本發(fā)明主要涉及無人車技術領域，尤其涉及一種無人車語義地圖模型構建方法及其在無人車上的應用方法。

背景技術：

近年來，無人車得到了國內外學術界以及工業(yè)界的廣泛關注，其相關支撐技術有了快速的發(fā)展。從系統(tǒng)組成與信息流向來看，一般可以將無人車系統(tǒng)劃分為環(huán)境感知、決策規(guī)劃以及運動控制等模塊，其中環(huán)境感知通過各種傳感器來獲取交通環(huán)境的實時場景信息并生成環(huán)境模型(即感知地圖)；在此基礎上，決策規(guī)劃環(huán)境模型的基礎上，做出符合交通規(guī)則、安全的行為決策以及相應的避障行駛軌跡；運動控制將所規(guī)劃的軌跡離散化為無人車實際所需要執(zhí)行的控制指令，如油門、剎車、方向盤轉角等，并發(fā)送給無人車執(zhí)行系統(tǒng)執(zhí)行，實現(xiàn)自主駕駛行為。其中，環(huán)境感知充當無人車的“眼睛”的功能，但是目前由于傳感器以及信息融合技術的限制，其給出的結果準確性、可靠性較低，難以滿足決策規(guī)劃系統(tǒng)的要求。采用先驗的、高精度的路網(wǎng)信息，可以極大地降低無人車對實時感知的依賴，從而有效提高無人車的行駛安全性與質量。

當前，大部分商用導航地圖只提供基本的、道路級精度的路網(wǎng)元素信息，其數(shù)據(jù)內容、數(shù)據(jù)精度以及組織方式均難以有效表達無人車所面臨的復雜場景，難以輔助無人車進行實時場景理解與決策；而無人車實時生成的環(huán)境模型，大多采用柵格地圖等表達方式，地圖搜索需要耗費大量的時間，且難以與先驗的路網(wǎng)信息進行有效融合，導致無人車難以實現(xiàn)高精度、高效的場景理解與行為決策。構建語義地圖，對先驗的路網(wǎng)信息以及實時感知的障礙物信息進行有效融合，可以有效提高信息存儲與搜索的效率，對無人車場景理解乃至行為決策有著重要的意義。

公開號為CN104535070A的中國專利(申請?zhí)?0141083873.5)，該專利提供了一種高精度地圖數(shù)據(jù)結構、采集和處理系統(tǒng)及方法，將地圖數(shù)據(jù)結構分為四層：道路網(wǎng)絡、車道網(wǎng)路、車道線信息以及特殊信息數(shù)據(jù)，雖然幾個層次之間定義了數(shù)據(jù)庫層次的關聯(lián)，但是由于缺乏語義信息，無人車難以在此地圖數(shù)據(jù)結構中建立各類地圖元素以及交通參與者之間完善的語義關系，分辨無人車實時場景信息，實現(xiàn)場景理解。同時，如路口、掉頭等信息難以體現(xiàn)在其數(shù)據(jù)結構中，對于車道線與車道的關聯(lián)也不夠準確，如某段路可能是兩車道變三車道，這樣的話三車道中間的那條車道與車道線的關系就會難以表達。

公開號為CN104089619A的中國專利(申請?zhí)?01410202876.4)，該專利提供了一種無人駕駛汽車的GPS導航地圖精確匹配系統(tǒng)及其操作方法，通過獲取道路信息，確定起始點，獲取車輛定位信息，信息匹配與篩選這個流程完成導航地圖的精確匹配，但是其匹配方法主要是通過離散的點進行搜索，沒有利用地圖元素之間的關聯(lián)性，這樣就會導致匹配效率低的問題。

