CN111076734B - 一种封闭区域非结构化道路高精地图构建方法 - Google Patents

Abstract

本发明公开了一种封闭区域非结构化道路高精地图构建方法，该方法包括：步骤1，采集初始道路边界数据，所述初始道路边界数据为地图采集车在目标封闭区域内沿边界行驶而采集到的目标封闭区域初始的边界轮廓；步骤2，剔除步骤1采集到的初始道路边界数据中的数据异常点，并保留表示道路的安全初始边界点；步骤3，将步骤2保留的安全初始边界点进行边界外扩，推断目标封闭区域的实际边界；步骤4，根据步骤2中保留表示道路的安全初始边界点，推断道路的中心线；步骤5，通过所述地图采集车采集目标封闭区域中的特殊点的位置、方位角等信息，再通过地图编辑软件进行人工编辑和修正，同时添加更多道路信息，完成地图的构建。本发明构建的地图精度高、信息量丰富，能够满足自动驾驶车辆的决策规划要求。

Description

一种封闭区域非结构化道路高精地图构建方法

技术领域

本发明涉及数字地图技术领域，特别是关于一种封闭区域非结构化道路高精地图构建方法。

背景技术

高精地图是一种精度高、信息量丰富的数字地图，也是L3及L3以上级别自动驾驶能够实现商业化落地的一个不可或缺的技术。传统的导航地图信息量小，精度低，只能提供道路级别的地图信息。与传统导航地图相比，高精地图不但包含道路级别的道路信息，而且还包括车道级别的道路信息，高精地图中诸如道路边界、车道边界、道路中心线、路口模型、曲率、航向和坡度等丰富的道路信息可以为自动驾驶汽车车道级路径规划提供保证。除此之外，高精地图还能够充当自动驾驶汽车的“千里眼”和“顺风耳”的角色，提供辅助感知、超视距感知等安全冗余功能，为自动驾驶汽车在复杂的环境中安全行驶提供环境信息支持。由于高精地图中的地图要素精度高、信息量丰富等要求，导致高精地图的制作工艺比传统导航地图的制作工艺更加困难。

目前自动驾驶系统只能针对特定场景实现商业化落地，还未出现适应全部场景的自动驾驶系统，也没有能适应所有环境的高精地图解决方案。当前很多图商和自动驾驶汽车企业使用基于激光雷达和相机的高精地图制作方案，该方案涉及价格高昂的传感器和庞大的数据量，使得制图成本变高且数据处理变得困难，同时该方案更适用于城市或者高速路等标准结构化道路场景，而在封闭区域非结构化道路中，往往没有车道线和路缘等明显道路特征可提取，以上方案难以适用，而且非结构化道路拓扑和结构相对简单，也不需要采用价格昂贵的传感器采集制作地图。因此，低成本地构建满足L3及以上级别车辆自动驾驶需求的、针对封闭区域非结构化道路的高精地图是一个新的发展方向。

专利文献公开号为CN104089619A的中国专利公开了一种基于多源数据的无人驾驶车辆车道级导航地图的生成系统及方法，利用卫星照片、车载传感器(激光雷达和相机)以及高精度组合定位系统获取道路信息，再将道路信息进行融合离线处理生成离线地图。该方法综合多种方法的优点，在各种道路条件下都能采集生成地图，但是采用的传感器数量多、价格昂贵，生成的数据量大，数据处理复杂度高，多源数据的同步和关联难度大，最终导致地图制作成本非常高。

专利文献公开号为CN109215287A的中国专利公开了一种基于深度学习的高精度地图制作方法，利用相机和定位系统采集图像信息；对图像进行标注；采用深度学习方法根据标注的图像训练图像识别模型；利用所训练的图像识别模型和位置信息对高精地图的要素进行测量；人工审核图像识别模型训练成果中的错误，并进行迭代优化；最后，根据优化的图像识别模型自动化合成高精地图。该方法虽然能够提高现有高精地图制作工艺的自动化程度，但是需要依赖包含明显道路特征、路面标识的标注图像进行前期的模型训练。在封闭区域非结构化道路中，道路结构不规则，也没有明显的道路特征和路面标识，往往缺乏前期对模型训练的前提条件，导致无法训练出一个正确的、自动化程度高的图像识别模型，而且图像信息数据量还是相对较大，数据处理复杂度高，地图制作成本高。

