基于车载点云和影像的高清地图道路要素结构化提取

The high-definition map has higher location accuracy with rich, complete road information, which is the core element of intelligent driving. The mobile laser scanning systems can efficiently acquire the 3D geometric information and the texture information of road elements, providing a promising technology for high-definition maps production. This project uses mobile laser point clouds and images as data sources. First, This project proposes a location correction model of mobile laser point clouds considering non-rigid deformation, to improve the location accuracy of road elements on high-definition maps. Second, this project builds a deep learning framework of road elements "Panoptic Segmentation" combining mobile laser point clouds and images to achieve structural extraction of road elements and to enhance the richness of road elements in high-definition maps. Third, this project creates a method to enhance the integrity of road elements by integrating mapping knowledge domain and gennerative adversarial network, so as to realize the intelligent completion and enhancement of missing road elements and enhance the integrity of road elements in high-definition maps. This project aims at establishing an automatic road elements structural extraction system for high-definition maps based on mobile laser point cloud and image data.

高清地图是实现智能驾驶的核心要素，对道路要素的位置精准度、语义正确性和几何完整度提出更高要求。车载点云和影像包含道路环境的三维几何与纹理信息，为道路要素自动化提取提供了新的数据源。然而，道路环境复杂、定位信号遮挡导致重访点云存在位置不一致性，道路要素结构复杂、语义多态以及遮挡和重叠等给道路要素结构化提取与增强带来巨大挑战。本项目以车载点云和影像为数据源，以实现高清地图道路要素结构化提取与增强为研究目标；构建顾及非刚性形变的点云位置改正模型，实现无控条件下重访点云位置一致性改正，为道路要素提取提供高质量数据保障；研究融合车载点云与影像的道路要素“全景分割”方法，实现兼顾精准几何边界与正确语义标识的道路要素结构化提取；发展知识图谱引导生成对抗学习的道路要素完整性增强方法，实现缺失道路要素的智能化补全。本项目有望显著提高道路要素提取与增强的智能化水平，为高清地图生产提供重要支持。

高清地图是实现智能驾驶的核心要素，对道路要素的位置精准度、语义正确性和几何完整度提出更高要求。车载点云和影像包含道路环境的三维几何与纹理信息，为道路要素自动化提取提供了新的数据源。然而，道路环境复杂、定位信号遮挡导致重访点云存在位置不一致性，道路要素结构复杂、语义多态以及遮挡和重叠等给道路要素结构化提取与增强带来巨大挑战。本项目以车载点云和影像为数据源，以实现高清地图道路要素结构化提取与增强为研究目标；构建顾及非刚性形变的点云位置改正模型，实现无控条件下重访点云位置一致性改正，为道路要素提取提供高质量数据保障；研究融合车载点云与影像的道路要素“全景分割”方法，实现兼顾精准几何边界与正确语义标识的道路要素结构化提取；发展知识图谱引导生成对抗学习的道路要素完整性增强方法，实现缺失道路要素的智能化补全。本项目有望显著提高道路要素提取与增强的智能化水平，为高清地图生产提供重要支持。