高精度地图的补充优化方法及系统技术方案

本发明专利技术公开了一种高精度地图的补充优化方法及系统，其通过获取预设范围内局部场景的高精度地图数据及感知环境信息；将高精度地图数据及感知环境信息进行对齐；分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息；基于高精度地图数据和风险感知环境信息共同构建实时局部场景。从而在表达现有地图信息的基础上，引入实车动静态感知信息，通过多源地理信息数据融合处理，为智能驾驶系统提供带安全信息量的地理信息服务，提供了一种解决在路口、匝道等复杂场景下，时效性差异带来的车辆安全风险问题的办法。法。法。

【技术实现步骤摘要】
高精度地图的补充优化方法及系统


[0001]本专利技术涉及高精度地图制作技术，尤其是涉及一种高精度地图的补充优化方法及系统。

技术介绍

[0002]现有的智能驾驶高精地图服务是一个基于高精地图数据与地图数据引擎的应用级服务，提供静态的地理要素信息，包括而不限于：车道几何、标牌属性、拓扑关系等等。为保证智能驾驶所需的地理要素几何精度和属性正确性，高精地图数据服务往往采取测绘车外业采集、集中化内业制图生产得到高精地图成果数据，配合C/S架构的地图数据引擎。再加上当前国家地理信息安全政策要求的加密审图等流程，就导致了智能驾驶车辆所能使用的高精地图数据往往是一个具有多月级别的历史信息。从原理上，这种高精地图服务系统无法有效表达地图信息与智能驾驶车辆平台当下周围地理环境的差异性，而只能模糊地表达历史环境信息。这种模糊度和不确定性为有效使用地图信息带来了困难，也为高精地图作为一个便捷、直观的子系统，服务智能驾驶商业量产带来了阻碍。

