智能网联汽车的高精地图数据交互模式

随着自动驾驶技术的发展,传统的地图服务已经不能满足以机器为主体的自动驾驶车辆的需要。具有更高精度、更多要素、更快更新频率的高精地图成为自动驾驶车辆的关键。不同来源数据之间的交互是高精地图用于自动驾驶导航决策的保证。针对智能网联汽车系统中高精地图的数据交互问题,本文首先对相关的研究进行了分析,依据高精地图的数据内容和数据来源对智能网联汽车中的高精地图数据进行再组织;然后详细阐述了基于车-路-云三方的高精地图数据交互的内容和交互机制,形成一个适用于智能网联汽车的高精地图数据交互模式;最后在仿真环境下对设计的数据交互模式进行了验证。     

智能驾驶场景中高精地图动静态数据关联方法

在智能驾驶场景中,对高精地图的实时动态信息和静态数据的协同调用可以支持智能驾驶系统准确地重构道路行驶场景,并针对复杂的道路环境和突发事件做出安全高效的决策。因此,动态数据与静态数据之间的关联和实时重构是实现智能驾驶车辆路径规划及决策的关键技术。针对目前高精地图模型中动静态数据关联原则共识不够造成耦合实时性弱的问题,提出并论述了动静态数据的关联原则,依此原则,且基于关系数据理论和高精地图的属性属地区块更新机制,进一步提出了高精地图动静态数据的关联和重构的强、弱两种关联方法。通过自动驾驶宏观、中观、微观3种场景决策支持应用分析了动静态数据关联方法对智能驾驶的影响,说明高精地图动静态数据关联关系的建立能够支持智能驾驶系统的规划决策和控制,为车辆实现安全、高效、舒适的智能驾驶奠定了基础。     

自动驾驶高精地图的信息传输模型

高精地图的“非视觉”和面向机器特性,使其与传统面向人的时空产品有明显不同,相应的描述地图主、客体及其与产品之间关系的传输模型也面临巨大变革。已有的传输模型重构了上述关系,包括新增用户个性信息及其传输,但也存在信息传递工具仍采用面向人而非机器的地图语言等不足。为此,结合自动驾驶中地图信息的传输特点,构建面向机器认知的高精地图信息传输模型,通过对已有的传输模型进行扩展：GIS语言代替地图语言,将用户个性信息整合到高精地图的用户图层中,将行动指导扩展为行动实践。研究结果表明,构建的全机器认知的高精地图信息传输模型实现了地图信息认知的主体由人到机器的扩展,适应了高精地图在感知、定位、规划、控制等传输过程中全人工智能的特性。所提出的模型一方面有助于准确把握高精地图的本质及内容结构,提升认知效果;另一方面,对驾驶服务具有重要的指导作用,包括内容选取、表达方法、系统功能框架设计等,提高传输效率。     

高精地图的知识图谱表达

高精地图是自动驾驶的“传感器”,为自动驾驶提供必要的先验数据以及相应的超视距感知、校验定位、动态规划和决策控制。然而,高精地图数据供给与自动驾驶知识需求仍存在鸿沟,包括数据量大导致查询困难、数据关联弱导致语义理解和智能决策困难。知识图谱是将知识以图的结构表达出来,以描述实体及其关系,涉及实体抽取和关系抽取。为此,在高精地图数据基础上,引入知识图谱,提出高精地图知识图谱的构建方法,以架起地图数据供给与驾驶知识需求之间的桥梁,支撑高精地图数据到自动驾驶知识的转化。构建的知识图谱实例,一方面将高精地图海量数据采用图进行了二次表达,建立了类似于索引的结构;另一方面显式表达了面向自动驾驶需求的语义关系。实验结果表明,知识图谱能为高精地图的语义查询、知识推理和局部决策规划提供基础。所提出的方法能实现高精地图先验数据的语义结构化,推进高精地图由数据到信息到知识的跨越,为自动驾驶的落地贡献先验知识。     

测绘遥感能为智能驾驶做什么?

