基于車載移動測量系統的高精地圖制作

黃華東 李冉 馬宏陽 胡帥朋

（1.中汽創智科技有限公司，江蘇 南京 210000；2.中國科學院空天信息創新研究院，北京 海淀 100094；3.南京工業大學，江蘇 南京 210000）

1 引言

高精地圖（HD Map，High Definition Map）與標準地圖（SD Map，Standard Definition Map）有著本質區別。標準地圖使用主體是人，主要作用為導航和搜索，數據主體是道路，提供米級道路級別分辨率的道路形狀和興趣點數據。高精地圖使用主體是機器，主要作用為輔助定位、超視距感知、先驗路徑規劃和決策，數據主體是車道，提供分米級車道級別分辨率的更為豐富的車道幾何和道路設施等數據。高精地圖具備位置精度高、要素豐富度高和數據鮮度高等特點[1]。

車載移動測量系統集成了全球導航衛星系統（GNSS，Global Navigation Satellite System）、慣性導航系統（INS，Inertial Navigation System）、激光三維雷達系統（LiDAR，Light Detection And Ranging）、圖像傳感器（CCD，Charge Coupled Device）、距離傳感器（DMI，Distance Measure Instrument）、工控機（IPC，Industrial Personal Computer）等高精度傳感器或先進技術，可在高速移動中快速獲取高精度位置及姿態信息、高密度三維點云與高清影像數據。車載移動測量系統具備高精度、高效率、數據成果豐富等特點，廣泛應用于傳統測繪、智慧城市、智慧交通、智能駕駛等領域[2,3]。

國內外已開展基于車載移動測量系統的高精地圖制作相關研究與應用，詳細介紹了制作部分流程，但未系統性、全局性、標準化研究從外業采集至高精地圖應用過程中的主要關鍵技術、流程與成果[4-11]。本文基于車載移動測量系統，設計一套采集、處理、制圖、編譯全流程的高精地圖制作關鍵技術及工作模式，實現全流程標準化、部分流程自動化，可快速、準確、高效實現高精地圖的采集、處理和建模等工作。

2 總體流程

高精地圖制作主要分為4 個一級流程、13 個二級流程及若干三級流程，總體制圖流程如圖1 所示。外業數據采集主要包括：測區內控制點坐標采集、基準站觀測數據采集、流動站數據采集。數據預處理主要包括：組合導航解算、點云數據解算、影像數據解算、數據整理及數據質檢。編輯制圖主要包括：道路幾何及屬性制作、對象幾何及屬性制作、制圖成果數據質檢、問題批處理解決。地圖編譯主要包括 ：編譯格式確定、編譯方式選擇。

圖1 總體流程

3 外業數據采集

3.1 系統介紹

該車載移動測量系統由載體、傳感器、供電系統等部分組成，適應于高速與城市道路等應用場景，如圖2 所示。IMU 使用天寶Applanix LVX，主、副GNSS 天線使用CSX601A，斜置、平置LiDAR 使用禾賽Pandar XT32，六個Camera 使用?？低昅V-CA050。在高速行駛采集場景（速度大于70 公里/小時），激光線間距不大于3cm，后處理軌跡定位精度優于5cm，點云三維絕對精度優于15cm。

圖2 車載移動測量系統

3.2 定位原理

由于系統內部傳感器安裝過程中存在位置及方向誤差，在系統研制后需要對各類傳感器的內部參數及不同傳感器之間的外部參數進行標定[12]。GNSS 外參為天線至慣導中心的偏移量（Tx、Ty、Tz）和旋轉角（Rx、Ry、Rz）等參數，坐標系為地球坐標系（WGS-84）。激光雷達內參包括線束、高度、方位角等參數。激光雷達外參為傳感器至慣導中心的偏移量（Tx、Ty、Tz）和旋轉角（Rx、Ry、Rz）等參數。坐標系為激光掃描坐標系。DMI 參數為車輪行駛一周的長度。相機內參包括焦距（fx、fy）、主點（cx、cy）、徑向畸變（k1、k2、k3、k4、k5）、切向畸變（p1、p2）等參數；相機外參為傳感器至慣導中心的偏移量（Tx、Ty、Tz）和旋轉角（Rx、Ry、Rz）等參數，坐標系為像素坐標系。

