本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)及方法。

背景技術(shù)：

當(dāng)前，隨著自動(dòng)駕駛技術(shù)的快速發(fā)展，高精度地圖重要性日益凸顯，已成為實(shí)現(xiàn)無人駕駛和智能交通不可或缺的重要一環(huán)?，F(xiàn)有導(dǎo)航地圖精度一般不高，并且以整條道路作為對(duì)象提供道路信息數(shù)據(jù)或進(jìn)行導(dǎo)航指令發(fā)布，這種導(dǎo)航地圖稱之為道路級(jí)別地圖，是對(duì)實(shí)際交通環(huán)境的大幅度簡(jiǎn)化，能提供的信息內(nèi)容少，精確度低，對(duì)駕駛員的輔助能力較低。

自動(dòng)駕駛所需要的地圖不僅要具備高精度，還要擁有大量豐富的道路周邊細(xì)節(jié)，普通地圖導(dǎo)航精度只能達(dá)到米量級(jí)，高精度地圖可精確到10cm級(jí)別，不僅增加了車道屬性相關(guān)數(shù)據(jù)，還增加了高架物體、防護(hù)欄、障礙物、道路邊緣類型、路邊地標(biāo)等多種類型數(shù)據(jù)。多元異構(gòu)的海量地圖數(shù)據(jù)需要占用大量存儲(chǔ)空間，單圖層的高精度地圖無法滿足實(shí)時(shí)更新的需求。

深度學(xué)習(xí)、圖像識(shí)別等技術(shù)在高精度地圖領(lǐng)域的應(yīng)用，能夠大幅度提升地圖數(shù)據(jù)采集和處理效率。自動(dòng)駕駛技術(shù)和用戶需求的不斷提升，對(duì)高精度地圖的數(shù)據(jù)容量、精確程度、更新頻率等提出了更高的要求，傳統(tǒng)的地圖數(shù)據(jù)采集繪制方式存在諸多技術(shù)瓶頸，利用圖像識(shí)別、大數(shù)據(jù)處理、深度學(xué)習(xí)等人工智能技術(shù)，能夠自動(dòng)識(shí)別交通標(biāo)志、地面標(biāo)志、車道線、信號(hào)燈等，實(shí)現(xiàn)全景圖像自動(dòng)化提取道路及poi信息，提高數(shù)據(jù)加工效率和更新頻次，保證數(shù)據(jù)的準(zhǔn)確性。

目前高精度地圖的生產(chǎn)大多由專業(yè)的工作人員重新采集所有的道路信息，并計(jì)劃采集完成后周期性地對(duì)大部分區(qū)域重新更新。這種方法的采集設(shè)備往往是安裝了激光雷達(dá)等專用設(shè)備的采集車。三菱和豐田等日本汽車廠商聯(lián)合日本圖商zenrin正在制作三維的動(dòng)態(tài)地圖。其計(jì)劃是采用裝有高端傳感器的專用汽車對(duì)道路進(jìn)行側(cè)繪，第一步是覆蓋日本300公里的主要高速公路。here、tomtom和谷歌也采用類似方式制作三維地圖。國(guó)內(nèi)的傳統(tǒng)圖商高德通過裝配2個(gè)激光雷達(dá)和4個(gè)攝像頭的方式來滿足所需要的10cm級(jí)別精度。騰訊、百度、四維圖新等公司也在用類似的方式制作高精度地圖。

上述用專門的車載傳感器采集的原始地圖信息準(zhǔn)確性很高，然而存在以下問題：

1)、車載設(shè)備成本居高不下，使用激光雷達(dá)采集信息精度高，全局性好，但成本高昂，數(shù)據(jù)量大，且生成圖像為反射率圖像，與現(xiàn)實(shí)景物存在差異；

2)、數(shù)據(jù)處理效率較低，地圖數(shù)據(jù)采集到實(shí)現(xiàn)地圖更新的周期長(zhǎng)，會(huì)出現(xiàn)在地圖更新時(shí)實(shí)際路況特征屬性狀態(tài)早已改變的現(xiàn)象，無法及時(shí)有效反應(yīng)實(shí)際道路的動(dòng)態(tài)特征信息，阻礙位置服務(wù)的快速發(fā)展，降低了無人駕駛的安全性和可靠性；

