CN112384962B - 行驶辅助方法及行驶辅助装置 - Google Patents
行驶辅助方法及行驶辅助装置 Download PDFInfo
- Publication number
- CN112384962B CN112384962B CN201880095291.3A CN201880095291A CN112384962B CN 112384962 B CN112384962 B CN 112384962B CN 201880095291 A CN201880095291 A CN 201880095291A CN 112384962 B CN112384962 B CN 112384962B
- Authority
- CN
- China
- Prior art keywords
- boundary
- point group
- boundary point
- points
- matching
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 53
- 230000010354 integration Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
行驶辅助方法中,利用搭载于车辆的传感器,检测包含形成车道边界线的边界点的第一边界点群(S1),将第一边界点群的坐标系变换到与地图数据相同的坐标系,并进行地图数据上的包含形成车道边界线的边界点的第二边界点群及第一边界点群的任一方的点群中由不相互接近的边界点构成的第一点群、和第一边界点群及第二边界点群的另一方的点群之间的匹配(S2~S5,S7)。
Description
技术领域
本发明涉及行驶辅助方法及行驶辅助装置。
背景技术
专利文献1中记载有一种判定由传感器获取的现实世界的观测信息和成为周围环境的参考的地图之间的不匹配的技术。
现有技术文献
专利文献
专利文献1:日本特开2017-181870号公报
发明内容
发明所要解决的问题
在匹配由传感器获取的点群数据和地图数据上的点群数据时,如果在点群数据中存在相互接近的多个点数据,则有时产生错误匹配。例如,如果在地图数据的点群数据中存在相互接近的多个点数据,则本来不应匹配的点数据有时与由传感器获取的点数据错误匹配。
本发明的目的在于,降低由传感器获取的点群和地图数据上的点群之间的错误匹配。
用于解决问题的技术方案
本发明的一方面提供一种行驶辅助方法,其中,利用搭载于车辆的传感器检测包含形成车道边界线的边界点的第一边界点群,将第一边界点群的坐标系变换到与地图数据相同的坐标系,进行包含形成地图数据上的车道边界线的边界点的第二边界点群及第一边界点群的任一方的点群中由不相互接近的边界点构成的第一点群、与第一边界点群及第二边界点群的另一方的点群之间的匹配。
发明效果
根据本发明的一个方式,能够降低由传感器获取的点群和地图数据上的点群之间的错误匹配。
本发明的目的及优点使用权利要求书中表示的要素及其组合体现并达成。所述正常的叙述及以下的详细的叙述双方仅为示例及说明,应解释为不如权利要求书那样限定本发明。
附图说明
图1是表示实施方式的行驶辅助装置的一例的概略结构例的图。
图2是形成车道边界线的边界点群的说明图。
图3是匹配处理的一例的说明图。
图4A是地图数据的整合处理的第一例的说明图。
图4B是地图数据的整合处理的第二例的说明图。
图5A是包含相互接近的边界点的地图数据的一例的说明图。
图5B是匹配对象的排除处理的第一例的说明图。
图6是匹配对象的排除处理的第二例的说明图。
图7是匹配对象的排除处理的第三例的说明图。
图8是实施方式的行驶辅助方法的一例的流程图。
具体实施方式
以下,参照附图说明本发明的实施方式。
(行驶辅助装置)
本发明实施方式的行驶辅助装置可搭载于车辆(以下,将搭载了本发明实施方式的行驶辅助装置的车辆称为“本车辆”)。
参照图1。本发明实施方式的行驶辅助装置1具备:存储装置2、全球定位系统(GPS)接收器3、车辆传感器4、周围传感器5、处理电路6、显示器7、车辆控制装置8、促动器9。
处理电路6与存储装置2、GPS接收器3、车辆传感器4、周围传感器5、显示器7、车辆控制装置8可通过控制器局域网络(CAN)总线等有线或无线方式收发数据及信号。
存储装置2例如也可以为半导体存储装置、磁存储装置或光学存储装置等。存储装置2也可以内置于处理电路6。存储装置2具备存储地图数据的地图存储部10。
在存储于地图存储部10的地图数据中,通过本发明实施方式的行驶辅助装置1整合由周围传感器5获取的点数据。存储于地图存储部10的地图数据也可以是例如高精度地图数据(以下,简称为“高精度地图”)。
高精度地图适用作自动驾驶用的地图。高精度地图是精度比导航用的地图数据(以下,简称为“导航地图”)高的地图数据,包含比道路单位的信息详细的车道单位的信息。
例如,高精度地图作为车道单位的信息包含表示车道基准线(例如车道内的中央的线)上的基准点的车道节点的信息和表示车道节点间的车道的区间方式的车道链接的信息。
车道节点的信息包含该车道节点的识别编号、位置坐标、连接的车道链接数、连接的车道链接的识别编号。
车道链接的信息包含该车道链接的识别编号、车道的种类、车道的宽度、车道边界线的种类、车道的形状、车道基准线的形状。
高精度地图还包含:存在于车道上或其附近的信号机、停止线、标识、建筑物、电线杆、路缘、人行横道等地上物的种类及位置坐标、与地上物的位置坐标对应的车道节点的识别编号及车道链接的识别编号等地上物的信息。
高精度地图包含车道单位的节点及链接信息,因此,可确定本车辆在行驶路线中行驶的车道。
高精度地图具有可表示车道的延伸方向及宽度方向的位置的坐标。例如,高精度地图也可以具有形成车道边界线的边界点的点群数据。
高精度地图具有可表示三维空间的位置的坐标(例如经度,维度及高度),车道及上述地上物可作为三维空间的形状叙述。
此外,利用行驶辅助装置1整合由周围传感器5获取的点数据的地图数据也可以未必是高精度地图,只要是包含形成车道边界线的边界点的点群数据的地图数据即可。
此外,也可以利用与行驶辅助装置1不同的服务器管理地图数据的数据库,通过例如远程信息处理服务获取更新的地图数据的差分数据,并进行存储于地图存储部10的地图数据的更新。
