JP7629032B2 - 高解像度のデジタルマップを提供するための方法及び装置 - Google Patents

Description

本発明は、高解像度のデジタルマップを提供するための方法に関する。本発明はさらに、高解像度のデジタルマップを提供するための装置に関する。本発明はさらに、コンピュータプログラム製品に関する。

従来技術
自動運転は、今日では自動車業界における大きい傾向の１つである。過去１０年間で、自動車製造者は、自身の運転者支援システムの数及び機能を徐々に増加させるようになった。完全に自動化された車両の実現の技術的な側面に加えて、妥当性確認及び認可が自動車業界における大きい課題である。その理由は、一方では、周囲との相互作用が複雑であること、他方では、自動化された車両が安全性の観点から、少なくとも人間の運転者と同等の成果をあげることを証明することが困難であることにある。

妥当性確認のために実際の車両テストしか行わないことは、経済的でないことが予見される。こうした理由から、シミュレーションは、完全に自動化された車両の開発及び妥当性確認の鍵となる要素とみなされる。したがって、シミュレーションに基づく走行試験は、検証戦略及び妥当性確認戦略の重要な柱である。しかし、有意義なシミュレーションのためには、適用されるすべてのモデルを事前に妥当性確認しなければならない。保護すべき機能は、車両の周辺センサシステムの仮想モデルに基づくものである。走行機能を保護するために、高精度のセンサモデル（即ち、実際のセンサの数学的なシミュレーション）が必要であるが、現在のところ、このようなセンサモデルを評価及び妥当性確認するための、一般に認知されている品質基準は存在しない。なぜなら、従来のマップは、十分な解像度も、完全に自動化されたシステムの周囲に関する十分な情報も提供しないからである。そのため、特に、交通密度が高い都市地域においては、安全に対する要求は莫大なものである。今日の高解像度のマップに含まれる情報は、それぞれ周囲の異なる側面を記述するいわゆる層として示される。ここでは、特別にどの層がどの情報を含むかについては、種々の定義が存在している。しかし、しばしばベース層には、道路網に関する情報が存在する。これに基づいて、他の層には、例えば交通標識、例えば建物、樹木等の静的な対象物が記述されている。

発明の開示
本発明の課題は、少なくとも部分的に自動化された車両のための高解像度のデジタルマップをより良く提供するための方法を提供することにある。

上述の課題は、第１の態様によれば、高解像度のデジタルマップを提供するための方法によって解決され、この方法は、
・機関、特に車両の位置特定を行うステップと、
・機関の測定走行中に、位置特定された位置におけるセンサデータを提供するステップと、
・位置特定された位置において、提供されたセンサデータを用いて識別された少なくとも１つの対象物に対する識別指標を求めるステップと、
・高解像度のデジタルマップに、少なくとも１つの追加層を追加するステップであって、少なくとも１つのさらなる追加層は、識別された少なくとも１つの対象物に対する識別指標を含む、ステップと、
を有する。

少なくとも１つの追加層は、センサモデルの検証のためのいわゆる「信頼層（ｃｏｎｆｉｄｅｎｃｅ ｌａｙｅｒ）」として用いられる。純粋なセンサ情報に基づくこのような追加層は、格段に多いデータを含むであろう。このように拡張された高解像度のデジタルマップを、有利には、これによって妥当性確認及び改良され得るセンサモデルのアルゴリズムを改良するために利用することができる。これによって、結果的に、センサモデルの低コストの妥当性確認が可能となる。高解像度のデジタルマップの作成は、センサシステムをテストするためにいずれにせよ実行されなければならない測定走行の実際のセンサデータに基づいている。その結果、本発明に対応して拡張された高解像度のデジタルマップを、わずかなコスト増加で作成することができる。

上述の課題は、第２の態様によれば、高解像度のデジタルマップを提供するための装置によって解決され、この装置は、
・測定走行中にセンサデータを提供する少なくとも１つのセンサ装置と、
・機関、特に車両の位置特定を行う位置特定装置と、
・提供されたセンサデータから識別された少なくとも１つの対象物に対する識別指標を求める識別装置と、
・高解像度のデジタルマップに、識別された少なくとも１つの対象物に対する識別指標を含む少なくとも１つの追加層を追加する追加装置と、
を備えている。

