Verfahren (100) zum Erstellen eines digitalen Straßenmodells, aufweisend die Schritte:Erfassen (110) von Trajektoriendaten und Perzeptionsdaten für eine Mehrzahl von Trajektorien von einem oder mehreren Fahrzeugen (2, 3) bei der Durchfahrung von Abschnitten einer Straße oder eines Straßennetzes, wobei jeweils zwei Trajektorien der Mehrzahl von Trajektorien zumindest teilweise eine jeweilige Durchfahrung eines gleichen Abschnitts beschreiben, und wobei die Trajektoriendaten Odometriemessungen und Positionsmessungen umfassen;Erstellen (120) zumindest einer Assoziierung zwischen einer ersten Trajektorie und einer zweiten Trajektorie aus der Mehrzahl von Trajektorien;Bilden (130) eines Informationsgraphen G, wobei die Trajektorienpunkte der Mehrzahl von Trajektorien Knoten des Informationsgraphen G bilden, und basierend auf den Odometriemessungen und Positionsmessungen Kanten zwischen bzw. an den Knoten des Informationsgraphen G gebildet werden;Optimieren (140) des Informationsgraphen G, um eine optimale Schätzung der Trajektorienpunkte zu erhalten;Aggregieren und Fusionieren der Perzeptionsdaten (150) basierend auf den optimal geschätzten Trajektorienpunkten; undbasierend auf den aggregierten und fusionierten Perzeptionsdaten, Erstellen des digitalen Straßenmodells (160),wobei zum Erstellen (120) jeder der zumindest einen Assoziierung jeweils:ein Trajektorienpunkt xider ersten Trajektorie gewählt wird,für den gewählten Trajektorienpunkt xider ersten Trajektorie zumindest ein Belegungsraster und/oder zumindest ein Merkmalsraster erstellt wird basierend auf Perzeptionsdaten, die dem gewählten Trajektorienpunkt xizugeordnet sind, sowie weiter basierend auf Perzeptionsdaten, die einer Anzahl vorhergehender Trajektorienpunkte xi-1, xi-2, xi-3, ... und einer Anzahl nachfolgender Trajektorienpunkte xi+1, Xi+2, xj+3, ... zugeordnet sind,ein Trajektorienpunkt xjder zweiten Trajektorie gewählt wird,für den gewählten Trajektorienpunkt xjder zweiten Trajektorie zumindest ein Wahrscheinlichkeitsfeld-Belegungsraster und/oder zumindest ein Wahrscheinlichkeitsfeld-Merkmalsraster erstellt wird basierend auf Perzeptionsdaten, die dem gewählten Trajektorienpunkt zugeordnet sind, sowie weiter basierend auf Perzeptionsdaten, die einer Anzahl vorhergehender Trajektorienpunkte xj-1, xj-2, xj-3, ... und einer Anzahl nachfolgender Trajektorienpunkte xj+1, xj+2, xj+3, ... zugeordnet sind,für jedes des zumindest einen Belegungsrasters und/oder des zumindest einen Merkmalsrasters für den gewählten Trajektorienpunkt xider ersten Trajektorie, Korrelieren, unter Translation in x- und y- Richtung und unter Rotation, mit dem entsprechenden des zumindest einen Wahrscheinlichkeitsfeld-Belegungsrasters und/oder des zumindest einen Wahrscheinlichkeitsfeld-Merkmalsrasters für den gewählten Trajektorienpunkt xjder zweiten Trajektorie, Ermitteln zumindest eines Maximums des Korrelationsergebnisses, und Bestimmen der Translation dx, dy, der Rotation dθ und von Kovarianzen für das ermittelte zumindest eine Maximum des Korrelationsergebnisses, um eine Assoziationshypothese zu bilden;Bewerten der Assoziationshypothese(n), um eine zur Assoziation zu verwendende Assoziationshypothese zu bestimmen; undEinfügen zwischen dem Knoten xiund dem Knoten xjin dem Informationsgraphen G einer Kante dxi,jder zur Assoziation bestimmten Assoziationshypothese, um den Trajektorienpunkt ximit dem Trajektorienpunkt xjzu assoziieren.


    Access

    Download


    Export, share and cite



    Title :

    Kollektives Erlernen eines hochgenauen Straßenmodells


    Contributors:

    Publication date :

    2022-10-13


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    German


    Classification :

    IPC:    G06T Bilddatenverarbeitung oder Bilddatenerzeugung allgemein , IMAGE DATA PROCESSING OR GENERATION, IN GENERAL / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G01C Messen von Entfernungen, Höhen, Neigungen oder Richtungen , MEASURING DISTANCES, LEVELS OR BEARINGS / G01S RADIO DIRECTION-FINDING , Funkpeilung / G06V / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS



    Kollektives Erlernen hochgenauer Strassenmodelle

    Rauch,S. / Aeberhard,M. / Hecker,P. et al. | Automotive engineering | 2013


    Hochgenaue Fahrzeuglokalisierung und kollektives Erlernen hochgenauer digitaler Karten

    Rauch,S. / Savkin,A. / Schaller,T. et al. | Automotive engineering | 2012


    Hochgenaue Fahrzeugeigenlokalisierung und kollektives Erlernen hochgenauer digitaler Karten

    Rauch, Sebastian / Savkin, Artem / Schaller, Thomas et al. | Tema Archive | 2012


    Maschinenüberwachung mit hochgenauen faseroptischen Abstandssensoren

    Schmitt, Robert / Mallmann, Guilherme | IuD Bahn | 2009


    Entwicklung eines hochgenauen, normfaehigen Verfahrens zur Wirkungsgradmessung an Antriebselementen

    Mierswa,D. / Tech.Hochsch.Aachen,Lab.fuer Werkzeugmasch.u.Betriebslehre | Automotive engineering | 1986