自從上次發佈了《無人駕駛入門1：無人駕駛概覽》，就收到了很多的鼓勵和鞭策，包括前領導的確定。那咱們趕忙來學習第二課關於高精度地圖的課程吧。算法
第二課： 高精度地圖安全
課程簡介：瞭解高精度地圖的實現邏輯，這是 Apollo 定位、感知、規劃模塊的基礎。框架
1.地圖簡介工具
略佈局
2.Sebastian介紹高精度地圖學習
略人工智能
3.高精度地圖vs傳統地圖設計
傳統地圖可以擁有導航路徑規劃、擁堵信息提示、多條路徑規劃的時間等信息，甚至能夠得到路口是否有信號燈、道路上是否有測速照相等信息。orm
高精度地圖更包含了大量駕駛輔助信息，其中最重要的就是道路網的精確三維表徵，好比交叉路口布局和路標位置等信息，高精度地圖還包含了不少語義信息，包括信號燈顏色定義、道路限速信息、車輛轉彎開始位置等。視頻
高精度地圖區別於傳統地圖的一個重要特徵就是精度，傳統地圖只能有米級的精度，對於車輛來講，米級的精度是徹底不夠的。高精度地圖作到了釐米級的精度，這對於確保無人駕駛的安全性相當重要。
4.地圖與定位、感知與規劃的關係_a
高精度地圖是無人駕駛的核心組成部分，不少模塊都依賴高精度地圖。
高精度地圖的一個重要功能就是自定位，拿定位和拼圖來打比方，當你拿到一小塊拼圖，你是否能在地圖中找到這個拼圖所在的位置呢？
無人駕駛須要知道自身所在地圖的位置，首先車輛就須要尋找地標，車輛經過攝像頭、雷達等傳感器得到的信息同高精度地圖上已知地標進行比較。
這一匹配過程須要通過預處理、座標轉換、數據融合這幾個複雜過程。預處理來消除不許確或質量差的數據，座標轉換未來自不一樣視角的數據轉換爲統一的座標系，藉助數據融合能夠未來自各類車輛的傳感器數據合併。
定位就是經過這幾個複雜的過程完成的，經過高精度地圖可讓車輛瞭解自身的位置。
5.地圖與定位、感知與規劃的關係_b
無人駕駛車可使用高精度地圖來幫助感知，車輛的傳感器就像是人類的眼睛、耳朵，但一樣會受到外界條件的影響，好比惡劣天氣、夜間等，另外若是遇到障礙物，感知是沒法瞭解障礙物背後的物體。
正由於如此，一方面地圖能夠幫助傳感器提早預知事物位置，另外一方面地圖能夠幫助傳感器縮小檢測範圍，即讓傳感器僅檢測感興趣區域(ROI)。ROI能夠提升傳感器檢測精確度和速度，能夠節約計算資源。
6.地圖與定位、感知與規劃的關係_c
高精度地圖能夠幫助車輛尋找合適的行車路線，能夠幫助肯定不一樣路線的選擇，還能肯定道路上其餘車輛未來的位置。
好比高精度地圖已經精確到車道線，因此車輛儘量沿着車道中心線行駛；好比在人行橫道、減速帶等區域，經過高精度地圖能夠提早預知，提早減速；好比前方遇到障礙物須要變道，高精度地圖能夠幫助其縮小選擇範圍，得到最佳變道方案。
7.Apollo高精度地圖
高精度地圖專爲無人駕駛設計，提供了道路定義、交叉路口、交通訊號、車道規則以及汽車導航的其餘元素，能夠爲無人駕駛車提供多方面的幫助。
好比高精度地圖記錄了信號燈的精確位置和高度信息，從而下降了感知難度。
地圖更新是高精度地圖中的一項重要工程，須要不少的做業車輛，對高精度地圖不斷進行驗證和更新，同時要達到釐米級的精度，這須要很是高的製圖技術。
高精度地圖有不少格式，不一樣的格式就會致使系統的不兼容，爲了便於共享，Apollo採用了OpenDrive格式，這是行業製圖標準格式。
百度Apollo還開發了一套完善的採圖繪圖系統，其中90%的地圖繪製流程實現了自動化。
8.Apollo高精度地圖構建
