您好,欢迎来到中国自动驾驶高精地图行业创新发展论坛2021!

自动驾驶_高精地图与车辆协同

发布日期:2020-06-12

GRCChdmap

2020-06-11 21:54:05

手机阅读

点击上方蓝色字体,关注我们

目录


1 HapMap 综述


1.1 自动驾驶软件结构


1.2 HD MAP介绍


1.3 坐标系/定位/感知/规划


1.4 Apollo HDMAP


1.5 高精地图的制作


2 OpenDrive 协议


2.1 坐标系


2.2 Road的表示方式


2.3 OpenDrive协议下的高精地图表示方式


2.4 其他高精地图格式


2.4.1 LaneLet


2.4.2 Apollo OpenDrive


3 点云地图制作


3.1 基本概念


3.1.1 欧拉角


3.1.2 四元数


3.1.3 相机基本模型


3.2 代码示例


3.2.1 效果图


4 V2X


5 练习


整理自视频:https://www.bilibili.com/video/BV137411E7oC?p=7


1 HapMap 综述

1.1 自动驾驶软件结构



1.2 HD MAP介绍






1.3 坐标系/定位/感知/规划



定位主要用GPS-RTK, 差分GPS精度:分米





将汽车的有限性能应用到动态物体的识别当中去,是很有意义的,因为静态的物体信息可以通过HD map提前制作好来获取。


1.4 Apollo HDMAP


任何一个点都需要多次的采集,才能得到真实的路面信息。

地图数据的采集,主要使用点云数据(如上图,apollo:点云数据易于处理,精度更高;缺点是采集数据成本太高);同时Here宣称他们使用的是摄像头采集数据做高精地图,精度也可达到cm级别。

上图中元素识别:如图像中分类的问题,点云的分类问题。



高精地图数据量非常大,制作成本很高。

高精地图的制作流程,非常像SLAM的流程。SLAM的核心是VO和Optimization.

应关注点:VO,  LOOP Closing挺重要的:提高精度,加快高精地图的制作。


1.5 高精地图的制作



高精地图的制作的自动化程度直接决定了其制作效率!

2 OpenDrive 协议

高精地图 较流行的开源格式




2.1 坐标系




2.2 Road的表示方式



2.3 OpenDrive协议下的高精地图表示方式

xml格式拓展



高精地图商业化: 百度,高德,四维图新

OpenDrive(压缩的比较狠)在机器人领域应该得比较多,在无人车领域应用的还未普遍推广;Apollo目前在使用OpenDrive时,将其进行拓展,虽然数据会变得繁琐起来,但使用起来会方便很多。

2.4 其他高精地图格式

2.4.1 LaneLet


2.4.2 Apollo OpenDrive



3 点云地图制作




3.1 基本概念





3.1.1 欧拉角


欧拉角的局限性:当一个角的值为±90° 时,另外两个角的旋转是一致的。关键词“万向锁”。



3.1.2 四元数



四元数在机器人学中应用广泛,很重要!


3.1.3 相机基本模型




Z是常系数,上图Pc表示相机坐标系下的空间点坐标




输入: RBG彩色图片x5幅,基于点云制作的已经匹配好的深度图片x5幅,pose数据(R,t)x5条


输出:三维高精地图模型


3.2 代码示例




3.2.1 效果图


4 V2X




5 练习


 

————————————————

版权声明:本文为CSDN博主「skyjhyp11」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/shyjhyp11/article/details/105617100


相关文章

智能高精地图数据逻辑结构与关键技术
融合位置信息的智能驾驶高精地图三维重建
日本高精地图市场的产业化 .ppt






SELECTED EVENTS




 

长按二维码识别关注





  • 电话咨询
  • 021-22306692
  • 15021948198
None