CN116105717A - 车道级高精度地图构建方法及系统 - Google Patents

车道级高精度地图构建方法及系统 Download PDF

Info

Publication number
CN116105717A
CN116105717A CN202310182696.3A CN202310182696A CN116105717A CN 116105717 A CN116105717 A CN 116105717A CN 202310182696 A CN202310182696 A CN 202310182696A CN 116105717 A CN116105717 A CN 116105717A
Authority
CN
China
Prior art keywords
lane
road
line
lines
module
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.)
Pending
Application number
CN202310182696.3A
Other languages
English (en)
Inventor
廖文龙
廖野翔
何弢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhu Kuwa Robot Industry Technology Research Institute Co ltd
Kuwa Technology Co ltd
Original Assignee
Wuhu Kuwa Robot Industry Technology Research Institute Co ltd
Kuwa Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhu Kuwa Robot Industry Technology Research Institute Co ltd, Kuwa Technology Co ltd filed Critical Wuhu Kuwa Robot Industry Technology Research Institute Co ltd
Priority to CN202310182696.3A priority Critical patent/CN116105717A/zh
Publication of CN116105717A publication Critical patent/CN116105717A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3852—Data derived from aerial or satellite images
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Manufacturing & Machinery (AREA)
  • Instructional Devices (AREA)

Abstract

本发明提供一种车道级高精度地图构建方法及系统，涉及自动驾驶技术领域，包括：数据采集步骤S1：通过采集车采集待构建地图的点云和图像数据；矢量地图构建步骤S2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；车道中心线构建步骤S3：根据道路几何信息构造车道中心线；拓扑关联构建步骤S4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；地图数据质检步骤S5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量，从而提升了高精地图中道路面和路口面精准度。

