路口内虚拟车道自动制图方法_刘大伟.pdf

2023 年第 6 期刘大伟:路口内虚拟车道自动制图方法引文格式:刘大伟 路口内虚拟车道自动制图方法J 测绘通报，2023(6):15-19 DOI:10 13474/j cnki 11-2246 2023 0162路口内虚拟车道自动制图方法刘大伟(北京华为数字技术有限公司，北京 100080)摘要:高精度地图在位置查找、自动导航、自动驾驶等场景中起到至关重要的作用。本文对现有高精度地图的制图方法进行了分类与总结，并指出现有制图方法存在的问题:制图效率低且没有规避障碍物，导致即使可以自动化标注路口内的虚拟车道线，但实际却不可用。本文针对现有制图方法存在的问题，设计了一种路口内可以规避障碍物(如岗亭、交通圈等)的虚拟车道线自动化制图方法。通过对北京市和上海市部分路段内的多个路口内的虚拟车道线进行自动化提取，并记录首次自动化制图提取的正确率。试验结果表明，该方法可适用于十字、X 形、Y 形、T 形等多种路口，并且自动化标注的虚拟车道线可以规避路口内的障碍物，满足绝大多数路口内的车道线自动化提取需求，因此该方法可以满足路口内虚拟车道线的自动化制图的预期目标。通过该自动化制图方法，可以快速自动标注路口内的车道线，大大提高制图人员的制图效率。关键词:高精地图;自动化制图;制图效率;虚拟车道;规避障碍物中图分类号:P28文献标识码:A文章编号:0494-0911(2023)06-0015-05Automatic mapping of virtual lanes in intersectionsLIU Dawei(Beijing Huawei Digital Technologies Co，Ltd，Beijing 100080，China)Abstract:High precision maps play a critical role in scenarios such as location finding，auto-navigation，and even autonomousdriving This paper classifies and summarizes the existing high precision mapping methods，and points out the problems of the existingmapping methods:the low efficiency of mapping，and no obstacle avoidance，which leads to the automatic marking of virtual lane linesin intersections，but it is not available in practice Aiming at the problems of existing mapping methods，this paper designs a virtuallane automatic mapping method which can avoid obstacles(such as guard booth，traffic circle，etc)in intersections The virtual lanelines in several intersections in Beijing and Shanghai are extracted automatically，and the accuracy of the first automatic drawingextraction is recorded According to the experimental results，it is proved that the method can be applied to various intersections suchas cross，X-shaped，Y-shaped，T-shaped，and so on，and the virtual lane lines automatically marked can avoid obstacles inintersections，which can meet the requirements of automatic lane lines extraction in most intersections Therefore，this method can meetthe expected goal of automatic mapping of virtual lane lines in intersections Through the automatic mapping method，the lane lines inintersections can be marked automatically and quickly，and the efficiency of the cartographers is greatly improvedKey words:high precision map;automatic mapping;mapping efficiency;virtual lane;avoid obstacle在汽车产业智能化、联网化不断推进的大背景下，高精地图作为未来智能出行的关键因素之一，受到广泛关注1-2。