用于检测在移动单元的交通环境下的地面标志的方法和系统与流程

本发明涉及一种用于检测在移动单元、尤其是车辆的交通环境下的地面标志的方法和系统。

背景技术：

对于自动驾驶功能在现代车辆中越来越多的集成来说，对车辆的精确的定位是重要的前提。在此，大约精确到几米地知道车辆的位置并不足够，而是更小的偏差、比如沿着车道的宽度的更小的偏差已经可能对行驶有显著影响。

为了能够实现对车辆的足够精确并且可靠的定位，比如谋求基于地面标志的定位的方案。

在de102004003850a1中描述的用于识别机动车道上的标线的方法中，通过激光扫描仪按时间顺序对检测范围的距离图像进行检测并且估计所识别出的标线的距离。通过识别机动车道上的直线来对标线进行标识。

de102007020791a提出了一种车道标线识别装置，其中从激光雷达（lidar）仪器的数据中提取中间线和机动车道宽度。在此，应用参数跟踪。

尽管如此，还存在对用于检测地面标志的方法的需求，这些方法可以节省资源地、快速地并且鲁棒地来运行。本发明的任务是提供这种方法和系统。

技术实现要素：

按照本发明，该任务通过具有权利要求1的特征的方法和具有权利要求14的特征的系统来解决。有利的设计方案和扩展方案从从属权利要求中得到。

在按照本发明的用于检测在移动单元的交通环境下的地面标志的方法中，通过激光扫描仪来检测数据组，其中这些数据组包括数据点。确定数目个数据组的数据点作为初始数据来存储，而且依据这些初始数据，借助于分段来确定区段，其中数据点分别被分配给这些区段。对于所确定的区段中的每个区段来说，借助于主成分分析来确定相应的区段的地面标志参数。依据分别针对这些区段所确定的地面标志参数，给这些区段分配对象类别。确定地面标志观测，其中每个地面标志观测都分配有地面标志参数和对象类别，而且输出这些地面标志观测。

由此，可以有利地执行对地面标志的特别简单的并且快速的检测。该检测尤其可以在移动单元、比如车辆的定位的框架内进行。

按照本发明的方法尤其是基于矢量地进行工作，也就是说，没有进行对空间的全面的位置分辨的制图，如这在基于点或网的方法中规定的那样，而是各个对象被探测、被参数化并且依据该参数化被存储。由此，有利地，该方法可以快速地并且对存储器和计算能力的需求比较小地来运行，这尤其是在移动单元中、比如在车辆中是有利的。

在狭义上，术语“position（位置）”包括点在坐标系中的坐标，其中可以考虑相对于移动单元的坐标系或者全局坐标系。不过，在广义上，术语“位置”也应该包括通常落入到术语“pose（姿态）”下的特征，尤其是移动单元在坐标系中沿某一方向的取向。在下文，为了简化图示而谈到“位置”，其中不应该排除“姿态”的其它特征。

尤其是界标和地形对象被理解为就本发明而言的“地面标志”，这些界标和地形对象能重新识别出并且能分类以及适合于构造空间区域，或相对于这些界标和地形对象可以限定就本发明而言的位置。尤其是如下这种对象能被分类，这些对象可以作为几何形状来成像和参数化，比如依据它们的形状、位置、面积、长度和宽度作为几何形状来成像和参数化。属于地面标志的尤其是交通基础设施的要素，例如机动车道标线、交通指示牌、照明设施、桥梁或其它交通建筑物。还属于地面标志的是：其它建筑物、比如房屋；以及植物、比如树；和地形特征、比如地面升高。地面标志还应该能重新识别，也就是说，其外观及其其它特性应该在确定的时长期间基本上保持恒定，尤其是使得在足够长的时间间隔内依据地面标志的可重新识别性是可能的，以便必要时可以借助于更新功能来考虑变化。

按照本发明，尤其是检测道路基础设施的在语义上可解释的要素，作为地面标志。这些地面标志还可以根据它们的几何形状以及按照处理和检测的可能性来分组。尤其可以在尤其可借助于激光雷达探测的基于点的地面标志（比如桩、标志柱和柱子），尤其可借助于激光雷达或摄像机探测的基于线的地面标志（比如虚线、箭头和停车线）以及基于多段线的地面标志（比如实线）之间进行区分，所述基于多段线的地面标志可以被表示为延伸线而且为了探测所述延伸线而尤其可以使用摄像机。

为了表征地面标志观测，产生状态矢量，其中寄存在该状态矢量中的数据根据地面标志的类型而有所不同：基于点的地面标志观测的状态矢量包括在车辆坐标系中的位置、不确定性和在全局坐标系中的绝对位置。在此，点作为三元组来说明。还限定了直径和高度，而且存储观测的时间戳以及进行观测的传感器的标识。还设置用于某个地面标志的概率值和标识的字段，这些字段在该方法的进一步的过程中被用于进一步处理。针对基于线的地面标志观测的状态矢量或基于多段线的地面标志观测的状态矢量，设置两个或更多个位置以及相对应地多个不确定性和绝对位置以及经调整的参数、如（多段）线的宽度和长度。

替选地或附加地，可以设置对地面标志观测的其它参数化，尤其是可以针对其它类型的地面标志设置对地面标志观测的其它参数化。

就本发明而言移动单元的“交通环境”包括移动单元的位置的空间环境，尤其是关于对于在该环境下的交通来说相关的特性方面的空间环境。按照本发明，尤其可以考虑交通成员的环境、比如在机动车道上的交通成员的环境。在此，空间区域基本上通过如下方式来确定：在该环境下可以以怎样的作用距离来检测数据以及在怎样的环境下可以使用地面标志来定位移动单元。

“对交通环境的描述”尤其包括关于在交通环境下的地面标志的信息。在此，可以包括地面标志的位置和表征性特性。

在该方法的第一步骤中对数据组的检测以本身公知的方式通过激光扫描仪来实现。所检测到的数据组尤其包括激光扫描仪的单次扫描，其中通过转动光线并且探测被反射的光，可以在某个检测范围内检测在交通环境下的点方面的参数，如距离和反射特性。在此，数据点对应于各次测量，尤其是在相对于激光扫描仪的角度不同的情况下的各次测量。

在按照本发明的方法的一个构造方案中，通过激光扫描仪周期性地执行对数据组的检测。此外，该方法周期性地被实施。由此，有利地，可以不断地提供当前的数据，以便可以在任意的时间点尽可能精确地检测在交通环境下的地面标志。在对所检测到的地面标志的进一步处理的情况下，可以依据当前的数据来不断地精确和跟踪基于地面标志的定位。

