提供周围环境数据、创建和/或完善数字地图的方法、计算单元和系统与流程 专利技术说明

测量装置的制造及其应用技术提供周围环境数据、创建和/或完善数字地图的方法、计算单元和系统1.技术区域2.本发明涉及一种用于创建数字地图的方法。本发明还涉及一种用于创建数字地图的系统。本发明还涉及一种计算机程序产品。背景技术：3.当前和未来的自动化(ad系统)和辅助式(da系统)的车辆系统在很大程度上依赖于来自数字地图的附加信息。以这种方式，越来越复杂的自动化驾驶任务能够基于减少的车辆传感器组进行。对地图信息的使用需要相对于所使用的数字规划地图的车辆定位(位置和取向)。4.由wo 2018/001670 a1已知一种用于更新电子陆地地图的方法，其中，车辆的传感器检测对象，检测该车辆的位置，并以这些数据更新陆地地图。技术实现要素：5.本发明的任务是提供一种用于创建数字地图的改善的方法。6.该任务借助以下方法解决：7.一种用于借助于车辆为数字地图提供周围环境数据的方法，该方法具有以下步骤：8.将该车辆驶入布置在地图区域内的或邻接地图区域布置的预确定区域中，对于该预确定区域在该数字地图中尤其存在不充分的周围环境数据；9.确定该车辆在该预确定区域内的位姿，其中，确定该车辆的地点位置和该车辆的取向的角度位置作为位姿；10.借助于该车辆的至少一个传感器检测周围环境数据；11.提供所停放的车辆的位姿和所述周围环境数据用于创建和/或完善该数字地图。12.以这种方式，为提供问题区域中的建图数据而产生限定的附加开销。在这样的问题区域中，特征可能缺失和/或二义或多义。有利的是，借助所提出的方法能够通过如下方式显著提高建图的精度：将测量车辆派送到所述问题区域中并在那里检测用于完整地创建数字地图的数据。13.这特别是有利的，因为车队车辆的传感装置通常是具有相比于测量车辆的传感装置而言有限的性能能力的消费者级传感装置。14.其结果是，由此通过“增强的(angereicherte)众包方案”达到地图创建的高精度。15.提供一种用于借助周围环境数据创建和/或完善数字地图的方法，其中，从中央计算单元接收车辆的位姿和相对于该车辆的位姿的周围环境数据，其中，该中央计算单元至少部分地将所述相应于该车辆的位姿的周围环境数据记录到该数字地图中，并且其中，将经完善的数字地图至少部分地输出到该车辆，其中，该中央计算单元求取该数字地图中的存在不充分的周围环境数据的地图区域，其中，该中央计算单元向车辆输出指令：驶入在该地图区域内或邻接该地图区域的预确定区域中、记录周围环境数据并将所述周围环境数据发送到该中央计算单元。16.提供一种计算单元，该计算单元构造为用于实施所述方法。17.提供一种计算机程序产品，该产品具有程序代码单元，该计算机程序产品用于当该计算机程序产品运行在计算单元上或存储在计算机可读的数据载体上时执行该方法。18.所提出的方法的有利扩展方案能够通过在优选实施方式中所列举的措施实现。19.在一种实施方案中，将车辆首先停放在预确定的区域中。随后确定所停放的车辆的位姿。由此改善确定位姿的精度。20.在另一实施方案中，借助于gnss信号、特别是借助于差分gnss信号求取车辆的位姿。由此进一步提高确定位姿的精度。21.在另一实施方案中，借助于多个测量周期求取车辆的位姿，和/或，将修正方法用于精细化车辆的位姿。由此进一步提高确定位姿的精度。22.在另一实施方案中，将车辆的位姿求取到若干厘米和/或小于一度角的精度。23.在另一实施方案中，检测局部周围环境地图作为周围环境数据。24.在另一实施方案中，另外的车辆求取自身相对于该车辆的位置，其中，该另外的车辆借助于至少一个另外的传感器检测另外的周围环境数据，其中，该另外的车辆提供相对于该车辆的该相对位置、特别是相对位姿以及所述另外的周围环境数据，用于创建和/或完善该数字地图。