基于因子图优化的轻量语义地图协同构建方法

李星星; 孙朦; 周宇轩

doi:10.13203/j.whugis20250045

您当前的位置：

首页 >

文章列表页 >

基于因子图优化的轻量语义地图协同构建方法

大地测量学与测量工程 | 更新时间：2026-11-05

- 基于因子图优化的轻量语义地图协同构建方法
- A Lightweight Collaborative Semantic Mapping Method Based on Factor Graph Optimization
- 武汉大学学报（信息科学版） 2026年51卷第6期页码：1088-1097
- 作者机构：
  
  武汉大学测绘学院，湖北武汉，430079
- 作者简介：
  
  李星星，博士，教授，研究方向为GNSS高精度定位与多源融合导航。xingxingli@whu.edu.cn
- 基金信息：
  
  国家自然科学基金(42425401);国家重点研发计划(2023YFB3907100)
- DOI：10.13203/j.whugis20250045
  中图分类号： P228
- 收稿：2025-05-29，
  
  纸质出版：2026-06-05
- 稿件说明：
移动端阅览
李星星,孙朦,周宇轩.基于因子图优化的轻量语义地图协同构建方法[J].武汉大学学报（信息科学版）,2026,51(6):1088-1097.

LI Xingxing,SUN Meng,ZHOU Yuxuan.A Lightweight Collaborative Semantic Mapping Method Based on Factor Graph Optimization[J].Geomatics and Information Science of Wuhan University,2026,51(6):1088-1097.
李星星,孙朦,周宇轩.基于因子图优化的轻量语义地图协同构建方法[J].武汉大学学报（信息科学版）,2026,51(6):1088-1097. DOI：10.13203/j.whugis20250045

LI Xingxing,SUN Meng,ZHOU Yuxuan.A Lightweight Collaborative Semantic Mapping Method Based on Factor Graph Optimization[J].Geomatics and Information Science of Wuhan University,2026,51(6):1088-1097. DOI：10.13203/j.whugis20250045

摘要

针对自动驾驶高精度地图建图成本高、效率低等问题，提出了一种轻量级视觉语义道路地图协同构建方法。该方法利用车道线语义特征构建稀疏的局部矢量地图，并采用基于深度学习的栅格化图像匹配方法来进行单用户、多用户子图的鲁棒关联，以实现有效的局部地图匹配。在此基础上，通过因子图优化框架优化车辆位姿，并利用地图点与位姿的局部关联进行全局校准，实现高效的两步地图优化。通过城市道路场景实验进行验证，结果表明，该方法成功构建了全局一致的轻量语义地图，在跨时段、跨季节情况下总体轨迹精度较多源融合的视觉惯性导航系统VINS-Fusion和基于ORB特征的同步定位与建图算法ORB-SLAM3分别提升了89.9%和80.5%，证明了其在大范围多用户协同建图任务中的有效性与鲁棒性。

Abstract

Objectives

Road maps play an important role in localization and motion planning for autonomous driving. To address the challenges of high cost and low efficiency in high-definition map construction

a lightweight collaborative semantic mapping method is proposed.

Methods

The proposed method constructs a sparse local vector map using semantic features of lane lines and employs a deep learning-based raster image matching technique for robust association of single-user and multi-user submaps

ensuring effective local map matching. Furthermore

vehicle poses are optimized through a factor graph framework

and global calibration is achieved by leveraging the local associations between map elements and poses

enabling efficient two-step map optimization.

Results

Experiments conducted in urban road scenarios demonstrate that the proposed method successfully constructs a globally consistent and lightweight semantic map. Compared to VINS-Fusion and ORB-SLAM3 algorithms

the overall trajectory accuracy is improved by 89.9% and 80.5%

respectively

under cross-time and cross-season conditions.

Conclusions

The proposed method enables effective multi-user collaborative mapping across large-scale environments

generating road feature maps that maintain global consistency while remaining highly lightweight.

关键词

Keywords

references

李克强，戴一凡，李升波，等 . 智能网联汽车（ICV）技术的发展现状及趋势［J］. 汽车安全与节能学报， 2017 ， 8 （ 1 ）： 1 - 14 .

LI Keqiang ， DAI Yifan ， LI Shengbo ， et al . State-of-the-Art and Technical Trends of Intelligent and Connected Vehicles ［J］. Journal of Automotive Safety and Energy ， 2017 ， 8 （ 1 ）： 1 - 14 .

