CN106156267A - 一种面向高速公路的车道级增强型矢量数字地图制作方法 - Google Patents
一种面向高速公路的车道级增强型矢量数字地图制作方法 Download PDFInfo
- Publication number
- CN106156267A CN106156267A CN201610078232.8A CN201610078232A CN106156267A CN 106156267 A CN106156267 A CN 106156267A CN 201610078232 A CN201610078232 A CN 201610078232A CN 106156267 A CN106156267 A CN 106156267A
- Authority
- CN
- China
- Prior art keywords
- lane
- nodes
- node
- road
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 27
- 238000005452 bending Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 abstract 2
- 230000002596 correlated effect Effects 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 3
- 241000274965 Cyrestis thyodamas Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种面向高速公路的车道级增强型矢量数字地图制作方法。本发明通过以下技术方案实现:首先在需要测绘的道路上选择一条车道,确定车道的起点和终点;利用信息采集车辆采集车道的位置信息,根据所采信息选取车道的节点;通过高斯‑克吕格投影对节点进行大地坐标系到高斯平面直角坐标系的转换;利用最小二乘法对节点进行筛选得到车道的最终矢量数据;最后利用上述方法得到需要测绘的道路上其它车道的最终矢量数据,并借助相关数字地图制作软件将最终矢量数据制作生成面向高速公路的车道级增强型矢量数字地图。本发明制作出的数字地图包含道路的车道信息,相对于一般的数字地图精度更高。
Description
技术领域
本发明涉及一种数字地图的制作方法,具体的是一种面向高速公路的车道级增强型矢量数字地图制作方法。
背景技术
地图是地表的模拟图像,自出现以来便为人们的出行带来了极大的便利。近年来随着数字技术的飞速发展,数字地图慢慢走进了人们的视野。数字地图是一种数字化的地图新品种,相对传统的纸质地图有查找方便、易于修改和更新等优点,因此逐渐取代了传统的纸质地图成为人们日常生活中更常用的地图工具。然而目前的数字地图存在以下问题:数字地图精度较低,往往无法满足高精度定位的要求;地图属性匮乏,一般仅仅包含基本的位置信息,而对于人们关注的一些重要属性信息,例如道路的车道线、坡度、曲率等并没有包含;
为了解决现有数字地图的上述缺陷,增强型数字地图成了近些年的一个热门研究方向。增强型数字地图是指在普通数字地图的基础上增加一些特有属性(例如道路的车道线、坡度、曲率等)的数字地图,相对于普通数字地图具有更加广泛的应用。本发明提出了一种面向高速公路的车道级增强型矢量数字地图的制作方法,与大多已有的车道级矢量数字地图用一系列等间距的点的连线表示车道不同,本发明采用最小二乘直线对车道的平面线形进行分段拟合,并根据拟合结果对这些点进行筛选,最终得到的车道级增强型矢量数字地图可以达到在道路弯曲程度较大的地方点较密集,在道路弯曲程度较小的地方点较稀疏的效果,既保证了数字地图的高精度又大大地减小了数据量,制作出的车道级增强型矢量数字地图可以在很多面向高速公路的系统中发挥作用,例如车道偏离预警系统、自主驾驶系统等。
发明内容
本发明针对现有技术的上述缺陷和不足,提出了一种面向高速公路的车道级增强型矢量数字地图制作方法。本发明相对于现有制作方法更加简单,制作出的车道级数字地图具有更高的精度和更小的数据量,可用于车道偏离预警系统、自主驾驶系统等。
本发明通过以下技术方案实现:首先在需要测绘的道路上选择一条车道,确定车道的起点和终点;利用信息采集车辆采集车道的位置信息,根据所采信息选取车道的节点;通过高斯-克吕格投影对节点进行大地坐标系到高斯平面直角坐标系的转换;利用最小二乘法对节点进行筛选得到车道的最终矢量数据;最后利用上述方法得到需要测绘的道路上其它车道的最终矢量数据,并借助相关数字地图制作软件将最终矢量数据制作生成面向高速公路的车道级增强型矢量数字地图。
结合图1所示的流程图,对本发明的思想做进一步说明:
步骤一:选择需要测绘的路段并将其定义为目标道路,确定目标道路的起点和终点;
