[发明专利]一种用于无人驾驶的高精度路网自动生成的方法

说明书

本发明公开了一种用于无人驾驶模型的高精度路网自动生成的方法，首先构建高精度路网模型HDRNM，该模型包括高精度路段网络层与高精度车道网络层，同时还包含路段网络层与车道网络层的关联关系；首先提取路段网络层数据；然后使用基于多方向约束的PCA实现了车道网络层的自动提取；最后利用线性事件点进行道路分段，建立车道网络层和路段网络层之间的拓扑关系。

技术领域

本发明属于高精度地图技术领域，涉及一种高精度路网自动生成的方法，具体涉及一种用于无人驾驶的高精度路网自动生成的方法。

背景技术

HD Map是一种专门服务于无人驾驶的地图，高精度地图的应用对无人驾驶越来越重要，高精度路网是高精地图中的最重要的组成内容。随着智能交通的发展和ADAS的火热发展，HD map(High Definition map)在学术界和工业界都引起了很大的关注(文献1-5)。HD map能够提供精细化的地图信息辅助智能车辆实现高精度定位(文献6-8)，可以解决特定情况下传感器失效的问题，弥补环境感知设备的不足，有效降低智能车辆感知的难度(文献9-11)；根据地图和动态交通信息的先验知识，基于全局路径规划给出最佳的行驶路径和合理的行驶策略(文献12-14)，有效实现驾驶车主动安全，降低车辆驾驶的复杂度(文献15)。因此，HD map的generation变得十分重要，HD map目前处于重大需求阶段(文献16)。路网数据是对真实世界道路模型的表达，high definition road network是HD map的重要的组成部分。

但是目前，对高精度路网的自动生成的研究中同时关注道路提取和路段提取的研究还不多。

高精度路网的生成研究，主要集中利用众包或者智能车的设备实现路网的提取(文献17-19)，高精度路段的生成(文献20,21)，高精度路口的提取(文献22)等。在高精度路网的模型的研究问题上，研究主要集中在在高精度路网的表达的格式(文献23)，高精度路口的表达(文献24)，道路模型(文献25,26)等展开的研究，但是少有人同时关注到车道和路段拓扑关联关系的自动生成。路网的自动生成拓扑关系的自动生成前人也做了一些研究，主要方法有合并不同层的交叉点(文献27)，利用点关联(文献28)，using Hidden MarkovModel(HMM)map matching等(文献29)。但是这些研究不是基于车道级路网的拓扑提取，针对车道级路网的拓扑提取大量依靠手工的办法。

HD map数据通常为厘米级positioning accuracy of approximate(文献30)，高精度路网的自动生成越来越得到学者的广泛关注。高精度地图所服务的对象不仅包含现有的ADAS系统，还应该包含无人驾驶系统、辅助安全系统、车路协同系统等等。

在高精路网的模型表达上面，目前对车道提取和模型已有学者做了很多相关的研究。Gi-Poong et al.用了piecewise polynomials来模拟车道，提高了路网存储的效率。Chunzhao et al.用一种近似an approximated clothoid spline的a third-orderpolynomial来表达车道，用the cubic Catmull-Rom spline来表达路口的转弯曲线(文献17)，对车道和路口都能快速建模。Anning et al.用the Cubic Hermite spline对车道中心线进行建模(文献31)，适合GIS数据库的软件进行一系列的车道和路段建模。Kichun etal.用B样条曲线对车道级路网进行三维表达(文献25)，保证了三维路网的形状和accuracy。这一类研究专注于车道模型的几何表达。Tao et al.定义了高精度路网的车道的描述模型，将道路网络由车道弧段、车道属性、路口及路口属性等组成(文献23)，解决了高精度路网中车道模型的表达，但是缺乏高精度路网中路段信息的表达，而且没有表达车道和路网之间的对应关联关系。