百度Apollo学习笔记（2）——高精地图

1.高精地图和自动驾驶

1.1 自动驾驶分级标准

  SAE将自动驾驶技术分为L0-L5共六个等级。L0代表没有自动驾驶加入的传统人类驾驶，L1-L5则随自动驾驶的成熟程度进行了分级。

• L0: 就是人工驾驶，完全由驾驶员来进行操作驾驶汽车，包括制动、转向、油门以及动力传动。需要由驾驶员判断危险性。
• L1: 汽车能给驾驶员一些支援(如车道保持系统、自动制动系统还有自适应巡航功能）
• L2: 部分自动驾驶。驾驶过程中，系统除了能控制加减速，同时还能对方向盘进行控制，这种多项控制就是L2。驾驶员可以放弃主要控制权，但仍需要观察周围情况，并提供安全操作。（如特斯拉）
• L3: 条件自动驾驶，在某些环境条件下，驾驶员可以完全放弃操作，让自动驾驶系统来进行操控，系统可以独立完成几乎全部的驾驶操作，但驾驶员仍需要在系统提示帮忙的时候，来偶尔进行帮助，来应对可能出现的人工智能不能应付的情况。
• L4: 高度自动驾驶，只要在出发前输入出发地和目的地，然后就可以将车辆完全交给自动驾驶系统。该层次系统完全自动控制车辆，全程检测交通环境，能够实现所有的驾驶目标，在任何时候都不需要乘员对车辆进行操控。但这级别的自动驾驶适用于部分场景下，通常是指在城市中或是高速公路上。
• L5: 用户只需提供目的地或者输入导航信息，在任何时候都不需要对车辆进行操控，并且在任何场景下都可以做到完全驾驶车辆行驶，可称之为“全自动驾驶”或者“无人驾驶”。

1.2 高精地图

  高精度地图专为无人驾驶车设计，包含道路定义、交叉路口、交通信号、车道规则以及用于汽车导航的其他元素。高精度地图不仅可以减少计算需求，还可以通过提供有关驾驶环境的详细信息来确保无人驾驶车辆的安全。在目前情况下高精地图是L3/L4无人驾驶的标配。

1.3 高精地图模块在其他模块中的作用

• 定位模块：视觉定位/点云定位需要高精地图提供信息。
• 感知模块：高精地图为感知模块提供辅助信息（如红路灯的位置，提前获得路口信息等）。
• 规划、预测和决策模块：高精地图提供先验知识，让结果更准确。
• 安全模块： 高精地图提供信息验证
• 仿真模块：高精地图提供更真实仿真环境

2.高精地图采集和生产

• 传感器： GPS、IMU、轮速计、激光雷达
• 计算模型：
  $$J=Q(z-h(m,x))$$
  其中：
  Q——优化方程
  z——激光雷达扫描出的点
  h——方程预测最新扫描点的位置
  m——扫描到点在地图中的位置
  x——无人车当前的位置

  计算模型中，m和x开始是未知的。先通过多传感器融合求x，在求出测量点在地图中的准确位置m。

3.高精地图的格式规范

• NDS(Navigation Data Standard)
• OpenDRIVE

4.业界的高精地图产品

• HERD HD Live Map
• MobileEye-Map
• Waymo-Map
• TomTom-Map

5.Apollo地图采集方案

5.1地图采集硬件方案

基础传感器配置

• 64线激光雷达
• 16线激光雷达
• GPS&IMU
• 长焦相机
• 短焦相机

5.2地图采集流程

• 采集过程中双向车道全覆盖采集3-5圈，车速60km/h以下，在路口区域无需刻意停留（早期通常采用Riegl去采集）
• 默认每分钟切割生成一个Rosbag文件
• 采集结束后压缩打包

6.Apollo地图生产流程

• 数据采集
• 数据处理（点云拼接；底图生产）
• 元素识别（基于深度学习的元素识别；基于深度学习的点云分类）
• 人工验证（车道线、路沿；信号灯，标志牌；虚拟道路，逻辑关系）

7.Apollo高精地图

7.1 数据元素

• 道路元素：道路边界、车道长度、车道限速等
• 路口元素：路口边界、路口内虚拟车道
• 交通信号元素：红绿灯、其他道路标牌
• 逻辑关系元素：地图元素逻辑关系表述
• 其他道路对象元素：人行横道、禁止停车区、停止线、路面箭头等

7.2 车道模型

7.3 路口模型

7.4 坐标系

• UTM
• WGS84
• Track System

7.5 Apollo地图格式相对于标准OpenDRIVE的改动

• 元素形状的表达方式：采用绝对坐标点序列描述边界形状
• 元素类型的扩展：增加禁停区、人行横道、减速带等描述
• 扩展元素间相互关系的描述：如junction和junction内元素的关联关系
• 其他：增加车道中心线到真实道路边界的距离关系等