王美玲， 駱健恒， 楊毅， 劉彤， 李亞峰

(北京理工大學(xué) 自動(dòng)化學(xué)院，北京 100081)

無人駕駛車輛(簡(jiǎn)稱無人車)是當(dāng)前機(jī)器人領(lǐng)域的研究熱點(diǎn)，導(dǎo)航規(guī)劃技術(shù)是無人車實(shí)現(xiàn)自主行駛的關(guān)鍵技術(shù)之一. 面對(duì)復(fù)雜多變的行駛環(huán)境，僅僅依靠搭載的傳感器，如相機(jī)、激光雷達(dá)、全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system, GNSS)和慣性導(dǎo)航系統(tǒng)等，難以實(shí)現(xiàn)無人車的快速精確定位、實(shí)時(shí)路徑規(guī)劃等任務(wù). 地理信息系統(tǒng)(geographic information system, GIS)具有強(qiáng)大的信息存儲(chǔ)和分析能力，基于GIS平臺(tái)，一方面可以實(shí)現(xiàn)傳感器信息的實(shí)時(shí)處理與融合，另一方面基于已存儲(chǔ)的大量道路、交通環(huán)境等先驗(yàn)信息，可以顯著提高無人車環(huán)境感知與導(dǎo)航規(guī)劃能力. 因此近年來越來越多學(xué)者致力于GIS在無人車自主導(dǎo)航中的應(yīng)用研究，并取得了一些成果.

GIS在無人車中的應(yīng)用研究主要集中在地圖構(gòu)建、定位和路徑規(guī)劃[1-4]等方面. 如，韓國(guó)國(guó)防科學(xué)研究所利用GIS特征庫中與無人車導(dǎo)航相關(guān)的圖層和屬性數(shù)據(jù)，實(shí)現(xiàn)柵格地圖構(gòu)建[1]；方彥軍等[2]提出一種基于GIS和環(huán)境感知技術(shù)的定位方法，利用航跡推算結(jié)果完成地圖匹配，再根據(jù)視覺、激光雷達(dá)識(shí)別標(biāo)志性地物，實(shí)現(xiàn)車輛的精確定位；Yong等[3-4]利用GIS先驗(yàn)信息，結(jié)合計(jì)算幾何匹配算法和A*算法，實(shí)現(xiàn)帶任務(wù)點(diǎn)約束的最優(yōu)路徑規(guī)劃. 綜上所述，目前很多研究側(cè)重于GIS在無人車地圖構(gòu)建、即時(shí)定位和路徑規(guī)劃等某一方面的應(yīng)用研究.

北京理工大學(xué)自動(dòng)化學(xué)院IN2BOT無人車團(tuán)隊(duì)已開展無人系統(tǒng)研究10多年，研發(fā)的無人駕駛車輛已至第6代，團(tuán)隊(duì)在度量空間、語義空間、行為空間組成的行駛空間理論與實(shí)踐研究方面都取得顯著成果，研發(fā)的幾代無人車均基于GIS實(shí)現(xiàn)車輛輔助定位與導(dǎo)航規(guī)劃功能，載體性能得到明顯提升. 本文總結(jié)了多年來團(tuán)隊(duì)在GIS方面的研究成果，同時(shí)結(jié)合其他學(xué)者的相關(guān)研究工作，系統(tǒng)闡述了GIS在無人車應(yīng)用方面的研究現(xiàn)狀，歸納總結(jié)了GIS數(shù)據(jù)庫構(gòu)建的幾個(gè)重要過程，分析了不同實(shí)現(xiàn)方法的優(yōu)缺點(diǎn)；并且介紹了無人車應(yīng)用中的地圖匹配算法和路徑規(guī)劃算法. 最后展望了GIS在無人車應(yīng)用中的發(fā)展趨勢(shì).

