传感器、位置检测器、车辆数据库和控制器。传感器被配置为接收指示道路物体的传感器数据。位置检测器被配置为确定与道路物体相关联的地理位置。车辆数据库包括与道路物体相关联的置信水平。控制器被配置为将道路物体的地理位置与车辆数据库进行比较,并且响应于置信水平来丢弃道路物体的数据。
附图说明
在本文中参考下面的附图描述了本发明的示例性实施例。
图1示出了用于地图更新的示例性系统。
图2示出了用于地图更新的示例性流程图。
图3示出了队列车辆的示例。
图4示出了示例性道路设施单元。
图5示出了用于地图更新的示例性系统。
图6示出了示例性服务器。
图7示出了使用图6的服务器的高效率地图更新的示例性流程图。
图8示出了示例性移动设备。
具体实施方式
连接的车辆包括通信设备和环境传感器阵列。连接的车辆可以包括与仪表板导航系统耦合的集成通信设备。连接的车辆可以包括与车辆系统通信的ad-hoc通信设备,例如移动设备或智能电话。通信设备将车辆连接到包括至少一个其他车辆和至少一个服务器的网络。网络可以是因特网或连接到因特网。
传感器阵列可以包括被配置为检测车辆的周围环境,更具体地,一个或多个道路设施物品的一个或多个传感器,。传感器阵列可以包括多个传感器。示例性传感器包括:诸如光检测和测距(LiDAR)的光学距离系统、诸如相机的图像捕获系统、诸如声音导航和测距(SONAR)的声音距离系统、诸如无线电检测和测距(RADAR)的无线电距离系统或另一传感器。照相机可以是可见光谱照相机、红外照相机、紫外照相机或另一照相机。
道路设施物品可以包括与沿着道路的交通运动有关的任何物体。示例性道路设施物品包括交通标志(例如,速度限制标志)、交通信号灯、人行横道、公共交通停车站或包括关于沿着道路的交通流的信息的其他物理物品。在一个示例中,诸如这些道路设施物品的道路物体是永久的或半永久的,并且通常不随时间改变。其他道路物体可以包括瞬态或半瞬态物体。示例包括诸如坑洼、失速的车辆或外来物体(例如,爆裂的轮胎、路毙的动物或堕落的岩石)的危险。
服务器包括服务器地图。服务器地图包括表示在节点处链接在一起的道路或其他路径的路段。服务器地图包括沿着路段的特定地理位置或位置处的位置名称和感兴趣点。服务器地图包括与沿着路段的地理位置或位置绑定的道路设施物品。地图服务器处的地图可以包括具有路段的速度限制、曲率、坡度、行驶方向、车道的长度和数量的高清晰度地图。
可以集成在车辆中或连接的车辆的旅行者的移动设备中的连接的车辆包括车辆地图,其具有与服务器地图类似的格式(例如,模式和值)。服务器将更新从服务器地图推送到车辆地图。备选地,车辆可以请求来自服务器的更新。在任一情况下,可以以预定时间表或以预定间隔进行更新。预定时间时间表可以指示更新在一天期间的某些时间(例如,小时、半小时或者小时的每X分钟)发生。预定间隔可以循环重复(例如,每X分钟)。
道路设施物品或道路物体可以不时地改变或移动。当连接的车辆在道路设施物品附近行驶时,传感器阵列实时地观察或检测道路设施物品。更新可以从车辆传送到服务器。进而,在预定时间,服务器向车辆队列提供更新。车辆队列可以包括为了收集数据的目的而派遣的车辆,但是也可以包括可以在车辆队列中连接的任何类型的连接的车辆,仅因为车辆来自相同的制造商、共享相同的地图提供方用于导航、或者已被指派给收集器传感器数据。在替代方案中,车辆队列可以是具有与导航应用、地图应用或用于收集传感器数据的数据收集应用相关联的移动设备的车辆。
在一个示例中,服务器基于地理位置(即,一次更新车辆地图的部分)向车辆队列提供更新。以下实施例包括用于减少更新服务器地图所需的带宽和/或保持车辆地图与服务器地图一致的技术。通过最小化或消除提供冗余或可能的冗余更新的累积更新来减少更新的带宽。例如,检测到的道路物体可以仅在等待延迟周期之后从连接的车辆被发送到服务器。延迟周期确保车辆地图在从检测到道路物体起经过的时间内被更新。因此,车辆地图是在车辆报告检测到与车辆地图之间的差异之前的最新状态。此外,在发送指示道路物体的数据或检测到的差异之前,车辆可以检查与局部地图中的道路物体相关联的置信水平。在低置信水平下,车辆将指示道路物体或检测到的差异的数据传递到服务器,以增加置信水平。在高置信水平,信息完全可能不被传递到服务器。也就是说,道路物体已经在车辆地图和/或服务器地图中以高置信水平存在可能对更新地图没有用。在这种情况下,通过阻止向服务器的传送来节省带宽和其他计算资源。
在一个示例中,道路设施物品或道路物体是速度限制标志。传感器阵列包括捕获包括速度限制值的速度限制标记的图像的照相机。基于捕获图像的位置或来自图像分析的位置,向本地地理数据库查询该位置的先前存储的速度限制值。即使先前存储的速度限制值不同于检测到的速度限制值,系统也等待来自服务器的针对地理数据库的后续更新或者针对例如来自服务器的更新的预期时间。如果更新改变先前存储的值,则系统丢弃检测到的速度限制值,或者向服务器报告检测到的速度值的改进的置信水平。如果更新不更改先前存储的值,则将检测到的速度限制值作为速度限制标记的新值报告给服务器。
图1图示了用于地图更新的示例性系统。在图1中,一个或多个移动设备122包括探测器131,并且通过网络127连接到服务器125。包括服务器地图的数据库123也连接到服务器125。数据库123和服务器125组成开发商系统121。多个移动设备122通过网络127连接到服务器125。移动设备122可以用作探测器131或者与探测器131耦合。移动设备122包括与车辆地图相对应的数据库133。可以包括附加的、不同的或更少的组件。
在单个移动设备122处收集数据以在服务器125处更新服务器地图。移动设备122不直接更新车辆地图。相反,移动设备122基于由探测器131收集的数据来选择性地向服务器125发送更新。服务器125向移动设备122发送周期性更新。
移动设备122可以是个人导航设备(“PND”)、便携式导航设备、移动电话、个人数字助理(“PDA”)、手表、平板计算机、笔记本计算机、和/或任何其他已知或以后开发的移动设备或个人计算机。移动设备122还可以是汽车头部单元、信息娱乐系统和/或任何其他已知或以后开发的汽车导航系统。导航设备的非限制性实施例还可包括用于空中或水上旅行的关系数据库服务设备、移动电话设备、汽车导航设备和导航设备。
通过网络127在移动设备122和服务器125之间的通信可以使用各种类型的无线网络。示例性无线网络包括蜂窝网络、被称为WiFi或IEEE 802.11的协议族、被称为蓝牙的协议族或另一协议。蜂窝技术可以是模拟高级移动电话系统(AMPS)、全球移动通信系统(GSM)、第三代合作伙伴计划(3GPP)、码分多址(CDMA)、个人手持电话系统(PHS)、和4G或长期演进(LTE)标准或另一协议。
图2图示了使用图1的系统的地图更新的示例性流程图。可以包括附加的、不同的或更少的部件。
在动作S101,移动设备122接收或探测器131检测道路特征。道路特征可以是道路物体或道路物体的方面。道路物体可以是道路设施物品或诸如危险物或另一车辆的另一物体。探测器131产生指示道路特征或道路物体的传感器数据。探测数据可以包括从光学距离系统(例如,LiDAR)、图像捕获系统(例如,照相机)、声音距离系统(例如SONAR)或无线电距离系统(例如,RADAR)生成的距离数据。探测数据还可以包括车辆124的地理位置,并且可以从车辆的地理位置和相关联的相机数据、LiDAR数据、SONAR数据或RADAR数据来计算道路特征的地理位置。道路特征的地理位置可以是相对于车辆124的地理位置的偏移。
车辆124可以包括全球定位系统、航位推算型系统、蜂窝定位系统或这些或其它系统的组合,其可以被称为定位电路或位置检测器。定位电路可以包括测量移动设备122的行进距离、速度、方向等的合适的感测设备。定位系统还可以包括用于获得GPS信号的接收器和相关芯片。备选地或附加地,一个或多个检测器或传感器可以包括建立或嵌入到移动设备122内部或内的加速度计。加速度计可操作用于检测、识别或测量移动设备122的平移和/或旋转运动的变化的速率。移动设备122从定位系统接收位置数据。位置数据指示移动设备122的位置。定位电路可以包括在移动设备122中或车辆的另一个模块中。
移动设备122可以将探测数据与模板进行比较。例如,可以将用于道路特征的二维模板或三维模板与探测数据进行比较。模板可以包括形成道路特征的形状的几个点。当模板的点的预定部分与所检测的道路特征匹配时,移动设备122可以确定已经检测到道路特征。
移动设备122可以对探测数据执行图像处理技术。示例性图像处理技术包括边缘检测、特征提取或变换(例如,尺度不变特征变换)或矢量分类。在边缘检测中,探测数据中的相邻图像像素的亮度或另一图像特征。在特征提取或变换中,分析图像以标识指示布局的特定特征。类似地,向量分类可以将表示边界元素的向量与来自图像的向量进行比较。
在一些示例中,可以组合多种类型的探测器数据,以便检测和标识道路特征。例如,三维模板可以用于通过距离或范围数据的比较来标识道路特征的形状。一旦形状已经被标识为标志,则标志的特定类型或标志的记号可以通过图像处理技术之一来标识。
图3图示了车辆队列中的两个示例性车辆124和用于探测器的示例性传感器的各种布置。第一传感器115可以安装在车辆124上以提供前视图。第一传感器115可以以广角收集数据以调查即将到来的道路的全视图。第二传感器116可以安装在车辆上以提供来自车辆124的备选视图。在一个示例中,第二传感器116可以位于车辆的侧面,其可以是用于收集交通标志的数据的更近的范围。备选视图和前视图可以相对于彼此成一个角度(例如,45度或90度)。
