基于路侧传感器的高精度动态地图数据处理系统及方法技术方案

本发明专利技术公开了一种基于路侧传感器的高精度动态地图数据处理系统及方法，该系统包括：地图数据采集端，为高精度地图生成服务端提供海量、多元化的地图道路原始数据；高精度地图生成服务端包括：地图数据处理模块，将地图道路原始数据进行道路特征提取，对所有的道路特征采用分层设计，将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图；地图生成可视化模块，在俯视投影图上标注道路信息，标注完的道路信息和俯视投影图共同组成高精度地图的地图数据，将地图数据进行可视化编辑，生成高精度动态地图。本发明专利技术能降低高精度地图的生成成本；实现高精度动态地图的快速更新。

Roadside sensor with high precision dynamic map data processing system and method based on

The invention discloses a roadside sensor with high precision dynamic map data processing system and method based on the system includes a map data acquisition terminal, providing massive and diversified road map data for the high precision map server; high precision map generation service end includes a map data processing module, the road map data road feature extraction, using the hierarchical design of road features all, combining the same road information, road to finish road feature feature level data fusion, finally in the image level complete image stitching, stitching the projection map generation road view; map visualization module, annotation of road information in downward projection map the end of the road map, data annotation information and overlooking the projection map composed of high precision map, the map number According to visual editing, a high-precision dynamic map is generated. The invention can reduce the generation cost of the high-precision map and realize the fast updating of the high-precision dynamic map.

【技术实现步骤摘要】

本专利技术涉及计算机
，具体涉及一种基于路侧传感器的高精度动态地图数据处理系统及方法。
技术介绍
当前，随着自动驾驶技术的快速发展，高精度地图重要性日益凸显，已成为实现无人驾驶和智能交通不可或缺的重要一环。现有导航地图精度一般不高，并且以整条道路作为对象提供道路信息数据或进行导航指令发布，这种导航地图称之为道路级别地图，是对实际交通环境的大幅度简化，能提供的信息内容少，精确度低，对驾驶员的辅助能力较低。自动驾驶所需要的地图不仅要具备高精度，还要拥有大量丰富的道路周边细节，普通地图导航精度只能达到米量级，高精度地图可精确到10cm级别，不仅增加了车道属性相关数据，还增加了高架物体、防护栏、障碍物、道路边缘类型、路边地标等多种类型数据。多元异构的海量地图数据需要占用大量存储空间，单图层的高精度地图无法满足实时更新的需求。深度学习、图像识别等技术在高精度地图领域的应用，能够大幅度提升地图数据采集和处理效率。自动驾驶技术和用户需求的不断提升，对高精度地图的数据容量、精确程度、更新频率等提出了更高的要求，传统的地图数据采集绘制方式存在诸多技术瓶颈，利用图像识别、大数据处理、深度学习等人工智能技术，能够自动识别交通标志、地面标志、车道线、信号灯等，实现全景图像自动化提取道路及POI信息，提高数据加工效率和更新频次，保证数据的准确性。目前高精度地图的生产大多由专业的工作人员重新采集所有的道路信息，并计划采集完成后周期性地对大部分区域重新更新。这种方法的采集设备往往是安装了激光雷达等专用设备的采集车。三菱和丰田等日本汽车厂商联合日本图商Zenrin正在制作三维的动态地图。其计划是采用装有高端传感器的专用汽车对道路进行侧绘，第一步是覆盖日本300公里的主要高速公路。Here、TomTom和谷歌也采用类似方式制作三维地图。国内的传统图商高德通过装配2个激光雷达和4个摄像头的方式来满足所需要的10cm级别精度。腾讯、百度、四维图新等公司也在用类似的方式制作高精度地图。上述用专门的车载传感器采集的原始地图信息准确性很高，然而存在以下问题：1)、车载设备成本居高不下，使用激光雷达采集信息精度高，全局性好，但成本高昂，数据量大，且生成图像为反射率图像，与现实景物存在差异；2)、数据处理效率较低，地图数据采集到实现地图更新的周期长，会出现在地图更新时实际路况特征属性状态早已改变的现象，无法及时有效反应实际道路的动态特征信息，阻碍位置服务的快速发展，降低了无人驾驶的安全性和可靠性；3)、采集到的数据是稠密的点云，数据密度极大，消耗大量的计算资源，且后期地图通信量高；4)、采集的道路特征信息内容有限，针对有些特定的道路特征需要特定的传感器(如温湿度、道路积水等天气相关的动态特征数据)完成数据采集，因此车载采集方式无法满足自动驾驶对高精度地图内容方面的需求。因此，如何低成本、高效且准确地生产或更新高精度地图是亟待解决的问题。
技术实现思路
有鉴于此，为了解决现有技术中地图采集方式数据量大、处理困难、成本高、地图更新周期长的问题，本专利技术提出一种基于路侧传感器的高精度动态地图数据处理系统及方法，通过路侧传感器和AI技术实现高精度地图生成，成本低、生成结果能实时有效反馈道路特征当前的状态，为自动驾驶提供准确的驾驶辅助信息。本专利技术通过以下技术手段解决上述问题：一种基于路侧传感器的高精度动态地图数据处理系统，包括：地图数据采集端，用于为高精度地图生成服务端提供海量、多元化的地图道路原始数据；高精度地图生成服务端，用于根据地图数据采集端提供的海量、多元化的地图道路原始数据生成高精度动态地图；所述高精度地图生成服务端包括：地图数据处理模块，用于将地图道路原始数据进行道路特征提取，对所有的道路特征采用分层设计，将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图；地图生成可视化模块，用于在俯视投影图上标注道路信息，标注完的道路信息和俯视投影图共同组成高精度地图的地图数据，将地图数据进行可视化编辑，生成高精度动态地图。进一步地，所述地图数据采集端包括：图像数据采集模块，用于采集海量的地图原始道路图像数据；路况数据采集模块，用于采集海量的地图原始道路路况数据。进一步地，所述地图数据处理模块包括：图像数据预处理单元，用于将地图原始道路图像数据进行图像校正、图像坐标变换、图像投影变换的预处理，预处理后相邻位置的图像数据采集模块采集的图像重叠区能够对齐；道路特征提取单元，用于从地图原始道路图像数据中识别道路动态特征；根据现有导航地图进行精细化特征建模，得到道路静态特征；通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半静态特征和道路半动态特征；道路特征设计单元，用于从内容上对所有道路特征进行分层设计，第一层为道路静态特征，第二层为道路半静态特征，第三层为道路半动态特征，第四层为道路动态特征；多维道路信息融合拼接单元，用于将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后将预处理后的图像在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图。进一步地，所述道路特征提取单元包括：动态特征提取子单元，用于利用深度学习、图像识别的相关AI技术建立一个深度学习道路动态特征识别模型，采用深度学习道路动态特征识别模型从地图原始道路图像数据中识别道路动态特征；静态特征提取子单元，用于根据现有导航地图进行精细化特征建模，得到道路静态特征；半静态特征提取子单元，用于通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半静态特征；半动态特征提取子单元，用于通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半动态特征。进一步地，所述多维道路信息融合拼接单元包括：道路特征融合拼接子单元，用于将提取的所有道路特征按照特征分层进行拼接，先拼接静态特征，最后融合动态特征；图像拼接子单元，用于将预处理后的图像进行融合拼接成一张基础的俯视投影图。进一步地，所述地图生成可视化模块包括：地理信息标注单元，用于在俯视投影图上标注道路信息，标注完的道路信息和俯视投影图共同组成高精度地图的地图数据；地理信息校准验证单元，用于对标注完的道路信息进行校准验证；地图生成单元，用于将地图数据进行可视化编辑，生成高精度动态地图。进一步地，所述图像数据采集模块为摄像头，所述路况数据采集模块包括GPS、温湿度传感器、积水传感器。进一步地，所述摄像头为城市交通所用的安防监控摄像头和物联网智慧路灯杆上挂载的摄像头；GPS为当前智慧城市中的GPS基站，温湿度传感器、积水传感器为物联网智慧路灯杆上集成的温湿度传感器、积水传感器；地图原始道路图像数据和地图原始道路路况数据通过物联网智慧路灯杆上配置的公共网关模块传输到高精度地图生成服务端。一种基于路侧传感器的高精度动态地图数据处理方法，包括：S1、采集海量的地图原始道路图像数据和地图原始道路路况数据；S2、将地图原始道路图像数据进行图像校正、图像坐标变换、图像投影变换的预处理，预处理后相邻位置的图像数据采集模块采集的图像重叠区能够对齐；S3、利用深度学习、图像识别的相关AI技术建立一个深度学习道路动态特征识别模型，采用深度学习道路动态特征识别模型从地图原始道路图像数据本文档来自技高网...

【技术保护点】
一种基于路侧传感器的高精度动态地图数据处理系统，其特征在于，包括：地图数据采集端，用于为高精度地图生成服务端提供海量、多元化的地图道路原始数据；高精度地图生成服务端，用于根据地图数据采集端提供的海量、多元化的地图道路原始数据生成高精度动态地图；所述高精度地图生成服务端包括：地图数据处理模块，用于将地图道路原始数据进行道路特征提取，对所有的道路特征采用分层设计，将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图；地图生成可视化模块，用于在俯视投影图上标注道路信息，标注完的道路信息和俯视投影图共同组成高精度地图的地图数据，将地图数据进行可视化编辑，生成高精度动态地图。

【技术特征摘要】
1.一种基于路侧传感器的高精度动态地图数据处理系统，其特征在于，包括：地图数据采集端，用于为高精度地图生成服务端提供海量、多元化的地图道路原始数据；高精度地图生成服务端，用于根据地图数据采集端提供的海量、多元化的地图道路原始数据生成高精度动态地图；所述高精度地图生成服务端包括：地图数据处理模块，用于将地图道路原始数据进行道路特征提取，对所有的道路特征采用分层设计，将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图；地图生成可视化模块，用于在俯视投影图上标注道路信息，标注完的道路信息和俯视投影图共同组成高精度地图的地图数据，将地图数据进行可视化编辑，生成高精度动态地图。2.根据权利要求1所述的基于路侧传感器的高精度动态地图数据处理系统，其特征在于，所述地图数据采集端包括：图像数据采集模块，用于采集海量的地图原始道路图像数据；路况数据采集模块，用于采集海量的地图原始道路路况数据。3.根据权利要求1所述的基于路侧传感器的高精度动态地图数据处理系统，其特征在于，所述地图数据处理模块包括：图像数据预处理单元，用于将地图原始道路图像数据进行图像校正、图像坐标变换、图像投影变换的预处理，预处理后相邻位置的图像数据采集模块采集的图像重叠区能够对齐；道路特征提取单元，用于从地图原始道路图像数据中识别道路动态特征；根据现有导航地图进行精细化特征建模，得到道路静态特征；通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半静态特征和道路半动态特征；道路特征设计单元，用于从内容上对所有道路特征进行分层设计，第一层为道路静态特征，第二层为道路半静态特征，第三层为道路半动态特征，第四层为道路动态特征；多维道路信息融合拼接单元，用于将同一道路信息进行拼接，先在道路特征层面完成道路特征数据融合，最后将预处理后的图像在图像层面完成图像拼接，拼接的结果生成道路的俯视投影图。4.根据权利要求3所述的基于路侧传感器的高精度动态地图数据处理系统，其特征在于，所述道路特征提取单元包括：动态特征提取子单元，用于利用深度学习、图像识别的相关AI技术建立一个深度学习道路动态特征识别模型，采用深度学习道路动态特征识别模型从地图原始道路图像数据中识别道路动态特征；静态特征提取子单元，用于根据现有导航地图进行精细化特征建模，得到道路静态特征；半静态特征提取子单元，用于通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半静态特征；半动态特征提取子单元，用于通过对地图原始道路路况数据做数据筛选验证，抽取对应的道路半动态特征。5.根据权利要求3所述的基于路侧传感器的高精度动态地图数据处理系统，其特征在于，所述多维道路信息融合拼接单元包括：道路特征融合拼接子单元，用于将提取的所有道路特征按照特征分层进行拼接，先拼接静态特征，最后融合动态特征；图像拼接子单元，用于将预处理后的图...

【专利技术属性】
技术研发人员：陈春艳，陈升东，崔莹，袁峰，陆聪，
申请(专利权)人：广州中国科学院软件应用技术研究所，
类型：发明
国别省市：广东;44