1 GIS在無人車自主導(dǎo)航應(yīng)用中的關(guān)鍵技術(shù)

目前無人車僅依靠車載傳感器還不能對(duì)周邊的行駛環(huán)境進(jìn)行準(zhǔn)確而及時(shí)的識(shí)別，GIS數(shù)據(jù)庫預(yù)先存儲(chǔ)有豐富的道路和環(huán)境語義信息，因此利用GIS能有效地提高無人車的自主駕駛能力. GIS在無人車自主導(dǎo)航中的應(yīng)用框架，如圖1所示. 首先根據(jù)無人車導(dǎo)航的需求，完成GIS數(shù)據(jù)庫的構(gòu)建. 在這一步中通常需要GNSS、IMU、相機(jī)和激光雷達(dá)等傳感器數(shù)據(jù)，完成道路精確位置及周邊環(huán)境三維影像信息的采集. 定位是自主導(dǎo)航的基礎(chǔ)，無人車?yán)肎NSS、IMU等傳感器進(jìn)行定位，通過地圖匹配技術(shù)確定自身在地圖中的位置并獲取周邊環(huán)境信息. 當(dāng)自身和目標(biāo)位置確定后，結(jié)合GIS數(shù)據(jù)庫進(jìn)行全局路徑規(guī)劃. 在行駛過程中，讀取GIS數(shù)據(jù)庫中豐富的語義信息，如道路標(biāo)示線、交通標(biāo)志等，配合相機(jī)、激光雷達(dá)等傳感器，能顯著提高無人車識(shí)別道路環(huán)境的感知能力，完成局部路徑規(guī)劃與導(dǎo)航. 綜上，本文將GIS數(shù)據(jù)庫構(gòu)建、地圖匹配和路徑規(guī)劃作為GIS在無人車應(yīng)用中的三大關(guān)鍵技術(shù)進(jìn)行介紹.

圖1 GIS在無人車自主導(dǎo)航的應(yīng)用框架Fig.1 The framework of the application of GIS on UGV autonomous navigation

1.1 GIS數(shù)據(jù)庫構(gòu)建

GIS數(shù)據(jù)庫構(gòu)建主要包括底圖獲取、路網(wǎng)模型構(gòu)建、路網(wǎng)提取和屬性信息設(shè)置4個(gè)步驟.

1.1.1底圖獲取

生成GIS地圖通常需要以帶位置信息的底圖作為基礎(chǔ)，為后續(xù)數(shù)據(jù)輸入提供基本的環(huán)境信息，提高地圖的易讀性. 底圖的獲取方法通常有以下4種方式：

① 衛(wèi)星圖像. 使用衛(wèi)星圖像，經(jīng)地圖配準(zhǔn)，作為GIS底圖. 王新平[5]將精度為1 m的衛(wèi)星圖像作為底圖導(dǎo)入到GIS平臺(tái)SuperMap Deskpro，利用標(biāo)志地物，對(duì)底圖進(jìn)行配準(zhǔn)，并通過北京54高斯投影完成底圖的坐標(biāo)轉(zhuǎn)換，最后在此基礎(chǔ)上構(gòu)建GIS數(shù)據(jù)庫. 這種底圖獲取方法具有覆蓋范圍大、獲取成本低和速度快等優(yōu)點(diǎn)，但目前衛(wèi)星圖像精度普遍為米級(jí)，無法提供高精度的位置信息.

② 航拍圖像. 與衛(wèi)星圖像類似，航拍圖像導(dǎo)入GIS平臺(tái)后，同樣需要進(jìn)行配準(zhǔn). 但配備高清攝像頭的飛行器在低空航拍時(shí)所獲取的圖像，精度可達(dá)厘米級(jí). 航拍圖像具有靈活性高、視野寬、分辨率高等特點(diǎn)，尤其適合郊區(qū)和野外等開闊的環(huán)境.

③ 地面全景圖像. 楊強(qiáng)榮[6]通過無人車搭載的全景攝像頭采集全景圖像，并基于逆投影變換獲得全景俯視圖. 同時(shí)利用差分定位技術(shù)采集定位數(shù)據(jù)，使定位精度達(dá)到厘米級(jí). 最后使用帶有位置信息的全景圖像序列構(gòu)建出高精度的底圖. 相比衛(wèi)星圖像和航拍圖像，地面全景圖像可提供豐富的道路環(huán)境信息.

④ 激光雷達(dá)路面反射強(qiáng)度圖像. 無人車?yán)萌S激光雷達(dá)對(duì)路面點(diǎn)的激光點(diǎn)云進(jìn)行提取，投影到二維平面，最后將其反射強(qiáng)度輸出灰度圖像得到路面反射強(qiáng)度圖像. 這種方法具有精度高、可準(zhǔn)確識(shí)別車道線等優(yōu)點(diǎn)，但目前激光雷達(dá)成本較高.

1.1.2路網(wǎng)模型構(gòu)建

路網(wǎng)模型用于描述路網(wǎng)的空間連接關(guān)系和交通規(guī)則，構(gòu)建合適的路網(wǎng)有利于GIS導(dǎo)航規(guī)劃功能的實(shí)現(xiàn).

① 單線模型. 傳統(tǒng)的交通電子地圖中主要采用單線模型，如圖2所示，這種路網(wǎng)主要包括道路中心線、路口結(jié)點(diǎn)和對(duì)應(yīng)道路的屬性.

