近年來，高精地圖(High Definition Maps HD Maps)蓬勃發展成為新一代自動駕駛技術之輔助資訊，以實現道路安全之願景，相較於傳統電子導航地圖，高精地圖的精度需求更高且富含更多道路環境資訊與道路元素，包含道路邊緣、車道線、車道中心線、交通號誌與交通標誌等，由於車載移動式雷射掃瞄系統(Mobile Laser Scanner MLS)具備快速蒐集高精度環境資訊的能力，此系統成為現今廣為使用的資料採集模式，然而，後續地圖數化、建置等測繪任務仍仰賴人為操作，此過程需耗費大量人力與時間成本，因此本研究致力於開發自動化演算法，從獲取的點雲資料中產製高精地圖中定義之特定道路元素，包含道路邊緣、車道線與中心線。 本研究提出的演算法可分成道路元素萃取與建模兩部分，首先，為了提升演算法的效率與成果，透過萃取道路邊緣以攫取路面範圍，以濾除非路面特徵物的影響，另一方面，由於路面標記具有極高的強度值特性，可藉此設定強度值門檻值進而取得，接著，萃取的路面標記經由相關交通法規所定義之幾何條件進行分類，即可區分線型之車道線與其餘路面標記，故利用三次樣條插值(Cubic spline interpolation)演算法進行道路邊緣與車道線之擬合，便能利用建模後的車道線進一步產製車道中心線，最後所有產製之道路特徵將藉由測繪業者繪製之高精地圖進行驗證，由於此高精地圖已完成精度驗證與品質檢測，故可以作為本研究成果之參考資料以確保成果的品質與絕對精度。 此外，本研究亦將提出之演算法施行於透過低成本感測器採集之點雲資料上，以測試演算法的可行性與適用性，即便低成本感測器的表現不如高規格的移動式雷射掃瞄系統，然而，若能證明透過低成本感測器獲取的點雲資料亦能達到相同的精度品質，基於低成本感測器之數據採集可成為測繪的替代方案。另一方面，因為同一條道路的幾何屬性並非一成不變，一次處理所有實驗區之測試路段的方式較不實際，此外，也必須考量運算資料量與處理效能，因此，道路會預先被切割成特定長度的路段，進而連接對應的道路元素之擬合成果，故本研究提出的驗算法也會在分割的路段上進行測試。 研究成果顯示，儘管路面標記萃取的召回率(recall)在整體表現上較不穩定，導致召回率的成果沒有顯著的提升，但是大部分的路面標記能被正確分類且精度(precision)能高達90%，除此之外，從實驗結果得知道路元素能成?地被建模，車道線與車道中心線之三維均方根誤差於所有實驗場景下皆小於20公分，而道路邊緣於高規格感測器採集之點雲資料中的三維均方根誤差也低於20公分，整體而言，本研究不僅能萃取特定路面標記，同時將路面標記進行建模以產製能供自駕車應用之高精度且可靠的高精地圖道路元素。
Automated Road-Elements Modelling and Centerline Generation for High Definition Maps Utilizing 3D Point Cloud
芷晴, 曾. (Author). 2020
學生論文: Doctoral Thesis