另外,也可以与本车辆行驶的位置匹配,通过车车间通信或路车间通信等远程信息处理服务获取地图数据。
通过使用远程信息处理服务,在本车辆中,不需要具有数据容量较大的地图数据而能够抑制存储器的容量。另外,通过使用远程信息处理服务,能够获取更新的地图数据,因此,能够精确地掌握道路结构的变化、施工现场的有无等、实际的行驶状况。另外,通过使用远程信息处理服务,能够使用基于从本车辆以外的多个其它车辆收集的数据制作的地图数据,因此,能够掌握精确的信息。
GPS接收器3从多个导航卫星接收电磁波来获取本车辆的当前位置,并将获取的本车辆的当前位置输出到处理电路6。此外,也可以具有GPS接收器3以外的其它的全球定位系统(GNSS)接收器。
车辆传感器4是检测本车辆的当前位置及行驶状态的传感器。车辆传感器4例如也可以是车速传感器、加速度传感器及陀螺仪传感器,但车辆传感器4的种类及个数不限定于此。
车速传感器也可以基于本车辆的车轮速检测车速,并将检测到的车速输出到处理电路6。
加速度传感器也可以检测本车辆的前后方向及车宽方向等的加速度,并将检测到的加速度输出到处理电路6。
陀螺仪传感器也可以检测本车辆的角速度,并将检测到的角速度输出到处理电路6。
周围传感器5是检测本车辆的周围环境(周围状况)的传感器。周围传感器5例如也可以是摄像机、雷达及通信机等,但周围传感器5的种类及个数不限定于此。
作为周围传感器5使用的摄像机例如也可以为CCD摄像机等。摄像机也可以是单眼摄像机,也可以是立体摄像机。
摄像机拍摄本车辆的周围环境,并从拍摄图像中检测车辆、行人或自行车等物体和本车辆的相位置匹配置、物体和本车辆的距离、道路上的车道边界线(白线)或路缘等道路结构等作为本车辆的周围环境的数据,将检测到的周围环境的数据输出到处理电路6。
作为周围传感器5使用的雷达例如也可以是毫米波雷达或超声波雷达、激光测距仪(LRF)等。
雷达将物体和本车辆的相位置匹配置、物体和本车辆的距离、物体和本车辆的相对速度等作为本车辆的周围环境的数据检测,并将检测到的周围环境的数据输出到处理电路6。
作为周围传感器5使用的通信机也可以通过进行与其它车辆的车车间通信、与路侧机的路车间通信、或与交通信息中心等的通信等,接收本车辆的周围环境的数据,并将接收的周围环境的数据输出到处理电路6。
在本说明书中,能够使用GPS接收器3、车辆传感器4、周围传感器5分别作为能够检测本车辆周围的实际(现实)的道路结构等的传感器。
处理电路6是进行本车辆的行驶辅助所需的处理的算术逻辑运算的电子控制单元(ECU)等控制器。
例如,处理电路6例如也可以具备处理器、存储装置及输入输出I/F。处理器也可以是算术逻辑运算装置(ALU)、控制电路(控制装置)、包含各种寄存器等的中央运算处理装置(CPU)等、及与其等效的微处理器。
内置或外置于处理电路6的存储装置可以是半导体存储器或磁盘介质等,也可以包含作为寄存器、高速缓冲存储器、主存储装置使用的ROM及RAM等存储介质。
例如,处理电路6的处理器通过执行预先存储于存储装置的程序,执行以下说明的行驶辅助装置1的信息处理。
例如,处理电路6也可以从显示器7或其它的扬声器等信息提示装置输出基于存储于地图存储部10的地图数据的引导信息,并提示给乘员。
另外,例如处理电路6也可以实施本车辆的行驶辅助。例如,行驶辅助可以是乘员(例如司机)没有干预而本车辆自动地驾驶的完全自动驾驶,也可以是控制驱动、制动、转向的至少一个的驾驶辅助。
即,本说明书中,行驶辅助包含乘员没有干预而执行本车辆的驱动、制动及转向的所有的控制的情况,还包含执行本车辆的驱动、制动及转向的至少一个控制的情况。
在实施行驶辅助时,处理电路6基于存储于地图存储部10的地图数据,生成使本车辆行驶的行驶路径。例如,处理电路6确定地图数据上的本车辆的位置,并以本车辆的位置为基准生成行驶路径,以将本车辆导向车道内。行驶预定路径也可以以通过车道内的中央的方式生成。
处理电路6将生成的行驶路径输出到车辆控制装置8。
车辆控制装置8为进行本车辆的行驶控制的电子控制单元。车辆控制装置8包含处理器和存储装置等的周边部件。处理器例如也可以是CPU及与其等效的微处理器。
存储装置也可以具备半导体存储装置、磁存储装置及光学存储装置的任一个。存储装置也可以包含作为寄存器、高速缓冲存储器、主存储装置使用的ROM及RAM等存储器。
此外,也可以通过设定于通用的半导体集成电路中的功能性的逻辑电路实现车辆控制装置8。例如,车辆控制装置8也可以具有现场可编程门阵列(FPGA)等可编程逻辑器件(PLD)等。
车辆控制装置8计算促动器9的控制量,使得本车辆在处理电路6生成的行驶路径上行驶。车辆控制装置8将计算出的控制量发送到促动器9。
促动器9根据来自车辆控制装置8的控制信号控制本车辆的行驶。促动器9例如也可以为驱动促动器、制动促动器及转向促动器。
驱动促动器例如可以是电控节气门,基于来自车辆控制装置8的控制信号,控制本车辆的油门开度。
制动促动器例如可以是油压电路,基于来自车辆控制装置8的控制信号,控制本车辆的制动的制动动作。
转向促动器基于来自车辆控制装置8的控制信号,控制本车辆的转向。
在生成行驶路径时,处理电路6参照存储于地图存储部10的地图数据,但也能够从周围传感器5获取精度高的周围环境的位置信息。因此,期望不仅利用地图数据,而且并用来自周围传感器5的周围环境的数据。
参照图2。在地图数据中存储有形成表示本车辆30行驶的车道31的车道边界的车道边界线32的边界点32a~32g的位置坐标及形成车道边界线33的边界点33a~33g的位置坐标。
另外,利用周围传感器5检测形成现实世界的车道边界线32的边界点40a~40f位置坐标和形成现实世界的车道边界线33的边界点41a~41f的位置坐标。
此外,这些边界点32a~32g、33a~33g、40a~40f及41a~41f除了表示车道边界的道路区分线(例如白线)、车道标识之外,也可以是侧沟、路缘、护栏、柱等结构物。
以下,有时将由利用周围传感器5检测到的形成现实世界的车道边界线的边界点40a~40f及41a~41f构成的点群记载为“第一边界点群”。另一方面,有时将由形成地图数据上的车道边界线的边界点32a~32g及33a~33g构成的点群记载为“第二边界点群”。