所述周围环境数据和另外的车辆的位姿可以被传输到中央计算单元。以此提高周围环境数据的量。此外，可以使用车辆的具有通过gnss系统进行的位置确定的低品质的周围环境数据。25.在一种实施方案中，该车辆或该另外的车辆是自主驾驶的车辆、特别是机器人出租车。该自主车辆特别是当在该车辆中没有人员时驶入预确定区域中并检测周围环境数据。因此，机器人出租车在不运送乘客时可以被用于求取精确的地图。26.所提出的方法的一种扩展方案设置，产生被辨识出的区域的综合列表。例如可以通过合并双重探测或多重探测来进行区域的综合。有利的是，由此限定测量车辆随后被派送到其中的问题区域的最小数量。有利的是，由此能够将用于测量车辆的开销和成本保持得较低。27.该方法的一种扩展方案设置，在云中创建具有限定的高精度的局部地图。有利的是，由此将云的高性能能力用于创建具有限定的高精度的局部地图。28.该方法的一种扩展方案设置，至少部分地在测量车辆上创建具有限定的高精度的局部地图。以这种方式，具有限定的高精度的地图可以已经部分地在测量车辆被创建，然后该测量车辆将该高精度地图传输到云上用于进一步建图。29.该方法的另一有利扩展方案设置，自动化地辨识至少一个没有足够的用于创建数字地图的数据材料的区域。这例如可能由于在整个建图框架中优化步骤失败、数据关联不起作用等而产生。以这种方式能够将用于求取上述问题区域的开销保持得较低。30.该方法的一种扩展方案设置，高精度地为停放的测量车辆确定位置并生成相应的数据。在此有利地利用如下事实：测量车辆有高精度的gnss传感装置供使用，借助该gnss传感装置能够实现低的个位数cm范围内的定位精度。由此有利地使得能够结合长测量持续时间实现这样的高定位精度。31.该方法的一种扩展方案设置，测量车辆以这样的方式停放，使得该测量车辆以传感器方式检测到至少一个也能被车队车辆以传感器方式检测到的区域。以这种方式得出测量车辆检测到的周围环境数据与车队车辆检测到的周围环境数据之间的重叠，该重叠能够被高效地处理。32.该方法的一种扩展方案设置，在停放的测量车辆不能借助gnss被定位的情况下，由车队数据重建该测量车辆的位置。在这种情况下，测量车辆必须静止，以便被车队车辆以传感器方式检测到。由此使得只要测量车辆停放着就能够实现至少一个有利的临时效果。33.该方法的一个扩展方案设置，将至少一个测量车辆的所求取到的周围环境数据保存在数字地图中并且不进行修改并且标记为测量车辆的周围环境数据。因此将由测量车辆的高开销且高精度地确定的高精度gnss位置标记为测量车辆的高精度位置。测量车辆的周围环境数据可以具有比车队车辆的周围环境数据更高的优先权。例如可以禁止测量车辆的周围环境数据被车队车辆的周围环境数据改变或覆写。这种呈测量到的测量车辆位姿形式的高精度参考点将只会潜在地由于车队车辆数据而变差。附图说明34.以下根据两个附图结合另外的特征和优点详细描述本发明。在此，所有所描述或所示出的特征本身或以任意组合构成本发明的主题，而与其在各个实施方式中的概括或其回引无关并且与其在说明书或附图中的表述或图示无关。35.所公开的方法的特征和优点以类似的方式从系统的所公开的特征和优点得出，反之亦然。36.在附图中示出：37.图1：用于该方法的数据收集过程的示图；38.图2：所提出的方法的一种实施方式的原理性流程；39.图3：测量车辆和中央计算单元。具体实施方式40.数字hd地图可以将地图信息的三个主要层区分开。41.a)规划层：包含信息，如精确的车道几何形状、车道拓扑结构和车道之间的连接性信息(例如转弯信息)、关于速度限制的信息、关于不同地区的可行驶性或利用情况的信息等。该层用于将车辆保持在车道中，并在机动动作规划中进行辅助。42.b)定位层：包含不同传感器类型的可探测对象。