打造基层国土管理“ETC”服务新模式

＂ETC＂专用车道以其高效通畅便捷的运行模式,开创了高速公路不停车收费的新时代,而肩负着周巷82.59平方公里国土守护和要素保障职责的慈溪市国土资源局周巷分局,以阳光国土三年行动为契机,以服务周巷经济社会发展为目标。通过一系列行之有效的措施,不断推动基层国土建设向纵深发展,在国土资源管理的不断探索中寻求管理创新,以＂ETC＂高速专用车道为启发,致力打造出国土管理的＂ETC＂模式,     

集成时空邻近与卷积网络车道级高精度定位算法

提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道。该方法通过优化集成GPS、车速和惯性测量单元等参数,实现了厘米级和车道级车辆位置的平滑估计。试验结果验证了该方法的可行性和有效性。     

先验知识引导的车载激光扫描点云道路信息提取

文章研究利用先验知识从车载激光扫描点云数据中提取道路信息:使用改进的不规则三角网渐进加密滤波方法对点云滤波;将地面点投影到水平面上,利用行车轨迹提取道路主轴线;然后生成高程差分特征图像,以主轴线为基准进行平面生长获得道路面;并根据反射强度,进一步获得道路边界和道路标识线等信息.最后使用两景车载激光扫描点云数据验证了方法的可行性和有效性.     

道路网络模型研究综述

在综合分析现有道路网络模型的基础上,总结了存在的主要问题,揭示了其发展趋势,论述了新一代道路网络模型的特征是以实际车道为最基本的研究对象,以车道及其相互关系的真三维表达为主要内容,以地面、地上和地下各种因素的综合分析与真实感表现为目标。     

一种面向应用的非平面路网数据模型及其实现

已有的路网数据模型有平面模型和非平面模型两类,但它们都没能完全表达空间路网的真实结构。将平面路网数据模型与节点高差以及方向车道结合,提出一种基于非平面的路网数据模型,用以表达实际的非平面路网。同时探讨了基于该模型的一种实现方式,并在广州市智能交通管理指挥系统中得到初步应用。     

基于实际车道的3维动态分段方法

已有的2维动态分段方法基于道路中心线网络模型,难以满足实际的面状和体状事件的3维动态分析与可视化需要.本文提出了基于实际车道的3维动态分段方法,以3维空间中的实际车道带作为基准,建立基于"弧段-距离-车道序号"的线性参考,显著提高了定位精度,提出了基于点序规则和基于语义规则的描述方法,实现了交通设施和交通事件灵活逼真的表达.理论对比分析证明了该方法的有效性.     

高速公路的发展状况与趋势

高速公路是年平均昼夜汽车交通量25000辆以上，专供汽车分遭高速行驶，划分车道和设置中央分隔带，采用全部立体交叉和全部控制出入，具有良好的安全、服务和交通管理设施的现代化公路类型。它有以下特点：①汽车专用，其它车辆、行人不准进入。②有4车道以上，设计速度一般80～120千米/小时。③来向和去向车道之间有矮树和栏杆相隔并有几条车速不同的车道，同一速度的汽车顺次行驶。④与别的道路交叉处有立体交叉桥横跨。     

面向实际车道的3维道路网络模型

亚洲国家,特别是中国的城市发展,立交桥、摩天大楼等日益复杂。传统基于道路中心线的道路网络模型在几何、时空语义属性、拓扑关系表达等方面都难以满足立体化交通需求。本文引入物理车道、虚拟车道和车道带概念,提出面向实际车道的多层次3维道路网络模型,重点分析该模型的数据库实现方法和实际车道拓扑构建、离散化、面向实际车道的寻径导航等关键问题。试验总结了该模型的若干明显特点如路网的多层次表达、灵活准确的车道拓扑控制等。     

改进的多任务道路特征提取网络及权重优化

为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。     

利用双灭点估计的车道线检测

车道线检测是自动驾驶汽车或高级驾驶辅助系统的重要组成部分,利用安装在车辆前方的单目相机以实时成像的方式获取车辆在当前车道的横向偏移,从而为车辆的车道保持、超车换道等横向控制策略提供参考。本文提出了一种基于双灭点估计的实时、稳健的车道检测方法。首先利用尺度自适应的局部对称算子对车道线点特征进行提取;其次对左右车道线分别估计灭点,以灭点为导向,构建特征点的统计直方图;然后选择穿过大多数特征点的直线且通过特征点和所选线之间的重叠度对灭点进行估计更新,重复上一步骤以获得稳定的灭点;最后基于稳定的灭点验证并选择最佳的车道线。本文在公共数据集对提出的方法进行了测试,试验结果表明,本文方法在满足实时性的前提下,能有效提高算法整体的稳健性。