本發(fā)明涉及高精度道路地圖的生成系統(tǒng)，屬于高精度地圖技術(shù)領(lǐng)域。

背景技術(shù)：

傳統(tǒng)地圖只存儲(chǔ)道路中心線和道路名稱等道路要素的少量標(biāo)記信息。這些信息只能表征大幅簡(jiǎn)化后的實(shí)際交通環(huán)境，無法高精度地反映道路的詳細(xì)情況。相對(duì)于傳統(tǒng)地圖而言，高精度地圖能提供高精度的坐標(biāo)，準(zhǔn)確的道路形狀、車道線、交通標(biāo)志、坡度、高程、側(cè)傾等詳細(xì)的道路信息和豐富的地理要素，能為未來精確的位置服務(wù)(Location Based Services,LBS)及無人駕駛等最新科技提供堅(jiān)實(shí)的基礎(chǔ)，因此得到了越來越多的關(guān)注。尤其是當(dāng)出現(xiàn)強(qiáng)雨、雪等惡劣天氣情況時(shí)，無人駕駛車從各類傳感器包括激光雷達(dá)收集到的信息將受到嚴(yán)重影響，沒有高精度地圖的輔助將無法準(zhǔn)確而實(shí)時(shí)地判斷自身位置并規(guī)劃路徑。高精度地圖可以不受惡劣天氣的影響，提供準(zhǔn)確的道路信息，強(qiáng)化了自動(dòng)駕駛的安全性。

現(xiàn)在，高精度地圖的生產(chǎn)大多由專業(yè)的工作人員重新采集所有的道路信息，并計(jì)劃采集完成后周期性地對(duì)大部分區(qū)域重新更新。這種方法的采集設(shè)備往往是安裝了激光雷達(dá)等專用設(shè)備的采集車。三菱和豐田等日本汽車廠商聯(lián)合日本圖商Zenrin正在制作三維的動(dòng)態(tài)地圖。其計(jì)劃是采用裝有高端傳感器的專用汽車對(duì)道路進(jìn)行測(cè)繪，第一步是覆蓋日本300公里的主要高速公路。Here、TomTom和谷歌也采用類似方式制作三維地圖。國(guó)內(nèi)的傳統(tǒng)圖商高德通過裝配2個(gè)激光雷達(dá)和4個(gè)攝像頭的方式來滿足所需要的10cm級(jí)別精度。騰訊、百度、四維圖新等公司也在用類似的方式制作高精度地圖。

上述用專門的采集車?yán)L制的地圖信息精度很高，然而也存在以下問題：1)車載設(shè)備成本居高不下。2)數(shù)據(jù)處理效率較低，無法及時(shí)更新常常變化的道路現(xiàn)狀，阻礙位置服務(wù)的快速發(fā)展，降低了無人駕駛的安全性和可靠性。3)采集到的數(shù)據(jù)是稠密的點(diǎn)云，數(shù)據(jù)密度極大，消耗大量的計(jì)算資源，且后期地圖通信量高。如何低成本高效且準(zhǔn)確地生產(chǎn)或更新高精度地圖是急待解決的問題。

為了解決這一問題，Here和高德等國(guó)內(nèi)外相關(guān)公司都計(jì)劃采用眾包方式輔助更新高精度地圖，以減少計(jì)算資源的消耗，降低成本。當(dāng)下另一個(gè)熱點(diǎn)是實(shí)時(shí)定位與制圖(Simultaneous Localization and Mapping,SLAM)。該技術(shù)能夠準(zhǔn)確獲取自身位置，并同時(shí)增量式地構(gòu)建地圖，因此近年來得到了研究和應(yīng)用者的極大關(guān)注。但該技術(shù)的缺點(diǎn)也很明顯：計(jì)算量大且數(shù)據(jù)傳輸量大。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的是為了解決現(xiàn)有高精度地圖生產(chǎn)或更新的工作量大并且成本高的問題，提供了一種高精度道路地圖的生成系統(tǒng)。

