apollo地图采集方案

硬件设备

利用激光雷达和摄像头结合来制作地图：
64线类激光雷达：平装，采集路面
16线激光雷达：斜向上安装，用来检测高处的红绿灯、标牌等信息
长短焦相机
除上述两种外，还包括IMU模块，GNSSRTK模块等。

apollo地图生产技术

1.数据采集：详见上方Apollo数据采集方案

2.数据处理：数据分为点云和图像两类，因为高精度要求，所以制图以点云为主。
（1）点云拼接：采集过程中信号可能不稳定（RTK在遮挡情况下会出现不稳定现象），通过SLAM等对pose做优化，优化之后对点云信息做拼接得到完整的点云信息。点云信息被压扁得到定位地图图像、反射地图图像。反射地图可以做一些标注。
（2）点云图像处理后得到一个高精度图像，基于图像可以做精确的车道线识别，获得车道线的形状特征。但仍需要道路虚实线、黄白线、路口标识等信息，这时候需要元素识别。
3.元素识别：基于深度学习的地图要素识别有两个层面：
（1）是否能基于点云分割，从点云里提取特征。
（2）尝试从点云中提取车道线、灯杆、红绿灯等。
4.人工验证：由于车的自动化程度不够 ，无法解决道路上没有车道线的部分以及无法理解逻辑信息（比如停止线和红绿灯的关联关系）因此添加人工验证，车道线识别是否正确，补充关联处理。比如路口虚拟线的处理，这种虚拟线的处理依赖于半自动化的处理。

Apollo高精度地图

1.道路元素分为两个层次：道路级别和车道线（Line）级别
道路边界：强约束，永远不能跨越
车道线边界：弱约束，紧急情况可以用

2.车道模型：

横向：分割成Line
纵向: 分割成Section

3.JUCTION模型

变道的时候，监测车道线变化

4.Apollo OpenDrive和普通OpenDrive的区别：

（1）元素做了归类，所有地面标识归为Objects，所有道路标牌归为Signals，用overlap关联。
（2）标准是通过参考车道偏移量计算，Apollo是采用绝对坐标点序列描述边界形状，不采用方程的方式。好处是对下游的计算友好，不用再做点的采样。
（3）标准基于偏移量的计算在道路急转弯情况会出现道路上的毛刺，可能导致无人车猛打方向盘造成危险。
（4）扩展了禁停区、人行横道、减速带等元素。
（5）新增了junction和junction之间的关联关系。
（6）增加了车道中心线到真实道路边界的距离、停止线和红绿灯的关系。