1. 高精地圖定義

高精地圖即為“兩高一多”的地圖，在自動駕駛中常常被稱為HapMap，這是自動駕駛汽車中非常重要的一部分

• 高精度：精度可以達到厘米級別
• 高動態：高精地圖實時性，為了應對各類突發狀況，自動駕駛車輛需要高精地圖的數據具有較好的實時性
• 多維度：地圖中不僅包含有詳細的車道模型、道路部件信息，還包含與交通安全相關的一些道路屬性信息，例如GPS信號消失的區域、道路施工狀態等

2. 自動駕駛地圖框架

? 2.1 Apollo OpenDrive（百度）

• 道路邊界是強約束，即自動駕駛的時候，道路邊界是永遠不能壓的。車道線理論上也是不能壓的，但是如果在緊急情況下可以壓車道線，比如說可以越過虛黃線進行借道超車。
• 可以通過路口的邊界，對感知進行過濾。如果感知識別到的靜態物體不在地圖的路口邊界之內，就可以暫時忽略它。虛擬車道主要是用來路口的行駛引導。
• 高精地圖會為紅綠燈提供一個三維空間位置，其次也會提供紅綠燈跟車道之間的關聯關系，即告知當前所在車道，應該看哪個燈。道路標志主要包括人行橫道，停止線以及一些路上的文字信息。
• 邏輯關系表述。當前，地圖中各個元素之間的關系并沒有嵌入到元素的表述中，而是使用overlap來表述兩個元素之間的空間關系。如下圖所示，Lane和Junction在空間上有重疊，它們之間就會有Overlap。

? 2.2 Lanelet2（Autoware）

• points由ID，3d坐標和屬性組成，是唯一存儲實際位置信息的元素，ID必須是唯一的。其他基本元素都是直接或者間接由points組成的。在Lanelet2中，Points本身并不是有意義的對象，Points僅與Lanelet2中的其他對象一起使用有意義。
• 線串是兩個或者多個點通過線性插值生成的有序數組，用來描述地圖元素的形狀。線串可以是虛線，它可以通過高度離散化實現，來描述任何一維形式，并應用于地圖上的任何可物理觀察到的部分。與樣條曲線相比，線串可以高效計算，并且可以用來描述尖角，最終轉化為非線性微分方程的求解問題。

• 多邊形與線串非常相似，但形成一個Area。隱式假定多邊形的第一個點和最后一個點被連接以閉合形狀。多邊形很少用于傳輸地圖信息（交通標志除外）。相反，它們通常用作將有關區域的自定義信息添加到地圖（例如，感興趣區域）的一種手段。

• Lanelets定義了發生定向運動時，地圖車道的原子部分。原子表示沿當前lanelet行駛時，有效的交通規則不會改變，而且與其他Lanelet的拓撲關系也不會更改。

  lanelet可以引用表示適用于該lanelet的交通規則的regulatory elements。多個lanelet可以引用同一regElem。必須始終始終可以直接從車道上確定車道的當前速度限制。可以通過引用SpeedLimit監管元素或標記小車的位置來完成。在這種情況下，假定道路類型的最大速度（例如，如果位置是德國城市，則為最大50公里/小時）。

• Areas是地圖上沒有方向或者是無法移動的部分區域，比如路標，停車位，綠化帶等。他們由一條或者多條linestring組成的閉合的區域。Area也有相關聯的regulatory elements。

• regElem是表達交通規則的通用方式，它們由適用的lanelet或Area引用。在應用的時候，regElem 會和一個或者多個Lanelets、Areas相關聯。regElem是動態變化的，意味著它只是在某些條件下是有效的。

• 諸如限速，道路優先級規則、紅綠燈等，交通規則有許多不同的類型，因此每個regElem的準確結構大都不一樣。他們通常引用定義規則的元素（例如交通標志），并在必要時引用取消規則的元素（例如速度區末尾的標志）。

3.制圖流程概述

高精地圖是一種語義地圖，概括地說，就是利用SLAM/SFM等算法融合多種傳感器數據，構建高精度的三維點云地圖，在點云地圖上或者是圖像上，對所用到的元素進行分類和提取、之后對不同元素分別進行矢量化并構建路網與車道關聯關系，最后進行質量校驗，形成一套地圖引擎來存儲并支撐其他模塊的需求。

