上周我們開始帶領小白開發者學習“Udacity X Apollo自動駕駛入門課程”，也收到了很多社區開發者的學習筆記，讓我們看到他們熱愛自動駕駛、努力學習的信心。希望有更多開發者在學習課程的同時，記錄下學習要點，更快掌握Apollo自動駕駛知識。

開發者筆記

本周我們將介紹高精地圖部分的主要內容，這是Apollo定位、感知、規劃模塊的基礎。

與普通地圖不同，高精地圖主要服務于自動駕駛車輛，通過一套獨特的導航體系，幫助自動駕駛解決系統性能問題，擴展傳感器檢測邊界。目前 Apollo 內部高精地圖主要應用在高精定位、環境感知、決策規劃、仿真運行四大場景，幫助解決林蔭道路GPS信號弱、紅綠燈是定位與感知以及十字路口復雜等導航難題。

1

高精地圖與傳統地圖

當我們開車時，打開導航地圖通常會給我們推薦幾條路線，甚至會顯示道路是否擁堵以及每條路線將花費多長時間、交通管制，例如交通信號燈或限速標志等，我們會根據地圖提供的信息來決定是在行駛中直行、左轉還是右轉以及對周圍駕駛環境的評估。

而無人駕駛車缺乏人類駕駛員固有的視覺和邏輯能力。如我們可以利用所看到的東西和GPS來確定自己的位置，還可以輕松準確地識別障礙物、其他車輛、行人、交通信號燈等，但要想讓無人車變得和人類一樣聰明，可是一項非常艱巨的任務。

這時就需要高精地圖了，高精地圖是當前無人駕駛車技術不可或缺的一部分。它包含了大量的駕駛輔助信息，最重要是包含道路網的精確三維表征，例如交叉路口布局和路標位置。

高精地圖還包含很多語義信息，地圖上可能會報告交通燈不同顏色的含義，也可能指示道路的速度限制，及左轉車道開始的位置。

高精地圖最重要特征之一是精度，手機上的導航地圖只能達到米級精度，而高精地圖可以使車輛能夠達到厘米級的精度，這對確保無人車的安全性至關重要。

2

高精地圖與定位、感知規劃的關系

高精地圖用于定位

高精地圖是Apollo平臺的核心，許多無人駕駛車模塊都有賴于高精地圖，有了高精地圖我們就需要在該地圖上進行自定位。這意味，需要弄清我們在地圖上的位置，這就是定位——無人駕駛車輛在地圖上的確切位置。

首先車輛可能會尋找地標，我們可以使用從各類傳感器收集的數據，如攝像機圖像數據、激光雷達收集的三維點云數據來查找地標。車輛將其收集的數據與其在高精地圖上的已知地標進行比較，這一匹配過程是需要預處理、坐標轉換、數據融合的復雜過程。

無人車的整個地位過程取決于高精地圖，所以車輛需要通過高精地圖明確它處于什么位置。

高精地圖用于感知

無人車也可以使用高精地圖來幫助感知，就像人的眼睛和耳朵會受到環境因素的影響一樣，無人車的傳感器也是如此。攝像機、激光雷達、雷達探測物體的能力，在超過一定距離后都會受到限制。在惡劣的天氣條件下或在夜間，傳感器識別障礙物的能力可能會受到進一步限制。另外當車輛遇到障礙物時，傳感器無法透過障礙物來確定障礙物后面的物體。這時，就需要借助高精地圖的幫助了。

即使傳感器尚未檢測到交通信號燈，高精地圖也可以將交通信號燈的位置提供給軟件棧的其余部分，幫助車輛做下一個決策。

另一個好處在于，高精地圖可幫助傳感器縮小檢測范圍，如高精地圖可能會告知我們在特定位置尋找停車標志，傳感器就可以集中在該位置檢測停車標志，被稱為感興趣區域ROI。ROI可幫助我們提高檢測精確度和速度，并節約計算資源。

高精地圖用于規劃

正如定位和感知依賴高精地圖那樣，規劃也是如此。高精地圖可幫助車輛找到合適的行車空間，還可以幫助規劃器確定不同的路線選擇，來幫助預測模塊預測道路上其他車輛將來的位置。

如高精地圖可幫助車輛識別車道的確切中心線，這樣車輛可以盡可能地靠近中心行駛。在具有低速限制、人行橫道或減速帶的區域，高精地圖可以使車輛能夠提前查看并預先減速。如果前方有障礙物，車輛可能需要變道，可幫助車輛縮小選擇范圍，以便選擇最佳方案。

3

Apollo高精度地圖與構建

Apollo高精地圖

Apollo高精地圖專為無人車設計，里面包含了道路定義、交叉路口、交通信號、車道規則，及用于汽車導航的其他元素。

高精度地圖可在許多方面為無人車提供幫助，如高精度地圖通常會記錄交通信號燈的精確位置和高度，從而大大降低了感知難度。

高精地圖不僅可以減少計算需求，還可以通過提供有關駕駛環境的詳細信息，來確保無人車的安全。保持這些地圖的更新是一項重大任務，測試車隊需要不斷地對高精度地圖進行驗證和更新。此外，這些地圖可能達到幾厘米的精度，這是水準最高的制圖精度。

Apollo 高精地圖是最懂自動駕駛的高精地圖，也是業界精細化程度最高、生產率最高、覆蓋面最廣的高精地圖。目前，Apollo 高精地圖的自動化程度已經達到了90%、準確識別率達到了95%以上，預計2020年可以覆蓋全國所有的重點道路。

高精地圖有很多種格式，為了方便數據共享，Apollo高精地圖采用了OpenDRIVE格式，這是一種行業制圖標準。同時，Apollo也對OpenDRIVE做出了改進，進而產生了ApolloOpenDRIVE標準，以便更適合無人車。

Apollo高精地圖的構建

高精度地圖的構建由五個過程組成：數據采集、數據處理、對象檢測、手動驗證和地圖發布。

數據采集是一項龐大的密集型任務，近300輛Apollo測試車輛負責收集用于制作地圖的源數據，以便確保每次道路發生改變時，地圖均會得到快速更新。測試車輛使用了多種傳感器，如GPS、IMU、激光雷達、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，通過支持多種類的傳感器，Apollo收集各類數據將這些數據融合，最終生成高精度地圖。

數據處理指的是Apollo如何對收集到的數據進行整理、分類和精簡，以獲得沒有任何語義信息或注釋的初始地圖模板。

對于對象檢測，Apollo使用人工智能來檢測靜態對象并對其進行分類，其中包括車道線、交通標志、甚至是電線桿，手動驗證可確保自動地圖創建過程正確進行并及時發現問題。Apollo使手動驗證團隊能夠高效標記和編輯地圖，在經過數據采集、數據處理、對象檢測、手動驗證之后，高精地圖才能發布。

除高精地圖外，Apollo還發布了采用自上而下視圖的相應定位地圖、三維點云地圖。

在構建和更新地圖的過程中，Apollo使用眾包向公眾發布其數據采集工具，以便任何人都可以參與制作高精度地圖的任務，這加快了高精地圖制作和維護的過程。