来自第一传感器115的数据可以与来自第二传感器116的数据组合,以便提供所收集的道路特征的更完整的表示。在一个示例中,传感器中的一个是距离系统(例如,LIDAR、SONAR、RADAR),并且传感器中的另一个是成像系统(例如,照相机)。来自距离系统的数据与三维模板的形状相匹配以确定道路特征(例如,交通标志)的类型。来自成像系统的数据与针对道路特征类型的二维模板中的词或形状相匹配。
在一些备选方案中,可以在车辆124中包括附加的传感器。发动机传感器111可以包括:测量发动机的节气门的位置或加速器踏板的位置的节气门传感器、测量制动机制或制动踏板的位置的制动传感器,或者测量发动机的速度或车轮的速度的速度传感器。另一个附加示例,车辆传感器113可以包括方向盘角度传感器、速度计传感器或转速计传感器。除了直接匹配模板之外,从发动机传感器111或车辆传感器113收集的数据可以用于标识道路特征。例如,当车辆124制动时,模板可以被减少到与制动有关的模板,诸如停车标志、交通信号灯或人行横道。在另一示例中,当车辆124转弯时,模板可以减少到与转动有关的模板,诸如道路障碍物、出口车道或弯道标志。其他示例是可能的。
在动作S103,移动设备122延迟设定的时间段。移动设备122可以启动定时器并将定时器的经过时间与设置的时间段进行比较(第一比较)。可以基于服务器地图和车辆地图之间的更新时间表来选择设定时间段。设置的时间段可以由地图开发商121确定和分发。也就是说,与同一开发商或制造商相关联的移动设备122可以从服务器125接收延迟时间段消息。延迟时间段消息可以定义预定的时间表,诸如更新发生的一天中的特定时间。延迟时间段可以等于或大于更新之间所需的最大时间量。延迟时间段消息可以包括预定间隔。预定时间表可以规定更新在一天期间的某些时间(例如,小时、半小时或者每小时的每X分钟)发生。例如,当更新发生在每小时的X分钟并且X是十分钟时,更新发生于整个一天中的上午8:00、上午8:10、上午8:20、上午8:30、上午8:40、上午8:50、上午9:00等。在另一个示例中,当X为14时,更新发生于整个一天中的上午8:00、上午8:14、上午8:28、上午8:42、上午8:56、上午9:00等。
在动作S105,移动设备122在动作S103中的延迟发生之后,将在动作S101中检测到的道路特征与本地车辆地图进行比较(第二比较)。在移动设备122已经延迟或等待设置的时间段之后,必须从服务器地图到车辆地图发生更新或任何时间表的更新或必要的更新。当在动作S101中检测到道路特征时,已经记录了车辆的位置或道路特征相对于车辆的位置。移动设备122使用车辆的位置或检测到的道路特征来查询车辆地图。
车辆地图和服务器地图可以列出具有位置和物体属性的道路物体。在交通标志的示例中,物体属性可以包括标志类型(例如,速度限制、无法通过、无法左转或其他示例)和标志值(例如,50mph、100kph、另一个值或空)。一些标志类型没有值,这对应于空的标志值。没有值的示例性标志类型包括:无法通过、停止和让行标志。
物体属性还可以包括置信度值。置信度值指示已经在相同地理位置处或在相同地理位置附近检测到道路物体的移动设备(例如,车辆、移动电话或其他移动设备)的数量。可以针对每次检测增加置信区间。换句话说,初始检测对应于置信度值1,第二检测对应于置信度值2等。可以使用其他增量技术,诸如对于每N次检测来增加置信度值,其中N是整数值。置信度值可以与已经检测到道路物体的时间的数量或已经检测到道路物体的唯一车辆的数量成比例地相关。
物体属性还可以包括位置不确定性值。位置不确定性值是特定道路物体的测量的统计分布的测量。位置不确定性值描述了已经对置信度值作出贡献的检测或车辆的地理范围。位置不确定性值可以是所检测的道路物体的位置的标准差除以观察的数量的平方根。
作为基本示例,当一个车辆最初检测到道路物体时,置信度值低,并且位置不确定性值高。随着更多的车辆检测到相同的道路物体,置信度值增加,并且位置不确定性值减小。随着检测的集群包括彼此更接近的点,位置不确定性值减小相对更多;而随着检测的集群包括彼此更远的点,位置不确定性值减小相对更少。
图4示出了沿着道路放置的示例性道路设施单元或道路特征。图4示出了左手侧交通物体137、中间交通物体138和右手侧交通物体139。虽然仅示出了交通信号灯和交通标志,但是其他道路物体也是可能的。交通物体可以是与流相关的交通物体、与交叉口相关的交通物体、与危险相关的交通物体、与信息路径相关的交通物体、信息兴趣点(POI)和与公共交通相关的交通物体。
与流相关的交通物体包括指示沿着道路的交通的流的信息。例如,交通标志包括与道路的最大速度成比例的标记,弯道速度警告可以包括与道路的最大速度成比例的标记,并且交通信号灯统计可以指示特定区域中的交通流。
与信息性路径相关的交通物体可以包括指示道路的功能分类或特定类型的道路的标记标志。示例性功能分类包括主干道路、次干道路和地方道路。与交叉口相关的交通物体可以包括指示交叉的存在的物体。示例包括道路标志、停止标志和交通信号灯。另外,基本上垂直于行进方向的横穿公用电缆可以指示交叉。
与危险相关的交通物体可以包括失速的车辆、紧急车辆和道路障碍物。道路障碍物可以包括道路中的任何外来物体。与信息兴趣点(POI)相关的物体可以包括描述特定位置或POI的标志。公共交通相关交通物体可能与其他交通方式有关。示例性的公共交通相关物体包括行人人行横道、行人标志、公共汽车站、公共交通站、小车站或地铁站。
在动作S107,移动设备122基于在动作S105中做出的比较来确定是否存在针对道路特征的地理匹配。匹配可以是阈值地理距离。换句话说,移动设备122访问道路物体的存储的地理位置(例如,过去的检测的平均)。当最近检测到的地理位置在阈值地理距离内时,检测被认为是匹配。当不匹配时,检测到的道路物体被认为是新物体。响应于新物体的确定,如动作S108所示,从移动设备122向服务器125发送更新消息(例如,提议的更新)以潜在地更新远程地图。更新可以基于来自探测器131的数据。
阈值地理距离可以是位置不确定性水平的函数。位置不确定性值描述道路物体的过去检测之间的差异。过去检测是指可以由移动设备122或车辆124的队列中的一个队列进行的道路物体的先前检测。位置不确定性值可以是来自过去检测的地理位置的标准差除以过去检测的数量的平方根。例如,当位置不定性值较高时,过去检测的位置在地理上更加分散,并且阈值地理距离被设置为较大的距离。当位置不确定性值较低时,过去检测的位置在地理上较少地分散,并且阈值地理距离被设置为较小的距离。
即使当位置不确定性值非常高时,阈值地理距离可以被设置为最小距离(例如,即使当位置不确定性值非常高或者接近无穷大时,阈值地理距离也可以被设置为最小值距离)。在一个示例中,位置不确定性基于地理位置测量的最大数量。当道路的过去检测的数量已经达到最大数量并且接收到附加检测时,移动设备可以从位置不确定性计算中移除离平均地理位置最远的过去检测。
在动作S109,响应于在动作S107中确定存在道路特征的地理匹配,移动设备122确定道路物体的置信水平。移动设备122查询针对置信水平的数据库133和本地地图。
置信水平可以是被分类在两个或更多个范围中的数值。在一个示例中,置信水平是高水平或低不平。在另一个示例中,置信水平是高水平、中等水平或低水平。置信水平的数值可以与过去检测的数量成比例。在一个示例中,数值的默认值为零(指示没有过去的检测),数值的低水平为一到五(指示一到五个过去的检测),数值的中等水平为六到十(指示六到十个过去检测),并且数值的高水平高于10(指示多于10个过去检测)。
在动作S110中,当道路物体的置信水平处于第一水平(例如,高数值)时,移动设备122不向服务器125和服务器地图发送更新。移动设备122可以响应于地理位置的比较和置信水平的比较,丢弃、删除或忽略在动作S101中进行的检测。移动设备122可以标记在动作S101中进行的检测,以阻止向服务器125的传输。移动设备122可以标识在动作S101中进行的检测是冗余的。
移动设备122基于置信水平来确定已经以高置信度确认的任何地图更新是冗余的。因为从移动设备122通过网络127向服务器125的数据传输,减少了系统的带宽需求并且提高了系统的效率。在一些示例中,大多数道路特征已经以高置信度被确认。考虑到车辆每分钟通过一次道路标志,并且甚至在探测器饱和度(例如,车辆或移动设备的总数中提供探测器数据的车辆或移动设备的百分比)仅为1%的情况下,将在仅几个小时中达到高置信度所需的检测的数量。因此,与其中向服务器125报告所有检测的系统相比,该系统实现非常显着的带宽减少。
在动作S111中,当道路物体的置信水平处于第二水平(例如,低数值或中等数值)时,移动设备122向服务器125和服务器地图发送更新。来自移动设备122的更新基于在S101的检测。来自移动设备122的更新可以包括基于检测来增加置信度值的指令。在动作S112中,针对移动设备122的车辆地图、针对服务器125的服务器地图或两者,置信水平增加。
置信度值的增量变化可以是可变的。在一个示例中,置信水平可以作为位置不确定性值的函数来增加。当检测到的道路物体具有低位置不确定性值并且在行为S101中进行的检测符合根据位置不定性值设置的阈值距离内时,用于增加置信度值的增量步长可以是大的值。相反,当检测到的道路物体具有高位置不确定性值时,用于增加置信度值的增量步长可以是小的值。
