一种基于智能网联汽车的高精度动态地图生成与应用方法与流程

本发明涉及一种高精度动态地图平台，尤其是关于基于智能网联汽车的动态地图生成及应用。

背景技术：

高精度动态地图作为智能交通、智能城市应用的基础，是随着人工智能技术的发展而逐渐成熟和应用的技术，人工智能技术对高精度地图采集、更新、生产、应用的各个环节发展具有重要的作用，而同样高精度动态地图作为数据内容也应用基于人工智能技术为核心的智能网联汽车运营系统上。

现有的自动驾驶应用的基础地图，一种是传统导航图商广泛采用的通过测绘结合制图工艺生产的矢量地图，一种是ai企业通过传感器(激光、视觉)结合算法众包生产的感知地图。矢量地图技术路线从数据采集、加工处理到数据发布，将地图数据存储为一个完整的空间数据库，但是它是一静态地图。基于不同传感器生成对应的感知地图，包含动态半动态信息，能够快速被汽车理解，但是信息量大，有无用信息。

自动驾驶车辆也向云中心索取地图信息更新，高精度动态地图数据容量庞大，因此用户终端(自动驾驶车辆)在获取地图云中心的更新升级时需要采取一定策略，减少数据传输量，缩短车辆获取数据的时间。目前的几种模式有：

(1)预装增量更新模式

预装增量更新模式是非常成熟的传统地图数据更新模式。为了减少地图数据的传输，需要将地图数据预装到设备中，对于变化周期较长的数据可以优先考虑预装。当地图数据发生变化时，地图云中心仅将变化的增量信息发送给车辆，车辆在接收到数据后，将数据融合进入地图数据中。当地图云中心发现重大数据变化可能引发行车安全时，采取主动发送强制更新。其他的一般更新时，车辆根据需求进行请求更新。

(2)部分预装加在线推送模式

部分预装加在线推送模式也需要在出厂前将完整版本数据一次性安装到设备上，但随后的数据更新将通过无线网络推送到设备端。这种更新模式可以做到实时更新，避免了因更新不及时造成数据不可信的问题。该模式需要车辆设备端具备无线网络通讯能力。

(3)在线全量更新模式

完全在线访问模式无需出厂前将完整版数据安装到设备上，它通过提供在线数据服务的方式，允许设备端根据当前位置向服务器请求指定路径或一定范围内所有可通行路径对应的数据，在线服务中心端根据请求条件实时抽取数据回传到车辆设备端。该模式彻底解决数据更新的问题，不需要人为更新。随着云计算、大数据处理技术的成熟和5g通讯发展，这种模式将可能成为主流模式。

增量更新是一种复杂的模式，容易出错。在线全量更新的模式可以确保数据不出错，但是这种模式不仅依赖于网络通讯，同时对通讯传输速率和在线服务能力有极强的要求，网络流量大，成本较高。

还有一个重要的问题是，现在的高精度动态地图都只是单向应用，只是由车商、图商和云平台提供给车辆使用，而没有将车辆的动态信息反馈给地图，这对于自动驾驶控制是一屏障。

建设高精度动态地图基础平台，汇聚交通动态信息和车辆传感器信息形成动态高精度地图发布平台，给基础地图进行更新应用，从而解决高精度地图资源共享，众包更新，向oem车厂提供高精度地图产品的服务，将是未来发展所需。未来动态地图运营平台将会既是高精度地图制作平台，也是智能网联汽车应用平台的一部分。

技术实现要素：

鉴于当前人工智能、高精度地图、智能网联汽车系统这三者之间的发展关系，本发明提出了一种基于智能网联汽车的高精度动态地图生成与应用方法，该方法实现了高精度地图数据的采集、编制、更新、应用各个环节的闭环运行，使得智能网联汽车既是地图数据的生产者，也是地图数据成果的应用者，不断为地图提供更新信息。

