肖克來提+鄧志東

摘 要：環(huán)境建模是無人駕駛汽車的關(guān)鍵技術(shù)之一，而柵格幾何地圖則是無人駕駛汽車進(jìn)行環(huán)境建模、環(huán)境感知與自主導(dǎo)航的基礎(chǔ)。為此，提出的多粒度多屬性柵格地圖不僅能表達(dá)具有不同粒度大小的數(shù)據(jù)級、特征級與決策級柵格地圖，而且可以較全面地描述護(hù)欄、城市道路邊緣、樹干與電線桿、交通標(biāo)志牌、車道線、斑馬線、路口等多種屬性。與此同時(shí)，自動提取的拓?fù)涞貓D的精度可達(dá)到車道級水平。目前我們正在利用所提出的多粒度多屬性柵格地圖，進(jìn)行基于地圖匹配的精準(zhǔn)自主導(dǎo)航新方法研究，并進(jìn)一步基于此混合地圖開展高可靠環(huán)境感知系統(tǒng)的研究與實(shí)踐。第一部分是引言。第二部分介紹多粒度多屬性柵格地圖的創(chuàng)建。第三部分介紹基于柵格地圖自動生成拓?fù)涞貓D的方法。最后給出實(shí)驗(yàn)結(jié)果與分析。

關(guān)鍵詞：多粒度柵格地圖；拓?fù)涞貓D；自動生成

中圖分類號：TB

文獻(xiàn)標(biāo)識碼：A

doi：10.19311/j.cnki.1672-3198.2016.23.133

1 一種多粒度柵格地圖的創(chuàng)建

1.1 多屬性地圖的定義

創(chuàng)建柵格地圖之前，必須首先給出柵格的定義，即單個(gè)柵格的表示或數(shù)據(jù)存儲結(jié)構(gòu)。本文用三個(gè)字節(jié)來表達(dá)柵格中的狀態(tài)與屬性信息。

一個(gè)占用柵格通過柵格狀態(tài)及道路屬性、柵格標(biāo)志位屬性和柵格交通標(biāo)識屬性等三個(gè)字節(jié)進(jìn)行表達(dá)。柵格狀態(tài)及道路屬性字節(jié)，是指柵格狀態(tài)值（即表示柵格是否被占用）、障礙物及其類型、車道線及其類型以及停止線等。柵格標(biāo)志位屬性字節(jié)，是指標(biāo)志位，即該柵格是否為馬路牙子、護(hù)欄、匝道、非結(jié)構(gòu)化區(qū)域和地面箭頭等。柵格交通標(biāo)識字節(jié)，是指交通燈的類型和交通標(biāo)志牌的類型。

1.2 柵格地圖的多粒度表達(dá)

作為模糊粒度計(jì)算的起步，張鈸等人提出了模糊商空間理論。所得到的主要結(jié)果有：證明了利用模糊等價(jià)關(guān)系可以將原來的商空間理論推廣成模糊商空間理論，并給出了幾個(gè)基本的定理。在這里我們將模糊粒度計(jì)算的概念應(yīng)用到柵格地圖當(dāng)中。我們創(chuàng)建出來的基本占用柵格地圖是細(xì)粒度地圖，但是無人駕駛汽車的自主決策，通常需要多層次、多粒度的環(huán)境信息。此時(shí)需要生成一個(gè)具有不同分辨率的粗粒度地圖。

算法1.1：

（1）基于激光雷達(dá)點(diǎn)云數(shù)據(jù)生成一個(gè)M×N二維細(xì)粒度柵格地圖。

（2）確定粒度大小n，即一個(gè)粗粒度柵格由多少個(gè)細(xì)粒度柵格組成。

（3）定義Ai，j=fun（X）為從細(xì)粒度地圖到粗粒度地圖的映射函數(shù)。其中X為n×n的小柵格的狀態(tài)屬性矩陣，Ai，j是處在第i行，第j列的粗粒度柵格的狀態(tài)屬性值。映射函數(shù)可以根據(jù)所需要提取的宏觀信息進(jìn)行調(diào)整。在本文的實(shí)現(xiàn)中，映射函數(shù)是通過統(tǒng)計(jì)大柵格里被占用柵格的個(gè)數(shù)來確定大柵格是否被占用。

