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。     

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.     

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。     

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.     

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。     

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。     

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。     

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。     

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。     

多源道路智能选取的本体知识推理方法EI北大核心CSCD

大数据时代道路数据来源日益增多,跨数据源的道路选取面临巨大挑战。本文针对数据语义不一致问题,提出一种基于本体知识推理的多源道路选取方法。首先,将1∶5万基本比例尺地形图道路数据作为基础案例,将四维图新导航电子地图和开放街道地图中的道路数据作为试验数据,基于stroke计算道路等级、长度、连通度、接近度、中介度特征项,提取特征项概念并构建本体;然后,从语义特征项和数值特征项两方面计算本体概念相似性,建立基础案例与试验数据间的关联关系;最后,基于本体和语义网规则语言定义本体通用、语义特征、数值特征三类选取规则,实现跨数据源道路选取的过程性知识推理。试验表明,本文方法可基于本体概念相似性度量消除语义差异,同时利用语义网规则语言进行知识推理,可实现多源道路数据向基本比例尺数据的智能选取。     

车载激光点云的道路标线提取及语义关联

自动驾驶技术已成为未来智能交通的发展方向之一,高精度地图为L3级及以上自动驾驶实现高精度定位和路径规划提供先验信息,是自动驾驶车辆传感器在遮挡或观测距离受限情况下的重要补充。道路标线的位置和语义信息,比如实线和虚线的绝对位置是高精度地图的基本组成部分。本文从车载激光点云中提取扫描线,根据道路边缘位置几何形态的突变从扫描线中提取道路路面,在此基础上首先利用反距离加权插值的方法把路面点云图像以一定的分辨率转换为栅格图像,其次利用基于积分图的自适应阈值分割方法把栅格图像转化为二值图像,然后利用欧氏聚类的方法从二值图像中提取标线点云,并利用特征属性筛选的方法对提取的标线点云进行语义识别,最后建立交通标线和交通规则之间的语义关联。     

OSM辅助车载LiDAR点云三维道路边界精细提取

道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。     

高精度矢量数据的路面三维自动建模方法

为了解决路面手工三维建模速度慢、工作量大等问题,本文面向规范化处理的高精度矢量数据,对不同路口进行精细化设计,自动生成路面三维模型。首先使用道路高精度三维信息采集软件,在获取的点云数据中半自动化提取准确的道路边线、道路标识线等矢量信息;然后针对不同路口进行精细化线形设计,提出连续四边形重建方法、弯道平滑处理方法、交叉口重建方法及路面标识线投射重建方法;最后对提取的高精度矢量数据进行规范化处理,在满足路面线形设计要求后,借助MAXScript脚本实现路面三维自动化建模。以车载移动测量系统获取的某段道路点云数据进行试验,验证了该方法的可行性和有效性。     

多源导航电子地图道路自动对比分析

为了测评导航电子地图道路质量的需要,提出了一种自动对比分析多源导航电子地图道路的方法。该方法首先提取导航电子地图的道路网,然后通过基于缓冲区分析的算法自动检测不同数据源道路网之间的差异,最后采用基于Shi-Tomasi算子提取道路交叉点并统计道路段数,实现了定量对比分析多源导航电子地图道路。试验表明本文方法能够有效自动对比分析多源导航电子地图道路。     

车载移动测量系统研制与应用实践

为满足高精度空间信息获取的需求,本文在集成高端国产激光雷达、惯性测量单元等传感器的基础上,研发了新一代测绘级车载移动测量系统。设计优化了系统通信总线,对影响系统精度的因素进行了分析,并提出了激光雷达锥扫角标定方法及系统整体标定方法,提出了使用RTK优化POS数据的方法,精度达到厘米级。该系统在带状测图、高精度导航地图生产中进行了探索应用,证明系统安装便捷,采集处理速度快,满足高精度空间数据获取的需求,提高了空间数据获取的效率和精度。     

大数据环境下道路场景高时空分辨率众包感知方法EI北大核心CSCD

道路场景作为人类发展演变中最重要、最复杂、最典型的载体之一,是道路基础设施与活动行为共同构成的综合体,链接和构建“人地关系”。道路场景感知从二维抽象简略到三维精细丰富、从静态过去式向动态现在时发展,成为智慧城市、智能交通、无人驾驶的关键技术支撑,是我国新型城镇化战略、交通强国战略的核心技术保障。本文立足于时空交通大数据,提出基于道路场景静态基础设施“形”和动态活动行为“流”的高时空分辨率道路场景感知方法。该方法从静态路网“形”角度,以“点-线-面-体”等要素为研究脉络,构建高精度道路地图众包感知的理论体系;在活动行为“流”感知上,突破传统的点模式分析局限,发展了道路网络空间活动流的时空建模与多尺度分析方法。本文揭示了静态基础设施“形”结构与动态活动行为“流”模式交互作用下的道路场景演化规律,形成以“形”控“流”、借“流”定“形”、“形”“流”叠置的高时空精度道路场景众包感知理论体系,为智慧城市、智能交通的发展提供核心技术与数据支撑。     

高精度边角网数据采集与处理系统的设计与实现

在水利、桥隧等工程施工和形变监测中,特别是在山区,GPS网的精度往往不能满足设计要求,一般需要布设地面边角网,采用高精度智能型全站仪进行数据的采集。本文从一体化测量作业模式的设计思想出发,基于VB．NET和数据库技术,研究设计了高精度地面边角网外业数据采集与处理系统,实现了边角数据的自动化采集和处理。     

浅析高精度地图发展现状及关键技术

随着国家对智能汽车创新发展战略任务的推进,作为其关键保障技术的高精度地图在近几年已经成为测绘等多个领域的研究重点。针对当前高精度地图综述性理论研究相对缺乏的问题,本文从高精度地图数据结构、数据生产和功能应用3个方面,对高精度地图相关的主要研究内容及现状进行阐述和总结。从数据结构层面,高精度地图描述内容可划分为静态地图数据和动态地图数据,其中静态地图数据是当前制图的重点;考虑数据生产的层次性,分别对高精度地图的生产模式、生产流程和具体的技术方法进行了分析,认为专业部门指导结合众包是数据生产的基本特征;以自动驾驶中的匹配定位和导航规划为代表,总结了高精度地图在应用方面的关键技术。最后,对高精度地图未来发展的方向进行了展望。