在另一示例中,置信水平可以作为来自动作S101的传感器数据的类型的函数来增加。在一个示例中,当单个传感器数据源检测到道路特征时,选择置信度值的低增量,并且当多于一个传感器数据源选择道路特征时,选择置信度值的高增量。在另一个示例中,不同的数据收集设备被指派置信度值的不同增量值。具有低密度的传感器数据点的距离系统可以被指派置信度值的低增量,并且具有高密度的传感器数据点的距离系统可以被指派置信度值的高增量。当使用LiDAR数据检测道路物体时,高增量值可以用于置信水平。当使用相机数据检测道路物体时,可以将中等增量值用于置信水平。当使用SONAR数据或RADAR数据检测道路物体时,可以将低增量值用于置信水平。
图5图示了用于地图更新的示例性系统。示例性系统包括车辆系统140、制造商云系统150和地图开发商云系统160。每个由不同的车辆制造商管理的多个制造商云系统150可以与地图开发商云系统160通信。车辆系统140并且可以包括云数据接收机141、车载数据库143、数据收集器145和车辆总线或控制器局域网(CAN)总线147。制造商云系统150包括安全设备151、匿名设备153和车辆特定模型155。地图开发商云系统160包括位置投放161、包括服务器地图的服务器数据库163、用于第三方内容的第三方设备165、实时数据处理器167和实时数据收集器169。第三方设备165可以提供通过位置投放161提供给连接的车辆的附加补充内容。附加内容可以包括交通信息、天气信息、事件信息或POI信息。可以包括额外的、不同的或更少的部件。
CAN总线147与车辆的一个或多个感测系统耦合。感测系统可以包括上述传感器中的一个或多个,包括照相机、LiDAR、SONAR、RADAR、位置传感器、发动机传感器和车辆传感器。CAN总线147可以利用诸如发布和订阅系统的通信协议,用于在一个或多个感测系统和数据收集器145之间交换消息。
数据收集器145可以包括用于由一个或多个感测系统收集的数据的初步处理的控制器。数据可以随时间被过滤或被平均。数据收集器145还可以将处理的传感器数据与车载数据库143中的道路特征进行比较。在比较之前,数据收集器控制器可以启动等于或大于车载数据库143的更新间隔的延迟。当延迟经过时,数据收集器145确定是否向实时数据收集器169发送处理的传感器数据。
当感测到的道路特征不包括在车载数据库143中时,数据收集器145生成包括所感测的道路特征的消息,并将消息发送到读取时间数据收集器。当所感测的道路特征包括在车载数据库143中并且与低于阈值的置信水平相关联时,数据收集器145生成包括所感测的道路特征的消息,并向读取时间数据收集器发送该消息。当感测到的道路特征包括在车载数据库143中并且与等于或高于阈值的置信水平相关联时,数据收集器145不生成或发送包括所感测的道路特征的消息。在一些示例中,数据收集器145可以主动删除或丢弃所感测的道路特征的数据。
在地图开发商云系统160中,实时数据处理器167连接包括服务器地图、实时数据收集器169和第三方设备165的服务器数据库163。实时数据收集器169从数据收集器145接收更新消息,并将该信息转发到实时数据处理器167。实时数据处理器167将新的道路特征写入服务器数据库163,并且向服务器数据库163增加针对现有道路特征的置信水平。
是否接收到更新取决于由位置投放161设置的更新间隔。由数据收集器145应用的延迟取决于位置投放161使用的更新间隔。更新间隔指定多久从服务器数据库163向云数据接收机141和车载数据库143发送更新。更新间隔可以通过对地图开发商云系统160的管理或用户输入来设置。在其他示例中,更新间隔可以根据到网络/带宽约束或根据所连接的车辆的数量来自动地设置。位置投放161可以根据存储在服务器数据库163中的版本号来标识要发送的更新。
如果存在更新,位置投放161可以从小时起以X分钟间隔向车辆推送新的地图更新(例如,如果X=10分钟,则仅从小时起以10分钟的间隔推送改变)。当实时数据处理器167从车辆接收道路特征观察时,实时数据处理器167确定道路特征是新特征(不包括在服务器数据库163中)还是现有特征(包括在服务器数据库163中)。当道路特征是新的时,实时数据处理器167将道路特征添加到服务器数据库163中的服务器地图并指派低置信度值。当道路特征是现有的时,实时数据处理器167增加与道路特征相关联的置信水平。
在一些示例中,来自数据收集器145的更新消息可以指示车载数据库143中的道路特征未被检测到,其可以被称为丢失的或缺失的道路特征。当实时数据处理器167接收到丢失的道路特征的更新消息时,实时数据处理器167确定道路特征是否也不在服务器数据库163中。如果丢失的道路特征也是在服务器数据库163缺失的,则不进行任何动作。当丢失的道路特征存在于服务器数据库163中时,实时数据处理器167递减相关联的置信水平。当置信水平低于最小阈值时,其可以是报告丢失的道路特征的多个连接的车辆的结果,实时数据处理器167从服务器数据库163中删除道路特征。
在这些示例中的任意一个中,随着随后的更新间隔经过,位置投放161直接地或通过制造商云系统150向云数据接收机141广播至少服务器数据库163的更新的部件。更新的部件可以仅包括置信水平改变。在其他示例中,云数据接收机141可以在更新间隔来请求更新。
在一些示例中,制造商云系统150被动地将更新信息传递到车辆系统140。在其他示例中,制造商云系统修改或限制车辆系统140和地图开发商云系统160之间的通信。安全设备151可以提供用于通信的加密或证书认证。匿名设备153可以隐藏车辆系统140的标识,使得地图开发商云系统160不具有车辆系统160的用户的名称或人口统计信息。制造商云系统150可以基于车辆的类型来修改位置投放161和云数据接收141之间的通信。例如,不同的车辆可以具有不同水平的地图属性或特征。制造商云系统150可以阻止来自位置投放161的针对特定车辆或车辆型号的一些更新消息。可以省略制造商云系统150,并且可以直接在车辆系统140和地图开发商云系统160之间进行通信。
图6示出了可应用于图1的系统的示例性服务器125。服务器125包括处理器300、通信接口305、存储器301和数据库143。输入设备(例如,键盘或个人计算机)可用于将设置输入到服务器125。示例性设置包括用于分发更新到车辆队列的更新间隔和用于确定所建立的道路特征的置信阈值。数据库143可以包括服务器地图或远程地图。可以在服务器125中提供附加的、不同的或更少的部件。图7示出了用于服务器125的操作的示例性流程图。可以提供附加的、不同的或更少的动作。
在S201,处理器300或通信接口305向一个或多个队列车辆分发更新间隔。更新间隔可以从存储器301访问。可以根据服务协议,基于用户输入或者基于试验和误差来确定更新间隔。例如,处理器300可以标识平衡地图的版本完整性与将地图分发到队列车辆所需的计算和网络资源的时间间隔。
在S203,处理器300或通信接口305根据更新间隔来向队列车辆发送用于地图的定期更新。同时,队列车辆中的一个或多个可能已经收集了道路物体的数据。一个或多个队列车辆不是立即报告道路物体的数据,而是在与更新间隔的预定比例内延迟相等或更大的时间段。因此,在S205,当处理器300或通信接口305从队列车辆之一接收更新消息时,在动作S203中的定期更新之前可能已经收集到导致更新消息的所收集的数据。
在S207,处理器300将更新消息中的道路物体的数据与数据库143中的服务器地图进行比较。多于一个队列车辆已经报告道路物体是可能的。在S209,处理器300响应于在动作S207中的比较来更新服务器地图。当道路物体已经包括在服务器图中时,处理器300增加存储在数据库143中的道路物体的置信水平。当道路物体尚未包括在服务器图中时,处理器300将道路物体写入数据库143。
图8图示了图1的系统的示例性移动设备122。移动设备122包括处理器200、车辆数据库123、定时器202、存储器204、输入设备203、通信接口205、定位电路207、距离检测器209、显示器211和相机213。对于移动设备122,附加的、不同的或更少的组件是可能的。
距离检测器209被配置为接收指示诸如道路标志或交通信号灯的道路物体的传感器数据。距离检测器209可以发射信号并检测返回信号。该信号可以是激光信号、无线电信号或声音信号。距离检测器209可以确定从移动设备122的位置到道路物体的位置的向量(距离和朝向)。相机213还被配置为接收指示道路物体的传感器。可以分析由相机213收集的图像以确定到道路物体的距离。在一个示例中,道路物体的像素数或相对尺寸指示距离。较小的物体更远。在另一示例中,两个或更多个图像之间的相对差异指示距离。例如,当以特定距离分开收集两个连续图像时,道路物体中的相对变化指示到道路物体的距离。
位置检测器或定位电路207被配置为确定与道路物体相关联的地理位置。地理位置可以根据道路物体的物理位置来直接确定,或者可以基于在收集道路物体的传感器数据时车辆的位置来确定。地理位置可以与数据库123中的车辆地图在地图上匹配。地理位置可以根据由定位电路207检测到的绝对位置与道路物体的矢量求和来确定。地图匹配是用于将数据点指派给诸如车辆地图的数字地图的技术。
