楊玉榮，李峰

（深圳市凱立德科技股份有限公司，深圳 518040）

1 高精度地圖概述

隨著社會(huì)的不斷發(fā)展，道路路網(wǎng)信息變的越來越龐大復(fù)雜，傳統(tǒng)導(dǎo)航地圖所能提供的信息、精度及顯示方式等，逐漸無法滿足人們多樣的行車需求，尤其對于多車道路口、高架橋等復(fù)雜交通節(jié)點(diǎn)。因此，精度更高并能提供道路綜合信息的電子地圖變的愈加重要。本文描述的高精度地圖方案從數(shù)據(jù)采集生產(chǎn)的源頭規(guī)劃，通過激光點(diǎn)云技術(shù)立體感知現(xiàn)實(shí)世界的綜合信息，經(jīng)過后期的分析處理及三維重建，最終還原出接近真實(shí)道路環(huán)境的地圖數(shù)據(jù)，并通過不斷地更新維持?jǐn)?shù)據(jù)的可靠性，從而為用戶提供道路的綜合數(shù)據(jù)，為智能交通的發(fā)展提供良好的基礎(chǔ)和拓展體驗(yàn)空間。整體流程如圖1所示。

2 地圖數(shù)據(jù)生產(chǎn)及處理

高精度地圖的生產(chǎn)，首先依賴于對真實(shí)道路環(huán)境數(shù)據(jù)采集的精度及豐富程度，接著進(jìn)行數(shù)據(jù)要素的歸納、分析處理及存儲(chǔ)，通過三維重建的方式構(gòu)造場景模型，并基于該層面增加車道、交通標(biāo)志、立交橋等道路要素信息并進(jìn)行顯示，最終實(shí)現(xiàn)對實(shí)際行車環(huán)境的還原。

圖1 高精度地圖整體流程圖

2.1 激光點(diǎn)云技術(shù)

傳統(tǒng)獲取道路信息的方法包括人工測量和數(shù)字?jǐn)z影測量等方式，存在效率低、準(zhǔn)確度差及道路要素信息少等諸多問題。而激光三維掃描為全景式非接觸式測量，可以直接獲取到物體表面的點(diǎn)云采樣數(shù)據(jù)，如果采樣密度足夠，理論上可以實(shí)現(xiàn)任意曲面的高精度重構(gòu)。

激光點(diǎn)云掃描技術(shù)可以與衛(wèi)星定位系統(tǒng)（GNNS）、慣性導(dǎo)航系統(tǒng)（INS）、CCD相機(jī)等組合使用，在采集高精度基礎(chǔ)道路信息的同時(shí)，獲取到車道級道路、立交橋等復(fù)雜的道路形態(tài)，提高測量效率，縮短地圖更新周期。激光掃描獲取的道路點(diǎn)云數(shù)據(jù)密度大，邊緣及曲度變化等特征明顯，為道路信息的準(zhǔn)確提取提供了良好的基礎(chǔ)特征支持，主要方法可歸納為以下三種：

●利用高程和密度特征提取道路信息。根據(jù)掃描數(shù)據(jù)的高程信息和離散程度生成特征圖像，可以較好地濾除樹木、建筑物等非地面目標(biāo)。

●利用反射強(qiáng)度提取道路信息。鄒曉亮[1]等提出利用地面反射強(qiáng)度的不同，將車道標(biāo)識(shí)線從路面中先分離出來，通過掃描角區(qū)分左右車道，再根據(jù)國家道路標(biāo)識(shí)線的相關(guān)規(guī)定，區(qū)分出單黃線、雙黃線、分隔虛線及短標(biāo)識(shí)線等信息，最后通過最小二乘算法進(jìn)行擬合校正。

●利用邊緣及曲度特征提取道路信息。將點(diǎn)云數(shù)據(jù)分割成一系列的二維條帶并進(jìn)行濾波，根據(jù)平坦路面和突起道路邊緣的已知特征進(jìn)行邊緣分割，區(qū)分出路面和非路面區(qū)域，逐步向前推進(jìn)將分割線連通即可獲取到道路的邊線位置。

激光點(diǎn)云掃描數(shù)據(jù)中的道路信息比較復(fù)雜，為了避免提取結(jié)果的錯(cuò)誤或遺漏，需要綜合多種道路特征進(jìn)行處理，實(shí)現(xiàn)目標(biāo)對象從整體到局部的分離與提取，為下一步三維模型的建立準(zhǔn)備好精確的數(shù)據(jù)基礎(chǔ)。

