西南林业大学 云南昆明 650000
摘要:随着近几年无人驾驶等相关领域的发展,高精地图的需求越来越广泛、越迫切,与传统的车载导航地图相比,高精地图不仅具有高精度的位置信息,还有丰富的空间内容表达信息。通过数据处理中枢平台的管理与应用,高精地图可以为车辆提供精准的先验环境感知信息,通过行驶过程中与车辆其它传感器采集的数据进行融合、处理、判断,可实现车道级的自动驾驶与导航。因此,高精地图被认为是实现车路协同的重要基础,其发展也必将对无人驾驶市场产生重要影响。
高精地图需要精确表现道路空间各类要素实体的空间位置和相对关系,因此高精地图的数据采集精度要求很高,一个城市的高精地图制作完后,后续的维护及更新是更加艰巨的工作,因为只有不断的保证高精地图的现势性,才能在自动驾驶等领域具有应用价值。
对于首次的数据采集,目前主要方式是车载移动扫描,作业前应对现场进行踏勘,选择合理的时间段进行上路采集,并制定合理的采集路线,在城市中一般平均有效行驶速度在每小时30km,通常主干路需要往返采集。数据采集结束后,对原始获取的点云进行处理,主要包括滤波、配准、分类等步骤。 点云处理结束后,需要基于点云提取高精地图所需的空间元素,根据空间几何结构特征,提取的要素可分为点要素、线要素和面要素三种类型。常见的点要素包括:杆类、箱类、亭类、牌类、行道树等。点状地物需要提取点云中元素与道路面相交点的三维坐标。线要素主要包括道路边线、车道线、地面标志以及道路分割设施与路侧设施等道路要素。面要素主要包括绿化、停车位、公交车站、减速带、检查站、收费站、安全岛。若基于车载移动扫描获取的点云获取准确提取空间元素的矢量线,则需要根据具体情况进行外业补测。补测手段可以采用便携式移动扫描(背包式或手持式),或采用常规的GNSS接收机+全站仪全野外测量方式。
提取出道路要素的三维矢量线后,即可在3ds Max等软件中进行模型构建,通常是事先根据道路要素情况,建立道路要素模板库模型,然后基于提取的矢量线,并参照三维点云和全景照片,将模板库中的模型放置到制定的位置上,并调节其方向与真实朝向一致。
模型构建好以后,要使其在无人驾驶中应用,还需对所有道路要素赋予属性,进行语义化。属性信息可结合车载点云和全景照片获取的信息进行录入。 对于高精地图的数据更新,主要有两种方式,一是车载移动扫描,成本高,二是众包方案,也是目前业内所认可的方式,但是面对采集设备多样、数据标准不一致、精度质量可靠性等问题,也是面临的挑战,此外,高精度的倾斜模型也可作为高精地图更新的主要数据源。对于更新,其关键环节是如何根据采集的数据快速找到对应变化的区域并快速替换其要素模型。不管对于车载移动扫描更新还是众包方案,都需要基于同名空间位置进行数据的比对、判断和替换等步骤。相信随着测绘技术的进步,以及低成本采集设备的发展和算法的优化,高精地图在空间位置的精准性、现势性等方面不断会取得突破,从而更好的为无人驾驶提供超前感知、精准定位等服务。