[go: up one dir, main page]

WO2025140878A1 - Procédé de contextualisation des données cartographiques - Google Patents

Procédé de contextualisation des données cartographiques Download PDF

Info

Publication number
WO2025140878A1
WO2025140878A1 PCT/EP2024/086567 EP2024086567W WO2025140878A1 WO 2025140878 A1 WO2025140878 A1 WO 2025140878A1 EP 2024086567 W EP2024086567 W EP 2024086567W WO 2025140878 A1 WO2025140878 A1 WO 2025140878A1
Authority
WO
WIPO (PCT)
Prior art keywords
cartographic
data
vehicle
correlation
acquired
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/EP2024/086567
Other languages
English (en)
Inventor
Thierry GIACCONE
Maud PEYRET
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ampere SAS
Original Assignee
Ampere SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ampere SAS filed Critical Ampere SAS
Publication of WO2025140878A1 publication Critical patent/WO2025140878A1/fr
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors

Definitions

  • the present invention relates to a method for contextualizing cartographic data by a moving vehicle and a vehicle comprising a computer program product configured to implement a method for contextualizing cartographic information by a moving vehicle.
  • variable resolution maps (“SDmap” or “HDmap”) stored on remote servers and accessible via an internet connection, or from other vehicles via a communication system allowing vehicles to exchange information with each other, for example via V2V (“Vehicle to Vehicle”) or V2X (“Vehicle to Everything”) protocol.
  • V2V Vehicle to Vehicle
  • V2X Vehicle to Everything
  • this information provides better visibility or information about the vehicle's environment, particularly the environment in front of the vehicle, and is therefore more commonly referred to as electronic horizon information (otherwise known as "eHorizon") of the vehicle. It makes it possible to supplement and/or anticipate information from the vehicle's sensors, for example a camera, radar, lidar or sonar.
  • This data includes, for example, map information relating to the characteristics of a road, the characteristics of a predetermined route, road signs, and/or external conditions.
  • electronic horizon information from external information or directly from other vehicles is pre-recorded data under specific driving conditions.
  • the conditions in which the vehicle is located may be different from that of the pre-recorded data recording.
  • This can generate a safety risk for users if the pre-recorded data is used without taking into account the context for vehicle control.
  • the roughness or grip of a road may vary depending on the external temperature or humidity and the pre-recorded data, if it does not take into account a low temperature or high humidity, may be considered high while the external conditions make it low.
  • This can generate a risky vehicle control in the case of low grip or roughness linked to weather conditions, particularly when the command concerns the control of one or more actuators.
  • An “actuator” means a device configured to control, alone or in combination with other actuators, the dynamic behavior of said vehicle based on instructions determined by an algorithm, in particular by influencing the brakes, the engine, the steering and/or the speed of the wheels. It is indeed essential to control the actuators with reliable data.
  • the control of actuators in particular by the chassis system (otherwise called “Chassis Domain”) or the micro-powertrain (otherwise called “Powertrain Domain”), is essentially reactive, in the sense that the information taken into account by said systems to generate the control data is previously calculated or generated by means of direct physical measurements (“sensing") or indirect (“virtual sensing") of the vehicle.
  • sensing direct physical measurements
  • virtual sensing indirect
  • the cartographic information provided by the navigation system to have proactive control of the actuators that is to say in an anticipated manner with respect to the occurrence of a future event on the predicted path of the vehicle, would be interesting in that it would make it possible to anticipate the behavior of the vehicle and to act on the actuators in anticipation to improve the reaction of the vehicle to the event.
  • map information relating to the value of the friction coefficient of the road downstream of the vehicle
  • it could be possible to anticipate the drift of said vehicle following a sudden reduction in grip by modifying the instructions of one or more actuators of the vehicle's wheels, in particular a yaw instruction. This improves the reaction of the vehicle and driver comfort.
  • map information requires having reliable navigation system information and substantially accurate values.
  • the invention meets this need by a method for contextualizing cartographic data implemented by a moving vehicle comprising at least one sensor and a navigation system, the navigation system being configured to acquire from the outside, at an acquisition time, the location of the vehicle at the acquisition time and cartographic information with their associated cartographic positions, the method comprising a plurality of acquisitions by the navigation system, at different acquisition times, of cartographic data from among the cartographic information with the cartographic position associated with said cartographic data, the cartographic positions associated with said acquired cartographic data being geographically different from each other,
  • associated map position it is understood that the navigation system acquires the map position corresponding to the position of each piece of map information on a predetermined path.
  • the navigation system can acquire a map position per acquired map information or acquire a map position for a plurality of acquired map information located at the same place on a path predetermined as being the most probable.
  • the map position can comprise the geographical location of a point where the map information is located at the time of acquisition relative to a fixed or mobile reference point. This geographical location can be determined relative to a fixed system, in particular a geodetic system, for example the WGS 84 system associated with the GPS positioning system.
  • the geographical location is determined relative to a mobile system, in particular relative to the vehicle, the geographical location then being the position at the time of acquisition of the map information(s) acquired relative to the vehicle.
  • the map position may include GPS coordinates, latitude, longitude and altitude coordinates, coordinates relative to the vehicle, a distance from the vehicle on the most likely path, or any other means of positioning the map data on a map or relative to the vehicle.
  • the navigation system receives a data stream containing the map information and the associated map positions from a remote server through an internet network, in particular a cloud, or from another vehicle.
  • representative quantity is meant a quantity determined from a measurement of at least one sensor which, when the cartographic data is accurate and reliable, has a relationship with the acquired cartographic data.
  • the relationship is in particular an equality, a fixed difference or a proportionality.
  • substantially equal we mean that the location of the vehicle, when the determination of the representative quantity is carried out, is equal to the position mapping of the acquired data with a predefined acceptable margin of error.
  • the acceptable margin of error may correspond to an error in the measurement instant less than or equal to 0.5 s, better less than or equal to 0.1 s.
  • the acceptable margin of error may correspond to a distance less than or equal to 50 m, better less than or equal to 10 m, even better less than or equal to 5 m, even better less than or equal to 2 m, for example substantially equal to l m.
  • the invention makes it possible, by comparing the representative quantities of the cartographic data corresponding to correct data determined by the vehicle at its position and cartographic data from acquisitions by the navigation system corresponding to raw data devoid of context or taken in a particular context at the same location, to determine a simple equivalence relationship which can be applied to the cartographic data at positions downstream of the vehicle from acquisitions by the navigation system to have cartographic data corresponding to the representative quantity which are reliable for taking into account in the vehicle and anticipated over a more or less distant duration or distance depending on the cartographic data.
  • the acquired map information is associated with a map position on or along the determined most probable path.
  • the map information may include: one or more characteristics of a road, including the grip coefficient and/or the roughness of the road, the type of road, and/or one or more characteristics of a predetermined route, including the curvature of a bend, the slope of the road, the presence of obstacles on the road, including the presence of speed bumps, and/or road signs, including the presence and identification of road signs or lines on the ground, and/or external conditions, in particular weather or temperature, or localized information on the maximum size of the vehicle or the maximum mass of the vehicle authorized on a road.
  • the map data provides information relating to a physical or structural property of the road on the most probable path determined by the navigation system exhibiting variability depending on the external context.
  • the map data may be chosen from all map information exhibiting such variability, in particular one or more physical characteristics of the road, for example the coefficient of adhesion and/or the roughness of the road.
  • the cartographic data may include the numerical value and one or more labels identifying the nature of the numerical value.
  • the label(s) may characterize the unit of the numerical value and/or the nature of the cartographic data, for example a coefficient of adhesion, roughness, a slope, an angle of curvature.
  • the method may include determining the distance on the most likely path between the vehicle at the acquisition time and the map position associated with the map data acquired at the acquisition time. Alternatively, this information is acquired directly with the map data for each acquired map data.
  • the determination of the representative quantity for each acquired map data may include the determination, as a function of the speed of the vehicle at the acquisition time, of the measurement time so that the location of the vehicle at the measurement time is substantially equal to the map position associated with the map data.
  • the measurement time may be determined at least from the distance on the most probable path between the vehicle at the acquisition time and the map position associated with the map data acquired at the acquisition time and the speed of the vehicle at the acquisition time.
  • the determination of the measurement time may also be done dynamically by integrating any variations in the speed of the vehicle between the acquisition time and the measurement time to improve said determination.
  • Determining the time of measurement of the representative quantity by calculation allows for a relatively precise and reliable process.
  • this method ensures that the measurement is carried out at the best time, for example between two acquisitions by the navigation system.
  • the determination of the measurement time can be done by acquiring the location of the vehicle periodically and triggering the measurement when the location of the vehicle identified by the periodic acquisition is closest to the map position acquired with the map data.
