【03】高精度地圖
1.高精度地圖（HD map）
我們先回憶回憶，在你開車的時候，你打開地圖導航，它會給你推薦幾條合適的路徑，甚至有些時候它可以顯示這些道路是否擁堵，道路的限速甚至是交通管制信息，在得到這些信息之后，結(jié)合你自己大腦對環(huán)境的判斷，就可以控制車輛的駕駛了，這種地圖就是被我們熟知的導航地圖。
但是對于無人駕駛而言，這其實是不夠的，因為無人駕駛車輛缺乏人類駕駛員固有的視覺和邏輯能力的，比如我們駕駛員可以根據(jù)當前的GPS的定位和周圍的環(huán)境確定我們當前的位置，我們可以輕易的判斷紅綠燈的位置、道路的寬度等等，但是無人駕駛不可以，所以我們要創(chuàng)建一套非常高精度的地圖幫助無人駕駛車輛認識周圍的環(huán)境。
2.高精度地圖里有什么？
高精度地圖包含了大量的輔助信息，最重要的是，它還包括了例如交叉路口布局和路標位置、等道路網(wǎng)的精確三維表征。
除此之外，高精度地圖還包括很多語義信息，地圖上會報告交通燈上不同顏色的含義、可以指示道路的速度限制、甚至可以包含左右變道或左轉(zhuǎn)右轉(zhuǎn)的開始位置。
高精度地圖還有一個重要的特征就是精度，通常手機導航最多達到米級別的精度，而高精度地圖是需要達到厘米級的精度的，可以想像，如果無人駕駛的車輛是以米級別的精度駕駛，那危險性不言而喻了。
3.高精度地圖的應用
高精度地圖是無人駕駛核心之一，許多的模塊都需要依賴于高精度地圖。
3.1 與定位的應用：
無人車先根據(jù)GPS獲取到大致的定位，然后再根據(jù)相機、雷達點云等收集到的數(shù)據(jù)與高精度地圖內(nèi)的標志物進行比對，就可以得到精確的坐標。當然說起來容易做起來難，這個步驟需要經(jīng)過數(shù)據(jù)預處理、坐標轉(zhuǎn)換和數(shù)據(jù)融合的復雜過程。
?預處理：消除了不準確或質(zhì)量差的數(shù)據(jù)。?坐標轉(zhuǎn)換：將來自不同視角的數(shù)據(jù)轉(zhuǎn)換為同一個坐標系。?數(shù)據(jù)融合：將來自車輛上各種傳感器的數(shù)據(jù)進行合并。
完成了這個過程后，我們就實現(xiàn)了確認自車位置的工作。
3.2 與感知的應用
無人駕駛車還可以根據(jù)高精度地圖去輔助感知的工作。
每一種傳感器感知的距離都是有上限的，這就像我們的眼睛和耳朵，我們沒法看到或聽到太遠的地方。在惡劣的天氣條件下或夜間，傳感器的感知能力會進一步降低。
除此之外，如果傳感器受到一些障礙物的影響后，他也無法透過障礙物感知障礙物后面的信息，例如車輛旁邊開過來一輛公交車，那么公交車的另一側(cè)到底是什么，無人車是無法感知的。
這些情況下，高精度地圖發(fā)揮了很大的作用。舉個例子，比如傳感器受到干擾沒有檢測到交通信號燈，此時高精度地圖也可以將交通信號燈的位置提供給軟件棧的其他部分，來幫助汽車做下一個決策。
還有一個好處，高精度地圖可以幫助傳感器減少檢測范圍，例如高精度地圖先設定好了在一個特定的區(qū)域內(nèi)尋找停車標志，傳感器就可以集中在該位置檢測停車標志，這種區(qū)域就被稱為感興趣區(qū)域或ROI。ROI可以幫助我們提高檢測精確度和速度，并節(jié)約計算資源。
3.3 與規(guī)劃的應用
就像定位和感知會依賴于高精度地圖一樣，規(guī)劃功能也是如此的。高精度地圖可以幫助車輛找到合適的行車空間，它也可以幫助規(guī)劃去確定不同的路線選擇，還可以幫助預測模塊預測道路上其他車輛的行駛位置。
我們看幾個典型的場景：
?高精度地圖可以幫助車輛識別車道的確切的中心線位置，這樣車輛就可以盡可能的靠中心行駛，這里雖然計算機視覺也會幫助識別車道線來輔助駕駛，但是多一種功能和方法自然是多一層保障。?在一些有人行橫道或減速帶的區(qū)域，高精度地圖可以讓車輛提前查看并預先減速。?如果前方有障礙物，車輛可能需要進行變道，高精度地圖可以幫助車輛縮小選擇范圍，以便選擇最佳方案。
4.高精度地圖的構(gòu)建
高精度地圖的構(gòu)建由五個過程組成：
數(shù)據(jù)采集 -> 數(shù)據(jù)處理 -> 對象檢測 -> 手動驗證 -> 地圖發(fā)布
4.1 數(shù)據(jù)采集
數(shù)據(jù)采集是一項龐大的密集型工作，百度Apollo有數(shù)百輛調(diào)查車負責收集用于制作地圖的源數(shù)據(jù)。調(diào)查車輛一方面在進行地圖的構(gòu)建，另一方面也在對地圖進行維護和更新，道路、建筑物這些標志物在不斷的變化，公共事業(yè)的工作人員也經(jīng)常對道路進行拆除和重新鋪設，這就給地圖采集帶來了很大的難度。（所以我們可以想像，在封閉場景內(nèi)的地圖構(gòu)建會容易得多，因為我們可以約束場景變化的頻率，畢竟我們無法要求開放場景的單位每次變更之前都提前通知我們）
調(diào)查車一般會安裝這些傳感器：
?GPS + IMU（慣性測量單元）?Lidar（激光雷達）?Camera（攝像機）
這些傳感器從不同角度感知環(huán)境變化，提供原始數(shù)據(jù)。
4.2 數(shù)據(jù)處理
數(shù)據(jù)處理是指對收集到的數(shù)據(jù)進行整理、分類及清洗，以獲得暫時沒有任何語義信息或注釋的初始地圖模板。例如下圖，就是雷達點云收集到的一段數(shù)據(jù)融合而成的。
4.3 對象檢測與手動驗證
對象檢測通常使用人工智能來檢測靜態(tài)對象，并對其進行分類，其中包括車道線、交通標志、電線桿。
當然了，也可以使用手動標注的方式來標記對象。
手動驗證可以確保人工智能標注過程的結(jié)果正確性并及時進行糾錯。
4.4 地圖發(fā)布
在經(jīng)過了數(shù)據(jù)采集、數(shù)據(jù)處理、對象檢測、手動驗證之后，地圖就可以發(fā)布了。
今天我們闡述了高精度地圖在無人駕駛中的使用，后續(xù)我們會進一步展開，現(xiàn)階段指示熟悉其基本概念，拜拜～