发明内容

本发明的目的在于提供一种封闭区域非结构化道路高精地图构建方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种封闭区域非结构化道路高精地图构建方法，该方法包括：步骤1，采集初始道路边界数据，所述初始道路边界数据为地图采集车在目标封闭区域内沿边界行驶而采集到的目标封闭区域初始的边界轮廓；步骤2，剔除步骤1采集到的初始道路边界数据中的数据异常点，并保留表示道路的安全初始边界点；步骤2具体包括：步骤21，遍历步骤1所采集的初始边界数据，设置一个阈值，将相邻点间的距离与所述阈值进行比较，识别出数据异常点并剔除；步骤22，构建一个圆，并将该圆均分成4个面积相等的扇形的方向区域；步骤23，根据步骤22确定的方向区域，以步骤1所采集到初始道路边界数据中的第一个数据点O₁作为起点，遍历步骤1所采集到的初始道路边界数据中的所有数据点O_i，判断初始道路边界数据中的每一数据点O_i是否为安全初始边界点，如果是，则保留；否则，视为非安全初始边界点；步骤3，将步骤2保留的安全初始边界点进行边界外扩，推断目标封闭区域的实际边界；步骤4，根据步骤2中保留表示道路的安全初始边界点，推断道路的中心线；步骤5，通过所述地图采集车采集目标封闭区域中的特殊点的位置、方位角等信息，再通过地图编辑软件进行人工编辑和修正，同时添加更多道路信息，完成地图的构建。

进一步地，所述步骤22中的所述方向区域包括第一方向区域T1、第二方向区域T2、第三方向区域T3和第四方向区域T4，所述第一方向区域T1与X轴正方向的夹角范围是[-45゜，45゜]，所述第二方向区域T2与X轴正方向的夹角范围是[225゜，315゜]，所述第三方向区域T3与X轴正方向的夹角范围是[135゜，225゜]，所述第四方向区域T4与X轴正方向的夹角范围是[45゜，135゜]，所述X轴正方向定义为正东方向。

进一步地，所述步骤23中的“判断步骤1所采集到的初始道路边界数据中的每一数据点O_i是否为初始边界上的点”具体包括：步骤231，以数据点O_i为圆心，构建半径大小为R的圆，设定该圆表示为(O_i，R)；步骤232，以数据点O_i为起点，沿着步骤1的车辆采集方向、在步骤1所采集到的初始道路边界数据中搜索与该起点间距为D的点O_j，并将采用直线连接点O_i和点O_j，形成线段O_iO_j；步骤233，根据步骤22确定的方向区域以及步骤233获得的线段O_iO_j与X轴正方向的夹角，确定线段O_iO_j所在的方向区域；步骤234，将步骤231提供的圆(O_i，R)均分成n个面积相等的扇形区域，根据步骤1所采集到初始道路边界数据中在每一个扇形区域的数据点的数量的值，对相应扇形区域进行赋值；步骤235，根据步骤1所采集到初始道路边界数据中在步骤233确定的线段O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域的赋值之和H，判段数据点O_i是否为安全的初始边界点，若H小于预设值、并且在步骤233确定的线段O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域中存在两个连续的区域的赋值都为0，则判定数据点O_i为安全初始边界点。

进一步地，将圆(O₁，R)均分成6个面积相等的扇形区域a、b、c、d、e和f，扇形区域a与X轴正方向的夹角范围是[0゜，-60゜]，扇形区域b与X轴正方向的夹角范围是[-60゜，-120゜]，扇形区域c与X轴正方向的夹角范围是[-120゜，-180゜]，扇形区域f与X轴正方向的夹角范围是[0゜，60゜]，扇形区域e与X轴正方向的夹角范围是[60゜，120゜]，扇形区域d与X轴正方向的夹角范围是[120゜，180゜]。

进一步地，当步骤233确定线段O_iO_j处于第一方向区域T1的时候，则所述线段O_iO_j所在的方向区域包括扇形区域a和f，所述右侧扇形区域包括沿顺时针方向与扇形区域a和f相邻的两个扇形区域e和d；当步骤233确定线段O_iO_j处于第三方向区域T3的时候，则“线段O_iO_j所在的方向区域”包括扇形区域c和d，所述右侧扇形区域包括沿顺时针方向与扇形区域c和d相邻的两个扇形区域a和b；当步骤233确定线段O_iO_j处于第二方向区域T2的时候，则所述线段O_iO_j所在的方向区域包括扇形区域d、e和f，所述右侧扇形区域包括沿顺时针方向与d、e和f相邻的一个扇形区域c；当步骤233确定线段O_iO_j处于第四方向区域T4的时候，则所述线段O_iO_j所在的方向区域包括扇形区域a、b和c，所述右侧扇形区域包括沿顺时针方向与a、b和c相邻的两个扇形区域f。