（4）基于映射函數(shù)返回的狀態(tài)屬性矩陣A生成粗粒度地圖。

2 基于柵格地圖的拓?fù)涞貓D自動生成方法

拓?fù)涞貓D是由多個(gè)順序連接的點(diǎn)邊組成。創(chuàng)建拓?fù)涞貓D，首先是要確定組成拓?fù)涞貓D的拓?fù)潼c(diǎn)集，其次要確定這些拓?fù)潼c(diǎn)集的順序。有了拓?fù)潼c(diǎn)集和順序之后，只要將各點(diǎn)按照原先的順序以邊的形式連接起來就可以生成拓?fù)涞貓D了。

本文的拓?fù)潼c(diǎn)都是選自汽車行駛的實(shí)際軌跡。拓?fù)潼c(diǎn)取自軌跡點(diǎn)集有兩個(gè)好處：一個(gè)是該點(diǎn)的定位非常精確，肯定是道路上可行駛的點(diǎn)，不會出現(xiàn)嚴(yán)重偏離車道的情況，因此該點(diǎn)實(shí)際就是定義車道的路點(diǎn)。其次軌跡點(diǎn)本身就有順序，我們就不需要考慮怎么確定各點(diǎn)之間的連接順序。

由于拓?fù)涞貓D的提取目標(biāo)是給出行駛環(huán)境的宏觀信息，因此這些拓?fù)潼c(diǎn)必須具有代表性。對于一個(gè)直道，只需要在直道的兩端各返回一個(gè)路點(diǎn)即可。而對于彎道，路口，U型掉頭和環(huán)島等情況，則需要加入多個(gè)路點(diǎn)才能表示出其復(fù)雜的結(jié)構(gòu)信息，如圖1所示。

算法2.1：

（1）將行駛軌跡經(jīng)過的柵格標(biāo)記到多屬性柵格地圖中，作為提取路點(diǎn)的候選拓?fù)潼c(diǎn)集。

（2）對柵格地圖進(jìn)行粗粒度化處理，并在粗粒度地圖中保留斑馬線屬性以及標(biāo)記為軌跡的柵格。

（3）取處在有斑馬線屬性的軌跡柵格中間的柵格為該斑馬線的路點(diǎn)。

（4）計(jì)算每個(gè)軌跡柵格的航向角變化率Ψ，若Ψ大于閾值α且小于某閾值β，則認(rèn)為該點(diǎn)是彎道上的路點(diǎn)。

（5）若航向角變化率Ψ大于β，則認(rèn)為該點(diǎn)是U型調(diào)頭上的路點(diǎn)。

（6）順序連接以上提取到的路點(diǎn)，進(jìn)而生成拓?fù)涞貓D。

在實(shí)際操作過程中，有時(shí)我們需要在拓?fù)涞貓D里面人為地插入一些路點(diǎn)，并確保這些路點(diǎn)在車道范圍之內(nèi)。這就應(yīng)該先識別車道，再在車道水平上編輯路點(diǎn)。

在城市道路中，車道是由車道線劃分的。一般地，一個(gè)車道可能在兩個(gè)車道線的中間，也可能是處在車道線和城市道路邊緣之間。我們恰好可以利用車道的這一特點(diǎn)提取車道特征。具體的提取方法如下：

算法2.2：

（1）我們由車體行駛方向的那條直線垂直的往兩邊用光柵跟蹤算法掃描，直到碰撞道路邊緣為止。

（2）再從道路邊緣點(diǎn)往車體中行駛方向線垂直掃描，直道碰撞車道線為止。

（3）如果是雙車道，則掃描結(jié)束，取所有掃描線的中心點(diǎn)的連線為車道的中心線，如圖2（a）所示。

（4）如果是三車道或者是四車道，則在原來掃到的車道線的基礎(chǔ)上再往車道行駛方向線垂直掃描，直道碰撞車道線為止。

（5）取所有掃描線的中心線的連線為車道的中心線，掃描結(jié)束。

3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中采用了Velodyne公司生產(chǎn)的HDL-64E S2 64線激光雷達(dá)作為環(huán)境建模的測量設(shè)備，該設(shè)備提供了混合地圖創(chuàng)建所需的關(guān)鍵數(shù)據(jù)-三維激光點(diǎn)云。圖1（a）為基于細(xì)粒度地圖生成的粗粒度地圖，圖1（b）為基于多屬性地圖生成的拓?fù)涞貓D。

參考文獻(xiàn)

[1]肖克來提，鄧志東.基于激光雷達(dá)的多屬性柵格地圖的創(chuàng)建[J].信息與電腦：理論版，2016，（8）.

[2]張鈴，張鈸.基于商空間的問題求解（粒度計(jì)算的理論基礎(chǔ)）[M].北京：清華大學(xué)出版社，2014.