目标道路的选取范围为我国的高速公路,并且目标道路应光滑连续、不包含交叉路口;鉴于步骤二中所采用的高斯-克吕格投影在小范围内精度较高,且误差会随着投影范围的增大而不断变大,故本发明中所选目标道路的长度不超过5km。
步骤二:在目标道路上选择一条车道并将其定义为目标车道,确定目标车道的起点和终点,利用信息采集车辆采集目标车道的位置信息;
所述信息采集车辆搭载了组合导航系统,水平定位精度的圆概率误差小于0.02m,输出频率为20Hz,可以实时输出车辆所在位置的经纬度信息Pi(Li,Bi),其中Li表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的经度信息,Bi表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的纬度信息,i=1,2,3…。车道位置信息采集过程中为了使信息采集点尽可能的分布均匀,将车速控制在60-70km/h(16.67-19.44m/s),并保持在目标车道的中心匀速行驶。
步骤三:将目标车道上的车道位置信息采集点Pi(Li,Bi)定义为车道的节点,假设从目标车道起点到目标车道终点之间有m个节点。通过3度带高斯-克吕格投影对上述m个节点的经纬度坐标进行大地坐标系到高斯平面直角坐标系的转换;
本发明根据起始节点P1(L1,B1)选定P0(L0,B0)作为高斯-克吕格投影的原点,其中L0=3A,A为(L1/3)四舍五入取整的值,B0=0°;坐标转换公式如下:
其中,xi为第i个节点在高斯平面直角坐标系下的纵坐标(北向位置),yi为第i个节点在高斯平面直角坐标系下的横坐标(东向位置),l为所求点的经度Li与L0之差,t=tanBi,η=e'cosBi,e'为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,XBi为赤道至纬度Bi的子午线弧长,且XBi=C0Bi-cosBi(C1sinBi+C2sin3Bi+C3sin5Bi+C4sin7Bi),其中C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定;
步骤四:利用最小二乘直线分段拟合目标车道的平面线形,并根据拟合结果对上述目标车道的节点进行筛选;
具体筛选流程如下:
①、定义经筛选后剩余的节点个数为R,R的初始值为m,即R=m;设定阈值DTHR;
本发明中阈值DTHR取0.00256;目标车道的节点在未经筛选的情况下相邻的节点处车道行进方向的角度差远小于0.1°,然而经过本筛选流程后将达到相邻的节点处车道行进方向的角度相差约0.1°的效果,能较好的实现在道路弯曲程度较大的地方节点较密集、在道路弯曲程度较小的地方节点较稀疏的要求。
②、从目标车道的第1个节点开始将每10个相邻的节点(不考虑已经被删除的节点)分为一个节点集Q,定义节点集序列指针j,假设经筛选后剩余的R个节点{P1,P2,P3,…,Pi,…,PR},(1≤i≤R)以每10个为一组的方式共被分成了n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n),则n为(R/10)向下取整的值,其中Qj={P10j-9,P10j-8,P10j-7,…,P10j};
③、将j赋值为1,即j=1;
④、用最小二乘法求取第j个节点集中10个节点的拟合直线,并计算拟合误差;
设第j个节点集的最小二乘拟合直线的函数表达式为:
y=aj+bjx (2)
其中,aj和bj为待定常数;
则拟合误差Dj可由下式获得:
其中,Yj为第j个节点集内节点纵坐标的均值,Xj为第j个节点集内节点横坐标的均值,Sj为第j个节点集内节点横坐标和纵坐标积的均值,Tj为第j个节点集内节点横坐标平方的均值,为Xj的平方,即:
⑤、将Dj与阈值DTHR进行比较:当Dj小于阈值DTHR时删除第j个节点集内下标为偶数的节点,并将R的值减5,即R=R-5;当Dj大于或等于阈值DTHR时不删除节点且R的值不变;
⑥、将j的值加一,即j=j+1,若此时j>n则进行⑦,反之则跳转至④;
⑦、若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中没有任何一个节点被删除则跳出该筛选流程至步骤五。
若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中有节点被删除则跳转至②继续进行检测和筛选。
步骤五:按照步骤一至步骤四所述方法得到目标道路上其它车道经筛选后的最终矢量数据,并通过相关数字地图制作软件完成整条道路的车道级增强型矢量数字地图的制作。
有益效果
1.本发明提出的面向高速公路的车道级增强型矢量数字地图制作方法采用分段最小二乘法对节点进行筛选,既保证了数字地图的高精度又大大地减小了不必要的数据量。