进一步地，在所述步骤2保留的安全初始边界点P₄(x₄,y₄)航向的垂直方向上向外扩展距离t，即可得到相应的扩展点P′₄(x′₄,y′₄)，公式如下：

x′₄＝x₄+t×cos(θ+90°)

y′₄＝y₄+t×sin(θ+90°)

t＝t₁+t₂

其中，θ表示当前点航向与X轴正方向之间的夹角，t₁为采集车与道路实际边界之间的安全距离，t₂为采集车的车身宽度的一半。

进一步地，所述步骤4包括：根据步骤2中保留表示道路的安全初始边界点中的左边界和右边界；当左边界和右边界的点数量相等时，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点，并用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点；当左边界和右边界的点数量不相等时，首先，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点；然后，用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点；再用直线将点数量多的边界上多余的点同时与点数量少的边界上直线距离最近的点连接；最后，取所有直线的中点作为道路中心线上的点；其中，所述点数量多的边界指的是左边界和右边界中点数量多的边界，所述点数量少的边界的是左边界和右边界中点数量多少的边界；根据确定的道路中心线上的点，生成道路中心线。

由于本发明针对封闭区域、非结构化道路的高精地图构建，采用单一的GNSS-IMU高精度组合定位系统的数据构建地图，整个地图相对较小的数据量使得高精地图在云端和自动驾驶作业车终端之间的数据传输变得简单，同时所构建地图的精确度和信息量足以满足封闭区域非结构化道路场景中的L3及以上级别自动驾驶的规划和决策要求。

附图说明

图1为利用本发明方法构建得到的通用抽象的封闭区域非结构化道路地图；

图2为本发明实施例所提供的封闭区域非结构化道路高精地图构建方法的流程图；

图3为本发明实施例所提供的圆形邻域搜索方法中方向区域的示意图；

图4为本发明实施例所提供的圆形邻域搜索方法的一个具体实施方式示意图；

图5为本发明实施例所使用的GNSS-IMU组合定位系统安装位置的示意图；

图6为本发明实施例所提供的边界扩展方法的原理图；

图7为本发明实施例所提供的边界扩展方法实现的示意图；

图8为本发明实施例所提供的道路中心线推断方法的流程图；

图9a和图9b为本发明实施例所提供的道路中心线推断方法的原理图；

图10为本发明实施例所提供的道路中心线推断方法实现的示意图。

具体实施方式

在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

如图1所示，图1示出了一个封闭区域、非结构化道路地图的抽象示意图。如图2所示，本实施例所提供的封闭区域非结构化道路高精地图构建方法具体包括：

步骤1，采集初始道路边界数据：如图5所示，采用配备单一GNSS-IMU高精度组合定位系统的地图采集车在目标封闭区域内靠左车道沿边界行驶，周期性采集，最终得到目标封闭区域初始的边界轮廓，该边界轮廓构成高精地图中的可通行区域，该边界轮廓即为步骤1中采集到的初始道路边界数据。本实施例中，使用NovAtel公司的GNSS-IMU高精度惯性组合导航定位系统，定位精度高、抗干性好，该定位系统在没有信号遮挡的情况下能实现RTK差分定位，精准地获取采集车的UTM坐标。

步骤2，处理步骤1采集到的初始道路边界数据：剔除步骤1采集到的初始道路边界数据中的数据异常点，并保留表示道路的安全初始边界点。

其中，在采集初始道路边界数据的过程中，有时因GNSS信号不稳定而导致异常数据的出现，在初始道路边界数据采集的起点、中点和拐点也会存在大量的停滞点聚集的现象，这样的数据是无法直接使用的，本实施例中“数据异常点”可以理解为偏离很大的数据点，“安全初始边界点”可以理解为车辆向前行驶过程中最右侧的数据点，其余的点则为“非安全初始边界点”。