Description

车道级高精度地图构建方法及系统
技术领域
本发明涉及自动驾驶技术领域，具体地，涉及一种车道级高精度地图构建方法及系统。
背景技术
高精地图是相对于普通地图来说的，它提供了更高精度，内容更为丰富的地图信息，主要服务于自动驾驶。目前L2+及以上自动驾驶方案普遍对高精地图是有明确依赖的。
现有技术中，为了使高精地图构建的更加准确，一般使用高精度传感器采集环境数据。在对道路的环境数据进行采集时，通常将传感器安装在采集车上，通过采集车上路行驶来采集环境数据，并根据采集的环境数据构建高精地图，但是需要多次采集相关数据，工作量较大，而且无法保证数据一致性，会导致地图构建环节增加难度和成本。
发明内容
针对现有技术中的缺陷，本发明提供一种车道级高精度地图构建方法及系统。
根据本发明提供的一种车道级高精度地图构建方法及系统，所述方案如下：
第一方面，提供了一种车道级高精度地图构建方法，所述方法包括：
数据采集步骤S1：通过采集车采集待构建地图的点云和图像数据；
矢量地图构建步骤S2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
车道中心线构建步骤S3：根据道路几何信息构造车道中心线；
拓扑关联构建步骤S4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
地图数据质检步骤S5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量。
优选地，所述数据采集步骤S1还包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
优选地，所述矢量地图构建步骤S2具体包括：
步骤S2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
步骤S2.2：提取道路停止线；
步骤S2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
步骤S2.4：根据高程信息分割道路点云数据；
步骤S2.5：根据道路长度切分道路，保证每段道路块方向一致；
步骤S2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
步骤S2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
步骤S2.8：平滑车道线；
步骤S2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
步骤S2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
步骤S2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
步骤S2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
步骤S2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
优选地，所述车道中心线构建步骤S3包括：
步骤S3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
步骤S3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
步骤S3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
步骤S3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
步骤S3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
步骤S3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
优选地，所述拓扑关联构建步骤S4包括：
步骤S4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
步骤S4.2：关联所述相邻车道线的关系；
步骤S4.3：将车道中心线上下游的关系进行关联；
步骤S4.4：将车道中心线与车道线的关系进行关联；
步骤S4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
步骤S4.6：将道路停止线与车道中心线进行关联；
步骤S4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
步骤S4.8：将路口面数据与车道中心线，车道线以及道路停止线进行关联；
步骤S4.9：将路口面关联车道中心线；
步骤S4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
步骤S4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
步骤S4.12：根据点云数据与车道线，计算道路的虚实属性；
步骤S4.13：填充道路高程信息，并依照道路关系进行平滑处理。
优选地，所述地图数据质检步骤S5包括：
步骤S5.1：检测车道线、车道中心线几何的自相交情况；
步骤S5.2：检测车道线、车道中心线上下游挂接情况；
步骤S5.3：检测道路面与路口面接边情况；
步骤S5.4：检测高精地图属性拓扑与几何拓扑一致性；
步骤S5.5：检测异常数据；
步骤S5.6：对异常数据进行人工校验。
第二方面，提供了一种车道级高精度地图构建系统，所述系统包括：
数据采集模块M1：通过采集车采集待构建地图的点云和图像数据；
矢量地图构建模块M2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
车道中心线构建模块M3：根据道路几何信息构造车道中心线；
拓扑关联构建模块M4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
地图数据质检模块M5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量；
其中，所述数据采集模块M1还包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
优选地，所述矢量地图构建模块M2具体包括：
模块M2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
模块M2.2：提取道路停止线；
模块M2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
模块M2.4：根据高程信息分割道路点云数据；
模块M2.5：根据道路长度切分道路，保证每段道路块方向一致；
