面向港口无人集卡的高精地图制作方法与流程

本发明属于地图制作领域，尤其涉及一种面向港口无人集卡的高精地图制作方法。

背景技术：

随着自动化技术与无人驾驶技术发展，自动化集装箱码头是港口未来发展趋势，由于集装箱码头场景特殊性，如何准确获取高精度地图，用以推广普及无人化港口成为一大难题。现实生活中，基于激光点云和图像生产高精度地图的方法只有在车道线实际存在时才能有效。对于没有车道线的路口高精地图的获取，通常是生产高精度地图的自动化软件基于一定的规则自动生成或者是制图人员凭借个人经验勾画出来的。但是，有些时候该种方法并不能满足自动驾驶的需求。尤其对于港口集装箱卡车，其行车轨迹比较特殊，一般自动化程序或地图制图员很难生产出满足无人集卡自动驾驶需求的路口。因此，在激光点云和图像基础上结合一些其他的手段生产出面向港口无人集卡的高精度地图意义重大。

技术实现要素：

本发明的目的在于克服上述技术的不足，提供一种面向港口无人集卡的高精地图制作方法，采用激光点云和图像处理相结合方式，解决了在港口特殊场景下路口没有车道线的瓶颈，制作出无人集卡的高精度地图。

本发明为实现上述目的，采用以下技术方案：一种面向港口无人集卡的高精地图制作方法，其特征是：分为有车道线和道路标识的道路部分以及无车道线和道路标识的路口部分；采用激光点云和图像处理相结合的方式，提取道路部分的车道线和道路标识；利用gps和imu组合导航系统采集集装箱卡车的行车轨迹；将行车轨迹和车道线、道路标识点集转换到统一坐标系下；截取出路口部分的行车轨迹，制作路口轨迹平行线，保证与路口连接的道路能够相互连通。根据车道间的纵横向拓扑关系，利用生成的车道线和路口轨迹平行线，构建符合opendrive标准的车道模型，制作面向港口无人集卡的高精地图。

所述无车道线和道路标识的路口部分，利用gps和imu组合导航系统采集集装箱卡车的行车轨迹，从轨迹中截取出路口部分的行车轨迹，更进一步的参考车道线宽度信息，制作路口轨迹平行线，保证与路口连接的道路都能互相连通。

所述提取道路部分的车道线和道路标识，采用激光点云和图像处理相结合的方式，对于由于gps信号丢失、道路标识符号库不全面而造成信息缺失情况，利用摄像头采集到的图像信息，采用人机交互的方式，补足激光点云识别过程中缺失的信息。

所述车道间的纵横向拓扑关系，其中车道间的纵向拓扑关系由车道的前驱后继关系表征，车道间的横向拓扑关系由车道序号表征，依据车道方向、车道连接关系和车道邻接关系，构建符合opendrive标准的车道模型。

有益效果：针对港口特殊场景下路口没有车道线的瓶颈，一般自动化程序或地图制图员也很难绘制满足无人集卡自动驾驶需求的路口，本发明采用激光点云和图像处理相结合的方式制造面向港口无人集卡的高精度地图。

附图说明

图1是本发明的高精地图制作方法框架图；

图2是高精地图实施步骤图。

具体实施方式

下面结合较佳实施例详细说明本发明的具体实施方式。

详见附图，本实施例提供了一种面向港口无人集卡的高精地图制作方法，分为有车道线和道路标识的道路部分以及无车道线和道路标识的路口部分；采用激光点云和图像处理相结合的方式，提取道路部分的车道线和道路标识；利用gps和imu组合导航系统采集集装箱卡车的行车轨迹；将行车轨迹和车道线、道路标识点集转换到统一坐标系下；截取出路口部分的行车轨迹，制作路口轨迹平行线，保证与路口连接的道路能够相互连通。根据车道间的纵横向拓扑关系，利用生成的车道线和路口轨迹平行线，构建符合opendrive标准的车道模型，制作面向港口无人集卡的高精地图。

所述无车道线和道路标识的路口部分，利用gps和imu组合导航系统采集集装箱卡车的行车轨迹，从轨迹中截取出路口部分的行车轨迹，更进一步的参考车道线宽度信息，制作路口轨迹平行线，保证与路口连接的道路都能互相连通。

所述提取道路部分的车道线和道路标识，采用激光点云和图像处理相结合的方式，对于由于gps信号丢失、道路标识符号库不全面而造成信息缺失情况，利用摄像头采集到的图像信息，采用人机交互的方式，补足激光点云识别过程中缺失的信息。

所述车道间的纵横向拓扑关系，其中车道间的纵向拓扑关系由车道的前驱后继关系表征，车道间的横向拓扑关系由车道序号表征，依据车道方向、车道连接关系和车道邻接关系，构建符合opendrive标准的车道模型。

实施例

一种面向港口无人集卡的高精地图制作方法，硬件方案如下：两个velodyne16线激光雷达，无人集卡车头左右两侧各安装一个，可视范围为270度，距地面高度1.5米；三个basler+kowo相机，其中一个固定于前挡风玻璃内，用于前视，另外两个分别固定于车身左右侧，距地面高度1.5米；导航系统采用导远的ins550组合导航系统安装在车顶正中。该方法特征是：采用激光点云和图像处理相结合，提取道路标识，而获取有车道线的道路信息；利用gps和imu获取无人集卡行车轨迹生成无车道线路口连接的车道线依据，制作出无人集卡的高精地图，具体步骤如下：

步骤一、采用激光雷达获取激光点云；

安装在无人集卡车头左右两侧的两个velodyne16线激光雷达每秒输出30万个测量点数据，测量直线范围100米，垂直测量角度范围±15°，水平方向测量角度范围360°，可采集无人集卡周围环境包括距离值、物体反射率、旋转角度等数据。

