你所不知道的高精度地图

发布者:快乐兔子最新更新时间:2018-07-02 来源: 厚势关键字:高精度  道路  导航地图 手机看文章 扫描二维码
随时随地手机看文章

一、前言


传统导航地图在日常生活中主要被用于导航和查询地理信息,出行的人群是其主要服务对象。基于人类自身的视觉识别能力和逻辑思维能力,很多道路信息都被精简[1]。随着互联网时代的高速发展,更多基于位置的新型服务和行业被提出,例如「互联网+」智能交通、无人系统等。


国家发展和改革委员会提出的促进智能交通发展的「互联网+」便捷交通实施方案已经正式发布。这些服务都是依托互联网来开展的,因此地图的服务对象不再仅仅是人类,而是慢慢向机器过渡,这对地图的精度、内容结构和计算模式等都提出了新的要求。


(一)地图精度


普通导航地图的精度在5m左右,只描绘了道路的位置和形态,没有反映道路的细节信息,无法准确知道车辆所在位置。

图1高精度道路导航地图和普通导航地图对比示意图


而高精度道路导航地图的绝对精度要求优于1m,相对精度达到10-20cm,包含了车道、车道边界、车道中心线、车道限制信息等非常丰富的信息,如图1所示。


(二)地图内容结构


高精度道路导航地图更加真实地反映道路的实际样式,因此包含更多的图层数量和道路数据,图层描绘也更加细致。高精度道路导航地图不仅具有更高精度的坐标,还拥有更加准确的道路形状。同时,每个车道的坡度、曲率、航向、高程等数据也被添加进来。


另外,车道之间的车道线情况(虚线、实线、单线和双线)、车道线颜色(白色、黄色)、道路隔离带、隔离带材质、道路箭头、文字内容和所在位置在高精度道路导航地图中都需要详尽描述。


(三)计算模式


高精度道路导航地图的数据量是普通地图的10^5倍甚至更多,目前以云计算为核心的集中式大数据处理模式已经满足不了需求。


随着物联网和5G通信技术的快速发展,云端协同的计算方法——边缘计算被提出,同时众包的任务发布模式也被应用于多个行业。因此高精度道路导航地图的大数据处理模式可以采用「众包+边缘计算」的模式。


二、相关现状


随着智能交通和自动驾驶领域的飞速发展,现有的普通导航地图在内容、精度和完整性方面都无法满足高层次的应用需求[2]。针对道路的高精度电子地图被逐步提出并得到了广泛的认同[3,4]。


目前在辅助驾驶系统和自动驾驶领域使用高精度道路导航地图数据的研究较多。例如根据高精度道路导航地图进行信息行为和车辆定位的研究[5,6],在辅助驾驶和自动驾驶系统中使用高精度道路导航地图信息并在其上进行自动驾驶车道轨迹引导方法的研究[7,8]。


而关于建立高精度道路导航地图的方法研究也有很多,例如通过配备GPS-RTK的采集车沿特定线路采集数据[9];使用激光雷达与广角摄像头结合的方法提取道路信息,加上配备高精度全球卫星导航系统(GNSS)则能够达到10cm精度,但这种采集方案成本较高[10];也有研究者提出使用低成本传感器创建车道级地图的方法,通过全球定位系统+惯性导航系统(GPS/INS)紧耦合进行定位,从正射影像图中获取相关地图信息[11]。


目前国内外从事高精度电子地图的测绘和生产的单位也逐渐增多。在Google以及Daimler的无人驾驶汽车的研制过程中,高精度电子地图都是重要的组成部分[12]。2015年,奥迪、宝马、Daimler 联合起来斥资31亿美元购买诺基亚Here地图,为研发高精度道路导航地图做准备。


2015年,高精度道路导航地图已经应用于特定场景,2011年宝马的3系Track Trainer,2014年奥迪的RS7都利用高精度道路导航地图技术在Laguna Seca和Hockenheim成功跑完了赛道。


从2016年开始,很多互联网企业通过收购的方式获取地图数据资源,然后结合自身算法、云计算能力生产高精度道路导航地图,如Google、Uber、百度、阿里等。同时,车企也开始依赖第三方地图服务,2017年初,Mobileye与大众、宝马和日产签署协议,前者将为三家汽车巨头提供地图产品,而汽车厂商将负责为Mobileye提供更多的地图数据。