将当前的传感器信息与该层比较，以便估计车辆位姿。43.c)动态层：包含动态变更的信息，例如道路状态、交通、天气、关于泊车的信息等。该层主要用于自动化车辆的舒适性功能。44.除与sd地图相比提高的精度之外，hd地图通常还应是非常实时的，即具有在时间和空间上的高度精确度。45.定位层包含用于确定车辆位置的几何信息，而规划层则包含车辆为了能够规划和实施驾驶机动动作所需要的语义信息。规划地图的典型内容例如是：[0046]-车道几何形状，车道边沿，中心线[0047]-交通灯、停车线、交通标志、先行规则[0048]因为定位地图或者说定位层基本上是由多个传感器或车辆或驱动器的感知构建的对车辆周围环境在几何上正确的表示，所以定位地图或者说定位层能够作为用于创建规划地图的基础。在构建定位地图时所实施的步骤根本上可以被视为推导出规划地图的前提条件。[0049]由于潜在的传感器限制(例如传感器视场、测量精度等)，建图可能不能在所有待建图区域执行。并且建图即使原则上可以实现，其在某些区域内的精度也例如可能明显低于在其他区域中的情况。[0050]可以使用各种各样的环境传感器(例如视频、雷达、激光雷达等)，以便在行驶过程中对周围环境特征以传感器方式进行检测并与数字地图的定位层的特征进行比较。由此能够估计当前的车辆位姿(即车辆的位置和取向)。例如可以将三维点云或语义地标(道路标记、交通标志、路灯杆等)用作围环境数据和定位特征。[0051]对定位的精度要求典型地非常高(相对于地图的定位误差最大至10cm)，由此对地图精度的要求也相应地较高。可以将具有昂贵传感装置的测量车辆用于创建hd地图，以便能够实现所需的地图精度。[0052]来自借助众包数据所创建的建图技术的地图可以用于由单个测量车辆或大型车队的传感器观测生成周围环境地图。能够在机器人、物流、汽车、航空航天、消费品等领域进行应用。[0053]自动化车辆非常依赖基于地图的信息，以便主要在路径规划、感知和状况理解方面辅助自动化车辆。这些地图经常被称为hd地图(与用于传统导航任务的sd地图相反)。[0054]提出一种能够经改善地执行数字地图创建的方法。[0055]所提出的方法有利地为数字建图过程中的有挑战性的区域提供呈“参考点”形式的数据。[0056]以下参照图1更详细地描述所提出的方法的一种示例性的实现。[0057]所提出的方法的起点是地图创建过程1。[0058]在可选步骤10中，数字地图的特殊区域例如由中央计算单元或车辆的计算单元辨识出。这样的区域例如可以是要求高的十字路口和/或在道路边沿具有较少结构的特别宽的道路和/或具有稀疏的周围环境特征的区域和/或具有不良的gnss接收的区域。为了进行辨识，将要求高的十字路口和/或在道路边沿具有较少结构的特别宽的道路和/或具有稀疏的周围环境特征的区域和/或具有不良的gnss接收的区域的相应比较值保存在数据存储器中，中央计算单元或车辆的计算单元能够访问该数据存储器。例如，这样的特殊区域仅具有不充分和/或非单义的数据、特别是周围环境数据，借助这些数据不能够实现完全或充分精确地创建数字地图。[0059]在另一可选步骤20中，将在可选步骤10中被辨识出的区域综合，即例如清理掉(例如二义的或多义的)区域，因此能够在数量上减少区域，从而能够将用于后续启用测量车辆的开销保持得尽可能低。其结果是，存在特殊区域的综合列表，在该列表中能够认为地图品质低。[0060]在步骤30中，具有适合的传感器和/或dgps模块的车辆、在下文中称为测量车辆驶入先前被辨识出的区域中。例如，中央计算单元可以将被辨识出的区域的地点坐标传输给车辆。为此目的，例如可以派出不运送乘客的所谓的机器人出租车。附加或替代地可以从中央计算单元派出附加的车辆车队，由此生成来自基于众包的建图和基于建图车辆车队的建图的优点的组合。