CN111157010A - 一种用于无人驾驶的地图生成方法 - Google Patents

Abstract

本发明涉及一种用于无人驾驶的地图生成方法，包括，准备创建地图模型所需的地图原始数据；根据地图原始数据从下往上按照航线点层→车道层→航向道层→路段层的顺序依次生成分层地图模型；对地图模型中的航线点层、车道层、航向道层和路段层中与之相对应的道路交通属性进行填充；对填充后的地图模型中的数据进行一致性验证，当地图模型中下层与与其相邻的上层中所包含的相同的元素属性的数量一致时，则完成地图的生成。本方法大大简化地图生成过程中繁冗复杂的重复性步骤，使地图制作的工作可以专注于地图特征元素的改动，尽量自动化地图生成过程，减少人工地图制作的工作量，进而有效的提升了地图制作的效率，使以后更大规模的地图制作和更新成为可能。

Description

一种用于无人驾驶的地图生成方法

技术领域

本发明涉及智能驾驶技术领域，特别是涉及一种用于无人驾驶的地图生成方法。

背景技术

高精度地图是无人驾驶的核心部分之一，因而高精度地图的制作技术便成了无人驾驶系统不可缺少的一环。目前业界对无人驾驶系统使用的高精度地图还没有一个统一的标准，各个图商针对自家的高精度地图格式有自己的制作方式。

地图生成是一个步骤相对简单但重复繁琐的过程，手工制作工作量极大。目前，各个地图厂商都在开发针对自家的高精度地图格式地图自动化或半自动化的生成方式。本技术方案专门用于针对现有的用于无人驾驶的高精度地图模型：道路导航地图(RoadNavigation Map, RNM)提出半自动化的地图生成方式，本方案可以大大简化地图生成过程中繁冗复杂的重复性步骤，使地图制作的工作可以专注于地图特征元素的改动，尽量自动化地图生成过程，减少人工地图制作的工作量，进而有效的提升了地图制作的效率，使以后更大规模的地图制作和更新成为可能。

发明内容

本发明为克服上述现有技术所述的不足，提供一种用于无人驾驶的地图生成方法。

为解决上述技术问题，本发明的技术方案如下：

一种用于无人驾驶的地图生成方法，包括如下步骤：

准备创建地图模型所需的地图原始数据；

根据地图原始数据从下往上按照航线点层→车道层→航向道层→路段层的顺序依次生成分层地图模型；

根据地图原始数据分别对地图模型中的航线点层、车道层、航向道层和路段层中与之相对应的道路交通属性进行填充；

对填充后的地图模型中的数据进行一致性验证，即判断地图模型中下层与上层同一元素属性的一致性，当地图模型中下层与与其相邻的上层中所包含的相同的元素属性的数量一致时，则完成地图的生成。

进一步的，作为优选技术方案，所述地图原始数据包括车道中心线数据、道路边沿线数据、路面标记数据、交通灯数据和交通标识数据。

进一步的，作为优选技术方案，所述分层地图模型的生成具体包括：

根据车道中心线数据选定属于车道的车道ID的所有航线点，按照道路行驶方向排列航线点，即按照车道中心线中的航线点的排列顺序排列航线点，生成航线点层，同时生成每个航线点的属性；

