本文主要是介绍自动驾驶学习笔记（十一）——高精地图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
#Apollo开发者#
学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：
《自动驾驶新人之旅》免费课程—> 传送门
《Apollo Beta宣讲和线下沙龙》免费报名—>传送门
文章目录
前言
高精地图
地图采集
底图制作
地图标注
地图格式
Tips
总结
前言
见《自动驾驶学习笔记（七）——感知融合》
见《自动驾驶学习笔记（八）——路线规划》
见《自动驾驶学习笔记（九）——车辆控制》
见《自动驾驶学习笔记（十）——Cyber通信》
高精地图
高精地图（High Definition Map）按照功能划分为4个图层：
静态图层：保存道路的3维建模信息,通常是道路的测绘数据。
定位图层：通过原始的点云地图,提取出一些特征如电线杆、建筑物、交通标志等。用来做点云匹配定位。
语义图层：提供道路的结构化信息,这部分信息定义了车道线、交通标志、交通规则信息等。
动态图层：实时动态的更新一些信息如:当前路況、实时交通规则、前方车祸等。
地图采集
基于激光雷达：能够准确获取位置信息，光照变化影响不大。
基于视觉：能够提供颜色，纹理信息，对光照变化敏感，得不到准确深度信息。
地图采集车获取到的点云record文件为PCD格式，每个pcd文件代表一帧点云，如下图所示：
底图制作
目前主流的方法是通过SLAM算法对道路进行建模，得到一块区域的地图数据，然后进行标注。视觉SLAM算法有：ORB-SLAM、SVO、DSO等。激光雷达SLAM算法有：NDT、Cartographer·、LOAM系列算法等。
NDT制图是对每2帧的PCD文件进行配准，得到校正后的位置信息，然后拼接这2个点云，如下图所示：
重复上述步骤直到做出整张地图，最终点云地图的效果如下：
地图标注
常见的地图标注工具有：Roadrunner、Vector Map Builder(autoware)、LGSVL Map Annotation、Autocore Map Toolbox、Assure mapping tools等。
Roadrunner是一款商业软件，功能非常完善，它的工作界面如下图所示。它可以编辑道路，支持导出格式opendrive，apollo，autoware，可以输出模型，供仿真器使用。
地图格式
目前还没有统一的高精度地图格式，主流的地图格式包括：Opendrive、Lanelet2、VectorMap等。Opendrive是德国汽车制造商奥迪、宝马、戴姆勒、保时捷大众成立的组织，目的是标准化车辆开发和验证过程中的数据交换。Lanelet2 是一个 C++ 库，用于在自动驾驶环境中处理地图数据。VectorMap是一种矢量地图，目前自动驾驶系统普遍采用采样的方式来表征高精度地图。
Apollo高精度地图通过proto定义，每个proto代表一种地图元素，如下图所示：
Tips
高精地图的特点：
1、精度达1m，而传统地图精度仅10m左右
2、数据文件可能需要上百G的存储
3、更新速度更快，道路上的围挡、画线等都要及时更新
总结
以上就是本人在学习自动驾驶时，对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识，欢迎评论区留言、点赞、收藏和关注，这些鼓励和支持都将成文本人持续分享的动力。
另外，如果有同在小伙伴，也正在学习或打算学习自动驾驶时，可以和我一同抱团学习，交流技术。
版权声明，原创文章，转载和引用请注明出处和链接，侵权必究！
文中部分图片来源自网络，若有侵权，联系立删。
这篇关于自动驾驶学习笔记（十一）——高精地图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
