ssdd
 
SystemGEO: решение задач в области геоинформатики, геодезии и кадастра



Построение глобальной 3D карты маршрутов

Использование мобильного сканирования для сбора триллионов точек по всему миру

Компания HERE, совладельцами которой являются немецкие автомобильные компании Audi, BMW и Daimler, использует парк из более чем 200 автомобилей, чтобы собрать данные в виде облака точек о дорогах во всем мире. Как пишет издание GIM, данные мобильного картографирования с транспортных средств обрабатываются для обеспечения конфиденциальности и превращаются в подробные карты маршрутизации. Эти данные используются в различных областях, начиная от автомобильной навигации до традиционного анализа крутизны склонов. Наиболее полезным применением, однако, является реализация этих данных для запуска беспилотных автомобилей.

Цифровые карты улиц имеют важное значение для автомобильной навигации и визуализации онлайн-продуктов отображения. Традиционно такие карты сделаны из аннотированных векторов в пространственной базе данных, которая может быть запрошена для получения оптимальной маршрутной информации. Все чаще карты содержат 3D контекстную информацию. Эти 3D-данные используются для интеллектуального управления городом или в качестве основы для маршрутов беспилотных автомобилей.

Мобильное картографирование

Более 200 автомобилей, известных как TRUE автомобили, передвигаются по всему миру для сбора пространственных данных (Рисунок 1). Каждый автомобиль оснащен установкой, на которую установлен  лазерный сканер, камера и системы GNSS / IMU. Сканер Velodyne HDL-32E представляет собой небольшой вращающийся сканер, который содержит 32 независимых лазера, излучающих импульсы Квайте в радиусе 40 градусов. В целом, сканер собирает информацию о 700 000 точках в секунду. В пределах точности сканера 2 см элементы могут быть отсканированы на расстоянии до 100 м. Благодаря наклонному положению сканера на крыше автомобиля, теневые эффекты смягчаются настолько, насколько это возможно.

Построение глобальной 3D карты маршрутов

Рисунок 1, Автомобиль TRUE на улицах Берлина. 

 

Процесс

Для эффективного сбора данных на каждом автомобиле TRUE имеется установленная система маршрутизации, которая помогает водителю собирать данные из неотображённых зон или зон, которым требуются обновленные данные. Эти драйверы ориентированы в основном на крупные городские районы, однако данные собираются также в некоторых малонаселенных регионах, таких как автомагистрали за пределами городских центров или сельские дороги. Объединенные датчики генерируют примерно 140 ГБ данных в день. В глобальном масштабе автопарк TRUE собирает 100 терабайт данных, захватывает 9,5 миллионов изображений и более 50 000 километров за неделю. В период с 2010 по 2015 год в 30 различных странах было нанесено на карту 5 миллионов километров дорог. Когда зашифрованные жесткие диски заполнены, драйверы отправляют содержимое в один из трёх процессинговых центров в Фарго (Северная Дакота, США), Леоне (Мексика) или Мумбаи (Индия). Эти центры обрабатывают данные, и жесткие диски возвращаются в поле для повторного использования после переформатирования.

Обработка

После того, как новые данные получены одним из центров, он проходит несколько этапов обработки. Эти шаги частично автоматизированы, но для выполнения многих проверок необходим оператор. Все изображения визуально проверяются на качество. Фотографии с плохой погодой или солнечными бликами удаляются. Чтобы устранить проблемы с соблюдением конфиденциальности, фильтры размытия автоматически применяются к лицам и номерным знакам. После проверки конфиденциальности каждая карта помечается атрибутами дороги, такими как знаки остановки и знаки ограничения скорости. Эти уличные знаки автоматически обнаруживаются на изображениях с использованием алгоритмов, которые способны распознавать знаки в 22 странах. Группа аналитиков перепроверяет автоматизированные результаты с изображениями, чтобы подтвердить вывод тегов и устранить неясности (Рисунок 2). 

Построение глобальной 3D карты маршрутов

Рисунок 2, Полученное 3D облако точек с нанесённой разметкой. 

Финальные результаты

Конечным результатом всей обработки является база данных, содержащая подробную геометрию дороги и ее атрибуты, включая границы полосы движения, бордюры, ограничения полосы движения, ограничения скорости и т. д. Эти данные могут, например, служить основой для баз данных автомобильной навигации. Данные облака точек хранятся как отдельный продукт в облачной среде. Собранные облака точек имеют абсолютную точность 5 м и относительную точность 20 см на расстоянии 100 м (Рисунок 3).

Построение глобальной 3D карты маршрутов

Рисунок 3, Оцифрованная дорожная разметка на пересечении. 

Беспилотные автомобили

Развитие беспилотных автомобилей дает значительный толчок к сбору облаков точек по всему миру. По сравнению с 2D-картами 3D-карты предоставляют больше информации с более высокой точностью, включая такие детали, как разметка полос и придорожные барьеры. Автономные автомобили оснащены массивом датчиков для распознавания дорог. Карта в формате HD может предоставить дополнительный контекст для датчиков в реальном времени, что позволяет автомобилю отличать аномальные ситуации от обычных условий вождения – например, не сбит ли шлагбаум? Не упало ли на дорогу дерево?

 

Кроме того, в то время как датчики на автономных автомобилях могут обнаруживать объекты на расстоянии около 30 метров, автомобиль, движущийся с высокой скоростью, например, на автомагистрали, имеет горизонт восприятия всего одну или две секунды. Подробная 3D-карта помогает автомобилям «заглянуть» за угол. Кроме того, беспилотные автомобили смогут улучшить свое позиционирование путем ссылки на информацию, содержащуюся на карте. Это дополнительный уровень надежности по сравнению с обычным позиционированием GNSS / IMU. В 2013 году Mercedes использовал HD карту для первого в мире дальнего путешествия по мемориальной трассе Bertha Benz - не менее исторически важном 100-километровом круге, но на этот раз поездка была совершена на беспилотном автомобиле.

 

Другим полезным применением технологии является осмотр состояния дороги, что может привести к повышению безопасности на дорогах, а также к снижению затрат. Например, в Америке Закон об инвалидах (ADA) предусматривают определенный размер и максимальный уклон для пандусов, а город Окленд в Калифорнии использует данные 3D -сканирования, чтобы сократить дорогостоящие и трудоемкие полевые работы, необходимые для идентификации и каталогизации адаптируемых к ADA наклонов. Панорамные снимки высокого разрешения в сочетании с перекрывающимися данными 3D-облака точек позволили быстро выполнить точные измерения и извлечь необходимую геометрию для целей каталогизации.

Источник: GIM