高精度地图在位置查找、自动导航、自动驾驶3-4 等场景中起到至关重要的作用。自动驾驶过程中，车辆按照预先在高精度地图上规划好的路径行驶，路径至少要精确到车道级别5-7。华为公司于 2019 年 7 月成功申请甲级资质，正式进入高精地图领域。抢占高精地图的市场，需要依靠更多的数据、更低的成本、更快的更新速度、更高的成图质量。相对于高速与快速路，全国约500 万 km 城市道路的高精制图工作。城市道路中路口种类繁多，且路口内经常会有各种障碍物(如岗亭、交通圈)8-10，路口内虚拟车道线人工制图效率低而且容易出错。本文主要研究路口内虚拟车道线自动化制图方法，通过该自动化制图方法，快速自动标注路口内的车道线，以期大大提高制图人员的制图效率。1现有制图方法高精度地图的制图过程11-12 通常为:首先由技术人员驾驶地图采集车，采集车辆经过区域的周围环境信息，并对所采集的各种信息进行融合处理，51收稿日期:2023-04-03作者简介:刘大伟(1985)，男，硕士，高级工程师，主要从事制图、编译工作。E-mail:Renwen0524 163 com测绘通报2023 年第 6 期生成带有颜色的电子地图;然后制图人员采用各种地图标注软件，对所得到的电子地图进行自动化或人工处理，标注出各种交通实体的交通信息(如车道线、道路指示牌、道路标识等)13-14。另外，制图人员还会标注出一些虚拟的交通信息，如路口内的虚拟车道线，包括掉头车道线、左转车道线、右转车道线、直行车道线。对于路口内的虚拟车道线，有人工标注和自动化标注两种标注15-16 方法。现有自动化标注方法没有考虑当前道路上是否存在障碍物，在路口内存在障碍物的情况下，绘图软件自动绘制的车道线很可能与道路上的障碍物相交，导致该车道线不可用。由此可知，现有的两种车道线标注方法都无法高效且准确地标注车道线，不利于提高地图上路口内虚拟车道线的标注效率和标注质量。针对以上问题，本文设计一种可以规避障碍物的自动化制图方法，以快速标注路口内的虚拟车道线，从而提高制图效率。2路口内虚拟车道线自动制图方法2.1总体方案高精度地图中的路口，与现实世界中的路口是一样的，路口的场景有很多，如十字路口、T 形路口、Y 形路口、X 形路口、错位路口、环形路口等，如图 1所示，在此不一一列举。针对各个类型的路口，采用统一的路口自动化提取设计方案，自动绘制路口内的虚拟车道线。对于复杂的路口，可以分割为两个路口，如错位路口;或者先进行路口切分，分割为多个路口面，如环形路口。分割后的路口面仍然可以采用本文的自动化方案。方案总体架构如图 2 所示，路口自动化制图主要包含方向判断模块、直行处理模块、左转处理模块，右转处理模块、掉头处理模块及自动化标注模块 6 个模块。首先，进入方向判断模块，把驶入路口的驶入车道线，根据驶入方向划分为多个驶入车道组，并为每个驶入车道组根据其驶入方向，设置一个驶入方向角;把驶出路口的驶出车道线，根据驶出方向划分为多个驶出车道组，并根据驶出方向为每个驶出车道组设置一个驶出方向角。根据驶入车道的驶入方向角、驶出车道的驶出方向角，计算每个驶入车道组与所有驶出车道组之间的方向夹角。根据方向夹角所处的范围，确定每个驶入车道组与所有驶出车道组的关系，包含左转关系、右转关系、直行关系、掉头关系。然后，根据驶入车道线的驶入行驶方向，进入到不同的方向处理模块。如驶入车道线的驶入行驶方向为掉头，则直接进入掉头处理模块。最后，在每个方向处理模块处理完成后，进入标注处理模块，自动绘制车道线。图 1路口场景图 2方案总体框架2.2道路方向关系判断方向关系处理模块的功能为:对驶入车道线和驶出车道线进行分组，根据驶入车道组与驶出车道组之间的方向夹角，确定驶入车道组与所有驶出车道组之间的行驶关系。车道组分类:驶入车道组和驶出车道组。驶入车道根据驶入方向分为不同的驶入车道组，驶出车道根据驶出方向分为不同的驶出车道组。如图 3 所示，根据驶入路口的方向，驶入车道分为 4 组:驶入车道组 1、驶入车道组 2、驶入车道组 3、驶入车道组4。根据驶出路口的方向，驶出车道分为 4 组:驶出车道组 1、驶出车道组 2、驶出车道组 3、驶出车道组 4。方向夹角计算方法:驶出车道组的驶出方向角-驶入车道组的驶入方向角。根据方向角夹角 判断驶入车道组和驶出车道组的行驶关系。驶入车道组 1 和 4 个驶出车道组的方向角范围及行驶特征的对应关系见表 1。