根据航线点层所属的车道ID生成ID为车道ID的车道，同时生成该条车道的属性，从而生成车道层；

选定属于航向道ID的所有车道，生成ID为航向道ID的航向道，同时生成该航向道的属性，从而生成航向道层；

选定属于路段ID的所有航向道，生成ID为路段ID的路段，同时生成该路段的属性，从而生成路段层。

进一步的，作为优选技术方案，还包括：

生成航向道的属性的同时，需要同时更新该航向道中每条车道的属性和每条车道中每个航线点的属性；

生成路段的属性的同时，需要同时依次逐层向下更新该路段中每个航向道的属性、每条航向道中每条车道的属性和每条车道中每个航线点的属性。

进一步的，作为优选技术方案，在生航向道层之后，还包括：

选定相互连接的两条航向道，生成两条相连接航向道的属性，同时更新相连接航线点的属性。

进一步的，作为优选技术方案，对地图模型填充道路交通属性具体包括：

根据道路边沿线数据选定道路边界线对应的所有航线点，计算并填充地图模型中所选的所有航线点和所有车道的与道路边界线相关属性的填充；

根据路面标记数据选定路边标记对应的所有航向点，计算并填充地图模型中所选的所有航线点的与路边标记相关属性的填充；

根据交通灯数据选定交通灯对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通灯相关属性的填充；

根据交通标识数据选定交通标识对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通标识相关属性的填充。

进一步的，作为优选技术方案，分别与道路边界线、路边标记、交通灯和交通标识对应的航向点的选定具体包括：

通过搜索分别与道路边界线、路边标记、交通灯或交通标识之间最短距离的航线点确定。

进一步的，作为优选技术方案，一致性验证具体包括：

验证地图模型中所有的航线点的总数与所有车道的所有航线点之和是否一致；

验证路段属性中的路段编号与路段所包含的航向道数量是否一致；

验证航向道属性中的航向道编号与航向道所包含的车道数量是否一致；

验证车道属性中的航线点编号与车道所包含的航线点数量是否一致。

进一步的，作为优选技术方案，一致性验证还包括：

验证验证地图模型中每层元素属性是否都是有效值。

进一步的，作为优选技术方案，所述地图模型中的每层具体包括：

路段层：地图模型由各路段组成，路段层是通过交叉路口将道路网络划分为不同路段，每个路段始于一个交叉路口，终止于另一个交叉路口；

航向道层：一个路段被划分为一个或多个航向道，不同航向道代表路段中不同的行驶方向；

车道层：一个航向道内包含一个或多个车道；

航线点层： 由沿着车道中心线的一系列航线点组成，每个航线点与其周围相关道路和交通属性相关联，通过航线点将无人驾驶汽车和其当前所处的道路交通环境联系起来，使无人驾驶汽车能够根据当前的车身定位快速获取周围道路和交通信息，用于辅助无人驾驶汽车的自主导航、环境感知和高精度定位。

与现有技术相比，本发明技术方案的有益效果是：

本方法大大简化地图生成过程中繁冗复杂的重复性步骤，使地图制作的工作可以专注于地图特征元素的改动，尽量自动化地图生成过程，减少人工地图制作的工作量，进而有效的提升了地图制作的效率，使以后更大规模的地图制作和更新成为可能。

附图说明

图1为本发明方法步骤流程图。

图2为本发明地图原始数据示意图。

图3为本发明分层地图模型示意图。

图4为本发明分层地图模型生成流程图。

图5为本发明道路交通元素生成流程图。

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。

实施例1

一种用于无人驾驶的地图生成方法，如图1所示，包括如下步骤：

S10. 准备创建地图模型所需的地图原始数据。

所述地图原始数据如图2所示：包括车道中心线数据（Central Line）、道路边沿线数据（Boundary）、路面标记数据（Lane Marking）、交通灯数据（Traffic Light）和交通标识数据（Traffic Sign）。

其中：

车道中心线数据（Central Line）：是由一系列几何坐标点(x，y)组成的道路中每条车道的中心线。根据应用的需求，位于中心线上的点的采样间隔可以不同，车道中心线上的点，即航线点（waypoint）用来创建地图模型中的航线点层。

车道中心线数据基本格式设计如下表1所示：

表1

序号（index）（int）	横坐标（x）（double）	纵坐标（y）（double）
			1	x.x	x.x
2	x.x	x.x

道路边沿线数据（Boundary）：由一系列几何坐标点（x，y）组成的道路边界线（路沿线或道路边界），道路边界坐标点用来填充地图模型相应航线点（waypoint）的道路边界属性。

