网站目录 index,北京本地网络推广平台,关于制作网站的方案,环评登记表在哪个网站做目录
1. 高精地图与传统地图
2. 高精地图与定位、感知规划的关系
2.1 高精地图用于定位
2.2 高精地图用于感知
2.3 高精地图用于规划
3. Apollo高精度地图与构建
3.1 Apollo高精地图
3.2 Apollo高精地图的构建 本文转自微信公众号#xff1a; Apollo开发者社区 原创 Apollo开发者社区 原创 阿波君 Apollo开发者社区 8月9日 上周我们开始带领小白开发者学习 “Udacity X Apollo自动驾驶入门课程”也收到了很多社区开发者的学习笔记让我们看到他们热爱自动驾驶、努力学习的信心。希望有更多开发者在学习课程的同时记录下学习要点更快掌握Apollo自动驾驶知识。
本周我们将介绍高精地图部分的主要内容这是Apollo定位、感知、规划模块的基础。
与普通地图不同高精地图主要服务于自动驾驶车辆通过一套独特的导航体系帮助自动驾驶解决系统性能问题扩展传感器检测边界。目前 Apollo 内部高精地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景帮助解决林荫道路GPS信号弱、红绿灯定位与感知以及十字路口复杂等导航难题。 视频链接为自动驾驶入门课程L2Sebastian_腾讯视频
1. 高精地图与传统地图
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。 高精地图还包含很多语义信息地图上可能会报告交通灯不同颜色的含义也可能指示道路的速度限制及左转车道开始的位置。 高精地图最重要特征之一是精度手机上的导航地图只能达到米级精度而高精地图可以使车辆能够达到厘米级的精度这对确保无人车的安全性至关重要。
2. 高精地图与定位、感知规划的关系
2.1 高精地图用于定位
高精地图是Apollo平台的核心许多无人驾驶车模块都有赖于高精地图有了高精地图我们就需要在该地图上进行自定位。这意味需要弄清我们在地图上的位置这就是定位——无人驾驶车辆在地图上的确切位置。 首先车辆可能会寻找地标我们可以使用从各类传感器收集的数据如摄像机图像数据、激光雷达收集的三维点云数据来查找地标。车辆将其收集的数据与其在高精地图上的已知地标进行比较这一匹配过程是需要预处理、坐标转换、数据融合的复杂过程。 无人车的整个定位过程取决于高精地图所以车辆需要通过高精地图明确它处于什么位置。
2.2 高精地图用于感知
无人车也可以使用高精地图来帮助感知就像人的眼睛和耳朵会受到环境因素的影响一样无人车的传感器也是如此。摄像机、激光雷达、雷达探测物体的能力在超过一定距离后都会受到限制。在恶劣的天气条件下或在夜间传感器识别障碍物的能力可能会受到进一步限制。另外当车辆遇到障碍物时传感器无法透过障碍物来确定障碍物后面的物体。这时就需要借助高精地图的帮助了。 即使传感器尚未检测到交通信号灯高精地图也可以将交通信号灯的位置提供给软件栈的其余部分帮助车辆做下一个决策。
另一个好处在于高精地图可帮助传感器缩小检测范围如高精地图可能会告知我们在特定位置寻找停车标志传感器就可以集中在该位置检测停车标志被称为感兴趣区域ROI。ROI可帮助我们提高检测精度和速度并节约计算资源。
2.3 高精地图用于规划
正如定位和感知依赖高精地图那样规划也是如此。高精地图可帮助车辆找到合适的行车空间还可以帮助规划器确定不同的线路选择来帮助预测模块预测道路上其他车辆将来的位置。 如高精地图可帮助车辆识别车道的确切中心线这样车辆可以尽可能地靠近中心行驶。在具有低速限制人性横道或减速带的区域高精地图可以使车辆能够提前查看并预先减速。如果前方有障碍物车辆可能需要变道可帮助车辆缩小选择范围以便选择最佳方案。
3. Apollo高精度地图与构建
3.1 Apollo高精地图
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、车道规划及用于汽车导航的其他元素。 高精度地图可在许多方面为无人车提供帮助如高精度地图通常会记录交通信号灯的精确位置和高度从而大大降低了感知速度。
高精地图不仅可以减少计算需求还可以通过提供有关驾驶环境的详细信息来确保无人车的安全。保持这些地图的更新是一项重大任务测试车队需要不断地对高精度地图进行验证和更新。此外这些地图可能达到几厘米的精度这是水准更高的地图精度。
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、覆盖面最广的高精度图。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Apollo OpeDRIVE标准以便更适合无人车。
3.2 Apollo高精地图的构建
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。 数据采集是一项庞大的密集型任务近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。 数据处理指的是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。 对于对象检测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。 除高精地图外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。 在构建和更新地图的过程中Apollo使用众包向公众发布其数据采集工具以便任何人都可以参与制作高精度地图的任务这加快了高精地图制作和维护的过程。
进阶拓展阅读学习《Apollo 高精地图技术与应用》
更多详细课程内容大家可以登陆官网继续学习
也可以添加社区小助手Apollodev为好友回复“课程学习”进群与其他开发者共同交流学习。 自课程上线以来浏览量已超10万已帮助全球97个国家约 7000 名学员入门自动驾驶与 Apollo 开源平台其中37%为海外学员本门课程已成为优达学城 (Udacity) 近期获得关注度最高的免费课程之一。