所述建图车辆车队的车辆在下文中被称为“测量车辆”。[0061]所提及的测量车辆配备有与车队车辆相比价值更高的环境传感装置，并且例如还可以具有附加的传感装置(例如激光雷达、雷达、摄像机等)。以这种方式，测量车辆能够检测车辆周围环境的与基于众包的车队车辆相比价值更高、即更精确的周围环境数据并将其提供给建图目的，例如通过无线传输传输给中央计算单元。中央计算单元可以是建图云。例如，“建图云”可以是高性能能力的电子计算机系统，该电子计算机系统仅用于或除其他目的外也用于建图目的，以便特别是为自主车辆创建和/或完善数字地图。[0062]在步骤30中，至少一个测量车辆驶入在步骤20中被综合的一个或多个区域中并在那里停放，例如停放在至少一个能够由车辆接收用于位置确定的信号的地点处。所述用于位置确定的信号例如可以是gnss信号。附加或替代地，所述至少一个测量车辆驶入这样的区域中：在这些区域中测量车辆的传感器视场与车队车辆的传感器视场之间的重叠可供使用。[0063]在测量车辆停放后，在步骤40中，由车辆的计算单元对测量车辆的车辆位姿(测量车辆的位置和纵轴线的角度位态)进行初始化。对车辆位姿的取向的确定例如借助多个gnss天线进行。[0064]天线相对于车辆坐标系、特别是相对于车辆纵轴线的位置是已知的，或者可以彼此分开地被确定。然后可以基于这些天线相对于车辆坐标系的位置及其绝对位置来确定车辆的全球取向。例如可以在多个测量周期上处理gnss信号和修正数据，以便达到车辆位姿的cm精度或者说亚度精度(subgradgenauigkeit)。[0065]在完成车辆位姿初始化后，由车辆用至少一个传感器记录周围环境数据。该车辆位姿对于以后测量的周围环境数据来说是参考点。[0066]在步骤50中，将周围环境数据与车辆位姿一起用于创建和/或完善具有周围环境数据的数字地图。因此能够由测量车辆的测量创建该测量车辆的周围环境的高精度局部数字地图，因此能够创建被辨识出的区域的高精度局部数字地图。例如，周围环境数据可以被车辆的计算单元用于创建高精度的数字地图。在另一实施方案中，将测量车辆的车辆位姿与所检测到的周围环境数据一起从测量车辆输出到中央计算单元上。中央计算单元使用这些高精度车辆位姿和相对于车辆位姿所检测到的周围环境数据来创建和/或至少在被辨识出的区域内完善高精度数字地图。这优选能够借助中央计算单元(建图云)来进行，或替代或附加地也至少部分地由测量车辆的计算单元执行。[0067]然后可以将在测量车辆中被创建的高精的局部地图与高精度地被求取到的位姿一起传输到中央计算单元(建图云)上。在中央计算单元中，可以使用这些周围环境数据和/或局部地图，用于将它们与导入的基于众包的数据对齐和优化数字地图的区域，其中，参考点在此不被改变。[0068]在对于测量车辆来说在驶到的区域中既没有gnss接收也没有停放可能性的情况下，测量车辆以传感器方式检测周围环境数据并借助这些数据创建局部地图，然后将该地图继续传输给建图云用于进一步处理。[0069]与车队车辆的数据相比，借助所提出的方法产生的“移动参考点”的优点是，用于创建数字地图的上位方案始终仍是基于众包的，并且与专用建图车队相比，附加所需的具有测量车辆的车辆车队的规模可以较小(例如仅使用可用的机器人出租车)。[0070]有利的是，所提出的方法除了规划地图或规划层之外还可用于任何种类的数字地图或层，例如用于创建定位地图或定位层。[0071]如果测量车辆停放在可以被另外的车辆的、特别是车队车辆的传感器检测到的位置，则所述另外的车队车辆的另外的计算单元可以用传感器测量相对于测量车辆的自身位置和/或自身位姿。由此，所述另外的车辆能够更精确地确定自身位置和/或位姿。然后可以将这些位置或位姿用于建图过程中。例如，这种方案对具有不良的gnss接收的区域有意义。