一种无人驾驶车辆车道级导航地图的生成系统及方法与流程

本发明属于无人驾驶车辆技术领域，具体地涉及一种基于多源数据的无人驾驶车辆车道级高精度导航地图的生成系统及方法。

背景技术：

当前，无人驾驶车辆及关键技术的研究开发方兴未艾，越来越多的国内外汽车制造厂家、IT企业以及高校、科研院所等都在投入大量的人力和物力积极推动无人驾驶车辆、辅助驾驶系统、智能网联汽车等的研发及其商业化进程。近几年，奥迪、奔驰、通用、福特、丰田、日产、上汽、特斯拉等众多国内外汽车制造厂家以及谷歌等科技公司都尝试在2020年前后将其无人驾驶车辆投放市场。

而高精度电子地图则是推动无人驾驶车辆发展的关键因素之一。普通的导航地图精度低，信息量小，只能提供道路级别精度的地理信息，没有包含具体的车道信息、道路特征信息等数据。随着先进驾驶辅助系统和无人驾驶车辆的研发和应用，车道级别的高精度地图得到了越来越多的应用。获取了高精度的地图之后，无人驾驶车辆无需实时地感知周围环境来构建局部地图，一边探索一边前进，而是只需根据感知的周围环境，将车辆准确地匹配到电子地图中，便能使决策系统做出正确的决策。电子地图的引入，无疑能够降低感知系统的成本和检测要求，有利于无人驾驶技术的推广。另一方面，有了电子地图，决策系统就能够提前规划好运动路径，选择最合理的车道行驶，提高车辆的智能性和舒适性。

目前高精度地图的采集制作也存在其他方法，例如使用拍摄图片的方式，拍摄图片的方式成本低廉，操作便捷，但其数据采集和图像变换的工作量大，并且在路面颠簸的情况下会产生较大偏差。采用多源数据的制作方法，可以综合多种方法的优点，在各种道路条件下都能采集生成地图。

公开号为CN104089619A的中国专利(申请号201410202876.4)，该专利提供了一种无人驾驶车辆GPS导航地图精确匹配系统。该系统利用GPS导航系统把所有道路的信息都采集下来，制作出KML文本地图，在行驶过程中将GPS信息和文本地图进行匹配来矫正定位误差。该专利地图制作以及使用过程中只使用到了GPS定位信息，数据来源单一，没有利用道路上的特征信息，在隧道、楼宇间等GPS信号受干扰的场景下无法实施。

公开号为CN104573733A的中国专利(申请号201410838713.5)，该专利提供了一种基于高清正射影图的高精细地图生成系统及方法。该方法利用车载图像拍摄模块采集道路图像，得到正射影像图，结合对应的地理信息文件，生成全局地图底图，进一步标注各类地理信息数据。该方法在道路不平的情况下会使得到的地图底图产生较大的偏差，而且摄像头本身存在畸变，视野有限，全局性不够好。

技术实现要素：

本发明的技术解决问题：克服现有技术的不足，提供一种基于多源数据的无人驾驶车辆车道级导航地图的生成方法，本发明都能够结合多种地图采集方法的优点，在各种道路条件下都能够获得高精地图，并且生成的电子地图信息丰富，能够支持车道级的高精度定位、路径规划以及智能决策。

为了实现上述目的，本发明采用以下技术方案：

本发明提供一种无人驾驶车辆车道级导航地图的生成系统，包括：

离线模块，使用多种数据采集方式获取无人驾驶车辆行驶目标区域内的原始道路数据，经过离线处理，提取出多种道路信息，然后将提取结果融合生成离线全局地图；

在线模块，车辆在目标区域内自动驾驶的过程中，根据实时定位信息，提取出离线全局地图中的道路数据，绘制出以车辆为中心、固定距离范围内的在线局部地图。

所述离线模块中原始道路数据的来源包括：卫星照片或者航拍照片、车载传感器、高精度组合定位系统，车载传感器包括激光雷达和相机，高精度组合定位系统包括卫星定位系统和惯性导航系统；其中卫星照片用于获得道路之间的拓扑关系、道路长度、车道数量、车道宽度道路属性信息以及车道线、停止线路面标识信息；激光雷达用于检测道路边沿的位置和高度；相机用于检测车道线的宽度和颜色；高精度组合定位系统用于获得车辆在某一时刻的位置航向信息和某一时段内的行驶轨迹信息。