作为步骤2的一种实现方式，本实施例采用距离阈值法自动剔除步骤1中采集到的初始道路边界数据中的所有的数据异常点和圆形邻域搜索方法保留安全初始边界点。“距离阈值法”具体包括：

步骤21，遍历步骤1所采集的初始边界数据，设置一个阈值，将相邻点间的距离与阈值进行比较，识别出数据异常点，进行剔除操作。

如图3和图4所示，本实施例采用圆形邻域搜索方法识别道路的安全初始边界点，圆形邻域搜索方法具体包括如下步骤：

步骤22，构建一个圆，并将该圆均分成4个面积相等的扇形的方向区域，分别为图3中示出的第一方向区域T1、第二方向区域T2、第三方向区域T3、第四方向区域T4。定义正东方向为X轴正方向，并以X轴正方向作为参照位置，第一方向区域T1与X轴正方向的夹角范围是[-45゜，45゜]，第二方向区域T2与X轴正方向的夹角范围是[225゜，315゜]，第三方向区域T3与X轴正方向的夹角范围是[135゜，225゜]，第四方向区域T4与X轴正方向的夹角范围是[45゜，135゜]。

步骤23，根据步骤22确定的方向区域，以步骤1所采集到初始道路边界数据中的第一个数据点O₁作为起点，遍历步骤1所采集到的初始道路边界数据中的所有数据点O_i，判断初始道路边界数据中的每一数据点O_i是否为安全初始边界点，如果是，则保留；否则，视为非安全初始边界点。

步骤23中的“判断步骤1所采集到的初始道路边界数据中的每一数据点O_i是否为初始边界上的点”具体包括：

步骤231，以数据点O_i为圆心，构建半径大小为R的圆，设定该圆表示为(O_i，R)。其中，半径R可以人为修改调整，这样便可以重新定义点的边界条件。

步骤232，以数据点O_i为起点，沿着步骤1的车辆采集方向、在步骤1所采集到的初始道路边界数据中搜索与该起点间距为D的点O_j，并将采用直线连接点O_i和点O_j，形成线段O_iO_j。本实施例中，当D的值较大时，则每组点的选取范围也变得更大，会造成小范围的点角度特征的忽略和丢失，使得方法搜索不具备可靠性，当D的值较小的时候，每组点的特征范围变小，使得该组点范围内的点不具备参考性，同样会造成搜索变得不可靠，因此，D的值应当根据项目实际情况进行设置。D的选取因素包括地图边界大小以及单位边界面积内点的密度。

步骤233，根据步骤22确定的方向区域以及步骤233获得的线段O_iO_j与X轴正方向的夹角，确定线段O_iO_j所在的方向区域。

步骤234，将步骤231提供的圆(O_i，R)均分成n个面积相等的扇形区域，n的值可以人为修改调整，n越大，则搜索精确度越高。如图3和图4所示，本实施例将n设置为6，比如：在图4中，将圆(O₁，R)均分成6个面积相等的扇形区域a、b、c、d、e和f，扇形区域a与X轴正方向的夹角范围是[0゜，-60゜]，扇形区域b与X轴正方向的夹角范围是[-60゜，-120゜]，扇形区域c与X轴正方向的夹角范围是[-120゜，-180゜]，扇形区域f与X轴正方向的夹角范围是[0゜，60゜]，扇形区域e与X轴正方向的夹角范围是[60゜，120゜]，扇形区域d与X轴正方向的夹角范围是[120゜，180゜]。

根据步骤1所采集到初始道路边界数据中在每一个扇形区域的数据点的数量，并以该数量的值对相应扇形区域进行赋值，比如：图4示出的圆(O₁，R)的扇形区域a中有2个点，则扇形区域a赋值为2；圆(O₁，R)的扇形区域f中有1个点，则扇形区域f赋值为1。