第３の態様によれば、上述の課題は、提案された電子装置上において実行される場合に、又は、コンピュータ可読データ担体に格納されている場合に、提案された方法を実施するためのプログラムコード手段を備えるコンピュータプログラム製品によって解決される。

この方法の有利な発展形態は、各従属請求項の構成要件である。

この方法の有利な発展形態においては、各センサタイプに対して１つの追加層が作成されることが想定される。この結果、これによって各センサタイプ（例えば、レーダ、ライダ、カメラ等）に対して１つの追加層を作成することが可能となり、これによって、センサモデルの検証の手段がさらに改良される。

この方法の他の有利な発展形態においては、識別指標がセンサタイプごとに求められることが想定される。これによって、高解像度のデジタルマップの各追加層に対する識別指標の最適な多様化が支援される。

この方法の他の有利な発展形態においては、識別指標が、対象物が識別された距離、対象物が識別された確率のうちの少なくとも１つであることが想定される。例えば、これによって、具体的な静的な対象物に対する識別指標を求めることが可能になる。

この方法の他の有利な発展形態においては、所定の天候条件に関連する識別指標、又は、天候条件に関するデータが、高解像度のデジタルマップに格納されることが想定される。これによって、有利には、種々異なる天候条件に対して識別指標を提供するための種々異なる手段が提供される。

この方法の他の有利な発展形態においては、識別指標が、測定走行の実行時又は測定走行の実行後に求められることが想定される。有利には、これによって、識別指標を求める種々異なる手段が提供される。

この方法の他の有利な発展形態においては、識別指標が、車両において又はクラウドにおいて求められることが想定される。このようにしても、有利には、識別指標を求める種々異なる手段が提供される。

この方法の他の有利な発展形態においては、提供されたセンサデータを用いた位置特定時に、ＳＬＡＭアルゴリズムを用いて測位データが作成されることが想定される。有利には、上述した２つの方式により、提供されたセンサデータを用いた異なる種類の位置特定が実行される。

この方法の他の有利な発展形態においては、推定された軌道が求められることが想定される。例えば、推定された軌道を、それ自体公知のＳＬＡＭアルゴリズムを用いて提供することができ、これによって、ＳＬＡＭアルゴリズムを用いてもセンサモデルを検査することが可能になる。

この方法の他の有利な発展形態においては、センサデータが、次のセンサタイプ、即ち、レーダ、ライダ、カメラ、超音波のうちの少なくとも１つに対して求められることが想定される。したがって、有利には、提案された方法は、種々異なるセンサタイプに適している。

以下においては、本発明を、さらなる特徴及び利点と共に２つの図面に基づいて詳細に説明する。ここでは、説明又は図示されたすべての特徴は、それ自体又は任意の組合せにおいて、本発明の対象を、特許請求の範囲又はその引用における総括とは無関係に、及び、明細書又は図面におけるその表現又は描写とは無関係に、構成する。

この方法の開示された特徴及び利点は、同様に、装置の開示された特徴及び利点から得られるものであり、逆もまた同様である。

提案された方法の実施形態の基本的なフローを示す図である。 提案された方法を実施するための提案された電子システムのブロック図である。

実施形態の説明
本発明の核心となる概念は、特に、高解像度のデジタルマップ（英語でＨｉｇｈ－Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ，ＨＤ Ｍａｐ）を、高解像度のデジタルマップを用いて、センサモデルの定性的評価と定量的評価との両方が可能になるように拡張することにある。高解像度のデジタルマップは、自動運転の分野において重要な役割を果たしている。

本発明によれば、少なくとも部分的に自動化された車両ための改良された高解像度のデジタルマップ３００を提供することが提案される。特に、このような高解像度のデジタルマップ３００の拡張は、さらなる追加層３１０ａ～３１０ｎを含み、これらの追加層は、いわゆるセンサ固有の信頼指標又は識別指標、いわゆる重要業績評価指標（英語でＫｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒｓ，ＫＰＩ）を有する。