  • the acquisition of map data can be successive in time or based on the vehicle's position on its route. Each acquisition can be triggered automatically or manually.
  • Map information can be acquired by the navigation system at a predefined acquisition frequency, particularly when the vehicle is in motion.
  • the acquisitions of the map data may be sampled in time or on the positioning of the vehicle on its path at a predetermined sampling frequency identical to or different from the frequency of acquisition of the map information, in particular at a sampling frequency corresponding to an acquisition of the map data every N acquisitions of map information by the navigation system, N being an integer.
  • the acquisition times may be spaced apart by a substantially constant duration or are spaced apart by a duration corresponding to a substantially constant distance traveled by the vehicle.
  • the method may comprise searching for the map data upon each reception of map information and acquiring the map data if it is present at a map position at a distance from the vehicle on the most probable path less than or equal to a predetermined distance and if it has not been previously acquired at a previous acquisition time.
  • the acquired map positions are at a distance and/or travel time relative to the vehicle that is not zero at the corresponding acquisition time.
  • the distance to the vehicle is less than or equal to a predetermined vehicle distance, in particular less than or equal to 500m, better still less than or equal to 100m and/or greater than or equal to 1m, better still greater than or equal to 5m.
  • the distance, particularly along the most likely path, between the acquired map positions and the vehicle locations at the corresponding acquisition time may be substantially constant. Alternatively, said distance is not constant.
  • the determination of the confidence index can be done on at least a part of the map data acquired over a predetermined acquisition duration, and/or a predefined number of acquisitions.
  • the acquisition duration can be predetermined in function of the cartographic data.
  • the number of acquisitions can be predefined according to the cartographic data, in particular according to the frequency of appearance of the cartographic data in the case of cartographic data characteristic of a discrete event.
  • the determination of the confidence index is done at an evaluation time and takes into account at least the cartographic data acquired at the acquisition time upstream in the time closest to the evaluation time.
  • the determination of the polynomial correlation equation can be done on at least a part of the cartographic data acquired over a predetermined acquisition duration, and/or a predefined number of acquisitions.
  • the acquisition duration can be predetermined according to the cartographic data.
  • the number of acquisitions can be predefined according to the cartographic data, in particular according to the frequency of appearance of the cartographic data in the case of cartographic data characteristic of a discrete event.
  • the determination of the correlation equation is done at an evaluation time and takes into account at least the map data acquired at the acquisition time upstream in the time closest to the evaluation time.
  • the determined correlation polynomial equation is of rank less than 1, that is to say is a proportionality between the cartographic data and the quantity representative of said cartographic data and/or a constant shift between the cartographic data and the quantity representative of said cartographic data.
  • the determination of the correlation index is carried out at a correlation time by comparing at least part of the differentials, better all the differentials, corresponding to at least part of the acquired cartographic data.
  • the correlation time can be the same as the evaluation time and/or the predefined correlation duration can be the same as the acquisition time or the number of map data considered identical.
  • the correlation index is defined such that the smaller the differences between the map data acquired after contextualization and the corresponding representative quantities, the larger the index, and vice versa.
  • the correlation index characterizes the quality of the correlation model determined from the polynomial correlation equation.
  • the method may comprise the determination of a correlation index associated with the or each cartographic data item acquired after the determination of the correlation polynomial equation corresponding to the correlation of the or each cartographic data item acquired after the determination of the correlation polynomial equation and the corresponding representative quantity with the correlation polynomial equation.
  • This index may be determined from the difference between the cartographic data item acquired after contextualization and the corresponding representative quantity.
  • the correlation index is defined such that the smaller the difference between the map data acquired after contextualization and the corresponding representative quantity, the larger the index, and vice versa.
  • the correlation index characterizes the quality of the contextualization carried out from the polynomial correlation equation.
  • the method may comprise determining a new polynomial correlation equation if the correlation index is lower than the correlation threshold value over a period greater than a predetermined period, in particular the acquisition period, or over a number of successive acquisitions greater than a predetermined number, or if the correlation indices of the map data acquired over a period greater than the predetermined period, in particular the acquisition period, or over a number of successive acquisitions greater than the predetermined number are all lower than a threshold index value.
  • the method may comprise, as long as the correlation index is greater than the threshold correlation value or the correlation indices of the acquired cartographic data are greater than a threshold index value, the use of the cartographic data acquired after contextualization, in particular by enriching a database using this cartographic data or generating control data at least as a function of the cartographic data acquired after contextualization, the control data being in particular input data of a user information device or of an actuator of the vehicle.
  • the method may include determining context data from one or more vehicle sensors or external data and associating the context data with the map data acquired after contextualization and/or with the determined correlation equation, the context data including in particular the presence of rain or not and/or its intensity, the temperature, the humidity level, the wind speed and/or the dew point.
  • the method may include sending contextualization information to a database, in particular internal or external, the contextualization information including the context data and/or the combination of the cartographic data acquired after contextualization and the determined correlation equation.
  • the method for determining the polynomial equation is chosen from polynomial interpolation, in particular Lagrangian, and polynomial regression.
  • the polynomial regression can be carried out by the least squares method, maximum likelihood, by Bayesian inference, or even by machine learning methods such as, for example, support vector machines (SVM).
  • SVM support vector machines
  • the correlation index is chosen from the Bravais-Pearson coefficient, the Spearman rho coefficient, the Goodman and Kruskal gamma coefficient, or the Kendall tau coefficient.
  • a data item is considered manifestly erroneous if its correlation index is greater in absolute value than a predetermined error threshold and the closest cartographic data have correlation indices lower in absolute value than a predetermined error threshold.
  • the at least one sensor of the vehicle may be of the external type, and carry out measurements relating to physical parameters, objects or infrastructures external to the vehicle.
  • Such a polynomial correlation equation provides an approximation of the roughness coefficient data by the values measured directly by the sensor 3.
  • the graph in Figure 4b) shows a proportional deviation of proportionality coefficient c between the acquired map data and the corresponding representative quantity measurements.
  • the graph in Figure 4c) shows a sample of acquired map data and corresponding representative quantity measurements without a rank 1 polynomial equation with a good determinable correlation index I r , in particular with a correlation index I r greater than a threshold correlation value I rs .
  • the correlation index I r is compared to a threshold correlation index I rs in step 48.
  • the determined correlation index I r is greater than the threshold correlation index I rs .
  • the map data representing the road roughness coefficient can then be contextualized with the correlation polynomial equation determined during a step 50.
  • Step 50 may also comprise the generation of control data for the vehicle 1, in particular to an actuator of the vehicle 1, as a function of contextualized data of corrected road roughness coefficients relating to positions located in front of the vehicle 1, for which a measurement of a representative quantity by the wheel sensor 3 has not yet been carried out.
  • Said data can, for example, inform of an increase or decrease in the road roughness coefficient.
  • the method may include recording or sending contextualized data to a remote server when the confidence index I c and the correlation index I r are respectively greater than a threshold confidence value and a threshold correlation value.
  • the method may also include recording context data from data of the vehicle 1 or from outside the vehicle 1, for example temperature, humidity, wind, rain or ice. This data may be transmitted with the contextualized map data to record the context of acquisition of said data.
  • the correlation index I r is evaluated periodically according to a predetermined update frequency, based on a new sampling of cartographic data acquired at later times. The confidence in the correlation model of said data is thus caused to evolve over time.
  • the updating of the correlation index I r can be carried out non-periodically, in particular when a decorrelation with the model is determined.
  • the method may comprise, for any data subsequent to the acquisition of a polynomial correlation equation, the determination of a correlation index between the acquired cartographic data, the corresponding determined characteristic quantity and the polynomial equation.
  • a correlation index may be determined as a function of a differential between the cartographic data contextualized on the basis of the polynomial correlation equation and the corresponding determined characteristic quantity.
  • the method may include the removal of a map datum whose correlation index is below a predetermined threshold and/or for which a less secure command in the control of the vehicle 1 is carried out if it is taken into account.
  • the method may comprise the determination of a new correlation polynomial equation when a plurality of successive cartographic data in a pre-established quantity are decorrelated with the determined equation, that is to say have an index characteristic of a decorrelation, in particular below a predetermined threshold.
  • the acquisition of cartographic data may be carried out in groups (or "batches"). For example, a predefined number of cartographic data may be acquired simultaneously at each acquisition.

