基于車載LiDAR 數據的高精道路地圖制作

王 越，何 偉，周 琳，彭小婷，李 維

（1. 武漢市測繪研究院，湖北 武漢 430022；2. 武漢大學遙感信息工程學院，湖北 武漢 430079）

目前，國內外已開展了一些利用車載LiDAR數據進行高精道路地圖制作的相關研究[1-9]。但總體而言，國內相關研究的起步較晚，且已開展的研究主要集中在理論和實驗階段，尚未形成較為完整的基于車載LiDAR數據進行高精道路地圖生產的技術路線。

在武漢市作為全國首個新型基礎測繪建設試點城市的背景下，本文選取武漢市中心城區約3 km2范圍作為實驗區域，利用車載移動測量系統快速采集該范圍內各市政道路、道路交叉口及沿街附屬部件設施的幾何和紋理信息，以獲取的點云數據為底圖半自動化地提取各類道路專題要素的三維矢量信息，最終形成一套基于車載LiDAR數據進行高精道路地圖制作的流程，并通過生產實踐證明了本文方法的可行性。

1 高精道路地圖制作流程

利用車載激光掃描技術制作高精道路地圖主要包括外業數據采集、點云數據處理和點云測圖3個步驟，總體流程如圖1所示。其中，外業數據采集是獲取三維道路環境信息的重要基礎性工作，目的是快速獲得高精度、高密度的道路點云數據；點云數據處理是保證點云精度質量的關鍵環節，主要包括點云坐標轉換、位置糾正以及點云去噪等內容。點云測圖是高精道路地圖制作的核心內容，在地面點提取的基礎上，對部分典型道路專題要素進行自動識別，再結合街景全景影像，在三維測圖軟件中采集道路及附屬部件設施的空間位置及屬性信息，最終構建全要素的高精道路地圖。

圖1 基于車載LiDAR技術的高精道路地圖制作流程圖

2 外業數據采集

車載移動測量系統是一種以汽車為載體的移動型三維激光掃描系統，它能夠快速獲取道路及路側的高精度三維空間信息，是目前城市道路環境三維信息采集最有效的方式之一。本文利用“HiScan-VUX”型車載移動測量系統進行外業數據采集，如圖2所示。該系統由激光掃描儀（LiDAR）、定位定姿系統（POS）、高清全景相機、里程計（DMI）以及計算機控制系統組成。

圖2 “HiScan-VUX”型車載移動測量系統

外業數據采集包括任務規劃、數據采集和數據解算3個階段：

1）任務規劃。根據測區資料和現有路網數據，制定外業數據采集計劃。一是結合測區路網分布情況，設計最優線路，并提前規劃采集順序，以確保道路數據采集的連貫性；二是合理安排外業時間，盡量選擇理想的天氣和時段進行采集，以保證全景影像的質量和點云數據的完整性。

2）數據采集。數據采集分為移動測量車、CORS基準站和外業控制點采集三部分：①移動測量車按計劃路線勻速行駛，控制車速在40 km/h以內，盡量按一個方向采集一整段道路數據，并按照“先主道、后輔道”的順序對雙向6車道以上的道路進行多次往返采集，以獲取全覆蓋、高密度的道路點云。當車輛行駛在高架橋下或高樓密集區等GNSS信號較差的路段時，為避免出現POS數據無法解算的情況，需嚴格控制GNSS失鎖時間，及時結束測站做靜止觀測。②CORS基準站：本文采用實驗區域內武漢市連續運行衛星定位服務系統（WHCORS）的觀測數據作為基準站，與移動測量車GNSS 流動站進行聯合差分解算與定位。③外業控制點：為提高點云的整體精度，沿采集路線按折線方式布設一定數量的控制點分別作為糾正點和檢查點；在GNSS信號遮擋較為嚴重的地方，控制點應適當加密。

3）數據解算。采集完成后，需對LiDAR、POS、DMI 等原始數據進行融合解算等預處理。首先利用POS和WHCORS數據計算出移動測量車軌跡；接著將軌跡及POS姿態數據與車載LiDAR激光回波數據進行融合，以獲得點云的三維坐標；最后將點云與全景影像進行融合，以實現兩者的高精度配準。

3 車載點云數據處理

車載點云數據處理是進行道路專題要素采集前的重要工作。點云作為道路專題要素矢量化的底圖數據，其精度是決定最終高精道路地圖成果質量的重要保證。因此，需對初始解算得到的點云數據進行必要的處理，以保證點云精度能夠滿足要素提取及測圖要求。