技術實現(xiàn)要素：

本發(fā)明目的就是為了彌補已有技術的缺陷，提供一種無人車語義地圖模型構建方法及其在無人車上的應用方法。

本發(fā)明是通過以下技術方案實現(xiàn)的：

本發(fā)明提出一種基于本體論的無人車語義地圖模型構建方法，包括語義地圖的建模方法及其在無人車上的應用過程。

根據(jù)本發(fā)明的一個方面，提供一種語義地圖的建模方法，包括語義地圖的概念結構、語義關系以及真實地圖實例化生成語義地圖的方法。

1、概念結構，分為兩大模塊：實體和屬性：

11)實體包括自車、路網(wǎng)實體以及障礙物實體，分別代表了自車(無人車)實體、路網(wǎng)元素實體以及障礙物實體。

111)自車指代無人車本身，根據(jù)需求，可以擴展為不同類型無人車。

112)路網(wǎng)實體包括區(qū)域實體和點實體，分別代表區(qū)域類型實體及點類型實體。

1121)區(qū)域實體包括整體路段、連接點、邊界、道路隔離帶、特殊區(qū)域、人行橫道、車道線、車道、路段。其中，整體路段代表一條道路的整體路段，包括連接點、路段、邊界以及道路隔離帶；連接區(qū)域包括路口、掉頭以及車道數(shù)增減處區(qū)域；路段包含多個同方向的車道；

1122)點實體包括地面標識、路邊標識以及停止線，分別代表地面交通標識、路邊交通標識以及停止線(停止線與路段存在一對一的關系，因此可以簡化成一個點即可)。

113)障礙物實體包括動態(tài)障礙物、靜態(tài)障礙物、交通設施類型障礙物、行人、動物、車輛、自然障礙以及道路攔截類障礙物。其中自然障礙包括凹進地面類障礙物(比如：水坑)和凸出地面類障礙物(比如大塊石頭)；道路攔截類障礙物包括故障標示牌、錐桶、水馬圍欄、分離線以及施工標示牌。

12)屬性包括點坐標、區(qū)域范圍以及約束，分別代表了地圖元素的點坐標、區(qū)域范圍以及地圖元素之間的約束類型。約束包括連接約束，代表路段與路段的連接方向約束。連接約束包括左轉向連接約束、右轉向連接約束、掉頭連接約束以及直行連接約束。

2、無人車語義地圖建模方法，其特征在于，所述語義關系，包含了在上述定義的各種地圖概念間的語義關系。語義關系分為對象屬性和數(shù)據(jù)屬性兩部分：

21)對象屬性部分包括不同概念之間的繼承關系(泛化特化)及關聯(lián)關系。

211)不同概念之間的層次關系在上述發(fā)明內容1，概念結構中已說明。

212)不同概念之間的關聯(lián)關系包含整體路段與道路隔離帶、路段、連接點之間的組合關系(其關系名分別為：存在道路隔離帶、存在路段、存在連接點)；路段與連接點之間的連接關系(其關系名為：關聯(lián)連接點)，與道路隔離帶之間的位置關系(其關系名為：關聯(lián)道路隔離帶)，與人行橫道之間的位置關系(其關系名為：關聯(lián)人行橫道)，與停止線之間的位置關系(其關系名為：關聯(lián)停止線)，與邊界之間的位置關系(其關系名為：關聯(lián)邊界)，與車道之間的關系(其關系名為：存在車道)，與路邊標識之間的關系(其關系名為：存在路邊標識)；連接點與連接約束之間的存在關系(其關系名為：存在連接約束)，與人行橫道之間的關系(其關系名為：存在人行橫道)；車道與車道線之間的位置關系(其關系名分別為：存在左車道線、存在右車道線)，與其他車道之間的方位關系(其關系名分別為：同向左邊車道、同向右邊車道)，與特殊區(qū)域之間的位置關系(其關系名為：存在特殊區(qū)域)，與地面標識之間的關系(其關系名為：存在地面標識)；連接約束與路段用以表述連接方向的關系(其關系名分別為：起始路段、目標路段)。自車與障礙物實體之間的方位關系(其關系名分別為：存在左后方障礙物、存在正后方障礙物、存在右后方障礙物、存在左前方障礙物、存在正前方障礙物、存在右前方障礙物、存在正左方障礙物、存在正右方障礙物)，與車道之間的位置關系(其關系名為：所屬車道)；區(qū)域實體與區(qū)域范圍之間的關系(其關系名為：關聯(lián)區(qū)域范圍)；點實體與點坐標之間的關系(其關系名為：關聯(lián)點坐標)。

