發(fā)布時間：2021-03-27 10:42

　　本文提出了全息高精度導航地圖的概念,它融合了多源數(shù)據(jù),尤其是電磁傳感器、聲音傳感器、熱紅外儀等傳感器數(shù)據(jù),從更多角度為導航提供信息。在此概念基礎上,提出了一種融合多源數(shù)據(jù)的全息高精度導航地圖理論模型框架,該框架包含4個步驟:①全息道路數(shù)據(jù)采集,包含道路三維彩色激光點云、遙感影像、無人機航拍傾斜測量數(shù)據(jù)、攝像頭圖像、熱紅外圖像、聲場信號、電磁場信號;②道路靜態(tài)信息提取,從上述采集信息提取和標記得到,如車道線、路坎、欄桿、路牌、路燈、隧道等,作為無人駕駛車輛規(guī)劃基礎路線和車輛位置定位的數(shù)據(jù)基礎;③道路動態(tài)信息提取,從上述采集信息提取和標記得到,如離前后車輛的距離、前方有無行人、道路施工護欄、泛在信息等,作為檢測無人駕駛車輛周圍的實時道路環(huán)境和規(guī)劃無人駕駛車輛行駛路線的依據(jù);④動、靜態(tài)信息融合:融合道路靜態(tài)信息和道路動態(tài)信息,豐富道路信息,提高道路線精度,提高全息高精度導航地圖更新的效率,為導航和無人駕駛車輛提供地圖服務。 

【文章來源】：地球信息科學學報. 2020,22(04)北大核心CSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

3種地圖之間的關系

第一部分是全息高精度導航地圖的道路數(shù)據(jù)采集，這一環(huán)節(jié)為全息高精度導航地圖的制作奠定基礎，它主要通過全息高精度導航地圖數(shù)據(jù)采集車以及其他外部傳感器來實現(xiàn)。數(shù)據(jù)采集車通過在車輛內、外各有效位置安置傳感器進行數(shù)據(jù)采集，各類傳感器的布置和數(shù)據(jù)的集成組成了完整的全息道路數(shù)據(jù)采集系統(tǒng)。例如，在車頂放置激光雷達、高清攝像頭、GPS，用于彩色激光點云數(shù)據(jù)和坐標數(shù)據(jù)的采集；車前蓋和車后蓋放置熱紅外傳感器、聲音傳感器，用于車輛周邊實時行人的檢測和聲場信號的檢測；前后保險桿處放置毫米波雷達，用于前后近距離障礙物的檢測；另外還配置無線通訊設備、慣導等傳感器，用于數(shù)據(jù)的無線傳輸和坐標數(shù)據(jù)的推算。其他車輛外部的傳感器包括搭載在衛(wèi)星或航空飛機上的高分辨率光學傳感器、無人機傾斜航攝儀等，這些傳感器從更廣的視角、更大的范圍獲取行駛車輛的道路環(huán)境信息。具體而言，高分辨率遙感衛(wèi)星、無人機傾斜航攝儀、高清攝像頭、車載激光雷達、電磁傳感器、GPS及慣性測量儀等，用于道路靜態(tài)數(shù)據(jù)采集；高清攝像頭、車載激光雷達、電磁傳感器、GPS及慣性測量儀、熱紅外傳感器、聲音傳感器和微波雷達等，用于動態(tài)道路數(shù)據(jù)采集。另外，動態(tài)道路數(shù)據(jù)采集還包括從以互聯(lián)網、物聯(lián)網、傳感網為基本組成的泛在信息網獲取實時泛在數(shù)據(jù)，如氣象數(shù)據(jù)、動態(tài)交通路況、POI數(shù)據(jù)等。第二和第三部分分別為從全息道路采集信息中提取和標記出道路靜態(tài)信息和道路動態(tài)信息，這2個環(huán)節(jié)為全息高精度導航地圖的構建提供高精度和實時性的保障。道路靜態(tài)信息提取時首先將多源數(shù)據(jù)進行坐標轉換和數(shù)據(jù)融合，然后通過多源匹配的格網數(shù)據(jù)獲得諸如車道線、路坎、欄桿、路牌、路燈、隧道等信息，并將其存儲到數(shù)據(jù)庫中，作為無人駕駛車輛規(guī)劃基礎路線和車輛位置定位的數(shù)據(jù)基礎。道路動態(tài)信息利用多源數(shù)據(jù)提取與車輛行駛實時相關的信息，如離前后車輛的距離、前方有無行人、道路施工護欄以及泛在信息等，并通過位置關聯(lián)、實時插值等技術將所提取的動態(tài)信息與當前環(huán)境關聯(lián)，將其作為檢測無人駕駛車輛周圍的實時道路環(huán)境和規(guī)劃無人駕駛車輛行駛路線的依據(jù)。