三、需求分析与建模


本文从「互联网+」智能交通应用及未来20年无人系统行业发展的典型应用场景出发,将高精度道路导航地图划分为6层建立需求模型,如图2所示。

图2高精度道路导航地图应用分析


(一)「互联网+」智能导航


随着城市环境的不断建设,为了提高道路使用效率、缓解拥堵,很多新的交通管理措施不断被实施。例如多乘员车道(HOV车道)、潮汐车道(见图3)等。

图3 HOV车道和潮汐车道


HOV车道仅供乘坐至少某一规定乘客数的车辆通行。潮汐车道是指可变车道,即某一条车道在不同时段内行驶方向会发生变化。这些新的交通管理方案的实施主要是通过车道来实现的,而高精度道路导航地图可以精准反映这些信息,为人们提供智能导航服务。


(二)「互联网+」智能交管


道路交通执法管理具有很多难题,尤其是在执法取证和事故应急处理方面。而高精度道路导航地图可以提供新的技术手段来解决交通执法管理中的困难。


1.交警执法领域


车道级违法行为执法取证是道路执法领域的一个难点问题。车道级违法行为指移动目标相对于地面车道或其他移动目标而言,相对位置移动在一个车道级别内的、违反交通法规的行为 [13],如不按规定车道行驶等。


由于数据采集困难和现场还原困难导致这些行为目前难以执法取证。而高精度道路导航地图可以精准反映车辆行驶在哪一条车道上,因此可以对车辆是否有车道级违法行为做出准确判断,满足车道级违法行为执法取证的需求。


2.保险理赔领域


车险理赔行业长期受到骗保行为的困扰,耗费了大量的人力物力。这是因为保险人员往往只能查勘事后证据,无法判断事故的全过程。高精度道路导航地图包含丰富细致的车道信息,因此可以精准反映车辆的行驶状态,并且在地图上将事故的全过程进行还原,从而可以帮助保险人员对事故进行准确判断。


(三)「互联网+」辅助驾驶/无人驾驶


无人驾驶领域要求地图在几何上具有更细的粒度,细致地刻画道路上每个车道的详细信息。而在拓扑网络上,也要求准确表达车道之间的连接关系。高精度道路导航地图包含多个层次的几何拓扑数据,可以满足面向辅助驾驶和自动驾驶的不同层次的运用需求。


除此以外,高精度道路导航地图还包含动态要素。动态要素包括两种,一种是半实时的动态要素,它在自动驾驶领域主要用于进行全局的路径规划;另一种是实时的动态要素,主要指动态障碍物,它主要应用于自动驾驶系统实现局部路径规划。


四、高精度道路导航地图的结构与计算


(一)高精度道路导航地图结构


道路地图是对实际道路进行反映,通过特定图层来描绘特定类别,然后将图层叠加进行路面表达。终端上显示的导航地图往往由10多层甚至20多层不同分辨率的图片组成,当用户进行缩放时,程序根据缩放级数,选择不同分辨率的瓦片图(用方格来模拟实体),拼接成一幅完整的地图。高精度道路导航地图也是如此,只是它在普通电子地图的基础上包含了更多的图层数量,且每一图层的描绘更加精细。

图4地图结构内容划分示意图


高精度道路导航地图由四个部分的数据构成,分别是道路网数据、车道网数据、安全辅助数据和道路交通设施数据。这四类数据构成的地图结构内容根据地图精度不同显示的内容也就不同,其基本结构划分和显示内容示例,如图4所示。

图5高精度道路导航地图道路网示意图


道路网主要是由道路基准线网络构成,用于描述道路的几何形态、表达与道路设施间的关系。高精度道路导航地图道路网示意图,如图 5 所示,它包括道路基准线、道路基准线连接点和路口等图层。

图6高精度道路导航地图车道网示意图 


车道网记录路网中每个独立车道的相关属性,用于车道级的道路显示、定位、路径规划和驾驶策略辅助。它包括车道级道路、车道级道路连接点、车道级道路形状点等图层,如图6所示。


安全辅助数据和道路交通设施数据是对车道安全数据和车道上的其他交通设施进行描述,用于辅助车道级定位和显示,例如曲率、航向、纵横坡度等。


道路交通设施数据则包括交通标识、路侧设施和固定地物等信息。


(二)计算模式


高精度道路导航地图描绘的道路信息更加丰富,包含的细节更多,因此它的数据量也更加庞大。传统导航电子地图每千米的数据量约是1KB,而高精度道路导航地图每千米的数据量大约是100MB,是传统导航地图的10^5倍。而且高精度道路导航地图中的数据类型复杂多样,数据量急剧增加,并且数据处理的实时性要求较高。


所以目前以云计算模型为核心的集中式大数据处理方式已经不能满足高精度道路导航地图的数据计算要求,需要建立新的计算模型。本文提出「众包+边缘计算」模型作为高精度道路导航地图计算模式。