3)、采集到的數(shù)據(jù)是稠密的點(diǎn)云，數(shù)據(jù)密度極大，消耗大量的計(jì)算資源，且后期地圖通信量高；

4)、采集的道路特征信息內(nèi)容有限，針對(duì)有些特定的道路特征需要特定的傳感器(如溫濕度、道路積水等天氣相關(guān)的動(dòng)態(tài)特征數(shù)據(jù))完成數(shù)據(jù)采集，因此車載采集方式無法滿足自動(dòng)駕駛對(duì)高精度地圖內(nèi)容方面的需求。

因此，如何低成本、高效且準(zhǔn)確地生產(chǎn)或更新高精度地圖是亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，為了解決現(xiàn)有技術(shù)中地圖采集方式數(shù)據(jù)量大、處理困難、成本高、地圖更新周期長(zhǎng)的問題，本發(fā)明提出一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)及方法，通過路側(cè)傳感器和ai技術(shù)實(shí)現(xiàn)高精度地圖生成，成本低、生成結(jié)果能實(shí)時(shí)有效反饋道路特征當(dāng)前的狀態(tài)，為自動(dòng)駕駛提供準(zhǔn)確的駕駛輔助信息。

本發(fā)明通過以下技術(shù)手段解決上述問題：

一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)，包括：

地圖數(shù)據(jù)采集端，用于為高精度地圖生成服務(wù)端提供海量、多元化的地圖道路原始數(shù)據(jù)；

高精度地圖生成服務(wù)端，用于根據(jù)地圖數(shù)據(jù)采集端提供的海量、多元化的地圖道路原始數(shù)據(jù)生成高精度動(dòng)態(tài)地圖；

所述高精度地圖生成服務(wù)端包括：

地圖數(shù)據(jù)處理模塊，用于將地圖道路原始數(shù)據(jù)進(jìn)行道路特征提取，對(duì)所有的道路特征采用分層設(shè)計(jì)，將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖；

地圖生成可視化模塊，用于在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)，將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

進(jìn)一步地，所述地圖數(shù)據(jù)采集端包括：

圖像數(shù)據(jù)采集模塊，用于采集海量的地圖原始道路圖像數(shù)據(jù)；

路況數(shù)據(jù)采集模塊，用于采集海量的地圖原始道路路況數(shù)據(jù)。

進(jìn)一步地，所述地圖數(shù)據(jù)處理模塊包括：

圖像數(shù)據(jù)預(yù)處理單元，用于將地圖原始道路圖像數(shù)據(jù)進(jìn)行圖像校正、圖像坐標(biāo)變換、圖像投影變換的預(yù)處理，預(yù)處理后相鄰位置的圖像數(shù)據(jù)采集模塊采集的圖像重疊區(qū)能夠?qū)R；

道路特征提取單元，用于從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征和道路半動(dòng)態(tài)特征；

道路特征設(shè)計(jì)單元，用于從內(nèi)容上對(duì)所有道路特征進(jìn)行分層設(shè)計(jì)，第一層為道路靜態(tài)特征，第二層為道路半靜態(tài)特征，第三層為道路半動(dòng)態(tài)特征，第四層為道路動(dòng)態(tài)特征；

多維道路信息融合拼接單元，用于將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后將預(yù)處理后的圖像在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖。

進(jìn)一步地，所述道路特征提取單元包括：

動(dòng)態(tài)特征提取子單元，用于利用深度學(xué)習(xí)、圖像識(shí)別的相關(guān)ai技術(shù)建立一個(gè)深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型，采用深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；

靜態(tài)特征提取子單元，用于根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；

半靜態(tài)特征提取子單元，用于通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征；

半動(dòng)態(tài)特征提取子單元，用于通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半動(dòng)態(tài)特征。

