Apollo星火计划学习笔记——第四讲Part 1 Apollo自动驾驶高精度地图

引言

内容概要，学习目标

1. 了解高精度地图在自动驾驶的作用
2. 熟悉高精度地图制作方法
3. 掌握整个Apollo高精度地图框架
4. 独立开发高精度地图模块

1. 高精度地图的作用

1.1 什么是高精度地图？

高精度地图(High Definition Map)，顾名思义，就是精度更高的地图（相对于传统地图）

• 绝对精度高，自动驾驶要求的精度在10cm以内
• 数据元素更加丰富，包括车道线、红绿灯、交通标志等

1.2 高精度地图与传统地图的区别

	传统地图	高精度地图
精度	10米左右	1米以内
车道	车道级别	车道级别
元素	限速、交通规则等	交通基础设施
功能	导航、搜索	定位、路径规划
实时性	准静态	动态

1.3 为什么需要高精度地图？

• 定位：需要高精度地图表示当前位置信息，同时依赖高精度地图提供地位图层定位
• ROI：指的是感兴趣区域。感知模块依赖高精度地图提供ROI
• 规划：依赖高精度地图提供的道路信息，例如：车道线、曲率、坡度等信息，依赖高精度地图提供交通规则

1.4 高精度地图的作用

1.5 高精度地图的挑战

1. 更新频率要求高：需要周或日级别的更新，导航地图一般是季度级别的更新
2. 采集难度大：需要专业的地图采集车和地图采集资质
3. 存储空间要求大：高精度地图要占很大内存
4. 成本、格式和规范尚未统一：

2. 高精度地图介绍

2.1 高精度地图的构成

按功能分为4个图层：

• 静态图层：保存地图三维建模信息，道路测绘数据
• 定位图层：通过原始点云地图，提取特征物（电线杆、建筑、交通标志），来匹配定位
• 语义图层：提供道路结构化信息，定义车道线、交通标志、交通规则等
• 动态图层：实时动态更新信息（当前路况、实时交通规则、前方车祸等）

2.2 高精度地图的构成

2.3 如何制作高精度地图

**高精度地图的制作流程：**1. 地图采集 ->2. 底图制作 -> 3. 地图标注 -> 4. 地图保存 -> 5. 地图校验（可省）

2.3.1 地图采集

一般通过 地图采集车 采集

• **基于激光雷达：**能够准确获取位置信息，对光照变化影响小
• **基于视觉：**能够提供颜色、纹理等信息，对光照变化敏感，无法获取准确的深度信息

2.3.2 地图制作

目前主流的方法是通过SLAM算法对道路建模，得到一块区域地图数据，然后进行标注

视觉SLAM算法

• ORB-SLAM
• SVO
• DSO

激光雷达SLAM算法

• Cartographer
• LOAM系列算法

2.3.3 地图标注

常见的地图标注工具

• Roadrunner
• Vector Map Builder
• LGSVL Map Annotation
• Autocore MapToolBox
• Assure mapping tools

2.3.4 地图保存

主流的地图格式：

• Opendrive：德国汽车厂商组织的一个标准
• Lanelet2 ：C++库
• VectorMap：矢量地图，自动驾驶系统普遍采用采样的方式来表征高精度地图

3. Apollo 高精度地图

3.1 Apollo 高精度地图目录结构

4. 实践案例

参考文章及视频

星火第四讲 Part1——Apollo 高精度地图模块详解与实践