Apollo无人驾驶入门课程笔记之高精度地图（二）

时间：2020.10.29
内容：无人驾驶之高精度地图

一、高精度地图简介

1、高精度地图与传统地图的区别
人们在生活中常用的地图：车载地图、手机地图，输入某个目的地它可以帮助你找到正确的路径，引导你走向目的地，其精度在米级。

高精度地图：机器人环境中的地图，可以准确记住每一个车道、标志，同时为无人驾驶车提供精确的定位，包含大量的驾驶辅助信息，如道路网的精确三维表征、交叉路口标志等，其精度可达到厘米级。

2、地图与定位、感知和规划的关系
高精度地图是Apollo平台的核心，其他模块都依赖于高精度的地图。接下来将介绍地图与定位、感知、规划的关系。
2.1 定位
首先是定位，无人驾驶首先要找到的就是自己在这个环境中所处的位置，这是一个识别与匹配对比的过程。无人驾驶车辆在地图中的某个点，使用摄像机、激光雷达等设备可以感知周围环境，形成图像与点云数据，经过处理后可形成一个具有该位置某些特征（如地表建筑）的地图块，然后将该地图块与高精度地图进行对比匹配，即可确定车辆具体在哪个地点。


如上图所示，这里绿色小块为无人驾驶车辆通过摄像机、传感器采集到的数据经过处理后形成的地图块，通过匹配对比后就能知道现在车辆位于地图中具体的位置。

一旦车辆的位置确定了，整个定位过程也就完成了，整个定位过程都取决于地图，正因为如此车辆才需要一个高精度的地图，这样才能便于知道它在什么位置。
2.2 感知
无人驾驶车辆使用摄像机、激光雷达、雷达等传感器在探测物体时都有距离限制，尤其是在夜间或恶劣天气条件下，传感器的检测能力会受到进一步的限制。

在传感器检测到障碍物时，车辆无法直到障碍物之后的具体情况，这个时候高精度地图则可以将如交通信号灯、道路标识等传感器当前无法探知的道路信息传送给系统，帮助做下一个决策。

此外，高精度地图可以帮助传感器缩小检测范围，比如当我们想停车时，高精度地图可以先将可停车的区域信息传送过来，车辆则只需要在那一部分区域内进行寻找，提高了检测的准确度和效率也节省了计算资源。

2.3 规划
高精度地图本身包含如限速、变道等行车信息，可以帮助车辆找到合适的行车空间，快速的为车辆找到最合适的行车路线。

3、Apollo高精度地图
Apollo高精度地图专门为无人驾驶车设计，包含道路定义、交叉路口、交通信号、车道规则以及其他用于导航的信息，这些信息可以帮助汽车快速的识别道路情况，提高检测精度。
Apollo地图需要不断的进行更新，以提供最准确的道路信息。
Apollo地图为了提高兼容性采用OpenDRIVE格式，同时为了提高其对于无人驾驶领域的适应性开发了ApolloOpenDRIVE格式。

4、高精度地图构建
高精度地图构建主要有5个过程：数据收集、数据处理、对象检测、手动验证、地图发布。

数据收集：无人驾驶地图需要时刻保持更新，Apollo地图主要是通过将所有无人车辆通过摄像机、IMU、GPS等传感器收集的地图信息进行汇总处理以保持地图的实时更新。

数据处理：主要是对收集到的数据进行处理、分类、清洗以获得准确的图像或点云数据。

对象检测：使用人工智能对处理后的数据进行静态检测并分类，如识别车道线、信号标志等

手动验证：主要是及时发现自动地图创建过程中可能产生的问题。

地图发布：经过上述步骤后，地图则可发布。

总结： 本课主要讲述了高精度地图对于无人车的定位、感知和规划都至关重要，同时介绍了高精度地图的构建过程。