[發明專利]基于自動駕駛應用場景的地圖模型及其應用方法

在審

• 申請號: 202010834122.6
• 申請日: 2020-08-18
• 公開（公告）號: CN112101120A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 劉樹全;董釗志;張婉蒙;陳艷楠;岳呈祥
• 申請（專利權）人: 沃行科技（南京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01C21/00;G01C21/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于自動駕駛應用場景的地圖模型及其應用方法，其中模型包括地理點云、網絡模型、道路模型、交通模型以及自動駕駛行為模型；地理點云包括環境要素層、道路要素層以及邊界要素層，網絡模型包括公用網絡模型和自組網絡模型，道路模型包括數學要素層、地理要素層、輔助要素層和地理編碼，交通模型包括動態交通模型和靜態交通模型；自動駕駛行為模型包括貨車自動駕駛行為模型、客車自動駕駛行為模型、轎車自動駕駛行為模型和專用車自動駕駛行為模型。本發明致力將交通規則嵌入到智能駕駛中，使地圖模型與自動駕駛車輛行駛深度融合，實現地圖模型控制自動駕駛車輛。

技術領域：

本發明涉及自動駕駛地圖模型及其應用方法，尤其涉及一種基于自動駕駛應用場景的地圖模型及其應用方法。

背景技術：

隨著大數據時代的到來，人們的生產生活對交通運輸的運行效率和基礎功能要求越來越高，在這種時代背景下，依托于人工智能和各種監控裝置及遙感技術的自動駕駛備受關注。然而目前主流的技術手段多是依附于傳感器、雷達、攝像頭等車輛裝置本身的感知功能。例如，自動駕駛泊車，自動駕駛特定公路上行駛等其他單車智能技術；或專注于打造更高精度和呈現效果更好的地圖，例如，圖層制作、場景地圖渲染等等。這些過度依賴車輛的或感知系統地圖的方法，沒有實現真正的數據深度融合，從安全的角度和生產效率的角度還不能滿足人們的要求。怎樣使自動駕駛車輛的行駛不僅依附于自身的感知系統，而是與地圖與交通規則很好的融合，實現更高程度的人工智能和自動化是當前研究的關鍵所在。

發明內容：

本發明是為了解決上述現有技術存在的問題而提供一種基于自動駕駛應用場景的地圖模型及其應用方法，致力將交通規則嵌入到智能駕駛中，使地圖模型與自動駕駛車輛行駛深度融合，實現地圖模型控制自動駕駛車輛，自動駕駛車輛通過自動駕駛系統與地圖交互，減少自動駕駛對感知設備和天氣的依賴，將地圖模型中的地理編碼與實際行駛和生產相結合，計算耗能和時間成本，以此規劃自動駕駛行為，實現更安全，更高效，自動化程度更高基于自動駕駛應用場景的地圖模型。

本發明采用如下技術方案：一種基于自動駕駛應用場景的地圖模型，包括地理點云、網絡模型、道路模型、交通模型以及自動駕駛行為模型；

所述地理點云包括環境要素層、道路要素層以及邊界要素層，環境要素層包括環境類型和圖層優化，環境類型根據點云特征點進行分類，圖層優化采用SLAM優化方法，所述道路要素層包括道路分割和道路識別，道路分割采用RANSAC線面提取道路線面以提取道路區域和路面，道路識別在道路分割基礎上用Hausdorff距離進行深度識別，所述邊界要素層包括邊界配準、邊界變化監測和邊界參數，所述邊界配準采用ICP點云配準，邊界變化監測采用八叉樹算法和提取技術結合，邊界參數包括法線方向和曲率；

所述網絡模型包括公用網絡模型和自組網絡模型，公用網絡模型包括運營商輸出、基站、信號類型、方向、信號強度、覆蓋范圍以及帶寬參數；

所述道路模型包括數學要素層、地理要素層、輔助要素層和地理編碼，數學要素層包括道路寬度、道路線性參數、道路高程以及道路交匯點，地理要素層包括路面介質、路面邊界可信度、道路通行能力、路面平整性以及路面破損面，輔助要素層包括路端監測區、路端監測信號覆蓋范圍、邊緣監測權重以及地理編碼，由測量和以及點云數據處理結果和系統自動生成，所述地理編碼包括區域位置信息、交通行為策略和傳遞/交互方式；

所述交通模型包括動態交通模型和靜態交通模型；

所述自動駕駛行為模型包括貨車自動駕駛行為模型、客車自動駕駛行為模型、轎車自動駕駛行為模型和專用車自動駕駛行為模型。

進一步地，所述動態交通模型包括限速、單向、雙向、右轉、左轉、直行、排隊、最小車距、最大轉彎速度、最小轉彎半徑、最大轉彎半徑；靠左行駛、靠右行駛、中間線行駛；重車優先、空車優先、空車讓行、重車讓行、等待信號通行；禁止避障、禁止超車、禁止停靠、禁止左轉、禁止右轉、禁止重車、禁止會車交通規則。