22)數(shù)據(jù)屬性部分包括自車的全局路徑規(guī)劃信息(其關系名為：下個路口轉向)以及當前速度(其關系名為：自車實時速度)，與下一個即將到達的連接點、人行橫道、停止線的距離(其關系名分別為：與連接點距離、與人行橫道距離、與停止線距離)，與障礙物的距離(其關系名為：與障礙物距離)；障礙物實體的當前速度(其關系名為：障礙物速度)以及位姿(其關系名為：障礙物運動方向)；點坐標的數(shù)據(jù)信息(其關系名為：點坐標值)；區(qū)域范圍的數(shù)據(jù)信息(其關系名為：區(qū)域范圍值)；車道的速度限制信息(其關系名分別為：車道最大車速、車道最小車速)、車道允許轉向信息(其關系名為：車道路口轉向)、車道是否最左最右車道標識(其關系名分別為：同向最左車道、同向最右車道)以及車道寬度(其關系名為：車道寬度)；路段包含的車道數(shù)量(其關系名為：路段所含車道數(shù))；整體路段的類型信息(其關系名為：整體路段類型)；各概念類的基本屬性(其關系名分別為：實體ID、實體名)。

3、靜態(tài)地圖數(shù)據(jù)實例化以及實時障礙物實例化生成語義地圖的方法，其步驟如下：

步驟1、通過激光雷達、相機、GPS、衛(wèi)星照片等感知系統(tǒng)獲取真實行駛環(huán)境的詳細數(shù)據(jù)信息，并且將地圖詳細數(shù)據(jù)按照所述地圖概念結構實例化為靜態(tài)路網(wǎng)實體；

步驟2、通過激光雷達、相機、GPS等傳感器獲取實時障礙物位姿信息，將障礙物信息實例化為障礙物地圖實體；

步驟3、建立步驟1，2中得到的靜態(tài)地圖和障礙物地圖中的實體相互間語義關系，最終得到用于無人車的語義地圖。

4、根據(jù)本發(fā)明的第二方面，一種基于無人車的語義地圖的應用方法，通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊實時障礙物信息進行語義推理得到無人車局部場景信息，實現(xiàn)無人車的場景理解，輔助無人車決策。具體步驟如下：

步驟1)、通過無人車全局規(guī)劃系統(tǒng)獲取無人車目標行駛路徑，并通過GPS/INS定位定向系統(tǒng)實時獲取無人車當前位姿；

步驟2)、通過無人車環(huán)境感知系統(tǒng)實時感知周邊障礙物信息，通過語義推理得到它們與無人車之間的相對位姿；

步驟3)、通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊障礙物相對位姿進行語義推理得到無人車局部場景信息；

步驟4)、根據(jù)不同場景信息輔助無人車做出不同決策。

本發(fā)明克服了以上專利的缺點，具有這些特點：

1)本發(fā)明構建的基于本體論的語義地圖模型借助本體論知識建模方法的表達與可判定能力，能夠清晰有效地描述車道級精度的路網(wǎng)信息以及本車與其他交通參與者的相關位置關系。

2)本發(fā)明構建的語義地圖模型能夠完善地表達高精度車道級路網(wǎng)元素概念以及它們之間存在的復雜的語義關系，通過某個路網(wǎng)元素就能直接或間接關聯(lián)到其他元素上，可以有效避免普通地圖數(shù)據(jù)庫中遍歷式的搜索，提高地圖搜索的效率。

3)本發(fā)明構建的語義地圖，能夠有效將先驗的路網(wǎng)信息與無人車實時感知的障礙物信息進行融合，建立無人車、障礙物以及交通路網(wǎng)中各元素的語義關系，通過無人車當前位姿即可關聯(lián)到無人車周邊場景信息，為無人車的行為決策提供支撐。

4)本發(fā)明構建的語義地圖模型可以適用于汽車輔助駕駛系統(tǒng)(ADAS)以及全自主無人駕駛汽車的場景理解。

本發(fā)明的優(yōu)點是：本發(fā)明構建了一套適用于無人車的地圖數(shù)據(jù)結構，并且地圖元素之間設計了充分的語義關系，生成語義地圖，通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊實時障礙物信息進行語義推理得到無人車局部場景信息，實現(xiàn)無人車的場景理解，輔助無人車進行行為決策。

