目錄
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