2.本发明提出的面向高速公路的车道级增强型矢量数字地图制作方法制作出的数字地图能够为使用者提供车道级的道路信息,这一信息可作为很多面向高速公路的系统的输入信号,例如车道偏离预警系统、自主驾驶系统等。
附图说明
图1是本发明流程图;
具体实施步骤
地图是地表的模拟图像,自出现以来便为人们的出行带来了极大的便利。近年来随着数字技术的飞速发展,数字地图慢慢走进了人们的视野。数字地图是一种数字化的地图新品种,相对传统的纸质地图有查找方便、易于修改和更新等优点,因此逐渐取代了传统的纸质地图成为人们日常生活中更常用的地图工具。然而目前的数字地图存在以下问题:数字地图精度较低,往往无法满足高精度定位的要求;地图属性匮乏,一般仅仅包含基本的位置信息,而对于人们关注的一些重要属性信息,例如道路的车道线、坡度、曲率等并没有包含;
为了解决现有数字地图的上述缺陷,增强型数字地图成了近些年的一个热门研究方向。增强型数字地图是指在普通数字地图的基础上增加一些特有属性(例如道路的车道线、坡度、曲率等)的数字地图,相对于普通数字地图具有更加广泛的应用。本发明提出了一种面向高速公路的车道级增强型矢量数字地图的制作方法,与大多已有的车道级矢量数字地图用一系列等间距的点的连线表示车道不同,本发明采用最小二乘直线对车道的平面线形进行分段拟合,并根据拟合结果对这些点进行筛选,最终得到的车道级增强型矢量数字地图可以达到在道路弯曲程度较大的地方点较密集,在道路弯曲程度较小的地方点较稀疏的效果,既保证了数字地图的高精度又大大地减小了数据量,制作出的车道级增强型矢量数字地图可以在很多面向高速公路的系统中发挥作用,例如车道偏离预警系统、自主驾驶系统等。
本发明通过以下技术方案实现:首先在需要测绘的道路上选择一条车道,确定车道的起点和终点;利用信息采集车辆采集车道的位置信息,根据所采信息选取车道的节点;通过高斯-克吕格投影对节点进行大地坐标系到高斯平面直角坐标系的转换;利用最小二乘法对节点进行筛选得到车道的最终矢量数据;最后利用上述方法得到需要测绘的道路上其它车道的最终矢量数据,并借助相关数字地图制作软件将最终矢量数据制作生成面向高速公路的车道级增强型矢量数字地图。
本发明采用搭载了组合导航系统的信息采集车辆进行车道位置信息的采集。本实施方式具体采用的是高精度(水平定位精度的圆概率误差[CEP]小于0.02m)、高频率(输出频率大于等于20Hz)组合导航系统,具体型号例如美国KVH公司生产的SPAN-KVH1750组合导航系统。组合导航系统的天线安装在车顶中心位置,其惯性测量单元安装在车辆质心位置。
结合图1所示的流程图,对本发明的思想做进一步说明:
步骤一:选择需要测绘的路段并将其定义为目标道路,确定目标道路的起点和终点;
目标道路的选取范围为我国的高速公路,并且目标道路应光滑连续、不包含交叉路口;鉴于步骤二中所采用的高斯-克吕格投影在小范围内精度较高,且误差会随着投影范围的增大而不断变大,故本发明中所选目标道路的长度不超过5km。
步骤二:在目标道路上选择一条车道并将其定义为目标车道,确定目标车道的起点和终点,利用信息采集车辆采集目标车道的位置信息;
所述信息采集车辆搭载了组合导航系统,水平定位精度的圆概率误差小于0.02m,输出频率为20Hz,可以实时输出车辆所在位置的经纬度信息Pi(Li,Bi),其中Li表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的经度信息,Bi表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的纬度信息,i=1,2,3…。车道位置信息采集过程中为了使信息采集点尽可能的分布均匀,将车速控制在60-70km/h(16.67-19.44m/s),并保持在目标车道的中心匀速行驶,这样相邻的信息采集点之间的间距在0.83-0.97m之间,能很好地满足本发明的要求;
步骤三:将目标车道上的车道位置信息采集点Pi(Li,Bi)定义为车道的节点,假设从目标车道起点到目标车道终点之间有m个节点。通过3度带高斯-克吕格投影对上述m个节点的经纬度坐标进行大地坐标系到高斯平面直角坐标系的转换;
本发明根据起始节点P1(L1,B1)选定P0(L0,B0)作为高斯-克吕格投影的原点,其中L0=3A,A为(L1/3)四舍五入取整的值,B0=0°;坐标转换公式如下:
其中,xi为第i个节点在高斯平面直角坐标系下的纵坐标(北向位置),yi为第i个节点在高斯平面直角坐标系下的横坐标(东向位置),l为所求点的经度Li与L0之差,t=tanBi,η=e'cosBi,e'为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,XBi为赤道至纬度Bi的子午线弧长,且XBi=C0Bi-cosBi(C1sinBi+C2sin3Bi+C3sin5Bi+C4sin7Bi),其中C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定;具体的坐标转化的步骤以及参数详见以下参考文献(刘基余.GPS卫星导航定位原理与方法.北京:科学出版社,2003.229-379)、(胡伍生,高成发.GPS测量原理及其应用.北京:人民交通出版社,2004.1-101.)。
