特許 7427587 物体の特徴的な構造を考慮して車両用の特徴ベースの位置推定マップを生成する方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-01-26

(45)【発行日】2024-02-05

(54)【発明の名称】物体の特徴的な構造を考慮して車両用の特徴ベースの位置推定マップを生成する方法

(51)【国際特許分類】

   G06T 7/70 20170101AFI20240129BHJP

   G01C 21/30 20060101ALI20240129BHJP

【ＦＩ】

G06T7/70 A

G01C21/30

【請求項の数】 6

(21)【出願番号】P 2020532759

(86)(22)【出願日】2018-11-21

(65)【公表番号】

(43)【公表日】2021-02-22

(86)【国際出願番号】 EP2018082122

(87)【国際公開番号】W WO2019115192

(87)【国際公開日】2019-06-20

【審査請求日】2020-08-12

【審判番号】

【審判請求日】2022-07-27

(31)【優先権主張番号】102017222810.5

(32)【優先日】2017-12-14

(33)【優先権主張国・地域又は機関】DE

(73)【特許権者】

【識別番号】591245473

【氏名又は名称】ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴ ＢＯＳＣＨ ＧＭＢＨ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100147991

【弁理士】

【氏名又は名称】鳥居 健一

(72)【発明者】

【氏名】アベリング，ペーター・クリスティアン

(72)【発明者】

【氏名】ツァウム，ダニエル

【合議体】

【審判長】五十嵐 努

【審判官】樫本 剛

【審判官】木方 庸輔

(56)【参考文献】

【文献】米国特許出願公開第２０１６／０１８７１４４（ＵＳ，Ａ１）

【文献】特開２０１５－１０８６０４（ＪＰ，Ａ）

【文献】国際公開第２０１２／１７２８７０（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

G01C 21/30 - 21/32

(57)【特許請求の範囲】

【請求項1】

車両用のＳＬＡＭベースの位置推定マップを生成する方法であって、
レーダセンサ、超音波センサ、ライダセンサおよびカメラのうちの少なくとも１つを使用して、前記車両の周囲の少なくとも１つの物体のデータを確定するステップと、
当該確定された物体のデータから前記少なくとも１つの物体の特徴的な構造を識別するステップと、
前記物体の特徴的な構造を統合して、部分的に意味論的な形式で複数の点で表現される単純化構造を形成するステップと、
ＳＬＡＭベースの位置推定マップに前記単純化構造を挿入することにより当該ＳＬＡＭベースの位置推定マップを更新するステップと、
前記単純化構造が挿入された当該位置推定マップに対して前記車両の位置推定を行うステップと
を含む方法。

【請求項2】

請求項１に記載の方法であって、前記少なくとも１つの物体の特徴的な部分を識別するために事前知識を使用する、方法。

【請求項3】

請求項１または２に記載の方法であって、定められた間隔にて、好ましくは定められた日数の後、さらにより好ましくは定められた数時間の後に、前記ＳＬＡＭベースの位置推定マップを更新する方法。

【請求項4】

請求項１から３までのいずれか１項に記載の方法であって、クラウドソーシングベースのアプローチによって車両の周囲の物体のデータを提供する、方法。

【請求項5】

車両用のＳＬＡＭベースの位置推定マップを生成するためのシステムであって、
レーダセンサ、超音波センサ、ライダセンサおよびカメラのうちの少なくとも１つを使用して、前記車両の周囲の少なくとも１つの物体のデータを確定するための確定装置（１１０）と、
前記少なくとも１つの物体の特徴的な構造を識別するための識別装置（１２０）と、
前記物体の特徴的な部分を統合して、部分的に意味論的な形式で複数の点で表現される単純化構造を形成するための統合装置（１３０）と、
ＳＬＡＭベースの位置推定マップに前記単純化構造を挿入することにより当該ＳＬＡＭベースの位置推定マップを更新するための挿入装置（１４０）と、
前記単純化構造が挿入された当該位置推定マップに対して前記車両の位置推定を行う位置推定部と
を含むシステム。