本發(fā)明所述高精度道路地圖的生成系統(tǒng)，所述生成系統(tǒng)通過采集車上的兩對(duì)車載攝像頭進(jìn)行數(shù)據(jù)采集，它包括：

數(shù)據(jù)獲取模塊，用于采集獲得采集車行駛環(huán)境中兩對(duì)車載攝像頭獲得的道路沿途的圖像數(shù)據(jù)、兩對(duì)車載攝像頭位置坐標(biāo)數(shù)據(jù)及采集車車輛航向角與道路當(dāng)前坡度數(shù)據(jù)；

數(shù)據(jù)處理模塊：用于對(duì)兩對(duì)車載攝像頭獲得的雙目圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲得矯正圖像數(shù)據(jù)；針對(duì)矯正圖像數(shù)據(jù)，根據(jù)深度學(xué)習(xí)算法進(jìn)行分類；對(duì)分類后的矯正圖像數(shù)據(jù)采用深度學(xué)習(xí)模型進(jìn)行雙目圖像特征點(diǎn)提取和匹配，并通過左右視線一致的方式剔除誤匹配的雙目圖像匹配點(diǎn)；從矯正圖像數(shù)據(jù)中提取圖像深度信息，獲取雙目圖像匹配點(diǎn)相對(duì)于兩對(duì)車載攝像頭的空間位置關(guān)系；

地圖生成模塊：獲取已知道路中心線的坐標(biāo)點(diǎn)列；將采集車的坐標(biāo)軌跡及雙目圖像匹配點(diǎn)匹配到電子地圖的相應(yīng)位置上；根據(jù)道路匹配后采集車的坐標(biāo)得到道路要素的絕對(duì)坐標(biāo)；并判斷獲得正確的絕對(duì)坐標(biāo)；

數(shù)據(jù)傳輸模塊：將地圖生成模塊中匹配后獲得的電子地圖及采集車車輛航向角與道路當(dāng)前坡度數(shù)據(jù)傳輸?shù)椒?wù)器端，用于生成高精度道路地圖。

本發(fā)明的優(yōu)點(diǎn)：本發(fā)明與現(xiàn)有方法努力獲取絕對(duì)的高精度定位不同，通過實(shí)現(xiàn)相對(duì)于現(xiàn)有地圖的高精度定位和高精度匹配，充分利用現(xiàn)有地圖已有的信息，減少生產(chǎn)/更新高精度地圖的工作量和成本。其核心是將采用深度學(xué)習(xí)、計(jì)算機(jī)視覺等方法識(shí)別的道路要素并獲取的準(zhǔn)確的相對(duì)位置信息，形成類似Mobileye的地面1維稠密，空間3維稀疏的地圖，并可與現(xiàn)有的交通信息系統(tǒng)GIS-T匹配融合。本發(fā)明基于現(xiàn)有低精度電子地圖，定位系統(tǒng)和車載相機(jī)，實(shí)現(xiàn)了低成本高精度地圖的生產(chǎn)/更新。本發(fā)明具有如下優(yōu)勢(shì)：

1)基于現(xiàn)有地圖生產(chǎn)/更新獲得高精度地圖，省去大面積重新測(cè)繪的過程，只需要精確測(cè)繪有疑問的道路，能大幅降低成本；2)在車前燈附近額外裝兩個(gè)攝像頭，略朝下拍攝，專用于道路和車道線場(chǎng)景檢測(cè)及定位，兩個(gè)裝在車內(nèi)前擋風(fēng)玻璃處的攝像頭向前拍攝，專用于道路交通標(biāo)志等的檢測(cè)和定位，降低場(chǎng)景復(fù)雜度，大大提高了算法的識(shí)別率和測(cè)距精確度；3)聯(lián)合先驗(yàn)知識(shí)和深度學(xué)習(xí)提取匹配點(diǎn)，進(jìn)一步提高從雙目圖像中獲取深度信息即測(cè)距的精度；4)通過識(shí)別出車道線數(shù)量并準(zhǔn)確測(cè)量出車輛當(dāng)前所在車道的寬度，準(zhǔn)確外推道路總體寬度；5)通過原有地圖上道路中心線的坐標(biāo)及算出的車道寬度，算出車道線坐標(biāo)和道路邊界的坐標(biāo)；6)提出校驗(yàn)?zāi)K，在該模塊中比較各種方法取得的道路要素坐標(biāo)，如果差別較大就標(biāo)記為有疑問的道路，自動(dòng)向管理員發(fā)出重新測(cè)繪的請(qǐng)求，提高道路要素的準(zhǔn)確性；7)用戶使用時(shí)可將GNSS軌跡與地圖相匹配，以判斷采集車具體所處車道及其位置。

