一种非固定道路的自动驾驶路点数据采集与维护方法
技术领域
本发明属于汽车自动驾驶技术领域,涉及无线射频以及定位导航技术,具体涉及一种非固定道路的自动驾驶路点数据采集与维护方法。
背景技术
汽车自动驾驶系统又称自动驾驶汽车,也称无人驾驶汽车或轮式移动机器人,是一种通过车载计算机系统实现无人驾驶的智能汽车系统。自动驾驶汽车依靠运动传感器、视觉计算、雷达、控制装置和全球定位系统、高精地图等协同合作,让计算机可以在没有任何人类主动操作下,自动安全地操作机动车辆。自动驾驶汽车能够使交通事故发生率下降,自动驾驶汽车的行驶模式可以更加节能高效,从而有助于减少城市交通拥堵及空气污染。汽车自动驾驶技术会涉及到车路协同技术、车辆定位导航技术等。
车路协同系统是采用无线通信和传感器等技术,不仅对车辆,还要对道路交通设施,实施智能化改造。通过车车、车路和人车动态实时信息交互与融合,实现车辆自动驾驶,形成安全、高效和环保的智能交通系统。车路协同的技术特征与单纯依靠车辆自身智能实现自动驾驶的技术路线(简称“单车智能”)有区别,车路协同技术比单车智能具有更高的可靠性。例如,传统的单车智能车辆通过十字路口的时候要识别红绿灯,但是受到光照和遮挡等很多因素的影响,导致视觉识别系统准确率降低,给想要通过路口的自动驾驶车辆造成很大困难。而车路协同系统将交通信号灯加装传感器就可以解决这样的问题,智能信号灯控制系统可以把红灯和绿灯的状态以及可通行时间等信息直接发给自动驾驶汽车,可以代替车辆自身通过视觉判别信号灯,这样就解决了识别准确率不高的问题。
车辆定位导航系统的原理是使用传感器来测量定位导航所需的各种信息,通过定位算法获得车辆的精确位置。目前主要有以下几种定位技术应用于车辆导航(参考文献[1]:刘少山,唐洁等.第一本无人驾驶技术书(第二版).北京:电子工业出版社.2019.10PP.279-288):(1)全球卫星定位系统(简称GNSS),GNSS具有全球性、全天候、连续、实时提供高精度的三维位置、三维速度和时间信息等一系列优点,是实现全球导航定位的一种高新技术。目前,仅有美国的GPS、中国的北斗系统、欧洲伽利略和俄罗斯的GLONASS系统有能力提供全球范围内的商业化定位与导航服务。(2)惯性导航系统(简称INS),这种导航系统是不依赖于任何外部信息,靠自身的惯性敏感器件(陀螺仪和加速度计)测量导航参数,它不受天然的或人为的干扰,具有良好的隐蔽性,是一种完全自主式的导航系统。(3)地图匹配(简称MM)(参考文献[2]:Suganuma J,Uozumi T.Presition estimation ofautonomous vehicle based on map-matching[J]IEEE IntelligentVehiclesSymposium,2011(4):296-301),地图匹配算法将其它传感器测得的车辆位置或行驶轨迹,与车载的数字地图的道路数据相比较、匹配,找到车辆所在的道路,计算出车辆在道路上的位置,进而还可以通过这种方法来校正其它定位方法的误差,如INS的累积误差、GPS的随机误差。地图匹配利用数字化地图使得定位系统更加可靠、准确。自动驾驶系统经常使用高精地图作为位置匹配计算的依据。高精地图与普通导航电子地图的区别在于,普通的导航电子地图是面向驾驶员,供驾驶员使用的地图数据,而高精地图是面向机器的供自动驾驶汽车使用的地图数据。高精地图是具备辅助车辆实现高精度的定位位置功能、道路级和车道级的规划能力、以及车道级的引导能力的地图数据系统。普通导航电子地图的绝对坐标精度大约在10米左右,而自动驾驶车辆要求的高精地图需要达到亚米级甚至分米级。高精地图包含道路高精度的坐标、道路形状、车道线位置、车道线颜色、车道线虚实、道路隔离带、车道箭头、文字、人行横道、隔离带、限速标志、红绿灯、路边的电话亭、交通摄像头、每个车道的坡度、曲率、航向、高程、侧倾角等几十项数据。高精地图可以说是一个包含了与道路特征以及道路周边设施特征的数据库系统。
