自動駕駛_高精地圖與車輛協同

目錄

1 HapMap 綜述

1.1 自動駕駛軟件結構

1.2 HD MAP介紹

1.3 座標系/定位/感知/規劃

1.4 Apollo HDMAP

1.5 高精地圖的製作

2 OpenDrive 協議

2.1 座標系

2.2 Road的表示方式

2.3 OpenDrive協議下的高精地圖表示方式

2.4 其他高精地圖格式

2.4.1 LaneLet

2.4.2 Apollo OpenDrive

3 點雲地圖製作

3.1 基本概念

3.1.1 歐拉角

3.1.2 四元數

3.1.3 相機基本模型

3.2 代碼示例

3.2.1 效果圖

4 V2X

5 練習

---

整理自視頻：https://www.bilibili.com/video/BV137411E7oC?p=7

1 HapMap 綜述

1.1 自動駕駛軟件結構

1.2 HD MAP介紹

1.3 座標系/定位/感知/規劃

定位主要用GPS-RTK, 差分GPS精度:分米

將汽車的有限性能應用到動態物體的識別當中去，是很有意義的，因爲靜態的物體信息可以通過HD map提前製作好來獲取。

1.4 Apollo HDMAP

• 任何一個點都需要多次的採集，才能得到真實的路面信息。
• 地圖數據的採集，主要使用點雲數據(如上圖，apollo：點雲數據易於處理，精度更高；缺點是採集數據成本太高)；同時Here宣稱他們使用的是攝像頭採集數據做高精地圖，精度也可達到cm級別。
• 上圖中元素識別：如圖像中分類的問題，點雲的分類問題。

• 高精地圖數據量非常大，製作成本很高。
• 高精地圖的製作流程，非常像SLAM的流程。SLAM的核心是VO和Optimization.
• 應關注點：VO,  LOOP Closing挺重要的：提高精度，加快高精地圖的製作。

1.5 高精地圖的製作

• 高精地圖的製作的自動化程度直接決定了其製作效率！

2 OpenDrive 協議

高精地圖 較流行的開源格式

2.1 座標系

2.2 Road的表示方式

2.3 OpenDrive協議下的高精地圖表示方式

• xml格式拓展

• 高精地圖商業化: 百度，高德，四維圖新
• OpenDrive(壓縮的比較狠)在機器人領域應該得比較多，在無人車領域應用的還未普遍推廣； Apollo目前在使用OpenDrive時，將其進行拓展，雖然數據會變得繁瑣起來，但使用起來會方便很多。

2.4 其他高精地圖格式

2.4.1 LaneLet

2.4.2 Apollo OpenDrive

3 點雲地圖製作

3.1 基本概念

3.1.1 歐拉角

• 歐拉角的侷限性：當一個角的值爲±90° 時，另外兩個角的旋轉是一致的。關鍵詞“萬向鎖”。

3.1.2 四元數

四元數在機器人學中應用廣泛，很重要！

3.1.3 相機基本模型

• Z是常係數，上圖Pc表示相機座標系下的空間點座標

輸入: RBG彩色圖片x5幅，基於點雲製作的已經匹配好的深度圖片x5幅，pose數據(R,t)x5條

輸出：三維高精地圖模型

3.2 代碼示例

3.2.1 效果圖

4 V2X

5 練習