本系列博客包括6個專欄，分別為：《自動駕駛技術概覽》、《自動駕駛汽車平臺技術基礎》、《自動駕駛汽車定位技術》、《自動駕駛汽車環境感知》、《自動駕駛汽車決策與控制》、《自動駕駛系統設計及應用》，筆者不是自動駕駛領域的專家，只是一個在探索自動駕駛路上的小白，此系列叢書尚未閱讀完，也是邊閱讀邊總結邊思考，歡迎各位小伙伴，各位大牛們在評論區給出建議，幫筆者這個小白挑出錯誤，謝謝！
此專欄是關于《自動駕駛技術概覽》書籍的筆記。

---

---

4.高精地圖技術概述

4.1 高精地圖綜述

人們日常使用的用于車載導航、查詢地理位置信息的地圖屬于傳統電子地圖，主要服務對象是駕駛員，如：百度地圖、谷歌地圖、高德地圖等；

傳統電子地圖是對路網的一種抽象，所有的傳統地圖都將路網抽象成有向圖的形式；圖的頂點代表路口，邊代表路口與路口的連接，路名、地標及道路骨架信息可以被抽象成存儲于這些有向圖的頂點或邊中的屬性；

抽象的地圖表征形式很好適應人類駕駛員的需求，因為人類生來具有很強的視覺識別及邏輯分析分析能力；

高精電子地圖主要應用對象是無人駕駛汽車，機器駕駛員缺乏人類與生俱來的視覺識別和邏輯分析能力；

高精地圖面向無人駕駛環境采集生成地圖數據，根據無人駕駛需求建立道路環境模型，在精確定位、基于車道模型的碰撞避讓、障礙物檢測與避讓、轉向與引導方面發揮重要作用；

高精地圖包含了大量與行車相關的輔助信息，這些輔助信息包括：道路數據，如：道路車道線的位置，類型，寬度，坡度，曲率等車道信息；行車道路周圍相關的固定對象信息，如：交通標志，交通信號燈等信息，車道限高，下水道口，固定障礙物等其他道路細節，以及高架物體，防護欄，樹木，道路邊緣類型等信息；

高精地圖還包含了豐富的語義信息，如：交通信號燈的位置及類型，道路標線的類型，可以通行的路面范圍等；通過對高精地圖模型的提取，可將車輛周邊的道路、交通、基礎設施等對象及對象之間的相對關系提取出來；

4.2 高精地圖在自動駕駛中的應用

地圖精確計算匹配。
由于存在各種定位誤差，電子地圖坐標上的移動車輛與周圍地物不能完全保持正確的位置關系；利用高精地圖精確計算匹配則可以將車輛位置精準地定位在車道上，從而提高車輛定位的精度；

實時路徑規劃導航。
對于提前規劃好的最優路徑，因為交通信息的實時更新，最優路徑可能隨時發生變化；此時高精地圖在云計算的輔助下，能有效地為自動駕駛汽車提供最新的路況，幫助自動駕駛汽車重新制定最優路徑；

輔助環境感知。
高精地圖可對傳感器無法探測的部分進行補充，進行實時狀況的監測及外部信息的反饋；傳感器作為自動駕駛的眼睛，也有局限，如：容易受惡劣天氣的影響，此時使用高精地圖來獲取當前位置的精準交通狀況；
高精地圖輔助環境感知的原理：

通過對高精地圖模型的提取，可以將車輛位置周邊的道路、交通、基礎設施等對象及對象之間的關系提取出來，這樣可以提高車輛對周圍環境的鑒別能力；

一般的地圖會過濾掉車輛、行人等活動障礙物，如果無人駕駛車在行駛過程中發現當前高精地圖中沒有的物體，這些物體大概率是車輛、行人和障礙物；

駕駛決策輔助。
高精地圖除了具備傳統電子地圖的路網地圖數據外，還將大量的道路行車信息存儲為結構化數據，這些信息分為：道路數據，如：車道線的位置、類型、寬度、坡度、曲率等車道信息；車道周邊的固定對象信息，如：交通標志、交通信號燈等信息，車道限高、下水道口、障礙物及其他道路細節，如：高架物體、防護欄、樹木、道路邊緣類型、路邊地標等基礎設施信息；

智能控制輔助。
高精地圖作為所有行車信息的載體，提供了對所在環境進行精準預判、提前選擇合適的行駛策略等功能；通過這種減少傳感器計算壓力和性能計算瓶頸的方式，使傳感器控制系統更多關注突發情況，達到自動駕駛過程中智能控制輔助的作用。