附圖說明

圖1是本發(fā)明所述高精度道路地圖的生成系統(tǒng)的整體流程圖；

圖2是本發(fā)明系統(tǒng)的數(shù)據(jù)交換示意圖；

圖3是采集車上裝在車燈附近略朝下的兩個(gè)車載攝像頭的安裝位置及其視角范圍示意圖；

圖4是圖3的仰視圖；

圖5是采集車正常行駛時(shí)車道線相對(duì)位置示意圖；車正常行駛時(shí)，車道線與車輛平行；對(duì)兩個(gè)裝在車燈附近略朝下的車載攝像頭采集的圖像檢測(cè)匹配點(diǎn)，根據(jù)其中的車道線匹配點(diǎn)可以計(jì)算出車道線與車輛的相對(duì)位置；

圖6是采集車轉(zhuǎn)向時(shí)車道線相對(duì)位置示意圖；車輛轉(zhuǎn)向時(shí)刻，車道線與車輛不平行；對(duì)兩個(gè)裝在車燈附近略朝下的車載攝像頭采集的圖像檢測(cè)匹配點(diǎn)，根據(jù)其中的車道線匹配點(diǎn)可以計(jì)算出車道線與車輛的相對(duì)位置；

圖7是根據(jù)檢測(cè)到的車道線坐標(biāo)和道路中心線坐標(biāo)計(jì)算車道線的絕對(duì)位置并推斷道路邊界的示意圖。

具體實(shí)施方式

具體實(shí)施方式一：下面結(jié)合圖1和圖7說明本實(shí)施方式，本實(shí)施方式所述高精度道路地圖的生成系統(tǒng)，所述生成系統(tǒng)通過采集車上的兩對(duì)車載攝像頭進(jìn)行數(shù)據(jù)采集，它包括：

數(shù)據(jù)獲取模塊，用于采集獲得采集車行駛環(huán)境中兩對(duì)車載攝像頭獲得的道路沿途的圖像數(shù)據(jù)、兩對(duì)車載攝像頭位置坐標(biāo)數(shù)據(jù)及采集車車輛航向角與道路當(dāng)前坡度數(shù)據(jù)；

數(shù)據(jù)處理模塊：用于對(duì)兩對(duì)車載攝像頭獲得的雙目圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲得矯正圖像數(shù)據(jù)；針對(duì)矯正圖像數(shù)據(jù)，根據(jù)深度學(xué)習(xí)算法進(jìn)行分類；對(duì)分類后的矯正圖像數(shù)據(jù)采用深度學(xué)習(xí)模型進(jìn)行雙目圖像特征點(diǎn)提取和匹配，并通過左右視線一致的方式剔除誤匹配的雙目圖像匹配點(diǎn)；從矯正圖像數(shù)據(jù)中提取圖像深度信息，獲取雙目圖像匹配點(diǎn)相對(duì)于兩對(duì)車載攝像頭的空間位置關(guān)系；

