一種高精度地圖質量控制與修正方法

周小迦，彭益坤

（1. 遼寧省測繪產品質量監督檢驗站，遼寧 沈陽 110034；2. 湖北億咖通科技有限公司，湖北 武漢 430100）

自動駕駛汽車研究領域的快速發展，使得規劃、感知、控制、地圖繪制和定位系統的研究急劇增加[1-6]，而高精度地圖方向自動更新與質量控制評價也一直是各地圖從業者研究的重點。當前高精度地圖仍采用半自動化與人機交互相結合的形式繪制，如何標準化評定高精度地圖質量、判斷是否達到地圖編譯標準、實現自動化糾錯是必須攻克的問題[7]。基于上述問題，李星瀅[8]等提出了一種基于高影響力評價算子HEEO 的矢量地圖質量多級模糊綜合評價方法；鄂新華[9]等提出了一種DNS 數據質量評價方法。2019年百度地圖研發了一種地圖準確度評價方法和裝置[10]。同時，HERE、TomTom、四維圖新等國內外知名圖商雖有自成一體的地圖質量檢查系統[11-12]，但檢查邏輯并不完善，如車道線高程或水平抖動檢查無法定位、車道中心線與車道線邏輯關系判斷不準確、空間拓撲buff 無法包含全部車道線等。檢查項缺失以及缺乏一套標準化高精度地圖評價檢驗體系等問題仍未解決。

本文通過研究電子地圖國家規范標準、部分車企對高精度地圖規格交付要求以及部分圖商的地圖要素檢查包，開發了一套地圖要素檢查項。依據空間拓撲關系與要素邏輯檢查，創新性地設立了S、A、B三級檢查機制，實現了程序自動查、改、報錯等功能；并根據錯誤要素重要性修改占比自動計算地圖品質率，幫助確認是否達到出品編譯標準，技術路線見圖1。

圖1 技術路線圖

1 模型設計

繪圖員根據高精度地圖數據工藝書，基于點云、照片、軌跡信息等資料制作車道級要素等。要素制作內容包括幾何（點、線、面）、關聯關系（拓撲連接關系、各要素的關聯性關系）、屬性（類型、形態、編號、方向等）3 大類，大多數要素幾何、屬性及其關聯關系是經過機器學習后算法模型根據圖像標注/點云語義分割等方式融合后自動感知輸出的，部分感知遺漏和錯誤將流轉至作業員進行修正，需檢查修正完的高精度地圖數據，控制數據質量。系統設計了對應的質量自動化控制與自動統計品質率模塊。

1.1 自動化控制模塊

該模塊主要通過自動檢查服務實現自動報錯，錯誤流轉至全自動修正或人工確認是否執行自動修正。空間拓撲關系檢查包含地圖要素（車道線、地面箭頭、車道中心線等）間是否壓蓋相交、相鄰（掛接）、相離、重疊等內容。邏輯檢查模塊負責數據間的邏輯生成、各要素間的關聯和拓撲關系檢查、數據的邏輯屬性檢查。檢查去重模塊將邏輯檢查與空間拓撲關系檢查結果匯總，自動去除相同報錯項的模塊。自動修正模塊根據報錯報表的具體錯誤內容，并利用錯誤中引用的要素主鍵或其他定位信息對所有高置信的報錯（100%確認）進行自動修改。人工確認修正模塊將所有低置信的報錯（未達到100%確認）通過數據流轉機制流轉至作業員賬號，程序可直接根據要素主鍵ID 或引用的外鍵ID 索引數據坐標定位，人工確認檢查報表以及是否需要執行自動修正。

1.2 品質率計算模塊

數據經過自動化控制模塊后將輸入品質率計算模塊，其中自動修正過濾模塊池對應所有檢查模塊中自動執行高置信自動修正的所有有效錯誤；人工確認修正過濾模塊池對應人工確認檢查報表中發現并確認執行自動修正的所有有效錯誤；錯誤匯總模塊池則對自動檢查修正與人工確認檢查修正過濾后的所有有效錯誤進行分類統計匯總，根據產品數據工藝規格書、各類數據錯誤對車端應用的影響程度，將輸出錯誤分為S、A、B級；品質率自動統計模塊負責統計各任務中各要素個數、該任務錯誤總量和錯誤分類，自動統計各要素各錯誤等級的品質率，并結合各類數據錯誤對車端應用的影響程度確定各類錯誤權重，再根據應用需求自定義配置質量分級評定模塊參數，設定S、A、B 級的權重比例，自動計算地圖品質率。模塊數據流轉見圖2。

圖2 模塊設計圖

2 實驗對象與方法

2.1 實驗設備與場景

本次實驗采用1臺采集車，配備1個Pandar-64線激光雷達、2 個HDL-32 線激光雷達、3 臺工業級相機、1 臺諾瓦泰慣導系統、1 臺BDS/GPS/GLONASS/Galileo接收機。實驗場地選擇德清無人駕駛測試場和杭州亞運會無人駕駛開放測試場（圖3）。

圖3 測試場景圖

2.2 方案設計

1）設立分組。本文進行對比實驗，分成兩組，依據實驗場景點云處理自動化成圖，甲組按規范標準制作高精度地圖，乙組在甲組的基礎上修改部分地圖要素，兩組同時提交檢查包，查看乙組是否自動修改部分錯誤，導出錯誤報告，改動部分見圖4，序號1處修改車道線折角，序號2處修改關聯左右車道線，序號3處修改壓蓋車道虛線框，序號4處修改車道分離點屬性。

