高精度地图制作流程

高精度地图制作流程

附赠自动驾驶最全的学习资料和量产经验：链接

高精度地图主要用于无人驾驶路径规划，还可以应用于无人驾驶定位，ROI区域过滤等。接下来我们主要来看如何制作高精度地图。

高精度地图制作流程

高精度地图的制作过程分为4个步骤：

1. 地图采集

2. 点云地图制作

3. 地图标注

4. 地图保存

如图1所示，接下来我们会具体分析每个步骤。

图1 高精度地图制作流水线

1. 地图采集

地图采集是由装备有激光雷达、相机、GPS、IMU等传感器的数据采集车采集完成的，如果没有采集设备，我们也可以直接采用开源的数据集来进行地图制作，以熟悉整个制图流程。

我们采用开源的KITTI^[1]数据集来获取原始数据，后续我们会更新推荐的采集设备。图2是高精度地图采集车。

图2 高精度地图采集车

2. 点云地图制作

点云地图的制作主要是把采集好的数据进行加工，我们采用激光雷达数据来进行点云地图的制作。制作的过程简单的来说就是通过激光雷达来扫描整个街道，以建立整个街道的三维模型。因为激光雷达的扫描范围有限，因此我们需要逐帧把激光雷达的数据拼接起来，来获取整个街道的模型，这个过程也被称为点云注册。图3是拼接好的点云地图。

图3 点云地图

目前有2种方法实现地图制作。

1. Autoware NDT mapping. 采用开源社区Autoware提供的NDT mapping^[2]可以实现点云的拼接，从而得到整个街道的三维模型。

2. 各种离线SLAM建图方法。

目前可以参考的基于激光雷达的SLAM建图方法如下：

• LOAM

• Cartographer

• hdl_graph_slam

• blam

• A-LOAM

• LeGO-LOAM

• LIO-mapping

• interactive_slam

这里有一篇NDT的地图构建和定位写的非常好。

LitoNeo：自动驾驶系列：激光雷达建图和定位(NDT)237 赞同 · 140 评论文章

3. 地图标注

地图标注是在点云地图的基础上，标注出车道线信息、交通标志信息、红绿灯信息等，得出道路的结构化信息。无人驾驶规划控制模块会利用这些道路结构化信息完成路径规划。地图的标注目前主要是依赖人工完成的，当前地图标注主要面临以下2个挑战。

• 传感器融合 - 由于激光雷达采集的点云数据比较稀疏，并且没有颜色信息，因此需要把摄像头的信息和激光雷达做融合，之后可以获取更加清晰的信息来识别车道线信息、交通标志信息等。

• 自动化标注 - 采用人工标注的方式无法解决大规模高精度制作的问题，如何实现自动化标注是目前地图标注的主要问题。

通过地图标注工具可以标注出车道线、交通标志、路口、减速带等信息。图4是在点云地图上标注好的高精度地图。

图4 高精度地图标注

4. 地图保存

地图保存主要是把上述标注好的信息保存为固定的格式，目前百度Apollo社区采用的高精度地图格式是Opendrive格式，高精度地图最好采用统一的格式标准，以免地图不兼容。

地图服务商对高精度地图做了一部分扩展，把高精度地图分为3个图层：

• 地图图层 - 保存道路的结构化信息，这部分信息定义了车道线、交通标志、交通规则信息等。

• 定位图层 - 保存了原始的点云地图，提取出一些特征如电线杆、建筑物、交通标志等。用来做点云匹配定位。

• 动态图层 - 实时动态的更新一些信息如：当前路况、实时交通规则、前方车祸等。

下面是一个开源高精度地图制作项目：

https://github.com/daohu527/OpenHDMap​github.com/daohu527/OpenHDMap