定时器202被配置为确定自从接收到传感器数据起何时已经经过了预定时间。定时器可以是独立的集成电路。定时器可以由处理器200执行。定时器202可以将从接收到传感器数据起已经经过的时间与更新时间表进行比较。
当预定时间已经经过时,处理器200将道路物体的地理位置与数据库123进行比较,并且在至少两种场景下生成更新消息。生成更新消息是响应于道路物体在本地数据库中缺失。生成更新消息是响应于道路物体的车辆数据库123中的置信度值。通信接口205通过蜂窝或另一无线技术向地图服务器发送更新消息。
移动设备122可以集成在车辆124中,车辆124可以包括辅助驾驶车辆,诸如无人驾驶无人驾驶、高度辅助驾驶(HAD)和高级驾驶辅助系统(ADAS)。这些辅助驾驶系统中的任何一个可以合并到移动设备122中。替代地,辅助驾驶设备可以包括在车辆中。辅助驾驶设备可以包括存储器、处理器和用于与移动设备122通信的系统。
术语无人驾驶可以指自驾驶或无人驾驶模式,其中不需要乘客在车上来操作车辆。无人驾驶可以被称为机器人车辆或自动车辆。无人驾驶可以包括乘客,但是驾驶员不是必需的。这些无人驾驶在没有人类操作者的情况下可以自己停放或在地点之间移动货物。无人驾驶可以包括多个模式和模式之间的转换。无人驾驶可以基于车辆数据库123来对车辆进行转向、制动或加速。
高度辅助驾驶(HAD)车辆可以指不完全替代人类操作者的车辆。相反,在高度辅助驾驶模式中,车辆可以执行一些驾驶功能,并且人类操作者可以执行一些驾驶功能。车辆还可以在手动模式下被驾驶,其中人类操作者对车辆的运动进行一定程度的控制。车辆还可以包括完全无人驾驶模式。其他级别的自动化也是可能的。HAD车辆可以响应于车辆数据库123通过转向或制动来控制车辆。
类似地,ADAS车辆包括车辆警告驾驶员的一个或多个部分自动化系统。这些特征被设计为自动地避免碰撞。特征可以包括自适应巡航控制、自动刹车或用于将驾驶员保持在正确的车道上的操纵调节。ADAS车辆可以基于车辆数据库123的当前或即将出现的道路链路的交通估计水平来向驾驶员发出警告。
移动设备122可以基于车辆数据库123来生成路由指令。移动设备122可以被配置为执行路由算法,以确定在地理区域中沿着道路网络从起点位置行进到目的地位置的最优路线。移动设备122使用包括来自服务器125的地图匹配值的输入,检查原始位置和目的地位置之间的潜在路线以确定最优路线。然后,导航设备122可以以指导的形式向终端用户提供关于最优路线的信息,该指导标识终端用户从起点行进到目的地位置需要采用的引导点(maneuver)。一些移动设备122在显示器上显示详细地图,轮廓(outline)路线、在沿着路线的各个位置处采用的引导点的类型、某些类型的特征的位置等等。
移动设备122可以规划通过道路系统的路线,或者基于匹配的探测数据来修改通过道路系统的当前路线。路线可以从移动设备的当前位置或起点通过与探测数据匹配的道路段延伸到目的地。可以基于Dijkstra方法、A星算法或搜索和/或可以被修改以考虑潜在路段的指派成本值的其他路线探索或计算算法来计算可能的路线。除了确定最优路线的成本之外,可以考虑诸如距离、不可导航区域和/或限制的各种其他方面。
控制器200和/或处理器300可以包括通用处理器、数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、模拟电路、数字电路、其组合或其它现在已知或以后开发的处理器。控制器200和/或处理器800可以是单个设备或诸如与网络、分布式处理或云计算相关联的设备的组合。
存储器204和/或存储器301可以是易失性存储器或非易失性存储器。存储器204和/或存储器301可以包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、电可擦除程序只读存储器(EEPROM)或其他类型的存储器中的一个或多个。存储器204和/或存储器801可以是从移动设备122可移除的,诸如安全数字(SD)存储卡。
通信接口205和/或通信接口305可以包括任何可操作的连接。可操作连接可以是在其中可以发送和/或接收信号、物理通信和/或逻辑通信的连接。可操作连接可以包括物理接口、电接口和/或数据接口。通信接口205和/或通信接口305以任何现在已知或以后开发的形式提供无线和/或有线通信。
数据库123、133、143和163可以包括用于交通和/或导航相关应用的地理数据。地理数据可以包括表示道路网络或系统的数据,其包括道路段数据和节点数据。道路段数据代表道路,节点数据代表道路的端部或交叉点。道路段数据和节点数据指示道路和交叉路口的位置以及道路和交叉路口的各种属性。除了路段和节点之外的其他格式可以用于地理数据。地理数据可以包括结构化地图数据或行人路线。
数据库还可以包括道路的其他属性或关于道路的其他属性,诸如例如地理坐标、街道名称、地址范围、速度限制、交叉口处的转弯限制、和/或其他导航相关属性(例如,一个或更多的路段是高速公路或收费路的一部分、停车标志和/或沿着路段的停止点的位置)以及兴趣点(POI),诸如加油站、酒店、餐馆、博物馆、体育场、办公室、汽车经销商、汽车维修店、建筑物、商店、公园等。数据库还可以包含一个或多个节点数据记录,节点数据记录可以与属性(例如,关于交叉点)(诸如例如地理坐标、街道名称、地址范围、速度限制、交叉口处的转弯限制和其他导航相关属性)以及POI(诸如加油站、酒店、餐馆、博物馆、体育场、办公室、汽车经销商、汽车维修店、建筑物、商店、公园等)相关联。地理数据可以附加地或替代地包括其他数据记录,诸如POI数据记录、地形数据记录、地图数据记录、路线数据和引导点数据。
数据库可以包括一个或多个道路段的历史交通速度数据。数据库还可以包括一个或多个路段的交通属性。交通属性可以指示道路段具有高交通堵塞的可能性。
输入设备203可以是一个或多个按钮、小键盘、键盘、鼠标、触控笔、轨迹球、摇杆开关、触摸板、语音识别电路或用于向移动设备122输入数据的其他设备或组件。输入设备203和显示器211可以组合为触摸屏,其可以是电容性的或电阻性的。显示器211可以是液晶显示器(LCD)面板、发光二极管(LED)屏幕、薄膜晶体管屏幕或另一类型的显示器。输出接口211还可以包括音频能力或扬声器。在实施例中,输入设备203可以涉及具有速度检测能力的设备。
定位电路207可以包括测量移动设备122的行进距离、速度、方向等的合适的感测设备。定位系统还可以包括接收机和用于获得GPS信号的相关芯片。备选地或附加地,一个或多个检测器或传感器可以包括建立或嵌入在移动设备122内部或内的加速度计和/或磁性传感器。加速度计可操作用于检测、识别或测量移动设备122的平移和/或旋转运动的变化率。磁性传感器或指南针被配置为产生指示移动设备122的朝向的数据。来自加速度计和磁性传感器的数据可以指示移动设备122的取向。移动设备122从定位系统接收位置数据。位置数据指示移动设备122的位置。
定位电路207可以包括全球定位系统(GPS)、全球导航卫星系统(GLONASS)或用于提供位置数据的蜂窝或类似的位置传感器。定位系统可以利用GPS类型技术、航位推算类型系统、蜂窝位置或这些或其他系统的组合。定位电路207可以包括测量移动设备122的行进距离、速度、方向等的合适的感测设备。定位系统还可以包括接收机和相关芯片以获得GPS信号。移动设备122从定位系统接收位置数据。位置数据指示移动设备122的位置。
定位电路207还可以包括陀螺仪、加速度计、磁力计或用于跟踪或确定移动设备的移动的任何其他设备。陀螺仪可操作用于检测、识别或测量移动设备的当前取向或取向的变化。陀螺仪取向变化检测可以作为移动设备的偏航、俯仰或滚动的测量的操作。
术语“计算机可读介质”包括单个介质或多个介质,诸如集中式或分布式数据库、和/或存储一个或多个指令集的相关联的缓存和服务器。术语“计算机可读介质”还将包括能够存储、编码或携带用于由处理器执行的指令集或者使得计算机系统执行本文公开的方法或操作中的任何一个或多个的任何介质。
在特定的非限制性示例性实施例中,计算机可读介质可以包括固态存储器,例如存储卡或容纳一个或多个非易失性只读存储器的其他封装。此外,计算机可读介质可以是随机存取存储器或其它易失性可重写存储器。另外,计算机可读介质可以包括磁光或光学介质,诸如磁盘或磁带或用于捕获诸如通过传输介质传输的信号的载波信号的其他存储设备。到电子邮件或其他自包含信息档案或档案集合的数字文件附件可以被认为是有形存储介质的分布式介质。因此,本公开被认为包括计算机可读介质或分布式介质以及其中可以存储数据或指令的其他等同物和后续介质中的任何一个或多个。
在备选实施例中,可以构造诸如专用集成电路、可编程逻辑阵列和其他硬件设备的专用硬件实现来实现本文描述的一个或多个方法。可以包括各种实施例的装置和系统的应用可以广泛地包括各种电子和计算机系统。本文描述的一个或多个实施例可以使用两个或更多个特定互连硬件模块或设备来实现功能(其中相关的控制信号和数据信号可以在模块之间传送并通过模块进行传送),或者作为专用集成电路的一部分来实现功能。
根据本公开的各种实施例,本文所描述的方法可以由计算机系统可执行的软件程序来实现。此外,在示例性、非限制性实施例中,实现可以包括分布式处理、组件/物体分布式处理和并行处理。备选地,可构建虚拟计算机系统处理以实现如本文所述的方法或功能中的一个或多个。