高精地圖制作完成后，其數據量其實是非常小的。地圖數據可以存儲在云端，也可以直接直接在本地，大地圖還有可以用數據庫來存儲。先暫且不論地圖格式是Lanelet2還是OpenDrive以及其他，完整的理解高精地圖的元素結構設計，以及數據存儲和使用則為重中之重，后續的自定義格式要求可按自己的需求來適配。

小地圖手工標注方法

對于3km以內的小地圖而言，一般可以采取手工標注點云地圖的方法來制圖。目前我了解到的以下軟件均可，比如

• RoadRunner

  2020年最新版可直接標注點云PCD文件，添加語義，可直接導出標準Opendrive，缺點就是目前語義類別不太完善，導出格式只支持標準OpenDrive。在使用上，高校等科研單位申請免費，每所學校一個密鑰。

• LGSVL Map Annotation（windows Unity 插件版，需要手動編譯）

  支持目前的主流地圖格式，可導入導出如Apollo Opendrive/標準Opendrive/Autoware VectorMap/Lanelet2等，缺點是目前只能標注LGSVL提供的一些虛擬環境，使用上是完全開源的。目前2020.03的版本已經開始支持直接標注點云pcd。

在這里插入圖片描述

• Autocore MapToolBox插件

  AutoCore提供的開源工具，用于標注生成Autoware vector map矢量地圖，更新速度快，目前可標注車道線，路沿，紅綠燈，目前已全面支持Lanelet2 ，項目完全開源，本篇將著重于此。大家可以在issue里面多提bug，感謝作者moelang以及Autocore做出的極大貢獻！

• Assure mapping tools

  Github@hatem-darweesh開源的標注工具，格式支持齊全，包括Google Earth、KML、opendrive、Lanelet、Vector Map等，標注上自動Fix height、smooth line，并集成了一些自動化的提取算法和。功能相當齊全，就是性能較差，大地圖加載進來很卡，需要配合GPU使用，另外有些功能也可能是目前我還沒有研究透徹。

• 51VR、四維圖新等高精地圖地圖服務提供商（收費）

  一般是圖商直接用自家的制圖車進行采集數據制作，按次數收費，目前一般城區道路收費5k-1w/每公里。少數廠商會提供高精地圖標注軟件及相關仿真系統服務，成本較高，目前就試用情況來看也不是十分完善。

4.制圖流程實踐

構建點云底圖

構建點云地圖可以用一些主流的激光SLAM算法，結合多種傳感器來完成，其中要保證戶外場景的建圖效果，IMU和GPS是必須的，下面有一些推薦的開源算法，按優先級排列

• LIO-SAM（緊耦合的激光慣導SLAM算法，速度快）

• LIO-MAPPING （緊耦合的激光慣導SLAM算法，第一套緊耦合的激光慣導）

• LEGO-LOAM（松耦合、輕量級，性能不錯，配置簡單）

• VLOAM（能找到非官方的代碼）

• ALOAM（僅里程計，可用于學習）

自動標注

自動標注涉及到的算法相當多，流程大致如下：

點云地圖提取路面信息GroundExtraction（強度圖、密度圖、高程圖）

路面信息部分，激光點云提取路沿、車道線、各種路標、停止線、人行橫道等，非路面部分提取路牌，紅綠燈，路燈，燈桿等。（各種多層強度閾值過濾方法）

視覺語義分割方法，提取各道路元素（在自己標注的數據集上可能表現更好）。將視覺分割得到的像素點反投影轉換到世界（通過內參->外參參轉換，需要激光雷達相機聯合標定），去補充激光提取出來的不完整的部分

對每一類的線段部分分別進行分段直線/曲線擬合，有序保留端點和均勻的采樣點，按位置進行排序。將有序的線段再次分類，比如左車道線，右車道線，中心線（可根據直線截距或者斜率閾值過濾），計算同一條車道線的各段線段的方向，連接端點，完成矢量化。

對每一類的多邊形部分，比如路標，進行輪廓計算，從點云輪廓中提取出矩形或者箭頭端點，按逆時針/順時針存儲（有內外圈的區分）。

用Lanelet2等地圖框架，根據之前的各種點云分類，添加語義及車道的關聯關系，構建地圖索引和數據存儲，生成高精地圖數據文件，后面的博客有介紹Lanelet2用法。

