車路協同系統中常用地圖數據標準及其應用形式

陳勝華 許一 陳放

關鍵詞 自動駕駛;高精度地圖;車路協同

中圖分類號 U463.6 文獻標識碼 A 文章編號 2096-8949（2022）04-0023-03

0 引言

地圖數據標準是應用系統進行互操作和信息通信的基準。目前，國際上地圖數據標準以歐洲為主導。為此，我國相繼出臺了一系列政策措施，以加快車路協同和自動駕駛地圖相關產業的商業化進程。國家發改委聯合11部委，共同發布《智能汽車創新發展戰略》，明確要構建智能汽車中國標準體系，重點制定車載關鍵系統、智能汽車基礎地圖等技術標準和規范。中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，推動車聯網領域數據采集標準化，并推動形成具有我國特色的自動駕駛標準體系[1]。

1 基于車路協同的自動駕駛新實踐

自動駕駛技術是影響未來汽車產業發展的重要因素。隨著自動駕駛產業技術的成熟和商業化程度的升級，汽車將不再是從屬于人的駕駛工具，車的核心價值部件由體現動力和操作系統的傳動系統轉向體現自動駕駛水平的智能軟件系統和處理芯片[2]。

目前，自動駕駛產業落地有單車智能（Autonomous Driving，AD）和車路協同系統（Cooperated Vehicle-Infrastructure System，CVIS）兩種技術思路。其中AD主要依靠車載的傳感器（如視覺、毫米波雷達、激光雷達等）、計算單元、線控系統進行環境感知、計算決策和控制執行。CVIS則是強調路側智能感知，通過車聯網將“人—車—路—云”交通參與要素聯系在一起，助力網聯汽車在環境感知、計算決策和控制執行等方面的能力升級，加速自動駕駛應用成熟。CVIS不僅可以提供更安全、更舒適、更節能、更環保的駕駛方式，還是城市智能交通系統的重要環節，也是構建新型智慧城市的核心要素。

無論是單車智能，還是車路協同，面向自動駕駛的高精度地圖數據都是智慧城市的重要基礎設施之一，也是自動駕駛行業中不可或缺的數據底座。

2 車路協同中的關鍵技術

車路協同自動駕駛則是通過高性能的道路感知和定位設備（如攝像頭、雷達等）對道路交通環境進行實時高精度感知定位，按照約定的數據協議，與車端感知系統，進行數據交互，實現車與車、車與路、車與人之間的信息交互（網絡互聯化），并涵蓋不同程度的車輛自動化控制（車輛自動化），以及考慮智能汽車與道路設施之間協同優化問題（系統集成化）。通過車輛自動化、網絡互聯化和系統集成化，最終構建一個安全、智能、便捷使用的車路協同自動駕駛系統[3]。

因此，實現面向自動駕駛的車路協同系統，還需要攻克一系列的關鍵技術，包括：

（1）多傳感器融合感知技術：傳感器高精度標定技術;目標檢測與跟蹤技術;融合檢測技術。

（2）高精度地圖與移動定位技術：高精度地圖;路側輔助定位技術。

（3）協同決策與協同控制技術：意圖預測、博弈仲裁、引導調度等協同決策;車輛、設施、人類等協同控制引導。

（4）高可靠低時延網絡通信技術：直連無線通信技術;蜂窩移動通信技術;交通系統集成優化與有線網絡傳輸技術等。

（5）云計算技術：邊緣計算MEC技術;多級云控平臺技術;大數據和人工智能平臺技術。

（6）功能安全與預期功能安全。

（7）物聯網IoT技術。

（8）網絡安全技術等。

基于上述分析可以判定，高精度地圖數據及其應用，在車路協同系統和自動駕駛系統的關鍵技術中，均得到廣泛應用。

3 車路協同中的地圖數據需求

3.1 高精度正射影像圖（TIFF格式）

正射影像圖（Digital Orthophoto Map，DOM）是一種經過數字微分糾正和鑲嵌，按一定圖幅裁剪生成的圖像。它是同時具有地圖幾何精度和影像特征的圖像。DOM具有精度高、信息豐富、直觀逼真、獲取快捷等特性，可作為地圖分析背景控制信息，也可從中提取自然資源和社會經濟發展的歷史信息或最新信息，為防治災害和公共設施建設規劃等應用提供可靠依據[4];還可從中提取和派生新的信息，實現地圖的修測更新。

