1、2023 年第 6 期王丽妍，等:面向自动驾驶的高精地图数据引擎模型引文格式:王丽妍，周勋，胡伟，等 面向自动驾驶的高精地图数据引擎模型J 测绘通报，2023(6):11-14 DOI:10 13474/j cnki 11-22462023 0161面向自动驾驶的高精地图数据引擎模型王丽妍1，周勋1，胡伟1，刘立歆1，李飞雪2(1 中汽创智科技有限公司，江苏 南京 210023;2 南京大学地理与海洋科学学院，江苏 南京 210023)摘要:高精地图为自动驾驶定位、感知、规控等模块提供诸多超感知范围的车道级地图要素，是 L3 及以上自动驾驶中不可或缺的一部分。高精地图精度高且数据量大，而通常自
2、动驾驶车端算力有限，因此离不开高精地图数据引擎对要素的快速解析与动态提取。本文提出了一种面向自动驾驶的高精地图数据引擎模型，通过对高精地图进行数据转换、要素获取、地图匹配、路网构建、数据播发、车载以太网传输、路网重建与应用适配，持续高效地为自动驾驶提供所需的静态与动态要素信息，以满足车辆在行驶过程中对高精地图的实时需求。关键词:高精地图;数据引擎;模型;自动驾驶;电子地平线;数据重构模块中图分类号:P28文献标识码:A文章编号:0494-0911(2023)06-0011-04High precision map data engine model for autonomous driving
3、WANG Liyan1，ZHOU Xun1，HU Wei1，LIU Lixin1，LI Feixue2(1 China Automotive Innovation Corporation，Nanjing 210023，China;2 School of Geography and Ocean Science，Nanjing University，Nanjing 210023，China)Abstract:High precision map provides many lane level map elements beyond the sensing range for autonomous
4、 driving positioning，perception，planning and control modules，It is an indispensable part of L3 and above autonomous driving High precision map hashigh precision and large data volume，but the computing power of the autonomous driving vehicle is limited，so it cannot be separatedfrom the rapid analysis
5、 and dynamic extraction of the elements by the high precision map data engine A high precision map data enginemodel for autonomous driving is proposed Through the transformation of high precision map data，element acquisition，map matching，road network construction，data broadcasting，on-board Ethernet
6、transmission，road network reconstruction and application adaptation，the static and dynamic element information required by autonomous driving can be continuously and efficiently provided to meet thereal-time demand of high precision map during drivingKey words:high precision map;data engine;model;au
7、tonomous driving;electronic horizon provider;data reconstruction module高精地图是一种面向车辆自动驾驶系统、高级驾驶辅助系统和智慧交通的电子地图产品1。与传统导航电子地图相比，高精地图精度更高、图层更多、要素内容更丰富，同时还具有云端、路端和车端传输的动态信息，以满足自动驾驶车辆在行驶过程中对精确地图匹配、实时路径规划和环境辅助感知等功能的需求2-4。高精地图为自动驾驶提供诸多超感知范围的车道级地图要素，是 L3 及以上自动驾驶中不可或缺的一部分。高精地图精度高且数据量大，而通常自动驾驶车端算力有限，因此为保证高精地图在车端
8、的应用效率，需高精地图数据引擎进行数据解析与动态提取，以满足自动驾驶车辆在行驶过程中对高精地图的实时需求5-7。高精地图数据引擎可根据车辆位置从地图数据中提取车辆前方或周边一定距离内的道路交通信息，然后将这些信息输出，供自动驾驶汽车感知、决策、控制等各功能模块使用7-8。当前有关高精地图应用的研究大多集中在高精地图交换格式标准或通用模型、车端自动驾驶应用。如文献 910总结了高精地图数据结构、制作流程和技术难点，部分学者对各类高精地图数据标准进行了对比分析，提出了构建高精地图数据模型的方法2，11-12。文献 1314 探索了高精地图在自动驾驶中的驱动机制和应用优势。然而少有学者提出高精地图在
9、自动驾驶车辆中应用的具体过程与相关模型。本文提出一种面向自动驾驶的高精地图数据引擎模型，该模型通过对高精地图进行数据转换、要素获取、地图匹配、路网构建、数据播11收稿日期:2022-08-22基金项目:国家自然科学基金(41671386)作者简介:王丽妍(1991)，女，硕士，工程师，主要研究方向为高精地图及应用。E-mail:wangliyan199101 163 com测绘通报2023 年第 6 期发、车载以太网传输、路网重建与应用适配，持续高效地为自动驾驶提供所需的静态与动态要素信息，满足自动驾驶车辆各功能对高精地图应用效率和数据量的要求。该模型可实现高精定位、高级驾驶辅 助 系 统(a
10、dvanceddrivingassistancesystem，ADAS)、高速自动驾驶(highway pilot，HWP)、自主泊车(automated valet parking，AVP)等功能。1模型架构面向自动驾驶的高精地图数据引擎模型如图 1所示，主要包括高精地图工具包(high definition mapsoftware development kit，HD SDK)、地图匹配模块、电子地平线(electronic horizon provider，EHP)、高精地图数据重构模块(electronic horizon reconstructor，EHR)。HD SDK 模块通过空
11、中下载技术(over-the-air technology，OTA)从云端(Cloud)和路侧单元(road side unit，RSU)进行数据下载更新，通过各类接口与自动驾驶感知、定位、规划和控制等模块进行交互。图 1高精地图数据引擎模型2HD SDKHD SDK 中封装了高精地图数据，其中，静态数据包括道路层、车道层、交通设施层等，动态数据包括实时路况和交通事件等。HD SDK 除高精地图外，还封装了以下功能:数据查询、存储管理、数据更新、诊断日志、配置管理和数据安全。该模块可通过 OTA 从云端和路侧单元中下载、更新最新的高精地图数据，可为地图匹配模块提供所需的高精度底图要素信息，可为
12、 EHP 模块提供所需的动态和静态高精地图要素，如坡度、曲率、道路宽度、车道几何信息。模块中封装的高精地图应当具备较好的物理性能，采用基本的分级、分块和分层机制。参考国内外主流的自动驾驶地图数据标准，如 OpenDrive、导航数据标准(navigation data standard，NDS)、道路高精度电子导航地图数据规范、智能运输系统智能驾驶电子地图数据模型与交换格式。高精地图封装前需经过一系列数据转换，以满足以下原则12:采用数据库技术存储地图数据;采用分层分区等逻辑数据组织模型;保证丰富的要素和属性;预留动态数据和扩展数据接口;支持模块化组织，包含道路拓扑和车道拓扑网络关系;支持地图
13、可视化与渲染;明确与标准导航地图的关系;明确与自动驾驶各应用的关系。212023 年第 6 期王丽妍，等:面向自动驾驶的高精地图数据引擎模型3地图匹配地图匹配模块是将车辆位置定位匹配至高精地图中。自动驾驶感知模块中的摄像头、激光雷达、毫米波雷达、超声波雷达等传感器可随时获取车辆行进中的环境要素特征。定位模块中的导航定位系统 GNSS RTK、惯性测量单元(IMU)、里程计等可组合解算出车辆的绝对位置。地图匹配模块将感知模块和定位模块中获取的此类信息与从 HDSDK 中获取的高精度底图要素信息进行对比匹配，经过距离分析、连通性分析、速度分析和角度分析，输出匹配结果15-16。匹配过程如下:(1)
14、获取车端定位模块中车辆轨迹信息，如时间戳、经度、纬度、高度、速度、航向，进行去噪等预处理，获取车端感知模块中提取的要素特征信息，综合确定车辆当前所在的位置坐标。(2)根据车辆当前位置坐标和行驶轨迹，判断车辆是否在道路上，确定车辆行驶方向与道路通行方向的关系。(3)选取候选道路/车道，通过基于几何分析(点到点、点到线、线到线)、拓扑结构(如路段连通性、道转弯限制、道路宽度)、概率分析(置信区间)等方法，将车辆位置与高精地图中的道路/车道要素进行匹配。(4)判断匹配置信度:一般 1 为非常准确地定位到某一条车道/道路，0 为无法匹配到路上，中间数值为存在多条候选路径，且无法确定在哪一条路上，所有置
15、信度和应为 1。(5)输出带有时间戳的地图匹配信息:道路级匹配信息如道路参考线 ID、道路级匹配点位、偏差距离、匹配点前后形状点索引，车道级匹配信息如车道 ID、车道级匹配点位、偏差距离、夹角、匹配点前后形状点索引。4EHP/EHREHP 模块从自动驾驶规划模块中获取规划路径信息，从地图匹配模块中获取车辆位置信息，从 HDSDK 模块中获取所需的高精地图要素信息。根据以上信息构建路网，生成高级驾驶辅助系统第 3 版本接口规 范(advanced driver assistance system interfacespecification version 3，ADASIS V3)消息格式，将消
16、息序列化后，通过用户数据报协议(UDP)或 CAN 报文格式将其经车载以太网或 CAN 总线传输至 EHR 模块。EHR 模块将接收到的消息进行反序列化、重建路网，根据自动驾驶感知、定位、规划和控制模块的应用需求进行接口适配，EHR 模块内还具备与 EHP 双向通信、动态存储和格式检查的功能7。4.1EHP4.1.1定义EHP 是一种为车辆提供超视距道路交通信息的产品或服务7，如超出传感器感知范围的道路(如曲率、坡度)、车道(如车道线形状、车道属性)、路牌(如位置、外接矩形框)信息。超出传感器感知范围包括超出距离、超出视角和遮挡区域。EHP 关注与行驶道路相关的一定范围内的局部信息而非全局信息，遵循 ADASIS V3 协议。ADASIS 是 ADAS论坛制定的国际标准，用于规范地图数据和车辆自动驾驶应用之间的标准接口协议，将逻辑数据结构和通信传输协议标准化，V3 为最新版本7。4.1.2模块(1)路网构建。EHP 构建的路网包括主路径和子路径，形成层次表达，在采用优化路径组织方式、减少数据冗余的同时，可以完整表达车辆前方一定距离内的路网数据，如图 2 所示。EHP 会将汽车最有可能行