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

Procédé de contextualisation des données cartographiques mis en œuvre par un véhicule en déplacement comportant au moins un capteur et un système de navigation, le système de navigation étant configuré pour acquérir des informations cartographiques avec leurs positions cartographiques associées, le procédé comportant : - une pluralité d'acquisition par le système de navigation, à des instants d'acquisition différents, d'une donnée cartographique parmi les informations cartographiques, - La détermination, pour chaque donnée cartographique acquise, d'une grandeur représentative de la donnée cartographique à une localisation du véhicule sensiblement égale à la position cartographique associée à ladite donnée cartographique acquise, - La détermination d'une équation polynomiale de corrélation entre la donnée cartographique et la grandeur représentative de la donnée cartographique, - La contextualisation automatique de la donnée cartographique à chaque acquisition par le système de navigation en fonction de l'équation de corrélation déterminée.

Description

Description
Titre : Procédé de contextualisation des données cartographiques
Domaine technique
La présente invention concerne un procédé de contextualisation de données cartographiques par un véhicule en déplacement et un véhicule comportant un produit programme d’ordinateur configuré pour mettre en œuvre un procédé de contextualisation d’informations cartographiques par un véhicule en déplacement.
Technique antérieure
Les systèmes de navigation de véhicules automobiles actuels intègrent généralement des informations cartographiques externes. Celles-ci sont notamment issues de cartes à résolution variable (« SDmap » ou « HDmap ») stockées sur des serveurs distants et accessibles au moyen d’une connexion internet, ou issues d’autre véhicules par l’intermédiaire d’un système de communication permettant aux véhicules d'échanger entre eux des informations, par exemple par protocole V2V (« Vehicle to Vehicle ») ou V2X (« Véhiculé to Everything »).
Usuellement, ces informations permettent d’avoir une meilleure visibilité ou d’avoir des informations sur l’environnement du véhicule, notamment sur l’environnement devant le véhicule, et sont ainsi plus communément désignées comme informations d’horizon électronique (autrement appelée « eHorizon ») du véhicule. Elles permettent de compléter et/ou d’anticiper les informations issues des capteurs du véhicule par exemple d’une caméra, radar, lidar ou sonar.
Ces données comprennent par exemple des informations cartographiques relatives des caractéristiques d’une route, des caractéristiques d’un trajet prédéterminé, à la signalisation routière, et/ou encore aux conditions extérieures.
La prise en compte de ces informations permet une anticipation des situations que ledit véhicule va rencontrer, et ainsi une adaptation en anticipation du comportement dynamique du véhicule.
Toutefois, les informations d’horizon électronique issues d’informations externes ou issues directement d’autres véhicules sont des données préenregistrées dans des conditions de conduite particulières. Les conditions dans lesquelles se trouvent le véhicule peuvent être différentes de celle de l’enregistrement de la donnée préenregistrée. Cela peut générer un risque de sécurité pour les usagers si la donnée préenregistrée est utilisée sans la prise en compte du contexte pour la commande du véhicule. Par exemple, la rugosité ou l’adhérence d’une route peut varier en fonction de la température ou l’humidité extérieure et la donnée préenregistrée, si elle ne prend pas en compte une température faible ou une humidité importante, peut être considérée comme élevée alors que les conditions extérieures la rendent faible. Cela peut générer une commande du véhicule à risque dans le cas d’une adhérence ou rugosité faible en lien avec les conditions météorologiques, notamment lorsque la commande concerne le contrôle d’un ou plusieurs actionneurs. Il est alors nécessaire de contextualiser les données préenregistrées issues du système de navigation et donnant des informations sur la route en aval du véhicule pour permettre d’avoir des données fiables cohérentes avec le contexte particulier dans lequel le véhicule évolue. Par « actionneur », on désigne un dispositif configuré pour commander seul ou en combinaison avec d’autres actionneurs le comportement dynamique dudit véhicule en fonction de consignes déterminées par un algorithme, notamment en influant sur les freins, le moteur, la direction et/ou la vitesses des roues. Il est en effet essentiel de commander les actionneurs avec des données fiables.
Aujourd’hui, le contrôle des actionneurs, notamment par le système de châssis (autrement appelé « Chassis Domain ») ou le groupe micropropulseur (autrement appelé « Powertrain Domain »), est essentiellement réactifs, dans le sens où les informations prises en compte par lesdits systèmes pour générer les données de commande sont préalablement calculées ou générées au moyen de mesures physiques directes (« sensing ») ou indirectes (« virtual sensing ») du véhicule. La prise en compte au moins partiellement des informations cartographiques fournies par le système de navigation pour avoir un contrôle proactif des actionneurs, c’est à dire de manière anticipée par rapport à la survenue d’un évènement futur sur le trajet prédit du véhicule, serait intéressante en ce que cela permettrait d’anticiper le comportement du véhicule et d’agir sur les actionneurs en anticipation pour améliorer la réaction du véhicule à l’évènement. Par exemple, si un véhicule circule sur une route et reçoit des informations cartographiques relatives à la valeur du coefficient de frottement de la route en aval du véhicule, il pourrait être possible d’anticiper la dérive dudit véhicule suite à une diminution soudaine d’adhérence en modifiant les consignes d’un ou plusieurs actionneurs des roues du véhicule, notamment une consigne de lacet. Cela améliore la réaction du véhicule et le confort du conducteur. Cependant une telle prise en compte des informations cartographique nécessite d’avoir des informations du système de navigation fiable et de valeurs sensiblement exacte.
Il existe donc un besoin pour contextualiser des informations cartographiques issues de sources externes et reçues dans un véhicule de façon suffisamment fiable et continue dans le temps, notamment pour permettre une utilisation des informations cartographiques dans la commande des actionneurs, notamment par le système de châssis ou le groupe micropropulseur.
Description détaillée
L’invention répond à ce besoin par un procédé de contextualisation des données cartographiques mis en œuvre par un véhicule en déplacement comportant au moins un capteur et un système de navigation, le système de navigation étant configuré pour acquérir de l’extérieur, à un instant d’acquisition, la localisation du véhicule à l’instant d’acquisition et des informations cartographiques avec leurs positions cartographiques associées, le procédé comportant une pluralité d’acquisition par le système de navigation, à des instants d’acquisition différents, d’une donnée cartographique parmi les informations cartographiques avec la position cartographique associée à ladite donnée cartographique, les positions cartographiques associées audites données cartographiques acquises étant géographiquement différentes entre elles,
La détermination, pour chaque donnée cartographique acquise, d’une grandeur représentative de la donnée cartographique déterminée à partir d’au moins une mesure par le au moins un capteur à une localisation du véhicule sensiblement égale à la position cartographique associée à ladite donnée cartographique acquise,
La détermination, à partir d’au moins une partie des données cartographiques acquises et des grandeur représentatives correspondantes déterminées, d’une équation polynomiale de corrélation entre la donnée cartographique et la grandeur représentative de la donnée cartographique d’un rang inférieur à un rang prédéfini et d’indice de corrélation maximal avec les données cartographiques acquises et les grandeurs représentatives correspondantes ayant servi à la détermination de l’équation polynomiale de corrélation, La contextualisation automatique de la donnée cartographique à chaque acquisition par le système de navigation en fonction de l’équation de corrélation déterminée pour générer des données cartographiques contextualisées si l’indice de corrélation est supérieur à une valeur de corrélation seuil prédéterminée.
Par « position cartographique associée », on comprend que le système de navigation acquiert la position cartographique correspondant à la position de chaque information cartographique sur un trajet prédéterminé. Le système de navigation peut acquérir une position cartographique par information cartographique acquise ou acquérir une position cartographique pour une pluralité d’informations cartographiques acquises situées au même endroit sur un chemin prédéterminé comme étant le plus probable. La position cartographique peut comporter la localisation géographique d’un point où se situe l’information cartographique à l’instant d’acquisition par rapport à un repère fixe ou mobile. Cette localisation géographique peut être déterminée par rapport à un système fixe, notamment un système géodésique, par exemple le système WGS 84 associé au système de positionnement GPS. En variante, elle est déterminée par rapport à un système mobile, notamment relativement au véhicule, la localisation géographique étant alors la position à l’instant d’acquisition de la ou les informations cartographiques acquises par rapport au véhicule. La position cartographique peut comporter les coordonnées GPS, des coordonnées de latitude, longitude et altitude, des coordonnées par rapport au véhicule, une distance par rapport au véhicule sur le chemin le plus probable ou tout autre moyen permettant de positionner la donnée cartographique sur une carte ou relativement au véhicule.
Par « acquisition », on comprend qu’à un instant d’acquisition, le système de navigation reçoit un flux de données contenant les informations cartographiques et les positions cartographiques associées à partir d’un serveur distant à travers un réseau internet, notamment un cloud, ou d’un autre véhicule.
Par « grandeur représentative », on comprend une grandeur déterminée à partir d’une mesure d’au moins du capteur présentant, lorsque les données cartographiques sont exactes et de confiance, une relation avec la donnée cartographique acquise. La relation est notamment une égalité, une différence fixe ou une proportionnalité.
Par « sensiblement égale », on comprend que la localisation du véhicule, lorsque la détermination de la grandeur représentative est effectuée, est égale à la position cartographique de la donnée acquise avec une marge d’erreur acceptable prédéfinie. La marge d’erreur acceptable peut correspondre à une erreur dans l’instant de mesure inférieure ou égale à 0,5 s, mieux inférieure ou égale à 0,1 s. La marge d’erreur acceptable peut correspondre à une distance inférieure ou égale à 50 m, mieux inférieure ou égale à 10m, encore mieux inférieure ou égale à 5m, encore mieux inférieure ou égale à 2m, par exemple sensiblement égale à lm.
L’invention permet, en comparant les grandeurs représentatives de la donnée cartographique correspondant à des données correctes déterminées par le véhicule à sa position et des données cartographiques issues d’acquisitions par le système de navigation correspondant à des données brutes dénuées de contexte ou prise dans un contexte particulier au même endroit, de déterminer une relation simple d’équivalence qui peut être appliquée à la donnée cartographique à des positions en aval du véhicule issues d’acquisitions par le système de navigation pour avoir des données cartographiques correspondant à la grandeur représentative qui soient fiables pour une prise en compte dans le véhicule et anticipées sur une durée ou distance plus ou moins lointaine selon la donnée cartographique.
Il est alors possible d’utiliser ces données cartographiques contextualisées de plusieurs manières, en particulier dans le contrôle du véhicule, l’alerte utilisateur ou l’enrichissement d’une base de données de contextualisation comme nous le verrons par la suite. Cela permet d’anticiper le contrôle du véhicule en fonction des données cartographiques contextualisées.
Un tel procédé convient ainsi tout particulièrement à l’utilisation d’algorithmes pro-actifs - à l’inverse des algorithmes de l’état de l’art qui sont essentiellement réactifs - permettant notamment d’adapter les paramètres d’un algorithme de régulation d’un ou plusieurs actionneurs en répartissant différemment les consignes vers les actionneurs en fonction d’informations cartographiques acquises. Un système défini comme tel est ainsi rendu plus performant.