步骤四:利用最小二乘直线分段拟合目标车道的平面线形,并根据拟合结果对上述目标车道的节点进行筛选;
最小二乘法是一种数学优化方法,它通过最小化误差的平方和寻找数据的最优函数匹配,具有算法简单、易于实现等优点。因为我国高速公路平面线形主要由直线、回旋线和半径较大的圆曲线三种要素组成,所以在较短的道路长度范围内用直线对道路的平面线形进行拟合可以达到较好的效果,另外,相对于非线性曲线,用直线拟合的计算方法较为简单,计算量也较小。所以本发明利用最小二乘直线分段拟合车道的平面线形,并根据拟合结果对目标车道的节点进行筛选。
具体筛选流程如下:
①、定义经筛选后剩余的节点个数为R,R的初始值为m,即R=m;设定阈值DTHR;
本发明中阈值DTHR取0.00256;由步骤二中信息采集车辆对目标车道的位置信息采集方法可知本发明中目标车道的相邻节点之间相距约0.83-0.97m,根据《中华人民共和国行业标准公路路线设计规范(JTG D20-2006)》相关规定,设计速度为120KM/h的高速公路的最小圆曲线半径为650m,所以在未经筛选的情况下相邻的节点处车道行进方向的角度差远小于0.1°,然而经过本筛选流程后将达到相邻的节点处车道行进方向的角度相差约0.1°的效果,能较好的实现在道路弯曲程度较大的地方节点较密集、在道路弯曲程度较小的地方节点较稀疏的要求。
②、从目标车道的第1个节点开始将每10个相邻的节点(不考虑已经被删除的节点)分为一个节点集Q,定义节点集序列指针j,假设经筛选后剩余的R个节点{P1,P2,P3,…,Pi,…,PR},(1≤i≤R)以每10个为一组的方式共被分成了n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n),则n为(R/10)向下取整的值,其中Qj={P10j-9,P10j-8,P10j-7,…,P10j};
③、将j赋值为1,即j=1;
④、用最小二乘法求取第j个节点集中10个节点的拟合直线,并计算拟合误差;
设第j个节点集的最小二乘拟合直线的函数表达式为:
y=aj+bjx (2)
其中,aj和bj为待定常数;
则拟合误差Dj可由下式获得:
分别求Dj对aj和bj的一阶偏导数得:
令且得:
其中,Yj为第j个节点集内节点纵坐标的均值,Xj为第j个节点集内节点横坐标的均值,Sj为第j个节点集内节点横坐标和纵坐标积的均值,Tj为第j个节点集内节点横坐标平方的均值。即:
由高斯消元法对式(6)进行求解,得:
其中,为Xj的平方。
将式(8)带入式(3)可得:
⑤、将Dj与阈值DTHR进行比较:当Dj小于阈值DTHR时删除第j个节点集内下标为偶数的节点,并将R的值减5,即R=R-5;当Dj大于或等于阈值DTHR时不删除节点且R的值不变。
⑥、将j的值加一,即j=j+1,若此时j>n则进行⑦,反之则跳转至④;
⑦、若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中没有任何一个节点被删除则说明对于所有的节点集序列指针j,(1≤j≤n)都满足Dj≥DTHR,此时相邻的节点处车道行进方向的角度相差约0.1°,既能够保证数字地图的高精度又不会有很多不必要的数据量,能够很好的达到该筛选流程的目的。在这种情况下跳出该筛选流程至步骤五。
若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中有节点被删除则说明在这些节点被删除之前存在一个或多个节点集没有满足Dj≥DTHR,(1≤j≤n),而且节点被删除之后也未必满足Dj≥DTHR,(1≤j≤n)。在这种情况下则跳转至②继续进行检测和筛选。
步骤五:按照步骤一至步骤四所述方法得到目标道路上其它车道经筛选后的最终矢量数据,并通过相关数字地图制作软件完成整条道路的车道级增强型矢量数字地图的制作。
目前已有的数字地图制作软件种类很多,制作方法也不尽相同。例如,MapInfo以表的形式组织所有图形信息和属性数据,每一个表在地图中都可以被理解成一个地图图层。通过MapInfo制作面向高速公路的车道级增强型矢量数字地图的步骤如下:首先将得到的所有节点的位置信息制作成表,并转换成MapInfo可以打开的word,txt,mdb,xls等文件格式;然后用MapInfo打开节点的位置信息表文件,并根据位置信息创建点,生成MIF格式的车道级增强型矢量数字地图。具体的数字地图的制作可以参考文献(王家耀,李志林,武芳.数字地图综合进展.北京:科学出版社,2011)、(王家耀,孙群,王光霞,江南,吕晓华.地图学原理与方法.北京:科学出版社,2006)、(吴秀琳,刘永革,王利军.Mapinfo 9.5中文版标准教程.北京:清华大学出版,2009)。