在其它实施方式中，也可以以其它方式、比如不同步地进行检测。

还可以规定：由其它传感器来检测数据。尤其可以检测涉及移动单元、尤其是车辆的运动的数据。例如可以检测车辆的速度和加速度以及运动方向和转向偏角。

还可以规定：由其它装置来检测数据，其中尤其可以使用以数据技术方式的连接。例如，可能存在移动单元与其它单元的以数据技术方式的连接，所检测到的数据可以被这些其它单元使用。在此，可以以不同的、本身公知的方式建立以数据技术方式的连接，而且可以以同样公知的方式来传输数据，其中比如可以使用用于从远程单元调用某些数据的方法。例如，由其它车辆检测到的数据可以被传输给车辆，或者可以以类似的方式使用其它装置。

在另一构造方案中，对所检测到的数据组的数据点进行过滤，其中仅仅考虑分配有在机动车道表面上的位置的数据点。在此，有利地，使用对由激光扫描仪检测到的数据点的分类，该分类在激光扫描仪可用的情况下自动地生成。

这样，尤其可以对所检测到的原始数据进行合理地过滤。例如，所检测到的地面标志可以限于机动车道的特征、比如机动车道标线，所述机动车道地面标志尤其对于车辆的定位来说是特别重要的地面标志。

在第二步骤中，将所检测到的数据组成初始数据，用于进一步处理。这里，尤其是在特殊情况下使用单个的数据组。还可以执行累积。在此，根据所检测到的数据组的特性、比如单个数据组的数据点的数目，也得出确定数目个数据点和/或数据组适合于进一步处理以及需要累积。在此，初始数据可以根据本身公知的方式存储在环形存储器中，其中分别最后被检测到的数据被存储，而存在最久的数据被删除。以这种方式可以存储某个迅速过去的时间间隔的数据。

在另一步骤中，基于输出数据来进行分段。在此，将可能属于地面标志的数据点组成“区段”。因此，对于每个可能的地面标志来说，针对所属的数据点限定初始数据的子集。

在一个扩展方案中，借助于欧氏聚类提取算法（euclideanclusterextractionalgorithm）来执行分段，其中其相互间的距离小于预先确定的阈值的数据点分别被分配给一个区段。有利地，这允许简单地并且快速地确定分段。

替选于此或除此之外，可以使用其它算法，比如随机抽样一致算法（ransac），其中可以实施不同的分段方法。

紧接着，借助于主成分分析（principalcomponentanalysis，pca）来对区段进行分析。在此，针对每个区段来确定参数并且将参数存储为“地面标志参数”。地面标志参数尤其适合于尽可能全面地限定区段。例如，可以确定描述区段的数据点的分布的几何形状。

在一个扩展方案中，用于确定每个区段的地面标志参数的主成分分析包括确定该区段的椭圆逼近。在此，有利地，椭圆逼近的几何形状允许简单地并且精度高地逼近多个其它几何形状。

在此，椭圆逼近的参数允许反推出该几何形状的实际尺寸和参数。通过椭圆逼近尤其可以特别好地对点和线进行逼近。此外，pca允许对区段的特别快的并且鲁棒的分析。尤其是，在一个步骤中共同确定椭圆逼近的相关参数，使得用来检测地面标志的计算步骤的数目和计算花费相对于其它公知的方法显著减少。尤其是，二维或多维数据可以轻易地被处理，而且可以确定适合的参数化。例如，这样可以特别快速并且简单地确定细长的对象、比如线有多长和多宽。

在一个构造方案中，地面标志参数至少包括相对于激光扫描仪的相对位置。由此，有利地，相对于探测坐标系、尤其是相对于车辆坐标系来进行对所探测到的对象的定位。

该位置尤其可以与其它地面标志参数一起在主成分分析的框架内被确定。在此，比如可以使用笛卡尔坐标，或者可以借助于距离和角度来确定位置。坐标系的原点尤其可以被假定在移动单元处，使得首先相对于该移动单元进行定位。接着，在另一步骤中，可以转换成其它坐标系、尤其是全局坐标系。

在另一步骤中，依据地面标志参数来确定对象类别。在此，根据基本几何形状来进行分类，所述基本几何形状允许区段到不同的地面标志的基本分配。

在另一构造方案中，这些区段依据被分配给它们的对象类别而被分类为基于点的、基于线的或基于多段线的对象。由此，有利地，可以对不同的地面标志、尤其是机动车道标线和/或其它交通指示牌、比如桩良好地进行识别和参数化。

在此，基于点、线或多段线的地面标志允许对地面标志、尤其是机动车道标线的特别适宜的分类。在此，根据对于完整地表征地面标志来说所需的地面标志参数、尤其是所要确定的位置的数目来进行分类，以便检测机动车道标线的变化过程。

如上面已经描述的那样，可以根据对象类别来确定和存储不同的参数。因此，能够实现特别高效的数据管理。

按照一个构造方案，针对基于线或基于多段线的对象类别的区段所确定的地面标志参数包括长度参数和宽度参数以及至少一个初始位置和最终位置。由此，有利地，提供用于描述这些类别的对象及其差异的最相关的参数，用于进一步分析。

在另一构造方案中，依据区段的地面标志参数来执行过滤。由此，有利地，选择作为真实的地面标志来考虑的区段而且进一步的计算可以限于这些区段。

为了进行过滤，比如可以使用极限值，以便检测所识别出的对象对应于真实的地面标志的合理性，而且以便避免探测的伪影。在此，在基于点的地面标志的情况下，可以检查所检测到的半径的上极限和/或下极限。此外，在基于线的地面标志以及基于多段线的地面标志的情况下，可以将上极限和/或下极限用于所检测到的长度和/或宽度。

还可以考虑如下法律规定，所述法律规定对交通基础设施的某些地面标志的、尤其是机动车道标线的某些尺寸进行规定。例如，可以预先给定如下线的最小和/或最大的宽度和/或长度，这些线作为可能的机动车道标线被接受。还可以识别出某些形状并且判断这些形状被识别为地面标志的合理性。

可选地，还可以借助于道格拉斯-普克算法或者类似的适合的方法来简化基于多段线的对象。

依据数据组来检测和确定的关于各个地面标志的信息分别组成一个“地面标志观测”。以这种方式可以构造数据。在此，按照本发明，地面标志观测包括关于在一组初始数据之内对某个地面标志的某次观察的所有信息。因此，在重复应用该方法的情况下，如果同一个真实的地面标志多次被观察到，尤其是也通过多个传感器和检测单元多次被观察到，则可以针对该地面标志确定一系列地面标志观测。尤其可以将地面标志观测分配到相对应的地面标志，比如借助于识别码将地面标志观测分配到相对应的地面标志，例如以便可以使对同一个地面标志的多个地面标志观测相互进行比较。

在另一构造方案中，这些地面标志观测分配有道路基础设施的要素。由此，有利地，可以对数据进行处理，使得可以将这些地面标志观测分配到某些地面标志。

例如，以这种方式也可以确定与已经借助于其它数据组检测到的地面标志的一致性，而且能够实现进一步的处理。尤其可以紧接着进行定位，其中可以使用不同的方法来进行基于地面标志的定位。