步骤235，根据步骤1所采集到初始道路边界数据中在步骤233确定的线段O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域的赋值之和H，判段数据点O_i是否为安全的初始边界点，若H小于预设值、并且在步骤233确定的线段O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域中存在两个连续的区域的赋值都为0，则判定数据点O_i为安全初始边界点；否则为非安全初始边界点。其中，本实施例的“右侧”仍理解为车辆向前行驶过程中该车辆的右侧。“与该方向区域相邻的右侧扇形区域”需要根据方向区域进行确定，具体地：当步骤233确定线段O_iO_j处于第一方向区域T1的时候，则“线段O_iO_j所在的方向区域”包括扇形区域a和f，“右侧扇形区域”包括沿顺时针方向与扇形区域a和f相邻的两个扇形区域e和d；当步骤233确定线段O_iO_j处于第三方向区域T3的时候，则“线段O_iO_j所在的方向区域”包括扇形区域c和d，“右侧扇形区域”包括沿顺时针方向与扇形区域c和d相邻的两个扇形区域a和b；当步骤233确定线段O_iO_j处于第二方向区域T2的时候，则“线段O_iO_j所在的方向区域”包括扇形区域d、e和f，“右侧扇形区域”包括沿顺时针方向与d、e和f相邻的一个扇形区域c；当步骤233确定线段O_iO_j处于第四方向区域T4的时候，则“线段O_iO_j所在的方向区域”包括扇形区域a、b和c，“右侧扇形区域”包括沿顺时针方向与a、b和c相邻的两个扇形区域f。

如图4所示，例如搜索示例1，以数据点O₁为圆心，构建半径大小为R的圆(O₁，R)，将圆(O₁，R)均分成6个面积相等的扇形区域a、b、c、d、e和f。以数据点O₁为起点，沿着步骤1的车辆采集方向、在步骤1所采集到的初始道路边界数据中搜索与该起点间距为D的点O₂。线段O₁O₂位于第一方向区域T1内，则“线段O₁O₂所在的方向区域”包括扇形区域a和f，“右侧扇形区域”包括沿顺时针方向与扇形区域a和f相邻的两个扇形区域e和d。扇形区域、d中存在两个连续的区域赋值都为0，则判断当前数据点O₁为安全初始边界点。

同理，搜索示例2中，以数据点O₂为圆心，构建半径大小为R的圆(O₂，R)，将圆(O₂，R)均分成6个面积相等的扇形区域a、b、c、d、e和f。以数据点O₂为起点，沿着步骤1的车辆采集方向、在步骤1所采集到的初始道路边界数据中搜索与该起点间距为D的点O₃。线段O₂O₃位于第二方向区域T2的时候，则“线段O_iO_j所在的方向区域”包括扇形区域d、e和f，“右侧扇形区域”包括沿顺时针方向与d、e和f相邻的一个扇形区域c。扇形区域c、f、e、d四个区域的赋值之和H小于3，且扇形区域c、f、e、d中存在两个连续的区域赋值都为0，则判断当前数据点O₂为安全初始边界点。

步骤3，边界扩展：通过边界扩展方法实现边界外扩，推断目标封闭区域实际边界。

尽管采集车已经贴着道路边界采集数据，但是采集出来的初始边界数据并非封闭区域的实际边界，而是与实际边界还有一定的距离t，因此需要最初始采集的边界向外扩展一个距离t。边界扩展原理如图6所示，采集车从点P₀依次经由点P₁、点P₂、点P₃、点P₄、点P₄，行驶到P₆的轨迹，只是高精地图的一个初始边界，需要向外扩展一个偏移量，例如在P₄(x₄,y₄)航向的垂直方向上向外扩展距离t，即可得到相应的扩展点P′₄(x′₄,y′₄)，公式如下：

x′₄＝x₄+t×cos(θ+90°)

y′₄＝y₄+t×sin(θ+90°)

式中，θ表示当前点航向与X轴正方向之间的夹角。

对所有的安全初始边界点都按照上述方法执行扩展操作，便可得到更加接近于实际的封闭区域边界，实现结果如图7所示，图7中的c1表示初始边界，c2表示经由扩展后的边界。GNSS-IMU定位系统安装在车辆的纵向中心线上，如图5所示，且采集数据时车辆与道路实际边界还有一定的安全距离t₁，一般根据采集车司机开车贴近边界的程度由实际测量而定，通常为20cm。假设车身宽度为2t₂，则距离t由两个部分组成，即t＝t₁+t₂。

步骤4，道路中心线推断：根据步骤2中保留表示道路的安全初始边界点，通过中心线推断方法推断道路的中心线。

道路中心线推断的流程如图8所示，步骤2中保留表示道路的安全初始边界点分别由左边界和右边界组成，首先通过经典的基于密度聚类的DBSCAN方法，将道路的左右边界数据进行分离，再由本发明提出的中心线生成方法能够根据道路左右边界准确的找到道路的中心线，方法原理如图8所示，具体包括：

