Bayesian Simultaneous Localization and Multi-Lane Tracking Using Onboard Sensors and a SD Map

高精度地图具有准确的车道级信息对于自动驾驶至关重要，但这些地图的创建是一个资源密集型的过程。为此，我们提出了一种成本效益高的解决方案，仅使用全球导航卫星系统（GNSS）和客户车辆上的相机创建车道级道路地图。我们提出的解决方案利用先前的标准定义（SD）地图、GNSS测量、视觉里程计和车道标记边缘检测点，同时估计车辆的6D姿态、其在SD地图中的位置以及交通线的3D几何形状。这是通过使用贝叶斯同时定位和多对象跟踪滤波器实现的，其中交通线的估计被制定为多个扩展对象跟踪问题，使用轨迹泊松多伯努利混合（TPMBM）滤波器解决。在TPMBM滤波中，交通线使用B样条轨迹进行建模，每个轨迹由一系列控制点参数化。所提出的解决方案已经使用测试车辆在高速公路上收集的实验数据进行评估。初步结果显示，交通线估计与卫星图像重叠，通常与车道标记对齐，但存在一些横向偏移。

如何使用GNSS和摄像头来创建成本效益的高清地图？

使用贝叶斯同步定位和多目标跟踪滤波器，将先前的标准清晰度地图、GNSS测量、视觉里程计和车道标记边缘检测点结合起来，同时估计车辆的6D姿态、在标准清晰度地图中的位置以及交通线的3D几何形状。

使用TPMBM滤波器将交通线建模为B样条轨迹，每条轨迹由一系列控制点参数化。使用实验数据进行了评估，结果显示交通线估计与卫星图像上的车道标记大致对齐。

近期的相关研究包括基于激光雷达和摄像头的高精度地图创建，如《利用激光雷达和摄像头创建高精度地图的方法》。