[发明专利]借助分类器检测交通地图变化的方法

说明书

本发明涉及一种用于检测交通地图变化的方法，包括以下步骤：通过车辆确定(S10)车辆在交通地图中的车辆位置；根据所确定的车辆位置和交通地图确定(S20)车辆视图地图(K_A)，其中车辆视图地图(K_A)包括交通地图的以车辆为中心的视图；通过机器学习单元(10)根据至少一个训练过的分类器通过比较车辆的传感器数据(D_S)和车辆视图地图(K_A)来确定(S30)变化数据；其中至少一个分类器借助传感器数据(D_S)和车辆视图地图(K_A)进行训练；并且其中变化数据包括变化指示符(I)，所述变化指示符说明：是否通过比较检测到相对于交通地图的变化，并且所述变化数据包括变化位置(P)，所述变化位置说明：在交通地图上的哪里检测到变化。

本发明涉及借助分类器检测交通地图变化的方法和系统、计算机程序和计算机可读存储介质。

高清地图在自动驾驶中使用，以便提前进行规划。例如，将测量车辆用于生成高清地图。替选地，高清地图也由航空图像或卫星图像生成。

当道路网发生变化时，高清地图很快过时。这对于自动驾驶而言是成问题的，例如如果车辆在转弯后预期四条车道，但是仅存在三条车道，这会导致危险情况。

因此，本发明的目的是：提供一种改进的用于检测地图变化的方法。该目的通过独立权利要求的主题来实现。其他优选的实施方式是从属权利要求的主题。

根据一个方面，一种用于检测交通地图变化的方法包括以下步骤。通过车辆确定车辆在交通地图中的车辆位置。根据所确定的车辆位置和交通地图确定车辆视图地图，其中车辆视图地图包括交通地图的以车辆为中心的视图。根据至少一个训练过的分类器通过比较车辆的传感器数据和车辆视图地图来确定变化数据。至少一个分类器借助传感器数据和车辆视图地图进行训练。变化数据包括变化指示符，所述变化指示符说明：是否通过比较检测到相对于交通地图的变化，并且变化数据包括变化位置，所述变化位置说明：在交通地图上的哪里检测到变化。

在此所用的术语“交通地图变化”包括真实世界中的道路网和/或对象与道路网和/或对象在交通地图中的表示相比的变化。

优选地，传感器数据由车辆的传感器记录。传感器数据尤其包括摄像机数据和/或激光雷达数据。

优选地，变化位置说明：在车辆视图地图上的哪里检测到变化。

通过借助传感器数据和车辆视图地图训练的分类器可以检测交通地图变化，而无需手动优化检测算法。

交通视图地图与车辆位置相关。因此，分类器优选地借助车辆位置来训练。特别地，产生具有人工偏移的人工图像，借助所述人工图像训练分类器。人工偏移、也称作为Offset偏移说明：图像中的对象与交通地图相比如何根据车辆位置而偏移。

分类器用车辆位置训练得越好，行驶视图地图就越精确。以该方式，可以改进用于检测交通地图变化的方法的鲁棒性。

优选地通过分类器校正例如通过GPS确定的车辆位置中的误差这改进用于检测交通地图变化的方法的鲁棒性。

优选地，变化数据被传输给后端。

以该方式，可以集中地处理大量车辆的变化数据。

因此，提供了一种改进的用于检测交通地图变化的方法。

根据一个优选的实施方式，该方法包括：通过由注释器注释变化指示符和变化位置来确定验证数据；和根据所确定的验证数据适配机器学习单元。

优选地，注释器是人工注释器。

以该方式，仅在训练分类器时需要手动干预。

因此，提供一种改进的用于检测交通地图变化的方法。