2.2 三維可視化

三維地理信息系統(tǒng)不是對二維系統(tǒng)的簡單擴(kuò)展，而是以空間模型為基礎(chǔ)，通過分析決策形成立體數(shù)據(jù)庫直至三維展示的綜合研究過程。激光點(diǎn)云數(shù)據(jù)的三維可視化過程主要包括數(shù)據(jù)預(yù)處理和模型重建兩個(gè)步驟。

（1）數(shù)據(jù)預(yù)處理

測量獲取的點(diǎn)云數(shù)據(jù)存在一定的噪聲，需要進(jìn)行數(shù)據(jù)濾波和平滑操作，以去掉噪聲點(diǎn)和粗差數(shù)據(jù)。同時(shí)，由于激光掃描對空間信息的采集具有盲目性，數(shù)據(jù)在三維空間的分布也呈現(xiàn)出隨機(jī)的離散性。有些數(shù)據(jù)位于真實(shí)的地形表面，有些位于人工建筑物或自然植被上，如果直接利用這些數(shù)據(jù)進(jìn)行建模，處理難度大且難以保證準(zhǔn)確度。因此，需要在濾波去噪的基礎(chǔ)上進(jìn)行數(shù)據(jù)分類，將其劃分成具有單一幾何特征的拓?fù)鋮^(qū)域。一般來說，點(diǎn)云數(shù)據(jù)經(jīng)過濾波處理后，基本可分成兩大類：地面點(diǎn)集和非地面點(diǎn)集，如果需要對非地面點(diǎn)集進(jìn)行更詳細(xì)的分類，如建筑物區(qū)域集合或植被區(qū)域集合等，需要基于目標(biāo)特征進(jìn)行具體分析，以便在原始點(diǎn)云數(shù)據(jù)中進(jìn)行判斷與分離。最后對目標(biāo)數(shù)據(jù)進(jìn)行相應(yīng)的融合及縮減操作，提高模型數(shù)據(jù)的聚合度，降低模型建立的數(shù)據(jù)復(fù)雜度，為三維場景還原提供較優(yōu)的目標(biāo)對象信息。

（2）模型重建

模型重建主要包括模型建立、模型平滑、殘缺數(shù)據(jù)處理及模型簡化等步驟。點(diǎn)云數(shù)據(jù)預(yù)處理后分為地面點(diǎn)集和非地面點(diǎn)集，對應(yīng)的模型重建也是分開進(jìn)行的。

地面點(diǎn)集呈現(xiàn)不規(guī)則的離散分布，需要進(jìn)行網(wǎng)格化處理即將離散點(diǎn)連續(xù)化，才能以模型的形式來表達(dá)。目前主要采用三角網(wǎng)格的方式進(jìn)行數(shù)據(jù)組織，將地形表面看做由連續(xù)的數(shù)據(jù)點(diǎn)三角形構(gòu)成，通過插值實(shí)現(xiàn)對地形表面的逼近擬合，該理論以狄洛尼（Delau?nay）的三角剖分法[2]最為流行。

非地面點(diǎn)集比較復(fù)雜，包括建筑物、植被、道路兩旁設(shè)施等。從距離圖像中直接進(jìn)行目標(biāo)分類和特征提取比較困難，目前主要采用構(gòu)建DSM/DEM附加CCD影像融合的方案[3]。本文針對車載激光點(diǎn)云數(shù)據(jù)的特點(diǎn)，總結(jié)了如下建模方法：

●數(shù)據(jù)的進(jìn)一步分類。例如對建筑物進(jìn)行建模時(shí)，可以將其他目標(biāo)對象點(diǎn)（如植被、路燈等）暫時(shí)排除；

●充分利用目標(biāo)對象的特征。例如大部分人工建筑都具有良好的幾何特性，從激光掃描數(shù)據(jù)中分離出出目標(biāo)對象后，首先對待建模數(shù)據(jù)進(jìn)行網(wǎng)格單元?jiǎng)澐?，提取每個(gè)網(wǎng)格中最大Z值和最小Z值點(diǎn)作為該網(wǎng)格數(shù)據(jù)的特征點(diǎn)，最后進(jìn)行線段擬合以獲取連續(xù)的特征曲線，也可以將數(shù)據(jù)導(dǎo)入專業(yè)建模軟件并參考其三維建模結(jié)果。