处理电路6为了将第一边界点群和第二边界点群用于行驶路径的生成中,将第一边界点群的边界点各自与第二边界点群的任一边界点匹配。
本说明书中“匹配”意味着决定检测现实世界的边界点而得到的第一边界点群的边界点、和与该边界点对应的第二边界点群的边界点(即地图数据上的边界点)的组合。
参照图3说明第一边界点群和第二边界点群的匹配的一例。
首先,处理电路6将第一边界点群的坐标系变换到与地图数据相同的坐标系。例如,处理电路6基于由GPS接收器3测定的本车辆的当前位置,将以本车辆位置为原点的局部坐标系即第一边界点群的坐标系变换到地图数据依据的地图坐标系。
接着,处理电路6相对于第一边界点群的边界点40a设定具有半径ε的探索圆R1,在探索圆R1内探索第二边界点群的边界点。
处理电路6将第二边界点群的边界点中、存在于探索圆R1内的边界点32a决定为与第一边界点群的边界点40a对应的第二边界点群的边界点。处理电路6决定这些边界点40a和边界点32a的组合。
进而,处理电路6整合变换到与地图数据相同的坐标系的第一边界点群和第二边界点群。
本说明书中“整合”意味着在将通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点相关联的状态下,结合第一边界点群的数据和第二边界点群的数据的处理。
例如“整合”也可以包含修正第二边界点群的位置坐标,使得通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点之间的位置误差成为最小。
图3表示被匹配的第一边界点群的边界点40a和第二边界点群的边界点32a之间的位置误差“e1”。
这里假定使图2所示的第一边界点群的边界点40a~40f和第二边界点群的边界点32a~32f分别匹配,且使第一边界点群的边界点41a~41f和第二边界点群的边界点33a~33f分别匹配的情况。
将第一边界点群的边界点40a~40f和第二边界点群的边界点32a~32f之间的位置误差分别记载为e1~e6,将第一边界点群的边界点41a~41f和第二边界点群的边界点33a~33f之间的位置误差分别记载为e7~e12。
处理电路6计算以下表示的位置误差的合计E。
E=Σi=1 12ei
处理电路6通过使边界点32a~32f及边界点33a~33f的位置坐标移动相同的方向及相同的距离,计算位置误差的合计E成为最小那样的移动量M,从而使第一边界点群的边界点40a~40f和第二边界点群的边界点32a~32f位置匹配。
而且,处理电路6如图4A所示进行修正,使得存储于地图存储部10的地图数据中包含的第二边界点群的边界点32a~32g及边界点33a~33g的位置坐标移动移动量M。
处理电路6可以修正地图数据中包含的全部第二边界点群,也可以仅修正本车辆周围的预定的范围内的第二边界点群。
另外,例如“整合”也可以包含将表示通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点的组合的关联信息和第一边界点群,作为地图数据存储于地图存储部或其它的存储装置。
处理电路6也可以基于通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点之间的相对位置关系、以及第一边界点群的边界点间的相对位置关系,决定未匹配的第一边界点群的边界点和第二边界点群的相对位置关系,并将未匹配的第一边界点群的边界点的位置坐标作为地图数据进行参照。
例如图4B表示通过匹配而组合的第一边界点群的边界点40a~40f、41a及41f以及第二边界点群的边界点32a~32f、33a及33f和未被匹配的第一边界点群的边界点41b~41e。
处理电路6也可以基于第一边界点群的边界点40a~40f、41a及41f和第二边界点群的边界点32a~32f、33a及33f的相对位置关系、及第一边界点群的边界点间的相对位置关系,确定第一边界点群的边界点41b~41e的地图数据上的位置坐标。
处理电路6也可以基于边界点41b~41e的位置坐标,识别车道边界线33的位置。
参照图5A。有时第二边界点群的边界点彼此相互接近。
例如,本车辆30行驶的车道31和与车道31相邻的车道34夹着中央隔离带并列,车道边界线32及33表示车道31的车道边界,车道边界线35及36表示车道34的车道边界。
而且,第二边界点群的边界点32a~32d形成车道边界线32,第二边界点群的边界点33a~33d形成车道边界线33,第二边界点群的边界点35a~35d形成车道边界线35,第二边界点群的边界点36a~36d形成车道边界线36。
在此,分别表示不同的车道31及34的车道边界的车道边界线33及35相互接近,因此,边界点33a和35a、33b和35b、33c和35c、及33d和35d分别在车宽方向(或宽度方向)上接近。
另一方面,现实世界的车道边界线未必能够由周围传感器5检测。例如,是由于有时白线模糊,或存在遮蔽物,或检测条件差。
在图5A的例子中,检测形成车道边界线32的边界点40a~40c和形成车道边界线35的边界点42a~42d,不检测形成车道边界线33及36的边界点。
在这种情况下,当边界点33a~33d和35a~35d分别在车宽方向上接近时,有时本来应与边界点35a~35d匹配的第一边界点群的边界点42a~42d会与边界点33a~33d错误匹配。
当这样边界点错误匹配时,例如在通过匹配而组合的第一边界点群和第二边界点群的位置匹配中,位置误差的合计E不能变小,使修正后的第二边界点群的位置坐标的精度降低。
因此,处理电路6将相互接近的第二边界点群的边界点从匹配的对象排除。换言之,选择第二边界点群的边界点中相互接近的边界点以外的点群作为匹配的对象。
例如如图5B所示,处理电路6将相互接近的边界点33a和35a、33b和35b、33c和35c、及33d和35d从匹配的对象排除。换言之,处理电路6选择边界点33a~33d及35a~35d以外的边界点(例如边界点32a~32c)作为匹配对象。
此时,例如处理电路6也可以将边界点33a~33d和35a~35d从与第一边界点群的边界点匹配的第二边界点群的边界点的探索对象排除。换言之,处理电路6也可以选择边界点33a~33d及35a~35d以外的边界点32a~32d及36a~36d作为探索对象。