尽管本说明书描述了可以参考特定标准和协议在特定实施例中实现的部件和功能,但是本发明不限于这样的标准和协议。例如,用于因特网和其他分组交换网络传输(例如,TCP/IP、UDP/IP、HTML、HTTP、HTTPS)的标准代表现有技术的示例。这种标准周期性地被具有基本上相同功能的更快或更有效的等同物所取代。因此,具有与本文公开的功能相同或相似的功能的替换标准和协议被认为是其等同物。
计算机程序(也称为程序、软件、软件应用、脚本或代码)可以以包括编译语言或解释语言的任何形式的编程语言编写,并且其可以以任何形式部署,包括作为独立程序或作为模块、组件、子例程或适于在计算环境中使用的其它单元。计算机程序不一定对应于文件系统中的文件。程序可以存储在保存其他程序或数据(例如,存储在标记语言文档中的一个或多个脚本)的文件的一部分中、专用于考虑中的程序的单个文件中、或者多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可以被部署为在一个计算机上或在位于一个场所或分布在多个场所并通过通信网络互连的多个计算机上执行。
本说明书中描述的过程和逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程处理器执行,以通过对输入数据进行操作并产生输出来执行功能。处理和逻辑流程还可以由专用逻辑电路(例如FPGA(现场可编程门阵列)或ASIC(专用集成电路))来执行,并且装置也可以实现为专用逻辑电路或ASIC。
如本申请中所使用的术语“电路构成”或“电路”是指所有以下各项:(a)仅硬件电路实现(例如仅以模拟和/或数字电路的实现)和(b)电路和软件(和/或固件)的组合,诸如(在适用的情况下):(i)处理器的组合或(ii)处理器/软件的部分(包括一起工作以使诸如移动电话或服务器的装置执行各种功能的数字信号处理器、软件和存储器)和(c)电路,诸如微处理器或微处理器的一部分,其需要软件或固件以进行操作,即使软件或固件在物理上不存在。
“电路”的这种定义适用于该术语在本申请中(包括在任何权利要求中)的所有使用。作为又一示例,如本申请中所使用的术语“电路”还将覆盖仅处理器(或多个处理器)或处理器的一部分及其(或它们)附带的软件和/或固件的实现。术语“电路”还将覆盖,例如且如果可应用于特定要求要素的,用于移动电话的基带集成电路或应用处理器集成电路或服务器、蜂窝网络设备或其他网络设备中的类似集成电路。
适于执行计算机程序的处理器例如包括通用微处理器和专用微处理器两者,以及任何种类的数字计算机的任何一个或多个处理器。通常,处理器从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常,计算机还包括用于存储数据的一个或多个大容量存储设备(例如磁盘、磁光盘或光盘),或可操作地耦合以从一个或多个大容量存储设备接收数据或向一个或多个大容量存储设备发送数据或两者。然而,计算机不需要具有这样的设备。此外,计算机可以嵌入在另一设备中,例如移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收机,仅举几例。适于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备,例如包括半导体存储器设备,例如EPROM、EEPROM和闪存设备;磁盘,例如内部硬盘或可移动盘;磁光盘;以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充或并入专用逻辑电路中。在一个实施例中,车辆可以被认为是移动设备,或者移动设备可以并入车辆中。
为了提供与用户的交互,本说明书中描述的主题的实施例可以在具有用于向用户显示信息的显示器(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)以及用户可以通过其向计算机提供输入的键盘和指示设备(例如鼠标或轨迹球)的设备上实现。其他种类的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感觉反馈,例如视觉反馈、听觉反馈或触觉反馈;并且可以以任何形式接收来自用户的输入,包括声音、语音或触觉输入。
术语“计算机可读介质”包括单个介质或多个介质,诸如集中式或分布式数据库,和/或存储一个或多个指令集的相关联的缓存和服务器。术语“计算机可读介质”还将包括能够存储、编码或携带用于由处理器执行的指令集或者使得计算机系统执行本文公开的方法或操作中的任何一个或多个的任何介质。
在特定的非限制性示例性实施例中,计算机可读介质可以包括固态存储器,诸如存储卡或容纳一个或多个非易失性只读存储器的其他封装。此外,计算机可读介质可以是随机存取存储器或其它易失性可重写存储器。附加地,计算机可读介质可以包括磁光或光学介质,诸如磁盘或磁带或用于捕获诸如通过传输介质传送的信号的载波信号的其他存储设备。对电子邮件或其他自包含信息档案或档案集合的数字文件附件可以被认为是有形存储介质的分布式介质。因此,本公开被认为包括计算机可读介质或分布式介质以及其中可以存储数据或指令的其他等同物和后续介质中的任何一个或多个。这些示例可以统称为非暂时性计算机可读介质。
在备选实施例中,可构建诸如专用集成电路、可编程逻辑阵列和其它硬件装置的专用硬件实现以实施本文中所描述的方法中的一个或多个方法。可以包括各种实施例的装置和系统的应用可以广泛地包括各种电子和计算机系统。本文描述的一个或多个实施例可以使用两个或更多个特定互连硬件模块或设备来实现功能(其中相关的控制信号和数据信号可以在模块之间传送并通过模块进行传送),或者作为专用集成电路的一部分来实现功能。
在本说明书中描述的主题的实施例可以在计算系统中实现,计算系统包括后端部件(例如,作为数据服务器)或包括中间件部件(例如,应用服务器)或者包括前端部件(例如具有用户可以通过其与本说明书中描述的主题的实现进行交互的图形用户界面或Web浏览器的客户端计算机),或者一个或多个这样的后端、中间件或前端部件的任意组合。系统的部件可以通过任何形式或介质的数字数据通信(例如通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”),例如因特网。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离并且通常通过通信网络交互。客户端和服务器的关系借助于在各自计算机上运行并且彼此具有客户端-服务器关系的计算机程序产生。
本文描述的实施例的说明旨在提供对各种实施例的结构的一般理解。这些说明并不旨在作为利用本文所述的结构或方法的装置和系统的所有元件和特征的完整描述。在回顾本公开时,许多其他实施例对于本领域技术人员来说是显而易见的。可以从本公开中利用和导出其他实施例,使得可以在不脱离本公开的范围的情况下进行结构和逻辑替换和改变。附加地,这些说明仅仅是代表性的,并且可以不按比例绘制。说明中的某些比例可能被夸大,而其他比例可以被最小化。因此,本公开和附图被认为是说明性的而不是限制性的。
即使本说明书包含许多细节,但是这些不应被解释为对本发明的范围或可以要求保护的范围的限制,而是作为对本发明的特定实施例特定的特征的描述。在本说明书中在不同实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反,在单个实施例的上下文中描述的各种特征也可以在多个不同实施例中或以任何合适的子组合来实现。此外,尽管特征可以在上面被描述为在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合的一个或多个特征在一些情况下可以从组合中删除,并且所要求保护的组合可以针对子组合或子组合的变体。
类似地,即使操作在附图中被描绘并在本文中以特定顺序被描述,但是这不应被理解为要求这些操作以所示的特定顺序或以顺序次序执行,或者所有图示的操作均被执行,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,在上面描述的实施例中的各种系统部件的分离不应被理解为在所有实施例中都需要这种分离。
仅仅是为了方便,本公开的一个或多个实施例在本文中可以单独地和/或共同地由术语“发明”指代,并且不旨在将本申请的范围自愿地限制到任何特定的发明或发明构思。此外,尽管本文已经图示和描述了具体实施例,但是应当理解,被设计为实现相同或相似目的的任何后续布置可以替代所示的具体实施例。本公开旨在覆盖各种实施例的任何和所有后续修改或变化。在回顾本说明书时上述实施例的组合和本文未具体描述的其它实施例对于本领域技术人员是显而易见的。
提供本公开的摘要以符合37C.F.R.§1.72(b),并且在提交时理解其不会用于解释或限制权利要求的范围或含义。另外,在前面的详细描述中,为了合理化本公开的目的,各种特征可以组合在一起或者在单个实施例中描述。本公开不应被解释为反映所要求保护的实施例需要比每个权利要求中明确记载的特征更多的特征的意图。相反,如以下权利要求所反映的,发明主题可以针对少于所公开的实施例中的任何一个的所有特征。因此,以下权利要求被并入详细描述中,其中每个权利要求立足于自身定义为单独要求保护的主题。
意图是前述详细描述被认为是说明性的而不是限制性的,并且应当理解,包括所有等同物的所以下权利要求旨在定义本发明的范围。权利要求书不应当被解读为限于所描述的顺序或元件,除非声明了这种效果。因此,落入以下权利要求及其等同物的范围和精神内的所有实施例被要求保护为本发明。