基于上述特征，正射影像圖可以廣泛應用于距離測量、地理要素識別的工作。正射影像圖依據其測量功能，用于輔助多傳感器聯合標定。比如，車路協同系統中，大量的傳感器部署在路端，每次經歷惡劣氣象條件后，都需要重新標定。基于正射影像圖提供的穩定地物要素，如車道線、斑馬線等特征，可以輔助多傳感器的自動化聯合標定。另外，基于正射影像圖，可以用于提取地物要素，如車道線、交通標志，從而自動化構建矢量地圖，如ShapeFile、OSM、XODR等格式的地圖數據。

正射影像的成圖投影采用中心投影，因為相片傾斜和地面起伏，會產生的像點位移，導致地物的形狀和空間位置出現偏差。當前，基于無人機航拍影像，結合高精度RTK定位技術，正射影像圖的精度能達到5 cm以內，并且能夠大規模快速生產（如圖1）。

OpenDrive是自動化及測量系統標準協會（Association for Standardization of Automation and Measuring Systems，ASAM）的OpenX系列標準之一，是一種用于對仿真測試場景的靜態部分進行描述的開放文件格式，是目前主流的地圖數據格式。已經在許多駕駛模擬解決方案中證明了它的可用性，如車輛動力學、交通模擬、情景模擬等。它由國際駕駛模擬專家組成的核心團隊管理，他們協調并將輸入的用戶需求轉換為格式的定期更新[5]。

OpenDrive文件包含了很多地圖信息。其中，Header（頭記錄）及其子節點記錄地理參考、數據庫版本號等信息。標準定義的具體內容主要分為道路（road）和路口（junction）兩大類。其本身設計面向的應用是仿真器，因而自動駕駛所需要的更多信息OpenDrive并未完全提供（Dupuis等，2010）。

3.3 城市三維模型

城市三維模型用于車路協同系統中，主要有兩大類應用：為自動駕駛仿真提供真實的交通運行場景;為自動駕駛路徑規劃和三維可視化提供三維模型。

為提高自動駕駛感知系統的感知性能，自動駕駛仿真往往通過載入高精度城市道路三維模型，為多傳感器融合檢測算法提供更廣泛的訓練集數據。當前，自動駕駛仿真的主要平臺CarLA，支持主流的城市三維模型和道路路網模型（.xodr格式）。RoadRunner軟件是CarLA城市三維場景和環境的主要建模工具。RoadRunner建模工具，既可以手動建模和編輯虛擬的地圖數據，也可以支持真實的地理數據，如航空影像、數字高程模型數據、激光雷達數據、道路地圖數據。RoadRunner的輸出包括三維建模文件（.fbx格式）、高精地圖文件（.xodr格式），以及渲染工具Unreal和Unity的結果。其中，三維建模文件主要表達的是3D物理模型材質[6]。

4 地圖數據的描述方式

信息化時代，所有事件都是以時間、空間為基本載體。面對天空地海一體的大規模多源異構和多維動態的數據流，地圖的實時性、主題針對性、內容關聯性、載體多樣化、顯示個性化、生產方法多樣化、應用泛在化等特征，是以往任何時期都無法比擬的。