●某些目標(biāo)對象（比如樹木、公交站等）由于本身具有不規(guī)則性，特征提取和數(shù)據(jù)重構(gòu)非常困難，且在道路環(huán)境中獲取其具體形狀的意義不大，一般只需得到大概位置既可。

2.3 圖像處理

在高精度地圖中，圖像處理主要涉及車道線識(shí)別和交通標(biāo)志識(shí)別兩部分。

（1）車道線識(shí)別

車道線將路面劃分為不同的功能區(qū)域，規(guī)定了車輛的行駛方向、范圍和變道規(guī)則等。車道線具有規(guī)范的幾何特征、顏色等屬性，為自動(dòng)識(shí)別提供了良好的基礎(chǔ)，識(shí)別方案應(yīng)滿足如下要求：

●具有良好的旋轉(zhuǎn)和尺度不變性；

●可以檢測圖像范圍內(nèi)的多種車道線，包括白色實(shí)線、虛線，黃色單實(shí)線、雙實(shí)線、虛線等；

●已知前后圖像之間的相對位置，可以實(shí)現(xiàn)重合車道信息的融合及拼接。

（2）交通標(biāo)志識(shí)別

道路交通標(biāo)志包括路面標(biāo)志和路旁標(biāo)志，具有顏色醒目、形狀規(guī)則、圖像簡潔等特點(diǎn)。目前交通標(biāo)志檢測與識(shí)別的方法主要分為：基于顏色的方法、基于形狀的方法及兩者相結(jié)合的方法。本文基于大量實(shí)際采集的交通標(biāo)志圖像，研發(fā)完成了一種高精度的圖像自動(dòng)識(shí)別軟件，能夠?qū)崿F(xiàn)多種常見交通標(biāo)志的檢測與識(shí)別，具體流程如下：

圖2 交通標(biāo)志圖像識(shí)別流程

基于顏色進(jìn)行交通標(biāo)志識(shí)別時(shí)，首先要對不同的顏色空間進(jìn)行定義及閾值分割，再使用經(jīng)過色彩特征訓(xùn)練的神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行判斷和輸出。為了提高識(shí)別準(zhǔn)確率，需要使用各種環(huán)境中的實(shí)際圖像作為神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練樣本[4]。

基于形狀的交通標(biāo)志識(shí)別方法，主要包括邊緣輪廓分析和模板匹配分析：

●邊緣輪廓分析：在顏色閥值分割獲取到交通標(biāo)志候選區(qū)域的基礎(chǔ)上，通過Canny邊緣算子提取邊緣信息，再使用Hough變換對可能包含的直線、圓形等幾何曲線進(jìn)行檢測分析[5]，根據(jù)形狀特征進(jìn)一步篩選交通標(biāo)志的候選范圍。該方法的優(yōu)點(diǎn)在于交通標(biāo)志具有明顯的幾何形狀特征，大部分情況可以達(dá)到良好的識(shí)別效果，缺點(diǎn)是在標(biāo)志牌部分缺失或圖像嚴(yán)重失真等情況下，邊緣檢測結(jié)果會(huì)出現(xiàn)缺口或變形，導(dǎo)致提取結(jié)果出現(xiàn)誤差。

●模板匹配分析：獲取不同環(huán)境中的交通標(biāo)志圖像作為初始模板，通過區(qū)域分割及特征參數(shù)提取，將結(jié)果存儲(chǔ)起來作為參考模板。將分割后的待識(shí)別圖像區(qū)域與己知模板進(jìn)行匹配及吻合度分析，最終實(shí)現(xiàn)交通標(biāo)志的識(shí)別。該方法檢測思路簡單，難點(diǎn)在于特征參數(shù)的選擇和提取，需要能夠?qū)⒍喾N標(biāo)志牌區(qū)分開來，實(shí)際應(yīng)用中為了提高準(zhǔn)確度，一般選取多種特征參數(shù)進(jìn)行綜合判斷。