道路边沿线数据基本格式设计如下表2所示：

表2

序号（index）（int）	横坐标（x）（double）	纵坐标（y）（double）
			1	x.x	x.x
2	x.x	x.x

路面标记数据（Lane Marking）：路面标记数据是由一系列几何坐标点(x，y)组成的道路表面标记及其属性。路面标记坐标点用来填充地图模型相应航线点（waypoint）的道路标记属性。其中，道路表面标记包括箭头、文字等。

路面标记数据基本格式设计如下表3所示：

表3

序号（index）（int）	路面标记边界点序列（double）（double）	种类（int）
			1	（x1，y1）（x2，y2）……（xn，yn）	x
2	（x1，y1）（x2，y2）……（xm，ym）	y

交通灯数据（Traffic Light）：交通灯数据是由一系列几何坐标点（x，y）组成的交通灯位置及其属性。交通灯数据用来填充地图模型相应航线点（waypoint）的交通灯属性。

交通灯数据基本格式设计如下表4所示：

表4

序号（index）（int）	位置（x，y）（double）（double）	种类（int）
			1	（x1，y1）	x
2	（x2，y2）	y

交通标识数据（Traffic Sign）：交通标识数据是由一系列几何坐标点(x，y)组成的交通标识位置及其属性。交通标识数据用来填充地图模型相应航线点（waypoint）的交通标识属性。

交通标识数据基本格式设计如下表5所示：

表5

序号（index）（int）	位置（x，y）（double）（double）	种类（int）
			1	（x1，y1）	x
2	（x2，y2）	y

S20. 根据地图原始数据从下往上按照航线点层→车道层→航向道层→路段层的顺序依次生成分层地图模型，如图3所示。

其中：

航线点层：由沿着车道中心线的一系列航线点组成，每个航线点与其周围相关道路和交通属性相关联，通过航线点将无人驾驶汽车和其当前所处的道路交通环境联系起来，使无人驾驶汽车能够根据当前的车身定位快速获取周围道路和交通信息，用于辅助无人驾驶汽车的自主导航、环境感知和高精度定位。

航线点层的基本属性如下表6所示：

表6

Attribute Name	Value Type	Remark
			id	String	Unique ID to identify the waypoint.
type	Integer	Type of the waypoint, either Normal (1) or Dummy (0).
			xcoord	Real	x coordinate of the waypoint.
ycoord	Real	y coordinate of the waypoint.
			lane_width	Real	Lane width at the waypoint.
is_stop	Integer	Whether the waypoint is a stop line.
			is_junct	Integer	Whether the waypoint is a junction point.
is_carpark	Integer	Whether the waypoint is a carpark point.
			succs	String	List of successor waypoints x.x.x.x,x.x.x.x (separated by “,”) to the waypoint.
behaviors	String	List of vehicle behaviors x,x (separated by “,”) between the waypoint to its corresponding successor waypoints.
			lane_id	String	id of the lane to which the waypoint belongs.
Traffic_l	Struct	Custom struct to hold traffic light information, e.g. position, type, etc.
			Traffic_s	Struct	Custom struct to hold traffic sign information, e.g. position, type, etc.

车道层：一个航向道内包含一个或多个车道。

车道层的基本属性如下表7所示：

表7

Attribute Name	Value Type	Remark
			id	String	Unique ID to identify the lane.
num_wps	Integer	Number of waypoints in the lane.
			width	Real	Width of the lane.
left_b	Ineger	Type of the left lane marking boundary, e.g. double yellow line.
			right_b	String	Type of the right lane marking boundary.
chl_id	String	id of the channel to which the lane belongs.

