融合多源數(shù)據(jù)的高精度道路地圖的構(gòu)建

李春輝 趙越 黃剛

摘??要：為提高高精度道路地圖的制作效率，提出采用融合多源數(shù)據(jù)的方式構(gòu)建高精度地圖。根據(jù)道路特征及類型，選用車載激光雷達(dá)（Light?Detection?and?Ranging，LiDAR）、無人機(jī)攝影測量以及人工采集三種技術(shù)獲取數(shù)據(jù)源，分別進(jìn)行點云、圖像以及矢量數(shù)據(jù)處理，構(gòu)建高精度道路地圖并進(jìn)行精度評定。試驗結(jié)果表明，多源數(shù)據(jù)可實現(xiàn)不同道路場景下的數(shù)據(jù)采集，為高精度地圖快速構(gòu)建和更新提供參考。

關(guān)鍵詞：高精度地圖?車載激光雷達(dá)?無人機(jī)?精度評定

中圖分類號：P28

Construction?of?High-Definition?Road?Maps?Integrating?Multi-Source?Data

LI?Chunhui1*??ZHAO?Yue2??HUANG?Gang1

（1.Beijing?Mingli?Surveying?and?Mapping?Technology?Co.，?Ltd.；2.Tukrin?（Beijing）?Technology?Co.，?Ltd.，?Beijing，?100016?China）

Abstract：In?order?to?improve?the?production?efficiency?of?high-definition?road?maps，?this?paper?proposes?to?construct?high-definition?maps?by?the?method?of?integrating?multi-source?data.?According?to?the?characteristics?and?types?of?roads，?this?paper?selects?three?technologies：?vehicle-mounted?light?detection?and?ranging?（LiDAR），?UAV?photogrammetry?and?manual?collection，?to?obtain?data?sources，?and?processes?point?cloud，?image?and?vector?data?respectively?to?construct?high-definition?road?maps?and?evaluate?accuracy.?The?experimental?results?show?that?multi-source?data?can?realize?the?data?collection?in?different?road?scenarios，?which?provides?a?reference?for?the?rapid?construction?and?update?of?high-definition?maps.

Key?Words：High-definition?map;?Vehicle-mounted?light?detection?and?ranging;?Unmanned?aerial?vehicle;?Accuracy?assessment

在自動駕駛領(lǐng)域，高精地圖可為行車提供標(biāo)牌輔助、超視距規(guī)劃、定位輔助以及感知補(bǔ)充等方面的功能。道路信息由駕駛?cè)俗R別向機(jī)器識別轉(zhuǎn)變。目前，對于高精度地圖的構(gòu)建多采用車載激光雷達(dá)（Light?Detection?and?Ranging，LiDAR）技術(shù)獲取道路信息[1]，該方法獲取道路信息全面且精度較高，但存在覆蓋范圍小、效率低、成本高的缺點[2]。因此，本文根據(jù)道路類型的不同，選擇多種道路信息獲取方法，在滿足高精地圖精度要求的基礎(chǔ)上，以低成本、可量化的方式實現(xiàn)高精地圖的快速構(gòu)建和更新。

1?技術(shù)路線

相對于傳統(tǒng)的導(dǎo)航地圖，高精道路地圖采集過程更精細(xì)與復(fù)雜。根據(jù)不同的測量儀器適用于不同的場景，可將道路分為3個不同的等級。一是簡易路段，如高速公路、城市快速路、省道等。該類道路結(jié)構(gòu)相對簡單，交通線簡潔；人行道較少，多為直線行駛；交通指示標(biāo)志也比較少。二是復(fù)雜路段，如道路兩旁綠植較多，道路交通線復(fù)雜且多人行道等。三是特殊路段，如隧道、大橋等特殊路段。對于簡易道路，由于遮擋較少，且交通線簡單，可采用無人機(jī)進(jìn)行車道線的采集；對于復(fù)雜路段，車道線較多，且道路車輛和行人較多，因此采用獲取信息更豐富的車載激光LiDAR配合全景影像采集道路數(shù)據(jù)；對于特殊路段，定位信號較差，可采用傳統(tǒng)的測繪方式獲取道路信息。總體技術(shù)路線如圖1所示。

2?關(guān)鍵技術(shù)

2.1點云數(shù)據(jù)處理

道路點云的提取是車載激光LiDAR制作高精度道路地圖的基礎(chǔ)[3]。根據(jù)路面的反射率、反射強(qiáng)度以及空間特征進(jìn)行路面的提取。由于車載LiDAR是從中心點向兩側(cè)發(fā)射激光信號，因此道路的點云數(shù)據(jù)呈現(xiàn)中間強(qiáng)度高、兩側(cè)強(qiáng)度低的特征。距離雷達(dá)近的激光點云強(qiáng)度高，點云較為密集；距離雷達(dá)鏡頭遠(yuǎn)的激光點云則較為稀疏，且強(qiáng)度較低[4]。因此需要將掃面的點云數(shù)據(jù)分區(qū)域進(jìn)行指示線提取。

