Laser-Based Automatic Lane-Level Road Map Generation (Yu et al., 2021)
Thème : mapping / HD map
Source : arXiv:2101.05066v1
Référence : Yu2021-LaneLevelHDMap
🎯 Objectif
Présenter un pipeline entièrement automatique pour générer des cartes lane‑level à partir d’un Mobile LiDAR System (128 lignes + IMU + DGPS).
Le système extrait les marquages, les segmente, les classe, reconstruit les lignes et les modélise sous forme de polynômes cubiques pour produire une HD map compressée et précise.
🏗️ Pipeline proposé
1. Prétraitement
- Détection des bords de chaussée (curb detection) par analyse des distances inter‑anneaux LiDAR.
- Suppression des obstacles (véhicules, piétons…) par segmentation sol (méthode grid‑based).
- Définition d’une ROI sur la chaussée.
2. Extraction des marquages
Méthode clé : multi‑region Otsu appliqué dans des secteurs en éventail.
→ Plus robuste que seuil fixe ou Otsu global, surtout lorsque les marquages sont usés ou partiellement effacés.
3. Projection 3D → 2D
Projection du nuage LiDAR dans une image raster améliorant la cohérence spatiale et la détection des régions.
4. Clustering en deux étapes
- Pré‑clustering BFS sur raster.
- Re‑clustering via Gaussian kernel transformation pour fusionner les marquages fragmentés.
5. Reconnaissance du type de ligne
Via analyse géométrique :
- Minimum Bounding Rectangle (MBR),
- longueurs et ratios,
- analyse d’eigenvectors dans des fenêtres glissantes.
Permet de distinguer :
✔ lignes continues
✔ lignes discontinues
✔ stop lines
6. Obtention des objets ligne
Séparation en segments cohérents via une zone prédictive basée sur l’espacement moyen des dashs.
Score de cohérence géométrique entre segments.
7. Modélisation paramétrique
Chaque ligne → polynôme cubique (8 paramètres).
Estimation via Kalman / modèle bayésien pour lisser et compresser la géométrie.
📊 Résultats expérimentaux
Données réelles – Hefei (Chine)
- Dataset 1 : urbain, 2300 m
- Dataset 2 : autoroute, 1700 m
Performances :
- Précision > 93 %
- Recall > 95 % (autoroute)
- RMSE géométrique :
- dashed : 5.46 cm
- solid : 8.37 cm
⭐ Intérêt pour RS3 / RoadGeometry / Telemachus
Pour RS3
- Référence utile pour un futur module RS3‑HDMap dérivé de LiDAR.
- La représentation en polynômes cubiques est compatible avec le pipeline RS3 (trajectoires compressées).
Pour RoadGeometry
- Sert d’appui aux travaux P008 / P009 sur la courbure.
- Méthodes robustes pouvant être adaptées au traitement de trajectoires simulées + géométrie OSM/IGN.
Pour Telemachus
- Peut inspirer une extension lane_geometry du format pivot.
- Standardisation potentielle des primitives : lane_line, dashed_line, solid_line, cubic_poly.
📁 Chemin
literature/notes/2021_yu_lane_level_hdmap.md