-
公开(公告)号：CN110870332A
公开(公告)日：2020-03-06
申请号：CN201880045459.X
申请日：2018-06-04
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于对自动化程度较高的车辆(HAF)、尤其高度自动化车辆的数字地图进行验证的方法，该方法包括以下步骤：S1在所述HAF的驾驶员辅助系统中提供数字地图、优选高准确度的数字地图；S2确定当前的车辆位置并且在所述数字地图中定位所述车辆位置；S3提供所述HAF的周围环境中的至少一个特征的至少一个期望特征特性；S4至少部分地基于所述期望特征特性探测所述HAF的周围环境中的特征的至少一个实际特征特性；S5将所述实际特征特性与所述期望特征特性进行比较并且求取至少一个差值作为所述比较的结果；S6至少部分地基于所述差值对所述数字地图进行验证，其中，如果所述差值达到或超过偏差的规定阈值，则将所述数字地图分级为非当前的，如果所述差值低于所述偏差的规定阈值，则将所述数字地图分级为当前的。本发明还涉及一种相应的系统以及一种计算机程序。
-
公开(公告)号：CN110869865A
公开(公告)日：2020-03-06
申请号：CN201880045449.6
申请日：2018-06-04
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于运行较高程度自动化的车辆(HAF)、尤其高度自动化车辆的方法，所述方法包括以下步骤：51在所述HAF的驾驶员辅助系统中提供数字地图、优选高精度数字地图；52确定当前的车辆位置并且在所述数字地图中定位所述车辆位置；53提供在所述车辆位置处的预计的理论交通密度；54求取所述HAF的环境中的当前的实际交通密度；55将所述实际交通密度与所述理论交通密度进行比较并且求取差值作为该比较的结果；56至少部分地根据所述差值对所述HAF的所述车辆位置进行可信性验证；和/或57至少部分地根据所述差值来更新所述数字地图。本发明还涉及一种相应的驾驶员辅助系统以及一种计算机程序。
-
公开(公告)号：CN109427202A
公开(公告)日：2019-03-05
申请号：CN201811030357.9
申请日：2018-09-05
Applicant: 罗伯特·博世有限公司
IPC: G08G1/0967 , G08G1/0968 , G08G1/0969 , G06K9/00
Abstract: 本发明涉及一种预测车辆(100)的行驶路段(110)的、由地点引起的行驶路段改变(107)的方法。该方法包括至少一个读取步骤和识别步骤。在读取步骤中，读取至少一个图像信号(125)，该图像信号代表行驶路段(110)环境中的施工工地参数(135)的由车辆(100)拍摄的图像(130)。在识别步骤中，在使用图像信号(125)的情况下识别面临的行驶路段改变(107)。本发明还涉及一种相应的设备、一种计算机程序以及一种机器可读的存储介质。
-
公开(公告)号：CN106168989A
公开(公告)日：2016-11-30
申请号：CN201610339857.5
申请日：2016-05-20
Applicant: 罗伯特·博世有限公司
IPC: G06F17/50
CPC classification number: G01C21/00 , G01C21/32 , G05D1/0274 , G05D2201/0213 , G08G1/00 , G08G1/096708 , G08G1/096741 , G08G1/096775 , G08G1/143 , G08G1/166 , G06F17/5036
Abstract: 本发明涉及一种用于运行车辆的方法，所述方法包括以下步骤：通过通信网接收真实对象的模型和所述对象的位置；基于所接收的模型求取一个或多个对象参数；基于所述一个或多个对象参数和所述位置至少部分自动地驾驶所述车辆。本发明还涉及一种相应的设备、用于提供环境信息的方法和设备以及车辆和计算机程序。
-
公开(公告)号：CN106133751A
公开(公告)日：2016-11-16
申请号：CN201580014739.0
申请日：2015-01-23
Applicant: 罗伯特·博世有限公司
CPC classification number: B60W50/0098 , B60W40/02 , B60W2050/0215 , B60W2420/42 , B60W2420/52 , B60W2420/54 , G06F11/00 , G06F11/0796 , G06F11/1487 , G06F11/165 , G06K9/00791 , G06K9/6289 , G07C5/0816