分别输入步骤2中保留表示道路的安全初始边界点中的左边界和右边界。

当左边界和右边界的点数量相等时，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点，并用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点。图9a示的是左边界d1和右边界d2的点数量相等的情形，d3为道路中心线上的点。

当左边界和右边界的点数量不相等时，首先，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点；然后，用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点；再用直线将点数量多的边界上多余的点同时与点数量少的边界上直线距离最近的点连接；最后，取所有直线的中点作为道路中心线上的点。其中，“点数量多的边界”指的是左边界和右边界中点数量多的边界。“点数量少的边界”的是左边界和右边界中点数量多少的边界。图9b示的是左边界d4和右边界d5的点数量不相等的情形，左边界d4的点的数量少，右边界d5中点的数量多，右边界d5中多余的点同时与左边界d4的直线距离最近的点连接，d6为道路中心线上的点。

为保证道路中心线的光滑平顺性，采用均值滤波方法对道路中心线上的点进行滤波处理，最终生成的道路中心线如图10所示。

步骤5，采集特殊点：通过地图采集车采集目标封闭区域中的一些特殊点的位置、方位角等信息，再通过地图编辑软件进行人工编辑和修正，同时添加更多道路信息，完成地图的构建。

如图1所示，除了上述获得边界点a1和中心线点a2之外，由于工作需求，在目标封闭区域中常常还会有一些特殊的点，如工作区域中的倒车点a3，入口点、出口点a4(十字路口中央的线框b上的黑点也是“入口点、出口点a4”)，排队点a7，作业点a6，停车位点a5。这些特殊点也是构成地图的重要元素，包含具体坐标和方位角信息。通过人工驾驶地图采集车到目标封闭区域中的指定位置利用GNSS-IMU高精度组合定位系统采点，收集这些特殊点的坐标和方位角信息，再利用arcgis软件在前四个步骤中构建好的地图中进行人工编辑和修正，同时，还可以根据需要添加更多诸如坡度、限速、曲率等道路信息。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种封闭区域非结构化道路高精地图构建方法，其特征在于，包括：

步骤1，采用单一的GNSS-IMU高精度惯性组合导航定位系统采集初始道路边界数据，所述初始道路边界数据为地图采集车在目标封闭区域内沿边界行驶而采集到的目标封闭区域初始的边界轮廓；

步骤2，剔除步骤1采集到的初始道路边界数据中的数据异常点，并保留表示道路的安全初始边界点；“安全初始边界点”为车辆向前行驶过程中最右侧的数据点；步骤2具体包括：

步骤21，遍历步骤1所采集的初始边界数据，设置一个阈值，将相邻点间的距离与所述阈值进行比较，识别出数据异常点并剔除；

步骤22，构建一个圆，并将该圆均分成4个面积相等的扇形的方向区域，分别为第一方向区域T1、第二方向区域T2、第三方向区域T3、第四方向区域T4，定义正东方向为X轴正方向，并以X轴正方向作为参照位置，第一方向区域T1与X轴正方向的夹角范围是[-45°，45°]，第二方向区域T2与X轴正方向的夹角范围是[225°，315°]，第三方向区域T3与X轴正方向的夹角范围是[135°，225°]，第四方向区域T4与X轴正方向的夹角范围是[45°，135°]；

步骤23，根据步骤22确定的方向区域，以步骤1所采集到初始道路边界数据中的第一个数据点O₁作为起点，遍历步骤1所采集到的初始道路边界数据中的所有数据点O_i，判断初始道路边界数据中的每一数据点O_i是否为安全初始边界点，如果是，则保留；否则，视为非安全初始边界点；

所述步骤23中的“判断步骤1所采集到的初始道路边界数据中的每一数据点O_i是否为安全初始边界上的点”具体包括：

步骤231，以数据点O_i为圆心，构建半径大小为R的圆，设定该圆表示为(O_i，R)；

步骤232，以数据点O_i为起点，沿着步骤1的车辆采集方向、在步骤1所采集到的初始道路边界数据中搜索与该起点间距为D的点O_j，并将采用直线连接点O_i和点O_j，形成线段O_iO_j；D的选取因素包括地图边界大小以及单位边界面积内点的密度；

