馮雪

（北京美大智達(dá)科技有限公司 北京 100101）

1 高精度地圖的概念

與傳統(tǒng)導(dǎo)航電子地圖相比，高精度地圖具有兩個(gè)十分重要的特點(diǎn)：第一個(gè)特點(diǎn)是精度高，也就是地圖的絕對(duì)位置精度高；第二個(gè)特點(diǎn)是要素全面，也就是說(shuō)，地圖所包含的信息內(nèi)容更豐富，刻畫(huà)得更細(xì)致。

高精度地圖面向高度自動(dòng)化的自動(dòng)駕駛，其服務(wù)對(duì)象是更為廣泛的智能體或者智能機(jī)器。地圖的絕對(duì)精度優(yōu)于1m，相對(duì)精度為10～20cm。高精度地圖含有非常豐富的地圖信息［1］。比如，增加了詳細(xì)的與車道相關(guān)的數(shù)據(jù)（如車道、車道邊界、車道中心線和車道限制信息等）、目標(biāo)數(shù)據(jù)（如道路邊緣目標(biāo)、防護(hù)欄、路邊的地標(biāo)等）及更詳細(xì)的行駛導(dǎo)引。除了提供基本的道路導(dǎo)航功能外，高精度地圖可以恢復(fù)實(shí)際的道路場(chǎng)景，并協(xié)助車輛實(shí)現(xiàn)車道級(jí)別的高精度定位、規(guī)劃和決策。

2 面向自動(dòng)駕駛的高精度地圖面臨的挑戰(zhàn)

面向自動(dòng)駕駛的高精度地圖面臨的諸多挑戰(zhàn)，具體可以概括為：（1）數(shù)據(jù)結(jié)構(gòu)復(fù)雜，需要在傳統(tǒng)導(dǎo)航電子地圖數(shù)據(jù)內(nèi)容基礎(chǔ)上豐富地圖要素；（2）地圖格式缺乏統(tǒng)一的表達(dá)，需要整合現(xiàn)有地圖要素樣式進(jìn)行一致性表達(dá)；（3）地圖數(shù)據(jù)只針對(duì)特定的場(chǎng)景，需要修改地圖數(shù)據(jù)提高適應(yīng)性表達(dá)；（4）缺乏面向自動(dòng)駕駛商用地圖的編輯器或軟件，需要地圖廠商或者相關(guān)機(jī)構(gòu)來(lái)補(bǔ)充［2］。圖1中展示的是兩個(gè)不同的機(jī)構(gòu)對(duì)路段表達(dá)的情況，通過(guò)對(duì)比可以看出，不同的機(jī)構(gòu)對(duì)高精度地圖的幾何表達(dá)有很多不一致的地方。

圖1 兩個(gè)路段表達(dá)格式不統(tǒng)一

3 智能精細(xì)地圖模型

本文提出了面向自動(dòng)駕駛的高精度地圖模型，稱之為智能精細(xì)地圖模型。本文認(rèn)為智能精細(xì)模型是面向自動(dòng)駕駛以智能導(dǎo)引為目的，動(dòng)態(tài)關(guān)聯(lián)道路上各種信息，全面反映位置本身及其與所在道路相關(guān)的各種特征、事件或事物的數(shù)字精細(xì)化地圖模型［3］。

在現(xiàn)有導(dǎo)航電子地圖的基礎(chǔ)上，本文提出了一種智能精細(xì)模型，并將智能精細(xì)地圖模型分為4層，即道路層、廣義POI 層、動(dòng)態(tài)感知目標(biāo)層和行駛信息輔助層，如圖2所示。

圖2 智能精細(xì)模型結(jié)構(gòu)

