随着自动驾驶研究的深入,业内普遍认为实现L4级别以上的自动驾驶需要专用地图的支持。高精度地图是一种可行的解决方案,但其高昂的成本导致推广进度缓慢。针对该问题,本团队提出了一种轻量化、低成本的自动驾驶系统专用地图——认知地图。认知地图采用层结构表示,其中车道层是认知地图的基础。本文的研究工作围绕面向城市智能汽车的认知地图车道层生成系统展开,主要完成了以下三个工作:(1)认知地图车道层的表达及生成。i)针对高精度地图成本高昂的问题,本文根据人类驾驶车辆的认知过程,设计了认知地图车道层的表达方式,以更低成本实现了同样的功能。ii)针对人工制图效率低下的问题,本文设计了认知地图车道层路口部分生成方法、认知地图车道层非路口部分生成方法,制图效率提升70%。(2)融合语义分割和形状分类的路口识别方法。路口特征是生成认知地图车道层路口部分的重要依据。针对缺少路口识别方法的问题,本文提出了融合语义分割和形状分类的路口识别网络,该网络使用了split-transform-merge策略,以更轻量化的结构实现接近复杂网络的特征表达效果,并引入了多级跳层结构使网络专注于全局特征以提升识别率。(3)基于Lanenet改进的路肩车道线检测方法。路肩或车道线特征是生成认知地图车道层非路口部分的重要依据。针对缺乏高效准确的路肩、车道线检测方法的问题,本文提出了改进的检测方法,该方法将端到端的深度学习网络拆分成多个小模块,并用传统的机器学习方法衔接各个模块,该方法在校园数据集的准确率和速度分别提升5.4%和17%,并解决了斑马线误检问题和迁移训练难收敛问题。本文设计了认知地图车道层的表达方式及生成方法,并提出了路口识别方法和改进的路肩、车道线检测方法,最终成功搭建面向城市智能汽车的认知地图车道层生成系统,提升了制图效率。为智能汽车城市场景中的应用提供了技术基础。