このような識別指標は、重要業績評価指標を表し、この重要業績評価指標に基づいて、重要な目標設定又は重大な成功因子に関する進捗又は満足度を測定することができる。これらは、センサシステムに対する要件から、又は、例えば対象物検出のようなさらなる処理段階からも、定義される。このような重要業績評価指標を、シミュレーションから生成されたセンサデータとの比較のための基礎として利用するためには、許容誤差を特定することが必要となり、この許容誤差内において、センサモデルの結果が許容できるものとみなされる。なぜなら、（実際の測定走行からの）実際のセンサデータと（センサモデルによるシミュレーション走行からの）合成センサデータとがある程度異なることが予測されるからである。このために、実際のセンサによって測定走行が実行され、位置特定の質に関する閾値が、結果として生じる測定データに基づいて計算され、高解像度のデジタルマップ３００においてマーキングされる。

以下においては、用語「自動化された車両」は、用語「完全に自動化された車両」、「自動運転車両」及び「半自動運転車両」と同義的に使用される。

少なくとも１つの追加層３１０ａ～３１０ｎを生成するステップを、以下に詳細に説明する。はじめに、機関の現在の位置が、特に自動化された車両の形態で特定される。この目的のために、好ましくは、測位装置が、測定車両（図示せず）の測位に使用されるＧＮＳＳデータ又はＧＰＳデータを提供するために使用されるものとしてよい。測定車両によって、測定走行の範囲内において、センサ装置による周囲データのセンサによる検出が実行され、ここでは、センサ装置として、例えば、レーダセンサ及び／又はライダセンサ及び／又はカメラ及び／又は超音波センサが使用されるものとしてよい。このようにして、機関の位置を正確に特定することができ、この目的のために、あらゆる適当な測位方法を使用することができる。

個々のセンサデータの検出後、各識別指標は、センサデータから識別された少なくとも１つの対象物に対して計算され得る。このために、車両の現在の位置が、計算された値を高解像度のデジタルマップ３００に変換できるようにするために使用される。識別指標の計算は、自動化された測定車両によって使用される１つのセンサタイプに対して、複数のセンサタイプに対して又はすべてのセンサタイプに対して実行可能である。ここでは、使用されている各センサタイプに対して、固有の追加層３１０ａ～３１０ｎが高解像度のデジタルマップ３００に追加されることが想定されるものとしてよい。

ここでは、例えば、検出されたセンサデータによって、静的な対象物（例えば、信号機、交通標識、建物等）が識別され得る。例えば、識別指標として示され得るものは、どのような距離において、センサ装置によって静的な対象物が識別されるのか（例えば５０ｍ）、及び／又は、どのような確率で、センサ装置によって静的な対象物が識別されたのか等である。選択的又は付加的に、検出されたセンサデータによって、それ自体公知のＳＬＡＭアルゴリズムを用いて予測された軌道を求めることができる。このようにして、センサ固有の特性を高解像度のデジタルマップ３００の拡張として提供する追加層３１０ａ～３１０ｎが作成される。

任意選択的に、上述の識別指標を、所定の天候状態（例えば、日差しのあるクリアな視界、夜、霧、雨等）において作成すること、又は、天候状態に関するデータを、追加層３１０ａ～３１０ｎ内の付加的な情報として高解像度のデジタルマップ３００に格納することが想定されるものとしてよい。

このように改良された高解像度のデジタルマップ３００は、有利には、センサモデルの妥当性確認の基礎として用いられるものとしてよく、これによって、開発されたセンサモデルが十分に正確にかつ正しい特性によりモデル化されていることが検証される。この場合、実際の測定走行から、観察されたシナリオが抽出され、これによって、このシナリオをシミュレーションにおいて模倣することができる。したがって、このシナリオを、仮想環境において、開発されたセンサモデルによって再シミュレートすることができる。シミュレーションにおける識別指標の計算によって、実際のセンサデータによって求められた識別指標と、合成によって基礎付けられたセンサデータによって求められた識別指標との間の比較を実行することができる。

この結果、実際のセンサシステムとセンサモデルとの間のパフォーマンスの不一致が可視化して示されるだけでなく、定量化されても示される。さらに、図示されている方法論は、センサモデルの妥当性確認を可能にするだけでなく、妥当性確認された、位置に関連するモデルをシミュレーションにおいて使用することも可能にする。

