多粒度柵格地圖的創(chuàng)建與拓?fù)涞貓D的自動生成

肖克來提+鄧志東

摘 要：環(huán)境建模是無人駕駛汽車的關(guān)鍵技術(shù)之一，而柵格幾何地圖則是無人駕駛汽車進(jìn)行環(huán)境建模、環(huán)境感知與自主導(dǎo)航的基礎(chǔ)。為此，提出的多粒度多屬性柵格地圖不僅能表達(dá)具有不同粒度大小的數(shù)據(jù)級、特征級與決策級柵格地圖，而且可以較全面地描述護(hù)欄、城市道路邊緣、樹干與電線桿、交通標(biāo)志牌、車道線、斑馬線、路口等多種屬性。與此同時，自動提取的拓?fù)涞貓D的精度可達(dá)到車道級水平。目前我們正在利用所提出的多粒度多屬性柵格地圖，進(jìn)行基于地圖匹配的精準(zhǔn)自主導(dǎo)航新方法研究，并進(jìn)一步基于此混合地圖開展高可靠環(huán)境感知系統(tǒng)的研究與實踐。第一部分是引言。第二部分介紹多粒度多屬性柵格地圖的創(chuàng)建。第三部分介紹基于柵格地圖自動生成拓?fù)涞貓D的方法。最后給出實驗結(jié)果與分析。

關(guān)鍵詞：多粒度柵格地圖；拓?fù)涞貓D；自動生成

中圖分類號：TB

文獻(xiàn)標(biāo)識碼：A

doi：10.19311/j.cnki.1672-3198.2016.23.133

1 一種多粒度柵格地圖的創(chuàng)建

1.1 多屬性地圖的定義

創(chuàng)建柵格地圖之前，必須首先給出柵格的定義，即單個柵格的表示或數(shù)據(jù)存儲結(jié)構(gòu)。本文用三個字節(jié)來表達(dá)柵格中的狀態(tài)與屬性信息。

一個占用柵格通過柵格狀態(tài)及道路屬性、柵格標(biāo)志位屬性和柵格交通標(biāo)識屬性等三個字節(jié)進(jìn)行表達(dá)。柵格狀態(tài)及道路屬性字節(jié)，是指柵格狀態(tài)值（即表示柵格是否被占用）、障礙物及其類型、車道線及其類型以及停止線等。柵格標(biāo)志位屬性字節(jié)，是指標(biāo)志位，即該柵格是否為馬路牙子、護(hù)欄、匝道、非結(jié)構(gòu)化區(qū)域和地面箭頭等。柵格交通標(biāo)識字節(jié)，是指交通燈的類型和交通標(biāo)志牌的類型。

1.2 柵格地圖的多粒度表達(dá)

作為模糊粒度計算的起步，張鈸等人提出了模糊商空間理論。所得到的主要結(jié)果有：證明了利用模糊等價關(guān)系可以將原來的商空間理論推廣成模糊商空間理論，并給出了幾個基本的定理。在這里我們將模糊粒度計算的概念應(yīng)用到柵格地圖當(dāng)中。我們創(chuàng)建出來的基本占用柵格地圖是細(xì)粒度地圖，但是無人駕駛汽車的自主決策，通常需要多層次、多粒度的環(huán)境信息。此時需要生成一個具有不同分辨率的粗粒度地圖。

算法1.1：

（1）基于激光雷達(dá)點云數(shù)據(jù)生成一個M×N二維細(xì)粒度柵格地圖。

（2）確定粒度大小n，即一個粗粒度柵格由多少個細(xì)粒度柵格組成。

（3）定義Ai，j=fun（X）為從細(xì)粒度地圖到粗粒度地圖的映射函數(shù)。其中X為n×n的小柵格的狀態(tài)屬性矩陣，Ai，j是處在第i行，第j列的粗粒度柵格的狀態(tài)屬性值。映射函數(shù)可以根據(jù)所需要提取的宏觀信息進(jìn)行調(diào)整。在本文的實現(xiàn)中，映射函數(shù)是通過統(tǒng)計大柵格里被占用柵格的個數(shù)來確定大柵格是否被占用。