Claims (18)

1.一种用于在指定时间更新远程地理数据库的方法,所述方法包括:
从移动设备的传感器接收指示道路物体的传感器数据;
确定与所述道路物体相关联的地理位置;
基于自所述传感器数据被接收的时间与预定时间的第一比较来进行延迟,所述预定时间基于所述远程地理数据库和所述移动设备的本地数据库之间的更新时间表;
响应于自所述传感器数据被接收的所述时间等于或大于所述预定时间,执行所述地理位置和指示所述道路物体的所述数据与所述本地数据库的第二比较;以及
响应于所述地理位置和所述第二比较,向所述远程地理数据库发送更新。
2.根据权利要求1所述的方法,其中响应于所述道路物体在所述本地数据库中缺失,所述更新被发送到所述远程地理数据库。
3.根据权利要求2所述的方法,其中,响应于达到所述预定时间所述更新被生成。
4.根据权利要求1所述的方法,其中所述道路物体包括道路标志或交通信号灯。
5.根据权利要求1所述的方法,还包括:
在所述第二比较指示所述本地数据库已经包括所述道路物体时,丢弃指示所述道路物体的所述传感器数据。
6.根据权利要求1所述的方法,还包括:
标识所述本地数据库中针对所述道路物体的置信度值;以及
将所述置信度值与置信度阈值进行比较;
响应于置信度值小于所述置信度阈值所述更新被发送至所述远程地理数据库。
7.根据权利要求6所述的方法,还包括:
响应于置信度值大于所述置信度阈值,丢弃指示所述道路物体的传感器数据。
8.根据权利要求1所述的方法,其中所述传感器数据指示在所述本地数据库中列出的道路物体的缺失。
9.一种用于在预定时间向远程数据库发送更新的装置,所述装置包括:
传感器,被配置为接收指示道路物体的传感器数据;
位置检测器,被配置为确定与所述道路物体相关联的地理位置;以及
控制器,被配置为确定从所述传感器数据被接收到时起何时已经经过了预定时间,所述预定时间基于所述远程地理数据库和所述移动设备的本地数据库之间的更新时间表;将所述道路物体的所述地理位置与所述本地数据库进行比较;以及响应于所述地理位置与所述本地数据库不匹配,生成用于所述远程数据库的更新消息。
10.根据权利要求9所述的装置,还包括:
通信接口,被配置为向地图服务器发送所述更新消息。
11.根据权利要求9所述的装置,其中,所述更新消息是响应于所述道路物体在所述本地数据库中缺失来生成的。
12.根据权利要求9所述的装置,其中,所述更新消息是响应于所述本地数据库中针对所述道路物体的置信度值来生成的。
13.一种用于地理数据库更新的方法,所述方法包括:
从移动设备的传感器接收指示道路物体的传感器数据;
确定与所述道路物体相关联的地理位置;
启动针对所述移动设备的本地数据库的定时器;
响应于所述定时器达到预定时间,执行所述地理位置和指示所述道路物体的所述数据与所述本地数据库的比较,所述预定时间基于远程地理数据库和所述本地数据库之间的更新时间表;以及
响应于所述地理位置和指示所述道路物体的所述数据与所述本地数据库匹配:
识别本地数据库中针对所述道路物体的置信度值;
将所述置信度值与置信度阈值进行比较;以及
响应于所述置信度值超过所述置信度阈值,丢弃指示所述道路物体的所述传感器数据,以避免向远程数据库发送更新消息。
14.根据权利要求13所述的方法,还包括:
响应于所述置信度值小于所述置信度阈值,向远程数据库发送更新消息。
15.根据权利要求13所述的方法,还包括:
在指示所述道路物体的所述传感器数据被接收之后接收定期更新,其中所述定期更新包括所述置信度值。
16.根据权利要求15所述的方法,其中所述置信度阈值是基于由车辆的队列收集的数据的。
17.一种用于处理数据的装置,包括:
传感器,被配置为接收指示道路物体的传感器数据;
位置检测器,被配置为确定与所述道路物体相关联的地理位置;
车辆数据库,包括与所述道路物体相关联的置信度值;以及
定时器,被配置为确定从所述传感器数据被接收到时起何时已经经过了预定时间,所述预定时间基于远程地理数据库和所述车辆数据库之间的更新时间表;以及
控制器,被配置为响应于所述定时器达到预定时间执行所述地理位置和指示所述道路物体的所述数据与所述车辆数据库的比较;以及
响应于所述地理位置和指示所述道路物体的所述数据与所述车辆数据库匹配:
识别所述车辆数据库中针对所述道路物体的置信度值;
将所述置信度值与置信度阈值进行比较;以及
响应于所述置信度值超过所述置信度阈值来丢弃指示所述道路物体的所述数据。
18.根据权利要求17所述的装置,还包括:
其中所述控制器被配置为响应于经过所述预定时间来生成用于远程数据库的更新消息。
CN201710179770.0A 2016-03-23 2017-03-23 来自连接的车辆队列的地图更新 Active CN107228676B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/078,441 2016-03-23
US15/078,441 US10223380B2 (en) 2016-03-23 2016-03-23 Map updates from a connected vehicle fleet