3 定位優(yōu)化及增量更新

高精度地圖的最終目的是為了給用戶提供更好的行車體驗(yàn)，相比于傳統(tǒng)導(dǎo)航地圖，高精度地圖需要對車輛軌跡的定位方式進(jìn)行優(yōu)化，以實(shí)現(xiàn)車道級的定位及導(dǎo)航服務(wù)；同時(shí)為了保證地圖數(shù)據(jù)與實(shí)際道路環(huán)境的一致性，在全量地圖數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)了迭代頻率更快的增量更新方案。

3.1 定位優(yōu)化

傳統(tǒng)導(dǎo)航地圖是道路級的，將車輛位置匹配到道路上即可，而高精度地圖要實(shí)現(xiàn)車道級的定位需求，由于衛(wèi)星定位和電子地圖本身不可避免地存在一定誤差，會(huì)導(dǎo)致車輛位置在電子地圖上的顯示坐標(biāo)也存在偏差。本文道路定位方案的流程為：

●設(shè)置匹配閾值：以車標(biāo)位置為基準(zhǔn)選取周圍一定范圍內(nèi)的道路段數(shù)據(jù)；

●確定候選路段：根據(jù)道路可通行方向和車輛已有行駛軌跡，濾除掉距離、角度及路網(wǎng)連通關(guān)系不符合行車邏輯的路段；

●計(jì)算匹配位置：在候選路段中，根據(jù)距離、角度、道路屬性等參數(shù)確定最優(yōu)匹配路段，并將車標(biāo)位置在該路段上的投影點(diǎn)作為最終匹配結(jié)果。

3.2 增量更新

導(dǎo)航地圖數(shù)據(jù)的實(shí)時(shí)性是提供高品質(zhì)服務(wù)的基礎(chǔ)。本文基于空間信息多級格網(wǎng)（SIMG）技術(shù)和唯一地圖要素全局標(biāo)識(shí)體系（MOGIS）技術(shù)實(shí)現(xiàn)的導(dǎo)航電子地圖生產(chǎn)及增量更新平臺(tái)，可以實(shí)現(xiàn)特定數(shù)據(jù)的定點(diǎn)更新，加快更新頻率，最大限度地維護(hù)數(shù)據(jù)的實(shí)時(shí)性和完整性。具體思路如下：

●完成對全國地圖要素的SIMG格網(wǎng)劃分，包括基于地形分幅標(biāo)準(zhǔn)的規(guī)則格網(wǎng)和基于行政區(qū)的非規(guī)則格網(wǎng)；

●建立起相應(yīng)的SIMG-R樹索引機(jī)制和地圖要素全局編碼MOGIS，并將數(shù)據(jù)存儲(chǔ)至不同的格網(wǎng)空間，即格網(wǎng)數(shù)據(jù)塊，這些格網(wǎng)數(shù)據(jù)塊呈金字塔式自上而下分布。同時(shí)地圖數(shù)據(jù)內(nèi)所有對象需通過地圖要素全局唯一標(biāo)識(shí)碼MOGIS ID訪問，并保證相同對象在上下層格網(wǎng)之間的MOGIS ID唯一；

●當(dāng)某處地圖數(shù)據(jù)發(fā)生變化時(shí)，只需在SIMG格網(wǎng)中搜索出發(fā)生變化的最小格網(wǎng)地址，針對該格網(wǎng)內(nèi)的地圖數(shù)據(jù)進(jìn)行調(diào)整，并以該格網(wǎng)為單位完成數(shù)據(jù)更新即可。

參考文獻(xiàn)：

[1]鄒曉亮，繆劍，郭銳增,等.移動(dòng)車載激光點(diǎn)云的道路標(biāo)線自動(dòng)識(shí)別與提取[J].測繪與空間地理信息,2012（09）:5-8.

[2]宋秋艷.不規(guī)則三角網(wǎng)及其可視化實(shí)現(xiàn)[D].長沙：中南大學(xué),2008.

[3]胡少林.基于DEM數(shù)據(jù)的三維地形建模方法研究與實(shí)現(xiàn)[D].長沙：國防科學(xué)技術(shù)大學(xué),2002.

[4]常盧峰.車載輔助系統(tǒng)中交通標(biāo)志檢測與識(shí)別技術(shù)研究[D].長沙：中南大學(xué),2010.

[5]邵桂珠.道路交通標(biāo)志識(shí)別算法的研究[D].長春：吉林大學(xué),2008.