所述离线模块中道路信息的提取过程包括两种：

第一种，利用地图标注软件人工提取；

第二种，利用算法自动检测，并人工确认检测结果，去除误检的结果，补全漏检的结果。

所述离线全局地图采用分层结构存储，共两层结构，每一层数据相互关联，即：

第一层，道路级导航信息，包含道路之间的拓扑关系、道路长度、车道数量、车道宽度等道路属性信息；

第二层，车道级导航信息，包含每个路段中的各种路面标识、道路边沿的位置和高度、车道线的宽度和颜色等车道属性信息，以及车辆行驶轨迹信息。

在线模块中的在线局部地图为宽500、高750的栅格地图，其中每一个栅格代表实际道路场景中20cm*20cm大小的方块；车辆中心位于栅格地图坐标系的(250，500)处，绘制出的局部地图的范围为车辆前方100米，后方50米，左侧和右侧各50米。

本发明提供一种无人驾驶车辆车道级导航地图的生成方法，具体步骤如下：

步骤1、获取带有地理位置信息的卫星照片或者航拍照片，在相关地图标注软件上人工提取道路信息。其中卫星照片可以从相关的卫星照片提供商免费获取或者购买获得，航拍照片可以从相关的航拍照片提供商购买获得或者利用小型航拍机拍摄获得。地图标注软件可以是免费的地图软件(例如谷歌地球软件)或收费的地图软件，也可以是自行开发的卫星地图地理信息标注软件。需要提取的道路信息包括无人驾驶车辆行驶目标区域中各条道路的路段起始路点和中间路点、道路之间的拓扑关系、道路宽度、道路长度、道路形态、车道数量、车道宽度、车道类型等道路属性信息，以及每条道路中的白色实线、白色虚线、黄色实线、黄色虚线、车道停止线、人行道、道路隔离带、网格线、菱形减速标识、直行箭头、左转箭头、右转箭头、调头箭头、停车位等路面标识信息；

步骤2、人工驾驶无人驾驶车辆在目标区域内行驶，利用车载传感器(激光雷达和相机)和高精度组合定位系统(卫星定位系统和惯性导航系统)采集原始道路数据；

步骤3、利用车辆采集的激光雷达数据和相机数据，离线自动检测道路的相关特征信息，并将检测结果进行人工确认，去除误检的结果，补全漏检的结果。其中激光雷达数据用于检测道路边沿的位置和高度，相机数据用于检测车道线的宽度和颜色；

步骤4、利用车辆在目标路段上采集的定位数据，经过扩展卡尔曼滤波平滑处理，去除定位信号的跳变，生成车辆在某一条车道上的行驶轨迹；

步骤5、将步骤1、步骤3、步骤4得到的结果进行融合，生成全局离线地图。其中步骤1得到的道路属性信息、步骤3得到的道路边沿和车道线信息用于生成地图的第一层；步骤1得到的路面标识信息、步骤4得到的车辆行驶轨迹信息用于生成地图的第二层。地图第二层中的数据根据其地理位置，与第一层中的数据进行关联；

步骤6、无人驾驶车辆在目标区域内自动驾驶的过程中，根据实时定位信息，提取出离线全局地图中的道路数据，绘制出以车辆为中心，前方100米，后方50米，左右各50米范围内的在线局部地图。

本发明与现有技术相比，其有益效果如下：现有技术存在的主要问题是导航地图的数据来源单一，只能适用于某些特定的环境，并且生成的导航地图数据不够充分，无法支持无人驾驶车辆车道级别的决策规划。本发明的创新性在于，采用了多种设备作为数据来源，融合各个道路信息的提取结果，生成导航地图，因此适用性广泛、地图数据详细丰富。