最后，按照本发明的方法规定：输出这些地面标志观测。在此，例如可以将数据传输给用于进行基于地面标志的定位的单元，因此不必进行对于用户来说能察觉到的输出、比如以显示的形式的输出。

可以以不同的方式来对用于基于地面标志的定位的数据进行进一步的处理。

在按照本发明的方法的一个设计方案中，依据所确定的地面标志观测来确定环境模型数据，其中这些环境模型数据包括对移动单元的交通环境的描述。这样，借助于这些环境模型数据，有利地可以维持如下数据，所述数据对于移动单元的基于地面标志的定位来说是特别相关的。

所确定的环境模型数据尤其包括关于地面标志和被分配给这些地面标志的位置的数据。由此，这些环境模型数据可以被确定为使得这些环境模型数据表示对在移动单元的交通环境下的地面标志的全面的描述而且能够基于该描述来实现基于地面标志的定位。

这些环境模型数据尤其包括关于在移动单元的交通环境下的地面标志的信息。在此，比如可以确定和存储被分配给这些地面标志的对象类别，而且具有关于这些地面标志的位置的数据的地面标志参数可以被包括。在此，对所产生的环境模型应该一致的要求尤其涉及如下那些地面标志，对于所述地面标志来说，根据多次观察而存在多个地面标志观测：这些地面标志观测被合并并且在确定的时间间隔期间被跟踪，其中产生所谓的“tracks（轨迹）”。在此，这些轨迹表示属于地面标志的观测以及依据已经在这些观测中确定的位置对这些观测的跟踪。环境模型数据的轨迹用于管理关于在交通环境下的地面标志检测到的数据，使得最后通过这些环境模型数据尽可能精确地来表示地面标志。

在确定环境模型数据时，还可以依据地面标志观测的对象类别和地面标志观测的地面标志参数来执行针对这些地面标志观测的距离计算，其中这些地面标志观测依据距离值被分配给确定的地面标志。由此，有利地，可以非常简单并且快速地确定对应的地面标志观测。

依据不同的地面标志观测的地面标志参数来将通过环境模型数据的轨迹表示的位置进行比较，而且依据距离计算来确定属于哪些被检测到的地面标志。尤其是，依据被分配给地面标志和地面标志观测的对象类别来执行距离计算。由此，尤其是考虑：不同形状的地面标志需要不同的方法来进行距离计算。例如，一个单个的位置可以被分配给基于点的地面标志，其中这种地面标志彼此间的几何距离可以依据相应的位置明确地被确定。对于基于线的和基于多段线的地面标志来说，由于如下情况而使计算复杂化：不能给这些线的和基于多段线的地面标志分配可能会与其它位置值进行比较的单个的、明确的位置值。相反，这种地面标志的多个位置都是有代表性的，比如初始位置和最终位置以及中间点。

因而，针对不同的对象类型可以设置不同的距离度规。在此，尤其是对于基于点的地面标志来说，依据马氏距离（mahalanobis-distanz）来进行计算。该等式对于分别具有初始位置和最终位置的基于线的地面标志来说被调整为使得一共考虑距离测量的四种组合可能性（初始位置1-初始位置2；最终位置1-初始位置2；初始位置1-最终位置2；最终位置1-最终位置2）。使用由基于多段线的地面标志（延伸线）包围出的面积，作为在这些基于多段线的地面标志之间的距离的量度。替选地或附加地，可以使用其它适合的方法，通过所述其它适合的方法可以确定距离度规。

尤其是分析针对每个真实的地面标志的地面标志观测的数据，也就是说，对于每个在交通环境下被探测到的地面标志来说，存储所属的地面标志观测的数据并且不同的地面标志观测的数据可以共同被处理。

为了进一步确定地面标志观测是否对应于真实的地面标志，可以给环境模型的所记录的地面标志分配如下概率，所述概率说明了在这种情况下真实的地面标志是有多么可靠地被检测到的。通过比较被分配给同一个地面标志的不同的地面标志观测的数据，可以改变所述概率的值。

在一个扩展方案中，环境模型数据包括关于地面标志的数据。在此，依据地面标志观测来给环境模型的地面标志分配概率，而且依据所述地面标志观测，借助于顺序概率比测试（sequentialprobabilityratiotest）来改变所述概率。即借助于顺序概率比测试来计算被分配给环境模型的地面标志、也就是说轨迹的概率。借此，有利地，可以应用统计学测试，该统计学测试容许在数据库变化时特别可靠地确定所述概率。

例如，如果一个地面标志通过另一地面标志观测来确认，则该地面标志的概率可以提高，否则该地面标志的概率降低。

接着，地面标志可以依据被分配给该地面标志的概率与阈值的比较而被接受或者不接受。由此，有利地，可以在迭代方法中测试是可以假定同意还是可以假定反对将所检测到的地面标志假定为真实存在。这允许对误探测的特别简单并且可靠的标识和删除。

轨迹的被确认的地面标志的数据进一步被用在环境模型数据中，以便表示对交通环境的描述。在此，环境模型数据比如可对应于移动单元的交通环境的地图。尤其是产生一致的环境模型，也就是说，依据从多个数据组中检测到的数据来产生环境模型数据，使得所检测到的数据组彼此一致。

在一个构造方案中，还检测移动单元的估计位置，而且依据所检测到的估计位置来调用参考地图数据，其中这些参考地图数据包括地面标志的参考位置。借助于基于粒子滤波的方法，依据环境模型数据和参考地图数据来确定移动单元的位置。借此，有利地，可以依据参考地图数据来进行定位。

在此，根据移动单元的被估计的位置来调用参考地图数据。估计位置根据本身公知的方法、比如借助于卫星定位系统、如全球定位系统（gps）来检测。该调用本身同样以公知的方式、尤其是或者由移动单元的存储装置或者借助于与外部单元的以数据技术方式的连接来实现。

对估计位置的检测和对参考地图数据的调用可以周期性地进行。由此，有利地，可以保证：适合的参考地图数据持续存在而且可以被用于定位。例如，该调用可以在10秒之内或者在另一被规定的时间间隔内全部完全。类似地，还可以依据其它标准、比如依据距上一次调用的位置的距离来定期地进行调用，使得每当移动单元的位置已经改变了某个数值时，就调用参考地图数据。

在基于粒子滤波的方法中，产生关于移动单元的真实位置的多个统计分布的假设，而且这些假设可以被表示为各个粒子。这些粒子分配有它们对应于移动单元的真实位置的概率，而且依据所述概率来确定可以最可能被假定为移动单元的真实位置的假设。紧接着可以输出该位置，例如通过传输给其它单元、比如驾驶员辅助系统或导航系统来输出该位置。

