Los mapas en alta definición pueden proporcionar datos previos necesarios para la conducción autónoma, así como la percepción más allá de la línea de visión, verificación y posicionamiento, planificación dinámica y control de decisiones. Es un elemento necesario para lograr una conducción no tripulada L4/L5 en la etapa actual. Sin embargo, actualmente, los mapas en alta definición aún presentan problemas como una gran cantidad de datos, mucha redundancia de datos y débil correlación de datos, lo que hace que la conducción autónoma enfrente dificultades como la alta dificultad de consulta de datos y baja oportunidad. Con el fin de optimizar la calidad de los datos de los mapas en alta definición, aumentar el grado de correlación de los datos y asegurar que ayuden mejor a los vehículos en una conducción segura y eficiente en el escenario de conducción autónoma, es necesario aclarar el pensamiento del sistema de información de los mapas en alta definición, proponer un modelo completo y preciso, determinar el contenido y funciones de cada nivel del modelo, y mejorar continuamente el modelo del sistema de información.
Qian et al. (mar) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: