JOSM城市结构化道路车道级环境数据的建模与导航(2)
1.2 研究意义在智能车辆的纵向控制方面，国内外的研究者们大多数都把研究重点放在了智能车辆的自适应巡航控制以及车辆的主动避撞等主动安全控制当中。相应的自适应巡航控制技术与主动避撞技术也在实际的量产车中作为一种辅助驾驶技术得到广泛应用。在针对道路信息进行车速的控制方面，国外研究者们提出了一种利用传感器和道路标志的方法来解决这一问题。他们首先在试验道路中的交通标志牌上贴上一个 RFID 标签，当车辆行驶到该贴有该标签的交通标志处得时候，安装在车上的高精度GPS 和RFID 接收器，对RFID 标签进行定位筛选，并将其标签内存储的速度限制信息进行采集，来实现智能车的速度调整控制。但该方法的实现依旧摆脱不了大量的基础设施的配置。目前中国的电子地图正在不断的细化，朝着各种专业地图方向发展。在过去的十年里，由于电子硬件产品性能不断提高、成本不断降低，互联网技术的快速普及，手机和汽车销售量的增多等因素，导致了电子地图技术和产业地飞速发展，地图精度得到很大的提高，被广泛地应用于手机端和汽车导航。但是，大多数的电子地图都是面向用户的，所包含的车道级环境信息却寥寥无几，而这对于自主车而言又非常的重要。另外，大多数的地图是商业的，较难获得透明的数据包，而且对其进行编辑修改等操作时会受到各种限制。道线级地图对于自主车来说有着重要的意义[5][6]。失去了道线的概念，自主车在自主行驶过程中将会出现随意换道的状况。而在车道级地图的辅助下，原本完全依赖环境感知的自主车能够进行更快速地规划（分析地图的速度大大快于即时感知环境），同时可以使规划提前（如，在前方有十字路口时更早地判断应该换道等）。一方面，当前使用的数字地图大多专门为人机接口设计，存在信息精确性、完整性等问题。网络数字地图数据在路网拓扑层面较理想，但是在车道级信息上普遍缺失，难以胜任自动驾驶车用地图的功能要求。另一方面，路采车辆采集到的道线数据缺乏基本的拓扑关系，而且对于道线数据的处理上，若没有结构化的道路作为指引，相对来说更为困难，精准度也不够高，特别是在对道线数据进行拐弯路口识别和建立拓扑结构的过程中，缺乏了结构化道路的参照，直接生成的车道线级地图对噪声的鲁棒性会变差。针对上面的问题，本文在原有数字地图的基础上扩展地图格式，采用车道数据自动化采集与离线地图数据编辑相结合的方案，探索城市结构化道路[7]车道级环境数据的建模方法，为自主车提供驾驶辅助信息[8][9][10]。
上一篇：人行横道线检测算法设计与实现