以上几种定位导航方法中,全球卫星定位系统(GNSS)通信受遮挡、反射等干扰影响较大,在城市道路上的误差通常5-10米,无法满足自动驾驶系统的定位精度要求。惯性导航系统仅在短时间内(3-5秒)保持较高精度,误差会随着时间逐渐增大,通常与GNSS系统配合使用。高精地图的定位精度基本能满足自动驾驶的要求,但使用高精地图存在如下问题:(1)高精地图的制作涉及数据采集、加工、转换、人工校正等步骤,而数据采集是其中关键的环节,用到的采集设备包括激光雷达,其中激光雷达的成本每台高达几十万元。为了获得车道线、红绿灯、路口、交通标识等特征点信息,需要投入大量人力和财力进行数据标注、模型训练以及后期校正等工作。(2)高精地图采集过程中产生了大量的冗余数据,一些数据与自动驾驶无关,会对自动驾驶软件造成负载和压力。例如,高精地图标准OpenDrive定义了多达上百项的地图信息,然而对自动驾驶真正有用的仅有少数几项,过多的数据不仅增加了地图数据采集和构建的成本,而且对定位算法的性能带来了负面影响。(3)公共道路交通设施处于经常性的更新维护状态,任何一处交通设施的变更信息如果不能即时更新到高精地图系统,会威胁到自动驾驶的安全性。此外,对于非固定道路(例如矿山、矿井等),由于道路变更极为频繁,高精地图维护产生的成本会极其高昂。
发明内容
目前汽车自动驾驶系统使用的高精地图具有数据采集成本高、更新维护滞后、数据冗余等问题,给汽车自动驾驶技术带来负载大、影响安全等负面影响,本发明针对这种情况,提出了一种非固定道路的自动驾驶路点数据采集及维护方法。
本发明的非固定道路的自动驾驶路点数据采集与维护方法,包括如下步骤:
步骤1:设置超高频RFID(射频识别)电子路标,包括:在已有的交通标志设施上嵌入射频芯片,在非固定道路的两侧安装嵌入了射频芯片的标志桩。所述的射频芯片为超高频无源无线射频芯片,每个芯片拥有唯一标识ID。
步骤2:对每个超高频RFID电子路标,使用数据采集设备读取RFID芯片的ID,同时采集超高频RFID电子路标所在的位置坐标、道路属性以及周边图像等。
步骤3:标定超高频RFID电子路标所在的路点数据,是指,将位置坐标、道路属性、交通标志设施或标志桩的周边图像数据都与RFID芯片的唯一编码ID进行对应并绑定。RFID芯片的位置坐标可视同与对应的交通标志设施或标志桩的位置坐标一致。所述的每个路点数据,至少包括:RFID芯片的ID标识,交通标志设施或标志桩的位置的纬度、经度和高度,行车方向,道路坡度以及道路限速。
步骤4:将标定的路点数据上传到路点数据管理专用服务器中,存储到路点数据库中。
步骤5:校正路点数据。人工对上传的路点数据进行审核与校正。对于标注错误的路点数据,通知现场施工人员,删除该路点数据并重复执行步骤2~4,重新采集相应的超高频RFID电子路标的路点数据并标定上传。
步骤6:利用路点数据管理专用服务器中的路点数据生成道路地图(Way-Map)。
步骤7:将道路地图发布到自动驾驶车辆上。
在自动驾驶车辆上安装有RFID阅读器,通过RFID阅读器识别出超高频RFID电子路标,根据识别出的RFID芯片ID获得相应的路点数据,并从道路地图Way-Map中确定车辆当前位置。
步骤8:对路点数据管理专用服务器中的路点数据进行维护。
自动驾驶车辆或巡检车辆在行驶过程中,记录下所检测到的路点数据,将路点数据与路点数据管理专用服务器中的路点数据库进行比对,当发现异常的路点数据时,上报给数据管理专用服务器,对异常路点数据删除或修改,并重新采集和标定相应的超高频RFID电子路标内的路点数据。
本发明与现有技术相比,具有以下优势和积极效果:
(1)本发明方法实现了一种成本较低的高精地图构建,无需使用传统高精地图构建方案中使用的价格昂贵的激光雷达,所建立在非固定道路两侧的标志桩在首次安装后,能够长期使用,所使用到的超高频RFID芯片的价格也并不高,最终用于汽车无人驾驶的高精地图数据获取的设备成本相较于现有技术大大降低。