技术实现思路

[0003]本专利技术的目的在于克服上述技术不足，提出一种高精度地图的补充优化方法及系统，解决现有高精地图服务系统无法有效表达地图信息与智能驾驶车辆平台当下周围地理环境的时效性差异带来的车辆安全风险问题。
[0004]为达到上述技术目的，本专利技术的技术方案第一方面提供一种高精度地图的补充优化方法，其包括如下步骤：
[0005]获取预设范围内局部场景的高精度地图数据及感知环境信息；
[0006]将高精度地图数据及感知环境信息进行对齐；
[0007]分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息；
[0008]基于高精度地图数据和风险感知环境信息共同构建实时局部场景。
[0009]本专利技术第二方面提供一种高精度地图的补充优化系统，其包括如下功能模块：
[0010]数据获取模块，用于获取预设范围内局部场景的高精度地图数据及感知环境信息；
[0011]信息对齐模块，用于将高精度地图数据及感知环境信息进行对齐；
[0012]风险判断模块，用于分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息；
[0013]场景重构模块，用于基于高精度地图数据和风险感知环境信息共同构建实时局部场景。
[0014]本专利技术第三方面提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种
高精度地图的补充优化方法。
[0015]本专利技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种高精度地图的补充优化方法。
[0016]与现有技术相比，本专利技术所述高精度地图的补充优化方法及系统，其通过获取预设范围内局部场景的高精度地图数据及感知环境信息；将高精度地图数据及感知环境信息进行对齐；分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息；基于高精度地图数据和风险感知环境信息共同构建实时局部场景。从而在表达现有地图信息的基础上，引入实车动静态感知信息，通过多源地理信息数据融合处理，为智能驾驶系统提供带安全信息量的地理信息服务，提供了一种解决在路口、匝道等复杂场景下，时效性差异带来的车辆安全风险问题的办法。
附图说明
[0017]图1是本专利技术实施例所述的高精度地图的补充优化方法的流程框图；
[0018]图2是本专利技术实施例所述的高精度地图的补充优化系统的模块框图。
具体实施方式
[0019]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0020]如图1所示，本专利技术的实施例提供了一种高精度地图的补充优化方法，其包括如下步骤：
[0021]S1、获取预设范围内局部场景的高精度地图数据及感知环境信息。
[0022]以外部惯导系统的位置服务为输入，驱动基础地图引擎模块；获得高精度地图的服务基础数据。通过基础地图引擎模块，以输入的车身坐标O为基础，调取以O为中心、预设范围优选为200m*200m见方区域内的高精度地图数据；并获取传感器感知系统传入的感知环境信息以及来自智驾规控应用模块的前一帧车辆规划信息。
[0023]S2、将高精度地图数据及感知环境信息进行对齐。
[0024]所述将高精度地图数据及感知环境信息进行对齐包括多源信息粗对齐和多源信息精对齐。
[0025]其中，所述多源信息粗对齐包括以车身坐标为基础，构建局部空间三维坐标系，将全局三维坐标系下的高精度地图数据、感知环境信息和车辆规划信息转换到局部空间三维坐标系下。
[0026]即以车身坐标O为原点，构建局部空间三维坐标系O
‑
xyz。车辆行驶方向为x轴正方向，车辆右侧与行驶方向垂直为y轴正方向，车辆上方与x
‑
y轴平面垂直为z轴正方向。通过三维空间坐标转换，将全局三维坐标系下的高精度地图数据转换到O
‑
xyz坐标系下。所述感知环境信息和车辆规划信息本身即是基于车身坐标系的，可以直接通过标定参数调整到O
‑
xyz坐标系下。
[0027]所述多源信息精对齐包括以高精度地图数据的最小矢量单元为基础，将其与感知环境信息的矢量集进行对齐。
[0028]具体的，在O
‑
xyz坐标系下，在预设范围优选为200m*200m的范围内，将高精度地图数据和感知参考数据矢量化分为两组。以高精度地图数据中的静态数据层基础，以其中包括而不限于车道线、箭头等地面印刷物和杆件、标识牌等路侧交通附属件等矢量要素为参考矢量集，将感知参考数据矢量集通过平移旋转，改化到与地图数据G空间最似化。
[0029]所述空间最似化具体包括：将对高精度地图数据的参考矢量集与感知环境信息的矢量集进行欧氏距离最小二乘迭代。
[0030]以高精度地图数据的最小矢量单元为基础，以1toN(N大于等于0)的形式与感知环境信息的矢量集进行对齐。
[0031]S3、分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息。
[0032]具体的，基于高精度地图数据与感知环境信息的对齐结果，判定物理要素中对齐N值大于等于1的要素赋值为安全要素，对N值等于0的要素赋值为风险要素；
[0033]以前一帧车辆规划信息为基础，对判断为安全要素中的物理要素进行高精度地图数据和感知环境信息之间的逻辑交叉验证，获取与地图数据未对齐的风险感知环境信息。
[0034]其中，所述高精度地图数据和感知环境信息之间的逻辑交叉验证，包括：
[0035]判断物理要素的几何一致性是否满足预设标准，对于几何一致性满足预设标准的物理要素判定为安全要素，对于几何一致性不满足预设标准的物理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高精度地图的补充优化方法，其特征在于，包括如下步骤：获取预设范围内局部场景的高精度地图数据及感知环境信息；将高精度地图数据及感知环境信息进行对齐；分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息；基于高精度地图数据和风险感知环境信息共同构建实时局部场景。2.根据权利要求1所述的高精度地图的补充优化方法，其特征在于，所述将高精度地图数据及感知环境信息进行对齐；包括：以车身坐标为基础，构建局部空间三维坐标系，将全局三维坐标系下的高精度地图数据、感知环境信息和车辆规划信息转换到局部空间三维坐标系下；以高精度地图数据的最小矢量单元为基础，将其与感知环境信息的矢量集进行对齐。3.根据权利要求2所述的高精度地图的补充优化方法，其特征在于，在所述以高精度地图数据的最小矢量单元为基础，将其与感知环境信息的矢量集进行对齐之前，包括：以高精度地图数据中矢量要素为参考矢量集，将感知环境信息的矢量集通过平移旋转，改化到与高精度地图数据空间最似化。4.根据权利要求3所述的高精度地图的补充优化方法，其特征在于，所述空间最似化具体包括：将对高精度地图数据的参考矢量集与感知环境信息的矢量集进行欧氏距离最小二乘迭代。5.根据权利要求1所述的高精度地图的补充优化方法，其特征在于，所述分别基于物理要素和逻辑要素获取感知环境信息与地图数据未对齐的风险感知环境信息，包括：基于高精度地图数据与感知环境信息的对齐结果，判定物理要素中对齐N值大于等于1的要素赋值为安全要素，对N值等于0的要素赋值为风险要素；以前一帧车辆规划信息为基础，对判断为安全要素中的物理要素进行高精度地图数据和感知环境信息...

【专利技术属性】
技术研发人员：董岱，王君，邱盼盼，程飞，车凤珍，席洁，张志军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：