[發明專利]一種用于無人駕駛的高精度路網自動生成的方法

有效

• 申請號: 201810987455.5
• 申請日: 2018-08-28
• 公開（公告）號: CN109256028B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 鄭玲;李必軍;王鑫
• 申請（專利權）人: 江蘇久高電子科技有限公司
• 主分類號: G09B29/00
• 分類號: G09B29/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種用于無人駕駛的高精度路網自動生成的方法，其特征在于，包括以下步驟：

步驟1：構建高精度路網模型HDRNM；

所述高精度路網模型HDRNM為：

其中公式3中路段r與該路段對應的車道L的關聯關應符合公式7：

C＝f(M) (7)

其中，公式1中W代表道路網絡，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，...，r_N分別代表集合中的各個路段；公式3中，針對某一路段r，S_r是路段的形狀點，SN_r是路段起點結點，EN_r是路段終點結點，Q_r是路段的屬性，R_L是路段接續的號碼，L_S路段上對應的車道集合；公式4中，用{1，2，...，i}表示車道索引集合，l表示車道，l₁，l₂，...，l_i表示某一路段下關聯的各個車道；公式5中，針對某一車道l，S_l是車道的形狀點，SN_l是車道的起始結點，EN_l是車道終點結點，Q_l是車道的屬性，L_L是車道接續的號碼；公式6中，Q動態屬性值，表示是或者否；公式6中，t表示時間；公式6中，q表示公式3和4中的車道或者路段的指示類的屬性值，該屬性值對應的值域是枚舉型；公式7中，C是路段和車道對應的關聯關系，M是線性事件點的集合；

步驟2：提取路段網絡層；

所述提取路段網絡層，是通過PCA提取路段的軌跡點集合和路段的方向；具體實現過程包括以下子步驟：

步驟2.1：定義一個搜索半徑searchR，對所有的坐標點進行高斯投影；

步驟2.2：從任意點出發，對該點搜索半徑內的點進行歸一化并PCA投影，將二維坐標投影到一維空間中去，通過特征值計算線性程度點K值；

步驟2.3：篩選出所有K0.9的點集；將有交集的大于0.9的點集進行合并，形成最大線性點集，該最大線性點集分別對應各個路段中所有車道中心線點的集合；

步驟2.4：對最大線性點集進行PCA投影，獲取各個路段的主方向的投影方向，該投影方向即為路段的方向；

步驟3：建立基于多方向約束的車道網絡層；

所述建立基于多方向約束的車道網絡層，是建立基于多方向約束的車道網絡；具體實現過程包括以下子步驟：

步驟3.1：根據步驟2中輸出的按照方向進行排序的點序列和主方向，使用角度閾值σ作為約束方向實現車道提取；

步驟3.2：對每條路段進行按主方向上第一個點追蹤，按照主方向優先的原則進行遍歷，找到當前點與遍歷點夾角為σ度范圍內的點視為同一個車道上的點；

步驟3.3：重復循環追蹤，直至遍歷完所有的點；

步驟3.4：對所有的車道按照道路方向進行長度計算，找到路段上線性事件點的線性度量值；

步驟4：利用線性事件點進行道路分段，建立車道網絡層和路段網絡層之間的拓撲關系；

步驟4的具體實現包括以下子步驟：

步驟4.1：利用線性事件點進行道路分段；

將路段中發生屬性變化的地方定義為線性事件點，以路段為線性度量基準，將路段的中的線性事件位置通過相對位置映射到以車道為線性度量基準的車道線性坐標系下，在車道線性坐標系中形成車道的線性事件點，再通過車道的線性事件點對車道進行分段表達；

其中分段表達實現過程是使用線性參考系將路段映射到車道；線性參考系從路段到車道的映射方法為：以路段方向選擇線性參考系，將車道上的線性事件點映射到對應的車道上，再以車道作為線度量的對象，將選用車道變化屬性對應的線性位置作作為對同一路段上的車道進行劃分的依據；

步驟4.2：建立車道和路段之間的拓撲關系；

路段對應的車道的函數關系式定義為：

其中，i表示垂直于車道方向的車道形態數據集的序列；j表示線性段沿路段方向的序列；totalLaneShapeFunction，表示在當前路段下平行于路段的車道形態數據集；totalMNum表示當前路段下線性時間點M點的總點數；I_n是單位陣；l表示車道，l_1，j表示路段下第i條平行于道路的車道第j個線性段內的表達式；LS表示車道形態數據集LSFunction的簡寫；LS_i，j表示在路段下第i條平行于路段的車道形態數據集LSFunction在第j個線性段內的表達式；x_j表示第j-1到第j個線性段內，沿路段方向的坐標取值范圍；X_i表示第i條平行于路段的車道形態數據集在道路方向上的坐標取值范圍。