二、Apollo高精地图详解（2. 高精地图的采集、生产与格式规范）

2. 高精地图的采集、生产与格式规范

• 高精地图的采集——传感器

传感器	原理	备注
GPS	确定四颗或者更多卫星的位置并计算出GPS接收设备与每颗卫星之间的距离，然后用这些信息使用三维空间的三边测量法推算出自己的位置。要使用距离信息进行定位，接收机还必须知道卫星的确切位置。GPS接收机储存有星历，其作用是告诉接收机每颗P星在各个时刻的位置	GPS定位信息很容易有几十厘米甚至几米的误差。 空旷的地方比较准确，城市环境中高楼的遮挡可能造成偏移
IMU	一般使用6轴运动处理组件 ，包含了3轴加速度和3轴陀螺仪。加速度传感器是力传感器，用来检查上下左右前后哪几个面都受了多少力(包括重力)，然后计算每个面上的加速度。陀螺仪是角速度检测仪，检测每个角上的加速度。	从加速度推算出运动距离需要经过两次积分，所以，但凡加速度测量上有任何不正确，在两次积分后，位置错误会积累然后导致位置预测错误。高端的IMU可以保持比较长时间的计算，低端的在丢失GPS信号的情况，保持准确的时间较短
轮速计	我们可以通过轮测距器推算出无人车的位置。汽车的前轮通常安装了轮测距器，分别会记录左轮与右轮的总转数。通过分析每个时间段里左右轮的转数，我们可以推算出车辆向前走了多远，向左右转了多少度等	可是由于在不同地面材质(比如冰面与水泥地)上转数对距离转换的偏差，随着时间推进，测量偏差会越来越大
激光雷达	通过首先向目标物体发射一束激光，然后根据接收-反射的时间间隔来确定目标物体的实际距离。然后根据距离及激光发射的角度，通过简单的几何变化可以推导出物体的位置信息	LIDAR系统般分为三个部分 :一是激光发射器 ，发出波长为600nm到1000nm的激光射线;二是扫描与光学部件，主要用于收集反射点距离与该点发生的时间和水平角度;三是感光部件，主要检测返回光的强度。因此我们、检测到的每一个点都包括了空间坐标信息以及光强度信息

• 高精地图的生产
  ——计算模型
  首先IMU及轮测距器可以高频率地给出当前无人车的位置预测，但由于其精确度原因，位置可能会有一定程度偏差。为了纠正这些偏差，可以使用传感器融合计技术结合GPS与激光雷达( LiDAR )的数据算出当前无人车的准确位置。然后根据当前的准确位置与激光雷达的扫描数据，把新数据加入地图中。
  
  ——一个简化的高精地图计算模型
  
  Q代表优化方程
  z代表激光雷达扫描出的点
  h为方程预测最新扫描点的位置
  m为描到的点在地图中的位置
  x代表无人车当前位置
  这个方程的目的是通过最小化J求出测量点在地图中的准确位置。在计算模型中，m与x开始都是未知的，可以先通过多传感器融合求x，再求出测量点在地图中的准确位置m。
  ——视觉制图
  与激光雷达融合使用，激光点云和camera图像结合——百度×Apollo
  计算硬件强大，在线实时检测生成——英伟达
  纯视觉制图，精度20cm——宽凳
  厘米级精度的纯视觉制图——DeepMotion

• 高精地图的格式规范

1. NDS的一些概念
   格式文档比较全面；
   支持局部更新升级；
   有尺度的概念；
   分块，比如地图小格子块加载
   
2. OpenDRIVE的一些概念
   道路表述有Section的概念
   Lane
   Reference Line的ID必须从0开始
   Junction路口，虚拟路
   基于Reference Line和偏移量，所有车道线描述都基于参考线的偏移
   tracking坐标系ST，S指相对于车道的参考线的起点的偏移量，T指基于参考线的横向偏移量
   heading、pitch、roll等概念