高精度道路导航地图的数据采集任务很艰巨,需要采集车跑过每一条道路,然后上传数据绘图。首先,这需要花费大量的时间;其次,道路上的一些信息会发生变化,高精度道路导航地图需要保持周期性数据更新,再次采集很多信息又是重复的,且耗费更多的资源。


笔者认为可以采用众包的方式解决这些问题,高精度道路导航地图的用图者同时也可以是绘图者。通过众包的方式,将数据采集设备装在使用高精度道路导航地图的车辆上,其在行驶时边用图边采集数据,并且将获取到的数据上传。这种方式可以很好地满足城市街道需要一周更新一次来反映其构造和新的交通模式的需求。美国的Mapper公司已经采用这种方式来获取地图数据。


随着物联网和5G通信技术的快速发展,有别于传统云计算的全新计算模式——边缘计算被研究者们提出。边缘计算是指在网络边缘执行计算的一种计算模型,边缘计算中边缘的下行数据表示云服务,上行数据表示高精度道路导航地图服务,而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源[14,15]。


该计算方法是一种在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

图7高精度道路导航地图边缘计算模型参考框架


针对高精度道路导航地图的情况,在边缘式计算中,由于数据量的增加以及对实时性的需求,需将原有云中心的计算任务部分迁移到网络边缘设备上,以提高数据传输性能,保证处理的实时性,同时降低云计算中心的计算负载。本文研制了高精度道路导航地图边缘计算模型参考框架,如图7所示。


五、思考


(一)标准体系框架


目前国内外从事高精度道路导航地图的测绘和生产的单位逐渐增多,但各作业单位的技术水平、采用的仪器设备、作业方法、数据处理和成果形式各不相同。不同企事业单位采用的标准也不一致。

图8高精度电子地图标准体系框架图


这对高精度道路导航地图的管理和共享带来了问题,因此亟需加强高精度道路导航地图标准体系框架的制定。高精度电子地图标准体系框架是形成高精度电子地图标准体系的基本单元。它包括地图基础标准、云整合标准、应用服务标准和检测评定标准四个部分,如图8所示。


(二)隐私与安全


出于对国家安全的考虑,许多国家对公共地图的信息采集与绘制也有诸多规定,包括精确度、测绘区域、机构和人员等诸多限制条件。因此需要进一步规范公共地图信息采集与高精度道路导航地图数据保护政策,在保障信息安全和鼓励高精度道路导航地图技术发展之间,找到最佳平衡点和解决方案。


(三)坐标体系的开放问题


传统导航地图都有约定俗成的电子地图版本审查和加偏移措施等加密手段,但是现在这些地图加密手段与高精度道路导航地图之间存在矛盾。因此,在未来的发展中要对高精度道路导航地图怀有创新性思维,实际应用的导航定位服务都是局部的,或许可以尝试用相对坐标系解决定位精度安全问题。


(四)及时准确地进行数据更新


传统导航地图因其商业地图公司及时、准确地进行数据更新,从而保障导航服务的准确性。而高精度道路导航地图的更新过程除了道路/车道的几何信息外,还包括交通要素在内的大量数据更新。而且,高精度道路导航地图本身就包含庞大的数据量,如果每次都通过原始采集手段进行数据更新,将会导致过多冗余数据和过高的成本。因此在未来的高精度道路导航地图发展中,采用众包手段获得用户手上的大量及时数据,是一种更加便捷、低廉、可靠的数据更新手段。


参考文献


[1] 刘少山, 唐洁. 第一本无人驾驶技术书 [M]. 北京: 电子工业出版社, 2017


[2] Tao Z, Bonnifait P, Fremont V, et al. Mapping and localization using GPS, lane markings and proprioceptive sensors [C]. Tokyo: Intelligent Robots and Systems (IROS), 2013 IEEE/RSJ Interna tional Conference on IEEE, 2013


[3] Nedevschi S, Popescu V, Danescu R, et al. Accurate ego-vehicle global localization at intersections through alignment of visual data with digital map [J]. Intelligent Transportation Systems, 2013,14(2): 673–687


[4] 贺勇. 基于高精细地图的GPS 导航方法研究 [D]. 上海: 上海交通大学(硕士学位论文), 2015.