以这种方式能够临时利用测量车辆，只要该测量车辆是停放着的并且对于车队车辆来说是可辨识的对象。[0072]有利的是，所提出的方法有利地能够实现为软件，例如分布式地运行在中央计算单元(建图云)中或部分地运行在云中。以这种方式支持该方法的简单的可适配性。[0073]图2高度示意性地示出所提出的用于创建数字地图的方法的原理性流程。[0074]在可选步骤100中，辨识至少一个具有不充分的用于创建数字地图、特别是高精度数字地图的数据材料的区域。[0075]在步骤110中，借助至少一个测量车辆的测量提供用于创建在步骤a)中被辨识出的区域的数字地图的数据材料。为此可以将表示周围环境数据的数据材料传输到中央计算单元上。[0076]在步骤120中，通过测量车辆的计算单元或中央计算单元由至少一个测量车辆的数据创建限定的高精度局部地图。[0077]在步骤130中，将所创建的局部地图用于创建数字地图。[0078]借助差分全球定位系统(dgps)可以达到2至5厘米的定位精度。在此借助参考站工作：求取测量站的在给定的时间的位置并将在此出现的偏差传递给真正待测量的位置、即所谓的流动站(rover)。这可以通过无线电或互联网进行。基站与流动站之间的距离被称为基线，该距离应不大于10公里。用参考数据对位置的修正也可以在测量的后期过程中完成，这被称为后期处理。这在虽然期望精确的位置但这些位置并非实时需要时是有利的。另一高性能的修正方法是实时动态技术(rtk)。rtk将测量精度降低到在水平上少于一厘米。这通过将两种优化组合来实现：rtk不仅利用通过载波相位进行的距离确定而且利用来自参考站的修正信号。前提条件是接收器不仅通过接口输出位置而且能够访问原始数据。[0079]结合开源软件rtklib，使用传统的低成本单频接收器已能够实现厘米精度的gps分辨率。所要求的参考数据能够通过在经精确确定的位置处加设第二接收器来自身产生、即完全类似于差分gps的情况。[0080]图3示意性地示出具有有计算单元5的车辆1，该计算单元与传感器6、定位系统8和发射/接收单元7连接。传感器6可以构造为激光雷达传感器和/或雷达传感器和/或视频传感器。所述至少一个传感器构造为用于检测在该车辆附近的预给定区域中的周围环境数据。视频传感器识别对象、例如车道、建筑物、桥、交通信号灯、树、交通标志、其他车辆，还有自行车和行人。车顶附件中的立体摄像机能够以三维视角检测达50米的周围环境。雷达传感器识别达直至250米距离的对象。这些传感器确定这些对象的位置并且也测量这些对象相对于自身车辆的运动的速度。这些传感器由此向辅助系统提供关于道路交通的重要信息。激光雷达传感器提供与雷达传感器类似的周围环境数据。因此能够借助这些传感器检测对象及其与车辆的相对位置。[0081]发送/接收单元例如可以是移动电话或wlan发送/接收单元。此外设置例如在云中构造为服务器单元的中央计算单元4。定位系统例如可以是gnss定位系统，借助该gnss定位系统能够求取车辆的位姿。计算单元5具有数据存储器，在该数据存储器中可以存储有传感器的数据。此外，在数据存储器中可存储有数字地图的、特别是道路地图和周围环境地图的数据。[0082]中央计算单元具有数据存储器，在该数据存储器中存储有数字地图、即道路地图和周围环境地图的数据。此外设置另一车辆3，该另一车辆同样具有计算单元、传感器、定位系统和发射/接收单元。该另一车辆的传感器和/或定位系统可以具有比车辆2的传感器和/或定位系统更低的品质。因此车辆2是测量车辆而另外的车辆是车辆车队的车辆。[0083]此外，在图3中示出用于执行所述方法的具有程序代码单元的计算机程序产品。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!