(1)本发明利用包括卫星照片、激光雷达、相机、组合定位系统等多种设备作为数据来源，结合了各种传感器和高精地图采集方法的优点，在各种道路条件下都能够获得所需的无人驾驶车辆导航地图，适用范围广泛；

(2)本发明所采集和生成的地图，具有车道级别的精度，能够使得车辆在理想的情况下始终匹配定位在预定的车道内，实现车道级高精度定位；

(3)本发明在所采集生成的地图，包括有路面标识、道路边沿的位置和高度等车道属性信息，能够实现基于先验信息的在线道路环境感知和基于交通规则的车道级智能决策。

附图说明

通过参阅以下附图对非限制性实施例所做的描述，本发明的其他特征、目的和优点将会变得更加明显：

图1为本发明无人驾驶车辆车道级导航地图生成方法的流程图；

图2为车载传感器一种示例安装配置方法的示意图；

图3为合肥市离线全局地图中某一区域的示意图；

图4为合肥市离线全局地图中某一路口的放大图；

图中：激光雷达1，相机2，高精度组合定位系统信号接收天线3。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

一种无人驾驶车辆车道级导航地图的生成系统，如图1所示，包括：

离线模块，使用多种数据采集方式获取无人驾驶车辆行驶目标区域内的原始道路数据，经过离线处理，提取出多种道路信息，然后将提取结果融合生成离线全局地图；

在线模块，车辆在目标区域内自动驾驶的过程中，根据实时定位信息，提取出离线全局地图中的道路数据，绘制出以车辆为中心、固定距离范围内的在线局部地图。

其中离线模块中的原始道路数据来源包括：

卫星照片，用于提取无人驾驶车辆行驶目标区域中各条道路的路段起始路点和中间路点、道路之间的拓扑关系、道路宽度、道路长度、道路形态、车道数量、车道宽度、车道类型等道路属性信息，以及每条道路中的白色实线、白色虚线、黄色实线、黄色虚线、车道停止线、人行道、道路隔离带、网格线、菱形减速标识、直行箭头、左转箭头、右转箭头、调头箭头、停车位等路面标识信息；

激光雷达，用于检测道路边沿的位置和高度。本实施例中，激光雷达采用Velodyne公司的HDL-64E高精度激光雷达。激光雷达架设于车顶前方的位置，可以实时地感知构建车辆周围的三维场景，检测道路边沿、障碍物等信息；

相机，用于检测车道线的宽度和颜色。本实施例中，相机采用映美精公司的DFK 23G274工业相机。相机安装于挡风玻璃内侧，后视镜的位置；

高精度组合定位系统，用于获得车辆在某一时刻的位置航向信息和某一时段内的行驶轨迹信息。本实施例中组合定位系统采用NovAtel公司的惯性组合导航系统SPAN-CPT，其具有定位精度高，抗干扰性好等优点，能够满足本发明的应用需求。组合定位系统的信号接收天线位于车顶后方的位置。

图2是本实施例中，激光雷达、相机以及组合定位系统信号接收天线在车辆中的安装配置示意图，其中激光雷达1用于检测道路边沿，相机2用于检测车道线，组合定位系统信号接收天线3用于接收定位信号。

一种无人驾驶车辆车道级导航地图的生成方法，具体实施步骤如下：

步骤1、利用谷歌地球软件获取无人驾驶车辆目标行驶区域内的卫星照片，并利用软件的“添加路径”功能人工提取道路信息。需要提取的道路信息包括无人驾驶车辆行驶目标区域中各条道路的路段起始路点和中间路点、道路之间的拓扑关系、道路宽度、道路长度、道路形态、车道数量、车道宽度、车道类型等道路属性信息，以及每条道路中的白色实线、白色虚线、黄色实线、黄色虚线、车道停止线、人行道、道路隔离带、网格线、菱形减速标识、直行箭头、左转箭头、右转箭头、调头箭头、停车位等路面标识信息；