从自动驾驶汽车到智能汽车,再到智能网联汽车,智能驾驶汽车技术及产业的快速发展,测绘与遥感技术起到了重要的支撑作用.本文首先介绍了国内外智能驾驶汽车的进展及其与常规汽车的区别,基于科学技术发展3次重要浪潮的视角,对比分析和归纳了自动驾驶与测绘遥感的发展历程及其核心技术驱动力.然后从顶层规划与政策环境、环境感知与计算决策车辆关键技术、高精地图与导航定位基础支撑关键技术、车路协同信息交互关键技术4个方面,对智能驾驶汽车的关键技术进行了介绍.以星基导航增强、高精度位置和姿态测量、多源融合感知等多项导航定位先进技术成果为实例,论证了测绘导航赋能单车智能驾驶;通过介绍移动测量与众包高精地图制作技术,阐述了测绘遥感对智能驾驶的关键支撑作用;以天基信息实时服务系统(PNTRC)建设为例,描述了测绘遥感未来将服务智能网联汽车"人-车-路-云"的发展趋势.最后总结分析了智能驾驶发展尚需解决的问题以及测绘遥感近期需要应对的挑战.     

自主导航地图的昨天、今天和明天EI北大核心CSCD

本文以无人驾驶技术的演化背景为出发点,总结自主导航地图,即高精地图的概念、与普通导航地图的区别、内容组成及数据来源。在此基础上,论述了高精制图流程的主要模块,包括先验图层的数据采集和更新、动态图层的实时构建、边缘计算、数据标准化和压缩服务。本文重点介绍了高精制图技术面临的4个研究难题及发展现状:①复杂驾驶环境的自动建模;②边角案例的数据采集;③伦理困境中的导航决策;④无人驾驶技术的安全性能评估。这些难题从不同的侧面挑战着高精地图自主导航能力的极限,需要政府立法机构、相关企业、研究机构和公众在全球范围内协同攻关。并指出,随着无人驾驶技术的不断完善,安全第一的研究重点将逐渐扩展成兼顾安全可信、环保节能和身心愉悦的移动体验,高精地图的结构化数码将衍生出多样化的适合人眼阅读的高清地图。如何充分提高导航数据的成本效益,实时生成高精地图和高清地图,同时为机器和人类提供最优服务,将成为新的研究热点。     

面向无人驾驶的高精地图公开应用趋势研究

高精地图不仅支撑自动驾驶汽车的精准定位和精细路径规划,辅助提高车端感知能力,还可以有效弥补传感器的性能边界,应对多种长尾场景。因此,高精地图成为现阶段实现L4/L5无人驾驶的必备要素。但高精地图作为国家基础性战略信息资源,涉及军事安全和国防安全,因此中国要求高精地图在公开应用前应进行地理信息保密处理,且履行地图审核程序。这导致高精地图在要素和属性的表达上有诸多限制,且缺乏动态更新能力,难以精准反映车辆行驶环境信息,严重影响自动驾驶的安全性与稳定性,无人驾驶的“最后一千米”难以突破。聚焦面向L4/L5无人驾驶的高精地图在应用中的地理信息安全和时效性问题,论述高精地图应用现状、实际需求与面临的挑战,在此基础上,从政策、技术、标准、试点探索等方面,研究分析高精地图在中国无人驾驶商业化落地进程中的公开应用趋势,并对高精地图助推中国无人驾驶落地过程中亟需的地图管理创新、众源更新模式安全合规应用,以及跨部门、跨学科、跨行业合作提供展望。     

多智能体协同高精地图构建关键技术研究

自动驾驶车辆的自动化驾驶程度越高,对高精地图的要求越高.智能化的高精地图能够为L5级别自动驾驶车辆提供所需地图数据,是未来高精地图发展的重要方向.基于目前高精地图的构建方法,本文首先提出多智能体协同高精地图构建的定义,分析其构建框架.然后,对多智能体数据采集路径规划、多源异构一体化数据融合与表达、道路场景认知、智能高精地图融合、智能高精地图更新等关键技术进行了研究,提出了可行的技术方案.最后,分析了其未来构建过程中存在的挑战.     

智能高精地图数据逻辑结构与关键技术

以车辆自动驾驶、无人驾驶为研究对象，讨论定义了智能高精地图，认为智能高精地图作为未来出行的关键一环，是交通资源全时空实时感知的载体和交通工具全过程运行管控的依据。智能高精地图作为一种全新的地图形式，与传统导航电子地图相比，在地图学理论和应用需求等方面有其鲜明特点。为推动智能高精地图研究与应用进展，需要对其关键特征与问题展开分析讨论。本文从地图学理论上提出智能高精地图信息传输模型；从实际应用上结合轮式机器人自主智能控制流程，提出智能高精地图数据逻辑结构，并分析其在自动驾驶中的应用；从计算模式上总结"众包+边云协同计算"计算模式，并针对如何提高众包数据质量的问题，开展关键技术分析；从应用场景上分析未来智能高精地图的有效应用场景；最后提出对本领域未来发展的一些思考与建议。     