Abstract: 本发明涉及一种用于运行车辆的方法，所述车辆具有多个用于检测所述车辆的环境的环境传感器，所述方法包括以下步骤：分别借助于所述环境传感器检测所述车辆的环境，从而所述环境传感器分别提供原始数据，所述原始数据相应于借助于所述相应的环境传感器检测的环境，针对每个环境传感器基于所述相应的环境传感器的原始数据求取相应于对象的对象数据，将所述环境传感器的相应的对象数据相互融合，从而求取经融合的对象数据，将所述环境传感器的相应的原始数据相互融合，从而求取经融合的原始数据，基于经融合的原始数据求取相应于对象的原始对象数据，将经融合的对象数据和所述原始对象数据进行相互比较，根据所述比较来控制至少一个车辆系统。此外，本发明涉及一种用于运行车辆的设备以及一种计算机程序。
-
公开(公告)号：CN118974519A
公开(公告)日：2024-11-15
申请号：CN202380032358.X
申请日：2023-03-06
Applicant: 罗伯特·博世有限公司
IPC: G01C21/34
Abstract: 本发明涉及一种用于车辆(401)的基于特征的定位的可用性预测的方法(100)，该方法包括：接收(101)道路交通网的特征地图(411)的地图数据(412)；基于该特征地图(411)的特征信息来求取(103)用于待通过该车辆(401)行驶的至少一个车行道(403)的特征(413)；与可用性标准相关地计算(105)待通过所述车辆(401)行驶的至少一个车行道(403)的特征(413)的可用性值；和，输出(107)包括该可用性值的、与待行驶的车行道(403)的特征(413)相关的可用性信息。
-
公开(公告)号：CN118089754A
公开(公告)日：2024-05-28
申请号：CN202311614550.8
申请日：2023-11-28
Applicant: 罗伯特·博世有限公司
Abstract: 一种用于为车辆的导航创建道路交通网的地图表示的方法，该方法包括：通过外部计算单元接收来自车辆车队的多个车辆的环境传感器的环境传感器数据；通过该外部计算单元对所接收的环境传感器数据实施SLAM方法，并且求取通过该车辆所行驶的道路交通网的SLAM地图表示；通过该外部计算单元接收该车辆车队的至少一个车辆的、差分全球定位系统的差分定位数据；通过外部计算单元将该定位数据的姿态信息集成到该地图表示中并且创建以该姿态信息充实的地图表示，该姿态信息与该车辆在该道路交通网的道路上的至少一个姿态有关；和通过该外部计算单元向该车辆车队的至少一个车辆提供所充实的地图表示。
-
公开(公告)号：CN111252071B
公开(公告)日：2024-03-22
申请号：CN201911220570.0
申请日：2019-12-03
Applicant: 罗伯特·博世有限公司
IPC: B60W40/02
Abstract: 本发明涉及一种用于运行车辆(19)的方法(10)，包括下述方法步骤：提供规划地图(11)和定位地图(12)，在定位地图(12)上定位车辆(19)。基于定位选择记载在规划地图(11)中的地图道路(15)。借助车辆(19)的传感器装置(13、17)求取传感器道路(16)。将地图道路(15)与传感器道路(16)比较。借助针对地图道路(15)和传感器道路(16)之间的偏差确定的阈值判定地图道路(15)和传感器道路(16)是否相同。如果地图道路(15)和传感器道路(16)相同则使用地图道路(15)运行车辆(19)。如果地图道路(15)和传感器道路(16)不相同则使用传感器道路(16)运行车辆(19)。
-
公开(公告)号：CN115427974A
公开(公告)日：2022-12-02
申请号：CN202180032729.5
申请日：2021-05-04
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于在使用训练数据的情况下训练人工神经网络的方法，这些训练数据包括基础设施的第一图像的第一图像数据和第二图像的第二图像数据，其中第一图像包括第一特征而且其中第二图像包括与该第一图像相对应的第二特征，其中这些训练数据包括在该第一特征与该第二特征之间的目标相对平移和目标相对旋转，其中该训练包括：借助于人工神经网络，从第一图像中提取第一特征并且从第二图像中提取第二特征，其中通过具有第一数据量的第一特征数据来表示所提取的第一特征，其中通过具有第二数据量的第二特征数据来表示所提取的第二特征，借助于人工神经网络，确定在所提取的第一特征与所提取的第二特征之间的相对平移和相对旋转，其中该人工神经网络一直被训练，直至与特征的姿态有关并且与该第一数据量和/或该第二数据量有关的损失函数具有最小值或者小于或小于等于预先给定的损失函数阈值为止。本发明涉及一种人工神经网络、一种用于从机动车辆的周围环境的图像中提取特征的方法、一种设备、一种计算机程序和一种机器可读存储介质。