高精度地圖的構建由五個過程組成：數據採集、數據處理、對象檢測、手動驗證和地圖發佈。
數據採集是一個巨大的工程，百度Apollo擁有近300輛專業車輛用於數據源採集，固然，這些數據採集車不只僅用於數據採集，對於地圖的維護和更新也很是的重要，他能夠及時的更新地圖數據。
專業車輛具備角度的傳感器，好比GPS、慣性測量單元(IMU)、激光雷達和攝像機，Apollo定義了一個硬件框架，將這些傳感器集成到單個自主系統中，經過將這些數據的融合，最終生成高精度地圖。
數據處理是指對手機的數據進行整理、分類以及清洗的過程，以得到沒有任何語義信息或註釋的初始地圖模板。
對於對象檢測，Apollo團隊使用人工智能來檢測靜態對象並對其進行分類，包括車道線、交通標誌甚至電線杆。
手動驗證能夠確保自動地圖建立過程正確並及時發現問題。
通過了上述過程的處理，地圖能夠進行發佈，除了發佈高精度地圖，Apollo還發布了採用自上而下視圖的相對定位地圖以及三維點雲地圖。
在構建和更新地圖的過程當中，Apollo使用了衆包，任何人均可以經過百度發佈的工具參與制做高精度地圖的任務，Apollo高精度地圖衆包能夠經過智能手機、智能信息娛樂系統甚至是其餘無人駕駛車來實現。
9.課程綜述
略
課後小結
雖然我的從事導航地圖已有十年，但學習高精度地圖課程仍是有很多的啓發。
首先，高精度地圖能夠自定位。
這一點打破了原有的認知，或者須要轉換一個角度來思考。
對於傳統地圖，都是真實世界的絕對位置地圖，咱們假定數據公司採集的地圖都是真實準確的。而在導航軟件中，得到GPS定位信號，再同地圖進行匹配，能夠即時得到地圖中的定位信息，也就是知道了你在世界的哪一個角落。GPS是一種傳感器，但已經很是成熟，包括硬件和算法的成熟以及系統的穩定。因此，咱們會認爲地圖定位很是容易，藉助外部GPS便可。
而高精度地圖，除了傳統地圖功能外，還能夠經過地圖中的特徵(本視頻中的地標，或其餘公司所謂的指紋)，進行自定位。既須要地圖中的數據支持，也須要藉助外部的傳感器，這個傳感器不是GPS，而是攝像機、雷達等，而其中的定位匹配算法並不像GPS定位算法這麼簡單，這也是無人駕駛技術中所須要克服的難題之一。
其次，高精度地圖是三維的。
傳統地圖是二維的，以點線面爲主，一方面自己不須要紅綠燈、路燈等各類特徵對象的高度信息，另外一方面高程信息在導航中的應用並很少，顯示建築3D、高架立起或者山丘欺負，僅僅起到美觀做用罷了。
而高精度地圖，除了自定位的須要，同時還須要還原真實的世界，不只僅須要認清可行駛的車道線，也須要識別馬路牙子、隧道橋洞等信息。
再次，高精度地圖的構建須要衆包
傳統地圖的構建，基本都是地圖數據公司做業車採集的成果，衆人所能提供的信息，也僅僅是反饋。之前的離線地圖更新，須要等待一個版本，通常至少要等一個季度，而即使如今的在線地圖，從反饋、驗證、修正到發佈，也至少要數天的時間。咱們僅僅是一個使用者，而沒法成爲建立者。
對於高精度地圖來講，一個季度的更新實在過久，更新的頻度是沒法知足需求的。同時，高精度地圖依然須要專業車輛的採集，做爲專業數據輸入源，但每個自動駕駛車輛，又是數據貢獻源，由於無人駕駛車的地圖自定位同地圖採集是想通的，甚至因爲算法的一致性，數據驗證也將變得簡單。
基於此，更須要高精度地圖衆包，讓衆人蔘與到地圖構建中，只爲更精準的高精度地圖數據。
既然opendrive format是開放的，那麼誰會來主導一個相似openstreet map的衆包項目呢？拭目以待。