[发明专利]基于自动驾驶应用场景的地图模型及其应用方法

说明书

本发明公开了一种基于自动驾驶应用场景的地图模型及其应用方法，其中模型包括地理点云、网络模型、道路模型、交通模型以及自动驾驶行为模型；地理点云包括环境要素层、道路要素层以及边界要素层，网络模型包括公用网络模型和自组网络模型，道路模型包括数学要素层、地理要素层、辅助要素层和地理编码，交通模型包括动态交通模型和静态交通模型；自动驾驶行为模型包括货车自动驾驶行为模型、客车自动驾驶行为模型、轿车自动驾驶行为模型和专用车自动驾驶行为模型。本发明致力将交通规则嵌入到智能驾驶中，使地图模型与自动驾驶车辆行驶深度融合，实现地图模型控制自动驾驶车辆。

技术领域：

本发明涉及自动驾驶地图模型及其应用方法，尤其涉及一种基于自动驾驶应用场景的地图模型及其应用方法。

背景技术：

随着大数据时代的到来，人们的生产生活对交通运输的运行效率和基础功能要求越来越高，在这种时代背景下，依托于人工智能和各种监控装置及遥感技术的自动驾驶备受关注。然而目前主流的技术手段多是依附于传感器、雷达、摄像头等车辆装置本身的感知功能。例如，自动驾驶泊车，自动驾驶特定公路上行驶等其他单车智能技术；或专注于打造更高精度和呈现效果更好的地图，例如，图层制作、场景地图渲染等等。这些过度依赖车辆的或感知系统地图的方法，没有实现真正的数据深度融合，从安全的角度和生产效率的角度还不能满足人们的要求。怎样使自动驾驶车辆的行驶不仅依附于自身的感知系统，而是与地图与交通规则很好的融合，实现更高程度的人工智能和自动化是当前研究的关键所在。

发明内容：

本发明是为了解决上述现有技术存在的问题而提供一种基于自动驾驶应用场景的地图模型及其应用方法，致力将交通规则嵌入到智能驾驶中，使地图模型与自动驾驶车辆行驶深度融合，实现地图模型控制自动驾驶车辆，自动驾驶车辆通过自动驾驶系统与地图交互，减少自动驾驶对感知设备和天气的依赖，将地图模型中的地理编码与实际行驶和生产相结合，计算耗能和时间成本，以此规划自动驾驶行为，实现更安全，更高效，自动化程度更高基于自动驾驶应用场景的地图模型。

本发明采用如下技术方案：一种基于自动驾驶应用场景的地图模型，包括地理点云、网络模型、道路模型、交通模型以及自动驾驶行为模型；

所述地理点云包括环境要素层、道路要素层以及边界要素层，环境要素层包括环境类型和图层优化，环境类型根据点云特征点进行分类，图层优化采用SLAM优化方法，所述道路要素层包括道路分割和道路识别，道路分割采用RANSAC线面提取道路线面以提取道路区域和路面，道路识别在道路分割基础上用Hausdorff距离进行深度识别，所述边界要素层包括边界配准、边界变化监测和边界参数，所述边界配准采用ICP点云配准，边界变化监测采用八叉树算法和提取技术结合，边界参数包括法线方向和曲率；

所述网络模型包括公用网络模型和自组网络模型，公用网络模型包括运营商输出、基站、信号类型、方向、信号强度、覆盖范围以及带宽参数；

所述道路模型包括数学要素层、地理要素层、辅助要素层和地理编码，数学要素层包括道路宽度、道路线性参数、道路高程以及道路交汇点，地理要素层包括路面介质、路面边界可信度、道路通行能力、路面平整性以及路面破损面，辅助要素层包括路端监测区、路端监测信号覆盖范围、边缘监测权重以及地理编码，由测量和以及点云数据处理结果和系统自动生成，所述地理编码包括区域位置信息、交通行为策略和传递/交互方式；

所述交通模型包括动态交通模型和静态交通模型；

所述自动驾驶行为模型包括货车自动驾驶行为模型、客车自动驾驶行为模型、轿车自动驾驶行为模型和专用车自动驾驶行为模型。

进一步地，所述动态交通模型包括限速、单向、双向、右转、左转、直行、排队、最小车距、最大转弯速度、最小转弯半径、最大转弯半径；靠左行驶、靠右行驶、中间线行驶；重车优先、空车优先、空车让行、重车让行、等待信号通行；禁止避障、禁止超车、禁止停靠、禁止左转、禁止右转、禁止重车、禁止会车交通规则。