以下,对将相互接近的边界点从匹配对象排除和选择相互接近的边界点以外的边界点作为匹配对象统称并记载为从匹配对象“排除”。
有时第一边界点群及第二边界点群沿着车道的行进方向(或车辆的行进方向)密集地检测或设定。在这种情况下,第一边界点群及第二边界点群的边界点相互在行进方向上接近,但不需要将这样在行进方向上接近的边界点从匹配对象排除。
因此,从匹配对象排除的边界点例如也可以是在车宽方向上相互接近的边界点。从匹配对象排除的边界点也可以是形成相互接近且不同的车道边界线的边界点。例如如图5B所示,不同的车道边界线也可以是表示不同的车道31及34的车道边界的车道边界线33及35。
在第一边界点群的边界点相互接近的情况下,也产生错误匹配。
参照图6。分离车道31及34的白线37在区间38模糊,因此,除了本来的车道边界线33及35的边界点41a~41d及42a~42d之外,还误检测错误的边界点49a~49d。
边界点49a和41a、边界点49b和42a、边界点49c和41b、边界点49d和42b分别接近,因此,这些边界点可成为错误匹配的原因。因此,处理电路6也可以将相互接近的边界点49a和41a、边界点49b和42a、边界点49c和41b、边界点49d和42b从匹配对象排除。
参照图1。处理电路6具备车道边界线识别部21、匹配对象选择部22、匹配部23、地图数据整合部24、行驶路径运算部25等逻辑块作为功能性或物理性的硬件资源。
车道边界线识别部21、匹配对象选择部22、匹配部23、地图数据整合部24、以及行驶路径运算部25也可以是FPGA等的PLD等的物理性的逻辑电路,也可以是通过软件的处理等效地设定于通用的半导体集成电路中的功能性的逻辑电路。
另外,车道边界线识别部21、匹配对象选择部22、匹配部23、地图数据整合部24、以及行驶路径运算部25可以通过单一硬件实现,也可以分别利用单独的硬件实现。
例如,也可以通过车载信息娱乐系统(IVI)系统等的汽车导航系统实现车道边界线识别部21、匹配对象选择部22、匹配部23、地图数据整合部24,也可以通过高级行驶辅助系统(ADAS)等的行驶辅助系统实现行驶路径运算部25及车辆控制装置8。
车道边界线识别部21基于周围传感器5检测到的周围环境的数据识别第一边界点群。
匹配对象选择部22选择车道边界线识别部21识别的第一边界点群中、设为与第二边界点群的匹配的对象的边界点。另外,选择存储于地图存储部10的地图数据中包含的第二边界点群中、设为与第一边界点群的匹配的对象的边界点。
此时,匹配对象选择部22将第一边界点群中相互接近的边界点从与第二边界点群的匹配的对象排除。匹配对象选择部22还将第二边界点群中相互接近的边界点从与第一边界点群的匹配的对象排除。例如,匹配对象选择部22在边界点间的距离为阈值Th以下的情况下,将这些边界点从匹配的对象排除。例如阈值Th也可以是匹配中探索边界点的探索圆R1(参照图3)的半径ε的2倍(2×ε)。
此外,匹配对象选择部22也可以未必选择第一边界点群及第二边界点群双方中设为匹配的对象的边界点。即,匹配对象选择部22可以仅将第一边界点群中相互接近的边界点从匹配的对象排除,也可以仅将第二边界点群中相互接近的边界点从匹配的对象排除。
参照图7。在第一边界点群的一个边界点41a的附近存在分别形成不同的车道边界线33及35的第二边界点群的多个边界点33a及35a。例如,在距边界点41a为半径r的范围R2内存在边界点33a及35a。在这种情况下,也难以判断将边界点41a与边界点33a及35a的哪一方匹配,存在产生错误匹配的可能性。
因此,匹配对象选择部22在形成不同的车道边界线33及35的第二边界点群的多个边界点33a及35a存在于距第一边界点群的边界点41a为距离阈值r以下的范围R2内的情况下,将边界点41a从匹配的对象排除。距离阈值r例如也可以是匹配中探索边界点的探索圆R1(参照图3)的半径ε。
匹配部23将由匹配对象选择部22选择为匹配的对象的第一边界点群和第二边界点群匹配。
地图数据整合部24基于匹配部23的匹配结果整合第一边界点群和第二边界点群。
例如地图数据整合部24也可以包含修正第二边界点群的位置坐标,使得通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点之间的位置误差成为最小。另外,例如地图数据整合部24也可以将表示通过匹配而组合的第一边界点群的边界点和第二边界点群的边界点的组合的关联信息、以及第一边界点群作为地图数据存储于地图存储部10。
匹配对象选择部22也可以在利用地图数据整合部24修正了第二边界点群的位置坐标后,判断形成不同的车道边界线33及35的第二边界点群的多个边界点33a及35a是否存在于距第一边界点群的边界点41a为距离阈值r以下的范围R2内。匹配对象选择部22也可以在这种多个边界点33a及35a存在于距边界点41a为距离阈值r以下的范围R2内的情况下,将该边界点41a从匹配的对象排除。
通过使用这样修正了位置的第二边界点群,能够更精确地比较第一边界点群的位置坐标和第二边界点群的位置坐标。其结果,能够更正确地判定成为错误匹配的原因的第一边界点群的边界点。
行驶路径运算部25基于整合了第一边界点群和第二边界点群的地图数据,生成使本车辆行驶的行驶路径。行驶路径运算部25将生成的行驶路径输出至车辆控制装置8。
(动作)
接着,说明实施方式的行驶辅助装置1的动作。参照图8。
在步骤S1中,车道边界线识别部21基于周围传感器5检测到的周围环境的数据检测第一边界点群。
在步骤S2中,匹配对象选择部22将第一边界点群中相互接近的边界点从与第二边界点群的匹配的对象中排除。
在步骤S3中,匹配对象选择部22从存储于地图存储部10的地图数据读出第二边界点群。
在步骤S4中,将第二边界点群中相互接近的边界点从与第一边界点群的匹配的对象中排除。
在步骤S5中,匹配对象选择部22将第一边界点群的坐标系变换到与地图数据相同的坐标系。
在步骤S6中,匹配对象选择部22判定第一边界点群的单一边界点是否接近形成不同的车道边界线的第二边界点群的多个边界点。
例如匹配对象选择部22判定在距第一边界点群的边界点为距离阈值以下的范围内是否存在形成不同的车道边界线的第二边界点群的多个边界点。在存在这样的第二边界点群的多个边界点的情况下,匹配对象选择部22将该第一边界点群的边界点从匹配的对象中排除。