步骤233，根据步骤22确定的方向区域以及步骤233获得的线段O_iO_j与X轴正方向的夹角，确定线段O_iO_j所在的方向区域；

步骤234，将步骤231提供的圆(O_i，R)均分成n个面积相等的扇形区域，根据步骤1所采集到初始道路边界数据在每一个扇形区域的数据点的数量的值，对相应扇形区域进行赋值；

步骤235，根据所述初始道路边界数据中在O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域的赋值之和H，判断数据点O_i是否为安全的初始边界点，若H小于预设值、并且在O_iO_j所在的方向区域以及与该方向区域相邻的右侧扇形区域中存在两个连续的区域的赋值都为0，则判定数据点O_i为安全的初始边界点；

步骤3，将步骤2保留的安全初始边界点进行边界外扩，推断目标封闭区域的实际边界；

步骤4，根据步骤2中保留表示道路的安全初始边界点，推断道路的中心线；

步骤5，通过所述地图采集车采集目标封闭区域中的特殊点的位置、方位角信息，再通过地图编辑软件进行人工编辑和修正，同时添加更多道路信息，完成地图的构建。

2.如权利要求1所述的封闭区域非结构化道路高精地图构建方法，其特征在于，将圆(O₁，R)均分成6个面积相等的扇形区域a、b、c、d、e和f，扇形区域a与X轴正方向的夹角范围是[0°，-60°]，扇形区域b与X轴正方向的夹角范围是[-60°，-120°]，扇形区域c与X轴正方向的夹角范围是[-120°，-180°]，扇形区域f与X轴正方向的夹角范围是[0°，60°]，扇形区域e与X轴正方向的夹角范围是[60°，120°]，扇形区域d与X轴正方向的夹角范围是[120°，180°]。

3.如权利要求2所述的封闭区域非结构化道路高精地图构建方法，其特征在于，当步骤233确定线段O_iO_j处于第一方向区域T1的时候，则所述线段O_iO_j所在的方向区域包括扇形区域a和f，所述右侧扇形区域包括沿顺时针方向与扇形区域a和f相邻的两个扇形区域e和d；当步骤233确定线段O_iO_j处于第三方向区域T3的时候，则“线段O_iO_j所在的方向区域”包括扇形区域c和d，所述右侧扇形区域包括沿顺时针方向与扇形区域c和d相邻的两个扇形区域a和b；当步骤233确定线段O_iO_j处于第二方向区域T2的时候，则所述线段O_iO_j所在的方向区域包括扇形区域d、e和f，所述右侧扇形区域包括沿顺时针方向与d、e和f相邻的一个扇形区域c；当步骤233确定线段O_iO_j处于第四方向区域T4的时候，则所述线段O_iO_j所在的方向区域包括扇形区域a、b和c，所述右侧扇形区域包括沿顺时针方向与a、b和c相邻的两个扇形区域f。

4.如权利要求1至3中任一项所述的封闭区域非结构化道路高精地图构建方法，其特征在于，在所述步骤2保留的安全初始边界点P₄(x₄，y₄)航向的垂直方向上向外扩展距离t，即可得到相应的扩展点P′₄(x′₄，y′₄)，公式如下：

x′₄＝x₄+t×cos(θ+90°)

y′₄＝y₄+t×sin(θ+90°)

t＝t₁+t₂

其中，θ表示当前点航向与X轴正方向之间的夹角，t₁为采集车与道路实际边界之间的安全距离，t₂为采集车的车身宽度的一半。

5.如权利要求1至3中任一项所述的封闭区域非结构化道路高精地图构建方法，其特征在于，所述步骤4包括：

根据步骤2中保留的所述安全初始边界点中的左边界和右边界；

当左边界和右边界的点数量相等时，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点，并用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点；

当左边界和右边界的点数量不相等时，首先，从左边界和右边界的一端的点开始，各自从一端到另一端的方向依序、遍历取点；然后，用直线将左边界和右边界上的序号相同的两个点连接，取所有直线的中点作为道路中心线上的点；再用直线将点数量多的边界上多余的点同时与点数量少的边界上直线距离最近的点连接；最后，取所有直线的中点作为道路中心线上的点；其中，所述点数量多的边界指的是左边界和右边界中点数量多的边界，所述点数量少的边界的是左边界和右边界中点数量多少的边界；

根据确定的道路中心线上的点，生成道路中心线。

Images