1. Here的高精地图

1.1 简介

很多厂家都有自己的高精地图产品, 其中有Here、 Mobileye这类专门提供高精地图的厂商, 也有像Waymo、百度这样的自动驾驶公司. 本文章将选取其中的两个代表Here和百度Apollo进行分析.
Here官方的宣传视频:
Here HD Live Map
Here的高精实时地图以云服务为基础, 基础架构包含了道路模型、车道模型、定位模型三个层次结构[[4]], 除了上述的基础架构的模型, 还有动态信息层和驾驶行为分析层用来补充一些其他信息.(#HERE_HDMap_Paper).

道路模型(Road Model)
道路模型给自动驾驶汽车提供了一个全局视野, 这样汽车就可以了解传感器感知范围以外的道路信息, 还可以为非结构化道路进行分类.

车道模型(Lane Model)
车道模型提供了更加精准细节的信息:

  • 车道朝向
  • 车道边界
  • 道路标牌
  • 道路限速

定位模型(Localization Model)
定位模型是模型的最上层, 通过感知道路两侧的电线杆/车道线/树等来进行定位

动态信息层(Activity Layer)

  • 用来描述道路上的动态状态
  • 比如道路正在修路, 或者事故
  • 对实时性的要求比较高

驾驶行为分析层(Analytics Layer)

  • 用户在不同的道路场景下的驾驶行为是怎么样的
  • 比如在哪里加速, 在哪里减速. 到路口要不要减速?
  • 将数据转化为选择, 使得自动驾驶更能模拟人的行为

1.2 Here地图建立过程

首先利用GPS、激光雷达和摄像头建立基础地图(Base map), 这里的精度可以达到厘米级, 每天产生的数据量高达28TB.

然后通过安装在个人用户车上的传感器数据对地图进行实时更新, 包括行驶路径、道路标识、道路边缘、人行道标志等等.

不同的车有着不同的尺寸、传感器和行驶路径, 这些不同会导致在同一个路段识别到的物体有差别.
在云端利用深度学习可以减少这些差异带来的定位误差, 从而更加准确的进行定位.

一旦各种特征被建立并且加入了地图数据库, Here通过云端更新地图再下发到车端, 从而供自动驾驶汽车更好地获取实时道路信息.

1.3 self-healing map

self-healing[5]这个特性可以说是Here的一大卖点.
每一辆Here的使用者都同时是数据提供者, 这保证了数据的实时性, 不断的进行自我更新.

2. Apollo高精地图制作

2.1 地图制作流程

2.2 数据采集流程

Apollo地图采集采用了以下传感器配置

  • 64线激光雷达
  • 16线激光雷达
  • GPS & IMU
  • 长焦相机
  • 短焦相机
    基于RTK的差分定位为地图数据提供全局坐标信息.
    通过自制的工具可以自动化地进行地图采集.

    在具体的地图采集流程中, 首先利用上图所示的工具, 在左下角确认各传感器的状态, 然后打开地图采集开关.
    采集过程中双向车道全覆盖采集3-5圈, 车速60km/h以下, 在路口区域无需可以停留.
    默认每个一分钟生成一个rosbag文件, 采集结束后压缩打包.

2.3 人工验证

人工验证环节将底图数据、图像数据和点云数据进行融合, 整合成最终的高精地图

3.3 地图成果

最后将定位地图与高精地图转化成路径规划地图或者仿真地图进行实际的使用.