地圖生成模塊：獲取已知道路中心線的坐標(biāo)點(diǎn)列；將采集車的坐標(biāo)軌跡及雙目圖像匹配點(diǎn)匹配到電子地圖的相應(yīng)位置上；根據(jù)道路匹配后采集車的坐標(biāo)得到道路要素的絕對(duì)坐標(biāo)；并判斷獲得正確的絕對(duì)坐標(biāo)；

數(shù)據(jù)傳輸模塊：將地圖生成模塊中匹配后獲得的電子地圖及采集車車輛航向角與道路當(dāng)前坡度數(shù)據(jù)傳輸?shù)椒?wù)器端，用于生成高精度道路地圖。

數(shù)據(jù)獲取模塊旨在采集各種必要的信息，如車輛位置信息、當(dāng)前坡度等。它包括：

圖像數(shù)據(jù)獲取子模塊：用于采集獲得采集車行駛環(huán)境中兩對(duì)車載攝像頭獲得的道路沿途的圖像數(shù)據(jù)；其中一對(duì)車載攝像頭在采集車車前端的縱向中心線兩側(cè)呈鏡像對(duì)稱對(duì)應(yīng)安裝在兩個(gè)車前燈位置處，該對(duì)車載攝像頭的軸線與地平面的夾角范圍為0—30度，另一對(duì)車載攝像頭在采集車車前端的縱向中心線兩側(cè)呈鏡像對(duì)稱對(duì)應(yīng)安裝在車內(nèi)前擋風(fēng)玻璃處；兩對(duì)車載攝像頭可用包括紅外車載夜視儀的車載攝像頭。專用攝像頭能夠降低場(chǎng)景復(fù)雜度，可以進(jìn)一步提高精度和處理速度。

位置數(shù)據(jù)獲取子模塊：用于根據(jù)WLAN基站、全球?qū)Ш叫l(wèi)星系統(tǒng)和采集車的里程計(jì)定位采集車的高精度位置坐標(biāo)，獲取采集車行駛的軌跡點(diǎn)，同時(shí)獲得兩對(duì)車載攝像頭位置坐標(biāo)；在實(shí)際應(yīng)用中，尤其是在城市峽谷中，經(jīng)常發(fā)生采樣頻率降低、定位誤差加大、信號(hào)丟失等情況，嚴(yán)重影響全球?qū)Ш叫l(wèi)星系統(tǒng)GNSS的信號(hào)質(zhì)量?？捎猛ㄟ^WLAN基站、車輛里程計(jì)等一起定位當(dāng)前車輛坐標(biāo)，加強(qiáng)定位可靠性。

道路信息獲取子模塊：用于通過傳感器傳感獲得采集車車輛航向角與道路當(dāng)前坡度數(shù)據(jù)?？筛鶕?jù)陀螺儀等傳感器直接獲取車輛航向角與道路當(dāng)前坡度數(shù)據(jù)。

數(shù)據(jù)處理模塊旨在在線或離線處理采集到的各種信息，識(shí)別地圖要素及其位置。它包括：

圖像數(shù)據(jù)預(yù)處理子模塊：對(duì)兩對(duì)車載攝像頭獲得的原始雙目圖像數(shù)據(jù)根據(jù)車載攝像頭的內(nèi)外參數(shù)進(jìn)行預(yù)處理，獲得矯正圖像數(shù)據(jù)；

道路信息識(shí)別子模塊：根據(jù)深度學(xué)習(xí)算法對(duì)矯正圖像數(shù)據(jù)進(jìn)行分類，獲得每一類矯正圖像數(shù)據(jù)的道路要素語義信息；根據(jù)深度學(xué)習(xí)算法對(duì)相機(jī)采集到的圖像數(shù)據(jù)進(jìn)行分類，獲得圖像上道路、車道線、道路標(biāo)志、隔離帶等的語義信息。由于自然場(chǎng)景中的道路及其交通標(biāo)志等圖像易受天氣和光照等因素影響，還會(huì)出現(xiàn)遮擋、變形等情況，是實(shí)景目標(biāo)識(shí)別的難點(diǎn)之一。本發(fā)明基于深度學(xué)習(xí)方法判斷道路及交通標(biāo)志。深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，模擬人腦進(jìn)行分析學(xué)習(xí)，挖掘數(shù)據(jù)的深層次特征表示，提高分類精度。