如圖3所示，靜態(tài)道路數(shù)據(jù)主要包括高分辨率遙感影像、無人機傾斜數(shù)據(jù)、激光雷達點云數(shù)據(jù)、沿路街景圖像、沿路電磁數(shù)據(jù)以及GPS和慣性測量數(shù)據(jù)，這些多源數(shù)據(jù)分別通過相應的傳感器獲取。其中遙感影像為城市道路最新遙感影像數(shù)據(jù)。通過對衛(wèi)星遙感的解譯可以提取出城市區(qū)域內的道路網主要框架信息。傾斜測量數(shù)據(jù)主要通過無人機獲取，它的主要目的是生成三維點云。圖4為無人機航拍采集的道路點云數(shù)據(jù)示例圖。點云數(shù)據(jù)不受光照強度因素影響，并且可以根據(jù)每個點的反射強度對地物進行分類，對基于二維的遙感數(shù)據(jù)提取的道路網信息和道路線信息是非常合適的補充。道路沿線激光雷達數(shù)據(jù)主要通過車載激光雷達數(shù)據(jù)獲取。通過分析激光的時間范圍、激光的掃描角度、GPS和慣性測量結果將激光掃描點數(shù)據(jù)處理成高度精確的地理配準x、y、z坐標。道路街景圖像主要通過高清攝像頭數(shù)據(jù)獲取，目的是獲取車輛行駛過程記錄和目標識別。電磁傳感器獲取道路沿線電磁數(shù)據(jù)，用于構建靜態(tài)電磁環(huán)境。圖4 無人機采集的道路點云數(shù)據(jù)示例

【參考文獻】：
期刊論文
[1]一種基于八叉樹車載激光點云的桿式地物批量提取方法[J]. 朱清海.  測繪通報. 2019(S2)
[2]智能高精地圖數(shù)據(jù)邏輯結構與關鍵技術[J]. 劉經南,詹驕,郭遲,李瑩,吳杭彬,黃鶴.  測繪學報. 2019(08)
[3]高精度地圖技術研究現(xiàn)狀及其應用[J]. 李鑫慧,郭蓬,戎輝,唐風敏,華一丁,何佳.  汽車電器. 2019(06)
[4]構建基于Appollo的高精度地圖解決方案[J]. 周勇,劉尚魁.  電子技術與軟件工程. 2018(21)
[5]全息地圖建模與多重表達[J]. 齊清文,姜莉莉,張岸,余卓淵,王江浩.  測繪科學. 2018(07)
[6]基于混合高斯和HOG+SVM的行人檢測模型[J]. 龔露鳴,徐美華,劉冬軍,張發(fā)宇.  上海大學學報(自然科學版). 2018(03)
[7]高精度道路導航地圖的進展與思考[J]. 劉經南,吳杭彬,郭遲,張宏敏,左文煒,羊鋮.  中國工程科學. 2018(02)
[8]地圖學的未來是場景學嗎?[J]. 閭國年,俞肇元,袁林旺,羅文,周良辰,吳明光,盛業(yè)華.  地球信息科學學報. 2018(01)
[9]地理學視角下測繪地理信息再透視[J]. 閭國年,袁林旺,俞肇元.  測繪學報. 2017(10)
[10]智能城市中自動駕駛汽車工業(yè)的關鍵挑戰(zhàn)——高清地圖[J]. Heiko G.Seif,胡曉龍.  Engineering. 2016(02)

碩士論文
[1]基于三維激光雷達的自動駕駛車輛高精度地圖構建[D]. 陳貴賓.吉林大學 2019
[2]面向自動駕駛的高精度地圖優(yōu)化和定位技術研究[D]. 申澤邦.蘭州大學 2019
[3]高精度導航地圖數(shù)據(jù)道路曲率估計方法研究[D]. 王東波.北京建筑大學 2018
[4]城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D]. 葉剛.北京理工大學 2016
[5]面向安全監(jiān)控的異常聲音識別的研究[D]. 李權.湖南師范大學 2015



本文編號：3103368