在進行數據處理時，需要將不同傳感器坐標系進行轉換，轉換為WGS-84 大地坐標系或高斯投影后的空間直角坐標系，用于后續編輯制圖工作。根據高精地圖最終成果要求，選擇性地進行不同橢球基準、不同投影方式之間的轉換。車載移動測量系統掃描定位原理如圖3 所示。

圖3 車載移動測量系統掃描定位原理

在KL時刻，車載移動測量系統嚴密定位方程如公式（1）所示。

公式中：λ為尺度因子，XL為地物點P在LiDAR坐標系中的坐標向量，XW為地物點P在WGS-84 坐標系中的坐標向量。

X IW為IMU 坐標系原點在WGS-84 坐標系中的坐標向量。

RwI為IMU 坐標系至WGS-84 坐標系的旋轉矩陣。

其中，（r,p,h）為組合導航解算處理后對應時刻的滾動角、俯仰角和偏航角。

XL I為LiDAR 坐標系原點在IMU 坐標系中的偏移量。

RL I為LiDAR 坐標系與IMU 坐標系之間的旋轉矩陣。

3.3 規劃與采集

基準站可分為CORS 站、虛擬參考站或自架GNSS接收機三類，針對采集區域大小，需確定基準站數量，根據數據質量等級，可在每10～30km 覆蓋范圍內設立一座基準站。根據測區路網圖，需要現場踏勘，采集路徑規劃[13]，確保采集過程中以最少的重復路線采集較為全面的車道數據，減少數據冗余，提高預處理效率，降低因重復采集導致的點云分層。為檢查點云成果絕對精度，需在測區布設控制點，應使用RTK 或全站儀布設高等級平面控制點與高程控制點。

采集過程中應重點注意：（ 1 ）基準站觀測起止時間應覆蓋流動站測量時間，確保組合導航解算正常進行。（2）基準站坐標值應布設在控制點上，以提高數據整體精度。（ 3 ）采集開始前及結束后應對慣導進行靜止等初始化操作，以提高慣導數據精度。（4）在隧道、高架下或城市峽谷區域，可增設控制點，用于數據質量評定及提升。（5）在GNSS 信號丟失區域，應盡量勻速、快速駛離，至開闊處重新接收位置信息，減少慣導累計誤差。（ 6 ）應盡量避免流動站周圍其他車輛影響，減少因遮擋導致的點云空洞。本次采集實際路線、布設控制點及測區影像底圖（部分）如圖4 所示。

圖4 行車軌跡、控制點與影像底圖

4 數據處理及制圖

4.1 組合導航解算

POSPac MMS 是天寶Applanix 最新一代的GNSS輔助慣性導航后處理軟件。使用POSPac IN-Fusion Single Base 技術對采集POS 原始數據進行組合導航解算，融合北斗、GPS、GLONASS、GALILEO 等全球衛星定位系統，將流動站及基準站采集的數據進行后處理差分動態定位，對GNSS、IMU、DMI 數據進行緊耦合處理，消除GNSS 信號失鎖帶來的影響，消除IMU 長時間累積誤差，實現高精度的定位、定姿及定速。本次采集基線長度在0.5km 至1.6km 之間?；鶞收九c流動站同時接收到的衛星顆數為 ：GPS衛星顆數為3～10顆，平均為9 顆；北斗衛星為2～7 顆，平均為6 顆?；鶞收疚恢眉傲鲃诱綪OS 軌跡如圖5 所示。

圖5 基準站與流動站POS軌跡

處理結束后，生成POST 軌跡文件（sbet_Trace.out），包含時間、坐標、速度分量、滾動角、俯仰角和偏航角等信息。將二進制文件轉為Text 格式數據或SpatialLite 數據庫文件，進行水平、高程、姿態跳變檢查及修復，減少因軌跡跳變導致的點云跳變。對本次處理的POST 數據進行質量評價，北、東方向中誤差平均約1.2cm，地/下方向中誤差平均約2.8cm，完全符合高精地圖制作基礎數據的精度要求。三方向中誤差分布如圖6 所示。