圖2 單線模型Fig.2 Single-line model

② 雙線模型. 單線模型不能準(zhǔn)確表達(dá)現(xiàn)有城市路網(wǎng)的真實(shí)特點(diǎn)以及復(fù)雜的交通規(guī)則，因此提出更能滿足無人車導(dǎo)航需求的雙線模型[4]，如圖3所示. 這種模型使用雙線替代原有的單道路中心線，可給出任一條道路的單雙向通行、路口轉(zhuǎn)向等交通限制信息. 雙線模型中的任一方向的通行情況、限制信息等都可以單獨(dú)設(shè)置而不影響其他方向，顯然更能準(zhǔn)確地表達(dá)城市路網(wǎng)的特點(diǎn)和交通規(guī)則，基于這種模型給出的導(dǎo)航路線也更符合實(shí)際行車需求.

圖3 雙線模型Fig.3 Double-line model

1.1.3路網(wǎng)提取

① 傳統(tǒng)測(cè)繪. 傳統(tǒng)測(cè)繪是指使用專業(yè)測(cè)繪儀器通過實(shí)地測(cè)量得到路網(wǎng)地圖或者在已配準(zhǔn)的底圖基礎(chǔ)上手工繪制道路網(wǎng)絡(luò)的方法. 這種方法可有效地運(yùn)用在小范圍的路網(wǎng)構(gòu)建中. 面對(duì)大規(guī)模路網(wǎng)構(gòu)建問題，該方法工作周期長(zhǎng)、更新慢、成本高，難以滿足當(dāng)前無人車自主導(dǎo)航的需求.

② 基于圖像處理的道路提取. 目前，已有研究成果利用遙感圖像進(jìn)行道路自動(dòng)提取，實(shí)現(xiàn)大規(guī)模路網(wǎng)的快速構(gòu)建. 文獻(xiàn)[7]利用級(jí)聯(lián)端到端卷積神經(jīng)網(wǎng)絡(luò)(CasNet)同時(shí)實(shí)現(xiàn)了超高分辨率遙感圖像的道路自動(dòng)檢測(cè)和單像素路網(wǎng)中心線的自動(dòng)提取. 值得注意的是，目前從遙感圖像提取的路網(wǎng)通常為單線模型，不利于表現(xiàn)路網(wǎng)的通行特點(diǎn).

③ 基于行車軌跡的路網(wǎng)提取. 隨著車輛定位技術(shù)和車聯(lián)網(wǎng)技術(shù)的發(fā)展，獲取大規(guī)模的行車軌跡數(shù)據(jù)成為可能. 行車軌跡可反應(yīng)路網(wǎng)的位置、拓?fù)浣Y(jié)構(gòu)、路口轉(zhuǎn)向、單雙向通行等道路信息. 利用行車軌跡進(jìn)行路網(wǎng)提取可有效降低成本、提高時(shí)效性、擴(kuò)大覆蓋面等.

1.1.4屬性信息設(shè)置

GIS數(shù)據(jù)庫中的屬性信息可為無人車提供重要的先驗(yàn)信息，如虛實(shí)線、交通標(biāo)志等屬性信息可有效降低無人車在行駛過程中的環(huán)境感知難度，道路擁堵程度等屬性可輔助無人車規(guī)劃出實(shí)用的導(dǎo)航路線，如表1所示. 王新平[5]對(duì)適用于無人車的GIS數(shù)據(jù)庫屬性信息進(jìn)行了分類和詳細(xì)說明，最后結(jié)合這些屬性信息，利用RBF神經(jīng)網(wǎng)絡(luò)提高了無人車通行時(shí)間的預(yù)測(cè)精度.

1.2 地圖匹配

完成適用于無人車的GIS數(shù)據(jù)庫構(gòu)建后，在車輛行駛過程，首先要根據(jù)傳感器信息確定車輛在地圖中的位置，完成地圖匹配. 地圖匹配是指將車輛經(jīng)GNSS或組合導(dǎo)航系統(tǒng)等測(cè)得的定位結(jié)果與GIS數(shù)據(jù)庫進(jìn)行比對(duì)和匹配，從而確定車輛所在路段及其明確位置的方法. 目前大多數(shù)常用的地圖匹配算法都是針對(duì)GNSS數(shù)據(jù)處理提出的. 文獻(xiàn)[8]結(jié)合GIS路網(wǎng)的交通管制約束，根據(jù)車輛GPS軌跡和路網(wǎng)曲線與拓?fù)浣Y(jié)構(gòu)的相似性，實(shí)現(xiàn)車輛的全局地圖匹配. 楊強(qiáng)榮[6]提出一種基于計(jì)算幾何的地圖匹配算法，通過快速排斥實(shí)驗(yàn)和跨立實(shí)驗(yàn)來確定與誤差區(qū)域相交的候選路段，最后通過構(gòu)建置信區(qū)域?qū)崿F(xiàn)地圖匹配. 與現(xiàn)有匹配算法相比，顯著提高了實(shí)時(shí)性和準(zhǔn)確率. 總體來說，利用GNSS數(shù)據(jù)進(jìn)行的地圖匹配算法，數(shù)據(jù)獲取相對(duì)簡(jiǎn)單，地圖匹配實(shí)時(shí)性好，但精度受衛(wèi)星信號(hào)質(zhì)量影響較大.