模块M2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
模块M2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
模块M2.8：平滑车道线；
模块M2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
模块M2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
模块M2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
模块M2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
模块M2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
优选地，所述车道中心线构建模块M3包括：
模块M3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
模块M3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
模块M3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
模块M3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
模块M3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
模块M3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
优选地，所述拓扑关联构建模块M4包括：
模块M4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
模块M4.2：关联所述相邻车道线的关系；
模块M4.3：将车道中心线上下游的关系进行关联；
模块M4.4：将车道中心线与车道线的关系进行关联；
模块M4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
模块M4.6：将道路停止线与车道中心线进行关联；
模块M4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
模块M4.8：将路口面数据与车道中心线，车道线以及道路停止线进行关联；
模块M4.9：将路口面关联车道中心线；
模块M4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
模块M4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
模块M4.12：根据点云数据与车道线，计算道路的虚实属性；
模块M4.13：填充道路高程信息，并依照道路关系进行平滑处理；
所述地图数据质检模块M5包括：
模块M5.1：检测车道线、车道中心线几何的自相交情况；
模块M5.2：检测车道线、车道中心线上下游挂接情况；
模块M5.3：检测道路面与路口面接边情况；
模块M5.4：检测高精地图属性拓扑与几何拓扑一致性；
模块M5.5：检测异常数据；
模块M5.6：对异常数据进行人工校验。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过采集点云数据和图像数据，结合现有的辅助地图数据，降低了对点云数据的要求，从而降低了采集成本；
2、本发明通过矢量地图构建和拓扑关联保证了，提升了高精地图中道路面和路口面精准度；
3、本发明通过最后的人工校验，对检测异常的数据进行人工校验与修正，大幅提升了构建高精地图的准确度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请车道级高精度地图构建方法的流程图；
图2为图1流程所示实施例的场景示意图；
图3为本申请车道级高精度地图构建方法的效果图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供了一种车道级高精度地图构建方法，如图1和图2所示，包括：
数据采集步骤S1：通过采集车采集待构建地图的点云和图像数据；
在一个实施例中，还包括采集GNSS、IMU及轮速计数据，获取采集车的定位。
矢量地图构建步骤S2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
在一个实施例中，矢量地图构建步骤S2具体包括：
步骤S2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
步骤S2.2：提取道路停止线；
步骤S2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
步骤S2.4：根据高程信息分割道路点云数据；
步骤S2.5：根据道路长度切分道路，保证每段道路块方向一致；
步骤S2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
步骤S2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
步骤S2.8：平滑车道线；
步骤S2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
步骤S2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
步骤S2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
步骤S2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
步骤S2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
车道中心线构建步骤S3：根据道路几何信息构造车道中心线；
在一个实施例中，车道中心线构建步骤S3包括：
步骤S3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
步骤S3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
步骤S3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
步骤S3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
步骤S3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
