新書推薦：
《
“Z行动”苏联空军志愿队研究（套装全2册）
》
售價：HK$
361.9
《
清华大学藏战国竹简校释（柒）：《楚居》诸篇
》
售價：HK$
132.0
《
任伯年册页精选
》
售價：HK$
330.0
《
国之大道G219自驾攻略图——314国道喀什至红其拉甫口岸、独库公路
》
售價：HK$
52.8
《
中国近代史（名家导读版）
》
售價：HK$
90.2
《
《四库全书总目》子部辨证与学术批评研究（全三册）
》
售價：HK$
404.8
《
古代城邦（修订版）（经典与解释·古今丛编）
》
售價：HK$
109.8
《
诱捕：青春穿越小说 穿书系统×双向救赎
》
售價：HK$
52.8
|
| 內容簡介： |
|
《人-车-路-图高精地图模型与组织》系统阐述高精地图在自动驾驶系统中的核心作用及其模型构建方法。作为智能交通的关键数字基座，高精地图通过高精度定位匹配和结构化语义表达，为车辆提供动态场景理解与决策支持。《人-车-路-图高精地图模型与组织》围绕高精地图建模需求，构建高精地图的框架模型、数据关联、车路云数据交互、特征提取、动态更新及多模态融合、自动驾驶决策的完整技术体系，并探讨高精地图智能融合的诸多关键技术。
|
| 目錄：
|
|
目录第1章 绪论 11.1 高精地图概述 11.2 国内外研究进展 21.3 技术路线 4第2章 高精地图与道路特征 52.1 高精地图与自动驾驶等级关系 52.1.1 自动驾驶分级 52.1.2 不同等级的自动驾驶对于高精地图要素的需求 72.1.3 不同等级自动驾驶与高精地图的关系 72.2 高精地图模型视角下的国内外道路共性 82.2.1 特殊车道 92.2.2 交通标志 92.3 自动驾驶语境下的中国典型道路特征 102.3.1 道路基础路网特征 112.3.2 道路交通设施特征 132.3.3 道路交通规则特征 172.3.4 道路交通路况特征 18第3章 高精地图模型 203.1 人-车-路-图高精地图模型框架与内容 203.1.1 静态数据层 223.1.2 道路实时信息层 233.1.3 车辆动态信息层 243.1.4 用户模型层 253.2 高精地图静态数据模型 253.2.1 模型构建基础 263.2.2 道路模型 283.2.3 车道模型 343.2.4 道路附属设施模型 413.3 高精地图路口信息模型 453.3.1 路口结构与分类 453.3.2 路口要素分类 483.3.3 路口要素属性描述 513.3.4 路口要素构建与组织方法 58第4章 高精地图数据生产与更新 594.1 高精地图数据生产 594.1.1 数据预处理 604.1.2 采集数据质检 634.1.3 基于多源数据融合的自动化制图 644.1.4 生产数据质检 674.2 高精地图静态数据加工 714.2.1 高精地图静态数据处理 724.2.2 场景构建及仿真 764.2.3 高精地图成果数据 804.3 高精地图的数据更新策略 824.3.1 长效更新和动更更新 834.3.2 定期更新和实时更新 834.3.3 事件驱动更新和非事件驱动更新 834.3.4 边云协同更新 84第5章 高精地图动静态数据关联 865.1 动静态数据关联原则 865.2 动静态数据关联方法 885.2.1 强关联方法 885.2.2 弱关联方法 885.2.3 关联方法的差异 895.3 动静态数据关联模型 905.3.1 道路实时信息层关联方法 905.3.2 车辆动态信息层关联方法 945.3.3 关联模型应用 97第6章 高精地图动静态数据信息交互 1006.1 车路云一体化高精地图信息交互模式 1006.1.1 车云数据交互 1006.1.2 车路数据交互 1026.1.3 路云数据交互 1036.1.4 车车数据交互 1046.2 高精地图信息交互方法 1056.2.1 车云信息交互方法 1066.2.2 车路信息交互方法 1066.2.3 云车信息交互方法 1086.2.4 交互方法复杂度分析 1086.3 交互数据的关联与融合 1106.3.1 补充感知数据的关联 1106.3.2 强化感知数据的融合 1116.4 车路云协同的高精地图数据交互机制 1116.4.1 信息交互的高精地图数据再组织 1126.4.2 自动驾驶高精地图的数据交互模式 1126.5 交互模式的实例场景验证 114第7章 自动驾驶的决策框架模型 1207.1 基于四交通一体化模型的决策过程 1207.1.1 