5G时代的高精地图助力自动驾驶安全之路

<正>作为汽车"新四化"的重要方向之一,自动驾驶不仅被认为是实现汽车零事故的终极解决方案,也被认为是汽车从工具向出行服务平台转变过程中的重要一环。随着L3级别自动驾驶已进入商业化的关键阶段,高精地图作为自动驾驶不可或缺的基础设施,其必要性得到汽车行业的共识。通过高精地图提供的高精定位、超视距感知、车道级路径规划等服务,不仅提升了自动驾驶汽车的安全性,同时也让车辆有更加智能的驾驶表现,为乘员带来更加舒适的乘坐体验。     

基于多源数据的高精地图生产技术及三维可视化表达

随着自动驾驶汽车的量产及逐步普及,对高精地图的需求也越来越高,汽车通过高精地图实现驾驶环境的精确感知,从而提升驾驶的安全性和可靠性。本文提出了综合利用倾斜模型和车载移动扫描点云等多源异构数据提取高精地图道路要素矢量线划的方法,分析不同源数据对数据提取精度的影响因素,探讨高精地图数据模型的空间表达、属性分层及关联规则,研究构建高精地图三维可视化的实现方式,并提出了可行的技术方法,为高精地图的生产提供可借鉴的参考价值。     

高分辨率遥感影像的车道级高精地图要素提取

高精地图是城市道路场景下自动驾驶必不可少的基础设施之一。针对目前高精地图静态层在生产和更新中存在的采集成本高、周期长、数据处理复杂等问题,本文提出了一整套基于高分辨率遥感影像的高精地图静态层的车道级要素提取方案。首先,通过SURF算法对多时相影像进行配准,同时结合影像的光谱信息对像元进行判断,实现了对车道中动态车辆的检测和去除;然后,基于面向对象的方法提出了一种要素对象的特征选择方法,并结合统计学理论对各要素进行阈值分析,实现了对虚线车道线、人行横道等车道级要素的检测和提取;最后,结合试验数据,验证了本文所提出的基于遥感影像的车道级要素大范围快速提取方案的有效性。     

高精地图道路矢量化模型表达规则探讨

随着高精地图伴随自动驾驶技术出现，近些年来其生产技术日趋成熟。外业生产依托于三维激光扫描技术的广泛应用，高精度的基础数据的快速获取已实现。在高精地图内业生产端，其表现形式及表达规则由行业特定需求决定。高精地图的生产原理及应用大同小异，但无统一规则，使得高精地图的使用范围过小，不能一测多用。本文以道路要素的通用化表达为目的，分解出道路要素的道路模型、车道模型、地物模型，讨论各类模型的表达规则，以道路向量及车道向量及其拓扑关系建立表达粒度为车道级的路网关系。通过上述表达讨论使得高精地图的表达层次更加清晰，生产过程中依据性更强，统一规则表达的高精地图应用范围更广。     

基于双目视觉的车道级高精地图制作

自动驾驶汽车工业对促进国际经济、社会、科技、安全发展,带动制造业转型升级及产业发展具有重要意义。高精地图作为实现汽车自动驾驶的关键基础设施,是交通资源全时空实时感知的载体和交通工具全过程运行管控的基础。项目利用配备双目视觉设备的移动测量车采集数据,通过基于神经网络的自动识别算法提取要素,使用DMI平台处理和检查数据,实现了低成本的车道级高精地图制作。文章重点说明了基于双目视觉的高精地图制作的技术流程以及各环节的技术要求,提供了在车联网示范项目应用实例,并指出面向大规模商业应用需要进一步研究的方向。     

智能驾驶高精地图发展与展望

高精地图的发展在智能交通的推进中发挥着关键作用,是打造智能汽车与智慧城市“数据大脑”的基石,同时可推动智慧物流网络与交通安全风险监测网络的发展。从地图信息传输模型的角度出发,对已有的高精地图模型进行了分析,提出基于地图认知机理构建高精地图的思路,并对国内外高精地图格式标准进行了对比,提出了中国智能驾驶高精地图在标准编制时应遵循的原则。同时,从地图采集、处理与审核等维度展开,分析了当前高精地图生产与更新的关键技术,并通过车辆的规划与感知等应用实例,对高精地图的应用现状进行了分析。中国高精地图发展面临着模型复杂、生产更新能力难以满足发展需要、地理信息安全风险以及应用深度不足等挑战。针对以上挑战,所提出的基于认知模型建立高精地图闭环架构的思路,强调了保障数据安全、推动智能审图的重要性,指出了高精地图的广泛应用前景。     