1）點云坐標轉換。經數據解算得到的初始點云坐標基準為WGS-84 坐標系，而城市測繪成果通常采用地方獨立坐標系。WGS-84坐標系到地方坐標系的轉換可分為平面坐標轉換和高程基準轉換兩部分。本文采用的平面坐標系統為武漢2000坐標系（WH2000），高程系統則采用1985國家高程基準。采用七參數法進行WGS-84 與WH2000 坐標系間轉換參數的計算，為求取3個平移參數、3個旋轉參數和1個尺度參數，至少需要3 個以上的地面控制點。WGS-84 坐標系的高程系統采用的是大地高，而1985 國家高程基準為正常高，二者之間存在高程異常差值。本文通過實驗區域內高精度、高分辨率的似大地水準面精化成果獲取高程異常精確值，以實現高程基準之間的轉換。

2）點云位置糾正。點云位置糾正是改善點云精度質量的關鍵環節。由于GNSS 定位誤差、IMU 定姿誤差等因素，點云的位置精度受環境條件的影響較大，使得同一路段的重訪點云間可能存在一定的幾何偏差。尤其對于高樓、高架橋密集的中心城區，GNSS信號遮擋較嚴重，容易導致同一路段往返觀測的多時相點云之間存在分米級甚至米級的位置偏差[11]，這將嚴重影響后續點云測圖的準確率和精度。當重訪點云間互差不能滿足點云精度要求時，若通過布設密集外業控制點來改善點云精度，實施難度較大且人工成本高。為了減少外業控制點數量，本文采用一種由粗到精的點云配準全局優化策略[11]，分三步進行點云相對位置改善：①根據點云誤差分布情況，對點云進行篩選和分段；②提取分段點云的同名特征并進行特征匹配，實現分段重訪點云間的兩兩配準；③對分段改正后的配準點云進行優化調整，完成點云相對位置糾正；再利用測區內均勻分布的少量控制點對整體點云進行絕對位置改正，優化全局點云的位置精度。此外，將一部分控制點作為檢查點，對糾正后的點云精度進行驗證，最終應滿足《車載移動測量數據規范》（CH/T 6003-2016）中車載激光點云類Ⅰ級精度的要求[12]。當精度檢查不合格時，通過加密控制點，重新進行點云分段糾正，直到滿足要求為止。

3）點云去噪。通過點云去噪對數據進行優化：一是通過點云后處理軟件自動剔除噪聲點云，并濾除行進中的車輛、行人等與提取目標無關的點云；二是根據現有路網數據的道路寬度信息建立一定的緩沖區，去除道路范圍外的點云，以減少數據冗余。

4）地面點提取。地面點提取是點云分類和要素提取前的必要準備工作。由于車道標線等路面標識通常位于道路表面，其點云高程坐標接近于路面高度，而道路兩側路燈、電線桿、行道樹等均超出路面高度。因此，可結合軌跡數據按高程進行過濾，分離出道路面所在一定高度范圍內的點并將其劃分為地面點，而道路面以上為非地面點。

4 高精道路地圖制作

4.1 道路要素分類

高精道路地圖制作開始前，需確定待采集的道路專題要素對象及內容，以明確道路要素的類型、幾何形狀及屬性字段等信息。根據要素幾何形狀特征的不同，可將道路專題要素劃分為線要素、面要素及點要素[13]。其中，線要素用于構建三維道路的場景基礎，如路邊線、車道標線、護欄等路側分隔設施；面要素用于表達占據一定空間范圍的道路面狀信息，如綠化帶、公交車棚、停車位和安全島等；點要素用于表示道路附屬部件設施的位置信息，如路燈、道路標牌、信號燈和箱體等。

4.2 點云測圖

以道路點云為基礎，對部分典型道路專題要素進行自動提取和分類，再按照“線-面-點”要素的順序依次進行人工采集和修補測，最終制作的高精道路地圖以“線劃圖+數據庫”的方式進行存儲，具體流程如下：