替选地或附加地，还可以依据其它方法、比如借助于卡尔曼滤波器来进行定位。

按照本发明的用于检测在移动单元的交通环境下的地面标志的系统包括：检测单元，通过该检测单元能借助于激光扫描仪来检测数据组，其中这些数据组包括数据点；和累积单元，通过累积单元能存储确定数目个数据组的数据点，作为初始数据。该系统还包括分段单元，通过该分段单元，依据初始数据能借助于分段来确定区段，其中这些区段分别分配有数据点。该系统还包括计算单元，通过该计算单元，针对所确定的区段中的每个区段，能借助于主成分分析来确定相应的区段的地面标志参数，而且依据分别针对这些区段确定的地面标志参数能给这些区段分配对象类别。在此，通过该计算单元能确定地面标志观测，其中每个地面标志观测都分配有地面标志参数和对象类别。该系统还包括输出单元，通过该输出单元能输出地面标志观测。

按照本发明的系统尤其被构造为实现之前描述的按照本发明的方法。因此，该系统具有与按照本发明的方法相同的优点。

在此，检测单元还可包括至少一个其它的传感器类型。由此，有利地，可以以彼此进行补充的方式来检测数据而且通过多次探测来产生冗余，该冗余使该方法更鲁棒。在此，不同的传感器类型尤其是使用不同的探测原理。例如，可以设置摄像机、激光扫描仪、雷达（radar）探测器和/或其它传感器。

在该系统的一个扩展方案中，能将地面标志观测传输给定位单元。由此，有利地，可以将所检测到的和所确定的数据用于定位。尤其可以针对移动单元、比如车辆实施基于地面标志的定位。

替选地或附加地，还可以将地面标志观测传输给其它装置，比如可借助于所检测到的地面标志来辅助对车辆的控制的功能或独立实施对车辆的控制的功能的驾驶员辅助系统或者远程装置、比如其它车辆或车辆外部的装置。

附图说明

现在，本发明参考附图依据实施例来阐述。

图1a和1b示出了按照本发明的系统的实施例；

图2示出了基于地面标志的定位的实施例；

图3示出了对地面标志的检测的实施例；

图4a和4b示出了一致的环境模型的产生；

图5示出了对基于粒子滤波的定位的执行；而

图6示出了更新功能的实施例。

具体实施方式

参考图1a和1b描述了按照本发明的系统的实施例。

在该实施例中，设置车辆1作为移动单元1。

车辆1包括检测单元3，该检测单元又包括激光扫描仪3a、摄像机3b和gps传感器3c。检测单元3与控制单元4耦合。还与控制单元3耦合的有：计算单元6、驾驶员辅助系统12和接口5。计算单元6包括累积单元7、分段单元8、地面标志识别单元9和跟踪单元10。控制单元还包括输出单元11。

在该实施例中，接口5与外部服务器2以数据技术方式连接。通过接口5以本身公知的方式来建立以数据技术方式的连接，而且在该实施例中经由因特网无线地实现以数据技术方式的连接。在此，经由电话网络来建立连接。在其它实施例中，以其它方式来建立连接，比如经由与因特网连接的移动电话间接地建立连接，该移动电话本身可以建立与外部服务器2的连接。

在其它实施例中，替选地或附加地，检测单元3也可包括其它传感器，所述其它传感器尤其是使用其它探测原理。例如可以设置激光雷达传感器、雷达传感器或超声传感器、在可见光范围内的摄像机或者红外摄像机以及飞行时间（time-of-flight）摄像机或立体声（stereo）摄像机。

在该实施例中设置的gps传感器3c根据本身公知的方式来形成而且能够借助于卫星导航系统、比如全球定位系统（gps）来检测位置。替选地或附加地，可以使用其它定位系统，以便进行对车辆1的定位。

在该实施例中还规定：由车辆1的其它传感器来检测数据。在此，检测涉及车辆1的运动和驾驶的数据。尤其是检测速度和加速度以及运动方向和转向偏角。

驾驶员辅助系统12是车辆1的在车辆1的驾驶方面对驾驶员进行辅助的装置。在该实施例中的驾驶员辅助系统12可以充当对驾驶员进行辅助的纯信息系统，然而该驾驶员辅助系统也可以全自动化或半自动化地影响车辆1的前进，其中控制功能被干预。

在没有驾驶员辅助系统12的情况下，驾驶员直接影响车辆1的运动。必要时，将由驾驶员操纵的操作元件、如制动踏板、变速杆或方向盘的信号或运动传输给车辆1的相对应的装置，所述装置影响车辆1的前进。

车辆1的这种前进对应于程度最低的自动化。在程度更高的自动化中，部分地自动化地干预用于车辆1的前进的装置。例如，干预车辆1的转向或者沿正方向或反方向的加速。在程度还更高的自动化中，以可自动化地实施车辆1的某些前进方式、例如一直向前行驶的程度来干预车辆1的装置。在程度最高的自动化中，可以基本上自动化地沿预先给定的路线行驶。

在此，对于运行在该实施例中设置的驾驶员辅助系统12来说，前提是尽可能精确地知道车辆1的位置。尤其是需要知道在机动车道上的精确的位置，以便例如允许车辆1沿横向和/或纵向的驾驶而且比如可以自动地沿某个行车道或轨迹行驶。

在图1b中示出了车辆1的典型的交通环境的一些要素。这些图示当然应被理解为原理性的草图，其中所使用的比例尺和大小关系没有意义。

在此，车辆1的位置的空间环境、尤其是对于在该环境下的交通来说相关的特性被理解为交通环境。因而，该交通环境例如可包括车辆1周围的其它交通成员（在图1b中，所述其它交通成员为了简化而未曾被示出），还可以包括机动车道标线和交通指示牌、基础设施装置和其它特征，例如在该环境下的建筑物、植被或地形特征。在此，空间区域基本上通过如下方式来确定：在该环境下可以以怎样的作用距离来检测数据以及在怎样的环境下可以使用地面标志来进行定位。

车辆1处在机动车道18的行车道18a上，该机动车道还包括其它行车道18b。在行车道18a、18b之间延伸有行车线16，该行车线包括多根子线并且紧接着该行车线的是以实线为形式的车道边界15。

机动车道18还在外边缘处通过机动车道边界14来限制。在机动车道18的边缘还布置有行车标志柱13。

还勾画出了车辆1的检测单元3的检测范围17。在该实施例中，尤其是车辆1的检测单元3的激光扫描仪3a和摄像机3b被设立为使得所述激光扫描仪和摄像机在检测范围17内检测关于车辆1的交通环境的数据。在此，检测单元3的不同的传感器可具有不同的检测范围。