步骤S3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
拓扑关联构建步骤S4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
在一个实施例中，拓扑关联构建步骤S4包括：
步骤S4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
步骤S4.2：关联所述相邻车道线的关系；
步骤S4.3：将车道中心线上下游的关系进行关联；
步骤S4.4：将车道中心线与车道线的关系进行关联；
步骤S4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
步骤S4.6：将道路停止线与车道中心线进行关联；
步骤S4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
步骤S4.8：将路口面数据与车道中心线、车道线以及道路停止线进行关联；
步骤S4.9：将路口面关联车道中心线；
步骤S4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
步骤S4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
步骤S4.12：根据点云数据与车道线，计算道路的虚实属性；
步骤S4.13：填充道路高程信息，并依照道路关系进行平滑处理。
地图数据质检步骤S5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量。
在一个实施例中，地图数据质检步骤S5包括：
步骤S5.1：检测车道线、车道中心线几何的自相交情况；
步骤S5.2：检测车道线、车道中心线上下游挂接情况；
步骤S5.3：检测道路面与路口面接边情况；
步骤S5.4：检测高精地图属性拓扑与几何拓扑一致性；
步骤S5.5：检测异常数据；
步骤S5.6：对异常数据进行人工校验。
本发明还提供了一种车道级高精度地图构建系统，包括：
数据采集模块M1：通过采集车采集待构建地图的点云和图像数据；
矢量地图构建模块M2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
车道中心线构建模块M3：根据道路几何信息构造车道中心线；
拓扑关联构建模块M4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
地图数据质检模块M5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量；
其中，所述数据采集模块M1还包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
进一步的，矢量地图构建模块M2具体包括：
模块M2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
模块M2.2：提取道路停止线；
模块M2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
模块M2.4：根据高程信息分割道路点云数据；
模块M2.5：根据道路长度切分道路，保证每段道路块方向一致；
模块M2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
模块M2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
模块M2.8：平滑车道线；
模块M2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
模块M2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
模块M2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
模块M2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
模块M2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
进一步的，车道中心线构建模块M3包括：
模块M3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
模块M3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
模块M3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
模块M3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
模块M3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
模块M3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
拓扑关联构建模块M4包括：
模块M4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
模块M4.2：关联所述相邻车道线的关系；
模块M4.3：将车道中心线上下游的关系进行关联；
模块M4.4：将车道中心线与车道线的关系进行关联；
模块M4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
模块M4.6：将道路停止线与车道中心线进行关联；
模块M4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
模块M4.8：将路口面数据与车道中心线，车道线以及道路停止线进行关联；
模块M4.9：将路口面关联车道中心线；
模块M4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
模块M4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
模块M4.12：根据点云数据与车道线，计算道路的虚实属性；
模块M4.13：填充道路高程信息，并依照道路关系进行平滑处理。
地图数据质检模块M5包括：
模块M5.1：检测车道线、车道中心线几何的自相交情况；
模块M5.2：检测车道线、车道中心线上下游挂接情况；
模块M5.3：检测道路面与路口面接边情况；
模块M5.4：检测高精地图属性拓扑与几何拓扑一致性；
模块M5.5：检测异常数据；
模块M5.6：对异常数据进行人工校验。
在一个实施例中，更为具体的，其中，车道级高精度地图构建有关以下内容：
数据处理：