(2)本发明方法采集的数据比传统高精地图构建技术方案更精简,无需采集道路全部的标志信息,例如车道、路肩、标志线、标志牌、树木、其它交通设施等等这些数据,而仅仅采集路点的几项坐标数据即可获得可用于车辆定位导航的地图信息。本发明方法所需采集的地图信息采用结构化数据表达,数据量相当于传统高精地图系统数据量的百分之一。
(3)本发明方法的路点数据维护简单易行,成本低。路点数据维护可完全在后台软件中进行,避免了多次现场信息采集以及复杂的地图更新程序。实际运行中的每台车辆都可以作为路点信息异常检测的终端,随时发现异常路点信息,后台系统可自动校正。
(4)本发明设计了Way-Map道路地图数据结构,能够精准表示道路两点的最短路径,该数据结构能够提高自动驾驶系统路径规划的效率。
(5)本发明提高了自动驾驶系统的安全性。通过Way-Map给自动驾驶车辆提供更高精度的定位导航信息,提高自动驾驶的可靠性。
附图说明
图1是本发明路桩布置示意图,a为标志桩;b为非固定道路标志桩布置示意图;
图2是本发明实施例的自动驾驶路点数据采集与维护方法的实现流程图;
图3是本发明实施例的手持采集设备和路桩工作流程示意图;
图4是采用本发明方法实现车辆定位的一个示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图对本发明作进一步的详细和深入描述。
目前对于汽车自动驾驶系统使用的高精地图,通常都需要大量人工,使用激光雷达来进行数据采集、人工校正等,而采集的高精地图中包含大量在自动驾驶中不需要的冗余数据,当公共交通设施发生变更时,也是需要先进行人工采集、校正的过程,常常并不能及时更新到高精地图中去,这为自动驾驶带来安全问题。本发明针对这种情况,打破现有高精地图数据采集的惯常方案,而是采用超高频RFID路点定位技术、道路地图生成技术以及路点变更自动检测与维护技术,构建了可动态反馈的路点信息系统,通过超高频RFID来进行自动驾驶所需数据的感知,并且预先采集对自动驾驶所需要的数据,减少大量不需要的数据量,在维护时也方便简单,能够保证交通设施变更时快速方便地更新数据,保证自动驾驶的安全性。通过本发明方法使自动驾驶系统以较低的成本获得精准的定位导航数据,提高了自动驾驶系统的可靠性与安全性。
首先,说明本发明方法中采用的超高频RFID电子路标。超高频RFID电子路标的载体涉及车辆限速标志、路口交通信号灯、路边标志桩、减速带、交通警示标志牌等。超高频RFID电子路标是在路桩、交通标志等载体的内部嵌入900MHz无源无线射频(RadioFrequency Identification)芯片得到的一类交通标志。超高频RFID芯片存储器存放了载体位置、载体所在的道路属性以及通行控制信息的索引。超高频RFID电子路标能被安装在车辆上的超高频RFID阅读器,读出索引信息。如图1所示,本发明除了可将已有的交通标志设施设置为超高频RFID电子路标,对于非固定道路,在道路两侧安装标志桩,标志桩内嵌有超高频RFID芯片,形成非固定道路的超高频RFID电子路标。
如图2所示,本发明实施例的路点数据采集与维护方法,分为如下9个步骤来说明。
步骤1:安装标志桩,形成超高频RFID电子路标。
将标志桩埋于非固定道路的两侧。标志桩内部嵌入了拥有唯一标识ID的超高频RFID无线射频芯片。本发明实施例中,标志桩之间的距离为10-15米,露出地面的高度为1.0米,标志桩上带有夜间反光膜,能够反射车灯光线,如图1所示。
步骤2:获取各超高频RFID电子路标所在的路点属性数据。如图3所示,使用超高频RFID手持数据采集设备读取RFID的ID信息,同时采集交通标志设施或标志桩所在位置的GNSS坐标,道路属性以及交通标志设施或标志桩的周边图像数据。数据采集设备上集成了RFID读取、GNSS数据读取以及图像拍摄功能。