在步骤S7中,匹配部23将被选择为匹配的对象的第一边界点群和第二边界点群进行匹配。
在步骤S8中,地图数据整合部24基于匹配部23的匹配结果整合第一边界点群和第二边界点群。地图数据整合部24将整合了第一边界点群和第二边界点群的地图数据存储于地图存储部10。
在步骤S9中,行驶路径运算部25基于整合了第一边界点群和第二边界点群的地图数据,生成使本车辆行驶的行驶路径。
在步骤S10中,车辆控制装置8驱动促动器9并实施本车辆的车辆控制,使车辆在由行驶路径运算部25生成的行驶路径上行驶。
在步骤S11中,处理电路6判断本车辆的点火开关(IGN)是否已断开。在点火开关已断开的情况下(步骤S11:“是”),处理结束。在点火开关不是断开的情况下(步骤S11:“否”),处理返回至步骤S1。
(实施方式的效果)
(1)车道边界线识别部21利用搭载于本车辆的周围传感器5,检测包含形成车道边界线的边界点的第一边界点群。匹配对象选择部22将第一边界点群的坐标系变换到与地图数据相同的坐标系。匹配对象选择部22及匹配部23进行地图数据上的包含形成车道边界线的边界点的第二边界点群及第一边界点群的任一方的点群中由不相互接近的边界点构成的第一点群、和第一边界点群及第二边界点群的另一方的点群之间的匹配。
由此,能够将容易在由周围传感器5检测到的第一边界点群和地图数据上的第二边界点群之间产生错误匹配的边界点的数据从匹配的对象中排除。由此,能够降低第一边界点群和第二边界点群之间的错误匹配。
由此,例如在通过匹配而组合的第一边界点群和第二边界点群的位置匹配中,能够减小位置误差的合计E,能够提高地图数据的边界点的位置坐标的精度。
(2)匹配对象选择部22及匹配部23进行第一边界点群及第二边界点群的任一方的点群中由不相互接近的边界点构成的第一点群、和第一边界点群及第二边界点群的另一方的点群中由不相互接近的边界点构成的第二点群之间的匹配。
即,匹配对象选择部22及匹配部23进行第一边界点群中由不相互接近的边界点构成的点群和第二边界点群中由不相互接近的边界点构成的点群之间的匹配。
这样,在第一边界点群和第二边界点群双方中,将相互接近的边界点从匹配的对象排除,由此,能够进一步降低第一边界点群和第二边界点群之间的错误匹配的可能性。
(3)匹配对象选择部22根据边界点间的距离是否为阈值Th以下,判定边界点是否接近。
这样,通过边界点间的距离和阈值Th的比较,判定边界点是否接近,由此,能够容易且正确地判定接近的边界点。
(4)阈值Th也可以与在匹配部23的匹配中探索边界点的探索圆R1的半径ε的2倍(2×ε)相等。
这样,通过将边界点是否接近的判定中使用的阈值Th设为匹配的探索圆R1的半径的2倍(2×ε),能够将可能产生错误匹配的数据从匹配的对象中可靠地排除。
(5)在第二边界点群的多个边界点33a及35a存在于距第一边界点群的边界点41a为距离阈值r以下的范围R2内的情况下,匹配对象选择部22将第一边界点群中包含的边界点41a从匹配的对象中排除。例如匹配对象选择部22在距第一边界点群的单一的边界点41a为距离阈值r以下的范围R2内存在形成不同的车道边界线的第二边界点群的多个边界点33a及35a的情况下,将包含于第一边界点群的边界点41a从匹配对象中排除。
由此,能够将可能错误匹配的第一边界点群的边界点从匹配的对象中排除。
(6)距离阈值r也可以与匹配中探索边界点的探索圆R1的半径ε相等。由此,能够将可能产生错误匹配的第一边界点群的边界点从匹配的对象可靠地排除。
(7)也可以在通过地图数据整合部24修正了第二边界点群的位置坐标后,在距第一边界点群的边界点41a为距离阈值r以下的范围R2内存在形成不同的车道边界线33及35的第二边界点群的多个边界点33a及35a的情况下,匹配对象选择部22将第一边界点群的边界点41a从匹配的对象中排除。
通过使用这样修正了位置的第二边界点群,能够更正确地比较第一边界点群的位置坐标和第二边界点群的位置坐标。其结果,能够更正确地判定成为错误匹配的原因的第一边界点群的边界点。
(变形例)
(1)匹配对象选择部22也可以通过补齐地图数据上的第二边界点群的边界点间而产生新的边界点,并通过对第二边界点群追加生成的边界点,从而增加第二边界点群的密度。
另外,也可以在通过补齐而对第二边界点群追加了边界点后,在距第一边界点群的边界点41a为距离阈值r以下的范围R2内存在形成不同的车道边界线33及35的第二边界点群的多个边界点33a及35a的情况下,匹配对象选择部22将第一边界点群的边界点41a从匹配的对象中排除。
通过这样对第二边界点群追加新的边界点,第一边界点群和第二边界点群的匹配变得更正确。
(2)也可以动态地变更边界点是否接近的判定中使用的阈值Th及距离阈值r。
例如,阈值Th及距离阈值r也可以根据上一次进行的第一边界点群和第二边界点群的位置匹配中的位置误差ei动态地变更。
例如,将第一边界点群和第二边界点群的位置匹配中将位置误差的合计E=Σi=1 12ei设为最小时的位置误差的最大值记载为emax=maxi(ei)。在该情况下,预测在第一边界点群的边界点和第二边界点群的边界点之间最大具有emax程度的误差。
因此,在边界点间的距离为(2×emax)以下的情况下,具有产生错误匹配的可能性。因此,也可以将阈值Th设定为(2×emax)。
另外,也可以根据将位置误差的合计E设为最小时的位置误差ei的平均值、中间值、最小值等设定阈值Th及距离阈值r,也可以根据位置误差的合计E设定阈值Th及距离阈值r。
(3)在第一边界点群的检测数较少的情况下,期望不减少设为匹配对象的第一边界点群及第二边界点群的数。因此,阈值Th及距离阈值r也可以根据第一边界点群的检测数动态地变更。
例如,车速越大,第一边界点群的检测数越减少。因此,也可以根据车速动态地变更阈值Th及距离阈值r。例如也可以车速越大,设定越小的阈值Th及距离阈值r。
另外,在利用摄像机检测第一边界点群的情况下,也可以根据拍摄条件动态地变更阈值Th及距离阈值r。例如,也可以根据气象条件、拍摄日期时间、车外环境、周围的照度动态地变更阈值Th及距离阈值r。