此外還有一部分文獻(xiàn)另辟蹊徑，利用相機(jī)等環(huán)境感知傳感器，結(jié)合GIS數(shù)據(jù)實(shí)現(xiàn)地圖匹配. 這種方法充分利用環(huán)境信息和GIS先驗(yàn)信息，魯棒性更強(qiáng). 如文獻(xiàn)[2]提出了一種基于GIS和環(huán)境感知的無人車定位方法. 首先通過編碼器和電子羅盤獲得近似的行車軌跡，將歷史軌跡與路網(wǎng)拓?fù)淦ヅ浯_定車輛所在路段. 利用相機(jī)和激光雷達(dá)識(shí)別附近標(biāo)志物，并與GIS數(shù)據(jù)庫的標(biāo)志物信息比對(duì)，實(shí)現(xiàn)地圖的精確匹配.

1.3 路徑規(guī)劃

路徑規(guī)劃是指按某些評(píng)價(jià)指標(biāo)(如通行時(shí)間最短，距離最短等)提供一條從出發(fā)點(diǎn)到目標(biāo)點(diǎn)最優(yōu)路徑的方法. 經(jīng)典算法包括Dijkstra算法、A*算法、蟻群算法、Floyd算法等. 但隨著無人車應(yīng)用需求的不斷發(fā)展，這些傳統(tǒng)的路徑規(guī)劃方法已經(jīng)不能滿足無人車自主導(dǎo)航需求，如給出的路徑不符合運(yùn)動(dòng)學(xué)特性和實(shí)時(shí)性需求、不滿足交通規(guī)則限制等. 將GIS應(yīng)用在無人車路徑規(guī)劃有助于解決上述問題，但目前相關(guān)研究較少. 本團(tuán)隊(duì)針對(duì)非結(jié)構(gòu)化道路，考慮了無人車的可通行性問題，利用高分辨率的梯度柵格數(shù)據(jù)和高程?hào)鸥駭?shù)據(jù)修正了耗費(fèi)場(chǎng). 最后利用耗費(fèi)場(chǎng)模型通過Dijkstra算法實(shí)現(xiàn)最優(yōu)規(guī)劃路徑[3]. 王美玲等[4]基于幾何匹配算法和A*算法實(shí)現(xiàn)全局路徑規(guī)劃，利用GIS數(shù)據(jù)庫的路口信息，結(jié)合無人車運(yùn)動(dòng)特性，設(shè)計(jì)出平滑的路口轉(zhuǎn)向軌跡.

2 適用于無人車的GIS應(yīng)用技術(shù)的發(fā)展趨勢(shì)

未來無人車自主導(dǎo)航對(duì)GIS提出了新需求，主要表現(xiàn)在三個(gè)方面：實(shí)現(xiàn)精確的車輛定位、獲取實(shí)時(shí)路況輔助無人車的場(chǎng)景理解和完成車道級(jí)路徑導(dǎo)引. 為滿足以上需求，可以預(yù)見GIS將迎來以下三方面的發(fā)展趨勢(shì).

2.1 車道級(jí)的高精度地圖

傳統(tǒng)導(dǎo)航地圖精度在5～10 m左右，可給出基本的行駛方向，但無法為無人車提供車道級(jí)的行駛路徑導(dǎo)引. 隨著差分GNSS技術(shù)的發(fā)展，尤其是載波相位差分技術(shù) (real time kinematic, RTK)的發(fā)展，定位精度可達(dá)厘米級(jí)，配合慣性組合導(dǎo)航等系統(tǒng)，即使短時(shí)間穿越隧道等衛(wèi)星信號(hào)較弱或者消失的地方，仍然可以保持分米級(jí)的精度. 因此搭載相機(jī)、激光雷達(dá)、RTK-GNSS、慣性組合導(dǎo)航系統(tǒng)等設(shè)備的數(shù)據(jù)采集車，可實(shí)現(xiàn)車道級(jí)的地圖數(shù)據(jù)采集. 其中RTK-GNSS和慣性組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)精確定位，相機(jī)和激光雷達(dá)主要負(fù)責(zé)道路環(huán)境的影像和三維信息采集. 由此生成的車道級(jí)高精度地圖包含大量的道路和語義信息，如厘米級(jí)的路面三維模型、車道標(biāo)線類型等，將極大地提高無人車的靜態(tài)環(huán)境感知能力和精確定位能力.