基于稀疏点云的ADAS三维地图构建方法

提出了一种基于机载LiDAR稀疏点云与已有道路二维导航地图快速构建ADAS三维地图的方法。通过稀疏点云与导航地图拓扑叠加分析和三维空间关系检验,实现了对复杂道路结构的高程平滑和面向ADAS的道路三维地图构建。以香港地区ADAS地图为例,采用该方法进行了三维地图构建。结果表明,该方法合理且效率高,精度满足先进自动驾驶三维地图要求。     

通用化高精地图数据模型

高精地图逐渐成为自动驾驶不可或缺的组成部分,但是其数据模型和表达方式尚未形成统一标准,特别是在生产制作和数据交换阶段,缺乏具备通用性和大规模应用能力的数据模型.针对这一问题,本文分析了当前主流高精地图数据模型NDS、OpenDRIVE和l anel et的优缺点,提出了一种通用化的高精地图数据模型Whu map model.车道模型方面,采用车道组为数据管理单元,由同一路段上的一个或者多个车道组成.车道由车道的左边界线、右边界线、车道中心线、车道属性构成.通过多种常见车道数变化场景下的车道拓扑构建,验证了该模型在表达上的有效性和稳健性.交通标志物模型方面,定义了地面标志物和交通标志牌,分别表达形状、类型、语义以及与道路、车道的关联关系等内容.通过大规模数据制作、NDS和OpenDRIVE格式编译,以及基于ADASIS V3协议的电子地平线应用试验,验证了Whu map model模型的实用性和有效性.Whu map model可以作为通用的交换规格,也可以应用到高精地图生产制作的各个阶段,同时向下兼容、易于扩展,有助于实现高精地图数据模型标准化,从而推进高精地图的规模化生产和应用.     

一种基于里程参数的道路平面几何解析模型

随着主动安全技术、自动驾驶技术的发展,高精度导航地图得到越来越多的运用。本文提出了一种面向高精度导航地图的、基于里程参数的道路平面几何解析模型。通过动态地构造点集上的正交多项式系和约束最小二乘法,根据拟合最大误差动态地计算道路的几何描述参数。使用该模型进行了120 km高速道路高精度地图数据生产,以三段典型道路为实例进行试验,表明该方法能对道路几何进行准确的描述,保证道路几何的连续与光滑,同时最大限度地减少数据冗余。该模型对高精度地图道路几何描述具有一定优势。     

融合点云和多视图的车载激光点云路侧多目标识别

城市环境中的行道树、车辆、杆状交通设施是重要的交通地物,也是智能交通,导航与位置服务,自动驾驶和高精地图等行业应用的核心要素.为了准确识别这些路侧目标,本文提出一种融合点云和多视角图像的深度学习模型PGVNet(point-group-vi ew network),充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度.为了减少视图间的冗余信息并增强显著视图特征,PGVNet模型利用预训练的VGG网络提取多视图特征,对其进行分组赋权获取最优视图特征;采用嵌入注意力机制的融合策略,利用最优视图特征动态调整PGVNet模型对点云不同局部关系的注意力度,学习不同路侧目标的多层次、多尺度显著特征,实现行道树、车辆和杆状交通设施的精确分类.试验采用5份不同车载激光扫描系统获取的不同城市场景数据验证本文方法的有效性,其中行道树、车辆及杆状交通设施分类结果中的准确率、召回率、精度和F1指数分别达(99.19％、94.27％、93.58％、96.63％);(94.20％、97.56％、92.02％、95.68％);(91.48％、98.61％、90.39％、94.87％).结果表明,本文方法融合多视图全局信息和点云局部结构特征可以有效区分城市场景中的行道树、车辆和杆状交通设施,可为高精度地图中要素构建与矢量化提供数据支撑.     

高精道路地图制作方法及关键技术

本文提出一种基于车载移动测量、倾斜摄影等多源数据成果的高精道路地图互补采集方法,并对其关键技术进行了深入研究。首先以国内第一条基于自动驾驶的智能网联高速公路测试路段——淄博智能网联测试基地为例,开展了激光点云、全景照片、倾斜影像等多源数据获取及高精道路地图要素采集。然后以道路三维矢量要素自动提取为基础,辅以人工采编,并在数据差分解算中测试了我国北斗数据。实例表明,本文方法切实可行、精度可靠,有效改善了高精道路地图采集模式,降低了劳动强度,保障了人身安全,提高了作业效率,对于高精道路地图制作具有借鉴价值。