[发明专利]无人车语义地图模型构建方法及其在无人车上的应用方法

说明书

本发明公开了一种无人车语义地图模型构建方法及其在无人车上的应用方法，概念结构的抽取是指将无人车行驶过程中所涉及的路网、道路交通参与者以及交通规则等关键的地图元素合理地抽象成不同的概念类，概念间的语义关系构建是指建立地图概念语义层次关系以及关联关系，通过实例化构建概念类的实例及其相互间语义关系，最终得到用于无人车的语义地图。本发明构建了一套适用于无人车的地图数据结构，并且地图元素之间设计了充分的语义关系，生成语义地图，通过语义地图、全局规划路径、无人车当前位姿以及周边实时障碍物信息进行语义推理得到无人车局部场景信息，实现无人车的场景理解，辅助无人车进行行为决策。

技术领域

本发明主要涉及无人车技术领域，尤其涉及一种无人车语义地图模型构建方法及其在无人车上的应用方法。

背景技术

近年来，无人车得到了国内外学术界以及工业界的广泛关注，其相关支撑技术有了快速的发展。从系统组成与信息流向来看，一般可以将无人车系统划分为环境感知、决策规划以及运动控制等模块，其中环境感知通过各种传感器来获取交通环境的实时场景信息并生成环境模型(即感知地图)；在此基础上，决策规划环境模型的基础上，做出符合交通规则、安全的行为决策以及相应的避障行驶轨迹；运动控制将所规划的轨迹离散化为无人车实际所需要执行的控制指令，如油门、刹车、方向盘转角等，并发送给无人车执行系统执行，实现自主驾驶行为。其中，环境感知充当无人车的“眼睛”的功能，但是目前由于传感器以及信息融合技术的限制，其给出的结果准确性、可靠性较低，难以满足决策规划系统的要求。采用先验的、高精度的路网信息，可以极大地降低无人车对实时感知的依赖，从而有效提高无人车的行驶安全性与质量。

当前，大部分商用导航地图只提供基本的、道路级精度的路网元素信息，其数据内容、数据精度以及组织方式均难以有效表达无人车所面临的复杂场景，难以辅助无人车进行实时场景理解与决策；而无人车实时生成的环境模型，大多采用栅格地图等表达方式，地图搜索需要耗费大量的时间，且难以与先验的路网信息进行有效融合，导致无人车难以实现高精度、高效的场景理解与行为决策。构建语义地图，对先验的路网信息以及实时感知的障碍物信息进行有效融合，可以有效提高信息存储与搜索的效率，对无人车场景理解乃至行为决策有着重要的意义。

公开号为CN104535070A的中国专利(申请号20141083873.5)，该专利提供了一种高精度地图数据结构、采集和处理系统及方法，将地图数据结构分为四层：道路网络、车道网路、车道线信息以及特殊信息数据，虽然几个层次之间定义了数据库层次的关联，但是由于缺乏语义信息，无人车难以在此地图数据结构中建立各类地图元素以及交通参与者之间完善的语义关系，分辨无人车实时场景信息，实现场景理解。同时，如路口、掉头等信息难以体现在其数据结构中，对于车道线与车道的关联也不够准确，如某段路可能是两车道变三车道，这样的话三车道中间的那条车道与车道线的关系就会难以表达。

公开号为CN104089619A的中国专利(申请号201410202876.4)，该专利提供了一种无人驾驶汽车的GPS导航地图精确匹配系统及其操作方法，通过获取道路信息，确定起始点，获取车辆定位信息，信息匹配与筛选这个流程完成导航地图的精确匹配，但是其匹配方法主要是通过离散的点进行搜索，没有利用地图元素之间的关联性，这样就会导致匹配效率低的问题。

发明内容

本发明目的就是为了弥补已有技术的缺陷，提供一种无人车语义地图模型构建方法及其在无人车上的应用方法。

本发明是通过以下技术方案实现的：

本发明提出一种基于本体论的无人车语义地图模型构建方法，包括语义地图的建模方法及其在无人车上的应用过程。

根据本发明的一个方面，提供一种语义地图的建模方法，包括语义地图的概念结构、语义关系以及真实地图实例化生成语义地图的方法。

1、概念结构，分为两大模块：实体和属性：