Claims (1)
1.一种面向高速公路的车道级增强型矢量数字地图制作方法,其特征在于,包含如下步骤:
步骤一:选择需要测绘的路段并将其定义为目标道路,确定目标道路的起点和终点;
目标道路的选取范围为我国的高速公路,并且目标道路应光滑连续、不包含交叉路口;鉴于步骤二中所采用的高斯-克吕格投影在小范围内精度较高,且误差会随着投影范围的增大而不断变大,故本发明中所选目标道路的长度不超过5km。
步骤二:在目标道路上选择一条车道并将其定义为目标车道,确定目标车道的起点和终点,利用信息采集车辆采集目标车道的位置信息;
所述信息采集车辆搭载了组合导航系统,水平定位精度的圆概率误差小于0.02m,输出频率为20Hz,可以实时输出车辆所在位置的经纬度信息Pi(Li,Bi),其中Li表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的经度信息,Bi表示信息采集车辆在目标车道上采集到的第i组车道位置信息中的纬度信息,i=1,2,3…。车道位置信息采集过程中为了使信息采集点尽可能的分布均匀,将车速控制在60-70km/h(16.67-19.44m/s),并保持在目标车道的中心匀速行驶。
步骤三:将目标车道上的车道位置信息采集点Pi(Li,Bi)定义为车道的节点,假设从目标车道起点到目标车道终点之间有m个节点。通过3度带高斯-克吕格投影对上述m个节点的经纬度坐标进行大地坐标系到高斯平面直角坐标系的转换;
本发明根据起始节点P1(L1,B1)选定P0(L0,B0)作为高斯-克吕格投影的原点,其中L0=3A,A为(L1/3)四舍五入取整的值,B0=0°;坐标转换公式如下:
其中,xi为第i个节点在高斯平面直角坐标系下的纵坐标(北向位置),yi为第i个节点在高斯平面直角坐标系下的横坐标(东向位置),l为所求点的经度Li与L0之差,t=tanBi,η=e'cosBi,e'为椭球第二偏心率,N为通过所求点的卯酉圈曲率半径,为赤道至纬度Bi的子午线弧长,且其中C0,C1,C2,C3,C4为与点位无关的系数,仅有椭球体长半轴、短半轴、第一偏心率等参数确定;
步骤四:利用最小二乘直线分段拟合目标车道的平面线形,并根据拟合结果对上述目标车道的节点进行筛选;
具体筛选流程如下:
①、定义经筛选后剩余的节点个数为R,R的初始值为m,即R=m;设定阈值DTHR;
本发明中阈值DTHR取0.00256;目标车道的节点在未经筛选的情况下相邻的节点处车道行进方向的角度差远小于0.1°,然而经过本筛选流程后将达到相邻的节点处车道行进方向的角度相差约0.1°的效果,能较好的实现在道路弯曲程度较大的地方节点较密集、在道路弯曲程度较小的地方节点较稀疏的要求。
②、从目标车道的第1个节点开始将每10个相邻的节点(不考虑已经被删除的节点)分为一个节点集Q,定义节点集序列指针j,假设经筛选后剩余的R个节点{P1,P2,P3,…,Pi,…,PR},(1≤i≤R)以每10个为一组的方式共被分成了n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n),则n为(R/10)向下取整的值,其中Qj={P10j-9,P10j-8,P10j-7,…,P10j};
③、将j赋值为1,即j=1;
④、用最小二乘法求取第j个节点集中10个节点的拟合直线,并计算拟合误差;
设第j个节点集的最小二乘拟合直线的函数表达式为:
y=aj+bjx (2)
其中,aj和bj为待定常数;
则拟合误差Dj可由下式获得:
其中,Yj为第j个节点集内节点纵坐标的均值,Xj为第j个节点集内节点横坐标的均值,Sj为第j个节点集内节点横坐标和纵坐标积的均值,Tj为第j个节点集内节点横坐标平方的均值,为Xj的平方,即:
⑤、将Dj与阈值DTHR进行比较:当Dj小于阈值DTHR时删除第j个节点集内下标为偶数的节点,并将R的值减5,即R=R-5;当Dj大于或等于阈值DTHR时不删除节点且R的值不变;
⑥、将j的值加一,即j=j+1,若此时j>n则进行⑦,反之则跳转至④;
⑦、若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中没有任何一个节点被删除则跳出该筛选流程至步骤五。
若n个节点集{Q1,Q2,Q3,…,Qj,…,Qn},(1≤j≤n)中有节点被删除则跳转至②继续进行检测和筛选。
