Разработка семантической карты для беспилотного автомобиля с использованием метода одновременной локализации и картографирования

Введение. Сфера беспилотных технологий стремительно развивается, и в ней проводится множество исследований по применению на практике алгоритмов искусственного интеллекта для решения комплексных задач на дороге. Сложности в восприятии машиной окружающего мира привели к появлению специальных карт высокого разрешения (High definition maps). Эти карты используются для упрощения и улучшения качества и надежности работы других подсистем из стека беспилотных технологий, таких как модули локализации, навигации и планирования. В современной литературе встречаются в основном работы по применению таких карт, а процесс разработки карты остается за рамками рассмотрения.

Цель работы. Создать методологию проектирования семантических карт для беспилотного транспорта с подробным описанием каждого из этапов разработки.

Материалы и методы. В данной статье описывается методология создания HD-карт, включающая в себя этапы сбора данных по методологии SLAM (Simultaneous localization and mapping), их дальнейшую обработку и разработку семантики дорожной сети. Описываемый алгоритм применяется на практике на примере разработки семантической карты района г. Иннополиса с применением SLAM подхода, использующего лидарную инерциальную одометрию – LIO-SAM (LIDAR inertial odometry via smoothing and mapping).

Результаты. Сформированы основные этапы методологии создания HD-карт для беспилотного транспорта. Авторы реализовали предложенную концепцию на практике и подробно описали процесс создания семантической карты для г. Иннополиса.

Обсуждение и заключение. Предложенная методология может быть использована для любого типа беспилотной техники (наземная, летная, водная) и для разных дорожных условий (город, бездорожье) в зависимости от информации, которую должна предоставлять карта для реализации поставленных для беспилотника целей и задач.

1. Liu S. et al. Creating autonomous vehicle systems. Synthesis Lectures on Computer Science. 2020. Т. 8. №. 2. P. i-216.

2. Ghallabi F. et al. LIDAR-Based road signs detection For Vehicle Localization in an HD Map // 2019 IEEE Intelligent Vehicles Symposium (IV). IEEE, 2019. P. 1484-1490.

3. Ma W. C. et al. Exploiting sparse semantic HD maps for self-driving vehicle localization // 2019 IEEE/ RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019. P. 5304-5311.

4. Liu R., Wang J., Zhang B. High definition map for automated driving: Overview and analysis // The Journal of Navigation. 2020. Т. 73. №. 2. pp. 324-341.

5. Pannen D. et al. How to keep HD maps for automated driving up to date // 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. Pp. 2288-2294.

6. Jaulin L. Mobile robotics. John Wiley & Sons, 2019.

7. Wang S., Wu Z., Zhang W. An overview of SLAM // Proceedings of 2018 Chinese Intelligent Systems Conference. Springer, Singapore, 2019. pp. 673-681.

8. Ko Y. et al. Key points estimation and point instance segmentation approach for lane detection // IEEE Transactions on Intelligent Transportation Systems. 2021.

9. Haklay M., Weber P. «Openstreetmap: User-generated street maps» IEEE Pervasive computing, т. 7, No 4, pp. 12-18, 2008.

10. Dupuis M., Strobl M., Grezlikowski H. «Opendrive 2010 and beyond – status and future of the de facto standard for the description of road networks» в Proc. of the Driving Simulation Conference Europe, 2010. pp. 231-242.

11. R. Okuda, Y. Kajiwara и K. Terashima, «A survey of technical trend of ADAS and autonomous driving,» в Technical Papers of 2014 International Symposium on VLSI Design, Automation and Test, IEEE, 2014. pp. 1-4.

12. Khan M. Q., Lee S. Gaze and eye tracking: Techniques and applications in ADAS // Sensors. 2019. Т. 19. №. 24. pp. 5540.

13. Poggenhans F., Pauls J.-H., Janosovits J. «Lanelet2: A high-definition map framework for the future of automated driving» в 2018 21st international conference on intelligent transportation systems (ITSC), IEEE, 2018. pp. 1672-1679.

14. Poggenhans F., J. Janosovits «Pathfinding and Routing for Automated Driving in the Lanelet2 Map Framework» в 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC), IEEE, 2020. pp. 1-7.

15. Ahmad N., Ghazilla R. A. R., Khairi N. M., Kasi V. «Reviews on various inertial measurement unit (IMU) sensor applications». International Journal of Signal Processing Systems. 2013. т. 1, No 2. pp. 256-262.

16. Zhang J., Singh S. «Low-drift and real-time lidar odometry and mapping» Autonomous Robots. 2017. т. 41, No 2. Pp. 401-416.

17. Fu H., Yu R. LIDAR scan matching in off-road environments // Robotics. 2020. Т. 9. №. 2. P. 35.

18. Segal A., Haehnel D., Thrun S. Generalized-icp. Robotics: science and systems. 2009. Т. 2. №. 4. Pp. 435.

19. Shan T., Englot B., Meyers D., Wang W., Ratti C., Rus D. «Lio-sam:Tightly-coupled lidar inertial odometry via smoothing and mapping,» в 2020 IEEE/ RSJ international conference on intelligent robots and systems (IROS), IEEE. 2020. pp. 5135—5142.

20. Berkane S., Tayebi A. Position, velocity, attitude and gyro-bias estimation from imu and position information // 2019 18th European Control Conference (ECC). IEEE. 2019. pp. 4028-4033.

21. Gentil C. Le, T. Vidal-Calleja и S. Huang, «3d lidar-imu calibration based on upsampled preintegrated measurements for motion distortion correction» в 2018 IEEE International Conference on Robotics and Automation (ICRA), IEEE, 2018. Pp. 2149-2155.

22. Welch G. F. Kalman filter // Computer Vision: A Reference Guide. 2020. Pp. 1-3.

23. Slater J. A., S. Malys, «WGS 84-Past, present and future» в Advances in positioning and reference frames, Springer, 1998. pp. 1-7.

24. Grafarend E. «The optimal universal transverse Mercator projection» в Geodetic Theory Today, Springer, 1995. pp. 51—51.

25. Hager J. W., Fry L. L., Jacks S. S., Hill D. R. «Datums, ellipsoids, grids, and grid reference systems» DEFENSE MAPPING AGENCY HYDROGRAPHIC/TOPOGRAPHIC CENTER WASHINGTON DC. 1992.

26. Tier IV. «Vector Map Builder» (2018), url: https://tools.tier4.jp/feature/vector_map_builder_ll2 (accessed 11.09.2022).

27. O. source. «Java Open Street Map» (2014), url: https://josm.openstreetmap.de (accessed 11.09.2022).

28. Maruyama Y., Kato S., T. Azumi, «Exploring the performance of ROS2» в Proceedings of the 13th International Conference on Embedded Software, 201. pp. 1-10.

29. Reke M., Peter D., Schulte-Tigges J. «A self-driving car architecture in ROS2» в 2020 International SAUPEC/RobMech/PRASA Conference, IEEE, 2020. pp. 1-6.

30. Raju V. M., Gupta V., Lomate S. Performance of open autonomous vehicle platforms: Autoware and Apollo // 2019 IEEE 5th International Conference for Convergence in Technology (I2CT). IEEE, 2019. pp. 1-5.