参考图2来阐述作为用于确定车辆1的位置的方法的基于地面标志的定位的一个实施例。在此，出发点是参考图1a和1b来阐述的系统。

在第一步骤s1a至s1n中，通过车辆1的检测单元3的数目为n个传感器、即比如通过激光扫描仪3a和摄像机3b来检测数据组。在此，在图2中，针对数目为n个传感器分别设置单独的步骤s1a至s1n。

在其它实施例中，替选地或附加地，通过其它车辆和/或装置的传感器来检测数据组。接着，借助于以数据技术方式的连接可以将数据传输给车辆1，尤其是直接从已经检测到数据的车辆和/或装置传输给车辆1或者经由服务器2间接地传输给车辆1。在这种情况下，不仅可以在车辆1之外进行处理，比如由服务器2或其它车辆和/或装置来进行处理，而且可以将数据组传输给车辆1并且在那里对数据组进行进一步处理。

在另一步骤s2a至s2n中分析所检测到的数据，其中探测地面标志并且产生地面标志观测。为此，在图2中也针对全部n个传感器设置单独的步骤s2a至s2n。

“地面标志观测”包括关于在步骤s1a至s1n中检测到的数据之内对某个地面标志的某次观察的所有信息。这些地面标志观测分别分配有时间点，这尤其是检测相对应的数据组的时间点。这些地面标志观测还包括相对于车辆1的相对位置以及参数、比如所探测到的地面标志的大小，所述参数表征地面标志的在观察时被探测到的状态。

该方法的在步骤s1a至s1n和s2a至s2n中实施的部分在下文参考图3进一步予以阐述。

在另一步骤s3中，执行对之前检测到的数据的跟踪和合并。在此，产生一致的环境模型的数据，也就是说，关于车辆1的交通环境的信息被聚集，使得对于基于地面标志的定位来说相关的数据可用。该环境模型尤其包括地面标志观测的数据、比如关于在交通环境下的地面标志以及地面标志的位置的数据。

在步骤s3中实施的一致的环境模型的产生在下面参考图4进一步予以阐述。

在步骤s4中，检测车辆1的估计位置。在该实施例中，这借助于检测单元3的gps传感器3c来实施，其中在其它实施例中，替选地或附加地可以使用其它方法来确定估计位置。在此，出发点是：可用来确定车辆1的估计位置的精度对于驾驶员辅助系统12的运行来说不足。例如，可以将估计位置确定到直至正好1m，而车辆1沿着轨迹的驾驶需要高得多的精度。

在该实施例中，该估计位置在步骤s6中借助于接口5被传输给外部服务器2，而该外部服务器就“电子地平线”而言提供参考地图数据而且将这些参考地图数据传输车辆1。步骤s6尤其是在从外部服务器3调用参考地图数据的框架内进行。参考地图数据包括关于在车辆1的交通环境下的地面标志的数据。借助于估计位置可以确定：参考地图数据应该包括哪些对于车辆1的交通环境来说相关的数据。

尤其是，参考地图数据和环境模式的数据被构造为使得它们可以相互进行比较，比如其方式是在相应的数据中的地面标志的位置可以相互进行比较。

在其它实施例中规定：替选地或附加地从车辆1的存储单元调用参考地图数据。在这种情况下，不需要与外部服务器2的以数据技术方式的连接，而且该方法例如可以在不完善的网络连接的情况下运行。

在另一步骤s5中，执行自运动估计。在此，尤其是使用车辆传感器的数据，比如速度、加速度、坡度、方向、转向偏角的数据和其它对于车辆1的运动来说相关的数据。依据这些数据可以确定车辆1如何运动，其中尤其是以更高的精度来确定车辆1在借助于检测单元3来检测数据组的时间点处在哪个位置。借此，尤其可以确定自从上次检测估计位置以来车辆1的位置的变化。

除了地面标志观测的数据之外，还考虑在步骤s4和s5中确定的估计位置和自运动估计，用于在步骤s3中通过跟踪和合并来制成一致的环境图像。

在步骤s7中，依据环境图像和参考地图数据来进行基于粒子滤波的定位。在此，依据环境模型的数据和参考地图数据在统计学上确定针对位置的假设，其中这些假设被表示为“粒子”。借助于加权方法，依据参考地图数据来确定这些假设的概率并且确定最可能的位置。这是车辆1的通过该方法来确定的位置。

关于在步骤s7中使用的方法的其它细节在下面参考图5进一步予以阐述。

在另一步骤s8中，输出位置，其中在该实施例中，借助于输出单元11将所确定的位置传输给驾驶员辅助系统12。替选地或附加地，在该步骤中，可以将该位置传输给车辆的不同的单元或者车辆外部的单元。

参考图3来阐述检测地面标志的实施例。在此，出发点是参考图1a和1b来阐述的系统。随后描述的步骤尤其可以被理解为上面参考图2阐述的基于地面标志的定位的部分。这里针对传感器来阐述的方法尤其可以相应用于通过该系统的传感器来检测的数据。

在第一步骤s1a中，通过车辆1的检测单元3的传感器之一来检测数据组。这里尤其是考虑通过激光扫描仪3a来检测数据的特殊情况，但是该方法能在相对应的调整的情况下被转用于其它传感器。

所检测到的数据组包括数据点，其中各个数据组分别包括如下数据点，所述数据点在激光扫描仪3a的激光光线的一个转动周期中被检测。尤其是，针对每个数据点都检测距离值以及关于如下表面的反射的数据，激光光线可以从该表面被反射。在此，通过激光光线在确定的角度范围内的定期的转动来周期性地检测数据。

可选地，在该第一步骤s1a中，可以进行过滤。尤其是，适合的激光扫描仪3a已经可以提供对数据点的集成的分类，该分类比如包括关于在数据点中是否已探测到在机动车道18上的表面点的信息。例如，如果机动车道标线应该被检测为地面标志，则可以忽略除了在机动车道上的数据点之外的所有其它数据点。

在另一步骤s21a中，执行累积。在此，在特殊情况下，一个单个的数据组、这里即激光扫描仪3a的一次扫描的数据点已经可以形成足够的数据库，使得进行对数据组的数据点的累积。

在其它情况下，可以累积多个被检测到的数据组的数据点。所累积的数据构成初始数据，紧接着依据所述初始数据来执行进一步的处理。

在此，这些数据点尤其可以被存放在环形存储器中，其中总是存储新检测到的数据点，而同时删除较旧的数据点。也就是说，总是提供某个时间间隔或某个数据量的最新的数据。

在另一步骤s22a中，依据初始数据来进行分段。在此，这种数据点分别被分配给这些数据点看起来属于的一个区段。为此，尤其可以使用欧氏聚类提取算法，其中这种彼此间具有小于所确定的最大距离的点被分配给一个共同的区段。替选地或附加地，可以使用其它方法来进行分段。

