基础传感器配置 | 用途 |
---|---|
64线激光雷达 | 平装,采集道路路面 |
16线激光雷达 | 斜向上安装,检测高出红绿灯、标牌等信息 |
GPS、IMU | 组合定位 |
长短焦相机 | 激光雷达与camera融合 |
基站搭建:RTK方案
无遮挡情况下效果比较好,在高楼和林荫路的情境下效果不佳。
采集方案:
地图制作——高精地图生产流程
(1) 数据采集:3.1
(2) 数据处理:
(a)点云为主:点云拼接,采集中信号不稳定,RTK在高楼、林荫路会有些困难。采用一些优化手段,将点云拼接起来到一张图中去
(b)图像:点云压成图像得到一个高精度的地图
(3) 元素识别:
(a)对点云反射图进行一些标注和分类
(b)通过深入学习对道路元素识别标识,整和到高精地图中去
(4) 人工验证
(a)没有车道线,需要人补充车道线
(b)逻辑信息,在路口应该看哪个指示灯
全自动数据融合加工效果图
基于深度学习的地图要素识别
人工生产验证
地图成果:定位地图、高精地图、路线规划地图、仿真地图
数据元素:
(1)道路级别的可以识别到道路边界,lane级的可以识别到车道边界,注意区分
(2)路口元素中,对一些复杂路口,没有车道线的,需要虚拟车道的补充
(3)逻辑关系元素,Apollo没有将逻辑赋予到具体元素,而是分出一个元素专门存放逻辑关系
车道模型:
Apollo根据一些原则,比如车道数目等,将车道分成几个Section
Junction模型:路口表述
坐标系:
UTM,将全球分成60个zone
WGS84:高度描述
得到了一个高度的描述,地图中标注的高度就是通过这个坐标系得到的
Track System
得到径向和横向的偏移量
Apollo OpenDrive规范
Apollo地图格式相对标准OpenDRIVE的改动:
(1)元素形状的表达方式:采用绝对坐标点序列描述边界形状,解决标准规范中可能出现倒刺的情况,更加平稳
(2)元素类型的扩展:新增了禁停区、人行横道、减速带等道路的描述
(3)扩展了对于元素之间相互关系的描述:比如新增了junction和junction内元素的关联关系
(4)其他:增加了车道中心线到真实物理道路边界的距离、停车线与红绿灯的关联关系
Overlap
overlap用以描述两个元素的空间关系,比如:空间重叠,不在lane上的停车位等
Apollo HDMap Engine
用来从高精地图中提取相关元素