航向道层：一个路段被划分为一个或多个航向道，不同航向道代表路段中不同的行驶方向。

航向道层的基本属性如下表8所示：

表8

AttributeName	ValueType	Remark
			id	String	Unique ID to identify the channel.
num_lanes	Integer	Number of lanes in the channel.
			length	Real	Distance along the channel used as travelling cost.
preds	String	List of predecessor channels x.x,x.x (separated by “,”) to the channel.
			conn_lanes	String	List of lanes x-x,x (separated by “-”) of the channel, that are connected to the corresponding predecessor channels.Range (0, num_lanes].
succs	String	List of successor channels x.x,x.x (separated by “,”) from the channel.
			sugg_lanes	String	List of lanes x-x,x (separated by “-”) of the channel, that are connected to the corresponding successor channels andsuggested to take. Range (0, num_lanes].
seg_id	String	id of the segment to which the channel belongs.

路段层：地图模型由各路段组成，路段层是通过交叉路口将道路网络划分为不同路段，每个路段始于一个交叉路口，终止于另一个交叉路口。

路段层的基本属性如下表9所示：

表9

Attribute Name	Value Type	Remark
			id	String	Unique ID to identify the segment.
name	String	Road name of the segment.
			num_chls	Integer	Number of channels in the segment, value can be 1 or 2 channel(s).
rnm	String	RNM name to which the segment belongs.

本步骤中分层地图模型的生成如图4所示，具体包括：

S201. 根据车道中心线数据选定属于车道的车道ID的所有航线点，按照道路行驶方向排列航线点，即按照车道中心线中的航线点的排列顺序排列航线点，生成航线点层，同时生成每个航线点的属性。

本步骤中航线点的属性包括表6中的id、type、xcoord、ycoord、lane_id、succs和behaviors等部分属性

S202. 根据航线点层所属的车道ID生成ID为车道ID的车道，同时生成该条车道的属性，从而生成车道层。

本步骤具体为：

根据航线点层所属的车道ID生成ID为车道ID的车道，同时生成该条车道的属性，包括表7中的id、num_wps等部分属性，然后，重复生成航线点层和车道，直至车道层的所有车道生成完毕，从而完成车道层的生成。

S203. 选定属于航向道ID的所有车道，生成ID为航向道ID的航向道，同时生成该航向道的属性，从而生成航向道层。

本步骤具体为：

选定属于航向道ID的所有车道，生成ID为航向道ID的航向道，同时生成该航向道的属性，包括表8中的id，num_lanes，length等部分属性，同时需要更新该航向道中每条车道的属性和每条车道中每个航线点的属性；车道属性包括表7中的id，chl_id等部分属性，每个航线点的属性包括表6中的id， succs等部分属性；重复执行本步骤，直至航向道层所有航向道生成完毕，从而生成航向道层。

S2031. 选定相互连接的两条航向道，生成两条相连接航向道的属性，同时更新相连接航线点的属性。其中，两条相连接航向道的属性包括表8中的preds，conn_lanes，succs，sugg_lanes等部分属性，相连接航线点的属性包括表6中的succs。

S204. 选定属于路段ID的所有航向道，生成ID为路段ID的路段，同时生成该路段的属性，从而生成路段层。

本步骤具体为：选定属于路段ID的所有航向道，生成ID为路段ID的路段，同时生成该路段的属性，包括表9中该路段的全部属性，包括id， name， num_chls，rnm，同时依次逐层向下更新该路段中每个航向道的属性、每条航向道中每条车道的属性和每条车道中每个航线点的属性。每个航向道的属性包括表8中的seg_id，每条车道的属性包括表7中的id，每个航线点的属性包括表6中的id， succs等部分属性，重复上述步骤，直至路段层所有路段生成完毕，从而生成路段层。

S30. 根据地图原始数据分别对地图模型中的航线点层、车道层、航向道层和路段层中与之相对应的道路交通属性进行填充。

本步骤中道路交通属性进行填充如图5所示，具体包括：

根据道路边沿线数据选定道路边界线对应的所有航线点，计算并填充地图模型中所选的所有航线点和所有车道的与道路边界线相关属性的填充。

本步骤具体为：根据道路边沿线数据选定道路边界线对应的所有航线点，计算并填充地图模型中所选的航线点和所在车道的属性，航线点的属性包括表6中的lane_width，车道的属性包括表7中的width，left_b， right_b；重复执行本步骤，完成地图模型中所选的所有航线点和所有车道的与道路边界线相关属性的填充。