交通事件驱动的导航决策 1207.1.2 高精地图自动驾驶决策流程 1217.2 基于三空间的自动驾驶框架 1227.3 智能网联车动态认知地图框架 1237.4 基于车路云一体化的自动驾驶决策框架 1247.5 基于高精地图的人在回路框架 1257.5.1 可观测状态的视野扩展 1267.5.2 动作执行的干预 1277.5.3 奖励函数的塑造 128第8章 高精地图智能融合关键技术 1308.1 高精地图融合BEV感知的3D目标检测方法 1308.1.1 研究背景 1308.1.2 方法概述 1308.2 高精地图与LiDAR点云融合的3D目标检测方法 1318.2.1 研究背景 1318.2.2 技术路线 1328.2.3 方法概述 1338.3 基于分层特征融合的车路协同3D目标检测方法 1348.3.1 研究背景 1348.3.2 技术路线 1358.3.3 方法概述 1358.4 面向隧道场景的分层匹配定位方法 1368.4.1 研究背景 1368.4.2 技术路线 1368.4.3 方法概述 1378.5 基于高精地图的路口引导线生成方法 1398.5.1 研究背景 1398.5.2 技术路线 1398.5.3 方法概述 1408.5.4 实验结果 1438.6 基于分层图结构编码的车辆轨迹预测方法 1458.6.1 研究背景 1458.6.2 方法概述 1458.7 动态认知地图构建关键技术 1478.7.1 研究背景 1478.7.2 认知地图数学模型 1488.7.3 道路结构感知与匹配 1528.7.4 动态目标感知 1528.7.5 拓扑关联 1528.8 高精地图人在回路框架支撑的模仿学习DAGGER改进算法 1548.8.1 研究背景 1548.8.2 方法概述 157参考文献 163
|
| 內容試閱：
|
|
第1章绪论 高精地图（high definition map，HD map）的发展在智能交通的推进过程中发挥着关键作用，它不仅为解决自动驾驶车辆在卫星不可用条件下的高精度智能导航提供了重要的环境与导航决策信息，同时也是打造智慧城市“数据大脑”的时空基准。高精地图模型作为道路时空信息固化与抽象的核心依据，直接决定地图的制作内容，关系到地图的制作工艺，影响地图的物理编码与应用。本章对国内外现有高精地图模型进行探讨，从国内外研究进展、本书技术方案、研究内容及论证与实验等方面出发，对自动驾驶高精地图模型与架构进行介绍。 1.1高精地图概述 2007年美国国防部先进研究项目局（Defense AdvancedResearch Projects Agency，DARPA）举办的城市无人车挑战赛，使用路网描述文件为车辆提供了关键的道路宽度、限速和车道信息，被视为高精地图的萌芽（Badueetal.，2021）。在信息通信技术、传感器技术与人工智能（artificial intelligence，AI）等技术的赋能下，汽车智能化发展进一步加速，这对导航电子地图的地物定位精度、要素丰度、更新速度等方面提出新需求，高精地图由此迅速发展（李德仁等，2021;杨振凯等，2021）。 高精地图是指具有高精度、高鲜度、高丰度的电子地图，包含详细的道路、车道、交通设施等静态信息，以及道路实时路况等动态信息（李必军等，2024；应申等，2024;刘经南等，2019a）。髙精地图是智能汽车进行环境认知的知识库、空间基准、不受干扰的信息源，也是智能交通全时空实时感知的载体与运行管理的依据（齐如煜等，2024;尹章才等，2024;张攀等，2021）。目前，高精地图已被广泛应用于智能汽车高精度定位（Guoetal.，2024；王涛等，2018）、环境感知（Huang et al.，2023）、运动规划（Guo et al.，2023）等诸多领域，为实现智能、安全、高效的交通环境提供了关键支撑。随着国外Waymo、Cruise和国内百度、滴滴等企业的无人驾驶出租车，以及图森未来无人卡车项目的逐渐落地，L3以上自动驾驶汽车对高精地图数据内容及更新效率提出了动态化与实时化的要求。然而，已有高精地图模型通常是在传统导航电子地图的基础上进行扩展的，集中于静态地图要素的描述，对动态信息的刻画能力有限，语义不丰，难以充分满足高度智能化的驾驶汽车在复杂场景的环境认知需求。 针对现有高精地图模型数据多样、数据联动演化弱、导航决策能力与动态信息刻画不足等问题，本书对包含静态数据层、道路实时信息层、车辆动态信息层与用户模型层的“四层一体化髙精地图模型”进一步完善，全方位考虑人、车、路之间的动态实时信息交互，在全时空动静态交通信息融合的基础上，构建动态高精地图模型，充分实现人-车-路-图的有效协同。 