百度无人驾驶课程——高精度地图-笔记

这里所指的地图，是机器人环境当中的地理地图。

为什么需要地图？

无人驾驶汽车不具备人类驾驶员所拥有的视觉感知与逻辑推理能力。 例如：你可以根据看到的东西以及GPS提供的信息来确定自己的位置；同时还能轻松准确地识别出障碍物、其他车辆、行人以及交通信号灯等信息。然而就目前而言实现这一目标仍然面临着巨大的挑战这就意味着实现无人驾驶是一项极具挑战性的任务正是由于上述原因在当前阶段构建高精度地图对于无人驾驶技术的发展至关重要

高精地图与传统地图

传统地图：普通导航地图。一些地图甚至会标注这些路线是否易行及所需时间。手机端的导航地图通常仅能达到米级精度

高精度地图：

• 包含大量驾驶辅助数据。其中最关键的是基于路网结构构建的精确三维模型。例如交叉路口处局位和路标位置。
  • 包含丰富语义数据。地图上会报告交通信号灯不同颜色代表的不同含义，并可能指示行驶速度限制以及左转车道起始位置。
  • 高精度地图最重要的特性之一是其精确度，在这种情况下高精度地图能够让车辆实现厘米级定位这对无人驾驶汽车的安全具有重要意义。

高精度地图是Apollo自动驾驶平台的关键组成部分，在无人驾驶汽车系统中扮演着核心功能角色。该技术不仅为自动驾驶导航提供精确的地图信息支持，在车辆路径规划、障碍物识别等多个环节都发挥着不可替代的作用

• 高精地图与定位
• 首先，车辆会寻找地标。通过分析各类传感器收集的数据——包括来自摄像机的图像信息以及利用手机上的激光雷达获取的三维点云数据——来确定地标位置。将这些数据与高精度地图中已知的地标进行对比匹配是一个复杂的过程。
• 该过程涉及多个步骤：首先通过预处理消除不准确或质量较低的数据；接着利用坐标变换将来自不同视角的传感器数据转换为统一坐标系；最后借助数据融合技术整合来自各传感器的信息来源。
• 从而实现对自己位置的精确定位。
• 高精地图与感知
• 当环境条件恶劣（如雨天或夜晚）或超出一定探测距离时，在某些情况下摄像头、激光雷达和雷达等传感器将失去对障碍物的识别能力。此外，在遇到障碍物时这些设备也无法穿透障碍物来观察其后方物体的情况。在这种情况下——即当系统接收到交通信号灯的位置信息时——这些关键信息可以帮助辅助做出决策。
• 此外，在特定场景下——例如在停车区域附近——地图信息还可以帮助缩小传感器搜索范围。
• 这种兴趣区域（ROI）能够显著提高检测精度并减少计算资源消耗。
• 高精地图与规划
• 精确的地图数据不仅有助于规划合理的行驶路线——而且还能实时更新 surrounding vehicles' positions以便做出更明智的道路选择。

Apollo 高精度地图

一些优点：

Apollo 高精度地图专为无人驾驶车开发, 涵盖道路定义、交叉路口标识、交通信号灯以及车道行驶规则等核心要素, 并在汽车导航系统中应用

• Apollo 高精度地图遵循行业制图标准采用的是... OpenDRIVE 格式。
• 其数据丰富程度显著地覆盖了中国的高速公路和城市快速道路网。
• 这些地图精确到几厘米可被视为当前制图技术的最高水准。

Apollo 高精度地图的构建

高精度地图的构建由五个步骤构成：首先进行数据采集以获取高质量的空间信息；随后对数据进行预处理以消除噪声并提升准确性；接着通过对象检测技术识别地图中的关键要素；随后安排人工验证确保检测结果符合预期；最后完成地图发布供相关人员使用

• 数据采集 * 这是一项规模宏大的工程,负责收集用于生成地图的数据的是300多辆专门的Apollo调查车辆.这些调查车辆不仅有助于提升地图的质量,同时确保了对地图维护和更新工作的高效完成.无人驾驶汽车必须保证其内部使用的道路数据始终是最新的.通过大量配置合理的调查车辆,在任何道路发生变化时都能迅速获取最新数据.

研究车辆时发现其采用了多类传感器包括GPS惯性测量单元激光雷达以及摄像头等设备

• 数据处理 * 数据处理指的是 Apollo 对收集到的数据进行归类、分门别类与去杂去 Noise以生成未经语义解读或注释的初始地图模板系统。例如下图所示为点云数据图谱，在北京中关村手机的数据融合下构建而成。
  • 对象检测及手动验证**** * **** 通过人工智能技术 Apollo 团队实现了对静态物体的识别与分类功能，并将其应用于道路车道线识别、交通标志标示以及电线杆位定点定位等场景中。

手动验证操作能够保证自动地图创建过程按顺序执行，并且能够及时发现潜在的问题。通过 Apollo 软件的应用，手动验证团队得以实现地图的详细标注并精确修改。

在完成数据采集与处理，并实现目标检测与人工审核后