步骤2、人工驾驶无人驾驶车辆在目标区域内行驶，利用车载传感器(激光雷达和相机)和高精度组合定位系统(卫星定位系统和惯性导航系统)采集原始道路数据。其中，激光雷达采用Velodyne公司的HDL-64E高精度激光雷达，架设于车顶前方的位置；相机采用映美精公司的DFK 23G274工业相机，安装于挡风玻璃内侧，后视镜的位置；组合定位系统采用NovAtel公司的惯性组合导航系统SPAN-CPT，组合定位系统的信号接收天线位于车顶后方的位置；

步骤3、利用车辆采集的激光雷达数据和相机数据，离线自动检测道路的相关特征信息，并将检测结果进行人工确认，去除误检的结果，补全漏检的结果。其中激光雷达数据用于检测道路边沿的位置和高度，相机数据用于检测车道线的宽度和颜色。离线检测到的道路边沿的位置和高度、车道线的宽度和颜色等信息，将会作为无人驾驶车辆在自动驾驶的过程中，在线检测道路边沿和车道线的先验信息，从而提高其检测率；

步骤4、利用车辆在目标路段上采集的定位数据，经过扩展卡尔曼滤波平滑处理，去除定位信号的跳变，生成车辆在某一条车道上的行驶轨迹。得到车辆行驶轨迹之后，无人驾驶车辆在恶劣条件下，如果无法检测出道路边沿、车道线，无法将自身准确地匹配到局部地图中，可以依据车辆行驶轨迹前进。另一方面，车辆在路口转弯的时候，也可以参考行驶轨迹前进；

步骤5、将步骤1、步骤3、步骤4得到的结果进行融合，生成全局离线地图。其中步骤1得到的道路属性信息、步骤3得到的道路边沿和车道线信息用于生成地图的第一层；步骤1得到的路面标识信息、步骤4得到的车辆行驶轨迹信息用于生成地图的第二层。地图第二层中的数据根据其地理位置，与第一层中的数据进行关联。如图3是合肥市离线全局地图中某一区域的示意图。如图4是合肥市离线全局地图中某一路口的放大图；

步骤6、无人驾驶车辆在目标区域内自动驾驶的过程中，根据实时定位信息，提取出离线全局地图中的道路数据，生成以车辆为中心的在线局部栅格地图。在线局部栅格地图的大小和每个栅格代表的实际大小可以根据实际需求来定义。本发明实施例中，栅格地图宽500、高750，其中每一个栅格代表实际道路场景中20cm*20cm大小的方块。车辆中心位于栅格地图坐标的(250，500)处，因此绘制出的局部栅格地图的范围为车辆前方100米，后方50米，左侧和右侧各50米。

总之，本发明涉及一种基于多源数据的无人驾驶车辆车道级导航地图的生成系统及方法，可以应用在城区道路中的无人驾驶车辆车道级高精度定位及路径规划。本发明利用卫星照片和车辆自身传感器，提取道路信息，生成车道级导航地图。该地图对于无人驾驶车辆的作用主要有三个方面：第一，车辆在自动驾驶的过程中，可以根据实时定位信息，读取当前道路的宽度、道路边沿的位置和高度、车道线的宽度和颜色等属性信息，以此为先验信息进一步检测道路边沿和车道线，提高检测率；第二，在检测出道路边沿和车道线相对于本车的位置之后，和地图中的相关数据进行匹配，修正当前定位误差，从而实现车道级定位；第三，在车辆实现车道级定位之后，决策系统就可以做出车道级的路径规划，从而使得无人驾驶车辆能够按照实际交通规则来行驶，提高了无人驾驶车辆的智能性和舒适性。

本发明未详细阐述部分属于本领域技术人员的公知技术。

以上内容是结合具体的实施方式对本发明进行的详细说明，但并不能认定本发明的具体实施只限于这些内容。在不脱离本发明的原理和精神的前提下，本领域技术人员可以对这些实施进行若干调整、修改，本发明的保护范围有所附权利要求及其等同内容限定。