L’équation polynomiale de corrélation peut caractériser une différence entre une donnée cartographique et une grandeurs représentatives qui est fonction du contexte dans lequel évolue le véhicule, notamment conditions météorologique tel que la pluie ou la neige, température, humidité ou vent, des paramètres des capteurs, notamment leur unités de calcul qui peut différer de l’unité des données cartographiques, des caractéristique propre au véhicule, des habitudes de conduite ou tout autre contexte qui pourrait générer une différence entre une donnée cartographique et une grandeur représentative de la donnée cartographique.
Figure imgf000008_0001
De préférence, le procédé comporte la détermination par le système de navigation du chemin le plus probable du véhicule en fonction de données d’entrées de l’utilisateur, d’informations acquises à partir d’un ou plusieurs capteurs du véhicule et/ou de la localisation du véhicule déterminée par le système de navigation. Le chemin le plus probable du véhicule peut être un itinéraire validé par l’utilisateur ou un itinéraire correspondant à un trajet déterminé comme étant le plus probable au vu de la localisation du véhicule et d’une ou plusieurs données du véhicule ou de l’utilisateur.
Les informations cartographiques acquises sont associées à une position cartographique sur ou le long du chemin le plus probable déterminé.
Le système de navigation et de localisation est de préférence à récepteur GNSS, par exemple de type GPS, et permet notamment au conducteur d’entrer un itinéraire pour le véhicule et/ou à ce dernier de connaître sa position en temps réel.
Le système de navigation peut acquérir les données cartographiques et/ou les informations cartographiques à partir d’un serveur distant à travers un réseau internet, notamment un cloud, ou d’un autre véhicule, par exemple par protocole V2V (« Vehicle to Vehicle ») ou V2X (« Véhiculé to Everything »).
Informations
Figure imgf000008_0002
Les informations cartographiques peuvent comporter : une ou plusieurs caractéristiques d’une route, notamment le coefficient d’adhérence et/ou la rugosité de la route, le type de route, et/ou une ou plusieurs caractéristiques d’un trajet prédéterminé, notamment la courbure d’un virage, la pente de la route, la présence d’obstacles sur la route, notamment la présence de dos d’âne, et/ou la signalisation routière, notamment la présence et identification de panneaux de signalisation ou de lignes au sol, et/ou encore des conditions extérieures, notamment météorologiques ou de températures, ou encore des informations localisées sur le gabarit maximal du véhicule ou la masse maximale du véhicule autorisée sur une route.
Données
Figure imgf000009_0001
La donnée cartographique peut être une des informations décrites ci-dessus.
De préférence, la donnée cartographique fournit une information relative à une propriété physique ou structurelle de la route sur le chemin le plus probable déterminé par le système de navigation présentant une variabilité selon le contexte extérieur. La donnée cartographique peut être choisie parmi toutes les informations cartographiques présentant une telle variabilité, notamment une ou plusieurs caractéristiques physiques de la route, par exemple le coefficient d’adhérence et/ou la rugosité de la route.
De préférence, elle est choisie parmi les informations comportant une valeur numérique, de préférence sensiblement continue sur un trajet. Elle peut être choisie parmi la courbure d’un virage comportant par exemple une valeur d’angle de courbure local de la route, la pente d’une route comportant une valeur d’angle d’inclinaison locale de la route, le coefficient d’adhérence de la route comportant une valeur du coefficient d’adhérence local de la route, le coefficient de rugosité de la route comportant une valeur du coefficient de rugosité local de la route.
Le fait que la donnée soit sensiblement continue sur le trajet permet d’avoir un échantillonnage des acquisitions et une détection facile d’une acquisition erronée qui serait à écarter.
La donnée cartographique peut comporter la valeur numérique et un ou plusieurs labels d’identification de la nature de la valeur numérique. Le ou les labels peuvent caractériser l’unité de la valeur numérique et/ou la nature de la donnée cartographique, par exemple un coefficient d’adhérence, de rugosité, une pente, un angle de courbure.
Le procédé peut comporter, à chaque acquisition, l’acquisition d’une pluralité de données cartographiques différentes parmi les informations cartographiques précitées, chacune associée à une position cartographique, lesdites positions cartographiques étant identiques ou non. Le procédé peut alors déterminer pour chaque donnée cartographique une équation polynomiale de corrélation sur une partie de la pluralité d’acquisition. Grandeur
Figure imgf000010_0001
La grandeur représentative peut être une valeur issue d’une mesure par un ou plusieurs capteurs embarqués dans le véhicule. La valeur peut être obtenue par une mesure directe d’un capteur du véhicule ou déduite à partir d’une ou plusieurs mesures d’un ou plusieurs capteurs.
La grandeur représentative peut être déterminée à l’aide d’un unique capteur.
Le procédé peut comporter la détermination de la distance sur le chemin le plus probable entre le véhicule à l’instant d’acquisition et la position cartographique associée à la donnée cartographique acquise à l’instant d’acquisition. En variante, cette information est acquise directement avec les données cartographiques pour chaque donnée cartographique acquise.
La détermination de la grandeur représentative pour chaque donnée cartographique acquise peut comporter la détermination, en fonction de la vitesse du véhicule à l’instant d’acquisition, de l’instant de mesure pour que la localisation du véhicule à l’instant de mesure soit sensiblement égale à la position cartographique associée à la donnée cartographique. L’instant de mesure peut être déterminé au moins à partir de la distance sur le chemin le plus probable entre le véhicule à l’instant d’acquisition et la position cartographique associée à la donnée cartographique acquise à l’instant d’acquisition et la vitesse du véhicule à l’instant d’acquisition. La détermination de l’instant de mesure peut également se faire dynamiquement en intégrant les variations de vitesse éventuelles du véhicule entre l’instant d’acquisition et l’instant de mesure pour améliorer ladite détermination.
La détermination de l’instant de la mesure de la grandeur représentative par calcul permet d’avoir un procédé relativement précis et fiable. En pratique, la géolocalisation du véhicule n’étant pas disponible en continu, mais de manière périodique selon une fréquence de mise à jour de la géolocalisation donnée, cette méthode permet de s’assurer d’effectuer la mesure au meilleur moment, par exemple entre deux acquisitions par le système de navigation.
En variante, la détermination de l’instant de mesure peut se faire par acquisition de la localisation du véhicule de façon périodique et le déclenchement de la mesure lorsque la localisation du véhicule identifiée par l’acquisition périodique est la plus proche de la position cartographique acquise avec la donnée cartographique.
Figure imgf000011_0001
Les acquisitions de la donnée cartographique peuvent être successives dans le temps ou sur le positionnement du véhicule sur son trajet. Chaque acquisition peut être déclenchée automatiquement ou manuellement.
Les informations cartographiques peuvent être acquises par le système de navigation à une fréquence d’acquisition prédéfinie, notamment lorsque le véhicule est en mouvement.
Les acquisitions de la donnée cartographique peuvent être échantillonnées dans le temps ou sur le positionnement du véhicule sur son trajet à une fréquence d’échantillonnage prédéterminée identique ou différente de la fréquence d’acquisition des informations cartographiques, notamment à une fréquence d’échantillonnage correspondant à une acquisition de la donnée cartographique toutes les N acquisitions d’informations cartographiques par le système de navigation, N étant un entier. Les instants d’acquisition peuvent être espacés entre eux d’une durée sensiblement constante ou sont espacées entre eux d’une durée correspondant à une distance parcourue du véhicule sensiblement constante. En variante, le procédé peut comporter la recherche de la donnée cartographique à chaque réception d’information cartographique et l’acquisition de la donnée cartographique si elle est présente à une position cartographique à une distance du véhicule sur le chemin le plus probable inférieure ou égale à une distance prédéterminée et si elle n’a pas été acquise précédemment à un instant d’acquisition précédent.
Les positions cartographiques acquises sont à une distance et/ou un temps de déplacement par rapport au véhicule non nul à l’instant d’acquisition correspondant. De préférence, la distance au véhicule est inférieure ou égale à une distance du véhicule prédéterminée, notamment inférieure ou égale à 500m, mieux inférieure ou égale à 100m et/ou supérieure ou égale à 1m, mieux supérieure ou égale à 5m.
La distance, notamment le long du chemin le plus probable, entre les positions cartographiques acquises et les localisations du véhicule à l’instant d’acquisition correspondant peut être sensiblement constante. En variante, ladite distance n’est pas constante.
La détermination de l’indice de confiance peut se faire sur au moins une partie des données cartographiques acquises sur une durée d’acquisition prédéterminée, et/ou un nombre d’acquisitions prédéfini. La durée d’acquisition peut être prédéterminée en fonction de la donnée cartographique. Le nombre d’acquisitions peut être prédéfini en fonction de la donnée cartographique, notamment en fonction de la fréquence d’apparition de la donnée cartographique dans le cas d’une donnée cartographique caractéristique d’un évènement discret.
De préférence, la détermination de l’indice de confiance se fait à un instant d’évaluation et prend en compte au moins la donnée cartographique acquise à l’instant d’acquisition en amont dans le temps le plus proche de l’instant d’évaluation.
La détermination de l’équation polynomiale de corrélation peut se faire sur au moins une partie des données cartographiques acquises sur une durée d’acquisitions prédéterminée, et/ou un nombre d’acquisitions prédéfini. La durée d’acquisition peut être prédéterminée en fonction de la donnée cartographique. Le nombre d’acquisitions peut être prédéfini en fonction de la donnée cartographique, notamment en fonction de la fréquence d’apparition de la donnée cartographique dans le cas d’une donnée cartographique caractéristique d’un évènement discret.
De préférence, la détermination de l’équation de corrélation se fait à un instant d’évaluation et prend en compte au moins la donnée cartographique acquise à l’instant d’acquisition en amont dans le temps le plus proche de l’instant d’évaluation.
Figure imgf000012_0001
De préférence, l’équation polynomiale de corrélation déterminée est de rang inférieur à 1, c’est-à-dire est une proportionnalité entre la donnée cartographique et la grandeur représentative de ladite donnée cartographique et/ou un décalage constant entre la donnée cartographique et la grandeur représentative de ladite donnée cartographique. Par « proportionnalité », on comprend une relation de type y=cx, y étant la grandeur représentative, x la donnée cartographique acquise et c un facteur de proportionnalité, c peut prendre toute valeur, notamment être sensiblement égal à 1. Par « décalage constant », on comprend une relation du type y=x+b, y étant la grandeur représentative, x la donnée cartographique acquise et b une valeur constante.
Fenêtre
De préférence, la détermination de l’indice de corrélation est effectuée à un instant de corrélation par comparaison d’au moins une partie des différentiels, mieux tous les différentiels, correspondant à au moins une partie des données cartographiques acquises en amont de l’instant de corrélation sur une fenêtre de temps d’une durée d’acquisition prédéterminée se terminant à l’instant de corrélation ou correspondant à un nombre prédéterminé d’acquisitions de données cartographiques successives en remontant dans le temps à partir de l’instant de corrélation. Cela permet de déterminer l’indice de corrélation sur une fenêtre de temps glissante en amont de l’instant de corrélation correspondant à une durée prédéfinie constante ou un nombre d’acquisitions constant et ainsi d’avoir un indice de corrélation à jour sur un nombre de données cartographique prédéterminé pour être à la fois suffisamment important pour permettre une stabilité de la détermination et à la fois suffisamment faible pour limiter le risque d’erreur dans l’évaluation de la corrélation.