匹配點(diǎn)提取子模塊：對(duì)分類后的矯正圖像數(shù)據(jù)采用深度學(xué)習(xí)模型進(jìn)行雙目圖像特征點(diǎn)提取和匹配，并通過左右視線一致的方式剔除誤匹配的雙目圖像匹配點(diǎn)；尋找雙目圖像準(zhǔn)確的匹配點(diǎn)是基于計(jì)算機(jī)視覺技術(shù)測(cè)距的關(guān)鍵。當(dāng)匹配點(diǎn)不準(zhǔn)確時(shí)，測(cè)距或深度計(jì)算將不可靠。反之，如果能準(zhǔn)確地確定匹配點(diǎn)，測(cè)距或深度計(jì)算將十分精確。傳統(tǒng)基于SIFT/SURF等特征描述子的匹配算法在復(fù)雜圖像上會(huì)有較多誤匹配點(diǎn)，而構(gòu)建二值化分類數(shù)據(jù)集即相似或相異二值樣本對(duì)，采用深度學(xué)習(xí)方法學(xué)習(xí)圖像塊的相似性，則可以大幅提高匹配正確率。為進(jìn)一步提高正確率，可以根據(jù)道路的語義信息提取屬于道路、車道線和道路標(biāo)志等重要對(duì)象上的匹配點(diǎn)，并綜合場(chǎng)景和左右視線一致的方式進(jìn)行篩選。明顯視覺特征可以儲(chǔ)存下來，作為未來定位的參考點(diǎn)，提高定位精度。

測(cè)距子模塊：基于雙目立體視覺測(cè)量雙目圖像匹配點(diǎn)中道路要素與兩對(duì)車載攝像頭的空間位置關(guān)系；結(jié)合兩對(duì)車載攝像頭的位置坐標(biāo)和采集車車軌跡的坐標(biāo)，得到道路要素在電子地圖上相對(duì)精確的坐標(biāo)；再根據(jù)道路要素中識(shí)別出的車道線數(shù)量和車道線寬度，獲得道路邊界的相對(duì)空間位置，提取深度信息，獲取匹配點(diǎn)相對(duì)于相機(jī)的空間位置關(guān)系。根據(jù)相機(jī)與車道線或者其他道路要素上關(guān)鍵點(diǎn)之間的相對(duì)空間位置，結(jié)合相機(jī)的坐標(biāo)和車軌跡的坐標(biāo)，得到車道線在地圖上相對(duì)精確的坐標(biāo)。最后，根據(jù)識(shí)別出的車道線數(shù)量和測(cè)距子模塊算出的車道線的寬度，產(chǎn)生道路邊界的相對(duì)空間位置。