4.3 高精地圖的制作

4.3.1 高精地圖生產流程

高精地圖數據生產包括：外業采集、云端自動化處理、數據編輯與質量控制、數據編譯與引擎等步驟；

外業采集，通過搭載GNSS、IMU、LiDAR、攝像頭等傳感器的專業采集車隊，外業實地采集車道線、路沿護欄、交通標牌等信息；

通過點云融合、點云識別和圖像識別等AI技術，在云端實現自動化處理；

利用高精地圖編輯工具、生產管理系統，進行地圖編輯，基于ISO 19157/19158，IATF 16949等質量標準，構建全流程數據質量保障體系；

高精地圖需要獲取的地物主要包括：車道線、道路交通設施(人行橫道、轉向標志、交通設施等)、車道拓撲網絡數據及其他地物等；

根據數據采集方式不同，高精地圖生產方式分類：

基于移動測繪車采集的數據，前期需要進行點云數據的分區、去噪、拼接等預處理，進而進行矢量化、幾何調整、增加屬性和拓撲結構建立等加工處理；

無人機航測高精地圖生產，基于校正、拼接等預處理得到的高精度正射影像圖，采用自動與人工相結合的方式進行數據矢量化加工處理；

1：500地形圖測繪基于外業采集的數據進行內業地圖編繪，通過格式轉換，地物分類等進行加工處理；

4.3.2 高精地圖采集平臺

高精地圖的采集需要專用的采集車攜帶激光雷達、攝像機、GNSS、IMU等設備進行；激光雷達用來采集點云數據，攝像頭采集道路實景圖像，GNSS和IMU用來定位；

慣性測量單元(IMU)。
一般使用6軸運動處理組件，包含3軸加速度傳感器和3軸陀螺儀；
加速度傳感器是力傳感器，用來檢查上下左右前后哪幾個面各受多少力(包括重力)，然后計算每個自由度上的加速度；
陀螺儀是角速度檢測儀，用來檢測每個自由度上的角加速度；

輪測距器(Wheel Odometer)。
通過輪測距器推算無人車的位置；汽車的前輪通常安裝了輪測距器，分別記錄左輪和右輪的總轉數，通過分析每個時間段里左右輪的轉數，可以推算出車輛向前走了多遠，向左或向右轉了多少角度等；

GNSS。
確定4顆或更多衛星的位置，計算出它與每顆衛星之間的距離，利用這些信息通過三維空間的三邊測量法進行定位；GNSS接收機存儲有星歷，作用是告訴接收機每顆衛星在各個時刻的位置；

激光雷達(LiDAR)。
采集點云信息，進行周圍環境的感知和建模；

4.3.3 高精地圖的質量要求

高精地圖的數據質量主要分為：數據完整性、數據可用性、位置準確度、專題準確度、時間準確度、邏輯一致性；

高精地圖質量標準分為：屬性標準和幾何標準；

屬性標準：包括屬性要素、FPR標準、FNR標準；

幾何標準：包括絕對精度和相對精度；

屬性標準：

屬性要素FPR標準FNR標準

車道線幾何	0.50%	0.5%
路沿	0.50%	0.5%
護欄	0.50%	0.5%
車道類型	0.30%	0.30%
車道通行狀態	0.10%	0.10%
車道收費情況	0.10%	0.10%
車道線類型	0.20%	0.20%
車道線顏色	0.20%	0.20%
車道線粗細	0.10%	0.10%
限速	1%	1%
Junction	0.50%	0.5%

幾何標準：

絕對精度相對精度

±1m，2$\sigma$	±20cm，3$\sigma$

FNR(遺漏率)和FPR(冗余率)：
評估原則：以實地情況為準，作業情況符合實地則為正確，反之則為錯誤：

實地存在，成果中不存在則為遺漏；

實地不存在，成果中存在則為冗余；

成果與實地均存在，但與實地不匹配情況的錯誤，同時計為冗余和遺漏；

當實地情況與作業要求不一致時，以實地為準；

當實地情況在作業范圍外而未刪除時，計入冗余處理；

評估公式：

$FNR(遺漏率)=遺漏量/真值$；

$FPR(冗余率)=冗余量/真值$；

總結

以上是生活随笔為你收集整理的学习笔记21--高精地图技术概述的全部內容，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。