刘洋，占佳豪，李深，等 . 自动驾驶技术的未来：单车智能和智能车路协同［J］. 汽车安全与节能学报， 2024 ， 15 （ 5 ）： 611 - 633 .

LIU Yang ， ZHAN Jiahao ， LI Shen ， et al . Future of Autonomous Driving： Single Autonomous Driving and Intelligent Vehicle-Infrastructure Collaboration Systems ［J］. Journal of Automotive Safety and Energy ， 2024 ， 15 （ 5 ）： 611 - 633 .

HASHEMI M ， KARIMI H A . A Critical Review of Real-Time Map-Matching Algorithms： Current Issues and Future Directions ［J］. Computers， Environment and Urban Systems ， 2014 ， 48 ： 153 - 165 .

刘经南，吴杭彬，郭迟，等 . 高精度道路导航地图的进展与思考［J］. 中国工程科学， 2018 ， 20 （ 2 ）： 99 - 105 .

LIU Jingnan ， WU Hangbin ， GUO Chi ， et al . Progress and Consideration of High Precision Road Navigation Map ［J］. Strategic Study of CAE ， 2018 ， 20 （ 2 ）： 99 - 105 .

杨振凯，华一新，訾璐，等 . 浅析高精度地图发展现状及关键技术［J］. 测绘通报， 2021 （ 6 ）： 54 - 60 .

YANG Zhenkai ， HUA Yixin ， ZI Lu ， et al . Analysis of the Development Status and Key Technologies of High-Precision Map ［J］. Bulletin of Surveying and Mapping ， 2021 （ 6 ）： 54 - 60 .

李必军，郭圆，周剑，等 . 智能驾驶高精地图发展与展望［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 4 ）： 491 - 505 .

LI Bijun ， GUO Yuan ， ZHOU Jian ， et al . Development and Prospects of High Definition Map for Intelligent Vehicle ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 4 ）： 491 - 505 .

KIM K ， CHO S ， CHUNG W . HD Map Update for Autonomous Driving with Crowdsourced Data ［J］. IEEE Robotics and Automation Letters ， 2021 ， 6 （ 2 ）： 1895 - 1901 .

李月华 . 基于自动驾驶众包地图更新技术方法［J］. 北京测绘， 2022 ， 36 （ 5 ）： 629 - 635 .

LI Yuehua . Crowdsourcing Map Update Technology for Autonomous Driving ［J］. Beijing Surveying and Mapping ， 2022 ， 36 （ 5 ）： 629 - 635 .

杨蒙蒙，江昆，温拓朴，等 . 自动驾驶高精度地图众源更新技术现状与挑战［J］. 中国公路学报， 2023 ， 36 （ 5 ）： 244 - 259 .

YANG Mengmeng ， JIANG Kun ， WEN Tuopu ， et al . Review on Status and Challenges of Crowdsourced Updating of Highly Automated Driving Maps ［J］. China Journal of Highway and Transport ， 2023 ， 36 （ 5 ）： 244 - 259 .

QIN T ， ZHENG Y X ， CHEN T Q ， et al . A Light-Weight Semantic Map for Visual Localization Towards Autonomous Driving ［C］// IEEE International Conference on Robotics and Automation ， Xi’an， China ， 2021 .

杨明珠 . 基于边缘计算的自动驾驶高精地图建图与定位方法［J］. 自动化博览， 2019 ， 36 （ 9 ）： 30 - 33 .

YANG Mingzhu . Auto-driving High-Precision Map Construction and Positioning Method Based on Edge Computing ［J］. Automation Panorama ， 2019 ， 36 （ 9 ）： 30 - 33 .

KIM C ， CHO S ， SUNWOO M ， et al . Crowd-Sourced Mapping of New Feature Layer for High-Definition Map ［J］. Sensors ， 2018 ， 18 （ 12 ）： 4172 .

GRISETTI G ， KÜMMERLE R ， STACHNISS C ， et al . A Tutorial on Graph-Based SLAM ［J］. IEEE Intelligent Transportation Systems Magazine ， 2010 ， 2 （ 4 ）： 31 - 43 .

LIEBNER M ， JAIN D ， SCHAUSEIL J ， et al . Crowdsourced HD Map Patches Based on Road Model Inference and Graph-Based SLAM ［C］// IEEE Intelligent Vehicles Symposium ， Paris， France ， 2019 .

HERB M ， WEIHERER T ， NAVAB N ， et al . Crowd-Sourced Semantic Edge Mapping for Autonomous Vehicles ［C］// IEEE/RSJ International Conference on Intelligent Robots and Systems ， Macau， China ， 2020 .

