基于车辆轨迹数据的车道几何和拓扑信息生成方法

（EXTRACTING LANE GEOMETRY AND TOPOLOGY INFORMATION FROM VEHICLE FLEET TRAJECTORIES IN COMPLEX URBAN SCENARIOS USING A REVERSIBLE JUMP MCMC METHOD）

高度自动驾驶（HAD）技术的实现不仅需要高空间精度的地图，而且还需要实际情况的信息。目前大多使用小型高度专业化的测量车辆来生成这样的地图。尽管如此，为了实现全市乃至全国范围内的覆盖，基于庞大的车队数据自动化地图更新机制的研究变得十分重要，因为只有使用这种方法才能获得高度频繁的测量。此外，与少数专用的高精度测量技术相比，处理不精确的质量数据也需要高度的自动化。因此，本文提出了一种从车辆轨迹数据（GPS或其他传感器）生成车道精确的道路网络地图的方法。而且该方法允许利用联接的车队来生成HAD地图。所提出的方法通过生成车道模型的基本构建模块，并且使用可逆跳跃马尔可夫链蒙特卡罗方法来辨识模型参数。该方法适用于具有挑战性的城市真实环境中不同轨迹精度水平的情况。

本文提出的从车队运动数据中推导车道精度图的新方法的工作原理为，在公开可用的道路网络图上，将包含道路和交叉口的道路模型作为参数化区块进行初始化。然后使用可逆跳马尔可夫链蒙特卡罗方法对道路模型进行优化和导出，以探索模型的参数空间从而找到输入数据和模型之间最好的匹配。通过相关试验得出，所记录的车辆轨迹数据在三个不同的精度水平的总平均位置误差分别为1.65米、1.19米和0.20米。本文还将该方法与基于LIDAR的地面真实地图进行评估比较，对比较结果进行定性和定量分析，都表明了该方法用于ADAS实际应用的巨大潜力。目前，一条道路模型包括不变的街区和可变连接区块两方面信息，这使得它很难适应实际情况。未来的研究工作，将计划扩展块模型目录的选项以便能够涵盖各种实际情况。此外，该方法将被扩展为能够导出关于道路标记类型的数据信息。