Publications (2)

Publication Number Publication Date
CN107228676A CN107228676A (zh) 2017-10-03
CN107228676B true CN107228676B (zh) 2022-11-15

Family

ID=58692273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710179770.0A Active CN107228676B (zh) 2016-03-23 2017-03-23 来自连接的车辆队列的地图更新

Country Status (4)

Country Link
US (2) US10223380B2 (zh)
EP (1) EP3222973B1 (zh)
CN (1) CN107228676B (zh)
HK (1) HK1244869A1 (zh)

Families Citing this family (84)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014008578B4 (de) * 2014-06-12 2016-02-18 Audi Ag Verfahren zur Ermittlung von Positionsdaten zur Nutzung beim Betrieb eines Fahrzeugsystems eines Kraftfahrzeugs und Positionsdatenermittlungs- und-verteilssystem
US10115024B2 (en) * 2015-02-26 2018-10-30 Mobileye Vision Technologies Ltd. Road vertical contour detection using a stabilized coordinate frame
US10223380B2 (en) * 2016-03-23 2019-03-05 Here Global B.V. Map updates from a connected vehicle fleet
JP6958548B2 (ja) * 2016-05-18 2021-11-02 日本電気株式会社 分散協調情報処理装置、分散協調情報処理方法、及びプログラム
US10502577B2 (en) * 2016-06-30 2019-12-10 Here Global B.V. Iterative map learning based on vehicle on-board sensor data
US9995587B2 (en) * 2016-08-11 2018-06-12 GM Global Technology Operations LLC System to develop topographical data
US10585409B2 (en) 2016-09-08 2020-03-10 Mentor Graphics Corporation Vehicle localization with map-matched sensor measurements
US11067996B2 (en) 2016-09-08 2021-07-20 Siemens Industry Software Inc. Event-driven region of interest management
DE102016015514A1 (de) * 2016-12-23 2018-06-28 Lucas Automotive Gmbh Fahrassistenz für ein Kraftfahrzeug
US10436595B2 (en) * 2017-02-02 2019-10-08 Baidu Usa Llc Method and system for updating localization maps of autonomous driving vehicles
US10210672B2 (en) * 2017-04-07 2019-02-19 Toyota Research Institute, Inc. Systems and methods for remotely controlling data collection by a vehicle
US10488205B2 (en) * 2017-05-22 2019-11-26 Baidu Usa Llc Method and system for updating maps based on control feedbacks of autonomous driving vehicles
US11392133B2 (en) 2017-06-06 2022-07-19 Plusai, Inc. Method and system for object centric stereo in autonomous driving vehicles
US11042155B2 (en) 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US11573573B2 (en) 2017-06-06 2023-02-07 Plusai, Inc. Method and system for distributed learning and adaptation in autonomous driving vehicles
US10599931B2 (en) * 2017-08-21 2020-03-24 2236008 Ontario Inc. Automated driving system that merges heterogenous sensor data
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
CN109510851B (zh) * 2017-09-15 2022-01-04 华为技术有限公司 地图数据的构建方法和设备
DE102017217299A1 (de) * 2017-09-28 2019-03-28 Continental Automotive Gmbh Verfahren und Einrichtung
DE102017217297B4 (de) 2017-09-28 2019-05-23 Continental Automotive Gmbh System zur Erzeugung und/oder Aktualisierung eines digitalen Modells einer digitalen Karte
US10324189B2 (en) * 2017-10-24 2019-06-18 Harman International Industries, Incorporated Collaborative data processing
US20190171732A1 (en) * 2017-12-01 2019-06-06 Uber Technologies, Inc. Systems and methods for evaluating accuracy of place data based on context
US11238494B1 (en) 2017-12-11 2022-02-01 Sprint Communications Company L.P. Adapting content presentation based on mobile viewsheds
US10325423B1 (en) * 2017-12-20 2019-06-18 ANI Technologies Private Limited Method and system for validating states of components of vehicle
DE102017223632A1 (de) * 2017-12-21 2019-06-27 Continental Automotive Gmbh System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten
US10713510B2 (en) 2017-12-29 2020-07-14 Waymo Llc Autonomous vehicle system configured to respond to temporary speed limit signs
US10755111B2 (en) 2018-01-29 2020-08-25 Micron Technology, Inc. Identifying suspicious entities using autonomous vehicles
US11182985B2 (en) * 2018-02-27 2021-11-23 Honda Motor Co., Ltd Data registration system
CN110309237A (zh) * 2018-03-05 2019-10-08 北京京东尚科信息技术有限公司 一种更新地图的方法和装置
US11727794B2 (en) 2018-03-14 2023-08-15 Micron Technology, Inc. Systems and methods for evaluating and sharing human driving style information with proximate vehicles
US11009876B2 (en) * 2018-03-14 2021-05-18 Micron Technology, Inc. Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles
DE102018204500A1 (de) * 2018-03-23 2019-09-26 Continental Automotive Gmbh System zur Erzeugung von Konfidenzwerten im Backend
JP6881369B2 (ja) * 2018-03-26 2021-06-02 トヨタ自動車株式会社 自車位置推定装置
US10997429B2 (en) 2018-04-11 2021-05-04 Micron Technology, Inc. Determining autonomous vehicle status based on mapping of crowdsourced object data
US10382889B1 (en) * 2018-04-27 2019-08-13 Here Global B.V. Dynamic mix zones
US10943152B2 (en) 2018-05-23 2021-03-09 Here Global B.V. Method, apparatus, and system for detecting a physical divider on a road segment
US10546200B2 (en) 2018-05-23 2020-01-28 Here Global B.V. Method, apparatus, and system for detecting a physical divider on a road segment
US11650059B2 (en) * 2018-06-06 2023-05-16 Toyota Research Institute, Inc. Systems and methods for localizing a vehicle using an accuracy specification
US11161518B2 (en) 2018-06-15 2021-11-02 Micron Technology, Inc. Detecting road conditions based on braking event data received from vehicles
SG11201811275UA (en) * 2018-06-22 2020-01-30 Beijing Didi Infinity Technology & Development Co Ltd Systems and methods for updating highly automated driving maps
US10747791B2 (en) * 2018-07-16 2020-08-18 Here Global B.V. Method, apparatus, and system for mapping vulnerable road users
EP3628085B1 (en) 2018-07-24 2021-07-07 Google LLC Map uncertainty and observation modeling
DE102018005869A1 (de) * 2018-07-25 2020-01-30 Zf Active Safety Gmbh System zur Erstellung eines Umgebungsmodells eines Fahrzeugs
US10755118B2 (en) * 2018-07-31 2020-08-25 Here Global B.V. Method and system for unsupervised learning of road signs using vehicle sensor data and map data
US20230275877A1 (en) * 2018-09-24 2023-08-31 Karamba Security Ltd. Visual sensor validation system
US11295615B2 (en) 2018-10-29 2022-04-05 Here Global B.V. Slowdown events
DE102018218492A1 (de) * 2018-10-29 2020-04-30 Robert Bosch Gmbh Steuergerät, Verfahren und Sensoranordnung zur selbstüberwachten Lokalisierung
US10928819B2 (en) * 2018-10-29 2021-02-23 Here Global B.V. Method and apparatus for comparing relevant information between sensor measurements
US10896334B2 (en) * 2018-11-28 2021-01-19 Here Global B.V. Method and system of a machine learning model for detection of physical dividers
US11074812B2 (en) * 2018-11-29 2021-07-27 Here Global B.V. Method, apparatus, and computer program product for reducing redundant data uploads
CN109635857B (zh) * 2018-11-29 2022-01-25 东软集团股份有限公司 人车轨迹监测分析方法、装置、设备及存储介质
US11030898B2 (en) * 2018-12-13 2021-06-08 Here Global B.V. Methods and systems for map database update based on road sign presence
JP7200694B2 (ja) * 2019-01-23 2023-01-10 日本電信電話株式会社 センサノード、サーバ装置、識別システム、方法及びプログラム
US11168990B2 (en) 2019-03-11 2021-11-09 Toyota Research Institute, Inc. Crowdsourcing annotations of roadway information
JP2020148524A (ja) * 2019-03-12 2020-09-17 トヨタ自動車株式会社 地図情報配信システム及び車両
US11216830B1 (en) 2019-04-09 2022-01-04 Sprint Communications Company L.P. Mobile communication device location data analysis supporting build-out decisions
US10555130B1 (en) 2019-04-09 2020-02-04 Sprint Communications Company L.P. Pre-processing of mobile communication device geolocations according to travel mode in traffic analysis
US10694321B1 (en) 2019-04-09 2020-06-23 Sprint Communications Company L.P. Pattern matching in point-of-interest (POI) traffic analysis
US10657806B1 (en) * 2019-04-09 2020-05-19 Sprint Communications Company L.P. Transformation of point of interest geometries to lists of route segments in mobile communication device traffic analysis
US11067411B1 (en) * 2019-04-09 2021-07-20 Sprint Communications Company L.P. Route segmentation analysis for points of interest
US10715950B1 (en) 2019-04-29 2020-07-14 Sprint Communications Company L.P. Point of interest (POI) definition tuning framework
US10645531B1 (en) 2019-04-29 2020-05-05 Sprint Communications Company L.P. Route building engine tuning framework
CN112579614B (zh) * 2019-09-27 2024-06-11 阿波罗智能技术(北京)有限公司 地图数据的采集方法、装置、电子设备和介质
US11874118B2 (en) * 2019-11-12 2024-01-16 Gm Cruise Holdings Llc Crowdsourcing map maintenance
US11222531B2 (en) * 2019-11-18 2022-01-11 Here Global B.V. Method, apparatus, and system for providing dynamic window data transfer between road closure detection and road closure verification
US11537944B2 (en) * 2020-01-09 2022-12-27 Here Global B.V. Method and system to generate machine learning model for evaluating quality of data
CN115104003A (zh) * 2020-02-20 2022-09-23 通腾全球信息公司 使用地图变化数据
JP7205515B2 (ja) * 2020-04-06 2023-01-17 トヨタ自動車株式会社 地図更新システム、データ送信装置、およびデータ送信方法
CN113741507A (zh) * 2020-05-29 2021-12-03 广州极飞科技股份有限公司 无人机的全局路径轨迹规划方法、装置、无人机及设备
US11566912B1 (en) * 2020-06-18 2023-01-31 Zoox, Inc. Capturing features for determining routes
DE102020210515A1 (de) * 2020-08-19 2022-03-24 Volkswagen Aktiengesellschaft Verfahren zur Überprüfung von detektierten Veränderungen für ein Umfeldmodell einer digitalen Umgebungskarte
US20220067768A1 (en) * 2020-08-28 2022-03-03 Telenav, Inc. Navigation system with high definition mapping mechanism and method of operation thereof
US11613272B2 (en) * 2020-09-17 2023-03-28 GM Global Technology Operations LLC Lane uncertainty modeling and tracking in a vehicle
CN112231424B (zh) * 2020-09-29 2024-02-09 上海擎朗智能科技有限公司 待贴路标区域确认方法、装置、设备及存储介质
JP7437296B2 (ja) * 2020-12-18 2024-02-22 株式会社Soken 運転支援システム、運転支援装置及び運転支援方法
CN114791917A (zh) * 2021-01-25 2022-07-26 华为技术有限公司 地图更新方法、装置和计算机可读存储介质
CN113706737B (zh) * 2021-10-27 2022-01-07 北京主线科技有限公司 基于自动驾驶车辆的路面巡检系统及方法
US12254700B2 (en) * 2021-11-04 2025-03-18 Hitachi Astemo, Ltd. Method and systems for detection accuracy ranking and vehicle instructions
US20230194275A1 (en) * 2021-12-20 2023-06-22 Here Global B.V. Systems and methods for communicating uncertainty around stationary objects
EP4505141A2 (en) * 2022-04-08 2025-02-12 Commsignia Kft. Method for assembling a local high-definition map, system for using map data, computer program product and computer readable medium for implementing the method
US20240331536A1 (en) * 2023-03-31 2024-10-03 GM Global Technology Operations LLC Road sign interpretation system for associating unidentified road signs with a specific allowed maneuver
DE102023002195A1 (de) 2023-05-30 2024-04-18 Mercedes-Benz Group AG Verfahren zur Aktualisierung einer digitalen Karte
WO2024250563A1 (en) * 2023-06-09 2024-12-12 Huawei Technologies Co., Ltd. Method, apparatus, and system for feedback based on map or mapping configuration
EP4521324A1 (en) * 2023-09-11 2025-03-12 Visual Defence Inc. Identifying, recording and assessing geospatial assets with data collection, image processing, and selective pruning