在紧接着的步骤s23a中，借助于主成分分析（principalcomponentanalysis，pca）来对区段进行分析，而且针对这些区段中的每个区段来确定椭圆逼近。在此，确定这些区段中的每个区段的地面标志参数，这些地面标志参数尤其明确地限定所确定的椭圆逼近。这些地面标志参数尤其包括方向参数、长度参数、宽度参数以及初始位置和最终位置。还可以确定相应的值的差异。在此，尤其是在一个步骤中可以依据pca来确定地面标志参数。

在步骤s24a中，依据确定的地面标志参数来进行对区段的分类。在此，尤其是设置三个类别，即基于点的地面标志、基于线的地面标志和基于多段线的地面标志。通过确定的大小和位置来表征基于点的地面标志。基于线的地面标志具有初始位置和最终位置，而基于多段线的地面标志附加地具有中间位置。

例如可以将连续线识别为基于多段线的地面标志，因为对于这些连续线来说既没有探测到清楚的初始位置也没有探测到清楚的最终位置。尤其是，如下这种线可以被表征为连续线，所述线延伸得超出检测单元2的检测范围17并且没有完全被数据点检测到。

对于地面标志参数来说，尤其是限定位置。也就是说，针对借助于pca来确定的椭圆逼近确定至少一个位置，该至少一个位置首先相对于检测单元3或相对于车辆1来说明。

依据所确定的地面标志参数可以进行过滤，该过滤尤其包括合理性检查。在此，比如检查：所探测到的基于线的地面标志的长度和宽度是否符合关于这样成形的机动车道标线的尺寸的法律规定。尤其是，这些地面标志观测分别分配有道路基础设施的要素，即比如在图1b中示出的行车线16、机动车道边界14、车道边界或行车标志柱13的部分或者全部要素。

还可以依据某些差异来确定是否已经足够可靠地探测到地面标志、比如机动车道标线。可以应用其它过滤步骤，以便排除差地或错误地被识别出的地面标志。

最后，在步骤s25a中，产生地面标志观测，也就是说，关于所探测到的数据点所确定的信息被组合为使得这些信息包括所有对于进一步处理来说相关的用于基于地面标志的定位的数据。在此，各个地面标志观测分别被分配给地面标志，也就是说，一个地面标志观测包括如下数据，所述数据已在观察地面标志时被确定并且所述数据因而可以被分配给地面标志的在检测的时间点所探测到的状态。

所产生的地面标志观测尤其说明了地面标志的状态矢量，其中地面标志的数据根据地面标志的类型而有区别：基于点的地面标志观测的状态矢量被说明为

，

基于线的地面标志观测的状态矢量被说明为

而

基于多段线的地面标志观测的状态矢量被说明为

。

在此，表示在车辆坐标系中的坐标而表示在全局坐标系中的坐标，其中每个点都被说明为三元组。还说明了不确定性。察觉的时间点以字段“（时间戳）”来说明，同样，传感器的标识被说明为“（传感器^id）”而地面标志观测的标识被说明为“”。在对地面标志观测进行进一步处理时，需要字段“（信任）”来进行对概率的统计学录入。通过字段“（直径）”、“（高度）”、“（长度）”和“（宽度）”来说明对所检测到的地面标志的表征。

替选地或附加地，状态矢量可包括其它要素，例如面积或反射率。

在步骤s25a中产生的地面标志观测可以被输出并且被传输给用于进一步处理的模块或单元。借此，尤其可以执行参考图2描述的步骤s3。在此，还可以组合n个传感器的地面标志观测，比如在某个数据结构中组合n个传感器的地面标志观测，其中尤其可以使用上面描述的状态矢量。

参考图4a和4b来阐述一致的环境模型的产生。在此，出发点是参考图1a和1b来阐述的系统。随后描述的步骤尤其可以被理解为上面参考图2阐述的基于地面标志的定位的部分。在基于地面标志的定位的情况下，尤其是在第一层面，执行对原始数据的传感器和地面标志特定的预处理，而在第二层面，借助于跟踪和合并方法来建立一致的环境模型。最后，在第三层面，依据环境模型来建立地图。

所描述的方法步骤尤其可以在跟踪和合并模块中组合，其中这尤其是通过跟踪单元10来实施。在此，将所检测到的地面标志观测合并并且固定成一个一致的地面标志环境模型，在下文被称作“环境模型”。在此所要解决的问题尤其涉及在不同的时间点以及因而在车辆1的运动期间也包括在不同的位置检测数据组。还应该识别并且除去误探测。

首先，接收地面标志观测，这些地面标志观测分别被分配给确定的时间点和相对于车辆1的相对位置。这尤其是依据上面参考图3所描述的方法来实现。该预备步骤描述了该方法的基于传感器的层面。

依据估计位置（参见图2，步骤s4）和自运动轨迹（参见图2，步骤s5）来给地面标志观测分配所估计的绝对位置。因此，在车辆1的连续运动期间可以使坐标系同步，而且车辆1的相对坐标系1可以通过转换被转变成全局坐标系。

在第一步骤s31中，执行时间同步。该时间同步在图4b中详细地示出。平行于时间轴（）地示出了检测单元3的每个传感器3a、3b、3n的轴。还示出了所谓的轨迹的轴（），在确定的时间点的地面标志观测组成所述轨迹。在此，轨迹表示关于真实的地面标志所检测到的、被合并的并且被同步的数据。

在作为虚线来示出的确定的时间点，接收关于车辆1的自运动的数据。在此，分别提供地面标志观测的集合，所述地面标志观测的集合尤其作为数据对象由n个传感器之一来输出。这些地面标志观测这里作为粗垂线来示出。这些地面标志观测并没有彼此同步地并且与关于车辆的自运动的数据同步地来检测，使得在两个时间点之间的时间差期间的运动必须被补偿，以便可以将数据进行比较。这通过水平虚线箭头来示出。这些地面标志观测一直被缓冲，直至存在新的运动步伐的数据。接着，使时间点的每个传感器3a、3b、3n的地面标志观测同步。通过弯曲的指向下的箭头阐明了：这些被同步的数据被合并成轨迹。这样产生的轨迹与每个运动步伐都同步。借此，即在运动状态的时间点，在坐标系中存在和的地面标志观测。

在另一步骤s32中，针对地面标志观测和轨迹的地面标志进行距离计算，以便将的对应的地面标志观测分配给这些轨迹。在此，首先可以将基于点的、基于线的和基于多段线的地面标志分组，因为只有它们可能彼此对应。

借助于本身公知的方法来实施gating（选通），其中只有相应的轨迹的在确定的环境下的地面标志观测被考虑用于关联。

现在，确定是否要将地面标志观测分配给某个轨迹。这依据在两个点之间的空间距离来确定。为了计算距离，在该实施例中使用如下方法：

对于基于点的地面标志来说，考虑基于点的地面标志的状态矢量，其中在时间的位置作为在车辆坐标系中的点来说明。现在，应该计算在地面标志观测的点与轨迹的点之间的距离函数。在此，在与之间的矢量作为来给出。依据如下等式来执行对马氏距离的计算：