進(jìn)一步地，所述多維道路信息融合拼接單元包括：

道路特征融合拼接子單元，用于將提取的所有道路特征按照特征分層進(jìn)行拼接，先拼接靜態(tài)特征，最后融合動(dòng)態(tài)特征；

圖像拼接子單元，用于將預(yù)處理后的圖像進(jìn)行融合拼接成一張基礎(chǔ)的俯視投影圖。

進(jìn)一步地，所述地圖生成可視化模塊包括：

地理信息標(biāo)注單元，用于在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)；

地理信息校準(zhǔn)驗(yàn)證單元，用于對(duì)標(biāo)注完的道路信息進(jìn)行校準(zhǔn)驗(yàn)證；

地圖生成單元，用于將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

進(jìn)一步地，所述圖像數(shù)據(jù)采集模塊為攝像頭，所述路況數(shù)據(jù)采集模塊包括gps、溫濕度傳感器、積水傳感器。

進(jìn)一步地，所述攝像頭為城市交通所用的安防監(jiān)控?cái)z像頭和物聯(lián)網(wǎng)智慧路燈桿上掛載的攝像頭；gps為當(dāng)前智慧城市中的gps基站，溫濕度傳感器、積水傳感器為物聯(lián)網(wǎng)智慧路燈桿上集成的溫濕度傳感器、積水傳感器；地圖原始道路圖像數(shù)據(jù)和地圖原始道路路況數(shù)據(jù)通過物聯(lián)網(wǎng)智慧路燈桿上配置的公共網(wǎng)關(guān)模塊傳輸?shù)礁呔鹊貓D生成服務(wù)端。

一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理方法，包括：

s1、采集海量的地圖原始道路圖像數(shù)據(jù)和地圖原始道路路況數(shù)據(jù)；

s2、將地圖原始道路圖像數(shù)據(jù)進(jìn)行圖像校正、圖像坐標(biāo)變換、圖像投影變換的預(yù)處理，預(yù)處理后相鄰位置的圖像數(shù)據(jù)采集模塊采集的圖像重疊區(qū)能夠?qū)R；

s3、利用深度學(xué)習(xí)、圖像識(shí)別的相關(guān)ai技術(shù)建立一個(gè)深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型，采用深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；

根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；

通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征和道路半動(dòng)態(tài)特征；

s4、從內(nèi)容上對(duì)所有道路特征進(jìn)行分層設(shè)計(jì)，第一層為道路靜態(tài)特征，第二層為道路半靜態(tài)特征，第三層為道路半動(dòng)態(tài)特征，第四層為道路動(dòng)態(tài)特征；

s5、將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后將預(yù)處理后的圖像在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖；

s6、在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)；

s7、對(duì)標(biāo)注完的道路信息進(jìn)行校準(zhǔn)驗(yàn)證；

s8、將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

進(jìn)一步地，步驟s1中，采用攝像頭采集海量的地圖原始道路圖像數(shù)據(jù)，采用gps、溫濕度傳感器、積水傳感器采集地圖原始道路路況數(shù)據(jù)；

所述攝像頭為城市交通所用的安防監(jiān)控?cái)z像頭和物聯(lián)網(wǎng)智慧路燈桿上掛載的攝像頭；gps為當(dāng)前智慧城市中的gps基站，溫濕度傳感器、積水傳感器為物聯(lián)網(wǎng)智慧路燈桿上集成的溫濕度傳感器、積水傳感器；地圖原始道路圖像數(shù)據(jù)和地圖原始道路路況數(shù)據(jù)通過物聯(lián)網(wǎng)智慧路燈桿上配置的公共網(wǎng)關(guān)模塊傳輸?shù)礁呔鹊貓D生成服務(wù)端。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

1)、本發(fā)明采集路側(cè)圖像的攝像頭部署在路側(cè)基礎(chǔ)設(shè)施上(路燈桿、高架桿)，比車載攝像頭采集的地圖數(shù)據(jù)更具有實(shí)時(shí)有效性；

2)、本發(fā)明通過物聯(lián)網(wǎng)一體化燈桿掛載的多種傳感器終端設(shè)備，可實(shí)時(shí)采集高精度地圖的多維動(dòng)態(tài)信息(路面積水、濕度、天氣、街道標(biāo)志等)，這些信息只需要后臺(tái)進(jìn)行簡(jiǎn)單地驗(yàn)證處理，就可以發(fā)布到高精度地圖的應(yīng)用平臺(tái)，實(shí)時(shí)服務(wù)于智能交通領(lǐng)域；