本发明采取的方案如下：一种基于智能网联汽车的高精度动态地图生成与应用方法，其特征在于，基于云平台以及地图基础数据，包括：

s1：动态信息采集的过程，其中所述动态信息包括交通动态信息和车辆动态信息；

s2：动态信息处理的过程，其中包含对所述动态信息清洗、分类、编码、定位的过程；

s3：动态信息发布的过程；

s4：动态信息数据与基础数据融合差分计算，形成动态差分数据的过程；

s5：动态差分数据结合基础数据以及附加数据进行编译，形成高精度静态差分地图的过程；

s6：结合所述动态信息与高精度静态差分地图形成高精度动态地图的过程。

进一步地，还包括车辆通过地图引擎实时获取所述高精度动态地图，作为行为决策依据的过程。

进一步地，还包括车辆将新感知的信息，以及与高精度动态地图做感知差分的信息再次上传到云平台，作为下一轮数据更新依据的过程。

进一步地，所述车辆基于深度学习的智能感知识别，与高精度动态地图做感知差分计算。

进一步地，所述动态信息利用基础数据中相应的信息位置，加载到基础数据中，形成基于基础数据的动态信息。

进一步地，所述动态信息利用与基础数据同样的编码机制，结合信息位置参考，建立基础数据与动态信息数据的融合连接关系。

进一步地，所述基础数据利用动态差分数据进行融合更新，检查基础数据中其他关联信息是否同步更新，如果都同步更新，才能进行编译。

进一步地，所述编译，为全量编译或增量编译。

本发明构建形成四个层面的自动驾驶动态地图系统，包含静态部分，半静态部分，半动态部分，动态部分。其中动态、半动态部分信息来源于车辆和交通信息。车端的行驶状态数据(如实时位置、车身姿态、驾驶行为、各类传感器数据)和实时交通数据等等通过运营网联汇聚到动态云平台，在云平台通过对动态数据进行分析、处理、融合，并和静态基础数据的位置参考计算，同时形成基于位置参考数据的实时动态地图，并通过网络平台发布给车辆终端；同时动态信息与高精度基础地图差分融合计算后，形成在线高精度差分地图，又发布到车辆进行规划决策，形成车辆既是应用者也是生产者的高精度地图信息运营闭环。

本发明的其他特征和优点将在随后的说明书中阐述，并且部分的从说明书中变得显而易见，或者通过实施本发明而了解。

附图说明

图1为高精度动态地图生成方法的流程；

图2为动态信息的来源示意；

图3为动态信息处理过程；

图4为动态差分处理过程。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明。但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。

对于自动驾驶车辆而言，本发明的目的是提供一种高精度动态地图供其应用，这种高精度动态地图和传统地图不一样，本发明将高精度动态地图制作为具有四个层面的地图，最基础层面是完全静态的高精度三维地图，比如道路规划，建筑物等，这层地图数据一般情况下不会改变，更新周期长，所以更新时间可以按月或天来计；次上面是半静态地图，其上叠加交通管制信息、道路施工信息和气象信息等，这类信息有变化，但是不快，所以更新时间可用小时或分钟来计；再上面是半动态地图，包括路面随时的事故信息、拥堵信息和天气等，这类信息更新时间可以设定为小于1分钟；最上面是全动态信息，这类信息实时在更新，包括车辆、行人行走状况等，在汽车自动驾驶过程中信息传输需要时间最短的是车对车的信息，所以这类信息更新需要用秒计。

因此，高精度动态地图是智能网联汽车运营过程中的生态信息流。高精度动态地图的生成和应用，将会是一闭环生态循环体系，它在静态地图的基础上加入交通行业数据，车厂回传信息，以及实时的交通信息、环境信息等，形成采集、处理、发布、服务、反馈的生态循环机制。鉴于此，本发明提供一种高精度动态地图的生成方法，处理过程在智能云平台上汇聚、处理、编译、发布等，供给智能网联汽车自动驾驶应用，并由智能网联汽车自动驾驶动态反馈信息，提供更新。

具体的地图生成方法，包括以下过程，如图1所示：

1.动态信息获取

云平台采集实时动态信息，实时动态信息包含两个来源，一个是交通动态信息，一个是车辆动态信息。交通动态信息包括道路交通信息、天气信息、应急信息、临时养护等，车辆动态信息包括用户信息、车辆传感器信息、感知差分信息等，如图2所示。交通动态信息和车辆动态信息汇聚到一起，构成实时动态信息。

2.信息汇聚

云平台存储有地图基础数据(基础数据在动态循环更新中指最近更新的一次数据)，地图基础数据中包含有关于要素、关系、属性等分类信息，原始数据可由图商、车商、交管等部门提供。

交通动态信息和车辆动态信息到云平台后，利用基础数据中相应的信息位置，加载到基础数据中，形成基于基础数据的动态信息。

3.智能清洗

基于基础数据的动态地图信息，有些可能是对于智能交通无用的信息或者有重复的信息，因此需要对无用无效的信息剔除。根据信息的来源(车辆、厂商、图商或国家指令)，判断信息的置信度，对信息进行甄别；然后通过对交通历史信息和当前信息的关联性，判断信息是否有用，进行过滤清洗。

