摘""要：高精地圖又稱為高分辨率地圖，是自動(dòng)駕駛汽車實(shí)現(xiàn)路徑規(guī)劃、道路場景認(rèn)知、決策與控制的先決條件。與傳統(tǒng)該地圖和普通的導(dǎo)航電子地圖相比，高精地圖不僅包含地形地貌要素，還包含豐富的道路要素信息及語義信息。提出了綜合利用無人機(jī)正射影像和車載移動(dòng)掃描點(diǎn)云等多源異構(gòu)數(shù)據(jù)提取高精地圖的方法，探討了高精地圖數(shù)據(jù)模型的空間表達(dá)、屬性分層和關(guān)聯(lián)規(guī)則，以及實(shí)現(xiàn)高精地圖制圖的方式，提出了可行的技術(shù)方法，這為高精地圖的生產(chǎn)提供了可借鑒的參考價(jià)值。

關(guān)鍵詞：高精地圖""車載點(diǎn)云數(shù)據(jù)""道路專題要素""車道線提取

中圖分類號(hào)：P208

Research"on"HD"Map"Data"Production"Based"on"Multi-Source"Data

LI"Jun1""ZHENG"Bo2

1."Beijing"Meida"Zhida"Technology"Co.，"Ltd.，"Beijing，"100020"China;"2."Ditu"（Beijing）"Technology"Co.，"Ltd.，"Beijing，"100089"China

Abstract："High-Definition"Map（HD"Map），"also"known"as"high-resolution"map，"is"a"prerequisite"for"autonomous"vehicle"to"realize"path"planning，"road"scene"cognition，"decision-making"and"control."Compared"with"traditional"map"and"ordinary"navigation"electronic"map，"HD"Map"not"only"contains"topographic"and"geomorphic"elements，"but"also"contains"rich"road"element"information"and"semantic"information."This"paper"proposes"a"method"to"extract"HD"Maps"by"comprehensively"utilizing"multi-source"heterogeneous"data"such"as"UAV"orthophoto"and"vehicle"mobile"scanning"point"cloud，"discusses"the"spatial"expression，"attribute"stratification"and"association"rules"of"HD"Map"data"model，"as"well"as"the"ways"to"achieve"HD"Map"mapping，"and"proposes"a"feasible"technical"method"to"provide"reference"value"for"the"production"of"HD"Maps.

Key"Words："HD"Map;"Vehicle"point"cloud"data;"Road"thematic"elements;"Lane"line"extraction

高精地圖（High"Definition"Map，HD"Map）與標(biāo)準(zhǔn)地圖（Standard"Definition"Map，SD"Map）有著本質(zhì)區(qū)別。標(biāo)準(zhǔn)地圖使用主體是人，主要作用為導(dǎo)航和搜索，數(shù)據(jù)主體是道路，提供米級(jí)道路級(jí)別分辨率的道路形狀和興趣點(diǎn)數(shù)據(jù)[1]。高精地圖使用主體是機(jī)器，主要作用為輔助定位、超視距感知、先驗(yàn)路徑規(guī)劃和決策，數(shù)據(jù)主體是車道，提供分米級(jí)車道級(jí)別分辨率的更為豐富的車道幾何和道路設(shè)施等數(shù)據(jù)。高精地圖具備位置精度高、要素豐富度高和數(shù)據(jù)鮮度高等特點(diǎn)。

1""高精道路地圖制作方法

1.1""傳統(tǒng)高精道路地圖制作方法

傳統(tǒng)高精道路地圖制作主要有以下幾種方式：（1）采用單一的車載激光掃描儀（LightLaser"Detection"and"Ranging，"LiDAR）系統(tǒng)進(jìn)行路面激光點(diǎn)云獲取，先基于點(diǎn)云強(qiáng)度區(qū)分路面特征，再由人工識(shí)別并進(jìn)行三維矢量采編，部分依靠點(diǎn)云無法識(shí)別的要素及掃描盲區(qū)需要人工野外補(bǔ)采[2]；（2）由于車載LiDAR系統(tǒng)造價(jià)昂貴，有些缺乏條件的部門采用人工全野外方式進(jìn)行高精道路要素采集，存在重大安全隱患且效率較低；（3）為滿足高精度要求，控制測量任務(wù)巨大，高精度航空攝影存在成本高、周期長、微小道路地圖要素難以識(shí)別等缺陷。

1.2""基于多源數(shù)據(jù)的高精道路地圖制作方法

本文試驗(yàn)采用車載移動(dòng)測量系統(tǒng)、旋翼無人機(jī)等技術(shù)裝備開展高速公路激光點(diǎn)云、全景照片及互通立交、匝道、收費(fèi)站、服務(wù)區(qū)等特定區(qū)域的高分辨率傾斜影像等多源數(shù)據(jù)獲取，經(jīng)少量外業(yè)控制測量、內(nèi)業(yè)數(shù)據(jù)解算、矢量自動(dòng)提取、人工編輯、屬性掛接、成果融合等工序進(jìn)行高精道路地圖制作[3]。

