车辆自动驾驶系统应用 课件 4-3 Apollo高精地图构建与导入.pptx

能力模块四对高精度地图刻绘的基本认知任务三完成Apollo高精地图的构建与导入Vehicleautonomousdrivingsystemapplications

任务目标LearningPurpose了解Apollo高精地图导入过程了解Apollo高精地图构建过程了解Apollo高精地图

任务导入Taskimport当我们开车时，打开导航地图通常会给我们推荐几条路线，甚至会显示道路是否拥堵以及每条路线将花费多长时间、交通管制，例如交通信号灯或限速标志等，我们会根据地图提供的信息来决定是在行驶中直行、左转还是右转以及对周围驾驶环境的评估。而无人驾驶车缺乏人类驾驶员固有的视觉和逻辑能力。如我们可以利用所看到的东西和GPS来确定自己的位置，还可以轻松准确地识别障碍物、其他车辆、行人、交通信号灯等，但要想让无人车变得和人类一样聪明，可是一项非常艰巨的任务。这时就需要高精地图了，高精地图是当前无人驾驶车技术不可或缺的一部分，它包含了大量的驾驶辅助信息，最重要是包含道路网的精确三维表征，例如交叉路口布局和路标位置。

目录（二）Apollo高精度地图构建（一）Apollo高精度地图（三）Apollo高精度地图导入

（一）Apollo高精度地图Apollo高精地图专为无人车设计，里面包含了道路定义、交叉路口、交通信号、车道规则，及用于汽车导航的其他元素。Apollo高精地图是最懂自动驾驶的高精地图，也是业界精细化程度最高、生产率最高、覆盖面最广的高精地图。目前，Apollo高精地图的自动化程度已经达到了90%、准确识别率达到了95%以上，预计2020年可以覆盖全国所有的重点道路。高精地图有很多种格式，为了方便数据共享，Apollo高精地图采用了OpenDRIVE格式，这是一种行业制图标准。同时，Apollo也对OpenDRIVE做出了改进，进而产生了ApolloOpenDRIVE标准，以便更适合无人车。

（二）Apollo高精度地图构建高精度地图的构建由五个过程组成：数据采集、数据处理、对象检测、手动检测和地图发布。如图所示：

（二）Apollo高精度地图构建近300辆Apollo测试车辆负责收集用于制作地图的源数据，以便确保每次道路发生改变时，地图均会得到快速更新。测试车辆使用了多种传感器，如GPS、IMU、激光雷达、摄像机。Apollo定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过支持多种类的传感器，Apollo收集各类数据将这些数据融合，最终生成高精度地图。如图所示：数据采集

（二）Apollo高精度地图构建Apollo如何对收集到的数据进行整理、分类和精简，以获得没有任何语义信息或注释的初始地图模板。如图所示：数据处理

（二）Apollo高精度地图构建Apollo使用人工智能来检测静态对象并对其进行分类，其中包括车道线、交通标志、甚至是电线杆，手动验证可确保自动地图创建过程正确进行并及时发现问题。Apollo使手动验证团队能够高效标记和编辑地图，在经过数据采集、数据处理、对象检测、手动验证之后，高精地图才能发布。如图所示：对象检测

（二）Apollo高精度地图构建Apollo还发布了采用自上而下视图的相应定位地图、三维点云地图。如图所示：地图发布

（三）Apollo高精度地图导入Apollo高精度地图导入需要RoadRunner的语义标注过程，标注完成之后RoadRunner可以直接导出模型文件和高精度地图，直接给仿真系统使用。导入点云先创建工程，然后在Assets中新建pointcloud目录，把点云文件拖动到该文件夹下。如图所示：导入点云之前需要设置点云的投影，否则不能导入到Roadrunner。点击点云，按照下列步骤设置经纬度坐标，设置完成之后点击UseTranverseMercatorAt生成投影。如图所示：

（三）Apollo高精度地图导入Apollo高精度地图导入需要RoadRunner的语义标注过程，标注完成之后RoadRunner可以直接导出模型文件和高精度地图，直接给仿真系统使用。标注车道接下来就可以在点云之上进行车道标注了，一般是采用俯视视角，根据车道线进行标注。Roadrunner自带有一些车道模型可以直接采用，也可以自定义一些车道。如图所示：先在工具栏选择车道图标，然后沿着车道边沿点击鼠标右键，这样就会生成一段道路，继续上述过程就可以得到一条车道。如图所示：

（三）Apollo高精度地图导入Apollo高精度地图导入需要RoadRunner的语义标注过程，标注完成之后RoadRunner可以直接导出模型文件和高精度地图，直接给仿真系统使用。标注车道如果不调整高度，放大缩小的时候感觉路面会移动，调整高度在车道在左下角的小窗口进行调整，调整完高度之后，对路面横向距离再做微调就