図１は、提案された方法の基本的なフローを著しく概略化して示している。

ステップ１００においては、機関、特に車両が位置特定される。

ステップ１１０においては、機関の測定走行中に、位置特定された位置におけるセンサデータが提供される。

ステップ１２０においては、位置特定された位置において、提供されたセンサデータを用いて識別された少なくとも１つの対象物に対する識別指標が求められる。

ステップ１３０においては、高解像度のデジタルマップ３００に、少なくとも１つの追加層３１０ａ～３１０ｎが追加され、少なくとも１つのさらなる追加層３１０ａ～３１０ｎは、識別された少なくとも１つの対象物に対する識別指標を含む。

この結果、機関、例えば、少なくとも部分的に自動化された車両のための拡張された高解像度のデジタルマップ３００が提供され、これを用いて、後続のシミュレーションプロセスにおいてセンサモデルを効率的にシミュレート又は妥当性確認することができる。このようにして、センサモデルの妥当性確認のコストを有利に最小化することができる。

以下においては、提案されたフローを例に即して詳細に検討する。このために、上述した方法論を説明するために、いわゆる「Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ（自己位置推定とマッピングとの同時実行）」（ＳＬＡＭ）アルゴリズムが、例として提供される。

ＳＬＡＭアルゴリズムは、このアルゴリズムが、すべての（例えば３つの）センサタイプ（例えば、レーダ、ライダ、カメラ）で利用可能であるという点において優れている。ＳＬＡＭアルゴリズムの目的は、周囲の一貫性のある高解像度のデジタルマップ３００を生成すると同時に、この高解像度のデジタルマップ３００内において自己位置を推定することである。その結果、測定走行の結果として、周囲の高解像度のデジタルマップも、予測される軌道も得られる。

ＳＬＡＭアルゴリズムを評価するために、例えば、ＧＮＳＳデータに対する軌道推定の絶対的な誤差を、信頼指標として計算することができる。このような偏差が、センサタイプごとに異なることが仮定されるので、すべてのセンサタイプの結果が格納され、高解像度のデジタルマップ３００の新しい層３１０ａ～３１０ｎとして追加される。これによって、システムの現在の評価結果を、高解像度のデジタルマップ３００内に留めておくことが可能になる。

これは、次のような利点を有する。即ち、例えば、測定走行の再シミュレーション後続の検査又はシステムアップデート後の比較のために、最後のシステム状態の計算された信頼指標が位置に関連して格納されていることによって、結果を再計算することなく、比較を効率的に実行することができる、という利点を有する。

図２は、高解像度のデジタルマップ３００を求めるための、提案された電子システム２００の基本的なブロック図を示している。

測定走行中に記録されたセンサデータを提供する少なくとも１つのセンサ装置２２０ａ～２２０ｎが見て取れる。機関の位置特定のための位置特定装置２１０が、センサ装置２２０ａ～２２０ｎと機能的に接続されている。提供されたセンサデータを用いて識別された少なくとも１つの対象物に対する、上記において詳細に説明した識別指標を求める識別装置２３０が、位置特定装置２１０と機能的に接続されている。例えば、車道境界、交通標識、建物等のような特定の情報を含む複数の層３１０ａ～３１０ｎを有する高解像度のデジタルマップ３００に少なくとも１つの追加層３１０ａ～３１０ｎを追加する追加装置２４０が、識別装置２３０と機能的に接続されている。少なくとも１つの追加層３１０ａ～３１０ｎは、少なくとも１つの識別された対象物に対する識別指標を有する。

有利には、提案されたシステム２００は、自動化された測定車両内又はクラウド内に配置されるものとしてよい。第１のケースにおいては、追加層３１０ａ～３１０ｎは、センサデータの検出時に直ちに求められる。第２のケースにおいては、追加層３１０ａ～３１０ｎを、測定走行中又は測定走行の終了後に求めることができる。

特別な用途として、本発明に対応して拡張された高解像度のデジタルマップ３００を用いて、センサモデルの妥当性確認を行うことができる。このようにして、センサモデルが、高解像度のデジタルマップ３００を用いた位置特定を、実際のセンサデータを用いた実際のセンサ装置と同様に良好に実行することを証明することができる。このようにして、シミュレーション方法によってセンサ装置が効率的にテストされる。その結果、このことは実際に、シミュレーションプロセスを用いた、自動化された車両の有効な妥当性確認に寄与することができる。

