JOSM城市结构化道路车道级环境数据的建模与导航
毕业论文关键词 文基世界地图 道线匹配 自主车 环境建模
Title The Environment Modeling and Navigation ofStructural City Road
Abstract With the rapid development of artificial intelligence technology, the field ofautonomous vehicle, which attracts more and more attention of many countries,has a very broad prospects for development. In the topological aspect of the roadnetwork, the current network digital map is ideal, but lacking in the laneinformation makes it difficult to meet the requirements of the automatic drivingvehicle. Therefore, to explore an efficient and accurate specification, dataacquisition and modeling method of structured way is an important technical wayfor the realization of vehicle automatic navigation in the urban environment.This paper describes the background and the current development situation ofautonomous vehicle, introduces the relevant development tools and environmentconfiguration, describes the overall design of the system and the specific modulefunctions. And for the last part, it’ s some pictures of the system running result.Inthe platform of Visual Studio2015, the program uses open source OSM and lane lineinformation collected by autonomous vehicle, generates a structural andstandardization map of the lane level ,which is finally shown in JOSM (JavaOpenStreetMap).The main functions realized by this system are the map filtering,the lane line denoising, lane line fitting, building topology relationship andso on.
Keywords OSM Line matching Autonomous vehicle Environmental modeling
目 次
1 绪论1
1.1 研究背景.. 1
1.2 研究意义.. 2
2 相关技术 4
2.1 二文电子地图4
2.2 文基世界地图4
2.3 可扩展标记语言..5
2.4 SQLite 数据库..6
3 总体设计 7
3.1 需求分析.. 7
3.2 可行性分析.7
3.3 模块划分.. 7
4 系统详细设计.9
4.1 地图数据结构设计 9
4.2 基于文基世界地图的数据提取 9
4.3 车辆轨迹漂移点处理18
4.4 帧级车道线拟合.. 19
4.5 车道线匹配..22
4.6 地图展示 23
结论.25
致谢.26
参考文献..27
1 绪论
1.1 研究背景当今世界，随着科技的飞速发展和人们经济生活水平的提高，汽车保有量在不断增多，带来了前所未有的便利，在人们生活中日渐扮演着不可或缺的角色，我们在享受汽车所带来的便捷效率的同时，必须同时面对其引起的很多交通问题，例如：道路堵塞，交通环境恶化，事故频发等，更牵扯出像酒驾、碰瓷一类屡禁不绝的社会道德问题。除了完善社会制度和拓宽路面以增加车辆通行量等，还可以加快发展无人驾驶车辆技术以解决这样的问题。当前汽车交通事故在很大程度上取决于人为因素，而行车电脑精确控制的无人驾驶汽车则可以有效减少疲劳驾驶、汽车超速等人为的不遵守交通规则而引发的交通事故。同时，还可以计算最佳行驶速度以提高能源利用率，减少汽车对于环境造成的污染。智能交通系统[1]（Intelligent Transportation System，ITS）的研究已得到了国内外学者的广泛关注。作为 ITS 研究的重要组成部分，智能车辆（Intelligent Vehicle，IV）的研究，尤其是面向城市环境的智能车辆自主驾驶技术研究已经成为世界学者们的研究热点之一。在社会需求的推动下，无人驾驶汽车的实用价值日益凸显，成为当前各国研究的一个热点领域，并被认为是变革未来交通系统的重要发展方向[2]。无人驾驶技术是计算机科学、图像识别和人工智能等多学科高度融合的智能型产物，在城市交通、国家安全、机械制造等方面拥有非常广阔的应用前景，因此世界上的许多国家都高度重视，甚至将其放在至关重要的战略地位。20 世纪 70 年代，各国对无人车技术的研究都处于初级阶段，1984年，美国的卡内基梅隆大学成功研制出了第一辆全功能无人驾驶汽车。2013年，S500 智能测试车又一次进行的人类机车长途旅行，顺利地通过了环岛、行人、交通灯、有轨电车和自行车等环境的考验，整个试验过程没有任何人为干预，因而被认为，无人驾驶技术的发展向前迈进了一大步。与国外的许多发达国家相比，我国在这方面起步较晚。1992 年，国防科技大学研制成功了我国首辆真正意义上的无人驾驶汽车。2016 年 4 月 12 日，长安睿骋无人驾驶汽车从重庆成功行驶到了北京，标志着我国首个长距离无人驾驶测试项目顺利完成，全过程历时6 天，途经陕西、河南、河北等全国多个省市及地区，行程超过 2000公里。目前美国高速公路安全管理局将智能汽车定义为五个层次：无智能化、具有特殊功能的智能化、具有多项功能的智能化、具有限制条件的无人驾驶和全工况无人驾驶。五个层次从完全依赖人到完全不依靠人来驾驶操作，其智能化水平依次增高。目前，百度、谷歌的无人驾驶汽车基本上处于第四个层次，智能化水平较高。当前的无人驾驶技术仍然处于“半自动驾驶”状态，未来无人驾驶车辆的量产和普及还有一段困难的路要走。对于无人驾驶车辆技术，具有完善的道路环境信息是很重要的，而无人驾驶汽车所依赖的传感系统的软硬件以及机器的深度学习方面都处于攻坚阶段，对此可以通过其他方法提供详细的车道级环境数据来辅助自主车。 目前大多数的地图数据都是道路级的，对于人们一般的驾驶辅助而言足够参考了，但是对于具体的车辆自主行驶，一条道路仅仅由一条简单的线或者一组稀疏点来表示是完全不够的，需要更为详细的车道线级地图[3][4]。
上一篇：人行横道线检测算法设计与实现