数据主要分为点云和图像两类，因为高精度要求，所以制图以点云为主。要想创建一个点云地图，需要两个重要的信息一个是定位信息，另一个是点云信息。通过GNSS、IMU及轮速计可以高频率地获取当前采集车的定位，但各个传感器都存在一定程度的精度问题。需要将各传感器数据进行融合，再运用Slam算法，对位置进行矫正，最终才能得出一个相对精确的位置。点云信息，来自激光LiDAR，是对环境扫描的点云信息，包括XYZIT(X,Y,Z坐标,光强度,时间戳)等信息。最后把点云信息通过时间关联匹配融合到定位信息中，从而构建了点云地图。
元素识别：
基于反射地图深度学习可以提取车道线、灯杆、红绿灯等信息，获取到这些道路设施的形状特征。
地图构建：
基于上述数据，已经具备了高精度地图构建所需的基础数据和几何特征，通过传统几何与GIS算法，利用机器学习与相关空间处理方法，构建地图模型，结合相关智能算法和空间拓扑逻辑构建出高精度地图。
参照图2所示的主体架构，1)数据服务层：主要用于存储关于交通高精度地图相关的点云数据，图片数据，轨迹数据，矢量几何数据以及相关文字信息。
2)数据中间层：
主要承接各种普通文件，通用数据库，大数据平台及空间数据服务的交通高精度地图相关的数据信息，方便数据转换和高效读写。
3)模型层：
主要对接智能驾驶，智慧城市等相关业务所需要的高精度地图模型结构，辅助计算，分析，制图以及存储。
4)算法引擎：
包含各种高效空间算法和数据分析，统计等算法，主要服务于空间几何建模，自动化制图，数据统计分析，空间数据挖掘和路径规划导航等功能。
接下来，对本发明车道级高精度地图构建进行详细说明。
本发明提供的一种车道级高精度地图构建方法，如图1所示，具体包括：
数据采集步骤：通过采集车采集待构建地图的点云和图像数据；数据采集包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
矢量地图构建步骤：根据所述点云、图像和辅助地图数据，通过矢量化相关算法自动构造出车道线，马路牙，导流线，停止线，方向箭头，地面文字，路口以及路面等真实道路几何信息。
具体地，矢量地图构建步骤具体包括：
1)轨迹数据根据交点与拐点提取虚拟路口；具体地，车辆行驶的轨迹，在路口处时，例如直行和转弯等会产生交点与拐点。
2)提取道路停止线。
辅助地图数据即可，例如百度地图，高等地图等，道路停止线就是停止的意思，其作用是车辆在等待信号灯时，停靠的参考线。一般位于：1、有交通信号控制的交叉路口。2、铁路平交道口。3、道路左转弯待转区的前端。
3)根据所述虚拟路口和道路停止线提取道路点云数据。
4)根据高程信息分割道路点云数据。该处高程信息指：点云本身的一个信息，点云包括三维坐标，高程是在给定的基准面(如地基、地面或海面)以上的垂直高度，可以理解为Z轴的坐标值。
5)根据道路长度切分道路，保证每段道路块方向一致。
6)提取道路内道路点云数据中的车道线点云和路牙点云数据，采用机器学习与计算几何相结合的方法聚类拟合成真实车道线和道路路牙线等。
7)提取路口内道路点云数据中的车道线点云和路牙点云数据，采用机器学习与计算几何相结合的方法聚类拟合成真实车道线和道路路牙线等，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致。
8)平滑车道线。
9)根据道路内的车道线的起终点处生成垂直于道路的打断线。
10)统一车道线方向，根据打断线切分道路内的车道线与道路路牙线等，使其每一个道路块的车道线起终点都落在打断线上，提取每个道路块的最外侧的线，根据方向分别构造出道路的两条边线，从而构造出精细的道路面数据。
11)根据路口内的车道线，提取与道路两侧交接的路口边界线，对路口边界线围绕路口中心点排序，按顺序连接构造路口面数据。
12)根据路口边界线与人行横道的点云数据聚类拟合出人行横道面数据；
13)根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据等。
车道中心线构建步骤：结合路面与车道变化信息，道路与路口的关联关系，结合几何推理以及相关交通规则，构造出车道中心线(即车道行驶线)。
具体地，车道中心线构建步骤包括：
(1)根据道路面数据和路口面数据，将其分为车道线和道路轨迹。
(2)根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致。
(3)根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路。
(4)根据分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线。
(5)根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线。
(6)在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
实际规则：道路的路宽在平均在2.5米以上；实线禁止变道；变道采用就近原则等。
拓扑关联构建步骤：结合道路几何信息以及车道中心线，构造出车道相关的拓扑关联信息，包括车道上下游关系，邻接关系，路口关联信息以及高程等信息。
具体地，拓扑关联构建步骤包括：
1、将道路面数据与车道中心线、车道线以及道路停止线进行关联。
2、关联所述相邻车道线的关系。
3、将车道中心线上下游的关系进行关联。
4、将车道中心线与车道线的关系进行关联。
5、生成虚拟车道线，保证所有车道中心线两侧都有车道线。
6、将道路停止线与车道中心线进行关联。
7、建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转。
8、将路口面数据与车道中心线，车道线以及道路停止线进行关联；
9、将路口面关联车道中心线。
10、根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表。
11、建立交通信号灯与车道中心线以及道路停止线的关系。
12、根据点云数据与车道线，计算道路的虚实属性。
13、填充道路数据高程，并依照道路关系进行平滑处理。
地图数据质检步骤：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和整体质量。
具体地，地图数据质检步骤包括：
1)检测车道线、车道中心线几何的自相交情况；
2)检测车道线、车道中心线上下游挂接情况；
3)检测道路面与路口面接边情况；
4)检测高精地图属性拓扑与几何拓扑一致性；属性拓扑是形式结构表示方法，是一种将形式背景中的属性表示成结点，将对象对属性的耦合程度表示成结点的关联的图结构。如果将属性替换为计算机，这样的结构就如同计算机的网络拓扑描述，因此将这个描述模型命名为属性拓扑。高精地图自身的属性，此处与几何拓扑做对比，检测地图一致性问题。
5)检测异常数据；
6)人工校验。
如图3所示，为本申请车道级高精度地图构建方法的效果图展示。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (11)