附圖說明

圖1為本發(fā)明無人車語義地圖建模以及應用的流程圖。

圖2為語義地圖元素概念結構圖。

圖3為語義地圖元素包含關系圖。

圖4為語義地圖元素概念關聯(lián)關系圖。

圖5為無人車與障礙物方位關系圖。

圖6為語義地圖生成過程示意圖。

圖7為語義地圖實施一圖。

圖8為語義地圖實施二圖。

圖9為語義推理示意圖。

具體實施方式

本發(fā)明提出一種基于本體論的無人車語義地圖模型構建方法，包括語義地圖的建模方法及其在無人車上的應用過程。

實施例一：

如圖1，2所示，本實施例提供一種語義地圖的建模方法，包括語義地圖的概念結構、語義關系以及真實地圖實例化生成語義地圖的方法。

如圖3所示，語義本體分為兩大模塊：實體和屬性：

1)實體包括自車、路網(wǎng)實體以及障礙物實體，分別代表了自車(無人車)實體、路網(wǎng)元素實體以及障礙物實體。

11)自車指代無人車本身，根據(jù)需求，可以擴展為不同類型無人車。

12)路網(wǎng)實體包括區(qū)域實體和點實體，分別代表區(qū)域類型實體及點類型實體。

121)區(qū)域實體包括整體路段、連接點、邊界、道路隔離帶、特殊區(qū)域、人行橫道、車道線、車道、路段。其中，整體路段代表一條道路的整體路段，包括連接點、路段、邊界以及道路隔離帶；連接區(qū)域包括路口、掉頭以及車道數(shù)增減處區(qū)域；路段包含多個同方向的車道；

122)點實體包括地面標識、路邊標識以及停止線，分別代表地面交通標識、路邊交通標識以及停止線(停止線與路段存在一對一的關系，因此可以簡化成一個點即可)。

13)障礙物實體包括動態(tài)障礙物、靜態(tài)障礙物、交通設施類型障礙物、行人、動物、車輛、自然障礙以及道路攔截類障礙物。其中自然障礙包括凹進地面類障礙物(比如：水坑)和凸出地面類障礙物(比如大塊石頭)；道路攔截類障礙物包括故障標示牌、錐桶、水馬圍欄、分離線以及施工標示牌。

2)屬性包括點坐標、區(qū)域范圍以及約束，分別代表了地圖元素的點坐標、區(qū)域范圍以及地圖元素之間的約束類型。約束包括連接約束，代表路段與路段的連接方向約束。連接約束包括左轉向連接約束、右轉向連接約束、掉頭連接約束以及直行連接約束。

