Udacity无人驾驶课程笔记：高精度地图

高精地图包含大量的驾驶辅助信息，最重要的信息是道路网的精确三维表征，例如交叉路口布局和路标位置。还包含许多的语义信息，地图可能会报告交通灯上不同颜色的含义，它也可能指示道路 的速度限制以及左转车道的位置。高精地图最重要的特征之一是精度，高精地图可以使车辆达到厘米级精度，对确保无人驾驶车辆的安全性至关重要。

地图与定位、感知与规划的关系

定位

车辆自定位依赖于地图，首先车辆可能会寻找坐标，可以通过各类传感器收集的数据与其高精地图上的已知坐标作比较，匹配过程需要预处理、坐标转换和数据融合的复杂过程。

预处理是为了消除不正确或者质量差的数据，坐标转换是将不同视角的传感器数据转换为统一的坐标，借助数据融合可将来自各种车辆和传感器的数据合并。

感知

高精地图也可用于感知，传感器能力受限时，可以将交通灯等位置信息提供给软件栈进行下一步的决策，另一个好处是帮助传感器缩小检测范围，例如在特定位置寻找停车标志，传感器可以集中在该位置检测停车状态，该区域称之为感兴趣区域或者ROI，ROI可以帮助我们提高检测精确度和速度，并节约计算资源。

规划

高精地图可帮助车辆找到合适的行车空间，也可帮助规划器确定不同的路线选择，并帮助预测软件预测道路上其他的车辆未来的位置。例如高精地图可以帮助车辆识别车道的确切中心线，使车辆尽量靠近中心行驶；在低速限制的人行横道或者减速带区域，高精地图使车辆能够提前查看并预先减速；若前方有障碍物的时候，车辆可能需要变道，可以帮助车辆缩小选择的范围，以便于选择更佳的方案。

 

Apollo高精地图

更新高精地图是一项重大任务，调查车队需要不断地进行验证和更新。Apollo高精地图采用OpenDrive格式。

高精地图的构建包含五个过程：数据采集、数据处理、对象检测、手动验证和地图发布。

数据采集：Apollo定义统一的硬件框架将各种传感器集成到单个自主系统中。

数据处理：指Apollo如何对收集到的数据进行整理、分类和清洗得到没有任何语义信息或注释的初始地图模板。

对象检测：Apollo通过人工智能来检测静态对象并对其进行分类，其中包括车道线、交通标志甚至电线杆。

手动验证：可确保自动地图创建过程正确进行并及时发现问题。

地图发布：Apollo出发布高精地图外还发布了自上而下视图的相应定位及三维点云地图。