高精度无人驾驶地图语义关联建模研究

Maps are essential component for autonomous driving. However, the current autonomous driving maps are still lack of accurate description of road passing conditions, indeterminacy of semantic priority of objects, and inadequacy of semantic association for typical road objects. This project focuses on the precise semantic map for autonomous driving vehicles and deals with the cognitive of complex urban road environment by the research of identification, association and modeling of road semantics. First of all, the semantic model of road environment for the requirements of autonomous driving will be developed. Then studies on the methods for extracting semantic information of typical surface features in the road environment will be carried out. The theories and methods about semantic description, association and road constraint of the typical surface features in road environment to realize the semantic relationship between the typical objects and the constraint description of road traffic environment will be established. After that, the method for reconstructing and updating the semantic maps based on the environmental data perceived by autonomous driving process will be explored. Finally, the validation studies will be conducted in both controlled and real-world driving environments to assess the feasibility and reliability of the theories and methodologies developed in this project. Through this project, we will solve the technical problems such as semantic priority judgment, semantic association and binding description of road access, and lay a solid foundation for the rapid deployment of autonomous driving technology.

地图是无人驾驶的必备数据。目前的无人驾驶地图还存在对道路的驾驶环境缺乏准确描述、对象语义优先级不明确、语义关联少等问题。本项目瞄准城市无人驾驶所需的高精度地图，以道路的语义模型-语义提取和关联建模-地图语义更新-实证研究为主线，开展道路环境语义识别、关联建模和制图更新研究，解决无人车对复杂道路环境的认知问题。首先面向无人驾驶需求，研究道路环境的语义模型。然后研究道路环境典型地物语义信息提取方法，构建道路对象之间的语义描述、关联及道路通行约束性描述的理论和方法，实现典型地物之间语义关联及对道路通行环境的约束性描述。依据无人驾驶过程感知的环境数据，研究地图语义的重建和更新方法。最后，在实验和实证区域开展实际验证研究，评估本项目的理论与方法的可行性与可靠性。通过本项目，突破对象间语义优先级判断、语义关联以及对道路通行的约束性描述的技术难题，为无人驾驶技术的快速发展奠定坚实的基础。

本项目以高精度地图本体模型构建-车载移动测量系统数据采集关键技术研究-高精度地图制图与语义关联方法研究-基于多源数据的高精度地图变化检测为主线，开展道路环境语义识别、关联建模和高精度地图变化检测研究。建立了道路环境下数据采集、语义提取、语义关联的理论方法和完整流程。.针对高精度地图本体模型构建，采用本体理论作为高精度地图概念知识框架，开展了标准知识领域的对比研究，使用领域本体的构建理论和方法，对地图概念层次与关系属性进行抽象，构建了高精无人驾驶地图的本体模型。.在车载移动测量系统数据采集关键技术研究方面，研制了用于高精度数据采集的车载移动测量系统，可实现在车辆高速行进的同时快速采集路面及道路周边附属设施的空间信息和属性信息，可做到对道路信息的高效率、高精度、全覆盖的采集。为了获得具有RGB信息的激光点云，开展了全景相机和激光点云的标定与融合技术研究。为了获得目标坐标系下的高精度点云，研究了车载移动测量系统的动态标定技术，对车载移动测量系统完成了时间同步和空间同步。.在高精度地图制图与语义关联方法研究方面，研究了基于深度学习网络框架PointNet的道路点云自动分割和分类技术。由于高精度地图需要的车道线是矢量化的车道线，提出了基于线段自增长的道路标线矢量化，根据矢量化的车道线即可建立高精度地图中的车道对象。高精度地图中的车道还需要和对应的交通约束语义建立关联关系才能服务于自动驾驶车辆，因此研究了车道对象和对应交通约束语义之间的关联方法。.基于多源数据的高精度地图变化检测与应用方面，结合无人机数据与移动测量数据进行了地图要素变化检测与更新、路测设施变化检测与更新，并提出一种融合移动点云和图像的道路坑洞检测算法。.本项目按照计划顺利进行，发表学术论文13篇，其中SCI检索论文5篇。申请专利2项。7人参加国内外学术会议，分会场报告5次。培养研究生7名。