(4)由于同样的理由,匹配对象选择部22也可以根据第一边界点群的检测数、车速、拍摄条件、气象条件、拍摄日期时间、车外环境、周围的照度,将相互接近的边界点设为匹配对象。
在此记载的所有的例子及条件的用语是以教育为目的,以便帮助读者理解本发明和随着技术进步而由发明人提出的概念,应该不限定为具体记载的上述的示例及条件、以及关于表示本发明的优越性及劣势性的本说明书中的示例的结构而进行解释。虽然详细地说明了本发明的实施例,但应理解为在不脱离本发明的精神及范围的情况下,能够对本发明进行各种变更、置换及修正。
符号说明
1…行驶辅助装置、2…存储装置、3…全球定位系统接收器、4…车辆传感器、5…周围传感器、6…处理电路、7…显示器、8…车辆控制装置、9…促动器、10…地图存储部、21…车道边界线识别部、22…匹配对象选择部、23…匹配部、24…地图数据整合部、25…行驶路径运算部
Claims (9)
1.一种行驶辅助方法,其特征在于,
通过搭载于车辆上的传感器检测包含形成车道边界线的边界点的第一边界点群,
将所述第一边界点群中相互接近的边界点从与包含形成地图数据上的车道边界线的边界点的第二边界点群的匹配的对象中排除,并且将所述第二边界点群中相互接近的边界点从与所述第一边界点群的匹配的对象中排除;或者将所述第一边界点群中相互接近的边界点从与包含形成所述地图数据上的车道边界线的边界点的第二边界点群的匹配的对象中排除;或者将所述第二边界点群中相互接近的边界点从与所述第一边界点群的匹配的对象中排除,
将所述第一边界点群的坐标系变换到与所述地图数据相同的坐标系,
判定所述第一边界点群的单一边界点是否接近形成不同的车道边界线的所述第二边界点群的多个边界点,
进行匹配,以将匹配的对象的第一边界点群和第二边界点群与规定距离内的第一边界点群的边界点和第二边界点群的边界点相关联。
2.根据权利要求1所述的行驶辅助方法,其特征在于,
在所述匹配中,进行所述第一边界点群及所述第二边界点群的另一方的点群中由不相互接近的边界点构成的第二点群与第一点群之间的匹配。
3.根据权利要求1或2所述的行驶辅助方法,其特征在于,
根据所述边界点间的距离是否为阈值以下,判定所述边界点是否接近。
4.根据权利要求3所述的行驶辅助方法,其特征在于,
所述阈值与所述匹配中探索边界点的探索圆的半径的2倍相等。
5.根据权利要求1或2所述的行驶辅助方法,其特征在于,
在所述第二边界点群的多个边界点存在于距所述第一边界点群的边界点为距离阈值以下的范围内的情况下,将所述第一边界点群中包含的所述边界点设为所述匹配的对象外。
6.根据权利要求5所述的行驶辅助方法,其特征在于,
所述距离阈值与所述匹配中探索边界点的探索圆的半径相等。
7.根据权利要求5所述的行驶辅助方法,其特征在于,
所述第二边界点群是使用所述匹配的结果修正过的所述地图数据上的边界点群。
8.根据权利要求1所述的行驶辅助方法,其特征在于,
补齐所述地图数据上的所述边界点间而生成边界点,
将生成的所述边界点追加到所述第二边界点群中。
9.一种行驶辅助装置,其特征在于,具备:
传感器,其搭载于车辆并检测包含形成车道边界线的边界点的第一边界点群;
存储装置,其存储地图数据;
控制器,其将所述第一边界点群中相互接近的边界点从与包含形成地图数据上的车道边界线的边界点的第二边界点群的匹配的对象中排除,并且将所述第二边界点群中相互接近的边界点从与所述第一边界点群的匹配的对象中排除;或者将所述第一边界点群中相互接近的边界点从与包含形成所述地图数据上的车道边界线的边界点的第二边界点群的匹配的对象中排除;或者将所述第二边界点群中相互接近的边界点从与所述第一边界点群的匹配的对象中排除,将所述第一边界点群的坐标系变换到与所述地图数据相同的坐标系,判定所述第一边界点群的单一边界点是否接近形成不同的车道边界线的所述第二边界点群的多个边界点,进行匹配,以将匹配的对象的第一边界点群和第二边界点群与规定距离内的第一边界点群的边界点和第二边界点群的边界点相关联。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2018/000849 WO2020058735A1 (ja) | 2018-07-02 | 2018-07-02 | 走行支援方法及び走行支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112384962A CN112384962A (zh) | 2021-02-19 |
CN112384962B true CN112384962B (zh) | 2022-06-21 |
Family
ID=69888383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880095291.3A Active CN112384962B (zh) | 2018-07-02 | 2018-07-02 | 行驶辅助方法及行驶辅助装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11869251B2 (zh) |
EP (1) | EP3819897B1 (zh) |
JP (1) | JP7123154B2 (zh) |
CN (1) | CN112384962B (zh) |
RU (1) | RU2764483C1 (zh) |
WO (1) | WO2020058735A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021192520A1 (ja) * | 2020-03-27 | 2021-09-30 | パイオニア株式会社 | 情報提供装置、情報提供方法及び情報提供用プログラム |
CN111553844B (zh) | 2020-04-29 | 2023-08-29 | 阿波罗智能技术(北京)有限公司 | 用于更新点云的方法及装置 |
JP7441190B2 (ja) * | 2021-02-25 | 2024-02-29 | 株式会社日立製作所 | 運転支援装置、運転支援方法及び運転支援システム |