4.2 相片解算

依據POST 軌跡文件、相片至慣導外參，生成六個相機軌跡文件，包含序號、照片名稱、時間、經緯度、平面坐標、高程、俯仰角、翻滾角、偏航角等信息。通過相機軌跡文件，將每張照片與點云成果、軌跡成果相匹配，便于后期快速查找、瀏覽，可將相片像素RGB 值賦于對應點云上，制作真彩色點云成果。解算后相片如圖7 所示，自左而右、自上而下相片位置依次為左前視、前視、右前視、左后視、后視、右后視。

圖7 各視角相片

4.3 點云解算

點云數據作為高精地圖制作的最重要基礎數據，點云完整性、準確性決定了高精地圖的要素覆蓋度與位置精度。原始激光點云數據需經過數據解析、坐標轉換（將點云坐標轉換為高斯投影后的空間直角坐標）、點云去噪（減少空中噪點）、距離過濾（減少距離或高度閾值外冗余點云）、速度過濾（減少停車時額外采集的冗余點云）、點云自動配準（減少重復采集區域內點云分層或點云重影，提升點云相對精度）、點云手動糾偏（提升點云絕對精度）、地面非地面分割（便于編輯制圖點云渲染展示）、點云分類（高精地圖自動化制作基礎）、數據分幅（按照標準圖幅分割為若干單幅數據）、索引創建（快速渲染）等處理，形成下一環節可輸入的標準格式數據。解算后的點云成果如圖8 所示，自左而右、自上而下依次為整體點云、地面點云、非地面點云。

圖8 點云成果

4.4 編輯制圖

在通用GIS 平臺或專業數據編輯制圖平臺中，按高精地圖數據標準，通過人工、半自動、全自動方式制作高精地圖[14-18]，包含道路、交通設施等要素，限速、轉向、線類型等屬性，以及交通燈與停止線、道路參考線與道路邊界線等關聯關系。制作結束后，應進行值域、拓撲關系、關聯關系等內容的自動檢查與修復。

地圖成果格式為SpatiaLite 數據庫，支持開放地理空間協會標準（OGC，Open Geospatial Consortium），可使用ArcGIS、QGIS、FME 等軟件編輯。高精地圖成果與影像底圖疊加展示如圖9 所示，高精地圖成果與點云成果疊加展示如圖10 所示。

圖9 高精地圖與影像底圖

圖10 高精地圖與點云成果

4.5 精度分析

在車載移動測量作業前后，選取地面或交通設施的拐角點或頂點等明顯特征點[19-21]，使用全站儀、RTK 測量，獲取高精度控制點三維坐標。將點云成果或高精地圖成果與控制點進行疊加，如圖11 所示。

圖11 點云成果與控制點疊加

高精地圖成果坐標精度計算如表1 所示，高精地圖成果坐標精度統計如表2 所示，誤差分布如圖12 所示。通過分析可得，平面誤差平均值為4.3cm，中誤差為2cm，高程誤差平均值為3.2cm，中誤差為2.5cm，成果數據完全滿足高精地圖厘米級或分米級要求。

表1 成果坐標精度計算

表2 成果坐標精度統計

圖12 誤差值分布

5 地圖編譯

高精地圖的標準格式主要有NDS、OpenDrive、Apollo OpenDrive 等[22]。其中，OpenDrive 是目前國際上比較通用的一種格式規范，描述了駕駛仿真應用所需要的靜態道路交通網絡，并提供標準交換格式，使用可擴展標記語言（XML）描述道路網絡的基礎，文件拓展名為xodr，數據涵蓋了道路的幾何形狀，以及可影響路網邏輯的相關特征，例如車道和標志。同時，還能保證不同應用之間在交換數據時的互通性，可以真實模擬車輛在道路上行駛，用于高級輔助駕駛系統（ADAS）功能開發和驗證。將SpatiaLite 成果編譯為OpenDrive 格式，OpenDrive 格式高精地圖可視化效果如圖13 所示。

圖13 OpenDrive格式高精地圖

6 結語

高精地圖是保障智能駕駛系統穩定、安全、高效的重要一環，在智能駕駛中起到輔助感知、輔助定位、輔助規劃、輔助控制等重要作用。本文通過具體工程實踐，詳細闡述了基于車載移動測量系統的高精地圖制作原理及關鍵步驟，通過控制點驗證，精度完全符合高精地圖技術規格要求，將制圖成果編譯為國際通用標準格式，為不同OEM、Tier1 的智能駕駛開發、測試、仿真提供了標準化信息保障。