有利には、提案された方法は、例えば、システム２００上において実行されるソフトウェアとして実現される。このようにして、この方法の簡単な適応性が支援される。

当業者は、本発明の特徴を、本発明の核心から逸脱することなく適当な方式により変更し及び／又は相互に組み合わせるであろう。

Claims (13)

1. 高解像度のデジタルマップ（３００）を提供するための方法であって、
   ・機関の位置特定を行うステップと、
   ・前記機関の測定走行中に、センサ装置により、位置特定された前記機関の位置における周囲データを検出するステップと、
   ・前記位置特定された前記機関の位置において、前記周囲データを用いて識別された少なくとも１つの対象物に対する識別指標を求めるステップと、
   ・高解像度のデジタルマップ（３００）に、少なくとも１つの追加層（３１０ａ～３１０ｎ）を追加するステップであって、前記少なくとも１つの追加層（３１０ａ～３１０ｎ）は、前記周囲データの検出のために使用された前記センサ装置のタイプに従った、識別された前記少なくとも１つの対象物に対して求められた前記識別指標を含む、ステップと、
   を有し、
   前記識別指標は、前記センサ装置のセンサ固有の信頼指標又は識別指標である重要業績評価指標を表す、
   方法。
2. 各センサ装置のタイプに対して１つの追加層（３１０ａ～３１０ｎ）を作成する、請求項１に記載の方法。
3. 前記識別指標をセンサ装置のタイプごとに求める、請求項１又は２に記載の方法。
4. 前記識別指標は、前記対象物が識別された距離、前記対象物が識別された確率のうちの少なくとも１つである、請求項１乃至３のいずれか一項に記載の方法。
5. 所定の天候条件に関連する前記識別指標、又は、天候条件に関するデータを、前記高解像度のデジタルマップ（３００）に格納する、請求項１乃至４のいずれか一項に記載の方法。
6. 前記識別指標を、前記測定走行の実行時又は前記測定走行の実行後に求める、請求項１乃至５のいずれか一項に記載の方法。
7. 前記識別指標を、前記機関において又はクラウドにおいて求める、請求項１乃至６のいずれか一項に記載の方法。
8. 前記周囲データを用いた少なくとも１つの対象物に対する識別指標を求めるステップ時に、ＳＬＡＭアルゴリズムを用いて測位データを作成する、請求項１乃至７のいずれか一項に記載の方法。
9. 推定された軌道を求める、請求項８に記載の方法。
10. 前記周囲データを、次のセンサ装置のタイプ、即ち、レーダ、ライダ、カメラ、超音波のうちの少なくとも１つに対して求める、請求項１乃至９のいずれか一項に記載の方法。
11. 高解像度のデジタルマップ（３００）を作成するための電子システム（２００）であって、
    ・機関の位置特定を行う位置特定装置（２１０）と、
    ・前記機関の測定走行中に、位置特定された前記機関の位置における周囲データを検出する少なくとも１つのセンサ装置（２２０ａ～２２０ｎ）と、
    ・前記検出された周囲データを用いて識別された少なくとも１つの対象物に対する識別指標を求める識別装置（２３０）と、
    ・前記高解像度のデジタルマップ（３００）に、識別された前記少なくとも１つの対象物に対する前記識別指標を含む少なくとも１つの追加層（３１０ａ～３１０ｎ）を追加する追加装置（２４０）であって、前記識別指標は、前記周囲データの検出のために使用された、前記少なくとも１つのセンサ装置（２２０ａ～２２０ｎ）のタイプに従う、追加装置（２４０）と、
    を備えており、
    前記識別指標は、前記センサ装置（２２０ａ～２２０ｎ）のセンサ固有の信頼指標又は識別指標である重要業績評価指標を表す、
    ことを特徴とする電子システム（２００）。
12. 高解像度のデジタルマップ（３００）を作成するための電子システム（２００）上において実行される場合に、請求項１乃至１０のいずれか一項に記載の方法を実施するためのプログラムコードを備えることを特徴とするコンピュータプログラム。
13. 請求項１２に記載のコンピュータプログラムが格納されているコンピュータ可読データ担体。

Images