1.一种车道级高精度地图构建方法，其特征在于，包括：
数据采集步骤S1：通过采集车采集待构建地图的点云和图像数据；
矢量地图构建步骤S2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
车道中心线构建步骤S3：根据道路几何信息构造车道中心线；
拓扑关联构建步骤S4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
地图数据质检步骤S5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量。
2.根据权利要求1所述的车道级高精度地图构建方法，其特征在于，所述数据采集步骤S1还包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
3.根据权利要求1所述的车道级高精度地图构建方法，其特征在于，所述矢量地图构建步骤S2具体包括：
步骤S2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
步骤S2.2：提取道路停止线；
步骤S2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
步骤S2.4：根据高程信息分割道路点云数据；
步骤S2.5：根据道路长度切分道路，保证每段道路块方向一致；
步骤S2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
步骤S2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
步骤S2.8：平滑车道线；
步骤S2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
步骤S2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
步骤S2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
步骤S2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
步骤S2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
4.根据权利要求1所述的车道级高精度地图构建方法，其特征在于，所述车道中心线构建步骤S3包括：
步骤S3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
步骤S3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
步骤S3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
步骤S3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
步骤S3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
步骤S3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
5.根据权利要求1所述的车道级高精度地图构建方法，其特征在于，所述拓扑关联构建步骤S4包括：
步骤S4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
步骤S4.2：关联所述相邻车道线的关系；
步骤S4.3：将车道中心线上下游的关系进行关联；
步骤S4.4：将车道中心线与车道线的关系进行关联；
步骤S4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
步骤S4.6：将道路停止线与车道中心线进行关联；
步骤S4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
步骤S4.8：将路口面数据与车道中心线、车道线以及道路停止线进行关联；
步骤S4.9：将路口面关联车道中心线；
步骤S4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
步骤S4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
步骤S4.12：根据点云数据与车道线，计算道路的虚实属性；
步骤S4.13：填充道路高程信息，并依照道路关系进行平滑处理。
6.根据权利要求1所述的车道级高精度地图构建方法，其特征在于，所述地图数据质检步骤S5包括：
步骤S5.1：检测车道线、车道中心线几何的自相交情况；
步骤S5.2：检测车道线、车道中心线上下游挂接情况；
步骤S5.3：检测道路面与路口面接边情况；
步骤S5.4：检测高精地图属性拓扑与几何拓扑一致性；
步骤S5.5：检测异常数据；
步骤S5.6：对异常数据进行人工校验。
7.一种车道级高精度地图构建系统，其特征在于，包括：
数据采集模块M1：通过采集车采集待构建地图的点云和图像数据；
矢量地图构建模块M2：根据所述点云、图像和辅助地图数据，构造车道线在内的相关道路几何信息；
车道中心线构建模块M3：根据道路几何信息构造车道中心线；
拓扑关联构建模块M4：结合所述道路几何信息以及车道中心线，构造车道相关的拓扑关联信息；
地图数据质检模块M5：对所述道路几何信息、车道中心线以及拓扑关联信息在内的相关地图数据进行检测，保证高精地图数据精度和质量；
其中，所述数据采集模块M1还包括：采集GNSS、IMU及轮速计数据，获取采集车的定位。
8.根据权利要求7所述的车道级高精度地图构建系统，其特征在于，所述矢量地图构建模块M2具体包括：
模块M2.1：根据车辆行驶轨迹在路口处产生的交点与拐点，提取虚拟路口；
模块M2.2：提取道路停止线；
模块M2.3：根据所述虚拟路口和道路停止线提取道路点云数据；
模块M2.4：根据高程信息分割道路点云数据；
模块M2.5：根据道路长度切分道路，保证每段道路块方向一致；
模块M2.6：提取道路内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线；
模块M2.7：提取路口内所述道路点云数据中的车道线点云和路牙点云数据，聚类拟合成真实车道线和道路路牙线，同时引入道路内的车道线对路口内的车道线进行拓扑关联，使其前后端点保持一致；
模块M2.8：平滑车道线；
模块M2.9：根据道路内的车道线的起终点处生成垂直于道路的打断线；
模块M2.10：统一车道线方向，根据所述打断线切分道路内的车道线与道路路牙线，使其每一块道路的车道线起终点都落在打断线上，提取每块道路的最外侧的线，根据方向分别构造出道路的两条边线，从而构造道路面数据；
模块M2.11：根据路口内的车道线，提取与道路两侧交接的路口边界线，对所述路口边界线围绕路口中心点排序，按顺序连接构造路口面数据；
模块M2.12：根据路口边界线与人行横道的点云数据，聚类拟合出人行横道面数据；
模块M2.13：根据方向箭头的点云数据及其类型，用标准箭头图形进行替换，构造成方向箭头面数据。
9.根据权利要求7所述的车道级高精度地图构建系统，其特征在于，所述车道中心线构建模块M3包括：
模块M3.1：根据所述道路面数据和路口面数据，将其分为车道线和道路轨迹；
模块M3.2：根据车道线和道路轨迹，调整车道线的方向，分为两个方向的车道线，使其与道路轨迹的方向保持一致；
模块M3.3：根据调整后车道线的方向，将道路分割为两个不同方向的分方向道路；
模块M3.4：根据所述分方向的道路，按照道路变化处以及打断处位置，并结合道路趋势线，生成打断线；
模块M3.5：根据所述车道线和其对应的打断线，分割成路段，结合道路规则，生成车道中心线；
模块M3.6：在路口面处，结合进出口的车道中心线和方向箭头的关系以及道路规则，生成路口车道中心线。
10.根据权利要求7所述的车道级高精度地图构建系统，其特征在于，所述拓扑关联构建模块M4包括：
模块M4.1：将道路面数据与车道中心线、车道线以及道路停止线进行关联；
模块M4.2：关联所述相邻车道线的关系；
模块M4.3：将车道中心线上下游的关系进行关联；
模块M4.4：将车道中心线与车道线的关系进行关联；
模块M4.5：生成虚拟车道线，保证所有车道中心线两侧都有车道线；
模块M4.6：将道路停止线与车道中心线进行关联；
模块M4.7：建立箭头与车道中心线的关联关系，同时计算箭头与车道中心线夹角，对箭头进行相应旋转；
模块M4.8：将路口面数据与车道中心线，车道线以及道路停止线进行关联；
模块M4.9：将路口面关联车道中心线；
模块M4.10：根据车道中心线上下游关系和箭头，填充路口内车道中心线的行驶方向列表；
模块M4.11：建立交通信号灯与车道中心线以及道路停止线的关系；
模块M4.12：根据点云数据与车道线，计算道路的虚实属性；
模块M4.13：填充道路高程信息，并依照道路关系进行平滑处理。
11.根据权利要求7所述的车道级高精度地图构建系统，其特征在于，所述地图数据质检模块M5包括：
模块M5.1：检测车道线、车道中心线几何的自相交情况；
模块M5.2：检测车道线、车道中心线上下游挂接情况；
模块M5.3：检测道路面与路口面接边情况；
模块M5.4：检测高精地图属性拓扑与几何拓扑一致性；
模块M5.5：检测异常数据；
模块M5.6：对异常数据进行人工校验。
CN202310182696.3A 2023-02-24 2023-02-24 车道级高精度地图构建方法及系统 Pending CN116105717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310182696.3A CN116105717A (zh) 2023-02-24 2023-02-24 车道级高精度地图构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310182696.3A CN116105717A (zh) 2023-02-24 2023-02-24 车道级高精度地图构建方法及系统