步骤3:标定超高频RFID电子路标的路点。将手持数据采集设备读取的交通标志设施或标志桩的GNSS坐标数据、道路属性、周边图像数据与RFID芯片ID一一对应并绑定。该步骤由超高频RFID手持设备上安装的软件来完成绑定,所生成的路点数据结构为表1所示。
表1:Way-Map道路地图数据结构
字段名称 |
数据类型 |
说明 |
TagId |
string |
RFID芯片的ID标识 |
Latitude |
double |
纬度 |
Longitude |
double |
经度 |
Altitude |
double |
高度 |
Direction |
float |
行车方向 |
Slope |
float |
道路坡度 |
Speed |
int |
道路限速 |
Data |
bytes[] |
自定义信息 |
本发明实施例中,对于每个超高频RFID电子路标,都对应绑定有如表1所示的一组路点数据。每一组路点数据中以RFID芯片ID为索引值。超高频RFID电子路标所在环境的图像数据可以存储在自定义信息中。
步骤4:上传路点数据到服务器。
将标定的路点数据通过4G网络上传到路点数据管理服务器。
步骤5:人工对上传到服务器的路点数据进行审核与校正。对于标注错误的数据,通知现场施工人员,删除该路点数据并重复执行步骤2~4。路点数据必须经过审核和校正,删除错误标定的路点数据,保证路点数据与实际道路定位信息一致。
步骤6:对路点数据采用Dijkstra算法生成道路地图(Way-Map),生成的道路地图能够被自动驾驶车辆所利用进行车辆位置估计与导航。
道路地图中的存储数据结构主要包括有Tag,Point,Lane,Way,Cross几种类型。每条道路Way包含多个车道Lane以及多个交叉路口Cross。每条车道Lane包含多个虚拟点Point。Tag是指所标定的路点数据。利用有向图生成算法生成路点数据Tag之间的路线,平滑Tag组成的路线获得路线上的多个虚拟点Point。
步骤7:发布道路地图Way-Map。将道路地图发布到自动驾驶车辆上,自动驾驶车辆通过访问路点数据服务器的数据下载服务接口获取步骤6生成的道路地图。
如图4所示,在自动驾驶车辆上安装有雷达感知器和RFID阅读器、摄像头、卫星定位导航等设施,车辆在行驶过程中进行环境感知,可识别行人、车辆、障碍物等,通过RFID阅读器可识别出超高频RFID电子路标,根据识别出的RFID芯片ID获得相应的路点数据,并从道路地图Way-Map中确定车辆当前位置。将识别结果集合到车辆上的决策/规划子系统中,来进行道路规划或行驶决策,并发送控制命令给控制执行子系统,控制车辆行驶。
步骤8:对路点数据管理专用服务器中的路点数据库进行维护,上传异常路点到路点数据管理专用服务器,对道路地图数据进行维护。
自动驾驶车辆或巡检车辆在行驶过程中,记录下所检测到的路点数据,将路点数据与路点数据管理专用服务器中的路点数据库进行比对。当自动驾驶车辆或巡检车辆检查到路点缺失、路点偏移等异常的路点数据时,将异常路点数据上报给路点数据管理专用服务器。自动驾驶车辆在行驶过程中将日志发送给路点数据服务器。道路巡检车辆定期检查路点标志桩的完好情况。在上述两种情况下,服务器维护程序将自动检查不一致的情况,并采取自动或人工的方式使路点数据保持到最新。
实施例:
本发明方法应用在矿山道路路点数据采集项目上,采集了2公里共400个路点数据,累计路点数据量共200MB,数据上传时间为3.2分钟,数据校正与生成道路地图时间为15秒,人工辅助时间约30分钟。矿山卡车在该段道路上累计行驶300公里,平均时速30km/h,未发生一起导航异常事件。针对本发明的维护功能,设计了一个专门的路点数据变更例程,触发本发明方法的步骤8,通过测试,发现本发明方法的维护方案,能在一分钟内将路点数据更新到最新状态。为了证明本发明方法的有效性,特设计了地图数据采集与维护实验,试验对比数据如表2所示。
表2:试验对比数据
从表2中可以看出,本发明方法在采集的数据量、地图生成时长以及数据维护效率等方面均明显优于高清地图构建方案。