L’instant de corrélation peut être identique à l’instant d’évaluation et/ou la durée prédéfinie de corrélation peut être identique à celle d’acquisition ou le nombre de données cartographiques considérées identiques.
Corrélation
Le procédé peut comporter la détermination de différentiels correspondant chacun à une différence entre la donnée cartographique acquise et la grandeur représentative correspondante et la comparaison entre eux des différentiels des données cartographiques de détermination de l’équation polynomiale de corrélation, la comparaison des différentiels comportant la détermination de l’équation polynomiale de corrélation
De préférence, l’indice de corrélation est défini tel que plus les écarts entre les données cartographiques acquises après contextualisation et les grandeurs représentatives correspondantes sont faibles, plus l’indice est grand, et inversement. Ainsi, l’indice de corrélation caractérise la qualité du modèle de corrélation déterminé à partir de l’équation polynomiale de corrélation.
Le procédé peut comporter la détermination d’un index de corrélation associé à la ou chaque donnée cartographique acquise postérieurement à la détermination de l’équation polynomiale de corrélation correspondant à la corrélation de la ou chaque donnée cartographique acquise postérieurement à la détermination de l’équation polynomiale de corrélation et de la grandeur représentative correspondante avec l’équation polynomiale de corrélation. Cet index peut être déterminé à partir de l’écart entre la donnée cartographique acquise après contextualisation et la grandeur représentative correspondante. Un tel index permet de caractériser pour chaque donnée cartographique le respect ou non de l’équation polynomiale déterminée. De préférence, l’index de corrélation est défini tel que plus l’écart entre la donnée cartographique acquise après contextualisation et la grandeur représentative correspondante est faible, plus l’index est grand, et inversement. Ainsi, l’index de corrélation caractérise la qualité de la contextualisation effectuée à partir de l’équation polynomiale de corrélation.
Le procédé peut comporter la détermination d’une nouvelle équation polynomiale de corrélation si l’indice de corrélation est inférieur à la valeur seuil de corrélation sur une durée supérieure à une durée prédéterminée, notamment à la durée d’acquisition, ou sur un nombre d’acquisitions successives supérieur à un nombre prédéterminé ou si les index de corrélation des données cartographiques acquises sur une durée supérieure à la durée prédéterminée, notamment à la durée d’acquisition, ou sur un nombre d’acquisitions successives supérieur au nombre prédéterminé sont tous inférieurs à une valeur d’index seuil.
Le procédé peut comporter, tant que l’indice de corrélation est supérieur à la valeur de corrélation seuil ou que les index de corrélation des données cartographiques acquises sont supérieurs à une valeur d’index seuil, l’utilisation des données cartographiques acquises après contextualisation, notamment par enrichissement d’une base de données à l’aide de ces données cartographiques ou génération d’une donnée de commande au moins en fonction de la donnée cartographique acquise après contextualisation, la donnée de commande étant notamment une donnée d’entrée d’un dispositif d’information utilisateur ou d’un actionneur du véhicule.
Le procédé peut comporter la détermination de données de contexte à partir d’un ou plusieurs capteurs du véhicule ou de données externes et l’association des données de contexte à la donnée cartographique acquise après contextualisation et/ou à l’équation de corrélation déterminée, les données de contexte comportant notamment la présence de pluie ou non et/ou son intensité, la température, le taux d’humidité, la vitesse du vent et/ou le point de rosée.
Le procédé peut comporter l’envoi d’informations de contextualisation vers une base de données, notamment interne ou externe, les informations de contextualisation comportant les données de contexte et/ou la combinaison de la donnée cartographique acquise après contextualisation et de l’équation de corrélation déterminée. De préférence, la méthode de détermination de l’équation polynomiale est choisie parmi l’interpolation polynomiale, notamment lagrangienne, et la régression polynomiale. En particulier, la régression polynomiale peut être réalisée par la méthode des moindres carrés, du maximum de vraisemblance, par inférence bayésienne, ou encore par des méthodes d’apprentissage automatique comme par exemple les machines à vecteurs de support (de l’anglais « support-vector machine » SVM).
De préférence, l’indice de corrélation est choisi parmi le coefficient de Bravais- Pearson, le coefficient rho de Spearman, le coefficient gamma de Goodman et Kruskal, ou encore le coefficient tau de Kendall.
La valeur de corrélation seuil peut dépendre de paramètres contextuels.
De préférence, la valeur de corrélation seuil dépend du type de données cartographiques. Par exemple, la valeur de corrélation seuil associée à des données cartographiques relatives à la température est différente de celle associée à des données cartographiques relatives au coefficient d’adhérence de la route.
La valeur de corrélation seuil peut dépendre du nombre de données cartographiques échantillonnées pour déterminer l ‘équation polynomiale de corrélation.
Ecartement d’une donnée manifestement erronée
Le procédé peut comporter pour chaque couple de donnée cartographique et grandeur représentative correspondante l’écartement d’une donnée manifestement erronée dans la détermination de l’équation polynomiale de corrélation ayant un indice de corrélation maximal avec les données et grandeurs représentatives prise pour rechercher l’équation.
De préférence, une donnée est considérée manifestement erronée si son index de corrélation est supérieur en valeur absolue à un seuil d’erreur prédéterminé et que les données cartographiques les plus proches présentent des index de corrélation inférieurs en valeur absolue à un seuil d’erreur prédéterminé.
L’écartement d’une donnée manifestement erronée permet d’obtenir une détermination plus précise et stable. Le au moins un capteur du véhicule peut être de type externe, et effectuer des mesures relatives à des paramètres physiques, des objets ou des infrastructures externes au véhicule.
Inversement, le au moins un capteur peut être de type interne et effectuer des mesures relatives à des paramètres physiques ou des objets internes au véhicule, notamment la pression des pneus, l’angle de rotation des roues ou encore la pression dans l’habitacle.
Le au moins un capteur est de préférence choisi parmi les odomètres, gyromètres, accéléromètres, thermocouples, RTDs, thermistances, baromètres, caméras, sonars, radars ou encore Lidars ou une combinaison de ces capteurs.
Actionneur
De préférence, l’ actionneur est configuré pour commander seul ou en combinaison avec d’autres actionneurs le comportement dynamique dudit véhicule, notamment en influant sur les freins, le moteur, la direction et/ou la vitesses des roues, en fonction au moins de la donnée de commande.
L’ actionneur peut être configuré pour contrôler le châssis, en particulier les suspensions, la motorisation en consigne de couple, en particulier du moteur thermique ou électrique, les moteurs des roues, les freins, ou encore les systèmes d'annulation du bruit à l'intérieur du véhicule (de l’anglais « active noise control » ou ANC).
Véhicule
L’invention a aussi pour objet un véhicule équipé d’au moins un capteur et d’un système de navigation permettant l’acquisition à un instant d’acquisition d’informations cartographiques avec leur position cartographique associée et la localisation du véhicule à l’instant d’acquisition, ledit véhicule comprenant en outre un produit programme d’ordinateur configuré pour que, lorsque le véhicule est en déplacement: localiser le véhicule et acquérir des informations cartographiques, effectuer une pluralité d’ acquisition par le système de navigation, à des instants d’acquisition différents, d’une donnée cartographique parmi les informations cartographiques et de la position cartographique associée à ladite donnée cartographique, les positions cartographiques acquises étant différentes entre elles, déterminer, pour chaque donnée cartographique acquise, une grandeur représentative de la donnée cartographique à partir d’au moins une mesure par le au moins un capteur à une localisation du véhicule calculée pour être sensiblement égale à la position cartographique associée à laquelle ladite donnée cartographique est acquise, déterminer, pour chaque donnée cartographique acquise, un différentiel pour chaque donnée cartographique entre les données cartographiques acquises et les grandeurs correspondantes déterminées par mesure et la comparaison des différentiels des données cartographiques successives, déterminer, à partir d’au moins une partie des données cartographiques acquises et des grandeur représentatives correspondantes déterminées, d’une équation polynomiale de corrélation entre la donnée cartographique et la grandeur représentative de la donnée cartographique d’un rang inférieur à un rang prédéfini et d’indice de corrélation maximal avec les données cartographiques acquises et les grandeurs représentatives correspondantes ayant servi à la détermination de l’équation polynomiale de corrélation, contextualisé la donnée cartographique à chaque acquisition par le système de navigation en fonction de l’équation de corrélation déterminée et générer des données cartographiques contextualisées si l’indice de corrélation est supérieur à une valeur de corrélation seuil prédéterminée.
Les caractéristiques décrites précédemment en lien avec le procédé s’appliquent également seules ou en combinaison au véhicule ci-dessus.
Brève description des dessins
L’invention pourra être mieux comprise à la lecture de la description détaillée qui va suivre, d’exemples de réalisation non limitatifs de celle-ci, et à l’examen du dessin annexé, sur lequel :
[Fig 1] La figure 1 illustre, de manière schématique et partielle, un exemple d’équipement d’un véhicule adapté à mettre en œuvre le procédé selon l’invention.
[Fig 2] La figure 2 est un schéma illustrant des étapes d’acquisition de données cartographiques et de mesures de grandeurs représentatives correspondantes selon l’invention.
[Fig 3] La figure 3 est un schéma en blocs illustrant des étapes d’un exemple de procédé de contextualisation de données cartographiques selon l’invention. [Fig 4] La figure 4 illustre de manière schématique et partielle différents échantillons de données cartographiques et mesures de grandeurs correspondantes selon l’invention.
Description détaillée
On a illustré à la figure 1 un exemple de véhicule automobile 1 en vue de dessus disposant d’un équipement adapté à la mise en œuvre du procédé selon l’invention.
Le véhicule 1 peut être thermique, par exemple de type essence, diesel, gaz, hydrogène, ou hybride, ou encore électrique.
Le véhicule 1 peut comprendre différents capteurs 3.
Le véhicule 1 est aussi équipé d’un calculateur 5, qui reçoit des données des différents capteurs 3.
Le calculateur 5 comprend un ou plusieurs processeurs exécutant un ou plusieurs programmes permettant l’implémentation du procédé selon l’invention.
Le calculateur 5 peut être composé par tout ou partie d’un système informatique embarqué comportant par exemple, outre le ou les processeurs précités, au moins une mémoire RAM, au moins une mémoire ROM utilisée pour sauvegarder les applications du véhicule 1, un ou plusieurs convertisseurs numérique-analogique éventuels ainsi qu’une ou plusieurs interfaces d’entrée/sortie utilisées pour dialoguer avec les différents capteurs 3.
Le calculateur 5 peut accéder à une mémoire embarquée stockant une pluralité de données cartographiques, ainsi que des données mesurées par les capteurs 3.
Le calculateur 5 peut être reliée à tout type d’interface permettant de présenter des informations à l’utilisateur du véhicule 1.
Le véhicule 1 comprend en outre un système de navigation et de localisation 7, de préférence à récepteur GNSS, par exemple de type GPS, permettant notamment au conducteur d’entrer un itinéraire pour le véhicule 1 et/ou à ce dernier de connaître sa position en temps réel.
Le véhicule 1 peut est configuré pour avoir accès à un serveur distant par l’intermédiaire d’un moyen de communication de tout type, par exemple de type réseau 4G ou 5G ou autre.