【請求項6】

コンピュータプログラム製品であって、
車両用のＳＬＡＭベースの位置推定マップを生成するための装置（２００）で実行される、または、コンピュータ読み取り可能なデータキャリアに記憶されている場合に請求項１から４までのいずれか１項に記載の方法を実施するためのプログラムコード手段を有するコンピュータプログラム製品。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両用の特徴ベースの位置推定（位置特定：Ｌｏｋａｌｉｓｉｅｒｕｎｇ）マップを生成する方法に関する。本発明はさらに、車両用の特徴ベースの位置推定マップを生成するための装置に関する。さらに本発明は、コンピュータプログラム製品に関する。

【背景技術】

【0002】

センサデータを使用して個々の測定車両または大型車両群に対する環境マップを生成するために、自己位置推定とマップ生成の同時実行（Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ Ａｎｄ Ｍａｐｐｉｎｇ，ＳＬＡＭ）の分野による技術が知られている。主にロボット工学、物流、車両技術、航空機、消費財などの分野で対応する技術が適用されている。

【0003】

車両センサの観測（例えば、レーダ、ビデオ、ライダなどの形態）から正確な周辺マップを生成するためには、特にグラフベースのＳＬＡＭ方法が確立されている。

【0004】

局所基準のないＳＬＡＭでは、自動化された測定車両（例えば、ロボット（図示せず））は、定められた測定位置の未知の経路に沿って移動し、測定車両は、（例えば、慣性センサシステム、車輪回転センサシステムなどを用いて）動き推定値に基づいて自身の動きを推定することができる。測定車両は、ランドマークを識別し観測することを目標とし、一連の測定によって各位置から自身の周辺状況を確定する。各観測点から各ランドマークを状況に応じて複数回観測することができるので、現在のランドマークよりも多くのランドマークの測定値が存在する。

【0005】

グラフベースのＳＬＡＭもしくは完全ＳＬＡＭの目的は、測定車両が、当該測定車両の測定値から、周辺を通して当該測定車両が経た実際の経路もしくは周辺の実際の位置を確定することである。これは、それぞれの測定点で確定されたランドマークを比較することによって行われる。このプロセスでは、周辺の実際のマップも確定されるべきである。これは、異なる測定点から同じランドマークを対応して測定することによって行われ、これらの測定点は、測定車両経路の推定および周辺状況検出を同時に実行するために使用される。

【発明の概要】

【0006】

本発明の課題は、車両用の特徴ベースの位置推定マップを生成するための改善された方法を提供することである。

【0007】

この課題は、第１の態様によれば、車両用の特徴ベースの位置推定マップを生成する方法により解決され、この方法は、
車両の周囲の少なくとも１つの物体のデータを確定するステップと、
少なくとも１つの物体の特徴的な構造を識別するステップと、
特徴的な構造を物体の単純化構造に統合するステップと、
特徴ベースの位置推定マップに単純化構造を挿入するステップとを含む。

【0008】

このようにして、複雑な構造を単純化された構造に統合する目的で、例えば生のセンサデータの形式で確定されたデータから部分的に意味論的な解析が実行される。このようにして、特徴ベースのデジタル式の位置推定マップのデータ量を低減することができ、位置推定の質を本質的に改善することができる。

【0009】

上記課題は、第２の態様によれば、車両用の特徴ベースの位置推定マップを生成するための装置によって解決され、この装置は、
車両の周囲の少なくとも１つの物体のデータを確定するための確定装置と、
少なくとも１つの物体の特徴的な構造を識別するための識別装置と、
物体の特徴的な構造を単純化構造に統合するための統合装置と、
特徴ベースの位置推定マップに単純化構造を挿入するための挿入装置とを含む。

【0010】

この方法の好ましいさらなる構成が従属請求項の対象である。

【0011】

この方法の好ましいさらなる構成では、車両の周囲の少なくとも１つの物体のデータを確定するために、レーダセンサ、超音波センサ、ライダセンサ、カメラのうちの少なくとも１つが使用される。このようにして、多数の異なるセンサ概念を用いて方法を実施することができる。この場合、上述した確定装置は、別個に、および／または組み合わされた動作形態で、車両の周囲の少なくとも１つの物体のデータを検出することができる。

