轉自：https://blog.csdn.net/mabingyao/article/details/104768237

3. Apollo地圖采集與生產

3.1業界高精地圖產品

幾個業界高精地圖產品：
HERE HD Live Map
MobileEye
Google Waymo
TomTom
百度Apollo

3.2 Apollo地圖采集

Apollo地圖采集硬件方案

基礎傳感器配置	用途
64線激光雷達	平裝，采集道路路面
16線激光雷達	斜向上安裝，檢測高出紅綠燈、標牌等信息
GPS、IMU	組合定位
長短焦相機	激光雷達與camera融合

基站搭建：RTK方案

無遮擋情況下效果比較好，在高樓和林蔭路的情境下效果不佳。

采集方案：

采集流程：檢測傳感器狀態->開始采集（Apollo提供了一種一鍵采集的方法）
注意事項：雙車道全覆蓋3-5遍；車速60公里以下采集效果好；路口不需要特意停留
每分鐘切分成一個Rosbag，一次采集結束后壓縮打包，最終得到一個個包

地圖數據平臺服務
（1）數據管理體系
（2）制圖任務創建
（3）制圖進度跟蹤
（4）制圖結果下載

3.3 Apollo地圖生產技術

地圖制作——高精地圖生產流程

(1) 數據采集：3.1
(2) 數據處理：
（a）點云為主：點云拼接，采集中信號不穩定，RTK在高樓、林蔭路會有些困難。采用一些優化手段，將點云拼接起來到一張圖中去
（b）圖像：點云壓成圖像得到一個高精度的地圖
(3) 元素識別：
（a）對點云反射圖進行一些標注和分類
（b）通過深入學習對道路元素識別標識，整和到高精地圖中去
(4) 人工驗證
（a）沒有車道線，需要人補充車道線
（b）邏輯信息，在路口應該看哪個指示燈

全自動數據融合加工效果圖

基于深度學習的地圖要素識別

人工生產驗證

地圖成果：定位地圖、高精地圖、路線規劃地圖、仿真地圖

3.4 Apollo高精地圖

數據元素：
（1）道路級別的可以識別到道路邊界，lane級的可以識別到車道邊界，注意區分
（2）路口元素中，對一些復雜路口，沒有車道線的，需要虛擬車道的補充
（3）邏輯關系元素，Apollo沒有將邏輯賦予到具體元素，而是分出一個元素專門存放邏輯關系

車道模型：

Apollo根據一些原則，比如車道數目等，將車道分成幾個Section

Junction模型：路口表述

坐標系：

UTM，將全球分成60個zone

WGS84：高度描述

得到了一個高度的描述，地圖中標注的高度就是通過這個坐標系得到的

Track System

得到徑向和橫向的偏移量

Apollo OpenDrive規范

Apollo地圖格式相對標準OpenDRIVE的改動：
（1）元素形狀的表達方式：采用絕對坐標點序列描述邊界形狀，解決標準規范中可能出現倒刺的情況，更加平穩
（2）元素類型的擴展：新增了禁停區、人行橫道、減速帶等道路的描述
（3）擴展了對于元素之間相互關系的描述：比如新增了junction和junction內元素的關聯關系
（4）其他：增加了車道中心線到真實物理道路邊界的距離、停車線與紅綠燈的關聯關系

Overlap

overlap用以描述兩個元素的空間關系，比如：空間重疊，不在lane上的停車位等

Apollo HDMap Engine

用來從高精地圖中提取相關元素

3.5 政府上的挑戰：

國內地圖的數據加偏。
據觀察偏轉插件對地圖偏轉的隨機抖動幅度最大可達1.7米，如果定位定位依賴于絕對定位，就會導致定位結果跳變，嚴重影響無人駕駛汽車的安全性。
地圖關注內容的變化
高程、曲率、坡度這些導航地圖不關注的元素對于自動駕駛地圖是非常需要的。
眾包采集的問題
地圖采集只能由擁有合法資質的地圖采集公司，汽車、手機記錄軌跡、采集圖像的行為某種程度上都是測繪行為。

總結

以上是生活随笔為你收集整理的二、Apollo高精地图详解（3.Apollo地图采集和生产）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。