【PConline资讯】高精地图对于开发者及测试者来讲并非能够轻易得到的，制做高精地图须要大量的成本，周转时间长，在此背景下Apollo2．5推出了基于动态的实时相对地图（Real－timeRelativeMap）的解决方案。测试
在Apollo1．5和2．0中，规划模块和控制模块依靠的是全球定位和高精地图。高精地图中有丰富的地图元素，能够帮助车辆规划，实现复杂路况下的自动驾驶，众所周知，高精地图在自动驾驶中的价值所在，它们不只有着较高的精准度，并且适用于任何路况，更重要的是高精地图对于路测有着重要意义，但高精地图对于开发者及测试者来讲并非能够轻易得到的，制做高精地图须要大量的成本，周转时间长，在此背景下Apollo2．5推出了基于动态的实时相对地图（Real－timeRelativeMap）的解决方案。spa
该地图基于车辆坐标系，其原点位于车辆自己。众所周知，车道线是地图中的重要元素，以确保自动驾驶车辆作出合理的决策并进行安全的轨迹规划。在相对地图中，车道线数据是经过基于摄像头的车道感知而生成的，而且包含基于云端的导航线（NavigationLine）。设计
下图阐释了导航线是如何生成的。开发
导航线在自动驾驶中扮演着多种角色。第一，导航线做为出发点与目的地点的链接线，提供车道级别导航；第二，导航线能够生成Referenceline用于驾驶决策；第三，为高精地图提供载体；第四，导航线是相对地图的重要组成部分。部署
导航线有如下特色：it
1．导航线是按照驾驶员驾驶路径设计，因此安全性和温馨性是有保障的；io
2．更重要的是，基于驾驶数据，导航线能够自动生成，大大下降了开发成本；百度地图
3．能够与视觉感知系统配合生成基本的地图信息，能够适用于比较简单的驾驶场景，好比高速公路、乡村道路等；class
4．导航线能够与高精地图结合，生成复杂的驾驶场景，例如城市道路。
下面咱们举例说明，相对地图和导航线在自动驾驶场景中是如何工做的。
1．在以下图highlight区域部署自动驾驶场景；
2．在实现真正的自动驾驶以前，咱们须要采集导航线，通过对驾驶员驾驶路径的采集，后期能够转换成为（以下图绿色线条）；
3．需求：实现从A→B的自动行驶；
4．按照传统地图（百度地图or谷歌地图）导航，生成的轨迹1（蓝色线条）；
5．在接到导航需求时，系统会选择一条最匹配的导航线（黄色标线）用来导航；
6．系统为决策模块提供多条导航线，能够实现变道功能。
经过使用这种方法，咱们能够建立一个与高精地图的数据格式相匹配的相对地图（RelativeMap），并基于事先录制好的人工驾驶轨迹和摄像头实时检测到的车道线。有的开发者会有疑问：相对地图与SLAM有什么区别呢？其实SLAM问题能够描述为：汽车在未知环境中从一个未知位置开始移动，在移动过程当中根据位置估计和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现汽车的自主定位和导航。RelativeMap在基于指引线录制模式时，会依赖录制的指引线与实时摄像头信息生成RelativeMap，同时，依靠GPS定位；在基于纯摄像头模式时，并不进行自身定位和建造增量式地图，只依赖实时摄像头生成的车道线信息行驶。
在行驶过程当中，相对地图数据的计算和更新频率10Hz，相对地图数据来源一是基于视觉感知的车道标识，二是基于云端的导航线，并且相对地图支持如下三种自动驾驶场景：
相对地图模式1，仅依靠视觉感知的车道标识
适用场景：
一、定位缺失；
二、只有来自感知系统的车道线识别；
三、车道保持与自适应巡航。
在基于指引线录制模式时，会依赖录制的指引线与实时摄像头信息生成的RelativeMap行驶，此时须要GPS定位。当GPS失效时（好比经过某个隧道），系统将自动切换为基于纯摄像头模式，此时只依赖实时摄像头生成的车道线信息行驶。只要有车线能够辨别，车会沿着车道中心线一直开（LaneKeeping）。若是车道线不可辨别，须要人来接管。
相对地图模式2，依靠视觉感知与云端导航线
适用场景：
一、感知系统检测的车道标识
二、能从云端获取导航线
三、高速道路或者车道线不清晰的乡村道路
此条件下，导航线与感知系统结合生成地图数据，用于车辆决策。
相对地图模式3，依靠视觉感知、云端导航线以及高精地图
适用场景：
一、车道标识不是来自于感知系统检测，而是基于历史驾驶数据以及高精地图生成；
二、能从云端获取导航线
三、城市道路
此条件下，导航线结合高精地图，能实现城市道路的规划决策。
相较来说，相对地图的精度较低，仅限于某些用途。但它却有着不容忽视的优点，成本更低，周转更快，而且制做起来更容易，还能够实现实时更新。