1）要素自動提取。點云特征提取是描述點云形態結構的關鍵，也是實現道路專題要素自動提取的基礎和前提。為提高要素采集效率，本文選取了幾類典型的道路專題要素進行自動提取：①道路標志線：利用道路標志線較其周圍路面具有較高點云反射強度的特性，根據點云反射強度投影生成特征圖像，運用圖像處理的成熟算法進行道路標志識別，然后將提取結果反算至原始點云，最后通過模板匹配進行標志準確分類[14]；②道路邊界線：基于已分離出的地面點，生成面向道路邊界的超體素，再通過聚類進行路坎（路緣石）的識別、跟蹤與優化，最終獲得較完整的道路邊界線[15]；③桿狀地物（如電桿、路燈等）：根據桿狀地物的幾何和形狀特性,利用圓柱模型粗略確定桿狀地物的大致位置，再結合預先建立的訓練樣本，通過機器學習實現桿狀地物自動識別[10]。圖3 顯示了實驗區某路段的點云自動分類及要素提取結果。

圖3 道路專題要素自動提取效果圖

2）要素人工提取。利用MappingFactory點云測圖軟件，對無法實現自動識別的道路專題要素采用人工提取。以車載點云為底圖，進行點、線、面等道路專題要素的矢量提取和快速繪制，實現“即測即顯、一次成圖”。對點云遮擋較為嚴重的區域，容易出現要素漏測或錯采，應做好記錄并及時外業修補測。

3）要素屬性錄入。高精道路地圖相較于傳統地圖具有更豐富的道路要素屬性信息。在實現車載點云和全景影像精確配準的前提下，在測圖軟件中同時打開點云和全景窗口，通過選擇軌跡點位置和調整全景視角，實現點云和全景窗口聯動。接著，基于聯動窗口同時完成要素定位和類型判斷，錄入地物名稱、類型、形狀、角度等屬性信息，并通過軟件自動批量生成要素編號及所屬道路名稱等信息。最后，通過外業調繪對缺失或無法判斷的要素屬性信息進行補充與核實。

4）編輯成圖。在完成全部高精道路地圖要素的采集后，進行要素符號化和圖面整飾等一系列編輯處理，經質量檢查合格后，即完成高精道路地圖制作。

4.3 實驗區高精道路地圖制作結果

本文選取的實驗區（范圍線如圖4a）位于中國湖北省武漢市江漢區，實驗區面積約3 km2，區域內市政道路總里程約為21 km。實驗區地處城市核心，路網較為發達，道路交通環境相對復雜，為高精道路地圖生產實驗提供了較充分的數據源。

按照前文高精道路地圖制作流程，以車載移動測量系統采集的高精度、高密度的激光點云為參考底圖，綜合自動提取和人工采編的要素矢量化結果，共提取實驗區道路專題要素16 萬余個。圖4b 展示了所制作的實驗區高精道路地圖的全局效果；圖5 為實驗區內某路口的地圖細節放大圖；圖6 展示了高精道路地圖與車載點云的疊加效果。地圖成果顯示，利用車載點云構建出的高精道路地圖充分保證了道路場景的完整性，具有比傳統線劃地形圖更為詳盡的道路要素信息，可準確還原車道級道路、道路交叉口及沿街附屬設施的空間布局。

圖4 實驗區范圍及對應的高精道路地圖全局效果

圖5 某路口的高精道路地圖細節圖

圖6 高精道路地圖與車載點云疊加效果圖

為了進一步驗證本文方法的可行性，利用外業控制點對所制作的高精道路地圖成果進行精度評價。在實驗區內，沿道路均勻選取較明顯的特征點（如道路標識線拐點等）作為檢查點，綜合應用RTK和全站儀實測各檢查點的平面和高程坐標，與點云測圖成果坐標進行對比，并計算平面點位中誤差及高程中誤差等指標。表1 為實驗區高精道路地圖的精度評價結果，結果表明，實驗區高精道路地圖的總體平面精度優于0.1 m、高程精度優于0.05 m，已達到實現L3 以上級別自動駕駛所需的靜態高精地圖的精度要求[11-12]，同時也能滿足城市1∶500地形圖修測更新的需求。

表1 實驗區高精道路地圖精度評價

5 結 語

車載LiDAR技術作為一種精細化的道路三維空間信息記錄手段，為城市路網信息的快速獲取更新及道路場景的三維環境構建提供了新的技術路徑。本文設計了一套從移動測量車數據采集、點云數據處理到高精道路地圖制作的完整流程，并以武漢市部分市政道路為例開展了制圖生產實驗，成果精度可滿足L3以上級別自動駕駛及城市1∶500 地形圖修測更新的要求。隨著車路協同一體化應用需求的逐漸增強，可以預見，高精度道路地圖將在自動駕駛、交通仿真以及智慧城市建設等領域發揮更大的作用。