[5] Suganuma J, Uozumi T. Precise position estimation of autonomous vehicle based on map-matching [J]. IEEE Intelligent VehiclesSymposium, 2011 (4): 296–301


[6] Levinson J, Montemerlo M, Thrun S. Map-based precision vehicle localization in urban environments [M]. Cambridge: MIT Press,2007


[7] Hao L, Nashashibi F, Toulminet G. Localization for intelligent vehicle by fusing mono camera low-cost GPS and map data [J]. Intelligent Transportation Systems, 2010 (9): 1657–1662


[8] Ress C, Etemad A, Kuck D, et al. Electronic horizon—Providing digital map data for ADAS applications [J]. Madeira, 2008 (3):40–49 


[9] Sutarwala B Z. GIS for mapping of lane-level data and re-creation in real time for navigation [D]. Riverside: University of California (Master’s thesis), 2010


[10] Schreiber M, Knoppel C, Franke U. Laneloc: Lane marking based localization using highly accurate maps [J]. IEEE Xplore, 2013,36(1): 449–454


[11] Guo H Z, Meguro J I, Kojima Y, et al. Automatic lane-level map generation for autonomous robotic cars and advanced driver as sistance systems using low-cost sensors [C]. Hong Kong: IEEE

International Conference on Robotics & Automation ICRA, 2014


[12] Bender P, Ziegler J, Stiller C. Lanelets: Efficient map represen tation for autonomous driving [J]. Intelligent Vehicles Sympo sium, 2014 (3): 420–425


[13] 彭璇, 王梦媛, 曾洁茹, 等. 高精度北斗定位技术在交管执法取证中的应用研究 [J]. 电子技术应用, 2017, 43(4): 21–23


[14] Shi W S, Cao J, Zhang Q, et al. Edge computing: Vision and chal lenges [J]. IEEE Internet of Things Journal, 2016, 3(5): 637–646