3)、本發(fā)明中的地圖數(shù)據(jù)采集充分利用了當(dāng)前智慧城市的基礎(chǔ)設(shè)施(智慧路燈、路側(cè)攝像頭、gps基站)，通過共享智慧城市的路側(cè)傳感器方式，以及地圖數(shù)據(jù)的自動(dòng)采集上傳方式，能從多方面降低高精度地圖的生成成本；

4)、本發(fā)明通過對(duì)道路特征分層設(shè)計(jì)、特征分層融合拼接、以及支持增量更新的數(shù)據(jù)格式存儲(chǔ)，可實(shí)現(xiàn)高精度動(dòng)態(tài)地圖的快速更新。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)的結(jié)構(gòu)示意圖；

圖2是本發(fā)明基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)的拓?fù)鋱D；

圖3是本發(fā)明基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)的工作流程圖；

圖4是本發(fā)明采集地圖的攝像頭部署圖；

圖5是本發(fā)明基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理方法的流程圖。

具體實(shí)施方式

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面將結(jié)合附圖和具體的實(shí)施例對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。需要指出的是，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例，基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例1

如圖1所示，本發(fā)明提供一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)，包括：

地圖數(shù)據(jù)采集端，用于為高精度地圖生成服務(wù)端提供海量、多元化的地圖道路原始數(shù)據(jù)；

高精度地圖生成服務(wù)端，用于根據(jù)地圖數(shù)據(jù)采集端提供的海量、多元化的地圖道路原始數(shù)據(jù)生成高精度動(dòng)態(tài)地圖；

所述高精度地圖生成服務(wù)端包括：

地圖數(shù)據(jù)處理模塊，用于將地圖道路原始數(shù)據(jù)進(jìn)行道路特征提取，對(duì)所有的道路特征采用分層設(shè)計(jì)，將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖；

地圖生成可視化模塊，用于在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)，將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

所述地圖數(shù)據(jù)采集端包括：

圖像數(shù)據(jù)采集模塊，用于采集海量的地圖原始道路圖像數(shù)據(jù)；

路況數(shù)據(jù)采集模塊，用于采集海量的地圖原始道路路況數(shù)據(jù)。

所述圖像數(shù)據(jù)采集模塊為攝像頭，所述路況數(shù)據(jù)采集模塊包括gps、溫濕度傳感器、積水傳感器等。

所述攝像頭為城市交通所用的安防監(jiān)控?cái)z像頭和物聯(lián)網(wǎng)智慧路燈桿上掛載的攝像頭；gps為當(dāng)前智慧城市中的gps基站，溫濕度傳感器、積水傳感器為物聯(lián)網(wǎng)智慧路燈桿上集成的溫濕度傳感器、積水傳感器。

所述地圖數(shù)據(jù)處理模塊包括：

圖像數(shù)據(jù)預(yù)處理單元，用于將地圖原始道路圖像數(shù)據(jù)進(jìn)行圖像校正、圖像坐標(biāo)變換、圖像投影變換的預(yù)處理，預(yù)處理后相鄰位置的圖像數(shù)據(jù)采集模塊采集的圖像重疊區(qū)能夠?qū)R；

道路特征提取單元，用于從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征和道路半動(dòng)態(tài)特征；

道路特征設(shè)計(jì)單元，用于從內(nèi)容上對(duì)所有道路特征進(jìn)行分層設(shè)計(jì)，第一層為道路靜態(tài)特征，第二層為道路半靜態(tài)特征，第三層為道路半動(dòng)態(tài)特征，第四層為道路動(dòng)態(tài)特征；

多維道路信息融合拼接單元，用于將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后將預(yù)處理后的圖像在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖。

所述道路特征提取單元包括：

動(dòng)態(tài)特征提取子單元，用于利用深度學(xué)習(xí)、圖像識(shí)別的相關(guān)ai技術(shù)建立一個(gè)深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型，采用深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；

靜態(tài)特征提取子單元，用于根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；

半靜態(tài)特征提取子單元，用于通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征；

半動(dòng)態(tài)特征提取子單元，用于通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半動(dòng)態(tài)特征。