地圖生成模塊旨在根據(jù)地圖要素及其位置生產(chǎn)高精度地圖。它包括：

地圖數(shù)據(jù)獲取子模塊：在已知電子地圖上獲取采集車坐標(biāo)軌跡所在道路名稱和道路中心線的坐標(biāo)點(diǎn)列；

地圖匹配子模塊：將采集車的坐標(biāo)軌跡與電子地圖信息進(jìn)行融合，使采集車的坐標(biāo)軌跡及滿足預(yù)設(shè)閾值的雙目圖像特征點(diǎn)與已知電子地圖進(jìn)行匹配；地圖匹配是指將車輛的坐標(biāo)軌跡匹配到電子地圖的道路上，可以看成定位信息和地圖信息的融合，其目的是在現(xiàn)有硬件條件下，消除垂直道路方向的誤差，提高車輛位置與地圖信息之間相對(duì)準(zhǔn)確程度。當(dāng)車輛位置坐標(biāo)偏移較大、采樣較稀疏時(shí)，仍然需要保持較高的路徑匹配準(zhǔn)確率，此時(shí)需要根據(jù)電子地圖中的道路中心線糾正車輛的絕對(duì)位置信息。尤其是在城市峽谷環(huán)境中，有時(shí)會(huì)由于信號(hào)不好等原因?qū)е虏蓸宇l率降低、定位誤差加大的情況。定位誤差越大，采樣頻率越低，匹配精度越低。如何在定位精度大幅下降的條件下保證系統(tǒng)和方法的精度和可靠性，其算法可以從幾何、拓?fù)浜透怕实瓤紤]。基于幾何的算法可以盡量利用坐標(biāo)與道路的幾何信息，如距離、角度等?；谕?fù)涞乃惴ɡ玫缆吠負(fù)湫畔?。概率方法需要?jì)算坐標(biāo)點(diǎn)概率。其他常用方法還包括卡爾曼濾波和隱馬爾可夫模型等。

令G(V,E)為一個(gè)道路網(wǎng)絡(luò)圖，其中，v∈V是經(jīng)緯度對(duì)，r_i∈E是用多邊形表述的道路。x₁,x₂,...,x_n表示n個(gè)GNSS采樣點(diǎn)，x_i是軌跡中的第i個(gè)采樣點(diǎn)。目標(biāo)是找到道路塊序列ans₁,ans₂,...,ans_n，其中ans_i是采樣點(diǎn)x_i的匹配結(jié)果。然后基于拓?fù)涞乃惴ǐ@得準(zhǔn)確的匹配道路。

絕對(duì)坐標(biāo)獲取子模塊：結(jié)合采集車車軌跡的坐標(biāo)和道路要素相對(duì)于采集車的坐標(biāo)，得到道路要素的絕對(duì)坐標(biāo)；

校驗(yàn)子模塊：檢驗(yàn)獲取的絕對(duì)坐標(biāo)，比較匹配后的電子地圖中道路中心線坐標(biāo)與車道寬度外推的道路邊界與測(cè)距子模塊中獲得的道路邊界是否一致；若是，判斷為正確的絕對(duì)坐標(biāo)；否則傳輸?shù)綌?shù)據(jù)傳輸模塊中待測(cè)量。通過檢驗(yàn)各種不同方式獲取的坐標(biāo)，判斷坐標(biāo)是否準(zhǔn)確。例如，比較根據(jù)道路中心線坐標(biāo)和車道寬度外推的道路邊界和測(cè)距子模塊測(cè)量的道路邊界，校驗(yàn)道路邊界是否一致。如果差別大，傳輸?shù)綌?shù)據(jù)傳輸模塊，留待進(jìn)一步測(cè)量。

數(shù)據(jù)傳輸模塊：將生產(chǎn)的地圖、傳感器獲取的當(dāng)前坡度等道路參數(shù)和有疑問的道路信息傳輸?shù)椒?wù)器端，用于生產(chǎn)/更新或者進(jìn)一步修飾高精度地圖。

本發(fā)明基于現(xiàn)有地圖、定位系統(tǒng)和車載相機(jī)實(shí)現(xiàn)，其各數(shù)據(jù)功能模塊形成車載數(shù)據(jù)處理終端，采用的GIS數(shù)據(jù)處理中心包括web應(yīng)用服務(wù)器及查詢平臺(tái)等。所述發(fā)明系統(tǒng)通過WLAN基站、GNSS終端等確定車輛的坐標(biāo)；通過各種傳感器采集車輛的經(jīng)緯度和坡度等信息；通過圖像數(shù)據(jù)獲取子模塊所包含的普通車載攝像頭等采集道路畫面和視頻，也可以包括紅外車載夜視儀。采用深度學(xué)習(xí)方法解析視頻，獲得視頻中道路各要素的內(nèi)容信息；相機(jī)標(biāo)定之后采用計(jì)算機(jī)視覺方法測(cè)量道路要素的相對(duì)位置；將車輛的位置軌跡與電子地圖中的道路相匹配，結(jié)合車輛的地理坐標(biāo)確定道路各要素的絕對(duì)位置，并比較檢驗(yàn)道路各要素的坐標(biāo)與道路中心線坐標(biāo)的道路信息相比較，確認(rèn)正確后上傳到中心服務(wù)器端，申請(qǐng)更新相關(guān)道路信息。最后通過web應(yīng)用到服務(wù)器上人工查詢平臺(tái)信息，以供相關(guān)人員進(jìn)行查看、管理地圖，并酌情對(duì)有疑問的道路采用高分辨率遙感圖像處理或?qū)嵉販y(cè)繪等方式進(jìn)行進(jìn)一步測(cè)繪，降低空間數(shù)據(jù)資源采集和管理的成本，提高準(zhǔn)確度。與現(xiàn)有技術(shù)相比較，能以更低的成本生產(chǎn)/更新高精度地圖。

數(shù)據(jù)獲取模塊采集道路沿途的圖像數(shù)據(jù)，獲取圖像點(diǎn)相對(duì)于相機(jī)的空間位置關(guān)系；根據(jù)WLAN基站、GNSS和車輛的里程計(jì)等定位車輛的位置信息，同時(shí)獲得相機(jī)的坐標(biāo)；根據(jù)陀螺儀等傳感器獲取車輛航向角和當(dāng)前坡度等數(shù)據(jù)。

數(shù)據(jù)處理模塊在線或離線處理采集到的各種信息，識(shí)別地圖要素及其位置。首先對(duì)雙目圖像進(jìn)行矯正，再根據(jù)深度學(xué)習(xí)算法對(duì)相機(jī)采集到的圖像數(shù)據(jù)進(jìn)行分類，獲得圖像上道路、道路標(biāo)志等的語義信息；基于深度學(xué)習(xí)算法對(duì)雙目圖像進(jìn)行特征點(diǎn)提取和匹配，提取屬于道路、車道線和道路標(biāo)志等重要對(duì)象上的點(diǎn)，剔除不在車道線上的匹配點(diǎn)，得到精確的匹配點(diǎn)。獲取匹配點(diǎn)相對(duì)于相機(jī)的空間位置關(guān)系，并根據(jù)預(yù)先標(biāo)定好的相機(jī)的內(nèi)外參數(shù)，測(cè)量道路、車道線及道路標(biāo)志關(guān)鍵點(diǎn)與相機(jī)的相對(duì)空間位置。

地圖生成模塊將車輛的坐標(biāo)點(diǎn)匹配到電子地圖的道路上，并從現(xiàn)有的電子地圖獲取軌跡點(diǎn)所在道路名稱和道路中心線的坐標(biāo)點(diǎn)列。根據(jù)相機(jī)與車道線上關(guān)鍵點(diǎn)之間的相對(duì)空間位置，結(jié)合相機(jī)的坐標(biāo)和車軌跡的坐標(biāo)，得到車道線在地圖上相對(duì)精確的坐標(biāo)。根據(jù)識(shí)別出的車道線數(shù)量和測(cè)距子模塊算出的車道線的寬度，產(chǎn)生道路邊界的相對(duì)空間位置，結(jié)合相機(jī)的坐標(biāo)和車軌跡的坐標(biāo)，得到車道線在地圖上相對(duì)精確的坐標(biāo)。根據(jù)已知的道路中心線坐標(biāo)外推正確的車道線和道路坐標(biāo)，檢測(cè)車道數(shù)量及車道寬度、總的道路寬度是否一致。如果差別大，根據(jù)電子地圖中的道路中心線坐標(biāo)糾正車輛坐標(biāo)。

數(shù)據(jù)傳輸模塊將生產(chǎn)的地圖和傳感器獲取的當(dāng)前坡度等道路信息傳輸?shù)椒?wù)器端，用于生產(chǎn)/更新高精度地圖。