2""基于車載點(diǎn)云數(shù)據(jù)道路專題要素提取

車載移動(dòng)測量系統(tǒng)是一種以汽車為載體的移動(dòng)型三維激光掃描系統(tǒng)，它能夠快速獲取道路及路側(cè)的高精度三維空間信息，是目前城市道路環(huán)境三維信息采集最有效的方式之一。車載點(diǎn)云數(shù)據(jù)主要用于獲取道路專題要素信息，在此基礎(chǔ)上，基于無人機(jī)正射影像對(duì)車道線進(jìn)行精確提取。

2.1""點(diǎn)云數(shù)據(jù)采集

本文利用“HiScan-VUX”型車載移動(dòng)測量系統(tǒng)進(jìn)行外業(yè)數(shù)據(jù)采集，如圖2所示。該系統(tǒng)由LiDAR系統(tǒng)、定位定姿系統(tǒng)（Position"and"Orientation"System，"POS））、高清全景相機(jī)、里程計(jì)以及計(jì)算機(jī)控制系統(tǒng)組成。外業(yè)數(shù)據(jù)采集包括任務(wù)規(guī)劃、數(shù)據(jù)采集和數(shù)據(jù)解算3個(gè)階段。其中，數(shù)據(jù)解算步驟如下：首先，利用POS和BJCORS數(shù)據(jù)計(jì)算出移動(dòng)測量車軌跡；接著，將軌跡及POS姿態(tài)數(shù)據(jù)與車載LiDAR激光回波數(shù)據(jù)進(jìn)行融合，以獲得點(diǎn)云的三維坐標(biāo)；最后，將點(diǎn)云與全景影像進(jìn)行融合，以實(shí)現(xiàn)兩者的高精度配準(zhǔn)。

2.2""點(diǎn)云數(shù)據(jù)處理和道路專題要素提取

車載點(diǎn)云數(shù)據(jù)處理是進(jìn)行道路專題要素采集前的重要工作。點(diǎn)云作為道路專題要素矢量化的底圖數(shù)據(jù)，其精度是決定最終高精道路地圖成果質(zhì)量的重要保證[4]。

點(diǎn)云數(shù)據(jù)處理主要包括點(diǎn)云坐標(biāo)轉(zhuǎn)換、點(diǎn)云位置糾正、點(diǎn)云校正和地面點(diǎn)提取，以道路點(diǎn)云為基礎(chǔ)，對(duì)道路專題要素進(jìn)行提取和分類。利用"MappingFactory"點(diǎn)云測圖軟件，對(duì)無法實(shí)現(xiàn)自動(dòng)識(shí)別的道路專題要素采用人工提取。以車載點(diǎn)云為底圖，進(jìn)行點(diǎn)、線、面等道路專題要素的矢量提取和快速繪制，實(shí)現(xiàn)“即測即顯、一次成圖”。

3""基于無人機(jī)正射影像的車道線自動(dòng)提取

本文提出一種基于無人機(jī)正射影像，采用U-Net語義分割模型，結(jié)合柵格處理與矢量處理的快速構(gòu)建高精地圖的方法。首先，利用無人機(jī)技術(shù)快速獲取目標(biāo)路段正射影像；其次，在采用U-Net模型的基礎(chǔ)上，引入Lovasz損失函數(shù)替換原來的交叉熵?fù)p失函數(shù)，以加強(qiáng)網(wǎng)絡(luò)對(duì)車道線特征的學(xué)習(xí)能力；最后，利用柵格處理與矢量處理結(jié)合的手段完成柵格車道線的細(xì)化、矢量化及矢量車道線的擬合，得到可直接應(yīng)用于高精地圖構(gòu)建的車道線成果[5]。本文采用的高精地圖車道線提取方法可提升高精地圖的制作速度與更新效率，大大降低了高精地圖的構(gòu)建成本。

車道線提取后，將車道線提取結(jié)果與基于點(diǎn)云提取的道路專題要素進(jìn)行疊加，如圖3所示為車道線與點(diǎn)云數(shù)據(jù)的疊加效果圖。

4""模型結(jié)構(gòu)與表達(dá)

目前，高精地圖的數(shù)據(jù)組織分層主要依據(jù)邏輯結(jié)構(gòu)，大多按照“區(qū)域-圖層組-圖層-要素”或“道路-車道-路面標(biāo)線-道路附屬物”層級(jí)進(jìn)行組織。

道路要素依據(jù)空間幾何形態(tài)則分為點(diǎn)要素、線要素和面要素。點(diǎn)要素主要分為兩類：一類是道路、車道的連接點(diǎn)，主要用于道路、車道、路口、參考線等道路元素之間的規(guī)則關(guān)聯(lián)；另一類是小型的道路交通設(shè)備。線狀要素是高精地圖中最重要的交通要素，主要包括車道和道路的參考線、道路邊界及線狀道路交通標(biāo)線[6]。道路和車道參考線幾何表達(dá)主要為直線、螺旋線、恒定曲率的弧線、三次多項(xiàng)式曲線。其中：直線在現(xiàn)實(shí)道路場景中最為常見；螺旋線主要幾何特征是曲率從起點(diǎn)至終點(diǎn)線性變化；恒定曲率的弧線在空間幾何特征上是圓形的一部分。面狀要素主要包括停車場、服務(wù)區(qū)、收費(fèi)站、檢查站等服務(wù)管理設(shè)施，以及人形橫道、停車位、面狀交通標(biāo)線、道路交通標(biāo)志、交通燈等道路安全設(shè)施。