根据路面标记数据选定路边标记对应的所有航向点，计算并填充地图模型中所选的所有航线点的与路边标记相关属性的填充。

本步骤具体为：根据路面标记数据选定路边标记对应的航向点，计算并填充地图模型中所选的航线点的与路边标记相关属性的填充。航线点的属性包括表6中的is_stop，is_junct， is_carpark；重复执行本步骤，完成所有航线点的与路边标记相关属性的填充。

根据交通灯数据选定交通灯对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通灯相关属性的填充。

本步骤具体为：根据交通灯数据选定交通灯对应的所有航向点，计算并填充地图模型中所选的航线点的与交通灯相关属性的填充。航线点的属性包括表6中的traffic_l；重复执行本步骤，完成所有航线点的与交通灯相关属性的填充。

根据交通标识数据选定交通标识对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通标识相关属性的填充。

本步骤具体为：根据交通标识数据选定交通标识对应的航向点，计算并填充地图模型中所选的航线点的与交通标识相关属性的填充。航线点的属性包括表6中的traffic_s；重复执行本步骤，完成所有航线点的与交通标识相关属性的填充。

在本步骤中，航线点的确定包括：通过搜索分别与道路边界线、路边标记、交通灯或交通标识之间最短距离的航线点确定。

同时，本步骤中，航线点的与道路边界线、路边标记、交通灯或交通标识相关属性的填充过程不分先后顺序。

S40. 对填充后的地图模型中的数据进行一致性验证，即判断地图模型中下层与上层同一元素属性的一致性，当地图模型中下层与与其相邻的上层中所包含的相同的元素属性的数量一致时，则完成地图的生成。

本步骤中一致性验证具体包括：

验证地图模型中所有的航线点的总数与所有车道的所有航线点之和是否一致。

验证路段属性中的路段编号与路段所包含的航向道数量是否一致。

验证航向道属性中的航向道编号与航向道所包含的车道数量是否一致。

验证车道属性中的航线点编号与车道所包含的航线点数量是否一致。

验证验证地图模型中每层元素属性是否都是有效值（包括空值）。

本步骤中，当上述属性均一致，则完成地图的生成。但是，本步骤中一致性验证包括但不限于上述方面。

以图3为例举例说明，地图的生成过程。

图3中包含一个路段，两个航向道，每个航向道包含两条车道，每条车道包含9个航线点。

1、分层地图模型的生成过程：

第一步：选定Lane #2所有9个waypoints，按照车道中心线数据顺序产生waypoint id序列， 即：2.1， 2.2，2.3， …, 2.9；同时产生所选waypoints的部分属性，以第一个waypoint 2.1为例，如下表10所示：

表10

id	2.1
		type	1(default)
xcoord	x.x (UTM coordinates)
		ycoord	x.x (UTM coordinates)
lane_id	2
		succs	2.2
behaviors	x(behavior from 2.1 to its successor waypoint 2.2)

第二步：生成id为2的车道，同时产生该车道的部分属性，如下表11所示：

表11

id	2
		num_wps	9

第三步：自上而下产生其它三条车道以及各自包含的waypoint id序列及部分属性。

第四步：选定Channel #1所有两条lanes，生成id为1的航向道，同时产生该航向道部分属性，如下表12所示：

表12

id	1
		num_lanes	2
length	x.x(calculated by summing the distances between waypoints)

同时更新该航向道包含所有车道的部分属性，以车道2为例，如下表13所示：

表13

id	1.2(update from 2 to 1.2)
		chl_id	1

同时向下层更新各个航线点的部分属性，以车道2航线点1为例，如下表14所示：

表14

id	1.2.1(update from 2.1 to 1.2.1)
		succs	1.2.2(update from 2.2 to 1.2.2)

