基于多传感器的高精度地图生成技术研究

曹波CAOBo（陆军军事交通学院学员五大队，天津300161）

（ArmyMilitaryTransportationUniversityCadetsTeam5，Tianjin300161，China）

摘要院针对高精度地图的生成问题遥本文首先阐述了高精度地图的一般性定义袁说明自动驾驶对高精度地图的巨大需求袁对比分

析高精度地图与传统导航地图的区别曰然后详细介绍基于多传感器的高精度地图生成技术的数据采集尧数据处理尧元素识别和人工验证四个环节曰最后袁建立了以车道为基本单元的包含区域-道路-车道-元素的四级高精度地图拓扑结构遥

Abstract:AimingatthegenerationproblemofHDmap,thispaperfirstelaboratesthegeneraldefinitionofhigh-precisionmap,explainsthehugedemandofHDmapforautopilot,comparingandanalyzingthedifferencesbetweenHDmapandtraditionalnavigationmap.Thenthefourstepsofdataacquisition,dataprocessing,elementidentificationandmanualverificationbasedonHDmapgenerationtechnologyofmulti-sensorareintroducedindetail.Finally,afour-levelHDmaptopologyconsistingofarea-road-carriage-elementisbuiltbasedonlane.

关键词院多传感器曰高精度地图曰生成技术曰拓扑结构

Keywords:multi-sensor曰HDmap曰generationtechnology曰topology

1高精度地图概述传统电子地图是将路网抽象为道路级拓扑关系，即以道路为基本单元、交叉路口作为连接点连接不同道路，通过层层关联形成整个路网。由于人类驾驶员具有很强的环境感知和逻辑处理能力，因此人类驾驶员能够借助传统电子地图提供的导航功能，依靠自身的感知、逻辑处理能力确定具体驾驶行为。智能车的“驾驶员”是搭载的软件系统和各类传感器，环境感知能力和逻辑处理能力都很弱，智能车完全靠自身处理能力实现自动驾驶非常困难，即使实现也只能局限在部分特定场景。若要实现高水平、大范围的自动驾驶，必定离不开较电子地图而言精度更高、信息更全的高精度地图为自动驾驶提供高精度定位、车道级导航、扩展静态环境感知功能（对比关系如表1），实现静态要要要要要要要要要要要要要要要要要要要要要要要作者简介院曹波（1994-），男，重庆人，硕士研究生，研究方向为智

能车运动规划。

环境的预处理以降低实时环境数据处理量并提高处理准确率，辅助智能车达到甚至超过人类驾驶员的“驾驶水平”。表1传统导航地图与高精度地图对比

基本单元

传统导航地图

道路

定位精度米级

导航水平道路级

交通标志信息部分交通标

志、粗略位置包含全、精确

位置

高精度地图车道厘米级车道级

高精度地图是一种精度高、定义细的地图，精度高指误差精度可达厘米级以精确区分不同车道；定义细则是包含各种交通元素，如车道线数据、交通标志数据、交通信号灯数据等。自动驾驶所需要的交通信息主要分为静态内容和动态内容两部分，其中静态信息主要包括：淤车道及道路网，即以车道中心线为基本单元构成的构胶全部割开后，玻璃整体与玻璃钢头罩脱离，此时操作天车将玻璃吊运至玻璃储运工装。用手动割胶刀将头罩窗框翻边剩余结构胶清理干净，并用吸尘器将现场粉末碎屑清除。3总结根据头罩、玻璃尺寸及粘接剂种类不同上述要求可能有所不同，应根据所选择的产品不同，按要求做出适应性调整，以满足分解工艺要求。本文提出的工艺方法不仅节省了大量工作时间，提高了工作效率而且也规范了工艺流程，降低了施工风险。参考文献院

[1]汪维波.单组分聚氨酯胶粘剂在客车上的应用[J].粘接，2006，27（1）：51.

[2]白洪权.胶粘剂在客车制造中的应用[J].客车技术与研究，2006，28（4）：49-51.

[3]何军涛，吕松江，江宏.轨道客车SP19制动缸漏泄原因分析及对策[J].内燃机与配件，2019（11）：135-136.