驶入车道组 1 和驶出车道 4 的夹角落在/2，3/2 范围内，驶入车道组 1 和驶出车道 4612023 年第 6 期刘大伟:路口内虚拟车道自动制图方法之间的关系为左转关系，即:驶入车道组 1 内如有左转的车道线，则需选择驶出车道组 4 内的车道线作为驶出车道线。驶入车道组 1 和驶出车道 3 夹角落在/2，2，2 范围内，驶入车道组1 和驶出车道3 之间的关系为直行关系，即:驶入车道组 1 内如有直行的车道线，则需选择驶出车道组 3 内的车道线作为驶出车道线。驶入 车 道 组 1 和 驶 出 车 道 2 夹 角 落 在/2 ，3/2 范围内，驶入车道组 1 和驶出车道 2 之间的关系为右转关系，即:驶入车道组 1 内如有右转的车道线，则需选择驶出车道组 2 内的车道线作为驶出车道线。图 3车道组分类方法表 1方向角夹角与行驶关系对应驶入车道组驶出车道组4321驶入车道组 1/2 ，3/2 0 ，2 /2 ，3/2 入与出的特征关系左转直行右转掉头驶入车道组 1 和驶出车道 1 的夹角落在 ，范围内，驶入车道组 1 和驶出车道 1 之间的关系为掉头关系，即:驶入车道组 1 内如有掉头的车道线，则需选择驶出车道组 1 内的车道线作为驶出车道线。2.3掉头处理规避掉头处障碍物的处理流程如图 4 所示。图 4掉头处理流程首先，获取待标注路口信息，包括路口内妨碍车辆掉头的障碍物信息、路口驶入点的信息和路口驶出点的信息。其中，路口驶入点由驶入车道线靠近路口的端点确定，路口驶出点由驶出车道线靠近路口的端点确定。然后，进行障碍物判断，根据路口驶入点、路口驶出点和车辆长度信息，构建一个掉头区域，判断掉头区域内是否存在妨碍车辆在待标注路口内掉头的障碍物。最后，根据路口驶入点、路口驶出点、向路口内延伸的长度信息，标注掉头车道线。2.4右转处理识别路口内右转处的障碍物信息，标注路口内右转车道线。首先，获取待标注路口信息、路口内物体的信息、驶入车道线、驶出车道线、路口驶入点的信息和路口驶出点的信息。然后，进行障碍物判断，根据路口内的驶入点、驶出点及驶入车道线和驶出车道线向路口内延伸的交点，判断路口内是否存在妨碍车辆右转的障碍物。最后，根据路口驶入点、路口驶出点、交点、在驶入点向路口延伸的驶入长度和在驶出点向路口内延伸的驶出长度，标注右转车道线。71测绘通报2023 年第 6 期2.5直行处理识别路口内直行的障碍物信息，标注路口内直行车道线。首先，获取待标注路口信息、路口内物体的信息、驶入车道线、驶出车道线、路口驶入点的信息和路口驶出点的信息。然后，进行障碍物判断，根据路口内的驶入点和驶出点，判断路口内是否存在妨碍车辆直行的障碍物。最后，根据路口驶入点、路口驶出点、在驶入点向路口延伸的驶入长度、在驶出点向路口内延伸的驶出长度和障碍物的交点，标注直行车道线。2.6左转处理识别路口内左转处的障碍物信息，标注路口内左转车道线。首先，获取待标注路口信息、路口内物体的信息、驶入车道线、驶出车道线、路口驶入点的信息和路口驶出点的信息。然后，进行障碍物判断，根据路口内的驶入点、驶出点及驶入车道线和驶出车道线向路口内延伸的交点，判断路口内是否存在妨碍车辆左转的障碍物。最后，根据路口驶入点、路口驶出点、在驶入点向路口延伸的驶入长度、在驶出点向路口内延伸的驶出长度和障碍物的交点，标注左转车道线。2.7自动标注处理根据输入的控制点信息绘制车道线，包括掉头车道线、直行车道线、左转车道线、右转车道线。绘制的车道线以单独曲线、直线+曲线、曲线+直线或直线+曲线+直线的形式显示。3方案验证及结果3.1测试路段为了验证本文方法的有效性，试验选取两个测试路段。分别为上海市区内 500 km 中的部分路口和北京市内自动驾驶测试路段 160 km 中的部分路口的路网数据，共计 507 个路口。根据该方案，实现自动化提取功能，提取这 507 个路口内的虚拟车道线。3.2测试结果选取了部分路口内虚拟车道线自动化提取的实例，如图 5 所示。掉头时，需要跨越人行横道的车道线自动化提取;掉头时，规避障碍物的车道线自动化提取;右转时，规避障碍物的车道线自动化提取;左转时，规避障碍物的车道线自动化提取;直行时，规避障碍物的车道线自动化提取;左转时，避免与对向车道相冲突的车道线自动化提取。针对不同测试路段的数据，记录每个数据源的路口数量，并记录首次提取的路口数量，计算正确提取率。见表 2。该方案可以在 507 个路口内，自动化提取车道线的正确率约为 95%。该方案适用于多场景路口内车道线的自动化提取。图 5提取实例表 2测试结果数据源路口数量/个正确提取率/(%)北京数据 22889北京数据 11994.7北京数据 31190.9北京新数据 1、2、3、44192.75上海 51，52，85、测试场景二52100上海线路 1，上海场景 4，测试数据34100上海场景 3，4，5+6，11，上海线路 17196.78上海场景25198.84结语本文提出了路口内的虚拟车道线，需要规避障碍物的自动化制图方法，包括路口周边车道关系判断、掉头车道线规避障碍物的自动制图、右转车道线规避障碍物的自动制图、左转车道线规避障碍物的自动制图、直行车道线规避障碍物的自动制图方法;并选取北京市和上海市部分路段内的路口，进行了自动化制图验证，自动化制图率达 95%。