[15] 施巍松, 孙辉, 曹杰, 等. 边缘计算: 万物互联时代新型计算模型[J]. 计算机研究与发展, 2017, 54(5): 907–924


关键字:高精度  道路  导航地图 引用地址:你所不知道的高精度地图

上一篇:人工智能规划行驶路径 或实现十字路口无障碍通行
下一篇:福特自适应续航控制系统最大限度减少“幽灵堵车” 节省通勤时间

推荐阅读最新更新时间:2024-07-25 20:10

微软申请道路信息显示专利 低能见度条件下提供清晰视觉
除了美观外,雾灯旨在在多雾或多尘的环境下提高能见度。但由于雾灯的光束射程极短,大多数情况下并不能显著提高能见度。后向雾灯可能更有用,因为比普通尾灯亮得多,因此在能见度较低的情况下,可以更轻松地发现随行车辆。而普通的前大灯虽然可能越来越先进,但也无法在低能见度条件下提供清晰视觉。 (图片来源:carbuzz.com) 据外媒报道,微软向美国专利商标局(USPTO)申请了一项新专利,名为“根据事件输入对外部设备进行 预测 控制的AR眼镜(AR glasses with predictive control of external device based on event input)”,以切实改善驾驶员在灰尘和雾霾环境中的
[汽车电子]
微软申请<font color='red'>道路</font>信息显示专利 低能见度条件下提供清晰视觉
高精度道路缘限制地图为实现最后1公尺导航的关键
AppyParking与英国3个地方议会合作数码化、标准化、高分辨率街道路缘限制(HD kerbside restriction)地图的制作与管理软件工具,支持未来智能移动(intelligent mobility)与智慧城市(smart city)的交通与停车集成管理系统,实现最后1公尺导航(last meter navigation)。 根据Traffic Technology Today报导,英国地方政府道路交通管控的主要法律依据,为街道路缘限制,或称交通规则法令(Traffic Regulation Order;TRO),但由于设计、管理、公布均采用过时的技术,且资料形式为文字或地图, 连网车 与自驾车无法透过端对端的数码
[汽车电子]
<font color='red'>高精度</font>街<font color='red'>道路</font>缘限制<font color='red'>地图</font>为实现最后1公尺<font color='red'>导航</font>的关键
基于单片机的宽范围高精度光纤传感测温仪的研制
光纤传感器测温仪是一种非接触式测温方式与光纤传感技术结合,实现高精度、高重复性、快速响应、非接触式测量和高性价比的新型光纤传感类测温系统。该类测温仪利用光纤的空间滤波效应,使入射光波从空间瞬态变为空间稳态,消除杂散光的影响,提高测量的精度和稳定性;将光纤探头和电子处理单元隔离,使信号处理单元不受环境高温影响,提高抗电磁干扰能力;响应速率快;根据热源温度,选择最佳工作波段。 有时需要对范围很宽的温度信号进行测量,但是实现宽温度范围的测量,采用一个探测器的光纤传感测温仪很难达到要求。为了解决单一探测器光纤传感器测温仪范围窄的不足,设计了利用双光路系统,采用两个不同波长范围探测器的光纤传感测温仪,实现测量温度范围的扩展,将测温范围的
[单片机]
基于单片机的宽范围<font color='red'>高精度</font>光纤传感测温仪的研制
ADI公司的电源时序控制器可为电信基础设施设备提供最高精度
——ADM1185高精度、灵活的四电压监视和时序控制器可完成无线基础设施应用中的电源时序控制、监控和诊断功能 关于 ADM1185 四电压监视和时序控制器 美国模拟器件公司(简称 ADI )今日推出 ADM1185 高精度、灵活的四电压监视和时序控制器扩展了其电源时序控制器和监控系列产品,可防止通信基础设施设备中的欠压情况发生。 ADM1185 四电压监视和时序控制器适合采用多个电源供电的系统(例如无线基站),它需要时序控制器确保按照控制的方式对电源电压上电以防止设备损坏。 ADM1185 为多达四个电源电压提供电压监视和时序控制功能,从而可以有效地控制电源的上电顺序并且监视系统以确保一旦系统
[新品]
Mobileye亮相道路运输车辆展 ADAS打造更安全的道路交通
今日,英特尔子公司Mobileye在2019北京国际道路运输、城市公交车辆及零部件展览会(以下简称“2019道路运输车辆展”)上展出了一系列针对大型车辆的高级驾驶辅助系统(ADAS)产品。当前,Mobileye正凭借其领先的ADAS产品让道路和驾驶更安全,在实现挽救生命愿景的同时推动智慧交通发展进程。 Mobileye在2019道路运输车辆展上展出了其领先的ADAS产品 2019道路运输车辆展被誉为“中国客车第一大展”,在今年的道路运输车辆展上,Mobileye展出了其针对大型车辆的Mobileye神盾防御探测系统( Shield +)和Mobileye 630防撞预警系统,并组织了一系列试乘活动和自动驾驶AR体验活动。
[嵌入式]
Mobileye亮相<font color='red'>道路</font>运输车辆展 ADAS打造更安全的<font color='red'>道路</font>交通
高精地图对自动驾驶有多重要?和一般导航地图有何区别?
  在社交媒体上红极一时的Tesla AutoPilot功能,并还没有达到 自动驾驶 的L3的级别。其在高速公路上的自动驾驶技术可以理解为:ACC自适应巡航 + LKA车道保持辅助。   那为什么达不到L3甚至以上的级别呢?答案是:没有高精度地图。 Q:为什么没有了高精度地图,自动驾驶寸步难行? A:因为高精度地图不仅仅是地图,更给了无人车上帝视角。   1.传感器的性能边界   车载 传感器 的性能边界指的不仅是测量范围,还有面对不同环境时表现出来的感知缺陷。   比如激光传感器检测效果稳定,但在面对大范围的尘土时,也无能为力。我司在测试时就发现,如果前面一辆渣土车飞驰而去,引得尘土满天飞时,无人车发现“面前”全是障碍物
[嵌入式]
PA300系列高精度功率计的性能特点及应用
PM100 功率计专门用于生产线和系统集成,其结构紧凑(半机架)、安装易用、防尘,精度高达0.1%,是系统集成商、家电生产测试首选的产线功率计。 PA310(单通道)、 PA323(三通道)和 PA333(三通道)低功耗、小电流测试功率计。PA310功率计采用全新的设计架构,在低功耗测量方面进行多项优化,具有更高的功率因数精度,非常适合于在低功率因数下的低功耗测量。在5mA量程时其最小测量电流低至50μA,能够测量低至0.01W 的功耗,符合国际标准(IEC62301、能源之星、SPECpower) 的测试,是待机功耗测试首选。PA323和PA333三相功率计适用广,非常适合三通道同时测量。 随着新能效标准的不断推出,众多
[测试测量]
无人车巨头为何不惜血本绘制同一路段的高精度地图
很多人都关注无人车的发展,殊不知无人车技术中,有十分重要的一环,是无人车的高精地图。 高精地图成为无人车竞赛中的关键一环 目前,很多家无人驾驶公司都在做着同样的事情:绘制同一个路段的高精度街道地图。 以近期在美国拉斯维加斯的国际消费电子展为例。在展会召开前夕总是会聚集着一群测绘当地地图的车辆。因为如果自动驾驶汽车要登台展示,需要对拉斯维加斯的地理状况相当谙熟。 Evercore ISI的分析师Chris McNally表示:“可能有50家公司仅仅为了在CES举行期间给人们提供无人驾驶汽车试乘服务,而为此跑去测绘拉斯维加斯的地图,这真的很浪费资源。”但从中也可以看出,高精地图的重要性。 虽然这些汽车来自不同的公司都在做同样的事情
[机器人]
小广播
最新汽车电子文章
换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved