文章目錄

• 前言
• • 什么是高精地圖？
• 一、高精地圖與各模塊之間的關系
• • 1.1 高精地圖與定位模塊的關系
  • 1.2 高精地圖與感知模塊的關系
  • 1.3 高精地圖與規劃、預測、決策模塊的關系
  • 1.4 高精地圖與安全模塊的關系
• 二、高精地圖的采集與生產
• • 2.1 采集的傳感器
  • • 2.1.1 GPS
    • 2.1.2 IMU
    • 2.1.3 輪速計
  • 2.2 制圖方案
  • • 2.2.1 激光雷達
    • 2.2.2 Camera融合激光雷達
• 三、高精地圖的格式分類
• • 3.1 NDS格式
  • 3.2 Open DRIVE格式
  • • 3.2.1 Section
    • 3.2.2 Lane
    • 3.2.3 Junction
    • 3.2.4 Tracking
• 四、 高精地圖的生產流程
• 五、 Apollo OpenDRive
• • 5.1 Apollo OpenDRive結構
  • 5.2 Apollo OpenDrive與標準OpenDrive區別
• 總結

---

前言

什么是高精地圖？

高精地圖是為自動駕駛而生的，L3/L4級別的自動駕駛必備。

（1）高精地圖并不是特指精度，而主要體現在兩個以下特征上；
（2）在道路環境的描述上更加的全面，高精地圖最主要的特征是需要描述車道、車道的邊界線、 道路上各種交通設施和人行道；
（3）對實時性的要求更高，能實時反映當前道路情景。

---

一、高精地圖與各模塊之間的關系

1.1 高精地圖與定位模塊的關系

現在主流的自動駕駛的定位方案有兩種：一種是基于點云，另一種是基于Camera。

基于點云的定位方案是通過激光雷達掃描到的點云信息進行特征的提取，然后通過復雜的組合變換、視角變換，最終通過與周圍環境的對比得到比較準確的定位結果。

基于Camera的視覺定位方案是實時作Location Feature 的提取，HD Map里也存儲了對應的一些location相關的特征，經過兩個提取特征的比較后就能得到相對準確的定位結果。

---

1.2 高精地圖與感知模塊的關系

自動駕駛車輛上搭載的傳感器很多，但激光雷達、相機和毫米波雷達等傳感器都有一定的局限性。

激光雷達點云會隨著檢測距離增大而變得更稀疏，檢測的可信度也會隨之下降。另外，自動駕駛車輛行駛過程中如果遇到灑水車、或者碰上霧霾天氣，也會對激光雷達的檢測可信度帶來影響。

相機在夜間、逆光或者極端天氣下很難達到非常好的視覺效果。

毫米波雷達雖然穿透力強，但精度不高。

這些傳感器自身的局限性，會對自動駕駛的感知帶來影響，這時高精地圖就能提供非常大的幫助。開發者可以把高精地圖看作離線的傳感器，地圖上可以標注物體的位置等信息，感知模塊就能提前進行針對性的檢測，一方面減少了感知模塊的工作量，另一方面也可以解決Deep Learning的部分缺陷，識別可能會有些誤差，但先驗后可提高識別率。

---

1.3 高精地圖與規劃、預測、決策模塊的關系

規劃模塊中軌跡的約束，經高精地圖運算后，可以讓自動駕駛車輛避讓時會清楚地知道目的地在哪/怎么選，并提供可行的解空間。

預測的體系比較復雜，但底層仍依賴于高精地圖。

決策模塊主要是根據規劃和預測的結果決定自動駕駛車輛是跟車、超車還是在紅綠燈燈前停下等決策。

---

1.4 高精地圖與安全模塊的關系

高精地圖能提供離線的標準信息，能有效解決傳感器、操作系統、控制系統和通信系統失效時帶來的安全隱患。

---

二、高精地圖的采集與生產

2.1 采集的傳感器

高精地圖采集所需要的傳感器主要有 GPS 、 IMU 、 輪速計三類。

2.1.1 GPS

在空間點位置的計算過程中，我們經常要檢測四顆或四顆以上衛星，才能實現“精準定位”。在無人車復雜的動態環境，尤其是在大城市中，由于高大障礙物的遮擋，GPS多路徑反射問題會更加明顯，導致GPS定位信息很容易就有幾十厘米甚至幾米的誤差。

2.1.2 IMU

IMU是測量三軸加速度的一個裝置，通過算出積分，得到任意兩幀間的相對運動。

IMU有“高端”和“低端”之分。高端IMU能保持較長時間的計算精確度，而低端IMU在GPS信號丟失的情況下，能夠維持比較精確的時間非常短。

實際工作中，由于不可避免的各種干擾因素， 如果不對該運動加以校正，IMU的誤差會就隨著時間的推移變得越來越大 。

2.1.3 輪速計

通過輪距推算無人車的位置，可是由于不同地面材質（比如冰面與水泥地）上轉數對距離轉換的偏差，隨著時間推進，測量偏差會越來越大。

---

2.2 制圖方案

目前主流的制圖方案有基于 激光雷達 和 Camera融合激光雷達 兩種方案。

2.2.1 激光雷達

通過將GPS 、 IMU和輪速計，再通過SLAM算法對 Pose 進行矯正，最終才能得出一個“相對精確的Pose”。
最后把空間信息通過激光雷達掃描出三維點，轉換成一個連續的三維結構，從而實現整個空間結構的三維重建。

2.2.2 Camera融合激光雷達

雖然激光雷達采集的信息非常精確，但它采集的信息非常少，無法提供像圖像那樣豐富的語義信息、顏色信息。通過融合二者的優勢，綜合運用豐富的圖像信息和精確的激光雷達數據，最終得出一個非常精確的高精地圖。

---

三、高精地圖的格式分類

目前最主流的通用格式規范分NDS和OpenDRIVE兩種。

3.1 NDS格式

NDS是一種非常全面的地圖表述方式。

由于其數據庫可以細分和運用了Level兩種技術，NDS對地圖的格式規范做得非常到位。

NDS有上百頁格式文檔，因此NDS把數據庫做了細分，每個細分后的產品都能夠獨立更新升級。

其最典型表現是一個NDS不僅包括基本導航技術數據、B公司的POI數據（即地圖上的一個點，地圖上每一家商家店鋪都可以被稱之為一個POI數據點），還支持局部更新，即使是對一個國家或者省市的相關內容進行局部更新，都十分便捷。

為了方便用戶，NDS還提供語音、經緯度等描述功能。

---

3.2 Open DRIVE格式

OpenDRIVE是目前國際上較通用的一種格式規范，由一家德國公司制定。

在運用OpenDRIVE格式規范表述道路時，會涉及Section、Lane、Junction、Tracking四個概念。

3.2.1 Section

無論車道線變少或變多，都是從中間的灰線切分。切分之后的地圖分為Section A、Section B和Section C三部分。

一條道路可以被切分為很多個Section。按照道路車道數量變化、道路實線和虛線的變化、道路屬性的變化的原則來對道路進行切分。

3.2.2 Lane

基于Reference Line，向左表示ID向左遞增，向右表示ID向右遞減，它是格式規范的標準之一，同時也是固定的、不可更改的。比如，Reference Line的ID為0，向左是1、2、3，向右是?1、?2、?3。

3.2.3 Junction

Junction是OpenDRIVE格式規范中的路口概念。Junction中包含虛擬路，虛擬路用來連接可通行方向，用紅色虛線來表示。
在一張地圖中，在遇到對路口的表述時，雖然說路口沒有線，但我們要用虛擬線來連接道路的可通行方向連，以便無人駕駛車輛明確行進路線。

3.2.4 Tracking

Tracking的坐標系是ST，S代表車道Reference Line起點的偏移量，T代表基于Reference Line的橫向偏移量。

---

四、 高精地圖的生產流程

在城市道路環境下，高精地圖生產分為數據采集、數據處理、元素識別、人工驗證四個環節。

• 數據采集：百度采取的是激光雷達和Camera二者相結合的制圖方案。
• 數據處理：傳感器采集到的數據分為點云和圖像兩大類。
  • 點云拼接：采集過程中出現信號不穩定時，需借助SLAM 或其他方案，對Pose進行優化，才能將點云信息拼接，并形成一個完整的點云信息。
  • 反射地圖 ：點云拼接后，可將其壓縮成可做標注、高度精確的反射地圖，甚至基于反射地圖來繪制高清地圖。其生產過程與定位地圖的制圖方式一樣。
• 元素識別：包括基于深度學習的元素識別和基于深度學習的點云分類。
• 人工驗證：人工驗證的環節包括識別車道線是否正確、對信號燈、標志牌進行邏輯處理、路口虛擬道路邏輯線的生成等。

---

五、 Apollo OpenDRive

5.1 Apollo OpenDRive結構

Apollo高精地圖文件的整體結構如下所示：

百度高精地圖坐標采用WGS84經緯度坐標表示。WGS84為一種大地坐標系，也是目前廣泛使用的GPS全球衛星定位系統使用的坐標系。

5.2 Apollo OpenDrive與標準OpenDrive區別

Apollo的OpenDrive跟標準OpenDrive的區別主要有以下四點。
（1）Apollo里面的OpenDrive，都是坐標點，沒有采用方程的方式。采用方程方式的好處在于數據量非常小，通過三四個參數就可以描述一個非常長的線。采用坐標點的方式，數據量會稍微大一點。但是也有很多的好處。第一，用點表示對于下游的計算非常友好，不需要再重新通過線去做點的采樣；第二，在道路急于轉彎的地方，原始的OpenDRive把基于Reference Line的方式還原成點的方式，會導致道路上存在毛刺。這種處理方式對于無人駕駛來說非常危險；
（2）Apollo對OpenDrive進行了元素類型的擴展。比如增加了禁停區，人行橫道、減速帶等元素的表示；
（3）增加了一些道路元素關系的表述。比如新增了Junction與Junction內元素的關聯關系；
（4）增加了諸如停止線與紅綠燈的關聯關系，中心線到邊界的距離等的描述。

---

總結

【1】《Apollo進階課程6 | 高精地圖與自動駕駛的關系》
【2】《Apollo進階課程7 | 高精地圖的采集與生產》
【3】《Apollo進階課程8 | 高精地圖的格式規范》
【4】《Apollo進階課程9 | 業界的高精地圖產品》
【5】《Apollo進階課程10 | Apollo地圖采集方案》
【6】《Apollo進階課程11 | Apollo地圖生產技術》
【7】《Apollo進階課程12 | Apollo高精地圖》
【8】Apollo 高精地圖解析

總結

以上是生活随笔為你收集整理的【Apollo 6.0学习笔记】高精地图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。