步骤五:按照步骤一至步骤四所述方法得到目标道路上其它车道经筛选后的最终矢量数据,并通过相关数字地图制作软件完成整条道路的车道级增强型矢量数字地图的制作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610078232.8A CN106156267B (zh) | 2016-02-04 | 2016-02-04 | 一种面向高速公路的车道级增强型矢量数字地图制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610078232.8A CN106156267B (zh) | 2016-02-04 | 2016-02-04 | 一种面向高速公路的车道级增强型矢量数字地图制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106156267A true CN106156267A (zh) | 2016-11-23 |
CN106156267B CN106156267B (zh) | 2019-05-31 |
Family
ID=57352762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610078232.8A Active CN106156267B (zh) | 2016-02-04 | 2016-02-04 | 一种面向高速公路的车道级增强型矢量数字地图制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156267B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193888A (zh) * | 2017-05-02 | 2017-09-22 | 东南大学 | 一种面向车道级导航定位的城市道路路网模型 |
CN110103823A (zh) * | 2019-05-21 | 2019-08-09 | 东南大学 | 一种基于增强型数字地图的车辆侧翻事前预警方法 |
CN111145355A (zh) * | 2019-12-25 | 2020-05-12 | 北京经纬恒润科技有限公司 | 道路网格数据生成方法及装置 |
CN111189424A (zh) * | 2019-12-27 | 2020-05-22 | 中国交通通信信息中心 | 一种基于多级搜索半径的道路数据弯曲程度检测方法 |
WO2020108207A1 (zh) * | 2018-11-29 | 2020-06-04 | 华为技术有限公司 | 一种高精度地图的构建方法及装置 |
CN111819419A (zh) * | 2017-12-27 | 2020-10-23 | 宝马股份公司 | 用于车辆的数字地图的变形校正 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN112579715A (zh) * | 2019-09-30 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN113656529A (zh) * | 2021-09-16 | 2021-11-16 | 北京百度网讯科技有限公司 | 道路精度的确定方法、装置和电子设备 |
CN118452867A (zh) * | 2024-07-09 | 2024-08-09 | 四川毅创康华健康科技有限公司 | 一种多模融合的活体生命体征探测系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630463A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 路网栅格数字地图自动矢量化方法 |
CN101675442A (zh) * | 2007-05-25 | 2010-03-17 | 爱信艾达株式会社 | 车道确定装置、车道确定方法及使用该装置的导航设备 |
CN102529975A (zh) * | 2010-12-13 | 2012-07-04 | 通用汽车环球科技运作有限责任公司 | 用于精确的分车道车辆定位的系统和方法 |
JP2013234902A (ja) * | 2012-05-08 | 2013-11-21 | Alpine Electronics Inc | 走行レーン認識装置および走行レーン認識方法 |
CN103842775A (zh) * | 2011-11-08 | 2014-06-04 | 爱信艾达株式会社 | 车道引导显示系统、方法和程序 |
US20140358414A1 (en) * | 2013-06-01 | 2014-12-04 | Faroog Ibrahim | System and method for creating, storing, and updating local dynamic MAP database with safety attribute |
US20150019128A1 (en) * | 2003-06-19 | 2015-01-15 | Here Global B.V. | Method and System for Representing Traffic Signals in a Road Network Database |