MUR-ARTAL R ， TARDÓS J D . ORB-SLAM2： An Open-Source SLAM System for Monocular， Stereo， and RGB-D Cameras ［J］. IEEE Transactions on Robotics ， 2017 ， 33 （ 5 ）： 1255 - 1262 .

ENGEL N ， BELAGIANNIS V ， DIETMAYER K . Attention-Based Vehicle Self-Localization with HD Feature Maps ［C］// IEEE International Intelligent Transportation Systems Conference ， Indianapolis， USA ， 2021 .

WANG H Y ， XUE C L ， ZHOU Y X ， et al . Visual Semantic Localization Based on HD Map for Autonomous Vehicles in Urban Scenarios ［C］// IEEE International Conference on Robotics and Automation ， Xi’an， China ， 2021 .

张志超，徐友春，陈晋生，等 . 基于航空图像与地面点云的跨模态地点识别方法［J］. 兵工学报， 2026 ， 47 （ 2 ）： 44 - 55 .

ZHANG Zhichao ， XU Youchun ， CHEN Jinsheng ， et al . A Cross-Modal Place Recognition Method Based on Aerial Images and Ground Point Clouds ［J］. Acta Armamentarii ， 2026 ， 47 （ 2 ）： 44 - 55 .

LIU Y C ， WANG Y ， WANG Y L ， et al . VectorMapNet： End-to-End Vectorized HD Map Learning ［C］// International Conference on Machine Learning ， Honolulu， USA ， 2023 .

LIAO B C ， CHEN S Y ， WANG X G ， et al . MapTR： Structured Modeling and Learning for Online Vectorized HD Map Construction ［C］// The 11th International Conference on Learning Representations ， Kigali， Rwanda ， 2023 .

LIAO B C ， CHEN S Y ， ZHANG Y C ， et al . MapTRv2： An End-to-End Framework for Online Vectorized HD Map Construction ［J］. International Journal of Computer Vision ， 2025 ， 133 （ 3 ）： 1352 - 1374 .

WATSON R M ， GROSS J N . Robust Navigation in GNSS Degraded Environment Using Graph Optimization ［C］// The 30th International Technical Meeting of the Satellite Division of the Institute of Navigation ， Portland， USA ， 2017 .

PENG J C ， LIU Y ， TANG S Y ， et al . PP-LiteSeg： A Superior Real-Time Semantic Segmentation Model ［EB/OL］. ［ 2026-01-14 ］. https：//arxiv.org/abs/2204.02681 https://arxiv.org/abs/2204.02681 .

JEONG J ， KIM A . Adaptive Inverse Perspective Mapping for Lane Map Generation with SLAM ［C］// The 13th International Conference on Ubiquitous Robots and Ambient Intelligence ， Xi’an， China ， 2016 .

LINDENBERGER P ， SARLIN P E ， POLLEFEYS M . LightGlue： Local Feature Matching at Light Speed ［C］// IEEE/CVF International Conference on Computer Vision ， Paris， France ， 2023 .

FISCHLER M A ， BOLLES R C . Random Sample Consensus： A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography ［J］. Communications of the ACM ， 1981 ， 24 （ 6 ）： 381 - 395 .

WALL M E ， RECHTSTEINER A ， ROCHA L M . Singular Value Decomposition and Principal Component Analysis ［M］//BERRAR D P， DUBITZKY W， GRANZOW M. A Practical Approach to Microarray Data Analysis . Boston ： Kluwer Academic Publishers ， 2005 ： 91 - 109 .

QIN T ， CAO S Z ， PAN J ， et al . A General Optimisation-Based Framework for Global Pose Estimation with Multiple Sensors ［J］. IET Cyber‐Systems and Robotics ， 2025 ， 7 （ 1 ）： e70023 .

CAMPOS C ， ELVIRA R ， RODRÍGUEZ J J G ， et al . ORB-SLAM3： An Accurate Open-Source Library for Visual， Visual‐Inertial， and Multimap SLAM ［J］. IEEE Transactions on Robotics ， 2021 ， 37 （ 6 ）： 1874 - 1890 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

动态观测权调整的GNSS/INS抗差因子图优化算法

室内圆柱引导的激光雷达全局定位与回环检测

自动驾驶高精地图的信息传输模型

面向自动驾驶的高精地图模型及关键技术

可学习深度位置编码引导的车前图像道路可行驶区域检测