盡管地圖數據的特征多種多樣，但是，面向特定的地圖數據應用場景，地圖數據所需要考慮的屬性，僅從幾個方面，就可以較好地規劃地圖數據的生產和組織。

5 地圖數據的構建流程和工具

高精度地圖是對現實世界幾乎路上的所有物體的三維的重建，因此精細化程度最高。高精地圖的數據內容分為動態和靜態數據。動態數據由實時路況層、交通事件層組成，靜態數據則包括數據更新層、交通設施層、車道層、道路層的數據。相比較普通地圖而言，高精地圖增加了大量的幾何信息、車道信息、交通標志信息。整個屬性從40多種變成二三百種，相對精度達0.1～0.2 m，實現了精細化程度最高[7]。

5.1 構建流程

典型的地圖數據生產過程包括：采集、清洗、要素提取、校驗、數據組織與發布（如圖2）。

在地圖數據生產中，基于時間同步，不同的傳感器觀測系統，獲取基于同一時間基準的觀測數據，進而計算不同傳感器之間的內參、外參。多傳感器聯合標定，是雷達點云的拼接、影像正射化、點云影像匹配的基礎。采集過程中，由于信號可能不穩定（RTK在遮擋情況下，位置會漂移），通過SLAM等對設備的位姿信息進行優化，便于雷達點云的拼接和融合。

5.2 常見自動駕駛地圖的格式及轉換方式

自動駕駛地圖的數據標準作為自動駕駛地圖生產應用的指導性規范之一，是自動駕駛地圖數據標準化的基準。

當前，國內外主流的自動駕駛地圖數據標準有4種：導航數據標準（Navigation Data Standard，NDS）、OpenDrive、Lanelet2和開發道路地圖（Open Street Map，OSM）。

NDS是一種用于導航系統的標準化物理存儲格式，采用數據庫技術存儲數據，解決地圖增量更新、地圖數據擴展和數據安全問題。NDS格式以構建塊（building block）來組織數據，如名稱（name）構建塊和興趣點（point of interest，POI）構建塊，每個構建塊提供NDS的特定功能。NDS可以與OpenDrive格式進行互操作。

OpenDrive主要面向交通仿真，對自動駕駛所需信息，未能完全提供（Dupuis等，2010）。

6 結語

該文介紹國內外車路協同系統中常見地圖數據標準及其應用形態：NDS、OpenDrive、OSM、LandLet2，并簡單介紹了車路協同技術條件的高精度地圖數據生產技術。研究主要基于現有地圖數據標準，較少涉及主流標準之間的關聯和優勢分析。后續將深入研究該方面內容，助力建設全面支撐車路協同和自動駕駛產業的地圖數據標準。

參考文獻

[1]詹驕， 郭遲， 雷婷婷， 等. 自動駕駛地圖的數據標準比較研究[J]. 中國圖象圖形學報， 2021（1）： 36-48.

[2]陶璐. 高精度自動駕駛地圖與傳統導航地圖路網匹配方法研究[D]. 武漢：武漢大學， 2017.

[3]Apollo5. 0社區. 2020. 03. 高精度地圖OpenDRIVE規范[EB/OL].

[4]Bender P， Ziegler J and Stiller C. 2014. Lanelets： ?efficient map representation for autonomous driving[P]. 2014 IEEE Intelligent Vehicles Symposium Proceedings. Dearborn， USA： IEEE： 420-425.

[5]Dupuis M， Strobl M and Grezlikowski H. 2010. OpenDRIVE 2010 and beyond-status and future of the de facto standard for the description of road networks[p]. Proceedings of the Driving Simulation-Conference Europe 2010. Paris， France： [s. n. ]： 231-242.

[6]李克強， 戴一凡， 李升波， 等. 智能網聯汽車（ICV）技術的發展現狀及趨勢[J]. 汽車安全與節能學報， 2017（1）： 1-14.

[7]Navigation Data Standard. 2016. Publishing high-accuracy map standard for companies： industrial consortium pushes autonomous driving[EB/OL]. [2021-12-10]. https： //www. prnewswire. com/news-releases/publishing-high-accuracy-map-standard-for-companies-industrial-consortium-pushes-autonomous-driving-593363311. html.

2764501705245