基于多传感器的车道级高精细地图制作方法

导航、驾驶辅助、无人驾驶等技术的不断发展对地图的精细程度提出了更高的要求。常规的道路级地图对于智能交通系统存在很多不足,针对车道级导航等应用的需求,提出了利用全景摄像头、GPS和惯导制作车道级高精细地图的方法。首先提出了车道级高精细地图的分层定义,然后根据地图定义设计了一套方便可行的精确地理数据采集处理方法。高精细地图的细致定义会导致数据量较大,为保证地图相关操作的实时性,引入了数据库管理系统,为大数据量检索提供支持。研究结果表明:给出的高精细地图制作方法具有实用性和优越性。

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。

基于FCPA的智能精细化高精度地图生成与车道级路网构建

为了满足自动驾驶车辆的导航指引及道路信息动态反映需求,引入智能精细化高精度地图模型,解决智能交通领域中高精度地图的构建问题,进而为自动驾驶车辆提供精准、实时的导航指引。重点研究车道级路网的构建与智能精细化高精度地图生成方法之间的关系,并提出一种基于过滤侯选点算法(FCPA)的高精度地图生成方法,该方法包括车道图形计算、交叉口图形建立和其他车道轨迹计算等步骤,并通过试验验证所提方法的有效性。研究结果表明:与传统的地图生成算法相比,所提出的FCPA在精度和效率方面均表现出更优越的性能;该算法能够更准确地捕捉车道级路网的细节和特征,并在生成地图的过程中减少不必要的计算和冗余信息,降低了时间消耗,从而提高了地图生成的效率;该算法能够在保持生成地图精度要求的前提下,处理大规模地图数据,实现了精度和效率的平衡;所提出的FCPA具备动态更新地图的能力,可随交通环境的变化,进行地图信息数据的实时更新,以确保地图的准确性和实用性;该算法可为智能交通系统提供准确的道路信息和导航指引,提高系统的安全性和便捷性。