拆除，拆解时应注意不要用力过大，避免破坏胶条表面，胶条分解后使用除胶清洁剂清洗干净。为保证足够的粘接强度，玻璃内侧结构胶涂打时分两层胶条涂打，因此胶条固化后厚度较高，结合司机室头罩窗框垂向翻边宽度选用70耀80mm长度的Z字弧形加长刀头，同样与割胶机呈直角镰刀状安装，在司机室内部沿头罩窗框对结构胶进行切割，先将玻璃两侧及下部结构胶割开，因刀头较长，切割时操作者应注意紧握气动割胶机并调节切割机震动幅度，防止刀片摆动幅度过大与玻璃或头罩相撞折断刀头。切割结构胶时一人在头罩外部观察割除密封胶槽内是否露出刀尖以确认切割深度。因玻璃为弧形轮廓，上部与司机室头罩贴合紧密，气动割胶机下刀不便，采用手动刀具进行切割。2.3.4拆除司机室玻璃为防止玻璃脱离窗框，一人在车外扶着玻璃，一人在车内将剩余边角未割开的玻璃重新检查切割，将剩余的结·134·内燃机与配件（a）数据采集（b）数据处理

（c）元素识别（d）人工验证

图1高精度地图生成技术环节

图2高精度数据采集设备

拓扑网络，记录每个车道类型、宽度、坡度、曲率、转向类型等信息。于路面标线和交通标识，路面标线指各种路面标线、箭头、文字和道路边线轮廓标等信息；交通标识主要指各种交通标志牌；路面标识和交通标识指示智能车执行特定的驾驶动作，如转向、限速等。盂交通信号灯，高精度地图包含真实路口中信号灯的位置、个数、作用车道，引导智能车在特定区域执行特定动作（如开启检测、接收车联网信号）。目前，由于技术发展制约，高精度地图只包含静态元素。将来，高精度地图通过云端实时提供前方道路是否中断、是否拥堵、路口红绿灯信号等动态信息，动态和静态内容结合的高精度地图扩展车载传感器的视野和为车辆提供实时性道路状况，在减少感知数据处理量的同时提高准确性和可靠性，为智能车合理决策规划奠定基础，为乘客带来更加舒适、平稳的乘坐体验。2基于多传感器的生成技术目前，城市结构化道路环境的高精度地图生成技术主要分为数据采集、数据处理、元素识别和人工验证四个环节[1]。各环节如图1所示。数据采集一般采用GPS+惯导、激光雷达及相机等传感器配置（图2）采集道路里的点云和图像信息；其中GPS+惯性导航设备通过定位数据及传感器与车身的相对位置关系赋予采集数据精确的位置信息；激光雷达主要用于道路路面的信息采集（包括车道线、道路边界等），也能确定红绿灯、标识牌的位置；相机提供的图像信息既可以采集道路地面信息，也可以利用相关技术识别交通标识。数据处理是对各传感器采集到的数据进行预处理，准备后续识别和验证。数据处理主要对点云，主要是解决点云三维环境重构和道路要素的提取，包括点云配准、全局优化、分割概率等相关技术。采用改进均值校准和EM迭代算法，获得部分可信的反射强度校准值[2]；然后借助线性差值和拉伸变换处理，获得适用于多种路面条件的反射强度对应关系，实验表明该方法能够提高路面反射强度的均匀性，为获取地面信息打下基础。提出了以GPS差分状态良好的位置为基准，对部分差分信号较差的区域采用ICPInternalCombustionEngine&Parts（IterativeClosestPoints）配准以及图优化处理[3]，然后进行精细优化处理。实验表明，该算法能够有效消除配准导致的累积误差，获得与真实环境匹配性较好的点云数据，三维重构效果理想。利用特殊四邻域区域生长方法分割地面，采用栅格地图构建路面栅格模型，利用点云反射强度分布的概率特征实现了概率地图生成。实车实验表明利用该方法生成的概率地图可用于高精度地图制作和定位。元素识别是根据车载传感器信息指识别提取道路元素，道路元素主要包括车道线、交通标志等。王永超针对传统基于视觉的车道线检测算法存在对环境要求高、鲁棒性和适应性不强的不足，结合深度学习和后处理方法检测车道线。实验表明检测算法提高了在道路反光、雨天天气、车道线模糊、雨水反光、车道线亮度低、视野模糊、部分车道线以及拥堵环境等复杂场景下检测准确率[4]。通过增加池化、减少卷积核数量的措施改进卷积神经网络，将改进后的网络运用到解决交通标志识别的问题中，实验结果表明识别准确率达到98.38%，保持高识别准确率的前提下缩短网络运行时间，提升了改进方法在实际应用中的价值[5]。虽然利用深度学习技术可以自动化部分获取道路元素，目前自动化技术还无法完成所有识别工作。一方面，自动化技术还无法处理诸如路口等没有车道线的场景；另一方面，自动处理技术也不能处理拓扑结构中的逻辑信息，如确定路口中红绿灯与车道之间的影响关系。这些工作仍需要经过人工验证环节人工完成，同时人工验证环节还需要检查自动识别的结果是否正确。3高精度地图拓扑结构借助JavaOpenStreetMap这款离线地图软件的编辑功能，利用软件数据结构将点（node）、线（way）、关系（relation）三层拓扑结构通过组合、隶属关系及附加信息标签以形成如图3的高精度路网拓扑关系。图3高精度地图拓扑结构