该方案可以满足绝大多数路口内的车道线自动化提取需求，以及路口内虚拟车道线的自动化制图的预期目标，为提升制图效率打下了良好的基础，并成功向前迈出一大步。但是对于路口内更复杂的实际路况(如障碍物多种多样、摆放位置多样等)，仍只能进行人工标注，后续需要在这方面进行深入研究。812023 年第 6 期刘大伟:路口内虚拟车道自动制图方法参考文献:1陈宗娟，孙二鑫，李丹丹，等 高精地图现状分析与实现方案研究J 电脑知识与技术，2018，14(22):270-272 2陈辰，刘少山 高精地图在无人驾驶中的应用EB/OL 2018-05-212023-02-01 http:/36kr com/p/5060994 html 3王媛媛 考虑不确定性的无人驾驶汽车轨迹规划算法研究 D 长春:吉林大学，2021 4罗大威 自动驾驶汽车路面异常检测和规避方法研究 D 重庆:重庆大学，2021 5张瑞卫 一种城市低等级道路高清地图要素生产流程与方法 J 测绘通报，2021(S2):91-94 6岳柄剑 基于多源多目标统计信息融合的智能网联车云定位方法研究 D 长春:吉林大学，2021 7李彬，王来强，范琳，等 顾及点云邻域特征的道路里程推算方法实现 J 地理空间信息，2021，19(12):22-26 8黄文锋，陈鹏辉，魏少明，等 基于毫米波雷达的生命特征检测方法 C/第十三届全国 DSP 应用技术学术会议论文集 杭州:s n ，2021 9郭富成，王庆国，万婕 路网实时交通状态数据采集与分析 J 地理空间信息，2021，19(12)84-88 10 冉国成，伍慧 湖南省道路运输营运车辆事故预测 J 科学技术创新，2021(36):177-180 11 孔德智 基于遥感卫星影像道路识别结果的道路骨骼提取与自动生成补全D 西安:西安电子科技大学，2021 12 汤建凤 基于 LiDAR 数据的正射影像制作 1 2000地形图研究 J 铁道勘察，2015，41(6):8-13 13 赵长相，李军 基于深度学习算法的跨江通道交通流量预测研究J 甘肃科学学报，2021，33(6):51-55 14 王伟娜 基于无人机航测技术的道路交叉口空间信息提取方法 J 机械与电子，2021，39(12):54-57 15 李晗 三维 GIS 在智慧城市中的应用分析 J 智能建筑与智慧城市，2021(12):30-31 16 苏瑶 基于 GIS+BIM 的空间数据可视化研究 J 自动化与仪器仪表，2021(12):28-31(责任编辑:杨瑞芳)(上接第 14 页)5何发尧，李昕昕 AMT 预测驾驶功能系统构建时间分析研究 J 汽车实用技术，2020，45(18):63-65 6大陆集团 与电子地平线相结合的自适应巡航控制 J 汽车工艺师，2015(8):78-79 7ADASISForumADASISv3protocolspecificationv3.1.0 EB/OL 2018-10-012022-8-20 https:/adasis org/8虹明 大陆汽车 eHorizon(电子地平线)节油解决方案 J 汽车与配件，2016(17):33 9杨振凯，华一新，訾璐，等 浅析高精度地图发展现状及关键技术 J 测绘通报，2021(6):54-60 10 孟立秋 自主导航地图的昨天、今天和明天 J 测绘学报，2022，51(6):1029-1039 11刘静华，葛为燎，董志 自动驾驶的高精度路网地图数据 模 型 研 究J 测 绘 科 学，2022，47(3):202-208 12 詹骄，郭迟，雷婷婷，等 自动驾驶地图的数据标准比较研究 J 中国图象图形学报，2021，26(1):36-48 13 蔡忠亮，雷飞仪，蒋子捷，等 无人驾驶小车的地图驱动机制研究 J 测绘地理信息，2021，46(5):1-7 14王冕 面向自动驾驶的高精度地图及其应用方法 J 地理信息世界，2020，27(4):109-114 15 文振宇 基于多源信息融合的车辆测速与定位技术研究 D 长沙:湖南大学，2021 16 王少槐 基于 GPS 轨迹的路网生成与地图匹配算法研究 D 广州:华南理工大学，2019 17 王琛博，罗鹏飞，冯烙烙，等 地图在汽车行业的应用场景研究 J 汽车实用技术，2021(24):162-165 18 高正 园区场景自主泊车分层规划与运动控制研究 D 长春:吉林大学，2022 19 高工智能汽车产业研究院 自动泊车(APA/AVP)行业发展蓝皮书(20212025)EB/OL 2022-8-20 https:/view inews qq com/media/6057241 20 周宝定，杨程景，顾祉宁，等 环境语义信息辅助的室内停车场车辆定位方法J 测绘通报，2022(6):6-11(责任编辑:杨瑞芳)91