道路要素屬性包括基本屬性和關(guān)聯(lián)屬性。道路參考線的基本屬性包括要素唯一標(biāo)志碼、道路名稱、類型、等級(jí)、車道數(shù)量、路面材質(zhì)、結(jié)構(gòu)類型、通行情況、限制方向等說明。關(guān)聯(lián)屬性表示對(duì)與該道路要素存在關(guān)聯(lián)關(guān)系的其他要素的信息描述，如道路參考線的關(guān)聯(lián)屬性包括車道數(shù)量、起始道路連接點(diǎn)、終止道路連接點(diǎn)等?；緦傩院完P(guān)聯(lián)屬性共同構(gòu)成了道路要素的語義化表達(dá)。

關(guān)聯(lián)規(guī)則表達(dá)不同道路要素之間在空間上的關(guān)聯(lián)關(guān)系和拓?fù)潢P(guān)系。最典型的關(guān)聯(lián)關(guān)系如“道路-車道”，一個(gè)道路包含幾個(gè)車道，道路參考線通過道路連接點(diǎn)與路口相關(guān)聯(lián)。同時(shí)，道路參考線與道路邊界、支撐結(jié)構(gòu)、附屬設(shè)施等直接發(fā)生關(guān)聯(lián)，而車道參考線的關(guān)聯(lián)對(duì)象最多，包括車道連接點(diǎn)、道路交通標(biāo)線、道路交通標(biāo)志、交通燈及服務(wù)管理設(shè)施等。

典型的道路要素關(guān)聯(lián)規(guī)則如圖4所示。以車道連接點(diǎn)為例，其與車道參考線相關(guān)聯(lián)，當(dāng)連接點(diǎn)位于路口時(shí)，駛出車道參考線為路口不同兩個(gè)車道連接點(diǎn)之間的軌跡。該軌跡應(yīng)以車輛安全平滑通行為標(biāo)準(zhǔn)，保持與前后車道參考線的曲率完整，并與其發(fā)生關(guān)聯(lián)。

5""編輯制圖

在通用"GIS"平臺(tái)或?qū)I(yè)數(shù)據(jù)編輯制圖平臺(tái)中，基于上述模型結(jié)構(gòu)，通過人工、半自動(dòng)、全自動(dòng)方式制作高精地圖，包含道路、交通設(shè)施等要素，限速、轉(zhuǎn)向、線類型等屬性，以及交通燈與停止線、道路參考線與道路邊界線等關(guān)聯(lián)關(guān)系。制作結(jié)束后，進(jìn)行值域、拓?fù)潢P(guān)系、關(guān)聯(lián)關(guān)系等內(nèi)容的自動(dòng)檢查與修復(fù)。圖5為某路口的高精地圖細(xì)節(jié)圖。

6""結(jié)語

自動(dòng)駕駛汽車?yán)酶呔貓D豐富的道路元素語義信息進(jìn)行特征識(shí)別并判斷車體與周圍道路元素的空間距離，實(shí)現(xiàn)了精確的空間相對(duì)定位，從而控制安全行車范圍及完成智能駕駛決策。本文提出了綜合利用無人機(jī)正射影像和車載移動(dòng)掃描點(diǎn)云等多源異構(gòu)數(shù)據(jù)提取高精地圖的方法，探討了高精地圖數(shù)據(jù)模型的空間表達(dá)、屬性分層和關(guān)聯(lián)規(guī)則，以及實(shí)現(xiàn)高精地圖制圖的方式，提出了可行的技術(shù)方法，這為高精地圖的生產(chǎn)提供了可借鑒的參考價(jià)值。

參考文獻(xiàn)

[1]丁陽.道路全息測繪地形成果向高精地圖轉(zhuǎn)換的探索研究[J].測繪通報(bào)，2024（S1）：271-273.

[2]梁祺策.高精地圖構(gòu)建中交通標(biāo)志牌檢測與識(shí)別算法研究[D].北京：北京建筑大學(xué)，2023.

[3]韋通.低空無人機(jī)攝影測量在城市高精地圖中的應(yīng)用[J].智能城市，2023，9（7）：33-35.

[4]王卓.基于激光點(diǎn)云的露天礦高精地圖自動(dòng)構(gòu)建技術(shù)研究[D].長沙：中南大學(xué)，2023.

[5]張闖，應(yīng)申，王潤澤，等.智能網(wǎng)聯(lián)汽車的高精地圖數(shù)據(jù)交互模式[J].測繪通報(bào)，2024（2）：107-112.

[6]王智，廖胤齊，孫娜，等.基于多源數(shù)據(jù)的高精地圖生產(chǎn)技術(shù)及三維可視化表達(dá)[J].城市勘測，2023（2）：121-124.