1.2国内外研究进展 地图模型的构建是人类对空间信息进行固化与抽象的过程，主体、客体与表达方式，是传统地图的三要素（Guo et al.，2023）。与传统地图不同的是：高精地图的主体除了驾驶员，还包括自动驾驶汽车；其表达方式由静态转化为动态；其信息传输方式由单向传输转换为双向传输。 根据自动驾驶汽车对高精地图应用场景与实时性的不同需求，2007年BOSCH（博世）公司提出了一种局部动态地图（local dynamic map，LDM）模型，除了静态地图与准静态地图，该模型还加入准动态地图与动态地图，其中准动态地图包含道路拥堵、施工、交通管制等信息，动态地图则包含环境中的车辆、行人、交通施工等实时性较高的信息。该模型不仅支持各类数据的存储与管理，还提供了数据访问、查询与修改管理功能。此外，该模型*次将动态物的感知纳入地图范畴。 我国在高精地图模型的研究方面起步相对较晚。考虑传统地图信息传输模型无法满足机器人环境认知的需求，刘经南等（2019a）在**柯拉斯尼地图信息传输模型基础上，提出用七元组表示的自动高精地图信息传输模型，并基于该传输模型提出了包含静态数据层、道路实时信息层、车辆动态信息层及用户模型层的四层一体化模型。本书在该模型的基础上结合中国道路特色，进一步充实与细化，通过对中国道路环境的深入理解和分析，对模型进行优化和适应性改进，建立一个通用的自动驾驶高精地图模型，支持道路动态信息的表达及高精度要素的实时动态更新。 高精地图格式标准是在地图模型的基础上，对空间数据的组织进行定义。当前国际上主流的电子地图交换格式为地理数据文件（geographic data files，GDF）。20世纪80年代后期，由于缺乏统一的地图交换格式，地图的发展受到了阻碍。为满足专业人员对结构化道路数据进行创建、更新与应用，欧洲标准化委员会（European Committee for Standardization，CEN）联合电子地图供应商、汽车与电子设备制造商起草了GDF，为地图供应商与导航系统集成商交换地图数据提供了互操作性，为促进欧洲车载导航市场的发展发挥了重要作用。但部分地图数据生产商并未严格遵循GDF3.0或GDF4.0的标准，而是对其进行了扩展，以至于地图数据无法完全交换。因此，2011年发布的GDF5.0对统一建模语言（unified modeling language，UML）模型进行细化，并引入新的数据模型，从而可以更好地支持不同的数据类型，如3D数据、音频数据或视频数据等。GDF5.0主要用于汽车导航系统，它假定地图数据是由单一供应商提供，然而，随着自动驾驶技 术的发展，智能交通的应用已扩展至多智能体协作，地图交换格式需容纳来自多个提供者的地图信息，并支持与外部数据库进行连接。此外，GDF5.0未对自动驾驶系统所需的*特元素进行定义，也未定义与外部数据库连接的方式，从而难以支撑智能交通应用。2020年发布的GDF5.1包括两部分：①GDF的常规更新；②规定了智能交通系统应用与服务的地理数据库的物理编码格式，以及智能交通系统数据的概念与逻辑模型，并进一步定义了用于自动驾驶、协同智能交通系统与多式联运系统中使用的地图数据。总体而言，GDF对要素属性的定义较为全面，还定义了各种要素间的关系。此外，GDF提供了评价电子地图数据质量及精度的标准和依据，使电子数据生产过程中的质量控制有据可循。GDF通常作为基础数据交换格式的角色应用到车辆导航领域，而非直接作为与硬件相关联的电子地图数据，因此，GDF通常作为由通用地理信息系统（geographical information system，GIS）数据转换为特定物理存储格式存储的中间件。 我国高精地图的标准制定尚处于起步阶段，相关标准多处于立项或征求意见阶段（蔡忠亮等，2023;詹骄等，2021）。针对现有导航地图存在的精度不统一、模型不统一、表达不统一等问题，国家市场监督管理总局于2023年5月发布了《智能运输系统智能驾驶电子道路图数据模型与表达第1部分：封闭道路》（GB/T42517.1—2023）与《智能运输系统智能驾驶电子道路图数据模型与表达第2部分：开放道路》（GB/T42517.2—2023）两项国家标准。由于高速公路、城市快速路等封闭道路与开放道路之间的交通要素存在明显差异，这两项标准对封闭道路与开放道路的数据模型和表达格式分别进行了规定，具体包括框架数据模型、道路与车道、道路设施三部分内容。其中：框架数据模型部分对要素模型、坐标框架体系、精度、表达范围等高精地图应遵循的基本原则与属性进行了规定；道路与车道部分则着重于真实道路的表达，规定了道路、车道及车道边界的模型、属性、几何表达、拓扑连接方式等信息；道路设施部分对用于精准定位的交通标志、交通设施、信号灯、收费站、公交车站等要素的模型、属性、几何表达、关联关系与表结构进行了规定。这两项标准对交通要素的涵盖较为全面，此外，将封闭道路与开放道路分开建立标准的方式符合中国道路交通特色，有助于我国高精地图业务的落地。 当前国际主流的高精地图物理应用格式规范为导航数据标准（navigation data standard，NDS）与OpenDRIVE。NDS是面向汽车生态系统的车载导航电子地图物理应用格式，使用标准化的二进制数据库技术对导航数据进行管理，实现不同系统之间的数据交换。NDS使用地图切片与分层的形式对地图数据进行管理，将地球表面划分为不同的块，可加快不同粒度数据的显示，快速实现数据管理与增量更新。NDS数据库中，根据功能的不同，导航数据被组织成不同的构建块，在不同应用场景，可将不同类型的构建块进行组合使用。NDS2.5中新引入与自动驾驶有关的构建块包括道路（routing）、车道（lane）、障碍物（obstacles）、定位地标（localization landmark）等。道路构建块为其他构建块的基础模块，包含道路网络的几何与拓扑信息，可支持道路路径规划、地图匹配等功能。此外，道路模块对原有属性进行了扩展，增加了*率、道路宽度及坡度等以支持自动驾驶应用。车道构建块包含车道与车道边界的几何信息、道路标识、拓扑信息等，为自动驾驶提供精确的车道引导功能。NDS中的障碍物是指位于道路两侧，可以用 于定位的护栏、墙壁等，而非动态感知障碍物。NDS提供了障碍物建模的数据结构，用于辅助自动驾驶汽车的定位功能。NDS中定位地标是指道路标志、路灯、电线杆等可用于确定车辆位置的要素，NDS的道路构建块提供了定位地标的链接网络，自动驾驶应用程序可通过链接信息确定车辆的定位。 与NDS不同，OpenDRIVE是由德国自动化及测量系统标准协会制定并推广的自动驾驶场景模拟仿真测试标准之一。OpenDRIVE是用于描述驾驶模拟应用的静态路网的交换格式规范，其主要任务是对道路及道路上的静态要素进行建模与描述，其文件格式为可扩展标记语言（extensible markup language，XML）。OpenDRIVE涵盖对如道路、车道、交叉路口等内容进行建模的描述，但其中不包含动态内容，其逻辑组织模型为基于XML的多层次树状结构，所有静态道路数据均组织在节点中，用户可自定义数据扩展节点，这不仅使各类应用具有高度的针对性，而且保证了不同应用之间在交换数据时所需的互通性。 1.3技术路线 本书采用并完善刘经南等（2019a）提出的“四层一体化髙精地图模型”，围绕自动驾驶的三个主体人、车、路，结合中国道路特征与信息融合交互的需要，构建包含静态数据层、道路实时信息层、车辆动态信息层和用户模型层的四层一体化高精地图模型，以支撑自动驾驶导航决策（应申等，2024）。技术路线如图1-1所示。 第2章高精地图与道路特征 2.1高精地图与自动驾驶等级关系 自动驾驶对地图的要求十分苛刻，传统的电子导航地图缺乏有效的道路元素，无法支撑自动驾驶车辆的场景感知定位与认知、决策规划和控制执行等一系列驾驶行为。高精地图是指具有高精度、高鲜度、高丰度的电子地图，包含详细的道路、车道、交通设施等静态信息，以及道路实时路况等动态信息（应申等，2024），可以为自动驾驶提供更为精确和全面的环境信息，是目前自动驾驶技术得以在现实场景中部署的关键技术，可以极大简化自动驾驶功能的研发，弥补感知功能的上限（朱建科等，2024）。相较于普通导航电子地图，面向自动驾驶的高精地图数据精度更髙、道路信息更丰富翔实、数据的实时性也更高（应申等，2024）。 2.1.1自动驾驶分级 在汽车驾驶自动化分级方面，国内外的标准有所差别。目前在国际上影响*广泛的是国际自动机工程师学会（International Society of Automotive Engineers，SAE-International） 制定的分级标准SAEJ3016，该标准将自动驾驶划分为无驾驶自动化（0级）到完全驾驶自动化（5级）6个等级，依次为0级
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