Le serveur distant peut comprendre une pluralité d’informations cartographiques. Le serveur est accessible par un ensemble de plusieurs véhicules 1 selon l’invention, la connexion de chacun des véhicules 1 au serveur pouvant s’effectuer via un protocole présentant un certain niveau de sécurité. Le niveau de sécurité peut être suffisant pour l’utilisation des informations cartographiques dans certains domaines.
Les informations cartographiques acquise par le système de navigation correspondent à des enregistrements effectués préalablement et enregistré sur une base de données externes. Ces enregistrements ont été effectué dans un contexte, notamment extérieure, en particulier des conditions météorologiques, particulières que ne sont pas forcément celle du véhicule qui acquiert les informations. Il peut donc être nécessaire de modifier les informations cartographiques qui peuvent l’être pour les adapter au contexte particulier et ainsi pouvoir les utiliser dans le véhicule, notamment pour la commande du véhicule sur les secteurs châssis et powertrain qui nécessitent des données les plus exactes possibles. La présente invention a pour objet le procédé de contextualisation des données cartographiques représenté à la figure 3.
Dans l’exemple considéré, les données cartographiques à contextualiser sont considérées fiables. Elles peuvent être par exemple relatives au coefficient de rugosité de la route, mais le procédé est généralisable à d’autres types de données, comme le coefficient d’adhérence de la route, la pente de la route, la température ou pression extérieure, la courbure d’un virage, ou à tout autre type de données cartographiques et mesurables directement ou indirectement par un ou plusieurs capteurs 3 du véhicule 1.
Une pluralité d’acquisitions de données cartographiques à contextualiser, ici de coefficient de rugosité de la route, est réalisée par le système de navigation 7 lors d’une première étape 40.
Sur la figure 3, u instants d’acquisition d’une donnée cartographique à contextualiser ki, k2, ... ku successifs sont représentés par Tl, T2 ... Tu. L’échantillonnage de l’acquisition des valeurs de coefficient de rugosité de la route est ainsi réalisé sur u acquisitions.
Pour chaque valeur de coefficient de rugosité de la route acquise ki, kz, ... ku, une mesure d’une grandeur représentative vi, V2, ...vu est réalisée par le capteur 3 du véhicule 1, dans ce cas un capteur 3 situé au niveau des roues dudit véhicule 1. Les mesures de coefficient de rugosité de la route sont réalisées à u instants différents à des localisations sensiblement identiques à la position cartographique associée à chaque donnée cartographique.
La figure 2 illustre de manière schématique un véhicule 1 se déplaçant de gauche à droite le long d’une route représentée par un premier axe 36 et l’acquisition des données cartographiques et la détermination de la grandeur représentative correspondante.
Le premier axe 36 illustre le fonctionnement du système de navigation 7, en particulier les différents instants et positions d’acquisition des données cartographiques relatives au coefficient d’adhérence de la route, ainsi que les positions cartographiques desdites données.
Un deuxième axe 38 équivalent est représenté en dessous du premier axe 36, illustrant le fonctionnement du ou des capteurs 3 de mesure pour déterminer les grandeurs représentatives correspondantes, en particulier les différentes positions et instants de mesures par le capteur 3 du véhicule 1 de la grandeur représentative du coefficient d’adhérence de la route.
Le véhicule 1 acquiert à la position Pvn une valeur de coefficient d’adhérence de la route géolocalisé à une position cartographique Pdn située devant lui.
Un calcul est effectué, notamment à partir de la localisation du véhicule 1, de sa vitesse et de sa distance relative au point Pdn, afin de de déterminer un instant de mesure Tn’ où le véhicule 1 atteindra un point Pvn’ correspondant sensiblement à la position Pdn acquise. Cette détermination du point de mesure par le ou les capteurs 3 pour déterminer la grandeur représentative peut prendre en compte la vitesse du véhicule 1 à l’instant d’acquisition Tn et peut affiner la détermination avec la vitesse du véhicule 1 entre l’instant Tn et la mesure.
De manière analogue, une nouvelle donnée de coefficient d’adhérence de la route est acquise à l’instant Tn+i à la position Pvn+i, la donnée étant localisée à une position Pdn+i et la mesure étant effectuée à un instant Tn+i’ lorsque le véhicule 1 aura atteint une position Pvn+i’ correspondant sensiblement à la position Pdn+i acquise.
La distance rn séparant le point d’acquisition de la donnée Pvn et la localisation de la donnée cartographique à la position Pdn est de préférence inférieure à une distance seuil r seuil prédéfinie. De manière analogue, la distance rn+i est inférieure à rseuii- Elles peuvent être identiques. En effet, la donnée cartographique acquise pour la détermination ou mise à jour de la confiance peut être à une distance du véhicule 1 constante à l’instant d’acquisition. En variante, ces distances ne sont pas identiques. Elles peuvent notamment dépendre de la survenue d’un évènement correspondant à la donnée cartographique.
La distance rn+i’ entre la position cartographique acquise et la localisation du véhicule 1 à l’instant d’acquisition suivant est de préférence supérieure ou égale à 0.
En particulier, dans le cas où rn+i’ = 0, la mesure de la grandeur représentative de la valeur du coefficient d’adhérence relative à la donnée géolocalisée à Pdn est réalisée sensiblement au même moment que l’acquisition de la donnée géolocalisée à Pdn+i.
En variante, la mesure de la grandeur représentative de la valeur du coefficient d’adhérence relative à la donnée géolocalisée à Pdn est réalisée après l’acquisition de la donnée géolocalisée à Pdn+i. Dans ce cas, le point Pdn est de préférence situé après Pvn+i et avant Pdn+i.
Le procédé comporte ensuite une étape 44 de détermination de différentiels entre chaque valeur de coefficient de rugosité acquise ki, k2, ... ku et les grandeurs représentatives correspondantes vi, V2, ...vu.
Lors de l’étape 46, une équation de corrélation polynomiale de rang 1 avec un indice de corrélation maximal Ir est déterminé à partir des différentiels déterminés à l’étape 44 précédente et des valeurs de coefficient de rugosité de la route acquises à l’étape 40 et/ou des grandeurs représentatives correspondantes vi, V2, ...vu.
La détermination de l’indice de corrélation maximal Ir et du modèle de corrélation associée peut par exemple être réalisée par la méthode des moindres carrés.
Une telle équation polynomiale de corrélation fournit une approximation des données de coefficient de rugosité par les valeurs mesurées directement par le capteur 3. Ainsi pour une valeur v de coefficient de rugosité de la route mesurée par le capteur 3 du véhicule 1, la valeur de la donnée cartographique acquise k est estimée par une équation polynomiale de rang 1, par exemple ici de la forme k = c'v + b', c' étant un coefficient de proportionnalité et b’ étant une constante représentant un écart fixe.
La figure 4 illustre trois exemples de corrélations observées entre des données cartographiques, par exemple de coefficient d’adhérence, et des grandeurs représentatives mesurées par un capteur 3 du véhicule 1. Les graphiques illustrent en ordonnée la valeur du coefficient d’adhérence et en abscisse la position du véhicule 1 correspondant à la donnée (la position cartographique pour la donnée cartographique et la localisation du véhicule 1 au moment de la détermination de la grandeur représentative). Dans ces trois exemples, sept valeurs de données cartographiques acquises sont représentées conjointement avec les sept valeurs de grandeurs représentatives mesurées par le capteur 3 du véhicule 1.
Les données cartographiques acquises sont représentées sur la courbe en trait pointillé, et les mesures de grandeurs représentatives sur la courbe en trait plein.
Le graphique de la figure 4a) montre un écart constant b entre les données cartographiques acquises et les mesures de grandeurs représentatives correspondantes. L’équation polynomiale déterminée est ainsi de degré 1 et de type y=x+b.
Le graphique de la figure 4b) montre un écart proportionnel de coefficient de proportionnalité c entre les données cartographiques acquises et les mesures de grandeurs représentatives correspondantes. L’équation polynomiale déterminée est ainsi de degré 1 et de type y=cx.
Pour ces deux premiers cas, il existe une équation polynomiale de rang 1 présentant une très bonne corrélation avec les données cartographiques et grandeurs représentatives et donc une bonne confiance dans les données cartographiques.
Le graphique de la figure 4c) montre un échantillon de données cartographiques acquises et de mesures de grandeurs représentatives correspondantes sans équation polynomiale de rang 1 avec un bon indice de corrélation Ir déterminable, notamment avec un indice de corrélation Ir supérieur à une valeur de corrélation seuil Irs.
L’indice de corrélation Ir est comparé à un indice de corrélation seuil Irs à l’étape 48.
Dans un premier scénario, l’indice de corrélation Ir déterminé est supérieur à l’indice de corrélation seuil Irs. Les données cartographiques représentant le coefficient de rugosité de la route peuvent alors être contextualisées avec l’équation polynomiale de corrélation déterminée lors d’une étape 50.
L’étape 50 peut également comprendre la génération d’une donnée de commande du véhicule 1, notamment à un actionneur du véhicule 1, en fonction de données contextualisées de coefficients de rugosité de la route corrigées relatives à des positions situées devant le véhicule 1, pour lesquelles une mesure d’une grandeur représentative par le capteur 3 des roues n’a pas encore été effectuée. Lesdites données peuvent par exemple informer d’une augmentation ou diminution du coefficient de rugosité de la route.
Enfin, le procédé se termine par une étape de commande 52 durant laquelle le véhicule 1 est commandé à partir de la donnée de commande, par exemple l’actionneur influe sur le comportement dynamique du véhicule 1 de manière anticipée, par exemple ici sur les freins du véhicule 1 sur la base de la contextualisation des données considérée fiables, informant de la baisse ou de l’augmentation du coefficient de rugosité de la route.
Le procédé peut comporter l’enregistrement ou l’envoi de données contextualisées à un serveur distant quand l’indice de confiance Ic et l’indice de corrélation Ir sont respectivement supérieurs à une valeur de confiance seuil et à une valeur de corrélation seuil. Le procédé peut également comporter l’enregistrement de données de contextes issues de données du véhicule 1 ou de l’extérieur du véhicule 1, par exemple la température, l’humidité, le vent, la pluie ou le verglas. Ces données peuvent être transmises avec les données cartographiques contextualisées pour enregistrer le contexte d’acquisition desdites données.
Dans l’exemple considéré, l’indice de corrélation Ir est évalué de manière périodique selon une fréquence de mise à jour prédéterminée, en se basant sur un nouvel échantillonnage de données cartographiques acquises à des instants ultérieurs. La confiance au modèle de corrélation desdites données est ainsi amenée à évoluer dans le temps. En variante, la mise à jour de l’indice de corrélation Ir peut être effectuée de manière non périodique, notamment lorsqu’un décorrélation avec le modèle est déterminée.
Le procédé peut comporter pour toute donnée ultérieure à l’acquisition d’une équation polynomiale de corrélation, la détermination d’un index de corrélation entre la donnée cartographique acquise, la grandeur caractéristique déterminée correspondante et l’équation polynomiale. Un tel index peut être déterminé en fonction d’un différentiel entre la donnée cartographique contextualisée sur la base de l’équation polynomiale de corrélation et la grandeur caractéristique déterminée correspondante.
Le procédé peut comporter l’écartement d’une donnée cartographique dont l’index de corrélation est en deçà d’un seuil prédéterminé et/ou pour laquelle une commande moins sécuritaire dans le contrôle du véhicule 1 est effectuée si elle est prise en compte. Le procédé peut comporter la détermination d’une nouvelle équation polynomiale de corrélation lorsqu’une pluralité de données cartographiques successives en une quantité préétablie sont décorrélées avec l’équation déterminée, c’est-à-dire présente un index caractéristique d’une décorrélation, notamment en deçà d’un seuil prédéterminé. En variante, l’acquisition de données cartographiques peut être effectuée par groupe (ou « batchs »). Par exemple, un nombre prédéfini de données cartographiques peut être acquis simultanément à chaque acquisition.