道路（road）表示涵盖一定长度真实道路信息的关系集合，成员为边线集合（lines）、车道线集合（lanes）、目标集合（objects）。车道线（lane）主要用来描述路面上划分车道的标识线，是根据真实车道中心线设置的，根据其包含的信息标签表示真实车道信息，由一条或者多条车道组合而·135·成的关系集合就是车道线集合；边线（line）表示为车辆提供行驶车道的出入口的路面标线、道路边界，包含的描述性信息标签描述相关信息，由一条或者多条组合而成的关系集合即边线集合；目标（object）表示道路外的交通标志和道路边界以内的路面标志、交通设施，包括人行道、禁停区、减速带、信号灯、停车标志、让行标志等。由一个或者多个目标组合而成的关系集合称为目标集合。采用junction定义道路中的交叉路口区域，利用道路与路口的交叉属性描述当前道路的特殊位置属性。诸如停车场、收费站等不能用道路表示的位置定义为区域（zone），成员为车道线集合、目标集合、关键点集合、障碍物集合。相对于普通道路，区域包含了障碍集合（obstacles），所谓障碍，指的是区域内阻碍车辆行驶的静态物体或设施，用way、node、closedway表示，其中way或closedway表示其轮廓，node表示障碍的定位点，障碍集合是由若干障碍组合成的关系。关键点（keypoint）表示引导车辆行驶的关键位置点（如收费站收费口入口点）。图4为JOSM编辑界面，图中显示当前道路纵向共有2个车道，车道与车道之间边界线为黄虚线，转弯类型为直行道、道路限速20km/h；中利用拓扑关系编辑各车道的关系以及属性。图4JOSM编辑界面

4结论高精度地图技术自动驾驶汽车重要的组成部分，将成为自动驾驶汽车成熟的标志。目前高精度地图技术迅猛发展，仅包含静态信息高精度地图已逐步应用于部分自动驾驶研究。为自动驾驶汽车提供保证高精度、高丰富度及高新鲜度的动态地图也将随着技术的发展而应用于自动驾驶，对促进智能车落地实用、加快智能交通系统的建设具有积极推动作用。参考文献勘探[1]测绘陈根.移院

动测量技术在高精度地图数据生产的工程，[2]韩，栋2018斌.（基5于）：应用分析[J].手104-105.

眼三维环[3]2017陈文，44，岳（8惊）：模型的三维激光雷达外参数标定[J].光电涛798-804.

，李华，韩栋斌，齐尧.基于图学，2018.

[4]境重王永构超[J]..基军事于深交度学通学院学报习的车道，2017线检，19测（[D].9）优化方：法的点云秦85-90.

皇岛：燕山大方法[5][J].赵计银算玲机，系统应周武能用，.基2018于改，进27（卷10积）神：209-213.

经网络的交通标志识别