2.2 基于人工智能的數(shù)據(jù)自動(dòng)處理

高精度地圖數(shù)據(jù)采集會(huì)產(chǎn)生海量的數(shù)據(jù)，依靠人工作業(yè)進(jìn)行數(shù)據(jù)識(shí)別和標(biāo)注，將帶來高昂的成本和較長(zhǎng)的更新周期. 因此應(yīng)用人工智能技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)理解和標(biāo)注是必然的趨勢(shì). 如通過深度學(xué)習(xí)實(shí)現(xiàn)街景文字識(shí)別，利用機(jī)器視覺完成道路特征識(shí)別，結(jié)合高精度定位，把這些街道名稱、虛實(shí)線、交通標(biāo)志等道路信息自動(dòng)標(biāo)注在地圖上. 這種基于人工智能的數(shù)據(jù)自動(dòng)處理方法，可有效提高地圖生產(chǎn)的自動(dòng)化程度，是未來GIS發(fā)展的重要方向.

2.3 基于車聯(lián)網(wǎng)與開放數(shù)據(jù)平臺(tái)的實(shí)時(shí)動(dòng)態(tài)更新

現(xiàn)實(shí)中由于交通事故、道路改造、臨時(shí)限行等原因可能導(dǎo)致路面情況改變，此時(shí)如果無人車仍按照原地圖行駛可能會(huì)發(fā)生危險(xiǎn)，因此如何對(duì)高精度地圖進(jìn)行更新是一個(gè)重要的課題. 目前主要的地圖供應(yīng)商(簡(jiǎn)稱圖商)都采用各自的數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行地圖建立和更新，但僅憑某一圖商的數(shù)據(jù)采集系統(tǒng)來建立一個(gè)覆蓋面廣、更新及時(shí)的地圖是不可能的. 因此不同圖商的數(shù)據(jù)共享是大勢(shì)所趨. 此外，未來借助5G技術(shù)和車聯(lián)網(wǎng)技術(shù)的發(fā)展，圖商可收集大量實(shí)時(shí)的車輛行駛數(shù)據(jù)和交通系統(tǒng)數(shù)據(jù)，利用眾包和大數(shù)據(jù)技術(shù)，完成地圖動(dòng)態(tài)更新. 因此未來GIS行業(yè)必將產(chǎn)生一個(gè)標(biāo)準(zhǔn)、開放的數(shù)據(jù)平臺(tái)，以供無人車、用戶、圖商、智能交通系統(tǒng)等自由訪問和交換數(shù)據(jù)，最終實(shí)現(xiàn)地圖的實(shí)時(shí)動(dòng)態(tài)更新，為無人車提供精確的位置服務(wù).

3 結(jié) 論

GIS能顯著提高無人車的自主導(dǎo)航能力，實(shí)現(xiàn)環(huán)境、交通等先驗(yàn)信息和實(shí)時(shí)信息的獲取. 本文提出了基于GIS輔助無人車的定位導(dǎo)航方法，主要介紹了其中三大關(guān)鍵技術(shù)：GIS數(shù)據(jù)庫構(gòu)建、地圖匹配和路徑規(guī)劃. 重點(diǎn)歸納了GIS數(shù)據(jù)庫構(gòu)建的4個(gè)步驟，并對(duì)各步驟中不同方法的適用范圍和優(yōu)缺點(diǎn)進(jìn)行了分析. 本文設(shè)計(jì)的方法已經(jīng)應(yīng)用于IN2BOT無人車中，團(tuán)隊(duì)多次成功參與國(guó)家自然科學(xué)基金委主辦的中國(guó)智能車未來挑戰(zhàn)賽、陸軍裝備部主辦的跨越險(xiǎn)阻地面無人系統(tǒng)挑戰(zhàn)賽，并取得2017年未來挑戰(zhàn)賽高架快速道路測(cè)試第一名和“跨越險(xiǎn)阻2018”C組第一名等優(yōu)異成績(jī). GIS在無人車應(yīng)用中將向更高精度、更自動(dòng)化和更開放的方向發(fā)展.