Publications (1)

Publication Number Publication Date
CN116105717A true CN116105717A (zh) 2023-05-12

Family

ID=86258023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310182696.3A Pending CN116105717A (zh) 2023-02-24 2023-02-24 车道级高精度地图构建方法及系统

Country Status (1)

Country Link
CN (1) CN116105717A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994452A (zh) * 2023-09-27 2023-11-03 腾讯科技（深圳）有限公司 一种道路数据的处理方法、装置、电子设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994452A (zh) * 2023-09-27 2023-11-03 腾讯科技（深圳）有限公司 一种道路数据的处理方法、装置、电子设备和存储介质
CN116994452B (zh) * 2023-09-27 2024-01-12 腾讯科技（深圳）有限公司 一种道路数据的处理方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN108871368B (zh) 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器
CN109186617B (zh) 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器
He et al. RoadRunner: improving the precision of road network inference from GPS trajectories
CN108981741B (zh) 基于高精度地图的路径规划装置及方法
Gargoum et al. A literature synthesis of LiDAR applications in transportation: Feature extraction and geometric assessments of highways
Yang et al. Generating lane-based intersection maps from crowdsourcing big trace data
EP2172748B1 (en) Creating geometry for advanced driver assistance systems
US8566021B2 (en) Method and systems for deducing road geometry and connectivity
CN113447033B (zh) 一种车道级地图匹配方法及系统
US20220221279A1 (en) Edge Segmentation Between Road Nodes
CN112033420B (zh) 一种车道地图构建方法和装置
CN109101743A (zh) 一种高精度路网模型的构建方法
CN112154446A (zh) 立体车道线确定方法、装置和电子设备
CN111314857B (zh) 一种基于过车视频数据的车辆实时出行轨迹获取方法
CN114495489B (zh) 一种路口车道拓扑连接关系生成方法
CN115435798A (zh) 无人车高精地图路网生成系统及方法
CN116503510A (zh) 自动构建车道中心线的方法及系统
CN116105717A (zh) 车道级高精度地图构建方法及系统
EP4202365A1 (en) Method, apparatus, and computer program product for identifying and correcting lane geometry in map data
CN111125293A (zh) 公交网络模型自动生成方法、装置及电子设备
CN110781201B (zh) 道路拓扑关系数据的自动更新方法和装置
CN115112146A (zh) 用于生成自动驾驶地图的方法、计算机系统及介质
Boubakri et al. High definition map update for autonomous and connected vehicles: A survey
CN111033591B (zh) 用于确定道路网的行车道的走向的方法以及服务器设备
CN112923941B (zh) 路线规划方法、数据挖掘方法、相应的装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination