自动驾驶汽车定位技术：高精度地图.pptx

自动驾驶汽车定位技术Chapter 2高精度地图2 高精度地图高精度地图以精细化描述道路及其车道线、路沿护栏、交通标志牌、动态信息为主要内容，具有精度高、数据维度多、时效性高等特点，为自动驾驶车辆的定位、规划、决策、控制等应用提供安全保障，是自动驾驶解决方案的核心和基础。高精度地图定义及其价值高精度地图关键技术高精度地图解决方案 本章小结 2.1 高精度地图定义及其价值高精度地图分层架构高精度地图也称为高分辨率地图（High Definition Map，HD Map）或高度自动驾驶地图（Highly Automated Driving Map，HAD Map）。高精度地图与普通导航地图不同，主要面向自动驾驶车辆，通过一套特有的定位导航体系，协助自动驾驶系统解决性能限制问题，拓展传感器检测范围。普通导航地图高精度地图2.1 高精度地图定义及其价值自动驾驶辅助数据（加/减速，制动等）动态数据 实时路况交通事件车道级 定位特征路沿护栏高精度地图主要由静态数据和动态数据构成，其中静态数据包括道路层、车道层、交通设施层等图层信息；动态数据包括实时路况层、交通事件层等图层信息。交通设施地面标志车道线及车道拓扑道路级 导航路网POI背景高精度地图分层架构2.1 高精度地图定义及其价值高精度地图作为普通导航地图的延伸，在精度、数据维度、时效性及使用对象等方面与普通导航地图有着如下不同：① 精度：普通导航地图一般为米级，高精度地图可达厘米级。② 使用对象：普通导航地图面向人类驾驶员，高精度地图面向机器。③ 时效性：普通导航地图要求静态数据的更新为月度或季度级别，动态数据不做要求；高精度地图要求静态数据为周级或者天级更新，动态数据则要求实时更新。④ 数据维度：普通导航记录道路级别数据，高精度地图则更为详细，需达到车道级，比如记录车道及车道线类型、宽度等。2.1 高精度地图定义及其价值高精度地图对自动驾驶的价值2.1 高精度地图定义及其价值高精度地图行业现状概览国内现状百度作为国内唯一拥有从采集设备到数据制作全流程自主技术研发能力的高精度地图提供商，其采集车包括全景和高精两类。四维图新企业标准定义的应用于高度自动驾驶（HAD）地图与车端保密插件加密算法研究上取得阶段性成果，成功优化了经过非线性保密技术处理后的自动驾驶地图数据与保密插件处理后的车端定位数据的匹配精度。高德地图采集车包括ADAS和高度自动驾驶两类，HAD采集车车顶配置了2个R三维激光雷达和4个摄像头，相机主要负责采集标志牌等道路元素，激光雷达主要采集边缘线和车道线等道路信息。国际现状Here地图从2015年开始致力于高精度地图数据采集，是世界上实现高精度地图覆盖里程最多的企业之一。2017年初，Here与Mobileye达成技术合作关系，使得地图将获得更多实时道路信息。苹果与谷歌类似，其地图数据采集方案也应用了大量的摄像头，同时采用一前一后两个激光雷达倾斜安装的方式，可完整地获取车道线等道路信息谷歌作为自动驾驶行业的领军企业之一，利用无人车搭载的360°高速转动的Velodyne激光雷达绘制高精度地图。2.2 高精度地图关键技术高精度地图生产流程：2.2 高精度地图关键技术道路元素图像处理在高精度地图中，为了给自动驾驶汽车提供道路的拓扑信息、交通约束信息，需要对道路元素进行识别并做语义标注等以便于后期高精度地图的制作。实际道路元素：高精度地图中的道路元素：2.2 高精度地图关键技术图像识别与处理道路元素包括交通标志牌、红绿灯、车道线和隔离带等。高精度地图的制作需要对各种道路元素进行图像识别、语义标注等处理。常用的图像识别与处理流程（1）图像采集：通过摄像机等工具采集真实道路环境下的图像，形成数据集。（2）图像预处理：对数据集中的图像进行扩充同时对图像进行标注工作，便于后期进行深度学习训练模型使用。2.2 高精度地图关键技术（3）图像分割：将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的过程。（4）边缘检测：找出图像中亮度变化剧烈的像素点构成的集合。（5）图像细化：将图像的线条从多像素宽度减少到单位像素宽度的过程。通过减少图像的像素数来达到压缩图像的目的。（6）特征提取：将数据集中的每一幅图像输入到深度学习模型中，在特定的卷积层中提取图像的深度学习特征，便于图像识别工作。（7）特征参数计算：参数计算对卷积神经网络（Convolutional Neural Networks，CNN）来至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都决定最终输出模型与参数、计算复杂度等。（8）图像识别：将任意一幅待识别的图像输入到深度学习训练?模型中，提取样本的深度学习特征并对图像进行识别，判断该图像中的物体属于哪个类别并显示识别物体的准确率。 ?2.2 高精度地图关键技