【0012】

この方法のさらなる好ましい構成では、少なくとも１つの物体の特徴的な構造を識別するために事前知識が使用される。このようにして、少なくとも１つの物体の特徴的な構造の識別をより効率的かつ迅速に実行することができる。例えば、このような目的で製品タイプもしくは構造タイプのカタログが使用され、最新の状態に保持される。

【0013】

この方法のさらなる好ましい構成では、マップが、定められた間隔にて、好ましくは定められた日数の後、さらにより好ましくは定められた数時間の後に、更新される。こうして、このように形成された特徴ベースの位置推定マップの高い利用価値が多くのユーザに対してサポートされる。

【0014】

方法のさらなる好ましい構成では、車両の周囲の物体のデータが、クラウドソーシングベースのアプローチによって提供される。好ましくは、このように専用の調査車両が物体のデータを記録する必要はなく、むしろ一般の道路ユーザが、提案された特徴ベースの位置推定マップの生成に寄与することができる。このようにして、有利に、調査の質が向上する。

【0015】

次に複数の図面に基づいて、本発明のさらなる特徴および利点を詳細に記載する。

【0016】

開示された方法の特徴は、開示された対応する装置の特徴から同様に生じ、その逆もいえる。このことは、特に、方法に関連する特徴、技術的利点、および実施形態が、車両用の特徴ベースの位置推定マップを生成するための装置に関連する対応する実施形態、特徴、および技術的利点からも同様に生じ、その逆もいえることを意味する。

【図面の簡単な説明】

【0017】

【図1】従来のＳＬＡＭベースのマップ生成の作動形式を示す原理図である；

【図2】従来および本発明のＳＬＡＭベースのマップ生成の作動形式を示す原理図である；

【図3】従来および本発明のＳＬＡＭベースのマップ生成の効果を示す原理図である；

【図4】車両用の特徴ベースの位置推定マップを生成するための提案された装置のブロック図である。

【図5】車両用の特徴ベースの位置推定マップを生成するための提案された方法を示す原理図である。

【発明を実施するための形態】

【0018】

以下では、自動化された自動車は、部分的に自動化された自動車、自律的な自動車、および部分的に自律的な自動車とも同義的に理解することができる。

【0019】

車両に設置されたセンサ（例えば、カメラ、レーダセンサ、超音波センサなど）を使用して、通行される道路のマップ生成を行うための方法およびシステムが知られている。上述のセンサに加えて、これらのシステムは、一般に、測定されたセンサデータをサーバに伝送するための無線インタフェース（例えば、接続ユニットを介して実現される）も有する。このようにして、車両列全体が、車両センサを使用して、例えば、センサデータをサーバに伝送することによって、共有の周辺のマップ生成を行うすることができる。このようないわゆる「車両列マッピングデータ」の伝送が知られている。

【0020】

サーバでセンサデータが収集され、複数の走行および／または車両のデータから、関連する道路区間のデジタルマップが生成される。このようにして決定されたデジタルマップ（ＨＡＤマップ、ＡＤマップ、またはＨＤマップとも呼ばれる）を使用して、とりわけ、自動運転している車両は（例えば、経路を決定するために）デジタルマップ上で自身を位置推定できる。この場合、いわゆる「ランドマーク」が使用され、これらのランドマークは正確な地理的位置と共にデジタルマップ上に記録される。

【0021】

典型的なランドマークは、例えば、車道マーク、道路標識、ガードレールなどである。自動運転している車両が、車両センサシステムによって１つ以上ランドマークを検出し、デジタルマップ内にこれらのランドマークを一義的に見つけることができる場合には、デジタルマップのランドマークに対する車両の極めて正確な相対位置を導くことができる。したがって、ランドマークの密度および質は、決定された位置の正確性に関して局所的な位置推定の質に著しい影響を及ぼす。実際には、良好に使用可能な多くのランドマークが存在するルート区間、ならびにランドマークが十分にカバーされていない区間が存在し、状況によっては、位置推定の質が低下する場合がある。