（4）基于映射函數(shù)返回的狀態(tài)屬性矩陣A生成粗粒度地圖。

2 基于柵格地圖的拓?fù)涞貓D自動生成方法

拓?fù)涞貓D是由多個順序連接的點邊組成。創(chuàng)建拓?fù)涞貓D，首先是要確定組成拓?fù)涞貓D的拓?fù)潼c集，其次要確定這些拓?fù)潼c集的順序。有了拓?fù)潼c集和順序之后，只要將各點按照原先的順序以邊的形式連接起來就可以生成拓?fù)涞貓D了。

本文的拓?fù)潼c都是選自汽車行駛的實際軌跡。拓?fù)潼c取自軌跡點集有兩個好處：一個是該點的定位非常精確，肯定是道路上可行駛的點，不會出現(xiàn)嚴(yán)重偏離車道的情況，因此該點實際就是定義車道的路點。其次軌跡點本身就有順序，我們就不需要考慮怎么確定各點之間的連接順序。

由于拓?fù)涞貓D的提取目標(biāo)是給出行駛環(huán)境的宏觀信息，因此這些拓?fù)潼c必須具有代表性。對于一個直道，只需要在直道的兩端各返回一個路點即可。而對于彎道，路口，U型掉頭和環(huán)島等情況，則需要加入多個路點才能表示出其復(fù)雜的結(jié)構(gòu)信息，如圖1所示。

算法2.1：

（1）將行駛軌跡經(jīng)過的柵格標(biāo)記到多屬性柵格地圖中，作為提取路點的候選拓?fù)潼c集。

（2）對柵格地圖進(jìn)行粗粒度化處理，并在粗粒度地圖中保留斑馬線屬性以及標(biāo)記為軌跡的柵格。

（3）取處在有斑馬線屬性的軌跡柵格中間的柵格為該斑馬線的路點。

（4）計算每個軌跡柵格的航向角變化率Ψ，若Ψ大于閾值α且小于某閾值β，則認(rèn)為該點是彎道上的路點。

（5）若航向角變化率Ψ大于β，則認(rèn)為該點是U型調(diào)頭上的路點。

（6）順序連接以上提取到的路點，進(jìn)而生成拓?fù)涞貓D。

在實際操作過程中，有時我們需要在拓?fù)涞貓D里面人為地插入一些路點，并確保這些路點在車道范圍之內(nèi)。這就應(yīng)該先識別車道，再在車道水平上編輯路點。

在城市道路中，車道是由車道線劃分的。一般地，一個車道可能在兩個車道線的中間，也可能是處在車道線和城市道路邊緣之間。我們恰好可以利用車道的這一特點提取車道特征。具體的提取方法如下：

算法2.2：

（1）我們由車體行駛方向的那條直線垂直的往兩邊用光柵跟蹤算法掃描，直到碰撞道路邊緣為止。

（2）再從道路邊緣點往車體中行駛方向線垂直掃描，直道碰撞車道線為止。

（3）如果是雙車道，則掃描結(jié)束，取所有掃描線的中心點的連線為車道的中心線，如圖2（a）所示。

（4）如果是三車道或者是四車道，則在原來掃到的車道線的基礎(chǔ)上再往車道行駛方向線垂直掃描，直道碰撞車道線為止。

（5）取所有掃描線的中心線的連線為車道的中心線，掃描結(jié)束。

3 實驗結(jié)果

實驗中采用了Velodyne公司生產(chǎn)的HDL-64E S2 64線激光雷達(dá)作為環(huán)境建模的測量設(shè)備，該設(shè)備提供了混合地圖創(chuàng)建所需的關(guān)鍵數(shù)據(jù)-三維激光點云。圖1（a）為基于細(xì)粒度地圖生成的粗粒度地圖，圖1（b）為基于多屬性地圖生成的拓?fù)涞貓D。

參考文獻(xiàn)

[1]肖克來提，鄧志東.基于激光雷達(dá)的多屬性柵格地圖的創(chuàng)建[J].信息與電腦：理論版，2016，（8）.

[2]張鈴，張鈸.基于商空間的問題求解（粒度計算的理論基礎(chǔ)）[M].北京：清華大學(xué)出版社，2014.