【自动驾驶】自动驾驶地图构建方法与工具小结

自动驾驶地图构建小结

概述

制作流程主要利用定位与建图算法（组合导航，视觉、激光SLAM等），融合多种传感器数据，构建高精度、高分辨率的三维语义地图，将要素矢量化，构建要素间的关联关系，通过质检确保质量可靠，形成地图引擎（服务、API）以满足自动驾驶系统的需求。

底图构建

底图构建存在两大类方法，点云建图与视觉建图。

点云建图

一般面向高精度采集设备，采用高线束激光雷达，硬件成本高。
一般使用高精度组合导航进行点云拼接，多次采集同一环境需要进行多次点云的融合处理，如使用特征约束抑制点云发散。
目前，存在较多的开源方案实现了多传感器紧耦合的点云定位与建图。

视觉建图

参考Structure from Motion与Bundle Adjustment方法，易于处理重复采集问题，也常用于众包更新。

上述两种方法面对城市峡谷、隧道、高架桥下组合导航精度下降的场景，需要采用视觉或点云观测紧耦合IMU\GPS以提升定位和建图精度。

底图标注

手动标注

以Autocore Map Toolbox为例，流程如下（参考视频https://www.youtube.com/watch?v=WTRHPs8pN04）
a. 新建Unity工程，加入Map Toolbox插件
b. 导入点云PCD文件
c. 手动标准
d. 结果导出为矢量地图，osm格式（参考OpenStreetMap介绍）

自动标注

流程大致如下：
a. 路面提取
b. 路面要素提取（陆沿、车道线、路面标识、停止线、斑马线等）、非路面要素提取（交通标牌、红绿灯、路灯及灯杆）
c. 采用视觉检测补充点云中缺失的要素，需要已知相机内参、相机-LiDAR外参，作2D反投影3D提取要素
d. 对线段进行曲线拟合，同一要素内线段排序，连接端点，完成矢量化
e. 添加语义，添加语义及车道的关联关系，构建地图索引和数据存储，生成高精地图数据文件
f. 人工修补
g.人工质检

标注方法

无论自动标注或者手工标注的方法，均需标注软件，因为机器算法无法做到百分之百，而且实际道路由于路标遮挡、磨损等原因，都需用标注软件手工修正。
一个功能强大的标注软件是高精地图生产必不可少的一部分。

工具软件

名称	支持格式	商业
LGSVL Map Annotation	Apollo OpenDrive、OpenDrive、VectorMap、Lanelet2	免费
Assure Mapping Tools	Google Earth、KML、Opendrive、Lanelet2、Vector Map	免费
AutoCore MapToolBox	Lanelet2	免费
RoadRunner	OpenDrive	付费