高精度地图制作1

1. 高精地图简介

1.1 高精地图介绍

高精地图即为“两高一多”的地图，在自动驾驶中常常被称为HapMap，这是自动驾驶汽车中非常重要的一部分

• 高精度：精度可以达到厘米级别
• 高动态：高精地图实时性，为了应对各类突发状况，自动驾驶车辆需要高精地图的数据具有较好的实时性
• 多维度：地图中不仅包含有详细的车道模型、道路部件信息，还包含与交通安全相关的一些道路属性信息，例如GPS信号消失的区域、道路施工状态等

1.2 传统制作流程

采集、加工、转换

采集

需要一些传感器来获取数据，下面是需要的传感器列表：

• lidar、摄像头、gnss、imu

lidar主要是来采集点云数据，因为激光雷达可以精确的反应出位置信息，所以激光雷达可以知道路面的宽度，红绿灯的高度，以及一些其他的信息，当然现在也有厂家基于视觉SLAM（纯摄像头测距）来制作地图的，有兴趣的也可以看下相关介绍。
摄像头主要是来采集一些路面的标志，车道线等，因为图像的像素信息更多，而位置信息不太精确，所以采用摄像头来识别车道线，路面的一些标志等。
gnss记录了车辆的位置信息，记录了当前采集点的坐标。
imu用来捕获车辆的角度和加速度信息，用来校正车辆的位置和角度。

加工

对于采集到的点云数据需要进行加工生成点云地图。

主要算法：

• ICP
• NDT

基于以上算法把点云姿态进行融合。

转换

点云地图校准 -> 地图标注加工 -> 高精度地图

高精地图的图层：

1. 地图图层 地图图层主要是道路的信息，比如道路的路沿，车道线，路口信息，主要是道路的一些基本信息。
2. 定位图层 定位图层主要是具备独特的目标或特征，比如红绿灯，交通标志，道路的点云数据等。
3. 动态图层 动态图层主要是一些实时路况，修路或者封路等需要实时推送或者更新的数据。

对于生成的高精地图，需要转换成为通用的自动驾驶系统可以使用的高精度地图。

• apollo
• opendrive
• 等等

1.3 自动驾驶地图框架

1.3.1 Apollo OpenDrive（百度）

1.3.2 Lanelet2（Autoware）

2. 高精地图制作流程

高精地图是一种语义地图，概括地说，就是利用SLAM/SFM等算法融合多种传感器数据，构建高精度的三维点云地图，在点云地图上或者是图像上，对所用到的元素进行分类和提取、之后对不同元素分别进行矢量化并构建路网与车道关联关系，最后进行质量校验，形成一套地图引擎来存储并支撑其他模块的需求。

方法一：手动标注

大致思路：

1. 生成一张点云地图（已有）
2. 采取手工标注点云地图的方法来制图

一些手工标注工具：

• RoadRunner (推荐，功能比较齐全)
• LGSVL Map Annotation（windows Unity 插件版，需要手动编译）支持apollo、opendrive、lanelet2格式
• Autocore MapToolBox插件 只支持lanelet2和vector map格式
• Assure mapping tools （不开源）
• 51VR、四维图新等高精地图地图服务提供商（收费）

方法二：自己写代码

针对于只要道路的高精地图（铁路、隧道）

• Apollo：map_gen工具
• 可以根据轨道线生成apollo格式地图道路，信号灯等复制的不支持生成

一些参考：
王方浩—高精地图制作
自动驾驶高精地图调研