如圖4所示，包含了語義地圖中的語義關系，包含了在前面所定義的各種概念間的語義關系。語義關系分為對象屬性和數(shù)據(jù)屬性兩部分：

1)對象屬性部分包括不同概念之間的繼承關系(泛化特化)、及關聯(lián)關系。

11)不同概念之間的層次關系在上述1、2中已有說明。

12)不同概念之間的關聯(lián)關系包含整體路段與道路隔離帶、路段、連接點之間的組合關系(其關系名分別為：存在道路隔離帶、存在路段、存在連接點)；路段與連接點之間的連接關系(其關系名為：關聯(lián)連接點)，與道路隔離帶之間的位置關系(其關系名為：關聯(lián)道路隔離帶)，與人行橫道之間的位置關系(其關系名為：關聯(lián)人行橫道)，與停止線之間的位置關系(其關系名為：關聯(lián)停止線)，與邊界之間的位置關系(其關系名為：關聯(lián)邊界)，與車道之間的關系(其關系名為：存在車道)，與路邊標識之間的關系(其關系名為：存在路邊標識)；連接點與連接約束之間的存在關系(其關系名為：存在連接約束)，與人行橫道之間的關系(其關系名為：存在人行橫道)；車道與車道線之間的位置關系(其關系名分別為：存在左車道線、存在右車道線)，與其他車道之間的方位關系(其關系名分別為：同向左邊車道、同向右邊車道)，與特殊區(qū)域之間的位置關系(其關系名為：存在特殊區(qū)域)，與地面標識之間的關系(其關系名為：存在地面標識)；連接約束與路段用以表述連接方向的關系(其關系名分別為：起始路段、目標路段)。自車與障礙物實體之間的方位關系(其方位如圖5所示，其關系名分別為：存在左后方障礙物、存在正后方障礙物、存在右后方障礙物、存在左前方障礙物、存在正前方障礙物、存在右前方障礙物、存在正左方障礙物、存在正右方障礙物)，與車道之間的位置關系(其關系名為：所屬車道)；區(qū)域實體與區(qū)域范圍之間的關系(其關系名為：關聯(lián)區(qū)域范圍)；點實體與點坐標之間的關系(其關系名為：關聯(lián)點坐標)。具體關系如表1：

表1為不同概念之間的關聯(lián)關系表格

2)數(shù)據(jù)屬性部分包括自車的全局路徑規(guī)劃信息(其關系屬性名為：下個路口轉向)以及當前速度(其關系名為：自車實時速度)，與下一個即將到達的連接點、人行橫道、停止線的距離(其關系名分別為：與連接點距離、與人行橫道距離、與停止線距離)，與障礙物的距離(其關系名為：與障礙物距離)；障礙物實體的當前速度(其關系名為：障礙物速度)以及位姿(其關系名為：障礙物運動方向)；點坐標的數(shù)據(jù)信息(其關系名為：點坐標值)；區(qū)域范圍的數(shù)據(jù)信息(其關系名為：區(qū)域范圍值)；車道的速度限制信息(其關系名分別為：車道最大車速、車道最小車速)、車道允許轉向信息(其關系名為：車道路口轉向)、車道是否最左最右車道標識(其關系名分別為：同向最左車道、同向最右車道)以及車道寬度(其關系名為：車道寬度)；路段包含的車道數(shù)量(其關系名為：路段所含車道數(shù))；整體路段的類型信息(其關系名為：整體路段類型)；各概念類的基本屬性(其關系名分別為：實體ID、實體名)。具體關系如表2所示：

表2為數(shù)據(jù)屬性部分關系表

如圖6所示，靜態(tài)地圖數(shù)據(jù)實例化以及實時障礙物實例化生成語義地圖的方法，其步驟如下：

步驟1、通過激光雷達、相機、GPS、衛(wèi)星照片等感知系統(tǒng)獲取真實行駛環(huán)境的詳細數(shù)據(jù)信息，并且將地圖詳細數(shù)據(jù)按照所述地圖概念結構實例化為靜態(tài)路網(wǎng)實體；

步驟2、通過激光雷達、相機、GPS等傳感器獲取實時障礙物位姿信息，將障礙物信息實例化為障礙物地圖實體；

步驟3、建立步驟1，2中得到的靜態(tài)地圖和障礙物地圖中的實體相互間語義關系，最終得到用于無人車的語義地圖。

如圖7，為一段真實地圖的建模示例圖，其中包括了一個十字路口，一個掉頭，多個路段以及其他地圖元素，其關鍵元素都用箭頭標識了出來，其地面標識、路邊標識分別只取了一個作為示意。首先，獲取地圖詳細數(shù)據(jù)；然后將地圖詳細數(shù)據(jù)按照語義地圖概念結構分為不同類別地圖元素并且根據(jù)前述概念結構實例化為靜態(tài)路網(wǎng)實體，如圖7所示，其中橫向與縱向的道路代表了兩個整體路段實體，十字路口實體為連接點002，掉頭實體為連接點001，每個路段都是通過連接點與其他路段相連，道路中間虛線箭頭代表了連接約束實體，與連接點002關聯(lián)，連接點002此處應有12個連接約束實體，分別代表不同方向路段通過連接點002而存在的連接關系，此處只標注了部分連接約束實體，其他地圖元素諸如車道線、車道、道路隔離帶、邊界等等都已經(jīng)在圖7中標注；將前面完成的地圖元素實體之間存在的語義關系建立起來，如路段003存在車道為車道003和車道004，車道003存在左車道線為車道線002，同向左邊車道為車道004，其他實體間的屬性以此類推，由于全部關聯(lián)內容比較多，不詳細描述。將每個實體的對象屬性和數(shù)據(jù)屬性一一建立；通過感知系統(tǒng)實時獲取障礙物位姿信息，并且根據(jù)前述概念結構實例化為障礙物地圖實體，將障礙物實體與靜態(tài)路網(wǎng)實體建立起語義關系；最后，將前面步驟中得到的靜態(tài)路網(wǎng)實體、實時障礙物地圖實體以及它們的關聯(lián)統(tǒng)籌起來，得到語義地圖。