4.聚合分类

经过清洗后的数据是有效利用的数据，将这些信息按照基础数据架构关系进行合并分类，形成动态信息数据。。

5.数据编码

利用编码机制，将动态信息在地图中的信息位置参考和道路id(基础数据中设置有数据原始编码和各种id)，建立基础数据与动态信息数据的融合连接关系。

6.融合连接计算

融合连接计算是将动态信息数据与基础数据进行差分计算，获得差分数据，并做标记，同时也将差分数据存储到基础数据中。差分计算可以采用现行任何可行方法。

7.发布

差分数据分为两个方向发布。

7.1一方面，动态信息数据与基础数据进行差分计算，把动态差分数据传给基础数据，基础数据利用这些动态差分信息进行融合更新，检查基础数据中其他相应的关联信息是否同时更新，如果都同步更新，则基础数据更新质量达标生成；然后将基础数据再加上附加数据后进行编译，此处附加数据包括车商、图商、具体车辆临时加入的个性化数据，与基础数据无关，与动态信息无关，用于增加服务支持的一些个性化数据。

编译，将更新后的基础数据连带附加数据，基于高精度地图应用的物理格式进行编译。将更新信息编译到基础地图中，再发布出去，形成基于基础地图的差分高精度静态地图。对于信息更新量小，实时性要求高的可采用增量编译，对于变化大，更新周期求长的可采用全量编译。同时编译形成地图导航信息后，也上传到云平台，可供其他应用这采用。

7.2另一方面，动态信息数据与基础数据建立融合连接关系，将带有位置参考的动态信息数据实时发布出去，形成实时动态信息。

8.驾驶高精度动态地图的生成

将实时动态信息加载到高精度静态地图中，形成高精度动态地图，根据车辆感知和高精度动态地图匹配生成的带有感知差分信息。高精度动态地图可提供给车辆使用，同时感知差分和车辆传感器信息也上传到云平台供其他使用。

9.驾驶高精度动态地图的循环更新与应用

智能网联汽车通过地图引擎实时获得经过更新的高精度动态地图，应用该动态地图信息作为下一步行为决策的依据。

与此同时，车辆以及交通方面又将更新的动态信息上传给云平台，作为下一轮地图更新的依据，如此循环，构成动态地图更新的闭环运行。更新时间可以设置为秒级，如周边的人物和车辆信息；可以设置为分钟级更新，如交通事件、状况、流量、急救信息、天气等；可以设置小时级更新，如交通管制信息、养护信息、交通信息、大范围天气；可设置天数级更新，如交通标识，道路改造；可设置月份级或年份级更新，如道路重新规划。

进一步地，智能网联汽车还可以做感知差分计算，将差分信息实时上传，构成车辆动态信息上传给云平台，新的感知信息和差分的感知信息一并上传给云平台，供下一轮地图更新使用和动态信息发布给所有车辆。再进一步地，感知差分计算，是基于基于深度学习的感知计算，以高精度地图引擎实时三维匹配智能识别后，基于地图的更新差分感知计算，基于特征压缩规格化。

进一步地，在信息的动态处理过程中，如图3所示：

用户信息、车辆传感器信息等，其中有关于隐私的信息，在上传前进行匿名处理。关于天气信息、道路交通信息，可做网格聚化处理。

聚合分类，按区域、道路信息、点状事件等由点及面划分。

基于位置参考的数据编码，形成的有拓扑关系的构建、属性信息的构建和要素关系的构建。

进一步地，在动态信息差分处理过程中，如图4所示：

静态基础数据与动态信息数据的融合连接计算，是高精度地图形成动态地图的过程，是动态信息位置参考构建动态差分计算的过程，在形成差分信息时，动态信息是基于基础数据的数据编码，与基础数据编码要匹配，形成的也是拓扑关系差分数据、属性信息差分数据和要素关系差分数据。加入基础数据后，在未来的更新数据中，发布的更新数据也有拓扑关系的更新、属性信息的更新和要素关系的更新，构成高精度基础差分更新数据，同时将构建为根据信息更新频率按以小时、分钟、毫秒为单位的实时动态信息。

经过位置构建的动态信息有两方面作用，一是将实时动态信息直接提供给车辆参与决策计算，一是经过与静态基础数据差分后形成差分数据，供基础地图更新使用。

本发明利用智能网联汽车提供地图动态更新的内容，然后又利用更新后的地图为车辆导航，导航后的车辆环境动态变化，上传平台后播放，作为周边车辆实时动态信息决策信息，又作为地图下一步更新的依据，如此周而复始，形成车辆和地图的闭环应用者即数据生产者的闭环。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。