Claims

Revendications
1. Procédé de contextualisation des données cartographiques mis en œuvre par un véhicule (1) en déplacement comportant au moins un capteur (3) et un système de navigation (7), le système de navigation (7) étant configuré pour acquérir de l’extérieur, à un instant d’acquisition, la localisation du véhicule (1) à l’instant d’acquisition et des informations cartographiques avec leurs positions cartographiques associées, le procédé comportant :
- une pluralité d’acquisitions (20, 40) par le système de navigation (7), à des instants d’acquisition différents (T i, ... Tn), d’une donnée cartographique (ai,... an) parmi les informations cartographiques avec la position cartographique (Pdi, ... Pdn) associée à ladite donnée cartographique (ai,... an), les positions cartographiques (Pdi, ... Pdn) associées audites données cartographiques acquises (ai,... an) étant géographiquement différentes entre elles,
- La détermination (40), pour chaque donnée cartographique acquise (ai,. .. an), d’une grandeur représentative (mi, ... mn) de la donnée cartographique déterminée à partir d’au moins une mesure (mi, ... mn) par le au moins un capteur (3) à une localisation (Pvi’, ... Pvn’) du véhicule (1) sensiblement égale à la position cartographique (Pdi, ... Pdn) associée à ladite donnée cartographique acquise (ai,... an),
- La détermination (46), à partir d’au moins une partie des données cartographiques acquises (ai,... an) et des grandeur représentatives (nu, . .. mn) correspondantes déterminées, d’une équation polynomiale de corrélation entre la donnée cartographique (ai,... an) et la grandeur représentative (mi, ... mn) de la donnée cartographique d’un rang inférieur à un rang prédéfini et d’indice de corrélation maximal Ir avec les données cartographiques acquises (ai,... an) et les grandeurs représentatives (mi, ... mn) correspondantes ayant servi à la détermination de l’équation polynomiale de corrélation (46),
- La contextualisation automatique (50) de la donnée cartographique à chaque acquisition par le système de navigation (7) en fonction de l’équation de corrélation déterminée pour générer des données cartographiques contextualisées si l’indice de corrélation Ir est supérieur à une valeur de corrélation seuil prédéterminée Irs (48).
2. Procédé selon l'une quelconque des revendications précédentes, dans lequel les acquisitions de la donnée cartographique sont successives et échantillonnée dans le temps ou sur le positionnement du véhicule (1) sur son trajet à une fréquence d’échantillonnage prédéterminée identique ou différente de la fréquence d’acquisition des informations cartographiques, notamment à une fréquence d’acquisition correspondant à une acquisition de la donnée cartographique toutes les N acquisitions d’informations cartographiques par le système de navigation (7), N étant un entier.
3. Procédé selon l'une quelconque des revendications précédentes, dans lequel les positions cartographiques acquises (Pdi, ... Pdn) sont à une distance et/ou un temps de déplacement par rapport au véhicule (1) non nul à l’instant d’acquisition (Ti, ... Tn) correspondant, notamment la distance, en particulier le long du chemin le plus probable, entre les positions cartographiques acquises (Pdi, ... Pdn) et les localisations du véhicule (1) à l’instant d’acquisition (Pvi, ... Pvn) correspondant est sensiblement constante.
4. Procédé selon l'une quelconque des revendications précédentes, dans lequel la détermination de l’équation de corrélation (46) se fait à un instant d’évaluation et prend en compte au moins la donnée cartographique acquise (ai, ... an) à l’instant d’acquisition (Ti, ... Tn) en amont dans le temps le plus proche de l’instant d’évaluation.
5. Procédé selon l’une quelconque des revendications précédentes, dans lequel les positions cartographiques acquises sont à une distance non nulle, notamment sensiblement constante, de la localisation du véhicule (1) à l’instant d’acquisition correspondant.
6. Procédé selon l'une quelconque des revendications précédentes, dans lequel la détermination de la grandeur représentative (mi, ... mn) pour chaque donnée cartographique acquise (ai,... an) comporte la détermination, en fonction de la vitesse du véhicule (1) à l’instant d’acquisition (Ti, ... Tn), de l’instant de mesure (Ti', . .. Tn’) pour que la localisation (Pvi’, ... Pvn’) du véhicule (1) à l’instant de mesure soit sensiblement égale à la position cartographique (Pdi, ... Pdn) associée à la donnée cartographique, l’instant de mesure (Tf, ... Tn’) étant notamment déterminé au moins à partir de la distance sur le chemin le plus probable entre le véhicule (1) à l’instant d’acquisition (Ti, ... Tn) et la position cartographique (Pdi, ... Pdn) associée à la donnée cartographique acquise à l’instant d’acquisition (Ti, ... Tn) et la vitesse du véhicule (1) à l’instant d’acquisition (Ti,
... Tn) ou en intégrant les variations de vitesse éventuelles du véhicule (1) entre l’instant d’acquisition (Ti, ... Tn) et l’instant de mesure (Ti', . .. Tn’) pour améliorer ladite détermination.
7. Procédé selon l'une quelconque des revendications précédentes, dans lequel la donnée cartographique (ai,... an) est choisie parmi les informations comportant une valeur numérique, de préférence sensiblement continue sur un trajet, notamment la courbure d’un virage comportant par exemple une valeur d’angle de courbure local de la route, la pente d’une route comportant une valeur d’angle d’inclinaison local de la route, le coefficient d’adhérence de la route comportant une valeur du coefficient d’adhérence local de la route, le coefficient de rugosité de la route comportant une valeur du coefficient de rugosité local de la route, le type de route, des informations localisées sur le gabarit maximal du véhicule ou la masse maximale du véhicule autorisée sur une route.
8. Procédé selon l'une quelconque des revendications précédentes, dans lequel l’équation polynomiale de corrélation déterminée (46) est de rang 1, c’est-à-dire est une proportionnalité entre la donnée cartographique (ai, ... an) et la grandeur représentative (mi, ... mn) de ladite données cartographique et/ou un décalage constant entre la donnée cartographique (ai, ... an) et la grandeur représentative (mi, ... mn) de ladite donnée cartographique.
9. Procédé selon l'une quelconque des revendications précédentes, comportant la détermination de différentiels (44) correspondant chacun à une différence entre la donnée cartographique acquise (ai,... an) et la grandeur représentative correspondante (mi, ... mn) et la comparaison entre eux des différentiels (44) des données cartographiques de détermination de l’équation polynomiale de corrélation (46), la comparaison des différentiels (44) comportant la détermination de l’équation polynomiale de corrélation (46).
10. Procédé selon la revendication 9, dans lequel la détermination de l’indice de corrélation Ir (46) est effectuée à un instant de corrélation par comparaison d’au moins une partie des différentiels, mieux tous les différentiels, correspondant à au moins une partie des données cartographiques acquises (ai,... an) en amont de l’instant de corrélation sur une fenêtre de temps d’une durée d’acquisition prédéterminée se terminant à l’instant de corrélation ou correspondant à un nombre prédéterminé d’acquisition de données cartographiques successives en remontant dans le temps à partir de l’instant de corrélation
11. Procédé selon l'une quelconque des revendications précédentes, comportant la détermination d’un écart entre un index de corrélation associé à la ou chaque donnée cartographique acquise postérieurement à la détermination de l’équation polynomiale de corrélation (46) correspondant à la corrélation de la ou chaque donnée cartographique acquise postérieurement à la détermination de l’équation polynomiale de corrélation et de la grandeur représentative correspondante avec l’équation polynomiale de corrélation, l’index étant notamment déterminé par calcul de l’écart entre la donnée cartographique contextualisée et la grandeur représentative correspondante.
12. Procédé selon l'une quelconque des revendications précédentes, comportant la détermination d’une nouvelle équation polynomiale de corrélation si l’indice de corrélation Ir est inférieur à la valeur seuil de corrélation Irs sur une durée supérieure à une durée de prédéterminée, notamment à la durée d’acquisition, ou sur un nombre d’acquisition successives supérieur à un nombre prédéterminée ou si les index de corrélation des données cartographiques acquises sur une durée supérieure à la durée prédéterminée, notamment à la durée d’acquisition, ou sur un nombre d’acquisition successives supérieur à au nombre prédéterminé sont tous inférieurs à une valeur d’index seuil.
13. Procédé selon l'une quelconque des revendications précédentes, comportant, tant que l’indice de corrélation Ir est supérieur à la valeur de corrélation seuil 1rs ou que les index de corrélation des données cartographiques acquises sont supérieurs à une valeur d’index seuil, l’utilisation des données cartographiques contextualisées, notamment par enrichissement d’une base de données à l’aide de ces données cartographiques ou génération d’une donnée de commande au moins en fonction de la donnée cartographique contextualisée, la donnée de commande étant notamment une donnée d’entrée d’un dispositif d’information utilisateur ou d’un actionneur du véhicule (1).
14. Procédé selon l’une quelconque des revendications précédentes, comportant la détermination de données de contexte à partir d’un ou plusieurs capteurs (3) du véhicule (1) ou de données externes et l’association des données de contexte à la donnée cartographique contextualisée et/ou à l’équation de corrélation déterminée (46), les données de contexte comportant notamment la présence de pluie ou non et/ou son intensité, la température, le taux d’humidité, la vitesse du vent et/ou le point de rosée.
15. Procédé selon la revendication précédente, comportant l’envoi d’informations de contextualisation vers une base de données, notamment interne ou externe, les informations de contextualisation comportant les données de contexte et un ou la combinaison de la donnée cartographique contextualisée et de l’équation de corrélation déterminée.
PCT/EP2024/086567 2023-12-28 2024-12-16 Procédé de contextualisation des données cartographiques Pending WO2025140878A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2315443A FR3157928A1 (fr) 2023-12-28 2023-12-28 Procédé de contextualisation des données cartographiques
FRFR2315443 2023-12-28