步骤二、利用gps和imu获取的无人集卡的位置和姿态以及激光雷达的内外参数进行点云拼接；

利用采集到的激光点云数据结合导远ins550gps和imu组合导航系统进行点云拼接。点云拼接的过程如下所述：考虑gps可实现长时间定位，但由于频率较低，所以在其一个更新周期内，采用imu进行数据定位，两者结合通过gps载波相位差分定位技术获取激光雷达的位置参数，通过惯性测量单元(imu)测定激光雷达的姿态参数，能够实现较为精确的实时定位；再由激光雷达的外参和位姿决定每一帧点云的变换矩阵，进一步地将每一帧点云从各自的局部坐标转换到统一的全局坐标下，具体的由激光雷达获取的点云数据所采用的坐标系统是以激光雷达当前位置为原点，激光雷达的天顶方向为z轴正方向，车前进方向为y轴正方向，车体右侧为x轴正方向的三维直角坐标系。因此，每帧激光点云的坐标系统都是不一致的，所以需要利用如下式(1)所示变换矩阵进行转化至以utm(通用横轴墨卡托投影)投影坐标系横轴为x轴正方向，utm投影坐标系纵轴为y轴正方向，正常重力线向上为z轴正方向的全局坐标系统。

xt＝δx+r(ε)x

其中xt＝[xyz]^t是转换后坐标，δx＝[δxδyδz]^t为平移向量，x＝[xyz]^t为待转换坐标。

r(ε)＝r(α)r(β)r(θ)(2)

步骤三、利用激光点云的高程属性，区分路面点和非路面点；

采用数据滤波算法对点云数据的高程信息进行滤波，识别出路面点和非路面点。激光点云扫描的点云数据按照扫描顺序存储，每两个相邻点都是实际地表的相邻点，所有数据按存储顺序连线后，实际坐标位置连续呈“z”字型线条，本实施例中滤波算法原理是：激光点云中任意一点pi，若在pi邻域内高程差dzi小于给定的阈值limt_dz,且坡度slopei小于其给定的阈值limt_slope，则pi认为是路面点，反之就是非路面点，分类函数为：

其中，0表示路面点，1表示非路面点，高程阈值limt_dz＝100.81m，坡度阈值limt_slope＝8°。

步骤四、从路面点中提取车道线和道路标识包括左转标识、直行标识、待转区标识等；

依据步骤三中获取的车载激光雷达路面点的点云数据中可以轻松区分道路和车道线，由于具体的激光雷达获取的三维点云数据可以看成一个局部均值变点模型，每一激光层采集的可行驶区域内的回波强度值就是一组输出序列，其回波强度值变化的点就是所要求的车道线及道路标识的点集，进一步只需在每一激光层采集的可行使区域内回波强度值输出序列中检测是否有变化点，若存在则标记并提取这些变点即为车道线和道路标识的点集。进一步利用最小二乘法基于车道线点集拟合出车道线，而道路标识与符号库中存在的符号进行匹配提取；

步骤五、利用摄像头采集到的图像信息补充激光点云识别缺失的信息；

对于激光点云数据采集不佳或由提取算法导致的车道线提取例如车道线缺失、重复等不完整的情况，利用三个basler+kowo相机，其中一个固定于前挡风玻璃内，用于前视，另外两个分别固定于车身左右侧采集到的每帧图像信息采用人机交互的方式进行校正补足；

进一步比如有些道路标识在符号库里找不到相匹配的符号，就根据图像通过人工勾勒的方式提取该道路标识，并将其添加至对符号库，使符号库更加完善。

对于某些路段gps信号接收不佳导致激光雷达拼接结果不理想情况，同样需要通过人工方法将车道线进行补全。

步骤六、利用gps和imu获取集装箱卡车行车轨迹；

本实施例中，采用导远ins550组合导航系统采集集装箱卡车的行车轨迹；

步骤七、将gps和imu获取的集装箱卡车行车轨迹从wgs84坐标系转换到统一的坐标系统以utm(通用横轴墨卡托投影)投影坐标系横轴为x轴正方向，utm投影坐标系纵轴为y轴正方向，正常重力线向上为z轴正方向的坐标系统，使其能与利用激光点云提取的车道线在同一坐标体系下；

步骤八、从集装箱卡车行车轨迹中截取出路口部分的轨迹；

步骤九、参考车道线宽度信息，制作路口轨迹平行线，保证与路口连接的道路能够互相连通；

步骤十、将得到的车道线和路口轨迹的平行线,根据车道间的拓扑关系，具体的由车道纵向的拓扑关系-连接关系由车道的前驱后继关系表征，车道横向的拓扑关系-邻接关系由车道序号表征，综上依据车道方向、车道连接关系和车道邻接关系构建符合opendrive标准的车道模型，制作出面向港口无人集卡的高精地图。

本发明的原理是一方面使用激光雷达得到激光点云，激光点云区分出路面点和非路面点，从地面点可以进一步区分识别出车道线和道路标识，当激光点云获取的信息缺失时由摄像头采集到的图像信息补足；另一方面使用gps(全球定位系统)和imu(惯性测量单元)来获取集装箱卡车的行车轨迹，对于有车道线的道路，通过激光点云获取到的车道线与gps和imu采集的卡车行车轨迹投影到同一投影坐标系下进行匹配，对于无车道线的路口依据获取的无人集卡轨迹参考车道宽度信息做轨迹平行线作为车道线。

上述参照实施例对该一种面向港口无人集卡的高精地图制作方法进行的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。