CN105043403A (zh) * | 2015-08-13 | 2015-11-11 | 武汉光庭信息技术有限公司 | 高精度地图路线规划系统及方法 |
-
2016
- 2016-02-04 CN CN201610078232.8A patent/CN106156267B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150019128A1 (en) * | 2003-06-19 | 2015-01-15 | Here Global B.V. | Method and System for Representing Traffic Signals in a Road Network Database |
CN101675442A (zh) * | 2007-05-25 | 2010-03-17 | 爱信艾达株式会社 | 车道确定装置、车道确定方法及使用该装置的导航设备 |
CN101630463A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 路网栅格数字地图自动矢量化方法 |
CN102529975A (zh) * | 2010-12-13 | 2012-07-04 | 通用汽车环球科技运作有限责任公司 | 用于精确的分车道车辆定位的系统和方法 |
CN103842775A (zh) * | 2011-11-08 | 2014-06-04 | 爱信艾达株式会社 | 车道引导显示系统、方法和程序 |
JP2013234902A (ja) * | 2012-05-08 | 2013-11-21 | Alpine Electronics Inc | 走行レーン認識装置および走行レーン認識方法 |
US20140358414A1 (en) * | 2013-06-01 | 2014-12-04 | Faroog Ibrahim | System and method for creating, storing, and updating local dynamic MAP database with safety attribute |
CN105043403A (zh) * | 2015-08-13 | 2015-11-11 | 武汉光庭信息技术有限公司 | 高精度地图路线规划系统及方法 |
Non-Patent Citations (2)
Title |
---|
KICHUN JO,MYOUNGHO SUNWOO: "Generation of a precise roadway map for autonomous cars", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
张林,杨兆升等: "车辆导航系统中基于三维电子地图的", 《交通与计算机》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107193888B (zh) * | 2017-05-02 | 2019-09-20 | 东南大学 | 一种面向车道级导航定位的城市道路路网模型 |
CN107193888A (zh) * | 2017-05-02 | 2017-09-22 | 东南大学 | 一种面向车道级导航定位的城市道路路网模型 |
CN111819419A (zh) * | 2017-12-27 | 2020-10-23 | 宝马股份公司 | 用于车辆的数字地图的变形校正 |
CN111819419B (zh) * | 2017-12-27 | 2024-03-08 | 宝马股份公司 | 用于车辆的数字地图的变形校正 |
US11933627B2 (en) | 2018-11-29 | 2024-03-19 | Huawei Technologies Co., Ltd. | High-definition map building method and apparatus |
WO2020108207A1 (zh) * | 2018-11-29 | 2020-06-04 | 华为技术有限公司 | 一种高精度地图的构建方法及装置 |
CN110103823A (zh) * | 2019-05-21 | 2019-08-09 | 东南大学 | 一种基于增强型数字地图的车辆侧翻事前预警方法 |
CN112579715A (zh) * | 2019-09-30 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN111145355A (zh) * | 2019-12-25 | 2020-05-12 | 北京经纬恒润科技有限公司 | 道路网格数据生成方法及装置 |