所述多維道路信息融合拼接單元包括：

道路特征融合拼接子單元，用于將提取的所有道路特征按照特征分層進(jìn)行拼接，先拼接靜態(tài)特征，最后融合動(dòng)態(tài)特征；

圖像拼接子單元，用于將預(yù)處理后的圖像進(jìn)行融合拼接成一張基礎(chǔ)的俯視投影圖。

所述地圖生成可視化模塊包括：

地理信息標(biāo)注單元，用于在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)；

地理信息校準(zhǔn)驗(yàn)證單元，用于對(duì)標(biāo)注完的道路信息進(jìn)行校準(zhǔn)驗(yàn)證；

地圖生成單元，用于將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

如圖2所示，地圖數(shù)據(jù)采集端中的圖像采集，所用的攝像頭是城市交通所用的安防監(jiān)控?cái)z像頭和智慧路燈桿上掛載的攝像頭。隨著智慧城市建設(shè)日趨成熟，攝像頭的覆蓋越來越密集，每個(gè)攝像頭采集所在區(qū)域?qū)?yīng)監(jiān)控范圍內(nèi)的道路屬性圖像，上傳到高精度地圖生成服務(wù)端。如圖4所示，采集道路圖像的攝像頭掛載在路燈桿、高架桿等路側(cè)設(shè)施上。針對(duì)攝像頭沒法獲取的其他道路路況屬性如(溫濕度、路面積水等數(shù)據(jù))，通過物聯(lián)網(wǎng)一體化燈桿上集成的溫濕度傳感器、積水傳感器進(jìn)行獲取，物聯(lián)網(wǎng)一體化燈桿上的傳感設(shè)備終端可根據(jù)情況靈活選配，數(shù)據(jù)通過燈桿上配置的公共網(wǎng)關(guān)模塊傳輸?shù)礁呔鹊貓D生成服務(wù)端。

道路特征設(shè)計(jì)單元，根據(jù)自動(dòng)駕駛對(duì)高精度地圖的需求，從內(nèi)容上對(duì)道路特征進(jìn)行建模設(shè)計(jì)，分層設(shè)計(jì)道路網(wǎng)絡(luò)的特征。第一層為道路的靜態(tài)特征，靜態(tài)特征信息包含：道路線車道線的位置、交通信號(hào)和交通標(biāo)志的位置；道路id號(hào)、形狀、坡度、寬度等基礎(chǔ)信息。第二層為道路的半靜態(tài)特征：交通規(guī)則信息(例如潮汐路段等)、道路施工信息、廣泛地區(qū)天氣信息(雨雪天氣)等；第三層為道路特征的半動(dòng)態(tài)信息：交通事故位置、交通擁堵位置、交通積水位置、道路坑洼位置、道路障礙物位置等；第四層道路特征為動(dòng)態(tài)信息：行人、汽車、自行車、摩托車等目標(biāo)當(dāng)前坐標(biāo)、運(yùn)動(dòng)軌跡。道路特征設(shè)計(jì)單元的結(jié)果是將設(shè)計(jì)的所有道路特征信息抽象為高精度地圖中的數(shù)據(jù)實(shí)體和對(duì)象。道路特征設(shè)計(jì)采用的原則是不同自動(dòng)駕駛級(jí)別對(duì)高精度地圖內(nèi)容和精度的需求，隨著自動(dòng)駕駛級(jí)別不斷提升，道路特征需要不斷細(xì)化和豐富。

圖像數(shù)據(jù)預(yù)處理單元對(duì)上傳的地圖原始道路圖像數(shù)據(jù)首先需要進(jìn)行圖像校正、圖像坐標(biāo)變換、圖像投影變換等一系列的預(yù)處理；針對(duì)處理完后的同一坐標(biāo)系下的圖像數(shù)據(jù)，采用深度學(xué)習(xí)、圖像識(shí)別等相關(guān)的ai技術(shù)提取道路動(dòng)態(tài)特征，比如采用事先訓(xùn)練好的深度學(xué)習(xí)模型識(shí)別高精度地圖中的動(dòng)態(tài)道路特征(信號(hào)燈、行人、汽車、自行車、摩托車)。