道路層又分成兩種，路段層、車道層及這兩層之間的拓?fù)潢P(guān)系。分段的依據(jù)是行駛車道的變更，而不是通行方向上的物理分割。在本文提出的模型中，為了降低模型的復(fù)雜性，本文不再對(duì)動(dòng)態(tài)的實(shí)時(shí)交通信息單獨(dú)劃分層，而是把實(shí)時(shí)交通信息作為屬性添加到地圖的道路層中。路段層包含的內(nèi)容除了靜態(tài)的物理屬性信息外，還有動(dòng)態(tài)的交通信息屬性。車道層繼承了路段的部分屬性，也有自己特殊的屬性［4］。

廣義POI層從內(nèi)容上不僅包括現(xiàn)有的導(dǎo)航電子地圖中的9個(gè)大類POI數(shù)據(jù)，還新增輔助自動(dòng)駕駛的地理位置標(biāo)簽的類型，同時(shí)，屬性上增加地理位置標(biāo)簽的特征信息。動(dòng)態(tài)感知目標(biāo)層包括無(wú)人車動(dòng)態(tài)感知目標(biāo)和預(yù)測(cè)目標(biāo)。

行駛信息輔助層是指考慮了道路層信息、廣義的POI 信息、動(dòng)態(tài)感知目標(biāo)信息等為無(wú)人車提供了行駛導(dǎo)引信息，包括強(qiáng)制行駛行為、建議行駛行為、行駛的方向和從道路層中調(diào)度行駛的路徑等內(nèi)容。由于該層數(shù)據(jù)內(nèi)容過(guò)于復(fù)雜，且涉及自動(dòng)駕駛中的決策和規(guī)劃內(nèi)容，對(duì)此本文不做深入探討。

4 智能精細(xì)地圖的車道級(jí)路網(wǎng)模型

智能精細(xì)地圖支持車道級(jí)的路徑規(guī)劃和定位導(dǎo)航，智能精細(xì)地圖的路網(wǎng)數(shù)據(jù)模型應(yīng)準(zhǔn)確反映道路環(huán)境［5］。以下將闡述智能精細(xì)地圖中車道級(jí)路網(wǎng)的要求。

4.1 具有完整的結(jié)構(gòu)層級(jí)關(guān)系

根據(jù)自動(dòng)駕駛不同功能對(duì)路網(wǎng)數(shù)據(jù)內(nèi)容及尺度的不同要求，從垂直方向上進(jìn)行分層抽象，將路網(wǎng)模型劃分為道路網(wǎng)絡(luò)層、車道網(wǎng)絡(luò)層。道路網(wǎng)絡(luò)層的最小建模單元為路段，車道網(wǎng)絡(luò)層的最小建模單元是車道［6］。圖3為將真實(shí)世界按照不同尺度進(jìn)行道路網(wǎng)絡(luò)層與車道網(wǎng)絡(luò)層的幾何數(shù)據(jù)抽象的示意圖。

道路區(qū)間指的是連接兩個(gè)路口或道路交叉口之間的完整路段，而在傳統(tǒng)基于道路的拓?fù)渚W(wǎng)中，與道路區(qū)間對(duì)應(yīng)的是兩個(gè)Node（節(jié)點(diǎn)）之間的Link（連線）（見(jiàn)圖3b）。在高精度導(dǎo)航地圖中，道路區(qū)間包含1個(gè)或者多個(gè)車道（見(jiàn)圖3c），成為一個(gè)區(qū)間，所以不能由一條線來(lái)表示。在傳統(tǒng)導(dǎo)航地圖中，路口一般簡(jiǎn)化為Node 表示，而在高精度導(dǎo)航地圖中，路口是非常重要的研究對(duì)象，將具體描述與道路區(qū)間之間的車道接續(xù)關(guān)系及中心點(diǎn)位置等。每一條道路區(qū)間最多對(duì)應(yīng)兩個(gè)路口區(qū)域，而每一個(gè)路口區(qū)域可以對(duì)應(yīng)多個(gè)道路區(qū)間。以道路區(qū)間和路口區(qū)域?yàn)榛竟芾韱卧菍?duì)道路環(huán)境的真實(shí)描述，可以表達(dá)車道間的拓?fù)潢P(guān)系。

