高精地圖和定位

高精地圖在定位的主要作用就是，它為定位提供了已經確定好的靜態物體的信息。 那麼無人車就可以根據這些靜態物體的信息，反過來找到自己在整個地圖中的相對位置。 如果這些靜態物體有自己本身標註好的高精度的經緯坐標的時候，無人車就可以根據這些經緯度坐標來反向求自身的經緯度坐標，從而實現基於高精地圖和激光雷達攝像機等感測器融合的定位方法。通過這種方式就可以擺脫依賴GPS的數據。因為GPS的數據在有數據阻擋的情況下他的噪音是非常強的。 當然現在這個階段基於雷達跟視覺的感測器融合的定位方法的精度沒有差分GPS提供的數據準確，但是也不失為一種定位方法。畢竟在沒有GPS信號的時候，車輛不可能是在沒有自身定位信息的情況下行駛， 這時候只能依賴其他的定位方式。

高精地圖和決策

那高精地圖跟決策模塊的關係就更簡單了。因為車輛如果知道以後自己要走的路線和自己要走的路線相關的路標交通燈道路信息，那麼決策模塊就可以做出更加匹配當時路況的決策。 就相當於我們如果知道未來會有什麼事情的時候，就可以及時調整現在的行為以應對未來會發生的情況。

高精地圖和模擬模塊

高清地圖和模擬模塊的關係就比較好理解因為我們只要在有高精地圖標準的地圖上，對車輛進行定位或者是其他演算法的驗證的話，那麼在實際應用當中車輛獲取的信息跟我們在模擬中獲取的信息是一樣的。也就是說我們在模擬環境中搭建的代碼，很大程度上在現實環境中也可以使用。

高精地圖和感知模塊

無人駕駛當中感知模塊是一個比較複雜的模塊。因為它涉及到很多很多現實中的問題。但實際上我們感知的大部分環境里很多東西都是靜態的。那麼在這種靜態的環境中我們不需要用額外的計算能力去計算可以事先存在資料庫中的東西。就比如某一個大樓他在某一個位置那麼不管車輛行駛到這個位置多少次，每次看到的大樓都是在那一個點上。不管感知方式是什麼這大樓的位置都不會隨著車輛的感知發生變化。那麼這種東西就可以由高精地圖採集車先採集它的具體位置，然後把這些數據存到無人車的本地硬碟上。那麼無人車就可以根據這個資料庫，每次行駛到那個大樓面前的時候，不經過識別就知道那邊有一個建築物。跟定位模塊一樣，如果我們知道這個建築物的高精度坐標的時候，我們可以根據這個坐標反求自身所在的位置。而且也可以根據事先做好的大樓的形態還有它的物理特徵， 集中計算能力去識別除了這個大樓以外的動態的物體。

高清地圖和控制模塊

控制的具體內容很多詳細的內容，我也不是很清楚。但是如果是為了控制轉向角的話，那麼高精地圖所提供的車道線的中間線的數據是必不可少的。 因為雖然會基於攝像頭來識別車道線，然後根據這個車道線來識別中心線的位置。但是這些東西還是沒有高精地圖提供的數據準確。畢竟基於攝像頭的車道線識別都是實時的， 肯定會偶爾出錯 。或者車道線因為長時間沒有維護而變得看不清的時候，那麼攝像機就不能識別到相應的車道線信息，這時候就需要高精地圖。 車道線是人駕駛中非常重要的一個數據，所以現階段的基於攝像機的自動駕駛只能在高速公路上實現。因為只有高速公路上的車道線的保養狀態比較好。可以比較容易被識別出來。相反，在城市環境中的車道線維護的就不是很好。所以在城市道路當中基於攝像頭的自動駕駛方式暫時還不可取。

高精地圖的製作工藝

這邊說實話我也沒有涉及過但是聽老師說是這樣的。 高清地圖是先由裝有的各種感測器的車輛進行掃街。 這種車輛在掃過每一條街之後，他可以獲取相關的點雲信息和攝像機信息還有其他高精度的經緯度信息。之後工作人員會基於這些信息，線下對它們進行進一步的編輯。這裡涉及到的就是點雲拼接，攝像機識別的道路信息，比如車道線，比如斑馬線，比如交通信號燈。這些靜態物體都是要由工作人員進行進一步確認並標註好的。 雖然採集車輛上的攝像機會進行初步的特徵識別提取這些道路相關的特徵。但是畢竟是基於計算機視覺的，提取的並不是100%正確的信息，也有可能是錯的，也有可能是某些標註沒有標好。所以最後一步還是要有工作人員進行最終確認並標註的。

---

今天先更新到這裡~

謝謝支持，各位看官的關注就是持續更新的動力~

看完就別吝嗇點贊加關注啦~

同時也希望朋友往咱們專欄投稿，讓我們在無人車演算法的造詣上不停的成長~！

20180902

林明

推薦閱讀：