转自：https://blog.csdn.net/mabingyao/article/details/104763218
2. 高精地图的采集、生产与格式规范
- 高精地图的采集——传感器
| 传感器 | 原理 | 备注 |
|---|---|---|
| GPS | 确定四颗或者更多卫星的位置并计算出GPS接收设备与每颗卫星之间的距离，然后用这些信息使用三维空间的三边测量法推算出自己的位置。要使用距离信息进行定位，接收机还必须知道卫星的确切位置。GPS接收机储存有星历，其作用是告诉接收机每颗P星在各个时刻的位置 | GPS定位信息很容易有几十厘米甚至几米的误差。 空旷的地方比较准确，城市环境中高楼的遮挡可能造成偏移 |
| IMU | 一般使用6轴运动处理组件 ，包含了3轴加速度和3轴陀螺仪。加速度传感器是力传感器，用来检查上下左右前后哪几个面都受了多少力(包括重力)，然后计算每个面上的加速度。陀螺仪是角速度检测仪，检测每个角上的加速度。 | 从加速度推算出运动距离需要经过两次积分，所以，但凡加速度测量上有任何不正确，在两次积分后，位置错误会积累然后导致位置预测错误。高端的IMU可以保持比较长时间的计算，低端的在丢失GPS信号的情况，保持准确的时间较短 |
| 轮速计 | 我们可以通过轮测距器推算出无人车的位置。汽车的前轮通常安装了轮测距器，分别会记录左轮与右轮的总转数。通过分析每个时间段里左右轮的转数，我们可以推算出车辆向前走了多远，向左右转了多少度等 | 可是由于在不同地面材质(比如冰面与水泥地)上转数对距离转换的偏差，随着时间推进，测量偏差会越来越大 |
| 激光雷达 | 通过首先向目标物体发射一束激光，然后根据接收-反射的时间间隔来确定目标物体的实际距离。然后根据距离及激光发射的角度，通过简单的几何变化可以推导出物体的位置信息 | LIDAR系统般分为三个部分 :一是激光发射器 ，发出波长为600nm到1000nm的激光射线;二是扫描与光学部件，主要用于收集反射点距离与该点发生的时间和水平角度;三是感光部件，主要检测返回光的强度。因此我们、检测到的每一个点都包括了空间坐标信息以及光强度信息 |
-
高精地图的生产
——计算模型
首先IMU及轮测距器可以高频率地给出当前无人车的位置预测，但由于其精确度原因，位置可能会有一定程度偏差。为了纠正这些偏差，可以使用传感器融合计技术结合GPS与激光雷达( LiDAR )的数据算出当前无人车的准确位置。然后根据当前的准确位置与激光雷达的扫描数据，把新数据加入地图中。
——一个简化的高精地图计算模型
Q代表优化方程
z代表激光雷达扫描出的点
h为方程预测最新扫描点的位置
m为描到的点在地图中的位置
x代表无人车当前位置
这个方程的目的是通过最小化J求出测量点在地图中的准确位置。在计算模型中，m与x开始都是未知的，可以先通过多传感器融合求x，再求出测量点在地图中的准确位置m。
——视觉制图
与激光雷达融合使用，激光点云和camera图像结合——百度×Apollo
计算硬件强大，在线实时检测生成——英伟达
纯视觉制图，精度20cm——宽凳
厘米级精度的纯视觉制图——DeepMotion -
高精地图的格式规范
- NDS的一些概念
格式文档比较全面；
支持局部更新升级；
有尺度的概念；
分块，比如地图小格子块加载
- OpenDRIVE的一些概念
道路表述有Section的概念
Lane
Reference Line的ID必须从0开始
Junction路口，虚拟路
基于Reference Line和偏移量，所有车道线描述都基于参考线的偏移
tracking坐标系ST，S指相对于车道的参考线的起点的偏移量，T指基于参考线的横向偏移量
heading、pitch、roll等概念