第五步：以同样方式生成另外一条航向道Channel #2。

第六步：本例没有相互连接的航向道，因此相关航向道属性置空。如下表15所示：

表15

preds	NULL
		conn_lanes	NULL
succs	NULL
		sugg_lanes	NULL

第七步：选定Segment #1的所有channels，生成id为1的路段，同时产生该路段全部属性，如下表16所示：

表16

id	1
		name	“xxx street”
num_chls	2
		rnm	“RNM map name”

同时更新该路段包含所有航向道的部分属性，以航向道1为例，如下表17所示：

表17

id	1.1(update from 1 to 1.1)
		seg_id	1

同时逐层向下更新所有元素id，以航向道1下车道2为例，如下表18所示：

表18

id	1.1.2(update from 1.2 to 1.1.2)

以车道2下航线点1为例，如下表19所示：

表18

id	1.1.2.1(update from 1.2.1 to 1.1.2.1)
		succs	1.1.2.2(update from 1.2.2 to 1.1.2.2)

第八步：本例中只有一条路段，因此分层地图模型生成完成。

2、分层地图模型的填充过程：

假设车道宽度5米（由道路边沿线数据计算所得），路沿为双黄线(double yellow)，隔离带为双白线(double white)，车道线为单白虚线(single dashed white)，每条车道包含一个道路标识（箭头），并假设在每个航向尽头各包含一个交通灯和一个交通标识。

第一步：根据道路边沿线数据，计算并填充表6 waypoint的属性，以WP 1.1.2.1为例，如下表19所示：

表19

lane_width

5

以及表7中所在lane的属性，以lane 1.1.2为例，如下表20所示：

表20

width	5
		left_b	double_yellow
right_b	single_dashed_white

第二步：重复执行第一步，完成所有waypoints和lanes与道路边界线相关属性的填充。

第三步：根据路面标记数据，填充表6 waypoint的属性，以WP 1.1.2.1为例，如下表21所示：

表21

is_stop	false
		is_junct	false
is_carpark	false

第四步：重复执行第三步，完成所有waypoints与路面标记相关属性的填充。

第五步：根据交通灯数据，搜索距离最近的waypoint，并填充表6waypoint的属性，以WP 1.1.2.9为例，如下表22所示：

表22

traffic_l

true

第六步：重复执行第五步，完成所有waypoints与交通灯相关属性的填充。

第七步：根据交通标识数据，搜索距离最近的waypoint，并填充表6 waypoint的属性，以WP 1.1.2.9为例，如下表23所示：

表23

traffic_s

true

第八步：重复执行第七步，完成所有waypoints与交通标识相关属性的填充。

3、一致性验证

地图所有waypoints的总数（36）要和所有lane的waypoints总数相加的和（4x9）一致。

路段属性num_chls（2）要和其所包含的航向道数量（2）一致。

航向道属性num_lanes要和其所包含的车道数量一致；如下表24所示：

表24

	航向道属性num_lanes	包含车道数
			航向道1.1	2	2
航向道1.2	2	2

车道属性num_wps要和其所包含的航线点数量一致；如下表25所示：

表25

	车道属性num_wps	包含航线点数
			车道1.1.1	9	9
车道1.1.2	9	9
			车道1.2.1	9	9
车道1.2.2	9	9

地图模型中每层元素属性都有有效值（包括空值）。

未填充的地图元素属性置空值 NULL。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种用于无人驾驶的地图生成方法，其特征在于，包括如下步骤：

准备创建地图模型所需的地图原始数据；

根据地图原始数据从下往上按照航线点层→车道层→航向道层→路段层的顺序依次生成分层地图模型；

根据地图原始数据分别对地图模型中的航线点层、车道层、航向道层和路段层中与之相对应的道路交通属性进行填充；

对填充后的地图模型中的数据进行一致性验证，即判断地图模型中下层与上层同一元素属性的一致性，当地图模型中下层与与其相邻的上层中所包含的相同的元素属性的数量一致时，则完成地图的生成。