用地圖編輯軟件打開地圖并手工修正相應的輪廓，或者補充缺失部分。

人工校驗道路的每一段是否存在質量問題。

手工標注（Autoware）

對比下來發現采用Autoware的地圖標注插件更好，Unity + MapToolBox進行標注，插件地址如下：https://github.com/autocore-ai/MapToolbox，這里注意下載的Unity版本需2019.3+，在Windows環境下使用，最新版的priview6已經加入對road mark和crosswalk的支持。目前Autoware社區已經增加了對Lanelet2的支持。

手工標注（Apollo）

Apollo Opendrive高精地圖的話一般存在下面四種思路。

• 可以根據上面Autoware開源的MapToolbox，這倆都是C#項目，前者可以改寫后端，存儲標準點的時候按照Apollo Opendrive的格式去存儲，由于都是坐標序列描述，改寫難度不大。

• LGSVL Map Annotation，目前支持直接導入PCD點云標注（2020.03版新功能不完善），也可導入已有的Apollo Opendrive/標準Opendrive/Lanelet2，可導出Apollo Opendrvie/Autoware Vector Map/Lanelet2/標準Opendrive等格式的地圖。其問題主要在于性能較差，對硬件要求高。

• 利用RoadRunner標注點云PCD，導出標準Opendrive地圖，采用LGSVL模擬器將標準Opendrive轉換到Apollo Opendrive地圖。此步驟已驗證，示例標注的Apollo Opendrive地圖如下

由于目前支撐Opendrive的開源lib庫很少，雖然自己寫也不是特別費勁，可以利用其他的開源地圖框架，生成高精地圖之后再轉換為Apollo Opendrive格式。這里目前可選擇的僅僅是Liblanelets/Lanlets2，按照Lanlets2的接口規范可以生成OSM地圖，在用開源的JSOM編輯器編輯完OSM地圖后，再轉換成Apollo Opendrive地圖

5. Lanelet2地圖代碼解析

地圖格式官方推薦的是OSM格式（XML），開源可編輯。當然也可以是二進制文件，加載速度快，缺點是不可直接編輯。下面的地圖文件是按XML形式來存儲的，結構十分明朗。關于OSM規范，可以參考其WIKI，https://wiki.openstreetmap.org/wiki/Map_Features。

地圖里面的每一個3D點都會用一個node標簽存儲，包含其經緯度LaLon，id是其唯一標志。后續的way標簽存儲lineString形式的元素，通過id引用node節點存儲的3D點。而和交規相關的relation標簽則又引用這些way id。

我們在JOSM編輯器中打開可以看到地圖的基本形狀，此編輯器的使用方法可查看官網https://learnosm.org/en/josm/correcting-imagery-offset/。下圖是一個復雜的十字路口，地圖上所有的黃色小框框都是一個3D/2D坐標點。這里紅色的線是地圖里面的stop_line，在軟件界面右側可以看到其屬性是stop line，并且有四個節點。地圖上畫出來了所有的車道線，路沿，人行橫道，綠化帶區域等，還有各個road user（比如行人，車輛等）需要遵守的交通規則，以及車輛在十字路口可能的換道路線（現實中是沒有的，屬性定義為virtual）。

Lanelet2代碼的安裝可以參考官方文檔https://github.com/JokerJohn/Lanelet2，其層級結構如下

我們常用的代碼在lanelet_core、lanelet_io、lanelet_projection、lanelet_routing和lanelet_traffic_rules這幾個模塊中。項目采用gtest框架來測試，閱讀起來比較容易。

這里我們首先需要知道如何去使用，首先是圖元的基本定義方法（增刪改查），還有交通規則的定義方法及其與車道和road user的關聯關系。之后是如何去構建、加載使用OSM地圖，并且根據需求查詢相關的車道等信息。最后是如何生成生成路由圖，并利用路由圖和實際需求進行合理的路徑規劃。

詳細參考了高精地圖制作流程詳解與實踐、Lanelet2地圖框架代碼解析、高精地圖與車輛協同

總結

以上是生活随笔為你收集整理的自动驾驶高精地图调研的全部內容，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。