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。     

一种基于地形预分类的渐进加密点云滤波方法

经典的渐进加密三角网算法采用同一套参数难以在平地/山区混合的机载激光点云数据中取得良好的滤波结果。针对该问题,提出了一种改进的、基于地形预分类的渐进加密滤波方法。首先利用单一参数进行初次滤波,并根据滤波结果获取地形预分类结果;然后针对平地/山区地形特点,利用不同参数进行二次滤波,得到不同地形更精细的滤波结果;最后对不同地形的地面点进行合并,生成最终滤波结果。实验结果表明,基于地形预分类的渐进加密滤波方法生成的数字高程模型的均方根误差为1.733 m,显著优于经典方法。