WO2023276025A1 (ja) * | 2021-06-30 | 2023-01-05 | 三菱電機株式会社 | 情報統合装置、情報統合方法、及び情報統合プログラム |
CN113353074B (zh) * | 2021-08-10 | 2021-10-29 | 天津所托瑞安汽车科技有限公司 | 一种车辆控制方法、装置、电子设备和存储介质 |
CN114724108B (zh) * | 2022-03-22 | 2024-02-02 | 北京百度网讯科技有限公司 | 车道线处理方法及装置 |
WO2023209997A1 (ja) * | 2022-04-28 | 2023-11-02 | 日立Astemo株式会社 | 外界認識装置 |
US12202476B2 (en) * | 2022-05-27 | 2025-01-21 | Ford Global Technologies, Llc | Vehicle map data management |
CN116793369B (zh) * | 2023-02-10 | 2024-03-08 | 北京斯年智驾科技有限公司 | 路径规划方法、装置、设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1836266A (zh) * | 2003-09-24 | 2006-09-20 | 爱信精机株式会社 | 路面行驶车道检测装置 |
CN1836267A (zh) * | 2003-09-24 | 2006-09-20 | 爱信精机株式会社 | 路面行驶车道检测装置 |
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN104809449A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 适用于高速公路视频监控系统的车道虚线分界线自动检测方法 |
CN104835139A (zh) * | 2014-02-07 | 2015-08-12 | 丰田自动车株式会社 | 车道边界线检测装置 |
JP2016109650A (ja) * | 2014-12-10 | 2016-06-20 | 株式会社デンソー | 位置推定装置、位置推定方法、位置推定プログラム |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
CN108139217A (zh) * | 2015-09-30 | 2018-06-08 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0317949D0 (en) * | 2003-07-31 | 2003-09-03 | Trw Ltd | Sensing apparatus for vehicles |
EP2168079B1 (en) * | 2007-01-23 | 2015-01-14 | Valeo Schalter und Sensoren GmbH | Method and system for universal lane boundary detection |
JP4988786B2 (ja) * | 2009-04-09 | 2012-08-01 | 株式会社日本自動車部品総合研究所 | 境界線認識装置 |
SE534188C2 (sv) * | 2009-06-10 | 2011-05-24 | Scania Cv Ab | Metod och modul för bestämning av börvärden till ett fordons styrsystem |
JP5468332B2 (ja) | 2009-08-20 | 2014-04-09 | Juki株式会社 | 画像特徴点抽出方法 |
JP5530391B2 (ja) | 2011-04-05 | 2014-06-25 | 日本電信電話株式会社 | カメラポーズ推定装置、カメラポーズ推定方法及びカメラポーズ推定プログラム |
DE102012103669A1 (de) * | 2012-04-26 | 2013-10-31 | Continental Teves Ag & Co. Ohg | Verfahren zur Darstellung einer Fahrzeugumgebung |
JP5989701B2 (ja) * | 2014-03-24 | 2016-09-07 | トヨタ自動車株式会社 | 境界検出装置および境界検出方法 |
JP6491517B2 (ja) | 2015-03-31 | 2019-03-27 | Kddi株式会社 | 画像認識ar装置並びにその姿勢推定装置及び姿勢追跡装置 |
JP6790417B2 (ja) | 2016-03-31 | 2020-11-25 | ソニー株式会社 | 情報処理装置及び情報処理サーバ |
KR102233901B1 (ko) | 2016-10-13 | 2021-03-31 | 닛산 지도우샤 가부시키가이샤 | 자기 위치 추정 방법 및 자기 위치 추정 장치 |
US10296795B2 (en) * | 2017-06-26 | 2019-05-21 | Here Global B.V. | Method, apparatus, and system for estimating a quality of lane features of a roadway |
JP6981850B2 (ja) * | 2017-11-09 | 2021-12-17 | 株式会社Soken | 運転支援システム |
US10997433B2 (en) * | 2018-02-27 | 2021-05-04 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
US11776282B2 (en) * | 2021-03-26 | 2023-10-03 | Here Global B.V. | Method, apparatus, and system for removing outliers from road lane marking data |
