按照三个类别,综述了目前自动驾驶领域比较新的基于地图的定位方案:
先验地图和在线测量比对
用概率的视角处理定位问题
基于深度学习的方法
借助先验地图达到厘米级别定位精度
先验地图
其实点云地图,视觉特征点,高精地图都算先验地图
高精地图精度高,要素全,体积小,是目前智能驾驶的首选。主流的制作高精地图的工具如下:
基于地图的定位流水线
基本流程是: 位置初值获取->地图元素获取 / 在线观测获取 -> 位置优化
不同类别的定位技术
基于地图匹配的策略
基于概率的方法
基于深度学习的方法
早期cnn主要用于特征提取(也可以叫特征嵌入),prior map也是特征地图,整体大流程和之前基于匹配或者基于概率的方案差不多
最近的nerf更为直接, NN作为隐式地图,从框架上对之前的方案进行了升级;
相关数据集
重要参考文献
(2016) Deriving HD maps for highly automated driving from vehicular probe data