多維道路信息融合拼接是針對(duì)高精度地圖中同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合分析，最后在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視圖，最終通過道路屬性的標(biāo)注、道路特征數(shù)據(jù)庫的可視化編輯生成高精度動(dòng)態(tài)地圖。

本發(fā)明提出的基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)，整合了智慧路燈、路側(cè)攝像頭，通信基站等基礎(chǔ)設(shè)施，能有效降低高精度地圖的生成成本。本發(fā)明中的路側(cè)傳感數(shù)據(jù)處理、基于ai的道路特征提取分析、多維道路特征分析融合在服務(wù)端或云端，傳感設(shè)備終端只需要負(fù)責(zé)數(shù)據(jù)的采集與上傳數(shù)據(jù)給服務(wù)后臺(tái)，因此對(duì)傳感設(shè)備終端沒有過多的存儲(chǔ)計(jì)算資源要求，實(shí)現(xiàn)了整個(gè)地圖生成方案的可行性。

如圖3所示，本發(fā)明基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理系統(tǒng)工作流程如下：

1)、路側(cè)攝像頭的覆蓋。本發(fā)明用于采集路側(cè)圖像數(shù)據(jù)的攝像頭安裝部署在道路兩側(cè)的路燈桿上，隨著城市的智慧化發(fā)展，市政道路兩側(cè)的路燈有關(guān)的基礎(chǔ)設(shè)施建設(shè)越發(fā)完善，市政道路路燈間距離一般在30米左右。如圖4所示，假定用于采集路側(cè)圖像的攝像頭視角是θ度，路燈桿高為m米，攝像頭可采集圖像的范圍米。通過計(jì)算，只要采集路側(cè)圖像的攝像頭視角θ大于攝像頭采集區(qū)域范圍l則大于30米，基于路側(cè)攝像頭采集的道路數(shù)據(jù)就不會(huì)出現(xiàn)遺漏。

2)、針對(duì)道路特征穩(wěn)定路段的攝像頭數(shù)據(jù)可以按一定周期上傳到服務(wù)端進(jìn)行處理，針對(duì)道路特征復(fù)雜多變或交通主動(dòng)安全需求級(jí)別高的路段(如十字路口)，需縮短上傳圖像到服務(wù)端的周期，確保獲取的動(dòng)態(tài)道路路段的特征數(shù)據(jù)準(zhǔn)確有效。

3)、城市物聯(lián)網(wǎng)一體化燈桿覆蓋。物聯(lián)網(wǎng)一體化燈桿可集成物聯(lián)網(wǎng)充電樁、智能照明、監(jiān)控?cái)z像頭、微型氣象站、電子公告屏、報(bào)警按鈕等功能，各部分以模塊化方式集成，可根據(jù)情況靈活選配。本發(fā)明利用一體化燈桿上的傳感設(shè)備采集道路狀況數(shù)據(jù)、一體化燈桿上各傳感設(shè)備數(shù)據(jù)通過燈桿上配置的公共網(wǎng)關(guān)模塊傳輸?shù)降貓D數(shù)據(jù)處理服務(wù)端，地圖數(shù)據(jù)處理服務(wù)端可以通過統(tǒng)一的管理平臺(tái)進(jìn)行各部分遠(yuǎn)程控制、遠(yuǎn)程管理、數(shù)據(jù)采集、數(shù)據(jù)分析、消息發(fā)布、故障監(jiān)測(cè)等。

4)、圖像數(shù)據(jù)空間變換處理。由于城市路燈的部署是以不同的位置排列，故掛載在路燈桿上的攝像頭部署和排列方式也不盡相同，沒法保證所有采集道路圖像數(shù)據(jù)的攝像頭在同一個(gè)平面上，故需要對(duì)所有原始圖像進(jìn)行坐標(biāo)變換和投影變換處理。處理后的相鄰位置攝像頭采集的圖像重疊區(qū)能夠?qū)R，對(duì)齊后的圖像便于后面的道路特征提取拼接和地圖圖像融合拼接。