Publications (1)

Publication Number Publication Date
WO2025140878A1 true WO2025140878A1 (fr) 2025-07-03

Family

ID=91334712

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/086567 Pending WO2025140878A1 (fr) 2023-12-28 2024-12-16 Procédé de contextualisation des données cartographiques

Country Status (2)

Country Link
FR (1) FR3157928A1 (fr)
WO (1) WO2025140878A1 (fr)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241354A1 (en) * 2007-11-02 2010-09-23 Continental Teves Ag & Co. Ohg Verification of digital maps
DE102015217371A1 (de) * 2015-09-11 2017-03-16 Continental Automotive Gmbh Verfahren zum automatisierten Fahren mit Nutzung von Kartendaten
US20190063928A1 (en) * 2015-10-22 2019-02-28 Robert Bosch Gmbh Method and device for evaluating the contents of a map
EP3460403A1 (fr) * 2017-09-26 2019-03-27 LG Electronics Inc. Procédé pour commander le système de fonctionnement d'un véhicule
FR3120692A1 (fr) * 2021-03-15 2022-09-16 Psa Automobiles Sa Procédé et dispositif de détermination d’une fiabilité d’une cartographie base définition.

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100241354A1 (en) * 2007-11-02 2010-09-23 Continental Teves Ag & Co. Ohg Verification of digital maps
DE102015217371A1 (de) * 2015-09-11 2017-03-16 Continental Automotive Gmbh Verfahren zum automatisierten Fahren mit Nutzung von Kartendaten
US20190063928A1 (en) * 2015-10-22 2019-02-28 Robert Bosch Gmbh Method and device for evaluating the contents of a map
EP3460403A1 (fr) * 2017-09-26 2019-03-27 LG Electronics Inc. Procédé pour commander le système de fonctionnement d'un véhicule
FR3120692A1 (fr) * 2021-03-15 2022-09-16 Psa Automobiles Sa Procédé et dispositif de détermination d’une fiabilité d’une cartographie base définition.

Also Published As

Publication number Publication date
FR3157928A1 (fr) 2025-07-04

Similar Documents

Publication Publication Date Title
EP3894297B1 (fr) Procédé de caractérisation de virages pour l'avertissement de conducteurs
EP2541199B1 (fr) Engin spatial muni d'un dispositif d'estimation de son vecteur vitesse par rapport à un référentiel inertiel et procédé d'estimation correspondant
EP3760506B1 (fr) Procede de caracterisation de l'etat d'une route
EP3049762B1 (fr) Procédé de calcul de la vitesse surface d'au moins un navire et procédé de déduction de chaque vecteur dérive en tout point de la trajectoire dudit navire
WO2019197781A1 (fr) Apprentissage automatique prédictif pour la prédiction d'une vitesse future d'un véhicule automobile en mouvement sur une route
WO2020048770A1 (fr) Prédiction d'un paramètre de recalage cartographique par apprentissage profond
EP2804016B1 (fr) Procédé amélioré de détermination de la position et/ou de la vitesse d'un véhicule guidé ; système associé
WO2020201243A1 (fr) Procédé de mise à jour d'une carte routière à partir d'un réseau de contributeurs
WO2025140878A1 (fr) Procédé de contextualisation des données cartographiques
EP3472015B1 (fr) Procédé de détermination d'une classe de conduite de référence
WO2025140877A1 (fr) Procédé d'évaluation sécurisée de données cartographiques
FR2994258A1 (fr) Procede de compensation d'un signal de capteur d'un vehicule et systeme d'informations appliquant un tel procede
FR3106665A1 (fr) Procédé et dispositif de localisation d’un véhicule
WO2019063566A1 (fr) Procédé de détermination de la fréquence et de la phase instantanées d'un signal périodique
FR3106886A1 (fr) Détermination d’informations d’aide à la navigation sur un réseau routier
EP4308880B1 (fr) Procede et dispositif de determination d'une fiabilite d'une cartographie basse definition.
EP0389318B1 (fr) Procédé d'aide à la navigation et navigateur terrestre perfectionné
FR3120693A1 (fr) Procédé, dispositif et programme d’ordinateur d’estimation d’une vitesse d’un véhicule à roue
FR3102879A1 (fr) Système et procédé de gestion de la position d’un véhicule autonome.
FR3116252A1 (fr) Système et procédé de contrôle adapté à la perception
FR3087732A1 (fr) Procede et dispositif de determination d’un changement de voie d’un vehicule
EP4574550A1 (fr) Procédé de gestion du réapprovisionnement en source d'énergie d'un véhicule automobile
FR3033912A1 (fr) Procede d'estimation de parametres geometriques representatifs de la forme d'une route, systeme d'estimation de tels parametres et vehicule automobile equipe d'un tel systeme
EP4290493A1 (fr) Procédé d'obtention d'une donnée représentative d'un risque de survenance d'un accident de la route, dispositif, système et programmes d'ordinateurs correspondants
EP4359278A1 (fr) Procede d'optimisation du contrôle dynamique du châssis d'un vehicule

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24834646

Country of ref document: EP

Kind code of ref document: A1