自动驾驶-高精地图的全流程构建

自动驾驶-高精地图的全流程构建

高清地图基础知识

自动驾驶汽车（AV）需要高度精确的地图来导航道路和车道。常规数字地图不适用于AVs，因为它们缺乏有关红绿灯和标志、交通车道、杆状物体的高度以及曲线的准确大小的信息。这些地图是专门为人类使用而设计的，不能用于AV定位，因为车辆本身需要了解地图并定位其相对于周围环境的位置。

尽管高清地图至关重要，但自动驾驶行业并没有唯一的标准高清地图结构。不同的公司采用不同的架构和方法来创建高清地图，凸显了缺乏统一的方法。谷歌的Waymo是自动驾驶出租车的领导者，它使用高分辨率传感器，但具体的高清地图层还不为人所知。百度的开源Apollo平台通过不断增强其地图技术并集成激光雷达和4D毫米波雷达等先进传感器，支持精确定位、精确路径规划和实时更新，以在不同的环境中导航。

附赠自动驾驶最全的学习资料和量产经验：链接

然而，我们可以查看一些可用的体系结构，以了解行业中的常见做法。HERE、TomTom和BerthaDerive（Lanelet）的高清地图共享类似的三层架构，但每层的功能略有不同。图1显示了来自HERE的高清地图示例，图2显示了HERE的HD地图定位层车道数据。Lyft Level 5有一个不同的高清地图结构，有五层。这些体系结构之间的比较如表1所示。尽管不同的公司有自己的高清地图结构，但在本文中，我们重点关注自动驾驶系统使用的地图信息的主要类别：拓扑、几何、语义和动态元素/实时更新以及基于特征的层。

Topological Representation

高清道路地图的基本组成部分是表示道路网络的拓扑结构。在高清地图中，拓扑结构捕捉道路、车道、十字路口和其他特征的连接方式。这种拓扑信息不仅有利于高清地图自主驾驶，而且有助于基于交通速度、道路质量、交通延误和交通规则等因素进行路线优化。拓扑表示通常包括节点和边，其中节点表示交叉口、互通式立交或特定兴趣点，而边表示连接这些节点的路段。边缘通常与道路分类、速度限制和转弯限制等属性相关联。它们为路径规划和决策提供了宝贵的背景。通过准确捕捉道路网络内复杂的关系和互连，高清地图的拓扑表示在实现安全高效的自动驾驶以及促进智能交通系统和车队管理等先进应用方面发挥着至关重要的作用。

Geometric Representation

高清地图中特征和对象的准确表示是另一项关键任务。高清地图的几何表示是指如何在数字地图数据中捕捉和表示环境的空间特征和布局。几何特征包括道路、车道、人行道、建筑物和地形的形状和位置。这些特征通常使用矢量数据结构来表示，矢量数据结构描述简化的几何形状，如点、线、曲线、圆和多边形。几何表示层的一个显著示例是Lyft Level 5几何地图，该地图包含关于环境的高度详细的3D信息，组织起来以支持精确的计算和模拟。这种详细程度对于实现AV的精确定位、路径规划和决策至关重要。

Semantic Representation

HD地图的语义表示建立在几何和拓扑表示的基础上，为特征提供“语义”。语义表示包括各种2D和3D交通对象，如车道边界、十字路口、人行横道、停车位、停车标志、红绿灯、道路限速、车道信息和道路分类。这种语义理解对于自动驾驶至关重要，在自动驾驶中，车辆需要包围周围环境，以做出智能、安全和有序的决策。语义表示是原始几何数据与智能决策和路径规划所需的更高层次理解之间的桥梁。通过为几何特征分配语义标签和属性，它使自动驾驶汽车能够以更有意义和上下文的方式解释环境。语义表示层的显著示例包括来自HERE的HD地图定位模型层和来自TomTom的RoadDNA层。这些层包含对象级语义特征，有助于使用对象位置和上下文信息准确估计车辆的位置。一般来说，语义表示为几何表示中定义的道路特征和对象分配语义标签和属性，为自动驾驶系统提供更丰富、更全面的环境理解。

Dynamic Elements

动态元素是环境中容易随时间变化的特征、对象或条件。这些功能需要持续监测和更新，为自动驾驶汽车提供最新信息。行人、障碍物和车辆等动态元素需要更新，以便高清地图始终精确无误。HD地图的动态元素层捕捉并表示环境的这些时变方面，这些方面对于安全高效的路径规划和决策至关重要。该层包括交通条件、施工区域、临时道路封闭以及其他道路使用者（如车辆、行人和骑自行车的人）的位置和移动等特征。动态元素的准确表示和频繁更新对于自动驾驶汽车及时预测和应对不断变化的情