一、高精地图数据规格
1、NDS格式规范
（1）数据内容及特点
概念
NDS（NavigationData Standard），是由德国宝马、大众等车厂联合导航电子地图提供商提出的一种导航电子地图存储标准，是一种基于嵌入式数据库的导航电子地图数据存储标准。
关键特点
采用WGS84坐标系统。
分为地图显示、路径规划、名称、POI、交通信息、语音表达六个内容层。
每一层数据存储在嵌入式数据库的不同数据表中。
对于某一内容层数据，划分为多个比例尺的数据表达层。
对于某一内容层指定比例尺的数据，进行分块（Tile）表达和存储；某块（Tile）数据表现为数据库表中的一条记录，即对应数据库表中的一条记录。
数据间的关联，不再是通过传统的地址偏移来链接，而是通过数据库ID来互相引用的。
（2）更新机制
NDS的数据更新过程：对更新的数据块，即数据库表对应表中的一行，进行替换操作。
2、Open DRIVE格式规范
XML数据格式。
坐标系：投影坐标系、轨迹坐标系。
道路（Road）由三部分组成：reference line（一条线，无宽度）、车道lane、feature（限速牌等）
reference line有直线、螺旋线、弧线等多种类型，因此一个Road有多个reference line
二、高精地图数据采集
1、主要的传感器
毫米波雷达（Radar）：使用的是无线电波，波长4-12mm，原理是多普勒效应。测量的数据是在极坐标下的，包括障碍物在极坐标下离雷达的距离、方向角以及距离的变化率（径向速度）。长距离毫米波雷达主要用于自适应巡航、前方碰撞预警，中距离毫米波雷达主要用于盲点监测系统。
激光雷达（Lidar）：使用的是激光脉冲，波长900-1500nm，直线传播，能直接获得障碍物在笛卡尔坐标系x方向、y方向和z方向上的距离。
超声波雷达：主要用于倒车、远程召唤、自动泊车。
摄像机：主要用于驾驶员监测、车道偏离预警、交通标志识别。
GPS：测量空间三维坐标。
惯性测量单元（IMU）：包含3轴加速度传感器（力传感器）和3轴陀螺仪（角速度检测仪），通过加速度的两次积分，推算出运动距离。
轮速计：记录左轮与右轮的转数，可推算出车辆向前走了多远，向左右转了多少度；但由于不同地面材质上转数对距离转换的偏差，随时时间的推进，测量偏差会越来越大。
三、高精地图制作工艺
1、工艺流程
数据采集：采集包含道路线、红绿灯、标牌等信息的点云数据、图像数据。
数据处理：主要包括点云处理（点云压缩、点云拼接等）和图像处理（计算机视觉处理）。
元素识别：基于深度学习的元素识别和基于深度学习的点云分类，从图像和点云数据中提炼虚实线、黄白线、路牌标识等道路特征。
人工验证：验证车道线是否正确，信号灯、标志牌进行逻辑处理等。
2、主要制图方案
（1）激光雷达方案
第一步利用传感器融合技术将GPS、IMU和轮速计测出的数据进行融合，再运用SLAM算法对位置进行校正，得到可信度较好的位置；第二步根据位置与激光雷达扫描的三维点转换成一个连续的三维结构，从而实现整个空间的三维重建。
（2）Camera融合激光雷达方案
综合运用丰富的图像信息和精确的激光雷达数据，最终得出一个非常精确的高精地图。
四、高精地图相关技术
1、点云处理技术
PCL（Point Cloud Library）：是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。
点云滤波：点云数据密度不规则需要平滑、因遮挡造成离群点需要移除、大量数据需要下采样、噪声数据需要去除。
点云配准：通过计算得到完美的坐标变换，将处于不同视角下的点云数据经过旋转平移等刚性变换统一整合到指定坐标系之下的过程。（经典算法为：ICP最近点迭代算法）。
点云分割：根据点云分布的整体特征和局部特征，将点云进行分割，从而快速提取有用的物体信息。
2、多传感器融合技术
概念：基于各传感器获得的分离观测信息，将各传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。
场景：Lidar测位置更准，但无法测速度；Radar测速度准确，但位置精度较低，即单一传感器有局限性，因此多传感器融合的技术应运而生。
数据准备：Lidar和Radar对同一障碍物交替检测的传感器数据，即数据间隔排列。
原理：在k+1时刻收到Lidar数据时，根据k时刻状态完成一次预测，再根据k+1时刻的Lidar观测数据实现测量值的更新（KF更新，卡尔曼滤波）；在k+2时刻收到Radar数据时，根据k+1时刻的状态完成一次预测，再根据k+2时刻的Radar观测数据实现测量值更新（EKF更新，扩展卡尔曼滤波）。
五、高精地图难点
1、逻辑信息的处理：如道路的停止线具体和哪个红绿灯关联，目前仍需要人工手段进行关联。