一直在等待，一直会等待 高精度地图概览

引言

Udacity与百度Apollo团队合作开设无人驾驶课程，此为课程2，主要讲解自动驾驶中使用的高精度地图概念。

导航地图与高精度地图

       地图（Map）百度百科解释，是按一定的比例运用线条、符号、颜色、文字注记等描绘显示地球表面的自然地理、行政区域、社会状况的图形。随着科技的进步，地图的概念是不断发展变化的，如将地图看成是“反映自然和社会现象的形象、符号模型”，地图是“空间信息的载体”、“空间信息的传递通道”等。地图最明显的作用就是定位与导航。

导航地图

       高精度地图HD Map，比地图具有更多的信息，如包含了坡度、曲率、航向等路面复杂信息。特别是在机器人、自动驾驶领域，高精地图扮演着核心角色。同样，在高精地图中，智能体能够轻易的识别出自己所处的位置，以及做出预先规划。

高精度地图

       创建无人车城市地图需要的信息：基本的道路网络、道路名称和地点位置；道路限速、交通灯和其他交通管制信息；城市的三维模型包括道路，建筑，隧道灯等。
       高精度体现在，依靠普通的GPS定位，精度达不到安全性的要求，一般在几米范围内，而通过高精度地图的精确定位需要达到10厘米以下。

依赖GPS的倒车入库

地图与定位、感知、规划

       定位与感知软件依赖于高精度地图，规划软件也一样。高精度地图可以帮助车辆找到合适的行车空间，帮助规划器确定不同的路线选择，帮助预测软件预测道路上其他车辆在将来的位置。如识别道路的中心线，使得车辆能够尽可能靠近中心行驶；道路的其他约束信息比如最高行驶速度，最低行驶速度，道路中的车辆以及障碍物等可以帮助汽车做相应的决策。这种决策可以在高精度地图的帮助下得到最佳方案。

地图与定位、感知、规划

Apollo 高精地图

1. Apollo 高精地图的道路元素定义

Apollo 高精地图的各种元素

2.标准 OpenDRIVE v.s. Apollo OpenDRIVE
       高精地图具有许多种格式，不同格式可能导致系统不兼容。

高精地图的数据格式

3.Apollo 高精度地图构建流程
       Data Sourcing，Data Processing，Object Detection， Manual Verification， Map Products
       数据采集：大量的调查车辆用于收集制作地图的源数据。这些数据可以用于地图构建，同时也可用于地图的维护和更新。采用多种传感器，如GPS/IMU，LiDAR以及摄像机获取数据，然后进行数据的融合产生高精度地图。
       数据处理：如何对收集的数据进行整理、分类和清洗以获得没有任何语义信息或者注释的初始地图模板。比如，点云信息。
       对象检测：采用人工智能来检测静态对象并对其进行分类，包括车道线检测、交通标志甚至是电线杆等。除此之外，人工标记能够更加精确的编辑地图。
       注意，在数据采集阶段，仅仅通过大量的调查车辆其实并不能满足高精度地图构建和更新需求。因此，百度的Apollo团队采用众包（crowdsourcing）的方式进行数据采集。 众包 指通过向公众分发数据采集工具以便任何人都可以参与制作高精度地图的任务。

众包模式的数据采集

Udacity与百度Apollo团队《无人驾驶第二课》
https://classroom.udacity.com/courses/ud0419/lessons/39e8f5a1-6348-4fd9-9eb0-dfabc1203916/concepts/ef34deb7-c048-43e0-b8c9-0473bec72d9e