CN111145355B (zh) * | 2019-12-25 | 2023-09-22 | 北京经纬恒润科技股份有限公司 | 道路网格数据生成方法及装置 |
CN111189424B (zh) * | 2019-12-27 | 2021-08-17 | 中国交通通信信息中心 | 一种基于多级搜索半径的道路数据弯曲程度检测方法 |
CN111189424A (zh) * | 2019-12-27 | 2020-05-22 | 中国交通通信信息中心 | 一种基于多级搜索半径的道路数据弯曲程度检测方法 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN113656529A (zh) * | 2021-09-16 | 2021-11-16 | 北京百度网讯科技有限公司 | 道路精度的确定方法、装置和电子设备 |
CN118452867A (zh) * | 2024-07-09 | 2024-08-09 | 四川毅创康华健康科技有限公司 | 一种多模融合的活体生命体征探测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106156267B (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156267B (zh) | 一种面向高速公路的车道级增强型矢量数字地图制作方法 | |
CN105677899B (zh) | 一种包含道路行进方向的增强型矢量数字地图制作方法 | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
US11035678B2 (en) | Automatic localization geometry detection | |
JP5833567B2 (ja) | デジタル地図におけるネットワーク生成のための時間および/または正確度に依存した重み | |
CN108986207B (zh) | 一种基于真实路面数据的道路及沿线建筑仿真建模方法 | |
US20180364063A1 (en) | Mapping system and method for identifying a parking lot from probe data | |
CN103743402B (zh) | 一种基于地形信息量的水下智能自适应地形匹配方法 | |
US20140095062A1 (en) | Road Maps from Clusters of Line Segments of Multiple Sources | |
US11231282B2 (en) | Method and apparatus for providing node-based map matching | |
CN106469505B (zh) | 一种浮动车轨迹纠偏方法和装置 | |
US10677598B2 (en) | Map-centric map matching method and apparatus | |
CN111062958B (zh) | 一种城市道路要素提取方法 | |
CN107193888A (zh) | 一种面向车道级导航定位的城市道路路网模型 | |
CN104537606B (zh) | 地理坐标投影变化方法 | |
CN110866015B (zh) | 一种基于局部网格的动目标活动范围记录方法 | |
CN110335355A (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
CN110285817A (zh) | 基于自适应d-s证据理论的复杂路网地图匹配方法 | |
CN112462401B (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
CN103235890A (zh) | 卫星短时临近降水预报系统及降水预报方法 | |
CN109359631A (zh) | 一种基于卷积神经网络的海冰类型遥感分类方法 | |
CN114119903B (zh) | 一种基于实景三维城市的动态交通模拟方法 | |
CN105632327B (zh) | 一种带有道路曲率的增强型数字矢量地图制作方法 | |
CN105608985B (zh) | 一种带有道路纵向坡度的增强型数字矢量地图制作方法 | |
US20210270629A1 (en) | Method and apparatus for selecting a path to a destination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |