一种高精度路网模型的构建方法技术

本发明专利技术公开了一种高精度路网模型的构建方法，首先定义高精度路网模型，然后提取路网数据，包括车道网络层提取和路段网络层提取；接着进行路段网络层、车道网络层关联关系计算；最后构建高精度路网模型；本发明专利技术用高精度路网模型HDRNM(high definition road network model)来表示HDmap对应的路网模型，HDRNM从数据内容到数据模型上都比路段级的路网模型要丰富。

【技术实现步骤摘要】
一种高精度路网模型的构建方法
本专利技术属于高精度地图
，涉及一种路网模型的构建方法，具体涉及一种服务于无人驾驶的高精度路网模型(highdefinitionroadnetworkmodel，HDRNM)的构建方法。
技术介绍
HDMap是一种专门服务于无人驾驶的地图，高精度地图的应用对无人驾驶越来越重要，高精度路网是高精地图中的最重要的组成内容。随着智能交通的发展和ADAS的火热发展，HDmap(HighDefinitionmap)在学术界和工业界都引起了很大的关注(文献1-5)。HDmap能够提供精细化的地图信息辅助智能车辆实现高精度定位(文献6-8)，可以解决特定情况下传感器失效的问题，弥补环境感知设备的不足，有效降低智能车辆感知的难度(文献9-11)；根据地图和动态交通信息的先验知识，基于全局路径规划给出最佳的行驶路径和合理的行驶策略(文献12-14)，有效实现驾驶车主动安全，降低车辆驾驶的复杂度(文献15)。因此，HDmap的generation变得十分重要，HDmap目前处于重大需求阶段(文献16)。路网数据是对真实世界道路模型的表达，highdefinitionr本文档来自技高网...

【技术保护点】
1.一种高精度路网模型的构建方法，其特征在于，包括以下步骤：步骤1：定义高精度路网模型；所述模型为：

【技术特征摘要】
1.一种高精度路网模型的构建方法，其特征在于，包括以下步骤：步骤1：定义高精度路网模型；所述模型为：其中，公式1中W代表道路网络，C是交叉口集合，R是路段的集合；公式2中，用{1,2,…,N}表示路段索引集合,r表示路段，r1，r2，…，rN分别代表集合中的各个路段；公式3中，针对某一路段r，Sr是路段的形状点，SNr是路段起点结点，ENr是路段终点结点，Qr是路段的属性，RL是路段接续的号码，LS路段上对应的车道集合；公式4中，用{1,2,…,i}表示车道索引集合，l表示车道，l1，l2，…，li表示某一路段下关联的各个车道；公式5中，针对某一车道l，Sl是车道的形状点，SNl是车道的起始结点，ENl是车道终点结点，Ql是车道的属性，LL是车道接续的号码；公式6中，Q动态属性值，表示是或者否，t表示时间，q表示公式3和4中的车道或者路段的指示类的属性值，该值对应的值域是枚举型；步骤2：提取路网数据，包括路段网络层提取和车道网络层提取；步骤3：路段网络层与车道网络层关联关系计算；公式3中路段r与该路段对应的车道l的关联关系为：C＝f(M)(7)公式7中，C是路段和车道对应的关联关系，M是线性事件点的集合，通过线性事件点表示某条路段上属性变化的位置；则路段对应的车道的函数关系式C＝f(M)定义为：其中，i表示垂直于车道方向的车道形态数据集的序列；j表示线性段沿路段方向的序列；totalLaneShapeFunction，表示在当前路段下平行于路段的车道形态数据集；totalMNum表示当前路段下线性时间点M点的总点数；In是单位阵；l表示车道，l1,j表示路段下第i条平行于道路的车道第j个线性段内的表达式；LS表示车道形态数据集LSFunction的简写；LSi,j表示在路段下第i条平行于路段的车道形态数据集LSFunction在第j个线性段内的表达式；xj表示第j-1到第j个线性段内，沿路段方向的坐标取值范围；Xi表示第i条平行于路段的车道形态数据集在道路方向上的坐标取值范围；步骤...

【专利技术属性】
技术研发人员：郑玲，李必军，王鑫，
申请(专利权)人：武汉市众向科技有限公司，
类型：发明
国别省市：湖北,42