自动驾驶_高精地图与车辆协同

目录

1 HapMap 综述

1.1 自动驾驶软件结构

1.2 HD MAP介绍

1.3 坐标系/定位/感知/规划

1.4 Apollo HDMAP

1.5 高精地图的制作

2 OpenDrive 协议

2.1 坐标系

2.2 Road的表示方式

2.3 OpenDrive协议下的高精地图表示方式

2.4 其他高精地图格式

2.4.1 LaneLet

2.4.2 Apollo OpenDrive

3 点云地图制作

3.1 基本概念

3.1.1 欧拉角

3.1.2 四元数

3.1.3 相机基本模型

3.2 代码示例

3.2.1 效果图

4 V2X

5 练习


整理自视频:https://www.bilibili.com/video/BV137411E7oC?p=7

1 HapMap 综述

1.1 自动驾驶软件结构

自动驾驶_高精地图与车辆协同_第1张图片

1.2 HD MAP介绍

自动驾驶_高精地图与车辆协同_第2张图片

自动驾驶_高精地图与车辆协同_第3张图片

自动驾驶_高精地图与车辆协同_第4张图片

1.3 坐标系/定位/感知/规划

自动驾驶_高精地图与车辆协同_第5张图片

定位主要用GPS-RTK, 差分GPS精度:分米

自动驾驶_高精地图与车辆协同_第6张图片

自动驾驶_高精地图与车辆协同_第7张图片

自动驾驶_高精地图与车辆协同_第8张图片

将汽车的有限性能应用到动态物体的识别当中去,是很有意义的,因为静态的物体信息可以通过HD map提前制作好来获取。

1.4 Apollo HDMAP

自动驾驶_高精地图与车辆协同_第9张图片

  • 任何一个点都需要多次的采集,才能得到真实的路面信息。
  • 地图数据的采集,主要使用点云数据(如上图,apollo:点云数据易于处理,精度更高;缺点是采集数据成本太高);同时Here宣称他们使用的是摄像头采集数据做高精地图,精度也可达到cm级别。
  • 上图中元素识别:如图像中分类的问题,点云的分类问题。

自动驾驶_高精地图与车辆协同_第10张图片

  • 高精地图数据量非常大,制作成本很高。
  • 高精地图的制作流程,非常像SLAM的流程。SLAM的核心是VO和Optimization.
  • 应关注点:VO,  LOOP Closing挺重要的:提高精度,加快高精地图的制作。

1.5 高精地图的制作

  • 自动驾驶_高精地图与车辆协同_第11张图片
  • 高精地图的制作的自动化程度直接决定了其制作效率!

2 OpenDrive 协议

高精地图 较流行的开源格式自动驾驶_高精地图与车辆协同_第12张图片

自动驾驶_高精地图与车辆协同_第13张图片

2.1 坐标系

自动驾驶_高精地图与车辆协同_第14张图片

自动驾驶_高精地图与车辆协同_第15张图片

2.2 Road的表示方式

自动驾驶_高精地图与车辆协同_第16张图片

2.3 OpenDrive协议下的高精地图表示方式

  • xml格式拓展

自动驾驶_高精地图与车辆协同_第17张图片

自动驾驶_高精地图与车辆协同_第18张图片

  • 高精地图商业化: 百度,高德,四维图新
  • OpenDrive(压缩的比较狠)在机器人领域应该得比较多,在无人车领域应用的还未普遍推广; Apollo目前在使用OpenDrive时,将其进行拓展,虽然数据会变得繁琐起来,但使用起来会方便很多。

2.4 其他高精地图格式

2.4.1 LaneLet

自动驾驶_高精地图与车辆协同_第19张图片

2.4.2 Apollo OpenDrive

自动驾驶_高精地图与车辆协同_第20张图片

3 点云地图制作

自动驾驶_高精地图与车辆协同_第21张图片

自动驾驶_高精地图与车辆协同_第22张图片

自动驾驶_高精地图与车辆协同_第23张图片

3.1 基本概念

自动驾驶_高精地图与车辆协同_第24张图片

自动驾驶_高精地图与车辆协同_第25张图片

自动驾驶_高精地图与车辆协同_第26张图片

3.1.1 欧拉角

自动驾驶_高精地图与车辆协同_第27张图片

  • 欧拉角的局限性:当一个角的值为±90° 时,另外两个角的旋转是一致的。关键词“万向锁”。

3.1.2 四元数

自动驾驶_高精地图与车辆协同_第28张图片

四元数在机器人学中应用广泛,很重要!

3.1.3 相机基本模型

自动驾驶_高精地图与车辆协同_第29张图片

自动驾驶_高精地图与车辆协同_第30张图片

自动驾驶_高精地图与车辆协同_第31张图片

  • Z是常系数,上图Pc表示相机坐标系下的空间点坐标

自动驾驶_高精地图与车辆协同_第32张图片

输入: RBG彩色图片x5幅,基于点云制作的已经匹配好的深度图片x5幅,pose数据(R,t)x5条

输出:三维高精地图模型

3.2 代码示例

自动驾驶_高精地图与车辆协同_第33张图片

自动驾驶_高精地图与车辆协同_第34张图片

自动驾驶_高精地图与车辆协同_第35张图片

自动驾驶_高精地图与车辆协同_第36张图片

自动驾驶_高精地图与车辆协同_第37张图片

3.2.1 效果图

自动驾驶_高精地图与车辆协同_第38张图片

4 V2X

自动驾驶_高精地图与车辆协同_第39张图片

自动驾驶_高精地图与车辆协同_第40张图片

5 练习

自动驾驶_高精地图与车辆协同_第41张图片

 

你可能感兴趣的:(SLAM,自动驾驶,三维重建)