本發(fā)明提供一種基于無人車的語義地圖的應用方法，通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊實時障礙物信息進行關聯(lián)推理得到無人車局部場景信息，實現(xiàn)無人車的場景理解，輔助無人車決策。

實施例二：

如圖8所示，其地圖語義信息皆在圖7中，紅色方塊代表無人車當前位置，當前無人車行駛至接近連接點(連接點可能包括路口、掉頭以及車道數(shù)增減處等區(qū)域)，通過實時感知獲取無人車當前位姿以及周邊障礙物信息，通過語義推理得到與無人車相對位姿，并在此基礎上，通過通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊障礙物相對位姿進行語義推理得到無人車局部場景信息，從而輔助無人車做出行為決策。圖8中發(fā)現(xiàn)前方存在障礙物車輛002(與障礙物距離為7m、障礙物速度為0、障礙物運動方向為同向)、右前方存在障礙物車輛001(與障礙物距離為15m、障礙物速度為0、障礙物運動方向為同向)以及右邊存在障礙物車輛003(與障礙物距離為2m、障礙物速度為0、障礙物運動方向為同向)，因此判斷無人車應該停車；同時，如圖9所示為一段推理過程示意，根據(jù)全局路徑規(guī)劃知道自車下個路口轉向為左轉，同時自車所屬車道為車道004，路段003存在車道車道004，關聯(lián)連接點為連接點002，連接點002存在連接約束為連接約束004(所屬概念類:左轉向連接約束(所屬父類：連接約束)、起始路段:路段003、目標路段:路段008)，因此可以進行語義推理從而預知下一個要到達的路段為路段008，通過路段008可以得到其所在局部地圖信息，幫助無人車預先知道下一個要到達的局部地圖信息，具體步驟如下：

步驟1、通過無人車全局規(guī)劃系統(tǒng)獲取無人車目標行駛路徑，并通過GPS/INS定位定向系統(tǒng)實時獲取無人車當前位姿；

步驟2、通過無人車環(huán)境感知系統(tǒng)實時感知周邊障礙物信息，通過語義推理得到它們與無人車之間的相對位姿；

步驟3、通過語義地圖、全局規(guī)劃路徑、無人車當前位姿以及周邊障礙物相對位姿進行語義推理得到無人車局部場景信息；

步驟4、根據(jù)不同場景信息輔助無人車做出不同決策。

總之，本發(fā)明涉及一種基于本體論的無人車語義地圖模型構建方法的方法，可以應用在無人車軟件系統(tǒng)中，幫助無人車理解場景信息。本發(fā)明構建的語義地圖模型專門針對無人車所關注的地圖信息要素進行模型構建，能準確表達無人車可能面臨的場景，并且地圖元素以及交通參與者之間都存在著語義關系，通過本發(fā)明提供的語義地圖應用方法能夠幫助無人車快速理解其所在場景。

本發(fā)明未詳細闡述部分屬于本領域技術人員的公知技術。

以上內容是結合具體的實施方式對本發(fā)明進行的詳細說明，但并不能認定本發(fā)明的具體實施只限于這些內容。在不脫離本發(fā)明的原理和精神的前提下，本領域技術人員可以對這些實施進行若干調整、修改，本發(fā)明的保護范圍有所附權利要求及其等同內容限定。