引言

Udacity與百度Apollo團隊合作開設無人駕駛課程，此為課程2，主要講解自動駕駛中使用的高精度地圖概念。

導航地圖與高精度地圖

       地圖（Map）百度百科解釋，是按一定的比例運用線條、符號、顏色、文字註記等描繪顯示地球表面的自然地理、行政區域、社會狀況的圖形。隨著科技的進步，地圖的概念是不斷髮展變化的，如將地圖看成是“反映自然和社會現象的形象、符號模型”，地圖是“空間資訊的載體”、“空間資訊的傳遞通道”等。地圖最明顯的作用就是定位與導航。

導航地圖        高精度地圖HD Map，比地圖具有更多的資訊，如包含了坡度、曲率、航向等路面複雜資訊。特別是在機器人、自動駕駛領域，高精地圖扮演著核心角色。同樣，在高精地圖中，智慧體能夠輕易的識別出自己所處的位置，以及做出預先規劃。 高精度地圖        建立無人車城市地圖需要的資訊：基本的道路網路、道路名稱和地點位置；道路限速、交通燈和其他交通管制資訊；城市的三維模型包括道路，建築，隧道燈等。        高精度體現在，依靠普通的GPS定位，精度達不到安全性的要求，一般在幾米範圍內，而通過高精度地圖的精確定位需要達到10釐米以下。 依賴GPS的倒車入庫

地圖與定位、感知、規劃

       定位與感知軟體依賴於高精度地圖，規劃軟體也一樣。高精度地圖可以幫助車輛找到合適的行車空間，幫助規劃器確定不同的路線選擇，幫助預測軟體預測道路上其他車輛在將來的位置。如識別道路的中心線，使得車輛能夠儘可能靠近中心行駛；道路的其他約束資訊比如最高行駛速度，最低行駛速度，道路中的車輛以及障礙物等可以幫助汽車做相應的決策。這種決策可以在高精度地圖的幫助下得到最佳方案。

地圖與定位、感知、規劃

Apollo 高精地圖

1. Apollo 高精地圖的道路元素定義

Apollo 高精地圖的各種元素 2.標準 OpenDRIVE v.s. Apollo OpenDRIVE        高精地圖具有許多種格式，不同格式可能導致系統不相容。 高精地圖的資料格式 3.Apollo 高精度地圖構建流程        Data Sourcing，Data Processing，Object Detection， Manual Verification， Map Products        資料採集：大量的調查車輛用於收集製作地圖的源資料。這些資料可以用於地圖構建，同時也可用於地圖的維護和更新。採用多種感測器，如GPS/IMU，LiDAR以及攝像機獲取資料，然後進行資料的融合產生高精度地圖。        資料處理

：如何對收集的資料進行整理、分類和清洗以獲得沒有任何語義資訊或者註釋的初始地圖模板。比如，點雲資訊。        物件檢測：採用人工智慧來檢測靜態物件並對其進行分類，包括車道線檢測、交通標誌甚至是電線杆等。除此之外，人工標記能夠更加精確的編輯地圖。        注意，在資料採集階段，僅僅通過大量的調查車輛其實並不能滿足高精度地圖構建和更新需求。因此，百度的Apollo團隊採用眾包（crowdsourcing）的方式進行資料採集。眾包指通過向公眾分發資料採集工具以便任何人都可以參與制作高精度地圖的任務。 眾包模式的資料採集