圖3 真實(shí)世界的道路網(wǎng)絡(luò)層與車道網(wǎng)絡(luò)層的抽象

4.2 完善的層與層之間的對(duì)應(yīng)關(guān)系

傳統(tǒng)導(dǎo)航電子地圖是根據(jù)物理間隔進(jìn)行路段或者車道的抽象和編號(hào)，這個(gè)規(guī)則不滿足高度自動(dòng)化的自動(dòng)行駛。路段或者車道中的屬性引起變化對(duì)汽車的控制尤其對(duì)橫向控制帶來(lái)直接影響，橫向控制決定了無(wú)人車的行駛性能。圖4顯示幾種路段屬性變化導(dǎo)致無(wú)人車的控制行為需要發(fā)生變化的情況，圖中線條為車道邊界線，箭頭線表示道路的通行方向，方框?yàn)閷傩宰兓c(diǎn)，其中：（a）為自動(dòng)駕駛必須換道點(diǎn)；（b）為自動(dòng)駕駛可換道點(diǎn)；（c）為自動(dòng)駕駛路徑轉(zhuǎn)彎半徑變化點(diǎn)。在對(duì)車道進(jìn)行抽象時(shí)，需要考慮交通規(guī)則或者駕駛行為對(duì)無(wú)人車的影響。因此，本文選擇路段上屬性變化的位置作為車道分段抽象的依據(jù)，而且屬性變化的位置不是一個(gè)具體的固定不變的點(diǎn)值，是連續(xù)變化的區(qū)間。

圖4 路段屬性變化點(diǎn)對(duì)自動(dòng)駕駛的影響的例子

5 基于移動(dòng)測(cè)量車的高精度地圖數(shù)據(jù)采集及制作

基于采集車的高精度地圖的生成流程可以分為3個(gè)步驟。首先，利用GNSS/INS 數(shù)據(jù)進(jìn)行融合，獲取地圖采集車的高精度位置坐標(biāo)及高精度的航向信息，同時(shí)，獲取地圖采集車行駛的軌跡點(diǎn)、車載傳感器的位置坐標(biāo)。其次，利用車載相機(jī)拍攝道路圖像數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法對(duì)圖像數(shù)據(jù)進(jìn)行分類，獲取圖像上的道路、車道線、道路標(biāo)志等語(yǔ)義信息；同時(shí)，利用車載激光雷達(dá)獲取地面目標(biāo)的激光點(diǎn)云信息，從激光點(diǎn)云信息中提取目標(biāo)的語(yǔ)義和相對(duì)坐標(biāo)信息。最后，將圖像或者點(diǎn)云提出來(lái)的信息與位置數(shù)據(jù)進(jìn)行融合，獲取道路要素的位置、幾何、語(yǔ)義信息，從而創(chuàng)建車道級(jí)高精度地圖。其流程如圖5所示。

圖5 高精度地圖采集流程圖

6 結(jié)語(yǔ)

隨著人工智能技術(shù)和測(cè)繪遙感技術(shù)的快速發(fā)展，自動(dòng)駕駛已成為當(dāng)前智能交通和自動(dòng)駕駛產(chǎn)業(yè)發(fā)展的熱門方向。測(cè)繪遙感學(xué)科與車輛自動(dòng)化控制、計(jì)算機(jī)視覺(jué)等學(xué)科的交叉融合，推動(dòng)了自動(dòng)駕駛的發(fā)展，提高了無(wú)人車的安全性和穩(wěn)定性。面向自動(dòng)駕駛的高精度地圖模型和地圖的快速生產(chǎn)，是實(shí)現(xiàn)自動(dòng)駕駛的核心基礎(chǔ)問(wèn)題。本文研究了面向自動(dòng)駕駛的高精度地圖模型，為自動(dòng)駕駛建立面向機(jī)器、精細(xì)化、現(xiàn)勢(shì)性強(qiáng)的高精度地圖提供技術(shù)支持。