[發明專利]基于檢測車輛軌跡大數據的地圖車道線標注方法及系統

在審

• 申請號: 202110795387.4
• 申請日: 2021-07-14
• 公開（公告）號: CN113537046A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 何弢;廖文龍;謝榮榮
• 申請（專利權）人: 安徽酷哇機器人有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06T7/33;G06T7/521;G06T17/05
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種基于檢測車輛軌跡大數據的地圖車道線標注方法，其特征在于，包括以下步驟：

步驟S1：通過采集設備對驗證路段進行數據采集，所述驗證路段為地圖上未標注車道線的路段；

步驟S2：根據車輛模型獲取行車軌跡信息；

步驟S3：建立標注路段中車道線、行車軌跡與驗證路段中車道線、行車軌跡的映射關系，所述標注路段為地圖上已標注車道線的路段；

步驟S4：建立驗證路段的車道線與車道軌跡的關系模型并修正；

步驟S5：通過車道線與車道軌跡的關系模型，預測其他路段的車道線，完成地圖的車道線標注。

2.根據權利要求1所述的一種基于監測車輛軌道大數據的地圖車道線標注方法，其特征在于：在所述步驟S3中，對城市的地圖進行柵格化，將車輛軌跡點轉化成對應車道及道路中心線的格柵概率密度，得到最大似然的車道線分布。

3.根據權利要求1所述的一種建立車道線與車道軌跡的關系模型方法，其特征在于：在所述步驟S4中，通過對車道線與車道軌跡映射關系的邏輯建模，或端對端的機器學習訓練，可以得到高精度地圖區域的車道線與車道軌跡的關系模型，預測驗證數據集所在區域的車道線；同時預測車道線將與真實車道線對比，不斷修正模型參數。

4.根據權利要求1所述的一種建立車道線與車道軌跡的關系模型方法，其特征在于：所述步驟S2中，將傳感器采集的數據進行計算，得到采集車在圖像相對坐標系下的位置，然后估算出傳感器采集的車輛對象在三維坐標系下的包絡框，或使用帶有深度信息的圖像進行車輛識別，對識別到的車輛進行建模，通過建立的車輛模型，及與采集車的位置關系，計算得到車輛對象在世界坐標系下的軌跡。

5.根據權利要求4所述的一種基于監測車輛軌道大數據的地圖車道線標注方法，其特征在于：對于不同車型車輛識別，通過對不同車輛模型的訓練，得到預先經過訓練的車輛配準模型。

6.一種基于檢測車輛軌跡大數據的地圖車道線標注系統，其特征在于：包括：數據采集模塊和云端處理模塊，云端處理模塊對數據采集模塊得到的數據進行處理分析，形成該路段的車道線數據。

7.根據權利要求6所述的一種基于監測車輛軌跡大數據的地圖車道線標注系統，其特征在于：所述數據采集模塊包括以下模塊：

運動模塊：為采集設備提供運動能力；

融合定位模塊：采用單獨或融合定位方式，為采集設備提供實時的定位信息；

傳感器模塊：用于獲取道路上采集設備感知范圍內車輛的行駛軌跡信息；

控制及處理模塊：用于對采集設備運動的控制,對傳感器數據的收集及存儲,對傳感器范圍內車輛軌跡的計算及儲存。

8.根據權利要求7所述的一種基于監測車輛軌跡大數據的地圖車道線標注系統，其特征在于：所述數據采集模塊還包括數據傳輸模塊，所述數據傳輸模塊將采集設備及各傳感器采集到的信息傳輸至信息處理模塊。

9.根據權利要求6所述的一種基于監測車輛軌跡大數據的地圖車道線標注系統，其特征在于：所述云端處理模塊包括以下模塊：

數據處理模塊：收集各項傳感器的數據,并通過時序同步,將一種或多種傳感器數據形成統一時間軸下的數據集合；

車輛軌跡提取模塊：結合各傳感器數據,在世界坐標軸下提取車輛軌跡；

模型訓練及回歸模塊：將獲得的車輛軌跡與已知地圖的車道線進行訓練，從而通過車道軌跡預測出車道線；

車道線標注模塊：將訓練好的模型，用于無標記區域的車道線的標記；

在上述模塊中，后一模塊依靠前一模塊的數據。

10.根據權利要求7所述的一種基于監測車輛軌跡大數據的地圖車道線標注系統，其特征在于：所述傳感器模塊包括視覺傳感器、激光雷達傳感器或其他能夠提供深度，圖像及點云信息的傳感器，所述視覺傳感器和激光雷達傳感器通過GNSS或硬件同步采樣；所述激光雷達傳感器工作時，通過對多幀激光雷達數據拼接，得到一幀點云密度密集的關鍵幀點云。