2.根据权利要求1所述的用于无人驾驶的地图生成方法，其特征在于，所述地图原始数据包括车道中心线数据、道路边沿线数据、路面标记数据、交通灯数据和交通标识数据。

3.根据权利要求2所述的用于无人驾驶的地图生成方法，其特征在于，所述分层地图模型的生成具体包括：

根据车道中心线数据选定属于车道的车道ID的所有航线点，按照道路行驶方向排列航线点，即按照车道中心线中的航线点的排列顺序排列航线点，生成航线点层，同时生成每个航线点的属性；

根据航线点层所属的车道ID生成ID为车道ID的车道，同时生成该条车道的属性，从而生成车道层；

选定属于航向道ID的所有车道，生成ID为航向道ID的航向道，同时生成该航向道的属性，从而生成航向道层；

选定属于路段ID的所有航向道，生成ID为路段ID的路段，同时生成该路段的属性，从而生成路段层。

4.根据权利要求3所述的用于无人驾驶的地图生成方法，其特征在于，还包括：

生成航向道的属性的同时，需要同时更新该航向道中每条车道的属性和每条车道中每个航线点的属性；

生成路段的属性的同时，需要同时依次逐层向下更新该路段中每个航向道的属性、每条航向道中每条车道的属性和每条车道中每个航线点的属性。

5.根据权利要求3所述的用于无人驾驶的地图生成方法，其特征在于，在生航向道层之后，还包括：

选定相互连接的两条航向道，生成两条相连接航向道的属性，同时更新相连接航线点的属性。

6.根据权利要求2所述的用于无人驾驶的地图生成方法，其特征在于，对地图模型填充道路交通属性具体包括：

根据道路边沿线数据选定道路边界线对应的所有航线点，计算并填充地图模型中所选的所有航线点和所有车道的与道路边界线相关属性的填充；

根据路面标记数据选定路边标记对应的所有航向点，计算并填充地图模型中所选的所有航线点的与路边标记相关属性的填充；

根据交通灯数据选定交通灯对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通灯相关属性的填充；

根据交通标识数据选定交通标识对应的所有航向点，计算并填充地图模型中所选的所有航线点的与交通标识相关属性的填充。

7.根据权利要求6所述的用于无人驾驶的地图生成方法，其特征在于，分别与道路边界线、路边标记、交通灯和交通标识对应的航向点的选定具体包括：

通过搜索分别与道路边界线、路边标记、交通灯或交通标识之间最短距离的航线点确定。

8.根据权利要求2所述的用于无人驾驶的地图生成方法，其特征在于，一致性验证具体包括：

验证地图模型中所有的航线点的总数与所有车道的所有航线点之和是否一致；

验证路段属性中的路段编号与路段所包含的航向道数量是否一致；

验证航向道属性中的航向道编号与航向道所包含的车道数量是否一致；

验证车道属性中的航线点编号与车道所包含的航线点数量是否一致。

9.根据权利要求2所述的用于无人驾驶的地图生成方法，其特征在于，一致性验证还包括：

验证验证地图模型中每层元素属性是否都是有效值。

10.根据权利要求1所述的用于无人驾驶的地图生成方法，其特征在于，所述地图模型中的每层具体包括：

路段层：地图模型由各路段组成，路段层是通过交叉路口将道路网络划分为不同路段，每个路段始于一个交叉路口，终止于另一个交叉路口；

航向道层：一个路段被划分为一个或多个航向道，不同航向道代表路段中不同的行驶方向；

车道层：一个航向道内包含一个或多个车道；

航线点层： 由沿着车道中心线的一系列航线点组成，每个航线点与其周围相关道路和交通属性相关联，通过航线点将无人驾驶汽车和其当前所处的道路交通环境联系起来，使无人驾驶汽车能够根据当前的车身定位快速获取周围道路和交通信息，用于辅助无人驾驶汽车的自主导航、环境感知和高精度定位。

Images