5)、道路特征實(shí)體設(shè)計(jì)。根據(jù)自動(dòng)駕駛對(duì)高精度地圖的內(nèi)容和精度兩方面需求，對(duì)所有的道路特征采用分層設(shè)計(jì)。第一層為道路的靜態(tài)特征，靜態(tài)特征信息包含：道路線車道線的位置、交通信號(hào)和交通標(biāo)志位置、道路id號(hào)、形狀、坡度、寬度等基礎(chǔ)信息。第二層為道路的半靜態(tài)特征：交通規(guī)則信息(例如潮汐路段等)、道路施工信息、廣泛地區(qū)天氣信息(雨雪天氣)等；第三層為道路特征的半動(dòng)態(tài)信息：交通事故位置、交通擁堵位置、交通積水位置、道路坑洼位置、道路障礙物位置等；第四層道路特征為動(dòng)態(tài)信息：行人、汽車、自行車、摩托車等目標(biāo)當(dāng)前坐標(biāo)、運(yùn)動(dòng)軌跡。道路特征設(shè)計(jì)模塊的結(jié)果是將設(shè)計(jì)的所有道路特征信息抽象為高精度地圖中的數(shù)據(jù)實(shí)體和對(duì)象，如圖4、圖5所示。

6)、道路特征提取。第一層靜態(tài)道路特征可以根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到每個(gè)特征實(shí)體，最后采用適宜的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)在數(shù)據(jù)庫的表中。第二、三層的道路特征可以通過對(duì)地圖數(shù)據(jù)采集端上報(bào)的路況數(shù)據(jù)做簡(jiǎn)單預(yù)處理(數(shù)據(jù)篩選驗(yàn)證)，最終抽取對(duì)應(yīng)的半靜態(tài)和半動(dòng)態(tài)特征。

7)、第四層的道路動(dòng)態(tài)特征采用深度學(xué)習(xí)、圖像識(shí)別的相關(guān)ai技術(shù)從地圖圖像數(shù)據(jù)中識(shí)別道路中的行人、汽車、自行車、摩托車。地圖數(shù)據(jù)處理服務(wù)端首先針對(duì)一個(gè)大規(guī)模的包含行人、汽車、自行車、摩托車等對(duì)象類別的圖像庫進(jìn)行深度學(xué)習(xí)訓(xùn)練，訓(xùn)練完建立一個(gè)能準(zhǔn)確識(shí)別道路動(dòng)態(tài)特征的模型。地圖數(shù)據(jù)采集端上傳當(dāng)前道路圖像時(shí)，可以快速有效地識(shí)別當(dāng)前道路所包含的交通對(duì)象特征，將這些識(shí)別出來的動(dòng)態(tài)道路特征更新到高精度地圖第四層特征對(duì)應(yīng)的數(shù)據(jù)庫，則可以快速真實(shí)反饋當(dāng)前的道路狀況。

8)、道路特征提取完，所有特征以一個(gè)完整的數(shù)據(jù)實(shí)體形式存儲(chǔ)在數(shù)據(jù)庫中，該數(shù)據(jù)庫支持道路特征增量更新。

9)、多維道路特征融合拼接?；跍?zhǔn)確的道路特征數(shù)據(jù)庫進(jìn)行一系列操作，完成道路特征的融合拼接，道路特征的融合拼接將上述6)、7)中提取的所有道路特征按照特征分層進(jìn)行拼接，先拼接靜態(tài)特征，最后融合動(dòng)態(tài)特征。

10)、將5)中圖像空間變換后的路側(cè)圖融合拼接成一張基礎(chǔ)的俯視投影圖，最后在這張圖像上標(biāo)注道路信息，包括：道路邊沿、車道線、路口點(diǎn)等，標(biāo)注完的信息共同組成高精度地圖的地圖數(shù)據(jù)；

11)、將地圖數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行可視化編輯，可觀察到車道級(jí)高精度道路地圖和道路動(dòng)態(tài)特征，其中數(shù)據(jù)精度可達(dá)厘米級(jí)。地圖數(shù)據(jù)庫一旦有動(dòng)態(tài)道路特征更新，可快速體現(xiàn)在可視化的地圖上。

