自动驾驶对地图提出的高精度、高鲜度、高覆盖等要求,现阶段难以同时满足,本文针对高、低精度数据空间位置差异但特征相似度极高的特点,提出了一种将低精度观测信息转化为高精地图要素置信度的方法,在不改变高精地图更新频率的前提下,...自动驾驶对地图提出的高精度、高鲜度、高覆盖等要求,现阶段难以同时满足,本文针对高、低精度数据空间位置差异但特征相似度极高的特点,提出了一种将低精度观测信息转化为高精地图要素置信度的方法,在不改变高精地图更新频率的前提下,完善地图安全策略。该方法采用矩形邻域二级匹配原理和匹配度测量模型,缩小匹配范围和量化匹配度,从而准确匹配目标;再根据特征向量分析,判断目标要素当前状态;采用计分规则将状态转化为地图要素置信度得分。该方法运用在多省高快速高精地图置信度更新试验中,仅用普通行车记录仪图片提供的观测信息,即可更新HD地图限速标牌存在置信度,还验证了由新的观测触发和由底图更新触发两种置信度更新模式。试验结果表明,观测冗余度和置信度保持率呈正相关,当观测冗余度约为15时,可达到60 d 80%以上目标要素保持高置信,且准确率超过96%。本文方法为高精地图鲜度与安全冲突提供了一种行之有效的解决方案,可促进高精地图安全应用策略进一步深化。展开更多
文摘自动驾驶对地图提出的高精度、高鲜度、高覆盖等要求,现阶段难以同时满足,本文针对高、低精度数据空间位置差异但特征相似度极高的特点,提出了一种将低精度观测信息转化为高精地图要素置信度的方法,在不改变高精地图更新频率的前提下,完善地图安全策略。该方法采用矩形邻域二级匹配原理和匹配度测量模型,缩小匹配范围和量化匹配度,从而准确匹配目标;再根据特征向量分析,判断目标要素当前状态;采用计分规则将状态转化为地图要素置信度得分。该方法运用在多省高快速高精地图置信度更新试验中,仅用普通行车记录仪图片提供的观测信息,即可更新HD地图限速标牌存在置信度,还验证了由新的观测触发和由底图更新触发两种置信度更新模式。试验结果表明,观测冗余度和置信度保持率呈正相关,当观测冗余度约为15时,可达到60 d 80%以上目标要素保持高置信,且准确率超过96%。本文方法为高精地图鲜度与安全冲突提供了一种行之有效的解决方案,可促进高精地图安全应用策略进一步深化。