，

其中表示轨迹地面标志的逆协方差矩阵。

在基于线的地面标志中，地面标志观测包括起点和终点。利用典型的方法并不可能这样明确地确定几何距离，因为例如在交换初始位置和最终位置的情况下明显能预料到其它结果。出于该原因，这里根据马氏等式来调整距离度规。

考虑具有起点和终点的地面标志观测以及具有起点和终点的轨迹的地面标志。现在，可以计算在与的起点和终点之间的距离，其中得到四种组合可能性（初始位置1-初始位置2距离测量；最终位置1-初始位置2距离测量；初始位置1-最终位置2距离测量；最终位置1-最终位置2距离测量）：

其中利用来重新计算轨迹地面标志的逆协方差矩阵。

然后可以如下按照公式来计算平均值（）的值：

最后，可以根据如下等式来计算距离函数：

。

替选地或附加地，可以使用其它方法来确定距离度规。

针对基于多段线的地面标志、也就是说延伸线来限定另一距离度规。在此，除了初始位置和最终位置之外还考虑中间点，以便确定距离尺寸。尤其是确定在延伸线之间的面积。

考虑其变化过程被建模为连续的点列表的地面标志观测以及具有连续的点列表的地面标志观测。为了确定在多段线之间包围出的面积，首先执行延伸线对彼此的投影，而且这些延伸线被切断为使得只有延伸线的如下部分进一步被处理，所述部分分别与其它延伸线的部分对置。

为此，可以确定沿着两根延伸线的点，其中可以确定与分别另一根延伸线的终点的垂直连接。在这些位置处执行切断。由此，例如避免了延伸线的长度差导致对距离尺寸的高估或低估。

例如借助于高斯梯形公式来计算由延伸线包围出的面积。为此，由延伸线包围出的多边形首先依据延伸线的交叉（只要存在）而被分成子多边形。紧接着，将这些子多边形的面积加和并且依据延伸线的部分的长度来使这些子多边形的面积标准化。

将最小距离作为标准用作将对应的地面标志观测分配到轨迹的地面标志的标准，其中可以应用贪心最邻近算法（greedy-nearest-neighbor-verfahren）。替选地或附加地，可以使用其它方法、比如匈牙利算法来进行分配。

在另一步骤s33中，执行（trackmanagement）轨迹管理，其中给地面标志分配概率并且改变概率，其中应用顺序概率比测试（sequentialprobabilityratiotest，sprt），以便检查所探测到的地面标志是否对应于在车辆1的交通环境下的真实的地面标志。

例如，如果在一个时间点观测地面标志而在另一时间点不再观测地面标志，则可以检查是否已探测到真实的地面标志或者是否存在误探测。另一方面，如果在多个连续的地面标志观测中都探测到地面标志，则这被评价为确认并且所分配的概率的值升高。

在该实施例中，首先给所探测到的地面标志分配相同的概率，如果地面标志被确认则概率升高，而如果地面标志没有被确认则概率降低。如果概率的值超过或低于确定的阈值，则接受或不接受是探测到真实的地面标志的假设。由此，借助于作为统计学测试的sprt来确定还应该考虑哪些地面标志。

在此，检查零假设（“所有观测都来自错误的探测”）和替代假设（“所有观测都来自真实的探测”）。即检查：依据地面标志观测是有多么可靠地探测到真实的地面标志的。该检查依据似然比（likelihood-quotienten）来实现：

，

其中和表示属于假设（或true/false（真/假））的概率而表示数据。

为了阐述该方法，在时间被观测的各个地面标志被称作。出发点还是：在直至该点被实施的方法中，已经将测量的所有地面标志作为潜在新的轨迹记录到中，对于所述测量来说，利用距离函数不曾在轨迹中找到对应的地面标志。在时间点的观测的集合被称作。因此，在时间对第个地面标志的观测被称作。

这些观测在数据输入的时间点被分派有为的初始概率。在此，对于初始化来说，针对所有新的被观测的地面标志选择相同的值，或者可以分派传感器特定的值。为了避免数值不稳定，可以将对数似然比用于第个地面标志。现在，第个地面标志来自真实的探测（替代假设）的概率超越探测时间点依据彼此对应的被观测到的地面标志来展开：

依据该值来检查是超过（）还是低于（）确定的阈值：

在此对应于环境模型的相应第个地面标志的概率；其中该概率被理解为被分配给相应的地面标志的轨迹的置信值。尤其是，为此可以使用上面阐述的状态矢量的字段“”。在此，系统设计参数和被预先给定并且描述了确认轨迹有错误或删除真实的轨迹的概率。还根据地面标志是否被其它地面标志探测确认来提高或降低该地面标志的概率的值。在超过或低于时，中断迭代方法并且确认该地面标志或不接受该地面标志：

最后，在步骤s34中，产生环境模型数据，这尤其是在“trackinnovation（跟踪创新）”步骤中实现。在此，更新在环境模型中的被跟踪的地面标志的集合。该环境模型包括关于在车辆1的交通环境下检测到的地面标志、尤其是这些地面标志的位置的数据。尤其是依据在之前的方法步骤中确定的数据来更新位置、不确定性和地面标志观测的置信值。

依据被确认的轨迹，可以将分别被分配的地面标志记录到地图中。这种地图包括地面标志的确定的并且经优化的位置。

可以应用不同的本身公知的方法，以便比如更新这些位置。例如，在一个地面标志有多个被确定的位置的情况下可以接受最后被观测的位置；可以执行指数平滑；可以计算移动平均值或算术平均值；或者只要该地面标志具有长度，就可以使用基于长度的权重来定位。

环境模型数据被构造为使得这些环境模型数据可以与参考地图数据进行比较。尤其是，在此例如可以将某些地面标志的位置进行比较。

紧接着，输出环境模型数据，也就是说为了进一步处理而将环境模型数据传输给其它模块或单元。

参考图5来阐述基于粒子滤波的定位。在此，出发点是参考图1a和1b来阐述的系统。随后描述的步骤尤其可以被理解为上面参考图2阐述的基于地面标志的定位的部分。

在基于粒子的方法中，产生粒子云，其中每个粒子都代表一个位置假设，也就是说代表车辆1的假设的位置。因此，“粒子云”表示粒子的集合。借此，每个粒子都表示一个粒子状态，该粒子状态被理解为对车辆1的状态的假设。现在，以统计方式检查：在哪个假设的情况下、也就是说对于哪个粒子来说，地面标志观测与参考地图数据最一致。随后，详细地描述了该方法的实施例。