【0022】

上述のグラフベースのＳＬＡＭアルゴリズムはマップ生成を目的として使用され、以下のとおり、原則として２つの基本的なステップに分割することができる。

【0023】

１．ＳＬＡＭフロントエンド
このステップは、検出されたランドマークを比較することによって、同じエリアの複数の通行における同一の特徴を識別することを提供する。異なる走行による測定位置間で特定された関係は、グラフのエッジとして表される。

【0024】

２．ＳＬＡＭバックエンド
前述のフロントエンドステップのグラフの結果が、すべての条件を満たす最適解を見つけるという目的で最適化される。

【0025】

上述のように、ＳＬＡＭで生成されるマップの重要な態様の１つは、ルートに沿った複数の走行データがマップに含まれることである。したがって、ほとんどの実世界の物体は、マップに寄与するようにそれぞれの走行中に観測された後、最適化ステップの後にマップ上に複数回表現される。

【0026】

したがって、マップのサイズを縮小し、位置推定の実行可能性に関してマップコンテンツを最適化することを目的として、複数の走行の最適化データが、「特徴マップ生成」と呼ばれる最終的なクラスタリングステップで圧縮される。前述の全てのステップは従来技術において既に知られている。

【0027】

自動運転の分野では、ＳＬＡＭ技術を使用して、クラウドソーシングベースのデータから、特徴ベースの正確な位置推定を可能にするマップを生成する。発表された製品「レーダー・ロード・シグネチャ」と「ビデオ・ロード・シグネチャ」によって、ロバート・ボッシュはこの技術分野で非常にアクティブである。

【0028】

特徴ベースの位置推定では、車両の周辺で観測された物体のマッピング表現が、車両の現在の周辺認識センサからのデータと比較され、これらのデータと整合される。これにより、位置推定マップに対する現在の車両位置の推定を行う。

【0029】

ＳＬＡＭベースのマップ生成における上述のような圧縮もしくはクラスタリングステップは、既知のアルゴリズムを使用して、例えば交通標識用マストなどの点状ターゲットの場合には一般に良好に機能する。

【0030】

図１は、３つの図ａ）、ｂ）、ｃ）において、整合型のレーダ位置推定マップの確定原理と、点状の物体をクラスタリングするための既知の方法を使用したこのマップの対応する理想的な圧縮とを示す。図１ａでは、レーダセンサによって検出されたマップ上のガードレール取付点が見られる。図１ｃでは、検出されたガードレール取付点が個々の点により圧縮された表現で十分に表されていることが示されている。

【0031】

それにもかかわらず、ガードレール取付点の点状の表示を使用した表現ではいくつかの構造は十分に記述されていない。このことは、位置推定の過程で整合プロセスのために点状の物体のみを与える位置推定マップの効率を低下させ、不都合な場合がある。

【0032】

本発明は、以下の利点を有する改善された方法を提案する。すなわち、
点状の物体だけではなく、「単純化構造」の形式で表示される任意の構造および形状を有する物体も使用したレーダベースの位置推定マップの圧縮と、
圧縮されたマップが得られることによるデータ量の低減と、
単純化構造によって達成される改善された物体表現に基づいて改善される位置推定とである。

【0033】

本発明の重要なアイデアは、特徴ベースの位置推定マップの表現を、物体の点状の表現を使用するだけでなく、複雑な構造がより複雑な形式で記述されるように構成し、これによりデータと位置推定マップとの整合性および位置推定の品質を改善することである。レーダセンサが検出することができる全てのタイプの複雑な形状の意味論的な記述を行うことはできないので、複雑な構造をより多くの点によって、ただし意味論的な記述と比較して依然として少ない数の点によって、表示することが提案される。

