摘要:
近年来以人工智能为代表的新一代科学技术迅速发展,众多基于位置的新型服务对传统导航电子地图提出新的需求.GNSS(Global Navigation Satellite System,全球导航卫星系统)在地基等增强系统的支持下,民用消费级实时定位精度已经能达到亚米至分米级,需要与之精度匹配的导航地图共同组成高精度位置服务.尤其在交通领域,车载导航地图需要以更精细的尺度反映时空地理环境,支撑车道级交通违法事件监管与用户驾驶行为分析等.自动驾驶作为我国新一代人工智能发展规划的重要环节,也亟需高精地图弥补汽车自主感知的盲区缺陷,实现精准可靠的环境感知与定位,同时高精地图是自动驾驶时代的重要基础设施,在实时定位和路径规划上发挥关键作用,也是自动驾驶车辆获得即时动态信息的重要来源和决策基础.作为国际公认的未来出行关键一环,高精地图能够提供大量准确且语义丰富的数据来帮助自动驾驶车辆以更精细的尺度了解周边环境状况,辅助决策控制,满足智能时代多种高层次的应用需求,且其已被公认是实现L3级别及以上的自动驾驶必不可少的条件.在我国,道路交通标线中的车道线宽度一般在10-20cm之间,甚至在一些农村公路或专属专用道路的情况下,车道线宽度仅为8cm,为避免车辆驾驶过程中的压线问题,不仅对车辆自身的"感知系统"提出很高的要求,也对地图数据有着很高的精度要求.而道路交通标线作为起着管制和引导交通作用的标志,以及高精地图中道路几何,车道几何以及附属物(停止线,导流区,人行横道,箭头,文字等)要素信息及属性的来源,在高精地图中扮演着重要的角色,对其精度要求更是精益求精.因此目前道路交通标线的提取均是通过高线程的激光雷达采集密集的点云数据来完成的,但由于高线程激光雷达价格昂贵且点云数据量庞大等原因,造成高精地图生产效率低且更新复杂困难.针对上述问题,本文提出了一种基于单帧图像与稀疏点云相融合的道路交通标线提取算法.该算法首先从图像和点云中分别提取道路交通标线的边缘点及内部点坐标信息,利用相机和激光雷达的标定参数对图像和点云进行配准.然后通过边缘点与内部点互相验证剔除误检数据,剔除误检数据后,对道路交通标线边缘数据进行聚类分割,分别对分割后的道路交通标线边缘数据进行几何校正获得最终的平面坐标,边缘点高程信息则通过插值拟合确定.最后本文还提出了一种针对高精地图中道路交通标线几何表达的分类方法,并根据该分类方法对提取的道路交通标线进行分类并完成其在高精地图中几何表达.本文利用KITTI数据集中的单帧点云模拟稀疏点云数据,分别通过基于图像和点云的方法对本文算法提取的道路交通标线坐标进行验证.经验证,该算法可以准确,高效地提取道路交通标线边缘,为道路交通标线的自动化提取提供一种新型可靠的方案.
展开