一种用于无人驾驶的高精度路网自动生成的方法技术

本发明专利技术公开了一种用于无人驾驶模型的高精度路网自动生成的方法，首先构建高精度路网模型HDRNM，该模型包括高精度路段网络层与高精度车道网络层，同时还包含路段网络层与车道网络层的关联关系；首先提取路段网络层数据；然后使用基于多方向约束的PCA实现了车道网络层的自动提取；最后利用线性事件点进行道路分段，建立车道网络层和路段网络层之间的拓扑关系。

A High Precision Road Network Automatic Generation Method for Unmanned Drivers

The invention discloses a method for automatic generation of high-precision road network for unmanned driving model. Firstly, a high-precision road network model HDRNM is constructed. The model includes high-precision road network layer and high-precision lane network layer, and also includes the relationship between road network layer and lane network layer. Firstly, the data of road network layer is extracted; secondly, a PCA based on multi-direction constraints is used to realize the model. The lane network layer is extracted automatically. Finally, the linear event points are used to segment the road, and the topological relationship between the lane network layer and the segment network layer is established.

【技术实现步骤摘要】
一种用于无人驾驶的高精度路网自动生成的方法
本专利技术属于高精度地图
，涉及一种高精度路网自动生成的方法，具体涉及一种用于无人驾驶的高精度路网自动生成的方法。
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，highdefinitionroadnetwork是HDmap的重要的组成部分。但是目前本文档来自技高网...

【技术保护点】
1.一种用于无人驾驶的高精度路网自动生成的方法，其特征在于，包括以下步骤：步骤1：构建高精度路网模型HDRNM；步骤2：提取路段网络层；步骤3：建立基于多方向约束的车道网络层；步骤4：利用线性事件点进行道路分段，建立车道网络层和路段网络层之间的拓扑关系。

【技术特征摘要】
1.一种用于无人驾驶的高精度路网自动生成的方法，其特征在于，包括以下步骤：步骤1：构建高精度路网模型HDRNM；步骤2：提取路段网络层；步骤3：建立基于多方向约束的车道网络层；步骤4：利用线性事件点进行道路分段，建立车道网络层和路段网络层之间的拓扑关系。2.根据权利要求1所述的用于无人驾驶的高精度路网自动生成的方法，其特征在于：步骤1中所述高精度路网模型HDRNM为：其中公式3中路段r与该路段对应的车道L的关联关应符合公式7：C＝f(M)(7)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；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。3.根据权利要求1所述的用于无人驾驶的高精度路网自动生成的方法，其特征在于：步骤2中所述路段网络层提取，是通过PCA提取路段的轨迹点集合和路段的方向；具体实现过程包括以下子步骤：步骤2.1：定义一个搜索半径searchR，对所有的坐标点进行高斯投影；步骤2.2：从任意点出发，对该点搜索半径内的点进行归一化并PCA投影，将二维坐标投影到一维空间中去，通过特征值计算线性程度点K值；步骤2.3：筛选出所有K>0.9的点集；将有交集的大于0.9的点集进行合并，形成最大线性点集，该最大线性点集分别对应各个路段中所有车道中心线点的集合；步骤2.4：对最大线性点集进行PCA投影，获取各个路段的主方向的投影方向，该投影方向即为路段的方向。4.根据权利要求1所述的用于无人驾驶的高精度路网自动生成的方法，其特征在于，步骤3中所述车道网络层提取，是建立基于多方向约束的车道网络；具体实现过程包括以下子步骤：步骤3.1：根据步骤2中输出的按照方向进行排序的点序列和主方向，使用角度阈值σ作为约束方向实现车道提取；步骤3.2：对每条路段进行按主方向上第一个点追踪，按照主方向优先的原则进行遍历，找到当前点与遍历点夹角为σ度范围内的点视为同一个车道上的点；步骤3.3：重复循环追踪，直至遍历完所有的点；步骤3.4：对所有的车道按照道路方向进行长度计算，找到路段上线性事...

【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