-
2018
- 2018-07-02 CN CN201880095291.3A patent/CN112384962B/zh active Active
- 2018-07-02 JP JP2020547449A patent/JP7123154B2/ja active Active
- 2018-07-02 EP EP18933961.7A patent/EP3819897B1/en active Active
- 2018-07-02 US US17/256,252 patent/US11869251B2/en active Active
- 2018-07-02 WO PCT/IB2018/000849 patent/WO2020058735A1/ja unknown
- 2018-07-02 RU RU2021102119A patent/RU2764483C1/ru active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1836266A (zh) * | 2003-09-24 | 2006-09-20 | 爱信精机株式会社 | 路面行驶车道检测装置 |
CN1836267A (zh) * | 2003-09-24 | 2006-09-20 | 爱信精机株式会社 | 路面行驶车道检测装置 |
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN104835139A (zh) * | 2014-02-07 | 2015-08-12 | 丰田自动车株式会社 | 车道边界线检测装置 |
JP2016109650A (ja) * | 2014-12-10 | 2016-06-20 | 株式会社デンソー | 位置推定装置、位置推定方法、位置推定プログラム |
CN104809449A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 适用于高速公路视频监控系统的车道虚线分界线自动检测方法 |
CN108139217A (zh) * | 2015-09-30 | 2018-06-08 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
CN107169464A (zh) * | 2017-05-25 | 2017-09-15 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020058735A1 (ja) | 2021-08-30 |
WO2020058735A1 (ja) | 2020-03-26 |
EP3819897A4 (en) | 2021-05-12 |
US11869251B2 (en) | 2024-01-09 |
RU2764483C1 (ru) | 2022-01-17 |
CN112384962A (zh) | 2021-02-19 |
EP3819897A1 (en) | 2021-05-12 |
US20210224557A1 (en) | 2021-07-22 |
EP3819897B1 (en) | 2023-05-10 |
JP7123154B2 (ja) | 2022-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112384962B (zh) | 行驶辅助方法及行驶辅助装置 | |
CN107683234B (zh) | 周边环境识别装置以及计算机程序产品 | |
EP3358302B1 (en) | Travel control method and travel control device | |
CN109425343B (zh) | 本车位置推断装置 | |
JP6566132B2 (ja) | 物体検出方法及び物体検出装置 | |
JP2024045389A (ja) | レーンマッピング及びナビゲーション | |
US11719555B2 (en) | Map information system | |
CN115427759B (zh) | 地图信息校正方法、驾驶辅助方法及地图信息校正装置 | |
JP2018200501A (ja) | 車線情報出力方法および車線情報出力装置 | |
KR102611507B1 (ko) | 주행 지원 방법 및 주행 지원 장치 | |
CN110959100A (zh) | 行驶辅助方法及行驶辅助装置 | |
CN114987529A (zh) | 地图生成装置 | |
JP2024546023A (ja) | ナビゲーションマップの生成及びフィルタリング | |
JP4953015B2 (ja) | 自車位置認識装置と自車位置認識プログラム、及びこれを用いたナビゲーション装置 | |
RU2672796C1 (ru) | Устройство поиска маршрута и способ поиска маршрута | |
CN115107798A (zh) | 车辆位置识别装置 | |
JP4789868B2 (ja) | 画像認識装置及び画像認識方法、並びにそれを用いた自位置認識装置及びナビゲーション装置 | |
JP4957021B2 (ja) | 車両用地図データ作成装置、及び、車両用地図データ更新装置 | |
CN115691104A (zh) | 用于生成车道信息的装置和方法 | |
US12204342B2 (en) | Self-location estimation method and self-location estimation device | |
CN115808179A (zh) | 一种交通信息获取方法、装置及存储介质 | |
CN115027483B (zh) | 叠置道路识别、车辆行驶控制方法、装置及设备 | |
JP2024078845A (ja) | 車線推定装置および地図生成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |