[发明专利]基于网联的无人驾驶测试环境地图搭建方法及系统

说明书

本发明提供了一种基于网联的无人驾驶测试环境地图搭建系统及方法，包括：通过V2X通信技术，实现无人驾驶测试环境中的车‑车、车‑人、车‑路、车‑网的信息交换，获得超视距环境信息；对超视距环境信息进行预处理，得到预处理后的超视距环境信息；基于预处理后的超视距环境信息利用OBR算法提取和匹配ORB特征点，并进行镜像相机位姿估计；基于扩展卡尔曼滤波算法对估计的镜像相机位姿进行优化处理，得到全局一致的相机轨迹和全局地图；基于V2X通信技术采集的环境信息构建词袋模型；利用词袋模型通过优化消除累积误差修正全局一致的相机轨迹与相机位姿，减少建图误差，确保全局地图准确性；基于修正后的轨迹与相机位姿，建立无人驾驶测试环境地图。

技术领域

本发明涉及高精度地图构建的技术领域，具体地，涉及基于网联的无人驾驶测试环境地图搭建方法及系统，更为具体地，涉及基于网联的无人驾驶测试环境高精度地图构架及搭建方法。

背景技术

汽车的发明给社会带来了诸多便捷和效率，汽车工业的发展也进一步促进了

经济的发展与人类的创新。而交通安全事故却时有发生，很难完全避免，对我们的人身安全构成了严重威胁。一方面由于自然环境的恶化，雾、霾、雨、雪等恶劣天气经常导致能见度大幅度降低，严重影响汽车的安全行驶；另一方面高速道路上的长时间驾驶会造成司机驾驶疲劳，注意力不集中和判断能力下降导致发生道路交通事故。人们对于生活品质的不断需求使得汽车的年产量和保有量不断增加，安全性能更高、乘坐更加舒适、驾驶更加便捷,已成为人们对汽车的普遍需求。互联网和人工智能技术的高速发展给汽车带来了革命性的变化，新能源汽车和自动驾驶汽车因此成为其中最热门、最典型的应用。受基础科学的发展限制，自动驾驶比新能源汽车更可能在短期内走入大众生活。

搭载了激光雷达、相机、毫米波雷达、GPS等设备的无人车不需要人为干预就能对环境进行感知，从复杂的交通流中提取导航信息，并以先进的决策和控制系统计算并执行适当的指令。无人车的研究在辅助人们驾驶方面具有得天独厚的优势，能有效降低交通事故的发生率。无人车能够感知车辆周围的环境，它能准确识别路口的交通信号灯，根据无人车的智能决策系统，遇到红灯时如果司机没有及时做出刹车反应，无人车能自主做出刹车指令，这样就能避免司机未及时刹车而闯红灯的行为；无人车也能够感知到周围的车辆和行人等障碍物，快速识别判断障碍物，比人类更快速的做出避障决策。能见度极低的恶劣天气下，人眼能见范围降低，但是无人车上的激光雷达不受天气的影响，在恶劣天气中依然能准确感知周围的环境信息，极大增强了人和车辆行驶的安全性，交通事故的减少对保障人们的生命财产安全具有重大意义。

自主驾驶系统主要由感知、规划、控制三大模块构成，其中感知模块是其实现自主的基础，而精准复杂的感知系统离不开高精度地图的构建与精确的定位定姿。

高精度地图是一种具有厘米级精度、包含路网结构信息的特殊地图，主要应用于高精定位、环境感知、路径规划以及仿真实验，其中高精定位是将车辆在线获取的环境特征与事先建好的高精度地图进行复杂的特征匹配，来获取当前车辆在地图上的确切位置；自动驾驶车辆通过摄像头、激光雷达等传感器进行环境感知的能力有限，高精度地图上的三维语义信息如红绿灯、交通标志牌等可以缩小目标的检测范围、降低感知难度；另外，高精度地图上的路网信息可以在始发地与目的地之间规划出厘米级的最优路径。和传统导航地图相比，高精度地图拥有更为精细的环境描述和度量，方便计算机实时解析地图数据库并与传感器信息关联。

当前面向无人驾驶的高精度建图的主流方法大致分为以下几个部分：数据采集，数据处理，对象检测，手动验证以及地图发布。对高精度建图效果及精度影响最大的一个步骤就是数据采集部分，换句话说，数据采集的结果很大程度上决定了建图效果。