Apollo进阶课程⑦⾼精地图的采集与⽣产
⽬录
原⽂链接：
在上周，阿波君为⼤家具体介绍了⽤于L3、L4级别⾃动驾驶的⾼精地图，对整个道路的描述更加准确、清晰和全⾯。⾼精地图除了传统地图的道路级别，还有道路之间的连接关系，专业术语叫Link。⾼精地图最主要的特征是需要描述车道、车道的边界线、道路上各种交通设施和⼈⾏横道。本期，阿波君将与⼤家分享「⾼精地图的采集与⽣产」相关内容。
话不多说，欢迎开发者⼀起进⼊进阶课程第6期。
1.⾼精地图采集过程中需要⽤到的传感器
各式各样传感器和算法相结合，⾃动驾驶汽车才能⽣成可⽤的⾼精地图。因此， ⾼精地图的采集与⽣产 是⼀系列⾮常复杂的⾏为。⾼精地图采集所需要的传感器主要有 GPS 、 IMU 、 轮速计 三类。
1.1）GPS
GPS既可以说⾮常好⽤也可以说⾮常难⽤。空间点位置的计算原理 （通过GPS）：
汽车
空间点位置是⼀个「三维坐标」，TA有「三个变量」，需要「三个⽅程」。
从理论上来说，如何才能得到空间点位置相关的三个⽅程？
通过观测三颗卫星与空间点位置的距离，利⽤三⾓测量法，就可以准确地得到地球上任何⼀点的空间位置。
但三颗卫星的测量⽅案在实际应⽤中，可能会存在「误差」。
因此，在空间点位置的计算过程中，我们经常要检测四颗或四颗以上卫星，才能实现「精确的定位」。
4颗以上卫星即可实现精准GPS定位
举例来说，在⾼速路等⾮常空旷的地⽅时，⾃动驾驶汽车所能接收到的GPS的信号⾮常好。不需要复杂的策略，就能得到很好的定位结果。因此，空旷地带的GPS精确、好⽤ 。这就是为什么很多公司刚进⼊⾃动驾驶领域研发时，都会选择「⾼速路线」的原因。⽽在城市道路环境下，GPS将会⾮常难⽤。这是由于⾼楼等障碍物遮挡，导致⾃动驾驶汽车所能接收到的GPS信号发⽣偏移。⼀般来说，GPS在城市中定位的「平均偏差」在50⽶左右。
众所周知，在城市复杂道路中，⾃动驾驶车辆上搭载的GPS偏差0.5⽶，所造成的事故后果都是不可估量的，更不⽤说如此⼤的偏差了。
1.2）IMU
惯性测量单元（右）
⽬前 IMU （惯性测量单元）是⾃动驾驶汽车的标配。IMU是测量三轴加速度的⼀个装置，通过算出积分，得到任意两帧间的相对运动。
IMU有「⾼端」和「低端」之分。⾼端IMU能保持较长时间的计算精确度，⽽低端IMU在GPS信号丢失的情况下，能够维持⽐较精确的时间⾮常短。
实际⼯作中，由于不可避免的各种⼲扰因素， 如果不对该运动加以校正，IMU的误差会就随着时间的推移变得越来越⼤ 。
1.3）轮速计
轮速计 本⾝存在缺陷。⽬前，轮速计的使⽤⾮常普遍，很多汽车都配备了轮速计。
在现代汽车技术的应⽤中，轮速计被⽤来做「运动约束」，如从A点到B点，汽车⾏驶的距离。
轮速计（左）受地⾯材质的影响很⼤
但是由于车型差异、地⾯交通路况不同。
如地⾯结冰与⽔泥路⾯，⼆者 路况不同，路⾯的摩擦系数也不⼀样 ，就会导致轮速计统计结果的差异。
这是为什么轮速计本⾝存在缺陷的原因所在。
2.⾼精地图采集过程中的制图⽅案
⽬前主流的制图⽅案有基于 激光雷达 和 Camera融合激光雷达 两种⽅案。
2.1）⽅案⼀激光雷达
激光雷达 通过「发射」和「接收」激光光束得到两点之间的距离，因此其精确度⾮常⾼。
激光雷达内部的扫描部件与光学部件，通过收集反射点与反射点发⽣的时间和⽔平⾓度，从⽽得出任意⼀点的空间信息和光强度。该坐标信息扫描的是某个局部，通过⼀定的坐标转换，能够形成⼀个全局的坐标系。
⽆论是GPS，还是IMU、轮速计，各个传感器都存在⼀定的缺陷， 我们⽆法仅运⽤单⼀的传感器，采集出⼀个精确的数据。
⾼精地图的制作流程
所以要综合运⽤各种传感器。通过将GPS、IMU和轮速计测出的数据进⾏「融合」，再运⽤「Slam算法」，对Pose进⾏「矫正」，最终才能得出⼀个「相对精确的Pose」。
最后把空间信息通过激光雷达「扫描出三维点」，转换成⼀个「连续的三维结构」，从⽽实现整个空间结构的「三维重建」。
⾼精地图的计算模型
通过扫描的激光点和GPS、IMU的测量数据综合运⽤，能够计算出⼀个 预测结果与实际结果最⼩差距
的数值信息。
但这只是我们在⾼精地图采集过程中⼀个最优化的计算模型，实际情况⽐这个要复杂得多。
2.2）Camera融合激光雷达
虽然激光雷达采集的信息⾮常精确，但它采集的信息⾮常少，⽆法提供像图像那样丰富的语义信息、颜⾊信息。
因此，⽬前 主流⾃动驾驶研发公司 ，如百度，采⽤的是 Camera融合激光雷达 的⽅案。
通过融合⼆者的优势，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。
其他⽅案：
⾼精地图⽣产，部分⼚商采⽤视觉制图的⽅案
⾼精地图⽣产的⽅案供应商还有英伟达、宽凳科技、DeepMotion和Level 5公司等。
其中， 英伟达 做GPU出⾝，其计算硬件 ⾮常强⼤。
国内的 宽凳科技 号称是⽤纯视觉制图，精度能做到20厘⽶，能够通过在线检测实时⽣成制图。
DeepMotion 运⽤的也是纯视觉制图⽅案，其理论精度可达厘⽶级。
此外，还有来⾃国外的 Level 5 公司，该公司运⽤车载⾏车记录仪或⼿机上较低端的Camera就能够实现众包制图，但它的具体效果还不是很明确。