采用最大類間法（OSTU），設(shè)定閾值提取道路指示線。OSTU法實現(xiàn)的基本思想是提取的目標(biāo)與背景值差異較大，并且目標(biāo)物與背景值內(nèi)部的圖像灰度差異較小，可直接根據(jù)灰度值進(jìn)行目標(biāo)物的提取[5]。由于道路圖像相對簡單，該方法效率高且易實現(xiàn)，對于簡單的圖形效果明顯。

2.2影像數(shù)據(jù)處理

對于快速路、高速路等高等級道路，車道線的寬度、長度以及顏色等規(guī)格基本一致，可劃分為簡單路段。因此，可根據(jù)車道線的影像特征和空間特征進(jìn)行車道線的提取。

無人機(jī)獲取的影像采用RGB顏色，對于車道線的提取，可先轉(zhuǎn)換為HSL格式，這對于白色的車道線提取更加明顯。同樣采用OSTU法對車道線進(jìn)行閾值分割，也可提取車道線。

3?高精度地圖制作

3.1道路要素分類

首先需要明確高精道路地圖需要采集的道路要素，按照道路要素的類型分為點要素類、線要素類和面要素類，各類數(shù)據(jù)如表1所示。

3.2數(shù)據(jù)采集

3.2.1線路規(guī)劃

在實際開展工作前要對整體的測量路線進(jìn)行規(guī)劃，對于城市中較為繁華的街道，需根據(jù)道路寬度和LiDAR的掃描寬度進(jìn)行調(diào)整，對于較寬的路段需要往返測量，對于較窄的路段則可一次性覆蓋測量。對于較為復(fù)雜的十字路口，包括交通指示燈、人行橫道以及車道指示線等多種信息，需要安排好測量路線，確保不遺漏目標(biāo)地物。對于隧道區(qū)域，定位信號不好，需要采用傳統(tǒng)的數(shù)字測圖技術(shù)進(jìn)行數(shù)據(jù)的采集，可通過車載全景像機(jī)獲取隧道內(nèi)部的照片對數(shù)據(jù)進(jìn)行補(bǔ)充。隧道內(nèi)部道路要素相對簡單，且道路標(biāo)志多為重復(fù)，因此工作量較少。對于較為開闊的道路，周邊建筑物和植被遮擋較少，可采用無人機(jī)大范圍采集數(shù)據(jù)。

3.2.2基準(zhǔn)站的布設(shè)

對于車載LiDAR、無人機(jī)航飛等設(shè)備采集外業(yè)數(shù)據(jù)，其定位精度關(guān)系到地圖成果的精度，因此需要提高測量設(shè)備的定位精度。車載LiDAR、無人機(jī)航飛在接受GNSS定位信號的同時，可采用增設(shè)基準(zhǔn)站的方式，實現(xiàn)定位信號的差分，提高定位精度[6]。

在城市街道中，可將基準(zhǔn)站布設(shè)于街道附近的樓頂平臺，優(yōu)點是無遮擋、信號覆蓋范圍廣，設(shè)置的基準(zhǔn)站距離間隔為5?km左右；在無人機(jī)航飛區(qū)域，將基準(zhǔn)站沿道路兩側(cè)呈帶狀分布布設(shè)，距離道路不大于5?km，基準(zhǔn)站間的間隔不大于15?km；對于隧道、橋底等信號較弱區(qū)域，在隧道口采用RTK布設(shè)控制點，采用傳統(tǒng)的數(shù)字測量方式獲取內(nèi)部的道路信息。

4?數(shù)據(jù)處理

根據(jù)道路各要素的點云反射強(qiáng)度特征和幾何特征，采用自動化處理為主、人工提取為輔的方式進(jìn)行道路要素提取。采用點云數(shù)據(jù)關(guān)鍵技術(shù)，根據(jù)道路邊緣及車道指示線的點云反射強(qiáng)度及幾何特征，根據(jù)最大類間法原理，自動識別車道標(biāo)志線。將識別的點云數(shù)據(jù)進(jìn)行矢量化，并重新與點云數(shù)據(jù)疊加，通過人工識別的方式將自動識別存在問題的區(qū)域進(jìn)行調(diào)整與糾偏。

將基于點云數(shù)據(jù)提取的矢量化數(shù)據(jù)與全景像片進(jìn)行疊加，根據(jù)照片及實地調(diào)查信息，錄入道路各類要素的數(shù)據(jù)，如道路名稱、指示線示意、類型等。通過符號化和地圖整式工作將基于點云數(shù)據(jù)獲取的高精度地圖要素編輯成圖。