在第一步骤s40中检查是否已经执行了初始化。如果这被否定，则在另一步骤s41中进行初始化。在初始化时，如上面针对步骤s4描述的那样，例如借助于gps传感器3c在确定的时间点检测车辆1的估计位置，其中出发点尤其是更大的不精确性。还可以考虑关于车辆1的自运动的数据。

通过在步骤s42中应用运动模型，确定位置随着车辆1的自运动的同步，也就是说，考虑车辆1的位置自从上次检测估计位置以来的变化。在此，对于初始化来说，也可以使用所存储的估计位置、比如车辆1的最后行驶的估计位置或者使用由用户输入的位置。对粒子云进行相对应的转换，以便通过车辆1的自运动来补偿车辆1的位置的移动。在这种情况下，也应基于相对应的传感器以及借此也包括最终得到的结果的不精确性。

在此，尤其可以考虑在用于（比如借助于gps）检测自位置或者（比如借助于测距法）检测自运动的传感器方面的不可靠性。

在另一步骤s43中，应用传感器模型。在此，考虑由传感器造成的测量噪声而且确定如下概率，在假定相应的假设的粒子状态的情况下是以如下概率检测到地面标志观测的。

根据该概率得到各个假设的权重并且在步骤s44中将该权重分配给这些假设。在此，尤其可以进行对概率的标准化。

在另一步骤s45中，还进行平滑，用于使结果稳定，其中使各个粒子的概率的剧烈波动平滑。尤其是当在连续的时间点检测地面标志时出现更大的差异，例如由于测量误差、地面标志被遮盖或在地面标志从检测单元3的检测范围17消失时出现更大的差异时，可能出现这种波动。

在此，例如可以根据如下等式来计算粒子在时间步伐的经平滑的权重：

在此，按经验来选择衰减系数并且衰减的强度还可以通过对在时间步伐与之间的时间窗的适当的选择来确定。

在步骤s46中，输出按照之前的步骤来修正的位置。在此，尤其是考虑所分配的概率最大的粒子的状态。尤其是，在输出时，将确定的位置传输给用于进一步处理的模块或单元，尤其可以输出给驾驶员辅助系统12。

还可以在另一步骤s47中执行重采样（resampling）。这可能在由于上文描述的方法的迭代而粒子的数目收敛到一个唯一的粒子时变得必需。这尤其是由于如下情况而造成：粒子云的发散由于累积的测量误差在每个步骤中都增加，而车辆1的自运动重复地被同步。越来越多的粒子离最可能的位置越来越远，并且给这些粒子分配相对应地低的概率。这导致：越来越少的粒子以特别高的概率被考虑。在采样（sampling）时已经产生粒子的初始的发散之后，在继续迭代该方法时通过重采样来产生所谓的“复原粒子”，通过所述“复原粒子”来给粒子云补充新的假设，以便依据足够大的数据库来做出对最可能的假设的统计学选择。

参考图6来阐述更新功能的实施例。在此，出发点是参考图1a和1b来阐述的系统和参考图2来阐述的方法。

在步骤s50中，首先检测车辆1的估计位置。这例如通过gps传感器3c来实现，如上面所描述的那样。在调用参考地图数据时，将该估计位置传输给外部服务器2。

在步骤s51中，依据该估计位置，通过外部服务器3来产生参考地图数据并且将参考地图数据传输给车辆1。在此，服务器2访问参考地图数据库并且产生参考地图数据，使得这些参考地图数据包括对于车辆1的基于地面标志的定位来说相关的所有信息、尤其是在车辆1的交通环境下的地面标志及其位置。

现在，由车辆1依据参考地图数据来进行基于地面标志的定位。在此，可以识别出由车辆1检测到的地面标志观测和要按照参考地图数据所预期的地面标志观测的差异。例如，地面标志可能消失或变化或者可以检测新的地面标志。

可以应用方法来保证涉及真实的地面标志与参考地图数据的实际偏差。在此，尤其可以排出由于车辆1引起的对地面标志的检测的伪影。为此，尤其可以使用本身公知的方法。

在步骤s52中，通过车辆1依据所识别出的在参考地图数据与实际检测到的地面标志观测之间的偏差来产生更新数据。这些更新数据包括如下信息，所述信息适合于在另一步骤s53中由服务器2来更新参考地图数据库。现在，在这种情况下，在重复该方法时、比如在估计位置被确定的情况下重复调用参考地图数据时，可以提供新的参考地图数据，这些新的参考地图数据更好地反映了地面标志的实际特征。

以这种方式，可以使用车辆1来重新测量在交通环境下的地面标志。此外，服务器2可以比如借助于统计学方法关于参考地图数据库的更新来对多个来源、尤其是多个车辆的以相同的方式接收到的更新数据进行判断。还可以依据更新数据来确定：在确定的交通环境下是否应该重新测量地面标志，比如通过特殊的测量车辆来重新测量地面标志，该测量车辆能够特别精确地检测参考地图数据库的数据。

在另一实施例中规定：替选地或附加地，参考地图数据由作为外部服务器2的其它装置来提供。例如，这可以是车辆1的如下装置，该装置在没有与服务器2的以数据技术方式的连接的情况下也允许调用参考地图数据，用于进行基于地面标志的定位。这里，该方法可以以类似的方式被实施，其中车辆1的该装置也访问参考地图数据库而且可以借助于更新数据来更新该参考地图数据库。在另一实施例中，不仅设置外部服务器2而且设置车辆自己的装置来调用参考地图数据，而且该装置和该服务器2的相应的参考地图数据库的更新可以依据两者之间的协调来进行。

附图标记列表

1移动单元；车辆

2外部服务器

3检测单元

3a激光扫描仪

3b摄像机

3cgps传感器

3n其它传感器

4控制单元

5接口

6计算单元

7累积单元

8分段单元

9地面标志识别单元

10跟踪单元

11输出单元

12驾驶员辅助系统

13地面标志；行车标志柱

14地面标志；机动车道边界

15地面标志；行车道边界

16地面标志；行车线

17检测范围

18机动车道表面；机动车道

18a、18b行车道

s1a,…,s1n检测数据组

s2a,…,s2n地面标志探测

s3跟踪和合并

s4检测估计位置

s5自运动估计

s6调用参考地图数据

s7基于粒子滤波的定位

s8输出位置

s21a累积

s22a分段

s23a主成分分析

s24a分类

s25a产生地面标志观测

s31时间同步

s32距离计算

s33分配和改变概率

s34产生环境模型数据

s40检查初始化

s41进行初始化

s42应用运动模型

s43应用传感器模型

s44分配权重

s45平滑

s46输出经修正的姿态

s47执行重采样

s50检测估计位置（车辆）

s51产生参考地图数据（服务器）

s53产生更新数据（车辆）

s53更新参考地图数据库（服务器）