论文部分内容阅读
高精度道路地图是面向机器的智能辅助驾驶和自动驾驶的关键,而车道级精细道路信息则是高精度地图不可或缺的重要组成部分。现阶段车道级精细道路信息完全依靠专业的采集车进行采集,这样的采集方式存在采集成本高、更新维护周期长等问题。随着浮动车数据的发展,如果能从海量的浮动车数据中提取车道级道路信息,能够降低车道级精细道路信息的获取成本、缩短生产周期,有很高的现实意义和使用价值。本文以武汉市浮动车轨迹数据为数据源,对浮动车轨迹数据进行轨迹滤选,并对滤选后数据以约束混合高斯模型建模,进行车道宽度大致范围探测和提取车道数量信息。同时,通过编程实现车道数量信息获取系统,能够通过该系统实现对浮动车轨迹数据的滤选和车道数量信息提取。其主要内容包括:(1)对海量、低频的浮动车轨迹数据滤选。首先考虑浮动车轨迹的连续性,对浮动车轨迹进行顾及轨迹点角度和距离的相似度分割滤选,主要去除漂移在高密度轨迹点区域的轨迹漂移点。然后对浮动车轨迹数据进行基于Delaunay三角网的密度聚类,进行高密度点的选取,去除漂移在道路外侧的浮动车轨迹点。(2)利用约束混合高斯模型对浮动车轨迹数据建模,提取车道数量信息。对浮动车轨迹数据进行约束混合高斯模型建模,同时通过熵评价函数选取最优模型,从混合高斯模型的高斯参数中获取车道数量信息。(3)编程实现车道数量信息获取系统。通过C#+ArcGISEngine进行编程开发,使用SQL Server数据库进行数据存储和读取,同时使用DevExpress优化设计Ribbon界面,实现了车道数量信息获取系统。本文通过对武汉市浮动车轨迹数据的滤选及建模,进行车道宽度大致范围探测和提取车道数量信息。分析结果表明,本文的方法成功实现了从低精度浮动车轨迹数据中获取车道数量信息,降低车道数量信息采集成本,缩短了道路信息的更新和维护周期。