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818562A (zh) * 2005-02-10 2006-08-16 阿尔派株式会社 地图更新处理用数据生成方法、地图更新方法和装置
CN102622356A (zh) * 2011-01-27 2012-08-01 腾讯科技(深圳)有限公司 一种关联地理位置信息的百科知识系统

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6047234A (en) * 1997-10-16 2000-04-04 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback
US6351709B2 (en) 1998-12-02 2002-02-26 Lear Automotive Dearborn, Inc. Vehicle navigation system with route updating feature
US6964040B2 (en) * 2001-05-23 2005-11-08 General Electric Company Optimizing storage and retrieval of monitoring data
JP4812415B2 (ja) * 2005-11-30 2011-11-09 富士通株式会社 地図情報更新システム、中央装置、地図情報更新方法、及びコンピュータプログラム
US8185254B2 (en) * 2007-07-18 2012-05-22 Honeywell International Inc. Method and system for updating navigation information
US10007675B2 (en) 2007-07-31 2018-06-26 Robert Bosch Gmbh Method of improving database integrity for driver assistance applications
US20090100031A1 (en) * 2007-10-12 2009-04-16 Tele Atlas North America, Inc. Method and System for Detecting Changes in Geographic Information
CA2718365A1 (en) 2008-03-14 2009-09-17 Tomtom International B.V. Improved navigation device and method
US8284995B2 (en) 2008-07-16 2012-10-09 Volkswagen Of America, Inc. Method for updating a geographic database for an in-vehicle navigation system
US8963702B2 (en) 2009-02-13 2015-02-24 Inthinc Technology Solutions, Inc. System and method for viewing and correcting data in a street mapping database
US20120047087A1 (en) 2009-03-25 2012-02-23 Waldeck Technology Llc Smart encounters
FI122084B (fi) * 2009-12-03 2011-08-15 Teconer Oy Päätelaiteperusteinen tieolosuhteiden kartoitusmenetelmä ja -järjestelmä
EP2524540A4 (en) * 2010-01-11 2017-05-31 Nokia Technologies Oy Method and apparatus for implementing a wait period for single radio continuity transfers
CN102541461B (zh) * 2010-12-31 2014-11-19 阿里巴巴集团控股有限公司 远程数据存储的数据读写方法、装置及其系统
CN102103636B (zh) * 2011-01-18 2013-08-07 南京信息工程大学 一种面向深层网页的增量信息获取方法
GB201204006D0 (en) 2012-03-07 2012-04-18 Tomtom Int Bv Point of interest database maintenance system
US8849567B2 (en) 2012-05-31 2014-09-30 Google Inc. Geographic data update based on user input
CN104158696B (zh) * 2013-05-13 2018-03-06 华为技术有限公司 一种测量操作延时的确定方法、装置及终端
US9547989B2 (en) 2014-03-04 2017-01-17 Google Inc. Reporting road event data and sharing with other vehicles
US10534370B2 (en) * 2014-04-04 2020-01-14 Signify Holding B.V. System and methods to support autonomous vehicles via environmental perception and sensor calibration and verification
CN107438754A (zh) * 2015-02-10 2017-12-05 御眼视觉技术有限公司 用于自主车辆导航的稀疏地图
EP3130891B1 (en) * 2015-08-11 2018-01-03 Continental Automotive GmbH Method for updating a server database containing precision road information
US9830706B2 (en) * 2015-09-17 2017-11-28 Skycatch, Inc. Generating georeference information for aerial images
US10223380B2 (en) * 2016-03-23 2019-03-05 Here Global B.V. Map updates from a connected vehicle fleet

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818562A (zh) * 2005-02-10 2006-08-16 阿尔派株式会社 地图更新处理用数据生成方法、地图更新方法和装置
CN102622356A (zh) * 2011-01-27 2012-08-01 腾讯科技(深圳)有限公司 一种关联地理位置信息的百科知识系统

Also Published As

Publication number Publication date
US20170277716A1 (en) 2017-09-28
HK1244869A1 (zh) 2018-08-17
CN107228676A (zh) 2017-10-03
US10223380B2 (en) 2019-03-05
US20190155827A1 (en) 2019-05-23
EP3222973B1 (en) 2022-06-29
EP3222973A3 (en) 2017-12-27
EP3222973A2 (en) 2017-09-27
US11188575B2 (en) 2021-11-30

Similar Documents

Publication Publication Date Title
CN107228676B (zh) 来自连接的车辆队列的地图更新
US11337029B2 (en) Map based feedback loop for vehicle observations
US11846522B2 (en) Warning polygons for weather from vehicle sensor data
US11423677B2 (en) Automatic detection and positioning of pole-like objects in 3D
US10902720B2 (en) Traffic light signal adjustment notification improvement
US10657804B2 (en) Updating maps and road status
US10552689B2 (en) Automatic occlusion detection in road network data
US11657072B2 (en) Automatic feature extraction from imagery
EP3443302B1 (en) Intersection map message creation for vehicle communication
EP3671550A1 (en) Dynamically loaded neural network models
US9886857B2 (en) Organized intelligent merging
CN111693055B (zh) 道路网络变化检测和所检测的变化的本地传播
US11227420B2 (en) Hazard warning polygons constrained based on end-use device
EP3663973A1 (en) Automatic detection and positioning of structure faces
US20230048365A1 (en) Corrected trajectory mapping

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1244869

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1244869

Country of ref document: HK