實(shí)施例2

如圖5所示，本發(fā)明還一種基于路側(cè)傳感器的高精度動(dòng)態(tài)地圖數(shù)據(jù)處理方法，包括：

s1、采集海量的地圖原始道路圖像數(shù)據(jù)和地圖原始道路路況數(shù)據(jù)；

s2、將地圖原始道路圖像數(shù)據(jù)進(jìn)行圖像校正、圖像坐標(biāo)變換、圖像投影變換的預(yù)處理，預(yù)處理后相鄰位置的圖像數(shù)據(jù)采集模塊采集的圖像重疊區(qū)能夠?qū)R；

s3、利用深度學(xué)習(xí)、圖像識(shí)別的相關(guān)ai技術(shù)建立一個(gè)深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型，采用深度學(xué)習(xí)道路動(dòng)態(tài)特征識(shí)別模型從地圖原始道路圖像數(shù)據(jù)中識(shí)別道路動(dòng)態(tài)特征；

根據(jù)現(xiàn)有導(dǎo)航地圖進(jìn)行精細(xì)化特征建模，得到道路靜態(tài)特征；

通過對(duì)地圖原始道路路況數(shù)據(jù)做數(shù)據(jù)篩選驗(yàn)證，抽取對(duì)應(yīng)的道路半靜態(tài)特征和道路半動(dòng)態(tài)特征；

s4、從內(nèi)容上對(duì)所有道路特征進(jìn)行分層設(shè)計(jì)，第一層為道路靜態(tài)特征，第二層為道路半靜態(tài)特征，第三層為道路半動(dòng)態(tài)特征，第四層為道路動(dòng)態(tài)特征；

s5、將同一道路信息進(jìn)行拼接，先在道路特征層面完成道路特征數(shù)據(jù)融合，最后將預(yù)處理后的圖像在圖像層面完成圖像拼接，拼接的結(jié)果生成道路的俯視投影圖；

s6、在俯視投影圖上標(biāo)注道路信息，標(biāo)注完的道路信息和俯視投影圖共同組成高精度地圖的地圖數(shù)據(jù)；

s7、對(duì)標(biāo)注完的道路信息進(jìn)行校準(zhǔn)驗(yàn)證；

s8、將地圖數(shù)據(jù)進(jìn)行可視化編輯，生成高精度動(dòng)態(tài)地圖。

步驟s1中，采用攝像頭采集海量的地圖原始道路圖像數(shù)據(jù)，采用gps、溫濕度傳感器、積水傳感器采集地圖原始道路路況數(shù)據(jù)；

所述攝像頭為城市交通所用的安防監(jiān)控?cái)z像頭和物聯(lián)網(wǎng)智慧路燈桿上掛載的攝像頭；gps為當(dāng)前智慧城市中的gps基站，溫濕度傳感器、積水傳感器為物聯(lián)網(wǎng)智慧路燈桿上集成的溫濕度傳感器、積水傳感器。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

1)、本發(fā)明采集路側(cè)圖像的攝像頭部署在路側(cè)基礎(chǔ)設(shè)施上(路燈桿、高架桿)，比車載攝像頭采集的地圖數(shù)據(jù)更具有實(shí)時(shí)有效性；

2)、本發(fā)明通過物聯(lián)網(wǎng)一體化燈桿掛載的多種傳感器終端設(shè)備，可實(shí)時(shí)采集高精度地圖的多維動(dòng)態(tài)信息(路面積水、濕度、天氣、街道標(biāo)志等)，這些信息只需要后臺(tái)進(jìn)行簡(jiǎn)單地驗(yàn)證處理，就可以發(fā)布到高精度地圖的應(yīng)用平臺(tái)，實(shí)時(shí)服務(wù)于智能交通領(lǐng)域；

3)、本發(fā)明中的地圖數(shù)據(jù)采集充分利用了當(dāng)前智慧城市的基礎(chǔ)設(shè)施(智慧路燈、路側(cè)攝像頭、gps基站)，通過共享智慧城市的路側(cè)傳感器方式，以及地圖數(shù)據(jù)的自動(dòng)采集上傳方式，能從多方面降低高精度地圖的生成成本；

4)、本發(fā)明通過對(duì)道路特征分層設(shè)計(jì)、特征分層融合拼接、以及支持增量更新的數(shù)據(jù)格式存儲(chǔ)，可實(shí)現(xiàn)高精度動(dòng)態(tài)地圖的快速更新。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。