【0034】

この手順の原理は、図２の３つの表示ａ）、ｂ）およびｃ）に示されている。図２ａは、記号化して表示する送電塔の形式の複雑な物体の例を示しており、送電塔は、図２ｂでは従来の形式で単一の点形状の物体によって表されている。

【0035】

本発明によれば、物体「送電塔」の部分的に意味論的な表示を実現する、図２ｃに示すような複数の点を有する構造によって送電塔を表現することが提案される。この部分的に意味論的な表現は、図３の２つの表示ａ）およびｂ）に原理的に示されるように、現在のレーダ測定データをより正確に抽象化し、検出されたデータの上述の整合プロセスにおいてより高い精度を可能にする。

【0036】

図３ａは、物体の特定の表示に関連付けられた位置推定の確率範囲Ａ１、Ａ２を示す。例えば、特徴ベースの位置推定マップ内の物体「送電塔」の点状の表示に基づいて、位置推定の質が高い比較的大きい範囲Ａ１と、位置推定の質が低い比較的大きい範囲Ａ２とを見ることができる。

【0037】

これに対して、図３ａと同じ縮尺で示されている図３ｂは、上述の２つの確率範囲Ａ１、Ａ２が、複数の点による上述の部分的に意味論的な形式で物体「送電塔」を表現することによって好ましくは著しく低減されることを示す。その結果、図３ａの関係と比較して車両のより正確な位置推定が達成可能である。

【0038】

好ましくは、これにより、自動化車両のために自律的または自動運転機能をより長時間にわたって保持できることが支援される。検出されたセンサデータおよび特徴ベースの位置推定マップによる位置推定がもはや可能でない場合には、例えば、自律的もしくは自動化された運転機能は、例えば、遮断され、続いて運転者は、少なくとも一時的に車両の手動制御を引き継がなければならない。

【0039】

上述の方法は、レーダセンサを用いて例として説明したが、提案した方法は、例えばライダセンサ、超音波センサ、またはカメラなどの他のセンサを用いて実行することもできることは言うまでもない。

【0040】

このような特徴ベースの位置推定マップは、好ましくは、クラウドソーシングベースのアプローチを使用して生成され、専用の調査車両として機能しない多数の車両は、取得したデータを、特徴ベースの位置推定マップを、例えば、数日もしくは数時間という定義された高い更新頻度で生成する中央位置（図示せず）に送信する。

【0041】

したがって、特徴ベースのデータを提供する車両は、特徴ベースの位置推定マップのためのデータプロバイダであり、同時に現在生成されているマップのユーザであってもよい。

【0042】

図４は、特徴ベースの位置推定マップを生成するための装置１００のブロック図を原理的に示す。

【0043】

車両の周囲の物体によってデータを確定するため確定装置１１０が示されている。確定装置１１０は、少なくとも１つの物体の特徴的な構造を識別するために設けられた識別装置１２０に機能的に接続されている。識別装置１２０は、特徴的な構造を統合して物体の単純化構造を形成するために設けられた統合装置１３０に機能的に接続されている。統合装置１３０は、特徴ベースの位置推定マップに単純化構造を挿入するために設けられた挿入装置１４０に機能的に接続されている。

【0044】

好ましくは、提案した方法は、電子装置１００で実行するためのプログラムコード手段を有するソフトウェアとして実施することができ、このことは、方法の容易な変更可能性および適応性をサポートする。

【0045】

図５は、本発明による方法の実施形態の原理的なフロー図を示す。

【0046】

ステップ２００において、少なくとも１つの物体のデータが車両の周囲で確定される。

【0047】

ステップ２１０において、少なくとも１つの物体の特徴的な構造が識別される。

【0048】

ステップ２２０において、物体の特徴的な構造が単純化構造に統合される。

【0049】

ステップ２３０では、特徴ベースの位置推定マップに単純化構造が挿入される。

【0050】

当業者は、本発明の本質から逸脱することなく、本発明の特徴を適切に変更し、および／または組み合わせるであろう。

【図1】

【図2】

【図3】

【図4】

【図5】