圖4 改動部分示意圖

2）確定錯誤要素等級。依據產品規格書和國家相關規范，設定S 級（必改）錯誤，即必然對車道級導航造成影響的錯誤，如要素空間關系錯誤、車道屬性錯誤、車道連通性錯誤等；A 級（重要）錯誤，即大概率造成影響的錯誤，如紅綠燈關聯車道線錯誤、限速未關聯車道線、部分語義關系錯誤等；B 級（需確認）錯誤，即可能造成影響的錯誤，如桿狀物要素空間位置、車道線繪制不平滑抖動等。

3）自動修正與品質率計算。提交分組任務，查看乙組修改部分程序是否自動修正，導出各實驗任務品質率計算明細，核對結果。

2.3 計算公式

品質率計算匯總公式為：

式中，x為單要素各級別錯誤總數；θ為單要素總數。

對上述數據進行加權計算，即可得到單要素綜合品質率，即δ=S品質率×S級權重+A品質率×A級權重+B品質率×B級權重。

3 實驗結果與分析

3.1 車道線折角分析

對于車道中心線異常折角，程序可檢查車道中心線中相鄰3 個折點形成的夾角，設置第一報錯閾值，可根據線要素的平滑要求自定義設置，設置當3個折點夾角≤預設角度閾值時報錯；自動修正可根據所有線要素的異常夾角，對比周邊多個報錯組角度，抽稀刪除最小夾角組的中間折點，完成后重復檢查，直至無報錯即可。實驗結果見圖5，程序根據相鄰（1,2,3）、（2,3,4）、（3,4,5）3 組折點形成夾角≤178°報錯，根據相鄰3 個報錯組，自動刪除其中折角最小組（2,3,4）中間折點3，結果表明車道線空間拓撲關系檢查池可自動查找并修正部分錯誤。

3.2 車道中心線關聯關系分析

對車道中心線與對應關聯左右車道線的空間位置進行檢查，若中心線不位于左右車道線中間則報錯（設置中心線距離左右車道線距離差值過大報錯的第一閾值）；通過幾何計算求面積法，可判斷車道線位于車道中心線的左側還是右側，左右判斷是基于矢量線前進方向的。平面上3 點P1(x1,y1)、P2(x2,y2)、P3(x3,y3)面積的計算公式為S(P1,P2,P3)=(x1-x3)(y2-y3)-(y1-y3)(x2-x3) ，當P1P2P3逆時針時，S為正數；順時針時，S為負數。同理，判斷車道線位于中心線左右側的方法為：令中心線矢量的起點為A、終點為B，待判斷的左右側車道線矢量上的折點為C，若S(A,B,C)為正數，則C在矢量AB 的左側；若為負數，則C在矢量AB 的右側；若為0，則C在矢量AB 線上；若同一條矢量上多個折點計算的結果有正有負也有零，則C所在的矢量車道線與矢量線AB 相交或相接。通過計算左右車道線上的折點與對應關聯中心線起點終點形成的幾何面積來判斷車的中心線關聯的左右車道線的左右方位（Left/Right）是否正確。自動修正程序可根據報錯要素引用的外鍵ID，自動刪除、新建、替換拓撲關系外鍵ID。由圖6 可知，報錯log 為中心線8228 與8562 的拓撲關系多余，且中心線8228 與8561 的拓撲關系缺失，程序會根據報錯的中心線ID 刪除中心線8228 與8562 的連接關系，新建中心線8228 與8561 的連接關系。

圖6 程序自動修改關聯左右車道線

3.3 車道線屬性分析

對于車道線類型錯誤，程序可根據圖像感知識別輸出的車道線虛線框屬性，結合地面虛線框與車道線（虛線）空間位置（相交、相近、重合等）的特征及其同為虛線屬性的關聯性，檢查存在地面虛線框位置的車道線屬性的正確性，可通過檢查車道線與地面虛線框屬性的不一致性進行自動修正，改正車道線類型屬性，自動修正完成后將進行循環檢查，直至無報錯為止。

3.4 地圖品質率分析

將計算所得的品質率與預設的品質率進行對比，若單任務各等級品質率和綜合品質率均大于預設品質率，程序會通過任務流轉機制將任務流轉至統計分析模塊，統計任務各要素錯誤數量和占比；若單任務各等級品質率和綜合品質率中任意一個小于預設品質率，程序會自動將該任務標記為返工任務，流轉至作業員賬號，進行全量返工。本次實驗設定S 級占比為60%，A 級占比為30%，B 級占比為10%，實驗取部分結果見表1，結果表明該系統不僅可有效修正部分作業錯誤，還可快速公平公正計算高精度地圖品質率。

表1 實驗前后數據對比

4 結 語

系統開發涵蓋絕大部分地圖場景，整合了空間拓撲關系檢查、邏輯檢查、自動修正和自動計算品質率功能，不僅可高效快速地解決高精度地圖審查問題，而且可公平公正地評價地圖是否達到出圖標準，其自動修改功能還可極大縮小繪圖員改圖的工作量。目前該系統已成功運用于湖北億咖通科技有限公司量化生產杭州亞運會區高精度無人駕駛地圖繪制中，并已申請專利。然而，該系統仍無法覆蓋全部地圖要素場景，如匝道分離場景限速標牌無法智能控制單根車道線限速、空間立交會誤報錯誤、盤橋曲率過大會誤報車道不平滑等，因此還有改進空間。后續高精度地圖質量評價方法研究可從一些特殊場景入手完善該系統，并可在導出錯誤分析中增加機器學習模塊分析學習易錯項的正確改正方法，完善自動修改功能。