4.2無人機(jī)影像圖數(shù)據(jù)處理

無人機(jī)獲取的道路影像中含有行駛的車輛，本文以車輛與道路的光譜特征差異性為區(qū)分依據(jù)，采用多影像之間的互補(bǔ)，即一張影像發(fā)現(xiàn)有車輛信息，則可采用前后無車輛信息的部分進(jìn)行補(bǔ)充。若存在靜態(tài)車輛，即多張照片共同區(qū)域內(nèi)都存在相同的車輛，無法采用照片進(jìn)行彌補(bǔ)，則可根據(jù)車道像元差異將車輛剔除。以試點區(qū)域路段的路口為例，將動態(tài)、靜態(tài)車輛剔除后，結(jié)果對比如圖2所示。

在道路提取時，可根據(jù)公開地圖（Open?Street?Map，OSM）數(shù)據(jù)進(jìn)行輔助道路提取。OSM數(shù)據(jù)坐標(biāo)系為WGS—84坐標(biāo)系，數(shù)據(jù)存在一定的偏差，因此在使用時，以影像數(shù)據(jù)為基礎(chǔ)，將OSM數(shù)據(jù)經(jīng)平移、旋轉(zhuǎn)等處理后與影像道路數(shù)據(jù)基本保持一致。OSM基本與研究區(qū)域道路范圍相重合后，將OSM兩側(cè)緩沖10?m生成掩膜數(shù)據(jù)，將掩膜數(shù)據(jù)裁切影像，用于后續(xù)道路數(shù)據(jù)提取，可極大地減少數(shù)據(jù)處理工作。

將處理后的道路影像采用區(qū)域識別的方法提取道路范圍線，并根據(jù)車道線與道路面的顏色差異提取車道線。采用非OTSU閾值分割法獲取二值化的車道線，如圖3所示。

5?精度評定

選取構(gòu)建高精地圖上較為明顯的特征點，在地圖上量取點位坐標(biāo)，并采用RTK技術(shù)測取對應(yīng)點位的坐標(biāo)，采用三角測量方法獲取高程值。將二種數(shù)值進(jìn)行對比，計算中誤差如表2所示。

從表2中可以看出，車載LiDAR制作的高精度地圖平面精度優(yōu)于0.05?m，高程精度優(yōu)于0.03?m；無人機(jī)航攝影像制作的高精度地圖平面精度優(yōu)于0.08m，高程精度優(yōu)于0.05?m，滿足L3級別[7]的自動駕駛所需的精度地圖要求。

6?結(jié)語

高精度地圖的快速構(gòu)建及更新是影響自動駕駛技術(shù)發(fā)展的重要因素，傳統(tǒng)采用單一車載LiDAR進(jìn)行數(shù)據(jù)獲取，不僅效率低，而且成本較高。本文根據(jù)道路場景不同，分別采用車載LiDAR、無人機(jī)攝影測量以及人工測量補(bǔ)充的方式，根據(jù)眾多數(shù)據(jù)源構(gòu)建高精度地圖。結(jié)果表明：多源數(shù)據(jù)構(gòu)建的高精道路地圖滿足精度要求，可極大地降低數(shù)據(jù)采集成本，提高數(shù)據(jù)采集效率。

參考文獻(xiàn)

[1] WANG?X?L，QIAN?Y?Q，WANG?C?X，?et?al.?Map-Enhanced?Ego-Lane?Detection?in?the?Missing

Feature?Scenarios[J].?IEEE?access，2020，8：?107958-107968.

[2] 李凱.基于三維激光點云和圖像數(shù)據(jù)融合的語義地圖構(gòu)建[D].北京：中國礦業(yè)大學(xué)，2022.

[3] 馮昶，杜清運，范曉宇，等.高精動態(tài)地圖基礎(chǔ)平臺眾源更新技術(shù)路線研究［J］.測繪地理信息，2023，48（1）：10-15.

[4] 王彬.基于多傳感器融合的高精度地圖生成方法研究[D].重慶：重慶大學(xué)，2021.

[5] 尹彤，黃鶴，郭遲，等.面向自動駕駛的高精地圖生產(chǎn)技術(shù)及數(shù)據(jù)模型標(biāo)準(zhǔn)化探討[J].中國標(biāo)準(zhǔn)化，2021（4）：33-37.

[6] 梁宗正，童楊.高精度地圖國內(nèi)外發(fā)展現(xiàn)狀及對策[J].科技中國，2021（1）：13-16.

[7] 呂曉成.高精地圖道路矢量化模型表達(dá)規(guī)則探討[J].北京測繪，2023，37（1）：19-25.