目錄
第1章 緒論 1
1.1 高精地圖概述 1
1.2 國內外研究進展 2
1.3 技術路線 4
第2章 高精地圖與道路特征 5
2.1 高精地圖與自動駕駛等級關系 5
2.1.1 自動駕駛分級 5
2.1.2 不同等級的自動駕駛對于高精地圖要素的需求 7
2.1.3 不同等級自動駕駛與高精地圖的關系 7
2.2 高精地圖模型視角下的國內外道路共性 8
2.2.1 特殊車道 9
2.2.2 交通標志 9
2.3 自動駕駛語境下的中國典型道路特征 10
2.3.1 道路基礎路網特征 11
2.3.2 道路交通設施特征 13
2.3.3 道路交通規(guī)則特征 17
2.3.4 道路交通路況特征 18
第3章 高精地圖模型 20
3.1 人-車-路-圖高精地圖模型框架與內容 20
3.1.1 靜態(tài)數據層 22
3.1.2 道路實時信息層 23
3.1.3 車輛動態(tài)信息層 24
3.1.4 用戶模型層 25
3.2 高精地圖靜態(tài)數據模型 25
3.2.1 模型構建基礎 26
3.2.2 道路模型 28
3.2.3 車道模型 34
3.2.4 道路附屬設施模型 41
3.3 高精地圖路口信息模型 45
3.3.1 路口結構與分類 45
3.3.2 路口要素分類 48
3.3.3 路口要素屬性描述 51
3.3.4 路口要素構建與組織方法 58
第4章 高精地圖數據生產與更新 59
4.1 高精地圖數據生產 59
4.1.1 數據預處理 60
4.1.2 采集數據質檢 63
4.1.3 基于多源數據融合的自動化制圖 64
4.1.4 生產數據質檢 67
4.2 高精地圖靜態(tài)數據加工 71
4.2.1 高精地圖靜態(tài)數據處理 72
4.2.2 場景構建及仿真 76
4.2.3 高精地圖成果數據 80
4.3 高精地圖的數據更新策略 82
4.3.1 長效更新和動更更新 83
4.3.2 定期更新和實時更新 83
4.3.3 事件驅動更新和非事件驅動更新 83
4.3.4 邊云協(xié)同更新 84
第5章 高精地圖動靜態(tài)數據關聯(lián) 86
5.1 動靜態(tài)數據關聯(lián)原則 86
5.2 動靜態(tài)數據關聯(lián)方法 88
5.2.1 強關聯(lián)方法 88
5.2.2 弱關聯(lián)方法 88
5.2.3 關聯(lián)方法的差異 89
5.3 動靜態(tài)數據關聯(lián)模型 90
5.3.1 道路實時信息層關聯(lián)方法 90
5.3.2 車輛動態(tài)信息層關聯(lián)方法 94
5.3.3 關聯(lián)模型應用 97
第6章 高精地圖動靜態(tài)數據信息交互 100
6.1 車路云一體化高精地圖信息交互模式 100
6.1.1 車云數據交互 100
6.1.2 車路數據交互 102
6.1.3 路云數據交互 103
6.1.4 車車數據交互 104
6.2 高精地圖信息交互方法 105
6.2.1 車云信息交互方法 106
6.2.2 車路信息交互方法 106
6.2.3 云車信息交互方法 108
6.2.4 交互方法復雜度分析 108
6.3 交互數據的關聯(lián)與融合 110
6.3.1 補充感知數據的關聯(lián) 110
6.3.2 強化感知數據的融合 111
6.4 車路云協(xié)同的高精地圖數據交互機制 111
6.4.1 信息交互的高精地圖數據再組織 112
6.4.2 自動駕駛高精地圖的數據交互模式 112
6.5 交互模式的實例場景驗證 114
第7章 自動駕駛的決策框架模型 120
7.1 基于四交通一體化模型的決策過程 120
7.1.1 交通事件驅動的導航決策 120
7.1.2 高精地圖自動駕駛決策流程 121
7.2 基于三空間的自動駕駛框架 122
7.3 智能網聯(lián)車動態(tài)認知地圖框架 123
7.4 基于車路云一體化的自動駕駛決策框架 124
7.5 基于高精地圖的人在回路框架 125
7.5.1 可觀測狀態(tài)的視野擴展 126
7.5.2 動作執(zhí)行的干預 127
7.5.3 獎勵函數的塑造 128
第8章 高精地圖智能融合關鍵技術 130
8.1 高精地圖融合BEV感知的3D目標檢測方法 130
8.1.1 研究背景 130
8.1.2 方法概述 130
8.2 高精地圖與LiDAR點云融合的3D目標檢測方法 131
8.2.1 研究背景 131
8.2.2 技術路線 132
8.2.3 方法概述 133
8.3 基于分層特征融合的車路協(xié)同3D目標檢測方法 134
8.3.1 研究背景 134
8.3.2 技術路線 135
8.3.3 方法概述 135
8.4 面向隧道場景的分層匹配定位方法 136
8.4.1 研究背景 136
8.4.2 技術路線 136
8.4.3 方法概述 137
8.5 基于高精地圖的路口引導線生成方法 139
8.5.1 研究背景 139
8.5.2 技術路線 139
8.5.3 方法概述 140
8.5.4 實驗結果 143
8.6 基于分層圖結構編碼的車輛軌跡預測方法 145
8.6.1 研究背景 145
8.6.2 方法概述 145
8.7 動態(tài)認知地圖構建關鍵技術 147
8.7.1 研究背景 147
8.7.2 認知地圖數學模型 148
8.7.3 道路結構感知與匹配 152
8.7.4 動態(tài)目標感知 152
8.7.5 拓撲關聯(lián) 152
8.8 高精地圖人在回路框架支撐的模仿學習DAGGER改進算法 154
8.8.1 研究背景 154
8.8.2 方法概述 157
參考文獻 163