【论文速读】基于双目视觉的车道及高精地图制作

标题：基于双目视觉的车道级高精地图制作

作者：吴代晖 张建平（北京四维图新科技股份有限公司）

来源：北京测绘

星球ID：particle

本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈分享快乐。

论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[e-mail]。

●论文摘要

自动驾驶汽车工业对促进国际经济、社会、科技、安全发展，带动制造业转型升级及产业发展 具有重要意义。高精地图作为实现汽车自动驾驶的关键基础设施，是交通资源全时空实时感知的载体和交 通工具全过程运行管控的基础。项目利用配备双目视觉设备的移动测量车采集数据，通过基于神经网络的 自动识别算法提取要素，使用 DMI平台处理和检查数据，实现了低成本的车道级高精地图制作。文章重点 说明了基于双目视觉的高精地图制作的技术流程以及各环节的技术要求，提供了在车联网示范项目应用实 例，并指出面向大规模商业应用需要进一步研究的方向。

●内容介绍

目前高精地图制作主要制作方式有两种：基 于雷达方案和基于视觉的方案。雷达探测距离 远、精度高，但价格较为昂贵。高昂的制造成 本是高精度地图生产面临的最为棘手的问题视觉传感器具有采样速度快、重量轻、占用空间 小、能耗低及价格低廉等优点。成本控制是高精 地图量产的关键，对于大规模制作，从商业角度来讲，视觉方案有明显优势。本项目利用配备双目视觉设备的移动测量 车采集数据，通过基于神经网络的自动识别算法 提取要素，使用DMI(digital measurable image）平台处理和检查数据，实现了以较低的成本的制 作车道级高精地图。本车道级高精地图全面表 达了道路平面、纵面、横面信息及多种交通设施 信息等地图要素，达到亚米级精度。车道级高精 地图制作技术流程主要包括：数据采集、数据解 算、自动识别、数据制作及检查。

1

数据采集

采集设备:移动测量采集车由载体平台分系统、定位定 姿分系统、移动测图分系统、集中控制分系统、电 源供 电 分 系 统、采 集 处 理 软 件 分 系 统 六 部 分 组成。

（１）载体平台分系统：用于保护相机，固定整 个系统，起到稳定支撑作用；

（２）定位定姿分系统：通过GPS/IMU 装置直接确定传感器空间位置和姿态；

(３）移动测图分系统：利用两个CCD相机同 时采集左右目照片数据；

（４）集中控制分系统：对系统的时间同步、采 集存储以及温度等内容统一控制；

（５）电源供电分系统：负责给各个系统供电， 为系统正常运行提供保障；

（６）采集处理软件分系统：主要进行设备检 校、采集监控、集成处理、预处理。

地 图 采 集 车MMS（Mobile Mapping System，ＭＭS）系统结构图如图１所示。

采集流程:数据采集时，先进行基站架设，然后进行设 备安装与 检 查。再根据当时的天气状态，设置 仪器设备 参 数，确 保 照 片 数 据 亮 度。参 数设置完成后，启动流动站 GPS、IMU开始静态初始化工作，保持车辆５分钟以上静止不动，之后再进 行测量作业。

2

数据处理

轨迹解算：利用商业POS数据处理软件Inertial Explorer进行解算。处理软件为轨迹数据提供精确解算,并融合GNSS后差分数据与IMU数据得到高精 确 位 置 和 姿 态 数 据。采 用 国 家 CGCS2000 坐 标系。图３为校正后轨迹点叠加卫星影像效果图， 从图上可见其吻合度较好

畸变校正:利用POS文件和相机的标定参数解算 出车载相机的照片外方位文件。文件里面包含 了每张照片的坐标、姿态角等信息。然后使用照 片校正工具进行照片畸变纠正，减少镜头畸变影 响，以便在照片上实现精准量测。

自动识别:针对纠正后照片，利用自动识别算法,识别提取分隔带、标牌等要素。先利用照片训练神经网络模型，然 后 根 据 训 练 好 的 模 型 识 别 要素

3

数据制作及检查

数据制作:进行高精度地图几何、属 性、关系的提取、处理。基本数据内容包括：

（１）车道分隔带：记录车道分隔带几何形状、 颜色、车道组关系；

（２）车道信息：记录车道类型、方向、宽度、坡 度、曲率、连通关系；

（３）车道变化点：记录车道发生变化的位置、 属性；

（４）车道限制信息：记录通行方向限行、限速 规则；

（５）交通设施：包含交通标志、路面设施、固 定地物等，例如：红绿灯、收费站、人行安全岛、人 行横道面、停止线、等待线、隧道等位置、属性信 息以及与车道间的关系。

①几何：分隔带、标牌、信号灯等要素的几何 位置可以通过自动识别获取；

②属性：颜色、宽度、线型等属性信息通过人 工从照片上提取；

③关系：车道连通关系，通过定义的规则进 行程序处理。要素间的关联关系，新增部分通过 人工处理，修改及删除部分通过程序被动维护。

数据检查:数据制作完成后进行程序检查。程序检查，指利用程序原则对数据的正确性、业务逻辑、结构关系等进行检查，以验证数据是否满足产品设计要求。

精度分析：为验证该系统的精度，选择湖北省武汉市高 新五路控制场进行精度验证，校验场空间坐标系 统采用 WGS-84坐标系，投影采用高斯投影，投 影面为椭球面。该场地控制点由现场架GNSS基站联测，GNSS网点的精度按《全球定位系统 （GPS）测量规范》Ｅ 级执行。导线点精度采用全 站仪进行观测，点位水平精度中误差3cm，高程 精度中误差5cm。

应用案例

利用该方案制作了无锡太湖博览中心附近的 LTE-V2X开放道路示范样板区7.5km 内的地图，区域内道路全长80KM，数据区域示意图如图

在应用中，高精地图数据为车路协同系统提 供信息交互的地理标签，以其精细丰富的道路交 通元素、大量的行车辅助信息为驾驶提供完备的 周边环境信息，为车辆的定位、感知、决策提供重 要依据。在精准定位方面，地图配合车辆其他传 感器，对车辆相对位置进行推算，实现车道级定位，与其他定位结果相互冗余，精准定义位置，以 利于之后准确的决策规划。在感知决策方面，高 精地图中包含道路车道线、车道中心线、车道属 性变化等细节信息，能支持车道级别的驾驶，比 如指导车 辆 在 虚 线 区 域 内 进 行 并 线，在 车 道 分 离点前完 成 变 道。

●总结

本文提出了一种基于双目视觉的车道级高 精地图制作方法。利用配备双目视觉设备的移 动测量车采集数据，通过基于神经网络的自动识 别算法提取要素，使用 DMI平台处理和检查数 据，实现了车道级高精地图制作，在短距离范围 内（小于40Kｍ），数据能达到亚米级精度。此外， 提供了高精地图在车联网应用场景实例，高精地 图为车辆定位、感知、决策提供了重要依据。基于双目视觉的车道级高精地图制作还处 于应用研究阶段，面对大规模商业量产和应用， 仍还有许多课题需要进一步研究：如何在车辆行驶中完成高频率的地图实时在线更新；如何进一步提高自动识别和提取的智能程度和准确度，实时识别，实时回传至云端；云端数据后台如何对 成果数据进行自动化差分，自动提取变化数据， 实时更新地图数据。